CN113343729B - 一种笼内鸡只多目标定位系统及其定位方法 - Google Patents

一种笼内鸡只多目标定位系统及其定位方法 Download PDF

Info

Publication number
CN113343729B
CN113343729B CN202110609118.4A CN202110609118A CN113343729B CN 113343729 B CN113343729 B CN 113343729B CN 202110609118 A CN202110609118 A CN 202110609118A CN 113343729 B CN113343729 B CN 113343729B
Authority
CN
China
Prior art keywords
signal
equal
positioning
antenna
electronic tag
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
CN202110609118.4A
Other languages
English (en)
Other versions
CN113343729A (zh
Inventor
李丽华
薛皓
于尧
邢雅周
许利军
吕建国
史国翠
赵学谦
贾雁琳
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.)
Hebei Agricultural University
Original Assignee
Hebei Agricultural 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 Hebei Agricultural University filed Critical Hebei Agricultural University
Priority to CN202110609118.4A priority Critical patent/CN113343729B/zh
Publication of CN113343729A publication Critical patent/CN113343729A/zh
Application granted granted Critical
Publication of CN113343729B publication Critical patent/CN113343729B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
    • G06K7/10019—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers.
    • G06K7/10079—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers. the collision being resolved in the spatial domain, e.g. temporary shields for blindfolding the interrogator in specific directions
    • G06K7/10089—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers. the collision being resolved in the spatial domain, e.g. temporary shields for blindfolding the interrogator in specific directions the interrogation device using at least one directional antenna or directional interrogation field to resolve the collision
    • G06K7/10099—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers. the collision being resolved in the spatial domain, e.g. temporary shields for blindfolding the interrogator in specific directions the interrogation device using at least one directional antenna or directional interrogation field to resolve the collision the directional field being used for pinpointing the location of the record carrier, e.g. for finding or locating an RFID tag amongst a plurality of RFID tags, each RFID tag being associated with an object, e.g. for physically locating the RFID tagged object in a warehouse
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
    • G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/067—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components
    • G06K19/07—Record carriers with conductive marks, printed circuits or semiconductor circuit elements, e.g. credit or identity cards also with resonating or responding marks without active components with integrated circuit chips
    • G06K19/077—Constructional details, e.g. mounting of circuits in the carrier
    • G06K19/07749—Constructional details, e.g. mounting of circuits in the carrier the record carrier being capable of non-contact communication, e.g. constructional details of the antenna of a non-contact smart card
    • G06K19/07758—Constructional details, e.g. mounting of circuits in the carrier the record carrier being capable of non-contact communication, e.g. constructional details of the antenna of a non-contact smart card arrangements for adhering the record carrier to further objects or living beings, functioning as an identification tag
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Toxicology (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Hardware Design (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • General Business, Economics & Management (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种笼内鸡只多目标定位系统，包括一个上位机，用于对定位信息进行计算；两个读写器，用于采集RSSI值；一个路由器，用于连接上位机和读写器；若干个电子标签，每个目标鸡只携带一个电子标签；八个天线，用于接收电子标签的信号，每个读写器连接四个天线。本发明能够改进现有技术的不足，扩大RFID定位技术的适用范围。

