资源描述：
《基于rfid技术矿山人员实时定位系统探究和实现》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、基于RFID技术矿山人员实时定位系统探究和实现摘要：针对目前矿山井下定位系统功能不完善与实现复杂的现状，提出了一个应用FRID技术的矿山人员定位系统。系统设计了一个远距离有源RFID定位系统基本模型。利用距离调节定位算法来确定井下工作人员的位置，实验结果证明定位算法的高效。系统实现了对人员和重要设备的准确定位，对实现矿山的安全生产管理有着重要的意义。关键字：射频识别技术；矿山；定位系统；调度算法中图分类号：TN911734文献标识码：A文章编号：10047373X(2013)21?0035?020引言无线射频识别RFID是一种利用射频通信
2、实现的非接触自动识别技术。RFID技术由于其远距离、快速、多目标同时读取等特点，在交通运输、人员实时定位和物流业等方面具有广阔的应用前景［1］。利用RFID技术，将无线射频识别技术与最近领域方法［2］相结合，实时、准确地跟踪定位人员成为可能。该技术将为矿山企业的安全生产和经营管理带来新的契机。1相关工作基于RFID技术在室内进行定位的典型系统有LANDMARCE3］和SpotON［4］。前者是基于主动RFID校验的动态定位识别系统，采用参考标签来辅助定位，通过计算被定位标签的信号强度矢量和每个参考标签的信号强度矢量之间的距离，选取距离被定
3、位标签最近的几个参考标签，根据几个参考标签的坐标计算出被定位标签的坐标oLANDMARC系统一半的误差在1m以内，与定位要求基本符合，LANDMARC系统定位一个目标的计算时间超过半分钟，时间比较长。SpotON系统对信号强度进行分析，通过被测试标签的信号强度表示标签之间的距离，该系统采用聚合对三位空间进行定位。LANDMARC和SpotON系统各有自己的优缺点，如果应用到矿山设备和人员定位有一定的局限性。目前，中国大多数矿山井下人员的定位系统只能粗劣定位人员的位置，这种水平虽然在一定程度上能定位井下人员的大致位置，但存在极大的误差，一旦
4、出现事故，就很难估测到其具体情况。将RFID技术应用于矿山井下管理，设计一个高效的人员和设备的定位系统［5?7］和方法显得非常重要。本文提出一个距离调节定位算法，可以为设备和人员位置提供准确定位。2定位系统基本模型实时定位系统模型如图1所示。当射频读写器读取到各种标签(包括参考标签和目标对象的标签)，它会将这些标签的数据通过中间件处理映射后，交由数据集成环节，并由事件解析环节，将数据信息还原为发生的事件。之后事件将分成定位事件处理和行为事件处理两部分分别予以响应。3定位算法本文提出一个距离调节定位算法。读写器有十个功率控制等级，每个等级对
5、应一个读写距离。每个读写器能自动调节其功率控制等级，即能调节其读写范围。定义待定位标签的信号强度矢量为［Si二sil,si2,…，sin,］其中［sii］是第［i］个读写器能读取待定标签的最低功率等级。对于系统中某个参考标签［j］的信号强度矢量［0i,j=(01,02,0i,…，en),是第［i］个读写器能读取待定标签的最低功率等级。通过如下算法确定每个待定标签和参考标签的信号强度矢量。(1)选定读写器［Ri,］用最小功率识别标签，如果成功识别到待定位标签，则转到(2),否则将读写器功率加大一级转到(l)o如果目前是最大功率不能识别参考标
6、签，则选定读写器［Ri+1,］转到(1)执行。(2)记录读写器在目前功率［P(j)］下能够识别的参考标签集［V(i(j))o］(3)将读写器功率加大一级，记录此时能够识别的参考标签集［V(i(j+l))o］(1)求得参考标签集［V(i(j+1))］和［V(i(j))］的差集，记录下该标签集［V(ij)o］(2)将读写器改为［Ri+1,］转到(1)执行，当所有读写器读完所有的标签后转到下一步执行。(3)计算所有的标签集［V(ij)］的交集。计算每一个待定位标签的信号强度矢量［Si］与标签集中所有参考标签［0i,j］的欧几里德距离［di,j=
7、9i,j-Si=n=lN9n-Sn2o］(4)当［di,j］=0时，就选目前参与计算的参考标签的位置为待定位标签的位置，否则，在参考标签集合中选取4个［di,j］值最小的标签，用最近邻居算法求待定位标签的位置，计算公式为［(x,y)=i=14wk(xk,yk),］［(x,y)］是待定位标签坐标；［(xk,yk)］是参考标签坐标；［wk=Id2kt=141d2t,］5口是［(xk,yk)］参考标签坐标权值，［dk］是待定标签和参考标签的欧几里德距离。4性能分析实验采用主动式有源RFID读写器，工作频率为2.4GHz,最远读写距离可以达到10
8、0m,读写距离可以调节。通过验证在没有应用读写器调度算法和应用调度算法时，系统读写器能正确响应成功定位的效率。图2表示了本文定位算法和LANDMARC的误差分布比较。从图2可以看出，LANDM
