[移动通讯]【无线感知-P1】[从菲涅尔区模型到CSI模型-2]

前言:

         前面我们学习了:

        1   只 基于机器学习做无线感知问题:泛化性能差,可解释性差

            无法解释为什么能做好,什么时候能做好,什么时候做不好.

            可行性 到 可用性,泛化性问题,具体深入的研究。

          2 无线感知的理论基础-Fresnel Zone 

           本章重点学习一下CSI 熵模型,CSI熵的性质涉及到Mobius变换,需要对黎曼球面

有个了解,后面会单独一章节补充该原理

       


目录:

  1. 基于Fresnel 的呼吸检测
  2. 基于Fresnel WIFI 感知盲区与极限
  3. CSI -Fresnel 呼吸检测在  UBICOMP 演示
  4. CSI 数学模型及CSI测量问题
  5. CSI 商模型
  6. CSI 商实验
  7. CSI商性质

一  基于Fresnel 的呼吸检测

    1.1     人体建模

                   

      1 人体胸部的起伏位移变化,导致了Rx 反射路径的相位变化

      2  Rx反射路径的相位变化引起Rx 叠加信号的幅度变化

      3  通过Rx叠加信号的幅度变化可以反向推导出人体胸部起伏变化

   

    1.2  用wifi 进行呼吸检测的原理

                         

      在WIFI 5G(波长5.7cm)环境下,让一个人站在一对收发设备前面。 胸部起伏带来的反射路径差约为1cm(5mm*2),导致大概60度的相位差.

            \bigtriangleup \phi =2\pi \frac{2\Delta d}{\lambda}= 2\pi\frac{1}{5.7}\approx 60

       

    

 1.3 人体位置对模型的影响一:处于Fresnel 边界上运动

    结合上一章的性质,比如在奇数Fresnel 边界附近运动Rx的信号相当于在最强点附近运动,幅度变换范围只有cos(60)/2,振幅变化微小,不容易检测,容易被噪声淹没

1.4  人体位置对模型的影响2: 人体处于Fresnel区域中间

      Rx 幅度变化较大,相对容易检测

1.5  人体朝向对模型的影响:  如果背对检测设备,无法检测

    只有1mm的起伏 相位差为

       2\pi\frac{2\Delta d}{\lambda}=12


二  WIFI 感知盲区与极限

      2.1 频段波长表

     1英寸(in)=25.4毫米(mm)。

  

   2.2 感知极限

       对5GHz频段的WiFi,波长在5.7cm.根据理论模型,当目标的位移导致反射路径长度变化

超过5.7cm ,动态向量可以旋转一周,产生一个完整的正弦信号;

      当反射路径长度变化小于5.7cm,动态向量的旋转小于2\pi,仅产生正弦信号的一个片段.

路径长度变化\bigtriangleup d与向量旋转角度满足下面公式

          \frac{\Delta d}{\lambda}=\frac{\theta}{2 \pi}

  根据上面式子,5mm呼吸踢动带来反射路径\Delta d变化1cmm,向量旋转约

1.1弧度(63度).1毫米的位移对应旋转在12.6度,那么Wi-Fi 是否具有毫米级

感知能力,关键在于是否能检测到不足12.6度的类似正弦信号片段,还取决于位置。

这是WiFi感知极限评判的理论基础.我们在做Domain 检测的时候,要综合的考虑当前工作频率.


三 CSI -Fresnel 呼吸检测在  UBICOMP 演示

   ACM International Conference on Ubiquitous/juːˈbɪkwɪtəs/ Computing (UBICOMP)是国际计算机界普适计算领域公认具有最高学术地位的顶级会议,由美国计算机协会 (ACM) 人机交互特别兴趣委员会(SIGCHI) 发起,每年一届。是CCF推荐A类会议,H-5指数54,Impact Score 1.20。 Ubicomp从2017年开始采用新的发表模式,每年的会议文章由IMWUT (Proceedings of the ACM on Interactive,  Mobile, Wearable and Ubiquitous Technologies)期刊录用文章全部邀请参会。

  如何检验呼吸盲区 呼吸检测距离近等感知问题?

    2016,sept Germany Ubicomp 案例

    通过Wi-Fi 对人活着多人呼吸监测

    

    问题:利用振幅检测呼吸存在盲区,如何解决呼吸监测的盲区

      通过Fresnel 模型检测并不是任何位置都能检测到,


四 CSI 数学模型及CSI测量问题

     4.1 Rx接收信号

           Rx 信号是Los 信号和动态路径的线性叠加

         H(f,t)=H_s(f,t)+H_d(f,t)

       其中:   H_d(f,t)=A(f,t)e^{-j2\pi \frac{d(t)}{\lambda}}

       H_s(f,t):  LOS信号,直射路径上的信号

       H_d(f,t):    反射路径上的信号

      A(f,t):      信号幅度,当人短距离移动可以认为是固定的值

      e^{-j2\pi \frac{d(t)}{\lambda}}:      相对于LOS信号的相位差

   d(t):               动态路径的变化

   4.2  RF无线模型

    基于CSI RF无线感知,我们需要简单了解一下Modem BaseBand 的大概原理

接收器的信号处理

   4.3 CSI 模型问题-CSI噪声来源

         由于商品WiFi设备网卡的硬件缺陷,内部信号处理电路的频率响应与基带中的真实信道频率响应混合,也就是说获得的CSI测量不仅描述了通带中的信道特性,还描述了基带中的信号处理电路特性,这使得从CSI测量中获得准确的信道频率响应变得困难。

