mac-wifi-sensing

MacBook'un dahili Wi-Fi'si ile RSSI tabanlı ortam / hareket algılama. Ek donanım yok: ESP32, Raspberry Pi, kamera, harici anten veya CSI kartı kullanılmıyor. Sadece Apple Silicon bir MacBook, evdeki router ve macOS'un resmi CoreWLAN API'si.

Dürüstlük notu: Bu bir RSSI-only sistemdir, CSI değildir. Tek bir Wi-Fi linkinin (router → Mac) toplam sinyal gücünü ölçer. Kişi sayısı, konum, silüet, iskelet/poz veya duvar arkası görüntü üretmez. Ekrandaki 3B sahne ölçülen sinyalin şematik gösterimidir.

---

İçindekiler

• Ne yapıyor, ne yapmıyor
• Mimari
• Kurulum
• Kullanım
• Görselleştirme
• İlk ölçüm sonuçları
• Sinyal işleme ve sınıflandırma
• macOS izinleri
• RuView ile ilişkisi
• Yol haritası

---

Ne yapıyor, ne yapmıyor

✅ Yapabildikleri (deneysel)	❌ Bu RSSI-only sistemde mümkün değil
Boş oda ↔ insan var ayrımı (link üzerinde)	Kamera benzeri görüntü
Hareketsiz ↔ hareketli kaba ayrımı	İnsan silüeti, iskelet, poz
Sinyal aktivitesi seviyesi (düşük/orta/yüksek)	Güvenilir x/y konum, takip
Çevredeki Wi-Fi ağları ve Bluetooth cihazlarının sinyal gücü	Cihazların yönü veya gerçek mesafesi
Router'a göre "fazla kayıp" tahmini (geniş belirsizlikle)	Duvar tespiti / haritalama

Sonuçlar tek kişi, tek oda ve az sayıda kayıtla elde edildi — deneysel olarak doğrulanması gerekiyor.

Mimari

flowchart LR
  A[MacBook Wi-Fi<br/>en0] -->|CoreWLAN<br/>rssiValue / noiseMeasurement / wlanChannel| B[Swift helper<br/>mac_wifi_reader]
  B -->|JSON lines, 5 Hz| C[Python<br/>MacRSSIBackend]
  C --> D[data/raw/*.csv<br/>ham kayıt, değişmez]
  C --> E[Sinyal işleme<br/>rolling std, kayma, türev enerjisi, Welch PSD]
  E --> F[Kural tabanlı sınıflandırıcı<br/>ABSENT / PRESENT_STILL / ACTIVE]
  F --> G[HTTP + SSE sunucu<br/>127.0.0.1:8765]
  G --> H[Tarayıcı<br/>Three.js konsol]
  I[MacBLE.app<br/>CoreBluetooth] --> G
  J[scanForNetworks<br/>~0.25 Hz] --> G

Loading

Neden Swift helper + Python (PyObjC değil)? Swift derleyicisi Xcode CLT ile hazır geliyor, CoreWLAN'a birinci sınıf erişim veriyor, helper bağımsız bir binary olduğu için ileride Rust/başka bir sunucuya da bağlanabilir. PyObjC'nin güncel Python sürümlerinde CoreWLAN desteği ek risk getiriyordu.

Neden Docker değil? Konteyner (Linux) Mac'in Wi-Fi donanımına erişemez. Veri toplama native çalışmak zorunda.

