基于RSSI的RFID室内定位算法的改进与应用

《基于RSSI的RFID室内定位算法的改进与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

中图分类号：P207论文编号：2017301097UDC：密级：公开硕士学位论文基于RSSI的RFID室内定位算法的改进与应用作者姓名：陈晓停学科名称：大地测量学与测量工程研究方向：摄影测量与遥感学习单位：华北理工大学学制：2.5年提交日期：2017年12月1日申请学位类别：工学硕士导师姓名：汪金花教授单位：华北理工大学矿业工程学院论文评阅人：张永彬教授单位：华北理工大学矿业工程学院高均海研究员单位：中煤科工唐山研究院论文答辩日期：2018年1月22日答辩委员会主席：赵红蕊教授关键词：RFID；定位算法；室内定位；RSSI唐山华北理工大学2018年3月 ImprovementandApplicationofRFIDindoorLocalizationAlgorithmBasedonRSSIDissertationSubmittedtoNorthChinaUniversityofScienceandTechnologyinpartialfulfillmentoftherequirementforthedegreeofMasterofScienceinEngineeringbyChenXiaoting(GeodesyandSurveyEngineering)Supervisor:ProfessorWangJinhuaMarch,2018 独创性说明本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得华北理工大学以外其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。论文作者签名：日期：2018年3月7日关于论文使用授权的说明本人完全了解华北理工大学有关保留、使用学位论文的规定，即：已获学位的研究生必须按学校规定提交学位论文，学校有权保留、送交论文的复印件，允许论文被查阅和借阅；学校可以将学位论文的全部或部分内容采用影印、缩印或编入有关数据库进行公开、检索和交流。作者和导师同意论文公开及网上交流的时间：☑自授予学位之日起□自年月日起作者签名：导师签名：签字日期：年月日签字日期：2018年3月7日 摘要摘要随着无线技术和物联网的发展，定位导航在人们生产生活中的需求越来越强烈，定位技术和基于位置信息的服务成为当下研究热点之一，射频识别（RFID）技术在室内定位中应用前景良好，众多学者从多个角度对RFID定位方法在多种应用领域展开研究。针对传统室内定位方法定位精度低、硬件成本高等问题，提出一种基于信号强度（RSSI）的主动式射频识别室内定位算法，通过实验对比了不同解算方法的定位精度，对影响定位准确性的多个因素进行研究。通过对现有室内定位算法的研究现状分析对比，选择基于RSSI测距定位的算法作为研究重点，以主动式定位为实现方式，展开基于RSSI的主动式RFID室内定位算法的研究。分析RFID信号传播特点，解算不同地点对数距离路径损耗模型参数，对距离拟合误差的特点及其与环境的关系进行了分析。基于RSSI的定位算法的误差受初始值影响，因此使用加权迭代的方法进行改进，由RSSI确定标签的权重，增大距离定位目标较近的标签在计算中的影响，通过多次迭代计算逼近真实值。进行实验比较不同定位算法的精度和性能，研究初始值、标签格网大小和距离模型参数对算法精度的影响。实验结果表明，加权迭代法通过加权的方式修正了距离拟合传递给位置估计的误差，通过多次迭代消除了初始值偏离真实值对定位的影响，提高了定位精度，算法性能稳定。验证了定位区域预先确定其距离模型参数的必要性，并尝试了加权迭代法在三维定位中的应用。图18幅；表22个；参52篇。关键词：RFID；定位算法；室内定位；RSSI分类号：P207-I- 华北理工大学硕士学位论文AbstractWiththedevelopmentofwirelesstechnologyandInternetofthings,thedemandforpositioningandnavigationinpeople'sproductionandlifeisbecomingmoreandmoreintense.Locationtechnologyandservicebasedonlocationinformationhavebecomeresearchhotspotsatpresent.Radiofrequencyidentification(RFID)technologyhasgoodprospectsinindoorpositioning,andmanyscholarsstudyontheRFID-basedlocalizationmethodinmanyapplicationfieldsfrommanyaspects.Aimingattheproblemoflowaccuracyandtheexpensivehardwareofthetraditionalindoorpositioningmethods,thispaperproposesanactiveRFIDindoorlocationalgorithmbasedonreceivedsignalstrengthindication(RSSI).Throughthesimulationexperiment,thepositioningaccuraciesofdifferentcalculationmethodsarecompared,andseveralfactorsthatinfluencethepositioningaccuracyarestudied.Throughthecomparisonoftheexistingindoorlocationalgorithms,wechoosethelocationalgorithmbasedonRSSIrangingastheresearchfocus,andtaketheactivepositioningasthewayofimplementation,studytheactiveRFIDindoorlocationalgorithmbasedonRSSI.ThecharacteristicsofRFIDsignalpropagationareanalyzed,andtheparametersoflogdistancepathlossmodelarecalculated.Thecharacteristicsofdistancefittingerroranditsrelationshipwithenvironmentareanalyzed.TheerrorofthelocationalgorithmbasedonRSSIisaffectedbytheinitialvalue,soitisimprovedbyusingtheweightediterativemethod.TheRSSIdeterminestheweightofthelabel,toincreasetheeffectofthelabelclosertothetargetinthecalculation,andthetruevalueisapproximatedbymultipleiterations.Throughsimulationexperiments,wecomparetheaccuracyandperformanceofdifferentlocationalgorithms,andstudytheinfluenceofinitialvalue,labelgridsizeanddistancemodelparametersonpositionaccuracy.Theexperimentalresultsshowthattheweightediterationmethodcorrectstheerrorofdistancefittingtothepositionestimationbyweightingmethod,andeliminatestheinfluenceofinitialvaluedeviatingfromtherealvalueonpositioningbyiterations,improvesthepositioningaccuracy,anditsperformanceisstable.Thispapervalidatesthenecessityofpredeterminingthedistancemodelparametersinthepositioningarea,andappliestheweightediterationmethodinthethree-dimensionalpositioning.Figure18;Table22;Reference52Keywords:RFID;locationalgorithm;indoorlocation;RSSIChinesebookscatalog:P207-II- 目次目次引言.......................................................................................................................1第1章文献综述.........................................................................................................21.1研究背景和研究意义.....................................................................................21.2国内外研究现状.............................................................................................31.2.1室内定位技术的研究现状...................................................................31.2.2RFID室内定位算法的研究现状..........................................................61.2.3基于RSSI的RFID二维定位技术的研究现状..................................71.2.4RFID三维定位算法的研究现状..........................................................91.3研究目标与内容...........................................................................................101.4技术路线.......................................................................................................10第2章RFID室内定位技术.....................................................................................122.1射频识别RFID技术....................................................................................122.2RFID定位方式..............................................................................................132.2.1被动式定位.........................................................................................132.2.2主动式定位.........................................................................................142.3基于RFID的室内定位流程........................................................................162.4常见的RFID室内定位方法........................................................................172.5本章小结.......................................................................................................21第3章室内定位RSSI-距离模型的建立................................................................223.1RFID信号传播模型......................................................................................223.2RSSI测距误差来源分析...............................................................................233.2.1干扰因素和现象.................................................................................233.2.2附着物材质对识别距离的影响.........................................................243.3基于对数距离路径损耗模型的推导...........................................................253.3.1模型中的未知参数.............................................................................253.3.2模型参数解算方法.............................................................................26-III- 