2024年，北京大学高可信软件技术教育部重点实验室张大庆教授课题组围绕基于WiFi、雷达的智能无线感知领域的基础理论问题，在基本感知参数（ToF、多普勒速度）估计、菲涅尔区衍射模型与大小测量、WiFi BFM、BFI无线感知新理论模型和基于毫米波雷达的生命体征监测和跌倒检测等方面取得了一系列重要进展。其中九篇长文分别发表在计算机网络通信领域顶级学术会议USENIX NSDI 2024、普适计算领域顶级国际学术会议ACM UbiComp 2024和移动计算领域顶级国际学术会议ACM MobiCom 2024。
泛在无线感知是指利用环境中无处不在的无线射频信号，对环境中的人和物实现非接触感知的技术。这些无线信号来自我们生活中部署的各种无线通信设备，包括Wi-Fi、4G/5G、RFID和雷达等。利用这些泛在无线信号，分析被目标的活动所影响的无线信号波动模式并提取信号特征，可以识别人的动作行为、监测呼吸心跳、睡眠状况；或者实现入侵监测、室内定位、人的轨迹追踪；甚至可以实现对目标的二维大小测量等多种类型的应用。
1. 无线感知领域基本感知参数（ToF、多普勒速度）的准确估计算法
WiFi基础设施的广泛普及推动了基于信号到达时间（ToF）感知应用的发展。 然而，由于环境中复杂的多径效应，使得真实环境下的ToF估计极具挑战。为此，我们探索了一种基于相位差的ToF估计方法，并揭示了信号叠加相消在降低多径效应和噪声方面的潜力。为了从复杂的多径和噪声叠加信号中分离出运动目标对应的信号传播路径以估计目标对应的ToF，我们提出根据不同信号干扰成分特性采用特定的消除方法。对于动态多径，当一个子载波沿两条路径传播到接收端且路径长度相差半个波长时，这两条路径引入的相位差将相互抵消。为此，我们提出了两个度量指标以从丰富的频域信号分集和空域信号分集中找到动态多径相互抵消的信号。此外，我们还利用丰富的时域信号分集来消除静态多径成分并减小噪声的影响。在包含室外和室内多种场景的大量实验中，我们分别取得了15.36 cm和21.05 cm的平均估计误差， 相较于最先进的ToF估计方法，性能提升了50%。相关工作发表在CCF A类国际期刊TMC 2024上，论文第一作者为博士生李洋。
图 1基于信号相消的室内可靠ToF估计算法
本年度团队还以全新的CSI差分的视角审视了多普勒速度估计中的基本问题，首次深入探究了CSI差分和目标多普勒速度之间的定量关系。相比于传统的CSI视角，CSI差分视角消除了静态多径的干扰，同时完整保留了目标反射路径的所有信息，在与多普勒速度建立定量关系方面具有天然的优势。我们提出的TD-CSI模型揭示了多普勒速度估计的重要性质以及理论边界条件。在此模型基础上，团队提出了一套基于CSI差分的多普勒速度估计范式，通过创新地结合振幅和相位两个维度的信息用于多普勒速度估计，实现了只利用少量CSI采样（逼近理论采样边界）便可达到高精度多普勒速度估计，并且能够自动调整算法自身参数，最佳地适应各种不同目标运动速度和运动方向的需求。通过多个实验场景的大量实时评估，验证了该系统在复杂轨迹、变速运动、日常行为及居家办公环境等挑战性场景中的鲁棒性能。相关工作发表在CCF A类国际会议Ubicomp 2024上，论文第一作者为博士生李文威。
图 2基于CSI差分模型的高精度人体运动感知框架
2. 新菲涅尔区衍射模型及基于WiFi的国际性能最佳的物体大小测量应用
本年度团队探索了完整的菲涅尔区衍射模型，并以此为理论指导在室内多径环境下的衍射区感知应用。我们建立了一个精确的衍射模型来表征CSI振幅和相位与目标在衍射区的运动之间的关系。我们进一步提出了多径条件下模型的变形形式，并发现CSI模式随多径变化显著。因此，现有工作中CSI模式和活动之间一对一映射的常见假设由于多径的变化而失效，进而降低感知性能。为此，我们提出从CSI信号中提取相对变化模式来恢复一对一的映射关系，并消除静态多路径的影响。在多种环境下进行的大量实验表明，我们在粗粒度的入侵检测方面取得的准确率高于96%，在细粒度的呼吸监测方面取得的平均误差仅为0.6 bpm。相关工作发表在CCF A类国际期刊TMC 2024上，论文第一作者为博士生王炫之。
