基于改进LANDMARC定位算法的人员定位技术研究

在万物互联时代,通过定位系统完成人员定位监督成为了可能,同时该项技术也日益完善。当前,基于RFID无线视频技术的局域网人员定位被广泛应用于智慧园区员工管控、重点人员监管等方面。提出了一种基于RFID的局域网人员定位算法,通过优化LANDMARC算法,对采集到的信号分别引入高斯平滑滤波器和卡尔曼滤波器,去除影响信号强度的噪声,提升定位算法的稳定性;针对LANDMARC定位算法定位精度受K值影响较大的问题,引入Logistic回归模型,以提升算法定位的准确度,有效解决了RFID在有金属、水等障碍物情况下定位精度误差大的问题,降低了外界干扰,可为人员的精准定位提供技术手段。

基于自适应CKF的改进LANDMARC井下定位算法研究

在矿山井下进行人员定位时,为解决传统的LANDMARC算法受井下复杂环境影响出现的定位结果精度不高、波动大的问题,提出了一种基于自适应容积卡尔曼滤波(Volumentric Kalman Filtering,CKF)的改进LANDMARC井下定位算法。首先,该算法结合传统的LANDMARC定位算法建立井下三维空间模型并求解目标位置状态预估值;其次,利用BP神经网络的泛化映射能力,引入神经元参数对CKF算法进行优化,充分结合BP神经网络迭代式学习和CKF在强非线性系统中保持稳定的特点,提高定位算法的自适应能力;最后,将位置状态预估值作为观测量进行自适应CKF滤波处理,用优化后的结果作为目标位置坐标的真实值输出,提高了井下定位的精准性。试验结果表明:引入自适应CKF进行滤波处理可以大大提高传统LANDMARC定位算法的稳定性,定位偏差分布更为集中,偏差在1 m以下的占90%以上,所提算法的定位偏差在0.612 m以下的标签达到60%,可满足井下复杂动态环境的高稳定性要求,与传统的LANDMARC定位算法和经由HIF滤波的LANDMARC定位算法相比应用于井下定位具有更好的适用性。

一种基于CKF的改进LANDMARC室内定位算法

针对传统LANDMARC室内定位算法受室内环境的干扰存在定位精度不高,波动大的问题,提出一种基于CKF的改进LANDMARC室内定位算法。该算法首先通过传统LANDMARC算法得到待定位目标的状态预估值;然后将得到的状态预估值作为观测量并用容积卡尔曼滤波(CKF)算法对其进行滤波处理,以提高算法的定位精度并降低定位结果的波动;最后用滤波处理后的结果代替LANDMARC得到的预估值作为待定位目标的状态估计。实验研究表明,所提算法误差在0.5 m以下的标签达到60%,与传统LANDMARC定位算法和经由无迹卡尔曼滤波(UKF)算法滤波的LANDMARC定位算法相比,定位精度和波动性均有明显提高,应用在室内定位中能够得到较为真实的目标移动轨迹。

一种改进LANDMARC射频识别室内定位算法

在射频识别RFID室内定位环境中,LANDMARC定位算法的精度与选取的近邻参考标签数量有关。传统的算法仅仅局限于在小范围定位环境中选取3~5个参考标签,而在较大的定位环境中,距阅读器较远的相邻参考标签存在干扰近邻参考标签选取的情况,因此,需要选取较多的参考标签来辅助定位,然而随着选取参考标签数量的增加,定位误差越来越大。针对这一问题,在选取的参考标签中引入加权思想来优化计算过程中权重的分配,进而降低系统误差,提高定位精度。仿真实验结果表明,改进后的LANDMARC定位算法在选取较多参考标签的情况下具有较高的定位精度。

基于文化双量子粒子群优化的RFID 3D-LANDMARC定位算法

射频识别技术(RFID)三维定位是目前室内定位的主要技术,现有的RFID三维定位主要基于LANDMARC定位算法。针对传统的LANDMARC定位算法存在定位精度低、自适应性差的问题,提出一种基于文化双量子粒子群(CDQPSO)优化的RFID 3D-LANDMARC定位算法。该算法首先使用BP神经网络在数据拟合方面的优势对采集信号进行预处理,研究无线信号传输损耗模型,以提升LANDMARC算法的定位精度;然后引入CDQPSO算法在全局搜索与寻优方面的技术优势,求解模型,解决LANDMARC定位算法的自适应问题。实验研究表明,所提算法定位误差在0.56 m以下的标签达到75%,与基本LANDMARC算法和粒子群优化LANDMARC算法相比,定位精度和适应性均得到显著提高,而且能克服粒子群算法收敛速度慢的缺点。

