不装摄像头，Wi-Fi 也能“看见“人影？ESP-CSI 实战指南：用 ESP32 把房间变成无感雷达

不装摄像头，Wi-Fi 也能"看见"人影？ESP-CSI 实战指南：用 ESP32 把房间变成无感雷达

【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

本文带零基础读者玩转乐鑫开源项目 ESP-CSI：不依赖摄像头，只用 ESP32 开发板和普通路由器，就能读取 Wi-Fi 信道状态信息（CSI），实现人体检测、室内定位等"无感感知"。全文涵盖硬件清单、十分钟跑通步骤、避坑要点与三条进阶路线，新手也能照着做。

一个真实痛点：不装摄像头，怎么知道房间里有没有人

深夜，父母独自在家，你想知道他们是否安全；客厅长时间没人，你想让空调自动关闭——但出于隐私，你不想在卧室、浴室装摄像头。有没有一种"看不见"的感知方式？

答案是：用你家里现成的 Wi-Fi 信号。Wi-Fi 不只是用来上网的，它还能像雷达一样感知环境。而这一切的入口，就是乐鑫开源的 ESP-CSI 项目——一块几十元的 ESP32 开发板，就能读取普通 Wi-Fi 信号中的信道状态信息（CSI），完成人体检测与室内定位。

先看效果：Wi-Fi 真的能"读懂"一个房间

先别急着搭环境，直接看成果。下图是 ESP-CSI 项目中 esp-radar 示例的"房间状态"界面：绿色曲线代表"有人"的特征信号，紫色虚线是判定阈值，一旦信号冲过阈值，系统立刻给出"无人、有人静止、有人运动"三种状态的实时判断。

为什么 Wi-Fi 信号能灵敏到这种程度？关键要分清两个概念：RSSI 与 CSI。RSSI 只告诉你信号"声音有多大"，像音量表；而 CSI（信道状态信息）记录信号在传播过程中每个频率点的幅度、相位和延迟，像一张精细的心电图。人走动会改变信号反射路径，CSI 能精准捕捉这些"涟漪"。一句话概括：RSSI 是结论，CSI 是过程，过程里藏着更多细节。

看懂一行数据，就懂了 CSI 的本质

在接收端串口里，你会看到类似这样的一行输出：

CSI_DATA,0,94:d9:b3:80:8c:81,-30,11,1,6,1,0,1,0,1,0,0,-93,0,13,2,2751923,0,67,0,128,1,"[67,48,4,0,...]"

它由两部分组成：逗号分隔的是元数据（MAC 地址、RSSI、速率、信道、时间戳等），最后引号里的数组才是 CSI 本体——每个子载波的复数信道值，先存虚部、再存实部。

你可以把子载波想象成"像素点"：像素越多，信道这张"照片"越清晰。这些子载波来自 OFDM 技术中的长训练序列（LTF），接收端用已知的训练符号反推出信道状态，这正是下图中"信道估计"环节在做的事。

十分钟跑通第一套系统：两块板子看实时波形

最小可用的系统只需要：两块 ESP32 开发板（推荐 ESP32-C5 或 ESP32-C6，射频性能最佳）、两台电脑端口、几根 USB 线。硬件上有三条硬性建议：优先外置 IPEX 天线（PCB 天线有方向性、易受主板干扰）；两块板距离大于 1 米；电脑装好ESP-IDF v5.0.0 及以上版本。

第一步，把代码拉到本地：

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

第二步，把发送端固件csi_send烧进板 A。这里idf.py是 ESP-IDF 的构建工具，set-target指定芯片型号，flash负责编译烧录，-b是波特率：

cd examples/get-started/csi_send idf.py set-target esp32c3 idf.py flash -b 921600 -p /dev/ttyUSB0 monitor

第三步，把接收端csi_recv烧进板 B（串口号换成/dev/ttyUSB1）。第四步，运行配套的 Python 解析脚本，实时子载波波形立刻出现在屏幕上——运行前记得关闭 idf.py monitor，避免串口被占用：

