距离为d 时，三个testNode 节点分别向RevNode 发送40 个数据包，RecvNode 节点提取出接收到的120 个数据包中的RSSI 值并求其平均值，如此实验重复10 次，再对所有平均值求均值，如图2 所示。
图2 距离为1米时2号锚节点的RSSI值
由此易知，每个距离d 就对应着一个RSSI 均值，对所有数据汇总后，得到如下RSSI和距离之间的关系如图3 所示。
图3 距离和RSSI之间的关系
1.2 曲线拟合
本文利用曲线拟合中的指数拟合和多项式拟合的办法找函数关系。通过一系列实验并计较得到三次多项式拟合效果最好。拟合得到的函数表达式如式2 所示。
图4 所示为三次多项式与指数拟合得到的距离与RSSI 关系对比图，从图中可以明显看出，利用三次多项式拟合出来的曲线和实际情况更吻合。
图4 三次多项式与指数拟合得到的距离与RSSI 关系对比
1.3 校正处理
无线传感器节点因受环境因素较大，故在用接收到的RSSI 值进行计算前因先进行RSSI值校正处理。首先，设定RSSI 取值的最小和最大临界值，当实验测量到的RSSI 值远远小于最小临界值则令其等于最小临界值，或者RSSI 远远大于最大临界值时则令其等于最大临界值，如果RSSI 和临界值相差不大，则根据从实验过程中得到的经验对该RSSI 值进行适当校正，使该RSSI 值回到临界区域内部。
1.4 滤波
第一步：设定RSSI 的期望值，如式（3）式所示：
其中， R 0 是预期的RSSI 值，R 是实际得到的RSSI 值， R 1 是前一次得到的RSSI 值，R2是在此之前的第二次得到的RSSI 值，α、β、γ 分别是R， R1 ， R2 在期望值中所占的权重，分别将其设置为0.6,0.25,0.15。
第二步：设定阈值，阈值是在大量实验基础上进行总结再设定的，该系统中设为0.5。
第三步：除噪，若期望值0 R 和当前值R 差的绝对值小于设定的阈值，就让令上一次的值作为当前值，R= 1 R ，同时2 R = 1 R;若期望值和当前值差的绝对值已经大于阈值，则令期望值作为当前值，R= R 0 ,同时， R2 = R 1 ， R 1 = R 0 ;实验结果表明：通过以上滤波处理，不仅减小了节点不稳定带来的轨迹震荡，节点的轨迹变化曲线更加趋于平缓。
1.5 串口数据提取
