ZigBee室内定位系统的研究与设计+RSSI的算法及MATLAB仿真(7)
（9）
利用标准的最小均方差估计算法，最终得到的目标节点坐标表达式为：
（10）
这种算法具有的显著特点是，代价就其他的方式偏低，因为它不需要配备除去无线电以外的设备。
定位引擎输入参数如表1所示。
表1 定位引擎输入参数
名称 最小值 最大值 说明
A 30 50 与发射距离1m处的RSSI值，用dBm表示
n 0 31 信号传播指数
RSSI 40 95 RSSI值，定位引擎将此值得绝对值作为输入值
X, Y 0 63.25 参考坐标，单位是m
经过对基于RSSI算法的分析可知，信号强度值得大小在环境发生改变时波动性很大，有很好的灵敏度，这就大大降低了测试结果的精确度，影响了定位的准确度。由已有的实验研究结果知道，距离越大，RSSI值整体呈现衰减趋势，但不是一一对应的映射关系，有一定范围内的波动。说明RSSI值不仅受到距离的影响，还与其他的环境因素相关。信号传播距离较近的情况下，接收信号强度值衰减迅速；信号传播距离较远的情况下，接收信号强度衰减平缓。在基于信号强度测量距离的过程中，因为接收信号强度具有时变性，而且容易受到干扰噪声的影响，那么测量值RSSI就存在一定程度的误差，不能满足实际环境中对定位精度的要求。本文采用CC2431芯片获得LQI链路质量指示数值通过数学计算获得RSSI值带入整体流程。定位节点的坐标信号进行卡尔曼滤波，卡尔曼滤波算法是高斯滤波中最有效的一种算法，当对象模型的系统状态和参数不发生突变，而且对象模型准确，滤波效果较好[10]。利用卡尔曼滤波（具有减小噪声的滤波功能对于系统）足以提高定位精度。
4.2 实验结果的MATLAB仿真
实验的过程中，假设以定位节点所在的水平面作为二文直角坐标系的xoy平面，实验结果只研究二文空间上的x轴方向坐标和y轴方向坐标。实验结果的计算分析，一方面利用基于RSSI的定位算法，一方面采用基于RSSI算法的优化算法。下面介绍静态和动态两种环境下的定位仿真结果。
4.2.1 静态环境实验结果
选取一个8m×5m的室内范围空间，在这一空间中，设置一个定位节点，一个网关节点，吹冰个参考节点，其中网关节点和参考节点用CC2430代替，定位节点用CC2431代替。在表4中LQI（link quality indication）指链路质量指示，代表接收数据帧的能量与质量，LQI的值小表示链路质量差，它的动态变化范围比RSSI大，使它具有更好的分辨率。在计算定位节点的位置坐标时，将实验所得的LQI值转化成RSSI值，可以提高定位节点坐标的准确性。每当ZigBee收发模块接收到参考节点发送的一个数据帧时可以得到RSSI和LQI的值[11]。根据相关的文