CN104376349A - 一种基于边界标签的rfid读写器定位方法 - Google Patents

Abstract

本发明公开了一种基于边界标签的RFID读写器定位方法，根据目标读写器得到查询到的标签集合；在标签集合中利用Graham扫描算法得到边界标签，去除不符合要求的标签；根据边界标签选择最优的两条弦；根据两弦的中垂线交点来确定圆心来得到目标体的估计位置。本发明不是使用读写器读取到的所有参考标签，仅使用边界标签来计算目标读写器的位置，有效地减轻了通信不规则性，特别是当目标读写器在墙角或角落时对定位精度的负面影响。此外，本发明使用几何方法计算目标读写器的位置，避免了现有算法耗时的迭代优化过程，从而可以达到更好的时间效率。

Description

一种基于边界标签的RFID读写器定位方法

技术领域

本发明涉及一种基于边界标签的RFID读写器定位方法。

背景技术

基于RFID定位方案大致能够分为两类：读写器定位和标签定位。

在基于标签的定位中，SpotON[1]是基于RF信号强度的室内3D定位技术，它利用RSSI来估算距离。由于无线电信号会受到环境因素的影响(如温度、湿度、无线电堵塞等)。因此它是一中十分粗糙的定位技术，但它是最早使用RFID定位的技术。

LANDMARC[2]，[6]方法使用额外的固定参考标签来辅助位置校准，这些参考标签作为系统参考点来使用(如我们日常生活上的地标)。LANDMARC方法有三个主要的优势：首先，不需要大量昂贵的RFID读写器，只需要便宜的RFID标签。其次，LANDMARC能够动态适应环境的变化。此方法能够抵消导致检测范围发生变化的一些环境因素。因为参考标签与被定位标签处在同样的环境中。因此，能够从检测到的参考标签中实时动态更新要查找的参考信息。第三，定位信息更加准确和可靠。LANDMARC方法更为灵活和具有动态性，它更加准确和接近实时位置感知。LANDMARC方法使用信号强度下的欧几里得距离，通过比较不同的欧几里得距离来找到未知标签的最近邻居参考标签，以邻居标签的位置来作为目标标签的位置。

VIRE方法是对LANDMRC方法的改进,它是基于主动RFID、淘汰某些虚拟参考标签的定位算法。首先，LANDMARC方法在封闭的空间内(由于无线信号的多途效应)工作不是很好。其次，为了提高定位精度，需要更多的参考标签，这会导致花费很大和RF干扰现象，反而会降低精度。VIRE中提出了一个基于虚拟参考标签的概念，每个读写器维护一个接近度地图。VIRE方法中使用了一个淘汰算法来淘汰一些不可能的位置来减少误差。

L-VIRT建立在VIRE方法之上：虚拟地标和拓扑约束。它在虚拟地标的基础上利用读写器的读写范围来建立拓扑约束。L-VIRT考虑了移动读写器，它们通过添加更多的约束来改善其精度。

近年来，基于读写器的定位技术得到广泛的研究。在[3]，[9]，作者提出一个主动方案来确定一个目标读写器的位置。他们使用所有收集到的参考标签并且采用迭代优化方法来确定目标读写器。但是这容易由于通信不规则而引发问题，例如有些标签可能没有读取到或读取到了不应该读到的标签。作者提出了DeB算法，迭代式地确定一个3D球体使其最大范围地覆盖激活的参考标签。同时，在此基础上作者提出EDeB算法，当目标体位于六面体边界和角落时提出的一个补偿算法来提高精度。在[10]中作者提出一种健壮的估计量来获得读写器的位置，并研究如何评价读写器的定位结果。在[4]中作者讨论了如何以较稀疏的方式部署标签以降低部署成本。

现有的RFID读写器定位算法通常使用所有的读写器参考标签来确定目标读写器的位置，因而耗时而且很容易受读写器与标签通信不规则性影响。例如，DeB算法[3]，目标读写器的位置是由所有的RFID参考标签作为输入，使用一个迭代优化方法得到的。由于读写器与参考标签通信的不规则性，因此可能会产生miss readings(即在读写器能正常读取的情况下，而没有读取到的标签)和fake readings(即在读写器不能正常读取的情况下，反而读取到的标签)。这些问题极大地影响了像DeB等算法的准确性，使这些算法很容易受到环境因素的影响，特别是当目标读写器在墙角或角落时尤其明显。此外，现有的读写器定位算法使用迭代优化方法，将所有读取的标签作为输入，导致计算时间长，从而使其不能提供实时的位置发现服务。

