RSCNet: Dynamic CSI Compression for Cloud-based WiFi Sensing
York University(约克大学);University of the Fraser Valley(弗雷泽河谷大学);Cognitive Systems Corp.(认知系统公司)
针对云端WiFi感知中CSI传输开销大的问题,提出RSCNet,通过跨CSI窗口优化与云端LSTM利用历史窗口数据,在压缩CSI的同时保持高感知精度与低重建误差。
2024-05-20 cs.AI cs.HC cs.IT
Finding the Missing Data: A BERT-inspired Approach Against Package Loss in Wireless Sensing
Shenzhen Research Institute of Big Data(深圳大数据研究院);School of Computer Science and Engineering, Sun Yat-sen University(中山大学计算机科学与工程学院);School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳)理工学院)
针对Wi-Fi感知中丢包导致CSI不连续影响模型性能的问题,提出自监督训练的CSI-BERT模型捕捉子载波时序关系以恢复CSI,相比传统插值方法错误率更低、速度更快,还能使其他感知模型准确率平均提升约15%,相关数据与代码已公开。
2024-03-19 cs.AI cs.LG eess.SP
FuseFi: Combining Irregularly Sampled CSI from Diverse Communication Packets and Frequency Bands for Wi-Fi Sensing
ECE, UCLA(电子工程系,加州大学洛杉矶分校)
UniFi通过不规则采样CSI实现无侵入式Wi-Fi感知,结合异构数据包处理与时间感知注意力模型,提升感知精度并保持通信效率。
2026-09-17 cs.LG eess.SP
CSIYOLO: An Intelligent CSI-based Scatter Sensing Framework for Integrated Sensing and Communication Systems
Department of Electronic Engineering, Tsinghua University(清华大学电子工程系);Beijing National Research Center for Information Science and Technology (BNRist)(北京信息科学与技术国家研究中心);State Key Laboratory of Mobile Network and Mobile Multimedia Technology(移动网络与移动多媒体技术国家重点实验室);ZTE Corporation Beijing Research Institute(中兴通讯北京研究院);Shenzhen International Graduate School, Tsinghua University(深圳国际研究生院)
针对ISAC中散射感知兼容性差和精度有限的问题,提出CSIYOLO框架,仅利用单对基站-用户设备的CSI实现散射定位,通过锚点检测和CSI定位算法,显著提升精度并降低复杂度。
2025-09-15 cs.AI eess.SP
Frame-Capture-Based CSI Recomposition Pertaining to Firmware-Agnostic WiFi Sensing
Kyoto University(京都大学);University of Oulu(奥卢大学);Aoyama Gakuin University(青山学院大学);Tokyo Institute of Technology(东京工业大学)
关于WiFi感知不可知的实现根据信道状态信息(CSI)的可用性,我们调查的可能性估计的CSI矩阵的基础上,其压缩版本,这是已知的波束成形反馈矩阵(BFM)。与在物理层组件中被处理和丢弃的CSI矩阵不同,BFM可以使用介质接入层帧捕获技术来捕获,因为这是在接入点(AP)和站(STA)之间通过空中交换的。这表明利用BFM矩阵的WiFi感测对于使用预安装的AP来实现更实用。然而,基于BFM的传感能力已经在一些任务中进行了评估,并且应该提供对其性能的更一般的见解。为了填补这一空白,我们提出了一种基于BFM的CSI估计方法,用机器学习模型逼近估计函数。此外,为了提高估计精度,我们利用子载波间的依赖性,在正交频分复用传输中的多个子载波使用BFM。我们的模拟评估表明,估计的CSI匹配地面实况振幅。此外,与每个单独子载波处的CSI估计相比,多个子载波处的BFM对CSI估计精度的影响被验证。
