您现在的位置: 首页> 研究主题> 信道状态信息

信道状态信息

信道状态信息的相关文献在1999年到2023年内共计2659篇,主要集中在无线电电子学、电信技术、自动化技术、计算机技术、矿业工程 等领域,其中期刊论文386篇、会议论文9篇、专利文献432657篇;相关期刊162种,包括重庆邮电大学学报(自然科学版)、电子学报、电子与信息学报等; 相关会议8种,包括第二十五届全国信息保密学术会议(IS2015) 、2014全国无线及移动通信学术大会、2009年中国宇航学会学术年会等;信道状态信息的相关文献由2914位作者贡献,包括高秋彬、金沂濬、李儒岳等。

信道状态信息—发文量

期刊论文>

论文:386 占比:0.09%

会议论文>

论文:9 占比:0.00%

专利文献>

论文:432657 占比:99.91%

总计:433052篇

信道状态信息—发文趋势图

信道状态信息

-研究学者

  • 高秋彬
  • 金沂濬
  • 李儒岳
  • 朴钟贤
  • 陈艺戬
  • 姜智源
  • 金亨泰
  • P·加尔
  • 陈万士
  • 李辉
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

作者

    • 代婉婉; 张雷; 薛潘; 史新国; 梁逍; 丁恩杰
    • 摘要: 针对传统的接触式呼吸检测设备易脱落、应用场景有限等问题,提出一种基于信道状态信息的生命体征检测算法。该算法以菲涅尔区模型为理论指导,通过商用无线保真(Wi-Fi)设备采集呼吸信道状态信息。首先,利用Hampel滤波器滤除信号衰落和多径效应引起的高频噪声;然后,以改进的阈值函数选取方法即开方法解决软硬阈值偏差恒定、不连续等问题,进一步滤除环境噪声;最后,通过去除直流分量、子载波选择和交叉平移点算法获取呼吸频率。此外,通过机器学习、深度学习算法实现了正常、异常和暂停3种不同呼吸状态的分类,全面反映了被检测人员的呼吸运动。实验结果表明:基于信道状态信息的生命体征检测算法准确率达到了92.5%,能够作为人体生命体征日常检测系统为用户提供健康参考。
    • 殷志远; 陈瑾; 李国鑫; 王海超
    • 摘要: 为了提升多用户协作非正交多址接入(Non-orthogonal multiple access,NOMA)网络在信道状态信息(Channel state information,CSI)反馈延迟下的性能,提出一种近用户选择策略,目标是在满足所选近用户服务质量约束的同时最大化远用户的信息传输速率。分析了反馈延迟影响下,网络基于所提近用户选择策略的中断概率和分集增益。为了降低CSI反馈延迟影响,进一步设计了一种卷积神经网络与循环神经网络结合的深度学习架构对过时CSI进行预测。理论分析表明,反馈延迟影响下,多用户选择分集增益消失,系统分集增益为1。仿真结果表明,所提深度学习架构能够显著提升反馈CSI准确性,有效降低系统中断概率。基于预测CSI的近用户选择方法提升了该协作NOMA网络的系统中断性能。
    • 陈红红; 冯丹阳; 党小超; 郝占军; 乔志强; 牛娟
    • 摘要: 目前常用的手势识别方法存在设备部署困难与价格高昂的问题,遂本文提出基于信道状态信息的手语识别方法。该方法利用WiFi设备采集信道状态信息,选用局部离群因子检测算法与离散小波变换相结合的方法降低数据噪声,并通过主成分分析法筛选子载波。经降噪后,提取手势波形特征值,最终通过自适应算法多次训练的隐马尔科夫模型得出识别结果。结果表明,该方法可有效识别多种环境下不同人员手语手势的表达且平均识别率达88.98%,相较其他系统识别精度更优。
    • 田勇; 郭莹; 崔家栋; 李思柔; 陈晨; 丁学君
    • 摘要: 针对现有基于商用WiFi设备的人体手势识别方法存在的子载波选择不够优化、动作区间截取不够精确等问题,提出一种基于近似熵子载波选择的人体手势识别(AEGR)方法。利用提出的最小近似熵法构建识别方法待处理的CSI幅值数据,对构建的数据采用小波去噪和中值滤波组合法进行去噪;利用滑动窗极差法精确截取CSI幅值的动作区间,据此提取用于分类的8个特征量;利用随机森林算法进行人体手势识别。实验结果表明,AEGR方法的手势识别准确率可达98.75%,验证了其良好性能。
    • 丁昭; 高同跃; 张忠超; 郭伟平; 柏代状
    • 摘要: 信道状态信息(Channel State Information,CSI)是一种WLAN物理层信息,具有更加细粒度的特征,在WLAN无线指纹定位模型中采用CSI作为指纹向量可以更好地避免多径效应的影响,达到较高的定位精度。但是从商用无线设备中采集的CSI噪声较大,因此提出一种基于离散小波变换的降噪方法对CSI进行预处理,然后建立CSI位置指纹数据库,采用WKNN算法进行在线匹配定位。基于IMU的行人航位推算方法是一种完全自主的导航方法,具有短时精度高的优点,但经过长时间积分运算会导致累积误差,影响定位精度。结合两种方法的定位特点,提出一种基于扩展卡尔曼滤波器的融合定位模型。此外,传统的步态探测模型易出现误探测现象,在峰值法基础上提出一种动态阈值法,有效提高了探测精度。通过实验验证,在办公室内行人行走轨迹的平均定位精度达到0.23m,而且与纯惯性导航解算轨迹相比,融合定位算法解算轨迹与实际行走轨迹匹配度更高。
