基于RFID技术的室内定位算法研究

随着移动通信用户量的日益增长,定位用户位置信息的服务日益成为移动应用的热点领域。目前比较流行的定位服务有全球卫星导航系统(GNSS),全球定位系统(GPS)以及国产的北斗星定位系统。然而在室内封闭环境下,由于卫星信号的衰减,这些定位系统很难进行室内定位定位。文章以RFID射频识别技术为基础,提出了一种全新的室内定位算法,在实际的实验测试当中可以较好地进行室内定位。     

基于改进海鸥优化算法的可见光室内定位研究

为提高室内定位精度,提出了一种基于黄金正弦与Sigmoid连续化海鸥优化算法(GSCSOA)的接收信号强度(Received Signal Strength Indication,RSSI)可见光室内定位技术。传统的海鸥优化算法(SOA)收敛速度慢、寻优精度低,在海鸥搜寻过程中引入Sigmoid函数使算法在后期快速收敛,在海鸥扑食过程中加入黄金正弦机制能提高算法的寻优能力。在6 m×6 m×3 m的房间顶板上按3×3的网格状布设9盏LED灯,经过实验表明:利用传统的RSSI定位估计算法得到的定位精度为1.28 m,改进的海鸥优化算法结合RSSI的定位算法得到的定位精度为7.17 cm。显然,改进后的室内定位算法精度更高,可应用于大部分的室内定位场所。     

基于改进粒子滤波的RFID室内目标定位算法

针对于LANDMARC算法的RFID室内定位精度受传输路径影响严重,直接采用粒子滤波自适应性差的问题,提出一种基于改进粒子滤波的RFID室内定位算法.该算法首先利用极限学习机(ELM)拟合阅读器接收信号强度与标签距离之间的非线性关系,构建信号传输模型,筛选邻近标签集;然后采用自适应学习因子优化粒子滤波过程,提高粒子全局...     

基于RFID的室内定位技术研究

RFID(射频识别技术)以其非视距,非接触,多目标,低成本,效率高,识别速度快,定位精度高等特点而逐渐成为一颗耀眼的定位新星。文章先介绍了RFID系统的发展状况,然后按各主要组件介绍其分类及功能,阐述RFID系统工作原理,提出了RFID常用技术的应用,同时对RFID技术未来的发展趋势进行展望。     

基于牛顿插值的RFID室内定位算法

随着近年无线网络的发展,出现了多种与室内定位相关的技术与应用。文中提出了一种基于牛顿插值的室内定位算法。该算法主要是基于射频识别技术(RFID)并结合Larndmarc系统利用插值求解虚拟的标签,从而对待测标签得到更精确地定位。实验证明,与k邻域算法相比,该算法在定位精度上得到了显著提高。     

基于物联网的RFID室内定位系统设计

本文研究并提供一款室内环境下进行定位的STM32定位系统,以解决卫星信号到达地面时较弱、不能穿透建筑物的问题.系统使用RFID射频识别技术实现室内定位,具有可靠性高、稳定性好、可24小时不间断工作、成本相对低等优势.使用该技术可以提高室内定位服务的信息化水平、自动化水平、减轻相关企业的生产成本,实现企业安全管理、减少人力资源的使用、降低人力成本,提高工作服务效率.     

一种改进的Eddystone-TLM质心室内三边定位算法

为了解决在室内环境中利用三边定位技术定位精度不高,以及基于质心定位改进三边定位算法后参考点难以确定在待测点外侧的问题,提出一种利用Eddystone-TLM对三边定位算法进行改进。首先利用Eddystone框架的TLM优化质心定位算法;其次通过优化后的质心定位算法解决三边定位算法已知的不足;最终实现定位精度的提高。实验结果表明,该算法改善了室内定位的精准性,可及时准确地获取目标终端的位置数据,有效保证了室内定位与其他领域之间定位数据的互联互通。     

基于参考标签的射频识别室内定位算法研究

针对现有基于RFID的LANDMARC室内定位系统会因外界环境因素导致优良的邻近参考标签丢失、不良的参考标签引入的问题,为此提出了一种改进的最近邻居算法,通过筛选已选取的邻近参考标签,实现最近邻标签的最佳选取。实验结果表明待测标签的定位精度得到有效提高。该算法有效获取到优良的参考标签,从而获得了满意的定位精度和定位性能。     

基于RFID的室内定位系统研究

RFID技术是一种全新的非接触自动识别技术,是物联网技术进行用户识别和定位处理的前提。文章在简单介绍RFID技术的基础上对基于到达时间、基于到达时间差、基于到达角、基于到达信号强度和基于相位的定位技术进行了分析。分析结果表明基于相位信息的定位系统相比其他系统而言,对硬件要求不高,可操作性强,有较强的抗干扰能力,具有较高的实用价值。     

基于RFID的室内无线定位技术研究

RFID是一种可对人和物体进行跟踪的自动识别技术.室内定位服务的两种关键信息是身份和位置,获取这两种信息的一种明显又有效的方法就是将RFID标签附在设备上或让人随身携带.然而,由于信号在室内环境中易受损的性质以及RFID标签的能力有限,定位技术面临很多挑战.展示了现有的一些RFID定位原理,列举了一些具有代表性的定位系统,并对它们做了解释和分类.最后,总结了各类技术的适用范围和影响.     

