CN109324321A - 一种基于rfid带修正的室内定位算法 - Google Patents

Abstract

本发明提供一种基于RFID带修正的室内定位算法，该算法包括以下几个步骤：(1)数据处理过程，对采集的数据进行高斯滤波，构建指纹库；(2)理论分析并通过仿真得到最佳的邻居标签的数量；(3)参考标签以三角形摆放，实现Tri‑LANDMARC算法；(4)通过几何关系剔除错选的标签并得到修正后的坐标。通过理论分析与实验验证，修正与优化后算法的定位精度有明显的提高和改善。

Description

一种基于RFID带修正的室内定位算法

技术领域

本发明涉及无线定位系统领域，更具体地，涉及一种基于RFID带修正的室内定位算法。

背景技术

RFID是Radio Frequency Identification的缩写，即射频识别技术。RFID射频识别是一种非接触式的自动识别技术，它通过射频信号自动识别目标对象并获取相关数据，识别工作无须人工干预，可工作于各种恶劣环境。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基于测距的定位算法其基本思想是利用信号传播的时间接收信号的角度或强度信息来计算出相关的距离信息，然后通过三边测量法三角测量法最小二乘法或最大似然估计法来计算估计出定位目标的位置。典型的测距方法有基于信号到达角(AOA)法、基于信号到达时间(TOA)法、基于信号到达时间差(TDOA)法以及基于接收信号强度(RFID)法。与测距无关的定位算法可分为质心Dv-Hop、凸规划、APS、APIT以及SeRLoc法等。基于测距的定位算法往往比与测距无关的定位算法具有更高的定位精度，但是由于前者在定位时需要复杂精确的测距及计算，这往往使得定位过程过于复杂，定位的适时性降低，而后者却不需要大量繁琐的测距和计算过程。

LANDMARC算法结合了基于测距和与测距无关的定位算法，首先利用RSSI信息求出最近邻居标签，然后根据加权质心算法求解待定位标签的位置坐标。但LANDMARC算法典型的缺点是由于定位环境影响，信号在传播过程中会发生各种情况的反射衍射和多径效应这样就造成LANDMARC算法易错选邻居标签。大量的实验研究表明LANDMARC算法错选邻居标签的概率高达65％，这样必然使得定位结果误差较大，定位精度降低。

发明内容

本发明提供一种基于RFID带修正的室内定位算法，该算法有较高的定位精度。

为了达到上述技术效果，本发明的技术方案如下：

一种基于RFID带修正的室内定位算法，包括以下步骤：

S1：在室内地面上部署若干无源电子标签和阅读器；

S2：阅读器采集无源电子标签的RSSI值，对采集的数据进行高斯滤波处理；

S3：对处理后的数据中的任一RSSI值对应的待定位的无源电子标签，选择该待定位的无源电子标签邻近的3个无源电子标签，使得这3个无源电子标签呈三角形摆放，将这三个无源电子标签作为参考标签，并利用参考标签计算待定位标签的位置；

S4：通过几何关系剔除错选标签并得到修正后的坐标。

进一步地，所述步骤S3的具体过程是：

S31：令参考标签RT_j在各阅读器上的收信场强向量其中为RT_j在阅读器ξ_u上的RSSI值，令待定位标签LT_i在各阅读器上的收信场强向量为其中表示LT_i在阅读器ξ_u上的RSSI值，RT_j和LT_i之间的场强欧式距离为：

其中为阅读器ξ_u上的场强欧氏距离分量，越小表示LT_i与RT_j在各阅读器上收信场强差异越小，进而可以表示参考标签和待定位标签距离越近；

S32：通过计算，可以得到LT_i与各个参考标签的场强欧氏距离，并构成向量选取中最小的k个元素并按其大小排成构成集合并认定与对应的k个参考标签为RT_j的最近邻参考标签，对于若α＞β，有：

