溫佩芝，蘇亭婷，李麗芳，張建軍

(1.桂林電子科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院,廣西 桂林 541004；2.中國(guó)化工橡膠桂林有限公司,廣西 桂林 541004)

基于粒子群的射頻識(shí)別定位算法*

溫佩芝1，蘇亭婷1，李麗芳1，張建軍2

(1.桂林電子科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院,廣西 桂林 541004；2.中國(guó)化工橡膠桂林有限公司,廣西 桂林 541004)

針對(duì)傳統(tǒng)室內(nèi)定位方法定位精度低、開(kāi)銷(xiāo)大等問(wèn)題，提出一種基于粒子群的射頻識(shí)別定位算法。首先采用高斯濾波對(duì)讀取到的信號(hào)強(qiáng)度指示RSSI進(jìn)行預(yù)處理，以減少環(huán)境因素對(duì)信號(hào)的干擾，使RSSI值與標(biāo)簽實(shí)際位置相符。其次，以網(wǎng)格排列的參考標(biāo)簽作為輔助，通過(guò)引入粒子群優(yōu)化算法，經(jīng)多次迭代找出最優(yōu)值，計(jì)算出待定位標(biāo)簽的估計(jì)坐標(biāo)，提高定位精度。最后，采用拉格朗日插值法計(jì)算虛擬標(biāo)簽的信號(hào)強(qiáng)度指示值，使其更接近于真實(shí)標(biāo)簽的值。實(shí)驗(yàn)表明，該算法可有效提高定位精度和效率，并減少開(kāi)銷(xiāo)。

粒子群算法; 高斯濾波；RFID室內(nèi)定位； VIRE；拉格朗日插值

1 引言

隨著無(wú)線移動(dòng)通信技術(shù)的發(fā)展及物聯(lián)網(wǎng)技術(shù)在各個(gè)行業(yè)的應(yīng)用，室內(nèi)定位技術(shù)備受人們關(guān)注。目前主要的室內(nèi)定位技術(shù)有紅外線、超聲波、基于IEEE 802.11無(wú)線定位和射頻識(shí)別定位等。其中，射頻識(shí)別(RFID)以其低成本、非接觸、非視距且定位精度高等優(yōu)點(diǎn)，逐步成為室內(nèi)定位的優(yōu)選技術(shù)。而針對(duì)室內(nèi)環(huán)境復(fù)雜、多經(jīng)傳播和噪聲干擾較大等問(wèn)題，如何實(shí)現(xiàn)精度高、速度快、開(kāi)銷(xiāo)少的定位顯得尤為重要。

