基于CSI和K-means-SVR的多指纹库室内定位方法

doi:10.11772/j.issn.1001-9081.2022081162

《计算机应用》唯一官方网站 ›› 2023, Vol. 43 ›› Issue (5): 1636-1640.DOI: 10.11772/j.issn.1001-9081.2022081162

基于CSI和K-means-SVR的多指纹库室内定位方法

王逸¹, 裴生雷¹^,²(), 王煜³

^1.青海民族大学物理与电子信息工程学院, 西宁 810007
^2.人工智能应用技术国家民委重点实验室(青海民族大学), 西宁 810007
^3.天津大学智能与计算学部, 天津 300350

收稿日期:2022-08-29 修回日期:2023-03-01 接受日期:2023-03-03 发布日期:2023-05-08 出版日期:2023-05-10
通讯作者: 裴生雷
作者简介:王逸（1999—），男，陕西延安人，硕士研究生，主要研究方向：机器学习
裴生雷（1980—），男，山东潍坊人，教授，博士，主要研究方向：机器学习、数据挖掘、智能决策系统 peishenglei@126.com
王煜（1991—），男，天津人，助理研究员，博士，CCF会员，主要研究方向：复杂场景多粒度建模、动态开放环境机器学习。
基金资助:
青海省应用基础研究计划项目(2019?ZJ?7017);天津大学-青海民族大学自主创新基金资助项目(2021?TQ?07)

Indoor positioning method of multi-fingerprint database based on channel state information and K-means-SVR

Yi WANG¹, Shenglei PEI¹^,²(), Yu WANG³

^1.School of Physics and Electronics Information Engineering，Qinghai Minzu University，Xining Qinghai 810007，China
^2.Key Laboratory of Artificial Intelligence Application Technology，National Ethnic Affairs Commission （Qinghai Minzu University），Xining Qinghai 810007，China
^3.College of Intelligence and Computing，Tianjin University，Tianjin 300350，China

Received:2022-08-29 Revised:2023-03-01 Accepted:2023-03-03 Online:2023-05-08 Published:2023-05-10
Contact: Shenglei PEI
About author:WANG Yi， born in 1999， M. S. candidate. His research interests include machine learning.
PEI Shenglei， born in 1980， Ph. D.， professor. His research interests include machine learning， data mining， intelligent decision system.
WANG Yu，born in 1991， Ph. D.， research assistant. His research interests include multi-granularity modeling in complex scene， machine learning in dynamic open environment.
Supported by:
Applied Basic Research Program of Qinghai(2019-ZJ-7017);Tianjin University-Qinghai Minzu University Independent Innovation Fund Project(2021-TQ-07)

摘要/Abstract

摘要：

传统的Wi-Fi室内定位方法需要与所有指纹数据库中的指纹数据进行匹配后才能定位，导致人群聚集区域定位效率不高，体验较差。提出一种基于信道状态信息（CSI）、K均值（K-means）聚类算法与支持向量回归（SVR）算法相结合的多指纹库室内定位方法。该方法首先根据CSI的簇分布特点，利用K-means算法对所有定位点内的CSI数据聚类后得到多个簇的CSI数据；然后，基于多个簇分别建立多个指纹库，并将CSI数据分别存入多个指纹库，进而在每个指纹库中分别训练SVR模型用于Wi-Fi定位。相较于传统的支持向量机（SVM）定位方法，所提方法在离线阶段需要的训练样本更少，定位效率更高；在线阶段，该方法既降低了匹配的复杂度，也提高了定位的精度。由于使用了多指纹库，Wi-Fi定位系统可以根据人流量实时调整资源分配策略，提高服务器运行效率和定位服务体验。

关键词: 位置服务, 室内定位, K均值聚类算法, 支持向量回归, 多指纹库, 信道状态信息

Abstract:

The traditional Wi-Fi indoor positioning methods need to match all fingerprint data in the fingerprint database before positioning， resulting in low positioning efficiency and poor experience in the crowd gathering area. Therefore， a multi-fingerprint database indoor positioning method based on Channel State Information （CSI）， K-means clustering algorithm and Support Vector Regression （SVR） algorithm was proposed. Firstly， according to the cluster distribution characteristics of CSI， K-means algorithm was used to cluster the CSI data in all positioning points to obtain the CSI data of multiple clusters. Then， multiple fingerprint databases were established based on multiple clusters， and the CSI data was stored in multiple fingerprint databases. After that， SVR models were trained in each fingerprint database for Wi-Fi positioning. Compared with the traditional Support Vector Machine （SVM） positioning method， the proposed method needs less training samples in the off-line stage， which improves the positioning efficiency； in the online stage， this method not only reduces the matching complexity， but also improves the positioning accuracy. Due to the use of multi-fingerprint database， the Wi-Fi positioning system can adjust the resource allocation strategy in real time according to the traffic， so as to improve the server operation efficiency and positioning service experience.

Key words: location service, indoor positioning, K-means clustering algorithm, Support Vector Regression (SVR), multi-fingerprint database, Channel State Information (CSI)

中图分类号:

TP391

王逸, 裴生雷, 王煜. 基于CSI和K-means-SVR的多指纹库室内定位方法[J]. 计算机应用, 2023, 43(5): 1636-1640.

Yi WANG, Shenglei PEI, Yu WANG. Indoor positioning method of multi-fingerprint database based on channel state information and K-means-SVR[J]. Journal of Computer Applications, 2023, 43(5): 1636-1640.

图/表 6

图1 定位流程

Fig.1 Flow of positioning

图2 靠近和远离AP的CSI信号

Fig. 2 CSI signals close to AP and away from AP

图3 实验环境的布局平面以及采集设备

Fig. 3 Layout plan and acquisition equipment of experimental environment

图4 不同样本数量的CDF图

Fig. 4 CDF diagram of different sample numbers

图5 定位算法误差比较

Fig. 5 Error comparison of positioning algorithms

表1 样本数量为700时不同定位算法的性能对比

Tab. 1 Performance comparison of different positioning algorithms when sample unmber is 700

定位算法	定位误差累计概率分布/%		平均定位误差/m
定位算法	定位误差［0，0.6］ m	定位误差［0，1.2］ m	平均定位误差/m
K-means-SVR	35	70	0.95
SVR	17	33	1.56
SVC	14	19	2.41
KNN	8	17	2.43
DFPhaseFL	22	51	1.18

