CN111526520A - 一种rfid与wsn集成网络多目标规划方法 - Google Patents
一种rfid与wsn集成网络多目标规划方法 Download PDFInfo
- Publication number
- CN111526520A CN111526520A CN202010396984.5A CN202010396984A CN111526520A CN 111526520 A CN111526520 A CN 111526520A CN 202010396984 A CN202010396984 A CN 202010396984A CN 111526520 A CN111526520 A CN 111526520A
- Authority
- CN
- China
- Prior art keywords
- intelligent node
- intelligent
- rfid
- integrated network
- target
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 15
- 230000008901 benefit Effects 0.000 claims abstract description 16
- 241000254158 Lampyridae Species 0.000 claims abstract description 13
- 230000006854 communication Effects 0.000 claims abstract description 13
- 238000004891 communication Methods 0.000 claims abstract description 12
- 239000000126 substance Substances 0.000 claims 1
- 238000005457 optimization Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- 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
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种RFID与WSN集成网络多目标规划方法,对集成RFID与WSN网络智能节点进行规划和部署。首先,将集成网络所要部署的区域离散化为有限的点集,这些点集包括智能节点放置候选点集合,以及标签测试点集合;然后建立智能节点与标签通信传播模型,对智能节点部署模型作形式化描述;最后将多目标萤火虫算法用于智能节点部署。本发明利用多目标智能算法的优点,找到满足集成网络提高覆盖范围和经济效益,减少阅读器冲突多个目标需求的智能节点最优部署。
Description
技术领域
本发明涉及集成网络节点规划部署领域,具体为一种RFID与WSN集成网络多目标规划方法。
背景技术
无线传感器网络(WSN)是由部署在监测区域内大量的微型传感器节点组成,通过无线通信方式形成的一个多跳自组织的网络系统,其目的是协作的感知、采集和处理网络覆盖区域中感知对象的信息,并发送给观察者。无线传感器网络被应用于很多民用领域,如环境与生态监测、健康监护、家庭自动化、以及交通控制等。无线射频识别是一种应用广泛和成熟的技术。它是应用无线电波来自动识别单个物体对象技术的总称。无线射频识别(RFID)可用于生产、零售、物流、交通等各个行业。将RFID和WSN结合起来,可以展现大范围有效应用的新全景。这是因为集成网络将拥有扩展的功能,规模,可移植性及降低不必要的代价。集成网络结构如图1所示,存在着3种设备:集成RFID阅读器-传感器节点、RFID标签及站点。一般将该RFID阅读器-传感器节点称为“智能节点”,负责收集覆盖区域内标签中的数据信息、相互之间进行通信将数据信息发送至站点。这种集成网络最主要的任务是完成对物体的识别,追踪它们的位置,同时感知辨识目标的环境信息。
同其他无线通信网络类似,集成RFID与WSN网络在应用时也需要对节点进行规划和部署。网络化的集成RFID与WSN系统具有大规模、随机部署、环境复杂、节点资源有限的特点,这些特点决定了智能节点的部署和防冲突技术在集成网络实施中的重要性:节点部署不仅是一种重要的节能技术,还能够保证连通质量;防冲突技术能够提高网络的可靠性、保证数据质量。集成网络规划旨在通过调节阅读器数量、位置和发射功率等,以提高覆盖范围和经济效益,并同时减少阅读器冲突,实现负载平衡,增强网络稳定性,是一个多目标、多约束的NP难问题。
萤火虫算法是Krishnanand等人于2005年提出的一种新型群智能优化算法。算法存在捕捉极值域速度快,捕捉效率高,具有较强的通用性等优点。萤火虫群优化算法是无记忆的,无需目标函数的全局信息和梯度信息,简单易实现,目前已应用于诸多领域。例如一些学者将其应用于多模态函数优化多信号源探测、组合优化等领域,并取得了良好效果。2013年,Yang提出一种多目标萤火虫算法,该算法利用权重比策略确定当前的Pareto解。
发明内容
(一)发明的目的
