（文章來源：網(wǎng)絡(luò)整理）
人類對物理世界的感知經(jīng)歷了從主觀感受到傳感器再到傳感網(wǎng)的發(fā)展階段。在傳感器變得越來越小、數(shù)據(jù)采集變得越來越普及的同時(shí)，有一個(gè)問題也日益突出：傳感系統(tǒng)的部署成本太特別是隨著感知范圍和規(guī)模不斷增大，部署和維護(hù)長期穩(wěn)定運(yùn)行的大規(guī)模傳感系統(tǒng)的難度和成本也越來越高。以室內(nèi)人員定位為例，雖然我們可以在特定的房間、工廠里部署定位設(shè)施和系統(tǒng)，但是這些特定的區(qū)域與人類活動(dòng)所處的整個(gè)物理世界相比無異于九牛一毛。當(dāng)我們面對全世界范圍內(nèi)的住宅、學(xué)校、商場、機(jī)場、寫字樓時(shí)，這種部署方式就顯得無能為力了。

那么有沒有可能突破傳統(tǒng)思維，在不部署任何專用傳感器的情況下也能感知各種環(huán)境信息呢？已有研究工作利用電視廣播信號(hào)來獲取能量，為低功耗物聯(lián)網(wǎng)設(shè)備供電，受此啟發(fā)，我們是否能夠?qū)崿F(xiàn)非傳感器感知，利用環(huán)境中已經(jīng)存在的無線射頻信號(hào)（例如Wi-Fi、RFID、藍(lán)牙、ZigBee以及廣播電視信號(hào)等）來感知人的動(dòng)作行為？如果可行，我們就無須在環(huán)境中部署專用的傳感器，也不需要人員攜帶傳感器。目前無線網(wǎng)絡(luò)在全球范圍內(nèi)已經(jīng)廣泛普及，這種感知物理世界的方式將顯著降低部署成本，在易用性、普適性等方面取得重要突破。

環(huán)境中已有的無線信號(hào)（聲、光、射頻信號(hào)等）在完成本職任務(wù)（照明、通信等）的同時(shí)，還可以“額外”用來感知環(huán)境。以射頻信號(hào)為例，信號(hào)發(fā)射機(jī)產(chǎn)生的無線電波在傳播過程中會(huì)發(fā)生直射、反射、散射等物理現(xiàn)象，從而形成多條傳播路徑。這樣一來，在信號(hào)接收機(jī)處形成的多徑疊加信號(hào)就攜帶了反映信號(hào)傳播空間的信息。無線感知技術(shù)（或稱為非傳感器場景感知技術(shù)）通過分析無線信號(hào)在傳播過程中的變化，獲得信號(hào)傳播空間（信道）的特性，以實(shí)現(xiàn)場景的感知。這里的場景既包括人的因素，也包括其他外物的因素。非傳感器感知提供了一種全新的物理世界感知方式，即無須部署傳感器，只“復(fù)用”環(huán)境中已有的無線信號(hào)即可實(shí)現(xiàn)場景感知。非傳感器場景感知將人類對物理世界的感知方式推動(dòng)到了一個(gè)新的階段，從以前單純依賴部署專用傳感器的方式升級(jí)為“專用”與“復(fù)用”相結(jié)合的方式。

無線感知技術(shù)將感知與通信合二為一，具有三個(gè)鮮明特點(diǎn)：（1）無傳感器（sensorless），感知人和環(huán)境不再需要部署專門的傳感器，這有別于無線傳感網(wǎng)中由傳感器負(fù)責(zé)感知而無線信號(hào)負(fù)責(zé)通信；（2）無線（wireless），無須為通信及傳感器部署有線線路；（3）無接觸（contactless），相較于現(xiàn)在市場上的各種可穿戴式智能設(shè)備，無線感知更向前邁了一步，無須用戶佩戴任何設(shè)備。

無線感知技術(shù)的感知對象包括環(huán)境、物品和人，潛在應(yīng)用十分豐富。以感知人為例，無線感知技術(shù)可以用于被動(dòng)式人員感知?！氨粍?dòng)式”在這里指的是人員不需要攜帶任何電子設(shè)備，用以區(qū)別傳統(tǒng)無線定位系統(tǒng)中，通過定位人所攜帶的電子設(shè)備來定位人員，這樣的方式也被稱作設(shè)備非綁定的（devicefree）或者非侵入式的（non-Invasive）。被動(dòng)式人員檢測可廣泛用于各種普適計(jì)算的應(yīng)用中，提供更好的基于用戶位置的服務(wù)。例如，博物館中參觀者接近某個(gè)展品時(shí)自動(dòng)播放展品說明，超市統(tǒng)計(jì)近期最受關(guān)注的商品，或者在電梯及車廂中統(tǒng)計(jì)乘客數(shù)量等。非傳感器感知還可以作為一種新型人機(jī)交互方式，通過識(shí)別人的行為（姿勢、動(dòng)作以及手勢等微小運(yùn)動(dòng)）來遙控電子設(shè)備（計(jì)算機(jī)、游戲機(jī)、智能硬件等），完成特定的功能或提供交互式體感游戲。

