張金藝， 張晶晶， 李若涵， 徐德政， 徐秦樂

1．上海大學(xué)特種光纖與光接入網(wǎng)省部共建教育部重點實驗室，上海200072

2．上海大學(xué)微電子研究與開發(fā)中心，上海200072

3．上海大學(xué)教育部新型顯示與系統(tǒng)應(yīng)用重點實驗室，上海200072

隨著現(xiàn)代計算機技術(shù)及無線網(wǎng)絡(luò)的飛速發(fā)展，人們逐步尋求一種可以隨時隨地提供用戶需求的智能型服務(wù)，其中人們所處的位置是判斷提供何種服務(wù)的重要信息之一[1].2012年8月，由Sony、Nokia、Samsung、Qualcomm等20多家廠商聯(lián)手成立了室內(nèi)定位聯(lián)盟（In-Location Alliance），旨在發(fā)展高精確度室內(nèi)定位（high accuracy indoor positioning,HAIP）技術(shù)和相關(guān)服務(wù)，共同推動室內(nèi)定位的技術(shù)發(fā)展與應(yīng)用普及.可見，室內(nèi)定位已成為大家關(guān)注的熱點，有望在未來的智能化服務(wù)方面衍生出龐大的商業(yè)模式與應(yīng)用.全球定位系統(tǒng)（global positioning system,GPS）、伽利略衛(wèi)星導(dǎo)航定位等是比較成功的室外定位技術(shù)，但受定位時間、定位精度、室內(nèi)復(fù)雜環(huán)境等條件的限制，且對室內(nèi)定位的精度要求較高，故GPS等室外定位系統(tǒng)不能滿足室內(nèi)定位的需求[2].

射頻識別技術(shù)（radio frequency identif ication,RFID），又稱電子標簽，是利用射頻方式進行非接觸式雙向通信數(shù)據(jù)交換，無需識別系統(tǒng)與特定目標之間建立機械或光學(xué)接觸[3].使用RFID技術(shù)進行室內(nèi)定位具有成本低、技術(shù)成熟、定位精度高等優(yōu)點[4].在非視距（non light of sight,NLOS）條件下，讀寫器可以對讀取范圍內(nèi)的標簽進行快速讀寫，在智能識別領(lǐng)域有著非常好的發(fā)展前景.因此，研究高精度、低成本的RFID定位系統(tǒng)具有重要的意義.

根據(jù)傳統(tǒng)理論模型，RFID讀寫器在水平平面內(nèi)的讀取范圍近似于一個圓形.適當調(diào)整讀寫器的距離及其發(fā)射功率后，鄰近讀寫器之間會有部分讀取重疊的地方，于是可以通過讀寫器讀取的重疊信息來判斷出標簽所在的區(qū)域范圍.

在室內(nèi)環(huán)境下，由于有墻壁、空調(diào)、電風(fēng)扇等一系列物體，無線信號在傳播過程中會受到相應(yīng)物體的影響而發(fā)生折射傳播、反射傳播、陰影傳播及衍射傳播等，以致產(chǎn)生嚴重的多徑效應(yīng).因此，在各位置處接收到的信號有著一定程度的不規(guī)則性，迄今為止還沒有理想的室內(nèi)環(huán)境下的信號傳播模型[5].目前，室內(nèi)RFID定位算法可分為兩大類：基于測距的方式和非基于測距的方式.前者對于硬件要求較高，實現(xiàn)困難，并且受到非視距及多徑干擾的影響比較大，在定位精確度上有一定的局限性；后者通常為基于場景的定位，也可稱為位置指紋定位.信號的多徑傳播對環(huán)境具有很強的依賴性，因而對于每個位置而言，該位置上的信道的多徑結(jié)構(gòu)是唯一的，這樣的多徑特征可以認為是該位置的指紋.基于場景的定位為不同位置所接收的信號特征參數(shù)建立數(shù)據(jù)庫，計算實際接收信號參數(shù)與數(shù)據(jù)庫中的參考點信號參數(shù)，實現(xiàn)了移動目標的定位[5].常用的基于場景的定位算法有LANDMARK算法[6]和VIRE算法[7].LANDMARK算法采用額外的固定參考標簽輔助定位，通過參考標簽的信號強度值與待定位標簽的信號強度值，采用最近鄰距離權(quán)重思想，計算出待定位標簽的坐標.室內(nèi)信號會受到多徑效應(yīng)的影響，使得信號強度值有一定程度的不穩(wěn)定性以及判斷出的最近鄰標簽并非真正的最近鄰標簽，從而導(dǎo)致定位精度不高.VIRE算法是在LANDMARK算法的基礎(chǔ)上通過線性插值的方法增加虛擬參考標簽，但信號強度值隨距離呈非線性變化，也會引起較大的誤差.文獻[8]提出了一種基于天線陣列的標簽讀取方式，在同一個地方放置多根天線，使得到的天線的讀取范圍接近于一個規(guī)整的圓，從而提高了準確率，但大大增加了系統(tǒng)成本.文獻[9]提出了一種通過調(diào)節(jié)RFID讀寫器的發(fā)射功率以及改變讀寫器的讀寫范圍來提高定位精度的方法.這種方法在定位過程中操作繁瑣，并且增加了算法的復(fù)雜度.

