AI工具助力射频感应技术的快速发展

一种基于人工智能的“虚拟专家”在高度专业化的传感研究领域可能有助于推动新技术的发展，包括先进的医疗监测技术。

来自格拉斯哥大学和伦敦帝国理工学院的工程师开发了一种强大的新型人工智能工具，称为RFSensingGPT，可以在消费级计算机上运行。它使用一个定制的射频（RF）感应知识数据库，提供高度可靠的技术建议、计算机编码专业知识和图像分析，这些可以用于支持新设备的设计和开发。

射频感应是一种新兴技术，利用高频无线电波探测物理空间。它通过复杂的分析技术，从反射的电波中构建出物体和人的详细图像，甚至可以通过墙壁进行成像。未来的医疗设备可能会使用射频感应来监测人们在家或医疗环境中的动作和生命体征，而无需依赖摄像头或可穿戴设备。射频感应技术还将集成到下一代6G通信网络中，实现实时监测物理空间，应用于交通、制造和日常生活等领域。

RFSensingGPT的开发总结在《IEEE Transactions on Cognitive Communications and Networking》杂志上发表的一篇早期访问论文中。该论文的通讯作者是格拉斯哥大学詹姆斯·瓦特工程学院的Qammer H. Abbasi教授，他也是该大学通信、传感和成像中心的主任。

他说：“近年来，像ChatGPT这样的大型语言模型已经证明了它们能够提供引人入胜的用户体验，对广泛主题的问题给出令人信服的答案。然而，由于它们接受的是广泛的一般信息训练，在讨论更专业的主题时，由于其训练数据不够完整，往往会提供不准确或误导性的答案。我们开发RFSensingGPT的目的是建立一个系统，能够为专家和新手开发者提供复杂图像分析和准确、易于获取的答案。”

他们使用了一种称为检索增强生成（RAG）的技术，以增强大型语言模型提供专业答案的能力。RFSensingGPT借鉴了团队汇编的超过80,000条射频特定技术信息，包括技术文档、代码库和研究论文，以易懂的语言提供准确的回答。在团队的测试中，它在用户查询中提供了相关技术文档的访问率接近98%，显著优于标准AI模型36%的正确回答率。

它还可以处理准确解释频谱图的挑战性任务——频谱图是复杂的视觉表示，用于感应系统跟踪射频波范围内的物体或人员的运动。研究人员训练RFSensingGPT能够识别在三个不同射频频段（24GHz、77GHz和Xethru）产生的感应信号频谱图中的模式。RFSensingGPT能够以93%的准确率解释显示人们坐着、行走、爬行或弯腰的信号。

团队在两台计算机系统上测试了RFSensingGPT的性能，一台是使用英特尔处理器的标准Windows桌面，另一台配备了中端Nvidia GPU。在这两种情况下，RFSensingGPT都提供了快速且准确的结果，表明即使在相对低功耗的计算机系统上也能使用。

詹姆斯·瓦特工程学院院长Muhammad Imran教授是该论文的共同作者。他说：“RFSensingGPT可以通过使专业知识更容易被专家和新手开发者访问，从而显著加速医疗监测领域的研究和开发，帮助在整个行业中普及射频专业知识。我们已经证明，它可以在不需要复杂计算设置的情况下提供准确的支持，并希望它能被射频感应研究人员广泛采用。我们还在研究如何训练该系统在未来几年内为其他相关的通信领域提供类似服务，推动先进AI驱动的6G网络、智慧城市基础设施和医疗监测应用的创新。”

詹姆斯·瓦特工程学院的Muhammad Zakir Khan、Yao Ge和Michael Mollel博士以及伦敦帝国理工学院的Julie McCann教授共同撰写了这篇论文。该团队的论文题为“RFSensingGPT：一种多模态RAG增强框架，用于6G网络中的集成感应和通信智能”，发表在《IEEE Transactions on Cognitive Communications and Networking》上。这项研究得到了英国研究与创新署（UKRI）工程与物理科学研究委员会（EPSRC）通过CHEDDAR EP/X040518/1和CHEDDAR Uplift EP/Y037421/1项目的资助。

(全文结束)