目前比較典型的RFID室內(nèi)定位方案主要有3D-ID[1]、SporON[2]、LANDMARC[3]和VIRE方法[4]。3D-ID[1]是由Pinpoint公司提出的使用射頻環(huán)形時(shí)間來(lái)測(cè)距，其定位精度可達(dá)1 m～3 m，但投資成本過(guò)大。SporON[2]是一種基于收信場(chǎng)強(qiáng)分析的聚合算法，可實(shí)現(xiàn)三維空間定位，但迄今仍沒(méi)有建成完整的SpotON系統(tǒng)。LANDMARC系統(tǒng)[3]是由Ni L M等提出的一種有源RFID室內(nèi)定位系統(tǒng)，采用額外的、便宜的RFID標(biāo)簽代替以往算法中大量的使用昂貴的RFID閱讀器進(jìn)行定位，節(jié)省了成本，但需要密集的參考標(biāo)簽來(lái)輔助定位，增加了室內(nèi)信號(hào)傳播的干擾性。VIRE算法[4]由Zhao Yi-yang等人基于LANDMARC算法改進(jìn)的定位方法，是基于接受信號(hào)強(qiáng)度指示RSSI(Received Signal Strength Indicator)進(jìn)行定位的，該算法引入線性插值技術(shù)，通過(guò)采用虛擬網(wǎng)格坐標(biāo)決定法和小概率位置排除法來(lái)達(dá)到更準(zhǔn)確的定位。與上述方法相比，其主要優(yōu)點(diǎn)首先是引入虛擬參考標(biāo)簽的概念，節(jié)省了成本并減少了室內(nèi)信號(hào)傳播的干擾；其次，相比于傳統(tǒng)的以檢測(cè)到的RSSI值估計(jì)測(cè)量距離進(jìn)行定位，該方法以虛擬標(biāo)簽作為輔助，能有效提高定位精度；最后，該方案較容易實(shí)現(xiàn)。但是，VIRE算法中虛擬參考標(biāo)簽采用虛擬網(wǎng)格坐標(biāo)決定法，導(dǎo)致邊界區(qū)域的定位誤差較高；同時(shí)，實(shí)際環(huán)境中信號(hào)強(qiáng)度值與距離是復(fù)雜的曲線關(guān)系，采用線性插值法來(lái)估計(jì)虛擬參考標(biāo)簽的信號(hào)強(qiáng)度值將導(dǎo)致其估計(jì)值與實(shí)際值偏差較大，影響最終的定位準(zhǔn)確率。針對(duì)VIRE算法中存在的問(wèn)題，目前已有很多學(xué)者對(duì)其改進(jìn)[5～7]：文獻(xiàn)[5]提出一種自適應(yīng)的VIRE算法(AVIRE)，可自適應(yīng)選取合適的門(mén)限值；文獻(xiàn)[6]采用非線性插值法計(jì)算虛擬標(biāo)簽的RSSI值，并用自動(dòng)獲取的動(dòng)態(tài)閾值代替VIRE中的固定閾值；文獻(xiàn)[7]提出基于子區(qū)域動(dòng)態(tài)二次回歸插值的VIRE改進(jìn)算法(SDQRI)，該方法根據(jù)待定位標(biāo)簽的位置在子區(qū)域中插入虛擬參考標(biāo)簽，以縮小插入?yún)^(qū)域，并采用二次回歸曲線的插值方法估算虛擬標(biāo)簽的RSSI值，最后利用歷史信息矯正待定位標(biāo)簽位置。SDQRI算法相對(duì)VIRE可有效提高定位精度，但是該算法只適合于待定位標(biāo)簽只有一個(gè)或多個(gè)位置較為集中的情況，當(dāng)有多個(gè)位置分散的定位標(biāo)簽時(shí)，其高階定位子區(qū)域的選取機(jī)制反而會(huì)增加算法復(fù)雜度和計(jì)算量。

針對(duì)VIRE算法使用參考標(biāo)簽數(shù)量大、邊界定位等缺點(diǎn)，本文對(duì)其進(jìn)行改進(jìn)，運(yùn)用高斯濾波算法對(duì)讀取到的信號(hào)強(qiáng)度指示RSSI進(jìn)行平滑處理，減少因環(huán)境干擾等因素造成的信號(hào)強(qiáng)度值上下波動(dòng)產(chǎn)生的誤差，使其與RFID標(biāo)簽的實(shí)際位置相符；同時(shí)，提出基于粒子群算法PSO(Particle Swarm Optimization)的RFID定位算法，避免了VIRE算法的邊界待定位標(biāo)簽定位誤差大的問(wèn)題，且此算法可調(diào)參數(shù)少，容易實(shí)現(xiàn)；最后，對(duì)虛擬參考標(biāo)簽的信號(hào)強(qiáng)度指示RSSI的計(jì)算采用拉格朗日插值法，使其更接近于真實(shí)標(biāo)簽的值。

2 基于粒子群的射頻識(shí)別定位算法

2.1 預(yù)處理

在實(shí)際環(huán)境中，某一時(shí)間段內(nèi)一個(gè)標(biāo)簽在同一個(gè)位置可以接收到n個(gè)RSSI值，由于非視距和多徑的影響，室內(nèi)射頻信號(hào)具有較高的噪聲污染，導(dǎo)致這些RSSI值具有很大的波動(dòng)性。理論上，閱讀器獲取到的標(biāo)簽的RSSI值與兩者之間的距離應(yīng)該滿足路徑損耗模型[8]，如式(1)、式(2)所示：