鑒于此，本文基于RFID技術(shù)及場景算法，提出了一種流水線型局部加權(quán)回歸定位算法.首先分析鏈路收包率與信號強度之間的關(guān)系，并考慮到實時性要求，提出了流水線方式的收包率獲取方法.通過分析室內(nèi)環(huán)境下各位置的信號接收情況，提出了流水線型局部加權(quán)回歸定位算法.在邊緣等定位誤差相對較高的地方，可采用增加采樣點的方法來進一步提高定位精度.經(jīng)實驗驗證，本文提出的流水線型局部加權(quán)回歸定位算法相對于LANDMARK算法，定位精度提高了56.56%，相對于VIRE算法，定位精度提高了36.73%，實現(xiàn)了實時的低成本、高精度室內(nèi)定位，且在多目標情況下也可以實現(xiàn)實時精確的定位.

1 流水線收包率信息處理

1.1 鏈路質(zhì)量研究

在無線通信環(huán)境下，通信模式在本質(zhì)上是廣播形式.通信中信道的競爭必定會產(chǎn)生信號之間的相互干擾，干擾信號被稱為噪聲.當天線與標簽之間的距離增大時，接收處接收到的信號逐漸減小，當距離超出天線某個特定的范圍時，信噪比（signal to noise,SNR）就無法達到維持可靠通信所需的閾值，說明射頻定位系統(tǒng)的定位范圍是受限的[10].文獻[11]認為：信號接收情況，即鏈路質(zhì)量衡量指標大致有收包率（packet reception rate,PRR）、接收信號強度指示值（received signal strength indicator,RSSI）、鏈路質(zhì)量指示值（link quality indicator,LQI）3種.本文研究的是PRR和RSSI之間的關(guān)系.

1.1.1 RSSI的測距原理

無線信號傳輸中普遍采用的信號傳播損耗模型如下[12]：

式中，P(d)表示距離信號發(fā)射處為d時接收端接收到的RSSI值；P(d0)表示距離信號發(fā)射處為d0時接收端接收到的RSSI值；d0為參考距離；n為路徑損耗指數(shù)，一般根據(jù)實際環(huán)境而定，環(huán)境中的障礙物越多，n值越大，也就是接收處接收到的能量隨著距離的增加而加速下降;R是一個均值為0、方差為σ2的高斯隨機變量，能反映噪聲對接收信號的影響程度,其單位為d Bm.

然而，由于室內(nèi)環(huán)境的復(fù)雜性，信號在傳播過程中會受到多徑效應(yīng)、衰退效應(yīng)、反射效應(yīng)、陰影效應(yīng)等的影響，信號接收值具有不確定性，受外界環(huán)境的影響較大.這些影響都會使得以RSSI值作為接收信號的定位系統(tǒng)產(chǎn)生較大的定位誤差.

1.1.2 PRR與RSSI的鏈路質(zhì)量比較

PRR是指一段時間內(nèi)接收器成功收到的包數(shù)量占發(fā)送器已發(fā)送包數(shù)量的比例，是反映鏈路質(zhì)量最直觀的指標[12]，其計算公式為

式中，v為發(fā)包速率，g為T時間內(nèi)實際收到包的數(shù)目.本試驗中讀寫器發(fā)出的信號頻率是固定的，讀寫器相應(yīng)讀到的標簽的次數(shù)反映了此時標簽與讀寫器天線所在位置的鏈路情況，即以固定時間內(nèi)讀到的標簽次數(shù)來表示標簽所在位置的收包率情況.

