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，在菲涅尔区感知模型与多普勒速度、速度和位置朝向的映射关系、无线感知的感知边界、感知极限、感知信号质量和移动场景的感知模型等方面取得了一系列重要进展。其中六篇长文分别发表在计算机网络系统领域顶级学术期刊IEEE Journal on Selected Areas in Communications （JSAC）和普适计算领域顶级国际学术会议ACM UbiComp 2022；一篇长文发表在移动计算领域顶级国际学术会议ACM MobiCom 2022，并获得年度的最佳论文奖第二名（Best Paper Award Runner-up）。
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，分析被人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、人的轨迹追踪等多种类型的应用。
作为无线感知最重要的信号特征之一，多普勒速度可从接收端接收到的WiFi信号中提取，从而支持轨迹追踪、手势识别等一系列应用。然而当利用WiFi信号估计目标的运动速度时，有两个重要理论问题尚无答案：（1）在WiFi感知范围内的任何位置，对目标的速度估计精度是否一直相同 ？（2）由于现实中WiFi设备摆放是任意的，如何才能够实现对目标准确的速度估计？论文“Rethinking Doppler Effect for Accurate Velocity Estimation With Commodity WiFi Devices”针对上述问题进行了探讨并给出了答案。张大庆教授团队从相对论性多普勒效应的基本概念出发，基于团队提出的菲涅尔区感知模型，建立了WiFi感知系统中多普勒频移与目标运动速度之间的关系，并定量分析了WiFi无接触感知中的速度（包括速度大小和方向）估计精度如何受到目标相对于WiFi收发设备的位置、目标运动方向等因素的影响，进而给出了实现准确速度估计的指导原则。最后，论文以手势识别和人体轨迹追踪为应用，给出了如何提取不受位置、运动方向等因素影响的速度特征的示例。该研究成果发表在CCF A类国际期刊IEEE JSAC 2022上，论文的第一作者为团队的牛凯博士。
图1 多普勒频移与目标运动速度间关系的物理解释
在泛在无线感知系统中，感知距离、范围和信号参数估计的精确度常常受到信号噪声的影响。张大庆教授团队通过定义感知信噪比模型，并将之引入到泛在无线感知领域，在无线感知基础理论和应用上均取得重大进展。以往的WiFi感知工作缺乏对无线感知范围的研究和探索，使得WiFi感知系统在真实环境部署时缺乏理论指导，系统性能在各个场景靠试错来保证。论文“Placement Matters: Understanding the Effects of Device Placement for WiFi Sensing”通过对“感知信噪比”概念的引入和研究，在国际上首次给出了泛在无线感知系统的感知范围边界公式，揭示了感知范围边界形状随收发设备距离变化的规律：即随着WiFi设备之间距离的增大，感知范围从一个小的卵形变成一个大的卵形，随后卵形向内凹陷，最后变成围绕着收发设备的两个小卵形（见图2）。当WiFi感知系统在真实环境中部署时，只需根据上述理论指导收发设备的位置，可以解决WiFi感知中两个常见问题：较小的感知范围和远处目标的干扰。比如：通过适当放置发射器和接收器，人体追踪系统的感知范围可以扩大200%。通过增加发射器和接收器之间的距离，即使干扰物距感知目标0.5米远，目标的细粒度呼吸仍然可以被系统精确感知到。相关工作发表在CCF A类国际会议UbiComp 2022 （ACM IMWUT）上，论文第一作者为博士生王炫之。
图2 在不同LoS长度下的感知覆盖范围边界，其中红色和黑色圈为Tx和Rx设备位置
