作者：郑晓蒙

    改进的LANDMARC在空间定位中的应用内容简介:

    射频识别( RFID)技术以其非接触、非视距且定位精度高的特点¨3，成为现今定位系统的首选技术。其中，超高频射频识别( UHF RFID)设备的读写距离较远，在定位设计中应用更为广泛。迄今为止，利用RFID技术进行定位主要分为两大机制：基于测距的定位机制和无需测距的定位机制。基于测距的定位方法主要有依据信号到达时间( time of arrival，TOA)的定位技、依据信号到达时间差( time difference of arval，TDOA)的定位技术‘、依据信号到达角度( angle of arval，AOA)的定位技术和依据信号强度RSSI的定位技术。LANDMARC系统是一种基于无需测距机制的定位方法，其系统结构简单、精度较高、可扩展性好，因此得到广泛应用。

    传统LANDMARC系统是依托平面进行没计的。在实际应用中，待定位标签存在于空间中，由欧式距离因维数不同导致的计算误差，将直接影响定位精度二根据上述问题，本没计将基于RSSI的测距算法与LANDMARC算法相结合，提出一种基于测距机制的LANDMARC算法。

    1  LANDMARC算法简介

    LANDMARC采用“最近邻居”算法‘引，与其他定位技术相比较，其更加精确、可靠。LANDMARC示例模型如图1所示。   

    以图l为例，对LANDMARC算法原理说明如下。

    图l所示模型中，有4个读写器、20个参考标签和1个待定位标签。参考标签CTj在4个阅读器上接收到的信号强度向量为：

    待定位标签DT在4个阅读器上接收到的信号强

    度向量为

    参考标签CT,和待定位标签DT,之间的RSSI距

    离为：

    从所得的20个Elr中，选取k个小的ELR。(k<20)，组成集合为：

    按照ELR的大小，赋予相应参考标签在定位过程中不同的权值，进而得到待定位标签的位置。

    从LANDMARC模型可知，LANDMARC算法建立在平面上，实际定位算法往往需应用在一三维空间中。将二维LANDMARC算法直接用于三维空间定位，势必会因为欧式距离的计算问题出现不同程度的误差，因此，需要对LANDMARC算法进行改进，使其适用于三维空间。

    2建立空间定位模型

    传统的LANDMARC定位算法设计是应用于平面的，而在实际应用中往往要求在三维空间中对人员进行定位，因此需将定位模型构建在空间中。

    系统采用海康圆极化天线。该天线可读取的最远距离为5m，有效覆盖区域如图2所示。

    对于4mx9 m的空间而言，读写器可读取的范围覆盖整个区域。因此，天线安装的平面坐标按图2确定。

天线位置确定后，需设计参考标签的具体位置。为了适应天线安装的高度，确保算法的精确性，参考标签需要设定在整个空间中。但在实际应用中，在整个空问分布多层标签既不合理，也不可行。

将传统LANDMARC系统中参考标签的位置用相应的坐标点替换，即参考标签的坐标已知，在已知天线坐标的情况下，便可求出参考标签到天线的距离。改进后的系统结构如图3所示。

    3  改进LANDMARC算法

    对算法进行改进的圭导思想是，将传统的LANDMARC算法与测距原理相结合，创建一种基于测距机制的定位算法。根据图3所示的模型，对改进的LANDMARC定位算法进行详细说明。

    参考坐标到读写器的距离可以根据坐标计算得到：

    式中：（x，y，z）为测量得到的坐标；为所测点的实际坐标。

    根据以上分析可知，要想运用改进的LANDMARC算法，还需要知道待定位标签到4个天线的距离。然而在系统的应用中，只能从读写器中获取接收到的标签信号强度信息，因此还需要将接收到的信号强度转换成距离，才可实现系统定位功能。

    4 RSSI测距试验

    从式(7)可知，为获得测距模型，必须先确定参数A和n的值。测距模型的精确性将直接影响到定位的准确性，因此需要在特定的室内，通过实验获取大量的实验数据，后期对实验数据进行处理，得到精确的参数A和n的值，确定合适的测距模型。

