Система позиционирования Wi-Fi

редактировать

Система позиционирования Wi-Fi (WPS, также сокращенно WiPS или WFPS ) - это система геолокации, которая использует характеристики ближайших точек доступа Wi-Fi и других точек беспроводного доступа для узнать, где находится устройство. Он используется там, где спутниковая навигация, такая как GPS, неадекватна из-за различных причин, включая многолучевость и блокировку сигнала в помещении, или когда определение местоположения спутника займет слишком много времени.. Такие системы включают в себя вспомогательную GPS, услуги определения местоположения в городах через базы данных точек доступа и системы определения местоположения внутри помещений. Позиционирование Wi-Fi основано на быстром росте в начале 21 века точек беспроводного доступа в городских районах.

Наиболее распространенный и распространенный метод локализации, используемый для определения местоположения с помощью точек беспроводного доступа, основан на измерении интенсивности принятого сигнала (индикатор уровня принятого сигнала или RSSI) и методе «снятия отпечатков пальцев» ". Типичные параметры, используемые для определения местоположения точки беспроводного доступа, включают ее SSID и MAC-адрес. Точность зависит от количества ближайших точек доступа, позиции которых были введены в базу данных. База данных точек доступа Wi-Fi заполняется путем сопоставления данных о местоположении GPS мобильного устройства с MAC-адресами точки доступа Wi-Fi. Возможные колебания сигнала, которые могут возникнуть, могут увеличить количество ошибок и неточностей на пути пользователя. Чтобы свести к минимуму колебания принимаемого сигнала, существуют определенные методы, которые могут применяться для фильтрации шума.

В случае низкой точности были предложены некоторые методы для объединения трассировок Wi-Fi с другими источниками данных, такими как географическая информация и временные ограничения (например, география времени ).

Содержание

  • 1 Мотивация и приложения
  • 2 Постановка проблемы и основные концепции
  • 3 Методы
    • 3.1 На основе силы сигнала
    • 3.2 На основе отпечатков пальцев
    • 3.3 На основе угла прихода
    • 3.4 На основе времени полета
  • 4 Проблемы конфиденциальности
  • 5 Общедоступные базы данных местоположения Wi-Fi
  • 6 См. Также
  • 7 Ссылки

Мотивация и приложения

Точная локализация в помещении становится все более важной для устройств на базе Wi-Fi из-за более широкого использования дополненной реальности, социальных сетей, мониторинга здравоохранения, личного отслеживания, управления запасами и другого местоположения внутри помещений. осведомленных приложений.

Популярность и низкая цена сетевых карт Wi-Fi является привлекательным стимулом для использования Wi-Fi в качестве основы для системы локализации. За последние 15 лет в этой области были проведены значительные исследования.

Постановка проблемы и основные концепции

Проблема локализации устройства в помещении на основе Wi-Fi заключается в определении местоположения клиентских устройств по отношению к точкам доступа. Для этого существует множество методов, и их можно разделить на четыре основных типа: индикация уровня принимаемого сигнала (RSSI), отпечатки пальцев, методы на основе угла прихода (AoA) и времени пролета (ToF).

В большинстве случаев первым шагом для определения положения устройства является определение расстояния между целевым клиентским устройством и несколькими точками доступа. При известных расстояниях между целевым устройством и точками доступа алгоритмы трилатерации могут использоваться для определения относительного положения целевого устройства, используя известное положение точек доступа в качестве ориентира. В качестве альтернативы, угол прихода сигналов на целевое клиентское устройство может использоваться для определения местоположения устройства на основе алгоритмов триангуляции.

Комбинация этих методов может использоваться для повышения точности

Методы

На основе силы сигнала

Методы локализации RSSI основаны на измерении мощности сигнала от клиентского устройства к нескольким различным точкам доступа, а затем объединении этой информации с модель распространения для определения расстояния между клиентским устройством и точками доступа. Методы трилатерации (иногда называемые мультилатерацией) могут использоваться для расчета предполагаемого положения клиентского устройства относительно известного положения точек доступа.

Хотя это один из самых дешевых и простых в реализации методов, его Недостатком является то, что он не обеспечивает очень хорошую точность (в среднем 2-4 м), потому что измерения RSSI имеют тенденцию колебаться в зависимости от изменений в окружающей среде или замирания из-за многолучевого распространения.

