毕业设计英文翻译（论文）基于有源RFID使用虚拟标签消除的定位方法.doc

毕业设计英文翻译（论文）VIRE: 基于有源RFID使用虚拟标签消除的定位方法目 录摘 要：31. 引 言32. 相关成果43. LANDMARC系统回顾53.1. LANDMARC的缺点53.2. 设备改进63.3. 环境因素64. VIRE方案84.1 过多参考标签引起的RSSI值干扰84.2 虚拟网格坐标的确定104.3 淘汰不可能的位置115. 系统设施和实验评估135.1 实验环境的影响135.2 虚拟标签密度对结果的影响135.3 门限值的影响146. 总结以及未来工作展望14摘 要：RFID在很多应用领域中都是极具吸引力的解决方案，因此它正在受到越来越多的关注。基于有源RFID的定位技术为进一步深化、扩大该应用领域提供了必需的增值价值。LANDMARC 是有源RFID作为室内传感定位并取得令人满意的结果的第一种算法。然而，LANDMARC算法有2个缺陷：第一，在有严重信号多径效应的闭合区域内它的表现并不好；第二，如果想要进一步提高定位的精度，就必须增加参考标签的数量，但这样以来，成本必然提高，同时还可能引发RF参考标签之间的干扰。本文推荐的VIRE算法可以在不增加额外成本的前提下解决LANDMARC的以上缺陷。每个读卡器存有一个基于虚拟参考标签的近似图，同时使用淘汰算法来剔除不可能的位置以降低系统的估测误差。我们的实验结果表明，在不同的标签位置合不同环境中，VIRE系统将室内定位的准确率较LANDMARC系统提高了17到73%不等。1. 引 言在无处不在的计算机和无线网络领域中，由于很都应用技术都需要准确的知道目标物体的位置，因此定位技术受到了相当大的关注，也正因此发展出了很多定位服务。毫无疑问，GPS是目前所有定位技术中最著名的一个。然而，GPS定位并不适合室内环境。其他一些技术，例如infrared, ultrasonic, video cameras, 和 electro-magnetic field strength,虽然均可以作为可行的解决方案，但也各自有相应的局限以及系统规定参数。无线电频率是另一种颇具前景的技术，如果移动的物体和某些参考标签都利用rf信号来实现通讯的话，那它利用接受信号强度来追踪移动物体。理论上讲，接收机接受到的信号强度是发送端和接受端距离的函数。可是在实际应用中，要将这些场景付诸实践还存在着很多困难。室内布局以及移动的物体很引起无线信号的反射、折射、衍射、死角和吸收。因此会发生严重的多经现象并影响室内传感定位的精度。更有甚者，其他一些因此，比如温度、天线方向角对地高度等，同样会影响到接收信号强度。可是，由于在无线通讯环境中，接收信号强度不需额外开销就能够得到，因此基于RF的定位技术不可避免的成为了研究热点。在RF定位中有4个基本模型，第一种，追踪的物体的位置取决于待定标签，定位系统通过从已知位置的接收器处收起信息并进行处理来确定待测物体的位置；第二种，目标物体需要携带有发送器，从而跟踪器可以接受到临近发送器的信号强度信息，并计算它的准确位置。第三中模式中，目标物体携带接收器，并与其他物体进行信息的交换。第四种被称作transceiver-free的模式中，跟踪器既不带发送器也不带接收器，目标物体的位置通过比较环境中不断改变的接受信号强度特征来确定。为了提高定位的精度，现在已经开发出了许多技术，并且更新的技术的研究依旧是一个热点。本文专注与第一种模型。一个有源RFID标签可以产生独立的发送信号。典型的RFID读卡器可以读到100m内的发送器发送的信号强度。LANDMARC技术是最受欢迎的基于有源RFID的室内定位技术之一。