英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

基于标签交互分析的无源超高频射频识别项目级室内定位

Zhi Zhang, Zhonghai Lu, Member, IEEE, Vardan Saakian, Xing Qin,

Qiang Chen, and Li-Rong Zheng, Member, IEEE

摘要

接收的无线射频识别（RFID信号强度指示（RSSI）是一种低成本和低复杂度的项目级室内定位方法。虽然RSSI为基础的算法遭受多径效应和其他环境因素，参考标签和RSSI的变化可以用来进一步提高定位精度。然而，目前的算法缺乏深入分析标签相互作用对定位精度的影响，同时面临的挑战，同时定位多个接近目标。在本文中，我们提出了一个分析方法，标签相互作用如何影响一个标签天线的辐射模式和RSSI变化。标签交互分析指导我们提高RSSI定位算法的设计。我们采取K-近邻（K-NN）算法和单纯形算法为例。实验结果表明，修正的K-NN和修正单纯形算法是不同的数字，强大的间距，和材料的目标对象，他们是优于其他RFID定位方案，考虑成本，对多个目标同时定位能力，和位置估计误差。

关键词：项目级室内定位，无源超高频（UHF）射频识别（RFID），接收信号强度指标（RSSI），RSSI方差，标签交互分析。

简介

射频识别（RFID）正在迅速发展，并已被广泛用于自动识别和跟踪。例如，电子产品代码（EPC Class-1代C1 G2）超高频（UHF）无源RFID标准已经商业化，用于仓库、产品和资产管理零售商店和工厂。在室内环境中的小项目级产品和资产的管理，这将是非常有趣的，找到他们实时位置，例如，定位在药店药房，商品超市，图书在图书馆。这是目前需要手动记录其确切位置。RFID本地化可以显着降低这一劳动力成本。此外，RFID定位也很重要，在紧急情况下来确定和定位项目，特别是室内工业应用，例如，在恶劣的环境中，充满了灰尘或气体，如一些工业厂房。由于项目级别的对象可以是小型和密集部署，RFID定位系统需要成本效益，能够同时定位多个接近的目标，并实现低位置估计误差（在几十厘米的顺序）。

基于RFID的定位估计，可以利用到达时间（TOA）技术，到达时间差（TDOA），到达角（AOA），到达相位差（相位差），或接收信号强度指示器（rssis）。TOA技术通过将无线电信号的传播速度乘以其传播时间来估计目标和参考点之间的距离，要求发射机和接收机精确同步。TDOA技术避免了发射机-接收机的同步问题，并测量在多个接收器的发送信号的不同的到达时间，需要一个精确的时间之间的接收器的参考。AOA技术计算定向天线或天线阵列的几个方向线的交点，需要复杂和昂贵的设备和遭受多径效应和阴影。由于复杂性和成本的限制，给定的技术是具有挑战性的实施现实的RFID系统，特别是无源RFID系统，如EPC C1 G2系统。的相位差技术表达的信号延迟为波长的一小部分，利用相位差在不同的接收天线。它依赖于一个视线信号路径，在密集的RFID系统很少可用。RSSI技术利用传输信号强度的衰减来估计发射机和接收机之间的距离。它是一种低成本、低复杂度的技术。然而，衰减是不是由于多径效应和干扰在实际情况下，特别是在室内环境中的距离的单调函数。多个意想不到的点可能映射到相同的RSSI值，导致显着的估计误差。

为了提高以RSSI为基础的算法的准确性，额外的参考标签在固定和已知的位置，提出了帮助位置校准。这些本地化方法可以分为基于读者的方法和标签为基础的方法，取决于在目标上进行什么。根据RFID标签的类型，基于标签的方法可以进一步分为有源标签为基础的方案和Passivetag基础方案。基于读者的方法可以实现高精度。然而，其主要缺点是定位小目标成本高，限制了应用程序对一个人的定位，机器人，或车辆。这是不能接受的读者对每一个项目的应用，如定位书籍在图书馆。基于标签的方法是在寻找小成本适当itemlevel对象。K-近邻（K-NN）算法利用RSSI的欧氏距离最接近目标的标签作为考生参考标签计算出目标的位置了。非线性优化算法估计的距离是在目标标签的阅读器与参考标记的帮助下，通过最小化误差目标函数确定的目标位置。然而，由于对rssis变异，一些选定的参考标签可以远离目标在K-NN算法或可以显着不同的目标在标签读写器的距离在非线性优化算法，产生了巨大的储备潜在错误。RSSI的变化所造成的目标标签，因此介绍，以减轻这种威胁。然而，这是困难的，这些方法同时定位多个接近目标标签。此外，据我们所知，没有以前的作品深入分析标签相互作用的RSSI变化和位置估计误差的影响。

