CN107153800A - 一种基于改进鸡群算法的超高频射频识别定位系统的阅读器天线优化部署方案 - Google Patents

一种基于改进鸡群算法的超高频射频识别定位系统的阅读器天线优化部署方案 Download PDF

Info

Publication number
CN107153800A
CN107153800A CN201710319413.XA CN201710319413A CN107153800A CN 107153800 A CN107153800 A CN 107153800A CN 201710319413 A CN201710319413 A CN 201710319413A CN 107153800 A CN107153800 A CN 107153800A
Authority
CN
China
Prior art keywords
reader
chicken group
label
algorithm
hen
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710319413.XA
Other languages
English (en)
Other versions
CN107153800B (zh
Inventor
史伟光
许信光
郭阳
赵靖
曹宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Beiyang Rongke Intelligent Technology Co Ltd
Tianjin Polytechnic University
Original Assignee
Tianjin Beiyang Rongke Intelligent Technology Co Ltd
Tianjin Polytechnic University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin Beiyang Rongke Intelligent Technology Co Ltd, Tianjin Polytechnic University filed Critical Tianjin Beiyang Rongke Intelligent Technology Co Ltd
Priority to CN201710319413.XA priority Critical patent/CN107153800B/zh
Publication of CN107153800A publication Critical patent/CN107153800A/zh
Application granted granted Critical
Publication of CN107153800B publication Critical patent/CN107153800B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
    • G06K7/10019—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers.
    • G06K7/10079—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers. the collision being resolved in the spatial domain, e.g. temporary shields for blindfolding the interrogator in specific directions
    • G06K7/10089—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers. the collision being resolved in the spatial domain, e.g. temporary shields for blindfolding the interrogator in specific directions the interrogation device using at least one directional antenna or directional interrogation field to resolve the collision
    • G06K7/10099—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers. the collision being resolved in the spatial domain, e.g. temporary shields for blindfolding the interrogator in specific directions the interrogation device using at least one directional antenna or directional interrogation field to resolve the collision the directional field being used for pinpointing the location of the record carrier, e.g. for finding or locating an RFID tag amongst a plurality of RFID tags, each RFID tag being associated with an object, e.g. for physically locating the RFID tagged object in a warehouse
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
    • G06K7/10316—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves using at least one antenna particularly designed for interrogating the wireless record carriers
    • G06K7/10346—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves using at least one antenna particularly designed for interrogating the wireless record carriers the antenna being of the far field type, e.g. HF types or dipoles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Toxicology (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Variable-Direction Aerials And Aerial Arrays (AREA)

Abstract

一种基于改进鸡群算法的超高频射频识别定位系统的阅读器天线优化部署方案，具体包括以下步骤：对多目标阅读器定位天线部署问题确定优化目标的评价指标；建立优化目标函数；确定部署优化过程的约束条件；设计改进鸡群算法；进行迭代运算，输出全局最优适应值和最优解，从而得到符合超高频射频识别定位需求的解，并对阅读器天线进行最终的调度方案。本发明在满足阅读器天线数目与空间约束等条件下，将定位几何精度、定位覆盖率和通信干扰为综合优化目标，采用改进的鸡群算法对优化问题进行求解，在保证算法收敛速度的同时大大提高了寻优解的质量。

