Anvendelser & Grænser for WiFi Imaging

Anvendelser & Grænser for WiFi Imaging
Philip Lawrence

Informationsteknologi, almindeligvis kendt som IT, har udviklet mange industrier som bilindustrien, boligsektoren, software og medicin. IT-eksperter og forskere har også undersøgt mulighederne for en kraftfuld billedteknologi kaldet Wi-Fi-billeddannelse.

Computational imaging-teknologi har et stort anvendelsesområde inden for objektdetektering og -identifikation. Forskere har udviklet mange teknikker ved hjælp af traditionel mikrobølgebilleddannelse, men de kunne ikke opnå produktive resultater.

Derfor har de udviklet teknologien og indført Wi-Fi imaging, som vi vil beskrive i dette indlæg.

Hvad er trådløs billedbehandling?

Trådløs billedbehandling er en teknologi, der optager og overfører billeder via et trådløst netværk. Det lyder måske enkelt, men det er det ikke.

Trådløs billeddannelse er et bredt koncept, der dækker flere brancher, herunder:

  • Biler
  • Smart home eller IoT
  • Industrielle anvendelser

Vi gennemgår de forskellige anvendelser og brugssituationer for WiFi-billeddannelse. Men først skal vi forstå, hvad denne teknologi er.

Indledning

Wi-Fi, eller trådløs internetteknologi, blev indført i 1997, da folk begyndte at bruge moderne netværksudstyr. Før det var det telefonlinjer og lignende andre kabelforbindelser, der var kilderne til internettet.

Da denne teknologi var gammel, fik brugerne aldrig noget bedre ud af kabelinternet. Det var langsomt og fuld af netværksafbrydelser. Det var heller ikke pålideligt, da data sendt fra en kilde til en destination var en risikabel opgave.

Med tiden kom Wi-Fi Association med fremskridt inden for trådløs teknologi og opgraderede Wi-Fi-udstyr, herunder routere, modemmer, switche og boostere.

Disse enheder følger IEEE WLAN-standarderne, som fungerer med alle typer netværksstationer. Den mest almindelige WLAN-standard, der anvendes i vores internetforbindelser i hjemmet, er 802.11ax.

Vi ved alle, hvor vigtig Wi-Fi-teknologien er blevet i vores liv. Følgende er de almindelige anvendelser af Wi-Fi:

  • Kommunikation
  • Deling af data
  • Online spil

Efterhånden som Wi-Fi blev udbredt til næsten alle boliger, opdagede forskerne, at Wi-Fi også kunne bruges til andre formål. En af disse opdagelser var at fremme mikrobølgebilleddannelsesprocessen ved hjælp af Wi-Fi-signaler.

Før vi går videre, skal vi forstå nogle få tekniske termer, der anvendes i denne artikel.

Se også: Sådan bruger du Direct TV Remote App uden WiFi

Spatialt frekvensområde

Det rumlige domæne henviser til det statiske billede af et objekt, mens frekvensdomænet analyserer billedet med dets bevægelige pixels. Det betyder, at modtagerne i Wi-Fi-billeddannelse opfanger billedets oplysninger i det rumlige frekvensdomæne.

Passiv bistatisk WiFi-radar

En bistatisk radar er en anordning, der bruges til at måle rækkevidden af et radarsystem med separate WiFi-sendere og -modtagere. I det passive bistatiske WiFi-radar system måler modtagerne forskellen i tid, når et signal ankommer fra senderne.

Disse modtagere er også ansvarlige for at beregne tidspunktet for de transmitterede WiFi-signaler, der reflekteres fra det aktuelle mål.

Mikrobølgebilleddannelse vs. WiFi-billeddannelsessystem

Mikrobølgebilleddannelse er en ældre teknologi end wi-fi-billeddannelse. Hovedårsagen til, at forskerne valgte at opgradere teknologien, er, at mikrobølgebilleddannelse kræver mere behandlingstid.

Denne billeddannelsesteknik præsenterede mekanisk og elektrisk strålescanning, som viste gode resultater, men dataindsamlingstiden i begge teknikker var en ulempe, som forsinkede billedbehandlingen i rumfrekvensbilleder.

Mikrobølgebilleddannelse var en foretrukken løsning til detektion og identifikation af objekter. Igen blev de scannede prøver behandlet ved hjælp af avanceret teknologi. Men igen var tidsbegrænsningen for scanning af en stråle over et felt det største problem.

Forskerne brugte også den samme teknologi til objektdetektion, men de kunne ikke gøre fremskridt, fordi apparaterne ikke kunne opfange lav termisk genereret elektromagnetisk stråling fra mennesker.