2021-10-29 cs.LG eess.SP
Exposing the CSI: A Systematic Investigation of CSI-based Wi-Fi Sensing Capabilities and Limitations
National Inter-University Consortium for Telecommunications (CNIT)(国家校际电信联盟(CNIT));University of Brescia(布雷西亚大学);Northeastern University(东北大学)
由于Wi-Fi热点的无处不在的部署,基于信道状态信息(CSI)的Wi-Fi感知可以在许多领域(如医疗保健,安全和娱乐)中释放改变游戏规则的应用。然而,尽管对Wi-Fi感测进行了十年的积极研究,但大多数现有工作仅考虑传统IEEE 802.11n设备,通常是在特定和严格控制的环境中。更糟糕的是,人们根本不了解现代Wi-Fi功能对基于CSI的感知的影响,例如160 MHz带宽,多输入多输出(MIMO)传输以及IEEE 802.11ax(Wi-Fi 6)中增加的频谱分辨率。这项工作旨在阐明Wi-Fi 6功能对感知性能的影响,并为未来的Wi-Fi感知研究创建基准。为此,我们使用Wi-Fi 6信号进行了广泛的CSI数据汇集活动,涉及3个人,3个环境和12个活动。通过视频记录获得的匿名地面真相伴随着我们的80 GB数据集,其中包含来自三个收集器的近两个小时的CSI数据。我们利用我们的数据集来剖析不同环境和个人之间最先进的传感框架的性能。我们的主要研究结果表明:(i)MIMO传输和更高的频谱分辨率可能比更大的带宽更有利于传感应用;(ii)迫切需要标准化Wi-Fi传感研究,因为实现真正独立于环境的框架的路径仍然不确定。为了简化实验的可复制性并解决当前Wi-Fi 6 CSI数据集的缺乏问题,我们向社区发布了80 GB的数据集。
2023-02-02 cs.LG cs.NI eess.SP
Resource-Efficient Wi-Fi CSI-Based Sensing via Exploiting the Age of Samples
University of Oulu(奥卢大学)
针对WiFi CSI感知中采样率受限的问题,提出一种低成本年龄感知框架,通过编码样本时效性并与CSI嵌入融合,在NTU-Fi数据集上显著提升活动识别和身份识别性能。
2026-10-06 eess.SP
CSI Sensing and Feedback: A Semi-Supervised Learning Approach
针对大规模多输入多输出(MIMO)系统的基于深度学习(基于DL)的信道状态信息(CSI)反馈已被证明是一种创造性且高效的应用。然而,现有系统忽略了无线信道环境变化感测,例如,室内和室外场景。此外,系统训练需要过多的预标记CSI数据,这通常是不可用的。针对这些问题,本文首先探讨了在CSI反馈中引入半监督学习的合理性,然后提出了一种具有三个分类器比较的半监督CSI感知和反馈网络($S^2$ CsiNet)。实验表明,$S^2$ CsiNet主要通过\textbf{\textit{indoor}}和\textbf{\textit{outdoor}}环境感知提高了基于DL的CSI反馈系统的可行性,最多减少了96.2%的标记数据集,其次通过数据提取和潜在信息挖掘提高了系统性能。
2021-09-26 eess.IV eess.SP
Superimposed Coding Based CSI Feedback Using 1-Bit Compressed Sensing
在频分双工(FDD)大规模多输入多输出(MIMO)系统中,信道状态信息(CSI)反馈导致显著的带宽资源占用。为了节省上行链路带宽资源,提出了一种叠加编码辅助下的基于1比特压缩感知(CS)的CSI反馈方法。使用1比特CS和SC技术,将压缩的支持集信息和下行链路CSI(DL-CSI)叠加在上行链路用户数据序列(UL-US)上,并反馈给基站(BS)。分析和仿真结果表明,与基于SC的反馈相比,该方法可以提高上行链路的误比特率(BER)和DL-CSI的准确性,而不需要占用专用的上行链路带宽资源将DL-CSI反馈给BS。
2019-09-03 eess.SP
LoS sensing-based superimposed CSI feedback for UAV-Assisted mmWave systems
