An Artificial Intelligence-Driven Framework for Real-Time CHPD Using Wi-Fi Channel State Information

हमारे घरों और कार्यालयों के शांत कोनों में, वाई-फाई की अदृश्य तरंगें लगातार दीवारों, फर्नीचर और हवा से टकराकर उछल रही हैं। ये तरंगें हमारे ईमेल और वीडियो ले जाती हैं, लेकिन वे उस स्थान के बारे में एक छिपी हुई कहानी भी बताती हैं जिससे होकर वे गुजरती हैं। जब कोई व्यक्ति कमरे में घूमता है, तो उसका शरीर इन तरंगों को सूक्ष्म रूप से बाधित करता है, जिससे यह बदल जाता है कि वे रिसीवर तक कैसे पहुँचती हैं। इस व्यवधान को 'चैनल स्टेट इंफॉर्मेशन' (Channel State Information) के रूप में जाना जाता है, जो सिग्नल की यात्रा का एक विस्तृत मानचित्र है, जो न केवल कनेक्शन की ताकत को, बल्कि हर लहर के विशिष्ट आकार और समय को भी प्रकट करता है। कैमरे लंबे समय से कमरे में कौन है, यह देखने के लिए मानक रहे हैं, लेकिन वे गोपनीयता संबंधी चिंताएं पैदा करते हैं और उनके लिए महंगे हार्डवेयर की आवश्यकता होती है। शोधकर्ताओं ने यह पूछना शुरू कर दिया है कि क्या हमारे जीवन में पहले से मौजूद वाई-फाई सिग्नल एक शांत, अदृश्य पर्यवेक्षक के रूप में काम कर सकते हैं, जो बिना कभी तस्वीर लिए लोगों की गिनती करने और हलचल का पता लगाने में सक्षम हो।

एक शोधकर्ता ने अब इस विचार को एक कामकाजी वास्तविकता में बदलने के लिए एक प्रणाली बनाई है। उन्होंने एक ढांचा तैयार किया है जो दो छोटे, सस्ते कंप्यूटर चिप्स का उपयोग करके कमरे में वाई-फाई संकेतों को सुनता है और सटीक रूप से निर्धारित करता है कि कितने लोग मौजूद हैं, वे क्या कर रहे हैं, और क्या वे बैठे हैं, खड़े हैं या चल रहे हैं। सेटअप सरल है: एक चिप ट्रांसमिटर के रूप में कार्य करती है, जो वाई-फाई पैकेटों का एक निरंतर प्रवाह भेजती है, जबकि दूसरा चिप रिसीवर के रूप में कार्य करता है, जो उन पैकेटों को उनके आगमन पर पकड़ लेता है। जब कमरा खाली होता है, तो पैकेट एक अनुमानित पैटर्न में पहुँचते हैं। लेकिन जब कोई व्यक्ति स्थान में प्रवेश करता है, तो उसका शरीर सिग्नलों को परावर्तित और बिखेर देता है, जिससे डेटा में परिवर्तन का एक अनूठा 'फिंगरप्रिंट' बन जाता है। शोधकर्ता ने इन परिवर्तनों को कैप्चर किया, कच्चे सिग्नल विविधताओं को संख्याओं के एक ऐसे प्रवाह में बदल दिया जिसे एक कंप्यूटर समझ सके।

इस जटिल डेटा को समझने के लिए, शोधकर्ता ने एक विशेष कंप्यूटर मस्तिष्क विकसित किया, जो एक प्रकार का आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) है जिसे पैटर्न से सीखने के लिए डिज़ाइन किया गया है। उन्होंने किसी एक पद्धति पर निर्भर रहने के बजाय तीन अलग-अलग तकनीकों को मिलाया ताकि यह नकल की जा सके कि कैसे एक मानव दृश्य का विश्लेषण करता है। सबसे पहले, सिस्टम ने सिग्नल के स्थानिक लेआउट (spatial layout) को देखा, यह पहचानते हुए कि व्यक्ति की उपस्थिति से वाई-फाई स्पेक्ट्रम के कौन से हिस्से सबसे अधिक प्रभावित होते हैं। इसके बाद, इसने समय के साथ घटनाओं के क्रम की जांच की, यह ट्रैक करते हुए कि सिग्नल एक क्षण से दूसरे क्षण में कैसे बदलता है ताकि गति को समझा जा सके। अंत में, सिस्टम ने डेटा के सबसे महत्वपूर्ण हिस्सों पर ध्यान केंद्रित करना सीखा, जिससे वायरलेस सिग्नलों में अक्सर होने वाले बैकग्राउंड शोर (noise) को नजरअंदाज किया जा सके। इस हाइब्रिड दृष्टिकोण ने कंप्यूटर को एक खाली कमरे, एक व्यक्ति वाले कमरे, और पाँच लोगों या उससे भी बड़े समूह वाले भीड़ भरे कमरे के बीच अंतर करने में सक्षम बनाया।

