一種基于視距路徑識(shí)別的設(shè)備無關(guān)室內(nèi)定位算法

嚴(yán)淑萍，段桂華，張士庚

(中南大學(xué)信息科學(xué)與工程學(xué)院,湖南 長沙 410083)

1 引言

近年來，隨著物聯(lián)網(wǎng)的發(fā)展和智能終端設(shè)備的普及，無線室內(nèi)定位技術(shù)成了人們研究的焦點(diǎn)[1]。在很多領(lǐng)域，特別是在基于位置的服務(wù)LBS(Location Based Services)中，無線室內(nèi)定位技術(shù)是一種必不可少的支撐技術(shù)。比如，在智能倉庫中，人們需要準(zhǔn)確了解貨物的存放位置，以便對(duì)貨物進(jìn)行高效管理[2]。在大型商場(chǎng)或者博物館里，人們可以通過定位技術(shù)來進(jìn)行智能導(dǎo)購或者導(dǎo)航[3]。在老人健康護(hù)理應(yīng)用中，人們需要實(shí)時(shí)對(duì)老人的目標(biāo)位置進(jìn)行監(jiān)測(cè)，以便判斷目標(biāo)對(duì)象是否處在正常狀態(tài)。無線室內(nèi)定位技術(shù)在其它很多方面也有著廣泛的應(yīng)用，如機(jī)器人室內(nèi)導(dǎo)航、室內(nèi)游戲、智能人機(jī)交互系統(tǒng)等。由于無線室內(nèi)定位技術(shù)的重要性，特別是隨著Wi-Fi設(shè)備的普及和廣泛部署，近年來人們提出了很多基于Wi-Fi的室內(nèi)定位技術(shù)，如文獻(xiàn)[4-8]。

基于Wi-Fi的室內(nèi)定位方法主要可以分為兩種：基于設(shè)備的定位方法(也稱為主動(dòng)式定位)和設(shè)備無關(guān)的定位方法(也稱為被動(dòng)式定位、非綁定式定位)，這兩種定位方法的主要區(qū)別在于定位過程中是否需要目標(biāo)對(duì)象主動(dòng)參與其中。主動(dòng)式定位方法需要目標(biāo)對(duì)象攜帶某種設(shè)備，所攜帶的設(shè)備能夠與監(jiān)測(cè)設(shè)備進(jìn)行數(shù)據(jù)通信，并根據(jù)信號(hào)或相位的變化來推斷目標(biāo)對(duì)象所處的位置，精度最高可達(dá)0.5 m。而被動(dòng)式定位則根據(jù)目標(biāo)本身對(duì)無線通信鏈路信號(hào)產(chǎn)生的干擾，通過測(cè)量受干擾鏈路上的信號(hào)衰減程度來判斷目標(biāo)的位置。基于信號(hào)強(qiáng)度信息RSSI(Received Signal Strength Information)設(shè)計(jì)分析并部署的被動(dòng)式定位系統(tǒng)Nuzzer[8]，利用概率統(tǒng)計(jì)技術(shù)實(shí)現(xiàn)了室內(nèi)多徑環(huán)境下對(duì)單目標(biāo)的定位，平均誤差可控制在2 m以內(nèi)。

已有的基于Wi-Fi的被動(dòng)式定位需要事先進(jìn)行訓(xùn)練，例如，美國微軟研究院在RADAR系統(tǒng)[9]中首次提出了基于指紋匹配的定位方法。該系統(tǒng)首先在離線階段采集特定參考點(diǎn)與固定的接入點(diǎn)AP(Access Point)之間的信號(hào)強(qiáng)度，并將信息存入數(shù)據(jù)庫中，然后在實(shí)時(shí)定位階段根據(jù)RSSI在數(shù)據(jù)庫中進(jìn)行信息匹配以計(jì)算目標(biāo)的位置。Youssef等人[10]在Horus系統(tǒng)中進(jìn)一步提出利用信號(hào)強(qiáng)度的分布信息作為指紋來提高定位精度。文獻(xiàn)[11]提出了分層次細(xì)化區(qū)域的方法，通過測(cè)量少數(shù)的參考點(diǎn)信息以實(shí)現(xiàn)更準(zhǔn)確的定位。文獻(xiàn)[12]通過在不同參考位置之間對(duì)信號(hào)強(qiáng)度進(jìn)行插值來重建指紋數(shù)據(jù)庫，并利用貝葉斯估計(jì)算法來提高定位精度。但是，這些方法均需要在初始狀態(tài)(即監(jiān)測(cè)區(qū)域沒有目標(biāo))時(shí)采集參考點(diǎn)的信息進(jìn)行離線訓(xùn)練，其性能容易受室內(nèi)復(fù)雜多變的環(huán)境干擾，從而導(dǎo)致定位精度隨時(shí)間下降。

