文摘

随着无线网络的普及和智能设备,无线ieee被动目标检测和定位已经成为一个热门研究课题,吸引了众多研究者的兴趣。现有的被动定位的解决方案需要多个接收器,这对于现实世界的应用程序来说是不现实的。为了应对这个引人注目的问题,在本文中,我们提出一个实用的单一访问点被动的移动目标定位系统。具体,它首先利用多个天线的访问点形成一个天线阵和扩展天线,捕捉信道状态信息(CSI)在不同的空间位置。利用获得的CSI,信号参数,包括到达角(AoA)和飞行时间(ToF),估计。基于估计信号参数和天线阵和扩展天线的位置,最后,移动目标的被动定位是实现。综合实验是进行在真实的场景中,有两个不同的测试平台,实验结果显示该算法平均定位时能达到1.087米天线的数量是4和信号带宽是80 MHz,证明该算法的有效性。

1。介绍

无处不在的无线信号的渗透和高水平的公众接受的智能设备,被动定位已经成为一个研究热点,具有重要的应用,包括安全监控(1)和老年保健(2]。在过去的几年里,不同的方法已被用于被动定位,如可见光(3,4)、红外(5,6),和超声波7,8]。这些系统可以实现一个令人印象深刻的定位精度。然而,对于现实世界的被动定位、Wi-Fi-based系统是一个特别有前途的方法,由于普遍的wi - fi接入点的可用性(APs) (9),尤其是体育的出现和使用信道状态信息(CSI)近年来(10]。

通常,Wi-Fi-based定位系统可分为两大类。第一个在一个活跃的工作方式,总是使用多个接收器(或单个接收机)来捕获信号从发射机到接收机直接和提取信号参数,如接收信号强度(RSS) (11),到达角(AoA) [12),飞行时间(ToF) [13],离去角(AoD) [14),实现室内定位发射器。例如,宝马[15)采用9-axis传感器的输出加上行人航迹推算(PDR)估计算法得到一个位置。在此基础上,宝马融合估计的位置与RSS定位结果通过卡尔曼滤波器,实现用户的本地化。利用获得的CSI多个接收器,经典的系统SpotFi [16估计信号AoA和结合提取的AoA与接收到的信号强度(RSS)实现信号的定位发射器。CSI与深度学习相结合,DeepFi [17)列车的所有重量深网络指纹在离线训练阶段和雇佣了一个贪婪的学习算法来降低复杂性。在在线定位阶段,DeepFi使用概率方法基于径向基函数的实现本地化。ToneTrack [18]提出了一种新颖的算法,结合到场时间(ToA)数据从不同的传输作为一个移动设备啤酒花在不同的频道,接近时间决议之前不可能与一个窄带信道。在此基础上,它可以准确地估计信号基于估计ToF ToF,实现本地化。最近的工作M3(19)联合估计AoA,相对ToF (rToF),并根据CSI AoD提取从一个接收机和发射机基于这些参数中提取,在视距(LoS)的场景。其他一些研究人员(20.)首先构造约束采用ToF反射路径之间的差异和直接的路径。AoA的帮助下,他们开发出一种基于粒子群优化(PSO),搜索算法实现目标和反射点定位。

另一个是device-free定位系统,该系统在一个被动的工作态度,表明他们没有要求实现本地化用户携带任何带无线支持的设备(21- - - - - -25]。从本质上讲,这种系统关注估计参数的信号反射的目标。这些系统在此基础上,利用估计信号参数和接收器构造几何约束的空间位置,从而实现目标的被动定位。例如,IndoTrack [12]估计信号的多普勒和AoA反映目标通过CSI通过多个接收器,部署在不同的空间位置。然后,它估计目标速度和位置重建的绝对轨迹移动的目标通过提出概率comodeling spatialtemporal多普勒和AoA信息,估计从沪深通过多个接收器。利用直接信号之间的混乱和target-induced反射(行动),MaTrack [26)估计的AoA TIR和结合了估计AoA与接收器的位置实现被动目标定位。通过使用三维多重信号分类(3 d-music)算法和提出的干扰消除算法,我们的以前的工作27)估计,AoA、ToF和多普勒频移(DFS)到墙下的行动(TTW)场景,从而达到TTW被动的移动目标定位。一些其他系统,如Widar 2.0 [28]和mD-Track [14),使用圣人[29日),互相关和其他算法来估计信号参数,包括ToF、AoA,大气气溶胶,DFS,根据估计信号参数和构造几何约束和发射机和接收机的位置,实现目标的被动定位。这些系统依赖于准确的信号参数估计,表明这些系统的可分解性是很重要的。如此,一些近期作品试图扩大身体移动的天线阵列天线,形成更大的带宽结合相邻通道通过通道跳跃(30.,31日),以进一步提高信号参数估计精度和定位精度。

