الحارس الخفي: تجاوز الأجهزة القابلة للارتداء بالاستشعار السلبي عبر الواي فاي والذكاء الاصطناعي العميق

الملخص التنفيذي

يشهد مشهد الرعاية الصحية العالمي حاليًا تحولًا ديموغرافيًا عميقًا، يتّسم بتقدّم سكاني سريع في العمر وانكماش متزامن في قوة العمل المتاحة من مقدّمي الرعاية. وقد حفّز هذا التباعد بحثًا محمومًا عن مضاعفات قوة تكنولوجية—حلول يمكنها تمديد مدى وصول الأطباء والأوصياء إلى المنزل. وعلى مدى العقد الماضي، كان الجواب الأساسي للصناعة هو «المراقبة النشطة»: نشر أجهزة قابلة للارتداء، وأزرار استغاثة، وساعات ذكية مصمّمة لتتبّع العلامات الحيوية و كشف الطوارئ. غير أن تحليلًا صارمًا للبيانات الطولية يكشف خللًا حرجًا في هذا النهج: فهو يعتمد على امتثال الفئة السكانية الأقل قدرة على توفيره. إن أكثر أجهزة مراقبة الصحة فعالية ليست تلك ذات المستشعرات الأكثر تقدّمًا أو الأطول عمر بطارية؛ بل تلك التي لا تتطلّب أي تفاعل على الإطلاق.

يقدّم هذا التقرير الفني، من تأليف شركة الاستشارات المتخصصة في الذكاء الاصطناعي Veriprajna، مخططًا معماريًا حاسمًا للجيل التالي من المعيشة المساعدة المحيطية (AAL). ونحاجج بأن على الصناعة أن تتحوّل من المراقبة النشطة المتمحورة حول الجهاز إلى الاستشعار السلبي عبر الواي فاي، وهو نموذج يعيد توظيف إشارات التردد الراديوي (RF) الكلّية الحضور في بيئاتنا إلى نسيج استشعار متطور وغير مرئي. وبتحليل معلومات حالة القناة (CSI)—وهي بيانات الطبقة الفيزيائية المعقّدة الكامنة في الواي فاي الحديث—يمكننا كشف السقوط ومراقبة التنفّس وتحليل أنماط النوم بدقة سريرية، كل ذلك دون جهاز واحد قابل للارتداء.

غير أن الانتقال إلى استشعار الواي فاي ليس مجرّد ترقية للأجهزة؛ إنه تحدٍ في معالجة الإشارة من أعلى المراتب. ويتطلّب تجاوز الأساليب الإحصائية المبسّطة واعتناق الذكاء الاصطناعي العميق . ويفصّل هذا التقرير لماذا تكون أغلفة نماذج اللغة الكبيرة (LLM) العامة غير كافية لهذه المهمة ولماذا تدافع Veriprajna عن بنى تعلّم عميق مخصّصة—تحديدًا الشبكات العصبية الالتفافية (CNNs) وشبكات الذاكرة الطويلة قصيرة الأمد (LSTM) والمحوّلات (Transformers)—لفك اللغة الدقيقة للموجات الراديوية. نقدّم تحليلًا شاملًا لفيزياء CSI، وأنماط إخفاق الأجهزة النشطة القابلة للارتداء، وبنى الشبكات العصبية العميقة اللازمة لتفسير الإشارة، و المسارات التنظيمية لنشر القياسات الحيوية غير المرئية في سياق مؤسسي.

الجزء الأول: أزمة الامتثال في صحة الأجهزة القابلة للارتداء

التكنولوجيا

1.1 مغالطة التعاون النشط

يقوم النموذج السائد لمراقبة المريض عن بُعد (RPM) وتقنية «الشيخوخة في المكان» أساسًا على مفهوم التعاون النشط. ويفترض هذا النموذج أن المستخدم—غالبًا فردًا مسنًا قد يعاني من تدهور معرفي أو التهاب مفاصل أو ضعف حسّي—سيتصرّف كمسؤول نظام مسؤول عن تقنية صحته الخاصة. ويُتوقّع منه أن يتذكّر ارتداء الجهاز كل صباح، وأن يضمن شحنه يوميًا، وأن يتفاعل مع واجهته أثناء الطوارئ. وبينما يعمل هذا النموذج بشكل معقول لدى «المسنين الشباب» (أعمار 65-75) المتعلّمين رقميًا والنشطين، فإنه يفشل كارثيًا لدى فئة «المسنين الأكبر» (85+) حيث تكون مخاطر السقوط والطوارئ الطبية في أعلى مستوياتها.

وتكشف البحوث في دورات حياة تبنّي أجهزة مراقبة الصحة القابلة للارتداء واقعًا صارخًا و مقلقًا: فالأجهزة كثيرًا ما تُهجر من قِبل من هم في أمسّ الحاجة إليها. وتشير الدراسات التي تحلّل سلوك المستخدمين إلى أن قرابة 30% من المستخدمين يوقفون استخدام أجهزة التتبّع خلال ستة أشهر من الاقتناء. ¹ وهذا معدّل الاستنزاف ليس مجرّد انعكاس لعدم رضا المستهلك؛ إنه ثغرة فاغرة في شبكة الأمان. وعندما يرقد جهاز في درج، فإن نظام المراقبة لا يتدهور فحسب—بل ينعدم وجوده. والاعتماد على المستخدم ليكون مشاركًا نشطًا في مراقبته يخلق «فجوة امتثال،» وهي هوة خطرة بين الأمان النظري الذي توفّره التقنية والواقع العملي لعدم استخدامها في الحياة اليومية.

1.1.1 «مفارقة الاستحمام» وهشاشة النظافة

تُشعر القيود الوظيفية للأجهزة القابلة للارتداء بأشدّ حدّة أثناء أنشطة الحياة اليومية (ADLs) التي تتضمّن الماء أو خلع الملابس. والحمام إحصائيًا هو أخطر غرفة في المنزل لكبار السن، إذ تخلق الأسطح الزلقة والتجهيزات الصلبة احتمالًا عاليًا لسقوط مسبّب للإصابة. ومع ذلك فهذا هو بالضبط البيئة التي تكون فيها الأجهزة القابلة للارتداء أكثر غيابًا في العادة. ونسمّي هذا «مفارقة الاستحمام.»

ورغم تصنيفات مقاومة الماء IP67 أو IP68 للأجهزة الحديثة، فإن كثيرًا من كبار السن يزيلون ساعاتِهم أو قلاداتهم اعتياديًا قبل الاستحمام. وينبع هذا السلوك من عمر من الخبرة مع إلكترونيات غير مقاومة للماء، أو خوف من إتلاف جهاز باهظ، أو مجرّد انزعاج جسدي تسبّبه الأشرطة المبلّلة على بشرة هشّة. ² وبالتالي يبقى المستخدم بلا مراقبة خلال النافذة الزمنية الدقيقة التي يكون فيها السقوط أكثر احتمالًا. وإذا وقع سقوط في الدش بينما الجهاز على رف الحمام، فإن النظام قد فشل تمامًا. والطبيعة «النشطة» للجهاز—التي تتطلّب من المستخدم أن يقرّر الإبقاء عليه—تصبح نقطة الإخفاق الوحيدة.

1.1.2 إرهاق الشحن والاحتكاك المعرفي

وخارج الحمام، يشكّل متطلّب الشحن المنتظم حاجزًا كبيرًا أمام الحماية المستمرة. فبالنسبة لفرد في سن 80 عامًا، قد تكون المهارات الحركية الدقيقة اللازمة لتوصيل شاحن مغناطيسي خاص أو إدخال كابل micro-USB مرهقة. ويؤدي هذا «إرهاق الشحن» إلى فترات يُترك فيها الجهاز على طاولة الليل للشحن ثم يُنسى في الصباح.

