[发明专利]基于RFID多特征融合感知模型的物联网环境参数自适应反演方法

权利要求书

1.一种基于RFID多特征融合感知模型的物联网环境参数自适应反演方法，其特征在于，该方法包括以下步骤：

共识因子获取，获取物联网环境下的共识因子，包括：空间几何、多径效应、介质、电磁干扰、小尺度衰落、环境参量；

多特征融合感知模型建立，通过分析共识因子对RFID感知过程进行多特征融合感知模型的建模，包括建模仿真、射线追踪、时频测试和信道模型建立，并结合电磁波传输机制和多特征融合参数，推导得到电磁波在通过各种路径传输时的全局信号传递函数，多特征融合参数包括时域特征、能量域特征、频域特征、空间域特征；

物联网环境参数反演，通过新增RFID感知信息用于环境时空多变自适应要素迭代方法，形成物联网环境参数反演，物联网环境参数包括密度参数、几何参数、衰减参数和辐射参数；

自适应要素迭代，自适应要素迭代方法通过推导感知实测数据与正演仿真数据之间的误差泛函，给出相关的宏观统计性能函数与代价函数，确定评估模型的目标函数，利用广义非线性方法迭代求解该误差泛函的极小化问题，反推目标的状态参数得到物联网环境参数分量，形成闭环的环境参量评估；确定已建立的模型是否有标准解法；如果没有，通过进一步抽象，修正模型，使其转化成标准模型；或者修改标准模型解法；

该方法中自适应要素迭代的具体方法为：

自适应要素迭代结合实际测试和评估结果，对物联网环境感知参数提取方法、理论模型和评估方法进行改进和完善；

初始化多特征融合感知模型参数，经测量方程和全局信号传递函数，通过最小均方误差估计量计算判别后形成物联网环境参数反演，物联网环境参数反演的具体方法为：

物联网环境参数反演被看成是以下形式的非线性最小二乘问题：

x∈Sⁿ,m≥n

其中，s^T为残量函数转置，Sⁿ为残量函数集合；f(x)表示目标函数；s_i(x)为残量函数，表示射频感知测量数据与正演模型计算数据之间的差别；x为待反演的物联网环境参数；n为环境参数的数量；m为提取的感知特征参数数量；对密度、辐射、衰减、几何参数单位不一致参量，引入对角比例矩阵进行坐标转换，使得奇异值分解结果与单位无关；

环境参数反演数据模型已知但存在误差时，反演参数经状态方程、z变换和目标函数f(x)与多特征融合感知模型完成一次自适应要素迭代，并结合多特征融合感知模型不断更新测量数据。

2.根据权利要求1所述的基于RFID多特征融合感知模型的物联网环境参数自适应反演方法，其特征在于，该方法中的共识因子具体为：

空间几何，用于揭示空间位置与移动性对路径损耗的影响；

多径效应，包括电磁波直射、折射、衍射、散射；

介质，研究多介质环境对RFID标签感知性能的影响；

电磁干扰，包括外部电磁波干扰以及密集标签导致的频率偏移和互耦效应，利用实际RFID感知性能测试数据，提取多源电磁干扰参数特征，减少大规模RFID部署时内部读写器之间的碰撞冲突问题，提高位置感知精度；

小尺度衰落，无线信号不同多径分量的相互干涉导致合成信号振幅的小尺度衰落变化，在短距离空间域或短时间时间域上，接收信号在幅度、相位以及时延上的瞬时值会呈现快速变化特征；

环境参量，包括温度、湿度、辐射、压力。

3.根据权利要求1所述的基于RFID多特征融合感知模型的物联网环境参数自适应反演方法，其特征在于，该方法中建模仿真的具体方法为：

建模和测量动态场景，在几何特征模型里定义不同的电磁波路径，对不同的路径设置合理的物理模型参数，构建等效物理模型。