[发明专利]一种基于LANDMARC的室内定位优化方法

说明书

一种基于LANDMARC的室内定位优化方法，提出了一种最优K值算法，是基于RFID技术的改进算法，该算法通过对选定邻居参考标签的数目K进行规定，将K按照待测标签摆放位置的不同情况取一个变化的值，对邻近参考标签进行进一步筛选，从而达到提高LANDMARC室内定位精度的效果。首先通过阅读器读取参考标签和待测标签的RSSI值；然后计算待测标签与参考标签之间的欧几里得距离；通过权重质心算法计算K=4时待测标签的坐标；计算每个邻居参考标签到待测标签的距离，并选出最大距离；判断待测标签的定位误差及位置来决定K的取值，进一步得到待测标签位置。本发明适用于室内定位应用领域，提高了LANDMARC定位系统的精度，为在复杂条件下提高定位算法精度的研究打下了良好的基础。

技术领域

本发明是一种基于LANDMARC(location identity based on dynamic activeRFID calibration)的室内定位优化方法，属于室内定位应用领域。

背景技术

在室内定位系统中，基于无线射频识别RFID(Radio Frequency Identification)的LANDMARC室内定位技术是应用最广泛的室内定位技术之一，因为射频识别技术具有诸如非视距、短时延、低造价、高性能等优点，而LANDMARC系统使用价格低廉的参考标签进行辅助定位，大大降低了定位系统的运行成本。

LANDMARC室内定位算法最早由香港科技大学的Lionel M.Ni、Yunhao Liu和密歇根大学的Yiu Cho Lau、Abhishek Patil等人的课题组于2003年提出的一种基于信号强度值进行定位的最典型应用。它主要的设计思想是在定位场景布置参考电子标签，通过比较参考电子标签和待测标签在各个阅读器上的信号强度值以及欧几里得距离，再利用K的邻近算法选出K个差值最小的参考电子标签作为邻居参考标签，最后通过对邻居参考标签加权求出待测标签的位置。然而在上述过程中，邻居参考标签一旦错选或漏选，定位系统的精度就会大打折扣。

针对邻居参考标签选取的问题，国内外学者已经提出了一些改进的方法。例如2010年Kyuwon Han、Sung Ho Cho等人在《Advanced LANDMARC with adaptive k-nearestalgorithm forRFID location system》一文中分析了邻居参考标签数量对LANDMARC系统定位精度的影响，并且提出了一种自适应K邻近算法。该方法主要思想：在LANDMARC算法流程中，计算待测标签与参考标签之间的欧几里得距离后，选择欧几里得距离最小的参考标签作为关键参考标签，并将该标签试作待测标签，K分别取1～5运用LANDMARC算法计算出其理论位置，由于关键参考标签的位置已知，便可得到K在不同取值下的误差，取误差最小的K值作为邻居参考标签的个数。然而这种方法需要不断重复LANDMARC算法的流程，计算量过大，增加了算法的复杂度。2013年张晓丹、黄海燕等人在《基于免疫克隆算法的LYQ聚类算法权值优化》中提出了一种聚类思想，从K个参考标签中选出与待测标签最近的两个标签作为聚类边界，并与待测标签组成一个聚类，同时通过与免疫克隆算法中的变异思想相结合产生新的集合来取代K个邻居参考标签，最终降低了待测标签的定位误差，但是由于免疫克隆算法尚未成熟，因此系统稳定性较差。

发明内容

本发明的目的是提供一种基于LANDMARC的室内定位优化方法，提出了一种最优K值算法来对选定邻居参考标签的数目K进行规定，将K按照待测标签摆放位置的不同情况取一个变化的值，对邻近参考标签进行进一步筛选，从而计算出待测标签实际的坐标信息，达到改进LANDMARC算法定位精度的效果。

一种基于LANDMARC的室内定位优化方法，包括如下步骤：

步骤1，通过阅读器把待测标签和参考标签相对应的信号强度值计算出来；

步骤2，通过上一步获取到的信号强度值，计算出参考标签相对于待测标签的欧几里得距离并按照LANDMARC算法计算待测标签的初始坐标；