Como a detecção de Wi-Fi simplifica a detecção de presença

A tecnologia emergente de sensoriamento Wi-Fi promete benefícios significativos para uma variedade de sistemas embarcados e de ponta. Sistemas inteligentes de casa, entretenimento, segurança e proteção podem se beneficiar dessa capacidade.

Figura 1 O Wi-Fi Sensing pode ser executado em qualquer dispositivo habilitado para Wi-Fi com o equilíbrio certo entre consumo de energia e desempenho de processamento. Fonte: Synaptics

Como Funciona

A elegância do sensoriamento Wi-Fi é que ele usa o que já está lá: os sinais de RF que os dispositivos Wi-Fi usam para se comunicar. Em princípio, um dispositivo receptor de Wi-Fi poderia detectar mudanças nesses sinais de RF conforme os recebe e, a partir das mudanças, inferir a presença, o movimento e a localização de um humano na área ao redor do receptor.

As primeiras tentativas de fazer isso usaram o RSSI da interface Wi-Fi, um número produzido pela interface periodicamente para indicar a intensidade média do sinal recebido. Da mesma forma que um detector de movimento infravermelho passivo interpreta uma mudança na intensidade do IR como movimento perto de seu sensor, esses sensores Wi-Fi interpretam uma mudança no valor RSSI como a aparência ou movimento de um objeto perto do receptor.

Figura 2 Os sistemas Wi-Fi em chips (SoCs) podem analisar CSI para mudanças sutis no canal através do qual o sinal está se propagando para detectar presença, movimento e gestos. Fonte: Synaptics

Capturando dados de presença

Qualquer interface Wi-Fi compatível deve produzir o fluxo de dados CSI. Essa parte é fácil. No entanto, é tarefa do sistema de sensor processar os dados e fazer inferências a partir deles. Esse processo é geralmente dividido em três estágios, seguindo as convenções desenvolvidas para processamento de imagem de vídeo: preparação de dados, extração de recursos e classificação.

Análise e inferência

O próximo estágio no pipeline analisará os fluxos de dados limpos para extrair recursos. Esse processo é análogo — até certo ponto — à extração de recursos no processamento de visão.

Os algoritmos de extração não manipularão simplesmente pixels, mas, em vez disso, realizarão análises estatísticas complexas. A saída do estágio de extração será uma representação simplificada dos dados CSI, mostrando apenas anomalias que os algoritmos determinam como características significativas dos dados.

A etapa final do pipeline é a classificação.

A natureza da decisão determinará o algoritmo de classificação. Então, os desenvolvedores devem coletar dados CSI reais de casos de teste e então construir modelos estatísticos ou modelos de referência, frequentemente chamados de impressões digitais. O classificador pode então usar esses modelos ou modelos para melhor corresponder ao recurso do extrator e às situações conhecidas.

Outra abordagem é o aprendizado de máquina. Os desenvolvedores podem alimentar recursos extraídos e classificações corretas desses recursos em uma máquina de vetores de suporte ou uma rede de aprendizado profundo, treinando o modelo para classificar os padrões abstratos de recursos corretamente.

Implementação de detecção de Wi-Fi

Para o estágio de preparação de dados, a filtragem simples pode estar dentro do alcance de um pequeno núcleo de CPU. Afinal, uma pequena matriz chega somente quando uma subportadora é ativada. Mas algoritmos estatísticos mais sofisticados exigirão um núcleo DSP de baixa potência. As técnicas estatísticas para extração de características também provavelmente precisarão da potência e eficiência do DSP.

O SoC Wi-Fi pode muito bem incluir uma CPU, um DSP e um acelerador de inferência.

Levar um dispositivo de detecção Wi-Fi bem-sucedido ao mercado exigirá uma parceria próxima com um desenvolvedor de SoC com o IP de baixa potência certo, experiência em design e conhecimento profundo dos algoritmos — presentes e emergentes. Escolher um parceiro de desenvolvimento pode ser uma das mais importantes das muitas decisões que os desenvolvedores devem tomar.