一种北斗、RFID组合定位方法及系统技术方案

一种北斗、RFID组合定位方法及系统，利用了北斗和RFID组合定位方式，根据RFID标签的激活状态以及时间判断定位目标是室内还是室外，若是室外，采用北斗进行定位，室内采用RFID进行定位。定位的信号利用差分进化方法进行修正，将得到的定位坐标传入训练好的神经网络模型进行第二次误差修正。从而得到更加精确的定位数据，提高定位的可靠性。提高定位的可靠性。提高定位的可靠性。

【技术实现步骤摘要】
一种北斗、RFID组合定位方法及系统


[0001]本专利技术属于定位及通信
，具体涉及一种北斗、RFID组合定位方法及系统。

技术介绍

[0002]北斗卫星导航系统(BeiDou satellite navigation System，BDS)是我国20世纪80年代开始自主研发的全球卫星导航定位与通信系统，其与美国GPS、俄罗斯的GLONASS、欧盟的Galileo并称全球四大卫星导航系统。
[0003]北斗导航卫星的误差来源大致可以分为卫星相关误差、传播误差、接收机误差。利用差分定位技术可以减小卫星相关误差，提供精确定位，定位精度达到了3m。目前对于北斗系统，最普遍的定位方法是组合导航伪距定位。北斗在室内定位很好，但是在复杂地形或者在室内，北斗的定位精度很差。就室内定位而言，有WIFI、UWB、RFID等短距离无线定位技术。其中RFID定位技术以低成本、定位精度高等优点，应用前景很广泛。利用北斗和RFID组合定位方式，实现室内室外全方位定位。
[0004]然而在实际环境中，RSSI测距方法受到信号反射、散射、绕射等多路径衰减和遮挡影响严重，测量结果存在较大误差，在室外，实际工程要求可能需要厘米级的定位，北斗定位提供的定位精度并不满足。
[0005]现有技术里利用北斗/UWB组合定位来实现室内室外无缝定位，应用北斗定位系统确定室外测点定位，利用UWB技术完成室内定点测量，UWB技术从原理上来分析，很难完成高程测量，只能够确定测量初始点和待测点之间的直线距离，而在室内中，不仅仅只有直线距离，还要完成高程测量。北斗、惯性导航组合定位系统可以很好完成室内室外组合定位，但是惯性导航测量需要知道初始点的位置，测量成本大。
[0006]差分进化方法是一种全局优化能力较强的，求解非线性、高维和复杂优化问题的随机种群搜索方法。差分进化方法以种群为根基，主要包括变异、交叉、选择3个操作步骤。其优点是原理简单，核心步骤较少，受参数的控制较少，且变异方式较多，对于不同的目标函数适应性较强，实用性好。
[0007]近几年来，人工智能迅猛发展，为解决各类问题提供了智能方案。RNN网络作为神经网络的一个分支，具有良好的数值映射能力，可以很好解决非线性问题和时间序列。
[0008]利用差分进化结合双向lstm神经网络，通过不断降低待测标签和真实标签的位置误差，达到提高定位精确度的效果。

