So vereinfacht Wi-Fi-Sensorik die Anwesenheitserkennung

Die neue Technologie der Wi-Fi-Sensorik verspricht erhebliche Vorteile für eine Vielzahl eingebetteter und Edge-Systeme. Smart Home-, Unterhaltungs-, Sicherheits- und Schutzsysteme können alle von dieser Fähigkeit profitieren.

Abbildung 1 Wi-Fi Sensing kann auf jedem Wi-Fi-fähigen Gerät mit der richtigen Balance zwischen Stromverbrauch und Verarbeitungsleistung durchgeführt werden. Quelle: Synaptics

So funktioniert’s

Das Schöne an der Wi-Fi-Sensorik ist, dass sie das nutzt, was bereits vorhanden ist: die HF-Signale, die Wi-Fi-Geräte zur Kommunikation nutzen. Im Prinzip könnte ein Wi-Fi-Empfänger Änderungen in diesen HF-Signalen erkennen, wenn er sie empfängt, und aus diesen Änderungen auf die Anwesenheit, Bewegung und Position eines Menschen in der Umgebung des Empfängers schließen.

Bei ersten Versuchen wurde der RSSI der Wi-Fi-Schnittstelle verwendet, eine Zahl, die von der Schnittstelle regelmäßig erzeugt wird, um die durchschnittliche empfangene Signalstärke anzuzeigen. Ähnlich wie ein passiver Infrarot-Bewegungsmelder eine Änderung der IR-Intensität als Bewegung in der Nähe seines Sensors interpretiert, interpretieren diese Wi-Fi-Sensoren eine Änderung des RSSI-Werts als das Erscheinen oder die Bewegung eines Objekts in der Nähe des Empfängers.

Abbildung 2 Wi-Fi-System-on-Chips (SoCs) können CSI auf subtile Änderungen im Kanal analysieren, durch den sich das Signal ausbreitet, um Anwesenheit, Bewegung und Gesten zu erkennen. Quelle: Synaptics

Erfassung von Anwesenheitsdaten

Jede kompatible Wi-Fi-Schnittstelle sollte den CSI-Datenstrom erzeugen. Dieser Teil ist einfach. Es ist jedoch die Aufgabe des Sensorsystems, die Daten zu verarbeiten und daraus Rückschlüsse zu ziehen. Dieser Prozess ist im Allgemeinen in drei Phasen unterteilt und folgt den Konventionen, die für die Videobildverarbeitung entwickelt wurden: Datenaufbereitung, Merkmalsextraktion und Klassifizierung.

Analyse und Schlussfolgerung

In der nächsten Phase der Pipeline werden die bereinigten Datenströme analysiert, um Merkmale zu extrahieren. Dieser Prozess ist – bis zu einem gewissen Grad – analog zur Merkmalsextraktion bei der Bildverarbeitung.

Die Extraktionsalgorithmen manipulieren nicht einfach Pixel, sondern führen stattdessen komplexe statistische Analysen durch. Die Ausgabe der Extraktionsphase ist eine vereinfachte Darstellung der CSI-Daten, die nur Anomalien zeigt, die die Algorithmen als signifikante Merkmale der Daten bestimmen.

Die letzte Phase der Pipeline ist die Klassifizierung.

Die Art der Entscheidung bestimmt den Klassifizierungsalgorithmus. Entwickler müssen also tatsächliche CSI-Daten aus Testfällen sammeln und dann statistische Modelle oder Referenzvorlagen erstellen, die oft als Fingerabdrücke bezeichnet werden. Der Klassifizierer kann diese Modelle oder Vorlagen dann verwenden, um das Merkmal aus dem Extraktor und die bekannten Situationen bestmöglich abzugleichen.

Ein weiterer Ansatz ist maschinelles Lernen. Entwickler können extrahierte Merkmale und korrekte Klassifizierungen dieser Merkmale in eine Support Vector Machine oder ein Deep-Learning-Netzwerk einspeisen und das Modell so trainieren, dass es die abstrakten Muster der Merkmale richtig klassifiziert.

Implementierung der Wi-Fi-Sensorik

In der Phase der Datenaufbereitung kann einfaches Filtern im Rahmen eines kleinen CPU-Kerns liegen. Schließlich entsteht eine kleine Matrix nur, wenn ein Unterträger aktiviert wird. Anspruchsvollere statistische Algorithmen erfordern jedoch einen DSP-Kern mit geringem Stromverbrauch. Die statistischen Techniken zur Merkmalsextraktion benötigen wahrscheinlich auch die Leistung und Effizienz des DSP.

Das Wi-Fi-SoC enthält möglicherweise eine CPU, einen DSP und einen Inferenzbeschleuniger.

Um ein erfolgreiches Wi-Fi-Sensorgerät auf den Markt zu bringen, ist eine enge Partnerschaft mit einem SoC-Entwickler erforderlich, der über die richtige Low-Power-IP, Designerfahrung und umfassende Kenntnisse der aktuellen und zukünftigen Algorithmen verfügt. Die Wahl eines Entwicklungspartners ist möglicherweise eine der wichtigsten Entscheidungen, die Entwickler treffen müssen.