Wi‑Fi CSI（Channel state information）技术及其具体示例解析

马清宗_Mars

于 2025-03-19 08:00:00 发布

阅读量1.4k

点赞数 26

分类专栏： Wi-Fi / Bluetooth 经验文章标签： Wi-Fi WFA 网络协议 CSI

本文链接：https://blog.csdn.net/weixin_47877869/article/details/146313346

版权

Wi-Fi / Bluetooth 经验专栏收录该内容

58 篇文章

订阅专栏

随着无线通信技术的不断进步，Wi‑Fi 不仅仅是实现高速数据传输的手段，还逐渐成为一种高精度环境感知与人体行为监测的工具。下面将梳理 Wi‑Fi 信道状态信息（Channel State Information，CSI）的基本概念、应用场景以及几个具体示例，以供大家参考。

一、Wi‑Fi CSI 简介

CSI 是无线通信系统中用于描述信道特性的参数，其包含了每个子载波上的幅度与相位信息，相较于传统的 RSSI（接收信号强度指示器），CSI 能够捕获更多细粒度的信道信息。利用 CSI，我们可以分析无线信号在多径传输、反射、衰落等环境中的变化，从而实现定位、手势识别、呼吸监测等多种应用场景。

二、Wi‑Fi CSI 的主要应用场景

室内定位与导航：利用 CSI 数据中的多径信息，可以实现高精度的室内定位和导航，对商场、博物馆等大面积环境尤其适用。
人体行为识别与手势识别：通过 CSI 数据的细微变化，研究人员能够区分人体的行走、坐卧、手势动作等，这为智能家居、无接触交互系统提供了支持。
生理信号监测：利用 CSI 数据可以实现呼吸、心跳等生命体征的检测，有望用于健康监测和居家护理系统中。
环境异常检测与安全监控：CSI 数据对环境变化极为敏感，因此可以用于监测异常行为，例如入侵检测或环境异常感知。

三、具体的 Wi‑Fi CSI 示例

以下列举了几个目前较为典型的 CSI 示例，展示了从数据采集到应用实现的完整流程：

3.1 Intel 5300 CSI Tool 示例

Intel 5300 CSI Tool 是目前最早被广泛应用的 CSI 采集工具之一，通过在 Intel 5300 网卡上修改驱动程序，使其能够输出每个子载波的 CSI 数据。该工具已经成为室内定位、手势识别和人体活动识别等研究的基础平台。开源社区中有大量使用该工具的示例和教程，为初学者提供了丰富的学习资料。

探秘Wi-Fi CSI：一个开源的无线信号分析工具-CSDN博客（探秘Wi-Fi CSI：一个开源的无线信号分析工具）

3.2 ESP32 CSI 示例

Espressif 提供的 esp-csi 项目展示了如何利用 ESP32 系列设备采集 Wi‑Fi CSI 数据。该项目不仅提供了 CSI 数据的获取方法，还包含了数据处理算法和一些初步的应用案例，如人体活动检测和环境感知。对于硬件平台资源有限的开发者来说，这是一套非常实用的参考示例。

https://github.com/espressif/esp-csi/blob/master/README_cn.md （ESP-CSI）

3.3 Wi‑Fi-alarm 项目

在 GitHub 上，有一个名为 “Wi‑Fi-alarm” 的项目，基于 Wi‑Fi CSI 数据和机器学习算法，实现了环境异常感知。项目通过采集 CSI 数据、进行特征提取，并结合分类算法实现了对环境中异常行为的实时监测，适用于安全监控和入侵检测等场景。

https://github.com/liuminghui233/Wi-Fi-alarm （Wi-Fi-alarm）

3.4 人体活动识别的深度学习示例

近年来，越来越多的研究使用 CSI 数据构建深度神经网络模型，对人体的行走、坐卧、手势等动作进行分类识别。这类示例通常包括 CSI 数据的采集、预处理、特征提取以及模型训练和验证的完整流程，为无线感知在智能家居和健康监控领域的应用提供了有力支持。

Human Activity Recognition based on Wi-Fi CSI Data-A Deep Neural Network Approach | QMMMS's Blog （Human Activity Recognition based on Wi-Fi CSI Data-A Deep Neural Network Approach）

3.5 呼吸监测示例——FarSense

FarSense 项目针对传统 Wi‑Fi 呼吸监测距离有限的问题，提出了一种通过两天线 CSI 读数比值的方式进行数据处理的新方法。该方法利用比值操作抵消噪声影响，并将幅度和相位信息有机结合，实现了远距离甚至穿墙呼吸监测，极大拓宽了实际应用场景。

[1907.03994] FarSense: Pushing the Range Limit of WiFi-based Respiration Sensing with CSI Ratio of Two Antennas （FarSense: Pushing the Range Limit of WiFi-based Respiration Sensing with CSI Ratio of Two Antennas）