在无人机辅助毫米波系统中,信道状态信息(CSI)反馈对于调制方案的选择、资源管理、波束形成等至关重要。然而,传统的CSI反馈方法会导致UAV发射机的显著反馈开销和能量消耗,从而缩短系统的运行时间。为了解决这些问题,受叠加反馈和通感一体化(ISAC)的启发,提出了一种基于视距(LoS)传感的叠加CSI反馈方案。具体地,在UAV发射器侧,地面到UAV(G2 U)CSI叠加在UAV到地面(U2 G)数据上以反馈到地面基站(gBS)。在gBS处,专用LoS感测网络(LoSSenNet)被设计为在LoS和NLoS场景中感测U2 G CSI。利用LoS-SenNet的感测结果,从初始特征提取中确定的G2 U CSI将用作先验信息以指导后续操作。具体地,对于NLoS中的G2 U CSI,开发CSI恢复网络(CSI-RecNet)和叠加干扰消除以恢复G2 U CSI和U2 G数据。对于LoS场景,在CSI-RecNet和叠加干扰消除块之前嵌入专用LoS辅助网络(LoS-AidNet),以突出G2 U CSI的特征。仿真结果表明,与其他叠加CSI反馈方法相比,该反馈方案有效地提高了G2 U CSI和U2 G数据的恢复精度。此外,对参数变化,所提出的反馈方案显示其鲁棒性。
2023-02-21 eess.SP
Complex CNN CSI Enhancer for Integrated Sensing and Communications
本文提出一种用于通感一体化的复数CNN CSI增强器,利用感知参数与CSI相关性提升估计精度,并设计偏置FFT感知方案,显著降低NMSE和复杂度。
2023-06-20 cs.IT eess.SP math.IT
A 6G Integrated Sensing and Communication Framework for Railway Intrusion Detection and Collision Prediction
本研究提出结合3D CNN与BiLSTM的机器学习模型,利用6G ISAC的CSI技术实现铁路入侵检测与碰撞预测,在合成数据上达到99.57%的检测准确率及0.4240的组合MAE。
2026-08-06 cs.AI cs.LG eess.SP
Vision-Aided Frame-Capture-Based CSI Recomposition for WiFi Sensing: A Multimodal Approach
从波束成形反馈矩阵(BFM)重新组合信道状态信息(CSI)是实现与固件无关的WiFi感测的替代方式,BFM是CSI的压缩版本并且由于其缺乏加密而可以被捕获。在这项研究中,我们提出了使用相机图像对CSI重组BFM的准确性增强。这种视觉辅助CSI重组的主要动机是得出第一手的见解,即BFM并不完全涉及空间信息来重组CSI,并且这可以通过相机图像来补偿。为了利用相机图像,我们使用多模态深度学习,其中两种模态,即,图像和BFM被集成以重新合成CSI。我们使用IEEE 802.11ac设备进行了实验。实验结果证实,所提出的多模态框架的重组精度提高相比,单模态框架只使用图像或BFM。
2022-06-03 eess.SP
Bistatic Passive Sensing via CSI Power
University of Technology Sydney(悉尼科技大学)
本文提出了一种基于CSI功率的双站被动感知框架,通过抑制相位偏移和恢复多维特征,实现高精度的三维空间和时间信息感知。
2026-02-24 eess.SP
C2S-AE: CSI to Sensing enabled by an Auto-Encoder-based Framework
本文提出基于自编码器的C2S-AE框架,利用CSI学习延迟功率谱以获取感知信息,并在真实数据集SHU7上验证其外推精度优于现有方法,助力未来移动网络通感一体化应用。
2025-03-02 eess.SP
CSI-Bench: A Large-Scale In-the-Wild Dataset for Multi-task WiFi Sensing
Origin Research(Origin研究机构)
CSI-Bench是一个大规模真实场景下的多任务Wi-Fi传感数据集,旨在通过真实环境下的数据收集和标准化评估支持鲁棒且可泛化的模型开发。
2025-11-20 cs.AI cs.DB eess.SP
Structured Pose-Conditioned Flow Matching for Generative 5G CSI Augmentation
University of Science and Technology Beijing(北京科技大学);Sony China Research Laboratory(索尼中国研究院);The Hong Kong University of Science and Technology(香港科技大学);University of Exeter(埃克塞特大学)
提出StructFlow-HPR,一种基于姿态条件流匹配的生成框架,用于增强5G CSI数据,在有限数据下提升人体姿态识别性能。
2026-09-25 cs.AI eess.SP