图 3当物体穿过LoS路径时，不同的静态多径环境对CSI信号的幅度和相位的影响
本年度团队还研究了无线信号传播过程中的衍射效应，并首次提出了基于WiFi信号衍射效应进行物体形状成像与测量的感知模型，为无线感知领域带来了全新的理论基础和研究视角。以往的成像方法依赖无线信号的反射，需要依托大带宽和多天线的硬件平台，才能实现高分辨率成像。然而，由于商用WiFi设备带宽窄（仅20 MHz）和天线数量少（通常为2至4根）的限制，基于商用WiFi设备的细粒度成像一直是该领域的未解难题。在深入分析WiFi信号与物体相互作用机理的基础上，我们突破了传统基于信号反射方法的局限性，创新性地提出了利用无线信号衍射效应实现物体形状成像与测量的新方法。为此，我们构建了CSI-Profile模型，首次从理论上建模了无线信道CSI与物体形状、尺寸以及位置之间的关系，并在商用WiFi设备上实现了亚厘米级精度的二维成像与测量。相关工作发表在CCF A类国际会议MobiCom 2024上，论文第一作者为博士生姚智允。
图 4八种形状铁板的衍射成像效果
3. 建立了基于WiFi BFM、BFI的无线感知新理论模型和基础算法
本年度团队探索了基于波束赋形反馈矩阵(BFM)的无线感知模型，在基于新一代WiFi网卡的感知理论方面取得了重大进展，对大规模推广基于WiFi的无线感知应用具有重要价值。目前基于WiFi的无线感知工作主要利用信道状态信息(CSI)进行感知，这需要修改网卡固件/驱动来采集CSI 数据，但当前只有少数WiFi网卡支持。和CSI不同，BFM可从大多WiFi设备通信数据流中直接获得，并且是不加密的。我们通过建立BFM与CSI之间的数学关系，首次揭示了BFM振幅不随CSI振幅线性变化，BFM相位和BFM振幅也不正交。为此，我们首次提出了BFM商模型，并证明它和CSI商具有相同的感知性质，从而使得过往基于CSI商的无线感知技术和应用均能迁移到新一代支持BFM的WiFi设备上。我们通过两种典型的传感应用，即呼吸监测和人体轨迹跟踪来证明所提出方案的有效性。此外，我们还开源了团队开发的BFM实时采集工具BFM tool和BFM商处理代码，用于促进无线感知领域的研究和发展。相关工作发表在CCF A类国际会议NSDI 2024上，论文的第一作者为团队的伊恩泽博士。
图 5 BFMsense系统流程图
进一步，本年度团队还探索了波束形成反馈信息（BFI）感知模型，实现了高精度的物体大小二维测量。虽然WiFi感知已经实现了大量的感知应用，如活动感知和生命体征监测，但由于WiFi的带宽较窄，使用商用WiFi设备获取物体的细粒度尺寸信息仍然具有挑战性。最近的研究试图用WiFi信号来测量物体的大小。然而，这些系统存在诸多限制，比如依赖多对收发器，只能测量一维尺寸，这阻碍了它们在现实生活中的应用。此外，这些系统依赖于CSI信号，这仅在少数商用WiFi卡上可用。在本项工作中，我们基于一种广泛应用于新一代WiFi协议的信道数据BFI，用于细粒度尺寸测量。我们首先揭示BFI与CSI之间的定量数学关系，然后推导物体尺寸对BFI的影响，最后通过识别物体通过收发设备衍射区的奇点位置实现对物体二维尺寸的精确测量。实验结果表明，我们可以在不同环境下准确测量物体的二维尺寸，中值误差仅为3.7 mm。相关工作发表在CCF B类国际会议SenSys 2024上，论文第一作者为博士生王炫之。
图 6 WiFi CSI与BFI的定量数学关系
4. 实现了准确的心率监测与跌倒检测系统
