一种基于泛化多维标度的rfid标签定位方法
阅读说明:本技术 一种基于泛化多维标度的rfid标签定位方法 (RFID label positioning method based on generalized multidimensional scale ) 是由 马永涛 田成龙 于 2019-11-22 设计创作,主要内容包括:本发明涉及一种基于泛化多维标度的大规模RFID标签定位方法包括数据预处理阶段、地图碎片生成阶段和地图碎片装配阶段。其中,数据预处理阶段包括以下步骤:根据获得的距离信息构建距离矩阵;根据距离矩阵构建指示矩阵。地图碎片生成阶段包括以下步骤:Bron-Kerbosch算法处理指示矩阵I,得到一系列标签均可通信的子网络,称其为极大团;将阅读的编号集合并入极大团中,得增广极大团;利用增广极大团对距离矩阵切片,得由增广极大团确定的标签簇的距离矩阵;使用处理所得距离矩阵,得相应的地图碎片。(The invention relates to a large-scale RFID label positioning method based on generalized multidimensional scale, which comprises a data preprocessing stage, a map fragment generating stage and a map fragment assembling stage. Wherein, the data preprocessing stage comprises the following steps: constructing a distance matrix according to the obtained distance information; and constructing an indication matrix according to the distance matrix. The map fragment generation phase comprises the following steps: processing the indication matrix I by a Bron-Kerbosch algorithm to obtain a series of subnetworks with labels capable of communicating, and calling the subnetworks as a maximum clique; merging the read number set into the maximum clique to obtain an augmented maximum clique; slicing the distance matrix by using the augmented maximum cluster to obtain a distance matrix of the label cluster determined by the augmented maximum cluster; and obtaining the corresponding map fragments by using the distance matrix obtained by processing.)
所属技术领域
本发明属于RFID定位技术领域,针对利用基于反向散射的标签间通信网络获得标签间距离来对标签进行低复杂度、高精度、高并发度定位问题。
背景技术
随着集成电路和物联网(Internet of Things,IoT)技术的蓬勃发展,在过去的几十年中,越来越多的研究人员投入到基于射频识别标签(radio-frequencyidentification,RFID)的室内定位这一领域中,尤其是基于超高频(ultra highfrequency,UHF)的RFID。感知附着有RFID标签的物体的位置信息尤为重要。在许多物联网系统中,位置信息的有无直接决定系统能否发挥出全部功能,能否为用户提供满意的服务。而未来5G网络的发展更是对室内定位的准确性、并发性和实时性提出了更高的要求。
现存的室内定位技术根据定位原则可分为基于测距的和基于非测距的定位方法。典型的测距技术包括接收信号强度(received signal strength,RSS),到达时间(time ofarrival,ToA),到达时间差(time difference of arrival,TDoA),到达角(angle ofarrival,AoA),到达相位(phase of arrival,PoA),到达相位差(phase difference ofarrival,PDoA)及其有机结合。基于测距的定位方法往往只能实现单目标定位,然而,许多RFID应用亟需多目标的并发式定位技术。
基于非测距的定位技术主要包括指纹法(fingerprinting),射频全息成像(radiofrequency holograph imaging)和射频层析法(radio tomography imaging,RTI)。指纹法的代表性工作是LANDMARC,一个使用参考标签定位室内物体的位置感知原型系统。A.Buffi等人在一个装备UHFRFID阅读器的无人机场景下提出了一种基于合成孔径雷达(syntheticaperture radar,SAR)的定位方法。此外,L.Yang等人提出了一个基于RFID的定位系统,Tagoram。该系统运用差分增强全息图(differential augmented hologram,DAH),实现了移动RFID标签的实时跟踪及高精度定位。另外一个崭露头角的RFID定位方法为RTI,可以在未建立指纹库的背景下实现多目标的精确定位,其应用前提是必须事先已知待定位标签的个数。Y.Ma等人提出了一种新颖的RTI定位技术,在未知目标数目的背景下亦可以事先多目标得精确定位,弥补了RTI上的技术空白。这些非测距方法抑或能实现单目标接续定位、抑或能实现小规模高并发度定位、抑或能实现大规模低并发度定位,均无法满足大规模高并发度的定位需求。业内亟需一个新颖的定位技术,支持大规模部署场景下的多标签并发定位。
