Human Presence Detection via Wi-Fi Range-Filtered Doppler Spectrum on Commodity Laptops

本文提出了一种基于商用笔记本电脑内置 Wi-Fi 硬件的首个无需外部设备或传感器的单站人体存在检测方案，通过引入范围滤波多普勒谱（RF-DS）技术和自适应多速率处理框架，实现了低复杂度、高稳定性且无需校准的隐私保护型用户存在感知。

要点

这篇论文介绍了一项非常酷的技术：让你的笔记本电脑“感觉”到你就在它旁边，而且完全不需要摄像头、额外的传感器，甚至不需要你动一下。

想象一下，你的电脑就像是一个拥有“第六感”的侦探，它利用自己自带的 Wi-Fi 信号，就能知道你是刚走进房间、正坐在桌前，还是已经离开去倒咖啡了。

下面我用几个简单的比喻来解释这项技术是如何工作的：

1. 核心难题：如何在“嘈杂”的房间里听清“微弱的呼吸”？

背景：
以前的电脑想检测人，要么用摄像头（侵犯隐私，像被监视），要么装专门的雷达传感器（太贵，像给电脑戴了个笨重的头盔）。
现在的方案是利用电脑自带的 Wi-Fi 网卡。Wi-Fi 信号就像看不见的声波，在房间里到处反弹。

问题：
当 Wi-Fi 信号发射出去又弹回来时，大部分信号都撞到了墙壁、桌子等静止物体上，这些信号非常强，就像在一个巨大的摇滚音乐厅里，你想听清旁边一个人轻微的呼吸声。如果直接听，呼吸声会被噪音完全淹没。

2. 他们的秘密武器：RF-DS（范围过滤多普勒频谱）

为了解决这个问题，作者发明了一种叫 RF-DS 的新方法。我们可以把它想象成给电脑戴上了一副“智能降噪耳机”和一个“变焦望远镜”。

• 第一步：只关注“桌子前” (范围过滤)
  以前的方法会分析整个房间（从 0 米到 10 米）的所有信号，计算量巨大且充满干扰。
  这项技术就像把望远镜的焦距只锁定在电脑前 0 到 2 米的区域（你坐的位置）。它直接忽略掉远处墙壁的杂波，只处理你关心的区域。这就像在人群中只盯着你的朋友看，自动屏蔽了背景里其他人的喧闹。

• 第二步：滤除“死寂”的噪音 (FIR 滤波器)
  墙壁反射的信号是静止的（速度为 0）。作者设计了一个特殊的过滤器（FIR 滤波器），就像把静止的墙壁信号全部“静音”。
  这样，哪怕你只是静静地呼吸（胸部起伏产生的微小移动），产生的微弱信号也能被清晰地捕捉到，而不会被墙壁的噪音掩盖。

• 第三步：时间切片 (时域窗口)
  以前的方法像拍一张静态照片，容易因为瞬间的干扰而误判。
  这项技术像拍一段短视频。它观察一段时间内的信号变化，通过“时间窗口”来确认：“嗯，这几秒钟信号都在动，那肯定有人。”这大大提高了判断的稳定性，减少了误报。

3. 省电小妙招：像“守夜人”一样工作

电脑不能一直全速运转，否则电池会很快耗尽。这项技术设计了一个智能的“守夜人”模式：

• 平时（待机模式）： 电脑像打瞌睡的守夜人，只以很慢的频率（每秒 10 次）扫视一下周围。这非常省电。
• 有人来了（检测模式）： 一旦守夜人感觉到一点动静（比如你走近了），它立刻瞬间清醒，切换到高速模式（每秒 100 次），精准地追踪你的位置和动作。
• 你走了： 确认你离开后，它又变回瞌睡模式。

4. 实际效果怎么样？

作者在真实的办公室环境下，用普通的惠普（Wi-Fi 7）和联想（Wi-Fi 6E）笔记本电脑做了测试：

• 呼吸检测： 即使你坐在 3 米外不动，只是呼吸，电脑也能通过 Wi-Fi 信号的变化感觉到你“还活着”。
• 进出检测： 当你从远处走近，或者离开电脑去拿东西，电脑能准确判断你是“靠近”、“离开”还是“就在眼前”。
• 准确率： 在不同品牌的电脑上，准确率都达到了 94% 以上。
• 反应速度： 从你开始移动到电脑反应过来，只需要 0.5 秒 左右，完全来得及在你坐下前把电脑唤醒。

