The invention relates to an artificial neural network ANNs RFID indoor positioning system and method based on the method comprises the following steps: constructing the offline stage positioning area of data acquisition, data processing, training database and ANNs indoor location model, which according to the statistical data of signal characteristics, noise filtering and data normalization the original data using the Gauss filter principle; on-line real-time signal acquisition, data preprocessing and data pretreatment of ANNs indoor location positioning construction of real-time input to the off-line phase model, the target real-time output position. The system comprises a passive RFID tag, an RFID reader and a computer terminal. Compared with the prior art, the present invention has the advantages of high noise filtering pretreatment, high positioning accuracy, short Gauss filtering process, strong anti-interference ability, low cost and strong real-time positioning.
【技术实现步骤摘要】
一种基于人工神经网络的RFID室内定位系统与方法
本专利技术涉及无线网络和无线通信定位
,尤其是涉及一种基于人工神经网络的RFID室内定位系统与方法。
技术介绍
继计算机网络、移动网络和互联网络浪潮之后,以“智能化”为核心的物联网成为了信息化产业发展的又一大巨浪,而作为物联网领域中的室内位置服务(LocationBasedService,LBS)由于在室内导航、人员跟踪、货物定位及紧急救援等方面的优势,日益受到了人们的青睐,并呈现出广阔的市场价值及商业应用前景,如大型商场中消费者的需求导航、智慧机场行李的位置跟踪、智能监狱中犯人的位置信息实时监测和大型仓库中货物的位置跟踪等。在空旷的环境下,GPS能实现对物体的高精度定位,是迄今应用最好的室外移动导航定位系统。然而,在室内和地下等环境,由于混凝土等障碍物对电磁波的阻挡、吸收及各种不规则物体对电磁波的削弱等,使得GPS测量存在较大的定位误差,定位精确度受到限制;另外由于GPS的耗电量巨大,使得它一般只在车载或是不缺电的场合下才会24小时使用。鉴于GPS在室内空间定位的以上缺陷及人们对定位服务的需求,加速了LBS的蓬勃发展。同其他主要的室内定位传感技术(如蓝牙、WiFi、红外和UWB等)相比,射频识别(RadioFrequencyIdentification,RFID)定位技术具有定位精度高、成本低廉、使用方便、物理性能优越和携带信息量大等优点,具有巨大的发展应用潜力。目前,国内外众多学者针对室内的位置服务提出了很多不同的定位算法,主要包括指纹匹配法、几何测量法和近似法。但由于室内布局的复杂性及信号多径传 ...
【技术保护点】
一种基于人工神经网络的RFID室内定位方法,其特征在于,该方法包括以下步骤:S1、离线阶段定位区域数据采集:RFID标签按照一定的规则布置于定位区域,RFID阅读器接收各RFID标签的信号强度值RSSI,并记录RFID标签所在位置,获得含噪声的原始训练数据集;S2、离线阶段原始数据预处理:根据高斯滤波原理对原始数据进行噪声数据高斯过滤和数据归一化预处理;S3、离线阶段训练数据库的建立:将离线阶段预处理后的数据重新组成新训练数据集;S4、离线阶段ANNs室内位置定位模型构建:计算机利用新训练数据集对ANNs定位模型进行训练;S5、在线阶段实时信号获取:当携有RFID标签的待定位目标进入到定位区域内时,RFID阅读器获取该标签的RSSI信息和ID号,并传输至计算机,计算机对接收到的信息进行处理并构建该RFID标签自身的实时信息库;S6、在线阶段数据预处理:根据高斯滤波原理对实时信息进行噪声数据高斯过滤和数据归一化预处理;S7、在线阶段实时位置精确预测:将在线阶段预处理后的数据实时输入到离线阶段所构建的ANNs定位模型中,实时输出该待定位目标的位置。
【技术特征摘要】
1.一种基于人工神经网络的RFID室内定位方法,其特征在于,该方法包括以下步骤:S1、离线阶段定位区域数据采集:RFID标签按照一定的规则布置于定位区域,RFID阅读器接收各RFID标签的信号强度值RSSI,并记录RFID标签所在位置,获得含噪声的原始训练数据集;S2、离线阶段原始数据预处理:根据高斯滤波原理对原始数据进行噪声数据高斯过滤和数据归一化预处理;S3、离线阶段训练数据库的建立:将离线阶段预处理后的数据重新组成新训练数据集;S4、离线阶段ANNs室内位置定位模型构建:计算机利用新训练数据集对ANNs定位模型进行训练;S5、在线阶段实时信号获取:当携有RFID标签的待定位目标进入到定位区域内时,RFID阅读器获取该标签的RSSI信息和ID号,并传输至计算机,计算机对接收到的信息进行处理并构建该RFID标签自身的实时信息库;S6、在线阶段数据预处理:根据高斯滤波原理对实时信息进行噪声数据高斯过滤和数据归一化预处理;S7、在线阶段实时位置精确预测:将在线阶段预处理后的数据实时输入到离线阶段所构建的ANNs定位模型中,实时输出该待定位目标的位置。2.根据权利要求1所述的一种基于人工神经网络的RFID室内定位方法,其特征在于,步骤S2和步骤S6中的噪声数据高斯过滤预处理过程具体为:a)信号强度值RSSI与高斯函数的关系如下:其中,RSSIj,lk为RFID阅读器的第l个天线在某段连续时间内第k次测量第j个标签的RSSI信息;Fl={RSSIj,l1,RSSIj,l2,…,RSSIj,lk},l=1,2,…,m,m≥4...
【专利技术属性】
技术研发人员:王昌志,史志才,吴飞,
申请(专利权)人:上海工程技术大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。