基于信号强度的无线局域网定位技术
无线局域网中基于信号强度的室内定位
无线局域网中基于信号强度的室内定位随着无线局域网技术的迅速发展，越来越多的人们开始意识到，无线局域网不仅可以用来传输数据，还可以用来进行室内定位，以满足人们对定位精度和覆盖范围的需求。
其中，基于信号强度的室内定位是一种比较常见的技术，具有成本低、易于实现等优势。
基于信号强度的室内定位是通过采集接收端（比如智能手机或者Wi-Fi接收器）的信号强度来确定接收器的位置。
这种方法简单直观，不需要额外的硬件支持，可以利用现有的Wi-Fi信号、蓝牙信号等无线信号进行定位。
实现基于信号强度的室内定位主要需要做到以下几点：1.构建信号强度-距离模型：信号强度和接收距离之间存在一种确定的关系，建立信号强度和距离之间的映射关系，便可以通过信号强度来计算接收器的距离。
2.采集信号强度数据：定位精度和准确性与信号强度采集的数据数量和频率有关，采集数据的过程需要在需要定位的空间内不放置聚拢产生信号干扰的设备、尽可能避免障碍、快速移动采集终端等，保证信号采集的稳定性和准确性。
3.进行信号指纹库的构建：根据实验采集到的数据，选择合适的算法建立信号指纹库。
可将相同位置的多次采集到的数据进行平均，避免因特定设备等干扰因素产生的误差。
4.匹配算法的选择：常用的匹配算法有最近邻算法、加权最近邻算法、贝叶斯方法等。
这些算法的选择取决于实际应用场景和需要。
基于信号强度的室内定位技术具有广阔的应用前景。
无线局域网技术已经广泛应用于地铁站、超市等室内场所，基于信号强度的定位技术可以为用户提供精准的室内导航服务，满足用户在室内环境下的导航需求。
同时，基于信号强度的室内定位技术还可以用于室内监控和智能家居等方面，为人们的日常生活提供更多便利和安全保障。
基于RSSI的定位算法研究与优化
基于RSSI的定位算法研究与优化基于RSSI的定位算法（Received Signal Strength Indicator）是一种常见的无线定位技术，通过测量无线信号的信号强度来确定用户的位置。
该算法常用于室内定位、物联网和智能城市等领域。
RSSI定位算法的原理是基于信号强度与用户距离之间的关系。
通常情况下，信号强度与距离呈反比关系，即距离越远，信号强度越弱。
RSSI 定位算法工作流程如下：1.建立参考数据库：首先，建立一个参考数据库，其中包含已知位置与相应RSSI值的对应关系。
这些已知位置可以在区域内的多个点进行测量和记录。
2. 采集RSSI数据：用户设备测量距离他们的无线接入点（Access Point，AP）的信号强度，并将其设备测量到的RSSI值发送给服务器。
3.RSSI匹配：服务器将用户设备测量到的RSSI值与参考数据库中的RSSI值进行匹配，并找出最佳匹配的位置。
4.定位结果：算法根据匹配度对每个已知位置进行排名，确定最终的用户位置。
1.环境映射优化：环境因素（如障碍物、多径效应等）会影响信号传输和测量准确性。
通过对环境进行建模和映射，可以更准确地估计用户位置。
2.多个AP的使用：使用多个AP可以提高定位的准确性。
通过测量不同AP之间的信号强度，可以使用多边定位算法（如三角定位算法）来准确估计用户位置。
3.机器学习算法：机器学习算法可以通过分析大量的RSSI数据来识别模式，并从中提取特征以改进定位准确性。
常见的机器学习算法包括支持向量机（SVM）、人工神经网络（ANN）等。
4.滤波算法：滤波算法可以减小测量误差对定位结果的影响。
常用的滤波算法包括卡尔曼滤波、粒子滤波等。
5.数据融合：将RSSI定位与其他传感器数据（如加速度计、陀螺仪等）相结合，可以提高定位的准确性和稳定性。
综上所述，基于RSSI的定位算法是一种常见且有潜力的无线定位技术。
