发明内容
本发明需解决的问题是提供一种适于无源超高频RFID的定位性能评价方法。
基于该方法,以阅读器最大功率发射能级为基准,对无源LANDMARC算法定位精度及定位效率进行量化分析,提出适于评价定位性能的品质函数。
1、一种适于无源超高频RFID的定位性能评价方法,包括下列步骤:
步骤1:基于典型对数路径损耗模型,设定发射功率Pt(R)对应的读写区域辐射半径R、无源标签激活门限Pr、阅读器天线增益Gr、标签天线增益Gt、相邻功率发射能级的功率步长Ip,建立阅读器功率发射能级和辐射的映射关系,计算出读写区域各能级的辐射半径;
步骤2:根据LANDMARC算法,估计定位标签的位置;
步骤3:以选取全局均方根误差RMSEtol为指标评价无源LANDMARC算法的定位精度,以全局平均耗时Ttol为指标评价无源LANDMARC算法的定位效率;
步骤4:获取多阅读器并行工作、多天线复用串行工作两种典型工作方式的Ttol表达方法;
步骤5:采用联合控制机制,根据全局优化目标函数的构建方法,以全局均方根误差最小化、全局平均耗时最小化为目标,引入最大可接受全局均方根误差最大可接受全局平均耗时构建适于评价无源LANDMARC算法的定位性能品质函数 其中k1、k2是品质权重,ρ分别是阅读器最大功率发射能级、参考标签布设密度;
步骤6:依据CWA(ConventionalWeightAggregation,典型权重聚焦)算法令k1、k2满足
步骤7:依据DWA(DynamicWeightAggregation,动态权重聚焦)算法获取基于帕雷托边界的权重系数配置方式;
步骤8:若依步骤7得出的k1、k2在帕雷托边界曲线上,且基于当前k1、k2得到的最小M满足和则认定CWA算法选取的k1、k2有效。否则,在帕雷托边界曲线上重新选取同时满足 和 的一组k1、k2;
步骤9:依据步骤8中的k1、k2,获得定位性能品质函数的具体表达形式;
步骤10:将多组和ρ的配置方式带入到定位性能品质函数中,选取定位性能品质函数数值最小的一组和ρ并认定其具有最佳的定位性能。
具体实施方式:
本发明的主旨是提出一种适于无源超高频RFID的定位性能评价方法,该方法结合路径损耗模型,以阅读器最大功率发射能级为基准对无源LANDMARC算法定位精度及定位效率进行量化分析,所提方法对于无源定位系统的性能评定及参数选择,兼顾定位精度和系统效率,具有重要的指导意义。
下面结合附图1、附图2、附图3、附图4、附图5、附图6对本发明实施方式作进一步地详细描述。
一、阅读器功率发射能级和辐射半径映射关系的建立
首先设定发射功率Pt(R)对应的读写区域辐射半径R、无源标签激活的门限值Pr、阅读器和标签的天线增益Gr、Gt,基于典型对数路径损耗模型,可得 然后设定阅读器最大发射功率不变,计算出读写区域的最大辐射半径最后,设定相邻功率发射能级的功率步长为Ip,建立阅读器功率发射能级和辐射半径的映射关系:
二、系统定位精度和定位效率的评价
首先依据LANDMARC算法,估计定位标签的位置,以全局均方根误差RMSEtol为指标评价无源LANDMARC算法的定位精度,其中 其中C表示定位环境中的定位标签个数,表示第i个标签的实际位置,表示单次估计误差,E(·)表示求期望。
然后以全局平均耗时Ttol为指标评价无源LANDMARC算法的定位效率,令其中为完成第l次定位服务的耗时,且有其中表示系统在完成第l次定位服务过程中对C个定位标签执行LANDMARC算法运算的耗时,表示系统在完成第l次定位服务过程中对全部阅读器功率发射能级调整的综合耗时,表示系统在完成第l次定位服务过程中对全部阅读器读取标签的综合耗时。
