基于CSI的移动目标侦测研究学习

Author Avatar
Xin Qiu Mar 12, 2016

最近被老师带着搞科研，研究CSI(channel state information)。

环境安装

需要用到CSI tool，这是一个运行在Ubuntu上的利用Intel Wi-Fi Wireless Link 5300 802.11n来做分析的程序。这里可以使用作者网站中方法来安装，也可以下载清华的版本。清华的版本附带了安装说明书，参考说明书上的方法，安装即可。

需要注意的是，发射源路由器需要选择单天线支持802.11n的路由器，我使用的是TP-LINK TL-WR742N。

获取数据

cd进入csitools文件夹，进入linux-80211n-csitool-supplementary/netlink，运行

1
sudo ./log_to_file tmp.dat

打开另一个终端，运行

1
ping 192.168.1.1 -i 0.2

netlink文件夹中的tmp.dat就是采集的原始数据。

读取数据

使用Matlab读取数据，进入linux-80211n-csitool-supplementary/matlab文件夹，使用read_bf_file函数可以读取数据。

一个例子数据包里包含

1
2
3
4
5
6
7
8
9
10
11
12
timestamp_low: 4            (In the sample trace, timestamp_low is invalid and always 4.)
       bfee_count: 72
              Nrx: 3
              Ntx: 1
           rssi_a: 33
           rssi_b: 37
           rssi_c: 41
            noise: -127
              agc: 38
             perm: [3 2 1]
             rate: 256
              csi: [1x3x30 double]

其中:

  • timestamp_low 是时间戳
  • bfee_count 数据包数量
  • Nrx,Ntx 分别表示接收端和发送端的天线数量
  • rssi_a, rssi_b, rssi_c 每个天线的RSSI数据，单位dB，
  • agc Automatic Gain Control
  • perm NIC重排列后的顺序结果，代表RF链路的顺序
  • rate 发送包的rate
  • csi CSI原始数据，是个Ntx×Nrx×30复数矩阵

主要提取出CSI数据和timestamp_low。

数据预处理

为了避免相位的偏移的影响，需要将相位进行线性变换，参考论文，写出了以下Python代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
from math import *
import numpy as np
import copy

N = 1000 # N为采集的数据包数量

def complexDecoding(raw_data):
	"""	
	将原始数据转化为Python可识别的复数
	这里使用了第一个天线的数据raw_data[0]
	第二根第三根天线数据下标分别为1, 2
	原始数据为a + bi, python为a + bj
	返回处理后的数据
	"""
	for n in range(N):
		for i in range(30): # 30 代表子载波数量，固定为30
			if raw_data[0][-1] == 'i':
            	data.append(complex(raw_data[0][:-1]+'j'))
        	else:
            	data.append(complex(raw_data[0]))
    return data

def getAP(data):
	"""
	根据复数计算振幅和相位
	"""
	amplitudes = [([] * 30) for i in range(N)]
	phases = [([] * 30) for i in range(N)]
	for m in range(N):
	    for i in range(30):
	        r = sqrt((data[i + m * 30].real) ** 2 + (data[i + m * 30].imag) ** 2)
	        amplitudes[m].append(r)
	        phases[m].append(np.angle(data[i + m * 30]))
	return (amplitudes, phases)

def preprocessingPhase(phases):
	"""
	将相位进行线性变换
	index是 -28 到 28 根据 IEEE 802.11n 协议
	返回变换后的相位
	"""
	index = range(-28,0,2) + [-1, 1] + range(3,28, 2) + [28]
	for m in range(N):
	    for l in range(10):
	        clear = True
	        base = 0
	        tphases[m][0] = phases[m][0]

	        for i in range(1, 30):
	            if phases[m][i] - phases[m][i-1] > pi:
	                base += 1
	                clear = False
	            elif phases[m][i] - phases[m][i-1] < -pi:
	                base -= 1
	                clear = False
	            tphases[m][i] = phases[m][i] - 2 * pi * base

	        if clear == True:
	            break
	        else:
	            for i in range(30):
	                phases[m][i] = tphases[m][i] - (tphases[m][29] - tphases[m][0]) 
	                				* 1.0 /(28 - (-28)) * (index[i]) 
	                				- 1.0 / 30 * sum([tphases[m][j] for j in range(30)])
	return phases

参考论文

  1. PADS Passive Detection of Moving Targets with Dynamic Speed using PHY Layer Information
expand_less
Powered by Hexo
Theme - Material