学习笔记（十二）：Widetect与无线运动监测

2018《WIDETECT: A Robust And Low-Complexity Wireless Motion Detector》读书笔记

  WiDetect, 一款高精度、免校准、低复杂度的无线运动检测器。利用电磁波的统计理论在CSI的自相关函数和环境中的运动之间建立了联系。

1. 现有工作及其局限性

现有工作在使用前多需要校准，对环境的鲁棒性不强。在覆盖率、准确性和计算复杂性方面的性能远远不能满足实际应用的要求.

2. 基于电磁波统计理论的CSI统计建模

2.1 CSI测量

  设$X(t，f)$和$Y(t，f)$是时间$t$频率为$f$的子载波上发射和接收的信号。在时间t频率为f的子载波上的CSI为$H(t,f)=\frac{Y(t,f)}{X(t,f)}$，这一复数可以从商用WiFi的PHY层获得。
  真实情况下，CSI会存在相位失真，本文中使用CSI的幅度信息，定义其功率响应$G(t,f)$为：
$$G(t,f)\triangleq |H(t,f){|}^2=\mu (t,f)+\epsilon (t,f)\text{\hspace{1em}(1)}$$其中，$\mu (t,f)$表示电磁波传播的功率响应，$\epsilon (t,f)$表示测量噪声，对于任何给定的子载波$f$，实验测量$\epsilon (t,f)$显示为加性高斯白噪声，i.e., $\epsilon (t,f)\sim \mathcal{N}\left(0,{\sigma }^2(f)\right)$,  $\epsilon \left(t_1,f_1\right)$ and $\epsilon \left(t_2,f_2\right)$对于任何两个不同的子载波($f_1\ne f_2$)或任何两个不同的时隙($t_1\ne t_2$)相互独立。

2.2 信号项$\mu (t,f)$的建模

思路：建筑物和房间可以被视为混响空腔，因为它们表现出内部多径传播。可参考统计模型并应用混响腔的电磁场统计理论来分析$\mu (t,f)$的统计特性。

  以图一中的室内散射环境为例，假设散射体可以将入射的电磁波反射到所有方向。环境中部署了一对发射和接收天线，配备全向天线。
  首先按动静分量分解Rx上的接收电场：

  设Rx接收到的电场${\vec{E}}_{Rx}(t,f)$，那么$\mu (t,f)$从物理意义上是${\vec{E}}_{Rx}(t,f)$的能量，i.e., $\mu (t,f)={\Vert {\vec{E}}_{Rx}(t,f)\Vert }^2$，在短时间窗内，${\vec{E}}_{Rx}(t,f)\approx {\vec{E}}_s(f)+{\sum }_{i\in {\Omega }_d}{\vec{E}}_i(t,f)$，其中${\vec{E}}_s(f)$表示所有静态散射体，${\vec{E}}_i(t,f)$表示第$i$个动态散射体贡献，${\Omega }_d$表示环境中的动态散射体的集合。

  分解的思想：每个动态散射体可以被视为一个“虚拟天线”，将接收到的电磁波向各个方向扩散，然后这些电磁波在从墙壁、天花板、家具、窗户等反射回来后，在接收天线处叠加在一起。

其次空间坐标分解(引出了$E_d^2(f)$???,好像美别的作用了)

