RFID技术是确定对象位置的重要技术之一。 相对于RSSI振幅的校准曲线计算距离。 这项研究的目的是确定室内环境中移动物体的2D位置。 这项工作的重要性在于表明，与传统的KNN方法相比，使用人工神经网络加卡尔曼滤波进行定位更为准确。 建立室内无线传感网络，该网络具有战略性地定位的RFID发射器节点和带有RFID接收器节点的移动对象。 生成指纹图并部署K最近邻算法（KNN）以计算对象位置。 部署指纹坐标和在这些坐标处接收到的RSS值以建立人工神经网络（ANN）。 该网络用于通过使用在这些位置接收的RSS值来确定未知对象的位置。 发现使用ANN技术比KNN技术具有更好的对象定位精度。 使用ANN技术确定的对象坐标经过卡尔曼滤波。 结果表明，采用ANN + Kalman滤波，可以提高定位精度，并减少46％的定位误差。

void rf_receive_isr() { int rf_rx_len = 0; int rssi = 0; char crc_ok = 0; rf_rx_len = RFD - 2; // 长度去除两字节附加结果 rf_rx_len &= 0x7F; for (int i = 0; i < rf_rx_len; i++) { rf_rx_buf[i] = RFD; // 连续读取接收缓冲区内容 } rssi = RFD - 73; // 读取RSSI结果 crc_ok = RFD; // 读取CRC校验结果 BIT7 RFST = 0xED; // 清除接收缓冲区 if( crc_ok & 0x80 ) { uart0_sendbuf( rf_rx_buf , rf_rx_len); // 串口发送 printf("[%d]",rssi); } else { printf("\r\nCRC Error\r\n"); } }

用c写的matlab程序，做的是RSSI的质心算法的仿真

适合初学者学习位置指纹定位，带数据（测试点坐标和RSSI值），KNN算法，参数可以手动调节，6个AP，100组测试点和指纹数据，图片对比清晰，输出算法平均精度，适合想学习定位算法的初学者和改进算法的学者进行研究改进。

基于接收信号强度的KNN室内定位算法，还有测试数据。适合初学者参考

基于RSSI测距的参考加权安全定位算法，熊炼，赵清华，传统RSSI算法受环境的影响程度非常大，距离越远测距误差越大。本文在计算未知节点与信标节点的距离时，将离未知节点最近的锚节点��

CC1101芯片信号强度RSSI读取

基于Zigbee通信技术的无线传感网是最具应用前景的一种网络模式,定位信息对网络数据有重要的辅助作用。文中提出了一种基于接收信号强度指示(RSSI)值的无线Zigbee传感网测距定位技术,从理论上提出了基于RSSI的节点测距定位处理算法,并从实践上提出了CC2530测距定位模块实现方式。最后通过在实验室环境的实际距离与RSSI值的测试,得到了RSSI值与无线通信距离之间的实验结果,通过最小二乘法进行曲线拟合,得到了RSSI测距的实测公式。

rssi定位算法，极大似然估计法，最小二乘法，代码，极大似然估计法

可将光 定位 仿真 基于RSSI matlab