靠WiFi信号就能检测呼吸跌倒！北大这项硬科技研究越来越藏不住了( 三 ) 还记得《少数派报告》里

文章图片

文章图片
从2000年起至今，已有20余年时间，张大庆一直没有停下研究的脚步，这也与他选择普适计算的初心有关。
其一，普适计算属于应用（场景）驱动型研究：
我们做普适计算研究时，首先都要选一个场景，就像“老人健康监测”这个应用场景，它并不限制技术实现的方式，用可穿戴、无线设备、摄像头都可以做，目标是把性能做到极致，这让我们的研究方式很灵活。
我很喜欢参加普适计算会议，因为每次都能看到国际同行们展示最新、很酷的应用，都是我们日常都能遇到的场景，能切实感受到这些研究是有用的。
其二，普适计算属于交叉学科， “永远在路上”：
普适计算的研究没有“固定套路” 。你可以利用最先进的感知技术、也可以研究通讯和AI算法，只要它对你解决具体的应用有帮助，你都可以探索，这也是我现在还在不断学习新知识的原因。
这两点，在张大庆所做的研究中都得到了完美的印证。
以2016年发表在UbiComp的无线感知论文为例，张大庆等人将源于光学的菲涅尔区模型引入到无线感知领域，揭示了用WiFi信号何时能检测人的呼吸的机理。
理论上， WiFi作为一种电磁波信号，是可以用来反映物体活动情况的。但相关研究大都没有建立WiFi信号变化与设备位置、人体活动位置、方向、速度之间的定量关系，因此WiFi感知应用遇到问题时，人们不能从原理上理解为什么。
菲涅尔区，是源自光学理论中的一个概念，指以收发信号的设备（这项研究中指WiFi信号发射和接收器）两点为焦点的一系列同心椭圆。
乍一看， WiFi信号似乎和光学并不相关，但如果仔细一想，就会发现WiFi信号属于电磁波，广义上性质与光波相似。

文章图片

文章图片
基于菲涅尔区的基本模型，张大庆等人进一步考虑了电磁波反射特性和WiFi信号的频率多样性，使得扩展后的模型能捕获到人体亚波长级别的微小移动。这项研究，也奠定了用WiFi信号感知人体毫米级行为的理论基础。
在张大庆教授看来，要想真正把无线感知做好做到实用，第一件事就是要把人的活动对无线信号影响的机理搞明白。
包括WiFi信号是怎么传播的，有什么特殊的性质，感知的极限和边界是什么；否则将AI算法生硬地用于无线感知遇到问题时，就无法理解问题的根源。
这也是当前为何全球很多团队都在将各种AI、机器学习算法用于WiFi感知，但性能并不稳定的原因。而张大庆团队利用商用WiFi ，就可将20米外的人的微弱呼吸检测到。
在未来，只有将基础理论和AI有机结合起来，才能将无线感知应用做好。但在那之前，还是要先从基本原理出发，去理解感知问题背后的本质。
实际上，这种研究方法放在其它应用领域，也是同样通用的。
把握「原始的创新」
在与量子位的聊天里，张大庆教授谈及最多的，就是基础研究的重要性。
现在我们有不少学生和研究人员，喜欢跟风其它团队的研究，仅对算法做些改进。
但我觉得，要想真正搞好科研，还是需要去做基础理论的探索与创新，要理解技术和方法使用的假设条件和背后的道理，不能仅停留在方法的简单运用和改进上。
其中，张大庆教授尤其强调了原始创新的重要性。