文獻[13]指出：在發(fā)射功率恒定的情況下，PRR與RSSI存在著較高的線性關(guān)系.從PRR和RSSI的定義來看：RSSI反映的是鏈路瞬時狀態(tài)的信號強度值，在復(fù)雜的室內(nèi)環(huán)境下容易受到多徑效應(yīng)的影響，尤其不穩(wěn)定，如圖1所示.在同一處測量的RSSI值具有較大的不穩(wěn)定性，如果作為定位信號參數(shù)，將使后續(xù)的定位結(jié)果產(chǎn)生較大的誤差；而PRR是一段時間內(nèi)對接收消息數(shù)量的統(tǒng)計值.由圖1可知，相對于RSSI而言，PRR的穩(wěn)定性好，是一個相對穩(wěn)定的反映鏈路質(zhì)量的參數(shù)，可以作為定位信號參數(shù)，有利于定位算法的精確定位.

圖1 RSSI和PRR信息Figure 1 RSSI and PRR

1.2 流水線收包率信息提取

本文提出的流水線型局部加權(quán)回歸定位算法是以數(shù)據(jù)鏈路指標PRR作為參數(shù)進行運算的.由于PRR是一個累加量，在統(tǒng)計PRR的時間方面有一定的累計要求；又由于天線的發(fā)射信號是等間隔發(fā)射的，在固定時間內(nèi)讀到的標簽次數(shù)可以反映鏈路的情況.如圖2中的（a）所示，假設(shè)定位信號參數(shù)是通過統(tǒng)計2 s內(nèi)的讀取次數(shù)取得的，則信號的表達式如式（3）和（4）所示：

第1次信號為

第2次信號為

式中，n1，n2,···,nm表示讀寫器1,2,···,m在2 s內(nèi)所讀到的標簽次數(shù)，即2 s內(nèi)的收包情況.由式（3）和（4）可知：對于定位信號參數(shù)，需2 s才能夠得到一組，顯然不能很好地滿足實時性要求；如果目標在2 s內(nèi)有大幅度的位置變化，則定位結(jié)果不能顯示其中的細節(jié)位置.

本文采用一種流水線方式的收包率獲取方法，很好地滿足了定位算法的實時性要求和定位細節(jié)要求.流水線方式的收包率是通過對時間段的劃分來得到相應(yīng)時間段的收包率，如圖（2）b所示.假設(shè)2 s內(nèi)要求有5組收包率數(shù)據(jù)，則將時間段以0.4 s進行劃分，后一個2 s是以前一個2 s的0.4 s處為起始時間，可得信號的表達式如式（5）和（6）所示：

第1次信號為

第2次信號為

圖2 收包率信息Figure 2 Packet reception information

由式（5）和（6）可知：在相同的時間下，信息的采集頻率提高了5倍，即定位的實時性提高5倍.相應(yīng)地在移動目標的軌跡圖中，有更多的位置細節(jié)數(shù)據(jù)點，可使得軌跡更精確.

2 RFID天線數(shù)據(jù)分析

2.1 RFID天線的讀取數(shù)據(jù)分析

RFID天線的讀取范圍一般與天線的發(fā)射功率有關(guān)，當發(fā)射功率固定時，天線的讀取范圍也可以固定.在理想模型中，RFID天線在平面內(nèi)的讀取范圍是一個圓形.本文將多讀寫器天線所得的信息進行融合，以判定目標的位置；將讀寫器天線根據(jù)有一定重疊區(qū)域的讀取范圍進行適當?shù)臄[放，則讀寫器天線讀取范圍的理想情況如圖3中的（a）所示.然而，室內(nèi)環(huán)境很復(fù)雜，存在多徑效應(yīng)、反射、折射現(xiàn)象，且受到噪聲等因素的影響，使讀寫器天線的讀取范圍存在一定程度的不規(guī)則性.實際情況如圖3中的（b）所示，讀取范圍并不是一個規(guī)整的圓形.

由此可知，在距讀寫器天線相同距離處收到的天線發(fā)出的信號，其強度值也必定存在一定程度的偏差.在基于RSSI的定位算法中，目標位置是根據(jù)接收到的信號強度值進行計算的，并沒有將室內(nèi)環(huán)境的一些特殊性考慮進去，從而使最后的定位結(jié)果存在一定的偏差.