长期稳定的监测人体生命体征（如呼吸和心跳）对于多种疾病的早期检测和整体健康监测至关重要，本年度团队探索了基于毫米波雷达的生命体征监测的鲁棒性问题，并提出多点反射模型。我们观察到，即使是轻微的人体运动也可能导致无线感知信噪比（SSNR）的显著波动，而这种现象无法用常见的将人体胸部建模为单一反射点的模型来解释。这些波动会掩盖微弱的心率信号，进而对心率和心率变异性（HRV）监测的稳健性构成了挑战。为此，我们提出多点反射模型来解析SSNR波动的潜在原因，并提出了一种基于频率多样性的算法以增强感知SSNR。我们在商用毫米波雷达系统上进行了严格评估，并在一项包含12名参与者的用户研究中展现了长期心率和心率变异性跟踪的卓越性能。相关工作已经发表在CCF A类期刊TMC 2024上，论文第一作者为博士生张舵。
图 7多点反射模型示意图
毫米波雷达在精确估计信号反射点相对于雷达的距离、速度和角度方面表现出色。然而，对于依赖雷达追踪能力的多种感知应用，比如室内人体追踪，这些估计值需要转换为房间坐标系。这种转换依赖于毫米波雷达在房间内的位置属性，包括其在房间坐标系中的位置和朝向。传统的自动驾驶室外标定方法利用角反射器作为静态参考点，因为室内复杂的多径环境不再适用。人体手动测量费时费力又不准确。为此，我们选用一台具备 SLAM 功能的机器人，其在房间内走一圈便可完成标定，无需人为干预。SLAM系统可以获得机器人在房间坐标系的轨迹，雷达可以感知机器人在雷达坐标系下的轨迹，基于轨迹的匹配关系，我们便可以完成雷达位置属性的标定。大量实验结果表明，我们所提出的标定方案具有极高的精度（位置精度为 1.74 cm，朝向精度为 0.43°），并且在三个典型应用中表现出卓越性能：跌倒检测、点云融合以及远距离人体追踪。相关工作发表在CCF A类国际会议Ubicomp 2024上，论文第一作者为博士生张舵。
图 8标定过程示意图
卫生间是居家环境中人们发生意外伤亡的主要场所，本年度在检测老人在卫生间跌倒的技术方面取得了重大进展。本年度提出了一种抗水流干扰的人体点云生成方法，能够实现准确的人体检测。我们将噪声和水流信号均作为背景干扰，对其能量幅度进行统计建模，我们观察到并证实包含水流的背景干扰信号幅度符合韦布尔分布。基于此，我们设计了针对韦布尔分布的恒虚警目标检测器。另外，我们设计了多径点云消除模块，基于商用毫米波雷达实现了Waffle感知系统，实验显示我们的系统在水流干扰下跌倒检测的准确率达到了97.8%。相关工作发表在CCF A类国际会议Ubicomp 2024上，论文第一作者为博士生张旭升。
图 9水流干扰下人体信号检测器工作原理图
通讯作者张大庆教授简介
张大庆，北京大学计算机学院高可信软件技术教育部重点实验室讲席教授、欧洲科学院院士、IEEE Fellow、北京大学智能无线感知与应用研究中心主任。自2014年加入北京大学以来，一直致力于泛在无线感知理论和技术的研究，其团队在国际上首次提出基于菲涅尔区的无线感知理论，揭示了感知目标的活动位置、朝向、大小、WiFi收发设备位置与无线接收信号之间的关系；提出了CSI商模型、速度-多普勒速度模型、CSI差分模型和无线信号在室内环境传播的一系列重要性质；还通过引入感知信噪比的概念，回答了WiFi感知极限、感知边界、感知信号质量、BFI/BFM与CSI定量关系等领域基础理论问题，为基于WiFi、4G/5G信号和雷达信号的无线感知提供了全新的理论基础；更在无接触呼吸监测、室内定位、活动轨迹跟踪和入侵检测等一系列感知应用上达到国际最佳性能。
自2016年起，张大庆教授团队在普适计算领域顶级国际学术会议ACM UbiComp会议上论文累计发表数量一直位居国际第一，有多篇无线感知的长文引用量名列当年UbiComp会议的前三名；其中基于WiFi CSI的论文它引总数位居国际第一，近年分别获得ACM UbiComp 2021杰出论文奖、ACM MobiCom 2022最佳论文奖第二名（Best Paper Award Runner-up）和CCF TPCI 2023最佳论文奖等。张大庆教授是普适计算权威国际期刊ACM IMWUT的指导委员会七位委员之一, 担任过10多个国际会议的大会或程序委员会主席, 应邀在30多个国际会议做大会特邀报告。