(1)

(2)

其中，PL是路徑損耗；n是路徑損耗指數(shù)；d是閱讀器與標(biāo)簽之間的距離；d0是指參考距離，一般為1 m；PL(d0)是相距d0時(shí)的路徑損耗；Xσ是均值為0的高斯隨機(jī)變量；Pr指發(fā)射功率。

RSSI值隨距離變化的理論值與受環(huán)境噪聲干擾的實(shí)際值分別如圖1所示。

Figure 1 Distance vs. RSSI圖1 RSSI值與距離的關(guān)系

高斯濾波[9]能較好地處理高斯噪聲，為了得到更加精確的RSSI值，采用高斯濾波對(duì)獲取的RSSI值進(jìn)行預(yù)處理。根據(jù)高斯分布函數(shù)對(duì)RSSI進(jìn)行處理，則信號(hào)強(qiáng)度的密度函數(shù)[9]如式(3)所示：

(3)

其中，

根據(jù)工程經(jīng)驗(yàn)，選擇0.6作為函數(shù)分布值臨界點(diǎn)，則有：

0.6≤F(rssi)≤1

(4)

對(duì)滿足公式(4)范圍的RSSI值計(jì)算其幾何平均值，即得到最后的優(yōu)化值，即為最終的RSSI值。

2.2 粒子群算法(PSO)

粒子群優(yōu)化算法PSO最早是由Kennedy J和Eberhart R于1995年提出的一種全局優(yōu)化算法[10],是一種智能估計(jì)IE(Intelligence Estimation)算法,其源于對(duì)鳥(niǎo)群群體運(yùn)動(dòng)行為的研究。PSO作為一種高效的優(yōu)化算法，算法簡(jiǎn)單，易于實(shí)現(xiàn)，可調(diào)參數(shù)少，運(yùn)行效率高。

2.2.1 粒子群優(yōu)化算法(PSO)原理

PSO算法的基本思想是在一個(gè)D維空間中，隨機(jī)初始化N個(gè)粒子，將每個(gè)粒子看作優(yōu)化問(wèn)題中的一個(gè)可行解，每個(gè)粒子都在可行解空間中飛行，且有一個(gè)速度決定粒子的飛行方向和距離。然后，粒子追隨當(dāng)前的最優(yōu)粒子在解空間中進(jìn)行搜索，經(jīng)過(guò)多次迭代后，得到最優(yōu)解。在每一次迭代搜索中，粒子主要通過(guò)兩個(gè)極值更新自己：一個(gè)是粒子本身搜索到的最優(yōu)解Pibest；另一個(gè)是全部粒子的全局最優(yōu)解Pgbest。

粒子的位置、速度更新公式如下：

(5)

(6)

(7)

其中,tmax是最大迭代次數(shù)，wstart=0.95,wend=0.4。

當(dāng)?shù)竭_(dá)最大迭代次數(shù)T或是其它迭代條件時(shí)，得出全局最優(yōu)解為Pgbest及最優(yōu)位置Xgbest。

2.2.2 基于粒子群的射頻識(shí)別定位

文獻(xiàn)[12]采用粒子群算法求解無(wú)線傳感器中節(jié)點(diǎn)定位問(wèn)題，受其啟發(fā)，將粒子群算法引入RFID定位中，使用粒子群算法計(jì)算待定位標(biāo)簽的坐標(biāo)信息。隨機(jī)初始化N個(gè)粒子，把每一個(gè)粒子當(dāng)成一個(gè)虛擬參考標(biāo)簽，通過(guò)用VIRE算法中的線性插值法[4]及參考標(biāo)簽的RSSI值，計(jì)算每一個(gè)粒子的RSSI值。與VIRE算法中采用網(wǎng)格式的固定模式插入虛擬參考標(biāo)簽的方式相比，更具有靈活性，且不具有VIRE算法中邊界待定位標(biāo)簽的定位誤差大的問(wèn)題。

