[发明专利]基于特征加权支持向量机的RFID智能图书定位方法

权利要求书

1.一种基于特征加权支持向量机的RFID智能图书定位方法，其特征在于，包含如下步骤：

S1、在书架的特定位置布设多根RFID读写器天线，所使用的书籍贴上超高频RFID柔性标签；

S2、在书架的每个区域内边缘位置分别放置参考标签，每个区域内的参考标签为一组；

S3、利用多根RFID读写器天线发射射频信号并接收到所有标签返回的信号值组成数据集，分别包括参考标签数据集与书籍标签数据集；

S4、基于S3中得到的多天线的信号值，同一标签不同天线的信号值组成标签的特征向量；

S5、对于S4中的特征向量通过加权算法对各个分量进行加权；

S6、对于S5中得到的加权后的特征向量值代入到支持向量机多分类算法中，在训练阶段，通过已知位置区域标签的信号强度特征向量值进行训练，对算法的参数进行调整，得到训练后的模型；

S7、对于S6中通过训练得到的模型，将S5中的得到的位置未知的特征向量值代入到模型中得到其位置区域。

2.如权利要求1所述的基于特征加权支持向量机的RFID智能图书定位方法，其特征在于，所述的步骤S1具体包括：

以书架中线为分割，将书架分为左右与上下4个区域，天线分别在以中线为交点及中线共同分割的四条线的中点位置。

3.如权利要求1所述的基于特征加权支持向量机的RFID智能图书定位方法，其特征在于，所述的步骤S2包括：

在书架每个区域格子中的上部中心区域，下部中心区域，左面中心区域，右面中心区域。

4.如权利要求1所述的基于特征加权支持向量机的RFID智能图书定位方法，其特征在于，所述的步骤S4中所组成的特征向量值为：

通过多个天线采集到的同一标签的信号强度值组成特征向量值，如式x_i＝{x_i1,x_i2,…,x_iK}，其中x_i表示第i个标签的特征向量值，x_ik表示第k个天线接收到的标签的信号强度值。

5.如权利要求4所述的基于特征加权支持向量机的RFID智能图书定位方法，其特征在于，所述的步骤S5中特征加权的权值计算包括：

通过式β_il＝x_il/(x_1i+x_2l+,…,+x_il,…,+x_Kl)进行权值的计算，式中β_il表示标签l的i分量的权重，x_il表示标签L的i分量。

6.如权利要求1所述的基于特征加权支持向量机的RFID智能图书定位方法，其特征在于，所述的步骤S6包括：

S61、对所有的类别两两建立二分类器，最终建立(K-1)K/2个二分类器；K为天线的个数；

S62、通过天线得到位置已知的标签信号强度值与待预测的标签信号强度值特征向量；

S63、基于步骤S5将得到特征向量值进行加权；

S63、利用位置区域已知的数据集对这(K-1)K/2个分类器进行训练，得到(K-1)K/2个预测模型；

S64、利用得到的待预测数据加权后的特征向量值各个分量分别与参考标签的信号强度值大小进行对比，将参考标签更大的区域进行排除；

S65、选择一定数量的参考标签更大的区域，结合得到的区域组成待预测区域集；

S66、选择包含待预测区域集中区域的分类器，将待预测信号特征向量带入到模型中进行预测，得到多个分类器的预测结果；

S67、统计所有分类结果，出现次数最多的即为最终区域；

S68、如果出现次数最多区域出现多个，即有多个得票数相同的最多区域，根据参考标签与待预测标签信号值大小进行比对，根据欧氏距离公式，选择标签距离最近的区域。