自动化系统的校准

《自动化系统的校准》由会员分享，可在线阅读，更多相关《自动化系统的校准（11页珍藏版）》请在金锄头文库上搜索。

1、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。）

2、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。因此在准确性和配置成本之间做了一个明确的取舍。一些需要准确预测的服 务往往依赖于手工现场调查，细粒度测量，它们由网络管理员在系统设置时来操 控。虽然由这些测量所产生的模型通常非常准确-它们甚至可以用来解释那些不 太容易理解的现象，但是人类需要它们协助时，需要花费高额的管理开销。此外， 很有可能经常花费很大开销，因为 AP 访问节点通常是逐步部署和经常搬迁的， 需要新的模式，这些模式是通过实更多的实地调查获得的。我们的方法是利用越来越多

3、的AP访问节点，并使系统自主生成模型参数， 使校准在没有操作员的作用下就能够被控制，因此，管理费更低。AP节点定期 相互地发送样本帧，并将相应的RSSI值报告给WA。这样在一定服务范围内可 以找到最近似于衰减情况的模型参数。无线局域网硬件价格低，可以使服务领域 内 AP 访问节点的地方构造更高一点，却没有明显增加总的拥有成本。校准时， 这样的 AP 访问节点数量越多就会提供更多的有利位置，因此产生更准确的模型 实例。取消了昂贵的实地调查，我们使网络不断的“重新校准”，却不增加管理 成本。更多AP访问节点的安装和环境的动态变化，这些可能会影响信号衰减的 动作发生时，诸如布局的改变或访问人数的突然

4、增加这些情况发生时，系统必须 迅速的作出反应。在这一章中，我们介绍在没有操作员参与的情况下，系统自动找到合适的模 型参数。利用实验网络中的测量数值，表明校准过程中发现的模型参数和发生在 一定范围内的细粒度测量，人工采样所产生的值相近。下一章中的结果也表明， 这种自主的构造几乎没有影响服务的准确性。因此，使用校准期间所发现的参数， 服务可以在可接受的管理开销范围内展开，这是符合我们的目标的，就是要在 没有显著增加管理成本的基础上改善无限局域网的安全。本章其余的安排如下：3.2 节讲述目前很多情况下经常使用的对数路径损耗 模型；3.3 节讲述信号衰减模型建立的主要困难，以及系统是如何处理的。 3.

5、4 节介绍了系统如何找到和一定服务区域最匹配的模型参数，而在第 3.5 节介绍了 异构环境中的校准问题。 3.6 节详细的说明了实验测量的情况，和校准结果。 最后， 3.7 节中我们讨论其他路径损耗模型和有关校准过程的其他方法。3.2 对数距离模型 长途路径损耗模型：=Pro-10ctlog (d) +爲Pro初始信号能量，戊是路径损耗模型指数，Pr(d)信号传输d米距离时的能 量，人是一个带有収零均值和标准差的高斯随机变量For both large-scale path loss and shadowingLarge-scale loss distance between transimi

6、tter and receiverShadowing-Xr,variati on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

7、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

8、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 管对每个节点来说戊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

9、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（戊i,）, AP。然后，同层节点的参数值进行比较。如果出最大值和最小值之间 的差值小于之前定义的最大差值戊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=io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a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

10、），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 节介绍由 APs 节 点自主计算的模型参数，并且将这些参数值和我们在同样服务范围内现场调查所 获得的值进行比较。本节中的一些测量值同样也会被用到第四章和第五张，用来 评价我们的定位系统和验证机制。3.6.1 网络实验

11、在一个标准的办公环境中我们已经部署和评价了系统，将斯坦福大学计算机 楼第四层的A-Wing作为服务区域。如图3.2,服务区域大约有45X24 meters （147X78 ft）,用了混合办公室（大多数面积为3X6m）,较大的实验室（最少 8X4.5m）, 和长的走廊。网络的基础设施包括12个IEEE 802.11b/g APs，这些APs连接到一个专用服务 器上的，该服务器执行WA的角色。那些APs，图3.2也列出了它们的位置，被 安装在天花板（2.5米的高度），大约每90平方米或955ft2 个AP访问节点。 那些 APs 是现成的 Linksys WRT54G 单元（硬件版本 3.0 和

