基于信道狀態(tài)信息的無源被動定位*

吳哲夫,周 言

(浙江工業(yè)大學信息工程學院,杭州 310023)

?

基于信道狀態(tài)信息的無源被動定位*

吳哲夫*,周 言

(浙江工業(yè)大學信息工程學院,杭州 310023)

無源被動定位是指確定網(wǎng)絡覆蓋區(qū)域內(nèi)沒有攜帶任何發(fā)射和接收設備目標的空間位置。針對室內(nèi)定位有效性問題,相比傳統(tǒng)基于接收信號強度的方案,物理層的信道狀態(tài)信息在無源被動定位方面更有優(yōu)勢。通過評估多徑效應對室內(nèi)無源定位的影響,定位方案討論了信道狀態(tài)信息相對穩(wěn)定的物理特性,利用了信道中相應子載波幅度直方圖性質(zhì)建立的指紋庫進行無源被動定位。通過兩種不同室內(nèi)環(huán)境下的實驗結果表明,該方法在人體定位時相對接收端的8個方向上得出的誤報率約為13%,漏報率約為7%;在有效檢測半徑1 m的情況下,偏差率為25%,相對誤差為0.196 m。

無源定位;接收信號強度;信道狀態(tài)信息;正交頻分復用;物理層

在移動互聯(lián)網(wǎng)應用中,無線設備的普及帶來了大量環(huán)境感知和以用戶為中心的計算服務,其中基于人員的空間定位技術是眾多場景應用服務實現(xiàn)的關鍵。

近年來,服務于移動互聯(lián)網(wǎng)的無線傳感器網(wǎng)絡WSN(Wireless Sensor Network)技術漸漸從理論研究走進了實際工程應用。當服務目標處于無線傳感器網(wǎng)絡覆蓋范圍內(nèi)時,定位算法可根據(jù)其引起的傳感信號、分組交換等信息來估測服務目標的位置。定位系統(tǒng)按照目標是否攜帶設備,可分為有源定位、無源定位或混合定位。相比于在室外環(huán)境中可以通過GPS進行有源定位,或者使用雷達技術進行無源被動定位,室內(nèi)無源被動定位的實現(xiàn)要困難得多,應用也更具有廣泛性。例如,警察在解救室內(nèi)人質(zhì)的過程中,人質(zhì)可能沒有攜帶任何電子設備或者設備由于電量不足等因素導致無法完成有效的有源定位工作;意外失火時,消防員希望知道建筑物中受困人員的方位等。

隨著無線通信網(wǎng)絡理論和軟硬件技術的進步,近20年來涌現(xiàn)出了許多新的室內(nèi)定位方法。各種傳感和網(wǎng)絡技術也都被應用于室內(nèi)定位領域,包括超聲波[1],紅外線[2],藍牙[3],Zigbee[4],WiFi[5]等等。如文獻[6]中使用了數(shù)字壓力傳感器進行差分氣壓測高并進行定位,雖然其設備的部署需要較高成本。從本質(zhì)上說,不同無線信號的空間特征奠定了不同定位方法的基礎。

在主流的基于射頻無線電定位方案[7-10]中,人員存在對信號的影響主要體現(xiàn)在接收信號強度RSSI(Received Signal Strength Indicator)上,以往方案大多希望通過RSSI來確定人員的位置。但實驗表明,RSSI只是對應于數(shù)據(jù)包層面的信息,其值會隨著時間波動而不夠穩(wěn)定,同時受限于多徑效應導致定位精度和魯棒性效果不夠,從而容易引起誤定位。

在2009年的IEEE 802.11n標準中,信道響應可以通過信道狀態(tài)信息CSI(Channel State Information)參數(shù)從接收端提取出來[11]。CSI表征了信道中各個子載波的相位和幅度信息,相比于RSSI只停留在數(shù)據(jù)包層面上,CSI包含更細粒度的信息,能夠更全面反映環(huán)境中的多徑效應,因而在室內(nèi)定位方面具有很好的應用潛力。

