无线射频技术和邻域定位算法的搜索定位系统研究∗

翟 维

（西安航空学院电子工程学院 西安710077）

1 引言

随着物联网的不断发展，无线射频识别技术（RFID）也在物流货物追踪、仓库物品管理、交通、超市等多个领域得到了广泛的应用［1］。RFID是一种无接触检测识别技术，通过射频信号的扫描来获取一定范围内的目标信息，整个扫描过程均可通过电脑控制，具有高效、便捷、适应各种恶劣环境的优点［2］。

目前，多种应用场景下需要对目标进行实时定位，由于被定位的物体如车辆、物流邮件等活动范围宽广，连续大面积在各地铺设标签阅读器并不现实［1］。若将阅读器安置在被测目标上，该阅读器可识别所在位置一定范围内的标签条形码并将信息反馈给上位机，从而可实现无线射频识别的精确定位［3］。阅读器的质量、体积和标签的成本是限制该方法大面积推广的技术障碍，要针对上述问题设计成本更低、精度更高的定位算法［4］。

已有研究多基于无线射频信号的强度、各类统计算法和训练样本等对被测物体进行定位［5］。但这些方法均存在一定的缺陷，如阅读器的调节功率不足［6］；墙壁等障碍物对信号传输存在干扰，导致定位精度低［7］；目前的标签种类大部分为有源标签，成本较高［8］。

针对上述缺陷，本文拟采用无源标签对物体进行定位，基于多跳邻域定位的思想对传统无线射频识别定位算法进行优化，提出的优化算法仅需考虑无线射频识别系统的最基础功能，无需考虑阅读器和标签之间的信号传输强度，极大地简化了定位识别系统的成本，并增加其鲁棒性和抗干扰特性［9］。研究结论可为基于无线射频识别技术的物体定位算法提供一种新的研究思路。

2 基于无线射频识别的邻域定位系统及算法分析

2.1 系统结构

基于无线射频识别的邻域定位系统主要由阅读器、标签数据库和标签排列方式算法库组成。在本算法中将阅读器放置在被测单元上，阅读器配备传输天线，主要用于将收集到的信号传送回上位机。标签采用无源标签，在上位机中建立基于无线射频识别的标签库，用于存储和实时更新所有标签的坐标和周边环境［10］。

本文设计了方形网格（Squ）、三角形网格（Tri）和随机网格（Rand）三种标签排列方式。三种排列方式下的标签位置算法如下。

1）方形网格（Squ）

2）三角形网格（Tri）

3）随机网格（Rand）

规定单个阅读器范围内只要要有一个标签，因此各个标签之间的间距要在一定范围内。三种网络形式下标签的最大和最小标签之间的距离可表述如下。

1）方形网格（Squ）

2）三角形网格（Tri）

3）随机网格（Rand）

三种情况下的标签排列方式示意图见图1。

图1 方形网格、三角形网格、随机网格的标签排列方式示意图

2.2 基于无线射频识别的邻域定位算法

本文在传统定位算法的基础上引入了VIRE算法［11］并加以改进，在某一阅读器识别范围外的标签利用虚拟标签代替。首先估算阅读器范围外的虚拟标签集合，并将虚拟标签和设计标签的集合相比较，计算虚拟标签之间的间隔作为修正因子并对阅读器的最佳覆盖半径不断调整。相关概念定义如下。

1）设某标签tagi的坐标为（xi，yi），以该标签坐标为圆心，半径为Rnei画圆，将圆内所有标签设置为一个集合，即初始相邻标签S1；

2）在圆外范围内且该标签的邻居标签内存在一跳邻域标签，这种标签的集合为二跳邻域标签S2；

基于无线射频识别的邻域定位算法具体计算步骤如下：

（1）中央处理器发送激活指令，将识别码信息传送至阅读器，阅读器再将所有标签的识别码信息反馈回上位机。

（2）上位机构建一跳和二跳标签集合S1和S2。

（3）求取S1内所有标签坐标，计算S1的中心点坐标。

以min（s，Rmax）为半径做圆C_vir。

（4）以式（10）求取的中心点坐标为基准，向x和y方向以l为间距插入虚拟标签vir_tag，则该虚拟标签的集合为

p、q为非负实数。

（5）构建一跳和二跳集合S1和S2，比较Sref与S1、S2内所有标签的距离，设Sref中虚拟标签的数量为Num_T个，则这些虚拟坐标的平均坐标值为通过式（12）即可求得阅读器坐标位置计算值。图2所示为利用虚拟标签来寻找阅读器坐标位置的过程示意图。