它用能与外界环境相适应的已知坐标的参考标签来提高定位的准确度。最近，销售方通过直接提高RSSI读卡器的质量来提升设备的功能，包括缩短信标间隔，并保证所有的标签的特性基本相同。我们的实验利用改良的设备进行实验发现，LANDMARC算法有2个缺陷：第一，在有严重信号多径效应的闭合区域内它的表现并不好；第二，如果想要进一步提高定位的精度，就必须增加参考标签的数量，但这样以来，成本必然提高，同时还可能引发RF参考标签之间的干扰。我们的目标是呈现一种新型的具有高度准确率的室内定位方法。该系统可以在不添加标签和读卡器的基础上运行，我们称之为VIRE。它使得室内定位兼具高效和准确的特点。在VIRE中，不同于以往传感领域使用实际的参考标签，我们引入虚拟参考标签的概念，并以次来增加覆盖范围内的标签密度。为了减轻非典型性信号行为的影响，每个读卡器产生一个由虚拟标签形成的近似图。为了判断一个物体可能的位置，我们首先淘汰那些明显不可能的位置。实验数据表明，VIRE系统将室内定位的准确率较LANDMARC系统提高了17到73%不等。VIRE系统在封闭复杂的室内环境中表现良好。本文的其他部分组织如下：在section2中我们给出一个相关技术的大体概述，在section3中，我们回顾LANDMARC系统，同时指出一些有趣的地方。在section4中，我们将给出VIRE系统的具体描述以及细节呈现。在section5中，我们会给出实验的具体结果。最后，我们会在section6中对我们的工作进行总结与展望。2. 相关成果RFID技术已经应用到了很多实际领域中。一个标准的RFID系统包含3个基本组成部分：RFID标签，读卡器和中间件。RFID标签对于RFID系统来说是不可或缺的。它可以传输存储在内存储器中的信息。虽然目前市面上有很多种类的RFID标签，但我们可以将她们分为2大类：有源型和无源型。有源标签不需要诸如蓄电池、太阳能电池之类的板上电源，并且此类标签体积小，价格低廉。有源RFID标签的信号传送范围通常少于10英尺。与无源标签不同，有源RFID标签带有电源，该电源可以为发射信号的集成电路供电。有源RFID标签的优点包括相当长度的覆盖范围、高数据带宽、自动识别最佳传送路线等。基于有源RFID的以上特点，一些研究学者开始把目光投到室内有源RFID定位的研究开发上。理论上讲，在开放空间中，信号强度和距离之间有反相关的关系。然而，由于实际环境的影响，距离与信号强度之间可能会成3次或者4次幂的关系。此外，其他因素也可能会影响到距离和信号强度之间的关系。因此，我们不能通过直接计算分析信号的强度来确定它所处的位置。LANDMARC方法是一种有效的解决方法，它通过比较已知位置的参卡标签的所获得的待测标签的RSSI来匹配待测标签的坐标。基本上，每个读卡器都可以测量参考标签和待测标签的RSSI，一定数量的读卡器进而可以协调她们待测标签和参考标签的关系。通过已知位置的参考标签，待测标签的位置就可以确定了。有些学者试图提高LANDMARC的性能。在【12】中，作者提出了三角形机制来计算额外坐标，这以尝试可以通过减少计算量来减少延时，同时增加定位准确度。基于rf技术，蓝牙为我们提供了一种在便携移动终端间进行数据传输和信息交换的途径。作为发送端，蓝牙设备在定位传感方面表现良好，由移动标签和静态蓝牙组成的BLN系统已被应用与室内定位服务来帮助使用者确定在某建筑物中的蓝牙携带者。这一技术在每一个房间中都构建了一种协作式的定位网络。它用蓝牙和以太网来覆盖整个大楼，基于主从机制，这一系统通过问询、标记和连接3相机制来解决定位追踪问题。如果目标物体进入了静态节点sn已被激活的的区域中，主节点就能利用将sn地址和目标节点地址相关联得到的信息来判断出目标的位置，它提供了在一个房间范围内的准确定位。