周蕾蕾，劉成友，馬俊，秦航，蔣紅兵,2

1.南京醫(yī)科大學(xué)附屬南京醫(yī)院（南京市第一醫(yī)院） a.醫(yī)療設(shè)備處；b.院部，江蘇 南京 210006；2.南京市衛(wèi)生信息中心 南京市藥品集中采購?fù)泄苤行?，江蘇 南京 210003

引言

醫(yī)院醫(yī)療設(shè)備的使用和管理情況反映了醫(yī)院的現(xiàn)代化程度。醫(yī)療設(shè)備數(shù)量的增多，精細度的提高，使得醫(yī)療設(shè)備的信息化管理成為一種趨勢。射頻識別技術(shù)（Radio Frequency Identification，RFID），是一種非接觸式的自動識別技術(shù)，通過射頻信號自動識別目標(biāo)對象并獲取相關(guān)數(shù)據(jù)，具有精度高、適應(yīng)環(huán)境能力強等優(yōu)點[1]。RFID在醫(yī)療設(shè)備管理中的應(yīng)用正在逐漸興起，使得設(shè)備閑置、流失、重復(fù)購置等問題的解決成為可能[2]。

精確定位是醫(yī)療設(shè)備管理的基本要求，RFID讀寫器和標(biāo)簽的分布情況，以及定位算法優(yōu)劣直接影響定位的精確度。經(jīng)典的無線定位（Time of Arrival，TOA）[3]算法，基于信號到達角度的定位算法（Angle of Arrival，AOA）[4]算法，射頻標(biāo)簽信號強度（Received Signal Strength Indication，RSSI）[5-6]算法等定位算法有各自的特點，但面對醫(yī)院復(fù)雜的環(huán)境有一定的局限性。

本文將粒子群算法（Particle Swarm Optimization，PSO）優(yōu)化BP（Back Propagation）網(wǎng)絡(luò)的學(xué)習(xí)算法應(yīng)用于射頻定位。搭建實驗平臺，采集樣本數(shù)據(jù)；在此基礎(chǔ)上，進行訓(xùn)練學(xué)習(xí)，求得RFID讀寫器與標(biāo)簽之間“信號強度—坐標(biāo)”的映射關(guān)系；并對其進行測試，探討粒子群神經(jīng)網(wǎng)絡(luò)算法在RFID定位中應(yīng)用的優(yōu)勢。

1 粒子群神經(jīng)網(wǎng)絡(luò)原理

1.1 BP神經(jīng)網(wǎng)絡(luò)算法

BP神經(jīng)網(wǎng)絡(luò)用到的算法是向量乘法，并且廣泛采用符號函數(shù)及其各種逼近。對于輸入層的信號，要先向前傳播到隱藏層，經(jīng)過作用函數(shù)后，再信息傳播到輸出層節(jié)點，最后輸出結(jié)果，見圖1。神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)[7]，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一?？梢詫崿F(xiàn)自我學(xué)習(xí)、自我組織、自我適應(yīng)等特性，也是神經(jīng)網(wǎng)絡(luò)計算方法與傳統(tǒng)方法的區(qū)別所在。它的學(xué)習(xí)規(guī)則是最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小[8]。

1.2 粒子群算法

粒子群算法同模擬退火算法相似一樣，是一種進化算法。該算法的優(yōu)點在于它可以從隨機解出發(fā)，通過迭代尋找最優(yōu)途徑[9-10]。設(shè)在D維搜索空間中，共有M個粒子組成一個群體，記第i個粒子空間位置為xi是優(yōu)化問題的潛在最優(yōu)解，粒子的速度記為vi，當(dāng)代最佳位置記作pibest，歷史最佳位置記作pbest，第n代粒子，進化到第n+1代的速度和位置方程為：

其中，u為慣性權(quán)值，u的引入使PSO可以調(diào)節(jié)算法的全局與局部尋優(yōu)能力，一般使用線性慣性權(quán)值；c1和c2為加速系數(shù)， 取正值； r1和r2為兩個在[0,1]內(nèi)變化的隨機數(shù)[11]。

1.3 粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法

BP神經(jīng)網(wǎng)絡(luò)算法是一種能夠?qū)?yōu)的黑盒子算法，然而實驗表明，BP神經(jīng)網(wǎng)絡(luò)算法易陷入局部極值，從而難以保證收斂到全局極小點[12]。此外，神經(jīng)網(wǎng)絡(luò)是基于反向傳播的梯度下降算法，其收斂速度慢，學(xué)習(xí)效果難以令人滿意本。因而本文使用粒子群算法對BP神經(jīng)網(wǎng)絡(luò)算法進行優(yōu)化，實現(xiàn)流程見圖2。

