2020年年初疫情剛開始時，清華大學(xué)的官方號曾祭出一篇題為《清華教師升級「十大神器」，上課力滿格》的推文，講述了軟件學(xué)院某老師如何居家辦公、探索出一套防止學(xué)生偷懶幫助學(xué)生遠(yuǎn)程上課的云端設(shè)備的故事。

據(jù)當(dāng)時的官方報道，該老師信誓旦旦：「不能說萬無一失，但有10大『神器』護(hù)法，無論是斷電、斷網(wǎng)、硬件崩潰、軟件崩潰，都不能阻擋我一顆上課的心！」真·學(xué)生聽者傷心、聞?wù)呗錅I。

這位老師，就是后來入選2022年IEEE Fellow的最年輕華人學(xué)者楊錚，年僅38歲。他也是迄今為止國內(nèi)為數(shù)不多的、入選IEEE Fellow時職稱僅為副教授的高校學(xué)者。

拋去自帶搞笑BGM的行事風(fēng)格，楊錚對科研探討的認(rèn)真與嚴(yán)謹(jǐn)也同樣令人印象深刻。

楊錚師從國內(nèi)物聯(lián)網(wǎng)先驅(qū)劉云浩，看似與人工智能無關(guān)，但巧合的是，他所研究的方向正是物聯(lián)網(wǎng)與人工智能的交叉一支——智能無線感知。2021年他被IEEE選為Fellow的原因，也正是其在智能無線感知上的貢獻(xiàn)。

圍繞著「智能無線感知」，AI科技評論與楊錚教授進(jìn)行了深入探討，發(fā)現(xiàn)了該方向的許多有趣的點。

比如，同樣是「識別」與「檢測」，人工智能中應(yīng)用最廣泛的莫過于計算機視覺，但該方向主要是通過視覺捕捉環(huán)境信息而后分析，而楊錚所研究的智能無線感知技術(shù)卻可以僅靠無線射頻信號（如WiFi、5G）就能掌握環(huán)境內(nèi)的信息。后者去掉了對視覺的依賴，也就能很好地消除了當(dāng)前計算機視覺在落地應(yīng)用中所面臨的隱私、遮擋、弱光等問題。

換言之，無線感知為人工智能帶來了視覺以外的新「感官」。

此外，無線感知的許多研究也是當(dāng)前火熱的「元宇宙」的技術(shù)基礎(chǔ)。比如，楊錚團(tuán)隊近期提出的工作FollowUpAR，就將無線感知技術(shù)與混合現(xiàn)實技術(shù)進(jìn)行深度融合，幫助AR應(yīng)用在移動目標(biāo)上渲染連續(xù)、流暢的立體特效，堪稱智能無線感知賦能元宇宙的一個典型案例。

基于射頻信號的無線感知究竟是「何方神圣」？下文為你揭曉。

1、「知」與「智」

從古至今，人類對「真理」的追求，都可以概括為從對物理世界的「知」到掌握萬物規(guī)律的「智」。

然而，基于有限的認(rèn)知條件，人在實現(xiàn)「智」的過程中常常遇到挑戰(zhàn)。在《理想國》一書中，柏拉圖就曾用「洞穴寓言」形容人類認(rèn)識世界的局限性：一束光照進(jìn)洞穴，將外界的事物投影在洞壁上，洞穴里的人只能通過投影去觀察外面的世界。

圖注：柏拉圖的「洞穴寓言」實驗

后來，隨著現(xiàn)代文明的推進(jìn)，盡管人類對物理世界的感知方式有了科技的輔助，得以打破主觀認(rèn)識的局限性，經(jīng)歷了傳感器、無線傳感器與傳感網(wǎng)等多個階段的演變，但要實現(xiàn)一個萬物智聯(lián)的「泛在智能」時代，也仍有漫漫長路。而這，正是智能無線感知的目標(biāo)。

「事實上，早在兩千多年前，我國思想家荀子就已在《正名篇》中討論過人類感知與智能之間的關(guān)系——『知之在人者謂之知，知有所合者謂之智』。但荀子他老人家肯定沒預(yù)料到，有一天『知』與『智』會結(jié)合起來，并且從『人』延伸到『物』。」楊錚布道。

簡單來說，無線感知是一種利用泛在無線信號來實現(xiàn)場景感知的技術(shù)。

這些「泛在無線信號」來自于我們身邊所部署的各種無線設(shè)備，包括Wi-Fi熱點、藍(lán)牙、RFID等，不僅可以傳輸數(shù)據(jù)、完成本職任務(wù)（如通信），還可以「額外」用來感知環(huán)境，因為信號發(fā)射機產(chǎn)生的無線電波經(jīng)由直射、反射、散射等多條路徑傳播，在信號接收機處形成的多徑疊加信號攜帶了反映環(huán)境特征的信息。

