企业官网建设流程全解析

RuView 无线感知研究实录：为什么"用 CSI 无接触测血压"在物理上不可行——R13 负面结论的四大物理地板全解析

【免费下载链接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.项目地址: https://gitcode.com/GitHub_Trending/wi/RuView

导读

本文完整梳理 RuView SOTA 研究循环中R13 线程（contactless BP from CSI）的负面结论：通过纯 NumPy 量化分析，证明从 WiFi CSI 信号恢复血压在时间分辨率、空间分辨率、信噪比与成本基线四个维度上均存在不可逾越的物理地板（physics floor），其最终精度比 20 美元的袖带式血压计差 5 倍以上。读完本文，你将掌握 R13 的完整推理链、r13_bp_physics_floor.py的量化复现方法，以及"为什么呼吸率与心率能落地、血压却不能"的物理根因，从而避免在未来重复投入这条注定失败的技术路线。

背景：R13 线程与两种公开的"CSI 测血压"方法

R13 是 RuView SOTA 研究循环（2026-05-22，见 00-summary.md）中的一条专项研究线程，其完整论证记录在 R13-contactless-bp-negative.md，随附的量化脚本与机器可读结果为 r13_bp_physics_floor.py 与 r13_bp_results.json。

研究起点是：学术界确实存在"从 WiFi CSI 无接触测血压"的公开论文（文档列举 Yang 2022、Liu 2021 等），报告的 MAE 约为 ±8-12 mmHg。这些声称并非凭空捏造，但 R13 的物理审视给出的结论是：这些声称要么是 (a) 过度拟合的单人校准、无法泛化，要么是 (b) 依赖量产 ESP32-S3 在典型部署配置下并不具备的硬件能力。

公开方法主要分两类：

文档明确指出：这两种方法在物理上都"可能"成立，但都有使其劣于袖带血压计的实际地板。RuView 已经上线的呼吸率与心率功能之所以能用，正是因为它们的运动幅度比血压所需的脉搏波形大 30-100 倍——这正是整篇论证的核心直觉。

Floor 1：PTT 的时间分辨率地板——典型 ESP32 部署无法做到低于 20 mmHg

生理学起点

健康成年人的 PTT 约为78.6 ms（颈动脉-股动脉距离 55 cm、脉搏波速 PWV 7 m/s），而血压变化对 PTT 的灵敏度约为0.5 ms/mmHg（Geddes 1981 与文献共识）。据此可以推得目标血压精度与所需 PTT 分辨率的对应表：

与 CSI 采样能力的对比

将这个需求映射到 ESP32 的 CSI 采样率上，结论立刻变得严峻：

也就是说，"ESP32 典型配置"在原理上就无法通过 PTT 达到有临床意义的血压精度。达到 1 mmHg 目标需要将 CSI 推到 1 kHz，这在 ESP32-S3 上可行，但会损害所有其他感知功能——每个窗口的平均次数变少，呼吸、心率、姿态信号都会更嘈杂。这是一个破坏性的权衡，而不是免费的升级。

在 r13_bp_physics_floor.py 中，这一部分由ptt_seconds()、ptt_change_per_bp_mmhg()与required_ptt_resolution_for_mmhg()三个函数量化实现：脚本以 55 cm 距离、7.0 m/s PWV 计算基线 PTT，以 5e-3/10.0 秒（即 0.5 ms/mmHg）为灵敏度常数，再按目标 mmHg 线性外推所需分辨率。运行脚本输出的关键数值（见 r13_bp_results.json）：

Baseline PTT (55 cm body, 7 m/s PWV): 78.6 ms Sensitivity: 0.50 ms / mmHg Required for 1 mmHg precision: 0.50 ms Required for 5 mmHg precision: 2.50 ms Required for 10 mmHg precision: 5.00 ms ESP32 max CSI rate (~1000 Hz): 1.0 ms resolution -- meets 1 mmHg req ESP32 typical (~100 Hz): 10.0 ms resolution -- meets only 20 mmHg

Floor 2：两个身体部位的空间分离地板——菲涅尔包络决定了单链路无法分辨

PTT 的前提是独立解析颈动脉（carotid）与股动脉（femoral）两个脉搏信号。成人解剖学上这两点的距离约为55 cm。而 R6 线程（R6-fresnel-forward-model.md）建立的菲涅尔（Fresnel）前向模型给出了空间分辨率地板——第一菲涅尔区半径：

对于单对 Tx-Rx，要把颈动脉与股动脉解析为独立散射体，两者必须落在彼此的菲涅尔包络之外。而5 m 卧室链路的菲涅尔包络（40 cm）比颈动脉-股动脉间距（55 cm）的一半还宽——两个部位落入同一个窗口，求和后的 CSI 无法被唯一分解为逐部位信号。

