徐 樂(lè)，韋玉科

廣東工業(yè)大學(xué) 計(jì)算機(jī)學(xué)院，廣州510006

1 引言

由于人類大部分時(shí)間都在室內(nèi)活動(dòng)，所以室內(nèi)定位技術(shù)的研究變得更加重要。而在室內(nèi)定位技術(shù)的研究中，室內(nèi)定位算法的選擇將會(huì)直接影響定位結(jié)果的精準(zhǔn)度。

目前，室內(nèi)定位算法[1]主要分為基于測(cè)距和非測(cè)距兩種。典型的基于測(cè)距定位算法有：基于接收信強(qiáng)度指標(biāo)RSSI[2]、基于到達(dá)時(shí)間TOA[3]、基于到達(dá)角度[4]、基于到達(dá)時(shí)間差TDOA[5]等。典型的基于非測(cè)距定位算法有：Amorphous 算法[6]、質(zhì)心算法[7]。而基于測(cè)距定位算法較于基于非測(cè)距定位算法，具有更高的定位精度。其中，基于RSSI測(cè)距定位算法[8]由于開銷最小而被廣泛應(yīng)用于室內(nèi)定位系統(tǒng)。

基于RSSI 測(cè)距定位算法是利用節(jié)點(diǎn)從定位點(diǎn)接收到的功率，并通過(guò)功率距離轉(zhuǎn)換和定位算法，推算出定位點(diǎn)的位置。因此，對(duì)于基于RSSI 測(cè)距定位算法的改進(jìn)方向主要為：降低RSSI數(shù)據(jù)集的不穩(wěn)定性，提高RSSI測(cè)距模型的準(zhǔn)確性和提高定位算法的精度。文獻(xiàn)[9]提出了一種基于多屬性代價(jià)函數(shù)的WiFi 與藍(lán)牙TLS 融合定位算法，該算法以多屬性代價(jià)函數(shù)評(píng)估信標(biāo)的定位能力，同時(shí)利用TLS對(duì)待定位節(jié)點(diǎn)進(jìn)行最優(yōu)位置估計(jì)。文獻(xiàn)[10]提出一種基于特征匹配和距離加權(quán)的藍(lán)牙定位算法，該算法在離線狀態(tài)生成指紋數(shù)據(jù)庫(kù)，在在線狀態(tài)根據(jù)排序特征向量完全匹配算法、排序特征向量最相似匹配算法和基于距離的最優(yōu)加權(quán)KNN 定位算法實(shí)現(xiàn)定位。但是該算法在實(shí)際操作時(shí)需要采集大量指紋點(diǎn)，工作量較大。文獻(xiàn)[11]提出一種基于藍(lán)牙RSSI 的貝葉斯區(qū)域判別定位算法，該算法接收信號(hào)強(qiáng)度劃分區(qū)域并對(duì)區(qū)域內(nèi)進(jìn)行定位，但是該算法運(yùn)算較為復(fù)雜。文獻(xiàn)[12]提出基于RSSI 測(cè)距校正的擬牛頓定位算法，該算法通過(guò)引用高斯函數(shù)對(duì)RSSI 值進(jìn)行篩選和對(duì)剩余的RSSI 數(shù)據(jù)進(jìn)行加權(quán)操作，來(lái)獲取最優(yōu)的RSSI 數(shù)據(jù)，后采用最小二乘法估計(jì)和擬牛頓法迭代來(lái)確定目標(biāo)結(jié)點(diǎn)的位置。

現(xiàn)有的基于RSSI 測(cè)距定位算法的改進(jìn)算法[13]雖然提高了定位結(jié)果的精確度，但是算法過(guò)程都過(guò)于復(fù)雜。因此，本文提出一種基于三點(diǎn)定位與加權(quán)坐標(biāo)的三角定位算法。該算法在RSSI測(cè)距階段通過(guò)多次測(cè)量獲取適合的RSSI-距離模型，同時(shí)針對(duì)RSSI 值波動(dòng)性大的缺點(diǎn)，對(duì)同一定位目標(biāo)的RSSI 數(shù)據(jù)集進(jìn)行卡爾曼濾波操作。本文的定位算法將三點(diǎn)定位與三角定位算法結(jié)合。首先經(jīng)過(guò)基于RSSI 選取的三點(diǎn)定位算法獲取三個(gè)粗定位結(jié)果坐標(biāo)；然后給這三個(gè)定位坐標(biāo)賦予相應(yīng)的權(quán)值得到加權(quán)坐標(biāo)；最后通過(guò)三角定位運(yùn)算得到最終定位坐標(biāo)結(jié)果。實(shí)驗(yàn)結(jié)果表明，本文提出的算法在實(shí)際應(yīng)用中能有效地降低定位誤差。