S33：依据的大小赋予各参考标签在定位过程中不同的权重，并依据经验公式推算出RT_i的估计坐标为：

其中，为第j个近邻参考标签的权重，表示LT_i的第j个近邻参考标签的已知物理位置，若α＞β，则有

即对于与RT_i位置越接近的参考标签，其位置信息在定位过程中被赋予越大的权重。

进一步地，所述步骤S4的过程如下：

S41：根据S3求得三个邻居标签结合加权质心算法得到待定位标签初次定位坐标M(x_m,y_m)；

S42：计算初次定位坐标m与最近邻居标签A、B、C′之间的距离分别为d_ma、d_mb、d_mc′，其中邻居标签A与初次定位坐标M的距离可表示为：

同理可求得d_mb、d_mc′；

S43：比较初次定位标签与各邻居标签之间的距离，求出最大的距离d_max，设有：

d_max＝d_mc′

参考标签按等边三角形规则进行摆放，标签摆放间距为d,以C′为圆心，半径为d画弧，比较d_max与d之间的关系确定是否存在错选的邻居标签；若存在式：d_max≤d不存在错选邻居标签；若存在式：d_max＞d此时存在错选邻居标签C′；若存在式：

若C′在C处，点M必在直线AB和弧AB组成的区域中，否则就不在该区域

中；为了确定是否存在错选标签可分两种情况进行判断：

比较参考标签C′和参考标签A、B之间的距离d_ac′和d_bc′并找出最大值d_max2，判断d_max2是否满足式：

d_max2＞d

若满足，则C′为错选的邻居标签。反之，则C′是无误标签。

S44：由错选邻居标签求对应的修正邻居标签，当出现d_max＞d或且d_max2＞d时，说明错选了邻居标签，由待定位标签初次定位坐标m和A、B求修正的邻居标签C的坐标，设C为(x_c,y_c),则可求得：

若y_a＝y_b,则有y_c＝y_c′；

若x_c′≥max{x_a,x_b}或x_c′≤min{x_a,x_b}并且y_c′＜min{y_a,y_b}或y_c′＝max{y_a,y_b},则x_c＝min{y_a,y_b}-d，y_c＝min{y_a,y_b}；

若x_c′≥max{x_a,x_b}或x_c′≤max{x_a,x_b}并且y_c′＞max{y_a,y_b}或y_c′＝min{y_a,y_b},则x_c＝min{y_a,y_b}+d，y_c＝max{y_a,y_b}；

此时求出修正后的邻居标签坐标，并由修正后的C坐标和之前A、B坐标求得修正的待定位标签坐标M′(x_m′,y_m′)：

S45：若错选邻居标签A、B同样采样S41-S44来修正待定位标签的坐标。

与现有技术相比，本发明技术方案的有益效果是：

本发明在室内地面上部署若干无源电子标签和阅读器；阅读器采集无源电子标签的RSSI值，对采集的数据进行高斯滤波处理；对处理后的数据中的任一RSSI值对应的待定位的无源电子标签，选择该待定位的无源电子标签邻近的3个无源电子标签，使得这3个无源电子标签呈三角形摆放，将这三个无源电子标签作为参考标签，并利用参考标签计算待定位标签的位置通过几何关系剔除错选标签并得到修正后的坐标；利用该算法修正与优化后算法的定位精度有明显的提高和改善。

附图说明

图1是本发明算法流程图；

图2是数据分布图；

图3是不同k值的CDF曲线图及误差图；

图4是参考标签摆放示意图；

图5是剔除错选坐标的几何原理图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

如图1所示，一种基于RFID带修正的室内定位算法，包括以下步骤：

S1：在室内部署若干无源电子标签和阅读器；

S2：阅读器采集无源电子标签的RSSI值，对采集的数据进行高斯滤波处理；

S3：对处理后的数据中的任一RSSI值对应的待定位的无源电子标签，选择该待定位的无源电子标签邻近的3个无源电子标签，使得这3个无源电子标签呈三角形摆放，将这三个无源电子标签作为参考标签，并利用参考标签计算待定位标签的位置；

S4：通过几何关系剔除错选标签并得到修正后的坐标。

本发明通过采用滤波算法对采集到的RSSI数据利用高斯函数剔除部分误差较大的RSSI数据，在一定程度上改善了定位性能。

如图2(a)是对同一参考标签同一位置进行采样，然后以正态概率纸形式呈现。正态概率纸是一种特殊的坐标系，其横坐标是等间隔的，纵坐标是按标准正态分布函数值给出的，正态概率纸定义就是让正态分布点近似落在直线上。因此对于正态分布，点会集中在直线上，对于非正态分布，就会明显弯曲。图2(b)是该标签在各个范围取值的数量。从上两图可以看出，RSSI数据是呈正态分布的，因此可以采样高斯滤波对数据进行处理。

