量子位|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 )



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。

量子位|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
文章插图

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。
这是一种观念、思维方式上的创新,诚如那些前所未有的重大科学发现、基本原理、颠覆性技术等创新成果:
只有原始创新,才能把技术真正做到前沿,对问题有深层的认识,并最终把应用做好。

推荐阅读