图2 利用虚拟标签来寻找阅读器坐标位置的过程示意图

3 仿真试验与分析

仿真软件为Matlab，最大圆心直径为10m，仿真区域为100m×100m。表1列举了方形网格、三角形网格、随机网格下S2内标签数目和阅读器估计坐标之间的计算结果。从表中看到，Rnei分别为0.2s和0.5s时，邻居标签集合为空，此时本文提出的算法变为仅求取标签的平均值；当Rnei>s时，邻居标签与阅读器的间距越来越大，以距离较远的邻居标签集合的平均坐标为圆心形成的圆和S1之间的交集会包含在其它圆内，这样较远距离的邻居标签对阅读器位置的估算不会造成影响。因此，综合考虑方形网格和三角形网格的Rnei=s，随机网格的Rnei=2s。这样能最大程度地抑制标签随机分布对计算精度的影响。

表1 方形网格、三角形网格、随机网格下S2内标签数目和阅读器估计坐标

图3 列举了标签距离为s=1m和s=5m时三种形状分布下的的估计误差均值分布情况。其中横坐标为l=0.05s、0.1s、…、0.5s。从图中看到，当l逐渐增大时，对阅读器的估计误差也逐渐增大。但当l值过小时，一定范围内的虚拟标签数量就越多，计算量就越大。从图中看到，当l>0.3s时三条曲线的上涨幅度开始减缓，因此可将l值设置为l=0.3s。

图3 利用虚拟标签来寻找阅读器坐标位置的过程示意图

表2 为方形网格、三角形网格、随机网格在不同标签距离下的估计误差和方差σ2。从表中看到，s与估计误差和σ2呈正比，且标签间距设置过大会导致某一阅读器识别范围内没有标签。从表中看到，采用三角形网格排列标签时其最大定位误差仅为3m，其定位优势明显优于其他两种标签排列方式。

表2 方形网格、三角形网格、随机网格在不同标签距离下的估计误差

图4 为不同标签间距下目标移动估计路径，其中图5（a）为目标实际运动轨迹。从图中看到，当标签距离为3m时，利用三角形网络的目标位置估计与真实位置之间基本无差别；当标签距离逐渐增大时，估计误差也随之增大，但基本能反应目标的真实移动路线。说明本文提出的算法对移动物体的位置估计也是可行的。

图4 不同标签间距下目标移动估计路径

图5 所示为在实际情况下的测试结果。测试区域为30m×30m，标签间距为2m，阅读器的位置坐标为（9.0m，10.5m），共测试20次，测试误差如图6所示。从图中看到，实际测试结果的估计误差要大于仿真结果，测试结果呈波动状态。这是由于实际环境复杂，且阅读器天线接受信号具有方向性，标签与阅读器之间的距离过大时，阅读器识别角度则越来越小，导致估计误差较大。同时，阅读器在识别过程中存在漏读和误读现象。这些均导致无线射频识别定位存在一定误差。

图5 实际测量结果误差

4 结语

本文拟采用无源标签对物体进行定位，基于多跳邻域定位的思想对传统无线射频识别定位算法进行优化，提出的优化算法仅需考虑无线射频识别系统的最基础功能，无需考虑阅读器和标签之间的信号传输强度，极大地简化了定位识别系统的成本，并增加其鲁棒性和抗干扰特性。研究结论如下：

1）通过计算得到方形网格和三角形网格的Rnei=s，随机网格的Rnei=2s。当l逐渐增大时，对阅读器的估计误差也逐渐增大。但当l值过小时，一定范围内的虚拟标签数量就越多，计算量就越大，可将l值设置为l=0.3s。

2）s与估计误差和σ2呈正比，且标签间距设置过大会导致某一阅读器识别范围内没有标签。采用三角形网格排列标签时其最大定位误差仅为3m，定位优势明显优于其他两种标签排列方式。仿真结果同样表明本文提出的算法对移动物体的位置估计也是可行的。