本文在一個如圖4中的（a）所示的7 m×5 m的室內(nèi)環(huán)境中布置4個RFID讀寫器天線，并在相同時間內(nèi)統(tǒng)計標簽在各個位置處的讀取總數(shù)，如圖4中的（a）～（e）所示.各讀寫器天線在其讀取范圍內(nèi)的讀取情況與理想模型區(qū)別很大，根據(jù)理想模型有：在離讀寫器天線越遠處，接收到的信號越弱，即標簽讀到的次數(shù)越少；距讀寫器天線相同距離處，所接收的信號強度應(yīng)該是相同的，即標簽讀到的次數(shù)相同.而在實際情況中，由于室內(nèi)環(huán)境存在的綜合影響，讀寫器天線的讀取情況呈現(xiàn)較大的不規(guī)則性和特殊性，而傳統(tǒng)的信號傳播衰減模型無法恰當?shù)孛枋鍪覂?nèi)信號的變化規(guī)律.

圖3 RFID讀寫器讀取模型Figure 3 Read pattern of RFID readers

2.2 讀取數(shù)據(jù)過濾分析

盡管RFID信號的傳播模型并不能很好地解釋RFID的信號衰減情況，但對于RFID讀寫器天線的讀取范圍，由圖4中的（b）～（e）可知是連續(xù)的.本文通過判斷哪些讀寫器天線讀到目標物體所帶的標簽來進行一種位置過濾處理.如圖（5）所示，當目標物體所在位置只能被天線3和4檢測到時，在天線3和4以外的地方是不太可能在目標標簽附近的[6]，于是過濾掉天線3和4讀取范圍之外的參考標簽，只讓天線3和4讀取范圍內(nèi)的參考標簽進入下一步的精確定位運算.過濾運算不但減小了所需的系統(tǒng)資源和運算復(fù)雜度，而且排除了無關(guān)點的信息.由文獻[6]可知，對于基于場景的定位算法，排除無關(guān)信息點可以提高定位算法的精確度.

圖4 讀寫器在各個位置的讀取情況Figur e 4 Cover pattern of RFID readers

圖5 位置過濾處理Figur e 5 Position f iltration process

3 室內(nèi)RFID局部加權(quán)回歸定位算法

為了更好地將室內(nèi)環(huán)境的特殊性考慮進去，需尋求一種能較好地符合標簽位置與其信號參數(shù)之間的關(guān)系.本文針對標簽在讀寫器天線上的流水線型的收包率信息，提出了一種局部加權(quán)回歸（locally weighted regression,LWR）定位算法.首先需要進行數(shù)據(jù)訓(xùn)練，通過采集室內(nèi)定位區(qū)域的參考點處的信號特征參數(shù)，形成位置信號參數(shù)數(shù)據(jù)庫（本文采集的是各天線在2 s內(nèi)的讀取標簽的次數(shù)，即可看作收包率）.判斷目標位置時，將實際接收到的信號參數(shù)通過局部加權(quán)回歸定位算法得到目標物體的位置.

3.1 算法模型定義

如圖6所示，x為標簽信號，y為標簽位置.局部加權(quán)回歸定位算法首先通過訓(xùn)練樣本信息和目標信息X來擬合算法，計算位置信息時檢查數(shù)據(jù)集合，對目標信息X周圍區(qū)域內(nèi)的樣本信息作算法處理.局部加權(quán)回歸算法注重對鄰近點的精確擬合，同時忽略那些離得較遠的樣本點的貢獻.擬合后可得到讀寫器天線讀到的信號參數(shù)和位置的關(guān)系，于是可以在任意位置處根據(jù)讀寫器天線得到的信號參數(shù)信息來計算目標標簽所在的位置.由圖6可知，定位算法的設(shè)計是獲得精確定位的關(guān)鍵.

圖6 定位算法框圖Figure 6 Flowchart of the positioning algorithm

3.2 局部加權(quán)回歸定位算法步驟

定義標簽在各讀寫器天線上的信號參數(shù)信息為

式中，x1,x2,···,xm表示標簽在天線1,2,···,m上被讀取到的情況.定義標簽在室內(nèi)的位置信息為

式中，loc x和loc y分別表示標簽在室內(nèi)的橫坐標和縱坐標.假設(shè)標簽信號參數(shù)X與位置Y的關(guān)系為

此處為便于書寫，將x0定義為1.h(x)就定義了從輸入到輸出的一個轉(zhuǎn)化關(guān)系，其中θT稱為權(quán)重參數(shù)，表示此線性函數(shù)的空間映射.