وترسم بيانات مستخدمي أنظمة الاستجابة الشخصية للطوارئ (PERS) صورة مقلقة عن الالتزام. فقد وجدت إحدى الدراسات أن 24% من المستخدمين لم يرتدوا القلادة إطلاقًا، وأن 14% فقط حقّقوا التزامًا حقيقيًا على مدار 24 ساعة. ³ ويتزاحم العبء المعرفي لإدارة عمر بطارية الجهاز مع ضغوط يومية أخرى، وفي الفئات ذات الاختلال المعرفي الخفيف (MCI) أو الخرف المبكر، يُنسى الجهاز ببساطة. والنتيجة مريض «مراقَب» هو في الواقع بلا حماية تمامًا لفترات واسعة من اليوم.

1.2 الحواجز النفسية: وصمة الوهن

تبنّي التقنية ليس حسابًا وظيفيًا خالصًا؛ إنه وجداني بعمق. وكثير من الأجهزة القابلة للارتداء لا سيما قلادات «SOS» الكلّية الانتشار، مصمّمة بجمالية طبية واضحة. فهي تشير للعالم—وللمستخدم نفسه—بأنهم واهنون، ضعفاء، وفي حاجة إلى مساعدة. وهذا الوصم محرّك قوي للرفض.

وتكشف تركيبات نوعية بعدية لتجارب المستخدمين أن كبار السن كثيرًا ما ينظرون إلى هذه الأجهزة على أنها «توسمهم» بأنهم كبار في السن. ⁴ والرغبة في الحفاظ على واجهة من الاستقلال و الحيوية تدفع كثيرًا من كبار السن إلى إخفاء الأجهزة تحت الملابس (ما يقلّل فعاليتها) أو رفض ارتدائها في الأماكن العامة أو الاجتماعية. فيصبح الجهاز رمزًا لفقدان الاستقلالية بدل أن يكون أداة للحفاظ عليها.

علاوة على ذلك، يخلق «الخوف من الإنذارات الكاذبة» بنية حوافز منحرفة. فالمستخدمون كثيرًا ما يرتعبون من تشغيل صفّارة عرضًا أو استدعاء خدمات الطوارئ لحدث غير قائم، ما قد يكون محرجًا ومكلفًا. ويؤدي هذا القلق ببعض المستخدمين إلى ترك الجهاز خلفهم لتفادي خطر إيجابية كاذبة، أو أسوأ، إلى التردّد في الضغط على الزر أثناء طوارئ حقيقية، متسائلين إن كان وضعهم «خطيرًا بما يكفي» ليبرّر الإزعاج. وهذا الاحتكاك النفسي يجعل آلية التفعيل النشط غير موثوقة.

1.3 التداعيات الاقتصادية لإدارة الأجهزة

بالنسبة لأصحاب المصلحة المؤسسيين—مقدّمي التأمين ومنظمات الرعاية المسؤولة (ACOs)، ومشغّلي مرافق المعيشة المساعدة—يمثّل الاعتماد على الأجهزة القابلة للارتداء عدم كفاءة اقتصادية كبيرة. فنشر أسطول من الأجهزة القابلة للارتداء ينطوي على نفقات رأسمالية (CapEx) جوهرية في عتاد معرّض للفقدان والكسر والتقادم.

والنفقات التشغيلية (OpEx) لا تقل قسوة. فإدارة أسطول من آلاف الأجهزة تتضمّن تحديات لوجستية: استبدال البطاريات، ومعالجة مرتجعات الوحدات المعطوبة، وتقديم دعم فني لمستخدمين غير تقنيين قد يعجزون عن اقتران الجهاز بهاتف ذكي أو شبكة واي فاي. و«دوران» الأجهزة المفقودة يأكل عائد الاستثمار (ROI) لبرنامج المراقبة. والأهم أن «الأمان الزائف» الذي يوفّره جهاز قابل للارتداء لا يُرتدى يخلق مسؤولية هائلة. فإذا ادّعت منشأة أنها توفّر مراقبة 24/7 24/7 لكن مقيمًا سقط بينما جهازه يشحن، فقد تواجه المنشأة تداعيات قانونية و سمعية لفشل شبكة الأمان. وتتطلّب الصناعة تحولًا هيكليًا من المراقبة «المتمحورة حول الجهاز» إلى المراقبة «المتمحورة حول المكان»—حلّ مدمج في بنية المبنى نفسه، لا يتطلّب أي جهد من المقيم، ويستحيل فقدانه أو نسيانه.

الجزء الثاني: فيزياء الاستشعار غير المرئي

2.1 من RSSI إلى معلومات حالة القناة (CSI)

لتقدير نهج Veriprajna، من الضروري التمييز بين الأشكال البدائية لاستشعار الواي فاي التي وُجدت لسنوات وتحليل الإشارة العميق الذي ندافع عنه. اعتمدت المحاولات المبكرة لتوظيف الواي فاي لكشف الحضور على مؤشر قوة الإشارة المستقبلة (RSSI). وRSSI مقياس خشن متاح في معظم مكدّسات اللاسلكي تقريبًا؛ وهو يمثّل إجمالي قدرة الإشارة المستقبلة، عادةً بعد متوسط على كامل الرزمة ونطاق التردد.

ورغم أن RSSI ينخفض عندما يحجب جسم المسار بين المرسل والمستقبل (التظليل)، فهو مقياس غير مستقر ومنخفض الدقة في جوهره. وهو شديد القابلية لخفوت المسارات المتعدّدة—حيث ترتد الإشارات عن الجدران وتتداخل بناءً أو هدمًا—والضجيج البيئي. فتغيّر في الرطوبة، أو حركة حيوان أليف، أو حتى تشغيل فرن ميكروويف يمكن أن يسبّب تقلّبات RSSI تحاكي الحضور البشري. والأهم أن RSSI يفتقر إلى الحساسية لكشف الحركات الدقيقة؛ يمكنه أن يخبرك إن كان شخص في الغرفة، لكنه لا يستطيع أن يخبرك إن كان يتنفّس. ⁵

والذكاء المحيطي الحقيقي يتطلّب الوصول إلى الطبقة الفيزيائية (PHY) للإرسال اللاسلكي، وتحديدًا معلومات حالة القناة (CSI) . وتستخدم معايير الواي فاي الحديثة (802.11n، 802.11ac، 802.11ax، و802.11be القادم) تعدد الإرسال بتقسيم التردد المتعامد (OFDM). وفي OFDM، تُقسَّم القناة اللاسلكية (مثل قناة 20 MHz أو 40 MHz) إلى عشرات أو مئات من الحاملات الفرعية. وتصف CSI انتشار الإشارة من المرسل إلى المستقبل لكل حاملة فرعية فردية .

رياضيًا، إذا كان $X$ هو متجه الإشارة المرسلة و $Y$ هو متجه الإشارة المستقبلة، فإن العلاقة تُنمذَج كالتالي:

$$Y = H \times X + N$$

حيث $N$ هو متجه الضجيج و $H$ هي مصفوفة معلومات حالة القناة. وعلى خلاف RSSI، الذي هو قيمة عددية سلمية، $H$ هي مصفوفة مركّبة تحتوي مكوّنين متميزين لكل حاملة فرعية:

1.​ السعة ($|H|$): توهين قوة الإشارة عند ذلك التردد المحدد.

2.​ الطور ($\angle H$): التأخير أو إزاحة الطور للإشارة عند ذلك التردد المحدد.

$$H(f, t) = |H(f, t)| e^{j \angle H(f, t)}$$

وتوفّر هذه المصفوفة «صورة» عالية الدقة للبيئة اللاسلكية. ولأن حاملات فرعية مختلفة لها أطوال موجية مختلفة، فإنها تتفاعل مع الأجسام في الغرفة بشكل مختلف. وتلتقط CSI التشتت والانعكاس والحيود الناجم عن الجسم البشري بتفاصيل حبيبية لا يستطيع RSSI ببساطة رؤيتها. ⁶

2.2 نموذج منطقة فرينل وكشف الحركة الدقيقة

الإطار النظري الذي يسمح لنا باستخراج الحركة البشرية من هذه البيانات الكهرومغناطيسية هو نموذج منطقة فرينل . ومناطق فرينل سلسلة من إهليلجات متطاولة متحدة المركز يكون فيها المرسل (Tx) والمستقبل (Rx) البؤرتين.

