无线传感器网络中RSSI滤波的若干处理方法

摘要：无线传感器网络作为一门新兴的技术，被应用于广泛的领域中。而基于接收信号强度指示(RSSI)应用的无线传感器网络，需要对网络中接收到同一个节点的多个RSSI值进行滤波。为了对RSSI滤波有一个全面的认识，介绍了几种滤波方法，详细综述了每种滤波方法的原理和特点，最后指出应根据具体情况，权衡滤波效果、算法复杂度、节点能耗等各方面因素，选择一种或者多种算法混合的滤波方法。

0 引言

无线传感器网络(Wireless Sensor Network,WSN)就是由部署在特定监测区域内大量的廉价微型传感器节点组成，通过无线通信方式形成的一个多跳自组织网络系统，它作为一种全新的信息获取和处理技术，在目标跟踪、环境监测、军事应用、医疗卫生、空间探索等领域都有着广泛的应用，节点定位技术是无线传感器应用的基础，常用的节点定位技术都是基于RSSI的，节点之间通过接收到的RSSI 值，利用经验公式转换为距离，再通过适当的算法计算出节点坐标位置。然而，由于环境中往往存在多径、散射、障碍物、电磁干扰等不稳定因素，使得RSSI值不稳定，具有较大的波动性。实际使用中，需要对测得的多个RSSI值进行滤波优化处理，得到优化后的RSSI值，再进行定位计算。下面分别介绍几种常用的RSSI滤波方法。

1 RSSI 滤波方法

1.1 均值滤波

均值滤波是指节点接收到另一节点的多个RSSI值之后，求其算式平均值，作为测试结果，如式(1)所示：

该方法简单，易实现。当样本容量很大，RSSI波动范围较小时，信号平滑度较高，可较好地解决RSSI干扰问题;当RSSI值波动较大时，该方法可信度下降。

1.2 递推平均滤波

递推平均滤波是把连续接收到的N 个RSSI值看成一个队列，队列的长度固定为N,每次接收到一个新的RSSI值后放入队尾，并扔掉原来队首的一个RSSI值。最后把队列中的N 个数据进行算术平均运算，就可获得新的滤波结果。该滤波算法优点是对周期性干扰有良好的抑制作用，平滑度高，缺点是对偶然出现的脉冲性干扰抑制作用差，不易消除由于脉冲干扰所引起的采样值偏差，不适用于脉冲干扰比较强的场合。

1.3 中位值滤波

中位值滤波是指采集N(N 为奇数)个RSSI值之后，将这N 个RSSI值按大小顺序排列，取其正中间的RSSI值作为滤波输出，如式(2)所示：

中位值滤波能有效克服因偶然因数引起的波动干扰，但是对于脉冲干扰比较强，样本容量不多的情况下，滤波效果不理想。

1.4 狄克逊检验法滤波

狄克逊检验法滤波是通过极差比判定和剔除异常数据。该方法认为异常数据应该是最大数据和最小数据，因此该方法是将数据按大小排列，检验最大数据和最小数据是否是异常数据。以样本容量小于等于30为例，具体步骤如下：

(1)将对同一节点多次测量到的RSSI 值按从小到大的顺序排列，{RSSI(1)，RSSI(2)，RSSI(3)，-,RSSI(n - 2)，RSSI(n - 1)，RSSI(n)} ,并确定检出水平 α =0.05;(2)根据狄克逊统计公式[10]有：

当n=3~7时检验高端异常值：

(3)根据检出水平α ,查狄克逊检验的临界值表，在狄克逊检验法的临界值表中查出对应α ,n 的临界值D(α，n) .

(4)当rij rij- ,且rij D(α，n) 时，RSSI(n) 为异常值;当rij- rij ,且rij- D(α，n) 时，RSSI(1) 为异常值;否则判断未发现异常值。

(5)去除异常值后，对剩下的样本数据，重复执行步骤(1)~步骤(5)，直到不再检出异常值为止。最后剩下的数据可求其算数平均值作为最后滤波输出。

狄克逊检验法能够有效地去除样本中的异常值，但需要查表，通常与其他的滤波算法混合滤波。

1.5 高斯滤波

对同一个节点接收到的多个RSSI值中，由于各种干扰，必然存在由误差引起的小概率事件，通过高斯模型选取高概率发生区的RSSI值作为有效值，再求其几何平均值，这种方法能够有效地减少小概率、大干扰对整体测量数据的影响，提高定位的准确性。