See through Walls with Wi-Fi Authors: Fadel Adib and Dina - - PDF document

10/1/15 ¡ 1 ¡

See ¡through ¡Walls ¡with ¡Wi-­‑Fi

Presented ¡by ¡Navaneet ¡Galagali ¡

Authors: ¡Fadel ¡Adib ¡and ¡Dina ¡Katabi ¡

Overview

• Goal: ¡Detect ¡and ¡track ¡moving ¡objects ¡behind ¡a ¡wall ¡or ¡closed ¡door ¡

using ¡Wi-­‑Fi ¡signals ¡

• Primary ¡novelEes ¡of ¡the ¡approach: ¡
• Eliminate ¡“flash ¡effect” ¡by ¡MIMO ¡nulling ¡
• ISAR ¡technique ¡to ¡track ¡moving ¡objects ¡
• ApplicaEons: ¡Law ¡enforcement, ¡surveillance, ¡gaming ¡

10/1/15 ¡ 2 ¡

Wi-­‑Vi ¡(Wi-­‑Fi ¡Vision)

• A ¡wireless ¡device ¡consisEng ¡of ¡three ¡USRP ¡N210 ¡radios ¡(two ¡for ¡

transmiXng) ¡connected ¡to ¡an ¡external ¡clock ¡and ¡LP0965 ¡direcEonal ¡ antennas ¡

• Uses ¡Wi-­‑Fi ¡OFDM ¡signals ¡in ¡the ¡ISM ¡band ¡(at ¡2.4 ¡GHz) ¡
• Two ¡modes ¡
• Track ¡moving ¡objects ¡behind ¡a ¡wall ¡
• Gesture-­‑interface ¡for ¡people ¡to ¡communicate ¡messages ¡from ¡behind ¡a ¡wall ¡

Flash ¡Effect

10/1/15 ¡ 3 ¡

Flash ¡Effect ¡(con<nued)

• AcenuaEon ¡of ¡signal ¡depends ¡on ¡the ¡material ¡of ¡the ¡wall ¡and ¡cross-­‑

secEon ¡of ¡the ¡object ¡

• In ¡actuality, ¡two-­‑way ¡acenuaEon ¡occurs ¡as ¡the ¡signal ¡passes ¡through ¡

the ¡wall ¡twice ¡ ¡

Past ¡work ¡in ¡tracking ¡moving ¡targets

• Through-­‑wall ¡radar ¡
• Gesture-­‑based ¡interfaces ¡(Xbox ¡Kinect, ¡Nintendo ¡Wii ¡MoEonPlus) ¡
• Infrared/Thermal ¡Imaging ¡

10/1/15 ¡ 4 ¡

Through-­‑wall ¡radar

• Track ¡objects ¡behind ¡the ¡wall ¡via ¡Eme ¡domain ¡or ¡frequency ¡domain ¡
• Require ¡ultra-­‑wide ¡bandwidth ¡(UWB) ¡around ¡2 ¡GHz ¡– ¡not ¡feasible ¡in ¡a ¡

civilian ¡seXng ¡

Through-­‑wall ¡radar ¡(con<nued)

• Other ¡narrowband ¡radar ¡systems ¡ignore ¡the ¡flash ¡effect ¡and ¡use ¡

Doppler ¡Shig ¡to ¡detect ¡moving ¡objects ¡– ¡only ¡work ¡in ¡ideal ¡scenarios ¡ (i.e., ¡minimal ¡obstrucEon) ¡

• One ¡acempt ¡using ¡Wi-­‑Fi ¡signals ¡required ¡a ¡transmicer ¡and ¡receiver ¡

inside ¡the ¡room ¡clock ¡synchronized ¡to ¡a ¡receiver ¡outside ¡the ¡room ¡ ¡

10/1/15 ¡ 5 ¡

Gesture-­‑based ¡interfaces

• Requires ¡line-­‑of-­‑sight ¡(LoS) ¡acEviEes ¡and ¡uses ¡cameras ¡or ¡sensors ¡

placed ¡on ¡the ¡body ¡

• Xbox ¡Kinect, ¡Nintendo ¡Wii ¡MoEonPlus ¡

Infrared/Thermal ¡Imaging

• Capture ¡infrared/thermal ¡energy ¡reflected ¡off ¡object ¡in ¡LoS ¡of ¡sensor ¡
• Cannot ¡see ¡through ¡walls ¡because ¡they ¡have ¡short ¡wavelengths ¡
• Infrared ¡wavelength ¡~ ¡1013 ¡Hz, ¡802.11n ¡~ ¡109 ¡

