基于CSI的非视距识别方法研究

发布时间：2020-03-25 14:44

【摘要】：人们对无线传播环境中信号的随机性,时变性和非线性等基本问题的研究,驱动着无线通信系统向更高传输速率,更先进编码算法,更高效的功率效率的方向发展进步。在局域环境下,广泛使用的WiFi无线技术不仅解决了高速接入互联网的最后一公里接入问题,同时还孕育和促进了室内定位、手势和活动识别,设备无关定位等一系列无线感知应用的蓬勃兴起。WiFi信号传播中的非视距识别问题是提高无线定位系统定位精度,提高无线通信链路质量,优化通信调制模式基础技术的保证。新一代WiFi无线网络的物理层采用了多载波技术,通过获取各子载波的CSI(信道状态信息)数据进行信道估计,从而更有效地抑制多径干扰效应的影响。因此,本文基于无线链路的信道状态信息(CSI),提出一种基于机器学习的非视距识别系统化方法,主要研究内容如下:(1)针对WiFi无线网络的CSI数据容易受到突发干扰和相位偏移的问题,在对初始数据进行预处理时,提出了结合局部离群因子检测LOF、Hampel滤波和相位线性变换的方法进行异常因子检测、剔除和相位偏差校正。(2)针对室内环境下的非视距识别问题。在对CSI数据提取均值、标准偏差、变异系数、偏度、峭度、相位差因子和Rician-K因子等统计特征基础上,基于支持向量机方法进行分类模型训练和检测识别,提出对支持向量机的惩罚因子和核函数的参数进行寻优的灰狼优化算法。(3)搭建平台,布置场景,实测数据,整合算法,分别进行了预处理算法选择、SVM参数选择、特征分簇的影响分析,以及分类算法性能分析,结果表明,在室内环境下本文所提方法的识别率达到约97%,性能优于其它方法。
【图文】：

静态环境,细粒度,多径环境

云南大学（专业）硕士学位论文逡逑进行细粒度分析，同时由于ＣＳＩ信息表现的是子载波特性，因此在多径环境中表逡逑现得比较稳定，如图２．２所示，可以看出ＣＳＩ在多径环境中仅有４ｄＢ的波动。逡逑０．５逡逑０．４逦Ｉ—｜逡逑，0３邋ｎ邋Ｉ逡逑％逡逑Ｉ邋0．２邋＿逡逑０．１邋－逡逑0邋丨．邋，邋．逡逑１０逦１２逦１４逦１６逦１８逦２０逦２２逦２４逡逑ＣＳｌ（ｄＢ）逡逑图２．邋２邋ＣＳＩ在静态环境中的波动逡逑与ＭＡＣ层的ＲＳＳ相比而言，由式（２－４）可以看出ＣＳ丨在振幅和相位上能刻逡逑画出更具细粒度的信息来描述无线链路，ＣＳＩ与ＲＳＳＩ不同，ＲＳＳＩ是通过多条路径逡逑信号累加所得，，而ＣＳＩ则能细粒度的反映出多径传播特征。表２．１将ＣＳＩ和ＲＳＳＩ逡逑主要的特性作了对比。首先ＣＳＩ是物理层信息，自然会拥有更多ＲＳＳＩ所在的ＭＡＣ逡逑层没有的信道信息。在我们实验中测得的数据包中只含有一个ＲＳＳＩ值，而含有３０逡逑个子载波的信息

流程图,分类结构,流程图

非视距识别方法主要流程如下：逡逑处理。即滤除ＣＳ丨原始数据中幅值的异常值和并进行的准确度以及分类器的准确度。逡逑选取。对ＣＳＩ信息中的均值、标准偏差、变异系数、偏Ｒｉｃｉａｎ－Ｋ因子以合适的方法进行提取，并制定相应的类训练模型输入。逡逑分类器的构造。选择合适的分类器和核函数，然后对核因子进行寻优。ＲＢＦ高斯径向基核函数需要设置的参数选择ＲＢＦ，而参数寻优算法选用灰狼优化算法。逡逑模型的实现。本方案的实验平台是ＭＡＴＬＡＢ软件平台，ｓｖｍ工具箱。通过输入训练样本构建出训练模型，再把练模型的输入，得到非视距分类结果。逡逑ｃｓｉ理逡逑
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN92

【参考文献】