De krævede en stor investering for at købe en moderne modtager og signalbehandlingsudstyr med høj følsomhed og større båndbredde.

WiFi-billeddannelsessystem

Den teknologiske opgradering begyndte med brugen af Wi-Fi. Men vi ved selvfølgelig alle, at Wi-Fi er allestedsnærværende, hvilket betyder, at det er tilgængeligt alle steder.

Uanset om du er hjemme, på kontoret, på en restaurant, på en togstation eller på et stadion, modtager dine Wi-Fi-aktiverede enheder trådløse signaler. Det er grunden til, at forskerne har udnyttet Wi-Fi og opgraderet mikrobølgebilleddannelse.

Forskere har også brugt Wi-Fi til at registrere og klassificere mennesker gennem vægbilleder. Da radiobølger let kan trænge igennem gardiner, stof og vægge, er Wi-Fi et effektivt værktøj til at afbilde komplekse objekter.

Signalbehandling er også mere produktiv i Wi-Fi-stråler på grund af deres uigennemsigtighed ved optiske og infrarøde bølgelængder.

Den nye teknik anvender derfor traditionel mikrobølgeafbildning ved hjælp af Wi-Fi-signaler. Uafhængige WiFi-sendere, der belyser disse signaler, er ansvarlige for at igangsætte processen, mens modtageren opfanger billedets oplysninger i rumlig frekvenssamling og domæne.

Det nye Wi-Fi-billeddannelsessystem anvender passive radarteknikker på stråling fra tredjepart. Den passive radar bruger disse stråler til at:

  • Detektion
  • Sporing

En anden forskel mellem mikrobølge- og wi-fi-billeddannelse er, at førstnævnte anvender sparsomme antennerækker til at behandle billederne, hvilket desværre kun måler meget lav termisk genereret EM-stråling.

På den anden side bruger den opgraderede teknologi WiFi-signaler, der fungerer på normale modtagere med en frekvens på 25 MHz og en integrationstid på 10 mikrosekunder. Frekvensen og integrationstiden forbedres ved hjælp af WiFisignalerne til beregningsmæssig billeddannelse.

Så den foreslåede metode i den opgraderede version af mikrobølgebilleddannelsessystemet kan fungere med billigt udstyr og give bedre resultater. Det er ikke nødvendigt at investere i bredbåndsmodtagere for at bruge et sparsomt array.

De eksisterende modtagere kan udnytte Wi-Fi-signalerne, da de er tilgængelige næsten overalt. Desuden er det kun de korrelerede signalkomponenter, der er tilbage i den tildelte tid. Derfor kan disse signaler øge den beregningsmæssige billeddannelse til aftastnings- og kommunikationsformål.

Hvorfor er Wi-Fi Imaging en bedre metode?

Billeddannelse ved hjælp af Wi-Fi-signaler er bedre end de tidligere teknologier af forskellige årsager. For eksempel består billeddannelse ved hjælp af Wi-Fi-signalbehandling af en privatlivsbevarende faktor.

Se også: Hvis Xbox bliver ved med at afbryde forbindelsen til WiFi, kan du prøve denne løsning

Du behøver heller ikke at bruge tusindvis af dollars på at købe high-end-modtagere. WiFi-effektmålingerne er nok til at analysere objektdetektion og -klassificering for at gøre billeddannelsen vellykket.

Selv om der findes specialiseret hardware til billedbehandling, kræver de andre tilføjelser, som øger projektets omkostninger betydeligt.

Ved hjælp af de indsamlede rumfrekvensoplysninger viste resultaterne, at der kunne lokaliseres mennesker og metalgenstande, hvilket beviste, at Wi-Fi-billeddannelsen var en succes med følgende medianpræcision:

  • 26 cm for statiske menneskelige emner
  • 15 cm for statiske metalgenstande

Begrænsninger ved Wi-Fi Imaging

Der er ingen tvivl om, at mikrobølgebilleddannelse ved hjælp af Wi-Fi-signaler er en kraftfuld teknologi til at lokalisere mennesker og andre objekter. Du kan nemt lokalisere positionen for et bestemt sæt mennesker og objekter. Der er dog nogle begrænsninger i forbindelse med implementeringen af Wi-Fi-billeddannelse.

Lad os diskutere dem.

