用 commodity WiFi 实现亚赫兹呼吸检测：CSI 分解工程参数

非接触式生命体征监测长期依赖毫米波雷达或专用传感器，成本与部署复杂度限制了规模化应用。RuView 项目展示了另一种路径：利用现有 WiFi 基础设施的 Channel State Information（CSI），通过亚赫兹信号分解实现呼吸与心率检测。本文聚焦 CSI 分解的工程实现，给出从原始信号到 BPM 读数的完整参数链。

CSI 为何能感知呼吸

WiFi 信号在空间中形成复杂的驻波场，人体胸腔的微小位移（约 4-12 mm）会改变多径传播特性。CSI 记录了每个子载波上的信道频率响应，包含幅度与相位信息。呼吸运动频率落在 0.1-0.5 Hz（6-30 次 / 分钟），远低于 WiFi 帧率，因此可以通过时域累积提取。

关键洞察在于：单个子载波的相位变化对呼吸敏感，但易受噪声干扰；多子载波联合分析通过空间分集抑制噪声。RuView 采用 56 子载波配置，跨 3 个信道（1/6/11）形成 168 个虚拟子载波，构建冗余观测矩阵。

信号处理流水线

1. 带通滤波器设计

呼吸信号与心率信号频段分离，需级联带通滤波：

滤波器实现采用零相位延迟设计（filtfilt），避免相位失真对过零检测的影响。截止频率选择基于呼吸与心率的生理范围下限，同时避开 0.5-0.8 Hz 的模糊带。

2. 相干门控（Coherence Gate）

CSI 信号质量受多径衰落、人体姿态、环境变动影响。RuView 引入 Z-score 相量门控，通过相位相干性判断测量可信度：

状态 = {
  Accept:       |Z| < 2.0 且 相干性 > 0.7
  PredictOnly:  2.0 ≤ |Z| < 3.0
  Reject:       |Z| ≥ 3.0 或 相干性 < 0.5
  Recalibrate:  连续 10 帧 Reject
}

门控机制确保只有高置信度样本进入 BPM 计算，避免异常值污染。滞后阈值（hysteresis）设计防止状态频繁切换导致的输出抖动。

3. 过零 BPM 提取

滤波后的信号通过过零检测计算瞬时频率：

1. 检测正向过零点（信号从负到正穿越零轴）
2. 计算相邻过零点时间间隔 Δt
3. BPM = 60 / (2 × Δt)，因子 2 对应半周期计数
4. 滑动窗口中位数滤波（窗口 30 秒）平滑输出

该方法对基线漂移鲁棒，计算复杂度 O (n)，适合 ESP32-S3 的 240MHz 双核处理器。

部署参数与硬件约束

ESP32-S3 配置

RuView 的固件针对 ESP32-S3 优化，关键参数如下：

• CSI 采样率：100 Hz（每 10ms 一个 CSI 帧）
• 子载波数：56（HT40 模式）
• 内存占用：信号处理流水线约 28KB，MicroLoRA 适配器 2KB，总计 55KB 模型
• 功耗：主动扫描模式约 150mA，支持 USB 供电或电池方案

空间部署建议

单节点感知范围约 5 米，受菲涅尔区几何约束。推荐部署策略：

• 单房间监测：2-3 节点形成多视角观测，通过多静态融合提升信噪比
• 穿墙场景：利用 2.4GHz 绕射特性，单节点可穿透 30cm 混凝土墙体
• 网格扩展：N 节点形成 N×(N-1) 条链路，注意力加权跨视角嵌入

误差来源与缓解

从原型到产品

RuView 的呼吸检测模块（med_sleep_apnea.rs）已实现为 WASM 边缘模块，5KB 体积，<5ms 推理延迟。该设计允许：

• OTA 更新：通过 WiFi 推送新模块，无需物理接触
• 多租户隔离：不同健康监测应用共享 CSI 流，模块级沙箱隔离
• 隐私保护：原始 CSI 不上云，BPM 计算本地完成，符合 GDPR/HIPAA 无视频要求

对于没有 CSI 能力的设备（如普通笔记本），系统退化为 RSSI-only 模式，仅支持粗粒度存在检测，无法提取呼吸特征。

局限与权衡

当前实现存在已知约束：单节点空间分辨率有限，姿态估计 PCK@20 约 2.5%（无相机监督），目标 35% 需相机地面真值训练。呼吸检测精度受限于 CSI 采样率（100Hz 理论上限 50Hz 信号），对高频心率变异（HRV）分析能力不足。

此外，ESP32-C3 和原始 ESP32 因单核性能不足不支持完整 CSI DSP 流水线，必须使用 ESP32-S3 或研究级网卡（Intel 5300/Atheros AR9580）。

总结

通过 CSI 分解实现亚赫兹呼吸检测，本质是将 WiFi 从通信工具重新定义为分布式传感器网络。关键工程参数 ——0.1-0.5 Hz 带通、相干门控阈值、过零窗口 —— 决定了检测精度与鲁棒性的平衡。对于 $9 的 ESP32-S3 节点，这套方案提供了医疗级生命体征监测的低成本替代路径。

参考来源

• RuView GitHub 仓库: https://github.com/ruvnet/RuView
• 原始 DensePose From WiFi 研究（CMU）

ai-systems