實(shí)際場景中RSSI會(huì)受到多個(gè)因素的影響，比如空中同頻干擾信號(hào)，電磁波在不同物質(zhì)表面的反射折射等造成的多徑疊加，中間障礙物的遮擋，以及天線的性能和朝向等。這些因素會(huì)造成RSSI的大幅度波動(dòng)，并且在不同場景下表現(xiàn)出不同的趨勢和范圍。下圖是BLE在連接狀態(tài)下，固定位置，1秒間隔內(nèi)連續(xù)收到的100個(gè)數(shù)據(jù)包對應(yīng)的RSSI：

可以看到即便在固定位置的很短時(shí)間內(nèi)，RSSI波動(dòng)都可能有超過20db，對應(yīng)的距離如下：

通過對足夠數(shù)量的RSSI樣本濾波可以過濾掉偏差很大的干擾值，減小距離映射的誤差（實(shí)際的效果取決于距離和環(huán)境等因素）。

不同頻率（BLE信道）在相同環(huán)境中對RSSI的測量值有一定影響，下圖分別是連接狀態(tài)下（37個(gè)信道自動(dòng)跳頻）和固定頻率（channel 37）廣播下在室內(nèi)環(huán)境（0~5m）不同距離下測出的RSSI值：

連接下的多信道RSSI有平均15db以上的波動(dòng)，但是信道37的廣播只有平均5db的波動(dòng)。實(shí)際使用中，多信道自動(dòng)跳頻更適合應(yīng)用數(shù)據(jù)傳輸（抗干擾能力強(qiáng)），RSSI的波動(dòng)可以通過適當(dāng)?shù)臑V波來減小。

大的發(fā)射功率支持傳輸更遠(yuǎn)的距離，但是也會(huì)造成更大的RSSI波動(dòng)。相反，較小的發(fā)射功率波動(dòng)較小而且有利于功耗，但是覆蓋范圍有限。下圖是在連接狀態(tài)下，0~5m的距離內(nèi)，使用8dbm發(fā)射功率和-25dbm發(fā)射功率分別測量的RSSI:

兩者表現(xiàn)出相同的趨勢。-25dbm的數(shù)據(jù)的波動(dòng)相對較小，但是對于遠(yuǎn)距離，RSSI的讀值趨于平坦。兩者在近距離內(nèi)都可以通過濾波實(shí)現(xiàn)相同的效果，實(shí)際使用中應(yīng)該根據(jù)應(yīng)用場景在遠(yuǎn)距離和低功耗之間選擇合適的發(fā)射功率。

場景中的噪聲和其他物體造成的反射對RSSI有很大影響，以會(huì)議室場景和地下車庫場景為例，會(huì)議室場景存在較多物體，而地下車庫場景相對空曠，因此地下車庫場景的RSSI波動(dòng)較小一些，不同場景會(huì)直接影響測距和濾波的系數(shù)（系數(shù)需要針對不同場景校準(zhǔn)）。

BLE主從設(shè)備為ingchips916， 兩個(gè)設(shè)備都經(jīng)過了RSSI校準(zhǔn)（+/-1.5db），確保不同增益切換對RSSI的影響最小。在如下的會(huì)議室中，雙方進(jìn)入連接狀態(tài)（多信道自動(dòng)跳頻，-25dbm發(fā)射功率，10ms連接間隔），在0~5m內(nèi)每間隔0.5m采集100個(gè)RSSI值（1s）:

假定每個(gè)位置的RSSI值服從正態(tài)分布，首先對每一組數(shù)據(jù)使用高斯濾波過濾掉偏差很大的值。這一步為可選項(xiàng)，高斯濾波對樣本數(shù)量較小的情況提升不明顯，如果RSSI測量個(gè)數(shù)很大，則可以考慮首先使用高斯濾波對數(shù)據(jù)進(jìn)行處理。

參數(shù)[sigma = 1]的高斯濾波后的數(shù)據(jù)和原來數(shù)據(jù)的對比：

接下來對數(shù)據(jù)使用卡爾曼濾波（Kalman），Kalman對噪聲環(huán)境下的服從正態(tài)分布的數(shù)據(jù)預(yù)測有較好效果（參考[1]）。此處使用參數(shù)[A=1, H=1, Q=0.1, R=2.5]，濾波后的數(shù)據(jù)和原始數(shù)據(jù)對比：