在本文中，我们解决本地化问题的角度来看，标签的相互作用和辐射模式的项目级的室内应用，特别是对于具有挑战性的情况下，同时定位多个接近对象。标签天线的辐射图案因标签相互作用而改变，如屏蔽、反射和互耦。这导致了一个显着的RSSI变化在某些方向上，从而影响定位精度RSSI为基础的算法。基于标签相互作用分析，我们改进了基于RSSI的定位算法。本文的主要贡献如下：

bull;我们提出了一个标签交互的分析方法，包括参考-参照交互，参考-目标交互，以及目标-目标交互。我们的分析给出了标签天线的辐射模式，RSSI变化的影响，因此，定位精度的标签相互作用的见解。的相互作用分析，以提高本地化算法的设计（见第三节）。

bull;我们举两个例子，即K-NN算法和单纯形算法，展示如何利用标签互动分析修正定位算法（见第四）。

bull;我们进行实验和报告结果来验证我们的方法。我们的改进算法在考虑三指标优于其他RFID定位方案：成本，同时定位多个目标的能力，和位置估计误差（见第五）。

本文的其余部分组织如下。第二节讨论了相关工作。第三节分析标签交互，并介绍了参考标签部署的指导方针和算法改进。第四部分详细介绍了基于标签交互分析的定位算法的改进方法。第五节介绍了实验结果，并比较我们修改后的算法与其他定位算法。最后，第六节总结本文。

相关工作

在这里，我们讨论了以前的研究基于标签的定位算法，使用RSSI和参考标签。

LANDMARC系统是一个最流行的基于标签的方法和采用K-NN算法主动参考标签。性脊髓炎和N是读者的数量和参考标签的数量，分别。的信号强度矢量的I目标标签被定义为TI =（t，（1），t（I，2），...，T（I，m）），其中T（I，M）是指由m读取器接收与目标标签的信号强度，和Misin;（1，m）。对于第n个参考标记，相应的信号强度向量被定义为Rn =（R（n，1），R（n，2），。..，R（n，m）），其中R（n，m）表示的信号强度，和Nisin;（1，n）。之间的欧几里德距离的Ti目标和RN的第n个参考，即，E（I，N），计算：

i目标标签有其欧氏距离向量EI = （e，1），e（I，2），。..，E（I，N）。更接近目标标签的参考标签被假定为有一个较小的欧氏距离。让我在颖娃的欧氏距离排序，即是欧氏距离矢量（E（I，1）le;E（I，2）le;···le;E（i，n））。根据第一次的K值，K参考标签作为其坐标是用来定位目标标签的网络。每个选定的参考标记的加权因子是由

其中Kisin;（1，k）。问题的目标，即估计坐标，（circ;xi，circ;yi），是由

在（XK，YK）表示第k选择的基准标记的坐标。LANDMARC系统不需要知道读取器的坐标和易于实现。然而，由于RSSI易受多径效应和干扰的影响，选择的K最近参考文献通常不靠近目标，导致急剧下降的准确性。

为了定位目标标签，提出了一种非线性优化无源方案，读取器开始以最低功率级进行传输。 然后，一步一步地增加发送功率，直到接收到来自目标标签的响应。 同时，每个读取器还可以检测参考的响应。 考虑第i个目标标签和第m个读取器，并且让Phi;p成为当读取器以功率级别p传输时响应的标签集合。 如果i /isin;Phi;p和iisin;Pp 1，则第i个目标和第m个读取器之间的近似距离由L（i，m）表示，并且使用从第m个读取器到所有参考的平均距离 1，但不在Phi;p。在获得从第i个目标到M个读取器的估计距离，即L（i，1），L（i，2）。 。 。 ，L（i，M），通过最小化以下函数来计算第i个目标的位置：

其中L（i，m）表示第i个目标之间的实际距离和第m个读写器可以代表：

其中（xi，yi）和（xm，ym）分别是第i个目标和第m个读取器的坐标。 非线性优化方案不需要估计信号强度的距离。 然而，由于传输功率的逐渐增加，通常需要很长时间才能完成。 此外，其精度也受到干扰和环境条件的影响。

为了解决[18]和[19]中的问题，引入了RSSI的变化[8]，[20]。 COCKTAIL [20]首先利用具有稀疏部署的传感器网络捕获RSSI变化并确定目标存在的子区域。 然后采用具有密集部署的有源RFID参考标签，通过使用具有四个最近参考标签的k-NN算法或使用支持向量回归与子区域内的所有参考来确定目标位置。 [20]中的目标是具有活动标签的人。 如果目标是诸如一滴眼药水或火柴的小物品，则这种稀疏部署的传感器网络可能不容易检测到RSSI变化，这使得难以精确地找出子区域。 如果选择了错误的分区，则估计误差将增加。

三、标签交互分析

标签互动分析程序

对于物品级室内应用，目标通常密集地部署，例如，书架并排放置在架子上。 标签天线的辐射图可以通过其相邻标签由于屏蔽，反射和相互耦合而大大改变[23]。 辐射模式的改变导致RSSI的变化，从而影响基于RSSI的定位算法的准确性。 期望深入分析标签交互对天线辐射模式，RSSI变化的影响，从而进行位置估计误差。

