14、单Wi-Fi链路实现分米级被动人体跟踪技术解析

单Wi-Fi链路实现分米级被动人体跟踪技术解析

1. CSI中的运动分析

当目标移动时，目标反射信号的所有参数（如飞行时间ToF、到达角AoA、多普勒频移DFS和衰减）都可能发生变化。然而，现有的商用Wi-Fi方法通常只探索一两个参数，无法捕捉目标运动的所有信息，因此需要多个链路进行跟踪。为了避免使用多个链路，关键在于从单个链路推断多个参数。虽然DFS和衰减在信道状态信息（CSI）上相对容易获取，但估计ToF和AoA则困难得多，更不用说同时估计所有参数了。为了准确高效地从CSI测量中联合推导所有这些参数，采用了以下三个关键组件：
- 一种新颖的统一CSI模型及其最大似然公式，以及用于多维参数估计的高效求解算法。
- 一种CSI清理技术，用于去除由定时偏移和载波频率偏移引起的随机相位噪声。

1.1 CSI - 运动模型

由于多径效应，无线信道在时间 $t$、频率 $f$ 和传感器（天线） $s$ 处的测量值如下：
$H(t, f, s) = \sum_{l=1}^{L} P_l(t, f, s) + N(t, f, s) \triangleq \sum_{l=1}^{L} \alpha_l(t, f, s)e^{-j2\pi f\tau_l(t,f,s)} + N(t, f, s)$
其中，$L$ 是多径分量的总数，$P_l$ 是第 $l$ 条路径的信号，$\alpha_l$ 和 $\tau_l$ 分别是第 $l$ 条路径的复衰减因子和传播延迟，$N$ 是捕获背景噪声的复高斯白噪声。

Wi-Fi网络接口控制器（NIC）在时间（数据包）、频率（子载波）和空间（传感器）上进行离散测量。将第 $i$ 个数据包、第 $j$ 个