[发明专利]一种适于定向辐射场景的改进kNN无源超高频RFID定位方法

摘要

本发明属于射频识别领域，涉及一种适于定向辐射场景的基于改进kNN的无源UHF RFID室内定位方法。该方法以提升kNN算法在定向辐射场景下的定位性能为目的，步骤为：建立适于定向辐射场景的UHF RFID定位系统模型，依据弗里斯方程建立RSSI估计模型，联立天线辐射增益模型完成RSSI观测值的高精度估计，根据OSFRA选取优势RSSI测量值和近邻参考标签，采用NJW聚类算法确定最近邻参考标签，采用kNN算法完成目标标签的位置估计，引入动态映射机制以加速定位进程。本发明的特点是，能够有效改善定位精度和定位耗时并降低系统成本，满足仓储、物流等定向辐射应用场景下的UHF RFID定位需求。

主权项

1.一种适于定向辐射场景的改进kNN无源超高频RFID定位算法，其具体步骤如下：步骤1：以无源标签天线选用偶极子天线和阅读器天线选用贴片天线为建模条件，建立适于定向辐射场景的无源超高频RFID定位系统模型，系统包括四部分组成，分别为一个阅读器、一定数量的目标标签、一定数量的位置已知的参考标签、后台服务器，其中阅读器的天线被固定于云台上，并由步进电机控制可完成水平旋转动作以便扫描监测区域的多个标签，阅读器天线旋转一周后，对于任意一个标签，阅读器可以获得一组对应的RSSI(收信场强指示)测量值轮廓，轮廓上每个点表示阅读器天线在当前位置状态下获得的标签RSSI测量值；步骤2：依据弗里斯传输方程，估计阅读器读取的标签RSSI测量值的初始解引入阅读器的灵敏度阈值P_thres对P_R，T′修正，获得阅读器读取的标签RSSI测量值的修正解P_R，T，即若P_R，T′＞P_thres，则P_R，T＝P_R，T′，若P_R，T′≤P_thres，P_R，T＝P_thres，式中τ为调制效率，μ_T为功率传输效率，ρ_L为极化损耗因子，P_Tx为阅读器的发射功率，和表示标签天线与阅读器天线在直达传播路径上的增益，ψ是服从均值为0，均方值为σ的高斯分布的干扰，路径损耗λ为信号波长，d₀为阅读器天线与标签的直径距离，和是表示标签天线与阅读器天线相对于第i条反射路径的增益，N表示反射路径的个数，Γ_i是指第i条反射路径的复反射系数，为θ_i是指与反射面法线的入射角，q为偏振相关因子，ε_i为复介电常数；步骤3：以精确表达为目的，建立阅读器天线的分立辐射增益模型G_R(θ_R，φ_R)＝3.136[tan(θ_R)sin(0.5πcos(θ_R))cos(0.5πsin(θ_R)sin(φ_R))]²，阅读器天线的表面位于XOZ面上，且质心位于极点O中，表示某一电磁波的辐射方向，θ_R是指与所形成的夹角，φ_R是指与在XOY面的投影所形成的夹角；步骤4：以精确表达为目的，建立标签天线的分立辐射增益模型G_T(θ_T，φ_T)＝1.641[cos²(0.5πcos(θ_T))]sin^‑2(θ_T)，标签天线的长边位于Z轴，标签天线的短边位于X轴，θ_T是指与所形成的夹角，φ_T是指与在XOY面的投影所形成的夹角；步骤5：将标签天线和阅读器天线放置在同一个坐标系中，(x_T，y_T，z_T)和(x_R，y_R，z_R)为标签天线和阅读器天线的坐标，和表示标签天线和阅读器天线的位姿，是指与之间的倾斜角，是指与在XOY面上的投影之间的旋转角，是指与之间的倾斜角，是指与在XOY面上的投影之间的旋转角，步骤6：通过依据标签天线和阅读器天线的位置确定辐射方向进而将θ_R、φ_R、θ_T进行重新表示：θ_R＝arccos(Y₁/d)，x_R，T＝x_R‑x_T，y_R，T＝y_R‑y_T，z_R，T＝z_R‑z_T；步骤7：将θ_R