该系统的可延伸性收到了传送阻塞的限制。3. LANDMARC系统回顾3.1. LANDMARC的缺点LANDMARC系统由有源RFID标签和RFID读卡器2部分构成。虽然LANDMARC是一种有效的传感定位技术，它也同样面临者一些局限问题，比如没有直接的信号强度读卡器，长时延，标签特性的不统一以及参考标签的低覆盖性等。在最初的LANDMARC应用系统中，标签平均每7.5秒发送一次信号。这个长间隔中包涵了一个定位反馈的长时延，就是这个过长的信号间隔使得LANDMARC的应用领域严重受限。读卡器仅能辨别出8个电源强度等级，而不是准确的信号强度信息，这8个等级用来控制接受端读卡器和发送端标签的距离。最远的标签的电源强度等级是8，而最近的等级是1.作者使用的电源能量等级引起了不必要的定位误差。LANDMARC系统的第三个缺陷在于标签的特性不统一性。因此不得不执行一次昂贵并且耗时的标签校准，以此来达到降低定位误差的目的。定位准确度可以通过增加参考标签的数量来提高，但是这一举措由十分的昂贵。这3个缺陷主要时由参考文献【11】中所使用的设备限制引起的。3.2. 设备改进我们的新系统使用RD code公司生产的设备，该公司也是生产最初的LANDMARC设备的生产商，但是软件和硬件水平都已经由了大幅提高。由读卡器接收到的标签信息送到中央处理器中，读卡器侦测同时转换有源RFID标签发射的无线点频率数据。有源标签和读卡器之间的距离可以高达到1000多公尺，具体数字要由天线构造来确定。通过中间件的帮助，我们可以直接获取到参考标签和待定标签的有用信息，包括标签ID，读卡器ID，以及RSSI值。据作者介绍，该新系统不禁解决了RSSI的读取问题，同时还将2次信号发射之间的时间间隔降低到了2s，更棒的是，所有标签的特性都非常接近。3.3. 环境因素既然当系统的操作环境改变是，标签和读卡器之间的信号强度差会产生相同或近似的变化，我们就需要在不同的场所和环境中设计实验。为了衡量定位的效率，我们在3中差别很大的场景中重复LANDMARC实验并且收集测试数据。环境1是一个半封闭的区域，没有被混凝土墙壁和家具所环绕。环境2 是一个宽敞的封闭空间，并且在定位区域中没有过多的金属物体。环境3是一个典型的办公室环境，区域较小并且布满桌椅。图片1是这3个场景的示意图。图1 3个场景的布局示意图对每一个场景发生地点，我们都部署同样多个和同样位置的标签和读卡器。2个临近的标签之间的距离是1m。读卡器安放在定位区域的4个顶角上。图片2呈现了9个待测标签的位置。图2 待测标签的位置示意图环境1、2的定位误差明显小于环境3中的定位误差。最主要的原因是在环境3中，环境的布置对信号的反射很敏感，并且整个空间中也充满了与无线电波长相近的其他电波。在环境1中，电磁波反射特性产生的影响比环境3要小，因此它的定位结果就要好的多。在环境2中，由于空间的面积比较大，混凝土墙壁离标签的距离更远，因此反射效应的影响也就更小。显然，定位误差的大小取决于待测标签的位置，对于被4个参考标签包围的待测标签1来说，定位误差几乎可以忽略掉。在环境1和环境2中，处于定位区域边缘的待测标签的定位误差明显要比其他标签大，这主要是由附近的参考标签覆盖不完整造成的。标签9的定位误差最大，因为它几乎处于定位区域边界之外。边缘限制可通过扩大参考标签覆盖范围来解决。最重要的问题来自于封闭和复杂的 周边环境引起的误差，因为在这样的环境中存在着严重的无线信号多径效应。4. VIRE方案VIRE的关键思想是，剔除那些明显不合理的位置来提高对待测标签的定位准确度，与此同时不需要添加额外的参考标签。