基于RFID技术的室内定位算法优化方法研究

随着无线通信、物联网和计算机技术的蓬勃发展,室内无线定位技术正逐渐受到越来越多人的关注。在研究了几种基于射频识别技术的室内定位算法基础上,提出改进算法—基于牛顿插值和信号强度衰减模型插值的BVIRE定位算法(NTOR_BVIRE)。实验结果表明,改进算法在不额外增加参考标签的前提下,定位精度得到提高,达到了预期效果。     

基于RFID的二维室内定位算法的实现

为了克服全球定位系统（GPS）对室内定位的盲点,在RFID一维定位的理论基础上推导出二维的室内定位算法,只需在室内摆放4个参考标签及两个远距RFID读取器即可实现二维定位,大大降低了系统的硬件成本。另外,基于RFID技术设计了一套嵌入式室内定位系统,通过该系统对二维定位方法进行实验验证,得到远距RFID读取器的不同二维坐标下的实验数据。为了减小RSSI值受电波的影响引起定位的不稳定,算法中通过增加读取参考标签RSSI值的次数的方法进行改善。通过对数据的分析可得,该算法可以实现准确及稳定的二维室内定位。     

一种利用有源RFID标签的室内定位机制

目前,现有的定位技术不能完全满足室内定位感知的要求,但随着RFID(射频识别)技术的成熟,低成本建设室内定位系统这一问题有望得到解决。从定位算法和参考标签两个角度,对采用RFID技术解决室内定位问题进行了讨论。在现有的室内定位技术中,LANDMARC系统通过引入参考标签,可以减少需要使用的RFID读写器数量,并根据不同标签之间的残差加权算法,可以获得较高的定位精度。本文在分析了LANDMARC系统的基础上,提出了一种新机制解决了它潜在的问题,并证明了该机制在提高定位精度上确实有效。     

基于LANDMARC系统的室内定位算法优化

近年来,基于RFID室内定位技术越来越广泛应用,其中LANDMARC室内定位系统最近邻近算法成为主流算法,针对经典LANDMARC算法中多径效应、噪声随机变量影响以及各种形式的障碍物等复杂环境的存在,使得阅读器读取能力下降,影响最邻近标签的选择,进而使得系统定位精度下降,结合数据融合领域中的表决算法提出一定的改进方案,该改进算法能够克服复杂环境产生的影响,剔除不良标签,更加准确的计算出待测标签的定位位置,相较于经典LANDMARC算法,进一步提高了室内定位的精度及收敛速度。     

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。     

一种基于RFID和ZigBee技术的局域定位系统

介绍了一种基于RFID和ZigBee技术的室内定位系统的设计。该设计以第二代片上系统CC2530为核心,配合RFID阅读器和标签、以及一些外围电路构成了硬件定位系统。采用基于接收信号强度值(RSSI)的定位技术和最大似然估计的计算方法进行定位。重点阐述了该定位系统的结构和硬件电路设计,分析了定位系统的工作原理、软件流程和定位算法的实现。实验证明该定位系统能够实现室内局域定位的功能。     

基于UKF优化多三角加权定位算法的UWB室内定位系统设计

为了减小基于超宽带(Ultra-Wideband, UWB)通信技术的室内定位中由非视距(Non-Line-of-Sight, NLOS)因素导致的误差，提出了一种多三角加权定位算法，并将该算法与无迹卡尔曼滤波(Unscented Kalman Filter, UKF)结合，进一步提出多三角加权UKF定位算法。多三角加权定位算法使用4个基站，其中每3个基站分为一组，共4组排列组合。每组基站用三边定位算法算出标签的初始坐标，根据标签到4个基站的距离计算初始坐标的权值，并进行加权计算得到标签的坐标。以多三角加权定位算法的定位结果作为UKF的观测值，使用UKF对多三角加权算法的结果进行修正，提高定位精度，减小定位波动。对比三边定位算法、多三角加权定位算法和UKF优化的多三角加权定位进行仿真和实验。结果表明，提出的多三角加权UKF算法定位精度有较大提高。     

