[Paper] LiveSense：一种在 COTS 笔记本上实现实时 Wi‑Fi 感知的距离‑多普勒平台

请提供您希望翻译的具体文本内容，我将按照要求将其翻译成简体中文并保留原始的格式、代码块和链接。

概述

LiveSense 平台表明，配备现代 Wi‑Fi 6E/7 网卡的普通笔记本电脑可以兼作高分辨率的距离‑多普勒雷达。通过以 ≥ 40 Hz 的频率获取原始信道状态信息（CSI）并在设备上进行信号处理，系统能够 在 Wi‑Fi 链路仍用于普通数据流量的情况下，提供厘米级的距离估计和速度测量。此突破为低成本、无处不在的感知打开了大门，无需额外硬件。

关键贡献

• 实时 CSI 提取 来自商业 Intel AX211（Wi‑Fi 6E）和 BE201（Wi‑Fi 7）网卡，频率 ≥ 40 Hz，跨子载波完全同步。
• 设备端自干扰消除 与时相对齐，使笔记本 CPU 能进行精确的距离‑多普勒处理。
• 跨平台 Python/Qt GUI，实时流式显示距离、多普勒、子载波幅度/相位以及带注释的视频帧，提供即时视觉反馈。
• 展示的感知能力：
  • 几米范围内对人的距离和径向速度的精准测量。
  • 检测诸如呼吸等微小动作。
  • 手势距离测量与分类。
• 首次演示 仅使用市售 Wi‑Fi 硬件上 160 MHz 带宽即可实现厘米级测距。

方法论

1. CSI 捕获 – 驱动程序已被补丁修改，以公开来自 Intel NIC 的原始 CSI 包。为每个 OFDM 子载波收集 ≥ 40 Hz 的高频复数信道系数流。
2. 时相对齐 – 由于 Wi‑Fi 帧本身并非相位相干，系统使用已知的导频符号和参考时钟对齐连续的 CSI 快照，将原始数据转换为相位稳定的时间序列。
3. 自干扰消除 – 笔记本电脑自身的发射信号会泄漏到接收路径。系统实时估计该泄漏的线性模型并予以减除，只保留来自外部物体的反射。
4. 距离‑多普勒处理 – 对对齐后的 CSI 帧进行短时傅里叶变换（STFT），生成二维距离‑多普勒图，其中距离轴依据频率相关的相位移（利用 160 MHz 带宽）计算，速度（多普勒）轴依据时间相位变化计算。
5. 可视化与标注 – 处理后的图像送入 Python/Qt GUI，叠加检测到的目标于实时视频流，使开发者能够并排查看射频视图和实际场景。

结果与发现

• Range Accuracy: 对0.5 m–4 m范围内的静态目标进行实验，平均绝对误差约为 ≈ 2 cm，尽管带宽仅为160 MHz。
• Velocity Resolution: 系统能够可靠地测量低至 ±0.1 m/s 的径向速度，足以捕捉人类步行和细微手势。
• Micro‑Motion Detection: 呼吸运动（幅度约0.5 cm，频率0.2 Hz）在多普勒维度中清晰可见，展示了对生理信号的灵敏度。
• Concurrent Communication: 当感知功能开启时，Wi‑Fi 吞吐量仍保持在基线的 80 % 以内，证实平台不会削弱正常的网络使用。
• Latency: 端到端处理（捕获 → 取消 → Range‑Doppler → GUI）保持在 150 ms 以下，实现近实时交互。

实际意义

• 智能空间的环境感知 – 办公室、住宅或工厂可以改装现有的笔记本电脑或边缘设备，以监测占用情况、检测跌倒或追踪设备，无需安装专用雷达硬件。
• 非接触式健康监测 – 仅使用支持 Wi‑Fi 的笔记本电脑，就能在远程医疗环境中实现连续呼吸或心率估计。
• 人机交互 – 开发者可以原型化手势控制（例如“挥手暂停视频”），无需购买专用的毫米波传感器。
• 安全与入侵检测 – 实时的距离‑多普勒图可以在墙后或盲区发现异常运动，同时 Wi‑Fi 链路保持正常工作。
• 成本效益研究平台 – 学术实验室和初创公司可以使用单台现成的笔记本电脑探索基于射频的感知技术，显著降低入门门槛。

限制与未来工作

• 带宽限制 – 160 MHz 通道限制了最大无歧义距离和分辨率；更宽的带宽（例如未来的 Wi‑Fi 8）可以进一步提升精度。
• 多路径敏感性 – 在杂乱的室内环境中，墙壁的反射会产生伪目标；需要更复杂的杂波抑制算法。
• 设备多样性 – 当前实现面向 Intel AX211/BE201 网卡；要扩展到其他厂商的设备需要额外的驱动工作。
• 可扩展性 – 虽然单台笔记本电脑运行良好，但在更大区域内协调多个感知节点仍是一个未解决的挑战。
• 监管考虑 – 高速率持续提取 CSI 可能在某些司法管辖区引发功耗或频谱使用方面的担忧；未来工作将探索自适应占空比循环。

LiveSense 展示了通信与感知之间的界限比以往任何时候都更模糊——将日常的 Wi‑Fi 硬件转变为开发者和行业的强大感知工具。

作者

• Jessica Sanson
• Rahul C. Shah
• Maximilian Pinaroc
• Cagri Tanriover
• Valerio Frascolla

论文信息

• arXiv ID: 2603.06545v1
• 分类: eess.SP, cs.AI
• 发布日期: 2026年3月6日
• PDF: 下载 PDF