本发明属于无线通信技术领域，公开了一种基于信道状态信息室内无线定位方法、无线通信系统，利用WIFI环境实现与设备无关的室内无线定位系统，通过天线间共轭相乘的算法去除静态路径成分，再结合定位参数的分布特性，基于权重的反射路径识别算法定位计算提供定位参数；将多个无线访问节点联合AOA定位的结果与单基站测距粗定位的结果进行融合。本发明利用反射路径识别机制应对室内动态多径环境对定位结果造成的影响，同时基于MUSIC算法估计定位所需参数，省去了现有技术如指纹定位需要线下采集数据训练的步骤，更灵活适用于不同环境，进一步提高了定位系统的性能和精度。
1.一种基于信道状态信息室内无线定位方法，其特征在于，所述基于信道状态信息室内无线定位方法利用WIFI环境实现与设备无关的室内无线定位系统，通过天线间共轭相乘的算法去除静态路径成分，再结合定位参数的分布特性，基于权重的反射路径识别算法定位计算提供定位参数；将多个无线访问节点联合AOA定位的结果与单基站测距粗定位的结果进行融合；
所述基于信道状态信息室内无线定位方法包括以下步骤：第一步，获取发射端TX和接收端TR之间的CSI信息，并通过一种天线间共轭相乘的算法滤除静态路径和环境噪声成分；
第二步，通过基于MUSIC的联合估计算法，结合二维滑动机制计算AOA和TOF；
第三步，利用AOA、TOF估计结果，通过基于权重的聚类算法实现反射路径的识别；
第四步，利用TOF和AOA，通过单基站测距定位算法的进行目标位置的粗估计；
第五步，使用多个AP通过AOA定位算法提供独立的定位结果，将该定位结果与由定位结果进行融合定位，给出位置坐标；
所述第一步获取发射端TX和接收端TR之间的CSI信息，并通过一种天线间共轭相乘的算法滤除静态路径和环境噪声成分具体包括：(1)发射端与接收端建立通信，采集CSI；采集的第i个数据包，第j个子载波，第k个天线的CIS信息H(i,j,k)以H(0,0,0)作为参考，表示为：其中，L代表信号传播路径总个数，l表示第l条路径,fc为信道中心载波频率，Δti,Δfj,Δsk分别是H(i,j,k)与H(0,0,0)对应差值，τl,φl, 分别是H(0,0,0)第l条路径的TOF、AOA、DFS值， 反映了由目标移动造成的到达时间改变量，对每条传播路径来说，fcτl可以看作常量合并到幅度αl中；
WIFI设备接收端与发射端并不是完全精确的时间同步，会在每个CSI数据包引入时域随机相位偏差：
其中，εt,εf分别是定时偏移和载波频偏，m＝(i,j,k)；
选取一根天线作为参考天线，将其他天线的CSI数据分别与参考天线进行共轭相乘得到：
将多径信号划分为静态和动态两个部分，分别用Ps,Pd表示：第二项表示为：
对参考天线的幅值加上常数β，对其他天线幅值减去常数α，当m≠m0时：
2.如权利要求1所述的基于信道状态信息室内无线定位方法，其特征在于，所述第二步通过基于MUSIC的联合估计算法，结合二维滑动机制计算AOA和TOF包括：(1)对CSI矩阵进行二维平滑处理，平滑后的CSI矩阵用如下形式表示：其中hm,n代表第m根接收天线上第n个子载波的CSI值，选择滑动天线数为2，子载波数目为15；
(2)对平滑后的CSI数据进行MUSIC联合估计：其中， M代表接收天线数量，N代表子载波个数， 对应第一根天线，其中 代表第N个子载波相对于第一个子载波的相位差，对应第M根天线， 代表第M个天线相对于第一根天线的相位差，Es是H
第一部分组成的信号子空间，En代表由第二部分组成的噪声子空间，(·) 代表矩阵共轭转置。
3.如权利要求1所述的基于信道状态信息室内无线定位方法，其特征在于，所述第三步利用AOA、TOF估计结果，通过基于权重的聚类算法实现反射路径的识别具体包括：(1)对多个连续包的AOA和TOF估计值利用聚类算法进行分簇；
