一种基于RFID的室内车载监控系统定位方法的设计与实现

室内定位是智能家居系统中实现居境信息自主巡检的基础支撑技术。针对现有室内定位算法的不足,提出了一种基于RFID的新型室内定位方法。该方法建立基于RFID标签映射的地面坐标,借助电子罗盘获取车载系统方向,通过向量方法计算出车载系统的中心位置,有效地解决了室内定位的精度与稳定性问题。基于该方法,设计并实现了一个室内车载监控系统,验证了算法的有效性。     

自主移动机器人室内定位方法研究综述

自主移动机器人的室内定位作为机器人研究领域中最基本的问题已被广泛研究。根据定位技术和传感器的不同,将室内定位方法分为航迹推算定位、地图匹配定位和基于信标定位三类。详细介绍了超声波网络定位系统和基于无线射频识别（RFID）的定位方法。对几种基于概率的定位算法做了分析和对比,并对自主移动机器人室内定位方法的研究方向做了展望。     

基于感知规则集策略的约束空间RFID室内符号定位算法

随着普适计算的不断发展,室内定位技术的研究也成为当今研究的热点问题。室内定位技术的不断进步使得RFID也开始部署到各种各样的室内场景。为了提高室内空间中的定位精度,提出了一种基于感知规则集策略的约束空间RFID室内符号定位方法。算法基于室内空间中的符号,通过定义感知情况来确立定位规则,使得算法具有良好的室内空间适应性,且使用少量的阅读器即可实现较高精度的定位。为了提高定位精度,引入了感知规则集的概念,对场景中的情况抽象提取,进一步增加算法定位精度。最后,以约束空间中的室内场景作为实验环境对算法进行验证,分析结果表明,在室内空间中算法的定位精度及抗干扰能力优于现有算法。     

基于异步优势动作评价的RFID室内定位算法

针对现有的RFID室内定位算法的精度容易受到环境因素影响的问题,提出了一种基于异步优势动作评价(Asynchronous Advantage Actor-critic,A3C)的RFID室内定位算法。该算法的主要步骤为:1)将RFID的信号强度RSSI值作为输入值,多个线程子动作网络并行交互采样学习,利用子评价网络评价动作值的优劣,使模型不断优化,找到最优信号强度RSSI值,并训练定位模型;子线程网络定期将网络参数异步更新到全局网络上,全局网络最后输出参考标签的具体位置,同时训练得到异步优势动作评价定位模型。2)在线定位阶段,当待测目标进入待测区域时,记录待测目标的信号强度RSSI值,将其输入异步优势动作评价定位模型中,子线程网络从全局网络中获取最新定位信息,对待测目标进行定位,最后输出目标的具体位置。实验数据表明,基于异步优势动作评价的RFID室内定位算法与传统的基于向量机(Support Vector Machines,SVM)定位、基于极限学习机(Extreme Learning Machine,ELM)定位、基于多层神经网络定位(Multi-Layer Perceptron,MLP)的RFID室内定位算法相比,定位平均误差分别下降了66.114%,50.316%,44.494%;定位稳定性分别平均提高了59.733%,53.083%,43.748%。实验结果表明,基于异步优势动作评价的RFID室内定位算法在处理大量室内定位目标时具有较好的定位性能。     

RFID区域定位算法的研究与应用

本文对RFID区域定位算法进行系统化的研究,通过对比测距技术和非测距技术,分析两种技术的优势与劣势,对RFID区域定位算法及技术实现进行描述。选取监狱这个特定实验场景后,对定位算法实验的结果进行了分析。     

基于非度量多维标度的室内多标签协同定位算法

与有源标签相比,无源RFID标签成本较小,本文选取后者作为待定位标签。但是由于无源RFID标签之间无法通信,目前大多数传统的RFID定位算法一次只能定位一个标签而无法实现多标签同时定位。针对这一问题,提出了基于非度量多维标度(NMDS)的室内RFID多标签协同定位算法。利用到达相位差(PDOA)法拟合在多径存在环境下的测距误差,将待定位标签之间的距离差欧氏距离与非度量多维标度算法结合,计算出待定位标签的位置坐标。仿真结果表明,提出的算法可以通过一次非度量多维标度计算得到所有待定位标签的坐标,同时定位精度高于经典多维标度定位算法和传统三边定位算法。     

