無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中RSSI濾波的若干處理方法

摘要：無(wú)線(xiàn)傳感器網(wǎng)絡(luò)作為一門(mén)新興的技術(shù)，被應(yīng)用于廣泛的領(lǐng)域中。而基于接收信號(hào)強(qiáng)度指示(RSSI)應(yīng)用的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)，需要對(duì)網(wǎng)絡(luò)中接收到同一個(gè)節(jié)點(diǎn)的多個(gè)RSSI值進(jìn)行濾波。為了對(duì)RSSI濾波有一個(gè)全面的認(rèn)識(shí)，介紹了幾種濾波方法，詳細(xì)綜述了每種濾波方法的原理和特點(diǎn)，最后指出應(yīng)根據(jù)具體情況，權(quán)衡濾波效果、算法復(fù)雜度、節(jié)點(diǎn)能耗等各方面因素，選擇一種或者多種算法混合的濾波方法。

0 引言

無(wú)線(xiàn)傳感器網(wǎng)絡(luò)(Wireless Sensor Network,WSN)就是由部署在特定監(jiān)測(cè)區(qū)域內(nèi)大量的廉價(jià)微型傳感器節(jié)點(diǎn)組成，通過(guò)無(wú)線(xiàn)通信方式形成的一個(gè)多跳自組織網(wǎng)絡(luò)系統(tǒng)，它作為一種全新的信息獲取和處理技術(shù)，在目標(biāo)跟蹤、環(huán)境監(jiān)測(cè)、軍事應(yīng)用、醫(yī)療衛(wèi)生、空間探索等領(lǐng)域都有著廣泛的應(yīng)用，節(jié)點(diǎn)定位技術(shù)是無(wú)線(xiàn)傳感器應(yīng)用的基礎(chǔ)，常用的節(jié)點(diǎn)定位技術(shù)都是基于RSSI的，節(jié)點(diǎn)之間通過(guò)接收到的RSSI 值，利用經(jīng)驗(yàn)公式轉(zhuǎn)換為距離，再通過(guò)適當(dāng)?shù)乃惴ㄓ?jì)算出節(jié)點(diǎn)坐標(biāo)位置。然而，由于環(huán)境中往往存在多徑、散射、障礙物、電磁干擾等不穩(wěn)定因素，使得RSSI值不穩(wěn)定，具有較大的波動(dòng)性。實(shí)際使用中，需要對(duì)測(cè)得的多個(gè)RSSI值進(jìn)行濾波優(yōu)化處理，得到優(yōu)化后的RSSI值，再進(jìn)行定位計(jì)算。下面分別介紹幾種常用的RSSI濾波方法。

1 RSSI 濾波方法

1.1 均值濾波

均值濾波是指節(jié)點(diǎn)接收到另一節(jié)點(diǎn)的多個(gè)RSSI值之后，求其算式平均值，作為測(cè)試結(jié)果，如式(1)所示：

該方法簡(jiǎn)單，易實(shí)現(xiàn)。當(dāng)樣本容量很大，RSSI波動(dòng)范圍較小時(shí)，信號(hào)平滑度較高，可較好地解決RSSI干擾問(wèn)題;當(dāng)RSSI值波動(dòng)較大時(shí)，該方法可信度下降。

1.2 遞推平均濾波

遞推平均濾波是把連續(xù)接收到的N 個(gè)RSSI值看成一個(gè)隊(duì)列，隊(duì)列的長(zhǎng)度固定為N,每次接收到一個(gè)新的RSSI值后放入隊(duì)尾，并扔掉原來(lái)隊(duì)首的一個(gè)RSSI值。最后把隊(duì)列中的N 個(gè)數(shù)據(jù)進(jìn)行算術(shù)平均運(yùn)算，就可獲得新的濾波結(jié)果。該濾波算法優(yōu)點(diǎn)是對(duì)周期性干擾有良好的抑制作用，平滑度高，缺點(diǎn)是對(duì)偶然出現(xiàn)的脈沖性干擾抑制作用差，不易消除由于脈沖干擾所引起的采樣值偏差，不適用于脈沖干擾比較強(qiáng)的場(chǎng)合。