為了使得局部加權(quán)回歸定位算法的預(yù)測在訓(xùn)練樣本數(shù)據(jù)上盡可能準確，應(yīng)使預(yù)測值和實際值的平方差盡可能小，定義代價函數(shù)

式中，n表示訓(xùn)練樣本的數(shù)目；i表示第i個訓(xùn)練樣本；w(i)為權(quán)重參數(shù)，表示目標信號和樣本信號的近似程度.如果近似程度越高，則w(i)越大，在局部加權(quán)回歸定位算法中的權(quán)重越大，相當于給所有的樣本信號加權(quán).在確定目標的位置時，與目標信號越近的樣本信號參與的比例越大.定義權(quán)重參數(shù)w(i)為

式中，τ為帶寬參數(shù)，控制了權(quán)值隨距離下降的速度；x1,x2,···,xm是天線1,2,···,m實際檢測到的信號值，是第i個樣本信號在天線1,2,···,m的檢測值.假如

由式（11）可知，權(quán)值函數(shù)w(i)是一個鐘形函數(shù).當τ較小時，會得到一個比較窄的鐘形函數(shù)，即選取較少的鄰近參考樣本信息進入擬合算法；當τ較大時，得到的鐘形函數(shù)較寬，會取得較多的鄰近參考樣本信息進入擬合算法.τ的選取要適當，否則會陷入欠擬合或過擬合的情況，導(dǎo)致算法的精確度下降.

對于θ參數(shù)的選取，可通過最小化代價函數(shù)J(θ)來獲得.由J(θ)函數(shù)的表達式可知，一定存在一個全局最小值.本文由梯度下降算法獲得θ值，給θ一個初始值，再由式（14）不斷更新θ值，直到J(θ)收斂，則可認為找到了最符合條件的θ參數(shù)

式中，參數(shù)α為學(xué)習(xí)速度，即每一次更新的幅度.

通過矩陣推導(dǎo)可得出θ的閉式解形式為

式中，X為經(jīng)過位置過濾處理后在可能范圍內(nèi)的參考位置的信號參數(shù)向量，Y為參考位置所對應(yīng)的坐標向量，W為各參考位置在確定目標位置時的權(quán)重貢獻向量.最后將θ參數(shù)向量代入式（9），得到待定位目標在室內(nèi)的精確位置(loc x,loc y).

若在室內(nèi)采用局部加權(quán)回歸定位算法定位目標物體，則可以通過對室內(nèi)環(huán)境的學(xué)習(xí)以及提取室內(nèi)各位置處的特征信息來提高定位精度.在原本誤差就高的邊緣地區(qū)，可增加參考位置信息，進一步提高待定位目標的位置精度.本系統(tǒng)是在一個7 m×5 m的空間中，每隔0.6 m進行一個位置信息采樣，而邊緣地區(qū)的參考點數(shù)量較少，如圖7中的點所示.為了提高邊緣地區(qū)的定位精度，本文采用了增加邊緣地區(qū)采樣點信息的方法，在相鄰采樣點的中點處也進行標簽信號的采集，如圖8所示.

圖7 參考標簽位置 Figur e 7 Reference label position

圖8 邊緣參考標簽位置Figur e 8 Edge reference label position

4 系統(tǒng)構(gòu)建和實驗結(jié)果分析

4.1 系統(tǒng)構(gòu)建

本文的室內(nèi)定位驗證系統(tǒng)采用4個讀寫器天線來完成，且將這4個讀寫器天線作為一個基本單元在空間上進行擴展.

本定位系統(tǒng)的硬件由中央處理器、路由器、超高頻電子標簽四合一讀寫器、超高頻讀寫器天線以及無源標簽組成，系統(tǒng)架構(gòu)如圖9所示.讀寫器工作頻率范圍為902～928 MHz，輸出功率范圍為0～30 dBm.為了使4個讀寫器天線的讀取范圍適當覆蓋室內(nèi)實驗環(huán)境，將讀寫器功率調(diào)整為25 dBm.

