一种特征补偿与被动定位方法及系统

本发明涉及无线感知技术下的室内wifi被动定位领域，具体涉及一种特征补偿与被动定位方法及系统。

背景技术：

1、近年来，室内跟踪和定位在近年来引起了研究者广泛的兴趣。现有的跟踪方法通常可以分为两类，即主动跟踪和被动跟踪。主动跟踪方法主要依赖接收信号强度指示，虽然使用广泛但难以实现高精度，而利用信道状态信息的方法能够提供更准确的跟踪。被动跟踪方法不需要用户携带设备，具有优势，但通常需要持续的链路通信，限制了其应用。

2、由于普通移动设备(如手机、平板电脑和笔记本电脑)可以方便地作为wifi接收机，从而提供接收信号强度指示(received signal strength indicator,rssi)，rssi已经成为了广泛用于跟踪的特征。例如公布号为cn114757237b的现有发明专利申请文献《一种基于wifi信号的速度无关步态识别方法》，该现有方法包括：提取人员行走过程中随时间变化的wifi的csi幅值；对csi幅值进行预处理；判断是否有人在环境中行走，并提取步行活动片段；将步行活动片段转换成大小相同的时频图；搭建基于dann的速度无关步态识别模型，该模型包括特征提取器、身份识别器与速度识别器，特征提取器用于在输入的时频图中提取潜在的特征，身份识别器用于利用特征提取器提取的特征预测被测目标的身份，速度识别器用于利用特征提取器提取的特征预测被测目标的速度；训练速度无关步态识别模型并输出被测目标的身份。以及公布号为cn117197888a的现有发明专利申请文献《基于imuwifi的热部署跨模式步态识别系统及方法》，该现有方法包括：步态特征提取单元，能根据从惯性测量单元获取的原始imu数据结合扩展卡尔曼滤波进行姿态计算求解得出补偿漂移误差的姿态，进行减少踝部imu漂移和抑制腰部imu漂移的处理分别得出足迹和躯干速度曲线，从足迹和躯干速度曲线中提取基于imu的步态特征向量并保存到特征数据库中；步态识别单元，能接收wifi信号的csi数据并通过自适应pca方法消除csi数据的高频噪声，用csi数据生成频谱图并从中提取基于wifi的步态特征向量，通过预先训练好的分类神经网络模型将基于wifi的步态特征向量与基于imu的步态特征向量比较，根据比较结果识别步行者的身份。然而，多径效应和设备之间的不同步使得高精度的rssi跟踪难以实现。由于csi通过多天线和多载波提供了更多的信息，因此现在可以利用csi实现比较精确的主动定位和跟踪。已有研究利用多输入多输出技术构建天线阵列，以分析信号的到达角并实现移动设备跟踪。受到rssi室内定位的启发，一些研究表明，csi指纹可以消除多路径效应的影响。通过研发自动更新csi指纹数据库的方案，可以提高定位的效率而无需现场采集指纹。尽管主动定位技术在室内跟踪方面取得了进展，但它们都需要用户携带电子设备才能工作，这无疑会降低用户使用的意愿。

3、与主动跟踪相比，被动跟踪具有显著的优势，因为它在不需要用户携带任何设备的情况下提取和分析信号的特征。2017年提出的widar系统首次通过多个wifi链路的路径长度变化率来推断用户的速度。分别在2018年和2019年提出的widar2.0和md-track进一步结合了到达角、飞行时间和多普勒频移来实现单链路跟踪。另外，还有工作实现了消除用户跨越wifi链路时跟踪限制的方法，并通过智能麦克风进行跟踪和步态识别。2024年新提出的nne-tracking发明了一种无线感知架构，可以通过生成大规模数据集来训练该系统，同时利用数学模型监督训练过程，从而有效地对抗环境噪声。尽管视距下的无线定位已经有了显著的改进，但上述基于理想场景的模型在应对环境中大量遮挡时往往表现不佳。为了突破障碍的限制，研究者也开始寻找追踪非视距路径下定位的方法。2022年提出的nloc对被阻挡的反射和虚拟直达信号进行了建模，以实现非视距下的定位。2024年提出的hypertracking开发了一种非视距跟踪方法，该方法结合了空间模型特征和神经网络，以消除障碍物对定位的干扰。

