基于CSI相位差值矫正的室内定位算法
一种RSS和CSI融合的二阶段室内定位方法
法[５] 、神经网络[６] 和支持向量机[７] 等机器学习方法 来提取和存储 Ｗｉ￣Ｆｉ 信号的主要特征ꎬ将原始数据 进行处理得到更加准确的指纹信息ꎬ从而可以取得 更好的定位 效 果ꎻ 在 线 阶 段ꎬ 在 测 试 点 采 集 指 纹 信 息ꎬ通过和指纹库中存储的指纹信息匹配ꎬ利用概率 估计法或加权平均法来估计目标位置ꎮ
关键词:室内定位ꎻ接收信号强度ꎻ信道状态信息ꎻ指纹库ꎻ加权 ｋ 最近邻 中图分类号:ＴＰ３９３ 文献标识码:Ａ 文章编号:１００４－１６９９(２０１８)０８－１２５８－０８
随着 Ｗｉ￣Ｆｉ 技术的逐渐成熟与普及ꎬ基于 Ｗｉ￣Ｆｉ 的室内定位技术已成为研究的热点[１－３] ꎬ尤其是基 于位置指纹的定位方法ꎬ该方法因其成本低廉、方法 简易的优势逐渐成为室内定位的主流ꎬ主要包括两 个阶段:离线训练阶段和在线定位阶段[４] ꎮ 离线阶 段ꎬ主要收集和预处理目标区域参考点位置的指纹 信息ꎬ然后建立指纹数据库ꎬ由于原始数据中通常含 有噪音ꎬ所以为了减小定位误差ꎬ一般利用最近邻算
法在现实环境中定位精度低的问题ꎬ提出一种 ＲＳＳ 和 ＣＳＩ 融合的二阶段室内定位方法ꎮ 离线训练时采集数据构建指纹库ꎻ在 线测试时首先利用 ＲＳＳ 和改进的 ｋ 最近邻 ｋＮＮ( ｋ￣ＮｅａｒｅｓｔＮｅｉｇｈｂｏｒ) 算法进行位置粗略估计ꎬ然后根据粗略估计结果筛选参考 点构建子指纹库ꎬ最后使用高斯核函数改进的 ｋ 最近邻算法进行位置精确估计ꎮ 将该定位方法在室内复杂环境和空旷环境两 种环境中进行实验验证ꎬ定位精度分别达到 ７２.４％和 ７５.９％ꎬ并将本文方法与两种现有的经典定位方法 ＤｅｅｐＦｉ 和 Ｈｏｒｕｓ 在同 一环境中进行比较ꎬ实验结果表明该方法能够有效地减小定位误差、提高定位精度ꎮ
ＤＡＮＧ Ｘｉａｏｃｈａｏ１ꎬ２ꎬＬＩ Ｃａｉｘｉａ１ꎬＨＡＯ Ｚｈａｎｊｕｎ１ꎬ２∗
基于CSI和加权混合回归的室内定位方法
基于CSI和加权混合回归的室内定位方法李芬芳;汝春瑞;党小超;郝占军【期刊名称】《传感技术学报》【年(卷),期】2022(35)5【摘要】近年来,Wi-Fi感知凭借低成本、非接触、不受光照影响、隐私性好等优势,成为人机交互的新兴研究方向。
为了提高室内定位技术的精度,提出了一种基于信道状态信息(Channel State Information,CSI)的加权混合回归(Weighted Mixed Regression,WMR)室内定位算法WMR_SKR。
该方法分为离线训练和在线预测两个阶段。
离线阶段单独训练支持向量回归(Support Vector Regression,SVR)和K近邻回归(K-Nearest Neighbor Regression,KNR)模型,并获得最优的权重分配,建立加权混合回归模型WMR_SKR。
在线阶段通过WMR_SKR模型实时预测目标的位置。
实验结果表明,本文的WMR_SKR模型在视距环境中82%的概率下定位精度能够达到1 m,非视距环境中80.6%的概率下达到1.5 m,且平均误差和标准误差均小于1.5 m。
WMR_SKR模型有效融合了SVR和KNR的优点,提高了室内定位技术的性能。
【总页数】9页(P667-675)【作者】李芬芳;汝春瑞;党小超;郝占军【作者单位】西北师范大学计算机科学与工程学院;甘肃省物联网工程研究中心【正文语种】中文【中图分类】TP393【相关文献】1.基于RSS与CSI混合指纹室内定位研究2.基于RSS与CSI混合指纹室内定位研究3.基于K_means和加权混合回归的Wi-Fi室内定位算法4.基于CSI与SVM回归的室内定位方法5.基于堆叠稀疏自动编码器和SVM的CSI室内定位方法因版权原因，仅展示原文概要，查看原文内容请购买。
《基于CSI的室内轨迹跟踪技术研究》
《基于CSI的室内轨迹跟踪技术研究》一、引言随着物联网技术的快速发展，室内定位与轨迹跟踪技术成为了研究热点。
传统的室内定位技术如Wi-Fi、蓝牙、超声波等虽然能够提供一定的定位精度，但在复杂多变的室内环境中仍存在诸多挑战。
近年来，基于信道状态信息（CSI）的室内轨迹跟踪技术因其高精度、低成本等优势受到了广泛关注。