除了参考标签和目标标签的RSSI信息之外，参考标签的RSSI变化可以通过在目标标签进入监控区域之前比较其当前测量的RSSI值和其初始RSSI值来获得。我们研究参考标签的RSSI变化 通过分析由其他参考标签和目标标签引起的辐射模式的变化，标签和目标标签。 我们假设本地化系统使用EPC C1 G2 [2]读卡器和标签，读卡器使用全向天线，同时采用相同类型的无源标签作为参考和目标。 根据EPC C1 G2标签防冲突机制[2]，如果两个或多个标签在同一时隙同时响应，则会发生冲突。 一个成功的插槽只有一个标签作为回应。 我们分析成功插槽的辐射图。 对于给定的参考标签拓扑，标签交互的分析由三个步骤组成：

1）参考 - 参考相互作用分析：我们比较两个相邻参考标签之间不同间距的参考标签的辐射模式，以了解参考标签部署如何影响定位精度。
2）参考 - 目标相互作用的分析：我们比较目标和参考标签之间不同间距下的参考标签的辐射模式，在不同数量的目标标签下，旨在指导RSSI变更信息的利用。
3）目标 - 目标互动分析：我们比较不同数量的邻近目标标签下目标标签的辐射模式，旨在揭示为什么挑战多个关键目标。

2.本地示例

为了展示标签交互的分析方法，我们给出了二维定位的典型例子。 无源UHF RFID室内定位系统具有部署，如图1所示。 参考标签在已知位置预先安排。 黑色三角形表示读取器天线，它们部署在固定位置并连接到RFID读取器。 读者捕获标签标识符（ID）和RSSI值，并将其发送到服务器以确定目标标签的位置。 读者和服务器与部署无关，因此在图中未绘制。

参考密度D定义为每单位面积的参考标签数，可以由其计算

其中d是两个相邻参考点的间隔。

我们模拟Ansoft高频结构模拟器（HFSS）中的标签天线辐射模式。通过使用集总端口构建和激发标签天线。它们遵循Alien Technology ALN-9634 2times;2嵌入式无源标签天线的电磁特性，工作在865 MHz。在第五节的实验中将使用ALN-9634标签。我们对成功的插槽进行仿真，并且每次只设置一个集总端口。所有标签天线的H平面在模拟中是共面的。标签天线朝向相同的方向。定位系统覆盖420cmtimes;280cm的实验区域，与第五节中的实验相同。从定位系统中选择一个100 cmtimes;100 cm的细胞进行分析，并绘制放置在这个单元格的左上角。我们改变参考密度，但是固定该参考标签的位置。其他参考标签的位置将由于参考密度的变化而改变。以这种方式，我们比较了不同标签部署下该参考标签的辐射模式。

1）参考 - 参考相互作用：图2（a） - （e）示出了用于不同参考密度的标签放置。由红色虚线包围的区域是所选的100cmtimes;100cm的单元格。图2（f）比较H平面辐射图的参考标记，即参考文献A，在不同的参考密度下。对于1/4标签/ m2，两个方向之间的最大增益差仅为1.7 dB（105°方向和-130°方向），而对于16个标签/ m2，两个方向之间的最大增益差增加到5.5 dB （45°方向和-50°方向）。随着参考密度的增长，这种差异趋于增加。此外，即使在没有任何噪声信号的开放空间中，较高的RSSI也不能保证更短的距离，特别是对于较高的参考密度。参考密度在两个相反的方面影响位置估计误差。一方面，更密集的参考标签将空间分割成较小的区域，有利于提高定位精度;另一方面，较高的参考密度导致不同方向的较高增益变化，导致更大的RSSI变化，并因此降低定位精度。这意味着应该为给定的参考标签部署确定最佳参考密度。

2）参考目标相互作用：图3（a）和（b）示出了用于不同参考目标间距的选定的100cmtimes;100cm单元中的标签放置。参考密度为4个标签/ m2。单个目标标签分别为案例1和案例2中参考文献A的右侧5和20厘米。图中没有目标的情况的标签放置图3（c）与图1中选择的100cmtimes;100cm电池相同。 图2（c）参考图3（c）比较参考A和目标标签的H平面辐射图。更接近的标签往往有更多的互动。此外，即使两个标签靠近，两个标签也可能在一些方向上具有很大的RSSI差异。例如，在情况1中，参考和目标之间的最大增益差在10°方向上为8.6 dB。因此，如果读取器天线部署在这样的方向上，则更接近的参考标签的RSSI可以显着地不同于目标标签的RSSI，导致潜在的定位误差的大量存储。因此，需要通过考

全文共6279字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[142841]，资料为PDF文档或Word文档，PDF文档可免费转换为Word