和φ_R带入到步骤2的增益表达式中，将θ_T带入到步骤3的增益表达式中，那么和可以分别由和所得到；步骤8：以地板、障碍物等作为反射面进而精确表达和以地板为例，其反射点坐标为将(x_r，y_r，z_r)代替标签的位置坐标(x_T，y_T，z_T)，重新计算步骤6中的θ_R和并将重新计算出的θ_R和带入到步骤3的增益表达式中最终得到同样地，将(x_r，y_r，z_r)代替阅读器的位置坐标(x_R，y_R，z_R)，并且重新计算步骤4中的θ_T，并将重新计算出的θ_T带入到步骤3的增益表达式最终得到步骤9：将步骤7和步骤8所得到的带入到L(d₀)与P_R，T中，完成P_R，T的估计；步骤10：引入最佳单一固定旋转角(OSFRA)的概念，完成RSSI轮廓上的优势值选取和近邻参考标签的选取；步骤11：以精确描述阅读器天线的旋转工作状态为目的，定义固定旋转角(FRA)向量U为旋转角个数，假设任意两个相邻的旋转角的间隔是定值，那么FRA可以表示为为相邻旋转角的间隔，在阅读器天线旋转一周的过程中，仅当与相等时，阅读器天线停止旋转，并对标签进行扫描，u∈[1，U]，在扫描的过程中，为了减少由于所导致的影响，控制阅读器天线保持静止状态，直到每个标签的RSSI值被记录了n次，对于目标标签，将相对于的RSSI值向量定义为式中为相对于的n次RSSI平均测量值，此时将OSFRA定义为s_T中的最大值所对应的角度，即采用相似方法可以获得每个参考标签的OSFRA，对于每一个目标标签，将近邻参考标签定义为与目标标签有相同的OSFRA的参考标签，选用近邻参考标签对目标标签的位置进行估计；步骤12：采用NJW算法完成最近邻参考标签的提取，当最近邻参考标签被确定以后，根据典型的kNN(k近邻参考法)算法来计算目标标签的位置(x，y)，即式中(x_R，h，y_R，h)表示第h个最近邻参考标签的坐标，是在OSFRA上实现的第h个最近邻参考标签的平均RSSI测量值，H为基于NJW算法所分配给目标标签的参考标签数量；步骤13：以精确评价阅读器天线旋转方式的工作效率为目的，定义旋转角个数U不超过8的扫描模型为粗粒度模式(CGS)，定义旋转角个数U超过8的扫描模式为细粒度模式(FGS)，相对于CGS，FGS具有更小的相邻旋转角的间隔，因此具有更高的定位精度，但却以更高的定位耗时为代价；步骤14：将阅读器天线旋转一周完成标签定位所需时间定义为耗时评价指标T＝T_R+T_S，其中旋转耗时为T_R＝2π/ω，ω为旋转角速度，对于扫描耗时为T_S，假设在CGS和FGS中旋转角速度ω是相同的，那么在两种模型下的T_R相同，对于扫描时间T_S，其可以表示为其中T_S，u是指在阅读器天线处于时读取标签身份信息和测量RSSI的耗时，可借助时间函数t表示为T_S，u＝t(B_u，n)，B_u表示当前检测到的标签数量；步骤15：引入动态映射机制对阅读器天线的旋转方式进行优化控制进而改善步骤14中的定位耗时，首先控制阅读器天线在CGS下旋转一周，记录每个标签的OSFRA，对于第i个目标标签，定义其CGS映射空间为为基于CGS的OSFRA，为CGS下相邻FRA之间的间隔，进一步可得定制化的FGS映射空间整数w满足表达式和表达式式中是FGS下相邻两个FRA之间的间隔；步骤16：然后控制阅读器天线按照步骤15中定制化的FGS旋转一周，此时，系统的扫描映射空间可以通过得到，即Q为目标标签的个数，在旋转过程中，当等于中任意一个元素时，阅读器天线停止旋转开始扫描标签；步骤17：为了便于对比，定义基于当前动态映射机制下的耗时评价指标为T^D＝(T^C+T^F，C)/2，T^C是步骤15中的CGS下的耗时，T^F，C是步骤16中的定制化的FGS下的耗时。