阅读笔记--CSI fingerprinting with SVM regression to achieve device-free passive localization
将定位问题视作是回归问题，用DBSCAN算法给每个channel去噪（通过聚类）——> PCA降维 ——> SVM
CSI数据收集：
从每个channel收集的原始数据，包含CSI data（表示多个subcarriers的channel frequency response）—— 发送天线数Ntx，接收天线数Nrx，包传送频率f，CSI矩阵H
这是一个CSI矩阵：(Hij表示从第i根发射天线到第j根接收天线所形成的channel)
每个channel又包含N个subcarrier:
其中每个hi表示为：
。
CSI数据去噪：（DBSCAN算法）
DBSCAN算法：
聚类对象是一个数据子集（用D表示），(将CSI data分为Ntx * Nrx个数据子集，每个数据子集包含N个subcarrier，上图中N=30，subcarrier的index是k, (1~N)）
(算法过程)
DBSCAN算法在每个channel上进行，即hij 上进行；
设置neighborhood radius 
、 minimun number of points required to form a dense region : 
......(待续)
CSI特征抽取
模型建立：考虑有Nap个AP-MP对（热点-手机对），每对AP-MP含有Ntx * Nrx 个links（文中也说成是channel、TX-RXchannel），每个link有N组subcarrier。
Thus each CSI sample has n = Nap ×Ntx × Nrx ×N dimensions
2 × 2 × 3 × 30 = 360 demensions
维度太大，需要使用PCA降维。
找到l(l<360)个（每个都是原来的特征的线性组合）新特征，
