企业官网建设流程全解析

不装摄像头，让 Wi-Fi 自己"看见"房间：ESP32 CSI 无线感知零基础实战指南

【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

深夜十一点，客厅空无一人。我盯着桌上的路由器发呆：如果家里进了人，除了摄像头，还能靠什么"看见"？答案就藏在一个开源项目里——ESP32 CSI 工具包：它让 Wi-Fi 信号获得"无线感知"能力，用空气里的电磁波探测房间有没有人、人往哪走、甚至在做什么动作。

这篇文章不是说明书式的罗列，而是我"从零做一次 CSI 实验"的完整手记：先讲清楚原理，再一步步搭环境、烧固件、看数据、画波形，最后介绍更省力的工具和进阶玩法。你不需要懂射频，只要有一块 ESP32 和一点好奇心，就能跟上。

动手之前，先回答一个问题：CSI 凭什么"看"得见

Wi-Fi 信号从发送端飞向接收端时，并不会走直线——它会撞上墙壁、家具、人，被一次次反射、绕射，最终到达接收端的是无数条路径叠加后的"大杂烩"。信道状态信息（Channel State Information，CSI）记录的，正是这条信道"长什么样"：每个子载波的幅度、相位和延迟。

这为什么能感知人体？道理很朴素：当一个人从信号路径上走过，反射路径就变了，接收端看到的"大杂烩"也随之改变。CSI 对这类变化极其敏感，大到走路、跑步，小到静坐时的呼吸起伏，它都能捕捉到——这就是"Wi-Fi 无线感知"的底层逻辑。

RSSI 是音量旋钮，CSI 是整张乐谱

过去我们最熟悉的是 RSSI（信号强度），但它其实很"粗心"：它只给一个总强度数字，人从旁边走过，这个数字常常纹丝不动。而 CSI 则像一张完整的乐谱，几十上百个子载波各自的幅度、相位都清清楚楚，任何一声"杂音"都逃不掉。

上图是 Wi-Fi 物理层的完整流程：发射端完成符号映射、IDFT 变换后送入信道，接收端通过"信道估计"（Channel Estimation）把信道特性还原出来。ESP32 输出的 CSI，正是这一步得到的"信道快照"——这也是为什么它能感知环境，而不是只知道信号强不强。

人一动，电磁波就"迷路"了

墙壁、家具、人体都会反射电磁波，人站立时和走两步时，反射路径完全不同。CSI 记录的是每条路径叠加后的结果，所以只要环境中有一点变化，数据就会"发颤"。理解了这一点，后面看到波形随人走动而起伏，就不会觉得神奇了——那只是电磁波在告诉你："有人改变了我走过的路。"

认识主角：一块会"读信道"的 ESP32 📡

要做 CSI 实验，接收端需要能直接输出原始 CSI 数据的硬件。乐鑫的 ESP32 系列正是这样的主角，而且门槛很低：ESP32、ESP32-S2、ESP32-S3、ESP32-C3、ESP32-C5、ESP32-C6、ESP32-C61 全系列都支持 CSI，手里有哪块用哪块。

除了"读信道"，ESP32 还有三个隐藏技能，让它特别适合做无线感知：

• BLE 辅助：可以扫描周围的蓝牙设备，和 CSI 数据互补，提高检测准确率；
• OTA 升级：已部署的设备通过软件升级就能获得 CSI 能力，不用换硬件；
• 本地 AI：双核 240MHz 主频、支持 AI 指令集，能在设备本地跑机器学习和神经网络，不必把数据全部传到云端。

另外，ESP32 输出的信息很丰富：除了 CSI 本身，还附带 RSSI、射频噪声底、接收时间、天线 rx_ctrl 字段等，这些在调试时都是宝贵线索。

三步搭好 ESP32 CSI 开发环境

第一步：备齐硬件

建议准备两块开发板，一块当发送端、一块当接收端（推荐 ESP32-C5 或 ESP32-C6），并尽量使用外置 IPEX 天线——PCB 板载天线方向性差，容易被主板干扰。两块板之间的距离最好大于 1 米，太近数据会比较"糊"。