华北理工大学硕士学位论文3.4基于RSSI的距离估计实验........................................................................273.4.1数据采集的实验条件.........................................................................273.4.2RSSI数据处理....................................................................................283.4.3模型参数估计.....................................................................................303.4.4基于RSSI的距离估计......................................................................313.4.5残差与距离之间关系的分析.............................................................333.5本章小结.......................................................................................................34第4章基于RSSI的主动式室内定位算法............................................................354.1定位算法的数学模型...................................................................................354.2定位数学模型线性化...................................................................................364.3定位数学模型的常见解算方法...................................................................374.3.1近似解算法.........................................................................................374.3.2最小二乘法.........................................................................................384.4室内定位算法的改进...................................................................................394.4.1半参数估计.........................................................................................394.4.2加权迭代法.........................................................................................404.5解算方法对比...............................................................................................404.6本章小结.......................................................................................................41第5章定位精度影响因素实验研究.......................................................................425.1不同定位算法精度比较...............................................................................425.2初始值对算法精度的影响...........................................................................455.3格网大小对定位精度的影响.......................................................................485.4路径损耗指数对定位精度的影响...............................................................495.5三维定位精度分析.......................................................................................515.5.1三维定位近似解算法.........................................................................525.5.2三维定位加权迭代法.........................................................................525.5.3数据处理及结果分析.........................................................................545.6本章小结.......................................................................................................55结论.........................................................................................................................56-IV- 目次参考文献.....................................................................................................................57致谢.........................................................................................................................61导师简介.....................................................................................................................62作者简介.....................................................................................................................63学位论文数据集.........................................................................................................64-V- 引言引言无线定位技术在军事活动和社会生产生活中占据着十分重要的地位，是维护交通安全必不可少的组成部分，在众多领域都发挥着重要的作用，如灾害防治与救援、资源勘探与开发、移动通信与定位导航、航空安全和飞行器定位、交通安全与调度、室内定位、物联网等。随着无线技术和信息时代的发展，定位导航在人们生产生活中的需求越来越强烈，基于位置信息的服务和定位技术成为当下研究热点之一。对于导航来说定位是不可或缺的关键工作，对物体准确地定位指引路线才能顺利完成位置导航，定位导航技术的进步与科学技术的发展紧密相连。在无线定位中，卫星无线定位是应用领域最广泛的定位技术。GNSS能够持续提供全球位置信息服务，包括高精度的时间、位置、速度和航向信息，是发展最为成熟的室外定位技术。然而在室内环境中，GNSS信号被建筑物遮挡以及其他因素干扰而急速衰减，蜂窝无线室外定位系统也同样面临这一问题，因此他们均不能作为理想的室内定位技术。故而近年不断发展的RFID技术在室内位置估计中的应用成为人们研究的热点。Wifi、红外线、蓝牙、ZigBee、超声波等技术在室内位置估计中均有应用，由于室内有人员走动，且建筑物的材质、内部布局、物品摆放各异，这些因素将会影响到无线电波的传播情况，导致定位信号在建筑物内部的分布不同，从而影响室内无线环境，使得这些技术的定位效果不是很好。由于RFID技术具有非视距传播、成本低、可重复使用、寿命长、无须人工干预等特点，选用RFID技术作为定位的实现技术。对比目前RFID室内定位算法与定位系统，以RSSI为特征量的方法简单、成本低，能耗小，无须配备附加硬件，但是在多径效应影响下，接收场强数据失真，无法获得准确的的衰落模型，适当的算法改进即可使上述问题得到改善，因此对RSSI测距的RFID室内位置估计方法进行改进并讨论实际应用中的影响因素具有一定的研究价值。-1- 华北理工大学硕士学位论文第1章文献综述1.1研究背景和研究意义随着无线技术和信息时代的发展，定位导航在人们生产生活中占据了不可或缺的地位，对室内位置估计技术的需求越来越强烈[1]。无线定位技术是一种根据获得的信号在通信设备与接收节点之间的传播时间或者到达相位等量值，经过定位算法处理为待定位目标的位置进行估计的方法[2]。无线定位技术按照应用地点是否在建筑物内部可以分为室外和室内，其中，卫星无线定位是应用领域最广泛发展最成熟的室外定位技术，蜂窝无线定位系统也是应用于室外[3]。GNSS能够持续提供全球位置信息服务，包括高精度的时间、位置、速度和航向信息，在室外定位方面表现卓越。随着GNSS逐渐改变人们的生产生活，基于位置信息的服务的重要性不断增加，然而在室内环境中，GNSS信号被建筑物遮挡以及其他因素干扰而急速衰减，在建筑物内部未能实现高精度的定位[4]。蜂窝无线室外定位系统也同样面临这一问题，因此他们均不能作为理想的室内定位技术，达不到实际应用中的精度标准。近年来，室内定位技术在生产生活中的应用不断扩展，如物流跟踪、人员定位、物品入库与管理、入侵检测、智能家居等方面，应社会发展需求，众多学者通过不同技术手段对室内位置信息的获取展开研究[5]。当前技术中应用于室内定位方面的主要有红外线、超声波、射频识别等，位置估计过程中必须用到网络的有蓝牙、WiFi和ZigBee[6]。Wifi、红外线、蓝牙、ZigBee、超声波等技术在室内位置估计中应用时，由于室内有人员走动，且建筑物的材质、内部布局、物品摆放各异，这些因素将会影响到无线电波的传播情况，导致定位信号在建筑物内部的分布不同，从而影响室内无线环境，使得这些技术的定位效果不是很好[7]。由于随着物联网的兴起而迅速发展的射频识别技术（RadioFrequencyIdentification）具有非视距传播、成本低、可重复使用、寿命长、无须人工干预等特点，选用射频识别技术作为定位的实现技术成为研究重点之一。现阶段基于RFID的定位技术正在飞速发展，在室内二维平面空间的位置估计算法已经相对成熟，在三维空间的定位研究尚处于起步阶段。