本文将重点研究基于CSI的室内轨迹跟踪技术，分析其原理、方法及存在的问题，并提出相应的解决方案。
二、CSI与室内轨迹跟踪技术概述1. CSI概述：CSI是无线通信系统中用于描述信号强度、相位、多径效应等信道特性的参数。
通过分析CSI数据，可以获取无线信号在传播过程中的详细信息，为室内轨迹跟踪提供有力支持。
2. 室内轨迹跟踪技术概述：室内轨迹跟踪技术是通过多种传感器和算法，实现对移动目标在室内环境中的位置和轨迹进行实时监测和记录的过程。
传统的室内轨迹跟踪技术主要依赖于红外、超声波、摄像头等设备，但这些方法存在成本高、易受环境影响等缺点。
三、基于CSI的室内轨迹跟踪技术原理及方法1. 原理：基于CSI的室内轨迹跟踪技术通过采集无线信号在室内传播过程中的CSI数据，分析信号的强度、相位、多径效应等特征，实现对移动目标的定位和轨迹跟踪。
2. 方法：主要包括信号采集、数据处理、定位算法和轨迹跟踪算法四个部分。
信号采集阶段需要使用无线通信设备（如Wi-Fi设备）获取CSI数据；数据处理阶段对采集的CSI数据进行预处理和特征提取；定位算法根据提取的特征信息计算移动目标的位置；轨迹跟踪算法则根据连续的位置信息构建移动目标的轨迹。
四、存在的问题及解决方案1. 问题：基于CSI的室内轨迹跟踪技术虽然具有高精度、低成本等优势，但在实际应用中仍存在诸多挑战，如信号干扰、多径效应、动态环境等。
这些问题可能导致定位精度下降、轨迹跟踪不准确等问题。
2. 解决方案：针对上述问题，学者们提出了多种解决方案。
首先，通过优化信号采集和数据处理算法，提高CSI数据的准确性和可靠性；其次，采用先进的定位算法和轨迹跟踪算法，以适应复杂多变的室内环境；此外，还可以通过融合多种传感器和算法，提高系统的鲁棒性和准确性。
基于CSI相位差值矫正的室内定位算法
基于CSI相位差值矫正的室内定位算法CSI（Channel State Information）相位差值矫正是一种用于室内定位的算法。
CSI是指无线电频谱中不同频率下的信道状态信息，可以包含信号的幅度、相位和频率等信息。
CSI相位差值矫正算法的目标是校正CSI中的相位差值，从而提高室内定位的精度和准确性。
下面将详细介绍基于CSI相位差值矫正的室内定位算法。
首先，对于室内定位系统来说，通常使用多个天线进行信号接收，每个天线可以获得不同的CSI相位差值。
在没有进行矫正的情况下，这些相位差值会受到多个因素的影响，包括信号传播路径的变化、多径效应和噪声等。
因此，需要进行相位差值矫正来减小这些误差。
相位差值矫正的基本思想是通过计算不同天线之间的相位差值，找出信号传播路径变化和多径效应引起的相位误差。
具体步骤如下：1.数据采集：在室内环境中放置一组天线，接收到来自目标设备的无线信号，并记录下CSI数据。
2.相位特征提取：对于每个天线接收到的CSI数据，通过傅里叶变换等方法提取出相位信息。
可以采用离散傅里叶变换（DFT）将CSI信号转换到频域。
3.相位差值计算：将不同天线接收到的相位信息进行差值计算，得出相位差值矢量。
可以使用简单的减法运算来计算相位差值。
4.相位差值矫正：根据相位差值矢量，采用不同的矫正方法来减小相位误差。
常用的矫正方法包括线性回归、最小二乘法和卡尔曼滤波等。
5.室内定位：通过已校正的CSI相位差值，结合室内定位算法，来实现对目标设备的定位。
常用的室内定位算法包括基于距离的定位算法、最小二乘估计算法和粒子滤波算法等。
相位差值矫正算法的优势在于可以减小信号传播路径变化和多径效应引起的相位误差，从而提高室内定位的准确性和稳定性。
然而，该算法也存在一定的局限性，包括对硬件要求较高、计算复杂度大和对环境变化敏感等。
总结起来，基于CSI相位差值矫正的室内定位算法主要包括数据采集、相位特征提取、相位差值计算、相位差值矫正和室内定位等步骤。
csi室内 定位 方案
CSI室内定位方案CSI（Channel State Information）室内定位方案是一种基于Wi-Fi信号强度测量的室内定位技术。
它利用Wi-Fi信号经过的路径损耗和信号传输特性来实现定位。
本文将介绍CSI室内定位的原理和常用方法。
