Sovellukset & WiFi-kuvantamisen rajat

Tietotekniikka, joka tunnetaan yleisesti nimellä IT, on edistänyt monia teollisuudenaloja, kuten auto-, asunto-, ohjelmisto- ja lääketeollisuutta. Tietotekniikan asiantuntijat ja tutkijat tutkivat myös Wi-Fi-kuvantamisen nimellä tunnetun tehokkaan kuvantamistekniikan toteutettavuutta.

Laskennallisella kuvantamistekniikalla on valtavat mahdollisuudet kohteiden havaitsemiseen ja tunnistamiseen. Tutkijat ovat kehittäneet monia tekniikoita, joissa käytetään perinteistä mikroaaltokuvantamista. He eivät kuitenkaan ole saaneet tuottavia tuloksia.

Siksi he kehittivät teknologiaa ja ottivat käyttöön Wi-Fi-kuvantamisen, jota käsittelemme tässä postauksessa.

Mitä on langaton kuvantaminen?

Langaton kuvantaminen on tekniikka, joka tallentaa ja lähettää kuvia langattoman verkon välityksellä. Se saattaa kuulostaa yksinkertaiselta, mutta sitä se ei ole.

Langaton kuvantaminen on laaja käsite, joka kattaa useita toimialoja, kuten:

• Autot
• Älykäs koti tai IoT
• Teolliset sovellukset

Käymme läpi WiFi-kuvantamisen sovelluksia ja käyttötapauksia, mutta ensin on ymmärrettävä, mitä tämä tekniikka on.

Johdanto

Wi-Fi eli langaton internet-teknologia otettiin käyttöön vuonna 1997, kun ihmiset alkoivat käyttää nykyaikaisia verkkolaitteita. Sitä ennen internetin lähteenä olivat puhelinlinjat ja vastaavat muut kaapeliyhteydet.

Koska kyseinen tekniikka oli vanhaa, käyttäjät eivät koskaan saaneet kaapeliverkosta parempaa. Se oli hidas ja täynnä verkkohäiriöitä. Se ei myöskään ollut luotettava, sillä tiedon lähettäminen lähteestä määränpäähän oli riskialtista.

Ajan myötä Wi-Fi Association kehitteli langatonta teknologiaa ja päivitti Wi-Fi-laitteita, kuten reitittimiä, modeemeja, kytkimiä ja vahvistimia.

Nämä laitteet noudattavat IEEE:n WLAN-standardeja, jotka toimivat kaikentyyppisten verkkoasemien kanssa. Yleisin WLAN-standardi, jota käytetään kodin internet-yhteyksissä, on 802.11ax.

Me kaikki tiedämme, miten tärkeäksi Wi-Fi-teknologia on tullut elämässämme. Seuraavassa on lueteltu Wi-Fi:n yleisiä käyttötapoja:

• Viestintä
• Tietojen jakaminen
• Online-pelaaminen

Kun Wi-Fi laajeni lähes kaikkiin asuintiloihin, tutkijat huomasivat, että Wi-Fiä voidaan käyttää myös muihin sovelluksiin. Yksi heidän löytämistään löydöistä oli mikroaaltokuvantamisprosessin edistäminen Wi-Fi-signaalien avulla.

Ennen kuin siirrytään eteenpäin, selvitetään muutamia tässä artikkelissa käytettyjä teknisiä termejä.

Spatiaalinen taajuusalue

Paikkatietoalue viittaa minkä tahansa kohteen staattiseen kuvaan, kun taas taajuusalue analysoi kuvaa ja sen liikkuvia pikseleitä. Tämä tarkoittaa, että Wi-Fi-kuvantamisessa käytettävät vastaanottimet kaappaavat kuvan tiedot paikkatietotaajuusalueella.

Passiivinen bistaattinen WiFi-tutka

Bistaattinen tutka on laite, jolla mitataan tutkajärjestelmän kantamaa, kun siinä on erilliset WiFi-lähettimet ja -vastaanottimet. Passiivisessa bistattisessa WiFi-tutkajärjestelmässä vastaanottimet mittaavat signaalin saapumisen aikaeroa lähettimiltä.

