CN107255811A - 一种基于rssi通信距离估计的不确定性分析方法 - Google Patents

Abstract

一种基于RSSI通信距离估计的不确定性分析方法，涉及无线通信距离估计的不确定性敏感分析方法。本发明是为了有效解决通信距离估计过程中的不确定性敏感性分析和不确定性综合问题。本发明所述的一种基于RSSI通信距离估计的不确定性敏感分析方法，首先分析基于RSSI通信距离估计中的不确定性因素，采用全微分公式的方法获得各个不确定性因素的敏感因子，识别出影响因素较大的不确定性因素，为改善距离估计精度方法提供支持；然后测量评估各个因素的不确定性，并综合；最后，输出距离估计结果及其不确定性，并执行后续的距离估计和不确定性评估。并以此来评估通信距离估计的质量，也为后续处理方法提供质量评估参考。

Description

一种基于RSSI通信距离估计的不确定性分析方法

技术领域

本发明涉及无线距离估计和无线定位技术。

背景技术

实际无线通信环境中，由于噪声、环境和测量误差等不良因素的影响，引起通信距离估计具有较大的误差，导致通信距离估计结果具有很强的不确定性，给通信距离估计精度提高方法，以及通信距离值在后续处理方法提出了严峻挑战。针对上述问题，本发明对通信距离估计过程中引起不确定性的各个因素进行敏感性分析，分析出导致不确定性的主要因素及机理，为改善距离估计精度和后续处理方法提供重要的先验知识。

发明内容

本发明的目的是为了解决通信距离估计过程中的不确定性敏感性分析和不确定性综合问题，提供一种基于RSSI通信距离估计的不确定性分析方法。

本发明所述的一种基于RSSI通信距离估计的不确定性分析方法包括以下步骤：

步骤一、系统中有2个无线传感器节点，分别充当无线通信发送节点和无线通信接收节点，它们都具有CC2530无线射频收发器，可以测量无线通信时的到达信号强度(Received Signal Strength Indicator，RSSI)，并结合无线信号衰减模型，对它们之间的通信距离进行估计，如公式(1)所示：

其中，D为要估计的发送节点到接收节点之间的距离，RSSI表示接收节点与发送节点间距离为D时，接收到来自发送节点的无线信号的信号强度，P(D₀)表示接收节点与发送节点间距离为D₀时，接收到来自发送节点无线信号时的信号强度，D₀为发送节点到接收节点之间的参考距离，n为信道衰减指数，X_r为高斯噪声变量；

步骤二、由公式(1)可知，通信距离估计过程中不确定性因素包括RSSI值、X_r和n，则采用全微分的方法，在公式(1)中分别对它们求偏导，获得各个不确定性因素的敏感因子：

敏感因子值越大，则表明对应不确定性因素对距离估计结果的影响程度就大，因此，在实际距离估计时，采用相关措施来减小影响程度大的因素的不确定性，从而有效提高距离估计的准确度；

步骤三、系统设定发送节点和接收节点间距离分别为{d₁,d₂,d₃,…,d_i,…,d_I}，其中i为正整数，且1≤i≤I,I为用户设定的正整数，且10≤I≤50，设定i的初始值为1，本发明中I取值为20；

步骤四、判断i的值是否大于I，若是，则执行步骤七，否则执行步骤五；

步骤五、发送节点和接收节点间距离为d_i时，发送节点通过其无线射频收发器向无线接收节点发送距离估计请求数据包，无线接收节点收到请求数据包后，获得无线信号强度值RSSI_ij，其中j为正整数，表示第j次无线信号强度值测量的序号，且1≤j≤J，j的值初始化为1，J为用户设定的正整数，且50≤J≤150，本专利中，J取值100，并执行步骤六；

步骤六、发送节点和接收节点重复执行步骤五J-1次，并且在每次重复测量时j的值自动累加增1，获得对应的无线信号强度值RSSI_ij，重复J-1次测量后获得J组RSSI测量值{RSSI_i1,RSSI_i2,RSSI_i3,…,RSSI_ij,…,RSSI_iJ}，i＝i+1，并执行步骤四；

