השומר הבלתי נראה: חריגה מגבולות הלבישים עם חישת Wi-Fi פסיבית ובינה מלאכותית עמוקה

תקציר מנהלים

נוף הבריאות העולמי מנווט כעת שינוי דמוגרפי עמוק, המאופיין באוכלוסייה שמזדקנת במהירות ובהתכווצות במקביל של כוח העבודה הזמין של מטפלים. פיצול זה זירז חיפוש נואש אחר כוח טכנולוגי מכפילים—פתרונות שיכולים להרחיב את טווח הקלינאים והאפוטרופוסים אל תוך הבית. במשך העשור האחרון, התשובה העיקרית של התעשייה הייתה "ניטור פעיל": פריסה של מכשירים לבישים, כפתורי בהלה ושעונים חכמים שנועדו לעקוב אחר סימנים חיוניים ו לזהות מצבי חירום. עם זאת, ניתוח קפדני של נתונים אורכיים חושף פגם קריטי ב גישה זו: היא מסתמכת על ציות של האוכלוסייה הפחות מסוגלת לספק אותו. ה מוניטור הבריאות היעיל ביותר אינו זה עם החיישנים המתקדמים ביותר או עם חיי הסוללה הארוכים ביותר; הוא זה שאינו דורש שום אינטראקציה כלל.

מאמר לבן זה, שנכתב על ידי חברת הייעוץ המתמחה בבינה מלאכותית Veriprajna, משמש כתכנית ארכיטקטונית מכרעת לדור הבא של מגורים בסיוע סביבתי (AAL). אנו טוענים כי על התעשייה לפנות מניטור פעיל ממוקד-מכשיר אל חישת Wi-Fi פסיבית, פרדיגמה שממירה את אותות תדר הרדיו (RF) הכל-נוכחים בסביבותינו לרקמת חישה מתוחכמת ובלתי נראית. באמצעות ניתוח מידע על מצב הערוץ (CSI)—נתוני שכבה פיזית מורכבים הטבועים ב-Wi-Fi מודרני—ניתן לזהות נפילות, לנטר נשימה, ולנתח דפוסי שינה בדיוק בדרגה קלינית, והכול בלי מכשיר לביש אחד.

עם זאת, המעבר לחישת Wi-Fi אינו שדרוג חומרה בלבד; זהו אתגר עיבוד אותות מהסדר הגבוה ביותר. הוא מחייב מעבר מעבר לשיטות סטטיסטיות פשוטות ואימוץ בינה מלאכותית עמוקה . דוח זה מפרט מדוע עטיפות מודל שפה גדול (LLM) גנריות אינן מספיקות למשימה זו ומדוע Veriprajna תומכת בארכיטקטורות למידה עמוקה בהתאמה אישית—במיוחד רשתות עצביות קונבולוציוניות (CNN), רשתות זיכרון קצר-ארוך (LSTM) וטרנספורמרים—כדי לפענח את השפה העדינה של גלי רדיו. אנו מציגים ניתוח מקיף של פיזיקת ה-CSI, מצבי הכשל של לבישים פעילים, ארכיטקטורות הרשתות העצביות העמוקות הנדרשות לפירוש אותות, ואת נתיבי הרגולציה לפריסת ביומטריה בלתי נראית בהקשר ארגוני.

חלק I: משבר הציות בבריאות לבישה

טכנולוגיה

1.1 הכשל הלוגי של שיתוף פעולה פעיל

המודל השולט של ניטור מטופלים מרחוק (RPM) וטכנולוגיית "הזדקנות במקום" מבוסס ביסודו על מושג שיתוף הפעולה הפעיל. מודל זה מניח שה משתמש—לעיתים קרובות אדם קשיש שעלול לסבול מירידה קוגניטיבית, דלקת פרקים או ליקוי חושי—ישמש כמנהל מערכת אחראי לטכנולוגיית הבריאות שלו. מצפים ממנו לזכור לענוד מכשיר בכל בוקר, לוודא שהוא נטען מדי יום, ולתפעל את הממשק שלו במצבי חירום. אף שהמודל הזה פועל באופן סביר עבור "הצעירים-הזקנים" (גילאי 65–75) שהם אורייני דיגיטל ופעילים, הוא נכשל באופן קטסטרופלי עבור אוכלוסיית "הזקנים-הזקנים" (85+) שבה סיכוני הנפילות והחירום הרפואי הם הגבוהים ביותר.

מחקר על מחזורי האימוץ של מוניטורים לבישים לבריאות חושף מציאות חדה ו מדאיגה: המכשירים ננטשים לעיתים קרובות על ידי אלה שזקוקים להם ביותר. מחקרים המנתחים התנהגות משתמשים מצביעים על כך שכ-30% מהמשתמשים מפסיקים את השימוש בעוקבים שלהם בתוך שישה חודשים מרכישתם. ¹ שיעור הנטישה הזה אינו רק השתקפות של חוסר שביעות רצון צרכנית; הוא מייצג חור פעור ברשת הביטחון. כאשר מכשיר שוכב במגירה, מערכת הניטור אינה רק מוחלשת—היא אינה קיימת. ההסתמכות על ה משתמש להיות משתתף פעיל בפיקוח על עצמו יוצרת "פער ציות," תהום מסוכנת בין הבטיחות התיאורטית שמספקת הטכנולוגיה לבין ה מציאות המעשית של אי-שימוש בה בחיי היומיום.

1.1.1 "פרדוקס המקלחת" ופגיעות ההיגיינה

המגבלות התפקודיות של לבישים מורגשות בצורה החריפה ביותר במהלך פעילויות יומיומיות (ADLs) הכוללות מים או התפשטות. חדר הרחצה הוא סטטיסטית החדר המסוכן ביותר בבית עבור קשישים, עם משטחים חלקלקים ומתקנים קשים היוצרים הסתברות גבוהה לנפילות פציעתיות. ובכל זאת, זו בדיוק הסביבה שבה לבישים נעדרים לעיתים הקרובות ביותר. אנו מכנים זאת "פרדוקס המקלחת."

חרף דירוגי עמידות במים IP67 או IP68 של מכשירים מודרניים, מבוגרים רבים מסירים בהרגל את השעונים או התליונים שלהם לפני הרחצה. התנהגות זו נובעת מ חיי ניסיון עם אלקטרוניקה שאינה עמידה במים, מפחד לפגוע במכשיר יקר, או מאי-נוחות פיזית פשוטה הנגרמת מרצועות רטובות על עור שביר. ² כתוצאה מכך, המשתמש אינו מנוטר בחלון הזמן המדויק שבו נפילה היא הכי סבירה. אם נפילה מתרחשת במקלחת בעוד המכשיר מונח על השיש בחדר הרחצה, ה מערכת נכשלה לחלוטין. האופי ה"פעיל" של המכשיר—הדורש מהמשתמש להחליט להשאירו עליו—הופך לנקודת הכשל היחידה.

1.1.2 עייפות טעינה וחיכוך קוגניטיבי

מעבר לחדר הרחצה, הדרישה לטעינה סדירה מהווה מחסום משמעותי ל הגנה רציפה. עבור אדם בן 80, המיומנויות המוטוריות העדינות הנדרשות לחיבור מטען מגנטי קנייני או לתקע כבל micro-USB יכולות להיות תובעניות. "עייפות הטעינה" הזו מובילה לתקופות שבהן המכשיר נשאר על שידת הלילה להטענה ו נשכח אחר כך בבוקר.