文獻[12]對CSI應用于室內(nèi)定位進行了嘗試,文獻[13]將CSI信息用于人群計數(shù),另外將CSI和指紋系統(tǒng)相結合用于增強定位的還有文獻[14],上述工作各有特色。本文基于CSI的物理特性而設計了室內(nèi)無源被動式定位系統(tǒng),后繼內(nèi)容安排如下:第1節(jié)介紹無源被動定位以及CSI;第2節(jié)給出定位算法思路以及實驗方法;第3節(jié)是實驗結果;第4節(jié)是總結與下一步工作。

1 無源被動定位與信道狀態(tài)信息

1.1 無源被動定位

與射頻識別系統(tǒng)RFID、全球定位系統(tǒng)GPS、雷達定位系統(tǒng)、實時倉管定位系統(tǒng)RTLS[15]等不同,無源被動定位技術DfP(Device-free Passive localization)是指通過傳感節(jié)點的信號、信息交換來獲取傳感網(wǎng)絡覆蓋內(nèi)某些無法或不愿意主動與部分或全部傳感節(jié)點、網(wǎng)絡進行無線通信的物體空間位置信息,特別適合當室內(nèi)被定位目標處于非合作狀態(tài)時,如室內(nèi)入侵檢測、室內(nèi)人員位置信息隱蔽性收集等應用。

在如圖1給出的基于無線信號發(fā)送-接收的應用場景下,我們希望在接收端附近以半徑為r的覆蓋范圍內(nèi)都能較好的定位出無源人員位置,即全向性的無源被動定位系統(tǒng)。與以往常見的采用無線傳感器節(jié)點的方法不同,如基于接收信號強度RSSI的射頻層析成像RTI定位系統(tǒng)[16],本系統(tǒng)的應用無需部署大量的傳感器節(jié)點,僅需使用普通的商用無線局域網(wǎng)絡,因而附加成本較低,并且在半徑r內(nèi)定位精度較高。技術的實現(xiàn)主要基于以下兩點:①來自物理層更細粒度CSI信息的提取,相比以往基于RSSI值具有更好的定位穩(wěn)定性;②基于指紋系統(tǒng)比對,通過充分利用各向異性無線傳播環(huán)境,而不是以減少多徑干擾為目的。

圖1 無源被動定位模型

1.2 信道狀態(tài)信息

無線室內(nèi)定位的主要困難是豐富的多徑衰落以及時間動態(tài)特性,這也導致了傳統(tǒng)的RSSI定位無法在復雜的室內(nèi)環(huán)境中提供較好的魯棒性。

(1)

圖2 RSSI與CSI對比

在OFDM系統(tǒng)中,經(jīng)過多徑信道之后的接收信號可表示為:

Y=HX+N

(2)

式中:Y與X分別是接收端與發(fā)射端信號的向量,H與N分別是信道矩陣與加性高斯白噪聲。作為物理層表征發(fā)送端到接收端信道增益的信息,其中各個子載波的CSI可以估計為:

(3)

從式(3)中得到的CSI為頻域下的信道頻率響應CFR(Channel Frequency Response),可以表示為:

H(f)=[H(f1),…,H(fK)]

(4)

式中:H(fK)描述了子載波fK下的幅度與相位。將CFR進行傅里葉反變換后得到信道沖擊響應CIR(Channel Impulse Response):

h(τ)=IFFT(H(f))

(5)

信道沖擊響應反映了信道傳輸中多徑信道在接收端的情況,αk與τk分別表示第k個路徑的幅度與傳輸時延。設共有Lp個多徑信道數(shù),則CIR可以表示為:

(6)

2 特征提取與EMD

雖然CIR與CFR參數(shù)在描述的信道特性時是等價的,但是它們的幅度對鏈路近距離人員存在的敏感度是不同的。如圖3所示了同一組鏈路中目標在3個不同位置時分別測到的CIR與CFR曲線。在時域中,人員對鏈路的影響體現(xiàn)在多徑的路徑分量上(例如第5個時延上有較大差別),而在頻域中人員對鏈路的改變則由頻率分集的變化得到。相比CIR,CFR是在頻域中的不同的多徑分量交織在一起。盡管人員位置在鏈路中的遮擋只引起了小部分多徑路徑,但在頻域中CFR將會引起多個子載波較大的波動,因此CFR對人員存在與否更加敏感,從而更適合用來進行無源被動式定位應用。

