Redes WLAN: Predição e Medição de Nível de Sinal em Ambiente Indoor O conteúdo deste tutorial foi obtido do artigo de autoria do Christian Pinheiro Garcias, do Iramar Ilan Bruno Barros Soares e do Marcel Guzman Reis para a etapa de classificação do III Concurso Teleco de Trabalhos de Conclusão de Curso (TCC) 2007. Este tutorial tem por objetivo apresentar uma comparação entre a predição e a medição de nível de sinal de uma rede WLAN em ambiente indoor, de forma a mostrar que modelos de predição precisam ser ajustados para a realidade de variações de fatores naturais como temperatura e umidade encontrados na Amazônia. Christian Pinheiro Garcias É Engenheiro de Telecomunicações pelo Instituto de Estudos Superiores da Amazônia (IESAM, 2007). Atuou como Estagiário na WISECOM Comércio e Serviços de Redes Lógicas LTDA, realizando atividades de implementação, supervisão e manutenção de sistemas de WLAN, LAN e CATV. Atuou também como Estagiário em Engenharia de Telecomunicações na ELETRONORTE – Centrais Elétricas do Norte do Brasil, realizando atividades de suporte e manutenção de redes de voz e dados de alta velocidade baseados em backbone óptico (cabos OPGW) e transporte físico em hierarquias PDH e SDH. Atualmente é Engenheiro na Aircom International, executando atividades de consultor de transmissão na equipe de engenharia de transmissão. Email: [email protected] Iramar Ilan Bruno Barros Soares É Engenheiro de Telecomunicações pelo Instituto de Estudos Superiores da Amazônia (IESAM, 2007). 1 Atuou como Estagiário na IESAM - Instituto de Estudos Superiores da Amazônia, realizando atividades de implementação, manutenção e suporte de redes de computadores. Atualmente é Engenheiro de Telecomunicações na HTCOM – High Tech Comunications, executando atividades na área de Engenharia de Sistemas em projetos de Network Design e de Cálculos de Desempenho e Interferência para redes celulares em todo o território nacional. Email: [email protected] Marcel Guzman Reis É Engenheiro de Telecomunicações pelo Instituto de Estudos Superiores da Amazônia (IESAM, 2007). Atuou como Estagiário em Engenharia de Telecomunicações na ELETRONORTE – Centrais Elétricas do Norte do Brasil, realizando atividades de suporte e manutenção de redes de voz e dados de alta velocidade baseados em backbone óptico (cabos OPGW) e transporte físico em hierarquias PDH e SDH. Atualmente é Engenheiro de Telecomunicações na HTCOM – High Tech Comunications, executando atividades de implantação e otimização de sistemas de transmissão para redes celulares em todo o território nacional. Email: [email protected] Categoria: Redes de Dados Wireless Nível: Introdutório Enfoque: Técnico Duração: 15 minutos Publicado em: 26/05/2008 2 Redes WLAN: Introdução As redes sem fio estão se popularizando rapidamente, sendo utilizadas em prédios de variados formatos e materiais, em ambientes indoor e outdoor e nas mais variadas necessidades tanto empresariais quanto domésticas. Para a implantação dessas redes, os projetos de instalação devem ser realizados através de estudos de predição de nível de sinal, para a melhor localização de roteadores e pontos de acesso nos espaços com a finalidade de se obter as melhores condições de qualidade de sinal para as necessidades propostas. As técnicas de predição de sinal utilizadas no Brasil são baseadas em modelos propostos para locais com clima e tipos de construção europeus e norte-americanos, que são diferentes daqueles encontrados no Brasil e, sobretudo na Amazônia. Este trabalho mostra a diferença entre dados de predição de sinal, e compara com 81 pontos medidos em uma mesma área de um ambiente indoor de um prédio na cidade de Belém-Pa. Os dados estão apresentados na forma de mapas de isolinhas geradas a partir da interpolação de dados discretos. 