第二步：安装 ESP-IDF 并拉取代码

开发框架推荐 ESP-IDF v5.0.0 及以上版本（更高版本支持目的地址过滤，CSI 效果更好）。装好后拉取项目：

git clone https://gitcode.com/GitHub_Trending/es/esp-csi cd esp-csi

第三步：编译烧录

进入入门示例目录，分别烧录发送端和接收端固件：

# 发送端 cd examples/get-started/csi_send idf.py set-target esp32c3 idf.py flash -b 921600 -p /dev/ttyUSB0 monitor # 接收端（另开一个终端） cd examples/get-started/csi_recv idf.py set-target esp32c3 idf.py flash -b 921600 -p /dev/ttyUSB1

烧录完成后，两块板通过 Wi-Fi 建立连接，接收端的串口就会开始输出 CSI 数据。

第 1 次实验：让路由器当"发报员" 🧪

最快见到 CSI 的方法，其实连发送端开发板都不用准备——用现成的路由器就行。

原理很简单：ESP32 向路由器发送 Ping 包，路由器回应的 Ping Reply 里就携带着 CSI 信息，接收端顺水推舟把它取出来。这个方案对应examples/get-started/csi_recv_router示例，只需一块 ESP32 加一台路由器即可跑通。

它适合"环境里只有一块 ESP32、且检测范围内有路由器"的场景，是成本最低、上手最快的入门路线。当然，代价是结果受路由器位置、支持的 Wi-Fi 协议等因素影响，精度属于"够用"级别。

看懂串口日志：那串"天书"里藏着什么

跑通之后，串口会刷出一行行形如CSI_DATA,...的日志。第一次看可能会懵，其实拆开看很有规律。

一行 CSI 数据的结构大致是：

CSI_DATA,0,94:d9:b3:80:8c:81,-30,11,1,6,...,"67,48,4,0,..."

• 前面的字段是元数据：type（数据类型）、id（设备编号）、mac（发送端 MAC）、rssi（信号强度）、rate（速率）、noise_floor（射频噪声底）、channel（信道）等；
• 最后一对引号里的 data 数组才是主角：它按子载波排列，每个子载波先存虚部、再存实部（即 [1号子载波虚部, 1号子载波实部, 2号子载波虚部, 2号子载波实部, ...]）。

把这对"虚部+实部"拼起来，就得到每个子载波的复数信道信息，幅度和相位都能算出来——后续所有的检测算法，都是拿这些数字做文章。

把 CSI 数据画成图：信号如何"感应"到人

光看数字还是不够直观，好在项目自带一个可视化脚本。先关掉idf.py monitor，然后运行：

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

屏幕上会实时画出各子载波的幅度波形。这时候你走到两块板之间，会看到波形明显扰动；坐下不动、呼吸变慢，波形又会呈现另一种细微变化——第一次亲眼看到"信号在感知我"，那种感觉非常奇妙。

上图是一次真实的测试部署：发送端与接收端分置两侧，笔记本实时解析数据。两个设备距离 1 米以上，人从中间走过，波形就会给出"反应"。

第 2、3 次实验：另外两种获取 CSI 的方式

入门方案解决了"有没有"，下面两种方案解决"够不够准、够不够多"。

方式二：设备间直传

两块 ESP32 都连上路由器，A 板接收 B 板发出的 Ping 包里携带的 CSI。它的好处是不依赖路由器位置，也不受路由器下其他联网设备的干扰，适合需要多块 ESP32 协同工作的场景。

方式三：专用设备广播

一台专用发送设备持续切换信道广播数据包，多块 ESP32 同时接收其中的 CSI。这种方式精度和可靠性最高，不受路由器制约，多设备环境里也只有一台发送设备，对网络干扰很小；代价是需要额外一台专用发送设备，适合对精度要求高、需要多设备集群定位的场景。

