基于RSSI的室内无线网络定位技术研究

在每一次递归中，令，重复以上过程，直到△x，△y足够小，满足一预先设定的门限ε，即(△x+△y)<ε，此时的(x，y)即为定位节点的估计位置。

4 实验验证

实验是在实验室走廊(4 m×30 m)进行的，实验环境如图4所示。选用的是ZigBee硬件平台作为通信平台，该平台CC2431自带定位引擎，可以实现位置估计，并通过实验比较两种算法的差异。

CC2431使用的三边测量法进行位置计算，采用均值滤波对RSSI进行滤波处理。ZigBee开发平台如图5所示。

在实验环境中布置4个节点作为参考节点，位置分别定义为(O，0)，(0，4)，(30，O)，(30，4)。确定A和n的值，实验环境与图2的实验一样。可以得知，A=41，n=2．3。在环境中任取31个点，分别测得该点的实际位置(x，y)；使用CC2431得到的位置(x’，y’)，使用本文提出的算法得到位置(x"，y")。比较两个位置的误差大小d'与d"，如图6所示。

其中：

由图6可以看出，经过线性回归分析和高斯滤波，然后用泰勒级数展开，最终求得位置误差大约在1 m左右，而CC2431的定位误差在2～3 m左右。本文提出的定位算法较好地改善了定位效果，使定位误差主要集中在1 m左右，基本能够满足室内定位对误差的要求，提高了定位精度。

5 结语

对基于RSSI的室内定位算法以及RSSI测距进行了全面分析。通过线性回归分析对参数进行优化，高斯模型对RSSI进行滤波，提高了测距的精度。最后采用泰勒级数展开法进行位置计算，比较了CC2431的定位算法，减小了定位误差，达到了提高定位精度的目的，证实了定位算法的优越性。