第一次在实验室里拿到 WiFi CSI 数据的时候，屏幕上跳动的波形密密麻麻，看起来像一堆没有规律的心电图。我当时盯着那几条曲线看了很久，脑子里只有一个问题：这玩意儿真的能“感知”出房间里的人在走路、呼吸甚至摔倒吗？后来把整套链路跑通，从数据采集、信号处理一路推到产品原型，我才真正意识到，WiFi CSI 感知技术并不是实验室里自嗨的玩具，它是一条非常值得梳理的、从学术研究走向行业落地的完整技术路径。

这篇文章想做的，就是把这条路径完整铺开给你看。不管你是刚接触 CSI 的研究生，还是正在评估智能家居、养老监护、车载感知方案的工程师，又或者是想给自己的物联网产品增加“无感感知”能力的产品经理，下面这些内容应该都能帮你节省大量的踩坑时间。我会从 CSI 的物理意义讲起，讲清楚采集端怎么选，预处理怎么做，识别模型怎么落地，最后再聊聊那些从学术 demo 走向产品时最容易翻车的工程问题。

1. 为什么无线感知非要选 CSI 而不是 RSSI

1.1 RSSI 的局限：一锅端的总能量

很多人第一次接触无线感知时，第一反应是把目光投向 RSSI，也就是 WiFi 信号强度指示。原因是它的获取成本最低，几乎任何一台 WiFi 设备都能直接读出当前接收信号的强度值。但问题也恰恰出在“强度值”这三个字上：RSSI 是接收端对整个信道、所有多径分量叠加之后的综合能量打的一个分，它只是一个标量，没有任何频率维度上的细节。

打个比方，RSSI 就像你站在一间音乐厅门口，只能听到整场演出混在一起的响度有多大。你永远分不清是哪把小提琴在哪个位置拉出了哪几个音符。WiFi 信号在室内传播时会经过墙面的反射、人体散射、家具的边缘衍射，这些路径叠加在一起，最终在接收天线那里形成一张非常复杂的多径干扰图。RSSI 把这张图折叠成了一个数，大量关于环境细节的信息在这个过程中被丢掉了。

1.2 CSI 拿到了“分频段的体检报告”

CSI 全称 Channel State Information，直译是信道状态信息。它描述了无线信号从发送端到接收端的过程中，信道在每个子载波上对信号造成的幅度衰减和相位偏移。换句话讲，CSI 不是一个总强度，而是一组数据：每一个子载波都有自己的幅度和相位。在一个 20 MHz 带宽的 802.11n 信号里，接收端可以提取出 30 个左右有效子载波的 CSI，每个子载波对应一个窄带频率，相当于把整段频带切开来看。

这就像是同样听音乐厅的演出，RSSI 只给你一个总音量，而 CSI 给了你一张光谱图，哪个频率分量强、哪个频率分量弱、相位发生了什么变化，全都清清楚楚。正因为有了频率维度的分辨能力，CSI 才能捕捉到呼吸引起的胸腔微小起伏、手臂摆动带来的散射路径变化、甚至一个人从站立到跌倒的剧烈多径变化。这些都是 RSSI 做不到的。

从学术研究的角度看，2011 年华盛顿大学团队的“WiSee”和后来的一系列 CSI 工作，把无线感知的准确率从 RSSI 时代的边缘水平拉到了可接受区间。到今天我接触过的跌倒检测项目里，基于 CSI 的方案在单房间、单设备部署下已经把误报率压到了接近商用雷达的水平，而成本却低得多。

1.3 采集链路里藏着哪些信息

要理解 CSI 为什么能感知人体活动，得先明白 WiFi 信号在室内是怎么走的。发射端发出一个 OFDM 符号后，这个符号会沿着多条路径到达接收端：直达路径、墙面反射路径、地面反射路径、人体反射路径。接收端得到的信号是这些路径的矢量和。当人体移动时，人体反射路径的长度和方向在变，叠加后的矢量自然也就在变，最终表现为每个子载波上 CSI 幅度和相位的波动。

所以 CSI 感知的本质，是拿无线信道当传感器，把环境中“物体运动”这个物理变化映射成“信道响应变化”这个可测量量。你不需要戴任何终端设备，不需要摄像头，不需要红外传感，只要房间里有 WiFi 信号覆盖，感知能力顺手就来了。这也是它在隐私敏感场景里特别受欢迎的原因——它看不见图像，听不见声音，却知道房间里在发生什么。