وعندما تنتقل موجة راديوية من Tx إلى Rx، فإنها لا تسلك خطًا مستقيمًا واحدًا. بل تنتشر عبر حجم الفضاء الذي تحدّده مناطق فرينل هذه. وإذا وُجد جسم ديناميكي (إنسان) داخل هذه المناطق، فإنه يعكس جزءًا من الإشارة. والإشارة المستقبلة عند Rx هي تراكب لمسار خط النظر المباشر (LoS) والمسار الديناميكي المنعكس عن الجسم البشري.

ويتغيّر طول مسار الإشارة المنعكسة مع حركة الشخص. وهذا التغيّر في المسار الطول، $d(t)$، يُدخل إزاحة طور في المكوّن الديناميكي لـ CSI. والعلاقة تحكمها طول الموجة ($\lambda$) للإشارة:

$$\Delta \Phi(t) = \frac{2\pi \cdot d(t)}{\lambda}$$

بالنسبة لإشارة واي فاي قياسية بتردد 5 GHz، يبلغ طول الموجة $\lambda$ حوالي 6 سنتيمترات. وهذا يعني أن حركةً بمقدار 3 سنتيمترات فقط (نصف طول موجة) كافية لنقل الإشارة من تداخل بنّاء (ذروة) إلى تداخل هدّام (صفر). وهذه الحساسية القصوى هي مفتاح كشف التنفّس . فأثناء التنفّس، ينزاح جدار الصدر البشري بحوالي 4 إلى 12 مليمترًا. وبينما تكون هذه الحركة غير مرئية للعين المجرّدة من مسافة، فإنها في عالم واي فاي 5 GHz أو 6 GHz تمثّل كسرًا معتبرًا من طول الموجة. ومع تمدّد الصدر وانقباضه، يعبر مناطق فرينل، مسببًا تذبذبًا إيقاعيًا دوريًا في طور وسعة بيانات CSI. وبتحليل هذه التموجات الدقيقة في تدفق CSI، تستطيع خوارزميات Veriprajna إعادة بناء شكل موجة التنفّس بدقة تضاهي أحزمة التنفّس الطبية. ⁸

2.3 تواقيع دوبلر والتحليل الحركي

بالنسبة للحركات الكبرى مثل المشي أو السقوط، ننظر أبعد من إزاحات الطور البسيطة إلى إزاحات تردد دوبلر. وينص تأثير دوبلر على أن موجة منعكسة عن جسم متحرّك ستخضع لتغيّر تردد متناسب مع سرعة الجسم.

$$f_D = \frac{2v}{\lambda} \cos(\theta)$$

حيث $v$ هي سرعة جزء الجسم و $\theta$ هي زاوية الحركة نسبةً إلى اتجاه انتشار الموجة. وتولّد الأنشطة البشرية المختلفة «تواقيع دوبلر» فريدة.

●​ المشي: يخلق تأرجح الذراعين والساقين نمطًا معقّدًا من إزاحات دوبلر الموجبة و السالبة، إذ تتحرّك الأطراف نحو المستقبل وبعيدًا عنه.

●​ السقوط: يتميّز السقوط بتسلسل حركي محدد: فقدان التوازن (ما قبل السقوط)، وهبوط سريع متسارع بفعل الجاذبية (السقوط)، وصدمة مفاجئة تليها عدم حركة.

وبتطبيق تحويلات فورييه قصيرة الزمن (STFT) أو تحويلات المويجات المتقطعة (DWT) على بيانات السلسلة الزمنية لـ CSI، يمكننا توليد مخطط طيفي —تمثيل بصري للسرعة عبر الزمن. ويظهر السقوط كاندفاع طاقة عالٍ مميز في المخطط الطيفي، متسارعًا نحو الأسفل، يليه توقف مفاجئ للطاقة («الرقود الطويل»). وهذا يسمح للنظام بالتمييز بين سقوط خطر وفعل مضبوط مثل الجلوس أو الاستلقاء على سرير. ¹⁰

2.4 الاستشعار عبر الجدران وقدرات NLOS

من أعمق مزايا استشعار الواي فاي على الأنظمة البصرية (القائمة على الكاميرات) أو تحت الحمراء (LIDAR) قدرته على العمل في ظروف خارج خط النظر (NLOS) . وإشارات الواي فاي عند 2.4 GHz و5 GHz لها خصائص اختراق ممتازة لمواد البناء القياسية مثل الحوائط الجافة والخشب والزجاج.

وفي بيئة منزلية نمطية، ترتد إشارة الواي فاي عن الجدران والأرضيات والأسقف و الأثاث، خالقة بيئة «مسارات متعدّدة». وحتى إذا كانت نقطة الوصول في الممر و المستخدم في غرفة النوم خلف باب مغلق، فإن الإشارة تخترق الغرفة وتنعكس عن المستخدم وتعود إلى المستقبل. ولا يحتاج المستخدم إلى أن «يُرى» من جهاز التوجيه بمعنى بصري. فالتشويه الذي يخلقه في المجال الكهرومغناطيسي ينتشر عبر العوائق. وهذا الحضور الكلّي القائم على الفيزياء يضمن أن «النقاط العمياء»—التي تؤرق أنظمة الكاميرات (مثل خلف ستارة دش أو حاجز)—تُلغى عمليًا. ويمكن لوصلة استشعار واي فاي واحدة أن تراقب غرفة كاملة أو حتى غرفًا مجاورة، موفّرة مستوى من التغطية كان سيتطلّب كوكبة من الكاميرات لمضاهاته. ¹²

الجزء الثالث: من الإشارة إلى البصيرة – بنية الذكاء الاصطناعي العميق

3.1 أبعد من «أغلفة LLM»: ضرورة ذكاء اصطناعي لمعالجة الإشارة

في سوق التقنية المعاصر، كاد مصطلح «الذكاء الاصطناعي» أن يصير مرادفًا لـ نماذج اللغة الكبيرة (LLMs) مثل GPT. وبينما تُعد LLMs تحويلية للنص والشيفرة، فهي غير ملائمة في جوهرها لمهمة تفسير بيانات التردد الراديوي الخام. وبيانات CSI مستمرة، ومركّبة القيمة، وعالية الأبعاد، وتحكمها قوانين الفيزياء، لا قواعد النحو.

وتميّز Veriprajna نفسها كمزوّد حلول ذكاء اصطناعي عميق . فنحن لا نكتفي بتغليف واجهة برمجية حول نموذج نص مدرَّب مسبقًا. بل نُهندس شبكات عصبية عميقة مخصّصة مصمّمة تحديدًا لمعالجة الإشارة الزمنية. ولا يستطيع LLM أن «يقرأ» شكل موجة 5 GHz؛ إنه يتطلّب بنى تفهم الزمن والتردد والارتباط المكاني. ويستخدم نهجنا مكدّسًا متطورًا من الشبكات العصبية الالتفافية (CNNs) والشبكات العصبية المتكررة (RNNs) والمحوّلات لاستخراج رؤى سريرية من ضجيج RF.

3.2 خط أنابيب المعالجة المسبقة: تنظيف الأثير

بيانات CSI الخام المستخرجة من شرائح واي فاي سلعية ضاجّة بطبيعتها. وهي مفسودة بـ عيوب عتادية مثل إزاحة تردد الحامل (CFO) وإزاحة تردد الاعتيان (SFO) وفقدان الرزم العشوائي. وتغذية هذه البيانات الخام مباشرة إلى شبكة عصبية ستؤدي إلى أداء ضعيف. لذلك توظّف Veriprajna خط أنابيب معالجة مسبقة صارمًا ومستنيرًا بالفيزياء:

1.​ تطهير الطور: بيانات الطور الخام من شريحة واي فاي «ملفوفة» ضمن المدى من $[-\pi, \pi]$. ونستخدم خوارزميات تحويل خطي لـ«فك لف» الطور، إعادة بناء التغيّر المستمر في الطور الناجم عن الحركة. علاوة على ذلك، نطبّق ملاءمة خطية لإزالة ميل الطور الذي تُدخله الساعات غير المتزامنة بين المرسل والمستقبل. ¹¹

2.​ إزالة القيم الشاذة: نستخدم مرشحات هامبل وترشيح الوسيط لإزالة الضجيج الاندفاعي الناجم عن تداخل كهربائي مفاجئ أو أعطال عتادية.

