当我们谈论人体姿态估计时，深度摄像头、激光雷达、毫米波雷达方案已经广泛应用于计算机视觉领域。然而，这些依赖光学特性的传感器在弱光、遮挡场景下存在天然盲区。WiFi DensePose 另辟蹊径 —— 利用无线信号在空间中传播时被人体散射而产生的微弱扰动，在不借助任何摄像头的前提下重建 17 个 COCO 关键点，并同步输出呼吸率、心率等生命体征数据。这项技术的工程化落地涉及信号处理、模型训练、边缘部署三个层面的系统性挑战。
从无线电波到人体骨骼：CSI 信号处理流水线
WiFi 感知的基础是 Channel State Information（CSI）。当路由器发射的无线电波穿过房间时，人体的呼吸起伏、肢体运动都会改变信号的多径传播特性。路由器与终端之间的通信帧会携带 CSI 数据 —— 每个子载波的幅度与相位信息。普通消费级 ESP32-S3 开发板（售价约 9 美元）即可捕获 56 个子载波的 CSI 数据，采样率最高达 28 Hz。
原始 CSI 数据包含大量噪声与系统误差，直接用于姿态估计会引入显著偏差。RuView 实现了一套六阶段信号处理流水线，将原始无线信号逐步转化为可供神经网络使用的特征表示。
第一阶段是相位净化。硬件引入的载波频率偏移（CFO）与采样频率偏移（SFO）会破坏相位信息的物理意义。系统采用 SpotFi 算法中的共轭乘法技术：对于两天线接收的信号，计算 H₁[k] × conj(H₂[k])，可消除 CFO 与 SFO，仅保留由人体运动引起的相位差异。
第二阶段是异常值剔除。传统 Z-Score 方法在存在异常值时会失效 —— 均值与标准差本身已被异常值污染。系统使用 Hampel 滤波器，以中位数与 MAD（Median Absolute Deviation）作为鲁棒统计量：其中 σ̂ = 1.4826 × MAD，可容忍高达 50% 的异常值污染。
第三阶段是子载波筛选。并非所有子载波对人体运动敏感，部分子载波恰好处于多径 null 点，信号极弱。系统计算每个子载波的灵敏度 sensitivity[k] = var_motion / var_static，选取方差比最高的 10-20 个子载波，可将信噪比提升 6-10 dB。
第四阶段是时频分析。对每个子载波执行短时傅里叶变换（STFT），生成 64×20 的时频矩阵。呼吸信号的频率范围为 0.1-0.5 Hz，步行为 1-2 Hz，心跳为 0.8-2.0 Hz，通过带通滤波可有效分离不同运动类型。
第五阶段是 Fresnel 区域建模。当人体穿越发射端 - 接收端的 Fresnel 区域时，信号会呈现周期性衰减特性。系统基于 TX-Body-RX 几何关系预测呼吸信号出现的位置与幅度，显著优于传统零交叉计数方法。
第六阶段是人体速度轮廓（BVP）提取。借鉴 Widar 3.0 的方法，将多子载波的 Doppler 信息聚合为速度 - 时间分布，这个特征与房间布局无关，是实现跨环境泛化的关键。
经过上述流水线处理后，CSI 特征被送入 WiFlow 神经网络进行姿态推理。
WiFlow 模型架构：TCN 与轴向注意力
WiFlow 是专为 WiFi CSI 设计的姿态估计模型，采用时序卷积网络（TCN）结合轴向注意力机制。模型提供四个规模的预训练版本：lite（189K 参数）、small（474K）、medium（800K）、full（7.7M）。在 ESP32 边缘设备上运行时，使用 4-bit 量化后的 8 KB 模型即可完成实时推理。
模型训练支持两种数据策略。无监督预训练利用大量未标注的 CSI 数据，通过对比学习让模型自行发现信号中的结构化模式。相机辅助微调则使用 MediaPipe 同步捕获 17 个 COCO 关键点作为伪标签，与 ESP32 CSI 数据对齐后进行监督学习。在 v0.7.0 版本中，该方案达到了 92.9% 的 PCK@20 精度（Percent of Correct Keypoints，阈值 20% 骨骼长度），仅需 5 分钟数据采集加 19 分钟训练即可完成。
骨骼物理约束是提升精度的关键 trick。网络输出层添加了骨骼长度约束损失，强制相邻关键点距离符合人体解剖学比例，将骨骼违规率控制在 0%。
边缘部署：ESP32 的实时推理工程
姿态估计的最终价值在于实时部署。ESP32-S3 具有 520 KB SRAM 与 4-8 MB Flash，极为受限的硬件资源对模型压缩提出了严格要求。
