CN109831743B - 一种适于定向辐射场景的改进kNN无源超高频RFID定位方法 - Google Patents

一种适于定向辐射场景的改进kNN无源超高频RFID定位方法 Download PDF

Info

Publication number
CN109831743B
CN109831743B CN201910128544.9A CN201910128544A CN109831743B CN 109831743 B CN109831743 B CN 109831743B CN 201910128544 A CN201910128544 A CN 201910128544A CN 109831743 B CN109831743 B CN 109831743B
Authority
CN
China
Prior art keywords
tag
antenna
reader
rssi
reader antenna
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
Application number
CN201910128544.9A
Other languages
English (en)
Other versions
CN109831743A (zh
Inventor
史伟光
高靖然
王薇
杜江霞
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.)
Ji'nan Kun Kun Enterprise Management Consulting Co ltd
Xiamen Hualong Intelligent Technology Co ltd
Original Assignee
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 Polytechnic University filed Critical Tianjin Polytechnic University
Priority to CN201910128544.9A priority Critical patent/CN109831743B/zh
Publication of CN109831743A publication Critical patent/CN109831743A/zh
Application granted granted Critical
Publication of CN109831743B publication Critical patent/CN109831743B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Radar Systems Or Details Thereof (AREA)
  • Variable-Direction Aerials And Aerial Arrays (AREA)

Abstract

本发明属于射频识别领域，涉及一种适于定向辐射场景的基于改进kNN的无源UHF RFID室内定位方法。该方法以提升kNN算法在定向辐射场景下的定位性能为目的，步骤为：建立适于定向辐射场景的UHF RFID定位系统模型，依据弗里斯方程建立RSSI估计模型，联立天线辐射增益模型完成RSSI观测值的高精度估计，根据OSFRA选取优势RSSI测量值和近邻参考标签，采用NJW聚类算法确定最近邻参考标签，采用kNN算法完成目标标签的位置估计，引入动态映射机制以加速定位进程。本发明的特点是，能够有效改善定位精度和定位耗时并降低系统成本，满足仓储、物流等定向辐射应用场景下的UHF RFID定位需求。

