韓卓宜，王延昭，修春娣

(北京航空航天大學 電子信息工程學院，北京 100191)

0 引言

據(jù)統(tǒng)計，人們80%的日常生活時間在室內度過，因此，室內環(huán)境下的位置服務需求日漸旺盛[1]。隨著4G移動通信技術及服務蓬勃發(fā)展，LTE網(wǎng)絡被廣泛部署于居民區(qū)、大型商場和飛機場等場所。LTE室內定位系統(tǒng)可以利用現(xiàn)有LTE 通信網(wǎng)絡設施，降低系統(tǒng)部署開銷和成本，因而成為室內定位的研究熱點[2-6]。

由于指紋定位算法受室內環(huán)境非視距(Non-Line of Sight，NLOS)傳播影響相對較小、定位準確度高，目前被廣泛使用[7-11]。然而，現(xiàn)有的指紋定位方法普遍采用接收信號強度 (Received Signal Strength，RSS) 作為特征指紋。由于RSS數(shù)據(jù)是多徑信號的疊加，無法反映信號瞬時變化，靈敏度不高，指紋數(shù)據(jù)之間的區(qū)分度不夠，導致單點指紋匹配時可能會出現(xiàn)匹配點偏離實際情況過遠，從而限制了指紋匹配算法的定位精度[12]。本文研究基于信道狀態(tài)信息(Channel State Information，CSI)指紋序列匹配的LTE室內定位方法。一方面利用CSI數(shù)據(jù)作為指紋，提升了指紋數(shù)據(jù)的靈敏度和穩(wěn)定性；另一方面通過序列匹配算法降低了定位點出錯的概率，提升了LTE指紋定位性能。

1 LTE信道狀態(tài)信息獲取

LTE采用正交頻分復用(Orthogonal Frequency Division Multiplexing，OFDM)技術實現(xiàn)物理層的數(shù)據(jù)傳輸。隨著無線局域網(wǎng)技術的發(fā)展，IEEE802.11n及之后的標準采用信道狀態(tài)信息CSI來量化信道特征，以保證通信質量。CSI是物理層的一個細粒度值，描述了頻域內每個OFDM子載波上的幅值和相位。對CSI數(shù)據(jù)的采集可以一次性獲取所有子載波的CSI信息，每個子載波的CSI會沿著不同的衰落或散射路徑傳播，從而具有不同的幅值和相位。因此，CSI受多徑的影響較RSS更小，且表現(xiàn)更為穩(wěn)定[13]。RSS與CSI特性對比如表1所示。

表1 RSS與CSI特性對比Tab.1 Features of RSS and CSI

1.1 CSI模型

在 OFDM 傳輸系統(tǒng)中，每個信道狀態(tài)的頻域模型可以表示為：

Y=HX+N，

式中，Y，X分別為接收和發(fā)送信號向量；H為信道信息矩陣；N為信道中的加性高斯白噪聲。

各個子載波的CSI可以表示為：

H=Y/X。

假設OFDM的子載波數(shù)量為m，則CSI矩陣H可以表示為：

H=[h0h1…h(huán)m-1]T，

則第i個子載波的CSI為：

hi=|hi|ej∠hi，

式中，|hi|，∠hi分別表示第i個子載波的幅值和相位[14]。

對于LTE系統(tǒng)，可以利用小區(qū)專用參考信號(Cell-specific Reference Signals，CRSs)進行CSI估計。將接收設備逐次放置在參考點上，估算出相應的下行CSI。在第p個參考點，從第b個發(fā)射天線到第r個接收天線的第k個CRS的信道頻率響應為：

式中，Lp，b，r為多徑分量(Multipath Components，MPC)的數(shù)量；ap，b，r，l,τp，b，r，l分別為第l個MPC的增益和傳播延遲；ωc為載波頻率；Δf為相鄰CRSs之間的頻率間隔。不同參考點和收發(fā)天線的Lp，b，r，ap，b，r，l，τp，b，r，l可能不同，但為了方便描述，下文中省略了參數(shù)的下標p，b，r。

然而，實際接收信號中可能存在同步誤差、采樣時鐘漂移、頻率偏移、相位噪聲和接收噪聲等諸多問題[15]?？紤]到這些因素的影響，t時刻的hp，b，r，k估計值可以表示為：

nr，k(t)=

nr，k(t)，

式中，ωd為載波頻率偏移；φ(t)為隨時間變化的相位噪聲；δ(t)包含了時變同步誤差和采樣時鐘漂移；nr，k(t)為接收到的噪聲。

由上文給出的信道估計表達式發(fā)現(xiàn)，相位失真會造成信道估計不準，導致建立指紋數(shù)據(jù)集的CSI與在線定位時的CSI不匹配，造成定位出錯。避免相位失真的手段有2種，一是只利用CSI幅值信息作為指紋；二是對CSI相位信息進行補償。

1.2 CSI獲取

近年來，Intel和Atheros對幾款市場上常見的商用網(wǎng)卡驅動程序開源。CSI提取難度的降低和支持設備的增加，為其在室內定位等方向的研究和應用提供了基礎條件[16-18]。