圖3 CIR與CFR的幅度

圖4 兩組CFR幅度分布

圖4給出了兩組實驗下測到的各100個數(shù)據(jù)包的CFR分布情況(持續(xù)時間大約5 s),分別對應于接收端附近無人以及實驗人員站在接收端前大約1 m位置的情況。從圖4中可以看出,第10組～第20組子載波的幅度相比無人員的情況都有較大程度的衰減(最高達到7 dB),這表明使用CFR的特性進行定位是可行的,本文算法將利用這些信息來建立指紋庫從而進行人員的無源被動定位。

算法將CFR的幅度以直方圖的形式表示為h(H(fk)),則針對K(實驗中K為30)個子載波的CFR可以表示為式(7),其中每個h(H(fk))對應于一個預設時間窗口W:

h(H(f))=[h(H(f1)),…,h(H(fK))]

(7)

算法引入EMD(Earth Mover’s Distance)[17]來比較指紋庫的位置簽名直方圖間的距離。EMD主要用來度量兩個圖像、語音信號等數(shù)字化簽名集之間的分布差異,給定兩個分布P與Q,P為m個特征量Pi與其權重ωpi的集合,記為P={(P1,ωp1),(P2,ωp2),…,(Pm,ωpm)};同樣的,另一個有n個特征量Qi與其權重ωQi的分布Q:Q={(Q1,ωQ1),(Q2,ωQ2),…,(Qn,ωQn)}。在計算這兩個位置簽名的EMD之前,定義P,Q任意取一個特征量之間的距離dij,dij的大小表示了每個特征量與其他特征量之間的關聯(lián)度,在本例中距離dij設定為子載波i與j差值的絕對值且最大為4。EMD可以表達式(8)求解:

(8)

式中:并滿足4個條件:

(9)

對于本文中CFR如式(7)所示,每個直方圖對應于一個位置簽名,直方圖的每一根立柱(子載波編號)代表一個特征量,柱的高度值代表算法中的權重。在得到了兩組CFR直方圖后,實驗使用預先編譯好的C++代碼進行求解,具體實現(xiàn)方法見[17]。

接下來的工作是建立指紋庫,包括建立定位環(huán)境中目標位于各個位置li所對應的簽名si:{si,li}以及無人情況下的簽名s0。建立完成指紋庫后,當接收端接收到一個新的簽名s(在時間窗口W下),通過計算s與指紋庫里各個簽名之間的EMDd(snew,si)。當滿足式(10)時,系統(tǒng)則判定在EMD最小時所對應指紋的簽名位置處為目標檢測位置;當式(10)不滿足時,則判定為無人。

min(d(snew,si))

(10)

3 實驗結果

實驗采用TP-LINK型號為TL-WR842N的AP作為發(fā)送端,一臺聯(lián)想筆記本作為接收端。實驗環(huán)境如圖5和圖6所示,其中圖5為相對多徑效應明顯的場景,圖6為多徑效應相對較少的場景。

圖5 多徑效應嚴重的場景

圖6 多徑效應較少的場景

兩個環(huán)境中AP與筆記本均置于1m高處,每個環(huán)境中各選取兩條鏈路分別標記為鏈路1～鏈路4,每條鏈路的AP與接收端相距3.5m。建立指紋庫時,目標分別位于接收端8個方向各0.5m的距離(圖中黃色的點)以及各個方位更遠端的情況(如圖中綠色的點);另外,同時記錄無目標位于接收端附近時的指紋數(shù)據(jù)。要指出的是,本實驗主要研究接收端附近的目標定位,因此設定定位范圍r設為1m,更廣定位范圍分析及誤差討論在下文中給出。