虽然有前途,不难看到,所有上述被动定位系统强烈依赖的假设,也就是说,不管有多少接收器参与被动定位,发射机的位置是固定的,preacquired。这种假设可以被轻松地在真实的场景中,因为用户可能移动设备(如笔记本电脑和手机,可能作为信号发射机),驾驶发射机的位置不可预测,最后导致被动定位故障。所以我们问以下问题:是否有可能实现无源定位只有一个接收器,当preobtaining发射机的位置没有要求吗?

在本文中,我们提出一个receiver-based SR-PLoc被动定位系统,它采用CSI测量获得的单个接收机实现目标的被动定位没有preobtaining发射机的位置或假设它是从未改变。必要的观察在于SR-PLoc阶段错误(31日),包括载波频率偏移(首席财务官),采样频率偏移(SFO)和包检测延迟(PDD),是由发射机和接收机之间的unsynchronization和硬件缺陷,表明所有传播路径(包括直接路径从发射机到接收机和TIR)记录的CSI,经历相同的相位误差。利用这一事实,SR-PLoc首先使用多个天线接收机的天线阵列和扩展天线形式,以捕捉CSI在不同的位置。基于获得的CSI, SR-PLoc估计AoA和ToF直接信号和行动。最后,SR-PLoc结合了估计信号参数和天线阵的位置和扩展天线构造几何约束,从而实现移动目标的被动定位。不同于之前的工作,提出SR-PLoc达到移动目标的被动定位只有一个接收器,同时不需要preobtaining发射机的位置。我们建立两个测试平台和开展丰富的实验在真实的场景中。实验结果证明该算法的有效性和实用性。

2。材料和方法

SR-PLoc旨在实现移动目标的被动定位与单个接收机;整个定位过程主要包括三个步骤,如图1所示。

2.1。CSI获取和信号参数估计

考虑与多个天线、接收机SR-PLoc构建一个统一的线性阵列(ULA)”与半波天线间距和扩展天线捕获CSI在不同的位置,如图1所示。在时间 ,报道CSI测量从齿龈中提取和扩展天线可以表示为 在哪里CSI对应吗th副载波的th齿龈的天线,CSI提取吗th的副载波扩展天线和分别的天线和副载波数量。考虑到多路径效应,接收到的信号是一个叠加的多个信号。因此,我们有 在哪里CSI提取吗th副载波的th天线;和集的直接路径和反射路径组件,分别;CSI提取吗th扩展天线的副载波;和和是噪音。不失一般性,对于任何传播路径 ,一个可以看到CSI提取齿龈和扩展天线可以表示为 在哪里 , , ,和衰减,ToF、AoA和噪音的传播路径,分别对应于齿龈;是中央频率; 的频率是th副载波;是两个相邻副载波之间的频率间隔;和 , ,和是衰减、ToF和噪音的传播路径,分别对应于扩展天线。在实践中,由于PDD引起的相位误差,首席财务官,旧金山,真正的CSI从天线阵中提取和扩展天线可以表示为 在哪里和PDD引入的时间偏移和旧金山,分别和由首席财务官引起的相位差。当目标在检测区域内移动,TIR相应变化的传播路径长度,它引入了一个不可忽视的DFS人为反射(雇佣) ,在哪里路径长度变化和速度吗是光速。考虑两个相邻CSI数据包之间的时间间隔 ,在时间 ,我们有

以第一个CSI测量作为参考,为CSI跟踪米测量,我们有 在哪里代表了克罗内克积。基于上述分析,可以看出,通过天线之间的相位差,副载波,和测量,CSI跟踪描述了AoA, ToF, DFS,分别。3 d-music算法,提出了我们的以前的工作27AoA),用于估计信号,ToF, DFS共同。以收到的CSI数组为例,在这里,我们简要介绍了估计过程。首先,我们重写CSI跟踪 在哪里