因此，為避免定位在訓(xùn)練階段產(chǎn)生額外的人力開銷，本文提出了一種新的設(shè)備無關(guān)定位算法。我們首先將監(jiān)測(cè)區(qū)域劃分成若干個(gè)大小相同的小方格，并在區(qū)域周圍部署多組無線收發(fā)設(shè)備，任意一組收發(fā)節(jié)點(diǎn)間都可以互相通信。假設(shè)我們事先能夠識(shí)別某條通信鏈路是否為視距LoS(Line of Sight)路徑，若為非視距則說明該鏈路上存在目標(biāo)對(duì)象，通過計(jì)算該鏈路的菲涅耳區(qū)域找出其對(duì)應(yīng)的小方格并為它們投上一票(即將小方格的值加1)。通過判斷監(jiān)測(cè)區(qū)域內(nèi)所有通信鏈路，最終獲得票數(shù)最多的小方格(即累計(jì)值最大的小方格)為目標(biāo)最可能的位置。本算法基于視距路徑識(shí)別的基礎(chǔ)，根據(jù)菲涅耳區(qū)域?qū)︽溌樊a(chǎn)生的影響來確定目標(biāo)位置，因此無需事先進(jìn)行離線訓(xùn)練來獲取網(wǎng)絡(luò)的初始狀態(tài)，具有較強(qiáng)的實(shí)時(shí)性。

本文組織如下：第2節(jié)介紹相關(guān)工作；第3節(jié)為核心內(nèi)容，詳細(xì)介紹了本文提出的算法；第4節(jié)為仿真結(jié)果；第5節(jié)通過真實(shí)實(shí)驗(yàn)來驗(yàn)證本文所提算法的有效性；最后一節(jié)總結(jié)全文。

2 相關(guān)工作

被動(dòng)式定位以其無需攜帶任何設(shè)備的特點(diǎn)成為專家學(xué)者的研究重點(diǎn)。例如，Han等人[13]利用無線信號(hào)的衰減變化來判斷室內(nèi)人員的活動(dòng)狀態(tài)并檢測(cè)是否有人摔倒的情況。Zhou等人[14,15]利用目標(biāo)對(duì)象的隨機(jī)運(yùn)動(dòng)來增加信號(hào)傳播路徑的不確定性，以此來識(shí)別視距與非視距，用于實(shí)現(xiàn)目標(biāo)對(duì)象的定位。文獻(xiàn)[16]利用信號(hào)強(qiáng)度的均值變化情況來對(duì)目標(biāo)對(duì)象的位置進(jìn)行成像定位。Sen等人[17]通過在室外和室內(nèi)的離線訓(xùn)練中識(shí)別不受室內(nèi)多徑影響的信道，利用這些信道上的信道狀態(tài)信息CSI(Channel State Information)實(shí)現(xiàn)室內(nèi)目標(biāo)定位。文獻(xiàn)[18]利用信道狀態(tài)信息的時(shí)域變化，提出了基于距離估計(jì)的定位算法。然而，這些被動(dòng)式定位算法均需要事先進(jìn)行訓(xùn)練來獲取定位的初始狀態(tài)，會(huì)產(chǎn)生額外的采集開銷，并且容易受到復(fù)雜室內(nèi)環(huán)境的影響。

