面向6G的信道状态信息压缩技术

提出基于人工智能的信道状态信息压缩技术方案,并全面思考了模型训练、模型管理中的标准制定、实际应用等相关问题,分析了不同问题的潜在解决方案。仿真结果表明,所提出的方案可有效提升信道状态信息反馈精度,网络容量平均提升10%左右。

信道状态信息无线感知数据获取及应用综述

近年来,基于信道状态信息(CSI)的无线感知技术在室内定位、活动识别、健康检测等方向有众多探索性研究应用。然而,现有研究获取CSI数据主要依靠自主采集,对CSI开源数据集和数据采集设备/工具的研究现状不够清晰。首先阐述了基于无线保真(WiFi)CSI的无线感知技术,详细介绍了9种CSI数据采集设备/工具,概括了CSI的应用方向及研究现状,并汇总了近5年的CSI开源数据集,分析了现有CSI无线感知研究的局限性与面临的挑战,最后总结全文并对CSI无线感知未来的发展进行展望。

基于排序码本的水声自适应OFDM通信中信道状态信息反馈研究

水声(UWA)信道时延扩展大等特点导致信道频响(CFR)快衰落,水声通信(UWAC)技术发展受到挑战。发射端获取有效可靠的信道状态信息(CSI)是自适应通信的前提,针对水声自适应正交频分复用(OFDM)通信的需求,该文提出基于排序码本的信道状态信息分组排序拟合反馈算法(CSI-GSFF),包括分组、排序、数据拟合3个步骤。该算法首先将相邻导频子载波分组,以组为反馈单元;然后对各组内的导频子载波按照信道增益值进行排序,以减轻水声信道频响快衰落造成的反馈开销大等不利影响;最后进行多项式拟合,排序操作有效地降低了拟合阶数。通过实测海试时变信道数据仿真,结果表明,该文提出的信道状态信息反馈算法能够基本达到完美信道状态信息情形下的水声自适应OFDM通信系统误码率性能,同时可以有效地减少反馈开销。

5G信道状态信息信号质量及指纹定位性能分析

5G信道状态信息(channel state information,CSI)具有丰富的特征信息,是一种理想的指纹定位信号,但信号质量易受环境干扰,对定位性能影响较大.为了分析不同因素对5G信号质量和定位性能的影响程度,本文首先阐述了5G信号特征和基于支持向量回归(support vector regression,SVR)的定位算法,分析了数据采集时终端的高度、方向、人体遮挡等因素对信号质量的影响,测试了廊厅、小办公室和中型会议室三种场景下的定位性能.结果表明:5G信号质量受周围环境影响较大,在干扰较小的情况下,基于5G CSI的位置指纹定位算法在三种场景下的定位精度分别为0.93 m、1.46 m和1.94 m,能够满足大多数室内定位应用需求.

基于AI通信的大规模MIMO信道状态信息反馈网络

在大规模多输入多输出系统中,由于天线数量的增加导致信道状态信息反馈带宽开销增大。为了减少反馈开销,提出了一种基于深度学习的反馈网络。该网络将卷积注意力模块和快速迭代收缩阈值算法(Fast Iterative Shrinkage Thresholding Algorithm,FISTA)进行了结合。为了贴合实际应用,考虑到了噪声情况,分析了阈值敏感度。仿真结果表明,该网络在不同环境下其性能和鲁棒性可以得到进一步提高。

基于三维卷积神经网络和信道状态信息的人体动作识别

针对传统人体动作识别中的硬件成本高和隐私泄露等问题,本文提出了一种基于三维卷积神经网络(3DCNN)和Wi-Fi信道状态信息(Channel State Information,CSI)的人体动作识别方法。首先,从采集到的信号中提取原始CSI数据的幅值和相位;其次,进行异常点去除和滤波去噪,通过应用CSI幅度与相位的结合以及滑动方差进行人体动作切割,得到处理后的CSI数据;然后,在此基础上使用3DCNN神经网络提取CSI数据的时间和空间特征,并通过引入注意力机制进一步提升人体动作识别的准确度;最后,在实验室采集的CSI数据集上进行了人体动作识别的实验验证,其准确率达到96.1%。

基于信道状态信息的室内环境检测技术研究

室内空气质量是人们广泛关注的问题之一,然而如何对室内空气进行全面监测一直是一个难题,传统的监控摄像头和光学传感器系统都难以全方面覆盖检测区域。基于此,本研究创新性地设计了一种利用现有商用Wi-Fi网络来对室内环境进行实时感知监测的系统。基于室内环境检测技术现状,概述了相关室内环境检测技术的试验方法和机器学习算法模型。通过研究不同污染等级对室内静态CSI信号的影响,实现了对室内污染的精确分类。

