论文部分内容阅读
射频识别（Radio Frequency Identification，RFID）技术是一种利用无线射频信号自动检索目标对象并提取相关信息的技术。采用RFID技术，通过使用读写器发射射频信号，射频信号经电子标签的空间耦合后反射给读写器，可以获取标签信息。利用获得的标签信息并对捕获的射频反射信号处理，RFID技术可以实现标签定位。在各种RFID定位技术中，基于神经网络和卡尔曼滤波的定位方法受到了广泛重视，并处于不断发展和完善中。针对这一现状，本文采用改进的卡尔曼滤波技术和神经网络技术对室内环境下的RFID定位开展了研究，其主要工作包括：1）论述了RFID基本原理，并对无线定位基础理论作了相应的论述。根据对不同无线定位方法的应用，论文介绍了常用的RFID定位系统，包括：Active Badge系统、Cricket系统、RADAR系统和LANDMARC系统等。2）分析了基于误差反向传播（Back-Propagation, BP）神经网络和径向基函数（Radial Basis Function, RBF）神经网络的定位技术的部分缺陷，例如用于训练网络模型的样本数据量大、中间层节点个数多和自适应能力对在线网络训练的依赖性强等特点，探讨了采用神经网络技术进行RFID定位的可能性。3）分析和探讨了扩展卡尔曼滤波（Extend Kalman Filter, EKF）在RFID定位中对定位性能影响的一些关键因素，包括：EKF的非最优和非收敛估计是否对适用于读写器的非线性运动学及动力学方程，标签起始位置的未知性对基于EKF的RFID定位的影响，非高斯噪声的影响以及信道路径经验损耗模型与实际情况是否相符造成的影响。考虑到这些不确定因素，论文重点研究了卡尔曼滤波方法在不同信噪比条件下对读写器定位的影响并作了改进：通过对噪声的概率分布进行近似，使采样点体现出高斯分布的均值和方差，从而使经过非线性系统后的信号后验均值和协方差精确到二阶，达到对系统的非线性强度不敏感的效果。仿真结果表明，所提改进算法具有良好的收敛性，其估计值更接近实际测量值。最后，论文总结了全文工作，并探讨了工作的不足和今后的工作方向。