[发明专利]一种基于RFID和集成学习的资产设备智能感知方法及装置

权利要求书

1.一种基于RFID和集成学习的资产设备智能感知方法，其特征在于，包括以下步骤：

将RFID标签固定在室内资产设备上，设n,n≥2个RFID信标同时探测室内RFID标签的信号，在时间T内，第i个RFID信标对同一个RFID标签感知到的RSSI值构成序列R_i，如式(1)所示：

R_i＝(r₁，r₂，...，r_t，...，r_k)    (1)

式(1)中，R_i表示一个由RSSI值组成的RFID信号序列；r_t表示在第t个时刻的RSSI值；k表示序列长度；

对n个RFID信标感知到的RFID信号序列并行学习n个RFID感知模型；在时间T内，第i个RFID信标对RFID标签的位置状态预测结果如式(2)所示：

Z_i＝f_i(R_i)      (2)

式(2)中，Z_i表示根据第i个RFID信标感知到的RFID信号序列辨识得到的位置状态，Z_i的取值范围如式(3)所示；f_i()表示第i个RFID信标的感知到的RFID序列与位置状态拟合的关系函数；R_i表示第i个RFID信标在T时间内感知到的RFID信号序列；

式(3)中，Z_i表示RFID标签所在位置的标识；I表示室内区域，O表示室外区域；当R_i对应的RFID标签在室内时，Z_i取值为1；当R_i对应的RFID标签在室外时，Z_i取值为0；当序列R_i为空序列时，Z_i取值为-1；

采用bagging集成学习法并行式对n个RFID信标感知到的RFID信号序列进行学习，得到多个辨识结果；其中n个RFID信标对同一个RIFD标签的位置辨识结果如式(4)所示：

对于n个初级学习器{f₁，f₂，...，f_n}，f_i在RFID信号序列R_i上的输出为f_i(R_i)，记为Z_i；

最后，采用stacking集成学习法对n个RFID感知模型并行计算得到的结果Z_i进行决策，得到该RFID标签最终的位置状态Z。

2.根据权利要求1所述的基于RFID和集成学习的资产设备智能感知方法，其特征在于，使用stacking集成学习法构建RFID感知模型的方法包括以下步骤：

(1)离线阶段，完成对初级模型和次级模型的学习；

对n信标RFID信号探测装置采集的数据分别按照公式(1)进行预处理，得到n信标RFID序列集；然后对n信标RFID序列集进行归一化处理，得到n信标归一化序列集；再对n信标归一化序列集进行标注得到n个标注序列集，其中，室内RFID序列集标注为1，室外RFID序列集标注为0；最后分别将n个标注序列集分别输入到LSTM神经网络中训练，得到n个可识别RFID标签处于室内或室外两种情况的初级辨识模型，再将n信标标注序列集的信号序列输入到对应的辨识模型得到辨识结果；将辨识结果与其对应的标志构成次级训练集，将次级训练集输入SVM神经网络中，得到次级模型；

(2)在线阶段，完成对实时数据的辨识；

在获得n个可识别RFID标签位置状态的初级辨识模型的基础上，对RFID信号探测装置实时采集到的数据进行处理，将处理后的n个归一化序列对应输入到初级模型得到n个辨识结果，再通过次级模型进行决策，得到最终的RFID标签位置。