发明内容

本发明所要解决的技术问题是，针对上述现有技术的不足，提供一种基于边界标签的RFID读写器定位方法。

为解决上述技术问题，本发明所采用的技术方案是：一种基于边界标签的RFID读写器定位方法，包括以下步骤：

1)采用DeB方法的系统模型，该系统模型为六面体空间，所述六面体空间上、下表面均部署RFID参考标签；设定位目标携带目标RFID读写器，目标RFID读写器的查询区域为一个半径为R的椭圆；

2)在目标RFID读写器读取到的所有RFID参考标签中，找到边界标签；所述边界标签为在所有RFID参考标签中凸包顶点所包含的标签；

3)利用上述边界标签，得到边界标签构造的弦的集合C；将集合C中的弦，按长度进行排序，即C＝{c₁,c₂,...,c_m}，使得对两条弦c_i和c_j,如果i≤j，则len(c_i)≤len(c_j)；1≤i≤j≤m；其中len(c_i)为集合C中第i条弦的长度；从{c₂,...,c_m}中挑选出最长的弦c_max，并满足c₁与c_max的夹角大于或等于阈值α_t，如果没有弦满足此要求，则令c_max＝c₂；c₁和c_max的中垂线交点坐标即为目标RFID读写器的估计定位点在平面上的X轴和Y轴坐标值；m为集合C中弦的总数；

4)获取所述六面体空间上、下表面的X轴和Y轴坐标后，分别计算目标RFID读写器投影在六面体空间上、下表面所产生的圆的半径r_c,r_f，则目标RFID读写器的z轴值为：

$z=\frac{r_c^2-r_f^2+H^2}{2H};$

其中，H是六面体空间的高度。

所述步骤2)中，边界标签的确定方法为：使用Graham扫描方法找到所有读取到的RFID参考标签的凸包顶点，然后移除不在凸包顶点上的RFID参考标签，即得到边界标签。

阈值α_t取值范围为15°～60°。

与现有技术相比，本发明所具有的有益效果为：本发明不是使用读写器读取到的所有参考标签，仅使用边界标签来计算目标读写器的位置，有效地减轻了通信不规则性，特别是当目标读写器在墙角或角落时对定位精度的负面影响。此外，本发明使用几何方法计算目标读写器的位置，避免了现有算法耗时的迭代优化过程，从而可以达到更好的时间效率。大量的仿真实验结果表明，当参考标签的间隔为1ft时，本发明的定位精度高于0.2ft。本发明计算时间低于DeB算法两个数量级，这使其适合在复杂的室内环境提供实时位置发现服务。

附图说明

图1为本发明系统定位模型；

图2为本发明一实施例圆上两弦确定圆心示意图；

图3为本发明一实施例使用边界标签点来构造弦示意图；

图4为本发明一实施例在角落处的标签应该从边界标签中去除示意图；

图5为定位误差分析示意图；

图6为角度阈值(α_t)对ArPat算法的影响；

图7(a)为ArPat在不同位置的定位误差；图7(b)为DeB在不同位置的定位误差；图7(c)为改进的ArPat与DeB准确性对比图；

图8为标签密度对ArPAt和DeB的影响；

图9为不规则度对ArPat和DeB的影响；

图10为ArPat和DeB的执行时间。

具体实施方式

1)系统模型

为了和已有的定位工作[3],[4],[7],[9],[10]相一致,我们采用[3]中使用的系统模型，它广泛使用在RFID读写器定位中。如图1所示，在一个六面体空间中，上下表面部署的是RFID参考标签，相邻参考标签之间的间隔为d，并且所有参考标签的位置是已知的。参考标签的位置可以存储在标签中，也可以存储在后台服务器中。当计算目标读写器的位置需要标签信息时，可以从服务器中获取。

在此模型中，我们假设定位目标携带着RFID读写器，我们通过定位读写器来定位移动的目标。读写器的查询区域假定为一个半径为R的椭圆。当投射到上下表面时，查询区域为一个半径为r的圆(投射到上下表面时，圆半径可能不一样)。RFID读写器在其查询区域中读取标签，ArPat使用参考标签的位置信息来确定读写器的位置。如图1所示，标记为黑色和白色的标签为读写器查询到的标签，它们被用来计算目标读写器的位置。

