CN110988793A - 一种基于rfid的迭代三维空间定位方法 - Google Patents

Abstract

本发明公开了一种基于RFID的迭代三维空间定位方法，通过对目标标签进行两次定位实现对目标位置的精确计算。首先采用LANDMARC实现首次定位得到目标标签的概略位置以及剔除与概略位置有关的问题参考标签；再通过“距离‑损耗”公式精确计算出，目标标签的精确位置。本发明与传统的LANDMARC算法相比，其定位精度得到了显著提升，并且定位误差分布更加均匀。

Description

一种基于RFID的迭代三维空间定位方法

技术领域

本发明涉及RFID定位技术，具体涉及一种基于RFID并使用改进的LANDMARC算法实现室内标签精确定位的方法。

背景技术

目前RFID技术蓬勃发展，使得快速、准确地实现目标定位成为可能。随着“物联网”覆盖程度不断提高，定位功能成为了各个场景服务中的基础需求。GPS和蜂窝由于室内环境电磁波屏蔽影响从而无法满足室内定位的需求，而RFID具有非接触和非视距的优点，因此受到了广泛研究。

比较成熟的RFID室内定位方案有TOA、AOA和LANDMARC。对于TOA算法，其基本原理就是利用三个圆的交点实现定位在实际情况下，三个圆并不能非常准确的相交于一个点，这是由于在实际场景中，存在很多的干扰和噪声以及测量误差，这会导致传输时间的测量无法达到十分精准的结果。因此，在实际的使用过程中，通常需要采用最小二乘的方式来实现近似解算，得出一个让多个方程式误差最小的结果，作为实际定位结果。同时在解算过程中，假定待定位标签和阅读器的时钟是同步的，其实这一点是非常难以实现的，这往往会导致信号的传输时间计算并不准确。因此这种方式只能在特定的场景下应用。AOA估计技术即为基于信号到达角的无线室内定位技术。对于AOA估计算法而言，首先必须满足的硬件条件就是其接收天线必须是阵列天线，这是信号到达角算法的原理决定的，该算法需要通过天线的方向性实现信号方向的计算。这种算法的优势在于并不需要进行时钟同步，只要能够在相对同时的时刻完成角度估计，即可得到相对精准的定位结果；但是由于AOA算法必须要求硬件采用阵列天线，而且在室内情况下，多径非常严重，角度估计通常会存在很大的误差。

LANDMARC系统是由密歇根州立大学的Lionel M.Ni提出的，西南交通大学的孙瑜、范志平在LANDMARC的基础上提出了一种最近邻居改进算法和基于误差多级处理的数据融合定位方法。于全喜、张毅坤提出利用贝叶斯滤波算法，根据先验信息实现了待定位标签的位置预测。史伟光、刘开华提出在参考模型的基础上，对模型参数进行优化，通过引入Z方向矢量和距离噪声系数作为干扰因子，得到了较理想的效果。LANDMARC算法采用参考标签的方式进行辅助定位，需要先将已知位置的参考标签的信号强度进行记录，然后再对待定位标签的信号强度进行获取，和各个参考标签的信号强度相减求差值。这种算法的最大问题在于待定位标签的结果是通过加权求和得到的，理论上讲，距离矢量越小，待定位标签和参考标签的距离越近，但在实际环境中，考虑到室内的折射、干扰以及各种遮挡，这就导致了在某些情况下距离矢量并不是准确的，选取的k个参考标签并不是最为合适的。参考标签中会混入问题标签，问题标签的引入是带来定位误差增大的最主要原因。为减少问题标签的个数，可以降低k的值，但是k的值过小也会导致定位误差的增大。同时，还有一个影响LANDMARC算法的因素，距离矢量加权是一种线性的累加方式，而无论哪种能量衰减公式，都是幂指数的关系，这种差别导致了LANDMARC算法本身在理论上就具有误差。

尽管LANDMARC算法有缺陷，但是具备计算出待定位标签的概略位置的能力，考虑环境的影响后，在此基础上进行进一步优化，可以实现较为精度的定位。

发明内容

发明目的：针对上述现有技术，提出一种基于RFID的迭代三维空间定位方法，解决LANDMARC算法定位不精确以及定位误差波动大的问题。

技术方案：一种基于RFID的迭代三维空间定位方法，包括如下步骤：

步骤1：在给定的模型中设置标签与阅读器，标签之间的直线距离为L，在标签中设置N个标签作为核心参考标签T_c{T_c1,T_c2,……,T_cn}，利用LANDMARC算法计算出待定位标签T(x_T,y_T,z_T)和核心参考标签的之间的欧几里得距离E_T；

