FPNet：联合波束赋形矩阵反馈与异常感知的室内定位
信息论
2026-02-16 v1 信号处理
math.IT
摘要
信道状态信息（CSI）对无线信道提供了详细描述，已被广泛应用于 Wi-Fi sensing，尤其是用于高精度室内定位。然而，由于硬件限制以及反馈所需的高通信开销，实际部署中很少获得完整的 CSI。此外，现有定位模型缺乏检测用户移动出训练区域机制，导致动态环境下的估计不可靠。本文提出了 FPNet，一个统一的深度学习框架，联合解决信道反馈压缩、精准室内定位和稳健异常检测（AD）。FPNet 利用波束赋形反馈矩阵（BFM），这是一种受 IEEE 802.11ac/ax 协议 natively 支持的压缩 CSI 表示，以最小化反馈开销同时保留关键定位特征。为增强可靠性，我们集成了 ADBlock 模块，该模块在正常 BFM 样本上训练，用于在用户离开预定义空间区域时识别分布之外场景。实验使用标准 2.4 GHz Wi-Fi 硬件表明，FPNet 在仅 100 位反馈比特的情况下实现了 97% 以上的定位精度，将净吞吐量提高最高 22.92%，并在误报率低于 1.5% 时实现 AD 精度超过 99%。这些结果表明 FPNet 能够在普通 Wi-Fi 设备上提供高效、准确且可靠的室内定位服务。
引用
@article{arxiv.2602.12799,
title = {FPNet: Joint Wi-Fi Beamforming Matrix Feedback and Anomaly-Aware Indoor Positioning},
author = {Ran Tao and Jiajia Guo and Yiming Cui and Xiangyi Li and Chao-Kai Wen and Shi Jin},
journal= {arXiv preprint arXiv:2602.12799},
year = {2026}
}