CSI信号的处理

数据包，子载波关系

采集到的数据中包含了三根天线的CSI数据

dat-多个数据包-1个数据包包含3根天线对应的30个子载波的幅度

一个数据包含3根天线的数据，每根天线又包含56个子载波的瞬时值（数据包作为横轴,即时间作为横轴）

显然GitHub上是有数据处理的过程的，只是自己限定词范围问题

CSI WiFi

要相信百度上一定有你需要的code，只是你自己没有找到而已（找别人要是不现实的）

打开别人的工程文件时，直接shift，打开所有的.m文件，不要打开一两个，这样很容易出错

获取相位差数据设备的调研：

umain
   UWB-Radar108R (呼吸监测) 呼吸监测UWB雷达模块组
       http://www.umain.co.kr/zh-hans/shop/uwb-radar108r/
   HST-D3 Evaluation Kit Raspberry Pi 3联动型雷达传感器应用开发Kit
       http://www.umain.co.kr/zh-hans/shop/hst-d3/

NOVELDA
   RESPIRATION SENSOR X4M200 呼吸检测
       https://www.xethru.com/x4m200-respiration-sensor.html
   CUSTOM SENSOR DEVELOPMENT X4M03 | X4M06 自行拓展开发
       https://www.xethru.com/xethru-development-platform.html

目的：

原有程序怎么跑通？

先检测出静止，起身站立，行走三个状态（时间-幅度图画出来，幅度信息仅仅能反映出人体是否处于静止或非静止），自己画出来的图像应该是一条直线

分两种情况：视距和非视距（对比一下两者效果）

评价呼吸和心率的指标：

每分钟多少次：The breathing frequency of a normal adult is 12 to 20 times per min in a resting state [5], and the heart rate is 60 to 100 beats per min [6]。

频率：breathing from 0.2 Hz to 0.33 Hz [5] and heartbeat cycles from 1 Hz to 1.33 Hz [6]（频率已知，可以通过滤波器提取出有用的信号）

bpm：breathing rate ranges from 10 to 37 bpm [18, 19], and heart rate ranges from 60 to 80 bpm [20]

CSI的值包含了子载波的信号强度和相位信息（数据包，子载波，CSI关系？），若环境中存在人活着人的运动，这会影响到WIFI信号的传播路径，所有子载波的CSI值都会被影响

CSI信号的处理

延迟发生在LOS的信号和NLOS的信号上，LOS的信号线到大接收器

数据处理的一些方法：

1、跌倒检测论文

falldefi_example.m是主文件，应该是直接运行此文件

添加CSI工具的路径

添加跌倒检测脚本的路径

添加SVM的路径（做到上一步即可）

使用线性插值将.dat文件中的CSI提取到.mat

2、通过CSI信号检测心率和呼吸论文

①CSI的处理

对接收信号进行IFFT（傅里叶逆变换）：得到近似的时域功率延迟曲线

去掉时域较小的信号分量

CSI信号的处理

将剩下的时域信号再进行FFT变换

②过滤（breathing from 0.2 Hz to 0.33 Hz [5] and heartbeat cycles from 1 Hz to 1.33 Hz [6]）

需要移除身体移动产生的影响和高频噪声，通过滤波器滤波后得到如下图的结果

CSI信号的处理

③子载波选择

每一个子载波对于呼吸和心跳都有不同的敏感程度。如果用到所有的子载波，计算成本会很高

相邻子载波的近似的CSI值

选择的方法：通过一个时间窗口计算CSI幅度的方差，用于量化那些子载波对运动比较敏感。选择方差较大的子载波，方差越大对呼吸和心跳产生的微小运动才能越敏感

CSI信号的处理

④分割（这个步骤不是很明白）

3、WI-sleep（这个才叫真正的论文，用的每一个方法都解释了为什么不用其他方法，大多数论文都只是说了用这个方法，没有说为什么用这个方法）

直接选择了天线1的第10个载波

跌倒检测中的坐在椅子上的数据和行走的数据差别很大

Python处理数据：

所有py文件放在一个文件夹下，直接打开文件夹，不能单个单个打开文件（不想C#中打开一个工程链接文件就能打开整个工程）

需要安装h5py模块，在win+r-cmd下执行

pip install cython
pip install h5py

再在pycharm中添加h5py的包

MATLAB处理数据：

csi_trace = read_bf_file('sample_data/walk_LoS.dat');

for i=1:200%这里是取的数据包的个数
        csi_entry = csi_trace{i};
        csi = get_scaled_csi(csi_entry); %提取csi矩阵    
        csi =csi(1,:,:);
        csi1=abs(squeeze(csi).');          %提取幅值(降维+转置)
        
        %只取一根天线的数据
        first_ant_csi(:,i)=csi1(:,1);           %直接取第一列数据(不需要for循环取)
        second_ant_csi(:,i)=csi1(:,2)
        third_ant_csi(:,i)=csi1(:,3)
                     
%         for j=1:30
%             csi15_end(i,:)=csi1(j,:);           %3个信道第j个子载波
%         end
end

%画第一根天线的载波
%plot(first_ant_csi.')
plot(second_ant_csi.')
%plot(third_ant_csi.')

