Wiffract é baseado em uma forma de interpretar esses sinais para detectar as bordas dos objetos e sua orientação
Foi divulgada a notícia de que uma equipe de pesquisadores da Universidade da Califórnia em Santa Bárbara desenvolveu um método para determinar os contornos de objetos estacionários atrás de uma parede analisando a distorção do sinal Wi-Fi.
O método, chamado Wifract é baseado na detecção de mudanças no sinal que ocorrem devido à interação de ondas eletromagnéticas proveniente de um transmissor Wi-Fi com as bordas dos objetos.
“Imagem de paisagens fixas com WiFi é um desafio considerável devido à falta de movimento”, disse Mostofi, professor de engenharia elétrica e de computação. “Adotamos então uma abordagem completamente diferente para lidar com esse problema difícil, concentrando-nos em traçar as bordas dos objetos”. A metodologia proposta e os resultados experimentais apareceram nos Anais da Conferência Nacional de Radar IEEE 2023 (RadarConf) em 21 de junho de 2023.
Os pesquisadores explicam que quando uma onda de radiofrequência (RF) de Wifi encontra um ponto limite e gera um cone dos raios que saem conhecido como "cone de Keller" guiado pelos princípios da teoria da difração geométrica (GTD).
É mencionado que o modelo matemático de Wifract pode capturar as bordas de objetos estacionários usando a teoria GTD e os cones de Keller correspondentes. Depois de identificar “pontos de borda de alta confiança”, o Wiffract pode reconstruir formas de objetos e, ao mesmo tempo, melhorar ainda mais o mapa de bordas resultante usando técnicas avançadas de visão computacional.
O aparato matemático utilizado pelos pesquisadores é baseado na teoria geométrica da difração GTD, que descreve os efeitos que ocorrem quando uma onda eletromagnética envolve obstáculos.
Demonstração do Wifract
No GTD, assume-se que a energia se propaga ao longo dos raios e o campo de onda é considerado como a soma dos campos do tipo de raio. Além dos raios incidentes, refratados e refletidos, A teoria GDT introduz o conceito de raios difratados, que ocorrem quando um raio atinge uma borda ou ponto afiado na superfície de um objeto.
Se o feixe atingir uma borda, os raios difratados formam a superfície de um cone de Keller cujo ângulo de abertura é igual a duas vezes o ângulo entre o feixe incidente e a tangente à superfície da borda no ponto de difração. Se o raio incidente for perpendicular à tangente à aresta, o cone torna-se um plano, e se atingir a ponta do vértice, os raios difratados divergem uniformemente em todas as direções.
"Quando uma determinada onda atinge um ponto extremo, um cone de raios emitidos emerge de acordo com a Teoria Geométrica da Difração (GTD) de Keller, chamado cone de Keller", explicou Mostofi. Os investigadores observam que esta interação não se limita a arestas visivelmente afiadas, mas se aplica a um conjunto mais amplo de superfícies com curvatura suficientemente pequena.
“Dependendo da orientação da borda, o cone deixa diferentes traços (ou seja, seções cônicas) em uma determinada grade receptora. “Desenvolvemos então uma estrutura matemática que usa esses traços cônicos como assinaturas para inferir a orientação das bordas, criando assim um mapa de bordas da cena”, continuou Mostofi.
O método proposto não requer treinamento preliminar da rede neural e não se limita apenas a identificar os objetos abordados durante o aprendizado de máquina. Em vez disso, a rede neural tenta recriar os contornos de objetos arbitrários seguindo suas bordas.
Um analisador de sinal que emula um conjunto de antenas receptoras Wi-Fi leva em consideração as mudanças na potência do sinal em pontos individuais em um plano bidimensional. No sinal que chega ao analisador, a rede neural detecta distorções características das ondas difratadas que são produzidas quando uma onda colide com uma borda e recria a posição espacial das bordas.
Como demonstração do método, os pesquisadores organizaram a detecção de maquetes de letras do alfabeto inglês colocadas atrás de uma parede, usando três típicos transmissores de sinal sem fio operando em frequências Wi-Fi.
Para receber o sinal, foi criado um carrinho de varredura com diversos receptores Wi-Fi que se movem para frente e para trás emulando um conjunto de antenas. Deve-se notar que o método funciona não apenas para objetos com arestas vivas visíveis, mas também é aplicável a objetos com um leve nível de curvatura superficial.
finalmente se você está interessado em saber mais sobre isso, você pode verificar os detalhes no link a seguir