Objektets størrelse

Den foreslåede Wi-Fi-billedteknologi er baseret på objektets størrelse. Billeddannelsessystemet lokaliserer objekter af stor størrelse, f.eks:

  • Couch
  • Tabeller
  • Store vinduer

Der er ingen tvivl om, at store objekter er nemme at opdage og lokalisere på grund af deres tydelige dimensioner, der kan analyseres. Uanset om der anvendes 2D- eller 3D-teknologi, kan billedbehandlingsalgoritmerne nemt identificere store objekter uden at bruge meget tid.

Når du forbereder et system til billedbehandling, skal du først lade det lære objekterne som prøver. Denne proces kaldes maskinindlæring og er et af de mest almindelige områder inden for kunstig intelligens (AI).

Maskinlæring er det grundlæggende trin i enhver form for billeddannelse. Hvis du vil opbygge teknologi uden at fodre dit system før billeddannelse, skal du købe kraftfuldt AI-udstyr, der analyserer objektet som mennesker. Men det er ikke klogt at bruge for mange penge bare for bekvemmelighedens skyld, fordi maskinlæring er let at implementere.

Derfor skal du fodre dit system med prøver fra objekterne, så opfangning af transmitterede WiFi-signaler kan give bedre resultater end de modtagere, der anvendes til traditionel radardetektion og mikrobølgeafbildning.

Materiale

Objektets materiale spiller også en rolle, når Wi-Fi-billeder anvendes til detektion og lokalisering. Det foreslåede system giver f.eks. lovende resultater, hvis objektet har reflekterende overflader.

F.eks. har metaloverflader altid vist sig at være bedre objekter, selv for optiske eller infrarøde frekvenser.

Det samme princip gælder også her: Et objekt af stor størrelse med en reflekterende overflade er lettere at afbilde end små metalgenstande. Hvorfor?

Selv om en skinnende genstand reflekterer gode WiFi-signaler, gør dens lille størrelse, at tværsnitsarealet er overbelastet for indgående stråling. Derfor kan de mange WiFi-signaler, der sendes, ikke forestille sig genstanden korrekt.

Et andet problem med objektets dimensioner er, at når størrelsen bliver proportional med WiFi-signalernes bølgelængde, reduceres interaktionen mellem de to enheder.

Hvordan kan man løse begrænsningen mellem dimension og frekvens?

Et WiFi-afbildningssystem kræver en betydelig forskel mellem objektets størrelse og bølgelængden af de tilstedeværende WiFi-signaler. Hvis objektets størrelse er stor, skal WiFi-signalernes bølgelængde være mindre og omvendt.

Man skal sende en højere frekvens, dvs. 5 GHz, for at reducere bølgelængden af WiFi-signalerne. Der er dog stadig ikke noget konkret resultat af, at lavfrekvente WiFi-signaler i passive interferometriske billeddannelsessystemer fungerer med mindre objekter.

Det skyldes det mindre tværsnitsareal, som ikke gør det muligt for de korrelerede signalkomponenter at forblive intakte gennem vægbillederne.

Nogle af de mindre genstande, der blev undersøgt under flere eksperimenter, var:

  • Mønt
  • Nøgler
  • Sikkerhedsnål

Ud over at anvende forskelligt udstyr er man ved at ændre frekvensområdet med henblik på at registrere objekter med mindre rumlig opløsning under observation.

Billedopløsning

Billedopløsningen er en væsentlig egenskab ved den foreslåede teknologi, og den afhænger desuden af følgende to faktorer:

  • Wi-Fi-signalets bølgelængde
  • Antenne array længde

Du kan øge billedopløsningen ved at holde signalbølgelængden konstant og øge antennerækkens længde.

Under forsøget forsøgte forskerne at forbedre billedopløsningen ved at øge frekvensen til 5 GHz, hvilket reducerer bølgelængden. Derefter ændrede de ikke signalbehandlingsbølgelængden og antennerækkens længde.

Forskerne observerede derfor ikke nogen forbedring af billedopløsningen. Et andet vigtigt resultat var, at antallet af antenner ikke spillede nogen rolle i billeddannelsesprocessen.

Hvis du placerer antennen i den rigtige position, kan du opnå gode resultater med kun et par antenner. Hvorfor?

Antennerækker opfanger strålingerne fra det observerede objekt. Ved at bruge flere antennesteder øges sandsynligheden for optimal billedopløsning uden tvivl, men det er et spørgsmål om omkostningseffektiv teknologi.

Desuden fremstiller virksomhederne også billige antenner til Wi-Fi-billeddannelsesteknologi for at øge dens anvendelsesområde og effektivitet.

