شبیه سازی انتشار امواج WIFI در ساختمان جهت تعیین بهترین مکان گیرنده

مهندسی مخابرات جنوب

دوره 11، شماره 42، دی 1400، صفحه 15-40   

نوع مقاله: مقاله پژوهشی

نویسندگان

حمیدرضا عطایی¹؛ مژده مهدوی^{* 2}؛ محسن معدنی³

¹1 گروه الکترونیک- واحد شهرقدس- دانشگاه آزاد اسلامی- تهران- ایران

²گروه الکترونیک- واحد شهرقدس- دانشگاه آزاد اسلامی- تهران- ایران

³گروه الکترونیک- واحد شهر قدس- دانشگاه آزاد اسلامی- تهران- ایران

چکیده

با گسترش استفاده از شبکه‌های WIFI، نیاز به بهینه‌سازی محل قرارگیری نقاط دسترسی برای بهبود عملکرد شبکه در ساختمان احساس می‌شود. انتشار امواج در درون ساختمان، یکی از مسایل چالش برانگیز در طراحی شبکه و مکان‌یابی بهینه است. قسمت‌های مختلف ساختمان تاثیرات متفاوتی بر پدیده انتشار امواج در درون ساختمان دارند که از آن جمله می‌توان به تضعیف، محو شدگی، پراکندگی و انتشار چند مسیره امواج نام برد. در این میان قسمت‌های فلزی ساختمان با توجه به ماهیت امواج الکترومغناطیسی، تاثیر بسیاری در پدیده انتشار امواج خواهند داشت. در این مقاله تاثیر قسمت‌های مختلف فلزی ساختمان شامل تیر آهن‌ها و قاب‌های در و پنجره به صورت منفرد و در ابعاد استاندارد، بر انتشار امواج WIFI با استفاده از الگوریتم Ray Tracing و نرم افزار CST مدل‌سازی می‌شود و الگوهای انتشاری برای زوایای تابش و فواصل متفاوت به دست می‌آید. به کمک نرم افزار CST سایر حالت های متنوع دیگر مثل اتاق‌هایی با ابعاد مختلف قابل مدل شدن می‌باشد. در هریک از مراحل با توجه به نتایج حاصله، بهترین مکان برای قرار گیری گیرنده محاسبه می‌شود. نتایج حاصله بیانگر آن است که روش موردنظر قابلیت بهتری را نسبت به روشهای آماری و آنالیز عددی برای تعیین بهترین مکان گیرنده در ساختمان فراهم می‌کند.

کلیدواژه‌ها

انتشار امواج؛ Ray Tracing؛ WIFI؛ نرم افزار CST

مراجع

[1] G. Miao, J. Zander, K. Won Sung and B. Slimane, “Fundamentals of Mobile Data Networks.” Cambridge University Press, ISBN 1107143217, 2016.

[2] N. Sudhakar Reddy, K. Siddappa Naidu, S. Ashok Kumar, “Performance and design of antenna for UWB band applications.”Alexandria Engineering Journal, vol.57, no. 2, pp. 67, 2018.

[3] S. Xia, Y. Liu, G. Yuan, M. Zhu and Z. Wang. “Indoor Fingerprint Positioning Based on Wi-Fi.”  International Journal of Geo-Information, vol.6, no.5, pp. 135, 2017.

[4] A. V. Gureev, Y. I. Shtern, M. Y. Shtern Thurain Tun and I. S. Karavaev.  “Mathematical Simulation of Indoor Wireless Networks.”  Global Journal of Pure and Applied Mathematics. Vol.12, no. 5, pp. 4001, 2016.

[5]Y. Wang, C. Xiu, X. Zhang, and D. Yang. “WiFi Indoor Localization with CSI Fingerprinting-Based Random Forest.” Sensors, vol.18, no.9. 2018.

[6]A.F. Agelet, A. Formella, J.M.H. Rabanos, I.F. de Vicente, and P.F. Fontan. “CST ray-tracing techniques for radio propagation modeling.” IEEE Veh. Technol. Conf., 2000, pp. 2089–2104.

