[发明专利]一种基于DDPG的RFID室内定位算法

摘要

本发明涉及无线射频识别(Radio Frequency Identification，RFID)室内定位技术，具体地说是一种基于深度确定性梯度下降(Deep Deterministic Policy Gradient，DDPG)的RFID室内定位算法，包括：建立动作网络和评价网络，其中，动作网络包括动作估计网络和动作目标网络；评价网络包括评价估计网络和评价目标网络。使用动作‑评价方法让策略梯度单步更新，同时策略梯度能被用在连续动作上进行筛选，而且在筛选的过程中加入确定性，在连续动作上输出一个动作值，从而确定目标标签的位置。由于RFID室内定位动作是连续的，DDPG与RFID室内定位相结合，很好的解决了定位连续性的问题。本发明与传统的基于神经网络的室内定位算法相比，在定位动作上更连续，进一步提高了定位精度，特别适用于标签信息较庞大的情况。

主权项

1.一种基于DDPG的RFID室内定位系统算法，其特征在于，包括以下步骤：步骤1)对区域内的M个RFID样本标签的RSSI值进行采集，获得原始训练数据；步骤2)初始化噪声，利用动作网络的Q估计网络学习，在每个动作中加入噪声，更新状态并获得RFID样本标签最优的RSSI值，将学习到的经验和数据存入记忆库中；步骤3)训练神经网络：建立动作网络Q(s，a|θQ)和评价网络μ(s|θμ)，再分别建立这两个网络的目标网络：Q′←Q，μ′←μ，目标网络获得下一个状态动作函数，根据评价损失函数更新评价网络，同时根据策略梯度更新动作网络，最后再更新动作网络和评价网络的权重目标网络，使其跟踪学习网络，输出RFID样本标签对应的具体位置，最终得到DDPG定位模型；步骤4)精准定位：当携带有RFID标签的待定位目标进入检测区域，读写器获取标签信息及RSSI信号强度值，然后将这些数据传至计算机并输入到训练好的DDPG定位模型中，模型准确识别数据并输出待定位目标的具体位置。