15、单Wi-Fi链路实现分米级被动人体跟踪

单Wi-Fi链路实现分米级被动人体跟踪

1. 路径匹配

给定连续的 2M + 1 个估计值 Θ1, Θ2, · · · , Θ2M+1（例如 M = 5），按以下步骤进行路径匹配：
1. 选择具有奇数索引的 M + 1 个估计值，并使用 BIP 搜索它们的最优匹配。
2. 使用匈牙利算法将其余估计值（具有偶数索引）与其相邻估计值进行匹配。
3. 完成一组中的路径匹配后，计算路径的中值参数，并将其用作下一组路径匹配的新估计值 Θ1。

匹配结果中可能存在异常值，可使用 Hampel 滤波器去除。

2. 距离细化

2.1 直接计算距离的问题

理论上，反射路径与视距（LoS）路径之间的相对距离可以通过将估计的飞行时间（ToF）乘以光速来计算。但估计的距离可能受到强噪声和 ToF 低分辨率的影响。例如，采用 1 ns 的 ToF 估计分辨率对应 0.3 m 的距离分辨率，几纳秒的 ToF 误差可能导致数米的测距误差。直接从 ToF 计算的距离会出现波动，无法用于定位。

2.2 距离细化算法

结合绝对但粗粒度的 ToF 和细粒度但相对的多普勒频移（DFS），提出一种有效的平滑算法。DFS 等效于路径测距的变化率 v：
[f_D = -\frac{v}{\lambda}]
其中 λ 是信号的波长，对于 5.8 GHz 的 Wi-Fi 信号，λ 约为 0.05 m。因此，1 Hz 的 DFS 估计分辨率仅对应于 0.05 m/s 的路径距离变化率。

采用卡尔曼平滑器（KS），利用 DFS 估计的路径距离变化率来细化 ToF 估计的距离。