基于無源RFID的定位研究

柯成杰 沈子成 朱澤玉 周彪

【摘要】? ? 針對傳統(tǒng)室內(nèi)定位中RSSI不穩(wěn)定、室內(nèi)定位精度低問題，本文采用鏈路穩(wěn)定性高的收包率（PRR），抗干擾能力強。本文提出了一種新型的定位模型，用收包率確定的幾何圓環(huán)重疊來限制劃分定位區(qū)域，建立位置指紋識別庫，每個位置指紋都能唯一映射到一塊定位區(qū)域;并且通過布置參考標(biāo)簽用KNN算法進一步精確定位，找到物體。聚類劃分收包率區(qū)域允許室內(nèi)多徑效應(yīng)導(dǎo)致的收包率波動，增加了模型的魯棒性，KNN算法采用鄰近參考標(biāo)簽確定目標(biāo)標(biāo)簽具體位置，進一步提高模型的準確性。

【關(guān)鍵詞】? ? 射頻識別技術(shù)? ? RFID? ? 定位

引言：

隨著室外衛(wèi)星定位技術(shù)的成熟，人們開始把目光投向室內(nèi)定位。室內(nèi)定位環(huán)境較小，對定位精度要求高，并且室內(nèi)建筑結(jié)構(gòu)復(fù)雜，會對無線電信號造成很大的干擾，目前，室內(nèi)定位技術(shù)的研究主要有WiFi、藍牙、UWB、RFID等技術(shù)。

無源， 射頻識別技術(shù)（radio frequency identification， RFID）使用的無源標(biāo)簽價格低廉，系統(tǒng)布置成本低，適合用于物品密集、需要大量標(biāo)簽的地方。其中常用的定位算法有：TOA、TDOA、AOA、RSSI，但是這些定位算法不僅精度有限，并且易受外界環(huán)境影響，因此我們需要設(shè)計一種精度較高、能夠適應(yīng)各種復(fù)雜環(huán)境的定位模型。因為收包率（PRR）是一段時間內(nèi)對發(fā)送消息數(shù)量的統(tǒng)計，是一個相對穩(wěn)定的參數(shù)，所以本文基于不同區(qū)域的收包率概率研究并引進K近鄰算法，設(shè)計了室內(nèi)區(qū)域定位模型，找到一個目標(biāo)最優(yōu)位置，一定程度上改善了定位精度，并且能克服室內(nèi)約束條件，對往后的室內(nèi)定位模型研究有一定的借鑒意義。

一、研究設(shè)計

1.1收包率研究

1.1.1基本概念

收包率（PRR）指某一段時間內(nèi)，接收端成功接收到發(fā)送端發(fā)送的數(shù)據(jù)包的個數(shù)占已發(fā)送包個數(shù)的比例。由于無源標(biāo)簽不能主動發(fā)送信息包裹，定義一個放于讀寫器表面的參考標(biāo)簽，參考標(biāo)簽被實時識別，用參考標(biāo)簽被識別到的次數(shù)表征讀寫器掃描次數(shù)，收包率定義為讀寫器掃描100次，收到定位標(biāo)簽的包裹數(shù)，用公式描述為：

其中，RP為讀寫器接收到的包裹數(shù)，T為讀寫器掃描次數(shù)，這里T=100。相比于RSSI反映的是標(biāo)簽的一個瞬時狀態(tài)，PRR是對標(biāo)簽一段時間內(nèi)的發(fā)送消息數(shù)量的統(tǒng)計值，所以PRR相對穩(wěn)定，受到環(huán)境的干擾較小。對于定位模型來說，大量實驗表明，PRR與標(biāo)簽距讀寫器遠近相關(guān)，當(dāng)距離變化時，能夠慢速反應(yīng)這種變化，因此可以作為定位模型中的指標(biāo)，提高評估準確性。

1.1.2變化規(guī)律

實驗表明，在無線鏈路上，信號的接收區(qū)域根據(jù)收包率變化規(guī)律可以分為中心區(qū)、過渡區(qū)和非識別區(qū)三部分。其中，中心區(qū)收包率為100%，無丟包產(chǎn)生;在非識別區(qū)，由于信號衰減嚴重，收包率為0，標(biāo)簽的信號不能夠被讀到;而過渡區(qū)，主要受到噪聲干擾，收包率波動幅度很大。

1.2定位模型

1.2.1幾何限制定位模型

1.2.1.1區(qū)域劃分

單個讀寫器的識別區(qū)域根據(jù)收包率做幾何分割：中心區(qū)region_center、過渡區(qū)region_transition、非識別區(qū)region_no，收包率分別為100%、0-100%、0。本系統(tǒng)采用3個讀寫器進行粗定位。3個讀寫器的識別區(qū)域互相重疊，每個區(qū)域的邊界都由幾個讀寫器的收包率幾何界定，如圖1中的區(qū)域5，其三段區(qū)域邊界確定其位于讀寫器Ⅰ的中心區(qū)、讀寫器Ⅱ的過渡區(qū)、讀寫器Ⅲ的非識別區(qū)。三圓交叉重疊的中心區(qū)域面積較小，為了簡化區(qū)域劃分，規(guī)定三個中心區(qū)不相交，三個讀寫器共劃分定位區(qū)域為18塊，如下圖1。

