Wi-Fi 傳感技術(shù)有望為各種嵌入式和邊緣系統(tǒng)帶來(lái)顯著優(yōu)勢(shì)。僅使用 Wi-Fi 接口在正常操作下已生成的無(wú)線電信號(hào)，Wi-Fi 傳感理論上可以使嵌入式設(shè)備檢測(cè)人類的存在、估計(jì)他們的運(yùn)動(dòng)、估計(jì)他們的位置，甚至感知手勢(shì)和微妙的動(dòng)作，例如如呼吸和心跳。

　　智能家居、娛樂(lè)、安全和安全系統(tǒng)都可以從這種能力中受益。例如，汽車中的小型傳感器可以檢測(cè)后座乘客的存在，這很快就會(huì)成為新型乘用車的要求。它甚至可以檢測(cè)到孩子在毯子下呼吸，因?yàn)樗恍枰暰€。或者，家庭中的廉價(jià)無(wú)線監(jiān)視器可以在房間內(nèi)或穿過(guò)墻壁檢測(cè)到有人跌倒，這在家庭護(hù)理情況下是救生員。

　　圖 1 Wi-Fi 傳感可以在任何支持 Wi-Fi 的設(shè)備上執(zhí)行，并在功耗和處理性能之間取得適當(dāng)?shù)钠胶?。資料Synaptics
　　直到近，這種傳感只能通過(guò)無(wú)源 RF 接收器依賴附近 Wi-Fi 接入點(diǎn)的處理能力來(lái)完成?，F(xiàn)在，它可以在每臺(tái)支持 Wi-Fi 的終端設(shè)備上完成。本文探討了設(shè)計(jì)師如何從理論轉(zhuǎn)向交付的產(chǎn)品。
　　怎么運(yùn)行的
　　Wi-Fi 傳感的優(yōu)點(diǎn)在于它使用已有的東西：Wi-Fi 設(shè)備用于通信的射頻信號(hào)。原則上，Wi-Fi 接收設(shè)備可以在接收到這些 RF 信號(hào)時(shí)檢測(cè)這些信號(hào)的變化，并根據(jù)這些變化推斷接收器周圍區(qū)域中人員的存在、運(yùn)動(dòng)和位置。
　　早期嘗試使用 Wi-Fi 接口的接收信號(hào)強(qiáng)度指示器 (RSSI)，這是接口定期產(chǎn)生的一個(gè)數(shù)字，用于指示平均接收信號(hào)強(qiáng)度。與被動(dòng)紅外運(yùn)動(dòng)探測(cè)器將 IR 強(qiáng)度的變化解釋為傳感器附近的運(yùn)動(dòng)的方式大致相同，這些 Wi-Fi 傳感器將 RSSI 值的變化解釋為接收器附近物體的出現(xiàn)或運(yùn)動(dòng)。
　　例如，一個(gè)人可以通過(guò)在接收器和接入點(diǎn)的發(fā)射器之間行走來(lái)阻擋信號(hào)，或者路過(guò)的人可以改變到達(dá)接收器的多徑混合。
　　在現(xiàn)實(shí)世界中，即使附近沒(méi)有人，RSSI 也不穩(wěn)定。將噪聲、發(fā)射機(jī)增益變化和許多其他來(lái)源的影響與人的實(shí)際外觀分開(kāi)可能具有挑戰(zhàn)性。
　　這促使研究人員轉(zhuǎn)向更豐富、更新更頻繁、更穩(wěn)定的數(shù)據(jù)流。隨著多天線和多種副載波頻率的出現(xiàn)，發(fā)射機(jī)和接收機(jī)需要比 RSSI 更多的信息來(lái)優(yōu)化天線使用和副載波分配。他們的解決方案是利用 802.11n 標(biāo)準(zhǔn)中的信道狀態(tài)信息 (CSI)。任何兼容的接收器都應(yīng)該可以提供該信息，但準(zhǔn)確性可能會(huì)有所不同。
　　圖 2 Wi-Fi 片上系統(tǒng) (SoC) 可以分析 CSI，了解信號(hào)傳播通道中的細(xì)微變化，從而檢測(cè)存在、運(yùn)動(dòng)和手勢(shì)。資料Synaptics