Så du kan forestille dig objektet med kun WiFi-effektmålinger, hvis du holder antennerækkens længde konstant. Ændring af det indgående frekvensområde kan også påvirke billedopløsningen.

Objektorientering

Objektets orientering er en anden begrænsning i den foreslåede teknologi. WiFi-billeddannelsessystemet kræver, at objektet befinder sig i den transmitterede strålings mønster. Du ved allerede, at EM-bølger skaber et felt og bevæger sig i en rytme. Dette felt bliver en tendens for de efterfølgende bølger.

Hvis du placerer et objekt i dette felt med dets orientering i en afbøjningsposition, får du ikke rigtige resultater. Det er derfor vigtigt at holde objektets orientering inden for den transmitterede strålings mønster.

Desuden kan du løse dette problem på følgende måder:

  • Indstil antennenes placering på en optimeret måde.
  • Vælg de antenner, der har et bedre strålingsmønster.

Det er vigtigt at kende mønsterets horisontale og vertikale akse for at få et brugbart resultat i de to rumfrekvensdimensioner.

Anvendelse af Wi-Fi Imaging

Der er flere anvendelser af Wi-Fi-afbildning til kommercielle og industrielle formål, f.eks.

Sporing af lagerbeholdning

Indkøbscentre og indkøbscentre har brugt vogne med radarsensorer til lagerstyring. Disse radarstyrede vogne har ikke brug for et sensormærke, fordi hver vogn har et særligt ID.

Databasen inddeler vognene i flere hold, og derefter tildeler den tilsynsførende hvert hold en opgave.

Disse vogne er effektive til at styre lagerbeholdningen effektivt, og kunderne kan også få disse vogne inden for forretningens område og nyde at handle med et kontantløst købssystem.

Smarte boliger

IoT er det næste store gennembrud i boligbranchen. Wi-Fi-billedteknologien udfører traditionel radardetektion for at identificere store objekter, herunder:

  • Døre
  • Windows
  • Køleskab

Du kan installere antenner og de nødvendige sensorer til at styre de store genstande i dit hus. F.eks. kan de rumlige frekvenser, der måles af antennerækken, verificere de eksisterende kommunikationssignaler og give dig besked om genstandens status.

Desuden kan du programmere hele systemet ved hjælp af den gennemsnitlige rumlige gensidige kohærens og de horisontale og vertikale retninger til at styre objektets bevægelse ved hjælp af Wi-Fi-signalbehandling.

Den største begrænsning i denne applikation er at have et stabilt netværk, fordi de passive billeddannelsessystemer har brug for WiFi-signaler til at analysere objektets dimensioner.

Ofte stillede spørgsmål

Hvad er en WiFi Doppler?

WiFi Doppler er en sensorteknologi, der kun bruger en enkelt WiFi-enhed til at registrere et objekts position og bevægelse. Du behøver ikke flere WiFIi-enheder for at opnå resultater med WiFi Doppler.

Kan WiFi se gennem vægge?

Ja. Du kan bruge Wi-Fi-signaler til at se gennem vægge.

Hvordan får jeg WiFi til at trænge igennem en væg?

  1. Forbedr det interne WiFi ved hjælp af Wi-Fi-forlængere.
  2. Udrulning af et mesh-netværk.

De mange WiFi-signaler, der sendes gennem hinanden. Hvordan?

WiFi-signalerne krydser normalt hinanden, hvis routerne arbejder på den samme kanal.

Kan WiFi-signaler give resultater gennem vægbilleder?

Ja, fordi WiFi bruger radiobølger, der kan trænge igennem vægge.

Konklusion

Wi-Fi-billeddannelse bliver mere og mere udbredt inden for billedbehandlingsområdet, fordi den er tilgængelig i næsten alle boliger, erhvervsområder og industriområder. Derfor vil brugen af Wi-Fi-billeddannelse til at registrere et objekts placering og bevægelse være den næste store teknologi til gavn for mennesker.




Philip Lawrence
Philip Lawrence
Philip Lawrence er en teknologientusiast og ekspert inden for internetforbindelse og wifi-teknologi. Med over ti års erfaring i branchen har han hjulpet adskillige enkeltpersoner og virksomheder med deres internet- og wifi-relaterede problemer. Som forfatter og blogger af Internet og Wifi Tips deler han sin viden og ekspertise på en enkel og letforståelig måde, som alle kan drage fordel af. Philip er en lidenskabelig fortaler for at forbedre forbindelsen og gøre internettet tilgængeligt for alle. Når han ikke skriver eller fejlfinder tekniske relaterede problemer, nyder han at vandre, campere og udforske naturen.