Вифракт основан на способе интерпретации этих сигналов для обнаружения краев объектов и их ориентации.
Стало известно, что команда исследователи из Калифорнийского университета в Санта-Барбаре разработал метод определения контуров стационарных объектов за стеной анализирует искажения сигнала Wi-Fi.
Метод, названный Вифракт основан на обнаружении изменений в сигнале, которые происходят задолженности к взаимодействию электромагнитных волн исходящие от передатчика Wi-Fi с краев объектов.
«Изображение фиксированных ландшафтов с помощью Wi-Fi является серьезной проблемой из-за отсутствия движения», — сказал Мостофи, профессор электротехники и компьютерной инженерии. «Затем мы применили совершенно другой подход к решению этой сложной проблемы, сосредоточившись на отслеживании краев объектов». Предлагаемая методология и результаты экспериментов появились в материалах Национальной радиолокационной конференции IEEE 2023 года (RadarConf) 21 июня 2023 года.
Исследователи объясняют это когда радиочастотная волна (РФ) Wi-Fi находит крайнюю точку и генерирует конус исходящих лучей известный как «конус Келлера» руководствуясь принципами геометрической теории дифракции (ГТД).
Отмечается, что математическая модель Wiffract может захватывать края стационарных объектов, используя теорию GTD. и соответствующие конусы Келлера. Как только Wiffract определит «граничные точки с высокой достоверностью», он сможет реконструировать формы объектов, одновременно улучшая полученную карту краев, используя передовые методы компьютерного зрения.
Математический аппарат, используемый исследователями, основан на геометрической теории дифракции ГТД, которая описывает эффекты, возникающие, когда электромагнитная волна окружает препятствия.
Демо-версия Вифракта
В ГТД предполагается, что энергия распространяется вдоль лучей а волновое поле рассматривается как сумма полей лучевого типа. Помимо падающих, преломленных и отраженных лучей, Теория GDT вводит понятие дифрагированных лучей, которые возникают, когда молния ударяет в острый край или точку на поверхности объекта.
Если луч попадает на край, дифрагированные лучи образуют поверхность конуса Келлера, угол раскрытия которого равен удвоенному углу между падающим лучом и касательной к поверхности края в точке дифракции. Если падающий луч перпендикулярен касательной к ребру, конус становится плоскостью, а если он попадает на вершину вершины, то дифрагированные лучи равномерно расходятся во все стороны.
«Когда данная волна достигает краевой точки, возникает конус исходящих лучей в соответствии с геометрической теорией дифракции Келлера (GTD), называемый конусом Келлера», — объяснил Мостофи. Исследователи отмечают, что это взаимодействие не ограничивается явно острыми краями, а распространяется на более широкий набор поверхностей с достаточно малой кривизной.
«В зависимости от ориентации края конус оставляет на данной приемной решетке разные следы (т. е. конические участки). «Затем мы разработали математическую основу, которая использует эти конические следы в качестве сигнатур для определения ориентации краев, создавая таким образом карту краев сцены», — продолжил Мостофи.
Предлагаемый метод не требует предварительного обучения нейронной сети. и не ограничивается только идентификацией объектов, охватываемых в ходе машинного обучения. Вместо этого нейронная сеть пытается воссоздать контуры произвольных объектов, следуя их краям.
Анализатор сигналов, имитирующий набор антенн приемника Wi-Fi. учитывает изменения мощности сигнала в отдельных точках двумерной плоскости. В сигнале, дошедшем до анализатора, нейронная сеть обнаруживает характерные искажения дифрагированных волн, которые возникают, когда волна падает на край и воссоздает пространственное положение краев.
В качестве демонстрации метода исследователи организовали обнаружение макетов букв английского алфавита, размещенных за стеной, с помощью трех типовых беспроводных передатчиков сигналов, работающих на частотах Wi-Fi.
Для приема сигнала была создана сканирующая тележка с несколькими приемниками Wi-Fi, которые перемещаются вперед и назад, имитируя набор антенн. Следует отметить, что метод работает не только для объектов с видимыми острыми краями, но применим и к объектам с небольшим уровнем кривизны поверхности.
наконец, если вы интересно узнать об этом больше, вы можете проверить подробности в по следующей ссылке.