Raw-RSSI-Dataset

该RSSI数据集是一套全面的接收信号强度指示(RSSI)读数集合，采集自会议室内。使用了三种无线技术：WiFi（IEEE 802.11n 2.4GHz频段）、蓝牙低能耗(BLE)和Zigbee（IEEE 802.15.4）。数据集根据无线技术分为WiFi、BLE和Zigbee三个部分，每个部分包含Pathloss、Database和Tests三个子文件夹，分别存储不同用途的RSSI数据。

This RSSI dataset is a comprehensive collection of Received Signal Strength Indication (RSSI) readings, gathered from within a conference room. It utilizes three wireless technologies: WiFi (IEEE 802.11n 2.4GHz band), Bluetooth Low Energy (BLE), and Zigbee (IEEE 802.15.4). The dataset is divided into three sections based on the wireless technology: WiFi, BLE, and Zigbee. Each section contains three subfolders: Pathloss, Database, and Tests, which store RSSI data for different purposes.

原始信息汇总

数据集概述

数据集名称

Raw-RSSI-Dataset

数据收集技术

• WiFi (IEEE 802.11n 2.4GHz band)
• Bluetooth Low Energy (BLE)
• Zigbee (IEEE 802.15.4)

实验设备

• Raspberry Pi 3 Model B
• Gimbal Series 10 Beacons
• Series 2 Xbees with Arduino Uno microcontrollers

实验环境

• 尺寸：5.8 x 5.3 m
• 类型：会议室
• 环境条件：高噪声，多发射器同时工作

实验设计

• 定位技术：Trilateration, Fingerprinting with K-Nearest Neighbor (KNN) postprocessing
• 过滤技术：Running Average, Kalman
• 指纹数量：16
• 测试点数量：6

数据集结构

• 数据按无线技术分类：WiFi, BLE, Zigbee
• 每种技术下分三个子文件夹：Pathloss, Database, Tests
  • Pathloss: 18个文件，测量不同距离的RSSI
  • Database: 16个文件，测量指纹位置的RSSI
  • Tests: 6个文件，测量随机位置的RSSI

数据文件格式

• 文件名：对应数据收集位置
• 数据格式："Node Letter: Value"
  • Letter: 发射器标识，A, B, 或 C
  • Value: RSSI读数
• 每文件约含300条读数

数据位置信息

• 具体位置的(x,y)坐标记录在相应的.xlsx文件中

搜集汇总

数据集介绍

构建方式

Raw-RSSI-Dataset通过在一个5.8 x 5.3米的会议室内进行实验，收集了来自WiFi、蓝牙低功耗（BLE）和Zigbee三种无线技术的接收信号强度指示（RSSI）读数。实验中使用了Raspberry Pi 3 Model B、Gimbal Series 10 Beacons和Series 2 Xbees与Arduino Uno微控制器等设备。数据集的构建包括了16个指纹点用于数据库创建，以及6个测试点用于与数据库进行比较。数据集根据无线技术类型分为WiFi、BLE和Zigbee，每个技术类型下又细分为路径损耗、数据库和测试三个子文件夹，分别包含不同位置的RSSI测量数据。

特点

Raw-RSSI-Dataset的特点在于其综合性和多样性，涵盖了三种主流无线技术（WiFi、BLE、Zigbee）的RSSI数据，且数据在高度噪声的环境中采集，增强了数据的真实性和应用价值。数据集结构清晰，每个技术类型下的数据进一步细分为路径损耗、数据库和测试，便于不同研究目的的使用。此外，数据集提供了详细的坐标信息，支持空间分析和定位算法的验证。

使用方法

使用Raw-RSSI-Dataset时，用户可以根据研究需求选择特定的无线技术数据，如WiFi、BLE或Zigbee。每个技术类型下的数据分为路径损耗、数据库和测试三部分，分别适用于不同的实验和分析场景。路径损耗数据可用于信号传播模型的研究，数据库数据适合用于指纹识别算法的训练，而测试数据则用于验证算法的准确性。数据文件格式统一，便于解析和处理，且提供了坐标信息，方便进行空间分析和定位算法的实现。

背景与挑战

背景概述

Raw-RSSI-Dataset是由一组在会议室内收集的接收信号强度指示（RSSI）读数构成的综合数据集。该数据集涵盖了三种无线技术：WiFi（IEEE 802.11n 2.4GHz频段）、蓝牙低功耗（BLE）和Zigbee（IEEE 802.15.4）。实验中使用了Raspberry Pi 3 Model B、Gimbal Series 10 Beacon和Series 2 Xbee与Arduino Uno微控制器等设备。该数据集的创建旨在通过实验评估不同系统设计（如三边测量法和基于K-近邻（KNN）的指纹识别）在噪声环境中的定位精度，并探索滤波技术（如运行平均和卡尔曼滤波）的应用效果。

当前挑战

Raw-RSSI-Dataset面临的主要挑战包括：首先，实验环境为一个5.8 x 5.3米的会议室，由于大量发射器的存在，环境噪声极高，这对信号强度的准确测量构成了显著障碍。其次，数据集的构建过程中，需在不同无线技术之间进行协调，确保数据的一致性和可比性。此外，实验中涉及的多种定位算法和滤波技术的结合，增加了数据处理的复杂性，如何有效整合这些技术以提高定位精度仍是一个亟待解决的问题。

常用场景

经典使用场景

Raw-RSSI-Dataset在无线定位技术领域具有广泛的应用，尤其是在室内定位系统中。该数据集通过收集WiFi、蓝牙低功耗（BLE）和Zigbee三种无线技术的接收信号强度指示（RSSI）读数，为研究者提供了丰富的实验数据。经典的使用场景包括基于指纹识别的定位算法，如K-近邻（KNN）算法，以及基于三边测量法的定位技术。这些方法通过分析不同位置的RSSI值，能够实现对目标位置的精确估计。

实际应用

在实际应用中，Raw-RSSI-Dataset为多种室内定位系统提供了数据支持。例如，在智能建筑中，该数据集可用于开发高效的室内导航系统，帮助用户在复杂的建筑环境中找到目标位置。此外，在工业物联网（IIoT）中，精确的设备定位对于资产管理和维护至关重要，该数据集可用于优化这些系统的定位精度。在医疗环境中，精确的室内定位技术可以提高病人和设备的追踪效率，从而提升医疗服务质量。

衍生相关工作

基于Raw-RSSI-Dataset，研究者们已经开展了多项相关工作。例如，有研究利用该数据集优化了K-近邻（KNN）算法，提高了指纹识别定位的准确性。此外，还有研究者通过分析数据集中的路径损耗数据，改进了无线信号传播模型，为更精确的信号预测提供了理论基础。这些衍生工作不仅推动了室内定位技术的发展，也为其他无线通信技术的研究提供了新的思路和方法。