3 Redes WLAN: Fundamentação Teórica Interpolação de Dados [SOARES, 2006] Interpolar é predizer (ou estimar) o valor da variável em estudo num ponto não amostrado. Na figura abaixo a cruz representa o ponto que se pretende predizer o valor. Figura 1: Pontos de Amostragem de uma área de estudos. É um método que permite construir um novo conjunto de dados a partir de um conjunto discreto de dados pontuais conhecidos. Comumente em engenharia, tem-se dados pontuais, obtidos a partir de uma amostragem. Através da interpolação pode-se construir uma função que aproximadamente encaixe-se nestes dados pontuais. Outra aplicação da interpolação é aproximação de funções complexas por funções mais simples. Se supormos que temos uma função, mas que seja muito complicada para avaliar de forma eficiente. Podemos então, escolher alguns dados pontuais da função complicada e tentar interpolar estes dados para construir uma função mais simples. Obviamente, quando utilizamos a função mais simples para calcular novos dados, normalmente não se obtém o mesmo resultado da função original, mas dependendo do domínio do problema e do método de interpolação utilizado, o ganho de simplicidade pode compensar o erro. Nas figuras 2,3 e 4, é mostrado um exemplo de simples entendimento sobre a interpolação. Tabela 1: Abscissas e coordenadas. x y 0 2 2 3 5 4 9 1 4 Figura 2: Plotagem da Tabela 1. Após essa análise inicial, para o preenchimento das lacunas nos dados, admite-se que os valores de uma medida são constantes até a seguinte, como mostrados na figura 3. Figura 3: Inserção de valores fixos. Alternativamente, admite-se variação linear entre os valores coletados, como mostrados na figura 3. Figura 4: Inserção de valores com variação linear. Os métodos mais comuns de interpolação são: Vizinho mais Próximo, Vizinho Natural, Triangulação Linear, Triangulação de Delaunay, Polígonos de Voronoi, Inverso da Potência da Distância (sendo o IQD, Inverso do Quadrado da Distância o mais utilizado), Mínima Curvatura (Spline), Regressão Polinomial, Krigagem e Máxima Entropia Bayesiana. Métodos de Interpolação Kriging (Krigagem) Krigagem é um método de regressão usado em geoestatística para aproximar ou interpolar dados. Pode ser entendido como uma predição linear ou uma forma da Inferência bayesiana. Parte do princípio que pontos próximos no espaço tendem a ter valores mais parecidos do que pontos mais afastados. A técnica de Kriging assume que os dados recolhidos de uma determinada população se encontram correlacionados no espaço. Considera-se o método de Kriging do tipo BLUE (Best Linear Unbiased Estimator - Melhor Estimador Linear não-Viciado). É linear, pois suas estimativas são combinações lineares ponderadas dos dados existentes, e dita que a média dos erros de desvios entre o valor real e o valor estimado, seja nula. É a 5 melhor teoricamente porque os erros de estimação apresentam uma variância mínima. Inverso da Distância O método do inverso da distância de uma potência ou método da média ponderada pode ser exato ou aproximado dependendo da configuração fornecida pelo usuário. Neste método, os dados são ponderados durante a interpolação, tal que a influência de um ponto relativo ao outro declina com o seu afastamento do nó da grade. O peso é assumido para os dados através do uso de uma potência de peso que controla de que maneira os fatores de ponderação vão diminuir à medida que a distancia do nó da grade aumenta. Quanto maior a potência de peso menor o efeito que os pontos têm na grade de nós durante a interpolação. Normalmente, o método do inverso da distância de uma potência comporta-se como um interpolador exato. Quando se calcula o nó da grade, os pesos atribuídos para os pontos dados são frações e a soma de todos os pesos é igual a um. Quando uma determinada observação é coincidente com o nó da grade, a distância entre esta observação e o nó da grade é zero, e a esta observação é dado peso um, enquanto a todas as outras são dados peso zero. Assim ao nó da grade é atribuído o valor da observação coincidente. O parâmetro de suavização é um mecanismo de armazenamento deste comportamento. Quando se atribui um parâmetro de suavização não zero, a nenhum ponto é dado peso cumulativo de forma que a nenhum ponto é dado um fator de peso igual a um. O inverso da distância de uma potência é mais rápido, mas tem a tendência a gerar padrões de contornos concêntricos ao redor dos pontos dados. Este efeito pode ser minimizado pela adoção de um parâmetro de suavização. Neste método para amostras com menos do que 500 pontos, pode-se usar o tipo de pesquisa “all data”, ou seja, global e processar rapidamente. Este método não extrapola os valores de Z distantes da faixa de dados. Mínima Curvatura Consiste em determinar uma função, pertencente a uma certa classe, que