orangepivietnam/WifiSense-ESP32

Fork 0

T

admin 0bb933b205 first commit

2026-08-28 22:17:18 +07:00

README.md

first commit

2026-08-28 22:17:18 +07:00

README.md

WiFiSense

Firmware ESP32-S3 phát hiện sự hiện diện/chuyển động của người trong phòng bằng phân tích tín hiệu Wi‑Fi và xử lý tín hiệu thống kê. Không cần cảm biến bổ sung — chỉ cần Wi‑Fi.

English version: README-en.md

Tổng quan

Dự án sử dụng ESP32-S3 liên tục theo dõi cường độ tín hiệu Wi‑Fi (RSSI) và phát hiện những nhiễu động đo được do chuyển động của con người gây ra. Khi phát hiện chuyển động, ngõ ra LED đã cấu hình sẽ được kích hoạt theo thời gian thực.

Phù hợp cho: tự động hóa nhà ở, phát hiện có người trong phòng, kích hoạt đèn thông minh và tiết kiệm năng lượng.

Cơ sở vật lý

Nguyên lý nền tảng

Cơ thể người chứa khoảng 60% nước. Nước dẫn điện và hấp thụ mạnh bức xạ điện từ tại 2,4 GHz (tần số Wi‑Fi):

Hệ số hấp thụ của nước ở 2,4 GHz: ~0,15 dB/cm
Bề rộng thân người điển hình: ~20 cm
Suy hao tín hiệu do cơ thể người: 5–15 dB, tùy vị trí

Khi bạn di chuyển giữa router và ESP32-S3:

Tín hiệu mạnh hơn khi có ít vật cản hơn.
Tín hiệu yếu đi khi cơ thể chặn đường truyền thẳng.
Tín hiệu dao động do bị tán xạ và phản xạ.

Chính biến động RSSI động này là tín hiệu mà firmware phát hiện.

Vì sao phương sai quan trọng

Nhiễu tĩnh (tường, nội thất) ảnh hưởng RSSI một cách ổn định. Ngược lại, chuyển động của người tạo ra thay đổi nhanh và khó dự đoán:

Môi trường yên tĩnh: độ lệch chuẩn RSSI = 0,2–0,5 dBm (nhiễu ngẫu nhiên)
Người đứng yên: độ lệch chuẩn = 0,8–1,5 dBm (hơi thở, cử động nhỏ)
Người đi lại: độ lệch chuẩn = 2,5–5,0 dBm (biến động mạnh)

Firmware đo độ lệch chuẩn của 40 lần đọc RSSI gần nhất để phát hiện bất thường.

Các thuật toán phát hiện

Firmware kết hợp 6 hệ thống phát hiện độc lập:

1. Bộ lọc Kalman

Giảm nhiễu đo lường nhưng vẫn giữ các cạnh tín hiệu (các thay đổi quan trọng).

filtered_value = estimate + gain × (measurement - estimate)

Kalman gain: 0,15 (cân bằng độ nhạy và độ ổn định)
Tác dụng: loại bỏ 60–70% nhiễu ngẫu nhiên mà ít gây trễ

2. Làm mượt hàm mũ

Lớp lọc thứ hai để tính đường nền rất mượt.

smooth = 0.15 × new_reading + 0.85 × previous_smooth

3. Phân tích phương sai cửa sổ trượt

Phát hiện bất thường bằng cách phân tích hành vi tín hiệu theo thời gian.

variance = √(Σ(reading - mean)² / N)

Kích thước cửa sổ: 40 mẫu, tương đương khoảng 1,4 giây dữ liệu thời gian thực
Ngưỡng chuyển động chậm: độ lệch chuẩn 1,8 dBm
Ngưỡng chuyển động nhanh: độ lệch chuẩn 3,5 dBm

4. Phát hiện Z-score (bất thường thống kê)

Xác định các lần đọc lệch khỏi chuẩn thống kê.

z_score = |current_reading - mean| / standard_deviation

Ngưỡng bất thường: Z > 2,5 (độ tin cậy thống kê 99,4%)
Tác dụng: hạn chế dương tính giả do các đột biến ngẫu nhiên

5. Phát hiện đỉnh

Bắt các chuyển tiếp tín hiệu đột ngột khi bạn bắt đầu di chuyển vào phòng.

peak = max(Δ_current - Δ_previous)

Thuật toán kiểm tra liệu bản thân tốc độ thay đổi có biến động đột ngột hay không.