2 RSSI 測(cè)距原理與RSSI數(shù)據(jù)處理

2.1 RSSI測(cè)距原理

RSSI 測(cè)距原理是基于漸變模型的[14]，即隨著距離的增加信號(hào)強(qiáng)度有規(guī)律的衰減。在進(jìn)行定位時(shí)，根據(jù)接收信號(hào)強(qiáng)度、發(fā)射信號(hào)強(qiáng)度、接收端和發(fā)射端之間的距離構(gòu)建信號(hào)強(qiáng)度-距離衰減模型，將測(cè)量過(guò)程中獲取的RSSI 數(shù)據(jù)集轉(zhuǎn)換為到待定位點(diǎn)的距離數(shù)據(jù)集，用于計(jì)算待定位點(diǎn)的位置。

已知無(wú)線信號(hào)的發(fā)射功率與接收功率之間的關(guān)系如方程式（1）所示：

其中，RSSI 為無(wú)線信號(hào)的接收功率，P 為無(wú)線信號(hào)的發(fā)射功率，d 為接收端與發(fā)射端之間的距離，n為環(huán)境衰減因子，大小由無(wú)線信號(hào)傳播環(huán)境決定。

對(duì)方程式（1）兩端進(jìn)行取對(duì)數(shù)操作并化簡(jiǎn)，得到方程式（2）：

因?yàn)榘l(fā)射功率是已知，所以接收端信號(hào)強(qiáng)度RSSI與傳輸距離d 之間的關(guān)系可用方程式（3）表示：

其中，n表示環(huán)境衰減因子，A表示發(fā)射端與接收端相隔1 m時(shí)的信號(hào)強(qiáng)度。在實(shí)驗(yàn)環(huán)境中，通過(guò)大量測(cè)試，得出實(shí)驗(yàn)環(huán)境下的RSSI-距離衰減模型。如圖1 所示，根據(jù)RSSI 原始數(shù)據(jù)與衰減模型計(jì)算結(jié)果對(duì)比可知，在RSSI原始數(shù)據(jù)與衰減模型計(jì)算結(jié)果之間的相似擬合度為96%的條件下，A=-87.074 0，10n=-8.6，所以RSSI-距離衰減模型公式如方程式（4）所示：

圖1 信號(hào)衰減模型測(cè)試結(jié)果圖

由圖1 可知，RSSI-距離衰減模型中，原始數(shù)據(jù)與擬合數(shù)據(jù)之間相似度很高，同時(shí)模型近似服從對(duì)數(shù)分布模型。

2.2 卡爾曼濾波

在實(shí)際測(cè)試場(chǎng)景中，RSSI 數(shù)據(jù)易受到各種干擾噪聲的影響，同時(shí)無(wú)線信號(hào)受到多徑反射傳播、非視距等影響，這些影響會(huì)使獲取到的RSSI 數(shù)據(jù)存在著很大的波動(dòng)性和誤差。為了使獲取到的RSSI 數(shù)據(jù)的波動(dòng)性和誤差降低，同時(shí)為了提高定位精度，本文在進(jìn)行定位運(yùn)算之前對(duì)獲取到的RSSI 數(shù)據(jù)先進(jìn)行濾波處理。文獻(xiàn)[15]中對(duì)幾種不同數(shù)據(jù)濾波方法的效果進(jìn)行了比較，其中卡爾曼濾波算法的效果相對(duì)較好。

卡爾曼濾波算法是以最小均方誤差作為估計(jì)的最佳準(zhǔn)則來(lái)尋求一套遞推估計(jì)的算法。其基本思想是：采用信號(hào)與噪聲的狀態(tài)空間模型，利用前一時(shí)刻的估計(jì)值和當(dāng)前時(shí)刻的觀測(cè)值來(lái)更新對(duì)狀態(tài)變量的估計(jì)，求出當(dāng)前時(shí)刻的估計(jì)值。當(dāng)對(duì)象模型足夠準(zhǔn)確且系統(tǒng)狀態(tài)和參數(shù)不發(fā)生突變時(shí)，性能較好。且該方法操作簡(jiǎn)單，數(shù)據(jù)存貯量小，具有很強(qiáng)的實(shí)時(shí)性。同時(shí)，卡爾曼濾波算法能在一定程度上削弱由于噪聲疊加造成的RSSI 觀測(cè)值偏離，經(jīng)過(guò)卡爾曼濾波算法處理后的RSSI值，具有更好的穩(wěn)定性。