assume valores conhecidos em certos pontos. Os polinômios, não apenas possuem simplicidade, mas também a um resultado importante que diz que qualquer função contínua pode ser aproximada por uma sucessão de polinômios. Como os nós de interpolação são dados do problema, pode não haver possibilidade de escolha. São funções que resultam de uma "colagem" de polinômios, mas onde a escolha dos nós de interpolação já não influi tanto no comportamento da função interpoladora. Triangulação Consiste na aproximação da superfície por triângulos cujos vértices pertencem ao conjunto das amostras, ou seja, as alturas z (x,y) são aproximadas pelo plano definido pelos vértices do triângulo da superfície, desde que (x,y) pertença à região de projeção. 6 Figura 5: Triangulação. Método Utilizado Após a análise dos métodos de interpolação, foi utilizado neste projeto, o método de Krigagem, pois os pontos medidos estão dispostos linearmente e sua confiabilidade é maior, neste caso, visto que há uma pequena variação nos erros de estimação (interpolação). 7 Redes WLAN: Predição do Nível de Sinal Predição de Sinal em Ambiente Indoor [SANCHES, 2005] O objetivo da predição em sistemas wireless é garantir uma cobertura eficaz da área desejada e evitar a interferência intra-sistema e também inter-sistemas. Em ambiente indoor a cobertura depende notavelmente da geometria do lugar, cujos limites afetam a propagação prejudicando o funcionamento da rede. Basicamente existem dois modelos para predição da área de cobertura nesses ambientes, a saber: Modelos Empíricos (estatísticos): Modelo One Slope, Modelo Multi-Wall e ITU-R recomendação P.1238. Modelos Determinísticos: Os modelos determinísticos combinam elementos empíricos com o método eletromagnético teórico da teoria uniforme da difração. O método considera os raios diretos com uma só reflexão e uma só difração, e podem ampliar-se múltiplas difrações ou múltiplas reflexões, assim como na combinação de raios difratados e refletidos. Ao incluir os raios refletidos e difratados, a precisão da predição aumenta significativamente. Devido à complexidade de expor cálculos baseados em modelos determinísticos, serão apresentados neste trabalho cálculos utilizando modelos empíricos, que normalmente são suficientes para um projeto de cobertura indoor e que se adequar ao ambiente que foi analisado. Tomando como referência um ambiente multiuso da instituição, onde serão executados medições e cálculos de predição para sabermos o nível de recepção, e compararmos com as medições já feitas no mesmo ambiente. Modelo One Slope O modelo COST 231 One Slope assume uma dependência linear entre a perda de trajeto (dB) e a distância logarítmica, sendo expresso como: Onde: L = perda por propagação em função da distância dB; d = distância entre a base e terminal em metros; L(d0) = perda de propagação de referência a um metro de distância em dB (com a freqüência de 2,4 GHz das redes wi-fi, o valor de L(d0) será de 40,2 dB; n = gradiente potência-distância (neste caso, como é um ambiente indoor pouco obstruído, o valor de n varia entre 2.2 a 2.7). Analisando esse modelo, para cada um dos 81 pontos medidos, deverão ser feitos os cálculos referentes a esse modelo de predição. Modelo Multi-Wall O modelo de múltiplas paredes, como o próprio nome já diz, dá a perda de trajeto como a perda no espaço livre somada com as atenuações introduzidas pelas paredes e pisos penetrados pelo sinal no caminho direto 8 entre o transmissor e receptor. O modelo de múltiplas paredes é semi-empírico e pode ser expresso das seguintes formas: Onde: L = perda por propagação em função da distância, dB; d = distância entre a base e terminal em metros; Ld0 = perda de propagação de referência a um metro de distância em dB; n = gradiente potência-distância (2.2 a 2.7); K = número de pisos penetrados; F1 = fator de atenuação entre pisos adjacentes dB (FAF – floor atenuation factor) (Valor de 21 dB, visto que a freqüência em questão é de 2,4 GHz; M = número de paredes entre o transmissor e o receptor; Ai = fator de atenuação nas paredes do tipo i dB (paredes leves ou pesadas). Modelo ITU-R Recomendação P.1238 Este modelo é considerado geral quanto ao lugar, já que requer pouca informação sobre o trajeto ou o lugar de instalação. A perda de trajeto em interiores se