WiFi-Radar ist ein nützlicher Suchbegriff, aber kein einheitlich definierter Produkttyp. Bei der Menschenerkennung ist meist ein System gemeint, das beobachtet, wie sich WiFi-Signale verändern, wenn eine Person geht, steht, sitzt oder einen Raum quert. Dafür können Channel State Information (CSI), eine passive Radarverarbeitung oder eine herstellerspezifische WiFi-Sensing-Funktion verwendet werden.
Die entscheidende Frage lautet daher nicht nur, ob WiFi wie Radar wirken kann. Wichtig sind die verfügbare Messgröße, die Hardware, die gelernte Aufgabe und die Validierung. Dieser Leitfaden trennt CSI, passives WiFi-Radar, RSSI-Experimente sowie Kamera- und mmWave-Systeme, damit eine gelungene Demo nicht mit einem zuverlässigen Personen-Tracker verwechselt wird.
Was bedeutet WiFi-Radar?
Ein WiFi-Radar-System beobachtet eine Funkverbindung oder eine Funkszene und sucht nach strukturierten Änderungen über die Zeit. Eine bewegte Person verändert direkte und reflektierte Wege, Dämpfung und Phasenbeziehungen. Software kann daraus Bewegung, Anwesenheit, eine grobe Position oder ein Forschungsmerkmal ableiten. Das Ergebnis ist eine Schätzung der Szene, kein Foto und keine garantierte Identität.
Der Begriff wird außerdem für Netzwerkscanner oder Marketingfunktionen verwendet. In diesem Artikel steht WiFi-Radar für die menschliche oder räumliche Erfassung aus Funkverhalten. Ein gutes Projekt nennt daher Signalquelle, Empfänger, Frequenz, Zielaufgabe und Testbedingungen ausdrücklich.
- Die Eingabe ist eine Zeitreihe von Funkmessungen, kein RGB- oder Tiefenbild.
- Das Ziel kann Bewegung, Anwesenheit, Aktivität, Position oder ein Forschungsmerkmal sein.
- Möbel, Antennen, Kanal, Firmware und Hintergrundverkehr verändern die Messung.
- Prüfe, ob ein Projekt nur CSI sammelt, ein Modell demonstriert oder einen vollständigen Sensor anbietet.
WiFi-Radar im Vergleich zu WiFi-CSI
WiFi-CSI-Sensing ist ein konkreter Weg zu WiFi-Radar-ähnlicher Menschenerkennung. CSI bewahrt amplituden- und phasenbezogene Werte über Subträger und Pakete. Passives WiFi-Radar nutzt dagegen einen vorhandenen Sender und verarbeitet Referenzsignal sowie szenenbedingte Änderungen. Manche Systeme verbinden beide Ansätze, andere verwenden proprietäre Merkmale statt roher CSI.
Die Unterscheidung ist bei der Hardwareauswahl wichtig. Ein CSI-Tutorial kann beim Sammeln helfen, aber keinen Klassifikator enthalten. Ein Passive-Radar-Paper kann synchronisierte Referenz- und Überwachungskanäle voraussetzen, die ein ESP32-Beispiel nicht bereitstellt. RSSI ist für grobe Experimente nützlich, reicht aber meist nicht für starke Aussagen über Haltung, Identität oder exakte Position.
| Ansatz | Messgröße | Typische Ausgabe | Was zu prüfen ist |
|---|---|---|---|
| Passives WiFi-Radar | Referenzübertragung und szenenbezogene Änderungen | Bewegung, Entfernung oder Forschungsmerkmale | Synchronisierung, Geometrie und Umgang mit Störungen |
| WiFi-CSI-Sensing | Amplitude und Phasenbezug über Pakete und Subträger | Anwesenheit, Bewegung, Aktivität oder Merkmale | CSI-Zugriff, Firmware, Kalibrierung und Labels |
| RSSI-Experiment | Grobe Zeitreihe der Empfangsstärke | Linkänderung oder einfacher Trigger | Rauschen, Multipath, Abtastrate und zu große Zielansprüche |
| Kamera oder mmWave | Pixel, Tiefe oder dedizierte Radarmessung | Pose, Distanzzonen oder feine Bewegung | Datenschutz, Kalibrierung und echte Sensorspezifikation |
Wie ein Setup Funkänderungen erkennt
Ein einfaches Setup braucht eine stabile Paketquelle, einen Empfänger, einen festen Raum und ein definiertes Beobachtungsfenster. Der Empfänger zeichnet CSI oder eine andere unterstützte Messung auf, während eine Person festgelegte Wege geht. Vorverarbeitung verwirft beschädigte Pakete, normalisiert Kanäle, filtert Störungen und bildet Zeitfenster. Ein Schwellenwert kann eine Änderung melden; ein Modell kann ein Label klassifizieren.