Description

一种适于定向辐射场景的改进kNN无源超高频RFID定位方法
技术领域
本发明属于移动无线通信技术领域，涉及一种适于定向辐射场景的改进kNN无源超高频RFID定位方法。
背景技术
随着物联网技术的迅速发展，无线室内定位技术已经成为一个日益重要的研究议题，并在医疗、建设项目、供应链等多个领域引起了广泛的关注。目前，许多新兴技术已经用于室内定位，包括红外、超声波、蓝牙、无线局域网、超宽带和无线射频识别技术(RFID)。尤其是超高频射频识别(UHF RFID)技术，凭借其非视距、低成本、低复杂性等优势，已经成为具有广阔前景的室内定位技术。
在现有基于非测距的UHF RFID室内定位系统中，k近邻参考法(kNN)被广泛用以满足低计算成本和高可扩展性的要求。在kNN中，对于目标标签，其和全部参考标签的观测值(即收信场强指示RSSI或相位)向量的欧几里得距离被计算出，系统选择k个具有最小欧式距离的参考标签作为最近邻参考标签，通过对上述k个参考标签的位置进行加权，达到估计目标标签位置的目的。
尽管如此，现有基于kNN的UHF RFID定位算法仍存在一些挑战，首先，典型弗里斯公式常用于估计阅读器收到的标签RSSI值，对算法性能进行仿真及修正，但已有研究方法通常未考虑阅读器天线和标签天线的定向辐射特性，导致算法在实际定向辐射场景下的性能大打折扣，其次，k值能否精确选取将直接决定kNN算法的性能，场景中的环境因素(如目标标签数量、设施部署情况、人员数量等)一旦变化，最优k值通常会发生改变，较大的k值通常并不能保证良好的定位精度，但却以高计算量为代价，已有学者采用典型聚类方法(如k均值——k-means)实现k值的动态选取，并取得了较好的效果，近年来，具有更优性能的聚类算法相继被提出，如最大期望算法和NJW算法，但应用上述新型聚类算法实现k值的动态选取尚未见报道。除此之外，现有基于kNN的定位算法主要以定位精度为改善目标，而较少考虑系统成本和定位耗时，导致系统的效率和性价比并不理想。
基于以上背景，本发明以实现具有更低计算复杂度、更低系统成本、更高定位精度的UHF RFID定位为目标，最终提出了一种适于定向辐射场景的改进kNN无源超高频RFID定位算法。
发明内容
本发明的目的是，提供一种适于定向辐射场景的改进kNN无源超高频RFID定位算法，实现阅读器对目标标签的高精度、低成本、低耗时定位。在以往的发明中，由于没有考虑到天线的定向辐射特性，所获得RSSI测量值通常会出现失真。本发明考虑了标签位姿对增益方向性的影响，并且在多径传播的基础上得到了标签天线和阅读器天线对直接路径和反射路径的增益表达式，提出了最佳单一固定旋转角(OSFRA)的概念，用于提取优势RSSI测量值和近邻参考标签，引入NJW聚类算法确定最近邻参考标签，进而提高定位精度，同时为了加快定位进程，引入动态映射机制，实现阅读器的扫描模式从粗粒度模式(CGS)到细粒度模式(FGS)的动态切换。
其具体步骤如下：
步骤1：以无源标签天线选用偶极子天线和阅读器天线选用贴片天线为建模条件，建立适于定向辐射场景的无源超高频RFID定位系统模型，系统包括四部分组成，分别为一个阅读器、一定数量的目标标签、一定数量的位置已知的参考标签、后台服务器，其中阅读器的天线被固定于云台上，并由步进电机控制可完成水平旋转动作以便扫描监测区域的多个标签，阅读器天线旋转一周后，对于任意一个标签，阅读器可以获得一组对应的RSSI(收信场强指示)测量值轮廓，轮廓上每个点表示阅读器天线在当前位置状态下获得的标签RSSI测量值。
步骤2：依据弗里斯传输方程，估计阅读器读取的标签RSSI测量值的初始解
Figure GSB0000188066230000031
引入阅读器的灵敏度阈值Pthres对PR，T′修正，获得阅读器读取的标签RSSI测量值的修正解PR，T，即若PR，T′＞Pthres，则PR，T＝PR，T′，若PR，T′≤Pthres，PR，T＝Pthres，式中τ为调制效率，μT为功率传输效率，ρL为极化损耗因子，PTx为阅读器的发射功率，
Figure GSB0000188066230000032
和
Figure GSB0000188066230000033
表示标签天线与阅读器天线在直达传播路径上的增益，ψ是服从均值为0，均方值为σ的高斯分布的干扰，路径损耗
Figure GSB0000188066230000034
λ为信号波长，η为路径损耗指数，d0为阅读器天线与标签的直径距离，di为第i条反射路径的距离，
Figure GSB0000188066230000041
和
Figure GSB0000188066230000042
是表示标签天线与阅读器天线相对于第i条反射路径的增益，N表示反射路径的个数，Γi是指第i条反射路径的复反射系数，为
Figure GSB0000188066230000043
θi是指与反射面法线的入射角，q为偏振相关因子，εi为复介电常数。
步骤3：以精确表达
Figure GSB0000188066230000044
为目的，建立阅读器天线的分立辐射增益模型GR(θR，φR)＝3.136[tan(θR)sin(0.5π cos(θR))cos(0.5π sin(θR)sin(φR))]2，阅读器天线的表面位于XOZ面上，且质心位于极点O中，
Figure GSB0000188066230000045
表示某一电磁波的辐射方向，θR是指
Figure GSB0000188066230000046
与
Figure GSB0000188066230000047
所形成的夹角，φR是指
Figure GSB0000188066230000048
与
Figure GSB0000188066230000049
在XOY面的投影所形成的夹角。
步骤4：以精确表达
Figure GSB00001880662300000410
为目的，建立标签天线的分立辐射增益模型GT(θT，φT)＝1.641[cos2(0.5π cos(θT))]sin-2(θT)，在空间直角坐标系中，标签天线的长边位于Z轴，标签天线的短边位于X轴，天线的质心处于原点O上，O与空间一点A构成射线矢量
Figure GSB00001880662300000411
θT是指
Figure GSB00001880662300000412
与
Figure GSB00001880662300000413
所形成的夹角，φT是指
Figure GSB00001880662300000414
与
Figure GSB00001880662300000415
在XOY面的投影所形成的夹角。
步骤5：将标签天线和阅读器天线放置在同一个坐标系中，OR和OT分别为阅读器天线和标签天线的质心，XR，YR，ZR是根据阅读器天线所建立的分立坐标系，XT，YT，ZT是根据标签天线所建立的分立坐标系，X，Y，Z为联合坐标系，Z′和Z″分别为过标签质心和阅读器质心且平行于Z轴的直线，(xT，yT，zT)和(xR，yR，zR)为标签天线和阅读器天线的坐标，
Figure GSB00001880662300000416
和
Figure GSB00001880662300000417
表示标签天线和阅读器天线的位姿，
Figure GSB00001880662300000418
是指
Figure GSB00001880662300000419
与
Figure GSB00001880662300000420
