利用信道状态信息的感知到达角概率室内位置指纹定位
信号处理
2020-05-13 v1
摘要
随着无线通信的快速发展，位置指纹（LF）在物联网（IoT）领域孕育了可观的室内基于位置服务（ILBS）。对于大多数基于模式匹配的 LF 方案，以往工作要么诉诸简单的接收信号强度（RSS），其因复杂环境动态而遭受严重性能退化，要么依赖细粒度物理层信道状态信息（CSI），其复杂结构导致计算复杂度增加。同时，恶劣的室内环境也会在某些预定义参考点（RP）间产生相似的无线特征，这些参考点可能随机分布于感兴趣区域，从而强烈干扰位置映射精度。为解决这些困境，在离线站点勘测期间，我们首先采用 CSI 幅度的自回归（AR）建模熵作为位置指纹，其兼具 RSS 的结构简洁性，同时保留最具位置特异性的统计信道信息。此外，可通过一种增强的基于子空间的算法从 CSI 相位精确获取额外的到达角（AoA）指纹，用以进一步剔除易错 RP 候选。在线阶段，通过利用 CSI 幅度与相位信息，提出一种新颖的二元核回归方案来精确推断目标位置。大量室内实验结果表明，我们所提系统相较以往方法具有更优的定位性能。
引用
@article{arxiv.1912.10108,
title = {AoA-aware Probabilistic Indoor Location Fingerprinting using Channel State Information},
author = {Luan Chen and Iness Ahriz and Didier Le Ruyet},
journal= {arXiv preprint arXiv:1912.10108},
year = {2020}
}