  设第$i$个移动散射体的速度$v_i$，并将动态散射成分${\vec{E}}_i(t,f)$正交分解为${\vec{E}}_i(t,f)$=$E_{i,x}(t,f)\hat{x}+E_{i,y}(t,f)\hat{y}+E_{i,z}(t,f)\hat{z}$, 其中 $E_{i,u}(t,f)$ 表示u方向上的线性成分并指向散射体移动方向。根据混响空腔散射均匀性的某些常见假设，每个${\vec{E}}_i(t,f)$的线性分量的ACF封闭形式导出为如下：
$$\begin{array}{r}{\rho }_{E_{i,x}}(\tau ,f)={\rho }_{E_{i,y}}(\tau ,f)=\frac{3}{2}\left[\frac{\sin \left(k{v}_i\tau \right)}{k{v}_i\tau }-\frac{1}{{\left(k{v}_i\tau \right)}^2}\left(\frac{\sin \left(k{v}_i\tau \right)}{k{v}_i\tau }-\cos \left(k{v}_i\tau \right)\right)\right]\end{array}\text{\hspace{1em}(2)}$$
$${\rho }_{E_{i,z}}(\tau ,f)=\frac{3}{{\left(k{v}_i\tau \right)}^2}\left[\frac{\sin \left(k{v}_i\tau \right)}{k{v}_i\tau }-\cos \left(k{v}_i\tau \right)\right]\text{\hspace{1em}(3)}$$其中k是发射信号的波数，τ表示时滞。第$i$个移动散射体的速度$v_i$.
  $E_d^2(f)$为$\mu (t，f)$的方差，假设${\vec{E}}_{i_1}(t,f)$ 和 ${\vec{E}}_{i_2}(t,f)$在统计上不相关（$\forall i_1\ne i_2$），则$\mu (t，f)$的ACF近似:
ρ μ ( τ , f ) ≈ 1 E d 2 ( f ) ∑ u ∈ { x , y , z } ( ∑ i ∈ Ω d 2 E s , u 2 ( f ) E i 2 ( f ) 3 ρ E i , u ( τ , f ) + ∑ i 1 , i 2 ∈ Ω d i 1 ≥ i 2 E i 1 2 ( f ) E i 2 2 ( f ) 9 ρ E i 1 , u ( τ , f ) ρ E i 2 , u ( τ , f ) ) (4) \begin{aligned} \rho_{\mu}(\tau, f) & \approx \frac{1}{E_{d}^{2}(f)} \sum_{u \in\{x, y, z\}}\left(\sum_{i \in \Omega_{d}} \frac{2 E_{s, u}^{2}(f) E_{i}^{2}(f)}{3} \rho_{E_{i, u}}(\tau, f)\right. &\left.+\sum_{i_{1}, i_{2} \in \Omega_{d} \atop i_{1} \geq i_{2}} \frac{E_{i_{1}}^{2}(f) E_{i_{2}}^{2}(f)}{9} \rho_{E_{i_{1}, u}}(\tau, f) \rho_{E_{i_{2}, u}}(\tau, f)\right) \tag{4} \end{aligned} ρμ​(τ,f)​≈Ed2​(f)1​u∈{x,y,z}∑​(i∈Ωd​∑​32Es,u2​(f)Ei2​(f)​ρEi,u​​(τ,f)​+i1​≥i2​i1​,i2​∈Ωd​​∑​9Ei1​2​(f)Ei2​2​(f)​ρEi1​,u​​(τ,f)ρEi2​,u​​(τ,f)⎠⎟⎞​​(4)PS:$\tau \to 0,{\rho }_{\mu }(\tau ,f)\to 1$

2.3 CSI功率响应的建模

  $\mu (t,f)$由电磁波的传播造成，而$\epsilon (t，f)$由于CSI的不完美测量造成，通过实验结果得到两者彼此不相关，即$\mathrm{cov}\left(\mu \left(t_1,f\right),\epsilon \left(t_2,f\right)\right)=0$，$\forall t_1,t_2$，因此，可以将$G(t，f)$的自协方差函数表示为
$$\begin{array}{rl}{\gamma }_G(\tau ,f)& \triangleq \mathrm{cov}(\mu (t,f)+\epsilon (t,f),\mu (t-\tau ,f)+\epsilon (t-\tau ,f))=E_d^2(f){\rho }_{\mu }(\tau ,f)+{\sigma }^2(f)\delta (\tau )\end{array}\text{\hspace{1em}(5)}$$

