基于无源RFID标签的实时对象定位系统的设计与实现外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

基于无源RFID标签的实时对象定位系统的设计与实现

Han-Yen Yu, Jiann-Jone Chen, Member, IEEE, and Tien-Ruey Hsiang, Member, IEEE

摘要：我们研究如何充分利用射频实时定位系统（RTLS）的识别技术。一种新的控制方法，通过阅读器定位跟踪标签功率控制和候选区域交叉（LOCTREC），已经提出通过改进RTLS估计精度来提高从估计过程中消除琐碎的标签信息。多级读卡器以多功能级别进行部署和操作逐步细化目标标签区域以获得准确的位置估计。为了增强LOCTREC，可视标签插值采用算法进一步细化标签网格以增强位置估计。实验表明，估计错误比LANDMARC和的差异小70％，SpotON部署有规律间隔的参考标签以确定信号强度。为了直观地显示结果，视频监控模块与RTLS集成在一起根据上下文感知服务呈现定位的对象。可以开发一个智能轮椅（SWC），具有友好的用户环境控制界面。可使SWC用户像其他他健康的人一样正常地与他的生活环境互动。

关键词：射频识别（RFID），实时定位系统，标签干扰，多功率级RFID阅读器，视觉渲染。

1. 引言

为了开发以人为本的智能轮椅（SWC），设计目标一直在改进适应不同用户的机械可控性，我们建议加强其与人类环境互动（HEI）能力。对于一个配备了一个的SWC计算机辅助图形用户界面（GUI），集成计算机视觉技术，RFID识别和平移 - 倾斜 - 变焦（PTZ）摄像机控制，使用户能够进行交互与正常人一样的生活环境[1]。如图所示在图1中，SWC-GUI帮助用户与生活进行交互具有发达功能的环境，包括寻求，在自由空间中定位和发现物体，远程保健，弱视力辅助，远程开关控制和用户配置管理。对于定位对象位置，它必须建立一个控制PTZ摄像机的视觉监控系统渲染对象和空间位置信息。找到自由空间中的物体，基于RFID的实时位置开发系统（RTLS）以估计其空间位置然后调整PTZ摄像机以发现周围环境用于视觉渲染的对象空间。这个对象的位置和定位系统可以经济有效地实施与有源RFID标签相比，例如ZigBee，因为无源标签很便宜并且可以大规模部署不消耗电力。对于SWC用户，距离为然后只需点击一下即可获得所需的对象自动SWC导航到对象位置。RTLS通常是指与之协作的一组传感器彼此识别和定位跟踪对象（包括人）实时。它已被广泛应用于自动化领域资产位置和库存系统，快速库存审计和管理，以及零售业中非常明显的特定项目中心和制药[2]。现有的应用程序RTLS用于跟踪预先标记的合法对象[3]。可以实现对仓库的安全访问通过视频监控偶尔进行异常侵入[4]。实现简单性，可扩展性和成本效益资产跟踪和本地化，基于RTLS的智能货架利用UHF RFID标签定位物体[5]。还有许多可以准确跟踪的医疗保健应用程序患者的位置或运动，以防止潜在的不安全的事件[6]。

手稿于2015年1月30日收到; 2015年4月15日修订; 公认2015年5月3日。出版日期2015年5月12日; 当前日期版本于2015年7月13日。这项工作得到了该部的支持NSC 100-2221-E-011-156和授予NSC 102-2221-E-011-036。 副主编协调审查本文的批准和批准它的出版是M. R. Yuce博士。H.-Y. Yu和J.-J. 陈是电气工程系，台湾科技大学台北10607（电子邮件：d9607309@mail.ntust.edu.tw; jjchen@mail.ntust.edu.tw）。T.-R. Hsiang是国立台湾科技大学计算机科学与信息工程系，台湾台北10607（电邮：trhsiang@mail.ntust.edu.tw）。可以使用本文中一个或多个图的颜色版本在线访问http://ieeexplore.ieee.org。数字对象标识符10.1109 / JSEN.2015.2432452