Nämä vastaanottimet vastaavat myös varsinaisesta kohteesta heijastuneiden WiFi-signaalien lähetysajan laskemisesta.

Mikroaaltokuvantaminen vs. WiFi-kuvantamisjärjestelmä

Mikroaaltokuvantaminen on vanhempi tekniikka kuin WiFi-kuvantaminen. Tärkein syy siihen, että tutkijat siirtyivät uuteen tekniikkaan, on se, että mikroaaltokuvantaminen vie enemmän prosessointiaikaa.

Tässä kuvantamistekniikassa esiteltiin mekaaninen ja sähköinen sädekuvaus, joista saatiin hyviä tuloksia. Molempien tekniikoiden tiedonkeruuaika oli kuitenkin haittapuoli, joka viivästytti kuvien käsittelyä spatiaalitaajuuskuvauksessa.

Mikroaaltokuvantaminen oli parempi vaihtoehto kohteiden havaitsemiseen ja tunnistamiseen. Jälleen kerran skannattuja näytteitä käsiteltiin huipputekniikan avulla. Mutta jälleen kerran suurin ongelma oli aikarajoitus, joka liittyy säteen skannaamiseen kentän yli.

Tutkijat käyttivät samaa tekniikkaa myös esineiden havaitsemiseen, mutta he eivät päässeet eteenpäin, koska laitteet eivät pystyneet vangitsemaan ihmisistä peräisin olevaa matalaa lämpösäteilyä sähkömagneettista säteilyä.

Ne edellyttivät suuria investointeja, jotta voitiin ostaa nykyaikainen vastaanotin ja signaalinkäsittelylaitteisto, jolla oli suuri herkkyys ja laajempi kaistanleveys.

WiFi-kuvausjärjestelmä

Teknologian päivitys alkoi Wi-Fi:n käytöllä, mutta me kaikki tiedämme, että Wi-Fi on kaikkialla, mikä tarkoittaa, että se on saatavilla joka paikassa.

Olitpa sitten kotona, toimistossa, ravintolassa, juna-asemalla tai stadionilla, Wi-Fi-yhteydellä varustetut laitteesi vastaanottavat langattomia signaaleja. Siksi tutkijat hyödynsivät Wi-Fi-yhteyttä ja kehittivät mikroaaltokuvantamista.

Tutkijat ovat myös käyttäneet Wi-Fi-verkkoa havaitsemaan ja luokittelemaan ihmisiä seinän läpi kuvantamalla. Koska radioaallot läpäisevät helposti verhot, kankaat ja seinät, Wi-Fi on tehokas väline monimutkaisten kohteiden kuvantamiseen.

Signaalinkäsittely on myös tuottavampaa Wi-Fi-säteilyllä, koska se on läpinäkymätöntä optisilla ja infrapuna-aallonpituuksilla.

Siksi uudessa tekniikassa käytetään perinteistä mikroaaltokuvantamista Wi-Fi-signaalien avulla. Riippumattomat WiFi-lähettimet, jotka valaisevat näitä signaaleja, ovat vastuussa prosessin käynnistämisestä, kun taas vastaanotin tallentaa kuvan tiedot paikkataajuusnäytteenotossa ja -alueella.

Uusi Wi-Fi-kuvantamisjärjestelmä käyttää passiivisia tutkatekniikoita kolmannen osapuolen säteilyyn. Passiivinen tutka käyttää näitä säteilyjä:

• Havaitseminen
• Seuranta

Toinen ero mikroaalto- ja WiFi-kuvauksen välillä on se, että ensin mainitussa käytetään harvoja antenniryhmiä kuvien käsittelyyn. Valitettavasti tämä mittaa vain hyvin vähäistä lämpösäteilyä.

Toisaalta parannetussa tekniikassa käytetään Wi-Fi-signaaleja, jotka toimivat tavallisissa vastaanottimissa 25 MHz:n taajuudella ja 10 mikrosekunnin integrointiajalla. Taajuutta ja integrointiaikaa parannetaan käyttämällä WiFi-signaaleja laskennalliseen kuvantamiseen.