caracteriza por uma perda de trajeto medida e as estáticas associadas de desvanecimento devido a sombras. Existem outros modelos de perda por trajetos em interiores que consideram a perda de sinal através de múltiplas paredes e/ou pisos. Nesse modelo também se considera a perda por vários pisos, a fim de ter presente características como a reutilização de freqüência entre pisos distintos. Os coeficientes de perda de potência devido à distância que são indicados a seguir têm em conta implicitamente a transmissão através de paredes, assim como através de obstáculos, além de outros fatores de perdas que podem se manifestar em um só andar de um edifício. A fórmula é dada por: Onde: N = coeficiente de perda de potência devido à distância (30); f = frequência (MHz); d = distância de separação (m) entre a estação base e o terminal portátil (sendo d > 1 m); Lf = fator de perda por penetração no piso (dB) [15 + 4 (n-1)]; n = número de pisos entre a estação base e o terminal portátil (n >= 1). Redes Wi-fi [PINHEIRO, 2007] De uma forma, termo Wireless (sem fio) ou Wi-fi (Wireless Fidelity) é o termo usado para receptores de rádios. Também, define-se como sendo um protocolo de comunicação sem fios projetado com o objetivo de criar acesso de alta velocidade de transferência de dados usando ondas de rádio. 9 O sistema de comunicação WI-FI é utilizado para descrever o conjunto de normas 802.11, criados pelo Institute of Electrical and Electronic Engineers (IEEE). Entre estas as mais conhecidas são as 802.11b na banda de 2,4 GHz, pois podem transferir dados a uma velocidade de 11 Mbit/s. Outro padrão, o 802.11a trabalha na banda de 5 GHz e consegue transferir dados até 54 Mbit/s. Por outro lado, o mais recente standard, 802.11g, é compatível com o 802.11b e trabalha também na banda de 2,4 GHz e, da mesma forma que o 802.11a, pode transferir dados até 54 Mbit/s. Esta tecnologia tem um raio de ação de cerca de 1 quilômetro (depende das antenas e da existência de “linha em visada”). O funcionamento de uma rede wireless é feito com a utilização de portadoras de rádio (ou infravermelho), as WLANs estabelecem a comunicação de dados entre os pontos da rede. Os dados são modulados na portadora de rádio e transmitidos através de ondas eletromagnéticas – neste momento surge a necessidade de uma antena. Neste sistema, múltiplas portadoras de rádio podem coexistir num mesmo meio, sem que uma interfira na outra. Na recuperação dos dados, o receptor sintoniza numa freqüência específica e rejeita as outras portadoras de freqüências diferentes. É neste tipo de ambiente que o dispositivo transceptor (transmissor/receptor) ou ponto de acesso (access point) é conectado a uma rede local Ethernet convencional (com fio). Os pontos de acesso não apenas fornecem a comunicação com a rede convencional, como também tem a finalidade de intermediar o tráfego com os pontos de acesso vizinhos, num esquema de micro células com roaming semelhante a um sistema de telefonia celular. 10 Redes WLAN: Medição e Comparação No projeto, após o embasamento teórico, foi escolhida uma área do Instituto de Estudos Superiores da Amazônia – IESAM, onde está alocado um access point para disponibilizar redes wi-fi para os alunos e usuários da instituição. Com o acesso à planta baixa, foram delimitados 81 pontos, espaçados a cada 2 metros, onde foram medidos os níveis de sinal por um período de 2 minutos em cada ponto delimitado. Após as medições, os valores foram analisados em um software de interpolação. Sendo assim, o resultado da medição pôde ser comparado com os modelos preditivos. Estas etapas serão mais bem explicadas nos tópicos a seguir. Medição Inicialmente foi analisada a planta baixa da área a ser estudada como mostrada abaixo: Figura 6: Planta Baixa da área a ser estudada (em cinza, área escolhida). Após essa primeira análise da planta baixa, abscissas e coordenadas foram inseridas sendo que cada um dos locais de medição tem sua abscissa e coordenada específica. Sendo assim, 81 pontos de medição foram delimitados, partindo do (0,0) espaçados a cada 2 metros um do outro. Já access point está localizado próximo ao ponto (5,0), a uma altura de 2,17 metros. Este equipamento tem como características: disponibilidade para os padrões 802.11b e 802.11g, com antena omnidirecional com ganho de 2 dBi. Em cada um dos 81 pontos por aproximadamente 2 minutos um notebook com o sistema wireless ligado e com o auxílio do software NetStumbler (responsável por expor os dados de relação sinal/ruído e nível de sinal), foi fixado e os dados do nível de sinal foram coletados e salvos para posterior análise. 