WIFI智能感知发展前景浅述

前

言

       随着物联网技术的不断发展，以及人们对无线数据传输的需求增加，基于无线传感器网络的应用越来越广泛。其中，无线局域网络（Wi-Fi）因其具有高吞吐量和易部署等特性而得到迅速发展。近年来，由WiFi网络测量得到的信道状态信息（Channel State Information, CSI）被用来执行各种感知任务，如室内定位、目标追踪、姿势识别、人员认证等等。相比于之前所用的接收信号强度指示器（Received Signal Strength Indicator, RSSI）这一粗粒度信号特征，信道状态信息在时间和空间领域具有更好地细节表述。相比于来自上层媒体访问控制层的接收信号强度指示器，来自底层物理层的信道状态信息更能有效表述无线通信信道的状态。接下来，本文将从WiFi智能感知的背景知识、主要处理流程、主要应用、面临的主要挑战和未来趋势这几个方面展开介绍。

背景知识

WiFi成功的一项重要技术是多输入多输出（MIMO），它可提供高吞吐量以满足无线数据流量不断增长的需求。MIMO与正交频分复用（OFDM）一起，为每个载波频率下的每个发送和接收天线对提供CSI测量值，该值表示多径WiFi信道的幅度衰减和相位偏移。对于具有MIMO-OFDM的WiFi系统，我们通常可以得到三维复数矩阵（维度由发送天线数、接收天线数和子载波数决定）。通过采集CSI时间序列，研究人员可以有效分析无线信号如何在时域、频域和空间域中穿越周围的对象和人类，由此可用于各种无线传感应用。图1向我们展示无线信号如何从发射端，经由室内环境的作用后抵达接收端。

图1  CSI感知模型

复数型的CSI测量值包括了幅值和相位两部分，受到图1所示的多径反射影响，其表达式如下所示：

主要处理流程

WiFi智能感知的总体流程包括信息采集、信号处理，以及识别/判别算法。其信号处理流程如图2所示：

图2  WiFi智能感知流程图

对基于CSI的智能感知而言，第一步是利用WiFi发送和接收设备去获取室内环境下关于目标的CSI量测序列。第二步，对于采集到的CSI信息，我们需要做进一步的处理，以获得鲁棒性更强的特征信息，这里主要包括信号去噪、信号转换和信号提取三个步骤。1)信号去噪，主要针对CSI信号幅值与相位噪声的去除。对于相位而言，在实际的WiFi系统中，由于硬件不完善等原因，原始CSI量测值包含相位偏移，如采样时间偏移(STO)和采样频率偏移(SFO)。STO通常是由于接收器和发送器的采样时钟不同步引起的，而SFO则与每个载波频率相关。可以采用一个简单的方法，即相邻时间/子载波的差分相位，以相位差分变化去估计目标的状态变化。而在一些需要精确相位值的WiFi感知应用，例如基于角度的室内定位中，可以利用多元线性回归的方法去消除由STO/SFO引起的相位偏移，从而获得较为精确的绝对相位值。对于CSI幅值而言，移动平均和中值滤波器是消除高频噪声的简单且广泛使用的方法，通过将每个异常数据点替换为相邻数据点的平均值或中位数来完成离群值消除。2)信号转换，CSI信号变换的目的主要是对其时间序列进行时频分析，从而更清晰地分析信号本征意义上的变化。主要的变换方法有：快速傅里叶变换、短时傅里叶变换、离散希尔伯特变换、离散小波变换。3)信号提取：信号提取用于从原始信号或经过预处理的信号中提取目标信号。其中，主要方法是阈值化、滤波、压缩来去除接收信号中不相关或者冗余的部分。另外，有时候为了获得更好的感知效果，需要将多个信号源进行组合并插值来获得更有效的信息。在对接收的CSI信号进行处理后，根据我们的需要进行WiFi感知算法的选择，以期获得对环境变化鲁棒的精准判别系统。感知算法主要分为三种，分别是：基于模型的算法、基于学习的算法以及上述两种方法混合的感知算法。基于建模的算法是基于物理理论（例如菲涅耳区模型）或统计模型（例如莱斯（Rician）衰落模型）。例如，对于菲涅尔区模型而言，该模型将发射器和接收器之间和周围的空间分为同心长椭圆形区域或菲涅耳区域。它显示无线电信号如何传播和偏转到菲涅耳带区域内的物体。其中，偏转的信号通过多条路径到达接收器。根据路径长度以及所产生的幅度衰减和相移，偏转的信号会导致接收器产生相加或相消的效应。菲涅尔区模型如下如所示：

