物聯(lián)網(wǎng)技術(shù)（IoT）是利用網(wǎng)絡(luò)通信技術(shù)把物與物關(guān)聯(lián),并實(shí)現(xiàn)物體的感知識(shí)別。隨著感知識(shí)別技術(shù)的迅速發(fā)展和智能設(shè)備的不斷普及,越來越多的研究人員開始研究室內(nèi)環(huán)境下的人員行為監(jiān)測、物品定位與追蹤等。射頻識(shí)別RFID具有精度高、成本低等優(yōu)勢,研究者開始利用RFID設(shè)備實(shí)現(xiàn)非接觸式的感知識(shí)別系統(tǒng),從而方便人類生活。然而,該類系統(tǒng)采集到的信息包含大量噪聲,嚴(yán)重影響了 RFID感知與識(shí)別的能力。迫切需要深入研究RFID識(shí)別技術(shù),以實(shí)現(xiàn)高精度的感知識(shí)別。本文利用RFID設(shè)備采集原始信號(hào),對其進(jìn)行預(yù)處理并提取合適特征,以獲得穩(wěn)健精確的場景感知與識(shí)別。首先,論文對當(dāng)前RFID感知識(shí)別技術(shù)的國內(nèi)外研究現(xiàn)狀進(jìn)行了概述。其次,介紹了 RFID設(shè)備的組成部分和工作原理,同時(shí)簡介了經(jīng)典的感知技術(shù),并將其與RFID感知識(shí)別技術(shù)對比。再次,針對兩個(gè)典型的感知識(shí)別場景,提出了基于RFID的商品數(shù)量監(jiān)測系統(tǒng)和基于RFID的液體分類檢測系統(tǒng)。在第一個(gè)系統(tǒng)中,為減少無人自助超市RFID標(biāo)簽的使用,設(shè)計(jì)了基于RFID的商品數(shù)量監(jiān)測方法,利用標(biāo)準(zhǔn)差來區(qū)分靜態(tài)樣本和動(dòng)態(tài)樣本,對于靜態(tài)樣本,采用頻率分布直方圖提取靜態(tài)特征;對于動(dòng)態(tài)樣本... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

實(shí)驗(yàn)場景及布置：（a）靜態(tài)過程（b）動(dòng)態(tài)過程

南京郵電大學(xué)碩士研究生學(xué)位論文第三章基于RFID的超市商品數(shù)量監(jiān)測技術(shù)313.5.6不同實(shí)驗(yàn)場景的影響此外，我們在兩個(gè)不同的實(shí)驗(yàn)場景中進(jìn)行了實(shí)驗(yàn)，如圖3.13所示。圖3.13（a）在沒有任何干擾的情況下收集數(shù)據(jù)，圖3.13（b）在桌子、椅子和人為干擾的情況下收集數(shù)據(jù)。上述兩個(gè)實(shí)驗(yàn)場景中數(shù)據(jù)的采集與處理由本章提出的系統(tǒng)實(shí)施，識(shí)別率如圖3.14所示�？梢姡珿QM系統(tǒng)幾乎不受桌椅和人為干擾的影響。其識(shí)別率在95%以上，具有很強(qiáng)的魯棒性。（a）(b)圖3.13實(shí)驗(yàn)場景：（a）無干擾場景（b）有干擾場景圖3.14不同實(shí)驗(yàn)場景下的系統(tǒng)精確度：（a）靜態(tài)情況下（b）動(dòng)態(tài)情況下本章小結(jié)近幾年來，電子垃圾的污染越來越嚴(yán)重。為此，我們在無人自助超市中設(shè)計(jì)了一個(gè)GQM系統(tǒng)。該系統(tǒng)可以在無人自助超市中使用少量的RFID標(biāo)簽，每個(gè)RFID標(biāo)簽都可以長期使用。我們使用了一系列方法：巴特沃茲低通濾波、相位展開、頻率分布直方圖、改進(jìn)的滑動(dòng)窗口

南京郵電大學(xué)碩士研究生學(xué)位論文第四章基于RFID的液體分類檢測技術(shù)41接下來我們介紹實(shí)驗(yàn)場景，實(shí)驗(yàn)場景如圖4.6所示。我們在墻壁上貼一個(gè)無源RFID標(biāo)簽，并將容器放置在RFID天線的正前方，保證RFID標(biāo)簽一直在天線的讀取范圍內(nèi)。首先，我們將容器內(nèi)注入不同的液體（雪碧、純凈水、牛奶、醋、稀鹽酸），通過實(shí)驗(yàn)獲取初始相位。然后，LTI系統(tǒng)利用相位展開、巴特沃茲低通濾波器和滑動(dòng)窗口等方法對收集到的數(shù)據(jù)進(jìn)行預(yù)處理。再次，LTI系統(tǒng)對預(yù)處理好的數(shù)據(jù)做減法，并通過頻率分布直方圖提取相應(yīng)的特征（眾數(shù)、算數(shù)平均數(shù)、中位數(shù)0.5）。最后，LTI系統(tǒng)利用k-means算法識(shí)別液體的種類。圖4.6LTI系統(tǒng)的實(shí)驗(yàn)場景4.5.2系統(tǒng)評估指標(biāo)首先，我們先介紹一下評估指標(biāo)：我們用混淆矩陣和正確率來評估系統(tǒng)的性能�；煜仃嚕夯煜仃囈卜Q誤差矩陣，用n行n列的矩陣形式來表示。混淆矩陣的每一列代表樣本的預(yù)測類別，每一行代表樣本的真實(shí)類別，混淆矩陣的每個(gè)單元格代表該行中的樣本被識(shí)別為該列對應(yīng)類別的概率。正確率：屬于該類別而且正確識(shí)別的概率。4.5.3系統(tǒng)評估本節(jié)提出的液體分類檢測系統(tǒng)包括三個(gè)基本模塊：數(shù)據(jù)預(yù)處理模塊、特征提取模塊以及液體種類識(shí)別模塊。在數(shù)據(jù)預(yù)處理模塊，我們首先對原始數(shù)據(jù)進(jìn)行相位展開，然后對數(shù)據(jù)做去噪處理，最后通過滑動(dòng)窗口算法截取最穩(wěn)定的相位數(shù)據(jù)。在特征提取模塊，我們計(jì)算有液體和沒有液體的相位差，并獲取相位差的頻率分布直方圖，通過頻率分布直方圖提取其眾數(shù)、算數(shù)平均數(shù)和中位數(shù)。在液體種類識(shí)別模塊，首先我們利用基于區(qū)間的液體種類識(shí)別方法，但是由于識(shí)別準(zhǔn)確度態(tài)度，因此，為了提高系統(tǒng)的性能，我們使用k-means聚類算法來識(shí)別液體的種類。

【參考文獻(xiàn)】：
期刊論文
[1]RFID技術(shù)綜述及其應(yīng)用現(xiàn)狀[J]. 李世杰.  電子世界. 2013(24)



本文編號(hào)：3588172