＃＃ 介绍 WiFi 已经不仅仅是一种将设备连接到互联网的手段，它已经发展成为一个能够跟踪实时位置、绘制建筑布局和优化无线网络的空间智能平台。 RuView 由 ruvnet 开发，是一个Open Source Python 平台，可将 WiFi 信号转换为精确的空间数据，将您现有的 WiFi 基础设施转变为强大的传感系统。 RuView 基于 WiFi 信号包含丰富空间信息的原理，通过分析信号强度、飞行时间测量和信道状态信息 (CSI) 来确定建筑物内设备的位置。 结果是一个可以实时跟踪物体、绘制室内环境地图并优化 WiFi 覆盖范围的系统，所有这些都不需要标准 WiFi 适配器之外的额外硬件。 RuView 拥有超过 72,000 个 GitHub star，已成为 WiFi 空间智能领域的领导者。

架构概述（来源：dibi8.com） ## RuView 是什么？ RuView 是基于 Python 的 WiFi 空间智能平台，可从标准 WiFi 信号中提取实时位置数据、建筑平面图和网络优化见解。 它结合使用 WiFi 传感技术，包括接收信号强度指示器 (RSSI) 分析、飞行时间 (ToF) 测量和信道状态信息 (CSI) 处理，以实现亚米级定位精度。 主要能力包括： - 实时位置跟踪 — 使用 RSSI、ToF 或 CSI 算法在厘米级精度内跟踪支持 WiFi 的设备

• 平面图提取 — 根据 WiFi 信号模式和信号传播数据自动生成建筑平面图
• 网状网络优化 — 使用模拟退火优化 WiFi 接入点布局以实现最大覆盖范围
• WiFi 传感 — 通过 WiFi 信号分析检测运动、存在和活动模式，无需摄像头
• MQTT 集成 — 通过 MQTT 将位置数据传输到物联网平台，以实现智能建筑管理
• Home Assistant / Matter Bridge — 通过 Matter 协议与 Home Assistant、Apple Home、Google Home 和 Alexa 集成
• 基于Python — 带有大量文档和示例的纯Python 实现
• MIT 许可 — 免费供个人、商业和企业使用 ## RuView 的工作原理 RuView 通过分析来自标准 802.11 网络接口的 WiFi 信号来运行。 该平台使用多种空间智能技术来根据硬件和环境实现不同级别的精度： 基于 RSSI 的定位使用来自多个接入点的接收信号强度指示器来对设备位置进行三角测量。 这是最简单的技术，需要最少的配置，但在典型的办公环境中可实现 1-3 米范围内的精度。 飞行时间 (ToF) 定位 可测量信号在设备之间传输所需的时间，从而提供更准确的距离测量。 ToF 在多次反射的环境中特别有效，可实现亚米级精度（0.3-0.8 米）。 信道状态信息 (CSI) 捕获详细的 WiFi 信号特征，包括所有子载波的相位、幅度和频率响应。 基于CSI的定位精度最高（0.1-0.3米），但需要专门的硬件支持。 RuView 管道的工作原理如下：从多个接入点收集 WiFi 信号，预处理原始数据以消除噪声和干扰，应用适当的定位算法，并输出位置估计和置信区间。 整个过程实时发生，基于 RSSI 的跟踪处理速度高达每秒 5000 个样本。 ## 安装和设置 RuView 作为 PyPI 上的 Python 包分发，使使用 pip 的安装变得简单。 以下所有命令均经过官方文档验证。 ### 通过 pip 安装 bas h pip安装ruview 这将安装核心 RuView 包，其默认依赖项包括 NumPy、SciPy 和 scikit-learn。 使用标准连接时，安装通常会在 30 秒内完成。 ### 验证安装 bas h ruview --帮助 ### 安装所有可选依赖项 bas h pip install ruview[全部] “[all]“额外安装了高级功能的附加依赖项，包括 CSI 处理、实时流和 GPU 加速。 ### 从源安装 bas h git clone https://github.com/ruvnet/RuView.git && cd RuView && pip install -e 。 从源代码安装使您可以访问最新功能，并允许您将更改贡献回项目。 ### Docker 安装 bas h docker run --rm -it ruview/ruview ruview --help ### 使用 GPU 加速安装 bas h pip 安装 ruview[cuda] 需要 NVIDIA CUDA 工具包版本 11.0 或更高版本。 GPU 加速显着提高了 CSI 处理速度，将吞吐量从每秒 500 个样本增加到 2500 个样本。 ### 使用 Home Assistant MQTT 集成安装 bas h pip 安装 ruview[mqtt] 这将安装 MQTT 代理集成以实现 Home Assistant 兼容性，从而通过 HA-DISCO 实现自动设备注册。

