晚上十点，客厅没人。路由器 5 GHz 频段还在发信标帧，也在给你手机回数据。它得不停测信道，才知道该给哪个客户端分多少带宽。这时候如果有人坐在沙发上，胸廓每四秒起伏五毫米，这些帧的相位会跟着抖七十度左右。
这个抖动量一直在你的路由器里产生，然后被丢掉。因为有 WiFi 以来，这层数据的唯一用途是判断链路质量，从来没人问它还能干什么。
2025 年 9 月 26 日，IEEE 发布了 802.11bf-2025，228 页，把 WLAN 感知正式写进 MAC 层。那天没什么人讨论，因为标准发布不如演示视频好看。但这才是这件事的分水岭。
从扒固件到调接口
在这之前，想让 WiFi 感知，第一步是找一块能吐出 CSI 的网卡。这块网卡通常得是 2010 年前后的 Intel 5300，早就停产，二手市场按颗卖。要么给 Broadcom 芯片刷 Nexmon 补丁，把波束反馈从内核里抠出来。
两条路都很难看：一条依赖古董硬件，一条依赖厂商没打算开放的字段。所以过去十年 WiFi 感知一直停在实验室，不是算法不行，是拿不到数据。
802.11bf 干的事很朴素。它让站点之间可以互相通告「我支持感知」，可以请求并建立一次感知测量，可以主动声明「这一帧你可以拿去用」，还给上层留了一个 MAC 服务接口去取测量结果。物理层接口覆盖 HT / VHT / HE / EHT，外加 60GHz 那套 DMG / EDMG，频段从 1 GHz 到 7.125 GHz。
翻译成人话：以后不用刷固件了，芯片厂商可以名正言顺地把感知当产品功能卖。
CSI 比 RSSI 多了什么
RSSI 是一个数，信号衰减了多少 dB。CSI 是每个子载波的复信道响应 H(f,t)，带幅度也带相位。20MHz 信道 64 个子载波，去掉 12 个空载波和 4 个导频，剩 48 个数据子载波，所以 ESP32 报 52 组（数据加导频）。
52 个数和 1 个数的区别在于能不能分辨多径。一个房间里信号会从墙、地板、人身上反射出十几条路径，每条路径的时延不同，落到每个子载波上的相位旋转就不同。人动一下，某些子载波幅度升、某些降，这个纹路就是 CSI 携带的空间信息。RSSI 把所有路径压成一个标量，纹路全丢了。
不同硬件的口径差得很远：
| 硬件 | 位深 | 子载波数 | 支持标准 |
|---|---|---|---|
| Intel 5300 | 8 bit | 30 组 | a/b/g/n |
| Atheros | 10 bit | 56 / 114（20 / 40 MHz） | a/b/g/n |
| Nexmon（Broadcom / Cypress） | 未标注 | 256 @80MHz，2048 @160MHz | a/n/ac/ax |
| ESP32 | 8 bit | 52 / 114（HT20 / HT40） | b/g/n |
2048 个子载波听起来比 52 强太多，实际不一定。子载波越多，相位校准越难，因为每个子载波的相位误差不是同一个值，是随频率线性漂移再叠上随机抖动。位深也一样，ESP32 的 8 bit ADC 只给你 48 dB 动态范围，超出这个范围的弱反射直接被量化噪声吃掉。
三道物理坎
第一道，位移换相位。
人在信号路径上挪 1 毫米，往返路程变 2 毫米，相位转 2π×2d/λ 弧度。5 GHz 频段波长 5.2 厘米，胸廓起伏 5 毫米换来 1.2 弧度，约 70 度，这个量在噪声之上，能测。心跳的胸壁位移只有 0.1 到 0.5 毫米，同一套算法下只有 0.024 到 0.12 弧度，也就是 1.4 到 7 度。
差 50 倍。所以呼吸检测满地跑，心率检测大多还得贴片。物理条件差了一个数量级，模型再深也补不回来。2.4 GHz 波长 12.5 厘米，同样的位移只换来四成相位，更吃亏。
