Ayuda de cálculo de RSSI-Distance

2

Utilizando esta pregunta como guía, he estado tratando de calcular algunas distancias Basado en valores RSSI que veo en nuestro laboratorio. Rellené todas las variables con datos reales o aproximaciones cuando fue necesario (solo para asegurarme de que entiendo las matemáticas antes de preocuparme por tener datos perfectos) y conectándolas a Wolfram Alpha para ver si se parece a lo que creo que debería. Aquí está mi ecuación de Wolfram Alpha, con valores que siguen la secuencia exacta descrita en la pregunta vinculada:

$$ d = 10 ^ {\ Big (\ dfrac {-60 - (- 94) - (- 63) -10 \ times 2.7 \ times \ log_ {10} 2450 + 30 \ times 2.7}               {10 \ times 2.7} \ Big)} $$

Supongo que \ $ P_o = -60 \ $ basado en algunos gráficos en este estudio , \ $ Fm = -94 \ $ basado en la estadística de "Sensibilidad recibida (típica)" del dispositivo que estoy usando para medir la señal, la medida real $ Pr \ $, \ $ n = 2.7 \ $ (a bueno, pero no perfecto, sala), y \ $ f = 2450 \ $ (Escogí ese valor del rango provisto por la pregunta mencionada anteriormente, pero de todos los valores es el que estoy menos seguro y no estoy seguro en todo lo que afecta a la ecuación general).

Espero que tenga sentido, solo tengo una familiaridad lejana con este tipo de análisis (al no ser un ingeniero). Sé lo suficiente en matemáticas para mantenerse al día, solo necesito estar seguro de que estoy poniendo los valores correctos en los lugares correctos.

EDITAR: Supongo que debería plantear la pregunta real. ¿Estoy haciendo esto bien? La ecuación de arriba funciona a una distancia de aproximadamente \ $ 3 \ veces 10 ^ {14} \ $ unidades que (a menos que estemos midiendo pico-pulgadas o una cantidad tan pequeña ) no tiene sentido. Supongo que se supone que esto me dará medidores.

Para referencia, aquí está la ecuación y explicación de las variables de la pregunta vinculada en la primera oración:

$$ d = 10 ^ {\ Big (\ dfrac {P_0-F_m-P_r-10n \ log_ {10} (f) + 30n - 32.44} {10n} \ Big)} $$

Donde

  • \ $ F_m = \ text {Fade Margin} \ $
  • \ $ N = \ text {Path-Loss Exponent} \ $
  • \ $ P_o = \ text {Potencia de la señal (dBm) a distancia cero} \ $
  • \ $ P_r = \ text {Potencia de la señal (dBm) a distancia} \ $
  • \ $ F = \ text {frecuencia de señal en MHz} \ $
pregunta thanby

1 respuesta

1

No estoy seguro de por qué estás usando una fórmula tan compleja. En general, hay tantas incógnitas que todos los sistemas existentes tienen que usar la calibración empírica para obtener el mapeo.

Convenientemente, el mapeo a distancia rssi < - > es uno de los proyectos favoritos para estudiantes universitarios que desean trabajar con WiFi, por lo que Google devuelve una serie de documentos académicos de calidad variable. Aquí están mis dos primeros resultados para "usar rssi para la medición de distancia", ambos suponen que RSSI es propenso a registrar la distancia al cuadrado y calibrar usando datos empíricos. Ambos tienen un ajuste bastante bueno para su modelo, pero con coeficientes muy diferentes.

"Modelo de medición de distancia basado en RSSI en WSN" enlace Esta tiene una buena explicación del modelo que están utilizando, junto con la derivación de la fórmula.

"Sistema de localización al aire libre mediante la medición de RSSI de ..." enlace Este es uno muy básico, que solo ilustra que un equipo diferente producirá valores RSSI completamente diferentes.

    
respondido por el theamk

Lea otras preguntas en las etiquetas