现在有一个新发明的可穿戴原型机，能够检测到你周围环境中正在运行的电器设备。而发明着个名为MagnifiSense的可穿戴设备的人是来自华盛顿大学的一名工程师，该设备是一个腕带式的磁感应检测系统，通过特定的家电，比如微波炉和吹风机之间的磁感应交互，能够判断你周围是否有这些工作的电器。在检测到正在工作的设备之后，系统将判断你将要进行的活动，比如你打开微波炉意味着你这在加热食物，那么你将要吃饭了。如果你打开吹风机，说明你刚洗完头。另外，通过这种设备来追踪和检测个人用户的日常行为活动，能够建立一张个人的能源足迹(energy footprint)，并作出相关的节能措施。另外，这些信息还能传输到智能家居的系统中，为居家老人提供一些安全提示。此外，他们还在文档中列举出了潜在应用场景，该文献发布在2015年的Pervasive and Ubiquitous Computing会议上。
MagnifiSense的工作原理在于，每个设备在工作时所发的电磁辐射模式各不相同，通过一个非常常见的电磁传感器，设备能够捕获用户附近的非常广的频谱。因此，这个可穿戴设备能够识别出周围正在运行的电机、整流器、以及不同的调节器，而他们工作时的电磁辐射模式也各不相同。通过捕获信号，预处理和相关的机器学习算法，MagnifiSense通过不同的排列组合来区分不同设备形成的电磁辐射模式。
Edward Wang和华盛顿大学电气工程系的其他研究人员以电吹风为例，介绍了设备的工作模式。
电吹风的电磁辐射频率包括：一个旋转的马达，所以就还包括相应的，用于控制马达转速的电路。当然，还有电吹风的工作工频，在美国一般是60Hz。而设备正好能捕获这一数据信号。如果设备检测到某一个工作的电器工频不到60hz，那么显然不是电吹风。
这些电器的特性，通常被定义为领域知识，被汇聚成一个模式集，也可以称之为模板。当在系统中录入上百个市面上销售的电吹风的模式集之后，我们通过算法学习电吹风的行为模式。当系统检测到新的工作设备之后，系统将采集到的信号与学习得到的模板进行匹配。
研究小组在12个家庭中测试了12中常用的电器，包括在厨房、课题、卫生间使用的不同设备。同时，MagnifiSense识别了用户和设备之间的交互行为，在最后的24h测试中，MagnifiSense成功的识别了用户与29种不同设备之间交互行为的25种，识别率约为86%左右。
该技术还是十分具有应用前景的，虽然目前的设备还具有一些缺陷需要研究人员去完善。另外，现实中，往往会有多个不同电器设备同时被使用，目前该设备还无法识别超过一个正在运行的设备的情况。
现在的技术瓶颈在于信号，传感器在识别信号时，是通过直接将A，B两个信号进行叠加，得到单个C信号。这就意味着，当你打开电磁炉和搅拌器的同时，目前的设备会检测到一个大于单独运行电磁炉和搅拌器的信号。另外，他们还考虑将这个穿戴设备的体积缩校
