一种基于Pmusic谱峰图的到达角测量方法

技术领域

本发明属于到达角测量技术领域，具体的说是涉及一种基于Pmusic谱峰图的到达角测量方法。

背景技术

近年来，随着WiFi技术被广泛的应用，室内定位的需求越来越受到人们的关注。对室内精确定位的需求正在迅速增加。现在越来越多的应用程序依赖于位置信息来提供位置感知服务。例如智能家居、智能工厂、增强现实(AR)、虚拟现实(VR)等都需要客户端的位置信息，以实现人与环境的交互或自适应控制物联网设备。为了服务于这些新兴的交互应用，实现分米级精度的定位系统在当今变得重要和必要。

随着MIMO技术的发展和CSI工具的发布，一些定位系统利用天线阵列来计算目标客户端的到达角(AOA)。虽然如今的设备支持越来越多的天线，但最近的几个定位系统已经展示了利用天线阵列实现基于无线信号到达角的亚米级定位的潜力，因此基于AOA的定位方法因其更好的准确性而越来越受欢迎。传统的基于RSSI的方法通常会受到信号强度波动的影响，而基于AOA的系统利用多个天线的空间维度只提取信道状态信息的相位，因此不受动态信道衰落的干扰。

虽然现有的定位解决方案已经显示出良好的效果，但这些努力通常集中在中等精度上。然而在当今的许多系统中等精度可能比中位数差约5倍，这妨碍了这些系统在实践中可靠地使用。经过研究发现造成这种误差的根本原因是AOA估计不够准确。AOA估计在大多数位置可以是准确的，但在一些区域存在相当大的误差。现有的基于AOA的定位方法大多通过收集多个AP的估计来确定目标位置，任何一个AP的AOA误差较大都会导致定位结果产生偏差。

发明内容

为了解决上述技术问题，本发明提供了一种基于Pmusic谱峰图的到达角测量方法，该方法是通过前3个Pmusic谱峰中的Pmusic数据选择出视距路径所在范围的到达角数据，用于解决室内环境下视距路径到达角测量，进而能够实现人员的定位，提高了提高视距路径的AOA估计的精度。

为了达到上述目的， 本发明是通过以下技术方案实现的：

本发明是一种基于 基于Pmusic谱峰图的到达角测量方法，具体包括以下步骤：

步骤1：在室内环境下采集WiFi发射机发射的无线信号数据，从WiFi信号中提取出信道状态信息(Channel State Information, CSI) 原始数据；

步骤2：对原始CSI 数据进行数据预处理，预处理包括线性拟合和同步消除；

步骤3：对预处理后的数据使用子载波选择和MUSIC算法得到谱峰图数据Pmusic；

步骤4：对Pmusic谱峰图进行Pmusic谱峰选择，使用kmeans聚类方法找出轮廓系数最大的分类方式，最后估计发射机与接收机之间的到达角。

在步骤1中，在室内环境下采集发射机发射的无线信号数据，从WiFi信号中提取出信道状态信息CSI原始数据，具体为：

如图3所示，实验环境是在小型实验室，通讯设备包括一台发射机路由器和一台接收机路由器，发射机路由器有1根天线，接收机路由器有3根天线。在数据采集过程中，为了接收机更好的感知到发射机发射的信号，将接收机的天线和发射机的天线正对着放置，2台路由器的工作频率为5GHz。接收机从采集到的WiFi信号中提取出原始的信道状态信息CSI数据，接收机一共采集10个角度位置的CSI数据并且每个角度位置接收2分钟的CSI数据包，然后从CSI数据包中提取CSI。信道状态信息CSI代表了无线信号在空间传播中的链路变化状态，可以反映出周围环境高灵敏的变化。

进一步地，在步骤2中，对原始CSI 数据进行数据预处理，预处理包括线性拟合和同步消除，具体为：

步骤2-1：线性拟合，由于原始CSI数据分布存在零散值，会影响最终的估计结果。因此该方法首先对原始数据采用线性拟合来去除零散值；

步骤2-2：同步消除，利用三功分器直接将接收机与发射机相连，计算出接收机的3根天线之间的相位误差，然后在应用中将这些误差补充到CSI值中，达到消除接收机的3根天线之间的相位误差目的。

