面向环境监测的RFID传感器网络节点定位算法研究

论文摘要

近年来,随着交叉学科以及多种技术的并行快速发展,更多的领域出现了技术相融合的应用研究。在“物联网”对现有定位服务的驱动下,RFID技术与无线传感器网络的融合将成为未来定位服务的应用趋势。通过技术融合实现的RFID传感器网络在智能家居、智能交通、仓储物流、医疗健康等环境监测领域具有无限的应用前景。本文以RFID技术与无线传感器网络的融合契机为出发点,根据它们各自的优势,在尽量满足环境监测要求的强抗干扰能力、低功耗、低运营成本及高信息安全等条件下,给出了一种面向环境监测的RFID传感器网络模型,并在此模型下,结合RFID解读器节点的移动性,提出了两种基于RFID传感器网络的节点定位算法。针对现有环境监测系统在实时性和监管方面存在的不足,提出了一种面向环境监测的RFID传感器网络模型。该模型以RFID解读器节点为ZigBee协调器创建网络,在设计过程中,构建了一种自适应的网络通信结构,通过将射频标签融入传感器节点,使RFID传感器标签节点能够获取电磁场能量及对特定目标对象进行标识,实现了环境监测的智能化,满足对特定目标对象的全局监测和环境参数的分布式监控,能够满足低功耗的环境监测需求。针对监测系统对RFID解读器节点的实时位置需求,提出了一种基于RF指纹的混合定位算法。该算法通过贝叶斯滤波对RFID解读器节点的后验概率估计,结合更近邻质心算法实现了RFID解读器节点的精确定位。实验结果表明,该算法在不需要额外的硬件支持下,利用自身的RF信号特征量,达到了较高的定位精度,特别适合低功耗的环境监测需求。针对Monte Carlo定位算法的采样区域大,以及未充分利用先验信息的不足,提出了一种基于遗传Monte Carlo的节点定位算法。该算法通过贝叶斯滤波框架表达RFID解读器节点的后验概率分布,通过引入遗传交叉与变异操作,使采样趋于多样化,同时,对样本进行优化。实验结果表明,该算法具有较好的定位精度以及较高的鲁棒性,在一定程度上抑制了NLOS噪声,并减少了定位所需的样本数,节约了存储和计算资源。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 RFID 技术
• 1.2.2 无线传感器网络
• 1.2.3 RFID 传感器网络
• 1.3 论文的研究内容
• 1.4 论文的组织结构
• 第二章 RFID 传感器网络节点定位的关键技术
• 2.1 RFID 技术
• 2.1.1 RFID 系统的结构
• 2.1.2 RFID 系统的工作原理
• 2.1.3 RFID 系统的特点
• 2.2 无线传感器网络
• 2.2.1 WSN 的体系结构
• 2.2.2 WSN 的定位原理
• 2.2.3 WSN 的特点
• 2.3 定位技术的相关研究
• 2.3.1 典型的定位系统
• 2.3.2 测量节点距离和角度的基本方法
• 2.3.3 计算节点位置的基本方法
• 2.3.4 定位的应用领域
• 2.3.5 定位算法的评价指标
• 2.4 本章小结
• 第三章 一种面向环境监测的 RFID 传感器网络模型
• 3.1 引言
• 3.2 网络模型的设计
• 3.2.1 网络模型的总体需求及目标
• 3.2.2 网络的模型结构
• 3.2.3 节点结构及工作过程
• 3.3 网络模型的关键技术
• 3.3.1 通信过程
• 3.3.2 节点之间的信息交互
• 3.4 本章小结
• 第四章 基于 RF 指纹的混合定位算法
• 4.1 引言
• 4.2 基于RF 指纹的定位原理
• 4.3 算法的设计
• 4.3.1 RF 指纹匹配过程
• 4.3.2 更近邻质心定位过程
• 4.4 仿真实验与结果分析
• 4.4.1 仿真实验环境
• 4.4.2 实验结果分析
• 4.5 本章小结
• 第五章 基于遗传 Monte Carlo 的节点定位算法
• 5.1 引言
• 5.2 Monte Carlo 的定位模型
• 5.2.1 预测模型
• 5.2.2 测量模型
• 5.2.3 静止模型
• 5.3 算法的设计
• 5.3.1 贝叶斯滤波框架
• 5.3.2 遗传交叉与变异的优化过程
• 5.3.3 算法的流程
• 5.4 仿真实验与结果分析
• 5.4.1 仿真实验环境
• 5.4.2 实验结果分析
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 工作总结
• 6.2 下一步工作
• 参考文献
• 致谢
• 作者在攻读硕士期间主要研究成果