[发明专利]一种基于BP‑Landmarc神经网络的室内定位装置和控制方法

说明书

技术领域

本发明涉及一种室内定位算法及装置。更具体地说，本发明涉及一种基于BP-Landmarc神经网络的室内定位装置及其控制方法。

背景技术

随着物联网技术的发展，近距离室内无线定位的技术需求越来越多。常用的定位技术主要包括GPS、红外、蓝牙、wifi、RFID等。由于GPS信号不能穿透建筑物且民用的定位误差要求在10米以内，因此不适合于室内定位。

红外定位技术虽然能达到比较高的精度，但是不能穿透障碍物，只能在视距范围内使用且受方向性限制，也不适合室内定位。由于RFID定位方法具有非接触、非视距、抗干扰性强等优点，在室内定位中得到广泛的应用。RFID的基本原理是利用射频信号反射的传输特性，实现对物体的识别。在当前的研究中，基于RSSI(Received Signal Strength Indication)技术定位的基本原理是收集无线信号在传播环境中的信号强度，根据信号传播衰减模型来估计目标位置。该技术因为成本低、投入少、设备简单等优势，成为RFID室内定位的优选方法。

发明专利《一种基于RFID实现室内定位的方法》(申请号：201310138118.6)。在非边缘区域采用多边测量定位算法，在边缘区域采用Landmarc算法，其整体误差略低于全部采用Landmarc算法。虽然Landmarc算法通过参考标签(Reference tag)的引入缩小了定位误差。但是，Landmarc算法由于K值的估计需要经验值，运算权值wi的值还受标签密度的影响等原因，常常导致定位精度不高。在定位区域内增加参考标签的密度可以提高定位精度，但是参考标签排布过于密集，又容易造成干扰。这些因素都会影响到定位精度。

发明专利《基于虚拟标签算法的无线射频室内定位方法》(申请号：201110147450.X以及发明专利《一种基于基于虚拟参考标签算法的无线射频定位方法》(申请号：200810198383.2)，都是基于虚拟参考标签算法的定位方法，这种算法使用线性插值方式计算虚拟点信号强度造成一定的误差，即使使用拉格朗日插值，卡尔曼滤波技术，二维牛顿插值或者贝叶斯方法等对该算法进行了改进；依然会与实际信号强度有一定的差异。尤其在边界区域的定位误差较大。

并且在定位系统中，RSSI值的大小直接受发射设备和接收设备硬件性能的影响。RSSI值与天线的增益、工作频率、雷达截面、品质因数、极化方式和应用环境等密切相关。与室外环境不同，室内存在多路径反射干扰，热噪声干扰，无线信号遮挡，信号衰减严重等情况。衰减因子传播模型考虑了建筑材料特性和物体阻隔等方面的因素影响。例如室内的物品的摆设，遮挡等情况会使得射频信号发生反射、折射等无法预估的情况。这些都会导致信号强度与距离的理论函数模型有偏差，从而造成精度误差。在不同环境因子下，例如不同温度或不同湿度的情况下，即使是相同的标签，相同的位置，同一阅读器获取的标签信号强度不一致。

发明内容

本发明目的是提供一种基于BP-Landmarc神经网络的室内定位装置，RFID读写器读取RFID电子标签的RSSI值，终端处理器接收RSSI值处理后输出标签的位置坐标，对标签的位置进行精确定位。

本发明还有一个目的是定位系统安装了多种传感器，对环境的温度、湿度、光度、电磁辐射等环境因素进行监控，在系统初始化时能根据环境因素选择合适的工作参数，从而降低误差。

本发明目的是提供一种基于BP-Landmarc神经网络的室内定位方法，构建了BP-Landmarc人工神经网络，通过对参考标签RSSI数据的学习，得到各层之间互连的权值，从而在参考标签和位置之间建立了特定非线性映射模型，实现了对待定位标签的位置的定位。

本发明还有一个目的是提供一种基于BP-Landmarc神经网络的室内定位装置的控制方法，分别判断目标是动态或静态，从而输出对应的动态标签运动轨迹或静态目标位置分布图目标的。

为了实现根据本发明的这些目的和其它优点，提供了一种基于BP-Landmarc神经网络的室内定位装置，包括：

RFID标签，其分布在室内，用于发射数据；

多个读写器，其分布在室内，用于读取RFID标签的RSSI数据；

温度传感器、湿度传感器、亮度传感器和电磁辐射传感器形成传感器组，用于检测读写器周围的环境信息；

传感器中控，其连接传感器组，用于接收传感器组的信号；

无线数据传输装置，其连接所述读写器和传感器中控，用于接收和传输读写器和传感器中控的信号；