第二道，采样率。
呼吸基频 0.2 到 0.5 Hz，走路步频 2 Hz 上下，手势能量集中在 5 Hz 以内。听起来要求很低，但 CSI 拿不到连续采样，它是靠「有包经过」来采样的。ESP-NOW 突发能到 200 包每秒，多节点还要分时。一个 16 节点的网，每条链路一个 3 毫秒时隙，全扫一轮 48 毫秒，整网刷新率就是 20 Hz。
20 Hz 够走路和呼吸，不够心跳的高阶谐波，也不够快速手势。这个天花板是 RF 时序定的，换更强的 CPU 没用。
第三道，相位噪声。
每包 CSI 的相位里混着本振随机偏移（0 到 2π 均匀分布）、采样频率偏移带来的线性漂移、热噪声（底噪大概 -90 dBm）、多径衰落。所以所有 CSI 系统的第一件事都是相位校准，拿导频子载波做参考，或者做 CSI ratio 消掉公共相位。
校准本身有代价：它会连真实信号里的慢变分量一起削掉，削多削少取决于窗长。这是个没有标准答案的取舍，也是各家论文数字互相不可比的根源之一。
第四道是墙。 2.4 GHz 过一堵砖墙十几个 dB，钢筋混凝土承重墙二十 dB 以上。链路预算本来就不宽裕，再衰减两堵墙，剩下的分量掉到 -90 dBm 底噪附近，SNR 不够，算法再花也拉不回来。实验室里的穿墙用的是石膏板隔断，这个区别很大。
论文里的数字该怎么读
这里得泼点冷水。
2022 年底 CMU 那篇 DensePose From WiFi（arXiv:2301.00250）报了个 87.2 的 AP，IoU 阈值 0.5，一度被传成「WiFi 能穿墙看骨架」。论文本身写得挺克制：用的是 1 到 5 个人的办公室和教室录像，ground truth 不是人手工标的，是把预训练 DensePose 跑在视频上生成的伪标注。作者说模型能大致定位人体框和躯干姿态，四肢不行；三个人以上时，从整段幅度相位张量里拆出每个人的信息很困难；训练集里少见的姿势会生成不存在的肢体。代码和模型没放出来。
更麻烦的是评估方法。有位研究者复现早期同类论文的代码时发现，作者把时间序列随机切成 8:2 做训练和测试。相邻帧几乎一样，随机切等于把测试样本的邻居塞进训练集，这是时间序列任务里的典型数据泄漏。同一个模型换到没见过的房间布局上（15 个布局训练，1 个测试），数字掉到只能放在表格里当附注。
这不是一个人的问题。这个领域数据集小、场景少、评估口径各写各的，导致论文之间的精度根本不能横着比。
也有做对了的。NIST 那篇 BreathSmart 报呼吸模式分类 99.54%、呼吸率 98.69%，但人家说清楚了是分类任务、受控条件，还专门分析了路径损耗和 CSI 帧率怎么影响精度。另一篇 VitalCSI 只用了 15 个志愿者，但拿鼻腔气流传感器做对照，PCA 加谱峰检测，再用卡尔曼滤波融合，口径是干净的。做产品要看的是后两篇的写法，不是前者的标题。
一个项目把自己的数字撤回了
今天 GitHub 趋势榜上 RuView 单日 627 星，总星 10.4 万。它用 9 美元的 ESP32 当传感节点，从 CSI 里出 17 个身体关键点、呼吸和心率趋势，全程不用摄像头，跑在树莓派上。
它能出 17 个关键点不算稀奇，稀奇的是它首页写着的话：v2 编码器在时间三元组上的留出集准确率 82.3%，比之前的 66.4% 高；而更早那个「100% 人体存在检测」，是在单类录音上测出来的，已经撤回。
它还给准确率声明内置了一个 honesty check，每条测量挂一条 Ed25519 见证链，记来源和不确定度。同时它自己明说，那个把 WiFi CSI、毫米波雷达、UWB、蜂窝融在一起的统一 RF 世界模型，精度「仍是合成数据，等真实数据验证」。
一个项目把「我们的数字是合成的」写在首页，比把 99% 写在首页的项目可信得多。这话不好听，但过去几年这个领域吃过的亏基本都来自后者。