1.3 中位值濾波

中位值濾波是指采集N(N 為奇數(shù))個(gè)RSSI值之后，將這N 個(gè)RSSI值按大小順序排列，取其正中間的RSSI值作為濾波輸出，如式(2)所示：

中位值濾波能有效克服因偶然因數(shù)引起的波動(dòng)干擾，但是對(duì)于脈沖干擾比較強(qiáng)，樣本容量不多的情況下，濾波效果不理想。

1.4 狄克遜檢驗(yàn)法濾波

狄克遜檢驗(yàn)法濾波是通過(guò)極差比判定和剔除異常數(shù)據(jù)。該方法認(rèn)為異常數(shù)據(jù)應(yīng)該是最大數(shù)據(jù)和最小數(shù)據(jù)，因此該方法是將數(shù)據(jù)按大小排列，檢驗(yàn)最大數(shù)據(jù)和最小數(shù)據(jù)是否是異常數(shù)據(jù)。以樣本容量小于等于30為例，具體步驟如下：

(1)將對(duì)同一節(jié)點(diǎn)多次測(cè)量到的RSSI 值按從小到大的順序排列，{RSSI(1)，RSSI(2)，RSSI(3)，-,RSSI(n - 2)，RSSI(n - 1)，RSSI(n)} ,并確定檢出水平 α =0.05;(2)根據(jù)狄克遜統(tǒng)計(jì)公式[10]有：

當(dāng)n=3~7時(shí)檢驗(yàn)高端異常值：

(3)根據(jù)檢出水平α ,查狄克遜檢驗(yàn)的臨界值表，在狄克遜檢驗(yàn)法的臨界值表中查出對(duì)應(yīng)α ,n 的臨界值D(α，n) .

(4)當(dāng)rij ﹥ rij- ,且rij ﹥ D(α，n) 時(shí)，RSSI(n) 為異常值;當(dāng)rij- ﹥ rij ,且rij- ﹥ D(α，n) 時(shí)，RSSI(1) 為異常值;否則判斷未發(fā)現(xiàn)異常值。

(5)去除異常值后，對(duì)剩下的樣本數(shù)據(jù)，重復(fù)執(zhí)行步驟(1)~步驟(5)，直到不再檢出異常值為止。最后剩下的數(shù)據(jù)可求其算數(shù)平均值作為最后濾波輸出。

狄克遜檢驗(yàn)法能夠有效地去除樣本中的異常值，但需要查表，通常與其他的濾波算法混合濾波。

1.5 高斯濾波

對(duì)同一個(gè)節(jié)點(diǎn)接收到的多個(gè)RSSI值中，由于各種干擾，必然存在由誤差引起的小概率事件，通過(guò)高斯模型選取高概率發(fā)生區(qū)的RSSI值作為有效值，再求其幾何平均值，這種方法能夠有效地減少小概率、大干擾對(duì)整體測(cè)量數(shù)據(jù)的影響，提高定位的準(zhǔn)確性。[!--empirenews.page--]

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(wèn)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(wèn)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?；谒俣瘸Ａ康臑V波算法能夠有效地減小信號(hào)波動(dòng)給測(cè)量帶來(lái)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(guān)測(cè)值來(lái)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(guān)測(cè)方程對(duì)需要處理的信號(hào)做出滿(mǎn)足最小均方誤差的估計(jì)。

RSSI用xk 表示，采樣過(guò)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(guò)程，其狀態(tài)方程和觀(guān)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(guān)測(cè)值偏離，經(jīng)過(guò)卡爾曼算法處理后的RSSI值，穩(wěn)定性更好?？柭谀繕?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(méi)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(lái)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(xiàn)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。