2. 数据采集与硬件选型：别在第一步就走弯路

2.1 四种主流 CSI 采集方案

在实验室里体验过和真正动手搭采集系统之间，隔着一道硬件选型的坎。我记得自己最早的项目用的是 Intel 5300 网卡，这套方案在学术界已经被用了十几年，配套的 CSI Tool 可以把 30 个 子载波的 CSI 数据从网卡驱动里捞出来，再转成 MATLAB 能分析的格式。优点是资料多、网上踩坑记录齐全，缺点是硬件只有 2.4 GHz 频段、802.11n 协议，放到现在的 WiFi 6 环境里已经有点跟不上场景了。

Atheros 方案是另一支学术主流，ATH9K 芯片的开放驱动配合 CSI Tool，可以拿到更细粒度的信道数据。它的灵活性比 Intel 5300 好不少，但配置过程对新手不太友好，需要刷特殊内核模块，我在第一次编译驱动时遇到过内核版本不匹配的问题，折腾了大半个周末才跑通。如果你不是软件底层老手，这条路建议放在第二步再尝试。

Nexmon 方案是后来发展起来的固件级采集方案，基于博通芯片做 CSI 提取，在树莓派等平台上很流行。它的优势是配合 Raspberry Pi 和 Nexmon CSI Tool，你可以在不侵入系统内核的情况下拿到 CSI 数据，而且支持 5 GHz 频段，数据质量更高。很多新的学术工作都在往这个方向迁移。

最后是 ESP32 方案。这块芯片可能是物联网圈最熟悉的面孔，价格便宜到可以当成耗材来用。随着 ESP32 CSI Toolkit 的成熟，它也就能通过开启 promiscuous 模式获取附近接入点的 CSI 数据了。它的优点非常明显：成本低、部署灵活、有完善的 SDK 文档，产品原型可以直接往这个方向集成。缺点是 CSI 数据的子载波数量、帧同步质量不如前面几个专用方案，需要后期处理下功夫。

2.2 不同方向的选型建议

如果你是在做产品化验证，我的建议是优先考虑 ESP32。不是为了技术情怀，而是因为它更容易落地到真实的商业逻辑里。一套 ESP32 模组的物料成本可能只有十几块钱人民币，就算你需要在家里部署十几个感知节点，成本压力也远远小于用专用网卡。最重要的是，ESP32 的 CSI 功能并不需要改基础设施，它只是监听空间里已有的 WiFi 信号，产品形态可以做到极其轻薄。

2.3 我踩过的数据一致性坑

这里要特别提醒一句：无论你选哪个方案，采集阶段一定要把发送端和接收端的相对位置固定下来，尤其是天线朝向。CSI 数据对天线摆放非常敏感，天线方向差个 10 厘米或者旋转 30 度，特征分布就会明显偏移。我在一次呼吸监测实验里，把接收设备从桌面挪到了窗台上，前后只移动了半米，模型的误差率直接翻了一倍。

另外一个很容易忽略的问题是发包速率和功率。如果你用 ESP32 做接收，建议设置一个固定的发包间隔，比如每秒 100 个包，并保持发射功率恒定。功率一旦波动，CSI 幅度会受自动增益控制的影响出现跳变，这种跳变跟人体活动混在一起后非常难分离，会严重污染后续的特征提取。

3. 信号处理链路：拿到 CSI 之后的九道工序

3.1 原始数据里的脏东西

很多初学者拿到 CSI 数据后，第一反应是直接画幅度曲线观察规律，然后发现曲线里全是毛刺，几乎看不出明显的周期性。这是非常正常的。原始 CSI 数据里混着载波频率偏移、采样频率偏移、包检测延迟、接收端自动增益控制变化，还有环境里微波炉、蓝牙设备的偶发干扰。这些噪声不去掉，后面的模型训练基本就是白忙活。

我自己的标准预处理流程通常分为四步。第一步是清洗，把明显异常的数据帧剔除掉，比如幅度值超出物理范围、相位跳变超过阈值的帧。第二步是幅度平滑，用滑动平均或者中值滤波把高频毛刺压下去，窗口大小一般选 5 到 20 个采样点，具体取决于你的发包率。第三步是相位校正，这个单独拎出来说。第四步是把静态分量和动态分量分离，用高通滤波器滤掉环境中固定物体的反射贡献，把人体的动态信号留下来。

3.2 相位校正到底在解决什么

CSI 的相位信息理论上是有用的，但实际拿到的相位值几乎都是“病”的。原因在于 WiFi 收发芯片的时钟并不是完全同步的，存在载波频率偏移和采样频率偏移，这会在相位的测量值上叠加一个随包变化的随机偏移。如果你不管它直接提取相位特征，看到的就是一堆不可复现的随机数。

