stringtranslate.com

Sistema de posicionamiento wifi

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, entre ellas, el bloqueo de la señal y los trayectos múltiples en interiores, o cuando la adquisición de una posición satelital 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 inalámbricos en áreas urbanas. [4]

La técnica más común para el posicionamiento utilizando puntos de acceso inalámbricos se basa en un indicador aproximado de la intensidad de la señal recibida ( indicador de intensidad de 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 los puntos de acceso así identificados. La precisión depende de la precisión 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 (precisas) en la base de datos y las precisiones de esas entradas. La base de datos de ubicación del punto de acceso se llena 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 pueden ocurrir pueden aumentar los errores e imprecisiones en la ruta 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 los rastros de Wi-Fi con otras fuentes de datos como información geográfica y restricciones de tiempo (es decir, geografía del tiempo ). [9]

Motivación y aplicaciones

La localización precisa en interiores es cada vez más importante para los dispositivos basados ​​en Wi-Fi debido al mayor uso de la realidad aumentada , las redes sociales , el control de la atención médica, el seguimiento personal, el control de inventario y otras aplicaciones que reconocen la ubicación en interiores . [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 se han realizado importantes investigaciones en esta área en los últimos 15 años. [5] [7] [14]

Planteamiento del problema y conceptos básicos

El problema de la localización de un dispositivo en interiores basada en Wi‑Fi es determinar la posición de los dispositivos cliente con respecto a los puntos de acceso. Existen muchas técnicas para lograr esto, y pueden clasificarse en función de los cuatro criterios diferentes que utilizan: indicación de la intensidad de la señal recibida ( RSSI ), toma de huellas digitales , 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 cliente de destino y los puntos de acceso, se pueden utilizar algoritmos de trilateración para determinar la posición relativa del dispositivo cliente de destino [11] , utilizando la posición conocida de los puntos de acceso como referencia. Alternativamente, se pueden emplear los ángulos de las señales que llegan a un dispositivo cliente de destino 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]

Técnicas

Intensidad de la señal

Las técnicas de localización RSSI se basan en la medición de la intensidad relativa aproximada de la señal en un dispositivo cliente desde varios puntos de acceso diferentes y, a continuación, en la combinación de 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 denominadas multilateración) para calcular la posición estimada del dispositivo 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 una precisión muy buena (media 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 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 denominada Cisco DNA Spaces . [16]

Muestreo de Monte Carlo

El muestreo de Monte Carlo es una técnica estadística que se utiliza 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 señal inalámbrica mediante un enfoque de trazado de rayos paramétrico y basado en mediciones de dos pasos. Esto tiene en cuenta las características de absorción y reflexión de varios obstáculos en el entorno interior. [17]

Las estimaciones de ubicación se calculan luego utilizando el filtrado bayesiano en conjuntos de muestras derivadas del muestreo de Monte Carlo. Se ha descubierto que este método proporciona buenas estimaciones de ubicación de los usuarios con precisión inferior a la de una habitación utilizando lecturas de indicación de intensidad de señal recibida (RSSI) desde un único punto de acceso. [18]

Toma de huellas dactilares

La toma de huellas dactilares tradicional también se basa en RSSI, pero simplemente se basa en el registro de la intensidad de la señal de varios puntos de acceso dentro del alcance y el almacenamiento de 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 dactilar y la coincidencia más cercana se devuelve como la ubicación estimada del usuario. Estos 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 añadir 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]

Angulo de llegada

Conjunto lineal de antenas que reciben una señal. La diferencia de desfase de la señal recibida que llega a las antenas separadas por una distancia "d" se utiliza para calcular el ángulo de llegada de la señal. [14]

Con la llegada de las interfaces Wi-Fi MIMO, que utilizan múltiples antenas, es posible estimar el AoA de las señales multitrayecto recibidas en los conjuntos de antenas de los puntos de acceso y aplicar triangulación para calcular la ubicación de los dispositivos 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 que hay un conjunto de antenas espaciadas de manera uniforme por una distancia de y que una señal llega al conjunto de antenas a través de trayectorias de propagación, la señal recorre una distancia adicional de para llegar a la segunda antena del conjunto. [14]

Considerando que la trayectoria de propagación -ésima llega con un ángulo 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 desfase que cambia para cada antena debido a la distancia extra 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, la siguiente exponencial compleja se puede utilizar como una representación simplificada de los cambios de fase experimentados por cada antena en función del AoA de la trayectoria 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 se da 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 es el vector de atenuaciones complejas a lo largo de las rutas. [14] OFDM transmite datos sobre 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 tarjetas inalámbricas modernas 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 es la transpuesta conjugada de ) y usando los vectores correspondientes al valor propio cero para calcular los vectores de dirección y la matriz . [14] Luego, los AoA se pueden deducir de esta matriz y usar para estimar la posición del dispositivo cliente a través de la 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 rotatorias. [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 solo tres antenas, y también incorpora localización basada en ToF para mejorar su precisión.