假設(shè)有K個(gè)閱讀器，待定位標(biāo)簽u的估計(jì)位置坐標(biāo)為(xu,yu)，第k個(gè)閱讀器的位置坐標(biāo)為(xk,yk)，待定位標(biāo)簽和參考標(biāo)簽的RSSI值可由室內(nèi)路徑損耗模型[8]模擬獲得。假設(shè)第k個(gè)閱讀器讀取的待定位標(biāo)簽的信號(hào)強(qiáng)度值為rssik，由插值法計(jì)算出第k個(gè)閱讀器讀取第n個(gè)粒子的信號(hào)強(qiáng)度值為rssikn，定義待定位標(biāo)簽與第n個(gè)粒子的歐氏距離為：

(8)

即表示該粒子與待定位標(biāo)簽的距離關(guān)系，Ek越小，則該粒子與待定位標(biāo)簽越接近。文獻(xiàn)[10]中采用測(cè)距距離計(jì)算待定位標(biāo)簽坐標(biāo)，使得待定位坐標(biāo)的定位誤差隨測(cè)距誤差的增加而增加，因此本文提出的PSO算法，以固定位置的參考標(biāo)簽作為輔助，以式(8)中歐氏距離Ek為目標(biāo)函數(shù)，以提高定位精度。本文以歐氏距離Ek與閱讀器的總數(shù)K的比值即Ek/K表示適應(yīng)度函數(shù)f(x,y)，然后應(yīng)用PSO算法計(jì)算出最佳適應(yīng)度值fgbest和種群全局最優(yōu)解為Pgbest，即為u的估計(jì)坐標(biāo)位置。

若已知待定位標(biāo)簽的實(shí)際坐標(biāo)為(x , y)，為了評(píng)價(jià)算法性能，則采用下式描述定位誤差e。

(9)

2.3 改進(jìn)的虛擬標(biāo)簽坐標(biāo)計(jì)算

VIRE算法中對(duì)虛擬參考標(biāo)簽的RSSI值計(jì)算采用線性插值的方法，而實(shí)際環(huán)境中，RSSI值與距離是復(fù)雜的曲線關(guān)系，如圖1所示。文獻(xiàn)[11]中的拉格朗日插值法能較好地模擬復(fù)雜的非線性曲線，因此采用拉格朗日插值法計(jì)算虛擬參考標(biāo)簽的RSSI值將更接近于實(shí)際環(huán)境中的值，從而減少定位誤差。但是，由于非線性插值存在計(jì)算量大的缺點(diǎn)，因此提出區(qū)域化的拉格朗日插值法計(jì)算虛擬參考標(biāo)簽的RSSI值，可在一定程度上減少計(jì)算量。

假設(shè)有NUM個(gè)參考標(biāo)簽，與虛擬標(biāo)簽相距為L(zhǎng)的參考標(biāo)簽數(shù)量為N，為了減少計(jì)算量及提高定位精度，我們選取這N個(gè)參考標(biāo)簽計(jì)算虛擬標(biāo)簽的RSSI值。L作為可調(diào)參數(shù)，若L取值過(guò)大會(huì)造成計(jì)算量及誤差大，若L取值較小則粒子的RSSI值估算不夠精確引起定位誤差大，因此選取合理的L值較為重要。采用公式(10)計(jì)算虛擬參考標(biāo)簽的信號(hào)強(qiáng)度值：

(10)

其中，rssikm表示第k個(gè)閱讀器讀取的第m個(gè)虛擬參考標(biāo)簽的信號(hào)強(qiáng)度值；rssiki表示第k個(gè)閱讀器讀取的第i個(gè)參考標(biāo)簽的信號(hào)強(qiáng)度值；d表示第k個(gè)閱讀器與第m個(gè)虛擬參考標(biāo)簽的距離；dkj表示第k個(gè)閱讀器與第j個(gè)參考標(biāo)簽的距離；N是NUM個(gè)參考標(biāo)簽中離待定位標(biāo)簽較近的參考標(biāo)簽個(gè)數(shù)。

