JP2019515703A - 人間無線生体情報に基づく人間識別のための方法、装置、サーバ及びシステム - Google Patents

Abstract

本教示は、見通しのない環境における人間無線生体情報に基づく人間識別に関する。１つの例において、人間識別のための装置が開示される。装置は、受信機と、プロセッサと、プロセッサと通信可能に結合されたメモリをと備える。受信機は、識別対象者の影響を受けるマルチパスチャネルから少なくとも１つの無線信号を受信するように構成される。プロセッサは、少なくとも１つの無線信号からチャネル状態情報（ＣＳＩ）を抽出し、少なくとも１つの無線信号が識別対象者の身体の少なくとも一部から受けた影響を表す無線生体情報をＣＳＩに基づいて取得し、無線生体情報に基づいて識別対象者のアイデンティティを判定するように構成される。

Description

関連出願の相互参照
本願は、「RADIO SHOT: THROUGH-THE-WALL HUMAN IDENTIFICATION」という表題の、２０１６年３月１１日に提出された米国特許出願第６２／３０７，１７２号、及び「TIME-REVERSAL TRACKING WITHOUT MAPPING」という表題の、２０１６年３月１０日に提出された米国特許出願第６２／３３４，１１０号の優先権を主張し、これらの全体が本明細書において援用される。

本教示は一般に、人間識別に関する。更に詳細には、本教示は、見通しがない環境における人間無線生体情報に基づく人間識別に関する。

現在、信頼性の高い人間の識別及び認識を実行する機能は、科学捜査、空港での税関検査及び銀行の警備等の多くの用途において必須なものとなっている。人間識別の現在の最先端技術は、生体情報として知られる人間の特徴的な生理的特徴及び行動的特徴に依存する。

生体認識（biometric recognition）とは、人間の生物学的特徴及び行動的特徴に基づく個人の自動認識を指す。人間を認識するためのいくつかの周知の生体情報は、指紋、顔、虹彩及び音声を含んでもよい。生体情報は個人に固有で独自であり、生体特徴は監視システムにおいて人間を識別するために広範に使用される。更に、生体情報は偽造が困難であるため、生体情報に基づく技術は、増加するセキュリティの脅威への対応とパーソナライゼーション及び利便性の促進において、パスワード及び署名等の従来のセキュリティ方法より明確な利点を有する。現在の生体測定システム（biometric system）はいくつかの環境において適用可能であるが、そのようなシステムは全て、極めて見通しのよい（ＬＯＳ）環境において人間の生体特徴をキャプチャする特別な装置を必要とする。ＬＯＳ環境は、装置と人間（又は他の被検体）との間にＬＯＳパスが存在することを意味する。例えば指紋を採取するためには、通常、指紋スキャナの上に指を置く。スキャナ（キャプチャリング装置）と指（被検体）との間には光の直線パスがある。それに対して、見通し外（ＮＬＯＳ）環境では、装置と被検体との間に壁等の何らかの障害物が存在するため、光は装置と被検体との間の直線パスを直接通ることができない。

１〜１５ＧＨｚの搬送波周波数範囲における人間の身体の電磁気（ＥＭ）吸収と人間の身体的特徴との間の関係が研究され、身体の表面積が吸収に対して支配的影響を有することがわかった。更に、ＥＭ波と生体組織との相互作用が研究され、生体組織の誘電特性が測定された。人間の身体の周辺における無線伝搬は、身体的特徴（例えば、身長及び体重）、体内総水分量、肌状態及び他の生体組織に非常に依存する。人間の影響を受けて減衰及び変化が生じた無線信号は、アイデンティティ情報を含み、人間無線生体情報と定義されてもよい。人間の身体の周辺におけるＥＭ波の伝搬に影響を与える全ての身体的特徴と他の生物学的特徴との組み合わせ、並びにそれらの特徴が異なる個人間で異なる程度を考慮することにより、それらの特徴がどれほど類似していても、２人の人間が同一の組み合わせを有する可能性は著しく低い。２人の身長、体重、衣服及び性別が同一であっても、他の固有の生物学的特徴が異なるため、人間の身体の周辺において異なる無線伝搬パターンが生じる。デオキシリボ核酸（ＤＮＡ）配列を例とすると、全ての人間は他のあらゆる人間と９９．５％類似していたとしても、遺伝子的に同一である２人はいない。これは、遺伝子指紋法等の技術の鍵である。２人が全く同一の身体的特徴及び生物学的特徴を有する確率は極めて低いため、人間による干渉後のマルチパスプロファイルは個人間で異なる。その結果、無線信号と人間の身体との相互作用を記録する人間無線生体情報は、個人の生物学的特徴及び身体的特徴に従って変更され、異なる個人間で一意であると考えることができる。異なる人間は異なる顔の特徴と有するという事実により、異なる人間を区別及び認識するために顔認識が長年実現されてきたことが１つの例である。顔を含む人間の全身に対して無線周波数（ＲＦ）信号がどのように対応するかを記録する人間無線生体情報は、顔より多くの情報を含むはずであり、そのため、個人間でより区別可能になる。

近年、無線屋内検知を介して屋内の人間の動作を検出及び認識するために、多くの試みが行われてきた。チャネル状態情報（ＣＳＩ）の変動に基づいて屋内の人間の動きを検出するシステムが構築された。それらは、ＣＳＩ相関行列の最初の２つの最大固有値、転倒等の人間の動作を検出するための３×３ＭＩＭＯシステムからのＣＳＩサンプルの標準偏差、無線チャネル品質の変動のインジケータである受信信号強度（ＲＳＳ）、バイタルサインを追跡及び記録するための無線信号を利用した。市販のＷｉ−Ｆｉ信号を使用して人間の呼吸数及び心拍数を追跡するシステムが開示されている。異なる反射を分離するためにレーダ技術を使用してバイタルサインを監視するバイタル無線システムが開示された。一方、ジェスチャ及び手の小さい動きの認識は無線信号を使用して実現されている。異なる搬送波周波数で掃引する特別に設計された周波数変調搬送波（ＦＭＣＷ）を送出することにより、反射信号の異なる飛行時間（ＴｏＦ）を追跡するレーダに基づく新規のシステムが開示された。しかし、立っている、歩行、転倒及び小さいジェスチャ等の人間の異なる動作を区別することに焦点を当てたため、既存の研究はどれも、壁越し設定においてＷｉ−Ｆｉ信号のみを使用して、同じ場所に同じ姿勢で立っている人間を互いに区別するという問題を解決していない。最近、壁越しに人間の身体の輪郭を撮像するＲＦ−キャプチャシステムが提示された。シルエットが独自性を有するため、キャプチャされた人間の姿に画像処理及び機械学習技術を適用することにより異なる個人を区別できる。しかし、高解像度のＴｏＦプロファイルを取得するには、１ＧＨｚのスペクトルにわたりスキャンできる専用装置が必要である。更に、必要な画像処理及び機械学習アルゴリズムにより生じる計算の複雑性は高い。

従って、上述した問題を解決するため及び上述した欠点を回避するための人間識別システムを構築する必要がある。

本教示は、概して、人間識別に関するものである。より具体的には、本教示は、見通しの無い環境における人間無線生体情報に基づく人間識別に関するものである。

一例では、人間識別のための装置が開示される。本装置は、受信機と、プロセッサと、プロセッサと通信可能に結合されたメモリとを備える。受信機は、識別対象者の影響を受けるマルチパスチャネルから少なくとも１つの無線信号を受信するように構成される。プロセッサは、少なくとも１つの無線信号からチャネル状態情報（ＣＳＩ）を抽出し、少なくとも１つの無線信号が識別対象者の身体の少なくとも一部から受けた影響を表す無線生体情報を、ＣＳＩに基づいて取得し、無線生体情報に基づいて識別対象者のアイデンティティを判定するように構成される。

別の例では、人間識別のための装置が開示される。本装置は、複数の受信機と、プロセッサと、プロセッサと通信可能に結合されたメモリとを備える。複数の受信機のそれぞれは、識別対象者の影響を受けるマルチパスチャネルから少なくとも１つの無線信号を受信するように構成される。プロセッサは、複数の受信機のそれぞれに関して、少なくとも１つの無線信号からＣＳＩを抽出し、複数の受信機のそれぞれから、少なくとも１つの無線信号が識別対象者の身体の少なくとも一部から受けた影響を表す無線生体情報を、ＣＳＩに基づいて取得することと、組み合わされた無線生体情報を生成するために、複数の受信機から取得された無線生体情報を組み合わせ、組み合わされた無線生体情報に基づいて、識別対象者のアイデンティティを判定するように構成される。

更に別の例では、人間識別のための方法が開示される。本方法は、受信機とプロセッサと当該プロセッサと通信可能に結合されたメモリとを少なくとも含むマシンで、人間識別のために実行されうる。本方法は、識別対象者の影響を受けるマルチパスチャネルから少なくとも１つの無線信号を受信することと、少なくとも１つの無線信号からＣＳＩを抽出することと、少なくとも１つの無線信号が識別対象者の身体の少なくとも一部から受けた影響を表す無線生体情報を、ＣＳＩに基づいて取得することと、無線生体情報に基づいて識別対象者のアイデンティティを判定することとを含みうる。

本教示の他の例は、見通しの無い環境における、物体の無線生体情報に基づく物体識別、例えば、人間無線生体情報に基づく人間識別を対象とした、システム、方法、媒体、デバイス、サーバ、及び他の実装を含む。例えば、システム又はサーバが、上述した装置を含んでもよいし、又は人間識別のための上述の装置と同様の構成を有してもよい。

他の概念は、人間無線生体情報に基づく人間識別の、計算、ストレージ、アプリケーション、及び処理で、本教示を実現するためのソフトウェアに関するものである。ソフトウェア製品は、この概念に従って、非一時的な少なくとも１つの機械可読媒体及び当該媒体によって担持される情報を含む。媒体によって担持される情報は、実行可能なプログラムコードのデータ、当該実行可能なプログラムコードに関連付けられたパラメータ、及び／又は、ソーシャルグループに関連するユーザ、要求、コンテンツ、若しくは情報等に関連した情報でありうる。

更なる新規の特徴が、以下の説明においてある程度説明されるとともに、以下の説明及び添付の図面により当業者にある程度明らかになるか又は例の作成若しくは操作によって学習されうる。本教示の新規の特徴は、以下で議論される詳細な例で説明される方法論、手段、及び組み合わせの種々の態様についての実施又は使用によって実現及び達成されうる。

図１は、本教示の一実施形態に係るＴＲに基づく無線伝送のための例示的なシステムを示す図である。

図２は、本教示の一実施形態に係るＣＳＩ論理空間と時間反転（ＴＲ）空間との間のマッピングの一例を示す図である。

図３は、本教示の一実施形態に係る人間の周辺におけるＲＦの反射及び散乱の例を示す図である。

図４は、本教示の一実施形態に係る周波数領域ＣＳＩを用いる人間識別のための例示的な実験設定を示す図である。

図５は、本教示の一実施形態に係る人間識別実験のための被検者及び装置の例示的なロケーションを示す図である。

図６Ａは、本教示の一実施形態に係る背景除去を行わない場合の例示的な時間反転共振強度（ＴＲＲＳ）マップを示す図である。 図６Ｂは、本教示の一実施形態に係るα＝０．５で背景除去を行った後の例示的なＴＲＲＳマップを示す図である。

図７Ａは、本教示の一実施形態に係る異なる背景を選択した場合の背景除去及び送信機／受信機（ＴＸ−ＲＸ）ロケーションに対する受信機動作特徴（ＲＯＣ）曲線に関する評価を示す図である。 図７Ｂは、本教示の一実施形態に係るロケーション（Ｌｏｃ）７に対して異なる値のαを用いた場合の背景除去及びＴＸ−ＲＸロケーションに対するＲＯＣ曲線に関する評価を示す。 図７Ｃは、本教示の一実施形態に係る異なるＴＸ−ＲＸロケーションを用いた場合の背景除去及びＴＸ−ＲＸロケーションに対するＲＯＣ曲線に関する評価を示す図である。

図８は、本教示の一実施形態に係る１１人の識別に対する例示的なＲＯＣ曲線を示す図である。

図９Ａは、本教示の一実施形態に係るトレーニングデータベースを更新しない場合の定常性に対する例示的なＴＲＲＳマップを示す図である。 図９Ｂは、本教示の一実施形態に係るトレーニングデータベースを更新した場合の定常性に対する例示的なＴＲＲＳマップを示す図である。

図１０は、本教示の一実施形態に係る異なる障害物を用いた場合の人間識別に対するＲＯＣ曲線を示す図である。

図１１Ａは、本教示の一実施形態に係る人間のポーズの効果に関する調査における例示的な検査ポーズを示す図である。 図１１Ｂは、本教示の一実施形態に係る異なるポーズを用いた場合の人間識別に対するＲＯＣ曲線を示す図である。

図１２は、本教示の一実施形態に係る波形設計を行う場合と行わない場合の人間識別の例示的な性能比較を示す図である。

図１３は、本教示の一実施形態に係る１１人の例示的な受信信号強度インジケータ（ＲＳＳＩ）値の変動を示す図である。

図１４Ａは、本教示の一実施形態に係る空室において検査された例示的なＲＳＳＩ値を示す図である。 図１４Ｂは、本教示の一実施形態に係る人間がいる状況で検査された例示的なＲＳＳＩ値を示す図である。

図１５は、本教示の一実施形態に係る変化に関する例示的なＲＳＳＩ値の比較を示す図である。

図１６は、本教示の一実施形態に係る人間識別の適用例を示す図である。

図１７Ａは、本教示の一実施形態に係る人間識別の一般的な実現例を示す例示的な図である。 図１７Ｂは、本教示の一実施形態に係る人間識別の一般的な実現例を示す別の例示的な図である。