נתונים ממשתמשי מערכות תגובת חירום אישיות (PERS) מציירים תמונה מדאיגה של היצמדות. מחקר אחד מצא ש-24% מהמשתמשים לא ענדו את התליון כלל, ורק 14% השיגו היצמדות אמיתית של 24 שעות. ³ העומס הקוגניטיבי של ניהול חיי הסוללה של המכשיר מתחרה בגורמי לחץ יומיומיים אחרים, ובאוכלוסיות עם ליקוי קוגניטיבי קל (MCI) או דמנציה בשלב מוקדם, המכשיר פשוט נשכח. התוצאה היא מטופל "מנוטר" שבמציאות אינו מוגן כלל במשך נתחים גדולים של היום.

1.2 מחסומים פסיכולוגיים: הסטיגמה של שבירות

אימוץ טכנולוגיה אינו חישוב פונקציונלי בלבד; הוא רגשי עמוקות. מכשירים לבישים רבים, ובפרט תליוני ה-"SOS" הנפוצים, מעוצבים באסתטיקה רפואית מובהקת. הם משדרים לעולם—ולמשתמש עצמו—שהם שבירים, פגיעים, וזקוקים לעזרה. הסטיגמטיזציה הזו היא מניע חזק לדחייה.

מטא-סינתזות איכותניות של חוויות משתמש חושפות שמבוגרים רואים לעיתים קרובות במכשירים אלה כ"מותגים" אותם כזקנים. ⁴ הרצון לשמור על חזות של עצמאות ו חיוניות מוביל קשישים רבים להסתיר את המכשירים תחת בגדים (מה שמפחית את יעילותם) או לסרב לענוד אותם בציבור או במסגרות חברתיות. המכשיר הופך לסמל של אובדן אוטונומיה במקום לכלי לשימורה.

יתר על כן, "הפחד מאזעקות שווא" יוצר מבנה תמריצים מעוות. משתמשים לעיתים קרובות מפוחדים מהפעלה מקרית של סירנה או מקריאה לשירותי חירום לאירוע שאינו אירוע, מה שעלול להיות מביך ויקר. חרדה זו מובילה חלק מהמשתמשים להשאיר את המכשיר מאחור כדי להימנע מסיכון של חיוב שווא, או גרוע מכך, להסס ללחוץ על הכפתור במהלך חירום אמיתי, תוהים אם מצבם "חמור מספיק" כדי להצדיק את ההפרעה. החיכוך הפסיכולוגי הזה הופך את מנגנון ההפעלה הפעיל לבלתי אמין.

1.3 ההשלכות הכלכליות של ניהול מכשירים

עבור בעלי עניין ארגוניים—ספקי ביטוח, ארגוני טיפול אחראיים (ACOs), ומפעילי מתקני דיור בסיוע—ההסתמכות על לבישים מייצגת חוסר יעילות כלכלית משמעותי. פריסת צי של לבישים כרוכה בהוצאת הון (CapEx) ניכרת בחומרה הנוטה לאובדן, שבירה והתיישנות.

הוצאה התפעולית (OpEx) מענישה באותה מידה. ניהול צי של אלפי מכשירים כרוך באתגרים לוגיסטיים: החלפת סוללות, טיפול בהחזרות של יחידות שבורות, ומתן תמיכה טכנית למשתמשים שאינם טכניים שעשויים להתקשות בצימוד המכשיר לסמארטפון או לרשת Wi-Fi. ה"נטישה" של מכשירים אבודים שוחקת את התשואה על ההשקעה (ROI) של תוכנית הניטור. באופן קריטי יותר, ה"ביטחון הכוזב" שמספק לביש שאינו נענד יוצר אחריות עצומה. אם מתקן טוען שהוא מספק 24/7 ניטור אך דייר נופל בזמן שהמכשיר שלו נטען, המתקן עלול לעמוד בפני השלכות משפטיות ו מוניטיניות על כשל רשת הביטחון. התעשייה זקוקה לשינוי מבני מניטור "ממוקד-מכשיר" לניטור "ממוקד-מרחב"—פתרון ש מוטמע בתשתית הבניין עצמו, דורש אפס מאמץ מהדייר, ואי אפשר לאבד או לשכוח אותו.

חלק II: הפיזיקה של חישה בלתי נראית

2.1 מ-RSSI למידע על מצב הערוץ (CSI)

כדי להעריך את גישת Veriprajna, חיוני להבחין בין הצורות הפרימיטיביות של חישת Wi-Fi שהתקיימו שנים לבין ניתוח האותות העמוק שאנו תומכים בו. ניסיונות מוקדמים לנצל Wi-Fi לזיהוי נוכחות הסתמכו על אינדיקציית עוצמת האות הנקלט (RSSI). RSSI הוא מדד גס הזמין כמעט בכל מחסניות אלחוט; הוא מייצג את הספק הכולל של האות הנקלט, בדרך כלל ממוצע על פני כל החבילה ורוחב פס התדר.

אף ש-RSSI יורד כאשר עצם חוסם את הנתיב בין משדר למקלט (הצללה), הוא מדד בלתי יציב ביסודו וברזולוציה נמוכה. הוא רגיש מאוד לדעיכת רב-נתיב—שבה אותות קופצים מקירות ומפריעים באופן בונה או הורס—ולרעש סביבתי. שינוי בלחות, תנועת חיית מחמד, או אפילו הפעלת תנור מיקרוגל יכולים לגרום לתנודות RSSI המחקות נוכחות אנושית. באופן מכריע, ל-RSSI חסרה הרגישות לזהות תנועות עדינות; הוא יכול לומר לך אם אדם נמצא בחדר, אך אינו יכול לומר לך אם הוא נושם. ⁵

בינה סביבתית אמיתית דורשת גישה לשכבה הפיזית (PHY) של השידור האלחוטי, ובפרט מידע על מצב הערוץ (CSI) . תקני Wi-Fi מודרניים (802.11n, 802.11ac, 802.11ax, ו-802.11be הקרוב) משתמשים בריבוב חלוקת תדר אורתוגונלי (OFDM). ב-OFDM, הערוץ האלחוטי (למשל ערוץ 20 MHz או 40 MHz) מחולק לעשרות או מאות תת-נושאים. CSI מתאר את התפשטות האות מהמשדר למקלט עבור כל תת-נושא בנפרד .

מתמטית, אם $X$ הוא וקטור האות המשודר ו $Y$ הוא וקטור האות הנקלט, הקשר ממודל כך:

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

כאשר $N$ הוא וקטור הרעש ו $H$ היא מטריצת מידע על מצב הערוץ. בניגוד ל-RSSI, שהוא ערך סקלרי, $H$ היא מטריצה מרוכבת המכילה שני רכיבים נפרדים לכל תת-נושא:

1.​ משרעת ($|H|$): הנחתת עוצמת האות בתדר הספציפי ההוא.

2.​ מופע ($\angle H$): ההשהיה או הזזת המופע של האות בתדר הספציפי ההוא.