  

  ## 基本用法示例 ### 扫描可用的 WiFi 设备 bas h ruview扫描--设备wlan0 这会扫描 wlan0 网络接口并输出可见 WiFi 设备的列表及其信号强度和位置估计。 使用它来发现您环境中的设备。 ### 开始实时追踪 bas h ruview track --device wlan0 --output track.json 这将开始对通过 wlan0 接口可见的所有启用 WiFi 的设备进行连续位置跟踪。 结果以可配置的时间间隔实时写入tracking.json。 ### 生成平面图 bas h ruview 地图 --device wlan0 --output Floorplan.png --分辨率 0.1 这会根据 WiFi 信号数据生成分辨率为 0.1 米的平面图图像。 输出显示整个建筑物的信号强度，显示墙壁、房间和覆盖间隙。 ### 优化网状网络 bas h ruview 优化 --device wlan0 --points 100 --output config.yaml 这会分析 WiFi 覆盖范围，并为具有 100 个评估点的网状网络推荐最佳接入点位置。 输出是一个 YAML 配置文件，可以导入到网络管理工具中。 ### CSI 处理 bas h ruview csi --device wlan0 --output csi-data.npy 这会从指定的 WiFi 接口捕获通道状态信息数据，并将其保存到 NumPy 数组中以供进一步分析。 ### 导出位置数据 bas h ruview导出--格式csv--输出位置.csv ### 查看统计数据 bas h ruview stats --device wlan0 ### MQTT 流媒体 bas h ruview--mqtt 启用 MQTT 流模式，将位置数据发布到 MQTT 代理，以便与物联网平台和智能家居系统集成。 ## 与智能建筑系统集成 ### MQTT 与 HA-DISCO 集成 bas h ruview mqtt --broker localhost: 1883 --topic ruview/positions --qos 1 这会将位置数据传输到 MQTT 代理，以便与智能建筑管理系统集成。 当与 Home Assistant 的 HA-DISCO MQTT 发布者一起使用时，RuView 设备会自动发现并添加到您的 Home Assistant 实例中。 ### REST API 服务器 bas h ruview api --主机 0.0.0.0 --端口 5000 --数据库 ruview.db 启动 REST API 服务器以查询位置数据、管理被跟踪设备以及配置跟踪参数。 API 服务器默认在端口 5000 上运行。 ```` bas h

查询跟踪的设备 #

卷曲 http://localhost: 5000/api/devices # 获取特定设备的位置 卷曲 http://localhost: 5000/api/devices/device-001/position # 配置跟踪参数 卷曲 -X POST http://localhost: 5000/api/config \ -H"内容类型：application/json”\ -d ‘{“算法”：“tof”，“confidence_threshold”：0.9}’ ### 家庭助理集成 yam l

在你的 Home Assistant 配置.yaml 中 #

传感器： - 平台：ruview 主机：本地主机 端口：5000 扫描间隔：5 RuView 可以直接与 Home Assistant 集成，实现基于存在检测的智能家居自动化。 结合 Matter Bridge 支持，跟踪的设备可以暴露给 Apple Home、Google Home 和 Alexa。 ### Grafana 仪表板集成 bas h ruview grafana –端口 3000 –数据集 ruview 将位置数据推送至 Grafana 以进行实时可视化和监控。 配置仪表板以跟踪设备移动、覆盖范围热图和网络优化指标。 ### 实时 WebSocket 流 bas h ruview 流 –端口 8765 –format websocket

|