অ্যাপ্লিকেশন & ওয়াইফাই ইমেজিংয়ের সীমা

তথ্য প্রযুক্তি, সাধারণত IT নামে পরিচিত, অটোমোবাইল, হাউজিং, সফ্টওয়্যার এবং ওষুধের মতো অনেক শিল্পকে উন্নত করেছে। আইটি বিশেষজ্ঞ এবং বিজ্ঞানীরা ওয়াই-ফাই ইমেজিং নামে পরিচিত একটি শক্তিশালী ইমেজিং প্রযুক্তির সম্ভাব্যতাও অন্বেষণ করেছেন।

কম্পিউটেশনাল ইমেজিং প্রযুক্তির অবজেক্ট সনাক্তকরণ এবং শনাক্তকরণের বিশাল সুযোগ রয়েছে। বিজ্ঞানীরা ঐতিহ্যগত মাইক্রোওয়েভ ইমেজিং ব্যবহার করে অনেক কৌশল তৈরি করেছেন। যাইহোক, তারা ফলপ্রসূ ফলাফল পেতে পারেনি।

তাই তারা প্রযুক্তির উন্নতি করেছে এবং Wi-Fi ইমেজিং চালু করেছে যা আমরা এই পোস্টে কভার করব।

ওয়্যারলেস ইমেজিং কী?

ওয়্যারলেস ইমেজিং হল একটি প্রযুক্তি যা একটি ওয়্যারলেস নেটওয়ার্কের মাধ্যমে ছবি ধারণ করে এবং প্রেরণ করে। এটি সহজ শোনাতে পারে, কিন্তু তা নয়৷

ওয়্যারলেস ইমেজিং একটি বিস্তৃত ধারণা যা একাধিক শিল্পকে কভার করে, যার মধ্যে রয়েছে:

• অটোমোবাইল
• স্মার্ট হোম বা IoT<6
• ইন্ডাস্ট্রিয়াল অ্যাপ্লিকেশানগুলি

আমরা অ্যাপ্লিকেশানগুলির মধ্য দিয়ে যাব এবং ওয়াইফাই ইমেজিংয়ের ক্ষেত্রে ব্যবহার করব৷ তবে প্রথমে আসুন এই প্রযুক্তিটি কী তা বোঝা যাক।

ভূমিকা

ওয়াই-ফাই বা ওয়্যারলেস ইন্টারনেট প্রযুক্তি, 1997 সালে চালু হয়েছিল যখন লোকেরা আধুনিক নেটওয়ার্কিং ডিভাইসগুলি ব্যবহার করা শুরু করেছিল। তার আগে, টেলিফোন লাইন এবং অনুরূপ অন্যান্য তারের সংযোগগুলি ছিল ইন্টারনেটের উত্স৷

যেহেতু প্রযুক্তিটি পুরানো ছিল, ব্যবহারকারীরা কখনই কেবল ইন্টারনেট থেকে ভালো কিছু পাননি৷ এটি ধীরগতির এবং নেটওয়ার্ক ব্যাঘাতে পূর্ণ ছিল। এটাও ছিলদুটি স্থানিক ফ্রিকোয়েন্সি মাত্রায় একটি দরকারী ফলাফল পেতে প্যাটার্নের অনুভূমিক এবং উল্লম্ব অক্ষ জানা গুরুত্বপূর্ণ৷

Wi-Fi ইমেজিংয়ের অ্যাপ্লিকেশন

ওয়াই-ফাই ইমেজিংয়ের বেশ কয়েকটি অ্যাপ্লিকেশন হচ্ছে বাণিজ্যিক এবং শিল্প উদ্দেশ্যে ব্যবহৃত। উদাহরণস্বরূপ।

ইনভেন্টরি ট্র্যাকিং

শপিং সেন্টার এবং মলগুলি ইনভেন্টরি পরিচালনার জন্য রাডার সেন্সর ব্যবহার করে ট্রলি ব্যবহার করে। এই রাডার-নিয়ন্ত্রিত ট্রলিগুলির কোনও সেন্সর ট্যাগের প্রয়োজন নেই কারণ প্রতিটি ট্রলি একটি বিশেষ আইডি দিয়ে কাজ করে৷

