基于低頻喚醒和極限學(xué)習(xí)機(jī)的無(wú)線定位系統(tǒng)

張?zhí)斐?/p>

(清華大學(xué) 自動(dòng)化系，北京 100084)

?

基于低頻喚醒和極限學(xué)習(xí)機(jī)的無(wú)線定位系統(tǒng)

張?zhí)斐?/p>

(清華大學(xué) 自動(dòng)化系，北京 100084)

摘要:設(shè)計(jì)了一種基于低頻(LF)喚醒技術(shù)和極限學(xué)習(xí)機(jī)(ELM)分類(lèi)算法的無(wú)線定位系統(tǒng)。實(shí)現(xiàn)了低頻喚醒、射頻應(yīng)答的電路結(jié)構(gòu)和通信回路，實(shí)現(xiàn)了有源應(yīng)答器的超低待機(jī)監(jiān)聽(tīng)。通過(guò)比較各類(lèi)型的多種射頻定位算法，選用基于ELM分類(lèi)的定位算法，對(duì)低頻喚醒接收信號(hào)強(qiáng)度指示(RSSI)數(shù)據(jù)進(jìn)行分類(lèi)并實(shí)現(xiàn)定位，有效降低了定位算法在線階段的計(jì)算量，在單片機(jī)系統(tǒng)中實(shí)現(xiàn)了實(shí)時(shí)定位計(jì)算。測(cè)試結(jié)果表明：定位系統(tǒng)在有效范圍內(nèi)定位精度可達(dá)15 cm，定位正確率可達(dá)95 %以上，在定位精度和穩(wěn)定性方面明顯優(yōu)于超高頻(UHF)頻段射頻定位系統(tǒng)。

關(guān)鍵詞：無(wú)線定位； 低頻喚醒； 極限學(xué)習(xí)機(jī)； 接收信號(hào)強(qiáng)度指示

0引言

隨著電子信息和物聯(lián)網(wǎng)技術(shù)的發(fā)展，室內(nèi)定位在商業(yè)、工業(yè)、服務(wù)業(yè)等眾多領(lǐng)域有著越來(lái)越突出的需求[1]。發(fā)展至今，射頻通信技術(shù)和接收信號(hào)強(qiáng)度(RSS)檢測(cè)成為了室內(nèi)定位技術(shù)的主要技術(shù)手段[2～4]。多數(shù)定位系統(tǒng)使用超高頻(UHF)頻段信號(hào)的接收信號(hào)強(qiáng)度指示(RSSI)進(jìn)行定位，UHF頻段信號(hào)強(qiáng)度容易受到墻體、人體和其他遮擋物影響，從而降低了定位準(zhǔn)確性。雖然有學(xué)者提出了各種改進(jìn)方法[5～8]，但未能消除信號(hào)自身性質(zhì)對(duì)定位準(zhǔn)確性的影響。與UHF頻段相比，低頻(LF)信號(hào)波長(zhǎng)更長(zhǎng)，近場(chǎng)通信更加穩(wěn)定，不易受遮擋影響，且強(qiáng)度隨距離衰減明顯，有利于獲得更高的定位精度。

另一方面，當(dāng)前定位系統(tǒng)中的定位算法多數(shù)都由后臺(tái)計(jì)算機(jī)完成，難以在計(jì)算能力相對(duì)有限的單片機(jī)等嵌入式平臺(tái)上實(shí)現(xiàn)，影響了系統(tǒng)的適應(yīng)性。

本文綜合分析各種定位方案，綜合考慮各頻段信號(hào)特點(diǎn)，比較各類(lèi)算法的優(yōu)缺點(diǎn)，提出了基于低頻喚醒和分類(lèi)算法的定位系統(tǒng)，以125 kHz低頻喚醒通信技術(shù)為硬件基礎(chǔ)，以極限學(xué)習(xí)機(jī)(ELM)[9～11]分類(lèi)器為定位算法，在單片機(jī)平臺(tái)上實(shí)現(xiàn)對(duì)有源定位標(biāo)簽的實(shí)時(shí)定位。

1系統(tǒng)結(jié)構(gòu)

定位系統(tǒng)結(jié)構(gòu)如圖1所示。系統(tǒng)包含喚醒器、應(yīng)答器(即定位標(biāo)簽)和接收終端。進(jìn)行定位時(shí)，首先由喚醒器發(fā)送125 kHz喚醒報(bào)文，喚醒范圍內(nèi)的應(yīng)答器被喚醒，采集喚醒信號(hào)RSSI等相關(guān)數(shù)據(jù)，通過(guò)433 MHz頻段發(fā)送至接收終端。接收終端接收數(shù)據(jù)包，解析、收集數(shù)據(jù)，并運(yùn)行定位算法獲得定位結(jié)果。