之间的倾斜角，
Figure GSB00001880662300000421
是指
Figure GSB00001880662300000422
与
Figure GSB00001880662300000423
在XOY面上的投影之间的旋转角，
Figure GSB0000188066230000051
是指
Figure GSB0000188066230000052
与
Figure GSB0000188066230000053
之间的倾斜角，
Figure GSB0000188066230000054
是指
Figure GSB0000188066230000055
与
Figure GSB0000188066230000056
在XOY面上的投影之间的旋转角，
Figure GSB0000188066230000057
Figure GSB0000188066230000058
即三边平行。
步骤6：通过依据标签天线和阅读器天线的位置确定辐射方向
Figure GSB0000188066230000059
进而将θR、φR、θT进行重新表示：θR＝arccos(Y1/d)，
Figure GSB00001880662300000510
Figure GSB00001880662300000511
xR，T＝xR-xT，yR，T＝yR-yT，zR，T＝zR-zT。
步骤7：将θR和φR带入到步骤3的增益表达式中，将θT带入到步骤4的增益表达式中，那么
Figure GSB00001880662300000512
和
Figure GSB00001880662300000513
可以分别由
Figure GSB00001880662300000514
和
Figure GSB00001880662300000515
所得到。
步骤8：以地板、障碍物等作为反射面进而精确表达
Figure GSB00001880662300000516
和
Figure GSB00001880662300000517
以地板为例，其反射点坐标为
Figure GSB00001880662300000518
将(xr，yr，zr)代替标签的位置坐标(xT，yT，zT)，重新计算步骤6中的θR和φR，并将重新计算出的θR和φR带入到步骤3的增益表达式中得到新的
Figure GSB00001880662300000519
也被称为
Figure GSB00001880662300000520
同样地，将(xr，yr，zr)代替阅读器的位置坐标(xR，yR，zR)，并且重新计算步骤6中的θT，并将重新计算出的θT带入到步骤4的增益表达式最终得到
Figure GSB00001880662300000521
步骤9：将步骤7和步骤8所得到的
Figure GSB0000188066230000061
带入到L(d0)与PR，T中，完成PR，T的估计。
步骤10：引入最佳单一固定旋转角(OSFRA)的概念，完成RSSI轮廓上的优势值选取和近邻参考标签的选取。
步骤11：以精确描述阅读器天线的旋转工作状态为目的，定义固定旋转角(FRA)向量
Figure GSB0000188066230000062
U为旋转角个数，假设任意两个相邻的旋转角的间隔是定值，那么FRA可以表示为
Figure GSB0000188066230000063
为相邻旋转角的间隔，在阅读器天线旋转一周的过程中，仅当
Figure GSB0000188066230000064
与
Figure GSB0000188066230000065
相等时，阅读器天线停止旋转，并对标签进行扫描，u∈[1，U]，在扫描的过程中，为了减少由于
Figure GSB0000188066230000066
所导致的影响，控制阅读器天线保持静止状态，直到每个标签的RSSI值被记录了n次，对于目标标签，将相对于
Figure GSB0000188066230000067
的RSSI值向量定义为
Figure GSB0000188066230000068
式中
Figure GSB0000188066230000069
为相对于
Figure GSB00001880662300000610
的n次RSSI平均测量值，此时将OSFRA定义为sT中的最大值所对应的角度，即
Figure GSB00001880662300000611
采用相似方法可以获得每个参考标签的OSFRA，对于每一个目标标签，将近邻参考标签定义为与目标标签有相同的OSFRA的参考标签，选用近邻参考标签对目标标签的位置进行估计；步骤12：采用NJW算法完成最近邻参考标签的提取，NJW算法是一种基于图论理论的NJW谱聚类算法，其核心思想是将数据点映射到特征空间后再利用K-means算法进行聚类，从而得到原始数据的聚类结果，当最近邻参考标签被确定以后，根据典型的kNN(k近邻参考法)算法来计算目标标签的位置(x，y)，即
Figure GSB0000188066230000071
式中
Figure GSB0000188066230000072
(xR，h，yR，h)表示第h个最近邻参考标签的坐标，xR，h为第h个最近邻参考标签的横坐标，yR，h为纵坐标，
Figure GSB0000188066230000073
是在OSFRA上实现的第h个最近邻参考标签的平均RSSI测量值，H为基于NJW算法所分配给目标标签的参考标签数量。
步骤13：以精确评价阅读器天线旋转方式的工作效率为目的，定义旋转角个数U不超过8的扫描模型为粗粒度模式(CGS)，定义旋转角个数U超过8的扫描模式为细粒度模式(FGS)，相对于CGS，FGS具有更小的相邻旋转角的间隔，因此具有更高的定位精度，但却以更高的定位耗时为代价。
步骤14：将阅读器天线旋转一周完成标签定位所需时间定义为耗时评价指标T＝TR+TS，其中旋转耗时为TR＝2π/ω，ω为旋转角速度，对于扫描耗时为TS，假设在CGS和FGS中旋转角速度ω是相同的，那么在两种模型下的TR相同，对于扫描时间TS，其可以表示为
Figure GSB0000188066230000074
其中TS，u是指在阅读器天线处于
Figure GSB0000188066230000075
时读取标签身份信息和测量RSSI的耗时，可借助时间函数t表示为TS，u＝t(Bu，n)，n为时隙数，Bu表示当前检测到的标签数量。
步骤15：引入动态映射机制对阅读器天线的旋转方式进行优化控制进而改善步骤14中的定位耗时，首先控制阅读器天线在CGS下旋转一周，记录每个标签的OSFRA，对于第i个目标标签，定义其CGS映射空间为
Figure GSB0000188066230000081
为基于CGS的OSFRA，
Figure GSB0000188066230000082
为CGS下相邻FRA之间的间隔，进一步可得定制化的FGS映射空间
Figure GSB0000188066230000083
整数w满足表达式
Figure GSB0000188066230000084
和表达式
Figure GSB0000188066230000085
式中
Figure GSB0000188066230000086
是FGS下相邻两个FRA之间的间隔。
步骤16：然后控制阅读器天线按照步骤15中定制化的FGS旋转一周，此时，系统的扫描映射空间
Figure GSB0000188066230000087
可以通过
Figure GSB0000188066230000088
