常用的RFID室内定位算法研究

蒋守花

【摘 要】随着无线通信、物联网和计算机技术的蓬勃发展，室内无线定位技术正逐渐受到越来越多人的关注。由于室内环境的复杂性和不可控性，对高精度的室内定位算法的研究就显得尤为重要。文章对几种常用的无线射频识别室内定位算法进行了研究，为今后算法的改进奠定了基础。

【关键词】物联网；室内无线定位；定位算法；无线射频识别

0 前言

近年来，我国的RFID[1]技术研究紧随国际潮流得到了快速发展。国内对于RFID室内定位技术的研究主要集中在对算法的研究和改进。比如北京交通大学的张思东教授就详细研究了RFID的位置感知系统；西南交通大学的范平志教授对LANDMARC定位算法进行了改进，提出了最近邻居改进算法和基于误差多级处理的数据融合定位方法。

1 RFID系统的组成

RFID系统由四个部分组成：电子标签、阅读器、中间件和数据中心。工作原理：把标签和阅读器嵌入设备中，利用天线发射信号产生信号源，阅读器接收标签发出的信号，再利用电感或者电磁的耦合，实现了不用任何联系就能传递信息的自动识别功能。射频识别技术系统就是利用这个原理进行识别、传输、共享信息的集合智能化系统。

阅读器被分为手持便携式和固定方式两种。主要是用来读取、处理标签的数据信息，或者作为单独的整体写入标签信息设备，或者作为一个部分嵌入到系统中。阅读器主要由射频模块、读写模块和天线组成。

电子标签被当作读写内存，在传输过程中对数据进行解密，加密等处理，它是由集成电路组成的。射频识别技术的标签内部有一个唯一的ID信息，根据电源方式可将其分为三种形式：主动标签、被动标签或半主动标签。标签内部由射频模块、标签芯片和天线三大功能模块组成。

2 常用的RFID室内定位算法

RFID室内定位算法分类：

根据是否对电磁波传输距离进行测算，可将基于RFID的室内定位算法分为基于测距的RFID定位机制和基于非测距的RFID定位机制[2]，测距定位机制包括TOA、TDOA、AOA以及RSSI等定位方法，非测距定位机制包括质心定位、APIT以及kNN定位方法等。

2.1 基于RFID测距室内定位算法

2.1.1 基于信号达到时间（TOA）测距定位算法

电子标签分为有源标签和无源标签，由于无源标签的不确定性，测距定位算法都采用有源电子标签，测距定位算法基础是三边定位及多边定位。

三边定位是多边定位的特殊情况。TOA定位方法就是基于三边定位。

其算法原理是使用3个以上阅读器来接收同一个有源标签发出的射频信号，已知信号的发送速度（约等于光速c=3×108m/s），根据信号的传播时间来计算阅读器与有源标签之间的距离，最后使用三边定位或极大似然估计来确定有源标签的位置。

下面用三边定位算法来介绍TOA算法。如图1所示。

在图1（a）中，已知三个参考点的位置为A1（x1，y1）、A2（x2，y2）、A3（x3，y3），設待定位点与参考点之间的距离分别为r1、r2、r3。理想情况下，设3个参考点与待定位点的距离确定的圆相交于一点N，那么N就是待定位点的位置所在。在图1（b），三个圆并不一定相交于一点，那么点N的坐标（x，y）用极大似然估计法求出。

根据多边定位的估计算子=Ab，可以计算出待定点的坐标（x，y）为：

三边定位[3]是多边定位特殊情况，已知参考点A1，A2，A3...，所对应的坐标（x1，y1），（x2，y2），（x3，y3）...。假设待定位点N的坐标为（x，y），

则有方程组：

将前面n-1个方程分别减去第n个方程后得：

这样就可以得到线性方程AX=b，其中：

通过上述方程的转换，待定点N（x，y）可根据多边定位估计算法=（AA）Ab求得。

2.1.2 基于信号到达角（AOA）测距定位算法

AOA算法[4]中常用的方法是：1）两条射线和两个夹角确定一点；2）三条射线和三个夹角确定一点。首先介绍第一种情况，如图2所示，参考标签A（x1，y1）和B（x，y）收到的信号夹角分别是？琢和？茁。

图2 到达夹角AOA测距

由几何公式：

x=y= （6）

能够计算出待定位点N（x，y）的坐标，这种情况的前提条件是参考点A和点B的坐标都是校正过后的情况下得出的结果。

第二种情况是由三个参考点A、B、C的坐标确定待定位点N的坐标。通过测量？琢=∠ANB，？茁=∠ANC，？字=∠BNC的值可以得到点N的坐标（x，y）。

根据圆的内接四边形对角互补和弦所对的圆周角等于它所对的圆心角的性质，由点B（x1，y1）和点C（x2，y2）和角？琢的位置，可以确定A、B、N确定的圆O（xo1，yo2），弦BC对应的圆心角为？兹=（2？仔-2？琢）。

由上式可以求出圆心O（x，y）和半径ro1，由此可得待定位点N的坐标。

2.2 基于RFID非测距室内定位算法

2.2.1 质心定位算法

质心定位算法顾名思义就是通过比较多个阅读器接收到电子标签的信号强度信息，即RSSI信息，从中选取与待定位点RSSI信息最相似的n个参考点，将这n个点确定的多边形质心作为待定位点LTi的估计位置，即有

其中，（x，y）表示第l个相似参考点的坐标。

2.2.2 kNN定位算法

kNN定位算法原理与质心定位算法既有相同之处，又存在很大的区别。相同之处在于算法中也是要搜集n个与待定位标签近邻的标签，并根据这n个近邻标签的位置来估计待定位标签的位置。不同的是kNN定位算法并不是简单地将n个近邻标签位置求算术平均来确定待定位标签的位置，而是根据近邻标签与待定位标签之间的RSSI[5]差异，来赋予每个近邻标签位置不同的权重，即是：

（x，y）=W（x，y）（9）

式（9）中，W表示的是第l个近邻标签的权重，若它的值越大，说明参考标签与标签LTi的实际距离越近，反之则距离越远。

3 结束语

由于RFID技术自身的优越性，在未来，基于RFID的室内定位技术的应用会越来越广泛，其研究价值和研究前景也是不可估量的。本文介绍了几种常用的RFID室内定位算法，包括测距室内定位算法和非测距室内定位算法，为今后算法的改进奠定坚实的基础。

【参考文献】

[1]董永锋，周艳聪，孙陆楠，曹莹.基于RFID的虚拟参考标签三维室内定位算法[J].计算机工程与设计，2015，36（6）：1536-1539.

[2]钱志鸿，王义君.面向物联网的无线传感器网络综述[J].电子与信息学报，2013，35（1）：215-227.

[3]Maxwell A，Lai S.Technological innovations in managing challenges of supply chain management[J].Universal Journal of Industrial and Business Management， 2013，1（2）：62-69.

[4]李程，钱松荣.射频识别动态定位方法[J].通信学报，2013，34（4）：144-148.

[5]王晨，陈增强.基于连续蚁群算法融合的神经网络RFID信号分布模型[J].东南大学学报（自然科学版）2013，43（S1）：210-214.

[6]刘晨曦，胡圣波.RFID室内定位算法的研究与改进[J].贵州师范大学学报（自然科学版），2014，32（6）：90-95.

[责任编辑：田吉捷]