简介：在无线网络广泛普及的背景下，WiFi信号的稳定性与速度直接影响用户体验。随着接入设备增多，网络拥堵和信道干扰问题日益突出，因此开发一款能够检测WiFi信道强度、统计网络数量并支持数据分析的软件具有重要意义。本文介绍的软件可实时扫描周围WiFi环境，统计活跃网络数量，识别各网络所用信道及信号强度（dBm），并支持将数据导出为Excel文件，便于进一步分析。核心组件WifiInfoView.exe无需安装即可运行，适用于家庭用户优化连接，也适合专业技术人员进行网络评估与调优。
1. WiFi网络数量统计功能与应用
1.1 WiFi扫描技术原理与SSID广播机制
无线设备通过被动侦听Beacon帧获取周边AP信息，每个AP周期性广播其SSID、BSSID、信道及加密方式。被动扫描无需关联，仅需将网卡置于监听模式（Monitor Mode），即可捕获空中所有802.11管理帧。
# 示例：使用scapy进行WiFi扫描（需支持监听模式的网卡）
from scapy.all import *
def packet_handler(pkt):
if pkt.haslayer(Dot11Beacon):
ssid = pkt[Dot11Elt].info.decode()
bssid = pkt[Dot11].addr2
channel = int(ord(pkt[Dot11Elt:3].info))
print(f"SSID: {ssid}, BSSID: {bssid}, Channel: {channel}")
sniff(prn=packet_handler, iface="wlan0mon", count=100)
该代码通过抓取Beacon帧提取基础网络信息，适用于初步探测环境中的WiFi数量与分布。实际应用中需结合BSSID去重避免同一AP多SSID干扰统计准确性。
1.2 网络数量统计的实际应用场景
在家庭环境中，统计可发现网络数有助于判断邻近干扰源密度；办公场所可通过扫描结果评估AP部署合理性；公共场所如商场、机场则利用此数据规划容量与频谱分配。例如，当扫描到超过30个AP集中在2.4GHz频段时，表明信道竞争激烈，需引导用户向5GHz迁移。
1.3 隐藏网络探测与数据完整性保障
部分AP关闭SSID广播（即“隐藏网络”），但其Beacon帧仍包含空SSID字段或客户端关联请求会暴露名称。通过监听Probe Response帧或主动发送Probe Request广播，可识别此类网络。同时，基于BSSID唯一性去重，防止同一AP因多频段或多SSID被重复计数，确保统计数据真实反映物理接入点数量。
2. WiFi信道使用情况检测与分析
无线通信环境的复杂性在近年来随着智能设备数量激增和AP（接入点）部署密度上升而显著加剧。尤其是在城市住宅区、商业综合体及企业办公场所中，多个WiFi网络共存已成为常态。这种高密度部署带来了严重的信道竞争问题，进而影响网络性能与用户体验。因此，对WiFi信道使用情况进行精准检测与深度分析，不仅是优化无线网络的前提，更是实现高效频谱管理的核心环节。本章将系统性地探讨WiFi信道结构的技术背景、数据采集方法、可视化建模手段以及典型场景下的实践应用，帮助读者建立从理论到实操的完整认知体系。
通过对信道分布规律的理解，结合现代扫描技术与信号处理算法，可以有效识别出当前环境中各信道的占用状态、干扰程度以及潜在冲突风险。更重要的是，基于时间维度的数据积累能够支持趋势预测与动态调整策略的制定，为自动信道选择（ACS）、负载均衡和射频资源调度提供决策依据。接下来的内容将逐层深入，首先解析不同频段下信道划分的标准架构，再过渡到具体实现层面的技术路径，并最终通过真实案例验证其可行性与价值。
2.1 WiFi信道划分标准与频段结构
WiFi通信主要依赖于两个ISM（Industrial, Scientific, and Medical）频段：2.4GHz 和 5GHz。这两个频段在物理特性、可用带宽、信道数量及抗干扰能力方面存在显著差异，直接影响了它们在实际部署中的适用场景。理解这些差异是进行信道分析的第一步，也是构建合理无线网络布局的基础。
2.1.1 2.4GHz与5GHz频段的信道分布差异
