基于Wi-Fi信道状态信息的行为识别

利用Wi-Fi信号中信道状态信息(Channel State Information,CSI)的变化特征可实现被动行为检测.通过预选择出CSI数据中性能优良的子载波和对环境区分度更好的MIMO天线对,实现对数据的深度预处理,以及在提取到幅值和相位差特征后,经过小波变换得到更细粒度特征的数据后处理算法,提高行为的识别率.实验结果表明,该算法在150组测试数据集上的分类准确率高达97.1%,比在同等条件下未经过预处理和后处理算法的分类准确率高约6.6%.

改进的最佳子集降维STAP方法

针对空时最优处理器存在计算复杂度高、训练样本不足和杂波非均匀的问题,提出一种改进的降维方法。首先,利用空间谱相关系数表征目标和杂波轨迹的分离特性,将天线脉冲对的选择转化为最小化空间谱相关系数问题,降低了计算复杂度和杂波非均匀的影响;其次,对杂波噪声协方差矩阵进行特征值分解,结合互谱法选择特征向量构成降维矩阵,降低了对训练样本的需求;最后,仿真分析验证了所提方法的有效性。