众所周知，您离 Wi-Fi 网络点越远，Wi-Fi 网络的速度就越慢。但为什么会这样呢？无线电信号基本上以光速传播，因此仅从信号传播来看，距离不应成为任何合理范围（数千公里/英里）的因素。
我的理论是，任何时候发送网络数据包，它都有可能不会到达该位置，会带着损坏的数据到达，或者会以错误的顺序到达，并且这种概率会随着距离的增加而增加，从而迫使 TCP层导致数据包被发送和重新发送。此发送和重新发送过程确实需要可量化的时间。单个数据包将提供任何明显的延迟还不够，但如果需要重新发送三分之一的数据包，然后在另一端以正确的顺序放回所有数据包，则将花费额外的时间。但这只是我的理论。真正的答案是什么？
所以，光速（实际上）与它无关，你是对的。
WiFi根据两个站之间的链路质量选择传输模式。链路越差，传输需要越健壮。变差的一种方法是链路更长，这意味着到达接收端的信号能量更少，这意味着接收器固有的噪声与接收到的信号之间的比率变差；这通常以SNR（信噪比）来衡量。所以，这就是距离直接进入这一点的方式。
为了使传输更加稳健，WiFi (IEEE802.11 a/g/n/ac…) 做了不同的事情：
众所周知，您离 Wi-Fi 网络点越远，Wi-Fi 网络的速度就越慢。
像往常一样，常识是一种严重的过度简化。一般趋势是正确的，距离越远，功率越小，如上所述。
但是：WiFi 通常在室内使用。在这些设置中，我们拥有所谓的强多路径场景。这意味着，由于墙壁、家具、碰巧在一般环境中的事物的反射，您会得到不同类型的信号自干扰。这可能意味着，尽管您相对靠近发射器，但您的接收器可能什么也看不到，因为两条路径恰好有半个波长的路差，并相互抵消。
所以，对于典型的室内多径，一般不能说“越远越好”；它通常远不那么容易。我们称这种现象为衰落（在这种情况下，可能是小规模衰落）。
然后：更现代的 WiFi 标准支持 MIMO（多输入多输出），这基本上意味着您在链路的每一端都有多个天线。这个想法是，从发射天线 1 到接收天线 1（我们称之为 1->1）将（很有可能）与从发射天线 2 到接收天线 1 不同的信道实现（信道是随机的！）（ 2->1)、1->2、2->2，以此类推。
这些物理上不同的通道可以帮助解决上面提到的衰落问题。尽管多径通道 1->1 可能会随机地因取消自身而受到严重伤害，但 1->2 可能仍然可以。您的平均“坏概率”随着天线数量的增加而下降。好的！这意味着我们的通道越不相关（即一个通道发生故障的可能性越小意味着其他通道也将是坏的），我们的传输就越好。
这也意味着“非常接近”本质上并不是“非常好”，因为这也意味着，不同的天线可能看到几乎相同的通道实现，所以你不会得到“不，”的“安全性”，所有渠道都不太可能同时出现问题”。
此外，如果您对此在数学上很聪明，您可以找到发射天线 \$i\$ 和接收天线 \$j\$ 之间通道的数学描述，我们称其为 \$\mathbf h_{i, j}\$，然后简单地从这些通道表示中构建一个矩阵 \$\mathbf H\$，行号表示我们正在谈论的发射天线，列号表示哪个接收天线。
当我们在不同的发射天线上发送不同的信号时，要查看我们在接收天线上接收到的内容，我们只需将包含所有这些信号的行向量 \$\mathbf s\$ 与信道矩阵 \$\mathbf 相乘高\$：
$$\mathbf r = \mathbf s \mathbf H\text.\tag 1$$
问题是我们可能希望在发射和接收之间有很多完全独立的通道，也就是说，我们在一根天线上发送到一根天线的内容对所有其他天线对都没有影响。然后，我们可以并行发送多个数据流。这将使我们的传输速度大大提高！
可悲的是，上面的方程式表明，我们必须以某种方式权衡所有发射信号并将其相加才能获得每个天线的接收信号。嗯，伤心。
现在，有了这个方程，我们内心的数学家告诉我们，嗯，如果我们能够将 \$\mathbf H\$ 转换为其他矩阵 \$\mathbf \Lambda\$，我们可能拥有真正独立的渠道。
如果 \$\mathbf \Lambda\$ 是对角线形状，即全为零，但它的对角线条目，这是可能的。令人高兴的是，我们实际上可以做到这一点！有一种数学方法可以给我们
$$ \mathbf H = \mathbf{U\Lambda V^*}\tag 2$$
其中 \$\mathbf \Lambda\$ 是对角线；这是奇异值分解（SVD）。所以，我们可以将 \$(1)\$ 改写为