2 RFID室內(nèi)定位系統(tǒng)

2.1 RFID定位系統(tǒng)

一套完整的RFID系統(tǒng)包括射頻電子標(biāo)簽、射頻讀寫器、PC移動終端機、附屬設(shè)備等[13]。射頻讀寫器通過天線可以激發(fā)射頻標(biāo)簽，并獲取接收的信號強度RSSI等信息。

本文構(gòu)建的RFID定位系統(tǒng)由KL9201B射頻讀寫器，18000-6C無源不粘膠貼片標(biāo)簽（無源標(biāo)簽貼于卡片表面，模擬實際醫(yī)療工件，每個標(biāo)簽分配唯一設(shè)備編碼），使用上位機軟件為UHFReader188B，射頻讀寫器與PC端使用RS232傳輸數(shù)據(jù)。根據(jù)RSSI強度信息、構(gòu)建神經(jīng)網(wǎng)絡(luò)進行定位，PSO-BP神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位模型，見圖3。

圖3 PSO-BP神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位模型示意圖

2.2 試驗布局及方法

本文通過移動卡片位置來改變標(biāo)簽坐標(biāo)，射頻讀寫器讀取標(biāo)簽信號強度與兩者之間的距離有關(guān)。因此可以根據(jù)3點天線讀取的標(biāo)簽信號強度來確定標(biāo)簽位置。實驗分布圖，見圖4。所使用實驗面板為10 dm×10 dm，實驗單格為1 dm×1 dm。為了方便說明數(shù)據(jù)采集過程與計算結(jié)果分析，本文以該正方形的一個頂點作為坐標(biāo)原點O(0,0)，以相交于該原點的兩條邊作為橫縱坐標(biāo)軸（x軸和y軸），形成平面直角坐標(biāo)系。正方形檢測區(qū)域，見圖4，3個RFID信號讀寫器被放置在該正方形區(qū)域的3個定點上，即坐標(biāo)原點O(0,0)，頂點(0,10)，頂點(10,0)，為了使讀寫器檢測到的范圍盡可能大且信號強度呈現(xiàn)一定的對稱性，所有讀寫器擺放角度為45°角。

將整個正方形區(qū)域分別以平行于x軸與y軸的方向按照相等間距劃分，間隔距離為1 dm，形成100塊相等大小的小正方形。由于檢測區(qū)域中接近正方形邊界處信號強度受傳感器角度影響極大，會對后續(xù)的神經(jīng)網(wǎng)絡(luò)的定位學(xué)習(xí)產(chǎn)生干擾[14]，因此本實驗中沒有考慮在檢測區(qū)域邊界處的RFID信號接收情況，即坐標(biāo)點(1,1)(9,1)(1,9)(9,9)所圍成的范圍內(nèi)放置RFID電子標(biāo)簽，在檢測區(qū)域所劃定網(wǎng)格的每個交點上均放置一個RFID電子標(biāo)簽。圖中虛線表示平行于x軸或y軸的方向的若干條劃分線，在所有劃分線的交點上的圓點表示RFID電子標(biāo)簽所在位置。

圖4 正方形檢測區(qū)域

2.3 PSO-BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建

BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型拓撲結(jié)構(gòu)包括輸入層、隱含層和輸出層，因為在實驗過程中使用3個天線對射頻標(biāo)簽RSSI值進行測量，因此輸入層的輸入變量為3個。為簡化定位模型，輸出層選取平面坐標(biāo)，即有2個輸出量。由于本實驗節(jié)點和輸出節(jié)點相對較少，本文選用隱含層個數(shù)為2層。綜上所述，本文構(gòu)建PSO-BP神經(jīng)網(wǎng)絡(luò)模型采用3:16:2:2的網(wǎng)絡(luò)結(jié)構(gòu)。

在數(shù)據(jù)計算時，將測量數(shù)據(jù)分為兩個子集：第一個子集為訓(xùn)練數(shù)據(jù)集，數(shù)據(jù)量為66組數(shù)據(jù)，其中包括198輸入變量和132輸出量，該子集數(shù)據(jù)用于訓(xùn)練PSO-BP模型；第二個子集為測試集，數(shù)據(jù)量為15組，使用訓(xùn)練后的PSO-BP模型預(yù)測測試子集數(shù)據(jù)的頻標(biāo)簽的坐標(biāo)，以衡量PSO-BP神經(jīng)網(wǎng)絡(luò)模型的優(yōu)劣性。