如图3(a)中的七条曲线分别对应k＝1、2、3、4、5、6、7时的误差累计分布情况，其中k＝1时为近似度定位方法。由图3(a)可知当k值由1增至4时，误差有所累计改善较为明显，而当k继续增至6中，情况改善并不明显，同时由图3(b)可知，在k＝4时，最小均方误差达到最小，算法已达到比较理想的定位精度，而k＝5对应的较k＝4几乎没有改善，却引增大了计算量。需要说明的是，当室内环境中的各个位置的目标出现概率相同时，参考标签的部署方式直接影响到最优k值的选取，当参考标签以三角网格状部署时，最佳k值为3。

步骤S3的具体过程是：

S31：令参考标签RT_j在各阅读器上的收信场强向量其中为RT_j在阅读器ξ_u上的RSSI值，令待定位标签LT_i在各阅读器上的收信场强向量为其中表示LT_i在阅读器ξ_u上的RSSI值，RT_j和LT_i之间的场强欧式距离为：

其中为阅读器ξ_u上的场强欧氏距离分量，越小表示LT_i与RT_j在各阅读器上收信场强差异越小，进而可以表示参考标签和待定位标签距离越近；

S32：通过计算，可以得到LT_i与各个参考标签的场强欧氏距离，并构成向量选取中最小的k个元素并按其大小排成构成集合并认定与对应的k个参考标签为RT_j的最近邻参考标签，对于若α＞β，有：

S33：依据的大小赋予各参考标签在定位过程中不同的权重，并依据经验公式推算出RT_i的估计坐标为：

其中，为第j个近邻参考标签的权重，表示LT_i的第j个近邻参考标签的已知物理位置，若α＞β，则有

即对于与RT_i位置越接近的参考标签，其位置信息在定位过程中被赋予越大的权重；

如图4所示，图4(a)表示传统LANDMARC算法参考标签的摆放形式，图4(b)表示本发明Tri-LANDMARC的摆放方式。经过试验仿真表明，三角形摆放的精度总体上比正方形的要高，在实际应用中需要考虑成本因素和参考标签自身产生的信号干扰，即参考标签越多，那么带来的干扰也就越大，则可能导致误差增大，所以三角模型在实际应用中是一个更好的选择。

步骤S4的过程如下：

S41：根据S3求得三个邻居标签结合加权质心算法得到待定位标签初次定位坐标M(x_m,y_m)；

S42：计算初次定位坐标m与最近邻居标签A、B、C′之间的距离分别为d_ma、d_mb、d_mc′，其中邻居标签A与初次定位坐标M的距离可表示为：

同理可求得d_mb、d_mc′；

S43：比较初次定位标签与各邻居标签之间的距离，求出最大的距离d_max，设有：

d_max＝d_mc′

参考标签按等边三角形规则进行摆放，如图5所示，标签摆放间距为d,以C′为圆心，半径为d画弧，比较d_max与d之间的关系确定是否存在错选的邻居标签；若存在式：d_max≤d，如图5所示，不存在错选邻居标签；若存在式：d_max＞d此时存在错选邻居标签C′；若存在式：

如图5所示，若C′在C处，点M必在直线AB和弧AB组成的区域中，否则

就不在该区域中；为了确定是否存在错选标签可分两种情况进行判断：

比较参考标签C′和参考标签A、B之间的距离d_ac′和d_bc′并找出最大值d_max2，判断d_max2是否满足式：

d_max2＞d

若满足，则C′为错选的邻居标签。反之，则C′是无误标签。

S44：由错选邻居标签求对应的修正邻居标签，当出现d_max＞d或且d_max2＞d时，说明错选了邻居标签，由待定位标签初次定位坐标m和A、B求修正的邻居标签C的坐标，设C为(x_c,y_c),则可求得：

若y_a＝y_b,则有y_c＝y_c′；

若x_c′≥max{x_a,x_b}或x_c′≤min{x_a,x_b}并且y_c′＜min{y_a,y_b}或y_c′＝max{y_a,y_b},则x_c＝min{y_a,y_b}-d，y_c＝min{y_a,y_b}；

若x_c′≥max{x_a,x_b}或x_c′≤max{x_a,x_b}并且y_c′＞max{y_a,y_b}或y_c′＝min{y_a,y_b},则x_c＝min{y_a,y_b}+d，y_c＝max{y_a,y_b}；

此时求出修正后的邻居标签坐标，并由修正后的C坐标和之前A、B坐标求得修正的待定位标签坐标M′(x_m′,y_m′)：

S45：若错选邻居标签A、B同样采样S41-S44来修正待定位标签的坐标。

相同或相似的标号对应相同或相似的部件；

附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (3)

