1 简介

随着全球对智能互联器件的依赖程度不断提升，创新用例不断涌现。Wi-Fi 感知就是在物联网 (IoT) 市场获得关注的技术之一。与需要专用硬件的传统传感器不同，Wi-Fi 感知利用大多数楼宇和器件中已有的无线基础设施，为活动检测和环境感知提供了更具成本效益且更易扩展的设计。

传统上，Wi-Fi 只有一个用途：在器件之间无线传输数据。数据包携带有用的信息，如互联网流量、视频流或网页。Wi-Fi 感知改变了这一传统，它将 Wi-Fi 信号重新用于完全不同的应用场景——检测和分析运动，而不捕获运动所携带的数据。Wi-Fi 感知不关注数据包内的信息，而分析承载这些数据包的 Wi-Fi 信道的质量和特性。

当 Wi-Fi 无线电在空中传输数据包时，信号会遇到信号路径中的障碍物（如墙壁、家具或人）并以复杂模式反射。当物体或人在信号路径内移动时，反射会发生可测量的变化。这些变化可以通过信道状态信息 (CSI) 捕获，CSI 是对物理层属性（如标准 Wi-Fi 无线电数据中已有的 OFDM 子载波上的信号振幅和相位）的详细测量数据。CSI 本质上表征了发射器和接收器之间的 Wi-Fi 信道的当前状态，以提供反映信道周围环境的数据流。通过持续分析 CSI 测量数据，系统可以检测环境中的细微变化，并推断正在发生的运动或活动。

原始 CSI 数据需要精密分析才能提取出有意义的洞察。这正是边缘 AI 发挥关键作用的地方，它能够在数据源附近本地运行 AI 模型。经过 CSI 模式训练的机器学习模型可以学习识别特定活动、检测人员是否存在、监测生命体征或识别手势。这些工具使开发人员能够在资源受限的器件上高效训练模型，并将这些模型部署到最终产品中。