💻 computer science

Why Commodity WiFi Sensors Fail at Multi-Person Gait Identification: A Systematic Analysis Using ESP32

本文表明，廉价的 ESP32 WiFi 传感器无法准确识别多人步态的原因，主要在于感知质量和空间多样性方面的根本性硬件限制，而非算法缺陷，从而对低成本 WiFi CSI 作为稳健的多用户生物识别原语的可行性提出了挑战。

原作者： Oliver Custance, Saad Khan, Simon Parkinson

发布于 2026-06-12

📖 1 分钟阅读☕ 轻松阅读

原作者： Oliver Custance, Saad Khan, Simon Parkinson

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下你正站在一个拥挤的房间里，试图在六个不同的人同时走动说话时，去聆听其中某人的声音。你能听到脚步声的整体嘈杂声，但想要精准地分辨出究竟是谁在何处走动，并仅凭脚步声来识别他们，是非常困难的。

这本质上就是这篇论文所研究的内容，只不过它们使用的不是耳朵，而是 WiFi 信号（具体来说是一个名为 ESP32 的廉价芯片）；它们观察的也不是脚步声，而是人们的行走模式如何扰动这些无形的 WiFi 波。

以下是利用简单的类比对其实验结果进行的解读：

核心问题：廉价的 WiFi 能“听见”多个人吗？

科学家们早就知道，WiFi 可以识别行走中的一个人。这就像是在安静的房间里辨别朋友的声音。但当 10 个人同时在繁忙的教室里走动时，情况会怎样呢？

研究人员想要探究的是：问题在于我们的“聆听”算法（软件）不够聪明，还是因为廉价的 WiFi 硬件本身就无法捕捉到足够的细节？

实验过程：一场“WiFi 鸡尾酒会”

团队使用廉价的、现成的 WiFi 传感器（ESP32 芯片）搭建了一个“鸡尾酒会”场景。他们让最多 10 个人在两个不同的房间内走动：

安静的实验室： 一个干扰极少的受控空间。
真实的教室： 一个充满家具和各种 WiFi 信号反射的杂乱空间。

他们尝试了 六种不同的数学“滤波器”（算法）来试图分离混合在一起的信号，希望能分离出每个人独特的行走风格（步态）。这些滤波器包括 FastICA、SOBI 和 NMF 等方法。

结果：一个“浑浊”的信号

结果有些令人失望，但也非常有启发性。

“浑浊之水”类比： 想象一下，你试图将红蓝两种食用色素混合在同一桶水中，然后要把它们重新分离。无论你的过滤器多么巧妙，如果水本身太浑浊，你就无法完美地分离颜色。
硬件限制： 廉价的 WiFi 传感器只有 3 根天线 和 52 个频率通道。研究人员发现，这就像是用三只耳朵去聆听一场交响乐团的演出。当所有人都同时移动时，根本没有足够的“空间分辨率”（细节）来分辨谁是谁。
算法的挣扎： 他们测试了六种不同的软件方法。表现最好的一个（称为 NMF）能大约 56% 地正确识别出人。而最差的一个仅为 39%。
- 换句话说： 如果你在一个有 10 个选项的多选题中瞎猜，你的正确率应该是 10%。达到 56% 虽然比靠运气好，但远非完美。这就像是一个略微偏向一侧的硬币投掷，虽然比纯粹靠运气好，但仍然不可靠。

为什么失败了？（三大主因）

论文引入了三个“诊断工具”来解释系统为何失败，这些工具通过以下比喻更容易理解：

个体内部差异（“同一个人，不同状态”问题）：
- 类比： 你今天走路的方式可能因为疲劳而有所不同，或者明天因为换了鞋而有所不同。WiFi 信号捕捉到了这些细微的变化，以至于系统误以为同一个人的两种不同状态是两个不同的人。这种由于自身运动产生的“噪声”甚至盖过了代表身份的“信号”。
个体间辨识度（“长得像”问题）：
- 类比： 在人群中，许多人的行走节奏非常相似。不同人的 WiFi 信号高度重叠（重叠率达 97–99%），导致系统无法区分 A 人或 B 人。他们全都沉浸在同一锅“数据汤”中。
环境敏感性（“换个房间”问题）：
- 类比： 一个在安静实验室里表现完美的滤波器，在嘈杂的教室里却表现得很糟糕。WiFi 在墙壁和家具上的反射方式（多径效应）剧烈改变了信号，使得在一个房间训练出的系统无法在另一个房间识别出同一个人。

结论：是硬件问题，而非仅仅是软件问题

这篇论文最重要的结论是：再聪明的软件也无法修复损坏的麦克风。

研究人员发现，即使是最好的算法（NMF）也无法解决问题，因为 硬件约束 才是瓶颈。廉价的传感器捕捉到的细节实在太少，不足以分离同时行走的 10 个人。所谓的“分离”算法只是在重新排列那些浑浊的水，而不是在真正净化它。

这对你意味着什么？

对于安全领域： 如果你希望利用廉价的 WiFi 路由器在繁忙的办公室或机场进行持续的身份验证（核实身份），这篇论文告诉你：目前还不要抱太大希望。 该技术在区分 10 个走过传感器的行人方面还不具备可靠性。
对于隐私保护： 从另一方面来看，这对隐私保护是个好消息。这表明，廉价的、现成的 WiFi 设备可能无法在拥挤的房间里高精度地秘密追踪并识别每个人。低成本 WiFi 的“超级间谍”能力受限于硬件的物理特性，而非仅仅是软件水平。

简而言之： 试图通过廉价 WiFi 识别多个行走的人，就像是在一个嘈杂的房间里，试图通过一个低质量的单麦克风去分辨合唱团中每一位歌手的声音。无论计算机多么聪明，硬件本身都无法捕捉到那些细节。