本文采用卡爾曼濾波方法對(duì)獲取的RSSI 數(shù)據(jù)進(jìn)行處理，以達(dá)到降低RSSI 值波動(dòng)性和減少RSSI 值誤差的目的。對(duì)獲取的RSSI 數(shù)據(jù)進(jìn)行卡爾曼濾波前后的效果圖如圖2所示。

圖2 RSSI數(shù)據(jù)濾波前后效果圖

由圖2可看出，卡爾曼濾波后的RSSI數(shù)據(jù)的波動(dòng)性變小了，說(shuō)明卡爾曼濾波對(duì)提高基于RSSI 測(cè)距定位算法的穩(wěn)定性和準(zhǔn)確性有一定的效果。

3 改進(jìn)的三角定位算法

3.1 三角定位算法

三角定位算法[16]是RSSI 測(cè)距定位算法中常用的定位算法之一。三角定位算法原理是對(duì)平面上的三個(gè)已知位置的點(diǎn)和未知位置的目標(biāo)點(diǎn)，測(cè)出已知點(diǎn)到目標(biāo)點(diǎn)的距離，以已知點(diǎn)為圓心，到目標(biāo)點(diǎn)的距離為半徑畫出相交的三個(gè)圓，三圓的相交點(diǎn)即為目標(biāo)點(diǎn)的位置。如圖3所示。

圖3 三角定位算法原理圖

由RSSI-距離衰減模型可知RSSI 轉(zhuǎn)換為距離公式如方程式（5）所示：

假設(shè)在一個(gè)平面區(qū)域內(nèi)，安放了三個(gè)藍(lán)牙Beacon節(jié) 點(diǎn) 分 別 為A(x1,y1)、B(x2,y2)、C(x3,y3)，待 定 位 終 端D(x,y)，RSSIA、RSSIB、RSSIC為接收到A、B、C 三點(diǎn)的信號(hào)強(qiáng)度值，根據(jù)方程式（5）可求得A、B、C 到D 的距離為d1、d2、d3。故三角定位算法的表達(dá)式可用方程式（6）表示：

3.2 改進(jìn)的三角定位算法

在實(shí)際場(chǎng)景中，由于無(wú)線信號(hào)傳播易受干擾，獲取到的RSSI值存在著波動(dòng)性，通過(guò)RSSI-距離衰減模型求得的距離與實(shí)際距離具有一定的誤差，導(dǎo)致三圓相交出現(xiàn)多個(gè)交點(diǎn)，所以通過(guò)三角定位運(yùn)算得出的定位結(jié)果存在著誤差。因此，本文提出一種基于三點(diǎn)定位與加權(quán)坐標(biāo)的三角定位算法，該算法將三點(diǎn)定位與三角定位算法相結(jié)合。首先分別通過(guò)三種不同的基于RSSI選取方式的三點(diǎn)定位算法得到三個(gè)粗定位結(jié)果坐標(biāo)；然后給這三個(gè)定位結(jié)果坐標(biāo)賦予相應(yīng)的權(quán)值得到加權(quán)坐標(biāo)；最后加權(quán)坐標(biāo)經(jīng)過(guò)三角定位運(yùn)算得到待定位目標(biāo)點(diǎn)坐標(biāo)。

3.2.1 基于RSSI選取的三點(diǎn)定位算法

基于RSSI 選取的三點(diǎn)定位算法主要是利用不同的選取方式獲得三個(gè)藍(lán)牙Beacon 節(jié)點(diǎn)，通過(guò)三點(diǎn)定位算法得到粗定位結(jié)果。本文所用的RSSI選取方式可分為基于功率的、基于距離的和基于功率與距離結(jié)合的三種。下面分別介紹這三種選取方式。

（1）基于功率的RSSI選取方式

基于功率的RSSI 選取方式主要是選取獲取的數(shù)據(jù)包中RSSI值最大的三個(gè)藍(lán)牙Beacon節(jié)點(diǎn)。其具體步驟如下：

