当我们谈论人体姿态估计时，脑海中首先浮现的往往是 OpenPose、MediaPipe 这类基于摄像头的视觉方案。然而，在隐私敏感场景、弱光环境或需要穿墙感知的应用中，摄像头方案显得力不从心。RuView 项目另辟蹊径，利用商品 WiFi 设备捕获的 Channel State Information（CSI）信号，实现了从射频空间重建人体姿态的完整系统架构。本文将从信号采集硬件选型出发，深入剖析 CSI 信号处理流程、多视图融合策略，以及面向边缘设备的部署调优要点。
CSI 信号采集的硬件基石
WiFi CSI 感知的物理基础在于：当人体在 WiFi 信号覆盖区域内移动或呼吸时，会引起射频信号的多径传播特性变化。CSI 描述的是每个 WiFi 子载波在发射端与接收端之间的信道响应，包含幅度（amplitude）和相位（phase）两个维度。传统消费级 WiFi 网卡仅提供 RSSI（接收信号强度）这类粗粒度指标，无法满足精细感知的需求。
RuView 推荐的核心硬件方案采用 ESP32-S3 开发板，单价约 9 美元即可获取原生 CSI 数据。该芯片支持 20 Hz 的 CSI 帧率，每个帧包含 56 至 192 个子载波（取决于 WiFi 模式）。实测数据表明，在信道 5、20 MHz 带宽条件下，ESP32-S3 可稳定输出 28.5 Hz 的 CSI 帧，UDP 传输延迟控制在 1 毫秒以内。
对于需要更高精度场景，项目支持多节点组网方案。四个 ESP32-S3 节点（总计约 48 美元）通过时分复用（TDM）协议协调工作，形成 N×(N-1) 条测量链路。例如三节点 mesh 可产生 6 条独立链路，覆盖 360 度视角，显著提升姿态估计的鲁棒性和空间分辨率。节点间的时钟同步精度控制在 ±10ppm 范围内，通过信道跳频（1/6/11 频道轮换）进一步扩展有效感知带宽。
若需持久化存储与 AI 推理能力，可选配 Cognitum Seed 协处理器（约 131 美元）。该设备提供 Ed25519 密码学签名、kNN 向量搜索及 MCP 协议代理，使边缘节点具备离线学习与数据溯源能力。
六阶段 CSI 信号处理流水线
获取原始 CSI 数据后，RuView 通过六个精心设计的处理阶段将含噪射频信号转化为可用的姿态与生理特征。
第一阶段：相位净化（Phase Sanitization）。原始 CSI 相位受载波频率偏移（CFO）、采样频率偏移（SFO）及包检测延迟影响严重。系统采用 SpotFi 算法的共轭乘法技术，通过 $CSI_{ratio}[k] = H_1 [k] \times conj (H_2 [k])$ 计算天线对复响应，有效抵消上述硬件引入的相位误差，仅保留环境物体（包括人体）引起的相位变化。
第二阶段：异常值剔除（Hampel Filtering）。Z-score 方法在异常值占比超过 5% 时会因均值与标准差被污染而失效。系统实现 Hampel 滤波器，使用中位数与中位绝对偏差（MAD）替代均值与标准差，在高达 50% 污染率下仍能稳定工作。具体实现中，$\hat {\sigma} = 1.4826 \times MAD$，阈值设为 $3\sigma$。
第三阶段：子载波选择（Subcarrier Selection）。并非所有子载波对人体运动敏感，部分子载波可能位于多径 null 点。系统基于 $sensitivity [k] = var_{motion} /var_{static}$ 计算各子载波的敏感度得分，选取 top-K 敏感子载波参与后续处理。实测表明，这种动态选择策略可提升信噪比 6-10 dB。
第四阶段：时频分析（CSI Spectrogram）。对选定子载波执行滑动窗口短时傅里叶变换（STFT），生成时频矩阵。呼吸信号集中在 0.1-0.5 Hz 频段，行走动作表现为 1-2 Hz 频段能量，而静态噪声则分布在整个频谱。这种二维时频结构为后续 CNN 特征提取提供了丰富的空间模式信息。
第五阶段：菲涅尔建模（Fresnel Zone Model）。呼吸引起的胸廓位移穿过发射端 — 人体 — 接收端之间的菲涅尔区边界时，信号幅度呈现特征性的正弦变化。系统利用 $\Delta\Phi = 2\pi \times 2\Delta d / \lambda$ 和 $A = |\sin (\Delta\Phi/2)|$ 建模该效应，预测呼吸信号在 CSI 中的出现位置与强度，有效解决了多径丰富环境中零交叉计数法失效的问题。
