CN109246612B - 一种基于双标签阵列相位差的rfid室内定位算法 - Google Patents
一种基于双标签阵列相位差的rfid室内定位算法 Download PDFInfo
- Publication number
- CN109246612B CN109246612B CN201810966075.3A CN201810966075A CN109246612B CN 109246612 B CN109246612 B CN 109246612B CN 201810966075 A CN201810966075 A CN 201810966075A CN 109246612 B CN109246612 B CN 109246612B
- Authority
- CN
- China
- Prior art keywords
- tag
- distance
- antenna
- population
- difference
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- 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
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于双标签阵列相位差的RFID室内定位算法,包括以下几个步骤:采用双标签组成阵列的方式在同一频率下获取相位差;对相位数据进行处理,消除相位模糊;通过相位信息与距离的关系计算标签阵列到多根天线的距离差,获取多条双曲线进行双曲线定位;考虑双标签阵列的偏转角,通过构建目标函数将定位问题转化为多维函数的优化问题,采用遗传算法得到最终的定位结果。得到的结果误差小,定位精度高,定位效果好。
Description
技术领域
本发明涉及室内定位技术,特别地,涉及一种基于双标签阵列相位差的RFID室内定位算法。
背景技术
RFID是Radio Frequency Identification的缩写,即射频识别技术。RFID技术可识别高速运动物体并可同时识别多个标签,操作快捷方便。基于RFID技术的传统的室内定位算法可分为两大类:基于测距的定位算法和与距离无关的定位算法。目前,已经有不少研究者将目光转向基于相位差的定位方式,而较为常见的方法就是采用FD-PDOA的方式,获取标签的在不同频率下的相位差,转换为距离并采用最小二乘法来进行位置估计。现有FD-PDOA都是采用单标签的方式获取相位差,其误差较大,定位精度低,定位效果不好。
发明内容
为了克服现有技术的不足,本发明提供一种误差小,定位精度高,定位效果好的基于双标签阵列相位差的RFID室内定位算法。
本发明解决其技术问题所采用的技术方案是:
一种基于双标签阵列相位差的RFID室内定位算法,包括以下几个步骤:
S1:采用双标签阵列获取相位差;
S2:消除相位模糊;
S3:根据相位信息与距离的关系,计算标签阵列到多根天线的距离差,获取多条双曲线实现;
S4:基于双标签阵列可能存在的偏转角问题,构建目标函数并采用遗传算法找到最优解从而实现定位。
优选地,所述步骤S1中基于双标签阵列的相位差获取方式,即阅读器对两个相近的标签组成的标签阵列目标发送相同频率的载波,通过将两个标签分别反射回来的载波信号的相位信息进行相减获取相位差并计算出标签到天线的距离差,获取的距离差更精确。
优选地,所述步骤S2中相位模糊的消除根据三角约束进行消除,进而得到较为准确的距离差。
优选地,所述步骤S3中构建双曲线具体为首先构建某个真实天线对应的虚拟天线,并让虚拟天线VA产生同样的偏移,使其到待测点标签的距离等于辅助标签T2到真实天线的距离,待测标签T1到真实物理A和虚拟天线VA的距离差等于标签阵列到真实天线A的距离差:
因此,可以根据距离差为每个物理天线构建双曲线,
虚拟天线VA的坐标满足(xVA,yVA)=(xA-Dcosθ,yA-Dsinθ),则VA和A连线的中点的坐标满足:
对坐标系逆时针旋转角度θ,则在原坐标系上的点(x,y)映射到新坐标系上为(x',y')=(xcosθ+ysinθ,-xsinθ+ycosθ),让虚拟天线VA和真实物理天线A作为双曲线的焦点,中心点为VA和A连线的中点(xo,yo),在旋转坐标系中的双曲线方程:
根据点在原坐标和旋转坐标系的映射关系,得到双曲线方程在原坐标中的表示形式:
其中:
在场景中放置多根天线,并为每条天线构建双曲线。
优选地,所述步骤S4中用遗传算法解决带偏移角的标签阵列定位具体为获取多条双曲线后,最后一步是找到它们的共同交点;将问题描述为寻找到某个偏转角θ下的某个坐标点(x,y),该点到在该偏转角下得到的双曲线组的距离的和最小,该点即为目标标签的位置;根据双曲线的性质,将(x,y)到每组双曲线焦点的距离差,和对应的双曲线的实轴长的差值之和作为目标函数:
目标是找到最优的(x,y,θ)使得该函数取得最小值;
由于偏转角未知,标签到真实天线的距离d1和到虚拟天线的距离d1的大小关系也未知;因此,标签位置有可能位于每条双曲线的左侧分支或右侧分支上,导致位置模糊;因此,对于每个(x,y,θ)组合,计算它们到天线和对应虚拟天线的距离并计算得到距离差,根据距离差求得理论相位差:
对比理论相位差和实测相位差的符号,若符号相反,说明当前点可能产生位置模糊;因此可将当前点的适应度设置为一个很大的值,一定程度上排除位置模糊带来的影响;基于以上的目标函数,采用优化算法进行最优值的求解,使用的优化算法为遗传算法。
算法流程如下:
P1:初始化
设置种群中个体的数目,最大遗传代数,染色体的长度,限制寻优的范围,创建随机初始种群,染色体编码方式为二进制编码,即把x,y和θ转化为二进制并编码到染色体上,根据目标函数计算出种群中每个个体的目标函数值;
P2:分配适应度值
根据目标函数值的大小对种群进行排序,进行适应度值分配,对于线性排序,其适应度值由下式计算:
其中p为个体在排序种群中的位置,N为种群中个体总数,sp为压差;
P3:选择操作
选择种群中的一些染色体来产生下一代,根据代沟参数确定需要从上一代种群中选择保留下来的个体数量,然后基于轮盘赌的原理,让个体被选择的概率与其适应度值成正比,根据概率进行选择并生成一个新种群;
P4:交叉操作
被选择后的染色体种群按照序号的奇偶进行互相组合,形成染色体对,并根据交叉概率确定是否需要进行交叉,交叉方式为单点交叉,染色体对随机确定一个位置,对该点之后的基因序列进行互换;
P5:变异操作
根据变异概率确定种群中需要发生变异的染色体编码位置,将该位置上的基因进行取反操作;
P6:重插入
将变异后的子种群重插入到种群中,得到这一代最终的种群;计算新种群中每个个体的目标函数值,并找出这一代的最优个体;
P7:迭代
若当前迭代次数小于最大迭代次数,返回P2继续进行迭代,否则退出循环;迭代结束后,找出迭代过程中产生的最优的个体并进行解码,即可得到目标标签的位置,从而实现最终的定位。
本发明的有益效果:
由上述方案可知,采用双标签陈列获取相位差,得到的数据更准确;之后再消除相位模糊得到更精确的数据,根据相位信息与距离的关系,计算标签阵列到多根天线的距离差,获取多条双曲线,建立双曲线方程,更具体方便;构建目标函数并采用遗传算法找到最优解解决双标签可能存在的偏转角问题。采用上述技术方案,得到的结果误差小,定位精度高,定位效果好。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明双标签阵列获取相位差的原理图;
图2是本发明标签阵列的偏转角及虚拟天线示意图;
图3是本发明遗传算法的仿真结果;
图4是本发明定位算法的CDF累计分布图;
图5是本发明算法流程图。
具体实施方式
参照图1至图5,一种基于双标签阵列相位差的RFID室内定位算法,包括以下几个步骤:
S1:采用双标签阵列获取相位差;
S2:消除相位模糊;
S3:根据相位信息与距离的关系,计算标签阵列到多根天线的距离差,获取多条双曲线实现;
S4:基于双标签阵列可能存在的偏转角问题,构建目标函数并采用遗传算法找到最优解从而实现定位。
采用双标签陈列获取相位差,得到的数据更准确;之后再消除相位模糊得到更精确的数据,根据相位信息与距离的关系,计算标签阵列到多根天线的距离差,获取多条双曲线,建立双曲线方程,更具体方便;构建目标函数并采用遗传算法找到最优解解决双标签可能存在的偏转角问题。采用上述技术方案,得到的结果误差小,定位精度高,定位效果好。
其中相位与距离的关系如下:
阅读器发射的无线射频信号是具有周期性特点的正弦波。正弦信号在传输过程中,一定时间内相位的变化可以映射为信号在该时间内的传输距离:
θ=2πft