Tiempo de vuelo

Figura que muestra una estación de medición que envía una trama de DATOS a una estación cliente y espera hasta recibir el ACK. es el retraso de programación (desplazamiento) originado en el dispositivo cliente de destino, y depende de cuánto tiempo tarda en programarse el ACK. T_P es el tiempo de propagación de la señal entre el transmisor y el receptor, y generalmente se supone que es el mismo en el camino hacia el destino y de regreso. T_ACK es el tiempo necesario para transmitir la trama ACK. El tiempo de vuelo corresponde a T_MEASURED. Imagen reproducida de [23]

El método de localización por tiempo de vuelo (ToF) toma las marcas de tiempo proporcionadas por las interfaces inalámbricas para calcular el ToF de las señales y luego utiliza 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 ubicación 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 a una velocidad cercana a la 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 cliente y los puntos de acceso. Luego, se puede utilizar una técnica de trilateración para calcular la posición estimada del dispositivo en relación con los puntos de acceso. [24] Los mayores desafíos en el enfoque ToF consisten en abordar problemas de sincronización de reloj, ruido, artefactos de muestreo y efectos de canal de trayectoria múltiple. [24] Algunas técnicas utilizan enfoques matemáticos para eliminar la necesidad de sincronización de reloj. [15]

Más recientemente, el estándar Wi-Fi Round Trip Time ha proporcionado excelentes capacidades de medición de distancia ToF a Wi-Fi.

Preocupaciones sobre la privacidad

Citando las preocupaciones específicas sobre privacidad que surgen de WPS, Google sugirió un enfoque unificado para excluir un punto de acceso en particular de participar en la determinación de la ubicación mediante WPS, supuestamente mediante la opción deliberada de cada propietario de punto de acceso de 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 un método para excluirse de su servicio de ubicación. [27]

Bases de datos de ubicación de redes Wi-Fi públicas

Hay disponibles varias bases de datos de ubicación de Wi-Fi públicas (solo proyectos activos):

