人们总是习惯通过视觉、听觉、嗅觉等基本感官来感知物理世界的信息。随着相机和计算机技术的出现和发展，计算机视觉成为当前广泛应用的场景感知技术之一，但它同时也面临着隐私、遮挡、弱光等问题。如今，万众瞩目的物联网时代已经到来，各种无线传感器网络也随之普及，各式各样的无线信号出现在日常生活中，这些信号为人们提供了感知物理世界的另一种“感官”——智能无线感知技术。智能无线感知技术利用环境中存在的各类无线信号，以非接触式的方式感知环境中的目标，包括“环境”与“人”，并提取感知目标的信息，结合先进的人工智能技术，最终向用户提供信息和服务。智能无线感知技术已经成为一种感知物理世界的新方法，它建立了信息世界与物理世界的桥梁，使得物理世界中的信息可以映射到信息世界，以此被人们充分利用，为人们提供各类普适服务。

迄今为止，学术界已经开发了各种利用智能无线感知技术的人类活动识别方法和系统，涵盖室内定位、行为识别、生命体征监测等多种应用场景，具有广阔的发展前景。然而， 目前的工作通常是基于实验室的特定环境实现人与环境的智能感知，一旦离开了特定的环境，都会显著降低系统性能，甚至导致系统不可用。因此，在真实环境中无法真正实现智能无线感知技术，也难以达到商用的目标。其根本原因是没有考虑真实环境中环境干扰与场景多变的问题，无法达到无线感知技术的环境无依赖性，并不能实现在真实环境中的细粒度感知。针对此问题，上海交通大学俞嘉地教授研究团队近年来围绕真实环境中智能无线感知面临的工程技术难题展开了深入的研究，提出了一系列工程技术解决方案，为无线智能感知技术最终落地、产业化做出贡献。

近年研究团队提出了面向运动场景的细粒度人体生命体征感知技术。细粒度人体生命体征（包括呼吸波形、心跳波形等）是标志生命活动存在与质量的重要征象，历来受到医疗、工业、和学术界的高度关注。当前的生命体征感知技术往往需要用户穿戴侵入式的设备，或者需要用户保持在相对静止的状态，因此对真实场景的覆盖面非常有限，无法有效实现持续的人体生命体征感知。研究团队针对运动场景下环境噪声和人体运动对人体生命体征感知带来的强干扰的问题，提出基于层次化变分模态分解的多维噪声滤除和运动分离技术。该技术利用不同运动模态时频连续性的物理差异，在信号层面自适应分解各类运动信息，实现了环境噪声和运动干扰的主动分离和滤除，解除细粒度人体生命体征感知对环境的依赖。另外，针对传统非侵入式感知方式只能感知心率、呼吸率等粗粒度信息的问题，课题组基于生成对抗网络提出了人体生命体征细节波形重构技术方案，挖掘难以直接感知的生命体征信息，对细粒度人体生命体征信号进行重建，提出了运动场景下细粒度人体生命体征感知的新范式。研究团队提出的非侵入式人体生命体征感知方案，填补了运动场景下非侵入式感知人体生命体征的技术空白，为真实场景中人体生命体征感知的实现提供了关键技术支撑，有效推动智能无线感知技术在真实场景中的落地和大规模推广。

（运动场景的细粒度人体生命体征感知）

另外，研究团队正在加速推进面向多人场景的3D人体运动模型构建技术。细粒度的3D人体运动模型构建是支撑各类专业场景（如运动训练、电影制作）和商业应用（如虚拟现实、智能交互）的重要技术手段。而当前商用无线设备存在不同环境下普适性差、泛化能力弱的缺点，只能实现粗粒度的行为识别与分类，无法精准重构出3D人体运动模型。研究团队针对人体运动姿态感知的现实需求，实现了多人场景下人体3D运动模型重建。首先，研究团队针对复杂背景环境的多径效应影响和多人场景下无线信号的相互干扰问题，提出了多维特征融合的环境无依赖信号分离算法。该方法利用人体和环境物体运动速度模式不同的特点，融合多维度特征消除复杂背景环境对信号传播的影响，提取环境无依赖的特征模式，并且将多人的信号模式进行精确分离，实现对每个用户提取环境无依赖的运动特征。之后，该方法针对细粒度3D人体运动模型构建问题，提出了基于空间-时序融合的深度学习模型，同时学习空间中人体形态的特征和时序中人体运动的特征，实现对多人细粒度的人体3D运动模式构建。研究团队提出的面向多人场景的3D人体运动模型构建技术，克服了基于无线信号感知对人体运动刻画的粗粒度问题，实现了细粒度骨架级的3D人体运动模式构建，达到了与视觉方法相媲美的运动模式构建精度，同时具有隐私保护、抗光照变化、可穿透性的优势。同时，该技术极大地提升了无线信号感知在各类复杂应用场景下的普适性和泛化性，为各类复杂的人体运动重建应用场景提供了技术支撑，有效推动应用在真实场景中的落地。

 （多人场景的3D人体运动模型构建）

研究团队根据无线信号在空间中传播的物理性质，推导环境干扰的产生规律（包括路径损耗、衰减和多径效应等），并结合先进的信号处理和人工智能技术，有效分离复杂环境造成的信号干扰并成功提取不依赖特定环境的信号特征。此外，研究团队还利用信号的空间特征和时序特征，精准重建人体的行为、形态和生理特征等关键信息，实现细粒度感知。并且这些技术并不依赖于特定传感器，即便是非专用的商用设备也能够在各种真实环境下实现细粒度感知。相关的科研成果显著提高了智能无线感知技术的泛在性与普适性，受到行业的广泛认可，为智能无线感知技术的工程实现和商业落地提供了重要技术支撑。