主動(dòng)式定位通常需要被測(cè)目標(biāo)攜帶某種設(shè)備來實(shí)現(xiàn)目標(biāo)定位。文獻(xiàn)[19]需要測(cè)試者隨身攜帶移動(dòng)設(shè)備，借助于設(shè)備的慣性傳感器來實(shí)時(shí)記錄測(cè)試者行走過程中的方向及運(yùn)動(dòng)速度，以此來定位目標(biāo)的位置。Wu等人[20]提出一個(gè)基于室內(nèi)現(xiàn)成的Wi-Fi基礎(chǔ)設(shè)施與移動(dòng)手機(jī)集成的定位系統(tǒng)，該系統(tǒng)將用戶室內(nèi)日常行走路線及對(duì)應(yīng)的RSSI信息作為指紋信息，利用手機(jī)傳感器與用戶行為構(gòu)建一個(gè)室內(nèi)地圖，通過指紋信息匹配來實(shí)現(xiàn)目標(biāo)的定位。Cao等人[21]提出了基于Android平臺(tái)的人體跌倒檢測(cè)系統(tǒng)。該檢測(cè)方法需要被測(cè)目標(biāo)隨身攜帶智能手機(jī)，利用突然大幅度動(dòng)作對(duì)手機(jī)的加速度傳感器會(huì)產(chǎn)生較大的變化度值這一現(xiàn)象來進(jìn)行人員的安全檢測(cè)。這些需要目標(biāo)對(duì)象攜帶某種設(shè)備的定位技術(shù)，在很多場(chǎng)合中并不適用,比如患有健忘癥的老人，又或者在某些需要監(jiān)測(cè)有無人員闖入特定區(qū)域的場(chǎng)景中，因此其應(yīng)用具有一定的局限性。

3 基于視距路徑識(shí)別的定位算法

3.1 算法思想

Figure 1 Target in one link圖1 目標(biāo)在一條通信鏈路上

Figure 2 Target in two links圖2 目標(biāo)在兩條通信鏈路上

首先，我們?cè)诒O(jiān)測(cè)區(qū)域周圍部署多組無線收發(fā)設(shè)備。當(dāng)有目標(biāo)出現(xiàn)在一組收發(fā)設(shè)備的直線上時(shí)，我們認(rèn)為此時(shí)的通信鏈路為非視距，如圖1所示。那么，我們只需要通過兩條非視距的通信鏈路，并找出這兩條非視距路徑經(jīng)過的重疊區(qū)域，便可以確定目標(biāo)所在的位置，如圖2所示。但是，由于視距并不一定只是在收發(fā)端兩個(gè)節(jié)點(diǎn)的直線上，也就是說，目標(biāo)在收發(fā)端兩節(jié)點(diǎn)所形成的某個(gè)區(qū)域內(nèi)均會(huì)對(duì)通信鏈路產(chǎn)生影響。因此，我們?cè)诖怂惴ㄖ幸肓朔颇鷧^(qū)域的概念(在接下來的3.3節(jié)會(huì)詳細(xì)介紹)，結(jié)合菲涅耳區(qū)域?qū)︽溌樊a(chǎn)生的影響來實(shí)現(xiàn)目標(biāo)的定位。由于該算法是基于視距路徑識(shí)別，然而視距的識(shí)別并不一定能夠達(dá)到完全準(zhǔn)確，于是我們需要加入多組節(jié)點(diǎn)，利用節(jié)點(diǎn)的冗余性來提高定位精度。

3.2 視距路徑的識(shí)別

目前已經(jīng)有一些工作能夠完成視距路徑的識(shí)別[14,22]。本文采用PhaseU方法[22]來識(shí)別視距路徑，該方法是利用無線設(shè)備多天線的相位差信息來實(shí)現(xiàn)視距路徑識(shí)別的。由于室內(nèi)多徑的影響，無論信號(hào)傳播路徑為視距或非視距，接收端在接收信號(hào)的過程中均會(huì)產(chǎn)生不同程度的相位偏移，為了解決這種由接收端引起的測(cè)量誤差問題，本文引入了一個(gè)新的信道相位特征——雙天線相位差，通過雙天線相位差來消除相位測(cè)量誤差，保留反映多信道狀態(tài)特征的信息。PhaseU識(shí)別算法主要分為兩階段：離線訓(xùn)練階段——在進(jìn)行視距路徑識(shí)別之前，先分別在有目標(biāo)和沒有目標(biāo)的監(jiān)測(cè)區(qū)域采集信息，計(jì)算在不同環(huán)境下天線相位的變化范圍，訓(xùn)練出一個(gè)能夠分離出視距與非視距路徑的閾值；視距路徑識(shí)別階段——實(shí)時(shí)計(jì)算雙天線相位差，并用二元假設(shè)檢驗(yàn)來判斷該相位差屬于視距或非視距的相位差范圍。

