论文部分内容阅读
近年来,随着交叉学科以及多种技术的并行快速发展,更多的领域出现了技术相融合的应用研究。在“物联网”对现有定位服务的驱动下,RFID技术与无线传感器网络的融合将成为未来定位服务的应用趋势。通过技术融合实现的RFID传感器网络在智能家居、智能交通、仓储物流、医疗健康等环境监测领域具有无限的应用前景。本文以RFID技术与无线传感器网络的融合契机为出发点,根据它们各自的优势,在尽量满足环境监测要求的强抗干扰能力、低功耗、低运营成本及高信息安全等条件下,给出了一种面向环境监测的RFID传感器网络模型,并在此模型下,结合RFID解读器节点的移动性,提出了两种基于RFID传感器网络的节点定位算法。针对现有环境监测系统在实时性和监管方面存在的不足,提出了一种面向环境监测的RFID传感器网络模型。该模型以RFID解读器节点为ZigBee协调器创建网络,在设计过程中,构建了一种自适应的网络通信结构,通过将射频标签融入传感器节点,使RFID传感器标签节点能够获取电磁场能量及对特定目标对象进行标识,实现了环境监测的智能化,满足对特定目标对象的全局监测和环境参数的分布式监控,能够满足低功耗的环境监测需求。针对监测系统对RFID解读器节点的实时位置需求,提出了一种基于RF指纹的混合定位算法。该算法通过贝叶斯滤波对RFID解读器节点的后验概率估计,结合更近邻质心算法实现了RFID解读器节点的精确定位。实验结果表明,该算法在不需要额外的硬件支持下,利用自身的RF信号特征量,达到了较高的定位精度,特别适合低功耗的环境监测需求。针对Monte Carlo定位算法的采样区域大,以及未充分利用先验信息的不足,提出了一种基于遗传Monte Carlo的节点定位算法。该算法通过贝叶斯滤波框架表达RFID解读器节点的后验概率分布,通过引入遗传交叉与变异操作,使采样趋于多样化,同时,对样本进行优化。实验结果表明,该算法具有较好的定位精度以及较高的鲁棒性,在一定程度上抑制了NLOS噪声,并减少了定位所需的样本数,节约了存储和计算资源。