Description

一种基于改进鸡群算法的超高频射频识别定位系统的阅读器 天线优化部署方案
技术领域
本发明属于移动无线通信技术领域，涉及一种基于改进鸡群算法的超高频射频识别定位系统的阅读器天线优化部署方案。
背景技术
随着环境感知在室内导航、物流管理、控制接入、实时监控等领域的广泛应用，基于超高频射频识别(Ultra High Frequency Radio Frequency Identification，UHFRFID)的定位技术的研究备受关注。现有UHF RFID定位系统中的阅读器天线大多使用微带天线，主要由底层的导体接地板、中间的介质基片和上面贴加的导体薄片三部分组成。阅读器天线的空间电磁辐射模型由主瓣、副瓣组成，其中主瓣是其主要传播方向，阅读器天线摆放的位姿不同，其辐射方向也不同。
在大规模的UHF RFID定位系统中，阅读器天线的部署方式至关重要。阅读器天线的数目、分布、辐射方向和阅读器的发射功率等条件都不同程度上影响着系统功耗、定位精度、覆盖程度、通信干扰等定位系统的性能参数，合理部署大规模UHF RFID定位系统中的阅读器天线的规划方式，对于全面提升定位系统的性能，具有重要的理论研究意义和实际应用价值，相关研究已经成为射频识别领域和物联网相关技术领域的研究热点。
目前，研究人员通常采用智能优化算法求解超高频射频识别定位系统的阅读器天线优化部署问题，采用的智能优化算法主要包括遗传算法、粒子群算法、细菌觅食算法、模拟退火算法等等，上述算法在一定程度上可以获得较好的优化部署效果，但仍存在容易陷入最优解和收敛速度慢的缺陷。2014年，Meng Xianbing等人提出了一种全新的鸡群优化算法(Chicken Swarm Optimization，CSO)，该算法是模拟鸡群觅食行为的一种随机优化算法，相比于其他智能优化算法，其优点主要体现在两方面：(1)鸡群优化算法中的多种位置更新策略有利于在确定性与随机性之间取得平衡，扩大了有效搜索空间；(2)鸡群优化算法通过建立等级秩序，不同鸡群间可以协同觅食，有利于鸡群保持种群多样性，使算法不易陷入局部极值。多种测试函数的仿真结果表示，鸡群优化算法可以在复杂问题的优化求解问题中获得更好的寻优精度和寻优速度。因此，围绕鸡群算法进行相关改进并应用于实际的优化问题求解，已经成为研究人员的工作重点，并引起了广泛关注。
发明内容
本发明的目的是，提供一种基于改进鸡群算法的超高频射频识别定位系统的阅读器天线优化部署方案。本发明能够有效解决现有技术在求解多天线参数优化部署问题时存在的标签定位性能较低、算法的收敛精度低、收敛速度慢的问题。本发明的具体内容包括以下步骤：
步骤1：依据弗里斯功率损耗模型，建立融合前向链路特征和后向链路特征的超高频射频识别定位系统的信道模型，假设标签数量为N，阅读器数量为M，各阅读器的最大发射功率为Pmax，第j个标签接收到第i个阅读器的场强值为第i个阅读器接收到第j个标签的场强值为标签激活阈值为阅读器激活阈值为则可以获得前向链路的激活条件为后向链路的激活条件为其中i∈[1，M]，j∈[1，N]，以此精确评估前向链路和后向链路的状态。
步骤2：结合步骤1所提信道模型，引入有效观测因子矢量评估信道链路状态，定义第j标签在全部阅读器上的有效观测因子矢量为ONj＝{ONj1，ONj2，…，ONjM}，其中ONji为第j标签与第i个阅读器的通信链路有效观测因子，且有ONji＝OFji×OBji，OFji和OBji分别表示前向链路和后向链路的激活状态，且满足 当ONji＝1时，表示该观测量有效且可用于定位，当ONji＝0时，表示该观测量无效且不可用于定位。
步骤3：结合步骤1所提信道模型和步骤2中所提有效观测因子矢量，引入系统覆盖因子确定来规范定位精度、覆盖程度、通信干扰的表示方法，定义第j个标签的几何精度因子为GDOPj，定义第j标签的覆盖因子Cj，且满足基于三边定位和三角定位思想，对于任一定位标签，仅当有三个及以上有效观测量时，该标签的几何精度因子才有效，若有效观测量低于三个，则该标签的几何精度因子无效，进而可以获得加权平均几何精度因子并以此构建系统的定位精度评价函数f1，且有f1越小，定位精度越高，同时可以构建系统的定位覆盖程度评价函数f2和系统的通信干扰程度评价函数f3，且有 f2表示系统中标签的未覆盖程度，f2越小，标签未覆盖程度越低，标签覆盖程度越高，f3表示系统中标签干扰和阅读器干扰的均衡值，f3越小，通信干扰越小，其中ITFTAG和ITFREADER分别为系统的全局标签干扰和系统的全局阅读器干扰，且有和表示第j个标签受到的干扰，表示第i个阅读器受到的干扰，且满足和
步骤4：将系统中各阅读器天线的位置姿态作为优化变量，围绕定位精度最大化、覆盖程度最大化、通信干扰最小化构建超高频射频识别定位系统的阅读器部署的优化目标函数F(Ω)＝v1f1+v2f2+v3f3，其中Ω＝[(x1，y1，z1，φ1，θ1)，(x2，y2，z2，φ2，θ2)，…，(xM，yM，zM，φM，θM)]表示寻求的优化部署方案，xi、yi、zi、φi、θi分别表示第i个阅读器天线在三维直角坐标系中的X轴坐标、Y轴坐标、Z轴坐标、水平旋转角、竖直俯仰角，v1、v2、v3分别表示3个目标函数的所占权重。
