引入
对于MUSIC算法,即使不考虑相干信号的影响,也要保证天线数量大于传播路径数量。现有的商用Wi-Fi设备大多数都是基于IEEE802.11n协议的,设备的天线数量为3根,而在典型的室内环境中,显著的多径数量一般都大于3 [ 1 , 2 ] ^{[1,2]} [1,2]。通过分析Kotam [ 1 ] ^{[1]} [1]等人的理论思想可知,天线阵列中的传感器不单单可以是接收天线,也可以是OFDM子载波,即天线阵列中传感器的数量是不受硬件天线数量限制。
由于目前已经可以利用Linux 802.11n CSI Tool获得OFDM子载波的CSI测量值,因此,对于安装了Intel 5300网卡的Wi-Fi设备来说,设备中的传感器数量实际上是3×30=90。
虽然传感器数量满足了 MUSIC 算法基本思想的要求, 但是, 如果 90 个传感器仅仅被建模为MUSIC算法估计各路信号
A
o
A
\mathrm{AoA}
AoA 的模型, 那么依旧会受到阵列天线数量的限制, 因为传播路径的
A
o
A
\mathrm{AoA}
AoA 无法以可测量的形式在子载波之间体现出来, 即 AoA 无法在子载波之间产生显著的相位偏移。例如, 假设某条传播路径信号的 AoA 为
θ
\theta
θ, 则
θ
\theta
θ 在第
m
m
m 根接收天线两个子载波之间产生的相位偏移为:
2
π
(
f
i
−
f
j
)
(
m
−
1
)
d
⋅
sin
θ
/
c
2 \pi\left(f_{i}-f_{j}\right)(m-1) d \cdot \sin \theta / c
2π(fi−fj)(m−1)d⋅sinθ/c
其中
f
i
f_{i}
fi 和
f
j
f_{j}
fj 分别代表两个子载波的中心频率, 由上式可以看出, 当d取半波长时, 对于第二根接收天线, 即使两个子载波的频率间隔横跨整个
40
M
H
z
40 \mathrm{MHz}
40MHz 的
W
i
−
F
i
\mathrm{Wi}-\mathrm{Fi}
Wi−Fi通信带宽, 它们之间由传播路径
A
o
A
\mathrm{AoA}
AoA 产生的相位偏移也仅仅为
0.002
0.002
0.002 弧度 (
r
a
d
)
\mathrm{rad})
rad), 几乎可以忽略不计, 因此, 如果只考虑
A
o
A
\mathrm{AoA}
AoA, 那么 90 个传感器上仅有两个显著的相位偏移, 即 3 根天线间由
A
o
A
\mathrm{AoA}
AoA 产生的相位偏移, 在利用 MUSIC 算法的基本思想建立数学模型时, 接收信号
r
(
t
)
r(t)
r(t) 的维度依旧为
3
×
1
3 \times 1
3×1 。
为了充分利用 90 个传感器获得的信号测量信息对传播路径参数进行估计, 对 AoA 和 T o F \mathrm{ToF} ToF 进行联合估计。将ToF作为路径参数进行估计的原因是ToF 能在 OFDM 子载波上引入显著的相位偏移。假设某路信号的 T o F \mathrm{ToF} ToF 为 τ \tau τ, 则子载波 f i f_{i} fi 和 f j f_{j} fj 之间由 τ \tau τ 产生的相位偏移为 − 2 π ( f i − f j ) τ -2 \pi\left(f_{i}-f_{j}\right) \tau −2π(fi−fj)τ 。若 f i f_{i} fi 和 f j f_{j} fj 的频率间隔为 1.25 M H z 1.25 \mathrm{MHz} 1.25MHz, 假设 τ \tau τ 取 10 n s 10 \mathrm{~ns} 10 ns, 此时子载波 f i f_{i} fi 和 f j f_{j} fj 之间由 τ \tau τ 产生的相位偏移大小为 0.125 0.125 0.125 弧度 (rad),这是一个可供测量的相位偏移大小。
AoA-ToF联合估计
联合估计的核心:
- AoA在天线之间引入相位偏移
- ToF在子载波之间引入相位偏移
