Guida all’elaborazione dei segnali CSI Wi-Fi

Estrazione delle caratteristiche CSI Wi-Fi: guida pratica

L’estrazione delle caratteristiche CSI Wi-Fi collega una cattura di pacchetti a un modello verificabile. Questa guida pratica mostra come separare ampiezza e fase, ripulire i campioni rumorosi, creare finestre e costruire caratteristiche compatte, rendendo esplicite le ipotesi degli esperimenti in stile RuView.

Tracce di ampiezza e fase CSI trasformate in statistiche compatte delle caratteristiche per Wi-Fi sensing
L’estrazione riassume il segnale in valori documentati per il confronto e la validazione.

L’estrazione delle caratteristiche CSI Wi-Fi trasforma misure complesse del canale in valori che descrivono variazioni nel tempo, tra sottocanali o antenne. Lo scopo è conservare i cambiamenti utili e annotare filtri, calibrazioni, finestre ed etichette.

Conserva separatamente CSI grezza, CSI ripulita e caratteristiche derivate. Così confronti ampiezza e fase e riproduci i risultati dopo gli aggiornamenti hardware, senza presentare una visualizzazione come immagine o misura medica.

Estrazione delle caratteristiche CSI Wi-Fi: cosa cambia nei dati?

Un record CSI contiene di solito un valore complesso per ogni sottocanale e coppia di antenne, associato all’istante in cui è stato ricevuto il pacchetto. Da quel valore la pipeline può ricavare il modulo, spesso chiamato ampiezza, e la fase. L’ampiezza è spesso il segnale iniziale più semplice e stabile; la fase può contenere informazioni più fini sui percorsi radio, ma anche offset dovuti alla sincronizzazione dell’orologio e della portante. Nessuno dei due canali costituisce automaticamente una caratteristica umana.

  • Tratta ampiezza, fase grezza, fase calibrata e caratteristiche derivate come prodotti dati diversi.
  • Definisci prima il compito: presenza, movimento, gesto, posizione o stima di un segnale continuo.
  • Non chiamare una caratteristica una misura di una persona finché etichette di riferimento e protocollo di validazione non sostengono tale affermazione.

La pipeline CSI di preelaborazione in quattro fasi

Una pipeline piccola ed esplicita è più facile da correggere di un quaderno con numerose trasformazioni nascoste. Inizia scartando i record malformati e allineando i timestamp. Pulisci ampiezza e fase con metodi coerenti con gli errori che riesci davvero a osservare nel ricevitore. Scegli poi una lunghezza e un passo fissi per le finestre. Infine calcola le caratteristiche e registra i parametri usati per ogni suddivisione dei dati.

L’ordine conta. Filtrare prima di allineare i timestamp può nascondere i pacchetti mancanti; adattare un normalizzatore all’intero dataset può rivelare informazioni del test; calcolare una caratteristica di fase prima della calibrazione può trasformare la deriva hardware in un falso segnale di attività. Il flusso illustrato qui sotto è una lista di controllo compatta, non una ricetta universale. Per il primo esperimento usa il percorso più semplice che risponde alla domanda.

Pipeline Wi-Fi CSI in quattro fasi: pacchetti, CSI, caratteristiche e validazione
Un percorso riproducibile tiene separati i controlli sui pacchetti, la pulizia del segnale, il calcolo delle caratteristiche e la validazione.
Fase Input Output da salvare Errore tipico
Convalida Record grezzi dei pacchetti Righe accettate, lacune, metadati Campioni malformati o duplicati
Pulizia Flussi di ampiezza e fase Impostazioni dei filtri e array calibrati Rimuovere il segnale insieme al rumore
Finestra Campioni ordinati Lunghezza, passo ed etichette Finestre che attraversano il confine di un evento
Estrazione Una finestra fissa Vettore di caratteristiche e schema Caratteristiche con scale incoerenti

Caratteristiche di ampiezza: parti da una baseline stabile

L’ampiezza è spesso la baseline iniziale più prudente perché evita parte dell’ambiguità della fase grezza. Per ogni sottocanale registra valore centrale, dispersione, intervallo o differenza temporale. Un filtro mediano o di Hampel riduce impulsi isolati; un passa basso o Savitzky–Golay attenua variazioni rapide solo se giustificato dal campionamento e dal compito.

