我们生活在一个无线信号的世界，在我们周围流动，从我们的身体里跳出来。麻省理工学院的研究人员正在利用这些信号反射为科学家和护士提供关于人们行为和健康的宝贵见解。

这个被称为Marko的系统向环境发送低功率射频(RF)信号。如果信号从移动的人体反弹回来，它会返回到系统并做出一些改变。然后，新算法分析这些变化的反射，并将其与特定的个人相关联。

然后，系统跟踪每个人在数字平面图周围的移动。将这些运动模式与其他数据相匹配，可以提供关于人们如何相互作用以及与环境相互作用的见解。

在本周举行的计算系统人为因素会议上提交的一篇论文中，研究人员描述了该系统及其在六个地方的实际使用情况：两个辅助生活设施，三个公寓和一个有四个居民的联排别墅。案例研究证明，该系统仅根据无线信号就可以区分个人——并揭示了一些有用的行为模式。

在一个辅助生活设施中，在患者家属和护理人员的允许下，研究人员对痴呆症患者进行了监测，这些患者经常因未知原因而焦虑不安。一个多月后，他们测量了患者在各自单位区域之间加快的起搏速度——这是一种已知的兴奋迹象。通过将增加的起搏与探视记录匹配，他们确定患者在家庭探视后的几天内更加兴奋。研究人员表示，这表明Marko可以提供一种新的被动方法来跟踪患者在家的功能健康状况。

“这些都是我们通过数据发现的有趣内容，”第一作者、计算机科学与人工智能实验室(CSAIL)博士生陈玉宇说。“我们生活在无线信号的海洋中，我们移动和行走的方式会改变这些反射。我们开发了一个系统来倾听这些想法.来更好地理解人们的行为和健康。”

这项研究由电气工程和计算机科学教授Dina Katabi、Andrew和Erna Viterbi以及麻省理工学院无线网络和移动计算中心(Wireless @ MIT)主任领导。卡塔比和徐与CSAIL的研究生赵明民和李光和以及校友Rumen Hristov SM '16一起工作。

预测“跟踪”和身份

当部署在家中时，Marko将发射无线电频率信号。当信号反弹时，它会创建一个热图，该热图被切割成垂直和水平的“帧”，以指示人们在三维空间中的位置。人在地图上被显示为亮点。垂直框架捕捉一个人的高度和构造，而水平框架决定其大致位置。当一个人行走时，该系统分析射频帧(约每秒30帧)以生成短轨迹，称为轨迹。

卷积神经网络——一种常用于图像处理的机器学习模型——使用这些轨迹来分离一些个体的反射。对于它感知到的每个人，系统都会创建两个“过滤面具”，这是围绕个人的小圆圈。这些面具基本上过滤掉了除圆以外的所有信号，圆锁定了个体移动时的轨迹和高度。将所有这些信息(高度、建筑和移动网络)结合起来，将特定的射频反射与特定的个人联系起来。

但是要将身份标记为那些匿名的blob，系统必须首先被“训练”。几天后，个人佩戴低功率加速计传感器，可以用来标记反射的无线电信号和各自的身份。在训练中部署时，Marko首先生成用户的tracklet，就像在实践中一样。然后，该算法将一些加速度特征与运动特征相关联。例如，当用户行走时，加速度逐渐振荡，但当它们停止时，就变成了柔性扁平电缆。算法找到加速度数据和轨迹的最佳匹配，用用户的logo标记轨迹。通过这样做，Marko知道哪些反射信号与特定身份相关。

传感器从来不需要充电，个人训练后也不需要再佩戴。在家庭部署中，Marko可以在新家标记个人身份，准确率在85%-95%之间。

获得良好的平衡(数据收集)

研究人员希望医疗机构可以使用Marko来被动监控，例如，患者如何与家人和护理人员互动，患者是否按时接受药物治疗。例如，在辅助生活设施中，研究人员注意到护士会走到病房中的医药箱，然后在特定的时间走到病人的床前。这表明护士在特定的时间给病人服药。

该系统还可以取代心理学家或行为科学家目前使用的问卷和日记，以捕捉他们的受试者的家庭动态、日常安排或睡眠模式以及其他行为的数据。那些传统的记录方法可能不准确，含有偏见，不适合长期研究。人们可能不得不回忆几天或几周前他们做了什么。一些研究人员已经开始为人们配备可穿戴传感器，以监控运动和生物识别。但是老年患者尤其经常忘记穿戴或充电。“这里的动机是为研究人员设计更好的工具，”Hsu说。

为什么不装摄像头？对于初学者来说，这需要有人手动观察和记录所有必要的信息。另一方面，Marko会自动将行为模式(如运动、睡眠和互动)标记到特定的区域、日期和时间。

此外，该视频更具攻击性，Hsu补充说：“大多数人不习惯一直拍摄，尤其是在自己家里。使用无线电信号来完成所有这些任务，在获得一些帮助之间取得了良好的平衡。信息，但不会让人觉得不舒服。”

Kat和她的学生还计划将Marko与他们之前的工作结合起来，从周围的无线电信号中推断呼吸和心率。然后，Marko将用于将这些生物特征与相应的个人相关联。它还可以跟踪人们的行走速度，这是老年患者功能健康的良好指标。