$$ \mathbf r = \mathbf{sU\Lambda V^*}\text.\tag 3$$
现在，这并没有真正帮助我们，因为虽然我们现在刚刚找到了表示通道矩阵的另一种方式，但这个公式仍然（被其他写下来的方式代替）原来的 \$\mathbf H\$，它说所有天线相互干扰。但是看看这个魔术：让我们从右边乘以 \$\mathbf V\$。由于 \$\mathbf V\$ 是*酉矩阵，\$\mathbf {V^*V}=\mathbf I\$：
$$\begin{align} \mathbf {rV} &= \mathbf{sHV}\tag 4\\ &=\mathbf{sU\Lambda V^*V}\tag 5\\ &=\mathbf{sU\Lambda我}\tag 6\\ &=\mathbf{sU\Lambda}\tag 7\\ \end{align}$$
新冰。再次大声朗读 \$(7)\$：
如果我们将接收信号与 \$\mathbf V\$ 相乘，我们的通道效应实际上会简化为对角矩阵，我们可以通过该通道发送任意 \$\mathbf s\$，如果我们先将它们与\$\mathbf U\$. 对角矩阵意味着我们只获得与对角条目一样多的独立通道，即 \$\min(\$receive Antennas, Transmittents\$)\$)。
因此，算法变得非常简单：
这一切只有在 SVD 给出好的结果时才有效，并且只有在物理天线对通道足够独立时才会发生。这意味着对于 MIMO，近距离意味着您实际上可以传输甚至比中等距离更短的距离，因为距离意味着途中有更多不同的随机反射器。（经过一段距离后，路径损耗效应占主导地位，而且你总是会变得更糟。）
问题不在于从发射器（路由器）到接收器（您的笔记本电脑）所需的时间，正如您所说的，在几米内可以忽略不计，而是随着距离到达的功率。
看看弗里斯公式。
网络吞吐量是通过通信通道成功传递消息的速率。接收到的功率越少，未正确接收到消息的可能性就越高。
噪音是这里需要考虑的因素。
距离对频率的基本损耗主要是与波长的平方成正比的载波 f 的孔径面积大小。因此，较低频率的路径损耗较小，这是 Friis 损耗中的主要术语。
第二个最常见的问题是天线的方向和辐射方向图的损耗，但这与频率无关，而是 1/4 波谐振器和偶极子的环形方向图。最小信号或零模式是向下看天线的末端。
一些建筑材料中的导电和电介质允许信号在各处反射。然而，对于 B 类信号，边缘信号电平 < -80dBm 的 Rice Fading 损耗也是一个问题，并且在此之上开始成为问题。没有水的地面反射的视线是微波的最佳传输路径。然而，对于 VHF 和更低频率，大量水体和电离层充当反射器以扩大信号范围。但是对于更高的频率，反射会导致更多的信号失真并导致 Ricean Fading 误差。
每个频段都有其自己的错误阈值，并且由于香农关于 SNR 与噪声带宽与 BER 的定律，使用 20MHz 或 40MHz 的宽带高速 WiFi 具有更高的阈值。最佳阈值通常是最低数据速率，但取决于设计。我总是在 Windows 中将我的 WiFi 芯片选项锁定为 11Mbps，以便在边缘信号电平下获得比自动模式更高的吞吐量，因为即使是人类在路径周围的运动也可能导致数据包丢失和隐藏重试，如 54MBps 或更高的更高数据速率。香农定律再次适用于 Ricean Fading 效应和基本的 Friis Loss 效应。
在自动模式下，当丢包率过高时，WiFi 芯片将始终尝试通过移动调制解调器自动降低数据速率。首先，它可能会尝试重新训练接收器以进行群延迟均衡。如果错误率太高，则协商一个较低的数据速率。这遵循香农定律。但请记住，这些回声和 Rice Fading 会影响此群延迟均衡，并且移动 Wifi 天线会强制在低信号水平的建筑物中存在大量回声的地方进行重新训练。载波回波强度变化的结果是使解调信号中的眼图失真。
我的经验告诉我，您的端点在移动设备和 WiFi 路由器之间的距离越远，反射的可能性就越大，反射消除和丢失的机会就越大。这被称为水稻衰落，是我的测试结果中最常见的原因，即边缘场电平低于 -75dBm 的数据包丢失。
下面的 net 和 dlink-guest 信号来自我楼上的电脑，塔上有一个 WiFi 加密狗，楼下的一个大功率 Dlink 路由器放在抽屉里。移动路由器中的天线会导致它改变信号电平并切换频道以及从网络到访客，而用户不会意识到连接的瞬间丢失。
