智能家居集成项目无线网络覆盖设计攻略2

简介:

无线网络的设计规划

智能家居集成项目无线网络覆盖设计攻略

  1.信号覆盖与WLAN频率信道规划

在使用2.4GHz频点时,为保证信道之间不相互干扰,在一个覆盖区内,最多可以提供3个不重叠的频点同时工作,通常采用1、6、11三个频点。5GHz的24个频点互不重叠,可在同一覆盖区域内使用。

WLAN频率规划需综合考虑建筑结构、穿透损耗以及布线系统等具体情况进行。原则上只能采用2.4GHz频段;室内和室外布放方式优先采用2.4GHz频段,若无法避免2.4GHz频段同频干扰,或为增加系统容量,可引入5GHz频段。

2.生活区域信号覆盖

生活区域包括客房和书房。内部房间较多,墙面多,信号穿透衰减严重。根据业务需要在特定房间内独立布放AP,并建议信号只穿透一堵墙为宜。

3.会客区域信号覆盖

会客区域包括客厅、餐厅、宴会厅。面积大,楼层较高,内部空旷。信号衰减小,但是接入终端数量较多。需要在会客区域多布放AP,保证多用户接入的容量。

4.障碍物

无线电波在传播过程中遇到无法绕射的障碍物时,将会发生透射传播。根据所穿透的障碍物材质及其厚度和电磁波的频率,透射所产生的损耗也不一样。

无线网络的现场地勘

1.地勘-影响WLAN通讯的主要因素

直接干扰

直接干扰是由工作在相同频段的WLAN设备造成。例如,2.4GHz有三个独立信道,如果两个信号覆盖时他们的信道相同,那么设备在受到干扰时会重新协商和传输信号,所以会造成数据中断,为应用带来不变。

智能家居集成项目无线网络覆盖设计攻略

不合理的信道设计

间接干扰

主要来自电器干扰,比如发电机、电话系统、微波炉、无线蓝牙耳机等家用设备的信号干扰。

2.地勘前的准备工具

勘测工具准备

无线终端(手提电脑、无线网卡、PDA、Wi-Fi Phone)

AP及(或)AC

长距离测距尺

后备电源(包括PoE电源)

信号测试软件:inSSIDer Home

3.AP安装建议

无线智能AP的安装形式灵活多变,不需要一定安装在墙体里,也可以按照实际需求安置在空调入风口处等隐蔽的地方。

每1-2个房间部署1个AP,一般考虑只穿透一堵墙体为宜,每个AP不要穿透两堵墙;对网络要求较高(网络游戏类的应用)的房间内,最好独立部署一个AP;如两个相邻房间都要部署AP,那么为了防止干扰,尽量采取在相邻墙体上背对背方式部署AP;信号覆盖半径尽量在20-30米左右;大多数情况下最好选择50mW发射功率,少数情况考虑信号覆盖和辐射问题,可以适当减少发射功率。

智能家居集成项目无线网络覆盖设计攻略

 

空旷地带的信号覆盖距离衰减表

 

信号强度测量

当信号大于-65dBm,那么这里信号覆盖能够满足正常使用;

当信号小于-70dBm,那么这里信号覆盖不能满足正常的使用;

所以信号强度到达-70dBm,是信号覆盖使用的临界值。

由于室内区域的建筑结构较为复杂,规划设计需要严格的实际测试

各房间的信号覆盖(信道、功率),并且减少信号干扰;

考虑特定区域的接入容量;

考虑各AP之间漫游情况。

4.室内地勘步骤

确定第一个AP的位置

智能家居集成项目无线网络覆盖设计攻略

将参考AP放置于楼间的一角(参考位置),然后。沿对角线向对面走动,直到接收信号强度为-70dBm,此时这个地点放置第一个AP的位置。

智能家居集成项目无线网络覆盖设计攻略

在第一个AP放置的地方朝外走动,找出所有-70dbm端点,这些端点就是这个AP的蜂窝边界。

确定第二个AP的位置

智能家居集成项目无线网络覆盖设计攻略

确定第一个AP的覆盖蜂窝和边界之后,接下来以第一个AP的蜂窝边界为起点,按照之前的方式来确定第二个AP的位置。

智能家居集成项目无线网络覆盖设计攻略

在确定第二个AP位置后,为了保证不同蜂窝重叠的信号覆盖,可以将第二个AP略微靠近第一个AP。

智能家居集成项目无线网络覆盖设计攻略

第二个AP放置的地方朝外走动,找出所有-70dbm端点,这些端点就是这个AP的蜂窝边界。

确定其他AP的位置

按照以上的方法相继确定其他AP的位置。

信道的划分注意同频干扰。蜂窝重叠区域不应过大,以免因为频繁漫游导致网络性能下降,通常采用15%-30%蜂窝覆盖。

智能家居集成项目无线网络覆盖设计攻略

在根据信号强度确定AP的位置后,可以在楼体内自由走动,同时长PING公网的地址或者网关地址,确保在确定AP位置后通信的稳定性。

5.室外勘测

智能家居集成项目无线网络覆盖设计攻略

由于室外空旷区域较好覆盖,规划设计较为简单,需要考察:覆盖区域的长多少、宽多少(面积)安装位置,初步安置AP进行覆盖信号的试点测试。

室外场景AP部署:对于室外花园的信号覆盖,为了避免防潮、防湿、防潮等恶劣环境的部署成本和影响,建议安装在靠近花园的一楼内墙体或二楼内墙体。

无线网络测试验收

1.信号强度检测

连接上Wi-Fi后,打开inSSIDer Home软件查看信号强度:信号强度维持在-20~-50dBm之间是比较强的信号。

当信号大于-65dBm,那么这里信号覆盖能够满足正常使用;