2.4GHz频段是最早被广泛用于WiFi通信的频段之一，其频率范围为2400MHz至2483.5MHz，总共约83.5MHz带宽。该频段划分为14个信道（部分国家仅允许使用前11或13个），每个信道宽度为20MHz，相邻信道中心频率间隔5MHz。这意味着信道之间存在严重重叠。例如，信道1的中心频率为2412MHz，信道2为2417MHz，两者仅相隔5MHz，远小于20MHz的有效带宽，导致强烈的邻频干扰。
为了减少干扰，通常建议只使用非重叠信道： 信道1、6、11 （在中国为1、6、11；美国可扩展至1–11）。这三个信道之间有足够的间隔（至少25MHz），可以避免相互干扰。然而，在高密度环境中，即便如此也难以避免多AP同时选择相同信道，造成同频干扰。
相比之下，5GHz频段提供了更宽的可用带宽和更多的非重叠信道。其频率范围大致在5150MHz至5850MHz之间（根据不同地区法规略有差异），总带宽超过600MHz。在此范围内，可划分为数十个20MHz信道，且所有信道均不重叠。此外，还支持更宽带宽模式（如40MHz、80MHz甚至160MHz），从而提升吞吐量。
下表对比了两个频段的关键参数：
| 参数 | 2.4GHz 频段 | 5GHz 频段 |
|---|---|---|
| 总带宽 | ~83.5 MHz | ~600+ MHz |
| 可用信道数（中国） | 13（常用1/6/11） | 25+（含DFS信道） |
| 标准信道宽度 | 20MHz | 20/40/80/160MHz |
| 非重叠信道数 | 3（1,6,11） | >20 |
| 波长特性 | 穿透性强，传播距离远 | 易被遮挡，覆盖范围小 |
| 干扰源 | 蓝牙、微波炉、Zigbee等 | 相对较少，但存在雷达系统 |
graph TD
A[2.4GHz频段] --> B[信道1-13]
B --> C[信道1: 2412MHz]
B --> D[信道6: 2437MHz]
B --> E[信道11: 2462MHz]
C -.-> F[与其他信道高度重叠]
D -.-> F
E -.-> F
G[5GHz频段] --> H[UNII-1 至 UNII-4 子频段]
H --> I[信道36,40,...,165]
I --> J[全部非重叠]
J --> K[支持DFS与TPC]
该流程图清晰展示了两个频段在信道分布上的结构性差异：2.4GHz受限于窄带宽和信道重叠，易发生干扰；而5GHz具备更多独立信道和灵活带宽配置能力，更适合高容量需求场景。
尽管5GHz拥有诸多优势，但由于其较高的频率导致电磁波穿透力弱、衰减快，因此在穿墙能力和远距离覆盖上不如2.4GHz。这使得双频路由器必须根据终端位置和业务类型智能分配频段资源。
2.1.2 信道宽度（20MHz/40MHz/80MHz）对占用范围的影响
现代WiFi标准（尤其是802.11n/ac/ax）支持多种信道绑定模式，即通过合并多个连续的20MHz信道来形成更宽的传输通道，以提高数据速率。常见的组合包括：
- 20MHz ：基础模式，兼容性强，适用于拥挤环境。
- 40MHz ：由两个20MHz信道组成，吞吐量翻倍，但占用双倍频谱资源。
- 80MHz / 160MHz ：主要用于802.11ac Wave 2及以上，适合高带宽应用（如4K视频流、VR传输）。
信道宽度的选择直接影响频谱利用率与干扰概率。例如，当一个AP启用80MHz模式时，它会占用四个连续的20MHz信道。假设其主信道为36，则实际占用了信道36、40、44、48。这极大减少了其他设备可用的“干净”信道数量。
以下表格展示不同带宽模式下的信道占用情况（以5GHz为例）：
| 模式 | 主信道 | 实际占用信道序列 | 占用总带宽 |
|---|---|---|---|
| 20MHz | 36 | [36] | 20MHz |
| 40MHz | 36 | [36, 40] | 40MHz |
| 80MHz | 36 | [36, 40, 44, 48] | 80MHz |
| 160MHz | 36 | [36~56] 或 [100~116] | 160MHz |
值得注意的是，160MHz模式要求极宽的连续频谱，在大多数实际环境中难以实现，除非部署在专用频段或使用DFS信道。
