企业官网建设流程全解析

ESP32 CSI 实战指南：两块开发板完成 Wi-Fi 室内定位与人体检测

【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

不装摄像头，怎么知道房间里有没有人？esp-csi 项目把 ESP32 CSI（信道状态信息）直接开放出来使用：通过 Wi-Fi 信号随人体动作产生的变化，实现室内定位、人体检测这类非接触式感知。项目基于 ESP-IDF 开发框架，ESP32、S2、C3、S3、C5、C6、C61 全系列芯片均支持。

CSI 与 RSSI 的区别：为什么人能改变 Wi-Fi 信号

RSSI 只有一个数值，告诉你信号强弱；CSI 则把接收信号按子载波拆解成幅度与相位的复数，能看出信号被障碍物、人体反射后具体变成了什么样。原理很直接：人走动时，身体会反射、吸收并散射电磁波，各子载波对应的 CSI 数值随之改变；静态环境下的呼吸、咀嚼等细微动作也会引起缓慢、有规律的波动。因此感知逻辑是：先记录空房间的基线，再拿后续数据与基线对比，偏差超过阈值即判定有人活动。整个过程不需要摄像头。

📡 三种获取 CSI 数据的方式：按现场条件选型

三种方式对应不同的部署密度，前提条件和成本各不相同：

路由方案对应的示例工程在 examples/get-started/csi_recv_router 目录下。

三种方式的通用建议：优先外置 IPEX 天线，PCB 天线方向性较强且易受主板干扰；设备间直连时两块设备间距大于 1 米；避开拥挤的 Wi-Fi 信道，发送端报ESP_ERR_ESPNOW_NO_MEM时通常就是信道拥塞导致，换个信道即可。

🔌 两台 ESP32 的烧录步骤：从克隆仓库到看到数据

硬件先备齐：两块 ESP32 开发板（推荐 ESP32-C5 或 C5/C6 射频性能较好的型号），一块烧csi_send当发送端，另一块烧csi_recv当接收端，接外置天线，两者间距大于 1 米。软件环境安装 ESP-IDF，版本 v5.0.0 及以上（v5.0.0 起支持目的地址过滤，效果更佳）。

第一步，克隆仓库：

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

第二步，分别烧录收发固件（端口名按实际串口调整）：

# 发送端 cd examples/get-started/csi_send idf.py set-target esp32c3 idf.py flash -b 921600 -p /dev/ttyUSB0 # 接收端 cd examples/get-started/csi_recv idf.py set-target esp32c3 idf.py flash -b 921600 -p /dev/ttyUSB1

第三步，在电脑上运行解析脚本。运行前先关闭idf.py monitor，否则串口会被占用：

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

跑通后，接收端串口持续输出CSI_DATA开头的原始数据，脚本把子载波幅度、相位画成实时曲线。若出现串行口数据错乱（提示element number is not equal之类），一般是上位机绘图占满 CPU、没及时读串口缓冲，把波特率调高即可。

读到的 CSI 数据怎么解析：从原始数据到人体检测

每条数据以CSI_DATA开头，前半段是逗号分隔的元数据：type、id、mac、rssi、rate、noise_floor、channel 等；最后的data字段是一个数组，存放每个子载波的信道值，按先虚部后实部的顺序排列（即第 1 子载波虚部、第 1 子载波实部、第 2 子载波虚部……）。ESP32-C5 和 C6 的字段顺序单独列出：type、seq、mac、rssi、rate、noise_floor、fft_gain、agc_gain、channel 等。

拿到原始数据后，工具分两层。csi_data_read_parse.py做实时曲线展示，适合验证链路是否打通。功能完整的图形化工具是examples/esp-radar/console_test下的esp_csi_tool.py：实时显示 CSI、RSSI 和射频噪声底，支持把采集的数据存盘、对不同运动行为打标注（供后续机器学习训练），并内置人体移动检测和房间是否有人两类分析。做进一步应用时，同一目录下的wifi_sensing_demo基于esp_wifi_sensing组件实现运动与在员检测，带 LED 反馈和浏览器 Web Serial 监控界面；connect_rainmaker则把 CSI 数据上报到 RainMaker 云平台。数据采集前建议在无人、稳定的环境里做基线校准，减少环境噪声影响。

深入学习的入口：文档与示例目录

理论部分见中文基础文档 docs/zh_CN/，涵盖信号处理、OFDM 原理、无线信道、定位基础以及 CSI 与 RSSI 的对比。可运行的代码从基础收发示例 examples/get-started/ 到检测类应用 examples/esp-radar/ 均有，按目标芯片idf.py set-target后即可编译烧录。

【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