在实际环境中，由于读写器与参考标签通信的不规则性[3]，[10]，可能会产生missingreadings和fake readings。例如，图1所示，在读写器查询区域中，有一些参考标签没有被读写器成功读取，我们称这些标签为失读(missing reading)标签。而有一些标签，虽然超出了读写器的查询区域，但是被读写器读取到了，如图1中标记为黑色的标签，我们称之为误读(fake reading)标签。这两种标签的出现都会影响定位的精度。在我们的算法中，我们将采用DOI(Degree Of Irregularity)来研究通信不规则性对定位结果的影响。

2)问题描述

当读写器到达某一位置时，在它的查询区域内读取所有的参考标签，然后获得这些标签的位置信息(从后台服务器)，服务器则相应地计算读写器的位置。我们要解决的问题表述如下：

给定所读取到的参考标签和位置，如何高效、准确地计算目标读写器的位置？

3)理论基础

不同于以前通过迭代优化方法，ArPat使用一个简单的几何方法来计算目标读写器的位置。ArPat使用以下事实来确定读写器位置：如果我们知道圆上任意两条弦的端点，通过两条的弦的中垂线交点即为圆的中心。如图2所示，如果我们知道AB和CD两条弦，我们能通过两条弦的中垂线交点来确定圆心。这样读写器可以仅使用边界标签，而不需要先前算法中[3]，[9]，[10]使用所有的已查询到的参考标签。所以，在读写器读取到的所有参考标签中，我们需要找到边界标签。我们定义边界标签为在所有参考标签中凸包顶点所包含的标签。如图3所示，当目标读写器在O点时，它读到了13个参考标签，其中6个是边界标签(在图中标记为灰色)。任何两个边界标签点都可以形成圆上的一条弦。在图3中，标签A、B和C、D形成两条弦。然后，通过两条弦的中垂线交点作为目标读写器的估计定位点。

本算法中的边界标签不同于[3]，[9]中的外围标签。[3]，[9]中的外围标签为与没有读取到的标签相邻的标签集合。边界标签是外围标签的一个子集。例如，在图3中有10个外围，而只有6个是边界标签。标签E，F，G，H是外围标签但不是边界标签，因为它们是凸包的顶点。如果我们使用外围标签而不是边界标签时，则可能就会存在较大的误差，从而导致定位不准确。

4)边界标签的获取

为了构造弦，我们需要从已读取的参考标签中寻找边界标签。为了实现这个目的，我们首先使用Graham扫描算法[14]来找到所有读取到的参考标签的凸包顶点，然后移除不在凸包顶点上的标签。但是注意到在角落的标签应该从边界标签中移除。例如，如图4所示，标签H是凸包上的顶点，然而很明显它不是边界标签。因为参考标签的布置信息是提前知道的，因此很简单判定一个标签是否在角落或不是。

5)弦的选择

在获得所有的边界标签后，我们需要确定应该使用哪些标签构成弦，并确定圆心。当使用不同标签来确定读写器位置时会有不同的定位误差。这部分，我们首先分析弦的选择如何影响定位误差，然后提出一个启发式算法来选择弦以减少定位误差。

我们使用图5来分析弦的选择怎么影响定位误差。在图5中，四个边界标签，命名为A，B，C，D，它们用来构造两条弦AB和CD，计算得到的定位点为O'。然而，由于四个标签点都不在查询区域圆上，导致估计点O'偏离了实际位置点O。O与O'之间的距离表示定位误差。定位误差受两条弦的夹角，AB与A'B'中点的偏移量，CD与C'D'中点的偏移量的影响。

如图5所示，令AB与CD夹角为α，AB中点与A'B'中点的距离为△d₂，CD中点与C'D'中点的距离为△d₁，则读写器的定位误差(O与O'之间的距离)则为：

$\left|d_{{\mathrm{OO}}^{\′}}\right|=\sqrt{{\mathrm{\Δx}}_1^2+{\mathrm{\Δx}}_2^2-2\cos \mathrm{\α\Δ}{x}_1\mathrm{\Δ}{x}_2.}---\left(1\right)$

△x₁和△x₂为：

$\mathrm{\Δ}{x}_1=\frac{\mathrm{\Δ}{d}_1}{\sin \mathrm{\α}},\mathrm{\Δ}{x}_2=\frac{\mathrm{\Δ}{d}_2}{\sin \mathrm{\α}}---\left(2\right)$