1.1喚醒器結(jié)構(gòu)

喚醒器用于發(fā)射喚醒報(bào)文。喚醒器需保證報(bào)文格式正確、發(fā)射波形頻率準(zhǔn)確、幅值穩(wěn)定，以保證有效范圍內(nèi)的應(yīng)答器能夠被可靠喚醒、測(cè)量到穩(wěn)定的RSSI數(shù)值、解調(diào)出正確的數(shù)據(jù)。

圖1　定位系統(tǒng)結(jié)構(gòu)圖Fig 1　Structure of positioning system

喚醒器的結(jié)構(gòu)如圖2所示。由串行報(bào)文信號(hào)對(duì)定時(shí)器形成的4路125 kHz同步載波信號(hào)進(jìn)行調(diào)制，經(jīng)H橋驅(qū)動(dòng)LC串聯(lián)諧振線圈進(jìn)行發(fā)射。報(bào)文包含載波頭、前導(dǎo)碼、喚醒識(shí)別碼和用戶數(shù)據(jù)(例如喚醒器ID等)，報(bào)文串行信號(hào)與發(fā)射線圈諧振波形的對(duì)應(yīng)關(guān)系如圖3所示。

圖2　喚醒器結(jié)構(gòu)Fig 2　Structure of initiator

圖3　報(bào)文信號(hào)與諧振波形對(duì)應(yīng)關(guān)系Fig 3　Correspondence relationship between message signal andresonance wave form

1.2應(yīng)答器結(jié)構(gòu)

應(yīng)答器用于接收喚醒報(bào)文并通過(guò)UHF通信做出應(yīng)答。在收到正確的喚醒報(bào)文后，應(yīng)答器需要驗(yàn)證喚醒識(shí)別碼、測(cè)量RSSI、解調(diào)用戶數(shù)據(jù)并發(fā)送應(yīng)答數(shù)據(jù)包。

應(yīng)答器分為低頻喚醒部分、數(shù)據(jù)處理部分和射頻應(yīng)答部分。低頻部分使用專(zhuān)用的三軸正交線圈組成LC并聯(lián)諧振電路接收信號(hào)，使用專(zhuān)用的低頻喚醒接收芯片AS3933測(cè)量3路RSSI、驗(yàn)證喚醒識(shí)別碼和解調(diào)數(shù)據(jù)。使用3組方向正交的線圈可以更準(zhǔn)確地體現(xiàn)RSSI，并保證至少1組線圈能夠獲得足夠的信號(hào)強(qiáng)度來(lái)解調(diào)數(shù)據(jù)。數(shù)據(jù)處理和應(yīng)答部分使用TI公司的CC430系列單片機(jī)，通過(guò)2路SPI串口分別完成讀寫(xiě)寄存器(包括RSSI)和接收解調(diào)數(shù)據(jù)；通過(guò)內(nèi)嵌的CC1101射頻通信模塊，將收集的數(shù)據(jù)發(fā)送至接收終端。

本系統(tǒng)中使用主動(dòng)式應(yīng)答器，AS3933芯片在監(jiān)聽(tīng)狀態(tài)下最低電流為2.3 μA，處理器休眠電流最低0.9 μA，實(shí)現(xiàn)了超低功耗待機(jī)；應(yīng)答通信過(guò)程電流約15 mA，持續(xù)時(shí)間約1.6 ms，整體耗電量較少，保證了應(yīng)答器電池的續(xù)航時(shí)間。

1.3接收終端結(jié)構(gòu)

接收器用于接收應(yīng)答器發(fā)送的數(shù)據(jù)包，解析和收集其中的數(shù)據(jù)，并執(zhí)行定位算法。接收器使用CC1101射頻芯片接收應(yīng)答數(shù)據(jù)，使用RX361系列32位單片機(jī)讀取數(shù)據(jù)和執(zhí)行定位算法。定位時(shí)需要獲取應(yīng)答器接收不同位置的多路喚醒信號(hào)的RSSI數(shù)據(jù)，接收終端需在確認(rèn)數(shù)據(jù)齊全的條件下執(zhí)行定位算法。

