[發明專利]一種基于深度置信網絡的RFID室內定位方法

有效

• 申請號: 201810641590.4
• 申請日: 2018-06-20
• 公開（公告）號: CN108769969B
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 姜宏;孫晶;董思妍;張銘航;李頌;劉美儀;龐帥軒;張琪;周美含
• 申請（專利權）人: 吉林大學
• 主分類號: H04W4/80
• 分類號: H04W4/80;H04W64/00;G06N3/08;G06N3/04;G01C21/20;H04B17/318;H04B17/391;H04W4/021;H04W4/33
• 代理公司: 吉林長春新紀元專利代理有限責任公司 22100
• 代理人: 魏征驥

本發明涉及一種基于深度置信網絡的RFID室內定位方法，屬于室內定位技術領域。構建RFID信號室內傳播模型；獲取參考標簽在不同閱讀器處的接收信號強度值，構建指紋數據庫；利用DBN對指紋數據進行特征提取，提取后的深度特征與位置坐標一一對應形成新的指紋數據庫；將待定位標簽在不同閱讀器處的接收信號強度值經過DBN提取特征，并與指紋數據庫中的特征進行相似度比對，實現對待定位標簽的位置估計。優點在于：通過將RFID待定位標簽的特征與指紋數據庫中的特征進行相似度比對，能夠使得RFID室內定位更加準確；對于指紋數據集的采集，參考標簽可以循環使用，相較于實時定位系統，能夠時刻保證定位系統的有效性，使得系統具備穩定性。

技術領域

本發明屬于室內定位技術領域；涉及RFID室內定位系統，以及復雜室內電波傳播環境下RFID室內定位，尤其是涉及基于深度置信網絡和位置指紋的RFID室內定位方法。

背景技術

射頻識別技術(RFID)是一種以空間電磁波為傳輸媒介的非接觸式自動采集數據技術，具有體積小、技術成熟、速度快、防水防磁、功耗低、容量大、無機械磨損、壽命長、精度高等優點，它的發展給人們的生活、生產帶來了巨大的便利。

對物品進行定位是RFID系統的重要應用之一，具有廣泛的應用前景。現有的RFID定位方法在應對復雜室內環境時，在定位精度、定位時間、適應能力等關鍵性問題上仍存在一些亟待解決的問題，主要體現在：(1)由于RFID信號容易受到室內多徑效應、陰影效應、非視距傳播的影響，使得基于測距的TOA、TDOA、AOA、RSSI定位方法產生很大的定位偏差。(2)由于定位范圍不斷擴大及定位環境日益復雜，傳統的位置指紋定位方法對于大規模指紋數據庫的處理能力較差，而且當指紋數據庫數據不平衡時可能會使系統在定位精度及定位實時性等性能上存在劣勢。(3)目前，在定位范圍較大的情況下，LANDMARC等傳統定位系統所需參考標簽較多，一旦參考標簽失去工作能力，將導致定位系統癱瘓。而且，由于參考標簽布置過于密集時，標簽之間可能會產生干擾，使系統整體定位精度不高。迄今為止，在復雜電波傳播環境下實現對多個RFID待定位標簽的精準定位問題一直是一個難題。

基于位置指紋(Finger-Printing)的定位是一種新興的室內定位技術，近年來在Wifi定位中得到應用。指紋定位方法的出現為解決上述問題提供了一個有效的方法。基于位置指紋的RFID標簽定位是一種基于網絡的定位技術。信號傳播對于地理環境具有依賴性，體現很強的站點特殊性，這樣的特點被當做指紋。

然而，在某些實際應用場景，例如倉庫、圖書館、醫院等大規模定位環境及大量標簽的定位場景，小范圍、少標簽已經遠遠不能滿足實際應用的需求，在實時定位之前，大量位置指紋數據的獲取以及指紋數據庫的建立變得十分必要。因此，本文在位置指紋RFID定位的基礎上，引入深度置信網絡(Deep Belief Network，DBN)這一新的工具，以解決RFID多標簽定位的大數據處理問題。由于定位范圍的加大，離線數據的采集也相對加大，深度學習在動態指紋數據的建立、指紋特征的提取和訓練以及實時定位識別方面具有很大優勢。

深度學習的概念由Hinton等人于2006年提出，是對模式(如聲音，圖像)進行建模的一種方法，也是一種基于統計的概率模型，已成為學術界極度關注的研究熱點，在計算機視覺、目標識別、圖像分類、語音識別等領域得到了廣泛應用，并取得良好的效果。深度置信網絡屬于深度學習的一部分，其能夠精確地刻畫數據豐富的內在信息，對數據的刻畫更接近其本質。

隨著室內定位的發展，對于室內定位的要求也越來越高，因此在要求定位精準的基礎上，希望能夠適應各種各樣復雜多變的定位環境，節約能源并且能夠對產生的大量數據進行很好的處理。由于傳統的RFID室內定位具有在復雜電波傳播環境下定位精度差、環境適應性差、無法處理較大數據問題，所以，能否解決以上問題成為RFID室內定位算法的關鍵問題。目前，將深度置信網絡與位置指紋算法結合運用到RFID定位系統中，國內外尚未見任何有關報道。

發明內容