ডাটাবেস ট্রলিগুলিকে কয়েকটি দলে ভাগ করে এবং তারপর সুপারভাইজার প্রতিটি দলকে একটি কাজ বরাদ্দ করে৷

এই ট্রলি গুদামগুলির ইনভেন্টরিগুলি দক্ষতার সাথে পরিচালনা করতে সফল। তাছাড়া, গ্রাহকরা এই ট্রলিগুলি মার্টের প্রাঙ্গনে পেতে পারেন এবং নগদবিহীন ক্রয় পদ্ধতির মাধ্যমে কেনাকাটা উপভোগ করতে পারেন৷

স্মার্ট হোমস

আবাসন শিল্পে IoT হল পরবর্তী বড় অগ্রগতি৷ ওয়াই-ফাই ইমেজিং প্রযুক্তি বৃহৎ বস্তু সনাক্ত করতে ঐতিহ্যগত রাডার সনাক্তকরণ সম্পাদন করে, যার মধ্যে রয়েছে:

• দরজা
• উইন্ডোজ
• ফ্রিজ

আপনি আপনার বাড়ির বড় বস্তু নিয়ন্ত্রণ করতে অ্যান্টেনা এবং প্রয়োজনীয় সেন্সর স্থাপন করতে পারেন। উদাহরণস্বরূপ, অ্যান্টেনার অ্যারে দ্বারা পরিমাপ করা স্থানিক ফ্রিকোয়েন্সিগুলি বিদ্যমান যোগাযোগ সংকেতগুলি যাচাই করতে পারে এবং আপনাকে অবজেক্টের স্থিতি সম্পর্কে অবহিত করতে পারে৷

এছাড়াও, আপনি গড় স্থানিক পারস্পরিক সমন্বয় ব্যবহার করে পুরো সিস্টেমটি প্রোগ্রাম করতে পারেনএবং ওয়াই-ফাই সিগন্যাল প্রসেসিং ব্যবহার করে বস্তুর গতিবিধি নিয়ন্ত্রণ করার জন্য অনুভূমিক এবং উল্লম্ব দিকনির্দেশ।

এই অ্যাপ্লিকেশনটির প্রধান সীমাবদ্ধতা হল একটি স্থিতিশীল নেটওয়ার্ক থাকা কারণ প্যাসিভ ইমেজিং সিস্টেমে বস্তুর মাত্রা বিশ্লেষণ করার জন্য ওয়াইফাই সংকেত প্রয়োজন।

FAQs

ওয়াইফাই ডপলার কি?

ওয়াইফাই ডপলার হল একটি সেন্সিং প্রযুক্তি যা কোনো বস্তুর অবস্থান এবং গতিবিধি শনাক্ত করতে শুধুমাত্র একটি ওয়াইফাই ডিভাইস ব্যবহার করে। ওয়াইফাই ডপলার ব্যবহার করে ফলাফল পেতে আপনার একাধিক ওয়াইফাই ডিভাইসের প্রয়োজন নেই।

ওয়াইফাই কি দেয়ালের মাধ্যমে দেখতে পারে?

হ্যাঁ। আপনি দেয়াল ভেদ করে দেখতে ওয়াই-ফাই সিগন্যাল ব্যবহার করতে পারেন।

দেয়াল ভেদ করতে আমি কিভাবে ওয়াইফাই পেতে পারি?

1. ওয়াই-ফাই রেঞ্জ এক্সটেন্ডার ব্যবহার করে ইন-হাউস ওয়াইফাই বুস্ট করুন।
2. একটি মেশ নেটওয়ার্ক স্থাপন করুন।

একাধিক ওয়াইফাই সিগন্যাল একে অপরের মাধ্যমে প্রেরণ করা হয় . কিভাবে?

রাউটারগুলি একই চ্যানেলে কাজ করলে ওয়াইফাই সিগন্যালগুলি সাধারণত ছেদ করে৷

ওয়াইফাই সিগন্যালগুলি কি ওয়াল ইমেজিংয়ের মাধ্যমে ফলাফল তৈরি করতে পারে?

