El sistema de posicionamiento Wi-Fi ( WPS , WiPS o WFPS ) es un sistema de geolocalización que utiliza las características de los puntos de acceso Wi-Fi cercanos para descubrir dónde se encuentra un dispositivo. [1]
Se utiliza cuando la navegación por satélite , como el GPS, es inadecuada debido a diversas causas, incluidas rutas múltiples y bloqueo de señal en interiores, o cuando adquirir una señal de satélite llevaría demasiado tiempo. [2] Dichos sistemas incluyen GPS asistido, servicios de posicionamiento urbano a través de bases de datos de puntos de acceso y sistemas de posicionamiento en interiores . [3] El posicionamiento Wi-Fi aprovecha el rápido crecimiento a principios del siglo XXI de los puntos de acceso inalámbrico en áreas urbanas. [4]
La técnica más común para el posicionamiento utilizando puntos de acceso inalámbricos se basa en un proxy aproximado de la intensidad de la señal recibida ( indicación de intensidad de la señal recibida , o RSSI ) y el método de "huella digital". [5] [6] [7] Normalmente, un punto de acceso inalámbrico se identifica por su SSID y dirección MAC , y estos datos se comparan con una base de datos de supuestas ubicaciones de puntos de acceso así identificados. La precisión depende de la exactitud de la base de datos (por ejemplo, si un punto de acceso se ha movido, su entrada es inexacta), y la precisión depende del número de puntos de acceso cercanos descubiertos con entradas (exactas) en la base de datos y las precisiones de esas entradas. La base de datos de ubicación del punto de acceso se completa correlacionando los datos de ubicación del dispositivo móvil (determinados por otros sistemas, como Galileo o GPS) con las direcciones MAC del punto de acceso Wi-Fi. [8] Las posibles fluctuaciones de señal que puedan ocurrir pueden aumentar los errores e imprecisiones en la trayectoria del usuario. Para minimizar las fluctuaciones en la señal recibida, existen ciertas técnicas que se pueden aplicar para filtrar el ruido.
En el caso de baja precisión, se han propuesto algunas técnicas para fusionar las trazas de Wi-Fi con otras fuentes de datos, como información geográfica y limitaciones de tiempo (es decir, geografía temporal ). [9]
La localización interior precisa es cada vez más importante para los dispositivos basados en Wi-Fi debido al mayor uso de la realidad aumentada , las redes sociales , la monitorización de la atención sanitaria, el seguimiento personal, el control de inventario y otras aplicaciones interiores con reconocimiento de la ubicación . [10] [11]
En seguridad inalámbrica , es un método importante utilizado para localizar y mapear puntos de acceso no autorizados . [12] [13]
La popularidad y el bajo precio de las tarjetas de interfaz de red Wi-Fi son un incentivo atractivo para utilizar Wi-Fi como base para un sistema de localización y en los últimos 15 años se han realizado importantes investigaciones en esta área. [5] [7] [14]
El problema de la localización de un dispositivo en interiores mediante Wi-Fi es el de determinar la posición de los dispositivos cliente con respecto a los puntos de acceso. Existen muchas técnicas para lograr esto, y pueden clasificarse según los cuatro criterios diferentes que utilizan: indicación de intensidad de la señal recibida ( RSSI ), toma de huellas dactilares , ángulo de llegada ( AoA ) y tiempo de vuelo ( ToF ). [14] [15]
En la mayoría de los casos, el primer paso para determinar la posición de un dispositivo es determinar la distancia entre el dispositivo cliente de destino y algunos puntos de acceso. Con las distancias conocidas entre el dispositivo objetivo y los puntos de acceso, se pueden usar algoritmos de trilateración para determinar la posición relativa del dispositivo objetivo, [11] utilizando la posición conocida de los puntos de acceso como referencia. Alternativamente, los ángulos de las señales que llegan a un dispositivo cliente objetivo se pueden emplear para determinar la ubicación del dispositivo basándose en algoritmos de triangulación . [14]