Die Raumgeometrie gehört zur Messung. Nützlich sind Antennenposition, Frequenz, Bandbreite, Entfernung, Wände, Möbel, weitere Personen und Hintergrundverkehr. Deshalb kann ein Ergebnis nach dem Umstellen eines Stuhls oder Drehen des Empfängers zusammenbrechen. Diese Bedingungen müssen mit den Daten dokumentiert werden.
- Signalquelle: stabiler Sender und dokumentierter Kanal oder Paketmodus.
- Empfänger: CSI-fähige Firmware, Forschungs-NIC oder ein Produkt mit echtem Messstrom.
- Merkmalskette: Paketprüfung, Normalisierung, Filter, Zeitfenster und Qualitätswerte.
- Entscheidung: Schwellenwert, Klassifikator oder Regression mit Unsicherheitszustand.
- Ground Truth: leerer Raum, kontrollierte Bewegung, Störfälle und getrennte Tests.
Was kann WiFi-Radar erkennen?
Mit kompatiblen Messungen und einer eng definierten Aufgabe kann WiFi-Radar eine veränderte Funkszene, grobe Bewegung oder Anwesenheit erkennen. Es eignet sich auch für Forschung zu Aktivität, atemähnlichen Bewegungen, Indoor-Positionierung oder Pose-Merkmalen. Das sind aufgabenbezogene Fähigkeiten und keine Zusage, dass jeder Router jede Person sehen kann.
Ein einfacher Bewegungsmelder kann eine still stehende Person übersehen. Ein Modell kann Ventilator, Haustier, Tür oder Klimaanlage mit einer Person verwechseln, wenn diese Fälle nicht im Training enthalten waren. Durch-Wand-Ergebnisse hängen von Material, Geometrie, Frequenz, Störungen und Modell ab.
- Realistisch: Bewegung gegen Stillstand, grobe Anwesenheit oder kontrollierte Forschungs-Klassifikation.
- Schwieriger: stationäre Anwesenheit, Raumzonen, Atembewegung oder mehrere Personen.
- Nicht ohne starke Belege behaupten: Identität, medizinischer Zustand, exakte Pose oder Sicherheitsentscheidung.
- Negativfälle testen: Haustiere, Ventilatoren, Türen, Möbelwechsel, Paketverlust und leerer Raum.
Praktischer WiFi-Radar-Validierungsablauf
Beginne mit einer Baseline im leeren Raum und halte Sender, Empfänger, Antenne, Kanal, Firmware und Leistung konstant. Sammle kontrollierte Bewegungen mit mehreren Geschwindigkeiten und Wegen. Ergänze Türen, Vorhänge, Ventilatoren, Haustiere, HVAC und normalen Netzwerkverkehr. Wiederhole die Messung an einem anderen Tag oder nach einer kleinen Raumänderung.
Berichte mehr als eine Genauigkeitszahl: Fehlalarme pro Stunde, verpasste Ereignisse, Verzögerung, Paketverlust, Rekalibrierungszeit, getrennte Räume und einen ausdrücklichen Unknown-Zustand. Bei GitHub-Projekten sollten Hardware, Datensammlung, Labels, Splits und die Bedeutung der Ausgabe erkennbar sein.
- Baseline: leerer Raum plus normaler Hintergrundverkehr.
- Positive Fälle: verschiedene Wege, Geschwindigkeiten, Abstände und Personen.
- Störfälle: Ventilatoren, Türen, Vorhänge, Haustiere, Geräte und Paketverlust.
- Drift: anderer Tag, Möbelwechsel, neuer Kanal oder gedrehte Antenne.
- Fehlerzustand: getrenntes Gerät, alte Kalibrierung, schlechte Qualität und Unknown-Ausgabe.