其中f为载波频率,光速为c,结合速度距离公式,相位变化和距离之间的关系可表示为
本发明采用的是UHF-RFID阅读器,频段在865MHz-956MHz的超高频频段,由于载波是一个周期为2π的正弦波,因此在实际测量过程中,若相位的变化超过2π,就会产生相位模糊的问题。当相位的变化θ为2π时,则最大有效距离的范围在15.7cm-17.3cm,如果信号传播的距离超过这个值,就会产生相位模糊,对距离的计算产生影响。为了解决这个问题,一般采用相位差代替相位信息来进行定位。
其中相位差获取方式及对比分析
基于FD-PDOA的相位差获取方式,即阅读器对同一目标发送不同频率的载波,通过将这些不同频率的载波信号的相位信息进行相减获取相位差,从而计算出距离。
信号传播过程中相位的积累可分为三部分,第一部分是阅读器内部到天线发射这一过程的相位累积,第二部分是电磁信号在自由空间传播的相位累积,第三部分是信号在电子标签调整过程中的相位累积,因此信号最终返回阅读器时的相位可表示为
θ=θprop+θ0+θBS
假设两个载波信号的频率分别为f1和f2,可得
其中θ1+2nπ和θ2+2nπ表示在载波频率分别为f1和f2时的相位变化量,n表示信号传播过程经过的周期数,θIN表示相位差在阅读器内部处理以及经过馈线时的累积,θBS和电子标签的内部结构有关。
图中Γ为反射系数,相移对应的距离偏移可近似表示为
上式中只有载波频率f是变量,电子标签反向散射的相位偏移量随载波频率的变化而改变。因此在FD-PDOA方法中,多频率相减最终得到的相位差会受到频率的影响,进而影响了定位精度。
基于双标签阵列的相位差获取方式,即阅读器对两个相近的标签组成的标签阵列目标发送相同频率的载波,通过将两个标签分别反射回来的载波信号的相位信息进行相减获取相位差并计算出标签到天线的距离差。由于采用相同频率的载波,避免了载波变化对相位差所带来的影响。
假设载波信号的频率为f,则有
联立式两式,得到两个标签到天线的距离差:
其中Δθ=θ1-θ2,θ1和θ2表示阅读器沿着不同路径发送相同频率载波的相位变化量。
采用双标签获取相位差可避免FD-PDOA方式产生的定位精度问题。信号到两个标签的相位变化分别为:
两个等式相减,有:
由于频率不变,可认为θBS1≈θBS2,且对于同一根天线,认为θIN1≈θIN2,从而可以忽略阅读器内部和标签内部的相位积累所引入的误差。
因此,可简化为:
其中n=n2-n1。该方程描述了双标签相位差和距离差的对应关系。
基于以上分析,本文采用双标签阵列获取相位差的方式。本文选取阅读器R420的可操作频率920.625MH进行相位数据的获取。
所述步骤S1中基于双标签阵列的相位差获取方式,即阅读器对两个相近的标签组成的标签阵列目标发送相同频率的载波,通过将两个标签分别反射回来的载波信号的相位信息进行相减获取相位差并计算出标签到天线的距离差,获取的距离差更精确。
所述步骤S2中相位模糊的消除根据三角约束进行消除,进而得到较为准确的距离差。
所述步骤S3中构建双曲线具体为首先构建某个真实天线对应的虚拟天线,并让虚拟天线VA产生同样的偏移,使其到待测点标签的距离等于辅助标签T2到真实天线的距离,待测标签T1到真实物理A和虚拟天线VA的距离差等于标签阵列到真实天线A的距离差:
因此,可以根据距离差为每个物理天线构建双曲线,
虚拟天线VA的坐标满足(xVA,yVA)=(xA-Dcosθ,yA-Dsinθ),则VA和A连线的中点的坐标满足:
对坐标系逆时针旋转角度θ,则在原坐标系上的点(x,y)映射到新坐标系上为(x',y')=(xcosθ+ysinθ,-xsinθ+ycosθ),让虚拟天线VA和真实物理天线A作为双曲线的焦点,中心点为VA和A连线的中点(xo,yo),在旋转坐标系中的双曲线方程:
根据点在原坐标和旋转坐标系的映射关系,得到双曲线方程在原坐标中的表示形式:
其中:
在场景中放置多根天线,并为每条天线构建双曲线。
所述步骤S4中用遗传算法解决带偏移角的标签阵列定位具体为获取多条双曲线后,最后一步是找到它们的共同交点;将问题描述为寻找到某个偏转角θ下的某个坐标点(x,y),该点到在该偏转角下得到的双曲线组的距离的和最小,该点即为目标标签的位置;根据双曲线的性质,将(x,y)到每组双曲线焦点的距离差,和对应的双曲线的实轴长的差值之和作为目标函数:
目标是找到最优的(x,y,θ)使得该函数取得最小值;
