⚡ electrical engineering

Rethinking RSSI for WiFi Sensing

Dit artikel introduceert WiRSSI, een nieuw raamwerk dat bewijst dat de vaak als te grof beschouwde RSSI-data van standaard WiFi-apparatuur, ondanks het ontbreken van subcarrier-fase-informatie, effectief kan worden gebruikt voor passieve menselijke tracking en bewegingssenseren door Doppler-, AoA- en vertragingssignalen te extraheren.

Oorspronkelijke auteurs: Zhongqin Wang, J. Andrew Zhang, Kai Wu, Y. Jay Guo

Gepubliceerd 2026-02-25

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Zhongqin Wang, J. Andrew Zhang, Kai Wu, Y. Jay Guo

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Titel: WiRSSI: Het "Fluisterende" WiFi-signaal dat je bewegingen kan zien

Stel je voor dat je in een kamer loopt. Normaal gesproken denkt een WiFi-router alleen aan het versturen van e-mails of het streamen van video's. Hij ziet je als een onzichtbare geest die niets met zijn signaal te maken heeft. Maar wat als die router je eigenlijk wel kan "zien", zonder dat je een camera of speciale apparatuur nodig hebt?

Dit is precies wat het nieuwe onderzoek WiRSSI doet. Het is een slimme manier om de gewone WiFi-technologie te gebruiken om mensen te volgen en hun bewegingen te herkennen, zelfs als we de "superkrachtige" gegevens niet kunnen gebruiken.

Hier is hoe het werkt, vertaald naar alledaagse taal:

1. Het probleem: De "Grote Foto" vs. de "Hoge Resolutie"

Normaal gesproken gebruiken wetenschappers voor WiFi-sensoren CSI (Channel State Information).

CSI is als een hoge-resolutie foto van de lucht. Je ziet elke kleine rimpel, elke fase van de golf, en je kunt precies zien hoe een beweging het signaal verandert. Het is geweldig, maar het is vaak verborgen achter een slot (vanwege privacy of beveiliging op je router) of gewoon niet beschikbaar op goedkope apparaten.
RSSI (Received Signal Strength Indicator) is wat je router wel altijd laat zien: een simpele getal dat aangeeft hoe sterk het signaal is. Dit is als een zwart-wit schets of een ruwe schets. Het zegt alleen: "Het signaal is sterk" of "Het signaal is zwak". Voorheen dachten mensen: "Dit is veel te vaag om iemand te volgen."

De grote ontdekking: De auteurs van dit paper zeggen: "Wacht even! Zelfs die ruwe schets bevat nog steeds genoeg informatie om te zien waar iemand loopt, als je weet hoe je moet kijken."

2. De Analogie: De Echo in een Grot

Stel je voor dat je in een grot staat en schreeuwt.

De directe echo komt van de muur achter je (dit is het vaste signaal tussen de zender en ontvanger).
Jij bent een persoon die door de grot loopt. Als je beweegt, verandert de manier waarop je stem terugkaatst.

Omdat je niet naar de precieze toonhoogte (de fase) kunt luisteren (dat is wat CSI doet), luisteren we alleen naar de luidheid van de echo (RSSI).

Als je dicht bij de muur loopt, wordt de echo luid.
Als je wegloopt, wordt hij zachter.
Maar het geheim zit in de interactie: Als je beweegt, creëer je een soort "trilling" in de luidheid. Het papier laat zien dat deze trillingen (die we Doppler-noemen) en de richting waaruit de echo komt (AoA), zelfs in die ruwe luidheidsmetingen verborgen zitten.

3. Hoe WiRSSI het doet (De Magische Truc)

Het systeem gebruikt één zender (de "schreeuwer") en drie ontvangers (drie "luisteraars" met antennes).

Het Ruisfilter: Eerst kijkt het systeem naar de "stilte" in de kamer (de vaste muren en meubels) en telt dit eruit. Wat overblijft, is alleen het signaal dat door de bewegende persoon wordt veroorzaakt.
De 2D-FFT (De Muziek-Analyzer): Het systeem neemt die ruwe luidheidsdata en voert er een wiskundige truc op uit (een snelle Fourier-transformatie). Dit is alsof je een muziekfragment neemt en er een spectrum van maakt. Plotseling zie je niet alleen hoe hard iemand beweegt, maar ook in welke richting (AoA) en hoe ver ze weg zijn (vertraging).
De Afstandsberekening: Omdat we geen fase-informatie hebben om de afstand exact te meten, gebruiken ze een slimme truc: ze kijken naar de verhouding tussen de luidheid van het vaste signaal en het bewegende signaal. Net zoals je aan de luidheid van een echo kunt horen hoe ver de muur is, kan dit systeem de afstand schatten.