标准做法是用线性拟合方式估计相位偏移并进行补偿。因为子载波偏移引起的相位误差与子载波索引成线性关系，你可以把所有子载波的原始相位画出来，拟合出一条直线，把这条直线的斜率和截距剥离掉，剩下的才是反映真实信道状态的相位。这一步很关键，我见过不少团队跳过相位校正，只凭幅度做模型，虽然也能出效果，但在动作幅度较细的场景里，比如呼吸监测或微手势识别，准确率的差距立刻拉开到十个点以上。

3.3 有用的特征其实没那么多

预处理干净之后，接下来要考虑的就是特征提取。很多人在这一步本能地想堆特征，把均值、方差、过零率、功率谱密度、小波系数全都塞进模型，结果训练时过拟合，测试时泛化差。我个人的原则是：先用物理常识把特征压缩到最小集合，再根据实验回放来补充。

对于人体活动识别，我最常用的特征包括每个子载波的幅度方差、相邻窗口的幅度变化率、整个频带的主频能量占比。对于呼吸监测，核心特征就是相位或幅度序列的功率谱峰值频率，因为正常呼吸的频率范围非常窄，大约在 0.2 到 0.6 Hz 之间，你只要在这个区间内找到能量最强的频率分量，再平滑一下时序，就能得到相当稳定的呼吸率。过零率在活动识别里也很有用，它反映了 CSI 波形穿越平均值的频率，静止时很低，走动时显著升高，这一单特征就能撑起一个初步的动静检测模型。

4. 感知建模：从波形差异到场景理解

4.1 三类主流感知案例的实现逻辑

CSI 感知的典型应用场景，大致可以分成三类：活动识别、生理信号监测、被动定位。活动识别的核心是：不同动作对多径信道的扰动模式不同。走路时身体大范围移动，子载波幅度会出现整体性的高频波动；坐下时上半身前倾，靠近胸口位置的天线会捕捉到一段低频、缓慢的幅度变化；摔倒时先是一个剧烈的冲击式波动，然后归于平静。利用这种时序模式，就能训练模型区分不同动作。

生理信号监测最典型的是呼吸检测。人体呼吸时胸腔起伏幅度只有几毫米到一厘米，但这足以对 WiFi 信号产生可测的相位扰动。把 CSI 的相位序列经过带通滤波后，就能看到非常规律的周期波，频率和呼吸频率高度吻合。心率检测相对难一些，因为心跳引起的体表振动更微小，需要更高精度的采集环境和更干净的信号质量。

被动定位的核心逻辑则略有不同。它是利用“人在不同位置会形成不同多径特征”这一事实，把位置匹配问题转化为信号指纹匹配问题。你需要在目标区域内部署若干参考接收点，预先采集人在每个位置时的 CSI 指纹库，在线识别时把当前 CSI 特征跟指纹库比对，输出概率最大的位置。这跟 RSSI 指纹定位的原理类似，但 CSI 指纹的维度更高、区分度更好，定位精度可以从米级提升到亚米级。

4.2 模型输入端长什么样

无论你用传统机器学习还是深度学习，模型的输入基本上是一个三维张量：天线对数 × 子载波数 × 时间窗口。比如某组实验用两个天线对、30 个子载波、5 秒窗口、每秒 100 包，那输入就是一个 2 × 30 × 500 的矩阵。很多团队直接把这个矩阵压平后喂给全连接网络，效果一般。比较有效的做法是先把它转成特征图，把子载波看作“空间维度”、时间看作“时间维度”，用 CNN 或 LSTM 处理。

我的经验是，在没有大量训练数据的前提下，先用传统方法打底更务实。把 5 秒窗口内的幅度方差、逐子载波的幅度斜率、相邻帧变化量、主频峰值、频带能量比这几个特征提出来，训练一个随机森林或 SVM，往往就已经能到 85% 到 90% 的准确率了。只有当你需要识别非常相似的动作，比如左转和右转、前倾和后仰这类细粒度分类时，深度学习才会体现出它的优势。

4.3 一个小而有效的活动识别样例

为了让整个流程更具体，我拿一个跌倒识别样例来说。采集端用 2 根天线接收 CSI，发包率 100 Hz，窗口长度 2 秒，每 0.5 秒滑动一次。预处理阶段做幅度平滑和相位校正，然后用方差特征检测波动峰值。当波动峰值的幅度超过正常活动水平的 2.5 倍，并且随后 1 秒内 CSI 能量迅速回落到接近静止水平，就判定为一次跌倒事件。

这个规则简单到可能你觉得不像“人工智能”，但在真实场景里它的可靠性很高。因为跌倒和普通活动的区别不在于复杂度，而在于时序结构：先剧烈、后静止。用一个双阈值逻辑比你堆很多模型参数要稳定得多，计算量也可以忽略不计。当然，如果你想区分“跌倒后还能爬起来”和“跌倒后长时间不动”，只要在后处理里再加一段对静止时长的判断就行。

