一种RFID标签定位方法及装置制造方法及图纸

本发明专利技术公开了一种RFID标签定位方法及装置，方法包括以下步骤：S10，获取指定RFID标签的状态数据；S20，对每组采集到的数据进行位置信息标注作为训练集；S30，根据训练集训练定位模型；S40，当需要定位的标签出现在检测区域时，定位装置根据标签的状态数据计算标签位置。本发明专利技术多台RFID读写器同时获取指定RFID标签的状态数据，使用位置信息对采集到的数据进行标注，从而获取到训练数据；使用训练数据训练位置计算模型，当设备部署后，位置计算模型根据配置计算指定RFID标签的位置。

【技术实现步骤摘要】
一种RFID标签定位方法及装置
本专利技术属于通信
，尤其涉及一种RFID标签定位方法及装置。
技术介绍
RFID射频识别是一种非接触式的自动识别技术，它通过射频信号自动识别目标对象并获取相关数据，识别工作无须人工干预，可工作于各种恶劣环境。RFID技术可识别高速运动物体并可同时识别多个标签，操作快捷方便。现在RFID标签已广泛应用在航空、服装、物流等领域，RFID可以实现对应货物的盘点、入库、出库等问题，节省了大量的人工。但是有很多场景，例如机场的行李标签在过安检时需要获取其位置信息并进行比对，如何获取RFID标签的位置是现有技术需要解决的问题。现有技术中也可以计算RFID标签的位置，通过调节读写器的信号强度，判断标签所处的大概位置。但是这种方法的定位精度比较低，并且由于RFID的多径效应信号受环境干扰较大，实际的实施效果无法保证。
技术实现思路
有鉴于此，本专利技术提供了一种RFID标签定位方法和装置，包括以下步骤：S10，获取指定RFID标签的状态数据；S20，对每组采集到的数据进行位置信息标注作为训练集；S30，根据训练集训练定位模型；S40，当需要定位的标签出现在检测区域时，定位装置根据标签的状态数据计算标签位置。优选地，所述RFID标签的状态数据包括序列号、相位、信号强度、和时间戳。优选地，将所述获取指定RFID标签的状态数据以矩阵的方式存入数据存储模块。优选地，所述序列号采用EPC编码。优选地，所述信号强度采用接收信号强度指示。优选地，所述对每组采集到的数据进行位置信息标注作为训练集中，先对采集到的的数据进行清洗处理，去除有缺失或者差值大的数据。优选地，所述对每组采集到的数据进行位置信息标注作为训练集中，在每组采集到的数据之后增加x,y值，其中，x,y是需要定位的空间坐标值。优选地，所述根据训练集训练定位模型，为对采集到的数据构建循环神经网络使用循环神经网络算法。基于上述目的，本专利技术还提供了一种上述方法中采用的RFID标签定位装置，其特征在于，包括依次连接的数据获取模块、数据存储模块、数据计算模块和数据输出模块，其中，所述数据获取模块，用于获取指定RFID标签的状态数据；所述数据存储模块，用于存储所述数据获取模块获取的所述指定RFID标签的状态数据；所述数据计算模块，用于所述指定RFID标签的状态数据进行位置计算模型的训练以及训练后的结果的存储；所述数据输出模块，用于所述位置计算模型针对指定RFID标签状态数据计算后的位置输出。优选地，所述数据获取模块包括第一读取单元、第二读取单元、第三读取单元和第四读取单元，均用于通过无线通信协议读取指定标签的状态数据，位置均不同。与现有技术相比，本专利技术公开的RFID标签定位装置及方法，相比于现有技术，本专利技术多台RFID读写器同时获取指定RFID标签的状态数据，使用位置信息对采集到的数据进行标注，从而获取到训练数据。使用机器学习技术使用训练数据训练位置计算模型，当设备部署后，位置计算模型根据配置计算指定RFID标签的位置，使用RFID标签的相位、信号强度和时间戳计算标签的位置信息，从而解决了RFID标签的室内定位问题。附图说明为了使本专利技术的目的、技术方案和有益效果更加清楚，本专利技术提供如下附图进行说明：图1为本专利技术实施例RFID标签定位方法的步骤流程图；图2为本专利技术实施例RFID标签定位装置的结构框图；图3为本专利技术实施例RFID标签定位方法中循环神经网络模型图。具体实施方式下面将结合附图，对本专利技术的优选实施例进行详细的描述。方法实施例参见图1，包括以下步骤：S10，获取指定RFID标签的状态数据；S20，对每组采集到的数据进行位置信息标注作为训练集；S30，根据训练集训练定位模型；S40，当需要定位的标签出现在检测区域时，定位装置根据标签的状态数据计算标签位置。具体实施例中RFID标签的状态数据包括序列号、相位、信号强度、和时间戳。S10中将所述获取指定RFID标签的状态数据以矩阵的方式存入数据存储模块。通过RFID读写器采集数据，主要采集三相位、信号强度、时间戳、标签序列号，采集后数据以矩阵的方式存入存储设备，序列号采用EPC编码，信号强度采用接收信号强度指示（RSSI），相位用相位值表示，时间戳即当时的时间。S20中，对每组采集到的数据进行位置信息标注作为训练集中，先对采集到的的数据进行清洗处理，去除有缺失或者差值大的数据。再进行标注：在每组采集到的数据之后增加x,y值，其中，x,y是需要定位的空间坐标值。S30中，根据训练集训练定位模型，为对采集到的数据构建循环神经网络使用循环神经网络算法，循环神经网络模型参见图3，其中，输入层（InputLayer）负责接收输入及分发数据到隐藏层（HiddenLayer）。隐藏层负责所需的计算及输出结果给输出层（OutputLayer），而输出层给出最终结果。现有技术多是针对一台读写器采集到的数据进行分析，本专利技术使用天线阵列对采集到的数据进行分析，首先数据分析量上会有很大提高，对系统计算性能要求比较高。另外现有技术针对的是移动的RFID产生的相位值变化进行计算，而本专利技术分为两部分，一部分是对静态数据进行分析，另外一部分是针对每个读写器获取到的动态数据进行计算，最终计算出位置信息。基于上述目的，本专利技术还提供了一种上述方法中采用的RFID标签定位装置，包括依次连接的数据获取模块10、数据存储模块20、数据计算模块30和数据输出模块40，其中，数据获取模块10，用于获取指定RFID标签的状态数据；数据存储模块20，用于存储所述数据获取模块10获取的所述指定RFID标签的状态数据；数据计算模块30，用于所述指定RFID标签的状态数据进行位置计算模型的训练以及训练后的结果的存储；数据输出模块40，用于所述位置计算模型针对指定RFID标签状态数据计算后的位置输出。具体实施例中数据获取模块10包括第一读取单元、第二读取单元、第三读取单元和第四读取单元，均用于通过无线通信协议读取指定标签的状态数据，位置均不同。数据计算模块30，用于标注存储数据的位置信息；对标注后的存储数据进行计算生成合适的位置计算模型；生成的位置计算模型存储在数据存储模块20中。数据输出模块40调用数据计算模块30，针对需要计算的标签状态数据进行计算，并输出标签位置信息。当有多个标签状态数据时，可以计算多个标签的相对位置并输出。多台RFID读写器组成的天线阵列同时获取指定RFID标签的状态数据，使用位置信息对采集到的数据进行标注，从而获取到训练数据。使用机器学习技术使用训练数据训练位置计算模型，当设备部署后，位置计算模型根据配置计算指本文档来自技高网...

