RFID室內區域細化目標定位算法優化仿真

許建國，盧東方

(長江大學工程技術學院，湖北荊州 434020)

1 引言

隨著科技與社會的發展獲取環境中物體信息的需求與日俱增，能夠為井下煤礦工人位置探測、物流運營管理等社會活動提供精準的定位服務，因此社會定位服務的重要性日益凸顯[1]，這極大地刺激了人們對于通信領域無線定位技術的關注度，并逐漸演變成了人們關注的熱門話題[2]。近年來，在定位方法中引入無線傳感器網絡、紅外線以及射頻識別(Radio Frequency Identification，RFID)等技術的研究如火如荼[3]。其中，射頻識別技術的應用范圍最為廣泛，究其原因是該技術對目標物體的識別是通過無線電波完成，而且與其它技術相比具有多種顯著優勢，比如高精度、大范圍以及低成本等。隨著社會多個領域對于三維空間定位需求越來越大，多個領域都需要獲取室內環境中的目標物體參數，因此定位技術的研究方向逐漸向室內環境轉移。

文獻[4]根據環境因素對當前定位算法精度的影響，構建出一種異步優勢動作評價(Asynchronous Advantage Actor Critic，A3C)結合射頻識別的室內定位算法，設定輸入值為射頻識別信號強度RSSI值(Received Signal Strength Indication，接收的信號強度指示)，令線程子動作網絡執行并行交互采樣操作，根據子評價網絡對信號強度的評估結果對定位模進行改進，獲取信號強度RSSI值的最優解，將最優解深入定位模型進行訓練，當全局網絡接收到子線程網絡按照固定周期進行的網絡參數異步更新結果后，輸出參考標簽方位，待定位區域中出現待定位目標后，在定位模型中輸入得到的目標RSSI值，利用全局網絡與子線程網絡取得更新后的定位信息，達成目標定位的目標，輸出定位結果；文獻[5]為減小測距模型的測量誤差設計了一種改進遺傳算法-廣義回歸神經網絡的定位算法，結合廣義回歸神經網絡(General Regression Neural Network，GRNN)，構建節點定位模型，利用遺傳算法(Genetic Algorithm，GA)完成最優平滑參數設置，設定輸入項為信號強度值，輸出節點位置，實現目標定位。

由于上述文獻算法的參考標簽布設密度較低，導致定位精度下降，因此，本文以文獻算法的優勢上，結合射頻識別技術，進行室內區域細化目標定位算法優化研究。該算法通過縮短較小密度值邊緣區域與較大密度值區域之間的距離，獲取更精準的定位結果，并通過簡化讀寫器數量代數式，降低運算復雜度，以提升定位算法的綜合性能。

2 基于參考標簽的非測距定位算法

假設定位區域中的讀寫器、參考標簽以及待定位標簽數量分別是n、u和m，其中，待定位目標標簽與參考標簽的信號強度矩陣[6]分別用式(1)與式(2)表示

(1)

(2)

由上列各式可以推導出，第i(i≤n)個讀寫器接收的第j(j≤m)個待定位標簽與第r(r≤u)個參考標簽信號強度值分別為Sij與θir，采用下列公式界定第j個待定位目標標簽與第r個參考標簽之間的鄰近度

(3)

式中，t表示定位時長間隔。

將待定位目標標簽的最近鄰域分解為k個較小的鄰近度，并以此來界定經驗權重，其表達式如下所示

(4)

因此得到下式所示的待定位目標標簽三維坐標數據

(5)

假設目標標簽實際坐標為(x0，y0，z0)，則該標簽的非測距定位算法表示如下

(6)

非測距定位算法雖然計算簡便，環境因素對其精度會產生一定的影響，且過于依賴參考標簽的密集度與精準度，因此該算法的定位精準度不夠理想，定位結果存在較大偏差。

3 RFID室內區域細化目標定位算法優化

為解決上述算法中存在的弊端，需要對該算法進行優化，其基本思想為：用三維密度地圖取代三維鄰近地圖，并在此基礎上求解待定位目標標簽給定坐標與三維密度地圖鄰近坐標之間的幾何平均值，以細化待定位目標標簽潛在區域；利用標簽信號強度調節策略，測量待定位區域中讀寫器信號檢測范圍，對檢測區域實施進一步的細化處理，待定位目標標簽輸出射頻信號后，以讀寫器接收信號強度編碼為依據，獲取目標標簽位置。

