摘  要：传统的基于RSSI的测距定位算法易受其他节点的干扰，传播过程中信号强度会受障碍物、遮挡物等因素影响导致信号随着距离增加而减弱，从而发生多径效应，定位精度低。针对这些问题，文章提出使用均值聚类算法K-Means方法动态获取信号传输路径衰减指数的加权平均值，并基于数学导数求极值思想进行误差分析，进一步减小误差，提高定位精确度。仿真结果表明，与传统的RSSI测距定位方法相比，优化算法的定位精度进一步提高，有效满足监狱人员定位的需求。

关键词：RSSI定位;多径效应;均值聚类算法;路径衰减指数;导数极值

中图分类号：TN929.5                     文献标识码：A文章编号：2096-4706（2021）15-0036-04

Abstract： The traditional ranging and positioning algorithm based on RSSI is easy to be disturbed by other nodes. In the process of propagation， the signal strength will be affected by obstacles， obstructions and other factors， resulting in the weakening of the signal with the increase of distance， and then resulting in multipath effect and low positioning accuracy. To solve these problems， this paper proposes to use the mean clustering algorithm K-Means method to dynamically obtain the weighted average value of the attenuation index of the signal transmission path， and analyze the error through the idea of seeking the extremum by the mathematical derivative， so as to further reduce the error and improve the positioning accuracy. The simulation results show that compared with the traditional RSSI ranging and positioning method， the positioning accuracy of the optimized algorithm is further improved and can effectively meet the needs of prison person positioning.

Keywords： RSSI positioning; multipath effect; mean clustering algorithm; path attenuation index; derivative extremum

0  引  言

由于监狱的特殊社会功能，对人员位置定位的要求越来越高，对监狱犯人使用定位功能一方面可以提高监狱民警的工作效率，防止犯人脱逃;另一方面一旦发生犯人脱逃事件，可以根据位置信息进行快速抓捕。因此，高精度的人员定位算法，对监狱机关防脱逃事件以及脱逃抓捕工作有着重大的现实意义和社会价值。

现阶段，人员定位的算法研究大多集中在矿井应用中。对于无线定位算法的研究有很多种，根据定位机制的不同，定位算法主要分为基于测距（Range-based）和无需测距（Range-free）两大类。无需测距的定位算法有指紋数据库算法、质心算法、Dv-hop算法和蚁群算法等。这些算法主要思想是估计待测节点位置，系统误差较大。基于测距的算法有TOA算法、AOA算法、TDOA和RSSI等。由于TOA（基于时间）和TDOA（基于时间差）算法要求设备时钟同步，对硬件要求较高;AOA（基于角度）算法的计算复杂性较高;而基于测距的RSSI算法由于硬件设备简单、计算简单等优点而在众多领域被深入研究和广泛应用。……