申请/专利权人：天津工业大学

申请日：2019-07-23

公开（公告）日：2024-03-22

公开（公告）号：CN110376544B

主分类号：G01S3/14

分类号：G01S3/14;H01Q1/22;H01Q21/06;G06K7/10

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2019.11.19#实质审查的生效;2019.10.25#公开

摘要：本发明提出一种基于定位精度贡献度的UHFRFID阵列天线优化部署方法，具体包括以下步骤：建立适于无源UHFRFID定位的定向辐射场景；确立2×2平面阵列天线的增益模型和半波偶极子标签天线的增益模型；以阅读器天线的位置和姿态作为优化变量，以优化目标函数最小化作为优化方向，从而构建适于UHFRFID定位的RNP模型；设计人工蜂群算法解决RNP问题，该方法以几何精度因子为基础构建定位精度评价方法，围绕定位精度、覆盖程度和系统干扰建立优化目标函数，同时引入定位精度贡献度，改善蜜源更新方式，提升寻优性能；进行迭代运算，输出全局最优适应值和最优解。该方法能有效提高定位精度和覆盖程度，并降低系统干扰，对于改善RFID定位系统的实际性能具有重要意义。

主权项：1.一种基于定位精度贡献度的UHFRFID阵列天线优化部署方法，其特征的具体步骤如下：步骤1：面向智能仓储、无人超市物联网应用中的定位需求，建立基于无源UHFRFID定位的定向辐射场景，对于场景中的RFID阅读器，选用M×N结构的平面阵列天线作为其天线以达到提升标签识别距离、降低标签间碰撞的目的，对于场景中的无源RFID标签，选用半波偶极子天线作为其天线以提升标签天线对识读指向性的适应能力；步骤2：以阵列信号处理技术和电磁场理论为基础，获得步骤1中的阵列天线的增益表达式，具体为：假设阵元天线都为各向同性阵元，则对于M×N结构的平面阵列天线，其阵列因子可表示为其中k＝2πλ，θ和分别表征阅读器天线的俯仰角和旋转角，在上述阵列因子的表达模型中，平面阵列处于XOY平面，Mx＝0.5M-0.5，Ny＝0.5N-0.5，坐标原点位于平面阵列的几何中心，dx和dy分别表示x轴方向上和y轴方向上的阵元天线之间的距离，与分别为与x、y轴平行的线阵中各阵元的归一化振幅激励矢量，此时，位于平面阵列中第m行、第n列的阵元天线的振幅激励矢量可以表示为其中Im和In分别表示沿x轴和y轴平行方向排列的两个线阵的振幅幅度，βx和βy分别表示这两个线阵的均匀递变相位，当βx和βy均不为零时，则阵因子的一般形式可更新为步骤3：假设对于一个波束指向为的主瓣，βx和βy可表示为需满足θ0＜0.5π，即βxkdx2+βykdy2＜1，由于面阵的方向性系数从定义上与一般天线相同，因此，面阵的方向性系数的表达式可定义为进而，平面阵列的方向性系数可修正为此时，平面阵列的天线增益为令天线效率e为1，则平面阵列的一般性增益为步骤4：选取空间直角坐标系，确立半波偶极子标签天线的分立辐射增益模型：在上述半波偶极子标签天线的分立辐射增益模型GTθT，φT中，标签天线垂直于XOY面，天线的质心处于原点O上，θT为Z轴到射线的夹角，φT为射线投影到XOY面后，X轴到该投影OA′的夹角；步骤5：针对步骤1中的定向辐射场景，将阅读器天线和标签天线同时放入同一空间直角坐标系中，对步骤4中的分立辐射增益模型进行更新修正；步骤6：令标签的位姿与标签天线的位姿一致，定义标签天线的坐标为x，y，z，阅读器天线的坐标为xi，yi，zi，i∈[1，M′]，M′为阅读器天线的总数，假设无源标签平行于XOY平面，并且标签天线的长边与X轴平行，此时，确立标签天