图1.使用户能够与环境交互的智能轮椅系统。

图2.一种智能空间包括PTZ摄像机和基于RFID的RTLS。

在我们的工作中，RTLS指的是RF信号的使用用于实时定位和跟踪标记对象。该系统包括PTZ摄像机和基于RFID的实时位置模块，如图2所示.RTLS可以帮助搜索附有标签的所需对象，例如RFID标签。该从标签返回的RF信号将被接收超过感知网络中的一个读者[7]。我们建议定位通过rEader功率控制和候选者来执行标记区域交叉点，缩写为LOCTREC，可以快速准确地估计物体位置。准确地说找到一个目标对象，必须设置几个RFID阅读器并定期部署许多参考标签间隔。此外，RFID阅读器的功能也可以调整使得可以调整信号覆盖区域消除不必要的参考标签以进行精确估算。RFID阅读器从标签收集响应信号估计附加跟踪的目标对象的位置标签。执行具有多个参考的位置功能点（例如RFID标签）需要它们之间的距离感觉网络中的参考点是事先已知的精确定位标签。与之前的位置相比估计方法，确定的标签数量在物体标签附近将大大减少和估计精度可以提高。本文的其余部分安排如下：第二部分，以前关于空间物体位置的工作进行了审查基于RFID的物体定位的挑战和操纵系统在第三节中描述。第四节描述建议的位置识别方法，LOCTREC和实验结果，从中如何利用视觉监控系统呈现位置信息也有描述。第五节介绍了所提方法的目标定位性能以及与其他方法的比较RTLS方法。第六节总结了本文。

1. 目标定位识别方法

物体定位系统可以基于GPS进行，手机跟踪系统，Wi-Fi定位系统和RFID定位技术。 GPS适用于户外定位，很难用于室内定位阴影效果会降低或消除强度卫星信号已经进行了几项研究设计用于室内定位的无线定位算法系统，如无线传感器网络（WSN）[8]，无线局域网（WLAN）[9]和射频识别（RFID）[10]。基于室内定位系统在可用的网络基础设施上可以提供位置精度从1到10米，但要求高复杂度部署。在室内定位的固定设置下，区域覆盖与其估计成反比准确性。 RFID技术提供实时和定位系统的低成本解决方案，利用无线电用于远程识别，跟踪，排序和检测目标的信号对象。在处理中已经提出了几种方法定位RFID标签[11]。接收信号强度指标（RSSI），到达时间（TOA），时差抵达（TDOA）或接收信号短语（RSP）用于定位的响应标签信号。逆合成提出了孔径雷达（SAR）方法来定位移动UHF RFID标签[12]。

一般来说，接收信号强度（RSS）来自发射机将与传输成比例衰减距离。利用该路径损耗特性来指定信号长度与传输之间的关系距离。自由空间下的弗里斯方程由下式给出，

其中Gt和Gr是发送和接收的收益天线分别是lambda;，波长，d是发射器和接收器之间的距离。都lambda;和d以米为单位测量，参考dge;1作为RSS值。在大多数导航系统中，一个已收到信号强度指示（RSSI）代表a的RSS来自发射器的参考点，这只是另一个缩放RSS的代表。等式（1）表明更高RSS值表示较短的信号传输距离，通过哪种关系，即RSS prop;1/d²，a之间的距离可以估计发射器和接收器。让接收者位置是半径为d的圆的中心，并且发射器将位于圆轨迹上的一个​​点上。我们采用RSS关系方程来估计距离从发射器到接收器。一些实时定位方法旨在利用自行设计的RFID设备，用于现实世界的物体位置估计。它们被配置为提高准确性对象位置识别。 SpotON系统[13]是其中一个应用程序并被视为基准在设计RTLS。目标对象位置是通过比较RSS和来自的RSS来估计预部署的传感器。中间件旨在执行分析并输出最终的估算结果。该LANDMARC系统[14]旨在利用RFID阅读器和标签，以执行准确的对象位置估计。建议的室内RTLS是基于LANDMARC框架。要识别标签和位置，有源标签可以将位置信息发送给接收器在LANDMARC中。我们在系统中部署无源标签提高识别准确性，因为可以有更多标签为了成本效益而部署。在LANDMARC系统中，L RFID阅读器天线，I参考标签和J跟踪标签用于对象位置识别。一个例子设置L = 4，I = 8times;8，J = 6，如图3所示。参考标签沿着垂直和水平方向以规则间隔放置。另一种方法[15]划分从这些网格位置进入网格和RSSI预先记录系统以比较a的RSSI跟踪标签与四个读卡器中记录的标签定位物体/人。

