基于凸优化的室内无源超高频rfid定位研究

《基于凸优化的室内无源超高频rfid定位研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于凸优化的室内无源超高频RFID定位研究TheResearchofIndoorPassiveUHFRFIDLocalizationBasedonConvexOptimization学科专业：信息与通信工程研究生：沈郭浩指导教师：赵宇副教授天津大学电子信息工程学院二零一五年十二月摘要目前，随着移动计算和嵌入式系统的高速发展，人们对位置感知的兴趣曰趋浓厚。定位服务伴随着物联网的发展在工业生产和家庭生活中都发挥着重要作用，这促使我们加大了对定位技术的研究，尤其是室内无源超高频（UHF）RFID标签定位技术。相对于室外环境，室内环

2、境往往存在家具、设备，人员的活动，无线电波在传播过程中遇到障碍物会产生反射和散射现象，甚至产生绕射和透射现象，从而使信号传播情况变得异常复杂。正是由于多径、非视距、时延等干扰因素的存在，室内定位精度会受环境复杂度的增加而明显下降。故如何提高复杂环境下室内定位精度是如今亟需解决的问题。在室内无线定位中，严重的非视距误差会使得传统定位算法如最小二乘(LS)或CHAN算法的定位效果不尽如人意。本文综合考虑了噪声和非视距对定位的影响，将凸优化运用到非视距误差消除过程中以提高定位精度。在使用无源UHFRFID标签定位系统的基础上，结合

3、其信号传输特性，选取差分到达相位法用于定位中的距离测量；分析和建立了UHFRFID信道模型，并由此对定位误差来源进行了分析。同时对数学优化问题进行介绍，根据凸优化的工作原理，提出了一种两步式标签定位算法：首先根据几何关系约束条件，使用凸优化中的内点法通过Newton逼近获取并消除测距中的非视距误差，再使用加权残差方法进行精确定位。通过使用MATLAB搭建仿真环境并进行各定位算法的仿真比较，结果表明本文提出的算法确实优于传统算法。关键词：无源超高频RFID室内定位非视距差分相位法凸优化ABSTRACTWiththerapidd

4、evelopmentofmobilecomputingandembeddedsystems,peoplegetmoreinterestingonlocation-awareservice.AstheInternetofThingplaymoreandmoreimportantroleinindustrialproductionandfamilylife,theresearcherstakemoreattentiononindoorlocalization,especiallypassiveUHFRFIDtaglocaliza

5、tion.Unliketheoutdoorenvironment,therealwaysexistsinterferencecausedbyfurniture,equipmentandpeopleactioninindoorenvironment,andthesewillcausereflections,scatteringevendiffractionandtransmissionphenomenainradiotransmission.Indoorlocalizationaccuracywillbecomeworseas

6、theincreaseofenvironmentcomplexduetothemultilineandNLOS.Sohowtoovercomethisproblemnowisourfirstpriority.Inindoorwirelesslocalization,traditionalalgorithmssuchasLSandChancannotsatisfytheaccuracywedemandedduetotheNLOS.Inthispaper,undertheconditionofonlynoiseerrorandN

7、LOSerrorexist,weuseconvexoptimizationtoeliminatetheNLOSbiasforlocationaccuracypromoting.WeusethePassiveUHFRFIDtaglocalizationsystem,analyzeandbuildachannelmodel,thengivethecompositionoflocalizationerror.Meanwhileweintroducetheconceptofmathematicsoptimization，combin

8、ewiththeprincipleofconvexoptimization，weproposeatwo-steplabellocationalgorithm:firstuseInteriorpointalgorithmtoconvertNLOSproblemthroughNewtonapp