步骤七、系统通过对测量结果整理，获得距离序列{d₁,d₂,d₃,…,d_i,…,d_I}，以及它们对应RSSI的测量值序列{{RSSI₁₁,RSSI₂₁,RSSI₃₁,…,RSSI_i1,…,RSSI_I1}，{RSSI₁₂,RSSI₂₂,RSSI₃₂,…,RSSI_i2,…,RSSI_I2},{RSSI₁₃,RSSI₂₃,RSSI₃₃,…,RSSI_i3,…,RSSI_I3},…,{RSSI_1j,RSSI_2j,RSSI_3j,…,RSSI_ij,…,RSSI_Ij}，…,{RSSI_1J,RSSI_2J,RSSI_3J,…,RSSI_iJ,…,RSSI_IJ}}，其中i为正整数，且1≤i≤I，I为用户设定的正整数，且10≤I≤50，j为正整数，且1≤j≤J，J为用户设定的正整数，且50≤J≤150；

步骤八、系统关闭发送节点和接收节点的电源，采用测电磁波信号功率的功率计，重复测量自由空间的无线电波噪声的功率m次，其中m为用户设定的正整数，且20≤m≤100，本专利中m取值50，获得m组噪声功率X_r的测量值{X_r1,X_r2,X_r3,…,X_rk,…,X_rm}，其中，k为正整数且1≤k≤m，并对其进行统计计算，获得噪声X_r的统计均值X_r_u和统计标准差X_r_σ，其中统计均值X_r_u作为噪声X_r的最终测量值，统计标准差X_r_σ作为噪声X_r最终测量值的不确定性；

步骤九、系统设定发送节点和接收节点间参考距离D₀为1米，发送节点通过其无线射频收发器向无线接收节点发送距离估计请求数据包，无线接收节点收到请求数据包后，获得参考的接收信号强度P(D₀)，j的值置为1；

步骤十、判断j的值是否大于J，若是，则执行步骤十二，否则执行步骤十一；

步骤十一、根据步骤七中的距离序列{d₁,d₂,d₃,…,d_i,…,d_I}和RSSI测量值序列{RSSI_1j,RSSI_2j,RSSI_3j,…,RSSI_ij,…,RSSI_Ij}，步骤八中的X_r_u，以及步骤九中的D₀、P(D₀)，对数衰减模型公式(1)，进行衰减模型拟和，得到信道衰减指数n_j，其中i为正整数，且1≤i≤I,I为用户设定的正整数，且10≤I≤50，j为正整数，且1≤j≤J,J为用户设定的正整数，且50≤J≤150，j＝j+1，执行步骤十；

步骤十二、得到无线信号衰减模型中信道衰减指数序列{n₁,n₂,n₃,…,n_j,…,n_J}，并对信道衰减指数序列进行统计计算，获得信道衰减参数的统计均值n_u和统计标准差n_σ，其中统计均值n_u作为信道衰减参数的最终测量值，统计标准差n_σ作为信道衰减参数测量值的不确定性；

步骤十三、实际距离估计阶段，判断距离估计任务是否完成，如果是，执行步骤十五，否则，在发送节点和接收节点通信范围内，设定这两个节点的位置后，执行步骤十四；

步骤十四、在发送节点到接收节点通信范围内的任意通信距离D时，测量两者通信时的信号强度J次，得到RSSI值{RSSI₁,RSSI₂,RSSI₃,…,RSSI_j,…,RSSI_J}；对其进行统计计算，得到其统计均值RSSI_u和统计方差RSSI_σ，则通信距离D的估计结果D_u如公式(5)所示，通信距离D估计结果D_u的标准差D_σ如公式(6)所示，其中距离估计结果的标准差表示距离估计精度的高低，为后续定位计算等处理方法提供重要的先验知识，X_r_σ和分别是RSSI值、高斯噪声变量X_r和信道衰减因子n的不确定性传播到基于RSSI距离估计结果的分量；

步骤十五、结束距离估计及其不确定性分析任务。

附图说明

图1为一种基于RSSI通信距离估计的不确定性分析方法的流程图。

具体实施方式

具体实施方式一：结合图1说明本实施方式，本实施方式所述的一种基于RSSI通信距离估计的不确定性分析方法包括以下步骤：

步骤一、系统中有2个无线传感器节点，分别充当无线通信发送节点和无线通信接收节点，它们都具有CC2530无线射频收发器，可以测量无线通信时的到达信号强度(Received Signal Strength Indicator，RSSI)，并结合无线信号衰减模型，对它们之间的通信距离进行估计，如公式(1)所示：

