ESPectre: 基于Wi-Fi频谱分析(CSI)的运动检测系统

这是什么

ESPectre 是一个基于 Wi-Fi 频谱分析（CSI, Channel State Information）的运动检测系统，由开发者 francescopace 在 GitHub 上开源（Python 为主，配合 ESPHome 固件）。该项目利用现有的 2.4GHz Wi-Fi 路由器信号，通过廉价的 ESP32 开发板“监听”环境中的无线电信号变化，从而实现对人员移动的感知。

其最大特色在于原生集成 Home Assistant，通过 ESPHome 实现自动发现与数据上报。项目近期引入了基于神经网络的实验性 ML 检测器，无需校准即可在设备端运行，进一步降低了使用门槛。

解决的问题

传统智能家居中的运动检测主要依赖 PIR（被动红外）传感器或摄像头，二者均存在明显痛点：

1. 隐私泄露风险：摄像头和麦克风会持续录制音视频数据，引发严重的隐私担忧。
2. 穿戴负担：针对老人跌倒或健康监测的方案往往需要佩戴手环或传感器，依从性差。
3. 穿透力与盲区：PIR 传感器无法穿透墙壁，且对静止物体不敏感，存在检测死角。
4. 配置复杂：传统 Wi-Fi 感知方案往往需要修改路由器底层配置或编写复杂的驱动程序。

ESPectre 通过利用环境中已存在的 Wi-Fi 信号进行非侵入式感知，解决了上述隐私、穿戴和穿透性问题，且无需对路由器进行任何修改。

核心功能

• 非接触式运动检测：利用 Wi-Fi 多径效应（Multipath Effect），当人体移动时，会扰动 Wi-Fi 信号在空间中的传播路径，ESPectre 通过分析 CSI 数据的变化来识别运动。
• 双模式检测引擎：
  • 传统 MVS 模式：基于 NBVI（Normalized Band Variance Index）算法，自动选择 12 个最优子载波进行方差分析，无需手动校准，F1 分数可达 96% 以上。
  • ML 神经网络模式：实验性功能，直接在 ESP32 设备端运行轻量级神经网络，无需启动时的 10 秒静默校准，适合对响应速度要求高的场景。
• Home Assistant 原生集成：
  • 自动发现设备，生成二进制传感器（Binary Sensor）用于状态上报（空闲/运动）。
  • 提供“移动评分”传感器（Movement Score），允许用户通过调整阈值来微调灵敏度。
  • 支持边缘驱动的状态切换（Edge-driven IDLE ↔ MOTION），减少误报。
• 自适应信号处理：
  • Gain Lock：锁定硬件增益，稳定测量基准。
  • Hampel 滤波器：默认启用，用于去除信号中的湍流异常值。
  • 低通滤波：可选启用，用于平滑噪声。

亮点 / 与同类相比

• 极致隐私保护：完全不采集图像、音频或个人身份信息，仅处理 Wi-Fi 射频信号的幅度与相位统计特征。
• 超低硬件成本：核心传感器仅需一个 ESP32 开发板（推荐 ESP32-S3 或 C6），成本约 10 欧元，远低于专用雷达传感器或摄像头。
• 零路由器配置：无需修改路由器固件或设置，传感器仅作为“听众”被动接收信号，兼容所有支持 2.4GHz Wi-Fi 的路由器，包括 Mesh 网络。
• 穿墙能力：2.4GHz Wi-Fi 信号可穿透石膏板等常见墙体，单个传感器可覆盖约 50 平方米区域，适合多房间部署。
• 极简上手体验：无需编程知识，仅需 YAML 配置文件。通过 ESPHome 界面或 App 即可烧录固件并配置 Wi-Fi，10-15 分钟即可完成部署。

适合谁用 / 上手

适合人群：

• Home Assistant 用户：希望在不增加摄像头隐私风险的前提下，实现全屋智能自动化（如人来灯亮、人走关空调）。
• 隐私敏感用户：对家中监控有顾虑，希望实现无感知的存在检测。
• 独居老人/儿童看护者：用于监测长时间无活动（可能跌倒）或夜间离床报警。
• 极客与开发者：对 Wi-Fi CSI 技术感兴趣，希望进行低成本智能家居实验。

上手指南：

1. 硬件准备：购买 ESP32-S3 或 ESP32-C6 开发板（建议带外置天线接口），以及一个普通的 2.4GHz Wi-Fi 路由器。
2. 软件环境：确保已部署 Home Assistant，并安装 ESPHome 集成。
3. 配置烧录：
   • 下载项目中的 YAML 配置示例。
   • 根据 SETUP.md 指南，在 ESPHome 中填入 Wi-Fi 信息。
   • 烧录固件到 ESP32 设备。
4. 部署与调优：
   • 将传感器放置在距离路由器 3-8 米、高度 1-1.5 米的位置，避免金属遮挡。
   • 若使用 MVS 模式，设备启动后需保持环境静止 10 秒以完成自动校准；若使用 ML 模式则跳过此步。
   • 在 Home Assistant 中根据实际环境调整 segmentation_threshold 阈值，以平衡灵敏度与误报率。