[发明专利]一种基于深度置信网络的RFID室内定位方法

说明书

本发明涉及一种基于深度置信网络的RFID室内定位方法，属于室内定位技术领域。构建RFID信号室内传播模型；获取参考标签在不同阅读器处的接收信号强度值，构建指纹数据库；利用DBN对指纹数据进行特征提取，提取后的深度特征与位置坐标一一对应形成新的指纹数据库；将待定位标签在不同阅读器处的接收信号强度值经过DBN提取特征，并与指纹数据库中的特征进行相似度比对，实现对待定位标签的位置估计。优点在于：通过将RFID待定位标签的特征与指纹数据库中的特征进行相似度比对，能够使得RFID室内定位更加准确；对于指纹数据集的采集，参考标签可以循环使用，相较于实时定位系统，能够时刻保证定位系统的有效性，使得系统具备稳定性。

技术领域

本发明属于室内定位技术领域；涉及RFID室内定位系统，以及复杂室内电波传播环境下RFID室内定位，尤其是涉及基于深度置信网络和位置指纹的RFID室内定位方法。

背景技术

射频识别技术(RFID)是一种以空间电磁波为传输媒介的非接触式自动采集数据技术，具有体积小、技术成熟、速度快、防水防磁、功耗低、容量大、无机械磨损、寿命长、精度高等优点，它的发展给人们的生活、生产带来了巨大的便利。

对物品进行定位是RFID系统的重要应用之一，具有广泛的应用前景。现有的RFID定位方法在应对复杂室内环境时，在定位精度、定位时间、适应能力等关键性问题上仍存在一些亟待解决的问题，主要体现在：(1)由于RFID信号容易受到室内多径效应、阴影效应、非视距传播的影响，使得基于测距的TOA、TDOA、AOA、RSSI定位方法产生很大的定位偏差。(2)由于定位范围不断扩大及定位环境日益复杂，传统的位置指纹定位方法对于大规模指纹数据库的处理能力较差，而且当指纹数据库数据不平衡时可能会使系统在定位精度及定位实时性等性能上存在劣势。(3)目前，在定位范围较大的情况下，LANDMARC等传统定位系统所需参考标签较多，一旦参考标签失去工作能力，将导致定位系统瘫痪。而且，由于参考标签布置过于密集时，标签之间可能会产生干扰，使系统整体定位精度不高。迄今为止，在复杂电波传播环境下实现对多个RFID待定位标签的精准定位问题一直是一个难题。

基于位置指纹(Finger-Printing)的定位是一种新兴的室内定位技术，近年来在Wifi定位中得到应用。指纹定位方法的出现为解决上述问题提供了一个有效的方法。基于位置指纹的RFID标签定位是一种基于网络的定位技术。信号传播对于地理环境具有依赖性，体现很强的站点特殊性，这样的特点被当做指纹。

然而，在某些实际应用场景，例如仓库、图书馆、医院等大规模定位环境及大量标签的定位场景，小范围、少标签已经远远不能满足实际应用的需求，在实时定位之前，大量位置指纹数据的获取以及指纹数据库的建立变得十分必要。因此，本文在位置指纹RFID定位的基础上，引入深度置信网络(Deep Belief Network，DBN)这一新的工具，以解决RFID多标签定位的大数据处理问题。由于定位范围的加大，离线数据的采集也相对加大，深度学习在动态指纹数据的建立、指纹特征的提取和训练以及实时定位识别方面具有很大优势。

深度学习的概念由Hinton等人于2006年提出，是对模式(如声音，图像)进行建模的一种方法，也是一种基于统计的概率模型，已成为学术界极度关注的研究热点，在计算机视觉、目标识别、图像分类、语音识别等领域得到了广泛应用，并取得良好的效果。深度置信网络属于深度学习的一部分，其能够精确地刻画数据丰富的内在信息，对数据的刻画更接近其本质。

随着室内定位的发展，对于室内定位的要求也越来越高，因此在要求定位精准的基础上，希望能够适应各种各样复杂多变的定位环境，节约能源并且能够对产生的大量数据进行很好的处理。由于传统的RFID室内定位具有在复杂电波传播环境下定位精度差、环境适应性差、无法处理较大数据问题，所以，能否解决以上问题成为RFID室内定位算法的关键问题。目前，将深度置信网络与位置指纹算法结合运用到RFID定位系统中，国内外尚未见任何有关报道。

发明内容