3.​ تخفيض الأبعاد: قد يحتوي تدفق CSI نمطي على بيانات من 3 هوائيات $\times$ 56 حاملة فرعية = 168 تدفق بيانات. وليست كلها تحمل معلومات مفيدة؛ فقد يكون بعضها في «خفوت عميق» (تداخل هدّام) ويحتوي في معظمه على ضجيج. ونحن نوظّف تحليل المكوّنات الرئيسية (PCA) لاستخراج المكوّنات الرئيسية التي تفسّر أقصى تباين في الإشارة. وعادةً ما يقابل المكوّن الرئيسي الأول الحركة المهيمنة في الغرفة (مثل التنفّس)، بينما تلتقط المكوّنات اللاحقة الضجيج. ⁵

3.3 نماذج التعلّم العميق لتحليل CSI

بمجرد تطهير البيانات، تُغذَّى إلى نماذج التعلّم العميق الخاصة بـ Veriprajna. ونحن ندافع عن بنية هجينة تستفيد من نقاط قوة أنواع مختلفة من الشبكات العصبية.

3.3.1 الشبكات العصبية الالتفافية (CNNs) للسمات المكانية

نتعامل مع مصفوفة بيانات CSI (الحاملات الفرعية $\times$ الزمن) كصورة زائفة. وكما تستطيع CNN تحديد حواف قط في صورة، يمكنها تحديد «حواف» حدث حركة في طيف RF. وتنزلق 2D-CNN أو 1D-CNN بنواة عبر بُعد الحاملات الفرعية. وهذا يسمح للنموذج بتعلّم الارتباطات المكانية—مثل إدراك أن حدث سقوط يسبّب هبوطًا متزامنًا في السعة عبر عنقود محدد من الحاملات الفرعية. واستخراج السمات المكانية هذا حاسم للتمييز بين الحركة البشرية وضجيج الخلفية مثل مروحة دوّارة، ذات توقيع طيفي مختلف. ¹⁵

3.3.2 الذاكرة الطويلة قصيرة الأمد (LSTM) للسياق الزمني

الأنشطة البشرية تسلسلات زمنية في جوهرها. فـ«السقوط» ليس نقطة واحدة في الزمن؛ إنه تسلسل أحداث: الوقوف $\rightarrow$ فقدان التوازن $\rightarrow$ الهبوط $\rightarrow$ الصدمة $\rightarrow$ الرقود ساكنًا. وقد تصنّف CNN وحدها إطار «الصدمة» كسقوط، لكنها قد تصنّف أيضًا القفز على سرير كسقوط.

ولحل هذا، نغذّي خرج CNN إلى ذاكرة طويلة قصيرة الأمد (LSTM) شبكة. وLSTM نوع من الشبكات العصبية المتكررة (RNN) مصمّم لتذكّر الاعتمادات طويلة الأمد. وهو يحتفظ بـ«خلية ذاكرة» تحمل السياق من الخطوات الزمنية السابقة. وهذا يسمح للنموذج بفهم التسلسل : «كان المستخدم يمشي (السرعة X)، ثم تسارع نحو الأسفل (السرعة Y)، وهو الآن ساكن (السرعة 0) على الأرض.» وهذا السياق الزمني هو ما يسمح للنظام بالتمييز بين سقوط وفعل مضبوط مثل الجلوس. ¹⁵

3.3.3 محوّلات ثنائية الفرع وآليات الانتباه

تقع جبهة بحثنا في بنى المحوّل (Transformer) . وعلى خلاف RNNs التي تعالج البيانات تتابعيًا، تعالج المحوّلات التسلسل بأكمله دفعة واحدة باستخدام آليات «الانتباه الذاتي». وهذا يسمح للنموذج بوزن أهمية أجزاء مختلفة من الإشارة.

وتقترح Veriprajna بنية ثنائية الفرع :

●​ الفرع أ (السعة): يعالج تغيّرات المقدار لكشف الحركات الحركية الكبرى (المشي، السقوط).

●​ الفرع ب (الطور): يعالج إزاحات الطور لكشف الحركات الدقيقة (التنفّس، تغيّر معدّل القلب).

ويُدمَج الفرعان عبر طبقة انتباه . وتعطي آلية الانتباه ديناميكيًا أولوية للتيار الأكثر صلة وفق السياق. فمثلًا، إذا كان المستخدم نائمًا، يتعلّم النموذج إيلاء مزيد من الانتباه لفرع الطور (حيث إشارة التنفّس أقوى) وتجاهل فرع السعة. وعلى العكس، إذا كان المستخدم يمشي، يُعطى فرع السعة وزنًا أعلى. ويعزّز هذا الدمج متعدّد الوسائط متانة النظام بشكل كبير. ¹⁷

3.4 حل الاعتماد على البيئة: تكييف المجال

كان نقد تاريخي لبحوث استشعار الواي فاي هو افتقارها إلى قابلية التعميم. فنموذج دُرّب على بيانات جُمعت في «المختبر أ» كثيرًا ما يفشل عند نشره في «الشقة ب» لأن بيئة المسارات المتعدّدة (حجم الغرفة، تخطيط الأثاث) مختلفة. فيفرط النموذج في الملاءمة لـ انعكاسات الغرفة التدريبية المحددة.

وتعالج Veriprajna هذا بـ الشبكات العصبية الخصومية للمجال (DANNs) . وتتضمّن هذه التقنية تدريب الشبكة بهدفين متنافسين:

1.​ مصنّف النشاط: تقليل الخطأ في التنبؤ بالنشاط (مثل «سقوط» مقابل «مشي»).

2.​ مميّز المجال: تعظيم الخطأ في التنبؤ بالبيئة (مثل «مختبر» مقابل «منزل»).

وبإجبار مستخرج السمات على إرباك مميّز المجال، تُضطر الشبكة إلى تعلّم سمات ثابتة تجاه البيئة—«المثال الأفلاطوني» لتوقيع سقوط يبدو نفسه سواء حدث في شقة استوديو أو في ممر دار رعاية. وهذا يمكّن نموذج «درّب مرة، وانشر في كل مكان» الضروري لـ قابلية التوسّع المؤسسي. ¹⁹

الجزء الرابع: التطبيقات السريرية وحالات الاستخدام

4.1 مراقبة التنفّس: العلامة الحيوية للمستقبل

يُدعى معدّل التنفّس (RR) كثيرًا «العلامة الحيوية المنسية،» ومع ذلك فهو مؤشر رائد لـ التدهور السريري في حالات مثل مرض الانسداد الرئوي المزمن (COPD)، وفشل القلب الاحتقاني (CHF)، والالتهاب الرئوي. وتتطلّب المراقبة التقليدية ارتداء حزام صدر أو قنية، وهو أمر غير مريح للاستخدام طويل الأمد.

وباستخدام تحليل فرق الطور الموصوف في القسم 2.2، يوفّر استشعار الواي فاي مراقبة تنفّس مستمرة بلا تلامس.

●​ الدقة: أظهرت تقييمات تجريبية باستخدام مصفوفات تغذية راجعة لتشكيل الحزمة (BFMs) أخطاء تقدير لمعدّل التنفّس أقل من 3.2 أنفاس/دقيقة. ⁵ أكثر نماذج تعلّم عميق أكثر تقدّمًا معاملات ارتباط تتجاوز 0.92 مع أحزمة التنفّس المرجعية. ²¹

●​ كشف انقطاع النفس النومي: النظام ثوري بشكل خاص لكشف انقطاع النفس الانسدادي أثناء النوم (OSA). وبمراقبة توقّف حركة التنفّس أثناء النوم، يمكن للنظام تأشير أحداث انقطاع نفس محتملة (مؤشر AHI) دون الحاجة إلى دراسة تخطيط نوم (PSG) مرهقة في مختبر نوم. وهذا يسمح بفحص طولي لفئة كبار السن، وتحديد اضطرابات نوم غير مشخّصة تساهم في المخاطر القلبية الوعائية. ²²

4.2 كشف السقوط: «الرقود الطويل» والوعي بالسياق

السقوط هو السبب الرئيس للإصابة المميتة بين كبار السن. غير أن الصدمة الفورية أقل خطرًا غالبًا من «الرقود الطويل» —البقاء على الأرض ساعات عاجزًا عن النهوض، ما يؤدي إلى انحلال الربيدات والجفاف وقرح الضغط.

