WiFi CSI 空间感知实战：用 ESP32 实现无摄像头存在检测与生命体征监测

从 RSSI 到 CSI：为什么需要细粒度信号信息

传统的 WiFi 感知依赖 RSSI（接收信号强度指示），但它只能反映整体信号能量的变化，无法区分多径传播中的细微扰动。Channel State Information（CSI）则提供了物理层级别的丰富数据 —— 包含每个子载波的幅度和相位信息，能够捕捉到人体移动、姿态变化甚至胸腔微小振动对射频信号的影响。

这种细粒度特性使 CSI 成为构建隐私友好型空间感知系统的理想选择。与摄像头不同，CSI 感知不采集任何图像信息，仅通过分析信号传播特征实现存在检测、定位追踪和生命体征监测。对于智能家居、养老监护和安防场景，这意味着可以在不侵犯隐私的前提下获得连续的空间感知能力。

硬件选型与 ESP32 配置参数

实现 CSI 采集的关键在于选择支持 CSI 暴露的硬件。ESP32 系列（特别是 ESP32-WROOM 和 ESP32-WROVER）是目前成本最低且文档最完善的方案，单模块价格通常在 5-10 美元区间。

核心配置清单

CPU 时钟频率：设置为 240MHz（最大值）。较低的时钟频率可能导致 CSI 采样率不足，影响后续信号处理精度。

UART 波特率：根据具体板型选择最高可用速率，建议配置为 2Mbps。CSI 数据量较大，高波特率可减少传输瓶颈。

CSI 采集模式：必须通过固件启用被动 CSI 采集模式。ESP32 可以在不关联 AP 的情况下嗅探信道上的 802.11 帧并提取 CSI。

信道与 MAC 过滤：在采集前配置目标信道号和发射端 MAC 地址过滤，减少无关流量干扰，降低后续数据清洗负担。

网络拓扑设计

典型的部署采用一发一收或一发多收架构。发射端可以是任意 WiFi 设备（路由器、手机或另一块 ESP32），持续发送数据包维持信道占用。接收端 ESP32 捕获这些帧的 CSI 信息并通过串口或 WiFi 回传到处理节点。

对于覆盖更大区域或提高定位精度，建议使用多接收节点部署，利用空间分集对抗多径衰落。

信号处理 Pipeline：从原始数据到可行动洞察

原始 CSI 数据包含 52 个子载波（20MHz 带宽）的幅度和相位信息，采样率取决于数据包发送频率，通常配置为 100-1000Hz。直接使用时域波形往往被噪声淹没，需要系统性的预处理流程。

预处理阶段

带通滤波：人体活动频率通常在 0.1-20Hz 范围内，而呼吸频率约为 0.2-0.5Hz（12-30 次 / 分钟）。使用合适的带通滤波器可以抑制高频噪声和低频漂移。

相位解卷绕：CSI 相位存在 2π 跳变，需要通过解卷绕算法恢复连续相位。对于生命体征监测，相位差分比绝对相位更稳定。

子载波选择：并非所有子载波对目标信号同样敏感。通常选择中心频率附近的子载波，避开受硬件缺陷影响较大的边缘子载波。

特征提取与分类

对于存在检测任务，常用的特征包括：

• 幅度方差：人体存在时信号波动显著增大
• 相位变化率：反映目标移动速度
• 子载波间相关性：多径环境变化导致相关性下降

生命体征监测则需要更精细的处理。呼吸引起的胸腔位移约为 4-12mm，对应 CSI 相位变化极其微弱。通常采用以下策略：

• 使用相位差分消除载波频率偏移和采样频率偏移
• 应用 PCA 或 ICA 分离混合信号成分
• 通过 FFT 或自相关分析提取周期性呼吸频率

应用场景与性能边界

存在检测与定位

基于 CSI 的存在检测在静态环境下可以达到 95% 以上的准确率。Amazon Research 的实验表明，在家庭环境中利用 CSI 进行房间级定位，通过多接收器融合可以实现亚米级精度。关键在于环境校准 —— 家具位置变化会改变多径特征，需要定期更新基线模型。

生命体征监测

呼吸监测相对成熟，在 1-3 米距离内可以达到 ±1 次 / 分钟的精度。心跳监测则更具挑战性，因为心脏跳动引起的体表位移仅为 0.1-0.5mm，且呼吸谐波可能掩盖心跳信号。实际部署中建议：

• 受试者与天线保持 0.5-2 米距离
• 采用正交极化天线减少多径干扰
• 使用自适应滤波分离呼吸和心跳成分

活动识别与跌倒检测

通过分析 CSI 时间序列的时频特征，可以识别行走、坐下、跌倒等日常活动。跌倒检测对延迟敏感，通常要求端到端延迟低于 500ms，这需要边缘端预处理和轻量级分类模型。

生产部署检查清单

将 CSI 感知系统从原型推进到生产环境，需要考虑以下工程要素：

环境适应性：建立动态基线更新机制，应对日间温度变化、家具移动等环境漂移。可以采用滑动窗口统计或在线学习算法。

多径干扰抑制：在复杂多径环境（如金属家具较多的房间）中，考虑使用定向天线或波束成形技术聚焦目标区域。

功耗优化：ESP32 持续采集 CSI 的功耗约为 100-150mA。对于电池供电场景，可采用间歇采集策略，在保证检测灵敏度的前提下降低占空比。

数据安全：CSI 数据虽然不包含图像，但仍可能泄露居住者的生活习惯。建议本地处理敏感任务，仅上传聚合后的匿名化统计信息。

法规合规：确保发射功率符合当地射频法规（如 FCC 或 CE 认证要求），避免干扰其他无线设备。

参考资料

• Wi-ESP: A tool for CSI-based Device-Free Wi-Fi Sensing - WRL KIST Lab
• WiFi Sensing with Channel State Information: A Survey (ACM Computing Surveys 2019)
• On CSI-Based Vital Sign Monitoring Using Commodity WiFi (ACM Health 2020)
• RuView GitHub Repository: https://github.com/ruvnet/RuView

wireless-systems