盡管這些無線射頻信號無法被眼睛直接感受到，但卻可以被無線通信收發(fā)機捕捉，成為視覺之外感知物聯(lián)世界的「新器官」。

以基于射頻信號的跌倒檢測為例。人們在跌倒的時候，會引起無線信號傳播路徑的變化，從而影響到接收的無線信號。無線感知技術(shù)通過提取相應(yīng)的特征，分析無線信號在傳播過程中的變化，借助分類算法總結(jié)出跌倒與其它活動所導(dǎo)致的無線信號變化的差異，判斷環(huán)境中是否有跌倒動作發(fā)生，從而實現(xiàn)跌倒檢測。

圖注：Wi-Fi信號可視化

也就是說，無線感知就是現(xiàn)代科學(xué)家「隔空打?！沟拿孛芪淦?。

「所以大家以后在密謀壞事時，除了關(guān)好門、拉好窗簾，檢查桌子底下有沒有竊聽器，也不要忘記把Wi-Fi關(guān)掉哈哈?！箺铄P笑道。

通過分析接收信號特征，獲得信號傳播空間的特性，無線感知技術(shù)無需部署專用的傳感器就可以實現(xiàn)對人與環(huán)境的感知，具備感知范圍廣、維護(hù)易、普適性強等優(yōu)勢，已成為過去幾年物聯(lián)網(wǎng)領(lǐng)域的研究熱點，涌現(xiàn)出大批研究成果。

但事實上，利用專用的無線射頻信號進(jìn)行環(huán)境的探測和探知并不是一個特別新鮮的概念。早在二戰(zhàn)之前、雷達(dá)出現(xiàn)后，人們就已經(jīng)開始在軍事領(lǐng)域利用聲吶、射頻信號對待測區(qū)域內(nèi)的目標(biāo)進(jìn)行感知。戰(zhàn)后數(shù)十年來，雷達(dá)也逐漸從軍用走向民用，出現(xiàn)了氣象雷達(dá)、測速雷達(dá)、地形跟蹤雷達(dá)等多種不同功能的雷達(dá)。

那么，無線感知技術(shù)在今天為何仍能吸引國內(nèi)外的一眾科學(xué)家投身其中呢？近年來，全球研究者在無線感知領(lǐng)域陸續(xù)提出了一系列矚目的新成果，如UW的WiSee、MIIT的WiTrack、UCL的Phaser等等。包括美國、英國在內(nèi)的多個發(fā)達(dá)國家也都將無線感知列為重點支持的方向。

楊錚的觀點是，盡管利用無線信號來實現(xiàn)感知的概念并不新鮮，但從「泛在性」與「普適性」這兩個維度來看，利用商用通信技術(shù)實現(xiàn)泛在智能感知仍處于起步階段，給許多研究者提供了更多的可能性。

2000年是一個分水嶺。彼時，各式各樣的無線通信技術(shù)蓬勃發(fā)展。就拿Wi-Fi來說，從21世紀(jì)初開始，Wi-Fi接入點的數(shù)量可以稱得上是「爆炸式增長」，如今幾乎各家各戶、各類室內(nèi)場所都部署了Wi-Fi接入點。

「我認(rèn)為這是對『泛在無線感知』的最大利好，也是最堅實的研究基礎(chǔ)?！箺铄P談道，「特別是隨著 802.11n/ac/ax 這一眾標(biāo)準(zhǔn)的演進(jìn)，商用設(shè)備的天線數(shù)量越來越多，頻譜寬度越來越大，這也讓我們對泛在無線感知以及通信感知一體化的前景抱有更大的信心。」

在某個意義上，物聯(lián)網(wǎng)是解決「泛在感知」的問題，而人工智能是解決「普適智能」的問題，2019年風(fēng)靡一時的概念「AIoT」便是兩者的結(jié)合。

人們普遍相信，物聯(lián)網(wǎng)與人工智能技術(shù)將共同推動人類社會從「萬物互聯(lián)」走向「萬物智聯(lián)」。只是不同于以往，這一潮流由工業(yè)界率先預(yù)見并引領(lǐng)，比如，華為提出「構(gòu)建萬物互聯(lián)的智能世界」，小米將「AIoT」作為核心戰(zhàn)略，BAT等互聯(lián)網(wǎng)公司也列出相似愿景。