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

מטריצה זו מספקת "תמונה" ברזולוציה גבוהה של הסביבה האלחוטית. מכיוון שלתת-נושאים שונים יש אורכי גל שונים, הם מקיימים אינטראקציה עם עצמים בחדר באופן שונה. CSI לוכד את הפיזור, ההחזרה והעקיפה הנגרמים על ידי גוף האדם בפירוט גרעיני ש-RSSI פשוט אינו יכול לראות. ⁶

2.2 מודל אזור פרנל וזיהוי מיקרו-תנועה

המסגרת התיאורטית המאפשרת לנו לחלץ תנועה אנושית מנתונים אלקטרומגנטיים אלה היא מודל אזור פרנל . אזורי פרנל הם סדרה של אליפסואידים פרוֹלָטיים קונצנטריים כאשר המשדר (Tx) והמקלט (Rx) משמשים כמוקדים.

כאשר גל רדיו נע מ-Tx ל-Rx, הוא אינו עוקב אחר קו ישר יחיד. הוא מתפשט דרך נפח המרחב המוגדר על ידי אזורי פרנל אלה. אם עצם דינמי (אדם) קיים בתוך האזורים האלה, הוא מחזיר חלק מהאות. האות הנקלט ב-Rx הוא סופרפוזיציה של נתיב קו-הראייה הישיר (LoS) ושל הנתיב הדינמי המוחזר מ גוף האדם.

אורך הנתיב של האות המוחזר משתנה ככל שהאדם נע. שינוי זה באורך הנתיב, $d(t)$, מציג הזזת מופע ברכיב הדינמי של ה-CSI. הקשר נשלט על ידי אורך הגל ($\lambda$) של האות:

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

עבור אות Wi-Fi סטנדרטי ב-5 GHz, אורך הגל $\lambda$ הוא בערך 6 סנטימטרים. משמעות הדבר היא שתנועה של 3 סנטימטרים בלבד (חצי אורך גל) מספיקה כדי להזיז את האות מהפרעה בונה (שיא) להפרעה הורסת (אפס). רגישות קיצונית זו היא המפתח לזיהוי נשימה . במהלך נשימה, דופן בית החזה האנושי נע בערך ב-4 עד 12 מילימטרים. אף שהתנועה הזו בלתי נראית ל עין בלתי מזוינת ממרחק, בתחום Wi-Fi של 5 GHz או 6 GHz היא מייצגת שבר משמעותי של אורך גל. כאשר בית החזה מתרחב ומתכווץ, הוא חוצה את אזורי פרנל, וגורם לתנודה קצבית ומחזורית במופע ובמשרעת של נתוני ה-CSI. באמצעות ניתוח האדוות העדינות האלה בזרם ה-CSI, אלגוריתמי Veriprajna יכולים לשחזר את צורת הגל של הנשימה בדיוק הדומה לחגורות נשימה בדרגה רפואית. ⁸

2.3 חתימות דופלר וניתוח קינטי

עבור תנועות מאקרו כמו הליכה או נפילה, אנו מסתכלים מעבר להזזות מופע פשוטות אל הזזות תדר דופלר. אפקט דופלר קובע שגל המוחזר מעצם נע יעבור שינוי תדר פרופורציונלי למהירות העצם.

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

כאשר $v$ היא מהירות חלק הגוף ו $\theta$ הוא זווית התנועה ביחס ל כיוון התפשטות הגל. פעילויות אנושיות שונות מייצרות "חתימות דופלר" ייחודיות.

●​ הליכה: נדנוד הזרועות והרגליים יוצר דפוס מורכב של הזזות דופלר חיוביות ו שליליות, כאשר הגפיים נעות לכיוון המקלט והלאה ממנו.

●​ נפילה: נפילה מאופיינת ברצף קינטי ספציפי: אובדן שיווי משקל (טרום-נפילה), ירידה מהירה ומאיצה עקב כוח הכבידה (הנפילה), ופגיעה פתאומית שאחריה חוסר תנועה.

על ידי החלת התמרות פורייה בזמן קצר (STFT) או התמרות גלון בדידות (DWT) על נתוני סדרת הזמן של CSI, ניתן לייצר ספקטרוגרמה—ייצוג חזותי של מהירות לאורך זמן. נפילה מופיעה כגל אנרגיה גבוהה מובהק בספקטרוגרמה, המאיץ כלפי מטה, ואחריו הפסקה פתאומית של אנרגיה (ה"שכיבה הארוכה"). זה מאפשר ל מערכת להבחין בין נפילה מסוכנת לפעולה מבוקרת כמו ישיבה או שכיבה על מיטה. ¹⁰

2.4 חישה דרך קירות ויכולות NLOS

אחד היתרונות העמוקים ביותר של חישת Wi-Fi על פני מערכות אופטיות (מבוססות מצלמה) או אינפרא-אדום (LIDAR) הוא יכולתה לפעול בתנאי אי-קו-ראייה (NLOS). לאותות Wi-Fi ב-2.4 GHz וב-5 GHz יש תכונות חדירה מצוינות לחומרי בנייה סטנדרטיים כמו קיר גבס, עץ וזכוכית.

בסביבת בית טיפוסית, אות ה-Wi-Fi קופץ מקירות, רצפות, תקרות ו רהיטים, ויוצר סביבת "רב-נתיב". גם אם נקודת הגישה נמצאת במסדרון וה משתמש בחדר השינה מאחורי דלת סגורה, האות חודר לחדר, מוחזר מ המשתמש, וחודר בחזרה למקלט. אין צורך שהמשתמש יהיה "נראה" על ידי הנתב במובן חזותי. העיוות שהם יוצרים בשדה האלקטרומגנטי מתפשט דרך המכשולים. הכל-נוכחות מבוססת-הפיזיקה הזו מבטיחה ש"נקודות עיוורות"—המציקות למערכות מצלמה (למשל מאחורי וילון מקלחת או מחיצה)—כמעט מבוטלות. קישור חישת Wi-Fi יחיד יכול לנטר ביעילות חדר שלם או אפילו חדרים סמוכים, ולספק רמת כיסוי שהייתה דורשת קבוצת מצלמות כדי לשחזר. ¹²

חלק III: מאות לתובנה – ארכיטקטורת הבינה המלאכותית העמוקה

3.1 מעבר ל"עטיפות LLM": ההכרח בבינה מלאכותית לעיבוד אותות

בשוק הטכנולוגיה העכשווי, המונח "בינה מלאכותית" הפך כמעט לשם נרדף ל מודלי שפה גדולים (LLM) כמו GPT. אף ש-LLM הם טרנספורמטיביים לטקסט ולקוד, הם אינם מתאימים ביסודם למשימת פירוש נתוני תדר רדיו גולמיים. נתוני CSI הם רציפים, בעלי ערך מרוכב, רב-ממדיים, ונשלטים על ידי חוקי הפיזיקה, לא על ידי כללי הדקדוק.

Veriprajna מבדילה את עצמה כספקית פתרונות בינה מלאכותית עמוקה. איננו פשוט עוטפים API סביב מודל טקסט מאומן מראש. אנו מתכננים רשתות עצביות עמוקות בהתאמה אישית שנועדו ספציפית לעיבוד אותות זמני. LLM אינו יכול "לקרוא" צורת גל של 5 GHz; הוא דורש ארכיטקטורות שמבינות זמן, תדר ומתאם מרחבי. גישתנו משתמשת במחסנית מתוחכמת של רשתות עצביות קונבולוציוניות (CNN), רשתות עצביות חוזרות (RNN) וטרנספורמרים כדי לחלץ תובנות קליניות מרעש RF.