1.一种基于RFID带修正的室内定位算法，其特征在于，包括以下步骤：

S1：在室内地面上部署若干无源电子标签和阅读器；

S2：阅读器采集无源电子标签的RSSI值，对采集的数据进行高斯滤波处理；

S3：对处理后的数据中的任一RSSI值对应的待定位的无源电子标签，选择该待定位的无源电子标签邻近的3个无源电子标签，使得这3个无源电子标签呈三角形摆放，将这三个无源电子标签作为参考标签，并利用参考标签计算待定位标签的位置；

S4：通过几何关系剔除错选标签并得到修正后的坐标。

2.根据权利要求1所述的基于RFID带修正的室内定位算法，其特征在于，所述步骤S3的具体过程是：

S31：令参考标签RT_j在各阅读器上的收信场强向量其中为RT_j在阅读器ξ_u上的RSSI值，令待定位标签LT_i在各阅读器上的收信场强向量为其中表示LT_i在阅读器ξ_u上的RSSI值，RT_j和LT_i之间的场强欧式距离为：

其中为阅读器ξ_u上的场强欧氏距离分量，越小表示LT_i与RT_j在各阅读器上收信场强差异越小，进而可以表示参考标签和待定位标签距离越近；

S32：通过计算，可以得到LT_i与各个参考标签的场强欧氏距离，并构成向量选取中最小的k个元素并按其大小排成构成集合并认定与对应的k个参考标签为RT_j的最近邻参考标签，对于β∈(1，k)，若α＞β，有：

S33：依据的大小赋予各参考标签在定位过程中不同的权重，并依据经验公式推算出RT_i的估计坐标为：

其中，为第j个近邻参考标签的权重，表示LT_i的第j个近邻参考标签的已知物理位置，若α＞β，则有

即对于与RT_i位置越接近的参考标签，其位置信息在定位过程中被赋予越大的权重。

3.根据权利要求2所述的基于RFID带修正的室内定位算法，其特征在于，所述步骤S4的过程如下：

S41：根据S3求得三个邻居标签结合加权质心算法得到待定位标签初次定位坐标M(x_m,y_m)；

S42：计算初次定位坐标m与最近邻居标签A、B、C′之间的距离分别为d_ma、d_mb、d_mc′，其中邻居标签A与初次定位坐标M的距离可表示为：

同理可求得d_mb、d_mc′；

S43：比较初次定位标签与各邻居标签之间的距离，求出最大的距离d_max，设有：

d_max＝d_mc′

参考标签按等边三角形规则进行摆放，标签摆放间距为d,以C′为圆心，半径为d画弧，比较d_max与d之间的关系确定是否存在错选的邻居标签；若存在式：d_max≤d不存在错选邻居标签；若存在式：d_max＞d此时存在错选邻居标签C′；若存在式：

若C′在C处，点M必在直线AB和弧AB组成的区域中，否则就不在该区域中；为了确定是否存在错选标签可分两种情况进行判断：

比较参考标签C′和参考标签A、B之间的距离d_ac′和d_bc′并找出最大值d_max2，判断d_max2是否满足式：

d_max2＞d

若满足，则C′为错选的邻居标签。反之，则C′是无误标签。

S44：由错选邻居标签求对应的修正邻居标签，当出现d_max＞d或且d_max2＞d时，说明错选了邻居标签，由待定位标签初次定位坐标m和A、B求修正的邻居标签C的坐标，设C为(x_c,y_c),则可求得：

若y_a＝y_b,则有y_c＝y_c′；

若x_c′≥max{x_a,x_b}或x_c′≤min{x_a,x_b}并且y_c′＜min{y_a,y_b}或y_c′＝max{y_a,y_b},则x_c＝min{y_a,y_b}-d，y_c＝min{y_a,y_b}；

若x_c′≥max{x_a,x_b}或x_c′≤max{x_a,x_b}并且y_c′＞max{y_a,y_b}或y_c′＝min{y_a,y_b},则x_c＝min{y_a,y_b}+d，y_c＝max{y_a,y_b}；

此时求出修正后的邻居标签坐标，并由修正后的C坐标和之前A、B坐标求得修正的待定位标签坐标M′(x_m′,y_m′)：

S45：若错选邻居标签A、B同样采样S41-S44来修正待定位标签的坐标。