本发明主要用于解决在集成网络规划中,同时实现提高覆盖范围和经济效益,减少阅读器冲突多个目标。而多目标规划问题中各目标之间彼此冲突,使得一个解对于某个目标可能是好的,而对于其他目标则可能较差。因此,针对合理网络规划问题,提出一种集成网络的多目标规划方法,找到网络规划中一个折衷的解集,即Pareto解集。
(二)技术方案
为了实现上述目的,本发明的方法所采用的技术方案是:首先,将集成网络所要部署的区域离散化为有限的点集,这些点集包括智能节点放置候选点(SCP)集合Γ,以及标签测试点(TTP)集合T;然后建立智能节点与标签通信传播模型,对智能节点部署模型作形式化描述;最后将多目标萤火虫算法用于智能节点部署。
所述标签测试点上,将测试接收到的智能节点发出的信号强度,且信号强度必须大于给定的门限值Rq。集成网络中,电子标签相对智能节点来说功能非常有限,尤其是无源标签。在每个TTP上,若智能节点发出的信号的强度大于给定门限值Rq,则可以建立智能节点与标签之间的通信链路。
优选的是,所述智能节点的射频参数主要如下:智能节点天线发射的功率P的值要符合相关标准的限制,工作于超高频915MHz频段的智能节点的发射功率一般固定为1W(30dBm);对于特定类型天线,方位角是固定的;倾斜角用于微调天线的覆盖范围,变化范围为-15°~0°。智能节点天线的主要射频参数(发射功率,方位角,倾斜角等)需要在智能节点天线位置确定后根据实际情况仔细调整。为了简化模型,规定在每个智能节点候选放置点只放置一个全向天线。
(三)有益效果
本发明的有益效果为:实现集成网络RFID阅读器-无线传感器智能节点这种无线设备集成的网络节点部署的优化,利用多目标智能算法的优点,找到满足RFID与WSN集成网络多个目标需求的最优部署。
附图说明:
图1是现有技术中集成RFID与WSN网络结构图。
图2是多目标萤火虫算法用于集成网络节点规划档案更新流程图。
图3是本发明所述方法框架流程图。
具体实施方式:
首先,将集成网络所要部署的区域离散化为有限的点集。这些点集包括智能节点放置候选点(SCP)集合Γ,以及标签测试点(TTP)集合T。
建立传播模型。智能节点与标签通信过程中,标签接收到的功率可通过下式计算:
Pr=Pt-L[dB] (1)
式中,Pt为智能节点发送端输出功率,单位为dBm;L[dB]为用dB表示的考虑多径衰减时的传输损耗,且满足下式:
式中,n取值范围为1.5~3,一般情况下取2;σ是取值范围为3~10dB之间的正态随机变量,最坏情况下取值为10dB;Gt和Gr,分别为智能节点天线和标签天线增益;在915MHz的超高频RFID系统中λ=c/f≈0.33m。该传播模型需要考虑标签测试点坐标、智能节点放置候选点坐标及相互之间天线的角度。在第t个TTP点处接收到的智能节点τ的信号强度为:
式中,d为智能节点τ与标签测试点t之间的欧式距离。
对智能节点部署模型的形式化描述,如下:
覆盖范围:
C(τ)为智能节点τ的覆盖范围,其中,τ∈RS。式中,T为覆盖区域内所有标签测试点(TTP)的集合;Rq为确保智能节点-标签之间建立起通信的信号门限值,一般取为-10dBm;RS为一组选定的智能节点部署,对应于网络规划问题的一个解,假定:若Td(τ,t)>-10dBm,则智能节点可与标签成功建立通信。在覆盖区内的每个TTP点必须至少被一个智能节点所覆盖,该覆盖范围用下式表示:
干扰水平:
干扰估计水平反映了智能节点之间的交叉覆盖区域,如果该区域较大,则干扰水平就较高。由智能节点部署覆盖范围C(τ)的定义可知,对于智能节点τ覆盖的特定TTP点t,Td(τ,t)是t点最强的智能节点信号。因此定义t点的干扰D(t)为该点接收到的强度处于[Rd,Td(τ,t)]之间的智能节点信号之和,其中,Rd为信号敏感度值,即D(t)满足:
由此最小化干扰水平的目标函数为
经济效益:
RFID网络规划中,经济效益是其重要指标。为使阅读器尽量靠近标签密集区域的中央,采用如下经济效益数学表达式:
优化目标:
于集成网络节点的部署问题,目标函数归纳如下:
式中,f1(τ)=Cov(τ),f2(τ)=Ind(τ)。最大的目标函数值maxF(τ),不但可以保证智能节点对标签的最大覆盖率和经济效益,而且还能最小化智能节点之间的干扰。
对于RFID网络规划的多目标优化问题,采用Pareto优化方法求解。给出定义如下:
定义1:称在搜索空间中满足约束条件的解为RFID网络规划的可行解。
定义2:称RFID网络规划中可行解的集合为可行域。
定义3:设τ1和τ2是RFID网络规划的两个可行解,若:
称τ1支配τ2,记为τ2>τ1;否则,称τ1、τ2互相非支配。
定义4:称RFID网络规划中不被可行解集中的任何解支配的解为非支配解。非支配解集是所有非支配解的集合,即Pareto解集。
多目标萤火虫算法(MOFA)用于解决多目标优化问题:
MOFA中,根据Pareto支配关系进行位置更新:
其中:τi和τj代表个体i和j的位置;βij(rij)是个体i对j的吸引力,随着两个个体间的距离rij变化;α∈[0,1];εj是随机数向量;g*是当前最优解,由一组随机权重加权获得。个体位置更新后,寻找当前个体的非支配解,并更新全局最优解g*。最终得到非支配解的集合。
多目标萤火虫算法编码:
RFID网络规划的控制变量为阅读器位置及发射功率。编码表达式如下:
多目标萤火虫算法初始化:
随机生成N个3M维的初始种群,由矩阵X表示:
RFID网络规划为:
maxF(τ)={f1(τ),f2(τ),f3(τ)},τ=(τ1,τ2,τ3,...,τj,...,τ3M)∈RS,s.t.fC≥constant (14)
其中:S∈R3M是3M维超矩形搜索空间,其上、下界为lbi≤τi≤ubi,i∈[1,3M]。初始化种群:
τi,j=lbj+φ×(ubj-lbj) (15)
其中:φ∈[0,1];ubj和lbj是参数j的上、下界。在RFID网络规划中,是阅读器的坐标,其上、下界代表工作区域的范围;是阅读器的发射功率,其上、下界由标签种类决定。在这一步中,循环计数器设为0。
更新档案:
优化模型中包含覆盖范围、干扰水平和经济效益这三个目标,对每个个体计算其目标函数值。根据覆盖范围、干扰水平和经济效益这三个目标值,判断当前的个体是否满足更新档案的条件。根据档案中和当前所有个体的网络覆盖范围、干扰水平及经济效益这三个目标值进行判断,如果当前个体被档案中成员支配,则不被录入档案,非支配解集不变;如果当前个体支配档案中的部分成员,删除被支配成员,当前个体加入档案;如果当前个体和档案中成员互相非支配,当前个体加入档案。档案更新流程如图2所示。
满足最大迭代次数则输出结果,结束。
故本发明所述的“一种RFID与WSN集成网络多目标规划方法”,其执行的框架图如图3所示,其整体流程如下:
首先,将集成网络所要部署的区域离散化为有限的点集。这些点集包括智能节点放置候选点集合,以及标签测试点集合。
然后建立智能节点与标签通信传播模型,对智能节点部署模型作形式化描述,建立覆盖范围、干扰水平和经济效益函数。
最后将多目标萤火虫算法用于智能节点部署。基于智能节点部署模型,构建优化目标函数;依据智能节点部署情况进行多目标萤火虫算法的编码与初始化,根据Pareto支配关系进行位置更新,其中计算目标函数得到最优解,利用更新档案确定解集;算法满足最大迭代次数则输出结果,结束。
Claims (2)
1.一种RFID与WSN集成网络多目标规划方法,其特征在于,对RFID与WSN集成网络中的RFID阅读器-无线传感器智能节点进行规划和部署,首先将集成网络所要部署的区域离散化为有限的点集,这些点集包括智能节点放置候选点集合,以及标签测试点集合;然后建立智能节点与标签通信传播模型,对智能节点部署模型作形式化描述;最后将多目标萤火虫算法用于智能节点部署。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010396984.5A CN111526520A (zh) | 2020-05-12 | 2020-05-12 | 一种rfid与wsn集成网络多目标规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010396984.5A CN111526520A (zh) | 2020-05-12 | 2020-05-12 | 一种rfid与wsn集成网络多目标规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111526520A true CN111526520A (zh) | 2020-08-11 |
Family
ID=71907031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010396984.5A Pending CN111526520A (zh) | 2020-05-12 | 2020-05-12 | 一种rfid与wsn集成网络多目标规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111526520A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113111594A (zh) * | 2021-05-12 | 2021-07-13 | 中国人民解放军国防科技大学 | 基于多目标优化的用频规划方法、装置和计算机设备 |
CN116668306A (zh) * | 2023-06-08 | 2023-08-29 | 中国人民解放军国防科技大学 | 一种基于三视角的机动通信网网络工程化规划方法及系统 |
-
2020
- 2020-05-12 CN CN202010396984.5A patent/CN111526520A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113111594A (zh) * | 2021-05-12 | 2021-07-13 | 中国人民解放军国防科技大学 | 基于多目标优化的用频规划方法、装置和计算机设备 |
CN116668306A (zh) * | 2023-06-08 | 2023-08-29 | 中国人民解放军国防科技大学 | 一种基于三视角的机动通信网网络工程化规划方法及系统 |
CN116668306B (zh) * | 2023-06-08 | 2024-02-23 | 中国人民解放军国防科技大学 | 一种基于三视角的机动通信网网络工程化规划方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Deep reinforcement learning for UAV navigation through massive MIMO technique | |
