CN104330771A - 一种室内rfid精准定位方法和装置 - Google Patents

Abstract

本发明涉及无线通信技术领域，尤其涉及一种室内RFID精准定位方法和装置。所述定位方法，包括：阅读器接收楼宇内测量标签的信号强度信息；基于信号到达角的定位算法AOA得到测量标签的估算位置；基于信号强度测距算法RSSI调整估算位置，获得优化位置；基于预先建立的位置数据库，对优化位置采用模式匹配算法得到最优位置。本发明所述定位方法首先通过AOA算法计算出测量标签的估计位置，进一步通过RSSI算法优化估算位置获得优化位置，基于预先建立的位置数据库，对优化位置采用最匹配定位获得测量标签的精准的最优位置，多种技术结合，提高了定位精度，解决在大型楼宇内的定位问题。

Description

一种室内RFID精准定位方法和装置

技术领域

本发明涉及无线通信技术领域，尤其涉及一种室内RFID精准定位方法和装置。

背景技术

随着移动计算设备的普及与发展，无线定位技术日益受到关注，无线射频识别(Radio Frequency Identification，RFID)是一项利用射频信号通过空间耦合(交变磁场或电磁场)实现无接触信息传递并通过所传递的信息达到识别目的的技术。RFID系统主要由两个部分组成：具有身份标记(ID号)的RFID标签，以及从标签处读取信息或将信息写入标签的RFID读写器，RFID系统由于其标签造价低廉，适合于大量部署，在位置定位技术中具有良好的应用前景。

现有的室内RFID定位技术，多为以下两种：一、将无线信号的传播时间或者称为信号TOA(Time Of Arrival，到达时间)信息，换算成读写器与标签之间的距离，以读写器的坐标为圆心，以该信号的传播时间所换算出的距离为半径做圆，多个读写器所形成的圆的交点即为RFID标签的位置。二、根据读写器接收到的信号，获得该信号的信号强度，并根据该信号强度，采用基于RSSI算法(Received Signal Strength Indicator，基于信号强度测距算法)，利用无线电波的衰减与传播距离的平方大致成反比的特性，来确定标签的位置。

但是，以上两种方法中，由于反射、散射现象的存在，读写器所估计的信息传播时延包括了直射信号的时延和通过反射或散射所造成的附加时延，且读写器所接收到的信号能量也因此受到了影响，且易受多径传播以及墙壁反射损耗等影响，从而造成定位的不准确，只能定位到一个较大的区域。

发明内容

本发明的目的在于提出一种室内RFID精准定位方法和装置，通过AOA算法计算出测量标签的估计位置，进一步通过RSSI算法优化估算位置获得优化位置，基于预先建立的位置数据库，对优化位置采用最匹配定位获得测量标签的精准的最优位置，多种技术结合，提高了定位精度，解决在大型楼宇内的定位问题。

为达此目的，本发明采用以下技术方案：

一种室内RFID精准定位方法，包括：

阅读器接收楼宇内测量标签的信号强度信息；

基于信号到达角的定位算法AOA得到测量标签的估算位置；

基于信号强度测距算法RSSI调整估算位置，获得优化位置；

基于预先建立的位置数据库，对优化位置采用模式匹配算法得到最优位置。

其中，在所述阅读器接收楼宇内测量标签的信号强度信息之前，还包括：

将楼宇划分为若干个小区域；

在每个小区域内设置参考标签并记录参考标签所在的位置；

通过阅读器多次测量每个小区域的参考标签发出的信号典型值，并计算出其平均值；

建立并保存关于参考标签位置与信号典型值的平均值的二维函数关系数组的位置数据库。

其中，所述基于信号到达角的定位算法AOA得到测量标签的估算位置，包括：

当阅读器个数为两个时，通过交叉法计算出两阅读器确定的测量标签的估算位置；

当阅读器个数大于两个时，通过交叉法分别计算出两两阅读器确定的测量标签的初始估算位置；对初始估算位置取平均值得到测量标签的估算位置。

其中，所述模式匹配算法为概率化方法，所述概率化方法具体为：

采用经验公式算出测量标签的优化位置在位置数据库对应的各个小区域中的概率；

基于各个小区域中的概率利用决策树算法得到测量标签的最优位置。

其中，所述模式匹配算法为K-最邻近方法，所述K-最邻近方法具体为：

基于位置数据库，获得与测量标签的优化位置最接近的K个位置；

基于K个位置，采用线性组合的加权方法获得测量标签的最优位置；

参考标签的加权因子为其中，k为与测量标签的优化位置最接近的K个位置，i为k中的其中一个，E_i为阅读器接收到的第i个参考标签的信号强度与阅读器接收到的测量标签的信号强度的差值。