Smart CSI Processing for Accruate Commodity WiFi-based Humidity Sensing
针对现有WiFi湿度传感系统精度低的问题,提出结合创新去噪、k近邻算法与分辨率调优的增强CSI处理框架,基于商用硬件实验实现97%的湿度传感精度,为ISAC场景的WiFi传感提供支撑。
2024-09-12 eess.SP
SwinFi: a CSI Compression Method based on Swin Transformer for Wi-Fi Sensing
本文提出 SwinFi,通过基于 Swin Transformer 的自编码器-解码器在边缘压缩 CSI、云端重建,在 PIR 数据集上实现 -37.74dB NMSE 和 95.3% 分类准确率。
2024-05-07 eess.SP
The Universal Language of CSI:Unifying Wireless Sensing Across Devices and Environments
Shenzhen Research Institute of Big Data(深圳大数据研究院);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Shenzhen Loop Area Institute(深圳河套学院)
研究旨在解决基于CSI的WiFi传感异构问题,提出基础模型框架,通过整理标准化数据集、引入模块化架构,将CSI视为有通用语法的语言,实现跨设备和环境统一无线传感,提升泛化能力,优于特定任务基线。
2026-07-14 cs.AI eess.SP
Dual-Robust Integrated Sensing and Communication: Beamforming under CSI Imperfection and Location Uncertainty
针对ISAC系统中CSI不完善和目标位置不确定的问题,提出基于最坏情况性能加权和最大化的联合鲁棒优化框架及两层迭代算法,验证了其有效性与通信感知性能的权衡。
2024-05-17 eess.SP
Multi-View Wireless Sensing via Conditional Generative Learning: Framework and Model Design
Institute of Fundamental and Transdisciplinary Research, Zhejiang University(浙江大学基础与交叉研究院)
本文提出一种基于条件生成学习的多视图无线传感框架,通过融合多视图CSI信息,利用双部分神经网络架构提升目标重建精度和灵活性。
2026-02-20 cs.AI cs.LG eess.SP
Uplink Sensing Using CSI Ratio in Perceptive Mobile Networks
感知移动网络(PMN)中的上行链路感测使用上行链路通信信号来感测基站周围的环境,其面临着具有挑战性的问题,即时钟周期性和发送器与接收器之间的视线(LOS)路径的要求。针对信道状态信息(CSI)比仅限于单动态路径下的多普勒估计的问题,提出了一种改进的参数估计方法,该方法可以提取多个动态参数,包括多普勒频率、到达角和时延,并完成对多个运动目标的定位。我们的方案是基于多元泰勒级数的CSI比,将传感参数的非线性函数转换为线性形式,使传统的传感算法的应用。使用截断泰勒级数,我们开发了新的多信号分类网格搜索算法估计多普勒频率和AoA,并使用最小二乘法获得延迟。实验和仿真结果表明,我们所提出的方案可以实现良好的性能,检测单个和多个动态路径,而不需要存在的LOS路径。
2022-11-07 cs.IT eess.SP math.IT
ESPARGOS: Phase-Coherent WiFi CSI Datasets for Wireless Sensing Research
本文介绍了利用专为无线感知开发的相位相干多天线WiFi信道探测仪ESPARGOS采集并公开的大规模CSI数据集,该数据集具备详尽标注,支持数据驱动和基于机器学习的感知研究。
2024-08-29 cs.IT eess.SP math.IT
An Efficient Deep Learning Framework for Low Rate Massive MIMO CSI Reporting
信道状态信息(CSI)报告对于多输入多输出(MIMO)发射机在频分双工(FDD)模式中实现高容量和能量效率是重要的。用于大规模MIMO系统的CSI报告可能消耗过多的带宽并且降低频谱效率。与信道相关性集成的基于深度学习(DL)的压缩已经证明在改善CSI恢复方面是成功的。然而,现有的工作集中在CSI压缩很少表现出对CSI报告的有效编码。在本文中,我们提出了一个有效的DL为基础的压缩框架(称为CQNet),共同解决CSI压缩,报告编码,并在带宽限制下恢复。CQNet可以直接集成在其他基于DL的CSI反馈工程中,以进一步增强。CQNet显著优于使用均匀CSI量化和$μ$定律非均匀量化的解决方案。与传统的CSI报告相比,需要少得多的比特来实现可比较的CSI重构精度。
