CN107907856A - 一种基于虚拟参考标签的rfid定位方法及系统 - Google Patents
一种基于虚拟参考标签的rfid定位方法及系统 Download PDFInfo
- Publication number
- CN107907856A CN107907856A CN201711004481.3A CN201711004481A CN107907856A CN 107907856 A CN107907856 A CN 107907856A CN 201711004481 A CN201711004481 A CN 201711004481A CN 107907856 A CN107907856 A CN 107907856A
- Authority
- CN
- China
- Prior art keywords
- label
- phase information
- antenna
- phase
- characteristic attribute
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0257—Hybrid positioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
一种基于虚拟参考标签的RFID定位方法及系统,包括一组标签天线、一组阅读器天线、一组待定位标签和处理器,本发明通过先根据标签天线的信号强度和相位建立标签指纹空间,然后利用该标签指纹空间对其中的待定位标签进行定位。由于采用了双属性插值的方法,本发明在传统信号强度维度的基础上,加入对相位信息的考量,同时对信号强度和相位这两个维度的参数进行插值,增加虚拟参考标签。因此,本发明的精度高于在传统的单一信号特征属性上插值构成虚拟标签的技术,同时无需额外增加标签数量,可有效避免标签之间干扰所引入的误差,定位效果更为精确。
Description
技术领域
本发明涉及无线定位技术,尤其涉及一种基于RFID(射频识别,Radio FrequencyIdentification)标签天线的定位方法及系统。
背景技术
RFID是一种自动识别技术,它通过无线信号识别标签,并完成对有关数据的读写。由于RFID技术具有非视距、非接触、成本低、技术成熟和定位精度较高等优点,已经被广泛应用到物流和供应管理、生产制造和装配、港口码头集装箱管理、邮件快递、图书馆管理、医疗、道路收费、门禁控制等各个方面。
目前,将RFID技术应用于定位系统,并逐步提高该定位系统的精度,已成为RFID技术中的一个新的研究热点。
但是,目前RFID定位技术在进行室内位时,往往存在精度不够的问题。其主要原因在于,房间级别的RFID定位技术通常利用标签信号的强度值作为主要参数,其对覆盖区域定位的准确度主要依赖于工程技术人员布置RFID读写器的位置以及采用的天线技术。尤其对RFID读写器以及对标签天线的布置,主要需依赖于工程人员的经验,往往针对不同应用环境中,需要不同的布置方式才能有效提供准确的定位信息。布置不当则会犹豫多径干扰、信号之间的干扰等因素使得定位效果大打折扣。
因此,目前急需一种能够应用于小型封闭空间的、便于布置的、能够精准定位的无线定位技术。
发明内容
为了解决现有技术存在的不足,本发明的目的在于提供一种基于虚拟参考标签的RFID定位方法及系统。
首先,为实现上述目的,提出一种RFID定位方法,,其特征在于,首先建立标签指纹空间,然后利用所述标签指纹空间对其中的待定位标签进行定位:其中,建立标签指纹空间的步骤包括:
步骤A1,在待定位空间内布置一组标签天线和一组阅读器天线;
步骤A2,通过所述阅读器天线读取并存储所述标签天线的信号强度和相位信息;
步骤A3,修正所述信号强度和相位信息中的误差,获得特征属性向量;
步骤A4,根据所述特征属性向量及其对应的坐标建立标签指纹空间;
其中,利用所述标签指纹空间对其中的待定位标签进行定位的步骤包括:
步骤B1,通过所述阅读器天线采集所述待定位标签的信号强度和相位信息,修正所述信号强度和相位信息中的误差,获得所述待定位标签的待定位特征属性向量;
步骤B2,利用距离函数计算所述待定位特征属性向量与步骤A4中所述特征属性向量的相似度,输出相似度最高的特征属性向量在标签指纹空间内对应的坐标,作为所述待定位标签的坐标。
进一步,对于上述的RFID定位方法的所述步骤A2中,每个所述阅读器天线每次读取并存储一个所述标签天线的信号强度和相位信息,每个所述阅读器天线对每一个所述标签天线的读取次数至少为N。
进一步,对于上述的RFID定位方法所述步骤A3中,通过变系数莱以特方法修正所述信号强度和相位信息中的误差,修正的具体步骤顺序如下:
步骤A3-1,设置标准差系数k的初始值,读取一个阅读器天线采集的一个标签天线的相位信息,生成测量序列xi,跳转至步骤A3-2;其中,k≤3;
步骤A3-2,计算所述测量序列xi内相位信息的算数平均值和标准差δ,跳转至步骤A3-3;
步骤A3-3,计算所述测量序列xi内各相位信息与所述算数平均值的距离vi,跳转至步骤A3-4;
步骤A3-4,若vi>kδ,则删除该相位信息及其所对应的标签天线信号强度,递增所述标准差系数k,跳转至所述步骤A3-2;否则,跳转至步骤A3-5;
步骤A3-5,完成对所述信号强度和相位信息中误差的修正,将保留下来的所述信号强度及其对应的相位信息组合为所述特征属性向量V,V=(m,n);