図１８は、本教示の一実施形態に係る人間識別のためのデータベースを構築する処理を示すフローチャートである。

図１９は、本教示の一実施形態に係る人間識別の処理を示すフローチャートである。

図２０は、本教示の一実施形態に係る人間識別実験における被検者の身体的特徴を列挙する表である。

図２１Ａは、本教示の一実施形態に係る背景除去を行わない場合の個人識別の性能マトリクスを示す図である。 図２１Ｂは、本教示の一実施形態に係るα＝０．５で背景除去を行った後の個人識別の性能マトリクスを示す図である。

図２２は、本教示の一実施形態に係る定常性の調査に対する性能マトリクスを示す図である。

図２３は、本教示の一実施形態に係る変化の６個のクラスを列挙する表である。

図２４は、本教示の一実施形態に係る変化を有する場合の識別率を示す表である。

図２５は、本教示の一実施形態に係るＲＳＳＩに基づく方法における例示的な混同行列を示す図である。

以下の詳細な説明において、関連する教示の完全な理解を提供するために、多くの特定の詳細が例として記載される。しかし、本教示はそのような詳細を用いずに実施されてもよいことが当業者には明らかである。他の例において、本教示の態様を不必要に曖昧にすることを避けるために、周知の方法、手順、構成要素及び／又は回路網は、詳細を用いずに相対的に高いレベルで説明されている。

本教示は、一般に、見通しがない環境における人間無線生体情報に基づく人間識別等の物体の無線生体情報に基づく物体識別に関するシステム、方法、媒体、装置、サーバ及び他の実現例に関する。本教示は、人間無線生体情報を開示し、見通し外環境において壁越しでも個人を区別できる人間識別システムを提示する。開示されるシステムは、市販のＷｉ−Ｆｉ装置を使用して、チャネル状態情報（ＣＳＩ）をキャプチャし、時間反転（ＴＲ）技術を使用してＷｉ−Ｆｉ信号から人間無線生体情報を抽出できる。開示されるシステムは、人間の身体の干渉により変更される可能性がある多くのマルチパスを広帯域無線ＣＳＩが有することを利用して、見通し内の無線を用いずにＴＲ領域において個人を認識できる。３×３ＭＩＭＯ送信を有する標準的なＷｉ−Ｆｉチップセットを使用するＴＲ人間識別システムに対するプロトタイプが構築されている。構築されたシステムの性能は、複数の実験により評価され且つ実証される。一般に、ＴＲ人間識別システムは、一対の送信機及び受信機を使用して約１２人の識別に関して９８．７８％の精度を達成できる。Ｗｉ−Ｆｉが広く普及しているため、開示されるシステムは、無線生体情報に基づいて、低価格で複雑でない信頼性の高い人間識別アプリケーションを提供できる。

本教示では、無線生体情報の新規の概念が開示され、壁越し設定において市販のＷｉ−Ｆｉ装置を用いて正確な人間の識別及び照合が実現可能である。本教示の開示される人間識別システムは、４０ＭＨｚ伝送帯域幅の市販のＭＩＭＯ Ｗｉ−Ｆｉ装置を用いて、異なる個人を正確に区別及び識別できる。開示されるシステムは、高精度の性能を達成するために、単純で効率的なアルゴリズムをサポートできる。

人間識別という目標を達成するために、人間無線生体情報間の差異をキャプチャするため及び特徴の次元を減少するためにＴＲ技術を使用できる。屋内環境には、多くの反射物及び散乱物が存在する。送信機から発射された無線信号がそれらに遭遇した場合、無線信号は異なる距離を有する異なる伝搬パスに沿って進み、異なるフェージング効果を受ける。その結果、受信機における受信信号は、異なるパスを通り遅延を有する同一の送信信号のコピーの組み合わせである。この現象をマルチパス伝搬と呼ぶ。ＴＲ技術は、マルチパス伝搬を利用して、時空間共振効果を生成する。

本教示は、ＴＲ技術によりＷｉ−Ｆｉ ＣＳＩから抽出された人間無線生体情報により個人を区別及び識別できるＴＲ人間識別システムを開示する。無線生体情報を抽出するためにＴＲ技術を利用することにより、複雑でない人間識別システムを広範に実現でき、Ｗｉ−Ｆｉが広く普及しているため、装置の配置が制限されることがない。この新しいシステムは、Ｗｉ−Ｆｉ信号を用いる無線検知に依存する新規の人間識別技術の動機付けになりうる。

１つの例において、人間識別のための装置が開示される。装置は、受信機及びプロセッサを備える。受信機は、識別対象者の影響を受けるマルチパスチャネルから少なくとも１つの無線信号を受信するように構成される。プロセッサは、少なくとも１つの無線信号からチャネル状態情報（ＣＳＩ）を抽出し、少なくとも１つの無線信号が識別対象者の身体の少なくとも一部から受けた影響を表す無線生体情報をＣＳＩに基づいて取得し、無線生体情報に基づいて識別対象者のアイデンティティを判定するように構成される。

識別対象者のアイデンティティを判定することは、各格納済み無線生体情報を、それに関連付けられたアイデンティティと一緒にデータベースから検索することと、無線生体情報と各格納済み無線生体情報との間の類似度を計算することと、無線生体情報と全ての格納済み無線生体情報との間の類似度のうちの最も高い類似度を判定することと、最も高い類似度を与える格納済み無線生体情報に関連付けられた対応するアイデンティティを判定することと、最も高い類似度及び対応するアイデンティティに基づいて識別対象者のアイデンティティを判定することとを含んでもよい。別の例において、識別対象者のアイデンティティを判定することは、最も高い類似度と信頼性閾値とを比較することと、最も高い類似度が信頼性閾値より大きい場合、識別対象者のアイデンティティは対応するアイデンティティであると判定することと、最も高い類似度が信頼性閾値より大きくない場合、識別対象者のアイデンティティは未知であると判定することとを含んでもよい。類似度は、無線生体情報及び各格納済み無線生体情報の、時間反転共振強度（ＴＲＲＳ）、相互相関、２つのベクトルの内積、類似性スコア、距離スコア、位相補正、タイミング補正、タイミング補償及び位相オフセット補償のうちの少なくとも１つに基づいて計算される。

一実施形態において、各ＣＳＩに基づいて無線生体情報を取得することは、ＣＳＩにおける位相歪みを補償することと、共通人間無線生体情報及び静的環境情報を取得することと、無線生体情報を取得するために共通人間無線生体情報及び静的環境情報を補償済みＣＳＩから除去することとを含む。一実施形態において、識別対象者は受信機の見通し内にいないため、光は識別対象者と受信機との間の直接パスを直接通ることができない。一実施形態において、少なくとも１つの無線信号は、インターネット、インターネットプロトコルネットワーク及び別の多重アクセスネットワークのうちの少なくとも１つであるネットワークを介して受信され、受信機は、無線ＰＡＮ、ＩＥＥＥ８０２．１５．１（Ｂｌｕｅｔｏｏｔｈ）、無線ＬＡＮ、ＩＥＥＥ８０２．１１（Ｗｉ−Ｆｉ）、無線ＭＡＮ、ＩＥＥＥ８０２．１６（ＷｉＭａｘ）、ＷｉＢｒｏ、ＨｉｐｅｒＭＡＮ、モバイルＷＡＮ、ＧＳＭ、ＧＰＲＳ、ＥＤＧＥ、ＨＳＣＳＤ、ｉＤＥＮ、Ｄ−ＡＭＰＳ、ＩＳ−９５、ＰＤＣ、ＣＳＤ、ＰＨＳ、ＷｉＤＥＮ、ＣＤＭＡ２０００、ＵＭＴＳ、３ＧＳＭ、ＣＤＭＡ、ＴＤＭＡ、ＦＤＭＡ、Ｗ−ＣＤＭＡ、ＨＳＤＰＡ、Ｗ−ＣＤＭＡ、ＦＯＭＡ、１ｘＥＶ−ＤＯ、ＩＳ−８５６、ＴＤ−ＳＣＤＭＡ、ＧＡＮ、ＵＭＡ、ＨＳＵＰＡ、ＬＴＥ、２．５Ｇ、３Ｇ、３．５Ｇ、３．９Ｇ、４Ｇ、５Ｇ、６Ｇ、７Ｇ以上、別の無線システム及び別のモバイルシステムのうちの少なくとも１つの物理層に関連付けられる。

別の実施形態において、各ＣＳＩに基づいて無線生体情報を取得することは、複数の無線信号の各々から抽出されたＣＳＩに基づいて、マルチパスプロファイルを推定することと、異なるマルチパスプロファイル間の類似性が最小化され、且つ、異なるマルチパスプロファイル間の距離が最大化されるような波形の設計に基づく空間に、異なるマルチパスプロファイルをマッピングすることとを含む。更に別の実施形態において、各ＣＳＩに基づいて無線生体情報を取得することは、時間領域及び周波数領域の少なくとも一方で取得されたＣＳＩに対する波形を設計することと、異なるマルチパスプロファイル間の類似性最小化問題を単純な解を有する双対問題に変換することと、異なるマルチパスプロファイルの類似性が最小化された後の異なるマルチパスプロファイルに基づいて無線生体情報を取得することとを更に含む。

図１は、本教示の一実施形態に係るＴＲに基づく無線通信のための例示的なシステムを示す。送受信機ＡがＡとＢとの間のチャネルに対する推定マルチパスＣＳＩ ｈ（ｔ）を取得する場合、対応するＴＲシグニチャはｇ（ｔ）＝ｈ＾^＊（−ｔ）として取得される。送受信機Ａが空気を介してｇ（ｔ）を送り返すため、時空間共振が送受信機Ｂにおいて生成される。ＴＲ時空間共振は、マルチパスチャネルのエネルギーを完全に収集して特定のロケーションに集中させることにより生成される。物理学において、集点効果として知られる時空間共振は、環境に応答した電磁（ＥＭ）界の共振の結果である。この共振は環境変化の影響を受け、このことはマルチパスＣＳＩにおける差異をキャプチャするために使用できる。開示されるＴＲ人間識別システムは、人間の顔だけでなく、各個人の身体的特徴プロファイル全体を利用してもよい。

ＴＲ時空間共振の概念は理論として確立され、実験により検証されている。ＴＲ技術は、チャネル相反性及びチャネル定常性という２つの確認済みの仮定に依存する。チャネル相反性は、順方向リンク及び逆方向リンクの双方のＣＳＩの相関が高いという現象を示し、チャネル定常性は、ＣＳＩの相関が特定の期間中は高い状態を維持することを確立する。１２５ＭＨｚ帯域幅において実現されるＴＲに基づく屋内ロケーション特定法は、見通し外（ＮＬＯＳ）環境で動作する単一のアクセスポイント（ＡＰ）を用いる場合でもセンチメートルレベルの精度を達成できる。Ｗｉ−ＦｉプラットフォームにおけるＴＲ屋内ロケーション特定システムは、ＣＳＩと１ＧＨｚの総等価帯域幅とを連結することにより生成されるロケーション固有フィンガープリントを利用できる。

本教示は、Ｗｉ−Ｆｉ信号における人間無線生体情報に基づいて、ＬＯＳパスが存在しない場合に壁越しに個人を識別するためのＴＲ人間識別システムを提示する。人間無線生体情報の存在を証明することができ、当該情報が無線ＣＳＩに埋め込まれていることがわかる。更に、本教示は、壁越しに人間を区別するためにＣＳＩから一意の無線生体情報を特徴として抽出する人間認識システムを開示する。本開示において、「無線ショット」はＷｉ−Ｆｉ信号を介して人間無線生体情報を取得及び記録する手順を示してもよい。開示される人間識別方法は、人間無線生体情報の精製及びＴＲに基づく識別である２つの主要部分を含んでもよい。精製は、環境内の静的物体及び全参加者の無線生体情報における類似性に由来する共通ＣＳＩ成分を除去し、独自の人間無線生体情報を含むＣＳＩ成分を抽出するように設計される。ＴＲに基づく識別の部分において、抽出された人間無線生体情報がＴＲ空間にマッピングされ、異なる生体情報間の類似性が時間反転共振強度（ＴＲＲＳ）を使用して定量化され評価される。開示される識別システムの性能は、１１人を区別する場合に９８．７８％の識別率を達成できる。

本教示は、人間により生じる無線信号の減衰及び変化を説明する人間無線生体情報の概念を取り入れる。実験を通じて、その存在は証明されており、人間識別に対するその能力は示されている。一般に、物体無線生体情報は、物体により生じる無線信号の減衰及び変化を示してもよく、物体識別に使用できる。人間無線識別情報を収集する手順を無線ショットと呼ぶ。ＣＳＩにおける主成分は人間の身体ではなく静的環境に由来するため、人間無線生体情報はマルチパスＣＳＩに埋め込まれ、埋没される。識別性能を向上するために、本教示は、無線チャネル情報から個別の人間無線生体情報を抽出する新規のアルゴリズムを開示する。未加工ＣＳＩから抽出された無線生体情報は、複素値であり高次である。この問題を解決するために、ＴＲ技術を適用して、人間無線生体情報を統合して圧縮し、時空間共振の強度を使用することにより異なる人間の無線生体情報を区別できる。性能評価のために、市販のＷｉ−Ｆｉチップセットを使用するＴＲ人間識別システムを実現し、且つ、屋内オフィス環境における通常の勤務時間中での検査において約１２人を９８．７８％の識別率で識別するプロトタイプが構築された。