4、随着物联网技术的发展，日常环境中通常存在许多智能设备。多个收发器链路允许获取丰富的用户运动信息，但每个链路中的通信并不是持续存在的。上述被动跟踪系统无法跟踪缺失链路信息的用户，而且它们都需要持续的链路信息。通信占空比(communication duty cycles,cdc)用于度量无线信号特征缺失的程度，它指可用于感知的有效通信数据包的比例。现有工作均是基于cdc为100％的前提进行的。

5、综上，现有技术存在未充分利用wifi链路之间信号的相关性、真实应用场景下发生无线信号特征缺失，导致非持续通信情景下的wifi被动定位操作精确度较低的技术问题。

技术实现思路

1、本发明所要解决的技术问题在于：如何解决现有技术中未充分利用wifi链路之间信号的相关性、真实应用场景下发生无线信号特征缺失，导致非持续通信情景下的wifi被动定位操作精确度较低的技术问题。

2、本发明是采用以下技术方案解决上述技术问题的：一种特征补偿与被动定位方法包括：

3、s1、进行信号特征处理操作，通过分析信道状态信息，提取wifi信号特征，以处理得到plcr矩阵；采集并提取csi数据中的反射路径变化率plcr，据以处理得到dfs数据，根据plcr矩阵导出基于观测值的矩阵p1以及基于可靠性的矩阵r，为第一类型预测、第二类型预测以及第三类型预测分配权重，供结合预测操作；

4、s2、为跟踪阶段的plcr预测进行准备操作，求取第一类型预测、第二类型预测以及第三类型预测，利用权重结合获取最终plcr预测，利用最终plcr预测处理得到适用plcr预测值及用户轨迹；

5、s3、确定用户的速度，并预测下一时刻的无线信号特征，设计并利用神经网络，根据反射路径变化率plcr映射用户轨迹，通过执行跟踪操作、预测操作、算法调整操作以及局部轨迹预测调优操作，得到完整轨迹。

6、本发明利用wifi多链路通信，实现在无线信号特征严重缺失的情况下室内环境中，对人体实现准确的被动跟踪。本发明的目标是通过挖掘和利用多个wifi链路之间信号的相关性，补偿真实应用场景下缺失的无线信号特征，从而在非持续通信情景下实现精确的wifi被动定位功能。

7、在更具体的技术方案中，s1包括：

8、s11、获取csi数据，通过执行短时傅立叶变换stft，从csi数据的原始csi读数中提取反射路径变化率plcr，其中，csi关于频率f和时间t的函数可以表示为下式：

9、

10、式中，hs(f,t)表示静态csi分量，l(t)是动态csi分量hd(f,t)所对应的路径长度，λ为波长，a(f,t)为信号幅度，为e-j2πl(t)/λ为相位；

11、s12、根据多普勒效应推得下式：

12、

13、式中，fd表示dfs数据，r表示反射路径变化率plcr，l(t)是在时间t的动态路径长度；

14、s13、检查plcr矩阵中的每个元素，在检查到缺失值时，从该缺失值的位置向上扫描，直至遇到同一链路中的最近观察真实值，将最近观察真实值填充至预置观测矩阵，以得到基于观测值的矩阵p1；

15、s14、在基于可靠性的矩阵r中，当在特定位置可以观测到实际的反射路径变化率plcr时，分配给第一类型预测的权重为1；在信号特征持续丢失时，降低第一类型预测的权重；在一个链路经历持续的特征缺失时，采用二次函数减小第一类型预测的权重，为第二类型预测、第三类型预测分配权重。

16、在更具体的技术方案中，s14中，利用下述逻辑，减小第一类型预测的权重：

17、

18、在更具体的技术方案中，s2包括：

19、s21、计算基于观测数据的预测，以作为第一类型预测，将基于观测值的矩阵p1中第n个链路的第t个元素表示为p1(t,n)，得到基于观测数据的预测：

20、

21、式中，t′是使得p(t′,n)≠0且1≤t’<t的最小时间索引。

22、s22、计算基于比例关系的预测，以作为第二类型预测，求取并利用非缺失值，计算基于比例关系的预测，在t＝t2处的所有反射路径变化率plcr均缺失，跳转使用数学模型的预测；

23、s23、计算基于数学模型的预测，以作为第三类型预测，通过数学建模得出的基于数学模型的plcr预测矩阵p3，据以反向推导得到前t个时间槽的反射路径变化率plcr；