وتقدّم حلول استشعار الواي فاي من Veriprajna نظامًا شاملًا لإدارة السقوط:

1.​ تحليل المشية قبل السقوط: بالمراقبة المستمرة لسرعة المشي واتساق الخطوة (سرعة المشية) على مدى أسابيع، يمكن للنظام كشف التدهور الدقيق في الحركة الذي يسبق السقوط غالبًا. والتباطؤ التدريجي لسرعة المشي متنبئ مُثبَت سريريًا لمخاطر السقوط، ما يسمح بتدخل وقائي (مثل العلاج الطبيعي) قبل وقوع حادث. ²

2.​ الكشف في الزمن الحقيقي: باستخدام تواقيع دوبلر الموصوفة سابقًا، يكشف النظام حدث السقوط بحساسية عالية (>97%). ²³

3.​ سياق ما بعد السقوط: والأهم أن النظام يواصل مراقبة الشخص بعد السقوط. فإذا أشارت CSI إلى غياب حركة حركية كبرى مع وجود حركة دقيقة (تنفّس) عند مستوى الأرض، يؤكّد النظام «سقوطًا مع عجز عن التعافي» و يصعّد التنبيه. ويقلّل هذا الوعي بالسياق الإنذارات الكاذبة بشكل كبير مقارنةً بمقياس تسارع قابل للارتداء، الذي قد يسجّل إسقاط الجهاز على الأرض كـ سقوط. ²⁴

4.3 تحليل جودة النوم والنظافة النومية

جودة النوم محدِّد هائل للصحة لدى كبار السن. وتقدّر أجهزة تتبّع النوم الاستهلاكية الحالية (الساعات الذكية) مراحل النوم استنادًا إلى حركة المعصم (قياس النشاط) و معدّل القلب البصري. ويقدّم استشعار الواي فاي «قياس نشاط الجسم كاملًا.»

وبتحليل شدة ودورية حركات الجسم في السرير، يمكن للنظام تصنيف مراحل النوم:

●​ اليقظة: حركات عالية السعة وغير منتظمة.

●​ النوم الخفيف: حركة منخفضة وتنفّس منتظم.

●​ النوم العميق/REM: حالة جسم وانية (مشلولة) مع تنفّس شديد الإيقاع التواقيع.

ويولّد النظام تقارير «نظافة النوم» تفصّل كمون بدء النوم (الوقت حتى النوم)، والاستيقاظ بعد بدء النوم (WASO)، وإجمالي مدة النوم. والأهم أنه يمكنه أيضًا تتبّع مغادرات السرير، منبّهًا مقدّمي الرعاية إذا تجوّل مريض خرف خارج السرير ليلًا ولم يعد خلال نافذة آمنة. ³

الجزء الخامس: مفارقة الخصوصية – الاستشعار بلا مراقبة

5.1 جدل «الكاميرا مقابل المستشعر»

الخصوصية البصرية شاغل بالغ لكبار السن. وبينما الكاميرات فعّالة لـ المراقبة، فإنها تُرفض على نطاق واسع في الأماكن الخاصة مثل غرف النوم والحمامات. و شعور «المراقبة،» وخطر التقاط العري، واحتمال اختراق بث الفيديو يخلق مقاومة هائلة لحلول AAL القائمة على الكاميرات.

ويحل استشعار الواي فاي مفارقة الخصوصية هذه. فهو أعمى بصريًا . والبيانات المجمّعة—مصفوفات CSI—تتألّف من أعداد مركّبة تمثّل انتشار الإشارة. ويستحيل على إنسان أن ينظر إلى رزمة CSI و«يرى» وجه شخص أو جسمه. وحتى لو اعترض فاعل خبيث تدفق البيانات الخام، فلن يسترجع صورة أو فيديو، بل تدفقًا من تشوهات إشارة غير مفهومة. وهذا يجعل استشعار الواي فاي مناسبًا بشكل فريد لمراقبة الحمام—أخطر غرفة في المنزل حيث تُحظر الكاميرات حظرًا صارمًا. ³

5.2 الامتثال لـ GDPR وHIPAA

بالنسبة للعملاء المؤسسيين، الامتثال التنظيمي غير قابل للتفاوض. وتصُنَّف بيانات استشعار الواي فاي، وتحديدًا CSI، كـ بيانات بيومترية بموجب اللائحة العامة لحماية البيانات (GDPR) (المادة 9) لأنها يمكن أن تُستخدم لتحديد الأفراد استنادًا إلى مشيتهم أو شكل الجسم (التعرّف البيومتري). ²⁸ وبالمثل، بموجب قانون قابلية نقل التأمين الصحي و المساءلة (HIPAA)، تُعد البيانات الصحية المستمدة من المنزل معلومات صحية محمية (PHI).

وتضمن بنية Veriprajna الامتثال عبر استراتيجية معالجة طرفية صارمة:

1.​ تقليل البيانات: تُعالَج بيانات CSI الخام محليًا على نقطة وصول الواي فاي أو بوابة طرفية محلية (باستخدام NPU). وإشارة القياس الحيوي الخام عالية النطاق لا تُنقَل أبدًا إلى السحابة. وتُهمَل فور الاستدلال.

2.​ رؤى مجرّدة: لا يُنقَل سوى حدث الاستدلال . وتتلقّى السحابة JSON رزمة: {"event": "Fall", "location": "Bathroom", "timestamp": "14:02:01", "confidence": 0.98}. ولا تحتوي هذه السلسلة النصية على بيانات بيومترية ولا يمكن هندستها عكسيًا لـ تحديد فسيولوجيا المستخدم.

3.​ إخفاء الهوية: في الإعدادات القياسية، يتتبّع النظام «الحضور» و«الحركة» دون ربطهما بهوية محددة. فيكشف أن شخصًا سقط، لا من سقط، ما لم يُضبط تحديدًا لتتبّع متعدّد الأشخاص بموافقة المستخدم.

4.​ الأمن: تُشفَّر كل عمليات نقل البيانات عبر TLS 1.3/WPA3، وتُؤمَّن أجهزة الطرف المحلية بمصادقة 802.1X لمنع الوصول غير المصرّح به. ³⁰

5.3 مشكلة الضيوف والقبول الاجتماعي

نقطة احتكاك كبرى للكاميرات هي مراقبة الزوار. فعندما يزور أفراد الأسرة أو مقدّمو الرعاية، يُسجَّلون أيضًا، ما يثير قضايا الموافقة. واستشعار الواي فاي أقل اقتحامًا بطبيعته. فبينما يكشف حضور أشخاص آخرين، فإنه لا يسجّل وجوههم أو محادثاتهم. وهذه «المراقبة الناعمة» أكثر قبولًا اجتماعيًا بكثير في الأماكن شبه الخاصة مثل المناطق المشتركة للمعيشة المساعدة أو الشقق المشتركة، ما يقلّل التعقيد القانوني لـ الحصول على موافقة كل زائر. ³³

الجزء السادس: البنية التحتية ومنظومة العتاد

6.1 تسليع عتاد الاستشعار

ميزة استراتيجية لاستشعار الواي فاي أنه يستخدم بنية تحتية قائمة. فهو لا يتطلّب ثقب جدران لتثبيت مستشعرات خاصة على كل جدار. ويجري إضفاء الطابع الرسمي على انتقال الواي فاي من معيار اتصال خالص إلى معيار استشعار في IEEE 802.11bf (استشعار WLAN)، المتوقع التصديق عليه بالكامل في أواخر 2024/2025. وسيضمن هذا المعيار أن شرائح الواي فاي المستقبلية تدعم أصليًا استخراج CSI وطلبات الاستشعار، محوّلة كل موجّه إلى رادار موحّد. ³⁵