হ্যাঁ। কারণ ওয়াইফাই রেডিও তরঙ্গ ব্যবহার করে যা দেয়াল ভেদ করে প্রবেশ করতে পারে।

উপসংহার

ইমেজ প্রসেসিং ডোমেনে ওয়াই-ফাই ইমেজিং সাধারণ হয়ে উঠছে কারণ প্রায় প্রতিটি আবাসিক, বাণিজ্যিক এবং শিল্পে এর উপলব্ধতা রয়েছে। স্থান তাই, ওয়াই-ফাই ইমেজিং ব্যবহার করে বস্তুর অবস্থান এবং গতিবিধি শনাক্ত করা হবে মানুষের সুবিধার জন্য পরবর্তী বড় প্রযুক্তি।

সময়ের সাথে সাথে, Wi-Fi অ্যাসোসিয়েশন ওয়্যারলেস প্রযুক্তিতে অগ্রগতি নিয়ে আসে এবং Wi-Fi ডিভাইসগুলি আপগ্রেড করে। এতে রাউটার, মডেম, সুইচ এবং বুস্টার অন্তর্ভুক্ত ছিল৷

এই ডিভাইসগুলি IEEE WLAN মানগুলি অনুসরণ করে যা সমস্ত ধরনের নেটওয়ার্ক স্টেশনগুলির সাথে কাজ করে৷ আমাদের বাড়ির ইন্টারনেট সংযোগে ব্যবহৃত সবচেয়ে সাধারণ WLAN মান হল 802.11ax৷

আমরা সবাই জানি যে Wi-Fi প্রযুক্তি আমাদের জীবনে কতটা গুরুত্বপূর্ণ হয়ে উঠেছে৷ Wi-Fi এর সাধারণ ব্যবহারগুলি নিম্নরূপ:

• যোগাযোগ
• ডেটা শেয়ারিং
• অনলাইন গেমিং

যেমন Wi-Fi প্রসারিত হয়েছে প্রায় প্রতিটি আবাসিক স্থান পর্যন্ত এর সুযোগ, বিজ্ঞানীরা আবিষ্কার করেছেন যে Wi-Fi অন্যান্য অ্যাপ্লিকেশনের জন্যও ব্যবহার করা যেতে পারে। ওয়াই-ফাই সিগন্যাল ব্যবহার করে মাইক্রোওয়েভ ইমেজিং প্রক্রিয়াকে এগিয়ে নিয়ে যাওয়া আবিষ্কারের মধ্যে একটি।

এগিয়ে যাওয়ার আগে, আসুন এই নিবন্ধে ব্যবহৃত কয়েকটি প্রযুক্তিগত শব্দ জেনে নেওয়া যাক।

স্থানিক ফ্রিকোয়েন্সি ডোমেন

স্পেশিয়াল ডোমেন বলতে বোঝায় যেকোন বস্তুর স্থির চিত্রকে, যখন ফ্রিকোয়েন্সি ডোমেন তার চলমান পিক্সেলের সাহায্যে চিত্রটিকে বিশ্লেষণ করে। তার মানে ওয়াই-ফাই ইমেজিং-এর রিসিভাররা স্থানিক ফ্রিকোয়েন্সি ডোমেনে ছবির তথ্য ক্যাপচার করে।

প্যাসিভ বিস্ট্যাটিক ওয়াইফাই রাডার

একটি বিস্ট্যাটিক রাডার হল একটি রাডার সিস্টেমের পরিসর পরিমাপ করতে ব্যবহৃত একটি ডিভাইস আলাদা ওয়াইফাই ট্রান্সমিটার এবং রিসিভার থাকা। নিষ্ক্রিয় মধ্যেবিস্ট্যাটিক ওয়াইফাই রাডার সিস্টেম, ট্রান্সমিটার থেকে সংকেত আসার সময় রিসিভাররা সময়ের পার্থক্য পরিমাপ করে৷

এই রিসিভারগুলি প্রকৃত লক্ষ্য থেকে প্রতিফলিত ট্রান্সমিটেড ওয়াইফাই সিগন্যালগুলির সময় গণনা করার জন্যও দায়ী৷

