摘要： 用Wi-Fi信号“看”穿墙壁：基于C/C++的Wi-Fi嗅探人体检测系统深度解析 1. 项目概述 Wi-Fi-Sniffer-as-a-Human-detector 是一个极具前瞻...

用Wi-Fi信号“看”穿墙壁：基于C/C++的Wi-Fi嗅探人体检测系统深度解析

1. 项目概述

Wi-Fi-Sniffer-as-a-Human-detector 是一个极具前瞻性的开源项目，它将普通的 Wi-Fi 网络接口卡（NIC）转化为一个非接触式的人体检测传感器。该项目不依赖于摄像头或红外传感器，而是利用 Wi-Fi 信号在空间传播过程中受到人体干扰而产生的物理特性（如衰减、多径效应和相位偏移）来感知人类的存在与移动。

简单来说，该项目通过 C/C++ 编写，直接与底层网络驱动交互，捕捉 Wi-Fi 数据包的 RSSI（接收信号强度指示） 和 CSI（信道状态信息），并通过算法分析这些信号的波动，从而判断环境中是否有人，甚至能够识别简单的动作。

2. 核心技术原理

2.1 信号干扰理论

Wi-Fi 信号在传输过程中，如果路径上没有障碍物，信号强度相对稳定。但人体由约 70% 的水组成，对 2.4GHz 和 5GHz 的电磁波具有显著的吸收和反射作用。当人进入发射端和接收端之间时，会产生以下现象： - 阴影效应（Shadowing）： 人体阻挡信号，导致 RSSI 骤降。 - 多径干扰（Multipath Fading）： 信号经人体反射后与原信号叠加，产生相干或相消干涉，导致信号强度剧烈波动。

2.2 从 RSSI 到 CSI

• RSSI (Received Signal Strength Indicator)： 粗粒度的指标，反映整体信号强度。适用于检测“有人/无人”的简单场景。
• CSI (Channel State Information)： 细粒度的指标，能够提供子载波级别的幅度和相位信息。该项目通过分析 CSI 的变化，可以实现更高精度的检测（如呼吸监测、手势识别）。

3. 系统架构与实现

该项目采用 C/C++ 开发，旨在保证极高的实时性和底层的硬件控制能力。

3.1 软件栈

• 底层驱动： 利用 Linux 的 monitor mode（监听模式），允许网卡捕获所有经过的 802.11 帧，而无需与任何 AP 建立连接。
• 数据捕获层： 使用 libpcap 或原始套接字（Raw Sockets）截获数据包头中的信号强度信息。
• 处理层：
  • 滤波： 使用低通滤波或卡尔曼滤波去除环境噪声。
  • 特征提取： 计算信号波动的方差、标准差或进行快速傅里叶变换（FFT）分析频率成分。
• 判定层： 基于预设阈值或简单的机器学习模型判定人体状态。

3.2 硬件要求

• 支持监听模式的网卡： 如 Atheros 或 Realtek 系列（需支持 iw 或 airmon-ng）。
• 运行环境： 建议使用 Ubuntu 或其他 Linux 发行版。

4. 实例演示与操作流程

假设你已经克隆了项目并安装了依赖，以下是一个典型的部署与运行流程。

步骤一：开启监听模式

在运行程序前，必须将网卡设置为监听模式，否则无法捕获周围的 Wi-Fi 帧。

sudo ifconfig wlan0 down
sudo iw dev wlan0 set type monitor
sudo ifconfig wlan0 up

步骤二：编译项目

mkdir build && cd build
cmake ..
make

步骤三：运行检测程序

运行程序并指定监听的网卡接口：

sudo ./wifi_detector -i wlan0 -t 2.5

参数说明：-i 指定接口，-t 指定触发阈值。

步骤四：结果分析（模拟场景）

1. 静止状态： 屏幕输出的 RSSI 值在 \(-60\text{dBm}\) 左右小幅波动 \(\pm 2\text{dBm}\) \(\rightarrow\) 状态：无人。
2. 人体进入： 当一个人走过发射端与接收端之间，RSSI 突然掉至 \(-75\text{dBm}\) 并伴随剧烈震荡 \(\rightarrow\) 状态：检测到人体移动。
3. 静止呼吸： 如果使用 CSI 模式，可以看到信号在 \(0.2\text{Hz} \sim 0.5\text{Hz}\) 之间有微小周期性波动 \(\rightarrow\) 状态：检测到静止人体（呼吸）。

5. 应用场景分析

5.1 智能家居与节能

• 无感灯光控制： 无需安装 PIR 红外传感器，只要房间内有 Wi-Fi 信号波动，灯光自动开启。
• 老人跌倒检测： 通过分析信号强度的剧烈突变，识别跌倒事件并报警。

5.2 安全与隐私

• 穿墙探测： 在不进入房间的情况下，通过门外的 Wi-Fi 嗅探器判断室内是否有人。
• 隐私保护： 相比摄像头，Wi-Fi 检测不采集图像，在浴室、卧室等隐私区域更具接受度。

6. 项目优缺点评估

优点

• 非侵入性： 无需佩戴设备，无需安装摄像头。
• 穿透力强： 能够穿透墙壁、木门等障碍物。
• 低成本： 仅需一块廉价的 Wi-Fi 网卡。

挑战

• 环境噪声： 金属物体、电器干扰会导致误报。
• 多目标分辨： 当多人同时移动时，信号叠加会导致难以区分个体。
• 硬件依赖： 不同网卡的驱动对 CSI 信息的开放程度不同，兼容性是最大痛点。

7. 总结与扩展方向

Wi-Fi-Sniffer-as-a-Human-detector 将无线通信与感知计算（Sensing）结合，展示了 Wi-Fi 信号在数据传输之外的巨大潜力。

未来的扩展方向： 1. 深度学习集成： 将捕获的信号序列输入 LSTM 或 CNN 网络，实现对“行走”、“坐下”、“挥手”等具体动作的分类。 2. 多节点协作： 使用多个嗅探器组成阵列，通过三角定位实现人体在房间内的精确坐标追踪。 3. 跨频段融合： 结合 2.4GHz 和 5GHz 信号，利用不同频率的穿透特性提高检测精度。