(2)分析聚类特性，根据每个簇的特性对其实行权重分配，识别出反射路径，定义权重值为：
其中，countk代表第k个簇的参数点个数， 为第k个簇TOF估计的均值，取权值最大的一簇作为直接反射路径对应的AOA、TOF参数估计结果。
4.如权利要求3所述的基于信道状态信息室内无线定位方法，其特征在于，所述对多个连续包的AOA和TOF估计值利用聚类算法进行分簇包括：
1)将AOA/TOF看作一个二维数据点，任选一个未访问数据点开始，找出与其距离在邻域半径eps之内的所有附近点，比较附近点数量n与最小包含点数minPts的大小：
2)当n＞＝minPts时，将当前点与其附近点形成一个簇，并标记出发点为已访问，进入
3)当n＜＝minPts时，该点被暂标记为噪声点，进入1)。
5.如权利要求1所述的基于信道状态信息室内无线定位方法，其特征在于，所述第四步利用TOF和AOA，通过单基站测距定位算法的进行目标位置的粗估计具体包括：(1)从发射端经过目标反射到接收端的直接反射路径长度：range＝tof×c+disance(Tx,Rx)；
(2)结合接收端与发射端几何关系，建立如下方程组：其中，发射端位置用(0,0)表示，接收端位置为(xr,yr)，待定位目标的位置坐标为(x,y)，φTx为接收端与发射端之间直视路径的AOA，接收天线阵列方向ψr可以通过到达角φTx和接收端坐标(xr,yr)，求解如下方程计算得到：求解目标位置坐标，结果为：
6.如权利要求1所述的基于信道状态信息室内无线定位方法，其特征在于，所述第五步使用多个AP通过AOA定位算法提供独立的定位结果，将该定位结果与由定位结果进行融合定位，给出位置坐标具体包括：
(1)联合多个接收节点对入侵目标进行定位，位置估计计算公式如下：其中，wi为第i个AP节点对应的加权因子：其中， 分别代表第i个AP的TOF均值、TOF方差和AOA方差值；
(2)利用卡尔曼平滑器融合粗定位结果与多节点AOA定位结果。
7.一种应用权利要求1～6任意一项所述基于信道状态信息室内无线定位方法的无线通信系统。
8.一种安装有权利要求7所述无线通信系统的定位导航平台、物流管理平台、紧急救援平台。
一种基于信道状态信息室内无线定位方法、无线通信系统
技术领域
[0001] 本发明属于无线通信技术领域，尤其涉及一种基于信道状态信息室内无线定位方法、无线通信系统。
背景技术
[0002] 目前，最接近的现有技术：随着物联网技术的快速推动和第五代5G移动通信技术应用的积极展开，带来的不只是高速体验，更重要的是其泛在网特点，即在各个角落都有网
络存在，促使人们对于各种场景下的自适应环境感知需求日益增长，性能要求也逐渐提高。
而各类无线传感器网络的应用场景也由初步的军事领域逐步扩展到人机交互、安防监控、
物流监管、新型医疗和智能家居等感知领域。物联网技术的兴起，使得对于环境的自适应感
知技术显得尤为重要，智能感知技术带来的商业价值也变得不可估量。目前，室外环境下的
无线感知服务已经有了不错的发展。利用全球定位系统进行位置感知已经得到了成熟应
用，例如日常使用的手机端定位和打车软件，为人们的外出活动提供了极大的便捷之处。不
同于室外环境，室内环境面临着更多的问题：1)、相对于室外更复杂的多径传播环境；2)、室
内环境噪声不可忽视，且信道具有高动态性；3)、室内感知区域小，要求更细粒度的感知准
确性。此外，室内无线环境感知还应该满足设备复杂度低、效率高的要求。因此，如何在室内
环境中做到有效可靠的位置感知是当前的热点研究方向。目前用于室内定位的技术主要
有：基于计算机视觉、红外线、超声波和无线射频识别、基于接收信号场强RSSI定位等，但上
述方法或不具有普适性，只能在单一场景下工作，或需要被检测人员穿戴特殊的传感设备。
