Usar señales de radio para 'ver' objetos ocultos en movimiento

Ilustración de la configuración del laboratorio para m-Widar, con transmisores y receptor a la izquierda y una persona detrás del tablero a la derecha. El recuadro en la parte inferior derecha muestra la imagen correspondiente producida por el instrumento - NIST

   MADRID, 25 Jun. (EUROPA PRESS) -

   Investigadores en Estados Unidos han desarrollado un método para usar señales de radio para crear imágenes y vídeos en tiempo real de objetos ocultos y en movimiento.

   Esta tecnología, que se describe en Nature Communications, podría ayudar a los bomberos a encontrar rutas de escape o víctimas dentro de edificios llenos de fuego y humo, y ayudar a rastrear objetos hipersónicos como misiles y desechos espaciales.

   "Nuestro sistema permite obtener imágenes en tiempo real alrededor de las esquinas y a través de las paredes y el seguimiento de objetos que se mueven rápidamente, como desechos espaciales de tamaño milimétrico que vuelan a 10 kilómetros por segundo, más de 20.000 millas por hora, todo desde distancias de separación", dijo el físico Fabio da Silva, quien dirigió el desarrollo del sistema mientras trabajaba en el NIST (National Institute of Standards and Technology).

    "Debido a que usamos señales de radio, atraviesan casi todo, como concreto, paneles de yeso, madera y vidrio", agregó Da Silva. "Es muy bueno porque no solo podemos mirar detrás de las paredes, sino que solo se necesitan unos pocos microsegundos de datos para hacer un cuadro de imagen. El muestreo ocurre a la velocidad de la luz, lo más rápido posible físicamente".

   El método de imágenes del NIST es una variación del radar, que envía un pulso electromagnético, espera los reflejos y mide el tiempo de ida y vuelta para determinar la distancia a un objetivo. El radar multisitio suele tener un transmisor y varios receptores que reciben ecos y los triangulan para localizar un objeto, informa Eureka Alert.

   "Explotamos el concepto de radar multisitio, pero en nuestro caso usamos muchos transmisores y un receptor", dijo Da Silva. "De esa manera, cualquier cosa que se refleje en cualquier lugar del espacio, podemos ubicarla y recrearla en imagen".

   Da Silva explica el proceso de generación de imágenes de esta manera: "Para obtener una imagen de un edificio, el volumen real de interés es mucho más pequeño que el volumen del edificio en sí mismo porque es principalmente un espacio vacío con cosas escasas en él. Para ubicar a una persona, debes dividir el construyendo en una matriz de cubos. Normalmente, transmitirías señales de radio a cada cubo individualmente y analizarías las reflexiones, lo que lleva mucho tiempo. Por el contrario, el método NIST sondea todos los cubos al mismo tiempo y usa el eco de retorno de, digamos , 10 de cada 100 cubos para calcular dónde está la persona. Todas las transmisiones devolverán una imagen, con las señales formando un patrón y los cubos vacíos desapareciendo ".

   Da Silva ha solicitado una patente y recientemente dejó el NIST para comercializar el sistema con el nombre m-Widar (detección, análisis y rango de imágenes de microondas) a través de una empresa de nueva creación, Wavsens LLC.

   El equipo del NIST demostró la técnica en una cámara anecoica, haciendo imágenes de una escena en 3-D que involucra a una persona que se mueve detrás de un panel de yeso. La potencia del transmisor era equivalente a 12 teléfonos móviles que enviaban señales simultáneamente para crear imágenes del objetivo desde una distancia de unos 10 metros a través del tablero.

   Da Silva dijo que el sistema actual tiene un alcance potencial de hasta varios kilómetros. Con algunas mejoras, el alcance podría ser mucho mayor, limitado solo por la potencia del transmisor y la sensibilidad del receptor, dijo.

   La técnica básica es una forma de imagen computacional conocida como renderizado transitorio, que ha existido como una herramienta de reconstrucción de imágenes desde 2008. La idea es utilizar una pequeña muestra de mediciones de señales para reconstruir imágenes basadas en patrones aleatorios y correlaciones. La técnica se ha utilizado anteriormente en la codificación de comunicaciones y la gestión de redes, el aprendizaje automático y algunas formas avanzadas de imágenes.