【MATLAB程序】基于RSSI的RFID二维轨迹定位仿真介绍，EKF滤波增加轨迹定位精度。附下载链接

本文所述的仿真程序实现： RFID室内动态目标定位系统 ，通过对比加权非线性最小二乘法（WNLS）与扩展卡尔曼滤波（EKF）两种算法，评估其在动态场景下的定位精度与轨迹跟踪能力。
原创代码，禁止翻卖。包运行成功，可以联系我获取代码定制、讲解

文章目录

程序详解
运行结果
MATLAB源代码

程序详解

背景与问题

在室内定位领域，RFID系统利用各锚点（读写器天线）接收到的信号强度（RSSI）反推目标距离，再通过多边定位估计目标坐标。然而，RSSI信号受多径效应、环境噪声干扰严重，且对于运动目标，仅凭单帧独立定位往往产生较大的随机跳动误差。本程序正是为了解决这一问题而设计的对比实验框架。

系统组成

信道与噪声模型
程序内置两种路径损耗模型，可通过 model_type 参数切换：

模型类型	适用场景	路径损耗系数
`passive_uhf`	被动UHF RFID（双程传播）	20 n 20n 20n
`active`	主动RFID / 无线节点（单程）	10 n 10n 10n

RSSI观测量由对数距离模型叠加高斯白噪声生成：
RSSI i = RSSI 0 − PathCoeff ⋅ log ⁡ 10 ⁣ ( d i d 0 ) + N ( 0 , σ 2 ) \text{RSSI}_i = \text{RSSI}0 - \text{PathCoeff} \cdot \log{10}\!\left(\frac{d_i}{d_0}\right) + \mathcal{N}(0,\,\sigma^2) RSSIi=RSSI0−PathCoeff⋅log10(d0di)+N(0,σ2)

感知区域与锚点布局

仿真在 8 m × 7 m 8\text{m} \times 7\text{m} 8m×7m 的矩形感知区域内部署 6个锚点，兼顾四角覆盖与中轴加密，以改善区域中部的几何精度（GDOP）。
真实轨迹设计

目标运动轨迹设计为穿越整个感知区域的 S形曲线 ，兼具线性推进（x方向）与双峰正弦波动（y方向），用于充分测试算法在加速、减速和变向条件下的表现：
x ( t ) = 1.0 + 6.5 τ , y ( t ) = 3.5 + 2.8 sin ⁡ ( 2 π τ ) + 0.6 sin ⁡ ( 4 π τ ) x(t) = 1.0 + 6.5\tau, \quad y(t) = 3.5 + 2.8\sin(2\pi\tau) + 0.6\sin(4\pi\tau) x(t)=1.0+6.5τ,y(t)=3.5+2.8sin(2πτ)+0.6sin(4πτ)

两种定位算法

WNLS --- 加权非线性最小二乘

每帧独立求解定位问题，不依赖任何运动先验。以距离估计的方差倒数为权重，先用线性化方程组给出初值，再经最多60次迭代梯度下降收敛至精确解。其优点是实现简单、无需状态维护，缺点是噪声帧间无法平滑，轨迹抖动明显。
EKF --- 扩展卡尔曼滤波

将状态扩展为四维向量 X = [ x , y , v x , v y ] ⊤ \mathbf{X} = [x,\, y,\, v_x,\, v_y]^\top X=[x,y,vx,vy]⊤，采用匀速运动（CV）过程模型进行预测，再以RSSI观测量对状态进行非线性更新，雅可比矩阵由解析式精确计算。EKF利用目标运动的时序连续性，在噪声较大时通过递归融合历史信息，显著抑制轨迹抖动。