基于支持向量回归机的RFID室内定位研究

基于接收信号强度的射频识别(RFID)定位是一种低成本、便于实现的室内定位方法,针对在RFID室内定位系统中使用参考标签法存在的小样本问题,提出一种基于支持向量回归机(SVR)的RFID室内定位算法。结合无源超高频RFID系统工作原理,在Matlab环境下,对比经典的LANDMARC方法,测试了基于支持向量回归机的定位算法性能,以及互耦效应、多径效应对该算法定位结果的影响。仿真结果表明,相较于LANDMARC方法,所提方法在不增加参考标签数量的情况下定位精度至少提高了25%。     

基于RFID技术的无线定位系统

RFID是一种非接触式自动识别技术,它的应用非常广泛。SpotON系统、LANDMARC系统都是基于RFID的无线定位系统。文章介绍了RFID用于室内定位的4种不同的定位模式,同时介绍了采用RFID技术来简化对WLAN基础设施进行管理的思科无线定位解决方案。该解决方案可从WLAN基础设施内部跟踪数千个无线设备,从而简化WLAN管理,有效提高网络扩展性。     

基于RFID的室内定位算法

随着普适计算研究的不断发展,更多的应用需要知道物体的位置信息,而原有的定位技术无法满足室内定位的要求,室内定位技术已经成为研究热点.文章简要介绍了将RFID应用于室内定位的LANDMARc算法和VIRE(虚拟标签消除)算法,并针时VIRE算法存在的问题提出了一种基于拉格朗日插值的改进算法.最后的实验结果表明,与VIRE算法相比,改进算法的定位精度提升5%到50%.     

非视距环境下室内RFID标签定位算法研究

在室内无线定位中,由于受到非视距NLOS的影响,信号的传播变得复杂起来。复杂的传播环境使得传统的定位算法例如最小二乘算法(LS)或者CHAN算法无法达到我们需要的精度。在使用无源超高频无线射频识别(Passive UHF RFID)技术的基础上,分析和建立了UHF RFID信道模型,并由此对定位误差进行了分析。基于运用相位法POA进行测距而得到的距离信息,提出了一种两步式标签定位算法:首先使用凸优化中的内点法将非视距误差消除,再使用加权残差方法进行精确定位。通过仿真结果的比较,表明本文提出的算法优于传统算法。     

RFID室内定位技术研究综述

为了掌握射频识别RFID定位算法的原理与应用背景,找到一种适用于特定环境的室内定位算法和tag防碰撞算法,对RFID室内定位系统的组成、定位方法、定位算法以及定位过程中涉及到的防碰撞算法进行了较为全面的研究和系统的总结。该研究为不同条件下RFID定位系统和定位算法的选择提供了重要依据。     

基于RFID的虚拟参考标签三维室内定位算法

针对目前三维室内定位算法不稳定及定位误差较大等问题,提出一种基于RFID技术的三维室内定位算法。通过参考标签与待定位标签的欧氏距离,选择邻近参考标签,将待定位标签划定到一个六面体内;通过这几个邻近参考标签的欧氏距离值大小,划分空间,动态插入虚拟参考标签;经过两次缩减空间,使参考标签和动态插入的虚拟标签逐步逼近待定位标签。实验结果表明,该算法的定位误差较低,有效提高了室内定位的精度。     

基于虚拟标签与循环校验的RFID定位算法

目前在室内定位中,RFID是一种被广泛使用的技术。本文详细研究了使用主动标签进行室内定位的相关技术与算法,同时在LANDMARC算法的基础上,提出了一种改进的定位算法,并引入了一种称为循环校验的校正机制来提高定位的精确率。最后,通过实验数据可以看出,该算法大大提高了定位的精确度。     