5. 从实验室到产品的工程化拆解

5.1 跨设备和跨环境的泛化问题

实验室里训练出的模型搬到用户家里，准确率掉一半，这是 CSI 产品化最经典的翻车现场。原因在于 CSI 数据和部署环境、设备型号强相关。不同网卡的固件版本不同，自动增益控制的阈值不同，天线的极化方向不同，都会导致特征分布偏移。更别提用户家庭的户型、家具材质、路由器摆放位置了。同一个动作，在 A 实验室和 B 家庭里呈现出的 CSI 波形可能差得很远。

应对思路有三条。第一条是数据增强：在采集阶段有意变换设备位置、房间里物件的摆放、不同人数，让模型见过更多环境变体。第二条是特征规范化：把 CSI 幅度按自身均值和标准差做标准化，让模型不过度依赖绝对信号强度。第三条是迁移学习：在产品端部署一套轻量级校准流程，让用户配合做几个指定动作，用少量数据把模型微调一下。这已经是被验证过的产品化路径了。

5.2 实时性、资源消耗与边缘部署

很多人低估了 CSI 数据的实时处理开销。以 ESP32 采集方案为例，如果你用 100 包每秒的速率采集，每个包有几十个子载波的复数数据，一秒的数据量不大，但在主控端做滑动窗特征提取、谱分析、模型推理，如果代码写得粗糙，内存和 CPU 都会吃紧。

我的建议是尽量把计算前置到数据到达的早期阶段。不要在嵌入式端直接跑深度学习，而是先把原始 CSI 在采集端完成清洗、降采样、特征提取，把几十个子载波压缩成几个标量特征，再用轻量级分类器做决策。这样既能保证实时性，又能避免把原始数据回传云端带来的隐私风险。产品端集成时，特征提取要固定使用定点运算，避免不同编译器下的浮点结果不一致。

5.3 数据标注与隐私处理

有监督模型的性能天花板由标注质量决定，但 CSI 数据天然抽象，没法像图像一样直接看到内容，标注起来非常痛苦。我见过不少团队录了几百 GB 的 CSI 数据之后，发现标签对不上时间轴，只能重来。更务实的做法是在采集阶段同步录像，然后按录像的时间点自动生成标签，省去人工肉眼辨认波形再标注的痛苦。

隐私是 CSI 感知的另一大卖点。它不需要摄像头，不采集人脸，不收录音频，从原理上就避开了很多隐私红线。但要注意，CSI 原始数据如果被恶意分析，仍然能从多径信号中反推出动作类型甚至手势内容。所以在产品架构里，我建议做端侧推理，云端只接收抽象的语义结果，比如“有人跌倒”“呼吸异常”，不接收原始 CSI 数据文件。这样即便传输链路被截获，攻击者拿到的也只是不可复原的语义标签。

6. 问题排查与提高稳定性的心得

6.1 常见异常现象和定位思路

把我在实际调试中频繁遇到的问题整理成了下面这个速查表，里面的每一项我都亲手处理过至少一次。

6.2 提高稳定性的三条经验

第一，做任何感知项目之前，先用一个最简单的小实验验证采集链路是否可靠。把收发设备固定好，让一个人坐在中间静止 30 秒再走动 30 秒，观察 CSI 幅度曲线是否能明显区分的动静区间。如果这个实验都做不出清晰差异，那问题多半在采集端，而不是后续算法。

第二，处理数据时永远保留一条检查路径。我给所有项目都保留了一个可视化脚本，把预处理后的 CSI 幅度渲染成热力图。人在走动时，热力图里会出现明显的斜向条带；静止时，热力图基本平直。这种原始可视化的判断力，胜过任何复杂的检验指标。

第三，做产品时要接受“非完美感知”的定位。CSI 感知不可能跟摄像头一样明确分辨出每个人的身份和动作细节，它的价值在于无感覆盖。一个 90% 准确率的跌倒监测加上人工确认流程，远比一个 99% 准确率但只能在特定实验室环境跑通的方案有价值。

这套技术从实验室走到产品，最需要跨越的从来不是算法精度，而是对真实环境不确定性的容忍能力。如果你正打算往这个方向投入，建议先从一个最小的场景跑通全链路，比如在你的开发板上试通 ESP32 的 CSI 采集，再结合本文的预处理流程搭出一个呼吸监测 demo。真正把每一个环节的手感建立起来之后，你会发现 CSI 感知其实不是一个遥不可及的方向，它只是需要你把每一层细节都做到位而已。