总结：这对我们意味着什么？

这项技术就像给笔记本电脑装上了隐形的、隐私友好的“生命感应器”：

1. 保护隐私： 不需要摄像头，不用担心被偷拍。
2. 省电： 人走了电脑自动锁屏、休眠；人来了自动唤醒、亮屏，不用你动手。
3. 省钱： 不需要买额外的硬件，利用现有的 Wi-Fi 芯片就能实现。

简单来说，未来的笔记本电脑将变得更“懂你”：它知道你在不在，知道你是刚来还是刚走，甚至知道你只是坐着发呆还是真的在忙，而且这一切都是悄悄发生的，既安全又省电。

技术摘要

这是一份关于论文《Human Presence Detection via Wi-Fi Range-Filtered Doppler Spectrum on Commodity Laptops》（基于商用笔记本电脑 Wi-Fi 范围滤波多普勒谱的人体存在检测）的详细技术总结。

1. 研究背景与问题 (Problem)

核心挑战：
现有的笔记本电脑人体存在检测（HPD, Human Presence Detection）方案主要存在以下局限性，难以在消费级设备上实现低成本、低功耗且隐私友好的部署：

• 专用硬件传感器（如 ToF、红外）： 虽然准确，但增加了设计复杂度、成本和功耗，且视场角（FOV）有限，通常仅用于高端机型。
• 基于摄像头的方案： 引发严重的隐私担忧，且计算量大，难以在电池供电的“常开”模式下运行，且在低光或镜头被遮挡时失效。
• 传统 Wi-Fi 感知：
  • 简单的统计方法（如幅度方差）缺乏空间信息（距离），无法区分相关区域（如办公桌前）的运动与环境杂波，导致高误报率。
  • 复杂的机器学习方法（如 CNN、Transformer）计算负担重，不适合笔记本电脑 CPU 的实时连续运行，且通常需要针对特定环境进行大量训练和校准。
  • 现有的先进方案多基于**双站（Bistatic）**架构（需要外部路由器/AP），依赖外部基础设施，且受环境布局影响大。

目标：
开发一种仅利用商用笔记本电脑内置 Wi-Fi 网卡（NIC）的**单站（Monostatic）**感知方案，实现无需外部设备、无需校准、低功耗且高精度的存在检测。

---

2. 方法论 (Methodology)

论文提出了一种名为**范围滤波多普勒谱（Range-Filtered Doppler Spectrum, RF-DS）**的新颖技术，并结合了自适应多速率处理框架。

A. 系统架构：单站 Wi-Fi 感知

• 利用笔记本电脑内置的 Wi-Fi 网卡，同一设备上的天线既作为发射机（Tx）也作为接收机（Rx）。
• 通过共享本地振荡器和基带，同时获取**距离（Range）和多普勒（Doppler）**信息。
• 利用长训练字段（LTF）信号的信道状态信息（CSI）进行频谱估计。

B. 核心算法：RF-DS

传统的全 2D 距离 - 多普勒图（RDM）计算量巨大（需要对所有子载波和时间帧进行 2D FFT）。RF-DS 通过以下优化实现了低复杂度：

1. 基于 FIR 滤波的自干扰消除（Enhanced SI Cancellation）：

   • 问题： 单站模式下，Tx-Rx 耦合和静态环境反射会产生强烈的零多普勒分量，掩盖微动（如呼吸）。
   • 方案： 摒弃传统的直流（DC）去除法，采用64 阶带通 FIR 滤波器（基于移动目标指示 MTI 原理）。
   • 优势： 提供对零多普勒抑制的精细控制，能够检测极低速运动（如 5-10 mm/s 的呼吸），而不会像 DC 去除那样抑制慢速运动。滤波器仅应用于选定的距离门（Range Gates），而非所有子载波，大幅降低计算量。

2. 特定距离的多普勒谱匹配滤波（Range-Specific Doppler Spectrum）：

   • 原理： 不需要计算全距离的 2D FFT。直接针对感兴趣的目标距离（如 0-2 米），在频域进行相位补偿求和（等效于单点 DFT 或匹配滤波）。
   • 公式： $s_i(m) = \sum D(m, n) \cdot e^{j\phi_n(R_i)}$。这使得来自特定距离 $R_i$ 的信号相干叠加，而其他距离的信号非相干衰减。
   • 输出： 生成“时间 - 多普勒”图（Time-Doppler Map），而非完整的距离 - 多普勒图。

