基于CSI的单AP港口人员指纹定位方法

摘要

港口是我国重要的物流和交通枢纽，高精度的港口人员定位系统在安全生产和管理过程中发挥着重要作用。该文将径向基函数（RBF）和极限学习机（ELM）结合，提出了一种基于信道状态信息（CSI）的RBF-ELM港口人员定位方法，实现单个接入点（AP）进行人员定位。在离线训练阶段，首先将定位区域网格化，并测量各网格位置的CSI数据；将幅值差和线性重构的相位信息融合构造位置指纹，并使用主成分分析（PCA）进行降维处理。最后，将模拟退火（SA）嵌入量子粒子群优化（QPSO）算法中，提高全局搜索能力，寻找模型最优参数，进而提升定位模型的精度和泛化能力。在在线预测阶段，通过WKNN匹配算法将模型的预测结果与位置库中的标签和坐标进行匹配，以获得更为精确的定位坐标。同时，采用动态遗忘因子的权值更新方式，只需采集部分校准数据即可完成对定位模型权值的更新，有效缓解随时间和环境变化引起的定位精度衰退问题。在模拟港口的场景下进行实验验证，该定位系统在视距（LOS）环境下达到1 m定位精度的概率在92%以上，静态平均误差为0.58 m，动态平均误差为0.86 m；在非视距（NLOS）环境下也可获得0.67 m的静态平均定位误差。所提算法相比其他定位方法在定位精度、时效性和稳定性上均有所提升。

关键词

港口人员定位 / 信道状态信息 / 极限学习机 / 量子粒子群 / 动态权值更新