基于机器学习的超高频RFID室内定位研究
发布时间：2022-02-08 22:52
随着“智慧地球”概念的提出,物联网技术得到了学术界和工业界的大量关注,其中关键的射频识别（RFID）技术成了近年来大家研究的热点。以往RFID主要应用在人员管理,物流仓储等领域,很少应用在室内定位领域。超高频RFID技术在近几年快速发展,该技术具有良好的经济性,读取的距离比较远,而且读取的速率也较快,可以较好地满足室内定位的需求。为了实现真正的“智慧地球”,能够随时随地获取人员、物品的位置是至关重要的。因此,本文为实现高精度的RFID标签室内定位,主要研究了基于机器学习的UHF RFID室内定位技术,具体研究内容如下:（1）提出了一种结合k NN与贝叶斯估计的室内定位算法,并设计实验,在2m×2m范围内进行实验。结果显示该算法相较于单一的k NN或贝叶斯算法,定位的精度有明显的提高,同时增加了高斯滤波方法,提高了定位系统的抗干扰能力。（2）RFID标签的相位信息是实现高精度室内定位的关键。为了获取RFID标签的相位信息,本文基于开发商提供的基础软件包,设计出一款能够准确获取RFID相位等信息的上位机软件。该软件可以识别不同的RFID标签,且可以收集到信号强度和相位等信息,并能够实现数据...
【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】：75 页
【学位级别】：硕士
【部分图文】：
RFID系统组成图
东南大学硕士学位论文102.1.2RFID系统工作原理RFID系统的工作流程图如图2-2所示，其工作原理如下：首先将高频的电流信号通过阅读器设备转换成射频信号后发射出去。当RFID标签处于阅读器的可工作范围内的时候，RFID标签就能从阅读器的场内获得能量，当其大于自身能量阈值的时候，RFID标签内的调制电路开始工作。它会将内存中的信息进行调制，然后通过内置的天线发射出去。阅读器就会接受到信号，解调电路就可以开始工作，将射频信号转化为电信号传输给计算机。利用计算机，就可以进行接下来的数据存储、操作等功能，甚至联网至云端共享。通过计算机的连接，整个RFID系统就会连接起来，形成了一个总的控信息平台。图2-2RFID系统工作流程图2.2RFID标签组成分类及其工作原理2.2.1RFID标签的组成在RFID系统中，标签一般用于存储数据，主要由标签芯片和标签天线组成。根据天线类型的不同可以大致分为两种，分别为电偶极子天线和磁偶极子天线[52]。2.2.2RFID标签的分类RFID标签根据能量来源可以划分为有源、无源和半有源[53]，根据射频频率可以划分为低频（LF）、高频（HF）和超高频（UHF）。（1）按能量来源划分根据电子标签的能量来源，可以将RFID标签划分为有源标签（ActiveTags）、无源标签（PassiveTags）以及半有源标签（Semi-activeTags），它们的工作原理如图2-3所示，三者的区别如表2-1所示。
第二章RFID室内定位相关技术与算法概述11（a）无源标签（b）有源标签（c）半有源标签图2-3不同标签工作原理示意图有源RFID标签内部有自带电池，与无源标签相比，它可以主动地发出信号。它的读取距离也比较远，但是其内置电池的工作寿命一般只有3~10年，因此不适用于长期的工作。有源电子标签的成本稍高，体积也大，使用场景有限，比如航运、车辆管理等场合。表2-1三种不同标签区别能量来源典型频率主要特征主要应用领域定位特点无源124kHz，13.56MHz，915MHz无电池供电，读取距离近，成本低饭卡、门禁适用于短距定位，长时间定位有源2.4GHz，5.8GHz要电池供电，读取距离远，成本高动物追踪、交通运输适用于较长距定位，短期定位半有源124kHz，13.56MHz，915MHz要电池供电，读取距离较远，成本较高医疗适用于中短距离定位无源RFID标签又称为被动式RFID标签，其特点是没有内置电池，它的工作能量由阅读器发射信号提供。当获取能量大于自身阈值时，无源标签开始工作，通过反向散射调
