论文部分内容阅读
射频识别技术(RFID,Radio Frequency Identification)是一种基于射频信号完成对特定目标的自动识别并获取相关信息的非接触式系统。随着社会的发展,人们对基于位置信息的服务的需求越来越大,在图书馆图书定位等都需要精确的位置信息,RFID技术凭借其自身体积小,价格低廉,非接触、非视距等优点被广泛应用于室内定位领域。由于受到室内障碍物的影响,信号在室内传播时存在的噪声干扰和多径效应会出现一定的定位误差,现有的基于RFID的室内定位技术存在定位精度不高,受环境影响较大等缺点。本文以提高定位精度和定位系统鲁棒性为研究目标,针对基于RFID的室内定位技术进行研究,主要工作如下:(1)分析研究了基于RFID的室内定位系统组成及其工作原理,并对目前常用的RFID定位系统从成本,系统复杂度,定位效果等方面进行分析,针对室内环境复杂多变易对信号产生干扰的特点,采用高斯滤波对采集的信号进行预处理,剔除部分无效数据,降低室内噪声和多径效应产生的干扰。(2)针对传统的基于路径-损耗模型的RFID定位方法定位精度不高,定位所耗费时间较长,受环境影响较大等问题,本文提出了一种基于双神经网络模型的室内定位算法,建立BP网络和DNN网络的双神经网络模型,将BP网络输出的路径损耗系数n与RSSI值输入到DNN网络中得到定位结果,随着室内环境的变化而取相应的路径损耗系数,有效解决了因室内环境变化而导致的误差。同时采用高斯滤波对采集到的接收信号强度值进行预处理,减少部分无效数据对结果造成的影响。该算法可以有效提高定位精度和系统的鲁棒性。(3)针对高斯滤波只能提出噪声数据,不能平滑输出数据而对定位产生误差的问题,采用高斯-卡尔曼滤波进行数据预处理提高定位精度,同时为了解决传统室内定位方法不能进行跟踪定位的问题,提出一种融合计算机视觉的RFID定位算法。该方法利用计算机视觉定位来辅助RFID定位,计算机视觉定位进行目标检测输出行人脚部坐标,RFID定位输出标签坐标,利用融合算法将两者得到的结果进行匹配,从而输出携带标签的特定人员的位置信息。