我們生活在一個無線信號的世界里，在我們身邊流淌，從我們的身體中蹦出來。麻省理工學院的研究人員正在利用這些信號反射為科學家和護理人員提供有關人們行為和健康的寶貴見解。

該系統稱為Marko，將低功率射頻(RF)信號發送到環境中。如果信號從移動的人體反彈，信號將返回系統并進行某些更改。然后，新算法分析這些改變的反射并將它們與特定個體相關聯。

然后，系統跟蹤每個人圍繞數字平面圖的移動。將這些運動模式與其他數據相匹配可以提供關于人們如何彼此交互和環境的見解。

在本周在計算系統人類因素會議上發表的一篇論文中，研究人員在六個地點描述了該系統及其實際使用情況：兩個輔助生活設施，三個公寓居住的公寓和一個有四個居民的聯排別墅。該案例展示了系統的區分僅基于無線個人能力的信號，并透露了一些有用的行為模式。

在一個輔助生活設施中，經過患者家屬和護理人員的許可，研究人員對患有癡呆癥的患者進行了監測，這些患者經常因為不明原因而煩躁不安。一個多月后，他們測量了患者在其單位區域之間增加的起搏 - 一個已知的激動跡象。通過將增加的起搏與訪客日志相匹配，他們確定患者在家人探訪后的幾天內更加激動。研究人員說，這表明Marko可以提供一種新的被動方式來跟蹤家中患者的功能健康狀況。

“這些是我們通過數據發現的有趣內容，”第一作者Chen-Yu Hsu博士說。計算機科學與人工智能實驗室(CSAIL)的學生。“我們生活在無線信號的海洋中，我們移動和走動的方式改變了這些反射。我們開發了聽取這些反射的系統......以更好地了解人們的行為和健康狀況。”

該研究由Dina Katabi，安德魯和Erna Viterbi電氣工程和計算機科學教授以及麻省理工學院無線網絡和移動計算中心

當部署在家中時，Marko會發射射頻信號。當信號反彈時，它會創建一種切割成垂直和水平“框架”的熱圖，指示人們在三維空間中的位置。人們在地圖上顯示為明亮的斑點。垂直框架捕獲人的高度和構建，而水平框架確定其一般位置。當個人走路時，系統分析RF幀 - 大約每秒30幀 - 以產生稱為軌跡的短軌跡。

甲卷積神經網絡通常用于圖像-a機器學習模型處理-使用這些tracklets通過某些個體分離的反射。對于它感知到的每個人，系統會創建兩個“過濾面具”，這是個人周圍的小圓圈。這些掩模基本上濾除了圓圈外的所有信號，這些信號在移動時鎖定個體的軌跡和高度。結合所有這些信息 - 高度，構建和移動 - 網絡將特定的RF反射與特定個體相關聯。

但是要將身份標記為那些匿名blob，系統必須首先進行“訓練”。幾天后，個人佩戴低功率的加速計傳感器，這些傳感器可用于標記反射的無線電信號及其各自的身份。在培訓中部署時，Marko首先生成用戶的tracklet，就像在實踐中一樣。然后，算法將某些加速度特征與運動特征相關聯。例如，當用戶走路時，加速度會逐步振蕩，但當它們停止時會變為扁平線。該算法找到加速度數據和軌跡之間的最佳匹配，并用該用戶的標識標記該軌跡。在這樣做時，Marko了解哪些反射信號與特定身份相關。

傳感器永遠不需要充電，并且在訓練之后，個人不需要再次佩戴它們。在家庭部署中，Marko能夠在新家中標記個人身份，準確率在85%到95%之間。

研究人員希望醫療機構能夠使用Marko來被動監測，例如患者如何與家人和護理人員互動，以及患者是否按時接受藥物治療。例如，在輔助生活設施中，研究人員注意到護士會走到病房的藥柜然后到病人床上的特定時間。這表明護士在那些特定時間給了患者的藥物。

該系統還可以替代心理學家或行為科學家當前使用的問卷和日記，以捕獲他們的研究對象的家庭動態，每日時間表或睡眠模式以及其他行為的數據。那些傳統的記錄方法可能不準確，包含偏見，并且不適合長期研究，人們可能不得不回憶他們幾天或幾周前所做的事情。一些研究人員已開始為人們配備可穿戴傳感器，以監測運動和生物識別。但是老年患者尤其經常忘記佩戴或充電。“這里的動機是為研究人員設計更好的工具，”Hsu說。

為什么不安裝相機?對于初學者來說，這需要有人觀看并手動記錄所有必要的信息。另一方面，Marko會自動將行為模式(如運動，睡眠和交互)標記到特定區域，日期和時間。

此外，視頻只是更具侵略性，Hsu補充說：“大多數人都不習慣一直拍攝，特別是在他們自己的家中。使用無線電信號完成所有這些工作在獲得一定程度的幫助之間取得了很好的平衡。信息，但不會讓人感到不舒服。“

Katabi和她的學生還計劃將Marko與他們之前關于從周圍無線電信號推斷呼吸和心率的工作結合起來。然后Marko將用于將這些生物識別與相應的個體相關聯。它還可以跟蹤人們的步行速度，這是老年患者功能健康的良好指標。

“這里潛力巨大，”劍橋大學計算機科學與技術系移動系統教授Cecilia Mascolo說。“關于通過攝像頭進行成像，它提供了一種數據量較少且目標更明確的信息收集模式，從用戶隱私的角度來看，這是非常受歡迎的。但是，收集的數據仍然非常豐富，論文評估顯示準確性這可以實現許多非常有用的應用，例如在老年人護理，醫療依從性監測，甚至是醫院護理方面。“

“然而，作為一個社區，我們需要意識到這種技術帶來的隱私風險，”Mascolo補充道。她說，應該考慮某些計算技術，以確保數據保持私密性。