Non levigare il segnale solo per renderlo più comodo. Un filtro può cancellare un gesto breve, ritardare un evento o far sembrare graduale una perdita di pacchetti. Salva ampiezza originale, versione filtrata e relativi parametri. Confronta una stanza vuota, un evento controllato e un controllo negativo, per esempio una porta o un ventilatore: una variazione dell’ampiezza non va attribuita automaticamente a una persona.

  • Riassumi l’ampiezza per sottocanale con media, varianza, RMS, intervallo dinamico e percentili robusti quando sono utili.
  • Usa un filtro mediano o di Hampel per gli outlier isolati e documenta la dimensione della finestra e la soglia.
  • Confronta più sottocanali invece di fidarti soltanto di quello più rumoroso o con il valore maggiore.
  • Conserva i campioni originali per poter risalire da una caratteristica alla cattura.

Caratteristiche di fase: svolgi, calibra e poi scegli

La fase CSI è periodica: un salto oltre il confine da −π a π può sembrare un grande movimento anche quando il percorso sottostante è cambiato in modo graduale. Lo svolgimento della fase elimina questo salto artificiale. Gli offset temporali e di frequenza della portante nel ricevitore possono però creare una pendenza o un offset tra sottocanali; prima di usare la fase come caratteristica può quindi servire una calibrazione o un metodo basato sul rapporto tra segnali CSI.

La fase non è sempre migliore: qualità del segnale, calibrazione e condizioni di test devono sostenere la caratteristica scelta. Ampiezza, fase e combinazione delle due comportano compromessi diversi di rumore e calcolo. Parti dall’ampiezza, confronta la fase calibrata e riporta il costo aggiuntivo senza presumere che la combinazione generalizzi.

  • Controlla la continuità della fase e svolgila solo dopo aver verificato l’ordine dei sottocanali.
  • Registra il metodo di calibrazione, la coppia di antenne, il sottocanale di riferimento e quelli ai bordi scartati.
  • Confronta le caratteristiche di fase su sessioni tenute da parte: la deriva hardware può dominare il risultato.
  • Non formulare affermazioni su salute, identità o sicurezza usando la fase senza una validazione specifica per il dominio.

Finestre, normalizzazione e vettori di caratteristiche

Di rado un modello usa un singolo pacchetto. Una finestra raggruppa un numero fisso di campioni o un intervallo temporale fisso, così da riassumere il comportamento nel tempo in modo coerente. Scegli la durata in base al compito: un breve movimento richiede una finestra diversa da una ricerca su occupazione lenta o respirazione. Registra passo e regola delle etichette, compreso come gestire un evento che inizia o termina all’interno della finestra.

Adatta la normalizzazione solo sui dati di addestramento e applicala senza modificarla a convalida e test. La normalizzazione per sessione può nascondere la deriva reale al momento dell’uso; quella globale può far sì che una stanza influenzi un’altra. Conserva lo schema grezzo delle caratteristiche e i parametri adattati. Un vettore compatto è spesso più facile da ispezionare di un tensore simile a un’immagine, ma può anche eliminare dettagli tempo-frequenza utili a un modello profondo.