通过对算法的优化和改进，可以提高定位的准确性和鲁棒性，进一步推动其在室内定位、物联网和智能城市等领域的应用。
无线局域网中基于信号强度的室内定位
（ ｐ ｒｍｅ ｔ ｆ ｏ ｕ ｅ ｃｅ ｃ Ｄｅ ａ ｔ ｎ ｍｐ ｔｒＳ ｉ ｅ＆ Ｅ ｇｎ ｅｉｇ ｈ ｎ ｈ ｉ ｉｏＴｏ ｇ Ｕｎｖ ｒｉ ， ｈ ｎ ｈ ｉ ０ ２ ０ ｏＣ ｎ ｎ ｉｅ ｒ ，Ｓ ａ ｇ ａ Ｊ ｎ ｉｅ ｓ ｙ Ｓ ａ ｇ ａ ２ ０ ４ ） ｎ ａ ｔ
ｅ ａｕ ｔ ｈ ｅ ｆｒ ｎ ｅｏ ｏ ａｉｎｅ ｔ ｔ ｎａｇ ｒｔｍｓ ｕ ｒｎ ｒｎ ｉｌｓｏ ｃ ｔ ｎｍｅ ｈ ｄ ，ｔ ｅｒａ ｖ ｎ ａ ｅ ｎ ｖ ｌａｅｔｅ ｐ ｒｏｍａ ｃ ｆ ｃ ｔ ｓｉ ｉ ｌｏ ｉ Ｉ ｏ ｍａ ｏ ｈ ，ｃ ｒｅ ｔｐ ｉｃｐｅ ｆＩ ａｉ ｔｏ ｓ ｈ ｉ ｄ ａ ｔｇ ｓａ ｄ ｏ ｏ ｄｓ ｄ ａ ｔｇ ｓａ ｄｃａ ｓｆ ａｉｎ ｒ ｔｏ ｕ ｅ Ｔｈ ｎｒ ｃ ｉｅ ｓｇ ａ— ｔｅ ｇ ｈ ｂ ｓ ｄｉｄ ｏ ｃ ｔ ｎ ａｇ ｒｔ ｍｓａ ｅｓ ｒ ｉａ ｖ ｎａ ｅ ｎ ｌｓ ｉｃ ｔ ｓａｅｉ ｒ ｄ ｃ ｄ ｅ ｅｅｖ ｄ ｉｎ ｌｓｒ ｎ ｔ ａ ｅ ｏ ｒｌ ａｉ ｌｏ ｉ ｉ ｏ ｎ ， ｎ ｏ ｏ ｈ ｒ ｕ —
方向 。
关键词
Ｉ Ｅ ０ ． １无 线 局 域 网 ， 内定位 ， 收 信 号 强度 Ｅ Ｅ８ ２ １ ， 室 接
Ｒｅ ｅｖ ｄ Ｓ ｇ ａ— ｔｅ ｇ ｈ Ｂａ ｅ ｎ ｏ ｒ Ｌ ｃ ｔ ｎ ｉ ｉｅｅ ｓＬ ｃ ｉ ｅ － ｉ ｎ ｌ ｒ ｎ ｔ － ｓ ｄ Ｉ ｄ ｏ
维普资讯
计算机科学 ２ ０ Ｖｏ． ４ ｏ ６ ０ ７ １３ Ｎ ．
无 线 局 域 网 中基 于 信 号 强 度 的 室 内定 位 ）
《基于Wi-Fi和航位推算的室内定位方法研究》范文
《基于Wi-Fi和航位推算的室内定位方法研究》篇一一、引言随着科技的进步，定位技术在室外环境中的应用已经得到了广泛的发展。
然而，在室内环境中，由于空间布局的复杂性和信号遮挡问题，传统定位技术的精度受到了极大的限制。
因此，针对室内环境的定位方法研究变得尤为重要。
Wi-Fi和航位推算技术是两种广泛应用的室内定位技术，本文将主要研究基于Wi-Fi 和航位推算的室内定位方法。
二、Wi-Fi室内定位技术Wi-Fi室内定位技术是利用无线局域网（WLAN）信号进行定位的一种方法。
该方法通过测量无线信号的强度、到达时间（TOA）或到达角度（AOA）等信息，结合信号传播模型和指纹地图，实现室内定位。
Wi-Fi室内定位技术的优点在于覆盖范围广、设备成本低、可重复利用现有Wi-Fi设施等。
然而，由于室内环境的复杂性和多径效应的影响，Wi-Fi信号的稳定性较差，可能导致定位精度不高。
三、航位推算室内定位技术航位推算（Dead Reckoning, DR）是一种基于运动学原理的定位方法。
该方法通过测量移动设备的速度、方向等信息，结合初始位置信息，通过积分运算得到移动设备的实时位置。
航位推算室内定位技术的优点在于无需依赖外部设施，可以独立进行定位。
然而，由于累积误差的存在，长时间运行的设备位置可能会出现较大的偏差。
四、基于Wi-Fi和航位推算的室内定位方法研究为了充分利用Wi-Fi和航位推算各自的优势，提高室内定位的精度和稳定性，本文提出了一种基于Wi-Fi和航位推算的混合室内定位方法。
该方法首先利用Wi-Fi信号构建指纹地图，实现粗略的室内定位；然后结合航位推算技术，对位置信息进行细化和修正。
具体实现过程如下：1. 构建Wi-Fi指纹地图：在室内环境中采集不同位置的Wi-Fi 信号强度信息，建立指纹数据库。
通过将实时测量的Wi-Fi信号与指纹数据库进行匹配，可以初步确定移动设备的位置。