图3：菲涅尔区模型

1)基于学习的算法包括经典的机器学习算法与目前较为流行的深度学习算法。比较常用的算法，例如：SVM、kNN、DNN、CNN等等。2)基于建模和基于学习的算法各有优缺点。例如，基于学习的算法的一个主要限制是过拟合，因为训练过程通常只能获取训练数据中存在的模式和信息。不同的算法对信号处理技术有不同的要求，适用于不同类型的WiFi传感应用。基于建模的算法更适合于估计应用，基于学习的算法更适合于识别应用。因此，将基于学习与基于模型的方法融合使用，会获得相比于使用单一方法更好的效果。

主要应用

WiFi主要有三类：检测、识别以及估计，具体总结如下表一所示：

输出类型	WiFi感知应用
二分类检测	人存在性探测
人的简单活动探测
物理目标探测
多目标分类	行为识别
手势识别
身份认证
物体识别
室内目标物理参数估计（比如角度、相对距离）	无源定位
基于穿戴设备的人的定位
目标动态追踪
心率、呼吸速率估计
人数统计

表1  目前存在的WiFi感知应用

面临的主要挑战和未来发展趋势

目前WiFi感知主要是针对人进行的，未来可以拓展到其他领域，比如探测周围环境、动物、以及自定义的识别目标等等。随着物联网的发展，移动互联网不断扩大，WiFi智能感知的应用范围会随着设备数量以及硬件能力的提升不断扩展，未来WiFi感知的发展趋势可以总结为跨层感知、跨设备感知、跨信号感知。具体表现如下图4所示：

图4  WiFi感知的未来趋势

针对上述所说的发展状况，目前以及未来WiFi所面临的主要挑战包括以下三方面：1)WiFi感知系统的鲁棒性和泛化能力：主要问题是当相同的感知算法在应用场景发生变化时，如果不改变参数那么其感知精度容易急剧下降。2)WiFi这种技术本身带来的隐私以及安全的问题：由于WiFi相对来说是较为开放的网络，当我们在利用WiFi进行感知时，如果有人恶意劫持WiFi，会对感知过程产生破坏性的影响。WiFi感知系统的搭建会对正常的WiFi通信造成一定影响：因为我们在进行一些较为细粒度的室内环境感知时，需要较快的发包速率，所以可能会对正常WiFi数据传输造成一定干扰。

总

结

       我们对于WiFi信道状态信息背景知识、主要的处理流程、主要的应用领域以及面临的挑战和发展趋势做了阐述。另外，WiFi智能感知也可用来对于室内环境下人/物的实时监测，从而来实现物理环境意义上的安全。可以说，随着物联网技术以及5G的发展，WiFi智能感知将会迎来更为广阔的应用前景。

参考文献：[1]: Fadel Adib and Dina Katabi. 2013. See Through Walls with WiFi!. In Proceedings of the ACM SIGCOMM 2013 Conference on SIGCOMM (SIGCOMM ’13). 75–86.[2]: Liangyi Gong, Wu Yang, Zimu Zhou, Dapeng Man, Haibin Cai, Xiancun Zhou, and Zheng Yang. 2016. An Adaptive Wireless Passive Human Detection via Fine-Grained Physical Layer Information. Ad Hoc Networks 38 (2016), 38 – 50.[3]: Chunmei Han, Kaishun Wu, Yuxi Wang, and Lionel M. Ni. 2014. WiFall: Device-free Fall Detection by Wireless Networks. In 2014 IEEE Conference on Computer Communications (INFOCOM).271–279.[4]: Sameera Palipana, David Rojas, Piyush Agrawal, and Dirk Pesch. 2018. FallDeFi: Ubiquitous Fall Detection Using Commodity Wi-Fi Devices. Proc. ACM Interact. Mob. Wearable Ubiquitous Technol. 1, 4, Article 155 (Jan. 2018), 25 pages.[5]: Liangyi Gong, Wu Yang, Dapeng Man, Guozhong Dong, Miao Yu, and Jiguang Lv. 2015. WiFi-based Real-Time Calibration-Free Passive Human Motion Detection. Sensors 15, 12 (2015), 32213 32229.[6]: Yu Gu, Jinhai Zhan, Yusheng Ji, Jie Li, Fuji Ren, and Shangbing Gao. 2017. MoSense: An RF-based Motion Detection ystem via Off-the-Shelf WiFi Devices. IEEE Internet of Things Journal 4, 6 (Dec 2017), 2326–2341.

中国保密协会

科学技术分会

长按扫码关注我们

作者：江   上责编：蔡北平

往期精彩文章TOP5回顾

近期精彩文章回顾解读美国《物联网设备网络安全能力核心基准》
大数据传输方法浅析
《供应链风险管理文档》简介
看美国政府如何保障无线系统安全性
美国CNSS标准供应链风险管理介绍