圖1? ? 多讀寫器識別區(qū)域

1.2.1.2位置指紋算法

粗定位算法采用了位置指紋法的思想，在訓(xùn)練階段，建立位置指紋識別庫，就像人類的指紋一樣，每塊分割區(qū)域都有唯一的符號表示。以0、1、2表示標(biāo)簽位于非識別區(qū)、過渡區(qū)、中心區(qū)，每個位置指紋（x，y，z）唯一映射一塊區(qū)域，例如位置指紋（0，1，2）表示標(biāo)簽位于讀寫器Ⅰ的非識別區(qū)、讀寫器Ⅱ的過渡區(qū)、讀寫器Ⅲ的中心區(qū)，也就是圖3中的區(qū)域12。在線階段時，當(dāng)目標(biāo)進入識別范圍時，三個RFID讀寫器設(shè)備對該物品進行掃描監(jiān)控，根據(jù)三個讀寫器對一個標(biāo)簽的收包率確定位置指紋（x，y，z），將實測位置指紋與位置指紋識別庫比對，確定讀取到的位置。以物品A為例，物品A測得位置指紋為（1，1，0），則物品A位于區(qū)域4中;若物品A測得位置指紋為（ 1，1，2），則物品A位于區(qū)域3。若目標(biāo)沒有被感知到，則目標(biāo)位于非識別區(qū)域。

1.2.2基于KNN算法的修正模型

當(dāng)目標(biāo)物體位于區(qū)域13、14、15、16、17、18時，用位置指紋雖然能識別到物體位于此區(qū)域，但是這些區(qū)域面積較大，物品具體位置不確定，定位精度不高。為了修正上面的粗定位模型，對較大區(qū)域我們引進基于RSSI值的KNN算法，這里不用PRR是因為PRR變化規(guī)律呈圓環(huán)衰減，同一圓上參考標(biāo)簽的特征指紋相同，不能用KNN算法，因此選用RSSI。

首先，我們定義了位置空間LAS上的一組點。L表示為：

其中（xi ， yi）表示區(qū)域內(nèi)參考標(biāo)簽的二維位置，1≤i≤n。在離線階段，收集每個讀寫器對一個參考標(biāo)簽的q個RSSI值。由于是三個讀寫器，對于一個參考標(biāo)簽我們將有γ=3×q個RSSI，用向量表示為，

在線階段，當(dāng)目標(biāo)物體粗定位在上面提到的較大區(qū)域，假設(shè)位于區(qū)域14，該區(qū)域設(shè)有參考標(biāo)簽m個，1≤m≤n。收集每個讀寫器對目標(biāo)物體的RSSI，得到RSSI向量Pγ，接著用歐幾里得距離來表征目標(biāo)物體和參考標(biāo)簽的差異度：

接著我們選出K個Err值最小的鄰近標(biāo)簽，1≤K≤m，則目標(biāo)物體的位置為：

其中，wi是權(quán)重因子，表示第i個參考標(biāo)簽對目標(biāo)位置的影響，可以由下面式子得到：

Erri越小，表示目標(biāo)與參考標(biāo)簽越靠近，參考標(biāo)簽對目標(biāo)位置的重要性就越大。

1.3系統(tǒng)設(shè)計

尋物系統(tǒng)包括客戶端查詢模塊、服務(wù)器端、數(shù)據(jù)轉(zhuǎn)換模塊、數(shù)據(jù)傳輸模塊、多個RFID讀寫器模塊和帶電子標(biāo)簽的物品，如下圖1所示。其中電子標(biāo)簽為獨立的HT-H47無源電子芯片，其內(nèi)部集成電路通過接收來自讀寫器的電磁波進行驅(qū)動，發(fā)出預(yù)先存在標(biāo)簽內(nèi)的數(shù)據(jù)信息;RFID讀寫器設(shè)備為基于R2000芯片的多標(biāo)簽遠距離的HR4512R讀寫器，讀寫距離可達十幾米。

