基于随机粒子变分贝叶斯推断的两阶段多频带 WiFi 感知方案
信号处理
2023-10-10 v3
摘要
多频带融合通过联合利用多个非连续频带的信号来增强 WiFi 感知。然而，在多频带 WiFi 感知信号模型中，由于高频分量和相位失真因素的存在，相关似然函数存在许多局部最优值，给高精度参数估计带来挑战。为此，我们提出一种配备由原始模型导出的不同信号模型的两阶段方案：第一阶段使用加权 root MUSIC 算法进行粗估计以缩小后续阶段的搜索范围，第二阶段利用贝叶斯方法进行精估计以避免收敛到不良的次优解。具体而言，我们在精估计阶段应用块随机连续凸近似（SSCA）方法推导出一种新颖的基于随机粒子的变分贝叶斯推断（SPVBI）算法。与仅优化粒子概率并随粒子数产生指数级每迭代复杂度的传统基于粒子的 VBI（PVBI）不同，我们更灵活的 SPVBI 算法同时优化每个粒子的位置和概率。此外，它利用块 SSCA 通过迭代平均显著提高采样效率，使其适用于高维问题。大量仿真证明了我们所提算法相对于各种基线方法的优越性。
引用
@article{arxiv.2207.10427,
title = {A Two-stage Multiband WiFi Sensing Scheme via Stochastic Particle-Based Variational Bayesian Inference},
author = {Zhixiang Hu and An Liu and Yubo Wan and Tony Xiao Han and Minjian Zhao},
journal= {arXiv preprint arXiv:2207.10427},
year = {2023}
}