USRP捕获手机/路由器数据传输信号波形(下)

目录:

USRP捕获手机/路由器数据传输信号波形(上)

USRP捕获手机/路由器数据传输信号波形(中)

USRP捕获手机/路由器数据传输信号波形(下)

四、路由器MIMO-OFDM系统

本文深入分析采集手机与路由器双工通信信号时所使用的设备。

路由器采用的是Tenda AC8型号: 

4根天线意味着路由器使用了多输入多输出(multiple-in multiple-out, MIMO)技术。

MIMO

MIMO技术最早是由意大利人无线电通信之父马可尼于1908年提出的。

以采用MIMO技术的路由器为例,每根天线工作频率相同,同时工作,为什么不会相互影响呢?

1. 接收端通过多天线采集混合信号后,可以用矩阵运算反向分离出独立数据流;

2. 不同路径上的电磁波都有自己的传播方向,虽然空间中的电磁场在某个位置会相互增强或抵消,但是+ΔL的下一个位置,包括整个路径上这些同频同时出现的电磁波相互影响是不一样的。

感觉MIMO技术是真正实现频谱高效利用,而OFDM只是硬件上的妥协,用单载波大带宽合多载波小带宽最终都得占用相当宽的频谱。

五、路由器工作模式

5.1 万能中继模式

5.2 双频分离模式

捕获路由器信号非常有必要开双频分离模型,不然路由器频率有跳变的风险,而且无法人为选择观测频段。

开启路由器双频分离模式后:

2.4G的WiFi叫zzc,5G的WiFi叫zzc_5G。

六、蜂窝MIMO v.s WiFi MIMO

6.1 规模 (天线数量)

  • WiFi (802.11n/ac/ax): 常见的家用路由器通常支持2x2、3x3或4x4 MIMO。高端企业级AP可能支持8x8 MIMO。天线数量相对较少。

  • 蜂窝 (5G Massive MIMO): 基站端的天线阵列规模极其庞大。典型的5G Massive MIMO基站天线面板集成了64个、128个甚至256个或更多天线阵元。手机端通常支持2x2或4x4 MIMO(旗舰机可能更高)。基站的天线数量级远超WiFi AP。

6.2 技术形态

  • WiFi MIMO: 主要侧重于空间复用(在同一时频资源上传输多个独立的数据流)和空间分集(提高链路可靠性)。MU-MIMO是重要补充,允许AP同时服务多个用户。

  • 蜂窝MIMO (Massive MIMO):

    • 大规模天线阵列: 利用大量天线实现极高的空间分辨率。

    • 波束赋形: 这是Massive MIMO的核心能力。基站通过精确控制每个天线阵元的信号相位和幅度,将无线信号能量聚焦成非常窄、指向性极强的“波束”,直接射向目标用户。这带来了巨大优势:

      • 显著提升信号强度: 能量集中,穿透力更强,覆盖更远。

      • 大幅降低干扰: 波束对准目标用户,减少对其他用户的干扰;同时,空间隔离度提高,同一时频资源可以服务更多用户(空间复用增强)。

      • 提升频谱效率: 单位频谱资源能传输更多数据。

      • 增强覆盖: 特别是小区边缘用户的体验得到极大改善。

    • 多用户MIMO: Massive MIMO天然支持大规模的多用户MIMO,基站可以同时生成多个波束服务多个位于不同方向的用户。

6.3 应用场景

  • WiFi MIMO: 主要用于相对小范围(家庭、办公室、热点)、用户密度中等的室内或短距离室外环境,解决局域网络容量和速率问题。

  • 蜂窝MIMO: 设计目标是解决大范围覆盖、高速移动性支持、超高用户密度、宏小区/微小区/室内外无缝切换等复杂挑战。Massive MIMO是应对5G超高流量密度和连接密度需求的核心技术。

6.4 复杂度

  • 蜂窝MIMO (尤其Massive MIMO) 的信号处理、信道估计、波束管理和校准算法复杂度远高于WiFi MIMO,需要强大的基站计算能力和先进的算法支撑。

6.5 总结

总得来说,虽然基站和WiFi都用了MIMO技术,但是侧重点不同。基站用MIMO主要是提升通信链路最大距离和强化通信链路移动性能,WiFi用MIMO主要是提升室内通信速率。