一种室内RFID精准定位装置，包括：

测量标签信号强度接收单元，用于阅读器接收楼宇内测量标签的信号强度信息；

第一估算位置单元，用于基于信号到达角的定位算法AOA得到测量标签的估算位置；

第二优化位置单元，用于基于信号强度测距算法RSSI调整估算位置，获得优化位置；

第三最优位置单元，用于基于预先建立的位置数据库，对优化位置采用模式匹配算法得到最优位置。

其中，所述装置，还包括：

空间划分单元，用于将楼宇划分为若干个小区域；

参考标签位置记录单元，用于在每个小区域内设置参考标签并记录参考标签所在的位置；

参考标签信号强度获取单元，用于通过阅读器多次测量每个小区域的参考标签发出的信号典型值，并计算出其平均值；

位置数据库建立单元，用于建立并保存关于参考标签位置与信号典型值的平均值的二维函数关系数组的位置数据库。

其中，所述基于信号到达角的定位算法AOA得到测量标签的估算位置，包括：

当阅读器个数为两个时，通过交叉法计算出两阅读器确定的测量标签的估算位置；

当阅读器个数大于两个时，通过交叉法分别计算出两两阅读器确定的测量标签的初始估算位置；对初始估算位置取平均值得到测量标签的估算位置。

其中，所述模式匹配算法为概率化方法，所述概率化方法具体为：

采用经验公式算出测量标签的优化位置在位置数据库对应的各个小区域中的概率；

基于各个小区域中的概率利用决策树算法得到测量标签的最优位置。

其中，所述模式匹配算法为K-最邻近方法，所述K-最邻近方法具体为：

基于位置数据库，获得与测量标签的优化位置最接近的K个位置；

基于K个位置，采用线性组合的加权方法获得测量标签的最优位置；

参考标签的加权因子为其中，k为与测量标签的优化位置最接近的K个位置，i为k中的其中一个，E_i为阅读器接收到的第i个参考标签的信号强度与阅读器接收到的测量标签的信号强度的差值。

有益效果：

本发明所述的一种室内RFID精准定位方法，包括：阅读器接收楼宇内测量标签的信号强度信息；基于信号到达角的定位算法AOA得到测量标签的估算位置；基于信号强度测距算法RSSI调整估算位置，获得优化位置；基于预先建立的位置数据库，对优化位置采用模式匹配算法得到最优位置。本发明所述定位方法首先通过AOA算法计算出测量标签的估计位置，进一步通过RSSI算法优化估算位置获得优化位置，基于预先建立的位置数据库，对优化位置采用最匹配定位获得测量标签的精准的最优位置，多种技术结合，提高了定位精度，解决在大型楼宇内的定位问题。

附图说明

图1是本发明具体实施方式提供的一种室内RFID精准定位方法的流程图。

图2是本发明具体实施方式提供的一种室内RFID精准定位装置的结构示意图。

图中：

1-测量标签信号强度接收单元；2-第一估算位置单元；3-第二优化位置单元；4-第三最优位置单元；5-空间划分单元；6-参考标签位置记录单元；7-参考标签信号强度获取单元；8-位置数据库建立单元。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