10/1/15 ¡ 6 ¡

Wi-­‑Vi’s ¡improvements

• NLoS ¡(non-­‑line-­‑of-­‑sight) ¡scenarios ¡
• Signals ¡with ¡longer ¡wavelengths ¡that ¡are ¡able ¡to ¡go ¡through ¡walls ¡
• No ¡sensors ¡on ¡the ¡target ¡or ¡devices ¡inside ¡the ¡room ¡
• Requires ¡a ¡few ¡MHz ¡of ¡bandwidth ¡
• Eliminates ¡the ¡flash ¡effect ¡by ¡MIMO ¡interference ¡nulling ¡

Elimina<ng ¡the ¡flash ¡effect

¡

• IniEal ¡Nulling ¡– ¡standard ¡MIMO ¡nulling ¡
• Power ¡BoosEng ¡– ¡increase ¡transmiced ¡signal ¡power ¡
• IteraEve ¡Nulling ¡– ¡null ¡staEc ¡object ¡reflecEons ¡again ¡

10/1/15 ¡ 7 ¡

Ini<al ¡Nulling

• Transmit ¡antennas ¡send ¡a ¡known ¡preamble ¡‘x’ ¡
• Receive ¡antenna ¡receives ¡y1 ¡= ¡h1x ¡and ¡y2 ¡= ¡h2x ¡
• Compute ¡channel ¡esEmates ¡​ℎ ↓1 ¡and ¡​ℎ ↓2 ¡and ¡obtain ¡raEo ¡p ¡= ¡−​ℎ

↓1 /​ℎ ↓2 ¡

• Both ¡transmit ¡antennas ¡transmit ¡concurrently, ¡with ¡perceived ¡

channel: ¡

Power ¡Boos<ng

• Signals ¡due ¡to ¡moving ¡objects ¡are ¡not ¡strong ¡enough, ¡so ¡we ¡increase ¡

the ¡transmiced ¡signal ¡power ¡

• Because ¡the ¡channel ¡is ¡already ¡nulled, ¡the ¡increase ¡in ¡power ¡does ¡not ¡
• verwhelm ¡the ¡receiver’s ¡ADC ¡(analog ¡to ¡digital ¡converter) ¡
• Overall ¡result ¡is ¡improved ¡SNR ¡(signal ¡to ¡noise ¡raEo) ¡of ¡objects ¡behind ¡

the ¡wall ¡

10/1/15 ¡ 8 ¡

Itera<ve ¡Nulling

• Power ¡boosEng ¡causes ¡previously ¡negligible ¡staEc ¡reflecEons ¡to ¡spike ¡

up, ¡so ¡we ¡must ¡null ¡again ¡

• Challenge: ¡Cannot ¡separately ¡esEmate ¡channels ¡from ¡transmit ¡

antennas ¡because ¡only ¡combined ¡channel ¡is ¡received ¡ager ¡iniEal ¡ nulling ¡

• Removing ¡iniEal ¡nulling ¡would ¡saturate ¡the ¡ADC ¡due ¡to ¡the ¡power ¡

boosEng ¡step ¡

• Insight: ¡Errors ¡in ¡channel ¡esEmates ¡are ¡much ¡smaller ¡than ¡channel ¡

esEmates ¡themselves ¡

Itera<ve ¡Nulling ¡(con<nued)

• ¡ ¡ ¡Assume ¡and ¡h2 ¡esEmate ¡is ¡accurate ¡(so ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡) ¡and ¡solve ¡for ¡​ℎ ′↓1 : ¡

¡

​ℎ↓𝑠𝑓𝑡 =​ℎ↓1 −​ℎ ↓1 ¡

• Assume ¡the ¡same ¡for ¡h1 ¡and ¡solve ¡for ¡​ℎ ′↓2 : ¡
• Iterate ¡between ¡steps ¡unEl ¡h1 ¡and ¡h2 ¡esEmates ¡converge ¡

10/1/15 ¡ 9 ¡

Final ¡points ¡on ¡MIMO ¡nulling

• Can ¡be ¡performed ¡when ¡objects ¡are ¡moving ¡behind ¡the ¡wall ¡or ¡in ¡

front ¡of ¡the ¡wall ¡(as ¡long ¡as ¡they ¡are ¡moving ¡out ¡of ¡the ¡view ¡of ¡the ¡ direcEonal ¡antennas) ¡

