CN112910516A - 一种降低Wi-Fi无源感知系统带宽开销的方法 - Google Patents
一种降低Wi-Fi无源感知系统带宽开销的方法 Download PDFInfo
- Publication number
- CN112910516A CN112910516A CN202011634736.6A CN202011634736A CN112910516A CN 112910516 A CN112910516 A CN 112910516A CN 202011634736 A CN202011634736 A CN 202011634736A CN 112910516 A CN112910516 A CN 112910516A
- Authority
- CN
- China
- Prior art keywords
- matrix
- sparse
- column
- sparse dictionary
- channel state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
- H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
- H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
- H04B7/0621—Feedback content
- H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明提出了基于Wi‑Fi的无源感知系统的信道状态信息(Channel State Information,CSI)压缩方法,能够有效地降低用于无源感知的CSI数据包传输带来的带宽开销,保证了无源感知系统的实时性。首先,利用接收端采样获得的部分CSI数据初始化稀疏字典,计算信道状态矩阵在该稀疏字典下的稀疏系数;其次,用信道状态矩阵和获得的稀疏系数更新稀疏字典;然后,接收端将稀疏字典和压缩后的CSI数据传输给服务器;最后,服务器重构原始的CSI数据,并进行感知处理。实测结果表明,本发明设计的无源感知系统CSI压缩算法有效可靠,在降低传输带宽开销的同时,取得了与原始数据相当的参数估计精度和感知效果,并且提高了信道状态信息反馈的实时性。
Description
技术领域
本发明属于压缩重构技术,具体涉及在商用Wi-Fi系统下,一种降低无源感知系统带宽 开销的方法。
背景技术
目前,针对商业Wi-Fi的无源感知系统已经存在大量应用,例如,手势识别、击键识别、呼吸检测、行为识别以及入侵检测等。此类无源感知系统的信息处理流程一般分为三步:采集信道状态信息(Channel State Information,CSI)、提取特征参数以及输出模型结果。其中,无线网卡采集到的CSI数据包往往数量庞大,这有助于提高模型识别的准确率,但在将接收端RX获得的CSI数据包传输给服务器处理的时候,便会使无源感知系统的带宽开销陡然增加。例如,一个3发3收的Wi-Fi链路,在IEEE 802.11n协议下,每一路含有 64个子载波,则无线网卡采集到的每个CSI数据包都含有576个复数,假设每个复数使用2 个字节来表示,则一个CSI数据包的大小高达1152字节,而典型的数据包大小约为1500字 节,可见传输CSI数据包占据的带宽资源已经和Wi-Fi系统传输媒体数据占用的带宽资源相 当了。
现有的研究中,对于CSI的压缩一般是针对大规模多输入多输出(Multiple InputMultiple Output,MIMO)系统,缺乏对商业Wi-Fi系统的CSI进行压缩的有效方式。对于大规模MIMO系统,其基本的压缩原理是利用大规模MIMO系统信道的稀疏性,采用压缩感 知的方式对其进行压缩重构,而压缩感知能否成功的关键一般取决于信号在稀疏字典矩阵下的稀疏表示系数是否足够稀疏。理论表明,信号越稀疏,采用压缩感知重建的信号就越精确。虽然大规模MIMO系统在离散余弦变换(Discrete Cosine Transform,DCT)字典或快速傅 里叶变换(Fast Fourier Transform,FFT)字典下信号的稀疏性体现得较为明显,但商用的Wi- Fi系统不论是天线数量还是子载波数量都远远小于大规模MIMO系统。因此,针对大规模 MIMO系统的CSI压缩方式并不适用于Wi-Fi系统。
针对上述问题,本发明在商用Wi-Fi系统下,设计了一种可以降低Wi-Fi无源感知系统 带宽开销的方法。首先,通过迭代更新的方式,构建了一个适用于Wi-Fi系统的CSI稀疏字 典,使原始的CSI矢量在该稀疏字典下表现出明显的稀疏性;然后,接收端RX将训练好的CSI稀疏字典和压缩后的CSI数据传输给服务器;最后,服务器重构CSI数据并进行无源感知。
发明内容
本发明的目的是在商用Wi-Fi系统下,提供一种降低Wi-Fi无源感知系统带宽开销的方 法。该方法利用无源感知系统精度的轻微损失,换取了CSI数据传输的实时性,并降低了 Wi-Fi系统的带宽开销。
本发明所描述的是一种基于压缩感知的降低系统传输带宽的方法,具体包括以下步骤:
步骤一:位于无源感知区域的发射端TX向接收端RX发送导频信号,接收端RX根据接收到的导频信号估计信道状态信息矩阵H={h(1),h(2),…,h(i),…},其中,表示接收端RX第i次采样获得的CSI矩阵,Nr表示接收端天线数量,Nc表示子载波数 量。