6.2 ممكّنات السيليكون الرئيسية

مكدّس برمجيات Veriprajna محايد تجاه العتاد لكنه محسَّن للشرائح الرائدة التي توفّر الوصول إلى بيانات CSI:

●​ Qualcomm: تُعد منصات Qualcomm «Networking Pro Series» و«FastConnect» (Wi-Fi 7) ممكّنات حرجة. والأهم أن Qualcomm تدمج Hexagon NPU (وحدة المعالجة العصبية) في شرائح SoC الخاصة بها. وهذا يسمح لـ Veriprajna بتشغيل نماذج التعلّم العميق (Transformers/CNNs) مباشرة على الموجّه أو البوابة بكفاءة طاقة عالية، ما يمكّن استراتيجية المعالجة الطرفية الموصوفة أعلاه. وتوفّر مكدّس Qualcomm للذكاء الاصطناعي وAI Hub سلاسل الأدوات لتحويل نماذج PyTorch إلى ثنائيات مكمّمة تعمل على Hexagon DSP، بما يضمن أداء الزمن الحقيقي دون كمون سحابي. ³⁶

●​ Broadcom: مع منظومة Wi-Fi 8 المعلَن عنها حديثًا وشرائح Wi-Fi 7 (BCM6726، BCM4390)، قدّمت Broadcom محرّك القياس عن بُعد اللاسلكي «BroadStream» . وهذه كتلة عتاد مصمّمة تحديدًا لتفريغ جمع ومعالجة بيانات الاستشعار، موفّرة تدفقات CSI عالية التردد ومنخفضة الكمون اللازمة لـ تدريب الذكاء الاصطناعي والاستدلال. ⁴⁰

●​ Espressif (ESP32): لعقد استشعار موزّعة منخفضة التكلفة (مثل إنشاء شبكة كثيفة في منشأة كبيرة)، تُعد المتحكمات الدقيقة ESP32 تغييرًا لقواعد اللعبة. وتسمح ESP-CSI Toolkit للمطوّرين باستخراج بيانات CSI من هذه الشرائح الرخيصة ($5). ورغم أنها أقل قوة من موجّه، يمكن لـ ESP32 أن يعمل كمستقبل استشعار مخصّص، يغذّي البيانات إلى بوابة مركزية. وهذا يمكّن توسيع نسيج الاستشعار بتكلفة فعّالة. ⁴³

6.3 المشهد البرمجي التجاري

تعمل Veriprajna كموكامل متخصص ومطوّر ذكاء اصطناعي فوق منصات استشعار تأسيسية:

●​ Cognitive Systems (Aura WiFi Motion): توفّر واجهة برمجية ناضجة ومنشورة على نطاق واسع لـ طبقة الحركة. ويتعامل مكدّسها مع استخراج CSI في المستوى الأدنى وتصنيف الحركة الأساسي، ما يسمح لـ Veriprajna بالتركيز على التفسير الطبي الأعلى مستوى. ²⁶

●​ Origin Wireless (AI Sensing): روّاد في تقنية «آلة عكس الزمن» لـ تحليل المسارات المتعدّدة. وتُعد محرّكات «TruPresence» وكشف السقوط لديهم معايير صناعية للدقة. وتعمل برمجيات Origin بالكامل على الطرف، بما يتوافق تمامًا مع بنيتنا التي تقدّم الخصوصية أولًا. ³⁵

الجزء السابع: التنفيذ الاستراتيجي للمؤسسات

7.1 التعديل التحديثي «بلا عتاد»

بالنسبة لدور التمريض ومرافق المعيشة المساعدة ومقدّمي المستشفى في المنزل، القيمة الأساسية لاستشعار الواي فاي هي «التعديل التحديثي بلا عتاد.» فهذه المنشآت تملك أصلًا شبكات واي فاي بمستوى مؤسسي للاتصال. وبنشر مكدّس برمجيات Veriprajna (أو تحديث البرنامج الثابت إلى نسخة ممكّنة للاستشعار)، تحوّل المنشأة شبكتها الاتصالية القائمة إلى شبكة سلامة.

●​ توفير النفقات الرأسمالية: يلغي الحاجة إلى شراء آلاف الأجهزة القابلة للارتداء أو تثبيت كاميرات في كل غرفة.

●​ الصيانة: لا بطاريات لتغييرها في القلادات. ولا أجهزة مفقودة للاستبدال.

●​ قابلية التوسّع: يمكن لتحديث برمجي تمكين كشف السقوط في 100 غرفة فورًا.

7.2 منهجية النشر

يتطلّب تنفيذ استشعار الواي فاي نهجًا منظّمًا لضمان التغطية والدقة:

1.​ مسح الموقع: تقييم كثافة الواي فاي. فالاستشعار يتطلّب كثافة معينة من الإشارات. وقد يغطي موجّه واحد شقة صغيرة، لكن شبكة متداخلة (وحدات في غرف مختلفة) مثالية لتغطية «المنزل كاملًا» لضمان وجود روابط استشعار كافية تعبر الحمام وغرفة النوم. ⁴⁹

2.​ تدقيق العتاد: التحقّق مما إذا كانت نقاط الوصول القائمة تستخدم شرائح متوافقة (Qualcomm/Broadcom) تدعم استخراج CSI.

3.​ إعداد البوابة الطرفية: تحديد ما إذا كانت نقاط الوصول تملك حوسبة كافية (NPU/CPU) لـ الاستدلال على الجهاز. وإن لم يكن، يمكن لخادم طرفي محلي (مثل حاسوب صناعي صغير يشغّل نماذج الذكاء الاصطناعي) تجميع البيانات من نقاط وصول خفيفة.

4.​ المعايرة: تشغيل نماذج DANN (خصومية المجال) لفترة «إحماء» وجيزة (مثل 24 ساعة) للتكيّف مع تخطيط الأثاث المحدد والمواد الإنشائية لـ المبنى، وإرساء خط أساس للبيئة الساكنة.

7.3 العائد على الاستثمار وتحقيق القيمة

●​ تقليل إعادة الإدخال للمستشفى: بكشف تغيّرات المشية مبكرًا، يمكن تقديم علاج طبيعي وقائي، بما يمنع السقوط الذي يؤدي إلى كسر ورك و دخول مستشفى مكلف.

●​ كفاءة الطاقم: يمكن أن تصبح «الجولات الليلية» مدفوعة بالبيانات. فبدل إيقاظ كل مقيم للتحقّق منه (ما يقطع النوم)، يمكن للطاقم مراقبة لوحة المعلومات المركزية لاضطرابات النوم أو مغادرات السرير، والحضور فقط لمن يحتاج.

●​ أقساط التأمين: قد تتأهّل المنشآت المجهّزة بمراقبة مستمرة غير اقتحامية لـ أقساط تأمين مسؤولية مخفّضة بسبب انخفاض مخاطر الحوادث غير المكتشفة والقدرة على تقديم دليل رعاية قائم على البيانات.

الخاتمة: حتمية الذكاء المحيطي

عصر «الأدوات» في رعاية كبار السن يشارف على الانتهاء. فاحتكاك الامتثال، و إهانة وصمة الأجهزة القابلة للارتداء، والقيود الوظيفية للأجهزة العاملة بالبطارية تجعلها تقنية انتقالية. ومستقبل مراقبة الصحة ليس عن ربط مستشعرات على الناس؛ بل عن بناء مستشعرات حولهم.

يمثّل الاستشعار السلبي عبر الواي فاي التقاء الفيزياء المتقدّمة والبنية التحتية الكلّية الحضور والذكاء الاصطناعي العميق. وهو يحترم قدسية المنزل ببقائه غير مرئي، ومع ذلك يوفّر يقظة بمستوى سريري. ويحل «مفارقة الاستحمام،» ويلغي إرهاق الشحن، ويحفظ خصوصية المستخدم. وبالنسبة لـ Veriprajna، هذا ليس مجرّد تطوّر تقني؛ إنه واجب أخلاقي لتوفير الكرامة والسلامة لفئة تتقدّم في العمر عبر ذكاء يُشعَر به، ولا يُرى.

