RuView 的 R6.2 Fresnel 天线布点搜索：用纯物理将房间传感覆盖率提升 93 倍

RuView 的 R6.2 Fresnel 天线布点搜索用纯物理将房间传感覆盖率提升 93 倍【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本文围绕 RuView SOTA 研究循环中的 R6.2 线程Fresnel 感知天线布点展开在室内 WiFi 传感部署中天线的摆放位置决定了“第一菲涅尔区”Fresnel zone这条最大灵敏度通道究竟覆盖了房间的哪一片空间。本文给出 2D 菲涅尔椭圆布点搜索的完整几何模型、纯 NumPy 实现与可复现基准并展示如何以wifi-densepose plan-antennas形态的 CLI 工具在 2 分钟内拿到可安装的布点方案——实测最优布点比随机中位布点好93 倍比最差布点好无穷倍最差为 0% 覆盖。读完本文你将掌握布点搜索的数学原理、源码调用链、逐 cog 部署建议以及后续 3D/多锚点演进路径。背景为什么“随便贴个天线”会损失 50–100 倍的传感能力RuView 的核心传感管线vital_signs、multistatic、pose_tracker等处理的 CSI 窗口其物理含义取决于一条关键几何事实第一菲涅尔区。R6 前向模型R6-fresnel-forward-model.md给出了描述r_1(p) sqrt(λ · L · p · (1 − p)) [米]其中L为链路长度p ∈ [0,1]为沿视距LOS的比例位置。对一条 5 m 的 2.4 GHz 链路中点处第一菲涅尔区半径约为39.5 cm——也就是说围绕 LOS 存在一条约 40 cm 宽的“最大灵敏度通道”只有处在这条通道内的目标才会显著扰动整条 CSI 向量通道外的目标只影响边缘子载波本质上属于多径边缘噪声。R6.2 线程R6_2-fresnel-antenna-placement.md由此提出了一个此前被忽视的问题RuView 现有安装指南本质上就是“种子节点贴着 AP 随便放、碰运气”stick it anywhere。这等于默认放弃了对菲涅尔几何的利用。tick-16tick-16.md用一组可复现实验量化了这个代价在 5×5 m 卧室基准中最优布点比随机中位布点好 93 倍比最差布点好无穷倍——因为最差布点的目标区覆盖为 0%。换句话说现有的“随便贴”部署方式把 50–100 倍的传感潜力留在了桌面上而这一切改进都来自物理而非算法无需重新训练任何模型。方法2D 菲涅尔椭圆几何与布点搜索算法在 2D 中第一菲涅尔区是一个以 Tx、Rx 为焦点的椭圆几何参数为半长轴a (d λ/2) / 2半短轴b √(a² − (d/2)²) ≈ √(d·λ)/2当d ≫ λ于是点x位于第一菲涅尔区内当且仅当|Tx − x| |x − Rx| ≤ d λ/2这正是在 r6_2_antenna_placement.py 中in_first_fresnel()的逐点判定逻辑def in_first_fresnel(x, y, tx, rx, wavelength): r1 np.sqrt((x - tx[0])**2 (y - tx[1])**2) r2 np.sqrt((x - rx[0])**2 (y - rx[1])**2) direct np.linalg.norm(tx - rx) return (r1 r2) (direct wavelength / 2)搜索流程对应search_optimal_placement()分为四步栅格化目标区以 5 cm 分辨率grid_resolution0.05把每个矩形目标区床、椅子等离散成采样点生成候选天线位置只在房间周界墙壁上以 25 cm 步长candidate_step0.25生成候选 (Tx, Rx)这更贴近现实天线贴墙安装并跳过同墙过近的退化组合|Tx−Rx| 1.0 m穷举配对评估对每一对候选位置计算coverage_score()——即目标区总面积中落入第一菲涅尔椭圆的比例同时返回逐区细分与覆盖面积取最优并记录中位/最差保存最佳布点同时统计全部 2,900 个配对的中位与最差覆盖率作为对照基线。实现为纯 NumPy、零额外依赖天然具备 CLI 形状——房间几何与目标区作为参数传入输出最优布点与覆盖率。基准测试5×5 m 卧室2,900 个天线配对基准场景为 5×5 m 卧室两个目标区目标区位置面积床 (bed)(1.5, 0.5)–(3.5, 2.0)3.00 m²椅子 (chair)(3.5, 3.5)–(4.3, 4.3)0.64 m²在 2.4 GHzλ 12.5 cm下共评估2,900 个天线配对结果对应 r6_2_placement_results.json 中的best/median_score/worst_score布点TxRx链路床覆盖椅覆盖总覆盖最优(1.25, 0.00)(4.75, 5.00)6.10 m43.5%86.7%51.1%中位随机基线不定不定不定不定不定0.5%最差不定不定5.00 m不定不定0.0%最优/中位提升93 倍最优/最差为无穷倍最差为 0 覆盖。