3.2.1 信道狀態(tài)信息

信道狀態(tài)信息(CSI)解決了信號(hào)強(qiáng)度信息不穩(wěn)定、易受到多徑影響的局限性。利用現(xiàn)有的Intel 5300無線網(wǎng)卡和商用支持802.11n的AP，可以獲得信道狀態(tài)信息。每個(gè)CSI表示的是各個(gè)子載波的振幅和相位：

H(fk)=‖H(fk)‖ej∠H(fk)

(1)

其中，H(fk)表示載波中心頻率fk的CSI，‖H(fk)‖和∠H(fk)分別表示其振幅和相位信息。

3.2.2 提取相位信息

(2)

3.2.3 視距識(shí)別

通過獲取M個(gè)數(shù)據(jù)包的一系列CSI樣本，本文提出了利用ρ因子來表示相位的變化值：

(3)

然后利用二元假設(shè)檢驗(yàn)LoS(Η0)和NLoS(Η1)，即:

(4)

其中ρth為閾值。

PhaseU的總體流程如圖3所示。

Figure 3 Flow chart of PhaseU圖3 PhaseU流程圖

3.3 菲涅耳區(qū)域

當(dāng)收發(fā)節(jié)點(diǎn)之間有障礙物時(shí)，可用菲涅耳區(qū)域來解釋路徑差函數(shù)的繞射耗損現(xiàn)象。菲涅耳區(qū)域是在收發(fā)天線之間，由電波的直線路徑與折線路徑的行程差為nλ/2的折點(diǎn)(反射點(diǎn))形成的、以收發(fā)天線位置為焦點(diǎn)、以直線路徑為軸的橢球面，如圖4所示。其中λ表示信息的波長，n為自然數(shù)。n=1的區(qū)域(圖中的橢圓形區(qū)域)是對(duì)信號(hào)有主要貢獻(xiàn)的區(qū)域，稱為第一菲涅耳區(qū)域[23]。由于第一菲涅耳區(qū)域?qū)π盘?hào)變化比較敏感，因此本文中考慮的均是第一菲涅耳區(qū)域。

Figure 4 Target in Fresnel zone圖4 目標(biāo)在菲涅耳區(qū)域內(nèi)

當(dāng)目標(biāo)對(duì)象位于收發(fā)端鏈路上的第一菲涅耳區(qū)域內(nèi)時(shí)，權(quán)值為1，否則為0。

(5)

其中，dit表示接收端i到目標(biāo)t之間的距離，djt表示發(fā)送端j到目標(biāo)t的距離，d代表接收端i到發(fā)送端j之間的距離，ωij是指在第i條鏈路上方格j的權(quán)重值，λ指波長，此時(shí)考慮的是第一菲涅耳區(qū)域，因此n=1。

3.4 算法描述

算法描述如下：

步驟1將監(jiān)測(cè)區(qū)域劃分為若干個(gè)小方格，每個(gè)方格的初始值設(shè)為0。

步驟2判斷接收端之間的通信鏈路是否為視距路徑。

步驟3若為非視距，則計(jì)算該鏈路的菲涅耳區(qū)域，將菲涅耳區(qū)域內(nèi)所有的方格值加1。

步驟4遍歷所有的通信鏈路，找出擁有最大值的方格，則該方格的位置為目標(biāo)對(duì)象最可能的位置；如若有多個(gè)方格，則取多個(gè)方格位置的中心。

假設(shè)在監(jiān)測(cè)區(qū)域周圍部署了4個(gè)節(jié)點(diǎn)，并將區(qū)域劃分為3×3的方格，如圖5所示，已經(jīng)知道鏈路AP1→AP4和鏈路AP2→AP3為非視距，則目標(biāo)定位過程如圖5所示。