[0003] 基于CSI的室内定位技术按目标是否携带设备可分为主动式和被动式两种实现方法。主动式室内定位是由待定位目标发起定位，目标与锚节点再进行通信进一步获得位置
信息，而被动式定位方式无需目标携带任何特殊设备，利用目标对无线信号传播路径的影
响，分析无线信号特征的变化规律，对目标进行定位。进一步，按定位原理的不同分为基于
指纹匹配的定位方法和基于几何解析的定位方法。基于指纹匹配的定位方法相对于几何解
析定位方法，从理论上来讲前者更能提供准确的定位结果，也更利于实现被动式定位。但是
在实际环境中，指纹数据库需要随环境的随时改变而不断更新，当需要定位的场所面积较
大时，指纹库的更新就需要进行大量的采集工作，占用很多时间，大大提高了定位系统的复
杂度。而基于几何解析的方法面临的主要问题有：1)、室内环境复杂，信号的传播容易受到
各种障碍物的遮挡和噪声干扰，无法对信号传播建立具体的衰减模型，对于容易产生变化
的信道环境来说，更是难以实时修正距离模型，而且距离模型只适用于基于设备的室内定
位系统；2)、室内多径效应会对各种定位参数，如到达时间、到达角的估计带来更大难度，在
传统的基于设备的室内定位系统中需要解决的是直视路径识别问题，而对于被动式定位系
统来说，则需要从多条信号传播路径中获得目标反射路径对应的参数估计结果；3)、对于可
得到的多个定位参数，如何将其融合利用以得到相对于单一定位方式更可靠的定位结果。
因此利用现有WIFI设备来满足高精度、高可靠性的定位要求具有重要的现实意义与应用价
值。
[0004] 综上所述，现有技术存在的问题是：目前室内定位技术定位精度低、实用性差。
[0005] 解决上述技术问题的难度：如何应对高动态室内环境带来的环境噪声和多径影响；单一定位方式定位精度受限于系统锚节点部署情况。
[0006] 解决上述技术问题的意义：室内定位对于生产生活都有十分重要的意义，不论是家庭、商场还是医院等场所，都会有广泛的应用。解决上述技术问题，使被动式室内定位更
能满足低成本和高精度的要求。
发明内容
[0007] 针对现有技术存在的问题，本发明提供了一种基于信道状态信息室内无线定位方法、无线通信系统。
[0008] 本发明是这样实现的，一种基于信道状态信息室内无线定位方法，所述基于信道状态信息室内无线定位方法利用WIFI环境实现与设备无关的室内无线定位系统，通过天线
间共轭相乘的算法去除静态路径成分，再结合定位参数的分布特性，基于权重的反射路径
识别算法定位计算提供定位参数；将多个无线访问节点联合AOA定位的结果与单基站测距
粗定位的结果进行融合。
[0009] 进一步，所述基于信道状态信息室内无线定位方法包括以下步骤：
[0010] 第一步，获取发射端TX和接收端TR之间的CSI信息，并通过一种天线间共轭相乘的算法滤除静态路径和环境噪声成分；
[0011] 第二步，通过基于MUSIC的联合估计算法，结合二维滑动机制计算AOA和TOF；
[0012] 第三步，利用AOA、TOF估计结果，通过基于权重的聚类算法实现反射路径的识别；
[0013] 第四步，利用TOF和AOA，通过单基站测距定位算法的进行目标位置的粗估计；
[0014] 第五步，使用多个AP通过AOA定位算法提供独立的定位结果，将该定位结果与由定位结果进行融合定位，给出位置坐标。
[0015] 进一步，所述第一步获取发射端TX和接收端TR之间的CSI信息，并通过一种天线间共轭相乘的算法滤除静态路径和环境噪声成分具体包括：
[0016] (1)发射端与接收端建立通信，采集CSI；采集的第i个数据包，第j个子载波，第k个天线的CIS信息H(i,j,k)以H(0,0,0)作为参考，表示为：
[0017]
[0018] 其中，L代表信号传播路径总个数，l表示第l条路径,fc为信道中心载波频率，Δti,Δfj,Δsk分别是H(i,j,k)与H(0,0,0)对应差值，τl,φl, 分别是H(0,0,0)第l条路径的
