0 引言

    電子信息技術的發展極大促進了人類生活水平的提升和傳統社會生活方式的變革。同時，人們對于美好生活的不斷追求，也拉動了技術的發展進步。位置信息是當今人類活動所需的基本信息要素。在移動定位方面，以衛星導航為代表的定位技術是眾多技術需求中的一個典型。近年來，無線通信技術、微機電技術正在發生迅猛變化，催生出了基于不同應用場景的新型定位技術，如基于紅外、超聲、藍牙、WiFi、射頻識別（RFID）、無線傳感器網絡（WSN）等定位方法。

    RFID技術^[1-2]的一個重要應用是目標的定位與跟蹤。RFID誕生幾十年，早已融入到了人們的日常生活中，尤其在工業領域的物流管理中得到了廣泛的應用驗證。RFID是一種非接觸式的近距離自動識別技術，可方便快捷地標識物體。它通過射頻信號實現數據的傳輸和目標的識別，具有體積小、抗干擾、速度快、成本低廉等優點，是室內定位、姿態識別、目標跟蹤領域的研究熱點^[3-5]。WSN技術^[6]同樣可用于定位，其通過無線網絡和傳感器節點來實現移動目標定位與跟蹤。它是由大量具有感知、處理和通信功能的傳感器單元組成的大規模自組織網絡，可靈活部署于待監測區域，實現對溫度、電磁、壓力、光強等多種數據信息的協作式感知，具有小體積、低功耗、低成本、自組織等優點。近些年涌現出多種基于無線傳感網的定位方法^[7-8]，在軍事、農業、工業、醫療等各領域具有廣泛的應用背景。

    值得注意的是，RFID技術和WSN技術在定位領域均存在一定的應用局限性^[9-10]。RFID通信能力不足，感應距離也十分有限，即便主動標簽的信號傳輸距離也僅有幾十米。在利用接收信號強度（RSSI）來進行定位時，采用低廉的被動式標簽會嚴重限制感應的距離，采用主動式標簽則會增加使用成本。WSN則缺乏目標的快速標識與記錄能力，且在大規模分布式網絡中，豐富的環境感知和靈活的無線通信需耗費大量的網絡資源。因此，針對上述問題，本文提出一種將具有標識能力的RFID技術與具有通信、傳感能力的WSN技術相結合的網絡定位方法，提升定位精度和定位效率。

1 問題描述

    本文考慮一種結合RFID技術的分布式無線傳感器網絡，采用基于指紋信息(Fingerprinting)的非測距方法對網絡中的移動節點進行定位。該網絡是一種分布式網絡，由N_z個區域組成，含有基于RFID技術的閱讀器(reader)和標簽(tag)，以及基于WSN的錨節點(anchor)和運動節點(sensor)。移動傳感器節點為待定位節點，可在網絡中自由移動。其由攜帶閱讀器(reader)的運動節點(sensor)組成，reader與sensor間可互為通信，將該節點記為x_j(t)=(x_j，1(t)，x_j，2(t))，j∈{1，…，N_x}。錨節點(anchor)為位置已知的傳感節點，同時攜帶有標簽(tag)，將該節點記為a_i=(a_i，1，a_i，2)，i∈{1，…，N_a}。在本文所述分布式網絡中，每個區域僅含一個攜帶有標簽的錨節點，且將該錨節點置于區域中心，因此，錨節點個數N_a等同于網絡區域個數Nz。

2 定位算法

    網絡中的移動節點同時攜帶有傳感器和閱讀器，其在監控區域中自由運動時，既要采集來自所有感知范圍內的錨節點上傳感器發送的RSSI信息，又要收集錨節點上標簽的感應信息。下文首先介紹傳統的基于指紋的定位算法，然后提出結合有RFID的定位算法，通過綜合利用射頻閱讀器和標簽的標識信息，實現在分布式無線傳感網中更為精確有效的節點位置估計。

2.1 基于指紋的定位原理

2.2 基于RFID和WSN的分布式定位算法

    在傳統的分布式網絡定位中，每時刻移動節點將分別在Nz個區域內執行基于指紋的位置估計算法，根據每個區域的權重對各個區域的計算結果進行權值的再分配，從而得到估計結果。相比于這種較為耗能和耗時的方法，本文利用射頻標簽具有能夠快速識別是否處于閱讀器感應范圍的能力，將RFID技術融入分布式網絡的節點定位中。

    在網絡建模階段，與傳統的基于指紋信息的節點定位方法相同，分別于N_z個區域測量在Np.z個參考節點位置上采集到的接收信號強度，得到Nz組指紋特征數據庫。在移動節點實時位置估計階段，先通過移動傳感器節點攜帶的閱讀器對網絡范圍內的射頻標簽進行感應，再與特征數據庫實行匹配。由于閱讀器與移動節點、標簽與錨節點均分別集成于同一個節點上，將閱讀器記為r_j(t)，j∈{1，…，N_x}，將標簽記為t_i.z，i∈{1，…，N_a}，z∈{1，…，N_z}。假設閱讀器與標簽的最大感應距離為r，則標簽t_i.z能夠被檢測的范圍是以標簽t_i.z為圓心、r為半徑的圓形區域。r的取值使得該圓形區域完全覆蓋標簽所在的參考節點區域，如圖2所示。因此，一旦移動節點進入某區域射頻標簽t_i.z的感應范圍內，則僅啟用該區域數據庫中的測量值與實時測量數據進行位置匹配。