本教示は、個人識別のために人間無線生体情報をキャプチャするために市販のＷｉ−Ｆｉの信号を使用する可能性を示す。開示されるＴＲ人間識別システムは、壁越しに人間生体情報をキャプチャし、異なる個人を識別できる。ＣＳＩに埋め込まれた人間無線生体情報は、屋内環境における人間の身体によるＷｉ−Ｆｉの反射と散乱を含む。その結果、人間の生物学的メトリックの差異のため、人間無線生体情報は異なる個人間で異なる。更に、開示されるシステムは、ＴＲ技術を利用することにより、個人を区別するためにＣＳＩから人間無線生体情報を容易に抽出できる。この手順を無線ショットと呼ぶ。

図２は、本教示の一実施形態に係るＣＳＩ論理空間とＴＲ空間との間のマッピングの一例を示す。無線送信の間、信号は環境内の異なる物体に遭遇し、それに従って、対応する伝搬パス及び特徴は受信機に到着する前に変化する。図２に示すように、ＣＳＩ論理空間内の各点は、例えば屋内ロケーション又は屋内イベントである屋内環境のスナップショットを表してもよく、これはマルチパスプロファイルｈにより一意に判定可能である。マルチパスプロファイルの時間反転共役演算を行うことにより、対応するＴＲシグニチャｇが生成される。その結果、「Ａ」、「Ｂ」及び「Ｃ」で示されるＣＳＩ論理空間内の各点をそれぞれ点「Ａ′」、「Ｂ′」及び「Ｃ′」としてＴＲ空間にマッピングできる。ＴＲ空間において、２つのプロファイル間の類似性をＴＲＲＳにより定量化できる。ＴＲ共振の強度であるＴＲＲＳは、２つのＣＳＩサンプル間の類似性の測定値である。ＴＲＲＳは、何らかの２つのベクトル間のマッチングスコアとして使用でき、その場合、各ベクトルはＴＲ空間におけるＣＳＩ又は何らかのプロファイルを表す。ＴＲＲＳが高いほど、ＴＲ空間における２つのプロファイルは類似する。ＴＲＲＳに対する閾値により制約された同様のプロファイルは、単一クラスに割り当てることができる。

屋内ロケーション特定システムは、ＴＲ技術及びＴＲ空間を利用することにより、センチメートルレベルの精度を達成でき、屋内の物理的ロケーションの各々は、ＴＲ空間内の論理的ロケーションにマッピングされ、ＴＲＲＳを使用して容易に分離され識別される。ＴＲに基づくセンチメートルレベルの屋内ロケーション特定システムは、市販のＷｉ−Ｆｉチップセットを使用して実現可能である。異なるロケーションにおけるマルチパスプロファイルの特徴をキャプチャするためにＴＲ技術を利用する場合、１〜２ｃｍしか離れていない２つのロケーションはＴＲ空間では遠くに離れ、開示されるシステムにより容易に区別可能である。

人間の身体の周辺における無線伝搬は、身体的特徴（例えば、身長及び体重）、体内総水分量、肌状態及び他の生体組織に非常に依存する場合がある。ＥＭ波と人間の身体との間の相互作用における特徴を記録する人間無線生体情報は、異なる個人間で一意であり、ＴＲ空間内の別個の点にマッピング可能である。従って、開示されるシステムは、ＴＲ技術を利用することにより、壁越し設定において異なる個人が同一の姿勢で同一のロケーションに立っている場合でも、異なる個人により生じるマルチパスプロファイルにおける差異をキャプチャすることができる。

システムのプロトタイプは、１つの３アンテナ送信機（ＴＸ）及び１つの３アンテナ受信機（ＲＸ）を用いて構築される。ＣＳＩサンプルは、市販のＷｉ−Ｆｉチップから取得される。システムは、４０ＭＨｚ帯域幅の搬送波周波数５．８４５ＧＨｚで動作される。３×３ＭＩＭＯ送信のため、各測定値は送信／受信アンテナ対毎に９個のＣＳＩを含む。各ＣＳＩは、４０ＭＨｚ帯域における１１４個の利用可能なサブキャリアを表す１１４個の複素値を含む。

図３は、本教示の一実施形態に係る人間の周辺におけるＲＦの反射及び散乱の例を示す。図３に示すように、屋内無線信号伝搬環境において、人間の身体は反射体として機能し、点３０２、３０４、３０６は、人間の身体及び他の物体による反射点及び散乱点を表す。無線信号は２つ以上のパスから受信アンテナに到達するため、人間無線生体情報がマルチパスＣＳＩプロファイルに暗示的に埋め込まれる。しかし、人間の身体はマルチパスＣＳＩにいくつかのパスを発生させるにすぎない場合があり、壁及び家具等の他の静的物体と比較して人間の身体の反射率及び誘電率は低いため、それらのパスのエネルギーは小さい。その結果、無線ショットを通じてキャプチャされた人間無線生体情報は、ＣＳＩの他の成分により埋没される場合がある。

更に、Ｗｉ−Ｆｉチップから取得される未加工ＣＳＩは９×１１４複素値行列であるため、結果として得られる未加工の無線生体情報は高次及び複素値であり、そのため、識別／分類問題は更に複雑になり、計算の複雑さが増加する。

上記の問題を解決するために、開示されるシステムは、人間無線生体情報を抽出し、且つ、個人間の差異を強調するために、ＴＲ技術を利用し、且つ、複数の後処理アルゴリズムを使用できる。特に、システムは、ＣＳＩにおける共通情報が除去され、且つ、独自の人間無線生体情報が保存されるように、背景除去アルゴリズムを使用できる。ＴＲ技術を利用することにより、複素値行列の形態の人間無線生体情報を、実数値スカラーであるＴＲＲＳを介して対応する個人に関連させることができる。

開示される時間反転人間識別システムは、上記の考えを利用し、２つの主要な構成要素である、人間無線生体情報の精製及びＴＲに基づく識別を含みうる。

人間無線生体情報の精製のモジュールは、９×１１４複素値行列である未加工ＣＳＩ測定値から人間の生体情報を抽出できる。各リンクの独立性により、各リンクの背景は個別に計算され補償されてもよい。ＣＳＩ測定値毎に、各々がサンプリング周波数オフセット（ＳＦＯ）及びシンボルタイミングオフセット（ＳＴＯ）により破損される場合があることを考慮することが重要である。従って、背景の計算及び補償の前に、例えば本明細書において全体が援用される国際出願第ＰＣＴ／ＵＳ２０１７／０１５９０９号及び第ＰＣＴ／ＵＳ２０１６／０６６０１５号に開示される方法を使用して、最初に各ＣＳＩ測定値の位相をアライメントさせる必要がある。アライメントの後、人間無線生体情報がマルチパスに与える変化は小さいという仮定に基づいて、複数のＣＳＩ測定値を平均することにより背景を取得できる。

９×１１４複素値の人間無線生体情報が精製されると、ＴＲベースの識別のモジュールは、高次複素値特徴を実数値スカラーに縮小することにより識別問題を単純化できる。当該モジュールは、ＴＲ技術を利用することにより、人間無線生体情報をＴＲ空間にマッピングでき、異なる無線生体情報間の差異を定量化するためにＴＲＲＳを使用できる。

開示されるシステムは、ＥＭ信号が異なる反射／散乱パスを通り遅延を有する環境から無線マルチパスが得られる場合に動作できる。人間の身体の周辺における無線伝搬は、個人の身体的特徴及び生体組織の状態に非常に依存する場合がある。２人が全く同一の生物学的特徴及び身体的特徴を有することは稀であるため、人間による干渉後のマルチパスプロファイルは個人間で異なる。無線信号と人間の身体との相互作用を記録する人間無線生体情報は、個人の生物学的特徴及び身体的特徴に従って変更され、異なる個人間で一意であると考えることができる。Ｗｉ−Ｆｉサウンディングを通じて、無線ＣＳＩ及び人間無線生体情報が収集される。

数学上、人間の身体が存在する場合のｍ番目のリンクに対する屋内ＣＳＩ（いわゆる、チャネル周波数応答ＣＦＲ）は、共通ＣＳＩ成分と人間の影響を受けた成分との和としてモデル化できる。
ｈ_j ^(m)＝ｈ₀ ^(m)＋δｈ_i ^(m), ｉ＝１, ２, ..., Ｎ （１）
式中、Ｎは識別対象者の数である。ｈ_i ^(m)はＬ×１複素値ベクトルであり、ｉ番目の識別対象者が室内にいる場合のＣＳＩを示す。Ｌはサブキャリアの数であり、すなわち、ＣＳＩの長さである。ｈ₀ ^(m)は静的ＣＳＩ成分として定義され、人間がいない静的環境から生成される。δｈ_i ^(m)はｉ番目の個人により生じたＣＳＩの摂動を示す。ここで、δｈ_i ^(m)は、ｍ番目のリンクのＣＳＩに埋め込まれたｉ番目の識別対象者の未加工の人間無線生体情報である。

受信機側において、各チャネル状態サウンディングの後、各識別対象者に対するＬ×Ｍ未加工ＣＳＩ行列を以下のように収集できる。
Ｈ_i＝［ｈ_i ⁽¹⁾ , ｈ_i ⁽²⁾ , ..., ｈ_i ^(M)］, ∀ｉ （２）
対応する人間無線生体情報行列は以下のようになる。
δＨ_i＝［δｈ_i ⁽¹⁾ , δｈ_i ⁽²⁾ , ..., δｈ_i ^(M)］, ∀ｉ （３）
式中、Ｍは送信機と受信機との間のリンクの数である。

人間の識別及び認識の場合、２つの主な問題がある。第１に、δＨ_i及びＨ_iの双方がＬ×Ｍ複素値行列であるため、適切なデータ処理を用いない場合、生データに基づく分類問題は複素値であり計算の複雑さが高い。第２に、ｈ₀ ^(m)が未知であるため、埋没した生体情報δＨ_iをＣＳＩ測定値Ｈ_iから直接抽出することは困難である。

第１の問題に対処するために、ＴＲ技術を組み入れて、特徴空間をＴＲ時空間共振に変換することによりデータ次元を減少できる。第２の問題に対して、未加工ＣＳＩ情報からの人間無線生体情報を精製するデータ後処理アルゴリズムが開示される。

上述したように、対応するマルチパスチャネルを介してＴＲシグニチャを送り返す場合、時空間共振は、散乱が多い屋内環境内の特定のロケーションにマルチパスチャネルのエネルギーを完全に収集することにより生成されうる。時空間共振は、マルチパスチャネルにおける小さい変化さえキャプチャすることができ、２つのマルチパスＣＳＩ実現例間の類似性を特徴付けるために使用できる。

周波数領域におけるＴＲ時空間共振の強度、すなわちＴＲＲＳは、以下のように定義できる。

定義：２つのＣＦＲｈ₁及びｈ₂の間の周波数領域におけるＴＲ時空間共振の強度
は、以下のように定義される。
式中、ＬはＣＦＲの長さであり、ｇ₂は以下のように取得されるｈ₂のＴＲシグニチャである。
ｇ₂［ｋ］＝ｈ₂*［ｋ］, ｋ＝０, １,..., Ｌ−１ （５）
従って、
の値が大きいほど、ｈ₁及びｈ₂は類似している。

ＭＩＭＯ送信における２つのＣＳＩ測定値Ｈ_i及びＨ_jの場合、１×Ｍ ＴＲＲＳベクトルを以下のように取得できる。
この場合、２つのＣＳＩ行列Ｈ_i及びＨ_jの間のＴＲＲＳは各リンクにおけるＴＲＲＳの平均として定義される。

無線ショットを実行後、ＴＲ信号処理により、ＣＳＩ測定値に埋め込まれた高次複素値人間無線生体情報をＴＲ空間にマッピングでき、特徴次元はＬ×Ｍから１に減少される。人間認識問題は、以下のような単純なマルチクラス分類問題として実現可能である。

何らかのＣＳＩ測定値Ｈに対して、各個人Ｈ_i, ∀ｉのＣＳＩサンプルを含むトレーニングデータベースが与えられた場合、予測される個人アイデンティティ（ＩＤ）はＴＲＲＳに基づいて以下のように取得される。

しかし、上述したように、埋め込まれた人間無線生体情報δＨは、測定値Ｈにおける他のＣＳＩ成分と比較して小さい。結果として得られるＴＲＲＳ
は、異なるサンプル間で非常に類似したものになる場合があり、識別精度を低下させる。識別性能を向上するために、無線ショットを実行後に、埋め込まれた人間生体情報特徴を抽出及び精製するために各ＣＳＩ測定値から共通成分を除去できる。

人間の身体の存在がＷｉ−Ｆｉ信号のマルチパス伝搬環境を変化させることができるため、人間無線生体情報はＣＳＩ測定値に暗示的に埋め込まれる。しかし、いくつかのパスのみが人間の身体の影響を受けるため、式（１）において、ｍ番目のリンクにおけるｉ番目の識別対象者に対する人間生体情報ＣＳＩ成分δｈ_i ^(m)のエネルギーは、共通ＣＳＩ成分ｈ₀ ^(m)と比較して小さい。無線生体情報の精製を行わない場合、ＣＳＩにおける共通特徴ｈ₀ ^(m)が式（４）及び式（６）においてＴＲＲＳの大半を占める。更に、異なる人間の身体間に類似性が存在するため、人間無線生体情報δｈ_i ^(m)が類似することは不可避である。結果として、時空間共振がδｈ_i ^(m)をキャプチャしても、異なる個人に対するＴＲＲＳ間の差異は、個人を区別するには小さ過ぎるものになる場合がある。従って、本教示は、無線ショットを実行後に、有用な人間無線生体情報をＣＳＩから抽出する後処理アルゴリズムを開示する。本処理は人間無線生体情報精製と呼ばれ、以下の２つの主要ステップを含むことができる。