参考文献 20

1	黄宇，李雨汝. WiFi6技术现状综述［J］. 中国无线电， 2021（5）： 90-91.
	HUANG Y， LI Y R. Overview of WiFi6 technology［J］. China Radio， 2021（5）： 90-91.
2	刘艳亮，张海平，徐彦田，等. 全球卫星导航系统的现状与进展［J］. 导航定位学报， 2019， 7（1）：18-21， 27.
	LIU Y L， ZHANG H P， XU Y T， et al. Development status and trend of global navigation satellite system［J］. Journal of Navigation and Positioning， 2019， 7（1）： 18-21， 27.
3	FISHLER E， GROSMANN M， MESSER H. Detection of signals by information theoretic criteria： general asymptotic performance analysis［J］. IEEE Transactions on Signal Processing， 2002， 50（5）： 1027-1036. 10.1109/78.995060
4	YIN Y F， WANG Q Y， ZHANG H J， et al. A novel distributed sensor fusion algorithm for RSSI-based location estimation using the unscented Kalman filter［J］. Wireless Personal Communications， 2021， 117（2）： 607-621. 10.1007/s11277-020-07888-w
5	FARIZ N， JAMIL N， DIN M M. An improved indoor location technique using Kalman filtering on RSSI［J］. Advanced Science Letters， 2018， 24（3）： 1591-1598. 10.1166/asl.2018.11116
6	YIU S， DASHTI M， CLAUSSEN H， et al. Wireless RSSI fingerprinting localization［J］. Signal Processing， 2017， 131： 235-244. 10.1016/j.sigpro.2016.07.005
7	BASRI C， KHADIMI A EL. Survey on indoor localization system and recent advances of WIFI fingerprinting technique［C］// Proceedings of the 5th International Conference on Multimedia Computing and Systems. Piscataway： IEEE， 2016： 253-259. 10.1109/icmcs.2016.7905633
8	MA Y S， ZHOU G， WANG S Q. WiFi sensing with channel state information： a survey［J］. ACM Computing Surveys， 2020， 52（3）： No.46. 10.1145/3310194
9	LU B X， ZENG Z C， WANG L， et al. Confining Wi-Fi coverage： a crowdsourced method using physical layer information［C］// Proceedings of the 13th Annual IEEE International Conference on Sensing， Communication， and Networking. Piscataway： IEEE， 2016： 342-350. 10.1109/sahcn.2016.7732975
10	SHI S Y， SIGG S， CHEN L， et al. Accurate location tracking from CSI-based passive device-free probabilistic fingerprinting［J］. IEEE Transactions on Vehicular Technology， 2018， 67（6）： 5217-5230. 10.1109/tvt.2018.2810307
11	WANG J J， PARK J. An enhanced indoor positioning algorithm based on fingerprint using fine-grained CSI and RSSI measurements of IEEE 802.11n WLAN［J］. Sensors， 2021， 21（8）： No.2769. 10.3390/s21082769
12	孟俊剑，邹进贵，赵胤植. 基于PCA-SMO的CSI指纹定位方法［J］. 全球定位系统， 2021， 46（1）：13-19. 10.12265/j.gnss.2020111301
	MENG J J， ZOU J G， ZHAO Y Z. Fingerprint positioning method of CSI based on PCA-SMO［J］. GNSS World of China， 2021， 46（1）： 13-19. 10.12265/j.gnss.2020111301
13	DAI P， YANG Y， WANG M Y， et al. Combination of DNN and improved KNN for indoor location fingerprinting［J］. Wireless Communications and Mobile Computing， 2019， 2019： No.4283857. 10.1155/2019/4283857
14	田广东，杨品章，王珊，等. 基于Kmeans聚类的CSI室内定位［J］. 电子技术应用， 2016， 42（12）：62-64， 68. 10.16157/j.issn.0258-7998.2016.12.016
	TIAN G D， YANG P Z， WANG S， et al. CSI indoor positioning based on Kmeans clustering［J］. Application of Electronic Technique， 2016， 42（12）： 62-64， 68. 10.16157/j.issn.0258-7998.2016.12.016
15	党小超，汝春瑞，郝占军. 基于CSI与SVM回归的室内定位方法［J］. 计算机工程与科学， 2021， 43（5）：853-861. 10.3969/j.issn.1007-130X.2021.05.012
	DANG X C， RU C R， HAO Z J. An indoor positioning method based on CSI and SVM regression［J］. Computer Engineering and Science， 2021， 43（5）： 853-861. 10.3969/j.issn.1007-130X.2021.05.012
16	LIU W， CHENG Q Q， DENG Z L， et al. Survey on CSI-based indoor positioning systems and recent advances［C］// Proceedings of the 2019 International Conference on Indoor Positioning and Indoor Navigation. Piscataway： IEEE， 2019： 1-8. 10.1109/ipin.2019.8911774
17	RAO X P， LI Z， YANG Y B， et al. DFPhaseFL： a robust device-free passive fingerprinting wireless localization system using CSI phase information［J］. Neural Computing and Applications， 2020， 32（18）： 14909-14927. 10.1007/s00521-020-04847-1
18	GRINGOLI F， SCHULZ M， LINK J， et al. Free your CSI： a channel state information extraction platform for modern Wi-Fi chipsets［C］// Proceedings of the 13th International Workshop on Wireless Network Testbeds， Experimental Evaluation and Characterization. New York： ACM， 2019： 21-28. 10.1145/3349623.3355477
19	SEN S， CHOUDHURY R R， RADUNOVIC B， et al. Precise indoor localization using PHY layer information［C］// Proceedings of the 10th ACM Workshop on Hot Topics in Networks. New York： ACM， 2011： No.18. 10.1145/2070562.2070580
20	杨爽. 基于CSI指纹的室内WiFi定位算法研究［D］. 成都：电子科技大学， 2018：14-49.
	YANG S. Research on indoor WiFi localization algorithm with CSI fingerprint［D］. Chengdu： University of Electronic Science and Technology of China， 2018：14-49.