进一步地，在步骤3中，对预处理后的数据使用子载波选择和MUSIC算法得到谱峰图数据Pmusic，具体为：

步骤3-1：子载波选择方法，由于不同子载波的中心频率不同，其在空中的传播路径也不同，导致不同子载波的感知粒度也会有所不同。因此需要采用有效的子载波选择方法，来从56个子载波中筛选出30个子载波进行到达角测量。具体的子载波选择方法主要是通过IEEE 802.11协议标准中20MHz信道来选择子载波；

步骤3-2：通过对上述选择出的30个子载波对应的数据生成一个90*1的矩阵，将这个矩阵使用MUSIC算法从而提取出谱峰图数据，用符号Pmusic表示谱峰图数据。

进一步地，在步骤4中，对Pmusic谱峰图进行Pmusic谱峰选择，使用kmeans聚类方法找出轮廓系数最大的分类方式，最后估计发射机与接收机之间的到达角，具体为：

步骤4-1：选择前3个Pmusic谱峰

在步骤3中通过Music算法得到Pmusic谱峰，在研究的过程中发现视距路径的到达角可能不在最高Pmusic谱峰上，有可能在第二高Pmusic谱峰上，也有可能在第三高Pmusic谱峰上以及其它Pmusic谱峰上；对于每个Pmusic谱峰图都至少存在3个以上的Pmusic谱峰，由于到达角在前3个Pmusic谱峰上的概率达到90%以上，因此首先选择前3个Pmusic谱峰的数据，该数据为估计的到达角；

步骤4-2：选择视距路径所在范围的到达角数据

由步骤4-1可以得到前3个Pmusic谱峰上的到达角数据，由于发射机在接收机的某一侧发射信号，那么处于这一侧角度范围的AOA值是比较多的；因此对连续500个数据包中前3个Pmusic谱峰的数据统计出正数到达角数据个数和负数到达角数据个数。如果正数多，那么去掉Pmusic谱峰中负数到达角数据，如果负数多，那么去掉Pmusic谱峰中正数到达角数据；

步骤4-3：估计发射机与接收机之间的AOA值

对Pmusic谱峰中剩下的到达角数据使用kmeans聚类方法，通过轮廓系数

其中i表示第i个样本点（即数据点），

由步骤4-2可以得到根据最大轮廓系数所得到的簇中AOA数据，首先分别根据每个簇中的AOA数据求出这些数据的平均值

，其中k表示第k个簇，n表示簇中数据的个数，

，其中m表示簇中AOA数据个数，n表示AOA数据总个数。最后发射机与接收机之间的到达角结果表示为/>

本发明的有益效果是：

1、本发明采用WiFi的信道状态信息CSI信号，可以反映无线信号的多径传播效应，对环境进行细粒度感知；基于WiFi的CSI信号的到达角测量，可以实现高精度的、无外设的定位，极大地提高了用户的体验。

2、本发明通过分析环境对视距路径AOA值的影响，首先根据发射机在接收机某一侧发送数据，那么处在该侧角度范围内的AOA值是比较多的选择一部分Pmusic数据，然后进一步将这些Pmusic数据使用kmeans聚类方法找出轮廓系数最大的分类方式，最后根据簇中的Pmusic数据估计出发射机与接收机之间的到达角，提高视距路径的AOA估计的精度。

附图说明

图1是本发明实施例中到达角估计系统流程图。

图2是本发明实施例中到达角估计核心算法图。

图3是本发明实施例中到达角估计场景示意图。

具体实施方式

以下将以图式揭露本发明的实施方式，为明确说明起见，许多实务上的细节将在以下叙述中一并说明。然而，应了解到，这些实务上的细节不应用以限制本发明。也就是说，在本发明的部分实施方式中，这些实务上的细节是非必要的。

本发明是一种基于Pmusic谱峰图的到达角测量方法。首先，在室内环境下采集发射机发射的无线信号数据，从WiFi信号中提取出CSI原始数据；其次，对原始CSI数据进行数据预处理，预处理步骤包括：线性拟合、同步消除；然后，对预处理后的数据使用子载波选择和Music算法得到Pmusic谱峰图；接着，对Pmusic谱峰图进行Pmusic谱峰选择，对选出来的Pmusic数据使用kmeans聚类方法找出轮廓系数最大的分类方式；最后，根据最大分类方式所得到的簇中Pmusic数据估计出发射机与接收机之间的到达角。本发明通过对信道状态信息CSI进行分析处理，实现发射机与接收机之间到达角的估计。