3.1 待定位目標標簽區域細化

三維鄰近地圖采用含有參考標簽坐標與虛擬參考標簽坐標的單位矩陣加以描述，通過“真”“假”標記判定待定位目標標簽與鄰近坐標關系。

三維鄰近地圖內任意坐標點附近的“真”坐標即為三維密度地圖坐標，該坐標具備不唯一性，當3*3*3矩陣中的一個坐標點P被鄰近坐標全包圍時，該坐標點的鄰近坐標個數為26個，如下圖1(a)所示。當某個坐標點出現“假”鄰近坐標時，該坐標點數值不變；反之，該坐標點數值加1，如下圖1(b)、(c)所示。用A、B、C、D表示“真”坐標點，經過運算，即可得到各坐標密度值。

圖1 目標標簽區域細化示意圖

通過縮短較小密度值邊緣區域與較大密度值區域之間的距離，實現三維密度地圖細化，以獲取更精準的定位結果。細化階段的基礎是待定位目標標簽坐標與鄰近坐標之間的幾何平均值計算結果，計算公式如下所示

(7)

式中，坐標點P與鄰近坐標的幾何平均值為DP，鄰近坐標數量為ν個。

利用上列計算公式即可解得上圖1(b)中A、B、C、D四個“真”坐標點與鄰近坐標的幾何平均值。當密集區域坐標不唯一時，迭代處理細化過程，只到所得最大密度值具有唯一性終止。

3.2 基于區域細化的RFID目標定位

將待定位目標標簽的發射信號強度調節設定成弱、中、強三個等級，其中目標標簽的正常信號強度為強等級。由于讀寫器接收到的標簽發射信號強度會被某些因素弱化，所以把信號強度編碼置于發射出的射頻信號內，并采取二進制[7]編碼，弱、中、強三個等級編碼為01、10、11。經過信號強度編碼分析，明確待定位區域中讀寫器測量信號的允許范圍，進一步細化室內區域。目標標簽先發送強等級射頻信號，根據各讀寫器的測量范圍，明確參與定位的讀寫器編號，結合其檢測強度最大范圍的交集部分，獲取目標存在可能性較大的定位區域，然后根據待定位目標標簽依次發射中度等級和弱度等級的射頻信號，明確對應定位區域，根據三種可能的定位區域交集，獲取目標標簽的最小區域。

(8)

將細化的區域分別設定為Amax、Amid與Amin，依據圖2中所示的兩個讀寫器與待定位目標標簽tag進行舉例說明。

圖2 讀寫器檢測區域交集

1)當兩讀寫器都測得目標標簽的強等級射頻信號時，待定位目標標簽tag的檢測區域交集表達式如下所示

(9)

2)假設1號讀寫器測到中等級信號，而2號未接收到中級以下信號，則采用下列各式分別描述位于1號讀寫器與2號讀寫器環形測量范圍中的待定位目標標簽tag檢測區域交集

(10)

(11)

3)根據上列各式推導出目標標簽tag的最小區域，也就是上圖2中的陰影相交部分，表達式如下所示

(12)

已知在區域Φmax內，參考標簽數量是U∈(1，u)，用N代替所選讀寫器數量N-1，為簡化計算復雜度，并對各信號強度矩陣式(1)、式(2)進行相應改寫，推導出目標標簽P與所選參考標簽的信號強度向量表達式分別如下

(13)

(14)

改寫式(3)待定位目標標簽與參考標簽之間的鄰近度的計算公式后，得到下列待定位目標標簽P的信號強度歐幾里得距離[8]界定公式

(15)

