随着Wi-Fi和移动设备的普及,基于Wi-Fi的室内定位受到了越来越多研究者的关注。接收信号强度指示(RSSI)作为一种主流的方案常用于基于测距的定位系统和指纹定位系统。近年来,有设备(如Intel 5300无线网卡)支持获取物理层的信道状态信息(CSI)。CSI是比RSSI能以更细粒度表征信号特性的一种指标,为基于Wi-Fi的室内定位技术开辟了新的空间,因而被广大研究者所关注。本文基于CSI进行室内定位研究,主要贡献如下:1.提出了一种基于CSI测距的轻量级指纹定位方案,RanLi Fi(Range-based Lightweight Fingerprint)方案,包括预处理阶段、离线阶段和在线阶段。预处理阶段在离线和在线阶段之前都会进行,用于处理得到稳定的数据,离线阶段构建室内指纹地图,在线阶段完成测距及指纹匹配并得到目标的位置。通过采用一种新型的环状采样点策略,可以将基于测距的定位方法和基于指纹的方案巧妙结合,通过指纹方案弥补测距方案精度不高的劣势,并通过测距方案降低指纹方案中指纹匹配的开销。具体而言,首先计算得到目标与无线接入点(AP)之间的距离d,然后将指纹匹配范围缩小到以无线接入点为圆心,半径最接近d值的环路上进行,最后将匹配程度最高的指纹对应的位置作为目标的位置。2.基于巴氏系数法,提出了一种B-AoE(Bhattacharyya based Average of Energy of Interest)指纹。通过对6种候选指纹方案从内在相似性和外在差异性两方面进行评价,发现B-AoE指纹很好地满足了相同位置足够相似,不同位置容易区分的特性要求。在RanLiFi的离线阶段和在线阶段,将获取到的CSI数据生成B-AoE指纹。3.为了准确测距,提出一种基于感兴趣能量的自适应传播模型,称为S-EoI(Self-adaptive and Energy of Interest based)模型。通过分析发现,在20MHz频宽的条件下,并不能准确分离视距路径和非视距路径信号,此外,即使在同一室内环境中,每次信号传输的衰减程度也是有差异性的。基于此,本文定义了一种稳定性好且能反映环境变化的感兴趣能量值,并给出了一种自适应的方法计算每次信号传输的路径损耗系数,基于二者进行距离计算。S-EoI模型最大的优点在于无需对不同室内环境进行参数训练,自适应的路径损耗系数可准确反映当次信号的衰减情况。4.实现了基于CSI测距的轻量级指纹定位系统,Ran LiFi系统。系统包括数据获取模块、预处理模块、指纹地图构建模块和定位导航模块,并支持容错机制和反馈机制,用于保证系统的实用和稳定性。数据获取模块采用Intel 5300无线网卡获得原始的CSI数据,预处理模块、指纹地图构建模块和定位导航模块分别对应实现了Ran Li Fi方案中预处理阶段、离线阶段和在线阶段中的方法。在指纹地图构建模块,采用滑动窗口机制控制数据量并生成指纹,而在定位导航模块,为了满足实时性,以1s为时间片采集数据生成指纹用于进行匹配。5.从多个角度对RanLiFi定位系统进行了性能评价。实验表明,本文所提S-Eo I测距方案平均误差为1.7米,B-AoE指纹方案在98%的情况下可正确进行位置区分;在容错机制支持下,若以1.5米为间隔进行采样点设置,RanLi Fi系统可取得平均0.8米的定位精度,时间性能达到了秒级。