摘 要: 在BVIRE算法的基礎(chǔ)上,利用閾值與定位標(biāo)簽的權(quán)值因子取倒數(shù)的方法,,來排除誤差大的鄰近參考標(biāo)簽,。實(shí)驗(yàn)表明,新算法在整體定位精度上提高了18%,。分析算法的環(huán)境影響因子,得出該新算法在路徑損耗指數(shù)n=1.8,,虛擬標(biāo)簽網(wǎng)格數(shù)N=5,閾值為TH=2時(shí)為最佳適用環(huán)境,。
關(guān)鍵詞: BVIRE,;參考標(biāo)簽;定位精度,;閾值,;環(huán)境影響因子
0 引言
隨著物聯(lián)網(wǎng)技術(shù)的快速發(fā)展,,室內(nèi)定位技術(shù)受到了前所未有的關(guān)注。LANDMARC(Location Identification Based on Dynamic Active RFID Calibration)算法因其簡單且定位精度高得到了許多學(xué)者的研究[1],。在LANDMARC算法的基礎(chǔ)上用基本相似的方法插入網(wǎng)格虛擬參考標(biāo)簽和邊界參考標(biāo)簽得到邊界虛擬標(biāo)簽算法(Boundary Virtual Label Algorithm,,BVIRE)。在邊界虛擬標(biāo)簽算法中采用兩個(gè)權(quán)值,,比LANDMARC算法多1個(gè),,而且在鄰近標(biāo)簽的選擇上采用閾值TH來排除小概率的大誤差標(biāo)簽[2],。實(shí)驗(yàn)表明相比原算法,,BVIRE算法在定位精度上得到了較大的提高。
1 BVIRE算法簡介
如圖1是邊界虛擬標(biāo)簽算法的示意圖,,T(T1,T2…T5,T6…)代表已知坐標(biāo)的16個(gè)參考標(biāo)簽,。如果將四周的虛擬標(biāo)簽去掉但是保留四角星(閱讀器),就得到了LANDMARC算法模型,。而VIRE算法是在LANDMARC算法的基礎(chǔ)上在參考標(biāo)簽中插入虛擬標(biāo)簽[3],,而在邊界上不插入虛擬標(biāo)簽,如圖2所示,。所以邊界虛擬標(biāo)簽算法是建立在LANDMARC算法和VIRE算法基礎(chǔ)上在邊界上引入16個(gè)虛擬參考標(biāo)簽后得到的算法,。
在網(wǎng)格的水平方向上,虛擬參考標(biāo)簽的RSSI(Received Signal Strength Indication)值[4]:
在網(wǎng)格的垂直方向上,,虛擬參考標(biāo)簽的RSSI值[4]:
其中,,Sk(Ti,j)表示各參考標(biāo)簽(包括虛擬標(biāo)簽)在閱讀器上的RSSI值,n為網(wǎng)格劃分?jǐn)?shù),。
2 BVIRE算法優(yōu)化分析
?。?)BVIRE算法選擇歐式距離最短的標(biāo)簽作為鄰近標(biāo)簽,歐式距離的計(jì)算方法沿用經(jīng)典LANDMARC算法的鄰近距離公式[5-6],,如下所示:
Ej表示定位目標(biāo)與第j個(gè)參考標(biāo)簽之間的信號(hào)強(qiáng)度相對差,;S=(S1,S2,S3,…,Sn),Si表示已知坐標(biāo)的參考標(biāo)簽到讀寫器i的信號(hào)強(qiáng)度,;R=(R1,R2,R3,…,Rn),,Ri表示待測標(biāo)簽到讀寫器i的信號(hào)強(qiáng)度值[5-6]。
通過比較Ej的大小來確定與目標(biāo)標(biāo)簽RSSI差值相近的點(diǎn),。通過歐式距離公式可以明確,,功率如果相近,則坐標(biāo)值也是相近的,。但是由于環(huán)境因素的影響,,比如折射、反射等,,常常會(huì)使得相差較遠(yuǎn)的點(diǎn)的功率也可能與目標(biāo)坐標(biāo)相近,,如圖3所示,,右下角的點(diǎn)就是誤差很大的點(diǎn),但是LANDMARC算法還是將其作為參考點(diǎn)來計(jì)算待測標(biāo)簽坐標(biāo),。
式(3)中對于每一個(gè)讀寫器i,,都可以求出一個(gè)Ej,那么可以通過設(shè)置一個(gè)閾值TH來排除小概率點(diǎn),這個(gè)閾值就像一個(gè)過濾器,當(dāng)Ej小于閾值時(shí)就保留下來,,當(dāng)Ej大于設(shè)定的閾值時(shí)就將它剔除,。比如將圖3右下角那個(gè)點(diǎn)排除后就可以使定位精度得到大幅提高。閾值的大小要按照環(huán)境的不同而設(shè)置,,當(dāng)環(huán)境比較惡劣,,路徑損耗指數(shù)很大時(shí),則要將閾值設(shè)大一些,,而當(dāng)環(huán)境較好時(shí),,則將閾值設(shè)為較小。
