無線傳感器網(wǎng)絡(luò)中RSSI濾波的若干處理方法

RSSI服從(0,δ2)的高斯分布，其概率密度函數(shù)為：

高斯模型解決了RSSI在實(shí)際測試中易受干擾、穩(wěn)定性差等問題，提高了定位精度，但對陰影效應(yīng)、能量反射等長時間干擾問題處理效果欠佳。

1.6 速度常量濾波

基于物體在一定范圍內(nèi)的移動并不是任意的，當(dāng)前位置和前一時刻的位置存在一種相互關(guān)系的思想，采用速度常量，使移動點(diǎn)保持勻速運(yùn)動，算法描述如下：

估計(jì)值：

預(yù)測值：

式中： Rprev(i) 為i 時刻信號強(qiáng)度的測量值;Rpred(i) 為i 時刻信號強(qiáng)度的預(yù)測值;Rest(i) 為i 時刻信號強(qiáng)度濾波值;Vest(i)為i 時刻信號強(qiáng)度變化率的濾波值;Vpred(i) 為i 時刻信號強(qiáng)度變化率的預(yù)測值;a,b 為增益常量;TS 為采樣時間間隔。基于速度常量的濾波算法能夠有效地減小信號波動給測量帶來的影響。

1.7 卡爾曼濾波

卡爾曼濾波的基本思想是：以最小均方誤差為最佳估計(jì)準(zhǔn)則，采用信號與噪聲的狀態(tài)空間模型，利用前一時刻的估計(jì)值和當(dāng)前時刻的觀測值來更新對狀態(tài)變量的估計(jì)，求出當(dāng)前時刻的估計(jì)值，算法根據(jù)建立的系統(tǒng)方程和觀測方程對需要處理的信號做出滿足最小均方誤差的估計(jì)。

RSSI用xk 表示，采樣過程的數(shù)學(xué)模型可以表示為一個高斯白噪聲序列驅(qū)動的一階自遞推過程，其狀態(tài)方程和觀測方程可表示為：

狀態(tài)方程：

卡爾曼濾波能在一定程度上削弱由于噪聲疊加造成的RSSI觀測值偏離，經(jīng)過卡爾曼算法處理后的RSSI值，穩(wěn)定性更好?？柭谀繕?biāo)跟蹤方面也能取得很好的效果。

2 結(jié)語

以上論述了幾種常用的RSSI濾波處理方法、原理，各種算法都有各自的特點(diǎn)，沒有哪一種是絕對最優(yōu)的，比如均值濾波，其算法簡單，易實(shí)現(xiàn)，但是精度不高，處理效果不佳，而高斯濾波處理效果好了很多，但是實(shí)現(xiàn)起來變得復(fù)雜一些，節(jié)點(diǎn)消耗更多能耗，同時占用了更多內(nèi)存空間。實(shí)際應(yīng)用中要根據(jù)具體情況，均衡各方面需求，選擇合適的濾波方法，也可多種算法混合使用，以達(dá)到最佳的濾波效果。希望本文能夠?yàn)闊o線傳感器網(wǎng)絡(luò)中處理RSSI值的相關(guān)研究者提供一些參考和借鑒。