室内环境下基于路径损耗的非视距识别：一项实验研究
信号处理
2023-08-01 v1 信息论
math.IT
摘要
本文报道了一项关于室内环境中视距（LOS）/非视距（NLOS）分类问题的实验研究结果。具体而言，我们在一大型大厅内部署一对 NI 2901 USRP 软件定义无线电（SDR）。发射端 SDR 以 2.4 GHz 中心频率、三种不同信噪比（SNR）发射频率为 10 KHz 的未调制单音信号。接收端 SDR 在 1D 网格上跨越 15 个等间距位置移动（涵盖 LOS 与 NLOS 场景），从接收信号构建路径损耗测量数据集。我们利用自定义数据集通过最小二乘法估计路径损耗参数（即路径损耗指数），随后利用参数化路径损耗模型构建用于 NLOS 识别的二元假设检验。进一步，注意到路径损耗测量值略微偏离高斯分布，我们将自定义数据集输入四种机器学习（ML）算法，即线性支持向量机（SVM）与径向基函数 SVM（RBF-SVM）、线性判别分析（LDA）、二次判别分析（QDA）以及逻辑回归（LR）。结果表明，ML 算法性能仅略优于基于 Neyman-Pearson 的二元假设检验（BHT）：在低 SNR 下，表现最佳的 ML 分类器 RBF-SVM 与 BHT 的最高准确率分别为 88.24% 与 87.46%；中 SNR 下分别为 83.91% 与 81.21%；高 SNR 下分别为 87.38% 与 86.65%。
引用
@article{arxiv.2307.15995,
title = {Pathloss-based non-Line-of-Sight Identification in an Indoor Environment: An Experimental Study},
author = {Muhammad Asim and Muhammad Ozair Iqbal and Waqas Aman and Muhammad Mahboob Ur Rahman and Qammer H. Abbasi},
journal= {arXiv preprint arXiv:2307.15995},
year = {2023}
}
备注
5 pages, 4 figures, submitted to an IEEE conference