四、Wi‑Fi CSI 数据结构与存储格式详解

Wi‑Fi CSI（信道状态信息）不仅为我们提供了环境感知与人体行为监测的可能性，还包含了丰富的数据信息。下面将介绍 CSI 主要包含的数据类型及其存储格式。

4.1 主要数据类型

复数形式的信道矩阵数据
- CSI 通过复数形式描述每个子载波上的信道响应，其中复数的模表示信道增益（或衰落），而复数的辐角代表相位偏移。例如，在一个典型的 Intel 5300 网卡中，CSI 工具通常提取 30 个子载波的数据；若系统采用 1 个发射天线和 3 个接收天线，则每个数据包的 CSI 可用一个尺寸为 1×3×30 的复数数组表示。不同平台（如 ESP 系列、MTK 等）在具体格式上可能存在差异，但总体思想一致。
幅度与相位信息
- 对于每个发射（TX）与接收（RX）天线对以及每个子载波，CSI 同时包含幅度（反映信道增益）和相位（反映相位偏移）信息。这些数据反映了多径传播、信号衰减、时延等信道特性，是进行信道均衡、MIMO 处理以及自适应调制的重要依据。
元数据（Metadata）：除了主数据之外，CSI 还包含一些有助于后续时域分析与信道质量评估的元数据，例如：
- 时间戳：记录每个数据包采集的具体时间。
- 天线数量信息：如发射天线数（Ntx）和接收天线数（Nrx）。
- 信号强度、噪声及 AGC（自动增益控制）信息：这些数据有助于进一步评估信道状态及采集数据的质量。

4.2 文件存储格式

在很多开源 CSI 工具中（例如 linux-80211n-csitool），CSI 数据通常以二进制文件（.dat）形式存储，每个数据包（Bfee）的格式大致分为三个部分：

头部信息：包括字段长度（field_len）、标识码（code）等。当 code 为特定值（例如 187）时，表示后续数据为 CSI 信息。
固定头部：一般长度固定（例如 20 字节），内含采样率、天线、信道、频率等参数。
有效载荷（Payload）：存储实际的 CSI 矩阵数据。数据通常以多维数组的形式存储，其维度对应于发射天线数、接收天线数和子载波数。

例如，Intel 5300的CSI数据就以结构体的形式保存，其中每个数据包会包含一个字段（如timestamp_low）、天线数量信息和一个复数矩阵（CSI）等。解析这类文件时，通常需要先读取头部以确定后续数据的长度和格式，然后逐个解析出每个子载波的幅度和相位。不同厂商或不同工具（例如ESP的CSI工具、MTK平台的CSI工具或GitHub上开源的解析代码）在具体数据格式上会有一些差异，但基本都遵循以上原则，即：

主要数据为复数形式的信道矩阵（每个元素携带幅度和相位信息）；
附带有描述数据采集状态和参数的元数据字段。

解析这类文件时，通常需要先读取头部信息以确定后续数据的长度和格式，然后逐个解析出每个子载波的幅度和相位信息。

4.3 简单示例

以下给出一个简单的 Python 示例代码，展示如何构造一个复数形式的 CSI 矩阵：

（假设系统使用 1 个发射天线、3 个接收天线和 4 个子载波，实际中常见的是 30 或 56 个子载波。）

在上述示例中：

第一维（1）代表发射天线的数量；
第二维（3）代表接收天线的数量；
第三维（4）代表每个天线对上采集到的子载波数量。

每个元素都是一个复数（例如 1.0+0.0j），例如发射天线1到接收天线1，在第1个子载波上，信道增益（或衰减）为 1.0，且引入的相位偏移为 0（单位通常为弧度）。其中：

复数的模（或绝对值） 表示信道增益，也就是该传输路径上信号的衰落或放大程度；

复数的辐角（相位） 表示信道对信号引入的相位偏移，这反映了多径效应、延迟及其他信道影响。

例如，假设 2×2 的 Wi‑Fi CSI 矩阵如下所示，矩阵中，每个元素都是一个复数数据，表示从特定发射天线到特定接收天线的信道响应。

其中：

H11 表示发射天线1到接收天线1的信道响应；
H12 表示发射天线1到接收天线2的信道响应；
H21 表示发射天线2到接收天线1的信道响应；
H22 表示发射天线2到接收天线2的信道响应。

上述的信 道响应描述了无线信道对输入信号的影响，也就是当一个信号经过无线传输介质后，其输出信号与原始信号之间的变化情况。具体来说，它反映了信号在传输过程中因多径传播、衰减、时延和相位变化等因素所产生的变换。在数学上，信道响应可以用一个复数函数来表示：

时域中，我们通常称之为“信道脉冲响应（Channel Impulse Response, CIR）”，即当输入一个理想的单位脉冲时，信道输出的响应序列。
频域中，通过傅里叶变换，信道响应表现为“信道频率响应（Channel Frequency Response, CFR）”，它描述了信道对不同频率分量的增益和相位偏移。

换句话说，信道响应提供了信道对任意输入信号的作用方式的完整描述，是设计信道均衡、MIMO处理和自适应调制等关键技术的基础。