ESPectre 是基于 ESP32 + Wi‑Fi CSI（信道状态信息） 的无摄像头、无麦克风、纯无线无感运动检测系统，主打隐私保护、低功耗、Home Assistant 深度集成，适合智能家居、安防、老人看护等场景。
仓库地址： https://github.com/francescopace/espectre
一、项目定位与核心价值
1. 项目定位
ESPectre = ESP32 + CSI + 数学算法 + Home Assistant = 全屋无感运动 / 存在感知
2. 核心优势
|--------|-----------------|-------------------------------------|
| 方案 | 摄像头 / PIR | ESPectre |
| 隐私 | ❌ 暴露画面 / 声音 | ✅ 仅分析无线信号，无图像 / 音频 |
| 覆盖 | ❌ 有死角、需正对 | ✅ 穿墙 / 绕障，覆盖整个房间 |
| 功耗 | ❌ 较高（PIR / 摄像头） | ✅ ESP32 低功耗，可电池供电 |
| 安装 | ❌ 布线 / 供电麻烦 | ✅ 无线部署，即插即用 |
| 输出 | ❌ 仅 "有人 / 无人" | ✅ 输出 Movement Score（运动强度）+ 阈值触发 |
3. 核心输出
- Movement Score：0--100 量化运动强度（越大越剧烈）
- Threshold：可配置触发阈值（如设为 20，Score > 20 判定 "运动"）
二、技术原理（核心）
1. 底层：Wi‑Fi CSI 采集
- 硬件：ESP32‑S3 / ESP32‑C6 / ESP32‑C3（需支持 CSI 采集）
- 原理：Wi‑Fi 信号在空间传播会被人体 / 物体反射 / 散射，CSI 记录每个子载波的幅度 + 相位变化
- 数据：ESP32 实时抓取 Wi‑Fi 信道的 CSI 数据流（无需连接目标 AP，仅监听）
2. 算法：纯数学模型（无 ML/AI）
- 提取 10 个特征：时域、频域、统计、空间特征
- 核心算法：MVS（移动方差分割） + 自适应阈值（P95 × 1.1）GitHub
- 流程：
- 采集 CSI → 2. 滤波降噪 → 3. 特征计算 → 4. 计算 Movement Score → 5. 与 Threshold 比较 → 6. 输出 "运动 / 静止"
- 优势：端侧实时处理、低延迟、无需云端、开箱即用
3. 架构与集成
- 固件：基于 ESPHome（ESP32 主流智能家居框架），易配置、易部署
- 通信：MQTT 上报状态到 Home Assistant / 任意 MQTT Broker
- HA 集成：
- 二进制传感器：
motion_detected（运动触发） - 数值传感器：
movement_score（强度） - 可调参数：
threshold（实时修改灵敏度）
- 二进制传感器：
- 多设备：支持多 ESPectre 节点组网，实现全屋覆盖
三、项目结构（GitHub 核心目录）
espectre/
├── components/espectre/ # ESPHome 核心组件（算法+CSI处理）
├── docs/ # 文档、安装、调优指南
├── examples/ # ESPHome 配置模板（C3/S3/C6）
├── images/ # 硬件/界面截图
├── TUNING.md # 阈值/窗口/滤波调优手册（关键）
└── README.md # 快速开始四、双平台战略
该项目采用了双平台方法，以在创新速度和生产稳定性之间取得平衡：
1.ESPectre- 生产平台
目标：终端用户、智能家居爱好者、Home Assistant用户
- ESPHome component 带有原生Home Assistant集成的ESPHome组件
- YAML配置 - 无需编程
- 自动发现 - 设备会在Home Assistant中自动显示
- 可投入生产 - 稳定、经过测试、易于部署
- 演示性 - 以用户友好的形式展示研究成果
2.Micro ESPectre研发平台
https://github.com/francescopace/espectre/tree/main/micro-espectre
目标：研究人员、开发人员、学术/工业应用
- Python/MicroPython 快速原型开发实现
- 基于MQTT - 灵活集成（不限于Home Assistant）
