CN110299982B - 基于有限带宽的Wi-Fi设备的多径信道侧写方法 - Google Patents

Abstract

一种基于有限带宽的Wi‑Fi设备的多径信道侧写方法，通过设计匹配多信号分类算法的数据模型，经重构并合并多个天线的CSI后，采用多信号分类算法根据CSI求解信号到达时间，并进一步通过最小二乘法和Wi‑Fi信道模型得到信号到达时间对应的能量衰减和相位变化，从而实现无线信道侧写。本发明通过适当修改传统的MUSIC算法而应用在基于CSI的到达时间估计问题中从而提供更加准确的多径信道侧写。使用有限带宽的Wi‑Fi设备提供的CSI信息来对无线多径信道进行准确详细的刻画，解决了如何在不增加多余通信负担的条件下，用窄带宽Wi‑Fi设备获得准确的无线多径信道侧写的问题。

Description

基于有限带宽的Wi-Fi设备的多径信道侧写方法

技术领域

本发明涉及的是一种无线通信领域的技术，具体是一种基于有限带宽的Wi-Fi设备的多径信道侧写(WiZoom)方法。

背景技术

信道状态信息(CSI)是Wi-Fi设备用来进行信道均衡的主要依据，其本质上是对无线多径信道频率响应的一种估计结果，所以它包含了与信道多径成分相关的重要信息。因为多径信道的改变直接反映了空间变化所造成的传播路径改变，所以CSI也被广泛地应用在无线智能感知和室内定位中。多径信道侧写是对多径信道传播路径的具体刻画，包括各路径的到达时间、能量衰减和相位改变，其中到达时间最为关键，能量衰减和相位改变可以通过到达时间来估计得到。通过多径信道侧写可以得到更为具体且确定性的空间变化信息，因此许多无线感知应用都尝试通过多径信道侧来提高应用本身的鲁棒性。多信号分类算法(multiple signal classification algorithm，MUSIC)成分估计算法通常被用来估计信号的到达角，因其具有比一般的成分分析方法更高的分辨率而得到广泛使用。基于MUSIC的到达角估计的分辨率与天线数量成正相关，然而对于普通的Wi-Fi设备，同时工作的接收天线数量通常都在三个以下，这严重限制了信号分解的准确率。基于频域的信号到达时间估计和基于空间域的信号到达角估计是类似的问题，因此传统的MUSIC算法可以经过适当的修改而应用在基于CSI的到达时间估计问题中从而提供更加准确的多径信道侧写。

Wi-Fi多径信道是信号所通过的不同路径的叠加，其数学模型满足：

其中：h(f)是Wi-Fi信道在频率f上的信道响应，a_i、d_i和φ_i分别是第i条路径的能量衰减，路径长度和相位变化，c是光速，N是信道中所包含的路径的数量。

对多径信道的侧写即从测得的h(f)中推出a_i、d_i和φ_i，对于普通Wi-Fi接收机来说，信号的起始时间是以检测到Wi-Fi数据包的时间为准的，所以Wi-Fi的CSI中所包含的路径长度d_i是相对于最短路径而言的。

发明内容

本发明针对现有技术存在的上述不足，提出一种基于有限带宽的Wi-Fi设备的多径信道侧写方法，通过优化MUSIC算法而应用在基于CSI的到达时间估计问题中从而提供更加准确的多径信道侧写。使用有限带宽的Wi-Fi设备提供的CSI信息来对无线多径信道进行准确详细的刻画，解决了如何在不增加多余通信负担的条件下，用窄带宽Wi-Fi设备获得准确的无线多径信道侧写的问题。

本发明是通过以下技术方案实现的：

本发明通过设计匹配MUSIC算法的数据模型，经重构并合并多个天线的CSI后，采用MUSIC算法根据CSI求解信号到达时间，并进一步通过最小二乘法和Wi-Fi信道模型得到信号到达时间对应的能量衰减和相位变化，从而实现无线信道侧写。

所述的数据模型为X＝AF+W，其中：X为接收机接收到的CSI信号、A为发射信号到接收信号之间的线性转换关系、F为发射信号、W为信道噪声。

所述的重构是指：调整数据模型中的变量：X调整为：

F调整为：

A中各个元素调整为：

其中：h(f_i)为CSI在频率f_i上的测量值，h_j(f_i)为第j条路径在频率f_i真实值，a(Δt_i)为由于第i条路径所造成的在不同测量频率上的相位偏移，f_δ为相邻两个测量频率间的频率差，K、M、D分别为X矩阵的列数、行数和路径的数量，并且K和M的乘积应等于单个CSI所包含的频率数。

本发明通过合并多天线的CSI来达到进一步提高分辨率的目的，具体为：接收机接收到的CSI信号X′＝[X₁ X₂ ... X_N]，其中：X_i为由第i个接收天线的CSI构成的矩阵，合并时一致调整每个X_i的行数和列数使得合并后的X′的行数和列数尽可能接近。

技术效果

与现有技术相比，本发明可以直接应用在现有的WiFi设备上，不需要专门布置特殊设备，因此具有较好的可扩展性。相比于传统的方法，本发明所提出的超分辨率方法将WiFi设备的信号分辨能力全部集中到到达时间的估计之中，使用多天线技术提高了有限带宽的时间分辨率，从而使得对多径成分的分解更加准确。

附图说明

图1为多径成分分解后视线距离估计的准确度对比图；

图2为结合多天线以后到达时间估计分辨率提高效果图；

图3为在可控信道环境下对距离估计的准确度对比图。

具体实施方式

本实施例具体包括以下步骤：

步骤1)设计数据模型以匹配MUSIC算法，即MUSIC算法在计算信号到达角中的数据模型为：

或简化为X＝AF+W，其中：X_i为第i个接收天线的接收信号，F_i为第i个信号发射源的发射信号，W_i为第i个接收天线上的噪声，a(θ_i)为模式向量，其表征具有到达角θ_i的发射信号在各个接收天线上的接收信号之间的关系。