3.2 צינור הקדם-עיבוד: ניקוי התווך

נתוני CSI גולמיים שחולצו משבבי Wi-Fi סחירים הם רועשים מטבעם. הם מושחתים על ידי פגמי חומרה כגון היסט תדר נושא (CFO), היסט תדר דגימה (SFO) ואובדן חבילות אקראי. הזנת הנתונים הגולמיים האלה ישירות לרשת עצבית תוביל לביצועים גרועים. לכן Veriprajna מיישמת צינור קדם-עיבוד קפדני, מיודע-פיזיקה:

1.​ טיהור מופע: נתוני המופע הגולמיים משבב Wi-Fi "עטופים" בטווח של $[-\pi, \pi]$. אנו מיישמים אלגוריתמי טרנספורמציה ליניארית כדי "לפרוס" את המופע, ולשחזר את שינוי המופע הרציף הנגרם מתנועה. יתר על כן, אנו מיישמים התאמה ליניארית כדי להסיר את שיפוע המופע שהוכנס על ידי שעונים לא מסונכרנים בין המשדר למקלט. ¹¹

2.​ הסרת חריגים: אנו משתמשים במסנני המפל ובסינון חציון כדי להסיר רעש אימפולסיבי הנגרם מהפרעה חשמלית פתאומית או מתקלות חומרה.

3.​ הפחתת ממדיות: זרם CSI טיפוסי עשוי להכיל נתונים מ-3 אנטנות $\times$ 56 תת-נושאים = 168 זרמי נתונים. לא כולם נושאים מידע שימושי; חלקם עשויים להיות ב"דעיקה עמוקה" (הפרעה הורסת) ולהכיל בעיקר רעש. אנו משתמשים בניתוח רכיבים עיקריים (PCA) כדי לחלץ את הרכיבים העיקריים ש מסבירים את השונות המרבית באות. הרכיב העיקרי הראשון בדרך כלל מתאים לתנועה הדומיננטית בחדר (למשל נשימה), בעוד הרכיבים הבאים לוכדים רעש. ⁵

3.3 מודלי למידה עמוקה לניתוח CSI

לאחר שהנתונים מטוהרים, הם מוזנים למודלי הלמידה העמוקה הקנייניים של Veriprajna. אנו תומכים בארכיטקטורה היברידית שמנצלת את החוזקות של סוגי רשתות עצביות שונים.

3.3.1 רשתות עצביות קונבולוציוניות (CNN) למאפיינים מרחביים

אנו מתייחסים למטריצת נתוני ה-CSI (תת-נושאים $\times$ זמן) כאל תמונה מדומה. כשם ש-CNN יכולה לזהות את קצוות החתול בתצלום, היא יכולה לזהות את "הקצוות" של אירוע תנועה בספקטרום RF. 2D-CNN או 1D-CNN מחליקה גרעין לאורך ממד התת-נושא. זה מאפשר למודל ללמוד מתאמים מרחביים—למשל להבין שאירוע נפילה גורם לירידת משרעת סימולטנית באשכול ספציפי של תת-נושאים. חילוץ המאפיינים המרחבי הזה קריטי להבחנה בין תנועה אנושית לרעש רקע כמו מאוורר מסתובב, שלו חתימה ספקטרלית שונה. ¹⁵

3.3.2 זיכרון קצר-ארוך (LSTM) להקשר זמני

פעילויות אנושיות הן רצפים זמניים מטבען. "נפילה" אינה נקודה בודדת בזמן; היא רצף אירועים: עמידה $\rightarrow$ אובדן שיווי משקל $\rightarrow$ ירידה $\rightarrow$ פגיעה $\rightarrow$ שכיבה ללא תנועה. CNN לבדה עשויה לסווג את פריים ה"פגיעה" כנפילה, אך היא עלולה גם לסווג קפיצה על מיטה כנפילה.

כדי לפתור זאת, אנו מזינים את הפלט של ה-CNN לרשת זיכרון קצר-ארוך (LSTM). LSTM הוא סוג של רשת עצבית חוזרת (RNN) שנועדה לזכור תלויות ארוכות טווח. הוא מחזיק "תא זיכרון" שנושא הקשר מצעדי זמן קודמים. זה מאפשר למודל להבין את ה_רצף_: "המשתמש הלך (מהירות X), אחר כך האיץ כלפי מטה (מהירות Y), וכעת הוא נייח (מהירות 0) על הרצפה." ה הקשר הזמני הזה הוא שמאפשר למערכת להבחין בין נפילה לפעולה מבוקרת כמו ישיבה. ¹⁵

3.3.3 טרנספורמרים דו-ענפיים ומנגנוני קשב

חזית המחקר שלנו טמונה בארכיטקטורות טרנספורמר. בניגוד ל-RNN שמעבדות נתונים ברצף, טרנספורמרים מעבדים את כל הרצף בבת אחת באמצעות מנגנוני "קשב עצמי". זה מאפשר למודל לשקלל את החשיבות של חלקים שונים באות.

Veriprajna מציעה ארכיטקטורה דו-ענפית:

●​ ענף A (משרעת): מעבד שינויי גודל כדי לזהות תנועות מוטוריות גסות (הליכה, נפילה).

●​ ענף B (מופע): מעבד הזזות מופע כדי לזהות מיקרו-תנועות (נשימה, שונות קצב לב).

שני הענפים האלה ממוזגים באמצעות שכבת קשב. מנגנון הקשב מתעדף באופן דינמי את הזרם הרלוונטי ביותר לפי ההקשר. לדוגמה, אם המשתמש ישן, המודל לומד לשים יותר לב לענף המופע (שבו אות הנשימה חזק ביותר) ולהתעלם מענף המשרעת. לעומת זאת, אם המשתמש הולך, לענף המשרעת ניתן משקל גבוה יותר. מיזוג רב-מודאלי זה משפר משמעותית את העמידות של המערכת. ¹⁷

3.4 פתרון התלות בסביבה: הסתגלות תחום

ביקורת היסטורית על מחקר חישת Wi-Fi הייתה היעדר הכללה. מודל שאומן על נתונים שנאספו ב"מעבדה A" נכשל לעיתים קרובות כאשר הוא נפרס ב"דירה B" כי סביבת הרב-נתיב (גודל חדר, פריסת רהיטים) שונה. המודל מתאים יתר על המידה ל החזרים הספציפיים של חדר האימון.

Veriprajna מתמודדת עם זאת באמצעות רשתות עצביות יריבות-תחום (DANN). הטכניקה הזו כוללת אימון הרשת עם שתי מטרות מתחרות:

1.​ מסווג פעילות: למזער את השגיאה בניבוי הפעילות (למשל "נפילה" מול "הליכה").

2.​ מבחין תחום: למקסם את השגיאה בניבוי הסביבה (למשל "מעבדה" מול "בית").

