一种基于RFID的室内小型载体跟踪算法

王 雪，刘吉星

(1.山东轻工业学院文法学院，山东 济南 250353; 2.莱芜钢铁集团自动化部铁区车间焦化站，山东 莱芜 271104)

一种基于RFID的室内小型载体跟踪算法

王 雪1，刘吉星2

(1.山东轻工业学院文法学院，山东 济南 250353; 2.莱芜钢铁集团自动化部铁区车间焦化站，山东 莱芜 271104)

为了在室内环境下利用低成本器件实现对小型载体的位置跟踪，提出一种基于RFID的室内小型载体跟踪算法。导航滤波器采用扩展卡尔曼滤波器，以相对坐标系下载体的位置、速度作为系统的状态变量，通过载体上的速度计测得的小型载体的速度和RFID测量的未知节点与参考节点的距离作为滤波器的观测量。仿真结果显示，提出的方法的位置误差在x轴方向为1米左右，在y轴方向为0.7米左右。

RFID;无线传感器网络;扩展卡尔曼滤波器

在室内环境下完成对小型微型载体的准确定位是对其进行控制的关键［1-2］。特别是近年来，随着无线通信技术特别是短距离无线通信技术的发展，利用短距离无线通信技术完成对小型载体的定位逐渐成为一个研究热点［3-5］。在目前众多的短距离通信技术中，射频识别技术(Radio Frequency Identification，RFID)技术以其低廉的成本和成熟的定位技术，成为室内短距离无线定位的重要无线通信技术之一［6-7］。利用RFID技术进行定位，都需要考虑的一个问题是如何充分利用周围的有限的环境信息完成对未知节点的定位。

1.基于RSSI的无线定位模型

在室内环境下，信号强度的大小随着通信距离的变化而变化，由此可以通过信号强度的衰减得到信号的传播距离。目前信号强度的衰减与距离关系普遍采用Shadowing模型［8］，具体公式如下所示:

式中，d为发射点与接收点的真实距离;d0为发射点与接收点的参考距离;n为路径损耗指数，它的值通常依赖于环境和建筑物的类型;PRX为在距离d下接收到的信号强度;P0为在参考距离d0下接收到的信号强度，也称为参考信号强度，其中还包括了遮蔽外衰减活环境造成的损耗参考(中值);δ为遮蔽因子，其均值为0，方差为σdB(dB)。为了方便使用，在实际应用上述公式时，通常选择1米作为参考距离，1米收到的信号强度作为参考信号强度。因此，式(1)可以简化成式(2)，即:

式中，A为用dBm表示的距离发射器1米距离接收到的平均能量的绝对值，即距离发射器1米距离的信号强度;n为路径损耗指数，d为发射点与接收点的距离。

2.载体跟踪算法设计

2.1 系统状态方程

跟踪算法的系统方程如式(3)所示，在小型载体的跟踪算法中，滤波器以相对坐标系下载体的位置、速度作为系统的状态变量。

式中，xk，yk分别为小型移动载体在x和y方向的位置，vy，k和vx，k为载体在两个方向的速度，T为系统的采样周期，A为滤波器的系统矩阵，Wk为系统噪声，其协方差矩阵为Qk。

2.2 系统观测方程

在目标跟踪系统中，假设未知节点的坐标为(x，y)，(xi，yi)为第i个参考节点的位置，因此，通过RFID测量的未知节点与第i个参考节点之间的距离可以表示为式(4)。

为了方便，在本文中选用(L(RFID)i)2作为系统的观测量，于此同时，在相对坐标系下两个方向的速度也作为系统的观测量，因此，系统最终的观测方程如下所示:

综上所述可以看出跟踪系统为非线性系统，因此选用扩展卡尔曼滤波器(Extended Kalman Filter，EKF)对数据进行融合，具体步骤如下所示:

3.算法性能

为了验证算法的性能，我们进行了实验仿真。预先定义参考节点之间的距离为5米，节点之间的通信距离为10米，式(3)中的采样周期为0.2秒。本文所提方法在两个方向上的位置误差如图1和图2所示，从图中可以看出，本文所提出的方法在x轴方向的误差为1米左右，在y轴的误差为0.7米左右。

图1 x方向的位置误差

图2 y方向的位置误差

4.结论

为了在室内环境下利用低成本器件实现对小型载体的位置跟踪，提出了一种基于RFID的室内小型载体跟踪算法。导航滤波器采用扩展卡尔曼滤波器，以相对坐标系下载体的位置、速度作为系统的状态变量，通过载体上的速度计测得的小型载体的速度和RFID测量的未知节点与参考节点的距离作为滤波器的观测量。仿真结果显示，提出的方法的位置误差在x轴方向为1米左右，在y轴方向为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.，Frunzke 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，山东轻工业学院文法学院。