模型量化是第一步。使用 4-bit 量化将 8 KB 的全精度模型压缩至可直接加载至 SRAM，推理延迟低于 0.1 ms。量化采用 per-segment 温度分层策略：高频使用的权重采用更精细的量化精度，低频权重则使用更激进的压缩。
子载波降维是第二步。通过方差分析选取 top-K 子载波，将 70 个子载波压缩至 35 个，输入维度减少 50%，同时保留 95% 以上的姿态信息。系统默认使用 ruvector-mincut 模块完成这一筛选过程。
分阶段加载是第三步。RVF 模型容器支持三层渐进加载：Layer A（< 5ms）加载关键入口函数用于即时响应；Layer B（100ms-1s）加载常用权重与邻接表；Layer C（数秒）加载完整图结构用于离线分析。
边缘智能 tiers。ESP32 固件支持三级边缘处理能力：Tier 0 仅传输原始 CSI；Tier 1 包含信号清洗与子载波筛选；Tier 2 集成了完整的存在检测、呼吸心率测量与跌倒警报。实际部署中可在 32 字节的 UDP 包中封装所有检测结果，每秒仅需 1 次传输。
多节点组网：RuvSense 多静态融合
单点 CSI 存在固有两个缺陷：身体部位可能被躯干遮挡产生盲区；单一路径无法恢复深度信息。RuvSense 通过部署多个 ESP32 节点形成多静态传感网络来解决这些问题。
在 N 个节点配置下，系统构成 N×(N-1) 条测量链路。以 4 节点为例，可获得 12 条独立链路，覆盖 360 度视角。节点间采用时分复用（TDM）协议：每个时隙只有一个节点发射信号，其他节点同步接收，避免信号冲突。
跨视角特征融合采用几何偏置注意力机制。系统根据节点部署角度为每个视角分配空间权重，解决融合时的深度歧义。多人物分离使用 Stoer-Wagner min-cut 算法，在子载波相关性图上做图划分，将不同人物的信号分配到独立簇中，实现零 ID 交换的多人追踪。
关键工程参数速查
以下参数来自官方 GitHub 仓库的测试数据与配置建议，供工程落地参考：
| 类别 | 参数 | 取值范围 | 说明 |
|---|---|---|---|
| CSI 捕获 | 子载波数 | 56 / 128 / 192 | ESP32 默认 56，Intel 5300 可达 192 |
| CSI 捕获 | 帧率 | 20-28 Hz | 受 WiFi 信道带宽影响 |
| 信号处理 | Hampel 滤波 sigma | 3.0 | 异常值判定阈值 |
| 信号处理 | 呼吸带通 | 0.1-0.5 Hz | 对应 6-30 BPM |
| 信号处理 | 心率带通 | 0.8-2.0 Hz | 对应 40-120 BPM |
| 子载波筛选 | 灵敏度阈值 | 方差比 top-20 | 可调节保留比例 |
| 姿态模型 | PCK@20 | 92.9% | 相机辅助微调后 |
| 姿态模型 | 关键点数 | 17 COCO | 标准人体骨骼 |
| 边缘推理 | 模型大小 | 8 KB | 4-bit 量化 |
| 边缘推理 | 延迟 | < 0.1 ms | ESP32 SRAM 推理 |
| 多人追踪 | ID 交换 | 0 次 / 10 分钟 | 4 节点配置 |
| 穿墙能力 | 最大深度 | 5 m | 视墙体材质而定 |
| 硬件成本 | 典型部署 | $140 | ESP32-S3 + Cognitum Seed |
应用场景与部署考量
该技术最适合以下场景：养老护理中无需佩戴设备即可监测老人呼吸与跌倒；智能家居实现真正的无感化存在检测，优于 PIR 的人体感应；医疗监护可在非接触条件下连续监测患者生命体征；安防监控在完全无摄像头的敏感区域实现入侵检测。
部署时需要关注几个工程现实：WiFi 信道占用率过高会降低 CSI 采样质量，建议使用专用监测信道；多径环境过于复杂（如金属货架密集）会降低定位精度；相邻房间的 WiFi 网络可作为被动雷达照射源，实际信号带宽会显著提升。
该系统的核心工程价值在于展示了从噪声信号到结构化感知数据的完整链路 —— 每个环节都有明确的数学原理与可调参数，为 WiFi 感知的工业化落地提供了可复现的参考实现。
资料来源：GitHub ruvnet/RuView (https://github.com/ruvnet/RuView)