一、引言：WiFi 信号能”看穿”墙壁？

想象一下：你家的 WiFi 路由器正在向整个空间发射无线电波。当有人走动、呼吸、甚至静坐时，这些电波会被扰动——以可测量的方式。

RuView 就是利用这些扰动，把普通 WiFi 变成一个空间感知系统。

• 检测房间里有没有人（穿墙）
• 测量呼吸频率和心率（非接触）
• 识别活动：走路、坐下、跌倒
• 监测睡眠质量
• 不需要摄像头，不需要可穿戴设备

73.8k Stars，9.8k Forks。

二、RuView 是什么？

RuView 是一个开源的 WiFi 感知平台，把无线电波信号转化为空间智能。

“Every WiFi router already fills your space with radio waves. When people move, breathe, or even sit still, they disturb those waves in measurable ways. RuView captures these disturbances using Channel State Information (CSI) from low-cost ESP32 sensors and turns them into actionable data.”

核心能力

支持的智能家居平台

• ✅ Home Assistant — 通过 MQTT 发布
• ✅ Apple Home — HAP-1.1 桥接
• ✅ Google Home — 通过 HA 桥接或 Matter 端点
• ✅ Amazon Alexa — 通过 HA 桥接或 Matter 端点
• ✅ SmartThings — Matter 桥接

Siri、Google Assistant、Alexa 可以语音查询每个房间的存在和生命体征。

三、技术原理：WiFi 信号如何”看穿”墙壁？

3.1 Channel State Information (CSI)

WiFi 信号在空间中传播时，会被人、家具、墙壁等物体反射、衍射、散射。CSI（Channel State Information） 记录了这些信号的变化。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

WiFi 路由器                    ESP32 传感器
    │                              │
    │──── 无线电波 ───────────────→│
    │         ↑                    │
    │         │ 反射               │
    │         │                    │
    │    ┌────┴────┐               │
    │    │  人体   │               │
    │    │ (移动)  │               │
    │    └─────────┘               │
    │                              │
    └──────────────────────────────┘
    
CSI 数据：信号振幅 + 相位变化
        ↓
    机器学习模型
        ↓
    空间智能：存在、呼吸、心率、活动

3.2 信号处理管道

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

# 1. 原始 CSI 数据
raw_csi = capture_csi_from_esp32()

# 2. 相位展开
unwrapped_phase = np.unwrap(np.angle(raw_csi))

# 3. 带通滤波 - 呼吸频率 (0.1-0.5 Hz)
breathing_signal = bandpass_filter(unwrapped_phase, 0.1, 0.5)

# 4. 带通滤波 - 心率 (0.8-2.0 Hz)
heart_rate_signal = bandpass_filter(unwrapped_phase, 0.8, 2.0)

# 5. 呼吸频率检测
breathing_bpm = zero_crossing_bpm(breathing_signal)

# 6. 心率检测
heart_rate_bpm = zero_crossing_bpm(heart_rate_signal)

3.3 关键技术

3.3.1 菲涅尔区几何（Fresnel Zone Geometry）

WiFi 信号在空间中形成一系列椭圆形的菲涅尔区。当人体穿过这些区域时，信号会发生可预测的变化。

1
2
3
4
5
6
7
8
9
10
11
12
13
14

        菲涅尔区示意图
        
        ┌─────────────────────┐
        │    第 1 菲涅尔区     │
        │  ┌───────────────┐  │
        │  │  第 2 菲涅尔区 │  │
        │  │ ┌───────────┐ │  │
        │  │ │ 第 3 区域  │ │  │
        │  │ │    👤     │ │  │
        │  │ └───────────┘ │  │
        │  └───────────────┘  │
        └─────────────────────┘
        
WiFi 路由器 ────────────────── ESP32

3.3.2 脉冲神经网络（Spiking Neural Networks）

RuView 使用脉冲神经网络进行实时学习：

• 自适应学习：在 30 秒内适应新环境
• 低功耗：适合边缘设备
• 实时推理：微秒级响应

3.3.3 多频率网格扫描

1
2
3
4
5
6
7

WiFi 信道 1 ──→ ESP32 节点 1
WiFi 信道 6 ──→ ESP32 节点 2
WiFi 信道 11 ──→ ESP32 节点 3
        ↓
    数据融合
        ↓
    3D 空间感知