 所以可以看到,手机和基站通信时,OFDM的子载波是非常显著的:

手机/基站通信时频图案
手机/基站通信时频图案

 但是手机和路由器通信时,几乎观察不到OFDM中子载波的存在:(频率分辨率为3.84MHz/32768=117.18Hz)

手机/路由器通信时频图案

猜测是室内强烈的多径效应影响了观测OFDM子载波。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/pingmian/91781.shtml
繁体地址,请注明出处:http://hk.pswp.cn/pingmian/91781.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

位运算在权限授权中的应用及Vue3实践

在现代前端应用中,权限管理是一个至关重要的功能模块。随着应用复杂度的提示功能,权限细粒度越来越精细,如何高效地管理和判断权限成为前端开发的一大挑战。位运算作为一种高效的运算方式,在权限管理领域有着独特的优势。本文将详…

面试实战,问题二十二,Java JDK 17 有哪些新特性,怎么回答

Java JDK 17 新特性面试回答指南 作为一名Java开发者,了解JDK 17的新特性是面试中的关键点。JDK 17(Java SE 17)于2021年9月发布,是一个长期支持(LTS)版本,引入了多项改进以提升开发效率、安全性…

【MySQL安全】什么是SQL注入,怎么避免这种攻击:前端防护、后端orm框架、数据库白名单

基本概念SQL注入是OWASP Top 10安全风险之一,它利用了应用程序对用户输入数据的不当处理。当应用程序直接将用户输入拼接到SQL查询中而没有进行适当的过滤或转义时,就可能发生SQL注入攻击。攻击原理假设有一个登录表单的SQL查询:SELECT * FRO…

pyqt5显示任务栏菜单并隐藏主窗口,环境pyqt5+vscode

环境 pyqt5vscode 环境搭建见 https://blog.csdn.net/huiaifen/article/details/125175261 新建一个QMainWindow 1 在VSCode的资源管理器中,右键选择 PYQT:New Form,打开Qt Designer2 在打开的窗口中选 “Main Window”,然后选“创建”3 直接…

SpringBoot项目数据脱敏(自定义注解)

文章目录前言一.配置1.脱敏类型枚举:DesensitizeType2.注解:Desensitize3.序列化类:DesensitizeJsonSerializer4.工具类:DesensitizeUtil二、测试:DesensitizeTest三、效果展示总结前言 在互联网应用中,用户…

PSO-TCN-BiLSTM-MATT粒子群优化算法优化时间卷积神经网络-双向长短期记忆神经网络融合多头注意力机制多特征分类预测/故障诊断Matlab实现

基本介绍 1.Matlab实现PSO-TCN-BiLSTM-MATT粒子群算法优化时间卷积神经网络-双向长短期记忆神经网络融合多头注意力机制多特征分类预测,PSO-TCN-BiLSTM-Multihead-Attention; 多头自注意力层 (Multihead-Self-Attention):Multihead-Self-Atte…

第一篇:Linux 运维入门:虚拟机部署与基础环境配置

目录 一、准备工作与环境规划 二、虚拟机网络配置 1、虚拟网络编辑器设置 2、系统网络配置 3、主机名配置 三、Hosts 文件与 SSH 免密配置 配置 hosts 文件编辑/etc/hosts文件实现主机名解析: 分发 hosts 文件到其他节点 SSH 免密登录配置在 zhangsan101 上…

(一)全栈(react配置/https支持/useState多组件传递/表单提交/React Query/axois封装/Router)

文章目录 项目地址 一、基础配置 1.1 支持https 1. 安装所需要的包 2. 配置 1.2 常用 1. 字符串拼接 二、组件 2.1 useState组件传递 1. App里初始化useState 2. useState和方法的传递 3. 接收传递来的状态和方法 2.2 表单提交 1. 表单组件处理用户输入数据 2. App传来的submit…