图1是本发明具体实施方式提供的一种室内RFID精准定位方法的流程图。如图1所示，本发明所述的一种室内RFID精准定位方法，包括：

阅读器接收楼宇内测量标签的信号强度信息；

基于信号到达角的定位算法AOA得到测量标签的估算位置；

基于信号强度测距算法RSSI调整估算位置，获得优化位置；

基于预先建立的位置数据库，对优化位置采用模式匹配算法得到最优位置。

本发明通过在大型楼宇中放置一定数量的RFID的阅读器，这些阅读器可以放置在公告显示屏上、走廊拐角、房间入口以及墙壁等地方。然后给每位在这个办公区域工作的员工发放一张集成有RFID标签的工作卡，本方案主要研究在大型楼宇这种封闭环境下标签的精确定位。所述定位方法首先通过AOA算法计算出测量标签的估计位置，进一步通过RSSI算法优化估算位置获得优化位置，基于预先建立的位置数据库，对优化位置采用最匹配定位获得测量标签的精准的最优位置，多种技术结合，提高了定位精度，解决在大型楼宇内的定位问题。

由于考虑到楼宇结构封闭区域内测量标签信号经过墙壁多次反射以及多径传输的干扰问题，本发明通过采用RSSI(Received Signal Strength Indicator，接收信号强度指示器)技术，基于接收到的测量标签的信号强弱测定信号点与接收点的距离，进一步调整估算位置减少误差干扰。

在所述阅读器接收楼宇内测量标签的信号强度信息之前，还包括：

将楼宇划分为若干个小区域；

在每个小区域内设置参考标签并记录参考标签所在的位置；

通过阅读器多次测量每个小区域的参考标签发出的信号典型值，并计算出其平均值；

建立并保存关于参考标签位置与信号典型值的平均值的二维函数关系数组的位置数据库。

本方案首先根据楼宇的结构以及实际的需求将空间划分为若干小区域，在每个区域内放置参考标签并记录参考标签的位置，多次测量采集每个小区域的参考标签发出的信号典型值，并进一步求出多次测量的每个小区域的参考标签的信号典型值的平均值，并建立一个关于参考标签位置与信号典型值的平均值的二维函数关系数组的位置数据库将信息保存。然后当测量标签进入楼宇内就采用基于信号到达角的定位算法得到测量标签的估计位置估计信息，进一步考虑到严重的多径传播以及墙壁反射损耗等影响，基于信号强度测距算法RSSI调整估算位置，获得优化位置；然后与位置数据库中的数据进行模式匹配得到最优的区域匹配实现精确定位。

离线建立位置数据库信息，生成各位置处的环境记录。这个过程就需要首先将实际的楼宇结构进行分解，形成许多小的位置区域信息，对空间的分解可以按照需求自行控制粒度的大小。比如，可以按照实际的办公区域将每间办公室，走廊分别划分为独立的定位区域；也可以再度减小粒度，将同一间办公室的区域划分为若干个定位区域。单个定位区域越小，定位精度相应得越高。根据RFID的工作范围以及实际楼宇的结构特点，建议将单个定位区域的面积控制在不大于10平方米，如果有大会议室或者办公区域的面积超过，建议将其划分为若干不超过10平方米的定位区域。这样使用阅读器将定位区域内的参考标签信号采集下来并多次重复得到该区域信号的典型值存入数据库，完成建立位置数据库。

所述基于信号到达角的定位算法AOA得到测量标签的估算位置，包括：

当阅读器个数为两个时，通过交叉法计算出两阅读器确定的测量标签的估算位置；

当阅读器个数大于两个时，通过交叉法分别计算出两两阅读器确定的测量标签的初始估算位置；对初始估算位置取平均值得到测量标签的估算位置。

本方案采用基于信号到达角的定位算法(Angle of Arrival，AOA)，该算法在一个定位区域内在两个以上的位置点设置具有方向性天线的阅读器，获取标签反射的电磁波信号角度信息，然后通过交汇法估计测量标签的位置。因为阅读器的坐标位置是固定的，因此使用两者的坐标信息以及它们与标签点的夹角就可以计算出标签点的坐标，如果是由两个以上的阅读器来定位，就分别使用交叉法计算出标签点的坐标，然后取平均值估算出标签的位置信息。

