Cada año, millones de adultos mayores sufren caídas graves que derivan en lesiones traumáticas y pérdida de autonomía. Aunque los pulsadores de emergencia y colgantes portátiles existen desde hace décadas, los estudios de adopción demuestran que menos del veinte por ciento de los mayores los lleva puestos de manera continua, especialmente en áreas de alto riesgo como baños y duchas. Las cámaras ópticas ofrecen una alternativa técnica, pero provocan un fuerte rechazo por invasión de la intimidad en el hogar.
La detección de caídas por WiFi resuelve este dilema utilizando la infraestructura de radiofrecuencia ya presente en las viviendas. Cuando las señales IEEE 802.11 se propagan en interiores, las subportadoras OFDM se dispersan y reflejan continuamente contra el cuerpo humano y las paredes. Al capturar la Información del Estado del Canal (CSI) con plataformas como RuView, las redes inalámbricas domésticas se convierten en sensores ambientales que identifican caídas en tiempo real sin registrar imágenes visuales.
Biomecánica de Radiofrecuencia: Cómo Distinguir Caídas de Movimientos Cotidianos
Las diferencias cinemáticas entre las actividades domésticas habituales y una caída accidental permiten que las ondas de radio clasifiquen cada evento con fiabilidad. Al caminar, sentarse en una silla o recoger un objeto del suelo, el torso humano se desplaza con aceleraciones controladas. La velocidad vertical al sentarse deliberadamente rara vez supera los 0,8 metros por segundo, describiendo una curva suave.
Por el contrario, una caída involuntaria responde a la aceleración gravitacional descontrolada, alcanzando velocidades descendentes en el torso de entre 1,8 y 2,2 metros por segundo antes del impacto. Al rebotar las ondas en un cuerpo que desciende a gran velocidad, se induce un desplazamiento Doppler notable en múltiples subportadoras, seguido de un cese súbito del movimiento que deja la señal en reposo absoluto.
- Aceleración Gravitatoria: Las caídas generan velocidades verticales superiores a 1,8 m/s, produciendo picos Doppler muy distintos a los de sentarse con calma (<0,8 m/s).
- Dispersión Cinemática Multimiembro: El descontrol de brazos y piernas durante la caída dispersa la energía en un amplio espectro de frecuencias.
- Inmovilidad Posterior al Impacto: Una caída real muestra un impacto brusco seguido de un periodo prolongado de quietud en el suelo.
- Variación del Perfil Multiruta: El cuerpo tendido en el suelo altera de forma permanente las trayectorias de reflexión en la zona baja de Fresnel.
El Pipeline Integral de Procesamiento de Caídas Mediante WiFi CSI
Convertir las fluctuaciones de voltaje en la antena en alertas fiables requiere un pipeline de tratamiento de señal riguroso. El receptor de capa física registra matrices complejas de CSI en las subportadoras OFDM, aunque los datos brutos contienen ruido del hardware como desplazamientos de frecuencia de portadora (CFO).
El sistema aplica desenvoltura de fase y un filtrado paso banda Butterworth (entre 0,5 Hz y 20 Hz) para eliminar el ruido estático ambiental. El análisis de componentes principales (PCA) aísla el movimiento dominante del torso, mientras que clasificadores temporales evalúan los espectrogramas Doppler frente a patrones biomecánicos aprendidos.
- Fase 1 - Adquisición CSI en Bruto: Flujo de números complejos a 50 Hz - 100 Hz mediante ESP32 o controladores compatibles en Linux.
- Fase 2 - Filtrado y Calibración: Filtro de Hampel y desenvoltura de fase para descartar anomalías de reloj y desvíos de radiofrecuencia.
- Fase 3 - Extracción de Características: Transformadas STFT y Wavelet para generar espectrogramas de velocidad Doppler en tiempo real.
- Fase 4 - Clasificación Temporal: Integración de umbrales cinemáticos y redes neuronales para confirmar el incidente y generar alertas.
