基于RFID和自適應(yīng)卡爾曼濾波的室內(nèi)移動目標定位方法

尹姝 陳元櫞 仇翔

摘要 本文研究了UHF-RFID（超高頻-射頻識別）環(huán)境下的移動目標定位問題，提出了一種結(jié)合自適應(yīng)卡爾曼濾波和BVIRE（邊界虛擬參考標簽）的移動機器人定位方法，即B-AKF（Boundary-Adaptive Kalman Filter）定位方法.首先，利用UHF-RFID系統(tǒng)對移動機器人進行初始定位，其次，考慮模型和噪聲統(tǒng)計特性不確定性，采用自適應(yīng)卡爾曼濾波方法對機器人的運動狀態(tài)進行預(yù)測和更新，并引入自適應(yīng)因子補償噪聲方差不確定性問題.最后，搭建了基于UHF-RFID的定位實驗平臺，并通過實驗研究表明，相比于傳統(tǒng)的線性BVIRE和線性卡爾曼濾波方法，所提出的自適應(yīng)卡爾曼濾波方法具有更高的定位精度和更強的魯棒性能. 關(guān)鍵詞

定位;超高頻-射頻識別;邊界虛擬參考標簽;自適應(yīng)卡爾曼濾波器

中圖分類號? TP249

文獻標志碼? A

0 引言

移動機器人的定位是其實現(xiàn)自主導(dǎo)航的關(guān)鍵技術(shù)之一[1] ，廣泛應(yīng)用于未知環(huán)境探測、遠程醫(yī)療、智能物流等領(lǐng)域，是移動機器人領(lǐng)域的主要研究方向之一，目前也有許多實用的方法，如基于測距的超聲波、視覺和激光定位.由于UHF-RFID（Ultra High Frequency-Radio Frequency Identification，超高頻-射頻識別）技術(shù)具有超視距信息傳輸、成本低廉、數(shù)據(jù)交互快等優(yōu)點[2] ，已經(jīng)引起了人們的廣泛關(guān)注并應(yīng)用于移動機器人定位[3-5] .此外，RFID標簽也可以作為環(huán)境中的錨節(jié)點地標安裝于移動機器人以進行唯一標定.

近年來，RFID在移動機器人定位研究中產(chǎn)生了許多成果，如Lionel等[6] 提出了LANDMARC定位模型，采用了無源RFID系統(tǒng)在建筑物內(nèi)對移動目標進行了定位.Han等[7] 采用了將RFID標簽在地板上排列成三角形的方案，在LANDMARC技術(shù)上縮小了傳統(tǒng)方格的估計誤差.該方法還利用編碼器在左右輪子的數(shù)據(jù)信息精確地計算移動機器人的位置，同時融合了RFID信號強度值信息.Chon等[8] 使用RFID系統(tǒng)將GPS和陀螺儀兩者產(chǎn)生的高度精確位置信息進行融合，利用安裝有源標簽信息的移動機器人在道路上獲得了較為準確的定位精度.Yamano等[9] 則提出了一種支持向量機實現(xiàn)了RFID系統(tǒng)的定位.Masumoto等[10] 結(jié)合了RFID系統(tǒng)和GPS進行了機器人的位姿估計.而在基于載波信號差（Phase Difference of Arrival）的定位方法中引入了超高頻RFID定位系統(tǒng)[11-13] 之后，文獻[14]利用RFID參考標簽的相位信息，使用了一種多假設(shè)擴展卡爾曼濾波方法，實驗驗證了移動機器人在初始位姿未知情況下的全局定位.在這些研究中，由于系統(tǒng)的局限性，使用的單個傳感器系統(tǒng)定位不能保證準確性.此外，由于非線性轉(zhuǎn)換造成的線性化誤差往往是時變的，使得噪聲估計器往往不能發(fā)揮其應(yīng)有的作用[15] .另外，現(xiàn)有的UHF-RFID定位方法[16-18] 中，有基于信號強度值三角質(zhì)心定位方法，有使用引入?yún)⒖紭撕灋楹诵牡腖ANDMARC和VIRE定位方法[19-20] .然而，依靠RSSI測距的方式存在抗干擾能力差、定位精度低等問題.