Backend soyutlaması ileride yükseltme için hazır:

SensingBackend
├── MacRSSIBackend      ← şu an
├── WindowsRSSIBackend  ← planlı
└── ESP32CSIBackend     ← planlı

Kurulum

Gereksinimler: Apple Silicon Mac (M1/M2/M3…), macOS 14+, Xcode Command Line Tools (xcode-select --install), Python 3.12+.

git clone https://github.com/Adonis-Lee/mac-wifi-sensing.git
cd mac-wifi-sensing
./helper/build.sh                          # CoreWLAN okuyucu + Bluetooth okuyucu (.app)
python3 -m venv .venv
.venv/bin/pip install -r requirements.txt
.venv/bin/python -m app.diagnose           # donanım kontrolü

Beklenen çıktı (gerçek değerler sizin cihazınızdan gelir):

MAC WI-FI DIAGNOSTIC
Interface: en0
RSSI:      -63 dBm
Noise:     -89 dBm
Channel:   36 (5GHz)
PHY:       802.11ax
Status:    CONNECTED

Kullanım

Canlı konsol

.venv/bin/python -m app.visual              # http://127.0.0.1:8765
.venv/bin/python -m app.visual --lan        # + ev ağındaki cihaz sayısı (sadece kendi ağınızda)
.venv/bin/python -m app.visual --router-distance 4   # + router'a göre fazla kayıp tahmini
.venv/bin/python -m app.visual --replay data/raw/<kayıt>.csv   # kaydedilmiş gerçek veriyi oynat

Kalibrasyon (önemli)

Durum sınıflandırması boş oda kaydından türetilen eşiklerle çalışır. Konsolda ⚙ Ayarlar → Kalibrasyonu başlat (veya python -m app.calibrate). MacBook sabit bir yerde durmalı, geri sayımda odadan çıkın ve kayıt bitene kadar Mac'e dokunmayın. Eşikler hiçbir zaman elle yazılmaz; kalibrasyon ve etiketli kayıtlardan hesaplanır.

Komut satırı araçları

Komut	Ne yapar
python -m app.diagnose	Arayüz, bağlantı, RSSI, noise, kanal kontrolü
python -m app.log --hz 5 --duration 60 --label EMPTY	Ham RSSI kaydı (data/raw/*.csv + .meta.json)
python -m app.collect	Deney toplayıcı: EXP001… numarası, kişi/sınıf/oda/mesafe/deneme bilgisi
python -m app.quality <csv>	Veri kalitesi: örnek sayısı, gerçek Hz, eksik/tekrar/sıfır, mean/std/MAD…
python -m app.report a.csv b.csv …	Karşılaştırma raporu (zaman serisi, histogram, Welch PSD, rolling std)
python -m app.classifier fit …	Kural eşiklerini etiketli kayıtlardan hesaplar
python -m app.train --val S02 --test S03	ML (LogReg/RF/SVM), kişiden bağımsız değerlendirme (≥3 kişi gerekir)

Görselleştirme

Aktivite

Router → MacBook linki, Fresnel bölgesi tarzı halka kafes, link boyunca akan parçacıklar ve yerde aktiviteye göre dalgalanan karolar. Link ışınının sönmesi ölçülen zayıflamayı, renkler durumu gösterir. Durum değişince tüm linki saran bir dalga yayılır. Karo parlaklığı konum değildir; üstteki ikon bir durum ikonudur, algılanmış bir figür değildir.

Bağlantılar

Merkezde MacBook; çevresinde bağlı router (canlı), çevredeki Wi-Fi ağları ve Bluetooth cihazları. Yükseklik = bant katmanı (BLE / 2.4 / 5-6 GHz), merkeze uzaklık = sinyal gücü (gerçek mesafe değil), yön bilinmiyor. Sağ panelde tüm cihazlar sinyal gücüne göre sıralı listelenir; düğümlerin üzerine gelince detay görünür.