為了測(cè)試算法的定位性能，分別模擬不同室內(nèi)空間進(jìn)行實(shí)驗(yàn)，如表1所示，實(shí)驗(yàn)環(huán)境中四個(gè)閱讀器與鄰接的邊界參考標(biāo)簽的距離都為1 m。在實(shí)驗(yàn)環(huán)境Evn1和Evn2中隨機(jī)生成八個(gè)待定位標(biāo)簽坐標(biāo)，如表2所示。

Table 1 Experimental environments

圖2即為算法對(duì)表2中待定位標(biāo)簽的定位結(jié)果。

序號(hào)6、7、8的待定位標(biāo)簽為邊界標(biāo)簽，由圖2可見(jiàn)，VIRE算法對(duì)邊界待定位標(biāo)簽的定位誤差明顯較大，影響整體的定位效果；SDQRI定位精度雖然有所提高，但其不適于大量標(biāo)簽定位；本文算法能有效提高定位精度，在Evn1(a)實(shí)驗(yàn)環(huán)境下，上述八個(gè)待定位標(biāo)簽的定位誤差接近于0，并且隨著空間大小及參考標(biāo)簽間距的變化，都具有較好的定位效果。

Table 2 Coordinates of tracking tags

Figure 2 Comparison of positioning error in different conditions圖2 定位誤差比較

3 本文算法流程

在獲取虛擬參考標(biāo)簽的信號(hào)強(qiáng)度值以后，我們可以按照本文提出的基于粒子群的定位算法計(jì)算出待定位物品的具體坐標(biāo)。

假設(shè)有K個(gè)閱讀器，N個(gè)參考標(biāo)簽，初始化M個(gè)粒子(即虛擬參考標(biāo)簽)。采用本文算法計(jì)算待定位標(biāo)簽的坐標(biāo)，算法流程如圖3所示。

4 實(shí)驗(yàn)評(píng)價(jià)

4.1 算法參數(shù)分析

為了評(píng)價(jià)本文算法性能，采用C++對(duì)100個(gè)隨機(jī)坐標(biāo)進(jìn)行多次實(shí)驗(yàn)。實(shí)驗(yàn)數(shù)據(jù)根據(jù)經(jīng)典的室

Figure 3 Flow-chart of the proposed approach圖3 本文算法流程圖

內(nèi)路徑損耗模型仿真得到，采用室內(nèi)路徑損耗模型來(lái)模擬信號(hào)傳播[8]。

圖4為本文算法中適應(yīng)度函數(shù)值隨迭代次數(shù)變化曲線圖，為了更明確看出適應(yīng)度函數(shù)值隨迭代次數(shù)的變化，本圖的適應(yīng)度函數(shù)值采用公式(8)中的歐氏距離Ek比上閱讀器的總數(shù)K，即Ek/K。由圖4可知，當(dāng)?shù)螖?shù)達(dá)到10后，定位誤差幾乎不再變化，而VIRE算法中需要900個(gè)虛擬標(biāo)簽才能達(dá)到較好的定位效果，相比之下，本文算法計(jì)算量并不大。

Figure 4 Iterations vs. fitness value圖4 適應(yīng)度值隨迭代次數(shù)的變化

圖5為采用拉格朗日插值法計(jì)算虛擬標(biāo)簽RSSI值時(shí)定位誤差隨距離L的變換曲線圖。

Figure 5 Positioning errors vs. L圖5 定位誤差隨距離L的變化

可見(jiàn)，合理的L取值可減少計(jì)算量和提高定位精度。

4.2 實(shí)驗(yàn)結(jié)果分析

通過(guò)對(duì)100個(gè)隨機(jī)標(biāo)簽的多次實(shí)驗(yàn)，計(jì)算得出平均定位誤差，將本文算法與VIRE算法[4]、SDQRI算法[7]比較，結(jié)果如表3所示。實(shí)驗(yàn)結(jié)果表明，本文算法可有效提高定位精度、減少參考標(biāo)簽使用量，并且在不同室內(nèi)實(shí)驗(yàn)環(huán)境下魯棒性較強(qiáng)。

