matlab实现RSSI指纹定位

本文主要是介绍matlab实现RSSI指纹定位，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、要求
- 二、设计
- 三、代码
- 四、结果
- 五、结论

一、要求

要求一：RSSI的测量值由对数路径损耗模型产生，为减小波动造成的误差，其值可由多次测量取平均值来得到。

要求二：定位指纹数据库的建立是基于网格形式产生不同的指纹节点。

要求三：比较KNN算法与WKNN算法的CDF曲线对比图，横坐标为定位误差，纵坐标为CDF。

二、设计

在这里插入图片描述

三、代码

Database：

function [X]=databaseone(A,sigma)
pd0=0;
n=3;
[m,~]=size(A);
tt=2;
coor=[];
RSSIone=[];
for i=30:30:480for j=30:30:480coor1=[i,j];coor=[coor;coor1];d1=A-ones(m,1)*coor1;d2=sum(d1.^2,2);d=d2.^(1/2);for k=1:ttrssi(:,k)=pd0-10*n*log10(d)-10^(sigma/10)*randn(m,1);endRSS_m=mean(rssi,2)';RSSIone=[RSSIone;RSS_m];end
end
X=[coor,RSSIone];
end

Main：

clear all; 
clc; 
BS1=[0,0];
BS2=[500,0];
BS3=[500,500];
BS4=[0,500]; 
std_var=4; 
A=[BS1;BS2;BS3;BS4];  
pd0=0;
n=3; 
tt=2; 
number=1000;
for i=1:numberMS=[400*rand,400*rand];r1=A-ones(4,1)*MS;r2=(sum(r1.^2,2)).^(1/2);for k=1:ttrssi(:,k)=pd0-10*n*log10(r2)-10^(std_var/10)*randn(4,1);endRSSIoone=mean(rssi,2);X=databaseone(A,std_var);[m,~]=size(X);for j=1:mdistance(j)=norm(X(j,3:end)-RSSIoone');end[C,I]=sort(distance);K=3;match_result=X(I(1:K),1:2);est1=mean(match_result);RMSE1(i)=norm(est1-MS);weight=1./C(1:K);weight=weight'/sum(weight);est2=sum([weight.*match_result(:,1),weight.*match_result(:,2)]);RMSE2(i)=norm(est2-MS);est3=X(I(1),1:2);RMSE3(i)=norm(est3-MS);
end
RMSE=0:20;
for i=1:length(RMSE)n1=0;n2=0;n3=0;for j=1:number-5if RMSE1(j)<=RMSE(i)n1=n1+1;endif RMSE2(j)<=RMSE(i)n2=n2+1;endif RMSE3(j)<=RMSE(i)n3=n3+1;endendp1(i)=n1/number;p2(i)=n2/number;p3(i)=n3/number;
end
plot(RMSE,p1,'-O',RMSE,p2,'-s',RMSE,p3,'-x') 
xlabel('The localization error (m)'); 
ylabel('CDF'); 
legend('KNN','WKNN','NN');