面向环境监测的RFID传感器网络节点定位算法研究.pdfVIP

摘 要 摘 要 近年来，随着交叉学科以及多种技术的并行快速发展，更多的领域出现了技术相 融合的应用研究。在 “物联网”对现有定位服务的驱动下，RFID 技术与无线传感器 网络的融合将成为未来定位服务的应用趋势。通过技术融合实现的RFID 传感器网络 在智能家居、智能交通、仓储物流、医疗健康等环境监测领域具有无限的应用前景。 本文以RFID 技术与无线传感器网络的融合契机为出发点，根据它们各自的优势，在 尽量满足环境监测要求的强抗干扰能力、低功耗、低运营成本及高信息安全等条件下， 给出了一种面向环境监测的RFID 传感器网络模型，并在此模型下，结合RFID 解读 器节点的移动性，提出了两种基于RFID 传感器网络的节点定位算法。 针对现有环境监测系统在实时性和监管方面存在的不足，提出了一种面向环境监 测的RFID 传感器网络模型。该模型以RFID 解读器节点为ZigBee 协调器创建网络， 在设计过程中，构建了一种自适应的网络通信结构，通过将射频标签融入传感器节点， 使RFID 传感器标签节点能够获取电磁场能量及对特定目标对象进行标识，实现了环 境监测的智能化，满足对特定目标对象的全局监测和环境参数的分布式监控，能够满 足低功耗的环境监测需求。 针对监测系统对RFID 解读器节点的实时位置需求，提出了一种基于RF 指纹的 混合定位算法。该算法通过贝叶斯滤波对RFID 解读器节点的后验概率估计，结合更 近邻质心算法实现了RFID 解读器节点的精确定位。实验结果表明，该算法在不需要 额外的硬件支持下，利用自身的RF 信号特征量，达到了较高的定位精度，特别适合 低功耗的环境监测需求。 针对Monte Carlo 定位算法的采样区域大，以及未充分利用先验信息的不足，提 出了一种基于遗传 Monte Carlo 的节点定位算法。该算法通过贝叶斯滤波框架表达 RFID 解读器节点的后验概率分布，通过引入遗传交叉与变异操作，使采样趋于多样 化，同时，对样本进行优化。实验结果表明，该算法具有较好的定位精度以及较高的 鲁棒性，在一定程度上抑制了NLOS 噪声，并减少了定位所需的样本数，节约了存储 和计算资源。 关键词：RFID 传感器网络；节点定位；环境监测；RF 指纹；Monte Carlo – I – 万方数据 Abstract Abstract In recent years, with the rapid development of interdisciplinary and multiple technologies in parallel, application of technology integration is used to more fields. Driven by the internet of things for the existing localization services, the integration of Radio Frequency Identification (RFID) and wireless sensor networks (WSN) will become the future trend of localization. The RFID sensor network, which