    选择实验室为测距的具体场所，测距的实验平台由HIK-RFM104型UHF嵌入式读写模块、申电海康画极化天线、标签和相关的套件组成。构建如目图4所示实验模型。

    选取实验室中较为空旷的位置，固定读写器于铝合金架上，距离地面高度为1 m。将读写器通过USB接口和SMA天线接口分别与计算机和天线相连接。设置天线功率为30 dBm，驻留时间为2 000 ms，盘讯周期为8 192，驻波比为100。

    将标签固定在以瓦楞板为材料的支架上，调整标签的高度，使其与天线处于同一高度上，同时使支架与天线的中心在同一条直线E。以25 cm为步长，在距离读写器500 cm的长度内，设置20个测量点。

    通过计算机与读写器的通信，使读写器持续向标签发送数据。同时，在每个测量点上，每隔5s记下一个RSSI的数值，每个测量点记录10个RSSI值。其中，RSSI值通过程序读出。

    整理实验数据，求得每个测量点处10个RSSI值的平均值。绘制表格，记录测量点与读写器之间的距离和相应点处RSSI的平均值。整理后的实验数据如表2所示。  

    根据式( 10)，利用Matlab提供的内建函数laqcurvefit进行既定样式曲线拟合，得到A和n的值，确定准确的RSSI与距离的关系模型。

关键Matlab拟合语句为：

    RSSI与距离关系拟合曲线如图5所示。

    根据拟合程序可得：A= - 60. 75，n=2.61。测距模型为：

    在得到测距模型后，测得天线接收到标签的信号强度信息，便可以将信号强度转换成距离，进而应用改进的LANDMARC算法，对人员进行定位。信号的具体传输过程如图6所示。

    当4个天线检测到标签时，将获取的待定位标签信号强度RSSI传输到读写器中。计算机通过软件开发环境Visual studi0 2010将信号强度转换成距离。具体转换程序如下：

    5定位功能分析

    为了说明改进后的LANDMARC算法的精确度，在如图3所示的模型边缘和区间中，随机选取20个点，作为待定位标签的放置位置。分别运用传统的LANDMARC算法和改进的LANDMARC算法对选取的20个点进行坐标计算。然后，将两次算法得到的坐标与20个点的实际坐标相比较，得出定位误差比较图，如图7所示。

    由图7可知，在空间定位应用中，改进的LANDMARC算法定位误差小于传统的LANDMARC算法。对于处于区域边缘的待定位标签，改进的LANDMARC算法精确度远高于传统的LANDMARC算法。

    在确定了改进的LANDMARC算法在精确性方面有所改善后，还需要对算法的稳定性进行分析。算法是否稳定将直接影响到定位算法的可行性。本设计采用累积分布函数（cumulative distribution function，CDF）来说明改进算法的稳定性。该函数是指处于某个定位精度的测量次数占总测量次数的比例，例如定位精度大于2m的测量次数占总测量次数的百分比。对20个数据进行分析后所得的CDF图如图8所示。    

    传统的LANDMARC算法在应用于窒间定位时，会出现较夫幅度的波动。改进后的LANDMARC算法的估计误差（e烈m戡ion e抛r，EE）在1.5 m盾趋于稳定，定僮精度收敛速度虽相对较慢，但稳定性较好。

    6结束语

    针对LANDMARC算法在实际空间定位中存在一定误差的闻题，对LANDMARC算法进行改进，使其与RSSI与距离转换模型相结合。将LANDMARC算法建立在距离的基础上，用测试距离代替信号强度，在减少参考标签、降低成本的同时，提高了空间定位精度。

    7评述：

    LANDMARC算法是在平面模型的基础上进行的定位分析，将其应用于空间定位时，会出现不同程度的误差。将LANDMARC算法和测距原理相结合，提出了一种基于测距机制的LANDMARc算法，并利用HIK-RFM104型UHF嵌入式读写模块和中电海康提供的圆极化天线，搭建了改进LANDMARC算法的空间模型。通过直线式测距实验，得到具体的测距模型。将LANDMARC空间模型和测距模型相结合，对空间中的采样点进行定位测试，分析数据后确定改进的LANDMARC空间定位算法。该算法具有更高的精度和更稳定的性能。