作為物聯(lián)網(wǎng)與人工智能的交叉領(lǐng)域，無線感知正反映了這一趨勢，成為當(dāng)前學(xué)術(shù)界研究和工業(yè)界追尋的熱點。

2、智能無線感知的發(fā)展

當(dāng)前，國內(nèi)無線感知的發(fā)展呈現(xiàn)出兩大特征與趨勢：

1）感知粒度逐漸細(xì)化。例如，從人員感知應(yīng)用來說，從發(fā)展初期的人員入侵檢測，到人員的被動式定位追蹤，再到現(xiàn)在的手勢識別，感知的粒度從人員是否存在，到人員的位置，再到各個身體部位的活動，粒度越來越細(xì)致。

2）落地化趨勢越來越明顯，無線感知正從實驗室理論研究走向家庭的日常應(yīng)用。據(jù)楊錚觀察，近段時間，工業(yè)界對非傳感器感知也越來越重視，各種基于非傳感器感知的應(yīng)用平臺在逐漸開發(fā)，呈現(xiàn)出各類相關(guān)應(yīng)用正邁向「千家萬戶」的特征。

智能無線感知的應(yīng)用場景非常廣泛，覆蓋安防、醫(yī)療、人機交互甚至元宇宙等領(lǐng)域。其中，醫(yī)療監(jiān)護(hù)是楊錚最看好的應(yīng)用方向，包括非接觸性心跳、呼吸監(jiān)測，以及跌倒檢測等。

尤其是跌倒檢測（如蘋果的Apple Watch 4增加該功能）：「隨著人口老齡化的現(xiàn)象越來越嚴(yán)重，很多老年人獨自生活。日常調(diào)查發(fā)現(xiàn)，跌倒是導(dǎo)致老年人受傷的主要原因之一，嚴(yán)重時跌倒甚至能夠危及生命。所以說，研究一套可靠的跌倒檢測機制，對于老年人來說顯得非常重要?！?/p>

智能感知的學(xué)者們?nèi)鐥铄P，對該方向的應(yīng)用前景都十分樂觀。然而，楊錚也明確指出，當(dāng)前國內(nèi)智能無線感知的發(fā)展仍存在三大挑戰(zhàn)，即有效特征湮沒、識別模型粗陋、數(shù)據(jù)集缺失。

圖注：非傳感器感知的三大挑戰(zhàn)

從特征部分來說，由于無線信號包含了信道傳播空間的信息，已有的大部分工作提取的信號特征均依賴于系統(tǒng)部署的具體環(huán)境。因此，不同的使用環(huán)境、不同的用戶，甚至同一用戶的不同位置和不同朝向等都會降低感知的準(zhǔn)確率。針對新的場景，大部分工作需要重新采集數(shù)據(jù)進(jìn)行訓(xùn)練，使得無線感知普適性差、學(xué)習(xí)訓(xùn)練成本高，系統(tǒng)的泛化能力受到較大的影響。

從模型部分來說，已有的大多數(shù)模型基于對無線信號傳播的以及硬件條件的完美假設(shè)，但在實際部署場景中，無線信號的實際傳播包含有衍射、散射、非鏡面反射等多種情況，商用的網(wǎng)卡通常也包含有大量噪聲，不同網(wǎng)卡之間的特性有著較大的差別。對無線信號的傳播模式、誤差消除等系統(tǒng)性建模的缺失，使得無線感知系統(tǒng)的運行結(jié)果與理論預(yù)期之間仍存在著一定的差異。

從數(shù)據(jù)集方面來說，由于無線感知方面的數(shù)據(jù)集采集費時費力，不同的團(tuán)隊采集的數(shù)據(jù)存在著采集硬件、場景等多方面的差異，這也阻礙了本領(lǐng)域基礎(chǔ)數(shù)據(jù)集的公開與共享，研究的數(shù)據(jù)量不足、應(yīng)用場景較少，影響了本領(lǐng)域的技術(shù)分析與進(jìn)步。

要解決上述問題，任重道遠(yuǎn)。

3、楊錚的研究之旅

作為國內(nèi)少數(shù)率先研究無線感知結(jié)合的青年學(xué)者之一，楊錚的研究之旅始于2012。彼時，他剛從香港科技大學(xué)取得計算機博士學(xué)位不到兩年，回到清華大學(xué)任教，是一名資歷不深的「青椒」。

