WiFi DensePose 信号补偿层与多径滤波参数调优实战

基于商用 WiFi 路由器的信道状态信息（CSI）实现穿墙、毫米级精度的人体姿态估计（如 WiFi DensePose），其核心瓶颈并非神经网络模型本身，而是原始 CSI 信号中严重混叠的直接路径、静态多径反射与动态人体散射信号。本文将聚焦于工程实现中最为关键的信号补偿层与自适应多径滤波，给出可直接落地的参数调优清单与监控要点。

信号预处理层：从混沌 CSI 到清洁早期路径

原始 CSI 是频率、时间与空间（天线）的三维复数张量。第一步是进行相位校正与振幅归一化，以消除硬件偏差与慢衰落。相位校正通常采用跨子载波的线性回归模型： H_k_corrected = H_k * exp(-j*(a*k + b))，其中 a 和 b 通过解卷绕的相位拟合得到，用于移除常见的相位旋转和定时偏移。振幅则进行逐包、逐子载波 / 天线的 Z-Score 或 Min-Max 归一化，以压制慢衰落效应。

关键转换在于将频域 CSI 通过逆傅里叶变换（IFFT）转为延迟域的冲激响应（CIR）。这是分离多径的关键步骤。工程上通常将有限的子载波（例如 Intel 5300 NIC 的 30 个）零填充至 64 或 128 点，以提升延迟分辨率。随后，实施早期路径窗口化：仅保留前 L 个抽头（例如前 3-6 个最强抽头，或对应前 50-100 纳秒的抽头，具体取决于房间大小与 AP - 用户距离），并对窗口外的抽头进行汉宁 / 汉明窗平滑置零，以避免振铃效应。此步骤直接决定了后续输入网络的数据质量，其参数（窗口长度 L、窗函数类型）需根据部署环境进行初始校准。

自适应时频滤波策略：锁定人体运动频带

经过 CIR 窗口化并转换回频域的 “清洁” CSI，仍需经过时域与频域滤波，以进一步抑制残留噪声并突出人体运动信号。

时域带通滤波是核心。人体肢体运动（如行走、挥手）的频率通常落在 0.2 Hz 到 10 Hz 之间。因此，对每个子载波 / 天线的振幅与校正后相位序列，应用一个 4 阶至 6 阶的巴特沃斯带通滤波器（通带 0.2-10 Hz）是标准做法。此滤波器能有效滤除直流偏移、极低频的设备漂移以及高频的突发噪声。

频域平滑则用于对抗由静态多径引起的窄带深衰落。在子载波维度上，应用一个 3 至 5 抽头的移动平均滤波器，可以平滑这些频率选择性衰落，为后续网络提供更稳健的输入。在如 MultiFormer 等采用 Token 化架构的方案中，通常会将时间和频率上采样到一个固定网格（例如 64 时间步 × 64 子载波），这一过程本身就隐式地实现了时频二维平滑。

多天线空间处理：从选择到置零

当系统配备多个接收天线时，空间维度提供了额外的滤波自由度。最简单的策略是天线选择，即仅使用信噪比最高或早期抽头能量最强的天线，丢弃被明显遮挡的天线。更优的方法是最大比合并，在早期抽头或选定的子载波上，以 w_r ∝ H_r* 作为权重进行合并，以增强主导路径。

对于静态反射体干扰严重的环境，可采用协方差白化。在长时间静态校准阶段，估计 CSI 的平均协方差矩阵 R，然后对实时 CSI 进行白化处理：H_tilde = R^(-1/2) * H。此操作能抑制来自固定方向（如墙壁、家具）的持久多径分量。

工程部署调参清单与监控

环境适配参数：
- 房间大且反射强：适当放宽 CIR 延迟窗口（如保留前 80-120 ns 的抽头），并增强时域高通滤波器的截止频率（如提升至 0.5 Hz），以对抗更强的静态多径。
- 房间小且布局简单：收紧延迟窗口（如 30-50 ns），缩短网络输入时间窗口（如 0.5 秒），以保留更精细的微动特征。
硬件配置基准：
- CSI 采样率设定为 50-100 Hz (csi_rate=100)。
- 启用网卡级 CSI 平滑滤波（如 Intel NIC 的 csi_filter=1）。
- 网络输入窗口长度固定为 1.0 秒（即 100 帧），进行逐窗口的均值 / 方差归一化。
实时性能监控点：
- 早期路径能量比：窗口内早期路径能量与总能量的比值，低于阈值（如 0.6）时告警，提示环境多径过强或窗口参数不适配。
- 带通滤波后信号能量：在 0.2-10 Hz 频带内的信号能量，用于监控人体运动是否被有效捕获。
- 姿态输出置信度方差：网络输出的关节点置信度在时间上的方差，方差过低可能表明滤波过于激进，丢失了动态信息。

通过将信号处理流程模块化，并暴露上述关键参数作为可配置项，工程团队可以快速针对不同的建筑结构、硬件布署进行迭代优化，从而在复杂的真实场景中稳定复现毫米级跟踪性能。这标志着 WiFi 感知技术从实验室原型走向规模化应用的关键一步。

资料来源

GitHub 仓库 ruvnet/wifi-densepose 提供了生产就绪的实现参考。
学术论文《MultiFormer: A Multi-Person Pose Estimation System Based on CSI...》详细阐述了多径感知的 CSI 处理框架。