[发明专利]基于角度相似性的指纹定位方法

权利要求书

1.基于角度相似性的指纹定位方法，其特征在于包括以下处理步骤：

步骤1：参考点指纹信息的采样及提取：收集参考点的信道状态信息，定义角度域信道功率矩阵，将角度域信道功率矩阵作为每个参考点的指纹信息；

步骤2：指纹数据库的构建：将每个参考点收集到的指纹信息通过回程链路汇聚到CPU，由CPU来构建包含所有参考点的指纹数据库；

步骤3：指纹相似性的定义及指纹分簇：定义角度相似性系数，表示不同指纹之间的接近程度，根据指纹之间的角度相似性系数，利用谱聚类算法来对所有指纹进行分簇；

步骤4：用户指纹数据的收集：对用户的信道状态信息进行收集，计算用户的角度域信道功率矩阵，并将用户指纹信息汇聚到CPU中；

步骤5：用户指纹与指纹数据库进行匹配：将用户的指纹信息与指纹数据库中簇中心进行指纹匹配，找到与角度相似性系数最大的指纹簇，然后在该指纹簇中，遍历寻找与用户相似性最大的前K个参考点；

步骤6：用户定位：根据K个参考点的位置信息，利用加权K近邻算法，对用户位置进行估计。

2.根据权利要求1所述的基于角度相似性的指纹定位方法，其特征在于上述步骤1中的指纹信息的采用及提取包括以下步骤:

第l个参考点与第n个参考点间的信道用来表示，其具体表达式如下

其中P表示信道路径数，β_l,n表示大尺度衰落系数，表示第p条路径的小尺度衰落，表示天线的阵列方向矢量，M表示参考点中的天线数，其表达式如下，

其中表示从第n个信息参考点到第l个参考点的到达角，d表示均匀线性阵列中天线的间隔距离，λ表示信号波长,e表示指数函数，j表示复数的虚部，[·]^T表示阵列的转置；

令H_n＝[h_1,n,h_2,n,K,h_L,n]，则表示系统中第n个参考点相对于所有参考点的信道矩阵，其中L表示去蜂窝大规模MIMO系统中的参考点数量；

将参考点的信道信息转换为可以利用的角度域信息，令离散傅里叶变换矩阵为其第i行的第j列元素可以表示为对信道矩阵H_n作离散傅里叶变换，得到角度域信道响应矩阵为

G_n＝F×H_n (3)

其中[G_n]_i,j表示矩阵中第i行的第j列元素；

利用信道的统计参数来定义第n个信息参考点的角度域信道功率矩阵为

其中表示哈德玛德积，其第i行的第j列元素为

最后我们利用角度域信道功率矩阵Ψ_n来作为第n个参考点的指纹信息进行采样和提取。

3.根据权利要求1所述的基于角度相似性的指纹定位方法，其特征在于上述步骤3中所述的角度相似性的定义包括以下步骤:

作为衡量参考点间的相似性程度的重要参数，角度相似度系数的定义如下，

其中表示相对于第l个参考点，任意参考点n₁和n₂之间的相似性系数，表示角度域信道功率矩阵的第l列；

角度相似度系数反映出的是两个指纹的AOA信息和信道功率信息相对于所有参考点的接近程度，由于满足归一化条件并且其取值范围在[0,1]之内，更直观的反映出信道功率矩阵和的相似性程度；根据角度相似性系数的定义，可知角度域信道功率矩阵与之间的相似性程度越高或距离越接近，则的取值越接近于1，反之若相似性程度越低，则越趋近于0。