Система позиционирования Wi-Fi ( WPS , WiPS или WFPS ) — это система геолокации , которая использует характеристики близлежащих точек доступа Wi-Fi , чтобы определить, где находится устройство. [1]
Он используется там, где спутниковая навигация , такая как GPS , неадекватна по различным причинам, включая многолучевое распространение и блокировку сигнала в помещении, или когда определение местоположения спутника может занять слишком много времени. [2] К таким системам относятся вспомогательные GPS, городские службы позиционирования через базы данных точек доступа и системы позиционирования внутри помещений . [3] Позиционирование Wi-Fi использует преимущества быстрого роста в начале 21 века точек беспроводного доступа в городских районах. [4]
Самый распространенный метод позиционирования с использованием точек беспроводного доступа основан на грубом приближении мощности принимаемого сигнала ( индикация уровня принимаемого сигнала , или RSSI ) и методе «отпечатков пальцев». [5] [6] [7] Обычно точка беспроводного доступа идентифицируется по ее SSID и MAC-адресу , и эти данные сравниваются с базой данных предполагаемых местоположений идентифицированных таким образом точек доступа. Точность зависит от точности базы данных (например, если точка доступа переместилась, ее запись будет неточной), а точность зависит от количества обнаруженных близлежащих точек доступа с (точными) записями в базе данных и точности этих записей. База данных о местоположении точек доступа заполняется путем сопоставления данных о местоположении мобильного устройства (определенных другими системами, такими как Galileo или GPS) с MAC-адресами точек доступа Wi-Fi. [8] Возможные колебания сигнала могут привести к увеличению ошибок и неточностей на пути пользователя. Чтобы минимизировать колебания принимаемого сигнала, можно применить определенные методы фильтрации шума.
В случае низкой точности были предложены некоторые методы объединения трассировок Wi-Fi с другими источниками данных, такими как географическая информация и временные ограничения (т. е. география времени ). [9]
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, персонального отслеживания, контроля запасов и других приложений, определяющих местоположение в помещении. [10] [11]
В беспроводной безопасности это важный метод, используемый для обнаружения и сопоставления несанкционированных точек доступа . [12] [13]
Популярность и низкая цена сетевых карт Wi-Fi являются привлекательным стимулом для использования Wi-Fi в качестве основы для системы локализации, и за последние 15 лет в этой области были проведены значительные исследования. [5] [7] [14]
Проблема локализации устройства в помещении с помощью Wi‑Fi заключается в определении положения клиентских устройств относительно точек доступа. Для достижения этой цели существует множество методов, и их можно классифицировать на основе четырех различных критериев, которые они используют: индикация уровня принятого сигнала ( RSSI ), снятие отпечатков пальцев , угол прихода ( AoA ) и время прохождения ( ToF ). [14] [15]
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 [11] , используя известное положение точек доступа в качестве эталона. Альтернативно, углы прибытия сигналов на целевое клиентское устройство могут использоваться для определения местоположения устройства на основе алгоритмов триангуляции . [14]
Комбинация этих методов может использоваться для повышения точности системы. [14]
Методы локализации RSSI основаны на приблизительном измерении относительной мощности сигнала на клиентском устройстве от нескольких различных точек доступа, а затем объединении этой информации с моделью распространения для определения расстояния между клиентским устройством и точками доступа. Методы трилатерации (иногда называемые мультилатерацией) можно использовать для расчета предполагаемого положения клиентского устройства относительно ожидаемого положения точек доступа. [11] [14]
Хотя это один из самых дешевых и простых в реализации методов, его недостатком является то, что он не обеспечивает очень хорошей точности (в среднем 2–4 м), поскольку измерения RSSI имеют тенденцию колебаться в зависимости от изменений в окружающей среде или замираний из-за многолучевого распространения . [5]
Cisco Systems использует RSSI для обнаружения устройств через свои точки доступа. Точки доступа собирают данные о местоположении и обновляют местоположение в облаке Cisco под названием Cisco DNA Spaces . [16]
Выборка Монте-Карло — это статистический метод, используемый при картировании Wi-Fi внутри помещений для оценки местоположения беспроводных узлов. Этот процесс включает в себя создание карт мощности беспроводного сигнала с использованием двухэтапного параметрического и основанного на измерениях подхода трассировки лучей. Это объясняет характеристики поглощения и отражения различных препятствий в помещении. [17]
Затем оценки местоположения вычисляются с использованием байесовской фильтрации на наборах выборок, полученных методом выборки Монте-Карло. Было обнаружено, что этот метод обеспечивает хорошие оценки местоположения пользователей с точностью до помещения, используя показания индикации уровня принятого сигнала (RSSI) от одной точки доступа. [18]
Традиционный метод снятия отпечатков пальцев также основан на RSSI, но он просто основан на регистрации уровня сигнала от нескольких точек доступа в радиусе действия и сохранении этой информации в базе данных вместе с известными координатами клиентского устройства в автономном режиме. Эта информация может быть детерминированной [5] или вероятностной. [7] На этапе онлайн-отслеживания текущий вектор RSSI в неизвестном местоположении сравнивается с векторами, сохраненными в отпечатке пальца, и ближайшее совпадение возвращается в качестве предполагаемого местоположения пользователя. Такие системы могут обеспечить среднюю точность 0,6 м и хвостовую точность 1,3 м. [14] [19]
Его основным недостатком является то, что любые изменения в окружающей среде, такие как добавление или удаление мебели или зданий, могут изменить «отпечаток пальца», соответствующий каждому местоположению, что потребует обновления базы данных отпечатков пальцев. Однако интеграцию с другими датчиками, такими как камеры, можно использовать, чтобы справиться с меняющейся средой. [20]
С появлением интерфейсов MIMO Wi-Fi, использующих несколько антенн, появилась возможность оценивать угол наклона многолучевых сигналов, принимаемых антенными решетками в точках доступа, и применять триангуляцию для расчета местоположения клиентских устройств. SpotFi, [14] ArrayTrack [10] и LTEye [21] — предлагаемые решения, использующие этот вид техники.