2定位算法

本系統(tǒng)選用基于分類(lèi)的定位算法，以低頻喚醒信號(hào)的RSSI為基礎(chǔ)數(shù)據(jù)，根據(jù)定位精度的需求，將空間進(jìn)行若干劃分，劃分出的每一個(gè)小空間視為一類(lèi)，使用樣本數(shù)據(jù)訓(xùn)練分類(lèi)器，再對(duì)測(cè)試數(shù)據(jù)進(jìn)行分類(lèi)實(shí)現(xiàn)定位。相比基于RSSI指紋比對(duì)的方法，基于分類(lèi)的方法不需要在實(shí)際定位階段逐一比對(duì)所有數(shù)據(jù)樣本，而是在訓(xùn)練過(guò)程分中利用全部訓(xùn)練樣本訓(xùn)練分類(lèi)器；定位階段計(jì)算量不受樣本數(shù)量影響，由分類(lèi)器結(jié)構(gòu)決定，計(jì)算量更加可控，適用于本系統(tǒng)。

本系統(tǒng)選用ELM算法作為分類(lèi)算法。ELM算法由Huang G B提出，是一種基于單隱層前饋神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法[9]。相比BP算法、SVM算法等分類(lèi)算法，ELM算法具有更短的訓(xùn)練時(shí)間和更高的分類(lèi)正確率[9]。算法結(jié)構(gòu)模型如圖4所示，圖中，x和o分別為輸入數(shù)據(jù)(本系統(tǒng)中為RSSI向量)和分類(lèi)輸出向量，n和m分別為輸入維度和分類(lèi)數(shù)，隱層節(jié)點(diǎn)數(shù)L根據(jù)分類(lèi)問(wèn)題的實(shí)際情況選取，各隱層節(jié)點(diǎn)的輸入權(quán)重w和偏置系數(shù)為隨機(jī)選取，僅輸出權(quán)重β待定。輸出向量中每個(gè)輸出值的計(jì)算方法如式(1)，輸出向量中數(shù)值最大一項(xiàng)即對(duì)應(yīng)分類(lèi)結(jié)果[9～11],即

(1)

圖4　ELM算法結(jié)構(gòu)Fig 4　Structure of ELM algorithm

使用N個(gè)訓(xùn)練樣本〈Xi,Ti〉(i=1,2,…,N)對(duì)算法進(jìn)行訓(xùn)練時(shí)，可以使用矩陣的方式重寫(xiě)式(1)為式(2)，并得到輸出權(quán)重矩陣的計(jì)算式(3)

(2)

β=H+T.

(3)

由式(3)計(jì)算出的輸出權(quán)重矩陣，可使分類(lèi)器對(duì)訓(xùn)練樣本達(dá)到最小錯(cuò)誤率，同時(shí)使得輸出權(quán)重系數(shù)的標(biāo)準(zhǔn)差達(dá)到最小[10]。由于訓(xùn)練過(guò)程只調(diào)整輸出權(quán)重矩陣，且通過(guò)求解廣義逆矩陣直接計(jì)算出輸出矩陣而不使用迭代，可以明顯縮短算法的訓(xùn)練時(shí)間；訓(xùn)練結(jié)果達(dá)到最小錯(cuò)誤率和輸出權(quán)重最小標(biāo)準(zhǔn)差，保證了算法在定位階段的正確率和推廣性[9,10]。

3測(cè)試結(jié)果與分析

3.1測(cè)試方案

定位測(cè)試時(shí)使用4路喚醒天線依次發(fā)送喚醒信號(hào)，應(yīng)答器測(cè)量喚醒信號(hào)RSSI并應(yīng)答，由接收終端收集數(shù)據(jù)樣本。4路喚醒天線位于4.5 m×3 m定位區(qū)域四周，區(qū)域中央位置以15 cm間距劃出5×5正方形網(wǎng)格，形成25個(gè)測(cè)試點(diǎn)位，應(yīng)答器在每個(gè)測(cè)試點(diǎn)位上以不同角度進(jìn)行采樣；接收器將全部數(shù)據(jù)按照測(cè)試點(diǎn)位分成25組，使用樣本數(shù)據(jù)的90 %作為訓(xùn)練樣本，其余10 %作為測(cè)試樣本。

定位情景分為兩種:全部25個(gè)測(cè)試位點(diǎn)定位;選取 2×5的測(cè)試區(qū)域，沿縱向分為兩區(qū)，進(jìn)行區(qū)域的定位。

3.2實(shí)驗(yàn)結(jié)果

基于ELM的定位算法在兩種定位情景中的定位正確率與隱節(jié)點(diǎn)數(shù)量關(guān)系如表1所示?；贓LM的定位算法在兩種定位情景下均能達(dá)到較高的正確率。