על ידי אילוץ מחלץ המאפיינים לבלבל את מבחין התחום, הרשת נאלצת ללמוד מאפיינים שהם בלתי משתנים לסביבה—ה"אידיאה האפלטונית" של חתימת נפילה שנראית זהה בין אם היא מתרחשת בדירת סטודיו או במסדרון בית אבות. זה מאפשר מודל "אמן פעם אחת, פרוס בכל מקום" החיוני ל סקלביליות ארגונית. ¹⁹

חלק IV: יישומים קליניים ומקרי שימוש

4.1 ניטור נשימתי: הסימן החיוני של העתיד

קצב נשימה (RR) מכונה לעיתים קרובות "הסימן החיוני שנשכח," ובכל זאת הוא אינדיקטור מוביל ל הידרדרות קלינית במצבים כמו מחלת ריאות חסימתית כרונית (COPD), אי-ספיקת לב גודשת (CHF) ודלקת ריאות. ניטור מסורתי דורש ענידת רצועת חזה או קנולה, מה שאינו נוח לשימוש ארוך טווח.

באמצעות ניתוח הפרש-המופע המתואר בסעיף 2.2, חישת Wi-Fi מספקת ניטור נשימתי רציף וללא מגע.

●​ דיוק: הערכות ניסוייות באמצעות מטריצות משוב Beamforming (BFM) הדגימו שגיאות הערכת קצב נשימה הנמוכות מ-3.2 נשימות/דקה. ⁵ יתר על כן מודלי למידה עמוקה מתקדמים משיגים מקדמי מתאם העולים על 0.92 עם חגורות נשימה ייחוס. ²¹

●​ זיהוי דום נשימה בשינה: המערכת מהפכנית במיוחד לזיהוי דום נשימה חסימתי בשינה (OSA). על ידי ניטור הפסקת תנועת הנשימה במהלך שינה, המערכת יכולה לסמן אירועי דום נשימה פוטנציאליים (מדד AHI) בלי צורך ב מחקר פוליסומנוגרפיה (PSG) מסורבל במעבדת שינה. זה מאפשר סריקה אורכית של אוכלוסיית הקשישים, וזיהוי הפרעות שינה לא מאובחנות ש תורמות לסיכון קרדיווסקולרי. ²²

4.2 זיהוי נפילות: ה"שכיבה הארוכה" ומודעות להקשר

נפילות הן הגורם המוביל לפציעה קטלנית בקרב מבוגרים. עם זאת, הפגיעה המיידית לעיתים קרובות פחות מסוכנת מה**"שכיבה הארוכה"**—הישארות על הרצפה שעות בלי יכולת לקום, מה שמוביל לרבדומיוליזה, התייבשות ופצעי לחץ.

פתרון חישת ה-Wi-Fi של Veriprajna מציע מערכת ניהול נפילות מקיפה:

1.​ ניתוח הליכה טרום-נפילה: על ידי ניטור רציף של מהירות הליכה ועקביות צעד (מהירות הליכה) לאורך שבועות, המערכת יכולה לזהות את ההידרדרות העדינה ב ניידות שלעיתים קרובות מקדימה נפילה. האטה הדרגתית במהירות ההליכה היא מנבא מאומת קלינית לסיכון נפילה, ומאפשרת התערבות מונעת (למשל פיזיותרפיה) לפני שתאונה מתרחשת. ²

2.​ זיהוי בזמן אמת: באמצעות חתימות הדופלר שתוארו קודם, המערכת מזהה את אירוע הנפילה ברגישות גבוהה (>97%). ²³

3.​ הקשר לאחר הנפילה: באופן מכריע, המערכת ממשיכה לנטר את הנבדק לאחר הנפילה. אם ה-CSI מצביע על היעדר תנועה מוטורית גסה אך על נוכחות מיקרו-תנועה (נשימה) בגובה הרצפה, המערכת מאשרת "נפילה עם חוסר יכולת להתאושש" ו מסלימה את ההתראה. מודעות-ההקשר הזו מפחיתה משמעותית אזעקות שווא בהשוואה למד-תאוצה לבישים, שעשויים לרשום השלכת המכשיר על הרצפה כ נפילה. ²⁴

4.3 ניתוח איכות שינה והיגיינת שינה

איכות השינה היא קובע עצום של בריאות בקשישים. עוקבי שינה צרכניים נוכחיים (שעונים חכמים) מעריכים שלבי שינה על סמך תנועת שורש כף היד (אקטיגרפיה) ו דופק אופטי. חישת Wi-Fi מציעה "אקטיגרפיה של הגוף כולו."

על ידי ניתוח העוצמה והמחזוריות של תנועות הגוף במיטה, המערכת יכולה לסווג שלבי שינה:

●​ ערות: תנועות משרעת גבוהה, לא סדירות.

●​ שינה קלה: תנועה מופחתת, נשימה סדירה.

●​ שינה עמוקה/REM: מצב גוף אטוני (משותק) עם חתימות נשימה קצביות מאוד.

המערכת מייצרת דוחות "היגיינת שינה" המפרטים השהיית תחילת שינה (זמן עד הירדמות), ערות לאחר תחילת שינה (WASO) ומשך שינה כולל. באופן מכריע, היא יכולה גם לעקוב אחר יציאות מהמיטה, ולהתריע למטפלים אם מטופל עם דמנציה משוטט מהמיטה בלילה ואינו חוזר בתוך חלון בטוח. ³

חלק V: פרדוקס הפרטיות – חישה בלי מעקב

5.1 הוויכוח "מצלמה מול חיישן"

פרטיות חזותית היא דאגה עליונה עבור קשישים. אף שמצלמות יעילות ל ניטור, הן נדחות באופן נרחב במרחבים פרטיים כמו חדרי שינה וחדרי רחצה. תחושת ה"צפייה," הסיכון ללכידת עירום, והפוטנציאל להאקת הזנות וידאו יוצרים התנגדות עצומה לפתרונות AAL מבוססי מצלמה.

חישת Wi-Fi פותרת את פרדוקס הפרטיות הזה. היא עיוורת חזותית. הנתונים שנאספים—מטריצות CSI—מורכבים ממספרים מרוכבים המייצגים התפשטות אות. בלתי אפשרי ש אדם יסתכל על חבילת CSI ו"יראה" פנים או גוף של אדם. גם אם שחקן זדוני יירט את זרם הנתונים הגולמי, הוא לא יקבל תמונה או וידאו, אלא זרם של עיוותי אות בלתי מובנים. זה הופך את חישת ה-Wi-Fi למתאימה באופן ייחודי לניטור חדר הרחצה—החדר המסוכן ביותר בבית שבו מצלמות אסורות בהחלט. ³

5.2 ציות ל-GDPR ול-HIPAA

עבור לקוחות ארגוניים, ציות רגולטורי אינו נתון למשא ומתן. נתוני חישת Wi-Fi, ובפרט CSI, מסווגים כנתונים ביומטריים לפי תקנת הגנת הנתונים הכללית (GDPR) (סעיף 9) כי ניתן פוטנציאלית להשתמש בהם לזהות אנשים על סמך הליכתם או צורת גופם (זיהוי ביומטרי). ²⁸ באופן דומה, לפי חוק הניידות וה אחריות בביטוח בריאות (HIPAA), נתוני בריאות שמקורם בבית הם מידע בריאות מוגן (PHI).

