网站首页  词典首页

请输入您要查询的论文：

　

标题 应用于物联网设备的无线射频识别定位技术研究
范文 张静　张庆伟　王开宇　李鹏　傅振宇



摘 要： 为了解决物联网设备的定位问题，提出一种基于无线射频识别（RFID）技术的定位算法。该算法不依赖于不可靠的读写器功率扫描以及基于抵达方向的复杂方法，而是运用RFID标签对不同阅读器的反应来确定物联网设备的位置。首先，分析了提出算法在RFID阅读器位置已知场景中的应用方法；然后拓展到物联网设备和RFID阅读器的位置都是未知的场景中，此外，对网络中阅读器的数量设定了界限，以便获得可靠的定位结果。实验结果表明，提出的射频定位算法能够实现物联网设备的高度精确定位。
关键词： 物联网设备； 定位算法； 射频识别； 被动标签
中图分类号： TN92?34 文献标识码： A 文章编号： 1004?373X（2017）05?0029?04
Abstract： In order to solve the positioning problem of the Internet of Things devices， a positioning algorithm based on radio frequency identification （RFID） technology is proposed. The algorithm doesn′t depend on the unreliable reader?writer power scan and complex method based on arrival direction， but uses the RFID tag to determine the location of the Internet of Things devices according to the response of the different readers. The application method of the algorithm used to the known scene of the location of the RFID reader is analyzed， and then expanded to the unknown scene of the location of the RFID reader. The boundary for the quantity of the reader in the network is set to obtain the reliable positioning results. The experimental results show that the RFID positioning algorithm has high positioning accuracy for the Internet of Things devices.
Keywords： Internet of Things device； positioning algorithm； RFID； passive tag
0 引 言
物聯网（Internet of Things，IoT）对许多企业和个人产生了重大的影响[1]，一直广泛应用于各种行业中，包括消费行业、零售行业、医疗行业、政府制造行业以及运输行业[2]。物联网的一些应用案例还包括智能电器、自动化的公共交通、远程健康监测、数字标牌、车联网以及空中交通监控等。
物联网是指机器与机器（Machine To Machine，M2M）之间安全地进行交互的技术。通常假设有一个三层结构的物联网系统[3]。这些层结构分为传感层、数据通信层以及应用程序层。最常见的物联网设备均配备定位技术，比如GPS等。然而，这些系统受到物理约束，如不能在室内以及高干扰场景中操作，或实现这些系统的成本过高等，从而限制了物联网设备定位技术的利用率。
射频识别已经成为物联网的基本架构之一[4]。由于实施成本较低，射频识别已经得到广泛使用。本文提出一种采用被动RFID（Radio Frequency Identification）标签的解决方案，允许物联网设备获得它们在同一个网络中的精确位置。在提出的算法中，将主动阅读器和被动标签应用于射频识别系统中。主动阅读器传递一个询问信号，接收到该信号的标签开启以身份验证信息来应答。该算法不依赖于不可靠的读写器功率扫描[5?6]以及基于抵达方向的复杂方法[7]，而是运用RFID标签对不同阅读器的反应来确定物联网设备的位置。该射频识别系统配置的主要优点是标签的成本低。标签可以被附加到很多设备上，并不需要电源。缺点是范围有限，标准的范围高达50 m。本文为物联网提出一种计算效率高和可伸缩的定位算法。此外，还为提出的定位算法所产生的误差设定分析性的界限。