其中，D为要估计的发送节点到接收节点之间的距离，RSSI表示接收节点与发送节点间距离为D时，接收到来自发送节点的无线信号的信号强度，P(D₀)表示接收节点与发送节点间距离为D₀时，接收到来自发送节点无线信号时的信号强度，D₀为发送节点到接收节点之间的参考距离，n为信道衰减指数，X_r为高斯噪声变量；

步骤二、由公式(1)可知，通信距离估计过程中不确定性因素包括RSSI值、X_r和n，则采用全微分的方法，在公式(1)中分别对它们求偏导，获得各个不确定性因素的敏感因子：

敏感因子值越大，则表明对应不确定性因素对距离估计结果的影响程度就大，因此，在实际距离估计时，采用相关措施来减小影响程度大的因素的不确定性，从而有效提高距离估计的准确度；

步骤三、系统设定发送节点和接收节点间距离分别为{d₁,d₂,d₃,…,d_i,…,d_I}，其中i为正整数，且1≤i≤I,I为用户设定的正整数，且10≤I≤50，设定i的初始值为1，本发明中I取值为20；

步骤四、判断i的值是否大于I，若是，则执行步骤七，否则执行步骤五；

步骤五、发送节点和接收节点间距离为d_i时，发送节点通过其无线射频收发器向无线接收节点发送距离估计请求数据包，无线接收节点收到请求数据包后，获得无线信号强度值RSSI_ij，其中j为正整数，表示第j次无线信号强度值测量的序号，且1≤j≤J，j的值初始化为1，J为用户设定的正整数，且50≤J≤150，本专利中，J取值100，并执行步骤六；

步骤六、发送节点和接收节点重复执行步骤五J-1次，并且在每次重复测量时j的值自动累加增1，获得对应的无线信号强度值RSSI_ij，重复J-1次测量后获得J组RSSI测量值{RSSI_i1,RSSI_i2,RSSI_i3,…,RSSI_ij,…,RSSI_iJ}，i＝i+1，并执行步骤四；

步骤七、系统通过对测量结果整理，获得距离序列{d₁,d₂,d₃,…,d_i,…,d_I}，以及它们对应RSSI的测量值序列{{RSSI₁₁,RSSI₂₁,RSSI₃₁,…,RSSI_i1,…,RSSI_I1}，{RSSI₁₂,RSSI₂₂,RSSI₃₂,…,RSSI_i2,…,RSSI_I2},{RSSI₁₃,RSSI₂₃,RSSI₃₃,…,RSSI_i3,…,RSSI_I3},…,{RSSI_1j,RSSI_2j,RSSI_3j,…,RSSI_ij,…,RSSI_Ij}，…,{RSSI_1J,RSSI_2J,RSSI_3J,…,RSSI_iJ,…,RSSI_IJ}}，其中i为正整数，且1≤i≤I，I为用户设定的正整数，且10≤I≤50，j为正整数，且1≤j≤J，J为用户设定的正整数，且50≤J≤150；

步骤八、系统关闭发送节点和接收节点的电源，采用测电磁波信号功率的功率计，重复测量自由空间的无线电波噪声的功率m次，其中m为用户设定的正整数，且20≤m≤100，本专利中m取值50，获得m组噪声功率X_r的测量值其中，k为正整数且1≤k≤m，并对其进行统计计算，获得噪声X_r的统计均值X_r_u和统计标准差X_r_σ，其中统计均值X_r_u作为噪声X_r的最终测量值，统计标准差X_r_σ作为噪声X_r最终测量值的不确定性；

步骤九、系统设定发送节点和接收节点间参考距离D₀为1米，发送节点通过其无线射频收发器向无线接收节点发送距离估计请求数据包，无线接收节点收到请求数据包后，获得参考的接收信号强度P(D₀)，j的值置为1；

步骤十、判断j的值是否大于J，若是，则执行步骤十二，否则执行步骤十一；

步骤十一、根据步骤七中的距离序列{d₁,d₂,d₃,…,d_i,…,d_I}和RSSI测量值序列{RSSI_1j,RSSI_2j,RSSI_3j,…,RSSI_ij,…,RSSI_Ij}，步骤八中的X_r_u，以及步骤九中的D₀、P(D₀)，对数衰减模型公式(1)，进行衰减模型拟和，得到信道衰减指数n_j，其中i为正整数，且1≤i≤I,I为用户设定的正整数，且10≤I≤50，j为正整数，且1≤j≤J,J为用户设定的正整数，且50≤J≤150，j＝j+1，执行步骤十；