Véase también

Referencias

  1. ^ Lindner, Thomas; Fritsch, Lothar; Plank, Kilian; Rannenberg, Kai (2004). Lamersdorf, Winfried; Tschammer, Volker; Amarger, Stéphane (eds.). "Explotación de la cobertura WiFi pública y privada para nuevos modelos de negocio". Building the E-Service Society . IFIP Federación Internacional para el Procesamiento de la Información. 146 . Springer US: 131–148. doi : 10.1007/1-4020-8155-3_8 . ISBN 978-1-4020-8155-2.
  2. ^ Magda Chelly, Nel Samama. Detección de visibilidad en entornos simulados heterogéneos con fines de posicionamiento. IPIN 2010: Conferencia internacional sobre posicionamiento y navegación en interiores, septiembre de 2010, Hoenggerberg, Suiza. ⟨hal-01345039⟩ [1]
  3. ^ Magda Chelly, Nel Samama. Nuevas técnicas para el posicionamiento en interiores, combinando métodos deterministas y de estimación. ENC-GNSS 2009: Conferencia Europea de Navegación - Sistemas Globales de Navegación por Satélite, mayo de 2009, Nápoles, Italia. pp.1 - 12. hal-01367483 [2]
  4. ^ Magda Chelly, Anca Fluerasu, Nel Samama. Un sistema de posicionamiento universal y autónomo basado en la conectividad de redes inalámbricas. ENC 2011: Conferencia Europea de Navegación, noviembre de 2011, Londres, Reino Unido. hal-01302215[3]
  5. ^ abcd P. Bahl y VN Padmanabhan, “RADAR: un sistema de localización y seguimiento de usuarios basado en RF para interiores”, en Actas de la 19.ª Conferencia anual conjunta de las sociedades de informática y comunicaciones del IEEE (INFOCOM '00), vol. 2, págs. 775–784, Tel Aviv, Israel, marzo de 2000.
  6. ^ Y. Chen y H. Kobayashi, “Geolocalización en interiores basada en la intensidad de la señal”, en Actas de la Conferencia Internacional sobre Comunicaciones del IEEE (ICC '02), vol. 1, págs. 436–439, Nueva York, NY, EE. UU., abril–mayo de 2002.
  7. ^ abc Youssef, MA; Agrawala, A.; Shankar, A. Udaya (1 de marzo de 2003). "Determinación de la ubicación de WLAN mediante agrupamiento y distribuciones de probabilidad". Actas de la Primera Conferencia Internacional IEEE sobre Computación y Comunicaciones Pervasivas, 2003. (PerCom 2003) . pp. 143–150. CiteSeerX 10.1.1.13.4478 . doi :10.1109/PERCOM.2003.1192736. ISBN  978-0-7695-1893-0.S2CID2096671  .​
  8. ^ "Sistema de posicionamiento Wi-Fi". Archivado desde el original el 19 de diciembre de 2014. Consultado el 19 de diciembre de 2014 .
  9. ^ Danalet, Antonin; Farooq, Bilal; Bierlaire, Michel (2014). "Un enfoque bayesiano para detectar secuencias de destinos peatonales a partir de firmas WiFi". Transportation Research Part C: Emerging Technologies . 44 : 146–170. Bibcode :2014TRPC...44..146D. doi :10.1016/j.trc.2014.03.015.
  10. ^ abc J. Xiong y K. Jamieson, “Arraytrack: un sistema de localización en interiores de grano fino”, NSDI '13.
  11. ^ abc Yang, Jie; Chen, Yingying (1 de noviembre de 2009). "Localización en interiores mediante métodos de latencia basados ​​en RSS mejorados". GLOBECOM 2009 - Conferencia de telecomunicaciones globales IEEE 2009. págs. 1–6. CiteSeerX 10.1.1.386.4258 . doi :10.1109/GLOCOM.2009.5425237. ISBN  978-1-4244-4148-8.S2CID2125249  .​
  12. ^ Wang, C.; Zheng, X.; Chen, Y.; Yang, J. (septiembre de 2017). "Localización de puntos de acceso no autorizados mediante información de canal de grano fino". IEEE Transactions on Mobile Computing . 16 (9): 2560–2573. doi : 10.1109/TMC.2016.2629473 . ISSN  1558-0660.
  13. ^ "Guía de configuración del sistema de control de red Cisco Prime, versión 1.0 - Capítulo 6: Mapas de monitoreo [dispositivos de la serie Cisco Prime Network Control System]". Cisco . Consultado el 19 de diciembre de 2020 .
  14. ^ abcdefghijklmnopqrs Kotaru, Manikanta; Joshi, Kiran; Bharadia, Dinesh; Katti, Sachin (1 de enero de 2015). "SpotFi". Actas de la Conferencia de la ACM de 2015 sobre el Grupo de Interés Especial en Comunicación de Datos . SIGCOMM '15. Nueva York, NY, EE. UU.: ACM. págs. 269–282. doi :10.1145/2785956.2787487. ISBN 978-1-4503-3542-3.S2CID8728165  .​
  15. ^ ab Youssef, Moustafa; Youssef, Adel; Rieger, Chuck; Shankar, Udaya; Agrawala, Ashok (1 de enero de 2006). "PinPoint". Actas de la cuarta conferencia internacional sobre sistemas, aplicaciones y servicios móviles . MobiSys '06. Nueva York, NY, EE. UU.: ACM. págs. 165–176. doi :10.1145/1134680.1134698. ISBN 978-1595931955.S2CID232045615  .​
  16. ^ "Localización rápida en Cisco" (PDF) . Documentos de Cisco .
  17. ^ Zaruba, GV; Huber, M.; Kamangar, FA; Chlamtac, I. (2004). "Seguimiento de ubicación en el hogar basado en muestreo de Monte Carlo con requisitos mínimos de infraestructura de RF". IEEE Global Telecommunications Conference, 2004. GLOBECOM '04 . Vol. 6. IEEE. págs. 3624–3629. doi :10.1109/GLOCOM.2004.1379045. ISBN . 978-0-7803-8794-2.S2CID6875248  .​
