“我们通过数据发现了这些有趣的地方，”第一作者，计算机科学与人工智能实验室(CSAIL)的博士生Chen-Yu Su说道。“我们生活在无线信号的海洋中，我们走来走去的方式改变了这些反射。我们开发了一种系统，可以监听这些反射……以更好地了解人们的行为和健康状况。”
这项研究由Dina Katabi领导，他是电机工程和计算机科学系的Andrew和Erna Viterbi教授，也是MIT无线网络和移动计算中心(Wireless @ MIT)的负责人。CSAIL研究生赵明敏，李光和和校友Rumen Hristov SM '16也是卡塔比(Katabi)和许(徐)的佼佼者。
当部署在家里时，Marko会发射出RF信号。当信号反弹时，它会创建一种热图，分为垂直和水平“框架”，指示人们在三维空间中的位置。人们在地图上显示为明亮的斑点。垂直框架捕获人的身高和体形，而水平框架确定其大致位置。当人们走路时，系统会分析RF帧(每秒约30个)，以生成称为轨迹小轨迹的短轨迹。
卷积神经网络-一种通常用于图像处理的机器学习模型-使用这些小轨迹来分离某些人的反射。对于它感测到的每个人，系统都会创建两个“过滤蒙版”，它们是围绕该人的小圆圈。这些遮罩基本上可以滤除圆外的所有信号，从而在移动时锁定个人的轨迹和身高。结合所有这些信息-高度，身材和运动-网络将特定的RF反射与特定的个人相关联。
但是要将身份标记到这些匿名Blob上，必须首先对系统进行“培训”。几天来，人们佩戴了低功率加速度传感器，该传感器可用于以各自的身份标记反射的无线电信号。在实践中部署Marko时，首先会生成用户的Tracklet。然后，一种算法将某些加速度特征与运动特征相关联。例如，当用户走路时，加速度会随着步幅振荡，但是当他们停下来时，加速度变为一条平线。该算法找到加速度数据和小轨迹之间的最佳匹配，并使用用户的身份标记小轨迹。这样，Marko可以了解哪些反射信号与特定身份相关。