圖9 室內(nèi)定位驗證系統(tǒng)架構(gòu)Figure 9 Indoor positioning verif ication system architecture

4.2 實驗結(jié)果與分析

本文提出的流水線型局部加權(quán)回歸定位算法是在VS2010平臺下實現(xiàn)的.為驗證定位算法的有效性，在7 m×5 m的空間搭建整個定位系統(tǒng)，并隨機選取幾個位置.在這些位置處進行多次定位算法驗證，驗證結(jié)果如圖10所示.圖中的“×”表示目標人員實際所在的位置，“?”表示通過本定位算法所計算出的人員位置.從圖中可以看出，流水線型局部加權(quán)回歸定位算法在室內(nèi)環(huán)境下取得了較高的定位精度，使得誤差范圍控制在0.8 m之內(nèi).

圖10 流水線型局部加權(quán)回歸定位算法結(jié)果的分布圖Figure 10 Positioning results of the pipelined locally weighted regression algorithm

本文通過定位誤差來衡量定位算法的性能.定位誤差表示估計的定位結(jié)果與實際位置之間的差距，定位誤差越小，定位性能越好.本文將提出的流水線型局部加權(quán)回歸定位算法與LANDMARK算法、VIRE算法進行比較，以驗證所提出的算法的優(yōu)越性.在7 m×5 m的定位區(qū)域內(nèi)隨機選取10個位置，經(jīng)20次運算得到這20次定位結(jié)果的誤差，再將誤差取平均值，得到如圖11所示的結(jié)果.

圖11 定位誤差結(jié)果比較Figure 11 Positioning error of different methods

由實驗結(jié)果可知，本文提出的流水線型局部加權(quán)回歸定位算法與傳統(tǒng)的LANDMARK定位算法和VIRE定位算法相比，有著較為顯著的優(yōu)勢.由于室內(nèi)環(huán)境的復(fù)雜性，在室內(nèi)環(huán)境下的信號傳播模型不能清楚地表示信號在各個位置的接收情況，其多徑效應(yīng)、反射、折射等因素會使得在每一個位置都有其獨特的信號接收情況，于是本文以流水線方式獲取的收包率信息作為定位信號參數(shù)，其相對穩(wěn)定的性質(zhì)有利于精確定位.根據(jù)局部加權(quán)回歸定位算法學(xué)習(xí)室內(nèi)環(huán)境對各位置處接收信號參數(shù)的影響，并將其融入定位算法中，可得到更準確的定位信息，降低定位的誤差.由圖11的實驗結(jié)果可以看出：LANDMARK定位算法的最小定位誤差為0.83 m，最大定位誤差為1.22 m，平均定位誤差為1.059 m；VIRE算法的最小定位誤差為0.46 m，最大定位誤差為0.98 m，平均定位誤差為0.727 m；流水線型局部加權(quán)回歸定位算法的最小定位誤差為0.12 m，最大定位誤差為0.83 m，平均定位誤差為0.46 m.與前兩種算法相比，流水線型局部加權(quán)回歸定位算法的定位精度分別提高了56.56%和36.73%.

本文所提出的流水線型局部加權(quán)回歸定位算法是以流水線方式獲取的收包率信息作為定位信號參數(shù)，大大改善了穩(wěn)定性和實時性.由于天線是布置在天花板上的，信號遮擋這種情況發(fā)生的概率比較小.因此，當人員在室內(nèi)移動時，只要人員之間沒有特別的位置關(guān)系（如遮擋）時，天線可以采集到各個人員佩戴的標簽的信息.并且由實驗可知，在多目標情況下，本文提出的定位算法仍然可以比較精確地得到多目標物體的運動軌跡.如圖12所示，在室內(nèi)環(huán)境中的兩個目標各自隨意在室內(nèi)運動，本定位算法可以精確地跟蹤目標的運動，且將延時控制在0.5 s以內(nèi).