Table 3 Comparison of average positioning errors

5 結(jié)束語(yǔ)

本文針對(duì)目前室內(nèi)定位效果較好的VIRE算法中存在的不足，提出了一種基于粒子群的RFID室內(nèi)定位算法。實(shí)驗(yàn)結(jié)果表明，本文算法能有效克服VIRE的不足，使用相對(duì)較少的參考標(biāo)簽實(shí)現(xiàn)高效穩(wěn)定的高精度定位。但是，由于實(shí)驗(yàn)條件的限制，本文實(shí)驗(yàn)數(shù)據(jù)是通過(guò)室內(nèi)路徑損耗模型來(lái)獲取，并未在真實(shí)環(huán)境中驗(yàn)證，如何使本算法能夠在真實(shí)的不同復(fù)雜程度的實(shí)際環(huán)境中應(yīng)用，是我們下一步研究的重點(diǎn)。

[1] Werb J, Lanzl C. Designing a positioning system for finding things and people indoors[J]. Journal of IEEE Spectrum, 1998, 35(9):71-78.

[2] Hightower J, Want R, Borriello G. SpotON:An indoor 3D location sensing technology based on RF signal strength[R]. UW CSE 00-02-02. Seattle, WA:University of Washington, 2000.

[3] Ni L M, Liu Yun-hao, Lau Y C, et al. LANDMARC:Indoor location sensing using active RFID[J]. Wireless Networks,2004,10(6):701-710.

[4] Zhao Yi-yang, Liu Yun-hao, Ni L M. VIRE:Active RFID-based localization using virtual reference elimination[C]∥Proc of International Conference on Parallel Processing, 2007:56.

[5] Zhu Feng-juan.Research of indoor positioning algorithm based on the RFID technology[D].Guangzhou:South China University of Technology, 2010.(in Chinese)

[6] Chen Bing. The design of passive RFID location system and improvement of VIRE algorithm[D]. Tianjin:Tianjin University, 2012.(in Chinese)

[7] Shi Wei-guang. Research of indoor localization algorithm based on radio frequency identification technology[D]. Tianjin:Tianjin University, 2012.(in Chinese)

[8] Seidel S Y, Rappaport T S. 914 MHz path loss prediction models for indoor wireless communications in multifloored buildings[J]. IEEE Transactions on Antennas and Propagation,1992,40(2):207-217.

[9] Zhang Jian-wu, Zhang Lu, Ying Ying, et al. Research on distance measurement based on RSSI of ZigBee[J]. Chinese Journal of Sensors and Actuators, 2009, 22(2):285-288.(in Chinese)

[10] Kennedy J, Eberhart R. Particle swarm optimization[C]∥Proc of IEEE International Conference on Neural Networks, 1995:1942-1948.

[11] Mathews J H, Fink K D. Numerical methods using MATLAB[M]. 4th edition. Zhou Lu,Chen Yu, Qian Fang, et al, translation. Beijing:Electronic Industry Press, 2005.(in Chinese)

[12] Chuang P J, Wu Cheng-pei. An effective PSO-based node localization scheme for wireless sensor networks[C]∥Proc of the 9th International Coference on Parallel and Distributed Computing, Applications and Technologies,2008:187-194.

[13] Chen Gui-min, Jia Jian-yuan, Han Qi. Study on the strategy of decreasing inertia weight in particle swarm optimization algorithm[J]. Journal of Xi’an Jiaotong University, 2006,40(1):53-56.(in Chinese)

附中文參考文獻(xiàn)：

[5] 朱鳳娟. 射頻識(shí)別(RFID)技術(shù)的室內(nèi)定位算法研究[D]. 廣州:華南理工大學(xué), 2010.

