基于ESP32-C5的无线感知系统

简历描述

基于 ESP32-C5 的无线感知系统 - C++/嵌入式

• 构建双 ESP32-C5 架构的 Wi-Fi CSI 感知系统，实现信道状态信息的采集、传输与板载处理
• 基于 ESP-DSP 库在 MCU 上实现 FFT 与频域特征提取，完成呼吸率估计（MAE = 1.04）与运动检测（准确率达 95%）
• 自建数据集并调优采样率，实现模型量化部署，边缘推理延迟控制在 50ms 内，功耗降低约 30%
• 利用 FreeRTOS 事件循环与回调机制构建多任务处理系统，保障算法实时性与系统稳定性
• 通过 MQTT 实时上传处理结果，结合 Web 前后端实现可视化监控与交互展示

问题

构建双 ESP32-C5 架构的 Wi-Fi CSI 感知系统，实现信道状态信息的采集、传输与板载处理

1. 什么是 Wi-Fi CSI？ESP32-C5 是如何获取 CSI 数据的？是否使用了 esp_wifi_set_csi_rx_cb 回调？
2. 双 ESP32 架构是如何设计的？主从分工是怎样的？之间如何通信（UART/SPI/Wi-Fi）？
3. ESP32-C5 相比 ESP32/ESP32-S3 在感知任务中有哪些优势？
4. CSI 采集频率和数据量有多大？是否做了同步或时序对齐？
5. CSI 原始数据如何处理噪声？是否有滤波、归一化、滑动平均等预处理？
6. 板载处理是完全在 ESP32 上完成的吗？涉及多少资源占用（CPU 占比、内存）？

基于 ESP-DSP 库在 MCU 上实现 FFT 与频域特征提取，完成呼吸率估计（MAE = 1.04）与运动检测（准确率达 95%）

1. 为什么选择 ESP-DSP？是否评估过 CMSIS-DSP 或自实现 FFT？
2. FFT 使用的是多少点？采样窗口长度是多少？是否应用了窗函数？
3. 呼吸率估计的算法原理是什么？是通过主频率检测还是包络分析？
4. MAE = 1.04 是在什么基准下评估的？单位是 bpm 吗？是否在多人体环境测试过？
5. 运动检测的特征是频域能量变化还是基于模式识别？是否引入了机器学习？
6. 准确率 95% 是在多大样本量的数据集上得到的？有无混淆矩阵或 ROC 曲线？

自建数据集并调优采样率，实现模型量化部署，边缘推理延迟控制在 50ms 内，功耗降低约 30%

1. 数据集是如何采集和标注的？包括哪些场景（静止/呼吸/走动）？
2. 采样率是如何选取和调优的？对延迟、准确率、功耗分别有什么影响？
3. 模型是自研还是迁移已有结构？部署使用了哪种框架（如 TFLite Micro）？
4. 模型量化是采用哪种策略（Post-training、QAT）？精度损失有多大？
5. 推理延迟 50ms 是如何测试的？包含数据预处理和 FFT 吗？
6. 功耗下降 30% 是对比优化前后的吗？通过哪种方式测得（电流采样/功率分析仪）？

利用 FreeRTOS 事件循环与回调机制构建多任务处理系统，保障算法实时性与系统稳定性

1. 系统中划分了哪些任务？每个任务负责哪部分功能？优先级如何设置？
2. 事件循环机制是如何实现的？是否用了队列、信号量或 Event Group？
3. CSI 采集、FFT 处理和 MQTT 上传分别在哪些任务中？它们如何同步？
4. 是否遇到任务阻塞、堆栈溢出或死锁问题？如何调试与避免？
5. 使用了 Watchdog 吗？任务异常是否会触发系统重启？
6. 系统稳定性测试做了多久？有没有长时间运行压力测试（如 24 小时稳定性）？

通过 MQTT 实时上传处理结果，结合 Web 前后端实现可视化监控与交互展示

1. 为什么选用 MQTT 协议？相比 HTTP/CoAP 有哪些优势？
2. MQTT 是同步发送还是异步？是否支持断点续传？QoS 等级是多少？
3. 发送的数据格式是 JSON 吗？包含了哪些字段（时间戳、特征值、状态标签等）？
4. Web 可视化用的是什么技术栈？前端是否使用 ECharts/Vue？后端是否用了 Flask/Node.js？
5. 消息发布频率是多少？网络波动下如何保证可靠性？是否使用了重传机制？
6. MQTT 是否配置了 TLS 加密？是否使用用户名密码/Token 做身份认证？
7. Web 可视化展示哪些核心指标？是否支持实时刷新与历史查询？