CSI(信道状态信息)和RSSI(接收信号强度指示)的具体解释

RSSI(接收信号强度指示)

  •   无线信号在传播过程中会随传播距离的增加而逐渐衰减,假设接收机和发射机之间是完全无遮挡的视距路径(自由空间模型),则距离发射机 d 处天线的接收功率由 Friis 公式给出:
    P r ( d ) = P t G t G r λ 2 ( 4 π ) 2 d 2 L P_{r}(d)=\frac{P_{t} G_{t} G_{r} \lambda^{2}}{(4 \pi)^{2} d^{2} L} Pr(d)=(4π)2d2LPtGtGrλ2
      其中, P t P_t Pt为发射功率, P r ( d ) P_r(d) Pr(d)是接收功率, G t G_t Gt是发射天线增益, G r G_r Gr是接受天线增益, d d d是发射机和接收机之间的距离,L为与传播无关的系统损耗因子, λ \lambda λ是信号波长 。
      自由空间的路径损耗 P L P_L PL(好像是另一篇博客提到的RSS)为:
    P L ( d B ) = 10 log ⁡ P t P r = − 10 log ⁡ [ G t G r λ 2 ( 4 π ) 2 d 2 ] P _L(d B)=10 \log \frac{P_{t}}{P_{r}}=-10 \log \left[\frac{G_{t} G_{r} \lambda^{2}}{(4 \pi)^{2} d^{2}}\right] PL(dB)=10logPrPt=10log[(4π)2d2GtGrλ2]
      在实际应用中,一般采用对数正态距离路径损耗(Log-normal Distance Path Loss, LDPL)模型对路径损耗进行建模:
    P L ( d ) [ d B ] = P L ‾ ( d 0 ) + 10 n log ⁡ ( d d 0 ) + X σ P_L(d)[d B]=\overline{P _L}\left(d_{0}\right)+10 n \log \left(\frac{d}{d_{0}}\right)+X_{\sigma} PL(d)[dB]=PL(d0)+10nlog(d0d)+Xσ
      其中 P L ( d ) P_L(d) PL(d)为在距离d处的路径损耗, d 0 d_0 d0为近地参考距离(??不知道啥意思) ,n为路径损耗指数(表明路径损耗随距离增长的速率,依赖于周围环境和建筑物类型), X σ X_{\sigma} Xσ为标准偏差为 σ 的零均值高斯分布随机变量,表示环境引起的信号阴影衰落。
    接收信号强度指示 RSSI 可以表示为(发送功率减路径损耗):
    R S S I ( d ) [ d B m ] = P r ( d ) [ d B m ] = P t [ d B m ] − P L ( d ) [ d B ] ( 单位没看明白 ) RSSI(d)[dBm]=P_{r}(d)[d B m]=P_{t}[d B m]-P_L(d)[d B](单位没看明白) RSSI(d)[dBm]=Pr(d)[dBm]=Pt[dBm]PL(d)[dB](单位没看明白)
      可以看出,LDPL 模型反映了信号功率随距离 d 的变化情况,从而根据信号功率 RSSI 与距离之间的关系可以进行距离测定,并在此基础上利用三边定位等方法对目标进行定位。

解释一下我们为什么要提出CSI?

  •   尽管 RSSI 可以在众多设备上方便获取,并且基于 RSSI 的感知也取得了很多的研究成果,但是在实际的室内传播环境下,无线信号会受到多个障碍物的影响,会沿着包括折射、反射在内的多条路径到达接收机,其中不同路径上的信号会经历不同程度的衰减和时延等失真,接收端收到的信号为不同路径失真信号的叠加结果,即所谓的多径效应。受到多径效应的影响,室内的 RSSI 不再随着距离 d 的增加而单调衰减,如下图所示。此外,受多径效应的影响,室内接收到的 RSSI 稳定性较差,即使在室内静态场景下也会有较大波动,例如已有实验验证 RSSI 在一分钟内的波动可以达到 5dB。因此,室内多径效应大大限制了 RSSI 的感知能力,使其只能用于实现一些粗粒度的室内定位等感知任务
    CSI(信道状态信息)和RSSI(接收信号强度指示)的具体解释_第1张图片
      分析可知,制约 RSSI 感知精度的主要因素在于,作为 MAC 层信息,RSSI 描述的是接收信号的整体信息,不能对不同传播路径的信号进行区分。在室内无线通信领域,通常采用 CIR 对多径传播模型进行刻画。