4. Wat kan het eigenlijk?

Het team heeft dit getest in een echt kantoor:

Volgen: Ze lieten mensen in verschillende patronen lopen (rondjes, rechte lijnen, vierkanten). Het systeem kon hun pad volgen met een gemiddelde fout van ongeveer 1 meter. Dat is niet perfect (CSI is nauwkeuriger, met een fout van ongeveer 0,5 meter), maar het is goed genoeg om te weten of iemand de kamer binnenkomt, of dat ze naar de koelkast lopen.
Gebaren herkennen: Ze testten het ook op een dataset met gebaren (zoals "kloppen", "trekken", "vegen"). Het systeem kon deze gebaren herkennen, hoewel iets minder goed dan de geavanceerde methoden.

5. Waarom is dit belangrijk?

Stel je voor dat je een slim huis wilt bouwen, maar je wilt geen camera's in de slaapkamer of badkamer (privacy!). Of stel je voor dat je een grote fabriek wilt monitoren, maar je hebt geen budget voor dure sensoren.

Privacy: RSSI is "privacy-vriendelijker" omdat het geen gedetailleerde bewegingspatronen onthult die je lichaam kunnen identificeren.
Beschikbaarheid: Elke WiFi-router heeft RSSI. Je hoeft geen speciale drivers te installeren of de firmware te hacken.
Kosten: Het werkt op bestaande hardware.

Conclusie

Dit onderzoek is als het vinden van een diamant in een steenrots. Het laat zien dat je niet altijd de "perfecte" gegevens (CSI) nodig hebt om iets te doen. Zelfs met de "ruwe" en "onvolledige" gegevens van een gewone WiFi-router (RSSI), kun je een heel bruikbaar systeem bouwen om mensen te volgen en hun bewegingen te begrijpen.

Het is geen vervanging voor de dure, super-nauwkeurige systemen, maar het is een perfecte, goedkope en privacy-vriendelijke oplossing voor de dagelijkse dingen. Het maakt WiFi niet alleen tot een internetverbinding, maar tot een onzichtbare, slimme sensor in je huis.

Titel: Rethinking RSSI for WiFi Sensing (Het heroverwegen van RSSI voor WiFi-sensoren)

1. Het Probleem

Geïntegreerd Sensing and Communication (ISAC) is een sleutelparadigma voor toekomstige communicatiesystemen, waarbij WiFi vaak wordt gebruikt voor omgevingswaarneming. Traditioneel wordt Channel State Information (CSI) gezien als de standaard voor fijnkorrelige sensoren, omdat deze amplitude- en fase-informatie per subcarrier biedt. Echter, toegang tot CSI op commerciële apparaten is vaak beperkt door firmware-beperkingen, vendor-beleid en privacyzorgen (aangezien fase-informatie gedetailleerde bewegingspatronen kan onthullen).

Aan de andere kant is de Received Signal Strength Indicator (RSSI) overal beschikbaar op standaard WiFi-apparaten, maar wordt deze beschouwd als te grof voor nauwkeurige sensoren. RSSI is een laag-resolutie, geaggregeerde vermogensmeting (vaak 8-10 bits) die fase-informatie en multipath-diversiteit verwaait. De heersende opvatting is dat RSSI ongeschikt is voor passieve menselijke tracking of bewegingsdetectie. Dit artikel daagt deze veronderstelling uit en onderzoekt of RSSI kan worden gebruikt als een kosteneffectief, privacy-vriendelijk alternatief.

2. Methodologie: Het WiRSSI Framework

De auteurs stellen WiRSSI voor, een bistatisch WiFi-sensorframework dat uitsluitend RSSI-metingen gebruikt voor passieve menselijke tracking en bewegingssensoren. Het systeem gebruikt een configuratie van 1 zender (Tx) en 3 ontvangers (Rx) met een antenne-array.

De kern van de methodologie bestaat uit de volgende stappen:

Fysisch Model en RSSI-afleiding:
De auteurs tonen aan dat RSSI, hoewel het geen subcarrier-fase heeft, voortkomt uit dezelfde ontvangen signaalenergie als CSI. Door het vermogen van CSI te aggregeren, blijft er een impliciete relatie bestaan tussen RSSI en bewegingsmodulatie. Het model toont aan dat de interactie tussen statische paden (LOS/NLOS) en dynamische paden (veroorzaakt door beweging) Doppler-, AoA- (Angle of Arrival) en vertragingssignalen in het vermogensdomein codeert.
Static Clutter Removal (Verwijdering van statische storing):
RSSI-metingen worden omgezet naar een lineaire schaal. Het dominante statische component (direct pad tussen Tx en Rx) wordt onderdrukt door het tijdsgemiddelde te berekenen en af te trekken van de momentane meting. Dit isoleert de dynamische component veroorzaakt door beweging.
2D FFT voor Doppler en AoA:
Om bewegingsinformatie te extraheren zonder fase-data, past WiRSSI een 2D Fast Fourier Transform (FFT) toe:
1. Temporale FFT: Om Doppler-frequentie (snelheid) te schatten.
2. Ruimtelijke FFT: Over de drie ontvangerantennes om de AoA te schatten.
  Omdat RSSI reëel is, ontstaat er een spiegelsymmetrie (ambiguïteit). Dit wordt opgelost door de bekende richting van de zender ( $\theta_S$ ) te gebruiken als referentie om de spiegelpunten te onderscheiden.
Vertragingsschatting via Amplitude:
Omdat RSSI geen fase-informatie heeft voor traditionele vertragingsschatting, gebruiken de auteurs een amplitude-gebaseerde methode. Ze modelleren de relatie tussen de amplitude van het gereflecteerde signaal en de totale bistatische afstand. De verhouding tussen de amplitude van het dynamische pad (mens) en het statische pad wordt gebruikt om de afstand te schatten, na een eenmalige kalibratie van de reflectiecoëfficiënt.
Tracking en Sensing:
De geschatte AoA en vertraging worden omgezet naar Cartesische coördinaten. Om ruis te verminderen, worden Hampel-filters (voor outliers) en Savitzky-Golay-filters (voor gladmaking) toegepast. Voor bewegingsherkenning (zoals gebaren) worden de Doppler-AoA-spectra gecomprimeerd tot tijds-Doppler-kenmerken.

3. Belangrijkste Bijdragen

Fysisch Model: De auteurs leiden een RSSI-vermogensmodel af dat toont dat RSSI, als geaggregeerde CSI-kracht, impliciet fase-gerelateerde bewegingsinformatie (Doppler, AoA, vertraging) behoudt.
Lichtgewicht Algoritme: Ontwikkeling van een efficiënte feature-extractie methode gebaseerd op 2D FFT, die AoA en Doppler schat zonder subcarrier-fase, en vertraging schat via amplitude-ratio's.
Implementatie en Vergelijking: Implementatie van een bistatisch systeem met Intel 5300 NIC's (die zowel CSI als RSSI per antenne leveren) voor eerlijke vergelijking.
Validatie: Uitgebreide experimenten met menselijke beweging en gebarenherkenning, waarbij wordt aangetoond dat RSSI een bruikbaar complement is aan CSI.

4. Resultaten

De experimenten werden uitgevoerd in praktische omgevingen met drie bewegingstrajecten (elliptisch, lineair, rechthoekig) en op het Widar3.0 dataset voor gebarenherkenning.

Locatie-nauwkeurigheid:
WiRSSI bereikte een mediaan XY-fout van:
- 0.905 m (elliptisch)
- 0.784 m (lineair)
- 0.785 m (rechthoekig)
  Ter vergelijking: Een representatieve CSI-methode (SRCC) behaalde fouten van respectievelijk 0.574 m, 0.599 m en 0.514 m. Hoewel CSI nauwkeuriger is, toont RSSI aan dat meter-niveau tracking haalbaar is zonder fase-informatie.
Gebarenherkenning:
Op de Widar3.0 dataset bereikte WiRSSI een nauwkeurigheid van 75.3% en een F1-score van 0.751 voor gebarenherkenning, vergeleken met 93.9% voor de beste CSI-methode. Dit bevestigt dat RSSI voldoende discriminatieve bewegingsinformatie bevat.
Berekeningskosten:
WiRSSI is aanzienlijk sneller dan CSI-baselines. De verwerkingstijd per CPI (Coherent Processing Interval) is 0.2 ms voor WiRSSI versus 12 ms voor SRCC, wat real-time verwerking op edge-apparaten mogelijk maakt.
Invloed van Afstand:
De prestaties blijven robuust bij Tx-Rx-afstanden van 2-4 meter. Bij zeer kleine afstanden (1 m) neemt de onzekerheid in de reflectiecoëfficiënt toe, maar blijft het systeem functioneel.

5. Betekenis en Conclusie

Deze studie is significant omdat het de langdurige mythe doorbreekt dat RSSI te grof is voor gedetailleerde WiFi-sensoren. De belangrijkste inzichten zijn:

Complementaire Rol: RSSI vervangt CSI niet, maar biedt een hardware-vriendelijk, kosteneffectief en privacy-bewust alternatief wanneer CSI niet beschikbaar, onbetrouwbaar of privacy-gevoelig is.
Toepasbaarheid: Omdat RSSI universeel beschikbaar is op commodity WiFi-apparaten, maakt WiRSSI grootschalige ISAC-toepassingen mogelijk zonder firmware-aanpassingen of dure hardware.
Fysische Basis: Het werk onderstreept dat vermogensmetingen, wanneer correct gemodelleerd, rijkere sensormogelijkheden bevatten dan algemeen wordt aangenomen.

Kortom, WiRSSI demonstreert dat zelfs met lage resolutie en zonder fase-informatie, WiFi-sensoren effectief kunnen worden ingezet voor menselijke tracking en bewegingsherkenning in realistische scenario's.