Description

一种笼内鸡只多目标定位系统及其定位方法
技术领域
本发明涉及畜禽饲养技术领域，尤其是一种笼内鸡只多目标定位系统及其定位方法。
背景技术
鸡个体位置分布是鸡只日常行为模式的重要表现，快速准确获取笼养环境下鸡只多目标位置分布有助于更好的了解鸡只行为特征。采用传统的人工监测法对鸡只位置进行标定，耗时、误差大且精度低。随着信息技术快速发展，自动监测系统广泛应用于动物行为和健康评估。近年来学者们常用视频监控，WiFi和传感器技术来实现对目标的定位追踪。在视频监控中若要定位做目标经常存在目标之间频繁交互和遮挡的情况，且当定位目标大致相同相互靠近时位置与目标之间的对应关系难以确定。而基于WiFi的技术虽能够克服视频监控的弊端，但定位精度低，鲁棒性差。传感器追踪法中使用的传感器设备价格偏高，并且需要在测试环境中部署多个节点，增加了系统实现的复杂度。无线射频识别(RFID，RadioFrequency Identification)作为物联网的核心技术，近些年广泛应用于畜禽行为监测。但是在使用RFID技术进行定位时，由于定位信号之间的干扰以及外界其它信号的干扰存在，对于使用环境和监测对象数量、监测范围有着明显的限制。
发明内容
本发明要解决的技术问题是提供一种笼内鸡只多目标定位系统及其定位方法，能够解决现有技术的不足，扩大RFID定位技术的适用范围。
为解决上述技术问题，本发明所采取的技术方案如下。
一种笼内鸡只多目标定位系统，包括：
一个上位机，用于对定位信息进行计算；
两个读写器，用于采集RSSI值；
一个路由器，用于连接上位机和读写器；
若干个电子标签，每个目标鸡只携带一个电子标签；
八个天线，用于接收电子标签的信号，每个读写器连接四个天线。
一种上述的笼内鸡只多目标定位系统的定位方法，包括以下步骤：
A、天线接收电子标签的信号，将信号通过路由器传输至上位机；
B、基于功率-距离测距方法建立功率-距离测距模型；
C、根据观测信号分离出位置信号；
D、对接收端接收信号的强度RSSI进行滤波优化；
E、计算待测电子标签的位置坐标。
作为优选，步骤B中，功率-距离测距模型为，
Figure BDA0003094844600000021
p(d)表示信号传播距离d后的衰减值，p(d0)表示信号传播距离d0后的衰减值，xσ是均值为0方差为σ2的高斯分布随机数，A为接收端收到的信号强度，n为电子标签的数量。
作为优选，步骤C中，分离位置信号包括以下步骤，
C1、标签反射的信号表示为S＝[s1，...Si...，Sn]T，0≤i≤n，i为第i个标签发出的信号；天线接收到的信号表示为X＝[x1，...，xj，...xm]T，0≤j≤m，j为第j个天线接收的信号，m为天线数量；
C2、噪声信号E＝[e1，...，ej，...，em]T，0≤j≤m，混合矩阵
Figure BDA0003094844600000022
0≤j≤m，接收到的混合信号X＝[x1，...，xj，...xm]T，0≤j≤m，其数学模型为X＝AS+E，ai＝[aj1，aj2，...，ajm]为天线接收信号xj相对于各标签的混合系数，
Figure BDA0003094844600000031
C3、解混矩阵
Figure BDA0003094844600000032
输出信号Y＝[y1，...，yi，...，yn]T，0≤i≤n，数学模型为Y＝WX，wi＝[wi1，...，wij，...，wim]T，0≤i≤n为相对于混合信号X的解混系数，即
Figure BDA0003094844600000033
C4、线性白化矩阵
Figure BDA0003094844600000034
β＝Q·x，DsS为以协方差矩阵Rx＝E[x·xH]的特征值为对角元素的对角阵，Es为以协方差矩阵Rx相对应特征向量为列的矩阵，输出为
Figure BDA0003094844600000035
wi为W的列向量，上标H为共轭转置，yi为第i个估计信号。
作为优选，步骤D中，对信号强度数据进行滤波优化包括以下步骤，
D1、以天线为基准将信号强度数据进行分组，同一天线接收到的信号强度数据分为一组；删除每组数据中超过阈值上限或阈值下限的数据；
D2、以电子标签为基准将剩余的信号强度数据重新进行分组，来自同一电子标签的信号强度数据分为一组；
D3、建立神经网络，将步骤D1和步骤D2得到的分组数据作为神经网络的输入样本，并分别建立与以天线为基准的分组数据相关的第一隶属度函数，和与以电子标签为基准的分组数据相关的第二隶属度函数；
D4、使用以天线为基准的分组数据输入神经网络，对第一隶属度函数的参数进行训练；使用以电子标签为基准的分组数据输入神经网络，对第二隶属度函数的参数进行训练；
D5、将第一隶属度函数和第二隶属度函数进行合并，使用含有合并后的隶属度函数的神经网络对信号强度数据进行滤波。
作为优选，步骤D4中，对第一隶属度函数的参数进行训练时采用正向训练方式，对第二隶属度函数的参数进行训练时采用反向训练方式。
步骤E中，计算待测电子标签(4)的位置坐标包括以下步骤，
Figure BDA0003094844600000041
Figure BDA0003094844600000042
表示接收端接收信号强度的均值，d为信号传播距离，
设1号、2号、3号、4号、5号、6号、7号、8号天线的坐标为(xi，yi，zi)，1≤i≤8，(x，y)为鸡只脚踝携带电子标签D的坐标，D到各天线的距离分别为且这些距离根据功率-距离测距模型求得，则由欧几里得距离公式可以得到方程组，