          误差来源主要由以下几个方面导致的

1)Power amplifier uncertainty (PAU)

由于硬件分辨率的限制,例如Atheros 9380的分辨率为0.5dB, LNA和PGA获得的总增益无法完美地补偿信号幅度衰减使其达到发射功率的水平。测量得到的CSI振幅等于补偿后的功率电平和功率放大器的误差的总和,导致CSI振幅偏移

2)Carrier Frequency Offset (CFO)

传输对的中心频率不可能完全同步。载波频偏由接收机的CFO校正器补偿,但由于硬件不完善,补偿不完全。信号仍然携带剩余的CFO,这导致了跨子载波的时变CSI相位偏移。

3)Sampling frequency offset (SFO)

发射机和接收机的采样频率由于时钟不同步而出现偏移,这可能导致ADC后的接收信号相对于发射信号发生时移。经过SFO校正后,剩余的SFO会导致旋转误差。由于时钟偏移在短时间内相对稳定(例如,在分钟量级[10]),因此这种相位旋转误差几乎是恒定的。

4)Packet detection delay (PDD)

数据包检测延迟源于数字处理过程中经过下变频和ADC采样后的能量检测或相关检测。数据包检测引入了另一个相对于传输信号的时移[13,ref21],这导致了数据包变化的相位旋转误差。

5)PLL Phase Offset (PPO)

锁相环(PLL)负责产生发射机和接收机的中心频率,有一个随机的初始相位开始[8]。结果,接收器的CSI相位测量被额外的相位偏移所破坏。


五   CSI 商模型

        由于CFO ,多普勒效应,导致Rx CSI 信号中存在一个随着时间变化的随机相移

\theta(t),后面简写为\theta,加上噪声,则Rx 信号可以写为

             H(f,t)=\delta (t)e^{-j\theta}(H_s(f,t)+A(f,t)e^{-j2\pi \frac{d}{\lambda}})

            \delta(t)  噪声

    

         CSI 商在恢复正交性的时候消除了大部分噪声.

5.1  CSI 熵如何消除噪音的

                       CSI_{ratio}= \frac{H_{s,1}+A_1e^{-j\frac{2\pi d_1}{\lambda}}}{H_{s,2}+A_2e^{-j\frac{2\pi d_2}{\lambda}}}

                                      = \frac{H_{s,1}+A_1e^{-j\frac{2\pi d_1}{\lambda}}}{H_{s,2}+A_2e^{-j\frac{2\pi d_1}{\lambda}}e^{-j\frac{2\pi \Delta d}{\lambda}}}

                                       其中:  \Delta d=d_2-d_1


六  CSI熵-实验示例

   6.1 CSI 商振幅

单天线CSI 无规律,但是通过CSI振幅的商会比单天线振幅更加明显.

6.2 CSI商相位差

 5.3 CSI 商单动态反射路径

Mobius 变换


七  CSI 商的性质

         了解其性质需要对Mobius 变换深入了解,了解Mobius 变换需要了解黎曼球体。后面

会单独补充一章节结合原理分析这些性质。


参考:

《》https://www.youtube.com/watch?v=YUFcw_J1wNARF Basics for Telecommunication《》https://www.youtube.com/watch?v=YUFcw_J1wNA

南京大学无线感知前沿技术论坛分享 无线感知: 从菲涅尔区模型到CSI模型_哔哩哔哩_bilibili

《天线与电波传播》第38讲-电波传播的菲涅尔区 于臻博士_哔哩哔哩_bilibili

第四十七集 绕射问题菲涅尔区_哔哩哔哩_bilibili

反射光在反射点产生的相位跃变半波损失

毫无压力√电磁场1——矢量分析1_哔哩哔哩_bilibili

全网最细、最直观、最易懂的反射定律推导过程!!(反射定律,边界条件)_哔哩哔哩_bilibili

[note] 电磁场与微波课组(二) 波动光学(1)_相位差为二分之π 干涉-CSDN博客

南京大学无线感知前沿技术论坛分享 contact-free acoustic gesture recongnition_哔哩哔哩_bilibili

                        
原文链接:https://blog.csdn.net/chengxf2/article/details/137544891

南京大学8.1无线感知前沿技术论坛部分视频分享beyond communication_哔哩哔哩_bilibili

Perceiving accurate CSI phases with commodity WiFi devices - 知乎

莫比乌斯变换及逆变换_mobius变换-CSDN博客

MUSE-Fi: Contactless MUti-person SEnsing Exploiting Near-field Wi-Fi Channel Variation - 知乎

Perceiving accurate CSI phases with commodity WiFi devices - 知乎

MUSE-Fi: Contactless MUti-person SEnsing Exploiting Near-field Wi-Fi Channel Variation - 知乎

