WiFi 也能测心跳？不用传感器！ESP32 CSI 教程
Author: Ming
看到这个标题，我就知道你是满脸的不相信，觉得这又是那种听起来很唬人的“学术噱头”？说实话，我第一次听说WiFi能感知环境甚至测量心跳时，反应和你一模一样：这太玄幻了，怎么可能呢？
但当我真正深入这个领域，才发现 WiFi 的潜力远不止“上网”这么简单。有些研究甚至让我觉得“离谱”：比如，当你身处一个 WiFi 信号覆盖下，就能判断你是否在睡觉、测量你的呼吸频率；能“数”出一个房间里有几个人；能识别你是在走路、跳跃，还是静止不动；甚至——你或许更想不到——在你使用手机时，还能推测出你正在运行什么APP。
这一切听起来像是“玄学”，但背后其实是一项真实存在且正在快速发展的技术——WiFi 信道状态信息感知，也就是我们常说的 CSI（Channel State Information）。
你可能会觉得即使这个技术真实存在，也离我们日常生活很远，其实它没有你想象的那么复杂。要实现它，你并不需要昂贵的设备或高深的专业背景。只需要一个普通的路由器，和一块价格不到 20 元的 ESP32 物联网开发板。没错，就是这两样随处可见的东西，就能让你亲手触摸到这项“黑科技”。
它的原理也非常简单，首先，我们需要改变对Wi-Fi信号的看法。我们通常认为Wi-Fi信号只是一个用来上网的“数据管道”，但实质上，它是在我们空间中穿梭的无线电波。它从路由器发出，并不是直线飞到你的手机上，而是在空间中经历反射、衍射、穿透物体……最终以多条路径、不同时间抵达接收端。正是这些“曲折”的旅程，让 WiFi 信号携带上了丰富的环境信息。
而 CSI，就是记录这些路径特征的“身份卡”。它精确描述了每一条路径上信号的振幅和相位——振幅告诉我们信号在这条路上衰减了多少，相位则记录了信号延迟了多久。换句话说，CSI 数据就像是一张“环境指纹”，我们只要学会解读它，就能反推出空间中发生了什么。
在实际应用中，我们接收到的 CSI 数据，是一串随时间变化的数值序列。比如下面这段，就是某一时刻t捕捉到的 CSI 样本：（在一秒钟之内，你可以接收到上百条这样的数据）
CSI[t] = [
-20, 15, -20, 15, -50, 15, 16, 0, -86, 15, 38, 0,
-120, 15, 37, 0, 119, 15, 24, 0, 125, 15, -2, 15,
-107, 15, -19, 15, -73, 15, -14, 15, -44, 15, 14, 0,
-34, 15, 49, 0, -43, 15, 80, 0, -62, 15, 98, 0,
-84, 15, 91, 0, -81, 15, 58, 0, -55, 15, 51, 0,
-26, 15, 52, 0, -7, 15, 72, 0, -2, 15, 88, 0,
-9, 15, 101, 0, -22, 15, 100, 0, -19, 15, 87, 0,
-14, 15, 73, 0, 2, 0, 62, 0, 18, 0, 61, 0,
41, 0, 69, 0, 23, 0, 32, 0, -32, 0
]
这些数字并非乱码，它们代表了不同子载波上的振幅和相位信息。每两个数字为一组，共同描绘出信号在某个子载波上的状态。
举个CSI检测心跳的例子：
我们要知道，微小的移动，足以改变无线电波的传播路径。
人体本身就是一个“干扰体”。当 WiFi 信号穿过或被身体反射时，我们的胸腔随着心跳产生的微小起伏——哪怕只有几毫米——都会改变某条传播路径的长度。这一点点变化，反映在 CSI 数据中，就表现为相位的周期性波动。
这个过程，有点像你对墙拍球：如果墙悄悄移动了一点点，球弹回来的时间也会发生微小而有规律的变化。在这里，你的胸腔就是那面“移动的墙”，而 WiFi 信号就是那个“球”。