表1　ELM算法定位正確率

基于ELM的定位算法除了具有較高的定位正確率外，在算法運(yùn)算量上也具有優(yōu)勢(shì)?；贓LM的定位算法和基于指紋匹配的算法在計(jì)算量相近情況下的定位正確率情況如圖5所示。由圖5可知:相比于指紋匹配算法，ELM算法在較低運(yùn)算量的情況下即可達(dá)到較好的定位正確率，定位效果優(yōu)于同等計(jì)算量下的指紋匹配算法。

圖5　ELM算法與指紋匹配算法在同等運(yùn)算量下的正確率比較Fig 5　Accuracy comparison between two algorithmsunder similar amount of calculation

4結(jié)論

經(jīng)測(cè)試驗(yàn)證，本文提出的基于125 kHz低頻喚醒和ELM分類(lèi)算法的定位系統(tǒng)可實(shí)現(xiàn)較高的定位精度和正確率。定位系統(tǒng)在算法計(jì)算量相對(duì)較低的情況下即可實(shí)現(xiàn)較好的定位效果。定位系統(tǒng)可在單片機(jī)等嵌入式平臺(tái)上實(shí)現(xiàn)，現(xiàn)場(chǎng)實(shí)施更加靈活方便，在小范圍高精度定位方面有較好的應(yīng)用前景。

參考文獻(xiàn):

[1]杜鋒,田世偉,李廣俠.WLAN定位綜述[C]∥第五屆中國(guó)衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)論文集,2014.

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

[3]武亞鵬.基于RFID雙頻段定位系統(tǒng)天線設(shè)計(jì)[D].西安：西安電子科技大學(xué),2014.

[4]王沛.基于多頻RFID組合定位系統(tǒng)設(shè)計(jì)與應(yīng)用[D].西安：西安電子科技大學(xué),2014.

[5]王曙光.無(wú)線傳感器網(wǎng)絡(luò)的分區(qū)域質(zhì)心定位算法[J].傳感器與微系統(tǒng),2014, 33(12):149-151.

[6]項(xiàng)亞南,潘豐.一種基于無(wú)線傳感器網(wǎng)絡(luò)的加權(quán)閾值質(zhì)心定位算法[J].傳感器與微系統(tǒng),2014,33(9):104-106.

[7]徐俊俊.基于射頻指紋匹配的高精度魯棒定位技術(shù)的研究與驗(yàn)證[D].北京：北京郵電大學(xué),2013.

[8]孫中廷,華鋼,黃金城.基于進(jìn)化理論的無(wú)線網(wǎng)絡(luò)室內(nèi)定位算法[J].傳感器與微系統(tǒng),2014,33(9):132-134.

[9]Huang G B,Zhu Q Y,Siew C K.Extreme learning machine:A new learning scheme of feedforward neural networks[C]∥Proceedings of 2004 IEEE International Joint Conference on Neural Networks,IEEE,2004:985-990.

[10] Huang G B,Zhu Q Y,Siew C K.Extreme learning machine:Theory and applications[J].Neurocomputing,2006,70(1):489-501.

[11] Huang G,Huang G B,Song S,et al.Trends in extreme learning machines:A review[J].Neural Networks,2015,61:32-48.

Wireless positioning system based on LF wake-up and ELM

ZHANG Tian-cheng

(Department of Automation,Tsinghua University,Beijing 100084,China)

Abstract:A wireless positioning system based on low-frequency(LF)wake-up and ELM classification algorithm is designed.The circuit and communication loop for LF wake-up and RF response is designed,and listening of transponder with ultra-low power consumption is achieved.By comparing numeral RF positioning algorithms,select ELM-based classification positioning algorithm,LF wake-up RSSI data is classified and located,effectively reduce amount of computations at on-line stage of algorithm, realtime positioning computation is realized on MCU systems.Test result shows that the positioning precision in effective range can reach 15 cm,correctness rate of positioning is positioning is over 95 %,it is prior to UHF RF positioning systems in positioning precision and stability.

Key words:wireless positioning; LF wake-up; ELM; RSSI

DOI:10.13873/J.1000—9787(2016)03—0102—03

收稿日期：2015—05—07

中圖分類(lèi)號(hào)：TP 212.9

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1000—9787(2016)03—0102—03

作者簡(jiǎn)介:

張?zhí)斐?1989- )，男，北京人，碩士，主要研究方向?yàn)榍度胧较到y(tǒng)應(yīng)用。