一种CSI伪数据生成方法

本发明涉及无限感知，特别是涉及一种csi伪数据生成方法。

背景技术：

1、wlan感知技术，作为一种利用无线局域网络(wlan)进行环境感知和用户行为识别的技术，近年来已经取得了显著的发展。该技术可用于物体感知、活动识别、手势识别和定位等应用，且无需被测者佩戴任何设备，是一种隐私友好型的感知技术。该技术的核心在于通过分析信道状态信息(csi)进行外部感知，csi是一种描述无线信号在传输过程中受到遮挡衰减、多径效应等影响的数据，包含了丰富的高维特征，可以被用来捕捉和理解环境中发生的各种事件，如人的移动、位置变化等。为了有效地挖掘这些数据中的高维特征及其自相关、互相关性，目前研究者们普遍使用ai算法尤其是深度学习模型来处理csi数据。这些ai算法能够从复杂的csi数据中识别出具体的模式和信息，从而实现如行走检测、姿态识别甚至情感分析等复杂任务。

2、为了实现准确的环境感知和行为识别，通常需要收集和分析多个分类的csi数据。这些数据分类可能涉及不同的环境条件、用户行为类型或者交互模式。然而，在现实情况中，可能存在某些特定类别的数据相对稀疏的情况。例如，某些行为或事件出现的频率较低，使得相应类别的数据难以大量收集。此外，隐私和安全问题也可能限制对某些类型行为数据的采集，特别是在涉及个人空间或敏感场所的情况下。这种数据集分布的不均衡导致ai算法可能在处理这类数据时表现不佳。由于训练数据中某些类别的样本数量不足，模型可能无法充分学习到这些少数类别的特征，进而影响其在实际应用中对这些类别的识别能力。这个问题不仅降低了模型的整体性能，也限制了wlan感知技术在更广泛场景下的应用潜力。因此，解决数据集分布不均衡的问题，对于提高wlan感知技术的准确性和可靠性至关重要。

技术实现思路

1、本发明所要解决的技术问题是提供一种csi伪数据生成方法，能够生成可信的多分类csi伪数据且节约算力。

2、本发明解决其技术问题所采用的技术方案是：提供一种csi伪数据生成方法，包括以下步骤：

3、将噪声图像数据输入csi数据生成模型获得csi伪数据，所述csi数据生成模型包括：

4、编码器，用来提取输入图像的特征图；

5、扩散模型，用来根据所述特征图生成伪特征图；

6、解码器，用来将所述伪特征图复原为csi伪数据。

7、进一步的，所述csi数据生成模型通过以下方法来训练：

8、部署多个无线感知终端来采集不同时刻的csi数据；

9、将不同所述无线感知终端获取的所述csi数据沿时间维度和子载波维度展开后融合为类图像矩阵；

10、利用所述编码器和所述解码器构建基于transformer架构的图像分析模型，利用所述类图像矩阵对所述图像分析模型进行训练，获得训练好的所述编码器和所述解码器；

11、利用所述类图像矩阵对所述csi数据生成模型进行训练，获得训练好的所述扩散模型。

12、进一步的，所述csi数据包括信道幅度信息和相位信息。

13、进一步的，所述编码器为改进的vit编码器，包括：

14、图像分割模块，用来将所述输入图像分割成若干预设大小的图像块；

15、位置嵌入模块，用来将所述图像块转化为图像块向量并将所述图像块向量与二维混合位置向量进行融合，所述二维混合位置向量包括对应于子载波维度的固定位置编码和对应于时间维度的可学习位置编码。