三种方式放到一起对比，选择思路就很清楚了：

偷懒神器：ESP-CSI Tool 帮你采集、标注、分析 🛠️

自己写解析代码能学到东西，但如果你想快速进入"应用层"，项目里的 ESP-CSI Tool 能省掉一大半功夫。这是一个图形化工具，把采集、显示、标注、分析打包成了开箱即用的功能：

• 实时展示：CSI 子载波波形、RSSI 波形、射频底噪、Wi-Fi 信道数据一览无余；
• 数据采集：把收到的 CSI 保存到文件，为后续机器学习攒数据集；
• 行为标注：按不同动作（如 move）采集数据并打标签，方便训练分类模型；
• 智能分析：内置房间状态判断（有人/无人、运动/静止）和运动次数统计。

界面上半部分是原始 CSI 数据（Raw data），下半部分是算法处理后的结果（Radar model）。它特别适合用来快速理解：不同天线、不同人体动作、不同设备摆放，到底会怎样影响 Wi-Fi 信号。启动它也很简单，注意使用 UART 口而不是 USB Serial/JTAG 口：

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

ESP32 人体检测实战：ESP-RADAR 与 ESP-Crab 的进阶玩法 🎯

工具准备好了，接下来看真实应用。examples/esp-radar是官方给出的一组实战示例：

• console_test：交互式控制台，支持动态配置与采集 CSI 数据，附带人体活动检测算法，可判断房间有人/无人、人是否在运动；
• connect_rainmaker：把采集到的 CSI 数据上报到乐鑫 RainMaker 云平台，方便远程查看；
• wifi_sensing_demo：基于esp_wifi_sensing组件做运动与人体存在检测，支持现场训练、LED 反馈，还能用浏览器里的 Web Serial 监控实时诊断。

上面这张图就是检测运行时的界面：原始 CSI 波形随人体动作起伏，右侧的检测模型标出"有人/无人"的状态，下方的柱状图记录运动次数。用它做 ESP32 人体检测实验，比纯看日志直观得多。

再进一步，examples/esp-crab展示了一套更硬核的方案：通过双 ESP32-C5 共晶振实现射频相位同步，支持"自发自收"和"单发双收"两种模式，能从 CSI 相位信息中感知毫米级的信号路径扰动，为大范围、复杂环境下的无线感知与 CSI 室内定位提供支撑——如果你对前沿算法和定位精度感兴趣，这是很好的研究起点。

避坑清单：五条用"踩坑"换来的经验

实验顺利时很快，但翻车往往就在几个细节上。这五条经验值得先抄下来：

1. 天线选外置 IPEX：PCB 板载天线有方向性、易受主板干扰，外置天线明显更稳；
2. 在无人环境测试：测试时让房间保持无人，避免别人的走动污染你的数据；
3. 设备间距大于 1 米：两块板离得太近，数据区分度会大打折扣；
4. 避开拥挤的信道：Wi-Fi 信道太挤会导致丢包、数据混乱，换到空闲信道试试；
5. 做基线校准：使用 ESP-CSI Tool 时，先在无人房间完成阈值校准（可设置延迟和校准时长），校准时间越长，误判概率越低。

尾声：当 Wi-Fi 开始"认识"你的家 🔭

回到文章开头那个深夜的问题。曾经我以为"不装摄像头还想看见房间"是异想天开，而这一路实验下来，答案已经很清楚：Wi-Fi 信号每天都在穿越你的家，ESP32 CSI 工具包只是教会它"把看到的讲出来"。

这套能力未来会通向很多地方：智能家居里无感的人员检测、健康场景下非接触的生命体征监测、安防领域的入侵识别、工业现场的设备状态感知与 CSI 室内定位……而这一切的起点，不过是一块几十块钱的 ESP32 和一段从csi_send开始烧录的固件。

如果你的好奇心已经被勾起来了，那就按这篇笔记的节奏，从第一次实验开始吧——下次再看到那台路由器，你可能会忍不住想：它又在"看"什么？

【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