复现前必读：WiFi CSI感知最容易踩的七个坑

【免费下载链接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.项目地址: https://gitcode.com/GitHub_Trending/wi/RuView

先说个反常识的事：用WiFi“看见”人，代码跑通只要十分钟，跑出可信结果可能要一个月。

这个叫 RuView 的开源项目，在GitHub上被刷成“路由器变透视眼”，说法是花几十块钱买个 ESP32 小板子，就能隔墙检测有没有人、测呼吸心率、甚至估出17个人体关键点。拿它做过演示的人不少，真敢把结果拿去用的，不多。

原因很朴素：这套东西的难点根本不在“装不装得上”，而在物理层面那些看不见的坑。

下面这七个坑，是这个项目自己的文档里反复认账、反复踩过的。你要是打算动手复现，建议先看完。

先搞清楚它到底在干什么

一句话：WiFi信号在房间里到处反射，人一动、一呼吸，这些反射路径就变了；把变化抓下来，就能反推出人的状态。

CSI（信道状态信息）就是那个“抓变化”的东西——它不是信号强不强，而是每个子载波上的幅度和相位，一帧里几十上百个数，像给房间拍了一张“无线电指纹”。

而 RSSI 只是“信号强度”，一个数字。这是后面所有坑的源头。

坑一：把RSSI当CSI用，从第一步就走错了路

很多人上手第一件事，是打开笔记本自带的无线网卡，发现只能读到信号强度，于是拿这个数字去做姿态估计，然后得出“这项目是假的”。

这不是项目的锅。普通消费级网卡只暴露RSSI，不暴露CSI。官方的原话很直接：RSSI只能做粗粒度的“有人/没人、在动/没动”，想估姿态必须有能出CSI的硬件，比如八美元左右的 ESP32-S3，或者专业的采集网卡。

不过这里有个特别诚实的反转：项目自己做过一组实验，在“数房间里几个人”这种两类任务上，只用RSSI居然保住了全CSI方案约95%的准确率，模型小到只有几百个参数。

所以坑不在RSSI本身，而在于——你以为自己在做CSI，其实手里只有RSSI，却还照着CSI的教程调参。

坑二：相位没校准，直接套模型等于听噪音

CSI里最值钱的是相位，最容易废掉的也是相位。

原因很现实：每一包数据到达时，硬件都会带上随机的载波偏移、采样偏移、包检测延迟。这些偏移每包都变，跟人动不动没关系。你不处理，模型学到的就是硬件的脾气，不是人的动作。

学术界的标准解法叫“共轭相乘”：拿两根天线的数据互乘，把硬件偏移抵消掉，只留下环境造成的相位差。

问题是——很多廉价板子只有单天线。单天线就做不了这一步，你只能退而求其次，靠相位清洗、离群点剔除、空房基线相减这些补救手段。项目文档里说得很明白：单天线、56个子载波、20帧窗口的数据流，根本承载不了多天线研究里那种精细空间信息。

这就是为什么网上那些“单块ESP32实时17点骨架”的演示，基本都经不起追问。

坑三：天线随手一放，覆盖率能差93倍

这一条最颠覆直觉。

WiFi感知有一个“菲涅尔区”的概念，说白了就是收发两点之间一个橄榄球形状的敏感带。人站在这条带子里，信号变化最明显；站在带子外面，你收到的几乎全是环境杂波。

项目做过一个5米×5米的卧室仿真：把床和椅子设成“真正需要感知的区域”，然后把墙上每25厘米一个位置的所有天线组合都算了一遍，一共2900种摆法。

结果呢？最优摆法和随便摆的中位数，覆盖率差了93倍。大多数位置的实际覆盖率只有0.5%，等于白装。

更反直觉的是最优点：斜着穿过房间长轴的那条线，比贴着墙的短线效果更好。因为链路越长，中间那个“橄榄球”越宽。

所以别再问“为什么我的设备啥也感知不到”了，先看看你的两个节点是不是正对着穿过客厅。

坑四：跳过空房基线，误报能把你逼疯

RuView 的校准流程是强制串联的三步：先采空房基线，再做8个引导动作的登记，最后训练房间专用模型。中间任何一步都跳不过去。

空房基线有个硬门槛：至少600帧。少于这个数，程序直接报错退出，不会给你一个“凑合能用”的半成品。

这里藏着第一个实操陷阱：默认采集时长是30秒，而600帧是按20Hz估的。如果你家WiFi比较拥挤，节点实际只跑到十几赫兹，30秒根本凑不够600帧——然后你就卡在一个看起来莫名其妙的报错上。正确做法是加时长，而不是去改低帧数门槛。

第二个陷阱更生活化：家里有宠物。项目自己承认，目前的“有人/没人”判断，本质就是看幅度方差和均值偏移有没有超过阈值。猫跳上沙发、狗从传感器前跑过，只要扰动幅度接近你登记“小幅走动”时的水平，系统就会判定“有人在”。

文档里写得很直白：目前没有任何配置项能抑制这个。

第三个坑是环境。开空调采基线没问题，风扇一直转也没问题，它们会被当成“空房的一部分”减掉。但如果空调是在采集到第15秒时才启动的，这份基线就废了——它既不匹配“开着”，也不匹配“关着”。