随着社会的发展，人们对室内三维空间的定位需求也日益增多，但国内外关于RFID三维定位算法的研究还不太成熟，且设备成本高，计算误差大，定位精度低，但是对于高层建筑物的-2- 第1章文献综述定位和导航来说，室内三维定位是必不可少的。对算法和设备进行改进以提高定位准确度、降低RFID技术的成本，使其能够应用于更多领域是当下研究的热点。文中对现有室内定位算法与技术的研究和应用现状进行分析对比，选择对设备要求较低的以信号强度值为特征量的基于测距定位的算法作为研究重点，以主动式RFID目标定位为目的，利用信号强度对主动式RFID目标位置估计算法改进的研究工作，在实际应用中具有较高的价值。1.2国内外研究现状1.2.1室内定位技术的研究现状无线定位在无线通信技术的进步引导下和社会需求的推动下受到广泛关注日益增多并快速崛起。基于卫星通信的GNSS全球导航卫星系统，能够提供24小时位置信息服务，其在室外定位中的精度足以满足军事和日常生产生活中的需求，但当需要定位的目标位于建筑物内部时，由于有严重的建筑物遮挡及传播过程中干扰因素的影响，GNSS确定目标位置的精度明显下降，甚至因接收不到卫星信号而无法定位。为满足室内定位需求，通过世界各地众多研究学者和技术专家坚持不懈的努力钻研和技术创新，应用于建筑物内部的定位技术有了明显的进步。现在，业界存在的红外线室内定位技术、超声波定位系统、蓝牙室内定位技术、基于WiFi的定位技术、射频识别定位系统和基于ZigBee的室内定位方法等，它们各自拥有自己的优点以及不足[8]。WANTR利用红外线技术进行了室内定位研究，由设备节点红外线标识发射红外射线，被建筑物内部预先布设的光学传感器接收，根据红外线传播的时间等信息转换得到距离，从而对物体进行位置估计[9]。红外线的定位精度高于上述其它几种位置估计技术方法。红外线定位的缺陷是其只能够在通视的情况下进行传播，无法通过遮挡物，为了全方位定位必须在各个走廊及房间布设昂贵的设备，建筑物内部的照明设备或者荧光灯都会对测量带来误差及干扰，无法做到对目标的精密位置估计。出现物体遮挡设备节点或者光学传感器的状况时，红外线定位将无法工作，建筑物内部布局复杂时系统成本高，且受传播距离影响红外线只适合小区域范围内定位。超声波技术其代表定位系统Cricket是MT实验室在2000年针对ActionBat室内定位系统进行改进而研发出的，实现参考节点和被定位节点之间的直接距离是根据无线电波与超声波在空间中传播时间差而估算的[10]。超声波定位方法和红外线-3- 华北理工大学硕士学位论文类似，同样是基于测距从而进行目标位置估计，有两种测距方法——反射式和单向式。其中普遍使用的是反射式。超声波定位系统硬件设备中包含主测距器和根据定位区域特点布设的多个应答器。其中应答器的位置是固定的，且坐标信息已知，待定位目标携带主测距器，在需要定位时发出波长相同的无线信号，周围的应答器响应后便在同一时刻发出超声波给主测距器，物体与应答器之间的距离由信息到达时间测量得到，这一过程中应答器数量达到3个及以上便可在二维平面空间对目标物体进行位置估计。超声波室内定位技术的系统组成单一，对目标位置估计准确度高，但在室内中受多径效应的干扰严重，与红外线同样在非视距传播的情况下受限制，超声波主测距器和应答器硬件价格非常高，无法得到广泛应用。卞合善利用功耗较低的蓝牙技术实现了在室内50m区域实时定位[11]。蓝牙是一种无线的适用于短距离数据传输的技术，当这一技术用于定位时，采用信号强度作为特征量来实现。为了确定移动人员的位置，首先在建筑物内部选择恰当的地点布设蓝牙局域网接入点，网络连接为基于多个用户的基础模式，移动人员携带的终端蓝牙与安装的接入点保持连接进行信息传输，便能估计得到移动人员的位置。由于受蓝牙本身技术限制，可定位距离短因而适用于仓库或办公室等面积较小的区域。蓝牙室内定位技术在所有定位方法中最便于实现，因为移动人员所携带的终端PDA、手机或者电脑中一般配有蓝牙模块，打开蓝牙功能接入，便可以获得移动人员的位置信息。该定位方法的优点之一，是常用的PDA和手机体积小便于携带，另一个优点是利用蓝牙能够实现非视距定位，且在小区域范围内利于确定移动终端的位置。这一技术的缺点为蓝牙硬件设备成本较高，而且在布局复杂人员流动大的室内，干扰噪声数据严重影响着其定位精度。张军利用WiFi信息获取以无线局域网为实现手段，采用统一的网络标准IEEE802.11[12]，利用技术应用中网络节点能够确定自身位置这一特点，WiFi定位系统能够在大区域内完成目标定位，而且可做到监测目标活动和轨迹跟踪，设计了井下通讯救灾系统。WiFi定位系统在工作时所需基站数量很小，安装布设简单，底层的网络结构保持一致，在解算过程中不仅借鉴信号传播模型，还考虑信号实际传播情况采集测试数据，因此在较好的室内环境中总体位置估计较为准确[13]。针对Wi-Fi定位技术位于芬兰的Ekahau公司研发了一种室内位置信息软件。该方法Wi-Fi收发器覆盖区域半径约为90m，较利用多边定位算法的蜂窝网络精度更高，定位结果距离真实位置在1∼20m的区域内变化。近几年，Wi-Fi技术因成本较低的优势用于建筑物内部小区域定位。Wi-Fi定位技术的不足之处有在多层建筑-4- 第1章文献综述物内部定位时，必须根据多个节点的信号强度解算目标位置，假如只根据距离最近的节点定位，往往会得到错误的楼层结果；而且Wi-Fi基站具有很高的能耗；定位精度较易因干扰信号而降低，抗干扰能力差。潘爵雨利用无线射频信号在阅读器与标签之间无需人工干预的情况下做到传输与接收，完成数据传递，最终实现对跟踪物体或需定位人员的判别和定位[14]。RFID系统一般成本较低，在通信过程中可以在很短时间内读取大量信息，从而完成识别目标和系统定位工作。柳权针对室内环境的复杂多变，常有阻挡物以及人员走动等情况，研究了环境对超高频RFID定位系统的影响，其具有非视距传播、寿命长、可以在恶劣的环境下使用等优点，这使得RFID的发展前途要优于其他定位方法[15]。李尧利用ZigBee即最近发展起来的一种有独立的无线电标准、速率较低适用于小范围的无线网络技术，由传感器内部数据传输通信来完成在建筑物内部定位[16]。其节点数量达到上千个且体积很小，由无线电波的方式将数据在传感器节点之间逐一进行传输，且利用很低的功耗高效完成通信任务，定位工作方式上与RFID和蓝牙有些相似。韩涛进一步使用神经网络优化ZigBee定位，并研究了其在井下煤矿生产中的应用[17]。虽然ZigBee用于定位所需成本较低，但仅采用ZigBee技术精度有限，目前研究尝试将其与智能机器人、RFID技术相结合或者引进相关定位算法以满足实际应用对定位的要求[18-20]。表1定位方法比较Table1Comparisonofpositioningmethods方法设备造价优点缺点设备成本较低、可重RFIDRFID标签、阅读器、收发天线低精度低复利用、非视距传播具有WiFi通信模块的PDA、覆盖距离远、总精度容易受干扰、能耗WiFi手机等手持移动终端和WiFi基低高、安装简单大站红外线发射标识、天线、光学传只适合短距离传红外线高定位精度高感器播、精度不稳定、设备蓝牙集成了蓝牙功能的移动终端高设备体积小，易普及成本高、抗干扰能力强ZigBee协调器、参考节点、盲节点低低功率短距离受非视距传播影响应答器、计算机、天线、主测距总的位置估计准确度超声波高大、多径效应干扰器高、结构简单大、设备价格昂贵-5- 华北理工大学硕士学位论文1.2.2RFID室内定位算法的研究现状近年来，室内定位技术随着无线通信技术和物联网的进步而迅速崛起。根据不同的使用环境和技术要求，世界各地的专家与学者针对不同应用场合提出多种多样的定位算法。对层出不穷的RFID室内位置估计算法可以按照不同的评价标准进行分类。按照定位时是否能够表达物体的高程信息，在平面上还是在三维空间进行定位分为二维和三维。按照定位算法中对信号测量的特征量值不同，可以分为基于传播信号的到达时间TOA（TimeofArrival）定位、基于接收信号强度RSSI（ReceivedsignalStrengthIndication）定位、基于传播信号的到达时间差TDOA（TimeDifferenceofArrival）定位、基于传播信号的到达相位POA（PhaseofArrival）定位和基于传播信号的到达入射角AOA（AngleofArrival）定位[21-24]。Hatthasin.U设计了一种在建筑物内利用单个基站来对信号进行测量，采集特征量信号到达角度和信号传播强度的分布，同时利用两项数据在算法中对RSSI进行迭代，通过增加迭代次数可以很大程度上减小误差，使位置估计结果更接近目标真实位置[25]。接收信号强度指示RSSI，根据信号在传播过程中衰减规律建立信号传播衰减模型，表达信号衰减与距离之间的关系。定位设备包括信号发射节点和接收节点，发射节点发射一定功率的信号，根据接收节点收到的信号功率以及强度值由信号衰减距离模型拟合得到被定为物体与节点之间的距离，最后被定位物体的坐标通过三边或多边定位法解算得到，从而完成定位。SunhongPark为室内定位提出了一种基于信号到达时间的算法[26]。采用该算法可以完成二维平面空间定位，降低了系统的成本，在定位精度上明显提高，是根据传播时间、两个被测物体之间的相对角度和位置，利用这些信息确定目标物体的位置[27]。TOA测距定位方法在硬件配置上要求很高，这是由于该测距方法根据从被定位物体处发射信号到接收设备传播时间以计算它们之间的距离，GNSS便是典型的利用TOA进行定位的方法。对于这类定位方法而言，时间测量误差严重影响定位精度，例如测量时间与真实传播时间相差1μs，则得到的距离将会有300m左右的误差，因此各节点时间必须同步。胡梦云在已有的根据信号到达时间差进行定位的算法上，根据信号传播特点对其进行了优化[28]。TDOA方法检测移动发射机传输至多个测量点的时间差，而不是TOA中绝对的到达时间[29]。发射机定位在有三个测量节点确定的双曲面上，在有三个或更多测量点时便可实现二维定位中。利用TDOA方法估计物体的位置，-6- 第1章文献综述要求各个测量节点之间的参考时间和参考信号有很高的精确度，对于信号发射节点没有任何要求。胡梦云的算法为了减弱位置变化对定位误差的影响，对卡尔曼滤波模型进行优化，在节点位置突变过程中能够引入过渡的状态，最终目标物体的定位精度得到提高。蒋鹏等人提出了一种优化的圆周定位算法，该方法通过智能天线测试待测节点信号的到达角度，采用了降维处理和分级广播处理技术提高了定位精度[30]。但此法由于采用智能天线价格昂贵，在户外区域的定位中使用较为广泛。AOA方法是根据信号到达接收设备时的角度信息从而确定目标物体位置，一般包括以下几种算法：圆周定位，双曲线定位和方向角定位。它是由TOA和TDOA技术发展而来的一种定位算法。表2RFID室内定位算法比较Table2ComparisonofRFIDindoorpositioningalgorithms算法名称优点缺点价格低廉，易实现，无需过多的硬件RSSI设备，RSSI值可以由无线通信模板得在环境复杂的情况下精度降低到硬件配置需求高，要求各节点达到时间精TOA准确性高确同步TDOA技术的测距精度可达cm级需要时间精确同步，成本较高抗干扰能力差，适应各种环境的能力差，AOA精度较高需要的智能天线价格昂贵通过对上述RFID位置估计算法进行对比，利用RSSI测距定位算法对硬件设备要求较低，阅读器配置相关模块即可进行测量RSSI值，无需配置特殊的硬件，推广应用中需要的成本较小，虽然环境复杂、多径效应明显的情况下信号衰落模型不能非常准确地表达室内信号强度变化，但采用适当的技术手段可以改善这些问题。综合比较，为更好地投入实际应用，针对RSSI特点优化RFID室内定位算法，研究其改进方法是具有意义的。1.2.3基于RSSI的RFID二维定位技术的研究现状近年来，RFID技术主要以建筑物内部目标物体定位引起众多专家学者的关注，主要体现在基于RFID技术的二维平面定位算法研究上，已经较为成熟，针对三维空间定位算法的研究正在如火如荼地进行，近年在尝试将其投入实际应用。下面主要介绍一些基于RSSI的RFID二维定位算法。以RSSI为特征量值的RFID位-7- 华北理工大学硕士学位论文置估计方法主要有多边定位法、三角形质心定位算法、LANDMARC算法和VIRE算法[31]。其中多边定位法是根据基础的几何原理来定位目标物体，由标签的RSSI利用对数距离路径损耗模型完成测距，得到目标物体和节点之间的距离。其中表达RSSI与距离之间的转化公式需要通过事先测量射频信号传播情况建模得到。LANDMARC和VIRE是利用最近邻居数学原理的实时确定目标物体位置的方法。LionelM.Ni等人提出了著名的LANDMARC算法[32]。基于RSSI的LANDMARC有规律地在已知的点位上布设参考标签，根据不同标签的信号强度值加权计算，最后确定待测目标物体所携带标签的坐标，从而得到目标物体的位置。该方法需要成本低廉的标签数量较多，阅读器数量少，目标物体能够得到较为准确的定位且无需过多的资金。LANDMARC在RFID技术的室内定位算法中意义显著，后来很多专家学者推广LANDMARC，为进一步提高精度对其进行优化，提出改进。LANDMARC可以实现目标物体在二维平面空间的定位，可以很好地适应环境变化，精度稳定，但多径效应会极大地影响定位准确度。针对LANDMARC这一缺陷，YiyangZhao和YunhaoLiu于2007年提出了VIRE（VirtualReferenceElimination）的定位技术对此改善[33]。