3. 特征提取与检测逻辑：

   • 自适应噪声估计： 在滑动窗口内计算平均多普勒功率，并进行截断处理以消除瞬态强目标干扰，动态估计噪声底。
   • 信噪比（SNR）计算： 计算每个距离门的 SNR。
   • 状态判定： 结合 SNR 阈值和估计距离 $\hat{r}_i$，将状态分为：
     • 近区（Presence）： 0-2 米（用户在桌前）。
     • 接近/离开区（Approach/Leave）： 2-5 米。
     • 远区（No Presence）： >5 米。
   • 多帧投票： 使用多帧多数投票机制（Majority Voting）和二次插值来提高鲁棒性，减少误触发。

C. 自适应多速率处理框架 (Adaptive Multi-Rate Framework)

• 空闲模式（Idle）： 当未检测到运动时，以低帧率（10 Hz）运行，极大降低功耗。
• 检测模式（Detection）： 一旦检测到运动，自动切换至高帧率（100 Hz）以精确跟踪用户轨迹。
• 状态切换： 连续 10 次未检测到存在则进入空闲模式；检测到存在即切换回检测模式。

---

3. 主要贡献 (Key Contributions)

1. 首个基于商用笔记本内置 Wi-Fi 的独立 HPD 方案：

   • 完全依赖单站配置下的内置 Wi-Fi NIC，无需外部 AP、路由器或专用传感器。
   • 实现了跨环境、跨设备的通用部署，无需重新训练或校准。

2. 创新的 RF-DS 算法：

   • 提出了一种低复杂度方法，通过距离区域滤波和特定距离的时 - 多普勒分析，避免了昂贵的连续 2D RDM 计算。
   • 利用 FIR 滤波器实现了优于传统 DC 去除法的微动（呼吸）检测能力。

3. 自适应低功耗架构：

   • 动态调整 CSI 采样率（10 Hz vs 100 Hz），在保持高检测精度的同时，显著降低了笔记本电脑的电池消耗。

---

4. 实验结果 (Results)

实验在真实的办公环境中进行，使用了 HP Wi-Fi 7 和 Lenovo Wi-Fi 6E 两款笔记本电脑。

• 呼吸检测（微动）：

  • 在 3 米距离下，RF-DS 配合 MTI 滤波器成功检测到了用户呼吸产生的微弱多普勒信号。
  • 相比传统 DC 去除法，MTI 滤波器显著抑制了自干扰，使呼吸信号在多普勒谱中更清晰可见。

• 接近 - 离开检测（Approach-Leave）：

  • 系统能够连续跟踪用户从 0.5 米移动到 6 米以外再返回的全过程。
  • 与全 2D FFT 方法相比，RF-DS 在距离和速度估计上更平滑、更鲁棒，特别是在远距离和低速段。虽然牺牲了部分厘米级的精细距离分辨率，但完全满足存在检测的应用需求。

• 跨平台一致性：

  • Lenovo (Wi-Fi 6E)： 检测准确率 94.0%。
  • HP (Wi-Fi 7)： 检测准确率 96.5%。
  • 证明了该方法对不同的 Wi-Fi 硬件代际具有良好的泛化能力。

• 延迟与功耗：

  • 状态估计延迟： 平均 0.48 秒（最大 0.89 秒），足以在用户到达前触发唤醒操作。
  • 功耗： 通过自适应帧率机制，在空闲时段大幅降低了处理负载。

---

5. 意义与影响 (Significance)

• 隐私保护： 提供了一种非摄像头、非接触式的存在检测方案，解决了用户对隐私的担忧。
• 成本与普及： 无需额外硬件，利用现有的商用笔记本 Wi-Fi 网卡即可实现，降低了部署门槛，有利于在大规模消费级设备中普及。
• 能效优化： 实现了真正的“常开”（Always-on）感知，通过智能调整采样率，平衡了检测精度与电池寿命，支持“走近唤醒（Wake-on-Approach）”和“离开锁定（Lock-on-Leave）”等智能功能。
• 技术突破： 展示了单站 Wi-Fi 雷达在消费电子设备上的巨大潜力，为未来 6G 感知和智能环境交互提供了新的技术路径。

总结： 该论文成功证明了利用商用笔记本电脑内置 Wi-Fi 硬件进行高精度、低功耗、隐私友好的人体存在检测的可行性，通过创新的 RF-DS 算法解决了计算复杂度和微动检测的难题，具有极高的实用价值。