本發(fā)明涉及無線網(wǎng)絡(luò)和無線通信定位技術(shù)領(lǐng)域，尤其是涉及一種基于人工神經(jīng)網(wǎng)絡(luò)的rfid室內(nèi)定位系統(tǒng)與方法。

背景技術(shù)：

繼計算機網(wǎng)絡(luò)、移動網(wǎng)絡(luò)和互聯(lián)網(wǎng)絡(luò)浪潮之后，以“智能化”為核心的物聯(lián)網(wǎng)成為了信息化產(chǎn)業(yè)發(fā)展的又一大巨浪，而作為物聯(lián)網(wǎng)領(lǐng)域中的室內(nèi)位置服務(wù)(locationbasedservice，lbs)由于在室內(nèi)導(dǎo)航、人員跟蹤、貨物定位及緊急救援等方面的優(yōu)勢，日益受到了人們的青睞，并呈現(xiàn)出廣闊的市場價值及商業(yè)應(yīng)用前景，如大型商場中消費者的需求導(dǎo)航、智慧機場行李的位置跟蹤、智能監(jiān)獄中犯人的位置信息實時監(jiān)測和大型倉庫中貨物的位置跟蹤等。

在空曠的環(huán)境下，gps能實現(xiàn)對物體的高精度定位，是迄今應(yīng)用最好的室外移動導(dǎo)航定位系統(tǒng)。然而，在室內(nèi)和地下等環(huán)境，由于混凝土等障礙物對電磁波的阻擋、吸收及各種不規(guī)則物體對電磁波的削弱等，使得gps測量存在較大的定位誤差，定位精確度受到限制；另外由于gps的耗電量巨大，使得它一般只在車載或是不缺電的場合下才會24小時使用。鑒于gps在室內(nèi)空間定位的以上缺陷及人們對定位服務(wù)的需求，加速了lbs的蓬勃發(fā)展。同其他主要的室內(nèi)定位傳感技術(shù)(如藍牙、wifi、紅外和uwb等)相比，射頻識別(radiofrequencyidentification，rfid)定位技術(shù)具有定位精度高、成本低廉、使用方便、物理性能優(yōu)越和攜帶信息量大等優(yōu)點，具有巨大的發(fā)展應(yīng)用潛力。

目前，國內(nèi)外眾多學(xué)者針對室內(nèi)的位置服務(wù)提出了很多不同的定位算法，主要包括指紋匹配法、幾何測量法和近似法。但由于室內(nèi)布局的復(fù)雜性及信號多徑傳輸?shù)挠绊懀瑤缀螠y量法和近似法很難適應(yīng)環(huán)境的變化，定位精度較低；而指紋匹配法更大程度上依賴于構(gòu)建數(shù)據(jù)庫中指紋的數(shù)量，但隨著指紋數(shù)量的增加，算法在進行指紋匹配的過程中需要耗費更多的時間，定位實時性較差，如中國專利cn105301558a和中國專利cn104968045a等使用指紋匹配存在的缺陷。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于人工神經(jīng)網(wǎng)絡(luò)的rfid室內(nèi)定位系統(tǒng)與方法。其目的在于解決室內(nèi)定位系統(tǒng)使用成本高、定位精度低、實時性差和算法對環(huán)境的抗噪聲干擾能力差等問題。針對上述情況，本發(fā)明致力于將人工神經(jīng)網(wǎng)絡(luò)(artificialneuralnetworks，anns)同rfid定位技術(shù)相結(jié)合，以增強算法對環(huán)境的抗噪聲干擾能力，提高定位實時性同時降低定位系統(tǒng)的使用成本。該方法首先對離線階段采集到的數(shù)據(jù)進行噪聲過濾，獲得高質(zhì)量的樣本訓(xùn)練數(shù)據(jù)，從而得到優(yōu)秀的定位模型；其次，將在線階段采集到的數(shù)據(jù)再次經(jīng)過高斯濾波處理，并將處理后的數(shù)據(jù)輸入到已建立的定位模型中，即可實現(xiàn)較高精度的位置預(yù)測。

