Wiffract didasarkan pada cara menafsirkan sinyal-sinyal ini untuk mendeteksi tepi objek dan orientasinya
Berita itu dirilis bahwa tim peneliti dari Universitas California di Santa Barbara telah mengembangkan metode untuk menentukan kontur benda diam di balik dinding menganalisis distorsi sinyal Wi-Fi.
Metodenya, disebut Wiffract didasarkan pada pendeteksian perubahan sinyal yang terjadi jatuh tempo terhadap interaksi gelombang elektromagnetik berasal dari pemancar Wi-Fi dengan tepian benda.
“Pencitraan lanskap diam dengan WiFi merupakan tantangan besar karena kurangnya pergerakan,” kata Mostofi, profesor teknik elektro dan komputer. “Kami kemudian mengambil pendekatan yang sangat berbeda untuk mengatasi masalah sulit ini, dengan fokus pada penelusuran tepi objek.” Usulan metodologi dan hasil eksperimen muncul dalam Prosiding Konferensi Radar Nasional IEEE 2023 (RadarConf) pada 21 Juni 2023.
Para peneliti menjelaskan hal itu ketika gelombang frekuensi radio (RF) dari Wifi menemukan titik tepi, menghasilkan kerucut dari sinar yang keluar dikenal sebagai "kerucut Keller" berpedoman pada prinsip teori difraksi geometri (GTD).
Disebutkan bahwa model matematika Wiffract dapat menangkap tepi objek diam menggunakan teori GTD dan kerucut Keller yang sesuai. Setelah mengidentifikasi “titik tepi berkeyakinan tinggi”, Wiffract dapat merekonstruksi bentuk objek sekaligus menyempurnakan peta tepi yang dihasilkan menggunakan teknik visi komputer tingkat lanjut.
Peralatan matematika yang digunakan peneliti didasarkan pada teori geometri difraksi GTD, yang menggambarkan efek yang terjadi ketika gelombang elektromagnetik mengelilingi rintangan.
Demo Wifraksi
Dalam GTD, energi diasumsikan merambat sepanjang sinar dan medan gelombang dianggap sebagai jumlah dari medan tipe sinar. Selain sinar datang, sinar bias dan sinar pantul, Teori GDT memperkenalkan konsep sinar terdifraksi, yang terjadi ketika petir menyambar tepi atau titik tajam pada permukaan suatu benda.
Jika berkas mengenai suatu tepi, maka sinar-sinar yang terdifraksi membentuk permukaan kerucut Keller yang sudut bukaannya sama dengan dua kali sudut antara berkas datang dan garis singgung permukaan tepi pada titik difraksi. Jika sinar datang tegak lurus terhadap garis singgung tepi maka kerucut menjadi bidang, dan jika mengenai ujung titik sudut, maka sinar difraksi akan menyimpang seragam ke segala arah.
“Ketika gelombang tertentu mencapai suatu titik tepi, maka muncullah kerucut sinar yang keluar menurut Teori Difraksi Geometris (GTD) Keller, yang disebut kerucut Keller,” jelas Mostofi. Para peneliti mencatat bahwa interaksi ini tidak terbatas pada tepi yang terlihat tajam, namun berlaku pada permukaan yang lebih luas dengan kelengkungan yang cukup kecil.
“Bergantung pada orientasi tepinya, kerucut meninggalkan jejak yang berbeda (yaitu bagian kerucut) pada kisi penerima tertentu. “Kami kemudian mengembangkan kerangka matematika yang menggunakan jejak berbentuk kerucut ini sebagai tanda tangan untuk menyimpulkan orientasi tepi, sehingga menciptakan peta tepi pemandangan,” lanjut Mostofi.
Metode yang diusulkan tidak memerlukan pelatihan awal jaringan saraf dan tidak terbatas hanya pada mengidentifikasi objek yang dicakup selama pembelajaran mesin. Sebaliknya, jaringan saraf mencoba membuat ulang kontur objek sembarang dengan mengikuti tepinya.
Penganalisis sinyal yang mengemulasi sekumpulan antena penerima Wi-Fi memperhitungkan perubahan kekuatan sinyal pada titik-titik individual pada bidang dua dimensi. Dalam sinyal yang mencapai penganalisis, jaringan saraf mendeteksi distorsi karakteristik gelombang terdifraksi yang dihasilkan ketika gelombang menumbuk suatu tepi dan menciptakan kembali posisi spasial tepinya.
Sebagai demonstrasi metode ini, para peneliti mengatur pendeteksian tiruan huruf alfabet Inggris yang ditempatkan di balik dinding, menggunakan tiga pemancar sinyal nirkabel khas yang beroperasi pada frekuensi Wi-Fi.
Untuk menerima sinyal, keranjang pemindai dibuat dengan beberapa penerima Wi-Fi yang bergerak maju mundur meniru sekumpulan antena. Perlu dicatat bahwa metode ini tidak hanya berfungsi untuk objek dengan tepi tajam yang terlihat, tetapi juga berlaku untuk objek dengan tingkat kelengkungan permukaan yang sedikit.
akhirnya jika kamu tertarik untuk mengetahui lebih banyak tentangnya, Anda dapat memeriksa detailnya di link berikut.