基于信道状态信息测距的Wi-Fi室内定位误差界分析方法

相较常用于室内定位的Wi-Fi接收信号强度(RSS),Wi-Fi信道状态信息(CSI)包含了信号传输过程中更细粒度的物理层信息(如各个子载波的幅值和相位),故可将其用于较精确的测距以实现较高的Wi-Fi室内定位精度.由于现有基于CSI测距的定位方法普遍缺少关于定位误差界的理论分析,从而导致难以对不同定位方法的理想性能进行比较.因此,该文提出一种基于CSI测距的Wi-Fi室内定位误差界分析方法,其在室内信号传播模型的基础上,考虑路径损耗、阴影衰落和多径效应与定位精度的关系,利用克拉美罗下界(CRLB)推导了时钟异步效应下基于CSI测距的定位误差界.此外,通过实验对比,分析了实际定位误差与所推导的定位误差界之间的差异,并讨论了不同实验参数对定位性能的影响.     

基于RSS与CSI混合指纹室内定位研究

接收信号强度指示(RSS)作为一种主流的方案常用于基于测距的定位系统和指纹定位系统.但是,RSS常常受到多径效应及噪声信号的影响,其定位性能并不稳定.近年来,很多商用的WiFi设备支持获取物理层的信道状态信息(CSI).CSI是比RSS能以更细粒度表征信号特性的一种指标.相比RSS,CSI通过对多路子载波信号特征分析,从而尽可能避免多径效应与噪声的影响.CSI为基于WiFi的室内定位技术开辟了新的空间,因而被广大研究者所关注.基于以上原因,本文开展了异构无线网络下基于RSS与CSI混合指纹的室内定位方法研究.     

CAEFi:基于卷积自编码器降维的信道状态信息指纹室内定位方法

针对提高Wi-Fi指纹室内定位技术性能,该文首先提出一种基于卷积神经网络(CNN)的信道状态信息(CSI)指纹室内定位方法。该方法在离线阶段联合CSI幅度差和相位差信息对CNN模型进行训练。在廊厅和实验室两种不同室内定位场景进行了定位实验,分别获得了25 cm和48 cm的平均定位误差;然后,在此基础上重点针对提高基于CNN的CSI室内定位时效性,引入卷积自编码器(CAE)实现CSI的降维处理,在保证原始定位方法精度的前提下,定位时间提高了40%,同时将内存消耗降低到原算法的1/15,实验结果验证了所提算法的有效性。     

利用信道状态信息的室内定位技术

多径效应导致基于信号接收强度（RSSI）的室内定位方法精度不高,采用更细粒度的物理层信道状态信息（CSI）可以区分不同路径,提高定位精度。在已有基于CSI室内定位方法的基础上,通过改进对数距离路径损耗模型,得到CSI与传输距离的关系,并结合目标位置所测得的CSI值回归出目标与发射端的距离,最后通过三边定位法预测出目标的位置坐标。实验表明,相比基于RSSI的定位方法以及已有的基于CSI的定位方法,所提方法2 m以内的误差概率提高了将近40%和20%,有效提高了定位精度。     

基于载波相位的室内AoA/ToF联合定位

当前室内定位的主流方法是基于信道状态信息(Channel State Information,CSI)的AoA/ToF(Angle of Arrival/Time of Flight)联合定位,由于天线数量和带宽的限制,导致其特征参数存在误差.为此,结合CSI中细粒度和多样化的载波相位信息,提出了一种基于载波相位的室内AoA/ToF联合定位算法.首先,基于载波相位和ToF信息构造载波相位定位模型,实现目标初始定位;然后,利用LAMBDA(Least-squares Ambiguity Decorrelated Adjustment)算法消除整周模糊,实现基于载波相位的AoA/ToF联合定位算法,得到目标精确位置;最后,推导了算法定位精度的标准差.通过实验分析了不同参数对定位性能的影响,结果显示,该算法定位精度优于AoA/ToF联合定位,当接收机在用户周围均匀分布时定位性能较好,且基本不受载波相位测量误差的影响,因此具有更好的鲁棒性.     

基于自注意力的无监督室内定位信号异常检测

基于射频信号的室内指纹定位技术,以其精度高、部署成本低等优点被广泛运用于室内定位领域。室内信号环境的变化会直接影响定位精度。深度神经网络也用于时序数据异常检测,在此基础上,提出了一种基于自注意力机制的无监督室内定位信号异常检测模型。训练模型的输入是易获得的正常信号环境下无位置标签的指纹数据。该模型的注意力模块关注提取指纹数据中不同信号来源之间的相互关联,结合关联误差和重构误差来放大正常与异常的可区分性,从而提升室内定位信号检测的精度。在实验室采集的蓝牙信号数据集和一个公开的Wi-Fi数据集UJIIndoor Loc中进行性能评估,实验结果表明,与其他算法相比,所提模型具有最好的异常检测性能。     