Figure BDA0003094844600000043
将上式简化得AX＝B，
Figure BDA0003094844600000051
Figure BDA0003094844600000052
X＝(x，y)T，
D的坐标(x，y)为X＝(ATA)-1ATB。
采用上述技术方案所带来的有益效果在于：本发明通过优化RFID信号的处理过程，有效的减轻了信号传输过程的多径效应和多标签之间的信号碰撞问题，而且通过采用对数据的双重分组并引入神经网络，建立了高效的数据滤波路径，可以对干扰信号进行有效的滤除。
附图说明
图1是本发明一个具体实施方式的结构图。
图中：1、上位机；2、读写器；3、路由器；4、电子标签；5、天线。
具体实施方式
参照图1，本发明一个具体实施方式包括
一个上位机1，用于对定位信息进行计算；
两个读写器2，用于采集RSSI值；
一个路由器3，用于连接上位机1和读写器2；
若干个电子标签4，每个目标鸡只携带一个电子标签4；
八个天线5，用于接收电子标签4的信号，每个读写器2连接四个天线5。
一种上述的笼内鸡只多目标定位系统的定位方法，包括以下步骤：
A、天线5接收电子标签4的信号，将信号通过路由器3传输至上位机1；
B、基于功率-距离测距方法建立功率-距离测距模型；
C、根据观测信号分离出位置信号；
D、对接收端接收信号的强度RSSI进行滤波优化；
E、计算待测电子标签4的位置坐标。
步骤B中，功率-距离测距模型为，
Figure BDA0003094844600000061
p(d)表示信号传播距离d后的衰减值，p(d0)表示信号传播距离d0后的衰减值，xσ是均值为0方差为σ2的高斯分布随机数，A为接收端收到的信号强度，n为电子标签的数量。
步骤C中，分离位置信号包括以下步骤，
C1、标签反射的信号表示为S＝[s1，...Si...，sn]T，0≤i≤n，i为第i个标签发出的信号；天线接收到的信号表示为X＝[x1，...，xj，...xm]T，0≤j≤m，j为第j个天线接收的信号，m为天线数量；
C2、噪声信号E＝[e1，...，ej，...，em]T，0≤j≤m，混合矩阵
Figure BDA0003094844600000071
0≤j≤m，接收到的混合信号X＝[x1，...，xj，...xm]T，0≤j≤m，其数学模型为X＝AS+E，ai＝[aj1，aj2，...，ajm]为天线接收信号xj相对于各标签的混合系数，
Figure BDA0003094844600000072
C3、解混矩阵
Figure BDA0003094844600000073
输出信号Y＝[y1，...，yi，...，yn]T，0≤i≤n，数学模型为Y＝WX，wi＝[wi1，...，wij，...，wim]T，0≤i≤n为相对于混合信号X的解混系数，即
Figure BDA0003094844600000074
C4、线性白化矩阵
Figure BDA0003094844600000075
β＝Q·x，DsS为以协方差矩阵Rx＝E[x·xH]的特征值为对角元素的对角阵，Es为以协方差矩阵Rx相对应特征向量为列的矩阵，输出为
Figure BDA0003094844600000076
wi为W的列向量，上标H为共轭转置，yi为第i个估计信号。
步骤D中，对信号强度数据进行滤波优化包括以下步骤，
D1、以天线5为基准将信号强度数据进行分组，同一天线5接收到的信号强度数据分为一组；删除每组数据中超过阈值上限或阈值下限的数据；
D2、以电子标签4为基准将剩余的信号强度数据重新进行分组，来自同一电子标签4的信号强度数据分为一组；
D3、建立神经网络，将步骤D1和步骤D2得到的分组数据作为神经网络的输入样本，并分别建立与以天线5为基准的分组数据相关的第一隶属度函数，和与以电子标签4为基准的分组数据相关的第二隶属度函数；
D4、使用以天线5为基准的分组数据输入神经网络，对第一隶属度函数的参数进行训练；使用以电子标签4为基准的分组数据输入神经网络，对第二隶属度函数的参数进行训练；
D5、将第一隶属度函数和第二隶属度函数进行合并，使用含有合并后的隶属度函数的神经网络对信号强度数据进行滤波。
步骤D4中，对第一隶属度函数的参数进行训练时采用正向训练方式，对第二隶属度函数的参数进行训练时采用反向训练方式。
步骤E中，计算待测电子标签(4)的位置坐标包括以下步骤，
Figure BDA0003094844600000081
Figure BDA0003094844600000082
表示接收端接收信号强度的均值，d为信号传播距离，
设1号、2号、3号、4号、5号、6号、7号、8号天线的坐标为(xi，yi，zi)，1≤i≤8，(x，y)为鸡只脚踝携带电子标签D的坐标，D到各天线的距离分别为且这些距离根据功率-距离测距模型求得，则由欧几里得距离公式可以得到方程组，
Figure BDA0003094844600000091
将上式简化得AX＝B，
Figure BDA0003094844600000092
Figure BDA0003094844600000093
X＝(x，y)T，
D的坐标(x，y)为X＝(ATA)-1ATB。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (5)