在这一章节中，我们首先讨论RSSI和估测位置之间的关系，接下来，我们会对新方案的细节进行描述。一个可行的增加定位准确度的方法是增加参考标签的数量。然而，一个具有高密度的参考标签覆盖的区域是需要高昂成本投入的，更严重的是，过多的参考标签会引发无线信号间的相互干扰，从而降低对RSSI的读取，如此以来，可能产生大于一般的LANDMARC定位系统定位误差的后果。研发新途径的动机是在处于与LANDMARC相同的硬件设施下，尽力提高定位的精度。新系统VIRE在不增加参考标签的情况下成功提高了定位精度。VIRE具有以下有点：首先，不需增加参考标签数目，因此，硬件设备成本与擦相同；第二，对待测物体位置的估测更准确，也更便于计算；第三，VIRE较LANDMARC而言，更能够适应不断变化的室内环境。综上所述，VIRE可以方便的应用于各种实际环境。4.1 过多参考标签引起的RSSI值干扰通过实验我们观察到，在其他环境因素保持不变的条件下，处于相同位置的有源标签在给定的固定的读卡器处有相近的RSSI值。因此，当一个标签与另一坐标已知的标签之间的距离足够近时，它们的RSSI值可认为相同。基于此，LANDMARC中参考标签的概念依然应用在我们的系统中。我们把参考标签和待定标签之间可允许的最大RSSI差值定义为门限。如果我们能够得到在定位区域中所有的参考标签的准确RSSI值的话，那么确定待测标签具体位置的问题可以转化为寻找相同RSSI值的问题。为获取不同位置的可靠RSSI值，我们需要在定位区域中插放更多的参考标签，理论上讲，与读卡器距离不同的参考标签的RSSI值也应该不同，图3列出了RSSI值和距离之间的实际关系和理论关系。图3 距离和RSSI的关系每个给定距离的RSSI值都是测量20次后取得均值。在图3中不仅给出了均值，还给出了最大最小值，随着距离的增加，RSSI的变化量并没有期待的那么光滑，RSSI的z字型曲线确实引入了一些估测误差。还有其他2个因素也影响了临近标签的RSSI值。首先，无线信号干扰在标签太密集时不可避免的会发生，我们在实验中发现了一个非常有趣的现象，当我们把RFID标签依次单独置于同一位置时，它们的RSSI值非常接近；然而如果我们将10多个标签非常紧密的放置在一起时，它们的RSSI的差异会非常大。如图4所示。图4如图4所示，当20个标签依次单独进行测量时，它们的信号强度时十分相近的，但如果集中在一起测量，就会出现RF干扰现象。这就意味着如果想通过增加参考标签的数量来提高定位的准确度的话，参考标签之间的距离是不能够过近的。影响RSSI值的第二个因素是由人的移动导致电磁波被吸收而引起的环境干扰。在没有移动物体的情况下，RSSI值是可以在一段时间内保持稳定的。我们的实验表明，当有人在测试区域中行动时，RSSI值会发生突变。这会带来不理想的结果，并且增加的定位的误差。诸如此类的因素在进行系统设计时应该尽力避免。4.2 虚拟网格坐标的确定在VIRE中，实际参考标签通过适当的安放来组成一个2维的网格。待测标签可以处于测试区域的任一位置上。该网格可以进一步划分成N×N个由4个虚拟标签围成的更小的等大的网格，一次来提高定位精度。由于4个实际参考标签的RSSI已知，故虚拟标签的RSSI就可以很容易的计算出了。虚拟标签概念的提出可以让我们在不增加硬件成本的前提下提高定位精度，同时还不引入干扰。接下来的问题就是如何确定每个虚拟标签对应于每个读卡器的RSSI值。我们的研究表明虚拟标签坐标可以用线性内插算法确定。两个临近的实际标签之间等间隔的分部着N1个虚拟标签。由此以来，每个由4个实际标签围成的区域中总标签的数量就变成了(n+1)2-4。虚拟标签的RSSI值由以下公式计算得到。