基于不同鄰近標簽數(shù)選擇的LANDMARC定位算法研究

謝亞琴 王超

摘要 對于基于射頻識別的LANDMARC室內(nèi)定位算法而言，該系統(tǒng)采用“k近鄰”算法，通過選取k個與待測標簽相鄰且符合特定條件的參考標簽，最后根據(jù)這些標簽的位置結合權值估算出待測標簽的坐標信息.但是在實際的操作過程中，最近鄰參考標簽數(shù)的選取無指導原則，具有一定的盲目性.針對這一問題，通過選取與待定位參考點最近鄰的參考節(jié)點作為未知點，通過搜索法獲得最優(yōu)的鄰近標簽數(shù)k，在隨后的未知節(jié)點的定位過程中，選取k個鄰近標簽進行定位.經(jīng)過多次實驗，最終得出結論，使用改進后的LANDMARC 算法的性能要優(yōu)于原來經(jīng)典的LANDMARC 算法，精確度提升了10%左右，同時避免了k值選取的盲目性.

關鍵詞 鄰近標簽;LANDMARC 算法;室內(nèi)定位;射頻識別

中圖分類號 TN91

文獻標志碼 A

0 引言

對于室外環(huán)境而言，全球定位系統(tǒng)（GPS）和蜂窩移動通信系統(tǒng)可以提供相對精確的位置服務，但是隨著科技發(fā)展和社會的進步，人們絕大多數(shù)的時間都集中在室內(nèi)進行活動，此時目標在室內(nèi)的位置信息就變得十分重要.由此催生了室內(nèi)定位的需求，因此，基于位置的服務（Location-Based Services，LBS）得到了工業(yè)界和學術界廣泛的關注和研究.

目前較為典型的室內(nèi)定位方法主要包括超聲波定位、無線局域網(wǎng)（WLAN）定位[1]、超寬帶（UWB）定位、紅外線定位以及基于RSSI（Received Signal Strength Indicator）[2]的無線射頻（RF）定位等方法.而基于無線視頻識別的定位技術（RFID）具有成本低、適應能力強、非接觸式雙向通信等優(yōu)點，可以用于室內(nèi)環(huán)境進行定位.

基于RFID的定位方法可以分為基于測距的算法和基于非測距的算法兩大類.基于測距的定位方法通過測量信號到達時間TOA（Time of Arrival）[3]、信號到達時間差TDOA（Time Difference of Arrival）、信號到達角度AOA（Angle of Arrival）等進行定位;基于非測距算法通過場景分析求得待定位標簽的位置，常用的算法有BVIRE[4]、VIRE[5]和LANDMARC（LocAtioN iDentification based on dynaMic Active Rfid Calibration）算法[6-15].基于非測距的定位方法對終端要求較低而得到廣泛關注與研究，其中，LANDMARC算法因為算法簡單的優(yōu)點而得到廣泛應用，但LANDMARC 算法的定位過程中，鄰近標簽數(shù)的選擇具有較大的隨意性，因而導致定位精度不高.針對LANDMARC算法的這一不足之處，本文提出一種基于搜索法獲得最優(yōu)鄰近標簽數(shù)的改進型的LANDMARC室內(nèi)定位算法.

1 LANDMARC算法簡介

LANDMARC算法的基本原理如下：在閱讀器的覆蓋范圍之內(nèi)引入額外的固定參考標簽，閱讀器分別收集待定位點和參考標簽之間的RSSI（接收信號強度），如果待定位點距離其中的某個參考標簽很近，那么它們的信號強度值會非常接近，因此，擺放于不同位置的各個閱讀器對它們的解析也會很相似.因此，當待定位點鄰近有多個參考標簽的RSSI值與它相似時，就可以根據(jù)它們之間的相似程度，采用“最近鄰距離”思想，比較并選取與待定位點的RSSI信息最相近的k個參考標簽估計出待定位點的坐標.

2 改進的LANDMARC算法

通過以上對LANDMARC算法的分析和介紹，可以看到：

1）在該算法中，最近鄰居標簽的個數(shù)k的選取無指導原則，對定位精度也有一定影響;

2）定位精度與系統(tǒng)中布置的參考標簽數(shù)有關，同時，部署較多的參考標簽也會同時造成標簽之間的信號干擾.

針對以上所述經(jīng)典LANDMARC 算法的不足，現(xiàn)對其做出如下改進：

由于物理位置相鄰近的標簽之間信號強度的類似性，本文提出選擇離待測標簽最近的參考標簽作為未知點，由于該參考標簽的位置是已知的，由此可以采用經(jīng)典的LANDMARC算法搜索取得最小估計值的最鄰近標簽數(shù)k，在隨后的待測標簽定位過程中，采用該k值來進行加權計算，從而獲得待測標簽的位置坐標.具體的算法流程如圖1所示.

3 仿真實驗結果及分析

如圖2所示，在一個8 m×8 m的房間里的4個角落分別布置4個讀寫器，橫向、縱向每隔1 m布置一個參考標簽，一共布置77個參考標簽.待定位標簽共計1 000個，在[0，8]之內(nèi)服從均勻分布.仿真實驗中分別用均方根誤差（MSE）和累積分布函數(shù)（CDF）來表示定位算法的性能.

圖3給出了改進后的LANDMARC算法與經(jīng)典的LANDMARC定位算法的累積分布函數(shù)變化曲線，仿真中設置路徑損耗指數(shù)為2.2.如圖3所示，改進后的LANDMARC定位算法在誤差為0.5～1.5 m之間時，CDF曲線相對于經(jīng)典的LANDMARC算法提高了約10%.