1.一种笼内鸡只多目标定位系统的定位方法，其特征在于，笼内鸡只多目标定位系统包括：
一个上位机(1)，用于对定位信息进行计算；
两个读写器(2)，用于采集RSSI值；
一个路由器(3)，用于连接上位机(1)和读写器(2)；
若干个电子标签(4)，每个目标鸡只携带一个电子标签(4)；
八个天线(5)，用于接收电子标签(4)的信号，每个读写器(2)连接四个天线(5)；
定位方法包括以下步骤：
A、天线(5)接收电子标签(4)的信号，将信号通过路由器(3)传输至上位机(1)；
B、基于功率-距离测距方法建立功率-距离测距模型；
C、根据观测信号分离出位置信号；
D、对接收端接收信号的强度RSSI进行滤波优化；
E、计算待测电子标签(4)的位置坐标；
步骤D中，对信号强度数据进行滤波优化包括以下步骤，
D1、以天线(5)为基准将信号强度数据进行分组，同一天线(5)接收到的信号强度数据分为一组；删除每组数据中超过阈值上限或阈值下限的数据；
D2、以电子标签(4)为基准将剩余的信号强度数据重新进行分组，来自同一电子标签(4)的信号强度数据分为一组；
D3、建立神经网络，将步骤D1和步骤D2得到的分组数据作为神经网络的输入样本，并分别建立与以天线(5)为基准的分组数据相关的第一隶属度函数，和与以电子标签(4)为基准的分组数据相关的第二隶属度函数；
D4、使用以天线(5)为基准的分组数据输入神经网络，对第一隶属度函数的参数进行训练；使用以电子标签(4)为基准的分组数据输入神经网络，对第二隶属度函数的参数进行训练；
D5、将第一隶属度函数和第二隶属度函数进行合并，使用含有合并后的隶属度函数的神经网络对信号强度数据进行滤波。
2.根据权利要求1所述的笼内鸡只多目标定位系统的定位方法，其特征在于：步骤B中，功率-距离测距模型为，
Figure FDA0003779540670000021
p(d)表示信号传播距离d后的衰减值，p(d0)表示信号传播距离d0后的衰减值，xσ是均值为0方差为σ2的高斯分布随机数，A为接收端收到的信号强度，n为电子标签的数量。
3.根据权利要求2所述的笼内鸡只多目标定位系统的定位方法，其特征在于：步骤C中，分离位置信号包括以下步骤，
C1、标签反射的信号表示为S＝[s1，...si...，sn]T，0≤i≤n，i为第i个标签发出的信号；天线接收到的信号表示为X＝[x1，...，xj，...，xm]T，0≤j≤m，j为第j个天线接收的信号，m为天线数量；
C2、噪声信号E＝[e1，...，ej，...，em]T，0≤j≤m，混合矩阵
Figure FDA0003779540670000022
接收到的混合信号X＝[x1，...，xj，...xm]T，0≤j≤m，其数学模型为X＝AS+E，ai＝[aj1，aj2，...，ajm]为天线接收信号xj相对于各标签的混合系数，
Figure FDA0003779540670000031
C3、解混矩阵
Figure FDA0003779540670000032
输出信号Y＝[y1，...，yi，...，yn]T，0≤i≤n，数学模型为Y＝WX，wi＝[wi1，...，wij，...，wim]T，0≤i≤n为相对于混合信号X的解混系数，即
Figure FDA0003779540670000033
C4、线性白化矩阵
Figure FDA0003779540670000034
β＝Q·x，DsS为以协方差矩阵Rx＝E[x·xH]的特征值为对角元素的对角阵，Es为以协方差矩阵Rx相对应特征向量为列的矩阵，输出为
Figure FDA0003779540670000035
wi为W的列向量，上标H为共轭转置，yi为第i个估计信号。
4.根据权利要求3所述的笼内鸡只多目标定位系统的定位方法，其特征在于：步骤D4中，对第一隶属度函数的参数进行训练时采用正向训练方式，对第二隶属度函数的参数进行训练时采用反向训练方式。
5.根据权利要求4所述的笼内鸡只多目标定位系统的定位方法，其特征在于：步骤E中，计算待测电子标签(4)的位置坐标包括以下步骤，
Figure FDA0003779540670000036
Figure FDA0003779540670000037
表示接收端接收信号强度的均值，d为信号传播距离，
设1号、2号、3号、4号、5号、6号、7号、8号天线的坐标为(xi，yi，zi)，1≤i≤8，(x,y)为鸡只脚踝携带电子标签D的坐标，D到各天线的距离分别为且这些距离根据功率-距离测距模型求得，则由欧几里得距离公式可以得到方程组，
Figure FDA0003779540670000041
将上式简化得AX＝B，
Figure FDA0003779540670000042
Figure FDA0003779540670000051
X＝(x，y)T，
D的坐标(x，y)为X＝(ATA)-1ATB。
CN202110609118.4A 2021-06-01 2021-06-01 一种笼内鸡只多目标定位系统及其定位方法 Active CN113343729B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110609118.4A CN113343729B (zh) 2021-06-01 2021-06-01 一种笼内鸡只多目标定位系统及其定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110609118.4A CN113343729B (zh) 2021-06-01 2021-06-01 一种笼内鸡只多目标定位系统及其定位方法