得到，即
Figure GSB0000188066230000089
Q为目标标签的个数，在旋转过程中，当
Figure GSB00001880662300000810
等于
Figure GSB00001880662300000811
中任意一个元素时，阅读器天线停止旋转开始扫描标签。
步骤17：为了便于对比，定义基于当前动态映射机制下的耗时评价指标为TD＝(TC+TF，C)/2，TC是步骤15中的CGS下的耗时，TF，C是步骤16中的定制化的FGS下的耗时。
需指出，在步骤12中，采用NJW算法完成提取最近邻参考标签(最近邻参考标签)的提取，其过程可以表述为，首先，采用OSFRA以及和它相邻的两个旋转角来定义测量向量，目标标签的测量向量为
Figure GSB00001880662300000812
为目标标签相对于旋转角
Figure GSB00001880662300000813
的n次RSSI平均测量值，
Figure GSB00001880662300000814
和
Figure GSB00001880662300000815
分别为目标标签在
Figure GSB00001880662300000816
相邻的两个旋转角的n次RSSI平均测量值，对于第m个近邻参考标签，其测量向量表示为
Figure GSB00001880662300000817
为第m个近邻参考标签在旋转角
Figure GSB00001880662300000818
的n次RSSI平均测量值，
Figure GSB00001880662300000819
和
Figure GSB00001880662300000820
分别为第m个参考标签在
Figure GSB0000188066230000091
相邻的两个旋转角的n次RSSI平均测量值，m∈[1，M]，M为近邻参考标签的个数，然后定义一个用于聚类的相对测量向量S＝{S1，S2，...，SM}，式中Sm＝CT-CR，m，之后根据S构造一个M×M阶亲和矩阵W，对于W中第i行第j列的元素wij，若i≠j，则wij＝exp(-0.5||Si-Sj||2/σ2)，若i＝j，则wij＝0，σ为决定衰减速度的尺度因子，然后构造对角矩阵D，对于D中第i行第j列的元素Dij，若i＝j，则
Figure GSB0000188066230000092
若i＝j，则Dij＝0，进而依据矩阵D和矩阵W构造归一化拉普拉斯矩阵L＝D-1/2WD1/2，从L中获得k个最大值对应的特征向量α1，α2，...，αk，构成矩阵E＝[α1，α2，...，αk]，根据E构造矩阵V，V中第i行第j列的元素可以表示为
Figure GSB0000188066230000093
Eij为矩阵E中第i行第j列的元素，利用k-means聚类算法将V的所有行划分为k组，当且仅当V的第m行分配给类j时，将Sm分配给类j，最后，找到包含S最小值的类，并将此类中对应的参考标签作为目标标签的最近邻参考标签。
本发明的目的是，提出一种适于定向辐射场景的改进kNN无源超高频RFID定位算法。本发明考虑了标签天线和阅读器天线的增益方向性特性，得到了更加精确的RSSI测量估计值，并根据OSFRA的概念，提取了RSSI的优势测量值以及近邻参考标签，基于NJW算法从近邻参考标签中提取最近邻参考标签，引入于动态映射机制加快了定位进程。根据以上所述，本发明的设计相较于以前的方法具有高精度、低成本、低耗时等优势。
附图说明：
图1是本发明的流程框图
图2是定向辐射场景下的超高频RFID定位系统示意图
图3是传统微带阅读器天线增益模型示意图；
图4是偶极子标签天线增益模型示意图；
图5是适于超高频RFID系统的定向辐射增益模型示意图。
图6是基于NJW算法的最近邻参考标签选取方法流程图
具体实施方式：
本发明的设计流程如图1所示。首先选用偶极子天线作为标签天线，选用贴片天线作为阅读器天线，建立如图2所示的适于定向辐射场景的无源超高频RFID定位系统模型，该系统主要是由阅读器、目标标签、参考标签、后台服务器、云台、步进电机组成，其中步进电机控制固定在云台上的天线，由此使天线进行旋转来扫描地面上多个标签。
然后，引入阅读器的灵敏度阈值Pthres对阅读器读取到的标签RSSI测量值进行修正，其初始解为
Figure GSB0000188066230000101
若当阅读器读取到的RSSI测量值大于阈值时，那么其修正解等于初始解，若小于阈值时，则修正解等于阈值。阅读器读取标签时的路径损耗为
Figure GSB0000188066230000111
其中λ为信号波长，d0为阅读器天线与标签的直径距离，
Figure GSB0000188066230000112
和
Figure GSB0000188066230000113
是表示标签天线与阅读器天线相对于第i条反射路径的增益，N表示反射路径的个数，Γi是指第i条反射路径的复反射系数，具体为
Figure GSB0000188066230000114
θi是指与反射面法线的入射角，q为偏振相关因子，εi为复介电常数。
接下来，依据经典电磁场理论获取分立状态下的标签天线增益估计模型和阅读器天线增益估计模型。图3为阅读器贴片天线的坐标系示意图，假设贴片天线的尺寸满足半波长的要求，那么阅读器贴片天线的增益模型可以被表示为
GR(θR，φR)＝3.136[tan(θR)sin(0.5π cos(θR))cos(0.5π sin(θR)sin(φR))]2 (3)
其中
Figure GSB0000188066230000115
表示某一电磁波光束的辐射方向，θR为
Figure GSB0000188066230000116
与
Figure GSB0000188066230000117
所形成的夹角，φR为
Figure GSB0000188066230000118
与
Figure GSB0000188066230000119
在XOY面的投影所形成的夹角。
图4为偶极子标签天线的坐标示意图，标签天线的长边位于Z轴，标签天线的短边位于X轴，假设偶极子天线的尺寸也满足半波长的要求，那么偶极子天线的理想增益为
GT(θT，φR)＝1.641[cos2(0.5π cos(θT))]sin-2(θT) (4)
将标签天线与阅读器天线放置在同一个坐标系中，建立图5所示的适于UHF RFID系统的定向辐射增益模型，假设阅读器的天线是高于标签天线，并且阅读器天线向下辐射，那么阅读器天线和标签天线两者之间的位置关系为：(xT，yT，zT)和(xR，yR，zR)被定义为标签天线和阅读器天线的坐标，
Figure GSB0000188066230000121
和
Figure GSB0000188066230000122
为标签天线和阅读器天线的位姿，
Figure GSB0000188066230000123
是指
Figure GSB0000188066230000124
与
Figure GSB0000188066230000125
之间的倾斜角，
Figure GSB0000188066230000126
是指
Figure GSB0000188066230000127
与
Figure GSB0000188066230000128
在XOY面上的投影之间的旋转角，
Figure GSB0000188066230000129
是指
Figure GSB00001880662300001210