الهواء من حولنا ممتلئ بالمعلومات. آن الأوان أن نصغي إليه.

الجدول 1: تحليل مقارن لتقنيات المراقبة

السمة	الأجهزة القابلة للارتداء (المراقبة النشطة)	الكاميرات (المراقبة البصرية)	الاستشعار السلبي عبر الواي فاي (Veriprajna)
امتثال المستخدم	احتكاك عالٍ: يتطلّب الارتداء، والشحن، و تنبيهات يدوية.	صفر جهد: سلبي.	صفر جهد: سلبي.
أثر الخصوصية	منخفض: بيانات فقط (تسارع/معدّل قلب).	شديد: تسجيل بصري لـ أماكن حميمة.	منخفض: CSI مجرّدة إشارات؛ بلا بصرية معرّفات.
سلامة الحمام	إخفاق حرج: تُزال غالبًا من أجل الاستحمام/الاغتسال.	غير مقبول: مخاوف الخصوصية تمنع الاستخدام.	ممتاز: يعمل في NLOS؛ يخترق البخار/الستائر.
الصيانة	عالٍ: بطارية	متوسط: عدسة	منخفض: برمجيات

Col1	استبدال، جهاز مفقود إدارة.	تنظيف، تغذية طاقة.	تحديثات؛ يستفيد من الواي فاي القائم.
النقاط العمياء	لا شيء (إن ارتُدي).	عالٍ: يحجبه الأثاث والجدران و الظلام.	أدنى حد: الإشارات تخترق الجدران و الأثاث.
غنى البيانات	تسارع، معدّل القلب.	مشية، وضعية، سياق.	تنفّس، مشية، مراحل نوم، سقوط.
الملاءمة لـ الخرف	ضعيف: ينسى المستخدمون الارتداء أو يزيلون الأجهزة بنشاط.	متوسط.	عالٍ: لا يمكن إزالته أو نسيانه.

الجدول 2: الإطار التنظيمي والتقني

المتطلّب	المعيار / اللائحة	الدلالة لاستشعار الواي فاي
خصوصية البيانات	GDPR (المادة 9)	CSI بيانات بيومترية. تتطلّب موافقة صريحة وحماية بيانات صارمة (ذكاء اصطناعي طرفي).
البيانات الصحية	HIPAA	مراقبة الصحة في المنزل تخلق PHI. ويجب أن تكون البيانات مشفّرة أثناء النقل و السكون.
معيار العتاد	IEEE 802.11bf	معيار «استشعار WLAN» المستقبلي سيوحّد استخراج CSI عبر المورّدين.
معالجة الذكاء الاصطناعي	ذكاء اصطناعي طرفي (NPU)	يجب أن تحدث المعالجة على الجهاز (Qualcomm Hexagon/Broadcom) لـ

الجدول 3: مكدّس الذكاء الاصطناعي العميق لدى Veriprajna مقابل النهج العامة

الطبقة	النهج العام / المنافس نهج	الذكاء الاصطناعي العميق لدى Veriprajna نهج
بيانات الدخل	RSSI (قوة الإشارة) أو CSI خام	CSI مطهَّر (فك لف الطور، تقليل ضجيج PCA، ترشيح هامبل)
استخراج السمات	سمات إحصائية (المتوسط، التباين)	شبكات CNN (الشبكات العصبية الالتفافية) لـ السمات المكانية/الطيفية
المنطق الزمني	قائم على العتبة (إذا هبطت الإشارة أكثر من X)	LSTM / GRU (الشبكات العصبية المتكررة) لـ سياق التسلسل
الدمج	تيار واحد	محوّل ثنائي الفرع (سعة + طور) مع آلية انتباه
التعميم	معايرة خاصة بالموقع مطلوبة	شبكات عصبية خصومية للمجال (DANN) لاستقلال البيئة

الاستشهادات: ¹

الأعمال المستشهد بها

1. Beyond Technical Motives: Perceived User Behavior in Abandoning Wearable Health & Wellness Trackers - arXiv، تم الوصول إليه في 12 ديسمبر 2025، https://arxiv.org/pdf/1904.07986

2. Fall Detection Using Wi-Fi Sensing، تم الوصول إليه في 12 ديسمبر 2025، https://www.wifisensing.io/use-cases/fall-detection

3. WiFi Sensing for Senior Independence - Aerial's AI، تم الوصول إليه في 12 ديسمبر 2025، https://aerial.ai/resources-blog/wifi-sensing-for-senior-independence

4. Beyond the Box: Unpacking the Usage Patterns of Health Monitoring Devices Among American Retirees - Skywork.ai، تم الوصول إليه في 12 ديسمبر 2025، https://skywork.ai/skypage/en/Beyond-the-Box-Unpacking-the-Usage-Paterns-otf-Health-Monitoring-Devices-Among-American-Retirees/1951152759911845888

5. Respiratory Rate Estimation Based on WiFi Frame Capture - arXiv، تم الوصول إليه في 12 ديسمبر 2025، https://arxiv.org/pdf/2108.03170

6. Channel state information - Wikipedia، تم الوصول إليه في 12 ديسمبر 2025، https://en.wikipedia.org/wiki/Channel_state_information

7. Understanding CSI | Hands-on Wireless Sensing with Wi-Fi: A Tutorial، تم الوصول إليه في 12 ديسمبر 2025، https://tns.thss.tsinghua.edu.cn/wst/docs/pre/

8. Device-Free WiFi Human Sensing: From Pattern-Based to Model-Based Approaches، تم الوصول إليه في 12 ديسمبر 2025، https://ceca.pku.edu.cn/media/lw/de4947b5f57dd4fd5e3ac649f34ed557.pdf

9. Human Respiration Detection with Commodity WiFi Devices: Do User Location and Body Orientation Matter?، تم الوصول إليه في 12 ديسمبر 2025، http://www-public.tem-tsp.eu/~zhang_da/pub/Daqing%202016%20UbiComp%20respiration.pdf

10. CSI-F: A Human Motion Recognition Method Based on Channel-State-Information Signal Feature Fusion - MDPI، تم الوصول إليه في 12 ديسمبر 2025، https://www.mdpi.com/1424-8220/24/3/862

11. Full Respiration Rate Monitoring Exploiting Doppler Information with Commodity Wi-Fi Devices - ResearchGate، تم الوصول إليه في 12 ديسمبر 2025، https://www.researchgate.net/publication/351682808_Full_Respiration_Rate_Monitoring_Exploiting_Doppler_Information_with_Commodity_Wi-Fi_Devices

12. How Wi-Fi Sensing Helps Monitor Loved Ones at Home - Electronic Caregiver، تم الوصول إليه في 12 ديسمبر 2025، https://electroniccaregiver.com/how-wi-fi-sensing-helps-monitor-loved-ones-at-home/

13. Collaborative Fall Detection and Response using Wi-Fi Sensing and Mobile Companion Robot - arXiv، تم الوصول إليه في 12 ديسمبر 2025، https://arxiv.org/html/2407.12537v1

14. WiFi Amplitude and Phase-based Respiratory Rate Monitoring - ieeevtc.org، تم الوصول إليه في 12 ديسمبر 2025، http://ieeevtc.org/vtc2024spring/DATA/PID2024002410.pdf

15. Deep-Learning-Based Wi-Fi Indoor Positioning System Using Continuous CSI of Trajectories - PubMed Central، تم الوصول إليه في 12 ديسمبر 2025، https://pmc.ncbi.nlm.nih.gov/articles/PMC8434353/

16. Enhanced Wi-Fi Sensing: Leveraging Phase and Amplitude of CSI for Superior Accuracy، تم الوصول إليه في 12 ديسمبر 2025، https://www.preprints.org/manuscript/202412.2585

17. Enhanced Human Activity Recognition Using Wi-Fi Sensing ...، تم الوصول إليه في 12 ديسمبر 2025، https://pmc.ncbi.nlm.nih.gov/articles/PMC11859840/