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

避坑提醒：如果日志反复出现 "ESP-NOW 发送错误"，通常是当前 Wi-Fi 信道太拥挤，换个信道或换到网络更安静的地方；如果 Python 工具报 "element number is not equal" 或数据错乱，多半是绘图占用 CPU 导致串口读取不及时，把波特率调高即可解决。

从入门到进阶：三种发送端怎么选

上面用的是"板间互发"，其实获取 CSI 有三大流派，从省事到高精度依次排开：

1. 路由器当发送端：ESP32 向路由器发 Ping，从回复包里提取 CSI。只需一块板加一个路由器，最省事，但受路由器位置和协议限制。
2. 设备间直发：两块 ESP32 直接通信，不依赖路由器位置、不受邻居设备干扰，适合多设备协同实验。
3. 专用广播设备：一台设备不停切换信道广播，多台 ESP32 同时接收，精度与可靠性最高，适合集群定位，代价是多一个发送设备。

选型建议：家用测试选路由器方案；多设备实验选板间直发；追求精度直接上广播方案。好消息是，三种方案的代码在examples/get-started下都已备好（csi_recv_router、csi_recv、csi_send）。

进阶玩法一：ESP-RADAR 人体检测与数据采集

拿到原始波形只是第一步，把波形变成"结论"才是价值所在。examples/esp-radar/console_test是一个完整的 CSI 测试平台，配套图形工具esp_csi_tool.py分为左右两块：左侧看原始子载波数据（Raw data），右侧跑雷达模型（Radar model），有人/无人、运动/静止的判断都在右侧完成。

上手要先做阈值校准：设置延迟时间（留出人离开房间的空档）和校准时长，点 start，让设备在"无人"状态下采样，自动算出判定阈值。校准越久，误触概率越低。

校准之后，这个示例还支持动作采集：给 move、sit 等动作分别录一段 CSI，数据自动存入tools/data目录，正好作为机器学习、神经网络的训练集。想做自己检测算法的朋友，从这里起步最合适。

进阶玩法二：从云端上报到毫米级相位感知

想让感知结果真正"用起来"，项目还准备了更远的路：

• connect_rainmaker：把 CSI 数据上传到乐鑫 RainMaker 云平台，手机上就能远程查看房间状态，适合快速搭建产品原型。
• wifi_sensing_demo：基于 esp_wifi_sensing 组件，带 LED 状态反馈和浏览器端 Web Serial 调参页面，调试体验顺滑。
• esp-crab：两片 ESP32-C5 共用一个晶振实现射频相位同步，自发自收模式可感知毫米级信号扰动，单发双收模式覆盖大范围空间——这是面向科研与前沿应用的高精度方案。

避坑清单：五个让效果翻倍的细节

把最容易翻车的点浓缩成一张清单，照着做就能少走弯路：

1. 天线：优先外置 IPEX 天线，别用 PCB 天线，方向性差异很大。
2. 环境：测试时尽量清场，他人走动会让数据"串味"。
3. 距离：双板间距保持 1 米以上，感知效果更稳定。
4. 信道：避开拥挤频段，选择相对空闲的 Wi-Fi 信道。
5. 校准：在稳定环境中做基线校准，校准时长越长，误报越少。

从哪里开始？给你一条清晰的学习路线

想弄懂原理，项目docs/zh_CN目录下备好了六篇中文文档：信号处理基础、OFDM 介绍、无线信道基础、无线定位介绍、CSI 与 RSSI 对比、CSI 应用案例。按顺序读一遍，半小时就能把"子载波、信道估计、相位"这些词串成体系。

动手路径同样清晰：先跑通 get-started 拿到实时波形，再玩 esp-radar 做人体检测，最后按需挑战云上报或 esp-crab。无论你是物联网开发者还是刚入门的爱好者，这套从数据采集到应用落地的完整链路，都能让你少走很多弯路。下一步，克隆仓库、插上两块开发板，开始你的第一次"无线感知"吧。

【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