第１のステップは、位相補償である。実際は、時間同期誤差による各測定値の異なる初期位相及び各サブキャリアにおける異なる線形位相により、推定ＣＳＩが破損する場合がある。従って、開示されるシステムが正確な背景ＣＳＩ成分を抽出して除去するために、全ての未加工ＣＳＩ測定値において位相誤差を補償することは必須である。

第２のステップは、背景情報除去である。ＣＳＩは静的背景ＣＳＩ成分と人間生体情報ＣＳＩ成分との和としてモデル化される。そのため、ＣＳＩにおける共通情報を除去することにより、システムは無線生体情報を抽出できる。

国際出願第ＰＣＴ／ＵＳ２０１７／０１５９０９号及び第ＰＣＴ／ＵＳ２０１６／０６６０１５号に開示される方法等、位相破損を補償する種々の方法があるが、位相破損を補償するための位相アライメントアリゴリズム（Phase Alignment Algorithm）と呼ばれる例示的なアルゴリズムを以下に示す。

位相誤差を考慮した場合、各ＣＳＩ ｈ^(m)を以下のように数学的にモデル化できる。
式中、φ_linearは線形位相の傾きを示す。φ_iniは初期位相であり、双方はＣＳＩ毎に異なる。

不都合なことに、φ_linear又はφ_iniを明示的に推定する方法はない。ＣＳＩ測定値間の位相不整合を解決するために、識別タスク毎に、トレーニングデータベース内の１つのＣＳＩ測定値を基準として選択し、当該基準に基づいて全ての他のＣＳＩ測定値をアライメントさせることができる。

例えば、基準と他のＣＳＩサンプルとの間の線形位相差δφ_linearを使用できる。同一リンクから取得された任意のの所定のＣＳＩ ｈ₂及び基準ｈ₁に対して、以下を得ることができる。

基準に従ってＣＳＩ ｈ₂の線形位相をアライメントさせるため、以下により、各サブキャリアにおける当該差異を単純に補償してもよい。

ＣＳＩ測定値の全ての線形位相差が基準に基づいて補償されると、次のステップは、基準を含むリンク毎のＣＳＩの初期位相を相殺することである。初期位相は、各ＣＳＩに対する第１のサブキャリアにおける位相
として取得され、以下のように補償できる。

背景及び精製された人間生体情報の双方がアライメント済みＣＳＩ測定値ｈ_alignから抽出されてもよい。表記を簡略にするために、本教示の残りの部分において、アライメント済みＣＳＩを示すためにｈ_alignの代わりにｈを使用する。

背景情報除去のための第２のステップにおいて、背景除去アルゴリズムを使用できる。一般に、一般的な２種類の背景除去である、１）直接除去及び２）デコンボリューションが存在する。

１）直接除去：この種の背景除去において、第１のステップは、収集されたＣＳＩサンプル内のいわゆる共通情報である背景を推定することである。共通情報が取得されると、（位相アライメント済み）ＣＳＩサンプルから共通情報のスケーリングされたバージョンを除去することにより、背景除去が実行される。スケール係数は、［０，１］の範囲内である。通常、サンプルにおけるノイズの強調を回避するために、１より小さい係数を選択する。

２）デコンボリューション：実世界の電波伝搬において、環境内の全ての物体は電波伝搬パスを変化させる場合があり、これは、物体の影響がないチャネルがフィルタ（ｈ）として機能している畳み込み処理としてモデル化されることが多い。従って、物体の影響を受ける入力チャネルはフィルタの出力（ｈ^＊ｇ）であり、フィルタの入力（ｇ）は、電波に関する物体の特徴である。従って、（ｇ^＊ｈ）がわかっている場合、物体の特徴情報（ｇ）を抽出するために、静的環境チャネルに対応するフィルタを見つけることができる。デコンボリューション法において、第１のステップは、ｈのフィルタパラメータ及び特徴を推定することであってもよい。チャネルフィルタが作成されると、チャネルフィルタを反転させることにより、デコンボリューションフィルタｉｎｖ（ｈ）を作成できる。物体の影響を受けたＣＳＩ（ｈ^＊ｇ）をデコンボリューションフィルタｉｎｖ（ｈ）に通すことにより、特徴ｇを抽出できる。

式（１）の開示されるＣＳＩモデルにおいて、無線生体情報δｈ_i ^(m)も、共通無線生体情報及び独自の無線生体情報である２つの部分を含む。従って、ｈ_i ^(m)を以下のように更に分解できる。
ｈ_i ^(m)＝ｈ₀ ^(m)＋δｈ_i,ic ^(m)＋δｈ_i,c ^(m), ∀ｉ, ｍ （１２）
式中、δｈ_i ^(m)＝δｈ_i,c ^(m)＋δｈ_i,ic ^(m)である。δｈ_i,c ^(m)は共通無線生体情報を示し、識別システムにおける全ての参加者により判定される。一方、δｈ_i,ic ^(m)は、共通生体情報を除去した後に、抽出された無線生体情報に残る対応する独自の無線生体情報である。

Ｎ人の複数のＣＳＩ測定値に対する背景ＣＳＩ成分は、以下のようにアライメント済みＣＳＩを平均することにより推定できる。
式（１３）における背景のスケーリングされたバージョンを元のＣＳＩから除去することにより、各個人に対する人間無線生体情報を抽出できる。
式中、αは背景除去係数であり、０≦α≦１である。残りのＣＳＩがノイズ状になるため、これは１に近すぎてはいけない。

図６Ａ及び図６Ｂに一例を示す。トレーニングデータベース内の全てのＣＳＩ測定値の平均を背景として、背景除去前のＴＲＲＳ
を図６Ａに示し、
を図６Ｂに示す。図６Ａと図６Ｂとの比較は、人間無線生体情報の精製が個人を区別するためのＴＲＲＳの感度を向上するのに役立つことを示す。開示される背景除去アルゴリズムは、異なるクラス間のＣＳＩの時空間共振を抑制するが、同一クラス内の強い共振を維持する。

開示されるシステムの場合、識別対象者がＫ人である場合のトレーニングデータベース構築及び検査に対する計算の複雑さは、共に０(Ｍ×(Ｋ＋１)×Ｎlog₂Ｎ) である。式中、Ｍは、各対象者に対するトレーニングＣＳＩサンプルの数又は検査ＣＳＩサンプルの数である。Ｎは、式（４）及び式（９）のφに対する探索解像度であり、Ｎの一般的な値は５１２及び１０２４である。

Ｗｉ−Ｆｉ信号のＣＳＩに埋め込まれた人間無線生体情報をキャプチャするためにＴＲ技術を利用することにより、開示されるシステムは、実際のオフィス環境において異なる個人を高い精度で識別できる。人間識別の性能が評価されている。開示されるシステムの場合、トレーニング、すなわち無線ショットを実行することは、単純であってもよく、数秒で行うことができる。

１６階建ての商業オフィスビルの１０階のオフィスにおいて、いくつかの例示的な評価実験を行った。全ての実験は平日の通常の勤務時間に行われたため、実験オフィスの外側では、人間の歩行及びエレベータの運行等の多くの動作が実験の実行と同時に行われていた。

図５は、本教示の一実施形態に係る人間識別実験のための被検者及び装置の例示的なロケーションを示す。図５において、送信機、受信機及び個人の実験構成が示される。双方のＷｉ−Ｆｉ装置は、床から２．８フィートの高さのカート又はテーブルの上に配置される。送信機（ボット）が「ＴＸ２」５０２で示されるロケーションに位置する場合、受信機（ＲＸ）は「Ｌｏｃ１」〜「Ｌｏｃ５」で示す５つのロケーションに配置された。ボットがロケーション「ＴＸ１」５０１に配置された場合、受信機は「Ｌｏｃ６」〜「Ｌｏｃ１０」でそれぞれ示す５つのロケーションに配置された。これらの１０個のＴＸ−ＲＸロケーションは、見通し内（ＬＯＳ）状況（「Ｌｏｃ１」）及び見通し外（ＮＬＯＳ）状況（「Ｌｏｃ２」〜「Ｌｏｃ６」）及び壁越し状況（「Ｌｏｃ７」〜「Ｌｏｃ１０」）を表すことができる。無線ショットを実行する際、各認識対象者は、部屋の扉が閉じている時に室内の星印で示されるロケーションに立つ。

実験において、トレーニングデータベースはクラス毎に５０個のＣＳＩ測定値を用いて構築され、識別のための検査データベースのサイズはクラス毎に５００個のＣＳＩ測定値である。一実施形態において、各クラスに対する５０個のＣＳＩ測定値を平均して、特定のクラスに対する１つの代表ＣＳＩを取得でき、当該代表ＣＳＩをデータベースに格納できる。検査の場合、ＣＳＩを一度測定でき、当該ＣＳＩを使用してトレーニングデータベース内のＣＳＩと比較できる。また、検査段階中に複数のＣＳＩを収集し、検査段階中の複数のＣＳＩとトレーニングデータベース内の特定のクラスを代表するＣＳＩとの間の複数のＴＲＲＳを計算し、最も高いＴＲＲＳを特定のクラスのＴＲＲＳとして選択し、全てのクラスのＴＲＲＳ値の中で最も高いものを選択することもできる。

被検者の身体的特徴を図２０に列挙する。図２０の最初の５人の被検者が以下の第Ａ節及び第Ｂ節の実験に参加し、１１人の被検者の全員が以下の第Ｃ節の識別実験に参加した。被検者＃２は、以下の第Ｄ節における照合実験の被検者であった。

Ａ．背景除去の影響

本節における実験は、人間認識に対する開示される背景除去アルゴリズム及び生体情報精製アルゴリズムの影響を定量的に調べることを目的とする。図６Ａは、本教示の一実施形態に係る背景除去を行わない場合の例示的な時間反転共振強度（ＴＲＲＳ）マップを示し、図６Ｂは、本教示の一実施形態に係るα＝０．５で背景除去を行った後の例示的なＴＲＲＳマップを示す。図６Ａ及び図６Ｂに示すように、精製後、異なるクラスからのトレーニングＣＳＩと検査ＣＳＩとの間の時空間共振は非常に抑制されるが、同一クラスからのＣＳＩに対する高いＴＲＲＳは維持される。

図２１Ａ及び図２１Ｂに示す表において、無線生体情報を精製後の性能の向上を示すために、人間識別に対する性能マトリクスを示す。図２１Ａは、本教示の一実施形態に係る背景除去を行わない場合の個人識別の性能マトリクスを示す。図２１Ｂは、本教示の一実施形態に係るα＝０．５で背景除去を行った後の個人識別の性能マトリクスを示す。性能マトリクスの各要素は、トレーニングクラスと検査クラスとの間のＴＲＲＳが閾値μより高い確率である。対角線の値が高いほど、正確な識別の可能性が高いことを意味する。しかし、対角線外の要素が大きいほど、誤警報率が高いことを示す。これは、検査クラスがトレーニングセットに含まれていなかった場合に検査サンプルが誤ったトレーニングクラスに分類される確率が高いことを示すからである。

図２１Ａ及び図２１Ｂのマトリクスの双方は、式（７）及び式（１５）で定義されたように、同一の閾値μ＝０．９を有する。背景除去を行わない場合、対角線の値は１００％に到達できるが、対角線外の値は図２１Ａに示すように９９．９９％と高い。対角線外の値が高いことは、これらの特定のトレーニングクラスと検査クラスとの間に誤警報を有する可能性が高いことを意味する。しかし、背景除去後、精製済み無線生体情報を識別に使う場合、対角線外の最も大きい値は０．２４％に低下する一方、対角線の要素は９６．３５％以上に維持される。

背景ＣＳＩ成分を選択する方法は、良好な無線生体情報精製に必須である。識別の性能は、背景除去なし、静的環境背景（例えば、人間がいない室内で収集されたＣＳＩ）を用いる除去、並びに静的環境及び共通無線生体情報から構成される背景を用いる除去である、３つの方式において調べられている。

図７Ａは、本教示の一実施形態に係る異なる背景を選択した場合の背景除去及び送信機／受信機（ＴＸ−ＲＸ）ロケーションに対する受信機動作特徴（ＲＯＣ）曲線に関する評価を示す。ＲＯＣ曲線は、１０個のＴＸ−ＲＸロケーションの全てにおいて測定されたＲＯＣ性能を平均することにより取得され、決定閾値μの変化に伴う識別率及び誤警報の変化を示す。破線は、トレーニングデータセット内の全てのＣＳＩ測定値を背景（すなわち、静的環境及び共通無線生体情報を含む背景）として使用した場合の性能を示し、実線及び点線は、背景除去を行わなかった場合及び静的環境背景を用いて背景除去を行った場合をそれぞれ表す。背景除去係数はα＝０．５である。全てのトレーニングＣＳＩ測定値を使用したシステムの性能は他より優れている。これは、全てのクラスからのＣＳＩサンプルを平均して背景とすることにより、異なる個人に対する無線生体情報における相関の高い類似成分、すなわち式（１２）で定義したｈ₀ ^(m)＋δｈ_i,c ^(m)の推定値をシステムが効果的に除去でき、それにより、異なる人間の無線生体情報間の差異を拡大できるからである。

最適な背景を判定後、次のステップは、最適な背景除去係数αを見つけることである。図７Ｂは、本教示の一実施形態に係るＬｏｃ７に対して異なる値のαを用いた場合の背景除去及びＴＸ−ＲＸロケーションに対するＲＯＣ曲線に関する評価を示す。図７Ｂでは、異なるαの影響を評価するためにＲＯＣ性能が示される。α＝０．９の場合、背景除去後の残りのＣＳＩ成分はノイズを多く含み、人間生体情報を殆ど有さないため、識別性能は最低である。実験は、α＝０．５が個人識別に最適であることを示している。本教示において説明される残りの実験は、α＝０．５及び全ＣＳＩ背景方式を採用する。