作为一种优选地实施方式，所述模式匹配算法为概率化方法，所述概率化方法具体为：

采用经验公式算出测量标签的优化位置在位置数据库对应的各个小区域中的概率；

基于各个小区域中的概率利用决策树算法得到测量标签的最优位置。

作为另外一种优选的实施方式，所述模式匹配算法为K-最邻近方法，所述K-最邻近方法具体为：

基于位置数据库，获得与测量标签的优化位置最接近的K个位置；

基于K个位置，采用线性组合的加权方法获得测量标签的最优位置；

参考标签的加权因子为其中，k为与测量标签的优化位置最接近的K个位置，i为k中的其中一个，E_i为阅读器接收到的第i个参考标签的信号强度与阅读器接收到的测量标签的信号强度的差值。

针对上述两种优选的模式匹配算法进行如下说明：阅读器使用AOA定位算法接收来自任意位置测量标签的信息计算出估算位置，进一步通过RSSI定位算法调整优化估算位置，然后将接收信号的强度信息同位置数据库中记录的信息进行匹配搜索，寻求最匹配的位置。将位置数据库中与测量标签信号最匹配的位置记录作为测量标签的位置估计，据此完成定位。概率化方法实现较为简单，通过使用经验公式将采集到的测量标签位置信息算出定位到各个小区域的概率，再利用决策树的方式得到最佳的匹配区域，这种方法较为模糊但是实现较为简单。而K-最邻近方法通过从位置数据库中搜索出多个(K个)最匹配的位置记录，利用K个位置的加权组合的结果作为测量标签的位置估计的方法。在K-最邻近方法中，需要指出的是，若上述近邻值K随意选取的话，常常达不到最优的定位性能，在不同的环境中根据实际情况确定最优K的取值。另外，根据加权方式的不同又可以将其衍生为诸多不同的定位方法，不同的计算方法将获得不同的定位性能，实际定位应用中应根据具体情况采用相应的加权方法。本方案采取线性组合的加权方式。K-最邻近方法实现较为复杂但是可以调整的参数较多，可以更加容易设计出适合实际楼宇结构的定位算法。需要说明的是，K-最邻近方法通过采用线性组合的加权方法，且参考标签的加权因子为不仅算法简单，而且能够得到精准的位置信息。

以下为本发明实施例的系统实施例，本发明的方法实施例、系统实施例属于同一构思，在系统实施例中未详尽描述的细节内容，可以参考上述方法实施例。

图2是本发明具体实施方式提供的一种室内RFID精准定位装置的结构示意图。如图2所示，本发明所述的一种室内RFID精准定位装置，包括：

测量标签信号强度接收单元1，用于阅读器接收楼宇内测量标签的信号强度信息；

第一估算位置单元2，用于基于信号到达角的定位算法AOA得到测量标签的估算位置；

第二优化位置单元3，用于基于信号强度测距算法RSSI调整估算位置，获得优化位置；

第三最优位置单元4，用于基于预先建立的位置数据库，对优化位置采用模式匹配算法得到最优位置。

所述定位装置首先通过第一估算位置单元2计算出测量标签的估计位置，进一步通过第二优化位置单元3优化估算位置获得优化位置，基于第三最优位置单元4预先建立的位置数据库，对优化位置采用最匹配定位获得测量标签的精准的最优位置，多种技术结合，提高了定位精度，解决在大型楼宇内的定位问题。本发明考虑到楼宇结构封闭区域内测量标签信号经过墙壁多次反射以及多径传输的干扰问题，通过采用RSSI(Received Signal Strength Indicator，接收信号强度指示器)技术，基于接收到的测量标签的信号强弱测定信号点与接收点的距离，进一步调整估算位置，减少误差干扰。

