论文部分内容阅读
随着活动场所和环境智能化水平的提高，人们对基于位置的服务需求越来迫切，室内定位技术研究受到了科学家和工程界的广泛关注。射频识别(Radio Frequency Identification, RFID)是物联网应用的关键技术之一，特别是借助RFID可同时获取物体的身份和位置信息，基于RFID的室内定位技术成为研究人员和业界的热点研究方向。
指纹法是主要的室内定位方法之一，具有不受多径效应影响、无需额外硬件成本等优点，但现有基于指纹的RFID定位方法主要依赖于单指纹库和全局参考点，存在数据量冗余，易受到环境变化的影响，收集和维护需要较大工作量等问题。对此，本文提出一种方位优选多信息指纹方法(Orientation Priority Multi-Information Fingerprints, OPMIF)。
该方法首先利用波束扫描技术确定方位优选参考标签，在不降低定位精度的同时，可减少指纹库数据的采集量。然后在多频多径环境下，获取上述优选标签的信号协方差矩阵、信号子空间、接收信号强度等多种指纹，形成方位优选多信息指纹库。多种指纹融合可包含更多环境相关信息，有利于改善单一指纹定位易受环境变化影响等缺点。最后将定位问题转化为模式识别问题，利用集成学习算法设计多个强分类器来训练不同类型的指纹。在此基础上，针对多分类器和多样本预测结果提出一种后验权重估计定位算法。仿真和真实场景实验数据均证明OPMIF方法的定位性能优于传统的单指纹方法。其中，仿真实验数据证明本文所提方法在80%的情况下定位误差小于1.2m。
指纹法是主要的室内定位方法之一，具有不受多径效应影响、无需额外硬件成本等优点，但现有基于指纹的RFID定位方法主要依赖于单指纹库和全局参考点，存在数据量冗余，易受到环境变化的影响，收集和维护需要较大工作量等问题。对此，本文提出一种方位优选多信息指纹方法(Orientation Priority Multi-Information Fingerprints, OPMIF)。
该方法首先利用波束扫描技术确定方位优选参考标签，在不降低定位精度的同时，可减少指纹库数据的采集量。然后在多频多径环境下，获取上述优选标签的信号协方差矩阵、信号子空间、接收信号强度等多种指纹，形成方位优选多信息指纹库。多种指纹融合可包含更多环境相关信息，有利于改善单一指纹定位易受环境变化影响等缺点。最后将定位问题转化为模式识别问题，利用集成学习算法设计多个强分类器来训练不同类型的指纹。在此基础上，针对多分类器和多样本预测结果提出一种后验权重估计定位算法。仿真和真实场景实验数据均证明OPMIF方法的定位性能优于传统的单指纹方法。其中，仿真实验数据证明本文所提方法在80%的情况下定位误差小于1.2m。