无需手动操作或语音指令，家中的Wi-Fi信号就能“读懂”人体活动，并指挥智能家居自动提供服务——天津大学网络与云计算团队近日在无线感知领域实现重要突破，相关成果已发表于国际期刊IMWUT。这项技术通过捕捉Wi-Fi信号因人体活动产生的细微变化，实现了对人员位置、状态与行为的精准感知，为智能家居的“无感交互”提供了全新解决方案。
传统智能家居依赖用户主动发布指令或依赖特定传感器，难以持续、自然地理解用户需求。例如，老人起身时可能需要灯光辅助，儿童靠近危险区域时需及时提醒，但现有系统往往无法自动识别这些场景。研究团队另辟蹊径，开发了一套无需佩戴设备的高精度感知系统，通过分析Wi-Fi信号在空间中的传播变化，即可推断人体活动信息，进而联动智能设备提供服务。
然而，将实验室技术落地家庭场景面临两大挑战：一是设备部署复杂，需专业人员反复调试；二是真实环境中信号易受家具、墙体遮挡，导致感知精度下降。针对前者，团队创新性地将扫地机器人转化为“环境信息采集员”——利用其日常清扫时构建的家居地图，同步生成Wi-Fi信号分布图，并自动标记路由器、智能音箱等设备位置。用户仅需启动机器人完成一次清扫，即可完成系统初始化，彻底省去人工测量环节。
为解决信号遮挡导致的精度问题，团队摒弃了传统模型中“信号无遮挡”的理想化假设，转而针对真实家庭环境构建理论模型。该模型可模拟Wi-Fi信号在复杂空间中的传播路径，包括反射、衍射等现象，从而在物品繁杂、布局多变的家庭场景中实现稳定感知。实验数据显示，系统对人员位置的识别精度可达0.1米，且能区分站立、坐卧、行走等不同状态。
技术核心由天津大学计算机科学与技术学院与网络安全学院的研究团队共同完成。博士生谭人瑞、孟暄棋作为第一作者，在导师指导下提出了“环境自适应感知框架”，通过机器学习算法动态优化信号分析模型，使其适应不同家庭的布局特征。例如，系统可自动识别客厅、卧室等区域的功能差异，针对性调整感知策略。
目前，该技术已与多家智能家居企业开展合作测试。在模拟家庭场景中，系统成功实现了“老人跌倒自动报警”“儿童靠近窗户提醒”“夜间起身灯光跟随”等功能。研究人员表示，下一步将优化多设备协同机制，例如通过分析多人活动模式，自动调节空调温度、灯光亮度等环境参数，进一步推动无线感知技术向实用化迈进。