其中,m表示信号强度,n表示相位信息
再进一步,上述的RFID定位方法中,所述步骤A3-5之后还包括对所述特征属性向量进行插值的步骤:
首先确定相位突变为0°或360°的点作为插值点c;
然后根据相位突变的点,作出Delaunay三角网和Voronoi图进行区域划分,获取每个区域中的数据点作为所述相位突变点周围的自然邻点;
随后根据w权重公式求得所述各个自然邻点对插值点的权重;所述w权重公式为:其中,Delaunay三角网和Voronoi图完成区域划分后每个部分面积分别为s1,s2,...,sj,...,sp,所述插值点c所在网格单元面积为Sc;
最后按照如下公式计算所述插值点c处的特征属性向量V,其中wi为所述插值点c对应的权重,vj为所述自然邻点的特征属性向量。
其中,vj为所述自然邻点的特征属性向量,其计算过程如下:标记插值点c的自然零点为cc1、cc2、cc3、cc4、cc5,这几个自然邻点的信号强度与相位是已知的,可以用向量v1v2v3v4v5表示这几个自然邻点的特征属性向量,分别乘上他们的权重再相加,可以得到插值点x处的信号强度及相位值的估计V,即所述插值点c处的特征属性向量V。
再进一步,上述的RFID定位方法中,所述在所述不足A3-5之后,在对所述特征属性向量进行插值的步骤之前,还包括对所述特征向量内相位信息进行周期转换的步骤,具体转换方法包括如下步骤:
首先,读取与当前相位信息同一行或同一列的其他相位信息;
然后,检查读取的所述相位信息是否同时包含小于100°和大于280°的点,若包含则根据两点之间的实际距离与相位差值之比,计算相位为0°和360°的点,转换所述相位为0°和360°的点的相位信息;
完成对该特征向量的相位转换后,读取下一个特征向量重复如上步骤,直至遍历全部特征向量。
具体的,上述RFID定位方法,其特征在于,所述距离函数包括相似性度量中的欧式距离、标准化欧式距离或夹角余弦中的一种或多种。
其次,为实现上述目的,还提出一种RFID定位系统,包括一组标签天线、一组阅读器天线、一组待定位标签和处理器,其特征在于,
所述标签天线和所述阅读器天线分布于待定位空间内,所述阅读器天线与所述处理器连接;
所述处理器在建立标签指纹空间阶段用于,读取、存储、并修正所述标签天线的信号强度和相位信息,获得特征属性向量,将所述特征属性向量与对应标签天线的坐标结合建立标签指纹空间;所述处理器在对所述待定位标签进行定位的阶段用于,读取所述待定位标签天线的信号强度和相位信息获得待定位特征属性向量,查找所述标签指纹空间内与所述待定位特征属性向量最接近的特征属性向量所对应的坐标,作为所述待定位标签的坐标。
有益效果
本发明,同时结合了参考标签的相位和信号强度信息,在整个待定位区域上建立相位和信号强度2种维度下的标签指纹空间,由于增加对相位的考量,本发明能够有效修正信号强度的偏差和不稳定因素,能有效提高RFID标签在复杂环境下的定位的精度。
进一步,本发明在采集信号强度和相位信息时,还充分考虑到环境带来的多径效应,为了滤除多径误差带来的误差值,在莱以特准则的基础上提出了一种变系数滤除的方法,可以有效滤除杂乱的信号强度和相位信息。滤除过后的数据作为指纹向量和目标标签的特征属性向量可进一步提高定位的精度。
在建立标签指纹空间的阶段,本发明还在待定位区域内采用自然邻点插值法,对相位值与信号强度值以一定步长进行插值,增加虚拟参考标签,通过参考标签和虚拟参考标签的特征属性值共同构成指纹空间。在定位阶段,采集待定位标签相位和信号强度信息,结合指纹空间内全部参考标签和虚拟参考标签进行相似度对比,可精确估算出目标标签的位置坐标。由于采用了双属性插值的方法,本发明的精度高于在传统的单一信号特征属性上插值构成虚拟标签的方法。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,并与本发明的实施例一起,用于解释本发明,并不构成对本发明的限制。在附图中:
图1为根据本发明的RFID定位方法流程图;
图2为根据本发明的RFID定位系统架构示意图;
图3为根据本发明的阅读器天线与参考标签的位置关系图;
图4为根据本发明的变系数多径误差滤除算法流程图;
图5为根据本发明的Delaunay三角网和Voronoi图;
图6为根据本发明的x插值前Voronoi图;
图7为根据本发明的x插值后Voronoi图;
图8为根据本发明的相位突变修正算法流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
图1为根据本发明的一种RFID定位方法,其特征在于,首先建立标签指纹空间,然后利用所述标签指纹空间对其中的待定位标签进行定位:
其中,建立标签指纹空间的步骤包括:
步骤A1,在待定位空间内布置一组标签天线和一组阅读器天线;
步骤A2,通过所述阅读器天线读取并存储所述标签天线的信号强度和相位信息;
步骤A3,修正所述信号强度和相位信息中的误差,获得特征属性向量;
步骤A4,根据所述特征属性向量及其对应的坐标建立标签指纹空间;
其中,利用所述标签指纹空间对其中的待定位标签进行定位的步骤包括:
步骤B1,通过所述阅读器天线采集所述待定位标签的信号强度和相位信息,修正所述信号强度和相位信息中的误差,获得所述待定位标签的待定位特征属性向量;