• Algorithm ¡provides ¡a ¡42 ¡dB ¡mean ¡reducEon ¡in ¡power, ¡which ¡removes ¡

the ¡flash ¡effect ¡from ¡solid ¡wood ¡doors, ¡6’’ ¡hollow ¡walls, ¡and ¡most ¡ indoor ¡concrete ¡walls ¡

Tracking ¡Mo<on ¡in ¡prior ¡work

• Past ¡systems ¡used ¡an ¡antenna ¡array ¡
• Tracking ¡the ¡AoA ¡in ¡Eme ¡tracks ¡movement ¡of ¡the ¡object ¡

10/1/15 ¡ 10 ¡

Tracking ¡Mo<on ¡in ¡prior ¡work

• Large ¡antenna ¡array ¡is ¡needed ¡to ¡obtain ¡

a ¡narrow ¡beam ¡and ¡good ¡resoluEon ¡

• Increasing ¡length ¡of ¡the ¡antenna ¡

decreases ¡its ¡footprint ¡

• Each ¡receive ¡antenna ¡would ¡need ¡

corresponding ¡transmit ¡antennas ¡for ¡ MIMO ¡nulling, ¡making ¡it ¡even ¡bulkier ¡

hcp://www.crisp.nus.edu.sg/~research/tutorial/mw.htm ¡ ¡

Tracking ¡Mo<on ¡using ¡ISAR

• Treats ¡the ¡movement ¡of ¡the ¡target ¡as ¡an ¡

antenna ¡array ¡

• Target ¡takes ¡AoA ¡of ¡signal ¡as ¡target ¡moves ¡
• Time ¡samples ¡received ¡by ¡Wi-­‑Vi ¡correspond ¡

to ¡spaEal ¡locaEons ¡of ¡the ¡moving ¡target ¡

• A ¡technique ¡used ¡in ¡mapping ¡the ¡surfaces ¡
• f ¡planets ¡

10/1/15 ¡ 11 ¡

ISAR ¡(Inverse ¡Synthe<c ¡Aperture ¡Radar)

• y[n] ¡: ¡Signal ¡sample ¡received ¡by ¡Wi-­‑Vi ¡at ¡Eme ¡

n ¡

• 𝜄 ¡: ¡Angle ¡between ¡the ¡line ¡from ¡human ¡to ¡

Wi-­‑Vi ¡and ¡the ¡normal ¡to ¡the ¡moEon ¡

• A[𝜄, ¡n] ¡: ¡A ¡funcEon ¡that ¡measures ¡the ¡signal ¡

along ¡the ¡spaEal ¡direcEon ¡𝜄 ¡at ¡Eme ¡n ¡

ISAR ¡(con<nued)

• h[n] ¡: ¡Received ¡samples ¡as ¡a ¡

funcEon ¡of ¡Eme ¡= ¡n ¡

• h[n] ¡= ¡y[n]/x[n] ¡
• Antenna ¡array ¡of ¡size ¡w ¡uses ¡

consecuEve ¡channel ¡ measurements ¡h[n]…h[n+w] ¡

10/1/15 ¡ 12 ¡

ISAR ¡(con<nued)

• 𝜇 ¡– ¡wavelength, ¡Δ ¡– ¡spaEal ¡separaEon ¡between ¡successive ¡antennas ¡

in ¡the ¡array ¡

• The ¡value ¡of ¡𝜄 ¡that ¡causes ¡highest ¡value ¡of ¡A[𝜄, ¡n] ¡is ¡the ¡direcEon ¡of ¡

target ¡movement ¡

ISAR ¡(con<nued)

