【无标题】

最新推荐文章于 2024-03-11 19:57:19 发布

Zn_lunar

最新推荐文章于 2024-03-11 19:57:19 发布

阅读量718

点赞数 2

文章标签：算法

本文链接：https://blog.csdn.net/weixin_51339891/article/details/126782654

版权

摘要

Widar2.0规避使用多个链接的关键灵感是利用一个单一链接的多维信号参数。

我们建立了一个统一的模型，将到达角（AOA）、飞行时间（TOF）和多普勒频移（DFS）放在一起考虑

设计了一个高效的算法对它们进行联合估计

我们设计了一个管道，将错误的原始参数转化为精确的位置：首先找到对应于感兴趣的反射的参数，然后细化范围估计，最终输出目标位置

CSI笔记【5】：Widar2.0: Passive Human Tracking with a Single Wi-Fi Link论文阅读https://blog.csdn.net/S2849366069/article/details/119968944

一、前言

接收信号强度（Received Signal Strength Indicator, RSSI）

既然无线信号在传播过程中“调制”了环境信息，那么如何从接收信号中“解调”这些环境信息呢？e . g若手机接收到的Wi−Fi信号较弱，可能是由于手机距离无线路由器较远；而若手机接收到的 Wi−Fi 信号强度骤降，很可能是由于手机进入了某些特定的封闭空间，如电梯。在该例中，可以用“接收信号强度（Received Signal Strength Indicator, RSSI）”为特征，推断手机的位置和所处的环境。信号特征的选取对于感知精度、可靠性、模型泛化能力等具有关键影响。

信道状态信息（Channel State Information, CSI）

RSSI会因信号多径传播引起的小尺度阴影衰落而不再随传播距离增加单调递减，从而限制了测距精度。为刻画多径传播，无线信道通常可用“信道冲激响应（Channel Impulse Response, CIR）”或“频率响应（Channel Frequency Response, CFR）”来建模。现在，在普通的 Wi−Fi 设备上，可以以“信道状态信息（Channel State Information, CSI）”的形式获取一个采样版本的 CFR。RSSI只反映了多径叠加的总幅度，而 CSI 呈现了不同频率（对应不同子载波）下多径传播的幅度和相位，从而更加精确地刻画了具有频率选择性衰落信道特性的信道。

我们提出了一项后续工作Widar2.0，旨在仅用一对COTS（商务现货供应） WiFi设备（例如，一个接入点加一个客户端）进行被动的人类追踪，不需要任何额外的基础设施或惯性传感器的支持。

为了避免使用多条链路，我们利用多维参数，包括AoA、ToF、DFS和单一链路的衰减（图1）。然而，从嘈杂的CSI测量中获得多维参数估计，并将不完美的参数估计转化为精确的位置，这不是一件容易的事。

如何在有限的带宽和小的天线阵列（通常在COTS WiFi设备上只有三个）下同时和联合估计多个参数？

如何清除CSI测量中包含的不可预知的相位噪声？

如何从单一链路的低分辨率参数中得出细粒度的位置，这些参数可能是非常嘈杂和错误的？

解决方案

首先，我们建立了一个统一的模型，用于同时和联合估计多个参数，包括AoA、ToF、DFS和衰减。（AoA从根本上受到天线数量的限制，ToF受到频率带宽的限制）

但我们的目标是利用多个参数，这将提供多维的正交和互补信息，从而有机会避免需要多个链接来进行位置跟踪。

我们设计了一个涉及所有相关参数的模型，以量化用户运动和CSI之间的关系，将多参数估计问题表述为最大似然估计问题，并采用期望最大化（EM）求解器来有效地得出准确的估计值。

其次，我们通过对来自同一无线电（如接收器）上的共轭天线的CSI进行共轭乘法来消除数据包之间的随机相位噪声。（COTS WiFi设备上的CSI测量受到来自定时偏移和载波频率偏移的严重相位噪音的影响。）

其原理在于，一个无线电设备上的一对组合天线经历了来自信道的相同的相位噪声，因此可以通过共轭乘法将其去除。结果共轭乘法版本的CSI不受相位噪声的污染，同时仍然可以利用所提出的算法进行多参数估计。

第三，我们提出了新的算法，从错误的参数估计中得出精确的位置。我们的参数算法输出多个反射的杂波参数。

我们设计了一种新颖的基于图的算法，从杂波多径参数中准确地识别出对应于目标反射的参数。

潜在的测距精度提高在于将ToF估计与DFS计算的相对距离变化相结合。

一个单天线AP作为发射器，一个有三个天线的笔记本电脑作为接收器

二、综述

从一个单一的链接中寻找多个信号参数，而不是从多个链接中使用单一参数。

CSI-运动模块对来自噪声CSI的多路径信号进行联合多参数估计。收到CSI测量值后，Widar2.0首先对其进行清理。

CSI清洗的目的有两个：1）消除由异步收发器引起的随机CSI相位噪声；2）忽略来自静态路径的强信号，例如LoS路径，并放大由移动目标反射的信号。此后，Widar2.0应用所提出的参数估计算法来获得多径信号的多维参数（ToF、AoA、DFS和衰减）。

运动跟踪模块从多个信号参数估计中计算出目标位置。首先，Widar2.0通过路径匹配模块从杂波估计中找出与移动目标反射的信号相对应的感兴趣的参数。然后，通过卡尔曼平滑器融合ToF和DFS，在范围细化模块中细化距离估计。最后，估计的距离和AoA被送入定位框架以得出移动目标的位置。

三、CSI中的运动

在本节中，我们试图从CSI测量中准确而有效地联合得出所有这些参数。我们通过三个关键部分实现这一目标。

1）一个新的统一的CSI模型（第3.1节）及其最大似然公式，与一个高效的解算算法（第3.2节）一起用于多维参数估计；

2）一个CSI清洗技术，去除由定时偏移和载波频率偏移引起的随机相位噪声（第3.3节）。

3.1 CSI 运动模型

时间（数据包）、频率（子载波）和空间（传感器）

将在第个数据包、第个子载波和第个传感器的离散的测量值表示为

3.2 多参数联合估算

我们将多参数联合估计的问题表述为最大似然估计（MLE）问题，并设计了带有CSI的参数估计算法。

为了有效地解决这个问题，我们应用空间交替广义期望值最大化（SAGE）算法[8]，以减少整个搜索空间。SAGE算法是期望最大化（EM）算法的扩展[7]，该算法的每一次迭代只重新估计 $\Theta$ 部分的一个子集，同时保持对其他部分的估计值不变。因此，我们可以将 $\Theta$ 的估计分为单个参数的多重估计。