摘要：无线传感器网络是一门新兴的技术，具有广泛的应用领域。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。

　　关键字：无线传感器网络；RSSI；滤波效果；混合滤波方法

　　中图分类号：TN911?34；TP393文献标识码：A文章编号：1004?373X（2013）20?0004?03

　　0引言

　　无线传感器网络（WirelessSensorNetwork，WSN）[1]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[2]，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[3]，节点定位技术[4]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[5]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[6]，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[7]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。

　　1RSSI滤波方法

　　1.1均值滤波

　　均值滤波[8]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：

　　[RSSI=1N?i=1NRSSIi]（1）

　　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[9]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：

　　[RSSI=MedRSSI（1），RSSI（2），RSSI（3），…，RSSI（n）]（2）

　　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[10]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[10][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[11]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。

　　RSSI服从（0，[δ2]）的高斯分布，其概率密度函数为：

　　则区间（[μ-σ≤RSSI（k）<μ+σ]）的概率为：

　　该区间为高概率发生区，选择高斯函数值在该区间的对应的RSSI值，再将这些RSSI值做算术平均作为滤波优化的RSSI值。

　　高斯模型解决了RSSI在实际测试中易受干扰、稳定性差等问题，提高了定位精度，但对阴影效应、能量反射等长时间干扰问题处理效果欠佳[12]。

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。