coherent multiband ranging using sub 6GHZ wifi signals

This thesis investigates Sub-6 GHz multiband Wi-Fi sensing, focusing on coherent combination of distributed frequency subbands to emulate ultra-wideband operation. The central idea is to aggregate Channel Frequency Response (CFR) measurements across multiple non-contiguous Wi-Fi channels, thereby synthesizing a larger effective bandwidth. This approach enhances delay resolution and channel reconstruction accuracy without requiring specialized hardware beyond commodity Wi-Fi systems. The problem is formulated within a compressed sensing framework, leveraging the inherent sparsity of wireless channels in the delay domain. By employing sparse recovery techniques such as Orthogonal Matching Pursuit (OMP) and refining estimates with DBSCAN-based clustering, multipath components are identified with high accuracy. To overcome limitations of existing datasets, a synthetic CSI dataset was developed, covering multiple subbands across the Sub-6 GHz spectrum under controlled conditions. Experimental evaluation demonstrates that coherent subband combination substantially improves multipath resolvability compared to single-band sensing. Furthermore, analysis of frequency-subset selection shows a logarithmic improvement in ambiguity performance as more bands are aggregated. However, diminishing returns appear beyond a certain threshold, with optimal performance achieved when approximately 35–40% of available frequencies are utilized. Overall, the results confirm that Sub-6 GHz Wi-Fi can be transformed into an effective sensing modality through intelligent frequency aggregation, offering a practical and efficient path toward high-resolution wireless sensing.

Questa tesi analizza il sensing multibanda Wi-Fi nella banda Sub-6 GHz, con particolare attenzione alla combinazione coerente di sottobande di frequenza distribuite per emulare un funzionamento a banda ultra-larga. L’idea centrale è quella di aggregare le misure della Channel Frequency Response (CFR) provenienti da più canali Wi-Fi non contigui, sintetizzando così una larghezza di banda effettiva maggiore. Questo approccio migliora la risoluzione in ritardo e l’accuratezza nella ricostruzione del canale, senza richiedere hardware specializzato oltre ai sistemi Wi-Fi commerciali. Il problema è formulato all’interno di un quadro di compressive sensing, sfruttando la naturale sparsità dei canali wireless nel dominio del ritardo. Attraverso tecniche di ricostruzione sparsa come l’Orthogonal Matching Pursuit (OMP) e affinando le stime con clustering basato su DBSCAN, i componenti multipath vengono identificati con elevata precisione. Per superare i limiti dei dataset esistenti, è stato sviluppato un dataset sintetico di CSI, che copre più sottobande nello spettro Sub-6 GHz in condizioni controllate. La valutazione sperimentale dimostra che la combinazione coerente delle sottobande migliora sensibilmente la risoluzione dei cammini multipath rispetto al sensing a banda singola. Inoltre, l’analisi della selezione dei sottoinsiemi di frequenze mostra un miglioramento logaritmico delle prestazioni di ambiguità man mano che vengono aggregate più bande. Tuttavia, i guadagni tendono a saturarsi oltre una certa soglia, con prestazioni ottimali raggiunte quando viene utilizzato circa il 35–40% delle frequenze disponibili. Nel complesso, i risultati confermano che il Wi-Fi Sub-6 GHz può essere trasformato in una modalità di sensing efficace attraverso un’aggregazione intelligente delle frequenze, offrendo un percorso pratico ed efficiente verso un sensing wireless ad alta risoluzione.