步骤二:接收端RX利用信道状态信息矩阵H中的前K个列矢量初始化稀疏字典D,即D={h(1),h(2),…,h(K)},并从信道状态信息矩阵H中选取用于稀疏字典训练的CSI矢量集HW,其中,K=2NcNr,I2P是维度为2P×2P的单位阵,P为发射端TX的 发包速率且P>NrNc,O为零矩阵,此时求解矩阵HW在稀疏字典D下的稀疏表示系数 X,即:
其中,X={x(1),x(2),…,x(2P)},x(i)∈R2P×1为h(i)在稀疏字典D下的稀疏表示系数,S 设为在D已知的情况下,每次选取HW中的一列h(i),通过正交匹配跟踪(Orthogonal Matching Pursuit,OMP)算法求得x(i),直到整个稀疏系数矩阵X被求出。
步骤三:通过步骤二求出稀疏系数矩阵X后,对当前的稀疏字典矩阵D进行更新,此时 的优化模型为:
在稀疏字典矩阵D的更新过程中,逐列更新D中的每一列d(k)和其对应的稀疏系数矢 量x(k),具体的求解过程如下,假设要更新稀疏字典矩阵D的第k列d(k):
d(k)=umax
有益效果
本发明提出了基于Wi-Fi的无源感知系统的信道状态信息(Channel StateInformation, CSI)压缩方法,能够有效地降低用于无源感知的CSI数据包传输带来的带宽开销,保证了 无源感知系统的实时性。首先,利用接收端采样获得的部分CSI数据初始化稀疏字典,计算 信道状态矩阵在该稀疏字典下的稀疏系数;其次,用信道状态矩阵和获得的稀疏系数更新稀 疏字典;然后,接收端将稀疏字典和压缩后的CSI数据传输给服务器;最后,服务器重构原 始的CSI数据,并进行感知处理。实测结果表明,本发明设计的无源感知系统CSI压缩算法 有效可靠,在降低传输带宽开销的同时,取得了与原始数据相当的参数估计精度和感知效 果,并且提高了信道状态信息反馈的实时性。
附图说明
图1为无源感知系统框架示意图。
图2为CSI压缩算法的具体流程图。
图3为原始的CSI数据和重构的CSI数据对比图。
具体实施方案
步骤一:位于无源感知区域的发射端TX向接收端RX发送导频信号,接收端RX根据接收到的导频信号估计信道状态信息矩阵H={h(1),h(2),…,h(i),…},其中,表示接收端RX第i次采样获得的CSI矩阵,Nr表示接收端天线数量,Nc表示子载波数 量。
步骤二:接收端RX利用信道状态信息矩阵H中的前K个列矢量初始化稀疏字典D,即D={h(1),h(2),…,h(K)},并从信道状态信息矩阵H中选取用于稀疏字典训练的CSI矢量集HW,其中,K=2NcNr,I2P是维度为2P×2P的单位阵,P为发射端TX的 发包速率且P>NrNc,O为零矩阵,此时求解矩阵HW在稀疏字典D下的稀疏表示系数 X,即:
其中,X={x(1),x(2),…,x(2P)},x(i)∈R2P×1为h(i)在稀疏字典D下的稀疏表示系数,S 设为在D已知的情况下,每次选取HW中的一列h(i),通过正交匹配跟踪(Orthogonal Matching Pursuit,OMP)算法求得x(i),直到整个稀疏系数矩阵X被求出。
步骤三:通过步骤二求出稀疏系数矩阵X后,对当前的稀疏字典矩阵D进行更新,此时 的优化模型为:
在稀疏字典矩阵D的更新过程中,逐列更新D中的每一列d(k)和其对应的稀疏系数矢 量x(k),具体的求解过程如下,假设要更新稀疏字典矩阵D的第k列d(k):
d(k)=umax
Claims (3)
1.一种降低Wi-Fi无源感知系统带宽开销的方法,包括以下步骤:
步骤一:位于无源感知区域的发射端TX向接收端RX发送导频信号,接收端RX根据接收到的导频信号估计信道状态信息矩阵H={h(1),h(2),…,h(i),…},其中,表示接收端RX第i次采样获得的CSI矩阵,Nr表示接收端天线数量,Nc表示子载波数量。
步骤二:接收端RX利用信道状态信息矩阵H中的前K个列矢量初始化稀疏字典D,即D={h(1),h(2),…,h(K)},并从信道状态信息矩阵H中选取用于稀疏字典训练的CSI矢量集HW,其中,K=2NcNr,I2P是维度为2P×2P的单位阵,P为发射端TX的发包速率且P>NrNc,O为零矩阵,此时求解矩阵HW在稀疏字典D下的稀疏表示系数X,即:
其中,X={x(1),x(2),…,x(2P)},x(i)∈R2P×1为h(i)在稀疏字典D下的稀疏表示系数,S设为在D已知的情况下,每次选取HW中的一列h(i),通过正交匹配跟踪(Orthogonal Matching Pursuit,OMP)算法求得x(i),直到整个稀疏系数矩阵X被求出。
步骤三:通过步骤二求出稀疏系数矩阵X后,对当前的稀疏字典矩阵D进行更新,此时的优化模型为:
在稀疏字典矩阵D的更新过程中,逐列更新D中的每一列d(k)和其对应的稀疏系数矢量x(k),具体的求解过程如下,假设要更新稀疏字典矩阵D的第k列d(k):
d(k)=umax
2.根据权利要求1所述的一种降低Wi-Fi无源感知系统带宽开销的方法,所述步骤二,通过OMP算法计算信道状态信息矩阵在稀疏字典下的稀疏表示系数,包括以下步骤:
步骤二:接收端RX利用信道状态信息矩阵H中的前K个列矢量初始化稀疏字典D,即D={h(1),h(2),…,h(K)},并从信道状态信息矩阵H中选取用于稀疏字典训练的CSI矢量集HW,其中,K=2NcNr,I2P是维度为2P×2P的单位阵,P为发射端TX的发包速率且P>NrNc,O为零矩阵,此时求解矩阵HW在稀疏字典D下的稀疏表示系数X,即:
3.根据权利要求1所述的一种降低Wi-Fi无源感知系统带宽开销的方法,所述步骤三,计算信道状态矩阵在稀疏系数下的稀疏字典,包括以下步骤:
步骤三:通过步骤二求出稀疏系数矩阵X后,对当前的稀疏字典矩阵D进行更新,此时的优化模型为:
在稀疏字典矩阵D的更新过程中,逐列更新D中的每一列d(k)和其对应的稀疏系数矢量x(k),具体的求解过程如下,假设要更新稀疏字典矩阵D的第k列d(k):
d(k)=umax
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011634736.6A CN112910516B (zh) | 2020-12-31 | 2020-12-31 | 一种降低Wi-Fi无源感知系统带宽开销的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011634736.6A CN112910516B (zh) | 2020-12-31 | 2020-12-31 | 一种降低Wi-Fi无源感知系统带宽开销的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112910516A true CN112910516A (zh) | 2021-06-04 |
CN112910516B CN112910516B (zh) | 2022-01-28 |
Family
ID=76112119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011634736.6A Active CN112910516B (zh) | 2020-12-31 | 2020-12-31 | 一种降低Wi-Fi无源感知系统带宽开销的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112910516B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090259909A1 (en) * | 2008-04-15 | 2009-10-15 | Qualcomm Incorporated | Physical harq indicator channel (phich) resource assignment signaling in a wireless communication environment |
US20120069914A1 (en) * | 2010-09-22 | 2012-03-22 | Qualcomm Incorporated | Efficient compressed sensing channel estimation for single-carrier communication systems |
CN103401620A (zh) * | 2013-07-02 | 2013-11-20 | 山东大学 | 一种新型的脉冲超宽带信号压缩检测系统及方法 |
CN105245263A (zh) * | 2015-10-10 | 2016-01-13 | 重庆大学 | 一种基于压缩感知的下行信道状态信息获取方法 |
US20160338040A1 (en) * | 2015-05-15 | 2016-11-17 | Nokia Technologies Oy | Efficient Uplink Data Indication Techniques for MIMO-OFDMA Transmission in WLAN |
CN109104229A (zh) * | 2018-08-13 | 2018-12-28 | 南京邮电大学 | 基于压缩感知的大规模mimo信道反馈重构算法 |
CN110135378A (zh) * | 2019-05-16 | 2019-08-16 | 中国科学技术大学 | 一种基于无源反射信号的人体动作识别方法 |
-
2020
- 2020-12-31 CN CN202011634736.6A patent/CN112910516B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090259909A1 (en) * | 2008-04-15 | 2009-10-15 | Qualcomm Incorporated | Physical harq indicator channel (phich) resource assignment signaling in a wireless communication environment |
US20120069914A1 (en) * | 2010-09-22 | 2012-03-22 | Qualcomm Incorporated | Efficient compressed sensing channel estimation for single-carrier communication systems |
CN103401620A (zh) * | 2013-07-02 | 2013-11-20 | 山东大学 | 一种新型的脉冲超宽带信号压缩检测系统及方法 |
US20160338040A1 (en) * | 2015-05-15 | 2016-11-17 | Nokia Technologies Oy | Efficient Uplink Data Indication Techniques for MIMO-OFDMA Transmission in WLAN |
CN105245263A (zh) * | 2015-10-10 | 2016-01-13 | 重庆大学 | 一种基于压缩感知的下行信道状态信息获取方法 |
CN109104229A (zh) * | 2018-08-13 | 2018-12-28 | 南京邮电大学 | 基于压缩感知的大规模mimo信道反馈重构算法 |