第六阶段：人体速度剖面（BVP）。参考 Widar 3.0 方法，从多普勒频移提取速度分布特征。BVP 的优势在于其域无关性 —— 相同的速度剖面不依赖房间布局、家具摆放或 AP 位置，为跨环境泛化提供了稳健特征。
活体检测与心率监测的 FFT 策略
在姿态估计之外，RuView 实现了无接触的生命体征监测能力。呼吸频率检测采用 0.1-0.5 Hz 带通滤波器配合 FFT 峰值搜索，测量范围覆盖 6-30 BPM。心动过速检测则使用 0.8-2.0 Hz 滤波器，对应 40-120 BPM 的心率区间。
边缘部署时的计算资源受限，Rust 实现经过 SIMD 优化后，单帧 FFT 处理时间仅为 86 微秒，在 Apple M4 Pro 上可达到 11,665 FPS 的吞吐量。这意味着即使在资源最受限的 ESP32-S3 设备上也能完成实时处理。系统输出每帧包含呼吸率、心率、置信度分数及状态标志位，32 字节紧凑格式通过 UDP 每秒推送一次。
针对睡眠监测场景，项目提供睡眠阶段分类模型与呼吸暂停检测模块。呼吸暂停判定标准为连续 10 秒以上无呼吸事件，并基于事件频率计算 AHI（呼吸暂停低通气指数）严重程度评分。
多节点协同与视角融合
单视角 CSI 存在固有限制：肢体被躯干遮挡时不可见，深度信息存在歧义，多人场景下信号重叠难以分离。RuView 通过多节点协同与注意力机制解决这些问题。
多节点部署采用 RuvSense 架构：每个节点依次发射 CSI 信号，其他所有节点同步接收，形成全连接测量拓扑。节点间通过 TDM 协议避免冲突，典型配置下 4 节点 mesh 产生 12 条链路，刷新率保持在 20 Hz。
视角融合的核心是 Cross-Viewpoint Attention 模块。系统将每个节点的 CSI 特征编码为向量，通过几何偏置加权的多头注意力机制自动学习各视角的置信度。偏置项由节点物理位置的几何关系计算得到，使网络能够推理空间中的相对位姿。实验表明，这种融合策略在双人跟踪场景下可实现 10 分钟零 ID 交换的稳定性能。
对于多人分离，系统采用 Stoer-Wagner min-cut 算法在子载波相关图上进行图的划分，将不同人体的信号分配给不同子簇。该算法的时间复杂度为 O (n^1.5 log n)，在实际 56 子载波配置下可实时执行。
预训练模型与边缘部署策略
RuView 提供两种模型训练范式。无监督自学习方法（ADR-024）完全依赖原始 CSI 数据，通过对比学习让模型自行发现 “相似” 与 “相异” 的信号模式。该模式下模型参数约 55 KB，可直接加载至 ESP32 内部 SRAM 运行。
有监督训练模式则利用相机真值数据辅助。v0.7.0 版本引入 MediaPipe 同步采集方案：摄像头捕获 17 个 COCO 关键点，与 ESP32 CSI 帧时间对齐后联合训练。5 分钟数据采集即可达到 92.9% 的 PCK@20 精度。模型提供 lite（189K 参数）至 full（7.7M 参数）四档规模，4-bit 量化后最轻量版本仅需 4 KB 存储。
边缘部署采用分层加载策略。Layer A（小于 5ms）仅加载入口点与清单文件，实现即时启动；Layer B（100ms-1s）加载热权重与邻接表，提供完整推理能力；Layer C（数秒）加载完整图结构，用于训练或深度分析。ESP32 场景推荐使用 int4 量化模型，约 0.7 MB 占用空间。
工程化落地的关键阈值
将 RuView 投入实际部署时，以下参数阈值值得特别关注。存在检测场景下，推荐 ESP32 节点部署密度为每 15 平方米一个，覆盖范围在穿墙模式下约 5 米。呼吸检测的可靠距离为 3 米，SNR 阈值设为 10 dB 以上，此时呼吸频率测量误差可控制在 ±1 BPM。人体计数采用 min-cut 算法，56 子载波条件下单 AP 理论上限为 3-5 人，多 AP 组网可线性扩展。
系统安全层面，项目实现了 Ed25519 签名链式验证、HMAC-SHA256 帧完整性校验及 NDP 速率限制。生产环境建议启用 QUIC 传输层（TLS 1.3 AEAD），并对固件启动进行安全引导验证。
总结：RuView 展示了商品 WiFi 硬件在射频感知领域的潜力。从 ESP32 节点的 CSI 采集，到六阶段信号处理流水线，再到多视图注意力融合与边缘模型部署，整个系统展现了从物理信号到语义理解的完整链路。在隐私敏感、健康监测、智能家居及搜救场景中，这种无摄像头方案提供了独特价值。
资料来源：RuView 项目 GitHub 仓库（github.com/ruvnet/RuView）及关联的 ADR 架构决策记录。