Wi-Fi センシングが存在検出を簡素化する方法

Wi-Fi センシングという新しい技術は、さまざまな組み込みシステムやエッジ システムに大きなメリットをもたらします。スマート ホーム、エンターテイメント、セキュリティ、安全システムはすべてこの機能の恩恵を受けることができます。

図 1 Wi-Fi センシングは、消費電力と処理性能の適切なバランスを保ちながら、あらゆる Wi-Fi 対応デバイスで実行できます。出典: Synaptics

仕組み

Wi-Fi センシングの優れた点は、すでに存在するもの、つまり Wi-Fi デバイスが通信に使用する RF 信号を使用することです。原理的には、Wi-Fi 受信デバイスは、受信時に RF 信号の変化を検出し、その変化から受信機の周囲にいる人間の存在、動き、位置を推測できます。

これを実現するための初期の試みでは、Wi-Fi インターフェイスの RSSI が使用されました。これは、インターフェイスが定期的に生成する数値で、受信信号の平均強度を示します。受動型赤外線モーション ディテクターが IR 強度の変化をセンサー付近の動きとして解釈するのとほぼ同じように、これらの Wi-Fi センサーは RSSI 値の変化を受信機付近の物体の出現または動きとして解釈します。

図 2 Wi-Fi システム オン チップ (SoC) は、信号が伝搬するチャネルの微妙な変化を CSI で分析し、存在、動き、ジェスチャーを検出できます。出典: Synaptics

プレゼンスデータの取得

準拠した Wi-Fi インターフェイスであれば、CSI データ ストリームを生成できます。この部分は簡単です。ただし、データを処理して推論するのはセンサー システムの役割です。このプロセスは、ビデオ画像処理用に開発された規則に従って、通常、データの準備、特徴の抽出、分類の 3 つの段階に分かれています。

分析と推論

パイプラインの次の段階では、クリーンアップされたデータ ストリームを分析して特徴を抽出します。このプロセスは、ある程度、ビジョン処理における特徴抽出に類似しています。

抽出アルゴリズムは、単にピクセルを操作するのではなく、複雑な統計分析を実行します。抽出段階の出力は、CSI データの簡略化された表現となり、アルゴリズムによってデータの重要な特徴であると判断された異常のみが表示されます。

パイプラインの最終段階は分類です。

決定の性質によって分類アルゴリズムが決まります。したがって、開発者はテスト ケースから実際の CSI データを収集し、統計モデルまたは参照テンプレート (フィンガープリントと呼ばれることが多い) を構築する必要があります。分類器はこれらのモデルまたはテンプレートを使用して、抽出器からの特徴と既知の状況を最もよく一致させることができます。

もう 1 つのアプローチは機械学習です。開発者は、抽出した特徴とその特徴の正しい分類をサポート ベクター マシンまたはディープラーニング ネットワークに入力して、特徴の抽象的なパターンを正しく分類するようにモデルをトレーニングできます。

Wi-Fi センシングの実装

データ準備段階では、単純なフィルタリングは小型の CPU コアで実行できる可能性があります。結局のところ、小型のマトリックスはサブキャリアがアクティブになったときにのみ到着します。しかし、より高度な統計アルゴリズムには、低電力の DSP コアが必要になります。特徴抽出の統計的手法にも、DSP のパワーと効率性が必要になる可能性があります。

Wi-Fi SoC には、CPU、DSP、推論アクセラレータが含まれる可能性があります。

成功する Wi-Fi センシング デバイスを市場に投入するには、適切な低電力 IP、設計経験、および現在および将来のアルゴリズムに関する詳細な知識を備えた SoC 開発者との緊密なパートナーシップが必要です。開発パートナーの選択は、開発者が行う必要がある多くの決定の中で最も重要なものの 1 つである可能性があります。