?。?)在BVIRE算法中采用了不同于LANDMARC權(quán)值的設(shè)定方式,,LANDMARC算法中只設(shè)定了一個(gè)權(quán)值,而BVIRE算法中設(shè)定了兩個(gè)權(quán)重因子[2-3],,如式(4),、(5)所示。
W1i表征選出的鄰近參考標(biāo)簽與待測標(biāo)簽之間的強(qiáng)度信號(hào)差值,,Sp(Ti)表示選擇的參考標(biāo)簽強(qiáng)度值,,Sp(R)表示待測標(biāo)簽強(qiáng)度值,K是一個(gè)經(jīng)驗(yàn)值,。nci表示和i參考標(biāo)簽連在一起的區(qū)域個(gè)數(shù),,na是選擇出來的參考標(biāo)簽的個(gè)數(shù)。
權(quán)重因子W2i主要根據(jù)虛擬標(biāo)簽在區(qū)域中的密度而設(shè)定,。由于這里取了兩個(gè)權(quán)值因子,,而待測標(biāo)簽的坐標(biāo)估計(jì)值需要將這兩個(gè)權(quán)值因子做乘積。經(jīng)分析數(shù)據(jù)發(fā)現(xiàn),,第一個(gè)權(quán)值因子有些數(shù)據(jù)很大,,對定位結(jié)果起了決定的作用,就排除了其他權(quán)值因子的作用,,于是將第一個(gè)權(quán)值因子取倒數(shù)其他條件均不變,,這樣得到了更好的定位結(jié)果。
3 BVIRE優(yōu)化算法實(shí)驗(yàn)結(jié)果分析
結(jié)合上述分析對BVIRE算法進(jìn)行改進(jìn)優(yōu)化后得到IMBVIRE算法,,對各算法進(jìn)行性能比較,,仿真環(huán)境:8 m× 8 m的辦公室,路徑損耗指數(shù)n=2,虛擬標(biāo)簽網(wǎng)格劃分?jǐn)?shù)N=4,,閾值TH=2,,環(huán)境噪聲標(biāo)準(zhǔn)差設(shè)置為0,,路徑損耗模型選用對數(shù)距離損耗模型[7]:
其中,d是待測標(biāo)簽到閱讀器的距離,,d0是參考距離,,P0、P分別表示的是距離為d0,、d時(shí)閱讀器收到的信號(hào)強(qiáng)度,,δ為遮蔽因子,是一個(gè)隨機(jī)變量,,n為路徑損耗指數(shù),。
圖4所示為IMBVIRE、BVIRE,、LANDMARC三種算法定位結(jié)果對比圖,。由圖4可得,,相對于經(jīng)典的LANDMARC,,IMBVIRE算法在測試的10個(gè)點(diǎn)中,有1個(gè)(編號(hào)為8)的定位精度沒有經(jīng)典算法好,,這是因?yàn)楦倪M(jìn)算法在鄰近標(biāo)簽的選擇上用了不同于LANDMARC算法的方式,,通過設(shè)置閾值TH=2來排除誤差大的鄰近標(biāo)簽參考點(diǎn),這里出現(xiàn)的這種現(xiàn)象可能是因?yàn)殚撝颠x擇過小,,排除了本來就是正確的參考標(biāo)簽點(diǎn),。但是從整體來看,改進(jìn)的IMBVIRE算法比BVIRE和LANDMARC算法的定位精度都得到了相應(yīng)的提高,。
由表1可知,,IMBVIRE算法的系統(tǒng)平均誤差為0.27 m,而由表2可知BVIRE算法的系統(tǒng)平均誤差為0.33 m,,改進(jìn)的IMBVIRE算法整體定位精度提升了0.06 m,,雖然其提升的幅度不是很大,但是在提升整體誤差的同時(shí)將最大定位誤差控制在0.7 m以內(nèi),,將增加其定位結(jié)果的可信度,。
在圖1中的4個(gè)參考標(biāo)簽(T)所圍成的正方形網(wǎng)格中均勻插入N2-4個(gè)虛擬參考標(biāo)簽,即形成N×N的網(wǎng)格,。圖5研究了當(dāng)N取不同值時(shí)對定位精度的影響,,當(dāng)N=3時(shí)定位精度基本都控制在0.65 m以內(nèi),當(dāng)N=4或N=5時(shí)定位精度都基本控制在0.4 m以內(nèi),,而且隨著N的增大,,精度增加不明顯,顯然最佳取值為N=5,。
