Недавно Флориан Ойхнер, научный сотрудник Института телекоммуникаций Университета штутгартского, опубликовал информацию о проекте под названием ESPARGOS, над которым он работает. ESPARGOS — фазированный массив из множества элементов-патч-антенн, каждая из которых подключена к микроконтроллеру ESP32 с Wi‑Fi. Фазированные массивы открывают интересные возможности, например определение направления радиоволн.
В сочетании с небольшим количеством кода Флориан может не только определить направление прихода сигналов Wi‑Fi, но и, при достаточном количестве элементов патч-антенн, создать в реальном времени тепловую карту источника Wi‑Fi, наложенную на видео. Замечаем, что ESPARGUS не основан на программно-определяемом радио, однако общая концепция и реализация довольно близки к KrakenSDR.
В приведенном ниже видео Флориан объясняет систему и демонстрирует её в действии. Он показывает, как сигнал Wi‑Fi от устройства можно визуализировать, как его можно использовать для отслеживания движения устройства за стеной, как можно видеть отражения от направленной антенны, как устройство можно определить с помощью нескольких массивов. В конце Флориан также демонстрирует, как устройство можно определить с помощью одного массива, даже в условиях сильного многолучевого распространения после обучения нейронной сети на окружении.
Флориан пишет:
Дополнительная информация доступна на сайте проекта массива антенн ESP32 «ESPARGOS»: https://espargos.net/
Исходный код Python‑библиотеки и демо: https://github.com/ESPARGOS/pyespargos (каталог demos/camera для демо «Wi‑Fi камера»)
Будучи научным сотрудником Института телекоммуникаций Университета штутгартского, я работаю над многоканальными системами типа (распределенного) massive MIMO, сосредотачивая внимание на платформах измерения беспроводных каналов и алгоритмах обработки измерений каналов (классических и основанных на глубоком обучении).
Однажды мой (чрезвычайно талантливый) коллега Марк Гаугер предложил использовать ультрадешевые ESP32 чипы вместо радио с программно-определяемым радио для измерения каналов. Сначала я был весьма скептичен, но когда он показал минималистичный прототип, который он собрал пайкой, меня заинтересовала идея демонстрировать мои алгоритмы в реальном времени на сигналах Wi‑Fi. В серии бакалаврских / исследовательских дипломов мои великолепные студенты Тим Шнайдер, Дэвид Энгельбрехт и Дэвид Kellner помогли мне разработать антеннный массив ESP32 «ESPARGOS».
Измеренный набор CSI, используемый для визуализации AoA / TDoA: https://espargos.net/datasets/data/espargos-0005/
Исходный код локализации AoA / TDoA (требуются небольшие модификации для применения к набору espargos-0005): https://github.com/Jeija/ToA-AoA-Augmented-ChannelCharting/
Исходный код Channel Charting для анимации в видео:
https://github.com/Jeija/Geodesic-Uncertainty-Loss-ChannelCharting
Учебник по Channel Charting: https://dichasus.inue.uni-stuttgart.de/tutorials/tutorial/dissimilarity-metric-channelcharting/
Замечаем, что хотя программное обеспечение с открытым исходным кодом, аппаратная часть массива не является открытой. Флориан отметил в комментарии к своему видео на YouTube, что он готовит серийное производство ESPARGOS.
Я сейчас готовлю производство ESPARGOS. Это включает переработку печатных плат, чтобы дизайн стал более пригодным для массового производства и снизить стоимость, а также чтобы пройти сертификацию. Это, очевидно, займет время, но я обязательно буду держать вас в курсе. Вы можете использовать кнопку на сайте https://espargos.net/ для подписки на обновления по электронной почте, а 또한 я буду публиковать обновления через заметки сообщества на YouTube.
Источник:
- проект под названием ESPARGOS
- https://espargos.net/
- https://github.com/ESPARGOS/pyespargos
- https://github.com/Jeija/ToA-AoA-Augmented-ChannelCharting/
- https://github.com/Jeija/Geodesic-Uncertainty-Loss-ChannelCharting
- https://dichasus.inue.uni-stuttgart.de/tutorials/tutorial/dissimilarity-metric-channelcharting/