坑五：以为采样率是20Hz，其实它一直在飘

几乎所有教程都写着“20Hz CSI”。但实测数据是另一回事。

项目在一台 ESP32-C6 上测过：原始回调能到每秒34次左右，可一旦开启边缘端信号处理，实际稳定在每秒8次上下。也就是说，你以为的20Hz，到手可能只有8Hz。

这直接影响两件事。

一是训练数据的产量。判断窗口是按20帧一窗算的，帧率掉一半，你录10分钟拿到的有效样本就少一半，很多人的“训练效果差”其实栽在这。

二是多节点融合。两个节点要能融合，必须抓到“空中的同一包”。如果每个节点各按各的节奏抽帧，它们拿到的只是“同样多的帧”，不是“同样的帧”。

项目做过一组很漂亮的三小时对照实验：让节点按“距上次收帧满20毫秒”抽帧，配对率只有24%；改成按 802.11 包的序列号抽帧，配对率直接翻到56%，提升2.3倍，而且不需要对时、不需要主节点。

所以坑不在“帧率不够”，而在你以为帧率够，还拿不同步的帧去做融合。

坑六：多径和穿墙，物理规律不跟你讲情怀

“隔墙看人”是这项目最出圈的卖点，也是最容易被夸大的地方。

先看穿墙。官方口径：WiFi能穿石膏板、木头、混凝土（30厘米以内），金属墙和金属门会大幅衰减。单AP的情况下，穿墙后的有效距离大约5米；上3到6个节点的组网，靠多视角融合能拉到8米左右。

再看多径。这是更硬的墙。项目自己的研究笔记里有一句话特别扎心：在20MHz带宽下，整个房间会坍缩成一个单一的时延簇。翻译成人话——分辨率不够，屋里所有反射路径糊成一团，你分不清哪条是直达、哪条是墙反弹。

还有带宽和精度的关系：想分辨更细的动作，就得有更宽的频段；可消费级设备就那么多带宽，这是花钱也买不来的。

所以别指望几十块的板子做到“厘米级骨架”，那不是调参问题，是物理问题。

坑七：把别人的数字，当成自己的结果

这一条是七个坑里最贵的。

RuView 曾经宣传过一个“92.9% PCK@20”的姿态精度，后来自己发公告撤回了。原因是复盘发现，那个数字来自一个“永远输出同一个姿势”的模型，在69帧几乎静止的画面、用绝对像素阈值打分——在这种评分方式下，一个“平均姿势”预测器能拿满分。

还有一个更典型的：“存在检测100%准确率”。后来发现那段录音里只有一个人、6000多帧里6000多帧都是“有人”——一个永远回答“是”的程序也能拿99.98%。这个数字同样撤回了，换成了更诚实的82.3%。

现在项目里真正站得住的成绩是这样的：

• 82.69%的躯干归一化 PCK@20，来自公开数据集MM-Fi的基准测试，不是你家客厅的实测；
• 自家设备上训练的模型，在留出集上只有3.0%，离35%的目标还差得远；
• “存在检测”约占82.3%，是时间三元组任务的指标，也不是“百分百”。

还有一个更隐蔽的坑：指标本身可以骗人。项目做过一个演示——同一个预测结果，用“躯干直径”归一化打分是50分，用“包围盒对角线”打分是100分，用“绝对像素”打分是75分。

数字没变，结论天差地别。

所以看到任何“WiFi姿态准确率XX%”的说法，第一句该问的是：哪个数据集、哪种归一化、多少帧、谁标注的。

那到底还能不能玩？

能，而且门槛真不高。

硬件成本：一块 ESP32-S3 大概八美元，凑三节点组网大约五十多美元，比一台像样的摄像头还便宜。软件上，官方提供 Docker 镜像，一条命令就能起一个网页界面，打开就是实时热力图、信号曲线、分类结果——不需要显卡，普通笔记本就能跑。想先看效果，还可以直接用模拟数据模式，把整条链路走一遍。

但请把它当成什么？一个信号实验平台，不是开箱即用的成品。

适合的人：喜欢折腾硬件、做养老看护原型、做智能家居联动、或者单纯想搞清楚“无线电感知”到底怎么回事的极客和研究者。

不适合的人：想买回来插电就隔墙看人的普通用户。目前它会误报宠物、会被家具挪动搞失效、会在你换了个房间之后集体失灵——而且项目很坦白地说，重新校准之后，之前训练的模型全部作废，得重来一遍。

说句公道话

这套项目被骂过“AI 造假”，也确实是真被找出了造假的数字，然后自己撤回了。

但它同时做了一件在开源圈很少见的事：写了一份“证明文档”，把每条宣称分成三类——自己机器上跑出来的、只是引用的、需要数据和硬件才能验证的。你甚至可以一条命令跑完核心校验，看它到底是真跑还是嘴炮。

这个态度，比任何精度数字都值得看一眼。

最后留个问题给大家：如果家里真装上一个不用摄像头的“WiFi雷达”，你最想让它监测什么？是老人夜里有没有起床，还是孩子有没有偷偷爬起来玩手机？评论区聊聊，说不定下一个被做出来的功能，就是从这些需求里长出来的。

【免费下载链接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.项目地址: https://gitcode.com/GitHub_Trending/wi/RuView