1 系统模型
假设在一个正方形区域内，分布着[N]个配备被动射频识别标签的物联网设备。使用[M]个射频识别阅读器来询问标签。假设服务器知道标签的数量。如果不是这样，那么服务器常常可以通过阅读器接收到的认证信号来填充标签的列表。
在每一个时隙中，阅读器都会发出一个询问信号（在超高频波段内）。在阅读器的范围[d]内，被动的标签可以将询问信号反向散射给阅读器，然后阅读器可以探测到该询问信号。每个阅读器覆盖的面积都要比[A]小得多，也就是说，[d2?A]。每个阅读器在接收到标签反向散射的验证信号后，都会将收到的验证信号发送到中心服务器。假设在阅读器和中心节点之间存在一个可靠的信道[8]。不失一般性，假设服务器位于原点，而且标签的定位要考虑到中心服务器。阅读器[j]的位置表示为[x′j，y′j，]射频识别标签[i]的位置表示为[xi，yi]。
从每个阅读器收到标签列表之后，中心服务器都会为每个阅读器创建一个相邻向量，即对于阅读器[j=][1，2，…，M，]相邻向量为[aj。]相邻向量是一个[N]维二进制的向量，可以确定能被阅读器探测到的标签。具体来说，[aj=aj，1，aj，2，…，aj，N，]如果阅读器[j]可以检测到标签[i]， 那么[aj，i=1]， 否则[aj，i=0]。
用一个模糊函数[ei]来表示提出算法的性能，这是为每一个标签[i]作出的定义[9?10]。如果服务器能够精准定位一个标签，那么该标签的定位模糊度将是零。另一方面，如果没有一个阅读器可以验证标签[i]，那么它可以在区域[A]内的任何地方，该区域内没有阅读器的覆盖。这就导致模糊度的产生（即[ei≤1]）。
2 射频定位算法
本节在两种不同的场景中介绍提出的射频定位算法。在第一种场景中，射频识别定位阅读器的位置在服务器中是已知的。然而在第二种场景中，射频识别阅读器和标签的位置都是未知的。第二种场景的结果会有转化和旋转模糊度，因此还需要一些锚点来准确地确定设备的位置[11]。
2.1 阅读器位置已知
本节提出射频定位算法的逻辑框图，如图1所示。应用于[x′j，y′j]是已知的情况下，[j=1，2，…，M。]在这个场景中，阅读器作为标签范围内的一个锚节点。
对于标签[i]而言，中心节点决定了阅读器的数量，[ni]表示已经验证的标签[i]的数量，可表示为[ni=aj1]。那些没有经过任何阅读器验证的标签都不能定位（不在任何阅读器覆盖的区域A中）。利用式（1）可以获得每个标签的位置：
式（1）中，如果只有一个阅读器验证标签，那么服务器就会将标签的位置设置成和验证该标签的阅读器相同的位置。这可能会对标签的位置产生重大的误差（高达[2d]）。然而通过增加每个标签的阅读器数量，定位的误差将会降低。但是当标签是由两个或两个以上的阅读器进行检测时，误差是微不足道的。下文中提出的引理用于计算在标签被两个阅读器检测的情况下，定位误差的平均值。
引理1 [E（S）]表示交集区域[S]的平均值，两个圆的半径均为[d，]两个圆的相互随机距离为[r，]可以得出以下结论：
证明：两个半径为[d]相交的圆之间的距离是一个均匀分布的随机变量，用[R]表示，数值可以介于0～[2d]之间。两个圆之间距离为[r，]两个半径为[d]的圆之间的区域可以表示为：
因此，[E（S）]表示交集区域的平均值，两个圆圈之间的交集[S]可以表示为（假设[fr]为随机变量[r]的概率分布）：
从引理1可以看到，只有两个阅读器验证一个标签的情况下，该标签的模糊度函数才会大幅减少。同时，很明显看到对于标签[i]而言，模糊度函数[ei]表示每次可以认证标签的阅读器数量的递减函数。
假设每个标签至少都有两个阅读器可以成功验证该标签，在所有标签中的平均模糊度函数表示为[e，][e≤3d24A?1]。在阅读器数量很高的特殊情况下，这一结果符合预期值。
在引理2中得到了覆盖所有标签所需要的阅读器最小数量，至少要有两个阅读器，概率为[1-ε]。
引理2 [M]表示圆圈的最小数量，半径为[d]，在正方形区域[A]内，圆圈至少可以覆盖任意点两次（[d2?A]），概率至少为[1-ε]，表示如下：
2.2 阅读器位置未知
