跌倒成為意外死亡的頭號原因。世界衛生組織報告顯示，全球每年有30余萬人死于摔倒，其中一半是60歲以上的老人。在中國，60歲以上的老年人超過兩億，每年有4000萬老人至少跌倒一次。全國調查顯示，老年人的跌倒有一半以上是在家中發生的，因此居家養老非常重要。

有這樣一批科研人員，利用家中最普通的路由器與無所不在的Wi-Fi或4G/5G信號，在人體監測方面做了全新的工作。作為北京大學博雅講席教授、歐洲科學院院士、IEEE Fellow（會士）以及***，張大慶自2014年以來便率領著北大團隊開展這項工作。億歐科創有幸采訪到張大慶教授，與其一同探索無感知接觸技術的神奇魔力！

WiFi可通信、可定位，甚至能夠感知你的行為？

如今，WiFi已經廣泛部署在家庭、機場、商場等各類大型或中小型建筑物中，這使得WiFi成為無線通訊領域中一個最引人注目的技術。2000年，微軟研究院提出了利用WIFI解決室內定位問題，該系統主要采用基于RSSI的指紋匹配算法。“微軟發布的這篇文章谷歌學術引用量達到一萬，是基于WiFi進行定位感知研究的鼻祖”，張教授在分享他的研究成果之前，詳細地解析了基于WIFi進行行為感知的研究路線。

從2000年到2011年，利用WiFi信號人們研究并實現了“人攜帶設備的定位和行為感知，以及不帶設備的無接觸感人體定位和行為狀態感知”。不過，這兩項技術依舊是基于無線信號的強度來定位和識別人的狀態。張大慶教授告訴億歐科創：“因為WiFi信號本身受環境中的濕度、溫度等諸多因素影響，即使環境相同也不能保證WiFi信號強度與人的行為一一對應。”

科學研究就是這樣，即便是不成熟的idea依舊是未來研究的重要基石。當華盛頓大學和Intel在2011年合作開發了一套獲取WiFi信號中信道狀態信息（Channel State Information，CSI）的工具以后，基于WiFi CSI的無線感知技術和應用便加快了發展進程。

2012年，麻省理工學院的團隊首先利用Wi-Fi信號能穿墻的特性，用CSI檢測墻后的人是在運動還是在靜止。2013年，華盛頓大學的團隊開發了一套基于CSI進行身體姿勢識別的技術，通過利用多普勒頻移辨識九種不同的姿勢，并通過這九種人的肢體動作可以控制家電的開關。在測試多人的9種姿勢時，該系統能達到超過90%的識別率。受這些工作的影響，香港科技大學、南京大學、清華大學、北京大學等紛紛開始投入這項研究。

去偽存真，探索非接觸智能感知的理論

自從華盛頓大學的團隊開發了身體姿態識別的技術以后，基于WiFi信號進行非接觸感知的研究便如同雨后春筍般大量涌現。其中，香港科技大學的團隊研制了人體跌倒檢測系統和口型識別系統， 南京大學的團隊設計了利用WiFi信號識別按鍵位置的系統。受這些應用研究的啟發，張大慶教授開始思考這些應用背后的機理和理論問題： 比如WIFi信號的感知邊界是什么？無線感知的理論基礎是什么？

利用WiFi信號識別按鍵的方法示意圖

經過一年多的探索與驗證，張大慶教授團隊首次將原用于光波傳播的菲涅耳區模型引入到室內無線感知領域，發現利用該模型可以揭示基于WiFi等無線信號感知的機制機理與感知極限。

利用菲涅爾區模型，張大慶教授團隊揭示了人在不同位置、不同朝向做同一動作，其對應的信號模式變化會非常不同的重要現象。比如，做同一個手勢，因為手勢的幅度不同、做的位置不同、朝向不同，其對應的信號模式會非常不同。因此依賴少量的數據采樣和機器學習無法做到對人的手勢、動作的準確、穩定識別，進而提出了先進行信號變換再進行機器學習的可靠識別方法。

有了理論模型、弄清楚了感知的機制機理以后，張大慶團隊便繼續攻克另一個技術難關。一般來說，信道的狀態信息主要包含振幅和相位兩個要素，但振幅會因硬件、環境等因素而發生變化；相位會因收發分離而產生隨機相移。“如果不把WiFi振幅、相位的隨機誤差消除掉，我們很難將感知的性能和距離推向極致。”張大慶教授告訴億歐科創。

經過四年的研究，張大慶團隊發現兩個天線的通道狀態信息之商有很好的特性。“我們發現，兩個天線的通道狀態信息之商可以將振幅上的噪聲和相位的隨機相移很好消除，從而得到兩個完全正交互補的基信號。”張大慶教授興奮地分享到。

減法、乘法、除法，我們從小學便開始接觸，看似簡單的運算卻在技術發展中起到了作用。還記得小時候因解出一道數學題而開心鼓舞，卻不曾想這些看似最基本的運算法則正在推動著技術和人類社會進步。

技術理論已有重大創新，養老產品為何要等十年？

張大慶團隊基于菲涅爾區感知模型，開發出了一系列利用商用WiFi設備進行人體連續行為的識別應用系統，包括跌倒檢測、呼吸檢測、睡眠檢測、入侵檢測、室內跟蹤、手勢識別及老人日常活動識別等，性能均達國際領先水平，并已申報國際/國內專利20余項，得到了國內外同行、著名企業的一致認可。據了解，多家養老地產企業正在與張大慶團隊開展合作。

即便基于WiF的人體連續行為識別的系統已經得到了地產企業、養老機構的認可，但是張大慶教授卻表示：“該項技術走向產品級仍需要5到10年的時間，因為許多產品走向市場不允許有任何的誤報和漏報。”

跌倒檢測、呼吸檢測、睡眠監測、老人日常活動識別，每一個功能都與每位老人的生命息息相關。因此，成熟的技術和產品才能真正為老人的安全保駕護航。觀研天下發布《2019年中國大健康市場分析報告-市場運營現狀與發展動向預測》顯示，2014年我國60歲及以上老年人口有2.12億人，占總人口的15.5%，截至2018年年底，我國60歲及以上老年人口約2.49億，占總人口的17.9%。

與此同時，中國大健康領域也將迎來發展紅利期。該報告還顯示，2014年市場規模為2.5萬億元，截至2018年營收規模超過5萬億元，預計2020年將超過9萬億元，增幅達32.1%。隨著硬件不斷完善，技術不斷成熟穩定，利用商用WiFi設備進行人體連續行為的識別應用系統也將迎來萬億級的巨大市場。