本文利用配備了2個天線的LTE信號接收原型系統(tǒng)接收來自北京航空航天大學校園周邊中國聯(lián)通公共宏基站的LTE信號。原型系統(tǒng)的射頻部分在AD9361的評估板AD-FMCOMMS2上實現(xiàn)。射頻芯片AD9361的載波頻率70 MHz～6 GHz可調。在Xilinx全可編程SOC芯片Zynq-7020的評價板ZedBoard上實現(xiàn)基帶處理。Zynq-7020是一款基于Arm+FPGA平臺的開發(fā)板，支持Python編程，可以在芯片上實現(xiàn)基帶處理算法。為了降低實時處理的復雜度，在每個子幀中只對信道進行一次估計，因為室內用戶在一個子幀中(1 ms)的移動可以忽略不計。

2 基于CSI指紋的序列匹配算法

現(xiàn)有的指紋匹配算法，如NN，KNN及貝葉斯分類等，都是依據(jù)單個數(shù)據(jù)點的指紋特征進行匹配定位。然而，用戶運動具有連續(xù)性，可以為目標位置的估計提供額外的信息，序列匹配算法可以結合運動前后位置的相關性，對定位結果進行修正，提高定位精度[19]。

本文研究基于CSI指紋的序列匹配算法。總體方案如圖1所示。離線階段包括CSI數(shù)據(jù)獲取、CSI原始數(shù)據(jù)處理、提取特征數(shù)據(jù)和CSI指紋庫構建；在線階段包括CSI實時數(shù)據(jù)采集和序列匹配定位。

圖1 算法總體方案Fig.1 Algorithm implementation scheme

2.1 指紋序列庫構建

首先由指紋點之間的位置關系構建相鄰矩陣M，若指紋點之間的空間距離小于1個間隔，則判斷2個指紋點具有臨近關系。計算任意指紋點之間的距離，完善相鄰矩陣M。

假設序列長度為L，通過相鄰矩陣M，構建指紋序列庫，具體方法如下：設序列起點為y0，根據(jù)相鄰矩陣M，y0可以和它的相鄰點形成一個長度為2的序列u，u=[y0，yi]，其中yi為與y0相鄰的第i個指紋點。然后以yi為新的起始點，繼續(xù)擴充序列，直至序列達到指定長度L。重復該方法，得到序列長度L情況下的所有序列，結合對應指紋點的CSI信息，構建指紋序列庫UL。

2.2 序列匹配

序列匹配算法如圖2所示。在t1時刻，測試數(shù)據(jù)為x1，算法執(zhí)行的是傳統(tǒng)的單點指紋匹配，通過K-近鄰算法得到的定位結果y1，1，作為初始定位結果輸出O1。t2時刻，新的輸入數(shù)據(jù)為x2，并與前一時刻的數(shù)據(jù)x1組成測試序列b2=[x1，x2]，進行序列匹配，提取L=2時的序列庫U2，通過距離公式計算b2與u之間的距離：

圖2 序列匹配算法Fig.2 Sequence matching algorithm

(5)

計算得到歐式距離最小情況下的序列匹配結果ui=[yi，1，yi，2]，通過yi，1對前一時刻的定位結果y1，1進行修正，并將yi，2作為t2時刻的定位結果輸出O2。

tn時刻輸入數(shù)據(jù)為xn，tn-1時刻的測試序列為bt-1=[x1，x2，…，xn-1]，將xn加入序列末尾，此時若序列超過規(guī)定長度L則剔除首項，生成新的測試序列。提取序列長度為L時的序列庫UL，進行序列匹配，并將序列匹配結果的尾項yi，L作為tn時刻的輸出On。

3 實驗與分析

3.1 實驗環(huán)境

在真實環(huán)境中進行數(shù)據(jù)采集，以驗證本文所提算法的定位性能。實驗環(huán)境為北京航空航天大學新主樓F座的室內走廊，選取了一個1 m×0.6 m的區(qū)域，并用77個均勻分布的參考點布滿實驗區(qū)域，垂直間距為0.1 m，水平間距為0.1 m。

3.2 定位結果分析

實驗采用定位準確率來衡量定位結果，NN算法測試了500組數(shù)據(jù)；序列長度L=2測試了500組數(shù)據(jù)；L=3測試了500組數(shù)據(jù)；L=4測試了300組數(shù)據(jù)。由于實驗中參考點和測試點是相同的，所以KNN算法在k=1情況下的準確率遠大于其他取值，所以只列出NN定位結果。此外，算法比較了不同序列長度L的序列匹配定位結果，具體結果如表2所示。

表2 定位結果比較Tab.2 Positioning results of different methods

由實驗結果可見，序列匹配算法相對于NN在準確度方面有明顯提升。當L=3時，序列匹配已經(jīng)得到了很好的定位性能；當L<3時，序列匹配算法的序列選擇范圍增大，點與點之間的約束增加，從而降低了定位誤差；當L>3時，算法定位準確度已經(jīng)趨于穩(wěn)定，反而因為序列選擇過多，增加了計算時間。

4 結束語

通過在LTE室內定位中引入CSI指紋和序列匹配算法，提升了指紋數(shù)據(jù)的靈敏度和穩(wěn)定性，降低了定位出錯概率，從而提升了LTE的定位性能。由于序列匹配相對還是一個比較新的概念，國內外對于序列匹配的研究還不是很多[20-23]。現(xiàn)有的序列匹配算法都不夠完整，序列長度等關鍵參數(shù)的選取都缺乏依據(jù)，且定位耗時長。未來的研究工作可以從兩方面展開：特征指紋考慮CSI相位信息對定位準確率的影響；從序列庫建立的角度入手，降低序列庫的規(guī)模和算法的定位耗時。