TOF、AOA、DFS值。 反映了由目标移动造成的到达时间改变量，对每条传播路径来说，
fcτl可以看作常量合并到幅度αl中；
[0019] WIFI设备接收端与发射端并不是完全精确的时间同步，会在每个CSI数据包引入时域随机相位偏差：
[0020]
[0021] 其中，εt,εf分别是定时偏移和载波频偏，m＝(i,j,k)；
[0022] (2)对CSI的静态路径成分和环境噪声进行滤除；
[0023] 选取一根天线作为参考天线，将其他天线的CSI数据分别与参考天线进行共轭相乘得到：
[0024]
[0025] 其中，m0＝(i,j,k0)；
[0026] 将多径信号划分为静态和动态两个部分，分别用Ps,Pd表示：
[0027]
[0028] 第二项表示为：
[0029]
[0030] 对参考天线的幅值加上常数β，对其他天线幅值减去常数α，当m≠m0时：
[0031]
[0032] 进一步，所述第二步通过基于MUSIC的联合估计算法，结合二维滑动机制计算AOA和TOF包括：
[0033] (1)对CSI矩阵进行二维平滑处理，平滑后的CSI矩阵用如下形式表示：
[0034]
[0035] 其中hm,n代表第m根接收天线上第n个子载波的CSI值，选择滑动天线数为2，子载波数目为15；
[0036] (2)对平滑后的CSI数据进行MUSIC联合估计：
[0037]
[0038] 其中， M代表接收天线数量，N代表子载波个数， 对应第一根天线，其中 代表第N个子载波相对于第一个子载波的相位
差， 对应第M根天线， 代表第M个天线相对于第一根天线的相位差。Es
H
是第一部分组成的信号子空间，En代表由第二部分组成的噪声子空间。(·) 代表矩阵共轭
转置。
[0039] 进一步，所述第三步利用AOA、TOF估计结果，通过基于权重的聚类算法实现反射路径的识别具体包括：
[0040] (1)对多个连续包的AOA和TOF估计值利用聚类算法进行分簇；
[0041] (2)分析聚类特性，根据每个簇的特性对其实行权重分配，识别出反射路径，定义权重值为：
[0042]
[0043] 其中，countk代表第k个簇的参数点个数， 为第k个簇TOF估计的均值。取权值最大的一簇作为直接反射路径对应的AOA、TOF参数估计结果。
[0044] 进一步，所述对多个连续包的AOA和TOF估计值利用聚类算法进行分簇包括：
[0045] 1)将AOA/TOF看作一个二维数据点，任选一个未访问数据点开始，找出与其距离在邻域半径eps之内的所有附近点，比较附近点数量n与最小包含点数minPts的大小：
[0046] 2)当n＞＝minPts时，将当前点与其附近点形成一个簇，并标记出发点为已访问，进入1)；
[0047] 3)当n＜＝minPts时，该点被暂标记为噪声点，进入1)。
[0048] 进一步，所述第四步利用TOF和AOA，通过单基站测距定位算法的进行目标位置的粗估计具体包括：
[0049] (1)从发射端经过目标反射到接收端的直接反射路径长度：
[0050] range＝tof×c+disance(Tx,Rx)；
[0051] (2)结合接收端与发射端几何关系，建立如下方程组：
[0052]
[0053] 其中，发射端位置用(0,0)表示，接收端位置为(xr,yr)，待定位目标的位置坐标为(x,y)，φTx为接收端与发射端之间直视路径的AOA，接收天线阵列方向ψr可以通过到达角
φTx和接收端坐标(xr,yr)，求解如下方程计算得到：
[0054]
[0055] 求解目标位置坐标，结果为：
[0056]
[0057] 进一步，所述第五步使用多个AP通过AOA定位算法提供独立的定位结果，将该定位结果与由定位结果进行融合定位，给出位置坐标具体包括：