Ayarlar ve kalibrasyon

İlk ölçüm sonuçları

Ev, tek kişi, MacBook masada sabit, 5 GHz kanal 36, 5 Hz örnekleme, her durum 60 s (ilk 5 s atıldı):

	EMPTY	STILL (link üzerinde)	WALKING (linkten geçerek)
Ortalama RSSI	−69.96 dBm	−76.44 dBm	−74.30 dBm
Std	0.41 dB	2.09 dB	1.86 dB
Türev enerjisi	0.15	0.50	1.08
3 s rolling std (medyan)	0.00 dB	0.86 dB	1.46 dB
0.3–2 Hz bant gücü	0.11	0.43	1.00

Yorum: Link üzerinde duran bir beden 5 GHz'de ~6 dB zayıflama yarattı; yürümek, durmaktan ~2 kat daha hızlı değişim üretti. Her durumdan tek kayıt var, eşikler aynı kayıtlarla belirlendi (iyimser). Tekrarlanabilirlik, farklı konum/kişi ve bağımsız boş oda kaydı ile deneysel olarak doğrulanması gerekiyor.

Gözlemlenen donanım sınırları: RSSI 1 dB adımlarla değişiyor ve sürücü değeri ~0.4 s'de bir güncelliyor; bu yüzden nefes gibi ince sinyaller bu sistemde güvenilir şekilde görülemez. MacBook'un yerini/yönünü değiştirmek tek başına 9 dB oynatabiliyor.

Sinyal işleme ve sınıflandırma

• Özellikler (3 s pencere): std, ortalama kayma (baseline'a göre), türev enerjisi, EMA tahmin hatası, IQR, MAD, çarpıklık, basıklık, CUSUM değişim noktaları, Welch PSD bant gücü, baskın frekans.
• Frekans ekseni her zaman zaman damgalarından ölçülen örnekleme hızıyla kurulur; bant sınırları Nyquist'e kırpılır.
• Kural tabanlı durum:
  • ABSENT: std ve kayma boş-oda eşiklerinin altında
  • PRESENT_STILL: eşik aşılmış, hızlı değişim düşük
  • ACTIVE: türev enerjisi hareket eşiğinin üstünde
  • 2 s çoğunluk oylamasıyla titreme bastırılır; güven = eşikten uzaklık.
• ML: LogReg / Random Forest / SVM; bölme kişi bazında (aynı kaydın parçaları asla hem eğitim hem testte olmaz).

macOS izinleri

Veri	İzin
RSSI, noise, kanal, PHY, tx hızı	Gerekmiyor
SSID / BSSID	Konum Servisleri (bilinçli olarak istenmedi; ağ kimliği kayıtlara yazılmıyor)
Bluetooth cihazları	Bluetooth izni — bin/MacBLE.app kendi NSBluetoothAlwaysUsageDescription'ı ile ister
Çevredeki ağ taraması	Gerekmiyor (ağlar anonim görünür)

RuView ile ilişkisi

ruvnet/RuView incelendi (bkz. docs/RUVIEW_NOTES.md). Özet: macOS helper ve özellik fikirleri faydalıydı (CUSUM, EMA residual, skew/kurtosis); ancak v2 çoklu-BSSID pipeline'ı macOS'ta tek ölçümle çalışmıyor, --source auto simüle veriye düşebiliyor ve bazı eşikler sabit yazılmış. Bu proje bu noktalarda gerçek ölçüm ve ölçülmüş örnekleme hızı ilkesini esas alır.

Yol haritası

Mac RSSI (bu repo) → Windows RSSI karşılaştırması → ESP32-S3 CSI → çoklu düğüm CSI → RF ısı haritası → (kamera destekli) poz

• M0 — CoreWLAN teşhisi
• M1 — Sürekli örnekleme, ham CSV, canlı grafik
• M2 — Boş/hareketsiz/yürüme deneyleri, kural tabanlı durum (ön sonuç)
• M3 — Çok kişili veri seti + kişiden bağımsız ML değerlendirmesi
• M4 — Gerçek zamanlı konsol
• Windows (aynı router) ile karşılaştırmalı deney
• ESP32CSIBackend

Test

.venv/bin/python -m pytest -q       # birim testleri; gerçek Wi-Fi testi bağlantı yoksa SKIPPED

Lisans

MIT — bkz. LICENSE.