阅读笔记--CSI fingerprinting with SVM regression to achieve device-free passive localization

将定位问题视作是回归问题，用DBSCAN算法给每个channel去噪（通过聚类）——> PCA降维 ——> SVM

CSI数据收集：

从每个channel收集的原始数据，包含CSI data（表示多个subcarriers的channel frequency response）—— 发送天线数N_tx，接收天线数N_rx，包传送频率f，CSI矩阵H

这是一个CSI矩阵：(H_ij表示从第i根发射天线到第j根接收天线所形成的channel)

 

 每个channel又包含N个subcarrier:

其中每个h_i表示为：

。

CSI数据去噪：（DBSCAN算法）

DBSCAN算法：

聚类对象是一个数据子集（用D表示），(将CSI data分为N_tx * N_rx个数据子集，每个数据子集包含N个subcarrier，上图中N=30，subcarrier的index是k, (1~N)）

(算法过程)

DBSCAN算法在每个channel上进行，即h_ij 上进行；

设置neighborhood radius 、 minimun number of points required to form a dense region : 

......(待续)

 

CSI特征抽取

模型建立：考虑有N_ap个AP-MP对（热点-手机对），每对AP-MP含有N_tx * N_rx 个links（文中也说成是channel、TX-RXchannel），每个link有N组subcarrier。

Thus each CSI sample has n = N_ap ×N_tx × N_rx ×N dimensions

2 × 2 × 3 × 30 = 360 demensions

维度太大，需要使用PCA降维。

找到l(l<360)个（每个都是原来的特征的线性组合）新特征，

 

转载于:https://www.cnblogs.com/HITSZ/p/7754185.html