從博士開始，楊錚就一直從事物聯(lián)網(wǎng)方面的研究，包括智能感知、工業(yè)互聯(lián)網(wǎng)、邊緣計算與區(qū)塊鏈等。當(dāng)時，他的博士導(dǎo)師是國內(nèi)物聯(lián)網(wǎng)的先驅(qū)學(xué)者劉云浩。劉云浩是ACM與IEEE雙Fellow、ACM主席獎首位華人獲得者，2020年暑假，他曾萬字答復(fù)清華學(xué)子2000個關(guān)于人工智能的問題，被清華官方「點名」，走紅網(wǎng)絡(luò)。

圖注：2007年博士期間，楊錚（左）與博士導(dǎo)師劉云浩（右）合影

「在我剛開始博士生涯（2006年）時，業(yè)界研究的一個熱點其實是無線傳感網(wǎng)。」楊錚對AI科技評論回憶道。

無線傳感網(wǎng)可以被理解為如今物聯(lián)網(wǎng)的雛形，它通過無線通信技術(shù)（如藍(lán)牙、ZigBee等等）來實現(xiàn)傳感器節(jié)點之間的信息交互，但是感知的任務(wù)需要交給各類專用的傳感器設(shè)備來完成。顯然，這必然就限制了無線傳感網(wǎng)的靈活性。

「部署無線傳感網(wǎng)其實是一個特別費時費力的過程，不僅要保障傳感器節(jié)點本身的感知功能，還要保障它們點對點之間的通信性能。所以我在博士研究期間，每次做實驗，僅僅是部署實驗設(shè)備就要下很大一番功夫?！?/p>

在當(dāng)時，他就希望探索一種更加泛在、普適的感知方式，降低系統(tǒng)部署的人力成本與設(shè)備開銷。

大約在2010年前后，他開始關(guān)注一些使用無線信號進(jìn)行定位的工作。這種「非傳感器感知」的模式，不依賴任何專用的傳感設(shè)備，只使用收發(fā)機設(shè)備，通過解析信號特征，就能進(jìn)行室內(nèi)的設(shè)備定位。相比無線傳感網(wǎng)，部署成本更低、普適性更強，更容易推廣，吸引了楊錚繼續(xù)研究下去。

圖注：楊錚剛到清華任教時

從2012年至今，楊錚與團(tuán)隊經(jīng)過不懈的努力，已經(jīng)逐步實現(xiàn)了基于無線信號的定位、追蹤、導(dǎo)航，再到人員手勢識別、心跳呼吸檢測等等一系列工作。

針對上述這三大挑戰(zhàn)（特征、算法與數(shù)據(jù)），楊錚團(tuán)隊在Widar系列（尤其是Widar3.0）中提出了自己的解決方案。

據(jù)楊錚介紹，Widar是Wi-Fi Radar的縮寫，Widar系列工作在保證Wi-Fi原有通信功能的基礎(chǔ)上，賦予了商用Wi-Fi設(shè)備強大的環(huán)境感知能力。從第一代的多設(shè)備人員定位，到第二代的單設(shè)備人員追蹤，再到第三代的手勢識別，Widar系列工作對環(huán)境的感知粒度也在不斷細(xì)化，充分探索了通信感知一體化的技術(shù)可行性。

對于無線信號特征，楊錚團(tuán)隊的研究思路集中在兩點：多維特征融合與提取環(huán)境無依賴的信號特征。

「多維特征融合指的是，綜合使用信號衰減、到達(dá)角度（AoA）、飛行時間（ToF）、多普勒頻偏（DFS）等多種信號特性，更加準(zhǔn)確地完成無線定位與感知的任務(wù)。

環(huán)境無依賴的信號特征，就是要建模出一種不依賴于環(huán)境特性的，泛化性強、魯棒性強的特征，比如我們在 WiDar3.0 中提出的人體坐標(biāo)系下的速度譜（BVP），就能夠以人體坐標(biāo)為基準(zhǔn)，更加全面而準(zhǔn)確地描述不同環(huán)境與朝向下人體的動作特征，從而實現(xiàn)適用于各類場景下的高精度手勢識別任務(wù)。」

Widar3.0 論文地址：http://tns.thss.tsinghua.edu.cn/~yangzheng/papers/Zheng-Widar3-MobiSys2019.pdf

模型方面，楊錚主要在 Widar3.0 中借鑒了深度神經(jīng)網(wǎng)絡(luò)（DNN）模型的方法。

「深度學(xué)習(xí)浪潮的興起，給無線感知領(lǐng)域也帶來了很大啟發(fā)。近幾年來，不少工作都嘗試將無線信號以矩陣或張量的形式，輸入到現(xiàn)有的一些分類模型中，來嘗試獲得更好的結(jié)果，但是并沒有針對無線信號獨有的特性對模型進(jìn)行更加合理的設(shè)計。」

