本文主要是介绍RSSI滤波方法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
文章目录
- 一、均值滤波
- 二、递推平均滤波
- 三、中位值滤波
- 四、狄克逊检验法滤波
- 五、高斯滤波
- 六、速度滤波
- 七、卡尔曼滤波
一、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
R S S I ‾ = 1 n ∙ ∑ i = 1 n R S S I i \overline{RSSI} = \frac {1}{n} \bullet \sum_{i=1}^n RSSI_i RSSI=n1∙i=1∑nRSSIi
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。
二、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。
三、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
R S S I = M e d { R S S I 1 , R S S I 2 , R S S 3 ⋯ R S S I n } RSSI = Med \{RSSI_{1}, RSSI_{2}, RSS_{3} \cdots RSSI_{n}\} RSSI=Med{RSSI1,RSSI2,RSS3⋯RSSIn}
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。
四、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，
R S S I ( 1 ) , R S S I ( 2 ) , R S S I ( 3 ) , … , R S S I ( n − 2 ) , R S S I ( n − 1 ) , R S S I ( n ) {RSSI(1),RSSI(2),RSSI(3),\dots ,RSSI(n - 2),RSSI(n - 1),RSSI(n)} 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：
r 10 = R S S I n − R S S I n − 1 R S S I n − R S S I 1 r_{10} = \frac {RSSI_{n} - RSSI_{n-1}}{RSSI_{n} - RSSI_{1}} r10=RSSIn−RSSI1RSSIn−RSSI
这篇关于RSSI滤波方法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
