Reconfigurable Intelligent Surface Based RF Sensing: Design...
发布网友
发布时间：2024-10-02 15:06
共1个回答
热心网友
时间：2024-10-08 07:29
传统射频手势识别受限于环境，人体动作携带的信道数量有限。使用可重构智能表面（RIS）可优化环境，提供理想信道，增加信息获取。优化问题分解为配置优化与决策函数优化，交替优化算法与监督学习分别解决。
难点在于RIS阵元状态的离散性与多路径反射的影响。多个RIS视为等效阵列，阵元状态由PIN二极管开关决定，反射系数依赖入射与反射角度。模型简化阵元相关性，通过分组降低复杂度，实现波束赋形增强动作识别。
信道模型结合射频信号与人体反射，构建莱斯信道，包含直接路径、多径与反射路径。空间反射系数由人体姿势决定，通过离散化区域构建测量向量，包含直接路径、反射主导路径与多径分量。噪声服从复高斯分布。
协议设计时间帧，RIS阵元状态在帧内循环，识别时段重复帧配置，通过测量向量计算人体姿势，采用决策函数预测姿势。优化决策函数与配置矩阵，提高识别精度。
问题建模将优化分为配置与决策函数两部分。配置优化利用压缩感知方法最小化重建信号损失，决策函数优化采用神经网络参数化决策函数，通过监督学习算法最小化平均错误识别代价。
性能分析中，FCAO算法与监督学习算法的收敛性证明了方法的有效性。决策函数的最优性存在局部最优问题，通过多次训练与模拟退火算法解决。最小平均错误识别代价的上界由贝叶斯判据确定。
系统设置包括RIS布局与收发模块设计。RIS为平面阵列，每个阵元由金属片组成，发射单频信号。通过CST仿真与实验验证RIS增加传输信道数量的能力，优化配置矩阵降低测量信号相关性。
仿真结果显示FCAO算法降低平均互相关性，优化配置矩阵改善信号质量。实验结果证明RIS系统在人体姿态识别中的应用，优化配置比随机配置与无配置更优，提高了准确率。
本文设计的RIS手势识别系统通过优化配置与决策函数，显著提高人体姿势识别精度。利用RIS改变环境信道，结合监督学习算法提升系统性能，为智能表面在射频传感领域的应用提供了新思路。