因此，楊錚與團(tuán)隊在Widar3.0中提出了經(jīng)過一定設(shè)計的、能夠充分挖掘無線的空間與時間維度特征的卷積與循環(huán)結(jié)構(gòu)。

目前，他們團(tuán)隊也在致力于通過結(jié)合時頻變換與經(jīng)典的信號采樣原理，設(shè)計一種適用于無線感知的特征提取與判別網(wǎng)絡(luò)，能夠更加有效地挖掘出無線信號中的隱含信息，從而簡化訓(xùn)練與學(xué)習(xí)的過程，并突破識別精度的瓶頸。這項工作目前正在投稿中。

作為Widar系列的第三代工作，Widar3.0的主要貢獻(xiàn)在于實現(xiàn)了環(huán)境無依賴的手勢識別。

具體來講，先前的基于無線信號的各種識別系統(tǒng)，只能夠在采集訓(xùn)練數(shù)據(jù)的特定幾個環(huán)境下保持較高的準(zhǔn)確率，而缺乏在其他場景下使用的可能性，這是因為現(xiàn)有的方案采用的特征質(zhì)量低、模型設(shè)計粗陋，從而會導(dǎo)致一定的泛化性問題。楊錚團(tuán)隊結(jié)合對人體動作方向性的觀察，提出了人體坐標(biāo)系下的速度譜（BVP），在特征的層面上解決了系統(tǒng)的域適應(yīng)（domain adaptation）問題。

此外，在Widar3.0中，基于信號時間相關(guān)性與時頻變換原理設(shè)計的網(wǎng)絡(luò)結(jié)構(gòu)，也有助于提升模型的訓(xùn)練速度與精度?？傊?，Widar3.0在特征與模型這兩個層面上，有效改良了智能無線感知系統(tǒng)的設(shè)計。

圖注：Widar數(shù)據(jù)集（手勢識別）

最后是數(shù)據(jù)集。楊錚認(rèn)為，近年來計算機視覺和深度學(xué)習(xí)的蓬勃發(fā)展離不開 ImageNet 等諸多公開的海量數(shù)據(jù)集。因此，他們也希望構(gòu)建一個專門面向智能無線感知的數(shù)據(jù)集。從2017年提出Widar1.0開始，之后的2.0、3.0中，所有的原始 CSI 數(shù)據(jù)與信號特征數(shù)據(jù)都是開源的。這些數(shù)據(jù)涵蓋75個場景下采集的26萬組動作，采集總時長144個小時，數(shù)據(jù)總規(guī)模大約是325 GB。目前該數(shù)據(jù)集在手勢識別的基礎(chǔ)上擴充了跌倒檢測等新數(shù)據(jù)。

Widar3.0的數(shù)據(jù)集地址：http://tns.thss.tsinghua.edu.cn/widar3.0

「我們希望能夠通過（開源）這種方式，來支持研究者們在無線感知領(lǐng)域做出更多創(chuàng)新性的工作，為無線感知領(lǐng)域的發(fā)展貢獻(xiàn)一點綿薄之力?！箺铄P談道。

構(gòu)建數(shù)據(jù)集是一個大工程。楊錚清醒地認(rèn)識到，在大數(shù)據(jù)時代，僅靠自己一個團(tuán)隊人工采集數(shù)據(jù)，是無法支撐龐大的感知應(yīng)用的。因此，研究者仍需調(diào)動更多的力量，使用更多技術(shù)手段來擴充感知數(shù)據(jù)集。

在這方面，楊錚有「三把斧」：

首先，他們基于統(tǒng)計電磁場模型與射線追蹤模型，開發(fā)了一個物理層級別的無線信號仿真器，將仿真數(shù)據(jù)作為真實數(shù)據(jù)的補充，以期解決訓(xùn)練數(shù)據(jù)不足、特定環(huán)境中數(shù)據(jù)難采集的問題。

在此基礎(chǔ)上，他們也正在嘗試采用生成式對抗網(wǎng)絡(luò)（GAN）的架構(gòu)，使用已采集的真實數(shù)據(jù)訓(xùn)練一個鑒別器，并基于上述仿真器開發(fā)一個無線信號生成器，通過對抗學(xué)習(xí)，生成「以假亂真」的感知數(shù)據(jù)，以有效擴充數(shù)據(jù)量。

最后，他們還準(zhǔn)備參考數(shù)據(jù)挖掘等領(lǐng)域的采集方式，采用「眾包」等策略，鼓勵用戶們使用家庭中的網(wǎng)絡(luò)設(shè)備，實際采集大量的無線信號數(shù)據(jù)以供研究使用。在此過程中，用戶可以獲取一定的資金作為激勵。