在各鏈路中,首先安排1名實驗人員(175cm高,中等身材)靜止于圖中各個位置(無目標情況下所有人遠離鏈路3m以上)。AP向接收端在1min內(nèi)發(fā)送10 000個數(shù)據(jù)包,將收集得到的CFR取均值后得到指紋庫;然后分別安排3名實驗人員(A:160cm高,47kg重;B:170cm高,62kg重;C:185cm高,82kg重)站在各位置以同樣方法收集1min的CSI數(shù)據(jù)。為了驗證本系統(tǒng)的健壯性,在部分測試樣本中,同時安排3名人員在離開鏈路3m左右處隨機走動。

收集的原始數(shù)據(jù)通過式(1)處理得到樣本數(shù)據(jù),實驗中鏈路1、鏈路2中RSS約為47dB,波動范圍為6dB;鏈路3、鏈路4中RSS約為44dB,波動范圍為4dB。如圖7所示了對一組鏈路處理得到的CSI參數(shù),圖中給出了指紋庫中目標在若干個方位(未全部列出)的CSI曲線以及對待定位目標測試所得的CSI曲線,由此樣本計算得到min(d(snew,si))為46。當i取指紋庫中目標為左時,這個結果小于d(snew,s0)(d(snew,s0)為175)。因此系統(tǒng)將待定位目標判定為位于接收節(jié)點的左邊,和實際情況相符。

圖7 CSI樣本與指紋庫的比較

為檢驗準確性,實驗設定了兩個指標來衡量系統(tǒng)的性能,分別是:①誤報FP(FalsePositive):當沒有人員在接收端附近時誤判為有人;②漏報FN(FalseNegative):接收端附近有人但系統(tǒng)沒有被檢測出來。

如圖8所示了兩個實驗環(huán)境下共4組鏈路測得的平均FN與FP率。樣本為在各測試人員的樣本中隨機選取時間窗口為4s的數(shù)據(jù),進行200次比對并將結果取平均值,其中鏈路1、鏈路2在多徑效應嚴重的場景中測得,鏈路3、鏈路4在多徑效應較少的環(huán)境中測得,每個位置隨機選取了200個～300個樣本。結果顯示不同鏈路的FN值為13%左右,而FP大約在7%左右,實驗能夠較好檢測出人員的存在。同時我們發(fā)現(xiàn),得益于CSI細粒度地表現(xiàn)子載波的特性以及指紋庫的搭建,多徑效應對實驗結果影響并不大。事實上實驗的指紋庫比對正是利用了多徑效應引起的子載波衰落不同來檢測識別目標。

圖8 不同鏈路的FN/FP

如圖9給出上述實驗中區(qū)分檢測人員的FN與FP,鏈路為隨機選取并取均值。可以發(fā)現(xiàn),人員B的FN及FP均最低。事實上,人員B的身高及體型與錄入指紋庫的人員最為接近,從而對接收端形成了最為近似的多徑效應。從圖中我們發(fā)現(xiàn)人員A與人員C也得到了相對較低的FN與FP,這也證實了實驗可有效檢測人員位置。

圖9 不同檢測人員的平均FN/FP

為進一步研究探測精度,圖10列出了目標位于在有效測量半徑1m內(nèi)8個方位的平均檢測率以及平均準確率。樣本為在所有鏈路及人員的樣本中隨機選取窗口為4s的數(shù)據(jù)并對結果取平均值。實驗目的是考察系統(tǒng)雖然能檢測出目標,但是卻被判定為錯誤的位置。其中當目標完全遮擋住鏈路時,其視距路徑位置的角度記為0度,目標位置的探測結果以順時針順序列出。從圖中看出,目標探測率一般維持在90%附近,而方位檢測準確率一般維持在70%～80%之間,偏差率約為25%,統(tǒng)計計算得到相對誤差為0.196m。相比而言,目標位于鏈路之前和之后位置的系統(tǒng)出錯率要大一些,因為在這些位置目標對信號接收的干擾相對較小,但是CSI的物理層特性仍然使得出錯率維持在一個較低水平。