На основе отпечатков пальцев

Традиционные отпечатки пальцев также основан на RSSI, но он просто полагается на регистрацию мощности сигнала от нескольких точек доступа в радиусе действия и сохранение этой информации в базе данных вместе с известными координатами клиентского устройства в автономной фазе. Эта информация может быть детерминированной или вероятностной. Во время фазы онлайн-отслеживания текущий вектор RSSI в неизвестном местоположении сравнивается с теми, которые хранятся в отпечатке пальца, и самое близкое совпадение возвращается как предполагаемое местоположение пользователя. Такие системы могут обеспечивать среднюю точность 0,6 м и точность хвоста 1,3 м.

Их главный недостаток заключается в том, что любые изменения окружающей среды, такие как добавление или удаление мебели или зданий, могут изменить «отпечаток пальца», соответствующий каждое место, требующее обновления базы данных отпечатков пальцев. Однако интеграция с другим датчиком, таким как камера, может использоваться для работы с изменяющейся окружающей средой.

На основе угла прихода

Линейная решетка антенн, принимающих сигнал. Разность фазового сдвига принятого сигнала, поступающего на антенны, равно разделенные расстоянием «d», используется для вычисления угла прихода сигнала. Изображение воспроизведено из

С появлением интерфейсов MIMO Wi-Fi, в которых используется несколько антенн, стало возможным оценивать AoA многолучевых сигналов, принимаемых антенными решетками в точках доступа, и применять триангуляция для вычисления местоположения клиентских устройств. SpotFi, ArrayTrack и LTEye - это предлагаемые решения, в которых используется такая техника.

Типичное вычисление AoA выполняется с помощью алгоритма MUSIC. Предполагая, что антенная решетка состоит из M {\ displaystyle M}M антенн, равномерно разнесенных на расстояние d {\ displaystyle d}d и сигнал, поступающий на антенную решетку через L {\ displaystyle L}L пути распространения, дополнительное расстояние d ⋅ sin θ {\ displaystyle d \ cdot sin \ theta}{\ displaystyle d \ cdot sin \ theta} проходит сигнал, чтобы достичь второй антенны решетки.

Учитывая, что k-й {\ displaystyle k ^ {th}}k^{{th}}путь распространения достигает угла θ k {\ displaystyle \ theta _ {k}}\ theta _ {k} относительно нормали антенной решетки точки доступа γ k {\ displaystyle \ gamma _ {k}}\ гамма _ {к} затухание на любой антенне решетки. Затухание одинаково для каждой антенны, за исключением фазового сдвига, который изменяется для каждой антенны из-за дополнительного расстояния, пройденного сигналом. Это означает, что сигнал поступает с дополнительной фазой

- 2 π ⋅ d ⋅ sin ⁡ (θ) ⋅ (f / c) ⋅ (2-1) {\ displaystyle -2 \ pi \ cdot d \ cdot \ sin (\ theta) \ cdot (f / c) \ cdot (2-1)}{\ displaystyle -2 \ pi \ cdot d \ cdot \ sin (\ theta) \ cdot (f / c) \ cdot (2-1)}

на второй антенне и

- 2 π ⋅ d ⋅ sin ⁡ (θ) ⋅ (f / c) ⋅ ( m - 1) {\ displaystyle -2 \ pi \ cdot d \ cdot \ sin (\ theta) \ cdot (f / c) \ cdot (m-1)}{\ displaystyle -2 \ pi \ cdot d \ cdot \ sin (\ theta) \ cdot (е / с) \ cdot (м-1)}

в mth {\ displaystyle m ^ {th}}m ^ {th} antenna.

Следовательно, следующая комплексная экспонента может использоваться как упрощенное представление фазовых сдвигов, испытываемых каждой антенной, в зависимости от AoA пути распространения. :

ϕ (θ К) знак равно ехр ⁡ (- J ⋅ 2 π ⋅ d ⋅ грех ⁡ (θ К) ⋅ е / с) {\ Displaystyle \ phi (\ theta _ {k}) = \ exp (- j \ cdot 2 \ pi \ cdot d \ cdot \ sin (\ theta _ {k}) \ cdot f / c)}{\ displaystyle \ phi (\ theta _ {k}) = \ exp (-j \ cdot 2 \ pi \ cdot d \ cdot \ sin (\ theta _ {k}) \ cdot f / c)}