所述装置，还包括：

空间划分单元5，用于将楼宇划分为若干个小区域；

参考标签位置记录单元6，用于在每个小区域内设置参考标签并记录参考标签所在的位置；

参考标签信号强度获取单元7，用于通过阅读器多次测量每个小区域的参考标签发出的信号典型值，并计算出其平均值；

位置数据库建立单元8，用于建立并保存关于参考标签位置与信号典型值的平均值的二维函数关系数组的位置数据库。

本方案首先根据楼宇的结构以及实际的需求将空间划分为若干小区域，在每个区域内放置参考标签并记录参考标签的位置，多次测量采集每个小区域的参考标签发出的信号典型值，并进一步求出多次测量的每个小区域的参考标签的信号典型值的平均值，并建立一个关于参考标签位置与信号典型值平均值的二维函数关系数组的位置数据库将信息保存。然后当测量标签进入楼宇内就采用基于信号到达角的定位算法得到测量标签的估计位置估计信息，进一步考虑到严重的多径传播以及墙壁反射损耗等影响，基于信号强度测距算法RSSI调整估算位置，获得优化位置；然后与位置数据库中的数据进行模式匹配得到最优的区域匹配实现精确定位。

所述基于信号到达角的定位算法AOA得到测量标签的估算位置，包括：

当阅读器个数为两个时，通过交叉法计算出两阅读器确定的测量标签的估算位置；

当阅读器个数大于两个时，通过交叉法分别计算出两两阅读器确定的测量标签的初始估算位置；对初始估算位置取平均值得到测量标签的估算位置。

本方案采用基于信号到达角的定位算法(Angle of Arrival，AOA)，该算法在一个定位区域内在两个以上的位置点设置具有方向性天线的阅读器，获取标签反射的电磁波信号角度信息，然后通过交汇法估计标签的位置。因为阅读器的坐标位置是固定的，因此使用两者的坐标信息以及它们与标签点的夹角就可以计算出标签点的坐标，如果是由两个以上的阅读器来定位，就分别使用交叉法计算出标签点的坐标，然后取平均值估算出标签的位置信息。

作为一种优选地实施方式，所述模式匹配算法为概率化方法，所述概率化方法具体为：

采用经验公式算出测量标签的优化位置在位置数据库对应的各个小区域中的概率；

基于各个小区域中的概率利用决策树算法得到测量标签的最优位置。

作为另外一种优选的实施方式，所述模式匹配算法为K-最邻近方法，所述K-最邻近方法具体为：

基于位置数据库，获得与测量标签的优化位置最接近的K个位置；

基于K个位置，采用线性组合的加权方法获得测量标签的最优位置；

参考标签的加权因子为其中，k为与测量标签的优化位置最接近的K个位置，i为k中的其中一个，E_i为阅读器接收到的第i个参考标签的信号强度与阅读器接收到的测量标签的信号强度的差值。

针对上述两种优选的模式匹配算法进行如下说明：阅读器使用AOA定位算法接收来自任意位置测量标签的信息计算出估算位置，进一步通过RSSI定位算法调整优化估算位置，然后将接收信号的强度信息同位置数据库中记录的信息进行匹配搜索，寻求最匹配的位置。将位置数据库中与测量标签信号最匹配的位置记录作为测量标签的位置估计，据此完成定位。概率化方法实现较为简单，通过使用经验公式将采集到的测量标签位置信息算出定位到各个小区域的概率，再利用决策树的方式得到最佳的匹配区域，这种方法较为模糊但是实现较为简单。而K-最邻近方法通过从位置数据库中搜索出多个(K个)最匹配的位置记录，利用K个位置的加权组合的结果作为测量标签的位置估计的方法。在K-最邻近方法中，需要指出的是，若上述近邻值K随意选取的话，常常达不到最优的定位性能，在不同的环境中根据实际情况确定最优K的取值。另外，根据加权方式的不同又可以将其衍生为诸多不同的定位方法，不同的计算方法将获得不同的定位性能，实际定位应用中应根据具体情况采用相应的加权方法。本方案采取线性组合的加权方式。K-最邻近方法实现较为复杂但是可以调整的参数较多，可以更加容易设计出适合实际楼宇结构的定位算法。需要说明的是，K-最邻近方法通过采用线性组合的加权方法，且参考标签的加权因子为不仅算法简单，而且能够得到精准的位置信息。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种室内RFID精准定位方法，其特征在于，包括：