【参考文献】：
期刊论文
[1]高精度超声波室内定位系统的设计[J]. 潘丽杰,徐本亮,赵飞. 电子世界. 2018(18)
[2]基于LS-SVR的RFID 3D-LANDMARC定位算法[J]. 肖杰,万振刚. 福建电脑. 2018(05)
[3]基于计算机视觉及深度学习的无人机手势控制系统[J]. 马乐乐,李照洋,董嘉蓉,侯永宏. 计算机工程与科学. 2018(05)
[4]基于RSSI测距的WiFi室内定位算法研究[J]. 罗宇锋,王鹏飞,陈彦峰. 测控技术. 2017(10)
[5]面向自然语言处理的深度学习研究[J]. 奚雪峰,周国栋. 自动化学报. 2016(10)
[6]基于模糊聚类的ZigBee室内定位系统设计[J]. 何海平,郭杭,方爽. 电子技术应用. 2016(05)
[7]基于BP神经网络的RFID室内定位算法研究[J]. 吴超,张磊,张琨. 计算机仿真. 2015(07)
[8]室内定位:分类、方法与应用综述[J]. 阮陵,张翎,许越,郑星雨. 地理信息世界. 2015(02)
[9]基于深度学习神经网络的孤立词语音识别的研究[J]. 王山海,景新幸,杨海燕. 计算机应用研究. 2015(08)
[10]基于线性加权的蓝牙室内定位算法[J]. 韩旭海,夏文龙,周渊平. 计算机系统应用. 2015(01)
博士论文
[1]基于RFID的室内定位技术研究[D]. 周俊儒.浙江大学 2014
[2]超高频射频识别抗金属标签研究[D]. 莫凌飞.浙江大学 2009
硕士论文
[1]超高频RFID读写器基带自干扰信号抑制技术研究[D]. 徐瑞.电子科技大学 2018
[2]基于相位的无源超高频射频识别定位研究[D]. 李晨阳.东南大学 2017
[3]基于GPS的室内无线定位系统研究[D]. 生丽.华东师范大学 2012
[4]射频识别（RFID）技术的室内定位算法研究[D]. 朱凤娟.华南理工大学 2010
[5]基于蓝牙无线技术的室内定位方法的研究[D]. 王小好.浙江工业大学 2007
[6]射频识别系统中若干关键技术的研究[D]. 全晶.华东师范大学 2006
本文编号：3615902
【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】：75 页
【学位级别】：硕士
【部分图文】：
RFID系统组成图
东南大学硕士学位论文102.1.2RFID系统工作原理RFID系统的工作流程图如图2-2所示，其工作原理如下：首先将高频的电流信号通过阅读器设备转换成射频信号后发射出去。当RFID标签处于阅读器的可工作范围内的时候，RFID标签就能从阅读器的场内获得能量，当其大于自身能量阈值的时候，RFID标签内的调制电路开始工作。它会将内存中的信息进行调制，然后通过内置的天线发射出去。阅读器就会接受到信号，解调电路就可以开始工作，将射频信号转化为电信号传输给计算机。利用计算机，就可以进行接下来的数据存储、操作等功能，甚至联网至云端共享。通过计算机的连接，整个RFID系统就会连接起来，形成了一个总的控信息平台。图2-2RFID系统工作流程图2.2RFID标签组成分类及其工作原理2.2.1RFID标签的组成在RFID系统中，标签一般用于存储数据，主要由标签芯片和标签天线组成。根据天线类型的不同可以大致分为两种，分别为电偶极子天线和磁偶极子天线[52]。2.2.2RFID标签的分类RFID标签根据能量来源可以划分为有源、无源和半有源[53]，根据射频频率可以划分为低频（LF）、高频（HF）和超高频（UHF）。（1）按能量来源划分根据电子标签的能量来源，可以将RFID标签划分为有源标签（ActiveTags）、无源标签（PassiveTags）以及半有源标签（Semi-activeTags），它们的工作原理如图2-3所示，三者的区别如表2-1所示。
