一路相伴 Logo 一路相伴
← 返回首页

1+N Sensing, Three Ends in Sync

「1+N」无感感知 + 三端协同，共同完成一个闭环

微感守望以 WiFi CSI 信道指纹为基石：「1」个核心感知中枢穿墙覆盖全屋，「N」个补盲/执行端按需扩展；再与 Android 原生端、uniCloud 阿里云云端三端协同——设备无感采集和上报，云端鉴权与存储，App 端查看与交互。不拍照、不录音、无需佩戴，共同完成居家养老 + 社区治理的闭环。

01

核心感知中枢（「1」）

基于 ESP32 等成熟硬件，WiFi CSI 穿墙无感检测人体状态，兼具路由器 / AP 功能；端侧运行自研 Inception32 多尺度残差 CNN（ONNX 仅 1.62MiB），跌倒检测准确率超 98%。

02

uniCloud 云端

阿里云，约 21 个云函数，负责鉴权、设备、内容、告警与生活助手等接口，完成数据隔离与编排；跌倒告警联动 AI 小车自动赶往现场二次确认。

03

Android 原生端（三端协同）

Jetpack Compose，约 59 个页面路由，子女 / 家庭 / 社区三端协同；内置方言语音助手、长期记忆与 Agent 一句话代办，承载远程监控、生活助手与社区服务。

Modules

项目组成

/YiLuXiangBan

Android 原生端 与 uniCloud 云端

Android 原生版使用 Kotlin、Jetpack Compose，约 59 个页面路由；uniCloud 阿里云版约 21 个云函数，负责鉴权、设备、内容、告警与生活助手等接口。

当前构建
v6.5.6 / versionCode 130
主要入口
远程监控、生活助手、社区服务
云端特性
HTTP 化云函数、MongoDB 集合、云存储引用

/wisensecare_sensing_hub

微感守望感知中枢（1+N）

以 WiFi CSI 信道指纹为基石的「1」个核心感知中枢 + 「N」个生态补盲 / 执行端：穿墙覆盖全屋、按需扩展，BOM 成本较毫米波雷达方案降低约 70%。

硬件侧
ESP32 核心中枢（兼路由 / AP）+ UWB 补盲端 + AI 小车 + 环境传感器
边缘能力
Inception32 多尺度残差 CNN（41.6 万参数，ONNX 1.62MiB），穿墙精确率 88.89%、不穿墙 95.77%，误报率低于 4.20%
UWB 补盲
125 维特征 + 因果残差 TCN，实验跌倒检出率 96.67%、日常误报率 0.33%、录制数据准确率 98.17%
通信可靠性
队列解耦 + CRC 校验，双接收机连续 600 秒实测零队列丢弃（RX1 包完整率 95.43% / RX2 93.43%）

实测数据与研发背书

团队在实验室与真实家庭场景中累计完成跌倒测试 3000 余次，沉淀 12G 实测训练数据；UWB 补盲侧积累 2870 条录制、67950 个窗口。模型与链路均经过独立复测验证。

Why WiFi CSI

方案对比

相比穿戴设备、摄像头与毫米波雷达方案，微感守望以 WiFi CSI 为主、UWB 按需补盲，在隐私、依从性、覆盖与成本上取得平衡。

⌚ 穿戴设备

依从性低

老人不愿佩戴、频繁忘记充电，无法实现全天候监护。微感守望零穿戴、零操作，老人无需佩戴任何设备。

📷 摄像头方案

隐私风险高

浴室、卫生间等区域无法部署，欧美市场难以接受。微感守望不拍照、不录音，无视觉摄像头设计，隐私更彻底。

📶 毫米波雷达

成本高、穿墙弱

全屋部署 BOM 成本高、改造复杂。微感守望全屋成本约为其 1/3，WiFi 信号穿墙覆盖，落地门槛大幅降低。

🛡️ 微感守望

无感 + 隐私 + 全覆盖

WiFi CSI 穿墙无感检测为主，UWB 按需补盲浴室/卫生间，AI 小车告警后二次确认；融合 AI Agent 能力，支持家庭—子女—社区三端协同。

端云协同重点

设备端不直接承担复杂账号逻辑，而是把传感器读数、告警事件和设备状态上报到云端；云端统一处理鉴权、归属关系和数据读写；App 端再以角色和设备绑定关系展示可见内容。