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,提高粒子全局寻优能力和收敛速度。仿真实验结果表明,该算法能够有效实现待测标签的RFID室内定位,且定位精度较高,收敛速度较快。     

基于Elman神经网络的室内定位算法

针对传统室内定位算法精度较低的问题，提出一种基于Elman神经网络的室内定位算法。使用Elman神经网络进行指纹库插值扩充，完备指纹库，两者结合减少定位误差，并对该算法模型进行了实验验证。实验结果表明：在0.8 m×0.8 m×0.8 m环境中，所提算法的平均定位误差为4.6 cm，满足室内定位对于精度的要求。     

基于RFID的改进室内三边定位算法研究

RFID技术常被应用在室内定位上,针对其常用的三边定位算法易出错、定位精度不高的问题,提出了改进的三边定位算法,通过多次选取不同的参考标签并结合基于欧氏距离的定位方法,最后以多次求解的平均值为未知点坐标,这样可以提高定位的精度同时降低误差的产生率。通过实验验证了改进的三边定位算法具有较高的可行性、较高的定位精度同时降低了系统的鲁棒性,该方法可以在室内定位上进行应用研究。     

低指纹密度下分段式高精确度室内定位方法

针对室内环境中传统定位方法在大定位区域、低指纹密度下定位精确度低、计算复杂度高的问题,提出了一种基于线性插值法和分布重叠的分段式定位方法。该方法采用传统的最近邻法进行粗定位,得到可信区域;利用线性插值法更新可信区域内指纹数据库,增加指纹密度;在可信区域内,采用基于分布重叠的指纹相似度匹配法实现精定位。实验结果表明,在低指纹密度下,该定位方法定位精确度较高,算法复杂度适中,具有一定的适用性。     

基于线性内插法改进的室内定位算法

针对室内位置指纹定位技术存在的离线阶段工作量大、定位精度有限、顽健性较差的缺点,提出了一种基于线性内插法改进的指纹定位匹配算法.与传统位置指纹定位技术相比,该算法不仅降低了整体工作量,而且降低了多径效应造成的不利影响.最后搭建实验场景对该算法定位性能进行测试.实验数据显示,该算法与WKNN法相比,平均定位精度大约提高了34.25％,绝大部分待测点的定位误差在0.4 m以内,验证了所提算法在定位精度、顽健性和适应环境变化方面的优势.     

稀疏参考点下的室内定位方法

随着移动互联网的发展,人们对于室内的位置服务需求日益增加。基于Wi-Fi的指纹库室内定位算法具有成本低、定位误差小的优点,但指纹库信号采集需要消耗大量的时间和人力,本文对稀疏参考点下构建高效指纹数据库和高精度室内定位的方法进行了深入研究。本文改进了卡尔曼滤波有效解决了Wi-Fi的噪声和缺失点,设计了基于信号强度差分方差的无线接入点筛选策略来滤除信息量较低的接入点,提出了一种基于支持向量回归拟合的克里金插值算法（Kriging Interpolation Algorithm Based On Support Vector Regression, SVR-Kriging）进行指纹库的构建,最后通过接入点加权的K加权近邻法（AP weighted and Weighted K-Nearest Neighbor, AWKNN）完成定位。将该方法应用于实际的二维、三维定位场景,实验结果表明二维场景平均定位误差为1.01 m,三维场景平均定位误差为0.92 m。该方法解决了指纹数据库信号采集困难、接入点数据冗余的问题,有效地降低了定位误差。      

基于多个传感器的VLC室内定位算法研究

为了实现移动机器人的快速高精度定位,提出了一种基于多个传感器的室内定位模型,研究了其可见光通信技术(VLC)室内定位算法,并对该算法进行了实验验证。首先研究基于AOA定位算法,利用传感器的响应曲线,结合室内定位模型,通过拟合预测算法计算出信号到达角度实现定位;然后综合多个传感器的定位模型和AOA定位算法,分析得出一种室内定位的实现方式,通过实验验证了该定位模型和定位算法的实现可行性。结果表明:其定位精度达13.6cm,定位周期为0.1s,相较于传统的AOA定位算法,该算法定位精度高、成本低、可行性高且定位速度快。     