【技术保护点】
1.一种RFID标签定位方法，其特征在于，包括以下步骤：/nS10，获取指定RFID标签的状态数据；/nS20，对每组采集到的数据进行位置信息标注作为训练集；/nS30，根据训练集训练定位模型；/nS40，当需要定位的标签出现在检测区域时，定位装置根据标签的状态数据计算标签位置。/n

【技术特征摘要】
1.一种RFID标签定位方法，其特征在于，包括以下步骤：
S10，获取指定RFID标签的状态数据；
S20，对每组采集到的数据进行位置信息标注作为训练集；
S30，根据训练集训练定位模型；
S40，当需要定位的标签出现在检测区域时，定位装置根据标签的状态数据计算标签位置。


2.根据权利要求1所述的方法，其特征在于，所述RFID标签的状态数据包括序列号、相位、信号强度、和时间戳。


3.根据权利要求1所述的方法，其特征在于，将所述获取指定RFID标签的状态数据以矩阵的方式存入数据存储模块。


4.根据权利要求2所述的方法，其特征在于，所述序列号采用EPC编码。


5.根据权利要求2所述的方法，其特征在于，所述信号强度采用接收信号强度指示。


6.根据权利要求1所述的方法，其特征在于，所述对每组采集到的数据进行位置信息标注作为训练集中，先对采集到的的数据进行清洗处理，去除有缺失或者差值大的数据。


7.根据权利要求6所述的方法，其特征在于，所述对每组...

【专利技术属性】
技术研发人员：吴思凯，刘海洋，王颢，
申请(专利权)人：上海哲山科技股份有限公司，
类型：发明
国别省市：上海;31