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。

被动窃听环境中基于信道状态信息的物理层安全预编码设计

在被动窃听的多径信道场景下,窃听者(EaVEsdropper,Eve)仅被动窃听,不发射任何无线电信号,发射端(Alice)无法确定Eve的任何信息,给信息的安全传输带来了极大挑战。为了保障信息的安全传输,在Alice已知合法接收者(Bob)的信道状态信息(CSI)但是未知Eve的CSI的情况下,提出一种保障Bob的物理层安全的预编码方案,通过提高Bob接收信号的质量来提高系统的安全性能。首先,在不考虑Eve的情况下,仅根据已知的Bob的CSI给出可达Bob信道容量上界的预编码方案;利用Alice-Bob和Alice-Eve链路之间的信道特异性获得稳定的安全容量;然后,在瑞利平坦衰落环境下,通过Bob的中断概率推导出Bob的平均误码率(BER)准确的闭合表达式。仿真实验结果表明,所提方案在不改变接收机复杂度的基础上,能够保证Bob的信道容量始终优于Eve的信道容量。同时,所提方案能够在Eve的BER性能受到较大抑制的条件下,有效改善Bob的BER性能,即使Eve位置条件优于Bob也能保证安全容量始终存在。

基于CNN-GAN的信道状态信息室内定位算法

在指纹室内定位中,构建高质量的指纹库是实现高精度定位的前提。针对建库阶段需要在每个参考点上收集足够多的信号样本,耗费大量人力与时间成本的问题,提出一种基于改进的条件深度卷积生成对抗网络的指纹库扩充方法。网络模型将参考点序号作为条件信息,得到对应参考点上的生成样本,利用最小二乘损失函数代替交叉熵损失函数,避免训练过程中容易出现的梯度消失问题。实验验证,该方法能有效增加每个参考点的样本数量,提升了卷积神经网络的训练效果,提高了小样本情况下的定位精度,均方根误差降为0.44 m,定位误差在1 m内的占比为86.98%,误差在2 m内的占比为92.72%。

基于迁移学习提高WiFi室内定位中信道状态信息指纹库的鲁棒性

基于信道状态信息(CSI)数据的WiFi指纹可用于室内定位。与信号强度值(RSSI)数据相比,CSI具有更高的数据信息粒度,并且可以在多个子载波上获得。当使用CSI数据进行室内定位时,相对于RSSI可以获得更好的结果。然而,无论使用RSSI还是CSI信号,在室内定位部署期间的一段时间后,室内环境通常会发生变化,并且基于测试数据的指纹数据库通常会恶化甚至失效。该文提出使用迁移学习算法来建立用于室内定位的指纹数据库。迁移学习的优势在于,可以使用较少的数据来获得更好的迁移训练结果。该文使用迁移学习来迁移指纹数据库的预测,延长指纹数据库的生命周期,并提高室内定位的鲁棒性。经过实验,1周后室内定位准确率保持在98%,两周后保持在97%。在相同成本下,该模型的生命周期和定位精度高于长短期记忆网络(LSTM)、卷积神经网络(CNN)、支持向量机(SVM)、深度神经网络(DNN)和其他定位系统。

信道状态信息的生命体征检测算法

针对传统的接触式呼吸检测设备易脱落、应用场景有限等问题,提出一种基于信道状态信息的生命体征检测算法。该算法以菲涅尔区模型为理论指导,通过商用无线保真(Wi-Fi)设备采集呼吸信道状态信息。首先,利用Hampel滤波器滤除信号衰落和多径效应引起的高频噪声;然后,以改进的阈值函数选取方法即开方法解决软硬阈值偏差恒定、不连续等问题,进一步滤除环境噪声;最后,通过去除直流分量、子载波选择和交叉平移点算法获取呼吸频率。此外,通过机器学习、深度学习算法实现了正常、异常和暂停3种不同呼吸状态的分类,全面反映了被检测人员的呼吸运动。实验结果表明:基于信道状态信息的生命体征检测算法准确率达到了92.5%,能够作为人体生命体征日常检测系统为用户提供健康参考。

基于信道状态信息的船舶驾驶台人员检测及活跃度评价方法

船舶驾驶台人员包括按照规定要求的常规值班人员和特殊情况下额外的瞭望人员或船长、引航员等,驾驶台人员活跃度是判断其工作状态的重要指标之一。传统的基于计算机视觉的人员检测方法在面对船舶驾驶台遮挡物多、夜间或恶劣天气下光线不足等问题时,精度明显降低。为解决该问题,提出了1种基于普通商用Wi-Fi设备的活跃度感知方法。由于船体材质、结构特点以及变化的运动状态导致动态多径多、信号噪声强,对Wi-Fi设备造成干扰,为此设计了值班高关联度数据(duty high correlation data,DHCD)选择模块及基于信道状态信息(channel state information,CSI)的多层级特征提取模块。DHCD选择模块分析驾驶台人员不同航行、值班情况下的CSI特点,对比0~5人在驾驶台内值班、工作时的信道变化,利用模糊C-means聚类算法提取CSI中对值班人员行为反应最灵敏的信道,去除对信号噪声反应敏感的信道信息;通过多层级特征提取模块计算去噪后CSI数据的幅值与相位离散度、多链路融合离散度、变异指数等多层特征,作为活跃度评价基础参数。依据驾驶台值班要求设计了驾驶台人员活跃度评价模块,采用支持向量机算法判断驾驶台人员数量,采用客观赋权法得到基础参数权重,结合人数信息与权重信息评价驾驶台人员活跃度。实验结果表明:使用DHCD选择模块和多层级模块处理后的多层级特征将驾驶台人员数量检测精度提升至89.6%,对比直接使用原始数据时检测精度提升7.1%。在夜间、雨雾天气等光照不足情况下,基于计算机视觉方法的检测精度会由光线充足时的96.2%降至60.3%,而该方法监测精度不会降低。因此,基于CSI的驾驶台人员活跃度检测方法丰富了驾驶台人员检测算法,能有效识别船舶驾驶台人员是否符合安全值班的基本要求。

基于非理想信道状态信息的高通量卫星预编码算法

为了抑制频率复用造成的同频干扰,高通量卫星通信系统开始研究地面干扰抑制技术,包括应用于反向链路的多用户检测技术和应用于前向链路的预编码技术,建立考虑自由空间损耗、降雨衰减和波束增益等影响的前向链路模型。在非理想信道状态信息模型的基础上针对最小均方误差预编码算法进行改进,提出一种适用于非理想信道状态信息的改进最小均方误差预编码算法。考虑的卫星预编码算法采用更加精确的具有非理想信道信息的信道模型,将非理想信道状态信息纳入预编码算法并进行消除设计。仿真结果表明,基于高通量卫星预编码算法在非理想信道状态信息条件下能够显著提升系统的吞吐量,并且提高了系统的鲁棒性。

基于无线信道状态信息的跌倒检测

随着中国正式迈入老龄化社会,老年人跌倒引发的问题日益引起关注。针对这一问题,无线信号(如Wi-Fi)感知被用于对跌倒进行及时检测与警报。无线信号感知技术依赖电磁波的反射特性,发射信号经过室内环境中各物体反射后产生不同的传播路径,叠加在一起到达接收端。由于接收信号携带了物体方位、活动状态等信息,通过将接收信号与实际物体的状态建立联系,可实现对物体进行定位与行动识别。对基于无线信道状态信息的跌倒检测进行研究,并在实验环境中验证其可行性。

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%.

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。