基于信道状态信息的WiFi环境感知技术

随着Wi Fi技术的日益成熟和广泛部署,在使用Wi Fi信号实现基础通信功能的同时,研究者开始将Wi Fi技术应用于环境感知。传统基于Wi Fi的环境感知通常基于接收信号强度RSS信息,然而其性能受限于多径效应等因素影响。近年来,随着信道状态信息CSI可基于普通商用设备获得,研究者开始研究基于CSI的环境感知技术,并进行了一系列开创性工作。相比于RSS,CSI更细粒度地描述了无线信道状态,并可较好地区分多径成分,从而实现更为鲁棒、可靠的环境感知。文中主要对基于CSI的环境感知新趋势进行了综述分析,在深入分析现有工作的基础上,根据CSI的使用方式将这些工作分为人体检测、室内定位、视距路径识别和活动识别等4类。针对每类应用,文中详细介绍了其基本工作原理及代表性原型系统,最后指出了基于CSI的环境感知技术的未来潜在发展方向。

基于不同信道状态信息的两跳中继系统最优功率分配

根据已知瞬时信道状态信息或统计信道状态信息2种情况,分析了不同转发方式下两跳中继系统的信道容量,并以最大化系统容量为优化准则,提出了在发射端和中继器间的最优功率分配方案.仿真结果表明,与传统的平均功率分配相比,最优功率分配能根据信道状态的变化自适应地调整两跳发射功率,显著提高系统容量.

多用户MIMO中基于部分信道状态信息预编码的稳健性研究

在实际的MIMO中,接收端往往具有理想的信道状态信息,而发射端由于种种原因只有来自接收端反馈的部分信道状态信息(CSI)。分析了CSI,对发射端已知部分CSI设计预编码进行了初步研究,并给出了一种等效噪声方法,即将反馈误差建模为接收端的等效噪声,利用预编码准则对反馈误差、用户间干扰进行统一处理。在MI-MO-TD-SCDMA系统应用环境中对该方法进行了仿真分析。结果表明,反馈误差对预编码影响较大,采用等效噪声后的预编码相比没有考虑反馈误差的预编码性能有明显地提高。

基于信道历史状态感知信息的频谱感知方法

针对卫星认知网络环境中待检测信号强度不断变化的特点,为了突破传统能量检测的性能极限,提出一种基于信道历史状态信息的频谱感知方法。首先,通过建立具有遗忘机制的信道历史状态判决模型实现对当前时刻信道状态的判决;在此基础上,额外增加基于前一次检测结果的判决策略,对该判决模型进行修正,以削弱模型中各参数的影响,同时采用基于带宽的感知方案来进一步降低干扰概率;最后,通过理论分析和仿真验证了该方法较传统能量检测算法的性能有所提升。

基于信道状态信息幅值-相位的被动式室内指纹定位

基于信道状态信息(CSI)的室内定位技术近几年备受关注。已提出的室内定位方案主要在适用性和定位精度等方面进行不断地创新和改进。该文提出一种被动式的1发2收指纹室内定位系统。用两个固定接收端采集CSI数据,信号预处理阶段对CSI幅值进行奇异值去除与低通滤波,用线性拟合的方法对CSI相位进行校正,将两个接收端采集处理得到的CSI幅值和相位信息共同作为指纹,最终通过全连接神经网络对指纹样本进行训练,并与采集到的实时数据进行匹配识别。实验表明,采用两个接收端以及幅值和相位结合定位的方法,匹配识别率达到了98%,定位精度达到0.69 m。证明该系统能精确有效地实现室内定位。

基于信道状态信息子载波特征差分的人体移动检测方法

无线信号在室内易受到多径效应、小尺度衰落等影响,使得现有基于射频信号的人体移动检测方法无法保证缓慢行为识别的鲁棒性和可靠性。该文通过分析人体行为与CSI子载波的相关性发现不同子载波对人体行为存在敏感差异性,进而提出基于离散小波变换的信道状态信息子载波特征差分算法,设计设备无关的人体移动检测。在多径丰富和稀疏两种室内场景下的实验结果表明,该方法对人体移动检测的平均精度可达到93%。

