跌倒成为意外死亡的头号原因。世界卫生组织报告显示，全球每年有30余万人死于摔倒，其中一半是60岁以上的老人。在中国，60岁以上的老年人超过两亿，每年有4000万老人至少跌倒一次。全国调查显示，老年人的跌倒有一半以上是在家中发生的，因此居家养老非常重要。

有这样一批科研人员，利用家中最普通的路由器与无所不在的Wi-Fi或4G/5G信号，在人体监测方面做了全新的工作。作为北京大学博雅讲席教授、欧洲科学院院士、IEEE Fellow（会士）以及国家特聘专家，张大庆自2014年以来便率领着北大团队开展这项工作。亿欧科创有幸采访到张大庆教授，与其一同探索无感知接触技术的神奇魔力！

WiFi可通信、可定位，甚至能够感知你的行为？

如今，WiFi已经广泛部署在家庭、机场、商场等各类大型或中小型建筑物中，这使得WiFi成为无线通讯领域中一个最引人注目的技术。2000年，微软研究院提出了利用WIFI解决室内定位问题，该系统主要采用基于RSSI的指纹匹配算法。“微软发布的这篇文章谷歌学术引用量达到一万，是基于WiFi进行定位感知研究的鼻祖”，张教授在分享他的研究成果之前，详细地解析了基于WIFi进行行为感知的研究路线。

从2000年到2011年，利用WiFi信号人们研究并实现了“人携带设备的定位和行为感知，以及不带设备的无接触感人体定位和行为状态感知”。不过，这两项技术依旧是基于无线信号的强度来定位和识别人的状态。张大庆教授告诉亿欧科创：“因为WiFi信号本身受环境中的湿度、温度等诸多因素影响，即使环境相同也不能保证WiFi信号强度与人的行为一一对应。”

科学研究就是这样，即便是不成熟的idea依旧是未来研究的重要基石。当华盛顿大学和Intel在2011年合作开发了一套获取WiFi信号中信道状态信息（Channel State Information，CSI）的工具以后，基于WiFi CSI的无线感知技术和应用便加快了发展进程。

2012年，麻省理工学院的团队首先利用Wi-Fi信号能穿墙的特性，用CSI检测墙后的人是在运动还是在静止。2013年，华盛顿大学的团队开发了一套基于CSI进行身体姿势识别的技术，通过利用多普勒频移辨识九种不同的姿势，并通过这九种人的肢体动作可以控制家电的开关。在测试多人的9种姿势时，该系统能达到超过90%的识别率。受这些工作的影响，香港科技大学、南京大学、清华大学、北京大学等纷纷开始投入这项研究。

去伪存真，探索非接触智能感知的理论

自从华盛顿大学的团队开发了身体姿态识别的技术以后，基于WiFi信号进行非接触感知的研究便如同雨后春笋般大量涌现。其中，香港科技大学的团队研制了人体跌倒检测系统和口型识别系统， 南京大学的团队设计了利用WiFi信号识别按键位置的系统。受这些应用研究的启发，张大庆教授开始思考这些应用背后的机理和理论问题： 比如WIFi信号的感知边界是什么？无线感知的理论基础是什么？

利用WiFi信号识别按键的方法示意图

经过一年多的探索与验证，张大庆教授团队首次将原用于光波传播的菲涅耳区模型引入到室内无线感知领域，发现利用该模型可以揭示基于WiFi等无线信号感知的机制机理与感知极限。

利用菲涅尔区模型，张大庆教授团队揭示了人在不同位置、不同朝向做同一动作，其对应的信号模式变化会非常不同的重要现象。比如，做同一个手势，因为手势的幅度不同、做的位置不同、朝向不同，其对应的信号模式会非常不同。因此依赖少量的数据采样和机器学习无法做到对人的手势、动作的准确、稳定识别，进而提出了先进行信号变换再进行机器学习的可靠识别方法。

有了理论模型、弄清楚了感知的机制机理以后，张大庆团队便继续攻克另一个技术难关。一般来说，信道的状态信息主要包含振幅和相位两个要素，但振幅会因硬件、环境等因素而发生变化；相位会因收发分离而产生随机相移。“如果不把WiFi振幅、相位的随机误差消除掉，我们很难将感知的性能和距离推向极致。”张大庆教授告诉亿欧科创。

经过四年的研究，张大庆团队发现两个天线的通道状态信息之商有很好的特性。“我们发现，两个天线的通道状态信息之商可以将振幅上的噪声和相位的随机相移很好消除，从而得到两个完全正交互补的基信号。”张大庆教授兴奋地分享到。

减法、乘法、除法，我们从小学便开始接触，看似简单的运算却在技术发展中起到了作用。还记得小时候因解出一道数学题而开心鼓舞，却不曾想这些看似最基本的运算法则正在推动着技术和人类社会进步。

技术理论已有重大创新，养老产品为何要等十年？

张大庆团队基于菲涅尔区感知模型，开发出了一系列利用商用WiFi设备进行人体连续行为的识别应用系统，包括跌倒检测、呼吸检测、睡眠检测、入侵检测、室内跟踪、手势识别及老人日常活动识别等，性能均达国际领先水平，并已申报国际/国内专利20余项，得到了国内外同行、著名企业的一致认可。据了解，多家养老地产企业正在与张大庆团队开展合作。

即便基于WiF的人体连续行为识别的系统已经得到了地产企业、养老机构的认可，但是张大庆教授却表示：“该项技术走向产品级仍需要5到10年的时间，因为许多产品走向市场不允许有任何的误报和漏报。”

跌倒检测、呼吸检测、睡眠监测、老人日常活动识别，每一个功能都与每位老人的生命息息相关。因此，成熟的技术和产品才能真正为老人的安全保驾护航。观研天下发布《2019年中国大健康市场分析报告-市场运营现状与发展动向预测》显示，2014年我国60岁及以上老年人口有2.12亿人，占总人口的15.5%，截至2018年年底，我国60岁及以上老年人口约2.49亿，占总人口的17.9%。

与此同时，中国大健康领域也将迎来发展红利期。该报告还显示，2014年市场规模为2.5万亿元，截至2018年营收规模超过5万亿元，预计2020年将超过9万亿元，增幅达32.1%。随着硬件不断完善，技术不断成熟稳定，利用商用WiFi设备进行人体连续行为的识别应用系统也将迎来万亿级的巨大市场。