設(shè)計尋物系統(tǒng)，該系統(tǒng)分為數(shù)據(jù)處理層和傳感與數(shù)據(jù)采集層，其中數(shù)據(jù)處理層包括網(wǎng)關(guān)模塊、數(shù)據(jù)傳輸模塊、服務(wù)器端、數(shù)據(jù)轉(zhuǎn)換模塊，傳感與數(shù)據(jù)采集層包括多個獨立的RFID讀寫模塊和若干個帶電子標(biāo)簽的物品，多個RFID讀寫模塊通過WIFI通信向上位機發(fā)送數(shù)據(jù);三個RFID讀寫模塊的輸出端均經(jīng)過網(wǎng)關(guān)模塊與數(shù)據(jù)處理層相連，網(wǎng)關(guān)模塊采用python編寫的腳本為每一個讀寫器開辟線程，分別對所有讀卡器的對應(yīng)網(wǎng)口進行實時的數(shù)據(jù)讀取，并通過一系列算法來計算三個讀卡器對于各個標(biāo)簽所能夠讀取到的概率，將概率實時標(biāo)記到數(shù)據(jù)庫中。服務(wù)器端用數(shù)據(jù)庫存儲數(shù)據(jù)，通過java web搭建的后端實現(xiàn)連接mysql數(shù)據(jù)庫、接收和返回來自客戶端用戶請求的功能。數(shù)據(jù)傳輸模塊和數(shù)據(jù)轉(zhuǎn)換模塊與服務(wù)器端的一個輸入端連接;數(shù)據(jù)傳輸模塊也可以直接將數(shù)據(jù)傳給數(shù)據(jù)轉(zhuǎn)換模塊，最后可在客戶端查詢所需數(shù)據(jù)。

正常運作下讀寫器會將讀取的標(biāo)簽信息傳輸?shù)骄W(wǎng)關(guān)，網(wǎng)關(guān)過濾掉無用數(shù)據(jù)后經(jīng)過粗定位處理后傳輸并保存到服務(wù)器的數(shù)據(jù)庫中，該部分會形成一個閉環(huán)，會根據(jù)標(biāo)簽的位置變化而實時更新數(shù)據(jù)?？蛻舳擞胘sp和vue框架搭建的網(wǎng)頁，提供標(biāo)簽查找功能，將查詢請求發(fā)送到服務(wù)器，后端就能合并處理數(shù)據(jù)并返回信息，將標(biāo)簽的位置顯示在電子地圖上。

二、結(jié)論

在幾何限制定位模型下，當(dāng)目標(biāo)物體出現(xiàn)在定位區(qū)域內(nèi)，預(yù)測可以看到目標(biāo)物體出現(xiàn)電子地圖區(qū)域的某一塊分割區(qū)域，但是在該塊區(qū)域的具體位置不知道，重復(fù)實驗?zāi)繕?biāo)位置會在該塊區(qū)域跳動，這是由于聚類分割帶來的該塊區(qū)域的特征指紋單一造成的;在進一步引進參考標(biāo)簽后，由KNN算法可以讓目標(biāo)位置在大區(qū)域內(nèi)更加精確，且跳動范圍變小，可以基本確定目標(biāo)的位置。

三、討論

目前該項目雖然仍有很多空缺，但隨著研究的進一步深入，相信還會有更好的應(yīng)用意義。如果未來出現(xiàn)更為強大的RFID設(shè)備，或許該項目的研究成果可以為大型倉庫的室內(nèi)定位提供一些參考，未來計算機與通信技術(shù)的革命與發(fā)展也能提供，如5G就能為這類室內(nèi)定位提供更快的通信速度，通過深度學(xué)習(xí)技術(shù)對定位模型進行一些訓(xùn)練也可以進一步優(yōu)化定位技術(shù)，提高定位的準確性。該項目可以作為一種物聯(lián)網(wǎng)項目，將物流業(yè)的包裹與讀寫器作為終端，在倉庫室內(nèi)形成了一個局域互聯(lián)網(wǎng)，這對未來的物聯(lián)網(wǎng)在各行各業(yè)的發(fā)展提供了一個范例。

作者簡介：

柯成杰（2000-），男，漢族，福建莆田人，本科，研究方向：通信工程。

沈子成（1999-），男，漢族，浙江臺州人，本科，研究方向：應(yīng)用化學(xué)。

朱澤玉（2001-），男，漢族，山西臨汾人，本科，研究方向：物聯(lián)網(wǎng)。

周彪（1989-），山東菏澤人，江南大學(xué)副教授，研究方向：無線定位技術(shù)。

參? 考? 文? 獻

[1]肖龍. 基于無線射頻識別技術(shù)的貝葉斯概率模型的室內(nèi)定位技術(shù)研究[D].上海師范大學(xué)，2014.

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

[3]李軍懷，賈金朋，王懷軍，王志曉，張翔.基于信號強度差的RFID室內(nèi)定位研究[J].計算機科學(xué)，2015，42（11）：154-157+169.

[4]劉進軍. 室內(nèi)被動定位的節(jié)點優(yōu)化研究[D].合肥工業(yè)大學(xué)，2018.

[5]劉曉旭. 基于模型迭代的室內(nèi)定位方法研究[D].西安電子科技大學(xué)，2018.

[6]Wenzhan Zhu. Weiling Zheng.Dian Zhang. Beyond RSS： A PRR aided RSS System to LocalizeTransceiver-free Target in Sparse Wireless Network. ” IEEE Transactions on Vehiculat Technology. 6

[7]何芳.基于RFID的室內(nèi)定位追蹤技術(shù)研究[J].工程技術(shù)研究，2021，6（06）：58-59.

[8]謝恩德，洪毅.室內(nèi)定位方法綜述[J].電腦知識與技術(shù)，2021，17（11）：231-234+244.