王 雪，劉吉星

(1.山東輕工業(yè)學院文法學院，山東 濟南 250353; 2.萊蕪鋼鐵集團自動化部鐵區(qū)車間焦化站，山東 萊蕪 271104)

一種基于RFID的室內(nèi)小型載體跟蹤算法

王 雪1，劉吉星2

(1.山東輕工業(yè)學院文法學院，山東 濟南 250353; 2.萊蕪鋼鐵集團自動化部鐵區(qū)車間焦化站，山東 萊蕪 271104)

為了在室內(nèi)環(huán)境下利用低成本器件實現(xiàn)對小型載體的位置跟蹤，提出一種基于RFID的室內(nèi)小型載體跟蹤算法。導航濾波器采用擴展卡爾曼濾波器，以相對坐標系下載體的位置、速度作為系統(tǒng)的狀態(tài)變量，通過載體上的速度計測得的小型載體的速度和RFID測量的未知節(jié)點與參考節(jié)點的距離作為濾波器的觀測量。仿真結(jié)果顯示，提出的方法的位置誤差在x軸方向為1米左右，在y軸方向為0.7米左右。

RFID;無線傳感器網(wǎng)絡;擴展卡爾曼濾波器

在室內(nèi)環(huán)境下完成對小型微型載體的準確定位是對其進行控制的關鍵［1-2］。特別是近年來，隨著無線通信技術特別是短距離無線通信技術的發(fā)展，利用短距離無線通信技術完成對小型載體的定位逐漸成為一個研究熱點［3-5］。在目前眾多的短距離通信技術中，射頻識別技術(Radio Frequency Identification，RFID)技術以其低廉的成本和成熟的定位技術，成為室內(nèi)短距離無線定位的重要無線通信技術之一［6-7］。利用RFID技術進行定位，都需要考慮的一個問題是如何充分利用周圍的有限的環(huán)境信息完成對未知節(jié)點的定位。

1.基于RSSI的無線定位模型

在室內(nèi)環(huán)境下，信號強度的大小隨著通信距離的變化而變化，由此可以通過信號強度的衰減得到信號的傳播距離。目前信號強度的衰減與距離關系普遍采用Shadowing模型［8］，具體公式如下所示:

式中，d為發(fā)射點與接收點的真實距離;d0為發(fā)射點與接收點的參考距離;n為路徑損耗指數(shù)，它的值通常依賴于環(huán)境和建筑物的類型;PRX為在距離d下接收到的信號強度;P0為在參考距離d0下接收到的信號強度，也稱為參考信號強度，其中還包括了遮蔽外衰減活環(huán)境造成的損耗參考(中值);δ為遮蔽因子，其均值為0，方差為σdB(dB)。為了方便使用，在實際應用上述公式時，通常選擇1米作為參考距離，1米收到的信號強度作為參考信號強度。因此，式(1)可以簡化成式(2)，即:

式中，A為用dBm表示的距離發(fā)射器1米距離接收到的平均能量的絕對值，即距離發(fā)射器1米距離的信號強度;n為路徑損耗指數(shù)，d為發(fā)射點與接收點的距離。

2.載體跟蹤算法設計

2.1 系統(tǒng)狀態(tài)方程

跟蹤算法的系統(tǒng)方程如式(3)所示，在小型載體的跟蹤算法中，濾波器以相對坐標系下載體的位置、速度作為系統(tǒng)的狀態(tài)變量。

式中，xk，yk分別為小型移動載體在x和y方向的位置，vy，k和vx，k為載體在兩個方向的速度，T為系統(tǒng)的采樣周期，A為濾波器的系統(tǒng)矩陣，Wk為系統(tǒng)噪聲，其協(xié)方差矩陣為Qk。

2.2 系統(tǒng)觀測方程

在目標跟蹤系統(tǒng)中，假設未知節(jié)點的坐標為(x，y)，(xi，yi)為第i個參考節(jié)點的位置，因此，通過RFID測量的未知節(jié)點與第i個參考節(jié)點之間的距離可以表示為式(4)。

為了方便，在本文中選用(L(RFID)i)2作為系統(tǒng)的觀測量，于此同時，在相對坐標系下兩個方向的速度也作為系統(tǒng)的觀測量，因此，系統(tǒng)最終的觀測方程如下所示:

綜上所述可以看出跟蹤系統(tǒng)為非線性系統(tǒng)，因此選用擴展卡爾曼濾波器(Extended Kalman Filter，EKF)對數(shù)據(jù)進行融合，具體步驟如下所示:

3.算法性能

為了驗證算法的性能，我們進行了實驗仿真。預先定義參考節(jié)點之間的距離為5米，節(jié)點之間的通信距離為10米，式(3)中的采樣周期為0.2秒。本文所提方法在兩個方向上的位置誤差如圖1和圖2所示，從圖中可以看出，本文所提出的方法在x軸方向的誤差為1米左右，在y軸的誤差為0.7米左右。

圖1 x方向的位置誤差

圖2 y方向的位置誤差

4.結(jié)論

為了在室內(nèi)環(huán)境下利用低成本器件實現(xiàn)對小型載體的位置跟蹤，提出了一種基于RFID的室內(nèi)小型載體跟蹤算法。導航濾波器采用擴展卡爾曼濾波器，以相對坐標系下載體的位置、速度作為系統(tǒng)的狀態(tài)變量，通過載體上的速度計測得的小型載體的速度和RFID測量的未知節(jié)點與參考節(jié)點的距離作為濾波器的觀測量。仿真結(jié)果顯示，提出的方法的位置誤差在x軸方向為1米左右，在y軸方向為0.7米左右。

［1］Saleh Al-Jazzar，Mounir Ghogho，Desmond McLernon，“A joint TOA/AOA constrained minimization method for locating wireless devices in Non-Line-of-Sight environment，”IEEE Trans.Vehicular Technology，vol.58，no.1，pp，468-472，2009.

［2］Minami M.and Morikawa H.，“Aoyama T.Design and implementation of a fully distributed ultrasonic positioning system，”Electronics and Communications in Japan，Part III，Automatica，vol.90，no.6 pp.17-26，2007.

［3］Dassaud Daniel，?IsslerJean Luc，RiesLionel，De LatourAntoine Richard，and GrondinMichel，“Contribution to spacecraft navigation and timing with GPS and GALILEO，”in Proc.International Astronautical Federation-58th International Astronautical Congress 2007，vol.4，pp.2747-2762，2007.

［4］Zhang Y.，“A ship GPS/DR navigation technique using neural network?，”Communications in Computer and Information Science，vol.236 CCIS，no.PART 6，pp.117-123，2011.

［5］Xu Z.，Li Y.，Rizos C.and Xu X.，“Novel hybrid of LS-SVM and Kalman filter for GPS/INS integration，”Journal of navigation，vol.63，no.2，pp.289–299.2010.

［6］Aboelmagd N，Ahmed E and Mohamed B，“GPS/ INS integration utilizing dynamic neural networks for vehicular navigation，”Information Fusion，vol.12，no.1，pp.48-57.2011.

［7］Xu Y.，Qiu S.-B.，and Hou M.，“Reconfigure ZigBee Network Based on System Design，”Wireless Sensor Network，vol.1，no.3，pp.206–211，2009.

［8］Awad A.，F(xiàn)runzke T.，Dressler F，“Adaptive distance estimation and ocalization in WSNs using RSSI measures”，in Proc.IEEE 10th Euromicro Conference on Digital System Design Architectures Methods and Tools，Aug.2007: 471-478.

TN967.3

A

1008—3340(2012)03—0070—03

2012-06-03

王雪，山東輕工業(yè)學院文法學院。