Wi-Fi CSI 雷达：它真正能测什么，营销话术在哪里停下

作者 Wu Jun · 更新于 2026-10-29 · 约 6 分钟

搜「Wi-Fi CSI 雷达」，你会同时看到严肃论文和「隔墙看人」的营销。把 CSI 当雷达是有用的类比，因为两者都从 反射与多径变化推断目标；但 CSI 没有专用雷达波形，也不能自动获得一张距离-角度-速度图。

本文把可做、勉强可做和不能默认宣称的能力分开，并以本项目 10 分钟 GL-MT6000 抓包作为实测边界。

1. 雷达概念与 CSI 能力对照

领域的系统分类与感知能力可参考 CSI 感知综述 ^[1]。IEEE 802.11bf 正在标准化 WLAN Sensing 测量与流程 ^[2]，但标准项目本身不等于现有路由器已经支持完整雷达功能。

2. 「Wi-Fi 雷达」这个类比哪里成立

传统雷达主动发射已知波形，测量回波的时间、频率和角度。Wi-Fi 感知通常利用已有数据帧，接收端估计每个子载波 上的复信道。两者都能从反射变化推断运动，但 CSI 有四个明显限制：

1. 机会式波形：帧长、调制、带宽和发包时刻不由感知算法完全控制；
2. 室内多径极强：目标反射只是总信道的一部分，墙、家具和人体都会贡献路径；
3. 接收端测量：必须有持续发送流量的对端，CSI 不是路由器单独向空气发射雷达脉冲；
4. 快照率有限：同一测量的多条链共享时间点，不能用链记录数量制造更高采样率。

所以「Wi-Fi 雷达」适合描述一种感知范式，不适合暗示它拥有专用 FMCW/毫米波雷达相同的距离、角度和速度分辨率。

3. 为什么 95.5 条记录/秒不能拿来做多普勒

本项目 10 分钟抓包平均 95.5 条链记录/秒，共 57,293 条记录。但按 chain_info bit15 闭合测量后是 7,609 个测量组 / 599.924 秒 ≈ 12.68Hz；剔除异常组后约 12.64Hz。

这 8 条链是同一时刻的不同 tx/rx 组合。把它们按顺序拼成 95.5Hz 时间序列，会制造一个不存在的高采样率， 还会把同时刻数据误当成运动演化。

12.64Hz 系统的无模糊多普勒范围是：

[-FS/2, +FS/2] = [-6.32, +6.32] Hz

5GHz 下 1m/s 径向运动的多普勒约为 2v/λ ≈ 33Hz，会发生混叠。因此：

• 可以观察慢运动包络、呼吸、姿势变化和低频时间特征；
• 不能从当前 12.64Hz 抓包恢复完整的步行、手臂摆动或跌倒冲击微多普勒；
• 需要真实步态 Doppler 时，应提高独立 CSI 快照率，或使用专用雷达/SDR 平台。

这项限制不会因为换成 80MHz、增加子载波或深度学习模型而消失。带宽提高的是频率分辨率，不是时间采样率。

4. 我们在这份抓包里实际看到了什么

本项目 E 级实测条件是 GL-MT6000、5GHz HE80、256 子载波、专用 AP 接口，10 分钟抓包共 57,293 条记录， 没有超过 5 秒的断流 ^[3]。解析与分析脚本公开 ^[4]。

这份数据能够证明：

• 256 子载波 CSI 可以连续抓取和校验；
• 有人活动时，幅度热图与低频运动指标会出现可重复变化；
• 约 12.64Hz 的独立测量率足以研究慢变化；
• 抓包存在缺链、4 链组和少量异常组，分析时必须处理。

这份数据不能单独证明：

• 某个距离、角度或速度的测量精度；
• 跌倒检测在养老场景中的敏感性；
• 可以恢复人体姿态、面部或身份；
• 可以穿透任意墙体成像。

原因并不神秘：数据没有同步的真值坐标、速度、姿态或事件标签。没有真值就只能展示信号变化，不能报告测量误差。

5. 可运行的慢多普勒/时间频率代码

下面的代码只处理按测量组选出的单链相位，明确使用约 12.64Hz 的独立快照率。它对每个窗口去线性趋势、 加 Hann 窗并做 FFT，得到低频多普勒能量随时间的变化：

import numpy as np

FS = 12.64          # independent measurements/s, not 95.5 chain records/s
WIN = 256           # 20.3 s
HOP = 32            # 2.5 s

def slow_doppler(phase):
    phase = np.asarray(phase, dtype=float)
    rows = []
    starts = range(0, len(phase) - WIN + 1, HOP)
    for start in starts:
        x = phase[start:start + WIN].copy()
        idx = np.arange(WIN, dtype=float)
        slope, intercept = np.polyfit(idx, x, 1)
        x = x - (slope * idx + intercept)
        x = (x - x.mean()) * np.hanning(WIN)
        rows.append(np.abs(np.fft.fftshift(np.fft.fft(x))))

    power = np.column_stack(rows)
    freqs = np.fft.fftshift(np.fft.fftfreq(WIN, d=1.0 / FS))
    return freqs, power

freqs, power = slow_doppler(phase)
mask = np.abs(freqs) <= 5.0
freqs, power = freqs[mask], power[mask]

这不是完整雷达处理链。它没有距离门、阵列角度、波形匹配或绝对速度标定，只适合检查低频时间频率结构。

6. 宣称任何能力前需要什么证据

「DensePose From WiFi」一类工作展示了多天线 CSI 重建粗略人体姿态的可能性，但它是受控研究， 目前公开证据仍是预印本级 ^[5]，不能直接推导出普通路由器可实时识别人脸或身份。

7. 如果目标是真正的雷达能力

需要明确应用目标后再选平台：

• 毫米波雷达：距离、速度和角度分辨率更合适，但覆盖与成本不同；
• UWB：短距离高精度测距与运动感知；
• FMCW/SDR：可自定义波形和距离-多普勒处理，但工程门槛更高；
• 专用 Wi-Fi 感知硬件：等待 802.11bf 生态成熟，或使用支持高快照率的研究平台。

如果只是学习 CSI 数据链路、人体活动分类和家庭网络实验，现有 GL-MT6000 路线仍然有价值，只是不要把 「能看到信道变化」升级成「拥有完整雷达」。

8. 隐私与合规

即使没有摄像头，CSI 仍能推断运动、存在、作息和部分行为。部署时应：

• 只覆盖自己拥有或获得明确同意的空间；
• 告知被监测者数据用途、保存时间和关闭方式；
• 不把研究原型宣传成医疗、安防或身份识别产品；
• 对共享空间考虑屏蔽、干扰、审计和最小化采集。

IEEE 802.11bf 与 CSI 隐私研究已经把感知安全和反制作为正式问题 ^{[2] [1]}。

9. 结论

• 「Wi-Fi CSI 雷达」是合理类比，不是完整雷达规格；
• 本路由器适合慢运动、存在和受控人体活动研究；
• 95.5 条链记录/秒不等于 95.5Hz，独立快照率约 12.64Hz；
• 当前数据不能恢复完整步态微多普勒，也不能证明距离、角度或姿态精度；
• 任何雷达式宣称都要给出快照率、无模糊范围、真值、误差和失败条件。

相关：呼吸/心率检测 · 穿墙感知的物理边界 · 80MHz vs 40MHz