Se puede utilizar una combinación de estas técnicas para mejorar la precisión de un sistema. [14]
Las técnicas de localización RSSI se basan en medir la intensidad relativa aproximada de la señal en un dispositivo cliente desde varios puntos de acceso diferentes y luego combinar esta información con un modelo de propagación para determinar la distancia entre el dispositivo cliente y los puntos de acceso. Se pueden utilizar técnicas de trilateración (a veces denominada multilateración) para calcular la posición estimada del dispositivo del cliente en relación con la posición esperada de los puntos de acceso. [11] [14]
Aunque es uno de los métodos más baratos y fáciles de implementar, su desventaja es que no proporciona muy buena precisión (mediana de 2 a 4 m), porque las mediciones RSSI tienden a fluctuar según los cambios en el entorno o el desvanecimiento por trayectos múltiples . [5]
Cisco Systems utiliza RSSI para localizar dispositivos a través de sus puntos de acceso. Los puntos de acceso recopilan los datos de ubicación y actualizan la ubicación en la nube de Cisco llamada Cisco DNA Spaces . [16]
El muestreo de Monte Carlo es una técnica estadística utilizada en el mapeo de Wi-Fi en interiores para estimar la ubicación de los nodos inalámbricos. El proceso implica la creación de mapas de intensidad de la señal inalámbrica utilizando un enfoque de trazado de rayos paramétrico y basado en mediciones de dos pasos. Esto explica las características de absorción y reflexión de diversos obstáculos en el ambiente interior. [17]
Luego, las estimaciones de ubicación se calculan mediante filtrado bayesiano en conjuntos de muestras derivados del muestreo de Monte Carlo. Se ha descubierto que este método proporciona buenas estimaciones de ubicación de los usuarios con precisión inferior a la habitación utilizando lecturas de indicación de intensidad de la señal recibida (RSSI) desde un único punto de acceso. [18]
La toma de huellas dactilares tradicional también se basa en RSSI, pero simplemente se basa en registrar la intensidad de la señal desde varios puntos de acceso dentro del alcance y almacenar esta información en una base de datos junto con las coordenadas conocidas del dispositivo cliente en una fase fuera de línea. Esta información puede ser determinista [5] o probabilística. [7] Durante la fase de seguimiento en línea, el vector RSSI actual en una ubicación desconocida se compara con los almacenados en la huella digital y la coincidencia más cercana se devuelve como la ubicación estimada del usuario. Dichos sistemas pueden proporcionar una precisión media de 0,6 m y una precisión de cola de 1,3 m. [14] [19]
Su principal desventaja es que cualquier cambio en el entorno, como agregar o quitar muebles o edificios, puede cambiar la "huella" que corresponde a cada ubicación, lo que requiere una actualización de la base de datos de huellas dactilares. Sin embargo, se puede utilizar la integración con otros sensores, como cámaras, para hacer frente a un entorno cambiante. [20]
Con la llegada de las interfaces MIMO Wi-Fi, que utilizan múltiples antenas, es posible estimar el AoA de las señales multitrayecto recibidas en los conjuntos de antenas en los puntos de acceso y aplicar triangulación para calcular la ubicación de los dispositivos del cliente. SpotFi, [14] ArrayTrack [10] y LTEye [21] son soluciones propuestas que emplean este tipo de técnica.