VIRE为了减弱多径效应对目标物体定位准确度的影响，在保持参考标签数量不变的情况下，利用内插算法添加具有一定RSSI数值的虚拟标签，以同样的设备成本更灵活地应对多变的室内环境，提高目标物体定位精度。JingWangsa和SoonJun提出了BVIRE（BoundaryVirtualLabelAlgorithm），以LANDMARC为基础，类似于VIRE在网格和边界添加虚拟标签得到边界虚拟标签算法[34]。李鹏以BVIRE为研究基础，针对信号非线性衰减，通过非线性插值得到IMPRO_BVIRE改进算法，降低了定位误差[35]。吴超采用BP神经网络对RSSI定位算法进行优化，以提高室内环境中路径损耗系数估计的准确度，减小损耗模型参数估计偏差带来的距离误差，从而显著提高目标物体定位精度[36]。柳笛使用RSSI修正值对锚节点进行加权，针对传统算法节点运用不充分，将得到的定位结果作为新的锚节点参与计算，得到更高效准确的改进定位算法[37]。朱明辉采用高斯滤波模型对RSSI值进行修正，测距参数由线性回归估计得到优化，选用泰勒级数展开法估计目标物体位置，并实验验证了该算法精度稳定，定位效果良好[38]。郭瑞以三角形质心定位为算法研究基础，通过RSSI值强弱信息对参与定位的-8- 第1章文献综述锚节点进行筛选，并以近似三角形内点测试缩小范围以减小误差，采用加权的方式优化质心算法[39]。现今针对二维室内定位算法研究已经比较成熟，LANDMARC为后续的算法研究打下了基础，基于其的VIRE算法提出虚拟化也具有很重要的意义。基于多边测量的RFID室内定位算法精度有待提高，但其可做出便携式系统，有很高的研究价值。1.2.4RFID三维定位算法的研究现状二维定位技术无法满足人员或物品较多的场所的生产需求，对于高层建筑物的定位和导航来说，室内三维定位是必不可少的，人们开始研究RFID室内三维定位，然而目前世界各地专家学者对三维室内RFID定位算法的尝试比较少[40]。JeffreyHightower和RoyWant等人提出了SpotON系统[41]。SpotON系统是RFID定位方案的标志性代表。该系统根据标签在建筑物内部的RSSI分布，大致计算出目标物体的坐标范围，然后采用迭代计算的方式通过多次迭代估计以逼近目标物体的真实位置。这种算法同样适用于三维空间定位算法。但由于目标物体的坐标初始值很大程度地影响定位准确性，且多次迭代运算量很大，目前可以应用于实际的SpotON系统还未能实现。AyoubKhan和VideepKumarAntiwal提出了一种将LANDMARC算法从二维扩展至三维空间的技术，目前只在理论上进行了仿真分析，未在真实环境中实验，且定位精度较低[42]。MathieuBouet和GuyPujolle在VIRE的基础上提出了一种虚拟Landmarks的三维定位技术[43]。该算法是在建筑物室内等间距地布设RFID阅读器，根据一定的内插算法添加大量虚拟参考标签，因所需阅读器数量大，现在虚拟Landmarks的三维定位技术只在理论上进行了仿真分析。WingW.Y和LiLin于2011年研究尝试了适用于在三维空间中进行定位的L-GEM算法，多次迭代并每次都对数列进行训练以得到目标物体的最小位置估计误差，与三维的LANDMARC相比，该方法抗干扰能力增强，位置估计更准确[44]。Chien-HoKo介绍了基于梯度下降法的适用于在三维空间中进行定位的算法，根据RSSI计算出阅读器与待定位物体之间的距离[45]。C.Wang和H.Wu等人介绍了一种通过能量分级信息进行目标定位的算法，这种算法可以实现三维定位[46-49]。董永峰在三维空间中通过动态插入虚拟RFID参考标签，逐步逼近定位目标，有效提高了室内定位的精度[50]。彭静介绍了以RFID为实现技术的，由Chan氏算-9- 华北理工大学硕士学位论文法得到初始值，梯度下降法逼近计算误差函数的室内三维定位模型[51]。文湘欣研究了采用多边测量的有源RFID室内定位算法，其中多边定位法是根据基础的几何原理来定位目标物体，由标签的RSSI利用对数距离路径损耗模型完成测距，得到目标物体和节点之间的距离。其中表达RSSI与距离之间的转化公式需要通过事先测量射频信号传播情况建模得到[52]。现在学界基于RFID的室内三维空间定位主要还处在理论研究分析和仿真测试阶段，能够投入实际应用的较少。1.3研究目标与内容通过对现有的基于RSSI信息的RFID二维室内定位算法进行研究，提出合适的改进方案，以建立精度更高、性能稳定的算法为研究目标，并讨论影响定位精度的各项因素。研究内容主要有：1）对基于对数距离损耗模型的定位方法进行改进，即由RSSI方法获得待定位标签到各个读写器的距离后，建立方程组，研究解算精度更高的求解方法，以提高定位精度。核心思想是在近似解算法的基础上，添加迭代计算，并研究如何使估计值更接近真实值，以选择最合适的算法，对多边迭代法做进一步的改进，建立新的数学模型。最后可进一步研究影响定位精度的因素。2）研究三维空间如何得到阅读器的位置。RFID三维定位算法是将上述二维定位算法扩展到三维空间，阅读器的位置在以标签为球心，以感知距离为半径的球体内，当有多个标签时，阅读器的位置将在这些球体的交集中，即可以得到一个方程组。算法流程为首先给定初始位置，确定计算距离公式，进行迭代计算，满足条件输出最优解。3）选择适用于RFID室内定位的标签。对标签的布设进行研究，制定不同的标签布设方案，并比较其对定位精度的影响，确定最优的布设方案。1.4技术路线RFID定位算法是利用RFID进行室内定位的核心，它直接关系到定位的精度和效率，理想的算法具有较高的定位精度，较高的抗干扰能力和较低的计算复杂度。研究RFID的室内定位算法是根据RFID原理从资料整理、现场实验最后到数据精度分析等一系列的工作，主要技术路线如图1所示。-10- 第1章文献综述资料总结查阅文献研究现有定位算法确定定位方式(主动式)建立模型标签布设方案的制定确定对数距离路径损耗模型参数改进模型解算方法室内定位数学模型定位实验算法编程实现现场的实地测试精度分析初始值设置图1技术路线图Fig.1Technologyroadmap-11- 华北理工大学硕士学位论文第2章RFID室内定位技术射频识别技术在室内定位研究中占有非常重要的地位，按照定位方式的不同可分为被动式和主动式，以RFID为技术基础发展了多种室内定位算法。2.1射频识别RFID技术射频识别（RFID）技术：一种能够在非接触和非视距的情况下，无需人工干预，利用射频信号来识别和进行大量信息数据双向交换的技术。射频按照工作频率可分为低频、高频、超高频、微波频段，RFID识别距离和射频信号频率有关，低频和高频波段通信距离为1m以内，超高频在4m以上，微波识别范围可达10米以上。RFID系统一般包括三个部分：阅读器（又名读写器、读卡器）、电子标签和数据管理系统（应用软件）。数据阅读器时序电子标签能量天线天线网路附着于物品上数据管理系统物品图2RFID系统的组成Fig.2CompositionofRFIDsystem在RFID系统工作的时候，一般而言，阅读器通过天线发送特定频率的射频信号，一旦标签进入阅读器的工作区域就会产生感应电流，获得能量并且被激活。标签将其保存的数据信息通过天线发送给阅读器。阅读器接收到标签信号，经过解调和解码后对数据信息进行相应的处理。阅读器是获取和处理标签数据和信息的设备，有些阅读器能将数据写到标签中，因此阅读器也称为读写器。阅读器一般由控制模块、射频模块和天线组成，分为手持式（便携式）和固定式两种。阅读器可以是单独的整体，也可以作为部件的-12- 第2章RFID室内定位技术形式嵌入到其他系统中。读写器可以单独具有读写、显示和数据处理等功能，也可与计算机或其它系统进行互联，完成对射频标签的相关操作。常见的，阅读器通过射频信号激活标签，然后读取标签内的数据信息，并对数据信息进行处理或上传到数据管理系统。阅读器和标签之间可以通过全双工、半双工方式进行数据传输。不同的阅读器可能会在频率范围、耦合方式、通信流程、数据传输方法等方面存在较大的区别。RFID标签也称为电子标签、射频卡或应答器，是射频识别系统中存储数据和信息的电子装置，由耦合元件（天线）及芯片（包括控制模块和存储单元）组成。标签可以根据应用需要被制作成不同的形状，如卡状、盒状、钮扣状等。标签的种类很多，可以应用于不同的领域和场景。RFID系统的特点有：可同时非接触读取大量标签、RFID标签形状多样小巧、可重复使用无需更换、RFID电波具有一定的穿透性、可使用于恶劣的气候环境中。由于RFID具有这些特点，因此广泛运用于防伪、跟踪、交通调度、生产、物流、收费站、医疗、图书馆等领域。其较强的抗干扰能力和非视距、非接触等优点，使RFID可以应用于室内定位，并在室内定位领域占据着很重要的地位。2.2RFID定位方式2.2.1被动式定位2007年，被动式目标定位的定义由M.Youssef第一次提出，即在定位过程中，被跟踪目标无需携带定位设备，或与任何设备相关联，且并不主动参与到定位算法中，甚至是在被跟踪目标不知情的情况下，通过无线环境变化引起的无线网络中的数据信息波动对其进行定位。被动式目标定位的工作流程是，当目标进入无线网络部署的监控区域后，网络中不增加节点，在目标不知情的情况下，通过目标的出现对室内无线环境的干扰，周边传感器节点所接收到的信号变化传送给监测基站，这些信息由各种算法处理后，得到定位目标的位置和属性，从而实现分析检测和目标跟踪。分析检测的算法主要有基于移动均值和基于移动方差，目标跟踪的有中点算法、交叉点算法和最佳覆盖算法等。被动式目标定位主要应用于入侵检测、灾害救援、野生动物的行为监测与保护、智能家居等领域。被动式目标定位布设传感器节点时，有多种定位技术可以选择，可以根据是否使用射频识别技术分为两类，非射频信号的类型主要有视频节点、加速度传感器、-13- 华北理工大学硕士学位论文超声波等，传感器类型及其优缺点见表3。无线传感器网络视频节点定位技术加速度传感器超声波、激光、红外线射频信号传感器节点无线信号扰动室内无线环境变化定位目标进入监测基站分析检测目标跟踪中点算法基于移动均值交叉点算法基于移动方差最佳覆盖算法图3被动式目标定位系统Fig.3Passiveobjectpositioningsystem表3被动式目标定位技术Table3Passiveobjectlocationtechnologies传感器类型优缺点视频节点定位成本高，黑暗或烟雾环境无法工作加速度传感器部署代价高超声波、激光、红外线成本高，适用性较局限射频信号无需额外设备，可行性高、成本低廉2.2.2主动式定位与被动式目标定位相对应，主动式目标定位是指在定位过程中，待定位目标主动携带与其他定位设备相关联的无线信号接收或发射设备，在已经部署了无线网络的区域被定位的过程。-14- 第2章RFID室内定位技术主动式定位的工作原理是，由待定位目标携带的设备进入到无线传感器网络所覆盖的区域后，所携带设备可以看作一个新增传感器节点，接收或发射无线信号与网络进行数据通信，无线传感器网络通过对目标所携带的设备进行定位，从而实现对目标的定位。这也是主动式目标定位和被动式的不同之一，它是在目标（有意识）知情的情况下实现的。其中移动目标定位是实时获得所携带设备或标签的无线信号信息，然后传输给数据处理中心加以计算、整理，最后得到其位置坐标。在手机、汽车终端导航、室内定位导航、基于RFID标签的物流定位、井下人员定位、地理位置的信息分发等领域主动式定位已被广泛应用。无线传感器网络传感器节点数据传输信息中心、软件、显示系统定位算法基于测距的定位基于场景的定位邻近算法定位AOA、TOA、概率算法如Landmarc系统TDOA、RSSIK近邻法神经网络图4RFID主动式目标定位系统Fig.4ActiveRFIDobjectpositioningsystem基于RFID技术的主动式目标定位系统组成有阅读器、标签、应用终端和带有定位算法的软件，信息中心是对无线信号数据进行处理的设备，是一种笼统的说法，有时可以和应用终端是同一设备。应用终端的显示系统将最终的定位成果表现-15- 华北理工大学硕士学位论文出来，以供使用。基于RFID技术的室内定位算法总体上可以分为三类，即基于测距的定位、基于场景的定位和邻近算法定位，其中邻近算法中的Landmarc是RFID室内主动式定位的经典系统。2.3基于RFID的室内定位流程选择标签确定附着物确定布设布设标签的类型的材质格网的大小采集RSSI和距离数据由数据拟合对数距离路径损耗模型中的未知参数计算距离测量标签的RSSI代入公式计算标签至阅读器的距离由标签至阅读器的距离和各标签坐标建立方程定位解算设置方程初始值，并进行解算分析定位结果，比较不同算法的定位精度图5RFID主动式目标定位流程图Fig.5FlowchartofactiveRFIDpositioning本文采用的主动式RFID室内定位流程如下：1）布设标签，选择实验中使用的标签类型和附着物材质。2）基于RSSI的距离拟合首先，实验获取先验数据，即一组距离和与其对应的信号强度值，拟合对数距离路径损耗模型中的参数，这样就得到适用于该环境的对数距离路径损耗模型。然后在定位实验中，由阅读器测得标签的RSSI值，根据信号强度值计算出阅读器和标签之间的距离。-16- 第2章RFID室内定位技术3）求待定位阅读器的坐标由标签坐标和各标签至阅读器的距离建立方程，解算阅读器的坐标，从而得到目标物体的位置。（1）分别使用四种算法对实验数据进行处理，解算目标物体位置，并对这四种算法的精度进行比较分析。（2）研究初始值对定位精度的影响。（3）研究对数距离路径损耗模型参数的取值对定位精度的影响。（4）分析实验定位精度，并得出结论。