Guía de procesamiento de señales Wi-Fi CSI

Extracción de características CSI en Wi-Fi: de la señal a los datos fiables

La extracción de características CSI conecta una captura de paquetes con un modelo que puede evaluarse. Esta guía explica cómo separar amplitud y fase, limpiar muestras ruidosas, crear ventanas y documentar cada supuesto en experimentos con RuView.

Trazas de amplitud y fase CSI que convergen en estadísticas compactas para Wi-Fi sensing
La extracción resume el comportamiento de la señal en valores documentados para comparar y validar.

La extracción de características CSI en Wi-Fi transforma medidas complejas del canal en valores que describen cambios a lo largo del tiempo, entre subportadoras o entre pares de antenas. El objetivo no es suavizar una gráfica, sino conservar variaciones útiles para una tarea y registrar los filtros, calibraciones, ventanas y etiquetas que las produjeron.

Conserva CSI original, CSI limpio y características derivadas por separado. Así comparas una referencia de amplitud con otra que use fase y reproduces resultados tras actualizar hardware, sin presentar una visualización como imagen o medida médica.

Qué cambia al extraer características CSI de Wi-Fi

Un registro CSI suele contener un valor complejo por subportadora y par de antenas en el instante de un paquete. De ese valor se obtienen magnitud, también llamada amplitud, y fase. La amplitud suele ser una primera señal más sencilla; la fase puede conservar información más fina sobre los trayectos, aunque también incluye errores de reloj y sincronización de portadora. Ninguna de las dos es por sí misma una característica humana.

  • Distingue amplitud, fase sin tratar, fase calibrada y características derivadas.
  • Define primero la tarea: presencia, movimiento, gesto, posición o estimación continua.
  • No presentes una característica como medida directa de una persona sin etiquetas de referencia y validación.

Flujo de preprocesamiento CSI en cuatro etapas

Un flujo pequeño y explícito es más fácil de depurar que un cuaderno con transformaciones ocultas. Rechaza registros mal formados y alinea las marcas de tiempo. Limpia amplitud y fase con métodos adecuados a los errores que observas. Después elige una duración fija y un salto para cada ventana. Por último calcula las características y guarda los parámetros usados en cada partición.

El orden importa. Filtrar antes de alinear el tiempo puede ocultar huecos de paquetes; ajustar un normalizador con todo el conjunto filtra información de prueba; y calcular una característica de fase antes de calibrarla puede convertir la deriva del equipo en una falsa actividad. El diagrama es una lista de control, no una receta universal: empieza por el flujo más simple que responda a tu primer experimento.

Flujo Wi-Fi CSI de cuatro etapas, desde paquetes y CSI hasta características y validación
Mantén separadas y visibles la revisión de paquetes, la limpieza, el cálculo de características y la validación.
Etapa Entrada Salida que se guarda Fallo habitual
Validar Registros de paquetes Filas aceptadas, huecos y metadatos Muestras mal formadas o duplicadas
Limpiar Flujos de amplitud y fase Ajustes del filtro y matrices calibradas Eliminar la señal junto con el ruido
Crear ventanas Muestras ordenadas Duración, salto y etiquetas Ventanas que cruzan el límite de un evento
Extraer Una ventana fija Vector y esquema de características Escalas inconsistentes

Características de amplitud: una línea base estable

Las características de amplitud suelen ser una línea base práctica porque evitan parte de la ambigüedad de la fase original. Para cada subportadora o par de antenas, registra centro, dispersión, rango, percentiles o diferencias temporales. Un filtro mediano o de Hampel puede reducir picos aislados; un filtro paso bajo o Savitzky–Golay puede reducir variación rápida si su corte tiene sentido para la frecuencia de muestreo y la tarea.

No suavices hasta que el gráfico parezca cómodo. Un filtro puede borrar un gesto breve, retrasar un evento o hacer que la pérdida de paquetes parezca movimiento gradual. Guarda amplitud sin filtrar, la versión filtrada y los parámetros. Compara una sala vacía, un evento controlado y un control negativo como una puerta o un ventilador para no atribuir automáticamente cada cambio a una persona.

  • Resume amplitud por subportadora con media, varianza, RMS, rango dinámico y percentiles robustos cuando aporten valor.
  • Usa filtros mediano o Hampel para valores aislados y registra ventana y umbral.
  • Compara varias subportadoras en lugar de confiar en la más ruidosa o intensa.
  • Conserva las muestras originales para rastrear cada característica hasta la captura.

Características de fase: desenvolver y calibrar

La fase CSI es periódica: un salto entre -pi y pi puede parecer un movimiento grande aunque el trayecto real haya cambiado suavemente. El desenvolvimiento elimina ese salto artificial. Aun así, los errores de temporización y frecuencia de la portadora pueden crear una pendiente o un desplazamiento entre subportadoras. Antes de usar la fase quizá necesites calibración o una relación CSI entre antenas.

La decisión útil no es que la fase siempre sea mejor, sino que su calidad, calibración y prueba permitan usar la característica prevista. La literatura compara amplitud, fase y representaciones combinadas con costes y ruidos distintos. Empieza por una línea base de amplitud; añade fase calibrada como comparación controlada y registra el coste de procesamiento en vez de asumir que la fusión generalizará.