由于偏转角未知,标签到真实天线的距离d1和到虚拟天线的距离d2的大小关系也未知;因此,标签位置有可能位于每条双曲线的左侧分支或右侧分支上,导致位置模糊;因此,对于每个(x,y,θ)组合,计算它们到天线和对应虚拟天线的距离并计算得到距离差,根据距离差求得理论相位差:
对比理论相位差和实测相位差的符号,若符号相反,说明当前点可能产生位置模糊;因此可将当前点的适应度设置为一个很大的值,一定程度上排除位置模糊带来的影响;基于以上的目标函数,采用优化算法进行最优值的求解,使用的优化算法为遗传算法。
算法流程如下:
P1:初始化
设置种群中个体的数目,最大遗传代数,染色体的长度,限制寻优的范围,创建随机初始种群,染色体编码方式为二进制编码,即把x,y和θ转化为二进制并编码到染色体上,根据目标函数计算出种群中每个个体的目标函数值;
P2:分配适应度值
根据目标函数值的大小对种群进行排序,进行适应度值分配,对于线性排序,其适应度值由下式计算:
其中p为个体在排序种群中的位置,N为种群中个体总数,sp为压差;
P3:选择操作
选择种群中的一些染色体来产生下一代,根据代沟参数确定需要从上一代种群中选择保留下来的个体数量,然后基于轮盘赌的原理,让个体被选择的概率与其适应度值成正比,根据概率进行选择并生成一个新种群;
P4:交叉操作
被选择后的染色体种群按照序号的奇偶进行互相组合,形成染色体对,并根据交叉概率确定是否需要进行交叉,交叉方式为单点交叉,染色体对随机确定一个位置,对该点之后的基因序列进行互换;
P5:变异操作
根据变异概率确定种群中需要发生变异的染色体编码位置,将该位置上的基因进行取反操作;
P6:重插入
将变异后的子种群重插入到种群中,得到这一代最终的种群;计算新种群中每个个体的目标函数值,并找出这一代的最优个体;
P7:迭代
若当前迭代次数小于最大迭代次数,返回P2继续进行迭代,否则退出循环;迭代结束后,找出迭代过程中产生的最优的个体并进行解码,即可得到目标标签的位置,从而实现最终的定位。
以上所述只是本发明的较佳实施方式,但本发明并不限于上述实施例,只要其以任何相同或相似手段达到本发明的技术效果,都应落入本发明的保护范围之内。
Claims (3)
1.一种基于双标签阵列相位差的RFID室内定位算法,其特征在于,包括以下几个步骤:
S1:采用双标签阵列获取相位差;
S2:消除相位模糊;
S3:根据相位信息与距离的关系,计算标签阵列到多根天线的距离差,获取多条双曲线实现,首先构建某个真实天线对应的虚拟天线,并让虚拟天线VA产生同样的偏移,使其到待测点标签的距离等于辅助标签T2到真实天线的距离,待测标签T1到真实物理A和虚拟天线VA的距离差等于标签阵列到真实天线A的距离差:
其中:
因此,可以根据距离差为每个物理天线构建双曲线,
虚拟天线VA的坐标满足(xVA,yVA)=(xA-D cosθ,yA-D sinθ),则VA和A连线的中点的坐标满足:
其中:
xA:真实天线A的横坐标;
yA:真实天线A的纵坐标;
D:待测标签T1到辅助标签T2的间距;
对坐标系逆时针旋转角度θ,则在原坐标系上的点(x,y)映射到新坐标系上为(x',y')=(x cosθ+y sinθ,-x sinθ+y cosθ),让虚拟天线VA和真实物理天线A作为双曲线的焦点,中心点为VA和A连线的中点(xo,yo),在旋转坐标系中的双曲线方程:
根据点在原坐标和旋转坐标系的映射关系,得到双曲线方程在原坐标中的表示形式:
其中:
D:待测标签T1到辅助标签T2的间距;
x′0:真实天线A和虚拟天线VA的中点的映射到新坐标系的横坐标;
y′0:真实天线A和虚拟天线VA的中点映射到新坐标系的纵坐标;
λ:载波波长;
△θ:待测标签T1和辅助标签T2分别反射回来的载波信号的相位信息的相位差;
n:自然数;
在场景中放置多根天线,并为每条天线构建双曲线;
S4:基于双标签阵列可能存在的偏转角问题,构建目标函数并采用遗传算法找到最优解从而实现定位,获取多条双曲线后,最后一步是找到它们的共同交点;将问题描述为寻找到某个偏转角θ下的某个坐标点(x,y),该点到在该偏转角下得到的双曲线组的距离的和最小,该点即为目标标签的位置;根据双曲线的性质,将(x,y)到每组双曲线焦点的距离差,和对应的双曲线的实轴长的差值之和作为目标函数:
其中:
n:自然数;
ai:第i条双曲线的实半轴长;