[0058] (1)联合多个接收节点对入侵目标进行定位，位置估计计算公式如下：
[0059]
[0060] 其中，wi为第i个AP节点对应的加权因子：
[0061]
[0062] 其中， 分别代表第i个AP的TOF均值、TOF方差和AOA方差值；
[0063] (2)利用卡尔曼平滑器融合粗定位结果与多节点AOA定位结果。
[0064] 本发明的另一目的在于提供一种应用所述基于信道状态信息室内无线定位方法的无线通信系统。
[0065] 本发明的另一目的在于提供一种安装有所述无线通信系统的定位导航平台、物流管理平台、紧急救援平台。
[0066] 综上所述，本发明的优点及积极效果为：本发明利用现有WIFI环境实现与设备无关的室内无线定位系统。通过天线间共轭相乘的算法去除静态路径成分，再结合定位参数
的分布特性，提出一种基于权重的反射路径识别算法，为下一步定位计算提供准确的定位
参数，针对单一的定位方法精度有限，对节点部署要求高的问题，提出一种融合定位方案，
将多个无线访问节点联合AOA定位的结果与单基站测距粗定位的结果进行融合，消除粗定
位结果的累积误差，以提高定位精度。本发明涉及基于信道状态信息的AOA、TOF估计算法和
一种融合定位算法，可用于地图导航、物流跟踪及紧急救助等。
[0067] 本发明以解决目前室内定位技术定位精度低、实用性差的问题；利用几何定位法，无需建立指纹库、训练数据，通过一种反射路径识别机制有效估计出反射径对应的定位参
数，利用单基站测距定位算法和多AP节点AOA定位进行融合定位，提高了定位精度和定位可
靠性。
[0068] 由于本发明在现有WIFI设备的条件下实现了一种被动式定位方案，解除了现有定位方案对特定设备的依赖，待定位目标也无需携带任何传感器设备，在降低了定位所需成
本的同时，也更适用于各种场所。
[0069] 本发明利用一种反射路径识别机制应对室内动态多径环境对定位结果造成的影响，同时基于MUSIC算法估计定位所需参数，省去了现有技术如指纹定位需要线下采集数据
训练的步骤，更灵活适用于不同环境，进一步提高了定位系统的性能和精度。
附图说明
[0070] 图1是本发明实施例提供的基于信道状态信息室内无线定位方法的流程图。
[0071] 图2是本发明实施例提供的对反射路径识别和定位参数估计模块的子流程图。
[0072] 图3是本发明实施例提供的融合定位模块详细流程图。
[0073] 图4是本发明实施例提供的定位几何关系示意图。
[0074] 图5是本发明实施例提供的与其他定位方法定位精度对比进行的仿真效果图。
[0075] 图6是本发明实施例提供的不同定位AP个数对定位精度影响的仿真结果示意图。
[0076] 图7是本发明实施例提供的在不同定位场景下定位性能的仿真结果示意图。
具体实施方式
[0077] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于
限定本发明。
[0078] 针对现有技术存在的问题，本发明提供了一种基于信道状态信息室内无线定位方法、无线通信系统，下面结合附图对本发明作详细的描述。
[0079] 如图1所示，本发明实施例提供的基于信道状态信息室内无线定位方法包括以下步骤：
[0080] S101：获取发射端TX和接收端TR之间的CSI信息，并通过一种天线间共轭相乘的算法滤除静态路径和环境噪声成分；
[0081] S102：通过一种基于MUSIC的联合估计算法，结合二维滑动机制计算AOA和TOF；
[0082] S103：利用上述AOA、TOF估计结果，通过基于权重的聚类算法实现反射路径的识别；
[0083] S104：利用TOF和AOA，通过单基站测距定位算法的进行目标位置的粗估计；