代码示例：判断某一主信道在指定带宽下所占用的所有子信道
def get_occupied_channels(primary_channel, bandwidth='20'):
"""
计算给定主信道和带宽下实际占用的信道列表
:param primary_channel: 主信道编号（整数）
:param bandwidth: 带宽模式 ('20', '40', '80', '160')
:return: 占用的信道列表
"""
step = 4 # 每个20MHz信道间隔4个编号（如36→40）
channels = [primary_channel]
if bandwidth == '40':
channels.append(primary_channel + step)
elif bandwidth == '80':
for i in range(3):
channels.append(primary_channel + step * (i + 1))
elif bandwidth == '160':
for i in range(7):
channels.append(primary_channel + step * (i + 1))
# 过滤非法信道（如超出5GHz范围）
valid_range = list(range(36, 180, 4)) # 仅列出常见合法信道
return [ch for ch in sorted(set(channels)) if ch in valid_range]
# 示例调用
print(get_occupied_channels(36, '80')) # 输出: [36, 40, 44, 48]
逻辑分析与参数说明：
-
primary_channel：用户设定的主信道，决定了整个捆绑信道的起始位置。 -
bandwidth：字符串形式表示带宽模式，控制后续扩展逻辑。 - 函数内部通过固定步长（4）模拟信道递增关系，符合IEEE 802.11标准中5GHz信道编号规则（每20MHz增加4）。
- 最后一步过滤确保返回值均为合法存在的信道编号，防止越界错误。
- 此函数可用于信道规划工具中，辅助判断某个AP启用宽频后是否会与其他现有网络产生冲突。
2.1.3 动态频率选择（DFS）在5GHz中的作用
在5GHz频段中，部分信道（如52–144）原本被气象雷达、军用雷达等系统使用。为了避免干扰这些关键服务，IEEE和各国监管机构（如FCC、ETSI）引入了 动态频率选择 （Dynamic Frequency Selection, DFS）机制。
DFS的核心功能包括：
- 信道可用性检查（CAC） ：AP在启用DFS信道前必须进行至少60秒的监听，确认无雷达信号存在。
- 持续监测 ：运行期间持续检测是否有雷达脉冲出现。
- 快速切换 ：一旦检测到雷达信号，AP需在10秒内停止发射并切换至安全信道。
- 通知客户端 ：通过信标帧告知STA（Station）信道变更。
DFS信道的优势在于提供了额外的高质量频谱资源（通常位于UNII-2A和UNII-2C子频段），尤其适合需要大带宽的应用场景。但由于CAC过程延长了启动时间，且部分低端网卡不支持DFS，导致其普及率受限。
以下是典型的DFS信道列表（以中国为例）：
| 信道编号 | 中心频率(MHz) | 是否需DFS |
|---|---|---|
| 52 | 5260 | 是 |
| 56 | 5280 | 是 |
| 60 | 5300 | 是 |
| 64 | 5320 | 是 |
| 100 | 5500 | 是 |
| 144 | 5720 | 是 |
启用DFS的AP在网络扫描结果中通常会标记为“DFS Required”或“Radar Detection”。开发人员可通过Linux下的 iw list 命令查看网卡是否支持DFS：
$ iw list | grep -A 10 "Frequencies:" | grep "DFS state"
输出可能包含：
* DFS state: usable (USABLE)
* DFS state: unusable (UNAVAILABLE)