与
Figure GSB00001880662300001211
之间的倾斜角，
Figure GSB00001880662300001212
是指
Figure GSB00001880662300001213
与
Figure GSB00001880662300001214
在XOY面上的投影之间的旋转角。
然后对θR、φR、θT进行重新表达，即
θR＝arccos(Y1/d) (5)
Figure GSB00001880662300001215
Figure GSB00001880662300001216
其中
Figure GSB00001880662300001217
Figure GSB00001880662300001218
且有xR，T＝xR-xT，yR，T＝yR-yT，zR，T＝zR-zT。
将由公式(5)和公式(6)得到的θR与φR带入到公式(3)获得
Figure GSB00001880662300001219
将由公式(7)得到的θT带入到公式(4)得到
Figure GSB00001880662300001220
完成直达路径的天线增益估计。
对反射路径上的天线增益进行估计，为便于讨论，以地板、障碍物作为反射面对
Figure GSB00001880662300001221
和
Figure GSB00001880662300001222
进行分析，假设以地板为例，那么在地面的反射点可以表示为
Figure GSB00001880662300001223
将反射点的坐标(xr，yr，zr)代替标签的位置坐标(xT，yT，zT)，并带入公式(5)和公式(6)中，将新得到的θR和
Figure GSB0000188066230000131
带入到公式(3)中得到最终的
Figure GSB0000188066230000132
同样的，将反射点坐标(xr，yr，zr)代替阅读器的位置坐标(xR，yR，zR)，并带入到公式(7)中，将新得到的θT带入到公式(4)中得到最终的
Figure GSB0000188066230000133
将以上所得到的
Figure GSB0000188066230000134
带入到公式(1)和(2)中，完成PR，T的估计。
接下来，引入最佳单一固定旋转角(OSFRA)的概念，选取RSSI轮廓上的优势值以及近邻参考标签。
定义固定旋转角FRA向量为
Figure GSB0000188066230000135
u∈[1，U]，U为旋转角个数，在阅读器天线旋转的过程中，只有当
Figure GSB0000188066230000136
等于
Figure GSB0000188066230000137
时，阅读器天线停止旋转，对标签进行扫描，并记录阅读器对标签的n次扫描结果。目标标签在
Figure GSB0000188066230000138
的RSSI测量值向量被定义为：
Figure GSB0000188066230000139
式中
Figure GSB00001880662300001310
为相对于
Figure GSB00001880662300001311
的n次RSSI平均测量值，此时OSFRA为sT中最大值对应的角度，即
Figure GSB00001880662300001312
采用相似方法可以获得每个参考标签的OSFRA，对于每一个目标标签，将近邻参考标签定义为与目标标签有相同的OSFRA的参考标签，选用近邻参考标签对目标标签的位置进行估计。
为了进一步提高定位精度，采用NJW算法提取最近邻参考标签，实施流程如图6所示，当最近邻参考标签被确定以后，根据典型的kNN(k近邻参考法)算法可以得到每一个目标标签的位置坐标，即
Figure GSB0000188066230000141
式中
Figure GSB0000188066230000142
(xR，h，yR，h)表示第h个最近邻参考标签的坐标，
Figure GSB0000188066230000143
是在OSFRA上实现的第h个最近邻参考标签的平均RSSI测量值。H为NJW算法所分配给目标标签的最近邻参考标签数量。
以精确评价阅读器天线旋转方式的工作效率为目的，根据对旋转角个数U的划分，将旋转模式分为粗粒度扫描(CGS)和细粒度扫描(FGS)。当旋转角U不超过8时，定义为CGS，而大于8时，定义为FGS。由于CGS具有更小的相邻旋转角间隔，因此具有更高的定位精度，但却以定位耗时为代价。
将阅读器天线旋转一周完成标签定位所需时间定义为耗时评价指标T＝TR+TS，其中旋转耗时为TR＝2π/ω，ω为旋转角速度，对于扫描耗时为TS，假设在CGS和FGS中旋转角速度ω是相同的，那么在两种模型下的TR相同，对于扫描时间TS，其可以表示为
Figure GSB0000188066230000144
其中TS，u是指在阅读器天线处于
Figure GSB0000188066230000145
时读取标签身份信息和测量RSSI的耗时，可借助时间函数t表示为TS，u＝t(Bu，n)，Bu表示当前检测到的标签数量。
然后，引入动态映射机制对阅读器天线的旋转方式进行优化控制进而改善以上所述的定位耗时，首先使阅读器天线在CGS模式下旋转一周并且记录每个标签的OSFRA，定义第i个目标标签的CGS映射空间为
Figure GSB0000188066230000146
进一步可得定制化的FGS映射空间
Figure GSB0000188066230000147
其中整数w要满足
Figure GSB0000188066230000151
和
Figure GSB0000188066230000152
两个表达式。
接下来，控制阅读器在定制化FGS下旋转一周，根据
Figure GSB0000188066230000153
的表达式可以得到系统的扫描映射空间，即
Figure GSB0000188066230000154
Q为目标标签的个数，在阅读器天线旋转过程中，当
Figure GSB0000188066230000155
等于
Figure GSB0000188066230000156
中任意一个元素时，阅读器天线停止旋转开始扫描标签。
为了与T＝TR+TS进行对比，定义当前动态映射机制下的耗时评价指标为TD＝(TC+TF，C)/2，TC是在CGS下的耗时，TF，C是在定制化的FGS下的耗时。
假设UHF RFID定位系统中存在21×21个参考标签以常规网格的形式均匀分布在10×10×3m的室内中，任意相邻参考标签在X轴和Y轴的间隔均为0.5m，共有32个用于测试的目标标签部署于环境中，所有标签的高度均为0.2m。对于所有的参考标签，对于所有的目标标签，其倾斜角和旋转角分别被设置为0.5π和0。对于所有的目标标签，其倾斜角和旋转角分别被设置为0和0.5π。阅读器天线被放置在室内环境的正中心，且高度为2.5m，阅读器及其天线参数设置为：PTx＝2W，|Г|2＝0.1，τ＝0.5，ρL＝0.5，η＝1，Pthres＝-90dBm，ω＝πrad/s，
Figure GSB0000188066230000157
环境干扰的标准差为σ＝2.4，CGS模式下有的U为8，FGS模式下的U为32。采用动态帧时隙ALOHA算法计算时间函数t，采用本发明专利所提方法对无源标签进行定位，经仿真计算可得，单次定位误差的累计分布函数以50％的概率低于0.52米，单次定位耗时的累计分布函数以50％的概率低于240秒，定位性能良好。