　　每次激活子載波時(shí)，接收器都會(huì) CSI。它本質(zhì)上是一個(gè)復(fù)數(shù)矩陣，每個(gè)元素傳達(dá)發(fā)射和接收天線的一種組合的幅度和相位。三個(gè)發(fā)射天線、兩個(gè)接收天線的通道將是一個(gè) 3 x 2 陣列。接收器為每個(gè)子載波激活生成一個(gè)新矩陣。因此，總的來(lái)說(shuō)，接收器為每個(gè)活動(dòng)子載波維護(hù)一個(gè)矩陣。
　　CSI 捕獲的信息遠(yuǎn)多于 RSSI，包括每個(gè)路徑和頻率的衰減和相移。原則上，所有這些數(shù)據(jù)都包含有關(guān)發(fā)射器和接收器周圍環(huán)境的大量信息。在實(shí)踐中，技術(shù)論文已經(jīng)報(bào)道了通過(guò)分析 CSI 的變化來(lái)準(zhǔn)確推斷人類測(cè)試對(duì)象的存在、位置、運(yùn)動(dòng)和手勢(shì)。
　　捕獲狀態(tài)數(shù)據(jù)
　　任何兼容的 Wi-Fi 接口都應(yīng)該生成 CSI 數(shù)據(jù)流。那部分很容易。然而，傳感器系統(tǒng)的工作是處理數(shù)據(jù)并從中做出推斷。按照視頻圖像處理的慣例，該過(guò)程通常分為三個(gè)階段：數(shù)據(jù)準(zhǔn)備、特征提取和分類。
　　個(gè)挑戰(zhàn)是數(shù)據(jù)準(zhǔn)備。雖然 CSI 比 RSSI 穩(wěn)定得多，但它仍然有噪聲，這主要是由于附近發(fā)射器的干擾。訣竅是消除噪聲，而不平滑下一階段提取特征所依賴的有時(shí)細(xì)微的幅度或相位變化。但如何做到這一點(diǎn)取決于提取算法，終取決于分類算法以及所感測(cè)的內(nèi)容。
　　一些準(zhǔn)備算法可能只是將 CSI 數(shù)據(jù)集中到時(shí)間段中，丟棄異常值，并尋找幅度的變化。其他人可能會(huì)嘗試提取和放大子載波上相位關(guān)系中難以捉摸的變化。因此，數(shù)據(jù)準(zhǔn)備可以是從簡(jiǎn)單的時(shí)間序列過(guò)濾器到要求嚴(yán)格的統(tǒng)計(jì)算法的任何內(nèi)容。
　　分析與推斷
　　管道的下一階段將分析清理后的數(shù)據(jù)流以提取特征。這個(gè)過(guò)程在某種程度上類似于視覺(jué)處理中的特征提取。實(shí)際上，情況卻截然不同。例如，視覺(jué)處理可以對(duì)像素使用簡(jiǎn)單的數(shù)值計(jì)算來(lái)識(shí)別圖像中的邊緣和表面，然后推斷被邊緣包圍的表面是對(duì)象。
　　但 Wi-Fi 傳感器無(wú)法處理圖像。他們獲得的幅度和相位數(shù)據(jù)流與房間中物體的形狀沒(méi)有任何明顯的關(guān)系。Wi-Fi 傳感器必須提取的特征不是物體的圖像，而是數(shù)據(jù)流中的異常特征，這些異常特征既持久又相關(guān)，足以指示環(huán)境的重大變化。
　　因此，提取算法不會(huì)簡(jiǎn)單地操縱像素，而是會(huì)執(zhí)行復(fù)雜的統(tǒng)計(jì)分析。提取階段的輸出將是 CSI 數(shù)據(jù)的簡(jiǎn)化表示，僅顯示算法確定為數(shù)據(jù)重要特征的異常。