CN110135378A (zh) * | 2019-05-16 | 2019-08-16 | 中国科学技术大学 | 一种基于无源反射信号的人体动作识别方法 |
Non-Patent Citations (2)
Title |
---|
MU ZHOU: ""Indoor WLAN Intelligent Target Intrusion Sensing Using Ray-Aided Generative Adversarial Network"", 《IEEE TRANSACTIONS ON EMERGING TOPICS IN COMPUTATIONAL INTELLIGENCE 》 * |
ZENGSHAN TIAN: ""Device-Free Hand Gesture Recognition System Based on Commercial Wi-Fi Devices"", 《2018 UBIQUITOUS POSITIONING, INDOOR NAVIGATION AND LOCATION-BASED SERVICES (UPINLBS)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112910516B (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109104229B (zh) | 基于压缩感知的大规模mimo信道反馈重构算法 | |
CN110912598B (zh) | 基于长短时注意力机制的大规模mimo系统csi反馈方法 | |
WO2021203242A1 (zh) | 基于深度学习的mimo多天线信号传输与检测技术 | |
Yang et al. | EfficientFi: Toward large-scale lightweight WiFi sensing via CSI compression | |
CN105791189B (zh) | 一种提高重构精度的稀疏系数分解方法 | |
CN109257309A (zh) | 一种高性能的大规模mimo下行链路传输信道估计方法 | |
CN111555781B (zh) | 一种基于深度学习注意力机制的大规模mimo信道状态信息压缩及重建方法 | |
CN111181671B (zh) | 一种基于深度学习的下行信道快速重建方法 | |
CN110166055B (zh) | 一种基于压缩感知的多通道压缩传感优化方法及系统 | |
CN110289898A (zh) | 一种大规模mimo系统中基于1比特压缩感知的信道反馈方法 | |
CN110430147B (zh) | 一种面向fdd系统的信道跟踪方法 | |
CN110971457B (zh) | 一种基于elm的时间同步方法 | |
Sun et al. | Data compression and reconstruction of smart grid customers based on compressed sensing theory | |
Li et al. | A novel CSI feedback approach for massive MIMO using LSTM-attention CNN | |
CN113595941A (zh) | 深度学习的压缩感知大规模mimo信道估计方法及系统 | |
CN107037409A (zh) | 基于压缩感知的mimo雷达波形分离方法 | |
KR101284569B1 (ko) | 유한체의 희소 신호 복구 방법 및 장치 | |
CN116192209A (zh) | 一种mimo信道下空中计算联邦学习的梯度上传方法 | |
CN112910516B (zh) | 一种降低Wi-Fi无源感知系统带宽开销的方法 | |
CN109446910B (zh) | 一种通信辐射源信号分类识别方法 | |
CN109905129A (zh) | 基于分布式压缩传感的低开销电力数据采集方法 | |
CN108288295A (zh) | 基于结构信息的红外小目标图像的快速重构方法及系统 | |
CN110113084B (zh) | Mimo闭环传输系统的信道预测方法 | |
CN111965592A (zh) | 基于近似消息传递和1-bit量化波达方向估计方法 | |
Shan et al. | Diagnosis of calibration state for massive antenna array via deep learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230628 Address after: 3-1-11, Floor 3, No. 128, Zhongshan 3rd Road, Yuzhong District, Chongqing 400015 Patentee after: Chongqing Paiming Technology Co.,Ltd. Address before: 400065 No. 2, Chongwen Road, Nan'an District, Chongqing Patentee before: CHONGQING University OF POSTS AND TELECOMMUNICATIONS |
|
TR01 | Transfer of patent right |