মাইক্রোওয়েভ ইমেজিং বনাম ওয়াইফাই ইমেজিং সিস্টেম

মাইক্রোওয়েভ ইমেজিং ওয়াইফাই ইমেজিং এর চেয়ে পুরানো প্রযুক্তি। বিজ্ঞানীরা কেন প্রযুক্তি আপগ্রেডের জন্য গিয়েছিলেন তার প্রধান কারণ হল মাইক্রোওয়েভ ইমেজিং প্রক্রিয়াকরণের সময় বেশি খরচ করে৷

এই ইমেজিং কৌশলটি যান্ত্রিক এবং বৈদ্যুতিক বিম স্ক্যানিং উপস্থাপন করেছে, যা ভাল ফলাফল দেখিয়েছে৷ যাইহোক, উভয় কৌশলে ডেটা অধিগ্রহণের সময় একটি ত্রুটি ছিল যা স্থানিক ফ্রিকোয়েন্সি ইমেজিংয়ে ছবি প্রক্রিয়াকরণে বিলম্ব করে।

অবজেক্ট সনাক্তকরণ এবং সনাক্তকরণের জন্য মাইক্রোওয়েভ ইমেজিং একটি পছন্দের বিকল্প ছিল। আবার, স্ক্যান করা নমুনাগুলি অত্যাধুনিক প্রযুক্তি ব্যবহার করে প্রক্রিয়া করা হয়েছিল। কিন্তু আবার, একটি ক্ষেত্রের উপর একটি রশ্মি স্ক্যান করার সময়সীমা ছিল প্রধান সমস্যা।

বস্তু সনাক্তকরণের জন্য বিজ্ঞানীও একই প্রযুক্তি ব্যবহার করেছিলেন, কিন্তু তারা অগ্রগতি করতে পারেনি কারণ ডিভাইসগুলি নিম্ন তাপগতভাবে ক্যাপচার করতে পারেনি। মানুষের কাছ থেকে ইলেক্ট্রোম্যাগনেটিক রেডিয়েশন উৎপন্ন হয়।

উচ্চ সংবেদনশীলতা এবং ব্যাপক ব্যান্ডউইথ সহ একটি আধুনিক রিসিভার এবং সিগন্যাল প্রসেসিং সরঞ্জাম কেনার জন্য তাদের একটি বড় বিনিয়োগের প্রয়োজন।

ওয়াইফাই ইমেজিং সিস্টেম

প্রযুক্তি ওয়াই-ফাই ব্যবহারের মাধ্যমে আপগ্রেড শুরু হয়। কিন্তু, এরঅবশ্যই, আমরা সবাই জানি যে Wi-Fi সর্বব্যাপী, যার মানে এটি প্রতিটি স্থানে উপলব্ধ।

বাড়ি, অফিস, রেস্তোরাঁ, ট্রেন স্টেশন বা স্টেডিয়াম যাই হোক না কেন, আপনার Wi-Fi-সক্ষম ডিভাইসগুলি বেতার সংকেত পায় . এই কারণেই বিজ্ঞানীরা ওয়াই-ফাইকে পুঁজি করে মাইক্রোওয়েভ ইমেজিং আপগ্রেড করেছেন৷

সাধারণ মানুষের মাধ্যমে দেওয়াল ইমেজিং সনাক্ত করতে এবং শ্রেণীবদ্ধ করতে বিজ্ঞানীরা Wi-Fi ব্যবহার করেছেন৷ যেহেতু রেডিও তরঙ্গ সহজে পর্দা, কাপড় এবং দেয়ালের মধ্যে দিয়ে প্রবেশ করতে পারে, তাই জটিল বস্তুর ইমেজ করার জন্য Wi-Fi হল একটি শক্তিশালী হাতিয়ার।

অপটিক্যাল এবং তাদের অস্বচ্ছতার কারণে ওয়াই-ফাই রেডিয়েশনে সিগন্যাল প্রসেসিং আরও বেশি ফলদায়ক। ইনফ্রারেড তরঙ্গদৈর্ঘ্য।

