电脑的wifi天线原理_天线绑电池能增强WiFi信号?路由器又被玩坏了

[PConline资讯]最近这一段时间,抖音上面到处流传着路由器天线上面绑个电池能够增强WiFi信号,那么这种说法究竟靠谱不靠谱呢?我们来通过专业的角度,好好讨论一下,给天线上面绑个电池到底能不能增强信号。

f7f336490afb312b4a24336b77a7fb1c.png

想要知道这种办法到底能不能增强信号,首先我们需要了解我们的设备是如何通过WiFi信号上网的,什么样的情况下会对我们的上网体验有影响。

和通过网线上网一样,WiFi也是通过物理介质实现上网,不过区别在于传统的网线上网,传输介质是网线或者光纤,而WiFi则通过将网线所传输的信息通过一系列的处理后,通过无线电波进行数据的传输。其实原理和收音机差不多,但是WiFi所实现的是全双工的双向通讯,而收音机所实现的只能是单向通讯。用过收音机的都知道,收音机的天线指向一个合适的方向后,才能听到比较清晰的声音,否则会产生非常大的电流声甚至完全听不到声音。这是因为天线没有完全接收到所传递的信息。

bd855f49123a64c2158f3c9140f9565b.png

电脑或者手机通过WiFi上网和收音机也一样,只有当手机天线接收的WiFi信号很强,同时路由器到网络之间的连接非常的畅通,有着很高的速率和带宽的时候,这时候的上网体验才是最好的。但是,虽然通过WiFi信号上网非常的方便,但是也正式因为WiFi信号是无线电波,数据通过无线电波传输,所以很容易被很多的因素干扰。

因为是通过无线电波传输,所以当设备和无线路由器之间的距离过远的时候,或者当范围内有别的无线电波产生干扰的时候,甚至有些家用电器在工作的时候都会干扰WiFi信号。虽然为了避免无线电波和因为距离过远而导致的信号强度不够,通过2.4GHz或者5GHz的频段来保障数据稳定的传输,虽然情况有所缓解,但是在有些情况下,依旧不能保证数据传输的稳定。

所以一些“歪门邪道”就产生了。之前就有人说将易拉罐剪开后套在天线上面,能够增强WiFi信号的强度,但实际上并没有任何效果,反而会起到相反的作用。因为假设将天线看成圆心,WiFi信号是通过天线向外发散的,而金属会屏蔽掉部分无线电波。所以除了留出来的豁口外,被遮挡部分的信号范围会被屏蔽,所以给天线上面套上了易拉罐并没有任何的效果。

99efbde860624708a841031b0da8ff2a.png

而给路由器上面绑电池呢?到底能不能增强WiFi信号呢?结果当然也是没有用。因为根据测试,这样的方式并不能增强WiFi信号,也不能增加带宽和速率。但是其实这样的说法并不是空穴来风,因为根据理论来说,碳棒确实有补偿电磁场的可能性。但是!需要精确的调整位置和长度,并且!就算通过一系列的操作调整正确,最终的效果也微乎其微!其次,需要增加的是碳棒而不是电池,即使电池里面有碳棒也没有什么用。所以即使正确的增加了碳棒,实际体验并没有什么区别。

相比较于绑电池,套易拉罐这些歪门邪道,倒不如重新找个放置路由器的位置,比较老的路由器就换一个。一般的家庭如果想要提高网速,提升上网体验的话,倒不妨试试以下几种方式:

假设平常打游戏经常卡顿,延迟非常高的话,可以先选择通过加速器解决。打个比方来说,假设你在高速公路上面开车,哪怕车道很多,但是只有一个出口,照样会很堵。而有一条小路,有很多的出口,则当然不会堵。加速器虽然过程相比之下会复杂很多,但其实也是同样的原理。

家里面的网络带宽明明很高,但是下载的东西一多,其他手机和电脑就基本上不了网了。这个问题其实还能细分好几个的方面去聊。首先是一个比较容易误解的点,运营商说的带宽100M(Mbps)跟迅雷下载的每秒多少M(MB)其实是两个单位来的,简单说来百兆带宽,理论下载速度最大只能达到每秒12.5M,再除去协议开销之类的,一般下载速度每秒10-11M是正常的,更别说下载还有资源本身的限制;

除了这点之外,还经常碰到的情况是家里宽带是200M或以上的,但是无论怎么用都最多只能用到100M左右,主要的原因是某一段的线或者端口不支持。记得所有的网线、无线路由器用到的每个端口、电脑网口都需要是支持千兆的,才能达到百兆以上的带宽。所以这种问题尽量确认好网线、路由器端口、电脑网口都能支持千兆。

263445704882bc25f196f8c419cf01a7.png

而一般手机和电脑在客厅用的时候好好的,一进入卧室网速就免了下来,这种情况才真正是路由器的原因!!!这种情况下,通常把无线路由器的信道改为一些不常用的信道,或者使用5GHz的频段。这两种方法其实都是通过错开其他无线频段、信道的信号来减少干扰,算是一个比较合理的解决方法,有些无线路由器还可以通过加大天线的功率来实现更广范围的传输,当然还可以使用中继器、电力猫等设备增强信号。

无线与有线相比,其实在工业上还不算十分成熟,大家如果有进过机房看过的话都会发现,不同设备之间都是各种网线、光纤、2M线之类的线相连,极少数是通过无线连接的。

所以目前公共场合和家庭里用的各种无线,其实算是一个为了便捷性而牺牲了一定稳定性的解决方案,很多东西有得必有失,要稳定可靠的话还是得连根网线啊。号称“工业级别的穿墙王路由器”,用手机一测跟一两百块的大品牌普通货信号强度是差不多的,大家还是不要迷信贵的一定就更好。主要原因是由于国家标准对路由器的发射功率有限制,基本上一两百块无线路由器的发射功率就能达到了,如果你想多花点钱买到的无线路由器有更好的无线信号,恐怕你会失望了。

264dd4ee2b0c75393f6f76f379f11ced.png

所以这些套易拉罐、绑电池的说法并不靠谱,甚至还会降低实际体验,起到相反的作用。如果想要提升使用体验,不妨考虑重新的摆放位置,或者换一个性能更好的无线路由器,最有效的办法肯定是加钱,毕竟想要免费获得很大的提升是不实现的。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值