当然，环境中存在大量干扰：别人的走动、空气流动、设备噪声……这些都会混入 CSI 数据中，形成背景“噪音”。但心跳的频率是有特征的，成年人静息状态下通常介于 0.8~2.0 Hz 之间。通过傅里叶变换等信号处理技术，我们可以将 CSI 数据从时域转换到频域，从而在纷杂的噪声中“揪”出那个代表心跳的频率尖峰。
整个过程可以概括为： WiFi 信号发射 → 在空间中经历多路径传播（其中一路被人体的胸腔反射） → 心跳引起胸腔周期性微动 → 改变反射路径长度 → 导致 CSI 相位周期性变化 → ESP32 捕获原始 CSI 数据 → 通过算法滤除噪声、提取相位规律 → 最终转换为心跳频率。
当然，如果环境复杂、目标行为细微，传统信号处理方法可能就力不从心了。这时，我们可以借助人工智能——比如 LSTM、GRU 或 Transformer 这类时序神经网络，对 CSI 数据进行有监督学习，让模型自己学会从混沌中识别出我们关心的“信号”。
你肯定有一个疑问，就是非得用ESP32作为接收端吗，手机电脑连上网络后不也可以作为接收端接收CSI信息吗？你想得没错，从原理上讲，任何能连接WiFi的设备（手机、电脑、网卡）都在接收CSI数据，因为这是OFDM系统（WiFi的技术基础）进行正常通信所必需的信息。
但是，“能接收”和“能获取”是两回事。这正是ESP32在此领域无可替代的原因
我们的日常设备，如手机和笔记本电脑，它们的WiFi芯片被操作系统“保护”起来了。制造商为了确保网络的稳定和安全，隐藏了像CSI这样的底层原始数据，只向我们开放“能否上网”的结果，而不暴露信号传播的“过程”。
而ESP32则不同，它是一款为开发者设计的开源硬件。我们可以通过编程直接与WiFi芯片“对话”，命令它把每一帧数据包附带的CSI信息都完整地吐出来。这种“上帝视角”的权限，是我们在手机和电脑上难以获得的。
正是这种开放性，加上它极低的成本（不到20元）和活跃的开发者社区，使得ESP32成为了进入WiFi感知领域最理想、也几乎是唯一面向大众的“入场券”。
既然它这么厉害，为什么我们在日常生活中没怎么见到这种技术的应用呢？这可算是问到点子上了，因为它有几个暂时还绕不过去的坎。
CSI数据对环境干扰极为敏感，特别是对微小运动感知至关重要的相位信息，非常容易受到环境干扰。日常环境中的无线电频率干扰，包括同频段的Wi-Fi网络、蓝牙设备及其他无线信号源，都会引入显著的噪声。更复杂的是，室内环境的任何细微变化——如家具移动、门窗开闭甚至空气流动导致的热胀冷缩——都会改变既有的信道特性，造成信号基线的漂移。即使是AI分析，也很难训练。
更棘手的是，这项技术还处在“定制化”阶段，远未达到“通用化”的程度。今天在你家书房里训练好的、能精准识别你坐下动作的模型，明天把它放到我家的客厅里，可能就完全失灵了。因为它已经熟悉了你书房里那面书墙、那张木桌带来的独特信号反射环境。换个空间，所有的“参照物”都变了，它就得从头学起。这种“水土不服”的特性，让它很难像传统传感器那样，出厂设定好就能在任何地方即插即用。
再者，虽然ESP32硬件本身很便宜，但要让整个系统真正可靠地工作，背后的“隐性成本”相当高。你需要专门来规划和布设设备位置、调试AI算法、处理海量数据。而这，显然不如直接安装一个几十块钱的传感器来得简单直接，而且精度还更高。
在了解了它的这些局限性之后，如果你内心的好奇之火并未熄灭，渴望亲手尝试这个技术，那么，接下来就是教程环节。下面会教学如何利用ESP32设备，让这些无形的CSI信号数据能够通过MQTT协议，像源源不断的溪流一样，实时传输到你的电脑上并保存，为后续的数据处理和分析做好准备。注意，本篇教程并不涉及后续的数据处理和分析环节，这就要你自己去探索了。（这需要你有一些数据处理和人工智能基础）
首先就是设备的准备，一个负责持续发射Wi-Fi信号的信源，和一个用于捕捉信道状态信息的接收端。在日常生活中，最便捷的方案就是使用手机开启热点作为发射端；当然，你也可以使用路由器。接收端则采用ESP32开发板。