- 快速迭代 - 以秒而非分钟为单位测试新算法
- 分析工具 - 用于CSI数据分析的综合套件
- 用例：学术研究、工业传感、算法开发
3.Development Flow 开发流程
┌─────────────────────┐ Validated ┌─────────────────────┐
│ Micro-ESPectre │ ─────────────────► │ ESPectre │
│ (R&D Platform) │ algorithms │ (Production Platform)│
│ │ │ │
│ • Fast prototyping │ │ • ESPHome component │
│ • Algorithm testing │ │ • Home Assistant │
│ • Data analysis │ │ • End-user ready │
│ • MQTT flexibility │ │ • Native API │
└─────────────────────┘ └─────────────────────┘创新周期：新功能和算法首先在Micro-ESPectre（Python）中开发并验证，一旦证明有效，就会移植到ESPectre（C++）中。
四、部署与使用（极简流程）
1. 硬件准备
- ESP32‑S3 / ESP32‑C6 / ESP32‑C3 开发板
- 5V 电源（USB 或电池）
2. 软件步骤
- 安装 Home Assistant , ESPHome
- 下载bin文件（https://github.com/francescopace/espectre/releases/tag/2.7.0）
- 烧录到 ESP32（可使用web.esphome.io在线下载）
- 接入 Wi‑Fi（ ESP32 进入配网热点模式 ）
- 给 ESP32 通电
- 它会自动发射一个 WiFi 热点： ESPectre Fallback
- 用手机 / 电脑连接这个热点 ，在自动打开的网页里配置你的家庭 WiFi （ 手动方式，浏览器访问：http://192.168.4.1）
- 打开Home Assistant ，会自动搜索到ESPectre 设备，添加这个设备到系统中**。**
3.关键校准操作
- 把房间彻底没人、不动（风扇、窗帘、宠物全固定）
- 在 HA 点开「校准 Calibrate 开关」→打开
- 静置10~15 秒，设备自动完成、开关回弹关闭
- 日志看到
Calibration completed就成功( 作用：设备记住当前房间 "安静基线"，过滤固定干扰)
4.建议与路由器的距离
- 最佳范围：3-8米
|-----------|--------|---------|---------|--------|----------|
| 距离 | 信号 | 多路径 | 灵敏度 | 噪音 | 建议 |
| < 2m | 太强 | 最小 | 低 | 低 | ❌ 距离过近 |
| 3-8m | 强 | 良好 | 高 | 低 | ✅ 最佳 |
| > 10-15m | 弱 | 可变的 | 低 | 高 | ❌ 太远 |
- 放置技巧
将传感器放置在需要监控的区域 （不一定与路由器在同一直线上）
高度：距地面1-1.5米 （书桌/餐桌高度）
外置天线 ：使用IPEX连接器以获得更好的接收效果
避免路由器和传感器之间出现金属障碍物 （冰箱、金属柜）
避开角落或封闭空间（会减少多径分集）
五、亮点与局限
1.亮点
- 隐私至上：无图像 / 音频，仅分析无线信号
- 低成本：ESP32 几十元，无需额外传感器
- 低功耗：ESP32 待机电流低，可电池长期运行
- 开箱即用：纯算法，无需训练，上电即工作
- 可扩展：预留 ML 接口，未来可做人数统计、手势识别
2.局限
- 依赖 Wi‑Fi 环境：强干扰（多 AP、蓝牙）可能影响精度
- 无法区分 "人 / 宠物 / 风扇"：仅检测运动，不识别对象
- 穿墙能力有限：厚墙 / 金属会大幅衰减信号
- 需手动调参：不同房间 / 路由器需微调阈值
六、适合人群与场景
适合
- 智能家居爱好者（Home Assistant 用户）
- 重视隐私的安防 / 老人看护场景
- 不想布线、追求极简部署的用户
- 嵌入式 / ESP32 开发者（可二次开发算法）
典型场景
- 无人时关灯 / 关空调（节能）
- 老人跌倒 / 长时间静止告警
- 安防：无人时异常运动触发通知
- 全屋存在感知，联动灯光 / 窗帘