步骤5：设计改进鸡群算法对步骤4中的优化问题进行求解，生成规模为Q的鸡群，鸡群中的每个个体对应优化问题的一种部署方案，选取各阅读器的初始位置姿态作为初始部署方案ΩI，并围绕ΩI生成初始种群，定义鸡群中公鸡、母鸡、小鸡和妈妈母鸡的个数分别为QR、QH、QC、QM，计算鸡群全部个体的适应度值，建立鸡群等级制度，依据适应度值的优劣确定鸡群个体的角色种类，适应度值最好的若干个体作为公鸡，具有最差适应度值的若干个体作为小鸡，剩余的个体就作为母鸡，母鸡和小鸡的母子关系采用随机方式建立。
步骤6：将公鸡扩展策略、差异分组策略、进化均衡策略应用于鸡群等级制度的建立。其中，公鸡扩展策略可以描述为：将适应度值最差的QU个个体定义为底层个体，鉴于其较差的适应度难以对进化过程产生有益影响且会引入不必要的计算量，采用公鸡个体的状态替代底层个体的状态，替代操作结束后，公鸡的规模扩展为QR+QU，为便于系统设计，令QU是QR的整数倍。差异分组策略可以描述为：将扩展后的鸡群按个体差异特性分为QR个分组，每个分组内包括(QU/QR+1)个相同状态的公鸡，有别于典型鸡群算法中的母鸡采用随机方式选择归属的公鸡，差异分组策略中的母鸡加入具备最近欧氏距离的公鸡分组以提高寻优速度，小鸡加入其妈妈母鸡所在分组，将各个分组分为(QU/QR+1)个子分组，每个子分组中有一个公鸡、若干母鸡和一些小鸡组成。进化均衡策略可以描述为：为了均衡进化过程中的收敛性和多样性，在进化初期，令QR取值较小以保证寻优收敛速度，在进化中后期，逐步增加QR取值以保证寻优多样性防止陷入局部最优。
步骤7；先后采用贡献度评价机制、限维度扰动机制、尺度规划机制对鸡群中的全部公鸡进行状态更新。其中，的贡献度评价机制可以描述为：结合信号链路状态评价各阅读器天线对系统性能的贡献度αi，且有αi亦为第i个阅读器能够实现有效读取的标签个数，读取的标签数量越多，贡献度越大。限维度扰动机制可以描述为：若个体中存在贡献度为零的阅读器，则随机选取上述阅读器中的一个在其所在优化维度上进行状态更新，个体中的其他阅读器不允许进行状态更新。若个体中不存在贡献度为零的阅读器，则随机选取一个阅读器进行状态更新。尺度规划机制可以描述为：在寻优初期，公鸡允许在大范围内进行广度寻优，随着迭代次数不断增加，寻优范围不断缩小以便于深度寻优，采用线性规划方法对寻优尺度予以限制，则公鸡的更新过程可以表示为其中γ＝[γx，γy，γz·γφ，γθ]，γ表示扰动向量，e表示规划向量，γx、γy、γz、γφ、γθ分别表示阅读器在位姿各个维度上的扰动量，emax和emin分别表示最大规划尺度和最小规划尺度，t表示当前迭代次数，T表示迭代次数上限。
步骤8：采用粒子记忆机制对鸡群中的全部母鸡进行状态更新。其中，粒子记忆机制可以描述为：考虑到典型鸡群算法中的母鸡预更新的状态优于当前状态时更新操作才生效，为了降低预更新过程引起不必要的计算损失，借鉴粒子群优化算法中的速度更新和状态更新并行实施的策略，将母鸡的更新公式修正为 式中分别表示第t+1次迭代中和第t次迭代中第q个母鸡粒子在第w个优化维度上的进化速度，ω为惯性权重，c1、c2为学习因子，r1、r2为服从0到1均匀分布的随机数，分别表示第t+1次迭代中和第t次迭代中第q个母鸡粒子在第w个优化维度上的状态，表示当前母鸡所在子分组中公鸡在第t次迭代中在第w个优化维度上的状态，表示当前母鸡在更新过程中找到的最佳方案对应于第w个优化维度上的状态，其中q∈[1，QH]，w∈[1，5M]。
步骤9：采用典型鸡群算法对鸡群中的全部小鸡进行状态更新。
步骤10：进行迭代运算，当迭代次数达到上限时，终止寻优过程并输出最终的最优部署方式，根据该方式完成超高频射频识别定位系统中的阅读器天线部署。
本发明实现了一种基于改进鸡群算法的超高频射频识别定位系统的阅读器天线优化部署方案，该方法将系统中的各阅读器的位置姿态作为优化变量，围绕定位精度最大化、覆盖程度最大化、通信干扰最小化构建超高频射频识别定位系统的阅读器部署的优化目标函数，使用改进的鸡群算法对优化问题进行求解，将公鸡扩展策略、差异分组策略、进化均衡策略应用于鸡群等级制度的建立，并先后采用贡献度评价机制、限维度扰动机制、尺度规划机制对鸡群中的全部公鸡进行状态更新，采用粒子记忆机制对鸡群中的全部母鸡进行状态更新，在保证算法收敛速度的同时大大提高了寻优解的质量。
附图说明：
图1是本发明流程框图；
图2是本发明阅读器天线部署场景图；
图3是本发明阅读器天线优化部署示意图。
具体实施方式：
本发明的主旨是提出一种基于改进鸡群算法的超高频射频识别定位系统的阅读器天线优化部署方案，该方法获得的阅读器天线部署方式能够有效地提升系统的定位性能。