    綜上，當移動節點x_j在網絡中自由運動時，在t時刻，基于RFID和WSN的分布式節點定位算法流程如下所述：

    (1)當移動節點進入網絡覆蓋區域，節點上的閱讀器向網絡中發射射頻信號，處于信號接收范圍內的射頻標簽向閱讀器作出應答，將所有感應到的標簽的集合記為U_j(t)。

    (2)當U_j(t)的數量為1時，表示僅有一個區域的標簽被感應，則僅采用該標簽所在區域的數據庫進行位置的匹配與估計。

    (3)當U_j(t)的數量大于1時，表示有多個區域的標簽被閱讀器感應，則采用所有被選擇區域的數據庫信息進行位置的匹配與估計。

    (4)當且僅當U_j(t)的集合數量為空時，表示沒有任何一個標簽感應到此時的閱讀器，即移動節點不在任何一個標簽的有效感知范圍內，此時采用傳統的基于指紋的分布式傳感器節點定位方法進行估算。

3 仿真結果

    考慮一個100 m×100 m范圍的無線傳感網監視區域，該區域由N_z=4個規則分布的區域組成，其中，參考節點位置均勻地分布在各個區域。為方便演示，在每一時刻僅考慮一個待定位的移動節點，該簡化不影響算法的一般性。假定移動節點在網絡中四個區域內自由移動，產生運動時間為75 s的運動軌跡。移動節點同時攜帶有RFID閱讀器，錨節點攜帶有RFID標簽。將錨節點分別放置于4個規則劃分區域的中心。將標簽的感應范圍數值r設定為35 m，可實現各區域射頻標簽信號的全覆蓋。

    接收信號強度RSSI的仿真值均依據Okumura-Hata模型^[12]，分別由錨節點和移動節點與參考節點之間的相對距離計算獲得，如式(3)所示：

    圖3給出本文提出的定位算法的位置估算效果圖。圖中，三角+直線的標識代表移動節點的實際軌跡，虛線+星號的標識代表運行軌跡的估計值。均勻分布的參考節點位置由圓圈表示，錨節點和標簽則由方形標識表示，以錨節點為圓心的虛線圓形表示每個區域的最大標簽感知范圍。本例中，設每個區域中均勻分布的參考節點數目為N_p.z=225，所加入噪聲的標準方差σ_r=0.2 dB，K近鄰域算法的數目取為5。在上述條件下，移動節點位置估計誤差為0.946 2 m。

    為進一步闡述算法的有效性，將本文所提算法與傳統的基于指紋信息的分布式算法比較。依然考慮一個100 m×100 m監視區域，監控網絡由N_z=4個規則分布的區域組成。待測移動節點運動軌跡如圖3中三角+實線標識所示，接收信號噪聲標準方差σ_r=0.2 dB，在同等節點分布條件下，仿真結果取100次試驗的平均值。如表1所示，隨著各分區域參考節點位置數目N_p.z的變化，本文所提出方法的定位精度總是明顯優于傳統的分布式定位結果。該方法不僅提高了數據庫利用的準確和有效性，還明顯改善了處于區域邊緣位置的移動節點的定位精度。

4 結論

    本文提出了一種基于射頻識別和無線傳感網技術的分布式節點定位算法。在分布式傳感網中，基于指紋數據信息匹配方法，引入射頻識別閱讀器和射頻標簽，利用射頻識別技術的快速目標識別與響應能力，預先甄別可實時用于移動節點數據匹配的區域；同時，基于區域的預先識別與判定，在一定程度上避免了噪聲干擾情況下處于區域邊緣的參考位置的錯誤遴選，明顯提升了移動節點定位的精度。尤其在大規模分布式無線傳感網應用中，可有效節約網絡資源，提升節點工作效率。

參考文獻

[1] NI L M，LIU Y，LAU Y C，et al.LANDMARC：indoor location sensing using active RFID[C].IEEE International Conference on Pervasive Computing and Communications.IEEE，2003：701-710.

[2] ZHU X，MUKHOPADHYAY S K，KURATA H.A review of RFID technology and its managerial applications in different industries[M].Elsevier Science Publishers B.V.2012.

[3] 蔣皓石，張成，林嘉宇.無線射頻識別技術及其應用和發展趨勢[J].電子技術應用，2005，31(5)：1-4.

[4] SUBEDI S，PAULS E，ZHANG Y D.Accurate localization and tracking of a passive RFID reader based on RSSI measurements[J].IEEE Journal of Radio Frequency Identification，2017，1(2)：144-154.

[5] SAAB S S，MSHEIK H.Novel RFID-based pose estimation using single stationary antenna[J].IEEE Transactions on Industrial Electronics，2016，63(3)：1842-1852.

[6] AKYILDIZ I F，SU W，SANKARASUBRAMANIAM Y，et al.A survey on sensor networks[J].IEEE Communications Magazine，2002，40(8)：102-114.

[7] PATWARI N，ASH J N，KYPEROUNTAS S，et al.Locating the nodes: cooperative localization in wireless sensor networks[J].IEEE Signal Processing Magazine，2005，22(4)：54-69.

[8] WANG C L，WU D S.Decentralized target positioning and tracking based on a weighted extended Kalman filter for wireless sensor networks[J].Wireless Networks，2013，19(8)：1915-1931.

[9] 聶濤，陸陽，張鵬，等.RFID與WSN在物聯網下協同機制的分析[J].計算機應用研究，2011，28(6)：2006-2010.

[10] 王紹丹，王宜懷，劉鍇.基于射頻識別和無線傳感網融合技術的倉儲定位方法研究[J].計算機應用研究，2018，35(1)：195-198.

[11] ROBLES J J，DEICKE M，LEHNERT R.3D fingerprint-based localization for wireless sensor networks[C].Positioning Navigation and Communication.IEEE，2010：77-85.

[12] HATAY M.Empirical formula for propagation loss in land mobile radio services[J].IEEE Transactions on Vehicular Technology，1980，29(3)：317-325.

作者信息:

呂小微

(中國電子科技集團公司信息科學研究院，北京100086)