[BLE 실내 측위 프로젝트] 6. RSSI 변동을 해결하기 위한 이동 평균 필터

BLE RSSI의 문제점은 위 그림과 같다.

1. 4.5m 이상에서는 제대로 된 거리를 계산할 수 없음. (나중에는 통신 거리가 더 길어진 BLE5.0에 대해 알아볼 예정)
2. 실제 환경에서는 많은 외부 요인으로 인해 RSSI 변동이 발생해 거리의 오차가 발생함.

📌 1. 이동 평균 필터

RSSI 변동을 해결하기 위한 방법은 여러 가지가 있는데 그 중 가장 간단한 이동평균 필터이다.

1. 원리는 간단하다. 하나의 윈도우 사이즈만큼 그룹을 묶는다.
2. 그룹의 평균 값을 대푯값으로 잡는다.
3. 한 칸씩 이동한다. (Convolution 1D와 같은 원리)

이 간단한 방법으로 스무딩 효과를 낼 수 있다. RSSI 값이 확 튀었을 때 이를 완화시켜주는 효과를 낸다.

당연히 단점도 존재한다. 

delay가 발생한다. 윈도우 사이즈만큼 평균 내기 때문에 현재의 값이 바로 반영되지 않음. 윈도우 사이즈가 크면 클수록 delay는 점점 더 늘어난다.

delay를 해결하기 위해 현재의 값에 가중치를 곱할 수 있고, 칼만 필터를 이용할 수도 있다.

🔗 2. Code

  var movingAverageWindow = [];

  num movingAverageFilter(int rssi, int windowSize) {
    if (movingAverageWindow.length != windowSize) {
      movingAverageWindow.add(rssi);
    } else {
      movingAverageWindow.add(rssi);
      movingAverageWindow.removeAt(0);
    }
    return (movingAverageWindow.reduce((a, b) => (a + b)) / windowSize);
  }