[AWL: Turning Spatial Aliasing From Foe to Friend for Accurate WiFi Localization]
引言
思想
- 基于AOA的定位精度与天线数量有关,增加天线数量会产生更窄的角度波束。然而,天线数量的增多或导致高昂的设置成本,因此,建议采用调频来改变天线间距与信号的比率,并创建虚拟天线以提高AOA估计精度。
- 在AOA估计中,当相邻两个天线之间的间距大于半波长且信号源位于其中一个波束的方向时,将产生多个冗余复制波束。__跳频中,如果创建的虚拟天线间距大于半波长,则会产生混叠。混叠后将会产生多个更细的光束。__但并不知道拿一束代表信号源的真实角度,因此会产生歧义。 然而,我们发现如果我们在跳频之前和之后都使用 AoA 信息,我们可以利用粗宽波束来消除细波束之间的模糊性,并确定哪个细波束对应于真实的源角。 因此,通过对跳频前后的信息进行协同,我们成功地接受了“坏”混叠,以使用有限数量的天线获取准确的 AoA 信息。
挑战
- 如何在没有人工干预的情况下自动校准相位读数?
- 典型的室内环境通常具有丰富的多径,会产生许多与信号源位置无关的波束。 如何消除混叠和多径引起的歧义,以识别真实角度?
- 视距信号可能被人和物体阻挡。因此,LoS 信号可能会显着衰减并变得比多径信号弱。 如何处理这个具有挑战性的现实生活场景?
贡献
- 我们提出了一种新颖的WiFi 定位系统AWL,它与单个AP 一起工作并且只需要一个信道跳跃。 我们有效地利用“坏”空间混叠来提高 AoA 估计精度。
- 我们提出了一种自动无线校准方法,可显着降低现实生活部署的部署负担。 所提出的校准方法可以应用于需要精确相位读数的其他系统。
- 我们使用WARP 平台构建了AWL 的原型。 综合实验表明,AWL 可以通过配备六个天线的单个 AP 以 38 cm 的中位误差精确定位源,性能优于最先进的 Array Track 系统。 在小范围内,AWL 仅用一个 AP 就能准确跟踪空中的手写/绘图。
相关内容
1.到达角
如图 3(左)所示,当移动设备向 AP 发送信号时,从移动设备到第一根天线的信号传播距离为 d,而到第二根天线的传播距离为 d + λ/2 cos θ。因此,从移动台到两个天线的传播路径差异将反映在相位旋转上。
假设 d 远大于λ/2,信号源 θ 相对于天线阵列的角度因此可以通过相位测量值 ∠x2 和 ∠x1 计算为:
2.空间混叠
使用更多数量的天线,可以获得更窄的波束,从而可以获得更高的 AoA 估计精度。 在本节中,我们展示了另一种通过增加天线之间的间距来提高 AoA 估计精度的方法。 如果我们将天线数量固定为 3,并将天线间距从 λ/2 增加到 λ,我们会观察到波束变得更窄,如图6所示。但是会出现更多波束。我们进一步将天线数量减少到 2 个,并将天线间距增加到 1.5λ,我们可以看到,间距更大时,即使是两根天线也可以达到与 6 根天线大致相同的 AoA 估计精度。然而,我们为这种高精度付出的代价是带来的模糊性。因此,我们需