本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：

一種基于人工神經(jīng)網(wǎng)絡(luò)的rfid室內(nèi)定位方法，該方法包括以下步驟：

s1、離線階段定位區(qū)域數(shù)據(jù)采集：rfid標(biāo)簽按照一定的規(guī)則布置于定位區(qū)域，rfid閱讀器接收各rfid標(biāo)簽的信號強度值rssi，并記錄rfid標(biāo)簽所在位置，獲得含噪聲的原始訓(xùn)練數(shù)據(jù)集；

s2、離線階段原始數(shù)據(jù)預(yù)處理：根據(jù)高斯濾波原理對原始數(shù)據(jù)進行噪聲數(shù)據(jù)高斯過濾和數(shù)據(jù)歸一化預(yù)處理；

s3、離線階段訓(xùn)練數(shù)據(jù)庫的建立：將離線階段預(yù)處理后的數(shù)據(jù)重新組成新訓(xùn)練數(shù)據(jù)集；

s4、離線階段anns室內(nèi)位置定位模型構(gòu)建：計算機利用新訓(xùn)練數(shù)據(jù)集對anns定位模型進行訓(xùn)練；

s5、在線階段實時信號獲?。寒?dāng)攜有rfid標(biāo)簽的待定位目標(biāo)進入到定位區(qū)域內(nèi)時，rfid閱讀器獲取該標(biāo)簽的rssi信息和id號，并傳輸至計算機，計算機對接收到的信息進行處理并構(gòu)建該rfid標(biāo)簽自身的實時信息庫；

s6、在線階段數(shù)據(jù)預(yù)處理：根據(jù)高斯濾波原理對實時信息進行噪聲數(shù)據(jù)高斯過濾和數(shù)據(jù)歸一化預(yù)處理；

s7、在線階段實時位置精確預(yù)測：將在線階段預(yù)處理后的數(shù)據(jù)實時輸入到離線階段所構(gòu)建的anns定位模型中，實時輸出該待定位目標(biāo)的位置。

步驟s2和步驟s6中的噪聲數(shù)據(jù)高斯過濾預(yù)處理過程具體為：

a)信號強度值rssi與高斯函數(shù)的關(guān)系如下：

其中，

rssij,l^k為rfid閱讀器的第l個天線在某段連續(xù)時間內(nèi)第k次測量第j個標(biāo)簽的rssi信息；

fl＝{rssij,l¹,rssij,l²,…,rssij,l^k},l＝1,2,…,m,m≥4,k≥50，為rfid閱讀器的第l個天線在某段連續(xù)時間內(nèi)連續(xù)k次測量第j個標(biāo)簽的rssi信息；

b)根據(jù)高斯分布的2σ原則，將小概率事件內(nèi)的數(shù)據(jù)作為無效數(shù)據(jù)剔除，將大概率事件內(nèi)的數(shù)據(jù)作為有效數(shù)據(jù)保留；

c)對k次測量中經(jīng)過濾得到的所有有效數(shù)據(jù)進行取平均值，如下：

其中，m為連續(xù)k次測量中rssi符合大概率事件的次數(shù)；

為rfid閱讀器的第l個天線在某段連續(xù)時間內(nèi)第e次測量第j個標(biāo)簽的rssi值；

將foutrssi作為噪聲數(shù)據(jù)過濾后第l個天線測量到的第j個標(biāo)簽的一個有效rssi值。

所述的rfid標(biāo)簽為無源rfid標(biāo)簽。

一種應(yīng)用所述的基于人工神經(jīng)網(wǎng)絡(luò)的rfid室內(nèi)定位方法的系統(tǒng)，所述的系統(tǒng)包括rfid標(biāo)簽、rfid閱讀器和計算機，所述的rfid閱讀器包括rfid閱讀器本體和rfid閱讀器天線，所述的rfid閱讀器通過rfid閱讀器天線讀取rfid標(biāo)簽信息和待定位目標(biāo)信息，并傳輸至計算機，所述的計算機根據(jù)建立的anns定位模型，輸出待定位目標(biāo)位置。

所述的rfid標(biāo)簽為無源rfid標(biāo)簽。

所述的rfid閱讀器連接有第一無線收發(fā)模塊，所述的計算機連接有第二無線收發(fā)模塊。

所述的rfid閱讀器本體和rfid閱讀器天線通過有線方式連接。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：

1、數(shù)據(jù)噪聲高斯過濾預(yù)處理：該算法有效的避免了無效沉冗噪聲數(shù)據(jù)對定位精度的影響，通過采用噪聲高斯過濾的形式，建立了高質(zhì)量的定位模型，有效的解決了算法受環(huán)境噪聲因素干擾而導(dǎo)致定位精度低的問題；