Ｂ．ＴＸ−ＲＸロケーションの影響

人間識別の性能に対するＴＸ−ＲＸ構成の影響が評価される。「Ｌｏｃ１」は、送信機、受信機及び被検者が同一の室内に存在するＬＯＣ状況を表す。「Ｌｏｃ２」〜「Ｌｏｃ６」は、送信機又は受信機のいずれか一方が被検者と同じ部屋にあるが、他方の装置が室外に位置するＮＬＯＳ状況を表す。更に、「Ｌｏｃ７」〜「Ｌｏｃ１０」で示す壁越し状況において、識別対象者は室内にいるが、送信機及び受信機の双方は室外の異なるロケーションに存在する。

図７Ｃは、本教示の一実施形態に係る異なるＴＸ−ＲＸロケーションを用いた場合の背景除去及びＴＸ−ＲＸロケーションに対するＲＯＣ曲線に関する評価を示す。異なる状況の識別性能を図７Ｃに示す。性能比較は、最高から最低にＬｏｃ７＞Ｌｏｃ２＞Ｌｏｃ３＞Ｌｏｃ１０＞Ｌｏｃ１＞Ｌｏｃ５＞Ｌｏｃ９＞Ｌｏｃ４＞Ｌｏｃ８＞Ｌｏｃ６と要約できる。送信機と受信機との間の距離と識別性能との間に直接的関係は存在しない。更に、ＬＯＳ状況は人間識別の最善の構成ではない。上述したように、人間無線生体情報はマルチパスＣＳＩに埋め込まれる。マルチパスＣＳＩにおける各パスの独立性により、ＣＳＩが含むパスが多いほど、埋め込まれた人間無線生体情報に与えられる自由度の数は多い。その結果、ＬＯＳ状況ではＣＳＩ内のマルチパス成分が少ないため、抽出される有益な無線生体情報が少なく、識別の性能が低下する。図７Ｃの結果は、壁越しの人間識別に対する開示されるシステムの性能を更に示し、この場合、どの構成が選択されても、開示されるシステムは高い精度を有する。

Ｃ．人間識別

上記の解析から、開示される人間識別システムの性能は背景除去及びＴＸ−ＲＸ構成の双方の影響を受けることがわかる。本節では、１１人という大きいデータセットを用い、最適な背景除去を適用し、且つ、例えば「Ｌｏｃ７」である例示的なロケーションを用いるＴＸ−ＲＸ構成において性能を評価する。対応するＲＯＣ曲線を図８に示す。閾値μが０．９１である場合、平均識別率は９８．７８％であり、平均誤警報率は９．７５％である。これは、２人が同様の体輪郭を有する場合、誤分類する確率が増加するからである。しかし、輪郭だけでなく、異なる個人で更に独自である身体組織の誘電率及び伝導率も人間の身体に遭遇するＷｉ−Ｆｉ信号の伝搬に影響を与えるため、識別の精度は依然として高い。

Ｄ．個人照合

当該実験セットにおいて、開示されるシステムを使用して個人照合の性能を調べる。個人照合は、複数の可能性のあるアイデンティティの中から正確なアイデンティティを見つける代わりに、人間の身体及び環境の双方における変化を用いて特定の個人を認識することである。

人間照合性能の定常性を以下に説明する。空室の場合及び１人が室内にいる場合の双方に対してＣＳＩ測定値を１日２回、３日間連続して収集する。ＴＲＲＳマップを図９Ａ及び図９Ｂに示す。図９Ａは、本教示の一実施形態に係るトレーニングデータベースを更新しない場合の定常性に対する例示的なＴＲＲＳマップを示す。図９Ａに示すように、第１の測定からのＣＳＩのみをトレーニングセットとして使用する場合、同一クラス内のＴＲＲＳは漸減する。これにより、閾値μ＝０．７５で９０．８３％の識別率が得られる。しかし、測定及び識別の度にトレーニングセットが更新される場合、例えば２日目の朝の実験において、トレーニングセットは１日目の朝及び１日目の昼の測定からのＣＳＩを含み、識別率は９７．３５％に上昇できる。図９Ｂは、本教示の一実施形態に係るトレーニングデータベースを更新した場合の定常性に対する例示的なＴＲＲＳマップを示す。照合精度の詳細を図２２に示す。図２２は、本教示の一実施形態に係る定常性の研究に対する性能マトリクスを示す。従って、時間にわたる変化に対処するために、識別及び照合の双方に対するトレーニングデータセットは定期的に更新される必要がある。

別の実験において、上着の着用、リュックサック／ラップトップの携帯等の他の種類の変化が照合精度に与える影響が評価される。図２３に列挙する６個のクラスが実験において考慮される。詳細な照合性能が図２４に示され、閾値μと異なる変化を区別する性能との関係を調べる。本例において、トレーニングセットはクラス＃１からのＣＳＩを含む。低い閾値μは、照合における開示されるシステムの感度を低下させる場合がある。閾値μが増加すると、システムは人間がいずれも着用していない場合に収集された無線生体情報と上着及びリュックサックを着用している場合に収集された無線生体情報とを区別でき、すなわちクラス＃１とクラス＃３とを区別できる。図２４に示すように、結果は、クラス＃３がクラス＃１であると誤分類される確率は０であることを示す。リュックサック内にラップトップがある場合又はラップトップがない場合、人間の身体により遮断されるため、導入された変化が照合精度に与える影響は相対的に小さい。

障害物及び被検者の姿勢の影響

上記の実験を通じて、壁越しに個人を識別及び照合するための開示されるＴＲ人間識別システムの性能を証明した。ＲＳＳＩに基づく識別システムと比較することにより、開示されるシステムの性能を更に調べる。

被検者の前方に障害物がある場合及び被検者と同室に障害物がある場合の識別精度を評価及び比較するために実験を行う。図１０は、本教示の一実施形態に係る異なる障害物を用いた場合の人間識別に対するＲＯＣ曲線を示す。誤警報のレベルが同様である場合、障害物がない場合の平均識別率は９７．５７％であり、対応する平均誤警報率は９．８５％である。壁を静にした被検者の前方にテーブルがある場合、平均識別率は９９．５３％に上昇でき、平均誤警報率は８．８２％である。大きい椅子が被検者の前方に非常に近接してある場合、システムは９７．４４％の平均識別率及び８．４３％の平均誤警報率を有する。被検者と送受信機との間に障害物がある場合、反射及び透過により、送信信号の更に多くのコピー及び更に多くのマルチパス成分が生成される。障害物による信号の減衰が大きくない場合、障害物から放射された信号の大部分は最終的に被検者に遭遇する。この場合、マルチパス伝搬を介して更に多くの無線生体情報をキャプチャすることができ、このことは識別性能を補助できる。しかし、障害物のサイズが厚く且つ垂直面が大きい場合、到着する信号の大部分が減衰及び遮断され、人間の身体を通過するマルチパス成分が少なくなる。その結果、障害物がない場合と比較して、得られる有用な無線生体情報は少ない。更に、本実験において示されるように、障害物としての家具の存在はシステムに大きい影響を与えない。

しかし、障害物が変化する場合、特に障害物が送信機と受信機のリンクの間及び被検者の前方に位置する場合、マルチパスプロファイルは変化する。マルチパスプロファイルにおける差異をキャプチャし且つその間の障害物の変化により導入される差異をキャプチャするために、ＴＲ技術を使用してもよい。従って、個人がトレーニング段階中に大きい机の後方にいて、その後、検査中に小さい机の後方に立っている場合、開示されるシステムはマルチパスプロファイルにおける当該変化に気付き、トレーニングデータベースにおけるミスマッチにつながる。

人間のポーズにより導入される効果を評価するために、実験を行った。図１０の実験と同一の設定において、４人の参加者に、同一ロケーションに立ち、図１１Ａに示すように異なる角度及び方向に腕を上げて５つの異なるポーズを行うように頼んだ。対応するＲＯＣ曲線を図１１Ｂに示す。実験において、被検者毎にポーズ１で５０個のサンプルをトレーニングセットとして選択した。検査サンプルが同一ポーズから取得される場合、識別率は９７．６７％であり、誤警報率は５．５８％である。しかし、参加者がポーズ２〜ポーズ５にポーズを変える場合、識別率は９５．６６％、８８．０６％、５８．８３％及び７９．２９％に低下し、誤警報率は約５．６％である。実験結果は、ポーズの変化がシステム性能を低下させる場合があることを実証する。システムは、例えばポーズ１からポーズ２への姿勢の僅かな変化に対してロバストである。しかし、図１１Ｂにおけるポーズ１でのトレーニングを用いるポーズ４でのデータに対する検査のＲＯＣ曲線が示すように、ポーズによる伝搬環境の変化が大きい場合、開示されるＴＲ人間識別システムはトレーニングデータベース内のマッチングするものを見つけ損なう場合がある。ポーズ４において、被検者は送信機と受信機との間のリンクに対して垂直になる方向に左腕を９０°上げるよう頼まれる。一方、ポーズ５において、被検者は同一の高さで腕を上げるが腕はＴＸ−ＲＸリンクに対して平行である。ポーズ５に対する検査の結果とポーズ４に対する検査の結果とを比較すると、ポーズがＴＸ−ＲＸリンクに対して垂直に輪郭を変化させる場合、識別精度の低下はより大きいことがわかる。

従って、ポーズ又は立つロケーションが変わると、被検者に対するＴＲ空間におけるマルチパスプロファイルが被検者自身の「近接」（高類似性の範囲）に含まれない場合があり、それにより識別率が低下する。更に、変化したマルチパスプロファイルが他の被検者の「近接」に含まれ、それにより誤警報率が上昇するという悪い状況がある。

標準的なＷｉ−Ｆｉチップセットを使用した場合、各測定においてＣＳＩに加えて７×１ＲＳＳベクトルを取得できる。ＲＳＳベクトルは、各２０ＭＨｚ帯域内の３受信アンテナに対する６個のＲＳＳ値と、１個の全体ＲＳＳ値とを含む。この場合、各実数値７×１ベクトルを特徴として処理し、ｋ近傍（ｋＮＮ）分類器を測定値に適用できる。

１１人のデータセットに関して、ＲＳＳＩに基づく方法の識別精度を検査する。図１３は、本教示の一実施形態に係る１１人の例示的なＴＲＲＳ値の変動を示す。図１３の結果によると、異なる個人間のＲＳＳＩの差異は小さい。誤警報率は６８．０７％であり、識別率は３１．９３％である。これは、開示される識別システムよりはるかに劣る。

図１４Ａは、本教示の一実施形態に係る空室において検査された例示的なＴＲＲＳ値を示す。図１４Ｂは、本教示の一実施形態に係る人間がいる状況で検査された例示的なＴＲＲＳ値を示す。図１４に示すように、定常性が評価され、ＲＳＳ値は時間的に安定しないことがプロットから明らかである。トレーニングデータベースを更新しない場合、個人の識別率は８９．６７％であり、人間がいるのに空室であると誤分類される確率は１０．３３％である。トレーニングデータベースを更新した場合でも、ＲＳＳ値の時間的な不安定さのため、識別率は向上しない。

更に、図２３の表に列挙するような小さい変化がある場合の個人照合に関して、ＲＳＳＩに基づく方法は、図１５及び図２５の個人照合の混合行列に示すように、７×１ＲＳＳベクトルを使用するだけでは、異なる変化を殆ど区別できない。小さい変化に対する感度が低い理由は、人間識別能力が低い理由と同一である。７×１ＲＳＳベクトル特徴がキャプチャする人間無線生体情報は非常に少なく、個人を区別できない。

従って、ＲＳＳＩベクトルに基づく方法は人間の身体の小さい変化に対してロバストであるが、人間の識別及び照合において実用化されないだろう。更に、ＲＳＳＩは受信信号電力を近似的に表す実数値スカラーにすぎないため、あまり有用でない。これはノイズの影響を受けやすく、クラス内の変化が大きい。このことは、被検者の数が増加した場合に識別精度を大幅に低下させることがある。ＲＳＳＩに基づく方法と比較して、開示されるＴＲ人間識別システムは、ＣＳＩに埋め込まれた人間無線生体情報を正常にキャプチャし及び抽出し、壁越しに高い精度で個人を正常に識別する。

開示されるシステムは、式（１）に示すようにＣＳＩに埋め込まれた人間無線生体情報に対する単純なモデルを採用できる。取得された人間無線生体情報δｈ及び環境成分ｈ_０は相関してもよい。換言すると、人間無線生体情報δｈはロケーションに依存してもよく、そのため、システムを時間的に一貫した環境で実行させてもよい。人間無線生体情報と外部環境とを分離するアルゴリズムを開発できる。

開示されるシステムの性能は、粒度の細かい人間無線生体情報を異なる方向から同時にキャプチャするために送受信機対を多く配置することにより向上できる。

筋肉量指数及び体温等の他の生物学的特徴を記録できる技術が人間の生物学的特徴の更なる詳細を提供するために使用されてもよい。身長、体重、性別及び衣服等の共通情報に加えて個人の生物学的特徴に関する更に詳細な情報を用いる場合、開示されるシステムは人間の識別及び照合において無線生体情報をより有用に使用する。

開示されるシステムは、殆どの時間において静的である環境で実現されてもよい。例えばこれは、認定されたスタッフの入室を許可するために銀行の金庫等の場所で身元を確認するために実現可能である。これは更に、ホームセキュリティシステムにおいて使用され、別荘の無線電子鍵として機能することができる。更に、ロケーションが埋め込まれた無線生体情報は、被検者が誰であるか及び被検者の位置の双方を示す必要がある用途において有用である。環境に依存する無線生体情報が抽出されると、開示されるシステムは、被検者により通知されることなく個人を識別でき、被検者との直接接触がない用途又はセンサと被検者との間に障害物が存在する用途において実現可能である。