下面结合附图1、附图2、附图3对本发明实施方式作进一步地详细描述。
对超高频射频识别定位系统的阅读器天线优化部署问题进行数学描述，依据弗里斯功率损耗模型，建立融合前向链路特征和后向链路特征的超高频射频识别定位系统的信道模型，将系统中各阅读器天线的位置姿态作为优化变量，围绕定位精度最大化、覆盖程度最大化、通信干扰最小化构建超高频射频识别定位系统的阅读器部署的优化目标函数为
F(Ω)＝v1f1+v2f2+v3f3 (1)
其中Ω＝[(x1，y1，z1，φ1，θ1)，(x2，y2，z2，φ2，θ2)，…，(xM，yM，zM，φM，θM)]表示寻求的优化部署方案，xi、yi、zi、φi、θi分别表示第i个阅读器天线在三维直角坐标系中的X轴坐标、Y轴坐标、Z轴坐标、水平旋转角、竖直俯仰角，f1、f2、f3分别表示定位精度评价函数，定位覆盖程度评价函数和通信干扰程度评价函数，v1、v2、v3分别表示3个目标函数的所占权重。
假设标签数量为N，阅读器数量为M，各阅读器的最大发射功率为Pmax，第j个标签接收到第i个阅读器的场强值为第i个阅读器接收到第j个标签的场强值为标签激活阈值为阅读器激活阈值为则可以获得前向链路的激活条件为后向链路的激活条件为其中i∈[1，M]，j∈[1，N]，以此精确评估前向链路和后向链路的状态；引入有效观测因子矢量评估信道链路状态，定义第j标签在全部阅读器上的有效观测因子矢量为
ONj＝{ONj1，ONj2，…，ONjM} (2)
其中ONji为第j标签与第i个阅读器的通信链路有效观测因子，且有ONji＝OFji×OBji，OFji和OBji分别表示前向链路和后向链路的激活状态，且满足
即当ONji＝1时，表示该观测量有效且可用于定位，当ONji＝0时，表示该观测量无效且不可用于定位。引入系统覆盖因子确定来规范定位精度、覆盖程度、通信干扰的表示方法，定义第j个标签的几何精度因子为GDOPj，定义第j标签的覆盖因子Cj，且满足
基于三边定位和三角定位思想，对于任意定位标签，仅当有三个及以上有效观测量时，该标签的几何精度因子才有效，若有效观测量低于三个，则该标签的几何精度因子无效，进而可以获得加权平均几何精度因子并以此构建系统的定位精度评价函数f1，且有
上式可以理解为f1越小，定位精度越高，同时可以构建系统的定位覆盖程度评价函数f2和系统的通信干扰程度评价函数f3，且有
其中，f2表示系统中标签的未覆盖程度，f2越小，标签未覆盖程度越低，标签覆盖程度越高，f3表示系统中标签干扰和阅读器干扰的均衡值，f3越小，通信干扰越小，其中ITFTAG和ITFREADER分别为系统的全局标签干扰和系统的全局阅读器干扰，且有
其中表示第j个标签受到的干扰，表示第i个阅读器受到的干扰，且满足
建立部署优化过程的约束条件。天线俯仰角θm满足0≤θm≤π，天线旋转角φm满足0≤φm≤2π，天线坐标为(xi，yi)坐落在工作区间。
设计改进鸡群算法对优化问题进行求解，生成规模为Q的鸡群，鸡群中的每个个体对应优化问题的一种部署方案，选取各阅读器的初始位置姿态作为初始部署方案ΩI，并围绕ΩI生成初始种群，定义鸡群中公鸡、母鸡、小鸡和妈妈母鸡的个数分别为QR、QH、QC、QM，计算鸡群全部个体的适应度值，建立鸡群等级制度，依据适应度值的优劣确定鸡群个体的角色种类，适应度值最好的若干个体作为公鸡，具有最差适应度值的若干个体作为小鸡，剩余的个体就作为母鸡，母鸡和小鸡的母子关系采用随机方式建立，将公鸡扩展策略、差异分组策略、进化均衡策略应用于鸡群等级制度的建立，先后采用贡献度评价机制、限维度扰动机制、尺度规划机制对鸡群中的全部公鸡进行状态更新，采用粒子记忆机制对鸡群中的全部母鸡进行状态更新，采用典型鸡群算法对鸡群中的全部小鸡进行状态更新。
如图1所示，改进鸡群算法进行迭代运算，当迭代次数达到上限时，终止寻优过程并输出最终的最优部署方式，根据该方式完成超高频射频识别定位系统中的阅读器天线部署。
以下通过具体实施例对本发明的优化部署方法予以简要说明，如图2所示，在30m×30m的室内放置一台输送带，需要对其上面放置的货物的定位性能达到最优。部署条件包括阅读器天线16个，发射功率1W，阅读器天线放置高度距输送带2.5m。对输送带均匀采样，获得89个标签坐标近似代替货物在输送带上经过的不同位置。v1、v2、v3分别1、3000、3000，则超高频射频识别定位系统的阅读器部署的优化目标函数F(Ω)＝f1+3000(f2+f3)。
基于改进鸡群算法的超高频射频识别定位系统的阅读器天线优化部署方案结果如图3所示，此时围绕定位精度最大化、覆盖程度最大化、通信干扰最小化构建超高频射频识别定位系统的定位性能达到最优F(Ω)＝286.55，其中，定位精度评价函数f1＝133.94，定位覆盖程度评价函数f2＝0.0337，通信干扰程度评价函数f3＝0.0172，对应获得的各阅读器天线的位姿部署方案如公式(13)所示：