对于等间隔的一组子载波, 令 Δ f \Delta f Δf 为相邻两个子载波的频率间隔, 则第 k k k 个子载波与第 1 个子载波之间由 τ \tau τ 引起的相位偏移为 − 2 π ( k − 1 ) Δ f τ -2 \pi(k-1) \Delta f \tau −2π(k−1)Δfτ 。由于引入了子载波之间因传播路径 ToF 产生的可供测量的相位偏移, 因此, 可以将 90 个传感器的信号测量信息嵌入到 MUSIC 算法的数学模型中, 扩展接收信号 r ( t ) r(t) r(t) 的向量维度, 从而在进行信号检测和路径参数估计的过程中克服阵列天线数量不足的问题。
A
o
A
\mathrm{AoA}
AoA 在相邻天线间引起的相位偏移
Φ
(
θ
)
\Phi(\theta)
Φ(θ)和
T
o
F
\mathrm{ToF}
ToF 在相邻子载波间引起的相位偏移
Ω
(
τ
)
\Omega(\tau)
Ω(τ)均写为复指数形式的函数表达式:
Φ
(
θ
)
=
e
−
j
2
π
f
d
⋅
sin
θ
/
c
Ω
(
τ
)
=
e
−
j
2
π
Δ
f
τ
\begin{gathered} \Phi(\theta)=e^{-j 2 \pi f d \cdot \sin \theta / c} \\ \Omega(\tau)=e^{-j 2 \pi \Delta f \tau} \end{gathered}
Φ(θ)=e−j2πfd⋅sinθ/cΩ(τ)=e−j2πΔfτ
假设Y为接收端的接收信号向量,即:
Y
=
[
c
s
i
1
,
1
,
c
s
i
1
,
2
,
…
,
c
s
i
1
,
30
,
c
s
i
2
,
1
,
…
,
c
s
i
2
,
30
,
csi
3
,
1
,
…
,
c
s
i
3
,
30
]
T
Y=\left[c s i_{1,1}, c s i_{1,2}, \ldots, c s i_{1,30}, c s i_{2,1}, \ldots, c s i_{2,30}, \operatorname{csi}_{3,1}, \ldots, c s i_{3,30}\right]^{T}
Y=[csi1,1,csi1,2,…,csi1,30,csi2,1,…,csi2,30,csi3,1,…,csi3,30]T
Y
Y
Y 是大小为
90
×
1
90 \times 1
90×1 的列向量, 表征 90 个传感器的信号测量值。
假设信号通过
L
L
L 条传播路径到达接收端, 定义
L
L
L 路信号向量为:
y
=
[
y
1
,
y
2
,
…
,
y
L
]
L
×
1
T
y=\left[y_{1}, y_{2}, \ldots, y_{L}\right]^{T}_{L×1}
y=[y1,y2,…,yL]L×1T
接收信号向量
Y
Y
Y 与
L
L
L 路信号
y
y
y 之间的关系为:
Y
90
×
1
=
A
30
∗
3
×
L
⋅
y
L
×
1
+
N
Y_{90×1}=A_{30*3×L} ·y_{L×1}+N
Y90×1=A30∗3×L⋅yL×1+N
其中
A
A
A 表示
L
L
L 路信号的方向矩阵,
N
N
N 表示各个传感器上的噪声组成的噪声向量。由于引入了子载波间因传播路径
T
o
F
\mathrm{ToF}
ToF 产生的相位差, 所以转向矩阵
A
A
A 为:
A
=
[
a
(
θ
1
,
τ
1
)
,
…
,
a
(
θ
l
,
τ
l
)
,
…
,
a
(
θ
L
,
τ
L
)
]
90
×
L
A=\left[a\left(\theta_{1}, \tau_{1}\right), \ldots, a\left(\theta_{l}, \tau_{l}\right), \ldots, a\left(\theta_{L}, \tau_{L}\right)\right]_{90×L}
A=[a(θ1,τ1),…,a(θl,τl),…,a(θL,τL)]90×L
假设
a
(
θ
l
,
τ
l
)
a\left(\theta_{l}, \tau_{l}\right)
a(θl,τl) 表示第
l
l
l 条入射信号的转向向量,
θ
l
\theta_{l}
θl 为第
l
l
l 条入射信号的
A
o
A
\mathrm{AoA}
AoA,
τ
l
\tau_{l}
τl 为第
l
l
l 条入射信号的
T
o
F
\mathrm{ToF}
ToF, 将
Φ
(
θ
)
、
Ω
(
τ
)
\Phi(\theta) 、 \Omega(\tau)
Φ(θ)、Ω(τ) 带入
a
(
θ
l
,
τ
l
