Bagaimana penginderaan Wi-Fi menyederhanakan deteksi keberadaan

Teknologi penginderaan Wi-Fi yang sedang berkembang menjanjikan manfaat yang signifikan untuk berbagai sistem tertanam dan sistem edge. Sistem rumah pintar, hiburan, keamanan, dan keselamatan semuanya dapat memperoleh manfaat dari kemampuan ini.

Gambar 1 Penginderaan Wi-Fi dapat dilakukan pada perangkat apa pun yang mendukung Wi-Fi dengan keseimbangan yang tepat antara konsumsi daya dan kinerja pemrosesan. Sumber: Synaptics

Cara kerjanya

Keanggunan penginderaan Wi-Fi adalah ia menggunakan apa yang sudah ada: sinyal RF yang digunakan perangkat Wi-Fi untuk berkomunikasi. Pada prinsipnya, perangkat penerima Wi-Fi dapat mendeteksi perubahan pada sinyal RF tersebut saat menerimanya dan, dari perubahan tersebut, menyimpulkan keberadaan, gerakan, dan lokasi manusia di area sekitar penerima.

Upaya awal untuk melakukan ini menggunakan RSSI antarmuka Wi-Fi, angka yang dihasilkan oleh antarmuka secara berkala untuk menunjukkan kekuatan sinyal rata-rata yang diterima. Dengan cara yang sama seperti detektor gerakan inframerah pasif menafsirkan perubahan intensitas IR sebagai gerakan di dekat sensornya, sensor Wi-Fi ini menafsirkan perubahan nilai RSSI sebagai kemunculan atau gerakan objek di dekat penerima.

Gambar 2 Sistem pada chip (SoC) Wi-Fi dapat menganalisis CSI untuk mengetahui perubahan kecil pada saluran tempat sinyal disebarkan guna mendeteksi keberadaan, gerakan, dan gestur. Sumber: Synaptics

Menangkap data kehadiran

Setiap antarmuka Wi-Fi yang sesuai seharusnya menghasilkan aliran data CSI. Bagian itu mudah. ​​Namun, tugas sistem sensor adalah memproses data dan membuat kesimpulan darinya. Proses ini secara umum dibagi menjadi tiga tahap, mengikuti konvensi yang dikembangkan untuk pemrosesan gambar video: persiapan data, ekstraksi fitur, dan klasifikasi.

Analisis dan inferensi

Tahap berikutnya dalam alur kerja akan menganalisis aliran data yang telah dibersihkan untuk mengekstraksi fitur. Proses ini serupa—hingga titik tertentu—dengan ekstraksi fitur dalam pemrosesan penglihatan.

Algoritme ekstraksi tidak hanya akan memanipulasi piksel, tetapi juga akan melakukan analisis statistik yang kompleks. Output dari tahap ekstraksi akan menjadi representasi data CSI yang disederhanakan, yang hanya menunjukkan anomali yang ditentukan oleh algoritme sebagai fitur penting dari data.

Tahap terakhir dalam jalur ini adalah klasifikasi.

Sifat keputusan akan menentukan algoritma klasifikasi. Jadi, pengembang harus mengumpulkan data CSI aktual dari kasus uji lalu menyusun model statistik atau templat referensi, yang sering disebut sidik jari. Pengklasifikasi kemudian dapat menggunakan model atau templat ini untuk mencocokkan fitur dari ekstraktor dan situasi yang diketahui dengan sebaik-baiknya.

Pendekatan lain adalah pembelajaran mesin. Pengembang dapat memasukkan fitur yang diekstrak dan klasifikasi yang benar dari fitur tersebut ke dalam mesin vektor pendukung atau jaringan pembelajaran mendalam, melatih model untuk mengklasifikasikan pola abstrak fitur dengan benar.

Implementasi penginderaan Wi-Fi

Untuk tahap persiapan data, penyaringan sederhana mungkin berada dalam kisaran inti CPU kecil. Bagaimanapun, matriks kecil hanya muncul saat subcarrier diaktifkan. Namun, algoritma statistik yang lebih canggih akan memerlukan inti DSP berdaya rendah. Teknik statistik untuk ekstraksi fitur juga kemungkinan memerlukan daya dan efisiensi DSP.

SoC Wi-Fi kemungkinan besar mencakup CPU, DSP, dan akselerator inferensi.

Untuk memasarkan perangkat penginderaan Wi-Fi yang sukses, diperlukan kemitraan yang erat dengan pengembang SoC yang memiliki IP berdaya rendah, pengalaman desain, dan pengetahuan mendalam tentang algoritme—yang ada saat ini dan yang akan datang. Memilih mitra pengembangan mungkin merupakan salah satu keputusan terpenting yang harus diambil pengembang.