Claims (4)

1.一种基于改进鸡群算法的超高频射频识别定位系统的阅读器天线优化部署方案，其具体步骤如下：
步骤1：依据弗里斯功率损耗模型，建立融合前向链路特征和后向链路特征的超高频射频识别定位系统的信道模型，假设标签数量为N，阅读器数量为M，各阅读器的最大发射功率为Pmax，第j个标签接收到第i个阅读器的场强值为第i个阅读器接收到第j个标签的场强值为标签激活阈值为阅读器激活阈值为则可以获得前向链路的激活条件为后向链路的激活条件为其中i∈[1，M]，j∈[1，N]，以此精确评估前向链路和后向链路的状态；
步骤2：结合步骤1所提信道模型，引入有效观测因子矢量评估信道链路状态，定义第j标签在全部阅读器上的有效观测因子矢量为ONj＝{ONj1，ONj2，…，ONjM}，其中ONji为第j标签与第i个阅读器的通信链路有效观测因子，且有ONji＝OFji×OBji，OFji和OBji分别表示前向链路和后向链路的激活状态，且满足 当ONji＝1时，表示该观测量有效且可用于定位，当ONji＝0时，表示该观测量无效且不可用于定位；
步骤3：结合步骤1所提信道模型和步骤2中所提有效观测因子矢量，引入系统覆盖因子确定来规范定位精度、覆盖程度、通信干扰的表示方法，定义第j个标签的几何精度因子为GDOPj，定义第j标签的覆盖因子Cj，且满足基于三边定位和三角定位思想，对于任一定位标签，仅当有三个及以上有效观测量时，该标签的几何精度因子才有效，若有效观测量低于三个，则该标签的几何精度因子无效，进而可以获得加权平均几何精度因子并以此构建系统的定位精度评价函数f1，且有f1越小，定位精度越高，同时可以构建系统的定位覆盖程度评价函数f2和系统的通信干扰程度评价函数f3，且有f2表示系统中标签的未覆盖程度，f2越小，标签未覆盖程度越低，标签覆盖程度越高，f3表示系统中标签干扰和阅读器干扰的均衡值，f3越小，通信干扰越小，其中ITFTAG和ITFREADER分别为系统的全局标签干扰和系统的全局阅读器干扰，且有和 表示第j个标签受到的干扰，表示第i个阅读器受到的干扰，且满足和
步骤4：将系统中各阅读器天线的位置姿态作为优化变量，围绕定位精度最大化、覆盖程度最大化、通信干扰最小化构建超高频射频识别定位系统的阅读器部署的优化目标函数F(Ω)＝v1f1+v2f2+v3f3，其中Ω＝[(x1，y1，z1，φ1，θ1)，(x2，y2，z2，φ2，θ2)，…，(xM，yM，Zm，φM，θM)]表示寻求的优化部署方案，xi、yi、zi、φi、θi分别表示第i个阅读器天线在三维直角坐标系中的X轴坐标、Y轴坐标、Z轴坐标、水平旋转角、竖直俯仰角，v1、v2、v3分别表示3个目标函数的所占权重；
步骤5：设计改进鸡群算法对步骤4中的优化问题进行求解，生成规模为Q的鸡群，鸡群中的每个个体对应优化问题的一种部署方案，选取各阅读器的初始位置姿态作为初始部署方案ΩI，并围绕ΩI生成初始种群，定义鸡群中公鸡、母鸡、小鸡和妈妈母鸡的个数分别为QR、QH、QC、QM，计算鸡群全部个体的适应度值，建立鸡群等级制度，依据适应度值的优劣确定鸡群个体的角色种类，适应度值最好的若干个体作为公鸡，具有最差适应度值的若干个体作为小鸡，剩余的个体就作为母鸡，母鸡和小鸡的母子关系采用随机方式建立；
步骤6：将公鸡扩展策略、差异分组策略、进化均衡策略应用于鸡群等级制度的建立；
步骤7；先后采用贡献度评价机制、限维度扰动机制、尺度规划机制对鸡群中的全部公鸡进行状态更新；
步骤8：采用粒子记忆机制对鸡群中的全部母鸡进行状态更新；
步骤9：采用典型鸡群算法对鸡群中的全部小鸡进行状态更新；
步骤10：进行迭代运算，当迭代次数达到上限时，终止寻优过程并输出最终的最优部署方式，根据该方式完成超高频射频识别定位系统中的阅读器天线部署。
