来自 WiFi 数据的位置

Posted 2023-04-14

【中文标题】来自 WiFi 数据的位置

【英文标题】：Location from WiFi Data

【发布时间】：2012-04-10 13:39:03

【问题描述】：

我们正在尝试根据 WiFi 数据确定一个人在哪个房间。以下是我们的数据示例：

1.SSID：无线，BSSID：00:24:6c:61:da:81，能力：[ESS]，级别：-54，频率：2437 2.SSID：无线，BSSID：00:24:6c:61:da:c1，能力：[ESS]，级别：-57，频率：2462 3.SSID：访客，BSSID：00:24:6c:61:da:c0，能力：[ESS]，级别：-58，频率：2462 4.SSID：访客，BSSID：00:24:6c:61:cb:40，能力：[ESS]，级别：-59，频率：2437 5.SSID：无线，BSSID：00:24:6c:61:cb:41，能力：[ESS]，级别：-59，频率：2437

这是从一个时间点的单次扫描中获取的（我只显示了 5 个，但是有 60 个足够接近的接入点可以在单次扫描中出现）。这是我们的问题：

有 3 个房间，房间 A、房间 B 和房间 C，除了房间 B 位于房间 A 和房间 C 之间之外，它们都彼此相邻。房间 A 和房间之间有几个唯一的 AP C，但房间 B 中没有唯一的 AP。

我们尝试使用多类 SVM，类为 Room A、Room B 和 Room C，数据点为（例如）上面的 1、2、3、4 和 5（所以在上面data 有 5 个数据点，每个数据点都有标签 Room A)。我们在每个房间进行了大约 100 次扫描来训练模型（每次扫描包含大约 50 个数据点）。这导致新测试数据的准确性极低。

是否有其他人成功完成此操作或有任何建议？这就是我们用来实现 SVM 的方法：

http://scikit-learn.org/stable/modules/svm.html

谢谢！

【问题讨论】：

我不完全理解你是怎么做的......我所能想到的就是使用对每个路由器的 ping 并尝试使用一些三角函数来弄清楚这个职位，你是这样做的吗？

您如何避免在范围内有 60 个 个接入点的 WiFi 频谱空间完全过饱和？它们不会相互干扰并导致吞吐量大幅下降吗？

【参考方案1】：

这是一个聪明的想法，但我认为您在此处追求精确度和准确性时可能会遇到一些困难，因为它不仅与接入点的距离有关，而且实际上决定信号强度的因素有很多。例如，与大书架或电视相比，房间中的位置可能会比其他信号更强烈地影响其中一个信号。即使您的身体相对于设备的位置也可能会干扰信号。

我建议尝试一些feature selection techniques 和/或其他一些学习算法，这些算法可以更好地磨练数据中的哪些维度为您提供最一致的信息。例如，简单的统计分析可以告诉您来自给定“位置”的每个信号的信号强度的平均值和标准偏差。然后，您可以比较位置的统计信息，并查看您在不同位置的这些信号中是否存在统计学上显着的差异。您可能需要考虑以下测试：

ANOVA (ANalysis Of VAriance) 可以比较多个位置的平均值 T-test 类似于 ANOVA，但仅用于比较位置对

【参考方案2】：

我怀疑在特征提取和超参数调整（使用网格搜索）中需要处理很多细节。请编辑您的问题以包含脚本，以帮助您正确获取这些详细信息。