📶
WiFi CSIによる位置分析はどう動くのか？
単一WiFi信号の物理層データをレーダーのように活用
一般的なWiFi信号強度（RSSI）は全体の信号強度1つだけを測定しますが、CSI（Channel State Information）は各サブキャリア（56個）別の振幅と位相データをすべて測定します。WiFi信号が空間を移動する際に人体に反射・吸収・回折しますが、CSIはこの変化をミリメートルレベルで検知できます。ESP32-S3のようなCSI対応チップを搭載したノード4~6個を部屋に配置すると、N×(N-1)個のリンクが形成され多角的に空間をスキャンします。チャネル1、6、11で同時に収集すると3×56=168個の仮想サブキャリアで空間解像度を最大化します。RuViewプロジェクトがこの技術のオープンソース実装です。
構造ダイアグラム
RSSI vs CSI: 情報量の違い
📊
RSSI（一般WiFi）
信号強度1個の値
-67 dBm
vs
📈
CSI (ESP32-S3)
56サブキャリア x 振幅+位相
168データポイント
ノード配置 & メッシュリンク
📡
Node 1
ch 1,6,11
📡
Node 2
|
🚶
人
反射/吸収/回折
|
📡
Node 3
N x (N-1) links
📡
Node 4
信号処理パイプライン
CSI収集
168 data points
Hampel
外れ値除去
SpotFi
到来角(AoA)
Fresnel
物理モデリング
FFT
周波数分析
AI (RuVector)
Attention + Graph
検知可能な情報
📍
位置追跡
cm単位
🏃
動き検知
行動分類
🫁
呼吸
0.1~0.5 Hz
💓
心拍
0.8~2.0 Hz
🚨
転倒検知
急激な変化
核心原理:
人が息をする時に胸郭が数mm動き、これがWiFi位相変化として現れる
動作フロー
1
ESP32-S3ノード4~6個を部屋に配置、互いにWiFi信号を送受信しN×(N-1)リンクを形成
2
各リンクでチャネル1、6、11のCSIデータ（56サブキャリア × 振幅+位相）をリアルタイム収集
3
Hampelフィルタで異常値除去、SpotFiアルゴリズムで信号到来角（AoA）推定
4
フレネル領域モデリングで人体と信号の物理的相互作用を計算
5
FFT分析で呼吸（0.1~0.5Hz）・心拍（0.8~2.0Hz）周波数帯域を分離
6
AI（Attention + Graphアルゴリズム）がノイズから人体信号のみを分離、位置・行動を推定
メリット
- ✓ カメラなしでプライバシー保護
- ✓ 壁/障害物の背後でも検知可能
- ✓ 別途ウェアラブルデバイス不要
- ✓ 呼吸・心拍など生体信号まで測定
- ✓ 既存WiFiインフラの活用が可能
デメリット
- ✗ 一般ルーターでは不可（CSI抽出可能な特殊ファームウェアが必要）
- ✗ 多数のESP32ノード配置が必要（4~6個）
- ✗ 環境変化（家具移動など）に再キャリブレーションが必要
- ✗ AIモデル学習に初期データ収集時間が必要
- ✗ RSSI比で実装複雑度が高い
ユースケース
スマートホーム在室検知（照明/空調自動制御）
独居高齢者安全モニタリング（転倒検知）
侵入検知セキュリティシステム
睡眠モニタリング（非接触呼吸/心拍）
スマートオフィス空間活用度分析