Plataformas de Hardware: Comparativa entre ESP32, Nexmon y Routers WiFi 6/7
Poner en marcha la detección de caídas por WiFi requiere hardware capaz de extraer tramas CSI sin pérdidas críticas de paquetes durante ráfagas de movimiento rápido.
Las placas ESP32 y ESP32-S3 constituyen la alternativa más económica y eficiente energéticamente, ofreciendo 64 subportadoras en la banda de 2,4 GHz. Los firmwares modificados con Nexmon en Raspberry Pi permiten monitorizar canales de 5 GHz con mayor ancho de banda, mientras que los futuros routers con IEEE 802.11bf integrarán tramas de radar de manera nativa.
- ESP32 / ESP32-S3: Muy bajo coste (menos de 5 €), consumo reducido y compatibilidad nativa con ESP-IDF para mallas de detección entre estancias.
- Nexmon en Raspberry Pi: Permite anchos de canal de 80 MHz en 5 GHz, aportando una discriminación espacial y Doppler más precisa.
- Routers IEEE 802.11bf: El estándar industrial emergente que incorpora funciones de radar directamente en los routers comerciales sin parches de firmware.
Mitigación de Falsas Alarmas: Mascotas, Sentarse Rápido y Ruido Ambiental
El índice de falsas alarmas es el obstáculo principal para el despliegue práctico en viviendas reales. Los animales domésticos, el cierre de puertas pesadas o el acto de dejarse caer cansado en el sofá pueden causar perturbaciones que imitan una caída traumática.
Los algoritmos avanzados evitan estos errores evaluando la masa corporal reflectora y la quietud posterior. Los perros y gatos presentan una masa física mucho menor y una varianza energética agregada más reducida. Además, sentarse en un asiento va seguido de micromovimientos respiratorios y posturales, mientras que una caída incapacitante deja a la persona inmóvil en el suelo.
- Umbrales de Energía Corporal: Análisis de la varianza entre subportadoras para descartar el paso de animales de baja masa.
- Ventana de Inactividad Posterior: Exigencia de entre 10 y 15 segundos de inmovilidad total en el suelo antes de disparar la alarma.
- Verificación de Perfil de Altura: El uso de múltiples nodos receptores ayuda a confirmar que el centro de reflexión ha descendido al nivel del piso.
- Consenso Inalámbrico Múltiple: Requisito de confirmación simultánea en al menos dos enlaces de radio antes de emitir la alerta médica.
Factores Ambientales: Cobertura en Baños y Escenarios Sin Línea de Visión
El entorno interior combina zonas con Línea de Visión directa (LOS) y estancias Sin Línea de Visión (NLOS). En salas despejadas donde emisor y receptor se ven directamente, la relación señal-ruido es excelente, alcanzando precisiones de detección superiores al 95%.
En lugares críticos como los cuartos de baño, las ondas deben atravesar tabiques de yeso o ladrillo y azulejos. Aunque las señales sub-6 GHz superan paredes convencionales con atenuaciones moderadas (de 3 a 6 dB), las tuberías metálicas y la cerámica densa recomiendan situar un nodo receptor cercano para evitar zonas de sombra.
- Ventaja de la Línea de Visión: Señal nítida con perfiles Doppler muy claros y mínima distorsión por rebotes múltiples.
- Penetración en Tabiques: Las frecuencias sub-6 GHz atraviesan paredes estándar, permitiendo monitorizar estancias contiguas sin obras.
- Atenuación por Metales y Cerámica: Baños con azulejos pesados y cañerías se cubren mejor con un nodo satélite dedicado.
- Altura de Instalación Recomendada: Situar los nodos entre 1,0 y 1,2 metros sobre el suelo alinea la zona de Fresnel con el torso.
Integración de la Detección de Caídas con el Motor RuView
RuView actúa como una pasarela abierta que conecta los datos físicos de CSI con herramientas de inteligencia espacial y seguridad doméstica. En lugar de limitarse a un clasificador aislado, RuView integra el aviso de caídas en un flujo global de monitorización de habitaciones.
