基于RFID的感知识别技术研究

发布时间：2022-01-14 08:25

　　物联网技术（IoT）是利用网络通信技术把物与物关联,并实现物体的感知识别。随着感知识别技术的迅速发展和智能设备的不断普及,越来越多的研究人员开始研究室内环境下的人员行为监测、物品定位与追踪等。射频识别RFID具有精度高、成本低等优势,研究者开始利用RFID设备实现非接触式的感知识别系统,从而方便人类生活。然而,该类系统采集到的信息包含大量噪声,严重影响了 RFID感知与识别的能力。迫切需要深入研究RFID识别技术,以实现高精度的感知识别。本文利用RFID设备采集原始信号,对其进行预处理并提取合适特征,以获得稳健精确的场景感知与识别。首先,论文对当前RFID感知识别技术的国内外研究现状进行了概述。其次,介绍了 RFID设备的组成部分和工作原理,同时简介了经典的感知技术,并将其与RFID感知识别技术对比。再次,针对两个典型的感知识别场景,提出了基于RFID的商品数量监测系统和基于RFID的液体分类检测系统。在第一个系统中,为减少无人自助超市RFID标签的使用,设计了基于RFID的商品数量监测方法,利用标准差来区分静态样本和动态样本,对于静态样本,采用频率分布直方图提取静态特征;对于动态样本... 

【文章来源】：南京邮电大学江苏省

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

实验场景及布置：（a）静态过程（b）动态过程

南京邮电大学硕士研究生学位论文第三章基于RFID的超市商品数量监测技术313.5.6不同实验场景的影响此外，我们在两个不同的实验场景中进行了实验，如图3.13所示。图3.13（a）在没有任何干扰的情况下收集数据，图3.13（b）在桌子、椅子和人为干扰的情况下收集数据。上述两个实验场景中数据的采集与处理由本章提出的系统实施，识别率如图3.14所示。可见，GQM系统几乎不受桌椅和人为干扰的影响。其识别率在95%以上，具有很强的鲁棒性。（a）(b)图3.13实验场景：（a）无干扰场景（b）有干扰场景图3.14不同实验场景下的系统精确度：（a）静态情况下（b）动态情况下本章小结近几年来，电子垃圾的污染越来越严重。为此，我们在无人自助超市中设计了一个GQM系统。该系统可以在无人自助超市中使用少量的RFID标签，每个RFID标签都可以长期使用。我们使用了一系列方法：巴特沃兹低通滤波、相位展开、频率分布直方图、改进的滑动窗口

南京邮电大学硕士研究生学位论文第四章基于RFID的液体分类检测技术41接下来我们介绍实验场景，实验场景如图4.6所示。我们在墙壁上贴一个无源RFID标签，并将容器放置在RFID天线的正前方，保证RFID标签一直在天线的读取范围内。首先，我们将容器内注入不同的液体（雪碧、纯净水、牛奶、醋、稀盐酸），通过实验获取初始相位。然后，LTI系统利用相位展开、巴特沃兹低通滤波器和滑动窗口等方法对收集到的数据进行预处理。再次，LTI系统对预处理好的数据做减法，并通过频率分布直方图提取相应的特征（众数、算数平均数、中位数0.5）。最后，LTI系统利用k-means算法识别液体的种类。图4.6LTI系统的实验场景4.5.2系统评估指标首先，我们先介绍一下评估指标：我们用混淆矩阵和正确率来评估系统的性能。混淆矩阵：混淆矩阵也称误差矩阵，用n行n列的矩阵形式来表示。混淆矩阵的每一列代表样本的预测类别，每一行代表样本的真实类别，混淆矩阵的每个单元格代表该行中的样本被识别为该列对应类别的概率。正确率：属于该类别而且正确识别的概率。4.5.3系统评估本节提出的液体分类检测系统包括三个基本模块：数据预处理模块、特征提取模块以及液体种类识别模块。在数据预处理模块，我们首先对原始数据进行相位展开，然后对数据做去噪处理，最后通过滑动窗口算法截取最稳定的相位数据。在特征提取模块，我们计算有液体和没有液体的相位差，并获取相位差的频率分布直方图，通过频率分布直方图提取其众数、算数平均数和中位数。在液体种类识别模块，首先我们利用基于区间的液体种类识别方法，但是由于识别准确度态度，因此，为了提高系统的性能，我们使用k-means聚类算法来识别液体的种类。

【参考文献】：
期刊论文
[1]RFID技术综述及其应用现状[J]. 李世杰.  电子世界. 2013(24)



本文编号：3588172