然后,执行三维平滑消除相干信号参数估计的影响。在那之后,的自相关矩阵进行特征值分解 ,平滑的形式是什么 。基于最小描述长度(MDL)准则32),估计噪声子空间的维数,因此噪声子空间 ,由小张成的特征值,可以提取。最后,信号AoA、ToF和DFS通过函数估计 在哪里 相应的指导矩阵和吗共轭转置运算符。以类似的方式,SR-PLoc使用CSI提取扩展天线实现DFS和ToF的联合估计。由于PDD引入的相位误差,首席财务官,和旧金山,估计ToF ToF不是绝对的信号。然而,不同的传播路径之间的信号AoA和rToF不受污染,由于相位误差对所有路径是相同的,正如上面所讨论的。根据估计信号参数,SR-PLoc过滤掉移动目标反射通过分析介绍了DFS和雇佣其AoA和rToF实现被动的移动目标定位。

2.2。被动的移动目标定位

如果发射机的坐标,移动目标,天线阵和扩展天线 , , ,和 ,分别如图2显示,基于估计信号参数和前面的讨论,我们有 在哪里two-norm算子; 是ToF对应的距离偏移引起的相位误差; , ,和估计误差;和是直接路径的估计ToF从发射机天线阵和扩展天线,分别;和是移动目标的估计ToF诱导反射到达天线阵。结合农产品协定的直接路径的估计的天线阵与前两个方程方程(10),可以构建以下约束 在哪里的估计AoA直接从发射机天线阵和路径吗农产品协定的估计误差。利用方程(11),可以计算发射机的位置 在哪里

当 ,它表明AoA的直接路径达到90度。此时,发射机的定位可以通过rToF实现。在获得发射器的位置,一个人可以看到 这是一个椭圆方程,表明移动目标位于一个椭圆的焦点是发射机和天线阵。与此同时,基于移动目标的估计AoA诱导反射, 在哪里估计AoA TIR和吗农产品协定的估计误差。利用给定的约束方程(14)和(15),最后,可以计算出移动目标的位置 在哪里

到目前为止,使用面向方面的处理方法(由天线阵从获得的CSI)和rToF(提取沪深获得由天线阵和扩展天线),SR-PLoc实现被动的移动目标定位。由于反射路径是弱于直接信号从发射机到接收机,SR-PLoc雇佣CSI-CR算法提出了我们的以前的工作33)减少直接路径诱导干涉进一步提高ToF估计精度,在参数估计过程中。

3所示。结果与讨论

3.1。实现

验证和评估SR-PLoc的性能,综合实验是在一个典型的室内办公空间,如图3所示,包含办公家具,如电脑,书桌,书架。多个测试地点,蓝点表示,选择移动的目标。同时,全面分析系统性能,多个测试发射机的位置选择和扩展天线,分别被指示为绿色和红色框。准确地获得地面反射的真理,测试人员被要求站在试验位置和反射波产生的反射路径的铁板。

测试算法的性能(即与不同的配置。,different bandwidth and the number of antennas), two test platforms are constructed, as Figures2和4秀。(我)提出了图2第一个是软件定义无线电(SDR)平台。接收方包括三个USRP X310设备(34)有六个射频ubx - 160卡,通过OctoClock-G[同步35),以确保天线(包括天线阵列和扩展天线)可以同时样本空间信号。器包含一个USRP X310设备有两个射频ubx - 160卡发送信号。工作站配备GNU无线电特别提款权是用来控制设备,发送信号,或从收到了OFDM信号中提取CSI,可以覆盖100 MHz带宽(2)第二个是一个商业接入点(AP)配备Broadcom 4366 c0无线网卡和NexMon工具(36]。计算机与Ubuntu 18.04操作系统控制AP,完成CSI作为接收器,数据提取通过指令集。据美联社与另一个相同的配置作为发射机发送信号。这个平台包含四个天线的接收方可以收集CSI 80 MHz带宽基于IEEE 802.11交流协议

在实验中,默认的信号带宽是80 MHz,中央5 g Hz频率,天线在天线阵的数量是3,CSI包传输速率是200赫兹(即。每秒,发射机发送200包),和扩展天线的数量是1。发射机和接收机都放在离地面1.5米。在测试前,功率分配器用于测量不同射频通道之间的相位差。测量相位差将用于弥补初始阶段抵消确保AoA可以有效估计。利用收集到的数据从这些平台,系统是在从三个方面进行评价。首先,简要分析了发射机的定位精度。接下来,发射机的位置的影响,对移动目标定位精度进行了分析。最后,移动目标的定位精度和不同的配置检查,包括信号带宽的影响,天线在齿龈,扩展天线的位置。