2.4常见的RFID室内定位方法对于RFID室内定位，其基本原理是：阅读器接收到标签发送或回馈的信息和解调解码，根据射频信号信息和已知位置信息，利用相关模型进行定位位置解算处理，以实现对目标的定位。根据定位算法中测量的特征量值不同，可以分为RSSI、TOA、TDOA、AOA和PDOA等方法。1）TOA定位算法TOA是根据信号到达时间（TimeofArrival）进行定位的方法。图6中P表示携带有RFID标签的目标物体，A、B、C代表阅读器，(x,y)代表阅读器的位ii置。图6基于到达时间的定位示意图Fig.6PositioningbasedonTOAmeasurements电磁波传播速度接近光速，由测距公式计算出目标物体至各阅读器的距离：r=c*(t−t)ii0得到目标物体至阅读器A、B、C的距离后建立方程，解算目标物体位置坐标。-17- 华北理工大学硕士学位论文222r=(x−x)+(y−y)11m1m222r2=(x2−xm)+(y2−ym)222r=(x−x)+(y−y)33m3m使用TOA方法定位所有的射频电波发送方和接收方必须同步，并且所传送的信号中一定要含有时间戳信息，这样才能进行后续的计算。2）TDOA定位算法TDOA是根据信号到达时间差（TimeDifferenceofArrival）实现定位的方法，该方法测量信号传送至各测量装置的时间之差，然后根据至少三个时间差信息建立方程，以计算出目标物体的二维平面坐标。2222r−r=(x−x)+(y−y)−(x−x)+(y−y)ijiijjTDOA方法相对于AOA方法仅要求各接收节点时间必须精确同步，对绝对到达时间无要求，减弱了由于信道在接收节点产生的误差对定位精度的影响。3）AOA定位算法AOA是根据信号到达的角度（AngleofArrival）实现定位的方法，原理为目标物体发出RFID信号，阵列天线接收后获得待定位物体所在的方向，当至少有2个测量点时便可以得到交点，从而确定物体的坐标，当有3个测量节点可以进行三维空间上的目标物体定位。4）PDOA定位算法在电磁波传播过程中，相位是重要的变化量之一。基于相位变化的定位方法，与基于信号的传播时间（TOA/TDOA）和基于信号能量衰减（RSSI）作为特征量进行定位的方法不同，是根据到达信号相位差转换得到标签与阅读器之间的距离，然后由多个距离、已知坐标建立方程，进行解算估计待定位物体的位置。设阅读器工作频率为f，发送给标签的射频信号中一部分会反射给阅读器得到相位ϕ，采用双频或多频可以消除相位的整周模糊度，根据多个相位差计算一系列距离。ϕkd=⋅λ+λ4π2式中：λ—为射频信号的波长，m；k—由相位值得到的整周数。利用信号到达相位差进行测距对信号强度要求低，但需要相关的技术测量相位-18- 第2章RFID室内定位技术差，目前技术还不成熟。阅读器发送的射频信号频率范围广泛，波长不一，采用基于相位变化的定位方法测量范围受射频信号的波长的影响，使用超高频信号波长约33cm，定位范围有限。5）基于RSSI的定位算法RSSI即根据接收信号强度进行定位的方法，通过测得节点的信号强度，将信息传播造成的损耗通过信号传播衰减模型计算得到被测目标与基站间的距离，然后选择合适的算法求得被测目标的位置，从而实现对目标物体进行定位。对数距离路径损耗模型（Log-distancePathLossModel）是射频信号在空间传播距离与信号衰减程度的经验模型，表达了信号的衰减与传播距离之间是关系。对数距离损耗模型公式如下：dP=P−10nlg+ς0d0式中：P—为测得的信号强度，dBm；P—参考信号强度值，dBm；0n—路径损耗指数；d—标签到阅读器的距离，m；d—参考距离，m；0ς—随机误差，dBm。图7基于RSSI的定位示意图Fig.7PositioningbasedonRSSImeasurement常见的基于RSSI的定位方法是由目标携带标签，进入事先布设好阅读器的区域，有三个或三个以上阅读器读取到标签的信号强度值，阅读器的位置已知，根据公式得到两者之间的距离，建立方程并解算标签的坐标，即可得到目标物体的位置。这种方法一般需要另外设置数据管理系统联网接收、处理标签传输给阅读器的-19- 华北理工大学硕士学位论文数据，除标签和阅读器外需要额外的设备，并且需要保证通电、网络正常，否则将无法进行定位。本文中的定位方法与常见的RSSI方法正好相反，在一定区域内布设并记录标签的坐标作为已知量，由移动目标携带阅读器，阅读器识别标签并读取其信号强度值，根据对数距离路径损耗模型计算距离，由距离和标签坐标建立方程求解阅读器的坐标。定位方法无需额外设备，成本低，只要阅读器电池有电正常工作即可实现定位，在恶劣的环境下仍然可以应用，不需要网络和持续通电。6）几种典型定位算法的对比TOA、TDOA、AOA、PDOA和RSSI定位算法各有其优缺点，在实际应用中，可以从设备成本、定位精度和抗干扰能力等方面综合分析，根据具体需求选择适合的定位算法。其中TOA和TDOA方法对时间同步的要求都很高，为了精确定位参考节点必须保持时间同步，TOA方法还需要保持时钟的精确度，TDOA利用时间差对此要求较低，两种定位方法硬件成本都较高。基于信号到达相位差PDOA定位方法是近几年才开始研究，目前技术尚不成熟，定位范围受波长限制，在超高频波段应用较少。表4基于RFID室内定位方法对比Table4ComparisonofindoorpositioningmethodsbasedonRFID方法特征量特点廉价易实现，硬件设备需求较少。对环境抗干扰弱RSSI基于接收信号强度定位精度不高。硬件配置需求高，价格昂贵，节点之间时间必须精TOA基于传播信号的到达时间确同步，精度高TDOA基于传播信号的到达时间差分节点的时间必须精确同步，成本较高，精度高测角必须配置特殊的硬件，成本高，适用性差，精AOA基于传播信号的到达入射角度高PDOA基于信号到达相位差定位范围受波长影响，技术未发展成熟TOA、TDOA、AOA三种方法虽然位置估计精度高，但硬件配置需求高，室内大区域应用这类技术增大成本，难以普及。而RSSI定位技术简单，对硬件要求低，市场上手机类多种无线通信模块均有直接读取RSSI硬件。如果利用算法改进能够适当提高位置解算精度，在室内定位普及推广具有一定积极作用。-20- 第2章RFID室内定位技术2.5本章小结本章主要介绍了RFID技术的组成和工作原理，RFID系统具有可同时非接触读取大量标签、RFID标签形状多样小巧、可重复使用无需更换、RFID电波具有一定的穿透性、可使用于恶劣的气候环境中的特点。然后描述了被动式定位和主动式定位的特点、工作流程和应用领域。本文采用的主动式RFID室内定位流程主要有布设标签、计算标签与阅读器之间的距离、解算定位目标的坐标。最后介绍了几种典型的定位方法RSSI、TOA、TDOA、AOA和PDOA，并从设备成本、定位精度和抗干扰能力等方面综合分析进行对比分析，选择基于RSSI的主动式室内定位算法作为本文的研究重点。-21- 华北理工大学硕士学位论文第3章室内定位RSSI-距离模型的建立无线信号在传播过程会有很大损耗，信号损耗程度和传播距离之间具有一定的关系，室内定位算法中基于RSSI的测距定位方法中，便是利用这一原理对目标进行定位。对于无源射频识别电子标签，进入RFID阅读器的识别范围后，获取能量并反馈信号给阅读器，阅读器识别标签编号同时获得该标签的信号强度值（RSSI），利用已经建立好的距离拟合模型计算出电子标签与阅读器之间的距离，然后根据多个电子标签的坐标以及距离信息建立方程，对阅读器的位置坐标进行估计。应用最普遍的基于RSSI的距离拟合模型是对数距离路径损耗模型，在采用该模型前，需要利用已知数据对模型中的未知参数进行解算，已知数据是射频识别设备实地测量得到的标签的RSSI值和其距阅读器的距离。3.1RFID信号传播模型在无线信号传播中，信号的传输损耗是很大的，也是影响无线电传播距离的主要因素。理论上，RFID信号的在传输过程中的损耗大小与距离的平方以及工作频率的平方成正比关系。这仅仅是天线以及传输环境为理想状态的情况，在实际的室内无线定位过程中，由于室内环境复杂，室内物品尺寸各异，会给RFID信号的传播造成影响，包括造成反射、绕射、散射等。目前对于RFID信号在建筑物内传播有一些经验模型，无线信道的对数距离损耗模型如下。采用的对数距离路径损耗模型公式如下：dP=P−10nlg+ς0d0其中路径损耗指数n，即为无线信号强度随着传输距离而衰减的速率，根据无线信号的传播环境而改变，在有遮挡物时会增大，由环境决定。同一大型建筑物内部，不同位置的地理特征有差异，比如宽敞的空间和狭窄的楼道，楼道的中间部分、楼道的拐角和楼道的尽头；室内相似的位置物体的摆放也不尽相同；标签所附着的物体的材质对信号的传输有影响，不同材质的损耗系数不同；当空气含水量不同时，电磁波的传播情况也不同，电磁波随着含水量的增加传输过程中损耗变得更大，但其影响较小，数值波动不显著，因此对空气中含水量对电磁波的影响不考虑。由于无线信号在传播过程中受上述因素的影响，在同一大型建筑物内部不同位置上电磁波传播情况并非完全相同的，对数距离路径损耗模型中-22- 第3章室内定位RSSI-距离模型的建立的路径损耗指数也会有差异，因此理论上应该对所有不同位置的无线信号传播情况进行统计，即选择特征点位置对其路径损耗指数进行求解。3.2RSSI测距误差来源分析3.2.1干扰因素和现象电磁波在室内环境中传播时，在各种物体媒介上会发生多种物理过程，如吸收、折射、反射、散射、绕射、导引、多径干涉和多普勒频移等。电磁波频段不同，在同一物体上会有不同的传播现象；同一电磁波在经过不同物体时，也会因物体材质产生不同的物理过程；电磁波在经过材质不均匀的物体会发生散射。反射、绕射、散射等非视距传播会使得信号信息不准确从而干扰定位。图8多径现象Fig.8Multipathphenomenon多径效应是RFID信号在室内传播时很常见的一种现象，RFID信号遇到房间的墙壁、放置的家具、天花板、地板、甚至在周围移动的人员，经过多条路径最终一起到达感应装置，各条路径的时间延迟、合成的幅度和相位将表现为信号的快衰落。除了多径效应，标签附着物的材质是RFID传播过程中的重要干扰因素。RFID室内定位系统在实际生产生活中，需要将标签粘贴于物体上，比如墙壁，门窗，金属物体等，由于标签所附着的物体材质会吸收或反射读写器发来的射频电磁波，从而影响识别距离，因此还需做实验选择最适合的附着物材质。对RFID标签的识别距离影响明显的是材质为金属和液体的附着物。因为金属会吸收阅读器发出的电磁波并在内部形成涡流，减弱原来磁场的能量，表现为信号损耗大，识别距离变短。装有液体的物体作为附着物时，由于液体的介电常数非常高，波长较短的超高频电磁波最容易被吸收，从而大大降低信号强度，表现为识别距离变短。-23- 华北理工大学硕士学位论文3.2.2附着物材质对识别距离的影响实验中测试了3种抗金属射频标签，抗金属标签是采用特殊的防磁材料封装的电子标签，有效防止金属对RFID电波的影响，使其附着在金属物体上识别距离相对于空气中更远。其中标签1为ABS材质，尺寸为135mm×22mm×12（厚）mm，孔径4mm，两孔间距120mm，工作频率为860∼960MHz，有效识别距离为0∼6m。标签2和标签3的基材为FR-4，工作频率为902∼928MHz，有效识别距离为0∼4m，尺寸分别为100mm×30mm×3.5mm和60mm×22mm×3.5mm。这三种标签的读取速度≤0.05s，协议标准为EPCClass1Gen2（ISO18000-6C）。为了研究不同附着物的材质对标签识别距离的影响，将标签放在不同的物体上，测试阅读器能够稳定识别的最远距离。这三种射频标签在不同附着物上的最远识别距离见表5，其中悬空是指射频标签由人手持无遮挡地进行测量。表5附着物材质对识别距离的影响Table5Influenceofattachmentmaterialonidentificationdistance附着物材质标签类型最远识别距离/m标签1（D902）4.50墙壁标签2（1437）1.50标签3（1055）1.37标签1（D902）7.24玻璃标签2（1437）3.20标签3（1055）3.10标签1（D902）3.20金属标签2（1437）2.03标签3（1055）4.19标签1（D902）1.71暖气片标签2（1437）1.71标签3（1055）2.46标签1（D902）7.15悬空标签2（1437）2.90标签3（1055）0.75由表5可以看出，不同类型的标签，受附着物材质的影响是不同的。标签1抗金属效果差，放在电梯旁和暖气片上之后，识别距离明显变小；相反，标签3的抗金属效果最好，放在有金属的地方，识别距离最大。有一个共同点，将标签贴在玻璃上之后，所有标签的识别距离都有所增加。但是将标签放在玻璃上在实际操作中-24- 第3章室内定位RSSI-距离模型的建立是不可行的，会增大标签的体积和重量。标签的识别距离与所附着的物体材质有很大关系。经过试验以及对数据的分析，发现标签3放在金属上，识别距离变远，且比较稳定，信号稳定读数连续。虽然标签2在人拿着的情况下，识别距离最远，但是实际应用中不可能悬空放置，且标签2有段距离测不到信号，识别距离也不稳定。因此根据上表中各个标签在不同材质附着物的识别距离大小，以及射频标签3信号的稳定性，最后选择将标签3贴在金属盒表面进行后续实验。3.3基于对数距离路径损耗模型的推导3.3.1模型中的未知参数在对数距离路径损耗模型的公式中，参考距离d0是人为拟定的，要求距离信号源不远，参考距离的数值对于对数距离路径损耗模型来说非常重要，文中将其设为1m，参考信号强度P0理论上是信号源沿着所有可能的路径经过参考点所处的位置时的RSSI平均值。