原理CSI室内定位方案基于以下原理：1.路径损耗：Wi-Fi信号在传播过程中会因信号传输、绕射、衰减等因素而产生一定的损耗。
通过测量Wi-Fi信号的强度变化，可以推测出物体与Wi-Fi信号传输路径之间的距离和位置关系。
2.多路径效应：Wi-Fi信号在室内会经历多径传播，即信号在直达路径外会有多个经过反射、绕射等路径传播的分量。
这些分量在接收端叠加会产生干扰和衰减，从而影响信号的强度和相位。
3.信号特征提取：CSI室内定位方案通过提取Wi-Fi信号的幅度、相位等特征来实现定位。
幅度特征用于估计距离，相位特征用于计算角度。
CSI室内定位方法在CSI室内定位方案中，常用的定位方法包括：基于指纹的定位（Fingerprinting）基于指纹的定位是一种离线训练和在线匹配的方法。
首先在室内环境中收集一系列位置与CSI特征的样本，构建一个指纹数据库。
然后在定位时，通过测量CSI特征，并与数据库中的指纹进行匹配来实现定位。
基于指纹的定位方法的优点是定位精度高，但需要大量的离线样本采集和处理，对环境的变化较为敏感。
基于机器学习的定位基于机器学习的定位方法利用机器学习算法对CSI特征进行建模和分析，实现室内定位。
常用的机器学习算法包括支持向量机（SVM）、k最近邻算法（k-NN）等。
基于机器学习的定位方法相对于基于指纹的定位方法来说，对离线样本的需求较低，适用于在线定位。
但需要对机器学习算法进行训练和参数调优。
基于几何模型的定位基于几何模型的定位方法通过建立室内环境的几何模型，利用CSI特征和几何模型之间的关系进行定位。
常用的几何模型包括三角测量法（Triangulation）、加权中心法（Weighted Centroid）等。
基于CSI指纹的室内定位技术研究
基于CSI指纹的室内定位技术研究随着无线通信技术的不断发展,移动设备的迅速普及,越来越多的基于位置的服务集成在各类产品和应用中。
由于卫星信号被建筑物阻挡,卫星定位系统无法直接应用于室内定位。
为解决这一问题,研究人员开发了基于无线通信、地磁、计算机视觉等方法的室内定位技术方案。
基于Wi-Fi的室内定位方法凭借基础接入设施部署广泛,支持Wi-Fi标准的终端设备丰富等优势,成为室内定位研究领域的重要分支。
传统的Wi-Fi室内定位使用接收信号强度(Received Signal Strength,RSS)作为特征参量。
然而,RSS是多径信号的能量叠加,时间稳定性较差,且不能准确的描述室内环境的特征和变化情况,因此定位误差较大。
近年来,无线网卡的硬件厂商对网卡内部信息逐步开放,研究人员可以方便的获取更细粒度的信道状态信息(Channel State Information,CSI),把基于Wi-Fi的室内定位技术研究带入新的阶段。
相比于RSS,CSI的时间稳定性更强,不同位置间差异更大。
应用多输入多输出(Multiple-Input Multiple-Output,MIMO)和正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术的 IEEE 802.11n 标准,还可以提供处于多天线上不同频率子载波的CSI,进一步丰富了定位特征参量的来源。
目前已有的基于CSI的研究大多是使用单天线或单一时刻的CSI 振幅信息作为定位参量,对多天线和连续时刻的信息挖掘不够充分,定位精度仍有提升空间。
本文对室内定位理论概念和技术基础进行介绍后,通过实验,验证了 CSI可以用作定位特征参量的前提。
结合不同频率的子载波、不同接收天线、多时间跨度的CSI数据,设计出定位特征丰富的指纹矩阵。
借助卷积神经网络的非全连接、局部权值共享的特点,高效的提取高维度指纹矩阵中的特征并构建定位模型。
csi提取相位
csi提取相位一、背景介绍CSI（Channel State Information）是指信道状态信息，它是无线通信中一个重要的参数。
CSI提取相位是一种利用CSI来提取物体相对于WiFi天线的角度信息的技术。
这种技术可以应用于室内定位、人体行为识别、手势识别等领域。
二、CSI提取相位的原理CSI提取相位的原理基于多径信道模型和MIMO（Multiple-Input Multiple-Output）技术。