水平位置上的虚拟标签，其计算公式为：水平位置上的虚拟标签，其计算公式为：式中 代表第k个读卡器接受到的处于（i，j）处的标签的RSSI值； ； ；。4.3 淘汰不可能的位置在成功确定了各个虚拟标签的RSSI值之后，由于待测标签的RSSI值同样可以在读卡器上读出，而且基于前边的讨论，很多地方的RSI值可以认为是相同或相近的，因此，那些具有相近RSSI值的参考标签位置可以认为也是待测标签的位置。在此我们引入相近映射的概念，将整个定位区域划分成若干小区，每个小区的中心对应一个虚拟标签。这样，每个小区的 RSSI值便是已知的了。每个读卡器存储有各自独立的RSSI值映射，并且数值可以随着实际标签RSSI值的变化而实时更新。在获取待测标签的RSSI后，将其与每个小区的RSSI值相比较。如果某小区与待测标签的RSSI的差值在特定的门限之下，就将该小区置“1”，反之，置“0”。如图5所示。图5 淘汰不可能小区的步骤假设一共有K个读卡器，在每个读卡器都获取了各自的相似映射表之后，我们进行交集函数来找出可能性最大的区域。如何设置适当的门限值是VIRE系统中的关键一环。为减少侦测区域，可以采用逐渐减小门限的做法。我们使用一种自适应算法来找出最小的可能区域，算法如下：1对每个读卡器，我们选择可以获取最大近似图区域的门限作为初始门限。2一步步减少选定读卡器的门限值，直到RSSI小于门限值的区域数量满足我们的预设值3对覆盖范围第二大的读卡器重复以上步骤。最后，就会得到相同的门限。恰当的门限值会帮助我们得到理想的定位精度。这种算法能给出基于最小门限值的最小区域。最可能区域的搜索结果已经在图5中表示出。鉴于系统总运行时间是K2淘汰算法的计算复杂度是O(1)。进行完插入和淘汰步骤后，我们可以得到一系列可能的位置。为了提高VORE的准确率，我们采取2个权重因子。因子w1i用来表征选中虚拟标签和待测标签之间的RSSI差异，该因子由以下公式计算得出：权重因子 w2i 是与选中虚拟标签数与标签总数的比例相关的。在被选中的标签越密集的区域，该因子越大，如此以来，可以提高定位精度。例如，图5下半部分中4个相邻的黑色区域的权重要比上部（仅含2个选中区域）大。我们用Pi来表示连续可能区域与区域总数的比值。 可以由以下公式计算得出：式中： 相连区域数目； 整个定位区域中小区的数目。在我们确定待测标签的位置时，这2个因素都应考虑到。基于此，我们定义综合权重因子wi，另 最后，待测标签的坐标计算公式为：将待测标签的实际位置记为。为了评估VIRE的性能，我们定义定位误差如下式：5. 系统设施和实验评估在这一章节中，我们将呈现出VIRE的基本设施，并根据对VIRE性能有影响的因素的测量，比如不同的测试环境、不同的虚拟标签密度和不同的门限值，来改进我们的设计。评价一个定位系统的最主要最关键大额标准是定位的准确性；我们在一个含有16个参考标签个4个读卡器的实验箱上实地测量我们的系统。相邻的2个实际参考标签之间的距离是1m。5.1 实验环境的影响我们在图1 所示的3中环境中依次使用VIRE和LANDMARC来进行定位，并将结果进行比较，图6显示了实验结果，并对LANDMARC和VIRE进行了对照比较。请注意在三幅图中，Y轴的刻度各不相同。如此设计的目的是为了彰显出 VIRE 较之LANDMARC的优越性。在环境1中使用VIRE可以将定位误差较LANDMARC降低28% 到 72%不等。对于边界之内的待测标签，最大误差是0.21m，平均误差是0.14m。在环境2中，VIRE可以将定位误差较LANDMARC降低17% 到 69%不等。对于边界之内的待测标签，最大误差是0.23m，平均误差是0.17m。