基于支持向量回归机的RFID室内定位研究

计算机工程与科学

基于支持向量回归机的RFID室内定位研究

尹强，佐磊，何怡刚，刘东洋，李亚

（合肥工业大学电气与自动化工程学院，安徽合肥 230009）

收稿日期:2016-04-05 修回日期:2016-07-01 出版日期:2017-12-25 发布日期:2016-07-01
基金资助:
国家自然科学基金（61401139,51577046,51637004）;教育部科学技术研究重大项目（313018）;安徽省自然科学基金（1508085MF112）;博士后基金（2014M561820）;国家重点研发计划（2016YFF0102200）

RFID indoor localization based on

support vector regression

YIN Qiang,ZUO Lei,HE Yi-gang,LIU Dong-yang,LI Ya

(School of Electrical Engineering and Automation,Hefei University of Technology,Hefei 230009,China)

Received:2016-04-05 Revised:2016-07-01 Online:2017-12-25 Published:2016-07-01

摘要/Abstract

摘要：

基于接收信号强度的射频识别（RFID）定位是一种低成本、便于实现的室内定位方法，针对在RFID室内定位系统中使用参考标签法存在的小样本问题，提出一种基于支持向量回归机（SVR）的RFID室内定位算法。结合无源超高频RFID系统工作原理，在Matlab环境下，对比经典的LANDMARC方法，测试了基于支持向量回归机的定位算法性能，以及互耦效应、多径效应对该算法定位结果的影响。仿真结果表明，相较于LANDMARC方法，所提方法在不增加参考标签数量的情况下定位精度至少提高了25%。

关键词: RFID, 支持向量回归机, 互耦效应, 多径效应, 室内定位

Abstract:

Radio frequency identification (RFID) location based on received signal strength is a low cost, easy to implement indoor positioning method. In view of the small sample problem existing in the RFID indoor positioning system when using reference tags, we propose a RFID indoor localization algorithm based on support vector regression (SVR). Combined with the principle of passive ultra high frequency RFID system, the performance of the proposed algorithm is tested in MATLAB and then compared with that of the classical LANDMARC method. And the influence of mutual coupling effect and multipath effect on the positioning results of the algorithm is also tested. Simulation results show that the proposed method can improve positioning accuracy by at least 25% in comparison with the LANDMARC method while not increasing the number of reference tags.

Key words:

radio frequency identificaiton(RFID), support vector regression(SVR), mutual coupling effect, multipath effect, indoor localization

尹强，佐磊，何怡刚，刘东洋，李亚. 基于支持向量回归机的RFID室内定位研究[J]. 计算机工程与科学.

YIN Qiang,ZUO Lei,HE Yi-gang,LIU Dong-yang,LI Ya.

RFID indoor localization based on

support vector regression

[J]. Computer Engineering & Science.

[1]	寇广岳, 魏国珩, 平源, 刘鹏. RFID安全认证协议综述[J]. 计算机工程与科学, 2023, 45(01): 77-84.
[2]	仲臣, 余学祥, 邰晓曼, 韩雨辰, 肖星星, 刘清华, . 萤火虫算法优化支持向量机室内定位研究[J]. 计算机工程与科学, 2022, 44(11): 1968-1975.
[3]	刘颜星, 郝占军, 田冉. 基于CSI信号的被动式室内指纹定位算法研究[J]. 计算机工程与科学, 2021, 43(08): 1398-1404.
[4]	党小超, 汝春瑞, 郝占军, . 基于CSI与SVM回归的室内定位方法[J]. 计算机工程与科学, 2021, 43(05): 853-861.
[5]	贾玉福1，刘文平1，胡胜红2. 一种基于多模数据的室内定位算法[J]. 计算机工程与科学, 2020, 42(02): 229-235.
[6]	靳朋1，郗涛1，王莉静2. 基于二次加权的LANDMARC景区改进定位算法研究[J]. 计算机工程与科学, 2019, 41(03): 485-489.
[7]	钟小妹，肖美华，李伟，谌佳，李娅楠. RFID超轻量级认证协议RCIA形式化分析与改进[J]. 计算机工程与科学, 2018, 40(12): 2183-2192.
[8]	陈诗军1，王慧强2，陈大伟1，刘秀兵2,胡海婧2. 基于改进禁忌搜索的基站布局优化算法[J]. 计算机工程与科学, 2018, 40(02): 341-347.
[9]	陈泳希1，刘任任1，陈益强2，王双全2，蒋鑫龙2. 情境自适应的RSSI分段异构拟合定位方法[J]. 计算机工程与科学, 2017, 39(07): 1288-1294.
[10]	侯振寰，马永涛，姜启登，窦智. 基于多指纹联合匹配的混合定位算法[J]. 计算机工程与科学, 2017, 39(04): 678-683.
[11]	肖红光1，李为1，巫小蓉2. 基于同步数的轻量级高效RFID身份认证协议[J]. J4, 2016, 38(04): 673-678.
[12]	沈郭浩，马永涛,刘开华，赵宇. 非视距环境下室内RFID标签定位算法研究[J]. J4, 2016, 38(03): 454-459.
[13]	曹洁1,2，牛丽波1，王进花1. 一种改进LANDMARC射频识别室内定位算法[J]. J4, 2015, 37(09): 1671-1675.
[14]	冯锦海1，杨连贺1，刘军发2，忽丽莎2. 基于WLAN移动定位的个性化商品信息推荐平台[J]. J4, 2014, 36(10): 1925-1931.
[15]	王桂超，王彦，李永珍. 基于RBAC的RFID安全认证协议[J]. J4, 2014, 36(05): 874-878.