Затем AoA можно выразить как вектор a → (θ k) γ k {\ displaystyle {\ vec {a}} (\ theta _ {k}) \ gamma _ {k}}\ vec a (\ theta_k) \ gamma_k полученных сигналов из-за kth {\ displaystyle k ^ {th} }k^{{th}}путь распространения, где a → (θ k) {\ displaystyle {\ vec {a}} (\ theta _ {k})}\ vec a (\ theta_k) - вектор рулевого управления, определяемый по формуле:

a → (θ k) = [1, ϕ (θ k),... ϕ (θ К) M - 1] Т {\ Displaystyle {\ vec {a}} (\ theta _ {k}) = [1, \ \ phi (\ theta _ {k}), \..., \ \ phi (\ theta _ {k}) ^ {M-1}] ^ {T}}{\ displaystyle {\ vec {a}} (\ theta _ {k}) = [1, \ \ phi (\ theta _ {k}), \..., \ \ phi (\ theta _ {k}) ^ {M-1}] ^ {T}} Существует один вектор управления для каждого пути распространения, и матрица управления A {\ displaystyle \ mathbf { A}}\ mathbf {A} (размеров M ⋅ L {\ displaystyle M \ cdot L}{\ displaystyle M \ cdot L} ) затем определяется как: A = [a → (θ 1),..., a → (θ L)] {\ displaystyle \ mathbf {A} = [{\ vec {a}} (\ theta _ {1}),..., {\ vec {a}} (\ theta _ { L})]}{\ displaystyle \ mathbf {A} = [{\ vec {a}} (\ theta _ {1}),..., {\ vec {a} } (\ theta _ {L})]} и вектор принятого сигнала x → {\ displaystyle {\ vec {x}}}{\ vec {x}} : x → = A Γ → {\ displaystyle { \ vec {x}} = \ mathbf {A} {\ vec {\ Gamma}}}{\ displaystyle \ vec x = \ mathbf {A} \ vec \ Gamma} где Γ → = [γ → 1... γ → L] {\ displaystyle {\ vec {\ Gamma}} = [{\ vec {\ gamma}} _ {1}... {\ vec {\ gamma}} _ {L}]}{\ displaystyle {\ vec {\ Gamma}} = [{\ vec {\ gamma}} _ {1}... {\ vec {\ gamma}} _ {L}]} - это векторные комплексные затухания вдоль путей L {\ displaystyle L}L . OFDM передает данные по нескольким различным поднесущим, поэтому измеренные принятые сигналы x → {\ displaystyle {\ vec {x}}}{\ vec {x}} , соответствующий каждой поднесущей, формирует матрицу X {\ displaystyle \ mathbf {X}}\ mathbf {X} , выраженную как: Х = [х → 1... x → L] = A [Γ → 1... Γ → L] = AF {\ displaystyle \ mathbf {X} = [{\ vec {x}} _ {1}... {\ vec {x}} _ {L}] = \ mathbf {A} [{ \ vec {\ Gamma}} _ {1}... {\ vec {\ Gamma}} _ {L}] = \ mathbf {AF}}{\ displaystyle \ mathbf {X} = [{\ vec {x}} _ {1}... {\ vec {x}} _ { L}] = \ mathbf {A} [{\ vec {\ Gamma}} _ {1}... {\ vec {\ Gamma}} _ {L}] = \ mathbf {AF}} Матрица X {\ displaystyle \ mathbf {X }}\ mathbf {X} задается матрицей информации о состоянии канала (CSI ), которую можно извлечь из современных беспроводных карт с помощью специальных инструментов, таких как Linux 802.11n CSI Tool.

Это где применяется алгоритм MUSIC, сначала путем вычисления собственных векторов XXH {\ displaystyle \ mathbf {X} \ mathbf {X} ^ {H}}\mathbf{X}\mathbf{X}^H(где XH {\ displaystyle \ mathbf {X} ^ {H}}\ mathbf {X} ^ H - это сопряженное транспонирование X {\ displaystyle \ mathbf {X}}\ mathbf {X} ) и использование векторы, соответствующие нулевому собственному значению, для вычисления управляющих векторов и матрицы A {\ displaystyle \ mathbf {A}}\ mathbf {A} . Затем из этой матрицы можно вывести AoA и использовать их для оценки положения клиентского устройства с помощью триангуляции.

Хотя этот метод обычно более точен, чем другие, для его развертывания может потребоваться специальное оборудование, такое как массив из шести-восьми антенн или вращающихся антенн. SpotFi предлагает использовать алгоритм сверхвысокого разрешения, который использует преимущества количества измерений, выполненных каждой из антенн карт Wi-Fi только с тремя антеннами, а также включает локализацию на основе ToF для повышения ее точности.

