Passive RFID Positioning Technology and Applications (Real Time Locating System - RTLS)
 |
由於建築物遮擋等因素，定位精度達到10米以下的民用GPS室外定位，無法為室內定位服務提供高精度服務。同時，伴隨著5G技術的發展，新的編碼方式、波束賦形、大規模天線陣列、毫米波頻譜等，為高精度距離測量提供技術支持。因此，室內定位的研究，成為無線感測器網路服務的一個重要分支。
通常用於室內定位研究的感測器包括：WiFi、藍牙、RFID、紅外線、ZigBee等。本文我們將以RFID技術為藍本，向大家介紹室內定位原理。
1.RFID定位原理
如圖1所示，目前傳統的RFID，室內定位跟蹤系統，是一種以電腦運算為基礎，集合了RFID數據採集，RFID數據處理與傳輸、GIS空間分析和查詢等技術，形成的智慧技術系統。
圖1 基於RFID的室內定位系統結構圖
其定位依據是結合RFID信號的接收信號強度、相位等參數，利用定位算法，完成距離和方位的計算。例如，Saad等人透過捕獲標籤的相位資訊，利用卡爾曼濾波來計算標籤的位置。
Alippi等人則是利用，安裝在固定位置的讀寫器天線，透過旋轉對環境中的標籤進行掃描，獲得標籤所在的角度範圍，及其接收信號強度，並利用貝葉斯網路計算標籤的位置。
而Choi等人提出一種，利用目標標籤，對參考標籤的信號強度的干擾，對標籤進行定位的方法。清華大學劉雲浩教授的團隊，提出了一種基於無源RFID標籤，信號強度高階變換的高精度室內定位方法，其定位精度可以到釐米級別。
2.常見的定位算法
2.1 三邊測距法
如圖2所示，Hightower等提出的SpotON系統，是該類型算法的典型代表。系統使用3個或3個以上的讀寫器，作為基地台，記錄每個讀寫器讀到的標籤接收信號強度，透過三角測距的方法，計算出標籤的位置。
圖2 SpotON系統原理示意圖
2.2 LANDMARC定位算法
Landmarc是近年來比較熱門的RFID定位系統。其主要思想是引入了參考標籤。在室內若干個固定位置，分別部署讀寫器和參考標籤，透過比對參考標籤，和目標標籤的接收信號強度，從而推算出目標標籤的位置。隨後，不少學者對Landmarc系統進行改進，以提高其定位精度。
其中，Jin等人在Landmarc系統中，引入了鄰居節點的概念，以此提高定位的效率。Chattopadhyay等人，則是透過對參考標籤的排列方式和密度，進行定量分析，指出Landmarc系統的定位效果，依賴於標籤的擺放方向，需要標籤都按照同樣的方向擺放，或者標籤天線自身有著良好的全向性。
同時，該團隊利用神經網路，對Landmarc系統進行改進，透過預先佈置的目標標籤，和參考標籤的信號強度，對神經網路進行訓練，利用訓練好的神經網路，來計算未知的目標標籤的位置。
Choi等人在系統中，引入了一個信號強度修正方法，利用修正後的目標標籤，和參考標籤的信號強度，來進行位置計算。香港科技大學的趙戈洋等人，提出了基於虛擬參考標籤的VIRE(Virtual reference Elimination)算法，透過線性插值方式，結合實際參考標籤的位置資訊和信號強度，估計虛擬參考標籤的位置資訊及信號強度，實現室內傳輸環境的細粒度化。
2.3 到達時間定位算法(TOA)
如圖3所示，Xu等人利用到達時間法，對人員的運動軌跡，進行跟蹤；Wang等人則是將L-MUSIC方法，與到達時間法整合，實現對標籤定位。然而，到達時間法存在一定缺陷：
(1)由於室內定位的應用場景通常較小，標籤到讀寫器的距離較近，以電磁波在空氣中的傳播速度，進行短距離測距需要很高的時間精度；
(2)讀寫器和標籤之間需要精確的同步；
(3)RFID自身較低的通信速率，使得精確的時間戳(Timestamp)的加入較為困難。
圖3 TOA算法原理示意圖
除了以上提到的方法之外，波達角(AOA)、波達方向(DOA)等室內定位算法，也是研究熱點，能夠提供較好的定位精度。
目前，室內定位應用正處於，從研究室走向實際應用階段，如香港中文大學的室內定位技術，在菜鳥驛站中開始進行應用，如何從理論算法的研究，到工業生產應用，是研究學者仍需解決的問題。
沒有留言:
張貼留言