现有的WiFi感知方法对数据的采集量及接收器的硬件资源需求较高,同时海量的数据处理也会消耗大量软硬件资源.基于模型的WiFi感知方法通过建立动作模式与信号变化之间的数学模型,一定程度上降低了对数据量的依赖,但是主流方案仍然需要多...现有的WiFi感知方法对数据的采集量及接收器的硬件资源需求较高,同时海量的数据处理也会消耗大量软硬件资源.基于模型的WiFi感知方法通过建立动作模式与信号变化之间的数学模型,一定程度上降低了对数据量的依赖,但是主流方案仍然需要多个接收天线或者天线阵列.本文提出一种使用单天线接收器的感知方案,利用不同子载波的信道状态信息的比值消除硬件及噪声干扰,并提出基于方差和极差的子载波组合选择算法,筛选出优质的子载波组合得到动作特征.进一步提出基于菲涅尔区理论的高可用特征生成算法,巧妙地结合反射路径变化与信道状态信息(Channel State Information,CSI)动态相位旋转之间的关系,通过在复平面上的数据拟合与相位对齐获得高可用特征.理论分析和实验结果表明,本文提出的单天线方案完全符合菲涅尔区理论,同时,可以有效提升不同动作在不同场景下的识别效果.对于七种不同的动作,本文方案的总体识别准确率保持在95%左右,CSI选择和特征强化获得了约2%的准确率提升.展开更多
文摘现有的WiFi感知方法对数据的采集量及接收器的硬件资源需求较高,同时海量的数据处理也会消耗大量软硬件资源.基于模型的WiFi感知方法通过建立动作模式与信号变化之间的数学模型,一定程度上降低了对数据量的依赖,但是主流方案仍然需要多个接收天线或者天线阵列.本文提出一种使用单天线接收器的感知方案,利用不同子载波的信道状态信息的比值消除硬件及噪声干扰,并提出基于方差和极差的子载波组合选择算法,筛选出优质的子载波组合得到动作特征.进一步提出基于菲涅尔区理论的高可用特征生成算法,巧妙地结合反射路径变化与信道状态信息(Channel State Information,CSI)动态相位旋转之间的关系,通过在复平面上的数据拟合与相位对齐获得高可用特征.理论分析和实验结果表明,本文提出的单天线方案完全符合菲涅尔区理论,同时,可以有效提升不同动作在不同场景下的识别效果.对于七种不同的动作,本文方案的总体识别准确率保持在95%左右,CSI选择和特征强化获得了约2%的准确率提升.