步骤B2,利用距离函数计算所述待定位特征属性向量与步骤A4中所述特征属性向量的相似度,输出相似度最高的特征属性向量在标签指纹空间内对应的坐标,作为所述待定位标签的坐标。
进一步,对于上述的RFID定位方法的所述步骤A2中,每个所述阅读器天线每次读取并存储一个所述标签天线的信号强度和相位信息,每个所述阅读器天线对每一个所述标签天线的读取次数至少为N≥2000,这样可以保证数据量比较大,有利于消除随机误差的影响。
进一步,参照图4,对于上述的RFID定位方法,所述步骤A3中,通过变系数莱以特方法修正所述信号强度和相位信息中的误差,修正的具体步骤顺序如下:
步骤A3-1,设置标准差系数k的初始值,读取一个阅读器天线采集的一个标签天线的相位信息,生成测量序列xi,跳转至步骤A3-2;其中,k≤3;
步骤A3-2,计算所述测量序列xi内相位信息的算数平均值和标准差δ,跳转至步骤A3-3;
步骤A3-3,计算所述测量序列xi内各相位信息与所述算数平均值的距离vi,跳转至步骤A3-4;
步骤A3-4,若vi>kδ,则删除该相位信息及其所对应的标签天线信号强度,以步长0.5递增所述标准差系数k,跳转至所述步骤A3-2;否则,跳转至步骤A3-5;步骤A3-5,完成对所述信号强度和相位信息中误差的修正,将保留下来的所述信号强度及其对应的相位信息组合为所述特征属性向量V,V=(m,n);
其中,m表示信号强度,n表示相位信息
再进一步,上述的RFID定位方法中,所述步骤A3-5之后还包括对所述特征属性向量进行插值的步骤:具体步骤可参见图5至图7所示:
首先,在二维空间划分,每个二维坐标点都有特定的特征属性向量(m,n),例如本实施例中存在64(8×8)个点,确定其中相位突变为0°或360°的点作为插值点c;
然后根据相位突变的点,作出Delaunay三角网和Voronoi图进行区域划分,获取每个区域中的数据点作为所述相位突变点周围的自然邻点;
随后根据w权重公式求得所述各个自然邻点对插值点的权重;自然邻点是在已经选定要插值的点c周围的点,这些点是已知的,根据你插值的位置决定不同的自然邻点。权重w的主要目的是为了提高精度:因为不同的自然邻点对插值点的影响是不同的,影响大的权重就要大,影响小的权重就要小,因此,所述w权重公式为:其中,Delaunay三角网和Voronoi图依据插值点c所对应的自然邻点,连接这些自然邻点(图3中虚线部分)并画出各虚线所对应的中垂线,完成区域划分,然后每个部分面积分别为s1,s2...,sj,...,sp,所述插值点c所在网格单元面积为Sc;
最后按照如下公式计算所述插值点c处的特征属性向量V,其中wi为所述插值点c对应的权重,vj为所述自然邻点的特征属性向量。
其中,vj为所述自然邻点的特征属性向量,其计算过程如下:标记插值点c的自然零点为cc1、cc2、cc3、cc4、cc5,这几个自然邻点的信号强度与相位是已知的,可以用向量v1v2v3v4v5表示这几个自然邻点的特征属性向量,分别乘上他们的权重再相加,可以得到插值点x处的信号强度及相位值的估计V,即所述插值点c处的特征属性向量V。
这里之所以需要进行插值是因为:如果没有进行周期转换就进行插值,会很大程度上偏离理论值。由于相位的周期性,会出现0°到360°的突变,在参考标签数据采集时,不能保证采集到周期转换位置,需要在插值前进行修正,插入一些0°和360°的参考标签点。
再进一步,参照图8,上述的RFID定位方法中,所述在所述不足A3-5之后,在对所述特征属性向量进行插值的步骤之前,还包括对所述特征向量内相位信息进行周期转换的步骤,具体转换方法包括如下步骤:
首先,读取与当前相位信息同一行或同一列的其他相位信息;
然后,检查读取的所述相位信息是否同时包含小于100°和大于280°的点,若包含则根据两点之间的实际距离与相位差值之比,计算相位为0°和360°的点,转换所述相位为0°和360°的点的相位信息;
以A,B点相位为20°,320°,AB两点之间实际距离为60cm为例,已知两点间实际相位差为60°,相当于1°相位等于1cm实际距离,那么360°的位置,就是距离320°位置40cm;
完成对该特征向量的相位转换后,读取下一个特征向量重复如上步骤,直至遍历全部特征向量。
具体的,上述RFID定位方法,其特征在于,所述距离函数包括相似性度量中的欧式距离、标准化欧式距离或夹角余弦中的一种或多种。
其次,为实现上述目的,还提出如图2所示的一种RFID定位系统,包括一组标签天线、一组阅读器天线、一组待定位标签和处理器,其特征在于,
所述标签天线和所述阅读器天线分布于待定位空间内,其具体分布方式参见图3,所述阅读器天线与所述处理器连接,通过阅读器采集各个位置上的参考标签的相位值和信号强度值,然后进行多径误差滤除处理;具体而言,此处为了滤除多径误差带来的误差值,在莱以特准则的基础上提出了一种变系数滤除的方法,可以有效滤除杂乱的信号强度和相位信息;
所述处理器在建立标签指纹空间阶段用于,读取、存储、并修正所述标签天线的信号强度和相位信息,获得特征属性向量,将所述特征属性向量与对应标签天线的坐标结合建立标签指纹空间;再根据相位值和信号强度的信息,以一定步长对它们进行插值,采用的方法是自然邻点插值法,插值点即为虚拟参考标签,与实际参考标签共同构成指纹空间,间接提高指纹空间的密度;所述处理器在对所述待定位标签进行定位的阶段用于,读取所述待定位标签天线的信号强度和相位信息获得待定位特征属性向量,查找所述标签指纹空间内与所述待定位特征属性向量最接近的特征属性向量所对应的坐标,作为所述待定位标签的坐标。
