Wiffract perustuu tapaan tulkita näitä signaaleja havaitakseen esineiden reunat ja niiden suunnan
Uutinen julkaistiin, että ryhmä tutkijat Kalifornian yliopistosta Santa Barbarassa on kehittänyt menetelmän paikallaan olevien kohteiden ääriviivojen määrittämiseksi seinän takana analysoimassa Wi-Fi-signaalin vääristymiä.
Menetelmä ns Wiffract perustuu signaalissa tapahtuvien muutosten havaitsemiseen erääntyy sähkömagneettisten aaltojen vuorovaikutukseen joka tulee Wi-Fi-lähettimestä esineiden reunoilla.
"Kiinteiden maisemien kuvaaminen WiFillä on huomattava haaste liikkeen puutteen vuoksi", sanoi sähkö- ja tietokonetekniikan professori Mostofi. "Otimme sitten täysin erilaisen lähestymistavan tämän vaikean ongelman ratkaisemiseen keskittyen esineiden reunojen jäljittämiseen." Ehdotettu menetelmä ja kokeelliset tulokset julkaistiin Proceedings of the 2023 IEEE National Radar Conference (RadarConf) -julkaisussa 21. kesäkuuta 2023.
Tutkijat selittävät sen kun radiotaajuusaalto (RF) / Wifi löytää reunapisteen, luo kartion lähtevistä säteistä tunnetaan nimellä "Kellerin kartio" geometrisen diffraktioteorian (GTD) periaatteiden ohjaamana.
Mainitaan, että matemaattinen malli Wiffract voi kaapata paikallaan olevien esineiden reunat GTD-teorian avulla ja vastaavat Keller-kartiot. Kun Wiffract tunnistaa "korkean luotettavuuden reunapisteet", se voi rekonstruoida objektien muotoja ja parantaa samalla tuloksena olevaa reunakarttaa kehittyneillä tietokonenäkötekniikoilla.
Tutkijoiden käyttämä matemaattinen laitteisto perustuu geometriseen diffraktioteoriaan GTD, joka kuvaa vaikutuksia, joita syntyy sähkömagneettisen aallon ympäröiessä esteitä.
Wiffract demo
GTD:ssä energian oletetaan etenevän säteitä pitkin ja aaltokenttää pidetään sädetyyppisten kenttien summana. Tapahtuvien, taittuneiden ja heijastuneiden säteiden lisäksi GDT-teoria esittelee taittuneiden säteiden käsitteen, joita syntyy, kun salama iskee terävään reunaan tai pisteeseen esineen pinnalla.
Jos säde osuu reunaan, taipuneet säteet muodostavat Keller-kartion pinnan, jonka avautumiskulma on yhtä suuri kuin kaksi kertaa tulevan säteen ja reunan pinnan tangentin välinen kulma diffraktiopisteessä. Jos tuleva säde on kohtisuorassa reunan tangenttia vastaan, kartiosta tulee taso, ja jos se osuu kärjen kärkeen, taipuneet säteet hajaantuvat tasaisesti kaikkiin suuntiin.
"Kun tietty aalto osuu reunapisteeseen, ulos lähtevien säteiden kartio syntyy Kellerin geometrisen diffraktioteorian (GTD) mukaan, jota kutsutaan Keller-kartioksi", Mostofi selitti. Tutkijat huomauttavat, että tämä vuorovaikutus ei rajoitu näkyvästi teräviin reunoihin, vaan se koskee laajempaa joukkoa pintoja, joilla on riittävän pieni kaarevuus.
”Reunan suunnasta riippuen kartio jättää erilaisia jälkiä (eli kartiomaisia osia) tiettyyn vastaanottoritilään. "Kehitimme sitten matemaattisen viitekehyksen, joka käyttää näitä kartiomaisia jälkiä allekirjoituksina päätelläkseen reunojen suunnan ja luomalla siten kohtauksen reunakartan", Mostofi jatkoi.
Ehdotettu menetelmä ei vaadi neuroverkon esikoulutusta eikä se rajoitu vain koneoppimisen aikana käsiteltyjen kohteiden tunnistamiseen. Sen sijaan hermoverkko yrittää luoda uudelleen mielivaltaisten objektien ääriviivat seuraamalla niiden reunoja.
Signaalianalysaattori, joka emuloi joukkoa Wi-Fi-vastaanotinantenneja ottaa huomioon signaalitehon muutokset kaksiulotteisen tason yksittäisissä pisteissä. Analysaattoriin saapuvassa signaalissa hermoverkko havaitsee ominaiset vääristymät taittuneista aalloista, joita syntyy, kun aalto törmää reunaan ja luo uudelleen reunojen avaruudellisen sijainnin.
Menetelmän esittelynä tutkijat järjestivät seinän taakse sijoitettujen englannin aakkosten kirjainmallien havaitsemisen käyttämällä kolmea tyypillistä langatonta signaalilähetintä, jotka toimivat Wi-Fi-taajuuksilla.
Signaalin vastaanottamiseksi luotiin skannauskärry, jossa oli useita Wi-Fi-vastaanottimia, jotka liikkuvat edestakaisin emuloivat antennisarjaa. On huomattava, että menetelmä ei sovellu vain kohteille, joissa on näkyvät terävät reunat, vaan sitä voidaan soveltaa myös esineisiin, joiden pinnan kaarevuus on vähäinen.
vihdoin jos olet kiinnostunut tietämään asiasta lisää, voit tarkistaa yksityiskohdat seuraava linkki.