了解ibeacon距离

试图掌握一个基本概念，即与ibeacon（信标/蓝牙低功耗/ BLE）相隔如何工作。是否有关于ibeacon可以精确测量到多少的真实文档。可以说我在300英尺外...易北门有可能检测到这一点吗？

专门针对v4＆。v5和iOS，但通常是任何BLE设备。

蓝牙频率和吞吐量如何影响这一点？信标设备能否增强或限制距离/改善底层BLE？

即

               | Range       | Freq       | T/sec      | Topo       |      
               |–—–––––––––––|–—––––––––––|–—––––––––––|–—––––––––––|
Bluetooth v2.1 | Up to 100 m | < 2.481ghz | < 2.1mbit  | scatternet |
               |-------------|------------|------------|------------|
Bluetooth v4   |     ?       | < 2.481ghz | < 305kbit  | mesh       |
               |-------------|------------|------------|------------|
Bluetooth v5   |     ?       | < 2.481ghz | < 1306kbit | mesh       |

iOS提供的距离估算是基于信标信号强度（rssi）与已校准的发射机功率（txPower）的比值。txPower是已知的在1米外的rssi中测得的信号强度。必须使用此txPower值校准每个信标，以进行准确的距离估计。

虽然距离估算值很有用，但它们并不是完美的，需要您控制其他变量。 滥用此功能之前，请务必先阅读其复杂性和局限性。

在构建Android iBeacon库时，由于iOS CoreLocation源代码不可用，我们不得不提出自己的独立算法。我们在已知距离处测量了一堆rssi测量值，然后绘制了一条最佳拟合曲线以匹配我们的数据点。我们提出的算法显示为Java代码。

请注意，此处的“准确性”一词是iOS表示的距离（以米为单位）。这个公式并不完美，但大致可以与iOS的效果近似。

protected static double calculateAccuracy(int txPower, double rssi) {
  if (rssi == 0) {
    return -1.0; // if we cannot determine accuracy, return -1.
  }

  double ratio = rssi*1.0/txPower;
  if (ratio < 1.0) {
    return Math.pow(ratio,10);
  }
  else {
    double accuracy =  (0.89976)*Math.pow(ratio,7.7095) + 0.111;    
    return accuracy;
  }
}   

注意：值0.89976、7.7095和0.111是在求解与我们测得的数据点的最佳拟合曲线时计算出的三个常数。青年汽车

我正在非常彻底地调查iBeacons的准确性/ rssi /邻近性问题，我确实真的认为Internet上的所有资源（博客，StackOverflow中的帖子）都会出错。

davidgyoung（接受的答案，> 100赞）说：

请注意，此处的“准确性”一词是iOS表示的距离（以米为单位）。

实际上，大多数人都这么说，但我不知道为什么！文档非常清楚地表明CLBeacon.proximity：

表示以米为单位的一个西格玛水平精度。使用此属性可以区分具有相同接近度值的信标。不要使用它来标识信标的精确位置。精度值可能会由于RF干扰而波动。

让我重复一遍：以米为单位的一个西格玛精度。google上有关该主题的所有10个顶级页面仅在文档中引用了“一个西格玛”一词，但是没有一个分析该词，这是理解这一点的核心。

重要的是要说明什么实际上是一个西格玛精度。以下网址入手：http://en.wikipedia.org/wiki/Standard_error，http://en.wikipedia.org/wiki/Uncertainty

在物理世界中，进行一些测量时，总是会得到不同的结果（由于噪声，失真等原因），并且结果往往来自高斯分布。有两个描述高斯曲线的主要参数：

1. 平均值（这很容易理解，它是曲线出现的峰值的值）。
2. 标准偏差，表示曲线的宽度或宽度。曲线越窄，精度越高，因为所有结果彼此接近。如果曲线宽且不陡峭，则意味着对同一现象的测量结果彼此之间有很大差异，因此测量结果质量较差。

一个sigma是描述高斯曲线的窄/宽的另一种方式。
它只是说如果测量的平均值是X，一个sigma是σ，则所有测量的68％将在X - σ和之间X + σ。

例。我们测量距离并得到高斯分布。平均为10m。如果σ为4m，则意味着68％的测量值在6m和14m之间。

当我们用信标测量距离时，我们得到RSSI和1米校准值，这使我们能够以米为单位测量距离。但是每次测量都给出不同的值，这些值形成高斯曲线。和一个西格马（和精确度）是测量，没有距离的准确性！