2.一种基于改进鸡群算法的超高频射频识别定位系统的阅读器天线优化部署方案，其特征在于，步骤6中的公鸡扩展策略可以描述为：将适应度值最差的QU个个体定义为底层个体，鉴于其较差的适应度难以对进化过程产生有益影响且会引入不必要的计算量，采用公鸡个体的状态替代底层个体的状态，替代操作结束后，公鸡的规模扩展为QR+QU，为便于系统设计，令QU是QR的整数倍；步骤6中的差异分组策略可以描述为：将扩展后的鸡群按个体差异特性分为QR个分组，每个分组内包括(QU/QR+1)个相同状态的公鸡，有别于典型鸡群算法中的母鸡采用随机方式选择归属的公鸡，差异分组策略中的母鸡加入具备最近欧氏距离的公鸡分组以提高寻优速度，小鸡加入其妈妈母鸡所在分组，将各个分组分为(QU/QR+1)个子分组，每个子分组中有一个公鸡、若干母鸡和一些小鸡组成；步骤6中的将进化均衡策略可以描述为：为了均衡进化过程中的收敛性和多样性，在进化初期，令QR取值较小以保证寻优收敛速度，在进化中后期，逐步增加QR取值以保证寻优多样性防止陷入局部最优。
3.一种基于改进鸡群算法的超高频射频识别定位系统的阅读器天线优化部署方案，其特征在于，步骤7中的贡献度评价机制可以描述为：结合信号链路状态评价各阅读器天线对系统性能的贡献度αi，且有αi亦为第i个阅读器能够实现有效读取的标签个数，读取的标签数量越多，贡献度越大；步骤7中的限维度扰动机制可以描述为：若个体中存在贡献度为零的阅读器，则随机选取上述阅读器中的一个在其所在优化维度上进行状态更新，个体中的其他阅读器不允许进行状态更新。若个体中不存在贡献度为零的阅读器，则随机选取一个阅读器进行状态更新；步骤7中的尺度规划机制可以描述为：在寻优初期，公鸡允许在大范围内进行广度寻优，随着迭代次数不断增加，寻优范围不断缩小以便于深度寻优，采用线性规划方法对寻优尺度予以限制，则公鸡的更新过程可以表示为其中r＝[rx，ry，rz·rφ，rθ]，r表示扰动向量，e表示规划向量，rx、ry、rz、rφ、rθ分别表示阅读器在位姿各个维度上的扰动量，emax和emin分别表示最大规划尺度和最小规划尺度，t表示当前迭代次数，T表示迭代次数上限。
4.一种基于改进鸡群算法的超高频射频识别定位系统的阅读器天线优化部署方案，其特征在于，步骤8中，粒子记忆机制可以描述为：考虑到典型鸡群算法中的母鸡预更新的状态优于当前状态时更新操作才生效，为了降低预更新过程引起不必要的计算损失，借鉴粒子群优化算法中的速度更新和状态更新并行实施的策略，将母鸡的更新公式修正为 式中分别表示第t+1次迭代中和第t次迭代中第q个母鸡粒子在第w个优化维度上的进化速度，ω为惯性权重，c1、c2为学习因子，r1、r2为服从0到1均匀分布的随机数，分别表示第t+1次迭代中和第t次迭代中第q个母鸡粒子在第w个优化维度上的状态，表示当前母鸡所在子分组中公鸡在第t次迭代中在第w个优化维度上的状态，表示当前母鸡在更新过程中找到的最佳方案对应于第w个优化维度上的状态，其中q∈[1，QH]，w∈[1，5M]。
CN201710319413.XA 2017-05-04 2017-05-04 一种适于uhfrfid定位系统的阅读器天线优化部署方法 Active CN107153800B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710319413.XA CN107153800B (zh) 2017-05-04 2017-05-04 一种适于uhfrfid定位系统的阅读器天线优化部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710319413.XA CN107153800B (zh) 2017-05-04 2017-05-04 一种适于uhfrfid定位系统的阅读器天线优化部署方法