CSI(信道状态信息)

  •   在时不变的假设下,CIR 可以表示为:
    h ( t ) = ∑ i = 1 N α i e − j θ δ ( t − τ i ) h(t)=\sum_{i=1}^{N} \alpha_{i} e^{-j \theta} \delta\left(t-\tau_{i}\right) h(t)=i=1Nαiejθδ(tτi)
      其中, a i a_i ai θ i {\theta}_i θi τ i τ_i τi分别表示第 i 条路径的幅度衰减、相位偏移和时间延迟,N 为传播路径总数,δ(t)为狄克拉脉冲函数,和式中的每一项代表一条传播路径上的信号失真情况。相应的,多径传播在频域上表现为频率选择性衰落,时域表示 CIR 和频域表示 CFR 互为傅里叶变换(Fourier Transform, FT)。在时域上,接收信号 r(t)可以表示为发射信号 s(t)和 CIR 的卷积:
    r ( t ) = s ( t ) ⨂ h ( t ) r(t)=s(t)\bigotimes h(t) r(t)=s(t)h(t)
      时域卷积对应频域相乘,接收信号的频谱 R(f)为发射信号的频谱 S(f)和 CFR (H(f))的乘积:
    R ( f ) = S ( f ) × H ( f ) R(f)=S(f)× H(f) R(f)=S(f)×H(f)
      因此CFR=R(f)/S(f),CIR=IFT[H(f)]。
      在采用 OFDM 调制方式时,每个子载波上的幅度和相位信息可以视为对 CFR 频谱的一组采样数据,华盛顿大学和新加坡南洋理工大学的研究人员,分别利用 Intel 5300和 Atheros 系列无线网卡,实现了从每个接收到的数据包中输出一组 CSI,CSI可以表示为:
    H ( f k ) = ∥ H ( f k ) ∥ e j ∠ H ( f i ) H\left(f_{k}\right)=\left\|H\left(f_{k}\right)\right\| e^{j \angle H\left(f_{i}\right)} H(fk)=H(fk)ejH(fi)
      其中, H ( f k ) H(f_k) H(fk)表示中心频率为 f k f_k fk 子载波的 CSI,||H(fk)||和∠H(fk)分别代表第 k 个子载波的幅度和相位,因此,CSI 实际上是 CFR 在不同子载波上的离散采样。
      CSI→与OFDM子载波的幅度和相位有关→子载波的幅度和相位信息是CFR频谱的采样

  • CSI幅度噪声由以下因素引起:
       ①AGC的功率控制不确定性误差
      ②周围的电磁噪声波动

      但它们在同一 RX的所有天线上是一致的,可以利用两个相邻天线之间的幅度比来消除噪声。与此同时,由于天线之间的物理空间间距,与运动相关的幅度波动在不同天线上是有差异的,因此,幅度比可以去除噪声但保留感兴趣的信号。

  • CSI相位噪声由以下因素引起:
      ①载波频率偏移(CFO)
      ②数据包检测延迟(PDD)
      ③采样频率偏移(SFO)
      ④采样时钟偏移(STO)

      对于特定子载波,相位噪声在 RX 所有天线上是相同的,因为它们拥有相同的RF振荡器。因此,可以通过所有子载波上的天线之间的相位差来消除这些误差

    《IndoTrack: Device-Free Indoor Human Tracking with Commodity Wi-Fi》共轭相乘消除相位噪声
    《RT-Fall: A Real-time and Contactless Fall Detection Approach with Commodity WiFi Devices》

你可能感兴趣的:(Wi-Fi,Sensing,定位,python,机器学习,人工智能)