2019-12-23 cs.IT eess.SP math.IT
Integrated Sensing and Communications in Downlink FDD MIMO without CSI Feedback
针对FDD MIMO ISAC系统,提出利用部分互易性由上行训练重建下行CSI并以RSMA预编码优化频谱效率的无反馈框架。
2025-06-11 cs.IT eess.SP math.IT
Low-Rank Prior-Guided Rank-One Sensing for Efficient CSI Feedback
Zhejiang University(浙江大学);Inha University(仁荷大学);Singapore University of Technology and Design(新加坡科技设计大学)
针对大规模MIMO CSI反馈开销大且现有方法未利用低秩结构的问题,提出LRP框架及DCRNetV2,通过可学习秩一感知与合成实现高效压缩重建,在精度与复杂度间取得更优权衡。
2026-09-24 eess.SP
Neuro-Wideband WiFi Sensing via Self-Conditioned CSI Extrapolation
The University of Hong Kong(香港大学)
本文提出Neuro-Wideband(NWB)通过自条件学习实现宽带WiFi感知,无需专用硬件,利用深度学习框架提升多径分辨能力,实验证明其在定位和呼吸监测中的有效性。
2026-01-10 eess.SP
Practical Issues and Challenges in CSI-based Integrated Sensing and Communication
下一代移动通信网络(即,6 G)已经超越了传统的通信功能,并提供集成传感和通信(ISAC)功能,以支持更多新兴应用,如智能城市,互联车辆,AIoT和医疗保健/老年人护理。在所有ISAC提案中,最实用和最有前途的方法是授权现有的无线网络(例如,WiFi、4G/5G),具有增强的感知周围人类和环境的能力,并将无线通信网络演进为智能通信和感知网络(例如,6G)。在本文中,基于我们在WiFi/4G/5G信号下基于CSI的无线传感方面的经验,我们打算确定阻碍ISAC应用实际部署的十大实际和理论问题,并为这些关键挑战提供可能的解决方案。希望这项工作将激发进一步的研究,将现有的WiFi/4G/5G网络演进为下一代智能无线网络(即,6G)。
2022-03-18 cs.NI eess.SP
Optimal preprocessing of WiFi CSI for sensing applications
针对WiFi CSI的增益和相位误差影响感知任务的问题,本文建立误差数学模型,提出理论支撑的预处理算法,仿真和真实呼吸率监测实验均验证其降噪及提升信噪比效果优于基线方法且计算成本无显著增加。
2024-05-21 cs.IT eess.SP math.IT
Wi-Fi Sensing Tool Release: Gathering 802.11ax Channel State Information from a Commercial Wi-Fi Access Point
本文发布 ZTECSITool 工具包,用于从商用 Wi-Fi 6 接入点采集高分辨率 CSI,支持 160 MHz 带宽和 512 子载波,并提供固件、命令协议及 Python 可视化界面,以推动下一代 Wi-Fi 感知研究。
2025-06-20 eess.SP
AMAR: Lightweight Attention-Based Multi-User Activity Recognition from Wi-Fi CSI
Department of Electrical Engineering and Computer Science(电气工程与计算机科学系)
本文提出了一种基于注意力机制的轻量级多用户活动识别框架AMAR,通过将活动识别转化为集合预测问题,利用Transformer架构和边缘-云混合架构,实现了在多用户环境下对并发活动的高精度识别,同时显著减少带宽使用和占用估计误差。
2026-05-20 cs.AI cs.LG eess.SP
Convolutional Neural Network based Multiple-Rate Compressive Sensing for Massive MIMO CSI Feedback: Design, Simulation, and Analysis
