無(wú)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(cè)試中易受干擾、穩(wěn)定性差等問題，提高了定位精度，但對(duì)陰影效應(yīng)、能量反射等長(zhǎng)時(shí)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(dòng)并不是任意的，當(dāng)前位置和前一時(shí)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(dòng)點(diǎn)保持勻速運(yùn)動(dòng)，算法描述如下：

估計(jì)值：

預(yù)測(cè)值：

式中： Rprev(i) 為i 時(shí)刻信號(hào)強(qiáng)度的測(cè)量值;Rpred(i) 為i 時(shí)刻信號(hào)強(qiáng)度的預(yù)測(cè)值;Rest(i) 為i 時(shí)刻信號(hào)強(qiáng)度濾波值;Vest(i)為i 時(shí)刻信號(hào)強(qiáng)度變化率的濾波值;Vpred(i) 為i 時(shí)刻信號(hào)強(qiáng)度變化率的預(yù)測(cè)值;a,b 為增益常量;TS 為采樣時(shí)間間隔。基于速度常量的濾波算法能夠有效地減小信號(hào)波動(dòng)給測(cè)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(hào)與噪聲的狀態(tài)空間模型，利用前一時(shí)刻的估計(jì)值和當(dāng)前時(shí)刻的觀測(cè)值來更新對(duì)狀態(tài)變量的估計(jì)，求出當(dāng)前時(shí)刻的估計(jì)值，算法根據(jù)建立的系統(tǒng)方程和觀測(cè)方程對(duì)需要處理的信號(hào)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(gè)高斯白噪聲序列驅(qū)動(dòng)的一階自遞推過程，其狀態(tài)方程和觀測(cè)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(cè)值偏離，經(jīng)過卡爾曼算法處理后的RSSI值，穩(wěn)定性更好。卡爾曼在目標(biāo)跟蹤方面也能取得很好的效果。

2 結(jié)語(yǔ)

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(duì)最優(yōu)的，比如均值濾波，其算法簡(jiǎn)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(shí)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(wú)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。