在MIMO系统中，信号会通过多个天线进行传输，因此会产生多条路径，每条路径都有不同的时延和幅度。
这些路径会在接收端合并成一个复合信号，并且由于不同路径之间存在相位差异，因此可以通过分析复合信号中各个子载波上的相位差异来推断出物体与WiFi天线之间的角度信息。
三、CSI提取相位的实现方法1. 实验环境准备：需要使用支持MIMO技术的WiFi设备，并且需要安装支持CSI采集和处理的软件。
2. 采集数据：在实验环境中放置一个或多个天线，并将目标物体移动到不同位置。
通过采集复合信号上各个子载波上的CSI数据，可以得到不同位置下物体与WiFi天线之间的相位信息。
3. 数据处理：将采集到的CSI数据进行处理，可以得到各个子载波上的相位差异。
通过分析这些相位差异，可以推断出物体与WiFi天线之间的角度信息。
4. 角度计算：根据推断出的角度信息，可以计算出物体与WiFi天线之间的夹角。
根据夹角，可以进一步推断出物体在空间中的位置。
四、CSI提取相位技术在室内定位中的应用CSI提取相位技术在室内定位中有着广泛的应用。
通过采集复合信号上各个子载波上的CSI数据，并分析其中的相位差异，可以得到物体与WiFi天线之间的角度信息。
根据这些角度信息，可以计算出物体在空间中的位置。
1. 基于CSI提取相位技术的室内定位系统基于CSI提取相位技术，可以开发出一套完整的室内定位系统。
该系统通过采集复合信号上各个子载波上的CSI数据，并分析其中的相位差异，计算出物体在空间中的位置。
基于csi相位矫正的室内指纹定位技术研究
传统的室内定位技术, 定位精度有了明显的提升。
关键词: 室内定位; 信道状态信息; 预处理; 二次匹配
中图分类号: TN92;P228.4
文 章 编 号: 1003- 3106( 2020) 02- 0102- 06
WiFi 定位平台, 实现了室内环境下的 高 精 度 位 置 估 计。 在 离 线 阶 段 获 取 WiFi 的 信 道 状 态 信 息, 包 括 振 幅、 相 位 等 参 数,
利用线性变换的方法对采集到的 CSI 相位信息进行预处理, 建立鲁棒的信号指纹数 据 库。 在 线 阶 段 提 出 了 改 进 的 加 权 KNN
其中一些定位技术已经取得了成功,如 iBeacon 定位
技术、射频识别( Radio Frequency Identification,RFID)
102
文献标志码: A
开放科学标识码( OSID) :
Research on Indoor Fingerprint Positioning Technology
Based on CSI Phase Correction
LIU Zhaoyan 1,2 , CHEN Liwei 1 , HUANG Lu 2
( 1. Harbin Engineering University, Harbin 150000, China;
基于 CSI 相位矫正的室内指纹定位技术研究
刘兆岩 1,2 , 陈立伟 1 , 黄 璐 2
( 1. 哈尔滨工程大学, 黑龙江 哈尔滨 150000;
2. 卫星导航系统与装备技术国家重点实验室, 河北 石家庄 050081)
基于无线信道状态相位信息优化的定位算法
基于无线信道状态相位信息优化的定位算法
基于无线信道状态相位信息优化的定位算法*
周明快1,黄巍2,陈滨3,毛科技3*
【摘要】摘要:随着位置服务需求的增长,基于Wi-Fi接收信号的室内定位技术一直是研究热点之一。
通过检测环境变化对Wi-Fi无线信道状态信息CSI的影响,从而实现对室内人员的定位具有通用性强、部署成本低等优点。
针对大多系统仅使用CSI中幅度信息所带来准确性和稳定性不足的问题,设计并实现了一种基于CSI相位信息优化的定位算法,该方法通过采集幅度和相位参数相结合作为位置指纹特征,并对特征数据进行预先平滑去噪后进行指纹库的构建,然后通过机器学习方法进行人员位置的分类识别。
由于相位和幅度信息可以相互补充,弥补了某些易混淆位置的分类错误,从而解决了采用单一特征的定位准确性和稳定性问题。
实验进行了两种不同多径场景下的实验,比较了不同指纹特征选取、数据预处理方法以及三种机器学习算法对定位准确度的影响,其结果表明采用本文所提出算法总体上可以在仅使用CSI幅度特征的基础上提高13%。
