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.

基于RFID与GPS的拖拉机机库信息管理系统的设计与开发

针对一些大型拖拉机机库的管理过程中,产生的数据量庞大,传统依靠人工手动录入的管理方式效率低下、成本高、可靠性低等问题,结合互联网、传感器、智能定位等技术设计并开发一套拖拉机机库信息管理系统。该系统分为移动端和机库端的开发,移动端使用GPS进行拖拉机室外定位,结合拖拉机作业幅宽,计算得到拖拉机的作业面积等信息,开发移动端人机交互界面。机库端先对射频识别(RFID)的硬件电路进行设计,再使用Landmarc定位算法进行拖拉机室内定位,最后综合机库内的环境参数和移动端上传的作业信息等,开发拖拉机在线管理可视化平台。为验证系统的可行性,进行Landmarc算法的定位仿真、作业面积计算准确性验证、数据上传丢包测试。试验结果表明:拖拉机室内定位的平均误差为1.06 m,可以满足判断拖拉机车位的要求;作业面积计算的平均误差为4.17%,可以满足实际作业时的需求;数据存储成功率为97.70%,能够实现各项数据的存储。

加入虚拟标签的射频识别室内定位算法

在路标(LANDMARC)定位算法的基础上,提出把多个参考标签作为一个整体来与待定位标签比较RSSI值,先找出待定位标签所在的区域范围,并在此区域范围内线性添加一些虚拟参考标签,最后通过加权估计来确定待定位标签的位置坐标。仿真实验和硬件测试结果表明:改进后的算法在没有增加任何硬件成本的同时,具有更好的稳定性和抗干扰性,并且定位精度也有显著提高,更适用于室内定位。

基于差分进化算法的RFID定位

针对传统射频识别(RFID)定位过程繁琐,系统定位精确度低以及计算较为复杂的问题,提出一种利用差分进化(DE)算法优化RFID定位精确度的方法。该方法首先随机初始参考标签的位置坐标,通过接收信号强度(RSS)值计算出阅读器与标签之间的测量距离,再通过优化阅读器与参考标签和待测标签之间的距离误差,估计出离待测标签最近的位置坐标,最后与经典LANDMARC定位系统做比较。仿真结果表明,经典LANDMARC定位系统的平均定位误差为1.1158 m,而利用差分进化算法优化后的系统平均定位误差为0.0012 m,从而证明利用差分进化算法优化RFID定位的方法是有效的。