留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

最新公告

新网站上线!

全球定位系统

基于PCA-SMO的CSI指纹定位方法

孟俊剑 邹进贵 赵胤植

孟俊剑, 邹进贵, 赵胤植. 基于PCA-SMO的CSI指纹定位方法[J]. 全球定位系统, 2021, 46(1): 13-19. doi: 10.12265/j.gnss.2020111301
引用本文: 孟俊剑, 邹进贵, 赵胤植. 基于PCA-SMO的CSI指纹定位方法[J]. 全球定位系统, 2021, 46(1): 13-19. doi: 10.12265/j.gnss.2020111301
MENG Junjian, ZOU Jingui, ZHAO Yinzhi. Fingerprint positioning method of CSI based on PCA-SMO[J]. GNSS World of China, 2021, 46(1): 13-19. doi: 10.12265/j.gnss.2020111301
Citation: MENG Junjian, ZOU Jingui, ZHAO Yinzhi. Fingerprint positioning method of CSI based on PCA-SMO[J]. GNSS World of China, 2021, 46(1): 13-19. doi: 10.12265/j.gnss.2020111301

基于PCA-SMO的CSI指纹定位方法

doi: 10.12265/j.gnss.2020111301
基金项目: 国家自然科学基金(41871373);广西空间信息与测绘重点实验室研究基金(19-050-11-10)
详细信息
    作者简介:

    孟俊剑:(1996—),男,硕士研究生,研究方向为室内定位

    邹进贵:(1972—),男,教授,博士生导师,研究方向为精密工程测量、变形监测、多传感器集成的测量方法研究

    赵胤植:(1992—),男,博士研究生,研究方向为室内定位

    通讯作者:

    邹进贵 E-mail:jgzou@sgg.whu.edu.cn

  • 中图分类号: P228

Fingerprint positioning method of CSI based on PCA-SMO

  • 摘要: Wi-Fi信道状态信息(CSI)中包含丰富的特征信息,使得基于CSI的指纹定位方法可以构建更高维度的特征以改善定位精度,但指纹特征中的冗余信息也导致构建的指纹库存储量大、建立定位模型的时间开销变大以及实时定位计算量大等问题. 对此,提出使用主成分分析(PCA)的方法对原始指纹特征进行降维,而后利用序列最小最优化算法(SMO)建立降维后特征与对应位置的回归模型并进行位置预测. 实验结果表明,此算法在有效克服上述问题的同时,平均定位误差为1.25 m,定位误差在2 m之内的累计概率可以达到97%.
  • 图  1  同一位置200个数据包的原始幅值

    图  2  剔除异常值之后的幅值

    图  3  同一位置200个数据包的原始相位

    图  4  解缠后相位

    图  5  线性变换后相位

    图  6  剔除异常值后相位

    图  7  本文算法整体框架图

    图  8  实验区域指纹点布设示意图

    图  9  PCA-SMO与SMO算法平均定位误差对比

    图  10  定位误差累计分布函数

    表  1  PCA变换伪代码

    方法 PCA变换伪代码
    1 输入:原始数据${{\mathit{\boldsymbol{D}}} } = [ { { {{\mathit{\boldsymbol{X}}} }_1} },\;{ { {{\mathit{\boldsymbol{X}}} }_2} },\; \cdots ,\;{ { {{\mathit{\boldsymbol{X}}} }_n} } ]$,保留的主成分维数d
    2 输出:投影矩阵${{\mathit{\boldsymbol{P}}}}$
    3 ${{\mathit{\boldsymbol{D}}}}$去均值化:${ {{\mathit{\boldsymbol{X}}} }_i} = { {{\mathit{\boldsymbol{X}}} }_i} - \dfrac{1}{n}\displaystyle\sum\limits_{j = 1}^n { { {{\mathit{\boldsymbol{X}}} }_j} }$
    4 计算${{\mathit{\boldsymbol{D}}}}$的协方差矩阵:${{\mathit{\boldsymbol{M}}}} = {{\mathit{\boldsymbol{D}}}}{{{\mathit{\boldsymbol{D}}}}^{\rm{T}}}/n$
    5 对${{\mathit{\boldsymbol{M}}}}$做特征值分解:记特征值为$\lambda $,对应特征向量为${{\mathit{\boldsymbol{V}}}}$
    6 取最大的d个特征值对应的特征向量,即${{\mathit{\boldsymbol{P}}} } = [ { { {{\mathit{\boldsymbol{V}}} }_1} },\;{ { {{\mathit{\boldsymbol{V}}} }_2} },\; \cdots ,\;{ { {{\mathit{\boldsymbol{V}}} }_d} } ]$
    下载: 导出CSV

