智能环境中基于RFID的无源感知关键技术研究
发布时间：2021-01-25 00:04
智能环境利用各种设备全面感知环境中人和物的状态,进而提供各种精准高效的智能化服务。无源感知技术利用从环境中获取的能量支撑其计算、感知和通信,能复用已有的通信基础设施进行感知,是构建智能环境的关键支撑技术。射频识别（Radio Frequency Identification,RFID）技术已成为无源感知的一种代表技术,不再仅仅是一种自动识别技术,而是一种不需要传感器的通用感知技术,其反向散射通信的机理也能用于位置感知、活动感知和生命体征感知,展示了RFID在无源感知领域的巨大潜力。虽然基于RFID的无源感知技术研究得到了广泛关注并取得了一些成果,但在实际应用中仍面临诸多挑战:在基于RFID的位置感知方面,现有的高精度RFID定位系统一般采用合成孔径RFID定位技术,利用噪声的空间多样性确保定位精度,但在标签读取记录稀疏时会出现空间模糊问题,而且几乎无法避免的孔径位置误差也制约了其定位性能。在基于RFID的活动感知方面,现有研究多关注孤立的动作活动,通常需要在识别前预分割出动作活动对应的感知数据流,活动识别精度受到分割准确度的制约,而且难以满足实际应用对实时性的要求。在基于RFID的生命...
【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：161 页
【学位级别】：博士
【部分图文】：
–2利用二维码作为地标导航的Kiva机器人[109]
上海交通大学博士学位论文第二章基于RFID的无源感知理论机理本小节利用图2–16中的线性导轨简单验证这种融合测距的合成孔径RFID定位方法的有效性。导轨上装有一个LairdS9028PCR读写器天线并于一台Impinj420读写器（共16个载波频率从920.625MHz到924.375MHz）相连，天线的水平移动范围有1m，而导轨每10ms都会报告一次天线的位置。整个导轨部署一个实验台下方，而实验台上有两排共8个贴附有RFID标签的试管，标签和导轨的距离约1m。另外实验还利用一个金属板增强多径效应以及一个额外的读写器和数个标签产生干扰。图2–16融合测距的合成孔径RFID定位方法的实验设置Fig2–16TheexperimentequipmentforrangingbasedsyntheticapertureRFIDlocalizationmethod在导轨形成的1m长的孔径中取21个均匀分布孔径点，几种合成孔径RFID位置感知方法的横向和径向的平均误差（两个方向上估算值和真实值的差）结果如表2–1所示。三种方法获得了类似的横向误差但全息图方法的径向误差比横向误差搞了一个数量级，而本章2.3.1节提出的融合测距的合成孔径RFID定位方法在径向上也取得了厘米级的定位精度，这个结果也符合2.3.2节给出的理论分析。表2–1融合测距的合成孔径方法与全息图方法Table2–1Themeanerrorofdifferentmethods方法横向（m）径向（m）似然值估计融合测距的方法0.0310.035基于测距Tagoram[90]0.0420.133基于全息图MobiTagbot[91]0.0260.108基于全息图另外，如果将合成孔径RFID定位中的似然函数视为成像的幅度函数，可以用图像直观的显示这些方法的性能。图2–17就展示了利用同样的实验数据，普通全息图方法和融合测距方法的“全息图”的差异，其中真实标签位置为（0.46m,0.89m）。这些全息图的每个点都代表一个标签的可能位置，其中红色代表其可?
上海交通大学博士学位论文第三章基于RFID的位置感知一次迭代结束后，本文根据公式（3–18）在所有剩余粒子中用增强型稀疏信号重建方法估算标签位置。这种基于粒子滤波的稀疏信号重建方法的前两次迭代如图3–6所示。D[l]中灰色的网格代表了每次迭代中被选中的粒子，而白色的指被“退休”的。D[l]中的每个网格都对应了矩阵A′[l]中的一列。随着迭代的进行，被选中的粒子越来越少。s[l]代表了从开始到第l次迭代所有“接收的”信号，即当前所有的孔径点，而A′[l]中的每一行都对应了一个孔径点。r[l]中的灰色网格指第l次迭代时剩余粒子的反射系数，而其余白色网格意味着其对应的反射系数为零。每次迭代中，通过求解s[l]=A′[l]r[l]+n[l]更新r[l]。随着迭代的进行，系统获得来自新孔径点的相位信息，A′[l]的行数增加而它的列数以及r[l]中灰色的网格逐渐减少。图3–6PRTS中的粒子滤波示意图Fig3–6ParticleFiltersinPRTS整体上看，本文提出的PRTS的流程如图3–7所示，其外层的迭代（图中白色部分）中嵌套了一个内层迭代（图中浅蓝色部分）。外层迭代是一个粒子滤波过程，利用重采样和更新两个阶段来同时减少粒子数目和计算负载，对应图3–6。外层迭代的关键在于更新权重和反射系数r[l]，而更新过程就是内层迭代，利用之前讨论的基于OMP的稀疏信号重建的方法。首先基于相位校准数据库（f和p(θ)），利用上节讨论的增强型稀疏重建方法校准读写器相位偏移φr和理论信号相位φprop，然后更新矩阵A′[l]中的元素。在其第j次迭代中，选择矩阵A′[l]的新的一列扩展成一个子空间并形成新的矩阵A′[l]Tj。接下来在这个子空间中求解新的子问题s[l]=A′[l]Tjr[l]Tj+n[l]Tj。3.4带有孔径位置误差补偿的合成孔径RFID定位在AGV定位导航等应用场