步驟1 獲取所有藍(lán)牙Beacon節(jié)點(diǎn)數(shù)據(jù)包中的RSSI數(shù) 據(jù) 集 合RSSI={RSSI1,RSSI2, …,RSSIn}，n 為 藍(lán) 牙Beacon節(jié)點(diǎn)個(gè)數(shù)。

步驟2 選取RSSI集合中值最大的三個(gè)藍(lán)牙Beacon節(jié)點(diǎn)，并獲取相應(yīng)的X，Y 軸坐標(biāo)值集合X={x1,x2,x3}和Y={y1,y2,y3}。

（2）基于距離的RSSI選取方式

基于距離的RSSI 選取方式主要是選取經(jīng)過(guò)RSSI-距離轉(zhuǎn)換后的距離數(shù)據(jù)集中最小的三個(gè)藍(lán)牙Beacon 節(jié)距離轉(zhuǎn)換后的距離數(shù)據(jù)集中最小的三個(gè)藍(lán)牙Beacon 節(jié)點(diǎn)。其具體步驟如下：

步驟1 根據(jù)方程式（5），對(duì)獲取的所有藍(lán)牙Beacon節(jié)點(diǎn)數(shù)據(jù)包中的RSSI值進(jìn)行RSSI-距離轉(zhuǎn)換，得到距離集合d={d1,d2,…,dn}，n為藍(lán)牙Beacon節(jié)點(diǎn)個(gè)數(shù)。

步驟2 選取距離集合d={d1,d2,…,dn}中距離值最小的三個(gè)點(diǎn)

步驟3 獲取對(duì)應(yīng)的藍(lán)牙Beacon節(jié)點(diǎn)的X，Y 軸坐標(biāo)值集合X={x1,x2,x3}和Y={y1,y2,y3}。

（3）基于功率與距離結(jié)合的RSSI選取方式

基于功率與距離結(jié)合的RSSI 選取方式主要是選取獲取的數(shù)據(jù)包中RSSI 值最大的藍(lán)牙Beacon 節(jié)點(diǎn)，和距離該節(jié)點(diǎn)的距離值最小的兩個(gè)藍(lán)牙Beacon 節(jié)點(diǎn)。其具體步驟如下：

步驟1 獲取所有藍(lán)牙Beacon節(jié)點(diǎn)數(shù)據(jù)包中的RSSI數(shù) 據(jù) 集 合RSSI={RSSI1,RSSI2,…,RSSIn}，n 為 藍(lán) 牙Beacon 節(jié)點(diǎn)個(gè)數(shù)，選取RSSI 集合中最大的一個(gè)藍(lán)牙Beacon節(jié)點(diǎn)RSSImax。

步驟2 計(jì)算除RSSImax之外的所有藍(lán)牙Beacon 節(jié)點(diǎn) 到 RSSImax的 距 離 ，并 得 到 距 離 集 合d={d1,d2,…,dm-1}，m 為藍(lán)牙Beacon節(jié)點(diǎn)個(gè)數(shù)。

步驟3 選取d={d1,d2,…,dm-1}中值最小的兩個(gè)點(diǎn)，獲取RSSImax和對(duì)應(yīng)的藍(lán)牙Beacon 節(jié)點(diǎn)X，Y 軸坐標(biāo)值集合X={x1,x2,x3}和Y={y1,y2,y3}。

通過(guò)上述的選取方式中的任意一種方式均可獲取到需要的三個(gè)藍(lán)牙Beacon 節(jié)點(diǎn)X，Y 軸坐標(biāo)值集合X={x1,x2,x3}和Y={y1,y2,y3}，通過(guò)方程式（8）可得到粗定位結(jié)果坐標(biāo)。

其中，p、q、t 為權(quán)值。

方程式（8）中的權(quán)值p、q、t 是根據(jù)選取的三個(gè)藍(lán)牙Beacon 節(jié)點(diǎn)數(shù)據(jù)包中的RSSI 值之間差距的大小來(lái)設(shè)置的。具體權(quán)值的設(shè)置過(guò)程可以用偽代碼描述，如下所示。

描述：方程式（8）中權(quán)值的設(shè)置

輸入：RSSI={rssi1,rssi2,rssi3}

X={x1,x2,x3}

Y={y1,y2,y3}

輸出：(x,y)