必看 FullBreathe: Full Human Respiration Detection Exploiting Complementarity of CSI Phase and Amplitude - 知乎

Resilient Respiration Rate Monitoring With Realtime Bimodal CSI Data - 知乎

ComplexBeat: Breathing Rate Estimation from Complex CSI - 知乎

为什么入射波和反射波的相位差是 π? - 知乎

文献阅读 FarSense: CSI Ratio(关于CSI商的解析)-CSDN博客

莫比乌斯变换及逆变换_mobius变换-CSDN博客

南京大学8.1无线感知前沿技术论坛部分视频分享beyond communication_哔哩哔哩_bilibili

默比乌斯变换_百度百科

https://www.youtube.com/watch?v=hhI8fVxvmaw

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/625361.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

无人零售行业展望:智能化与便利性引领未来

无人零售行业展望:智能化与便利性引领未来 无人零售,这一依靠智能化技术如人工智能、物联网、和大数据的零售模式,正逐步成为全球零售行业的新趋势。该模式允许消费者在没有店员的情况下自助完成购物,提供了24小时服务&#xff0…

【Redis 神秘大陆】003 数据类型使用场景

三、Redis 数据类型和使用场景 Hash:对象类型的数据,购物车List:队列/栈Set:String类型的无序集合,intset,抽奖、签到、打卡,商品评价标签Sorted Set:存储有序的元素,zip…

【面试八股总结】排序算法(二)

参考资料 :阿秀 一、堆排序 堆排序基本思想是先把数组构造成一个大顶堆(父亲节点大于其子节点),然后把堆顶(数组最大值,数组第一个元素)和数组最后一个元素交换,这样就把最大值放到了数组最后边。把数组长度n-1,再进行构造堆把剩…

深入剖析跨境电商平台风控机制,探索测评安全与稳定的秘诀

在跨境电商测评市场鱼龙混杂的当下,测评过程中可能隐藏的陷阱保持高度警觉。多年的测评经验告诉我们,选择一个适合的测评系统对于项目的成功至关重要。近年来,测评技术如雨后春笋般涌现,市场上涌现出众多测评系统,覆盖…

zabbix 自动发现与自动注册 部署 zabbix 代理服务器

zabbix 自动发现(对于 agent2 是被动模式) zabbix server 主动的去发现所有的客户端,然后将客户端的信息登记在服务端上。 缺点是如果定义的网段中的主机数量多,zabbix server 登记耗时较久,且压力会较大。1.确保客户端…

Java如何用EasyExcel插件对Excel进行数据导入和数据导出

文章目录 一、EasyExcel的示例导入依赖创建实体类数据导入和导出 二、EasyExcel的作用三、EasyExcel的注解 EasyExcel是一个阿里巴巴开源的excel处理框架,它以使用简单、节省内存著称。在解析Excel时,EasyExcel没有将文件数据一次性全部加载到内存中&…

如何使用上位机监控和控制设备

本文将介绍如何使用上位机来监控和控制设备,并探讨其中的关键步骤和注意事项。 1. 设备接口与通信设置 在使用上位机监控和控制设备之前,首先需要建立设备与上位机之间的通信连接。这通常涉及选择合适的通信接口和协议,例如串口、以太网、M…

6-pytorch - 网络的保存和提取

前言 我们训练好的网络,怎么保存和提取呢? 总不可以一直不关闭电脑吧,训练到一半,想结束到明天再来训练,这就需要进行网络的保存和提取了。 本文以前面博客3-pytorch搭建一个简单的前馈全连接层网络(回归问…

详解UART通信协议以及FPGA实现

文章目录 一、UART概述二、UART协议帧格式2.1 波特率2.2 奇校验ODD2.3 偶校验EVEN 三、UART接收器设计3.1 接收时序图3.2 Verilog代码3.3 仿真文件测试3.4 仿真结果3.5 上版测试 四、UART发送器设计4.1 发送时序图4.2 Verilog代码4.3 仿真文件测试4.4 仿真结果4.5 上板测试 五、…

CommunityToolkit.Mvvm笔记---AsyncRelayCommand

AsyncRelayCommand 是 CommunityToolkit.Mvvm 中的一个功能,专门设计用来处理异步操作。它是 RelayCommand 的一个变体,提供了对异步任务的支持,允许开发者在 MVVM(Model-View-ViewModel)模式中方便地实现异步命令。使…

RK3568笔记二十二:基于TACO的垃圾检测和识别

若该文为原创文章,转载请注明原文出处。 基于TACO数据集,使用YOLOv8分割模型进行垃圾检测和识别,并在ATK-RK3568上部署运行。 一、环境 1、测试训练环境:AutoDL. 2、平台:rk3568 3、开发板: ATK-RK3568正点原子板子…

气膜滑冰馆:打破冰雪运动地域限制-轻空间

冰雪运动资源受地域与气候环境的限制,仅能在特定区域和时间段内进行,但随着科技的进步,气膜滑冰馆的出现打破了这一限制,成为了冰雪运动领域的新宠。这种全新的体育场馆让滑冰运动摆脱了地域限制,为运动爱好者提供了更…