本文编号：2998172
【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：161 页
【学位级别】：博士
【部分图文】：
–2利用二维码作为地标导航的Kiva机器人[109]
上海交通大学博士学位论文第二章基于RFID的无源感知理论机理本小节利用图2–16中的线性导轨简单验证这种融合测距的合成孔径RFID定位方法的有效性。导轨上装有一个LairdS9028PCR读写器天线并于一台Impinj420读写器（共16个载波频率从920.625MHz到924.375MHz）相连，天线的水平移动范围有1m，而导轨每10ms都会报告一次天线的位置。整个导轨部署一个实验台下方，而实验台上有两排共8个贴附有RFID标签的试管，标签和导轨的距离约1m。另外实验还利用一个金属板增强多径效应以及一个额外的读写器和数个标签产生干扰。图2–16融合测距的合成孔径RFID定位方法的实验设置Fig2–16TheexperimentequipmentforrangingbasedsyntheticapertureRFIDlocalizationmethod在导轨形成的1m长的孔径中取21个均匀分布孔径点，几种合成孔径RFID位置感知方法的横向和径向的平均误差（两个方向上估算值和真实值的差）结果如表2–1所示。三种方法获得了类似的横向误差但全息图方法的径向误差比横向误差搞了一个数量级，而本章2.3.1节提出的融合测距的合成孔径RFID定位方法在径向上也取得了厘米级的定位精度，这个结果也符合2.3.2节给出的理论分析。表2–1融合测距的合成孔径方法与全息图方法Table2–1Themeanerrorofdifferentmethods方法横向（m）径向（m）似然值估计融合测距的方法0.0310.035基于测距Tagoram[90]0.0420.133基于全息图MobiTagbot[91]0.0260.108基于全息图另外，如果将合成孔径RFID定位中的似然函数视为成像的幅度函数，可以用图像直观的显示这些方法的性能。图2–17就展示了利用同样的实验数据，普通全息图方法和融合测距方法的“全息图”的差异，其中真实标签位置为（0.46m,0.89m）。这些全息图的每个点都代表一个标签的可能位置，其中红色代表其可?
上海交通大学博士学位论文第三章基于RFID的位置感知一次迭代结束后，本文根据公式（3–18）在所有剩余粒子中用增强型稀疏信号重建方法估算标签位置。这种基于粒子滤波的稀疏信号重建方法的前两次迭代如图3–6所示。D[l]中灰色的网格代表了每次迭代中被选中的粒子，而白色的指被“退休”的。D[l]中的每个网格都对应了矩阵A′[l]中的一列。随着迭代的进行，被选中的粒子越来越少。s[l]代表了从开始到第l次迭代所有“接收的”信号，即当前所有的孔径点，而A′[l]中的每一行都对应了一个孔径点。r[l]中的灰色网格指第l次迭代时剩余粒子的反射系数，而其余白色网格意味着其对应的反射系数为零。每次迭代中，通过求解s[l]=A′[l]r[l]+n[l]更新r[l]。随着迭代的进行，系统获得来自新孔径点的相位信息，A′[l]的行数增加而它的列数以及r[l]中灰色的网格逐渐减少。图3–6PRTS中的粒子滤波示意图Fig3–6ParticleFiltersinPRTS整体上看，本文提出的PRTS的流程如图3–7所示，其外层的迭代（图中白色部分）中嵌套了一个内层迭代（图中浅蓝色部分）。外层迭代是一个粒子滤波过程，利用重采样和更新两个阶段来同时减少粒子数目和计算负载，对应图3–6。外层迭代的关键在于更新权重和反射系数r[l]，而更新过程就是内层迭代，利用之前讨论的基于OMP的稀疏信号重建的方法。首先基于相位校准数据库（f和p(θ)），利用上节讨论的增强型稀疏重建方法校准读写器相位偏移φr和理论信号相位φprop，然后更新矩阵A′[l]中的元素。在其第j次迭代中，选择矩阵A′[l]的新的一列扩展成一个子空间并形成新的矩阵A′[l]Tj。接下来在这个子空间中求解新的子问题s[l]=A′[l]Tjr[l]Tj+n[l]Tj。3.4带有孔径位置误差补偿的合成孔径RFID定位在AGV定位导航等应用场
本文编号：2998172
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/2998172.html
最近更新
教材专著