xri:第i条双曲线的焦点的横坐标;
yri:第i条双曲线的焦点的纵坐标;
D:待测标签T1到辅助标签T2的间距;
目标是找到最优的(x,y,θ)使得该函数取得最小值;
由于偏转角未知,标签到真实天线的距离d1和到虚拟天线的距离d2的大小关系也未知;因此,标签位置有可能位于每条双曲线的左侧分支或右侧分支上,导致位置模糊;因此,对于每个(x,y,θ)组合,计算它们到天线和对应虚拟天线的距离并计算得到距离差,根据距离差求得理论相位差:
对比理论相位差和实测相位差的符号,若符号相反,说明当前点可能产生位置模糊;因此可将当前点的适应度设置为一个很大的值,一定程度上排除位置模糊带来的影响;基于以上的目标函数,采用优化算法进行最优值的求解,使用的优化算法为遗传算法;
算法流程如下:
P1:初始化
设置种群中个体的数目,最大遗传代数,染色体的长度,限制寻优的范围,创建随机初始种群,染色体编码方式为二进制编码,即把x,y和θ转化为二进制并编码到染色体上,根据目标函数计算出种群中每个个体的目标函数值;
P2:分配适应度值
根据目标函数值的大小对种群进行排序,进行适应度值分配,对于线性排序,其适应度值由下式计算:
其中p为个体在排序种群中的位置,N为种群中个体总数,sp为压差;
P3:选择操作
选择种群中的一些染色体来产生下一代,根据代沟参数确定需要从上一代种群中选择保留下来的个体数量,然后基于轮盘赌的原理,让个体被选择的概率与其适应度值成正比,根据概率进行选择并生成一个新种群;
P4:交叉操作
被选择后的染色体种群按照序号的奇偶进行互相组合,形成染色体对,并根据交叉概率确定是否需要进行交叉,交叉方式为单点交叉,染色体对随机确定一个位置,对该点之后的基因序列进行互换;
P5:变异操作
根据变异概率确定种群中需要发生变异的染色体编码位置,将该位置上的基因进行取反操作;
P6:重插入
将变异后的子种群重插入到种群中,得到这一代最终的种群;计算新种群中每个个体的目标函数值,并找出这一代的最优个体;
P7:迭代
若当前迭代次数小于最大迭代次数,返回P2继续进行迭代,否则退出循环;迭代结束后,找出迭代过程中产生的最优的个体并进行解码,即可得到目标标签的位置,从而实现最终的定位。
2.根据权利要求1所述的一种基于双标签阵列相位差的RFID室内定位算法,其特征在于:所述步骤S1中基于双标签阵列的相位差获取方式,即阅读器对两个相近的标签组成的标签阵列目标发送相同频率的载波,通过将两个标签分别反射回来的载波信号的相位信息进行相减获取相位差并计算出标签到天线的距离差。
3.根据权利要求1所述的一种基于双标签阵列相位差的RFID室内定位算法,其特征在于:所述步骤S2中相位模糊的消除根据三角约束进行消除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810966075.3A CN109246612B (zh) | 2018-08-23 | 2018-08-23 | 一种基于双标签阵列相位差的rfid室内定位算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810966075.3A CN109246612B (zh) | 2018-08-23 | 2018-08-23 | 一种基于双标签阵列相位差的rfid室内定位算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109246612A CN109246612A (zh) | 2019-01-18 |
CN109246612B true CN109246612B (zh) | 2020-09-15 |
Family
ID=65068550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810966075.3A Active CN109246612B (zh) | 2018-08-23 | 2018-08-23 | 一种基于双标签阵列相位差的rfid室内定位算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109246612B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110687503B (zh) * | 2019-10-31 | 2021-07-09 | 华中科技大学 | 一种基于背向散射的无线定位方法、装置及系统 |