El cálculo típico del AoA se realiza con el algoritmo MUSIC . Suponiendo un conjunto de antenas equiespaciadas por una distancia de y una señal que llega al conjunto de antenas a través de rutas de propagación, la señal recorre una distancia adicional de para llegar a la segunda antena del conjunto. [14]
Considerando que el -ésimo camino de propagación llega con un ángulo con respecto a la normal del conjunto de antenas del punto de acceso, es la atenuación experimentada en cualquier antena del conjunto. La atenuación es la misma en todas las antenas, excepto por un cambio de fase que cambia para cada antena debido a la distancia adicional recorrida por la señal. Esto significa que la señal llega con una fase adicional de
en la segunda antena y
en la -ésima antena. [14]
Por lo tanto, se puede utilizar la siguiente exponencial compleja como una representación simplificada de los cambios de fase experimentados por cada antena en función del AoA de la ruta de propagación: [14]
El AoA puede entonces expresarse como el vector de señales recibidas debido a la -ésima ruta de propagación, donde es el vector de dirección y viene dado por: [14] Hay un vector de dirección para cada ruta de propagación, y la matriz de dirección (de dimensiones ) se define entonces como: [14] y el vector de señal recibida es: [14] donde está el vector de atenuaciones complejas a lo largo de los caminos. [14] OFDM transmite datos a través de múltiples subportadoras diferentes, por lo que las señales recibidas medidas correspondientes a cada subportadora forman la matriz expresada como: [14] La matriz está dada por la matriz de información del estado del canal ( CSI ) que se puede extraer de las fuentes modernas. tarjetas inalámbricas con herramientas especiales como la herramienta Linux 802.11n CSI. [22]
Aquí es donde se aplica el algoritmo MUSIC , primero calculando los vectores propios de (donde está la transpuesta conjugada de ) y utilizando los vectores correspondientes al valor propio cero para calcular los vectores de dirección y la matriz . [14] Los AoA pueden luego deducirse de esta matriz y usarse para estimar la posición del dispositivo cliente mediante triangulación .
Aunque esta técnica suele ser más precisa que otras, puede requerir hardware especial para su implementación, como un conjunto de seis a ocho antenas [10] o antenas giratorias. [21] SpotFi [14] propone el uso de un algoritmo de superresolución que aprovecha el número de medidas tomadas por cada una de las antenas de las tarjetas Wi-Fi con sólo tres antenas, y además incorpora localización basada en ToF para mejorar su precisión. .
El enfoque de localización del tiempo de vuelo (ToF) toma marcas de tiempo proporcionadas por las interfaces inalámbricas para calcular el ToF de las señales y luego usa esta información para estimar la distancia y la posición relativa de un dispositivo cliente con respecto a los puntos de acceso. La granularidad de dichas mediciones de tiempo es del orden de nanosegundos y los sistemas que utilizan esta técnica han informado errores de localización del orden de 2 m. [14] Las aplicaciones típicas de esta tecnología son el etiquetado y la localización de activos en edificios, para lo cual la precisión a nivel de habitación (~3 m) suele ser suficiente. [24]
Las mediciones de tiempo tomadas en las interfaces inalámbricas se basan en el hecho de que las ondas de RF viajan cerca de la velocidad de la luz, que permanece casi constante en la mayoría de los medios de propagación en ambientes interiores. Por lo tanto, la velocidad de propagación de la señal (y en consecuencia el ToF) no se ve tan afectada por el entorno como las mediciones RSSI. [23]
A diferencia de las técnicas de eco tradicionales basadas en ToF, como las utilizadas en los sistemas RADAR , las técnicas de eco Wi-Fi utilizan datos regulares y marcos de comunicación de reconocimiento para medir el ToF. [23]
Al igual que en el enfoque RSSI, el ToF se utiliza únicamente para estimar la distancia entre el dispositivo del cliente y los puntos de acceso. Luego se puede utilizar una técnica de trilateración para calcular la posición estimada del dispositivo con respecto a los puntos de acceso. [24] Los mayores desafíos en el enfoque ToF consisten en lidiar con problemas de sincronización del reloj, ruido, artefactos de muestreo y efectos de canales multitrayecto. [24] Algunas técnicas utilizan enfoques matemáticos para eliminar la necesidad de sincronización del reloj. [15]
Más recientemente, el estándar Wi-Fi Round Trip Time ha proporcionado excelentes capacidades de rango ToF para Wi-Fi.
Citando las preocupaciones de privacidad específicas que surgen de WPS, Google sugirió un enfoque unificado para excluir un punto de acceso particular de participar en la determinación de la ubicación usando WPS, supuestamente por cada propietario de punto de acceso que deliberadamente opta por excluir cada punto de acceso. [25] Agregar "_nomap" al SSID de un punto de acceso inalámbrico lo excluye de la base de datos WPS de Google. [26] Mozilla respeta _nomap como método para optar por no participar en su servicio de ubicación. [27]
Hay disponibles varias bases de datos de ubicaciones de Wi-Fi públicas (solo proyectos activos):