2. 航位推算：结合移动设备的速度、方向等信息，以及上一时刻的位置信息，通过积分运算得到当前时刻的位置信息。
基于WiFi室内定位关键技术的研究共3篇
基于WiFi室内定位关键技术的研究共3篇基于WiFi室内定位关键技术的研究1基于WiFi室内定位关键技术的研究随着科技的不断发展，人们对室内定位技术的需求也愈发增加。
室内定位技术不仅可以提高室内安全性，还可以应用于各种场景，如商场、医院、学校等。
目前，WiFi室内定位技术已成为最主流的室内定位技术之一。
本文将对基于WiFi室内定位关键技术进行深入研究。
WiFi室内定位技术是利用WiFi信号来进行位置定位的一种技术。
与GPS室外定位不同，室内定位的一大难点在于信号的弱化和多径传播。
因此，WiFi室内定位技术需要对信号进行深入的分析、预处理和建模，以达到准确定位的目的。
WiFi室内定位技术的关键技术主要包括WiFi信号采集、信号处理和定位算法三个方面。
一、WiFi信号采集WiFi信号采集是进行WiFi室内定位的第一步。
WiFi信号采集可以通过各种方式进行，例如使用普通的智能手机或专业WiFi信号接收器。
为了达到更好的定位效果，需要尽可能多地采集WiFi信号。
一般情况下，采集的WiFi信号数量越多，定位的精度越高。
二、信号处理WiFi信号的信道环境是动态变化的，存在各种干扰和误差，因此需要对采集的WiFi信号进行预处理。
信号预处理的目的是降低误差，并提高信号的准确性和稳定性。
主要的预处理方法包括滤波、去噪、降采样、归一化等。
三、定位算法定位算法是WiFi室内定位技术的核心。
常用的WiFi定位算法主要包括指纹定位、基于信号强度的定位和基于时间差异的到达（Time-of-Arrival, TOA）定位。
指纹定位是通过测量不同位置（指纹）处的信号强度进行判断。
需要提前采集一些指纹数据，并将其与实时采集到的WiFi信号进行比较，以得到其位置信息。
基于信号强度的定位是通过测量信号强度与距离间的关系，利用多个AP的信号进行加权求和来得出定位结果。
TOA定位是通过测量信号传播的时间差距来进行定位。
需要进行时钟同步和时间标记，算法复杂度较高。
无线局域网中基于信号强度的快速定位算法研究
２ 无线局域 网（ Ａ 定位技术概述 ＷＬ Ｎ） ２ Ａ ． ｗＬ Ｎ定位场景 １
如 前所 述 ．由于 Ｇ Ｓ技 术 的使 用 需要 对 卫 星信 号 Ｐ
流， 它们工 作 ２ ４ Ｈｚ的公共 频 段上 ， 使 得信 号 在传 播 ．Ｇ 这 过程 中会 受 到 其他 使 用该 频 段 的设 备 的干 扰 。实 验 说 明， 同一 地 点测 量 的信 号强 度会 随 着用 户 站立 方 向 的不
（） １
其中 Ｐ ＯＷＥ Ｒ是 每秒 信 号强 度 的变 化 （ 的 变化 与 它
距 离 的近 似的 函数 关 系 ）Ｋ是 信 号 强度 的导 数 ， ， Ｎ是 每 秒 抓包 的数 量 。 Ｋ是 Ｐ ＷＥ Ｏ Ｒ的变化 率 ， 是根 据 Ｐ ＯＷＥ 的值 ， Ｒ 然后
间 。 目前定 位服 务 主要有 两类 方 法 ， 是全球 定位 系统 ． 一
它 可 以提供 接近 全球 的定 位 覆盖 范 围。二是 利用 蜂窝 无
线定 位 ， 其需 求 主要 是 提供 移 动 台的位 置 坐标 信 息及 定
位 精 度 估 计 ， 时 戳 等 辅 助 信 息 。 随 着 无 线 局 域 网
的捕 获和接 收 ， 卫 星信 号在 高楼 林立 的 密集 城 区或室 而
内环 境 中易 于被 各 种 障碍物 所 阻挡 。所 以 Ｇ Ｓ终端 在 Ｐ 此 类 环境 中接 收卫 星 导航 电文数 据 易 于缺失 ；其 次 ， 无
同而发 生显 著 的变 化 。当用 户 面朝 ＡＰ时， ＡＰ的信号 到
