基於RFID技術的室內定位方法簡述

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傳感器網絡服務的一個重要分支。

通常用於室內定位研究的傳感器包括：Wi-Fi、藍牙、RFID、紅外、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計算機為基礎，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能技術系統。

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等人通過捕獲標籤的相位信息，利用卡爾曼濾波來計算標籤的位置[1]。Alippi等人則是利用安裝在固定位置的讀寫器天線，通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，並利用貝葉斯網絡計算標籤的位置[2]。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幹擾對標籤進行定位的方法[3]。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[4-5]。

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[6]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站，記錄每個讀寫器讀到的標籤接收信號強度，通過三角測距的方法，計算出標籤的位置[7]。

圖2 SpotON系統原理示意圖

2.2 LANDMARC定位算法

Landmarc[8]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，通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[9]。Chattopadhyay等人則是通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[10]。

同時，該團隊利用神經網絡對Landmarc系統進行改進，通過預先布置的目標標籤和參考標籤的信號強度，對神經網絡進行訓練，利用訓練好的神經網絡，來計算未知的目標標籤的位置[11]。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[12]。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(Virtualreferenceelimination)算法，通過線性插值方式結合實際參考標籤的位置信息和信號強度，估計虛擬參考標籤的位置信息及信號強度，實現室內傳輸環境的細粒度化[13]。

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[14];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[15]。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。

1