圖10 指紋庫定位性能

實驗還進一步測試了目標與接收端之間距離對檢測率的影響,如圖11所示。實驗選取了4個主要方向相距接收端3種距離位置的檢測準確率,鏈路同樣采取對多條鏈路及多人員樣本進行隨機采集并將結果取平均值。從圖中可以看出,隨著距離的增加,檢測準確率在不同位置均有降低,引起實驗偏差率的升高,例如在目標位于接收端1.2m時,偏差率達到40%。這表明當目標距離AP較遠時,對于鏈路的影響相對減少,使得探測能力不夠而引起誤差。目前我們的系統(tǒng)僅在目標位置離接收端較近(1m之內(nèi))時有較好的表現(xiàn),因此系統(tǒng)設定有效測量半徑為1m,如何能夠滿足更高精度要求下的更遠距離人員檢測是下一步的工作內(nèi)容。

圖11 不同距離下的指紋庫定位性能

為了檢驗時間窗口對實驗結果的影響,圖12所示了不同時間窗口(2s～10s)下各鏈路及人員的平均FN與FP率。隨著窗口時間增加,FN與FP都有明顯的降低并有趨于恒定。圖中在2s的時間窗口下,FN與FP的幾率都在15%以內(nèi),這表明了該系統(tǒng)也可以改進并運用于實時監(jiān)測,即當目標短暫停留在某個位置2s以上,系統(tǒng)就能較好的識別出目標位置。

圖12 不同時間窗口下的FN/FP

圖13給出了在2s～10s時間窗口下4個主要方向定位的檢測率與檢測準確率。各方向的檢測準確率隨著時間窗口的增加略微得到提高并趨于穩(wěn)定,偏差率約為22%。相對來說,0度位置(目標完全遮擋鏈路)的定位準確率是最高的,而180度位置(目標完全無遮擋鏈路)的定位準確率要低一些,這和圖10的結果相符合,即同樣類似地說明了雖然實驗天線并非完美的全向天線,但是由于得益于CSI物理層的細粒度特性,使得檢測仍然得到一個較好的結果。

圖13 不同時間窗口及方位下的定位性能

4 結論

本文展示了物理層參數(shù)即信道狀態(tài)信息CSI在無源被動定位方面的應用潛力。通過分析CSI相比RSSI更穩(wěn)定以及對接收端附近目標較敏感的特性后,定位算法通過物理層的CSI參數(shù)建立指紋庫進行無源被動式定位。實驗評估了室內(nèi)環(huán)境中多徑效應的影響,給出了全方向性無源被動式定位的可行性。實驗在不同室內(nèi)環(huán)境下的結果表明,室內(nèi)人員檢測在相對接收端8個方向的誤報率約為13%,漏報率約為7%;在有效檢測半徑1m的情況下,偏差率為25%,相對誤差為0.196m,在部署相對簡單的情況下較RSSI有更好的室內(nèi)定位精度。下一步工作將考慮多目標的檢測以及提高更遠檢測距離目標的準確率,另外也考慮室內(nèi)的實時檢測和監(jiān)控方案,實現(xiàn)跟蹤動態(tài)人員目標的位置與軌跡。

[1] 韓霜,羅海勇,陳穎,等. 基于TDOA的超聲波室內(nèi)定位系統(tǒng)的設計與實現(xiàn)[J]. 傳感技術學報,2010,23(3):347-353.

[2]Want R,Hopper A,Falcao V,et al. The Active Badge Location System[J]. ACM Transactions on Information Systems(TOIS),1992,10(1):91-102.

[3]Bargh M S,de Groote R. Indoor Localization Based on Response Rate of Bluetooth Inquiries[C]//Proceedings of the First ACM International Workshop on Mobile Entity Localization and Tracking in GPS-Less Environments. ACM,2008:49-54.

[4]郜麗鵬,朱梅冬,楊丹. 基于ZigBee的加權質(zhì)心定位算法的仿真與實現(xiàn)[J]. 傳感技術學報,2010,23(1):149-152.

[5]Bahl P,Padmanabhan V N. RADAR:An in-Building RF-Based User Location and Tracking System[C]//Nineteenth Annual Joint Conference of the IEEE Computer and Communications Societies. 2000,2:775-784.

