基于不同邻近标签数选择的LANDMARC定位算法研究

谢亚琴 王超

摘要 对于基于射频识别的LANDMARC室内定位算法而言，该系统采用“k近邻”算法，通过选取k个与待测标签相邻且符合特定条件的参考标签，最后根据这些标签的位置结合权值估算出待测标签的坐标信息.但是在实际的操作过程中，最近邻参考标签数的选取无指导原则，具有一定的盲目性.针对这一问题，通过选取与待定位参考点最近邻的参考节点作为未知点，通过搜索法获得最优的邻近标签数k，在随后的未知节点的定位过程中，选取k个邻近标签进行定位.经过多次实验，最终得出结论，使用改进后的LANDMARC 算法的性能要优于原来经典的LANDMARC 算法，精确度提升了10%左右，同时避免了k值选取的盲目性.

关键词 邻近标签;LANDMARC 算法;室内定位;射频识别

中图分类号 TN91

文献标志码 A

0 引言

对于室外环境而言，全球定位系统（GPS）和蜂窝移动通信系統可以提供相对精确的位置服务，但是随着科技发展和社会的进步，人们绝大多数的时间都集中在室内进行活动，此时目标在室内的位置信息就变得十分重要.由此催生了室内定位的需求，因此，基于位置的服务（Location-Based Services，LBS）得到了工业界和学术界广泛的关注和研究.

目前较为典型的室内定位方法主要包括超声波定位、无线局域网（WLAN）定位[1]、超宽带（UWB）定位、红外线定位以及基于RSSI（Received Signal Strength Indicator）[2]的无线射频（RF）定位等方法.而基于无线视频识别的定位技术（RFID）具有成本低、适应能力强、非接触式双向通信等优点，可以用于室内环境进行定位.

基于RFID的定位方法可以分为基于测距的算法和基于非测距的算法两大类.基于测距的定位方法通过测量信号到达时间TOA（Time of Arrival）[3]、信号到达时间差TDOA（Time Difference of Arrival）、信号到达角度AOA（Angle of Arrival）等进行定位;基于非测距算法通过场景分析求得待定位标签的位置，常用的算法有BVIRE[4]、VIRE[5]和LANDMARC（LocAtioN iDentification based on dynaMic Active Rfid Calibration）算法[6-15].基于非测距的定位方法对终端要求较低而得到广泛关注与研究，其中，LANDMARC算法因为算法简单的优点而得到广泛应用，但LANDMARC 算法的定位过程中，邻近标签数的选择具有较大的随意性，因而导致定位精度不高.针对LANDMARC算法的这一不足之处，本文提出一种基于搜索法获得最优邻近标签数的改进型的LANDMARC室内定位算法.

1 LANDMARC算法简介

LANDMARC算法的基本原理如下：在阅读器的覆盖范围之内引入额外的固定参考标签，阅读器分别收集待定位点和参考标签之间的RSSI（接收信号强度），如果待定位点距离其中的某个参考标签很近，那么它们的信号强度值会非常接近，因此，摆放于不同位置的各个阅读器对它们的解析也会很相似.因此，当待定位点邻近有多个参考标签的RSSI值与它相似时，就可以根据它们之间的相似程度，采用“最近邻距离”思想，比较并选取与待定位点的RSSI信息最相近的k个参考标签估计出待定位点的坐标.

2 改进的LANDMARC算法

通过以上对LANDMARC算法的分析和介绍，可以看到：

1）在该算法中，最近邻居标签的个数k的选取无指导原则，对定位精度也有一定影响;

2）定位精度与系统中布置的参考标签数有关，同时，部署较多的参考标签也会同时造成标签之间的信号干扰.

针对以上所述经典LANDMARC 算法的不足，现对其做出如下改进：

由于物理位置相邻近的标签之间信号强度的类似性，本文提出选择离待测标签最近的参考标签作为未知点，由于该参考标签的位置是已知的，由此可以采用经典的LANDMARC算法搜索取得最小估计值的最邻近标签数k，在随后的待测标签定位过程中，采用该k值来进行加权计算，从而获得待测标签的位置坐标.具体的算法流程如图1所示.

3 仿真实验结果及分析

如图2所示，在一个8 m×8 m的房间里的4个角落分别布置4个读写器，横向、纵向每隔1 m布置一个参考标签，一共布置77个参考标签.待定位标签共计1 000个，在[0，8]之内服从均匀分布.仿真实验中分别用均方根误差（MSE）和累积分布函数（CDF）来表示定位算法的性能.

图3给出了改进后的LANDMARC算法与经典的LANDMARC定位算法的累积分布函数变化曲线，仿真中设置路径损耗指数为2.2.如图3所示，改进后的LANDMARC定位算法在误差为0.5～1.5 m之间时，CDF曲线相对于经典的LANDMARC算法提高了约10%.

图4给出了路径损耗因子在2到4之间变化时，不同定位方法的均方根误差比较情况.由图4可知，随着路径损耗因子的增加，总体的均方根误差呈现降低趋势，同时，在所有的不同路径损耗因子情况下，改进后的LANDMARC算法均比经典的LANDMARC 算法的均方根误差要低，因而定位精度也高.