本系统结合参考标签的相位和信号强度信息,在整个定位区域上进行插值,构成位置指纹空间,间接提高参考标签密度。在数据采集与插值阶段,天线组采集参考标签的相位值和信号强度值,构成特征属性向量,与对应位置的坐标信息共同作为该位置的指纹向量。之后在定位区域内采用自然邻点插值法,对相位值与信号强度值以一定步长进行插值,实际参考标签和虚拟参考标签的特征属性值共同构成指纹空间。在定位阶段,采集待定位标签相位和信号强度信息,结合指纹空间进行相似度对比,估算出目标标签的位置坐标。本系统通过采集相位和信号强度信息,能有效提高RFID标签在复杂环境下的定位的精度。
参考图2,本实施例中,所述系统为在环境复杂的室内环境下,搭建的2m×2m×2m的铝合金立方体框架。本发明使用了四个天线(BROADRADIO BRA-02)用来接收信号强度和相位信息。4个天线分别安装于铝合金框架顶端,呈正方形分布,天线朝向垂直向下(当然,根据不同的需求定位室内场景,不同的采集设备,可以有不同的布置,本实施例这么做是为了更好的采集数据),距天线平面1.5m处固定有标注刻度的塑料薄膜,标签(Impinj H47)放置于塑料薄膜上,即标签距天线的垂直距离保持为1.5m。设定标签在二维平面上的移动范围为70cm×70cm,每隔10cm设为一个参考标签位置(所述参考坐标的位置只需尽量满足天线信号要能覆盖全部需定位区域即可),整个定位平面共有64(8×8)个参考标签位置,采集这64个标签位置的信号强度和相位信息,构成位置特征向量。
图2所示系统中,每个位置采集的数据量为8000组(每个天线2000组),在滤除多径粗大误差数据后,仍可以保证数据量足够大。在滤除误差过程中,本发明提出了变系数多径误差滤除的方法。图4为变系数多径滤除算法的流程图。其具体原理分析如下:
在误差理论中,第i个测量值的随机误差i的定义为测量值xi与真值X0之差,如(1)式
δi=xi-X0 i=1,2,...,n (1)
由于在大多数情况下,被测量的真实未知,不可能按式(1)求得随机误差,则可用测量序列的算术均值作为被测量的真值,则有残余误差(简称残差)的定义式如下。
式中为测量序列的算术均值,vi为第i个测量值的残差。当测量序列只含有随机误差时,随机误差满足正态分布规律,测量值的残差落在±3(是标准差)以外的概率约为0.3%,即在测量次数充分大的前提下,理论上只应有很少的测量值的残余误差vi在±3以外。所以,若测量序列中,有大于3的残差的测量值,即
|vi|>3σ (3)
则可认为该测量值为粗大误差,应该剔除该测量值,此剔除粗大误差的方法称为3准则,又叫莱以特准则,本发明的变系数多径滤除方法就是基于莱以特准则的。
使用莱以特准则对测量序列进行滤除多径误差处理,结果效果不理想。此时全部序列已经在3范围内,莱以特准则对多径误差滤除无效,这是因为过大的标准差系数“3”使得序列算术中心不能调整至占主要部分的视距路径的测量值范围内,所以提出了变系数的多径误差滤除方法,其算法流程如图4。变系数的多径误差滤除算法对标准差的系数k的初值设置较小,一般为1~1.5,之后每结束一次滤除循环后,增大一次k值,增值的步长为0.5左右,且最终保证k的最大值不超过3。应用变系数多径误差滤除算法对测量序列进行处理,滤除后的相位序列集中在视距路径的返回相位范围内。考虑到对同一个位置进行相位信号采集,得到的返回值如果很分散,则定位精度不高,如果在一定的相位范围内,则他们的均值更接近真实值,因此这种变系数多径误差滤除方法能够有效消除多径误差的影响。
基于参考标签的定位系统的性能与参考标签密度有极大的关系,理论上,定位精度随着参考标签密度的增大而提高,但在实际定位时,参考标签的密度并不能无限增大:一方面受系统成本限制,另一方面,当参考标签布置过于密集时,标签之间会相互影响,空间中的电磁分布将发生改变,定位精度反而下降。通常标签的密度需要根据场地的大小进行设计,理论上存在一个临界密度,能够使得定位精度最高,但在实际中仍需进行实验分析才能明确知晓。为了提高定位精度,又不引入过多的参考标签,可以每次只采集一个参考位置的数据,这样定位环境中只有一个标签,不存在标签间的相互影响,环境对标签的影响也更为稳定。同时引入虚拟参考标签,减少采集真实参考标签数据的工作量,以真实参考标签的特征属性值来对整个定位范围进行插值,得到虚拟参考标签的特征属性值,相当于间接提高了参考标签的密度。在理想环境中,标签信号的两个特征属性值在二维定位平面分布遵循一定的规律。二维坐标结合信号强度或相位后,可认为在三维空间中信号强度和相位的变化都包含曲面,当加入环境因素的影响后,这些曲面会出现突变的区域,很大程度地偏离理论值。这样,在进行插值时,就不能进行单纯的线性插值、最近邻插值、多元函数插值等,因此,本发明选择了自然邻点插值(NNI:Natural Neighbor Interpolation)的方法。该方法基于Delaunay三角网和Voronoi图进行插值,具有以下特点:
1)原始数据点在NNI插值后,其值仍然保持不变。
2)待插值点的值只与它的自然邻点的值相关,NNI的插值过程是局部的。
3)除了原始数据点外,插值函数的一点导数处处连续。
