超高频RFID室内定位研究

图4.7测试结果图通过RMSE分布进一步分析了算法性能差异。三边定位算法的RMSE均值为0.78m，标准差为0.32m，表明其误差波动剧烈且定位的可靠性较低。四边定位算法的精度较优于三边定位，RMSE均值降至0.52m，标准差为0.21m，说明了多组数据协同作用的有效性。而加权四边定位的RMSE均值仅为0.18m，标准差为0.07m，较普通的四边定位算法精度提升65.4%，且95%的置信区间为(0.12,0.24)，证明算法有更强的抗干扰能力与鲁棒性。加权四边定位在最大误差、误差离散度及定位成功率方面都强于传统算法。特别地，假设误差小于0.5m为定位成功，加权四边算法定位成功率达到100%，而三边与均权四边算法分别为66.7%与88.9%。总结与展望本章全面梳理了研究成果，仔细分析了当下研究存在的不足之处，同时对未来或许可行的拓展研究方向展开了探讨。全文总结由于室内环境复杂，传统的定位技术在实际应用场景当中大多时候难以契合生活生产所需要的精度标准。本文研究了基于超高频RFID的加权四边定位算法，主要研究内容如下：本文针对超高频RFID技术在一般室内环境中的定位精度问题，提出了一种基于加权四边测距的静态定位算法。通过理论分析、仿真验证和实物实验，系统论证了该算法在精度、抗干扰性和实用性方面的优势。在理论层面，本文提出创新性加权四边定位算法，此算法针对四组三边定位解算结果展开优化整合，借助仿真手段明确最优权值指数，提升近距离信号强度权重占比。仿真数据显示，最优权值的选取达成多组数据的有效协同，抑制噪声干扰，改善定位精度。同时，对比仿真结果表明，在路径损耗系数=2.4、高斯噪声标准差=2.5dBm的典型室内环境中，加权四边定位的RMSE较一般四边定位算法的RMSE降低了34.8%，验证了权值优化的必要性。在实验层面，本文搭建了一个2m×1m的无障碍实验场景，来对系统展开验证工作。测试所获取的数据说明，当运用加权四边定位算法时，系统的平均定位精度可达到0.18m，并且最大定位偏差被控制在0.3m以内，和传统三边定位法以及均权四边定位法相比较而言，该算法分别在性能上实现了76.9%以及65.4%的提升，这充分证实了其在定位精度方面有一定优势。未来工作展望本文在超高频RFID技术领域开展的此项研究，提出了一种改进的加权四边定位算法并加以验证，虽然取得了一些研究成果，但当前方法存在若干技术局限性需要突破，后续研究将着重于以下几个关键方向展开深入探索。1、本文借助仿真实验来确定权值系数，然而目前还没有建立起权值系数与环境参数之间的定量关系模型，后续可以探索运用机器学习算法构建权值系数和环境参数的自适应映射机制。2、本文因实验场景规模方面存在一定限制，尚未全面充分地验证所提出算法在复杂遮挡环境以及大范围应用场景当中的适应性，在未来的研究工作里，可以去拓展测试环境，具体方式是在含有障碍物的大尺度空间开展实验，深入剖析信号衰减以及多径效应的补偿机制，以此来提升研究结论的普适性以及应用价值。3、本文当下暂时没有涉及动态目标定位以及多标签抗碰撞机制的研究方面，后续可依据相位信息跟多天线阵列技术的融合运用，去探寻动态目标追踪系统的实现途径以及技术可行性总之，本研究针对算法层面展开一定改进，并结合实证研究，超高频RFID技术在室内环境下的定位性能得到了提升，具有一定的学术价值与工程意义。参考文献Al-FuqahaA,GuizaniM,MohammadiM,etal.Internetofthings:Asurveyonenablingtechnologies,protocols,andapplications[J].IEEEcommunicationssurveys&tutorials,2015,17(4):2347-2376.徐定杰,刘明凯,沈锋,等.基于MBOC调制的北斗导航信号的多径误差分析[J].哈尔滨工业大学学报,2013,45(08):122-128.ZhouC,YuanJ,LiuH,etal.BluetoothindoorpositioningbasedonRSSIandKalmanfilter[J].WirelessPersonalCommunications,2017,96:4115-4130.王谦.基于蓝牙的室内定位系统设计与实现[D].上海:东华大学,2017.D’AvellaS,UnettiM,TripicchioP.RFIDgazebo-basedsimulatorwithRSSIandphasesignalsforUHFtagslocalizationandtracking[J].IEEEAccess,2022,10:22150-22160.WantR,HopperA,FalcaoV,etal.Theactivebadgelocationsystem[J].ACMTransactionsonInformationSystems(TOIS),1992,10(1):91-102.MukhopadhyayB,SarangiS,SrirangarajanS,etal.Indoorlocalizationusinganalogoutputofpyroelectricinfraredsensors[C]//2018IEEEWirelessCommunicationsandNetworkingConference(WCNC).IEEE,2018:1-6.何海平,郭杭,方爽.