当信号小于-70dBm,那么这里信号覆盖不能满足正常的使用;

-70dBm笔记本电脑仅能使用低速率,而手持智能终端由于天线小,芯片灵敏度不高,会更加难以使用。

2.漫游测试

先连接上AP1,然后从AP1走到AP2处进行漫游,测试访问互联网,数据传输不中断:

在PC端通过cmd命令或终端命令来不间断的ping公网地址,测试漫游丢包情况:

然后从AP1走到AP2处进行漫游,查看丢包情况;

按照上述方法测试其他AP的漫游情况。

如果客户端可能正在两个AP信号覆盖重叠区域并且信号强度相差不大,那么可能出现无法漫游成功的情况。


本文转自d1net(转载)

相关文章
|
16天前
|
安全 虚拟化
在数字化时代,网络项目的重要性日益凸显。本文从前期准备、方案内容和注意事项三个方面,详细解析了如何撰写一个优质高效的网络项目实施方案,帮助企业和用户实现更好的体验和竞争力
在数字化时代,网络项目的重要性日益凸显。本文从前期准备、方案内容和注意事项三个方面,详细解析了如何撰写一个优质高效的网络项目实施方案,帮助企业和用户实现更好的体验和竞争力。通过具体案例,展示了方案的制定和实施过程,强调了目标明确、技术先进、计划周密、风险可控和预算合理的重要性。
40 5
|
3月前
|
机器学习/深度学习 算法 TensorFlow
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
动物识别系统。本项目以Python作为主要编程语言,并基于TensorFlow搭建ResNet50卷积神经网络算法模型,通过收集4种常见的动物图像数据集(猫、狗、鸡、马)然后进行模型训练,得到一个识别精度较高的模型文件,然后保存为本地格式的H5格式文件。再基于Django开发Web网页端操作界面,实现用户上传一张动物图片,识别其名称。
101 1
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
|
3月前
|
监控 安全 物联网
智能家居安全:保护您的家庭免受网络威胁##
随着物联网 (IoT) 技术的迅猛发展,越来越多的家庭设备连接到互联网,带来便利的同时,也增加了网络安全风险。本文将深入探讨智能家居设备的常见安全漏洞、潜在威胁以及防护措施,帮助您了解如何保护家庭免受网络威胁。 ##
|
3月前
|
机器学习/深度学习 人工智能 算法
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
植物病害识别系统。本系统使用Python作为主要编程语言,通过收集水稻常见的四种叶片病害图片('细菌性叶枯病', '稻瘟病', '褐斑病', '稻瘟条纹病毒病')作为后面模型训练用到的数据集。然后使用TensorFlow搭建卷积神经网络算法模型,并进行多轮迭代训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地模型文件。再使用Django搭建Web网页平台操作界面,实现用户上传一张测试图片识别其名称。
136 22
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
|
2月前
|
存储 JavaScript 数据库
ToB项目身份认证AD集成(一):基于目录的用户管理、LDAP和Active Directory简述
本文介绍了基于目录的用户管理及其在企业中的应用,重点解析了LDAP协议和Active Directory服务的概念、关系及差异。通过具体的账号密码认证时序图,展示了利用LDAP协议与AD域进行用户认证的过程。总结了目录服务在现代网络环境中的重要性,并预告了后续的深入文章。
|
2月前
|
人工智能 JavaScript 网络安全
ToB项目身份认证AD集成(三完):利用ldap.js实现与windows AD对接实现用户搜索、认证、密码修改等功能 - 以及针对中文转义问题的补丁方法
本文详细介绍了如何使用 `ldapjs` 库在 Node.js 中实现与 Windows AD 的交互,包括用户搜索、身份验证、密码修改和重置等功能。通过创建 `LdapService` 类,提供了与 AD 服务器通信的完整解决方案,同时解决了中文字段在 LDAP 操作中被转义的问题。
|
2月前
|
机器学习/深度学习 人工智能 算法
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
玉米病害识别系统,本系统使用Python作为主要开发语言,通过收集了8种常见的玉米叶部病害图片数据集('矮花叶病', '健康', '灰斑病一般', '灰斑病严重', '锈病一般', '锈病严重', '叶斑病一般', '叶斑病严重'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。再使用Django搭建Web网页操作平台,实现用户上传一张玉米病害图片识别其名称。
63 0
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
|
3月前
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
110 6
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
|
3月前
|
机器学习/深度学习 人工智能 算法
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
文本分类识别系统。本系统使用Python作为主要开发语言,首先收集了10种中文文本数据集("体育类", "财经类", "房产类", "家居类", "教育类", "科技类", "时尚类", "时政类", "游戏类", "娱乐类"),然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型,并保存为本地的h5格式。然后使用Django开发Web网页端操作界面,实现用户上传一段文本识别其所属的类别。
98 1
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
2月前
|
安全 网络安全 数据安全/隐私保护
智能家居安全:如何保护你的家庭免受网络威胁
在这篇技术性文章中,我们将深入探讨智能家居设备的安全性问题。随着越来越多的家庭采用智能技术,确保这些设备免受网络攻击变得至关重要。文章将涵盖常见的安全风险、预防措施以及如何应对潜在的网络威胁,以帮助读者保护自己的家庭网络安全。