楊麗 劉沁舒 徐潔 胡靜 宋鐵成 蔣宗清

【摘? 要】提出了一種基于非線性支持向量機(jī)回歸SVR、粒子群優(yōu)化PSO和卡爾曼濾波KF的室內(nèi)定位算法。對(duì)室內(nèi)運(yùn)動(dòng)的物體，采用SVR訓(xùn)練RSSI和距離，構(gòu)建RSSI和距離的非線性關(guān)系，提高RSSI測(cè)距精度;再根據(jù)待定位標(biāo)簽到各個(gè)閱讀器的距離，利用PSO優(yōu)化算法來(lái)確定待定位物體各時(shí)間點(diǎn)的位置坐標(biāo);最后通過(guò)卡爾曼濾波對(duì)運(yùn)動(dòng)軌跡進(jìn)行濾波。實(shí)驗(yàn)結(jié)果表明，該算法提升了室內(nèi)運(yùn)動(dòng)物體的定位精度，減小了定位誤差。

【關(guān)鍵詞】RFID;定位;非線性SVR;PSO;KF

1? ?引言

RFID（Radio Frequency Identification）定位技術(shù)[1]利用讀寫(xiě)器和電子標(biāo)簽之間的雙向數(shù)據(jù)交換[2-4]，對(duì)物體進(jìn)行定位，該技術(shù)成本低，環(huán)境適應(yīng)能力強(qiáng)，可以在很短的時(shí)間內(nèi)達(dá)到較高的定位精度[5-6]。本文提出基于非線性支持向量機(jī)回歸（SVR，Support Vector Regression）[7]、粒子群優(yōu)化（PSO，Particle Swarm Optimization）[8]和卡爾曼濾波（KF，Kalman Filter）[9]的定位算法SVRPSO-KF。對(duì)于運(yùn)動(dòng)的物體，先通過(guò)非線性SVR構(gòu)建接收信號(hào)強(qiáng)度指示（RSSI，Received Signal Strength Indication）與距離的非線性映射關(guān)系，提高RSSI測(cè)距的精度，再利用粒子群優(yōu)化算法通過(guò)迭代搜索估計(jì)待定位標(biāo)簽各時(shí)間點(diǎn)的位置，最后通過(guò)卡爾曼濾波對(duì)運(yùn)動(dòng)軌跡進(jìn)行濾波[10]以提高定位精度。

2? ?SVRPSO-KF定位算法

在SVRPSO-KF算法中，有兩個(gè)階段：更新階段和預(yù)測(cè)階段。一方面，根據(jù)待定位目標(biāo)前一時(shí)刻的狀態(tài)信息預(yù)測(cè)出目標(biāo)當(dāng)前時(shí)刻的狀態(tài)信息;另一方面，根據(jù)預(yù)測(cè)信息更新目標(biāo)當(dāng)前時(shí)刻的狀態(tài)信息和后驗(yàn)分布以及相關(guān)參數(shù)，由此對(duì)目標(biāo)狀態(tài)進(jìn)行持續(xù)跟蹤，結(jié)果即為待定位標(biāo)簽的運(yùn)動(dòng)軌跡。算法詳細(xì)步驟如下：

（1）系統(tǒng)的動(dòng)態(tài)模型為：

Xk是系統(tǒng)的狀態(tài)向量，Zk是系統(tǒng)的觀測(cè)向量，F(xiàn)是狀態(tài)轉(zhuǎn)移矩陣，H為觀測(cè)矩陣，Wk為零均值、協(xié)方差矩陣為Q的過(guò)程噪聲，Vk為零均值、協(xié)方差矩陣為R的觀測(cè)噪聲。

（2）通過(guò)將參考標(biāo)簽的RSSI矩陣與參考標(biāo)簽的距離矩陣作為非線性SVR的訓(xùn)練集，構(gòu)建RSSI與距離的非線性映射關(guān)系，估算出待定位標(biāo)簽與閱讀器之間的距離，再利用PSO優(yōu)化方法通過(guò)迭代尋求目標(biāo)函數(shù)的最優(yōu)解，從而可以獲取系統(tǒng)的觀測(cè)向量Zk，具體步驟如下：

◆建立參考標(biāo)簽的RSSI矩陣和距離矩陣。

◆將參考標(biāo)簽的RSSI矩陣作為樣本的輸入值，將其距離矩陣作為樣本的期待輸出值，對(duì)其進(jìn)行非線性SVR訓(xùn)練，得到?jīng)Q策函數(shù)，構(gòu)建RSSI與距離的非線性映射關(guān)系。

◆閱讀器獲取待定位標(biāo)簽的信號(hào)強(qiáng)度值，建立待定位標(biāo)簽的RSSI矩陣。將待定位標(biāo)簽的RSSI矩陣作為決策函數(shù)的輸入，則可估算待定位標(biāo)簽與閱讀器之間的距離。

◆根據(jù)待定位標(biāo)簽的距離矩陣以及閱讀器的位置坐標(biāo)，構(gòu)建出待定位標(biāo)簽位置的非線性方程組。將非線性方程組求解問(wèn)題轉(zhuǎn)化為目標(biāo)函數(shù)的優(yōu)化問(wèn)題。

