RSSI v BLE — co to je, indikátor signálu a odhad vzdálenosti

Co je RSSI v BLE?

RSSI (Received Signal Strength Indicator) — je měření výkonu rádiového signálu přijatého BLE přijímačem v okamžiku příjmu paketu. V BLE se RSSI měří pro každý reklamní paket (advertising) a každý datový paket po připojení. Hodnota RSSI je logaritmická stupnice, kde každý krok 1 dBm odpovídá přibližně změně výkonu signálu 1,26krát.

RSSI je ukazatel závislý na hardwaru: různé BLE čipy (nRF, TI, Dialog, Broadcom) a různé antény mohou zobrazovat různé hodnoty RSSI pro stejný signál. Proto je srovnávání RSSI mezi různými zařízeními nesprávné. Dokonce i dva identické smartphony se stejným operačním systémem mohou vykazovat rozdíl 2–5 dBm pro stejný beacon.

V reklamním paketu se RSSI měří pro každý ze tří kanálů (37, 38, 39). Hodnoty se mohou lišit o 3–10 dBm mezi kanály kvůli frekvenčnímu rušení. Moderní BLE stacky hlásí průměrné RSSI na všech kanálech nebo RSSI pro každý paket zvlášť. iOS Core Bluetooth poskytuje průměrné RSSI, Android — RSSI posledního paketu.

Rozsah hodnot RSSI

Typický rozsah RSSI pro BLE je od -30 dBm do -100 dBm. Hodnoty mimo tyto hranice jsou extrémně vzácné: -20 dBm znamená, že zařízení doslova dotýká antény skeneru, a -105 dBm — úplná absence signálu. Výrobci čipů mohou rozsah omezovat: například nRF52832 hlásí RSSI od -40 do -105 dBm.

TX Power Level — výkon vysílače, který je uveden v reklamním paketu (AD Type 0x0A) a umožňuje korekci odhadu. RSSI -70 dBm od zařízení s TX Power +4 dBm znamená, že signál zeslábl o 74 dB. Pokud TX Power není znám, přesný odhad vzdálenosti je nemožný. iBeacon obsahuje TX Power (1 bajt) ve struktuře Manufacturer Data pro kalibraci vzdálenosti.

Závislost RSSI na vzdálenosti

Model Path Loss (ztráty šířením) se používá pro odhad vzdálenosti na základě RSSI. Základní vzorec: RSSI = TX_Power - 10 × n × log10(d), kde n — koeficient útlumu (2,0 pro volný prostor, 3,0–4,5 pro místnosti s překážkami), d — vzdálenost v metrech. V praxi je přesnost odhadu ±2–5 m v reálných podmínkách.

Pro kalibraci modelu je nutné změřit RSSI na známé vzdálenosti (obvykle 1 m) a vypočítat referenci TX Power. V iBeacon je tento parametr uložen v paketu. V Eddystone se používá podobný mechanismus. Po kalibraci lze vypočítat vzdálenost: d = 10 ^ ((TX_Power — RSSI) / (10 × n)).

Podle Apple Core Bluetooth Programming Guide (2024) je přesnost odhadu vzdálenosti pro iBeacon: immediate (<0,5 m) — když je RSSI vyšší než kalibrační hodnota, near (0,5–3 m) — když je RSSI v rozsahu 3–6 dB od kalibrační hodnoty, far (>3 m) — při slabém signálu. Žádný matematický model neposkytuje přesnost lepší než ±1 m bez dodatečného zpracování.

Faktory ovlivňující přesnost RSSI

RSSI je šumový ukazatel a jeho přesnost závisí na mnoha faktorech. Hlavní zdroje chyb: překážky (zdi, nábytek, lidé) zeslabují signál o 3–15 dB každá, vícecestné šíření (odrazy od zdí) může signál v některých bodech zesilovat a v jiných zeslabovat, orientace antény mění RSSI o 3–10 dB při otáčení zařízení.

Lidské tělo je jedním z nejsilnějších absorbérů BLE signálu. Pokud je mezi beaconem a smartphonem osoba, RSSI může klesnout o 10–20 dB. Voda v lidském těle účinně pohlcuje rádiové záření na frekvenci 2,4 GHz. Proto beacony na dveřích obchodů mohou zobrazovat různý RSSI pro zákazníky různé výšky a postavy.

