[发明专利]一种基于人工神经网络的RFID室内定位系统与方法

摘要

本发明涉及一种基于人工神经网络ANNs的RFID室内定位系统及方法，该方法包括以下步骤：离线阶段定位区域数据采集、原始数据预处理、训练数据库的建立以及ANNs室内位置定位模型构建，其中根据信号统计数据特点，利用高斯滤波原理对原始数据进行噪声过滤和数据归一化预处理；在线阶段实时信号获取、数据预处理并将预处理后的数据实时输入到离线阶段所构建的ANNs室内位置定位模型中，实时输出该待定位目标的位置。所述的系统包括无源RFID标签、RFID阅读器和计算机终端。与现有技术相比，本发明具有噪声滤波预处理定位精度高、高斯滤波过程计算时间短、抗噪声干扰能力强、成本低和定位实时性强等优点。

主权项

1.一种基于人工神经网络的RFID室内定位方法，其特征在于，该方法包括以下步骤：S1、离线阶段定位区域数据采集：RFID标签按照一定的规则布置于定位区域，RFID阅读器接收各RFID标签的信号强度值RSSI，并记录RFID标签所在位置，获得含噪声的原始训练数据集；S2、离线阶段原始数据预处理：根据高斯滤波原理对原始数据进行噪声数据高斯过滤和数据归一化预处理；S3、离线阶段训练数据库的建立：将离线阶段预处理后的数据重新组成新训练数据集；S4、离线阶段ANNs室内位置定位模型构建：计算机利用新训练数据集对ANNs定位模型进行训练；S5、在线阶段实时信号获取：当携有RFID标签的待定位目标进入到定位区域内时，RFID阅读器获取该标签的RSSI信息和ID号，并传输至计算机，计算机对接收到的信息进行处理并构建该RFID标签自身的实时信息库；S6、在线阶段数据预处理：根据高斯滤波原理对实时信息进行噪声数据高斯过滤和数据归一化预处理；S7、在线阶段实时位置精确预测：将在线阶段预处理后的数据实时输入到离线阶段所构建的ANNs定位模型中，实时输出该待定位目标的位置；步骤S2和步骤S6中的噪声数据高斯过滤预处理过程具体为：a)信号强度值RSSI与高斯函数的关系如下：其中，为RFID阅读器的第l个天线在某段连续时间内第k次测量第j个标签的RSSI信息；为RFID阅读器的第l个天线在某段连续时间内连续k次测量第j个标签的RSSI信息；b)根据高斯分布的2σ原则，将小概率事件内的数据作为无效数据剔除，将大概率事件内的数据作为有效数据保留；c)对k次测量中经过滤得到的所有有效数据进行取平均值，如下：其中，M为连续k次测量中RSSI符合大概率事件的次数；为RFID阅读器的第l个天线在某段连续时间内第e次测量第j个标签的RSSI值；将Fout_RSSI作为噪声数据过滤后第l个天线测量到的第j个标签的一个有效RSSI值。