Метод повышения эффективности Wi-Fi-сканирования для обнаружения присутствия человека, основанный на использовании нейронной сети с управляемыми рекуррентными нейронами, разработан сотрудниками факультета вычислительной математики и кибернетики (ВМК) МГУ, сообщает 30 августа портал «Научная Россия» со ссылкой на пресс-службу университета.

Обнаружение человека и фиксация его движения могут понадобиться для решения задач в сфере транспорта, бытовой безопасности, охраны помещений, а также в здравоохранении.

Обнаружение движения при помощи Wi-Fi-устройств основано на двух методах. Первый и самый простой основывается на анализе данных RSSI — индикаторе уровня принятого сигнала. Второй анализирует более полную информацию о состоянии канала связи Channel State Information (CSI) и является более точным.

Однако второй способ требует, чтобы используемые Wi-Fi точки доступа были многоантенными, а сетевая карта точки доступа Wi-Fi должна быть определенной версии, и на самой точке доступа должна быть установлена специальная версия управляющего программного обеспечения. Такие ограничения создают трудности для разработки универсального решения.

Поскольку подход на анализе RSSI более универсален, так как его значение можно получить практически на всех Wi-Fi-устройствах, молодые ученые МГУ провели исследование существующих методов обработки информации при Wi-Fi-сканировании для повышения точности при использовании именно этого подхода.

Бакалавр кафедры автоматизации систем вычислительных комплексов факультета ВМК МГУ Павел Шибаев пояснил: «Для решения задачи определения присутствия человека по данным RSSI часто используются статистические алгоритмы. Наиболее часто встречающийся подход к решению рассматриваемой задачи основан на использовании различных статистических характеристик отфильтрованного временного ряда RSSI».

В этой категории лучшие результаты демонстрируют алгоритмы, один из которых основан на использовании фильтра Калмана и другой, основанный на сочетании фильтров с использованием скользящих средних. Альтернативная группа подходов основана на алгоритмах машинного обучения и нейронных сетях.

Ученые МГУ решили исследовать оба этих подхода. Они выбрали в качестве статистического алгоритма фильтр Колмогорова-Винера, а в качестве нейросетевого — нейронную сеть с рекуррентными блоками (GRU).

Экспериментальное исследование показало более высокую точность обнаружения человека при использовании нейросетевого подхода. Кроме того, использование фильтра Колмогорова-Винера требует дополнительной предварительной настройки для определения уровня шума в помещении.

Результаты исследования ученые представили в статье «Определение присутствия человека с помощью фильтра Колмогорова-Винера и нейронных сетей с управляемыми рекуррентными блоками методом Wi-Fi-сканирования», опубликованной в журнале «Труды Института системного программирования РАН».

Они будут востребованы при разработке универсального подхода к слежению за движениями человека при помощи Wi-Fi-сканирования.