[发明专利]一种基于均值聚类随机粒子群算法的RFID定位方法

权利要求书

1.一种基于均值聚类随机粒子群算法的RFID定位方法，其特征在于包括以下步骤：

步骤1：在指定的室内区域中任意摆放M个参考标签、K个阅读器和一个待定位标签tag，已知各个参考标签的坐标，由阅读器获得待定位标签tag和各参考标签的RSSI信号强度，将阅读器k在t时刻获取的参考标签ref的RSSI信号强度记为参考标签信号强度RSSI_refk(t)，将阅读器k在t时刻获取的待定位标签tag的RSSI信号强度记为待定位标签信号强度RSSI_tagk(t)，其中，1≤ref≤M,1≤k≤K；

步骤2：采用阀值小波算法对所述参考标签信号强度RSSI_refk(t)和待定位标签信号强度RSSI_tagk(t)按如下过程进行信号处理，消除噪声；

步骤2.1：设s(t)为原始信号，n(t)为服从N(0,σ²)的高斯白噪声，则加入高斯白噪声的观测信号f(t)由式(1)所表征：

f(t)＝s(t)+n(t) (1)

所述参考标签信号强度RSSI_refk(t)和待定位标签信号RSSI_tagk(t)同样地由式(1)所表征，分别是由原始参考标签信号强度RSSI^c_refk(t)和原始待定位标签信号强度RSSI^c_tagk(t)与高斯白噪声信号n(t)组成，如式(2)所示：

将参考标签信号强度RSSI_refk(t)和待定位标签信号强度RSSI_tagk(t)记为标签信号A；

步骤2.2：根据离散小波函数分别对t时刻获取到的各标签信号A进行小波变换处理，分别获得所述各标签信号A的观测信号、原始信号和高斯白噪声的小波系数；

以a_j,g表征标签信号A在第j分解层的观测信号的小波系数，

以b_j,g表征标签信号A在第j分解层的原始信号的小波系数，

以c_j,g表征标签信号A在第j分解层的高斯白噪声的小波系数，

则有：

a_j,g＝b_j,g+c_j,g (3)

j表示分解的层数，j＝0,1,2..J；g＝0,1,2..N，J为小波变换最大分解层，N为信号长度；

针对a_j,g、b_j,g和c_j,g设置阈值函数η(x,th)和阈值th进行去噪，减少噪声对信号的影响；

所述阈值函数η(x,th)由式(4)所表征：

以x表示小波分解后的信号小波系数，x＝a_j,g,b_j,g,c_j,g；

阈值th由式(5)计算获得：

μ为噪声的方差，μ＝median(|x|)/0.6745；

由式(4)和式(5)获得去噪后的小波信号系数η(a_j,g,th)，η(b_j,g,th)和η(c_j,g,th)，利用所述去噪后的小波信号系数η(a_j,g,th)，η(b_j,g,th)和η(c_j,g,th)进行小波重构，得到原始参考标签信号强度RSSI^c_refk(t)和原始待定位标签信号强度RSSI^c_tagk(t)；

步骤3：将指定的室内区域初始化为L个粒子，将每个粒子当成虚拟参考标签，通过SDQRI算法中的二次回归曲线插值法计算获得每个粒子的RSSI信号强度；

步骤4：将L个粒子进行随机聚类划分，建立均值聚类随机粒子群模型；通过均值聚类随机粒子群算法获得最优虚拟参考标签位置，依据所述最优虚拟参考标签位置估算出待定位标签tag的位置。