随着物联网技术的普及，利用无线设备进行设备定位、人体行为识别、场景感知等已经成为了行业的研究热点。但是，在现有的无线感知系统中，仍然存在着无线感知数据获取误差较大的问题，这主要是由于1）无线信号极容易受到外界环境的干扰。2）无线设备部署的环境往往较为复杂，变化较快。误差较大的无线感知数据获取会直接导致无线感知结果的偏差，例如对物体定位的误差较大，无法区分用户相近的动作，对场景的预判错误等。对此，许多研究者提出了多种解决思路，包括利用超宽带的方式将到达时间最先的信号作为准确信号，基于提前训练的方式消除环境变量等等，但这些方式都需要额外且昂贵的硬件设备，且可能不适用于变化的外界环境。

    为了解决上述问题，在动态的外界环境下获取更准确的无线感知数据，课题组提出了基于多信道信息融合的元模型抽取方法，在不改变现有的商用设备的基础上，利用射频标签在多个信道上的相位信息的内在关联性，构建无线信号传播元模型，求解准确的感知数据，对场景进行细粒度感知。通过大量实验发现，本系统能够准确感知场景信息，将无线三维定位精度降到6~8厘米内，将人体行为识别精度提高10%~20%，实现了更加准确、普适的无线感知。

该研究成果形成的论文发表在CCF A类国际会议IEEE INFOCOM 2020。