步骤十二、得到无线信号衰减模型中信道衰减指数序列{n₁,n₂,n₃,…,n_j,…,n_J}，并对信道衰减指数序列进行统计计算，获得信道衰减参数的统计均值n_u和统计标准差n_σ，其中统计均值n_u作为信道衰减参数的最终测量值，统计标准差n_σ作为信道衰减参数测量值的不确定性；

步骤十三、实际距离估计阶段，判断距离估计任务是否完成，如果是，执行步骤十五，否则，在发送节点和接收节点通信范围内，设定这两个节点的位置后，执行步骤十四；

步骤十四、在发送节点到接收节点通信范围内的任意通信距离D时，测量两者通信时的信号强度J次，得到RSSI值{RSSI₁,RSSI₂,RSSI₃,…,RSSI_j,…,RSSI_J}；对其进行统计计算，得到其统计均值RSSI_u和统计方差RSSI_σ，则通信距离D的估计结果D_u如公式(5)所示，通信距离D估计结果D_u的标准差D_σ如公式(6)所示，其中距离估计结果的标准差表示距离估计精度的高低，为后续定位计算等处理方法提供重要的先验知识，X_r_σ和分别是RSSI值、高斯噪声变量X_r和信道衰减因子n的不确定性传播到基于RSSI距离估计结果的分量；

步骤十五、结束距离估计及其不确定性分析任务。

具体实施方案二，本实施方式是对具体实施方式一所述的一种基于RSSI通信距离估计的不确定性分析方法作进一步说明，本实施方式中，采用全微分的方法，获得通信距离估计过程中影响程度最大的不确定性因素，为改善通信距离估计精度提供支持。

具体实施方案三，本实施方式是对具体实施方式一所述的一种基于RSSI通信距离估计的不确定性分析方法作进一步说明，本实施方式中，采用方和根的方法获得通信距离估计的不确定性，为后续应用提供处理方法，例如定位计算和定位结果的不确定性评估提供先验知识；

具体实施方案四，本实施方式是对具体实施方式一所述的一种基于RSSI通信距离估计的不确定性分析方法作进一步说明，本实施方式中，解决了基于RSSI表达模型的通信距离估计过程中的不确定性敏感分析、不确定性传播和不确定性的合成问题。该方法适用于无线环境中距离估计和定位技术领域，同时还可以扩展到水下的定位技术应用中。

Claims (4)

1.一种基于RSSI通信距离估计的不确定性分析方法，其特征在于所述方法包括以下步骤：

步骤一、系统中有2个无线传感器节点，分别充当无线通信发送节点和无线通信接收节点，它们都具有CC2530无线射频收发器，可以测量无线通信时的到达信号强度(ReceivedSignal Strength Indicator，RSSI)，并结合无线信号衰减模型，对它们之间的通信距离进行估计，如公式(1)所示：

<mrow> <mi>D</mi> <mo>=</mo> <msub> <mi>D</mi> <mn>0</mn> </msub> <msup> <mn>10</mn> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>R</mi> <mi>S</mi> <mi>S</mi> <mi>I</mi> <mo>-</mo> <mi>P</mi> <mrow> <mo>(</mo> <msub> <mi>D</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>X</mi> <mi>r</mi> </msub> </mrow> <mrow> <mn>10</mn> <mi>n</mi> </mrow> </mfrac> <mo>)</mo> </mrow> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>

其中，D为要估计的发送节点到接收节点之间的距离，RSSI表示接收节点与发送节点间距离为D时，接收到来自发送节点的无线信号的信号强度，P(D₀)表示接收节点与发送节点间距离为D₀时，接收到来自发送节点无线信号时的信号强度，D₀为发送节点到接收节点之间的参考距离，n为信道衰减指数，X_r为高斯噪声变量；

步骤二、由公式(1)可知，通信距离估计过程中不确定性因素包括RSSI值、X_r和n，则采用全微分的方法，在公式(1)中分别对它们求偏导，获得各个不确定性因素的敏感因子：

