基于RFID、惯性传感器、磁场特征的室内定位关键技术研究

发布时间：2020-10-12 03:52

　　 位置信息在人们日常生活和工作中的应用越来越广泛。准确、可靠、稳定的室内定位技术在智能感知、安全监管、物流运输等领域中发挥日益重要的作用,是实现精细化管理和基于位置服务的前提和关键。然而受环境因素、障碍物遮挡、传感器热噪声等影响,现有的室内定位在实际应用中仍然有一些亟待解决的关键性问题。(1)基于指纹库匹配的室内定位技术在复杂的室内环境中具有较高的稳定性而受到越来越多的关注。然而如何能够有效降低构建指纹库耗费的大量人力和时间成本,已经成为基于指纹库匹配的定位方法首要解决的问题。(2)在基于无线技术的室内定位中,当被测对象在可视(LOS)和非可视(NLOS)混合的环境中移动时候,接收信号强度的波动会引起大的定位偏差,如何能够有效的对两种不同的环境切换进行辨识和降低定位误差是提高无线定位稳定性的一个关键性问题。(3)在复杂的室内环境中,如何有效的结合无线技术和微机电(MEMS)传感器的优势在低成本、低功耗的基础上实现一种准确、稳定的定位方案一直是定位领域内研究的热点和难题。本论文在室内定位中数据库构建成本、稳定性、定位精度三个关键性问题研究的基础上,采用理论研究、算法仿真与实地验证并重的研究方法,提出了一种融合无线射频识别(RFID)与运动传感器、磁敏传感器的低成本、稳定、准确的室内定位方案,平均定位精度可达1.96米,且定位结果稳定、平滑。主要贡献归纳为以下3点:1)提出了一种特征指纹库的自动构建和更新方法,降低了室内定位中指纹库构建的时间和人力成本。本文提出了一种基于群智感知方法的融合RFID、行人航迹推算(PDR)和磁场匹配(MM)三种技术的指纹库自动构建和更新的方法。实验表明所获得的指纹数据库被证明具有与人工标注的数据库相当的准确度。与人工标定的指纹库相比,算法执行200分钟后,接收信号强度RSS的指纹库的相似性达75%,磁场特征的数据库相似度达90%。2)提出了LOS/NLOS混合环境下定位误差的消减方法,提高了室内定位方法的位置估计的稳定性。本文主要对三个方面进行了改进:惯性测量单元(IMU)辅助的RSS滤波、IMU辅助的LOS/NLOS环境分辨和NLOS误差消减。同时,本文计算了提出方法的克拉美罗下限(CRLB),从理论上证明提出的方法要明显优于仅使用RSS信息进行位置估计的精度。实验结果显示两种不同环境切换识别的可靠性平均达95%,并能够有效的对NLOS引起的误差进行消减。3)提出了一种基于RFID和多传感器融合的室内定位方法,提高了室内定位方法的定位精度。充分的利用了RFID,PDR和MM技术的互补特性,实现了从粗粒度到细粒度的逐步细化的定位方法。本文将室内环境中不同的定位区域形态抽象成走廊模型和局部空间模型。在不同的环境模型中使用相应的定位模型实现准确和有针对性的定位。实验表明,提出的方法的平均误差可达1.96m,比单独RFID指纹定位的方法和磁场匹配的方法分别提高了175%和82.6%。
【学位单位】：华东师范大学
【学位级别】：博士
【学位年份】：2019
【中图分类】：TP391.44;TP212.9
【部分图文】：

后通过功率距离模型、近邻匹配或者指纹库匹配等方法来获得该标签的。由于 RFID 技术应用的普遍性，使用 RFID 进行定位的研究也越来越图 2-1 为 RFID 技术用于室内定位时与其他无线技术的对比图[107]。图中用的无线定位技术从功耗、定位准确度、价格进行了对比。为了更直观比，将每一种技术的三个方面分别进行 1-5 分打分。对于功耗而言，越意味着功耗越高。而对于定位精度而言，越高的分数意味着精度越高。而言，越高的分数意味着此技术需要更高的价格，对于需要布设外围设，由于外围设备布设属于一次性的，所以长期来看，布设的外围设备的入系统成本中计算。如图 2-3 所示，UWB 的定位精度最高，其成本也功耗居中。WiFi 由于其成本不需要计 AP 的成本，所以总体系统成本较 的定位精度居中，功耗和价格都比较低，在定位精度不要求高精度的场合适的选择。