Dentro de RuView, las secuencias de CSI sincronizadas de varios nodos ESP32 se filtran para calcular presencia y cambios bruscos de postura. Al detectar un evento sospechoso, el sistema comprueba el contexto de ocupación y envía avisos inmediatos mediante webhooks locales sin depender de servidores en la nube.
- Procesamiento Local Descentralizado: Todos los cálculos matemáticos y la inferencia se ejecutan en el hardware de la vivienda.
- Correlación Contextual: La alerta se cruza con la posición en la casa para evitar falsas alarmas si la persona está acostada en la cama.
- Conexión con Domótica: Compatibilidad directa con Home Assistant y MQTT para activar alertas sonoras o mensajes en menos de 350 ms.
- Ecosistema de Código Abierto: Totalmente compatible con firmwares libres para ESP32, microordenadores Raspberry Pi y nodos 802.11bf.
Guía Práctica Paso a Paso: Montaje de un Banco de Pruebas Básico
Construir un banco de pruebas casero para experimentar con la detección de caídas por WiFi requiere un procedimiento estructurado de montaje, captura de líneas base y ajuste de umbrales. Utilizar una pareja de módulos ESP32 permite observar de inmediato las alteraciones Doppler.
Sigue estos cinco pasos para poner en marcha tu entorno experimental y verificar la respuesta de las señales inalámbricas:
- 1. Preparación del Hardware: Graba dos módulos ESP32 con el firmware CSI de RuView, configurando uno como AP y el otro como estación (STA).
- 2. Disposición Espacial: Coloca los dos módulos a una distancia de entre 3 y 4 metros a una altura de 1 metro en la estancia elegida.
- 3. Emisión de Paquetes: Genera un tráfico constante de 100 Hz y retransmite los paquetes CSI por puerto serie o UDP al ordenador.
- 4. Grabación de Movimientos: Registra muestras con la habitación vacía, caminando normalmente, sentándose y simulando caídas sobre una colchoneta.
- 5. Calibración de Umbrales: Fija el límite de velocidad vertical y la ventana de inactividad posterior para evitar avisos accidentales.
Preguntas Frecuentes sobre la Detección de Caídas por WiFi
¿Pueden los routers comerciales actuales detectar caídas inmediatamente?
La gran mayoría de routers de consumo no facilitan la lectura de CSI directamente de fábrica. Sin embargo, usando firmwares libres como OpenWrt en chips compatibles, parches Nexmon o pequeños módulos ESP32 conectados a la red, es posible capturar CSI y detectar caídas hoy mismo.
¿En qué se diferencia la detección por WiFi de los sensores radar mmWave?
La tecnología WiFi aprovecha bandas de 2,4 GHz y 5 GHz que atraviesan tabiques y cubren varias habitaciones con el equipamiento existente. Por contra, el radar mmWave de 60 GHz ofrece gran resolución pero no atraviesa paredes, exigiendo un sensor físico en cada habitación.
¿Puede un perro o un gato activar una falsa alarma de caída?
Los algoritmos bien diseñados miden la variación entre subportadoras y la energía reflejada por el torso. Los animales domésticos tienen menor masa corporal y no permanecen completamente inmóviles en el suelo tras un movimiento brusco, evitando disparos erróneos.
¿Funciona este sistema a oscuras o a través de puertas cerradas?
Sí. Las ondas de radiofrecuencia no dependen de la iluminación visible, por lo que operan con total normalidad en oscuridad o vapor. Además, atraviesan puertas de madera y paredes de yeso habituales en viviendas.
¿La detección por WiFi pone en riesgo la intimidad del usuario?
No. El análisis de CSI solo mide propiedades de propagación de ondas de radio (amplitud y fase). No recopila imágenes, rasgos faciales ni sonido alguno, garantizando la privacidad absoluta en dormitorios y cuartos de baño.