一种适于无源LANDMARC算法的定位性能评价方法

针对现有基于无源LANDMARC算法的改进研究主要以提高定位精度为目标,并没有考虑无源半双工通信机制引起的标签读取耗时较长的问题,引入路径损耗公式推导出基于辐射半径的功率能级映射模型.通过分析阅读器最大功率能级、参考标签布设密度对定位精度及系统耗时的影响,结合多目标优化的联合控制机制,提出一种适用于无源LANDMARC算法的定位性能评价方法.多种环境下的仿真结果表明,所提评价方法具有良好的稳定性和实用性,对于无源RFID定位系统的参数选择及性能评定具有一定的实际意义.

改进的LANDMARC在空间定位中的应用

LANDMARC算法是在平面模型的基础上进行的定位分析,将其应用于空间定位时,会出现不同程度的误差。将LANDMARC算法和测距原理相结合,提出了一种基于测距机制的LANDMARC算法,并利用HIK-RFM104型UHF嵌入式读写模块和中电海康提供的圆极化天线,搭建了改进LANDMARC算法的空间模型。通过直线式测距实验,得到具体的测距模型。将LANDMARC空间模型和测距模型相结合,对空间中的采样点进行定位测试,分析数据后确定改进的LANDMARC空间定位算法。该算法具有更高的精度和更稳定的性能。

煤矿井下LANDMARC定位算法改进

针对煤矿井下非视距误差、多径效应和标签碰撞影响LANDMARC定位精度的问题,从接收信号强度值的测量、接收信号的选取和标签防碰撞算法3个方面对LANDMARC定位算法进行了改进:通过直接测量接收信号强度值判断最近参考标签;对接收信号进行高斯滤波舍弃误差信号;根据标签数量设置合理的信号发送时隙,当发生标签碰撞时重新划分信号发送时隙。仿真结果验证了该改进LADMARC定位算法的有效性。

基于不同邻近标签数选择的LANDMARC定位算法研究

对于基于射频识别的LANDMARC室内定位算法而言,该系统采用"k近邻"算法,通过选取k个与待测标签相邻且符合特定条件的参考标签,最后根据这些标签的位置结合权值估算出待测标签的坐标信息.但是在实际的操作过程中,最近邻参考标签数的选取无指导原则,具有一定的盲目性.针对这一问题,通过选取与待定位参考点最近邻的参考节点作为未知点,通过搜索法获得最优的邻近标签数k,在随后的未知节点的定位过程中,选取k个邻近标签进行定位.经过多次实验,最终得出结论,使用改进后的LANDMARC算法的性能要优于原来经典的LANDMARC算法,精确度提升了10%左右,同时避免了k值选取的盲目性.

LANDMARC定位算法的修正与优化

LANDMARC作为基于RFID技术室内定位的一项传统定位算法,在相关定位系统的研究中得到了广泛的应用。然而在实际的定位和应用过程中,LANDMARC定位算法仍存在着一些缺点和不足。针对算法定位过程中错选邻居标签概率较高造成误差较大的情况,提出一种基于LANDMARC的修正与优化算法,算法主要通过几何运算比较来排除并校正错选的邻居标签。实验结果表明,在不同的定位环境条件下,修正与优化后算法其错选邻居标签的概率大大降低,结果使定位误差有了明显的减小。

改进的LANDMARC算法在ZigBee室内定位中的应用

随着室内定位技术的广泛应用,对定位精度的要求越来越高,传统的LANDMARC算法已不能满足实际应用的需求,因此,结合传统的LANDMARC算法和质心算法,提出一种改进的LANDMARC算法。首先利用MATLAB进行了理论仿真,研究发现改进的LANDMARC算法在参考标签间隔在0~5 m时,定位精度要优于传统经典算法,且定位精度最大可提高35.4%。其次使用ZigBee定位系统进行了实验测量,研究发现实验测量结果与理论仿真结果基本吻合。

基于LANDMARC的RFID室内定位算法优化

传统的LANDMARC算法,用作RFID室内定位时,存在着计算方法误差的随机性和不可预估性。同时,该算法对参考标签的分布没有严格的规定,人为部署的参考标签可能使得LANDMARC算法不能"收敛",由此造成的误差具有很大的不可控性。针对上述缺点,本文首先引入了参考标签在室内环境下"收敛"的分布规律;然后引入了LANDMARC"临近误差"原则的误差模型;最后通过仿真对比实验,验证了本文提出的优化算法是可行的。

一种改进的LANDMARC室内定位算法

针对射频定位LANDMARC算法精度差的问题,提出了一种改进算法,依据最邻近参考标签到阅读器的距离及其接收的信号强度指示RSSI(received signal strength indicator),通过拉格朗日插值法,得到阅读器到待定位标签的距离,并通过三边定位求得待定位标签的坐标.通过软件仿真分析改进后的算法比原算法的定位精确度提高了65%左右,最小误差由原算法的0.39 m降低为0.015 3 m.实验数据表明,该改进算法在室内定位系统中具有较高的应用价值和广阔的应用前景.

