ZigBee RSSI 测距实战：串口读取、滤波与距离估算

简介：这份资源面向ZigBee无线定位方向的嵌入式开发者与物联网学习者，聚焦CC2530平台下通过串口读取RSSI值并换算节点间距离的完整实现。内容涉及UART串口参数配置、ZigBee协议栈API调用、RSSI采集与自由空间路径损耗模型的距离估算，并延伸至多径效应、遮挡衰减与三角/四边形多点定位等实际工程问题，适合具备一定C语言与嵌入式基础、希望动手搭建定位实验的读者。压缩包共637个文件，约12.38MB，以r51、s51、lst等编译链接中间文件为主，另含c与h源码、hex固件、ewp/eww工程配置及bat脚本，完整保留了IAR工程结构与构建产物，便于直接编译、烧录与二次修改。目前已有1740人学习下载，可作为ZigBee定位入门到实践的参考工程。

1. 从一串 RSSI 值说起：这个 ZigBee 定位项目到底在干什么

如果你手头有一块 ZigBee 模块，串口助手打开后刷出一堆 RSSI 数值，却不知道怎么把它变成「距离」，那这个项目就是冲着你来的。它做的事情很具体：通过串口把 ZigBee 节点上报的 RSSI（接收信号强度指示）读出来，经过滤波和衰减模型换算，输出一个可用的距离估算值。整套流程跑在 PC 端或嵌入式网关侧，不依赖云端，适合做室内定位、资产追踪、人员考勤这类场景的原型验证。

我第一次接触 RSSI 测距时也以为「读个数、套个公式」就完事了，结果实测数据跳得厉害，同一位置能差出好几米。这个项目的价值就在于它把「读串口 → 解析帧 → 滤波 → 算距离」这条链路完整串了起来，而不是丢给你一个孤零零的公式。适合谁？做物联网定位 Demo 的学生、需要快速验证测距可行性的嵌入式开发者，以及想拿 ZigBee 做二次开发但不想从零搭串口解析的人。

2. 技术选型与整体架构：为什么是串口 + RSSI 这条路

2.1 为什么不用现成定位方案

ZigBee 本身有定位集群（Cluster ID 0x000B），但很多廉价模块并不开放这个接口，能拿到的只有原始 RSSI。与其去啃模块厂商的私有协议，不如直接从串口抓 RSSI 值自己算。这个项目的选型逻辑很务实：串口是嵌入式设备最通用的出口，RSSI 是物理层天然携带的信息，两者结合不需要额外硬件，成本几乎为零。

代价是精度有限。RSSI 受环境遮挡、多径效应影响大，2.4GHz 频段尤其明显。所以项目里没有承诺「厘米级定位」，而是把重点放在「稳定读取 + 合理估算」上。常见做法是在接收端做滑动平均或卡尔曼滤波，把原始值的抖动压下去，再用对数距离路径损耗模型换算。

2.2 整体数据流

整个链路可以拆成四段：ZigBee 节点周期性发送数据包，协调器通过串口把包含 RSSI 的帧传给上位机，上位机解析出 RSSI 字段，最后经过滤波和模型计算输出距离。每一段都有坑，后面会逐个讲。

# 数据流核心结构示意（伪代码，帮助理解链路） # 1. 串口读取原始字节 raw = serial_port.read(64) # 2. 解析帧，提取 RSSI（不同模块位置不同，需对照手册） rssi_dbm = parse_frame(raw) # 3. 滤波：滑动窗口平均，窗口大小 5~10 filtered = moving_average(rssi_dbm, window=8) # 4. 距离换算：对数距离路径损耗模型 distance = 10 ** ((tx_power - filtered) / (10 * n))

这里的tx_power是参考距离（通常 1 米）处的 RSSI 值，n是路径损耗指数，空旷环境约 2.0，办公室约 2.5~3.5。这两个参数必须现场标定，直接抄别人的值大概率翻车。

2.3 模块与工具链

项目默认面向常见的 CC2530 或 CC2531 协调器，串口参数一般是 115200 波特率、8 数据位、无校验、1 停止位。上位机用 Python 写，依赖pyserial读串口，numpy做滤波计算。如果你用的是其他 ZigBee 模块，只要能从串口拿到 RSSI，替换解析函数即可。

