摘 要： 在BVIRE算法的基礎(chǔ)上，利用閾值與定位標簽的權(quán)值因子取倒數(shù)的方法，來排除誤差大的鄰近參考標簽。實驗表明，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，虛擬標簽網(wǎng)格數(shù)N=5，閾值為TH=2時為最佳適用環(huán)境。

　　關(guān)鍵詞： BVIRE；參考標簽；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)格虛擬參考標簽和邊界參考標簽得到邊界虛擬標簽算法（Boundary Virtual Label Algorithm，BVIRE）。在邊界虛擬標簽算法中采用兩個權(quán)值，比LANDMARC算法多1個，而且在鄰近標簽的選擇上采用閾值TH來排除小概率的大誤差標簽[2]。實驗表明相比原算法，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是邊界虛擬標簽算法的示意圖，T（T1,T2…T5,T6…）代表已知坐標的16個參考標簽。如果將四周的虛擬標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)上在參考標簽中插入虛擬標簽[3]，而在邊界上不插入虛擬標簽，如圖2所示。所以邊界虛擬標簽算法是建立在LANDMARC算法和VIRE算法基礎(chǔ)上在邊界上引入16個虛擬參考標簽后得到的算法。

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

　　在網(wǎng)格的垂直方向上，虛擬參考標簽的RSSI值[4]：

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

2 BVIRE算法優(yōu)化分析

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

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

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

　　式（3）中對于每一個讀寫器i，都可以求出一個Ej,那么可以通過設(shè)置一個閾值TH來排除小概率點,這個閾值就像一個過濾器，當Ej小于閾值時就保留下來，當Ej大于設(shè)定的閾值時就將它剔除。比如將圖3右下角那個點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，當環(huán)境比較惡劣，路徑損耗指數(shù)很大時，則要將閾值設(shè)大一些，而當環(huán)境較好時，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)定了一個權(quán)值，而BVIRE算法中設(shè)定了兩個權(quán)重因子[2-3]，如式（4）、（5）所示。

　　W1i表征選出的鄰近參考標簽與待測標簽之間的強度信號差值，Sp(Ti)表示選擇的參考標簽強度值，Sp(R)表示待測標簽強度值，K是一個經(jīng)驗值。nci表示和i參考標簽連在一起的區(qū)域個數(shù)，na是選擇出來的參考標簽的個數(shù)。

　　權(quán)重因子W2i主要根據(jù)虛擬標簽在區(qū)域中的密度而設(shè)定。由于這里取了兩個權(quán)值因子，而待測標簽的坐標估計值需要將這兩個權(quán)值因子做乘積。經(jīng)分析數(shù)據(jù)發(fā)現(xiàn)，第一個權(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)化算法實驗結(jié)果分析

　　結(jié)合上述分析對BVIRE算法進行改進優(yōu)化后得到IMBVIRE算法，對各算法進行性能比較，仿真環(huán)境：8 m× 8 m的辦公室，路徑損耗指數(shù)n=2,虛擬標簽網(wǎng)格劃分數(shù)N=4，閾值TH=2，環(huán)境噪聲標準差設(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時閱讀器收到的信號強度，δ為遮蔽因子，是一個隨機變量，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個點中，有1個（編號為8）的定位精度沒有經(jīng)典算法好，這是因為改進算法在鄰近標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簽參考點，這里出現(xiàn)的這種現(xiàn)象可能是因為閾值選擇過小，排除了本來就是正確的參考標簽點。但是從整體來看，改進的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個參考標簽（T）所圍成的正方形網(wǎng)格中均勻插入N2-4個虛擬參考標簽，即形成N×N的網(wǎng)格。圖5研究了當N取不同值時對定位精度的影響，當N=3時定位精度基本都控制在0.65 m以內(nèi)，當N=4或N=5時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，同時也驗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，能夠作為商業(yè)化廣泛應(yīng)用。

　　閾值選取是否得當與定位精度關(guān)系非常密切，如果將閾值設(shè)置過大就會起不到過濾誤差參考點的作用，但是選取過小又有可能將本來需要的標簽參考點過濾掉。但是加入閾值確實能夠?qū)⒄w的定位精度提高。由圖7可見，TH=0.5或者TH=3時，定位精度都沒有當TH=2時的定位精度高，所以該環(huán)境下的最佳閾值為TH=2。當然固定閾值是不能保證使每個待測標簽的定位精度都能提高，從圖4中可見，8號待測標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，這個是最優(yōu)的。

4 結(jié)論

　　本文基于BVIRE算法，在兩個方面對其進行改進，而得到IMBVIRE算法。實驗結(jié)果表明，改進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，同時本文確定了各個環(huán)境影響因子的最優(yōu)取值，驗證了改進算法的實用環(huán)境。雖然改進后算法定位精度已經(jīng)相當可觀，但是其定位精度的提升還有空間，下一步將研究如何設(shè)置動態(tài)的閾值，這樣將會使定位精度得到更大的提升。

參考文獻

　　[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的邊界虛擬參考標簽改進算法[J]. 計算機應(yīng)用研究, 2013,30(1):158-160.

　　[4] 陳冰,劉開華,史偉光. 基于RFID的虛擬標簽改進算法[J]. 計算機工程, 2011,37(16):285-287.

　　[5] 陳瑞鑫, 鄒傳云.有源RFID定位系統(tǒng)設(shè)計與實現(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.