[发明专利]基于异步优势动作评价的RFID室内定位算法

摘要

本发明涉及一种基于异步优势动作评价的RFID室内定位算法，将定位目标的信号强度值作为输入数据，建立全局动作网络和全局评价网络，建立多个线程子动作网络和线程子评价网络。多个线程并行学习，互不干扰，再将学习到的经验异步更新到全局网络，全局网络最后输出参考标签的具体位置，得到异步优势动作评价定位模型；当有待测目标进入检测区域时，定位模型自动预测出目标具体位置。由于室内定位动作是连续的，异步优势动作评价方法与RFID室内定位相结合，很好的解决了定位连续性问题，有效解决了室内定位模型训练时间长，定位精度低以及环境噪声影响等问题，特别适用于定位目标数量庞大的情况。

主权项

1.基于异步优势动作评价的RFID室内定位算法，包括以下步骤：步骤1)对读写区域内的参考标签的信号强度值进行采集，获得原始信号强度(RSSI)数据；步骤2)初始化：根据初始动作a_t，获得初始状态s_t并预处理得到相应的特征输入f(RSSI_total|s_t)，建立全局动作网络ψ(a_t|s_t；θ_ψ)、全局评价网络V(s_t；θ_v)以及线程子动作网络ψ(a_t|s_t；θ_ψ′)、线程子评价网络V(s_t；θ_v′)；初始化全局动作网络参数θ_ψ＝0、全局评价网络参数θ_v＝0、线程子动作网络参数θ_ψ′＝0、线程子评价网络参数θ_v′＝0、全局动作网络梯度dθ_ψ＝0、全局评价网络梯度dθ_v＝0；步骤3)训练异步优势动作评价定位模型：执行线程子动作网络中的动作，并行训练学习并计算每个线程子评价网络的价值，计算线程总回报值R，累加线程子动作网络梯度，即总和为全局动作网络梯度dθ_ψ，累加线程子评价网络梯度，即总和为全局动作网络梯度dθ_v，再对全局动作网络参数θ_ψ和全局评价网络参数θ_v进行异步更新，使其跟踪学习，输出参考标签对应的具体位置，最终得到异步优势动作评价定位模型；步骤4)精准定位：当携带有RFID标签的待定位目标进入检测区域时，读写器获取目标信息及信号强度值，并将这些数据输入到训练完成的异步优势动作评价定位模型中，定位模型准确识别数据并输出待定位目标的具体位置。