提示：不同厂商的帧格式差异很大，有的 RSSI 在帧尾，有的在特定 AT 命令返回里。拿到模块先翻手册确认 RSSI 字段偏移，别靠猜。

3. 核心模块拆解：串口读取、帧解析与距离计算

3.1 串口读取与帧同步

串口读取最怕的是「粘包」和「半包」。ZigBee 数据包长度不固定，如果直接按固定长度读，很容易把两帧粘在一起或者把一帧截断。稳妥的做法是维护一个缓冲区，按帧头帧尾做同步。

import serial class ZigBeeReader: def __init__(self, port, baudrate=115200): # 初始化串口，超时设短一点避免阻塞 self.ser = serial.Serial(port, baudrate, timeout=0.1) self.buffer = bytearray() def read_frame(self): # 持续读取直到缓冲区里出现完整帧 data = self.ser.read(128) if data: self.buffer.extend(data) # 假设帧头 0xFE、帧尾 0xFF，按实际模块修改 start = self.buffer.find(b'\xFE') end = self.buffer.find(b'\xFF', start + 1) if start != -1 and end != -1: frame = self.buffer[start:end + 1] # 保留未处理部分，防止丢帧 self.buffer = self.buffer[end + 1:] return frame return None

read(128)是一次最多读 128 字节，timeout=0.1保证没数据时不会卡死。帧头帧尾只是示例，实际要对照模块手册。缓冲区保留未处理部分这一步很关键，否则高频发送时会丢帧。

3.2 RSSI 字段解析

拿到完整帧后，下一步是把 RSSI 抠出来。RSSI 通常是一个有符号字节，范围 -100 到 0 dBm，数值越接近 0 信号越强。

def parse_rssi(frame): # 假设 RSSI 在帧的第 4 个字节，需按手册调整 rssi_byte = frame[4] # 有符号转换：大于 127 说明是负数 if rssi_byte > 127: rssi_byte -= 256 return rssi_byte

有符号转换是新手最容易忽略的一步。RSSI 是负值，但串口传的是无符号字节，不做转换会得到 200 多这种离谱数字。如果你发现算出来的距离是天文数字，先检查这里。

3.3 滤波：把跳动的 RSSI 压稳

原始 RSSI 抖动非常大，同一位置连续读 10 次可能从 -60 跳到 -75。直接拿去算距离，结果毫无参考价值。项目里用滑动窗口平均做第一层滤波。

from collections import deque class RssiFilter: def __init__(self, window=8): # 固定长度队列，自动丢弃最旧的值 self.values = deque(maxlen=window) def update(self, rssi): self.values.append(rssi) # 返回当前窗口平均值 return sum(self.values) / len(self.values)

window=8是经验值，太小滤波效果差，太大响应迟钝。如果环境干扰特别严重，可以在滑动平均后再加一级卡尔曼滤波，但代码复杂度会上升。我一般先用滑动平均跑通，确认数据趋势对了再考虑升级。

3.4 距离换算与参数标定

核心公式是对数距离路径损耗模型：

def rssi_to_distance(rssi, tx_power=-40, n=2.5): # tx_power: 1米处测得的RSSI，必须现场标定 # n: 路径损耗指数，空旷2.0，室内2.5~3.5 return 10 ** ((tx_power - rssi) / (10 * n))

tx_power的标定方法是：把发送端放在离接收端正好 1 米的位置，读 20 次 RSSI 取平均。n的标定更麻烦，需要在已知距离（比如 1 米、3 米、5 米）各测一组，反推拟合。偷懒直接用默认值，误差可能超过 50%。

注意：RSSI 测距的绝对精度有限，更适合做「区域判断」而不是「精确坐标」。如果你的需求是判断目标在哪个房间，这套方案够用；如果要厘米级，得换 UWB 或蓝牙 AoA。

4. 跑起来：环境搭建、参数配置与实测验证

4.1 环境准备

Python 3.7 以上即可，依赖只有两个：

pip install pyserial numpy

硬件方面，需要至少一个 ZigBee 协调器通过 USB 转串口连到电脑。如果你有两个节点，一个做发送一个做接收，效果更直观。串口号在 Windows 上是COM3这种，Linux 上是/dev/ttyUSB0，用之前先确认。

4.2 参数配置清单

这张表里的tx_power和n是精度命门，其他参数照抄问题不大。

4.3 完整运行流程

把读取、解析、滤波、计算串起来，主循环大概长这样：

if __name__ == '__main__': reader = ZigBeeReader('COM3') filt = RssiFilter(window=8) while True: frame = reader.read_frame() if frame: rssi = parse_rssi(frame) smooth = filt.update(rssi) dist = rssi_to_distance(smooth, tx_power=-40, n=2.5) print(f"RSSI={rssi}dBm 滤波后={smooth:.1f} 距离≈{dist:.2f}m")