该方法所用的Delaunay三角网和Voronoi图是一组互偶图形,Voronoi图由Delaunay三角网中的三角形的各个边的中垂线组成,如图5所示,实线表示Delaunay三角网,虚线表示Voronoi图。Voronoi图将数据点所在平面划分为多个网格单元,每个网格单元为多边形,且其内部只包含一个数据点。具有公共边的Voronoi网格单元内所包含的点称为自然邻点(NN:Natural Neighbors),图6中数据点x的自然邻点为x1,x2,x3,x4,x5。
自然邻点插值方法中待插值点的值是由其自然邻点的值及对待插值点的贡献率来计算的,假定待插值点c的自然邻点有p个,分别为x1,x2,……,xp,其值为v1,v2,……,vp,则其中可构建如下插值公式
其中y为待插值点的估计值,j为自然邻点所对应的权重系数。权重系数j由自然邻点对待插值点所在的Voronoi网格单元的贡献决定,具体为:当加入新的待插值点x后,Voronoi图由图4变为图5,待插值点所在Voronoi网格单元被原有网格单元划分为n个部分,每个部分面积分别为s1,s2,……,sp,新网格单元面积为Sc,则可得权重系数的表达式如下。
自然邻点插值算法计算稳定快速,并且插值保真度高,插值光滑,适合对散点曲面进行插值。信号强度在空间的分布是连续的,但是由于相位的周期性,相位值会出现由0°突变为360°的情况,在参考标签数据采集时,不能保证采集到周期转换位置,所以还需要在自然邻点插值前对相位数据进行修正,插入一些0°和360°参考标签点,具体流程如图8。本发明中,参考标签分布为规则均匀的阵列,如果相邻参考位置的相位值同时包含小于100°和大于280°的点,则判断此相邻参考位置间有周期转换位置,根据相邻位置的相位差值,计算出插入0°和360°的参考位置,加入0°和360°修正后再对相位进行自然插值,可以有效的描绘出相位进入下一周期的区带。
在计算待定位标签坐标位置时,需要根据其特征属性值(相位,信号强度)来度量待定位标签与参考标签间的相似性,两个标签特征属性值越接近,其相似性越大,越疏远,其相似性度量越小。常用的衡量相似性的方法为相似系数函数和距离函数,相似系数函数用于计算两个样本的相似系数,相似系数越接近1,样本越相似;距离函数,将样本的特征属性认为n维实数特征向量空间一点,用某种距离形式来衡量样本间的距离,距离较近的样本更相似,常用的距离函数为欧式距离,标准化欧式距离,曼哈顿距离,切比雪夫距离,夹角余弦等,标签的相位和信号强度的特征属性值更适用距离函数的相似性度量中的欧式距离,标准化欧式距离和夹角余弦。
1)欧式距离
欧几里得距离是最常用的衡量空间中两点间距离的方法,定义在欧式空间中的两点,其坐标分别为a=(x11,x12,……,x1n),b=(x21,x22,……,x2n),则两点间的欧氏距离可表示为如下公式。
2)标准化欧式距离
标准欧式距离将样本的各分量都标准化到均值和方差相等,样本集X的数学期望为Ex,标准差为SDx,标准化后的样本数学期望为0,标准差为1,表达式如下:
则样本a=(x11,x12,……,x1n),b=(x21,x22,……,x2n)经过标准化后的欧式距离公式可表示如下:
欧式距离度量的相似性大小会受特征值属性的单位和刻度的影响,所以提出了标准化的欧式距离,除此外,还可以使用夹角余弦来衡量两样本的相似性,夹角余弦衡量两个向量方向的差异,同样不受样本值单位刻度的影响。两个样本a=(x11,x12,……,x1n),b=(x21,x22,……,x2n)的夹角余弦计算公式如下:
夹角余弦为两样本向量的夹角的余弦值,取值范围为[-1,1],夹角余弦越大表示两样本向量夹角越小,向量方向重合时,夹角余弦值为1,此时认为两样本向量最相似。
通过以上各步骤的描述,我们可以构建出一套完整的RFID室内定位系统的方法。
本发明技术方案的优点主要体现在:采用了双属性插值的方法,在传统信号强度维度的基础上,加入对相位信息的考量,同时对两个维度的参数进行插值,增加虚拟参考标签。因此,本发明的精度高于在传统的单一信号特征属性上插值构成虚拟标签的方法。因此,本发明的精度高于在传统的单一信号特征属性上插值构成虚拟标签的技术,同时无需额外增加标签数量,可有效避免标签之间干扰所引入的误差,定位效果更为精确。
同时,为了滤除多径误差,本发明采用了基于莱以特准则的变系数多径误差滤除算法,有效的滤除了多径效应引起的误差。本发明在信号强度和相位双属性特征值上进行插值操作,并且采用了自然邻点插值法,间接提高了参考标签的密度,提高了定位精度。本发明采用了相似性度量的方法,利用欧氏距离,标准化欧氏距离和夹角余弦来确定相似度,判定定位位置。
本领域普通技术人员可以理解:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种RFID定位方法,其特征在于,首先建立标签指纹空间,然后利用所述标签指纹空间对其中的待定位标签进行定位:
其中,建立标签指纹空间的步骤包括:
步骤A1,在待定位空间内布置一组标签天线和一组阅读器天线,
步骤A2,通过所述阅读器天线读取并存储所述标签天线的信号强度和相位信息;
步骤A3,修正所述信号强度和相位信息中的误差,获得特征属性向量;
步骤A4,根据所述特征属性向量及其对应的坐标建立标签指纹空间;
其中,利用所述标签指纹空间对其中的待定位标签进行定位的步骤包括:
步骤B1,通过所述阅读器天线采集所述待定位标签的信号强度和相位信息,修正所述信号强度和相位信息中的误差,获得所述待定位标签的待定位特征属性向量;