הארכיטקטורה של Veriprajna מבטיחה ציות באמצעות אסטרטגיית עיבוד בקצה קפדנית:

1.​ מזעור נתונים: נתוני CSI גולמיים מעובדים מקומית בנקודת הגישה של ה-Wi-Fi או ב שער קצה מקומי (באמצעות ה-NPU). אות הביומטריה הגולמי, ברוחב פס גבוה, לעולם אינו מועבר לענן. הוא מושלך מיד לאחר ההסקה.

2.​ תובנות מופשטות: רק אירוע ה_הסקה_ מועבר. הענן מקבל JSON חבילה: {"event": "Fall", "location": "Bathroom", "timestamp": "14:02:01", "confidence": 0.98}. מחרוזת הטקסט הזו אינה מכילה נתונים ביומטריים ולא ניתן להנדס אותה לאחור כדי לזהות את הפיזיולוגיה של המשתמש.

3.​ אנונימיזציה: בתצורות סטנדרטיות, המערכת עוקבת אחר "נוכחות" ו"תנועה" בלי לקשר זאת לזהות ספציפית. היא מזהה ש אדם נפל, לא מי נפל, אלא אם הוגדרה במפורש למעקב רב-אנשים בהסכמת המשתמש.

4.​ אבטחה: כל העברת הנתונים מוצפנת באמצעות TLS 1.3/WPA3, והתקני הקצה המקומיים מאובטחים באימות 802.1X כדי למנוע גישה לא מורשית. ³⁰

5.3 בעיית האורחים והקבלה החברתית

נקודת חיכוך מרכזית למצלמות היא ניטור מבקרים. כאשר בני משפחה או מטפלים מבקרים, גם הם מוקלטים, מה שמעורר סוגיות הסכמה. חישת Wi-Fi פולשנית פחות מטבעה. אף שהיא מזהה את ה_נוכחות_ של אנשים אחרים, היא אינה מקליטה את פניהם או שיחותיהם. "המעקב הרך" הזה מקובל חברתית הרבה יותר במרחבים חצי-פרטיים כמו אזורים משותפים בדיור בסיוע או דירות משותפות, ומפחית את המורכבות המשפטית של קבלת הסכמה מכל מבקר. ³³

חלק VI: תשתית ומערכת האקולוגית של החומרה

6.1 סחורת חומרת החישה

יתרון אסטרטגי של חישת Wi-Fi הוא שהיא מנצלת תשתית קיימת. היא אינה דורשת קידוח חורים להתקנת חיישנים קנייניים על כל קיר. המעבר של Wi-Fi מ תקן תקשורת טהור לתקן חישה מתמסד ב-IEEE 802.11bf (חישת WLAN), שצפוי להיות מאושר במלואו בסוף 2024/2025. תקן זה יבטיח ששבבי Wi-Fi עתידיים יתמכו באופן מובנה בחילוץ CSI ובבקשות חישה, ויהפכו כל נתב לרדאר מתוקנן. ³⁵

6.2 מאיצי הסיליקון המרכזיים

מחסנית התוכנה של Veriprajna אגנוסטית לחומרה אך מותאמת לשבבים המובילים ש מספקים גישה לנתוני CSI:

●​ Qualcomm: פלטפורמות "Networking Pro Series" ו-"FastConnect" של Qualcomm (Wi-Fi 7) הן מאיצים קריטיים. באופן מכריע, Qualcomm משלבת את Hexagon NPU (יחידת עיבוד עצבית) ב-SoC שלה. זה מאפשר ל-Veriprajna להריץ את מודלי הלמידה העמוקה (טרנספורמרים/CNN) ישירות על הנתב או השער ביעילות הספק גבוהה, ומאפשר את אסטרטגיית העיבוד בקצה שתוארה לעיל. מחסנית הבינה המלאכותית של Qualcomm וAI Hub מספקות את שרשראות הכלים להמרת מודלי PyTorch לבינאריים מכומתיים שרצים על ה-Hexagon DSP, ומבטיחות ביצועים בזמן אמת בלי השהיית ענן. ³⁶

●​ Broadcom: עם מערכת האקולוגיה Wi-Fi 8 שהוכרזה לאחרונה ושבבי Wi-Fi 7 (BCM6726, BCM4390), Broadcom הציגה את מנוע הטלמטריה האלחוטית "BroadStream". בלוק החומרה הזה תוכנן ספציפית לפרוק את האיסוף והעיבוד של נתוני חישה, ולספק את זרמי ה-CSI בתדר גבוה ובהשהיה נמוכה הנדרשים לאימון ו הסקת בינה מלאכותית. ⁴⁰

●​ Espressif (ESP32): עבור צמתי חישה מבוזרים בעלות נמוכה (למשל יצירת רשת צפופה במתקן גדול), המיקרו-בקר ESP32 הוא משנה משחק. ערכת הכלים ESP-CSI מאפשרת למפתחים לחלץ נתוני CSI מהשבבים הזולים האלה ($5). אף שהוא פחות חזק מנתב, ESP32 יכול לשמש כמקלט חישה ייעודי, המזין נתונים ל שער מרכזי. זה מאפשר הרחבה חסכונית של רקמת החישה. ⁴³

6.3 נוף התוכנה המסחרית

Veriprajna פועלת כמשלבת מתמחה וכמפתחת בינה מלאכותית מעל פלטפורמות חישה יסוד:

●​ Cognitive Systems (Aura WiFi Motion): מספקת API בוגר ופריס בהרחבה ל שכבת תנועה. המחסנית שלהם מטפלת בחילוץ CSI ברמה נמוכה ובסיווג תנועה בסיסי, ומאפשרת ל-Veriprajna להתמקד בפירוש הרפואי ברמה גבוהה. ²⁶

●​ Origin Wireless (AI Sensing): חלוצים בטכנולוגיית "מכונת היפוך זמן" ל ניתוח רב-נתיב. מנועי "TruPresence" וזיהוי הנפילות שלהם הם אמות מידה תעשייתיות לדיוק. התוכנה של Origin רצה כולה בקצה, ומתאימה באופן מושלם לארכיטקטורת הפרטיות-תחילה שלנו. ³⁵

חלק VII: יישום אסטרטגי לארגון

7.1 השיפוץ ב"אפס חומרה"

עבור בתי אבות, מתקני דיור בסיוע וספקי בית-חולים-בבית, הצעת הערך העיקרית של חישת Wi-Fi היא "השיפוץ באפס חומרה." מתקנים אלה כבר מחזיקים ברשתות Wi-Fi בדרגה ארגונית לקישוריות. על ידי פריסת מחסנית התוכנה של Veriprajna (או עדכון קושחה לגרסה התומכת בחישה), המתקן הופך את רשת התקשורת הקיימת שלו לרשת בטיחות.

●​ חיסכון ב-CapEx: מבטל את הצורך לרכוש אלפי לבישים או להתקין מצלמות בכל חדר.

●​ תחזוקה: אין סוללות להחלפה בתליונים. אין מכשירים אבודים להחלפה.

●​ סקלביליות: עדכון תוכנה יכול לאפשר זיהוי נפילות ב-100 חדרים באופן מיידי.

