基于RFID的校园RSSI定位算法研究

鲍怡婷

【摘 要】 随着“智慧校园”的建设，学生的教育及其校园安全问题越来越引起学生家长、学校及社会各界的重视。将射频识别定位技术融合到学校这一场景，紧跟当下智慧校园的发展理念，能够实时采集学生的实时位置，掌握学生的活动轨迹，提高学生安全管理的高效性。

【关键词】 射频识别；校园定位算法；信号影响因素；仿真分析

一、 RFID定位技术

（一）基于到达时间的定位

本法基于无线电磁波传播时间的到达时间法（Time of Arrial，简称 TOA），利用标签与读写器之间无线信号的传播时间进行测距。假设信号从标签发射到读写器接收用时t秒，读写器和电子标签之间的距离为d，由于射频信号的传播速度接近光速C，则d=C×t，按照这种方法，可获取三个读写器到电子标签的距离d1、d2、d3，通過三边定位方法，即可对目标标签进行定位。

到达时间定位TOA定位原理如图1所示，假设三个读写器A，B，C的坐标为（x1，y1），（x2，y2），（x3，y3），目标坐标为（x，y），信号从标签发出到达读写器A，B，C的时间为（t1，t2，t3），则标签到读写器的距离可由式d=C×t得到，根据三边定位原理，根据公式1，求解即可得到目标坐标。

（二）基于到达信号角度定位

本法基于到达信号角度（Angle of Arrival，AOA）定位方法，原理如图2，利用标签的位置角度来判断标签的位置。设读写器A的坐标为（x1，y1），读写器B的坐标为（x2，y2），目标标签坐标（x，y），信号到读写器A的角度为α，到读写器B的角度为β，则可由公式2来确定目标标签位置。

（三）基于信号衰减强度（RSSI）定位

本法基于RSSI 的定位方法通过读写器接收射频标签的信号强度，根据射频信号在空中的衰减模型，确定读写器与标签之间的距离。射频信号在传播过程中，随着标签和读写器距离增大，射频信号会规律性衰减，按照衰减规律可以将接收信号强度值转换成标签与读写器之间的距离，计算出目标标签的坐标。常用的信号强度衰减模型如公式3：

式中P表示目标标签的RSSI值，P0是读写器的功率，d为目标标签与读写器的距离，d0参考距离通常取1m，与他为信号传输的损耗因子。

比较上述三种基于测距的RFID定位方法可知，基于 TOA 的定位方法需要知道信号的传播时间，必须保证时钟同步，系统开销较大；基于AOA的定位方法对设备的天线提出了很高的要求。基于RSSI 的定位算法相对简单，不需要添加额外的设备，通过无线射频信号的衰减模型可以计算电子标签与阅读器的距离，比较适合复杂的校园环境，完成定位任务。但是，射频信号的衰减受环境因素影响会导致定位误差增大，因此需要对复杂校园环境下RSSI定位算法的影响因素进行分析，从而对基本衰减模型进行改进。

二、RSSI定位算法影响因素分析

（一）信号多径干扰

射频信号是一种电磁波，信号发射之后，会经过多种路径而出现反射现象，导致接收端接收到的信号也会因多次反射路径的不同使电磁波信号相位发生很大变化，校园建筑物较多，绿化也较多，信号传播过程中反射的物体性质不同，产生的反射波也不同，这就造成接收方接收到的电磁波的相位和幅值都是不确定的，接收端接收到的波就变成多路径反射回来的合成波，对RSSI值有一定的影响。

（二）非视距传播干扰

RFID射频信号传播过程中，标签和读写器之间一般存在障碍物，不能以直线距离传播，只能通过散射、反射以及绕射等方式传播，这种非直线距离的传播直接影响到标签与读写器的计算距离，使其远远大于射频信号传播的直接距离。在校园复杂环境场景中，变建筑、绿化以及人员集中等因素的影响，增大了非视距干扰，继而影响RSSI值。

（三）人体对信号传播的干扰

校园定位的主要对象是学生，标签大部分情况下由学生携带。人体构成中水分构成占人总构成的70%～80%，与人体谐振频率值大约在 30MHz～3GHz，与标签与读写器的通信频率有重合，无线射频信号会因与人体产生的谐振而被部分吸收，使传播过程中的信号衰减。校园学生群体密度较大，学生携带标签也会因人体遮挡而产生干扰，对RSSI值产生影响。