Claims (2)

1.一种适于定向辐射场景的改进kNN无源超高频RFID定位方法，其具体步骤如下：
步骤1：以无源标签天线选用偶极子天线和阅读器天线选用贴片天线为建模条件，建立适于定向辐射场景的无源超高频RFID定位系统模型，系统包括四部分组成，分别为一个阅读器、一定数量的目标标签、一定数量的位置已知的参考标签、后台服务器，其中阅读器的天线被固定于云台上，并由步进电机控制可完成水平旋转动作以便扫描监测区域的多个标签，阅读器天线旋转一周后，对于任意一个标签，阅读器可以获得一组对应的RSSI(收信场强指示)测量值轮廓，轮廓上每个点表示阅读器天线在当前位置状态下获得的标签RSSI测量值；
步骤2：依据弗里斯传输方程，估计阅读器读取的标签RSSI测量值的初始解
Figure FSB0000188066220000011
引入阅读器的灵敏度阈值Pthres对PR，T′修正，获得阅读器读取的标签RSSI测量值的修正解PR，T，即若PR，T′＞Pthres，则PR，T＝PR，T′，若PR，T′≤Pthres，PR，T＝Pthres，式中τ为调制效率，μT为功率传输效率，ρL为极化损耗因子，PTx为阅读器的发射功率，
Figure FSB0000188066220000012
和
Figure FSB0000188066220000013
表示标签天线与阅读器天线在直达传播路径上的增益，ψ是服从均值为0，均方值为σ的高斯分布的干扰，路径损耗
Figure FSB0000188066220000014
λ为信号波长，η为路径损耗指数，d0为阅读器天线与标签的直径距离，di为第i条反射路径的距离，
Figure FSB0000188066220000021
和
Figure FSB0000188066220000022
是表示标签天线与阅读器天线相对于第i条反射路径的增益，N表示反射路径的个数，Γi是指第i条反射路径的复反射系数，为
Figure FSB0000188066220000023
θi是指与反射面法线的入射角，q为偏振相关因子，εi为复介电常数；
步骤3：以精确表达
Figure FSB0000188066220000024
为目的，建立阅读器天线的分立辐射增益模型GR(θR，φR)＝3.136[tan(θR)sin(0.5πcos(θR))cos(0.5πsin(θR)sin(φR))]2，阅读器天线的表面位于XOZ面上，且质心位于极点O中，
Figure FSB0000188066220000025
表示某一电磁波的辐射方向，θR是指
Figure FSB0000188066220000026
与
Figure FSB0000188066220000027
所形成的夹角，φR是指
Figure FSB0000188066220000028
与
Figure FSB0000188066220000029
在XOY面的投影所形成的夹角；
步骤4：以精确表达
Figure FSB00001880662200000210
为目的，建立标签天线的分立辐射增益模型GT(θT，φT)＝1.641[cos2(0.5πcos(θT))]sin-2(θT)，在空间直角坐标系中，标签天线的长边位于Z轴，标签天线的短边位于X轴，天线的质心处于原点O上，O与空间一点A构成射线矢量
Figure FSB00001880662200000211
θT是指
Figure FSB00001880662200000212
与
Figure FSB00001880662200000213
所形成的夹角，φT是指
Figure FSB00001880662200000214
与
Figure FSB00001880662200000215
在XOY面的投影所形成的夹角；
步骤5：将标签天线和阅读器天线放置在同一个坐标系中，OR和OT分别为阅读器天线和标签天线的质心，XR，YR，ZR是根据阅读器天线所建立的分立坐标系，XT，YT，ZT是根据标签天线所建立的分立坐标系，X，Y，Z为联合坐标系，Z′和Z″分别为过标签质心和阅读器质心且平行于Z轴的直线，(xT，yT，zT)和(xR，yR，zR)为标签天线和阅读器天线的坐标，
Figure FSB00001880662200000216
和
Figure FSB00001880662200000217
表示标签天线和阅读器天线的位姿，
Figure FSB00001880662200000218
是指
Figure FSB00001880662200000219
与
Figure FSB00001880662200000220
之间的倾斜角，
Figure FSB00001880662200000221
是指
Figure FSB00001880662200000222
与
Figure FSB00001880662200000223
在XOY面上的投影之间的旋转角，
Figure FSB0000188066220000031
是指
Figure FSB0000188066220000032
与
Figure FSB0000188066220000033
之间的倾斜角，
Figure FSB0000188066220000034
是指
Figure FSB0000188066220000035
与
Figure FSB0000188066220000036
在XOY面上的投影之间的旋转角，
Figure FSB0000188066220000037
即三边平行；
步骤6：通过依据标签天线和阅读器天线的位置确定辐射方向
Figure FSB0000188066220000038
进而将θR、φR、θT进行重新表示：θR＝arccos(Y1/d)，
Figure FSB0000188066220000039
Figure FSB00001880662200000310
xR，T＝xR-xT，yR，T＝yR-yT，zR，T＝zR-zT；
步骤7：将θR和φR带入到步骤3的增益表达式中，将θT带入到步骤4的增益表达式中，那么
Figure FSB00001880662200000311
和
Figure FSB00001880662200000312
可以分别由
Figure FSB00001880662200000313
和
Figure FSB00001880662200000314
所得到；
步骤8：以地板、障碍物等作为反射面进而精确表达
Figure FSB00001880662200000315
和
Figure FSB00001880662200000316
以地板为例，其反射点坐标为
Figure FSB00001880662200000317
将(xr，yr，zr)代替标签的位置坐标(xT，yT，zT)，重新计算步骤6中的θR和φR，并将重新计算出的θR和φR带入到步骤3的增益表达式中得到新的
Figure FSB00001880662200000318
也被称为
Figure FSB00001880662200000319
同样地，将(xr，yr，zr)代替阅读器的位置坐标(xR，yR，zR)，并且重新计算步骤6中的θT，并将重新计算出的θT带入到步骤4的增益表达式最终得到
Figure FSB00001880662200000320
步骤9：将步骤7和步骤8所得到的
Figure FSB00001880662200000321
带入到L(d0)与PR，T中，完成PR，T的估计；
步骤10：引入最佳单一固定旋转角(OSFRA)的概念，完成RSSI轮廓上的优势值选取和近邻参考标签的选取；
步骤11：以精确描述阅读器天线的旋转工作状态为目的，定义固定旋转角(FRA)向量
Figure FSB0000188066220000041
U为旋转角个数，假设任意两个相邻的旋转角的间隔是定值，那么FRA可以表示为
Figure FSB0000188066220000042
为相邻旋转角的间隔，在阅读器天线旋转一周的过程中，仅当