7.2 מתודולוגיית פריסה

יישום חישת Wi-Fi דורש גישה מובנית כדי להבטיח כיסוי ודיוק:

1.​ סקר אתר: להעריך את צפיפות ה-Wi-Fi. חישה דורשת צפיפות אותות מסוימת. נתב יחיד עשוי לכסות דירה קטנה, אך רשת mesh (פודים בחדרים שונים) אידיאלית לכיסוי "בית שלם" כדי להבטיח שיש מספיק קישורי חישה החוצים את חדר הרחצה וחדר השינה. ⁴⁹

2.​ ביקורת חומרה: לאמת אם נקודות הגישה הקיימות משתמשות בשבבים תואמים (Qualcomm/Broadcom) התומכים בחילוץ CSI.

3.​ הקמת שער קצה: לקבוע אם ל-AP יש מספיק חישוב (NPU/CPU) ל הסקה על המכשיר. אם לא, שרת קצה מקומי (למשל מחשב תעשייתי קטן שמריץ את מודלי הבינה המלאכותית) יכול לאגד נתונים מ-AP קלי משקל.

4.​ כיול: להריץ את מודלי ה-DANN (יריבות-תחום) לתקופת "התחממות" קצרה (למשל 24 שעות) כדי להסתגל לפריסת הרהיטים הספציפית ולחומרי המבנה של הבניין, ולבסס קו בסיס לסביבה הסטטית.

7.3 ROI ומימוש ערך

●​ הפחתת אשפוזים חוזרים: על ידי זיהוי שינויי הליכה מוקדם, ניתן לתת פיזיותרפיה מונעת, ולמנוע את הנפילה שמובילה לשבר בירך ולאשפוז יקר.

●​ יעילות צוות: "סיבובי לילה" יכולים להיות מונעי נתונים. במקום להעיר כל דייר כדי לבדוק אותו (ומשבשים שינה), הצוות יכול לנטר את לוח המחוונים המרכזי להפרעות שינה או יציאות מהמיטה, ולהגיע רק למי שזקוק.

●​ פרמיות ביטוח: מתקנים המצוידים בניטור רציף ולא-פולשני עשויים להיות זכאים לפרמיות ביטוח אחריות מופחתות בשל הסיכון הנמוך יותר לתאונות שלא התגלו וליכולת לספק ראיות טיפול מונעות-נתונים.

סיכום: הבלתי-נמנעות של בינה סביבתית

עידן ה"גאדג'טים" בטיפול בקשישים מתקרב לסיומו. חיכוך הציות, ההשפלה של סטיגמת הלביש, והמגבלות התפקודיות של מכשירים מונעי-סוללה הופכים אותם לטכנולוגיה מעברית. עתיד ניטור הבריאות אינו בענידת חיישנים על אנשים; הוא בבניית חיישנים סביבם.

חישת Wi-Fi פסיבית מייצגת את המפגש של פיזיקה מתקדמת, תשתית כל-נוכחת ובינה מלאכותית עמוקה. היא מכבדת את קדושת הבית בכך שהיא נשארת בלתי נראית, ובכל זאת היא מספקת ערנות בדרגה קלינית. היא פותרת את "פרדוקס המקלחת," מבטלת עייפות טעינה, ושומרת על פרטיות המשתמש. עבור Veriprajna, זו אינה רק אבולוציה טכנית; זהו ציווי מוסרי לספק כבוד ובטיחות לאוכלוסייה המזדקנת באמצעות בינה שמורגשת, אך אינה נראית.

האוויר סביבנו מלא במידע. הגיע הזמן שנאזין לו.

טבלה 1: ניתוח השוואתי של טכנולוגיות ניטור

מאפיין	לבישים (ניטור פעיל)	מצלמות (ניטור חזותי)	חישת Wi-Fi פסיבית (Veriprajna)
ציות משתמש	חיכוך גבוה: דורש ענידה, טעינה ו התראות ידניות.	אפס מאמץ: פסיבי.	אפס מאמץ: פסיבי.
השפעת פרטיות	נמוכה: נתונים בלבד (תאוצה/דופק).	חמורה: הקלטה חזותית של מרחבים אינטימיים.	נמוכה: CSI מופשט אותות; אין חזותיים מזהים.
בטיחות חדר רחצה	כשל קריטי: מוסר לעיתים קרובות ל מקלחת/רחצה.	בלתי מקובל: חששות פרטיות אוסרים שימוש.	מצוין: פועל ב NLOS; חודר קיטור/וילונות.
תחזוקה	גבוהה: סוללה	בינונית: עדשה	נמוכה: תוכנה

Col1	החלפה, אבוד מכשיר ניהול.	ניקוי, הספק אספקה.	עדכונים; מנצלת Wi-Fi קיים.
נקודות עיוורות	אין (אם נענד).	גבוהות: חסום על ידי רהיטים, קירות, חושך.	מינימליות: אותות חודרים קירות ו רהיטים.
עושר נתונים	תאוצה, קצב לב.	הליכה, תנוחה, הקשר.	נשימה, הליכה, שלבי שינה, נפילות.
התאמה ל דמנציה	חלשה: משתמשים שוכחים לענוד או מסירים מכשירים באופן פעיל.	בינונית.	גבוהה: לא ניתן להסיר או לשכוח.

טבלה 2: מסגרת רגולטורית וטכנית

דרישה	תקן / רגולציה	השלכה על Wi-Fi חישה
פרטיות נתונים	GDPR (סעיף 9)	CSI הוא נתון ביומטרי. דורש הסכמה מפורשת והגנת נתונים קפדנית (בינה מלאכותית בקצה).
נתוני בריאות	HIPAA	ניטור בריאות בבית יוצר PHI. יש להצפין נתונים במעבר וב מנוחה.
תקן חומרה	IEEE 802.11bf	תקן "חישת WLAN" עתידי יתקנן חילוץ CSI בין ספקים.
עיבוד בינה מלאכותית	בינה מלאכותית בקצה (NPU)	העיבוד חייב להתרחש על המכשיר (Qualcomm Hexagon/Broadcom) כדי

טבלה 3: מחסנית הבינה המלאכותית העמוקה של Veriprajna מול גישות גנריות

שכבה	גישה גנרית / מתחרה גישה	בינה מלאכותית עמוקה של Veriprajna גישה
נתוני קלט	RSSI (עוצמת אות) או CSI גולמי	CSI מטוהר (מופע פריסה, PCA הסרת רעש, המפל סינון)
חילוץ מאפיינים	מאפיינים סטטיסטיים (ממוצע, שונות)	CNN (קונבולוציוניות רשתות עצביות) ל מאפיינים מרחביים/ספקטרליים
לוגיקה זמנית	מבוסס-סף (אם האות יורד > X)	LSTM / GRU (חוזרות רשתות עצביות) ל הקשר רצף
מיזוג	זרם יחיד	טרנספורמר דו-ענפי (משרעת + מופע) עם מנגנון קשב
הכללה	כיול ספציפי לאתר נדרש	יריבות-תחום רשתות עצביות (DANN) לסביבה עצמאות

ציטוטים: ¹

מקורות

1. Beyond Technical Motives: Perceived User Behavior in Abandoning Wearable Health & Wellness Trackers - arXiv, נצפה ב־12 בדצמבר 2025, https://arxiv.org/pdf/1904.07986