Publications (2)

Publication Number Publication Date
CN107153800A true CN107153800A (zh) 2017-09-12
CN107153800B CN107153800B (zh) 2020-01-10

Family

ID=59792779

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710319413.XA Active CN107153800B (zh) 2017-05-04 2017-05-04 一种适于uhfrfid定位系统的阅读器天线优化部署方法

Country Status (1)

Country Link
CN (1) CN107153800B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107657098A (zh) * 2017-09-15 2018-02-02 哈尔滨工程大学 基于量子鸡群演化机制的环形天线阵列稀疏方法
CN108830246A (zh) * 2018-06-25 2018-11-16 中南大学 一种交通环境行人多维运动特征视觉提取方法
CN109474942A (zh) * 2018-12-17 2019-03-15 中国联合网络通信集团有限公司 无线网络优化方法及装置
CN110119778A (zh) * 2019-05-10 2019-08-13 辽宁大学 一种改进鸡群优化rbf神经网络的设备健康状态检测方法
CN110297493A (zh) * 2019-07-11 2019-10-01 磐典商务服务(上海)有限公司 一种基于机器人对电子标签的跟踪定位方法及其装置
CN111163479A (zh) * 2020-01-06 2020-05-15 天津工业大学 一种适于无线可定位传感网络的节点优化部署方法
CN111241648A (zh) * 2020-01-20 2020-06-05 广西大学 一种基于鬣狗捕获模型的rfid网络动态优化部署方法
CN111291582A (zh) * 2020-03-04 2020-06-16 广西大学 一种基于水母群算法的rfid天线优化部署方法
CN112508277A (zh) * 2020-12-07 2021-03-16 厦门理工学院 一种水下多目标定位方法、终端设备及存储介质
CN114372543A (zh) * 2022-01-11 2022-04-19 重庆邮电大学 一种基于载波相位的rfid室内多目标3d定位系统及方法
CN114742081A (zh) * 2021-01-07 2022-07-12 天津工业大学 一种适于超高频rfid定位系统的相控阵天线优化部署方法
CN116801267A (zh) * 2023-08-25 2023-09-22 中化学交通建设集团运营管理(山东)有限公司 一种结合楼宇功能分区的弱电优化部署方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102831314A (zh) * 2012-08-23 2012-12-19 福建鸿博印刷股份有限公司 一种弯折线偶极子rfid标签天线优化设计方法
CN104504413A (zh) * 2014-11-19 2015-04-08 上海大学 一种用于仓库实时监控的rfid天线部署系统及方法
CN105426921A (zh) * 2015-12-02 2016-03-23 青岛科技大学 一种rfid标签天线优化方法
CN106444380A (zh) * 2016-10-14 2017-02-22 中国科学院光电技术研究所 一种以非线性最小二乘法为主结合鸡群算法的快反镜控制系统的传递函数辨识方法
CN106778809A (zh) * 2016-11-23 2017-05-31 安徽理工大学 一种基于改进鸡群算法的盲源分离方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102831314A (zh) * 2012-08-23 2012-12-19 福建鸿博印刷股份有限公司 一种弯折线偶极子rfid标签天线优化设计方法
CN104504413A (zh) * 2014-11-19 2015-04-08 上海大学 一种用于仓库实时监控的rfid天线部署系统及方法
CN105426921A (zh) * 2015-12-02 2016-03-23 青岛科技大学 一种rfid标签天线优化方法
CN106444380A (zh) * 2016-10-14 2017-02-22 中国科学院光电技术研究所 一种以非线性最小二乘法为主结合鸡群算法的快反镜控制系统的传递函数辨识方法
CN106778809A (zh) * 2016-11-23 2017-05-31 安徽理工大学 一种基于改进鸡群算法的盲源分离方法