在手势识别等场景中，信号质量会随着设备摆放、手势位置、运动方向等不同而变化，因此将用户手势动作对应的信号质量当作恒定而统一进行预处理，就会造成手势识别的准确度不稳定。实际上当手处于不同位置和朝向时，有时信号变化远大于噪声，有时信号变化和噪声接近，所对应的感知信噪比和信号感知质量都是变化的。针对手部运动在不同位置和朝向下信号感知质量不一致问题，论文“Towards Robust Gesture Recognition by Characterizing the Sensing Quality of WiFi Signals”提出了一个信号感知质量度量模型。该模型通过刻画手部运动时有效感知信号和噪声信号的相对关系，可以实时量化WiFi-CSI 信号在不同时间不同位置的感知质量。基于无线信号的感知质量，论文进一步提出了一个基于感知质量指标的信号预处理框架。具体来说，该框架对于不同的感知质量的信号进行分类处理。对于感知质量较好的可以用于识别任务的信号，该框架利用多载波信息进一步提升信号质量；对于感知质量较差不能用于识别任务的信号，该框架通过先验知识推断此时手部运动信息。最终使得在不同位置不同朝向的手部运动均能提取准确的多普勒速度信息，可显著提高手势识别系统的性能和鲁棒性。该工作发表在CCF A类国际会议UbiComp 2022（ACM IMWUT）上，论文第一作者为博士生高睿扬。
图3不同的手部活动有不同的信号质量，通过对信号质量进行度量可构造出稳定的手势识别系统
基于感知信噪比模型，张大庆教授团队还在提升无线感知距离方面取得了重大进展。在以往的无线感知系统中，当目标距离感知设备较远时，微弱的反射信号容易被噪声所淹没，使得感知系统无法工作。针对这一共性挑战，论文“DiverSense: Maximizing Wi-Fi Sensing Range Leveraging Signal Diversity” 提出了一种基于时频空域的感知信噪比增强技术，极大地提升了无线信号感知距离，扩大了WiFi感知范围。在WiFi感知系统中，无线设备采集的信道状态信息（CSI）与目标的运动和相对于无线设备的位置有着确定的关系，而随机噪声大致满足高斯分布。根据大数定律，将独立同分布带噪声的信号进行大量采样并叠加后，信号会收敛到期望值。基于这个原理，将时（多时刻）、频（多载波）、空（多天线）域上采集的WiFi信号作为多个采样，通过将信号对齐与融合，就可以极大地提高信噪比，还原真实的人体运动信息。为此，团队以呼吸感知应用为例，基于商用WiFi设备实现了DiverSense系统，在走廊环境下将人体呼吸检测距离从当前最远的11米推进到40米的新纪录。基于WiFi的远距离呼吸检测工作发表在CCF A类国际会议UbiComp 2022上，论文的第一作者为博士生李洋。
图4 走廊40米呼吸感知实验场景和增强信噪比后的CSI信号以及提取的呼吸波形
现有无线非接触感知的一项重要功能缺失是在设备移动场景，无法实现感知功能。该项任务之所以挑战性强，在于设备无规律移动导致的信号变化是和感知目标运动带来的信号变化叠加在一起的，很难分解开来。论文“Mobi2Sense: Empowering Wireless Sensing with Mobility”首次提出移动场景下非接触无线感知的新模型、新技术，该场景源于近年来雷达芯片的小型化和低成本化，以及在手持设备和移动机器人等各类移动设备上的集成，大大增强了移动场景下对无线感知的迫切需求。我们提出的 Mobi2Sense移动感知系统，巧妙利用环境中静态物体的反射信号来刻画设备的移动规律，从而选取静态参考物体的反射信号作为参考信号；然后将接收信号和参考信号相除消去接收信号中的设备运动成分，以精确还原目标原始运动信号。大量实验表明，Mobi2Sense能够在移动场景捕捉细微的感知目标运动， “听到”音箱的声音振动以还原声音、“看到”人体的呼吸状态，以及高精度“识别”多目标手势。该系统可用于急救场景医生手持雷达设备感知病人生命体征，以及用移动机器人跟踪监测居家老年人的健康状态，大大拓宽了无线感知的应用场景。该研究成果发表在移动计算系统顶级会议ACM Mobicom 2022，并荣获Best Paper Award Runner-up。此项工作由北京大学、中国科学院软件所以及美国Massachusetts大学合作完成，第一作者张扶桑为中科院软件所的副研究员（原博士后）。
图5 Mobi2Sense移动感知系统可用手持设备或安装在移动机器人平台上，精确感知目标活动
