El efecto instantáneo de la pérdida de ruta y el desvanecimiento del canal se puede modelar como
$$ \ text {PL} (d) \ approx 10 \ gamma \ times \ log \ left (\ frac {d} {d_0} \ right) + \ text {PL} (d_0) + X_1 + X_2 $ $
donde \ $ X_1 \ $ es cero-media log-normal distribuida y se debe a desvanecimiento lento (es decir, sombreado) y \ $ X_2 \ $ es cero-media distribuida Rayleigh si está en un entorno móvil, NLOS. Si hay un componente LOS, entonces se distribuirá Riceanamente \ $ X_2 \ $. Tenga en cuenta que la fórmula anterior no es la misma utilizada en el cálculo de la pérdida del enlace del presupuesto de comunicación, la pérdida del enlace del presupuesto es un asunto similar pero ligeramente diferente.
La distribución de la pérdida de la ruta de registro normal simplifica este modelo al condensar \ $ X_1 \ $ y \ $ X_2 \ $ en una variable \ $ X_g \ $ distribuida normalmente en una variable de registro. Es particularmente preciso si \ $ X_2 \ $ es despreciable debido a la movilidad relativamente baja (es decir, en canales de desvanecimiento lento).
\ $ X_1 \ $ y \ $ X_2 \ $ son variables estocásticas extraídas de las funciones de distribución de probabilidad, no cantidades deterministas. Si tiene una fuente de números aleatorios que produce números distribuidos uniformemente, \ $ U \ $, en el intervalo [0,1]. Luego, puede formular fácilmente una fuente numérica log-normal o Rayleigh a partir de los valores de U utilizando el muestreo de transformación inversa. Consulte la fuente [1] y [2] .
$$ X_1 = \ sigma \ sqrt {-2 \ ln U_1} \ cos (2 \ pi U_2) $$
$$ X_2 = \ sigma \ sqrt {-2 \ log U} $$
o suponga que solo es log-normal y use solo una variable
$$ X_g = \ sigma \ sqrt {-2 \ ln U_1} \ cos (2 \ pi U_2) $$
Donde \ $ U_i \ $ es una variable aleatoria extraída de la distribución uniforme. La desviación estándar (\ $ \ sigma \ $) se obtiene empíricamente, puede ver valores de muestra de \ $ sigma \ $ utilizados para evaluar \ $ X_g \ $ en diferentes entornos debajo de [fuente] :
Tengaencuentaqueporque\$X_1\$y\$X_2\$soncerosignificaquesuefectopuedereducirseengranmedidaaltomarmuchosvaloresRSSyluegopasarlosatravésdeunfiltrodepromedioóptimo.Elmayorproblemaquetieneesque,enunentornoNLOSpuro,elmodelodepérdidaderutaqueestamosdiscutiendoaquíserábastanteinexactoenmuchasconfiguraciones,yaqueasumecondicionesambientalessimilaresalasdelasdistanciasderutapromedio[\$0\$,\$d_0\$]y[\$d_0\$,\$d\$],quenoeselcasoenmuchoscasosdeNLOS.Nuevamente,enNLOS,elproblemaseráqueladistanciapromediodelarutaseamuydiferentedeladistanciarealentrelosnodosquesecomunican.Esposiblequedeseeleersobreesoytalvezbuscar"algoritmos de localización de RSSI de la red de sensores inalámbricos" para ver las formas comunes en que el problema que tiene se resuelve en la literatura.