技术摘要：为什么商用 WiFi 传感器在多人员步态识别中表现不佳

问题陈述
尽管 WiFi 信道状态信息（CSI）在受控环境下已展示出单人步态识别的潜力，但在低成本商用硬件上实现多人员识别的可行性尚不明确。核心挑战在于信号分离：当多个人同时行走时，他们的步态特征会在接收到的 CSI 中发生干扰并混合，形成一个必须在进行个体识别前进行分解的叠加态。现有文献表明，虽然复杂的设置（例如修改固件、专用天线阵列）可以实现分离，但商用设备的性能表现较为平庸。本文探讨的核心研究问题是：多人员识别性能不佳，主要是源于算法局限性（分离模型不足），还是源于商用 WiFi 硬件固有的基础感知天花板（空间和频谱多样性不足）。

研究方法
作者使用运行在 5 GHz 频段（IEEE 802.11n）上的商用 ESP32 WiFi 传感器进行了系统的实证研究。该研究特意避开了使用具有相位稳定性的专用网卡（NIC）获取的 CSI，以反映现实中低成本部署的约束。

数据采集： 实验在两种环境中进行：受控实验室（7m × 7m）以及包含家具和环境流量的真实教室（5.4m × 9m）。十名参与者（年龄 20–40 岁）在涉及 1 到 10 人的七种场景下进行了行走试验。
信号配置： 系统捕获了来自 $k=3$ 根天线和 $m=52$ 个信息承载子载波的 CSI 幅度。
分离算法： 研究评估了六种不同的盲源分离（BSS）方法，这些方法在相同的采集条件下进行，旨在将算法敏感性与感知限制隔离开来：
1. FastICA（统计独立性）
2. SOBI（二阶时间结构）
3. PCA–ICA（混合维度缩减与分离）
4. NMF（非负矩阵分解；基于部分的加性表示）
5. Wavelet Transform（小波变换；多分辨率时频分解）
6. Tensor Decomposition（张量分解；保留各模态间相互作用的多维因子分解）
评估流程： 分离出的源信号被处理成特征向量（时间、频率和空间描述符），并使用带有 RBF 核的支持向量机（SVM）进行分类。
诊断指标： 除了标准准确率外，作者还引入了三个指标来表征失效模式：
- 受试者内变异性 (ISV)： 同一用户特征的一致性。
- 受试者间可区分性 (ISD)： 不同用户在特征空间中的分离度。
- 性能退化率 (PDR)： 随着人群密度增加的鲁棒性。

关键结果
研究发现，所有评估的方法表现都较为平庸，没有任何一种算法能解决密集多人员分离的底层问题。

分类性能： 表现最好的方法是 NMF，其准确率为 56.00%，F1 分数为 48.00%。FastICA 和 SOBI 紧随其后，准确率约为 48–49%，而 PCA–ICA 表现最差，仅为 39.39%。
特征重叠： 一个关键发现是，所有方法都存在极高的特征空间重叠（97–99%）。这表明即使是“最好”的分离算法也运行在强身份纠缠而非清晰分离的状态下。
稳定性与可分离性的权衡：
- 张量分解 (Tensor Decomposition) 实现了最高的受试者间可区分性 (ISD)，但遭受了极高的受试者内变异性 (ISV)，这意味着单个用户的表示在不同试验中极不稳定。
- PCA–ICA 提供了最稳定的表示（最低的 ISV），但未能提供足够的判别能力用于身份识别。
- NMF 提供了最有利的平衡，在没有张量模型那种严重不稳定性或 PCA 的低准确率的情况下，提升了分类指标。
环境敏感性： 性能具有高度的环境依赖性。大多数方法在“丰富”的多径教室环境中表现有所提升，而张量分解在受控实验室中表现更好，这表明多径多样性根据算法的不同，既可以是有效的信号，也可以是结构化的干扰。
可扩展性： 随着人数从 2 人增加到 10 人，所有方法均表现出性能下降。张量分解对密度的抵抗力最强（退化率最低），而小波变换和 PCA–ICA 的退化更为剧烈。

意义与主张
论文得出结论：在商用 ESP32 设备上，多人员步态识别的瓶颈从根本上说是感知限制，而不仅仅是算法问题。

硬件约束： 商用硬件有限的天线数量（3 根）和子载波数量（52 个）提供了不足以分离密集人类步态的空间和频谱自由度。该问题是欠定的；信号本身并不包含足以可靠解耦用户的可用信息。
算法极限： 提高模型的复杂程度（例如从矩阵分解转向张量分解）并不能单调地提高性能，因为算法无法补偿测量值中缺失的信息。算法主要是在重新分配身份纠缠，而不是解决纠缠问题。
安全与隐私影响：
- 身份验证： 商用 WiFi CSI 目前是构建稳健的多用户生物识别身份验证的脆弱基础。高重叠度和环境敏感性使其对于需要稳定身份分离的安全决策而言是不可靠的。
- 隐私： 研究结果为隐私威胁划定了重要界限。虽然被动射频感知是一个担忧，但本研究表明，使用此类廉价、现成的 WiFi 硬件进行密集型被动识别，其实际操作难度比通常认为的要大。在拥挤的现实环境中，感知信号本身似乎并不支持可靠的身份分离。

结论
作者断言，在商用 ESP32 的 CSI 约束下，密集多人员步态识别更多受限于感知质量和空间多样性，而非分离算法的选择。未来的进展可能需要更丰富的感知模态（例如 Massive MIMO、毫米波）或传感器融合，而非在现有的低成本硬件上对分离算法进行增量式改进。