步骤2)对数据模型进行重构，使用重构后的数据模型估计当前天线的信号到达时间。

通过观察这个数据模型并且对比前述Wi-Fi多径信道模型可以发现，信号达到角造成的同一个信号在不同接收天线之间的不同可以类比于信号到达时间造成的同一个信号在不同接收频率上的不同，这就说明确定相应的X、A和F后MUSIC的数据模型可以用来估计信号到达时间。

所述的重构是指：在基于本发明提出的基于CSI的信号到达时间估计中：

X是实际接收到的信道状态信息(CSI)数值，F为每一条传播路径上的信道参数数值。X中的h(f_i)即为第i个子载波上的CSI数值，F中h_i(f_j)代表第i条传播路径在第j个子载波上的信道参数。

其中：h(f_i)为CSI在频率f_i上的测量值，h_j(f_i)为第j条路径在频率f_i真实值，a(Δt_i)为由于第i条路径所造成的在不同测量频率上的相位偏移，f_δ为相邻两个测量频率间的频率差，K、M、D分别为X矩阵的列数、行数和路径的数量，并且K和M的乘积应等于单个CSI所包含的频率数。

步骤3)采用多个天线的CSI合并后的X′，采用MUSIC算法根据CSI求解信号到达时间，X′＝[X₁ X₂ ... X_N]，其中：X_i为由第i个接收天线的CSI构成的矩阵。

优选地，合并时的原则是一致调整每个X_i的行数和列数使得合并后的X的行数和列数尽可能接近。

MUSIC算法的分辨率与测量矩阵X的大小是正相关的，单个CSI测量具有有限的频率采样值从而限制了MUSIC算法的分辨率，针对这个问题，本发明通过结合普通Wi-Fi设备中多个接收天线的CSI来进一步提高MUSIC的分辨率。在MUSIC算法中，对X的基本要求是列与列之间线性无关，这意味着如果要将多个天线的CSI合并到X中，需要各天线CSI在同一频率上的数值相互之间线性无关。由于较小的位置变化会引起信号较大的相位变化，这就使得CSI在不同接收天线之间表现出较大的差异，可以认为它们的线性相关性很小，与此同时信号在不同天线上的达到时间又非常接近，因此多个天线的CSI可以合并到X中来增大X的规模，从而提高MUSIC的分辨率。

如图1所示，相比于传统的方法，本方法分解出的视线路径成分可以更加准确地估计视线距离，从而体现了在多径侧写上的准确性。

如图2所示，为本方法结合多天线以后的分辨率提升效果，图中的峰值所对应的横坐标值代表了本发明对不同路径信号到达时间的估计，从图中可以看到，使用了两个接收天线和两个发送天线的CSI信息后，峰值更加明显，可信赖程度更高。

步骤4)通过精确估计得到信号到达时间后，进一步通过最小二乘法和Wi-Fi信道模型得到相应的能量衰减和相位变化，从而实现无线信道侧写。

如图3所示，为在可控信道环境下使用本发明所提出的信道侧写方法和现有方法在距离估计上的准确度对比。可控信道用不同长度的射频线缆、信号衰减器和信号分离器构建，图中展示了用不同方法估计的信道传播距离和实际线缆长度之间的误差，从中可以看到本方法在距离估计上有更高的精确度，从而反映了本发明在信道侧写上的准确度。

上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。

Claims (1)

1.一种基于有限带宽的Wi-Fi设备的多径信道侧写方法，其特征在于，通过设计匹配多信号分类算法的数据模型，经重构并合并多个天线的CSI后，采用多信号分类算法根据CSI求解信号到达时间，并进一步通过最小二乘法和Wi-Fi信道模型得到信号到达时间对应的能量衰减和相位变化，从而实现无线信道侧写；

所述的数据模型为X＝AF+W，其中：X为接收机接收到的CSI信号、A为发射信号到接收信号之间的线性转换关系、F为发射信号、W为信道噪声；

所述的重构是指：调整数据模型中的变量：X调整为：

A中各个元素调整为：

其中：h(f_i)为CSI在频率f_i上的测量值，h_j(f_i)为第j条路径在频率f_i真实值，a(Δt_i)为由于第i条路径所造成的在不同测量频率上的相位偏移，f_δ为相邻两个测量频率间的频率差，K、M、D分别为X矩阵的列数、行数和路径的数量，并且K和M的乘积应等于单个CSI所包含的频率数；

所述的合并是指：通过合并多天线的CSI来达到进一步提高分辨率的目的，具体为：接收机接收到的CSI信号X'＝[X₁ X₂ ... X_N]，其中：X_i为由第i个接收天线的CSI构成的矩阵，合并时一致调整每个X_i的行数和列数使得合并后的X′的行数和列数尽可能接近；

所述的多径信道侧写方法，具体包括：

步骤1)设计数据模型以匹配MUSIC算法，即MUSIC算法在计算信号到达角中的数据模型为：

即X＝AF+W，其中：X_i为第i个接收天线的接收信号，F_i为第i个信号发射源的发射信号，W_i为第i个接收天线上的噪声，a(θ_i)为模式向量；

步骤2)对数据模型进行重构，使用重构后的数据模型估计当前天线的信号到达时间；

步骤3)采用多个天线的CSI合并后的X′，采用MUSIC算法根据CSI求解信号到达时间；

步骤4)通过精确估计得到信号到达时间后，进一步通过最小二乘法和Wi-Fi信道模型得到相应的能量衰减和相位变化，从而实现无线信道侧写。

Images