RuView：基于WiFi CSI的无摄像头生命体征监测系统工程实践

WiFi 信号不仅能传输数据，还能感知空间。当人体在 WiFi 覆盖区域内移动、呼吸甚至静止时，会对无线电波产生可测量的扰动。RuView 项目正是利用这一物理现象，通过 Rust 语言实现了一套完整的边缘计算方案，将普通 WiFi 信号转化为实时的生命体征监测与空间感知能力，且无需任何摄像头或可穿戴设备。

CSI 技术原理与 RuView 定位

信道状态信息（Channel State Information, CSI）记录了 WiFi 信号在传输过程中经历的幅度衰减和相位变化。与传统仅测量信号强度（RSSI）的方案不同，CSI 能够提供子载波级别的细粒度信息。RuView 基于 ESP32-S3 芯片捕获 CSI 数据，每个数据包包含 56 个子载波的相位与幅度信息，采样率足以检测 0.1Hz 至 2.0Hz 范围内的生理信号。

项目的核心创新在于将复杂的信号处理流程压缩到边缘设备运行。整个推理模型经过 4 位量化后仅占 8KB 内存，能够在 ESP32-S3 上以微秒级延迟完成推理，实现真正的本地化隐私保护感知。

硬件架构与部署配置

RuView 对硬件有明确要求：必须使用 ESP32-S3 双核芯片，原始 ESP32 和 ESP32-C3 因单核性能不足无法支持 CSI 数字信号处理。每个感知节点的物料成本约为 9 美元，部署建议采用多节点网格架构以提升空间分辨率。

推荐部署配置：

• 单房间监测：2-3 个 ESP32-S3 节点，覆盖约 5 米穿墙范围
• 多区域追踪：4-6 个节点组成网格，支持多视角融合
• 增强方案：配合 Cognitum Seed（约 140 美元总价）实现持久化向量存储与 kNN 搜索

固件烧录使用标准 esptool 工具链，支持 OTA 更新。节点通过 WiFi 接入现有网络，无需专用路由器，甚至可以利用邻居路由器作为免费的雷达照射源。

生命体征提取的信号处理参数

RuView 的生命体征监测基于带通滤波与零交叉检测算法，针对呼吸和心率分别设置不同的频带参数。

呼吸频率检测（6-30 BPM）：

• 带通滤波范围：0.1–0.5 Hz
• 算法：包裹相位 circular variance 分析配合零交叉 BPM 计算
• 适用场景：睡眠监测、静坐状态下的呼吸追踪

心率检测（40-120 BPM）：

• 带通滤波范围：0.8–2.0 Hz
• 算法：零交叉 BPM 计数
• 限制：心率信号弱于呼吸信号，需保证足够信噪比

信号预处理流程包括 Hampel 滤波器去噪、SpotFi 多径分离、Fresnel 区域几何建模等步骤。系统采用相干门控（Coherence Gate）机制自动接受或拒绝测量值，确保连续运行数天无需人工调参。

存在检测与空间感知实现

存在检测是 RuView 最成熟的功能模块。预训练模型已在验证集上达到 100% 的准确率，同时提供基于相位方差的回退方案，无需加载模型即可在 1 毫秒内完成检测。

关键性能指标：

• 存在检测延迟：< 1ms
• 环境校准时间：约 30 秒
• 穿墙感知距离：约 5 米（取决于信号强度）
• 多人计数：自适应 P95 归一化配合可调去重因子

对于姿态估计，当前无摄像头预训练模型的 PCK@20 精度约为 2.5%。项目正在推进相机监督训练流程，目标是将精度提升至 35% 以上。17 关键点姿态估计模型采用 Candle 推理框架，在树莓派 5 上冷启动时间为 8.4 毫秒。

隐私敏感场景的应用策略

RuView 的设计天然符合隐私保护要求：无视频流、无图像采集、无面部识别。数据以 128 维嵌入向量形式存储，无法逆向还原为可识别的视觉信息。系统支持 Ed25519 加密见证链，确保每条测量记录的可审计性。

典型应用场景：

医疗护理：在养老院或医院病房部署，实现离床检测、跌倒预警、夜间呼吸监测，避免摄像头带来的隐私顾虑。呼吸暂停检测模块仅需 4KB 存储空间。

办公空间：基于存在检测优化 HVAC 与照明系统，根据实际 occupancy 动态调节能耗，预计可节省 15-30% 的能源开支。

零售分析：统计客流、 dwell time、队列长度，无需顾客授权即可获取商业洞察，规避 GDPR 视频相关条款。

工程落地建议

对于计划部署 RuView 的工程师，建议遵循以下实施路径：

1. 快速验证：使用 Docker 镜像在本地运行模拟数据，验证信号处理流程
2. 硬件采购：优先选择 ESP32-S3-DevKitC-1 开发板，避免单核芯片
3. 固件配置：通过 provision 脚本设置 WiFi 凭证、目标 IP、信道与 MAC 地址
4. 模型选择：生产环境推荐使用 4 位量化模型（8KB），平衡精度与资源占用
5. 多节点同步：启用 TDM 时隙调度实现 6 信道跳频，提升感知带宽 3 倍

需要注意，当前 Hugging Face 发布的预训练模型采用 JSONL 格式 RVF 容器，而感知服务器目前仅支持二进制 RVF 格式。在 JSONL 适配器发布前，建议运行感知服务器时不指定--model参数，回退到启发式模式。

总结

RuView 展示了 WiFi CSI 技术在边缘计算领域的工程可行性。通过 Rust 语言的高效实现，将原本需要复杂实验室设备的信号处理流程压缩到 9 美元的微控制器上运行。虽然在姿态精度上仍有提升空间，但在存在检测、生命体征监测等核心功能上已具备生产部署条件。对于需要在隐私敏感环境中实现空间感知的应用场景，RuView 提供了一条无需摄像头、无需云端、低成本的技术路径。

参考来源

• GitHub - ruvnet/RuView: https://github.com/ruvnet/RuView

systems