只有状态为“usable”且驱动支持的情况下，才能合法使用DFS信道。
综上所述，2.4GHz与5GHz在信道结构、带宽灵活性和监管机制上存在本质区别。合理利用这些特性，结合信道宽度与DFS策略，是构建高性能无线网络的关键前提。后续章节将进一步探讨如何通过技术手段获取这些信道信息，并进行深度分析与优化决策。
3. WiFi信道强度（dBm）测量原理与实现
无线通信质量的核心指标之一是信号强度，其在WiFi网络中的体现即为接收端测得的信道功率水平，通常以分贝毫瓦（dBm）为单位表示。准确测量和理解WiFi信道强度不仅关系到连接稳定性、数据传输速率，更是无线环境评估、覆盖优化与干扰管理的基础。随着智能设备对网络依赖性的增强，尤其是在高密度部署场景中，如何获取精确且可重复的信号强度数据成为系统设计的关键环节。本章将深入剖析信号强度的物理本质，解析从硬件接口到软件层的数据采集机制，并探讨影响测量精度的主要因素及其校正策略。在此基础上，结合实际应用需求，展示如何通过结构化测量流程构建室内信号覆盖地图，为后续的网络优化提供空间维度的数据支撑。
3.1 无线信号强度的基本物理概念
无线信号在自由空间传播过程中会因距离增加、障碍物遮挡以及多径效应等因素发生衰减，这种衰减直接反映在接收端所检测到的功率水平上。为了量化这一现象，工程实践中广泛采用对数单位—— dBm 来描述功率大小，它相对于1毫瓦（mW）的参考值进行计算，具有表达范围宽、便于运算的优点。理解dBm的本质及其与其他参数的关系，是实现精准信号测量的前提。
3.1.1 dBm单位的定义及其与功率的关系
dBm是一种绝对功率单位，表示某信号功率相对于1毫瓦（1 mW）的对数比值，数学表达式如下：
P_{text{dBm}} = 10 cdot log_{10}left(frac{P}{1,text{mW}}right)
其中 $ P $ 是实际功率（单位为mW）。例如，当信号功率为1 mW时，对应的dBm值为0；若功率为0.1 mW，则转换为-10 dBm；而10 mW则对应+10 dBm。值得注意的是，WiFi信号的实际接收功率往往远低于1 mW，因此常见值多处于负区间，如 -30 dBm 至 -90 dBm。
下表列出了典型功率值与dBm之间的对照关系：
| 功率 (mW) | dBm 值 |
|---|---|
| 1000 | +30 |
| 100 | +20 |
| 10 | +10 |
| 1 | 0 |
| 0.1 | -10 |
| 0.01 | -20 |
| 0.001 | -30 |
| 1e-6 | -60 |
| 1e-9 | -90 |
该对数特性使得极小的功率变化也能被敏感地捕捉。例如，从-70 dBm提升至-60 dBm，虽然仅增加了10 dBm，但实际功率提升了10倍。这说明即使微小的dBm改善也可能显著提升链路质量。
此外，在系统设计中还需注意区分dBm与dB的区别： dB是一个相对单位 ，用于描述两个信号之间的增益或损耗；而 dBm是绝对单位 ，始终基于1 mW基准。混淆两者可能导致误判放大器增益或路径损耗的程度。
graph TD
A[发射功率 20 dBm (100mW)] --> B[自由空间传播损耗]
B --> C[墙体穿透 -15 dB]
C --> D[多径衰落 -5 dB]
D --> E[接收信号强度 -50 dBm]
上述流程图展示了信号从发射到接收过程中的典型衰减路径。初始发射功率设为常见的路由器输出水平20 dBm（约100mW），经过自由空间传播、障碍物穿透及多径效应后，最终到达终端设备时可能降至-50 dBm左右。这一过程凸显了dBm作为贯穿整个链路分析的核心参数的重要性。
3.1.2 接收信号强度指示（RSSI）与实际dBm值的转换关系
尽管现代无线网卡普遍支持信号强度读取功能，但底层硬件并不直接返回标准dBm值，而是提供一个名为 RSSI（Received Signal Strength Indicator） 的无量纲整数。RSSI是由芯片厂商根据内部ADC采样结果生成的一个经验性指标，其数值范围因硬件型号而异（常见为0~100或0~255），不具备跨平台一致性。
不同厂商对RSSI的映射逻辑存在差异。例如：
– Atheros 芯片可能将 -95 dBm 映射为 RSSI=0，-25 dBm 映射为 RSSI=100；