但個人的力量總是有限的。眾人拾柴火焰高，楊錚呼吁大家能夠積極參與感知數(shù)據(jù)集的開源工作，通過開放共享的形式，推動感知數(shù)據(jù)集的規(guī)模擴充。

4、人工智能與感知的「聯(lián)姻」

在物聯(lián)網(wǎng)上，楊錚的兩大研究方向分別是智能感知與工業(yè)互聯(lián)。他解釋：

「智能感知是通過分析視覺、射頻、聲光等信號的特征，應(yīng)用人工智能技術(shù)來挖掘物理世界的狀態(tài)或發(fā)生的事情，實現(xiàn)泛在感知與泛在智能。而工業(yè)互聯(lián)針對工業(yè)生產(chǎn)場景，提出控制即服務(wù)的工業(yè)網(wǎng)絡(luò)架構(gòu)，研發(fā)具有確定性、低時延的時間敏感網(wǎng)絡(luò)，將信息（IT）網(wǎng)絡(luò)與生產(chǎn)（OT）網(wǎng)絡(luò)合二為一，實現(xiàn)控制任務(wù)的服務(wù)化，支撐未來智能柔性生產(chǎn)。」

那么，在智能無線感知中，基于機器學(xué)習(xí)、深度學(xué)習(xí)與對抗學(xué)習(xí)的算法能夠扮演什么角色？研究者又是如何將 AI 算法與無線感知結(jié)合在一起的？

「這個問題特別好，這也是我們團(tuán)隊近年來一直在思考的問題。首先，無線感知拓展了人工智能的『視野』，增加了多一個維度的感知信息?！箺铄P談道。

在過去的十年里，楊錚與團(tuán)隊嘗試了很多機器學(xué)習(xí)模型來幫助構(gòu)建更加智能、魯棒的無線感知系統(tǒng)。

例如，在榮獲人機交互頂會 CHI 2017 最佳論文榮譽提名獎的工作 WiDance 中，楊錚就嘗試了使用經(jīng)典的隱馬爾可夫模型（HMM）；在2019年發(fā)布的 WiDar3.0 中，他們又基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）和長短時間記憶網(wǎng)絡(luò)（LSTM）設(shè)計了一種高精度的動作識別網(wǎng)絡(luò)模型；此外，他們也嘗試在無線指紋定位的工作中引入了域?qū)梗╠omain adversarial）等一系列機制來保證系統(tǒng)在不同環(huán)境中的魯棒性，實現(xiàn)環(huán)境無依賴的定位與感知。

WiDance論文鏈接：http://tns.thss.tsinghua.edu.cn/~yangzheng/papers/Qian-WiDance-CHI2017.pdf

「所以我一直以來的感受就是：感知、智能本來就應(yīng)該是一體的。包括機器學(xué)習(xí)在內(nèi)的各類智能算法，負(fù)責(zé)分析數(shù)據(jù)、給出結(jié)果，而物聯(lián)網(wǎng)中的各類傳感設(shè)備（既包括視覺感知也包括無線感知），則為智能算法提供基礎(chǔ)的數(shù)據(jù)支持，它們從物理世界中實時地獲取數(shù)據(jù)，并將處理后的結(jié)果反作用回物理世界之中?！箺铄P對AI科技評論評論道。

一方面，無線感知向人工智能在視覺中的應(yīng)用來「取經(jīng)」；另一方面，無線感知也對神經(jīng)網(wǎng)絡(luò)的設(shè)計起到一定的啟發(fā)作用。比如，楊錚就提到，在無線感知中，一些針對信號處理的經(jīng)驗，也能夠指導(dǎo)我們進(jìn)行更加高效、合理的神經(jīng)網(wǎng)絡(luò)設(shè)計：

「無線射頻信號有著不同于視覺信號的獨有的特征，這些特征對于特定感知識別任務(wù)來說是非常有益的。如何深入挖掘這些無線射頻信號獨有的特征，也是設(shè)計人工智能模型時應(yīng)該特別考慮的?！?/p>

由于感知與智能的緊密關(guān)系，將人工智能（尤其是深度學(xué)習(xí)）與物聯(lián)網(wǎng)領(lǐng)域的研究相結(jié)合已成為主流的研究方式。近年來，發(fā)表在頂級會議的無線感知論文，結(jié)合了深度學(xué)習(xí)技術(shù)的工作占據(jù)了「半壁江山」。

盡管身處物聯(lián)網(wǎng)圈，但楊錚時刻關(guān)注人工智能（尤其是深度學(xué)習(xí)）的最近進(jìn)展，尋找它們和自己工作之間的共性，也多次從中找到了新的科研機會。

