針對現有RSSI測距方法中,影響測距精度的RSSI測量值難以準確估計和RSSI值與距離對應衰減關系不明確的問題,給出一種基于Bessel函數測距模型的RSSI測距方法。首先對RSSI原始測量數據進行異常值剔除,濾波和凸優(yōu)化提取趨勢項的預處理,然后建立基于Bessel函數的測距模型,基于預處理所得光滑數據,利用最小二乘法辨識測距模型中未知參數,從而得到具體測距模型表達式�；趯崪y數據對所提方法進行實驗驗證,與Shadowing模型、分段函數測距模型對比,結果表明,Bessel函數測距模型的RSSI誤差均值在1.8dBm范圍以內,能更有效反映RSSI值衰減關系,提高了測距精度且計算開銷不大。 

【文章來源】：傳感技術學報. 2020,33(02)北大核心CSCD

【文章頁數】：7 頁

【部分圖文】：

圖４?ＲＦＩＤ實物實驗展示??ＲＦＩＤ設備參數設實如表１所示

干擾??情況Ｔ進行了犬最實驗，部分實驗數據如圖１和圖??２所示。問趣Ｉ）：?ＲＳＳＩ測量值波動：且粗大異常值現??象，導致ＲＳＳＩ值難以準確估計。圖１為節(jié)點與無線??信號：源之間的測試距離為９?ｍ處采樣周期１００次的??ＲＳＢＩ測綦值，ＲＳＳＩ視疆痕會圍幾在中心值－５２?ｄＢｍ??范圍上下輕微波動且振幅范＿為２?ｄＢｍ，偶爾會出??現個別粗大異常ＲＳＳＩ值現象，無線信號強度達到－??４８?ｄＢｍ，因此需要進行剔除ｅ問題，＠：Ｒ３ＳＩ值與距??離：對應衰＿關系不明確的＿問題ｉ圖２所示．，在＿［０，??１９］?ｍ測量爾圍內，無線信號．強度隨距離對應衰減??關系。當測試座離較近時，無線信號強度與鉅離之??間具有較明確的對＆食減關系；當測試距離較遠時，??由于窠內無線會號反射、散射、繞射等干擾以及設備??物理層機制的問題，在無線倩號強度減弱的情況下．＿，??Ｒｓｓｒ值在一定范圍內波動且振幅較大，難以明確無??線信號強度與距離之間對．虛衰減關系。??０?４?８?１２?１６?２０??距離／ｍ??圖２無線信號強度與距離對應關系??２基于Ｂｅｓｓｅｌ函數的測距方法??對于多次實驗中均出現的ＲＳＳＩ測距的干擾問??題①和問題②，本文給出了基于Ｂｅｓｓｅｌ函數的ＲＳＳＩ??對整體衰減關系進行擬合ａ因此，準確測距關鍵在??于兩點，第一，通過對ＲＳＳＩ原始數據進行頸處理解??決ＲＳＳＩ測１值難以準確估計問題；第二，根據??Ｂｅｓｓｅｌ函數構造測距模纖對ＲＳＳＩ值與跟離之間：對??應衰減關系進行擬合，??文獻［５?］是對原始ＲＳＳＩ測量值迸行高斯濾波??予處理，其假設條件是ＫＳＳＩ測羹值符合正態(tài)分布；??文獻

ｄＢｍ。在電子標簽距離閱讀器１．２?ｍ和６??ｍ處測試距離較近，沒有出現異常ＲＳＳＩ值；在１２?ｍ??和１８?ｍ處測試距離較遠，出現異常ＲＳＳＩ值，需進行??剔除。??—ＵＪ?－ＵＪ??０?４０?８０?０?４０?８０??采樣周期／次采樣周期／次??（ｃ）距離１２?ｍ?（ｄ）距離１８?ｍ??圖６不同距離濾波后信號強度??通過肖維勒法剔除異常值及９點移動平均平猾??濾波處理后，進一步得寵線信號強度與距離的對應??衰減關系，如圖２所示。本文采用優(yōu)化算法提取??結束??圖３測距整體流程圖??３實驗驗證??３．１數據預處理實驗??本文賣驗環(huán)境為：室內２０?ｍ的長廊，在無隨機??干擾情況下進行＃具體實驗方案：測試的總距離為??１９?ｍ，每隔０．６?ｍ處進行一次無線信號強度的數據??采集，一共有３１處采樣點，對同一位寶：處無線信號??強度值讀取次數為１００次，直到電子標遂與閱讀器??測試距離達到１９?右，測遑并記錄每個＆實：采樣??的１００組無線信考強度值和測量距離數據６??圖４?ＲＦＩＤ實物實驗展示??ＲＦＩＤ設備參數設實如表１所示。??表１實驗設備參數設置??參數名??灘取值??．發(fā)．射功．？??－２０?ｄＢｍ??發(fā)射時間間隔??１?ｍｓ??＿一廳：下麵氧雜數??１００??距離變化范圍??０￣?１９?ｍ??如圖５所示，電子標簽距離閱瀆器分別在１．２??ｉ、６?ｍ、１２．?．ｍ、８?ｍ處ＲＳＳＩ原：始測量值通過觀察分??Ｂｅｓｓｅ涵數測距模型??ＲＦｉｑ?電???ｍ．／?＂??／??ＲＦＩＤｉ?ｆ？標簽??ＲＦＩＤ閱讀器??４５??－５ｉ??ｓａｐ／ｆｅｉ國咿３５

【參考文獻】：
期刊論文
[1]電離層Es電波傳播模型研究[J]. 張雅彬,吳健,許正文,徐彬,薛昆,趙海生,崔玉國.  空間科學學報. 2019(01)
[2]基于改進強跟蹤濾波的室內RSSI自適應估計算法[J]. 石欣,王梨,趙瑩.  儀器儀表學報. 2018(12)
[3]情境自適應的RSSI分段異構擬合定位方法[J]. 陳泳希,劉任任,陳益強,王雙全,蔣鑫龍.  計算機工程與科學. 2017(07)
[4]廣義延拓插值模型在RSSI測距方法中的應用[J]. 尚俊娜,程濤,盛林,施滸立,岳克強.  傳感技術學報. 2016(11)
[5]一種基于Bessel函數的混沌神經網絡[J]. 葉永剛,徐耀群.  哈爾濱商業(yè)大學學報(自然科學版). 2013(05)
[6]一種基于卡爾曼數據平滑的分段曲線擬合室內定位算法[J]. 朱明強,侯建軍,劉穎,蘇軍峰.  北京交通大學學報. 2012(05)
[7]基于ZigBee的RSSI測距研究[J]. 章堅武,張璐,應瑛,高鋒.  傳感技術學報. 2009(02)



本文編號：3594673