室內(nèi)環(huán)境有很多情況,,研究表明一般情況下辦公室(軟分割)的路徑損耗指數(shù)為2.4,,零售店的路徑損耗指數(shù)為2.2,蔬菜店的為1.8等,。環(huán)境的不同會(huì)影響室內(nèi)定位系統(tǒng)的定位精度,。研究環(huán)境對定位精度的影響能夠明確算法到底可以在何種環(huán)境中應(yīng)用,同時(shí)也驗(yàn)證算法是否具有兼容性,。圖6體現(xiàn)出該算法在路徑損耗指數(shù)為1.8時(shí)為最優(yōu),,也就是說該算法最適用于蔬菜店的室內(nèi)定位,同時(shí)在其他環(huán)境中該算法也能夠較精確定位,,充分體現(xiàn)了其兼容性較強(qiáng),,能夠作為商業(yè)化廣泛應(yīng)用。
閾值選取是否得當(dāng)與定位精度關(guān)系非常密切,,如果將閾值設(shè)置過大就會(huì)起不到過濾誤差參考點(diǎn)的作用,,但是選取過小又有可能將本來需要的標(biāo)簽參考點(diǎn)過濾掉。但是加入閾值確實(shí)能夠?qū)⒄w的定位精度提高,。由圖7可見,,TH=0.5或者TH=3時(shí),定位精度都沒有當(dāng)TH=2時(shí)的定位精度高,,所以該環(huán)境下的最佳閾值為TH=2,。當(dāng)然固定閾值是不能保證使每個(gè)待測標(biāo)簽的定位精度都能提高,從圖4中可見,,8號(hào)待測標(biāo)簽的定位精度反而沒有原來的高,,但是從整體性能上來分析,這個(gè)是最優(yōu)的,。
4 結(jié)論
本文基于BVIRE算法,,在兩個(gè)方面對其進(jìn)行改進(jìn),而得到IMBVIRE算法,。實(shí)驗(yàn)結(jié)果表明,,改進(jìn)算法在整體定位精度上提升了0.06 m,取得了比較明顯的效果,,同時(shí)本文確定了各個(gè)環(huán)境影響因子的最優(yōu)取值,,驗(yàn)證了改進(jìn)算法的實(shí)用環(huán)境。雖然改進(jìn)后算法定位精度已經(jīng)相當(dāng)可觀,,但是其定位精度的提升還有空間,,下一步將研究如何設(shè)置動(dòng)態(tài)的閾值,這樣將會(huì)使定位精度得到更大的提升,。
參考文獻(xiàn)
[1] Zhou J, Zhang H, Mo L. Two dimension localization of passive RFID tags using AOA estimation[C].IEEE Instumention and Measurment Technology Conference, I2MTC, 2011:1-5 .
[2] Jingwangsa T,Soonjun S,Chernthanomwong P.Comparison between innovative approaches of RFID based localization using fingerprint techniques for outdoor and indoor environments[C]. ICACT, 2010:7-10.
[3] 李鵬,馬寧,楊擁軍,等. 基于RFID的邊界虛擬參考標(biāo)簽改進(jìn)算法[J]. 計(jì)算機(jī)應(yīng)用研究, 2013,30(1):158-160.
[4] 陳冰,劉開華,史偉光. 基于RFID的虛擬標(biāo)簽改進(jìn)算法[J]. 計(jì)算機(jī)工程, 2011,37(16):285-287.
[5] 陳瑞鑫, 鄒傳云.有源RFID定位系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 電子技術(shù)應(yīng)用, 2010,36(10):114-116.
[6] Xie Yinggang, Kuang Jiaoli, Wang Zhiliang, et al. Indoor location tehnology and its applications base on improved LANMARC algorithm[C]. IEEE Chinese Control and Conference, 2012:38-41.
[7] Zhu Xiuyan, Feng Yuan. RSSI-based algorithm for indoor localization[J]. Communications and Network, 2013,5(2):37-42.