步骤2：对于欧几里得距离E_T最小的N/2个核心参考标签，以任意核心参考标签为中心，在半径为

的距离范围内，包括其他核心参考标签数最多的一个标签定义中心标签T_cc(x_c,y_c,z_c)，中心标签T_cc(x_c,y_c,z_c)的位置为(x_c,y_c,z_c)；根据所述中心标签T_cc(x_c,y_c,z_c)获得待定位标签的概略位置，完成首次定位；

步骤3：设定室内信号衰减损耗P_r为：

其中，r₀是参考距离；

是距离为r₀时候的信号强度损耗；r为真实距离；ε_r是遮蔽因子；α是路径损耗指数；f_P(x,y,z)作为和位置有关的标准偏差为δdB，均值为0的高斯分布随机变量；

步骤4：设定待定位标签的信号发射强度为P_send，阅读器端接收到的信号强度为P_rec；

步骤5：根据步骤2中得到的待定位签的概略位置，得到和待定位标签的距离为Δr的参考标签的信号衰减公式为：

其中，(x+Δx,y+Δy,z+Δz)为和待定位标签的距离为Δr的参考标签的位置；

步骤6：对于信号衰减损耗P_r和P_r+Δr，通过多次采样并取平均将ε_r和ε_r+Δr项消除，得到信号衰减损耗P_r和P_r+Δr的平均值

和

其中，mean(f_P(x,y,z))为对多次f_P(x,y,z)取平均值；

步骤7：将

和

相减，得到：

步骤8：选取中心标签T_cc(x_c,y_c,z_c)周边距离为

以内的标签作为参考标签；

步骤9：在步骤8中选取的所述参考标签中，选取与待定位标签的欧几里得距离最小的k个标签作为后续处理参考标签集合R：

R＝{R₁,R₂,…,R_k}

其中，R_i代表第i个参考标签和待定位标签的距离；

步骤10：由参考标签集合R中的标签位置得到f_P(x,y,z)≈f_P(x+Δx,y+Δy,z+Δz)，则将步骤7得到的公式转换为：

步骤11：对参考标签集合R中的参考标签多次测量，得到信号强度均值强度矢量：

其中，

是第j个阅读器对标签集合R中第i个参考标签多次测量后得到的信号强度均值，

是对待定位标签多次测量后得到的信号强度均值；

步骤12：计算参考标签集合R中参考标签到阅读器的距离，得到距离矩阵：

其中，d_ji是第j个阅读器到参考标签集合R中标签的距离；

步骤13：由于步骤1中预设的标签位置已知，将步骤11和步骤12中得到的信号强度矢量

和距离矩阵

代入步骤10中的公式得到：

选择使得等式获得最小残差的α作为结果；

步骤14：将步骤11和步骤12中得到的信号强度均值矢量

以及距离矩阵

代入步骤10中的公式得到：

代入步骤12中求得的α值，求解出使得等式残差最小的d_jT即得到待定位标签到第j个阅读器之间的平均距离；

步骤15：通过步骤14中求得的d_jT，再由极大释然估计得到待定位标签坐标(x_T,y_T,z_T)。

有益效果：本发明首先采用传统的LANDMARC实现首次三维定位，通过首次定位结果得到的待定位标签概略位置去除问题参考标签，再通过“距离-损耗”公式，利用标签的信号能量差值进行精确定位，解决LANDMARC算法定位不精确以及定位误差波动大的问题。

附图说明

图1为本发明方法流程图；

图2为本发明与现有LANDMARC算法定位误差与k关系对比图；

图3为本发明与现有LANDMARC算法定位误差与待定位标签位置关系图。

具体实施方式

下面结合附图对本发明做更进一步的解释。

如图1所示一种基于RFID的迭代三维空间定位方法，包括如下步骤：

步骤1：在给定的模型中设置标签与阅读器，标签之间的直线距离为L，在标签中设置N个标签作为核心参考标签T_c{T_c1,T_c2,……,T_cn}，利用LANDMARC算法计算出待定位标签T(x_T,y_T,z_T)和核心参考标签的之间的欧几里得距离E_T。其中，核心参考标签的选择可以根据标签个可信度选择，选择可信度较高的标签作为核心参考标签。

步骤2：对于欧几里得距离E_T最小的N/2个核心参考标签，以任意核心参考标签为中心，在半径为

的距离范围内，包括其他核心参考标签数最多的一个标签定义中心标签T_cc(x_c,y_c,z_c)，中心标签T_cc(x_c,y_c,z_c)的位置为(x_c,y_c,z_c)。根据中心标签T_cc(x_c,y_c,z_c)获得待定位标签的概略位置，完成首次定位。