[0084] S105：使用多个AP通过AOA定位算法提供独立的定位结果，将该定位结果与由上一步定位结果进行融合定位，给出位置坐标。
[0085] 下面结合附图对本发明的技术方案作进一步的描述。
[0086] 本发明实施例提供的基于信道状态信息室内无线定位方法具体包括以下步骤：
[0087] 步骤一，获取发射端TX和接收端TR之间的CSI信息，并通过一种天线间共轭相乘的算法滤除静态路径和环境噪声成分；
[0088] (1.1)发射端与接收端建立通信，采集CSI；
[0089] 采集的第i个数据包，第j个子载波，第k个天线的CIS信息H(i,j,k)以H(0,0,0)作为参考，可以表示为：
[0090]
[0091] 其中，L代表信号传播路径总个数，l表示第l条路径,fc为信道中心载波频率，Δti,Δfj,Δsk分别是H(i,j,k)与H(0,0,0)对应差值，τl,φl, 分别是H(0,0,0)第l条路径的
TOF、AOA、DFS值。 反映了由目标移动造成的到达时间改变量，对每条传播路径来说，fc
τl可以看作常量合并到幅度αl中。
[0092] WIFI设备接收端与发射端并不是完全精确的时间同步，会在每个CSI数据包引入时域随机相位偏差：
[0093]
[0094] 其中，εt,εf分别是定时偏移和载波频偏，m＝(i,j,k)。
[0095] (1.2)对CSI的静态路径成分和环境噪声进行滤除；
[0096] 选取一根天线作为参考天线，将其他天线的CSI数据分别与参考天线进行共轭相乘得到：
[0097]
[0098] 其中，m0＝(i,j,k0)。
[0099] 将多径信号划分为静态和动态两个部分，分别用Ps,Pd表示：
[0100]
[0101] 上式中第一项为静态路径分量，不会随时间改变，通过高通滤波器去除。由于静态路径信号强度比动态反射路径信号强度要大得多，因此上式中第三项相较于前两项可以忽
略不计。第二项可表示为：
[0102]
[0103] 对参考天线的幅值加上常数β，对其他天线幅值减去常数α，当m≠m0时：
[0104]
[0105] 步骤二通过一种基于MUSIC的联合估计算法，结合二维滑动机制计算AOA和TOF；
[0106] (2.1)首先对CSI矩阵进行二维平滑处理，平滑后的CSI矩阵用如下形式表示：
[0107]
[0108] 其中hm,n代表第m根接收天线上第n个子载波的CSI值，选择滑动天线数为2，子载波数目为15。
[0109] (2.2)对平滑后的CSI数据进行MUSIC联合估计：
[0110]
[0111] 其中， M代表接收天线数量，N代表子载波个数， 对应第一根天线，其中 代表第N个子载波相对于第一个子载波的相
位差， 对应第M根天线， 代表第M个天线相对于第一根天线的相位差。
H
Es是第一部分组成的信号子空间，En代表由第二部分组成的噪声子空间。(·) 代表矩阵共
轭转置。
[0112] 步骤三，利用AOA、TOF估计结果，通过基于权重的聚类算法实现反射路径的识别；具体实现如下：
[0113] (3.1)本发明对多个连续包的AOA和TOF估计值利用聚类算法进行分簇；
[0114] 1a)将AOA/TOF看作一个二维数据点，任选一个未访问数据点开始，找出与其距离在邻域半径eps之内的所有附近点，比较附近点数量n与最小包含点数minPts的大小：
[0115] 1b)当n＞＝minPts时，将当前点与其附近点形成一个簇，并标记出发点为已访问，进入(1a)；
[0116] 1c)当n＜＝minPts时，该点被暂标记为噪声点，进入(1a)；
[0117] (3.2)分析聚类特性，根据每个簇的特性对其实行权重分配，识别出反射路径，定义权重值为：
[0118]
[0119] 其中，countk代表第k个簇的参数点个数， 为第k个簇TOF估计的均值。取权值最大的一簇作为直接反射路径对应的AOA、TOF参数估计结果。