圖12 多目標定位結(jié)果Figure 12 Multi-targets positioning result

5 結(jié)語

針對RFID信號在室內(nèi)傳播的不規(guī)則性導(dǎo)致定位精度不高的問題，本文提出了一種流水線型局部加權(quán)回歸定位算法.在合理布置室內(nèi)讀寫器天線的基礎(chǔ)上，對目標位置所獲取的定位信號參數(shù)進行過濾計算，以提高算法的效率；根據(jù)流水線型局部加權(quán)回歸定位算法將室內(nèi)環(huán)境對各位置的影響融合進去，實現(xiàn)目標的精確定位.本文將無線信號的鏈路收包率作為定位信號參數(shù)，可以降低由無線信號的不確定性導(dǎo)致的誤差.因為鏈路收包信息是一個累計量，相對于瞬時信號，更具穩(wěn)定性.在實時性方面，本文采用了流水線方式獲取收包率信息，通過流水線復(fù)用鏈路收包信息使得定位的實時性提高了5倍.經(jīng)實驗驗證，本算法在不增加系統(tǒng)復(fù)雜度以及參考數(shù)據(jù)的存儲復(fù)雜度的情況下，提高了定位精度.與LANDMARK算法和VIRE算法相比，分別提高了56.56%和36.73%，實現(xiàn)了低成本、高精度并且實時的室內(nèi)定位.在運算復(fù)雜度方面，相對于LANDMARK和VIRE定位算法有一定程度的增加.本文提出的基于RFID的定位模型和算法易于推廣和普及，為今后實現(xiàn)海量目標的定位跟蹤以及多技術(shù)整合定位，如藍牙技術(shù)[14]等，奠定了基礎(chǔ).

[1]ZHOU J H,GILMAN E,YLIANTTILA M,RIEKKI J．Pervasive service computing:visions and challenges[C]//IEEE International Conference on Computer and Information Technology(CIT),2010: 1335-1339．[2]DEDESG,DEMPSTERA G．Indoor GPSpositioningchallenges and opportunities[C]//Vehicular Technology Conference，2005:412-415．

[3]閆保中，張帥，張宇．基于RFID的室內(nèi)人員定位系統(tǒng)的設(shè)計與實現(xiàn)[J]．應(yīng)用科技，2011,38（11）:39-42,53．

YAN Baozhong,ZHANG Shuai,ZHANG Yu．Design and implementation of the indoor personnel positioning system based on RFID[J]．Applied Science and Technology,2011,38（11）:39-42,53．

[4]SAAD S S,NAKAD Z S A．Standalone RFID indoor positioning system using passive tags[J]．IEEE Transactions on Industrial Electronics,2011,58（5）:1961-1970．

[5]李魏峰．基于RFID的室內(nèi)定位技術(shù)研究[D].上海：上海交通大學(xué)，2010．

[6]JIN Guangyao,LU Xiaoyi．An indoor localization mechanism using active RFID tag[C]//Proceedings of the IEEE International Conference on Sensor Networks,Ubiquitous,and Trustworthy Computing,2006.

[7]ZHU Fengjuan,WEI Zongheng,HU Binjie,CHEN Jianguang, GUO Zimin．Analysis of indoor positioning approaches based on active RFID[C]//International Conference on Wireless Communications,Networking and Mobile Computing,2009:1-4．

[8]WANG C,WU H Y,TZENG N F．RFID-based 3-D positioning schemes[C]//IEEE International Conference on Computer Communications,2007:1235-1243．

[9]PARK Y S,LEE J W,KIM S W．Improving position estimation on RFID tag f loor localization using RFID reader transmission power control[C]//IEEE International Conference on Robotics and Biomimetics,2009:1716-1721．

[10]王一樂．基于RFID的室內(nèi)定位方法研究與應(yīng)用[D].西安：西安理工大學(xué)，2010．

[11]DHANANJAY L,MANJESHwAR A,HERRMANN F,UYSAL-BIYIKOGLU E, KESHAVARZIAN A.Measurement and characterization of link quality metrics in energy constrained wireless sensor networks[C]//Global Telecommunications Conference,2003:446-452．

[12]KHOSHGOFTAAR T M,PANDYA A S,LANNING G D L．Application of neural networks for predicting defects[J]．Annals of Software Engineering,1995,1(1):141-154．

[13]LIN S,ZHANG J,ZHOUQ G,GU L,STANKOVIC J A,HE T．ATPC:adaptive transmission power control for wireless sensor networks[C]//Proceedings of the 4th International Conference on Embedded Networked Sensor Systems,2006:223-236．

[14]李娟娟，張金藝，張秉煜，周榮俊，唐夏.藍牙4.0標準規(guī)范下的模糊指紋定位算法[J].上海大學(xué)學(xué)報：自然科學(xué)版，2013,19(2):126-131.

LI Juanjuan,ZHANG Jinyi,ZHANG Bingyu,ZHOU Rongjun,TANG Xia.Fuzzy f ingerprint location for bluetooth specif ication version 4.0[J].Journal of Shanghai University:Natural Science,2013,19(2):126-131.(in Chinese)