Zhang et al. | Real-time locating systems using active RFID for Internet of Things | |
Ma et al. | The optimization for hyperbolic positioning of UHF passive RFID tags | |
Zou et al. | An RFID indoor positioning system by using weighted path loss and extreme learning machine | |
Liu et al. | A maximum-weight-independent-set-based algorithm for reader-coverage collision avoidance arrangement in RFID networks | |
Luomala et al. | Analysis and evaluation of adaptive RSSI-based ranging in outdoor wireless sensor networks | |
US11783287B2 (en) | Methods and apparatuses for determining real-time location information of RFID devices | |
CN111526520A (zh) | 一种rfid与wsn集成网络多目标规划方法 | |
Nguyen et al. | A dynamic-range-based algorithm for reader-tag collision avoidance deployment in RFID networks | |
Guidara et al. | A new deep learning-based distance and position estimation model for range-based indoor localization systems | |
CN111291582B (zh) | 一种基于水母群算法的rfid天线优化部署方法 | |
CN106291461A (zh) | 一种rfid室内定位的方法、装置、服务器及系统 | |
CN109889975B (zh) | 一种基于NB-IoT的终端指纹定位方法 | |
CN104299028A (zh) | 超高频射频识别标签芯片 | |
Khanam et al. | Improvement of RFID tag detection using smart antenna for tag based school monitoring system | |
Ng et al. | Efficiency of applying virtual reference tag to neural network based RFID indoor positioning method | |
CN111929636B (zh) | 一种金属容器智能识别与标记定位方法 | |
Kamruzzaman et al. | Wireless positioning sensor network integrated with cloud for industrial automation | |
Irfan et al. | Genetic-based approach for efficient RFID ReaderAntenna positioning | |
Liu et al. | The research and design of the indoor location system based on rfid | |
Tsuchida et al. | Machine learning-aided indoor positioning based on unified fingerprints of Wi-Fi and BLE | |
Maimouni et al. | Solving the RFID network planning problem under the perturbation effect defined by a new probabilistic power-based model | |
Li | [Retracted] Logistics Distribution Path Optimization Algorithm Based on Intelligent Management System | |
CN107332901A (zh) | 一种农产品储运智能监控系统 | |
CN107995632B (zh) | 一种保证静态目标检测质量的无源传感节点部署调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200811 |