Figure 5 One intsance of the algorithm圖5 算法實(shí)例圖

算法偽代碼如下所示：

將檢測(cè)區(qū)域所劃分小方格的初始值設(shè)為0；/*如圖5a所示*/

Fori=1 toN-1 do

Forj=i+1 toNdo

判斷鏈路L(i,j)是否為NLoS，若為NLoS則將NLoS置為1；

If(NLoS==1)do

Forgrid=1 toMdo /*M表示劃分的方格個(gè)數(shù)*/

判斷該方格是否在鏈路的菲涅耳區(qū)域內(nèi)，若是，則將該方格的值加1；/*如圖5b和圖5c所示*/

END

END

END

END

找出擁有最大值的方格，該方格對(duì)應(yīng)的位置則為目標(biāo)對(duì)象最可能的位置，若有多個(gè)方格，則取多個(gè)方格的中心位置。

4 仿真實(shí)驗(yàn)

在本文中，我們?cè)谀軌蜃R(shí)別視距路徑的基礎(chǔ)之上，根據(jù)第一菲涅耳區(qū)域?qū)︽溌返挠绊憣?shí)現(xiàn)目標(biāo)的定位。已有工作PhaseU[22]通過分析多天線的相位差來識(shí)別視距路徑,可以達(dá)到94%的準(zhǔn)確率，因此本文主要考慮的是方格大小、視距路徑判斷率及無線節(jié)點(diǎn)的個(gè)數(shù)對(duì)本文定位算法的影響。通過測(cè)量任意節(jié)點(diǎn)鏈路之間的信道狀態(tài)信息判斷是否為視距環(huán)境，若檢測(cè)到鏈路間有障礙物阻攔，就認(rèn)為目標(biāo)對(duì)象有可能位于該鏈路上的第一菲涅耳區(qū)域中，則將此鏈路的第一菲涅耳區(qū)域上方格的值加1，通過遍歷所有的鏈路，值最大的方格對(duì)應(yīng)為目標(biāo)最可能的位置。我們?cè)赑haseU的基礎(chǔ)上，利用Matlab進(jìn)行仿真實(shí)驗(yàn)來分析方格大小、視距判斷的準(zhǔn)確率以及無線節(jié)點(diǎn)個(gè)數(shù)對(duì)定位精度的影響。

4.1 不同的方格大小對(duì)定位精度的影響

假設(shè)在監(jiān)測(cè)區(qū)域周圍部署了10個(gè)無線節(jié)點(diǎn)，并且可以準(zhǔn)確識(shí)別每組收發(fā)節(jié)點(diǎn)之間的視距路徑。現(xiàn)在我們來考慮不同的方格大小g對(duì)定位精度的影響。在固定大小的監(jiān)測(cè)區(qū)域內(nèi)，若g的取值越小，則可劃分的格子個(gè)數(shù)就越多，因此計(jì)算量越大，定位也越精確。我們?cè)?.1 m～0.5 m的范圍內(nèi)對(duì)g的大小分別取值進(jìn)行實(shí)驗(yàn)，在不同取值下，方格大小所產(chǎn)生的平均定位誤差如圖6所示。

Figure 6 Effect of the size of grid on localization accuracy圖6 方格的大小對(duì)定位精度的影響

根據(jù)圖6可以看出，格子寬度的大小不同，定位精度也會(huì)產(chǎn)生一定的變化。方格寬度越小，定位誤差也越小。當(dāng)方格大小設(shè)為0.5 m*0.5 m時(shí)，平均誤差為0.74 m，當(dāng)方格為0.1 m*0.1 m時(shí)，平均誤差降至0.27 m。然而，當(dāng)監(jiān)測(cè)區(qū)域固定時(shí)，方格越小則可劃分的個(gè)數(shù)越多，所產(chǎn)生的計(jì)算開銷也越大，因此在設(shè)定g的大小時(shí),除了定位應(yīng)在可接受的誤差范圍之內(nèi)外，還應(yīng)考慮算法的計(jì)算代價(jià)。我們認(rèn)為當(dāng)g的取值為0.2 m時(shí)，該算法的性能最佳，平均誤差為0.32 m，相比利用橢圓模型的射頻層析成像RTI(Radio Tomographic Imaging)算法，平均誤差降低了0.18 m，定位更精確。

