项目名称：基于非接触的无线感知理论和方法研究
推荐单位：深圳大学
项目简介：
国务院《十三五规划》将物联网列为国家战略新兴产业，无线感知作为物联网的核心，长期以来一直局限于接触式物体，即感知物体本身需要携带设备， 在智慧城市，智慧医疗等领域受到了极大的限制。因此如何实现对未携带任何设备物体的感知、如何建立适用大规模环境的感知模型、如何不侵犯个人隐私的识别物体行为，是一项极具挑战且困扰国际学术界多年的难题。为解决这个难题，本项目成员在世界上首次提出、定义、并给出解决方案的一种新型人机交互方式，非接触感知，即需要感知的物体本身不会携带任何无线收发设备。在国家973计划、国家自然科学基金等资助下，历经近10年研究，开展了无线网络中非接触物体感知的理论与方法研究，探究了无线节点低成本部署的基础架构，在该架构下率先设计并实现了新型非接触物体的定位和行为识别算法，主要科学发现为：
1.首次系统地提出并证明了在无线网络环境中非接触物体的可感知性和完备判据，全面系统分析了用于非接触物体感知的各类无线网络低成本部署的基础架构及其实现方法，提出了基于无线信号细粒度物理层信息和针对普通商用设备的精准参考节点间测距和定位模型，在大规模异构网络中能够有效降低信号在时域和频域的多径效应，解决了无线网络中因多径传播造成的测距和定位精度低的根本难题。
2.率先设计并实现了基于射频信号的非接触物体的位置感知方法。发掘了非接触物体引起的射频干扰与目标位置相关性的规律，创新并系统地提出干扰位置感知模型。提出了适用于各类大规模异构无线网络中的非接触物体位置感知方法，提出了多物体的位置感知方法和理论。
3.提出了非接触物体的细粒度行为感知方法，利用非接触物体引起的细粒度信号干扰建模，解决了一直以来非接触目标行为感知的根本难题。实现了非接触式的人体行为感知，如摔倒自动检测系统，取得了较高的识别成功率和极短的时间延迟，对于独居老人的摔倒监测预警具有很强的实用价值。实现了完成了一套基于普适Wi-Fi信号的唇语识别系统。利用Wi-Fi信号对人体说话时嘴部的微小运动进行捕捉和识别，并结合机器学习等技术进一步推断用户的说话内容。
10篇代表论文谷歌学术引用超过1000次。多位IEEE/ACM Fellow引用了本项目的文章。在谷歌搜索的非接触定位主题中（Transceiver-free）的所有论文中本工作排名第一。成果被全世界多所知名高校如美国麻省理工、斯坦福大学、英国牛津大学，和工业界知名公司如英特尔公司、富士通实验室等引用。
