基于信道状态信息的室内被动式目标定位关键问题的研究

The technology of indoor passive target localization can solve the limitations of the localization technology which is based on equipments effectively and has become a focus recently. Compared with RSSI (Received Signal Strength Indicator), the amplitude and phase of the CSI (Channel State Information) subcarrier can provide finer grained information, which is more suitable to be used in the passive target localization. Some novel methods have been proposed in this project to solve these problems, such as high cost-effectiveness and low robustness in the passive target localization based on CSI. Under the condition of ensuring the localization accuracy, we decrease the number of fingerprint points on the offline stage and rebuild the full fingerprint points by the method of low rank matrix filling, in order to reduce sampling time of the fingerprints. The migration learning method is introduced into the passive target localization. Different kinds of targets can share the prior knowledge by researching localization model which is suitable to various targets. A new method combining Empirical Mode Decomposition (EMD) with Independent Component Analysis (ICA) is proposed to reduce the dynamic interference in indoor environments, which can enhance the robustness of the localization process. The research of this project will promote the application of passive target localization system in real indoor scenes.

室内被动式目标定位技术能够有效地解决当前基于设备定位技术的局限性，成为最新的研究热点。相比于接收信号强度指示（RSSI），信道状态信息（CSI）信号子载波的幅度和相位能够提供细粒度的信息，更适合应用于被动式目标定位。本项目针对目前基于CSI被动式目标定位在实际应用中存在的定位代价高、鲁棒性差等方面问题，研究相应解决方案。在保证定位精度的前提下，通过减少离线阶段指纹点位置数量，采用低秩矩阵填充的方法构建全部指纹点指纹库，以减少指纹点人工勘测的开销。同时将迁移学习方法引入到被动目标定位中，研究适应不同定位目标的被动定位模型，使得不同定位目标能共享迁移后的先验知识库，避免重复建立先验知识库。针对室内环境中的动态干扰导致定位误差增大的问题，研究采用融合经验模态分解及独立成分分析方法消除动态干扰引起的噪声，增强定位方法的鲁棒性。本项目的研究将会推进被动式目标定位系统在真实室内场景下的应用。

随着互联网+服务的高速发展，基于位置服务的应用需求逐渐增多，针对室内复杂环境的目标定位技术成为了研究热点。本项目面向室内被动式目标定位的实际应用需求，针对目前在实际应用中存在的定位代价高鲁棒性差等方面的问题，从指纹库的构建、减轻环境噪声的影响、特征提取和指纹库匹配等多个方面提出各种优化和创新算法，从一定程度上解决了WiFi室内定位系统推广和普及的技术瓶颈问题。. 本项目针对室内被动目标定位过程中的指纹点的人工勘测代价高的问题，研究基于低秩矩阵填充指纹库的被动目标定位方法，该方法不仅减少了构建指纹库的工作量，而且提高了定位精度。. 针对RSS信号容易受到环境的干扰，具有时变不稳定性，导致接收信号强度不准等，提出利用信道状态信息（CSI）中相位信息作为特征构建指纹库，采用Adaboost集成学习方法进行训练和分类的室内被动目标定位方法。为了进一步提高室内被动目标定位的精度，我们研究了一种联合信道状态信息中的幅度和相位信息作为特征构建指纹库，引入特征优化机制，采用LSTM神经网络进行训练和分类的室内被动目标定位方法。.对于场景的变化又要重新建立不同指纹库，给定位过程带来相当大的工作量的问题，研究了基于TrAdaBoost实例迁移学习的定位算法。该项研究能够在不影响定位精度的情况下减少开销，从而提高基于指纹的室内定位系统的可扩展性。. 针对环境变化导致CSI信号发生变化，使得实时CSI数据无法很好地与预先建立的指纹图中的数据进行匹配的问题。我们研究提出了一种适应于环境变化的定位模型，采用迁移学习的方法进行指纹库的更新，从而减少人力和系统的开销，减少定位误差。.自立项以来，项目组共发表期刊论文11篇，其中SCI收录论文9篇，发表EI收录会议论文2篇，申请发明专利2项（已实审），申请软件著作权2项，其中获得软件著作权1项，培养硕士生6人，设计了一套实用的室内定位系统并在宣纸文化园中投入使用，各项指标均实现了项目申请时的预期成果。