论文部分内容阅读
物联网技术是继现代计算机、移动互联网技术之后,世界信息产业发展的又一次重大机遇,它可以实现人与人,人与物,物与物的紧密联系和相互交流。射频识别(Radi o Frequency Identification,RFID)技术作为物联网概念中重要的一员,其技术己经在室内定位、车辆识别、门禁安全、物流、产品防伪等领域得到了广泛的应用。室内定位能在室内环境下为指定对象和用户提供有效的跟踪、定位和导航服务,停车场、商场、火车站等场所对定位和导引的需求日趋强烈,此外,精准营销、智能制造、智能物流等行业也需要计算机系统能够实时计算、识别特定对象的位置。这些需求为室内定位系统(Indoor Localization System,ILS)提供了巨大的机会。对比于其它的室内定位技术,如视频分析、超声波、红外技术等,RFID无线射频室内定位技术具有覆盖区域广、定位精度高、成本低等特点,本文基于一种价格低廉的、具有数据处理和通信功能的商用nRF24LE1芯片的RFID设备,结合位置指纹定位技术,K-means算法,支持向量机算法(Support Vector Machine,SVM)以及BP(Back Propagation)神经网络算法,设计具有较高定位精度的室内无线定位算法。论文首先概述了当前室内定位技术的发展现状和研究成果,再介绍了射频识别系统的工作原理以及基于nRF24LE1芯片的RFID设备的传输特性和数据通信原理。详细探讨了K-means算法,支持向量机算法和BP神经网络算法,并对这些算法在本文中所起的作用进行了说明。该类RFID设备能提供4个离散的无线射频信号输出功率,其分别是-18dBm、-12dBm、-6dBm和0dBm,且其最远传输的距离分别为4.5m,5m,5.5m和6m。根据该类特征,本文部署了4m*6m的定位区域,并将10个参考标签按照2m的间隔等间距放置在定位区域的边缘区域,将定位区域划分为96个边长为0.5m的正方形网格,在每个小正方形网格上收集10个参考标签的射频信号输出功率,建立96组指纹数据。再利用K-means聚类算法对于定位区域进行宏区域的划分,对每个宏区域建立SV M多分类模型以及BP神经网络模型,最后通过实验仿真对本文算法的定位性能进行测试,结果表明,当对定位区域划分为2类,3类,4类的时候,算法的均方根误差分别为1.08M,0.92M,0.95M,可见当划分为3类宏区域时,误差最小。通过实验仿真,与传统的BP神经网络定位算法进行比较,得出本文算法具有高精度,易实现的特点,对于基于离散功率输出的通信芯片的无线室内定位技术的研究有一定借鉴意义。