1.一种基于信道状态信息的室内定位方法,其特征在于,主要包括以下步骤:步骤1、在离线状态下,测量信道状态信息CSI并进行预处理;
步骤2、构建CSI幅度图像和CSI相位图像;
步骤3、提取CSI幅度图像和CSI相位图像中的颜色特征;
步骤4、构建基于CSI幅度图像和CSI相位图像的颜色特征的训练数据库;
步骤5、通过卷积神经网络CNN进行离线学习,以得到位置分类模型;
步骤6、将在线获得的CSI进行预处理,构建CSI幅度图像和CSI相位图像,并分别提取CSI幅度图像和CSI相位图像中的颜色特征;
步骤7、将步骤6中获取的CSI幅度图像和CSI相位图像的颜色特征代入位置分类模型,以对目标位置进行预测/估计;
步骤1具体为:
步骤11、将定位区域划分成若干参考点,当目标位于每一个参考点上时,分别在接收端测量发射机发出的WiFi信号的CSI,以得到CSI幅度信息和CSI相位信息;
步骤12、利用线性变换法对CSI相位信息进行校正,去除时间偏差和随机相位偏差的影响,生成实际的CSI相位信息;
步骤13、利用主成分分析法PCA对CSI幅度信息和校正后的CSI相位信息进行降维处理;
步骤14、对步骤13中降维后的CSI幅度信息和CSI相位信息进行小波变换,以从频域上去除幅度信息和相位信息的噪声;
步骤4具体包括:
步骤41、根据CSI幅度图像的颜色特征和参考点X轴的位置,构建训练数据库;
步骤42、根据CSI相位图像的颜色特征和参考点Y轴的位置,构建训练数据库;
步骤5具体包括:
步骤51、利用CNN进行基于X轴位置的分类学习,得到X轴位置分类模型;
步骤52、利用CNN进行基于Y轴位置的分类学习,得到Y轴位置分类模型。
2.根据权利要求1所述的基于信道状态信息的室内定位方法,其特征在于:包括离线阶段和在线阶段,其中步骤1‑5在离线阶段完成,步骤6‑7在在线阶段完成。
3.根据权利要求1所述的基于信道状态信息的室内定位方法,其特征在于:步骤14中选用sym8小波基作为小波分解的基函数,分解层数为5层,并通过基于启发式阈值heursure的小波变换去噪方法选取阈值λ。
4.根据权利要求1所述的基于信道状态信息的室内定位方法,其特征在于,步骤2具体包括:步骤21、利用步骤14中经过小波变换后的CSI幅度信息构建CSI幅度图像;
步骤22、利用步骤14中经过小波变换后的CSI相位信息构建CSI相位图像。
5.根据权利要求4所述的基于信道状态信息的室内定位方法,其特征在于,步骤3具体包括:步骤31、采用颜色直方均衡的方法提取CSI幅度图像的颜色特征;
步骤32、采用颜色直方均衡的方法提取CSI相位图像的颜色特征。
6.根据权利要求1所述的基于信道状态信息的室内定位方法,其特征在于,步骤7具体包括:步骤71、将CSI幅度图像的颜色特征带入到X轴位置分类模型,计算出目标在X轴的位置;
步骤72、将CSI相位图像的颜色特征带入到Y轴位置分类模型,计算出目标在Y轴的位置。
7.根据权利要求1所述的基于信道状态信息的室内定位方法,其特征在于:所述室内定位方法采用无线路由器作为发射机,将Inter5300的无线网卡插入电脑中作为WiFi信号的接收端。