基于信息级的T-Rn 型多基地系统定位方法研究

提出了一种基于信息级的T-Rn 型多基地系统目标协同定位方法,阐述了该定位方式的原理以及具体流程。首先单个接收站根据时间差-测向信息进行定位,然后主站中心利用加权最小二乘算法对4 个接收站的定位结果进行融合。在推导出测距和定位误差公式后,分析了影响定位精度的几个因素,用几何稀释精度(GDOP)对定位误差做出分析,并推导出该算法的理论误差性能下界。仿真实验表明,融合后主站的定位精度明显高于单个接收站,且逼近于误差的克拉美罗下界(CRLB),具有一定的工程应用价值。     

IR-UWB定位系统距离误差建模及性能研究

基于相干TOA测距算法,研究了IR-UWB无线室内定位系统中由脉冲信号传播特性导致的多径误差和NLOS误差的建模问题。首先利用IEEE 802.15.4a信道模型中的多径信息给出了与系统带宽有关的多径距离误差分布参数。结合IR-UWB信号穿墙传播几何结构,理论推导了穿墙额外传播时延导致的几何距离误差限。对完全NLOS环境下定位的仿真结果表明,利用NLOS距离误差信息直接对TOA测距结果的修正可以显著提高定位精度。     

基于信号分布混合假设检验的Wi-Fi室内定位方法

Wi-Fi室内定位技术是目前移动计算领域的研究热点之一,而传统位置指纹定位方法没有考虑复杂室内环境下Wi-Fi信号分布的多样性问题,从而导致Wi-Fi室内定位系统的鲁棒性较差。为了解决这一问题,该文提出一种基于信号分布混合假设检验的Wi-Fi室内定位方法。首先根据Jarque-Bera(JB)检验结果对各个参考点处的Wi-Fi信号分布进行正态性评价;然后针对不同Wi-Fi信号分布特性,利用混合Mann-Whitney U检验/T检验方法构造匹配参考点集合,以实现对目标的区域定位;最后通过计算定位区域中匹配参考点的K近邻(K-Nearest Neighbor, KNN),完成对目标的位置坐标估计。实验结果表明,所提方法相比于传统Wi-Fi室内定位方法具有更高的定位精度和更强的系统鲁棒性。     

基于Wi-Fi的动态室内定位方法

针对目前动态室内定位方法定位精度不足，研究基于Wi-Fi的动态室内定位方法。该方法利用传感器采集Wi-Fi的RSS(received signal strength，接收信号强度)指纹信号后，使用改进非均值滤波算法去除RSS指纹信号的干扰噪声，以不含干扰噪声的RSS指纹信号作为基础，使用基于指纹子空间匹配动态室内定位方法，计算不同阶段RSS指纹覆盖向量、汉明距离以及欧式距离等，得到若干个动态室内定位估计值，再使用峰值密度聚类算法对若干个动态室内定位估计值进行估计，获取估计值中可信的估计位置，即动态室内定位结果。实验结果表明：该方法不仅可有效去除RSS指纹信号含有的干扰噪声，还可对动态室内目标进行准确定位，定位误差仅为-1～0.5 m，定位精度较高。     

稀疏参考点下的室内定位方法

随着移动互联网的发展,人们对于室内的位置服务需求日益增加。基于Wi-Fi的指纹库室内定位算法具有成本低、定位误差小的优点,但指纹库信号采集需要消耗大量的时间和人力,本文对稀疏参考点下构建高效指纹数据库和高精度室内定位的方法进行了深入研究。本文改进了卡尔曼滤波有效解决了Wi-Fi的噪声和缺失点,设计了基于信号强度差分方差的无线接入点筛选策略来滤除信息量较低的接入点,提出了一种基于支持向量回归拟合的克里金插值算法（Kriging Interpolation Algorithm Based On Support Vector Regression, SVR-Kriging）进行指纹库的构建,最后通过接入点加权的K加权近邻法（AP weighted and Weighted K-Nearest Neighbor, AWKNN）完成定位。将该方法应用于实际的二维、三维定位场景,实验结果表明二维场景平均定位误差为1.01 m,三维场景平均定位误差为0.92 m。该方法解决了指纹数据库信号采集困难、接入点数据冗余的问题,有效地降低了定位误差。      

室内Wi-Fi/PDR自适应鲁棒卡尔曼滤波融合定位方法

针对室内复杂环境下信道状态信息的动态性问题,本文提出了一种面向室内Wi-Fi/行人航迹推算（Pedestrian Dead Reckoning,PDR）融合定位的自适应鲁棒卡尔曼滤波方法.该方法利用自适应鲁棒卡尔曼滤波将Wi-Fi传播模型与PDR定位信息进行多重融合,推算用户的最优估计位置.同时,基于滤波反馈机制,通过融合定位结果对加权最小二乘法中的路径损耗指数和滤波模型中的观测协方差进行动态修正,保证Wi-Fi传播模型接近于真实室内环境.实验结果表明,该方法能够有效解决室内复杂环境下单一Wi-Fi定位精度低和PDR累积误差的问题,此外,路径损耗指数和观测协方差的实时修正可以提高融合定位系统的定位精度和稳定性.     