  • Comprueba la continuidad y el orden de subportadoras antes de desenvolver la fase.
  • Registra calibración, par de antenas, subportadora de referencia y portadoras descartadas.
  • Compara fase en una sesión reservada: la deriva del hardware puede dominar la señal.
  • No deduzcas salud, identidad o seguridad a partir de fase sin validación específica.

Ventanas, normalización y vectores de características

Un modelo rara vez consume un paquete aislado. Una ventana agrupa un número fijo de muestras o un intervalo temporal para resumir el comportamiento de forma comparable. Escoge la duración según la tarea: un gesto breve no requiere la misma ventana que la presencia lenta o una investigación de respiración. Guarda el salto y la regla de etiqueta, incluso cuando un evento empiece o termine dentro de una ventana.

Ajusta la normalización solo con los datos de entrenamiento y aplícala sin cambios a validación y prueba. Normalizar cada sesión puede ocultar deriva real; una escala global puede dejar que una sala influya en otra. Guarda el esquema original y los parámetros ajustados. Un vector compacto es fácil de inspeccionar, pero quizá descarte el patrón temporal y frecuencial que necesita un modelo profundo.

Familia Ejemplos Pregunta útil Precaución
Estadística de amplitud Media, RMS, varianza, rango, percentiles ¿Cuánto cambió la magnitud? La deriva de ganancia y los valores atípicos dominan
Fase y coherencia Dispersión desenvolvida, diferencia, coherencia ¿Se mantuvo el trayecto? Importan los offsets y el par de antenas
Temporal Pendiente, picos, cruces por cero, autocorrelación ¿Qué cambió dentro de la ventana? Los huecos alteran el tiempo
Espectral Potencia de banda, frecuencia pico, centroide, ancho ¿Qué banda está activa? La frecuencia de muestreo debe ser estable

Un vector compacto para experimentos con RuView

Un vector práctico puede combinar estadísticas de amplitud, coherencia de fase y un resumen de densidad espectral de potencia. El código de entrenamiento de RuView describe campos como pico de amplitud, RMS, rango dinámico, coherencia de fase, potencia total, frecuencia pico, centroide y ancho de banda. Es un ejemplo de esquema versionado, no una obligación de usar exactamente doce números. Define cada campo, eje, escala y regla para valores ausentes antes de entrenar.

Si cambia una característica, actualiza la versión del esquema y vuelve a ejecutar la línea base. Un nombre como `phase_coherence` necesita una definición y el contexto de la ventana para que otra persona pueda reproducirlo. Compara el vector compacto con el tensor original: comprimir datos ayuda a inspeccionarlos, pero también puede borrar una señal útil.

  • Nombra cada característica, eje, escala y ventana de origen.
  • Devuelve valores finitos en ventanas vacías o degeneradas y registra el motivo.
  • Compara el vector compacto con el tensor para detectar información perdida.

Valida el flujo de características antes de ampliar el modelo

Prueba el flujo como un producto de datos. Reproduce una captura fija y verifica que la misma entrada dé el mismo vector tras reiniciar. Después prueba un movimiento repetido, una sala vacía, un tramo con pérdida de paquetes y una condición distinta. Antes de entrenar, revisa valores ausentes, cantidad de ventanas y rangos de características.

Reserva sesiones, días, personas, salas o ubicaciones de nodos completos cuando la afirmación deba generalizar. Una división aleatoria de ventanas vecinas puede filtrar muestras casi idénticas entre entrenamiento y prueba. La imagen de validación recuerda que una característica solo resulta útil si se comporta bien en las condiciones que afirma cubrir.

  • Repite una captura de forma determinista y compara el vector con una tolerancia definida.
  • Mide pérdida de paquetes, huecos temporales, cambios de canal y valores fuera de rango.
  • Congela normalización y selección de características antes de evaluar la prueba reservada.
  • Registra falsos positivos por puertas, ventiladores, mascotas, muebles o tráfico de red.
Secuencia de validación de Wi-Fi desde trazas de radio y características hasta muestras reservadas y una matriz de resultados
El flujo necesita una condición de prueba protegida y una vista de errores, no solo un gráfico de entrenamiento.

Referencias técnicas

Preguntas sobre características Wi-Fi CSI

¿Qué es la extracción de características CSI en Wi-Fi?

Es el paso que convierte ventanas CSI limpiadas en valores medibles, como estadísticas de amplitud, coherencia de fase, cambios temporales o potencia espectral. Guarda el esquema y el preprocesamiento para poder repetir el resultado.

¿Debo empezar con amplitud o fase CSI?

Empieza con amplitud como línea base transparente y añade fase calibrada en una comparación controlada. La fase puede aportar información del trayecto, pero los errores de desenvolvimiento o calibración pueden impedir que generalice.

¿Cuánto debe durar una ventana de características CSI?

Elige una duración acorde al evento y registra su salto. Gestos breves, ocupación y señales lentas necesitan intervalos distintos; compruébalo en sesiones reservadas, no en un único gráfico.

¿Es necesario filtrar CSI antes de extraer características?

Puede hacer falta limpieza, pero no hay un filtro universal. Compara una línea base sin filtro con un método mediano, Hampel o paso bajo documentado y verifica que el filtro no elimine el evento junto con el ruido.

¿Las características CSI identifican personas o diagnostican salud?

No. Un vector de características no prueba identidad ni estado médico. Esas afirmaciones requieren datos, medidas de referencia, controles de riesgo, privacidad y validación del dominio. Trata la salida de RuView como interpretación experimental de señales salvo que exista evidencia más sólida.