[6] 陳冰. 無(wú)源RFID 定位系統(tǒng)搭建與VIRE算法優(yōu)化[D]. 天津:天津大學(xué), 2012.

[7] 史偉光. 基于射頻識(shí)別技術(shù)的室內(nèi)定位算法研究[D]. 天津:天津大學(xué), 2012.

[9] 章堅(jiān)武,張璐,應(yīng)瑛,等. 基于ZigBee的RSSI測(cè)距研究[J]. 傳感技術(shù)學(xué)報(bào),2009, 22(2):285-288.

[11] Mathews J H, Fink K D. 數(shù)值方法(MATLAB版)[M].第四版.周璐,陳渝,錢(qián)方，等譯. 北京:電子工業(yè)出版社,2005.

[13] 陳貴敏,賈建援,韓琪. 粒子群優(yōu)化算法的慣性權(quán)值遞減策略研究[J]. 西安交通大學(xué)學(xué)報(bào),2006,40(1):53-56.

WENPei-zhi,born in 1963,post doctor,professor,her research interests include internet of things, graphic and image processing, and target detection and recognition.

蘇亭婷(1988-),女,河南周口人，碩士，研究方向?yàn)槲锫?lián)網(wǎng)。E-mail:suting1222@163.com

SUTing-ting,born in 1988,MS,her research interest includes internet of things.

李麗芳(1978-),女,廣西恭城人，碩士，高級(jí)工程師，研究方向?yàn)樾畔⑻幚?。E-mail:lilifang@guet.edu.cn

LILi-fang,born in 1978,MS,senior engineer,her research interest includes information processing.

張建軍(1970-),男,遼寧阜新人，高級(jí)工程師，研究方向?yàn)楣?yīng)鏈管理和特種輪胎。E-mail:xmrs1011@sina.com

ZHANGJian-jun,born in 1970,senior engineer,his research interests include supply chain management, and special tyre.

PSO-basedRFIDpositioningalgorithm

WEN Pei-zhi1,SU Ting-ting1,LI Li-fang1,ZHANG Jian-jun2

(1.School of Computer Science and Engineering,Guilin University of Electronic Technology,Guilin 541004；2.China National Chemical Rubber Guilin Corporation Limited,Guilin 541004,China)

In order to solve low positioning accuracy and high cost in traditional positioning methods, the PSO-based RFID positioning approach is proposed. Firstly,aiming at the interference of environmental factors on the signals,Gaussian Smoothing Filter is adopted to preprocess RSSI(

Signal Strength Indicator) values.Secondly,based on grid-style reference tags,PSO algorithm is introduced to estimate the optimal positions of tracking tags by several iterations,thus improving the positioning accuracy.Finally,the RSSI values of virtual reference tags are calculated by Lagrange interpolation,so as to be more close to the values of real tags.Experimental results demonstrate that the proposed approach has excellent accuracy,high efficiency and low cost in indoor positioning.

PSO;Gaussian filtering;RFID indoor positioning;VIRE;Lagrange interpolation

1007-130X(2014)05-0917-06

2012-11-23;

：2013-03-29

廣西科技計(jì)劃資助項(xiàng)目(桂科攻11107006-10)；廣西自然科學(xué)基金資助項(xiàng)目(桂科自0991240)

TP391.45

：A

10.3969/j.issn.1007-130X.2014.05.022

溫佩芝(1963-),女,廣西靈山人，博士后，教授，研究方向?yàn)槲锫?lián)網(wǎng)、圖形圖像處理和目標(biāo)檢測(cè)識(shí)別。E-mail:wpzsia@163.com

通信地址：541004 廣西桂林市桂林電子科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院

Address:School of Computer Science and Engineering,Guilin University of Electronic Technology,Guilin 541004,Guangxi,P.R.China