原因很直观菲涅尔椭圆是一条窄带大多数随意摆放的链路其椭圆“穿过的是无人活动的空间”只有把这条带精准对齐床与椅子的真实活动区覆盖才成立。这正是当前“随便贴”安装指南在 50–100 倍差距的来源。反直觉洞察更长的链路覆盖更大的空间最优布点沿着房间长轴跑对角线6.10 m同时穿过床和椅子。一个反直觉的关键点是菲涅尔包络宽度 √(d·λ)/2随链路长度 d 增长。对比计算如下来自 R6_2-fresnel-antenna-placement.mdb(d5.0, λ0.125) √(5.0 × 0.125)/2 39.5 cm b(d6.1, λ0.125) √(6.1 × 0.125)/2 43.7 cm (10%)与“短链路 信号更强”的直觉相反更长的链路覆盖更多空间——直到链路预算link budget成为瓶颈为止。这个上限由 R10植被链路的路径损耗模型设定在 2.4 GHz 稀疏植被下 R10 给出 100 m 的最大链路R6.2 则建议把这段预算尽量用于换取更宽的菲涅尔包络。也就是说只要链路预算允许优先选择房间最长轴线上的对角线布点。逐 cog 部署建议从物理推导出安装配方将 R6.2 的结论代入每个既有 cog 的安装流程得到可直接执行的布点配方Cog目标区推荐布点cog-person-countR8/R5/ADR-103任意房间占用沿最长轴对角线cog-pose-estimationADR-079、ADR-101姿态关键区健身房角落、厨房工作台将目标区置于中点包络宽度约 50% 以内AETHER 重识别ADR-024门口 主占用区Tx 靠近门口、Rx 对角线布置门口通行触发识别、主区确认cog-maritime-watchR11舱室地面空间Tx 天花板安装、Rx 地板安装垂直对角线穿过舱室cog-wildlifeR10 后续尚未构建林间空地周界Tx/Rx 分置于相对两棵树链路穿过空地中线这些建议不改变任何硬件仅调整安装位置即可让现有安装指南的传感效率提升约 50–100 倍。它们来自物理而非算法不需要模型重训练tick-16 的核心结论。实战wifi-densepose plan-antennasCLI 形态与输出交付形态是一个客户在挂载硬件前即可运行的 CLI 工具其输入形状与输出如下R6_2-fresnel-antenna-placement.mdwifi-densepose plan-antennas \ --room 5.0 5.0 \ --target bed 1.5 0.5 2.0 1.5 \ --target chair 3.5 3.5 0.8 0.8 \ --freq-ghz 2.4 \ --step 0.25预期输出BEST placement: Tx: 1.25, 0.00 Rx: 4.75, 5.00 Coverage fraction: 51.1% Per-zone: bed: 43.5% chair: 86.7%当前仓库中可直接复现上述基准的原型脚本为 r6_2_antenna_placement.py其 CLI 参数与规划中的plan-antennas一一对应参数类型默认值说明--room W Hfloat ×2[5.0, 5.0]房间宽高米--target NAME x0 y0 w h可重复卧室床椅默认值目标区名称 起点 宽高米--freq-ghzfloat2.4载频GHz决定波长 λ c/f--stepfloat0.25周界候选布点步长米--outpathr6_2_placement_results.json结果 JSON 输出路径运行时会打印目标区清单、被评估的配对总数并在最佳布点之外输出中位与最差布点的覆盖率及“最优/中位提升倍数”同时将完整结果含n_pairs_evaluated写入 JSON——这正是为“这个布点够不够好”这个问题提供的可复现基准既有 RuView 安装没有客观布点度量这个工具给出了一个。为什么这是高杠杆工作现有客户今天就能受益重新挂载种子节点即可获得 10–100 倍的传感提升无需固件或模型改动未来 cog 免费获得安装指南新 cog如cog-wildlife的布点指南可从其目标区 schema 自动生成而不是逐 cog 手工编写形成可交付 CLI 工具wifi-densepose plan-antennas让任何安装人员 2 分钟即可获得具体可挂载的布点方案为多锚点演进铺路当前 2D 单对搜索可自然推广到 N 锚点——选择使“菲涅尔包络并集”覆盖最大化的 4 锚点组合每个额外锚点带来的覆盖增量递减从而定量回答“4 个锚点够吗”5×5 m 卧室够10 m 客厅不够需要 6 个。诚实的范围声明Honest ScopeR6.2 的结论边界必须明确避免过度泛化2D 近似真实菲涅尔包络是 3D 椭球体2D 模型对地面高度散射大多数占用场景正确但会低估吊顶天线对站立者的覆盖。