Figure FSB0000188066220000043
与
Figure FSB0000188066220000044
相等时，阅读器天线停止旋转，并对标签进行扫描，u∈[1，U]，在扫描的过程中，为了减少由于
Figure FSB0000188066220000045
所导致的影响，控制阅读器天线保持静止状态，直到每个标签的RSSI值被记录了n次，对于目标标签，将相对于
Figure FSB0000188066220000046
的RSSI值向量定义为
Figure FSB0000188066220000047
式中
Figure FSB0000188066220000048
为相对于
Figure FSB0000188066220000049
的n次RSSI平均测量值，此时将OSFRA定义为sT中的最大值所对应的角度，即
Figure FSB00001880662200000410
采用相似方法可以获得每个参考标签的OSFRA，对于每一个目标标签，将近邻参考标签定义为与目标标签有相同的OSFRA的参考标签，选用近邻参考标签对目标标签的位置进行估计；
步骤12：采用NJW算法完成最近邻参考标签的提取，NJW算法是一种基于图论理论的NJW谱聚类算法，其核心思想是将数据点映射到特征空间后再利用K-means算法进行聚类，从而得到原始数据的聚类结果，当最近邻参考标签被确定以后，根据典型的kNN(k近邻参考法)算法来计算目标标签的位置(x，y)，即
Figure FSB00001880662200000411
式中
Figure FSB0000188066220000051
(xR，h，yR，h)表示第h个最近邻参考标签的坐标，xR，h为第h个最近邻参考标签的横坐标，yR，h为纵坐标，
Figure FSB0000188066220000052
是在OSFRA上实现的第h个最近邻参考标签的平均RSSI测量值，H为基于NJW算法所分配给目标标签的参考标签数量；
步骤13：以精确评价阅读器天线旋转方式的工作效率为目的，定义旋转角个数U不超过8的扫描模型为粗粒度模式(CGS)，定义旋转角个数U超过8的扫描模式为细粒度模式(FGS)，相对于CGS，FGS具有更小的相邻旋转角的间隔，因此具有更高的定位精度，但却以更高的定位耗时为代价；
步骤14：将阅读器天线旋转一周完成标签定位所需时间定义为耗时评价指标T＝TR+TS，其中旋转耗时为TR＝2π/ω，ω为旋转角速度，对于扫描耗时为TS，假设在CGS和FGS中旋转角速度ω是相同的，那么在两种模型下的TR相同，对于扫描时间TS，其可以表示为
Figure FSB0000188066220000053
其中TS，u是指在阅读器天线处于
Figure FSB0000188066220000054
时读取标签身份信息和测量RSSI的耗时，可借助时间函数t表示为TS，u＝t(Bu，n)，n为时隙数，Bu表示当前检测到的标签数量；
步骤15：引入动态映射机制对阅读器天线的旋转方式进行优化控制进而改善步骤14中的定位耗时，首先控制阅读器天线在CGS下旋转一周，记录每个标签的OSFRA，对于第i个目标标签，定义其CGS映射空间为
Figure FSB0000188066220000055
为基于CGS的OSFRA，
Figure FSB0000188066220000061
为CGS下相邻FRA之间的间隔，进一步可得定制化的FGS映射空间
Figure FSB0000188066220000062
整数w满足表达式
Figure FSB0000188066220000063
和表达式
Figure FSB0000188066220000064
式中
Figure FSB0000188066220000065
是FGS下相邻两个FRA之间的间隔；
步骤16：然后控制阅读器天线按照步骤15中定制化的FGS旋转一周，此时，系统的扫描映射空间
Figure FSB0000188066220000066
可以通过
Figure FSB0000188066220000067
得到，即
Figure FSB0000188066220000068
Q为目标标签的个数，在旋转过程中，当
Figure FSB0000188066220000069
等于
Figure FSB00001880662200000610
中任意一个元素时，阅读器天线停止旋转开始扫描标签；
步骤17：为了便于对比，定义基于当前动态映射机制下的耗时评价指标为TD＝(TC+TF ，C)/2，TC是步骤15中的CGS下的耗时，TF，C是步骤16中的定制化的FGS下的耗时。
2.根据权利要求1所述的一种适于定向辐射场景的基于改进kNN的无源超高频RFID定位方法，其特征在于，步骤12中，采用NJW算法完成提取最近邻参考标签(最近邻参考标签)的提取，其过程可以表述为，首先，采用OSFRA以及和它相邻的两个旋转角来定义测量向量，目标标签的测量向量为
Figure FSB00001880662200000611
为目标标签相对于旋转角
Figure FSB00001880662200000612
的n次RSSI平均测量值，
Figure FSB00001880662200000613
和
Figure FSB00001880662200000614
分别为目标标签在
Figure FSB00001880662200000615
相邻的两个旋转角的n次RSSI平均测量值，对于第m个近邻参考标签，其测量向量表示为
Figure FSB00001880662200000616
为第m个近邻参考标签在旋转角
Figure FSB00001880662200000617
的n次RSSI平均测量值，
Figure FSB00001880662200000618
和
Figure FSB0000188066220000071
分别为第m个参考标签在
Figure FSB0000188066220000072
相邻的两个旋转角的n次RSSI平均测量值，m∈[1，M]，M为近邻参考标签的个数，然后定义一个用于聚类的相对测量向量S＝{S1，S2，...，SM)，式中Sm＝CT-CR，m，之后根据S构造一个M×M阶亲和矩阵W，对于W中第i行第j列的元素wij，若i≠j，则wij＝exp(-0.5||Si-Sj||2/σ2)，若i＝j，则wij＝0，σ为决定衰减速度的尺度因子，然后构造对角矩阵D，对于D中第i行第j列的元素Dij，若i＝j，则
Figure FSB0000188066220000073
若i＝j，则Dij＝0，进而依据矩阵D和矩阵W构造归一化拉普拉斯矩阵L＝D-1/2WD1/2，从L中获得k个最大值对应的特征向量α1，α2，...，αk，构成矩阵E＝[α1，α2，...，αk]，根据E构造矩阵V，V中第i行第j列的元素可以表示为
Figure FSB0000188066220000074
Eij为矩阵E中第i行第j列的元素，利用k-means聚类算法将V的所有行划分为k组，当且仅当V的第m行分配给类j时，将Sm分配给类j，最后，找到包含S最小值的类，并将此类中对应的参考标签作为目标标签的最近邻参考标签。
CN201910128544.9A 2019-02-21 2019-02-21 一种适于定向辐射场景的改进kNN无源超高频RFID定位方法 Active CN109831743B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910128544.9A CN109831743B (zh) 2019-02-21 2019-02-21 一种适于定向辐射场景的改进kNN无源超高频RFID定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910128544.9A CN109831743B (zh) 2019-02-21 2019-02-21 一种适于定向辐射场景的改进kNN无源超高频RFID定位方法