– Broadcom 可能使用非线性映射函数；
– Intel AX200 网卡则采用更复杂的动态标定机制。
因此，必须通过驱动层提供的API或固件接口将其转换为标准化的dBm值。部分操作系统（如Linux）可通过 iw 命令获取原始RSSI并尝试反查校准表：
iw dev wlan0 scan | grep "signal"
输出示例：
signal: -65 dBm
在编程层面，可通过调用Netlink套接字监听扫描事件，提取 NL80211_ATTR_SIGNAL 字段获得已转换的dBm值。以下是Python中使用 pyroute2 库读取信号强度的简化代码片段：
from pyroute2 import IPRoute
ipr = IPRoute()
scan_results = ipr.get_links()
for link in scan_results:
if 'attrs' in link:
for attr in link['attrs']:
if attr[0] == 'IFLA_WIRELESS':
# 解析无线扩展信息
for event in attr[1]:
if event.startswith(b'Scan completed'):
print("Signal info available")
代码逻辑分析 ：
上述代码利用pyroute2访问Linux内核的Netlink接口，查询无线接口的状态信息。当触发扫描完成后，内核会通过IFLA_WIRELESS属性上报包含信号强度在内的扫描结果。虽然该示例未完整解析TLV结构，但它展示了如何绕过用户态工具（如iw）直接与驱动交互的思路。真正的RSSI转dBm需依赖设备自身的校准表，通常存储于EEPROM或固件中，由驱动自动完成映射。
参数说明：
– NL80211_ATTR_SIGNAL ：IEEE 802.11通用属性，代表信号强度，单位dBm；
– IFLA_WIRELESS ：旧式无线扩展属性，逐渐被nl80211取代；
– RSSI映射表：由芯片制造商预置，不可随意修改，否则导致测量失真。
3.1.3 路径损耗模型与距离估算基础
基于已知的发射功率与实测接收功率，可以利用路径损耗模型粗略估算设备间的物理距离。最基础的模型是 自由空间路径损耗（Free Space Path Loss, FSPL）公式 ：
text{FSPL}(dB) = 20log_{10}(d) + 20log_{10}(f) + 20log_{10}left(frac{4pi}{c}right)
其中：
– $ d $：距离（米）
– $ f $：频率（Hz）
– $ c $：光速（≈3×10⁸ m/s）
简化形式（$ f $ 单位GHz，$ d $ 单位km）：
text{FSPL} approx 32.44 + 20log_{10}(f_{GHz}) + 20log_{10}(d_{km})
例如，在2.4 GHz频段下，1米距离的理论路径损耗约为40 dB。假设AP发射功率为+20 dBm，则理想情况下接收端应收到约 -20 dBm 的信号。然而现实中由于墙体、家具等遮挡，实测值常低至-50~-70 dBm。
更实用的是 对数正态阴影衰落模型 （Log-Normal Shadowing Model）：
P_r(d) = P_t + G_t + G_r – PL(d_0) – 10nlog_{10}left(frac{d}{d_0}right) + X_sigma
其中：
– $ P_r(d) $：距发射源 $ d $ 处的接收功率（dBm）
– $ P_t $：发射功率（dBm）
– $ G_t, G_r $：天线增益（dB）
– $ PL(d_0) $：参考距离 $ d_0 $（如1m）处的路径损耗
– $ n $：路径损耗指数（自由空间为2，城市环境可达4~6）
– $ X_sigma $：服从正态分布的随机变量（标准差σ反映环境波动）
此模型可用于构建初步的定位系统或覆盖预测工具。例如，在室内勘测中固定AP位置，采集多个点的dBm值，拟合出局部$n$和$sigma$，进而反推未知位置的距离。
3.2 信道强度数据采集的技术路径
