RFID定位技术研究答辩课件.pptxVIP

ContentsRFID的概述1RFID系统构成及工作原理2RFID无线定位方法3Monte Carlo定位算法分析14 RFID系统的概述2射频识别（RFID），是一种利用射频信号自动识别目标对象并获取相关信息的技术。一次来实现无接触信息传递并达到识别对象的目的。识别工作无须人工干预，可工作于各种恶劣环境。RFID基本组成：（1）电子标签（tag）（2）读写器（reader）（3）数据处理单元 RFID基本组成3RFID标签(Tag)：由芯片与天线组成，每个标签具有唯一的电子编码。标签附着在物体上以标识目标对象RFID阅读器(Reader)：主要任务是控制射频模块向标签发射读取信号，并接收标签的应答，将对象标识信息连带标签上其它相关信息传输到主机以供处理RFID数据处理单元：主要任务管理数据库及防冲突等 典型RFID定位系统4 系统的工作过程如下:5阅读器通过发射天线发送一定频率的射频信号，当应答器进入发射天线工作区域 时产生感应电流，应答器获得能量被激活；应答器将自身编码等信息通过其内置发送 天线发送出去；系统接收天线接收到从应 答器发送来的载波信号，并对接收的信号 送到后台主系统进行相关处理 RFID无线定位方法----TOA定位方法Reader1Reader2Reader36 RFID无线定位方法---TDOA定位方法7 TOA、TDOA定位方法缺陷分析8在室内，由于阻挡物较多，基于信号到达时间的TOA定位算法存在一定缺陷。在阅读器的工作范围内，三台阅读器中只要有一台阅读器接收不到标签信号，就无法对标签进行定位。 9 Monte Carlo定位算法10Monte Carlo定位算法是一个递推算法，在每个计算周期一般包含预测阶段和更新阶段，递归调用这两个阶段，就能对标签实现跟踪定位。1.预测阶段：在第k-1时刻，通过预测模型预测k时刻标签可能会出现的位置，即计算采样点的位置；2.更新阶段：在第k时刻，测得标签与阅读器之间的距离，通过测量模型计算出各采样点的权值，选取权值最大的采样点的位置作为标签的估计位置。 Monte Carlo定位算法的核心思想是在贝叶斯 滤波位置估计的基础上，用若干个带权重的采 样来描述移动标签在状态空间的可能位置分布。但传统的 Monte Carlo定位算法存在以下缺陷：Mnote Carlo定位算法需要大量取点，在更新阶段，当标签静止时，当前时间步的测量信息与上一步的时间相同，则测量模型无法对各采样点的权重进行迭代更新，故Monte Carlo定位算法无法对静止物体进行定位11 改进 Monte Carlo定位算法预测模型：在第k-1时刻，通过预测模型预测第k时刻标签可 能会出现的位置，即计算采样点的位置。假设室 内噪声为高斯噪声，采用高斯分布的预测模型为：式中，N(0,α2)表示高斯分布；X(k),Y(k)分别为横纵坐标；θ(k)为运动的角度，方差为αv；dk为时间步长12 改进 Monte Carlo定位算法测量模型：在第k时刻，测得标签与阅读器之间的距离，并计算出各采样点与阅读器的距离，通过测量模型计算出标签的位置Dk为k时刻采样点Sk所在的位置到阅读器的计算距离值；Zk为k时刻测得标签到阅读器的距离；δ为分布模型的标准差。13 改进 Monte Carlo定位算法静止模型当标签在运动的过程中停顿时，由k-1时刻和k时刻分别测得的标签到阅读器的距离，通过静止模型来判断标签是否停顿。将计算出的P(Zk |Zk-1)与门限比较，大于门限则标签静止，否则标签运动。14 改进的Monte Carlo定位算法流程选择可用Reader初始化K=1Tag是否静止Monte Carlo定位Tag位置存入数据库否是K=K+1查询数据库第K-1的Tag位置15 1、初始化：将标签的起始位置录入数据库，时刻k=1；2、选择可用Reader：选择能够检测到标签信号的阅读器进行定位运算，即标签在阅读器天线的覆盖范围之内。3、判断标签是否静止：由静止模型计算出标签停顿的概率p；若p大于判别门限，则标签静止；否则，标签视为运动；16 4、Monte Carlo定位：采用改进的Monte Carlo定位算法对标签进行定位。根据预测 模型在Xk-1时刻的周围产生N个随机采样点，这些随机采样点的概率相同均为Pi-1=1/N； 在N个随机采样点中找出概率最大的采样点，得标签位置Xk；5、将标签位置Xk录入数据库6、查询数据库，则数据库中第k-1时刻Tag位置Xk-1的位置即为Xk的位置7、k=k+1，返?17 改进算法的标签路径跟踪图18 footer19