基于信道状态信息的无源室内定位

针对传统室内定位方法在准确性及稳定性上的不足,本文提出了一种基于信道状态信息(channel state information,CSI)的无源室内定位方法。该方法采用普通设备搭建了实验平台,离线阶段采集CSI数据建立位置指纹库,在线阶段则利用机器学习的朴素贝叶斯算法进行位置分类。为进一步提高分类准确度,本文还提出了置信度方法,通过综合多条天线对的结果来减少位置误判。实验结果表明,本文所提出方法能有效实现对室内人员的无源定位,可以达到90%以上的准确度。

基于信道状态信息的驾驶员动作检测

驾驶员在行驶过程中的行为动作是交通安全的关键因素之一。本文采用Wi-Fi信号的信道状态信息CSI对驾驶员行车过程中的不同动作进行识别,无需要驾驶员穿戴任何设备以免影响正常驾驶操作,同时也不依赖于视频图像从而避免了侵犯驾驶员的隐私。首先搭建实验平台采集和分析了驾驶员不同的行车动作所对应的CSI数据流,然后通过滤波、降维等处理提取不同动作的特征,最后利用机器学习方法进行驾驶动作的分类识别。通过地下停车库模拟驾驶和校园环境下的实际行车实验,结果表明所提出的方案在这两个场景下对驾驶员行车动作的分类识别准确率都在90%以上。

中继网络中不准确信道状态信息下抗多窃听者的物理层安全方案

该文研究存在多个相互勾结的单天线窃听者的多中继传输系统中,采用零空间人工噪声和放大转发的中继波束赋形的物理层安全传输方案。在中继—窃听端的信道状态信息不准确的情况下,基于半定规划理论,对中继的波束赋形加权矩阵和人工噪声协方差矩阵进行联合优化,有效减少相互勾结的多个窃听者所获得的信息量,显著提高系统保密容量,是一种具有良好鲁棒性的物理层安全传输方案。仿真结果显示方案具有良好的性能。

基于非理想信道状态信息的鲁棒安全发送方法

针对协方差信道状态信息(Channel State Information,CSI)不理想导致的通信系统安全性能恶化问题,该文提出一种鲁棒的人工噪声辅助的物理层安全发送方法。该方法基于非理想的协方差信道信息,对发送者的波束成形向量及人工噪声协方差进行联合优化设计,从而最大化系统的最差情况安全速率(Worst-Case Secrecy Rate,WCSR)。该功率受限的安全速率最大化问题是非凸的,采用半定松弛(Semi Definite Relaxation,SDR)技术和Lagrange对偶理论将其转化为一系列的半定规划(Semi Definite Program,SDP)问题进行求解。仿真结果表明,与现有方案相比,所提方法的安全性能有了明显的提升。

基于信道状态信息的无源被动定位

无源被动定位是指确定网络覆盖区域内没有携带任何发射和接收设备目标的空间位置。针对室内定位有效性问题,相比传统基于接收信号强度的方案,物理层的信道状态信息在无源被动定位方面更有优势。通过评估多径效应对室内无源定位的影响,定位方案讨论了信道状态信息相对稳定的物理特性,利用了信道中相应子载波幅度直方图性质建立的指纹库进行无源被动定位。通过两种不同室内环境下的实验结果表明,该方法在人体定位时相对接收端的8个方向上得出的误报率约为13%,漏报率约为7%;在有效检测半径1 m的情况下,偏差率为25%,相对误差为0.196 m。

多用户MIMO-OFDM系统中基于延时信道状态信息的自适应传输方案

为多用户MIMO-OFDM下行链路提出一种结合正交空时分组码与特征波束形成的传输方案,利用接收端反馈的延时信道状态信息进行自适应传输,使系统吞吐量最大。提出了自适应多用户子载波分配准则与相应的比特加载方法。仿真结果表明,该方案能充分利用具有时延的信道状态信息,相比非自适应系统,能有效提高系统吞吐量。还提出一种计算量极低的次最佳非迭代比特加载算法,仿真结果表明该算法引起的系统吞吐量损失很小。

非精确信道状态信息下OFDM系统中的自适应调制技术

研究了正交频分复用(OFDM)系统在精确已知信道状态信息和不精确的信道状态信息环境下的自适应调制,并对它们的性能进行了计算机仿真分析.结果表明,信道估计不精确和延迟均对自适应调制OFDM系统的性能有很大影响,尤其是延时的影响.为了减小其影响,提出了利用多个以前的信道估计值来确定每个子信道所传输的比特数.仿真结果表明,该方法能有效地提高自适应调制OFDM系统的性能.