获取稳定可靠的信号强度数据依赖于正确的采集方法和技术手段。不同于简单的图形化工具一键扫描，专业级应用需要深入操作系统底层，控制扫描行为、解析帧结构并管理采样频率，以确保数据的时间一致性和空间准确性。
3.2.1 网卡支持的信号强度读取API调用
在Windows平台上，可通过 Native WiFi API （ WlanGetAvailableNetworkList ）获取周围AP列表及其信号强度。以下为C++示例代码：
#include <windows.h>
#include <wlanapi.h>
WLAN_AVAILABLE_NETWORK_LIST* pList;
DWORD dwMaxClient = 2;
DWORD dwCurVersion = 0;
HANDLE hClient;
WlanOpenHandle(dwMaxClient, NULL, &dwCurVersion, &hClient);
WlanEnumInterfaces(hClient, NULL, &pIfList);
for (int i = 0; i < pIfList->dwNumberOfItems; i++) {
WLAN_INTERFACE_INFO* pIfInfo = &pIfList->InterfaceInfo[i];
WlanGetAvailableNetworkList(hClient, &pIfInfo->InterfaceGuid,
0, NULL, &pList);
for (int j = 0; j < pList->dwNumberOfItems; j++) {
WLAN_AVAILABLE_NETWORK* pNetwork = &pList->Network[j];
wprintf(L"SSID: %s, Signal: %u%% (%d dBm)n",
pNetwork->dot11Ssid.ucSSID,
pNetwork->wlanSignalQuality,
TranslateQualityToDbm(pNetwork->wlanSignalQuality));
}
}
代码逻辑分析 ：
该程序首先打开WLAN句柄，枚举所有无线接口，然后调用WlanGetAvailableNetworkList执行被动扫描，返回可用网络列表。每个条目中的wlanSignalQuality字段为0~100的百分比值，需通过查表或线性插值得到近似dBm。例如，可设定：
– 100% → -30 dBm
– 50% → -60 dBm
– 0% → -90 dBm
此种映射虽不精确，但在缺乏原生dBm支持时仍具实用性。
参数说明：
– dot11Ssid.ucSSID ：服务集标识符，最长32字节；
– wlanSignalQuality ：归一化信号质量，非真实RSSI；
– 实际dBm需依赖驱动是否上报原始值。
3.2.2 扫描帧解析中Signal Level字段提取
在Linux系统中，可通过解析 Beacon帧 或 Probe Response帧 中的Radiotap头部获取原始信号强度信息。Radiotap是注入到802.11帧前部的元数据头，包含时间戳、信号强度、噪声等级等。
使用 tcpdump 抓包示例：
tcpdump -i wlan0 -y IEEE802_11_RADIO -w wifi.pcap
随后使用Wireshark或 tshark 解析：
tshark -r wifi.pcap -T fields -e frame.time -e wlan.sa -e radiotap.dbm_antsignal
输出：
Jul 5, 2025 10:00:01.123456, aa:bb:cc:dd:ee:ff, -67
其中 radiotap.dbm_antsignal 即为接收天线测得的信号强度（dBm）。该字段由网卡硬件直接填充，精度较高。
Python中可使用 scapy 库解析：
from scapy.all import *
def packet_handler(pkt):
if pkt.haslayer(Dot11Beacon):
sig = pkt.dBm_AntSignal