图3. LANDMARC系统布局[14]。

令R₁表示第l个读取器, R_l isin; R = {R_l}l=1,2,...,L。在RTLS中，在广播询问信号之后，每个读取器天线R₁将从参考接收RSSI标签，r_i s和跟踪标签，t_j s，表示为S_r和S_t，分别。 对于一个r_i，它的信号响应L读者可以表示为S（r_i）= {S₁（r_i）} l = 1,2，...，L，其中一个t_j的对应关系是S（t_j）= {S_l（t_j）} l = 1,2， ......，L。 对于每个读者，一个r_iisin; {r₁，r₂，...，r_I}和之间的RSS的差异计算一个t_j，然后将其相加以得到最终距离测量：

针对所有r_i s计算距离度量到t_j和一组距离测量可以表示为E = E（t_j）= {E_i} i = 1,2，...，I。 较小的E_i意味着r_i的位置更接近t_j。 消除琐碎估计t_j位置的信息，仅供参考距离度量小于预定义的标签阈值T_E用于位置估计，即E^T = {E_i |E_iisin;E，E_u lt;T_E}。 E^T中的这些E_i s是排序的按升序排列，选择最小的k个元素作为top-S最近参考标记E^〜的集合。 的位置然后可以基于通过加权来估计t_j平均总和。 加权是基于以下等式：

对于较小的E_i，omega;_i将更大，例如标签更接近t_j拥有更重的重量来反映他们的位置估计的优势。 t_j的位置，z〜t（j）=（x〜t（j），y〜t（j）），可以估算

其中z_r（i）=（x_r（i），y_r（i））是r_i的位置。二加强RTLS估计准确性的方法是：（1）改进的LANDMARC与k个最近邻居（kNN）：通过消除琐碎的标签信息，RTLS可以排除那些冗余的降低了估计误差。就这样LANDMARC kNN基于RSSI运行不同的k值偶尔表现出最佳表现。自适应k-最近邻（AKN）算法[16]是提出要比实现更高的精度性能原来的LANDMARC; （2）VIRE系统：改进估计准确性，我们可以部署更多的参考标签较小的网格，但它可能会引起射频干扰伪影会降低RSSI值。 VIRE方法[17]是建议过滤掉不太可能的位置，而无需额外参考标签，它有助于产生更准确的对象位置。可以通过划分来估计网格内的t_j的位置原始网格变成较小的网格。这些插入虚拟标记坐标，作为较小网格的参考标记，可以帮助提高估计准确性而无需额外的硬件成本。

1. 基于RFID的物体位置识别

虽然RTLS在估计对象位置方面很有效，它的完美表现有几个挑战。 在这部分，我们实施的RTLS的实验结果调查环境以揭示这些挑战。

1. 实际系统信号处理特性

要评估LANDMARC的性能，距离计算估计误差以测量精度性能。 估计与实际之间的误差t_j，z^~t（j）和z_t（j）的位置通过以下计算欧几里德距离计算

太多的风险可能无助于提高准确性，因为远离t_j的人会减少贡献甚至介绍错误到最终位置估计。 实验表明LANDMARC无法保证满意的估算精度，当k = 10时，估计误差为0.84m。

1. 挑战

在实际应用中，RF询问信号可能受到影响小规模的褪色和阴影效应，减弱检测到的信号。 褪色效果可能会有所不同时间或地点，检测信号的位置将被确定为更远离t_j。利用对射频信号功率衰减特性，RSSI是有用的用于估计阅读器和标签之间距离的度量标准通过弗里斯方程。 映射到信号的非理想因素衰减的RSSI值包括：

1）天气状况：举一个模糊的一个例子RSSI沿一维300厘米长距离映射如图4所示。在这个实验中，有多个位置演示相同的RSSI值。 对于RSSI值-49dBm和-55dBm，它们映射到两个不同的位置在不同的天气条件下，相隔6和7个单位。

图4.不同天气条件下模糊RSSI图的示例。

图5.不同标签在相同位置的RSSI测量。

图6.由于标签碰撞而留下未识别的标签（白色方块）一个阅读器天线，以及沿覆盖边界的标签

（蓝色方块）由于路径损耗，证明了类似的RSSI值。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[19733]，资料为PDF文档或Word文档，PDF文档可免费转换为Word