近年来，随着Wi-Fi技术的普及与演进，其应用已从单纯的通信功能拓展至环境感知与人体行为识别领域。近期，德国卡尔斯鲁厄理工学院与中国高校团队分别在基于Wi-Fi波束成形的个体识别和多状态人群计数方面取得突破性进展，标志着无线传感技术正迈向高精度、无侵入、大规模部署的新阶段。
步态识别：将Wi-Fi路由器变为“隐形监控器”
德国研究人员聚焦于Wi-Fi波束成形反馈信息（Beamforming Feedback Information） 的身份识别潜力。现代支持802.11ac（Wi-Fi 5）及以上标准的路由器普遍采用波束成形技术，通过定向天线向用户设备发送信号。为实现精准对准，设备需定期回传未加密的反馈信号，包含信道衰减与相移等物理层参数。这些信号虽用于优化通信，却无意中记录了人体穿过电磁场时对无线电波的扰动模式。
研究团队在受控走廊环境中部署6GHz频段接入点及多张网卡，招募160名参与者多次行走，采集其对波束信号的折射与反射数据。通过将这些时序信号输入大型语言模型（LLM），系统能学习每个人独特的步态特征——即使受试者背负背包、手持箱子或加快步伐，识别准确率仍高达99.5%，误差仅0.38。这意味着，日常经过咖啡馆、商场等公共场所时，个体可能在不知情下被Wi-Fi网络持续识别并追踪。
该研究揭示了波束成形技术潜在的隐私风险：每一台路由器都可能成为被动监控节点。尽管实验环境排除了衣物材质等干扰因素，可能存在性能高估，但其技术路径已被验证可行。
人群计数：区分动静状态，实现混合场景高精度感知
与此同时，中国研究团队针对现有Wi-Fi人群计数系统的局限性——仅适用于单一动态或静态场景——提出创新解决方案。他们指出，动态人群移动会显著扰动信道状态信息（CSI），提供丰富特征；而静态人群影响微弱，CSI变化平缓，传统方法难以准确计数。
为此，团队构建了一套基于迭代注意力特征融合（IAFF）的多状态人群计数系统。该系统利用商用Wi-Fi 6E设备（TP-Link AC1200路由器 + Intel AX210网卡）采集CSI数据，通过PicoScenes平台获取多天线、多子载波的幅度与相位信息。关键创新在于：
状态区分：首次系统分析静态与动态人群对CSI子载波分布的不同影响机制；
特征融合：证明幅度与相位信息联合使用可提升判别力；
自适应加权：IAFF模块能动态为不同子载波和天线通道分配权重，有效融合多维特征。
实验结果表明，该系统在三种场景下均表现卓越：静态人群识别准确率达99.38%，动态人群为95.94%，混合状态达97.57%。这解决了实际应用中人群状态复杂多变的核心难题，为智慧楼宇、交通枢纽、应急疏散等场景提供了可靠技术支撑。
技术共性与未来方向
两项研究虽目标不同，但共享关键技术基础：
均依赖Wi-Fi物理层信号（波束反馈或CSI）作为感知媒介；
均强调人体对无线信号的独特调制作用——步态改变相位，人数影响子载波分布；
均采用深度学习模型挖掘高维时序特征。
值得注意的是，附件论文[24][25][26]进一步佐证了这一趋势。例如，Haque等人提出的BeamSense框架利用MU-MIMO波束成形反馈进行无线感知，而SiM-WiSense则实现多用户活动同步分类，说明学术界正系统化挖掘波束成形数据的感知价值。
综上，Wi-Fi传感已从粗粒度存在检测迈向细粒度身份识别与精准计数。然而，技术双刃剑属性凸显：在赋能智慧城市的同时，也带来前所未有的隐私挑战。未来需在算法优化、数据匿名化与法规监管间寻求平衡，确保技术向善发展。
参考资源
1、https://www.govinfosecurity.com/wi-fi-beamforming-tech-identify-individuals-by-gait-a-29976
2、https://publikationen.bibliothek.kit.edu/1000185756
3、https://www.sciencedirect.com/science/article/abs/pii/S0140366425002026
声明：本文来自网空闲话plus，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
