1、基于仿射传播聚类的 LOS/NLOS 环境识别算法 魏思菁 周亭亭 中海电信有限公司 宁夏大学物理与电子电气工程学院 摘 要： 随着信息技术的发展和日益增长的位置服务需求, 室内定位技术经成为了当下最热门的定位研究领域之一。在室内定位中比较常用的算法包括信号到达时间 (Time of Arrival, TOA) 、信号到达时间差 (Time Difference of Arrival, TDOA) 、信号到达角 (Angle of Arrival, AOA) 等。这些定位技术都依赖于客户端与 Wi-Fi 接入点 (Access Point, AP) 处于可视环境 (Line of Sight,
2、 LOS) , 当客户端与 AP 处于非可视环境 (Non Line of Sight, NLOS) 时, 会造成定位精度严重下降。基于此, 本文在传统的多信号分类算法 (Multiple Signal Classification, MUSIC) 的基础上结合 OFDM 信号的子载波特性, 提出一种基于仿射传播聚类的 LOS/NLOS 环境识别算法用于提高基于 AOA 的室内定位的精度。该算法分为两步, 先对无线信号的 AOA 和 TOA 进行估计, 其次利用聚类算法对信号的 AOA 和 TOA 信息进行聚类, 利用聚类的结果判断当前环境属于LOS 环境还是 NLOS 环境。仿真结果表明,
3、本文提出的算法具有良好的识别性能。关键词： 信号到达角; 信号到达时间; 可视环境; 非可视环境; 子载波; 收稿日期：2017-05-30Received： 2017-05-301 引言当代社会, 伴随着信息技术的发展, 导航、定位等信息在人们的信息要求中扮演着越来越重要的角色。而无线局域网 (WLAN) 的兴起为室内定位指出了一条新道路。目前在室内定位领域的研究中, 通常采用 AOA 信息进行定位1-3, 但是室内环境下存在大量的 NLOS 环境, 使得联合多个 AP 的 AOA 定位方法无法正确的估计出直射路径的信号到达角, 从而引起定位精度严重下降, 因此研究LOS/NLOS 环境识别
4、技术对 AOA 定位精度的提高有着重要的意义。NLOS 环境下的 AOA 定位需要解决两个关键问题:NLOS 环境识别以及 NLOS 影响消除。现有的 NLOS 环境识别算法主要基于信号特征4-5、位置残差6-7、先验概率8-9以及混合定位方法等。基于信号特征的 NLOS 环境识别算法需要进行大量的数据采集, 记录某点信号的特征, 通过构建一个数据库进行 LOS/NLOS 识别;基于位置残差的算法需要 AP 的数量较多, 在室内环境中是无法满足的;基于先验概率的算法需要事先知道 LOS 发生概率以及 NLOS 发生概率, 同时需要采集大量的数据;混合定位方法10通过联合 TOA、AOA、信号强
5、度等信息在一定程度上可以解决 NLOS 环境下定位的问题, 但是系统复杂度较高。本文针对上述 LOS/NLOS 环境识别算法存在的问题提出了一种新的 LOS/NLOS 环境识别算法, 该算法在传统的 MUSIC 算法的基础上结合 OFDM 信号的子载波特性, 对信号的 AOA 和 TOA 进行估计, 同时利用聚类算法对信号的 AOA 和 TOA 信息进行聚类, 给每个类分配一个权值, 统计最大权值来判断当前环境属于 LOS 环境还是 NLOS 环境。2 正交频分复用和信道频率响应2.1 正交频分复用 (OFDM) 对于采用 802.11n 传输协议的 Wi-Fi 信号, 它使用正交频分复用调制
6、11方式。正交频分复用是一种将数字数据编码到多条不同频率载波上的方法并且在无线通信领域得到广泛的应用。它在频域内将信道划分成许多正交的子信道, 在每个子信道上使用一个子载波进行调制, 使得各子载波并行传输。在发射端, 可以将需要高速传输的数据调制到各个不同的子载波上, 变成几个低速的数据流进行并行传输。而在接收端, 可以利用正交信号的特性对接收信号进行解调并恢复原始数据。2.2 信道频率响应 (CFR) 对于使用 OFDM 调制方式的信号, 可以使用信道频率响应信息12来描述信号发射端和接收端通信链路间的信道状态, 包括多径, 衰减和时延。一个信道状态的频域模型可以通过式 (1) 表示:其中
7、Y (e ) 和 X (e ) 分别代表接收信号与发送信号的傅里叶变换, H (e) 代表频域上的信道函数, n 表示信道中存在的高斯白噪声。在信号发射端, 原始数据经过串并转换, 利用 IFFT 算法实现正交子载波调制后, 添加循环前缀, 通过射频发射。在接收端, 接收机首先对射频信号进行下变频, 去除循环前缀, 利用 FFT 算法进行正交子载波的解调, 然后根据接收到的前导信号 (Pilot) 进行信道估计, 获得的值即为每个子载波的 CFR 测量值, 如图 1 所示。图 1 OFDM 系统框图 下载原图3 AOA/TOA 联合估计由于 WLAN 无线局域网采用的是 OFDM 的调制技术,
8、 对于这样的多载波调制系统, 每个子载波都有对应的 CFR 信息。通常情况下, 信道对单个信号的传播会带来3 种影响, 分别是信号的幅度衰减, 信号的传播时延和造成信号的多径传播, 根据上述信息可以建立以下的时变的信道模型13-14:其中, h (, t) 表示信道在 t 时刻对 t- 时刻发出的脉冲的响应。 na (t) 代表第 n 条路径上的时变信号的衰减由于在室内无线通信领域里不存在物体的高速移动, 那么物体由于相对移动造成的多普勒频偏很小, 可以忽略不计, 同时由于在 IEEE 802.11 等传输系统中, 多采用突发传输, 以数据包为单位进行数据交互, 每个数据包的传输时间很短, 可
