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在實際測試中易受干擾、穩(wěn)定性差等問題，提高了定位精度，但對陰影效應(yīng)、能量反射等長時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)的移動并不是任意的，當(dāng)前位置和前一時刻的位置存在一種相互關(guān)系的思想，采用速度常量，使移動點保持勻速運動，算法描述如下：

估計值：

預(yù)測值：

式中： Rprev(i) 為i 時刻信號強度的測量值;Rpred(i) 為i 時刻信號強度的預(yù)測值;Rest(i) 為i 時刻信號強度濾波值;Vest(i)為i 時刻信號強度變化率的濾波值;Vpred(i) 為i 時刻信號強度變化率的預(yù)測值;a,b 為增益常量;TS 為采樣時間間隔?；谒俣瘸Ａ康臑V波算法能夠有效地減小信號波動給測量帶來的影響。

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準(zhǔn)則，采用信號與噪聲的狀態(tài)空間模型，利用前一時刻的估計值和當(dāng)前時刻的觀測值來更新對狀態(tài)變量的估計，求出當(dāng)前時刻的估計值，算法根據(jù)建立的系統(tǒng)方程和觀測方程對需要處理的信號做出滿足最小均方誤差的估計。

RSSI用xk 表示，采樣過程的數(shù)學(xué)模型可以表示為一個高斯白噪聲序列驅(qū)動的一階自遞推過程，其狀態(tài)方程和觀測方程可表示為：

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觀測值偏離，經(jīng)過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

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，沒有哪一種是絕對最優(yōu)的，比如均值濾波，其算法簡單，易實現(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，但是實現(xiàn)起來變得復(fù)雜一些，節(jié)點消耗更多能耗，同時占用了更多內(nèi)存空間。實際應(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。希望本文能夠為無線傳感器網(wǎng)絡(luò)中處理RSSI值的相關(guān)研究者提供一些參考和借鑒。