基于信道状态的室内定位技术研究

传统的室内定位技术由于RSSI受限于多径效应和时间波动性,定位效果具有很大的不稳定性。本文采用细粒化的无线状态信道信息,即通过对物理层信道响应的测量来减少多径干扰,并实现采用OFDM和MIMO技术的新一代无线网络条件下的室内定位新方法。本文分析了定位算法的系统设计,通过802.11n无线网卡采集OFDM系统中特性信道状态信息的频率分集特性参数并经过校准,使之应用于室内定位算法。仿真结果显示相比于传统基于RSSI的定位方法,基于信道状态信息的室内定位系统具有更好的定位精度和稳定性。     

RSSI-Based Indoor Localization and Tracking Using Sigma-Point Kalman Smoothers

Solutions for indoor tracking and localization have become more critical with recent advancement in context and location-aware technologies. The accuracy of explicit positioning sensors such as global positioning system (GPS) is often limited for indoor environments. In this paper, we evaluate the feasibility of building an indoor location tracking system that is cost effective for large scale deployments, can operate over existing Wi-Fi networks, and can provide flexibility to accommodate new sensor observations as they become available. This paper proposes a sigma-point Kalman smoother (SPKS)-based location and tracking algorithm as a superior alternative for indoor positioning. The proposed SPKS fuses a dynamic model of human walking with a number of low-cost sensor observations to track 2-D position and velocity. Available sensors include Wi-Fi received signal strength indication (RSSI), binary infra-red (IR) motion sensors, and binary foot-switches. Wi-Fi signal strength is measured using a receiver tag developed by Ekahau, Inc. The performance of the proposed algorithm is compared with a commercially available positioning engine, also developed by Ekahau, Inc. The superior accuracy of our approach over a number of trials is demonstrated.     

A Polygonal Method for Ranging-Based Localization in an Indoor Wireless Sensor Network

In this paper, we propose an indoor localization method in a wireless sensor network based on IEEE 802.15.4 specification. The proposed method follows a ranging-based approach using not only the measurements of received signal strength (RSS) but also the coordinates of the anchor points (APs). The localization accuracy depends on the errors in the distance estimation with the RSS measurements and the size of the polygon composed of the APs used for the lateration. Since errors are inevitably involved in the RSS measurement, we focus on reducing the size of the polygon to increase the localization accuracy. We use the centroid of the polygon as a reference point to estimate the relative location of a target in the polygon composed of the APs hearing the target. Once the relative position is estimated, only the APs covering the area are used for localization. We implement the localization method and evaluate the accuracy of the proposed method in various radio propagation environments. The experimental results show that the proposed method improves the localization accuracy and is robust against the dynamically changing radio propagation environments over time.     

An Improved Hybrid RSS/TDOA Wireless Sensors Localization Technique Utilizing Wi-Fi Networks

This paper presents a hybrid localization algorithm for wireless sensor networks (WSNs) that simultaneously exploits received signal strength (RSS) and time difference of arrival (TDOA) measurements. The accuracy and convergence reliability of the proposed hybrid scheme are also enhanced by incorporating RSS measurements from Wi-Fi networks via cooperative communications between Wi-Fi and sensor networks. To this end, two different types of estimators based on Taylor-series (TS) expansion and maximum-likelihood (ML) estimation are first proposed to solve the set of nonlinear RSS/TDOA equations taking into account measurement errors. The corresponding Cramér-Rao lower bound (CRLB) for the established scheme is then derived and utilized as a performance measure for the two estimators. Simulation results show that the proposed hybrid positioning approach significantly outperforms the previously considered localization solutions in WSNs, thanks to the joint process of the received signals’ power and time difference of arrival. The advantages of the proposed scheme in providing high location accuracy, fast convergence, low complexity implementation, and low power consumption make it an attractive localization solution via WSNs.     

Analysis and Performance of a Smart Antenna for 2.45-GHz Single-Anchor Indoor Positioning

This paper presents the theoretical analysis and the experimental evaluation of a new switched beam antenna designed to operate at 2.45 GHz. The antenna enables direction of arrival estimation using six directional planar elements arranged to form a platonic solid geometry. It also supports polarization diversity, and it is suitable for single-anchor indoor positioning applications. We adopt the CramÉr–Rao bound to study the estimation accuracy of the proposed antenna in absolute 2-D target positioning using received signal strength measurements. First, we describe the design principles for the radiators, we provide an extensive characterization of the switched antenna prototype, and we discuss positioning applications. We then report experimental data that support the results of the theoretical analysis and show consistency between theoretical expectation and the measurements. Finally, we discuss results from proof-of-concept operative indoor positioning example, showing an average localization error as low as 1.7 m.