所以，定位误差可以表示为：

$\left|d_{{\mathrm{OO}}^{\′}}\right|=\frac{1}{\sin \mathrm{\α}}*\sqrt{{\mathrm{\Δd}}_1^2+{\mathrm{\Δd}}_2^2-2\cos \mathrm{\α\Δ}{d}_1\mathrm{\Δ}{d}_2.}---\left(3\right)$

从(3)式我们可以得到以下两点：

第一，两条弦间的夹角α很大影响了定位误差。一方面，当α很小时，等式(3)中第一项将显著地放大定位误差。另一方面，当α很大时，定位误差由等式(3)的第二项所决定，同时随着α的增加，误差也逐渐增大。因此，我们应该谨慎地选择弦以至于最小化定位误差。

第二，当α固定时，定位误差表达式可重写为：

$\begin{array}{c}\left|d_{{\mathrm{OO}}^{\′}}\right|=\frac{1}{\sin \mathrm{\α}}\sqrt{{(\mathrm{\Δ}{d}_1-\mathrm{\Δ}{d}_2\cos \mathrm{\α})}^2+\mathrm{\Δ}{d}_2^2{\sin }^2\mathrm{\α}}\\ =\frac{1}{\sin \mathrm{\α}}\sqrt{{(\mathrm{\Δ}{d}_2-\mathrm{\Δ}{d}_1\cos \mathrm{\α})}^2+\mathrm{\Δ}{d}_1^2{\sin }^2\mathrm{\α}.}\end{array}$

由上可知，当△d₁＝△d₂cosα或△d₂＝△d₁cosα时，定位误差达到最小值。

如果△d₁和△d₂已知，我们根据等式(3)计算出定位误差。如果我们知道参考标签构成的弦(如AB和CD)的中点与圆上相对应的弦(A’B’和C’D’)的中点的偏移量，对任意的边界标签采用穷举搜索法就能够计算出定位误差，我们就能够决定采用最好的两条弦。然而，事实上△d₁和△d₂是未知的，并且我们不可能采用穷举搜索来寻找最好的两条弦。

在实际中，我们提出了一个启发式的算法来选择一个弦组合以减少定位误差。算法的伪代码在Algorithm 1中。首先，我们产生所有的可能弦，然后按长度进行排序。一般情况下，如果弦越长，弦的两个端点越可能在圆上，则△d越小。所以应该选择最长的弦来计算读写器的位置。其次，我们选择的两条弦要满足夹角大于一个阈值α_t。因为从前面的分析中可知，小角度将会放大定位误差。我们必须选择一个夹角足够大的两条弦。

-----------------------------------------------------------------------------------------------------------------

算法1弦的选择

1：得到所有弦的集合C

2：将集合C中的弦，按长度进行排序，如C＝{c₁,c₂,...,c_m}，其中如果i≤j，则len(c_i)≤len(c_j)3：从{c₂,...,c_m}中挑选出最长的弦c_j，满足c₁与c_j的夹角大于或等于α_t，如果没有弦满足此要求，则令c_j＝c₂。

4：使用c₁和c_j来计算目标读写器的位置。

-----------------------------------------------------------------------------------------------------------------

6)计算读写器的高度

在获得上下表面的坐标后，读写器的z轴值可以根据[3]中类似的方法得到。首先，计算读写器投影在上下表面所产生的圆的半径r_c,r_f，令高度为z，则有：

$z^2+r_f^2={(H-z)}^2+r_c^2=R^2---\left(4\right)$

H是六面体空间的高度，R是读写器探测半径。根据方程(4)，可得

$z=\frac{r_c^2-r_f^2+H^2}{2H}---\left(5\right)$

可以从[3]中找到关于z更详细的介绍。

参考文献：

[1]Jeffrey Hightower,Roy Want,and Gaetano Borriello.SpotON:An indoor 3dlocation sensing technology based on RF signal strength.UW CSE 00-02-02,University of Washington,Department of Computer Science and Engineering,Seattle,WA,February 2000.

[2]Lionel M Ni,Yunhao Liu,Yiu Cho Lau,and Abhishek P Patil.Landmarc:indoorlocation sensing using active RFID.Wireless networks,10(6):701–710,2004.