24、s24、对第一类型预测、第二类型预测以及第三类型预测进行加权操作，以得到最终plcr预测，更新plcr预测矩阵的元素；

25、s25、利用最终plcr预测填补缺失特征，获得用户轨迹。

26、本发明拓展了传统被动定位系统的应用场景，放宽了传统感知技术对长时间持续通信的不切实际的要求，进一步实现了基于wifi的无线感知系统在实际应用中的通信和感知一体化。

27、在更具体的技术方案中，s22中，利用下述逻辑，求取基于比例关系的预测：

28、

29、在更具体的技术方案中，s23包括：

30、s231、对预置链路，设发射机位置为：lt＝(xt,yt)；设接收机位置为：lr＝(xr,yr)，当前人的位置为：lh＝(xh,yh)，人的速度为：v＝(vx,vy)t；

31、s232、利用下述逻辑，求取基于数学模型的plcr预测矩阵：

32、p3(t,n)＝a×v＝axvx+ayvy.

33、s233、在预置时间槽时，所有链路的plcr数据丢失时，基于已知位置序列进行plcr预测。

34、在更具体的技术方案中，基于数学模型的plcr预测矩阵满足：

35、

36、在更具体的技术方案中，s24中，利用下述逻辑，更新plcr预测矩阵p的每个元素：

37、

38、式中，w表示基于观测值的预测的权重。

39、本发明提出三种有效补偿被动跟踪场景中缺失的wifi特征的机制。通过将这三种信号特征预测方法相结合，本发明提出了一种称为同时跟踪和预测的算法。该算法在存在严重的wifi特征缺失的情况下实现了准确的被动跟踪。

40、在更具体的技术方案中，s3包括：

41、s31、在跟踪过程中，通过局部的用户轨迹，反向预测反射路径变化率plcr；

42、s32、通过连续迭代执行跟踪操作、预测操作，补偿缺失plcr特征；

43、s33、持续执行算法调整操作、局部轨迹预测调优操作，处理得到完整轨迹。

44、在更具体的技术方案中，一种特征补偿与被动定位系统包括：

45、信号特征处理模块，用以进行信号特征处理操作，通过分析信道状态信息，提取wifi信号特征，以处理得到plcr矩阵；采集并提取csi数据中的反射路径变化率plcr，据以处理得到dfs数据，根据plcr矩阵导出基于观测值的矩阵p1以及基于可靠性的矩阵r，为第一类型预测、第二类型预测以及第三类型预测分配权重，供结合预测操作；

46、预测结合模块，用以为跟踪阶段的plcr预测进行准备操作，求取第一类型预测、第二类型预测以及第三类型预测，利用权重结合获取最终plcr预测，利用最终plcr预测处理得到适用plcr预测值及用户轨迹，预测结合模块与信号特征处理模块连接；

47、无线信号特征预测模块，用以确定用户的速度，并预测下一时刻的无线信号特征，设计并利用神经网络，根据反射路径变化率plcr映射用户轨迹，通过执行跟踪操作、预测操作、算法调整操作以及局部轨迹预测调优操作，得到完整轨迹，无线信号特征预测模块与预测结合模块连接。

48、本发明相比现有技术具有以下优点：

49、本发明利用wifi多链路通信，实现在无线信号特征严重缺失的情况下室内环境中，对人体实现准确的被动跟踪。本发明的目标是通过挖掘和利用多个wifi链路之间信号的相关性，补偿真实应用场景下缺失的无线信号特征，从而在非持续通信情景下实现精确的wifi被动定位功能。

50、本发明拓展了传统被动定位系统的应用场景，放宽了传统感知技术对长时间持续通信的不切实际的要求，进一步实现了基于wifi的无线感知系统在实际应用中的通信和感知一体化。

51、本发明提出三种有效补偿被动跟踪场景中缺失的wifi特征的机制。通过将这三种信号特征预测方法相结合，本发明提出了一种称为同时跟踪和预测的算法。该算法在存在严重的wifi特征缺失的情况下实现了准确的被动跟踪。

52、本发明解决了现有技术中存在的未充分利用wifi链路之间信号的相关性、真实应用场景下发生无线信号特征缺失，导致非持续通信情景下的wifi被动定位操作精确度较低的技术问题。