6. Tốc độ thay đổi

Định lượng mức độ thay đổi nhanh của tín hiệu.

rate = mean(recent_5_samples) - mean(old_5_samples)

Chuyển động nhanh thường tạo tốc độ thay đổi lớn hơn.

Logic phát hiện (đa tiêu chí)

Firmware kích hoạt phát hiện khi:

motion = (variance > 1.8) OR (Z-score > 2.5 AND peak > 2.0)

Diễn giải: chuyển động được phát hiện nếu độ lệch chuẩn tín hiệu cao, hoặc có bất thường thống kê đồng thời có chuyển tiếp tín hiệu sắc nét.

Sau khi có chuyển động, điều kiện phải duy trì 3 chu kỳ liên tiếp thì LED mới bật. Đây là cổng bền vững để loại bỏ dương tính giả.

Dữ liệu đầu ra thời gian thực

Serial Plotter (đồ thị)

Mở Tools > Serial Plotter trong Arduino IDE để xem:

Raw: cường độ Wi‑Fi trực tiếp
Kalman: tín hiệu đã giảm nhiễu
Smooth: đường nền đã làm mượt
Baseline: mức tín hiệu kỳ vọng hiện tại
Variance: độ lệch chuẩn, chỉ báo chuyển động
ZScore: độ lệch thống kê

Serial Monitor (văn bản)

Ví dụ dữ liệu thời gian thực:

[WALKING] Conf:75% | Quality:92% | Rate:2.5 | Total:14
[CALM] Conf:20% | Quality:88% | Rate:0.3 | Total:14

Intensity: CALM → SLOW → WALKING → FAST → SPRINT
Confidence: độ chắc chắn phát hiện, 0–100%
Quality: điểm ổn định tín hiệu, 0–100%
Rate: tốc độ tín hiệu thay đổi
Total: tổng số lần phát hiện trong phiên

Lắp đặt vật lý (rất quan trọng với độ chính xác)

Cấu hình tối ưu

                Router (WiFi AP)
                    |
                  [3-5m]
                    |
          [Người đi qua tại đây]
                    |
                 [ESP32-S3]

Quy tắc đặt thiết bị:

Khoảng cách: 3–5 m giữa router và ESP32-S3.
Tầm nhìn: người nên đi qua gần vị trí giữa hai thiết bị.
Vị trí router: đặt anten thẳng đứng để có vùng phủ gần đẳng hướng.
Tránh: lò vi sóng, điện thoại không dây và các thiết bị 2,4 GHz khác.

Đánh giá thực tế

Lắp đặt tốt: độ chính xác phát hiện 85–92%.
Lắp đặt kém: 60–75%.
Kém nhất: đặt sát router hoặc bị chắn đường truyền thẳng có thể làm hệ thống không hiệu quả.

Độ chính xác và giới hạn

✅ Hoạt động tốt với

Nhận biết trạng thái có người trong phòng.
Phát hiện chuyển động: đi bộ, chạy, cử chỉ lớn.
Phản hồi thời gian thực: độ trễ khoảng 35 ms.
Chống báo động giả: cổng bền vững 3 chu kỳ và xác thực đa tiêu chí.