算法過(guò)程：

針對(duì)方程式（8）的權(quán)值的設(shè)定是經(jīng)過(guò)大量測(cè)試后確定的。

3.2.2 基于加權(quán)坐標(biāo)的三角定位算法

基于加權(quán)坐標(biāo)的三角定位算法主要是對(duì)經(jīng)過(guò)基于RSSI 選取的三點(diǎn)定位算法后的三個(gè)定位結(jié)果坐標(biāo)賦予不同的權(quán)值，然后通過(guò)三角定位運(yùn)算得到待定位點(diǎn)坐標(biāo)。其具體步驟如下：

步驟1 經(jīng)過(guò)基于RSSI 選取的三點(diǎn)定位算法，得到三個(gè)粗定位結(jié)果坐標(biāo)A(x1,y1),B(x2,y2)和C(x3,y3)。

步驟2 根據(jù)方程式（9），給A，B，C 坐標(biāo)賦予相應(yīng)的權(quán)值，得到加權(quán)坐標(biāo)和

其中，α、β、γ為權(quán)值。

步驟3 根據(jù)方程式（5）計(jì)算A、B、C 對(duì)應(yīng)的藍(lán)牙Beacon節(jié)點(diǎn)到待定位目標(biāo)的距離。

步驟4 根據(jù)方式（10）可得到待定位點(diǎn)的坐標(biāo)(x,y)。

在基于坐標(biāo)加權(quán)的三角定位算法中，坐標(biāo)加權(quán)流程如圖4所示。

圖4 坐標(biāo)加權(quán)流程圖

3.2.3 基于三點(diǎn)定位與加權(quán)坐標(biāo)的三角定位算法

基于三點(diǎn)定位與加權(quán)坐標(biāo)的三角定位算法先對(duì)待定位點(diǎn)進(jìn)行三點(diǎn)定位運(yùn)算，得到三個(gè)粗定位結(jié)果坐標(biāo)，然后對(duì)這三個(gè)粗定位結(jié)果坐標(biāo)進(jìn)行加權(quán)操作，得到加權(quán)坐標(biāo)，最后將這三個(gè)加權(quán)坐標(biāo)經(jīng)過(guò)三角定位運(yùn)算得到待定位點(diǎn)坐標(biāo)。

基于三點(diǎn)定位與加權(quán)坐標(biāo)的三角定位算法的流程如圖5所示。

圖5 基于三點(diǎn)定位與加權(quán)坐標(biāo)的三角定位算法流程圖

基于三點(diǎn)定位與加權(quán)坐標(biāo)的三角定位算法的具體步驟如下：

步驟1 獲取所有藍(lán)牙Beacon節(jié)點(diǎn)數(shù)據(jù)包。

步驟2 對(duì)獲取的數(shù)據(jù)中的RSSI數(shù)據(jù)進(jìn)行卡爾曼濾波處理，得到處理后的新RSSI數(shù)據(jù)RSSIK。

步驟3 對(duì)RSSIK分別進(jìn)行三種不同的基于RSSI選取的三點(diǎn)定位算法得到三個(gè)粗定位結(jié)果坐標(biāo)A( x1,y1),B( x2,y2),C( x3,y3)。

步驟4 給A( x1,y1),B( x2,y2),C( x3,y3)賦予相應(yīng)的權(quán)值的到加權(quán)坐標(biāo)

步驟5 對(duì)加權(quán)坐標(biāo)進(jìn)行三角定位運(yùn)算，得到待定位點(diǎn)坐標(biāo)(x,y)。

4 實(shí)驗(yàn)與結(jié)果分析

本文的實(shí)驗(yàn)環(huán)境為：一個(gè)布設(shè)了室內(nèi)無(wú)線藍(lán)牙定位環(huán)境的辦公室，該辦公室面積為50 m×50 m，在該場(chǎng)景內(nèi)布設(shè)26 個(gè)藍(lán)牙Beacon 節(jié)點(diǎn)，每個(gè)藍(lán)牙Beacon 節(jié)點(diǎn)之間相距8 m。測(cè)試規(guī)則為：藍(lán)牙Beacon 節(jié)點(diǎn)每隔3 s 上報(bào)RSSI 數(shù)據(jù)包，測(cè)試時(shí)測(cè)試人員在每個(gè)測(cè)試點(diǎn)測(cè)試30次。當(dāng)90%的誤差值低于某一個(gè)值時(shí)，則該值即為該點(diǎn)的定位誤差值；計(jì)算區(qū)域誤差值時(shí)，當(dāng)整個(gè)區(qū)域內(nèi)誤差值有90%低于某一個(gè)值時(shí)，則該值為這個(gè)區(qū)域內(nèi)的定位誤差（即算法平均誤差）。同時(shí)，選擇文獻(xiàn)[12]中的最小二乘定位算法和改進(jìn)的四點(diǎn)質(zhì)心定位算法進(jìn)行比較，分別記為傳統(tǒng)三角定位算法和四點(diǎn)定位算法。