针对大规模MIMO中CSI反馈带宽开销大的问题,提出多速率压缩感知神经网络框架及CsiNet+等网络,提升重建精度、减少UE存储与参数量,还探究了方法内在机制。
2019-06-14 cs.IT eess.SP math.IT
Rotatable Antenna-Enhanced Secure Integrated Sensing and Communications Under Imperfect CSI
Beihang University(北京航空航天大学);State Key Laboratory of CNS/ATM(空管通信导航国家重点实验室);Queen’s University Belfast(贝尔法斯特女王大学);State Key Laboratory of Environment Characteristics and Effects for Near-Space(临近空间环境特性与效应国家重点实验室);Beijing Institute of Technology(北京理工大学)
针对不完美窃听信道状态信息,提出可旋转天线增强的安全集成感知与通信系统,通过联合优化发射波束成形、人工噪声协方差矩阵和天线指向,在最大信息泄露和最小感知功率约束下最大化最小数据速率。
2026-06-18 eess.SP
Performance Bounds and Optimization for CSI-Ratio based Bi-static Doppler Sensing in ISAC Systems
针对ISAC双基地感知中的时钟异步问题,本文推导了基于CSI比值的多普勒感知闭式CRB及其近似,揭示了物理参数影响,并提出噪声与干扰受限场景下的波形优化策略,显著提升低速目标感知精度。
2024-01-17 cs.IT eess.SP math.IT
WiRiS: Transformer for RIS-Assisted Device-Free Sensing for Joint People Counting and Localization using Wi-Fi CSI
本文提出WiRiS系统,利用Transformer和RIS配置的CSI特征,实现无设备环境下联合人数统计与定位,准确率超90%,定位达厘米级。
2023-11-09 eess.SP
AFDM for LEO Inter-Satellite Links: Path-Level CSI Prediction and CRLB-Guided Pre-Equalization
University of Cambridge(剑桥大学);Koç University(科奇大学)
本文提出了一种基于AFDM的ISAC框架,通过路径级CSI预测和CRLB引导的预均衡技术,提升低地球轨道卫星间链路的通信与感知性能。
2025-12-23 cs.SY eess.SP eess.SY
Masked Latent Prediction of CSI for Indoor Localization in Integrated Sensing and Communication Systems
Nokia Bell Labs(诺基亚贝尔实验室);Politecnico di Milano(米兰理工大学)
提出基于JEPA的自监督CSI定位框架,通过掩码潜在预测预训练编码器,在DICHASUS-005x数据集上以50%掩码率将定位误差从0.90米降至0.42米,实现标签高效且低开销的室内定位。
2026-09-09 eess.SP
RSSI-CSI Measurement and Variation Mitigation with Commodity WiFi Device
由于商品化设备释放的丰富信息,WiFi信号已经被广泛研究用于各种无线传感应用。在许多工作中,接收信号强度指示符(RSSI)和信道状态信息(CSI)都被用作精确感测的关键因素。然而,没有详细解释RSSI和CSI之间的计算和关系。此外,很少有工作集中在影响感测结果的WiFi信号的测量变化。本文详细研究了RSSI和CSI之间的关系,并通过大量的实验研究了幅度和相位信息的测量变化。在实验中,发射机和接收机通过功率分配器和射频电缆直接连接,信号传输由射频衰减器定量控制。通过改变衰减强度,实现了不同条件下RSSI和CSI的测量。从结果中发现,为了通过商品WiFi获得信号幅度和相位的可靠测量,信道的衰减不应超过60 dB。同时,两个通道之间的差异应低于10 dB。为了保证测量的稳定性,提出了一种主动控制机制.这项工作的发现和标准有望促进更精确的WiFi信号传感技术。
2022-03-24 eess.SP
Learning-Based Intermittent CSI Estimation with Adaptive Intervals in Integrated Sensing and Communication Systems
