密集部署环境下动态智能位置感知技术

With the advantages of low-cost, small size, without power supply, easy deployment and long read range etc. from passive UHF RFID tags, the scene analysis method based on passive reference tags has become a hot topic of research in indoor localization. However, under the dense deployment environments of passive tags, the instability of localization information caused by complex multipath propagation channels, mutual coupling of adjacent tag antennas, and noise etc. affects the further improvement of tag localization accuracy, becoming the key and difficult problem of current research. On the basis of previous study on passive UHF RFID indoor localization, our research group will carry out some innovative work below. Firstly, we will propose a scene analysis dynamic feature library for the instability characteristics of localization information. Secondly, we will introduce a dual modal localization algorithm based on unsupervised machine learning for the neighboring tags selection. Thirdly, we will propose a virtual features estimation algorithm based on supervised machine learning for reducing the prediction range. The research results of the project will systematically analyze the dynamic model of passive UHF RFID signals in the dense deployment environments and the proposed localization optimization algorithms will increase the tag localization precision in dense complex indoor channel environments.

凭借无源超高频(UHF)射频识别(RFID)标签价格低廉、体积小、无需供电、部署简单等优势，基于无源参考标签的场景分析方法成为目前室内定位研究的热点。但在无源标签密集部署环境下，复杂多径传播信道，邻近标签天线互耦效应以及噪声等因素造成的定位信息不稳定问题影响标签定位精度的进一步提高,成为目前研究的重点及难点。在前期关于无源超高频RFID室内定位的研究基础上,课题组将开展如下创新研究:一是针对定位信息不稳定特性提出建立场景分析动态特征库;二是针对邻近标签筛选问题提出基于非监督式机器学习的双模态定位算法;三是针对缩小预测范围问题提出基于监督式机器学习的虚拟特征向量估计算法。课题研究成果将系统分析密集部署环境下无源超高频RFID信号的动态模型,所研究的定位算法能够提升密集部署复杂室内信道环境下的标签定位精度。

基于无源超高频RFID的感知及应用技术主要依赖于射频信号所蕴含的信道信息，而传统射频信号分析过程中主要聚焦多径传播、非视距传播以及噪声等因素对信号测量值的影响，但随着应用中标签使用数量的不断增多，标签天线的互耦作用成为引起射频信号波动的又一重要因素。在前期工作基础上，针对标签互扰问题课题组开展以下创新研究工作：一是针对密集部署环境下标签互扰导致的定位信息不稳定的问题，通过结合电磁波干涉和自由空间传播模型，对不同间距情况下邻近标签对固定标签的影响进行定性分析，从而推导出综合标签互扰影响的新型信道模型。二是分析密集部署环境下标签反向散射信号能量和相位的差分扰动模态，综合能量和相位的波动信息作为邻近参考标签选择的新型判断标准，极大提高密集部署环境下邻近参考标签筛选准确性，从而提高定位精度。三是针对缩小预测范围以及无源RFID标签未被激活问题，提出基于单天线的参考标签空间欧式距离SE与定位信息欧氏距离IE的SE-IE数学模型，该模型不仅可以估计标签缺失特征信息，还可进行虚拟点特征向量估计，增加特征匹配数据量，为进一步提高定位精度奠定数据基础。四是基于射频信号波动情况开展应用技术拓展研究，包括a）研究了基于RFID标签反向散射信号的液体余量监控方法，主要利用射频信号易受液体环境干扰来感知液体环境的变化，通过射频信号值的变化规律实现液面监控，从而提高工作效率和安全性；b）研究了基于射频信号的可疑物品检测方法，利用无源RFID标签感知周围的环境介质中是否存在金属和液体类可疑物品，利用标签反向散射信号的波动情况实现可疑物品检测；c）提出一种基于双标签的运动目标移动方向识别方法，主要利用在某些特定近距离间隔下，标签反向散射信号只与自身所处的位置以及周围环境有关，且相邻标签受环境影响程度一致，则标签反向散射信号就更能反映邻近标签之间的相对位置信息，基于双标签的互为参考实现运动方向识别。