Mikroaaltokuvantamisjärjestelmän päivitetyssä versiossa ehdotettu menetelmä voi siis toimia edullisella laitteistolla ja tuottaa parempia tuloksia. Harvaan ryhmittymän käyttämiseksi ei tarvitse investoida laajan kaistanleveyden vastaanottimiin.

Nykyiset vastaanottimet voivat hyödyntää Wi-Fi-signaaleja, koska niitä on saatavilla lähes kaikkialla. Lisäksi vain korreloidut signaalikomponentit jäävät varattuun aikaan. Siksi nämä signaalit voivat tehostaa laskennallista kuvantamista havainto- ja viestintätarkoituksiin.

Miksi Wi-Fi-kuvantaminen on parempi lähestymistapa?

Kuvantaminen Wi-Fi-signaalien avulla on eri syistä parempi kuin aiemmat tekniikat. Esimerkiksi kuvantaminen Wi-Fi-signaalin käsittelyllä koostuu yksityisyyden suojaa koskevasta tekijästä.

Sinun ei myöskään tarvitse käyttää tuhansia dollareita huippuluokan vastaanottimien hankkimiseen. WiFi-tehomittaukset riittävät kohteiden havaitsemisen analysointiin ja luokitteluun, jotta kuvantaminen onnistuu.

Vaikka kuvantamiseen tarkoitettuja erikoislaitteita on saatavilla, ne vaativat muita lisälaitteita, jotka lisäävät hankkeen kustannuksia merkittävästi.

Käyttämällä näytteeksi otettua paikkataajuustietoa tulokset osoittivat ihmisen ja metallisten kohteiden paikantamisen. Tämä osoitti Wi-Fi-kuvantamisen onnistumisasteen seuraavalla mediaanitarkkuudella:

• 26 cm staattisille henkilöille
• 15 cm staattisten metalliesineiden osalta

Wi-Fi-kuvantamisen rajoitukset

Epäilemättä mikroaaltokuvantaminen Wi-Fi-signaalien avulla on tehokas tekniikka ihmisten ja muiden kohteiden paikantamiseen. Voit helposti paikantaa tietyn ihmis- ja esinejoukon sijainnin. Wi-Fi-kuvantamisen toteutustapaan liittyy kuitenkin joitakin rajoituksia.

Keskustellaan niistä.

Kohteen koko

Ehdotettu Wi-Fi-kuvantamistekniikka perustuu kohteen kokoon. Kuvantamisjärjestelmä paikallistaa esimerkiksi suuren kokoiset kohteet:

• Sohva
• Taulukot
• Suuret ikkunat

Suurikokoiset kohteet on epäilemättä helppo havaita ja paikallistaa, koska niiden mitat ovat selkeät analysoitaviksi. 2D- tai 3D-tekniikan avulla kuvankäsittelyalgoritmit tunnistavat suurikokoiset kohteet helposti ja aikaa säästämättä.

Kun valmistelet järjestelmää kuvankäsittelyä varten, sinun on ensin annettava sen oppia kohteet näytteiksi. Tätä prosessia kutsutaan koneoppimiseksi, joka on yksi tekoälyn (AI) yleisimmistä osa-alueista.

Koneoppiminen on kaikenlaisen kuvantamisen perusvaihe. Jos haluat rakentaa teknologiaa syöttämättä järjestelmääsi ennen kuvantamista, sinun on ostettava tehokkaita tekoälylaitteita, jotka analysoivat kohteen ihmisen tavoin. Mutta liian suuren rahan käyttäminen vain mukavuuden vuoksi ei ole viisasta, koska koneoppiminen on helppo toteuttaa.

Siksi järjestelmään on syötettävä kohteiden näytteitä, jotta lähetettyjen WiFi-signaalien taltioiminen tuottaa parempia tuloksia kuin perinteisessä tutkan havaitsemisessa ja mikroaaltokuvantamisessa käytettävät vastaanottimet.

Materiaali

Myös kohteen materiaalilla on merkitystä, kun Wi-Fi-kuvantamista käytetään havaitsemiseen ja paikantamiseen. Esimerkiksi ehdotettu järjestelmä tuottaa lupaavia tuloksia, jos kohteessa on heijastavia pintoja.

Esimerkiksi metallipinnat ovat aina osoittautuneet paremmiksi kohteiksi myös optisilla tai infrapunataajuuksilla.