[6]胡正群,張麗榮. 差分氣壓測高在室內(nèi)定位系統(tǒng)中應用的性能分析[J]. 傳感技術學報,2013,25(10):1463-1467.

[7]陳錫劍,程良倫. 基于RSSI的功率匹配定位算法的研究與實現(xiàn)[J]. 傳感技術學報,2013,26(5):709-714.

[8]Youssef M,Mah M,Agrawala A. Challenges:Device-Free Passive Localization for Wireless Environments[C]//Proceedings of the 13th Annual ACM International Conference on Mobile Computing and Networking. ACM,2007:222-229.

[9]Wilson J,Patwari N. See-Through Walls:Motion Tracking Using Variance-Based Radio Tomography Networks[J]. Mobile Computing,IEEE Transactions on,2011,10(5):612-621.

[10]Zhang D,Ma J,Chen Q,et al. An RF-Based System for Tracking Transceiver-Free Objects[C]//Fifth Annual IEEE International Conference on Pervasive Computing and Communications,2007:135-144.

[11]Halperin D,Hu W,Sheth A,et al. Predictable 802.11 Packet Delivery from Wireless Channel Measurements[J]. ACM Sigcomm Computer Communication Review,2011,41(4):159-170.

[12]Sen S,Radunovic B,Choudhury R R,et al. You are Facing the Mona Lisa:Spot Localization Using Phy Layer Information[C]//Proceedings of the 10th International Conference on Mobile Systems,Applications,and Services. ACM,2012:183-196.

[13]Xi W,Zhao J,Li X Y,et al. Electronic Frog Eye:Counting Crowd Using WiFi[C]//IEEE Infocom,2014.

[14]Wu K,Xiao J,Yi Y,et al. CSI-Based Indoor Localization[J]. Parallel and Distributed Systems,IEEE Transactions on,2013,24(7):1300-1309.

[15]Ma Xiangguo,Liu Tongjuan. The Application of Wi-Fi RTLS in Automatic Warehouse Management System[C]//IEEE International Conference on Automation and Logistics,2011:64-69.

[16]Agrawal P,Patwari N. Correlated Link Shadow Fading in Multi-hop Wireless Networks[J]. IEEE Transactions on Wireless Communica tions,2009,8(8):4024-4036.

[17]Rubner Y,Tomasi C,Guibas L J. The Earth Mover’s Distance as a Metric for Image Retrieval[J]. International Journal of Computer Vision,2000,40(2):99-121.

Device-Free Passive Localization Based on Channel State Information*

WUZhefu*,ZHOUYan

(Zhejiang University of Technology,College of Information Engineering,Hangzhou 310023,China)

Device-free Passive localization is a system envisioned to detect,track and identify entities that do not carry any device,nor participate actively in the localization process. Compare to traditional solutions based on the received signal strength,channel state information(CSI)has more advantage. On observing the stable characteristics of CSI while retaining sensitivity to nearby human locomotion,the method proposed to leverage the histogram feature of the subcarrier amplitudes as signatures for omnidirectional passive human detection. It also considered the multipath affection of indoor environment and utilized the fingerprint system to improve performance. Experimental results show that the localization method is reliable with an average false positive of 13% and false negative of 7% in detecting human position in 8 directions. In the case of effective detection radius of 1 m,the deviation is 25% and the relative error is 0.196 m.

passive localization,RSSI,channel state information,OFDM,physical layer

吳哲夫(1971-),男,副教授,主要研究方向是無線傳感器網(wǎng)絡、室內(nèi)定位算法和實現(xiàn)等,wzf@zjut.edu.cn;

周 言(1990-),男,碩士研究生,主要研究方向是無線網(wǎng)絡室內(nèi)定位技術。

項目來源:浙江省自然科學基金項目(LY13F010011,LQ13F050005,LY14F050004)

2014-08-31 修改日期:2015-01-29

C:6150P;7320C

10.3969/j.issn.1004-1699.2015.05.012

TN98

A

1004-1699(2015)05-0677-07