W jaki sposób wykrywanie sieci Wi-Fi upraszcza wykrywanie obecności

Powstająca technologia wykrywania Wi-Fi obiecuje znaczące korzyści dla różnych systemów wbudowanych i brzegowych. Inteligentny dom, systemy rozrywki, bezpieczeństwa i ochrony mogą skorzystać z tej możliwości.

Rysunek 1 Wi-Fi Sensing można wykonać na dowolnym urządzeniu z włączonym Wi-Fi, jeśli zachowana jest odpowiednia równowaga między zużyciem energii a wydajnością przetwarzania. Źródło: Synaptics

Jak to działa

Elegancja wykrywania Wi-Fi polega na tym, że wykorzystuje to, co już istnieje: sygnały RF, których urządzenia Wi-Fi używają do komunikacji. Zasadniczo urządzenie odbiorcze Wi-Fi może wykrywać zmiany w tych sygnałach RF podczas ich odbioru i na podstawie tych zmian wnioskować o obecności, ruchu i lokalizacji człowieka w obszarze wokół odbiornika.

Wczesne próby zrobienia tego wykorzystywały RSSI interfejsu Wi-Fi, liczbę generowaną przez interfejs okresowo w celu wskazania średniej siły odbieranego sygnału. Podobnie jak pasywny detektor ruchu podczerwieni interpretuje zmianę intensywności podczerwieni jako ruch w pobliżu czujnika, te czujniki Wi-Fi interpretują zmianę wartości RSSI jako pojawienie się lub ruch obiektu w pobliżu odbiornika.

Rysunek 2 System-on-chips (SoC) Wi-Fi może analizować CSI pod kątem subtelnych zmian w kanale, przez który rozprzestrzenia się sygnał, aby wykryć obecność, ruch i gesty. Źródło: Synaptics

Rejestrowanie danych o obecności

Każdy zgodny interfejs Wi-Fi powinien generować strumień danych CSI. Ta część jest łatwa. Jednak zadaniem systemu czujników jest przetwarzanie danych i wyciąganie z nich wniosków. Proces ten jest zazwyczaj podzielony na trzy etapy, zgodnie z konwencjami opracowanymi dla przetwarzania obrazu wideo: przygotowanie danych, ekstrakcja cech i klasyfikacja.

Analiza i wnioskowanie

Następnym etapem w procesie będzie analiza oczyszczonych strumieni danych w celu wyodrębnienia cech. Proces ten jest analogiczny — do pewnego stopnia — do wyodrębniania cech w przetwarzaniu wizji.

Algorytmy ekstrakcji nie będą po prostu manipulować pikselami, ale zamiast tego wykonają złożoną analizę statystyczną. Wynikiem etapu ekstrakcji będzie uproszczona reprezentacja danych CSI, pokazująca tylko anomalie, które algorytmy uznają za istotne cechy danych.

Ostatnim etapem procesu jest klasyfikacja.

Charakter decyzji określi algorytm klasyfikacji. Tak więc programiści muszą zebrać rzeczywiste dane CSI z przypadków testowych, a następnie skonstruować modele statystyczne lub szablony referencyjne, często nazywane odciskami palców. Klasyfikator może następnie użyć tych modeli lub szablonów, aby najlepiej dopasować cechę z ekstraktora i znanych sytuacji.

Innym podejściem jest uczenie maszynowe. Programiści mogą wprowadzać wyodrębnione cechy i prawidłowe klasyfikacje tych cech do maszyny wektorów nośnych lub sieci głębokiego uczenia, trenując model, aby poprawnie klasyfikował abstrakcyjne wzorce cech.

Implementacja czujnika Wi-Fi

Na etapie przygotowania danych proste filtrowanie może mieścić się w zakresie małego rdzenia procesora. W końcu mała macierz pojawia się tylko wtedy, gdy aktywowana jest podnośna. Jednak bardziej wyrafinowane algorytmy statystyczne będą wymagały rdzenia DSP o niskim poborze mocy. Techniki statystyczne do ekstrakcji cech prawdopodobnie również będą wymagały mocy i wydajności DSP.

Układ SoC Wi-Fi może obejmować procesor CPU, procesor DSP i akcelerator wnioskowania.

Wprowadzenie na rynek udanego urządzenia wykrywającego Wi-Fi będzie wymagało ścisłej współpracy z deweloperem SoC z odpowiednim IP o niskim poborze mocy, doświadczeniem w projektowaniu i dogłębną znajomością algorytmów — obecnych i przyszłych. Wybór partnera ds. rozwoju może być jedną z najważniejszych decyzji, jakie deweloperzy muszą podjąć.