図１６は、本教示の一実施形態に係る人間識別の適用例を示す。図１６に示すように、データベース構築段階１６１０の間、システムは、例えば空港又はセキュリティチェックを有する他の場所において、個人の無線生体情報を記録するためにセキュリティチェックポイント１６１３に立つことを各個人に要求し、個人の無線生体情報が埋め込まれたマルチパスを介して無線信号を送信してもよい。無線信号は、送信機１６１２から受信機１６１４へ送信されてもよい。受信機１６１４は、無線信号が送信されたマルチパスが個人の影響を受けて個人の無線生体情報を埋め込まれているため、個人の人間無線生体情報を検出できる。受信機１６１４は、個人の記録された人間無線生体情報を無線生体情報データベース１６１６に送出してもよく、当該データベース１６１６は各々が記録された個人に対応する全ての人間無線生体情報を格納できる。

次に、人間識別段階１６２０において、システムは人間無線生体情報を測定するために各候補者にセキュリティチェックポイント１６１３に立つように要求し、候補者の無線生体情報が埋め込まれたマルチパスを介して無線信号を送信してもよい。この場合も、無線信号は、送信機１６１２から受信機１６１４へ送信されてもよい。受信機１６１４は、無線信号が送信されたマルチパスが候補者の影響を受けて候補者の人間無線生体情報を埋め込まれているため、候補者の人間無線生体情報を検出できる。受信機１６１４は、１６２２におけるマッチング動作のために、候補者の検出された人間無線生体情報を送出してもよい。１６２２において、システムは、各々が記録された個人に対応する格納済み人間無線生体情報を検索し、検出された人間無線生体情報と検索された人間無線生体情報とを比較して、マッチングするものが存在するかを判定できる。上述したように、人間無線生体情報は、個人を区別するのに十分なほど個人によって異なる。それに加えて、人間無線生体情報は、個人を識別するのに十分な一貫性を有する。そのため、システムが１６２２においてマッチングするものを見つけた場合、システムは、マッチングする人間無線生体情報を有する対応する記録済み個人の情報に基づいて、候補者のアイデンティティを判定でき、種々の用途に従って候補者に入室を許可してもよい。一方、システムが１６２２においてマッチングするものを見つけない場合、システムは種々の用途に従って候補者の入室を拒否できる。一実施形態において、システムは、後で使用するために、マッチングしなかった候補者の人間無線生体情報を記録してもよい。システムの同様の用途が使用されてもよいことが理解される。例えば、警察が逃亡者を捕まえようとしている場合、システムは、測定された候補者と記録済み逃亡者との間で人間無線生体情報がマッチングした場合、入室許可の代わりに警察への警告を提供してもよい。

図１７Ａは、本教示の一実施形態に係る例示的な開示されるシステム１７００における人間識別の一般的な実現例を示す例示的な図である。図１７Ａに示すように、例示的な開示されるシステムは、単一の受信機１７２０、ＣＳＩ収集器１７０２、無線生体情報精製器１７０４、無線生体情報抽出器１７０６、無線生体情報データベース１７０７、ＴＲＲＳ計算器１７０８、情報統合器１７１０及びアイデンティティ判定器１７１２を含む。一実施形態において、図１７Ａに示すように、ＣＳＩ収集器１７０２、無線生体情報精製器１７０４、無線生体情報抽出器１７０６、ＴＲＲＳ計算器１７０８、情報統合器１７１０及びアイデンティティ判定器１７１２は全て、プロセッサ１７３０上で実現されてもよい。図１７Ｂは、本教示の一実施形態に係る例示的な開示されるシステム１７０１における人間識別の一般的な実現例を示す別の例示的な図である。図１７Ｂに示すように、多重アンテナの技術を利用するために、単一の受信機１７２０が複数の受信機１７２２に置き換えられてもよい。例えば複数の受信機からである多重アンテナからのＣＳＩは、国際出願第ＰＣＴ／ＵＳ２０１７／０１５９０９号及び第ＰＣＴ／ＵＳ２０１６／０６６０１５号に開示される方法等の種々の方法を使用して組み合わせ又は統合が可能である。それに加えて、開示されるシステム１７００、１７０１はそれぞれ、プロセッサ１７３０に通信可能に結合されたメモリを含んでもよい。

本例における単一の受信機１７２０は、対象者の影響を受けたマルチパスチャネルから少なくとも１つの無線信号を受信してもよい。対象者は、データベース構築段階において記録される対象者であってもよく、人間識別段階において検査される対象者であってもよい。本例におけるＣＳＩ収集器１７０２は、無線信号からＣＳＩを収集するように構成されてもよい。ＣＳＩ収集器１７０２は、受信した少なくとも１つの無線信号に基づいてマルチパスプロファイルを推定してもよい。上述したように、マルチパスプロファイルは、対象者の無線生体情報を含んでもよい。ＣＳＩ収集器１７０２は、無線生体情報の精製のために無線生体情報精製器１７０４にマルチパスプロファイルを送出できる。

本例における無線生体情報精製器１７０４は、無線生体情報精製器１７０４からマルチパスプロファイルを受信し、推定マルチパスプロファイルにおける位相歪みを補償してもよい。このように、無線生体情報精製器１７０４は、対象者の補償済みマルチパスプロファイルを収集し、無線生体情報の抽出のために無線生体情報抽出器１７０６に対象者の補償済みマルチパスプロファイルを送出できる。

本例における無線生体情報抽出器１７０６は、無線生体情報精製器１７０４から対象者の補償済みマルチパスプロファイルを受信し、背景情報を取得してもよい。無線生体情報抽出器１７０６は、補償済みマルチパスプロファイルから背景情報を除去することにより、無線生体情報を抽出してもよい。データベース構築段階において、無線生体情報抽出器１７０６は、対象者の精製済み無線生体情報を対象者のアイデンティティと共に無線生体情報データベース１７０７に格納してもよい。人間識別段階において、無線生体情報抽出器１７０６は、ＴＲＲＳの計算のために、対象者の精製済み無線生体情報をＴＲＲＳ計算器１７０８に送出してもよい。

本例におけるＴＲＲＳ計算器１７０８は、無線生体情報抽出器１７０６から検査無線生体情報を受信し、無線生体情報データベース１７０７から格納済み無線生体情報を検索してもよい。検査無線生体情報と格納済み無線生体情報との各対に基づいて、ＴＲＲＳ計算器１７０８は検査無線生体情報と格納済み無線生体情報との間のＴＲＲＳを計算できる。一実施形態において、ＴＲＲＳ計算器１７０８は、情報の統合のために情報統合器１７１０にＴＲＲＳを送出してもよい。

本例における情報統合器１７１０は、ＴＲＲＳ計算器１７０８から計算されたＴＲＲＳを受信し、全てのリンクからのＴＲＲＳを組み合わせて、検査無線生体情報と格納済み無線生体情報との間の最も高いＴＲＲＳと、格納済み無線生体情報に対応するアイデンティティとを見つけてもよい。情報統合器１７１０は、アイデンティティの判定のために、最も高いＴＲＲＳ及びそれに対応するアイデンティティをアイデンティティ判定器１７１２に送出してもよい。

本例におけるアイデンティティ判定器１７１２は、情報統合器１７１０から最も高いＴＲＲＳ及びそれに対応するアイデンティティを受信し、最も高いＴＲＲＳと信頼性閾値とを比較してもよい。最も高いＴＲＲＳが信頼性閾値より大きい場合、アイデンティティ判定器１７１２は対応するアイデンティティを被検者のアイデンティティとして出力してもよい。最も高いＴＲＲＳが信頼性閾値より大きくない場合、アイデンティティ判定器１７１２は被検者のアイデンティティが未知であると判定してもよい。

図１８は、本教示の一実施形態に係る人間識別のためのデータベースを構築する処理を示すフローチャートである。図１８における処理は、図１７Ａ及び図１７Ｂに示すシステムにより実行されてもよい。ステップ１８０２において、少なくとも１つの無線信号が、記録対象者の影響を受けたマルチパスチャネルから受信される。ステップ１８０４において、受信した少なくとも１つの無線信号に基づいてマルチパスプロファイルが推定される。ステップ１８０６において、推定マルチパスプロファイルにおける位相歪みが補償される。次に、ステップ１８０８において、記録対象者の補償済みマルチパスプロファイルが収集される。ステップ１８１０において、背景情報が取得される。ステップ１８１２において、例えば背景情報を除去することにより、無線生体情報が抽出される。ステップ１８１４において、後で人間識別に使用するために、記録対象者の精製済み無線生体情報が記録対象者のアイデンティティと共にデータベースに格納されてもよい。

図１９は、本教示の一実施形態に係る人間識別の処理を示すフローチャートである。図１８における処理は、図１７Ａ及び図１７Ｂに示すシステムにより実行されてもよい。ステップ１９０２において、少なくとも１つの無線信号が、検査対象者の影響を受けたマルチパスチャネルから受信される。ステップ１９０４において、受信した少なくとも１つの無線信号に基づいてマルチパスプロファイルが推定される。ステップ１９０６において、推定マルチパスプロファイルにおける位相歪みが補償される。ステップ１９０８において、例えば背景情報を除去することにより、無線生体情報が抽出される。

ステップ１９１０において、検査無線生体情報とデータベース内の無線生体情報との間のＴＲＲＳが計算される。ステップ１９１２において、全てのリンクからのＴＲＲＳが組み合わされる。ステップ１９１４において、検査無線生体情報と全ての格納済み無線生体情報との間の全てのＴＲＲＳの中で最も高いＴＲＲＳと対応するアイデンティティとが見つけられる。ステップ１９１５において、最も高いＴＲＲＳが所定の信頼性閾値より大きいかが判定される。最も高いＴＲＲＳが所定の信頼性閾値より大きい場合、処理はステップ１９１６に進み、対応するアイデンティティが検査対象者のアイデンティとして出力される。最も高いＴＲＲＳが所定の信頼性閾値より大きくない場合、処理はステップ１９１８に進み、検査対象者のアイデンティは未知であると判定される。

本開示で説明された種々のモジュール、ユニット及びそれらの機能性を実現するために、本明細書中で説明された要素（例えば、図１〜図１９のいずれかに関して説明したシステムの構成要素）の１つ以上に対するハードウェアプラットフォームとしてコンピュータハードウェアプラットフォームを使用してもよい。そのようなコンピュータのハードウェア要素、オペレーティングシステム及びプログラミング言語は本質的に従来のものであり、当業者は、本明細書中で説明した人間無線生体情報に基づく人間識別を調べるために当該技術を適合するために、それらに十分に精通していると推測される。ユーザインタフェース要素を有するコンピュータは、パーソナルコンピュータ（ＰＣ）又は他の種類のワークステーション又は端末装置を実現するために使用されてもよいが、コンピュータは適切にプログラミングされた場合にサーバとして機能してもよい。当業者はそのようなコンピュータ機器の構造、プログラミング及び一般的な動作に精通していると考えられ、そのため、図面は自明である。

開示されるシステムは、ユーザインタフェース要素を含むハードウェアプラットフォームの機能ブロック図を有する専用システムにより実現可能である。コンピュータは、汎用コンピュータ又は専用コンピュータであってもよい。双方は、本教示に対する専用システムを実現するために使用可能である。このコンピュータは、本明細書中で説明するように、人間無線生体情報に基づく人間識別技術の何らかの構成要素を実現するために使用されてもよい。例えば図１７Ａ及び図１７Ｂ等のシステムは、コンピュータのハードウェア、ソフトウェアプログラム、ファームウェア又はそれらの組み合わせを介して、コンピュータ上で実現されてもよい。

従って、上記で概要を述べた人間無線生体情報に基づく人間識別方法の態様は、プログラミングにおいて実現されてもよい。技術のプログラム態様は、通常は、一種の機械可読媒体で搬送されるか又はそれに埋め込まれる実行可能なコード及び／又は関連するデータの形態である「製品」又は「製造品」であると考えられてもよい。有形不揮発性「記憶」型媒体は、コンピュータ又はプロセッサ等のためのメモリ又は他の記憶装置、あるいはソフトウェアプログラミングに対していつでもストレージを提供してもよい種々の半導体メモリ、テープドライブ及びディスクドライブ等、その関連付けられたモジュールのうちのいずれか又は全てを含む。

ソフトウェアの全体又は一部は、インターネット又は種々の他の電気通信ネットワーク等のネットワークを介して時々通信してもよい。そのような通信は、例えば１つのコンピュータ又はプロセッサから別のコンピュータ又はプロセッサへのソフトウェアのロードを可能にしてもよい。従って、ソフトウェア要素を担持してもよい別の種類の媒体は、有線ネットワーク、光固定ネットワーク及び種々のエアリンクを介して、ローカルデバイス間の物理インタフェースにわたり使用されるような光波、電波及び電磁波を含む。有線リンク、無線リンク又は光リンク等のそのような波を搬送する物理的要素もまた、ソフトウェアを担持する媒体であると考えられてもよい。本明細書中で使用されるように、有形「記憶」媒体に限定されない限り、コンピュータ又は機械「可読媒体」等の用語は、実行するためにプロセッサに命令を提供することに関係する何らかの媒体を示す。