CN111856528A (zh) * | 2020-08-20 | 2020-10-30 | 中国电子科技集团公司第五十四研究所 | 一种基于遗传算法的室内多通道伪卫星定位方法 |
CN112109083A (zh) * | 2020-08-21 | 2020-12-22 | 华南理工大学 | 基于遗传禁忌搜索算法的机器人运动学参数辨识方法 |
CN112091950A (zh) * | 2020-08-21 | 2020-12-18 | 华南理工大学 | 基于混合遗传模拟退火算法的机器人运动学参数辨识方法 |
CN111967196A (zh) * | 2020-08-27 | 2020-11-20 | 中电科仪器仪表有限公司 | 一种基于遗传算法的多测量站布局方法及系统 |
CN112985415B (zh) * | 2021-04-15 | 2021-08-10 | 武汉光谷信息技术股份有限公司 | 一种室内定位方法及系统 |
CN113343728B (zh) * | 2021-05-19 | 2022-08-30 | 天津大学 | 一种基于非线性优化方法的rfid定位方法 |
CN113329331B (zh) * | 2021-05-19 | 2022-04-29 | 天津大学 | 一种基于改进双曲线模型的rfid定位方法 |
CN116381754B (zh) * | 2023-03-09 | 2023-09-05 | 广州市泰粤科技股份有限公司 | 北斗差分360度大型起重吊机智能监控系统及方法 |
CN116600383B (zh) * | 2023-07-13 | 2023-09-26 | 杭州晟珈智能科技有限公司 | 一种基于相位差的多天线rfid标签定位方法与系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184436A (zh) * | 2011-05-16 | 2011-09-14 | 重庆大学 | 一种物联网物体位置感知方法 |
CN103353597A (zh) * | 2013-07-10 | 2013-10-16 | 天津大学 | 一种用于超高频rfid定位的相位式测距方法 |
CN103353589A (zh) * | 2013-07-10 | 2013-10-16 | 天津大学 | 一种基于相位的有效室内定位方法 |
CN106646362A (zh) * | 2016-12-14 | 2017-05-10 | 西北大学 | 一种基于多径信号空间谱的被动式目标定位方法 |
CN107329142A (zh) * | 2017-05-08 | 2017-11-07 | 上海交通大学 | 基于多频相位差的saw rfid标签测距方法 |
-
2018
- 2018-08-23 CN CN201810966075.3A patent/CN109246612B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184436A (zh) * | 2011-05-16 | 2011-09-14 | 重庆大学 | 一种物联网物体位置感知方法 |
CN103353597A (zh) * | 2013-07-10 | 2013-10-16 | 天津大学 | 一种用于超高频rfid定位的相位式测距方法 |
CN103353589A (zh) * | 2013-07-10 | 2013-10-16 | 天津大学 | 一种基于相位的有效室内定位方法 |
CN106646362A (zh) * | 2016-12-14 | 2017-05-10 | 西北大学 | 一种基于多径信号空间谱的被动式目标定位方法 |
CN107329142A (zh) * | 2017-05-08 | 2017-11-07 | 上海交通大学 | 基于多频相位差的saw rfid标签测距方法 |
Non-Patent Citations (1)
Title |
---|
Fu Xiao etc.."One More Tag Enables Fine-Grained RFID".《IEEE/ACM TRANSACTIONS ON NETWORKING》.2017, * |
