基于RSSI的室内无线网络定位技术研究
加入技术交流群
以实验室走廊为例，测得100组数据，代入上述公式得出A=4l，n=2．3。图2是参数优化后的RSSI测距模型曲线。在图中可以看出，根据线性回归分析可以很好地拟合出适应当前环境的模型曲线。本文引用地址：//www.cghlg.com/article/156995.htm
2．3 RSSI滤波处理
信号强度的定位算法中信号强度值随环境的改变有很高的灵敏度，这会限制测量的准确度。事实上信号强度与距离之间的关系很不让人满意，在环境中存在很大的波动性。在室内环境下实测得到的RSSI与节点间距离的关系曲线如图2所示。当传输距离较近的时候，RSSI值衰减得较快；当传输距离越远，衰减得越慢，接收强度对传输距离的变化表现不明显。在实际中，某一时间段内接收节点可以收到n个RSSI值，由于非视距和多径的影响，导致这些RSSI值具有很大的波动性，在代入公式进行计算之前，先进行滤波处理，得到一个比较准确的值，然后再进行计算。
本文采用高斯滤波模型进行RSSI滤波。引入高斯模型进行处理的原则是：在自然现象和社会现象中，大量随机变量都服从或近似正态分布，如材料性能、零件尺寸、化学成分、测量误差、人体高度等。
高概率发生区，选择概率大于O．6(O．6的取值是根据工程中的经验值)的范围。经过高斯滤波后，RSSI的取值范围为[0.15σ+μ，3.09 σ+μ]。其中：
把该范围内的RSSI值全部取出，再求几何平均值，即可得到最终的RSSI值。
在d=1 m处，采集50组RSSI值，进行高斯滤波处理。
如图3所示，滤波前RSSI波动比较大，滤波后比较平滑。滤波前|RSSI|的平均值为38．9，计算距离d=O．71 m；滤波后|RSSI|的平均值为39．42，计算距离d=O．81 m。显然，高斯滤波能很好地提高测距精度。
评论