【Ｋｙ ｏｄ ＷＬＮｉｂｉｉ ｃｔｎ ｅ ｒｉ ｔｎＲ ＳＲｃｉ ｄ ｉ ａＳｅｇ ）ｈ ａｇ ｓ ｎｅ ｅｗ ｒ ｓ】 Ａ ；－ ｌ ｇｏ ｉ ｔｍｎ ｉ ； Ｓ （ｅｅ ｅ ｇ ｌｔｎｔ；ｅ ｈｎｅｎ ｉ ｃ ｎ ｕｄ ｌ ｏ ｄ ｅ ａｏ ｎ ａ ｖ Ｓ ｎ ｒ ｈｔ ｃ ｉｄ ｔ ａ
基于WiFi的室内定位系统设计及实现
基于WiFi的室内定位系统设计及实现随着智能手机的普及和室内定位需求的增加，基于WiFi的室内定位系统逐渐成为一个热门的研究领域。
本文介绍了一种基于WiFi的室内定位系统的设计和实现。
首先，我们需要了解WiFi信号在室内环境中的传播特性。
WiFi信号在室内环境中经过多次反射、折射和衰减，导致信号强度分布不均匀。
因此，我们可以通过收集不同位置的WiFi信号强度信息来实现室内定位。
在设计过程中，我们先在室内不同区域设置WiFi接入点，并利用一台手机或其他设备收集不同位置的WiFi信号强度。
收集到的数据可以作为训练集用于构建定位模型。
接下来，我们需要选择合适的机器学习算法来建立WiFi信号强度和位置之间的映射关系。
常用的算法包括K最近邻算法（K-Nearest Neighbors，简称KNN）、支持向量机（Support Vector Machine，简称SVM）和人工神经网络（Artificial Neural Network，简称ANN）等。
通过训练模型，我们可以将新的WiFi信号强度数据映射到对应的位置。
然后，我们可以利用手机或其他设备实时采集WiFi信号强度，并将其输入到已训练好的定位模型中，从而实现室内定位。
在实际应用中，我们可以通过显示设备上的地图界面，标记当前位置，帮助用户快速准确地找到目标位置。
为了提高定位的准确性，我们可以采用多个WiFi接入点进行定位，然后将多个位置估计结果进行融合。
常见的融合方法包括加权平均法和贝叶斯定位法等。
在实现过程中，我们还需要解决一些问题，如WiFi信号的波动、室内环境的变化和信号干扰等。
我们可以通过增加参考点、定期校准和使用滤波算法等方法来解决这些问题，提高定位的精度和鲁棒性。
综上所述，基于WiFi的室内定位系统是一种有效的室内定位解决方案。
通过收集WiFi信号强度数据，建立定位模型，并结合机器学习算法进行定位，我们可以实现室内定位的精确性和实时性。
未来，随着技术的不断发展，基于WiFi的室内定位系统有望在商业和个人领域得到更广泛的应用。
wifi定位技术及原理阐述
wifi定位技术及原理阐述WiFi定位技术是一种基于信号强度指纹的无线网络定位技术，可以利用WiFi信号在区域内的分布情况对设备进行定位，精度可达到米级别。
以下我们会从wifi定位技术原理、应用场景、主要功能优势三个方面来阐述介绍。
Wifi定位技术原理如下：信号采集：首先需要在被定位区域内选取多个WiFi接入点，并在感兴趣区域（IOI）的不同地方收集这些接入点的信号数据。
信号处理：将采集到的信号信息转换成信号强度，只保留与位置相关的信号强度数据，直接反映出每个区域的特征。
指纹建立：根据各个区域的信号强度样本，建立指纹库作为参考依据。
定位计算：通过移动终端采集的场景内WiFi信号强度，进行匹配和计算，最终得出该设备所在位置。
在实际应用中，通过对比当前采集到的WiFi信号强度和已有的指纹库数据，找出信号最相近的区域，从而确定设备的位置。
此外，也可以通过多普勒效应、GPS卫星定位辅助等方式提高WiFi定位的精度和可靠性。
Wifi定位技术的应用场景：1.商场、超市等大型室内空间的导航和位置服务。
2.室内无线定位导游，在博物馆、展览馆等场所中提供一种更加便捷的讲解和路线选择方式。
3.办公楼、大学校园等室内定位，方便用户查找对应房间或地点。
4.基于有WiFi覆盖的医院内部可进行病人防走失设备轨迹监控。