<mrow> <msub> <mi>S</mi> <mrow> <mi>R</mi> <mi>S</mi> <mi>S</mi> <mi>I</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <mi>D</mi> </mrow> <mrow> <mo>&amp;part;</mo> <mi>R</mi> <mi>S</mi> <mi>S</mi> <mi>I</mi> </mrow> </mfrac> <mo>=</mo> <mfrac> <mrow> <msub> <mi>D</mi> <mn>0</mn> </msub> <mi>l</mi> <mi>n</mi> <mn>10</mn> </mrow> <mrow> <mn>10</mn> <mi>n</mi> </mrow> </mfrac> <msup> <mn>10</mn> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>R</mi> <mi>S</mi> <mi>S</mi> <mi>I</mi> <mo>-</mo> <mi>P</mi> <mrow> <mo>(</mo> <msub> <mi>D</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>X</mi> <mi>r</mi> </msub> </mrow> <mrow> <mn>10</mn> <mi>n</mi> </mrow> </mfrac> <mo>)</mo> </mrow> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>

<mrow> <msub> <mi>S</mi> <msub> <mi>X</mi> <mi>r</mi> </msub> </msub> <mo>=</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <mi>D</mi> </mrow> <mrow> <mo>&amp;part;</mo> <msub> <mi>X</mi> <mi>r</mi> </msub> </mrow> </mfrac> <mo>=</mo> <mo>-</mo> <mfrac> <mrow> <msub> <mi>D</mi> <mn>0</mn> </msub> <mi>l</mi> <mi>n</mi> <mn>10</mn> </mrow> <mrow> <mn>10</mn> <mi>n</mi> </mrow> </mfrac> <msup> <mn>10</mn> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>R</mi> <mi>S</mi> <mi>S</mi> <mi>I</mi> <mo>-</mo> <mi>P</mi> <mrow> <mo>(</mo> <msub> <mi>D</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>X</mi> <mi>r</mi> </msub> </mrow> <mrow> <mn>10</mn> <mi>n</mi> </mrow> </mfrac> <mo>)</mo> </mrow> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>

<mrow> <msub> <mi>S</mi> <mi>n</mi> </msub> <mo>=</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <mi>D</mi> </mrow> <mrow> <mo>&amp;part;</mo> <mi>n</mi> </mrow> </mfrac> <mo>=</mo> <mo>-</mo> <mfrac> <mrow> <msub> <mi>D</mi> <mn>0</mn> </msub> <mi>l</mi> <mi>n</mi> <mn>10</mn> </mrow> <mrow> <mn>10</mn> <msup> <mi>n</mi> <mn>2</mn> </msup> </mrow> </mfrac> <msup> <mn>10</mn> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>R</mi> <mi>S</mi> <mi>S</mi> <mi>I</mi> <mo>-</mo> <mi>P</mi> <mrow> <mo>(</mo> <msub> <mi>D</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>X</mi> <mi>r</mi> </msub> </mrow> <mrow> <mn>10</mn> <mi>n</mi> </mrow> </mfrac> <mo>)</mo> </mrow> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>

敏感因子值越大，则表明对应不确定性因素对距离估计结果的影响程度就大，因此，在实际距离估计时，采用相关措施来减小影响程度大的因素的不确定性，从而有效提高距离估计的准确度；

步骤三、系统设定发送节点和接收节点间距离分别为{d₁,d₂,d₃,…,d_i,…,d_I}，其中i为正整数，且1≤i≤I,I为用户设定的正整数，且10≤I≤50，设定i的初始值为1，本发明中I取值为20；

步骤四、判断i的值是否大于I，若是，则执行步骤七，否则执行步骤五；

步骤五、发送节点和接收节点间距离为d_i时，发送节点通过其无线射频收发器向无线接收节点发送距离估计请求数据包，无线接收节点收到请求数据包后，获得无线信号强度值RSSI_ij，其中j为正整数，表示第j次无线信号强度值测量的序号，且1≤j≤J，j的值初始化为1，J为用户设定的正整数，且50≤J≤150，本专利中，J取值100，并执行步骤六；

步骤六、发送节点和接收节点重复执行步骤五J-1次，并且在每次重复测量时j的值自动累加增1，获得对应的无线信号强度值RSSI_ij，重复J-1次测量后获得J组RSSI测量值{RSSI_i1,RSSI_i2,RSSI_i3,…,RSSI_ij,…,RSSI_iJ}，i＝i+1，并执行步骤四；

