众所周知，您距离Wi-Fi网络点越远，通过Wi-Fi进行网络连接的速度就越慢。但是为什么会这样呢？无线电信号基本上以光速传播，因此，仅从信号传播起，距离就不应成为任何合理范围（千公里/英里）的因素。

我的理论是，每当发送网络数据包时，都有可能不会到达该位置，或者将出现损坏的数据，或者将以错误的顺序到达，并且这种可能性会随着距离的增加而增加，从而迫使TCP导致数据包被发送和重新发送。此发送和重新发送过程确实需要花费可量化的时间。单个数据包不会提供任何明显的延迟，这还不够，但是如果需要重发三个数据包中的一个，然后将所有数据包以正确的顺序放回另一端，则将花费额外的时间。但这只是我的理论。真正的答案是什么？

说明

因此，光速（实际上）与它无关，您是对的。

WiFi根据两个站点之间的链接质量选择传输模式。链路越差，传输就需要越鲁棒。一种恶化的方法是链路更长，这意味着更少的信号能量到达接收端，这意味着接收器固有的噪声与接收到的信号之间的比率变差。通常以SNR（信噪比）来衡量。因此，这就是距离直接进入距离的方式。

为了使传输更可靠，WiFi（IEEE802.11 a / g / n / ac ...）可以做以下事情：

1. 使用不太精细的调制。如果您以前处理过数字无线通信，则可能听说过通过使用一组符号中的一个来调制载波来传输信息，这些符号基本上只是复数。符号集越大，传输的每个符号可以传输的位越多，但是这些符号之间的距离也越近。距离越近意味着您需要的噪声功率就越少，从而意外地以其他符号结尾。因此，如果您的速度需要很高，通常会尝试使用具有很多符号的星座，但是与接收功率相比，您只能忍受很少的噪声，即您需要高SNR。
2. 无线链路（通常是所有非平凡的数据链路）采用了我们称为信道编码的东西，尤其是前向纠错：基本上是在为您的数据增加冗余（例如，以重复两次相同数据的形式，或者通过添加校验和，或通过许多其他方式）。如果您要巧妙地设计通道代码和解码器，那么更多的冗余意味着您可以纠正许多错误。冗余度越高，纠错就越多。当然，这样做的缺点是，您不必传输更多的“有趣”数据，而不得不传输这种冗余。因此，如果您使用添加两倍于原始数据量的通道代码作为冗余来处理许多错误（请参阅1.），那么您只能将物理比特率的1/3用于实际有效负载位。

---

高级评论

众所周知，您距离Wi-Fi网络点越远，通过Wi-Fi进行网络连接的速度就越慢。

像往常一样，常识是过于简单化。如上所述，总体趋势是正确的，距离越远，功率越小。

多路径通道意味着事情不会随距离单调下坡

但是：WiFi通常在室内使用。在这些设置中，我们称之为强多路径方案。这意味着，由于墙壁，家具上的反射以及周围环境中发生的事情，您可能会获得不同类型的信号自干扰。这可能意味着，尽管您距离发射器较近，但是接收器可能看不到任何东西，因为两条路径恰好相差一半波长，并且相互抵消。

因此，对于典型的室内多径路径，通常不能说“越远越差”。通常通常不那么容易。我们称这种现象为衰落（在这种情况下，可能是小规模衰落）。

通道多样性提高鲁棒性

然后：更现代的WiFi标准支持MIMO（多输入，多输出），这基本上意味着您在链路的每一端都有多个天线。这个想法是，从发射天线1到接收天线1（让我们称1-> 1），与从发射天线2到接收天线1的信道实现（很有可能是随机的！） 2-> 1），1-> 2和2-> 2，依此类推。

这些物理上不同的信道可以帮助解决上面提到的衰落问题。尽管多路径通道1-> 1可能会因取消自身而受到严重伤害，但1-> 2可能仍然可以。您的平均“故障概率”随着天线数量的增加而下降。真好！这意味着我们的信道越不相关（即，一个信道发生故障的可能性越小，意味着其他信道也将是不良的），我们的传输就越好。

这也意味着“非常接近”并不是天生的“非常好”，因为这也意味着不同的天线看到的通道实现几乎相同，因此您不会得到“ nah”的“安全性”，所有渠道都不可能同时坏掉”。

利用MIMO获得乐趣和利润（以及更高的价格）

此外，如果您在数学上对此很聪明，则可以找到发射天线和接收天线j之间的信道的数学描述，我们将其表示为h i ，j，然后简单地从这些信道中构建矩阵H表示形式，行号表示我们正在谈论的是哪个发射天线，列号表示我们正在讨论的是哪个接收天线。$i$$j$$\mathbf h_{i,j}$$\mathbf H$

为了查看当我们在不同的发射天线上发送不同的信号时，在接收天线上接收到的信号，我们继续将包含所有这些信号的行向量与信道矩阵H相乘：$\mathbf s$$\mathbf H$

$$\mathbf r = \mathbf s \mathbf H\text.\tag 1$$

问题是我们可能希望在发送和接收之间有很多完全独立的信道，即，使得我们在一根天线上发送到一个天线上的信道对所有其他天线对都没有影响。然后，我们可以并行发送多个数据流。这将使我们的传输速度大大提高！