[1]	任帅, 纪元法, 孙希延, 韦照川, 林子安. 基于改进灰狼优化与支持向量回归的滑坡位移预测[J]. 《计算机应用》唯一官方网站, 2024, 44(3): 972-982.
[2]	杨成昊, 胡节, 王红军, 彭博. 基于注意力机制的不完备多视图聚类算法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3784-3789.
[3]	李雯萱, 吴昊, 李昌松. 基于语义的位置隐私保护综述[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3472-3483.
[4]	申炳琦, 张志明, 舒少龙. 移动机器人超宽带与视觉惯性里程计组合的室内定位算法[J]. 《计算机应用》唯一官方网站, 2022, 42(12): 3924-3930.
[5]	王令照, 仇润鹤. 基于非线性能量收集的全双工认知中继网络的联合优化方法[J]. 《计算机应用》唯一官方网站, 2022, 42(10): 3130-3139.
[6]	刘紫燕, 马珊珊, 白鹤. 基于改进智能水滴的正交匹配追踪混合预编码算法[J]. 计算机应用, 2021, 41(5): 1419-1424.
[7]	栾佳宁, 张伟, 孙伟, 张奥, 韩冬. 基于二维码视觉与激光雷达融合的高精度定位算法[J]. 计算机应用, 2021, 41(5): 1484-1491.
[8]	任晓奎, 刘鹏飞, 陶志勇, 刘影, 白立春. 基于单快拍信号到达角估计算法的室内入侵检测[J]. 计算机应用, 2021, 41(4): 1153-1159.
[9]	张健铭, 施元昊, 徐正蓺, 魏建明. 基于误差预测的自适应UWB/PDR融合定位算法[J]. 计算机应用, 2020, 40(6): 1755-1762.
[10]	张榜, 朱金鑫, 徐正蓺, 刘盼, 魏建明. 基于贝叶斯网络的楼层定位算法[J]. 计算机应用, 2019, 39(8): 2468-2474.
[11]	刘立双, 魏忠诚, 张春华, 王巍, 赵继军. 基于WiFi信道状态信息的人员活动持续时间估计[J]. 计算机应用, 2019, 39(7): 2056-2060.
[12]	黄濛濛, 刘军, 张逸凡, 谷雨, 任福继. 基于无线信道状态信息的跌倒无源监测方法[J]. 计算机应用, 2019, 39(5): 1528-1533.
[13]	周非, 夏鹏程. 基于主成分分析和卡方距离的信号强度差指纹定位算法[J]. 计算机应用, 2019, 39(5): 1405-1410.
[14]	丁成, 王秋萍, 王晓峰. 基于广义反向学习的磷虾群算法及其在数据聚类中的应用[J]. 计算机应用, 2019, 39(2): 336-342.
[15]	叶双, 杨晓敏, 严斌宇. 基于自适应锚定邻域回归的图像超分辨率算法[J]. 计算机应用, 2019, 39(10): 3040-3045.

基于CSI和K-means-SVR的多指纹库室内定位方法

Indoor positioning method of multi-fingerprint database based on channel state information and K-means-SVR

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 20

相关文章 15

编辑推荐

Metrics