تینا مزدکی: توانایی وای‌فای «Wi-Fi» برای تشخیص حرکت از طریق دیوارها قبلاً نشان داده شده بود، اما این فناوری با تشخیص هر چیزی که در حرکت نیست مشکل دارد. برای غلبه بر این محدودیت، محققان دانشگاه کالیفرنیا سانتا باربارا (UCSB) چیدمانی را طراحی کردند که به طور خاص روی لبه‌های اشیاء تمرکز می‌کند، دقیقاً مانند زمانی یک شخص می‌خواهد طرحی کلی بکشد.
این رویکرد به این معنی بود که محققان توانستند با استفاده از تئوری هندسی پَراش (GTD) «جوزف کِلِر»، ریاضیدان آمریکایی، رفتار امواج را هنگام برخورد با لبه‌های اجسام بررسی کنند. در این حالت، امواج سیگنال‌های وای‌فای هستند که با پراش در لبه‌های اجسام، اشکالی به نام مخروط‌های کلر«Keller cones» را تشکیل می‌دهند. با تفسیر ترکیب و جهت این مخروط‌های کلر می‌توان به تدریج تصویری رسم کرد.
یاسمین مستوفی مهندس برق و کامپیوتر و استاد دانشکده مهندسی الکترونیک و کامپیوتر دانشگاه سانتا باربارا (کالیفرنیا) می‌گوید: «در نهایت یک چهارچوب ریاضی ایجاد می‌کنیم که از این اثر مخروطی به‌عنوان یک نشانه برای استنباط جهت لبه‌ها استفاده کرده و یک نقشه از صحنه ایجاد می‌کند.»
مجموعه‌ای که مستوفی و همکارانش با هم ترکیب کرده‌اند، شامل سه فرستنده وای‌فای برای ارسال سیگنال‌ها و یک گیرنده برای گرفتن آن‌ها در حین پرش به اطراف است و Wiffract نامیده می‌شود. ما می‌دانیم که امواج وای‌فای می‌توانند از دیوارها عبور کنند، اما این امواج نیز در برخورد با اجسام تحت تأثیر قرار می‌گیرند.
با انجام این تحقیق، محققان موفق شدند تا برای اولین‌بار تصویربرداری وای فای از الفبای انگلیسی در پشت دیوارها را به نمایش بگذارند. آن‌ها حروف کلمه «BELIEVE» را پشت یک دیوار قرار دادند و نتایج ارائه‌شده توسط فناوری Wiffract نشان می‌دهد که کار تصویربرداری نهایی به‌خوبی اجرا شده است.
دانشمندان با استفاده از داده بدست آمده از لبه‌هایی که رفتار اموج آن‌ها قوی‌تر است، توانستند توانایی سیستم را برای تشخیص لبه‌هایی با امواج ضعیف‌تر و شاید دورتر از فرستنده‌ها یا آن‌هایی که در یک نقطه پنهان بودند را بهبود بخشند.
هنوز تنظیمات دقیق زیادی مورد نیاز است، اما این سیستم می‌تواند حروف بزرگ را تشخیص دهد. در نهایت، می‌توان از آن در هر جایی از نجات بلایا گرفته تا نظارت بر خانه‌های هوشمند و دیدن داخل اتاق‌ها در زمانی که هیچ خط دیدی وجود ندارد، استفاده کرد.
منبع: sciencealert
۵۸۳۲۳