除了参考距离d0可以人为拟定外，无线电波损耗的两个参数，路径损耗指数n和参考信号强度P0是不确定的，要根据标签的信号强度值计算出标签至阅读器之间的距离，首先需要对公式中的未知参数进行估计，且由于无线传播环境不同，不同的位置需要重新测定和解算。参数的估计需要用到已知数据，通过已知数据来估计路径损耗指数n和参考信号强度P0。即在室内放置标签和阅读器，测量阅读器和标签之间的一组距离值以及标签在这些点位上的信号强度值，这样就得到了一组d和P值，根据这些值来估计信道参数。这个标签只是为了获得先验信道参数信息，在定位过程中不再需要，获取已知数据后剔除这个标签。由对数距离路径损耗模型的公式可以看出，信号强度值P与距离d之间的关系符合对数衰减关系。由于ς是随机变量，相当于是偶然误差，令f(x)=Pdx=−10lgd0代入对数距离路径损耗模型，则f(x)=P+nx0-25- 华北理工大学硕士学位论文由上式可以看出f(x)与x满足线性关系，f(x)是关于x的线性表达式。利用获得的已知数据进行拟合，求出斜率和直线与x轴的交点值，即得到路径损耗指数n和参考信号强度P0。3.3.2模型参数解算方法在解算对数距离路径损耗模型的参数时采用最小二乘估计。最小二乘法是测量数据处理中最普遍的方法，它在平差领域得到了广泛的应用。使用最小二乘法可以达到误差的平方和最小的要求，完成方程解算，得到模型参数。其线性方程方程为：L+V=BX式中L为n×1的观测向量，V为误差向量，X为m×1的未知参数向量，B为X的系数矩阵，行列数是n×m。上式的数学解有三种情况：当n＜m，上式有无穷多解；当m＝n，上式有唯一解；当n＞m时，上式为超定方程，没有确定解，需要通过最小二乘算法对上式进行求解，以获得X的最优估计。最小二乘估计的基本原则是：TVPV=min式中P为权矩阵，当B为列满秩时，方程的加权最小二乘解为T−1TX=(BPB)BPl在实际应用中，权的计算是根据具体情况以及工程经验获得，没有固定的公式，所以使用起来较为困难，因此有时直接使用最小二乘解。在不设置权重的情况下，方程的解为T−1TX=(BB)Bl使用最小二乘方法求解对数距离路径损耗模型中的参数时，式中的L是由观测数据中的信号强度值组成的向量，已知数据中的读卡器至标签的距离为d，将id=1代入，则0P=P−10nlgdi0i最小二乘方法中的B是由−10lgd组成的向量，即iP1PL=2Pn-26- 第3章室内定位RSSI-距离模型的建立−10lgd1−10lgdB=2−10lgdn代入最小二乘估计求解的公式，进行计算即可得到X。P0X=n这样就求出了参考信号强度和路径损耗指数。在对数距离路径损耗模型解算过程中会存在偶然误差的影响。在实际解算过程中，使用最小二乘估计解算方法，可以保证解算结果的可靠性和实用性，论文通过实验对比分析不同地点实际距离拟合精度。3.4基于RSSI的距离估计实验3.4.1数据采集的实验条件由于室内无线环境的复杂性和不确定性，电磁波在建筑内部不同位置的传播情况是不同的，因此需要在不同地点进行实验，获取参数估计过程中需要的先验数据，然后求解不同地点的参考信号强度和路径损耗指数。在采集数据时，选取了四个具有代表性的地点，其中地点1位于楼道的中间，地点2位于楼道的拐角，是南北方向，地点3在楼道拐角的东西方向，地点4接近楼道的尽头。site3site4site1site2图9实验地点示意图Fig.9Sketchmapofexperimentalsite-27- 华北理工大学硕士学位论文实验数据采集采用的是DC-0651B超高频RFID读卡器和无源标签，具有读写距离较远和数据传输快的特点。其频率范围为840~960MHz，通讯协议EPCC1GEN2/ISO18000-6C，有效识别距离为5m左右。无源标签采用的是PCB抗金属标签，基材为FR-4，天线材质为蚀刻铜箔，标签芯片为AlienHiggs3/ImpinjMonza4QT，频率范围为902~928MHz，尺寸为65×25×3.5mm，体积较小、芯片灵敏。由于标签附着物的材质损耗系数不同，对于抗金属标签来说，选择附着物为金属最佳，所有标签的附着物保持一致，也可以避免因附着物材质不同对信号强度值的影响导致的误差。在实验过程中，所有标签均附着于120×60×0.5mm的铁盒上。在实验时，首先确定读卡器的位置，以0.5m的距离为间隔做标记，将标签依次放在不同的距离处进行测量，记录标签的信号强度值。观测时阅读器参数配置天线增益为30，保持读卡器和标签水平。实际观测过程中阅读器和标签的高度为1.1m。标签不可以被遮盖，不能将标签放在水中或含水量很高的物体上。使用阅读器观测标签时，读取速度≤0.05秒，采集频率20次/秒。表6部分原始数据Table6FractionalrawdataEPC读取时间RSSI0000000000002016072501012017-03-3111:05:41-73.800000000000002016072501012017-03-3111:05:41-70.300000000000002016072501012017-03-3111:05:41-70.300000000000002016072501012017-03-3111:05:41-70.300000000000002016072501012017-03-3111:05:41-71.000000000000002016072501012017-03-3111:05:41-71.000000000000002016072501012017-03-3111:05:41-71.800000000000002016072501012017-03-3111:05:41-71.000000000000002016072501012017-03-3111:05:41-71.000000000000002016072501012017-03-3111:05:41-69.600000000000002016072501012017-03-3111:05:41-71.80阅读器读取标签的信号强度值后，得到的原始数据格式如表6。原始数据包含标签的编号、读取标签的RSSI值时的时间和当时当处所对应的RSSI值，RSSI值越大，表示标签距离阅读器越近，反之亦然。3.4.2RSSI数据处理由于观测值中带有少量粗差，在数据预处理时，使用拉依达准则将粗差剔除。-28- 第3章室内定位RSSI-距离模型的建立求出一组观测数据的平均值和标准误差估计值（即中误差），该组数据中的每个数与平均值相减，将差值的绝对值大于三倍中误差的数据剔除。某次实验数据的粗差统计结果见表7，其中包括样本总个数、平均值和标准差、统计出的粗差个数和剔除粗差后的平均值，剔除粗差后的数据可用于后续研究。表7粗差统计结果Table7Statisticalresultsofgrosserrors距离/m样本总个数平均值标准差sigma粗差数量/个剔除粗差后平均值0.6191-55.8480.5980-55.8481.2284-62.3750.9430-62.3751.8248-67.4971.4331-67.4802.4436-72.4301.8710-72.4303529-71.0811.5024-71.0453.6187-77.6152.3292-77.5284.2334-76.8211.9470-76.821从表7中可以看出，每组数据中所包含的粗差数量并不多，对平均值的影响比较微弱，各组数据的数量不同是因为实际观测时间长短不同，同一距离处的一组数据可以看作重复性观测。将四个地点的实验数据经过预处理后，将信号强度平均值进行整理，表8中的“—”表示在该距离没有对应的RSSI值，意味着标签超出了阅读器的识别范围。表8距离与RSSI实验数据Table8DistanceandRSSIexperimentaldata距离/m地点1地点2地点3地点40.6-55.3431-55.848-56.061-55.43871.2-61.8866-62.375-62.8648-62.49461.8-67.2371-67.480-65.7509-67.44252.4-74.4482-72.430-70.2061-74.13823.0-72.4216-71.045-68.6811-70.97923.6-75.0071-77.528-75.2599-75.77594.2-74.3758-76.821-72.9509-70.79914.8——-75.7505-73.7425.4——-74.7431—6.0——-76.8685—-29- 华北理工大学硕士学位论文3.4.3模型参数估计采用最小二乘方法对实验数据进行模型参数解算，求得的各个地点对数距离路径损耗模型的路径损耗指数和参考信号强度见表9。从表9中可以看出，四组数据的参考信号强度相差不大，但是路径损耗指数略有差异。地点2和地点3都在楼道拐角，位置很接近，只是方向不同，但求得的路径损耗指数相差略大。表9参数拟合结果Table9Parameterfittingresults参数地点1地点2地点3地点4P0-61.087-61.065-60.981-61.519n2.4712.6092.0582.0720.6m1.2m3.0m1.8m4.2m2.4m3.6ma地点1b地点2c地点3d地点4图10参数拟合图Fig.10Parameterfittingchart-30- 第3章室内定位RSSI-距离模型的建立图10是将原始实验数据用于拟合的散点图和最小二乘方法拟合得到的直线同时表示出来，其中坐标轴的横轴是-10lg(d/d0)，纵轴是信号强度P。前面的点是标签距离阅读器较远的点，后面的点是标签距离阅读器较近的点，图中最右端的点是距离为0.6m的点，前面的以此类推。图a是地点1的数据散点图和拟合出直线，图b是地点2，图c是地点3，图d是地点4。从图10中可以看出，拟合得到的直线与后4个点之间的距离很近，前面的点比较分散，距直线较远，这意味着受室内无线传播环境影响，较远的距离得到的信号值不准确，这也是室内定位的难点。综合对比这四幅图，信号强度值随着距离的增大而变小，这种关系在1.8m的距离之内保持良好。标签和阅读器之间的距离超过1.8m之后，RSSI值开始在拟合出的直线两侧徘徊，上下波动，这意味着数据不再完全符合线性关系，因此利用无源RFID设备的RSSI值只能够很好地预测较小的距离，距离较大时会产生更大的误差。其中图a、b、c的线性关系较为明显，RSSI值的变化大致趋势相同，图d前面的点严重偏离直线，且颇为分散，这跟地点4所处的位置有关，地点4接近墙角，周边物品较其他三处都多，无线信号在传播时多径效应复杂，因此环境狭隘、障碍物较多时，RSSI值与距离之间的关系不再适用对数距离路径损耗模型，即较远处的标签RSSI值无法准确预测其与阅读器之间的距离值。3.4.4基于RSSI的距离估计将求得的对数距离损耗模型中的参数代入到公式中，对各个实验地点实验数据中的距离进行拟合，参与拟合计算的真实距离值与拟合值的差即拟合残差，各个地点距离拟合的残差和中误差见表10。使用最小二乘方法进行拟合得到残差图见图11，图a是地点1的数据拟合残差图，图b是地点2，图c是地点3，图d是地点4。从残差图中可以看出，每个地点的数据残差情况是不同的，地点1的残差最大值是在标签距离阅读器2.4m的位置，地点2无残差过大的点，地点3的残差最大值在标签距离阅读器3.6m的位置，地点4的残差明显大于其他地点，因为它的数值最大。这和观测地点周围具体的遮挡物、反射物、空间大小有关系，属于不可控且不可预测的因素，而且信号强度值的变化与周围环境情况之间的关系无法定量分析。-31- 华北理工大学硕士学位论文a地点1b地点2c地点3d地点4图11残差图Fig.11Residualsgraph表10距离拟合残差Table10Distancefittingresiduals距离/m地点1地点2地点3地点40.6-0.0150.023-0.023-0.0911.2-0.123-0.0770.035-0.0861.8-0.026-0.035-0.0950.1312.41.0730.3310.4081.6643-0.124-0.580-0.633-0.1393.60.0590.7081.3431.2754.2-0.750-0.184-0.383-1.3964.8——0.422-0.9115.4——-0.735—6——-0.083—中误差/m0.5400.4450.6381.097从表10中各个地点距离拟合的残差可以看出，地点1的中误差为0.540m，残差绝对值较大的点是2.4m和4.2m，其它点残差均小于0.2m；地点2的中误差为-32- 第3章室内定位RSSI-距离模型的建立0.445m，残差绝对值从1.8m以内残差均小于0.1m，2.4m开始明显变大，且有正有负，残差最大的点在距离3.6m的地方，为0.708m；地点3数据残差情况和地点2类似，中误差为0.638m，在距离3.6m时残差最大，为1.343m；地点4的中误差在所有地点中最大，为1.097m，距离超过1.8m之后的残差都很大，甚至在1m以上。在距离1.8m以内4组数据的残差均很小，对数距离路径损耗模型在1.8m的范围内将会非常适用，可以满足室内定位的需求。超过1.8m后，残差均增大，个别距离的残差很大，比如2.4m时残差陡然增大。所有残差中绝对值最小为地点1的0.015m，残差绝对值最大为地点4的1.664m；距离拟合地点2的中误差最小，为0.445m，地点4的中误差为1.097m，是4组数据中最大的，且明显大于其他地点。