3D 版本约半天工作量后续 R6.2.1 已完成自由空间假设真实房间有家具、墙体与地面反射多径有时会把覆盖扩展到菲涅尔区之外多次反弹增加信号路径因此 2D 菲涅尔纯模型是覆盖的下界真实房间通常多出 5–15% 覆盖矩形目标区人不会占满矩形更真实的版本使用姿态轨迹分布用户实际停留位置这需要 R3 AETHER 采集数周数据仅单天线对N 2 锚点的多静态是严格超集当前代码只搜索单对布点仅周界候选25 cm 步长只覆盖贴墙安装吊顶、独立三脚架、家具附着都是合法方案但设计自由度更大、搜索空间更大无链路预算门限横跨 30 m 仓库的对角线布点虽有更宽包络但可能超出链路预算R10大房间场景必须叠加该门限。后续演进R6.2 家族的 9 个 tick 与 ADR-113R6.2 线程并未止步于 2D 单对搜索。整个 R6.2 家族在 02-placement/README.md 中汇总为 9 个 tick每个脚本回答布点问题的一个轴脚本线程轴结论r6_2_antenna_placement.pyR6.22D 单对最优比中位好 93 倍角到角对角线r6_2_1_3d_placement.pyR6.2.13D 单对纯吊顶安装失败0% 覆盖——包络悬在天花板高度够不到地面目标r6_2_2_multistatic_placement.pyR6.2.22D N 锚点典型卧室在 N5 处出现拐点躯干区覆盖 96.8%r6_2_2_1_3d_multistatic.pyR6.2.2.13D N 锚点2D 拐点在 3D 中消失——3D 椭球是薄板而非 2D 矩形N5 仅 49%r6_2_3_chest_centric.pyR6.2.32D 胸部中心针对胸部生命体征 cog可使覆盖 27 个百分点r6_2_4_3d_chest_multistatic.pyR6.2.43D 胸部中心挽回 3D 缺口——N5 达 77%、N6 达 82%r6_2_5_multi_subject.pyR6.2.5多目标并集N5 胸部中心下 1–4 名占用者覆盖100%这些成果最终沉淀为 ADR-113-multistatic-placement-strategy.md——一份以维度 × 区域模式 × 占用人数 × cog四轴参数化的安装规范其中几个关键规则均来自 R6 家族的实测模拟纯吊顶安装永远失败R6.2.1至少保留一个低位锚点垂直链路多样性在 3D 中获胜对角线0.8 m → 1.5 m链路让椭球斜穿多个高度层锚点高度应匹配目标区高度R6.2.4胸部中心区z0.3–1.5 m不需要吊顶锚点生命体征场景胸部中心优于躯干中心R6.2.3N5 时 27 pp家庭场景以多目标并集为目标R6.2.5单目标布点扩展到 4 人时损失 29 pp多目标优化布点保持 100%N5 是消费级推荐R6.2.2 R6.2.52D 胸部中心多目标拐点超过 N5 边际增益 1 pp避免把目标区放在 LOS 直线上R6.1在 LOS 上路径差对偏移是二阶小量呼吸几乎不改变路径长度。ADR-113 同时定义了 CLI 的扩展形态--target-mode {body, chest}、--n-anchors N、--cog COG_NAME自动选择矩阵行以及 MCP 工具ruview_placement_recommend(room, targets, cog) - {anchors, expected_coverage, placement_rationale}对应 ADR-104 的 MCP 表面。与前序线程的组成关系R6前向模型直接 2D 扩展R6 给出数学R6.2 将其产品化R1CRLBR1 的定位精度 × R6.2 的覆盖合成完整的传感几何预算多少个锚点 × 放哪 × 精度R5显著性让目标区落入第一菲涅尔区会得到 R5 实测的频带扩展显著性布点差目标在区外则只剩带边显著性R7多链路一致性R6.2.2 求解的多对布点是 R7 多链路一致性校验的前提单对安装无法运行 R7 的对抗防御R10植被链路设置 R6.2 忽略的链路预算门限R11海事钢壁舱室中同一配方但覆盖更快饱和R14共情家电V1 照明 / V2 HVAC / V3 注意力感知必须感知到正确的用户而用户生活在已知目标区床、沙发、书桌R6.2 让这成为安装时的校验而非“部署后祈祷”ADR-105/106联邦学习更好的布点 → 更好的本地训练数据 → 更快的收敛与更小的 (ε, δ) 预算。总结R6.2 用 2,900 个天线配对的穷举搜索证明了一件事在室内 WiFi 传感中天线放在哪里决定了第一菲涅尔区这条最大灵敏度通道覆盖哪里。沿最长轴对角线、优先使用更长的链路、让包络穿过真实目标区——这三条来自物理的布点规则能让现有 RuView 安装在不改固件、不换模型的前提下获得 93 倍的覆盖提升。当前仓库已提供可复现的纯 NumPy 原型r6_2_antenna_placement.py与基准结果r6_2_placement_results.json而 3D 高度策略、N 锚点多静态、胸部中心与多目标并集等后续 tick 连同 ADR-113 一起构成了一个可直接落地到安装指南的完整布点规范体系。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考