使用 6 个 WiFi 信道进行扫描，利用邻居的路由器作为免费的雷达照射器。

四、硬件方案

4.1 推荐方案：ESP32 + Cognitum Seed

4.2 低成本方案：ESP32 Mesh

4.3 研究方案：ESP32-C6

4.4 零成本方案：普通笔记本

五、快速开始

5.1 Docker 方式（无需硬件）

1
2
3
4
5
6
7
8

# 拉取镜像
docker pull ruvnet/wifi-densepose:latest

# 运行
docker run -p 3000:3000 ruvnet/wifi-densepose:latest

# 打开浏览器
# http://localhost:3000

5.2 Python 方式

1
2
3
4
5
6
7
8

# 安装
pip install ruview

# 或者
pip install wifi-densepose

# 带客户端支持
pip install "ruview[client]"

1
2
3
4
5
6
7
8
9

from ruview import BreathingExtractor, HeartRateExtractor

# 提取呼吸频率
breathing = BreathingExtractor()
bpm = breathing.extract(csi_data)

# 提取心率
heart_rate = HeartRateExtractor()
hr = heart_rate.extract(csi_data)

5.3 ESP32 硬件方式

1
2
3
4
5
6
7
8

# 刷写固件
python -m esptool --chip esp32s3 --port COM9 --baud 460800 \
  write_flash 0x0 bootloader.bin 0x8000 partition-table.bin \
  0xf000 ota_data_initial.bin 0x20000 esp32-csi-node.bin

# 配置 WiFi
python firmware/esp32-csi-node/provision.py --port COM9 \
  --ssid "YourWiFi" --password "secret" --target-ip 192.168.1.20

六、预训练模型

RuView 在 Hugging Face 上提供了预训练模型：

地址： ruvnet/wifi-densepose-pretrained

模型规格

姿态估计

七、智能家居集成

7.1 Home Assistant

1
2

# 启动 MQTT 发布
python -m ruview --mqtt mqtt://homeassistant:1883

每个节点发布 21 个实体：

• 11 个原始信号
• 10 个推断语义状态：
  • someone-sleeping
  • possible-distress
  • room-active
  • elderly-inactivity-anomaly
  • meeting-in-progress
  • bathroom-occupied
  • fall-risk-elevated
  • bed-exit
  • no-movement
  • multi-room-transition

7.2 Apple Home

通过 HAP-1.1 桥接，可以直接在 Apple Home 中显示传感器数据。

7.3 Google Home / Alexa

通过 Matter 端点或 HA 桥接集成。

Siri、Google Assistant、Alexa 可以语音查询：

• “客厅有人吗？”
• “卧室的呼吸频率是多少？”
• “老人今天活动正常吗？”

八、边缘模块目录

RuView 提供了 105 个边缘模块，涵盖：

九、实际应用场景

9.1 老年人看护

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

场景：独居老人在家
┌─────────────────────────────────────────┐
│  WiFi 信号覆盖整个房间                    │
│  ┌─────────────────────────────────┐    │
│  │  ESP32 传感器                    │    │
│  │    ↓                            │    │
│  │  检测：                          │    │
│  │  - 存在（老人在家）               │    │
│  │  - 呼吸频率（正常/异常）           │    │
│  │  - 活动模式（长时间不动 → 异常）    │    │
│  │  - 跌倒检测                      │    │
│  │    ↓                            │    │
│  │  异常时自动通知家人                │    │
│  └─────────────────────────────────┘    │
└─────────────────────────────────────────┘

9.2 婴儿监护

• 非接触式呼吸监测
• 睡眠质量分析
• 异常活动报警
• 不需要摄像头，保护隐私

9.3 智能办公

• 会议室占用检测
• 人员计数
• 空调/照明自动控制
• 会议进行中自动勿扰

9.4 安全监控

• 穿墙入侵检测
• 夜间巡逻
• 异常活动报警
• 黑暗中也能工作

十、隐私优势

与摄像头对比

隐私保护设计

• 无摄像头：完全不采集图像
• 本地处理：数据不离开设备
• 边缘计算：ESP32 本地推理
• 加密认证：Ed25519 见证链

十一、性能基准

11.1 推理速度

11.2 准确率

11.3 成本

十二、类比理解

十三、总结

核心价值

RuView 的核心价值是：把普通 WiFi 变成空间感知系统，无需摄像头，无需可穿戴设备。

技术亮点

1. CSI 感知：利用 WiFi 信号变化检测人体活动
2. 边缘计算：ESP32 本地推理，数据不离开设备
3. 多模态感知：存在、呼吸、心率、姿态、跌倒
4. 低成本：$9 起步
5. 隐私友好：无摄像头，无图像

适用场景

• 老年人看护：非接触式健康监测
• 婴儿监护：呼吸和睡眠监测
• 智能家居：自动化控制
• 安全监控：穿墙入侵检测
• 研究机构：WiFi 感知研究

局限性

• 精度有限：不如摄像头和可穿戴设备
• 环境依赖：需要 WiFi 信号覆盖
• 校准需求：每个环境需要单独校准
• 研究阶段：部分功能还在研究中

参考资料

• RuView GitHub
• RuView 在线演示
• 预训练模型
• RuView 官方文档

本文写于 2026 年 6 月 14 日，基于 RuView 最新版本。
RuView 是一个快速迭代的项目，最新功能请参考 GitHub 仓库。