11 Aplicação da Interpolação de Dados Com todos os dados acerca de valores de nível de sinal de cada abscissa e coordenada, planilhas foram criadas para serem utilizadas pelo software Surfer 8® (responsável pela interpolação) e conseqüentemente pôde ser analisada por completo a área em estudo, como pode ser visto na figura 7. Figura 7: Área em estudo após a aplicação da interpolação por Kriging. Sendo assim, através da medição foi constatado que para a conveniência do local (lanchonete) a qualidade do sinal está satisfatória, pois na área em azul claro e escuro, é onde se encontra a maior concentração de pessoas conectadas ao access point, em contrapartida nas outras áreas a qualidade do sinal também é satisfatória, atendendo às necessidades propostas. Predição As medições, para que sejam confiáveis, devem possuir um grande número de pontos de medição como visto acima, porém existe um gasto de tempo desnecessário, mesmo que o local escolhido para alocação seja o melhor em relação à qualidade do sinal, o que por vezes pode não ser o melhor. Sendo assim, os modelos preditivos servem para auxiliar na escolha do melhor local para a alocação do access point, mas para isso deve ser escolhido o modelo que mais se aproxima da realidade do ambiente. Através do software MatLAB®, foram criadas rotinas para a análise de 3 modelos preditivos para ambiente indoor, com base na seção II.c, comparando assim com o resultado das medições realizadas. Resultados Com as rotinas criadas no MatLAB®, foi plotado um gráfico analisando os modelos preditivos empíricos e a medição com base no nível de sinal, como mostra a figura 8. 12 Figura 8: Plotagem no MatLAB dos modelos preditivos empíricos e da medição. Comparação dos Resultados da Medição e Predição Como pode ser percebido, a plotagem da medição realizada encontra-se próximo ao modelo COST 231 One Slope, visto que pelas suas características é o que mais se aproxima às medições realizadas. É compreensível essa proximidade, visto que o modelo Multi-Wall analisa o percurso por várias paredes e o modelo ITU-R Recomendação P.1238 analisa a perda por vários pisos, sendo este o mais geral. 13 Redes WLAN: Considerações Finais Através desta análise comparativa, pôde-se perceber que os modelos preditivos possuem especificidades diferentes das encontradas no Brasil e, principalmente, na região Amazônica (sobretudo em relação à espessura das paredes e clima), e para haver uma compatibilidade, adaptações devem ser feitas nesses modelos preditivos e, por conseguinte, haverá uma maior confiabilidade nos projetos de alocação dos access point. Referências 1. PINHEIRO, Christian. “Antena Dipolo Plano Wifi”. 2007. 2. SANCHES, Carlos Alberto. “Projetando Redes WLAN – Conceitos e Práticas”. 3. SOARES, Iramar. “Tratamento de dados de intensidade de sinal celular utilizando interpolação”. 2006. 14 Redes WLAN: Teste seu Entendimento 1. Quais são os métodos de interpolação de dados mais comuns? Vizinho mais Próximo, Vizinho Natural e Triangulação Linear. Triangulação de Delaunay, Polígonos de Voronoi e Inverso da Potência da Distância. Mínima Curvatura (Spline), Regressão Polinomial, Krigagem e Máxima Entropia Bayesiana. Todas os métodos anteriores. 2. Qual das alternativas abaixo não representa um modelo empírico (estatístico) para predição da área de cobertura de uma rede wireless em ambiente indoor? Modelo One Slope. Modelo OSI/ISO. Modelo Multi-Wall. ITU-R recomendação P.1238. 3. De que forma são usadas as portadoras numa rede local wireless? As WLANs fazem uso de múltiplas portadoras, que podem coexistir num mesmo ambiente sem que uma interfira na outra. As WLANs fazem uso de múltiplas portadoras, que devem ser usadas uma por vez para que possam coexistir num mesmo ambiente sem provocarem interferências. As WLANs fazem uso de portadora única, que deve ser usada uma vez para cada estação para que possam coexistir num mesmo ambiente sem provocarem interferências. Nenhuma das alternativas anteriores. 15