1.一种降低Wi‑Fi无源感知系统带宽开销的方法，包括以下步骤：步骤一：位于无源感知区域的发射端TX向接收端RX发送导频信号，接收端RX根据接收到的导频信号估计信道状态信息矩阵H＝{h(1),h(2),…,h(i),…}，其中， 表示接收端RX第i次采样获得的CSI矩阵，Nr表示接收端天线数量，Nc表示子载波数量。

步骤二：接收端RX利用信道状态信息矩阵H中的前K个列矢量初始化稀疏字典D，即D＝{h(1),h(2),…,h(K)}，并从信道状态信息矩阵H中选取用于稀疏字典训练的CSI矢量集HW，其中，K＝2NcNr， I2P是维度为2P×2P的单位阵，P为发射端TX的发包速率且P＞NrNc，O为零矩阵，此时求解矩阵HW在稀疏字典D下的稀疏表示系数X，即：

2P×1

其中，X＝{x(1),x(2),…,x(2P)}，x(i)∈R 为h(i)在稀疏字典D下的稀疏表示系数，S设为 在D已知的情况下，每次选取HW中的一列h(i)，通过正交匹配跟踪(Orthogonal Matching Pursuit,OMP)算法求得x(i)，直到整个稀疏系数矩阵X被求出。

步骤三：通过步骤二求出稀疏系数矩阵X后，对当前的稀疏字典矩阵D进行更新，此时的优化模型为：

在稀疏字典矩阵D的更新过程中，逐列更新D中的每一列d(k)和其对应的稀疏系数矢量x(k)，具体的求解过程如下，假设要更新稀疏字典矩阵D的第k列d(k)：T T

其中， (·) 代表矢量转置，将行矢量x(k)中不为0的列序号ckT

记录下来，同时取出x(k) 中不为0的元素构成新的 然后利用列序号ck取出Sk中相应位置的列矢量构成新的 此时对 进行奇异值分解:将最大奇异值σmax对应的左奇异矩阵中的列矢量umax赋值给d(k)，而最大奇异值σmax与其对应的右奇异矩阵列矢量vmax的乘积赋值给 即：d(k)＝umax

T

然后，利用ck将 对应地更新到x(k)中。

步骤四：当 进入步骤五，否则不断重复步骤二和步骤三，其中，ε为收敛阈‑6

值，一般设为10 ；

步骤五：接收端RX将步骤四获得的稀疏字典矩阵D传输给服务器，同时，服务器和接收端RX生成相同的高斯采样矩阵Φ，其中， Φ中的每个元素然后，接收端RX将压缩后的低维度矩阵HΦ＝ΦH传输给服务器。

步骤六：服务器获得了测度矩阵A＝ΦD和压缩后的低维度矩阵HΦ后，便可以利用OMP算法重构原始的高维度信道状态信息矩阵 进而进行感知处理。

2.根据权利要求1所述的一种降低Wi‑Fi无源感知系统带宽开销的方法，所述步骤二，通过OMP算法计算信道状态信息矩阵在稀疏字典下的稀疏表示系数，包括以下步骤：步骤二：接收端RX利用信道状态信息矩阵H中的前K个列矢量初始化稀疏字典D，即D＝{h(1),h(2),…,h(K)}，并从信道状态信息矩阵H中选取用于稀疏字典训练的CSI矢量集HW，其中，K＝2NcNr， I2P是维度为2P×2P的单位阵，P为发射端TX的发包速率且P＞NrNc，O为零矩阵，此时求解矩阵HW在稀疏字典D下的稀疏表示系数X，即：

2P×1

其中，X＝{x(1),x(2),…,x(2P)}，x(i)∈R 为h(i)在稀疏字典D下的稀疏表示系数，S设为 在D已知的情况下，每次选取HW中的一列h(i)，通过正交匹配跟踪(Orthogonal Matching Pursuit,OMP)算法求得x(i)，直到整个稀疏系数矩阵X被求出。

3.根据权利要求1所述的一种降低Wi‑Fi无源感知系统带宽开销的方法，所述步骤三，计算信道状态矩阵在稀疏系数下的稀疏字典，包括以下步骤：步骤三：通过步骤二求出稀疏系数矩阵X后，对当前的稀疏字典矩阵D进行更新，此时的优化模型为：

在稀疏字典矩阵D的更新过程中，逐列更新D中的每一列d(k)和其对应的稀疏系数矢量x(k)，具体的求解过程如下，假设要更新稀疏字典矩阵D的第k列d(k)：T T

其中， (·)代表矢量转置，将行矢量x(k) 中不为0的列序号ck记T

录下来，同时取出x(k) 中不为0的元素构成新的 然后利用列序号ck取出Sk中相应位置的列矢量构成新的 此时对 进行奇异值分解:将最大奇异值σmax对应的左奇异矩阵中的列矢量umax赋值给d(k)，而最大奇异值σmax与其对应的右奇异矩阵列矢量vmax的乘积赋值给 即：d(k)＝umax

T

然后，利用ck将 对应地更新到x(k)中。