RSSI-LQI动态距离估计(7)

(3)在(2)的基础上用RSSI或LQI的波动对估计距离进行有限次数的修正： 当|d1-d2|≤t时，用LQI的波动来对LQI值进行修正，d=d2(LQI±△LQI)； 当|d1-d2|>t时，用RSSI的波动来对RSSI值进行修正，d=d1(RSSI±△RSSI)。

3 实验结果

实验在基于ZigBee的硬件平台上完成，使用Helicomm的ZigBee通讯模块IPLink1221完成固定节点和待定节点间的通信以及RSSI与LQI的采集。在如下的一系列距离点上进行RSSI和LQI的测量，每个点测量100组RSSI和LQI值，并计算其波动范围△RSSImax和△LQImax：1、2、3、4、5、6、7、8、9、10、15、20、25、30、35、40、45、50、55、60、65、70、75、80、85、90、95、100、105、110、115、120m。对比算法在0～l0m、10～80m、大于80m的3个距离段以及整个范围内的估计距离的平均偏差和均方差，表1对比了各种算法下的最优结果。

表1中的第1、第2行数据验证了当距离比较近时，用LQI来估计距离比用RSSI估计有更小的平均偏差；当距离较远(大于80m)时，用RSSI的效果。算法1由于是对d1和d2进行了权重的调整，其在各距离段中的性能介于两者之间，但在整个范围内的性能得到了提高；算法2由于根据估计距离的远近，动态地选择了各距离段上较优秀的方式(RSSI或者LQI)来计算距离，所以其在各个距离段以及整体上都优于算法1；算法3由于引入了对RSSI或者LQI的修正机制，其性能是3种算法中最好的。

从表1给出的数据看，在10～80m的距离段上普遍误差比较大，这是由于无线信号本身在30m附近存在大的衰落，这种衰落本应在60m左右的地方才会出现，因此，可以结合其他方法来对其进行修正。