#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ warwalk_sim_map.py — СИМУЛЯТОР карты покрытия для урока (до выхода в поле). Зачем нужен: реальная прогулка WarWalk даёт карту RSSI, на которой видны тень здания, дифракция за углом, дыры покрытия. Но чтобы ученик ПОНЯЛ карту, полезно сначала собрать её из физики самому: поставить маячок, поставить пару зданий и посмотреть, какую карту предсказывает модель. Тогда настоящая карта из поля читается не как магия, а как «модель + то, чего модель не знала». Вся физика здесь — ровно та, что разобрана в WarWalk_writeup.md, раздел 3: * бюджет линка: P_rx = P_tx + G_tx + G_rx − PL(d) * лог-дистанционная модель: PL(d) = PL(d0) + 10·n·lg(d/d0) * тень здания: дифракция на кромке (knife-edge), потери растут с глубиной геометрической тени за препятствием; * shadowing: лог-нормальный шум σ дБ (случайная добавка в дБ); * цензура: RSSI ниже чувствительности приёмника = ПАКЕТА НЕТ (дыра). Модель это честно повторяет — «дыры» чёрные, как в поле. Модель НАМЕРЕННО упрощена (одно препятствие = один экран, отражения не считаем): её задача — не заменить измерение, а показать, ОТКУДА на карте берутся тени и дыры. Расхождение симуляции с реальной прогулкой — тема для обсуждения на защите проекта (отражения от ангара, волновод улицы модель не предскажет — а карта из поля их покажет). Запуск (зависимости ставит uv автоматически): uv run warwalk_sim_map.py Без uv: pip install numpy matplotlib python warwalk_sim_map.py """ # /// script # requires-python = ">=3.11" # dependencies = ["numpy>=1.26", "matplotlib>=3.8"] # /// import numpy as np import matplotlib.pyplot as plt from matplotlib.widgets import Slider, Button # --- Параметры радиолинка (значения из WarWalker.ino / писать 1:1 с прошивкой) --- P_TX_DBM = 14.0 # мощность маячка, дБм (WW_POWER_DBM) G_TX_DBI = 2.0 # усиление антенны маячка G_RX_DBI = 2.0 # усиление антенны ходока FREQ_MHZ = 869.4625 # WW_FREQ_MHZ # Чувствительность SX126x зависит от SF: каждый шаг SF ~ +2.5..3 дБ (writeup 3.1). SENS_BY_SF = {7: -123.0, 8: -126.0, 9: -129.0, 10: -132.0, 11: -134.5, 12: -137.0} # Сцена: квадрат района SIZE×SIZE метров, маячок в центре. SIZE_M = 500 GRID = 220 # разрешение карты (точек на сторону) D0_M = 1.0 # опорное расстояние лог-дистанционной модели # Здания-препятствия: (x, y, ширина, высота) в метрах, координаты от угла сцены. BUILDINGS = [ (300, 250, 70, 40), # «пятиэтажка» справа от маячка (140, 320, 40, 90), # длинный дом сверху-слева ] def fspl_d0(freq_mhz, d0_km): """Потери свободного пространства на опорном d0 (формула FSPL из writeup 3.1).""" return 32.45 + 20 * np.log10(freq_mhz) + 20 * np.log10(max(d0_km, 1e-6)) def knife_edge_loss_db(clearance_m, freq_mhz): """ Дополнительные потери на дифракции за кромкой препятствия (модель knife-edge). clearance_m: насколько луч ЗАГЛУБЛЁН в геометрическую тень (>0 = в тени). Приближение ITU для параметра Френеля v: 6.9 + 20·lg(√((v-0.1)²+1)+v-0.1). Чем глубже в тени — тем больше потери (0 дБ у самой кромки, десятки дБ в глубине). """ if clearance_m <= 0: return 0.0 # Параметр Френеля v грубо пропорционален глубине тени (упрощение для урока: # масштаб подобран так, чтобы «за углом» было ~6 дБ, в глубине двора 15-25 дБ). v = clearance_m / 6.0 return 6.9 + 20 * np.log10(np.sqrt((v - 0.1) ** 2 + 1) + v - 0.1) def shadow_depth_m(px, py, bx, by, bw, bh, beacon): """ Насколько точка (px,py) заглублена в «радиотень» здания от маячка. Тень = геометрическая проекция здания в направлении ОТ маячка. Возвращает условную глубину в метрах (0 = вне тени), которую едят как knife-edge. """ bcx, bcy = bx + bw / 2, by + bh / 2 dirx, diry = bcx - beacon[0], bcy - beacon[1] n = np.hypot(dirx, diry) if n < 1e-6: return 0.0 dirx, diry = dirx / n, diry / n # единичный вектор маячок->здание # проекция точки на луч тени относительно дальней грани здания along = (px - bcx) * dirx + (py - bcy) * diry # вдоль луча (за зданием >0) perp = abs(-(px - bcx) * diry + (py - bcy) * dirx) # поперёк луча half_width = max(bw, bh) / 2 if along <= 0 or perp > half_width: return 0.0 # не за зданием или сбоку от тени # глубже в тень + ближе к оси тени = больше потери; сужаем к краям тени edge_fade = 1.0 - perp / half_width return along * edge_fade def compute_rssi_grid(n_exp, sigma_db, sf, seed=0): """Считает карту RSSI SIZE×SIZE. Возвращает (rssi, xs, ys, sensitivity).""" beacon = (SIZE_M / 2, SIZE_M / 2) xs = np.linspace(0, SIZE_M, GRID) ys = np.linspace(0, SIZE_M, GRID) gx, gy = np.meshgrid(xs, ys) # расстояние маячок->точка (в метрах, потом в км для модели) dist_m = np.hypot(gx - beacon[0], gy - beacon[1]) dist_m = np.maximum(dist_m, D0_M) pl = fspl_d0(FREQ_MHZ, D0_M / 1000.0) + 10 * n_exp * np.log10(dist_m / D0_M) # тени зданий (складываем потери, если точка в нескольких тенях) shadow = np.zeros_like(pl) for (bx, by, bw, bh) in BUILDINGS: depth = np.vectorize(lambda px, py: shadow_depth_m(px, py, bx, by, bw, bh, beacon))(gx, gy) shadow += np.vectorize(lambda c: knife_edge_loss_db(c, FREQ_MHZ))(depth) # лог-нормальный shadowing: случайная добавка в дБ, N(0, sigma) rng = np.random.default_rng(seed) noise = rng.normal(0.0, sigma_db, size=pl.shape) rssi = P_TX_DBM + G_TX_DBI + G_RX_DBI - pl - shadow + noise # внутри контура здания «сигнала нет» (стена глушит) — рисуем как дыру for (bx, by, bw, bh) in BUILDINGS: inside = (gx >= bx) & (gx <= bx + bw) & (gy >= by) & (gy <= by + bh) rssi[inside] = -200.0 return rssi, xs, ys, SENS_BY_SF[sf], beacon def main(): n_exp0, sigma0, sf0 = 3.0, 7.0, 7 fig = plt.figure(figsize=(13, 7)) fig.suptitle("WarWalk: симулятор карты покрытия (физика из writeup, раздел 3)", fontsize=13, fontweight="bold") ax_map = fig.add_axes([0.06, 0.30, 0.52, 0.60]) ax_hist = fig.add_axes([0.64, 0.55, 0.32, 0.35]) ax_prof = fig.add_axes([0.64, 0.12, 0.32, 0.30]) state = {"n": n_exp0, "sigma": sigma0, "sf": sf0, "seed": 0} def redraw(_=None): rssi, xs, ys, sens, beacon = compute_rssi_grid( state["n"], state["sigma"], state["sf"], state["seed"]) # --- Карта покрытия --- ax_map.clear() # цензура: ниже чувствительности = дыра. Маскируем такие клетки. heard = np.ma.masked_less(rssi, sens) cmap = plt.cm.RdYlGn.copy() cmap.set_bad("black") # дыры и стены — чёрные, как в поле im = ax_map.imshow(heard, origin="lower", extent=[0, SIZE_M, 0, SIZE_M], vmin=-125, vmax=-50, cmap=cmap, aspect="equal") ax_map.plot(beacon[0], beacon[1], marker="*", color="blue", markersize=16, markeredgecolor="white") ax_map.text(beacon[0], beacon[1] + 14, "маячок", color="blue", ha="center", fontsize=8, fontweight="bold") for (bx, by, bw, bh) in BUILDINGS: ax_map.add_patch(plt.Rectangle((bx, by), bw, bh, facecolor="#444", edgecolor="white", hatch="//")) pdr = 100.0 * np.mean(rssi >= sens) ax_map.set_title(f"Карта RSSI (SF{state['sf']}, чувств. {sens:.0f} дБм). " f"Чёрное — дыры/стены. PDR={pdr:.0f}%", fontsize=9) ax_map.set_xlabel("метры") ax_map.set_ylabel("метры") # --- Гистограмма shadowing (только услышанные точки) --- ax_hist.clear() vals = rssi[rssi >= sens] if vals.size: ax_hist.hist(vals, bins=30, color="#2e86ab", edgecolor="white") ax_hist.set_title("Распределение RSSI услышанных точек\n" "(shadowing → колокол в дБ)", fontsize=8) ax_hist.set_xlabel("RSSI, дБм") # --- Радиальный профиль RSSI(lg d) на восток от маячка --- ax_prof.clear() row = np.argmin(np.abs(ys - beacon[1])) east = xs >= beacon[0] d = xs[east] - beacon[0] + D0_M prof = rssi[row, east] ax_prof.plot(d, prof, ".", color="#66a182", markersize=3) ax_prof.axhline(sens, color="#d1495b", ls="--", lw=1) ax_prof.text(d[-1], sens + 2, "чувствительность", color="#d1495b", ha="right", fontsize=7) ax_prof.set_xscale("log") ax_prof.set_ylim(-140, -40) ax_prof.set_title("Профиль RSSI vs lg(расстояние)\nнаклон = показатель n", fontsize=8) ax_prof.set_xlabel("расстояние, м (лог)") ax_prof.set_ylabel("RSSI, дБм") fig.canvas.draw_idle() # --- Ползунки --- ax_n = fig.add_axes([0.12, 0.18, 0.40, 0.03]) s_n = Slider(ax_n, "Показатель n\n(город 2.7–4.3)", 2.0, 4.5, valinit=n_exp0, valstep=0.1) ax_sig = fig.add_axes([0.12, 0.12, 0.40, 0.03]) s_sig = Slider(ax_sig, "Shadowing σ, дБ", 0.0, 12.0, valinit=sigma0, valstep=0.5) ax_sf = fig.add_axes([0.12, 0.06, 0.40, 0.03]) s_sf = Slider(ax_sf, "SF (чувствительность)", 7, 12, valinit=sf0, valstep=1) def on_n(v): state["n"] = v; redraw() def on_sig(v): state["sigma"] = v; redraw() def on_sf(v): state["sf"] = int(v); redraw() s_n.on_changed(on_n) s_sig.on_changed(on_sig) s_sf.on_changed(on_sf) ax_btn = fig.add_axes([0.64, 0.02, 0.14, 0.05]) b_reseed = Button(ax_btn, "Новая прогулка") def reseed(_): state["seed"] += 1; redraw() b_reseed.on_clicked(reseed) redraw() plt.show() if __name__ == "__main__": main()