⚠️ Giới hạn do đặc tính vật lý

Tình huống	Vấn đề
Chuyển động rất chậm (đang ngủ)	Có thể không phát hiện dao động mức hô hấp
Nhiều người	Tín hiệu bị trung bình; chỉ nhận biết “có người”, không đếm người
Vật thể kim loại lớn	Phản xạ có thể gây dương tính giả
Wi‑Fi ở xa	Biến động tín hiệu yếu khó phân biệt với nhiễu
Tường kim loại	Tán xạ tín hiệu làm giảm độ tin cậy

❌ Không thể thực hiện chỉ với Wi‑Fi

Phân biệt chính xác đứng hay ngồi.
Xác định đó là ai.
Định vị chính xác hơn mức “có/không có người trong phòng”.
Đạt độ chính xác trên 95% (giới hạn vật lý thực tế khoảng 90%).

Để vượt 90% độ chính xác, có thể cân nhắc:

Nhiều ESP32-S3 để tam giác hóa.
Phân loại bằng học máy.
Cảm biến kết hợp: Wi‑Fi + PIR.
Wi‑Fi 5 GHz (nhạy hơn nhưng tầm ngắn hơn).

Hướng dẫn cài đặt

Phần cứng cần có

Bo phát triển ESP32-S3
Cáp USB để nạp firmware
Mạng Wi‑Fi 2,4 GHz
LED nối vào LED_PIN đã cấu hình trong WiFiSense.ino (GPIO2 chỉ là mặc định; hãy kiểm tra chân LED của board)

Cài đặt phần mềm

Cài Arduino IDE nếu chưa có
- Tải tại: https://www.arduino.cc/en/software
Thêm hỗ trợ board ESP32
- Mở Arduino IDE > Preferences.
- Thêm URL sau vào Additional Board Manager URLs:
```
https://espressif.github.io/arduino-esp32/package_esp32_index.json
```
- Vào Tools > Board > Board Manager.
- Tìm esp32 và cài esp32 by Espressif Systems.
Thư viện cần thiết
- WiFi.h được cung cấp sẵn cùng ESP32 board support.
- Không cần thư viện bên ngoài. ✓

Cấu hình board

Tools > Board: ESP32S3 Dev Module
Tools > USB CDC On Boot: Enabled
Tools > Flash Size: default
Tools > Baud Rate: 115200

Cập nhật thông tin Wi‑Fi
- Mở WiFiSense.ino.
- Tìm các dòng:
```
const char* ssid = "YOUR_SSID";
const char* password = "YOUR_PASSWORD";
```
- Thay bằng tên Wi‑Fi và mật khẩu của bạn.
Nạp firmware cho ESP32-S3
- Kết nối ESP32-S3 bằng USB.
- Chọn đúng cổng tại Tools > Port.
- Nhấn Upload.
- Chờ thông báo build/nạp thành công.
Xem dữ liệu thời gian thực
- Mở Tools > Serial Monitor, đặt tốc độ 115200.
- Hoặc mở Tools > Serial Plotter để xem đồ thị.
- Bạn sẽ thấy ví dụ như:
```
[CALM] Conf:15% | Quality:89% | Rate:0.2 | Total:0
```

Hiệu chỉnh và tinh chỉnh

Nếu bỏ sót chuyển động

Hạ các ngưỡng để tăng độ nhạy. Trong firmware hiện tại, chỉnh các hằng số sau:

constexpr float SLOW_MOVEMENT_THRESHOLD = 1.5f;  // mặc định 1.8
constexpr float FAST_MOVEMENT_THRESHOLD = 3.0f;  // mặc định 3.5
constexpr float Z_SCORE_THRESHOLD = 2.2f;        // mặc định 2.5

Nếu có nhiều báo động giả

Tăng yêu cầu bền vững:

constexpr uint8_t PERSISTENCE_REQUIRED = 5;  // mặc định 3

Hoặc tăng ngưỡng phương sai:

constexpr float SLOW_MOVEMENT_THRESHOLD = 2.0f;  // mặc định 1.8

Điều chỉnh tốc độ phát hiện

Giảm khoảng cách giữa các mẫu:

constexpr uint16_t SAMPLE_INTERVAL_MS = 25;  // mặc định 35 ms

Học môi trường

Firmware tự điều chỉnh đường nền theo phòng:

constexpr float ADAPTIVE_ALPHA = 0.008f;

Hãy cho thiết bị hoạt động trong phòng yên tĩnh vài phút để đường nền thích nghi ổn định hơn.