第二章RFID室内定位相关技术与算法概述11（a）无源标签（b）有源标签（c）半有源标签图2-3不同标签工作原理示意图有源RFID标签内部有自带电池，与无源标签相比，它可以主动地发出信号。它的读取距离也比较远，但是其内置电池的工作寿命一般只有3~10年，因此不适用于长期的工作。有源电子标签的成本稍高，体积也大，使用场景有限，比如航运、车辆管理等场合。表2-1三种不同标签区别能量来源典型频率主要特征主要应用领域定位特点无源124kHz，13.56MHz，915MHz无电池供电，读取距离近，成本低饭卡、门禁适用于短距定位，长时间定位有源2.4GHz，5.8GHz要电池供电，读取距离远，成本高动物追踪、交通运输适用于较长距定位，短期定位半有源124kHz，13.56MHz，915MHz要电池供电，读取距离较远，成本较高医疗适用于中短距离定位无源RFID标签又称为被动式RFID标签，其特点是没有内置电池，它的工作能量由阅读器发射信号提供。当获取能量大于自身阈值时，无源标签开始工作，通过反向散射调
【参考文献】：
期刊论文
[1]高精度超声波室内定位系统的设计[J]. 潘丽杰,徐本亮,赵飞. 电子世界. 2018(18)
[2]基于LS-SVR的RFID 3D-LANDMARC定位算法[J]. 肖杰,万振刚. 福建电脑. 2018(05)
[3]基于计算机视觉及深度学习的无人机手势控制系统[J]. 马乐乐,李照洋,董嘉蓉,侯永宏. 计算机工程与科学. 2018(05)
[4]基于RSSI测距的WiFi室内定位算法研究[J]. 罗宇锋,王鹏飞,陈彦峰. 测控技术. 2017(10)
[5]面向自然语言处理的深度学习研究[J]. 奚雪峰,周国栋. 自动化学报. 2016(10)
[6]基于模糊聚类的ZigBee室内定位系统设计[J]. 何海平,郭杭,方爽. 电子技术应用. 2016(05)
[7]基于BP神经网络的RFID室内定位算法研究[J]. 吴超,张磊,张琨. 计算机仿真. 2015(07)
[8]室内定位:分类、方法与应用综述[J]. 阮陵,张翎,许越,郑星雨. 地理信息世界. 2015(02)
[9]基于深度学习神经网络的孤立词语音识别的研究[J]. 王山海,景新幸,杨海燕. 计算机应用研究. 2015(08)
[10]基于线性加权的蓝牙室内定位算法[J]. 韩旭海,夏文龙,周渊平. 计算机系统应用. 2015(01)
博士论文
[1]基于RFID的室内定位技术研究[D]. 周俊儒.浙江大学 2014
[2]超高频射频识别抗金属标签研究[D]. 莫凌飞.浙江大学 2009
硕士论文
[1]超高频RFID读写器基带自干扰信号抑制技术研究[D]. 徐瑞.电子科技大学 2018
[2]基于相位的无源超高频射频识别定位研究[D]. 李晨阳.东南大学 2017
[3]基于GPS的室内无线定位系统研究[D]. 生丽.华东师范大学 2012
[4]射频识别（RFID）技术的室内定位算法研究[D]. 朱凤娟.华南理工大学 2010
[5]基于蓝牙无线技术的室内定位方法的研究[D]. 王小好.浙江工业大学 2007
[6]射频识别系统中若干关键技术的研究[D]. 全晶.华东师范大学 2006
本文编号：3615902
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3615902.html
最近更新
教材专著