针对ISAC系统两类CSI估计开销大且性能受损的问题,提出一种基于深度强化在线学习框架的自适应间隔间歇性CSI估计方案,联合优化CSI更新决策与波束成形,有效降低了系统开销并提升了通信与雷达性能。
2024-09-25 cs.IT eess.SP math.IT
Kalman filter based MIMO CSI phase recovery for COTS WiFi devices
近来,来自商用多输入多输出(MIMO)WiFi系统的信道状态信息(CSI)测量已经普遍用于不同的无线感测应用。然而,由于硬件损伤,CSI实现的相位通常被相位误差严重失真,这显著降低了感测性能。在本文中,我们直接利用的硬件损伤所造成的相位失真的建模,并提出了一种自适应CSI估计方法的基础上,卡尔曼滤波器(KF)与最大后验概率(MAP)估计,认为CSI从以前的时间。所提出的算法的性能进行了比较,对Cramer Rao下界(CRLB)。仿真和实验结果表明,该方法可以跟踪信道的变化,同时消除相位误差准确。
2021-05-03 eess.SP
FarSense: Pushing the Range Limit of WiFi-based Respiration Sensing with CSI Ratio of Two Antennas
过去几年已经见证了利用从商品WiFi设备检索的信道状态信息进行呼吸监测的巨大潜力。然而,现有的方法仅在目标靠近WiFi收发器时起作用,并且当目标远离时,性能显著降低。另一方面,大多数家庭环境只有一个WiFi接入点,并且它可能不与目标位于同一房间。这种感知范围的限制极大地限制了所提出的方法在现实生活中的应用。本文介绍了FarSense-第一个实时系统,可以可靠地监测人体呼吸时,目标是远离WiFi收发器对。即使其中一个收发器位于另一个房间,FarSense也能正常工作,这向实际部署迈出了一大步。我们提出了两种新的方案来实现这一目标:(1)不是应用单个天线的原始CSI读数进行感测,而是使用来自两个天线的CSI读数的比率,其噪声主要通过除法运算来抵消,以显着增加感测范围;(2)除法运算进一步使我们能够利用单个天线无法使用的相位信息进行感测。正交幅度和相位被精心组合以解决“盲点”问题并进一步增加感测范围。大量实验表明,FarSense能够准确监测人体呼吸,即使目标距离收发器对8米远,也能将传感范围增加100%以上。我们相信这是第一个能够通过商品WiFi设备实现穿墙呼吸传感的系统,并且所提出的方法也可以使其他传感应用受益。
2019-08-10 cs.HC eess.SP
CSI Sensing from Heterogeneous User Feedbacks: A Constrained Phase Retrieval Approach
针对5G异构网络中低分辨率Type-I码本用户的CSI感知问题,提出利用邻近用户空间一致性降维并构建CPR模型的两阶段快速算法,以少量反馈达到Type-II码本性能。
2022-06-28 cs.IT eess.SP math.IT
On Estimation of Angles of Arrival in Monostatic ISAC Without Instantaneous Transmit CSI
University of Illinois Chicago(伊利诺伊大学芝加哥分校);Politecnico di Torino(都灵理工大学)
本文研究单站ISAC中基站仅知统计CSI时的AoA估计极限,提出基于BCRB的波束分配策略,揭示个体与联合估计权衡,并证明利用低不确定性接收机感知信息可显著提升通信速率。
2025-10-09 cs.IT eess.SP math.IT
Human Walking Sensing and Pose Estimation in the 6 GHz Band Using Amplitude and Phase CSI
Politecnico di Milano(米兰理工大学)
研究利用6 GHz OFDM信号的幅度和相位CSI进行室内人体姿态估计,设计处理流程并适配四种深度学习模型,实验表明幅度CSI性能与联合幅度-相位处理相当,相位信息作为补充特征更有效。
2026-06-08 eess.SP
Leveraging Multiple Legacy Wi-Fi Links for Human Behavior Sensing