步骤B2,利用距离函数计算所述待定位特征属性向量与步骤A4中所述特征属性向量的相似度,输出相似度最高的特征属性向量在标签指纹空间内对应的坐标,作为所述待定位标签的坐标。
2.如权利要求1所述的RFID定位方法,其特征在于,所述步骤A2中,每个所述阅读器天线每次读取并存储一个所述标签天线的信号强度和相位信息,每个所述阅读器天线对每一个所述标签天线的读取次数至少为N。
3.如权利要求2所述的RFID定位方法,其特征在于,所述步骤A3中,通过变系数莱以特方法修正所述信号强度和相位信息中的误差,修正的具体步骤顺序如下:
步骤A3-1,设置标准差系数k的初始值,读取一个阅读器天线采集的一个标签天线的相位信息,生成测量序列xi,跳转至步骤A3-2;其中,k≤3;
步骤A3-2,计算所述测量序列xi内相位信息的算数平均值和标准差δ,跳转至步骤A3-3;
步骤A3-3,计算所述测量序列xi内各相位信息与所述算数平均值的距离vi,跳转至步骤A3-4;
步骤A3-4,若vi>kδ,则删除该相位信息及其所对应的标签天线信号强度,递增所述标准差系数k,跳转至所述步骤A3-2;否则,跳转至步骤A3-5;
步骤A3-5,完成对所述信号强度和相位信息中误差的修正,将保留下来的所述信号强度及其对应的相位信息组合为所述特征属性向量V,V=(m,n);其中,m表示信号强度,n表示相位信息。
4.如权利要求3所述的RFID定位方法,其特征在于,所述步骤A3-5之后还包括对所述特征属性向量进行插值的步骤:
首先确定相位突变为0°或360°的点作为插值点c;
然后根据相位突变的点,作出Delaunay三角网和Voronoi图进行区域划分,获取每个区域中的数据点作为所述相位突变点周围的自然邻点;
随后根据w权重公式求得所述各个自然邻点对插值点的权重;所述w权重公式为:其中,Delaunay三角网和Voronoi图完成区域划分后每个部分面积分别为s1,s2,...,sj,...,sp,所述插值点c所在网格单元面积为Sc;
最后按照如下公式计算所述插值点c处的特征属性向量V,其中wi为所述插值点c对应的权重,vj为所述自然邻点的特征属性向量。
5.如权利要求4所述的RFID定位方法,其特征在于,所述在所述不足A3-5之后,在对所述特征属性向量进行插值的步骤之前,还包括对所述特征向量内相位信息进行周期转换的步骤,具体转换方法包括如下步骤:
首先,读取与当前相位信息同一行或同一列的其他相位信息;
然后,检查读取的所述相位信息是否同时包含小于100°和大于280°的点,若包含则根据两点之间的实际距离与相位差值之比,计算相位为0°和360°的点,转换所述相位为0°和360°的点的相位信息;
完成对该特征向量的相位转换后,读取下一个特征向量重复如上步骤,直至遍历全部特征向量。
6.如权利要求1至5任一所述的RFID定位方法,其特征在于,所述距离函数包括相似性度量中的欧式距离、标准化欧式距离或夹角余弦中的一种或多种。
7.一种RFID定位系统,包括一组标签天线、一组阅读器天线、一组待定位标签和处理器,其特征在于,所述
所述标签天线和所述阅读器天线分布于待定位空间内,所述阅读器天线与所述处理器连接;
所述处理器在建立标签指纹空间阶段用于,读取、存储、并修正所述标签天线的信号强度和相位信息,获得特征属性向量,将所述特征属性向量与对应标签天线的坐标结合建立标签指纹空间;所述处理器在对所述待定位标签进行定位的阶段用于,读取所述待定位标签天线的信号强度和相位信息获得待定位特征属性向量,查找所述标签指纹空间内与所述待定位特征属性向量最接近的特征属性向量所对应的坐标,作为所述待定位标签的坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711004481.3A CN107907856B (zh) | 2017-10-24 | 2017-10-24 | 一种基于虚拟参考标签的rfid定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711004481.3A CN107907856B (zh) | 2017-10-24 | 2017-10-24 | 一种基于虚拟参考标签的rfid定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107907856A true CN107907856A (zh) | 2018-04-13 |
CN107907856B CN107907856B (zh) | 2021-07-27 |
Family
ID=61840867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711004481.3A Active CN107907856B (zh) | 2017-10-24 | 2017-10-24 | 一种基于虚拟参考标签的rfid定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107907856B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108802678A (zh) * | 2018-07-23 | 2018-11-13 | 深圳市欧辰技术有限公司 | 一种设备定位的方法和装置 |