基于 RFID、惯性传感器、磁场特征的室内定位关键技术研究3.2.1 传感器的校准（1）运动传感器的校准由于运动传感器具有零点漂移的问题，长时间的使用会由于累积误差使得测量值出现大的偏差，所以在每次用于数据采集之前均需要对传感器进行校准。运动传感器主要包括加速度传感器和陀螺仪，虽然两个传感器不同，但是两者的校准方式都相似，所以本节主要介绍加速度传感器的校准方法。在传感器校准前，将加速度模块保持水平而且静止。加速度传感器校准软件界面如图 3-2 所示，其中 X,Y,Z 分别代表三个不同的方向。等采集的数据稳定后，分别读取 x 方向，y方向和 z 方向的数据，并将读取到的值作为零偏的校准值。

图 3-3 磁场传感器的校准图3.2.2 数据采集与预处理本章使用的标签除了包括 RFID 射频部分，还包括加速度传感器、陀螺仪和磁敏传感器。当携带标签的人员在定位区域内行走时，相应采集到的数据信息（运动传感器数据和磁场信息）由标签发送给有源读写器，同时有源读写器获取到信号的 RSS，并将获取到的原始数据传送到后台进行相应的信息处理。（1）RSS 数据采集和滤波RSS 信号容易受到信号反射、多径的影响发生波动，为了更有效的对 RSS进行处理，首先要对收集到的 RSS 进行滤波。首先为了选取合适的滤波方式，本节采集了图 3-1 所示定位区域中标签位于 p1 点时读写器 5 接收到的 RSS 值，进行 RSS 统计并绘图，如图 3-4 所示，RSS 的分布服从两边少，向中间集中的
【相似文献】

相关期刊论文 前10条

1 张胜利;焦诚;付永恒;;室内定位方法和技术综述[J];数字技术与应用;2018年10期

2 王思阳;梁文清;周晓婷;李佳敏;林丹仪;郑誉煌;;基于蓝牙射频的室内定位系统[J];工业控制计算机;2016年12期

3 袁海涛;刘岩;;无源室内定位导航技术服务平台设计与应用[J];北京测绘;2017年S1期

4 谢思远;罗圣美;李伟华;韦薇;;精准室内定位关键技术及应用[J];信息通信技术;2015年06期

5 牛长流;王迪;孟杉;张天;;基于惯性导航的室内定位技术[J];数码世界;2017年06期

6 张超;;一种基于距离的室内定位算法模型[J];中国原子能科学研究院年报;2013年00期

7 ;室内定位蓄势待发[J];建材发展导向;2013年06期

8 姜振宇;袁瑞铭;鲁观娜;李文文;王晨;吕言国;李光远;;基于比幅分区法的室内定位技术研究与应用[J];电测与仪表;2018年S1期

9 袁泉;谭静;陈诗军;陈大伟;李冰洋;;室内定位商业模式的研究[J];现代经济信息;2018年22期

10 马伟;康佩锋;;温室智能装备系列之九十八 温室内定位技术研究新趋势[J];农业工程技术;2017年31期

相关博士学位论文 前10条

1 毋杰;基于RFID、惯性传感器、磁场特征的室内定位关键技术研究[D];华东师范大学;2019年

2 黄增士;基于三维信息的室内定位导航系统研究与应用[D];中国科学技术大学;2018年

3 田清霖;移动计算平台的室内定位系统研究及优化加速[D];浙江大学;2016年

4 郭莹莹;基于群智感知的低功耗蓝牙室内定位技术的研究[D];北京邮电大学;2017年

5 史永;空间场景约束的室内定位方法研究[D];南京师范大学;2016年

6 吴陈沭;基于群智感知的无线室内定位[D];清华大学;2015年

7 陈丽娜;WLAN位置指纹室内定位关键技术研究[D];华东师范大学;2014年

8 胡益清;基于可见光的室内定位与智能感知[D];中国科学技术大学;2017年

9 周俊儒;基于RFID的室内定位技术研究[D];浙江大学;2014年

10 陈淼;基于信号强度的WLAN室内定位跟踪系统研究[D];武汉大学;2012年

相关硕士学位论文 前10条

1 刘畅;基于脚步追踪的无锚节点室内定位方案研究[D];南京大学;2016年

2 王科;基于接收信号强度的可见光室内定位系统设计[D];华中科技大学;2017年

3 张强;多目标室内超声波三维定位系统的研究[D];南京师范大学;2018年

4 曾涛;基于WiFi和传感器的室内定位技术的研究[D];湖南大学;2015年

5 彭友海;基于Android平台的室内蓝牙定位研究和实现[D];西安电子科技大学;2017年

6 郝德华;基于蓝牙4.0的室内定位算法与系统技术研究[D];辽宁工业大学;2018年

7 李珑;基于WLAN的室内定位及实现[D];湖南大学;2018年

8 张志颖;基于位置指纹的定位算法研究[D];辽宁师范大学;2018年

9 周红亮;基于位置指纹的室内定位算法研究[D];安徽工程大学;2018年

10 储宝玉;基于WiFi和惯性传感器的室内融合定位算法研究[D];合肥工业大学;2018年

本文编号：2837595