Also Published As
Publication number | Publication date |
---|---|
CN109246612A (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109246612B (zh) | 一种基于双标签阵列相位差的rfid室内定位算法 | |
Ma et al. | The optimization for hyperbolic positioning of UHF passive RFID tags | |
Xu et al. | AdaRF: Adaptive RFID-based indoor localization using deep learning enhanced holography | |
Qiu et al. | 3DinSAR: Object 3D localization for indoor RFID applications | |
CN108614980A (zh) | 一种融合rfid和激光信息的动态目标定位系统及方法 | |
CN104392426A (zh) | 一种自适应的无标志点三维点云自动拼接方法 | |
Zhang et al. | 3-dimensional localization via RFID tag array | |
CN109511085B (zh) | 一种基于MeanShift和加权k近邻算法的UWB指纹定位方法 | |
Xu et al. | FaHo: Deep learning enhanced holographic localization for RFID tags | |
CN110109054B (zh) | 一种基于相位差校正的rfid定位方法和装置 | |
Tzitzis et al. | A real-time multi-antenna SAR-based method for 3D localization of RFID tags by a moving robot | |
Zeng et al. | UHF RFID indoor positioning system with phase interference model based on double tag array | |
CN110493869B (zh) | 一种基于rssi的k近邻差分修正质心定位方法 | |
CN101606077A (zh) | Toa/tdoa模式下设置模式被动定位 | |
CN110187333B (zh) | 一种基于合成孔径雷达技术的rfid标签定位方法 | |
Xu et al. | The principle, methods and recent progress in RFID positioning techniques: A review | |
CN107367277A (zh) | 基于二次K‑Means聚类的室内位置指纹定位方法 | |
CN109539884A (zh) | 一种基于ga的矢量脱靶量参数估计方法 | |
CN113747360A (zh) | 一种基于混合可见光和ble的室内定位方法 | |
CN102967848A (zh) | 一种基于距离关系库及接收信号强度的定位方法 | |
CN107436969A (zh) | 一种基于遗传算法的三维多目标定位方法 | |
Chen et al. | Trajectory-robust rfid relative localization based on phase profile correlation | |
CN109932709A (zh) | Rfid定位系统和定位方法 | |
RU2453999C1 (ru) | Способ приема радиосигналов на объектах | |
Sun et al. | Data cleaning for indoor crowdsourced RSSI sequences |
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 |