基于无源RFID的定位研究

柯成杰 沈子成 朱泽玉 周彪

【摘要】    针对传统室内定位中RSSI不稳定、室内定位精度低问题，本文采用链路稳定性高的收包率（PRR），抗干扰能力强。本文提出了一种新型的定位模型，用收包率确定的几何圆环重叠来限制划分定位区域，建立位置指纹识别库，每个位置指纹都能唯一映射到一块定位区域;并且通过布置参考标签用KNN算法进一步精确定位，找到物体。聚类划分收包率区域允许室内多径效应导致的收包率波动，增加了模型的鲁棒性，KNN算法采用邻近参考标签确定目标标签具体位置，进一步提高模型的准确性。

【关键词】    射频识别技术    RFID    定位

引言：

随着室外卫星定位技术的成熟，人们开始把目光投向室内定位。室内定位环境较小，对定位精度要求高，并且室内建筑结构复杂，会对无线电信号造成很大的干扰，目前，室内定位技术的研究主要有WiFi、蓝牙、UWB、RFID等技术。

无源， 射频识别技术（radio frequency identification， RFID）使用的无源标签价格低廉，系统布置成本低，适合用于物品密集、需要大量标签的地方。其中常用的定位算法有：TOA、TDOA、AOA、RSSI，但是这些定位算法不仅精度有限，并且易受外界环境影响，因此我们需要设计一种精度较高、能够适应各种复杂环境的定位模型。因为收包率（PRR）是一段时间内对发送消息数量的统计，是一个相对稳定的参数，所以本文基于不同区域的收包率概率研究并引进K近邻算法，设计了室内区域定位模型，找到一个目标最优位置，一定程度上改善了定位精度，并且能克服室内约束条件，对往后的室内定位模型研究有一定的借鉴意义。

一、研究设计

1.1收包率研究

1.1.1基本概念

收包率（PRR）指某一段时间内，接收端成功接收到发送端发送的数据包的个数占已发送包个数的比例。由于无源标签不能主动发送信息包裹，定义一个放于读写器表面的参考标签，参考标签被实时识别，用参考标签被识别到的次数表征读写器扫描次数，收包率定义为读写器扫描100次，收到定位标签的包裹数，用公式描述为：

其中，RP为读写器接收到的包裹数，T为读写器扫描次数，这里T=100。相比于RSSI反映的是标签的一个瞬时状态，PRR是对标签一段时间内的发送消息数量的统计值，所以PRR相对稳定，受到环境的干扰较小。对于定位模型来说，大量实验表明，PRR与标签距读写器远近相关，当距离变化时，能够慢速反应这种变化，因此可以作为定位模型中的指标，提高评估准确性。

1.1.2变化规律

实验表明，在无线链路上，信号的接收区域根据收包率变化规律可以分为中心区、过渡区和非识别区三部分。其中，中心区收包率为100%，无丢包产生;在非识别区，由于信号衰减严重，收包率为0，标签的信号不能够被读到;而过渡区，主要受到噪声干扰，收包率波动幅度很大。

1.2定位模型

1.2.1几何限制定位模型

1.2.1.1区域划分

单个读写器的识别区域根据收包率做几何分割：中心区region_center、过渡区region_transition、非识别区region_no，收包率分别为100%、0-100%、0。本系统采用3个读写器进行粗定位。3个读写器的识别区域互相重叠，每个区域的边界都由几个读写器的收包率几何界定，如图1中的区域5，其三段区域边界确定其位于读写器Ⅰ的中心区、读写器Ⅱ的过渡区、读写器Ⅲ的非识别区。三圆交叉重叠的中心区域面积较小，为了简化区域划分，规定三个中心区不相交，三个读写器共划分定位区域为18块，如下图1。

图1    多读写器识别区域

1.2.1.2位置指纹算法

粗定位算法采用了位置指紋法的思想，在训练阶段，建立位置指纹识别库，就像人类的指纹一样，每块分割区域都有唯一的符号表示。以0、1、2表示标签位于非识别区、过渡区、中心区，每个位置指纹（x，y，z）唯一映射一块区域，例如位置指纹（0，1，2）表示标签位于读写器Ⅰ的非识别区、读写器Ⅱ的过渡区、读写器Ⅲ的中心区，也就是图3中的区域12。在线阶段时，当目标进入识别范围时，三个RFID读写器设备对该物品进行扫描监控，根据三个读写器对一个标签的收包率确定位置指纹（x，y，z），将实测位置指纹与位置指纹识别库比对，确定读取到的位置。以物品A为例，物品A测得位置指纹为（1，1，0），则物品A位于区域4中;若物品A测得位置指纹为（ 1，1，2），则物品A位于区域3。若目标没有被感知到，则目标位于非识别区域。

1.2.2基于KNN算法的修正模型

当目标物体位于区域13、14、15、16、17、18时，用位置指纹虽然能识别到物体位于此区域，但是这些区域面积较大，物品具体位置不确定，定位精度不高。为了修正上面的粗定位模型，对较大区域我们引进基于RSSI值的KNN算法，这里不用PRR是因为PRR变化规律呈圆环衰减，同一圆上参考标签的特征指纹相同，不能用KNN算法，因此选用RSSI。