4 结论

本文提出了一种改进的LANDMARC 算法，这种改进主要是在对邻近参考标签数量的选择上.本文算法通过选择与待测节点信号强度相似的参考标签位置，以此作为未知节点来搜索最优的邻近参考标签数，相比于传统的盲目选择方法，该方法可以有针对性地选择邻近参考标签数，同时提高了待测点的位置定位精度.

参考文献References

[1] 邹亮，潘洲.基于2.4 GHz与5 GHz信号的WiFi指纹定位算法研究[J].科学技术与工程，2015，15（3）：280-284

ZOU Liang，PAN Zhou.Study on wi fi fingerprintlocalization algorithm based on 2.4 GHz and 5 GHz signal[J].Science Technology and Engineering，2015，15（3）：280-284

[2] 尚少锋，张雪英，王峰，等.一种基于RSSI校正的加权质心定位算法[J].科学技术与工程，2013，13（10）：2832-2835，2840

SHANG Shaofeng，ZHANG Xueying，WANG Feng，et al.A weighted centroid localization algorithm based on RSSI correction[J].Science Technology and Engineering，2013，13（10）：2832-2835，2840

[3] 王沁，何杰，张前雄，等.测距误差分级的室内TOA定位算法[J].仪器仪表学报，2011，32（12）：2851-2856

WANG Qin，HE Jie，ZHANG Qianxiong，et al.Ranging error classification based indoor TOA localization algorithm[J].Chinese Journal of Scientific Instrument，2011，32（12）：2851-2856

[4] 黄俊，邹传云，何毅，等.基于RFID的BVIRE算法研究与改进[J].微型机与应用，2014，33（23）：72-74

HUANG Jun，ZOU Chuanyun，HE Yi，et al.Research and improvement of BVIRE algorithm based on RFID[J].Microcomputer & its Applications，2014，33（23）：72-74

[5] BAO Hui，ZHI Jiuying.Improved location algorithm of VIRE based on RFiD[J].Electricity，2014，25（2）：51-54

[6] 马捷中，刘云超，郭阳明，等.基于最近邻居的区域定位改进算法[J].西北工业大学学报，2015，33（1）：93-97

MA Jiezhong，LIU Yunchao，GUO Yangming，et al.Improving location algorithm with LANDMARC system[J].Journal of Northwestern Polytechnical University，2015，33（1）：93-97

[7] 马翠红，丁建南，杨友良，等.基于改进的LANDMARC算法的空间定位实验[J].河北联合大学学报（自然科学版），2015，37（1）：83-89

MA Cuihong，DING Jiannan，YANG Youliang，et al.Spatial location experiment based on improved LANDMARC[J].Journal of Hebei United University Natural Sclence Edition，2015，37（1）：83-89

[8] 张玲玉.LANDMARC定位系统及其算法的研究[D].长沙：中南大学，2014

ZHANG Lingyu.The Research of LANDMARC positioning system and its application[D].Changsha：Central South University，2014

[9] 杨辉.基于LANDMARC系统的室内定位算法的研究与改进[D].福州：福建师范大学，2012

YANG Hui.Research and improvements of indoor location algorithm based on LANDMARC System[D].Fuzhou：Fujian Normal University，2012

[10] Khan M A，Antiwal V K.Location estimation technique using extended 3-d LANDMARC algorithm for passive RFID tag[C]∥2009 IEEE International Advance Computing Conference，Patiala，India，2009：249-253

[11] Liu H，Darabi H，Banerjee P，et al.Survey of wireless indoor positioning techniques and systems[J].IEEE Transactions on Systems，Man and Cybernetics，Part c （Applications and Reviews），2007，37（6）：1067-1080

[12] Sansanayuth T，Suksompong P，Chareonlarpnopparut C，et al.RFID 2D-localization improvement using modified LANDMARC with linear MMSE estimation[C]∥2013 13th International Symposium on Communications and Information Technologies （ISCIT），Surat Thani，Thailand，2013：133-137

[13] Yeh C H，Su S F.Enhance LANDMARC from the fundamentals[C]∥2013 International Conference on Advanced Robotics and Intelligent Systems，Tainan，Taiwan，China，2013：23-27

[14] 王遠哲，毛陆虹，刘辉，等.基于参考标签的射频识别定位算法研究与应用[J].通信学报，2010，31（2）：86-92

WANG Yuanzhe，MAO Luhong，LIU Hui，et al.Research and application of RFID location algorithm based on reference tags[J].Journal on Communications，2010，31（2）：86-92

[15] 韩下林，赵卫东，季军，等.基于RFID技术的室内定位算法及其改进[J].计算机工程，2008，34（22）：266-267，270

HAN Xialin，ZHAO Weidong，JI Jun，et al.Indoor location algorithm based on RFID technology and its improvement[J].Computer Engineering，2008，34（22）：266-267，270