محمدهادی کفایتی، دانش آموخته دانشگاه صنعتی امیرکبیر و مجری طرح سنجش بدون‌سیم به کمک داده‌های تخمین کانال به روش یادگیری ماشین گفت: هدف پایش محیط و سنجش اطلاعات آن با استفاده از اطلاعات موجود شبکه بی‌سیم WiFi بوده است.
وی گفت: در این تحقیق تصویری‌سازی از محیط با کیفیت قابل مقایسه با دوربین و با استفاده از این اطلاعات برای اولین بار در پژوهش‌ها، صورت گرفته است. همچنین تصویرسازی از محیط، به حالت چندگانه نیز توسعه داده شده است. کاربرد این روش در بهبود شرایط نظارتی محیط حضور افراد، بهبود حریم خصوصی افراد با جایگزینی مدل بجای دوربین ویدیویی و رفع نواقص دوربین‌های ویدیویی در شرایط اضطراری نظیر عدم وجود منبع نوری و یا وجود دود در محیط است.
وی تاکید کرد: نتایج این پژوهش به صورت مستقیم در صنایع مخابراتی، و سیستم‌های مرتبط با سلامت و نظارتی قابل استفاده است.
کفایتی افزود: کیفیت برتر تصاویر تولید شده از محیط و افراد، بهبود حفظ حریم خصوصی افراد در روند نظارت محیط، امکان عملکرد در شرایط خاص همچون فقدان منبع نوری و یا وجود دود و مه در محیط، قابلیت پیاده‌سازی ساختار پیشنهادی در اکثر شبکه‌های مخابراتی بدون‌سیم متداول و امکان پیاده‌سازی کم هزینه و قابل استفاده در قالب نرم افزار برای محیط‌های تجاری و مسکونی از ویژگی‌های این طرح به شمار می‌روند.
وی با بیان این که این طرح نمونه داخلی یا خارجی ندارد، گفت: یکی از ویژگی‌های اصلی طرح، پیشنهاد و توسعه ایده، مدل و پیاده‌سازی برای اولین بار بوده است.
پژوهشگر دانشگاه صنعتی امیرکبیر با اشاره به مزیت‌های رقابتی طرح گفت: کیفیت بسیار بالاتر تصاویر خروجی در مقایسه با روش‌های سنتی تصویرسازی و موجود در گذشته، بهبود حریم خصوصی افراد در مقایسه با روش‌های نظارتی مبتنی بر تصاویر ویدیویی، محدودیت‌ها و نواقص کمتر برای استفاده در شرایط اضطراری در مقایسه با روش‌های نظارتی مبتنی بر دوربین ویدیویی از مزیت‌های رقابتی پروژه به شمار می‌روند.
وی با اشاره به کاربرد‌های پروژه گفت: پایش سلامتی و فعالیت افراد در محیط، آشکارسازی نفوذ فرد به محیط و امکان استفاده در کنار سیستم‌های نظارتی مبتنی بر تصاویر ویدیویی برای رفع نواقص و محدودیت‌های آن‌ها در رصد محیط از ویژگی‌های این طرح به شمار می‌روند.
گفتنی است که اساتید راهنمای این پروژه حسن آقائی‌نیا و وحید پوراحمدی از اعضای هیات علمی دانشگاه صنعتی امیرکبیر بوده اند.