取信號特征信 息的步驟包括:
[0049] 步驟All:從網(wǎng)卡中采集信道狀態(tài)信息;
[0050] 步驟A12 :提取各個子載波的振幅值集合作為該信號的信號特征;
[0051] 所述步驟A2中的計算接收機敏感度因子,調(diào)整接收機位置的步驟為:
[0052] 步驟A21 :采集一定量靜態(tài)環(huán)境狀態(tài)下的信號特征信息,并將其保存于本地。
[0053] 步驟A22 :利用采集數(shù)據(jù)來計算接收機的敏感度因子。如果接收機敏感度較低則 調(diào)整接收機位置,重復(fù)步驟A21,直到獲取較高的接收機敏感度。
[0054] 所述步驟A3中的計算位置信號指紋特征信息,構(gòu)建位置信號指紋數(shù)據(jù)庫的步驟 為:
[0055] 步驟A31 :測試人員站于指定采樣位置(包括無測試人員存在的情況);
[0056] 步驟A32:接收機采集一定量當(dāng)前狀態(tài)下的信號特征信息,計算信號特征模型參 數(shù),將其作為位置信號指紋特征存儲于數(shù)據(jù)庫中;
[0057] 步驟A33 :測試人員更換采樣位置,重復(fù)步驟A32操作,直到采集完所有采樣位置 對應(yīng)的信號指紋信息。
[0058] 所述步驟B1中的實時采集信號特征信息步驟為:
[0059] 步驟Bll :實時從網(wǎng)卡中采集檢測信號,提取信號特征信息,其過程同步驟A1 ;
[0060] 所述步驟B2中的實時人體出現(xiàn)檢測步驟為:
[0061] 步驟B21 :獲取實時信息特征信息;
[0062] 步驟B22:根據(jù)靜態(tài)狀態(tài)下的信號模型,計算無人出現(xiàn)的概率,如果其概率小于設(shè) 定閾值則進行人體定位,否則繼續(xù)步驟B21。
[0063] 所述步驟B3中的實時定位的步驟為:
[0064] 步驟B31:讀取數(shù)據(jù)庫位置指紋信息,計算檢測信號特征對應(yīng)各個采樣位置的概 率。
[0065] 步驟B32 :對比檢測信號在各個位置處概率大小,最大概率值所對應(yīng)的位置即為 人體出現(xiàn)的位置。
[0066] 可以理解的是,此處所描述的具體實施例僅僅用于解釋本發(fā)明,而非對本發(fā)明的 限定。另外還需要說明的是,為了便于描述,附圖中僅示出了與本發(fā)明相關(guān)的部分而非全部 內(nèi)容。
[0067]圖1是本發(fā)明第一實施例提供的增強型室內(nèi)無源被動定位實現(xiàn)流程圖,該方法詳 述如下:
[0068]在步驟101和步驟201中,采集信號特征信息是指從信道狀態(tài)信息中提取頻域上 所有子載波的信道狀態(tài)信息的振幅向量。
[0069] 在無線傳輸過程中,無線通信可以被簡單建模為:
[0070]
[0071]這里t是時間,y是接收信號,x是發(fā)送信號,h是信道相應(yīng)或者信道狀態(tài)信息,通 常情況下其為一個復(fù)數(shù),代表信號振幅與相位信息,z為高斯白噪音。在傳統(tǒng)的室內(nèi)環(huán)境 中,一個傳輸信號可以通過多徑進行傳播,并導(dǎo)致不同的傳播長度、路徑損失、不同的時延、 振幅衰減和相位偏移。而多徑環(huán)境可以通過時間線性過濾器h(T)特征化,即信道脈沖響 應(yīng)(ChannelImpulseResponse,CIR):
[0072]
[0073] 其中,&i、0河ti分別代表第i個多徑的振幅、相位和時延,i= 1,2,…,N,N表 示多徑數(shù)。
[0074] 在頻率域中,0FDM系統(tǒng)在0FDM子載波粒度上提供信道頻率響應(yīng)(Channe1 FrequencyResponse,CFR):
[0075] H= {H(1),H(2),...,H(N)} (3)
[0076] 其中N為子載波個數(shù)。每個子載波的CFR信息是一個復(fù)數(shù)值,每個子載波又被定 義為:
[0077] H(f)=|H(f) |exp(jsin(ZH(f))) (4)
[0078] 其中H(f)表示子載波的振幅響應(yīng),而ZH(f)表示子載波的相位響應(yīng)。
[0079] 對于給定的一個帶寬,CIR可以通過快速傅里葉變換轉(zhuǎn)換成CFR:
[0080] H=FFT(h(t)) (5)