步骤3：设定室内信号衰减损耗P_r为：

其中，r₀是参考距离，通常选择其为1m；

是距离为r₀时候的信号强度损耗；r为真实距离；ε_r是遮蔽因子；α是路径损耗指数；f_P(x,y,z)作为和位置有关的标准偏差为δdB，均值为0的高斯分布随机变量。

步骤4：设定待定位标签的信号发射强度为P_send，阅读器端接收到的信号强度为P_rec。

步骤5：根据步骤2中得到的待定位签的概略位置，得到和待定位标签的距离为Δr的参考标签的信号衰减公式为：

其中，(x+Δx,y+Δy,z+Δz)为和待定位标签的距离为Δr的参考标签的位置。

步骤6：对于信号衰减损耗P_r和P_r+Δr，通过多次采样并取平均将ε_r和ε_r+Δr项消除，得到信号衰减损耗P_r和P_r+Δr的平均值

和

其中，mean(f_P(x,y,z))为对多次f_P(x,y,z)取平均值。

步骤7：将

和

相减，得到：

步骤8：重新选取中心标签T_cc(x_c,y_c,z_c)周边距离为

以内的标签作为参考标签；

步骤9：在步骤8中选取的参考标签中，选取与待定位标签的欧几里得距离最小的k个标签作为后续处理参考标签集合R：

R＝{R₁,R₂,…,R_k}

其中，R_i代表第i个参考标签和待定位标签的距离。

步骤10：由于步骤9中选取的参考标签距离待定位标签较近，由参考标签集合R中的标签位置得到f_P(x,y,z)≈f_P(x+Δx,y+Δy,z+Δz)，则将步骤7得到的公式转换为：

步骤11：对参考标签集合R中的参考标签多次测量，得到信号强度均值强度矢量：

其中，

是第j个阅读器对标签集合R中第i个参考标签多次测量后得到的信号强度均值，

是对待定位标签多次测量后得到的信号强度均值。

步骤12：计算参考标签集合R中参考标签到阅读器的距离，得到距离矩阵：

其中，d_ji是第j个阅读器到参考标签集合R中标签的距离。

步骤13：由于步骤1中预设的标签位置已知，将步骤11和步骤12中得到的信号强度矢量

和距离矩阵

代入步骤10中的公式得到：

选择使得等式获得最小残差的α作为结果。

步骤14：将步骤11和步骤12中得到的信号强度均值矢量

以及距离矩阵

代入步骤10中的公式得到：

代入步骤12中求得的α值，求解出使得等式残差最小的d_jT即得到待定位标签到第j个阅读器之间的平均距离。

步骤15：通过步骤14中求得的d_jT，再由极大释然估计得到待定位标签坐标(x_T,y_T,z_T)。

为了验证本发明所提供使用多次定位的方式方法可以提高定位精度并且保证其定位稳定性，进行实施例验证，验证例的方法包括如下步骤：

步骤P1：仿真模型设定为8m×8m×4m的立体空间，在此空间中，设定12个阅读器，48个标签，设定标签均匀放置，距离间隔为2m，核心参考标签之间的间隔为4m，假定基础的路径损耗参数为2。在实际测试中，待定位标签的位置是采用随机算法生成一个在测试范围内的一个点，作为测试点进行仿真测试。