（四）其他干扰

校园人员密集，存在各种无线电波，RFID信号会受到其他电磁波的干扰，造成读写器接收信号误差，对RSSI值产生一定干扰。

三、 RSSI衰减模型优化

通过以上RSSI影响因素分析，将RSSI基本衰减模型进行改进优化，如公式4：

式中N是环境因素损耗参数，与环境损耗因子和影响因素的权重有关，是在不同的因素影响下的一个已知的定值。设信号多径干扰，非视距传播干扰，人体干扰和其他干扰影响因素的损耗因子分别为a1，a2，a3，a4，各自权重分别为n1，n2，n3，n4，则N=a1×n1+a2×n2+a3×n3+a4×n4。P（d）为距离为d下的RSSI值，P（d0）为距离为d0下的RSSI值，d0一般取1m。δ是均值为0，标准差正态分布的随机变量。

根据分析的影响因素之间的相对重要性，确定因素两两对比的重要性值，构造影响因素判断矩阵，如公式5：

用SPSS软件，采用层次分析法对RSSI影响因素分配不同的权重，并得到一致性检验结果。

理想情况下，同一位置RSSI值应保持不变，但由于校园室外环境存在不确定性，受影响因素干扰，RSSI值会存在一些波动，测量到的RSSI 值也不精确，与真值之间存在一定偏差。RSSI 值分布规律适用于概率学及统计学的高斯概率模型，为了进一步去除干扰，可采用高斯滤波算法，对某一位置RSSI值进行处理，使最终输出的结果更接近真实值。高斯滤波算法拟合模型如公式6：

其中：

式中，k为目标标签处RSSI的采样次数，采样次数越多，得到的RSSI值越符合高斯分布，若将 RSSI 多次信号值输入到高斯滤波拟合函数中，因为拟合函数为非线性函数，计算量变大会导致模型抗干扰能力变差，可以用高斯滤波算法对 RSSI采样数据进行筛选，计算公式为公式9、公式10。

式中，k 为保留的数据数；M为保留数据的百分比；U为数据的总数。M值过小会使数据真实性受到影响，所以在执行算法时要动态改变数据保留的k值。

四、算法仿真分析

利用Matlab仿真软件，通过对改进优化的RSSI环境影响因素损耗模型仿真RSSI信号，取d0=1m，δ 为0，a1=3.5，a2=2，a3=1.5，a4=1，同时将读写器和标签放置在两个不同的实验室，测量读写器与标签为10m时50次RSSI值。将每次计算的RSSI值输入到未优化基础RSSI衰减模型，对改进优化的RSSI损耗模型进行仿真，得到結果如图3。

可以看出基础RSSI衰减模型误差平均值为2.23m，优化后的RSSI衰减模型平均误差为1.89m。对距离为10m的RSSI值进行滤波，发现滤波次数对仿真结果有一定影响，经过高斯滤波处理后，优化后RSSI衰减模型定位的误差如图4所示。从图中可以看出，滤波次数对误差有一定影响，且滤波50次左右时，误差波动较小。

五、结语

RFID技术已广泛应用于各行各业。本文基于RFID定位技术，对TOA、AOA、RSSI定位进行了阐述，结合校园环境复杂，人员密集等特点，在分析影响因素的基础上，改进了RSSI基本信号衰减模型，通过高斯滤波算法进行优化、仿真。仿真结果表明，改进的模型和算法提高了传统模型的定位精度。由于本文的仿真是在实验室进行的，和真实的校园环境相比还有一定的差异性，后续将进一步改进仿真环境，使其更接近复杂的校园环境。

参考文献：

［1］ 田定书. RFID室内定位算法研究［D］. 北京：北京邮电大学，2013.

［2］ 黄凤英，夏靖波. 超高频RFID不同信号特征参数的室内定位方法［J］. 福州大学学报（自然科学版），2022，50（01）：39-46.

［3］ 汪国庆. 基于RSSI的无线传感器网络室内定位算法设计与优化［D］. 合肥：合肥工业大学，2018.

［4］ Mansor H，Fadzir T M A M，Gunauan T S，et a1. Safety and Security Solution for School bus through RFID and GSM Technologies［J］. Indonesian Journal of Electrical Engineering and Computer Science，2020，17（02）：804-814.

［5］ 黄喜元. 基于RFID的实时精准定位技术研究［D］. 西安：西安电子科技大学，2021.

［6］ 孟勋. 基于物联网的智慧校园建设［J］. 中国科技信息，2019（07）：59-60.