国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于信道狀態(tài)信息的室內(nèi)環(huán)境下視距路徑識(shí)別方法與流程

      文檔序號(hào):12501101閱讀:656來(lái)源:國(guó)知局
      一種基于信道狀態(tài)信息的室內(nèi)環(huán)境下視距路徑識(shí)別方法與流程

      本發(fā)明屬于無(wú)線通信網(wǎng)絡(luò)的定位用戶(hù)或終端的情景感知領(lǐng)域,具體涉及一種適用于室內(nèi)環(huán)境下的視距路徑識(shí)別方法,以識(shí)別室內(nèi)動(dòng)態(tài)與靜態(tài)下的視距路徑。



      背景技術(shù):

      當(dāng)前,隨著無(wú)線通信技術(shù)的快速發(fā)展,尤其是在移動(dòng)智能終端流行趨勢(shì)的推動(dòng)下,無(wú)線局域網(wǎng)(Wireless Local Area Network,WLAN)變得非常普及,在家庭、商城、機(jī)場(chǎng)等場(chǎng)所,WLAN信號(hào)隨處可見(jiàn)。這些大量的已經(jīng)安裝部署好的WLAN基礎(chǔ)設(shè)施,為WiFi情景感知的研究奠定了物理基礎(chǔ)。

      基于WiFi信號(hào)的感知技術(shù)主要包括室內(nèi)定位、人員檢測(cè)、動(dòng)作識(shí)別和穿墻識(shí)別等。目前已有大量基于WLAN的感知技術(shù)研究,其主要利用接收信號(hào)指示強(qiáng)度信息(Received Signal Strength Indicator,RSSI)感知環(huán)境特征實(shí)現(xiàn)應(yīng)用。然而在室內(nèi)環(huán)境中,RSSI會(huì)因信號(hào)多徑傳播引起的小尺度陰影衰落而不再隨傳播距離增加單調(diào)遞減,且靜止?fàn)顟B(tài)下幅度也會(huì)產(chǎn)生波動(dòng)。最近研究人員通過(guò)修改固件,使得在普通WiFi設(shè)備上也能以物理層信道狀態(tài)信息(Channel State Information,CSI)的形式獲取一個(gè)采樣版本的信道頻率響應(yīng)(Channel Frequency Response,CFR)。與RSSI相比,CSI將單值的RSSI擴(kuò)展至頻域,并且附加了相位信息,從頻域上為無(wú)線感知提供了更為豐富和細(xì)粒度的信道狀態(tài)信息。CSI也使得普通WiFi設(shè)備在一定程度上能夠從時(shí)域上粗略地區(qū)分傳播路徑,從而為基于視距路徑的應(yīng)用奠定了基礎(chǔ)。

      利用CSI信息,WiFi環(huán)境感知技術(shù)可以實(shí)現(xiàn)更精確的室內(nèi)定位,還可以實(shí)現(xiàn)被動(dòng)式人員檢測(cè)與活動(dòng)識(shí)別等。其中進(jìn)行視距(Line-Of-Sight,LOS)路徑識(shí)別為以上功能的實(shí)現(xiàn)奠定了基礎(chǔ)。目前,視距路徑識(shí)別技術(shù)存在的問(wèn)題是識(shí)別過(guò)程復(fù)雜。如公開(kāi)號(hào)為CN104168650A、名稱(chēng)為“基于動(dòng)態(tài)無(wú)線接入點(diǎn)的室內(nèi)定位方法”的發(fā)明公開(kāi)的基于動(dòng)態(tài)無(wú)線接入點(diǎn)的室內(nèi)定位方法中,待定位節(jié)點(diǎn)將信息進(jìn)行調(diào)制形成已調(diào)信號(hào)波后通過(guò)無(wú)線信道傳輸至附近的靜態(tài)無(wú)線接入點(diǎn)和動(dòng)態(tài)無(wú)線接入點(diǎn);靜態(tài)無(wú)線接入點(diǎn)和動(dòng)態(tài)無(wú)線接入點(diǎn)根據(jù)接收到的已調(diào)信號(hào)波計(jì)算其與待定位節(jié)點(diǎn)之間的無(wú)線信道的信道狀態(tài)信息,并發(fā)送至定位服務(wù)器;動(dòng)態(tài)無(wú)線接入點(diǎn)將當(dāng)前位置信息發(fā)送至定位服務(wù)器;定位服務(wù)器根據(jù)無(wú)線接入點(diǎn)的位置信息和接收到的信道狀態(tài)信息,對(duì)任意兩個(gè)無(wú)線接入點(diǎn)進(jìn)行相對(duì)臨近位置檢測(cè),并根據(jù)相對(duì)臨近位置檢測(cè)結(jié)果利用空間分割法獲取待定位節(jié)點(diǎn)的位置區(qū)域。該發(fā)明可以一定程度優(yōu)化無(wú)線局域網(wǎng)的室內(nèi)定位問(wèn)題,提高定位精度,消除復(fù)雜室內(nèi)環(huán)境多徑和非視距帶來(lái)的定位誤差,但識(shí)別過(guò)程復(fù)雜。此外,已有視距路徑識(shí)別方法主要是基于信號(hào)接收強(qiáng)度,但其存在環(huán)境干擾等因素,識(shí)別魯棒性差。因此,有必要對(duì)室內(nèi)環(huán)境下的視距路徑識(shí)別技術(shù)展開(kāi)深入研究,尋找更好的視距路徑識(shí)別方法,以獲得更為精準(zhǔn)的室內(nèi)定位及感知性能。



