【技术实现步骤摘要】
一种基于stacking模型的RFID室内定位方法
[0001]本专利技术涉及室内定位
,尤其是涉及一种基于stacking模型的RFID室内定位方法。
技术介绍
[0002]RFID技术通过射频信号识别目标标签并获取标签数据,作为物联网发展的主力军之一,RFID具有体积小、成本低、非视距识别等特点,使得RFID技术在仓库存储、工业生产、图书管理等领域广泛应用。随着物联网的进一步发展,能否精确获取物体位置成了物联网技术能否突破的关键因素之一。
[0003]RFID技术在室内物体定位上的应用也已有较多的研究,传统RFID室内定位通过测距的方法来推断出标签的位置,但在精度及稳定性上有着许多问题。近些年伴随机器学习理论的快速发展以及在各领域的应用,将机器学习用于RFID室内定位有着明显的可行性。
技术实现思路
[0004]为解决现有技术的不足,通过集成学习算法中的stacking方法,实现定位精度和稳定性的提升的目的,本专利技术采用如下的技术方案:
[0005]一种基于stacking模型的RFID室内定位方法,包括如下步骤:
[0006]S1,在定位范围内部署k个阅读器、m个参考标签、待定位标签;
[0007]S2,通过阅读器接收各标签返回的RSSI值,将每个参考标签被所有阅读器读取到的RSSI值与其坐标相结合,作为一个训练样本,对同一个参考标签进行多次读取,获得多个训练样本,将所有参考标签的训练样本整合为训练数据集;对于待定位标签,将每个待定位标签被所有阅读器读取的 ...
【技术保护点】
【技术特征摘要】
1.一种基于stacking模型的RFID室内定位方法,其特征在于包括如下步骤:S1,在定位范围内部署阅读器、参考标签、待定位标签;S2,通过阅读器接收各标签返回的RSSI值,将每个参考标签被所有阅读器读取到的RSSI值与其坐标相结合,作为一个训练样本,对同一个参考标签进行多次读取,获得多个训练样本,将所有参考标签的训练样本整合为训练数据集;对于待定位标签,将每个待定位标签被所有阅读器读取的RSSI值与其坐标相结合,作为一个待定位样本,以同样的方式整合为待定位数据集;S3,构建stacking模型,通过训练数据集进行训练,stacking模型为分层模型,包括基学习器和逻辑回归层,包括如下步骤:S31,在学习开始前,先将训练数据集划分为训练集D
train
和测试集D
test
;S32,在基学习器的训练中,采用K折交叉验证,对于每一个基学习器,将输入的训练集D
train
再次分成K份,取1份作为测试集,剩余K
‑
1份作为训练集,通过基学习器训练后,对测试集进行预测,得到预测值,依次取1份作为测试集,将得到的K份预测值,按原测试集的位置进行整合,得到对应于该基学习器的预测数据集;将处于同一层的所有基学习器产生的预测数据集合并,得到一个次级训练集P;S33,在逻辑回归层的训练中,以次级训练集P作为训练集特征输入,以其对应的参考标签坐标作为训练集标签输入,训练完成后,通过测试集D
test
进行测试,并与单个基学习器效果进行比较,以判断是否改进模型参数;S4,将待定位数据集中的RSSI值,输入训练好的stacking模型,得到推测的待定位标签坐标。2.根据权利要求1所述的一种基于stacking模型的RFID室内定位方法,其特征在于对S2中得到的训练数据集的RSSI值,通过卡尔曼滤波进行平滑处理,得到含有更小波动的RSSI数据的数据集,作为S3训练stacking模型的输入;将S2中得到的待定位数据集的RSSI值,通过卡尔曼滤波进行平滑处理后,作为S4中训练好的stacking模型的输入。3.根据权利要求1所述的一种基于stacking模型的RFID室内定位方法,其特征在于所述卡尔曼滤波算法分为三个阶段:初始化阶段,预测阶段和更新阶段;所述初始化阶段:对滤波器状态进行初始值的设定;所述预测阶段:根据上一时刻训练样本的状态量和控制量,对当前时刻训练样本的状态进行估计,并计算对应的协方差矩阵,其过程用如下公式表示:P
t
‑
=FP
t
‑1F
T
+Q其中,为t时刻RSSI的先验状态估计值;为t
‑
1时刻RSSI的后验状态估计值;u
t
‑1为控制变量;F为状态转移矩阵;B为控制矩阵;P
t
‑
为t时刻的先验估计协方差;P
t
‑1为t
‑
1时刻的后验估计协方差;Q为过程噪声协方差;所述更新阶段:利用接收到的测量值来修正在预测阶段得到的估计值,并更新在滤波器中使用的参数,具体步骤为:首先计算卡尔曼增益,然后根据卡尔曼增益,将先验状态估计值更新为最优值,即后验状态估计值,最后计算与最优值对应的协方差矩阵,其过程用如下公式表示:
P
t
=(I
‑
K
t
H)P
t
‑
其中,K
t
为t时刻的卡尔曼增益;H为观测矩阵;R为测量误差;z
t
为测量值;为实际观测值和预期观测值之间的残差,P
t<...
【专利技术属性】
技术研发人员:鲁建厦,张相华,包秦,谭健,徐峰聪,龚辉,赵浩竣,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:
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。