关于ESP32的选型，乐鑫官方对不同芯片的CSI性能有一个推荐顺序，大致为：ESP32-C5 > ESP32-C6 > ESP32-C3 ≈ ESP32-S3 > ESP32。不过请注意，对于初次实验或基础应用而言，即便是最经典的ESP32型号也完全足够，你无需过分追求最新型号。
在实际的实验操作中，我强烈推荐大家采用手机热点的方案。这样做有一个明显的好处：你可以自由且灵活地摆放信号发射源的位置。同时，请务必留意热点的AP频段设置——部分较早的ESP32型号可能不支持连接5GHz网络，因此建议在手机热点设置中将其调整为2.4GHz频段，以确保兼容性。
下图便是一个简单的实物连接演示，你可以用类似的方式布置你的实验环境：
为了让你对整体数据流有一个清晰的认识，我们先用下面这张架构图来俯瞰整个系统：
整个工作流程非常直观：你的手机开启一个Wi-Fi热点，ESP32开发板和你的电脑都作为客户端连接到这个同一网络。ESP32负责捕捉CSI数据，而你的电脑则作为一个MQTT服务器（或称Broker）运行。一旦系统开始工作，ESP32便会将采集到的数据持续发送至电脑上的这个服务器并进行保存。
你可能会问，为什么选择MQTT，而不是更常见的串口通信或者HTTP协议呢？这背后有非常实际的考量。
首先，串口通信虽然简单，但它有一条物理“锁链”——ESP32必须通过USB数据线始终与电脑相连。这不仅限制了设备的布置自由，更与未来我们希望的、能够独立部署进行实时数据分析的应用场景相去甚远。
其次，对于HTTP协议而言，它虽然无处不在，但其设计并不适合高频、连续的数据流。每次传输都伴随着冗长的请求头与响应头，就像每次寄送一个小零件，却都要用一个巨大的、填充了泡沫塑料的箱子来包装，显得十分臃肿且效率低下。
而MQTT则完美地规避了这些问题。它生来就是为了连接物理世界的传感器与网络，是一种轻量级、低功耗的“机器对话”协议。它专为持续不断的数据流设计，协议开销极小，传输效率高。
一切硬件就绪后，接下来就是给这个ESP32写程序了，这里必须使用乐鑫官方推出的ESP-IDF框架。你可能会问，为什么不能用更简单的Arduino或MicroPython呢？原因在于，ESP-IDF是乐鑫官方的物联网开发框架，提供了最底层的WiFi驱动和CSI数据接口，而其他的框架并没有提供这么底层的接口。
如何在你的电脑上安装ESP-IDF呢，很简单，现在安装ESP-IDF已经变得非常简单。无论你使用的是Windows、macOS还是Linux系统，我都强烈推荐通过在VSCode中安装ESP-IDF插件来完成环境搭建。对，ESP-IDF已经可以作为一个VScode的插件在VSCode中使用了。这个插件将整个工具链、编译器和烧录工具都集成在了一起，大大简化了配置过程。
你可以参考官方安装指南。如果你觉得官方文档不够直观，也可以在网络上搜索“VSCode ESP-IDF 安装教程”，有许多社区开发者制作的优质图文或视频教程，能帮你绕过不少坑。
程序很死板，就是接受CSI数据并通过MQTT转发。，但是要如何把程序烧录进ESP32
安装完成后，就新建一个空项目，按照如下的步骤来
项目创建成功后，我们先来熟悉一下标准的ESP-IDF项目结构，它通常会包含以下关键部分：
main目录：这是核心，我们的应用程序代码主要在这里。CMakeLists.txt文件：告诉构建系统如何编译你的项目。- 其他组件（component）目录：用于存放项目依赖的库。
接下来，你需要从我提供的Gitee仓库将项目文件下载到本地。请将仓库中的project documents里面的文件直接复制到你刚刚创建的项目文件夹中，覆盖原有的文件即可。
现在，打开 main 目录下的 main.c 源文件，找到第49行到63行附近的WiFi和MQTT配置参数部分，这是整个程序的“控制中枢”，你需要根据你的实际情况进行修改：