直接获取CSI数据的幅度，csi1=abs(squeeze(csi).')，csi是1×3×30的复数矩阵，取绝对值后得到CSI的幅度

200个数据包中第二根天线对应的第一个子载波的CSI取值范围，做一条垂线有200个交点（这个是没有转置的结果，没有什么意义）

CSI信号的处理

转置后，每一个波形就表示每一个子载波随数据包/时间的的变化波形

CSI信号的处理行走

CSI信号的处理静坐

到此CSI随时间变化的幅度值获取到（这里横轴的间隔是有发送设备决定的，在发包时输入了发包间隔时间）

然后就是去掉异常值（试验数据中好像没有异常点）：利用Hampel identifier去除异常点，离开封闭区间 CSI信号的处理的点就当做异常点处理，μ表示一个波形的中位数，σ表示一个波形的the median
absolute deviation (MAD)（不同这个含义），γ一般取默认值3

疑问：异常点移除后加入的是什么值（看网上怎么实现的）

不选均值和标准差的原因： CSI信号的处理

插值（Interpolation）：不能保证接收端数据包不丢失，因此必须插值（linear interpolation）

CSI信号的处理

去噪：用的小波变换

CSI信号的处理

子载波选择：选择更加具有周期性的波形。用的什么方法没有看懂

matlab程序：

数据实时可视化：https://blog.csdn.net/u014645508/article/details/82887470?utm_source=blogxgwz2（ubantu系统下实时画第一个图）

NIC5300的三个天线使用相同的时钟和相同的下变频器频率

来自两根天线的子载波i的相位有相同的包检测延迟，采样周期和频率差异（这也是处理数据的重要方法，直接计算两根天线上子载波的相位差）

相位差数据的图像是周期性的正弦波

CSI信号的处理

相位可以理解成角度

人体活动早成信道失真和相位偏移

频域内的信道模型：

CSI信号的处理

WiFi心率检测系统应包括下面四个模块：

数据提取，数据预处理，呼吸率估计和心率估计

现成的WiFi设备提取两个接收天线之间的CSI相位差数据

CSI信号的处理

1、环境检测：用于检测人的状态（sitting、walking、standing up），大的运动会导致比呼吸和心跳更大的csi方差，通过设置一个阈值，就可以检测到较大的动作。当信号范围内没有人时，相位差数据是一条非常小的波动。当这个人站起来或正在走路的时候，相位差数据表现出较大的波动（用于检测物体是否移动） CSI信号的处理

论文中通过信号的幅度变化实现运动静止检测（论文后面也是使用相位差来做的），这里使用相位差来检测（首选方法）

randomly distributed raw phase can be calibrated by conducting phase difference over a pair of antennas（通过一对天线的相位差）

下图怎么画出来
CSI信号的处理

相位差的计算方法：

CSI信号的处理

2、数据校准：去除直流分量和高频噪声。直流分量影响子载波选择，峰值检测和FFT频率估计

防跌倒检测中用到相位校准

CSI信号的处理

时延，子载波频率偏移

3、子载波选择：并不是所有的载波都会用到

4、离散小波变换（DWT）：be decomposed into an approximation coefficients vector with a low-pass filter and a detail coefficients vector with a high-pass filter

the approximation coefficient vector ： the basic shape of the input signal with large scale characteristics
detail coefficient vector ：describes the high frequency noises and the detailed information with small scale characteristics

5、

level4的近似系数：用于获取去噪的呼吸信号

细节系数：用于重建心率信号

单人使用峰值检测

多人使用root-MUSIC method

专业术语：

相位：在函数y=Acos(ωx+φ)中，ωx+φ称为相位（通过圆上一点的移动画出正弦波形，此时对应的角度即为相角）

工具：

win10 MATLAB（linux安装MATLAB：https://blog.csdn.net/guituo9698/article/details/70553521）

相位差直接用设备检测出来的（没有手动处理得到）

文件：

ubantu系统下的matlab文件夹

CSI数据包：在inject文件夹中的那个，不是netlink中的

处理过程：

参考官网链接：https://dhalperi.github.io/linux-80211n-csitool/faq.html

https://blog.csdn.net/sinat_22991367/article/details/78187440

CSI信号的处理

提示如下错误：

CSI信号的处理

①这样当然会出错，read_bf_file函数不存在。

②这里的路径也存在问题（应该将编写的.m文件保存在matlab目录下）

解决方法：

read_bf_file.m文件在安装的ubantu系统下的MATLAB文件夹的中（但是自己安装的系统MATLAB文件夹下没有这些文件），将ubantu系统中的MATLAB文件夹移至windows系统中

