Wi-Fi CSI 相位校准与杂波去除：家庭环境中提取准确心跳信号的工程实践

在家庭环境中部署Wi-Fi CSI（信道状态信息）系统用于非接触式心跳检测时，多径干扰和相位失真往往导致信号质量下降，影响检测精度。相位校准和杂波去除作为核心处理步骤，能够有效隔离动态心跳信号（频率约0.8-2 Hz），从而实现可靠的实时监测。本文聚焦工程实践，提供具体参数和清单，帮助开发者克服这些挑战。

相位失真的成因与校准策略

Wi-Fi信号在室内传播时，受限于商用设备硬件，如载波频率偏移（CFO）和采样频率偏移（SFO），CSI相位会产生线性与非线性失真。这些失真在多径环境中放大，导致心跳引起的微弱胸部位移（约0.5 mm）信号被淹没。观点在于，通过相位解缠和校准，可以恢复原始相位模式，提高信号信噪比（SNR）达10-15 dB。

证据显示，CFO可导致相位漂移高达8π，而SFO随子载波索引变化，造成非线性误差。一种有效方法是采用后向链路（back-to-back）校准，利用Wi-Fi收发器间的直接通道估计相位旋转，并通过线性变换去除CFO和SFO。具体公式为：校准相位φ_cal = φ_raw - (α·k + β)，其中k为子载波索引，α和β为拟合参数，通过最小二乘法从静态测量中求得。

可落地参数：

子载波选择：优先使用30-56个子载波（20 MHz带宽），避免边缘子载波的噪声。
校准阈值：相位变化<0.5π视为有效心跳信号；如果漂移>π，触发重新校准。
实现工具：使用Intel 5300 NIC或ESP32提取CSI，在Python中应用SciPy的unwrap函数进行相位解缠，采样率设为1 kHz。

在实际部署中，先在空室环境中采集1000包静态CSI，计算基准相位曲线，作为校准参考。随后，每5分钟动态更新一次，以适应温度或设备漂移。

杂波去除的自适应滤波技术

家庭环境中，墙壁、家具等静态物体产生固定多径杂波，叠加动态干扰（如呼吸谐波1-0.2 Hz），掩盖心跳信号。观点是，自适应滤波结合主成分分析（PCA）能分离杂波，保留心跳的周期性特征，实现<1.5 bpm误差。

证据表明，PCA可丢弃第一主成分（静态杂波主导），保留后续5个成分用于特征提取。随后，应用小波变换（DWT）分解信号，高频分量对应心跳。Pulse-Fi系统实验验证，在3米距离、多姿态下，滤波后SNR提升20%，准确率达95%。

可落地参数：

滤波器类型：Butterworth低通滤波器，阶数4-6，截止频率1.5 Hz（覆盖心跳范围）。
自适应步长：使用NLMS算法，步长μ=0.01-0.05，根据环境噪声自调。
杂波阈值：功率延迟曲线（PDP）中，ToF<10 ns路径视为直接路径，>20 ns为杂波，阈值-30 dB以下剔除。
实现清单：1) 采集CSI幅度/相位；2) PCA降维（保留99%方差）；3) DWT分解（Daubechies小波，4级）；4) 带通滤波（0.8-2 Hz）；5) FFT峰值检测心率。

对于多径干扰，引入自适应阈值：如果环境变化（如门开），动态调整滤波截止频率至2 Hz，并监控PDP稳定性。

工程部署与监控要点

集成上述技术时，系统架构包括发射端（路由器/AP）、接收端（Raspberry Pi + ESP32）和处理模块（AI模型如LSTM预测心率）。观点是，标准化部署清单确保鲁棒性，回滚策略应对失败。

部署清单：

硬件：ESP32（$5-10）作为TX/RX，Raspberry Pi 4（$30）运行滤波/AI。
环境评估：测量室内多径图，LOS路径占比>70%；距离<3米。
校准流程：开机后10秒静态校准，误差<0.1π。
滤波参数初始化：低噪声环境μ=0.01，高干扰μ=0.05。
数据流：采样率500 Hz，缓冲区大小1024包。
验证：与脉搏血氧仪对比，MAE<2 bpm。

监控要点：

实时指标：SNR>10 dB，PDP峰值稳定性<5%波动。
异常处理：如果心率估计偏差>10 bpm，切换到幅度模式（备用，精度低10%）。
回滚策略：滤波失败时，回退至原始CSI幅度分析；多用户干扰时，限制单用户模式。

风险包括设备时钟不同步（限<1 ms）和重杂波（墙反射>50%能量），建议阈值警报：杂波能量>总能量的30%时，提示重新定位设备。

通过这些工程实践，Wi-Fi CSI系统可在家庭实现准确心跳监测，支持健康应用如老人护理。未来，可扩展至多用户，通过MIMO增强抗干扰能力。

（字数：1025）