【期刊名称】传感技术学报
【年(卷),期】2018(031)006
【总页数】6
【关键词】关键词:无线传感;室内定位;无线局域网;信道状态信息;机器学习
随着导航技术和基于位置服务应用需求的发展,室外环境的定位技术已经十分成熟。
如GPS全球定位系统已经广泛应用于室外环境的定位中,给人们的生活带来了极大的方便。
例如,汽车GPS导航系统的应用给驾驶人员提供了多种旅行的便利。
然而,随着人们生活环境的快速发展,仅仅室外环境的定位已经无法满足人们日益增长的定位需求,室内环境下的定位技术和服务需求在近年来不断地受。
一种基于CSI的幅值和相位信息的无源定位方法[发明专利]
专利名称：一种基于CSI的幅值和相位信息的无源定位方法专利类型：发明专利
发明人：陈正华,肖玉玺,李冰,崔玮,张乐,王海霞,卢晓
申请号：CN202010959455.1
申请日：20200914
公开号：CN112147573A
公开日：
20201229
专利内容由知识产权出版社提供
摘要：本发明公开一种基于CSI的幅值和相位信息的无源定位方法，包括实验环境部署和数据采集，在室内部署一台无线路由器作为发射端，一台计算机作为接受机，设置n个测试点，由人站立在每个测试点50s，进行数据采集，采集到的数据建立指纹数据库S；数据预处理与特征融合，采用指纹数据库中的数据，分别对数据中的幅值和相位两个特征并行提取和预处理；通过Hampel滤波算法处理幅值信号特征，通过线性变换算法矫正相位信号特征，幅值信号特征和相位信号特征处理完后融合成特征矩阵；特征矩阵利用卷积神经网络进行模型训练，形成定位模型；利用定位模型进行测试点定位测试。
本发明所提出的方法能够高精度感知用户所在位置，定位结果更加准确。
申请人：山东科技大学
地址：266590 山东省青岛市黄岛区前湾港路579号
国籍：CN
代理机构：青岛智地领创专利代理有限公司
代理人：林琪超
更多信息请下载全文后查看。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第45卷第2期Vol.45 N o.2计算机工程Computer Engineering2019年2月February 2019•物联网专题• 文章编号：1000#428(2019)02-0018-08 文献标志码：A 中图分类号：TP393基于C SI相位差值矫正的室内定位算法党小超1!2 !任家驹1!郝占军1!2(1.西北师范大学计算机科学与工程学院，兰州730070; 2.甘肃省物联网工程研究中心，兰州730070)摘要：针对现有基于信道状态信息的室内无源指纹定位方法在复杂场景中多数存在相位误差偏移、指纹噪声大、样本分类精度低的问题，提出一种基于相位差值矫正的室内指纹定位算法。
在离线阶段通过计算相位差值矫正通信链路中的相位误差和偏移，建立鲁棒的指纹数据库，使用B P神经网络对指纹特征数据进行训练，得到指纹特征信息与物理位置的映射关系模型。
在线阶段相位采样值经过差值矫正后作为模型的输人，计算得到最终的精确定位结果。
实验结果表明，与现有基于指纹的定位方法相比，该方法具有去噪效果显著、定位精度高的优点。
关键词：信道状态信息；室内定位;相位差值;指纹数据库；6J神经网络中文引用格式：党小超，任家驹，郝占军.基于&SI相位差值矫正的室内定位算法[J].计算机工程，2019,45(2):18-25.英文引用格式：〇八％0 XiaocGao，MEN J ia T，>A E algoritGm h a s e:&S I(Gas+correction [ J ]. Computer Engineering % 2019 % 45 (2 ):18 -25.Indoor Location Algorithm Based on CSI Phase Difference CorrectionD A N G Xiaochao12，RE N Jiaju1，H A O Hhanjun12(1. College of Computer Science an: Engineering，Northwest Normal