Виявляється, сигнали Wi-Fi можуть робити набагато більше, ніж передавати потокові фільми та музику по всьому будинку: їх також можна використовувати для розпізнавання форм крізь суцільні стіни, як показали нещодавні експерименти.
Здатність Wi-Fi виявляти рух крізь стіни демонструвалася і раніше, але ця технологія не може бачити все, що не рухається.
Щоб подолати це обмеження, дослідники з Каліфорнійського університету в Санта-Барбарі (UCSB) розробили Wi-Fi, який концентрується саме на краях об’єктів, подібно до того, як людина може робити контурний малюнок.
Такий підхід означає, що дослідники змогли використати так звану геометричну теорію дифракції (або GTD), яка описує поведінку хвиль, коли вони потрапляють на краї об’єктів – викликаючи інтерференцію або дифракцію хвиль.
Частина експериментальної установки. (Лабораторія Мостофі)
У цьому випадку хвилі – це сигнали Wi-Fi, які утворюють фігури, що називаються конусами Келлера, коли вони дифрагують на краях об’єктів. Інтерпретуючи склад і напрямок цих конусів Келлера, можна поступово розкрити сцену.
“Потім ми розробляємо математичну основу, яка використовує ці конічні сліди як підписи для визначення орієнтації країв, таким чином створюючи карту країв сцени”, – каже інженер-електрик і комп’ютерний інженер Ясамін Мостофі з UCSB.
Установка під назвою Wiffract, створена Мостофі та його колегами, складається з трьох Wi-Fi передавачів, які надсилають сигнали, та рухомого приймача, який ловить їх, коли вони відскакують від них.
Ми знаємо, що хвилі Wi-Fi можуть проходити крізь стіни – ваш роутер був би марним, якби це не було так – але ці хвилі також зазнають впливу, коли вони вдаряються об об’єкти.
Для визначення форм, які відповідають конусам Келлера, потрібні складні математичні розрахунки (і освічені здогадки). Використовуючи дані з країв, які мають сильні показники, вчені змогли покращити здатність системи виявляти краї зі слабшими показниками, можливо, далі від передавачів або в прихованих місцях.
“Після того, як ми знаходимо точки краю з високим рівнем достовірності за допомогою запропонованого ядра візуалізації, ми потім поширюємо інформацію про них на решту точок, використовуючи байєсівське поширення інформації”, – говорить інженер-електрик Анураг Паллапролу з Каліфорнійського університету в Санта-Барбарі.
Статистичний підрахунок чисел, пов’язаний з байєсівським поширенням інформації, нагадує роботу над пазлом: якщо ви впевнені в розташуванні деяких деталей, ви можете з’ясувати положення і форму деталей, необхідних для заповнення пропусків.
Ще потрібно багато доопрацювати, але система вже може розпізнавати великі літери. Зрештою, її можна використовувати будь-де – від порятунку під час стихійних лих до моніторингу розумного будинку, “бачачи” всередині кімнат, коли немає прямої видимості.
Дослідження ще не пройшло рецензування, але було представлено на Proceedings of the 2023 IEEE National Conference on Radar.
