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

一、前言 苹果在iOS5推出之后就不再提供能直接获取Wi-Fi RSSI数值的API。本文的方法是在越狱环境下，基于MobileApple80211框架来进行开发，实现自动搜索周边Wi-Fi热点并获取其信息（比如MAC，SSID，RSSI，CHANNEL）。目前该框架成为了私有框架，其中API均为私有API，导致应用不能上App Store，只能等待Apple哪天再次开放API。 二

基于Wi-Fi指纹匹配的室内定位-仿真获取WiFi RSSI数据 WiFi指纹匹配是室内定位最为基础和常见的研究，但是WiFi指纹的采集可以称得上是labor-intensive和time-consuming。现在，给大家分享一下我们课题组之前在做WiFi指纹定位时的基于射线跟踪技术仿真WiFi RSSI实验代码。 对数路径损耗模型 WiFi信号强度在空间中传播符合路径损耗模型。本文介绍的是

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：对数路径损耗模型中的参考距离路径损耗和路径损耗因子可通过参考点相互之间的测量值估计。 要求三：完成理想情况下（参考距离路径损耗和路径损耗因子已知）与实际情况下的RMSE曲线对比图，横坐标为噪声方差，纵坐

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 三、代码 Database：

对于大多数无线传感器网络应用来说，没有位置信息的数据是毫无意义的。无线传感器网络目标定位跟踪的前提是节点自身定位。无线传感器网络节点定位算法可分为基于距离和距离无关两大类，基于距离的定位算法主要有RSSI、TOA、TDOA、AOA等，距离无关的定位算法主要有质心算法、DV-hop算法、凸规划、MDS-MAP等。 本文来源：http://www.iot101.com/tech/WSN/2012-0

测试说明： 测试 WiFi 连接距离，是将 ESP32 作为 WiFi Station 模式来连接路由器，通过在开阔环境下进行拉距来测试。另外，可以通过增大 WiFi TX Power 来增大连接距离。 获取连接的 AP 信号强度，一般可以通过 WiFi 扫描（Scan）来获取周围环境下的热点的 AP 的信号强度，注意: 距离越远，信号强度越弱。 测试 WiFi 吞吐，一般是通过 UDP

一、基本概念： RSSI：Received Signal Strength Indication接收的信号强度指示，无线发送层的可选部分，用来判定链接质量，以及是否增大广播发送强度。 因为无线信号多为mW级别，所以对它进行了极化，转化为dBm而已，不表示信号是负的。1mW就是0dBm，小于1mW就是负数的dBm数。 接收的信号强度指示：RSSI只是信号强度的一个指示值！     指示体现在

视频参见：https://www.bilibili.com/video/BV1Y541147Sv 可以看到当我在analog audio的app里，在nfm模式下，我可以点击RSSI按钮，这时候发出的声音会变为根据信号强弱而计算出的音调，这种音调是符合无线电测向运动的。只要在天线口装一个定向天线就可以用这种方式做无线电测向了。 猎狐代码其实本身就已经隐藏在nfm解调里了，我只是把那些注释掉

使用GSM或者3G模块时，都会接触到信号强度CSQ。通过指令AT+CSQ，模块返回当前的信号质量，例如： AT+CSQ +CSQ: 28,0 其中28就是信号强度CSQ，但它不是真实的CSQ，他应该叫RSSI，Received Signal Strength Indication接收的信号强度指示。 那么好了，RSSI和CSQ之间的对应关系式什么呢？OK，就是：CSQ值=(接收信号强度dB