阅读器接收楼宇内测量标签的信号强度信息；

基于信号到达角的定位算法AOA得到测量标签的估算位置；

基于信号强度测距算法RSSI调整估算位置，获得优化位置；

基于预先建立的位置数据库，对优化位置采用模式匹配算法得到最优位置。

2.根据权利要求1所述的一种室内RFID精准定位方法，其特征在于，在所述阅读器接收楼宇内测量标签的信号强度信息之前，还包括：

将楼宇划分为若干个小区域；

在每个小区域内设置参考标签并记录参考标签所在的位置；

通过阅读器多次测量每个小区域的参考标签发出的信号典型值，并计算出其平均值；

建立并保存关于参考标签位置与信号典型值的平均值的二维函数关系数组的位置数据库。

3.根据权利要求1所述的一种室内RFID精准定位方法，其特征在于，所述基于信号到达角的定位算法AOA得到测量标签的估算位置，包括：

当阅读器个数为两个时，通过交叉法计算出两阅读器确定的测量标签的估算位置；

当阅读器个数大于两个时，通过交叉法分别计算出两两阅读器确定的测量标签的初始估算位置；对初始估算位置取平均值得到测量标签的估算位置。

4.根据权利要求2所述的一种室内RFID精准定位方法，其特征在于，所述模式匹配算法为概率化方法，所述概率化方法具体为：

采用经验公式算出测量标签的优化位置在位置数据库对应的各个小区域中的概率；

基于各个小区域中的概率利用决策树算法得到测量标签的最优位置。

5.根据权利要求2所述的一种室内RFID精准定位方法，其特征在于，所述模式匹配算法为K-最邻近方法，所述K-最邻近方法具体为：

基于位置数据库，获得与测量标签的优化位置最接近的K个位置；

基于K个位置，采用线性组合的加权方法获得测量标签的最优位置；

参考标签的加权因子为其中，k为与测量标签的优化位置最接近的K个位置，i为k中的其中一个，E_i为阅读器接收到的第i个参考标签的信号强度与阅读器接收到的测量标签的信号强度的差值。

6.一种室内RFID精准定位装置，其特征在于，包括：

测量标签信号强度接收单元，用于阅读器接收楼宇内测量标签的信号强度信息；

第一估算位置单元，用于基于信号到达角的定位算法AOA得到测量标签的估算位置；

第二优化位置单元，用于基于信号强度测距算法RSSI调整估算位置，获得优化位置；

第三最优位置单元，用于基于预先建立的位置数据库，对优化位置采用模式匹配算法得到最优位置。

7.根据权利要求6所述的一种室内RFID精准定位装置，其特征在于，所述装置，还包括：

空间划分单元，用于将楼宇划分为若干个小区域；

参考标签位置记录单元，用于在每个小区域内设置参考标签并记录参考标签所在的位置；

参考标签信号强度获取单元，用于通过阅读器多次测量每个小区域的参考标签发出的信号典型值，并计算出其平均值；

位置数据库建立单元，用于建立并保存关于参考标签位置与信号典型值的平均值的二维函数关系数组的位置数据库。

8.根据权利要求6所述的一种室内RFID精准定位装置，其特征在于，所述基于信号到达角定位算法AOA得到测量标签的估算位置，包括：

当阅读器个数为两个时，通过交叉法计算出两阅读器确定的测量标签的估算位置；

当阅读器个数大于两个时，通过交叉法分别计算出两两阅读器确定的测量标签的初始估算位置；对初始估算位置取平均值得到测量标签的估算位置。

9.根据权利要求7所述的一种室内RFID精准定位装置，其特征在于，所述模式匹配算法为概率化方法，所述概率化方法具体为：

采用经验公式算出测量标签的优化位置在位置数据库对应的各个小区域中的概率；

基于各个小区域中的概率利用决策树算法得到测量标签的最优位置。

10.根据权利要求7所述的一种室内RFID精准定位方法，其特征在于，所述模式匹配算法为K-最邻近方法，所述K-最邻近方法具体为：

基于位置数据库，获得与测量标签的优化位置最接近的K个位置；

基于K个位置，采用线性组合的加权方法获得测量标签的最优位置；

参考标签的加权因子为其中，k为与测量标签的优化位置最接近的K个位置，i为k中的其中一个，E_i为阅读器接收到的第i个参考标签的信号强度与阅读器接收到的测量标签的信号强度的差值。