University，LanzGou 730070,China;2. Gansu Province Internet of Things Engineering Research Center，Lanzhou 730070，China)[A b stra c t] Aiming at the problems o f phase error offset，high fingerprint noise and low accuracy in most of the existing indoor passive fingerprint location methods based on Channel State Information! CSI) in complexscenes，an indoor fingerprint location algorithm base: on Phase Difference ( PD) value correction is proposed. In theoffline period，the phase error and offset in the communication link are corrected by calculating t a robust fingerprint database is established. The BP neural network is used to train the fingerprin mapping relationship between fingerprint feature information and physical location. Online phase，this algorithm sets thephase difference filtering o f CSI real time sampling value as the model，carries out positioning computing and finally getsthe accurate location result. Experimental results show that compared with the existing fingerprint-based location method，this method has the advantages of significant denoising effect and high positioning accuracy.[Key w o rd s] Channel State Information ( CSI) ；indoor location；Phase Difference ( PD) ；fingerprint database；BPneural networkD O I:10. 19678/j. issn. 1000-3428.0050455〇概述近些年来，基于位置的服务（Location Base: Service，L B S)为人们的生活和工作提供着极大的便 利。
传统射频信号的定位精度取决于接收端信号的 质量。
信号在建筑物外传输时，视距传输（Line of Sight Transmission，L O S)条件要远优于信号在建筑 物内传输的情况。
因此，全球定位系统（Global Positioning System，G P S)在室外环境中得到了广泛 应用，但在室内环境中因受多径效应影响无法取得良好的定位效果[17]。
根据研究报告，人们一生的生 活和工作会有80!的时间在室内环境中进行[3]。
室 内W i F i的广泛部署使得基于信号接收强度指示(Received Signal Strength Indicatio^RSSI)的室内定 位方法取得了较快的发展[4]，但因为信号接收强度 测量值是通过m a c层估算得到，存在信号不稳定、误差大等缺陷，从而无法有效降低定位误差。
