企业官网建设流程全解析

用 Wi-Fi CSI 让 ESP32 感知人体运动：ESP-CSI 上手实战

【免费下载链接】esp-csiApplications based on Wi-Fi CSI (Channel state information), such as indoor positioning, human detection项目地址: https://gitcode.com/GitHub_Trending/es/esp-csi

esp-csi是乐鑫开源的 Wi-Fi CSI（Channel State Information，信道状态信息）示例库，基于 ESP32 系列芯片实时获取无线信道数据，可实现人体运动、房间占用、定位等非接触式感知。本文带你走完"两块开发板跑通 CSI 数据流 → 图形化波形 → 房间有人/无人判断"的完整流程，并整理常见问题。

CSI 和 RSSI 的区别：为什么它够灵敏

先给结论：CSI 携带的信息量远高于 RSSI，这是它能感知呼吸、咀嚼等细微动作的原因。

Wi-Fi（OFDM 体制）把信号拆到几十上百个子载波上传输。RSSI 只给出一个标量信号强度；而 CSI 记录信道中每个子载波的幅度和相位。人在室内移动时，信号的多径反射路径随之改变，子载波数据随之波动——动作越大波动越明显，静止时的呼吸也能引起可测变化。

想先补原理再动手，仓库内置了中文文档：信号处理基础、OFDM介绍、无线信道基础、无线测距与定位技术介绍、CSI与RSSI对比、CSI应用案例。

📡 三种 CSI 获取拓扑：先决定买几块设备

CSI 取自"对方发出的数据包"，所以核心问题是：谁发送、谁接收。仓库给出三种拓扑，硬件成本和精度各不相同：

• 路由器模式：ESP32 向路由器发 Ping，从 Ping 应答中提取 CSI。适合只有一块 ESP32 的学习场景。
• 设备间模式：发送端用 ESP-NOW 持续发包，接收端抓取 CSI。两块板即可搭起来，[examples/get-started/](https://link.gitcode.com/i/e2bc4509941bc687b09db1076ed48ad3)下的csi_send与csi_recv分别对应两端，csi_recv_router则是路由器模式。
• 专用广播模式：发送设备不断切换信道广播，多台接收端同时获得 CSI，适合多设备集群定位等高精度需求，[examples/esp-crab/](https://link.gitcode.com/i/0f3cd5138fa0fa1adb4d3c1889f6cc36)是它的硬件实现。

🛠️ ESP-CSI 首次运行：两块开发板输出 CSI 数据

环境准备

• ESP-IDF：建议 v5.0.0 以上（支持目的地址过滤，效果更好），console_test示例基于 v5.0.2 验证
• 开发板 ×2：官方推荐 ESP32-C5 / ESP32-C6（射频表现最好）；ESP32 / S2 / C3 / S3 / C61 全系列也支持
• 外置 IPEX 天线：PCB 天线方向性强、易受主板干扰，感知效果差
• 两块设备间距大于 1 米

克隆仓库并烧录固件

git clone https://gitcode.com/GitHub_Trending/es/esp-csi cd esp-csi/examples/get-started/csi_send idf.py set-target esp32c3 idf.py flash -b 921600 -p /dev/ttyUSB0 monitor

接收端烧到另一块板（换实际串口）：

cd esp-csi/examples/get-started/csi_recv idf.py set-target esp32c3 idf.py flash -b 921600 -p /dev/ttyUSB1

两端默认使用 11 信道、经广播 MAC 通信，csi_send以 100 包/秒 的频率发送 ESP-NOW 数据包，csi_recv按固定 MAC 过滤并打印 CSI。烧录成功后，接收端串口会持续刷出CSI_DATA,...数据：

看懂串口数据：一行就是一个完整信道快照

每行输出分两部分：

• 元数据：mac、rssi、rate、noise_floor、channel、local_timestamp等；ESP32-C5 / C6 格式还带fft_gain与agc_gain增益字段，接收端会记录前 100 包作为增益基线做补偿
• data数组：CSI 本体，按"虚部在前、实部在后"逐子载波存储，即[子载波1虚部, 子载波1实部, 子载波2虚部, ...]；LTF 顺序为 LLTF → HT-LTF → STBC-HT-LTF，是否三个都出现取决于信道与分组

拿到原始数据后如何看效果？仓库提供两种可视化方式：

1. csi_data_read_parse.py：读取接收端串口，实时绘制子载波波形（PyQt5，运行前关闭idf.py monitor避免占用串口）
2. csi_viewer.html：Chromium 浏览器直接打开，经 Web Serial 连接串口，免 Python 环境

cd esp-csi/examples/get-started/tools pip install -r requirements.txt python csi_data_read_parse.py -p /dev/ttyUSB1

