การตรวจจับด้วย Wi-Fi ช่วยให้การตรวจจับการมีอยู่เป็นเรื่องง่ายขึ้นอย่างไร

เทคโนโลยีการตรวจจับ Wi-Fi ที่กำลังเกิดขึ้นใหม่นั้นให้ประโยชน์มากมายสำหรับระบบฝังตัวและระบบเอจที่หลากหลาย ระบบบ้านอัจฉริยะ ความบันเทิง ระบบรักษาความปลอดภัย และระบบรักษาความปลอดภัยต่างก็สามารถได้รับประโยชน์จากความสามารถนี้

รูปที่ 1 การตรวจจับ Wi-Fi สามารถทำได้บนอุปกรณ์ที่รองรับ Wi-Fi ทุกชนิดโดยต้องมีความสมดุลระหว่างการใช้พลังงานและประสิทธิภาพการประมวลผลที่เหมาะสม แหล่งที่มา: Synaptics

วิธีการทำงาน

ข้อดีของการตรวจจับด้วย Wi-Fi คือการใช้สิ่งที่มีอยู่แล้ว นั่นคือ สัญญาณ RF ที่อุปกรณ์ Wi-Fi ใช้ในการสื่อสาร โดยหลักการแล้ว อุปกรณ์รับสัญญาณ Wi-Fi สามารถตรวจจับการเปลี่ยนแปลงของสัญญาณ RF เหล่านั้นได้ในขณะที่รับสัญญาณ และจากการเปลี่ยนแปลงดังกล่าว ก็สามารถอนุมานการมีอยู่ การเคลื่อนไหว และตำแหน่งของมนุษย์ในบริเวณรอบๆ ตัวรับได้

ความพยายามในช่วงแรกในการทำเช่นนี้ใช้ RSSI ของอินเทอร์เฟซ Wi-Fi ซึ่งเป็นตัวเลขที่อินเทอร์เฟซสร้างขึ้นเป็นระยะเพื่อระบุความแรงของสัญญาณที่ได้รับโดยเฉลี่ย ในลักษณะเดียวกับที่เครื่องตรวจจับการเคลื่อนไหวอินฟราเรดแบบพาสซีฟตีความการเปลี่ยนแปลงของความเข้มของ IR ว่าเป็นการเคลื่อนไหวใกล้กับเซ็นเซอร์ เซ็นเซอร์ Wi-Fi เหล่านี้จะตีความการเปลี่ยนแปลงของค่า RSSI ว่าเป็นการปรากฏหรือการเคลื่อนไหวของวัตถุใกล้กับตัวรับ

รูปที่ 2 ระบบ Wi-Fi บนชิป (SoC) สามารถวิเคราะห์ CSI เพื่อดูการเปลี่ยนแปลงเล็กน้อยในช่องสัญญาณที่สัญญาณแพร่กระจาย เพื่อตรวจจับการมีอยู่ การเคลื่อนไหว และท่าทาง แหล่งที่มา: Synaptics

การรวบรวมข้อมูลการมีอยู่

อินเทอร์เฟซ Wi-Fi ที่เข้ากันได้ควรสร้างสตรีมข้อมูล CSI ส่วนนั้นทำได้ง่าย อย่างไรก็ตาม เป็นหน้าที่ของระบบเซ็นเซอร์ในการประมวลผลข้อมูลและอนุมานจากข้อมูลนั้น โดยทั่วไปกระบวนการนี้จะแบ่งออกเป็น 3 ขั้นตอน โดยปฏิบัติตามแนวทางที่พัฒนาขึ้นสำหรับการประมวลผลภาพวิดีโอ ได้แก่ การเตรียมข้อมูล การสกัดคุณลักษณะ และการจำแนกประเภท

การวิเคราะห์และการอนุมาน

ขั้นตอนต่อไปในกระบวนการจะวิเคราะห์ข้อมูลสตรีมที่ผ่านการทำความสะอาดเพื่อแยกคุณลักษณะ กระบวนการนี้คล้ายคลึงกับการแยกคุณลักษณะในการประมวลผลภาพในระดับหนึ่ง

อัลกอริธึมการแยกข้อมูลจะไม่เพียงแค่จัดการพิกเซลเท่านั้น แต่จะทำการวิเคราะห์ทางสถิติที่ซับซ้อนด้วย ผลลัพธ์ของขั้นตอนการแยกข้อมูลจะเป็นการแสดงข้อมูล CSI แบบง่าย ๆ ซึ่งจะแสดงเฉพาะความผิดปกติที่อัลกอริธึมระบุว่าเป็นคุณลักษณะสำคัญของข้อมูลเท่านั้น

ขั้นตอนสุดท้ายในกระบวนการคือการจำแนกประเภท

ลักษณะการตัดสินใจจะกำหนดอัลกอริทึมการจำแนกประเภท ดังนั้น นักพัฒนาจะต้องรวบรวมข้อมูล CSI จริงจากกรณีทดสอบ จากนั้นจึงสร้างแบบจำลองทางสถิติหรือเทมเพลตอ้างอิง ซึ่งมักเรียกว่าลายนิ้วมือ จากนั้นตัวจำแนกประเภทสามารถใช้แบบจำลองหรือเทมเพลตเหล่านี้เพื่อให้ตรงกับคุณลักษณะจากตัวแยกและสถานการณ์ที่ทราบได้ดีที่สุด

แนวทางอื่นคือการเรียนรู้ของเครื่อง นักพัฒนาสามารถป้อนคุณลักษณะที่แยกออกมาและจำแนกคุณลักษณะเหล่านั้นอย่างถูกต้องลงในเครื่องเวกเตอร์สนับสนุนหรือเครือข่ายการเรียนรู้เชิงลึก โดยฝึกให้โมเดลจำแนกรูปแบบนามธรรมของคุณลักษณะได้อย่างถูกต้อง

การนำระบบตรวจจับ Wi-Fi มาใช้

สำหรับขั้นตอนการเตรียมข้อมูล การกรองแบบง่ายๆ อาจอยู่ภายในขอบเขตของแกน CPU ขนาดเล็ก อย่างไรก็ตาม เมทริกซ์ขนาดเล็กจะมาถึงก็ต่อเมื่อเปิดใช้งานซับแคริเออร์เท่านั้น แต่สำหรับอัลกอริธึมทางสถิติที่ซับซ้อนกว่านั้นจะต้องใช้แกน DSP ที่ใช้พลังงานต่ำ เทคนิคทางสถิติสำหรับการสกัดคุณลักษณะอาจต้องใช้พลังงานและประสิทธิภาพของ DSP เช่นกัน

SoC ของ Wi-Fi อาจประกอบไปด้วย CPU, DSP และตัวเร่งความเร็วอนุมาน

การนำอุปกรณ์ตรวจจับ Wi-Fi ที่ประสบความสำเร็จออกสู่ตลาดนั้นต้องมีความร่วมมืออย่างใกล้ชิดกับผู้พัฒนา SoC ที่มี IP ประหยัดพลังงานที่เหมาะสม มีประสบการณ์ด้านการออกแบบ และมีความรู้เชิงลึกเกี่ยวกับอัลกอริทึมที่มีอยู่และกำลังพัฒนา การเลือกพันธมิตรด้านการพัฒนาอาจเป็นหนึ่งในการตัดสินใจที่สำคัญที่สุดจากหลายๆ อย่างที่ผู้พัฒนาต้องทำ