脚本中fresnel_radius_m()复用 R6 的公式（sqrt(λ · L · p · (1-p))），sites_resolvable_5m = (0.55/2) > fresnel_envelope_5m判定的结果是false（5 m 链路不可分辨）；即使在更短的 2 m 链路上，判定结果也仅勉强为true，且需受试者位于两天线之间的共面位置。多锚点（multistatic）理论上可以反演空间混叠，但 4-6 个实际可部署锚点的反演问题是**严重病态（ill-posed）**的——R12 已经证明，这类结构反演问题恰恰是朴素方法失败的典型场景（见 R12-pabs-implementation.md）。

结论：从 CSI 做 PTT 要么需要异常短的链路（< 1.5 m，且受试者位于两个共面天线之间），要么需要带定制前向算子的非平凡多站阵列——两者都不匹配 RuView 的典型房间部署。

Floor 3：脉搏轮廓恢复的信噪比地板——差 5 dB，形状就是恢复不出来

对于方法 B（轮廓 ML），需要恢复的是脉搏波形的形状，而不只是频率。以 2.4 GHz 每个毫米约 2.88° 的相位变化（脚本常量PHASE_DEG_PER_MM_2_4 = 360/(0.125*1000)，往返路径近似 2×），各信号源的相位变化为：

胸部呼吸运动比脉搏运动大约 27 倍。使用 4 阶 Butterworth 带通（心率带 0.8-3.0 Hz，抑制 0.1-0.4 Hz 呼吸）可提供约 40 dB 的呼吸抑制，将心率带 SNR 提升到呼吸残差之上约 20 dB。但问题在于：受试者微运动（2 mm 幅度）会渗入心率带——大多数"静止"的受试者仍会因姿势调整、说话、吞咽产生 1-3 Hz 的微运动，它比脉搏信号大约 7 倍，且与脉搏共享同一频带。因此，一个"静止但非不动"的真实受试者的心率带 SNR 只有+20 dB。

而脉搏轮廓形状恢复的文献共识（Mukkamala 2015）要求+25 dB 最低——我们差了 5 dB。心率（rate）可以恢复（这已经是 RuView 已上线的功能），但波形形状（shape）恢复不出来。

脚本的 SNR 计算（见r13_bp_results.json）给出了精确值：

breath_phase_deg: 46.08 pulse_phase_deg: 1.728 motion_phase_deg: 11.52 breath_vs_pulse_amp_ratio: 26.67x hr_band_snr_db: 20.0 bp_contour_required_snr_db: 25.0 bp_contour_feasibility: INFEASIBLE

结论：对真实受试者，基于胸部 CSI 的轮廓血压不可行。已发表的"成功"案例要么是在 SNR 干净（25+ dB）的实验室静止受试者上测得（家庭部署不现实），要么是过拟合的逐人 ML 模型、毫无泛化能力。这里值得一提的是，R6.1 多散射体前向模型发现的 4.7 dB 多散射体惩罚与 R13 的 5 dB 缺口在数值上高度吻合（见 00-summary.md 的组合发现），说明这一缺口并非孤立的估算误差。

Floor 4：与 20 美元袖带血压计的对比——精度差 5 倍，便利性无收益

结论非常直接：CSI 血压比 20 美元的上臂袖带差 5-7 倍，要求逐人校准，而且在时间与便利性上相比腕式袖带没有任何节省。"无接触"的好处是真实的，但它不足以抵消精度差距。脚本中这一部分以cuff_accuracy_mmhg = 2.0、published_csi_bp_mae_mmhg = 10.0计算，输出的ratio_worse = 5.0，即"最佳已发表 CSI 血压也比袖带差 5 倍"。

量化复现：如何运行 R13 物理地板脚本

R13 的论证不是空谈，而是可复现的纯 NumPy 量化。脚本位于 r13_bp_physics_floor.py，不依赖任何工作区内的其他模块，可独立运行：

python examples/research-sota/07-negative-results/r13_bp_physics_floor.py

脚本内部的主要常量（即整套论证的输入假设）：

脚本按四个部分输出（与本文四大地板一一对应）：PTT 时间分辨率需求、菲涅尔空间分辨率、逐运动相位变化与轮廓恢复 SNR、以及 vs 袖带基线。输出 JSON 默认写入examples/research-sota/r13_bp_results.json，可用--out参数重定向。完整结果可见 r13_bp_results.json，其中bp_contour_feasibility字段明确为INFEASIBLE。

对 ADR-029 与 sensing-server 的产品决策含义

R13 的结论直接写进了 RuView 的产品路线图：不要把血压作为功能加入。添加它会带来四个问题：

1. 迫使 CSI 速率升至 1 kHz，从而损害每一条其他感知管线；
2. 需要逐人校准的用户体验，破坏"零设置"的部署故事；
3. 引入一个被证明比用户可花 20 美元买到的设备更差的功能；
4. 通过关联效应侵蚀那些确实有效的功能（呼吸、心率、运动、占用）的可信度。

同样的论证适用于其他低 SNR 连续生理信号：血糖（CSI 无可信的物理签名）、血氧 SpO₂（运动幅度约 0）、动脉僵硬度（需要 PTT，与血压共享同一地板）。RuView 应当坚守运动幅度足够大的信号：呼吸（8 mm）、粗粒度心率（0.3 mm + 1 Hz 频谱隔离）、姿态/姿势/占用。