    • 张静; 张梦雨; 王栋
    • 摘要: 为改善在大规模多输入多输出正交频分复用(MIMO-OFDM)系统中获取稀疏随机信道参数的精度并改善收敛速度,提出了在多测量向量条件下基于L_(1)范数最小化的卡尔曼滤波(KF)优化模型和算法。该方法将优化过程分为2个步骤:先利用L_(1)范数的次梯度和伪测量做时序递推修正,再利用常规KF修正测量误差(TKF)。在修正参数的L_(1)范数时,可利用硬阈值回溯迭代的贪婪滤波(GKF)加速收敛。仿真结果表明,2个算法均优于单测量向量时的Bregman迭代算法,在较高信噪比时,GKF的估计精度高于TKF。
    • 宗静; 何亮; 黄斌科
    • 摘要: 在利用WiFi信号实现人群计数中,基于信道状态信息幅度(Channel State Information,CSI)存在分类模型滤波不彻底和准确度差的问题,本文提出了一种基于多接收天线之间相位差扩展矩阵信息的支持向量机(Support Vector Machine,SVM)增量学习算法.首先对CSI原始相位数据执行三重处理,以便最大程度的消除环境干扰和相位误差;另外提出了一种建立相位差扩展矩阵的思想,加入了不同人数场景的动态特征,提高了人群计数准确性.考虑到新增场景后,原训练数据和新增数据需合并进行重新训练,因训练数据过多会造成计算复杂度过高,为此我们提出了一种基于SVM增量学习分类算法,设计了一个循环迭代过程,实现了对增量数据在线学习的功能,且在提升人群计数准确率和降低计算复杂度方面均取得了较好的效果.算法结果表明,本文方法可实现实时人群计数,在最大计数误差为1人时,平均计数精度可达95%以上,且随着场景增多在训练识别模型时节约的时间越显著.
    • 桂冠; 王洁; 杨洁; 刘淼; 孙金龙
    • 摘要: 大规模多输入多输出(Multiple input multiple output,MIMO)技术的演进是第6代(The sixth generation,6G)无线通信系统性能进一步提升的重要支撑。随着天线阵列规模的持续扩大,频分复用(Fvequency division duplexing,FDD)大规模MIMO系统获取下行信道状态信息(Channel state information,CSI)面临着严峻挑战。深度学习具有强大的学习及处理高维数据的能力,能够为解决这一挑战提供新的方案。本文综述了基于深度学习的FDD大规模MIMO下行CSI获取技术,包括CSI反馈和预测技术。首先给出了基于深度学习的CSI反馈和预测的原理框架,其次分析比较了国内外相关研究成果的优越性能,为解决面向6G的FDD大规模MIMO系统获取下行CSI问题提供了可行的参考方案。最后讨论了FDD大规模MIMO下行CSI获取的有待进一步解决的开放性问题以及所对应的潜在研究方案。
    • 卿朝进; 杜艳红; 叶青; 杨娜; 张岷涛
    • 摘要: 在大规模多输入多输出(Massive-Multiple Input and Multiple-Output,mMIMO)系统中,叠加信道状态信息(Channel State Information,CSI)反馈可避免上行带宽资源占用,但叠加干扰会造成接收机计算复杂度高、反馈精度低等问题,且均未考虑存在CSI估计错误的实际应用场景。为此,针对存在CSI估计错误场景下的叠加CSI反馈,在改进极限学习机(Extreme Learning Machine,ELM)的基础上,提出基于增强型ELM的叠加CSI反馈方法。首先,基站对接收信号进行预均衡处理,初步消除上行信道干扰;然后对传统叠加CSI反馈进行迭代展开,构建增强型ELM网络,通过规范化各个ELM网络的隐藏层输出来增强网络学习数据分布的能力,从而改善恢复下行CSI和上行用户数据序列(Uplink User Data Sequence,UL-US)的精确性。仿真实验表明,与经典和时新的叠加CSI反馈方法相比,所提方法能够获得相似或更好的下行CSI和上行用户数据的恢复精确性;同时,针对不同的参数影响,性能改善具有鲁棒性。
    • 袁杨鹏; 郭贤生; 何袁虎; 李林; 黄健
    • 摘要: 传统信道状态信息(Channel State Information,CSI)指纹定位方法存在以下难题:1)单频段或单域的CSI存在较大维度损失,指纹解译能力差;2)硬件设备的基带设计导致CSI幅度和相位失真,定位稳健性差。因此,针对当前流行的双频WiFi网卡,提出双频-时频信道联合指纹优化室内定位方法。首先通过获取双频段的CSI进行幅度和相位优化,然后从优化后的CSI中提取出双频-时频信道联合指纹。将多个样本的该指纹分别输入到定位模型进行位置候选集构造,再根据候选集合,提出可信位置选择算法,联合优化各个候选位置的核密度函数和权重,选出值得信任的位置进行加权,得到最终位置的最优估计。两个实际场景中的实验结果表明所提定位方法极大地改善了指纹解译能力,较传统方法具有更高的定位精度和稳健性。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号