      技術(shù)實(shí)現(xiàn)要素:

      本發(fā)明要解決的技術(shù)問(wèn)題是提供一種過(guò)程簡(jiǎn)單、適應(yīng)性強(qiáng),適用于室內(nèi)環(huán)境下的視距路徑的識(shí)別方法。

      為此,本發(fā)明提出一種適用于室內(nèi)環(huán)境下的視距路徑識(shí)別方法,該方法包含以下步驟:

      一、CSI信號(hào)特征提取及預(yù)處理:

      步驟1)CSI信號(hào)數(shù)據(jù)采集:針對(duì)特定的信號(hào)發(fā)射源AP與信號(hào)接收機(jī)RT組成的鏈路,利用CSI檢測(cè)工具采集傳輸信道狀態(tài)信息,并進(jìn)行保存為信包文件;

      步驟2)讀取上述信包文件,提取相應(yīng)的CSI的一定數(shù)量的子載波的幅度和相位信息;

      二、靜態(tài)的視距路徑識(shí)別方案:

      步驟3)針對(duì)室內(nèi)靜態(tài)場(chǎng)景,首先采集靜態(tài)場(chǎng)景下的CSI幅度信息,對(duì)步驟2中提取的子載波振幅的相關(guān)特征,建立特征簇,特征包括Rician K因子等;

      步驟4)將上述預(yù)采集的特征簇作為訓(xùn)練集,結(jié)合預(yù)定義的標(biāo)簽作為輸出,通過(guò)BP神經(jīng)網(wǎng)絡(luò)的算法生成網(wǎng)絡(luò);

      步驟5)采集靜止點(diǎn)的CSI振幅并提取特征,輸入神經(jīng)網(wǎng)絡(luò)中,通過(guò)輸出判定為視距范圍還是非視距范圍;

      三、動(dòng)態(tài)的視距路徑識(shí)別方案:

      步驟6)針對(duì)室內(nèi)動(dòng)態(tài)場(chǎng)景,通過(guò)對(duì)預(yù)先采集的LOS/NLOS樣本進(jìn)行計(jì)算,確定出實(shí)時(shí)的K-Mean閥值Kth,使用基于每個(gè)子載波振幅的Rician分布,計(jì)算出CSI樣本中每個(gè)信道的Rician K因子的均值,然后利用K-Mean因子法,通過(guò)假設(shè)檢驗(yàn)的方法來(lái)實(shí)現(xiàn)動(dòng)態(tài)場(chǎng)景下視距與非視距路徑識(shí)別。

      作為優(yōu)選,步驟1中所述CSI檢測(cè)工具為virtual CSI以及CSI Tool。

      步驟2中所述一定數(shù)量?jī)?yōu)選為30個(gè)。

      步驟3中所述特征簇還包括均值、方差、標(biāo)準(zhǔn)差、變異系數(shù)、偏斜度、峰態(tài)、矩。

      與現(xiàn)有技術(shù)相比,本發(fā)明的有益效果包括:

      1.簡(jiǎn)便性

      本發(fā)明采用物理層信息CSI作為室內(nèi)環(huán)境下人員檢測(cè)評(píng)價(jià)因子,CSI能夠從普通商用WiFi設(shè)備上提取出來(lái),加上WiFi基礎(chǔ)設(shè)施的廣泛部署,這使得獲得CSI信息變得簡(jiǎn)單可行。并且沒(méi)對(duì)CSI進(jìn)行處理,采用原始CSI數(shù)據(jù),減少了相關(guān)的計(jì)算與實(shí)際的開(kāi)銷(xiāo)。

