WiFi感知的基本原理和相关挑战...

北京大学张大庆老师相关的讲座总结：

1. 在室内环境，RF信号的传播受到物理空间的约束，导致信号从发射端经由达到接收端。一方面，物理空间约束了RF的传播，另一个方面到达接收端的RF也记录了它所穿越的物理空间的特征。

2. 当人在物理空间中时，额外的路径会由于人对信号的反射，衍射而引入。因此，人的行为对RF信号的传播所造成的影响，会被到达接受的RF信号所刻画。通过将这些信号的变化与人的不同行为之间建立映射关系，就奠定了基于WiFi信号的人体行为感知的基本思想。

WiFi感知一直存在两个共性问题：

1.基于模式识别，参数选择靠试错，很难做到100%的识别率

2.缺乏对别后机理的理解，WiFi能感知什么不能感知什么？

对最重要的科学问题缺少答案：

1.WiFi感知的理论基础是什么？

2.WiFi感知的理论边界在哪里？

研究目标：

试图提出一个通用、精确的人体感知模型

--揭示感知的基本原理和感知极限

--将细、粗粒度的行为识别和室内定位应用统一起来

我们在国际上首次：

--将原用于光波传播的菲涅耳区模型引入到室内来刻画无线电波的传输

--揭示了用WiFi信号实现感知的理论基础，给出了理论上的感知极限

细粒度活动可靠感知毫米级位移：

---揭示了微小活动的感知机制、机理

---回答了微小活动可检测性的基本问题

---室内呼吸监测性能

粗粒度活动分类识别分米级位移：

---提出了连续活动切割、识别技术

---实现了跌倒、移动方向和位置监测

---室内跌倒监测、定位跟踪

WiFi信号感知极限：

对5GHz频段的WiFi，其波长n在5.7厘米左右，根据理论模型，当目标的位移导致的反射路径长度变化超过5.7厘米时，动态向量可以旋转超过一周，产生一个完整的正弦信号；当发射路径的长度变化小于5.7厘米时，动态向量的选择角度小于360度，仅产生完整正弦信号的一个片段。即路径长度变化与向量旋转角度满足一个公式：

根据上面式子，5毫米呼吸体动带来的发射路径长度变化1厘米时，向量旋转角度大约是11弧度，因此，1毫米的人体位移对应相位旋转在12.6度。那么WiFi是否具有毫米级以下的感知能力，关键在能否检测到不足12.6度的正弦信号片段，还取决于位置。这既是WiFi感知极限评判的理论基础。

******************************************************************************************************************************

本次讲座主要讲了目前关于无线感知存在的几个难点以及熊杰老师团队最近的最新工作。无线感知利用室内覆盖的WiFi信号感知人体行为，这里不是使用传感器设备，而是利用信号本身的变化来感知和识别。目前关于无线感知的研究工作以及公开发表的工作主要分为两个大类：

1）基于应用的研究

具体来说，针对某个感知应用，设计算法、框架在单一室内环境下实现目标。

2）基于主要问题的研究

具体来说，针对无线感知研究目前存在的共性问题，提出解决方案。此外，提出的解决方案能够解决基于无线感知的不同应用研究。（目前熊杰老师在主攻这一块，包括多源感知问题中的信号分离，无线感知距离受限问题）

目前存在的几大难点如下：

1）无源多目标感知

目前的大多数研究工作主要在做单目标的感知、定位。一旦涉及到多目标问题，由于当前带宽和天线阵列数量的限制，无法分离出每个目标对象产生的反射信号。导致采集的信号都是来自多个目标对象的混合信号。

2）感知距离受限。

WiFi信号的通信距离大概在10-20米左右，但是感知距离在2-3米左右。WiFi感知主打应用于室内环境，然后感知距离在2-3米左右，这种感知范围在实际的室内环境是无法应用的。所以需要提升感知距离。

感知媒介	感知距离	通信距离
WiFi	2-3米	10-20米
Acoustic signal	<1米	百米内
LoRa	<10米	<5000米

3）感知性能的不稳定性

据我们所知，目前研究工作效果都比较好，但是存在一个不足：不稳定性。设计的方案或者算法在某个环境下效果非常好，换到另一个环境效果则大大折扣。此外，同一个环境下的不同时间段，效果也不一样。这个问题一部分是WiFi信号本身的属性造成的，另一个部分还是采集信号和处理信号过程没有达到最优（这部分很难，因为人为因素太多）

目前为了解决该问题，有两个研究思路在进行：

--尝试利用深度学习、机器学习等数据层面上进行研究，挖掘更细粒度的数据表示、提升已有的方案的鲁棒性。缺点无法解释对较好效果进行有效解释。

--尝试从数学理论层面，来分析信号在传播过程中遇到障碍物、动态物体，信号是如何变化的？如何衰减的？从定性分析到定量分析。这个思路把信号处理知识与统计学理论相结合，提出具有一定可解释性的理论。缺点需要信号处理技术相关的知识和背景，对信号系统较为熟悉。

4）感知粒度还是粗粒度，不够细致。

目前无线感知可以做到对人体行为识别、跟踪、生命特征监测（呼吸，但是心跳还不行）。但是更细粒度的行为是无法高精度识别的，例如唇部、喉咙等。由于WiFi处于2.4GHz频段，波长为12cm，小于12cm的动态物体是无法感知到的。当前60GHz的应用做类似细粒度动作是比较好的。

在讲座的过程中，熊杰老师提到绝对距离定位和相对距离定位之间的差别。

相对距离定位是比较好做，具体来说，基于声音信号的跟踪，能够做到手指跟踪精度达到0.1毫米。这里是指手指移动哪怕0.1毫米也能够感知到，但是无法确定手指具体的起始点（即绝对位置）。所以说相对距离定位是比绝对距离定位容易一些。（这部分阐述没有说的很明白，回头看南京大学王炜老师的手机背面移动手指能够跟踪到手指移动的距离这篇论文。）

熊杰老师团队做的无线感知工作都非常好，论文写作非常棒，值得借鉴。

备注：个人理解，有些地方可能存在理解不到位，还请多多原谅。