অতএব, নতুন কৌশলটি Wi-Fi সংকেত ব্যবহার করে ঐতিহ্যগত মাইক্রোওয়েভ ইমেজিং ব্যবহার করে। এই সিগন্যালগুলিকে আলোকিত করার স্বাধীন ওয়াইফাই ট্রান্সমিটারগুলি প্রক্রিয়া শুরু করার জন্য দায়ী যখন রিসিভার স্থানিক ফ্রিকোয়েন্সি স্যাম্পলিং এবং ডোমেনে ছবির তথ্য ক্যাপচার করে৷

নতুন Wi-Fi ইমেজিং সিস্টেম তৃতীয় পক্ষের বিকিরণে প্যাসিভ রাডার কৌশল ব্যবহার করে৷ প্যাসিভ রাডার এই রেডিয়েশনগুলি এর জন্য ব্যবহার করে:

• ডিটেকশন
• ট্র্যাকিং

মাইক্রোওয়েভ এবং ওয়াইফাই ইমেজিংয়ের মধ্যে আরেকটি পার্থক্য হল পূর্বে প্রক্রিয়া করার জন্য স্পারস অ্যান্টেনা অ্যারে ব্যবহার করে ছবি দুর্ভাগ্যবশত, এটি শুধুমাত্র খুব কম তাপীয়ভাবে উত্পন্ন EM বিকিরণ পরিমাপ করে।

অন্যদিকে, আপগ্রেড করা প্রযুক্তি Wi-Fi সিগন্যাল ব্যবহার করে যা সাধারণ রিসিভারগুলিতে কাজ করে25 MHz ফ্রিকোয়েন্সি এবং 10 মাইক্রোসেকেন্ড ইন্টিগ্রেশন সময়। কম্পিউটেশনাল ইমেজিং এর জন্য ওয়াইফাই সিগন্যাল ব্যবহার করে ফ্রিকোয়েন্সি এবং ইন্টিগ্রেশন টাইম উন্নত করা হয়।

সুতরাং মাইক্রোওয়েভ ইমেজিং সিস্টেমের আপগ্রেড সংস্করণে প্রস্তাবিত পদ্ধতিটি কম খরচের সরঞ্জামগুলিতে কাজ করতে পারে এবং আরও ভাল ফলাফল দিতে পারে। একটি স্পার্স অ্যারে ব্যবহার করার জন্য প্রশস্ত ব্যান্ডউইথ রিসিভারগুলিতে বিনিয়োগ করার দরকার নেই৷

বিদ্যমান রিসিভারগুলি Wi-Fi সিগন্যালগুলি ব্যবহার করতে পারে কারণ তারা প্রায় সর্বত্র উপলব্ধ৷ এছাড়াও, শুধুমাত্র পারস্পরিক সম্পর্কযুক্ত সংকেত উপাদানগুলি বরাদ্দকৃত সময়ের মধ্যে থাকে। অতএব, এই সংকেতগুলি সংবেদন এবং যোগাযোগের উদ্দেশ্যে কম্পিউটেশনাল ইমেজিংকে বাড়িয়ে তুলতে পারে৷

কেন Wi-Fi ইমেজিং একটি ভাল পদ্ধতি?

বিভিন্ন কারণে ওয়াই-ফাই সিগন্যাল ব্যবহার করে ইমেজ করা আগের প্রযুক্তির চেয়ে ভালো। উদাহরণস্বরূপ, ওয়াই-ফাই সিগন্যাল প্রসেসিং ব্যবহার করে ইমেজ করার ক্ষেত্রে গোপনীয়তা-সংরক্ষণকারী ফ্যাক্টর রয়েছে।

এছাড়াও, আপনাকে হাই-এন্ড রিসিভার কিনতে হাজার হাজার ডলার খরচ করতে হবে না। ওয়াইফাই পাওয়ার পরিমাপগুলি ইমেজিং সফল করার জন্য বস্তুর সনাক্তকরণ এবং শ্রেণীবিভাগ বিশ্লেষণ করার জন্য যথেষ্ট৷

যদিও ইমেজিংয়ের জন্য বিশেষ হার্ডওয়্যার উপলব্ধ, তবে তাদের অন্যান্য অ্যাড-অনগুলির প্রয়োজন যা উল্লেখযোগ্যভাবে প্রকল্পের খরচ বাড়ায়৷