也可以用于智慧醫(yī)療監(jiān)護(hù)，檢測人員的睡眠質(zhì)量以及老年人的意外跌倒等。被動(dòng)感知的模式還契合安全保衛(wèi)應(yīng)用的需求。在涉密區(qū)域監(jiān)控、人員入侵檢測、災(zāi)難應(yīng)急響應(yīng)、重要物品保護(hù)等與安全相關(guān)的應(yīng)用中，需要及時(shí)發(fā)現(xiàn)未攜帶任何無線通信設(shè)備的人員（工作人員或入侵者）是否在敏感區(qū)域出現(xiàn)并監(jiān)測他們的活動(dòng)。傳統(tǒng)安防傳感器中的紅外傳感器或者攝像頭都受到可視角度的限制，只能在一個(gè)很有限的角度內(nèi)監(jiān)測目標(biāo)，而且不能應(yīng)對煙霧、遮擋乃至視覺欺騙的情況。在電影和生活中已經(jīng)出現(xiàn)了針對傳統(tǒng)安防傳感器局限性的人員入侵方法，而基于無線信號(hào)的非傳感器感知可以有效克服此類漏洞。

近年來，無線感知技術(shù)引起了學(xué)術(shù)界的廣泛關(guān)注。在無線網(wǎng)絡(luò)與移動(dòng)計(jì)算的著名會(huì)議與期刊（例如ACM SIGCOMM、ACM MobiCom、ACM MobiSys、IEEE INFOCOM、USENIX NSDI、IEEE/ACM ToN、IEEE JSAC、IEEE TMC）上，許多論文將無線感知從夢想帶入現(xiàn)實(shí)，在提升感知精度、提高魯棒性、拓展應(yīng)用場景等方面做出了重要貢獻(xiàn)。除此之外，工業(yè)界也在探索非傳感器感知的產(chǎn)品化，在智能家居、安防監(jiān)控、健康監(jiān)護(hù)等方面形成了實(shí)用的產(chǎn)品。

無線感知蓬勃發(fā)展的另一面是其在實(shí)際應(yīng)用中的局限性，具體體現(xiàn)在特征、模型、數(shù)據(jù)集三個(gè)方面：

1. 有效特征湮沒：信號(hào)特征與背景環(huán)境相關(guān)，導(dǎo)致感知結(jié)果依賴部署環(huán)境，泛化能力差、學(xué)習(xí)訓(xùn)練成本高。造成環(huán)境依賴性強(qiáng)的根本原因在于，已有研究工作提取的信號(hào)特征（例如信號(hào)幅度、相位等）嚴(yán)重依賴于系統(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、不同朝向等都會(huì)降低感知準(zhǔn)確性，導(dǎo)致完全無法實(shí)現(xiàn)感知。針對新環(huán)境，需要重新采集數(shù)據(jù)進(jìn)行訓(xùn)練，造成無線感知普適性差并且學(xué)習(xí)訓(xùn)練成本高。但令人遺憾的是，已有的工作絕大部分都是基于環(huán)境相關(guān)的信號(hào)特征來實(shí)現(xiàn)的。

2. 識(shí)別模型粗陋：缺乏在無線信號(hào)空間對人的行為活動(dòng)的精細(xì)時(shí)空建模，導(dǎo)致感知精度低、魯棒性差。人的姿勢、動(dòng)作、行為模式具有特定的時(shí)空特征。計(jì)算機(jī)視覺方向的研究工作針對圖像和視頻數(shù)據(jù)對人體運(yùn)動(dòng)特征進(jìn)行建模并識(shí)別，取得了較大突破。然而在無線信號(hào)空間，缺乏對人行為活動(dòng)的精細(xì)時(shí)空建模。因此，已有的工作通常簡單地使用計(jì)算機(jī)視覺領(lǐng)域的方法，直接在原始信號(hào)層次上進(jìn)行識(shí)別，或者僅僅使用時(shí)間相關(guān)性或空間相關(guān)性，缺乏同時(shí)整合利用二者的有效手段，造成相似動(dòng)作難以準(zhǔn)確判別，在實(shí)際環(huán)境中感知精度低、魯棒性差。

3. 數(shù)據(jù)集缺失：高質(zhì)量公開數(shù)據(jù)集的缺失造成性能比較不客觀、實(shí)驗(yàn)結(jié)果難復(fù)現(xiàn)、技術(shù)進(jìn)步難積累。越來越多的研究人員認(rèn)識(shí)到，高質(zhì)量的數(shù)據(jù)集在提取有效特征、訓(xùn)練精確模型以及提升跨場景學(xué)習(xí)能力等方面會(huì)起到至關(guān)重要的作用。特別是深度學(xué)習(xí)算法的廣泛使用，對數(shù)據(jù)集的規(guī)模和質(zhì)量提出了更高的要求。然而目前公開的數(shù)據(jù)集非常少，且數(shù)據(jù)量不足、應(yīng)用場景少，難以滿足深度學(xué)習(xí)算法的需求，往往導(dǎo)致識(shí)別模型欠擬合、泛化能力差。高質(zhì)量公開數(shù)據(jù)集的缺失造成許多研究工作陷人“自說自話”的境地—性能比較不客觀、實(shí)驗(yàn)結(jié)果難復(fù)現(xiàn)、技術(shù)進(jìn)步難積累。
（責(zé)任編輯：fqj）