      2.適應(yīng)性

      本發(fā)明采用CSI代替?zhèn)鹘y(tǒng)的RSSI,克服了RSSI粒度粗和時(shí)間穩(wěn)定性差的缺陷,CSI能夠獲得更為細(xì)粒度的信息并且能夠區(qū)分多條路徑,能適用于更多的室內(nèi)應(yīng)用場(chǎng)景。

      3.功能性

      本發(fā)明進(jìn)一步考慮全面的室內(nèi)視距路徑識(shí)別方案,將視距路徑識(shí)別場(chǎng)景劃分為靜態(tài)與動(dòng)態(tài)兩個(gè)場(chǎng)景,并且針對(duì)每種場(chǎng)景設(shè)計(jì)了不同的視距路徑識(shí)別方法,相比較于傳統(tǒng)的視距檢測(cè),功能更為強(qiáng)大,效果更好。

      4.可優(yōu)化性

      本發(fā)明僅僅考慮了CSI信號(hào)的幅度信息,通過(guò)考慮結(jié)合CSI信號(hào)的相位信息、角度信息等能夠獲得更為優(yōu)越的視距檢測(cè)效果,同時(shí)為室內(nèi)定位、手勢(shì)識(shí)別等精確度更高的應(yīng)用提供了先行條件。

      附圖說(shuō)明

      圖1是室內(nèi)環(huán)境下視距與非視距示意圖。

      圖2是基于CSI的室內(nèi)視距路徑識(shí)別方案流程圖。

      具體實(shí)施方式

      現(xiàn)結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式做進(jìn)一步詳細(xì)的說(shuō)明。

      圖1是室內(nèi)環(huán)境下視距路徑和非視距路徑的示意圖,其中在RT處對(duì)應(yīng)其與AP1為視距路徑,在RT’處對(duì)應(yīng)與AP1為非視距路徑;圖2給出了基于CSI的室內(nèi)視距路徑識(shí)別方案的流程圖?,F(xiàn)結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式做進(jìn)一步詳細(xì)的說(shuō)明。本發(fā)明的目的是實(shí)現(xiàn)在室內(nèi)動(dòng)態(tài)與靜態(tài)環(huán)境中的視距與非視距的識(shí)別。工作原理是利用物理層信道狀態(tài)信息(CSI)代替?zhèn)鹘y(tǒng)的接收信號(hào)指示強(qiáng)度信息(RSSI),利用CSI信息時(shí)間穩(wěn)定性好、對(duì)動(dòng)態(tài)環(huán)境干擾抵抗力強(qiáng)、對(duì)鏈路周?chē)藛T存在敏感性強(qiáng)等優(yōu)勢(shì),通過(guò)在室內(nèi)環(huán)境下搭載基于Intel 5300系列網(wǎng)卡的功控機(jī),在動(dòng)態(tài)與靜態(tài)兩種場(chǎng)景中,分別采用不同特征簇的神經(jīng)網(wǎng)絡(luò)方法與動(dòng)態(tài)萊斯K因子法,實(shí)現(xiàn)了室內(nèi)動(dòng)態(tài)與靜態(tài)環(huán)境下的精確視距路徑識(shí)別。

      本發(fā)明是一種適用于室內(nèi)環(huán)境下的視距路徑識(shí)別方案,針對(duì)傳統(tǒng)基于RSSI的室內(nèi)人員檢測(cè)方案存在粒度粗、時(shí)間穩(wěn)定性差以及不能區(qū)分多條路徑信息等缺陷,該方案利用物理層信道狀態(tài)信息(CSI)代替RSSI,利用CSI信息時(shí)間穩(wěn)定性好、對(duì)動(dòng)態(tài)環(huán)境干擾抵抗力強(qiáng)、對(duì)鏈路周?chē)藛T存在敏感性強(qiáng)等優(yōu)勢(shì),通過(guò)在室內(nèi)環(huán)境下搭載基于Intel 5300系列網(wǎng)卡的功控機(jī),采用不同特征簇的神經(jīng)網(wǎng)絡(luò)方法與動(dòng)態(tài)萊斯K因子法,實(shí)現(xiàn)了室內(nèi)動(dòng)態(tài)與靜態(tài)環(huán)境下的精確視距路徑識(shí)別。