工程上真正值钱的部分
如果只看模型，会错过 WiFi 感知最有意思的设计约束：瓶颈不在算力。
一个 16 节点网跑相干性估计加最小割，总共约 17 万次运算每秒。ESP32 单核 240 MHz，只占 0.07%，算力完全空着。
瓶颈在带宽。240 条链路，每帧原始 CSI 208 字节，一轮 240 帧是 49920 字节，20 Hz 就是 0.95 MB/s。WiFi 传不动这个量，尤其你还想同时传业务数据。
解法是在端上就把信息压缩掉：每条边只算一个相干性值，4 字节。120 条边一轮 480 字节，20 Hz 是 9.4 KB/s，压缩 104 倍。
这个取舍挺值得抄。感知系统的设计重心在「哪一步丢信息」，不在「模型多大」。先把原始波形压成物理量再上传，比把原始波形送进云端跑大模型更靠谱。
还有一招挺聪明：跳 6 个信道扫，把邻居家的路由器当免费照射源。发射机越多，可分辨的多径几何越多，空间分辨率越高，而你一分钱没花。
没有摄像头，不等于没有隐私
「它不用摄像头所以更安全」是最经不起推敲的一句话。
摄像头只能看一个房间，还隔着一堵墙。CSI 穿墙。它能给你的是：家里在不在人、几个人、睡没睡、呼吸频率趋势、有没有摔倒。这几样凑起来就是行为指纹，而且比画面更难辩解，因为画面你还能说「拍的是客厅」，CSI 说的是「你凌晨三点心跳偏快」。
眼下的现实是：硬件已经在墙上挂着，标准 2025 年就发了，但「谁能读这层数据」没有答案。厂商默认不开，更可能是合规边界不清楚，不是技术做不到。
802.11bf 只定协议，不定隐私。这块只能靠本地处理和可审计性顶。RuView 那条「原始 CSI 不出采集主机」的约束算一个正向样本，虽然它是自证，不是第三方审计。
该信什么，该等什么
能信的是存在检测和动作检测。这两件事信噪比高、容错大，路由器厂商已经在做，效果也确实是「人走了灯灭」这个级别。
该等的是呼吸率、多人区分、姿态精度。呼吸率在静止单人的条件下有可信的论文支撑，跨姿势、跨房间、多人同时在场时基本没有。心率、关键点、穿墙看骨架都还在论文阶段，离产品有距离。
别信的是任何没有留出集口径的演示视频。判断标准很简单：有没有给出跨房间、跨人、跨布局的数字，代码能不能跑起来。给不出这两样，87.2 和 99.54 都只是一个数字。
WiFi 感知的物理底子是硬的，工程难度是真的，只是宣传口径还虚着。这三件事最好分开看。
参考来源
- IEEE Std 802.11bf-2025, Amendment 4: Enhancements for Wireless LAN Sensing, 2025-09-26
- DensePose From WiFi, arXiv:2301.00250
- Mosleh et al., Monitoring Respiratory Motion With Wi-Fi CSI: Characterizing Performance and the BreatheSmart Algorithm, IEEE TBME / NIST
- Michaelis et al., VitalCSI: Contactless Respiratory Rate Estimation Using Consumer-Grade Wi-Fi CSI
- Tools and Methods for Achieving Wi-Fi Sensing in Embedded Devices（ESP32 / Nexmon 硬件对比与采样率实测）
- ruvnet/RuView, GitHub
- Andrew Walsh, Researchers Misrepresenting the Capability of Human Pose Estimation from WiFi CSI