步骤P2：使用经典的LANDMARC算法计算出待定位标签T(x_T,y_T,z_T)和核心参考标签的之间的欧几里得距离E_T。

步骤P3：在步骤P2的基础上选择N/2个最小的E_T，遍历所有的核心标签，在

的距离范围内，选择N/2个最小的E_T中核心参考标签个数最多的一个标签为中心标签T_cc(x_c,y_c,z_c)，并得到待测标签的概略位置，完成首次定位。

步骤P4：在步骤P3中得到了中心标签的位置(x_c,y_c,z_c)，并根据中心标签再次选取参考标签，选取中心标签周边距离为

以内的参考标签。

步骤P5：在步骤P4中选取的参考标签中选取与待定标签的欧几里得距离最小的k个标签作为后续处理标签集合R＝{R₁,R₂,…,R_k}。

步骤P6：由于步骤P5中选取的参考标签距离待定位标签较近，近似可得f_P(x,y,z)＝f_P(x+Δx,y+Δy,z+Δz)，步骤7的公式可转换为：

步骤P7：对于参考标签集合R中的标签多次测量，得到信号强度均值强度矢量

计算标签集合R中标签到阅读器的距离，得到距离矩阵

步骤P8：由于步骤P1中预设的标签位置已知，由步骤P7中得到的信号强度矢量

和距离矩阵

根据步骤10中的公式可得：

选择使能等式获得最小残差的α作为结果；

步骤P9：同步骤P8中相同得到等式：

代入步骤P8中求得的α值，求解出使得等式残差最小的d_jT即可得到待定位标签到第j个阅读器之间的平均距离；

步骤P10：通过步骤P9中求得的d_jT，再由极大释然估计可得待定位标签坐标(x_T,y_T,z_T)。

本发明通过计算机仿真软件得出结论，如图2所示，可以看出，待定位标签在不同位置上，本发明改进的LANDMARC算法的误差均小于LANDMARC算法，这表明改进的LANDMARC算法的定位精度有明显的提升。在定位稳定性分析上，本发明采用定位结果的平均误差和误差均方根作为分析对象，平均误差代表了多次定位结果的准确性；而误差均方根能够代表定位误差的抖动大小和误差差异，均方根越小，表明定位结果的误差不会出现剧烈抖动。如图3，随机选点的情况下，本发明改进的LANDMARC算法能够很好的降低误差均值，比原算法下降了50％，同时误差均方根也小很多

综上所述，本发明的有益效果是：1)与现有方法同等情况下，改进的LANDMARC算法的定位精度有明显的提升；2)改进的LANDMARC算法能够很好的降低误差均值。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.一种基于RFID的迭代三维空间定位方法，其特征在于，包括如下步骤：

步骤1：在给定的模型中设置标签与阅读器，标签之间的直线距离为L，在标签中设置N个标签作为核心参考标签T_c{T_c1,T_c2,……,T_cn}，利用LANDMARC算法计算出待定位标签T(x_T,y_T,z_T)和核心参考标签的之间的欧几里得距离E_T；

步骤2：对于欧几里得距离E_T最小的N/2个核心参考标签，以任意核心参考标签为中心，在半径为

的距离范围内，包括其他核心参考标签数最多的一个标签定义中心标签T_cc(x_c,y_c,z_c)，中心标签T_cc(x_c,y_c,z_c)的位置为(x_c,y_c,z_c)；根据所述中心标签T_cc(x_c,y_c,z_c)获得待定位标签的概略位置，完成首次定位；

步骤3：设定室内信号衰减损耗P_r为：

其中，r₀是参考距离；

是距离为r₀时候的信号强度损耗；r为真实距离；ε_r是遮蔽因子；α是路径损耗指数；f_P(x,y,z)作为和位置有关的标准偏差为δdB，均值为0的高斯分布随机变量；

步骤4：设定待定位标签的信号发射强度为P_send，阅读器端接收到的信号强度为P_rec；

步骤5：根据步骤2中得到的待定位签的概略位置，得到和待定位标签的距离为Δr的参考标签的信号衰减公式为：

其中，(x+Δx,y+Δy,z+Δz)为和待定位标签的距离为Δr的参考标签的位置；

步骤6：对于信号衰减损耗P_r和P_r+Δr，通过多次采样并取平均将ε_r和ε_r+Δr项消除，得到信号衰减损耗P_r和P_r+Δr的平均值

和

其中，mean(f_P(x,y,z))为对多次f_P(x,y,z)取平均值；

步骤7：将

和

相减，得到：

步骤8：选取中心标签T_cc(x_c,y_c,z_c)周边距离为

以内的标签作为参考标签；

步骤9：在步骤8中选取的所述参考标签中，选取与待定位标签的欧几里得距离最小的k个标签作为后续处理参考标签集合R：

R＝{R₁,R₂,…,R_k}

其中，R_i代表第i个参考标签和待定位标签的距离；

步骤10：由参考标签集合R中的标签位置得到f_P(x,y,z)≈f_P(x+Δx,y+Δy,z+Δz)，则将步骤7得到的公式转换为：

步骤11：对参考标签集合R中的参考标签多次测量，得到信号强度均值强度矢量：

其中，

是第j个阅读器对标签集合R中第i个参考标签多次测量后得到的信号强度均值，

是对待定位标签多次测量后得到的信号强度均值；

步骤12：计算参考标签集合R中参考标签到阅读器的距离，得到距离矩阵：

其中，d_ji是第j个阅读器到参考标签集合R中标签的距离；

步骤13：由于步骤1中预设的标签位置已知，将步骤11和步骤12中得到的信号强度矢量

和距离矩阵

代入步骤10中的公式得到：

选择使得等式获得最小残差的α作为结果；

步骤14：将步骤11和步骤12中得到的信号强度均值矢量

以及距离矩阵

代入步骤10中的公式得到：

代入步骤12中求得的α值，求解出使得等式残差最小的d_jT即得到待定位标签到第j个阅读器之间的平均距离；

步骤15：通过步骤14中求得的d_jT，再由极大释然估计得到待定位标签坐标(x_T,y_T,z_T)。

Images