3 結(jié)果

在信號采集部分，首先記錄了81個電子標(biāo)簽所在檢測區(qū)域中的坐標(biāo)信息，然后分別用3個讀寫器來采集81個電子標(biāo)簽的RSSI數(shù)據(jù)。由于信號強度受環(huán)境影響較大，計算機終端上的信號采集軟件中顯示的數(shù)據(jù)會有較頻繁的波動，因此在采集每個電子標(biāo)簽的RSSI數(shù)據(jù)時，重復(fù)讀取10次并對其進行平均處理得到更為合理的RSSI數(shù)值[15]。為了更直觀表示檢測區(qū)域內(nèi)RSSI的分布狀況，本研究利用MATLAB分別繪制了RSSI值分布圖，見圖5。由于實驗客觀條件限制，過多的電子標(biāo)簽個數(shù)相互之間會產(chǎn)生干擾，并且大大提高了實驗的復(fù)雜性。本研究所獲得的RSSI數(shù)據(jù)是離散的。為了能夠盡可能還原出實際的RSSI信號的分布，在繪制RSSI分布圖時使用了線性插值。顏色變化和曲面高度與RSSI數(shù)值對應(yīng)，見圖5。紅色對應(yīng)RSSI高值，藍色對應(yīng)RSSI低值，黃色為RSSI值由高到低的過渡值。讀寫器放置在3種位置下的檢測結(jié)果RSSI分布趨勢均相同，即RSSI值隨著到讀寫器的距離增加而減小，讀寫器（讀寫器和天線為一體封裝式）是平板狀且為45°擺放狀態(tài)，所以采集的數(shù)據(jù)呈現(xiàn)中值—邊緣效應(yīng)，即靠近檢測區(qū)域邊緣處的RSSI值下降較快。

圖5 RSSI值分布圖

為減少POS-BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練時間，本文將讀寫器獲取的81組數(shù)據(jù)進行無量綱、歸一化處理，并使用經(jīng)預(yù)處理的數(shù)據(jù)對POS-BP神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)測試。設(shè)置POS-BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)：輸入層節(jié)點數(shù)為3，對應(yīng)3個讀寫器接收的RSSI值；輸出層節(jié)點為2，對應(yīng)坐標(biāo)值；隱藏層選用兩層結(jié)構(gòu)，節(jié)點個數(shù)選擇16×2；訓(xùn)練步長選擇0.05，訓(xùn)練目標(biāo)的最小誤差為0.0007；從81組數(shù)據(jù)中隨機選擇66組數(shù)據(jù)作為訓(xùn)練集數(shù)據(jù)，訓(xùn)練結(jié)果見圖6；訓(xùn)練結(jié)束后使用訓(xùn)練后的POS-BP神經(jīng)網(wǎng)絡(luò)對余下的15組數(shù)據(jù)進行測試，綠色圓圈標(biāo)注剩余的15個電子標(biāo)簽所在位置，紅色叉號標(biāo)注由RSSI數(shù)據(jù)運用PSO-BP算法恢復(fù)出的坐標(biāo)位置，測試結(jié)果位置與真實值誤差為5.31 mm，測試結(jié)果見圖7。

圖6 66組數(shù)據(jù)的訓(xùn)練結(jié)果

圖7 測試結(jié)果

4 結(jié)論

將RFID技術(shù)應(yīng)用于醫(yī)院醫(yī)療設(shè)備的精細化管理是目前數(shù)字化醫(yī)院研究的重點。特別是室內(nèi)定位識別技術(shù)，各種定位技術(shù)之間沒有通用的標(biāo)準(zhǔn)。未來定位技術(shù)的發(fā)展，對系統(tǒng)的精確度、標(biāo)準(zhǔn)化、實用性等提出了更高的要求。多種定位算法的融合，以及實現(xiàn)3D定位將成為發(fā)展趨勢，對于RFID技術(shù)的研究還有很長的路需要去探討。

傳統(tǒng)的基于RSSI定位算法，多采用射頻標(biāo)簽信號傳遞經(jīng)驗?zāi)Ｐ?，將RSSI值轉(zhuǎn)化為距離信息，通過三圓幾何交點關(guān)系可以快速計算射頻標(biāo)簽位置信息[16]。在實際應(yīng)用中，RSSI值受室內(nèi)環(huán)境影響，波動很大，RSSI經(jīng)驗?zāi)Ｐ偷玫降木嚯x誤差較大，精度較低，穩(wěn)定性差[17]。

在本文工作中我們不難發(fā)現(xiàn)，RSSI值的大小不僅與標(biāo)簽到讀寫器的距離有關(guān)，同時還與射頻讀寫器矢狀面夾角有一定的關(guān)系。分析可知，對于獲取相同距離的射頻標(biāo)簽RSSI值，夾角越大，RSSI值衰減越快。本文提出的PSO-BP算法，可以直接使用RSSI值進行定位，定位過程分為兩段，即模型訓(xùn)練和模型的測試，該算法能兼具有粒子群算法和神經(jīng)網(wǎng)絡(luò)模型的優(yōu)點，粒子群算法能夠為神經(jīng)網(wǎng)絡(luò)模型提供最優(yōu)的初始值，減少神經(jīng)網(wǎng)絡(luò)模型過度訓(xùn)練和局部收斂的幾率。

