2、WiFi定位基础：从信号到位置
做定位这行，WiFi 是绕不开的基础。我最早接触室内定位时，第一个项目就是拿 WiFi 练手。说实话，那时候觉得挺简单——不就是测个信号强度嘛。后来踩了不少坑，才明白这里面的门道有多深。
这一节，咱们把 WiFi 定位的底子打扎实。从信号特性讲起，再到两种主流定位原理，最后聊聊为什么 WiFi 定位精度上不去。
2.1 WiFi 信号特性：RSSI 与 CSI
WiFi 信号在空气中传播，会衰减、反射、绕射。我们能拿到的原始信息，主要有两种：RSSI 和 CSI。
2.1.1 RSSI——信号强度指示
RSSI，全称 Received Signal Strength Indicator。说白了，就是接收端感受到的信号强弱。数值越大，信号越强。
大部分 WiFi 芯片都直接提供 RSSI。你手机连 WiFi 时看到的信号格数，底层就是 RSSI 映射出来的。
RSSI 的特点：
- 容易获取——几乎所有 WiFi 设备都支持
- 粗粒度——通常只有 0~100 左右的整数值
- 波动大——人体遮挡、开门关门，都能让 RSSI 跳几个 dB
- 多径敏感——它反映的是多条路径叠加后的总能量，分不清哪条是直射
我在项目中遇到过最头疼的事：同一个位置，上午测的 RSSI 和下午测的能差 10 个 dB。后来才发现，是隔壁工位的人来了又走了，改变了环境。嗯，这就是 RSSI 的「软肋」。
2.1.2 CSI——信道状态信息
CSI 比 RSSI 精细得多。它描述的是信号在每条子载波上的幅度和相位。802.11n 以后，WiFi 用 OFDM 调制，一个信道分成几十个甚至上百个子载波。CSI 就是每个子载波的「体检报告」。
你想想看，RSSI 只是一个数字，CSI 却是一组复数数组。信息量完全不在一个量级。
| 对比项 | RSSI | CSI |
|---|---|---|
| 信息粒度 | 一个粗值 | 多子载波的幅度+相位 |
| 多径分辨 | 无法分辨 | 可分辨多径成分 |
| 获取难度 | 简单，API 直接读 | 需要专用驱动/硬件 |
| 稳定性 | 差，波动大 | 相对稳定 |
| 应用场景 | 粗定位、指纹库 | 精细定位、人体感知 |
我的建议：如果只是做区域级定位（比如判断人在哪个房间），RSSI 够用了。但要做米级甚至亚米级定位，CSI 是更好的选择。不过 CSI 的获取门槛高，Intel 5300、Atheros 9k 系列网卡是早期常用的实验平台。
2.2 三角定位原理
三角定位，也叫几何定位。思路很直接：已知几个 AP 的位置，测出终端到每个 AP 的距离，然后画圆求交点。
距离怎么测？用信号传播模型。自由空间里，信号强度随距离增加而衰减。公式长这样：
RSSI(d) = RSSI(d₀) - 10·n·log₁₀(d/d₀) + X其中 n 是路径损耗指数（室内通常 2~4），X 是随机噪声。知道 RSSI，就能反推出距离 d。
但这里有个大坑——室内环境根本不是自由空间。信号穿墙、绕人、反射，路径损耗模型很难准确。我做过一次实验：同一个 AP，在走廊尽头测的 RSSI 是 -55 dBm，拐个弯到隔壁房间，直接掉到 -75 dBm。按模型算，距离差了 3 倍多。
注意：三角定位在室内效果很差。原因有三：
- RSSI 测距误差大，动不动 3~5 米
- AP 位置需要精确标定，部署成本高
- 多径效应让信号不是直线传播
我曾经在一个 20m×30m 的仓库里试过三角定位，误差平均 8 米。后来果断放弃了。
2.3 指纹定位原理
指纹定位的思路完全不同。它不依赖传播模型，而是把位置和信号特征「绑定」起来。
分两步走：
- 离线阶段：在目标区域布设参考点，每个点采集多个 AP 的 RSSI 向量，存入指纹库。
- 在线阶段：终端实时采集 RSSI 向量，去指纹库里找最匹配的那个点。
匹配算法有很多种。最简单的叫最近邻（NN），算欧氏距离：
d = sqrt( Σ (RSSI_online[i] - RSSI_db[i])² )选距离最小的参考点作为估计位置。更高级的用 KNN、加权 KNN，甚至机器学习。
指纹定位的好处很明显：它绕过了复杂的信道建模。坏处也明显：建库费时费力，环境一变就得重采。
指纹定位的精度瓶颈：
- 参考点密度：点越密精度越高，但采集成本也越高
- RSSI 时变性：同一位置不同时间 RSSI 可能不同
- 设备差异：不同手机测同一个 AP，RSSI 能差 5~10 dB
我记得有一次帮客户做商场定位。指纹库采了 2000 个点，花了整整两天。结果上线后，商场换了批 AP，指纹库全废了。从那以后，我特别关注指纹库的维护成本。
2.4 WiFi 定位的精度瓶颈
说了这么多，WiFi 定位到底能做到多准？
坦白讲，纯 WiFi 定位，商用场景下 3~5 米是常态。实验室里能到 1~2 米，但那是理想环境。为什么上不去？
核心原因有这几个：
- 信号波动：RSSI 受环境影响太大。人走动、门开关、甚至天气变化，都能让信号跳变。
- 多径效应：室内信号到处反射，接收端收到的是多条路径的叠加。RSSI 无法区分直射和反射，导致测距偏差。
- AP 密度：WiFi AP 不是为定位设计的。覆盖范围大，但定位需要的密集部署很难实现。
- 设备异构：不同手机、不同网卡，RSSI 读数不一致。同一个位置，iPhone 和 Android 能差好几个 dB。
避坑指南：如果你要做 WiFi 定位，别指望它能替代 UWB 或激光。WiFi 的优势在于普适性——几乎每个室内都有 WiFi。用它做区域级定位（判断在哪个房间、哪片区域）是合理的。做米级精度的连续定位，建议考虑融合方案。
下面这张图，把 WiFi 定位的核心知识点串起来了：
总结一下：WiFi 定位的精度瓶颈，本质上是信号本身的局限。RSSI 太粗，CSI 虽好但难获取。三角定位在室内水土不服，指纹定位又受制于建库和维护成本。