      該基于CSI的適用于室內(nèi)環(huán)境下的視距路徑識(shí)別方案,包含在以下具體步驟中:

      CSI信號(hào)特征提取及預(yù)處理:

      步驟1)CSI信號(hào)數(shù)據(jù)采集:平臺(tái)包括安裝有Ubuntu系統(tǒng)、Intel 5300無(wú)線網(wǎng)卡、virtual CSI以及CSI Tool工具的迷你功控機(jī)一臺(tái)、TP-Link路由器、外接天線若干、液晶顯示屏、筆記本電腦若干。在實(shí)驗(yàn)中,TP-Link作為信號(hào)發(fā)射源AP,迷你功控機(jī)通過(guò)5300網(wǎng)卡接收無(wú)線信號(hào),外接天線作為信號(hào)接收機(jī)RT,每一對(duì)AP、RT組成一條鏈路。利用virtual CSI以及CSI Tool工具采集傳輸信道狀態(tài)信息并進(jìn)行保存為信包文件;

      步驟2)讀取信包文件,提取相應(yīng)的CSI的30個(gè)子載波的幅度和相位信息;

      靜態(tài)的視距路徑識(shí)別方案:

      步驟3)針對(duì)室內(nèi)靜態(tài)場(chǎng)景,首先采集靜態(tài)場(chǎng)景下的CSI幅度信息,提取30個(gè)子載波振幅的相關(guān)特征,建立特征簇,特征包括均值、方差、標(biāo)準(zhǔn)差、變異系數(shù)、偏斜度、峰態(tài)、矩、Rician K因子;

      步驟4)將預(yù)采集的特征簇作為訓(xùn)練集,結(jié)合預(yù)定義的標(biāo)簽作為輸出,通過(guò)BP神經(jīng)網(wǎng)絡(luò)的算法來(lái)生成的網(wǎng)絡(luò);

      步驟5)采集靜止點(diǎn)的CSI振幅并提取特征,輸入神經(jīng)網(wǎng)絡(luò)中,通過(guò)輸出判定為視距范圍還是非視距(NLOS)范圍;

      動(dòng)態(tài)的視距路徑識(shí)別方案:

      步驟6)針對(duì)室內(nèi)動(dòng)態(tài)場(chǎng)景,通過(guò)對(duì)預(yù)先采集的LOS/NLOS樣本進(jìn)行計(jì)算,確定出實(shí)時(shí)的K-Mean閥值Kth,使用基于每個(gè)子載波振幅的Rician分布,計(jì)算出CSI樣本中每個(gè)信道的Rician K因子的均值,然后利用K-Mean因子法,通過(guò)假設(shè)檢驗(yàn)的方法來(lái)實(shí)現(xiàn)動(dòng)態(tài)場(chǎng)景下視距與非視距路徑識(shí)別。

      至此,實(shí)現(xiàn)了室內(nèi)環(huán)境下的動(dòng)態(tài)與靜態(tài)視距路徑識(shí)別方案。

      為便于本領(lǐng)域的技術(shù)人員理解本發(fā)明的技術(shù)方案,現(xiàn)對(duì)以上步驟中所涉及的一些關(guān)鍵操作定義如下:

      靜態(tài)特征提?。?/p>

      在靜態(tài)情境中采用BP神經(jīng)網(wǎng)絡(luò)算法,首先需要對(duì)采集的CSI振幅信息進(jìn)行預(yù)處理,提取相關(guān)特征作為訓(xùn)練集。因此提出了以下的相關(guān)特征:

      均值和方差(μ、σ):反映出每個(gè)CSI樣本中30個(gè)子載波振幅的離散程度,通常境況下,由于NLOS下存在障礙物的干擾,其不同子載波間的振幅會(huì)呈現(xiàn)出較大的波動(dòng),即在NLOS下比LOS下回有較大的方差與標(biāo)準(zhǔn)差。

      變異系數(shù)(A):衡量數(shù)據(jù)資料中各變量觀測(cè)值變異程度的一個(gè)統(tǒng)計(jì)量,A=σ/μ。

      偏斜度(S):使用skewness來(lái)量化偏斜特征。數(shù)學(xué)上,偏斜度S被定義為:

      其中x,μ,σ分別為測(cè)量數(shù)據(jù),均值和方差。通常情況下,在NLOS情境下會(huì)有一個(gè)較大的正向趨勢(shì)。

      峰態(tài)(κ):通常境況下CSI在LOS情境中比在NLOS中具有更大的峰度,為了量化這種峰度,采用了kurtosis作為候選特征。Kurtosisκ被定義為:

      矩(Bk):一種很好的萊斯K參數(shù)估計(jì),即K2,4。

      其中B2,B4分別為測(cè)量數(shù)據(jù)的第二和第四階中心矩。因此也添加了第二與第四階矩作為候選特征。

      Rician K Factor(Kr):被定義為主路徑與分散路徑的功率比,Kr=ν2/(2σ2);其中v表示幅度的主峰,v的物理意義為L(zhǎng)OS傳輸?shù)姆逯?,σ表示幅度的方差,而σ代表的是多徑傳輸信?hào)的強(qiáng)度,例如經(jīng)過(guò)散射、反射和衍射之后,到達(dá)接收端的信號(hào)的幅度。Rician-K因子越大,則LOS影響程度越高,即多徑效應(yīng)影響越小。

      靜態(tài)的視距路徑識(shí)別方法:

      人工神經(jīng)網(wǎng)絡(luò)以其具有自學(xué)習(xí)、自組織、較好的容錯(cuò)性和優(yōu)良的非線性逼近能力。在實(shí)際應(yīng)用中,80%-90%的人工神經(jīng)網(wǎng)絡(luò)模型采用誤差反傳算法(BP神經(jīng)網(wǎng)絡(luò)算法),對(duì)數(shù)據(jù)分類(lèi)上有十分良好的效果。BP神經(jīng)網(wǎng)絡(luò)的算法原理:利用輸出后的誤差來(lái)估計(jì)輸出層的直接前導(dǎo)層的誤差,再利用這個(gè)誤差來(lái)估計(jì)更前一層的誤差,如此一層一層的反傳下去,就獲得了所有其他層的誤差估計(jì)。對(duì)于靜態(tài)下的LOS/NLOS識(shí)別,選用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)LOS/NLOS進(jìn)行分類(lèi),具體過(guò)程如下:

      步驟1)先采集CSI的樣本組,并計(jì)算出每個(gè)CSI樣本的上述所有特征,作為識(shí)別特征。對(duì)于LOS下采集的CSI特征,添加標(biāo)簽為1;同時(shí)對(duì)于NLOS下的特征,設(shè)標(biāo)簽為-1。將所有的特征樣本作為訓(xùn)練集輸入,其對(duì)應(yīng)的標(biāo)簽集作為訓(xùn)練集輸出,訓(xùn)練該BP神經(jīng)網(wǎng)絡(luò)。

      步驟2)BP網(wǎng)絡(luò)參數(shù)設(shè)置,為了簡(jiǎn)化BP神經(jīng)網(wǎng)絡(luò)的運(yùn)算,采用了單隱含層的BP神經(jīng)網(wǎng)絡(luò),其隱含層節(jié)點(diǎn)設(shè)置個(gè)數(shù)滿(mǎn)足,經(jīng)驗(yàn)公式其中m,n分別為輸入層、輸出層節(jié)點(diǎn)個(gè)數(shù),α為1~10之間的常數(shù)。

      步驟3)重新采集CSI的特征值,作為測(cè)試集。并輸入到已經(jīng)訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)中,得到網(wǎng)絡(luò)的輸出,將網(wǎng)絡(luò)的輸出,與預(yù)定義的測(cè)試集標(biāo)簽進(jìn)行對(duì)比。

      步驟4)因?yàn)锽P網(wǎng)絡(luò)在使用時(shí)是有誤差的,輸出樣本不會(huì)是預(yù)定義的1或-1,因此對(duì)的LOS識(shí)別方案采用傳統(tǒng)的二進(jìn)制檢驗(yàn),LOS情況為H0,NLOS情況為H1

      對(duì)于輸出的樣本而言,假設(shè)檢驗(yàn)為:

      其中l(wèi)abel_output為BP神經(jīng)網(wǎng)絡(luò)的樣本輸出。

      動(dòng)態(tài)的視距路徑識(shí)別方法:

      當(dāng)目標(biāo)處于運(yùn)動(dòng)狀態(tài)時(shí),會(huì)對(duì)CSI的樣本產(chǎn)生影響,采用上述靜態(tài)的特征并不能達(dá)到很好的識(shí)別效果。由于目前采用的CSI可以揭露出更細(xì)粒度的信道信息,每個(gè)CSI樣本包含30個(gè)子載波的信息,所以使用對(duì)每個(gè)子載波進(jìn)行Rician K的分布模型,從而提出K-Mean特征。