在环境3中，VIRE可以将定位误差较LANDMARC降低27% 到 73%不等。对于边界之内的待测标签，最大误差是0.47m，平均误差是0.29m。显然，在所有环境下，VIRE都能提供高于LANDMARC的定位精度。5.2 虚拟标签密度对结果的影响对于虚拟标签的优点，我们之前已经讨论过。在这里我们对虚拟标签的密度对最终定位精度产生的影响进行评估。理论上讲，虚拟标签的密度越高，注重的定位精度就会越好。既然不存在增加硬件设备成本的问题，那么到底虚拟标签的数量应设为多大呢？很显然，当虚拟标签的数量超过一定数值时，定位精度就不会随着标签数量的增加而提高了。以环境3为例，图7 表明，虚拟标签的数量和平均定位准确度之间存在着折中的关系，假设实际标签和虚拟标签的总数是N2，当N2增加到600时，精度大幅提高，当N2介于600和900之间时，精度的提升就很小了，当N2大于900时，精度不会再有任何提高，定位准确度保持在0.5m左右。在我们的实验中，N2的取值为900。5.3 门限值的影响门限的选择对VIERE的性能有极大的影响，因此我们必须选择一个适当的门限值。事实上，如果门限值过大，那许多多余的虚拟标签就会干涉大到最终结果的计算，最终导致VIRE的平均定位误差增大；另一方面，如果选取的门限值过小，那很可能会将真是坐标排除在外，这样以来，误差同样会增大。图8显示了平均误差和门限值之间的关系。当门限值接近1或1.5时，定位误差最小。图8 门限值与精度的关系6. 总结以及未来工作展望本文为读者呈现了一种新的室内定位技术虚拟标签淘汰技术（VIRE）。应用有源RFID的室内定位传感器价格低廉同时还非常有效，能够得到高度精确的结果。我们的系统不要求设置很多昂贵的RF读卡器，只需设置一定数量的价格低廉的TF标签，就能够高效的定位室内物体。LANDMARC和VIRE的基本思想都是用额外的固定参考标签来协助确定待测标签位置。不同之处在于LANDMARC利用4个离待测标签最近的的参考标签来确定待测物体的位置，而VIRE采用能够极大提高定位准确率的内插和淘汰算法来确定最终结果，同时还做到了不增加投入成本。为了降低处理处于定位区域边界处的待测标签时产生的较大误差，我们通过在大于定位区域的范围内设置更多的参考标签来解决。由此以来，每个有可以被参考标签良好的覆盖。当安放较多参考标签在实际情况中不容易实现时，如何实现处于边缘处的待测标签的准确定位将会是一个比较令人感兴趣的话题。受标签和读卡器数量的限制，我们没能够对更大范围内的定位进行测试和研究。作为将来的任务之一，我们计划在一个更大的定位区域中设置一个标签阵列，以此来研究不同的空间网格距离的影响和应避免的边界范围。同样，如果我们可获取更多的读卡器，我们希望尝试探索更多读卡器条件下VIRE的性能，以及读卡器位置对定位结果的影响。在VIRE中，我们通过线性内插法来计算每个虚拟标签的RSSI值。线性内插是快速并且易于实现的，但在复杂情景中这种算法并不十分准确。基于以往的观察，RSSI值和距离（读卡器与标签）之间成多项式关系。使用适当的内插算法，定位精度可以更高。但是计算内插多项式的成本相对来说是十分高昂的，此外，多项式内插在边界处也可能不会像我们期望那般准确。由此看来，研究一些能获取更高准确率的非线性算法似乎更有前景。只要我们可以将一个实际的网格分隔成性能更好的虚拟网格，那实际网格必须满足等大而且是方形的这以要求就不再需要了。对于一个封闭的复杂环境，我们可以在障碍物周围安放参考标签，接着我们可以在每个实际的网格中建立不同尺寸的虚拟网格，以次来获取更更佳的精确度。在这一方面我们也正在投入更多的精力财力.今后的研究还会将更加复杂的动态因素考虑进来，包括移动性和实际情景中存在的不稳定的障碍物等。