CSI信号的处理

将编写的读数据文件路径也保存在此目录下，如上图的show_csi.m文件

csi_trace = read_bf_file('sample_data/10_25.dat');

这里一定要注意程序中的调用路径，自己将数据放在matlab的sample_data目录下，在程序中sample_data不能少

csi_trace = read_bf_file('sample_data/10_25.dat');
csi_entry=csi_trace{1};                     %只取了一个包的数据
csi = get_scaled_csi(csi_entry);        %将数据包中的CSI数据单独取出
subplot(1,2,1)
plot(db(abs(squeeze(csi).')))              %降维成30×3的矩阵
legend('RX Antenna A', 'RX Antenna B', 'RX Antenna C', 'Location', 'SouthEast' );       %因此此处的横坐标表示的子波索引，纵轴表示此数据包中，子波的幅度
xlabel('Subcarrier index');
ylabel('SNR [dB]');

5300网卡有三个天线，三个线段代表三个接收天线的csi数据。如果你要简化计算，可以只取用第一个天线的数据，很多论文是这样处理。为了保证更高的精确性，三个天线的数据也可以都使用。(更复杂的情况是多发射天线多接收天线，就不止3个线段了，你会遇到ntx为2或3的情况，ntx为发射天线的个数，nrx为接收天线的个数）

实验结果：

直接从dat文件读取出来的是很多数据包，每个数据包的格式的格式如下：

timestamp_low：NIC网卡1MHz时钟的低32位。它大约4300s（72min）重复一回。（从0-2^32需要4300s）
bfee_count：驱动记录并发送到用户控件的波束测量值的总数。内核和用户空间中netlink频道是有损的，可以用该变量来检测被丢弃的测量值。
Nrx：接收端使用的天线数量。
Ntx：发送端使用的天线数量。
rssi_a, rssi_b, rssi_c：由接收端NIC测量出的RSSI值。
perm：展示NIC如何将3个接收天线的信号排列到3个RF链上，上图中的数据表示天线A被发送到RF链A，天线B被发送到RF链B，天线C被发送到RF链C。
rate：发包频率。
csi：CSI值

CSI信号的处理

此图对应一个数据包的图像，横轴表示子载波索引，纵轴表示这一个数据包中子载波的幅度

%实际情况时域柱状图
csi_trace = read_bf_file('sample_data/10_25.dat');
for l=1:100  %取50个数据包的数据
    csia=get_scaled_csi(csi_trace{l});
    for k=1:30    %30个子载波数据
        B(1,1,k)=csia(1,1,k);%只是取了csia每行数据的前两个
    end
    csi_one=squeeze(B).';    
    
    for ki=1:30    %30个子载波数据
        csi_amp(ki,l)=csi_one(ki);    %第l个数据包的第k个子载波的幅度        【子载波，数据包】
    end
end
 
csi_ifft=ifft(csi_amp(:,1));
 
T_amp=abs(csi_ifft);
 
 bar(T_amp);
 
 set(gca,'XTick',[0 10 20 30]);
 
 set(gca,'xticklabel',{'0','0.5','1','1.5'});
 
 xlabel('Delay (ms)');
 
 ylabel('Amplitude(dB)');

csia_trace：实验只取了前100个数据包进行处理，每个包含有的数据如上

通过get_scaled_csi函数处理，csia_trace得到caia，30行（30个子载波），每行3个数据

再从每个子载波中选出第一个数据，得到B，30行，每行一个数据（这个数据就包含了CSI的幅度和相位信息）

通过squeeze函数，将B转化为1行30列的数据

最终得到50个数据包的30个载波的相位值（30行对应30个子载波，50列对应50个数据包）

子载波相位值通过FFT逆变换得到时域柱状图，纵轴表示信号的幅度，怎么画成曲线图并且画出更多的数据包？

这里应该是每个子载波的幅度值（每个子载波都是周期信号吗？），应该求出所有载波的幅度？

CSI信号的处理

这里的横纵应该是Subcarrier index（？）

应该画出下面的图形（每个子载波随时间的变化）

CSI信号的处理

相位图

CSI信号的处理

实验结果和博客上的相差很大

CSI的跌倒检测：

CSI信号的处理

数据处理参考链接：https://github.com/dmsp123/FallDeFi

数据包，子载波关系

显然GitHub上是有数据处理的过程的，只是自己限定词范围问题

获取相位差数据设备的调研：

目的：

评价呼吸和心率的指标：

数据处理的一些方法：

Python处理数据：

MATLAB处理数据：

matlab程序：

频域内的信道模型：

WiFi心率检测系统应包括下面四个模块：

专业术语：

工具：

文件：

处理过程：

实验结果：

相关推荐