Da sempre l'uomo ha cercato di migliorarsi, di creare un nuovo sé attraverso scoperte, innovazioni e rivoluzioni tecnologiche. Il progresso, di pari passo con le ambizioni, è ciò che rende il genere umano meraviglioso a prescindere dai lati negativi - e quanti lati negativi. Chiunque non può che sentirsi dolcemente perso nell'infinito spazio che circonda le nostre vite, voltare l'angolo di un muro fatto di attesa e ritrovarsi dinanzi un nuovo gradino da salire, insieme, per elevarsi ancora come genere umano.

Oggi tocca aNeal Patwari, Joey Wilson, Sai Ananthanarayanan P. R., Sneha K. Kasera e Dwayne Westenskow. In alcuni documenti rilasciati qualche giorno fa vengono citate due importanti ricerche. Probabilmente titolo ed immagine deusexiane sono lievemente esagerate, ma è l'interesse scaturito nel leggere certe cose non può che portare entusiasmo in ognuno di noi - tornando al discorso del perdersi dolcemente...

[...] a new method for imaging, localizing, and tracking motion behind walls in real-time. The method takes advantage of the motion-induced variance of received signal strength measurements made in a wireless peer-to-peer network. Using a multipath channel model, we show that the signal strength on a wireless link is largely dependent on the power contained in multipath components that travel through space containing moving objects. A statistical model relating variance to spatial locations of movement is presented and used as a framework for the estimation of a motion image. From the motion image, the Kalman filter is applied to recursively track the coordinates of a moving target. Experimental results for a 34-node through-wall imaging and tracking system over a 780 square foot area are presented. -http://arxiv.org/abs/0909.5417

[...] standard wireless networks which measure received signal strength (RSS) can be used to reliably detect human breathing and estimate the breathing rate, an application we call "BreathTaking". We show that although an individual link cannot reliably detect breathing, the collective spectral content of a network of devices reliably indicates the presence and rate of breathing. We present a maximum likelihood estimator (MLE) of breathing rate, amplitude, and phase, which uses the RSS data from many links simultaneously. We show experimental results which demonstrate that reliable detection and frequency estimation is possible with 30 seconds of data, within 0.3 breaths per minute (bpm) RMS error. Use of directional antennas is shown to improve robustness to motion near the network. -http://arxiv.org/abs/1109.3898