無線傳感器網絡中RSSI濾波的若干處理方法

RSSI服從(0,δ2)的高斯分布，其概率密度函數為：

高斯模型解決了RSSI在實際測試中易受干擾、穩定性差等問題，提高了定位精度，但對陰影效應、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的移動并不是任意的，當前位置和前一時刻的位置存在一種相互關系的思想，采用速度常量，使移動點保持勻速運動，算法描述如下：

估計值：

預測值：

式中： Rprev(i) 為i 時刻信號強度的測量值;Rpred(i) 為i 時刻信號強度的預測值;Rest(i) 為i 時刻信號強度濾波值;Vest(i)為i 時刻信號強度變化率的濾波值;Vpred(i) 為i 時刻信號強度變化率的預測值;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準則，采用信號與噪聲的狀態空間模型，利用前一時刻的估計值和當前時刻的觀測值來更新對狀態變量的估計，求出當前時刻的估計值，算法根據建立的系統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。

RSSI用xk 表示，采樣過程的數學模型可以表示為一個高斯白噪聲序列驅動的一階自遞推過程，其狀態方程和觀測方程可表示為：

狀態方程：

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，經過卡爾曼算法處理后的RSSI值，穩定性更好。卡爾曼在目標跟蹤方面也能取得很好的效果。

2 結語

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，沒有哪一種是絕對最優的，比如均值濾波，其算法簡單，易實現，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，但是實現起來變得復雜一些，節點消耗更多能耗，同時占用了更多內存空間。實際應用中要根據具體情況，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，以達到最佳的濾波效果。希望本文能夠為無線傳感器網絡中處理RSSI值的相關研究者提供一些參考和借鑒。