利用Wi-Fi测量设置提供的丰富信息,利用信道状态信息(CSI)测量的基于Wi-Fi的人类行为感测近年来受到了大量的研究关注。基于CSI的人类感测算法通常依赖于显式信道传播模型,或者最近采用机器学习以增强特征提取。在大多数相关工作中,所考虑的CSI是从单个专用接入点(AP)通信设置中提取的。在本文中,我们考虑了一个更现实的设置,其中多个AP的传统网络已经部署用于通信目的,并利用机器学习的传感优势。传统网络的使用带来了挑战和机遇,因为许多Wi-Fi链路可以提供更丰富但不同等有用的数据集。为了打破与训练过大维度CSI相关的维数灾难,我们提出了一种基于强化学习(RL)的链接选择机制,该机制允许降维,同时保留与人类行为感知最相关的数据。该方法是基于一个连续的状态决策过程中,CSI建模为状态的一部分。从实际的实验结果来看,我们的方法在具有多个可用Wi-Fi链路的场景中表现得比最先进的方法更好。
2021-08-02 cs.HC eess.SP
Model-Driven Deep Learning with Rank-One Sensing for Efficient CSI Feedback
Zhejiang University(浙江大学);Inha University(仁荷大学);Singapore University of Technology and Design(新加坡科技设计大学);The University of Hong Kong(香港大学)
针对FDD大规模MIMO系统CSI反馈开销大的问题,提出LRP引导的CSI反馈框架,结合DCRNetV2实现更优的精度-复杂度权衡,性能优于现有基准方法。
2026-10-09 eess.SP
Synesthesia of Machines (SoM)-Enhanced Wideband Multi-User CSI Learning With LiDAR Sensing
针对宽带多用户 MIMO-OFDM 系统,提出 LiDAR 增强的 LE-CLN,利用定位、角度测量和注意力机制融合感知与 CSI,提升信道估计精度、频谱效率并减少导频开销。
2025-03-18 eess.SP
Movable Antenna-Aided Cooperative ISAC Network with Time Synchronization error and Imperfect CSI
针对C-ISAC网络中不完美CSI与TS误差导致的性能下降问题,本文采用可动天线增强系统鲁棒性,推导了最坏情况下的可达速率与感知精度,并提出基于Wolpertinger架构的C-DRL方法优化波束成形、基站选择及天线位置,以最小化功耗并确保精度。
2025-01-26 eess.SP
A Tutorial-cum-Survey on Self-Supervised Learning for Wi-Fi Sensing: Trends, Challenges, and Outlook
本文以教程兼综述形式系统梳理Wi-Fi感知中CSI提取、数据集、预处理与ML方法,重点阐述自监督学习(对比式与非对比式)的机制及分类准确率对比,并展望新兴技术与研究方向。
2025-05-29 eess.SP
Evolution Toward Sensing-Enabled RAN: Practical Bistatic Sensing via Uplink
Fraunhofer Heinrich Hertz Institute (HHI)(弗劳恩霍夫海因里希赫兹研究所);Technische Universität Berlin(柏林工业大学)
该研究提出基于上行链路CSI的感知方法,结合5G定位与多天线阵列处理,通过仿真和实际实验验证其可实现本地移动目标的检测、定位与跟踪,为演进支持感知的RAN提供实用方案。
2026-11-17 eess.SP
Efficient River Water Level Sensing Using Cellular CSI and Joint Space-Time Processing
提出利用现有蜂窝下行信号 CSI 与联合空时波束处理被动感知河流水位的方法,并通过现场实验验证其精度可达 1.5–3.05 cm。
2025-09-02 eess.SP
Efficient Beamforming Feedback Information-Based Wi-Fi Sensing by Feature Selection
本文针对MIMO系统中BFI与CSI关系不明确的问题,推导BFI数学模型和2x2 MIMO闭式表达式,并提出基于CRB的特征选择算法,在保持感知能力的同时将特征减半并减少20%以上参数。
2024-06-09 eess.SP
CSI Phase Averaging for High-Sensitivity Wi-Fi Sensing in Low-Multipath Environments
Tohoku Gakuin University(东北学院大学);Tohoku University(东北大学)
提出一种基于模型驱动的低复杂度运动检测方法,利用CSI相位结构特性抑制相位偏移误差,并通过相位平均降低噪声,实验证明可在低多径户外环境中检测数米外的飞鸟。
2026-06-05 cs.ET eess.SP