  18. ^ Zàruba, GV; Huber, M.; Kamangar, FA; Chlamtac, I. (abril de 2007). "Seguimiento de la ubicación en interiores mediante lecturas RSSI desde un único punto de acceso Wi-Fi". Redes inalámbricas . 13 (2): 221–235. doi :10.1007/s11276-006-5064-1. ISSN  1022-0038. S2CID  9043157.
  19. ^ Youssef, Moustafa; Agrawala, Ashok (4 de enero de 2007). "El sistema de determinación de la ubicación de Horus". Redes inalámbricas . 14 (3): 357–374. doi :10.1007/s11276-006-0725-7. ISSN  1022-0038. S2CID  62768948.
  20. ^ Wan Mohd Yaakob Wan Bejuri, Mohd Murtadha Mohamad, Maimunah Sapri y Mohd Adly Rosly (2012). Ubiquitous WLAN/Camera Positioning using Inverse Intensity Chromaticity Space-based Feature Detection and Matching: A Preliminary Result (Posicionamiento de cámaras y redes WLAN ubicuas mediante detección y correspondencia de características basadas en el espacio con cromaticidad de intensidad inversa: un resultado preliminar). Conferencia internacional sobre sistemas hombre-máquina 2012 (ICOMMS 2012), Penang, MALASIA. Consulte la publicación aquí o haga clic aquí si el enlace no funciona.
  21. ^ ab Kumar, Swarun; Hamed, Ezzeldin; Katabi, Dina; Erran Li, Li (1 de enero de 2014). "Análisis de radio LTE fácil y accesible". Actas del sexto taller anual sobre conectividad inalámbrica de los estudiantes, por los estudiantes, para los estudiantes . S3 '14. Nueva York, NY, EE. UU.: ACM. págs. 29-30. doi :10.1145/2645884.2645891. hdl :1721.1/100518. ISBN 978-1-4503-3073-2.S2CID53224063  .​
  22. ^ "Herramienta CSI para Linux 802.11n". dhalperi.github.io . Consultado el 10 de noviembre de 2015 .
  23. ^ abc Marcaletti, Andreas; Rea, Maurizio; Giustiniano, Domenico; Lenders, Vincent; Fakhreddine, Aymen (1 de enero de 2014). "Filtrado de mediciones de distancia de tiempo de vuelo ruidosas en 802.11". Actas de la 10.ª conferencia internacional de la ACM sobre experimentos y tecnologías de redes emergentes . CoNEXT '14. Nueva York, NY, EE. UU.: ACM. págs. 13–20. CiteSeerX 10.1.1.673.2243 . doi :10.1145/2674005.2674998. ISBN .  978-1-4503-3279-8.S2CID11871353  .​
  24. ^ abc Lanzisera, S.; Zats, D.; Pister, KSJ (1 de marzo de 2011). "Medición de distancia de tiempo de vuelo por radiofrecuencia para localización de sensores inalámbricos de bajo costo". IEEE Sensors Journal . 11 (3): 837–845. Bibcode :2011ISenJ..11..837L. doi :10.1109/JSEN.2010.2072496. ISSN  1530-437X. S2CID  15835286.
  25. ^ "Blogs de seguridad informática". Revista de seguridad informática . Consultado el 17 de septiembre de 2015 .
  26. ^ Ayuda de Google - Servicios basados ​​en la ubicación: ¿cómo puedo inhabilitarlos? Obtenido el 30 de mayo de 2012
  27. ^ "MLS-Opt-Out". mozilla.com . Consultado el 2 de septiembre de 2014 .
  28. ^ "Servicio de posicionamiento de Combain" . Consultado el 3 de enero de 2019 .
  29. ^ ab "Posicionamiento Wifi | Ubicación Wifi | Identificación Celular - Combain" . Consultado el 3 de enero de 2019 .
  30. ^ "Cobertura de la API de ubicación sin cables" . Consultado el 6 de junio de 2017 .
  31. ^ API, Unwired. "API de ubicación de Unwired Labs: API de geolocalización y API de triangulación móvil, base de datos de torres de telefonía celular". API de ubicación de Unwired Labs: API de geolocalización y triangulación móvil . Consultado el 6 de junio de 2017 .
  32. ^ ab "Mylnikov GEO Wi-Fi" . Consultado el 19 de mayo de 2015 .
  33. ^ "Descarga de la base de datos Wi-Fi Mylnikov GEO" . Consultado el 19 de mayo de 2015 .
  34. ^ "Licencia GEO de Mylnikov" . Consultado el 19 de diciembre de 2014 .
  35. ^ "Base de datos de células móviles Mylnikov GEO" . Consultado el 19 de diciembre de 2014 .
  36. ^ "Sistema de posicionamiento global Navizon". Archivado desde el original el 19 de enero de 2021. Consultado el 21 de junio de 2015 .
  37. ^ "Mapa de cobertura WiFi de Navizon". Archivado desde el original el 22 de junio de 2015. Consultado el 21 de junio de 2015 .
  38. ^ "Radiocells.org". Archivado desde el original el 21 de mayo de 2018. Consultado el 6 de julio de 2018 .
  39. ^ "Descarga de la base de datos de Radiocells.org". Archivado desde el original el 8 de marzo de 2016. Consultado el 6 de julio de 2018 .
  40. ^ "Buscador de puntos de acceso wifi". Archivado desde el original el 8 de febrero de 2016. Consultado el 30 de enero de 2015 .
  41. ^ "Licencia de Radiocells.org". Archivado desde el original el 22 de septiembre de 2019. Consultado el 6 de julio de 2018 .
  42. ^ "Mineteo" . Consultado el 19 de diciembre de 2014 .
  43. ^ ab "Estadísticas de WiGLE". www.wigle.net . Consultado el 24 de diciembre de 2018 .
  44. ^ ab "Mapa de la red inalámbrica WiGLE" . Consultado el 19 de diciembre de 2014 .
  45. ^ "Sobre _nomap y _optout - WiGLE.net". www.wigle.net . Consultado el 15 de septiembre de 2019 .
General