本文共 3681 字，大约阅读时间需要 12 分钟。

按照spotfi==>Dynamic-MUSIC==>widar2.0三篇论文的基本顺序研究AOA,TOF,DFS;

SpotFi：Decimeter Level Localization Using WiFi（SIGCOMM 2015）——基于设备的，device-based。基于这篇论文开始理解基于到达角的测距、多重信号分类（MUSIC）算法就算AOA、利用CSI进行超分辨率AOA估计；

Dynamic-MUSIC：

有源定位，关联论文：IndoTrack和RT-Fall 针对CSI信号进行研究，需要不只一个接收器；

widar2.0—Wifi下单链接实现人体跟踪：

工作原理： 1）将多位参数估计问题转化为最大似然估计问题，建立用户运动与CSI之间的关系，并采用期望最大值（EM）的求解器进行求解； 2）为了处理CSI信号的相位噪声，提出使用CSi测量的共轭倍增的新方法，是CSI的无偏移形式呈现，基本原理：一对均匀的天线在信道会经历相同的相位噪声，从而可以通过共轭乘法除去； 3）提出一种新的基于图的定位算法，可精确识别与目标多径参数的目标反射对应的参数，可通过AoA和ToF的几何衰减简单启动，并联合DFS提高定位精度； 系统概述： 1）CSI-Motion模块： 1、对收集到的含有噪声的CSIs数据进行数据清理 清理目标： a.由异步收发器引起的随机CSI相位噪声； b.静态路径（eg.LOS path）中的强信号； 2、通过移动目标放大反射信号 3、利用参数估计算法获得多径信号的多维参数 2）Motion- Tracking模块： 1、通过路径匹配模块识别移动目标反射信号对应的参数 2、在范围精致模块利用卡尔曼平滑融合ToF和DFS，用于计算距离 3、估计距离与AOA返回本地框架从而定位

多维度参数：Angle-of-Arrival(AoA)到达角 ;Time-of-Flight(ToF)飞行时间 ;Doppler frequency shift(DFS)多普勒频率频移 ；attenuation衰减

论文设计将含有噪声的一系列参数转变为对应的定位信息；工作流程：找感兴趣的反射对应参数化=>范围精致=>输出定位；

被动跟踪难点：反射信号是比直接接受信号强度（RSSI）更弱的计量，并且在接受器出会出现其它物体的反射信号的叠加；

Widar2.0特点：

1、其它基于CSI的定位系统研究最少仍旧至少需要两个AP作为链接（或者用专门设计的设备）； 2、从单个链路中寻求多个信号参数，而不是从多个链路中使用单个参数； 3、将Rx天线分开并且将每条天线视为单独链接；

工作原理：

1、将多位参数估计问题转化为最大似然估计问题，建立用户运动与CSI之间的关系，并采用期望最大值（EM）的求解器进行求解； 2、为了处理CSI信号的相位噪声，提出使用CSi测量的共轭倍增的新方法，是CSI的无偏移形式呈现，基本原理：一对均匀的天线在信道会经历相同的相位噪声，从而可以通过共轭乘法除去； 3、提出一种新的基于图的定位算法，可精确识别与目标多径参数的目标反射对应的参数，可通过AoA和ToF的几何衰减简单启动，并联合DFS提高定位精度；

系统概述： CSI-Motion模块： 1、对收集到的含有噪声的CSIs数据进行数据清理 清理目标： 1、由异步收发器引起的随机CSI相位噪声； 2、静态路径（eg.LOS path）中的强信号； 2、通过移动目标放大反射信号 3、利用参数估计算法获得多径信号的多维参数 Motion- Tracking模块： 1、通过路径匹配模块识别移动目标反射信号对应的参数 2、在范围精致模块利用卡尔曼平滑融合ToF和DFS，用于计算距离 3、估计距离与AOA返回本地框架从而定位