Hardware- und Projektauswahl
Für ein ESP32-Experiment sollte die Kombination aus Board und Firmware CSI ausdrücklich unterstützen. Die ESP-CSI-Dokumentation von Espressif ist ein guter Ausgangspunkt, aber Board, ESP-IDF-Version, Kanal, Bandbreite, Antenne und Paketmodus bleiben entscheidend. Ein gewöhnlicher Router liefert Konnektivität, aber nicht automatisch einen nutzbaren Sensordatenstrom.
Ordne ein WiFi-Radar- oder GitHub-Projekt vor dem Aufbau ein: Rohdatensammler, Visualisierung, Datensatz, Forschungsmodell, Home-Assistant-Integration oder End-to-End-Sensor. Prüfe unterstützte Hardware, reproduzierbare Aufnahme, Negativfälle und Tests in einem veränderten Raum.
- Die ESP32-CSI-Anleitung für günstige Erfassung und Callback-Daten nutzen.
- Geräte- und Router-Anleitungen für Kompatibilitätsfragen verwenden.
- Die Open-Source-Anleitung nutzen, wenn die Suche gezielt GitHub-Projekte betrifft.
- Human-Detection- oder Room-Mapping-Anleitungen wählen, wenn die Aufgabe enger ist.
Datenschutz und verantwortungsvolle Nutzung
Kamerafrei bedeutet nicht folgenlos. Funkmessungen können Anwesenheit, Routinen oder Aktivität offenlegen, wenn sie einem Haushalt, Arbeitsplatz oder Zeitplan zugeordnet werden. Informiere Betroffene, verarbeite möglichst lokal, sammle nur notwendige Merkmale und begrenze die Aufbewahrung. Eine Messung ist nicht automatisch anonym, nur weil sie kein Video speichert.
Für Gesundheit, Sicherheit und Beschäftigung sind zusätzliche Prüfungen nötig. Eine WiFi-Radar-Demo kann beim Lernen helfen, ersetzt aber ohne anwendungsspezifische Validierung weder zertifizierte Alarme noch medizinische Überwachung oder Sicherheitssensoren.
- Sagen, was gemessen wird, wo die Verarbeitung stattfindet und wie lange Daten bleiben.
- Unsicherheit und Rekalibrierung sichtbar machen, statt jedes Sample zu erzwingen.
- Keine Identität, Diagnose oder exakte Aktivität aus einem einfachen Bewegungsscore ableiten.
- Für wichtige Entscheidungen einen unabhängigen Sensor oder eine menschliche Prüfung verwenden.
Offizielle Implementierungsquellen
WiFi-Radar FAQ
Ist WiFi-Radar dasselbe wie WiFi-Sensing?
Nicht genau. WiFi-Radar ist ein breiter Begriff für die Ableitung von Szenen- oder Personenänderungen aus Funkverhalten. WiFi-CSI ist ein konkreter Messweg; passives Radar kann Referenzübertragung und szenenbezogene Echos nutzen.
Kann ein normaler Router Menschen allein erkennen?
Meist nicht in einer Form, die eine Anwendung direkt nutzen kann. Viele Router geben weder feingranulare CSI- noch Referenzdaten aus. Dafür braucht man kompatible Firmware, einen Forschungs-Empfänger oder eine integrierte Sensing-Funktion.
Kann WiFi-Radar durch Wände sehen?
Änderungen können manchmal durch Wände gemessen werden, aber Material, Geometrie, Entfernung, Frequenz, Antennen und Kalibrierung entscheiden. Es ist keine universelle Röntgensicht.
Reicht ein ESP32 für ein WiFi-Radar?
Kompatible ESP32-Hardware kann CSI für Experimente liefern. Das Board allein ist aber kein fertiges Radar; Firmware, Sender, Antenne, Verarbeitung, Labels und Validierung bestimmen den Nutzen.
Erkennt WiFi-Radar eine still sitzende Person?
Ein einfacher Bewegungsmelder kann nach dem Stillstand aussetzen. Anwesenheitssysteme brauchen eventuell Atemmerkmale, mehrere Links oder einen zweiten Sensor. Diese Aufgabe muss separat validiert werden.
Wo finde ich WiFi-Radar-GitHub-Projekte?
Ordne ein Repository zuerst als CSI-Sammler, Visualisierung, Datensatz, Modell, Integration oder End-to-End-Sensor ein. Prüfe danach Boards, Aufnahme, Labels, Negativtests, Raumwechsel und die Bedeutung der Ausgabe.