[0120] 步骤四，利用TOF和AOA，通过单基站测距定位算法的进行目标位置的粗估计，具体实现如下：
[0121] (4.1)从发射端经过目标反射到接收端的直接反射路径长度：
[0122] range＝tof×c+disance(Tx,Rx)；
[0123] (4.2)结合接收端与发射端几何关系，如图4所示，建立如下方程组：
[0124]
[0125] 其中，发射端位置用(0,0)表示，接收端位置为(xr,yr)，设待定位目标的位置坐标为(x,y)，φTx为接收端与发射端之间直视路径的AOA，接收天线阵列方向ψr可以通过到达角
φTx和接收端坐标(xr,yr)，求解如下方程计算得到：
[0126]
[0127] 求解目标位置坐标，结果为：
[0128]
[0129] 步骤五，使用多个AP通过AOA定位算法提供独立的定位结果，将该定位结果与由上一步定位结果进行融合定位，给出位置坐标，具体实现如下：
[0130] (5.1)联合多个接收节点对入侵目标进行定位。位置估计计算公式如下：
[0131]
[0132] 其中，wi为第i个AP节点对应的加权因子：
[0133]
[0134] 其中， 分别代表第i个AP的TOF均值、TOF方差和AOA方差值。
[0135] (5.2)利用卡尔曼平滑器融合粗定位结果与多节点AOA定位结果。
[0136] 下面结合仿真对本发明的技术效果作详细的描述。
[0137] 一、仿真条件：将对本发明提出的被动式室内定位方案进行仿真与性能分析，分析和比较不同因素对定位精度的影响。实验场景包括实验室、办公室和空旷大厅，定位部署阶
段，一个角落布置装有Intel5300无线网卡的笔记本电脑作为接收端节点，分别在三个角落
布置一个无线路由器作为发射端节点，接收端与发射端节点位置固定，人员在定位区域移
动，接收端负责采集CSI数据，并将数据传输到服务器端进行定位运算。数据采集之前，首先
配置接收端操作系统为Ubuntu，安装CSITools，接收端AP工作模式为802.11n，接着在接收
端终端运行命令，使接收端与接收端AP通信，分别采集接收端与AP1、AP2、AP3之间的CSI数
据。
[0138] 二、仿真内容与结果：
[0139] 仿真1，不同定位算法对定位精度的影响。在相同环境下，将单一的定位算法包括基于AOA的定位算法、基于单基站测距定位算法与本发明的融合定位结果进行对比。通过定
位误差的累积概率分布，结果如图5所示，可以看出在同一定位环境下，本发明提出的融合
定位方法精度明显高于其他两种单一定位算法，60％的情况下定位误差下都在0.5m以内，
相较于单一的定位方式得到了显著提升。
[0140] 仿真2，不同AP个数对定位精度的影响。本发明提出的联合估计算法是利用多AP的AOA定位结果来消除初步定位结果的累积误差，因此，定位性能应与AP个数有关，AP个数越
多会有更多有用定位信息，定位误差越小。通过对不同AP个数情况下定位结果进行实验仿
真，结果如图6，可以证实上述结论。在AP个数为2，3，4个时，定位误差在大多数情况下分别
在0.71m，0.57m，0.53m内。
[0141] 仿真3，不同场景下定位性能验证。为了验证本发明被动式定位方案在各个环境中的可靠性，在三种不同场景下分别将本发明方案与已有的两种CSI被动式定位方案进行对
比。如图7所示，在空旷大厅中三种定位方案效果均最佳，本发明方案平均定位误差为
0.53m，在环境最复杂，多径最丰富的实验室环境下平均定位误差为0.72m，说明本发明提出
的方案可以在室内多径传播环境中达到可信赖的定位精度。
[0142] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