跑起来后你会看到类似RSSI=-62dBm 滤波后=-63.2 距离≈2.34m的输出。先别急着信这个距离，拿卷尺量一下实际距离对比，偏差在 30% 以内算正常。

4.4 实测验证方法

验证分两步。第一步固定距离测稳定性：把节点放在 2 米处，连续跑 5 分钟，看距离输出的波动范围。如果波动超过 1 米，说明滤波不够或者环境干扰太大。第二步变距离测趋势：从 1 米逐步移到 10 米，看输出距离是否单调递增。趋势对了，说明模型方向没问题，剩下的就是调参。

5. 避坑与排查：那些让我熬夜的 RSSI 玄学问题

5.1 读出来的 RSSI 是正数

现象：串口打印的 RSSI 是 200 多。原因：忘了做有符号转换，负值被当成无符号字节。解决：在解析函数里加if rssi_byte > 127: rssi_byte -= 256。

5.2 距离输出忽大忽小毫无规律

现象：同一位置距离在 1 米到 8 米之间乱跳。原因：原始 RSSI 抖动太大，滤波窗口太小或者根本没滤波。解决：把window调到 10 以上，或者加一级卡尔曼滤波。另外检查周围有没有微波炉、无线路由器这类 2.4GHz 干扰源。

5.3 串口读不到数据

现象：程序跑起来一直没输出。原因：串口号错了、波特率不匹配、或者串口被其他软件占用。解决：先用串口助手确认能收到数据，再跑代码。Linux 下还要检查当前用户有没有串口权限，必要时加sudo或把用户加入dialout组。

5.4 距离趋势反了

现象：离得越远，算出来的距离反而越小。原因：tx_power或n符号搞错，或者 RSSI 字段解析位置不对。解决：打印原始 RSSI 确认「靠近时数值变大（接近 0）」，如果反了说明解析偏移错了。

5.5 跑一段时间后程序卡死

现象：运行几十分钟后不再更新。原因：串口缓冲区溢出或者异常没捕获。解决：给串口读取加 try-except，定期清理缓冲区，别让异常把主循环打断。

6. 二次开发：从能跑到好用，我踩过的那些坑

如果你已经跑通了基础版本，接下来大概率想做这几件事：多节点同时读取、把距离数据存数据库、或者接一个可视化界面。我按自己的改造顺序说几个关键点。

第一，多节点场景下，串口数据里通常带节点地址（短地址或 IEEE 地址），解析时要先把地址和 RSSI 一起抠出来，用字典按地址分别维护滤波窗口。别所有节点共用一个滤波器，否则数据会互相污染。

第二，参数标定别偷懒。我见过太多人直接抄网上的tx_power=-40, n=2，结果误差大得没法用。正确做法是写一个标定脚本，让用户把节点放在 1 米处按回车，自动采集 30 次取平均作为tx_power；再在 3 米、5 米各采一组，用最小二乘拟合出n。这个脚本不到 50 行，但能让精度提升一个档次。

第三，数据落库建议用 SQLite，轻量且不用额外服务。表结构就三个字段：时间戳、节点地址、距离值。查询时按时间范围拉出来画曲线，比看串口打印直观得多。

第四，如果你要做实时可视化，PyQt 或者 Web 端都行，但注意别在主线程里做串口读取，否则界面会卡。开一个独立线程读串口，通过队列把数据传给 UI 线程。

# 标定脚本核心逻辑 def calibrate(): input("把节点放在1米处，按回车开始采集...") samples = [read_rssi() for _ in range(30)] tx_power = sum(samples) / len(samples) print(f"tx_power标定完成: {tx_power:.1f} dBm") # 后续在3米、5米重复，拟合n return tx_power

最后说一个我自己的教训：早期我图省事，把滤波窗口设成 3，觉得响应快。结果实测时距离值跟心电图一样，根本没法用。后来老老实实调到 10，虽然响应慢了一两秒，但数据稳了，反而更实用。从那以后我每次做 RSSI 相关的东西，都强制先跑一遍标定脚本再调滤波参数，不再凭感觉拍脑袋。希望这个项目能帮你少走点弯路，把 ZigBee 测距这条路跑顺。

本文还有配套的精品资源，点击获取