基于模糊聚类的ZigBee室内定位系统设计[J].电子技术应用,2016,42(05):71-73+77.DOI:10.16157/j.issn.0258-7998.2016.05.020.AbbasM,ElhamsharyM,RizkH,etal.WiDeep:WiFi-basedaccurateandrobustindoorlocalizationsystemusingdeeplearning[C]//2019IEEEInternationalConferenceonPervasiveComputingandCommunications.IEEE,2019:1-10.PriyanthaNB,ChakrabortyA,BalakrishnanH.Thecricketlocation-supportsystem[C].InProceedingsofthe6thannualinternationalconferenceonMobilecomputingandnetworking.2000:32-43.YayanU,YucelH,YazıcıA.Alowcostultrasonicbasedpositioningsystemfortheindoornavigationofmobilerobots[J].JournalofIntelligent&RoboticSystems,2015,78:541-552.“FirstReportandOrder02–48,”FederalCommunicationsCommission,Washington,DC,2002.ZhangC,KuhnM,MerklB,etal.AccurateUWBindoorlocalizationsystemutilizingtimedifferenceofarrivalapproach[C].2006IEEEradioandwirelesssymposium.IEEE,2006:515-518.GarcíaE,PoudereuxP,HernándezÁ,etal.ArobustUWBindoorpositioningsystemforhighlycomplexenvironments[C]//2015IEEEInternationalConferenceonIndustrialTechnology(ICIT).IEEE,2015:3386-3391.HightowerJ,WantR,BorrielloG.SpotON:Anindoor3DlocationsensingtechnologybasedonRFsignalstrength[J].2000.NiLM,LiuY,LauYC,etal.LANDMARC:IndoorlocationsensingusingactiveRFID[C]//ProceedingsoftheFirstIEEEInternationalConferenceonPervasiveComputingandCommunications.IEEE,2003:407-415.ZhaoY,LiuY,NiLM.VIRE:ActiveRFID-basedlocalizationusingvirtualreferenceelimination[C]//2007InternationalConferenceonParallelProcessing(ICPP2007).IEEE,2007:56-56.PrasadSS,KumarC.ComparisonbetweenInnovativeApproachesofRFIDBasedLocalizationUsingFingerprintingTechniquesforOutdoorandIndoorEnvironments[J].InternationalJournalofSoftComputingandEngineering(IJSCE),2013,38(3):329..李鹏,马宁,杨拥军,等.基于RFID的边界虚拟参考标签改进算法[J].计算机应用研究,2013,30(1):158-160.YangL,ChenY,LiXY,etal.Tagoram:Real-timetrackingofmobileRFIDtagstohighprecisionusingCOTSdevices[C]//Proceedingsofthe20thannualinternationalconferenceonMobilecomputingandnetworking.2014:237-248.吴超,张磊,张琨.基于BP神经网络的RFID室内定位算法研究[J].计算机仿真,2015,32(7):323-326.PrinslooJ,MalekianR.AccuratevehiclelocationsystemusingRFID,aninternetofthingsapproach[J].Sensors,2016,16(6):825.MelisL,SongC,DeCristofaroE,etal.Exploitingunintendedfeatureleakageincollaborativelearning[C]//2019IEEEsymposiumonsecurityandprivacy(SP).IEEE,2019:691-706.吴满星.基于RSSI和相位的RFID室内定位技术研究与应