為此，本文提出了一種基于自適應(yīng)卡爾曼濾波的移動機器人定位方法. 為了避免量測非線性引起的不利影響，引入了BVIRE（Boundary Virtual Reference，邊界虛擬參考標簽）方法將非線性的量測信息轉(zhuǎn)化為線性的量測信息，進而通過引入自適應(yīng)因子補償噪聲方差不確定性問題.與文獻[16]相比，增加了邊界處理過程.最后，搭建了基于UHF-RFID的移動目標定位實驗平臺，并在該平臺上驗證了所提出算法的有效性和優(yōu)越性.

1 B-AKF自適應(yīng)卡爾曼濾波定位方法

1.1 系統(tǒng)建模

其中N為蒙特卡羅仿真次數(shù).

如圖3所示的仿真環(huán)境中，在8 m×8 m區(qū)域內(nèi)均勻分布16個參考標簽，理論軌跡為4 m×4 m的正方形.仿真結(jié)果顯示，改進的方法在未知系統(tǒng)噪聲的情況下，其定位估計的結(jié)果更加接近移動機器人的真實軌跡.由圖2不難發(fā)現(xiàn)，無論是BVIRE方法還是卡爾曼與BVIRE方法都在后半段的位置估計中明顯偏離真實位置，特別是在拐角處其均方根誤差較大.理論分析可知主要是由于在標準的卡爾曼濾波中，其給定的噪聲統(tǒng)計特性根據(jù)先驗信息而定，不夠準確.進一步引入本文提出的自適應(yīng)因子進行自動補償，仿真結(jié)果如圖3中的紅色曲線所示，定位精度得到了一定的提高.

3 實驗研究

將改進方法運用于如圖4所示的真實定位環(huán)境.場景為4 m×4 m的定位區(qū)域，具體布局如圖4所示，最終實時的位置估計結(jié)果顯示于圖5中，獲得了滿意的定位結(jié)果.值得一提的是，由于沒有引入自適應(yīng)過程，BVIRE方法和BVIRE與線性卡爾曼濾波方法在此定位平臺應(yīng)用中均不同程度發(fā)散.經(jīng)發(fā)散數(shù)據(jù)分析發(fā)現(xiàn)，在模糊地圖建立階段，BVIRE因在某一時刻無法建立正確的相交地圖點集導(dǎo)致定位結(jié)果發(fā)散.而線性卡爾曼濾波由于沒有自適應(yīng)過程，也間接導(dǎo)致線性卡爾曼濾波在時刻更新的過程中魯棒性較低.

4 結(jié)論

本文提出的BVIRE與自適應(yīng)卡爾曼濾波聯(lián)合位置估計的方法，通過采用BVIRE方法對移動機器人位置的預(yù)處理，將非線性的量測信息轉(zhuǎn)化為線性的量測信息，同時，對系統(tǒng)噪聲未知的統(tǒng)計特性進行實時估計，利用新息對算法發(fā)散的趨勢進行判斷，通過引入自適應(yīng)因子提高了定位方法的魯棒性.實驗結(jié)果表明，改進方法在濾波精度和穩(wěn)定性方面有明顯提升.

參考文獻

References

[ 1 ]?Gueaieb W，Miah M S.An intelligent mobile robot navigation technique using RFID technology[J].IEEE Transactions on Instrumentation and Measurement，2008，57（9）：1908-1917

[ 2 ] Zhou J R，Zhang H J，Zhou H L.Localization of pallets in warehouses using passive RFID system[J].Journal of Central South University，2015，22（8）：3017-3025

[ 3 ] Catarinucci L，Tedesco S，Tarricone L.Customized ultra high frequency radio frequency identification tags and reader antennas enabling reliable mobile robot navigation[J].IEEE Sensors Journal，2013，13（2）：783-791

[ 4 ] Han S，Lim H S，Lee J M.An efficient localization scheme for a differential-driving mobile robot based on RFID system[J].IEEE Transactions on Industrial Electronics，2007，54（6）：3362-3369

[ 5 ] Khaliq ?A A，Pecora F，Saffiotti A.Inexpensive，reliable and localization-free navigation using an RFID floor[C]∥European Conference on Mobile Robots，IEEE，2015：1-7

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

[ 7 ] Han S，Lim H，Lee J.An efficient localization scheme for a differential-driving mobile robot based on RFID system[J].IEEE Trans Ind Electron，2007，54（6）：3362-3369

[ 8 ] Chon H D，Jun S，Jung H，et al.Using RFID for accurate positioning[J].J Global Positioning Syst，2004，3（1/2）：32-39

[ 9 ] Yamano K，Tanaka K，Hirayama M，et al.Self-localization of mobile robots with RFID system by using support vector machine[C]∥Proc IEEE/RSJ Int Conf Intell Robots Syst，2004：3756-3761.