18. Transformer-Based Person Identification via Wi-Fi CSI Amplitude and Phase Perturbations، تم الوصول إليه في 12 ديسمبر 2025، https://arxiv.org/html/2507.12854v1

19. A Survey on Wi-Fi Sensing Generalizability: Taxonomy, Techniques, Datasets, and Future Research Prospects - arXiv، تم الوصول إليه في 12 ديسمبر 2025، https://arxiv.org/html/2503.08008v2

20. Channel State Information (CSI) based sensing method work flow. ResearchGate، تم الوصول إليه في 12 ديسمبر 2025، https://www.researchgate.net/figure/Channel-State-Information-CSI-based-sensing-method-work-flow_fig3_334626596

21. Noncontact Breathing Pattern Monitoring Using a 120 GHz Dual Radar System with Motion Interference Suppression - MDPI، تم الوصول إليه في 12 ديسمبر 2025، https://www.mdpi.com/2079-6374/15/8/486

22. Doppler radar remote sensing of respiratory function - PMC - NIH، تم الوصول إليه في 12 ديسمبر 2025، https://pmc.ncbi.nlm.nih.gov/articles/PMC10172641/

23. Wearable Fall Detection System with Real-Time Localization and Notification Capabilities، تم الوصول إليه في 12 ديسمبر 2025، https://www.mdpi.com/1424-8220/25/12/3632

24. [Literature Review] Real-Time Fall Detection Using Smartphone Accelerometers and WiFi Channel State Information، تم الوصول إليه في 12 ديسمبر 2025، https://www.themoonlight.io/en/review/real-time-fall-detection-using-smartphone-accelerometers-and-wifi-channel-state-information

25. WiFi-based indoor passive fall detection for medical Internet of Things ResearchGate، تم الوصول إليه في 12 ديسمبر 2025، https://www.researchgate.net/publication/372813063_WiFi-based_indoor_passive_fall_detection_for_medical_Internet_of_Things

26. WiFi Motion - Cognitive Systems، تم الوصول إليه في 12 ديسمبر 2025، https://www.cognitivesystems.com/wifi-motion/

27. WiFi Can See You Now: Carnegie Mellon's “DensePose from WiFi” and the Privacy Paradox، تم الوصول إليه في 12 ديسمبر 2025، https://medium.com/@ajayverma23/wifi-can-see-you-now-carnegie-mellons-densepose-from-wifi-and-the-privacy-paradox-b0c61a850849

28. Biometric Data GDPR: Compliance Tips for Businesses، تم الوصول إليه في 12 ديسمبر 2025، https://www.gdprregister.eu/gdpr/biometric-data-gdpr/

29. Biometric recognition | ICO، تم الوصول إليه في 12 ديسمبر 2025، https://ico.org.uk/for-organisations/uk-gdpr-guidance-and-resources/lawful-basis/biometric-data-guidance-biometric-recognition/biometric-recognition/

30. Making Wi-Fi HIPAA compliant، تم الوصول إليه في 12 ديسمبر 2025، https://hipaatimes.com/making-wi-fi-hipaa-compliant

31. HIPAA-Compliant Wi-Fi with 802.1X and RADIUS Security - SecureW2، تم الوصول إليه في 12 ديسمبر 2025، https://www.securew2.com/blog/hipaa-compliant-wireless-802-1x

32. HIPAA Compliance for Guest WiFi: Essential Guidelines - Beambox، تم الوصول إليه في 12 ديسمبر 2025، https://beambox.com/townsquare/how-to-provide-hipaa-compliant-guest-wifi

33. Occupancy Sensors vs Wi-Fi and Badge Data: Accuracy, Privacy - Occuspace، تم الوصول إليه في 12 ديسمبر 2025، https://www.occuspace.com/blog/occupancy-sensors-vs-wi-fi-and-badge-data-accuracy-privacy

34. Surveillance Risks in Wi-Fi Sensing، تم الوصول إليه في 12 ديسمبر 2025، https://www.wifisensing.io/risks/surveillance

35. WiFi Sensing - Origin Wireless، تم الوصول إليه في 12 ديسمبر 2025، https://www.originwirelessai.com/wifi-sensing/

36. Qualcomm Wi-Fi Products and Chipsets، تم الوصول إليه في 12 ديسمبر 2025، https://www.qualcomm.com/wi-fi

37. How to build model assets for Snapdragon NPU devices - ONNX Runtime، تم الوصول إليه في 12 ديسمبر 2025، https://onnxruntime.ai/docs/genai/howto/build-models-for-snapdragon.html

38. NPU AI Engine - Qualcomm، تم الوصول إليه في 12 ديسمبر 2025، https://www.qualcomm.com/processors/ai-engine

39. Unlocking on-device generative AI with an NPU and heterogeneous computing | Qualcomm، تم الوصول إليه في 12 ديسمبر 2025، https://www.qualcomm.com/content/dam/qcomm-martech/dm-assets/documents/Unlocking-on-device-generative-AI-with-an-NPU-and-heterogeneous-computing.pdf

40. Broadcom Introduces Industry's First Wi-Fi 8 Silicon Ecosystem Powering the AI Era، تم الوصول إليه في 12 ديسمبر 2025، https://investors.broadcom.com/news-releases/news-release-details/broadcom-introduces-industrys-first-wi-fi-8-silicon-ecosystem

41. Word on the Street: Media roundup for Wi-Fi 7 - Broadcom Inc.، تم الوصول إليه في 12 ديسمبر 2025، https://www.broadcom.com/blog/media-roundup-for-wi-fi-7

42. Accessing the IoT ecosystem - Broadcom Inc.، تم الوصول إليه في 12 ديسمبر 2025، https://www.broadcom.com/blog/accessing-the-iot-ecosystem

43. ESP32 CSI Toolkit، تم الوصول إليه في 12 ديسمبر 2025، https://stevenmhernandez.github.io/ESP32-CSI-Tool/

44. Introduction to ESP-CSI Solution - - — ESP-Techpedia latest documentation، تم الوصول إليه في 12 ديسمبر 2025، https://docs.espressif.com/projects/esp-techpedia/en/latest/esp-friends/solution-introduction/esp-csi/esp-csi-solution.html

45. esp_csi_rs - Rust - Docs.rs، تم الوصول إليه في 12 ديسمبر 2025، https://docs.rs/esp-csi-rs

46. Cognitive | Creators of WiFi Motion™، تم الوصول إليه في 12 ديسمبر 2025، https://www.cognitivesystems.com/

47. WiFi Sensing | Origin Wireless، تم الوصول إليه في 12 ديسمبر 2025، https://www.originwirelessai.com/trupresence-2/

48. Origin Wireless - ICON Outlook، تم الوصول إليه في 12 ديسمبر 2025، https://iconoutlook.com/origin-wireless/

49. Qualcomm® Wi-Fi Ranging: Delivering ranging and location technologies of tomorrow today.، تم الوصول إليه في 12 ديسمبر 2025، https://www.qualcomm.com/content/dam/qcomm-martech/dm-assets/documents/qualcomm-wi-fi-ranging-white-paper.pdf

50. The Use of Wearable Activity Trackers Among Older Adults: Focus Group Study of Tracker Perceptions, Motivators, and Barriers in the Maintenance Stage of Behavior Change - PMC - NIH، تم الوصول إليه في 12 ديسمبر 2025، https://pmc.ncbi.nlm.nih.gov/articles/PMC6473213/

51. Wi-Fi 8 | Edge AI | Broadband - Broadcom Inc.، تم الوصول إليه في 12 ديسمبر 2025، https://www.broadcom.com/solutions/wireless-mobile-communications/wifi8

52. Wi-Fi 7 Chips & Tech | Next-Generation WiFi - Qualcomm، تم الوصول إليه في ديسمبر 12، 2025، https://www.qualcomm.com/wi-fi/wi-fi-7

53. Monitoring Respiratory Motion With Wi-Fi CSI: Characterizing Performance and the BreatheSmart Algorithm - PMC - PubMed Central، تم الوصول إليه في 12 ديسمبر 2025، https://pmc.ncbi.nlm.nih.gov/articles/PMC9830631/