技术实现思路

[0009]为解决现有技术中存在的不足，本专利技术提供一种北斗、RFID组合定位方法及系统，利用了北斗和RFID组合定位方式，若是室外，采用北斗进行定位，室内采用RFID进行定位。定位的信号利用差分进化方法进行修正，将得到的定位坐标传入训练好的神经网络模型进行第二次误差修正。从而得到更加精确的定位数据，提高定位的可靠性。本专利技术在现有神经网络模型上继续深入研究，以改善现有神经网络的缺陷和不足。传统的差分进化方法虽然
能自适应调整最优解的方法，但是并不能解决非线性的问题，传统神经网络具有较强的非线性拟合性，能映射各类非线性关系，但缺陷也较为明显，如易陷入局部最优、收敛速度较慢等问题，造成了检测误报率偏高。本专利技术选择差分进化方法对其进行优化，构建改进的自适应差分进化神经网络模型。图4是利用神经网络模型和差分进化算法优化后的神经网络模型的训练loss曲线图，星型线是神经网络模型序列的loss曲线，点状线是差分进化方法优化后的神经网络模型loss曲线，发现点状线收敛时间更短，并且loss值更小，说明本专利技术的定位方法训练速度更快，精度更高。
[0010]本专利技术采用如下的技术方案。
[0011]一种北斗、RFID组合定位方法，包括以下步骤：
[0012]步骤1，利用北斗/RFID系统组合通过多边形定位方式进行粗定位；
[0013]步骤2，通过差分进化方法对粗定位进行优化；
[0014]步骤3，利用训练好的神经网络优化步骤2得到的定位结果。
[0015]优选地，步骤1中，北斗系统通过4颗卫星的测距结果联立方程求得室外目标粗定位结果；室内定位通过RFID系统完成，通过对射频信号的到达时间、强度参数的测量结合多边形定位方法得出室内目标的粗定位结果。
[0016]优选地，步骤2中，
[0017]通过北斗/RFID组合定位得到卫星或阅读器距离标签的测量距离为d
i
(i＝1,2,3,4,
…
,N),该测量距离作为估算待测标签位置的参考距离；设待测标签坐标为(x0,y0，z0),阅读器的坐标为(x
i
,y
i
，z
i
)(i＝1,2,3,4,
…
,N),由此得到第i个阅读器与待测标签和该阅读器与参考标签的距离误差，表示成函数如下：
[0018][0019]对于每个待测标签，依据上式列出一个距离误差函数，再分别进行差分进化方法的变异、交叉和选择操作，多次迭代进化，最终取其距离误差最小值，并将该值作为待测标签的估计位置坐标。
[0020]优选地，步骤2具体包括：
[0021]步骤2.1，对粗定位采集的数据进行归一化预处理；
[0022]步骤2.2，配置参数，设置种群规模为N
p
,即参考标签数量为N个；待测标签数量为M个；个体维数为D，表示二维定位区域；设置变异率为F；交叉率为C
R
，设置最大迭代次数；
[0023]步骤2.3，生成目标函数。首先随便生成M个待测标签的坐标，利用接收信号强度计算阅读器与参考标签之间的参考距离；再将已知的N个参考标签位置作为优化初始坐标，依据函数距离误差最小来不断优化待测标签的位置坐标，使得误差逐渐逼近于零；
[0024]步骤2.4，将N个参考标签坐标作为差分进化方法的输入，接着采用DE/rand/1/bin的变异策略进行变异操作，再采用二进制方式进行交叉操作，最后根据距离误差函数最小得到最终的估计坐标；
[0025]步骤2.5，判断终止条件，并输出估计坐标值。
[0026]步骤2.5中，所述判断终止条件为：
[0027]3)达到最大迭代次数；
[0028]4)达到给定距离误差值。
[0029]优选地，步骤3包括：
[0030]步骤3.1，网络构建；
[0031]隐藏层单元个数为H，在正向传播时，从1时刻到t时刻正向计算一遍，获得并保存每一时刻向前隐藏层的输出；在后向传播时，沿着时刻t到时刻1反向计算一遍，获得并保存每一个时刻向后隐藏层的输出；最后在每一个时刻结合前向传播后向传播相应时刻输出的结构获得最终的输出；
[0032]步骤3.2，模型训练；
[0033]设物体真实的坐标为(x,y,z),北斗/RFID对物体进行定位后的数据经过神经网络后，输出的坐标值为损失函数选择均方误差函数
[0034][0035]式子中，n表示数据的大小，将n组的数据按8：1：1的比例划分为训练集，验证集，测试本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种北斗、RFID组合定位方法，其特征在于，包括以下步骤：步骤1，利用北斗/RFID系统组合通过多边形定位方式进行粗定位；步骤2，通过差分进化方法对粗定位进行优化；步骤3，利用训练好的神经网络优化步骤2得到的定位结果。2.根据权利要求1所述的一种北斗、RFID组合定位方法，其特征在于：步骤1中，北斗系统通过4颗卫星的测距结果联立方程求得室外目标粗定位结果；室内定位通过RFID系统完成，通过对射频信号的到达时间、强度参数的测量结合多边形定位方法得出室内目标的粗定位结果。3.根据权利要求1所述的一种北斗、RFID组合定位方法，其特征在于：步骤2中，通过北斗/RFID组合定位得到卫星或阅读器距离参考标签的测量距离为d
i
(i＝1,2,3,4,
…
,N),该测量距离作为估算待测标签位置的参考距离；设待测标签坐标为(x0,y0，z0),阅读器的坐标为(x
i
,y
i
，z
i
)(i＝1,2,3,4,
…
,N),由此得到第i个阅读器与待测标签和该阅读器与参考标签的距离误差，表示成函数如下：对于每个待测标签，依据上式列出一个距离误差函数，再分别进行差分进化方法的变异、交叉和选择操作，多次迭代进化，最终取其距离误差最小值，并将该值作为待测标签的估计位置坐标。4.根据权利要求3所述的一种北斗、RFID组合定位方法，其特征在于：步骤2具体包括：步骤2.1，对粗定位采集的数据进行归一化预处理；步骤2.2，配置参数，设置种群规模为N
p
,即参考标签数量为N个；待测标签数量为M个；个体维数为D，表示二维定位区域；设置变异率为F；交叉率为C
R
，设置最大迭代次数；步骤2.3，生成目标函数，首先随便生成M个待测标签的坐标，利用接收信号强度计算阅读器与参考标签之间的参考距离；再将已知的N个参考标签位置作为优化初始坐标，依据函数距离误差最小来不断优化待测标签的位置坐标，使得误差逐渐逼近于零；步骤2.4，将N个参考标签坐标作为差分进化方法的输入，接着采用DE/rand/1/bin的变异策略进行变异操作，再采用二进制方式...

【专利技术属性】
技术研发人员：张凌浩，肖为健，赵俊峰，邵明驰，庄严，马胜，张永欣，于莉莉，裴培，胡春江，
申请(专利权)人：国网思极位置服务有限公司，
类型：发明
国别省市：