步骤七、系统通过对测量结果整理，获得距离序列{d₁,d₂,d₃,…,d_i,…,d_I}，以及它们对应RSSI的测量值序列{{RSSI₁₁,RSSI₂₁,RSSI₃₁,…,RSSI_i1,…,RSSI_I1}，{RSSI₁₂,RSSI₂₂,RSSI₃₂,…,RSSI_i2,…,RSSI_I2},{RSSI₁₃,RSSI₂₃,RSSI₃₃,…,RSSI_i3,…,RSSI_I3},…,{RSSI_1j,RSSI_2j,RSSI_3j,…,RSSI_ij,…,RSSI_Ij}，…,{RSSI_1J,RSSI_2J,RSSI_3J,…,RSSI_iJ,…,RSSI_IJ}}，其中i为正整数，且1≤i≤I，I为用户设定的正整数，且10≤I≤50，j为正整数，且1≤j≤J，J为用户设定的正整数，且50≤J≤150；

步骤八、系统关闭发送节点和接收节点的电源，采用测电磁波信号功率的功率计，重复测量自由空间的无线电波噪声的功率m次，其中m为用户设定的正整数，且20≤m≤100，本专利中m取值50，获得m组噪声功率X_r的测量值{X_r1,X_r2,X_r3,…,X_rk,…,X_rm}，其中，k为正整数且1≤k≤m，并对其进行统计计算，获得噪声X_r的统计均值X_r_u和统计标准差X_r_σ，其中统计均值X_r_u作为噪声X_r的最终测量值，统计标准差X_r_σ作为噪声X_r最终测量值的不确定性；

步骤九、系统设定发送节点和接收节点间参考距离D₀为1米，发送节点通过其无线射频收发器向无线接收节点发送距离估计请求数据包，无线接收节点收到请求数据包后，获得参考的接收信号强度P(D₀)，j的值置为1；

步骤十、判断j的值是否大于J，若是，则执行步骤十二，否则执行步骤十一；

步骤十一、根据步骤七中的距离序列{d₁,d₂,d₃,…,d_i,…,d_I}和RSSI测量值序列{RSSI_1j,RSSI_2j,RSSI_3j,…,RSSI_ij,…,RSSI_Ij}，步骤八中的X_r_u，以及步骤九中的D₀、P(D₀)，对数衰减模型公式(1)，进行衰减模型拟和，得到信道衰减指数n_j，其中i为正整数，且1≤i≤I,I为用户设定的正整数，且10≤I≤50，j为正整数，且1≤j≤J,J为用户设定的正整数，且50≤J≤150，j＝j+1，执行步骤十；

步骤十二、得到无线信号衰减模型中信道衰减指数序列{n₁,n₂,n₃,…,n_j,…,n_J}，并对信道衰减指数序列进行统计计算，获得信道衰减参数的统计均值n_u和统计标准差n_σ，其中统计均值n_u作为信道衰减参数的最终测量值，统计标准差n_σ作为信道衰减参数测量值的不确定性；

步骤十三、实际距离估计阶段，判断距离估计任务是否完成，如果是，执行步骤十五，否则，在发送节点和接收节点通信范围内，设定这两个节点的位置后，执行步骤十四；

步骤十四、在发送节点到接收节点通信范围内的任意通信距离D时，测量两者通信时的信号强度J次，得到RSSI值{RSSI₁,RSSI₂,RSSI₃,…,RSSI_j,…,RSSI_J}；对其进行统计计算，得到其统计均值RSSI_u和统计方差RSSI_σ，则通信距离D的估计结果D_u如公式(5)所示，通信距离D估计结果D_u的标准差D_σ如公式(6)所示，其中距离估计结果的标准差表示距离估计精度的高低，为后续定位计算等处理方法提供重要的先验知识， 和分别是RSSI值、高斯噪声变量X_r和信道衰减因子n的不确定性传播到基于RSSI距离估计结果的分量；

<mrow> <mi>D</mi> <mo>_</mo> <mi>u</mi> <mo>=</mo> <msub> <mi>D</mi> <mn>0</mn> </msub> <msup> <mn>10</mn> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>R</mi> <mi>S</mi> <mi>S</mi> <mi>I</mi> <mo>_</mo> <mi>u</mi> <mo>-</mo> <mi>P</mi> <mrow> <mo>(</mo> <msub> <mi>D</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>X</mi> <mrow> <mi>r</mi> <mo>_</mo> <mi>u</mi> </mrow> </msub> </mrow> <mrow> <mn>10</mn> <mi>n</mi> <mo>_</mo> <mi>u</mi> </mrow> </mfrac> <mo>)</mo> </mrow> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>