◆利用PSO優(yōu)化方法，通過(guò)迭代尋求目標(biāo)函數(shù)的最優(yōu)解，計(jì)算并比較所有粒子的適應(yīng)度值，根據(jù)全局最優(yōu)值和個(gè)體最優(yōu)值使粒子的位置和速度向最優(yōu)解靠攏，得到的最優(yōu)解為待定位標(biāo)簽的位置坐標(biāo)也就是系統(tǒng)的觀測(cè)向量Zk。

（3）對(duì)算法中的參數(shù)進(jìn)行更新

（4）重復(fù)步驟（2）和步驟（3）即可對(duì)目標(biāo)狀態(tài)進(jìn)行持續(xù)跟蹤，結(jié)果即為待定位標(biāo)簽的運(yùn)動(dòng)軌跡。

3? ?算法仿真與結(jié)果分析

本文使用Python對(duì)算法進(jìn)行了一系列仿真實(shí)驗(yàn)來(lái)評(píng)估SVRPSO-KF算法的性能。在仿真實(shí)驗(yàn)中，定位系統(tǒng)仿真布局如圖1所示。待定位區(qū)域?yàn)? m×8 m的室內(nèi)區(qū)域，在這個(gè)區(qū)域中的每個(gè)角落放置一個(gè)閱讀器，在整個(gè)區(qū)域中均勻放置4×4個(gè)參考標(biāo)簽，并生成待定位標(biāo)簽的運(yùn)動(dòng)軌跡。

為了驗(yàn)證本文提出算法的定位性能，同時(shí)對(duì)未進(jìn)行濾波的VIRE算法[4]和SVR-PSO算法進(jìn)行仿真。定位算法誤差圖如圖2所示。在定位精度方面，本文提出的SVRPSO-KF算法比VIRE算法有很大的提升;在定位誤差方面，本文提出的SVRPSO-KF算法比SVR-PSO算法有一定的改善，這說(shuō)明利用KF對(duì)運(yùn)動(dòng)軌跡進(jìn)行濾波可以降低定位誤差，并且使系統(tǒng)的定位結(jié)果更穩(wěn)定，這主要是因?yàn)镾VR對(duì)RSSI和距離非線性回歸比較準(zhǔn)確，并且采用了PSO優(yōu)化算法，通過(guò)迭代提高了定位精度，并且通過(guò)KF對(duì)軌跡進(jìn)行濾波，進(jìn)一步降低了定位誤差。

4? ?結(jié)束語(yǔ)

本文在RFID環(huán)境下，通過(guò)閱讀器對(duì)運(yùn)動(dòng)的標(biāo)簽進(jìn)行定位，提出了一種SVRPSO-KF定位算法。該算法首先通過(guò)非線性SVR對(duì)RSSI和距離進(jìn)行訓(xùn)練，構(gòu)建RSSI與距離的非線性映射關(guān)系，提高RSSI的測(cè)距精度;然后再利用PSO優(yōu)化算法通過(guò)迭代尋求待定位標(biāo)簽的位置坐標(biāo);最后利用KF對(duì)運(yùn)動(dòng)軌跡進(jìn)行濾波。仿真結(jié)果表明，本文提出的SVRPSO-KF算法能夠有效地提高定位精度，降低定位誤差。

參考文獻(xiàn)：

[1] M K Bek， E M Shaheen， S A Elgamel. Analysis of the global position system acquisition process in the presence of interference[J]. IET Radar， Sonar & Navigation， 2016，10（5）： 850-861.

[2] Scherh?ufl M， Pichler M， Stelzer A. UHF RFID Localization Based on Evaluation of Backscattered Tag Signals[J]. IEEE Transactions on Instrumentation and Measurement， 2015，64（11）： 2889-2899.

[3] Khan M M， Tahir F A， Cheema H M. Frequency Band Utilization Enhancement For Chipless RFID Tag Through Place Value Encoding[C]//2016 IEEE International Symposium on Antennas and Propagation （APSURSI 2016）. Fajardo ， Puerto Rico， 2016： 1477-1478.

[4] X Liu， M Wen， G C Qin， et al. LANDMARC with improved k-nearest algorithm for RFID location system[C]//2016 2nd IEEE International Conference on Computer and Communications （ICCC）. Chengdu， 2016： 2569-2572.

[5] Dian Z， Kezhong L， Rui M. A precise RFID indoor localization system with sensor network assistance[J]. China Communications， 2015，12（4）： 13-22.

[6] Zhang X， Peng， Cao X. RFID Indoor Localization Algorithm Based on Dynamic Netting[C]//2010 International Conference on Computational and Information Sciences. Chengdu， 2010： 428-431.

[7] 張謙. UHF RFID系統(tǒng)應(yīng)用性能關(guān)鍵技術(shù)研究[D]. 上海： 上海交通大學(xué)， 2015.

[8] Lu X， Wang L， Wang H， et al. Kalman filtering for delayed singular systems with multiplicative noise[J]. IEEE/CAA Journal of Automatica Sinica， 2016，3（1）： 51-58.

[9] Kulikov G Y， Kulikova M V. The Accurate Continuous-Discrete Extended Kalman Filter for Radar Tracking[J]. IEEE Transactions on Signal Processing， 2016，64（4）： 948-958.

[10] H Zhou guo， L Fang， Y Yi. An improved indoor UHF RFID localization method based on deviation correction[C]//2017 4th International Conference on Information Science and Control Engineering （ICISCE）. Changsha， 2017： 1401-1404.