使用MATLAB进行CSI数据处理

使用MATLAB进行CSI数据处理

前言:Intel5300网卡获取CSI数据的教程强烈推荐该博文
安装抓取WIFI CSI的工具

  • CSI幅值数据处理
    可以使用MATLAB自带函数abs实现。
% 读取自己的数据集
close all;clear;clc
load("datasets\test_1011\bow_ant1.mat","bow.mat")
bow_amp = abs(bow);
  • CSI相位数据处理

感谢@weixin_44408931 的提醒,使用MATLAB中的unwrap函数需要注意自己的数据格式。若子载波是按行,可将unwrap(YourData,pi,2);若按列,则设置为unwrap(YourData,pi,1)。具体请参考

https://ww2.mathworks.cn/help/matlab/ref/unwrap.html

function [CSI_phase_recovery] = GetPhase(R)
% phase
phase_matrix = angle(R);
no_of_subcarriers = 30;
m = [-28,-26,-24,-22,-20,-18,-16,-14,-12,-10,-8,-6,-4,-2,-1,1,3,5,7,9,11,13,15,17,19,21,23,25,27,28]';
CSI_phase_recovery = zeros(size(phase_matrix));
CSI_phase_temp = zeros(no_of_subcarriers,1);
CSI_phase_unwarp_temp = zeros(no_of_subcarriers,1);
for line_index = 1:(size(phase_matrix,1)/no_of_subcarriers)
    for row_index = 1:size(phase_matrix,2)
        CSI_phase_temp = phase_matrix(no_of_subcarriers*(line_index-1)+1:no_of_subcarriers*line_index,row_index);
        CSI_phase_unwarp_temp = unwrap(CSI_phase_temp,pi,1);
        b = mean(CSI_phase_unwarp_temp);
        k = (CSI_phase_unwarp_temp(no_of_subcarriers)-CSI_phase_unwarp_temp(1))/(m(no_of_subcarriers)-m(1));
        H = zeros(no_of_subcarriers,1);
        for i = 1:no_of_subcarriers
            H(i) = CSI_phase_unwarp_temp(i)-k*m(i)-b;
        end
        CSI_phase_recovery(no_of_subcarriers*(line_index-1)+1:no_of_subcarriers*line_index,row_index) = H;
    end
end

end

上述代码仅针对Wi-Fi 20MHz频宽,如果使用更高的频宽和更多的子载波数,可以参考

https://blog.csdn.net/a_beatiful_knife/article/details/119247331

Reference:

PhaseFi: Phase Fingerprinting for Indoor Localization with a Deep Learning Approach

CSI数据预处理是指对接收到的CSI(Channel State Information)数据进行处理和分析,以提取有用的信息或进行后续的算法研究。在Matlab中,可以使用以下步骤进行CSI数据预处理: 1. 数据读取:首先,需要将CSI数据从文件或其他来源读取到Matlab中。可以使用Matlab提供的文件读取函数(如`load`或`importdata`)来读取数据。 2. 数据解析:接下来,需要解析CSI数据的格式。CSI数据通常以矩阵的形式存储,其中每一行代表一个采样点,每一列代表一个子载波或天线。根据具体的数据格式,可以使用Matlab的矩阵操作函数(如`reshape`或`transpose`)来调整数据的维度和排列顺序。 3. 数据滤波:在进行后续处理之前,可以对CSI数据进行滤波以去除噪声或干扰。常用的滤波方法包括均值滤波、中值滤波、高斯滤波等。Matlab提供了丰富的滤波函数(如`filter`或`medfilt2`),可以根据需求选择合适的滤波方法。 4. 数据可视化:为了更好地理解和分析CSI数据,可以使用Matlab的绘图函数(如`plot`或`surf`)将数据可视化。可以绘制时域图、频域图、功率谱图等,以便观察信道特性和变化趋势。 5. 数据分析:根据具体的研究目标,可以对CSI数据进行进一步的分析。例如,可以计算信道的均值、方差、相关性等统计指标,或者进行信道估计、信号检测、波束赋形等算法研究。Matlab提供了丰富的数学和信号处理函数,可以方便地进行各种数据分析操作。
评论 23
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值