　　流程的階段是分類。這是 Wi-Fi 傳感器嘗試解釋提取階段的異常情況的地方。解釋可能是一個(gè)簡(jiǎn)單的二元決定：現(xiàn)在房間里有人嗎？這個(gè)人是站著還是坐著？他們?cè)诘箚幔?br>　　或者可能是更定量的評(píng)估：這個(gè)人在哪里？它們的速度矢量是多少？或者這可能是一個(gè)幾乎定性的判斷：這個(gè)人是否做出了可識(shí)別的手勢(shì)？他們有呼吸嗎？
　　決策的性質(zhì)將決定分類算法。通常，站在房間里的人與 CSI 數(shù)據(jù)的終變化之間沒(méi)有明顯的、可預(yù)測(cè)的聯(lián)系。因此，開(kāi)發(fā)人員必須從測(cè)試用例中收集實(shí)際的 CSI 數(shù)據(jù)，然后構(gòu)建統(tǒng)計(jì)模型或參考模板（通常稱為指紋）。然后，分類器可以使用這些模型或模板來(lái)地匹配提取器的特征和已知情況。
　　另一種方法是機(jī)器學(xué)習(xí) (ML)。開(kāi)發(fā)人員可以將提取的特征和這些特征的正確分類輸入支持向量機(jī)或深度學(xué)習(xí)網(wǎng)絡(luò)，訓(xùn)練模型以正確分類特征的抽象模式。近的論文表明，這可能是強(qiáng)大的分類方法，據(jù)報(bào)道，某些分類問(wèn)題的準(zhǔn)確率達(dá)到 90% 到 100%。
　　Wi-Fi 傳感實(shí)施
　　實(shí)現(xiàn)嵌入式 Wi-Fi 傳感設(shè)備的前端非常簡(jiǎn)單。所需要的只是一個(gè)符合 802.11n 標(biāo)準(zhǔn)的接口來(lái)提供準(zhǔn)確的 CSI 數(shù)據(jù)。后端更具挑戰(zhàn)性，因?yàn)樗枰诠暮凸δ苤g進(jìn)行權(quán)衡。
　　對(duì)于數(shù)據(jù)準(zhǔn)備階段，簡(jiǎn)單的過(guò)濾可能在一個(gè)小的CPU核的范圍內(nèi)。畢竟，只有當(dāng)子載波被激活時(shí)，小矩陣才會(huì)到達(dá)。但更復(fù)雜的統(tǒng)計(jì)算法將需要低功耗 DSP 內(nèi)核。用于特征提取的統(tǒng)計(jì)技術(shù)也可能需要 DSP 的強(qiáng)大功能和效率。
　　分類是另一回事。所有的方法都很容易在云中實(shí)現(xiàn)，但這對(duì)于隔離的嵌入式傳感器甚至是必須限制其上游帶寬以節(jié)省能源的邊緣設(shè)備來(lái)說(shuō)幾乎沒(méi)有幫助。
　　縱觀算法的發(fā)展軌跡，從指紋匹配到隱馬爾可夫模型，再到支持向量機(jī)和深度學(xué)習(xí)網(wǎng)絡(luò)，這一趨勢(shì)表明未來(lái)系統(tǒng)將越來(lái)越依賴于低功耗深度學(xué)習(xí)推理加速器。因此，Wi-Fi 傳感片上系統(tǒng) (SoC) 很可能包括 CPU、DSP 和推理加速器。
　　然而，隨著這種架構(gòu)變得更加明顯，我們看到了一個(gè)諷刺。Wi-Fi 傳感相對(duì)于其他傳感技術(shù)的優(yōu)勢(shì)在于其優(yōu)雅的概念簡(jiǎn)單性。但當(dāng)我們揭示將 CSI 中瞬息萬(wàn)變的轉(zhuǎn)變轉(zhuǎn)化為準(zhǔn)確推論的真正復(fù)雜性時(shí)，其他事情就變得清晰起來(lái)。
　　將成功的 Wi-Fi 傳感設(shè)備推向市場(chǎng)需要與具有正確的低功耗 IP、設(shè)計(jì)經(jīng)驗(yàn)以及對(duì)現(xiàn)有和新興算法的深入了解的 SoC 開(kāi)發(fā)人員密切合作。選擇開(kāi)發(fā)合作伙伴可能是開(kāi)發(fā)人員必須做出的眾多決策中重要的決策之一。