[论文解读] From Real to Complex: Enhancing Radio-based Activity Recognition Using Complex-Valued CSI

Bo Wei, Wen Hu+2 more|arXiv (Cornell University)|Apr 25, 2018

Indoor and Outdoor Localization Technologies参考文献 40被引用 6

一句话总结

本文提出了一种新颖的无设备活动识别系统，利用复数域信道状态信息（CSI）以增强对射频干扰（RFI）的鲁棒性。通过在复数域CSI上应用稀疏表示分类（SRC），该方法在RFI退化环境中将识别准确率提高了最多10%，优于实数域CSI方法，并在极少硬件配置下展示了可行性。

ABSTRACT

Activity recognition is an important component of many pervasive computing applications. Radio-based activity recognition has the advantage that it does not have the privacy concern and the subjects do not have to carry a device on them. Recently, it has been shown channel state information (CSI) can be used for activity recognition in a device-free setting. With the proliferation of wireless devices, it is important to understand how radio frequency interference (RFI) can impact on pervasive computing applications. In this paper, we investigate the impact of RFI on device-free CSI-based location-oriented activity recognition. We present data to show that RFI can have a significant impact on the CSI vectors. In the absence of RFI, different activities give rise to different CSI vectors that can be differentiated visually. However, in the presence of RFI, the CSI vectors become much noisier and activity recognition also becomes harder. Our extensive experiments show that the performance of state-of-the-art classification methods may degrade significantly with RFI. We then propose a number of counter measures to mitigate the impact of RFI and improve the location-oriented activity recognition performance. We are also the first to use complex-valued CSI to improve the performance in the environment with RFI.

研究动机与目标

• 解决无设备CSI基活动识别系统中射频干扰（RFI）带来的关键挑战。
• 提升在高RFI水平的动态真实环境中面向位置的活动识别的鲁棒性与准确性。
• 探究使用复数域CSI而非实数域CSI在增强信号表示与分类性能方面的可行性与优势。
• 开发并评估一种专为RFI条件下复数域CSI设计的稀疏表示分类（SRC）框架。
• 通过低成本、嵌入式宽带无线电平台，展示系统在极低硬件需求下的可行性。

提出的方法

• 系统使用从市售WiFi芯片组（如Intel 5300、Atheros 9390）获取的复数域CSI作为活动识别的输入。
• 基于ℓ1-优化应用稀疏表示分类（SRC）来建模和分类CSI向量，利用活动模式在已知活动字典中的稀疏性。
• 该方法将每项活动视为训练字典中基向量的稀疏线性组合，即使在CSI受噪声或干扰影响时也能实现鲁棒分类。
• 使用复数域CSI以保留相位与幅度信息，相比仅使用实数域幅度的表示方式，显著增强了判别能力。
• 系统使用嵌入式WASP平台进行评估，以模拟各种无线协议与带宽（如20 MHz），再现真实部署场景。
• 针对RFI的对策包括信号预处理以及利用SRC固有的抗噪声能力，性能在多种干扰条件下得到验证。

实验结果

研究问题

• RQ1 射频干扰（RFI）如何降低基于CSI的无设备活动识别系统的性能？
• RQ2 在存在RFI的情况下，复数域CSI是否能相比实数域CSI提升分类准确率？
• RQ3 稀疏表示分类（SRC）在基于CSI的活动识别中能在多大程度上增强对RFI的鲁棒性？
• RQ4 在真实世界、易受干扰的环境中，使用复数域CSI与SRC的性能增益有多大？
• RQ5 该系统在仅使用一个收发器对的极简硬件条件下，在真实室内环境中是否具有可扩展性与实用性？

主要发现

• RFI显著降低CSI向量的质量，使活动识别更加困难，并降低最先进分类器的性能。
• 复数域CSI保留相位与幅度信息，相比仅使用实数域幅度的表示方式，能更有效地区分不同活动。
• 所提出的基于SRC的复数域CSI方法在RFI影响环境中相比实数域CSI方法，将识别准确率最高提升10%。
• SRC在噪声与干扰环境下表现出强鲁棒性，优于SVM与k-NN等传统方法在RFI条件下的表现。
• 系统仅使用一对收发器在一间卧室公寓中即实现可靠性能，支持简便部署与维护。
• 原型在不同无线带宽（如20 MHz）下均表现出可行性，表明即使在有限频谱条件下也能实现高准确率。