[3]Jullawadee Maneesilp,Chong Wang,Hongyi Wu,and Nian-Feng Tzeng.RFID supportfor accurate 3d localization.IEEE Transactions on Computers,62(7):1447–1459,2013.

[4]Po Yang,Wenyan Wu,Mansour Moniri,and Claude C Chibelushi.Efficient objectlocalization using sparsely distributed passive RFID tags.IEEE Transactions onIndustrial Electronics,60(12):5914–5924,2013.

[5]Mathieu Bouet and Guy Pujolle.L-virt:Range-free 3-d localization of RFIDtags based on topological constraints.Computer Communications,32(13):1485–1494,2009.

[6]Lionel M Ni,Dian Zhang,and Michael R Souryal.RFID-based localization andtracking technologies.IEEE Wireless Communications,18(2):45–51,2011.

[7]Kai Bu,Xuan Liu,Jiwei Li,and Bin Xiao.Less is more:Efficient RFID-based3d localization.In Proc.of MASS,pages 86–94,2013.

[8]Xiang Lu,Lei Xie,Yafeng Yin,Wei Wang,Baoliu Ye,and Sanglu Lu.Efficientlocalization based on imprecise anchors in RFID system.In Proc.of ICC,pages1–5,2014.

[9]Chong Wang,Hongyi Wu,and Nian-Feng Tzeng.RFID-based 3-d positioning schemes.In Proc.of Infocom,pages 1235–1243,2007.

[10]Weiping Zhu,Jiannong Cao,Yi Xu,Lei Yang,and Junjun Kong.FaulttolerantRFID reader localization based on passive rfid tags.In Proc.Of Infocom,pages2183–2191,2012.

[11]Xiaotao Liu,Mark D Corner,and Prashant Shenoy.Ferret:RFID localizationfor pervasive multimedia.In Proc.of UbiComp,pages 422–440.Springer,2006.

[12]Jue Wang and Dina Katabi.Dude,where’s my card？:RFID positioning that workswith multipath and non-line of sight.In Proce.of SIGCOMM,pages 51–62.ACM,2013.

[13]Fabian Kuhn,Roger Wattenhofer,and Aaron Zollinger.Ad hoc networks beyondunit disk graphs.Wireless Networks,14(5):715–729,2008.

[14]Thomas H Cormen,Charles E Leiserson,Ronald L Rivest,Clifford Stein,etal.Introduction to algorithms,volume 2,chapter 33,pages。

Claims (3)

1.一种基于边界标签的RFID读写器定位方法，其特征在于，包括以下步骤：

1)采用DeB方法的系统模型，该系统模型为六面体空间，所述六面体空间上、下表面均部署RFID参考标签；设定位目标携带目标RFID读写器，目标RFID读写器的查询区域为一个半径为R的椭圆；

2)在目标RFID读写器读取到的所有RFID参考标签中，找到边界标签；所述边界标签为在所有RFID参考标签中凸包顶点所包含的标签；

3)利用上述边界标签，得到边界标签构造的弦的集合C；将集合C中的弦，按长度进行排序，即C＝{c₁,c₂,...,c_m}，使得对两条弦c_i和c_j,如果i≤j，则len(c_i)≤len(c_j)；1≤i≤j≤m；其中len(c_i)为集合C中第i条弦的长度；从{c₂,...,c_m}中挑选出最长的弦c_max，并满足c₁与c_max的夹角大于或等于阈值α_t，如果没有弦满足此要求，则令c_max＝c₂；c₁和c_max的中垂线交点坐标即为目标RFID读写器的估计定位点在平面上的X轴和Y轴坐标值；m为集合C中弦的总数；

4)获取所述六面体空间上、下表面的X轴和Y轴坐标后，分别计算目标RFID读写器投影在六面体空间上、下表面所产生的圆的半径r_c,r_f，则目标RFID读写器的z轴值为：

$z=\frac{r_c^2-r_f^2+H^2}{2H};$

其中，H是六面体空间的高度。

2.根据权利要求1所述的基于边界标签的RFID读写器定位方法，其特征在于，所述步骤2)中，边界标签的确定方法为：使用Graham扫描方法找到所有读取到的RFID参考标签的凸包顶点，然后移除不在凸包顶点上的RFID参考标签，即得到边界标签。

3.根据权利要求2所述的基于边界标签的RFID读写器定位方法，其特征在于，所述步骤3)中，阈值α_t取值范围为15°～60°。