2、高斯濾波過程計算時間短：噪聲預(yù)處理采用高斯濾波，計算量較小，在提高定位精度的同時減少算法的復(fù)雜度；

3、目標(biāo)節(jié)點攜帶方便、成本低：本發(fā)明針對室內(nèi)定位系統(tǒng)使用成本高及定位目標(biāo)節(jié)點攜帶不方便等缺點，提出一種基于人工神經(jīng)網(wǎng)絡(luò)的rfid室內(nèi)定位系統(tǒng)與方法，能夠有效降低定位系統(tǒng)的使用成本，提高目標(biāo)節(jié)點攜帶的便利性，如rfid定位系統(tǒng)中標(biāo)簽無需電源、數(shù)據(jù)存儲量大且體積小，可嵌入或內(nèi)置于物體中；

4、定位精度高、抗噪聲干擾能力強：在室內(nèi)定位精度、算法對環(huán)境的抗噪聲干擾能力方面，本發(fā)明提出的基于人工神經(jīng)網(wǎng)絡(luò)的rfid室內(nèi)定位系統(tǒng)與方法具有很強的環(huán)境抗噪聲干擾能力，能克服因信號發(fā)生多徑傳輸、環(huán)境變化而帶來的定位精度低問題；

5、系統(tǒng)使用成本低：本發(fā)明針對現(xiàn)有室內(nèi)定位系統(tǒng)只單方面考慮定位精度或系統(tǒng)使用成本的問題，提出了將人工神經(jīng)網(wǎng)絡(luò)同rfid傳感技術(shù)相結(jié)合并將其用于室內(nèi)定位中，在提高室內(nèi)定位精度的同時能夠降低定位系統(tǒng)的使用成本；

6、定位實時性好：本發(fā)明提出的定位系統(tǒng)與方法能夠?qū)崟r的對目標(biāo)進行定位，克服了主流指紋庫定位方法需要大量匹配標(biāo)簽、實時性差的缺陷。

附圖說明

圖1為本發(fā)明基于人工神經(jīng)網(wǎng)絡(luò)的rfid室內(nèi)定位系統(tǒng)與方法的定位系統(tǒng)結(jié)構(gòu)示意圖；

圖2為本發(fā)明基于人工神經(jīng)網(wǎng)絡(luò)的rfid室內(nèi)定位系統(tǒng)與方法的rfid定位系統(tǒng)平面分布圖；

圖3為本發(fā)明基于人工神經(jīng)網(wǎng)絡(luò)的rfid室內(nèi)定位系統(tǒng)與方法的總體定位框架圖；

圖4為本發(fā)明基于人工神經(jīng)網(wǎng)絡(luò)的rfid室內(nèi)定位系統(tǒng)與方法的rssi數(shù)據(jù)高斯分布統(tǒng)計圖；

圖5為本發(fā)明基于人工神經(jīng)網(wǎng)絡(luò)的rfid室內(nèi)定位系統(tǒng)與方法的rssi數(shù)據(jù)高斯擬合曲線示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明的一部分實施例，而不是全部實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都應(yīng)屬于本發(fā)明保護的范圍。

實施例

本發(fā)明提出了一種基于人工神經(jīng)網(wǎng)絡(luò)的rfid室內(nèi)定位系統(tǒng)與方法，具體為基于高斯濾波與人工神經(jīng)網(wǎng)絡(luò)anns相結(jié)合的rfid室內(nèi)定位系統(tǒng)與方法，其目的在于解決室內(nèi)定位系統(tǒng)使用成本高、定位精度低和算法對環(huán)境噪聲數(shù)據(jù)敏感等問題。

本發(fā)明所提出的rfid定位系統(tǒng)主要包括：無源rfid標(biāo)簽、rfid閱讀器和計算機終端。所述的rfid閱讀器上設(shè)有rfid閱讀器天線，rfid閱讀器連接第一無線收發(fā)模塊，所述的rfid閱讀器天線讀取無源rfid標(biāo)簽并記錄每個標(biāo)簽的唯一id號和信號強度值rssi，經(jīng)有線傳輸?shù)絩fid閱讀器上，閱讀器再通過第一無線發(fā)射模塊將接受到的數(shù)據(jù)傳送到計算機，所述的計算機對接收到的數(shù)據(jù)進行高斯噪聲處理，并建立相應(yīng)高質(zhì)量的anns位置預(yù)測模型，最終輸出待定位目標(biāo)的位置。