নমুনাযুক্ত স্থানিক ফ্রিকোয়েন্সি তথ্য ব্যবহার করে, ফলাফলগুলি মানব এবং ধাতব বস্তুর স্থানীয়করণ দেখায়। এটি নিম্নলিখিত মধ্যমা দিয়ে Wi-Fi ইমেজিংয়ের সাফল্যের হার প্রমাণ করেছেনির্ভুলতা:

• স্ট্যাটিক মানব বিষয়ের জন্য 26 সেমি
• স্ট্যাটিক ধাতব বস্তুর জন্য 15 সেমি

ওয়াই-ফাই ইমেজিংয়ের সীমাবদ্ধতা

কোন সন্দেহ নেই, Wi-Fi সংকেত ব্যবহার করে মাইক্রোওয়েভ ইমেজিং মানুষ এবং অন্যান্য বস্তুর স্থানীয়করণের জন্য একটি শক্তিশালী প্রযুক্তি। আপনি সহজেই মানুষ এবং বস্তুর একটি নির্দিষ্ট সেটের অবস্থান সনাক্ত করতে পারেন। যাইহোক, Wi-Fi ইমেজিং বাস্তবায়নের পথে কিছু সীমাবদ্ধতা রয়েছে।

আসুন সেগুলি নিয়ে আলোচনা করা যাক।

অবজেক্ট সাইজ

প্রস্তাবিত ওয়াই-ফাই ইমেজিং প্রযুক্তি নির্ভর করে বস্তুর আকার। ইমেজিং সিস্টেম বড় আকারের বস্তু স্থানীয়করণ করে। উদাহরণস্বরূপ:

• পালঙ্ক
• টেবিল
• বড় উইন্ডো

কোন সন্দেহ নেই, বড় আকারের বস্তুগুলি সনাক্ত করা এবং স্থানীয়করণ করা সহজ কারণ তাদের পরিষ্কার-থেকে-বিশ্লেষণ মাত্রা। 2D বা 3D প্রযুক্তি ব্যবহার করা হোক না কেন, ইমেজ প্রসেসিং অ্যালগরিদমগুলি খুব বেশি সময় ব্যয় না করে সহজেই বড় আকারের বস্তুগুলিকে শনাক্ত করে৷

যখন আপনি ছবি প্রক্রিয়াকরণের জন্য একটি সিস্টেম প্রস্তুত করেন, আপনাকে প্রথমে এটিকে নমুনা হিসাবে বস্তুগুলি শিখতে দিতে হবে৷ এই প্রক্রিয়াটিকে মেশিন লার্নিং বলা হয়, যা কৃত্রিম বুদ্ধিমত্তার (AI) সবচেয়ে সাধারণ ডোমেনগুলির মধ্যে একটি।

মেশিন লার্নিং হল যে কোনো ধরনের ইমেজিংয়ের মৌলিক ধাপ। ইমেজ করার আগে আপনার সিস্টেমকে খাওয়ানো ছাড়া প্রযুক্তি তৈরি করতে, আপনাকে অবশ্যই শক্তিশালী AI সরঞ্জাম কিনতে হবে যা মানুষের মতো বস্তুকে বিশ্লেষণ করে। কিন্তু শুধুমাত্র সুবিধার জন্য অত্যধিক অর্থ ব্যয় করা বুদ্ধিমানের কাজ নয় কারণ মেশিন লার্নিং করা সহজপ্রয়োগ করুন৷

অতএব, আপনাকে অবশ্যই আপনার সিস্টেমকে বস্তুর নমুনা দিয়ে খাওয়াতে হবে যাতে প্রেরিত ওয়াইফাই সিগন্যাল ক্যাপচার করা প্রথাগত রাডার সনাক্তকরণ এবং মাইক্রোওয়েভ ইমেজিং-এ ব্যবহৃত রিসিভারগুলির চেয়ে ভাল ফলাফল দিতে পারে৷