Sama periaate pätee myös tässä: suurikokoinen esine, jossa on heijastava pinta, on helpompi kuvata kuin pienet metalliset esineet. Miksi?

Vaikka kiiltävä esine heijastaa hyvin WiFi-signaaleja, sen pieni koko tekee sen poikkipinta-alasta ruuhkautuneen saapuvan säteilyn kannalta. Tämän seurauksena useat lähetetyt WiFi-signaalit eivät pysty kunnolla kuvittelemaan kyseistä esinettä.

Toinen kohteen ulottuvuuteen liittyvä ongelma on se, että kun koko suhteutetaan WiFi-signaalien aallonpituuteen, vuorovaikutus näiden kahden kohteen välillä vähenee.

Miten ratkaista ulottuvuus-taajuus-rajoitus?

WiFi-kuvausjärjestelmä edellyttää merkittävää eroa kohteen koon ja WiFi-signaalien aallonpituuden välillä. Jos kohteen koko on suuri, WiFi-signaalien aallonpituuden on oltava pienempi ja päinvastoin.

WiFi-signaalien aallonpituuden pienentämiseksi on lähetettävä korkeammalla taajuudella eli 5 GHz:n taajuudella. Vielä ei kuitenkaan ole konkreettisia tuloksia siitä, että matalataajuiset WiFi-signaalit passiivisissa interferometrisissä kuvantamisjärjestelmissä toimisivat pienemmissä kohteissa.

Tämä johtuu pienemmästä poikkipinta-alasta, joka ei salli korreloivien signaalikomponenttien säilyvän ehjinä seinäkuvauksen läpi.

Joitakin pienempiä kohteita, joista otettiin näytteitä useiden kokeiden aikana, olivat:

• Kolikko
• Avaimet
• Varmistusneula

Sen lisäksi, että käytetään eri laitteita, on myös taajuusalueen muuttaminen pienemmän tilaresoluution kohteiden havaitsemiseksi tutkittavana.

Kuvan tarkkuus

Kuvantamisresoluutio on ehdotetun tekniikan olennainen ominaisuus, ja se riippuu seuraavista kahdesta tekijästä:

• Wi-Fi-signaalin aallonpituus
• Antenniryhmän pituus

Kuvaustarkkuutta voidaan lisätä pitämällä signaalin aallonpituus vakiona ja kasvattamalla antenniryhmän pituutta.

Kokeen aikana tutkijat yrittivät parantaa kuvan tarkkuutta nostamalla taajuutta 5 GHz:iin, mikä pienentää aallonpituutta. Sitten he eivät muuttaneet signaalinkäsittelyn aallonpituutta ja antenniryhmän pituutta.

Tämän seurauksena tutkijat eivät havainneet minkäänlaista parannusta kuvantamisresoluutiossa. Toinen keskeinen havainto oli, että antennien lukumäärällä ei ollut merkitystä kuvantamisprosessissa.

Jos antenni sijoitetaan oikeaan paikkaan, voit saada tuottavia tuloksia vain parilla antennilla. Miksi?

Antenniryhmät keräävät havaittavasta kohteesta tulevan säteilyn. Useiden antennipaikkojen käyttäminen lisää epäilemättä optimaalisen kuvausresoluution todennäköisyyttä, mutta kyse on kustannustehokkaasta tekniikasta.

Lisäksi yritykset valmistavat edullisia antenneja Wi-Fi-kuvantamistekniikkaa varten, jotta sen käyttöala ja tehokkuus kasvaisi.

Voit siis kuvitella kohteen vain WiFi-tehomittauksilla, jos pidät antennijoukon pituuden vakiona. Tulevan taajuusalueen muuttaminen saattaa myös vaikuttaa kuvaustarkkuuteen.

Oliosuuntautuneisuus

Esineen suuntaus on toinen rajoitus ehdotetussa tekniikassa. WiFi-kuvausjärjestelmä edellyttää, että kohde on lähetetyn säteilyn kuvion sisällä. Tiedätte jo, että sähkömagneettiset aallot luovat kentän ja kulkevat rytmikkäästi. Tästä kentästä tulee suuntaus seuraaville aalloille.