)
a\left(\theta_{l}, \tau_{l}\right)
a(θl,τl) 可得:
a ( θ l , τ l ) = [ 1 , … , Ω ( τ l ) 29 , Φ ( θ l ) , … , Φ ( θ l ) Ω ( τ l ) 29 , Φ ( θ l ) 2 , … , Φ ( θ l ) 2 Ω ( τ l ) 29 ] 90 × 1 T a\left(\theta_{l}, \tau_{l}\right)=\left[1, \ldots, \Omega\left(\tau_{l}\right)^{29}, \Phi\left(\theta_{l}\right), \ldots, \Phi\left(\theta_{l}\right) \Omega\left(\tau_{l}\right)^{29}, \Phi\left(\theta_{l}\right)^{2}, \ldots, \Phi\left(\theta_{l}\right)^{2} \Omega\left(\tau_{l}\right)^{29}\right]^{T}_{90×1} a(θl,τl)=[1,…,Ω(τl)29,Φ(θl),…,Φ(θl)Ω(τl)29,Φ(θl)2,…,Φ(θl)2Ω(τl)29]90×1T
对接收信号
Y
Y
Y 求协方差矩阵, 即
R
=
E
[
Y
Y
H
]
R=E\left[Y Y^{H}\right]
R=E[YYH], 然后对
R
R
R 进行特征分解, 由于
R
R
R 矩阵大小为 90×90, 因此通过特征分解可以得到 90 个特征值, 在各路信号均不相干的情况下, 有L个较大的特征值对应信号空间, 有
90
−
L
90-L
90−L 个趋近于零的特征值对应噪声空 间。最后将噪声空间特征值对应的特征向量
{
v
L
+
1
,
v
L
+
2
,
…
,
v
90
}
\left\{v_{L+1}, v_{L+2}, \ldots, v_{90}\right\}
{vL+1,vL+2,…,v90} 组成噪声矩阵
E
n
=
E_{n}=
En=
[
v
L
+
1
,
v
L
+
2
,
…
,
v
90
]
\left[v_{L+1}, v_{L+2}, \ldots, v_{90}\right]
[vL+1,vL+2,…,v90], 此时空间谱函数为:
P
music
(
θ
,
τ
)
=
1
a
H
(
θ
,
τ
)
E
n
E
n
H
a
(
θ
,
τ
)
P_{\text {music }}(\theta, \tau)=\frac{1}{a^{H}(\theta, \tau) E_{n} E_{n}{ }^{H} a(\theta, \tau)}
Pmusic (θ,τ)=aH(θ,τ)EnEnHa(θ,τ)1
其中
a
H
(
θ
,
τ
)
a^{H}(\theta, \tau)
aH(θ,τ) 和
E
n
H
E_{n}{ }^{H}
EnH 分别为
a
(
θ
,
τ
)
a(\theta, \tau)
a(θ,τ) 和
E
n
E_{n}
En 的共轭转置矩阵。由空间谱函数的定义可以看出, 通过变化
θ
\theta
θ 和
τ
\tau
τ 的值搜索谱函数谱峰, 便可估计出传播路径的
A
o
A
\mathrm{AoA}
AoA 和
T
o
F
\mathrm{ToF}
ToF 。
参考文献
[1] Kotaru M , Joshi K , Bharadia D , et al. SpotFi: Decimeter Level Localization Using WiFi[J]. Acm Sigcomm Computer Communication Review, 2015, 45(4):269-282.
[2] Xiong J , Jamieson K . ArrayTrack: A Fine-Grained Indoor Location System[C]// Proceedings of the 10th USENIX conference on Networked Systems Design and Implementation. USENIX Association, 2013.
[3] 陈浩翔. 基于Wi-Fi信道状态信息的室内定位算法研究[D].华南理工大学,2019.