自动化系统的校准.docVIP

自动化系统的校准 本章介绍校准的过程。校准时系统定期自主收集相关服务领域内信号衰减信息，校准结果用于第四章中的定位系统和第五章中以范围为基础的认证。 3.1 目标 校准的目标是为一个路径损耗模型建立适当的参数，使数学函数能够以合理的精度预测一定服务范围内的信号衰减程度。当已知发射机和接收机的位置，需要计算RSSI的水平时，可以利用这个模型参数完成服务。根据AP节点测得的信号强度值，定位系统利用这些模型参数来估计每位客户的物理位置，而以范围为基础的身份验证协议利用这些模型参数来控制每个单元的规模，获得认证所需的最小功率。（在这一章，我们也使用了术语--模型实例为模型参数指定一组特定的值。） 校准过程的主要困难是在没有高配的情况下，处理环境的具体特性。一定服务范围内的信号衰减程度主要取决于这些因素，例如施工材料，建筑布局，以及使用人的数量和位置等。 因此在准确性和成本逐步部署和经常搬迁这种自主的构造几乎没有影本章其余的安排如下3.2节述3.3节述3.4节，而在第3.5节异构环境。 3.6节详细的说明实验，和校准结果。最后， 3.7节中我们讨论路径损耗模型和校准过程。For both large-scale path loss and shadowing Large-scale loss ----distance between transimitter and receiver Shadowing----,variation 选择这个模型的原因： 一 尽管这个模型没有考虑其他的环境因素，不是那么的精确，但是它的参数无需操作员的控制就可以由系统自主设立。 二 文献中很多测量数据表明，信号穿过拥有广泛频率范围的建筑物时，最后计算的结果接近方程所计算得出的结果。 3.3 困难 环境特质的不同，远距离传输的信号能量衰减程度也不相同。建筑材料，墙面的布置，家具，还有其他的障碍物，以及人的数量和活动方式都会严重影响信号能量的衰减。 一 设备装置不一样，模型参数也会不同 经验值 二 随着时间的变化，模型参数也在变化 人的数量和活动 三 多种多样的SA参数需要多模型实例 服务区域不一样，单独的模型实例可能会产生很大的偏离 3.4 校准过程 3.4.1 样本生成 AP节点定期的扫描其他信道，测量其他节点以一定频率传输信号时，所接收到的信号强度，并将节点信号强度指示水平一同反馈给系统服务器，直到收集到每一对节点和每个方向样本的情况。 3.4.2 过滤 减少暂时信号震荡对模型参数生成的影响 这些震荡绝大部分是由多路径引起的，甚至会影响固定用户。 过滤可以找到基础的信号节点强度指示水平，这些节点的震荡都是相互重叠的，利用方程3.1可以降低它的偏离程度，从而改进了信号强度预测水平和位置定位准确度。 3.4.3 模型实例计算 线性函数 3.5处理异构环境 在一个服务区域里所应用模型实例的数目将根据异构环境与信号衰减的方式不同而不同，例如，在一个层与层之间的布局或建筑材料很不相同的安装中，需要很多实例提供一个合理的精度。 问题揭示了特殊性和偏差之间的一种权衡。一方面，在每一个AP节点相对于其邻节点的测量数值的基础之上，系统为它们设置了不同的模型实例。例如，尽管对每个节点来说的值已经比较精确了，而且考虑其当前环境所引起的新耗能量衰减，但是由于较少的样本数量也会带来很高的偏差。另一方面，把所有RSSI测量值集合到一个单独的模型实例减少测量误差所带来的影响，但在异构建筑的某些部分可能会降低信号强度预测质量。 一个很似乎有效的方法可以用来解决这个问题，就是以迭代的方式计算模型实例。首先，利用所有的测量结果为每一个AP节点计算出一个不同的参数值，在测量中节点可以使接受者这也可以是发送者。这样就得出了一系列的实例（i，）， AP。然后，同层节点的参数值进行比较。如果最大值和最小值之间的差值小于之前定义的最大差值maxDiff时，认为环境是均匀的，可以使用单一的模型实例。（测量表明，使用alphamaxDiff=1.0是一个很好的起点。）如果事实并非如此，根据APs的物理位置和均满足要求的α值将APs分组。进一步评价不同的分组规模和其对定位准确性的影响。正如3.6节中写到，试验台不具备充分的异构性（规模也不是足够大），不能够用来证明多模型实例应用的正确性。 这种方法的主要优势是允许系统减少所使用模型实例的数量（因此降低计量误差）然而此时也同意实施异构部分的检测。试验中如果每个节点的结果值相差不大的话，我们可以自信的使用单个模型。 3.6 评价 本节我们阐述在网络实验室里节点过程的结果。3.6.1节详细描述使用的部署方案和硬件，而3.6.2节描述评价节点过程的两个数据集。3.6.3