<mrow> <mi>D</mi> <mo>_</mo> <mi>&amp;sigma;</mi> <mo>=</mo> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <mi>D</mi> </mrow> <mrow> <mo>&amp;part;</mo> <mi>R</mi> <mi>S</mi> <mi>S</mi> <mi>I</mi> </mrow> </mfrac> <mi>R</mi> <mi>S</mi> <mi>S</mi> <mi>I</mi> <mo>_</mo> <mi>&amp;sigma;</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <mi>D</mi> </mrow> <mrow> <mo>&amp;part;</mo> <msub> <mi>X</mi> <mi>r</mi> </msub> </mrow> </mfrac> <mo>*</mo> <msub> <mi>X</mi> <mi>r</mi> </msub> <mo>_</mo> <mi>&amp;sigma;</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <mi>D</mi> </mrow> <mrow> <mo>&amp;part;</mo> <mi>n</mi> </mrow> </mfrac> <mi>n</mi> <mo>_</mo> <mi>&amp;sigma;</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow> 2

<mrow> <mtable> <mtr> <mtd> <mrow> <mo>=</mo> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <msub> <mi>S</mi> <mrow> <mi>R</mi> <mi>S</mi> <mi>S</mi> <mi>I</mi> </mrow> </msub> <mo>*</mo> <mi>R</mi> <mi>S</mi> <mi>S</mi> <mi>I</mi> <mo>_</mo> <mi>&amp;sigma;</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>S</mi> <msub> <mi>X</mi> <mi>r</mi> </msub> </msub> <mo>*</mo> <msub> <mi>X</mi> <mi>r</mi> </msub> <mo>_</mo> <mi>&amp;sigma;</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>S</mi> <mi>n</mi> </msub> <mo>*</mo> <mi>n</mi> <mo>_</mo> <mi>&amp;sigma;</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <mfrac> <mrow> <msub> <mi>D</mi> <mn>0</mn> </msub> <mi>ln</mi> <mn>10</mn> </mrow> <mrow> <mn>10</mn> <mi>n</mi> <mo>_</mo> <mi>u</mi> </mrow> </mfrac> <msup> <mn>10</mn> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>R</mi> <mi>S</mi> <mi>S</mi> <mi>I</mi> <mo>_</mo> <mi>u</mi> <mo>-</mo> <mi>P</mi> <mrow> <mo>(</mo> <msub> <mi>D</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>X</mi> <mi>r</mi> </msub> <mo>_</mo> <mi>u</mi> </mrow> <mrow> <mn>10</mn> <mi>n</mi> <mo>_</mo> <mi>u</mi> </mrow> </mfrac> <mo>)</mo> </mrow> </msup> <mo>*</mo> <mi>R</mi> <mi>S</mi> <mi>S</mi> <mi>I</mi> <mo>_</mo> <mi>&amp;sigma;</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <mi>D</mi> </mrow> <mrow> <mo>&amp;part;</mo> <msub> <mi>X</mi> <mi>r</mi> </msub> </mrow> </mfrac> <mo>*</mo> <msub> <mi>X</mi> <mi>r</mi> </msub> <mo>_</mo> <mi>&amp;sigma;</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mfrac> <mrow> <mo>&amp;part;</mo> <mi>D</mi> </mrow> <mrow> <mo>&amp;part;</mo> <mi>n</mi> </mrow> </mfrac> <mo>*</mo> <mi>n</mi> <mo>_</mo> <mi>&amp;sigma;</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>

步骤十五、结束距离估计及其不确定性分析任务。

2.根据权利要求1所述的一种基于RSSI通信距离估计的不确定性分析方法作进一步说明，其特征在于采用全微分的方法，获得通信距离估计过程中影响程度最大的不确定性因素，为改善通信距离估计精度提供支持。

3.根据权利要求1所述的一种基于RSSI通信距离估计的不确定性分析方法作进一步说明，其特征在于采用方和根的方法获得通信距离估计的不确定性，为后续应用处理方法，例如定位计算和定位结果的不确定性评估提供先验知识。

4.根据权利要求1所述的一种基于RSSI通信距离估计的不确定性分析方法作进一步说明，其特征在于解决了基于RSSI表达数学模型的通信距离估计过程中的不确定性敏感分析、不确定性传播和不确定性的合成问题。