CN104535960A - 一种基于rfid的室内快速定位方法 - Google Patents

Abstract

本发明公开了一种基于RFID的室内快速定位方法，所述方法包括摆放RFID主动式参考标签和RFID固定式阅读器，确定RFID定位***模型；利用RFID固定式阅读器，采集参考标签和待定位标签信号强度值；在定位区域内随机产生虚拟标签，根据参考标签信号强度值，利用径向基函数插值法求出每个虚拟标签的信号强度值；根据参考标签和虚拟标签信号强度值，建立基于量子粒子群算法模型，计算出待定位标签最优估算坐标值。本发明有利于实现RFID标签的实时在线定位，相比已有的定位算法，在保证定位精度的前提下，减少了运算时间。本方法具有实时性好、抗干扰能力强、精度高等特点，可广泛应用于各种室内定位监控***中。

Description

一种基于RFID的室内快速定位方法

技术领域

本发明涉及室内快速定位方法，尤其涉及一种基于RFID的室内快速定位方法，属于监控定位技术领域。

背景技术

在物联网应用中，定位技术和位置信息是当前研究的热点之一。在室内环境如地下停车场、物流仓库、危险品储存室、矿井等环境中，也需要通过较为准确的位置信息来合理整合资源、提高服务效率和确保公共安全。常有室内定位技术包括：基于红外线定位、基于超声波定位、基于RADAR定位、基于RFID定位等。与其他定位技术相比，RFID定位技术更容易搭建***并且精度较高，更适合用于室内监控定位。RFID定位算法主要包括：信号强度信息法、传播时间测量法和到达角度法。传播时间测量法虽然定位精度高，但都需要专用设备，硬件成本高；角度测量法需要使用方向性天线，成本较高，在室内非视距情况下定位误差很大；而信号强度测量法不需要额外硬件，便于度量，可使用现有网络收集信号强度，同时不会对网络数据传输和成本产生明显影响，与其他算法相比更易于大规模推广应。其中基于信号强度测量法的RFID经典定位算法包括基于距离-耗损模型的定位算法、LANDMARC算法、VIRE算法等。

本发明主要针对VIRE算法进行了改进，VIRE算法采用线性插值方法，使虚拟标签信号强度值产生了误差，同时邻近地图阈值的选取对定位精度产生了直接的影响，本发明采用径向基函数插值法，其插值方式更接近信号的衰减变化，利用量子粒子群算法寻找待定位标签最优点，直接避免了邻近地图阈值选取的影响，同时解决了VIRE算法边界定位不准确的问题。

上述具体专利对比文件和相关文献为：

1)、桂林电子科技大学计算机科学与工程学院温佩芝、苏亭婷等发表在2014年5月第36卷第5期《计算机工程与科学》上的《基于粒子群的射频识别定位算法》，该文章基于VIRE算法主要引入拉格朗日插值法和标准粒子群算法进行改进。文献中拉格朗日插值法虽然插值效果比线性插值好，但当所选不同参考标签到阅读器距离相同时，会出现分母为0的情况，导致算法无法继续运算，本发明引用的径向基函数插值法使不会出现这种情况，并且其插值更接近虚拟标签的信号强度真实值；同时由于标准粒子群算法存在不一定能收敛到全局最优解的缺陷，导致求出的待定位标签坐标不一定是最优解，但是量子群算法具有更好的收敛性，不会发散到无穷远处，使定位性能更加稳定，精度更高，同时量子粒子群收敛速度更快，实时性更好。

发明内容

为解决上述技术问题，本发明旨在提供一种基于RFID的室内快速定位方法，以满足监控定位***的实时、准确定位要求，提高定位精度。

本发明的目的通过以下的技术方案来实现：

一种基于RFID的室内快速定位方法，所述方法包括如下步骤：

A、摆放RFID主动式参考标签和RFID固定式阅读器，确定RFID定位***模型；

B、利用RFID固定式阅读器，采集参考标签和待定位标签信号强度值；

C、在定位区域内随机产生虚拟标签，根据参考标签信号强度值，利用径向基函数插值法求出每个虚拟标签的信号强度值；

D、根据参考标签信号强度值和虚拟标签信号强度值，建立基于量子粒子群算法模型，计算出待定位标签最优估算坐标值。

与现有技术相比，本发明的一个或多个实施例可以具有如下优点：

本发明基于VIRE定位算法进行改进，利用径向基函数插值法代替线性插值法，有效提高了虚拟标签的插值精度，同时引入量子粒子群算法搜素待定位标签的最优点，由于其具有很好的收敛性，使本发明的定位性能更加稳定，相比已有的定位算法，在保证定位精度的前提下，减少了运算时间，有利于实现RFID标签的实时在线定位。本方法具有实时性好、抗干扰能力强、精度高等特点，可广泛应用于各种室内定位监控***中。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，不构成对本发明限制。在附图中：

