CN102573057B - 一种优化的rfid室内定位方法 - Google Patents

Abstract

本发明提供一种优化的RFID室内定位方法。该方法利用室内平均布置的参考标签及读写器的读取范围，读取参考标签的坐标信息。对读取到的坐标利用粒子滤波算法进行滤波。然后根据读取到的标签坐标，采用等边三角形的质心算法或权重质心法来计算出读写器的坐标位置。该定位方法比较精确，能很好的反映读写器的实际位置。

Description

一种优化的RFID室内定位方法

技术领域

本发明涉及RFID定位技术，特别是一种优化的RFID室内定位方法。

背景技术

移动计算器件的发展和无线局域网技术的进步促进了移动定位技术的突飞猛进，三角定位、图像分析和信标定位是3大主要自动定位技术，目前科学家已建立了许多自动定位系统，最主要的定位系统是大家熟知的GPS全球定位系统。由于全球定位系统属于卫星定位，室内都有可能因接收不到有效的卫星信号而导致定位失效，在进行室内定位时存在固有定位精度问题，所以必须通过其他定位技术解决室内定位问题，常用的室内定位技术有红外线定位、超声波定位、基于IEEES02.11无线定位和射频识别RFID定位技术等。RFID技术由于其非基础和非视距等优点成为优选的定位技术。目前比较成熟的RFID室内定位方案有SpotON、3D.iD pinpoint和LANDMARC。

发明内容

本发明的目的是提供优化的RFID室内定位方法，能实现室内读写器的精确定位。

本发明采用以下方案实现：一种优化的RFID室内定位方法，其特征在于，包括步骤：

步骤1：初始化布置的参考标签网络；

步骤2：读写器发射能量并接收标签发过来的信息；

步骤3：读写器接收到标签信息后，把标签的坐标记录在集合L{(x₁,y₁),(x₂,y₂),……(x_m,y_m)}中；

步骤4：对集合L里的点利用粒子滤波算法进行滤波得到L′；

步骤5：在集合L′中去除超过读写器读取范围的点形成集合Triangle{(x₁,y₁),(x₂,y₂),……(x_n,y_n)}；如果Triang1e中只有一个坐标(x₁,y₁)，则以这个坐标为未知读写器的坐标，如果有两个坐标(x₁,y₁),(x₂,y₂)，则以这两个坐标的中点为此读写器的坐标:；如果有三个坐标(x₁,y₁),(x₂,y₂),(x₃,y₃)，则以这三个坐标组成的三角形的质心为读写器的坐标；如果超过3个以上坐标则对坐标根据距离由小到大排序得{(x₁,y₁),(x₂,y₂),……(x_k,y_k)}，赋予较近距离的坐标较大的权重，设定一个权重矩阵w＝{w₁,w₂,…,w_n}，计算读写器的坐标(w₁x₁+w₂x₂+…+w_nx_n,w₁y₁+w₂y₂+…+w_ny_n)。

本发明提出了一种基于RFID技术的定位方法。该方法利用室内平均布置的参考标签及读写器的读取范围，读取参考标签的坐标信息。对读取到的坐标利用粒子滤波算法进行滤波。然后根据读取到的标签坐标，采用等边三角形的质心算法或权重质心法来计算出读写器的坐标位置。该定位方法比较精确，能很好的反映读写器的实际位置。

具体实施方式

本发明利用RFID技术，设定读写器的读取范围，通过已知位置上布置的参考标签，利用权重质心法求出读写器与参考标签的相对坐标位置，实现自身定位。本实施例中，该读写器可以放置在移动小车或机器人身上。首先分布一些参考标签即信标，得到这些标签之间的距离之后，按照这个距离给每个标签确定一个坐标，并把坐标信息写入标签内。根据权重质心法求得读写器的坐标位置。其实现步骤如下：