Publications (2)

Publication Number Publication Date
CN109831743A CN109831743A (zh) 2019-05-31
CN109831743B true CN109831743B (zh) 2020-09-22

Family

ID=66863970

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910128544.9A Active CN109831743B (zh) 2019-02-21 2019-02-21 一种适于定向辐射场景的改进kNN无源超高频RFID定位方法

Country Status (1)

Country Link
CN (1) CN109831743B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110210268A (zh) * 2019-06-05 2019-09-06 北京京投信安科技发展有限公司 基于landmarc算法的rfid高精度定位技术
CN111163479B (zh) * 2020-01-06 2022-08-09 广东冠兴科技发展有限公司 一种适于无线可定位传感网络的节点优化部署方法
CN111325261B (zh) * 2020-02-14 2023-12-05 中国科学院半导体研究所 用于动态环境的无源室内定位算法及装置
CN114707621B (zh) * 2022-04-15 2024-07-23 天津工业大学 一种适于多种载波相位采集场景的超高频rfid相对定位方法
CN116291390B (zh) * 2023-05-24 2023-08-15 威海晶合数字矿山技术有限公司 一种中深孔探测装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104619020A (zh) * 2015-02-06 2015-05-13 合肥工业大学 基于rssi和toa测距的wifi室内定位方法
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
CN107144814A (zh) * 2017-05-04 2017-09-08 天津工业大学 一种适于定向辐射场景的无源uhf rfid定位精度的评价方法
DE102018208241A1 (de) * 2017-05-29 2018-11-29 Robert Bosch (Australia) Pty Ltd. Verfahren und system zur nahfeld-lokalisierung
CN109254264A (zh) * 2018-11-13 2019-01-22 河北农业大学 一种改进的uhf-rfid定位方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9377522B2 (en) * 2013-08-22 2016-06-28 Qualcomm Incorporated Utilizing a reference signal for indoor positioning

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104619020A (zh) * 2015-02-06 2015-05-13 合肥工业大学 基于rssi和toa测距的wifi室内定位方法
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
CN107144814A (zh) * 2017-05-04 2017-09-08 天津工业大学 一种适于定向辐射场景的无源uhf rfid定位精度的评价方法
DE102018208241A1 (de) * 2017-05-29 2018-11-29 Robert Bosch (Australia) Pty Ltd. Verfahren und system zur nahfeld-lokalisierung
CN109254264A (zh) * 2018-11-13 2019-01-22 河北农业大学 一种改进的uhf-rfid定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《A Robotic System for Localization of Passive》;Emidio DiGiampaolo;《IEEE Sensors journal》;20181015;全文 *
《RFID数据传输与空间感知技术的研究》;刘佳;《中国博士学位论文全文数据库》;20160831;全文 *

Also Published As

Publication number Publication date
CN109831743A (zh) 2019-05-31

Similar Documents

Publication Publication Date Title
CN109831743B (zh) 一种适于定向辐射场景的改进kNN无源超高频RFID定位方法
Ma et al. The optimization for hyperbolic positioning of UHF passive RFID tags
Wang et al. Dude, where's my card? RFID positioning that works with multipath and non-line of sight
Li et al. ReLoc: Hybrid RSSI-and phase-based relative UHF-RFID tag localization with COTS devices
Campos et al. Wi-Fi multi-floor indoor positioning considering architectural aspects and controlled computational complexity
Bekkali et al. RFID indoor positioning based on probabilistic RFID map and Kalman filtering
CN107861100B (zh) 一种基于三维波束的室内定位方法
Li et al. TransLoc: A heterogeneous knowledge transfer framework for fingerprint-based indoor localization
US8791860B2 (en) Concept for determining an estimated value of a location of a receiving element
CN111060869B (zh) 一种智能仓储uhfrfid标签的定位方法和系统
Geng et al. Indoor tracking with RFID systems
Suroso et al. Distance-based indoor localization using empirical path loss model and RSSI in wireless sensor networks
CN109640390A (zh) 一种基于多参考rssi轮廓的uhf rfid相对定位方法
CN110376544A (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
Li et al. Location estimation in large indoor multi-floor buildings using hybrid networks
CN107560618A (zh) 基于rfid的机器人室内定位方法
Yang et al. Multi-floor indoor localization based on RBF network with initialization, calibration, and update
Tian et al. Cooperative localization for passive RFID backscatter networks and theoretical analysis of performance limit
Kaur et al. AI-enabled CSI fingerprinting for indoor localisation towards context-aware networking in 6G
Vongkulbhisal et al. An RFID-based indoor localization system using antenna beam scanning
Xie et al. A portable RFID localization approach for mobile robots
CN110794363A (zh) 一种rfid标签的定位系统及定位方法
Chen et al. Multi-detector deep neural network for high accuracy Wi-Fi fingerprint positioning
Chang et al. Towards large-scale RFID positioning: a low-cost, high-precision solution based on compressive sensing
Suroso et al. Distance-based Indoor Localization System Utilizing General Path Loss Model and RSSI

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
TR01 Transfer of patent right

Effective date of registration: 20220505

Address after: 361000 room 2408, No. 2, Hexiang West Road, Siming District, Xiamen City, Fujian Province

Patentee after: Xiamen Hualong Intelligent Technology Co.,Ltd.

Address before: 250100 room 2-504, building Q, Hengda City, No. 58, Gongye North Road, Licheng District, Jinan City, Shandong Province

Patentee before: Ji'nan Kun Kun Enterprise Management Consulting Co.,Ltd.

Effective date of registration: 20220505

Address after: 250100 room 2-504, building Q, Hengda City, No. 58, Gongye North Road, Licheng District, Jinan City, Shandong Province

Patentee after: Ji'nan Kun Kun Enterprise Management Consulting Co.,Ltd.

Address before: No. 399 Bingshui Road, Xiqing District, Tianjin, Tianjin

Patentee before: TIANJIN POLYTECHNIC University

TR01 Transfer of patent right