首先，我们定义了位置空间LAS上的一组点。L表示为：

其中（xi ， yi）表示区域内参考标签的二维位置，1≤i≤n。在离线阶段，收集每个读写器对一个参考标签的q个RSSI值。由于是三个读写器，对于一个参考标签我们将有γ=3×q个RSSI，用向量表示为，

在线阶段，当目标物体粗定位在上面提到的较大区域，假设位于区域14，该区域设有参考标签m个，1≤m≤n。收集每个读写器对目标物体的RSSI，得到RSSI向量Pγ，接着用欧几里得距离来表征目标物体和参考标签的差异度：

接着我们选出K个Err值最小的邻近标签，1≤K≤m，则目标物体的位置为：

其中，wi是权重因子，表示第i个参考标签对目标位置的影响，可以由下面式子得到：

Erri越小，表示目标与参考标签越靠近，参考标签对目标位置的重要性就越大。

1.3系统设计

寻物系统包括客户端查询模块、服务器端、数据转换模块、数据传输模块、多个RFID读写器模块和带电子标签的物品，如下图1所示。其中电子标签为独立的HT-H47无源电子芯片，其内部集成电路通过接收来自读写器的电磁波进行驱动，发出预先存在标签内的数据信息;RFID读写器设备为基于R2000芯片的多标签远距离的HR4512R读写器，读写距离可达十几米。

设计寻物系统，该系统分为数据处理层和传感与数据采集层，其中数据处理层包括网关模块、数据传输模块、服务器端、数据转换模块，传感与数据采集层包括多个独立的RFID读写模块和若干个带电子标签的物品，多个RFID读写模块通过WIFI通信向上位机发送数据;三个RFID读写模块的输出端均经过网关模块与数据处理层相连，网关模块采用python编写的脚本为每一个读写器开辟线程，分别对所有读卡器的对应网口进行实时的数据读取，并通过一系列算法来计算三个读卡器对于各个标签所能够读取到的概率，将概率实时标记到数据库中。服务器端用数据库存储数据，通过java web搭建的后端实现连接mysql数据库、接收和返回来自客户端用户请求的功能。数据传输模块和数据转换模块与服务器端的一个输入端连接;数据传输模块也可以直接将数据传给数据转换模块，最后可在客户端查询所需数据。

正常运作下读写器会将读取的标签信息传输到网关，网关过滤掉无用数据后经过粗定位处理后传输并保存到服务器的数据库中，该部分会形成一个闭环，会根据标签的位置变化而实时更新数据。客户端用jsp和vue框架搭建的网页，提供标签查找功能，将查询请求发送到服务器，后端就能合并处理数据并返回信息，将标签的位置显示在电子地图上。

二、结论

在几何限制定位模型下，当目标物体出现在定位区域内，预测可以看到目标物体出现电子地图区域的某一块分割区域，但是在该块区域的具体位置不知道，重复实验目标位置会在该块区域跳动，这是由于聚类分割带来的该块区域的特征指纹单一造成的;在进一步引进参考标签后，由KNN算法可以让目标位置在大区域内更加精确，且跳动范围变小，可以基本确定目标的位置。

三、讨论

目前该项目虽然仍有很多空缺，但随着研究的进一步深入，相信还会有更好的应用意义。如果未来出现更为强大的RFID设备，或许该项目的研究成果可以为大型仓库的室内定位提供一些参考，未来计算机与通信技术的革命与发展也能提供，如5G就能为这类室内定位提供更快的通信速度，通过深度学习技术对定位模型进行一些训练也可以进一步优化定位技术，提高定位的准确性。该项目可以作为一种物联网项目，将物流业的包裹与读写器作为终端，在仓库室内形成了一个局域互联网，这对未来的物联网在各行各业的发展提供了一个范例。

作者简介：

柯成杰（2000-），男，汉族，福建莆田人，本科，研究方向：通信工程。

沈子成（1999-），男，汉族，浙江台州人，本科，研究方向：应用化学。

朱泽玉（2001-），男，漢族，山西临汾人，本科，研究方向：物联网。

周彪（1989-），山东菏泽人，江南大学副教授，研究方向：无线定位技术。

参  考  文  献

[1]肖龙. 基于无线射频识别技术的贝叶斯概率模型的室内定位技术研究[D].上海师范大学，2014.

[2]王一乐. 基于RFID的室内定位方法研究与应用[D].西安理工大学，2010.

[3]李军怀，贾金朋，王怀军，王志晓，张翔.基于信号强度差的RFID室内定位研究[J].计算机科学，2015，42（11）：154-157+169.

[4]刘进军. 室内被动定位的节点优化研究[D].合肥工业大学，2018.

[5]刘晓旭. 基于模型迭代的室内定位方法研究[D].西安电子科技大学，2018.

[6]Wenzhan Zhu. Weiling Zheng.Dian Zhang. Beyond RSS： A PRR aided RSS System to LocalizeTransceiver-free Target in Sparse Wireless Network. ” IEEE Transactions on Vehiculat Technology. 6

[7]何芳.基于RFID的室内定位追踪技术研究[J].工程技术研究，2021，6（06）：58-59.

[8]谢恩德，洪毅.室内定位方法综述[J].电脑知识与技术，2021，17（11）：231-234+244.