5.移动互联网场景下的广告精准投放，将广告根据目标用户所处位置推送到他们的手机上。
6.城市安全管理，利用WiFi定位技术建立城市警务信息化系统，实现分布式智能安防。
Wifi定位技术的主要优势：1.成本较低：无需额外安装硬件和设施，只需要在现有的无线网络基础上进行信号采集和处理。
2.精度较高：可以达到室内几米到十米级别的位置精确度，在实际应用中可以满足大部分场景的定位需求。
3.覆盖面广：由于WiFi网络的普及和广泛应用，几乎所有人都可以使用WiFi定位服务。
4.解决GPS定位局限性：GPS定位必须在最佳的视线范围下才能起作用，但是在室内场所或城市高楼林立的地方，GPS定位很难达到理想效果，而WiFi定位可以很好地弥补了这一问题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
收稿日期:2004-06-28;修订日期:2004-08-18 基金项目:上海市科委科技重点攻关项目(035115037) 作者简介:董梅(1980-),女,山东青岛人,硕士研究生,主要研究方向:计算机网络协议、无线通信技术; 王能(1942-),男,湖南醴陵人,教授,博士生导师,主要研究方向:计算机网络协议、计算机网络安全、数字移动通信系统、设备测试.文章编号:1001-9081(2004)12-0049-04基于信号强度的无线局域网定位技术董 梅1,杨 曾2,张 健3,王 能1(1.华东师范大学计算机科学系,上海200062; 2.南京大学物理系,江苏南京210093;3.中国科学技术大学通信工程系,安徽合肥230027)(ameidongcn @ )摘 要:针对室内无线局域网环境及室内定位的需求,提出了基于信号强度的经验与估计相融合的无线定位方法。
通过实验验证,该方法可以满足室内环境下无线定位的需求,是一种可行的无线局域网定位技术。
关键词:无线局域网;室内定位;接收信号强度指示;室内无线信号传播建模;数据库训练中图分类号:TP393.07 文献标识码:ASignal strength based WLAN location determination technologyDON G Mei 1,YAN G Zeng 2,ZHAN G Jian 3,WAN G Neng 1(1.Depart ment of Com puter Science ,East China Norm al U niversity ,S hanghai 200062,China ;2.Depart ment of Physics ,N anjing U niversity ,N anjing Jiangsu 210093,China ;3.Depart ment of Com m unication Engineering ,U niversity of Science and Technology of China ,Hef ei A nhui 230027,China )Abstract :For in 2building wireless LAN environment and in 2building location determination requirements ,a location determination technology based on the convergence method of empirical signal strength as well as predicted signal strength was introduced.According to experiments ,this method turns out to be an a pplicable technology for in 2building WLAN location determination.K ey w ords :WLAN ;in 2building location determination ;RSSI (Received Signal Strength Indicator );in 2building radio map modeling ;database training0 引言自从802.11无线局域网标准问世以来,无线通信市场一直增长迅猛。
