[发明专利]一种基于均值聚类随机粒子群算法的RFID定位方法

说明书

本发明公开了一种基于均值聚类随机粒子群算法的RFID定位方法，在指定室内区域摆放参考标签，阅读器和待定位标签，并由阅读器获取参考标签和待定位标签的信号强度；采用阀值小波算法对参考标签信号强度和待定位标签信号强度进行信号处理，消除噪声；在定位区域随机产生初始化粒子，当成虚拟参考标签，通过二次回归曲线插值法获得每个粒子的信号强度；将初始化的所有粒子进行聚类划分，通过建立的均值聚类随机粒子群模型计算出最优虚拟参考标签位置，依据最优虚拟参考标签位置估算出待定位标签的位置。本发明可广泛应用于各种仓储货运的室内定位监控系统中，具有精度高、速率快、稳定性强和成本低等特点。

技术领域

本发明涉及基于无线射频的室内定位方法，更具体地说是一种基于均值聚类随机粒子群算法的RFID定位方法，尤其应用于大型仓储货运的定位，属于监控定位技术领域。

背景技术

随着无线局域网技术的发展，特别是物联网技术的兴起，人们对基于位置的服务要求越来越高，比如，购物时要确定商品在商场中的位置、儿童的安全定位、机场对行李箱进行位置追踪等。现有技术中，针对室外定位应用最多的是全球卫星定位系统；但是，室内环境往往错综复杂、障碍物较多、信号的阻挡作用极其明显，且建筑物往往为多层，显然，GPS定位技术并不能满足室内定位的要求。

现有技术中常用的室内定位方法包括Wi-Fi定位、红外线定位、超宽带定位和LED可见光定位、蓝牙定位等，对于定位方法的选择一方面要考虑定位精度的要求，另一方面要考虑系统的复杂程度和所用的开支。无线射频识别技术称为RFID，即：Radio FrequeneyIdentification，其具有非视距传播、抗干扰能力强、识别速度快、存储数据量大等优点，已在室内定位中得到广泛的应用。

目前，基于RFID技术的室内定位系统主要是使用信号强度测量的系统定位，主要包括基于距离和损耗模型的定位算法、LANDMARC算法、VIRE算法。其中，VIRE算法中的信号采集由于容易含有噪声，对噪声的处理不够完备，造成定位误差较大，同时存在多径问题以及虚拟参考标签定位的算法复杂性导致的冗余计算问题，都影响着定位的效率和精度。

发明内容

本发明为避免上述现有技术所存在的问题，提供一种基于均值聚类随机粒子群算法的RFID定位方法，以满足监控定位系统的实时和准确定位的要求，提高定位精度，降低复杂度；针对VIRE算法进行改进，避免参考标签和虚拟参考标签的误差对定位精度产生的直接影响，利用改进的均值聚类粒子群算法寻找待定位标签的最优点，提高收敛速度，使定位性能更加稳定、精度更高。

本发明为解决技术问题采用如下技术方案：

本发明基于均值聚类随机粒子群算法的RFID定位方法的特点是包括以下步骤：

步骤1：在指定的室内区域中任意摆放M个参考标签、K个阅读器和一个待定位标签tag，已知各个参考标签的坐标，由阅读器获得待定位标签tag和各参考标签的RSSI信号强度，将阅读器k在t时刻获取的参考标签ref的RSSI信号强度记为参考标签信号强度RSSI_refk(t)，将阅读器k在t时刻获取的待定位标签tag的RSSI信号强度记为待定位标签信号强度RSSI_tagk(t)，其中，1≤ref≤M,1≤k≤K；

步骤2：采用阀值小波算法对所述参考标签信号强度RSSI_refk(t)和待定位标签信号强度RSSI_tagk(t)进行信号处理，消除噪声；

步骤3：将指定的室内区域初始化为L个粒子，将每个粒子当成虚拟参考标签，通过SDQRI算法中的二次回归曲线插值法计算获得每个粒子的RSSI信号强度；

步骤4：将L个粒子进行随机聚类划分，建立均值聚类随机粒子群模型；通过均值聚类随机粒子群算法获得最优虚拟参考标签位置，依据所述最优虚拟参考标签位置估算出待定位标签的位置。