PSO-BP模型訓(xùn)練的過程其本質(zhì)為對歷史數(shù)據(jù)的記憶過程，模型測試（預(yù)測）過程本質(zhì)為在歷史數(shù)據(jù)中尋找最優(yōu)位置信息，當(dāng)訓(xùn)練位置信息越多，訓(xùn)練精度越高，測試精度也越精確。在室內(nèi)環(huán)境下，本算法可使用“隱式”、“黑匣子”將RSSI值與位置信息關(guān)聯(lián)起來，因而規(guī)避了RSSI值轉(zhuǎn)化距離時參數(shù)值（受室內(nèi)環(huán)境因素較大）的估計，可在一定程度上提高室內(nèi)定位的精度。然而，實驗中使用試驗臺為1 m×1 m，接下來我們將擴大實驗區(qū)域進行進一步探討。此外，實驗過程中還有擺位等誤差的存在使得本算法具有一定的局限性，可以說基于射頻標(biāo)簽的定位技術(shù)仍需不斷的努力。

[1]謝磊,殷亞鳳,陳曦,等.RFID數(shù)據(jù)管理:算法、協(xié)議與性能評測[J].計算機學(xué)報,2013,(3):457-470.

[2]劉曉華,田金,許鋒.RFID定位技術(shù)在醫(yī)療設(shè)備管理中的應(yīng)用與展望[J].中國醫(yī)療設(shè)備,2013,(2):39-42.

[3]Zhang D,Yang Y,Cheng D,et al.COCKTAIL:An RF-based hybrid approach for indoor localization[A].Communications(ICC), 2010 IEEE International Conference on[C].New York:IEEE,2010:1-5.

[4]Maneesilp J,Wang C,Wu H,et al.RFID support for accurate 3D localization[J].IEEE Trans Com,2013,62(7):1447-1459.

[5]Tlili F,Hamdi N,Belghith A.Accurate 3D localization scheme based on active RFID tags for indoor environment[A].RFID-Technologies and Applications (RFID-TA),2012 IEEE International Conference on[C].New York:IEEE,2012:378-382.

[6]壽向晨,徐宏毅.無線傳感器網(wǎng)絡(luò)中RSSI定位算法的設(shè)計與實現(xiàn)[J].武漢大學(xué)學(xué)報(工學(xué)版),2015,48(2):284-288.

[7]武美先,張學(xué)良,溫淑花,等.BP神經(jīng)網(wǎng)絡(luò)及其改進[J].太原科技大學(xué)學(xué)報,2005,26(2):120-130.

[8]吳超,張磊,張琨.基于BP神經(jīng)網(wǎng)絡(luò)的RFID室內(nèi)定位算法研究[J].計算機仿真,2015,32(7):323-326.

[9]于泉,孫順遠,徐保國,等.基于改進粒子群算法的無線傳感器網(wǎng)絡(luò)節(jié)點定位[J].計算機應(yīng)用,2015,35(6):1519-1522.

[10]王一,宋志偉,王祎澤,等.基于PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)和空間網(wǎng)格的機器人位姿標(biāo)定方法[J].中國測試,2016,42(8):98-102.

[11]閆馳.基于PSO-BP神經(jīng)網(wǎng)絡(luò)的無線傳感器網(wǎng)絡(luò)定位算法[J].電子科技,2016,29(4):56-58.

[12]李松,劉力軍,翟曼.改進粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測[J].系統(tǒng)工程理論與實踐,2012,(9):2045-2049.

[13]Wei G,Zhang H,Wang Y.A new relay attack on distance bounding protocols and its solution with time-stamped authentication for RFID[J].Wuhan Univ J Nat Sci,2016,21(1):37-46.

[14]張璨輝,陳向群,柳青.新型RFID電子標(biāo)簽在大批量的計量器具上的群體識讀方式[J].科技創(chuàng)新導(dǎo)報,2015,33:13-14.

[15]徐平,沙從術(shù),趙芳杰.BP神經(jīng)網(wǎng)絡(luò)在射頻識別定位系統(tǒng)中的應(yīng)用研究[J].電子技術(shù)應(yīng)用,2016,(2):64-67.

[16]陳增強,國峰,張青.基于模糊神經(jīng)網(wǎng)絡(luò)建模的RFID室內(nèi)定位算法[J].系統(tǒng)科學(xué)與數(shù)學(xué),2014,12:1438-1450.

[17]周俊儒.基于RFID的室內(nèi)定位技術(shù)研究[D].杭州:浙江大學(xué),2014.