9、以认为码元的传输速率远大于传播时延, 即相干带宽远大于数据带宽, 此时可以认为信道在数据传其中, h (t) 是信道在 t 时刻发送的脉冲响应。 an代表第 n 条路径的信号衰减因子, n代表第 n 条路径的传播延迟。对式 (3) 进行 FFT 变换, 可以得到其中, H (f) 代表信道的频域特性, f 代表发送信号的频点。 n表示信号从发送端到接收端的第 n 条路径的传播时延。因此本文可以构造包含 AOA 和 TOA 信息的二维方向矩阵 A这里 第 k 条多径信号在第 n 个天线上由 k和 k引起的相位差。其中 ai, n ( k, k) 代表第 i 个子载波在第 n 个天线上由 k和 k
10、引起的相位差。结合图 2 阵列天线系统到达波示意图可知, 对于阵列中的每一个天线 n 由两部分组成, 分别是信号到达时间 TOA 和阵列天线几何布局产生的波程差 dsin 带来的时间延迟。由以上的分析可知, 子载波的 CFR 信息中反映了信号到达时间TOA 和到达角 AOA 信息, 如图 2 所示。图 2 阵列天线系统到达波示意图 下载原图结合参考文献15, 利用 MUSIC16算法可以估计出信号的 AOA 和 TOA 信息。4 LOS/NLOS 环境判断4.1 仿射传播聚类在室内环境下, 多径信号的数量是时变的, 通过聚类算法得到的类的个数也是随机的。仿射传播聚类17,18是一种自适应的聚类
11、算法, 可以通过传入的参数自适应的判断类的个数, 因此, 本文通过 MUSIC 算法以及极值搜索算法得到空间谱的极值点, 利用仿射传播聚类算法对这些极值点进行聚类来判断当前环境属于 LOS 环境还是 NLOS 环境。a (i, j) 表示参考点 i选择参考点 j 作为其类首领的可信度 , 称为归属度, 表示为:首先计算两个极值点之间的相似度 s (i, j) , 初始化吸引度 r (i, j) 、归属度 a (i, j) 以及迭代次数 n 的值为 0, 更新吸引度信息和归属度信息并计算如果 k=i, 则第 i 个极值点被选为聚类中心, 反之选择极值点 k 作为聚类中心。不断的进行迭代, 直到聚
12、类中心连续 100 次迭代没有变化或者迭代次数超过500 次以后停止。4.2 聚类权值计算通过概率分析的手段, 给聚类结果的每个类分配一个权值。4.3 LOS/NLOS 环境判断当 AP 处于 NLOS 环境时, 是不存在直射径的, 由 AP 解算出来的直射径的角度信息无法准确的用于估计 AOA, 因此需要对 AP 所处的环境进行判定。由 4.2 可知, 在 LOS 环境下直射径比较稳定, 得到的聚类结果比较集中, 计算出的最大权值比较大。在 NLOS 环境下, 直射径信号比较弱, 甚至不存在直射径信号, 信号的聚类结果比较散, 得到的最大权值比较低。基于此, 本文通过设定一个阀值 , 如果最
13、大权值 Lmax, 则判定当前环境属于 LOS 环境, 如果最大权值 Lmax, 则判定当前环境属于 NLOS 环境。5 实验结果与分析仿真采用 OFDM 信号, 双天线接收, 仿真参数设置为:带宽 20M、子载波 64 个、子载波间隔为 312.5KHz、中心频点为 2.4GHz、信噪比为 5d B。构造 LOS 环境, 在 LOS 环境下对接收到的多个数据包解算出来的 AOA 和 TOA 的极值点信息进行聚类, 得到的结果如图 3 所示。图 3 LOS/NLOS 环境聚类图 下载原图从图中可以看出, 在 LOS 环境下, 利用本文提出的算法聚类结果比较集中, 角度和时间的方差比较小, 而在
14、 NLOS 环境下, 利用本文提出的算法聚类结果比较分散, 角度和时间的方差相比 LOS 环境下要大得多。同时分别在 LOS 环境下以及 NLOS 环境下进行大量的仿真测试, 然后对聚类结果的每个类进行权重计算, 然后选择最大权值作为 LOS/NLOS 环境判断权值, 对所有选出的权重进行统计, 结果如下。图 4 LOS/NLOS 环境权值统计图 下载原图如图 4 所示, 左边为 LOS 环境下统计的结果, 右边为 NLOS 环境下统计的结果。从图中可以发现 NLOS 环境和 LOS 环境的权值有很明显的区别, 因此通过设定一个阈值 结合本文所提的算法可以明显区分 LOS 环境以及 NLOS
15、环境。6 总结本文提出的基于仿射传播聚类的 LOS/NLOS 环境识别算法通过将传统的 MUSIC 算法与 OFDM 的子载波特性相结合, 将传统的一维角度估计扩展为二维的角度与时间联合估计, 同时利用仿射传播聚类对角度信息以及时间信息进行聚类来判断当前客户端相对于 AP 属于 LOS 环境还是 NLOS 环境, 使得在室内环境下利用AOA 信息联合多个 AP 进行定位时, 可以选则处于 LOS 环境下的 AP 进行定位, 大大提高了定位的精度以及稳定性。参考文献1Xiong J, Jamieson K.Array Track:A fine-grained indoor location sy
16、stemC/Presented as part of the 10 th USENIX Symposium on Networked Systems Design and Implementation (NSDI 13) , 2013:71-84 2Gjengset J, Xiong J, Mc Phillips G, et al.Phaser:enabling phased array signal processing on commodity Wi Fi access pointsC/Proceedings of the 20th annual international confere