従って、機械可読媒体は、有形記憶媒体、搬送波媒体又は物理的伝送媒体を含むがそれらに限定されない多くの形態をとってもよい。不揮発性記憶媒体は、例えば、図面に示すようなシステム又はその構成要素のいずれかを実現するために使用されてもよい何らかのコンピュータ等におけるいずれかの記憶装置等の光ディスク又は磁気ディスクを含む。揮発性記憶媒体は、そのようなコンピュータプラットフォームのメインメモリ等のダイナミックメモリを含む。有形伝送媒体は、同軸ケーブル、コンピュータシステム内でバスを形成するワイヤを含む銅線及び光ファイバを含む。搬送波伝送媒体は、無線周波数（ＲＦ）データ通信及び赤外線（ＩＲ）データ通信の間に生成されるような電気信号、電磁信号、音波又は光波の形態をとってもよい。従って、コンピュータ可読媒体の一般的な形態は、例えば、フロッピーディスク、フレキシブルディスク、ハードディスク、磁気テープ、他の何らかの磁気媒体、ＣＤ−ＲＯＭ、ＤＶＤ又はＤＶＤ−ＲＯＭ、他の何らかの光媒体、パンチカードの紙テープ、穴のパターンを有する他の何らかの物理記憶媒体、ＲＡＭ、ＰＲＯＭ及びＥＰＲＯＭ、ＦＬＡＳＨ−ＥＰＲＯＭ、他の何らかのメモリチップ又はカートリッジ、データ又は命令を伝送する搬送波、そのような搬送波を伝送するケーブル又はリンク、あるいはコンピュータがプログラミングコード及び／又はデータを読み出してもよい他の何らかの媒体を含んでもよい。コンピュータ可読媒体のそれらの形態の多くは、実行するために１つ以上の命令の１つ以上のシーケンスを物理プロセッサに搬送することに関係してもよい。

いくつかの実施形態において、上述したように、ＣＳＩから抽出された無線生体情報は、例えばＴＲＲＳである類似性メトリックを用いてデータベース内の他の無線生体情報と直接比較されてもよい。しかし、他の実施形態において、ＣＳＩから抽出された無線生体情報は異なる人間の間で非常に類似する場合がある。その場合、それらを類似しないものにするために、すなわち互いから遠ざけるために、ＣＳＩから生成された無線生体情報に適用する方法又は設計を開発してもよい。例えば、ＣＳＩから抽出される異なる個人の無線生体情報を更に分離し、人間識別等の用途においてそれらをより区別可能にするために、以下に説明するような波形整形設計を使用できる。

ＴＲ認識のための波形整形設計において、時間領域における２つのＣＳＩサンプルｈ₁及びｈ₂の間の時空間共振の強度（ＴＲＲＳ）
は、以下のように、ＣＳＩ測定値ｈ₁とｈ₂の波形整形ベクトルｇ₂との間の関数として定義されてもよい。
式中、「＊」は畳み込みを示し、ｌはタップインデックスであり、Ｌはタップ数であり、ｇ₂はｈ₂の波形整形ベクトルである。ｈに対する基本的なＴＲ波形整形ベクトルｇ_TRは以下のように定義される。
ｇ_TR［ｋ］=ｈ^*［Ｌ−ｋ−１］, ｋ＝０, １,..., Ｌ−１ （１８）

式中、ｇ_iはマルチパスプロファイルｈ_iのｉ番目のクラスに対する波形整形ベクトルである。この目的は、異なるＣＳＩサンプル間の差異を強調することである。

全てのＣＳＩベクトルが正規化されると仮定すると、式（１７）を式（１９）に代入することにより、以下を得られる。

式（２０）における問題は同時最適化問題であり、これは複雑で高次である。以下に示す詳細を用いてスラック変数γ_iを導入することにより、問題を各クラスｉに対する最適化問題の集合に分離できる。

式（２０）における問題に対する最適値は、
を通じて見つけることができる。

問題を更に単純化し、それを解くための効率的なアルゴリズムを見つけるために、式（２１）に複数の緩和法を適用して式（２１）をＳＤＰ問題に変換できる。以下のように、ＴＲＲＳを下限から限定できる。
式中、上付き文字Ｔは転置演算子を示し、関数conj(・)はベクトルに対する要素毎の共役を実行する。

この緩和法により、複雑なｍａｘ演算を解決できる。更に、以下のように制約の数を減少することにより、問題を更に緩和できる。
式（２４）の最後の不等式は、元の２Ｌ個の制約が２Ｍ＋１個の制約に減少されたことを意味し、これは、ｋ＝０, １,..., ２Ｌ−１とする系列 (T(ｈ_j, k))^Tｇ_iｇ_i ^H conj(T(ｈ_j, k)) 中央の２Ｍ＋１個の点に対応する。式（２１）における問題と比較すると、最適化問題がはるかに単純であり、実現可能な空間がはるかに小さく、ｍａｘ演算が除去されている。新しい問題は以下のように表すことができる。

最後に、以下のようにｇ_iｇ_i ^HをＧ_iに置き換えることにより、ＳＤＰ緩和を式（２５）における問題に適用してもよい。

上記の最適化は一般的な凸最適化問題であり、標準的な凸最適化解法を使用して効率的に解くことができる。更に、スレーターの条件が式（２６）における問題に対して成立することがわかり、これは強い双対性が成立することを意味する。更に、最適な変数Ｇ_i ^*, ∀ｉはランク１を有することが証明され、すなわち
であることが証明される。従って、式（２６）における問題と式（２５）における問題は、それらが同一の最適な変数及びγ_i ^*を共有する点で等価である。式（１９）における元の最適化を考慮した場合、式（２６）における問題により略最適解が得られる。

受信機側では、各チャネル状態サウンディングの後、以下のように、各個人に対するＬ×Ｍ未加工ＣＳＩ行列を収集できる。
式中、Ｍは送信機と受信機との間のリンクの数であり、Ｌはチャネル周波数応答（ＣＦＲ）における利用可能なサブキャリアの数である。ＣＦＲは、周波数領域で測定されたＣＳＩである。

２つのＣＳＩサンプルｈ₁及びｈ₂の間の周波数領域におけるＴＲ時空間共振の強度
は、以下のように定義されてもよい。
式中、ＬはＣＳＩベクトルの長さであり、ｋはサブキャリアインデックスであり、ｇ₂はｈ₂の波形整形ベクトルである。周波数領域におけるＣＳＩ測定値ｈに対する周知のＴＲ波形整形ベクトルは以下である。

式中、ｇ_iはマルチパスプロファイルｈ_iのｉ番目のクラスに対する波形整形ベクトルである。

同様に、ＣＦＲが正規化される場合、スラック変数γ_iを導入して以下の式（３１）のように表現することにより、問題を各クラスｉに対する最適化問題の集合に単純に分解できる。

式（３１）における問題に対する最適値は、
を通じて見つけることができる。式（３１）における問題を更に効率的に解くために、問題を２つのステップで緩和できる。

下限は、以下から得られる。

このステップにより、最適値γ_i ^*は式（３１）における最適値に近くなる。更に、最適化の非凸性を解決するために、以下のように式（３２）にＳＤＰ緩和を適用できる。
式中、Ｇ_i＝ｇ_iｇ_i ^Hである。

式（３４）における問題は、凸最適化問題である。更に、スレーターの条件が成立し、このことは強い双対性を意味する。最適な変数Ｇ_i ^*は式（３４）におけるランク１のものであり、
を示すことが証明される。式（３４）における問題は、式（３１）における元の問題に対する略最適の場合である。

周波数領域最適化（３４）においてＳＤＰを解くことの計算上の複雑さは、変数の次元（数）の影響を受ける。周波数領域ＴＲ波形整形問題では、通常は多くのサブキャリアが存在し且つ変数Ｇ_iが高次を有するため、変数の次元は極めて多い場合がある。本教示は、強い双対性が成立し且つ
であることを使用して式（３４）の双対問題を解くことにより、効率的な解法を開示する。開示される高速アルゴリズムの詳細を以下に説明する。

式（３４）における最適化問題のラグランジュ関数は、以下のように定義される。

次に、式（３５）に基づいて、双対関数を以下のように導出できる。

この場合、双対最適化問題は以下のようになる。

この場合、式（３４）における問題に対するｇ_i ^*は、
に対応する固有ベクトルである。計算上の複雑さは大幅に減少されており、これはＣＦＲクラスの数に対して線形性を有する。

異なる認識タスクにおける波形整形の性能は、時間領域無線検知システム及び周波数領域無線検知システムの双方で評価される。最適な波形整形により得られる性能の向上は、壁越しに異なる個人を識別する実験を通して検証される。実験設定を図４の間取り図に示す。実験において、１２人が認識され、γ_thは０．９に設定される。識別性能は、図１２に示すＲＯＣ曲線により評価される。図１２において、「ＢＧ」は、人間無線生体情報を抽出して精製するアルゴリズムを使用した場合の結果を表し、「ＴＲ」は、基本的なＴＲ波形整形を使用した場合の結果を表し、「ＷＤ」は、本教示で開示される波形整形設計を使用した場合の結果を表し、「ＢＧ＋ＴＲ」は、基本的なＴＲ波形整形と人間無線生体情報を抽出して精製するアルゴリズムとを使用した場合の結果を表し、「ＢＧ＋ＷＤ」は、本教示で開示される波形整形設計と人間無線生体情報を抽出して精製するアルゴリズムとを使用した場合の結果を表す。図１２に示す方式のうち、最善の方式は、最適な波形整形及び無線生体情報精製の双方を人間識別の用途に適用することである。同一の誤警報率の場合、開示される波形整形アルゴリズム及び無線生体情報精製を使用すると検出率を９％上昇できる。

開示されるシステムは、種々の用途で使用される無線ショットシステムであってもよい。一実施形態において、開示されるシステムは、商業オフィス及び家屋に対する入室制御等、センサへの接触又は接続を必要とせずに、承認されたユーザを識別して入室を許可する高度な電子鍵システムとして使用可能である。別の実施形態において、開示されるシステムは、意図的な破壊からセンサを保護するためにセンサが被検者から見えないか又は届かないようにすることをユーザが望む場合に、現在の電子鍵システムの代替として使用可能である。別の実施形態において、開示されるシステムは、汚染されないこと及び関係者以外入室禁止を必要とする疾病管理オフィス等、ユーザが扉を開くためにセンサ又は鍵に触れられない場合に、現在の電子鍵システムの代替として使用可能である。更に別の実施形態において、開示されるシステムは、Ｗｉ−Ｆｉルータが現在世界中に広く普及しているため、指紋、虹彩又は網膜スキャンに基づくシステムと比較して、全ての家屋、オフィス及び他の場所での容易で効率的な電子鍵システムとして使用可能である。別の実施形態において、開示されるシステムは、無線ショットを介して両親又は承認されたユーザを識別できるテレビ、デスクトップ又は他の電子娯楽機器にインストールされた高度な親管理システムとして使用可能である。

人間無線生体情報は身体的特徴及び生物学的特徴の影響を受けるため、無線ショットの間にキャプチャされた無線生体情報に従って被検者の体重及び身長等の基本的な身体的特徴を推定できる解析モデルが構築されてもよい。無線ショットによりキャプチャされた現在の無線生体情報から環境に依存する無線生体情報が抽出されると、ＤＮＡライブラリのように、法医学、人類学、統計学等の分野で使用できるように世界中のほぼ全員の無線生体情報を格納する大型データベースを構築できる。識別精度を更に向上するために更に精製された無線生体情報が使用可能である場合、空港における税関及びセキュリティチェックのための識別手段として無線ショットシステムを配置できる。

ユーザは、安全な取引のためのユーザの署名としてＣＳＩを（例えば、ユーザのオフィスにおいて）使用できる。安全な取引における１つの大きい問題は、ユーザの認証である。既存の認証方法は、パスワード、指紋、スマートカード、虹彩等を含んでもよい。開示されるシステムは、ユーザがオフィスにいる時にＣＳＩをキャプチャし、キャプチャ済みＣＳＩを使用してユーザが実際にオフィスにいることを認証するために使用可能である。人々が常に特定の部屋で特定の事柄（例えば、電話会議）を行う場合、これは商用用途において有用でありうる。人間無線生体情報の基本的な考えは、異なる個人間の僅かで微妙な差異を区別することであるため、物体に微妙が差異が存在する場合、本教示における装置は差異を検出することもできる。例えば、配管の欠陥を検出するために装置を使用できる。ＣＳＩ統計値／特徴は、欠陥がない時のチャネルプロービングから取得されてもよい。配管に亀裂がある場合、欠陥がない時のマルチパスパターンと異なる何らかの観察可能なマルチパスパターンを区別できる。

生物医学的用途において、受信機は患者に近いロケーションに設置されてもよい。患者の体内を通過する際にＷｉ−Ｆｉプロービング信号を送信するＷｉ−Ｆｉ対応ロボットピル（Ｂｏｔ）を患者が飲み込む場合、開示されるシステムは、患者の身体の何らかの有用な情報を取得できる。別の例において、開示されるシステムは、人間の呼吸をチェックするために使用可能である。人間の鼻は２つの鼻孔を有するため、右側の鼻孔にＢｏｔを挿入し且つ左側の鼻孔にＯｒｉｇｉｎを設置した場合、Ｗｉ−Ｆｉ信号は肺に入り、肺から出てくるだろう。このように、開示されるシステムは、肺をスキャンするのに役立つことができ、患者が酸素マスクを着用している場合は設置が容易である。同様の作業を人間の耳のスキャンに対して行うことができる。

本教示は種々の変更及び／又は拡張が可能であることが当業者には認識されるだろう。例えば上述した種々の構成要素の実現はハードウェア装置において具現化されてもよいが、既存のサーバへのインストール等、ソフトウェアのみによる解決策として実現されてもよい。更に、本明細書中で開示されるチャネル状態情報に基づくバイタルサインの検出及び監視は、ファームウェア、ファームウェア／ソフトウェアの組み合わせ、ファームウェア／ハードウェアの組み合わせ又はハードウェア／ファームウェア／ソフトウェアの組み合わせとして実現されてもよい。