4.2 視距識(shí)別正確率對(duì)定位精度的影響

本文的定位算法基于視距路徑的識(shí)別，當(dāng)收發(fā)端鏈路節(jié)點(diǎn)之間為非視距時(shí)，則認(rèn)為目標(biāo)可能在該鏈路的第一菲涅耳區(qū)域內(nèi)，因此視距路徑是否能夠準(zhǔn)確辨別是實(shí)現(xiàn)室內(nèi)目標(biāo)定位的關(guān)鍵因素。我們?nèi)匀患僭O(shè)在監(jiān)測(cè)區(qū)域周圍部署了10個(gè)無線收發(fā)節(jié)點(diǎn)，并且將方格的大小設(shè)為0.2 m×0.2 m，通過仿真實(shí)驗(yàn)，我們結(jié)合不同的視距識(shí)別率對(duì)其影響進(jìn)行了分析，其關(guān)系如圖7所示。

Figure 7 Relationship between LoS identification rate and localization accuracy圖7 視距識(shí)別率與定位精度的關(guān)系

從圖7可以發(fā)現(xiàn)，視距路徑的識(shí)別率也會(huì)對(duì)目標(biāo)的定位精度產(chǎn)生影響。視距路徑識(shí)別越準(zhǔn)確，則定位也越準(zhǔn)確。當(dāng)視距的識(shí)別準(zhǔn)確率達(dá)到95%時(shí)，平均誤差為0.47 m，因此視距路徑的識(shí)別率也是室內(nèi)定位的關(guān)鍵因素。

4.3 通信節(jié)點(diǎn)數(shù)量對(duì)定位精度的影響

在室內(nèi)定位系統(tǒng)中，室內(nèi)部署的節(jié)點(diǎn)個(gè)數(shù)也會(huì)對(duì)定位精度產(chǎn)生影響。一般來說，節(jié)點(diǎn)部署越密集，定位精度也越高；反之，定位精度也會(huì)因節(jié)點(diǎn)個(gè)數(shù)的減少而下降，如圖8所示。在同等實(shí)驗(yàn)環(huán)境下，隨著節(jié)點(diǎn)數(shù)量的增加，產(chǎn)生的節(jié)點(diǎn)費(fèi)用會(huì)增多，計(jì)算開銷也會(huì)越大，如圖9所示。

Figure 8 Effect of the number of nodes on accuracy圖8 節(jié)點(diǎn)個(gè)數(shù)對(duì)精度的影響

Figure 9 Running time cost vs. the number of nodes圖9 不同節(jié)點(diǎn)個(gè)數(shù)產(chǎn)生的計(jì)算時(shí)間

5 實(shí)際實(shí)驗(yàn)

為了驗(yàn)證本文算法的有效性，本文進(jìn)行了相關(guān)實(shí)驗(yàn)。實(shí)驗(yàn)使用無線路由器作為數(shù)據(jù)發(fā)送端，如圖10所示，用安裝有Intel 5300網(wǎng)卡的筆記本作為接收端。實(shí)驗(yàn)環(huán)境部署在計(jì)算機(jī)樓一個(gè)空曠的實(shí)驗(yàn)室，監(jiān)測(cè)區(qū)域?yàn)?.5 m×3.5 m，監(jiān)測(cè)區(qū)域周圍共部署了10個(gè)無線節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)之間的距離為0.2 m。我們測(cè)量任意節(jié)點(diǎn)鏈路之間的信道狀態(tài)信息并利用PhaseU方法判斷是否為視距路徑，若檢測(cè)到鏈路間有障礙物阻攔，就認(rèn)為目標(biāo)對(duì)象有可能位于該鏈路上的第一菲涅耳區(qū)域(利用式(5)來計(jì)算鏈路的菲涅耳區(qū))，則將此鏈路的第一菲涅耳區(qū)域?qū)?yīng)方格的值加1，圖像中方格的值越大，表示目標(biāo)在該區(qū)域的可能性越大。實(shí)驗(yàn)中利用商用Intel 5300網(wǎng)卡收集CSI信息，如圖11所示，利用Matlab對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行處理，實(shí)驗(yàn)結(jié)果如圖12和圖13所示。圖12為實(shí)驗(yàn)場(chǎng)景中目標(biāo)所在的位置，圖13通過采集監(jiān)測(cè)區(qū)域內(nèi)的信息，利用Matlab對(duì)數(shù)據(jù)進(jìn)行處理后反向推出的目標(biāo)位置。通過對(duì)人體的定位，平均誤差控制在0.5 m范圍內(nèi)，基本實(shí)現(xiàn)了目標(biāo)對(duì)象的室內(nèi)定位。

