WiFi 信号不仅承载数据，还携带着空间的物理信息。当无线电波穿透房间时，每一次呼吸、每一个动作都会微妙地改变信号的传播路径。RuView 项目将这种物理现象转化为可工程化的感知系统 —— 无需摄像头、无需可穿戴设备，仅通过分析 WiFi 信道状态信息（CSI）即可实现人体存在检测、生命体征监测甚至姿态估计。这种无设备传感（device-free sensing）架构为隐私敏感场景提供了全新的技术选择。
CSI 信号采集与硬件架构
传统 WiFi 感知依赖 RSSI（接收信号强度指示），但其粒度仅能支持粗略的存在检测。CSI（Channel State Information）则提供子载波级别的相位与幅度信息，使精细感知成为可能。RuView 采用 ESP32-S3 作为边缘采集节点，该芯片支持 CSI 数据流输出，单节点成本约 $9。系统通过多频网格扫描跨 6 个 WiFi 信道工作，并能利用邻居路由器作为 "免费雷达照明器"，将感知带宽提升 3 倍。
硬件部署存在明确的配置梯度：单节点方案仅能提供有限的空间分辨率；推荐配置为 2 + 节点形成测量网格，或搭配 Cognitum Seed（总 BOM 约 $140）实现持久化向量存储与 kNN 搜索。对于研究级应用，Intel 5300 或 Atheros AR9580 网卡提供完整的 3x3 MIMO CSI 数据，但成本与复杂度显著高于 ESP32 方案。
信号处理 pipeline 与边缘智能
从原始 CSI 到可用感知数据的转换需要多阶段信号处理。RuView 的处理流程包括：Hampel 滤波去噪、SpotFi 多径分离、Fresnel 区几何建模、BVP（呼吸与心跳）特征提取，最终通过自学习 AI 模型输出结果。整个 pipeline 在边缘完成，核心模型仅占用 55KB 内存（Transformer 骨干 28KB + 嵌入投影头 25KB + 自适应适配器 2KB），可在 ESP32 的 520KB 可用内存中流畅运行。
系统实现了 60 个 WASM 边缘模块（5-30KB / 个），覆盖医疗监测、安全感知、建筑自动化等 13 个类别。这些模块通过 WASM3 运行时直接在 ESP32 上执行，延迟控制在 10ms 以内。关键模块包括：呼吸检测（0.1-0.5 Hz 带通滤波，支持 6-30 BPM 范围）、心率监测（0.8-2.0 Hz 带通滤波，支持 40-120 BPM 范围）、以及基于 DTW 模板匹配的手势识别器。
自学习与跨环境适应
RuView 的核心创新在于自监督学习机制。系统通过对比学习从原始 WiFi 数据中自动构建环境指纹，无需人工标注或相机辅助训练。每个房间产生独特的 128 维信号指纹，使模型能够识别空间、检测异常入侵、甚至进行人员重识别。MicroLoRA 适配器（每房间 1,792 参数）实现快速环境适应，相比从头训练减少 93% 的数据需求，10 分钟内即可完成新环境的模型微调。
EWC++ 正则化技术确保模型在学习新任务时不遗忘先前知识。这种持续学习能力对于长期部署至关重要 —— 房间布局变化、家具移动、甚至季节性的湿度波动都会影响 WiFi 传播特性，系统需要持续自适应以保持精度。
精度权衡与部署现实
当前版本的技术指标呈现明显的功能分化。存在检测与生命体征监测已达到实用水平：存在感知延迟 0.012ms，准确率接近 100%；呼吸与心率检测在静止状态下表现稳定。然而，姿态估计仍面临精度挑战 —— 无相机辅助训练时 PCK@20 仅约 2.5%，相机监督训练的目标值为 35%+，但相关评估阶段仍在进行中。
穿墙感知能力基于 Fresnel 区几何与多径建模，在 5 米深度范围内有效，但混凝土厚度、金属结构会显著衰减信号。对于搜救等极端场景，系统可穿透 30cm 混凝土检测呼吸信号，但需要专门的 WiFi-Mat 模块配置。
隐私优势与合规边界
相比计算机视觉方案，WiFi 感知天然规避了 GDPR 视频条款与 HIPAA 成像法规的约束。系统不捕获可识别的视觉信息，仅输出存在状态、生命体征数值与姿态关键点坐标。这种 "无像素" 特性使其适用于更衣室、卧室、医疗病房等隐私敏感区域。然而，部署者仍需注意：虽然避免了视频法规，但基于 CSI 的人员重识别与行为分析仍可能涉及个人数据保护问题，建议在公共区域部署时保持透明度。
可落地的部署参数
对于希望验证该技术的团队，建议采用渐进式部署策略：
- 概念验证阶段：使用 Docker 镜像运行模拟数据，验证信号处理 pipeline 与 API 接口
- 单节点试点：部署 1 台 ESP32-S3，配置为存在检测与呼吸监测模式，验证环境适应性
- 网格扩展：增加节点至 2-3 台，形成基础测量网格，启用姿态估计功能
- 生产部署：根据场景选择纯 ESP32 网格（$54/3 节点）或搭配 Cognitum Seed 的完整方案（$140）
关键配置参数包括：CSI 采样率（建议 100-1000Hz）、信道选择（1/6/11 信道跳频）、以及边缘模块的执行预算（S 级 < 5ms、L 级 < 2ms、H 级 < 10ms）。系统支持 OTA 更新与 WASM 模块热插拔，可在不中断服务的情况下升级感知能力。
WiFi CSI 感知代表了环境智能的一种新范式 —— 利用已部署的基础设施实现 "隐形" 感知。随着边缘 AI 模型效率的持续提升与多模态融合（WiFi + 毫米波雷达 + 深度相机）技术的成熟，这种无设备传感架构有望在智能家居、医疗监护、零售分析等领域找到更广泛的应用场景。
资料来源
- RuView GitHub 仓库: https://github.com/ruvnet/RuView
- 项目基于 Carnegie Mellon University "DensePose From WiFi" 研究成果构建
内容声明：本文无广告投放、无付费植入。
如有事实性问题，欢迎发送勘误至 i@hotdrydog.com。