// WiFi配置参数
#define WIFI_SSID "你的WIFI网络名" // 请填写你的手机热点或路由器名称
#define WIFI_PASS "WIFI密码" // 对应的WiFi密码
#define WIFI_MAX_RETRY 5 // 连接失败的重试次数
// MQTT配置参数
#define MQTT_BROKER_URL "mqtt://192.168.80.102:1883" // 你的电脑（MQTT服务器）的IP地址
#define MQTT_USERNAME "esp_ikd4s" // 自定义的设备用户名
#define MQTT_PASSWORD "1234567890" // MQTT连接密码（若服务器无需密码可忽略）
#define MQTT_CLIENT_ID "ecc1-esp1" // 此设备在MQTT网络中的唯一ID
#define MQTT_TOPIC "electric/vi" // 用于发送CSI数据的主题名称
特别注意：MQTT_BROKER_URL 中的IP地址需要修改为你运行MQTT服务器的电脑的IP地址，确保ESP32和电脑在同一网络中能够相互通信。
配置完成后，使用VSCode底部状态栏的按钮（或终端命令）进行编译和烧录。如果一切顺利，打开串口监视器，你将看到ESP32尝试连接WiFi并最终成功连接到MQTT服务器的日志。当看到CSI数据开始源源不断地发送时，那么恭喜你，最困难的部分已经完成了！
现在，CSI数据已经从ESP32发出，我们需要在电脑上搭建一个接收平台。
对于熟悉MQTT的开发者，你可以轻松地搭建一个Mosquitto或其他MQTT服务器，并订阅 electric/vi 主题来接收数据。
如果你不熟悉MQTT但会使用JavaScript/Node.js，我在Gitee仓库中已经为你准备了一个简单易用的MQTT服务器套件，就是那个名为 MQTT_Server.7z 的文件。解压后，你会看到几个JS文件，其中 mqttServer.mjs 和 app.mjs 是核心。
在运行之前，有两个地方你可能需要自定义：
// 在mqttServer.mjs第45行可以更改MQTT服务端口
const server = createServer(broker.handle);
const port = 1883; //设置MQTT服务端口
server.listen(port, () => {
const msg = `MQTT Broker Start, listening port ${port}`;
logToFile(0,msg);
});
// 在app.mjs第61行~69行对接收到的数据进行后续的处理
client.on("message", (topic, message) => {
let msg = message.toString();
if (msg) {
let datas = JSON.parse(msg)
if (datas) {
// 这里的datas就是接收到的CSI数据，可以在这里继续后续处理
}
}
});
配置好后，在终端运行 node app.mjs 启动服务。最后提醒一点：请暂时关闭电脑的防火墙，或者为对应的端口添加入站规则，否则可能无法正常接收到数据。
以我使用的ESP32-C5为例，在成功运行后，每秒大约可以接收到120条CSI数据，每条数据都包含一个长度为106的CSI复数数组，这为后续的心跳、呼吸等生理信号分析提供了丰富的数据基础。
最后，如果你感兴趣并且想深入了解这项技术的前沿动态，我推荐你关注GitHub上的 Awesome-WiFi-CSI-Sensing 仓库。这个项目收集了大量关于利用WiFi CSI进行感知的学术论文和有趣项目，从基础的人体检测到精细的手势识别、呼吸心跳监测，甚至情感识别，你会发现这个领域有非常多“神奇”的项目。