如图1所示，本发明的测量方法具体包括以下步骤：

步骤1：在室内环境下采集发射机发射的无线信号数据，从WiFi信号中提取出CSI原始数据，具体为：

如图3所示，实验环境是在小型实验室，通讯设备包括一台发射机路由器和一台接收机路由器，发射机路由器有1根天线，接收机路由器有3根天线。在数据采集过程中，为了接收机更好的感知到发射机发射的信号，将接收机的天线和发射机的天线正对着放置，2台路由器的工作频率为5GHz。接收机从采集到的WiFi信号中提取出原始的信道状态信息CSI数据，接收机一共采集10个角度位置的CSI数据并且每个角度位置接收2分钟的CSI数据包，然后从CSI数据包中提取CSI。信道状态信息CSI代表了无线信号在空间传播中的链路变化状态，可以反映出周围环境高灵敏的变化。

步骤2：对原始CSI 数据进行数据预处理，预处理包括线性拟合和同步消除，具体步骤为：

步骤2-1：线性拟合，由于原始CSI数据分布存在零散值，会影响最终的估计结果。因此该方法首先对原始数据采用线性拟合来去除零散值。

步骤2-2：同步消除，利用三功分器直接将接收机与发射机相连，计算出接收机的3根天线之间的相位误差，然后在应用中将这些误差补充到CSI值中，达到消除接收机的3根天线之间的相位误差目的。

步骤3：对预处理后的数据使用子载波选择和Music算法得到Pmusic谱峰图，具体步骤为：

步骤3-1：子载波选择方法，由于不同子载波的中心频率不同，其在空中的传播路径也不同，导致不同子载波的感知粒度也会有所不同。因此需要采用有效的子载波选择方法，来从56个子载波中筛选出30个子载波进行到达角测量。具体的子载波选择方法主要是通过IEEE 802.11协议标准中20MHz信道来选择子载波。

步骤3-2：通过对上述选择出的30个子载波对应的数据生成一个90*1的矩阵，将这个矩阵使用Music算法从而提取出Pmusic谱峰图。

步骤4：对Pmusic谱峰图进行Pmusic谱峰选择，使用kmeans聚类方法找出轮廓系数最大的分类方式，最后估计发射机与接收机之间的到达角，具体步骤如图2所示，包括如下步骤：

步骤4-1：选择前3个Pmusic谱峰

在步骤3中通过Music算法得到Pmusic谱峰，在研究的过程中发现视距路径的到达角可能不在最高Pmusic谱峰上，有可能在第二高Pmusic谱峰上，也有可能在第三高Pmusic谱峰上以及其它Pmusic谱峰上；对于每个Pmusic谱峰图都至少存在3个以上的Pmusic谱峰，由于到达角在前3个Pmusic谱峰上的概率达到90%以上，因此首先选择前3个Pmusic谱峰的数据，该数据为估计的到达角。

步骤4-2：选择视距路径所在范围的到达角数据

由步骤4-1可以得到前3个Pmusic谱峰上的到达角数据，由于发射机在接收机的某一侧发射信号，那么处于这一侧角度范围的AOA值是比较多的；因此对连续500个数据包中前3个Pmusic谱峰的数据统计出正数到达角数据个数和负数到达角数据个数。如果正数多，那么去掉Pmusic谱峰中负数到达角数据，如果负数多，那么去掉Pmusic谱峰中正数到达角数据。

如表1所示，本次实验一共使用了1500个数据，实验结果表明到达角在第一高谱峰上的概率为32%，在第二高谱峰上的概率为29.8%，在第三高谱峰上的概率为29.9%。

表1

步骤4-3：估计发射机与接收机之间的AOA值。

对Pmusic谱峰中剩下的到达角数据使用kmeans聚类方法，通过轮廓系数

其中

由步骤4-2可以得到根据最大轮廓系数所得到的簇中AOA数据，首先分别根据每个簇中的AOA数据求出这些数据的平均值

最后发射机与接收机之间的到达角结果表示为

本发明通过前3个Pmusic谱峰中的Pmusic数据选择出视距路径所在范围的到达角数据，提高AOA估计的精度。

以上所述仅为本发明的实施方式而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理的内所作的任何修改、等同替换、改进等，均应包括在本发明的权利要求范围之内。