在现有高速无线局域网条件下,用户凭借轻量级可移动的计算设备(如笔记本电脑、掌上型电脑和个人数字助理),就能随时随地接入互联网。
移动中的用户对信息的即时性和就地性的需求越来越强烈,这就给基于位置的服务和应用提供了广阔的市场空间。
目前定位服务主要有蜂窝无线定位和GPS (全球定位系统)两种,这两种定位技术无法满足室内用户的定位需求,针对这种情况,我们提出了基于信号强度的经验与估计相融合的室内无线局域网定位技术,该技术不需要在现有无线局域网设施中添加定位测量专用硬件,而是通过读取接收信号强度,结合信号强度数据库求解,确定移动用户的位置,平均定位误差在3米之内。
1 技术背景1.1 现有无线定位技术现有无线定位技术主要有以下几种:1)基于电波传播时间(TOA ):若电波从移动台到基站的传播时间为t ,电波传播速度为c ,则移动台位于以基站位置为圆心,以c ×t 为半径的圆上。
在多个基站上进行上述计算,则移动台的二维位置坐标可由三个圆的交点确定。
基于TOA 的无线定位,1μs 的时间误差将导致300m 左右的定位误差,因此要求基站有非常精确的时钟,收发信号的双方能够精确同步;2)基于电波传播时间差(TDOA ):通过检测信号到达两个基站的时间差,而不是到达的绝对时间来确定移动台的位置,降低了时间同步要求。
根据信号到达时间差,移动台位于以两个基站为焦点的双曲线上,要确定移动台的位置,至少需要三个基站,建立两个双曲线方程,两个双曲线的交点即为移动台的二维位置坐标;3)基于电波入射角(AOA ):通过基站接收机天线阵列测出移动台发射电波的入射角,采用一定的算法确定由角度决定的方位线的交点,即为被测移动台的位置。
该方法适合于视距(Line of Sight )传播的情况,设备复杂度较高;4)单元标识(Containment ):通过蜂窝提供的信息,确定移动用户是否在该蜂窝覆盖范围内,该方法只能定位到一个蜂窝或者扇区的范围内,精度很低;5)基于信号强度(RSS ):研究表明,无线信号传播存在以下规律:接收方测得的信号强度越强,发送方距离接收方往往越近,接收到的信号强度越弱,发送方距离往往越远。
因此,通过测量接收到的信号强度可以推算出移动台到基站的距离。
第24卷第12期2004年12月计算机应用Computer ApplicationsVol.24No.12Dec.20041.2 室内无线局域网定位方法室内无线局域网环境下,接入点(AP,Access Point)的覆盖范围往往不超过100米,无线电波的传输时延可以忽略不计,无法采用TOA或TDOA的方法定位。
另外,墙壁、人体等影响信号传播的障碍物很多,无线信号存在反射和散射现象,到达接收机的信号是发射信号经过多个传播路径之后各分量的叠加。
不同路径分量的幅度、相位、到达时间和入射角各不相同,使接收到的复合信号在幅度和相位上都产生了严重的失真,因此AOA方法也不适用于室内无线定位。
本课题采用了基于信号强度测量的定位方法。
然而,信号强度测量的方法用于室内定位存在以下难点:由于空气流动、温度变化、人员走动等原因,室内空间中某一点测得的信号强度随时会发生变化;收方天线相对于发方天线的方向不同,测得的信号强度也不同;构建室内信号场强分布图需要进行大量的采样工作,一旦室内环境发生变化(增加了AP或改变了原有AP的位置),需重新构建信号场强分布图,费时费力。
