[發明專利]一種基于SVR和PSO的RFID標簽室內定位方法及設備在審
| 申請號: | 201810267979.7 | 申請日: | 2018-03-29 |
| 公開(公告)號: | CN108489495A | 公開(公告)日: | 2018-09-04 |
| 發明(設計)人: | 胡靜;宋鐵成;楊麗;徐潔;夏瑋瑋;燕鋒;沈連豐 | 申請(專利權)人: | 東南大學 |
| 主分類號: | G01C21/20 | 分類號: | G01C21/20;G01S5/06;G06K7/10;G06N3/00 |
| 代理公司: | 南京蘇高專利商標事務所(普通合伙) 32204 | 代理人: | 孟紅梅 |
| 地址: | 211189 江*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 待定位標簽 閱讀器 參考標簽 距離矩陣 非線性方程組 目標函數 室內定位 位置坐標 構建 非線性映射關系 矩陣 射頻識別技術 求解問題 優化問題 物聯網 有效地 最優解 迭代 優化 標簽 轉化 | ||
本發明公開了一種基于SVR和PSO的RFID標簽室內定位方法及設備,屬于物聯網射頻識別技術領域,該方法包括:將參考標簽的RSSI矩陣與參考標簽的距離矩陣通過非線性SVR進行訓練,構建RSSI與距離的非線性映射關系,由此得出待定位標簽與閱讀器的距離矩陣。根據待定位標簽的距離矩陣以及閱讀器的位置坐標,構建出計算待定位標簽位置的非線性方程組;將非線性方程組求解問題轉化為目標函數的優化問題,利用PSO優化方法通過迭代尋求目標函數的最優解即為待定位標簽的位置坐標。本發明充分利用參考標簽的RSSI和閱讀器的位置信息,通過SVR和PSO優化方法有效地提高了標簽的定位精度。
技術領域
本發明涉及一種基于支持向量回歸機(SVR)和粒子群優化(PSO)的射頻識別(RFID)標簽室內定位方法及設備,屬于物聯網射頻識別技術領域。
背景技術
射頻識別是一種無線通信的自動識別技術,它采用無線射頻信號完成物品信息的采集和傳輸,具有非視距,非接觸,成本低,環境適應能力強等優點,被稱為是21世紀十大重要技術之一。隨著5G時代的來臨,RFID技術作為物聯網的一項核心支撐技術,它通過讀寫器和電子標簽之間的通信,可以對物體進行信息數據搜集,為上層應用提供準確有效的數據支持。隨著其性能的不斷提高以及在物流,物品供應鏈等應用領域的普及,射頻識別技術已經滲透到人們日常生活的各個方面,其中RFID定位技術由于其成本較低,響應速度較快等特點為室內人員以及物品的位置感知和追蹤提供了解決方案。
目前在室外定位中最常用的技術是通過衛星定位的GPS定位和北斗定位系統,它們定位精度較高,但不適用于室內定位,一是由于室內場所具有較強的封閉性,信號穿過建筑物后衰減嚴重,以至于無法定位,二是由于室內環境比室外環境復雜很多,定位誤差大,無法滿足人們對室內位置信息的需求。目前在室內定位中比較常用的技術是紅外線定位,ZigBee定位,Wi-Fi定位,RFID定位等等。紅外線定位精度高,但紅外線傳播距離遠,只能視距傳播且設備昂貴為其實際應用帶來局限性;ZigBee定位功耗小,成本低,但是傳播距離短,傳輸速率不高;Wi-Fi定位精度高,成本低,但是其范圍有限,易受其他信號干擾;RFID定位技術是一種利用讀寫器和電子標簽之間的雙向數據交換,對待測目標進行識別和定位,此技術成本低,環境適應能力強,可以在很短的時間內達到較高的定位精度,因此RFID定位技術得到越來越多的關注。
射頻識別定位方法可以分為測距算法和非測距算法。測距算法的實質是測量標簽與閱讀器之間的方位或距離進行定位,各個算法采用的測距方法不同,比如TOA,TDOA是根據信號到達時間測距;AOA是根據信號到達角測距;RSSI是根據信號接收強度測距等等。非測距定位算法以場景分析法為主。LANDMARK算法是比較成熟的基于場景分析的RFID室內定位方法。該方法引入了參考標簽,減少了閱讀器的數量,有效地降低了系統的成本,但是定位精度與參考標簽的密度緊密相關,密度越大定位誤差越小,但是當密度過大時,標簽之間又會產生信號的干擾,導致搜集的信息不準確,定位精度不高。
發明內容
發明問題:針對上述現有技術的不足,本發明的目的是提供一種基于SVR和PSO的RFID標簽室內定位方法及設備,該方法采用非線性支持向量機回歸計算待定位標簽與閱讀器距離,并采用粒子群優化降低定位誤差,有效地提高了定位精度。
技術方案:為實現上述目的,本發明采用的技術方案為:
一種基于SVR和PSO的RFID標簽室內定位方法,該方法包括如下步驟:
(1)根據閱讀器獲取的均勻分布在室內的參考標簽的信號強度值RSSI建立參考標簽的RSSI矩陣;根據參考標簽與閱讀器之間的距離建立參考標簽的距離矩陣;
(2)將參考標簽的RSSI矩陣作為樣本的輸入值,將參考標簽的距離矩陣作為樣本的期待輸出值,兩者通過非線性SVR進行訓練,得到決策函數,構建RSSI與距離的非線性映射關系;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于東南大學,未經東南大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810267979.7/2.html,轉載請聲明來源鉆瓜專利網。