[0081] 盡管CIR與CFR在信道相應(yīng)模型上是等價的。但是在人體檢測與定位領(lǐng)域更加偏 向使用CFR作為信號特征。目前已可以從商業(yè)Intel5300無線網(wǎng)卡上利用更新后的固件 提取具有30個子載波的CFR,并能以信道狀態(tài)信息的形式提交到用戶態(tài)進行程序處理。[0082] 每一個子載波的信道狀態(tài)信息是以一個復(fù)數(shù)的形式來表示的,其包含了每個子載 波的振幅與相位信息。通過計算每個子載波信道狀態(tài)信息的振幅值,程序可以獲取一個包 含所有子載波振幅的向量,將其作為信號特征。
[0083] 在步驟102中,當(dāng)監(jiān)測區(qū)域無人的情況下,系統(tǒng)采集n個數(shù)據(jù)包并從中隨機選取m 個數(shù)據(jù)包,提取每一個數(shù)據(jù)包中的信號特征,獲取靜態(tài)條件下信號特征Hstd:
[0084]
[0085]為了刻畫接收機對于人體移動的敏感度,我們引入了接收機敏感度因子變量。接 收機敏感度因子可以在一定程度上反映出多徑信號占接收機總信號比重大小。接收機敏感 度因子的計算是利用靜態(tài)信號特征。首先需要將每一個信號特征進行振幅歸一化,將每個 子載波的振幅歸一化到中心頻率上:
[0086]
[0087]其中H(fk)和Hn_(fk)分別是第k個子載波原始振幅值和歸一化后的振幅值。& 是中心頻率值,fk是第k個子載波的頻率值。
[0088] 為了消除測量尺度影響,獲得一個統(tǒng)一的數(shù)據(jù)量綱,本發(fā)明需計算歸一化后的振 幅向量的變異系數(shù):
[0089]
[0090]其中std(HnOTm)和mean(HnOTm)分別是歸一化CSI振幅凡_的標準差與均值。因此 利用靜態(tài)標準信號特征可以計算得到變異系數(shù)集cryvjL。當(dāng)敏感度較大時,cv值具有 較大值和較寬的分布。當(dāng)敏感度較小時,cv值則具有較小值和較窄的分布。為了刻畫cv的 分布與敏感度大小,本發(fā)明引入了接收機敏感度因子變量Ks:
[0091]
[0092] 其中,x,y和〇分別代表v的測量值、均值和標準差值。從實驗中發(fā)現(xiàn)&值越 小則接收機的敏感度越高。因此通過調(diào)整接收機的位置,來獲取較小的&值可以幫助獲取 較高的定位精度。
[0093] 在步驟103中,測試人員站在采樣位置j處,系統(tǒng)采集n個數(shù)據(jù)包并從中隨機選取 m個數(shù)據(jù)包,提取每一個數(shù)據(jù)包中的信號特征獲取該位置處的信號特征Hj:
[0094]
[0095] 在步驟104中,所述的信號模型是指每個子載波在環(huán)境狀態(tài)穩(wěn)定下其振幅值符合 高斯分布,即振幅分布滿足:
[0096]
[0097] 其中,y,0分布代表第i個子載波的振幅均值與標準差。因此對于第i個子載 波的指紋特征可以表示為ri= (y,0)。每個子載波的特征值可以從步驟103中1獲取,
=假設(shè)使用子載波的數(shù)量為f,則對于每一組接收機和 發(fā)射機天線來說,其信號指紋特征可以表示為:Rf= {r1,!"2,...,/}。假設(shè)監(jiān)測區(qū)域內(nèi)部署a對接收機與發(fā)射機,則采用位置j的信號指紋特征可以表示為{RR2, ...RJ。在獲 取該位置處的信號指紋特征后將其存儲到數(shù)據(jù)庫中。然后重復(fù)步驟103與104直到獲取所 有采樣位置處的信號特征指紋。
[0098] 在步驟202中,接收機從網(wǎng)卡中實時獲取檢測信號,并提取每個數(shù)據(jù)包中信號特 征Ht。利用離線訓(xùn)練中獲取的靜態(tài)信號特征指紋信息來計算檢測信號在無人情況下的先驗 概率值P=P(Ht|Hstd)。對于每一個子載波i來說,其滿足先驗概率Pi> 0,其中0為設(shè) 置的置信概率。當(dāng)所有子載波的都滿足此條件時,則認為環(huán)境中無人出現(xiàn),否則判斷有人出 現(xiàn)。
[0099] 在步驟203中,當(dāng)步驟202判斷有人體出現(xiàn)在監(jiān)測區(qū)域內(nèi)時,系統(tǒng)啟動定位功能。 對于已采集的檢測信號特征Ht,系統(tǒng)