Вченим вдалося «прочитати» слова за стіною за допомогою Wi-Fi

Виявляється, сигнали Wi-Fi можуть зробити набагато більше, ніж передавати фільми та музику по дому: їх також можна використовувати для ідентифікації форм крізь суцільні стіни, як продемонстрували нещодавні експерименти. Здатність Wi-Fi розпізнавати рух крізь стіни демонструвалася раніше, але цій технології важко побачити все, що не рухається.

Щоб подолати це обмеження, дослідники з Університету Каліфорнії в Санта-Барбарі (UCSB) розробили налаштування Wi-Fi, щоб зосередитися саме на краях об’єктів, подібно до того, як людина малює контур. Цей підхід означав, що дослідники змогли використати те, що називається геометричною теорією дифракції (або GTD), яка описує поведінку хвиль, коли вони стикаються з краями об’єктів, спричиняючи інтерференцію або дифракцію у хвилях.

У цьому випадку хвилі є сигналами Wi-Fi, які утворюють форми, які називаються конусами Келлера, коли вони дифрагують навколо країв об’єктів. Інтерпретуючи склад і напрям цих конусів Келлера, можна поступово розкрити сцену.

«Потім ми розробляємо математичну структуру, яка використовує ці конічні відбитки як підписи для визначення орієнтації країв, створюючи таким чином краєву карту сцени», — каже інженер-електрик та комп’ютер Ясамін Мостофі з UCSB. Налаштування під назвою Wiffract, створене Мостофі та його колегами, включає три передавачі Wi-Fi для надсилання сигналів і пересувний приймач, який ловить їх, коли вони підстрибують.

Ми знаємо, що хвилі Wi-Fi можуть проходити крізь стіни – якби цього не було, ваш маршрутизатор був би марним, але ці хвилі також впливають, коли вони вдаряються об об’єкти. Тоді для визначення форм, які відповідають конусам Келлера, потрібні певні складні математичні обчислення (і обґрунтовані припущення). Використовуючи дані з країв, які мають точне зчитування, вчені змогли покращити здатність системи виявляти краї зі слабшим зчитуванням, можливо, далі від передавачів або в прихованому місці.

«Коли ми знаходимо крайові точки з високою ймовірністю за допомогою запропонованого ядра візуалізації, ми поширюємо їхню інформацію на решту точок за допомогою Байєсівського розповсюдження інформації», — каже інженер-електрик Анураг Паллапролу з Каліфорнійського університету в Санта-Барбарі.

Статистична обробка чисел, яка бере участь у розповсюдженні Байєсівської інформації, схожа на роботу над головоломкою: якщо ви впевнені щодо положення деяких частин, ви можете визначити положення та форму частин, необхідних для заповнення прогалин. .

Ще потрібно багато налаштувати, але система вже може розпізнавати великі літери. Зрештою, його можна використовувати де завгодно: від аварійно-рятувальної служби до моніторингу розумного дому, «бачення» всередині приміщень, коли немає прямої видимості. Джерело