[7]V.Garmash, S.Matveev, Y.Petrov, V.Rogozhin and S.Rudika, “Processing of radar images containing objects with significantly different radar cross-section in the onboard remote sensing complex for search and rescue operations in the Arctic Region.”  ITM Web Conf., 2019, pp.15023.

[8] Y. Zhengqing and I. Magdy. “Ray Tracing for Radio Propagation Modeling: Principles and Applications. Access.”  IEEE transaction Principles and Applications, vol.3, pp.1089, 2015.

[9] S. Ahsan, A. Zeeshan and A. Iftikhar, “Analysis and Measurement of WIFI Signals in Indoor Environment.”  International journal of Advances in Engineering & Technology, vol.6, no 2. pp 678, 2014.

[10] A. V. Gureev, “Abstraction in Simulation of Indoor Wireless Networks.”   Global Journal of Pure and Applied Mathematics vol.12, no. 5, 2016.

[11] A. Alhamoud, M. Kreger, “Empirical investigation of the effect of the door's state on received signal strength ‎in indoor environments at 2.4 GHz.” in IEEE Conference on Local Computer Networks Workshops (LCN Workshops), 2014, pp. 652-657.

[12] A.R Sandeep, Y.Sheryas. “Wireless Network Visualization and Indoor Empirical Propagation Model for a Campus WIFI Network.”  IEEE Antennas and Propagation Society International Symposium, vol.2, pp. 150–153, 2014.

[13] R. Mardeni, Y. Solahuddin. “Path loss model development for indoor signal loss prediction at 2.4 GHz” Microwave and Millimeter Wave Technology (ICMMT), International Conference, 2012, pp1-4.

[14] T.T. Khanh, V. Nguyen, XQ. Pham et al. “Wi-Fi indoor positioning and navigation: a cloudlet-based cloud computing approach.” Hum. Cent. Comput. Inf. Sci. vol.10, no.32, 2020.

[15] S. Garcia-Villalonga and A. Perez-Navarro, “Influence of human absorption of Wi-Fi signal in indoor positioning with Wi-Fi fingerprinting,” International Conference on Indoor Positioning and Indoor Navigation (IPIN), pp. 1-10, 2015.

[16] K. Ullah, I. V. Custodio, N. Shah and E. D. S. Moreira, “An Experimental Study on the Behavior of Received Signal Strength in Indoor Environment,” in International Conference on Frontiers of Information Technology, pp. 259-264, 2013.

[17] L. Zhang, S. Valaee, Y. Xu, L. Ma and, F. Vedadi “Graph-based semisupervised learning for indoor localizationusing crowdsourced data.” Appl. Sci. vol.7, pp. 467, 2017.

[18] Z. Zhang, Z. Tian, M. Zhou, Z. Li, Z. Wu and Y. Jin, “WIPP: Wi-Fi compass for indoor passive positioning with decimeter accuracy.” Appl. Sci. vol.6, pp. 108, 2016.

[19] N. Hernández, M. Ocaña, J. Alonso and E. Kim, “Continuous space estimation: Increasing WiFi-based indoor localization resolution without increasing the site-survey effort.”  Sensors, vol.17,no.1, pp. 147, 2017.

[20] L. Zheng, B. Hu, H. A, Chen,” high accuracy time-reversal based WiFi indoor localization approach with asingle antenna” Sensors, vol.18, no.10, pp. 3437, 2018.

[21] C. Zhenghua, H. Zou, J. Yang, H. Jiang, and Lihua Xie. “WiFi fingerprinting indoor localization using local feature-based deep LSTM.” IEEE Systems Journal, vol.14, no. 2, pp.3001-3010, 2019.

[22] Y. S. Chen, F. P. Lai and J. W. You, “Analysis of Antenna Radiation Characteristics Using a Hybrid Ray Tracing Algorithm for Indoor WiFi Energy-Harvesting Rectennas,” in IEEE Access ,vol.7, pp. 38833-38846, 2019.