LANDMARC室内定位改进算法

传统基于动态主动式射频识别标定的定位识别(LANDMARC)定位算法在实际定位环境中受到多径效应、随机噪声以及各种的障碍物的影响,导致所有参与定位标签实时测量的收信场强指示值(RSSI)变化波动非常剧烈,影响了定位精度和系统稳定,为此提出引入指纹库的方法,建立相对稳定的RSSI值与坐标位置对应关系,对实时获得的近邻参考标签RSSI值进行修正,改进邻近标签的选择方法,降低系统误差,在提高系统定位精度的同时,系统稳定性和可靠性大幅增强。实验结果表明,与传统LANDMARC相比,提出算法在定位精度上有35%的提升。

改进的LANDMARC算法在隧道人员定位中的应用

介绍LANDMARC k-邻居定位算法原理,结合信号回波强度传播损耗模型,考虑隧道环境的恶劣性以及电磁波的折射、反射、多径效应等因素的影响,将该算法进行改进,引入参考标签可信度的概念,对其权重进行修订,解决标签的失效和信号强度读取错误的弊端;动态设置参考标签的数目,有效提高定位精度。利用Intel公司的R1000射频识别开发平台,将改进算法应用到隧道人员定位系统中。实验结果表明,改进的算法具有更高的定位精度:1m以内的标签占70%,95%的标签定位误差小于1.5m,且最大误差控制在2m以内,对提高隧道人员的安全管理水平有着重要作用。

基于改进的LANDMARC算法的空间定位实验

利用HIK-RFM104型UHF嵌入式读写模块和中电海康提供的圆极化天线,搭建了基于UHF RFID的直线式测距实验平台。在室内进行测距实验,应用MATLAB将在实验中测得的数据进行非线性拟合处理,得到RSSI与距离的转换模型。基于测距实验,对应用于平面的LANDMARC算法进行改进,使改进后的算法适用于空间定位系统。改进算法解决了基于平面的LANDMARC算法应用于空间时存在误差的问题,降低实验模型成本的同时,提高了空间定位精度。

一种优化的LANDMARC射频识别定位系统设计

射频识别定位技术中,LANDMARC定位算法的精度与选取的参考标签有关。传统算法仅局限于小范围的定位环境中选取3~5个参考标签;但在较大范围的定位环境中,其系统定位精度差,因此提出了动态选取邻近参考标签来优化系统的定位精度的方法。仿真实验结果表明,优化后的系统具有良好的定位精度。

LANDMARC定位算法中参考标签的组成结构分析与改进

由于LANDMARC定位算法中邻近标签有1/3的概率是以三角形的方式呈现,在此基础上可以将LANDMARC算法中参考标签的摆放方式由矩形改为三角形。通过仿真比较两个模型的定位结果可知,三角形摆放方式的定位精度有一定的提升,更重要的是三角形摆放方式需要的参考标签数量少,具有降低成本、减少信号干扰、增强定位系统稳定性的优势。

列检场可视化监控系统LANDMARC算法的改进

以改进的LANDMARC定位算法为核心设计了基于RFID技术的可视化系统,该系统包括职工作业区域可视化监控、列检场作业工步实时动态显示和职工信息管理3个模块.通过测试相同位置下接收信号强度指示值(receive signal strength indication,RSSI)的分布和分析最近邻居数目对定位精度影响,修正RSSI值和优化选取"最近邻居"值,进而实现对LAMDMARC定位算法的改进.现场试验验证表明:经过处理后的RSSI值更为集中且波动范围小,减弱了复杂环境中各种因素对RSSI值的影响并且提高了定位精度.

基于LANDMARC定位算法复杂度的分区算法改进

本文重点讨论研究了基于RFID的LANDMARC室内定位系统,然后在此基础上总结了原LANDMARC系统的不足,并针对LANDMARC系统中的算法复杂度进行分析,提出了一种分区算法来减小系统算法的复杂度.实验结果表明,相比原系统算法,改进后的算法在提高系统定位精度和定位性能的前提下,减小了算法总体的复杂度.