3.2。绩效评估

起初,SR-PLoc的发射机定位性能进行了分析与SIFI(通过比较37],它扩展多个天线的一个接收机捕获CSI在不同地点和ToA估计实现本地化。提出了定位性能比较图5通过累积分布函数(CDF)的定位错误。从结果可以看到,SR-PLoc平均定位误差大约是1.016米,这是略优于SIFI 1.110当扩展天线在R1。SR-PLoc误差在66.7%的比例可以达到1.220米,0.121米低于SIFI,证明提出的SR-PLoc发射机定位的有效性。R2扩展天线时,一个人可以看到,发射机定位精度进一步提高。具体地说,SR-PLoc平均定位误差和误差在66.7%的比例可以达到0.821米和1.088米,分别。这种增强的原因是接收机的布局更适合本地化时天线和天线阵列扩展之间的距离增加在一个合理的范围内。然而,在现实的应用程序中,这个距离不应太大;否则,它将导致不便接收者的部署。

发射机定位绩效评估后,接下来,发射机的位置的影响,对移动目标定位精度分析和结果呈现在图6。可以看出,总体而言,一方面,SR-PLoc扩展天线在R2时表现更好。这可以解释为发射机扩展天线时定位精度较高的R2,导致移动目标定位精度的改善。另一方面,当发射机在T2和T3,定位精度移动目标优于T1和T4的发射机。以平均定位误差为例,当扩展天线在R1,平均定位误差可以达到1.592米,0.959米,0.759米,1.211米,当发射机在T1、T2、T3, T4,分别。类似的趋势可以观察到当扩展天线在R2。这是因为T1和T4在测试区域的边缘,说明发射机正在靠近墙壁和家具,这可能引入强反射,导致参数估计的准确性下降,最后导致过滤出移动目标失败引起反思。

不同的信号带宽、移动目标的定位精度进行了分析。从图7,不难观察到移动目标定位性能提高了与信号带宽的增加。具体来说,当扩展天线在R1, SR-PLoc的平均定位误差可以达到0.902米,1.087米,1.303米,1.675米,2.214米,信号带宽的100 MHz, 80 MHz, 60 MHz, 40 MHz,分别和20 MHz。我们认为这是因为信号带宽的增加提高了信号ToF估计分辨率,开车估计信号ToF更准确,最终导致定位精度的提高。比较两个subfigures图7,一个可以看到移动目标定位精度提高扩展天线时搬到R2。这也可以解释,布局更适合本地化时天线和天线阵列扩展之间的距离增加。

最后,我们分析了影响天线的数量的移动目标定位精度。如图8所示,可以看出SR-PLoc的平均定位误差可以达到1.708,1.087米,0.931米,0.710米,2,3,4,5天线在天线阵,分别扩展天线时R1。这种现象意味着定位精度与天线的数量呈正相关。由于天线的数量的增加提高了农产品协定的估计精度,最后导致定位精度的提高。比较两个图的子图7,一个可以看到的平均定位误差SR-PLoc降低约0.104米,0.101米,0.104,和0.113米,2,3,4,5天线在天线阵,分别扩展天线时搬到位置R2。类似于前面的结果,这种增强也引入了发射机的改善定位精度。

4所示。结论

在本文中,我们提出SR-PLoc,单个receiver-based被动移动目标定位系统。以nonsynchronization发射机和receiver-induced阶段错误记录在CSI充分考虑,该算法构造一个天线阵和一个扩展天线,通过使用多个天线从一个接收器,捕获无线信号在不同的空间位置。在此基础上,SR-PLoc估计信号AoA和ToF和结合了估计参数和位置的天线阵和扩展天线实现移动目标的被动定位。不同于现有的解决方案,这依赖于假设发射机的位置preacquired不变,SR-PLoc不要求,真实世界的应用程序使它更有前途。综合实验是进行基于两个测试平台,这是建立在特别提款权设备和商业美联社。实验结果验证了该算法的有效性和实用性,奠定了坚实的基础,无处不在的移动目标的被动定位。

数据可用性

的数据支持本研究的发现可以从相应的作者在合理的请求。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

首先,我们要感谢彩排刘博士,谁给了我们建议当构造特别提款权测试平台和帮助我们完成本地化测试。然后,我们真诚感谢匿名审稿人的宝贵反馈。这项工作是支持的部分重庆市教委科学技术研究项目(KJQN201800625, KJZD-K202000605 KJQN202000630),重庆市自然科学基金项目(cstc2019jcyj-msxmX0635 cstc2020jcyj-msxmX0842),中国国家自然科学基金(61771083,61771083),和重庆邮电大学博士学位人才培养项目(BYJS201904)。