基于差分进化算法的RFID定位

针对传统射频识别(RFID)定位过程繁琐,系统定位精确度低以及计算较为复杂的问题,提出一种利用差分进化(DE)算法优化RFID定位精确度的方法。该方法首先随机初始参考标签的位置坐标,通过接收信号强度(RSS)值计算出阅读器与标签之间的测量距离,再通过优化阅读器与参考标签和待测标签之间的距离误差,估计出离待测标签最近的位置坐标,最后与经典LANDMARC定位系统做比较。仿真结果表明,经典LANDMARC定位系统的平均定位误差为1.115 8 m,而利用差分进化算法优化后的系统平均定位误差为0.001 2 m,从而证明利用差分进化算法优化RFID定位的方法是有效的。     

无线射频识别防伪机制改进研究

无线射频识别（RFID）技术综合了无线射频（RF）和IC芯片技术。无线射频识别将会逐渐取代条形码功能,给制造业、物流业乃至全球供应链带来革命性改变。对无线射频识别的防伪机制进行研究,以加强无线射频识别防伪安全服务为目的,改进了电子标签和读取器之间以及网络系统架构的整体防伪机制。最后,通过实际应用说明改进后的无线射频识别技术可以有效解决伪造、假冒等问题。     

基于Sobel算子的改进边缘检测算法

提出了一种基于Sobel算子改进的边缘检测算法。该算法在传统Sobel算子模板基础上增加了45°方向和135°方向两个模板,提高了边缘定位的精度。在计算图像梯度时结合了方向拆分法,将每个方向梯度与两个子方向半个模板对应的像素点之和分别求比值,选择最大者作为该方向的梯度值,然后将四个方向梯度的最大值作为窗口中心点的梯度,最后对梯度图像进行阈值分割和细化,得到边缘图像。实验证明,算法获取的图像边缘与传统Sobel算法相比,具有定位准确、图像边缘较细的优点。     

基于改进灰狼优化算法的DV-Hop定位算法

针对无线传感器网络节点DV-Hop定位算法由于节点分布不均,距离估计不准确,导致定位精度较低的问题,提出了一种基于改进灰狼优化算法的DV-Hop定位算法,采用先进的灰狼优化算法以寻找最优值的方式得到未知节点、坐标。同时,为进一步提高优化算法的寻优能力,克服可能出现局部最优的情况,将优化算法与免疫算法相结合,提高优化算法中灰狼种群的多样性,进而提高对最优解的搜索能力,达到提高定位精度的目的。实验结果表明,相对于普通的DV-Hop定位算法和普通的灰狼优化算法,改进之后的定位算法精度更高。     

基于RFID技术的智慧园区室内定位算法

针对南北园区智慧楼宇内大量资产设备全方位管理的多方面需求,在基于RFID系统资产设备管理的基础上,利用阅读器与电子标签之间的无线感知特性,结合参考标签与定位模糊环概念,提出了一种多阅读器信息融合的室内定位算法,算法具有定位精确度高、复杂度低、成本低的特点,能够对楼宇内资产设备标签进行快速准确定位,从而实现对智慧园区楼宇内的大量资产进行更高效、更智能的全周期管理.     

RFID network planning based on improved brain storm optimization algorithm

In order to improve the service quality of radio frequency identification (RFID) systems, multiple objectives should be comprehensively considered. An improved brain storm optimization algorithm GABSO, which incorporated adaptive learning operator and golden sine operator into the original brain storm optimization (BSO) algorithm, was proposed to solve the problem of RFID network planning (RNP). GABSO algorithm introduces learning operator and golden sine operator to achieve a balance between exploration and development. Based on GABSO algorithm, an optimization model is established to optimize the position of the reader. The GABSO algorithm was tested on the RFID model and dataset, and was compared with other methods. The GABSO algorithm's tag coverage was increased by 9.62% over the Cuckoo search (CS) algorithm, and 7.70% over BSO. The results show that the GABSO algorithm could be successfully applied to solve the problem of RNP.     

基于改进加权质心和遗传算法的气体源定位研究

为了提高室内危险气体泄漏点的定位精度,通过对现有气体扩散模型的研究,给出一种无风无边界连续泄漏点源浓度的扩散模型。首先应用改进加权质心定位算法通过第一次粗定位和第二次的精细定位获得定位结果。另外,利用遗传算法对室内气体泄漏源进行全局最优的精细定位,通过Matlab仿真实验进行定位误差分析,得到采用改进加权质心定位算法和遗传算法的定位相对误差分别低于5%和3.5%。最后搭建了测试系统用乙醇气体源进行泄漏点定位实验,验证了两种定位算法的准确性。     

基于类间方差的图像Canny边缘提取改进

到目前为止,在边缘检测方面,Canny算子因为它优良的边缘检测特性,应用在很多方面。然而它也有局限性,传统Canny算子高低阈值是通过人工凭借经验来选取,且低阈值固定是高阈值的一半,这就使得它在一些特殊领域无法应用,且实际中图像易受光照、杂散光以及其他各种噪声的干扰。因此针对传统Canny算子阈值确定的困难性,针对性地提出了利用双重Otsu方法确定高低阈值的方法,此方法利用两次Otsu方法分别确定高阈值和低阈值。     

基于改进的K-means聚类算法水下图像边缘检测

边缘检测被广泛用于图像分析与处理中,由于水的吸收和散射效应,传统的边缘检测算法对于水下图像得不到较好的效果。在此应用一种新的方法来得到较准确的水下图像边缘,首先,将原始图像使用暗原色先验算法进行处理得到较清晰的水下图像;然后,使用梯度幅值边缘检测算法检测出初始边缘,在初始边缘上检测出端点,使用改进的K-means聚类算法对端点进行分类,从而确定背景和目标灰度值接近的区域作为窗口;最后,在窗口内使用梯度幅值检测边缘,通过多个窗口的并集得到最终边缘。实验结果表明,边缘检测效果得到明显的改善。