本發(fā)明所提出的基于高斯濾波同anns相結(jié)合的rfid室內(nèi)定位系統(tǒng)的方法包括兩個階段：離線階段和在線定位階段。在離線階段，將rfid標(biāo)簽按照一定的規(guī)則布置于定位區(qū)域，通過rfid閱讀器天線接收各個標(biāo)簽的rssi信息并記錄對應(yīng)標(biāo)簽所在的位置posi，從而獲得定位模型所需要的含有噪聲的原始訓(xùn)練數(shù)據(jù)集rssi-posi，計算機對原始訓(xùn)練數(shù)據(jù)集進行高斯噪聲預(yù)處理，踢出無效噪聲數(shù)據(jù)，從而獲得高質(zhì)量的有效樣本訓(xùn)練數(shù)據(jù)集，并構(gòu)建基于anns的室內(nèi)位置預(yù)測模型；在在線階段，當(dāng)攜有rfid標(biāo)簽的待定位目標(biāo)進入到該定位區(qū)域內(nèi)時，閱讀器通過閱讀器天線獲取該標(biāo)簽的rssi和id號后，將信息通過無線的方式傳輸給計算機，計算機對接收到的信息再次經(jīng)過高斯濾波處理，并將處理后的數(shù)據(jù)集輸入到已建立的高質(zhì)量的定位模型中，模型即輸出該目標(biāo)標(biāo)簽的精確位置。

圖1為本發(fā)明所涉及到的定位系統(tǒng)結(jié)構(gòu)示意圖。包括第一rfid閱讀器天線101，第二rfid閱讀器天線102，第三rfid閱讀器天線103和第四rfid閱讀器天線104，rfid閱讀器天線負責(zé)離線階段定位區(qū)域的數(shù)據(jù)采集和在線階段待定位目標(biāo)信息的實時獲??；rfid閱讀器105，通過有線的形式來連接4個閱讀器天線，并接收天線在離線和在線階段采集到的信息；第一無線收發(fā)模塊106：連接閱讀器并將閱讀器接收到的數(shù)據(jù)通過無線的形式發(fā)送給第二無線收發(fā)模塊107；第二無線收發(fā)模塊107：連接計算機并負責(zé)與第一無線收發(fā)模塊進行數(shù)據(jù)傳輸；計算機108，負責(zé)處理第二無線收發(fā)模塊接收到的數(shù)據(jù)或發(fā)送控制命令。

圖2為本發(fā)明的rfid定位系統(tǒng)平面分布圖。包括第一天線201，第二天線202，第三天線203和第四天線204；4個閱讀器天線分別布置在定位區(qū)域的4個位置；rfid標(biāo)簽205，相鄰rfid標(biāo)簽間的距離為1m，標(biāo)簽的布置個數(shù)可根據(jù)實際定位區(qū)域的大小而定；待定位物體206，該物體上攜有rfid標(biāo)簽，當(dāng)進入到定位區(qū)域內(nèi)時，系統(tǒng)根據(jù)物體上攜帶的rfid標(biāo)簽對其進行定位。

圖3為本發(fā)明基于人工神經(jīng)網(wǎng)絡(luò)的rfid室內(nèi)定位系統(tǒng)與方法的總體定位框架圖，系統(tǒng)具體步驟包括離線階段和在線階段，如下：

步驟(1)離線階段定位區(qū)域數(shù)據(jù)采集。首先根據(jù)定位區(qū)域的實際環(huán)境情況，合理布置rfid標(biāo)簽節(jié)點的分布情況，如圖2所示；然后閱讀器通過天線采集獲得各個標(biāo)簽的rssi信息并記錄對應(yīng)標(biāo)簽的位置posi，從而得到定位預(yù)測模型的含有噪聲的原始訓(xùn)練數(shù)據(jù)集。設(shè)第j個被測量標(biāo)簽的位置坐標(biāo)lj＝(xj,yj),j＝1,2,…,n，閱讀器的第l個天線在某段連續(xù)時間內(nèi)連續(xù)k次測量第j個標(biāo)簽的rssi為fl＝{rssij,l¹,rssij,l²,…,rssij,l^k},l＝1,2,…,m,m≥4,k≥50，則通過將采集到所有標(biāo)簽的rssi-posi集中在一起，可構(gòu)建一個含有噪聲的原始訓(xùn)練數(shù)據(jù)集d＝(lj|f1,f2,f3,…,fl)。

步驟(2)離線階段原始數(shù)據(jù)預(yù)處理。由圖4和圖5知，閱讀器的第l個天線在某段連續(xù)時間內(nèi)連續(xù)k次測量到的第j個標(biāo)簽的rssi呈現(xiàn)高斯分布的特征，為了在提高定位精度的同時減少算法的復(fù)雜度，該發(fā)明利用閱讀器在某段連續(xù)時間內(nèi)采集到的某一固定點的數(shù)據(jù)服從高斯分布的特性，根據(jù)高斯分布的2σ原則，排除小概率事件，保留大概率事件(即在離線、在線階段采集到的所有數(shù)據(jù)中，含有噪聲無效的數(shù)據(jù)基本上為小概率事件，可根據(jù)高斯分布的原則進行過濾掉；有效定位數(shù)據(jù)基本上為大概率事件，可根據(jù)高斯分布的原則進行保留)，信號強度值rssi與高斯函數(shù)的關(guān)系如下：

