[发明专利]一种基于SVR和PSO的RFID标签室内定位方法及设备在审
申请号: | 201810267979.7 | 申请日: | 2018-03-29 |
公开(公告)号: | CN108489495A | 公开(公告)日: | 2018-09-04 |
发明(设计)人: | 胡静;宋铁成;杨丽;徐洁;夏玮玮;燕锋;沈连丰 | 申请(专利权)人: | 东南大学 |
主分类号: | G01C21/20 | 分类号: | G01C21/20;G01S5/06;G06K7/10;G06N3/00 |
代理公司: | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人: | 孟红梅 |
地址: | 211189 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 待定位标签 阅读器 参考标签 距离矩阵 非线性方程组 目标函数 室内定位 位置坐标 构建 非线性映射关系 矩阵 射频识别技术 求解问题 优化问题 物联网 有效地 最优解 迭代 优化 标签 转化 | ||
本发明公开了一种基于SVR和PSO的RFID标签室内定位方法及设备,属于物联网射频识别技术领域,该方法包括:将参考标签的RSSI矩阵与参考标签的距离矩阵通过非线性SVR进行训练,构建RSSI与距离的非线性映射关系,由此得出待定位标签与阅读器的距离矩阵。根据待定位标签的距离矩阵以及阅读器的位置坐标,构建出计算待定位标签位置的非线性方程组;将非线性方程组求解问题转化为目标函数的优化问题,利用PSO优化方法通过迭代寻求目标函数的最优解即为待定位标签的位置坐标。本发明充分利用参考标签的RSSI和阅读器的位置信息,通过SVR和PSO优化方法有效地提高了标签的定位精度。
技术领域
本发明涉及一种基于支持向量回归机(SVR)和粒子群优化(PSO)的射频识别(RFID)标签室内定位方法及设备,属于物联网射频识别技术领域。
背景技术
射频识别是一种无线通信的自动识别技术,它采用无线射频信号完成物品信息的采集和传输,具有非视距,非接触,成本低,环境适应能力强等优点,被称为是21世纪十大重要技术之一。随着5G时代的来临,RFID技术作为物联网的一项核心支撑技术,它通过读写器和电子标签之间的通信,可以对物体进行信息数据搜集,为上层应用提供准确有效的数据支持。随着其性能的不断提高以及在物流,物品供应链等应用领域的普及,射频识别技术已经渗透到人们日常生活的各个方面,其中RFID定位技术由于其成本较低,响应速度较快等特点为室内人员以及物品的位置感知和追踪提供了解决方案。
目前在室外定位中最常用的技术是通过卫星定位的GPS定位和北斗定位系统,它们定位精度较高,但不适用于室内定位,一是由于室内场所具有较强的封闭性,信号穿过建筑物后衰减严重,以至于无法定位,二是由于室内环境比室外环境复杂很多,定位误差大,无法满足人们对室内位置信息的需求。目前在室内定位中比较常用的技术是红外线定位,ZigBee定位,Wi-Fi定位,RFID定位等等。红外线定位精度高,但红外线传播距离远,只能视距传播且设备昂贵为其实际应用带来局限性;ZigBee定位功耗小,成本低,但是传播距离短,传输速率不高;Wi-Fi定位精度高,成本低,但是其范围有限,易受其他信号干扰;RFID定位技术是一种利用读写器和电子标签之间的双向数据交换,对待测目标进行识别和定位,此技术成本低,环境适应能力强,可以在很短的时间内达到较高的定位精度,因此RFID定位技术得到越来越多的关注。
射频识别定位方法可以分为测距算法和非测距算法。测距算法的实质是测量标签与阅读器之间的方位或距离进行定位,各个算法采用的测距方法不同,比如TOA,TDOA是根据信号到达时间测距;AOA是根据信号到达角测距;RSSI是根据信号接收强度测距等等。非测距定位算法以场景分析法为主。LANDMARK算法是比较成熟的基于场景分析的RFID室内定位方法。该方法引入了参考标签,减少了阅读器的数量,有效地降低了系统的成本,但是定位精度与参考标签的密度紧密相关,密度越大定位误差越小,但是当密度过大时,标签之间又会产生信号的干扰,导致搜集的信息不准确,定位精度不高。
发明内容
发明问题:针对上述现有技术的不足,本发明的目的是提供一种基于SVR和PSO的RFID标签室内定位方法及设备,该方法采用非线性支持向量机回归计算待定位标签与阅读器距离,并采用粒子群优化降低定位误差,有效地提高了定位精度。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种基于SVR和PSO的RFID标签室内定位方法,该方法包括如下步骤:
(1)根据阅读器获取的均匀分布在室内的参考标签的信号强度值RSSI建立参考标签的RSSI矩阵;根据参考标签与阅读器之间的距离建立参考标签的距离矩阵;
(2)将参考标签的RSSI矩阵作为样本的输入值,将参考标签的距离矩阵作为样本的期待输出值,两者通过非线性SVR进行训练,得到决策函数,构建RSSI与距离的非线性映射关系;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东南大学,未经东南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810267979.7/2.html,转载请声明来源钻瓜专利网。