高精度RSSI的定位方法及其定位系統(tǒng)研究.pdf

1、隨著室內定位技術的快速發(fā)展，射頻識別技術因為具有低成本、非接觸、非視距和高定位精度等優(yōu)點，成為室內定位方面的首選方案。然而目前已有的RFID室內定位算法的精度容易受到標簽密度與算法效率的影響，所以研究一種合理的定位算法有效解決上述問題顯得極其重要。
　　本文重點分析了最近鄰標簽定位算法的優(yōu)勢和缺陷并對極限學習機訓練算法在定位領域的可行性進行了分析，主要完成以下工作:
　　本文首先提出了一種基于LANDMARC和ELM學習算法

2、相結合的分段式定位算法。分為離線與在線兩個階段:離線階段，首先對所有實體參考標簽的信號強度值進行采集，再利用VIRE方法增加虛擬標簽，使用實際測得的傳播損耗模型計算虛擬標簽的信號強度值，構建訓練數(shù)據(jù)矩陣。然后通過ELM學習算法對參考標簽的信號強度值與位置信息進行數(shù)據(jù)訓練并建立ELM模型。在線階段，實時采集目標標簽的信號強度值，首先使用LANDMARC算法選取最近鄰標簽的覆蓋區(qū)域，并對該范圍內使用離線階段得到的ELM模型，進行最后的位置確

3、定。本文通過仿真驗證了本算法在室內定位領域的適用性。
　　本文利用射頻開發(fā)平臺搭建了室內定位系統(tǒng)，編寫了相應的算法程序，對以上算法進行實際測試，為算法的實際應用提供了參考。實驗中討論了ELM模型隱藏節(jié)點參數(shù)設置的不同對定位精度的影響。在空曠的室內空間以及相同的參考標簽密度下，通過對不同位置的目標標簽的多次測量，本文算法的平均誤差為0.30米，相比LANDMARC算法提高了38％，在定位時間上相比于LANDMARC算法縮短了76％。