在多阅读器并行工作方式下,有从而
在多天线复用串行工作方式下,有从而
其中tc是单个标签定位耗时,其中分别表示第u个阅读器在第l次定位中的读取标签耗时和能级切换耗时,分别有
Tzu=hu·tz(5)
其中,J表示采用ALOHA算法的耗时函数,δ为时隙个数,对于动态帧时隙ALOHA算法,δ为一定值。表示当第u阅读器工作在第i个功率发射能级条件下检测到的参考标签数和定位标签数,tz表示相邻能级间的调整时间,且当第u阅读器工作降低了hu个能级后,不再有定位标签被读到,此时第u阅读器停止发射功率信号,切换至休眠模式,结束定位操作。附图1所示为全局平均耗时的计算流程。
三、适于评价无源LANDMARC算法的定位性能品质函数的构建
根据全局优化目标函数的构建方法,采用联合控制机制,以全局均方根误差最小、全局平均耗时最小化为目标,引入最大可接受全局均方根误差最大可接受全局平均耗时构建适于评价无源LANDMARC算法的定位性能品质函数
其中k1、k2是品质权重,ρ分别是阅读器功率最大发射能级、参考标签布设密度,
依据CWA算法,令k1、k2满足
然后选取DWA算法对式(7)中的权重系数的关系进行性能评价。依据DWA算法寻优机理,令权重系数按式(8)、(9)周期变化,以获得基于帕雷托边界的多种权重系数配置方式。
k1(f)=|sin(2πf/F)|(8)
k2(f)=1.0-k1(f)(9)
其中,F表示权重系数变化的频率,f表示权重系数的寻优尺度。
鉴于帕雷托边界是指在某种既定的资源配置状态下,任何改变都不可能使当前的状况变好或变坏。因此,满足帕雷托最优状态标准的资源配置可以被认为最优配置方法。
若式(7)得出的k1、k2在DWA算法的帕雷托边界曲线上,且基于当前k1、k2得到的最小M满足和则认定CWA算法选取的k1、k2有效,否则,在帕雷托边界曲线上重新选取同时满足 和 的一组k1、k2。
最后,获得定位性能品质函数的具体表达形式,将多组和ρ的资源配置方式带入到定位性能品质函数中,选取定位性能品质函数数值最小的一组和ρ并认定其具有最佳的定位性能,附图2所示为定位性能评估流程框图。
四、实例分析说明
下面结合实例通过图3、图4、图5、图6对上述实施方式进行说明。
假设无源LANDMARC算法引入4个阅读器对30个定位标签进行定位,参考标签分别以4×4、5×5、…、15×15方式均匀布设,阅读器最大功能能级分别为4、8、16、32、…、128,采用动态帧时隙ALOHA防碰撞算法,帧长64,阅读器请求时间52ms,时隙响应时间4.9ms,tz=50ms,tc=10ms,进行蒙特卡洛300次试验。在多阅读器并行条件下:在多天线复用串行条件下:选取CWA算法确定权重系数的关系,在多阅读器并行条件下,令k1/k2=40/0.7=57.14,在多天线复用串行条件下,令k1/k2=80/0.8=100。附图3和附图4分别反映了两种工作模式采用CWA/DWA算法对权重系数寻优而得到的帕雷托边界。观察可见,对于两种工作方式,由CWA算法推荐的权重配置均有和且推荐的权重配置处于DWA算法的帕雷托边界上,因此CWA算法选取的k1、k2有效。
如附图5所示,在多阅读器并行工作模式下,最优性能配置为参考标签以10*10排列,阅读器最大能级为16,此时RMSEtol=0.54624m,Ttol=18.2748s,符合既定要求,且品质函数为0.85118。如附图6所示,在多天线复用串行工作模式下,最优性能配置为参考标签以7*7排列,阅读器最大能级为16,此时RMSEtol=0.66732m,Ttol=47.458s,符合既定要求,且品质函数为1.1305。