本教示及び／又は他の例を構成すると考えられるものを上記に説明したが、種々の変更が行われてもよいこと、本明細書中で開示される主題は種々の形態及び例において実現されてもよいこと、本教示は一部のみを本明細書中で説明した多くの用途に適用されてもよいことが理解される。以下の特許請求の範囲は、本教示の真の範囲に含まれる適用、変更及び変形の全てを特許請求することを意図する。

Claims (21)

1. 人間識別のための装置（１７００）であって、
   識別対象者の影響を受けるマルチパスチャネルから少なくとも１つの無線信号を受信するように構成された受信機（１７２０）と、
   プロセッサ（１７３０）と、
   前記プロセッサと通信可能に結合されたメモリとを備え、前記プロセッサは、
   前記少なくとも１つの無線信号からチャネル状態情報（ＣＳＩ）を抽出し、
   前記少なくとも１つの無線信号が前記識別対象者の身体の少なくとも一部から受けた影響を表す無線生体情報を、前記ＣＳＩに基づいて取得し、
   前記無線生体情報に基づいて前記識別対象者のアイデンティティを判定するように構成される、装置。
2. 請求項１に記載の装置であって、
   前記受信機は更に、前記マルチパスチャネルから複数の無線信号を受信するように構成され、前記複数の無線信号のそれぞれは、既知のアイデンティティを有する異なる人間の影響を受けており、
   前記プロセッサは更に、
   前記複数の無線信号のそれぞれからＣＳＩを抽出し、
   各ＣＳＩに基づいて無線生体情報を取得し、ここで、各無線生体情報は、対応する無線信号が、対応する既知のアイデンティティを有する異なる人間の身体の少なくとも一部から受けた影響を表し、
   各無線生体情報を、前記対応する既知のアイデンティティと関連付けてデータベースに格納するように構成される、装置。
3. 請求項２に記載の装置であって、前記識別対象者の前記アイデンティティを判定することは、
   各格納済み無線生体情報を、それに関連付けられたアイデンティティと一緒に、前記データベースから検索することと、
   前記無線生体情報と各格納済み無線生体情報との間の類似度を計算することと、
   前記無線生体情報と全ての格納済み無線生体情報との間の前記類似度のうちの最も高い類似度を判定することと、
   前記最も高い類似度を与える前記格納済み無線生体情報に関連付けられた、対応するアイデンティティを判定することと、
   前記最も高い類似度及び前記対応するアイデンティティに基づいて、前記識別対象者の前記アイデンティティを判定することとを含む、装置。
4. 請求項３に記載の装置であって、前記識別対象者の前記アイデンティティを判定することは、更に、
   前記最も高い類似度と信頼性閾値とを比較することと、
   前記最も高い類似度が前記信頼性閾値より大きい場合、前記識別対象者の前記アイデンティティは前記対応するアイデンティティであると判定することと、
   前記最も高い類似度が前記信頼性閾値より大きくない場合、前記識別対象者の前記アイデンティティは未知であると判定することとを含む、装置。
5. 請求項３に記載の装置であって、前記類似度は、前記無線生体情報及び各格納済み無線生体情報の、時間反転共振強度（ＴＲＲＳ）、相互相関、２つのベクトルの内積、類似性スコア、距離スコア、位相補正、タイミング補正、タイミング補償、及び位相オフセット補償のうちの少なくとも１つに基づいて計算される、装置。
6. 請求項１に記載の装置であって、各ＣＳＩに基づいて無線生体情報を取得することは、
   前記ＣＳＩにおける位相歪みを補償することと、
   共通人間無線生体情報及び静的環境情報を取得することと、
   前記無線生体情報を取得するために、前記補償されたＣＳＩから、前記共通人間無線生体情報及び前記静的環境情報を除去することとを含む、装置。
7. 請求項１に記載の装置であって、前記識別対象者は、光が前記識別対象者と前記受信機との間の直進パスを通って直接進むことができないように、前記受信機の見通し内に存在していない、装置。
8. 請求項１に記載の装置であって、
   前記少なくとも１つの無線信号は、インターネット、インターネットプロトコルネットワーク、及び他の多重アクセスネットワークのうちの少なくとも１つであるネットワークを介して受信され、
   前記受信機は、無線ＰＡＮ、ＩＥＥＥ８０２．１５．１（Ｂｌｕｅｔｏｏｔｈ）、無線ＬＡＮ、ＩＥＥＥ８０２．１１（Ｗｉ−Ｆｉ）、無線ＭＡＮ、ＩＥＥＥ８０２．１６（ＷｉＭａｘ）、ＷｉＢｒｏ、ＨｉｐｅｒＭＡＮ、モバイルＷＡＮ、ＧＳＭ、ＧＰＲＳ、ＥＤＧＥ、ＨＳＣＳＤ、ｉＤＥＮ、Ｄ−ＡＭＰＳ、ＩＳ−９５、ＰＤＣ、ＣＳＤ，ＰＨＳ、ＷｉＤＥＮ、ＣＤＭＡ２０００、ＵＭＴＳ、３ＧＳＭ、ＣＤＭＡ、ＴＤＭＡ、ＦＤＭＡ、Ｗ−ＣＤＭＡ、ＨＳＤＰＡ、Ｗ−ＣＤＭＡ、ＦＯＭＡ、１ｘＥＶ−ＤＯ、ＩＳ−８５６、ＴＤ−ＳＣＤＭＡ、ＧＡＮ、ＵＭＡ、ＨＳＵＰＡ、ＬＴＥ、２．５Ｇ、３Ｇ、３．５Ｇ、３．９Ｇ、４Ｇ、５Ｇ、６Ｇ、７Ｇとそれ以降、他の無線システム及び他のモバイルシステムのうちの少なくとも１つの物理層と関連付けられる、装置。
9. 請求項２に記載の装置であって、各ＣＳＩに基づいて無線生体情報を取得することは、
   前記複数の無線信号のそれぞれから抽出された前記ＣＳＩに基づいて、マルチパスプロファイルを推定することと、
   異なるマルチパスプロファイル間の類似性が最小化され、かつ、異なるマルチパスプロファイル間の距離が最大化されるような波形の設計に基づく空間に、異なるマルチパスプロファイルをマッピングすることとを含む、装置。
10. 請求項９に記載の装置であって、各ＣＳＩに基づいて無線生体情報を取得することは、更に、
    時間領域及び周波数領域の少なくとも１つで取得されたＣＳＩに対する波形を設計することと、
    異なるマルチパスプロファイル間の類似性最小化問題を、単純な解を有する双対問題に変換することと、
    前記異なるマルチパスプロファイルの前記類似性が最小化された後の前記異なるマルチパスプロファイルに基づいて、無線生体情報を取得することとを含む、装置。
11. 受信機とプロセッサと前記プロセッサと通信可能に結合されたメモリとを少なくとも含むマシンで、人間識別のために実行される方法であって、
    識別対象者の影響を受けるマルチパスチャネルから少なくとも１つの無線信号を受信することと、
    前記少なくとも１つの無線信号からＣＳＩを抽出することと、
    前記少なくとも１つの無線信号が前記識別対象者の身体の少なくとも一部から受けた影響を表す無線生体情報を、前記ＣＳＩに基づいて取得することと、
    前記無線生体情報に基づいて前記識別対象者のアイデンティティを判定することとを含む、方法。
12. 請求項１１に記載の方法であって、更に、
    前記マルチパスチャネルから複数の無線信号を受信することと、ここで、前記複数の無線信号のそれぞれは、既知のアイデンティティを有する異なる人間の影響を受けており、
    前記複数の無線信号のそれぞれからＣＳＩを抽出することと、
    各ＣＳＩに基づいて無線生体情報を取得することと、ここで、各無線生体情報は、対応する無線信号が、対応する既知のアイデンティティを有する異なる人間の身体の少なくとも一部から受けた影響を表し、
    各無線生体情報を、前記対応する既知のアイデンティティと関連付けてデータベースに格納することとを含む、方法。
13. 請求項１２に記載の方法であって、前記識別対象者の前記アイデンティティを判定することは、
    各格納済み無線生体情報を、それに関連付けられたアイデンティティと一緒に、前記データベースから検索することと、
    前記無線生体情報と各格納済み無線生体情報との間の類似度を計算することと、
    前記無線生体情報と全ての格納済み無線生体情報との間の前記類似度のうちの最も高い類似度を判定することと、
    前記最も高い類似度を与える前記格納済み無線生体情報に関連付けられた、対応するアイデンティティを判定することと、
    前記最も高い類似度及び前記対応するアイデンティティに基づいて、前記識別対象者の前記アイデンティティを判定することとを含む、方法。
14. 請求項１３に記載の方法であって、前記識別対象者の前記アイデンティティを判定することは、更に、
    前記最も高い類似度と信頼性閾値とを比較することと、
    前記最も高い類似度が前記信頼性閾値より大きい場合、前記識別対象者の前記アイデンティティは前記対応するアイデンティティであると判定することと、
    前記最も高い類似度が前記信頼性閾値より大きくない場合、前記識別対象者の前記アイデンティティは未知であると判定することとを含む、方法。
15. 請求項１３に記載の方法であって、前記類似度は、前記無線生体情報及び各格納済み無線生体情報の、ＴＲＲＳ、相互相関、２つのベクトルの内積、類似性スコア、距離スコア、位相補正、タイミング補正、タイミング補償、及び位相オフセット補償のうちの少なくとも１つに基づいて計算される、方法。
16. 請求項１１に記載の方法であって、各ＣＳＩに基づいて無線生体情報を取得することは、
    前記ＣＳＩにおける位相歪みを補償することと、
    共通人間無線生体情報及び静的環境情報を取得することと、
    前記無線生体情報を取得するために、前記補償されたＣＳＩから、前記共通人間無線生体情報及び前記静的環境情報を除去することとを含む、方法。
17. 請求項１１に記載の方法であって、前記識別対象者は、光が前記識別対象者と前記受信機との間の直進パスを通って直接進むことができないように、前記受信機の見通し内に存在していない、方法。
18. 請求項１１に記載の方法であって、
    前記少なくとも１つの無線信号は、インターネット、インターネットプロトコルネットワーク、及び他の多重アクセスネットワークのうちの少なくとも１つであるネットワークを介して受信され、
    前記受信機は、無線ＰＡＮ、ＩＥＥＥ８０２．１５．１（Ｂｌｕｅｔｏｏｔｈ）、無線ＬＡＮ、ＩＥＥＥ８０２．１１（Ｗｉ−Ｆｉ）、無線ＭＡＮ、ＩＥＥＥ８０２．１６（ＷｉＭａｘ）、ＷｉＢｒｏ、ＨｉｐｅｒＭＡＮ、モバイルＷＡＮ、ＧＳＭ、ＧＰＲＳ、ＥＤＧＥ、ＨＳＣＳＤ、ｉＤＥＮ、Ｄ−ＡＭＰＳ、ＩＳ−９５、ＰＤＣ、ＣＳＤ，ＰＨＳ、ＷｉＤＥＮ、ＣＤＭＡ２０００、ＵＭＴＳ、３ＧＳＭ、ＣＤＭＡ、ＴＤＭＡ、ＦＤＭＡ、Ｗ−ＣＤＭＡ、ＨＳＤＰＡ、Ｗ−ＣＤＭＡ、ＦＯＭＡ、１ｘＥＶ−ＤＯ、ＩＳ−８５６、ＴＤ−ＳＣＤＭＡ、ＧＡＮ、ＵＭＡ、ＨＳＵＰＡ、ＬＴＥ、２．５Ｇ、３Ｇ、３．５Ｇ、３．９Ｇ、４Ｇ、５Ｇ、６Ｇ、７Ｇとそれ以降、他の無線システム及び他のモバイルシステムのうちの少なくとも１つの物理層と関連付けられる、方法。
19. 請求項１２に記載の方法であって、各ＣＳＩに基づいて無線生体情報を取得することは、
    前記複数の無線信号のそれぞれから抽出された前記ＣＳＩに基づいて、マルチパスプロファイルを推定することと、
    異なるマルチパスプロファイル間の類似性が最小化され、かつ、異なるマルチパスプロファイル間の距離が最大化されるような波形の設計に基づく空間に、異なるマルチパスプロファイルをマッピングすることとを含む、方法。
20. 請求項１９に記載の方法であって、各ＣＳＩに基づいて無線生体情報を取得することは、更に、
    時間領域及び周波数領域の少なくとも１つで取得されたＣＳＩに対する波形を設計することと、
    異なるマルチパスプロファイル間の類似性最小化問題を、単純な解を有する双対問題に変換することと、
    前記異なるマルチパスプロファイルの前記類似性が最小化された後の前記異なるマルチパスプロファイルに基づいて、無線生体情報を取得することとを含む、方法。
21. 人間識別のための装置（１７０１）であって、
    識別対象者の影響を受けるマルチパスチャネルから少なくとも１つの無線信号を受信するようにそれぞれ構成された複数の受信機（１７２２）と、
    プロセッサ（１７３０）と、
    前記プロセッサと通信可能に結合されたメモリとを備え、前記プロセッサは、
    前記複数の受信機のそれぞれに関して、前記少なくとも１つの無線信号からＣＳＩを抽出し、
    前記複数の受信機のそれぞれから、前記少なくとも１つの無線信号が前記識別対象者の身体の少なくとも一部から受けた影響を表す無線生体情報を、前記ＣＳＩに基づいて取得することと、
    組み合わされた無線生体情報を生成するために、前記複数の受信機から取得された前記無線生体情報を組み合わせ、
    前記組み合わされた無線生体情報に基づいて、前記識別対象者のアイデンティティを判定するように構成される、装置。