R13 对 R14 设计选择的确认

R14（共情家电，R14-empathic-appliances.md）在规划阶段就明确假设血压不可用——其 V1/V2/V3 纵向场景（压力响应灯光、自适应 HVAC、注意状态感知家电）只依赖呼吸率 + 心率 + 运动强度。R13 的物理审视正好确认了这一假设的正确性：R14 依赖的三个信号全部满足物理地板要求，而血压不在其中。

负面空间中仍未关闭的三个缺口场景

虽然"房间角落 9 美元 ESP32 测血压"这一通用声称不成立，R13 也诚实列出了三个可能在未来闭合的 niche 场景：

1. 单人趋势监测（相对而非绝对）——"此人的呼吸已持续不规律、心率变异性下降"，这类预医疗事件检测不需要血压，只需速率与变异性特征，即 RuView 已上线的功能；
2. 床载仪表化（bed-instrumented）静止受试者——床架上的 ESP32，受试者平躺静止，可达到 25+ dB SNR，属于假设中cog-bedside的范围而非房间级感知；
3. 多站脉搏波速（PWV）——需要多个 Tx-Rx 锚点 + 已知解剖模型，要求逐安装校准与约 6 个锚点，可行但昂贵，不是消费级功能。

为什么负面结果是研究循环中最有价值的一类 tick

一个只发表成功的研究循环会系统性地偏向夸大（overclaiming）。R13 与 R12（eigenshift）构成了本循环的两个显式负面结果，且遵循同一失败模式：一个听起来合理的 ML 方法失败，是因为底层信号并未压过噪声/漂移地板。

• R12 eigenshift：朴素 SVD 谱方法失败，因为信号不主导漂移地板（信号/漂移比 0.69×）；
• R13 contactless BP：已发表方法需要不切实际的 SNR 与空间分辨率。

两条线程都留有明确的后续路径（R12 → 基于 R6 菲涅尔基的 PABS；R13 → 床载cog-bedsideniche、6+ 锚点多站 PWV）。R13 文档的原话值得引用："一个研究循环能为领域做的最诚实的事，就是用明确的数字把 BP-from-CSI 标记为路线图外，让未来的贡献者不再浪费时间尝试。这份审视 + R12 eigenshift 审视 = 本循环的两个负面结果，两者都比又一个边际正向结果更有价值。"（来源：R13-contactless-bp-negative.md）

与既有研究线程的组合关系

R13 不是孤立的结论，它与其他线程的物理模型互为印证：

• R1（ToA CRLB）：确认了 PTT 的时间分辨率地板——0.5 ms 的目标低于 20 MHz HT20 单次 CRLB（无限 SNR 下约 14 ns，但实践中 >5 ms），证实 PTT-from-WiFi 受制于平均窗口长度；
• R6（菲涅尔前向模型）：提供了击败双部位 PTT 的空间分辨率地板——"R6 解释了为什么这不可行"的最干净案例；
• R5（显著性）：带扩展占用解释了为什么整个胸部运动在整个频带上可观测，而从 8 mm 呼吸信号中隔离 0.3 mm 脉搏信号需要时域带通滤波而非空间显著性；
• R12（eigenshift，同为负面）：循环中的另一个负面结果，同一失败模式——信号不主导噪声/漂移地板；
• R14（共情家电）：确认了 R14 只依赖呼吸率 + 心率、不含血压的设计选择。

审视自身的诚实范围（Honest Scope）

R13 文档对其结论的适用边界做了四点明确的自我限定，引用这些限定对于准确理解结论至关重要：

1. 四个地板数字均为最佳情况——真实部署会使每一项再恶化 2-5 倍；
2. 25 dB 轮廓形状需求来自 PPG 文献——WiFi CSI 因其噪声模型不同于光学传感器，可能需要更多dB，因此 20 dB 缺口是缺口的下限而非紧致估计；
3. 未直接验证已发表的 BP 声称——仓库中没有带标签的 BP 数据集，这份审视纯粹是物理地板分析，不是经验复现；
4. 802.11be EHT320 超宽信道即使普及，改善的是带宽预算，而空间地板由载波波长而非带宽决定——空间问题不会因此消失。

结语：把"不能做"也当作可交付物

R13 是 RuView SOTA 循环方法论的一次示范：物理地板是可以被量化的，负面结论是可以被归档为路线图决策的。完整的论证文档在 R13-contactless-bp-negative.md，tick 级记录在 tick-11.md（分支research/sota-r13-contactless-bp-negative），量化脚本与结果在 examples/research-sota/07-negative-results/。任何未来想要再次尝试 BP-from-CSI 的贡献者，都可以直接拿到这份带数字的审视，而无需重新推导——这正是诚实研究对领域最有价值的产出。

【免费下载链接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.项目地址: https://gitcode.com/GitHub_Trending/wi/RuView