[10] Matsumoto O，Komoriya K，Hatase T，et al.Autonomous traveling control of the ‘TAO Aicle intelligent wheelchair[C]∥Proc IEEE/RSJ Int Conf Intell Robots Syst，2006：4322-4327

[11] Park S，Hashimoto S.Autonomous mobile robot navigation using passive RFID in indoor environment[J].IEEE Transactions on Industrial Electronics，2009，56（7）：2366-2373

[12] Digiampaolo ?E，Martinelli F.Mobile robot localization using the phase of passive UHF RFID signals[J].IEEE Transactions on Industrial Electronics，2014，61（1）：365-376

[13] Martinelli F.A robot localization system combining RSSI and phase shift in UHF-RFID signals[J].IEEE Transactions on Control Systems Technology，2015，23（5）：1782-1796

[14] Emidio D，F(xiàn)rancesco M.Mobile robot localization using the phase of passive UHF RFID signals[J].IEEE Transactions on Industrial Electronics，2014，61（1）：365-376

[15]? 石勇，韓崇昭.自適應(yīng)UKF算法在目標跟蹤中的應(yīng)用[J].自動化學(xué)報，2011，37（6）：755-759

SHI Yong，HAN Chongzhao.Adaptive UKF algorithm with applications to target tracking[J].Acta Automatica Sinica，2011，37（6）：755-759

[16]? 張文安，陳國慶，楊旭升.UHF-RFID環(huán)境下的移動機器人定位方法[J].控制與決策，2017，DOI：10.13195/j.kzyjc.2017.0741

ZHANG Wenan，CHEN Guoqing，YANG Xusheng.Mobile robot localization in UHF-RFID environment[J].Control and Decision，2017，DOI：10.13195/j.kzyjc.2017.0741

[17] Kunkel S，Bieber R，Huang M S，et al.A concept for infrastructure independent localization and augmented reality visualization of RFID tags[C]∥2009 IEEE MTT-S International Microwave Workshop on Wireless Sensing，Local Positioning，and RFID，2009：1-4

[18] Schwiegelshohn F，Nick T，Gotze J.Localization based on fusion of RFID and stereo image data[C]∥2013 10th Workshop on Positioning，Navigation and Communication（WPNC），2013：1-6

[19]? 俱瑩，劉開華，史偉光，等.基于RFID的邊界虛擬參考標簽定位算法[J].計算機工程，2011，37（6）：274-276

JU Ying，LIU Kaihua，SHI Weiguang，et al.BVIRE localization algorithm based on RFID[J].Computer Engineering，2011，37（6）：274-276

[20]? 薛麗，高社生，胡高歌.自適應(yīng)Sage-Husa粒子濾波及其在組合導(dǎo)航中的應(yīng)用[J].中國慣性技術(shù)學(xué)報，2013，21（1）：84-88

XUE Li，GAO Shesheng，HU Gaoge.Adaptive Sage-Husa particle filtering and its application in integrated navigation[J].Journal of Chinese Inertial Technology，2013，21（1）：84-88

Indoor moving-target localization using RFID and adaptive Kalman filter

YIN Shu 1 CHEN Yuanyuan 2 QIU Xiang 2

1 Center of Electrician and Electronics，Zhejiang University of Technology，Hangzhou 310023

2 College of Information Engineering，Zhejiang University of Technology，Hangzhou 310023

Abstract? The UHF-RFID-based moving-target localization problem is investigated in this paper.In addition，a novel localization method，named B-AFK method，which integratesthe adaptive Kalman filter and the conventional BVIRE method，is presented.First，the UHF-RFID system is used to initialize the location of a mobile robot.Then，considering the uncertainties in the model and the statistical properties of the UHF-RFID localization system，an adaptive ?Kalman filter method is used to predict and update the robots position.Further，an adaptive factor is introduced to compensate for the uncertainties in the noise covariance.Finally，a UHF-RFID-based localization platform is established and experiments are carried out to show that the proposed method outperforms the conventional BVIRE and linear Kalman filter in terms of precision and robustness.

Key words? localization;ultra high frequency-radio frequency identification（UHF-RFID）;boundary virtual reference;adaptive Kalman filter