基于RSSI和LQI的动态距离估计算法

本文提出了一种基于RSSI和LQI的动态距离估计算法。其思想就是通过对无线电传播路径损耗模型以及大量实测数据的分析,用分段线性逼近的方法得到RSSI、LQI这2者与传播距离的衰落曲线。在距离估计时,分别对这2条衰落曲线计算出估计距离,并动态地进行优化处理得到最终的距离估计值。算法在基于ZigBee的硬件平台上进行,证明了该算法较普通的基于RSSI的测距方法有了明显的进步,提高了距离估计的精度,并且适合在通信开销小、硬件要求低的节点上应用,有利于提高基于RSSI测距的定位算法的精度。

基于卡尔曼滤波与中位加权的定位算法

为了有效解决基于接收信号强度的高精度室内位置服务计算困难问题,提出了一种新的基于卡尔曼滤波和中位加权（WMKF）的定位算法。该算法不同于以往的室内定位算法,首先应用卡尔曼滤波平滑了随机误差;然后利用中位加权方法抑制了显著误差,利用距离路径损耗模型得到衰落曲线并计算出估计距离;最后利用质心求解方法得到目标节点位置。实验结果表明,该算法初步解决了相对复杂环境下定位稳定性较差的问题,并有效地提高了定位精度,使精度达到0.81~1 m。