CN109358315A (zh) * | 2018-10-12 | 2019-02-19 | 华中科技大学 | 一种辅助目标间接定位方法及系统 |
CN110568400A (zh) * | 2019-08-26 | 2019-12-13 | 南京理工大学 | 抽屉内物品标签在读写器移动方向轴的粗定位方法 |
CN110850401A (zh) * | 2019-08-27 | 2020-02-28 | 天津大学 | 一种基于运动模型与合成孔径的rfid标签定位方法 |
CN110907890A (zh) * | 2018-11-20 | 2020-03-24 | 电子科技大学 | Rfid 智能货架物品误放检测方法 |
CN111366895A (zh) * | 2018-12-25 | 2020-07-03 | 中国移动通信集团浙江有限公司 | 一种定位系统 |
CN112050726A (zh) * | 2020-08-05 | 2020-12-08 | 中车长春轨道客车股份有限公司 | 一种基于rfid标签阵列的轨道车辆紧固件松脱检测方法 |
CN112066996A (zh) * | 2020-10-27 | 2020-12-11 | 中国民航大学 | 基于扰动信道模型的虚拟插值定位方法 |
CN113184647A (zh) * | 2021-04-27 | 2021-07-30 | 安徽师范大学 | 基于rfid的无接触电梯系统 |
CN114485038A (zh) * | 2022-02-11 | 2022-05-13 | 海信(山东)冰箱有限公司 | 一种冰箱、食材定位方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101802882A (zh) * | 2007-06-08 | 2010-08-11 | 特罗克斯勒电子实验室 | 用于定位和跟踪对象的方法、系统和计算机程序产品 |
CN103455829A (zh) * | 2013-04-22 | 2013-12-18 | 天津工业大学 | 一种基于rfid实现室内定位的方法 |
CN104866949A (zh) * | 2015-04-23 | 2015-08-26 | 东南大学 | 一种基于rfid和gps的养老院智能管理系统 |
CN105548958A (zh) * | 2015-12-01 | 2016-05-04 | 西北大学 | 一种基于rfid的细粒度多目标被动式定位方法 |
CN106093844A (zh) * | 2016-06-06 | 2016-11-09 | 中科劲点(北京)科技有限公司 | 估计终端间距及位置规划的方法、终端及设备 |
CN106778981A (zh) * | 2016-12-31 | 2017-05-31 | 山东大学 | 一种基于rfid的室内三维定位平台及其应用 |
CN107092775A (zh) * | 2017-03-17 | 2017-08-25 | 沈阳工业大学 | 基于激光测量系统的锥螺纹数据处理算法 |
-
2017
- 2017-10-24 CN CN201711004481.3A patent/CN107907856B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101802882A (zh) * | 2007-06-08 | 2010-08-11 | 特罗克斯勒电子实验室 | 用于定位和跟踪对象的方法、系统和计算机程序产品 |
CN103455829A (zh) * | 2013-04-22 | 2013-12-18 | 天津工业大学 | 一种基于rfid实现室内定位的方法 |
CN104866949A (zh) * | 2015-04-23 | 2015-08-26 | 东南大学 | 一种基于rfid和gps的养老院智能管理系统 |
CN105548958A (zh) * | 2015-12-01 | 2016-05-04 | 西北大学 | 一种基于rfid的细粒度多目标被动式定位方法 |
CN106093844A (zh) * | 2016-06-06 | 2016-11-09 | 中科劲点(北京)科技有限公司 | 估计终端间距及位置规划的方法、终端及设备 |
CN106778981A (zh) * | 2016-12-31 | 2017-05-31 | 山东大学 | 一种基于rfid的室内三维定位平台及其应用 |
CN107092775A (zh) * | 2017-03-17 | 2017-08-25 | 沈阳工业大学 | 基于激光测量系统的锥螺纹数据处理算法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108802678A (zh) * | 2018-07-23 | 2018-11-13 | 深圳市欧辰技术有限公司 | 一种设备定位的方法和装置 |
CN109358315A (zh) * | 2018-10-12 | 2019-02-19 | 华中科技大学 | 一种辅助目标间接定位方法及系统 |
CN110907890A (zh) * | 2018-11-20 | 2020-03-24 | 电子科技大学 | Rfid 智能货架物品误放检测方法 |