ssid = pkt.info.decode('utf-8', errors='ignore')
print(f"AP: {ssid}, RSSI: {sig} dBm")
sniff(iface="wlan0", prn=packet_handler, count=10)
代码逻辑分析 ：
sniff()函数监听指定接口，每当捕获到Beacon帧时调用packet_handler。pkt.dBm_AntSignal来自Radiotap头解析，代表当前帧的接收功率。此方法适用于需要细粒度控制的场景，如构建实时热力图系统。
限制：并非所有网卡都支持Radiotap，需确认芯片组（推荐Atheros AR9271或RTL8812AU）。
3.2.3 数据采样频率与稳定性控制策略
高频采样虽能提高数据密度，但也带来内存占用上升和统计偏差风险。合理的采样策略应在“响应速度”与“数据稳定性”之间取得平衡。
建议设置动态采样周期：
– 初始阶段：每秒采样5次，快速收敛；
– 稳态阶段：每5秒采样1次，减少抖动；
– 移动测量：结合GPS或惯性传感器触发采样。
同时引入滑动窗口平均算法过滤瞬时波动：
class SignalSampler:
def __init__(self, window_size=5):
self.window = deque(maxlen=window_size)
def add_sample(self, dbm):
self.window.append(dbm)
def get_smoothed(self):
return sum(self.window) / len(self.window) if self.window else None
代码逻辑分析 ：
使用collections.deque创建固定长度双端队列，自动丢弃最老样本。每次调用get_smoothed()返回窗口内均值，有效抑制突发噪声（如人体遮挡瞬间）。窗口大小可根据环境动态调整：开放空间取3，复杂环境取7~10。
参数说明：
– window_size ：影响平滑程度与响应延迟；
– 均值滤波优于中位数滤波在连续变化场景下的表现。
一、2.4GHz 与 5GHz/6GHz 频段的工程取舍
无线局域网真正可稳定使用的 2.4GHz 信道只有 1、6、11 三条互不重叠（非重叠）信道——每条 802.11 信道占用约 22MHz 带宽，而 2.4GHz 总可用带宽仅 83.5MHz，相邻信道频域重叠会直接引发邻频干扰。在办公、酒店、公寓等 AP 密集场景，手动把相邻 AP 错开到 1/6/11 比”自动信道”更能避免同频踩踏。5GHz 频段信道多、干扰少、速率高，但穿墙衰减大；6GHz（Wi-Fi 6E/7）进一步打开连续频谱，适合高密场馆。工程上低密度家用优先走 5GHz，高密度公共区域再用 2.4GHz 做覆盖补充。
二、干扰定位的实测方法
- 同频干扰：多个 AP 用同一信道，CSMA/CA 退避加剧，表现为 ping 抖动、吞吐腰斩。用 WiFi Analyzer、InSSIDer 或 AC 自带频谱图看同信道 AP 数量。
- 邻频干扰：信道 1 与 2、6 与 7 相邻重叠，必须严格按 1/6/11 规划。
- 非 Wi-Fi 干扰：蓝牙、Zigbee、无绳电话、微波炉、无线图传都可能污染空口。普通 Wi-Fi 嗅探看不到非 802.11 能量，需频谱仪或支持频谱扫描的 AP。
- 多径干扰：信号经墙体多次反射叠加引起深衰落，典型症状就是”信号满格却卡顿”，可通过调整 AP 位置、降低发射功率、启用波束成形缓解。
三、商用场景的信道与功率规划
酒店/宿舍按楼层错开信道组；仓库/车间用 5GHz 定向天线做回传；会议室投屏卡顿多为 2.4G 拥堵，建议给投屏终端单独开 5G SSID。AP 发射功率并非越大越好——过大会造成跨区同频、过小留覆盖空洞，需结合场强仿真（Ekahau、AirMagnet）做 AP 点位与功率联合优化。Wi-Fi 6 的 OFDMA、MU-MIMO、TWT 从调度层面提升多用户效率，但前提是物理层干扰已先控制住。
相关阅读
本文为转载作品。版权归原作者所有；本站仅作技术学习与方案参考，如涉侵权请联系我们删除。
评论 0
还没有评论，来抢沙发吧。