Cách sử dụng

Hiệu chuẩn ban đầu ⚠️ QUAN TRỌNG

Thiết bị cần một giai đoạn hiệu chuẩn trong phòng trống trước khi phát hiện chuyển động chính xác. Firmware hiện tại thu 200 mẫu, mất khoảng 6 giây; nếu môi trường nhiễu, hãy để phòng trống lâu hơn:

Cấp nguồn ESP32-S3 trong phòng cần giám sát.
Để phòng trống, không có người di chuyển.
Đợi firmware kết nối Wi‑Fi và hoàn tất hiệu chuẩn RSSI.
Serial Monitor sẽ hiển thị đường nền; phương sai trong môi trường yên tĩnh thường thấp (<1,0 dBm).
Sau đó, kiểm tra bằng cách đi qua vùng giữa router và ESP32-S3.

Vì sao cần hiệu chuẩn?

Mỗi phòng có đặc tính Wi‑Fi khác nhau (tường, nội thất, khoảng cách tới router).
Thuật toán đường nền thích nghi cần điều kiện bình thường làm tham chiếu.
Nếu không có tham chiếu, hệ thống khó phân biệt nhiễu phòng với chuyển động người.

Vận hành cơ bản

Cấp nguồn ESP32-S3.
Chờ kết nối Wi‑Fi.
Giữ phòng yên tĩnh trong giai đoạn hiệu chuẩn.
Mở Serial Monitor hoặc Serial Plotter.
LED sẽ bật khi phát hiện chuyển động.
Serial hiển thị điểm tin cậy và cường độ chuyển động.

Theo dõi hiệu năng

Quan sát Serial Plotter:

Variance: nên vượt 1,8 khi có chuyển động.
ZScore: có thể vượt 2,5 trong lúc di chuyển.
Confidence: thường trên 50% khi có chuyển động rõ rệt.

Khắc phục sự cố

Vấn đề	Cách xử lý
LED không sáng	Kiểm tra Wi‑Fi, `LED_PIN`, và mức kích hoạt `LED_ON_LEVEL` trong `WiFiSense.ino`
LED luôn sáng	Tăng `PERSISTENCE_REQUIRED` hoặc ngưỡng phương sai
Phát hiện chập chờn	Đặt ESP32-S3 tại vị trí Wi‑Fi tốt hơn, cách router 3–5 m
Không có Serial output	Kiểm tra baud rate 115200 và cáp USB có hỗ trợ dữ liệu
Nhiều báo động giả	Giảm `ADAPTIVE_ALPHA` xuống 0,005 để đường nền học chậm hơn

Thông số hiệu năng

Chỉ số	Giá trị
Độ trễ phát hiện	35–70 ms
Tỷ lệ dương tính giả	<5% khi bố trí tốt
Tỷ lệ phát hiện đúng	85–92%
Công suất tiêu thụ	~100 mA khi hoạt động
Thời gian hiệu chuẩn	200 mẫu, khoảng 6 giây; nên để trống lâu hơn nếu nhiễu
Tầm bố trí tối ưu	3–5 m
Ngưỡng phương sai tối thiểu	1,8 dBm

Chi tiết kỹ thuật

Sử dụng bộ nhớ

ESP32-S3 có bộ nhớ dư dả cho các buffer và biến xử lý của firmware này. Mức sử dụng Flash/SRAM thực tế phụ thuộc phiên bản Arduino-ESP32, cấu hình board và tùy chọn build.

Hiệu năng thuật toán

Bộ lọc Kalman: O(1), thời gian hằng.
Tính phương sai: O(40), tuyến tính theo cửa sổ ngắn.
Tính Z-score: O(40), tuyến tính theo cửa sổ ngắn.
Chu kỳ đo: mặc định 35 ms.

