从 RSSI 和 TxPower 计算距离的正确方法
Correct way of calculating distance from RSSI and TxPower
我正在为 RSSI 和 TxPower 值使用 AltBeacon 库。
RSSI = -90
TxPower = -83
我发现计算距离是使用这个公式完成的：
d = 10 ^ ((TxPower -Rssi) / 10n) (n ranges from 2 to 4)
所以在我的例子中是 (n = 2):
d = 10 ^ (7 / 10 * 2) = 2.2387211385683394
是我计算正确还是这个公式有问题？另外，如果有更好的计算距离的公式，是否可以得到一个可以用于学士论文的参考？
有两种方法可以得出公式：使用 (1) 科学或 (2) 工程学。
科学的方法是尝试理解RSSI与距离的关系理论，并根据理论和实验得出一个预测它的公式。根据其他人的工作，类似于您所展示的路径损耗公式是正确的方法。
但是，这假设 完美 条件和数据（RSSI 测量）不受不相关因素的影响，信号损失理论给了我们方程式。这些因素包括 A/D RSSI 传感器中的转换器误差和偏差、每个蓝牙无线电信道上天线灵敏度的变化，以及许多其他因素。
由于很难甚至不可能想出一个科学的公式来解释所有这些并发症，一个常见的工程方法是绘制 RSSI 与距离的曲线，看在曲线上找到形状相似的数学曲线，然后 运行 进行回归以得出将数据拟合到该数学曲线的公式。然后可以使用该公式将 RSSI 转换为距离。
采用这种方法，理论并不重要，重要的是使用公式预测距离的能力。我在第一个 iPhone 和支持 BLE 的 Nexus 4 上使用了这种技术，并提出了 this formula 它并不完美，并且在不同的 phone 模型上效果不佳。但它比科学建议的路径损耗公式更有效，可能是因为它考虑了路径损耗公式没有考虑的其他现实世界因素。为获得最佳结果，运行 在每个 device/beacon 对中你自己的回归。
无论您使用什么公式，请理解随着信噪比变弱以及障碍物和多路径的影响变得更加深远，您离得越远，距离估计值就越差。期望在 1-3 米处有合理的结果，而在 10m 和 30m 之间几乎没有辨别能力。
我正在为 RSSI 和 TxPower 值使用 AltBeacon 库。
RSSI = -90 TxPower = -83
我发现计算距离是使用这个公式完成的：
d = 10 ^ ((TxPower -Rssi) / 10n) (n ranges from 2 to 4)
所以在我的例子中是 (n = 2):
d = 10 ^ (7 / 10 * 2) = 2.2387211385683394
是我计算正确还是这个公式有问题？另外，如果有更好的计算距离的公式，是否可以得到一个可以用于学士论文的参考？
有两种方法可以得出公式：使用 (1) 科学或 (2) 工程学。
科学的方法是尝试理解RSSI与距离的关系理论，并根据理论和实验得出一个预测它的公式。根据其他人的工作，类似于您所展示的路径损耗公式是正确的方法。
但是，这假设 完美 条件和数据（RSSI 测量）不受不相关因素的影响，信号损失理论给了我们方程式。这些因素包括 A/D RSSI 传感器中的转换器误差和偏差、每个蓝牙无线电信道上天线灵敏度的变化，以及许多其他因素。
由于很难甚至不可能想出一个科学的公式来解释所有这些并发症，一个常见的工程方法是绘制 RSSI 与距离的曲线，看在曲线上找到形状相似的数学曲线，然后 运行 进行回归以得出将数据拟合到该数学曲线的公式。然后可以使用该公式将 RSSI 转换为距离。
采用这种方法，理论并不重要，重要的是使用公式预测距离的能力。我在第一个 iPhone 和支持 BLE 的 Nexus 4 上使用了这种技术，并提出了 this formula 它并不完美，并且在不同的 phone 模型上效果不佳。但它比科学建议的路径损耗公式更有效，可能是因为它考虑了路径损耗公式没有考虑的其他现实世界因素。为获得最佳结果，运行 在每个 device/beacon 对中你自己的回归。
无论您使用什么公式，请理解随着信噪比变弱以及障碍物和多路径的影响变得更加深远，您离得越远，距离估计值就越差。期望在 1-3 米处有合理的结果，而在 10m 和 30m 之间几乎没有辨别能力。