[发明专利]一种基于网络可视图的无源室内定位方法

摘要

一种基于网络可视图的无源室内定位方法，利用普通的WLAN设备搭建信道状态信息数据采集平台并构建网络可视图，定位过程分为两个阶段：离线训练阶段和在线测试阶段；离线训练阶段时将子载波序列信号类比成时间序列信号，并通过可视图和水平可视图两种方法构建复杂网络，从而提取网络特征用之建立位置指纹库；在线测试阶段同样采集数据并利用几个机器学习算法进行位置分类；与此同时结合了幅度以及相位信息，并且综合了多对天线以进一步提升检测的准确性和稳定性。本发明能够大大降低实际运营成本，从而有效实现对室内人员的无源定位，且在最优的情况下可实现95％以上的分类准确度。在智能家居、物联网、入侵检测等领域具有一定的应用价值。

主权项

1.一种基于网络可视图的无源室内定位方法，其特点在于，所述方法包括以下步骤：步骤1：搭建无线信道状态信息数据采集平台；步骤2：将定位区域分成N个网格，作为定位分类的基本单元，记为L1,…,LN；步骤3：离线训练阶段，人体在每个网格中保持一段时间的静止姿态，采集包含信道状态信息的数据包；每个信道状态信息数据的格式为：其中F₁～F₃₀均为子载波，T_r为发射天线数，R_e为接收天线数；步骤4：取第1对天线对上的幅度和相位数据进行预处理，包括以下两个子步骤：步骤4‑1：除去数据中的明显异常值，采用拉依达方法检测出异常值，然后将异常值代替为样本均值；步骤4‑2：经异常值处理过后，再用滑动平均滤波器进行滤波平滑处理，消除因环境噪声引起的较大波动；步骤5：将不同子载波信号序列类比成时间序列信号，分别对经上述步骤处理过后的幅度和相位数据进行复杂网络构建；构建方法包括：可视图VG和水平可视图HVG；并从构建出的网络中分别提取网络特征作为机器学习分类的特征；步骤6：取其它不同天线对幅度和相位数据，进行步骤4～5的重复工作，以获取更多的特征；步骤7：对所有的网络特征数据进行Z‑score标准化处理，原始特征数据经过数据标准化处理后，各指标处于同一数量级，进行综合对比评价；步骤8：将经Z‑score标准化处理过后的特征视作一条指纹存入位置指纹库，作为机器学习算法的训练集合备用；步骤9：在线测试阶段，采集测试数据包；步骤10：对测试数据进行处理，其处理过程保持和训练阶段相同的方式，即测试数据经4～8步骤处理后得到测试集合；步骤11：调用指纹库中备用的训练集合对测试集合中的每个样本进行机器学习分类，得到不同机器学习算法下定位样本的估计位置，计算出定位分类的准确率。