基于信道状态信息的波达角估计方法研究.pdfVIP

摘要

近年来，随着无线网络的普及，WiFi设备已经进入到千家万户。随着无线感知技

术的发展，研究人员发现借助WiFi信号通过分析目标对信号的遮蔽效应可以实现无设

备定位、身份识别、动作识别等。尽管近几年无线感知技术已经取得了众多成果，但目

前仍有许多需要解决的问题。波达角（AngleofArrival,AOA）估计作为无线感知技术

的基础引起了广泛的关注。尽管无线感知技术已经取得了众多成果，但受制于WiFi设

备的商用设计与硬件开销，如何使用商用WiFi设备实现低成本高精度的AOA估计仍然

是当前需要探索的问题。本文将针对上述问题展开研究，以期为解决AOA估计问题提

供一些新方法，从而使能高性能无线定位任务。

首先，商用WiFi设备的天线阵列已经由线形阵列演化为各种不同形状的阵列，如

圆形、矩形等，但目前经典的AOA估计算法都是基于线形阵列建模的，对于不规则不

均匀阵列很难建立统一的AOA估计模型，进而会影响AOA估计能力。针对这一问题，

本文提出了一种基于深度学习的不规则阵列AOA估计方法。该方法将信道状态信息的

相位信息作为主要特征，并且通过使用定向天线建立方向信息与信道状态信息中的幅度

信息的关系，将幅度信息作为辅助特征。同时，借助深度学习网络的信息挖掘融合能力，

克服了需要对不规则阵列建立统一模型的问题，实现了基于不规则阵列的AOA估计。

其次，受制于硬件开销，大部分商用WiFi只配有少量天线，而AOA估计精度与天

线数量有关，因此商用WiFi难以实现高精度AOA估计。针对这一问题，本文提出了一

种基于多视野融合的AOA估计方法。具体地，该方法利用不同视野下AOA估计分辨

率不同的特性，提出了多视野思想，有效利用了空域和频域信息。并且通过建立多视野

融合模型，将AOA估计问题转化为可解的优化问题，去除部分视野下的混淆现象，使

得可在不增加硬件开销的前提下提高AOA估计精度。

最后，为了验证上述方法，本文设计了不规则阵列AOA估计实验和多视野AOA

估计实验，验证了基于深度学习的不规则阵列AOA估计方法以及基于多视野的AOA

估计方法，实验表明上述方法可以分别实现不规则阵列的高精度AOA估计以及实现低

成本高精度AOA估计。

关键词：WiFi；AOA估计；无线定位；深度学习

ResearchofAOAEstimationMethodBasedonChannelStateInformation

Abstract

Recently,withthepopularizationofwirelessnetworks,WiFideviceshavecomeoutin

manyfamilies.Withthedevelopmentofwirelesssensingtechnology,WiFicanbeusedfor

localization,identification,andmovementrecognitionbyanalyzingtheinfluenceonWiFi

signalsfromthetarget.AOA(AngleofArrival)estimationhasattractedlotsofattentionas

thebasictechniqueofwirelesssensing.Althoughwirelesssensinghasmadegreatprogress,

limitedtothedesignofcommercialdevicesandthecostofhardware,thereisstillaproblem

thathowtorealizelow-costandhigh-accuracyAOAestimationwithcommercialWiFi

devices.Thisthesisisfocusedonthepro