可悲的是，上面的等式表明我们必须以某种方式权衡并加总所有发射信号才能获得每个天线的接收信号。嗯，难过。

现在，有了这个方程式，我们内部的数学家告诉我们，如果可以做到，那么我们将转换为其他矩阵Λ，则实际上可能具有独立的通道。$\mathbf H$$\mathbf \Lambda$

如果为对角线形状（即全为零），但对于其对角线条目，则可行。快乐的事实是我们实际上可以做到！有一种数学方法可以使我们$\mathbf \Lambda$

$$\mathbf H = \mathbf{U\Lambda V^*}\tag 2$$

与是对角; 这是奇异值分解（SVD）。因此，我们可以将（1 ）重写为$\mathbf \Lambda$$(1)$

$$\mathbf r = \mathbf{sU\Lambda V^*}\text.\tag 3$$

$\mathbf H$$\mathbf V$$\mathbf V$$\mathbf {V^*V}=\mathbf I$

$$\begin{align} \mathbf {rV} &= \mathbf{sHV}\tag 4\\ &=\mathbf{sU\Lambda V^*V}\tag 5\\ &=\mathbf{sU\Lambda I}\tag 6\\ &=\mathbf{sU\Lambda}\tag 7\\ \end{align}$$

$(7)$

$\mathbf V$$\mathbf s$$\mathbf U$$\min($$)$

因此，该算法变得非常简单：

1. $\mathbf H$
2. $\mathbf H$$\mathbf{U\Lambda V^*}$
3. $\mathbf s$$\mathbf U$
4. $\mathbf r$$\mathbf V$

---

这只有在SVD给出良好结果的情况下才有效，并且只有在物理天线对信道足够独立时才会发生。这意味着对于MIMO，近距离意味着您实际上可能比中等距离的传输甚至更少，因为距离意味着途中会有更多不同的随机反射器。（经过一段距离后，路径损耗效应起主导作用，并且您总是会变得更糟。）

问题不在于从发射器（路由器）到接收器（您的笔记本电脑）所花费的时间（在您说几米之内可以忽略不计），而是随着距离而到达的功率。

看一看弗里斯公式。

网络吞吐量是通过通信通道成功传递消息的速率。接收到的功率越少，未正确接收到消息的机会就越高。

此处需要考虑噪音。

距离与频率的基本损耗主要是载波f的孔径面积大小，与波长的平方成正比。因此，较低频率的路径损耗较小，这是Friis损耗中的主要术语。

第二个最普遍的问题是天线的方向和辐射方向图上的损耗，但这与频率的关系较小，但1/4波谐振器和偶极子的环形图则更是如此。最小信号或空模式从天线的末端向下看。

某些建筑材料中的导电和电介质可以使信号在整个地方反射。然而，对于B类信号，在<-80dBm的边缘信号电平中的水稻衰落损耗，这也是一个问题，并且在此之上开始成为问题。没有水的地面反射的视线是微波的最佳传输路径。但是，对于甚高频和更低的频率，大量的水和电离层充当反射器以增强信号范围。但是对于更高的频率，反射会导致信号失真更多，并导致Ricean Fading误差。

每个频带都有其自己的错误阈值，并且由于SNR，噪声带宽与BER的香农定律，使用20MHz或40MHz的宽带高速WiFi具有较高的阈值。最佳阈值通常是最低数据速率，但取决于设计。在Windows中，我始终将WiFi芯片选项锁定为11Mbps，以使边缘信号电平的吞吐量比自动模式更高，这是因为即使路径周围的人为运动也可能导致数据包丢失和更高的数据速率（例如54MBps或更高）下的隐藏重试。香农定律再次从莱斯衰落效应和基本弗里斯损失效应中应用。

在自动模式下，当丢包率过高时，WiFi芯片将始终尝试通过移动调制解调器自动降低数据速率。首先，它可能尝试重新训练接收机以实现群时延均衡。如果错误率太高，则协商较低的数据率。这是根据香农定律得出的。但是请记住，这些回声和莱斯衰落会影响这种群时延均衡，并且会在建筑物中低信号水平回声的地方移动Wifi天线力进行再训练。载波回波强度变化的结果是使解调信号中的眼图失真。

我的经验告诉我，您的端点在移动路由器和WiFi路由器之间的距离越远，反射的机会就越大，反射被抵消的机会就越多，并且丢失的机会也就越多。这被称为莱斯衰落（Rice Fading），是我测试结果中低于-75dBm边缘场水平数据包丢失的最常见原因。

下面关于net和dlink-guest的信号来自楼上的PC，塔上装有WiFi加密狗，楼下的大功率Dlink路由器则放在抽屉里。在路由器中移动天线会导致其改变信号电平和切换通道，并从网络更改为访客，而用户不会意识到暂时失去连接性。