• Δ ¡= ¡vT ¡(distance ¡= ¡velocity ¡* ¡Eme), ¡

approximaEng ¡v ¡= ¡1 ¡m/s ¡(walking ¡speed) ¡ in ¡Wi-­‑Vi ¡

• Errors ¡in ¡value ¡of ¡‘v’ ¡overesEmate ¡or ¡

underesEmate ¡the ¡direcEon ¡of ¡the ¡target ¡

• With ¡errors, ¡Wi-­‑Vi ¡is ¡able ¡to ¡track ¡relaEve ¡

movement ¡of ¡the ¡target, ¡but ¡cannot ¡ pinpoint ¡exact ¡locaEon ¡

10/1/15 ¡ 13 ¡

ISAR ¡output

• Zero ¡line ¡represenEng ¡DC ¡– ¡average ¡energy ¡from ¡staEc ¡elements ¡
• Curved ¡line ¡with ¡changing ¡angle ¡tracks ¡target’s ¡moEon ¡
• [0-­‑1.8 ¡sec]: ¡Person’s ¡moEon ¡and ¡line ¡from ¡person ¡to ¡Wi-­‑Vi ¡are ¡in ¡same ¡direcEon ¡
• 1.8 ¡sec: ¡Person ¡crosses ¡in ¡front ¡of ¡Wi-­‑Vi ¡device ¡
• [1.8-­‑3 ¡sec]: ¡Person’s ¡moEon ¡and ¡line ¡from ¡person ¡to ¡Wi-­‑Vi ¡are ¡in ¡opposite ¡direcEon ¡
• [3 ¡onwards]: ¡Person ¡moves ¡inward ¡and ¡towards ¡the ¡Wi-­‑Vi ¡device ¡

Tracking ¡Mul<ple ¡Humans

• Received ¡signal ¡is ¡a ¡superposiEon ¡of ¡all ¡the ¡antenna ¡arrays ¡

represenEng ¡all ¡moving ¡targets ¡

• Signal ¡reflected ¡off ¡all ¡humans ¡is ¡correlated ¡in ¡Eme ¡and ¡is ¡not ¡

independent ¡(they ¡may ¡interact ¡with ¡one ¡another) ¡

• Apply ¡smoothed ¡MUSIC ¡algorithm ¡to ¡disentangle ¡signals ¡

10/1/15 ¡ 14 ¡

MUSIC ¡Algorithm ¡Background

• Stands ¡for ¡MulEple ¡Signal ¡Classifier ¡
• Super-­‑resoluEon ¡DOA ¡(direcEon ¡of ¡arrival) ¡algorithm ¡
• Applied ¡only ¡to ¡narrowband ¡signal ¡sources ¡– ¡represented ¡as ¡

complex ¡sinusoids ¡

hcp://www.girdsystems.com/pdf/GIRD_Systems_Intro_to_MUSIC_ESPRIT.pdf ¡ ¡

Complex ¡Sinusoids ¡Background

• Signal ¡represented ¡as ¡a ¡complex ¡sinusoid: ¡
• A ¡real ¡sinusoid ¡is ¡the ¡sum ¡of ¡two ¡complex ¡sinusoids ¡

¡

• A ¡delay ¡of ¡a ¡sinusoid ¡is ¡a ¡phase ¡shig: ¡

hcp://www.girdsystems.com/pdf/GIRD_Systems_Intro_to_MUSIC_ESPRIT.pdf ¡ ¡

10/1/15 ¡ 15 ¡

Antenna ¡Array ¡Background

• Signal ¡s(t) ¡hits ¡the ¡array ¡at ¡angle ¡𝜄 ¡
• At ¡sensor ¡1, ¡let ¡received ¡signal ¡x1(t) ¡= ¡s(t) ¡
• Delay ¡at ¡sensor ¡i ¡is ¡ ¡
• Received ¡signal ¡at ¡sensor ¡i ¡is ¡ ¡

hcp://www.girdsystems.com/pdf/GIRD_Systems_Intro_to_MUSIC_ESPRIT.pdf ¡ ¡

MUSIC ¡Algorithm ¡Background ¡(con<nued)

• All ¡N ¡sensors: ¡

¡ ¡

• a(𝜄) ¡– ¡“steering ¡vector” ¡

hcp://www.girdsystems.com/pdf/GIRD_Systems_Intro_to_MUSIC_ESPRIT.pdf ¡ ¡

10/1/15 ¡ 16 ¡

MUSIC ¡Algorithm ¡Background ¡(con<nued)

• Signal ¡data ¡model: ¡X ¡= ¡AF ¡+ ¡W ¡
• X ¡– ¡Received ¡signals ¡(in ¡our ¡paper ¡this ¡is ¡denoted ¡‘h’) ¡
• A ¡– ¡Steering ¡vectors ¡for ¡all ¡source ¡signals ¡
• F ¡– ¡Incident ¡Signals ¡
• W ¡– ¡Noise ¡

hcp://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=1143830 ¡ ¡

MUSIC ¡Algorithm

• Compute ¡correlaEon ¡matrix: ¡
• Eigen ¡decomposiEon ¡of ¡R[n] ¡gives ¡the ¡eigenvectors ¡corresponding ¡to ¡