为了获得所需参数，通过三个关键组成部分实现这一关键组件：

1、一种新颖的统一CSI模型（3.1）及其最大似然制定，与一个有效的求解算法（3.2）一起进行多维参数估计; 2、一种CSI清理技术，其消除由定时偏移和载波频率偏移引起的随机相位噪声（3.3）。 3.1 CSI模型 由于多径效应，无线通道在时刻 t ，频率 f 和传感器（天线）s 具有以下测量： 其中L是多径分量的总数，Pl 是第 l 条路径的信号。 al 和 τl 分别是第 l 条路径对应的复杂的衰减因子和传播延迟。N 是捕获背景噪声的复杂白色高斯噪声。 WiFi网卡在时间（数据包），频率（子载波）和空间（传感器）离散测量信道；H（i，j，k）表示在第 i个数据包中的第 k个传感器上的第 j个子载波中得到的离散测量，并且设H（0，0，0）为参考值；在H（i，j，k）下的第 l条路径的信号相位（除以2π）可被转化为： 其中 fc 是信道的载波频率；Δti, Δfj, Δsk是在H（0，0，0）与H(i，j，k)中时间，频率和空间位置的差异；τl ,ϕl 和 fD 是在H（0，0，0）下第 l条路径的 飞行时间 ToF, (单位方向矢量)到达角 AoA 和 多普勒频率偏移DFS； 反映目标运动引起的TOF的变化； Δsk· ϕl 表示传感器之间的TOF差异；省略了二阶项，因为它们是小于线性和常数术语的量的级。 在短时间内，窄带宽和小光圈尺寸的情况下，信号衰减 al 假设所有测量都是恒定的；另外在公式（2）中的 fc τl 对于所有测量都是相同的，并且可以在参数估计的视图中合并到复杂的衰减 al 中， θl= (αl,τl,ϕl, fDl) 表示第 l条路径的信号参数，跟踪的第一步是估计目标反射信号的多维参数 θ。 3.2多维参数求解算法 转化为最大似然估计问题（ maximum likelihood estimation (MLE)），使用的方法和music和FFT不一样： 为了简洁，将 m = (i,j,k),i = 0,1,··· ,T−1,j = 0,1,··· ,F−1, k = 0,1,··· ,S − 1, 表示为CSI测量H(I,j,k)的超域，其中T、F、S分别是数据包，子载波和传感器的数量。 给定测量观察H（m），我们的目的是获得多维多径信号参数 Θ 的MLE， Θ = 为了有效地解决问题，我们应用了减少整体搜索空间的空间交替的广义期望最大化（Sage）算法[8]。 SAGE算法是期望最大化（EM）算法[7]的扩展，其中算法的每次迭代仅重新估计θ的组件的子集，同时保持其他固定组件的估计。因此，我们可以将θ的估计分为多个参数的多个估计。 依次优化每个路径的参数。具体地，对于第L路径，期望步骤是分解CSI并计算第L路径的信号 Pl： 其中θ’是最后迭代中估计的参数。 βl是控制算法收敛速率的非负系数，默认设置为1。 算法1总结了参数估计算法。除了E-Step和M-Step之外，θ初始化为0，并且当θ的估计收敛时，迭代结束，即，连续估计之间的差异在预定义的阈值ε内。 3.3CSI清理 为了过滤出无关噪声并仅保留感兴趣的频道响应，论文仔细分析了嘈杂的CSI结构并提出了CSI清洁算法。该算法的基础是由CSI相位噪声被TO引起并且CFO仅在时间和频率上变化，而在空间上不变。也就是说，同一NIC的所有传感器同时体验相同的未知相噪声。因此，WIDAR2.0选择传感器作为参考传感器（例如第K0个传感器），并计算每个传感器和参考传感器的CSIs之间的共轭乘法C（m）： 通过将多径信号分类为静态（FD = 0）组PS和动态（FD！=0）组PD，共轭乘法可以划分为： 一方面，由于随着时间的推移静态信号是恒定的，因此可以通过高通滤波器去除等式10中的第一求和项。另一方面，由于静态信号比移动对象反射的信号强大，所以第三求和项比前两个术语较弱，并且可以省略。 （11）式子中的第一个除了TOF是（τ-τn）以外，具有与公式2相同的相位结构。假设Pl是目标反射路径和Pn是LOS路径，因为收发器是固定的，并且它们的位置可用，因此从链路距离可以直接计算TOF τn，并且可以进一步推导出TOF τL。 然而，共轭倍增产生副产品公式Pn(m)P∗l(m0)，它具有假的TOF，AOA和DFS各自对应(τn−τl),ϕn和−fDl ，为了消除副产品，通过从所有传感器的CSI幅度中减去来自CSI幅度的恒定值β并将恒定值γ添加到参考传感器的CSI幅度，当m！=m0，有： 因此，可以省略副产物。下图显示了由我们的共轭乘法的方法校准的CSIS的谱图，其中DFS从嘈杂的CSI准确地恢复。另外，即使副产品术语C（M0）不能减轻，我们仍然保持C（M0），以便足够数量的天线用于AOA估计.C（M0）可以被视为两个对称多径术语的求和并且还适用于参数估计算法。

对C（M）应用参数估计算法（算法1）以估计信号参数。具体而言，WIDAR2.0将CSI集合划分为0.1秒，其中信号参数被假定为静态。然后，它将参数估计算法应用于每个段并获得信号参数的估计实例。

转载地址：http://cdgwi.baihongyu.com/