关于Wifi-Sensing的挑战

无源多目标感知

• 目前的大多数研究工作主要在做单目标的感知、定位。一旦涉及到多目标问题，由于当前带宽和天线阵列数量的限制，无法分离出每个目标对象产生的反射信号，导致采集的信号都是来自多个目标对象的混合信号。

---

感知距离受限

• WiFi信号的通信距离大概在10-20米左右，但是感知距离在2-3米左右。WiFi感知主打应用于室内环境，然后感知距离在2-3米左右，这种感知范围在实际的室内环境是无法应用的。所以需要提升感知距离。
  

---

感知性能的不稳定性

• 据我们所知，目前研究工作效果都比较好，但是存在一个不足：不稳定性。设计的方案或者算法在某个环境下效果非常好，换到另一个环境效果则大大折扣。此外，同一个环境下的不同时间段，效果也不一样。这个问题一部分是WiFi信号本身的属性造成的，另一个部分还是采集信号和处理信号过程没有达到最优（这部分很难，因为人为因素太多）
  目前为了解决该问题，有两个研究思路在进行：
  1)尝试利用深度学习、机器学习等数据层面上进行研究，挖掘更细粒度的数据表示、提升已有的方案的鲁棒性。缺点无法解释对较好效果进行有效解释。
  2)尝试从数学理论层面，来分析信号在传播过程中遇到障碍物、动态物体，信号是如何变化的？如何衰减的？从定性分析到定量分析。这个思路把信号处理知识与统计学理论相结合，提出具有一定可解释性的理论。缺点需要信号处理技术相关的知识和背景，对信号系统较为熟悉。

---

感知粒度还是粗粒度，不够细致

• 目前无线感知可以做到对人体行为识别、跟踪、生命特征监测（呼吸，但是心跳还不行）。但是更细粒度的行为是无法高精度识别的，例如唇部、喉咙等。由于WiFi处于2.4GHz频段，波长为12cm，小于12cm的动态物体是无法感知到的。当前60GHz的应用做类似细粒度动作是比较好的。