Wiffract, eine Methode zur Bestimmung der Konturen von Objekten hinter einer Wand mithilfe von WLAN

Wiffrakt

Wiffract basiert auf einer Methode zur Interpretation dieser Signale, um die Kanten von Objekten und deren Ausrichtung zu erkennen

Es wurde die Nachricht veröffentlicht, dass ein Team von Forscher der University of California in Santa Barbara hat eine Methode zur Bestimmung der Konturen stationärer Objekte entwickelt hinter einer Wand, die die Verzerrung des Wi-Fi-Signals analysiert.

Die Methode namens Wiffract basiert auf der Erkennung auftretender Signaländerungen debido zur Wechselwirkung elektromagnetischer Wellen die von einem Wi-Fi-Sender mit den Kanten von Objekten ausgehen.

„Die Abbildung fester Landschaften mit WLAN ist aufgrund der mangelnden Bewegung eine erhebliche Herausforderung“, sagte Mostofi, Professor für Elektro- und Computertechnik. „Wir sind dieses schwierige Problem dann ganz anders angegangen und haben uns auf das Nachzeichnen der Kanten von Objekten konzentriert.“ Die vorgeschlagene Methodik und die experimentellen Ergebnisse erschienen in den Proceedings of the 2023 IEEE National Radar Conference (RadarConf) am 21. Juni 2023.

Das erklären die Forscher wenn eine Radiofrequenzwelle (RF) von WLAN findet einen Kantenpunkt und generiert einen Kegel von ausgehenden Strahlen bekannt als „Keller-Kegel“ geleitet von den Prinzipien der geometrischen Beugungstheorie (GTD).

Es wird erwähnt, dass das mathematische Modell von Wiffract kann mithilfe der GTD-Theorie die Kanten stationärer Objekte erfassen und die entsprechenden Kellerkegel. Sobald Wiffract „hochsichere Kantenpunkte“ identifiziert hat, kann es Objektformen rekonstruieren und gleichzeitig die resultierende Kantenkarte mithilfe fortschrittlicher Computer-Vision-Techniken weiter verbessern.

Der von den Forschern verwendete mathematische Apparat basiert auf der geometrischen Beugungstheorie GTD, die die Effekte beschreibt, die auftreten, wenn eine elektromagnetische Welle Hindernisse umgibt.

Wiffrakt

Wiffract-Demo

Bei der GTD wird davon ausgegangen, dass sich Energie entlang der Strahlen ausbreitet und das Wellenfeld wird als Summe der Strahlentypfelder betrachtet. Neben einfallenden, gebrochenen und reflektierten Strahlen Die GDT-Theorie führt das Konzept der gebeugten Strahlen ein. die auftreten, wenn ein Blitz in eine scharfe Kante oder einen scharfen Punkt auf der Oberfläche eines Objekts einschlägt.

Trifft der Strahl auf eine Kante, bilden die gebeugten Strahlen die Oberfläche eines Kellerkegels, dessen Öffnungswinkel gleich dem doppelten Winkel zwischen dem einfallenden Strahl und der Tangente an die Oberfläche der Kante im Beugungspunkt ist. Wenn der einfallende Strahl senkrecht zur Tangente an die Kante verläuft, wird der Kegel zu einer Ebene, und wenn er auf die Spitze der Spitze trifft, divergieren die gebeugten Strahlen gleichmäßig in alle Richtungen.

„Wenn eine bestimmte Welle auf einen Randpunkt trifft, entsteht gemäß Kellers geometrischer Beugungstheorie (GTD) ein Kegel aus ausgehenden Strahlen, der Kellerkegel genannt wird“, erklärte Mostofi. Die Forscher stellen fest, dass diese Wechselwirkung nicht auf sichtbar scharfe Kanten beschränkt ist, sondern sich auf eine breitere Gruppe von Oberflächen mit ausreichend kleiner Krümmung bezieht.

„Je nach Ausrichtung der Kante hinterlässt der Kegel unterschiedliche Spuren (also konische Abschnitte) auf einem bestimmten Empfangsgitter. „Wir haben dann ein mathematisches Framework entwickelt, das diese konischen Spuren als Signaturen verwendet, um auf die Ausrichtung der Kanten zu schließen und so eine Kantenkarte der Szene zu erstellen“, fuhr Mostofi fort.

Die vorgeschlagene Methode erfordert kein vorheriges Training des neuronalen Netzwerks und beschränkt sich nicht nur auf die Identifizierung der beim maschinellen Lernen abgedeckten Objekte. Stattdessen versucht das neuronale Netzwerk, die Konturen beliebiger Objekte nachzubilden, indem es deren Kanten folgt.

Ein Signalanalysator, der eine Reihe von Wi-Fi-Empfängerantennen emuliert berücksichtigt Änderungen der Signalleistung an einzelnen Punkten auf einer zweidimensionalen Ebene. In dem Signal, das den Analysator erreicht, das neuronale Netzwerk erkennt charakteristische Verzerrungen der gebeugten Wellen, die entstehen, wenn eine Welle auf eine Kante trifft und stellt die räumliche Position der Kanten wieder her.

Zur Demonstration der Methode organisierten die Forscher die Erkennung von hinter einer Wand platzierten Nachbildungen von Buchstaben des englischen Alphabets mithilfe von drei typischen drahtlosen Signalsendern, die mit Wi-Fi-Frequenzen arbeiten.

Um das Signal zu empfangen, wurde ein Scanwagen mit mehreren Wi-Fi-Empfängern erstellt, die sich hin und her bewegen und dabei eine Reihe von Antennen emulieren. Es ist zu beachten, dass die Methode nicht nur für Objekte mit sichtbaren scharfen Kanten funktioniert, sondern auch für Objekte mit einer leichten Oberflächenkrümmung anwendbar ist.

schließlich, wenn Sie sind daran interessiert, mehr darüber zu erfahrenkönnen Sie die Details in der überprüfen folgenden Link