يعتمد Wiffract على طريقة تفسير هذه الإشارات لاكتشاف حواف الأشياء واتجاهها
صدرت أنباء عن قيام فريق من باحثون من جامعة كاليفورنيا في سانتا باربرا لقد طور طريقة لتحديد معالم الأجسام الثابتة خلف جدار يحلل تشويه إشارة Wi-Fi.
الطريقة تسمى يعتمد Wiffract على اكتشاف التغييرات في الإشارة التي تحدث بسبب لتفاعل الموجات الكهرومغناطيسية ينبعث من جهاز إرسال Wi-Fi بحواف الكائنات.
قال مستوفي، أستاذ الهندسة الكهربائية وهندسة الكمبيوتر: "يمثل تصوير المناظر الطبيعية الثابتة باستخدام شبكة WiFi تحديًا كبيرًا بسبب قلة الحركة". "ثم اتخذنا نهجا مختلفا تماما لمعالجة هذه المشكلة الصعبة، مع التركيز على تتبع حواف الأشياء." ظهرت المنهجية المقترحة والنتائج التجريبية في وقائع مؤتمر الرادار الوطني IEEE لعام 2023 (RadarConf) في 21 يونيو 2023.
ويفسر الباحثون ذلك عندما موجة تردد الراديو (رف) من يجد Wifi نقطة حافة ويولد مخروطًا من الأشعة الصادرة المعروف باسم "مخروط كيلر" تسترشد بمبادئ نظرية الحيود الهندسي (GTD).
ويذكر أن النموذج الرياضي ل يمكن لـ Wiffract التقاط حواف الأجسام الثابتة باستخدام نظرية GTD ومخاريط كيلر المقابلة. بمجرد تحديد "نقاط الحافة عالية الثقة"، يمكن لـ Wiffract إعادة بناء أشكال الكائنات مع تحسين خريطة الحافة الناتجة باستخدام تقنيات رؤية الكمبيوتر المتقدمة.
يعتمد الجهاز الرياضي الذي استخدمه الباحثون على النظرية الهندسية للحيود GTD، والتي تصف التأثيرات التي تحدث عندما تحيط موجة كهرومغناطيسية بالعوائق.
عرض تجريبي
في GTD، يفترض أن الطاقة تنتشر على طول الأشعة ويعتبر مجال الموجة بمثابة مجموع حقول نوع الشعاع. بالإضافة إلى الأشعة الحادثة والمنكسرة والمنعكسة، تقدم نظرية GDT مفهوم الأشعة المنحرفة، والتي تحدث عندما يضرب البرق حافة حادة أو نقطة على سطح الجسم.
إذا اصطدمت الحزمة بحافة، فإن الأشعة المنحرفة تشكل سطح مخروط كيلر الذي تساوي زاوية فتحه ضعف الزاوية بين الحزمة الساقطة والمماس لسطح الحافة عند نقطة الحيود. إذا كان الشعاع الساقط متعامدًا على مماس الحافة، يصبح المخروط مستويًا، وإذا ضرب قمة الرأس، تتباعد الأشعة المنحرفة بشكل منتظم في جميع الاتجاهات.
وأوضح مستوفي: "عندما تضرب موجة معينة نقطة حافة، يظهر مخروط من الأشعة الصادرة وفقًا لنظرية حيود كيلر الهندسية (GTD)، والتي تسمى مخروط كيلر". لاحظ الباحثون أن هذا التفاعل لا يقتصر على الحواف الحادة بشكل واضح، ولكنه ينطبق على مجموعة أوسع من الأسطح ذات انحناء صغير بما فيه الكفاية.
"اعتمادًا على اتجاه الحافة، يترك المخروط آثارًا مختلفة (أي المقاطع المخروطية) على شبكة استقبال معينة. وتابع مستوفي: "لقد قمنا بعد ذلك بتطوير إطار رياضي يستخدم هذه الآثار المخروطية كتوقيعات لاستنتاج اتجاه الحواف، وبالتالي إنشاء خريطة حافة للمشهد".
لا تتطلب الطريقة المقترحة تدريبًا أوليًا على الشبكة العصبية ولا يقتصر على تحديد الكائنات التي يتم تناولها أثناء التعلم الآلي فقط. وبدلاً من ذلك، تحاول الشبكة العصبية إعادة إنشاء حدود كائنات عشوائية من خلال اتباع حوافها.
محلل إشارة يحاكي مجموعة من هوائيات استقبال Wi-Fi يأخذ في الاعتبار التغيرات في قوة الإشارة عند نقاط فردية على مستوى ثنائي الأبعاد. في الإشارة التي تصل إلى المحلل، الشبكة العصبية يكتشف التشوهات المميزة من الموجات المنحرفة التي تنتج عندما تصطدم الموجة بالحافة ويعيد إنشاء الموضع المكاني للحواف.
ولتوضيح هذه الطريقة، نظم الباحثون اكتشاف نماذج لأحرف الأبجدية الإنجليزية موضوعة خلف الجدار، باستخدام ثلاثة أجهزة إرسال إشارات لاسلكية نموذجية تعمل على ترددات Wi-Fi.
لاستقبال الإشارة، تم إنشاء عربة مسح تحتوي على العديد من أجهزة استقبال Wi-Fi التي تتحرك ذهابًا وإيابًا لمحاكاة مجموعة من الهوائيات. تجدر الإشارة إلى أن هذه الطريقة لا تعمل فقط مع الكائنات ذات الحواف الحادة المرئية، ولكنها تنطبق أيضًا على الكائنات ذات المستوى البسيط من انحناء السطح.
أخيرًا إذا كنت كذلك مهتم بمعرفة المزيد عنها، يمكنك التحقق من التفاصيل في الرابط التالي.