উপাদান

সনাক্তকরণ এবং স্থানীয়করণের জন্য Wi-Fi ইমেজিং ব্যবহার করার সময় বস্তুর উপাদানটিও গুরুত্বপূর্ণ। উদাহরণ স্বরূপ, বস্তুর প্রতিফলিত পৃষ্ঠতল থাকলে প্রস্তাবিত সিস্টেমটি আশাব্যঞ্জক ফলাফল প্রদান করে।

উদাহরণস্বরূপ, ধাতব পৃষ্ঠগুলি সর্বদাই ভাল বস্তু হিসাবে প্রমাণিত হয়েছে, এমনকি অপটিক্যাল বা ইনফ্রারেড ফ্রিকোয়েন্সিগুলির জন্যও।

একই নীতিটি এখানেও অনুসরণ করে: একটি বড় আকারের বস্তুর একটি প্রতিফলিত পৃষ্ঠ রয়েছে যা ছোট ধাতব বস্তুর চেয়ে চিত্র করা সহজ। কেন?

যদিও একটি চকচকে বস্তু ভাল ওয়াইফাই সংকেত প্রতিফলিত করে, তবে এর ছোট আকার আগত বিকিরণের জন্য ক্রস-বিভাগীয় এলাকাকে ভিড় করে তোলে। ফলস্বরূপ, প্রেরিত একাধিক ওয়াইফাই সিগন্যাল সেই বস্তুটিকে সঠিকভাবে কল্পনা করতে পারে না৷

অবজেক্টের মাত্রার সাথে আরেকটি সমস্যা হল যখন আকারটি ওয়াইফাই সিগন্যালের তরঙ্গদৈর্ঘ্যের সমানুপাতিক হয়ে যায়, তখন দুটি সত্তার মধ্যে মিথস্ক্রিয়া কমে যায়৷

কিভাবে মাত্রা-থেকে-ফ্রিকোয়েন্সি সীমা সমাধান করবেন?

একটি ওয়াই-ফাই ইমেজিং সিস্টেমের জন্য বস্তুর আকার এবং উপস্থিত ওয়াইফাই সিগন্যালের তরঙ্গদৈর্ঘ্যের মধ্যে একটি উল্লেখযোগ্য পার্থক্য প্রয়োজন। বস্তুর আকার বড় হলে, ওয়াইফাই সিগন্যালের তরঙ্গদৈর্ঘ্য ছোট হতে হবে এবং এর বিপরীতে।

আপনাকে অবশ্যই প্রেরণ করতে হবেওয়াইফাই সিগন্যালের তরঙ্গদৈর্ঘ্য কমাতে একটি উচ্চতর ফ্রিকোয়েন্সি, অর্থাৎ 5 GHz। যাইহোক, প্যাসিভ ইন্টারফেরোমেট্রিক ইমেজিং সিস্টেমে কম-ফ্রিকোয়েন্সি ওয়াইফাই সিগন্যালগুলি ছোট বস্তুর সাথে কাজ করে এমন কোনও সুনির্দিষ্ট ফলাফল এখনও পাওয়া যায়নি।

এটি ছোট ক্রস-বিভাগীয় এলাকার কারণে, যা পারস্পরিক সম্পর্কযুক্ত সংকেত উপাদানগুলিকে অনুমতি দেয় না প্রাচীরের মাধ্যমে ইমেজিং অক্ষত থাকে।

একাধিক পরীক্ষা-নিরীক্ষার সময় কিছু ছোট বস্তুর নমুনা ছিল:

• কয়েন
• কী
• নিরাপত্তা পিন

বিভিন্ন সরঞ্জাম ব্যবহার করার পাশাপাশি, ছোট স্থানিক-রেজোলিউশন বস্তুগুলি সনাক্ত করার জন্য ফ্রিকোয়েন্সি পরিসর পরিবর্তন করা পর্যবেক্ষণাধীন।

চিত্র রেজোলিউশন

ইমেজিং রেজোলিউশন একটি অপরিহার্য প্রস্তাবিত প্রযুক্তির বৈশিষ্ট্য। তাছাড়া, এটি নিম্নলিখিত দুটি বিষয়ের উপর নির্ভর করে:

• Wi-Fi সংকেত তরঙ্গদৈর্ঘ্য
• অ্যান্টেনা অ্যারের দৈর্ঘ্য

আপনি রেখে ইমেজিং রেজোলিউশন বাড়াতে পারেন সংকেত তরঙ্গদৈর্ঘ্য ধ্রুবক এবং অ্যান্টেনা অ্যারের দৈর্ঘ্য বৃদ্ধি করে।

পরীক্ষা চলাকালীন, বিজ্ঞানীরা 5 GHz ফ্রিকোয়েন্সি বাড়িয়ে চিত্রের রেজোলিউশন বাড়ানোর চেষ্টা করেছিলেন, যা তরঙ্গদৈর্ঘ্য হ্রাস করে। তারপরে তারা সিগন্যাল প্রসেসিং তরঙ্গদৈর্ঘ্য এবং অ্যান্টেনার অ্যারের দৈর্ঘ্য পরিবর্তন করেনি।

ফলে, বিজ্ঞানীরা ইমেজিং রেজোলিউশনে কোনো উন্নতি লক্ষ্য করেননি। আরেকটি মূল অনুসন্ধান হল ইমেজিং প্রক্রিয়ায় অ্যান্টেনার সংখ্যা গুরুত্বপূর্ণ নয়।

যদিআপনি সঠিক অবস্থানে অ্যান্টেনা রাখুন, আপনি শুধুমাত্র একজোড়া অ্যান্টেনা দিয়ে উত্পাদনশীল ফলাফল পেতে পারেন। কেন?

অ্যান্টেনা অ্যারেগুলি পর্যবেক্ষণের অধীনে থাকা বস্তু থেকে বিকিরণ ক্যাপচার করে। একাধিক অ্যান্টেনা অবস্থানে ব্যবহার করা নিঃসন্দেহে সর্বোত্তম ইমেজিং রেজোলিউশনের সম্ভাবনা বাড়ায়, তবে এটি ব্যয়-দক্ষ প্রযুক্তির বিষয়৷

এছাড়া, কোম্পানিগুলি ওয়াই-ফাই ইমেজিং প্রযুক্তির সুযোগ বাড়ানোর জন্য কম দামের অ্যান্টেনাও তৈরি করছে৷ এবং কার্যকারিতা।

সুতরাং, আপনি যদি অ্যান্টেনার অ্যারের দৈর্ঘ্য স্থির রাখেন তবে আপনি শুধুমাত্র ওয়াইফাই পাওয়ার পরিমাপের মাধ্যমে বস্তুটিকে কল্পনা করতে পারেন। ইনকামিং ফ্রিকোয়েন্সি পরিসর পরিবর্তন করা ইমেজিং রেজোলিউশনকেও প্রভাবিত করতে পারে।

অবজেক্ট ওরিয়েন্টেশন

অবজেক্টের ওরিয়েন্টেশন প্রস্তাবিত প্রযুক্তির আরেকটি সীমাবদ্ধতা। ওয়াইফাই ইমেজিং সিস্টেমের জন্য বস্তুটিকে ট্রান্সমিটেড রেডিয়েশনের প্যাটার্নে থাকতে হবে। আপনি ইতিমধ্যে জানেন যে EM তরঙ্গ একটি ক্ষেত্র তৈরি করে এবং একটি তালে ভ্রমণ করে। সেই ক্ষেত্রটি নিম্নলিখিত তরঙ্গগুলির জন্য একটি প্রবণতা হয়ে ওঠে৷

যদি আপনি একটি বস্তুকে সেই ক্ষেত্রটিতে স্থাপন করেন যার অভিযোজন বিচ্যুত অবস্থানে থাকে, আপনি সত্য ফলাফল পাবেন না৷ সুতরাং, প্রেরিত বিকিরণের প্যাটার্নের মধ্যে বস্তুর অভিযোজন রাখা গুরুত্বপূর্ণ।

এছাড়া, আপনি নিম্নলিখিত উপায়ে এই সমস্যাটির সমাধান করতে পারেন:

• অপ্টিমাইজড উপায়ে অ্যান্টেনার অবস্থান সেট করুন |