      K-Mean:首先在采集的CSI數(shù)據(jù)集中,計(jì)算其對(duì)應(yīng)的每個(gè)子載波的Rician K因子,其數(shù)學(xué)表示為:

      vi表示第i個(gè)子載波的振幅峰值,σi表示第i個(gè)子載波的振幅標(biāo)準(zhǔn)差。在此基礎(chǔ)上,通過(guò)計(jì)算實(shí)時(shí)的每個(gè)CSI樣本的所有子載波的均值,作為當(dāng)前時(shí)刻的一個(gè)標(biāo)簽,來(lái)實(shí)現(xiàn)動(dòng)態(tài)場(chǎng)景下LOS與NLOS的識(shí)別。

      其中Rician-Ki為上面提到第i個(gè)子載波的Rician K因子。

      通過(guò)對(duì)預(yù)先采集的LOS/NLOS樣本進(jìn)行計(jì)算,確定出實(shí)時(shí)的K-Mean閥值Kth,對(duì)應(yīng)的LOS識(shí)別方案采用如下假設(shè)檢驗(yàn)的方法:

      其中H0為L(zhǎng)OS情況,H1為NLOS情況,K-Mean為采集的實(shí)時(shí)Rician K均值。

      該基于信道狀態(tài)信息的適用于室內(nèi)環(huán)境下的視距路徑識(shí)別方案,包含在以下具體步驟中:

      CSI信號(hào)特征提取及預(yù)處理:

      步驟1)CSI信號(hào)數(shù)據(jù)采集:平臺(tái)包括安裝有Ubuntu系統(tǒng)、Intel 5300無(wú)線網(wǎng)卡、virtual CSI以及CSI Tool工具的迷你功控機(jī)一臺(tái)、TP-Link路由器、外接天線若干、液晶顯示屏、筆記本電腦若干。在實(shí)驗(yàn)中,TP-Link作為信號(hào)發(fā)射源AP,迷你功控機(jī)通過(guò)5300網(wǎng)卡接收無(wú)線信號(hào),外接天線作為信號(hào)接收機(jī)RT,每一對(duì)AP、RT組成一條鏈路。利用virtual CSI以及CSI Tool工具采集傳輸信道狀態(tài)信息并進(jìn)行保存為信包文件;

      步驟2)讀取信包文件,提取相應(yīng)的CSI的30個(gè)子載波的幅度和相位信息;

      靜態(tài)的視距路徑識(shí)別方案:

      步驟3)針對(duì)室內(nèi)靜態(tài)場(chǎng)景,首先采集靜態(tài)場(chǎng)景下的CSI幅度信息,提取30個(gè)子載波振幅的相關(guān)特征,建立特征簇,特征包括均值、方差、標(biāo)準(zhǔn)差、變異系數(shù)、偏斜度、峰態(tài)、矩、Rician K因子;

      步驟4)將預(yù)采集的特征簇作為訓(xùn)練集,結(jié)合預(yù)定義的標(biāo)簽作為輸出,通過(guò)BP神經(jīng)網(wǎng)絡(luò)的算法來(lái)生成的網(wǎng)絡(luò);

      步驟5)采集靜止點(diǎn)的CSI振幅并提取特征,輸入神經(jīng)網(wǎng)絡(luò)中,通過(guò)輸出判定為視距范圍還是非視距(NLOS)范圍;

      動(dòng)態(tài)的視距路徑識(shí)別方案:

      步驟6)針對(duì)室內(nèi)動(dòng)態(tài)場(chǎng)景,通過(guò)對(duì)預(yù)先采集的LOS/NLOS樣本進(jìn)行計(jì)算,確定出實(shí)時(shí)的K-Mean閥值Kth,使用基于每個(gè)子載波振幅的Rician分布,計(jì)算出CSI樣本中每個(gè)信道的Rician K因子的均值,然后利用K-Mean因子法,通過(guò)假設(shè)檢驗(yàn)的方法來(lái)實(shí)現(xiàn)動(dòng)態(tài)場(chǎng)景下視距與非視距路徑識(shí)別。

      至此,實(shí)現(xiàn)了室內(nèi)環(huán)境下的動(dòng)態(tài)與靜態(tài)視距路徑識(shí)別方案。

      當(dāng)前第1頁(yè)1 2 3 
      網(wǎng)友詢(xún)問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1