楊錚坦言：「挑戰(zhàn)當(dāng)然也是有的。大多數(shù)模型一開始被提出都是被用于計算機視覺或自然語言處理領(lǐng)域，因此，將這些方案靈活地遷移應(yīng)用到自己的研究領(lǐng)域，不僅需要我們對自己的研究領(lǐng)域有深刻的理解，也需要吃透各類神經(jīng)網(wǎng)絡(luò)設(shè)計哲學(xué)，才能避免『生搬硬套』?！?/p>

「更大的機會在于，無線感知作為視覺之外的感知方式，目前還沒有得到人工智能方向的重視。」

在同一類應(yīng)用上，與視覺相比，無線感知有時會取得更出色的表現(xiàn)。

就拿跌倒檢測來說。目前常見的跌倒檢測技術(shù)包括計算機視覺、可穿戴傳感器以及專用的雷達(dá)硬件。楊錚指出，這些技術(shù)都存在一定的缺陷：計算機視覺容易涉及用戶隱私，并且通常只能在光照條件良好的情況下才能工作；可穿戴的傳感器需要佩戴特定的設(shè)備，對于老年人來說使用起來十分不方便；而大規(guī)模部署特定的硬件又需要較高的成本。

在這類場景中，與計算機視覺等技術(shù)相比，基于非傳感器的感知就體現(xiàn)出了自己的獨特優(yōu)勢：例如，Wi-Fi 感知便不受上述條件的限制，為跌倒檢測提供了一個新的思路。目前，幾乎家家戶戶都部署了Wi-Fi設(shè)備，無需部署新的硬件設(shè)備；基于Wi-Fi的感知不需要用戶佩戴特定的設(shè)備，在無光照的條件下也可正常工作；它采集的無線信號信息也不會干擾用戶的隱私。

而問及未來智能無線感知的技術(shù)發(fā)展更多取決于人工智能還是4G/5G等通信技術(shù)的進(jìn)步，楊錚的回答是「兩類技術(shù)都十分重要，它們會在兩個不同的方面影響未來智能無線感知技術(shù)的發(fā)展」。

具體來講，新一代的無線通信技術(shù)對于MIMO和Beamforming等新型技術(shù)的支持，在客觀上為我們提供了更多的天線、更加細(xì)粒度的角度探測方法，同時新的通信技術(shù)一般都會通過更寬的頻帶以支持更高的通信速率，這也為距離分辨率的提升提供了一個最基礎(chǔ)支持。

以深度學(xué)習(xí)為代表的人工智能技術(shù)，則充分挖掘了無線信號中更多的隱藏特征，對于系統(tǒng)的感知能力同樣有著很大的提升。

所以說，4G/5G等通信技術(shù)的演進(jìn)，提供了更多有效的信息，而人工智能技術(shù)的演進(jìn)，則為信息的挖掘和處理提供了更多更有力的手段，二者的進(jìn)步，共同推動了智能無線感知領(lǐng)域的繁榮。

5、無線感知的未來在于「泛化」

2021年，基于其在無線感知與定位方面的貢獻(xiàn)，楊錚當(dāng)選2022年IEEE Fellow，是同年入選的華人學(xué)者中最年輕的一位，年僅38歲。雷峰網(wǎng)

在智能感知上，楊錚的科研規(guī)劃集中在兩大塊，一是基于無線信號的神經(jīng)網(wǎng)絡(luò)算法設(shè)計，二是推動無線感知商用化。雷峰網(wǎng)(公眾號：雷峰網(wǎng))

盡管人工智能對無線感知的研究起到了重大的啟發(fā)作用，但要將面向機器視覺的人工智能模型遷移到無線感知也是極其困難的。

當(dāng)前的深度學(xué)習(xí)模型大多是基于圖像數(shù)據(jù)、語言數(shù)據(jù)而定制的模型，如CNN、RNN。然而，無線感知中的射頻信號相比于圖像、語言，有自己的特點：其包含有時間、空間、頻率等多維度的信息，數(shù)據(jù)大多為復(fù)數(shù)類型。

正是由于射頻數(shù)據(jù)與已有的網(wǎng)絡(luò)模型之間的差異，使得目前深度學(xué)習(xí)模型在無線感知領(lǐng)域仍然沒有發(fā)揮出它最大的作用。所以，楊錚的想法是針對無線信號的特點，設(shè)計專用于無線信號的深度網(wǎng)絡(luò)，使無線信號和深度模型實現(xiàn)更深層次的耦合，這樣才能充分利用人工智能工具。

