当前位置：首页 > news >正文

从RSSI到AoA：手把手教你用ESP32和Arduino搭建一个简易的无线定位实验系统

news 2026/6/2 14:29:20

从RSSI到AoA：手把手教你用ESP32和Arduino搭建简易无线定位系统

在智能家居、工业物联网和室内导航等领域，精准的位置感知能力正变得越来越重要。不同于卫星定位系统在室内的局限性，基于无线信号的定位技术为小范围空间内的位置追踪提供了经济高效的解决方案。本文将带领读者使用ESP32开发板和Arduino环境，从零构建两种典型的无线定位系统：基于接收信号强度指示（RSSI）的测距定位和基于到达角度（AoA）的方向定位。

1. 无线定位技术基础与硬件选型

无线定位技术的核心在于通过分析无线电波的物理特性来推算目标位置。常见的参数包括信号传播时间（TOA/TDOA）、信号强度（RSSI）以及信号到达方向（AoA）。对于DIY爱好者而言，RSSI和AoA因其硬件门槛较低而成为理想的入门选择。

硬件清单：

ESP32开发板（至少3块）：内置Wi-Fi和蓝牙双模射频，价格低廉且性能可靠
天线阵列模块（AoA专用）：推荐使用ESP32-A1S模块，集成6天线阵列
USB数据线及电源：确保稳定供电
杜邦线若干：用于硬件连接
定位测试环境：建议3m×3m的开放空间

提示：选购ESP32时注意选择带有外接天线接口的版本，这对AoA定位精度至关重要。

2. RSSI定位系统搭建

RSSI定位通过测量信号强度衰减来估算距离。在自由空间模型中，信号强度与传播距离的平方成反比。虽然易受多径效应影响，但其简单性使其成为入门首选。

2.1 硬件连接与配置

将三块ESP32布置成等边三角形布局，间距建议1.5-2米。通过Arduino IDE安装以下库：

#include <WiFi.h> #include <esp_now.h>

配置发送端（移动目标）代码框架：

void setup() { WiFi.mode(WIFI_STA); if (esp_now_init() != ESP_OK) { Serial.println("ESP-NOW初始化失败"); return; } } void loop() { esp_now_send(broadcastAddress, (uint8_t *)&data, sizeof(data)); delay(100); }

2.2 距离估计算法实现

实际环境中需采用对数距离路径损耗模型：

RSSI = -10n log10(d) + A

其中：

n：环境衰减因子（自由空间为2）
A：1米参考距离处的信号强度
d：待求距离

Python数据处理示例：

def rssi_to_distance(rssi, n=2.5, A=-45): return 10**((A - rssi)/(10 * n)) # 三边定位算法 def trilateration(anchors): # anchors格式：[ (x1,y1,d1), (x2,y2,d2), (x3,y3,d3) ] A = 2*np.array([ [x2-x1, y2-y1], [x3-x1, y3-y1] ]) b = np.array([ d1**2 - d2**2 + x2**2 - x1**2 + y2**2 - y1**2, d1**2 - d3**2 + x3**2 - x1**2 + y3**2 - y1**2 ]) return np.linalg.solve(A, b)

3. AoA定位系统实现

AoA定位通过相位差计算信号入射方向，精度可达5-10度，但需要天线阵列支持。

3.1 硬件特殊配置

使用ESP32-A1S模块时，需在代码中启用蓝牙AoA模式：

#include <esp_bt_main.h> #include <esp_aoa.h> void setup() { esp_aoa_init(); esp_aoa_configure(ESP_AOA_MODE_ANTENNA_ARRAY); }

天线阵列布局参数（单位：mm）：

天线编号	X坐标	Y坐标
1	0	0
2	18	0
3	9	15.6
4	27	15.6
5	36	0
6	45	15.6

3.2 角度解算算法

相位差与入射角的关系：

Δφ = (2πd/λ)sinθ

其中：

d：天线间距
λ：信号波长（蓝牙5.1为0.125m）
θ：入射角度

多天线联合解算代码片段：

def calculate_aoa(iq_samples): # iq_samples: 各天线采集的IQ数据 wavelength = 0.125 antenna_positions = [(0,0), (0.018,0), ...] phase_diffs = [] for i in range(1, len(antenna_positions)): delta_phi = np.angle(iq_samples[i] * np.conj(iq_samples[0])) phase_diffs.append(delta_phi) # 最小二乘法求解最优角度 A = np.array([ [2*np.pi/wavelength * (x*uy - y*ux)] for x,y in antenna_positions[1:] ]) return np.linalg.lstsq(A, phase_diffs, rcond=None)[0]

4. 系统集成与性能优化

将两种定位技术结合使用可以取长补短。建议的融合方案：

粗定位阶段：使用RSSI快速确定目标大致区域
精定位阶段：在RSSI定位结果附近启动AoA测量
动态权重调整：根据信号质量自动调整两种技术的权重系数

常见问题排查表：

现象	可能原因	解决方案
RSSI波动大	多径干扰	增加滤波算法，改用5GHz频段
AoA角度跳变	天线相位不同步	重新校准天线阵列
定位延迟高	数据处理耗时	优化算法复杂度，使用FFT加速

实测对比数据（静态目标）：