利用 Wi-Fi 信道状态信息对无源非线性射频应答器进行设备识别与运动分类
Device Identification and Motion Classification of Passive Nonlinear RF Transponders Using Wi-Fi Channel State Information
预印本 · 尚未经过同行评审
用商用 Wi-Fi 信道状态信息识别无源非线性射频应答器，设备识别准确率超 95%，手势分类达 98%。
本文提出了一种利用低成本无源应答器和商用硬件提供的802.11机会信号进行联合设备认证与手势分类的方法，用于在杂乱环境中跟踪物体。该方法通过估计从标准前导码获得的所有子载波信道状态信息（CSI）上的平均时变相位，来检测基于二极管的射频（RF）应答器的非线性响应。这些独特响应由采用2.4 GHz弯折线单极天线（带电容顶帽加载）和低势垒肖特基二极管的无源应答器实现，从而支持低功耗全向感知以及对多个不同设备的复杂手势识别。采集系统使用无线接入点以标准前导码照射应答器。该信号经二极管的非线性响应调制后，传输至单个ESP32接收器以计算信道响应。利用调制后的CSI，通过简单机器学习模型进行RF指纹识别，在静态和动态条件下均达到>95%的准确率。对于动态移动的应答器，采用一种新颖的相位净化方法计算时变速度剖面，显著降低了非合作网络的影响。这使得在单个接收器上能够高精度估计微动，使用净化波形的幅度不变二值比较器形式，达到9.75 m/s的理论极限。该概念通过将轻量级CNN-LSTM深度学习模型应用于包含五个应答器和三种运动剖面的多样化数据集进行了实验验证。该实验验证在手势分类和设备识别任务中均展示了98%的分类准确率。
中文由 AI 翻译，仅供参考，以原文为准。
来源：arXiv · Signal Processing · arxiv.org