基于双BP神经网络的室内可见光定位算法

为提高室内可见光定位的精度,提出了一种基于双反向传播(BP)神经网络的单发光二极管(LED)灯室内定位算法.首先在定位区域内使用BP神经网络确定待测目标粗略的位置范围,然后以该位置范围为限制条件,再次使用BP神经网络实现更精确的定位.室内定位系统采用单个LED灯作为发射器,3个水平光电探测器作为接收器接收光功率,避免了...     

基于反向学习策略的自适应花授粉接收信号强度指示室内可见光定位

为提高大型室内场所的定位精度,提出一种基于改进自适应花授粉算法的接收信号强度指示(RSSI)可见光定位方案。利用固定在屋顶呈网格型排布的LED发送位置信息,接收端采用基于反向学习策略和自适应花授粉算法的RSSI定位方法实现精确定位。传统花授粉算法具有易陷入局部最优、缺乏变异机制等缺点,利用反向学习策略可使初始种群分布更加均匀,通过提高种群多样性可使算法跳出局部最优;采用有利于全局广泛搜索的自适应移动因子提高收敛速度。在100 m×100 m×100 m大型室内场所的一层100 m×100 m×10 m的空间中,考虑热噪声和散射噪声干扰的情况,经过多次仿真可得,相比于传统定位算法,随机灯排布下采用改进花授粉的RSSI算法的定位误差小于±1 cm;采用网格型灯排布结合改进定位算法的室内可见光定位系统时,定位精度得到明显提升,定位时间大幅缩短。该方案具有定位精度更高、计算速度更快、工作稳定等优点。     

多LED照明节点的室内可见光定位方法研究

针对室内复杂环境和室内照明节点拓扑结构对可见光定位精度的影响,基于近似完美三角点测试(APIT)算法设计了一种多LED照明节点的可见光室内定位方法。该方法利用信号传输时间作为节点间距大小的判断凭证,结合APIT定位算法,实现室内可见光定位。仿真结果表明:该定位方法的定位误差在0.24 m左右浮动,在保证了定位精度的基础上,精简了定位设备成本,并提升了定位算法的计算效率,使得定位系统在实际场景中的应用更具稳定性与适用性。     

Improvement of location methods based on RFID

The most common location algorithms based on received signal strength （RSS） are location identification based on dynamic active radio frequency identification （LANDMARC） and virtual reference elimination （VIRE）. However, both the original algorithms suffer from some drawbacks. In this paper, several aspects of the two original algorithms have been modified to reduce the positioning errors. Firstly, Lagrange interpolation has been used instead of linear interpolation. Secondly, adaptive threshold has been introduced in the new algorithm. Thirdly, insert virtual reference tags to improve the location accuracy of the boundary of the sensing area. Finally, combine LANDMARC with VIRE to absorb both advantages. Compared with the original algorithms, on average, simulated results show that the modified algorithms can improve the location performance efficiently and achieve the goal of accurate positioning in indoor environment.     

基于改进免疫粒子群优化算法的室内可见光通信三维定位方法

针对室内可见光通信中3维定位精度不高和定位时间较长的问题,该文提出基于改进免疫粒子群(IIMPSO)算法的室内可见光通信(VLC) 3维定位方法。通过分析室内多径效应,选取合适的视场角(FOV)以减少反射影响,同时完善了倾斜状态下的定位模型,并采用卡尔曼滤波算法以降低环境干扰对接收功率的影响,在此基础上与改进的免疫粒子群算法相融合。仿真结果表明,在5 m×5 m×3 m的室内环境中,该文所提出的3维定位系统平均定位误差为0.031 m,定位时长为2.3 s。与现有的3维定位系统进行比较,其定位精度与收敛速度均得到明显改善。