RFID并行化定位方法研究与实现

针对典型RFID室内定位算法普遍存在计算量大、实时性差等问题,通过对基于虚拟信号强度的RFID室内定位算法中路径损耗指数N、虚拟标签RSSI估计以及定位过程等并行化特点分析,从任务分解、任务映射和任务合并等方面给出了并行化计算的解决方案。同时,在虚拟参考标签RSSI值计算和定位匹配过程中,提出了基于区域划分的并行定位处理方法。实验结果表明该方法具有较高的实时性和加速比,而且与串行化算法相比具有较高的稳定性。     

基于RFID的校园导航系统的设计与实现

随着GIS、LBS技术和移动互联网技术等核心技术的发展,服务于普通大众的个人导航系统成为应用热点。室内行走引导是个人导航系统的核心之一,其中涉及的室内定位技术一直是研究的难点之一。基于固定式RFID标签群,生成室内位置地图,将随身移动式RFID读写器和个人智能手机相结合,完成室内定位、路径计算和导航提醒。基于上述设计方案,完成了一个基于RFID的南京大学校园导航系统,并将其投入了实际使用。     

射频识别技术及其在室内定位中的应用

在分析射频识别(RFID)基本原理和特点基础上,重点讨论了基于RFID的LARNDMARC室内定位系统,然后在此基础上提出了一种最近邻居改进算法和基于误差多级处理的数据融合定位方法。仿真结果表明,改进后的最近邻居算法比已有的最近邻居算法的定位精度更好。     

一种基于空间分割的无源RFID室内定位方法*

为了提高室内定位系统的性能,提出了一种利用无源RFID技术定位目标物体的算法。本算法使用双层对称分布的参考标签和空间连续分割的方法提高了室内定位的精度。实际测试结果表明,本算法可较好地实现目标的三维空间定位,与传统LANDMARC定位系统相比,单个平面定位精度提升了8倍,适合于室内人员、物资等定位应用。     

新的室内移动机器人自定位方法

针对现有室内移动机器人自定位方法中存在的定位精度不高,随时间积累定位误差增大,复杂室内环境下信号存在多径效应和非视距效应等问题,提出了一种基于蒙特卡罗定位(MCL)的新的移动机器人自定位方法。首先,通过分析基于无线射频识别(RFID)技术的移动机器人自定位系统,建立机器人运动模型;然后,通过分析基于接收信号强度指示(RSSI)的移动机器人自定位系统,提出机器人移动过程的观测模型;最后,针对粒子滤波定位执行效率不高的问题,提出粒子剔除策略和依据粒子方位赋予粒子权值策略,提高系统的定位精度和执行效率。仿真实验表明,机器人在移动过程中的自定位误差在X轴和Y轴方向上为3 cm,传统定位算法误差为6cm,新算法定位精度提高近1倍,且算法具有很好的鲁棒性。     

一种优化的RFID室内定位算法

射频识别技术已在物流、库存管理等领域广泛应用,但在室内定位应用中仍存在定位精度不高、稳定性差等问题。为了提高定位的精度和稳定性,研究中采用扩展卡尔曼滤波算法、无迹卡尔曼滤波算法以及结合UKF和分段的UKF-RTS算法。为了进一步优化RFID定位精度,引入EKF、UKF和UKF-RTS算法,UKF方法的最大误差约为0.42 m。但是,UKF-RTS的最大精度可以降低到0.26 m左右。UKF-RTS算法的误差最小,定位精度相比于EKF算法提高了48%,相比于UKF算法提高了25%。尤其在处理运动状态变化时,UKF-RTS表现优异,为RFID室内定位技术的发展提供了新的研究方向。     

基于分层定位模型的RFID定位算法研究

识别和定位为智能停车场等服务领域提供关键信息,基于RFID的LANDMARC算法为常见的室内定位方法。文中对低成本、高精度的经典室内定位算法LANDMARC进行分析,针对其在定位过程中单纯根据信号强度的欧几里得距离选择节点进行定位计算的不足,提出基于双层定位模型的算法D-LANDMRAC。该算法主要由初步定位和精确定位两部分组成,初步定位过滤掉问题参考标签,再基于“距离-损耗冶公式利用标签之间信号强度差进行精确定位。仿真结果表明,相比LANDMARC算法,D-LANDMRAC算法定位精度有了明显的提高,并且定位误差的分布更加均衡。