[论文解读] WiSLAT: A Simultaneous Device Localization and Target Tracking Method for Wi-Fi Systems

Chunxi Chen, Jingwen Zhang+3 more|arXiv (Cornell University)|Mar 18, 2026

Indoor and Outdoor Localization Technologies被引用 0

一句话总结

WiSLAT 使用下行 CSI 的多普勒频率在无先验站点位置的情况下联合定位未知 Wi‑Fi 站点并跟踪移动目标，采用 MMSE 公式与低复杂度交替优化算法。

ABSTRACT

It has been shown that the channel state information (CSI) of a Wi-Fi system can be exploited to localize Wi-Fi devices or track trajectory of a moving target. In the existing literature, both sensing tasks are treated separately and some prior information is usually requested, including the signal fingerprints, the locations of some anchor devices in the Wi-Fi system, and etc. In the proposed WiSLAT method, however, it is shown that both sensing tasks can assist each other, such that the request on prior system information can be eliminated. Particularly, in a Wi-Fi system with an access point (AP) and at least three stations, where the locations of the stations are unknown, the WiSLAT is designed to detect the Doppler frequencies of the downlink CSI at the stations, such that their locations and the trajectory of the target with respect to the AP can be inferred. The joint detection can be conducted by searching the optimal stations' locations and target's trajectory, such that their corresponding Doppler frequencies fit the observed ones best. Due to the tremendous non-convex search space, a low-complexity sub-optimal algorithm integrating alternate optimization, extended Kalman filter and density-based clustering is proposed in WiSLAT. Experiments conducted in indoor environments demonstrate the effectiveness of WiSLAT, achieving a median trajectory-tracking error of 0.68 m.

研究动机与目标

• 通过移除对事先站点位置和指纹的依赖来推动 Wi‑Fi 感知中的 SLAT。
• 发展一个联合定位与跟踪框架，利用来自多个站点的多普勒测量。
• 提出一种低复杂度算法高效求解非凸 MMSE 问题。
• 在实验中证明方法并量化定位和跟踪精度。

提出的方法

• 将联合站点定位与目标轨迹公式化为使用多普勒频率的最小均方误差（MMSE）问题。
• 通过跨天线信号比来检测下行 CSI 的多普勒偏移以抵消硬件相位偏置，并应用 STFT 提取频率。
• 采用两阶段求解 MMSE 问题：在候选初始解上的粗搜索以及迭代的交替优化。
• 在优化过程中使用扩展卡尔曼滤波（EKF）重建目标轨迹。
• 使用 Levenberg–Marquardt（LM）更新在问题特定雅可比矩阵下对站点位置与起始点进行梯度更新。
• 利用以运动学为驱动的初始化来推导合理的初始站点位置。

实验结果

研究问题

• RQ1 在冷启动的 Wi‑Fi 系统中，未知的 Wi‑Fi 站点位置与移动目标轨迹是否可以从多普勒检测中联合估计？
• RQ2 在没有先验环境信息的情况下，所提出的 MMSE 公式和低复杂度算法在恢复站点位置与目标轨迹方面的能力如何？
• RQ3 交替优化与基于 EKF 的轨迹重建对定位与跟踪精度有何影响？
• RQ4 在现实 Wi‑Fi 设置下的室内环境中，实际可达到的性能水平（以米为单位）是多少？

主要发现

• 该方法在室内实验中实现了轨迹跟踪中值误差为 0.68 m。
• 该方法在室内实验中实现了 Wi‑Fi 站点定位中值误差为 1.07 m。
• 对多条轨迹的结果取平均后，平均定位误差降至 0.45 m。
• 实验使用单个接入点和四个未知位置的接收站， sensing 区域为 5 m × 5 m。
• 粗搜索加上基于 LM 的精细优化对逼近真实轨迹至关重要。
• 在至少三个站点检测到多普勒信号时，系统仍能在冷启动下实现 SLAT 的有效性。