针对以上情况,我们提出了信号强度的经验与估计相融合的定位算法,将信道建模的方法和实地测量相结合,既保证了定位误差在允许范围内,又极大地减少了采样工作量。
1.3 无线局域网信号强度的获取1. 3.1 接收信号强度指示———RSSI在IEEE802.11标准中,无线网卡或AP的电路能够测量RF值,这个值即为接收信号强度指示(RSSI,Received Signal Strength Indicator)。
定义RSSI的初衷是给适配器的微代码和驱动程序内部使用。
当无线网卡需要传送一个包时,必须首先确定无线信道是否空闲,如果此时RSSI低于信道空闲阈值,网卡芯片就认为该信道没有被其他用户占用。
当无线用户漫游时,测量RSSI值可以用来判断是否需要执行切换。
1.3.2 无线局域网信道探测IEEE802.11无线局域网有两种信道探测的方法:主动探测和被动探测。
被动探测模式下AP广播发送beacon帧;主动探测模式下,无线网卡在每个可用信道上广播发送probe request帧,AP给出响应,无线网卡在收到的响应帧里面找出信号强度最强的那个AP,向其发送建立连接的请求。
一旦联结建立,除非当前AP的信号强度很弱,需要执行切换,否则无线网卡不会在所有信道上发送probe帧。
由802.11的信道探测机制可知,存在两种获取RSSI的方式:由移动台测量probe response帧的信号强度、由AP测量probe request帧的信号强度。
AP的发射功率通常比移动台高,信号衰减比移动台稳定,因此我们采取第一种测量RSSI 的方式。
需要测量时,由测量程序强制无线网卡在所有可用信道上广播发送probe request帧,测量AP响应帧的信号强度,并将测量结果交给测量程序。
2 室内无线信号传播建模2.1 概述目前基本的无线信号传播模型有两种:经验模型(Empirical Model)和确定性模型(Deterministic Model)。
经验模型主要靠采集到的信号强度数据进行建模;确定性模型又称射线光学(Ray2Optical)或射线跟踪(Ray2Tracing)模型,即将高频无线信号看作向不同方向发出光线,再依靠对室内环境信息的详细建模,对每一根射线进行跟踪来建立无线信号传播模型。
此外,最近还出现了一些介于经验模型与确定性模型之间的模型(Semi2Deterministic Model),其中较有代表性的有Dominant Path Model和Motif Model。
2.2 模型建立理论表明,无线信号在视距传播时,其路径损耗与T2R 距离成对数关系。
但由于室内信号并非视距传播,各种障碍物均会对信号造成衰减,其中以墙壁造成的分隔损耗最为主要。
另外在不同的环境下,信号衰减的速度也有不同,如在发射天线很近的地方,环境的影响很小,可认为与自由空间传播相同,而在办公室环境下则衰减要快一些。
我们采用如式(1)所示模型对无线信号的路径损耗平均值进行预测:PL(d)[dB]=PL(d0)+20log(d d0)+∑WA F, dΦd fPL(d0)+10n A log(d d f)+20log(d f d0)+∑W A F, (1)其中,n A为由环境决定的路径损耗指数,对同一楼层的不同区域根据实际测量采用不同值;WA F为需由实验测定的墙壁衰减因子,需对不同墙体进行实际测量;d f为发射天线周围可等效为自由空间的范围,通常为3米;d0=1m为参考点距离,此时PL(d0) 40dB。
3 基于经验与估计融合的基本定位算法3.1 经验值定位方法3.1.1 构建经验值数据库由于室内无线信号传输的不确定性,接收到无线信号强度同移动台与AP的距离之间没有固定的联系,很难用数学方法精确描述。