这可能会引起误解，因为当我们将信标移到更远的地方时，实际上一个sigma会增加，因为信号会变差。但是使用不同的信标功率电平，我们可以得到完全不同的精度值，而无需实际更改距离。功率越高，误差越小。

有一篇博客文章彻底分析了此问题：http : //blog.shinetech.com/2014/02/17/the-beacon-experiments-low-energy-bluetooth-devices-in-action/

作者有一个假设，准确性实际上就是距离。他声称Kontakt.io的信标是错误的，因为他将功率提高到最大值，准确度在1、5甚至15米处很小。在增加功率之前，精度非常接近距离值。我个人认为这是正确的，因为功率水平越高，干扰的影响就越小。奇怪的是，为什么Estimote信标不以这种方式表现。

我并不是说我100％正确，但是除了作为iOS开发人员之外，我还拥有无线电子学学位，并且我认为我们不应该忽略文档中的“一个西格玛”一词，我想开始对此进行讨论。

Apple的准确性算法可能只是收集最近的测量值并分析它们的高斯分布。这就是它设置准确性的方式。我不会排除他们使用信息形式的加速度计来检测用户是否在移动（以及移动速度）以重置先前的分配距离值的可能性，因为它们肯定已经改变了。

iBeacon的输出功率在1米的距离处进行测量（校准）。让我们假设这是-59 dBm（仅作为示例）。iBeacon会将这个数字作为其LE广告的一部分。

监听设备（iPhone等）将测量设备的RSSI。例如，假设这是-72 dBm。

由于这些数字的单位是dBm，因此功率之比实际上就是dB的差。所以：

ratio_dB = txCalibratedPower - RSSI

为了将其转换为线性比率，我们使用dB的标准公式：

ratio_linear = 10 ^ (ratio_dB / 10)

如果我们假设能量守恒，那么信号强度必须下降为1 / r ^ 2。所以：

power = power_at_1_meter / r^2。求解r，我们得到：

r = sqrt(ratio_linear)

在Javascript中，代码如下所示：

function getRange(txCalibratedPower, rssi) {
    var ratio_db = txCalibratedPower - rssi;
    var ratio_linear = Math.pow(10, ratio_db / 10);

    var r = Math.sqrt(ratio_linear);
    return r;
}

请注意，如果您在钢结构建筑内，则可能会有内部反射，使信号衰减慢于1 / r ^ 2。如果信号通过人体（水），则信号将被衰减。天线很可能在所有方向上的增益都不相等。房间中的金属物体可能会产生奇怪的干扰图案。等等，等等... YMMV。

iBeacon使用低功耗蓝牙（LE）来了解位置，并且蓝牙LE的距离/范围为160英尺（http://en.wikipedia.org/wiki/Bluetooth_low_energy）。

根据信号路径衰减，通过将测得的接收信号强度与要求的发射功率进行比较，计算得出的信号路径衰减，可以估算到iBeacon格式的广告数据包到源的距离，该发射器应该在广告数据中进行编码。

像这样的基于路径损耗的方案仅是近似的，并且会随天线角度，居间物体以及可能有噪声的RF环境等因素而发生变化。相比之下，真正为距离测量而设计的系统（GPS，雷达等）依赖于传播时间的精确测量，在相同情况下甚至可以检查信号的相位。

正如贾茹指出的那样，160英尺可能超出了预期范围，但这并不一定意味着一个数据包永远不会通过，只是一个人不应该期望它能在该距离下工作。

这是可能的，但这取决于您接收到的信标的功率输出，附近的其他射频源，障碍物和其他环境因素。最好的办法是在您感兴趣的环境中尝试一下。

在同一位置使用多个电话和信标时，将很难以任何高度的精度来测量距离。尝试使用Android“ b和l蓝牙le扫描仪”应用程序来可视化多个信标的信号强度（距离）变化，您会很快发现，可能需要复杂的自适应算法来提供任何形式的一致的接近度测量。

您将看到很多解决方案，只是指示用户“请在这里握住您的手机”，以减少客户的沮丧感。