图1是本发明所述一种基于RFID的室内快速定位方法的结构流程图；

图2是基于RFID的室内定位***布局图。

具体实施方式

根据本发明的技术方案，在不变更本发明的实质精神下，本领域一般技术人员可以提出本发明的多个结构方式和制作方法。因此以下具体实施方式以及附图仅是本发明技术方案的具体说明，而不应当视为本发明的全部或者视为对本发明技术方案的限定或限制。

下面结合实施例及附图1对本发明作进一步详细的描述：

本发明所述的一种基于RFID的室内快速定位方法，具体步骤包括：

步骤10摆放RFID主动式参考标签和RFID固定式阅读器，确定RFID定位***模型；

步骤20利用RFID固定式阅读器，采集参考标签和待定位标签信号强度值；

步骤30在定位区域内随机产生虚拟标签，根据参考标签信号强度值，利用径向基函数插值法求出每个虚拟标签的信号强度值；

步骤40根据参考标签信号强度值和虚拟标签信号强度值，建立基于量子粒子群算法模型，计算出待定位标签最优估算坐标值。

上述步骤10具体包括：根据现场环境，在室内摆放N个RFID主动式参考标签和K个RFID固定式阅读器，确定RFID定位***模型。

所述步骤20具体包括：利用现场布置的K个RFID固定式阅读器，分别采集N个参考标签信号强度值rssi_kn(1≤k≤K,1≤n≤N)和待定标签信号强度值rssi_k(1≤k≤K)。

所述步骤30具体包括：在定位区域内随机产生M个虚拟标签，根据参考标签信号强度值，利用径向基函数插值法求出每个虚拟标签的信号强度值rssi'_kn(1≤k≤K,1≤n≤M)，其插值方法如下：

${\mathrm{rssi}}_{\mathrm{kn}}^{\′}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{g}_i(x,y)\·{\mathrm{\α}}_i$

其中 $g_i(x,y)={\left(\max (\mathrm{0,1}-{\frac{\sqrt{{(x-x_i)}^2+{(y-y_i)}^2}}{d_{\mathrm{sp}}}}_i)\right)}^4\·(\frac{4\sqrt{{(x-x_i)}^2+{(y-y_i)}^2}}{d_{\mathrm{sp}}}+1),$ 式中d_sp是常数，表示该径向基函数的紧支半径，x_i,y_i为参考标签坐标，x,y为虚拟标签坐标，α_i是权函数。

令则 $\mathrm{\α}=A^{-1}\·\left[\begin{array}{c}{\mathrm{rssi}}_{k1}\\ {\mathrm{rssi}}_{k2}\\ \·\\ \·\\ \·\\ {\mathrm{rssi}}_{\mathrm{kN}}\end{array}\right]$

所述步骤40具体包括：

⑴置t＝0，将每个虚拟标签当作一个粒子，在整个定位区域内初始化每一个粒子的当前位置X_i(0)，并置个体最优点P_i(0)＝X_i(0)；

⑵计算粒子群的平均最优点

⑶对粒子群中的每一个粒子i(1≤i≤M)进行⑷～⑺操作；

⑷计算粒子i的当前位置X_i(t)适应值，更新粒子的个体最好位置，更新公式为：

$P_i\left(t\right)=\left\{\begin{array}{ccc}{X}_i\left(t\right)& \mathrm{if}& f\left[X_i\left(t\right)\right]<f\left[P_i(t-1)\right]\\ P_i(t-1)& \mathrm{if}& f\left[X_i\left(t\right)\right]\&GreaterEqual;f\left[P_i(t-1)\right]\end{array}\right.$

⑸对于粒子i，将P_i(t)的适应值与全局最好位置G(t-1)的适应值比较，若f[P_i(t)]＜f[G(t-1)]，则置G(t)＝P_i(t)，否则G(t)＝G(t-1)；

⑹对于粒子i的每一维，计算一个随机点的位置，公式为：

⑺由粒子的进化方程计算粒子的新位置，进化方程公式为：

X_i,j(t+1)＝p_i,j(t)±α·|C_j(t)-X_i,j(t)|·ln[1/u_i,j(t)] 

⑻若不满足最大迭代次数，置t＝t+1，返回⑵，否则结束。

利用径向基函数插值法代替线性插值法，有效提高了虚拟标签的插值精度，同时引入量子粒子群算法搜索待定位标签的最优点，由于其具有很好的收敛性，使本发明的定位性能更加稳定，同时量子粒子群收敛速度快，提高了定位的实时性，相比已有的定位算法，在保证定位精度的前提下，减少了运算时间，有利于实现RFID标签的实时在线定位。

