出于某种原因,我和一个朋友正在讨论根据从设备获取的信息(RSSI、频率、SNR 等)计算您自己(笔记本电脑、手机等)与 AP 之间的距离。因此,在花了一些时间研究三边测量、三角测量和自由空间路径损耗之后。 (在一些博客文章和 wiki 的帮助下)我能够获得从 AP 到我的笔记本电脑的距离(以米为单位),结果比我想象的要好得多。每当我在同一个房间或有美联社的视线时,准确度约为一英尺。
但现在,我想更进一步……我希望能够考虑墙壁和其他障碍物。我认为这可能是可能的,或者至少在有障碍物时给我一个比 FSPL 公式更好的结果,并且我正在思考/研究通过计算信噪比这可能是可能的。但是,我找不到任何有关如何正确执行此操作的信息。总是有一个问题,但从来没有解决这个想法(或者我无法在网上找到任何东西,因为我对这个主题的了解很少。大约一天的时间。)。所以,我在这里转向堆栈溢出,看看你们是否可以帮助我解决这个问题。
所以,这就是我到目前为止所拥有的(Python)......
import math
freqInMHz = 2462
levelInDb = -83
SNR = -87
result = (27.55 - (20 * math.log10(freqInMHz)) + math.fabs(levelInDb)) / 20.0
meters = math.pow(10, result)
feet = meters * 3.2808
print meters
print feet
我来自美国,所以我打印了米和英尺。只是因为我可以用肉眼测量英尺,而不是米。
因此,利用该公式,可以很好地计算开放房间中的距离或 AP 的清晰视图。如果有人有任何想法或意见,我将不胜感激。因为我现在被困在墙上了! (笑话妙语鼓声)
谢谢,
索罗德内
我不确定 SNR 在这种情况下是否有帮助,因为不同的接收器具有不同的 SNR,可能会相差几个 dB。
SNR 是在用户设备上测量的,并且它会随着用户的移动而变化。从逻辑上讲,它应该随着发射器和接收器之间的距离增加而减小。由于 SNR 取决于接收信号强度 (RSS) 和噪声 (N) 两个因素,因此它可能会受到各种原因的影响,例如干扰!干扰会影响 N 以及 SNR。多路径、散射、衍射等也会影响 RSS 读数。
因此,如果您的公式适用于直接视线,请使用它并尝试研究 NLOS 公式,而不必基于 RSS 和 SNR。
您可能想研究 Time 方法而不是 RSS 方法,因为它们受噪声的影响较小,甚至可以过滤掉多路径。
此外,您代码中的 SNR 值也不能是真正的 SNR,因为它通常不会在 802.11 中显示为负数特性。负信噪比意味着噪声多于信号。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)