发明内容
本发明涉及一种基于泛化多维标度的RFID标签定位方法,利用基于反向散射的标签间通信网络获得标签间的距离估计,从分布式的角度执行多维标度算法。针对大规模标签部署场景内标签间不可通信的情形,本发明首先挖掘网络中标签间均可通信的子网络;其后,对每个子网络使用MDS(multidimensional scaling)算法,得到一池地图碎片;最后,将这些碎片地图组装形成完整的地图。实现大规模标签部署场景下低复杂度、高精度、高并发度的定位效果。本发明的技术方案如下:
一种基于泛化多维标度的大规模RFID标签定位方法包括数据预处理阶段、地图碎片生成阶段和地图碎片装配阶段。其中,
数据预处理阶段包括以下步骤:
1)根据获得的距离信息构建距离矩阵D:
式中:
i,j=1,2,…,M,为标签间距离,i=1,2,…,M,j=1,2,…N,为标签-阅读器距离,i,j=1,2,…N,为阅读器间距离;M为标签数目,N为阅读器数目;若标签间不可通信,则人为规定2)根据距离矩阵构建指示矩阵I:
式中:p,q=1,2,…,M;[*]pq表示矩阵第p行第q列位置上的元素;
地图碎片生成阶段包括以下步骤:
1)Bron-Kerbosch算法处理指示矩阵I,得到一系列标签均可通信的子网络,称其为极大团;
2)将阅读的编号集合并入极大团中,得增广极大团;
3)利用增广极大团对距离矩阵切片,得由增广极大团确定的标签簇的距离矩阵;
4)使用multidimensional scaling算法处理所得距离矩阵,得相应的地图碎片。地图碎片装配阶段中,包括以下步骤:
1)选择一张合适的地图碎片
i0为该地图碎片编号,初始化中间地图设k=1,候选集C={1,2,…,n}\i0,n为地图碎片的数量,“\”为集合的差运算符;2)如果候选集C为空,转步5);否则,选择与中间地图拥有最多公共节点的地图碎片ik为该地图碎片编号;
3)装配
和首先,由Procrustes分析确定一个刚性变换,使得变换后的地图碎片内公共节点的分布尽可能吻合中间地图内公共节点的分布;随后,缝补中间地图和变换后的地图碎片,取公共节点坐标的平均值,同时保留各自独有节点的坐标,得到更新后的中间地图4)更新候选集C=C\ik,k=k+1;转步2);
5)绝对化中间地图:由Procrustes分析确定一个刚性变换,使得变换后的中间地图内阅读器节点的分布尽可能吻合真实阅读器的分布;随后,将此变换作用于整张中间地图,得标签的估计位置坐标。
本发明是一种基于泛化多维标度的大规模RFID标签定位,利用获得的距离估计信息,构建网络的距离矩阵和指示矩阵,引入图论中的Bron-Kerbosch算法获取网络中潜在的可完全通信的子网络,对其进行增广以保证装配的可行性,利用MDS算法获得每个增广网络的相对地图,通过层级装配得到大规模标签的位置信息。与传统的RFID标签定位方法相比,本发明基于协作、降维和统计思想,从分布式的角度执行多维标度算法,极大地拓展了多维标度算法地应用场景,实现了低复杂度、高精度、高并发度的定位效果。同时,这种层级装配的运行机制使得前级装配误差以一种可控的平稳的形式上升,后级装配具有极强的抗干扰能力。在面对质量波动剧烈的地图碎片,多级装配可以将输入失配率大幅度减小,输出质量平稳的中间地图。
附图说明
图1为基于泛化多维标度技术的标签定位场景。
图2为算法流程图。
具体实施方式
下面结合附图对本发明的一种基于泛化多维标度的大规模RFID标签定位方法做进一步的描述。
基于泛化多维标度技术的标签定位场景如图1所示。若干标签随机散落在大规模(10m×10m)定位场景中,去除场景中的孤立标签。
本发明的定位方法根据估计距离信息估计其位置,算法流程如图2所示,步骤如下:
1)根据获得的距离信息构建距离矩阵:
式中:i,j=1,2,…,M,为标签间距离,
i=1,2,…,M,j=1,2,…N,为标签-阅读器距离,i,j=1,2,…N,为阅读器间距离;M为标签数目,N为阅读器数目。若标签间不可通信,则人为规定2)根据距离矩阵构建指示矩阵:
式中:p,q=1,2,…,M;[*]pq表示矩阵第p行第q列位置上的元素。
地图碎片生成阶段中,包括以下步骤:
3)Bron-Kerbosch算法处理指示矩阵I,得到一系列标签均可通信的子网络。设标签编号集合为Lt={1,2,…,M},子网络内标签对应的编号集合为
α=1,2,…,Ω,其中,Ω为子网络的数目。并称Sα为网络的极大团。4)设阅读器的编号集合为Lr={M,M+1,…,M+N},将Lr并入极大团中,得增广极大团
β=1,2,…,Ω。5)利用增广极大团对距离矩阵切片,得由增广极大团确定的标签簇的距离矩阵。
6)使用multidimensionalscaling算法处理所得距离矩阵,得相应的地图碎片。
地图碎片装配阶段中,包括以下步骤:
7)选择一张合适的地图碎片
i0为该地图碎片编号,初始化中间地图设k=1,候选集C={1,2,…,n}\i0,n为地图碎片的数量。8)如果候选集C为空,转步11)。否则,选择与中间地图拥有最多公共节点的地图碎片
ik为该地图碎片编号。9)装配
和首先,由Procrustes分析确定一个刚性变换,使得变换后的地图碎片内公共节点的分布尽可能吻合中间地图内公共节点的分布;随后,缝补中间地图和变换后的地图碎片,取公共节点坐标的平均值,同时保留各自独有节点的坐标,得到更新后的中间地图10)更新候选集C=C\ik,k=k+1。转步8)。
11)绝对化中间地图。由Procrustes分析确定一个刚性变换,使得变换后的中间地图内阅读器节点的分布尽可能吻合真实阅读器的分布;随后,将此变换作用于整张中间地图,得标签的估计位置坐标。