波形静止时几乎是一条水平线；有人从两块设备之间走过，波形会明显跳变——这就是最直观的感知验证。

进阶示例：从波形到"房间里有人"的判断

数据通了，下一步做什么？esp-radar与esp-crab目录提供四层应用，按需取用：

console_test：最完整的本地测试平台

操作流程是：连接 → 校准 → 观测 → （可选）采集。

1. 连接：接收板烧console_test，发送端烧csi_send（或直接用路由器发送，此时路由器不要再挂其他智能设备，避免网络拥塞），PC 端启动工具（用 UART 口，不是 USB Serial/JTAG 口）：

   cd esp-csi/examples/esp-radar/console_test/tools pip install -r requirements.txt python esp_csi_tool.py -p /dev/ttyUSB1

2. 校准阈值：目的是在空房间里记录 CSI 基线，自动生成"有人/无人"与"运动/静止"两个阈值。设置delay（如 10 秒，留给人员离开的缓冲时间）和duration（校准时长），点start并确认，期间确保无人。校准时间越长，误触概率越低。

3. 观测状态：状态窗口区分无人、有人静止、有人运动三种状态；filter outliers可设置连续多少次超阈值才判定，过滤偶发异常值。运动统计窗口按分钟/小时/天维度记录每次运动的起止时间和时长。

4. 采集动作数据：动作采集窗口可指定动作类型、延迟、单动作时长、采集次数，数据存到tools/data路径——这就是训练机器学习/神经网络的现成数据集。

wifi_sensing_demo：浏览器里调参

这个示例把esp_wifi_sensing组件走通完整闭环：创建 FSM → 添加通道（AP + 两个 peer MAC）→ 注册 ACTIVE/INACTIVE 回调 → 启动。

• LED 反馈：闪烁 = 未连接；常亮 = AP 通道 ACTIVE（检测到运动）；渐灭 = INACTIVE
• 浏览器监控：用 Chromium 打开tools/web_serial_monitor.html（若file://被拦截，先cd tools && python3 -m http.server再访问http://127.0.0.1:8000/web_serial_monitor.html），实时查看jitter_value、smooth_scaled、enter_level_scaled等曲线，并直接下发指令调参，如HMSCMD SET_CFG AP motion_sensitivity=1.2

esp-crab：面向精度的共晶振方案

前面几种方案有一个共同短板：发送端和接收端各自走时钟，绝对相位会漂移。esp-crab是双 ESP32-C5 共晶振的专用硬件，提供两种工作模式：

• 自发自收：一片 C5 发送、另一片接收，可毫米级感知射频路径扰动，配合铜片引导信号路径还能调节感知范围
• 单发双收：额外一块 ESP32-C5 开发板负责发送，esp-crab上两片 C5 同时接收，覆盖更大空间，串口输出与其他示例相同格式的CSI_DATA

上电直接显示 CIR 幅度与相位曲线。注意设备上电后会先采集前 100 个 Wi-Fi 包来确定射频接收增益，这段时间数据仅作参考。

ESP-CSI 常见问题与解决

两条贯穿所有示例的经验：

1. 天线：外置 IPEX 天线效果优于 PCB 天线；PCB 天线有方向性，部署时按信号路径摆板位
2. 环境：校准和基线测试应在无人环境完成，避免他人活动污染基线——connect_rainmaker的自校准同样要求校准期间室内无人或人不动

下一步：按目标选学习路径

• 只想验证效果：按上面首跑章节走完csi_send+csi_recv，看波形随人员走动跳变
• 想做人体检测应用：跑通 console_test，完成校准、观测三态判断，再采集几十组动作数据供自己的算法训练
• 想集成到产品：读 wifi_sensing_demo 的main/app_main.c，重点是esp_wifi_sensing组件的建 FSM、加通道、注册回调四步
• 想搞懂原理：从 无线信道基础 读到 OFDM介绍，再回头对照examples/get-started/csi_recv/main/app_main.c里esp_wifi_set_csi_config的各配置项含义
• 想做定位或高精度感知：看 esp-crab 的共晶振方案与单发双收模式

需要说明的是，仓库中的人体检测算法官方标注为"仍在优化中"——基于原始 CSI 数据用机器学习、神经网络训练自己的模型，正是这个库推荐的主线玩法。

【免费下载链接】esp-csiApplications based on Wi-Fi CSI (Channel state information), such as indoor positioning, human detection项目地址: https://gitcode.com/GitHub_Trending/es/esp-csi