1、讓世界的每一個角落都有知覺，這是現(xiàn)在智能科技的發(fā)展方向。融合了多種先進技術的無線傳感器網(wǎng)絡，作為一種全新的數(shù)據(jù)采集和信息傳輸技術，在目標追蹤、環(huán)境監(jiān)測和搜索救援上有著巨大的潛力。而傳感器節(jié)點的位置成為服務體驗的重要的基礎信息。無法避免的是，某些區(qū)域的傳感器數(shù)量很少，因此不得不使用基于測距的定位算法。顯然，測距的精度將直接影響到定位的精度?？紤]基于RSSI（Received Signal Strength Indicator，接收信號強度

2、）的測距方式，RSSI的波動勢必會對測距造成影響。因此，本文將從RSSI濾波的角度，研究如何從節(jié)點采集的原始數(shù)據(jù)入手，提高定位的精度。
　　首先，文章對無線傳感器的研究背景及應用進行闡述，然后對WSNs（Wireless Sensor Networks，無線傳感器網(wǎng)絡）的基本原理、測距技術和坐標計算方法以及它們的應用范圍和不足進行了分析，并總結了定位算法設計時需要注意的要點。
　　接著，本文從數(shù)據(jù)采集出發(fā)，使用真實實驗環(huán)境采

3、集而來的LQI數(shù)據(jù)，轉換為RSSI值。仔細分析，發(fā)現(xiàn)無障礙干擾的RSSI值是在一個區(qū)間內波動;而當有障礙物干擾，不規(guī)律的誤差峰值仍舊是圍繞著一個區(qū)間波動。文章提出采用卡爾曼濾波算法對采集RSSI數(shù)據(jù)進行平滑處理之后進行定位。通過仿真發(fā)現(xiàn)，末尾幾個樣本對最后的優(yōu)化結果有較大的影響。為了消除樣本尾部誤差給算法造成的干擾，文章進一步提出在使用卡爾曼濾波后再使用中值濾波。再次仿真驗證算法的可行性和改進效果，并與單一的卡爾曼濾波算法進行了對比。結

4、果表明，卡爾曼-中值算法能較好地平滑RSSI值的波動，穩(wěn)定性較好。
　　另外，在計算參考節(jié)點和待定位節(jié)點距離時，由于信號衰減模型參數(shù)A、n直接關系到測距精度，它們容易受到環(huán)境影響，并且計算繁瑣。本文提出不計算信號衰減模型參數(shù)A、n的定位算法，并與計算A、n的定位算法做仿真對比，發(fā)現(xiàn)計算結果相同，從而驗證了不計算A、n算法的正確性。
　　最后，論文根據(jù)以上的理論，實現(xiàn)了一個基于CC2530芯片的WSNs定位原型系統(tǒng)。底層采用主

5、控芯片為TI的CC2530的5個傳感器組成的數(shù)據(jù)采集網(wǎng)絡，采集實驗所需的LQI數(shù)據(jù)通過串口傳送至PC;上層定位算法將原始數(shù)據(jù)轉換為RSSI值，并進行卡爾曼-中值濾波，然后使用不計算信號衰減模型參數(shù)的定位算法，計算出待定位節(jié)點的坐標，最后使用GDI+實時繪出。經過反復實驗，本系統(tǒng)能夠有效地降低了定位誤差，靜態(tài)定位的跳動現(xiàn)象得到解決。
　　文章末尾對全文進行了總結和展望，反省了本次研究的不足和局限性。并對今后的研究方向，做了大致的規(guī)劃