a)初始化标签网络；

b)读写器发射能量并接收标签发过来的信息；

c)读写器接收到标签信息后，把标签的坐标记录在集合L{(x₁,y₁),(x₂,y₂),……(x_m,y_m)}中；

d)对集合L里的点利用粒子滤波算法进行滤波得到L′；

e)在集合L′中去除超过读写器读取范围的点形成集合Triangle{(x₁,y₁),(x₂,y₂),……(x_n,y_n)}；

f)如果Triang1e中只有一个坐标(x₁,y₁)，则以这个坐标为未知读写器的坐标，如果有两个坐标(x₁,y₁),(x₂,y₂)，则以这两个坐标的中点为此读写器的坐标；如果有三个坐标(x₁,y₁),(x₂,y₂),(x₃,y₃)，则以这三个坐标组成的三角形的质心为读写器的坐标；如果超过3个以上座标则对坐标根据距离由小到大排序得{(x₁,y₁),(x₂,y₂),……(x_k,y_k)}，赋予较近距离的坐标较大的权重，设定一个权重矩阵w＝{w₁,w₂,…,w_n}，计算读写器的坐标(w₁x₁+w₂x₂+…+w_nx_n,w₁y₁+w₂y₂+…+w_ny_n)。

本实施例中，所述粒子滤波算法是一种基于蒙特卡罗和贝叶斯估计理论的最优算法，基本思想来源于PerfectMonte Cado(PMC)仿真。首先随机地产生一系列均匀的样本(粒子)，然后逐步对样本进行更新，使粒子稳定来逼近最优解,根据处理对象,具体实现步骤如下:

1)初始状态,k＝0,根据PVT解算估算的结果将其作为状态空间中心,生成N个样本每个样本被认为是一个粒子；

2)给每一个粒子分配相同的权值:

$\{w_k^j=\frac{1}{N},j=\mathrm{1,2},...,N\}---\left(1\right)$

3)对粒子的权值进行更新：

a.计算粒子j与RFID参考标签i之间的伪距误差并将其作为k时刻的测量值

$y_k={[{\mathrm{\Δ\ρ}}_1^j,{\mathrm{\Δ\ρ}}_2^j,...,{\mathrm{\Δ\ρ}}_{N_{\mathrm{sat}}^k}^j]}^T---\left(2\right)$

式中:为在k时刻发现的RFID参考标签数量；

b.根据式(5),逐个更新粒子j的权值

$w_k^j=w_{k-1}^j\frac{p\left(y_k\right|x_k^j)p\left(x_k^j\right|x_{k-1}^j)}{q\left(x_k^j\right|x_{k-1}^j)}=w_{k-1}^{j}p\left(y_k\right|x_k^j)---\left(3\right)$

式中:j＝1,2,…,N,为重要性密度函数,即粒子的取样分布函数,为后验密度函数；不同RFID参考标签间伪距误差可认为相互独立,由式(2),可认为

$p\left(y_k\right|x_k^j)=\underset{i=1}{\overset{N_{\mathrm{sat}}}{\mathrm{\Π}}}p\left({\mathrm{\Δ\ρ}}_i^j\right|x_k^j)---\left(4\right)$

将其代入式(3),得到

$w_k^j=w_{k-1}^j\underset{i=1}{\overset{N_{\mathrm{sat}}}{\mathrm{\Π}}}p\left({\mathrm{\Δ\ρ}}_i^j\right|x_k^j)---\left(5\right)$

c.对粒子权系数进行规一化:

$w_k^{j^{*}}=\frac{w_k^j}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{w}_k^j}---\left(6\right)$

4)计算有效粒子数N_eff和门限粒子数N_th:

$N_{\mathrm{eff}}=\frac{1}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\left(w_k^j\right)}^2},N_{\mathrm{th}}=\frac{2N}{3}---\left(7\right)$

5)如果N_eff>N_th,记录所有粒子及其权值j＝1,2,…,N，否则根据重采样算法对粒子进行重采样,并重复步骤2)至5)；

6)计算优化后的状态参量x_k:

$x_k=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{w}_k^{j^{*}}{x}_k^{j^{*}}---\left(8\right)$

7)重复步骤3)至6),直到轨迹结束。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (2)