16、特征提取模块，用来提取融合后所述图像块向量的自相关特征，获得所述输入图像的特征图。

17、进一步的，所述将不同所述无线感知终端获取的所述csi数据沿时间维度和子载波维度展开后融合为类图像矩阵的步骤之后，还包括对所述csi数据进行相位修正的步骤。

18、进一步的，所述类图像矩阵的通道包括全部所述无线感知终端获取的所述信道幅度信息和所述相位信息。

19、进一步的，所述将不同所述无线感知终端获取的所述csi数据沿时间维度和子载波维度展开后融合为类图像矩阵，包括：

20、对任一所述无线感知终端获取的所述csi数据，分别将所述信道幅度信息和所述相位信息沿时间维度和子载波维度展开获得幅度矩阵和相位矩阵；

21、将全部无线感知终端对应的所述幅度矩阵和所述相位矩阵进行拼接操作，获得所述类图像矩阵。

22、进一步的，所述扩散模型包括：

23、输入模块，用来扩展输入特征图的特征深度；

24、u-net模块，用来通过下采样操作对所述输入特征图进行空间维度的压缩，进而通过上采样操作对压缩后的所述输入特征图进行空间维度的重建，并在所述下采样操作和所述上采样操作时通过残差模块来进行类嵌入；

25、输出模块，用来根据重建后的所述输入特征图预测获得伪特征图。

26、进一步的，所述csi数据生成模型的损失函数为

27、

28、其中，c为常量，∈t为扩散过程添加的真实噪声，∈θ为模型在逆扩散过程预测噪声的拟合函数，x0为原始csi图像，t为扩散时间步长，为均值计算。

29、有益效果

30、由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：

31、(1)本发明通过将csi数据展开为幅值和相位矩阵并将其拼接成为多通道类图像矩阵，使csi数据生成模型能够学习到csi数据在高维空间中的复杂分布；

32、(2)本发明通过将多分类的csi数据对应的标签进行向量化，并嵌入到u-net架构的各个流程中，使其能够生成可信的多分类csi新数据，从而使数据集均衡化，提高ai模型的鲁棒性；

33、(3)本发明在处理csi数据时，使用基于vit(vision transformer)的编、解码器进行数据压缩和重建，一方面可以更好地提取出稀疏csi矩阵中的有效信息，另一方面大大优化了c-ddpms模型的计算效率；

34、(4)本发明通过对vit编码器进行改进，在进行位置嵌入时，针对csi数据不同维度的不对称性，分别对子载波维度嵌入固定位置编码，对时间维度嵌入可学习位置编码，从而使提取获得的特征图包含的信息更准确有效；

35、(5)本发明通过对采集到的csi数据进行预处理，尤其是通过对相位信息进行修正，能够纠正硬件不完善带来的相位不连续性的问题以及相位误差，使模型生成的伪数据更可信，数据分布更均衡。

技术特征：

1.一种csi伪数据生成方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述csi数据生成模型通过以下方法来训练：

3.根据权利要求2所述的方法，其特征在于，所述csi数据包括信道幅度信息和相位信息。

4.根据权利要求3所述的方法，其特征在于，所述编码器为改进的vit编码器，包括：

5.根据权利要求3所述的方法，其特征在于，所述将不同所述无线感知终端获取的所述csi数据沿时间维度和子载波维度展开后融合为类图像矩阵的步骤之后，还包括对所述csi数据进行相位修正的步骤。

6.根据权利要求3所述的方法，其特征在于，所述类图像矩阵的通道包括全部所述无线感知终端获取的所述信道幅度信息和所述相位信息。

7.根据权利要求6所述的方法，其特征在于，所述将不同所述无线感知终端获取的所述csi数据沿时间维度和子载波维度展开后融合为类图像矩阵，包括：

8.根据权利要求1所述的方法，其特征在于，所述扩散模型包括：

9.根据权利要求1所述的方法，其特征在于，所述csi数据生成模型的损失函数为

技术总结
本发明涉及一种CSI伪数据生成方法，包括以下步骤：将噪声数据输入CSI数据生成模型获得CSI伪数据，所述CSI数据生成模型包括：编码器，用来提取输入图像的特征图；扩散模型，用来根据所述特征图生成伪特征图；解码器，用来将所述伪特征图复原为CSI伪数据。本发明能够生成可信的多分类CSI伪数据，且通过将编解码器嵌入扩散模型实现了CSI数据生成模型的轻量化，能够节约大量算力。

技术研发人员：郑敏,卞季晨,谭冲,刘洪,李慧
受保护的技术使用者：中国科学院上海微系统与信息技术研究所
技术研发日：
技术公布日：2024/6/13