शोधकर्ता ने एक नियंत्रित वातावरण में हजारों सिग्नल नमूनों को रिकॉर्ड करके अपनी प्रणाली का परीक्षण किया। उन्होंने डेटा को कमरे की 'ग्राउंड ट्रुथ' (वास्तविक स्थिति) के अनुसार लेबल किया: खाली, एक व्यक्ति, दो लोग, पाँच लोगों तक, भीड़, और विशिष्ट गतिविधियाँ जैसे बैठना, खड़ा होना या चलना। उन्होंने इस डेटा को अपने आर्टिफिशियल इंटेलिजेंस मॉडल में डाला, जिसने विशिष्ट सिग्नल पैटर्न को इन विशिष्ट स्थितियों के साथ जोड़ना सीखा। परिणाम उत्साहजनक थे। सिस्टम ने दस अलग-अलग परिदृश्यों को 78.57 प्रतिशत की परीक्षण सटीकता के साथ सफलतापूर्वक वर्गीकृत किया। हालांकि यह पूर्ण नहीं था, लेकिन प्रदर्शन इतना मजबूत था कि यह सिद्ध कर सके कि तकनीक काम करती है। शोधकर्ता ने नोट किया कि सिस्टम कभी-कभी लोगों की संख्या को लेकर भ्रमित हो जाता था जब अंतर बहुत कम होता था, जैसे कि एक व्यक्ति को पाँच समझने में, क्योंकि उन विशिष्ट स्थितियों में सिग्नल के बदलाव काफी समान दिख सकते हैं। हालांकि, उपस्थिति और गतिविधि का पता लगाने की समग्र क्षमता मजबूत थी, भले ही लोग सेंसरों के सीधे दिखाई न दे रहे हों, जिससे यह सिद्ध हुआ कि सिस्टम काम करता है भले ही दृष्टि रेखा (line of sight) बाधित हो।

इस तकनीक को जीवंत बनाने के लिए, शोधकर्ता ने एक रियल-टाइम डैशबोर्ड बनाया है जो प्रदर्शित करता है कि सिस्टम क्या देख रहा है। यह इंटरफ़ेस लाइव सिग्नल स्ट्रेंथ, पता की गई लोगों की संख्या, अनुमानित गतिविधि और सिस्टम के उत्तर के प्रति कंप्यूटर के विश्वास (confidence) को दिखाता है। यह तापमान और आर्द्रता जैसे पर्यावरणीय कारकों को भी ट्रैक करता है, जो सिग्नलों को प्रभावित कर सकते हैं, जिससे यह सुनिश्चित होता है कि सिस्टम अपने परिवेश के प्रति जागरूक रहे। यह पूरी प्रक्रिया वास्तविक समय में होती है, जिसमें सिस्टम निर्णय लेने के लिए एक बार में बीस क्रमिक फ्रेम के डेटा को प्रोसेस करता है। यह दृष्टिकोण सिस्टम को कमरे में होने वाले परिवर्तनों के प्रति तेजी से प्रतिक्रिया करने की अनुमति देता है, जिससे बिना किसी कैमरा लेंस के स्थान की उपस्थिति के बारे में सूचनाओं का निरंतर प्रवाह मिलता है।

इस कार्य का महत्व पारंपरिक निगरानी के लिए गोपनीयता-संरक्षण वाले विकल्प के रूप में इसकी क्षमता में निहित है। क्योंकि यह प्रणाली मौजूदा वाई-फाई बुनियादी ढांचे पर निर्भर करती है और चित्र या वीडियो कैप्चर नहीं करती है, इसलिए यह व्यक्तिगत गोपनीयता का उल्लंघन किए बिना स्थानों की निगरानी कर सकती है। यह कम लागत वाले हार्डवेयर का उपयोग करती है जो व्यापक रूप से उपलब्ध है, जिससे यह स्मार्ट होम, बुजुर्गों की स्वास्थ्य देखभाल निगरानी और सुरक्षा अनुप्रयोगों के लिए सुलभ हो जाता है जहाँ कैमरे उपयुक्त नहीं हैं। शोधकर्ता स्वीकार करते हैं कि यह एक कदम आगे है, लेकिन अंतिम मंजिल नहीं है। वे अधिक विविध डेटा एकत्र करके और आर्टिफिशियल इंटेलिजेंस मॉडल को परिष्कृत करके सटीकता में सुधार करने की योजना बना रहे हैं। फिलहाल के लिए, उन्होंने प्रदर्शित किया है कि वाई-फाई की अदृश्य तरंगें वास्तव में हमें बता सकती हैं कि कमरे में कौन है, जो हमें अपने संसार को महसूस करने का एक नया तरीका प्रदान करती है जो प्रभावी भी है और हमारी गोपनीयता के प्रति सम्मानजनक भी।