圖4給出了路徑損耗因子在2到4之間變化時，不同定位方法的均方根誤差比較情況.由圖4可知，隨著路徑損耗因子的增加，總體的均方根誤差呈現(xiàn)降低趨勢，同時，在所有的不同路徑損耗因子情況下，改進后的LANDMARC算法均比經(jīng)典的LANDMARC 算法的均方根誤差要低，因而定位精度也高.

4 結論

本文提出了一種改進的LANDMARC 算法，這種改進主要是在對鄰近參考標簽數(shù)量的選擇上.本文算法通過選擇與待測節(jié)點信號強度相似的參考標簽位置，以此作為未知節(jié)點來搜索最優(yōu)的鄰近參考標簽數(shù)，相比于傳統(tǒng)的盲目選擇方法，該方法可以有針對性地選擇鄰近參考標簽數(shù)，同時提高了待測點的位置定位精度.

參考文獻References

[1] 鄒亮，潘洲.基于2.4 GHz與5 GHz信號的WiFi指紋定位算法研究[J].科學技術與工程，2015，15（3）：280-284

ZOU Liang，PAN Zhou.Study on wi fi fingerprintlocalization algorithm based on 2.4 GHz and 5 GHz signal[J].Science Technology and Engineering，2015，15（3）：280-284

[2] 尚少鋒，張雪英，王峰，等.一種基于RSSI校正的加權質(zhì)心定位算法[J].科學技術與工程，2013，13（10）：2832-2835，2840

SHANG Shaofeng，ZHANG Xueying，WANG Feng，et al.A weighted centroid localization algorithm based on RSSI correction[J].Science Technology and Engineering，2013，13（10）：2832-2835，2840

[3] 王沁，何杰，張前雄，等.測距誤差分級的室內(nèi)TOA定位算法[J].儀器儀表學報，2011，32（12）：2851-2856

WANG Qin，HE Jie，ZHANG Qianxiong，et al.Ranging error classification based indoor TOA localization algorithm[J].Chinese Journal of Scientific Instrument，2011，32（12）：2851-2856

[4] 黃俊，鄒傳云，何毅，等.基于RFID的BVIRE算法研究與改進[J].微型機與應用，2014，33（23）：72-74

HUANG Jun，ZOU Chuanyun，HE Yi，et al.Research and improvement of BVIRE algorithm based on RFID[J].Microcomputer & its Applications，2014，33（23）：72-74

[5] BAO Hui，ZHI Jiuying.Improved location algorithm of VIRE based on RFiD[J].Electricity，2014，25（2）：51-54

[6] 馬捷中，劉云超，郭陽明，等.基于最近鄰居的區(qū)域定位改進算法[J].西北工業(yè)大學學報，2015，33（1）：93-97

MA Jiezhong，LIU Yunchao，GUO Yangming，et al.Improving location algorithm with LANDMARC system[J].Journal of Northwestern Polytechnical University，2015，33（1）：93-97

[7] 馬翠紅，丁建南，楊友良，等.基于改進的LANDMARC算法的空間定位實驗[J].河北聯(lián)合大學學報（自然科學版），2015，37（1）：83-89

MA Cuihong，DING Jiannan，YANG Youliang，et al.Spatial location experiment based on improved LANDMARC[J].Journal of Hebei United University Natural Sclence Edition，2015，37（1）：83-89

[8] 張玲玉.LANDMARC定位系統(tǒng)及其算法的研究[D].長沙：中南大學，2014

ZHANG Lingyu.The Research of LANDMARC positioning system and its application[D].Changsha：Central South University，2014

[9] 楊輝.基于LANDMARC系統(tǒng)的室內(nèi)定位算法的研究與改進[D].福州：福建師范大學，2012

YANG Hui.Research and improvements of indoor location algorithm based on LANDMARC System[D].Fuzhou：Fujian Normal University，2012

[10] Khan M A，Antiwal V K.Location estimation technique using extended 3-d LANDMARC algorithm for passive RFID tag[C]∥2009 IEEE International Advance Computing Conference，Patiala，India，2009：249-253

[11] Liu H，Darabi H，Banerjee P，et al.Survey of wireless indoor positioning techniques and systems[J].IEEE Transactions on Systems，Man and Cybernetics，Part c （Applications and Reviews），2007，37（6）：1067-1080

[12] Sansanayuth T，Suksompong P，Chareonlarpnopparut C，et al.RFID 2D-localization improvement using modified LANDMARC with linear MMSE estimation[C]∥2013 13th International Symposium on Communications and Information Technologies （ISCIT），Surat Thani，Thailand，2013：133-137

[13] Yeh C H，Su S F.Enhance LANDMARC from the fundamentals[C]∥2013 International Conference on Advanced Robotics and Intelligent Systems，Tainan，Taiwan，China，2013：23-27

[14] 王遠哲，毛陸虹，劉輝，等.基于參考標簽的射頻識別定位算法研究與應用[J].通信學報，2010，31（2）：86-92

WANG Yuanzhe，MAO Luhong，LIU Hui，et al.Research and application of RFID location algorithm based on reference tags[J].Journal on Communications，2010，31（2）：86-92

[15] 韓下林，趙衛(wèi)東，季軍，等.基于RFID技術的室內(nèi)定位算法及其改進[J].計算機工程，2008，34（22）：266-267，270

HAN Xialin，ZHAO Weidong，JI Jun，et al.Indoor location algorithm based on RFID technology and its improvement[J].Computer Engineering，2008，34（22）：266-267，270