2. Fall Detection Using Wi-Fi Sensing, נצפה ב־12 בדצמבר 2025, https://www.wifisensing.io/use-cases/fall-detection

3. WiFi Sensing for Senior Independence - Aerial's AI, נצפה ב־12 בדצמבר 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, נצפה ב־12 בדצמבר 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, נצפה ב־12 בדצמבר 2025, https://arxiv.org/pdf/2108.03170

6. Channel state information - Wikipedia, נצפה ב־12 בדצמבר 2025, https://en.wikipedia.org/wiki/Channel_state_information

7. Understanding CSI | Hands-on Wireless Sensing with Wi-Fi: A Tutorial, נצפה ב־12 בדצמבר 2025, https://tns.thss.tsinghua.edu.cn/wst/docs/pre/

8. Device-Free WiFi Human Sensing: From Pattern-Based to Model-Based Approaches, נצפה ב־12 בדצמבר 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?, נצפה ב־12 בדצמבר 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, נצפה ב־12 בדצמבר 2025, https://www.mdpi.com/1424-8220/24/3/862

11. Full Respiration Rate Monitoring Exploiting Doppler Information with Commodity Wi-Fi Devices - ResearchGate, נצפה ב־12 בדצמבר 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, נצפה ב־12 בדצמבר 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, נצפה ב־12 בדצמבר 2025, https://arxiv.org/html/2407.12537v1

14. WiFi Amplitude and Phase-based Respiratory Rate Monitoring - ieeevtc.org, נצפה ב־12 בדצמבר 2025, http://ieeevtc.org/vtc2024spring/DATA/PID2024002410.pdf

15. Deep-Learning-Based Wi-Fi Indoor Positioning System Using Continuous CSI of Trajectories - PubMed Central, נצפה ב־12 בדצמבר 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC8434353/

16. Enhanced Wi-Fi Sensing: Leveraging Phase and Amplitude of CSI for Superior Accuracy, נצפה ב־12 בדצמבר 2025, https://www.preprints.org/manuscript/202412.2585

17. Enhanced Human Activity Recognition Using Wi-Fi Sensing ..., נצפה ב־12 בדצמבר 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC11859840/

18. Transformer-Based Person Identification via Wi-Fi CSI Amplitude and Phase Perturbations, נצפה ב־12 בדצמבר 2025, https://arxiv.org/html/2507.12854v1

19. A Survey on Wi-Fi Sensing Generalizability: Taxonomy, Techniques, Datasets, and Future Research Prospects - arXiv, נצפה ב־12 בדצמבר 2025, https://arxiv.org/html/2503.08008v2

20. Channel State Information (CSI) based sensing method work flow. ResearchGate, נצפה ב־12 בדצמבר 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, נצפה ב־12 בדצמבר 2025, https://www.mdpi.com/2079-6374/15/8/486

22. Doppler radar remote sensing of respiratory function - PMC - NIH, נצפה ב־12 בדצמבר 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC10172641/

23. Wearable Fall Detection System with Real-Time Localization and Notification Capabilities, נצפה ב־12 בדצמבר 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, נצפה ב־12 בדצמבר 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, נצפה ב־12 בדצמבר 2025, https://www.researchgate.net/publication/372813063_WiFi-based_indoor_passive_fall_detection_for_medical_Internet_of_Things

26. WiFi Motion - Cognitive Systems, נצפה ב־12 בדצמבר 2025, https://www.cognitivesystems.com/wifi-motion/

27. WiFi Can See You Now: Carnegie Mellon's “DensePose from WiFi” and the Privacy Paradox, נצפה ב־12 בדצמבר 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, נצפה ב־12 בדצמבר 2025, https://www.gdprregister.eu/gdpr/biometric-data-gdpr/

29. Biometric recognition | ICO, נצפה ב־12 בדצמבר 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, נצפה ב־12 בדצמבר 2025, https://hipaatimes.com/making-wi-fi-hipaa-compliant

31. HIPAA-Compliant Wi-Fi with 802.1X and RADIUS Security - SecureW2, נצפה ב־12 בדצמבר 2025, https://www.securew2.com/blog/hipaa-compliant-wireless-802-1x

32. HIPAA Compliance for Guest WiFi: Essential Guidelines - Beambox, נצפה ב־12 בדצמבר 2025, https://beambox.com/townsquare/how-to-provide-hipaa-compliant-guest-wifi

33. Occupancy Sensors vs Wi-Fi and Badge Data: Accuracy, Privacy - Occuspace, נצפה ב־12 בדצמבר 2025, https://www.occuspace.com/blog/occupancy-sensors-vs-wi-fi-and-badge-data-accuracy-privacy

34. Surveillance Risks in Wi-Fi Sensing, נצפה ב־12 בדצמבר 2025, https://www.wifisensing.io/risks/surveillance

35. WiFi Sensing - Origin Wireless, נצפה ב־12 בדצמבר 2025, https://www.originwirelessai.com/wifi-sensing/

36. Qualcomm Wi-Fi Products and Chipsets, נצפה ב־12 בדצמבר 2025, https://www.qualcomm.com/wi-fi

37. How to build model assets for Snapdragon NPU devices - ONNX Runtime, נצפה ב־12 בדצמבר 2025, https://onnxruntime.ai/docs/genai/howto/build-models-for-snapdragon.html

38. NPU AI Engine - Qualcomm, נצפה ב־12 בדצמבר 2025, https://www.qualcomm.com/processors/ai-engine

39. Unlocking on-device generative AI with an NPU and heterogeneous computing | Qualcomm, נצפה ב־12 בדצמבר 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, נצפה ב־12 בדצמבר 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., נצפה ב־12 בדצמבר 2025, https://www.broadcom.com/blog/media-roundup-for-wi-fi-7

42. Accessing the IoT ecosystem - Broadcom Inc., נצפה ב־12 בדצמבר 2025, https://www.broadcom.com/blog/accessing-the-iot-ecosystem

43. ESP32 CSI Toolkit, נצפה ב־12 בדצמבר 2025, https://stevenmhernandez.github.io/ESP32-CSI-Tool/

44. Introduction to ESP-CSI Solution - - — ESP-Techpedia latest documentation, נצפה ב־12 בדצמבר 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, נצפה ב־12 בדצמבר 2025, https://docs.rs/esp-csi-rs

46. Cognitive | Creators of WiFi Motion™, נצפה ב־12 בדצמבר 2025, https://www.cognitivesystems.com/

47. WiFi Sensing | Origin Wireless, נצפה ב־12 בדצמבר 2025, https://www.originwirelessai.com/trupresence-2/

48. Origin Wireless - ICON Outlook, נצפה ב־12 בדצמבר 2025, https://iconoutlook.com/origin-wireless/

49. Qualcomm® Wi-Fi Ranging: Delivering ranging and location technologies of tomorrow today., נצפה ב־12 בדצמבר 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, נצפה ב־12 בדצמבר 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC6473213/

51. Wi-Fi 8 | Edge AI | Broadband - Broadcom Inc., נצפה ב־12 בדצמבר 2025, https://www.broadcom.com/solutions/wireless-mobile-communications/wifi8

52. Wi-Fi 7 Chips & Tech | Next-Generation WiFi - Qualcomm, נצפה ב־דצמבר 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, נצפה ב־12 בדצמבר 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC9830631/