Cómo la detección Wi-Fi simplifica la detección de presencia

La tecnología emergente de detección de Wi-Fi promete beneficios significativos para una variedad de sistemas integrados y de borde. Los sistemas de seguridad, entretenimiento y hogares inteligentes pueden beneficiarse de esta capacidad.

Figura 1 La detección de Wi-Fi se puede realizar en cualquier dispositivo habilitado para Wi-Fi con el equilibrio adecuado entre consumo de energía y rendimiento de procesamiento. Fuente: Synaptics

Cómo funciona

La elegancia de la detección Wi-Fi es que utiliza lo que ya está ahí: las señales de RF que utilizan los dispositivos Wi-Fi para comunicarse. En principio, un dispositivo receptor Wi-Fi podría detectar cambios en esas señales de RF a medida que las recibe y, a partir de los cambios, inferir la presencia, el movimiento y la ubicación de un ser humano en el área alrededor del receptor.

Los primeros intentos de hacer esto utilizaban el RSSI de la interfaz Wi-Fi, un número que la interfaz produce periódicamente para indicar la intensidad media de la señal recibida. De la misma forma que un detector de movimiento infrarrojo pasivo interpreta un cambio en la intensidad de IR como movimiento cerca de su sensor, estos sensores Wi-Fi interpretan un cambio en el valor RSSI como la aparición o el movimiento de un objeto cerca del receptor.

Figura 2 Los sistemas en chip (SoC) Wi-Fi pueden analizar la CSI en busca de cambios sutiles en el canal por el que se propaga la señal para detectar presencia, movimiento y gestos. Fuente: Synaptics

Captura de datos de presencia

Cualquier interfaz Wi-Fi compatible debería generar el flujo de datos CSI. Esa parte es fácil. Sin embargo, es tarea del sistema de sensores procesar los datos y sacar conclusiones a partir de ellos. Este proceso generalmente se divide en tres etapas, siguiendo las convenciones desarrolladas para el procesamiento de imágenes de video: preparación de datos, extracción de características y clasificación.

Análisis e inferencia

La siguiente etapa del proceso analizará los flujos de datos depurados para extraer características. Este proceso es análogo (hasta cierto punto) a la extracción de características en el procesamiento de la visión.

Los algoritmos de extracción no solo manipularán los píxeles, sino que realizarán análisis estadísticos complejos. El resultado de la etapa de extracción será una representación simplificada de los datos de CSI, que mostrará solo las anomalías que los algoritmos determinen como características significativas de los datos.

La etapa final del proceso es la clasificación.

La naturaleza de la decisión determinará el algoritmo de clasificación. Por lo tanto, los desarrolladores deben recopilar datos CSI reales de los casos de prueba y luego construir modelos estadísticos o plantillas de referencia, a menudo llamados huellas digitales. El clasificador puede luego usar estos modelos o plantillas para hacer coincidir mejor la característica del extractor con las situaciones conocidas.

Otro enfoque es el aprendizaje automático. Los desarrolladores pueden introducir las características extraídas y las clasificaciones correctas de esas características en una máquina de vectores de soporte o una red de aprendizaje profundo, y entrenar al modelo para clasificar los patrones abstractos de las características correctamente.

Implementación de detección de Wi-Fi

Para la etapa de preparación de datos, un filtrado simple puede estar al alcance de un núcleo de CPU pequeño. Después de todo, una matriz pequeña llega solo cuando se activa una subportadora. Pero los algoritmos estadísticos más sofisticados requerirán un núcleo DSP de bajo consumo. Las técnicas estadísticas para la extracción de características probablemente también necesiten la potencia y la eficiencia del DSP.

El SoC Wi-Fi puede incluir una CPU, un DSP y un acelerador de inferencia.

Para lanzar al mercado un dispositivo de detección de Wi-Fi exitoso, será necesario trabajar en estrecha colaboración con un desarrollador de SoC con la IP de bajo consumo adecuada, experiencia en diseño y un profundo conocimiento de los algoritmos, tanto actuales como emergentes. Elegir un socio de desarrollo puede ser una de las decisiones más importantes que deben tomar los desarrolladores.