Figure 10 Transmitter圖10 數(shù)據(jù)發(fā)送器

Figure 11 CSI information collection圖11 采集CSI信息

圖12和圖13為單個(gè)目標(biāo)的定位結(jié)果，在本文中，考慮的均是對(duì)單個(gè)目標(biāo)的定位。然而，在實(shí)際場(chǎng)景中，監(jiān)測(cè)區(qū)域內(nèi)可能不僅僅只存在一個(gè)目標(biāo)，目前已有相關(guān)工作解決了多目標(biāo)的定位，文獻(xiàn)[24]提出了一個(gè)視距無線電圖匹配的MODLOC方法，該方法保留視距路徑的節(jié)點(diǎn)信號(hào)，根據(jù)視距信息構(gòu)建一個(gè)視距無線電地圖。

Figure 12 Location of the target in the experiment圖12 實(shí)驗(yàn)場(chǎng)景中目標(biāo)所在位置

Figure 13 Possible location of the target圖13 實(shí)驗(yàn)結(jié)果中目標(biāo)可能出現(xiàn)的位置

在實(shí)現(xiàn)目標(biāo)定位之前，MODLOC首先需要在監(jiān)測(cè)區(qū)域內(nèi)對(duì)多個(gè)參考點(diǎn)位置進(jìn)行初始信息采集，利用頻率分集來消除多徑信號(hào)的影響，然后將定位信息與初始狀態(tài)信息進(jìn)行比較來實(shí)現(xiàn)多目標(biāo)的定位。文獻(xiàn)[25]利用信號(hào)在傳輸過程中遇到目標(biāo)會(huì)發(fā)生反射這一現(xiàn)象來實(shí)現(xiàn)多目標(biāo)的定位。接收端接收到從人體反射回來的無線信號(hào)后，通過相應(yīng)算法將信號(hào)傳輸時(shí)間轉(zhuǎn)換成人體各部分的距離信息。當(dāng)監(jiān)測(cè)區(qū)域部署多組收、發(fā)裝置時(shí)，如果區(qū)域內(nèi)存在多個(gè)目標(biāo)，根據(jù)其反射信息的交叉區(qū)域，可以完成多目標(biāo)的定位。在接下來的工作中，我們將考慮監(jiān)測(cè)區(qū)域內(nèi)存在多目標(biāo)的情況，并對(duì)多個(gè)目標(biāo)對(duì)象進(jìn)行定位。

6 結(jié)束語

本文基于視距路徑識(shí)別提出了一個(gè)新的設(shè)備無關(guān)定位算法，其優(yōu)點(diǎn)是無需進(jìn)行離線訓(xùn)練，節(jié)省了人力開銷，并且具有一定的實(shí)時(shí)性。其次，本文算法結(jié)合菲涅耳區(qū)域分析了目標(biāo)在該區(qū)域時(shí)對(duì)通信鏈路產(chǎn)生的影響，分析了不同方格的大小與視距路徑識(shí)別率對(duì)定位精度的影響。最后通過仿真和真實(shí)實(shí)驗(yàn)驗(yàn)證了本文算法的有效性，并且由于其不需要目標(biāo)攜帶任何設(shè)備，在緊急情況或光線不明的環(huán)境下均可以使用，具有廣闊的應(yīng)用前景。