CN110907890B (zh) * | 2018-11-20 | 2022-10-14 | 电子科技大学 | Rfid智能货架物品误放检测方法 |
CN111366895A (zh) * | 2018-12-25 | 2020-07-03 | 中国移动通信集团浙江有限公司 | 一种定位系统 |
CN110568400A (zh) * | 2019-08-26 | 2019-12-13 | 南京理工大学 | 抽屉内物品标签在读写器移动方向轴的粗定位方法 |
CN110850401B (zh) * | 2019-08-27 | 2022-06-28 | 天津大学 | 一种基于运动模型与合成孔径的rfid标签定位方法 |
CN110850401A (zh) * | 2019-08-27 | 2020-02-28 | 天津大学 | 一种基于运动模型与合成孔径的rfid标签定位方法 |
CN112050726A (zh) * | 2020-08-05 | 2020-12-08 | 中车长春轨道客车股份有限公司 | 一种基于rfid标签阵列的轨道车辆紧固件松脱检测方法 |
CN112066996A (zh) * | 2020-10-27 | 2020-12-11 | 中国民航大学 | 基于扰动信道模型的虚拟插值定位方法 |
CN112066996B (zh) * | 2020-10-27 | 2023-09-12 | 中国民航大学 | 基于扰动信道模型的虚拟插值定位方法 |
CN113184647A (zh) * | 2021-04-27 | 2021-07-30 | 安徽师范大学 | 基于rfid的无接触电梯系统 |
CN114485038A (zh) * | 2022-02-11 | 2022-05-13 | 海信(山东)冰箱有限公司 | 一种冰箱、食材定位方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107907856B (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107907856A (zh) | 一种基于虚拟参考标签的rfid定位方法及系统 | |
CN108491757B (zh) | 基于多尺度特征学习的光学遥感图像目标检测方法 | |
CN106600622B (zh) | 一种基于超体素的点云数据分割方法 | |
CN104778688B (zh) | 点云数据的配准方法及装置 | |
CN108734744A (zh) | 一种基于全站仪的远距离大视场双目标定方法 | |
CN109444812B (zh) | 一种引入动态阈值的rssi室内定位方法 | |
CN103413151B (zh) | 基于图正则低秩表示维数约简的高光谱图像分类方法 | |
CN104616349B (zh) | 基于局部曲面变化因子的散乱点云数据精简处理方法 | |
CN108921864A (zh) | 一种光条中心提取方法及装置 | |
CN106709948A (zh) | 一种基于超像素分割的快速双目立体匹配方法 | |
CN109614935A (zh) | 车辆定损方法及装置、存储介质及电子设备 | |
CN105205114B (zh) | 一种基于图像处理的Wi-Fi定位指纹数据库构建方法 | |
CN110033484A (zh) | 一种结合uav影像和tls点云的高郁闭森林样地树高提取方法 | |
CN106017305B (zh) | 一种基于差分进化算法的相位解包裹方法 | |
Suran | QR Code Image Correction based on Corner Detection and Convex Hull Algorithm. | |
He et al. | A value recognition algorithm for pointer meter based on improved Mask-RCNN | |
CN106125037B (zh) | 基于WiFi信号强度和Micro-Model的室内无线热点回溯定位方法 | |
CN107918953A (zh) | 基于三维空间的激光扫描电力线点云的提取方法及装置 | |
CN110363176A (zh) | 一种图像分析方法及装置 | |
CN108629297A (zh) | 一种基于空域自然场景统计的遥感图像云检测方法 | |
CN108225332A (zh) | 基于监督的室内定位指纹地图降维方法 | |
CN109981195A (zh) | 无线信号强度的处理方法及装置 | |
Wang et al. | Transmission line sag measurement based on single aerial image | |
Liu et al. | Comparison of 2D image models in segmentation performance for 3D laser point clouds | |
CN107396309A (zh) | 一种无线传感器网络森林定位方法 |
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 |