本文采用方程式（11）來(lái)計(jì)算定位結(jié)果的精度。方程式（11）表示如下：

其中，(x,y)為實(shí)際待定位點(diǎn)的二維坐標(biāo)，(xi,yi)為算法計(jì)算出的待定位點(diǎn)的估計(jì)二維坐標(biāo)。

從表1 中可以看出：傳統(tǒng)三角定位算法的定位誤差在1.908 m 內(nèi)，平均定位誤差為0.970 m，運(yùn)行時(shí)間為0.690 ms；四點(diǎn)定位算法的定位誤差在1.709 m 內(nèi)，平均定位誤差為0.897 m，運(yùn)行時(shí)間為0.640 ms；本文提出的定位算法也存在著定位誤差，但是定位誤差在1.602 m內(nèi)，平均定位誤差為0.880 m，運(yùn)行時(shí)間為0.590 ms。與傳統(tǒng)三角定位算法和四點(diǎn)定位算法相比，本文提出的算法具有更高的定位精度。

表1 不同定位算法的性能比較

同時(shí)，將本文提出的定位算法應(yīng)用于實(shí)際的定位系統(tǒng)中，在定位系統(tǒng)的導(dǎo)航模塊，進(jìn)行導(dǎo)航過(guò)程的定位測(cè)試。測(cè)試規(guī)則為：選取起點(diǎn)與終點(diǎn)，規(guī)劃多條路徑，并在路徑中設(shè)定測(cè)試點(diǎn)，在每條路徑中測(cè)試多次，每個(gè)測(cè)試點(diǎn)的平均誤差值作為該測(cè)試點(diǎn)的定位誤差值，將整個(gè)區(qū)域內(nèi)所有測(cè)試點(diǎn)的定位誤差值的平均值作為該區(qū)域內(nèi)定位系統(tǒng)導(dǎo)航模塊的定位誤差值。測(cè)試過(guò)程：在測(cè)試區(qū)域內(nèi)部署多個(gè)藍(lán)牙Beacon 節(jié)點(diǎn)，測(cè)試人員佩戴藍(lán)牙手環(huán)，每2 s 上報(bào)一次RSSI 數(shù)據(jù)，服務(wù)器端收集到5 組RSSI 數(shù)據(jù)后才開始進(jìn)行定位計(jì)算。測(cè)試結(jié)果如圖6所示。

圖6 導(dǎo)航模塊測(cè)試結(jié)果圖

從圖6 中可以知道：本文定位算法在導(dǎo)航過(guò)程中的定位誤差主要出現(xiàn)在[0，1]之間，在行走過(guò)程中因?yàn)闇y(cè)試點(diǎn)進(jìn)入定位系統(tǒng)覆蓋邊緣時(shí)會(huì)出現(xiàn)較大的誤差，但是整個(gè)過(guò)程定位誤差將控制在4 m 內(nèi)，平均定位誤差為1.097 7 m。

5 結(jié)束語(yǔ)

為了降低傳統(tǒng)的基于接收信號(hào)強(qiáng)度指示（Received Signal Strength Indication，RSSI）的三角定位算法產(chǎn)生的定位誤差和和定位結(jié)果存在波動(dòng)性的問(wèn)題，本文提出一種基于三點(diǎn)定位與加權(quán)坐標(biāo)的三角定位算法。該算法先對(duì)RSSI 數(shù)據(jù)進(jìn)行卡爾曼濾波操作，降低RSSI 數(shù)據(jù)的波動(dòng)性；然后將濾波后數(shù)據(jù)經(jīng)過(guò)基于RSSI 選取的三點(diǎn)定位算法，獲取粗定位坐標(biāo)；最后將獲取的三個(gè)粗定位坐標(biāo)經(jīng)過(guò)基于加權(quán)坐標(biāo)的三角定位算法得到待定位點(diǎn)坐標(biāo)。本文從理論原理和實(shí)驗(yàn)測(cè)試方面驗(yàn)證了算法的可行性，并通過(guò)實(shí)驗(yàn)結(jié)果分析可知該算法能有效地提高定位精度。