Đặc điểm nhiễu

Phép đo RSSI Wi‑Fi thường có:

Độ lệch chuẩn: ±2–3 dBm do nhiễu ngẫu nhiên.
Trôi tín hiệu: ±5 dBm trong nhiều giờ do thay đổi môi trường.
Ngoại lai: khoảng 15% lần đọc có thể là đột biến.

Bộ lọc Kalman và đường nền thích nghi giúp giảm ảnh hưởng của các hiện tượng này.

Tài liệu tham khảo

Đặc tính điện môi của mô người
- Stogryn, A. (1986). Equations for calculating the dielectric constant of saline water.
- Độ hấp thụ của nước ở 2,4 GHz: ~0,15 dB/cm.
Truyền sóng Wi‑Fi trong môi trường trong nhà
- Rappaport, T. S. (2002). Wireless Communications: Principles and Practice.
- Mô hình suy hao không gian tự do với các yếu tố môi trường.
Phát hiện bất thường thống kê
- Chandola, V., và cộng sự (2009). Anomaly Detection: A Survey.
- Phương pháp Z-score cho ngoại lai đơn biến.

Hướng phát triển

Chưa triển khai, nhưng có thể thực hiện:

Phân loại bằng học máy (người, thú cưng, luồng gió)
Nhiều ESP32-S3 để tam giác hóa
Tích hợp home automation qua MQTT
Ghi log đám mây về trạng thái có người
Học máy huấn luyện theo từng phòng
Biến thể Wi‑Fi 5 GHz (nhạy hơn nhưng khoảng cách ngắn hơn)

Giấy phép

Dự án được cung cấp nguyên trạng cho mục đích học tập và sử dụng cá nhân.

Danh sách kiểm tra nhanh

ESP32-S3 đã kết nối và cài driver USB
Arduino IDE đã cài ESP32 board support
Đã cập nhật thông tin Wi‑Fi trong code
Firmware đã nạp thành công
Serial Monitor có dữ liệu
LED phản hồi khi có chuyển động
Thiết bị được đặt tối ưu, cách router 3–5 m
Đã để thiết bị hiệu chuẩn trong môi trường yên tĩnh
Đã thử đi qua giữa router và ESP32-S3

Cần hỗ trợ? Xem phần khắc phục sự cố trước, sau đó kiểm tra lại vị trí đặt thiết bị — đây là yếu tố quyết định lớn đến độ chính xác.

Chúc bạn phát hiện hiệu quả!

README.md Unescape Escape

WiFiSense

Tổng quan

Cơ sở vật lý

Nguyên lý nền tảng

Vì sao phương sai quan trọng

Các thuật toán phát hiện

1. Bộ lọc Kalman

2. Làm mượt hàm mũ

3. Phân tích phương sai cửa sổ trượt

4. Phát hiện Z-score (bất thường thống kê)

5. Phát hiện đỉnh

6. Tốc độ thay đổi

Logic phát hiện (đa tiêu chí)

Dữ liệu đầu ra thời gian thực

Serial Plotter (đồ thị)

Serial Monitor (văn bản)

Lắp đặt vật lý (rất quan trọng với độ chính xác)

Cấu hình tối ưu

Đánh giá thực tế

Độ chính xác và giới hạn

✅ Hoạt động tốt với

⚠️ Giới hạn do đặc tính vật lý

❌ Không thể thực hiện chỉ với Wi‑Fi

Hướng dẫn cài đặt

Phần cứng cần có

Cài đặt phần mềm

Hiệu chỉnh và tinh chỉnh

Nếu bỏ sót chuyển động

Nếu có nhiều báo động giả

Điều chỉnh tốc độ phát hiện

Học môi trường

Cách sử dụng

Hiệu chuẩn ban đầu ⚠️ QUAN TRỌNG

Vận hành cơ bản

Theo dõi hiệu năng

Khắc phục sự cố

Thông số hiệu năng

Chi tiết kỹ thuật

Sử dụng bộ nhớ

Hiệu năng thuật toán

Đặc điểm nhiễu

Tài liệu tham khảo

Hướng phát triển

Giấy phép

Danh sách kiểm tra nhanh

README.md