Các nhà nghiên cứu tại trường Đại học Syracuse ở New York, Hoa Kỳ gần đây đã phát triển một hệ thống phát hiện sự hiện diện của con người trong một môi trường nhất định bằng cách phân tích tín hiệu tần số vô tuyến xung quanh (RF). Hệ thống mới sử dụng mạng lưới thần kinh tích chập (CNN) được đào tạo dựa vào khối lượng lớn dữ liệu RF.

Nhóm nghiên cứu đã thiết lập một hệ thống cảm biến sự hiện diện của máy bay không người lái trong môi trường ngoài trời. Tuy nhiên, các nhà khoa học sớm nhận ra rằng việc liên tục phát hiện máy bay không người lái bằng cách phân tích tín hiệu RF thụ động là gần như không thể, vì chúng không kiểm soát được môi trường mà nó đang di chuyển. Hệ thống mới được thiết kế để khai thác tín hiệu RF do chuyển động của máy bay không người lái làm thay đổi các kênh lan truyền. Tuy nhiên, hệ thống cũng bị ảnh hưởng khi xâuts hiện chướng ngại vật như ô tô di chuyển qua, ai đó dắt chó đi dạo và bất cứ thứ gì khác di chuyển trong môi trường xung quanh.

Trong thí nghiệm với máy bay không người lái, chúng tôi chưa bao giờ đạt được kết quả nhất quán“, Biao Chen, đồng tác giả nghiên cứu giải thích. “Tuy nhiên, hệ thống học mà chúng tôi phát triển dễ dàng thích nghi với các ứng dụng trong nhà có môi trường dễ kiểm soát và điều chỉnh hơn nhiều. Điều này cuối cùng đã đưa chúng tôi đến việc phát triển một hệ thống phát hiện sự hiện diện dựa vào học tập sâu bằng cách sử dụng tín hiệu WiFi xung quanh“.

Sự hiện diện của con người trong một căn phòng hoặc trong các môi trường trong nhà khác có thể làm thay đổi sự lan truyền tín hiệu RF theo nhiều cách. Thông qua xử lý trước các số đo từ kênh RF, các nhà nghiên cứu tạo ra những “hình ảnh” tóm tắt các tín hiệu, từ đó có thể được phân tích để phát hiện sự hiện diện của con người trong một môi trường nhất định.

 

Sau đó, họ đã đào tạo cho mạng lưới thần kinh tích hợp chập (CNN) về khối lượng lớn dữ liệu chứa cả thông tin về cường độ và pha, hai đặc điểm chính của tín hiệu RF. Theo thời gian, thuật toán học sâu học cách phân biệt khi nào môi trường có sự xuất hiện của con người và khi nào không có con người bằng cách phân tích cái được gọi là thông tin trạng thái kênh (CSI).

Khai thác tính phổ biến của các tín hiệu RF xung quanh như WiFi, Bluetooth hoặc tín hiệu di động cho thông tin nhận thức tình huống cung cấp giá trị gia tăng cho cơ sở hạ tầng RF hiện có“, Chen nói. “Ví dụ, phát hiện ra sự hiện diện của con người là một ứng dụng trong đó cảm biến RF có thể là sự thay thế chi phí thấp và không cần hạ tầng hoặc bổ sung cho các phương pháp hiện có“.

Nhóm nghiên cứu đã đánh giá hệ thống dựa vào CNN trong một số thí nghiệm được thực hiện tại lab bằng cách sử dụng các thiết bị WiFi sẵn có. Hệ thống đã phát hiện ra sự hiện diện của con người một cách đáng tin cậy trong hầu hết các trường hợp, vượt trội so với một số cảm biến hồng ngoại thụ động tiên tiến nhất.

Trong tương lai, hệ thống do nhóm nhà nghiên cứu phát triển có một số ứng dụng hữu ích. Ví dụ như phát hiện sự hiện diện của con người trong khu vực hạn chế hoặc riêng tư. Thu thập dữ liệu liên quan đến việc chiếm dụng và sự hiện diện của con người trong thời gian thực cũng giúp cải thiện sự thông minh của tòa nhà và giảm mức tiêu thụ năng lượng.

N.P.D (NASATI), theo https://techxplore.com/news/2020-02-deep-learning-human-

presence-harvesting-rf.html,