其中，

rssij,l^k為rfid閱讀器的第l個天線在某段連續(xù)時間內(nèi)第k次測量第j個標(biāo)簽的rssi信息；

fl＝{rssij,l¹,rssij,l²,…,rssij,l^k},l＝1,2,…,m,m≥4,k≥50，為rfid閱讀器的第l個天線在某段連續(xù)時間內(nèi)連續(xù)k次測量第j個標(biāo)簽的rssi信息；

為此，可根據(jù)高斯分布的2σ原則，將小概率事件內(nèi)的數(shù)據(jù)作為無效數(shù)據(jù)，進行剔除，將大概率事件內(nèi)的數(shù)據(jù)作為有效數(shù)據(jù)，進行保留；最后，對k次測量中經(jīng)過濾得到的所有有效數(shù)據(jù)進行取平均值，如下：

其中，m為連續(xù)k次測量中rssi符合大概率事件的次數(shù)；

將foutrssi作為噪聲數(shù)據(jù)過濾后第l個天線測量到的第j個標(biāo)簽的一個rssi值。

步驟(3)離線階段訓(xùn)練數(shù)據(jù)庫的建立。根據(jù)步驟(2)中高斯過濾的方法最終可得到所有標(biāo)簽的rssi值數(shù)據(jù)，將這樣數(shù)據(jù)重新整理并歸一化后，即可構(gòu)成一個新的且較高質(zhì)量的訓(xùn)練數(shù)據(jù)樣本集d'＝(lj|f1',f2',f3',…,fl'),fl'＝{rssi'j,l¹,rssi'j,l²,…,rssi'j,l^k},l＝1,2,…,m.

步驟(4)離線階段基于anns的高質(zhì)量的定位模型構(gòu)建。利用步驟(3)中得到的新的質(zhì)量較高的訓(xùn)練數(shù)據(jù)集d'對anns定位模型對進行訓(xùn)練，優(yōu)化模型參數(shù)，即可得到高質(zhì)量的定位模型，該模型可有效的避免定位精度受環(huán)境噪聲因素干擾的影響。

步驟(5)在線階段實時信號獲取。當(dāng)攜有rfid標(biāo)簽的待定位目標(biāo)進入到該定位區(qū)域內(nèi)時，閱讀器將會同該rfid標(biāo)簽建立相應(yīng)的通信協(xié)議，從而實時連續(xù)多次獲取該標(biāo)簽的rssi值和唯一id號，并將所有數(shù)據(jù)信息通過無線的方式實時傳輸給計算機，計算機根據(jù)接收到的所有數(shù)據(jù)信息來構(gòu)建該rfid標(biāo)簽自身的實時信息庫。

步驟(6)在線階段數(shù)據(jù)預(yù)處理。對于步驟(5)中構(gòu)建的rfid標(biāo)簽實時信息信息庫，將同步驟(2)中的離線階段一樣對其進行數(shù)據(jù)預(yù)處理。

步驟(7)在線階段實時位置精確預(yù)測。將步驟(6)中預(yù)處理后得到的高質(zhì)量的完美rssi數(shù)據(jù)信息實時輸入到步驟(4)中離線階段所構(gòu)建的anns位置預(yù)測模型中，即可實時輸出該待定位目標(biāo)的精確位置。

綜上所述，本發(fā)明提出一種基于人工神經(jīng)網(wǎng)絡(luò)的rfid室內(nèi)定位系統(tǒng)與方法，具體為基于高斯濾波與人工神經(jīng)網(wǎng)絡(luò)anns相結(jié)合的rfid室內(nèi)定位系統(tǒng)與方法，充分利用了信號數(shù)據(jù)自身的統(tǒng)計特征，采用符合該統(tǒng)計數(shù)據(jù)特征的高斯濾波方法，解決了目前定位算法受環(huán)境噪聲因素干擾而導(dǎo)致定位精度較低的問題，及降低了算法對環(huán)境噪聲數(shù)據(jù)的敏感程度，在提高定位精度的同時減少算法的復(fù)雜度，且rfid定位系統(tǒng)成本較低，因此本發(fā)明具有很好的實用價值。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到各種等效的修改或替換，這些修改或替換都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)以權(quán)利要求的保護范圍為準(zhǔn)。