【abc417】E - A Path in A Dictionary

Problem StatementYou are given a simple connected undirected graph G with N vertices and M edges. The vertices of G are numbered vertex 1, vertex 2, …, vertex N, and the i-th (1≤i≤M) edge connects vertices Ui​ and Vi​.Find the lexicographically smalle…

linux火焰图

火焰图简介火焰图是一种性能分析的可视化工具,它将CPU的调用栈(Call Stack)信息以矩形火焰的形式展现出来。Y轴:代表调用栈的深度(函数A调用了函数B,B就叠在A上面)。X轴:代表CPU的抽…

解剖 .NET 经典:从 Component 到 BackgroundWorker

1️⃣ 背景与定位在 .NET Framework 2.0 时代,微软引入了 BackgroundWorker 来解决 WinForm/WPF 场景下“耗时操作阻塞 UI 线程”的问题;而 Component 早在 1.0 就已存在,是所有可视化/非可视化设计器的“基类”。理解这两者的源码与机制&…

桌面端界面设计 |货物 TMS 系统 - SaaS UI UX 设计:审美积累之境

在物流数字化的浪潮中,货物 TMS 系统的 SaaS 化与 UI/UX 设计正构建着独特的审美坐标系。这不仅是技术与功能的融合,更是一场关于效率美学的深度探索,为行业审美积累注入了鲜活的实践样本。SaaS 模式赋予货物 TMS 系统轻盈而强大的特质&#…

多架构镜像整合全攻略:在Docker中实现单一镜像支持同时支持amd64和arm64架构

多架构支持的挑战 :随着异构计算(如 ARM、x86、RISC-V 等)的普及,开发者需要为不同硬件平台提供对应的镜像,传统方式需维护多个版本(如 image:v1-amd64 和 image:v1-arm64 ),导致版本…

Linux730 tr:-d /-s;sort:-r,-n,-R,-o,-t,-k,-u;bash;cut:-d,-c;tee -a;uniq -c -i

回顾 sort sort [选项] 文件-u:唯一,去除重复 -r:按数字大小,倒序排序,大到小 -o:输出文件 -n:按数字大小,顺序排序,小到大 -t: -t后加分割符,按分割符为标准,进行筛选 -k:k后加数字…

力扣457:环形数组是否存在循环

力扣457:环形数组是否存在循环题目思路代码题目 存在一个不含 0 的 环形 数组 nums ,每个 nums[i] 都表示位于下标 i 的角色应该向前或向后移动的下标个数: 如果 nums[i] 是正数,向前(下标递增方向)移动 |nums[i]| 步…

在 Elasticsearch 中落地 Learning to Rank(LTR)

1 为什么要引入 LTR? 常规检索(BM25、语义检索、Hybrid、RRF …)往往只能基于少量信号(关键词命中、向量相似度)排序。 Learning-to-Rank 通过机器学习模型把多维度特征(文档属性、查询属性、查询-文档相关…

Socket编程——TCP协议

文章目录一、TCP传输二、相关接口三、多进程版本四、多线程版本一、TCP传输 TCP和UDP类似,但是在传输中TCP有输入,输出缓冲区,看下面的传输图片 可以理解为TCP之间的数据传输都是依赖各自的socket,socket就充当传输的中介吧。 而…

GitHub使用小记——本地推送、外部拉取和分支重命名

GitHub 项目推送与拉取等操作使用随记 本小记适用于个人项目或组织项目,涵盖 GitHub 推送、拉取、分支管理、.gitignore 设置等常见需求。 1. 将已有本地工程推送至 GitHub 新仓库 1.1 前提条件 本地项目结构完整,已准备好;本地已安装 Git…

RabbitMQ 延时队列插件安装与使用详解(基于 Delayed Message Plugin)

RabbitMQ 延时队列插件安装与使用详解(基于 Delayed Message Plugin)📌 一、什么是 RabbitMQ 延时队列?🚀 二、安装前准备✅ RabbitMQ 环境要求🔧 三、安装延时队列插件🧩 插件名称:…

Vue项目使用ssh2-sftp-client实现打包自动上传到服务器(完整教程)

告别手动拖拽上传!本教程将手把手教你如何通过ssh2-sftp-client实现Vue项目打包后自动上传到服务器,提升部署效率300%。🚀一、需求场景与解决方案在Vue项目开发中,每次执行npm run build后都需要手动将dist目录上传到服务器&#…