На основе времени пролета

Рисунок, показывающий, как измерительная станция отправляет кадр ДАННЫЕ на клиентскую станцию ​​и ожидает получения ACK. δ {\ displaystyle \ delta}\ delta - это задержка планирования (смещение), исходящая от целевого клиентского устройства, и она зависит от того, сколько времени требуется для планирования ACK. T_P - это время распространения сигнала между передатчиком и приемником, и обычно предполагается, что оно одинаково на пути к цели и обратно. T_ACK - время, необходимое для передачи кадра ACK. Время полета соответствует T_MEASURED. Изображение, воспроизводимое из

Подход к локализации времени полета (ToF), использует временные метки, предоставляемые беспроводными интерфейсами, для вычисления ToF сигналов, а затем использует эту информацию для оценки расстояния и относительного положения одного клиентского устройства относительно доступа точки. Гранулярность таких измерений времени составляет порядка наносекунд, и системы, которые используют этот метод, сообщают об ошибках локализации порядка 2 м. Типичными применениями этой технологии являются маркировка и определение местоположения активов в зданиях, для которых обычно достаточно точности на уровне помещения (~ 3 м).

Измерения времени, проводимые на беспроводных интерфейсах, основаны на том факте, что радиочастотные волны распространяются. близка к скорости света, которая остается почти постоянной в большинстве сред распространения в помещении. Следовательно, на скорость распространения сигнала (и, следовательно, на ToF) не так сильно влияет среда, как на измерения RSSI.

В отличие от традиционных методов эхо-сигналов на основе ToF, таких как те, которые используются в RADAR, методы эха Wi-Fi используют обычные данные и кадры передачи подтверждения для измерения ToF.

Как и в подходе RSSI, ToF используется только для оценки расстояния между клиентским устройством и точками доступа. Затем метод трилатерации можно использовать для вычисления предполагаемого положения устройства относительно точек доступа. Самые большие проблемы в подходе ToF заключаются в решении проблем синхронизации часов, шума, артефактов дискретизации и эффектов многолучевого распространения. В некоторых методах используются математические подходы для устранения необходимости синхронизации часов.

В последнее время стандарт Wi-Fi Round Trip Time предоставил точные возможности определения дальности ToF для WiFi.

Проблемы конфиденциальности

Ссылаясь на конкретные проблемы конфиденциальности, возникающие из-за WPS, Google предложил единый подход для отказа определенной точки доступа от участия в определении местоположения с использованием WPS. Добавление "_nomap" к SSID беспроводной точки доступа исключает ее из базы данных Google WPS. Google надеется, что другие поставщики WPS и сборщики данных, такие как Apple и Microsoft, последуют этой рекомендации, и она станет общепринятым стандартом. Mozilla уважает _nomap как метод отказа от служба определения местоположения.

общедоступные базы данных местоположения Wi-Fi

Доступен ряд общедоступных баз данных местоположения Wi-Fi (только активные проекты):

ИмяУникальный Wi-Fi -Fi-сетиНаблюденияБесплатная загрузка базы данныхПоиск SSIDПоиск BSSIDЛицензия на данныеОпция -outКарта покрытияКомментарий
Combain Positioning Service>2,400,000,000>67,000,000,000нетдадаСобственный_nomap поддерживаетсяКарта Также база данных идентификаторов сот.
LocationAPI.org от Unwired Labs>1,500,010,000>4,100,000,000нетнетдаСобственныйНе применимо (используется только BSSID)Карта Также база данных идентификаторов сот
Служба определения местоположения Mozilla >1,287,000,000>104,708,000,000нетнетнетСобственный_nomapКарта Также база данных идентификаторов сот, данные которой общедоступны домен.
Мыльников ГЕО860,655,230данетдаMIT не применимо

(агрегатор)

Карта Также база данных Cell ID
Navizon 480,000,00021,500,000,000нетнетдаСобственныйнетКарта На основе данных краудсорсинга. Также база данных идентификаторов сот.
radiocells.org13,610,728данетдаODbL _nomapMap На основе данных краудсорсинга. Также база данных Cell ID. Включая необработанные данные
OpenWLANMap / openwifi.su22,010,794данетдаODbL _nomap, запросКарта
WiGLE 506,882,8167,235,376,746нетдадаСобственный_nomap, запросКарта Также база данных идентификаторов сот.

См. Также

Справочная информация

Общая информация
Последняя правка сделана 2021-06-20 15:04:26
Содержание доступно по лицензии CC BY-SA 3.0 (если не указано иное).
Обратная связь: support@alphapedia.ru
Соглашение
О проекте