如果阅读器的位置是未知的，那么就不可能应用在前一节介绍的算法中。在这种情况下，不仅存在着定位模糊的问题，还带来旋转和转化模糊度的问题。为了避免这些模糊度的产生，必须具备集合节点。在理论上有三个集合节点就可以满足每个位置上每个阅读器的需求。集合节点是服务器上有固定的已知位置的标签。例如一些固定的目标环境可以被添加标签，比如在室内场景中建筑物的柱子或在室外配置的消火栓，因此当阅读器在这些标签附近时，就可以确定它们的位置，显然由于物理约束的问题，集合可能不是均匀随机地分布。阅读器可能仍有一个相当大的定位模糊度，这将转入标签的定位问题中。对于阅读器位置未知的问题设置如图2所示。
3 实验结果
本节进行仿真实验以便评估提出射頻定位算法的性能。模拟的面积为100 m×100 m。在此区域内随机均匀分布了[N=]200个RFID标签，和[M=]100个相同的RFID阅读器，可靠的范围为[d=10]m。此外，在每个时隙内所有阅读器都会在其范围内询问所有的标签。在超过100个时隙后得到了仿真结果。
在阅读器位置已知和未知的两种场景中，仿真实验的最终结果如图3，图4所示，分别描述了随着阅读器的范围以及标签数量的增大，所有标签的定位模糊度平均值[e]的结果。在阅读器位置未知的情况下，假设有10%的节点为锚节点。可以看到，当阅读器的范围很小时，会面临一个较大的定位模糊度，这是因为接收到的标签数量少，可以得到每个阅读器的验证。
4 结 论
本文提出一种基于RFID技术的定位算法，可以应用于物联网设备定位。该算法不依赖不可靠的读写器功率扫描以及基于抵达方向的复杂方法，而是运用RFID标签对不同阅读器的反应来确定物联网设备的位置。数值实验的结果表明，运用本文提出的射频定位算法可以实现高度精确的物联网设备定位。
参考文献
[1] 刘熙，刘开华，马永涛，等.多径环境下无源超高频RFID定位算法研究[J].计算机工程，2014，40（8）：33?37.
[2] ZHANG D Q， YANG L T， CHEN M， et al. Real?time locating systems using active RFID for Internet of Things [J]. IEEE systems journal， 2016， 10（3）： 1226?1235.
[3] 汪冬，葛万成，莫国民，等.基于参考标签可信度和偏差自校正的RFID室内定位算法[J].计算机应用，2014，34（11）：3170?3172.
[4] LI X F， XI L Y， HUANG Y. RFID?based localization and tracking technologies [J]. IEEE wireless communications， 2011， 18（2）： 45?51.
[5] 贾若，张琨，张磊.自适应RFID室内定位算法研究[J].计算机仿真，2014，31（9）：33?37.
[6] 李军怀，贾金朋，王怀军，等.基于信号强度差的RFID室内定位研究[J].计算机科学，2015，42（11）：154?157.
[7] 殷桂华，王小辉，雷毅谈.基于TDOA的室内运动目标双曲线RFID定位方法[J].计算机应用，2014（z2）：52?54.
[8] YANG P， WU W， MONIRI M， et al. Efficient object localization using sparsely distributed passive RFID tags [J]. IEEE transactions on industrial electronics， 2013， 60（12）： 5914?5924.
[9] 沈郭浩，马永涛，刘开华，等.非视距环境下室内RFID标签定位算法研究[J].计算机工程与科学，2016，38（3）：454?459.
[10] 温佩芝，苏亭婷，李丽芳，等.基于粒子群的射频识别定位算法[J].计算机工程与科学，2014，36（5）：917?922.
[11] 吴杰，冯锋，丁志义.基于RFID与WSN融合技术的井下定位算法研究[J].计算机工程与设计，2014（7）：2278?2282.
[12] 马朝华，程新根.基于射频识别技术的过滤分离器安全保障系统[J].物联网技术，2015，5（11）：74?76.
随便看

　

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。

　

Copyright © 2004-2023 puapp.net All Rights Reserved
更新时间：2024/12/22 19:47:32