此外，目前的無線感知技術(shù)大多還停留在實驗階段，真正實現(xiàn)商用化的技術(shù)并不多。目前工業(yè)界對醫(yī)療健康的關(guān)注在上升，無線感知應(yīng)用于跌倒檢測的潛力也進(jìn)入產(chǎn)學(xué)研三界的視線。楊錚與團(tuán)隊也希望為此作出貢獻(xiàn)，設(shè)計出可靠的跌倒檢測系統(tǒng)，提高系統(tǒng)的魯棒性與泛化能力。

「我個人認(rèn)為智能無線感知進(jìn)一步發(fā)展的關(guān)鍵正是在于其場景泛化能力。更通俗地講，我們設(shè)計的無線感知系統(tǒng)，是否真的能夠像設(shè)想的一樣，可以被直接應(yīng)用到千家萬戶中，支持各類的無線設(shè)備、適應(yīng)不同的復(fù)雜環(huán)境呢？目前看來，我們是面臨著一些挑戰(zhàn)的。」

楊錚分析，要提高無線感知技術(shù)的泛化性，研究者仍需解決以下幾個問題：

首先，現(xiàn)有的 CSI 模型假設(shè)是否完美地符合實際場景尚未可知。過去很多年間，大多數(shù)研究者們都基于射線追蹤模型，將墻壁、障礙物等視為一個理想的反射面，電磁波信號會被墻壁完美地鏡面反射。這類假設(shè)雖然有一定的道理，但是在實際的復(fù)雜室內(nèi)空間，無線信號更趨向于散射而非鏡面反射，此外，無線信號的透射、衍射等效應(yīng)均被不同程度上忽略了。所以，在某種意義上，無線感知的精度限制，正是來自于過于完美的假設(shè)。一個更加符合實際的、通用的信號傳播模型亟待構(gòu)建。

另一方面，一部分研究者習(xí)慣于借助高靈活度的軟件定義無線電（SDR）設(shè)備進(jìn)行研究和實驗，然而，當(dāng)感知系統(tǒng)落地，用戶們實際只能使用商用網(wǎng)卡。商用網(wǎng)卡的非線性誤差、載波頻偏、包檢測延遲等實際因素不被解決的話，再好的感知系統(tǒng)設(shè)計也將成為「空中樓閣」。此外，不同網(wǎng)卡型號的誤差模式、誤差系數(shù)也有著非常大的差別，因此針對不同類型的無線設(shè)備，我們需要制定智能化、自動化的誤差校正和消除策略，才能保證智能感知系統(tǒng)的運行結(jié)果和我們預(yù)期當(dāng)中一致。

最重要的是，科研人員在進(jìn)行實驗時，往往只能在有限的幾類室內(nèi)環(huán)境中采集數(shù)據(jù)進(jìn)行訓(xùn)練和測試。然而，實際使用環(huán)境的復(fù)雜性和多樣性，往往大大超出訓(xùn)練環(huán)境。這也是為什么楊錚強調(diào)研究要從特征、模型、數(shù)據(jù)等多個層次上增強系統(tǒng)的泛化性：特征層面上可以設(shè)計環(huán)境無依賴的魯棒特征；模型層面上可以嘗試使用域適應(yīng)（domain adaptation）策略，借鑒域?qū)梗╠omain adversarial）網(wǎng)絡(luò)的思想，完成多類場景的快速遷移；數(shù)據(jù)層面上就要想方設(shè)法擴充數(shù)據(jù)集的多樣性。

「不過目前已經(jīng)有很多研究者意識到這些問題了，并提出了不少可行的解決方案，所以我對我們智能無線感知領(lǐng)域的發(fā)展仍然是抱有十足的信心，相信在不久的將來，我們就能夠親眼見證智能無線感知系統(tǒng)的落地與應(yīng)用。」楊錚笑道。雷峰網(wǎng)

最后，楊錚老師正在招收博士后與博士生，對物聯(lián)網(wǎng)有興趣的同學(xué)可以給楊錚老師發(fā)郵件：yangzheng@tsinghua.edu.cn。

參考鏈接：

1.http://tns.thss.tsinghua.edu.cn/~yangzheng/

2.https://scholar.google.com/citations?user=ExRe-64AAAAJ

3.https://www.nwnu.edu.cn/2020/0708/c3842a145368/page.htm

4.https://cs.bit.edu.cn/xyxw/fc530c4af4c84ef8abb128c59966b6f1.htm

5.https://baijiahao.baidu.com/s?id=1658509271522706294&wfr=spider&for=pc

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。