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107657098A (zh) * 2017-09-15 2018-02-02 哈尔滨工程大学 基于量子鸡群演化机制的环形天线阵列稀疏方法
CN107657098B (zh) * 2017-09-15 2021-01-05 哈尔滨工程大学 基于量子鸡群演化机制的环形天线阵列稀疏方法
CN108830246A (zh) * 2018-06-25 2018-11-16 中南大学 一种交通环境行人多维运动特征视觉提取方法
CN108830246B (zh) * 2018-06-25 2022-02-15 中南大学 一种交通环境行人多维运动特征视觉提取方法
CN109474942B (zh) * 2018-12-17 2022-01-25 中国联合网络通信集团有限公司 无线网络优化方法及装置
CN109474942A (zh) * 2018-12-17 2019-03-15 中国联合网络通信集团有限公司 无线网络优化方法及装置
CN110119778A (zh) * 2019-05-10 2019-08-13 辽宁大学 一种改进鸡群优化rbf神经网络的设备健康状态检测方法
CN110119778B (zh) * 2019-05-10 2024-01-05 辽宁大学 一种改进鸡群优化rbf神经网络的设备健康状态检测方法
CN110297493A (zh) * 2019-07-11 2019-10-01 磐典商务服务(上海)有限公司 一种基于机器人对电子标签的跟踪定位方法及其装置
CN110297493B (zh) * 2019-07-11 2022-04-12 磐典商务服务(上海)有限公司 一种基于机器人对电子标签的跟踪定位方法及其装置
CN111163479A (zh) * 2020-01-06 2020-05-15 天津工业大学 一种适于无线可定位传感网络的节点优化部署方法
CN111241648B (zh) * 2020-01-20 2023-09-01 广西大学 一种基于鬣狗捕获模型的rfid网络动态优化部署方法
CN111241648A (zh) * 2020-01-20 2020-06-05 广西大学 一种基于鬣狗捕获模型的rfid网络动态优化部署方法
CN111291582A (zh) * 2020-03-04 2020-06-16 广西大学 一种基于水母群算法的rfid天线优化部署方法
CN111291582B (zh) * 2020-03-04 2023-04-07 广西大学 一种基于水母群算法的rfid天线优化部署方法
CN112508277A (zh) * 2020-12-07 2021-03-16 厦门理工学院 一种水下多目标定位方法、终端设备及存储介质
CN112508277B (zh) * 2020-12-07 2022-05-24 厦门理工学院 一种水下多目标定位方法、终端设备及存储介质
CN114742081A (zh) * 2021-01-07 2022-07-12 天津工业大学 一种适于超高频rfid定位系统的相控阵天线优化部署方法
CN114372543A (zh) * 2022-01-11 2022-04-19 重庆邮电大学 一种基于载波相位的rfid室内多目标3d定位系统及方法
CN114372543B (zh) * 2022-01-11 2023-12-19 东莞市宇讯电子科技有限公司 一种基于载波相位的rfid室内多目标3d定位系统及方法
CN116801267A (zh) * 2023-08-25 2023-09-22 中化学交通建设集团运营管理(山东)有限公司 一种结合楼宇功能分区的弱电优化部署方法
CN116801267B (zh) * 2023-08-25 2023-11-07 中化学交通建设集团运营管理(山东)有限公司 一种结合楼宇功能分区的弱电优化部署方法

Also Published As

Publication number Publication date
CN107153800B (zh) 2020-01-10

Similar Documents

Publication Publication Date Title
CN107153800A (zh) 一种基于改进鸡群算法的超高频射频识别定位系统的阅读器天线优化部署方案
Ma et al. Two-level master–slave RFID networks planning via hybrid multiobjective artificial bee colony optimizer
Akay et al. A survey on the artificial bee colony algorithm variants for binary, integer and mixed integer programming problems
Ma et al. Cooperative artificial bee colony algorithm for multi-objective RFID network planning
Han et al. Joint deployment optimization and flight trajectory planning for UAV assisted IoT data collection: A bilevel optimization approach
CN111291582B (zh) 一种基于水母群算法的rfid天线优化部署方法
CN110376544B (zh) 一种基于定位精度贡献度的uhf rfid阵列天线优化部署方法
CN109905881A (zh) 一种基于人工蜂群算法确定基站选取方案的方法及系统
Dong et al. Joint optimization of deployment and trajectory in UAV and IRS-assisted IoT data collection system
Xiang et al. Hybrid WSN node deployment optimization strategy based on CS algorithm
Bacanin et al. RFID network planning by ABC algorithm hybridized with heuristic for initial number and locations of readers
CN111432368A (zh) 一种适用于稀疏锚节点wsn的测距定位方法
Wang et al. Joint UAV placement optimization, resource allocation, and computation offloading for THz band: A DRL approach
Liang et al. Charging UAV deployment for improving charging performance of wireless rechargeable sensor networks via joint optimization approach
Pan et al. The phasmatodea population evolution algorithm and its application in 5g heterogeneous network downlink power allocation problem
Feng et al. Optimal RFID networks planning using a hybrid evolutionary algorithm and swarm intelligence with multi-community population structure
CN109902794B (zh) 一种面向离散制造车间的三维射频识别网络布局优化方法
Liu et al. A survey of artificial bee colony algorithm
CN104504424B (zh) 基于多种群共生进化的射频识别网络布局优化方法
CN114742081A (zh) 一种适于超高频rfid定位系统的相控阵天线优化部署方法
CN104700154A (zh) 含不确定性的井下射频识别阅读器的高维多目标优化布局
Li et al. Improving charging performance for wireless rechargeable sensor networks based on charging uavs: a joint optimization approach
Xing et al. Partiele Swarm Optimization Algorithm Based on Different Inertia Weights for Solving the P-Hub Allocation Problem
Kong et al. Modeling and optimization of RFID networks planning problem
Yixuan et al. Hybrid gray wolf optimization-cuckoo search algorithm for RFID network planning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant