摘 要： 在BVIRE算法的基礎(chǔ)上，利用閾值與定位標(biāo)簽的權(quán)值因子取倒數(shù)的方法，來排除誤差大的鄰近參考標(biāo)簽。實(shí)驗(yàn)表明，新算法在整體定位精度上提高了18%。分析算法的環(huán)境影響因子,得出該新算法在路徑損耗指數(shù)n=1.8，虛擬標(biāo)簽網(wǎng)格數(shù)N=5，閾值為TH=2時(shí)為最佳適用環(huán)境。

　　關(guān)鍵詞： BVIRE；參考標(biāo)簽；定位精度；閾值；環(huán)境影響因子

0 引言

　　隨著物聯(lián)網(wǎng)技術(shù)的快速發(fā)展，室內(nèi)定位技術(shù)受到了前所未有的關(guān)注。LANDMARC（Location Identification Based on Dynamic Active RFID Calibration)算法因其簡單且定位精度高得到了許多學(xué)者的研究[1]。在LANDMARC算法的基礎(chǔ)上用基本相似的方法插入網(wǎng)格虛擬參考標(biāo)簽和邊界參考標(biāo)簽得到邊界虛擬標(biāo)簽算法（Boundary Virtual Label Algorithm，BVIRE）。在邊界虛擬標(biāo)簽算法中采用兩個(gè)權(quán)值，比LANDMARC算法多1個(gè)，而且在鄰近標(biāo)簽的選擇上采用閾值TH來排除小概率的大誤差標(biāo)簽[2]。實(shí)驗(yàn)表明相比原算法，BVIRE算法在定位精度上得到了較大的提高。

1 BVIRE算法簡介

　　如圖1是邊界虛擬標(biāo)簽算法的示意圖，T（T1,T2…T5,T6…）代表已知坐標(biāo)的16個(gè)參考標(biāo)簽。如果將四周的虛擬標(biāo)簽去掉但是保留四角星（閱讀器），就得到了LANDMARC算法模型。而VIRE算法是在LANDMARC算法的基礎(chǔ)上在參考標(biāo)簽中插入虛擬標(biāo)簽[3]，而在邊界上不插入虛擬標(biāo)簽，如圖2所示。所以邊界虛擬標(biāo)簽算法是建立在LANDMARC算法和VIRE算法基礎(chǔ)上在邊界上引入16個(gè)虛擬參考標(biāo)簽后得到的算法。

　　在網(wǎng)格的水平方向上，虛擬參考標(biāo)簽的RSSI（Received Signal Strength Indication）值[4]：

　　在網(wǎng)格的垂直方向上，虛擬參考標(biāo)簽的RSSI值[4]：

　　其中，Sk(Ti,j)表示各參考標(biāo)簽（包括虛擬標(biāo)簽）在閱讀器上的RSSI值，n為網(wǎng)格劃分?jǐn)?shù)。

2 BVIRE算法優(yōu)化分析

　?。?）BVIRE算法選擇歐式距離最短的標(biāo)簽作為鄰近標(biāo)簽，歐式距離的計(jì)算方法沿用經(jīng)典LANDMARC算法的鄰近距離公式[5-6]，如下所示：

　　Ej表示定位目標(biāo)與第j個(gè)參考標(biāo)簽之間的信號(hào)強(qiáng)度相對差；S=(S1,S2,S3,…,Sn)，Si表示已知坐標(biāo)的參考標(biāo)簽到讀寫器i的信號(hào)強(qiáng)度；R=(R1,R2,R3,…,Rn)，Ri表示待測標(biāo)簽到讀寫器i的信號(hào)強(qiáng)度值[5-6]。

　　通過比較Ej的大小來確定與目標(biāo)標(biāo)簽RSSI差值相近的點(diǎn)。通過歐式距離公式可以明確，功率如果相近，則坐標(biāo)值也是相近的。但是由于環(huán)境因素的影響，比如折射、反射等，常常會(huì)使得相差較遠(yuǎn)的點(diǎn)的功率也可能與目標(biāo)坐標(biāo)相近，如圖3所示，右下角的點(diǎn)就是誤差很大的點(diǎn)，但是LANDMARC算法還是將其作為參考點(diǎn)來計(jì)算待測標(biāo)簽坐標(biāo)。

　　式（3）中對于每一個(gè)讀寫器i，都可以求出一個(gè)Ej,那么可以通過設(shè)置一個(gè)閾值TH來排除小概率點(diǎn),這個(gè)閾值就像一個(gè)過濾器，當(dāng)Ej小于閾值時(shí)就保留下來，當(dāng)Ej大于設(shè)定的閾值時(shí)就將它剔除。比如將圖3右下角那個(gè)點(diǎn)排除后就可以使定位精度得到大幅提高。閾值的大小要按照環(huán)境的不同而設(shè)置，當(dāng)環(huán)境比較惡劣，路徑損耗指數(shù)很大時(shí)，則要將閾值設(shè)大一些，而當(dāng)環(huán)境較好時(shí)，則將閾值設(shè)為較小。

　　（2）在BVIRE算法中采用了不同于LANDMARC權(quán)值的設(shè)定方式，LANDMARC算法中只設(shè)定了一個(gè)權(quán)值，而BVIRE算法中設(shè)定了兩個(gè)權(quán)重因子[2-3]，如式（4）、（5）所示。

　　W1i表征選出的鄰近參考標(biāo)簽與待測標(biāo)簽之間的強(qiáng)度信號(hào)差值，Sp(Ti)表示選擇的參考標(biāo)簽強(qiáng)度值，Sp(R)表示待測標(biāo)簽強(qiáng)度值，K是一個(gè)經(jīng)驗(yàn)值。nci表示和i參考標(biāo)簽連在一起的區(qū)域個(gè)數(shù)，na是選擇出來的參考標(biāo)簽的個(gè)數(shù)。

　　權(quán)重因子W2i主要根據(jù)虛擬標(biāo)簽在區(qū)域中的密度而設(shè)定。由于這里取了兩個(gè)權(quán)值因子，而待測標(biāo)簽的坐標(biāo)估計(jì)值需要將這兩個(gè)權(quán)值因子做乘積。經(jīng)分析數(shù)據(jù)發(fā)現(xiàn)，第一個(gè)權(quán)值因子有些數(shù)據(jù)很大，對定位結(jié)果起了決定的作用，就排除了其他權(quán)值因子的作用，于是將第一個(gè)權(quán)值因子取倒數(shù)其他條件均不變，這樣得到了更好的定位結(jié)果。

3 BVIRE優(yōu)化算法實(shí)驗(yàn)結(jié)果分析

　　結(jié)合上述分析對BVIRE算法進(jìn)行改進(jìn)優(yōu)化后得到IMBVIRE算法，對各算法進(jìn)行性能比較，仿真環(huán)境：8 m× 8 m的辦公室，路徑損耗指數(shù)n=2,虛擬標(biāo)簽網(wǎng)格劃分?jǐn)?shù)N=4，閾值TH=2，環(huán)境噪聲標(biāo)準(zhǔn)差設(shè)置為0，路徑損耗模型選用對數(shù)距離損耗模型[7]：

　　其中，d是待測標(biāo)簽到閱讀器的距離，d0是參考距離，P0、P分別表示的是距離為d0、d時(shí)閱讀器收到的信號(hào)強(qiáng)度，δ為遮蔽因子，是一個(gè)隨機(jī)變量，n為路徑損耗指數(shù)。

　　圖4所示為IMBVIRE、BVIRE、LANDMARC三種算法定位結(jié)果對比圖。由圖4可得，相對于經(jīng)典的LANDMARC，IMBVIRE算法在測試的10個(gè)點(diǎn)中，有1個(gè)（編號(hào)為8）的定位精度沒有經(jīng)典算法好，這是因?yàn)楦倪M(jìn)算法在鄰近標(biāo)簽的選擇上用了不同于LANDMARC算法的方式，通過設(shè)置閾值TH=2來排除誤差大的鄰近標(biāo)簽參考點(diǎn)，這里出現(xiàn)的這種現(xiàn)象可能是因?yàn)殚撝颠x擇過小，排除了本來就是正確的參考標(biāo)簽點(diǎn)。但是從整體來看，改進(jìn)的IMBVIRE算法比BVIRE和LANDMARC算法的定位精度都得到了相應(yīng)的提高。

　　由表1可知，IMBVIRE算法的系統(tǒng)平均誤差為0.27 m，而由表2可知BVIRE算法的系統(tǒng)平均誤差為0.33 m，改進(jìn)的IMBVIRE算法整體定位精度提升了0.06 m，雖然其提升的幅度不是很大，但是在提升整體誤差的同時(shí)將最大定位誤差控制在0.7 m以內(nèi)，將增加其定位結(jié)果的可信度。

　　在圖1中的4個(gè)參考標(biāo)簽（T）所圍成的正方形網(wǎng)格中均勻插入N2-4個(gè)虛擬參考標(biāo)簽，即形成N×N的網(wǎng)格。圖5研究了當(dāng)N取不同值時(shí)對定位精度的影響，當(dāng)N=3時(shí)定位精度基本都控制在0.65 m以內(nèi)，當(dāng)N=4或N=5時(shí)定位精度都基本控制在0.4 m以內(nèi)，而且隨著N的增大，精度增加不明顯，顯然最佳取值為N=5。

　　室內(nèi)環(huán)境有很多情況，研究表明一般情況下辦公室（軟分割）的路徑損耗指數(shù)為2.4，零售店的路徑損耗指數(shù)為2.2，蔬菜店的為1.8等。環(huán)境的不同會(huì)影響室內(nèi)定位系統(tǒng)的定位精度。研究環(huán)境對定位精度的影響能夠明確算法到底可以在何種環(huán)境中應(yīng)用，同時(shí)也驗(yàn)證算法是否具有兼容性。圖6體現(xiàn)出該算法在路徑損耗指數(shù)為1.8時(shí)為最優(yōu)，也就是說該算法最適用于蔬菜店的室內(nèi)定位，同時(shí)在其他環(huán)境中該算法也能夠較精確定位，充分體現(xiàn)了其兼容性較強(qiáng)，能夠作為商業(yè)化廣泛應(yīng)用。

　　閾值選取是否得當(dāng)與定位精度關(guān)系非常密切，如果將閾值設(shè)置過大就會(huì)起不到過濾誤差參考點(diǎn)的作用，但是選取過小又有可能將本來需要的標(biāo)簽參考點(diǎn)過濾掉。但是加入閾值確實(shí)能夠?qū)⒄w的定位精度提高。由圖7可見，TH=0.5或者TH=3時(shí)，定位精度都沒有當(dāng)TH=2時(shí)的定位精度高，所以該環(huán)境下的最佳閾值為TH=2。當(dāng)然固定閾值是不能保證使每個(gè)待測標(biāo)簽的定位精度都能提高，從圖4中可見，8號(hào)待測標(biāo)簽的定位精度反而沒有原來的高，但是從整體性能上來分析，這個(gè)是最優(yōu)的。

4 結(jié)論

　　本文基于BVIRE算法，在兩個(gè)方面對其進(jìn)行改進(jìn)，而得到IMBVIRE算法。實(shí)驗(yàn)結(jié)果表明，改進(jìn)算法在整體定位精度上提升了0.06 m，取得了比較明顯的效果，同時(shí)本文確定了各個(gè)環(huán)境影響因子的最優(yōu)取值，驗(yàn)證了改進(jìn)算法的實(shí)用環(huán)境。雖然改進(jìn)后算法定位精度已經(jīng)相當(dāng)可觀，但是其定位精度的提升還有空間，下一步將研究如何設(shè)置動(dòng)態(tài)的閾值，這樣將會(huì)使定位精度得到更大的提升。

參考文獻(xiàn)

　　[1] Zhou J, Zhang H, Mo L. Two dimension localization of passive RFID tags using AOA estimation[C].IEEE Instumention and Measurment Technology Conference, I2MTC, 2011:1-5 .

　　[2] Jingwangsa T,Soonjun S,Chernthanomwong P.Comparison between innovative approaches of RFID based localization using fingerprint techniques for outdoor and indoor environments[C]. ICACT, 2010:7-10.

　　[3] 李鵬,馬寧,楊擁軍,等. 基于RFID的邊界虛擬參考標(biāo)簽改進(jìn)算法[J]. 計(jì)算機(jī)應(yīng)用研究, 2013,30(1):158-160.

　　[4] 陳冰,劉開華,史偉光. 基于RFID的虛擬標(biāo)簽改進(jìn)算法[J]. 計(jì)算機(jī)工程, 2011,37(16):285-287.

　　[5] 陳瑞鑫, 鄒傳云.有源RFID定位系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 電子技術(shù)應(yīng)用, 2010,36(10):114-116.

　　[6] Xie Yinggang, Kuang Jiaoli, Wang Zhiliang, et al. Indoor location tehnology and its applications base on improved LANMARC algorithm[C]. IEEE Chinese Control and Conference, 2012:38-41.

　　[7] Zhu Xiuyan, Feng Yuan. RSSI-based algorithm for indoor localization[J]. Communications and Network, 2013,5(2):37-42.