the ¡moving ¡humans ¡and ¡DC ¡line ¡

• ParEEon ¡eigenvector ¡matrix ¡into ¡signal ¡space ¡(US) ¡and ¡noise ¡space ¡(UN) ¡
• Key ¡idea ¡(1): ¡Signal ¡space ¡and ¡noise ¡space ¡are ¡orthogonal ¡
• Key ¡idea ¡(2): ¡Steering ¡vector ¡a(𝜄) ¡is ¡equal ¡to ¡the ¡signal ¡space ¡
• Thus, ¡a(𝜄)UN ¡= ¡0 ¡

hcp://www.girdsystems.com/pdf/GIRD_Systems_Intro_to_MUSIC_ESPRIT.pdf ¡ ¡

10/1/15 ¡ 17 ¡

MUSIC ¡algorithm ¡(con<nued)

• Power ¡density ¡is ¡computed: ¡
• a(𝜄) ¡-­‑ ¡ ¡steering ¡vector ¡consisEng ¡of ¡the ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡terms ¡
• Whenever ¡𝜄 ¡corresponds ¡to ¡the ¡real ¡signals, ¡P(𝜄) ¡shows ¡a ¡peak ¡
• Peak ¡will ¡indicate ¡the ¡angle ¡of ¡the ¡signal ¡

¡

hcp://www.girdsystems.com/pdf/GIRD_Systems_Intro_to_MUSIC_ESPRIT.pdf ¡ ¡

MUSIC ¡Algorithm ¡(con<nued)

• Same ¡formula: ¡
• K ¡– ¡Total ¡number ¡of ¡noise ¡eigenvectors ¡
• w ¡– ¡number ¡of ¡sensors ¡
• 𝜕 ¡-­‑ ¡angular ¡wavenumber ¡corresponding ¡to ¡​2𝜌/𝜇 ¡where ¡𝜇 ¡is ¡the ¡

wavelength ¡

• For ¡comparison: ¡

10/1/15 ¡ 18 ¡

“Smoothed” ¡MUSIC ¡algorithm

• Compute ¡w ¡x ¡w ¡correlaEon ¡matrix ¡R[n]: ¡

¡

• “Smoothing” ¡– ¡ParEEon ¡each ¡array ¡h ¡of ¡size ¡w ¡into ¡subarrays ¡of ¡size ¡

w’ ¡and ¡compute ¡correlaEon ¡matrix ¡R[n] ¡for ¡each ¡of ¡them ¡ ¡

• Sum ¡up ¡the ¡different ¡correlaEon ¡matrices ¡and ¡then ¡perform ¡eigen ¡

decomposiEon ¡ ¡

“Smoothed” ¡MUSIC ¡algorithm ¡(con<nued)

• Benefit: ¡De-­‑correlates ¡signals ¡coming ¡from ¡different ¡spaEal ¡targets ¡
• Taking ¡overlapping ¡subarrays ¡of ¡the ¡same ¡antenna ¡array ¡shigs ¡

reflecEons ¡from ¡other ¡targets ¡by ¡different ¡amounts, ¡which ¡helps ¡to ¡ de-­‑correlate ¡them ¡

10/1/15 ¡ 19 ¡

Detec<ng ¡number ¡of ¡moving ¡targets

• SpaEal ¡variance ¡as ¡a ¡measure ¡of ¡the ¡number ¡of ¡moving ¡targets ¡
• SpaEal ¡Centroid: ¡
• SpaEal ¡Variance: ¡ ¡

¡

• Variance ¡is ¡averaged ¡to ¡return ¡one ¡number ¡for ¡the ¡rest ¡of ¡the ¡

measurement ¡

Spa<al ¡variance ¡thresholds

• ProporEonal ¡to ¡# ¡of ¡targets ¡so ¡a ¡training ¡set ¡is ¡used ¡to ¡find ¡the ¡thresholds ¡for ¡0, ¡

1, ¡2, ¡3 ¡humans ¡

• Adding ¡more ¡humans ¡to ¡a ¡congested ¡space ¡doesn’t ¡increase ¡the ¡spaEal ¡variance ¡

as ¡much ¡as ¡adding ¡more ¡humans ¡to ¡a ¡less ¡congested ¡space ¡

• As ¡a ¡result, ¡there ¡is ¡some ¡inaccuracy ¡as ¡the ¡number ¡of ¡humans ¡increases ¡

