Hoe Wi-Fi-detectie aanwezigheidsdetectie vereenvoudigt

De opkomende technologie van Wi-Fi-detectie belooft aanzienlijke voordelen voor een verscheidenheid aan embedded en edge-systemen. Smart home-, entertainment-, beveiligings- en veiligheidssystemen kunnen allemaal profiteren van dit vermogen.

Afbeelding 1 Wi-Fi Sensing kan worden uitgevoerd op elk Wi-Fi-apparaat met de juiste balans tussen stroomverbruik en verwerkingsprestaties. Bron: Synaptics

Hoe werkt onze technologie?

De elegantie van Wi-Fi-detectie is dat het gebruikt wat er al is: de RF-signalen die Wi-Fi-apparaten gebruiken om te communiceren. In principe kan een Wi-Fi-ontvangend apparaat veranderingen in die RF-signalen detecteren terwijl het ze ontvangt en uit de veranderingen de aanwezigheid, beweging en locatie van een mens in de omgeving van de ontvanger afleiden.

Vroege pogingen om dit te doen, gebruikten de RSSI van de Wi-Fi-interface, een getal dat periodiek door de interface wordt geproduceerd om de gemiddelde ontvangen signaalsterkte aan te geven. Op vrijwel dezelfde manier waarop een passieve infraroodbewegingsdetector een verandering in IR-intensiteit interpreteert als beweging in de buurt van zijn sensor, interpreteren deze Wi-Fi-sensoren een verandering in RSSI-waarde als het verschijnen of bewegen van een object in de buurt van de ontvanger.

Afbeelding 2 Wi-Fi system-on-chips (SoC's) kunnen CSI analyseren op subtiele veranderingen in het kanaal waardoor het signaal zich voortplant om aanwezigheid, beweging en gebaren te detecteren. Bron: Synaptics

Aanwezigheidsgegevens vastleggen

Elke compatibele Wi-Fi-interface zou de CSI-datastroom moeten produceren. Dat is eenvoudig. Het is echter de taak van het sensorsysteem om de data te verwerken en er conclusies uit te trekken. Dit proces wordt over het algemeen verdeeld in drie fasen, volgens de conventies die zijn ontwikkeld voor videobeeldverwerking: datavoorbereiding, feature-extractie en classificatie.

Analyse en gevolgtrekking

De volgende fase in de pijplijn zal de gereinigde datastromen analyseren om features te extraheren. Dit proces is analoog aan feature-extractie in vision processing, tot op zekere hoogte.

De extractiealgoritmen manipuleren niet alleen pixels, maar voeren in plaats daarvan complexe statistische analyses uit. De output van de extractiefase is een vereenvoudigde weergave van de CSI-gegevens, waarbij alleen anomalieën worden weergegeven die de algoritmen als significante kenmerken van de gegevens beschouwen.

De laatste fase in de pijplijn is classificatie.

De aard van de beslissing bepaalt het classificatiealgoritme. Ontwikkelaars moeten dus daadwerkelijke CSI-gegevens verzamelen uit testcases en vervolgens statistische modellen of referentiesjablonen construeren, vaak vingerafdrukken genoemd. De classificator kan deze modellen of sjablonen vervolgens gebruiken om de feature van de extractor en de bekende situaties zo goed mogelijk te matchen.

Een andere aanpak is machine learning. Ontwikkelaars kunnen geëxtraheerde features en correcte classificaties van die features invoeren in een support vector machine of een deep-learning netwerk, en zo het model trainen om de abstracte patronen van features correct te classificeren.

Implementatie van Wi-Fi-detectie

Voor de datavoorbereidingsfase kan eenvoudige filtering binnen het bereik van een kleine CPU-kern vallen. Een kleine matrix arriveert immers alleen wanneer een subcarrier wordt geactiveerd. Maar geavanceerdere statistische algoritmen vereisen een DSP-kern met laag vermogen. De statistische technieken voor feature-extractie hebben waarschijnlijk ook de kracht en efficiëntie van de DSP nodig.

De Wi-Fi SoC kan een CPU, een DSP en een inferentieversneller bevatten.

Om een ​​succesvol Wi-Fi-sensorapparaat op de markt te brengen, is een nauwe samenwerking nodig met een SoC-ontwikkelaar met de juiste low-power IP, ontwerpervaring en diepgaande kennis van de huidige en toekomstige algoritmen. Het kiezen van een ontwikkelingspartner is misschien wel een van de belangrijkste beslissingen die ontwikkelaars moeten nemen.