基于RSSI的RFID标签定位算法研究
发布时间：2020-12-28 10:41
随着物联网技术的迅速发展,室外定位已经无法满足人们的需求,室内定位技术受到大量关注,其中射频识别（Radio Frequency IDentification,RFID）技术以其成本低、非视距、非接触等优点成为室内定位的热门技术。论文提出的算法均是基于接收信号强度指示（Received Signal Strength Indication,RSSI）的RFID标签定位算法。针对标签静止的场景,论文改进了基于参考标签的RFID室内定位算法,并提出了一种基于支持向量回归和粒子群优化（Support Vector Regression-Particle Swarm Optimization,SVR-PSO）的室内定位算法,有效地提高了室内环境下静态标签的定位精度。针对标签运动的场景,论文提出了一种基于无迹卡尔曼滤波和固定区间平滑（Unscented Kalman Filter-Rauch Tung Striebel smoother,UKF-RTS）的室内定位算法,显著地降低了室内轨迹跟踪的定位误差。论文的主要工作如下:（1）简单介绍了RFID系统的构成及工作原理,给出了RFID信号传播的常...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
LANDMARC定位结果图
18图 3.4 LANDMARC 定位误差图离所选取的参考标签的数量 K 也会影响目标标签的定位结 K 值，分析选取的参考标签的数量对定位的影响，选用 1作为衡量定位系统的标准，不同 K 值的平均定位误差如图到 4 时，定位误差不断地减小，从 0.95m 降低到 0.62m 左，定位误差在不断地增加，由 0.62m 增加到 0.95m 左右。数量并不是越多越好，当 K 取值过大时，大量的参考标签加了很多无用的 RSSI 信息，这些 RSSI 对目标标签的定位考标签的数量过少也会影响到定位，缺失了有用的 RSSI 信。从图 3.5 中可以看到，整个曲线呈凹状，当 K 取值为 3、比较小，因此在仿真中设置邻近参考标签的数量 K=4 是合
图 3.5 不同 K 值的平均定位误差ARC 算法引入了参考标签的概念，将 RSSI 信息转换为目标标签信息，并利用已知的参考标签的位置坐标辅助完成对目标标签 算法中参考标签成本低廉，降低了成本昂贵的读写器的数量，其次，LANDMARC 系统对环境的适用性比较强，参考标签与内环境，充分利用了参考标签的 RSSI 信息，有助于降低环境对MARC 定位系统的误差仍然比较高，对于不同区域的目标标签同时还需要计算目标标签 RSSI 与全部参考标签 RSSI 的关联度，参考标签数量较多时，计算量比较庞大。位算法ARC 算法的定位精度与室内区域内布置的参考标签密度有关，致定位误差过大，参考标签密度无限大也会干扰读写器接收标加了定位的成本。香港科技大学的 Yiyang Zhao 等人提出了 VIC 算法的基础上增加虚拟参考标签，有效地解决了 LANDMAR密度的这个问题[47]。法原理法的原理是插入虚拟参考标签辅助定位，通过建立“模糊地图”
本文编号：2943613
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
LANDMARC定位结果图
18图 3.4 LANDMARC 定位误差图离所选取的参考标签的数量 K 也会影响目标标签的定位结 K 值，分析选取的参考标签的数量对定位的影响，选用 1作为衡量定位系统的标准，不同 K 值的平均定位误差如图到 4 时，定位误差不断地减小，从 0.95m 降低到 0.62m 左，定位误差在不断地增加，由 0.62m 增加到 0.95m 左右。数量并不是越多越好，当 K 取值过大时，大量的参考标签加了很多无用的 RSSI 信息，这些 RSSI 对目标标签的定位考标签的数量过少也会影响到定位，缺失了有用的 RSSI 信。从图 3.5 中可以看到，整个曲线呈凹状，当 K 取值为 3、比较小，因此在仿真中设置邻近参考标签的数量 K=4 是合
图 3.5 不同 K 值的平均定位误差ARC 算法引入了参考标签的概念，将 RSSI 信息转换为目标标签信息，并利用已知的参考标签的位置坐标辅助完成对目标标签 算法中参考标签成本低廉，降低了成本昂贵的读写器的数量，其次，LANDMARC 系统对环境的适用性比较强，参考标签与内环境，充分利用了参考标签的 RSSI 信息，有助于降低环境对MARC 定位系统的误差仍然比较高，对于不同区域的目标标签同时还需要计算目标标签 RSSI 与全部参考标签 RSSI 的关联度，参考标签数量较多时，计算量比较庞大。位算法ARC 算法的定位精度与室内区域内布置的参考标签密度有关，致定位误差过大，参考标签密度无限大也会干扰读写器接收标加了定位的成本。香港科技大学的 Yiyang Zhao 等人提出了 VIC 算法的基础上增加虚拟参考标签，有效地解决了 LANDMAR密度的这个问题[47]。法原理法的原理是插入虚拟参考标签辅助定位，通过建立“模糊地图”
本文编号：2943613
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2943613.html
