论文摘要
射频识别技术（Radio Frequency Identification, RFID）是20世纪90年代兴起的一项自动识别技术,它具有非接触识别、非视距传播、抗干扰能力强、识别速度快等优点,被列为20世纪十大重要技术之一。该技术已经被广泛应用于工业自动化、交通管理与控制、医疗管理等众多领域。随着信息化程度的逐渐提高,基于位置的服务（Location-Based Services, LBS）日益受到重视。因此,定位方法的研究和定位系统的开发具有重大的现实意义。目前,在室外定位方面全球定位系统（Global Positioning System, GPS）因其稳定的定位性能、良好的经济效应,在商业应用方面被大规模使用。而在室内定位方面,由于环境的复杂性与技术的局限性,室内定位的研究与发展较为缓慢。目前,室内定位技术多采用无线通信模式,射频识别无线技术由于其自身的特点,在室内定位中较为常用。本文使用无线射频识别技术进行室内定位,并提出运用径向基神经网络（Radial Basis Function Neural Network, RBFNN）估计物体具体位置的方法。对于如何构造径向基神经网络这一常见问题,本文提出的方法是:通过一种名为局部泛化误差模型（Localized Generalization Error Model, L-GEM）的新泛化误差模型优化网络结构,以便神经网络具有更好的泛化能力和更高的定位性能。从目前的文献来看,局部泛化误差模型在不同领域中已取得较为成功的应用,本文所提出的室内定位也是该模型应用领域的一种成功拓展。本文借鉴了现有经典定位方法LANDMARC中参考标签的思路,LANDMARC中参考标签的使用为目标定位起到了路标的作用。与LANDMARC定位方法不同的是,本文采用的是基于局部泛化误差模型的径向基神经网络,而非LANDMARC采用的k-近邻算法。本文还借鉴了VIRE中虚拟参考标签（Virtual Reference Tags, VRT）的概念,通过使用虚拟参考标签可以达到减少信号干扰、节约参考标签成本的目的。VIRE中使用线性插值法计算虚拟参考标签信号强度值与本文所采用的非线性计算方法相比,从理论上看,后者更符合信号强度的衰减特性。文章的最后是本文的实验部分,实验所采用的数据均根据经典信号路径衰减模型模拟获得,以保证其接近于真实测量数据。实验结果表明本文提出的方法比LANDMARC定位方法在性能上更甚一筹。