Типичное вычисление угла атаки выполняется с помощью алгоритма MUSIC . Предполагая, что антенная решетка из антенн находится на одинаковом расстоянии друг от друга и сигнал поступает в антенную решетку по путям распространения, сигнал преодолевает дополнительное расстояние , чтобы достичь второй антенны решетки. [14]
Учитывая, что -й путь распространения проходит под углом к нормали антенной решетки точки доступа, это затухание, испытываемое на любой антенне решетки. Затухание одинаково для каждой антенны, за исключением фазового сдвига, который меняется для каждой антенны из-за дополнительного расстояния, проходимого сигналом. Это означает, что сигнал поступает с дополнительной фазой
на второй антенне и
на -й антенне. [14]
Следовательно, следующую комплексную экспоненту можно использовать в качестве упрощенного представления фазовых сдвигов, испытываемых каждой антенной, в зависимости от угла атаки пути распространения: [14]
Затем угол атаки можно выразить как вектор принятых сигналов по -му пути распространения, где - вектор управления и определяется следующим образом: [14] Существует один вектор управления для каждого пути распространения и матрица управления (размеров ) тогда определяется как: [14] и вектор принятого сигнала : [14] где – вектор комплексного затухания на тракте. [14] OFDM передает данные по множеству разных поднесущих, поэтому измеренные принятые сигналы, соответствующие каждой поднесущей, образуют матрицу, выраженную как: [14] Матрица задается матрицей информации о состоянии канала ( CSI ), которую можно извлечь из современных беспроводные карты с помощью специальных инструментов, таких как Linux 802.11n CSI Tool. [22]
Именно здесь применяется алгоритм MUSIC , сначала путем вычисления собственных векторов (где – сопряженное транспонирование ) и использования векторов, соответствующих нулевому собственному значению, для расчета управляющих векторов и матрицы . [14] Затем из этой матрицы можно вывести значения угла атаки и использовать их для оценки положения клиентского устройства посредством триангуляции .
Хотя этот метод обычно более точен, чем другие, для его применения может потребоваться специальное оборудование, такое как решетка из шести-восьми антенн [10] или вращающиеся антенны. [21] SpotFi [14] предлагает использовать алгоритм сверхразрешения , который использует количество измерений, выполняемых каждой из антенн карт Wi-Fi всего с тремя антеннами, а также включает локализацию на основе ToF для повышения ее точности. .
Подход к локализации по времени прохождения (ToF) использует временные метки, предоставленные беспроводными интерфейсами, для расчета ToF сигналов, а затем использует эту информацию для оценки расстояния и относительного положения одного клиентского устройства относительно точек доступа. Детализация таких измерений времени составляет порядка наносекунд, а системы, использующие этот метод, сообщают об ошибках локализации порядка 2 м. [14] Типичным применением этой технологии является маркировка и определение местоположения объектов в зданиях, для чего обычно достаточно точности на уровне помещения (~3 м). [24]
Измерения времени, выполняемые на беспроводных интерфейсах, основаны на том факте, что радиочастотные волны распространяются со скоростью, близкой к скорости света, которая остается почти постоянной в большинстве сред распространения внутри помещений. Следовательно, на скорость распространения сигнала (и, следовательно, на время пролета) окружающая среда не так сильно влияет, как на измерения RSSI. [23]
В отличие от традиционных методов эхо-сигнала на основе ToF, например, используемых в системах RADAR , методы эхо-сигнала Wi-Fi используют обычные данные и кадры связи подтверждения для измерения ToF. [23]
Как и в подходе RSSI, ToF используется только для оценки расстояния между клиентским устройством и точками доступа. Затем можно использовать метод трилатерации для расчета предполагаемого положения устройства относительно точек доступа. [24] Самые большие проблемы в подходе ToF заключаются в решении проблем тактовой синхронизации, шума, артефактов выборки и эффектов многолучевого распространения каналов. [24] Некоторые методы используют математические подходы, чтобы исключить необходимость синхронизации часов. [15]
Совсем недавно стандарт Wi-Fi Round Trip Time предоставил Wi-Fi широкие возможности определения дальности ToF.
Ссылаясь на конкретные проблемы конфиденциальности, возникающие из-за WPS, Google предложил единый подход для исключения конкретной точки доступа из участия в определении местоположения с помощью WPS, предположительно путем того, что каждый владелец точки доступа намеренно отказывается от исключения каждой точки доступа. [25] Добавление «_nomap» к SSID беспроводной точки доступа исключает ее из базы данных Google WPS. [26] Mozilla уважает _nomap как метод отказа от службы определения местоположения. [27]
Доступен ряд общедоступных баз данных местоположений Wi-Fi (только активные проекты):