Famiglia Esempi Domanda utile Attenzione
Statistiche di ampiezza Media, RMS, varianza, intervallo, percentili Quanto è cambiato il modulo del canale? Deriva del guadagno e outlier possono dominare
Fase e coerenza Dispersione della fase svolta, differenza di fase, coerenza La fase legata ai percorsi radio è rimasta coerente? Contano gli offset e l’abbinamento delle antenne
Caratteristiche temporali Pendenza, picchi, attraversamenti dello zero, autocorrelazione Che cosa è cambiato nella finestra? Lacune di campionamento alterano i tempi
Caratteristiche spettrali Potenza di banda, frequenza di picco, baricentro, larghezza Quale banda di movimento o respirazione è attiva? Le affermazioni sulla frequenza richiedono un campionamento stabile

Un vettore compatto per gli esperimenti in stile RuView

Un vettore pratico può combinare statistiche di ampiezza, coerenza della fase e un riepilogo della densità spettrale di potenza. Il codice di addestramento RuView descrive campi come picco di ampiezza, RMS, intervallo dinamico, coerenza di fase, potenza totale, frequenza di picco, baricentro e larghezza di banda. Considerali un esempio di schema versionato, non l’obbligo di usare esattamente dodici numeri. Prima dell’addestramento definisci ogni campo, asse, scala e regola per i valori mancanti.

  • Indica nome, asse, unità o normalizzazione e finestra di origine per ogni caratteristica.
  • Restituisci valori finiti per finestre vuote o degeneri e registra il motivo.
  • Confronta il vettore compatto con un tensore grezzo per assicurarti che la compressione non nasconda un segnale utile.

Convalida la pipeline delle caratteristiche prima di addestrare un modello più grande

Prova la pipeline su una registrazione fissa, un movimento ripetuto, una stanza vuota, un tratto con pacchetti persi e una condizione modificata. Prima di adattare un modello controlla valori mancanti, numero di finestre e intervalli delle caratteristiche. Se vuoi sostenere una capacità di generalizzazione, tieni fuori intere sessioni, giornate, persone, stanze o posizioni dei nodi: finestre casuali adiacenti possono far finire quasi duplicati sia nell’addestramento sia nel test.

  • Esegui una riproduzione deterministica e confronta l’hash del vettore o una tolleranza numerica.
  • Misura pacchetti persi, lacune temporali, cambi di canale e valori fuori intervallo.
  • Blocca normalizzazione e selezione delle caratteristiche prima di valutare la suddivisione tenuta da parte.
  • Registra i falsi positivi causati da porte, ventilatori, animali o traffico di rete.
Sequenza di convalida Wi-Fi sensing: tracce radio, caratteristiche, campioni separati e matrice dei risultati
Una pipeline deve proteggere le condizioni di test e mostrare gli errori, non soltanto un grafico di addestramento riuscito.

Riferimenti tecnici

Domande frequenti sull’estrazione delle caratteristiche CSI Wi-Fi

Che cos’è l’estrazione delle caratteristiche CSI Wi-Fi?

È il passaggio che converte finestre CSI ripulite in valori misurabili, come statistiche di ampiezza, coerenza della fase, variazioni temporali o potenza spettrale. Registra schema delle caratteristiche e impostazioni di preelaborazione per poter riprodurre il risultato.

È meglio iniziare dall’ampiezza o dalla fase CSI?

Inizia dall’ampiezza come baseline trasparente, poi aggiungi la fase calibrata come confronto controllato. La fase può contenere informazioni utili sui percorsi radio, ma errori di svolgimento e calibrazione possono produrre caratteristiche che non generalizzano.

Quanto deve durare una finestra di caratteristiche CSI?

Scegli una finestra adatta all’evento da misurare e registra durata e passo. Gesti brevi, occupazione e segnali simili alla respirazione richiedono intervalli diversi. Verifica la scelta su sessioni tenute da parte, invece di basarti su un solo grafico convincente.

Devo filtrare la CSI prima di estrarre le caratteristiche?

Spesso serve una pulizia, ma non esiste un filtro universale. Confronta una baseline senza filtro con un metodo documentato, come filtro mediano, di Hampel o passa basso; controlla che non rimuova l’evento insieme al rumore del ricevitore.

Le caratteristiche CSI possono identificare una persona o diagnosticare una malattia?

Un vettore non dimostra identità né stato medico. Servono dati, misure di riferimento, controlli dei rischi, revisione della privacy e validazione specifica del dominio. Considera l’output RuView un’interpretazione sperimentale.