10/1/15 ¡ 20 ¡

Gesture-­‑based ¡communica<on

• Wi-­‑Vi ¡enables ¡humans ¡to ¡communicate ¡without ¡a ¡wireless ¡device ¡via ¡

simple ¡gesture-­‑based ¡communicaEon ¡

• Gestures ¡are ¡encoded ¡using ¡‘0’ ¡and ¡‘1’ ¡bits ¡
• Wi-­‑Vi’s ¡three ¡imposed ¡gesture ¡condiEons: ¡
• Must ¡be ¡composable: ¡At ¡the ¡end ¡of ¡a ¡‘0’ ¡or ¡‘1’ ¡bit, ¡human ¡should ¡be ¡back ¡in ¡

iniEal ¡state ¡

• Must ¡be ¡simple ¡
• Must ¡be ¡easy ¡to ¡detect ¡and ¡decode ¡without ¡the ¡use ¡of ¡machine ¡learning ¡

techniques ¡

10/1/15 ¡ 21 ¡

Gesture ¡Encoding

• Wi-­‑Vi ¡has ¡adopted ¡the ¡following ¡scheme ¡for ¡encoding ¡gestures: ¡
• ‘0’ ¡bit: ¡A ¡step ¡forward ¡followed ¡by ¡a ¡step ¡backward ¡
• ‘1’ ¡bit: ¡A ¡step ¡backward ¡followed ¡by ¡a ¡step ¡forward ¡

Gesture ¡Decoding

• Apply ¡two ¡matched ¡filters ¡to ¡A’[𝜄, ¡n] ¡for ¡the ¡step ¡forward ¡and ¡step ¡

backward ¡

• Matched ¡filter: ¡A ¡linear ¡filter ¡that ¡is ¡designed ¡to ¡detect ¡the ¡presence ¡
• f ¡a ¡waveform ¡that ¡is ¡buried ¡in ¡addiEonal ¡noise. ¡
• Apply ¡standard ¡peak ¡detector ¡to ¡match ¡the ¡peaks/troughs ¡to ¡their ¡

corresponding ¡bits ¡

hcp://local.eleceng.uct.ac.za/courses/EEE3086F/notes/212-­‑Matched_Filter_2up.pdf ¡ ¡

10/1/15 ¡ 22 ¡

Gesture ¡Decoding ¡(con<nued)

Matched ¡ filter ¡ ¡ ¡ ¡ ¡Standard ¡ ¡ Peak ¡detector ¡

Gesture ¡Recogni<on ¡Performance

• Distance ¡less ¡than ¡5m: ¡100% ¡
• Distance ¡between ¡6m ¡and ¡7m: ¡93.75% ¡
• Distance ¡at ¡8m: ¡75% ¡
• Distance ¡greater ¡than ¡9m: ¡None ¡

10/1/15 ¡ 23 ¡

Gesture ¡Recogni<on ¡Performance ¡(con<nued)

• Glass, ¡solid ¡wooden ¡doors, ¡interior ¡

walls, ¡concrete ¡walls ¡of ¡limited ¡ thickness ¡

• Does ¡not ¡work ¡with ¡denser ¡material ¡

(ex. ¡Reinforced ¡concrete) ¡

Limita<ons

• Can ¡only ¡detect ¡moving ¡targets ¡
• Assumes ¡a ¡given ¡velocity ¡of ¡moEon ¡(delta ¡= ¡vT) ¡in ¡order ¡to ¡pinpoint ¡

the ¡target ¡

• ResoluEon ¡decreases ¡as ¡the ¡number ¡of ¡moving ¡targets ¡increases ¡and ¡

as ¡the ¡distance ¡of ¡the ¡targets ¡increases ¡ ¡

10/1/15 ¡ 24 ¡

Conclusion

• Wi-­‑Vi ¡enables ¡detecEon ¡of ¡moving ¡targets ¡behind ¡a ¡wall ¡using ¡Wi-­‑Fi ¡

signals ¡

• Represents ¡a ¡form ¡of ¡Wi-­‑Fi-­‑based ¡sensing ¡and ¡localizaEon ¡and ¡raises ¡

quesEons ¡of ¡user ¡privacy ¡and ¡regulaEon ¡around ¡Wi-­‑Fi ¡signals ¡

• With ¡becer ¡hardware ¡and ¡improved ¡nulling ¡techniques, ¡the ¡

resoluEon ¡of ¡the ¡system ¡will ¡improve ¡for ¡greater ¡distances ¡and ¡ denser ¡building ¡materials ¡