12、 4.0）运行 OpenWrt WhiteRussianrc317, 是一种 Linux 分配系统。我们开发出一种应用程序，它 运行在APs，监视建筑中无线频道所有的传输，向服务器返还信号强度值。3.6.2 数据集第一个数据集由APs传输的校准样本帧组成（我们称之为校准数据集）。我们 按照3.4中描述的步骤用 AP 访问节点来建立模型使之能最接近服务区域里的信 号衰减。在每一次校准过程中，一个 AP 被当做一个发送者，而其他的 APs 则充 当传感器，并反馈每一个所收到的帧的 RSSI 估计值。在校准传输中我们使用平 包以每秒10包的速率发送。因为并非所有的AP访问节点都在彼此的系列中，在 六

13、到四十米的距离内一共产生了 128个元组（距离，RSSI）。我们的AP访问节点 用标准偶极天线（2.2dbi的增益）以18dbm的速率传输。第二个数据集通过现场调查形成的：我们在服务区域人为取样135个位置， 如表3.3 所示（我们称它为调查数据集）那些测量不是用于设置我们的服务，仅 仅用于评估。在每一个位置处，构造了思科340PCMCIA卡的笔记本（传输功率为 15dbm）以每秒10到20包之间的速率传输平包大约一分钟，因为我们的AP访问 节点要跳过三个非重叠的在2.4GHz的802.11频道。客户端用一个ID号来注释 每个传送的包来表明它的当前位置，而范围里的每个AP使用接收过程中的RSS

14、I 水平检测来标记它，然后把它转发给记录了所有的测量流量的定位服务器。在所 有的位置处，所有用于测量的笔记本有相同的方向：它被放在用户的前面，并在 腰部水平，用户如3.3所示面向北面。我们的数据集有两个限制。第一个,我们所有的测量数据是在同一层中收集的， 结果导致我们不能评估介于楼层间单个的信号衰减和对我们的服务的相应的影 响。例如，我们不能比较多楼层建筑里的客户定位的不同方法和从毗邻服务区域 的楼层里安装的攻击的有效性。第二，我们的测量不允许我们过时评估信号衰减 的变化。因此我们不能衡量我们的服务器根据动态的环境而改变的精度，比如在 一个服务域里的人数的增长或者是它们移动模式的改变。3.6.

15、3 标定结果先让我们看下由AP访问节点自主产生的模型参数。结果与以前出版过的数 值是一致的，这些数值中信号衰减的程度比预测的自由空间模型更大一些（a=2.0）用128个样本作为线性回归的输入，找出的最适合于方程3.1的是 a=3.65, =6.59db,如表3.4所示。（我们假定在第一米内自由空间衰减，在回归 时用 Pro=-19.8dBm）我们在表 3.4 中有趣的结果显示接收到的信号强度不能被假定是对称的， Ie., 相同的固定装置（两个 AP 访问节点）用相同的输出功率，产生在每一个方向 上的 RSSI 水平会有很大的不同的。测量中多个 APs 对记录了每个方向不同的过滤信号强度值，有的

16、差异高达 16dBm。还不确切地清楚这些差异是怎么产生的。如果两个方向的测量不是同时 进行的，很有可能是硬件差异和路径损耗随时间而改变的结合。例如，在一个方 向上多余的衰减可能是由于人的移动或大门被关而引起的。图 3.5 说明校准期间的模型参数值很接近我们实地调查所获得的结果值。从 实地调查集中获得过滤后的RSSI值，然后得到的数字最适合长距离模型。我们 用到了所有的APs,这些APs分布于135个抽样地点，每一个抽样地点里都有（总 共是1471个点），并且假设Pro=-25 dBm，因为PCMCIA卡以15dBm发送的。 和校准数据集进行比较，氏衰减的速率有点偏高（用4.05代替3.65），而标准差 实际上降低了（5.64dB代替6.59dB）。我们发现这些结果令人鼓舞的至少有两个原因。首先，尽管APs （校准期间信 号发送者）和用于创建调查数据集的PCMC