基于RFID标签的室内定位方法研究

【摘要】：随着物联网技术的发展,射频识别(RFID)中的标签定位技术受到广泛的关注。在位置信息识别过程中,若没有很好的解决标签定位问题,将会影响用户工作和生活效率。为加快处理位置信息识别问题,设计用于标签定位的RFID算法显得尤为重要。目前应用较为广泛的定位技术有:WiFi、Bluetooth、Infrared、Ultrasonic、RFID等。其中,RFID定位技术凭借标签造价低、系统定位性能强等优点,在室内定位中应用广泛。因此,论文选择RFID中的标签定位问题作为研究课题。本文主要从两个方面对RFID室内定位算法进行研究。一方面,设计基于待测标签多方向搜索的室内定位算法;另一方面,设计基于自适应学习因子的室内定位算法。具体研究内容如下。(1)基于待测标签多方向搜索的室内定位算法设计。为提高RFID系统中位置信息的准确性,提出一种多方向目标搜索的定位算法。利用六边形的参考标签部署结构,从搜索区域的中心点出发,按照设置的步长向参考标签方向搜索。每次搜索得到的位置看成搜索区域内的虚拟标签,通过每个虚拟标签的信号强度欧氏距离来确定下一步搜索方向,当满足阈值要求时,搜索终止。待测标签多方向搜索算法解决了传统定位算法对于最近邻参考标签选取不足的问题,此算法不仅减弱了多径干扰的影响,而且使获得的位置误差更小,搜索结果更准确。实验结果表明,本文所提出的待测标签多方向搜索算法与LANDMARC算法相比定位误差减小0.47m,与VIRE算法相比定位误差减小了0.11m。(2)基于自适应学习因子的室内定位算法设计。在传统粒子群算法的基础上,取消给学习因子赋值的做法,提出一种动态学习因子,即随迭代次数变化而变化的正弦函数因子公式。其次,随机生成的每个粒子看作独立存在的虚拟标签,采用插值方式求得虚拟标签的信号强度值,通过待测标签与初始化粒子之间信号强度关系建立适应度函数,由适应度函数值大小确定下一步搜索方向。当粒子的迭代次数达到最大时,搜索终止。动态的学习因子不仅在算法前期能够扩大标签搜索范围,而且在算法后期易找到待测标签的最佳位置。实验结果表明,本文所提出的自适应学习因子的室内定位算法与传统的定位算法相比,误差减小了0.54m。