地点2和3都在楼道拐角，因此数据散点分布相似，比较均匀地分布在直线两侧，但是地点3受较远距离的数据影响，得到的路径损耗指数偏小，中误差较大。地点4的残差和中误差较大的原因是楼道尽头环境复杂，有一个小小的拐角，并且摆放着东西，这些都对射频信号的传播造成了影响，因此图中的数据散点最为分散，中误差最大。阅读器的识别距离和环境之间的关系不明确，没有发现规律。3.4.5残差与距离之间关系的分析图12实验地点残差曲线图Fig.12Experimentalsiteresidualsplot-33- 华北理工大学硕士学位论文将各个实验地点不同距离上的拟合残差用折线图表达出来，效果见图12。从图12中可以看出，在1.8m以内折线在0m上下波动，使用求解得到的对数距离路径损耗模型参数由RSSI计算距离，得到的拟合值与真实值相差很小。在1.8m之后折线上下波动幅度开始增大，十分剧烈，最大值接近2m，最小值接近-1.5m，这说明得到的拟合值与真实值严重不符。这四条折线中，波动最大的是地点4，波动较小的是地点2。距离与信号强度值之间的关系与对数距离路径损耗模型的符合程度，和观测地点周围具体的遮挡物、反射物、空间大小有关系，属于不可控且不可预测的因素，而且信号强度值的变化与周围环境情况之间的关系无法定量分析。但在一定的距离范围内，对数距离路径损耗模型可以很好地表达距离与信号强度值之间的关系。3.5本章小结本章介绍了基于RSSI的距离拟合模型——对数距离路径损耗模型，分析了影响RFID信号识别距离的干扰因素，并实验测试了标签在不同材质附着物上的识别距离。选择4个具有代表性的地点使用超高频RFID设备进行实验，数据预处理后根据先验数据求解对数距离路径损耗模型参数。对于超高频RFID设备而言，对数距离路径损耗模型在1.8m以内可以很好地表达距离与信号强度值之间的关系。不同地点的模型参数虽然相近但不相同，周围具体的遮挡物、反射物、空间大小均会影响参数变化。-34- 第4章基于RSSI的主动式室内定位算法第4章基于RSSI的主动式室内定位算法第二章详尽分析了室内定位方式和主要定位算法，RSSI方法具有低成本易实现、对硬件要求低等优点，第三章进行了对数距离路径损耗模型参数解算和基于RSSI的距离拟合。本章就室内定位数学模型和解算方法进行了讨论。4.1定位算法的数学模型本文定位方法属于主动式RFID目标定位，定位目标是处于定位区域范围内活动的人员，通过解算人员所携带的阅读器的坐标，从而确定待定位人员的位置。定位的基本思想是，采取单个阅读器接收多个标签信号的方法，利用标签的信号强度值（RSSI）得到各标签与待定位阅读器之间的距离，求解待定位阅读器的位置坐标。本文定位方法的特点是：1）在无网络的情况下能够实现人员定位。2）定位过程中所需的设备简单成本低，提前布设好标签并采集标签的坐标，定位时只需携带阅读器。3）定位是为需要获取自身位置信息的人群服务，通过识别周围标签可计算出自己的坐标，如果能够加载地图便可以显示自己在地图中的位置。该定位方法适用于室内人员自主定位，即便在断电断网的情况下，仍能够实现人员自主定位，并可根据阅读器配备的地图进行导航（若已储存地图数据），必要的情况下可以自主求生避险。图13主动式室内定位示意图Fig.13Sketchmapofactiveindoorpositioning如图13所示，若室内安装了C1-C6共6个标签，人员P001携带RFID阅读器进入室内。可以随时接收C1-C6共6个标签射频信息（含坐标信息xi，yi）和信号-35- 华北理工大学硕士学位论文RSSI值。在进行定位时，已知数据是4个标签的坐标和各标签到阅读器的距离，由此建立方程，求解待定位阅读器的坐标。假设第i个标签坐标（xi，yi）无误差，移动目标精确坐标为（M，N）；第i个标签到移动物体或人员距离为di，是将实测的RSSI值根据传播经验公式对数距离路径损耗信号模型（d0取1m）间接转换得到的，误差为Vi。如图1所示，人员P001可以同时收到6个标签信号，按照距离优选法则选取其中3、4个距离数值较小标签列出方程，本例中选取是C1、C2、C3、C4标签。22d+V=(x−M)+(y−N)111122d+V=(x−M)+(y−N)222222d+V=(x−M)+(y−N)333322d+V=(x−M)+(y−N)44444.2定位数学模型线性化根据读卡器和标签之间的距离来定位待定位人员的坐标，则可将距离看作观测量，为便于后续计算，用L表示，并考虑观测中的误差，对待定位人员所持阅读器建立定位算法模型：22L+v=(x−x)+(y−y)（1）iiii上式中Li为待定位读写器到第i个标签距离的实际测量值，v为相应的测量误差。设（x0，y0）为待定位读写器的初始估计位置，则在（x0，y0）处用泰勒级数法展开可得：22(xi−x0)(x−x0)+(yi−y0)(y−y0)L+v=(x−x)+(y−y)+(−)+iii0i0（二22(x−x)+(y−y)i0i0次以上项）当x与x0非常接近时，上式中二次以上各项很微小，可以略去，则上式可以写为(xi−x0)(x−x0)+(yi−y0)(y−y0)22v=−−(L−(x−x)+(y−y))iii0i022(x−x)+(y−y)i0i0令-36- 第4章基于RSSI的主动式室内定位算法δx=x−x0δy=y−y022f=(x−x)+(y−y)ivi0i0x−xi0b=−i122(x−x)+(y−y)i0i0y−yi0b=−i222(x−x)+(y−y)i0i0则展开后的式子可以写作：v=bδx+bδy−(L−f)ii1i2iiv将其改写成矩阵形式：V=BX−l其中：b11b12bbB=2122bbn1n2δxX=δyL1−f1vL−fl=22vL−fnnv4.3定位数学模型的常见解算方法4.3.1近似解算法近似解算法是将方程组进行变换后求取近似解。由定位算法的数学模型，式（1）可以写作：222L=(x−x)+(y−y)iii（2）当式（2）中i=1时，-37- 华北理工大学硕士学位论文222L=(x−x)+(y−y)111（3）式（2）中各个方程减去式（3），并将方程组转换成矩阵形式为：AX=Y（4）如果标签数量为4，式（4）中：2(x2−x1)2(y2−y1)A=2(x−x)2(y−y)31312(x−x)2(y−y)4141222222L−L+x−x+y−y122121222222Y=L−L+x−x+y−y133131L2−L2+x2−x2+y2−y2144141xX=y最后，方程的解为：T−1TX=(AA)AY近似解算法是由定位算法数学模型变形得到的，在解算过程中计算量比较小，能实现快速定位，算法简单但是精度有限，一般可以用于粗略定位。4.3.2最小二乘法最小二乘法是测量数据处理中最普遍的方法，它在平差领域得到了广泛的应用。使用最小二乘法可以达到误差的平方和最小的要求，完成方程解算，获得待定位读卡器的位置。其线性方程方程为：L+V=BX式中：L—为n×1的观测向量；V—为误差向量；X—为m×1的未知参数向量；B—为X的系数矩阵，行列数是n×m。最小二乘估计的基本原则是：TVPV=min式中P为权矩阵，当B为列满秩时，方程的加权最小二乘解为-38- 第4章基于RSSI的主动式室内定位算法T−1TX=(BPB)BPl在实际应用中，权的计算是根据具体情况以及工程经验获得，没有固定的公式。在室内定位的数学模型线性化后，使用最小二乘法对方程组进行求解，需要给方程赋初始值，初始值跟真值的接近程度将直接影响最终定位结果的精度，这是最小二乘方法的不足之处。4.4室内定位算法的改进4.4.1半参数估计最小二乘估计中，仅考虑观测值的偶然误差，不考虑系统误差，得到的参数解是最优线性无偏估计量。但是在实际问题中，如果不考虑模型误差的影响，有时会严重影响参数估值结果。为克服以上参数模型的局限，半参数回归模型提供了一种新方法。半参数回归的函数模型可以表达为：L=BX+S+VS是一个表述模型误差的n维未知向量，一般情况下与某个量的有函数关系。半参数估计的补偿最小二乘原理，与观测方程对应的误差方程为∧∧V=Bx+S−l∧∧000式中，S是S的估计向量，其中l=L−BX，X是X的近似值，x是X的改正向量。在误差方程的基础上附加最优化准则：∧∧TTVPV+αSRS=min式中，R是一个给定的正定矩阵，α是平滑因子，本文使用L曲线法确定平滑因子。解得参数X以及非参数分量Sˆ：X=HYSˆ=M(I−BH)l其中：T−1TH=(BP(I−M)B)BP(I−M)−1M=(P+αR)P-39- 华北理工大学硕士学位论文4.4.2加权迭代法加权迭代法的主要思想是通过泰勒级数展开法将非线性方程转化为线性方程，再进行求解，是对最小二乘估计定位解算方法的改进。主要原理为在通过几何原理建立非线性方程组后，将其在初始估计值处进行泰勒级数展开，展开后只取前两项，后面的高次项忽略。经过泰勒级数展开处理后，最高项为二次项。这样就将非线性方程转化为了线性方程，之后采用加权最小二乘估计算法求解该方程组。以下过程为建立方程组，再通过泰勒级数展开法进行求解的过程。可以求得最小二乘解，即：T−1TX=(BPB)BPl其中P为定义的权阵，考虑在实际的RFID定位系统中，测量误差会根据定位系统中读写器功率的大小、定位系统所处环境中对定位有影响的障碍物等因素而变化，因此权阵由RSSI值演变得来。加权因子的确定是非常重要的一环，距离阅读器越近标签RSSI权值越大，通过加权可以减弱远距离标签RSSI对定位的影响，从而减弱因远处RSSI值拟合距离不准确带来的误差对定位精度的影响，实现对阅读器精确定位。已知阅读器共识别到n个标签，它们的信号强度值分别为Pi，则第i个标签的权重为：wi=78-Pi其中wi表示每个标签的权值，可以看出权值是阅读器与标签之间距离的函数，通过加权增大信号强度值大的标签在计算中的影响，信号强度值越大意味着标签距离阅读器越近。加权迭代计算确定初始值后，每次计算求得的X都是上一次初始坐标的改正数，相加后得到新的近似估计位置，代入方程中进行下一次迭代，直到求得的坐标改正数小于给定的数值，满足定位精度要求停止迭代，得到最终的坐标估计值。加权迭代法相对近似解算法计算过程更为复杂，但该算法通过加权的方式充分地利用了RSSI信息，能在一定程度上有效消除测距误差引起的定位偏差，可达到更高的定位精度。4.5解算方法对比模型解算方法和估计法则会直接影响到解算坐标实用性和准确性。估计法则不同，模型解求结果会有所差别。主动式RFID室内定位数学模型中存在多种误差的-40- 第4章基于RSSI的主动式室内定位算法来源：1）室内无线传播环境的复杂性，实测RSSI值误差通过距离转换传递的系统误差；2）主动式RFID室内定位的非线性数学模型，在模型线性化过程中会产生模型误差；3）方程中观测值可能包含了多种误差，如偶然误差、少量粗差。表11不同解算方法比较Table11Comparisonofdifferentsolutions方法约束法则处理思想缺陷222未考虑观测值误差影近似解算di=(x−xi)+(y−yi)方程线性变换，矩阵求解响，精度低。以偶然误差为主，未T运用最小二乘原理处理观测误最小二乘估计VV=min考虑系统误差和模型差的平方和最小。误差。T多次运用最小二乘处理迭代至运算次数多，计算量加权迭代估计VV=min结果符合给定的限差。大。∧∧考虑多种误差综合影半参数估计VTPV+αSTRS=min运用半参数回归模型响，但运算量较大。这四种解算方法有不同的约束法则和处理思想，各有其优缺点，由于在主动式RFID室内定位解算过程中会同时存在偶然误差、粗差、系统误差及模型误差综合影响，因此在实际解算过程中，需要一种实用性强的解算方法，保证解算结果的可靠性和实用性。论文通过实验选取用了近似解算、最小二乘估计、半参数估计、加权迭代运算等来对比分析不同算法实际定位坐标解算精度。4.6本章小结本章根据基于RSSI的定位方法建立数学模型并通过泰勒级数展开法进行模型线性化，介绍了近似解算法、最小二乘估计和半参数估计，对常用的最小二乘估计进行改进，提出加权迭代法，根据超高频射频信号传播特点确定权重公式，并对不同解算方法的约束法则、处理思想和缺陷进行了比较。-41- 华北理工大学硕士学位论文第5章定位精度影响因素实验研究在第四章中阐述了基于RSSI主动式室内定位的数学模型和解算方法，本章通过实验对不同解算方法进行对比分析，比较加权迭代法是否具有优越性，并就影响定位精度的因素展开实验，以及确定合适的标签布设方案。在采集实验数据时，采用的实验设备与3.4.1中的型号相同，实验地点选择建筑物内部无遮挡物的楼道，其中初始值对算法精度的影响、不同定位算法和路径损耗指数实验中，布设格网规格为1.8m×1.8m。5.1不同定位算法精度比较为了比较近似解算法、最小二乘估计、半参数估计和加权迭代法的性能优劣，进行定位实验对比不同算法的精度，选择一个无障碍物的楼道，将标签布设在同一水平高度平面内作为待测区域。y轴105501021.8AC02760160B1.8x轴(0,0)图16定位实验示意图Fig.16Schematicdiagramofpositioningexperiment待测区域如图16，A、B、C代表待测点，1055、0102、0160、0276为标签的号码，按照1.8m×1.8m布设标签，进行距离拟合实验，解算路径损耗指数和参考信号强度值，表14为RSSI值实验数据。