    表  2  几种定位算法的定位误差统计 m

    定位算法最小误差最大误差平均误差
    PCA-SMO 0.52 2.10 1.25
    KNN 0.36 2.50 1.52
    WKNN 0.46 2.58 1.60
    FIFS 0.36 2.64 1.56
    CSI-MIMO 0.44 2.28 1.57
    下载: 导出CSV
  • [1] 陈锐志, 陈亮. 基于智能手机的室内定位技术的发展现状和挑战[J]. 测绘学报, 2017, 46(10): 1316-1326. doi: 10.11947/j.AGCS.2017.20170383
    [2] DAVIDSON P, PICHÉ A. survey of selected indoor positioning methods for smartphones[J]. IEEE communications surveys and tutorials, 2017, 19(2): 1347-1370. DOI: 10.1109/COMST.2016.2637663.
    [3] ZHANG R, BANNOURA A, HÖFLINGER F, et al. Indoor localization using a smart phone[C]//2013 IEEE Sensors Applications Symposium Proceedings. DOI: 10.1109/SAS.2013.6493553.
    [4] 李清泉, 周宝定, 马威, 等. GIS辅助的室内定位技术研究进展[J]. 测绘学报, 2019, 48(12): 1498-1506.
    [5] ZHANG M, SHEN W B, ZHU J H. WIFI and magnetic fingerprint positioning algorithm based on KDA-KNN[C]//2016 Chinese Control and Decision Conference (CCDC). DOI: 10.1109/CCDC.2016.7531964.
    [6] JEDARI E, WU Z, RASHIDZADEH R, et al. Wi-Fi based indoor location positioning employing random forest classifier[C]//2015 International Conference on Indoor Positioning and Indoor Navigation (IPIN). DOI: 10.1109/IPIN.2015.7346754.
    [7] KIM Y, SHIN H, CHON Y, et al. Smartphone-based Wi-Fi tracking system exploiting the RSS peak to overcome the RSS variance problem[J]. Pervasive and mobile computing, 2013, 9(3): 406-420. DOI: 10.1016/j.pmcj.2012.12.003.
    [8] SEN S, RADUNOVIĆ B, CHOUDHURY R R, et al. You are facing the Mona Lisa: spot localization using PHY layer information[C]//In MobiSys'12-Proceedings of the 10th International Conference on Mobile Systems, Applications, and Services, 2012: 183-196. DOI: 10.1145/2307636.2307654.
    [9] HOEFEL R P F. IEEE 802.11n: on the performance of channel estimation schemes over OFDM MIMO spatially correlated frequency selective fading TGn channels[C]//XXX Simpósio Brasileiro De Telecomuniçães-Sbrt12, 13-16 De Setembro De 2012, Braslia, Df, Brazil. DOI: 10.14209/sbrt.2012.12.
    [10] HAN S, LI Y, MENG W X, et al. Indoor localization with a single Wi-Fi access point based on OFDM-MIMO[J]. IEEE systems journal, 2018, 13(1): 964-972. DOI: 10.1109/JSYST.2018.2823358.
    [11] 鄢明. 基于CSI指纹信息的室内定位技术研究[D]. 南京: 南京大学, 2017.
    [12] WU K S, XIAO J, YI Y W, et al. FILA: fine-grained indoor localization[C]//2012 Proceedings IEEE INFOCOM, DOI: 10.1109/INFCOM.2012.6195606.
    [13] HUANG X D, GUO S J, WU Y, et al. A fine-grained indoor fingerprinting localization based on magnetic field strength and channel state information[J]. Pervasive and mobile computing, 2017(41): 150-165. DOI: 10.1016/j.pmcj.2017.08.003.
    [14] WANG X Y, GAO L J, MAO S W, et al. DeepFi: Deep learning for indoor fingerprinting using channel state information[C]//2015 IEEE Wireless Communications and Networking Conference (WCNC). DOI: 10.1109/WCNC.2015.7127718.
    [15] 陈锐志, 叶锋. 基于Wi-Fi信道状态信息的室内定位技术现状综述[J]. 武汉大学学报(信息科学版), 2018, 43(12): 2064-2070.
    [16] 王威. PDR+CSI指纹室内定位技术研究[D]. 武汉: 武汉大学, 2019.
    [17] 刘兆岩, 陈立伟, 黄璐. 基于CSI相位矫正的室内指纹定位技术研究[J]. 无线电工程, 2020(2): 102-107. doi: 10.3969/j.issn.1003-3106.2020.02.004
    [18] 周志华. 机器学习[M]. 北京: 清华大学出版社, 2016.
    [19] HALPERIN D C, HU W J, SHETH A, et al. Tool release: gathering 802.11n traces with channel state information[J]. ACM SIGCOMM computer communication review, 2011, 41(1): 53. DOI: 10.1145/1925861.1925870.
    [20] XIAO J, WU K S, YI Y W, et al. FIFS: fine-grained indoor fingerprinting system[C]//Computer Communications and Networks, 2012. DOI: 10.1109/ICCCN.2012.6289200.
    [21] CHAPRE Y, IGNJATOVIĆ A, SENEVIRATNE A, et al. CSI-MIMO: indoor Wi-Fi fingerprinting system[C]//2014 IEEE 39th Conference on Local Computer Networks, IEEE, 2014: 202-209. DOI: 10.1109/LCN.2014.6925773.
  • 加载中
图(10) / 表(2)
计量
  • 文章访问数:  23
  • HTML全文浏览量:  13
  • PDF下载量:  1
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-11-13
  • 网络出版日期:  2021-04-06
  • 刊出日期:  2021-02-15

目录

    /

    返回文章
    返回