基于子载波选择策略的CSI指纹定位技术研究.pdf

摘要

由于Wi-Fi信号成本低、信号传输范围广和适用性强等特点，利用Wi-Fi信号进行室内

定位技术受到了极大的关注。目前基于Wi-Fi的室内定位分为基于接收信号强度（RSS）和

基于信道状态信息（CSI）的定位技术。相较于RSS测量值，CSI测量值可以更好的描述信

号发射端与接收端之间的信道特征和状态。针对复杂环境下室内定位技术存在的问题，本文

利用机器学习算法，开展基于CSI的室内定位算法研究。论文的主要工作包括：

（1）研究基于CSI室内定位技术的基础知识并搭建实验平台。首先介绍CSI测量参数

的相关知识，并描述基于CSI的指纹定位模型中的机器学习算法。然后利用ESP32芯片搭

建CSI测量值采集的硬件平台，利用ESP-IDF软件开发环境调试软件平台。最后采用距离和

相似度作为指标，分析搭建平台采集的CSI测量值，为基于机器学习的定位研究打下基础。

（2）提出基于子载波选择策略的粗定位—精定位算法。离线阶段利用方差过滤对CSI

幅度测量值进行数据降维，同时利用滤波预处理去除测量值中异常值和噪声。然后分别用F

检验分类和F检验回归选择用于粗定位和精定位的子载波。最后利用一维卷积神经网络

（CNN）完成粗定位区域分类学习，得到区域分类模型。利用精定位的子载波构建CSI图像，

利用CNN完成精定位位置回归学习，得到位置估计模型。实验结果表明本文所提算法能够

获得更好的位置估计性能。

（3）提出基于子载波选择策略和长短期记忆网络（LSTM）的定位算法。离线阶段利

用方差过滤对CSI幅度测量值进行数据降维，同时利用hampel滤波，RPCA和数据平滑技

术进行数据预处理。然后利用F检验回归的方法选取定位所需的子载波幅度测量值，并构建

CSI幅度图像，并利用添加了SGE注意力机制的CNN对CSI图像进行特征提取。最后将提

取的特征利用LSTM进行回归学习，得到位置回归模型。实验结果验证了算法的有效性。

关键词：室内定位，信道状态信息，子载波选择，卷积神经网络，长短期记忆网络，注

意力机制

Abstract

Duetothelowcost,widesignaltransmissionrangeandstrongapplicabilityofWi-Fisignals,

indoorlocalizationtechnologyusingWi-Fisignalshasreceivedmuchattention.Recently,theWi-Fi

indoorlocalizationcontainsreceivedsignalstrength(RSS)basedandchannelstateinformation

(CSI)basedtechnique.ComparedwithRSSmeasurement,CSImeasurementhasbetterchannel

characteristicsandstatusdescriptionbetweenthetransmitterandreceiver.Inordertocopewiththe

problemofindoorlocalizationincomplexenvironments,inthisthesis,theCSIbasedindoor

localizationalgorithmusingmachinelearningalgorithmsisstudied.Themaincontributionsofthis

workaredescribedasfollows:

(1)ThefundamentalknowledgeofCSIbasedindoorlocalizationtechnologyisstudiedandan

experimentalplatformisbuilt.Atfirst,therelevanttheoryofCSImeasurementp