本实施例基于RFID的室内定位***布局图2。在8m×8m的室内环境下摆放4个阅读器和16个参考标签，在MATLAB环境下随机生成10个待定位标签，并分别对VIRE算法、线性插值-粒子群法(Linear-PSO)和径向基插值-量子粒子群(RBF-QPSO)进行仿真实验，参考标签和待定位标签的信号强度值由路径耗损模型计算所得。三种不同定位算法估算坐标比较如表1所示。

表1

三种不同定位算法定位误差比较如表2所示。从表可以看出，利用径向基插值法和量子粒子群算法，具有更高的定位精度。同时由于量子粒子群算法具有更好的收敛性，收敛速度快，使定位具有更好的实时性。

表2

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (5)

1.一种基于RFID的室内快速定位方法，其特征在于，所述方法包括如下步骤：

A、摆放RFID主动式参考标签和RFID固定式阅读器，确定RFID定位***模型；

B、利用RFID固定式阅读器，采集参考标签和待定位标签信号强度值；

C、在定位区域内随机产生虚拟标签，根据参考标签信号强度值，利用径向基函数插值法求出每个虚拟标签的信号强度值；

D、根据参考标签信号强度值和虚拟标签信号强度值，建立基于量子粒子群算法模型，计算出待定位标签最优估算坐标值。

2.根据权利要求1所述的基于RFID的室内快速定位方法，其特征在于，所述步骤A具体包括：根据现场环境，在室内摆放N个RFID主动式参考标签和K个RFID固定式阅读器，确定RFID定位***模型。

3.根据权利要求1所述的基于RFID的室内快速定位方法，其特征在于，所述步骤B具体包括：利用现场布置的K个RFID固定式阅读器，分别采集N个参考标签信号强度值rssi_kn，其中1≤k≤K,1≤n≤N和待定标签信号强度值rssi_k，其中1≤k≤K。

4.根据权利要求1所述的基于RFID的室内快速定位方法，其特征在于，所述步骤C具体包括：在定位区域内随机产生M个虚拟标签，根据参考标签信号强度值，利用径向基函数插值法求出每个虚拟标签的信号强度值rssi'_kn，其中1≤k≤K,1≤n≤M，其插值方法如下：

${\mathrm{rssi}}_{\mathrm{kn}}^{\&prime;}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{g}_i(x,y)\&CenterDot;{\mathrm{\&alpha;}}_i$

其中式中d_sp是常数，表示该径向基函数的紧支半径，x_i,y_i为参考标签坐标，x,y为虚拟标签坐标，α_i是权函数；

令则 $\mathrm{\&alpha;}=A^{-1}\&CenterDot;\left[\begin{array}{c}{\mathrm{rssi}}_{k1}\\ {\mathrm{rssi}}_{k2}\\ \&CenterDot;\\ \&CenterDot;\\ \&CenterDot;\\ {\mathrm{rssi}}_{\mathrm{kN}}\end{array}\right].$

5.根据权利要求1所述的基于RFID的室内快速定位方法，其特征在于，所述步骤D具体包括：

⑴置t＝0，将每个虚拟标签当作一个粒子，在整个定位区域内初始化每一个粒子的当前位置X_i(0)，并置个体最优点P_i(0)＝X_i(0)；

⑵计算粒子群的平均最优点

⑶对粒子群中的每一个粒子i，其中1≤i≤M进行⑷～⑺操作；

⑷计算粒子i的当前位置X_i(t)适应值，更新粒子的个体最好位置，更新公式为：

$P_i\left(t\right)=\left\{\begin{array}{cc}{X}_i\left(t\right)& \mathrm{iff}\left[X_i\left(t\right)\right]<f\left[P_i(t-1)\right]\\ P_i(t-1)& \mathrm{iff}\left[X_i\left(t\right)\right]\&GreaterEqual;f\left[P_i(t-1)\right]\end{array}\right.$

⑸对于粒子i，将P_i(t)的适应值与全局最好位置G(t-1)的适应值比较，若f[P_i(t)]＜f[G(t-1)]，则置G(t)＝P_i(t)，否则G(t)＝G(t-1)；

⑹对于粒子i的每一维，计算一个随机点的位置，公式为：

⑺由粒子的进化方程计算粒子的新位置，进化方程公式为：

$X_{i,j}(t+1)=p_{i,j}\left(t\right)\&PlusMinus;\mathrm{\&alpha;}\&CenterDot;|C_j\left(t\right)-X_{i,j}\left(t\right)|\&CenterDot;\ln [1/u_{i,j}\left(t\right)],u_{i,j}\left(t\right)~U\left(\mathrm{0,1}\right),C_j\left(t\right)=\frac{1}{M}\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{P}_{i,j}\left(t\right)$

⑻若不满足最大迭代次数，置t＝t+1，返回⑵，否则结束。