其中，經驗權重表達式(4)不用改寫，由于最近鄰域較小臨近程度k值是給定參數，因此區域Φmax中的參考標簽個數滿足U

4 目標定位算法實驗

4.1 實驗環境

采用Impinj公司研發的speedway R420讀寫器、speedway IPJ A6001-000天線、五類雙絞線、全相電子標簽、RF電纜、路由器以及PC機等搭建實驗平臺。其中，PC機測試軟件選用的是Multi-Reader for Speed way Gen2 RFID v6.4.1.185版本；定位系統硬件配置分別是Windows 10操作系統，Intel i5 3.6GHz雙核處理器，8GB內存。

通過上述裝置仿真出一個實驗用的室內環境抽象布局。假設閱讀器能夠對全部標簽進行檢測，則設定各參考標簽與待定位標簽的檢測次數為10，上傳至上位機后，獲取文獻[4]、[5]算法以及本文算法的定位實驗結果。

4.2 各指標對定位效果的影響

4.2.1 定位時間影響分析

假定RFID讀寫器處于任意移動狀態，所以定位算法的精度會隨定位時間的改變而發生變化。下圖3所示為定位時間與定位精度之間的相關性。

圖3 時間與精度關系示意圖

從圖3中的曲線走勢可以看出，算法優化前的定位精度誤差較大且沒有下降趨勢，而優化后的本文算法利用三維密度地圖對定位過程進行了細化，所以定位精度大幅度提升。

4.2.2 讀寫器個數影響分析

分別利用1個、5個、10個RFID讀寫器，取十次定位結果的均值來驗證算法性能，比對情況如圖4所示。

圖4 讀寫器個數與精度關系示意圖

通過分析圖4可知，RFID讀寫器數量越多，算法的穩定性與準確性越好，結合系統成本與定位實時性等因素后，決定選取10個RFID讀寫器參與實驗，以確保算法的綜合性能。

4.3 算法性能對比

4.3.1 定位模擬結果對比分析

圖5為各算法的定位模擬結果。

圖5 各算法定位結果

由圖5可知，相對于文獻[4]、[5]算法，本文算法由于采用了三維密度地圖取代三維鄰近地圖，并通過計算待定位目標標簽給定坐標與三維密度地圖鄰近坐標間幾何平均值，完成了待定位目標標簽潛在區域細化，所以極大程度提升了定位精度，優越性顯著。

4.3.2 定位誤差

為進一步驗證算法的有效性，對比文獻[4]、[5]算法以及本文算法的定位誤差，所得對比結果如圖6所示。

圖6 各方法定位誤差對比圖

分析圖6可知，本文算法的定位誤差始終小于文獻[4]、[5]算法，這是由于該算法采取了標簽信號強度調節策略，所以各目標標簽的定位誤差較小。

4.3.3 定位時長

各算法的目標定位所需時長對比結果如圖7所示為。

圖7 各方法定位時長對比圖

由上圖7可知，對比文獻[4]、[5]算法相比，本文算法通過采取多種簡便運算策略，降低了布置密集參考標簽的工作量，在一定程度上縮短了定位時長。

5 結論

無線技術與移動通信技術飛速發展，服務對象位置信息作為情境感知服務技術領域的一個關鍵環境參數，對情境服務的有效落實起著決定性作用。由于一些室內公共環境的建筑會影響信號傳遞，削弱信號強度，所以，室外定位技術并不適用，因此，本文采用具有非接觸、短時延等諸多優勢的RFID技術，開展室內區域細化目標定位算法的優化仿真。由于無法確定算法中的各項指標都是最優參數，因此，在下一步的工作計劃中，應根據先驗測量信息，嘗試構架置信階數回歸模型，實現參數動態設置；應分別建立無源與有源RFID定位系統，提升算法仿真數據的可靠性；因現實室內環境復雜多變，存在多種信號干擾因素，應在不同的室內環境搭建實驗平臺，繼續探索復雜信號的定位算法，增加算法的適應能力；在算法中融入智能學習等創新技術，進一步強化定位算法的綜合性能，為提升應用價值奠定基礎。