Jos asetat kohteen kyseiseen kenttään siten, että sen suuntaus on poikkeutusasennossa, et saa oikeita tuloksia. On siis tärkeää, että kohteen suuntaus pysyy lähetetyn säteilyn kuvion sisällä.

Lisäksi voit ratkaista tämän ongelman seuraavilla tavoilla:

• Aseta antennien sijainti optimaalisesti.
• Valitse antennit, joiden säteilykuvio on parempi.

On tärkeää tuntea kuvion vaaka- ja pystyakseli, jotta saat käyttökelpoisen tuloksen kahdessa paikkataajuusulottuvuudessa.

Wi-Fi-kuvantamisen sovellukset

Wi-Fi-kuvausta käytetään kaupallisiin ja teollisiin tarkoituksiin useissa eri sovelluksissa, esimerkiksi.

Varaston seuranta

Kauppakeskukset ja ostoskeskukset käyttävät tutka-antureita käyttäviä vaunuja varastonhallintaan. Nämä tutkaohjatut vaunut eivät tarvitse mitään anturimerkintää, koska jokainen vaunu toimii erityisellä tunnisteella.

Tietokanta ryhmittelee vaunut useisiin tiimeihin, ja sitten valvoja jakaa kullekin tiimille tehtävän.

Näillä vaunuilla onnistutaan tehokkaasti hallinnoimaan varastojen varastoja. Lisäksi asiakkaat voivat hankkia nämä vaunut myös kauppakeskuksen tiloihin ja nauttia ostosten tekemisestä käteismaksuttoman ostojärjestelmän avulla.

Älykkäät kodit

IoT on seuraava suuri läpimurto asuntoteollisuudessa. Wi-Fi-kuvantamistekniikka suorittaa perinteisen tutkahavainnon, jolla tunnistetaan suuria kohteita, kuten:

• Ovet
• Windows
• Jääkaappi

Voit ottaa käyttöön antenneja ja tarvittavia antureita talosi suurten esineiden hallintaan. Esimerkiksi antenniryhmän mittaamat paikkataajuudet voivat tarkistaa olemassa olevat viestintäsignaalit ja ilmoittaa sinulle esineen tilan.

Lisäksi voit ohjelmoida koko järjestelmän käyttämällä keskimääräistä alueellista keskinäistä koherenssia sekä vaaka- ja pystysuuntaisia suuntia kohteen liikkeen ohjaamiseksi Wi-Fi-signaalinkäsittelyn avulla.

Tämän sovelluksen tärkein rajoitus on vakaa verkko, koska passiiviset kuvantamisjärjestelmät tarvitsevat WiFi-signaaleja kohteen mittojen analysoimiseksi.

UKK

Mikä on WiFi Doppler?

WiFi Doppler on anturitekniikka, joka käyttää vain yhtä WiFi-laitetta kohteen sijainnin ja liikkeen havaitsemiseen. WiFi Dopplerin avulla ei tarvita useita WiFIi-laitteita tulosten saamiseksi.

Voiko WiFi nähdä seinien läpi?

Kyllä. Wi-Fi-signaalien avulla voi nähdä seinien läpi.

Miten saan WiFi:n tunkeutumaan seinän läpi?

1. Tehosta talon sisäistä WiFi-yhteyttä Wi-Fi-laajentimien avulla.
2. Ota mesh-verkko käyttöön.

Useita WiFi-signaaleja lähetetään toistensa kautta. Miten?

WiFi-signaalit risteävät yleensä, jos reitittimet toimivat samalla kanavalla.

Voivatko WiFi-signaalit tuottaa tuloksia seinäkuvantamisen avulla?

Kyllä, koska WiFi käyttää radioaaltoja, jotka voivat tunkeutua seinien läpi.

Päätelmä

Wi-Fi-kuvaus on yleistymässä kuvankäsittelyn alalla, koska se on saatavilla lähes kaikissa asuin-, liike- ja teollisuustiloissa. Siksi Wi-Fi-kuvauksen käyttäminen kohteen sijainnin ja liikkeen havaitsemiseen on seuraava suuri teknologia, josta on hyötyä ihmisille.