1.一种优化的RFID室内定位方法，其特征在于，包括步骤：

步骤1：初始化布置的参考标签网络；

步骤2：读写器发射能量并接收标签发过来的信息；

步骤3：读写器接收到标签信息后，把标签的坐标记录在集合L{(x₁,y₁),(x₂,y₂),……(x_m,y_m)}中；

步骤4：对集合L里的点利用粒子滤波算法进行滤波得到L′；

步骤5：在集合L′中去除超过读写器读取范围的点形成集合Triangle{(x₁,y₁),(x₂,y₂),……(x_n,y_n)}；如果Triang1e中只有一个坐标(x₁,y₁)，则以这个坐标为未知读写器的坐标，如果有两个坐标(x₁,y₁),(x₂,y₂)，则以这两个坐标的中点为此读写器的坐标:；如果有三个坐标(x₁,y₁),(x₂,y₂),(x₃,y₃)，则以这三个坐标组成的三角形的质心为读写器的坐标；如果超过3个以上坐标则对坐标根据距离由小到大排序得{(x₁,y₁),(x₂,y₂),……(x_k,y_k)}，赋予较近距离的坐标较大的权重，设定一个权重矩阵w＝{w₁,w₂,…,w_n}，计算读写器的坐标(w₁x₁+w₂x₂+…+w_nx_n,w₁y₁+w₂y₂+…+w_ny_n)；所述粒子滤波算法的实现步骤如下：

1)初始状态,k＝0,根据PVT解算估算的结果将其作为状态空间中心,生成N个样本每个样本被认为是一个粒子；

2)给每一个粒子分配相同的权值:

$\{w_k^j=\frac{1}{N},j=\mathrm{1,2},...,N\}---\left(1\right)$

3)对粒子的权值进行更新：

a.计算粒子j与RFID参考标签i之间的伪距误差并将其作为k时刻的测量值

$y_k={[{\mathrm{\Δ\ρ}}_1^j,{\mathrm{\Δ\ρ}}_2^j,...,{\mathrm{\Δ\ρ}}_{N_{\mathrm{sat}}^k}^j]}^T---\left(2\right)$

式中:为在k时刻发现的RFID参考标签数量；

b.根据式(5),逐个更新粒子j的权值

$w_k^j=w_{k-1}^j\frac{p\left(y_k\right|x_k^j)p\left(x_k^j\right|x_{k-1}^j)}{q\left(x_k^j\right|x_{k-1}^j)}=w_{k-1}^{j}p\left(y_k\right|x_k^j)---\left(3\right)$

式中:j＝1,2,…,N,为重要性密度函数,即粒子的取样分布函数,为后验密度函数；

不同RFID参考标签间伪距误差可认为相互独立,由式(2),可认为

$p\left(y_k\right|x_k^j)=\underset{i=1}{\overset{N_{\mathrm{sat}}}{\mathrm{\Π}}}p\left({\mathrm{\Δ\ρ}}_i^j\right|x_k^j)---\left(4\right)$

将其代入式(3),得到

$w_k^j=w_{k-1}^j\underset{i=1}{\overset{N_{\mathrm{sat}}}{\mathrm{\Π}}}p\left({\mathrm{\Δ\ρ}}_i^j\right|x_k^j)---\left(5\right)$

c.对粒子权系数进行规一化:

$w_k^{j^{*}}=\frac{w_k^j}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{w}_k^j}---\left(6\right)$

4)计算有效粒子数N_eff和门限粒子数N_th:

$N_{\mathrm{eff}}=\frac{1}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\left(w_k^j\right)}^2},N_{\mathrm{th}}=\frac{2N}{3}---\left(7\right)$

5)如果N_eff>N_th,记录所有粒子及其权值j＝1,2,…,N，否则根据重采样算法对粒子进行重采样,并重复步骤2)至5)；

6)计算优化后的状态参量x_k:

$x_k=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{w}_k^{j^{*}}{x}_k^{j^{*}}---\left(8\right)$

7)重复步骤3)至6),直到轨迹结束。

2.根据权利要求1所述的一种优化的RFID室内定位方法，其特征在于：所述读写器放置在移动小车或机器人身上。