Publications (2)

Publication Number Publication Date
CN113343729A CN113343729A (zh) 2021-09-03
CN113343729B true CN113343729B (zh) 2022-10-18

Family

ID=77472636

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110609118.4A Active CN113343729B (zh) 2021-06-01 2021-06-01 一种笼内鸡只多目标定位系统及其定位方法

Country Status (1)

Country Link
CN (1) CN113343729B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN207529404U (zh) * 2017-10-13 2018-06-22 河北农业大学 一种基于rfid的种鸡个体行为追踪系统
CN108871332A (zh) * 2018-04-26 2018-11-23 广西大学 一种基于XGBoost的RFID室内定位系统及方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102045720B (zh) * 2010-12-28 2015-04-15 北京交通大学 基于模糊规则的无线局域网切换方法
CN107704905A (zh) * 2017-10-13 2018-02-16 河北农业大学 一种基于rfid的种鸡个体行为追踪系统及其追踪方法
CN110334788B (zh) * 2019-07-08 2023-10-27 北京信息科技大学 基于深度学习的分布式多天线阅读器定位系统及其方法
CN114492488A (zh) * 2022-01-20 2022-05-13 西安交通大学 一种基于ica的环境反向散射多标签信号分离检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN207529404U (zh) * 2017-10-13 2018-06-22 河北农业大学 一种基于rfid的种鸡个体行为追踪系统
CN108871332A (zh) * 2018-04-26 2018-11-23 广西大学 一种基于XGBoost的RFID室内定位系统及方法

Also Published As

Publication number Publication date
CN113343729A (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
CN106559749B (zh) 一种基于射频层析成像的多目标被动式定位方法
Geng et al. Indoor tracking with RFID systems
CN112333642B (zh) 基于信道状态信息的室内定位方法
Šolić et al. Comparing theoretical and experimental results in Gen2 RFID throughput
CN114080549A (zh) 基于超宽带雷达的目标跟踪方法、装置、设备及存储介质
Zhang et al. Three-dimensional pose detection method based on keypoints detection network for tomato bunch
Wang et al. Multi-classification of UWB signal propagation channels based on one-dimensional wavelet packet analysis and CNN
Wang et al. An agile multi-frame detection method for targets with time-varying existence
CN115457468A (zh) 一种大型草场的智慧畜牧监测方法及系统
CN107704905A (zh) 一种基于rfid的种鸡个体行为追踪系统及其追踪方法
Nikith et al. Leaf disease detection and classification
CN113343729B (zh) 一种笼内鸡只多目标定位系统及其定位方法
CN117195934B (zh) 一种耳标的跟踪方法及养殖数据采集方法
CN104573593A (zh) 一种基于帧时隙的欠定盲分离rfid防碰撞方法
CN115469303A (zh) 一种检测人体姿态和生命体征的认知生物雷达方法与装置
CN102542227A (zh) 一种基于rfid的组合夹具装配检测方法
Kim et al. Field evaluation of UAV‐based tracking method for localization of small insects
CN114676727B (zh) 一种基于csi的与位置无关的人体活动识别方法
CN207529404U (zh) 一种基于rfid的种鸡个体行为追踪系统
CN106294247A (zh) 一种多天线rfid读写器与多电脑的连接系统及连接方法
US10095892B2 (en) RFID reader and method for recognizing RFID tags
Deng et al. UWB NLOS recognition based on improved convolutional neural network assisted by wavelet analysis and Gramian angular field
Alotaibi et al. Anti-collision algorithm for identification in precision agriculture applications
CN107465733A (zh) 基于物联网的牲畜管理方法
Kamei Effect of image resolution on automatic detection of whitefly (Hemiptera: Aleyrodidae) species on tomato leaflets using deep learning

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