-42- 第5章定位精度影响因素实验研究表14标签坐标和RSSI值Table14LabelcoordinatesandRSSIvalues待测点标签号RSSI值坐标X坐标Y0276-66.24181.800102-66.37861.81.8A1055-68.285501.80160-62.3023000276-61.83811.800102-74.19801.81.8B1055-67.360201.80160-57.2856000160-66.992001055-63.392301.8C0102-66.651.81.80276-61.45191.80分别使用近似解算法、最小二乘估计、半参数估计和迭代法处理定位数学模型，阅读器的位置估计结果见表15，实际计算中采用参与计算的标签的坐标平均值作为最小二乘估计、半参数估计和加权迭代法的初始值，进行计算距离的步骤时采用该处的距离拟合参数，A和B的参考信号强度值为-60.087，路径损耗指数为2.471，C的参考信号强度值为-61.065，路径损耗指数为2.609。半参数估计过程中平滑因子使用L曲线法确定，A、B、C的平滑因子为0.79，0.80，0.79。表15不同算法解算结果Table15Calculationresultsofdifferentalgorithms点号坐标真实值近似解算法最小二乘半参数加权迭代法X/m0.60.76030.83690.94870.7669AY/m0.60.45920.59710.59710.5425X/m0.60.01010.20350.03520.6150BY/m0-1.2719-0.3069-0.3069-0.2305X/m1.21.12040.98610.83691.0261CY/m0.60.99890.84940.84670.8092分析表16中不同算法解算误差，近似解算法、最小二乘、半参数和加权迭代法中，单点点位中误差最小的是使用加权迭代法对点A的解算0.1765m，估计坐标值最为接近真实值；点位中误差最大的是使用近似解算法对点B的解算1.4021m，解算得到的坐标严重偏离真实值。近似解算法的点位中误差绝对值之和最大，为-43- 华北理工大学硕士学位论文2.022m，半参数估计1.4305m，较最小二乘估计1.0669m大，加权迭代法的点位中误差绝对值之和为0.679m，总的定位误差最小。表16不同算法解算误差分析Table16Erroranalysisofdifferentalgorithms点号坐标误差真实值近似解算法最小二乘半参数加权迭代法X/m0.60.16030.23690.34870.1669AY/m0.6-0.1408-0.0029-0.0029-0.0575点位中误差/m--0.21330.23700.34870.1765X/m0.6-0.5899-0.3965-0.56480.0150BY/m0-1.2719-0.3069-0.3069-0.2305点位中误差/m--1.40210.50130.64280.2310X/m1.2-0.0796-0.2139-0.3631-0.1739CY/m0.60.39890.24940.24670.2092点位中误差/m--0.40680.32860.43900.2720X轴误差绝对值之和/m0.82980.84731.27660.3558Y轴误差绝对值之和/m1.81160.55920.55650.4972点位中误差绝对值之和/m2.02221.06691.43050.6795单个坐标轴误差中绝对值最大的为近似解算点B的Y轴误差-1.2719m。X轴误差绝对值之和最大的是半参数估计1.2766m，Y轴误差绝对值之和最大的是近似解算法1.8116m，加权迭代法的X轴、Y轴误差绝对值之和分别为0.3558m、0.4972m，均是四种算法中的误差最小值。分析A、B、C点位分布对解算误差的影响，由近似解算法、最小二乘估计、半参数估计的解算误差可以看出，点B的坐标解算误差明显大于A、C，这是由于点B相对于A、C更偏离4标签的中心位置，解算起始值距离点B最远，受距离拟合误差和起始值的影响，这三种解算方法得到的位置估计严重偏离真实坐标。而加权迭代法点B坐标中误差0.2310m和点A的0.1765m、C的0.2720m不相上下，X轴、Y轴误差均小于0.3m。加权迭代法通过加权的方式修正了距离拟合传递给位置估计的误差，以多次迭代计算消除了起始值偏离真实值的影响，显著提高了偏离中心的点位的定位精度。对比近似解算法、最小二乘估计、半参数估计和选权迭代法：1）近似解算法定位精度有限但无需初始值，估计格网相交区域时解算误差显著增大。2）半参数估计的点位中误差较大且X轴误差绝对值为最大，这说明半参数估-44- 第5章定位精度影响因素实验研究计中的补偿最小二乘原理并不适用于室内定位的位置估计，使用L曲线主要靠曲线拟合来顾及补偿最小二乘准则中的拟合和光滑部分，定位标签数量有限使得观测值个数较少，因此平滑因子的确定不合理。3）最小二乘法的点位中误差绝对值之和小于近似解算法，最小二乘法的定位精度高于近似解算法和半参数估计，当目标物体位于格网相交区域时最小二乘估计定位精度明显降低。4）加权迭代法定位精度明显高于近似解算、最小二乘和半参数，各点的点位中误差均最小，点位在格网中的分布对位置估计精度无明确影响，应用中算法精度稳定。其次，加权迭代的初始值对其最终结果影响微弱，最终都会得到稳定的解。而最小二乘估计和半参数估计受初始值影响较大，初始值接近真值时最小二乘法的定位精度高于近似解算法，初始值严重偏离真实值时甚至会低于近似解算法。加权迭代法通过加权的方式修正了距离拟合传递给位置估计的误差，以多次迭代计算消除了起始值偏离真实值的影响，可以达到更高的定位精度，且求解过程中算法稳定，定位结果最接近目标物体真实位置。是这4种算法中最优的定位算法。5.2初始值对算法精度的影响基于RSSI的主动式RFID目标定位解算方法中近似解算法无需初始值，最小二乘估计、半参数估计和加权迭代法在解算过程中需给待定位目标赋予初始值，初始值与真实值之间的接近程度会影响最终定位结果，为研究初始值对定位精度的影响，设置四组数据作为初始值进行实验，初始值的点位坐标与真实坐标之间的距离分别为0m、0.424m、0.849m、1.697m，在设置初始值时其中的数值不能与标签坐标数值相同。表12初始值设置Table12Initialvaluesetting坐标轴X/mY/m初始值与真实值距离/m真实值0.60.6—第一组0.60.60第二组0.30.30.424第三组1.21.20.849第四组1.71.71.556图14为采用不同初始值的定位效果图，其中黑色的点代表目标真实位置，坐标为（0.6，0.6），红色的点为加权迭代法解算得到的阅读器坐标，采用四组不同-45- 华北理工大学硕士学位论文的初始值加权迭代法估计的位置都相同，且在所有解算方法中最接近目标物体真实位置。图中标的数字表示解算过程中使用的初始值组号。随着组号增加，初始值与真实值之间的距离增大，最小二乘估计和半参数估计的定位结果也随之远离目标真实位置。显而易见，半参数估计的定位结果比最小二乘估计更加偏离目标真实位置，最小二乘估计的解算结果得到的点位距离真实值较加权迭代法远，加权迭代法的定位效果最好。图14不同初始值定位效果图Fig.14Positioningeffectdrawingfordifferentinitialvalues表13不同初始值解算结果Table13Calculationresultsofdifferentinitialvalues初始值组号加权迭代法最小二乘半参数X/m0.7540.7760.881第一组Y/m0.5210.5800.567点位中误差/m0.1730.1770.283X/m0.7540.6990.838第二组Y/m0.5210.4340.499点位中误差/m0.1730.1930.259X/m0.7540.9681.047第三组Y/m0.5210.7360.658点位中误差/m0.1730.3930.451X/m0.7541.1851.277第四组Y/m0.5210.8890.675点位中误差/m0.1730.6520.681最小二乘估计、半参数估计和加权迭代法进行定位解算的结果见表13。从不同初始值解算结果中可以看出，最小二乘估计和半参数估计的所有点位中误差均大-46- 第5章定位精度影响因素实验研究于加权迭代法。随着初始值偏离真实值，最小二乘估计的点位中误差持续增大，采用第三组和第四组初始值半参数估计的点位中误差明显增大，甚至达到0.681m，为所有点位中误差中最大值，解算得到的X坐标分别为1.047m和1.277m，严重偏离真实值。初始值的取值直接影响最小二乘估计和半参数估计的定位精度，定位误差随初始值偏离真实值而增大。加权迭代法采用不同初始值得到的X坐标始终为0.754m，Y坐标始终为0.521m，点位中误差为0.173m，无论初始值如何变化，使用加权迭代法对目标进行位置估计得到的点位结果都相同，定位误差不会因初始值偏离真实坐标值而增大。图15不同初始值误差曲线Fig.15Errorcurvesofdifferentinitialvalues将所有点位中误差按解算方法分类表达为图15误差曲线。从误差曲线可以看出，加权迭代法的定位误差始终偏低，不受初始值的影响，而最小二乘估计和半参数估计的误差曲线呈上升趋势，随着初始值组号增加而定位误差增大。最小二乘估计和半参数估计定位精度会受到初始值的影响，初始值距离真实值越近则定位误差越小，实际应用中无法得知真实值，这就意味着最小二乘估计和半参数估计的定位精度不稳定。加权迭代法的定位效果优于最小二乘估计和半参数估计。通过设置四组与真实值距离不同的初始值参与计算，对比解算结果误差发现，最小二乘和半参数存在缺陷，定位误差随着初始值偏离真实值而增大，两种解算方法的定位精度不稳定。而加权迭代法不受初始值的限制，通过多次迭代消除了初始值偏离真实值对定位的影响，始终可以得到稳定的解，定位效果较好且算法性能稳定。-47- 华北理工大学硕士学位论文5.3格网大小对定位精度的影响无源RFID阅读器的识别范围一般为4~7m，较有源RFID设备范围小，本实验中阅读器的读取距离可达5m，在不同环境下识别范围会有所变化。由距离拟合实验可知，标签距离阅读器在1.8m以内，对数距离路径损耗模型可以很好地表达距离和信号强度值之间的关系。布设标签时所构成格网的大小决定了定位过程中距离变化范围，从而影响由RSSI计算距离的准确度，因此对定位精度产生影响。图17所示的环状区域设在无杂物的建筑物楼道二维平面空间中，区域内布设了间隔相等、高度一致的4个标签。格网间距减小则意味着布设标签的数量及定位计算量随之增加。根据DC-0651B超高频RFID阅读器技术参数，对1.8m、2.4m、3m的标准正方形格网进行测试以寻找最为理想的单元格网。图中圆表示阅读器的识别范围，在圆圈范围内的标签可以被识别并读取信号强度值。1.8m格网采用之前实验数据，2.4m和3.0m格网分别对点A2、B2、C2和E进行位置估计。C1C21055010201600276C4C3图17格网布设示意图Fig.17Schematicdiagramofgridlayout为了确定合适的标签布设方案，1.8m格网采用不同定位算法精度比较中的实验数据，加权迭代法解算阅读器的点位坐标结果见表17，2.4m格网和3.0m格网待测点的解算结果见表18。对比1.8m、2.4m、3.0m解算结果，在所有不同大小格网的定位误差中，3.0m格网平均点位中误差最大为0.374m，1.8m格网平均点位中误差最小为0.2263m，标签所形成的格网增大的同时定位中误差随之增大。1.8m格网的定位精度最高且定位精度稳定均小于0.3m；2.4m和3.0m格网的定位误差-48- 第5章定位精度影响因素实验研究有高有低，部分区域定位精度较低；3.0m格网的定位精度最低，定位精度随标签布设愈加稀松而降低。格网过密会增加定位的计算量和标签布设数量，因此标签布设方案中选择1.8m的格网最合适。表171.8m格网解算结果Table17Calculationresultsof1.8mgrid点号坐标真实值加权迭代法X/m0.60.7669AY/m0.60.5425点位中误差/m—0.1765X/m0.60.6150BY/m0-0.2305点位中误差/m—0.2310X/m1.21.0261CY/m0.60.8092点位中误差/m—0.2720平均点位中误差/m0.2263表182.4m和3.0m格网解算结果Table18Calculationresultsof2.4mand3.0mgrid点号真实值2.4m定位结果3.0m定位结果X/m1.21.0661.204A2Y/m1.21.2501.279点位中误差/m—0.1430.079X/m0.60.7231.168B2Y/m1.21.1141.016点位中误差/m—0.1500.597X/m00.7980.425C2Y/m1.21.0631.313点位中误差/m—0.8100.440X/m0.60.8520.541EY/m0.60.5330.975点位中误差/m—0.2610.380平均点位中误差/m0.3410.3745.4路径损耗指数对定位精度的影响定位误差的来源之一是对数距离路径损耗模型，因为室内环境复杂且各个位置-49- 华北理工大学硕士学位论文无线信号的传播情况都是不同的，所以同一个路径损耗指数不能完全契合各个位置的实际情况，路径损耗指数与区域无线传播情况不符，致使拟合出的距离不准确，最终影响位置估计误差。路径损耗指数的取值与周围环境紧密相关，常见环境中路径损耗指数的取值范围见表19。表19不同环境下的路径损耗指数取值Table19Pathlossindexvaluesindifferentenvironments环境路径损耗指数n走廊1.9