相比 于 R S S I，信道状态信息（Channel State Information，C S I)同样也可以从普通商用W i F i设备中获取，并且 C S I信号具有更细粒度的感知程度，能更好地进行基金项目：国家自然科学基金（61762079,61662070);甘肃省科技重点研发项目（1604FKCA097，17YF1GA015);甘肃省科技创新项目 (17CX2JA037，17CX2JA039)。
作者简介：党小超（1963—），男，教授，主研方向为物联网、无线传感器网络；任家驹，硕士研究生；郝占军（通信作者），副教授、硕士。
收稿日期：2018-02-08 修回日期：2018-03-30 E-mail：dangxc@ nwnu. edu. cn第45卷第2期党小超，任家驹，郝占军*基于C S I相位差值矫正的室内定位算法19位置计算。
传统定位系统中基于C S I的室内定位方法分为 2种类型，一种类型是基于几何方法学定位[5]，包括 三边测量和三角测量等方法，文献[6]提出一种基于 C S I发送端和接收端之间距离的定位模型，文献[7] 使用多个接收端通过测量信号到达角度（Angle of Arrival，A o A)进行定位，几何定位方法具有算法复 杂度低、运算速度快的特点，但是它需要至少2个节 点进行定位，另外一种类型是基于指纹库的定位方 法，它只需要一个@1接入点（Access Point，A P)便 可完成定位[87]。
文献[5，）]使用C S I幅度信息进行 定位，拋弃相位只使用幅度信息无疑丢失了重要的 指纹特征。
文献[']提出一种降低相位偏差的数据 处理方法，然而他们没有考虑到随机相位偏差和随 机时延偏差共同作用的影响。
通常，基于指纹的定 位方法分为2个阶段*离线阶段和在线阶段[1%]。
文 献[11]在基于Intel5300的网卡环境中对载波间隔时延大于的情况进行二次降噪，但使用基于距离的几何测距模型无法精确表征信号与距离之间的 关系。
文献[12]使用R S S I作为B P神经网络模型 的输入，R S S I的不稳定特性会增加模型的训练难度，定位阶段也无法有效降低定位误差。
文献[13] 利用F O S算法计算原始C S I信号的权值，原始数据 中存在的噪声和数值误差会直接影响系统的定位 性能。
本文提出一种基于相位差值矫正的室内指纹定位 (Phase Difference Sanitization Based on Bade Propagation NenmlNetwork，P D-B P)算法。
在离线阶段使用相位差 值矫正链路中的相位信息并建立鲁棒的指纹特征数据 库，根据B P神经网络对指纹数据进行训练，建立实时 采样信号与物理位置的映射关系模型。
在线阶段进行 实时采样信号差值处理，通过网络模型计算得到最终的 位置估计。
1系统模型与相关定义基于指纹库的定位方法是将指纹特征信号经过 处理后建立标准指纹库，匹配计算实时采样信号与 标准指纹库得到定位结果。
系统使用B P神经网络 作为指纹数据库的训练与分类模型，将包含一系列 相位值与物理位置的映射集合B- -B，B2，…，.作 为特征集合。
发送端与接收端通信链路中存在多个 传输值N U! -1，2，…，，.）表示信号接收端所接收 到的C S I数据集。
工具可对现有支持IEEE 802. 11n 标准的无线网卡驱动进行改写以获取C S I信息[14]。
C S I信号的通用表达式可以表示为：N二HU&+N(1)其中，矩阵）代表信号附加的高斯白噪声，（代表信 道频率响应，则C S I矩阵可以表示为：H〇，1〇1，2…O1〇2，1〇2,2•…O2〇，1O,2…〇(2)其中，h代表发射端N和接收端N之间的C S I矩 阵，O，.代表每一个子载波，/和）分别代表通信链路 序号和子载波序号。
数据集N是对数据组间序列 的一种排序集合。
本文需要对c s i特征信息中的相 位进行降噪处理以减少信号接收端的误差。
IEEE 802. 11n协议对不同带宽下的子载波数目进行了规 定[15]。
在20 M H z带宽下组2中^/-30,在40 M H z 带宽下组1中J’-114。
因此，第/条信道中第个子载波可以表示为：l〇，.e/s i n*0，(3 )图1为通信系统在40 M H z带宽下，3 x1天线 束（即1根发射天线，3根接收天线）信道1中114个 子载波100次相位测量值。