17、nce on Mobile computing and networking, 2014:153-164 3Kumar S, Gil S, Katabi D, et al.Accurate indoor localization with zero start-up costC/Proceedings of the 20th annual international conference on Mobile computing and networking, 2014:483-494 4Xiao Z, Wen H, Markham A, et al.Non-line-of-sight iden
18、tification and mitigation using received signal strengthJ.IEEE Transactions on Wireless Communications, 2015, 14 (3) :1689-1702 5Tian S, Zhao L, Li G.A support vector data description approach to NLOS identification in UWB positioningJ.Mathematical Problems in Engineering, 2014, 2014 6Chan Y T, Tsui
19、 W Y, So H C, et al.Time-of-arrival based localization under NLOS conditionsJ.IEEE Transactions on Vehicular Technology, 2006, 55 (1) :17-24 7Muqaibel A H, Al-Nimnim R A, Landolsi M A, et al.Mobile localization based on improved non-line-of-sight classificationC/Telecommunications, 2010 IEEE 17th In
20、ternational Conference on.IEEE, 2010:368-374 8Yu K, Guo Y J.Statistical NLOS identification based on AOA, TOA, and signal strengthJ.IEEE Transactions on Vehicular Technology, 2009, 58 (1) :274-286 9Wang Y, Cheng L, Hu N.Bayes sequential test based NLOS localization method for wireless sensor network
21、C/Control and Decision Conference (CCDC) , 2015 27th Chinese.IEEE, 2015:5230-5234 10Ding G, Tan Z, Zhang L, et al.Hybrid TOA/AOA cooperative localization in non-line-of-sight environmentsC/Vehicular Technology Conference (VTC Spring) , 2012 IEEE 75th.IEEE, 2012:1-5 11朱月秀, 林野.正交频分复用技术及应用研究J.杭州电子科技大学学
22、报, 2007, 27 (5) :21-24 12刘刚, 郭漪, 葛建华.MIMOOFDM 系统中的信道估计J.华中科技大学学报自然科学版, 2005, 33 (9) :26-29 13Yang Z, Zhou Z, Liu Y.From RSSI to CSI:Indoor localization via channel responseJ.ACM Computing Surveys (CSUR) , 2013, 46 (2) :25 14Sen S, Radunovic B, Choudhury R R, et al.You are facing the Mona Lisa:spot l
23、ocalization using PHY layer informationC/Proceedings of the 10th international conference on Mobile systems, applications, and services.ACM, 2012:183-196 15Xiong J, Sundaresan K, Jamieson K.Tonetrack:Leveraging frequency-agile radios for time-based indoor wireless localizationC/Proceedings of the 21
24、st Annual International Conference on Mobile Computing and Networking.ACM, 2015:537-549 16Schmidt R.Multiple emitter location and signal parameter estimationJ.IEEE Transactions on Antennas&Propagation, 1986, 34 (3) :276-280 17王开军, 张军英, 李丹, 等.自适应仿射传播聚类J.Acta Automatica Sinica, 2007, 33 (12) :1242-1246 18程梦驹, 赵龙, 陶洪波, 等.一种基于仿射传播聚类的入侵检测方法J.无线电工程, 2013, 43 (11) :4-7
