隨著物聯(lián)網(wǎng)技術的迅速發(fā)展,室外定位已經(jīng)無法滿足人們的需求,室內(nèi)定位技術受到大量關注,其中射頻識別（Radio Frequency IDentification,RFID）技術以其成本低、非視距、非接觸等優(yōu)點成為室內(nèi)定位的熱門技術。論文提出的算法均是基于接收信號強度指示（Received Signal Strength Indication,RSSI）的RFID標簽定位算法。針對標簽靜止的場景,論文改進了基于參考標簽的RFID室內(nèi)定位算法,并提出了一種基于支持向量回歸和粒子群優(yōu)化（Support Vector Regression-Particle Swarm Optimization,SVR-PSO）的室內(nèi)定位算法,有效地提高了室內(nèi)環(huán)境下靜態(tài)標簽的定位精度。針對標簽運動的場景,論文提出了一種基于無跡卡爾曼濾波和固定區(qū)間平滑（Unscented Kalman Filter-Rauch Tung Striebel smoother,UKF-RTS）的室內(nèi)定位算法,顯著地降低了室內(nèi)軌跡跟蹤的定位誤差。論文的主要工作如下:（1）簡單介紹了RFID系統(tǒng)的構成及工作原理,給出了RFID信號傳播的常... 

【文章來源】：東南大學江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【部分圖文】：

LANDMARC定位結果圖

18圖 3.4 LANDMARC 定位誤差圖離所選取的參考標簽的數(shù)量 K 也會影響目標標簽的定位結 K 值，分析選取的參考標簽的數(shù)量對定位的影響，選用 1作為衡量定位系統(tǒng)的標準，不同 K 值的平均定位誤差如圖到 4 時，定位誤差不斷地減小，從 0.95m 降低到 0.62m 左，定位誤差在不斷地增加，由 0.62m 增加到 0.95m 左右。數(shù)量并不是越多越好，當 K 取值過大時，大量的參考標簽加了很多無用的 RSSI 信息，這些 RSSI 對目標標簽的定位考標簽的數(shù)量過少也會影響到定位，缺失了有用的 RSSI 信。從圖 3.5 中可以看到，整個曲線呈凹狀，當 K 取值為 3、比較小，因此在仿真中設置鄰近參考標簽的數(shù)量 K=4 是合

圖 3.5 不同 K 值的平均定位誤差ARC 算法引入了參考標簽的概念，將 RSSI 信息轉(zhuǎn)換為目標標簽信息，并利用已知的參考標簽的位置坐標輔助完成對目標標簽 算法中參考標簽成本低廉，降低了成本昂貴的讀寫器的數(shù)量，其次，LANDMARC 系統(tǒng)對環(huán)境的適用性比較強，參考標簽與內(nèi)環(huán)境，充分利用了參考標簽的 RSSI 信息，有助于降低環(huán)境對MARC 定位系統(tǒng)的誤差仍然比較高，對于不同區(qū)域的目標標簽同時還需要計算目標標簽 RSSI 與全部參考標簽 RSSI 的關聯(lián)度，參考標簽數(shù)量較多時，計算量比較龐大。位算法ARC 算法的定位精度與室內(nèi)區(qū)域內(nèi)布置的參考標簽密度有關，致定位誤差過大，參考標簽密度無限大也會干擾讀寫器接收標加了定位的成本。香港科技大學的 Yiyang Zhao 等人提出了 VIC 算法的基礎上增加虛擬參考標簽，有效地解決了 LANDMAR密度的這個問題[47]。法原理法的原理是插入虛擬參考標簽輔助定位，通過建立“模糊地圖”


本文編號：2943613