因此G(t，f)相应的ACF可以表示为:
$${\rho }_G(\tau ,f)=\frac{E_d^2(f)}{E_d^2(f)+{\sigma }^2(f)}{\rho }_{\mu }(\tau ,f)，\tau \ne 0\text{\hspace{1em}(6)}$$
  分析式（6），如果运动存在，在$\tau \to 0,有{\rho }_{\mu }(\tau ,f)\to 1$ ，所以 ${\rho }_G(\tau ,f)\to \frac{E_d^2(f)}{E_d^2(f)+{\sigma }^2(f)}>0$ ；在运动不存在时，由于$E_d^2(f)=0$，所以${\rho }_G(\tau ,f)=0$。
  结论↑：
  ${\lim }_{\tau \to 0}{\rho }_G(\tau ,f)$是运动存在的良好指标，它仅由运动引起的$E_d^2(f)$和测量噪声${\sigma }^2(f)$的功率决定.

3. Widetect详细设计

3.1 运动统计量

   ${\lim }_{\tau \to 0}{\rho }_G(\tau ,f)$ 无法直接测量得出, 信道采样速率有限$F_s$，很难达成 $\tau \to 0$. 所以用${\rho }_G\left(\tau =\frac{1}{F_s},f\right)$作为近似值，将运动统计量定义为测量的CSI功率响应$G(t，f)$的采样ACF：
$$\hat{\varphi }(f)=\frac{{\hat{\gamma }}_G\left(\tau =\frac{1}{F_s},f\right)}{{\hat{\gamma }}_G(\tau =0,f)}\text{\hspace{1em}(7)}$$其中，${\hat{\gamma }}_G(\tau ，f)$为$G(t，f)$的样本自协方差函数。
  如果没有运动时，由大数定理可知采样点数T足够大时，$\hat{\varphi }(f)$会收敛到一个均值为$-\frac{1}{T}$，方差为$\frac{1}{T}$的渐进正态分布（asymptotically normal distribution，AN）：$\hat{\varphi }(f)\sim \mathcal{A}\mathcal{N}\left(-\frac{1}{T},\frac{1}{T}\right)$ as $T\to \infty$。此外, $\forall f_1\ne f_2$，$\hat{\varphi }\left(f_1\right)$ 和$\hat{\varphi }\left(f_2\right)$ 独立同分布。
  如果存在运动时，$\hat{\varphi }(f)$将会收敛到一个正的常数$\frac{E_d^2(f)}{E_d^2(f)+{\sigma }^2(f)}$。

3.2 检测

  为了提高WiDetect的可靠性，组合所有可用子载波获得的运动统计量。本文中将组合运动统计定义为所有单个运动统计量的平均值，$\hat{\psi }=\frac{1}{F}{\sum }_{f\in \mathcal{F}}\hat{\varphi }(f)$。无运动存在时，$\hat{\psi }$近似服从如下分布:
$$\hat{\psi }\sim \mathcal{A}\mathcal{N}\left(-\frac{1}{T},\frac{1}{FT}\right)$$其中F为子载波数量。增加T和F将提高检测性能。
  根据以上分析提出一个简单的检测规则:if $\hat{\psi }\ge \eta$时，WiDetect检测到运动。给定预设阈值η，虚警概率近似：
$$P(\hat{\psi }\ge \eta )\approx Q\left(\sqrt{FT}\left(\eta +\frac{1}{T}\right)\right)\text{\hspace{1em}(8)}$$其中，$Q(x)=\frac{1}{2\pi }{\int }_x^{\infty }\exp \left(-\frac{u^2}{2}\right)\mathrm{d}u$

4. 评估与总结

实验设置：
每个WiFi设备配备3个全向天线
每个链路仅使用58个子载波
载波频率设置为5.805GHz
信道采样率为30Hz
实验结论：
当η较大时，理论曲线与实验曲线吻合较好，当η较小时，由于不同子载波之间的相关性，理论分析中假设不存在这种相关性

Widetect也可用于入侵检测。