Další faktory: rušení Wi-Fi na sousedních kanálech může snižovat RSSI o 3–5 dB, teplota BLE čipu ovlivňuje přesnost měření RSSI (u některých čipů drift až 1 dB/°C), degradace baterie v beaconu snižuje TX Power, což vede k nižšímu RSSI na přijímači.

Filtrace a vyhlazování RSSI

Syrové RSSI není vhodné pro přesné výpočty — obsahuje příliš mnoho šumu a odlehlých hodnot. Pro získání stabilního odhadu vzdálenosti se používají metody filtrace. Nejjednodušší — klouzavý průměr: bere se aritmetický průměr posledních N hodnot RSSI. N = 5–10 obvykle stačí k vyhlazení krátkodobých fluktuací.

// Kalmanův filtr pro RSSI
class RssiKalmanFilter(
    private val processNoise: Double = 0.01,
    private val measurementNoise: Double = 1.0
) {

    private var estimate: Double = 0.0
    private var errorCovariance: Double = 1.0

    fun filter(rawRssi: Double): Double {
        // Předpověď
        errorCovariance += processNoise

        // Aktualizace
        val kalmanGain =
            errorCovariance /
            (errorCovariance + measurementNoise)

        estimate = estimate +
            kalmanGain * (rawRssi - estimate)

        errorCovariance =
            (1.0 - kalmanGain) * errorCovariance

        return estimate
    }
}

Kalmanův filtr — pokročilejší metoda, která zohledňuje dynamiku změn RSSI a dává menší zpoždění než klouzavý průměr. Pro stacionární beacony (nepohyblivé) poskytuje klouzavý průměr přijatelný výsledek. Pro pohyblivá zařízení je Kalmanův filtr vhodnější, protože se rychleji přizpůsobuje změnám. Doplňkově lze použít Mediánový filtr pro odstraňování odlehlých hodnot.

Získání RSSI v iOS a Android

iOS Core Bluetooth poskytuje RSSI prostřednictvím vlastnosti peripheral.rssi (NSNumber) po dokončení čtení RSSI. Pro získání RSSI reklamního paketu použijte advertisementData[CBAdvertisementDataRSSIKey]. iOS vrací RSSI jako průměrnou hodnotu na třech kanálech. Pro nepřetržité sledování RSSI volejte readRSSI s intervalem ne častěji než 1krát za sekundu.

// Získat RSSI na iOS
func centralManager(
    _ central: CBCentralManager,
    didDiscover peripheral: CBPeripheral,
    advertisementData: [String: Any],
    rssi RSSI: NSNumber
) {
    let signalStrength = Int(truncating: RSSI)

    // Filtrovat slabé signály
    guard signalStrength > -90 else {
        return
    }

    print("Zařízení " +
          "\(peripheral.name ?? "unknown") " +
          "RSSI: \(signalStrength) dBm")
}

Android poskytuje RSSI prostřednictvím callbacku onScanResult: result.getRssi(). Hodnota RSSI je RSSI posledního reklamního paketu (ne průměr). Pro stabilní odečty je nutné shromáždit více hodnot a aplikovat filtraci. Android také poskytuje TX Power Level prostřednictvím result.getScanRecord().getTxPowerLevel(), pokud je přenášen v reklamním paketu.

// Získat RSSI na Android
private val scanCallback = object : ScanCallback() {

    override fun onScanResult(
        callbackType: Int,
        result: ScanResult
    ) {
        val rssi = result.rssi
        val txPower = result.scanRecord?.
            txPowerLevel ?: -128

        // Aplikovat Kalmanův filtr
        val filtered = kalmanFilter.
            filter(rssi.toDouble())

        Log.d("BLEScanner",
            "RSSI: $rssi, " +
            "Filtered: $filtered, " +
            "TX: $txPower")
    }
}

Při vývoji aplikací používajících RSSI pro určování polohy zohledněte: v iOS jsou hodnoty RSSI stabilnější díky hardwarové kalibraci, v Android — šumivější a závislé na výrobci zařízení. Pro multiplatformní projekty se doporučuje implementovat filtraci na straně aplikace s konfigurovatelnými parametry pro každou platformu.