相比于原始數(shù)據(jù)，Kalman濾波后的數(shù)據(jù)相對收斂，將濾波后RSSI轉(zhuǎn)換為距離（參數(shù)[n=1.6]），結(jié)果如下：

對于較小的（3m之內(nèi)）的誤差，Kalman和原始數(shù)據(jù)的差別不大。對于較大的誤差，Kalman可以通過和先前數(shù)據(jù)的平滑過濾掉偏差很大的值（結(jié)論參考[2]）。

地下車庫相對比較開闊，測試設(shè)備采用連接方式（多信道調(diào)頻，8dbm發(fā)射功率）測量RSSI，在1~20m距離內(nèi)每隔1m采集100個(gè)數(shù)據(jù)（10ms連接間隔，耗時(shí)1s）。和場景1類似，采用Kalman濾波（參數(shù)[A=1, H=1, Q=0.1, R=2.5]）后的數(shù)據(jù)和原始數(shù)據(jù)對比：

轉(zhuǎn)換為距離后和原始數(shù)據(jù)對比為（參數(shù)分別為[n=1.4]和[n=1.35]）:

大于15m的距離，誤差很大，數(shù)據(jù)沒有使用的價(jià)值。小于15m的距離內(nèi)，在較小誤差的情況下，Kalman和原始數(shù)據(jù)差別不大，較大誤差比如10m位置，Kalman則有約10%的提升。

對于需要判斷距離變化趨勢的應(yīng)用場景，需要按時(shí)間順序采集RSSI測量值，并通過對數(shù)據(jù)擬合后的斜率變化來判斷距離趨勢?？紤]到RSSI和距離的映射關(guān)系為非線性，RSSI的變化趨勢需要在小范圍時(shí)間內(nèi)進(jìn)行擬合。

在會(huì)議室場景和地下車庫場景，從遠(yuǎn)距離以步行速度靠近信源，原始數(shù)據(jù)和擬合曲線分別為：

可以觀測到：

1.在遠(yuǎn)離信源的地方（10m之外），RSSI的變化趨勢存在波動(dòng)。

2.受環(huán)境和設(shè)備天線朝向等因素，RSSI絕對值在不同場景中表現(xiàn)不同。

3.而在靠近信源的地方（會(huì)議室場景在1.5m內(nèi)，地下車庫場景在3m范圍內(nèi)），信號(hào)強(qiáng)度的線性變化趨勢較為明顯。

實(shí)際使用場景中，如果RSSI測量設(shè)備的環(huán)境復(fù)雜或者靠近的路線不明確，都有可能導(dǎo)致最終的趨勢預(yù)測不夠可靠。但在已知場景下，可以通過對該區(qū)域內(nèi)RSSI的測量來劃分出不同區(qū)域，在靠近信源的區(qū)域（信號(hào)趨勢明顯），通過結(jié)合RSSI測量值以及線性擬合的斜率來判斷測量點(diǎn)是在靠近還是遠(yuǎn)離信源。

1. RSSI測距受包括收發(fā)天線，多徑干擾，RSSI精度等多個(gè)因素影響，10m內(nèi)有平均1~3m的誤差。
2. 不同信道對RSSI測距有一定影響，單信道測距要比跳頻測距更穩(wěn)定。
3. 取決于實(shí)際使用需求，發(fā)射功率對RSSI測距的影響不明顯。
4. 為了達(dá)到相對收斂的效果，實(shí)際使用中應(yīng)該對一定數(shù)量的樣本濾波來過濾掉方差較大的測量值。
5. RSSI距離映射公式和濾波的相關(guān)參數(shù)和特定環(huán)境相關(guān)，需要針對測定場景校準(zhǔn)。
6. 具體使用請參考Ingchips示例工程。

參考

[1] A. Mackey 和 P. Spachos，“智能建筑室內(nèi)定位信標(biāo)的性能評估”，2017 年 IEEE 全球信號(hào)與信息處理會(huì)議 (GlobalSIP)，2017 年 11 月，第 823-827 頁。

[2] 用于基于物聯(lián)網(wǎng)的交互式智能博物館室內(nèi)定位的 BLE 信標(biāo) IEEE 高級會(huì)員 Petros Spachos 和 IEEE 院士 Konstantinos N. Plataniotis。

[3] 基于高斯-卡爾曼線性濾波的RSSI室內(nèi)測距算法研究。

文章來源 桃瑞芯