线的增益方向图与天线位置之间的关系，进而将步骤4中无源标签天线的分立辐射增益模型GTθT，φT更新为GTx，y，xi，yi，zi，其中，标签天线的俯仰角步骤7：引入俯仰角θm和旋转角φm来表征阅读器天线的姿态，θm为全局坐标系Z轴到阅读器天线坐标系YR轴的夹角，φm为全局坐标系X轴正方向到阅读器天线坐标系XR轴投影到XOY平面之后两者之间的夹角，获得阅读器天线和标签的相对位置关系，同时结合实际应用场景的特征，令阅读器天线只对正前方辐射，将其后方的增益置零，令φm的有效范围为[-0.5π，0.5π]，引入门函数rect限定阅读器天线辐射方向，阅读器天线的位置和姿态为变量的增益模型为：，在上述增益模型GRx，y，z，xi，yi，zi，θm，φm中，A＝x-xicosφm+y-yisinφm，B＝-x-xisinφm+y-yicosφm；步骤8：根据Friis经典理论，建立满足前向链路和后向链路条件的UHFRFID系统通信链路模型，为了更好的评估阅读器与标签之间通信链路的状态，引入链路因子Dk，m用于评估标签是否被识别，当链路因子Dk，m＝1时，表明前向链路和后向链路都能够正常通信；步骤9：结合步骤8所提的通信链路模型，引入定位因子确定系统定位精度、系统覆盖程度、系统干扰的表示方法，假设标签数量为K，定义第k个标签的几何精度因子为GDOPk，定义第k个标签的定位因子为Gk，当满足时，则Gk＝1，若不满足，则Gk为0，M′为阅读器天线的总数，n为有效观测量的数量，即对于一个标签进行定位，至少需要n个有效的链路因子，若有效观测量低于n个，则该标签的几何精度因子无效，进而可以获得基于几何精度因子定义系统的定位精度评价函数f1，且有几何精度因子越小，标签的定位精度越高，阅读器天线的部署方式越合理；同时构建系统覆盖程度评价函数f2和系统干扰评价函数f3，且有和f3＝kTIT+kRIR，f2表示系统中标签的未覆盖程度，f2越小，标签未覆盖程度越低，标签覆盖程度越高，f3表示平均标签干扰和平均阅读器干扰加权求和，IT和IR分别表示标签干扰和阅读器干扰，权重kT和kR分别表示标签和阅读器相对抗干扰能力的强弱；步骤10：将全部阅读器天线的位姿集合Ω作为优化变量，Ω中优化变量的数量为5M′，M′为阅读器天线的总数，以优化全局目标函数F＝ω1f1+ω2f2+ω3f3的最小化作为优化方向，ω1、ω2和ω3表示各优化目标的权重系数，构建出适于UHFRFID阵列天线优化部署问题模型；步骤11：引入人工蜂群算法ArtificialBeeColony，ABC求解步骤10中的阵列天线优化部署问题模型，ABC算法中蜂群由引领蜂、跟随蜂和侦察蜂三类组成，整个蜂群的目标是寻找花蜜量最大的蜜源，每一蜜源的位置对应优化问题的一种部署方案，寻找蜜源的过程对应最优解的过程，选取各阅读器天线的初始位置姿态作为初始部署方案，生成规模为X的蜜源；步骤12：假设天线的优化部署问题的解空间是D维的，且有D＝5M′，M′为阅读器天线的总数，定义引领蜂的数量、跟随蜂的数量、蜜源数量均为SN，蜜源的花蜜量对应于相应解的适应度，一个采蜜蜂对应一个蜜源，与第i个蜜源相对应的采蜜蜂依据更新公式x′id＝xid+φidxid-xkd寻找新的蜜源，其中，xid表示第i个蜜源，x′id表示第i个蜜源对应的采蜜蜂寻找的新的蜜源，xkd表示第k个蜜源，k≠i，i∈[1，SN]，φid是区间[-1，1]上的随机数，当新的蜜源的适应度优于原来的蜜源，采用贪婪算法保留较好的解，否则蜜源xid保留，引领蜂飞回信息交流区共享蜜源信息，跟随蜂以一定的概率选择蜜源进行搜索，搜索过程中，如果蜜源经过最大迭代次数迭代后搜索到达阈值而没有找到更好的蜜源，则该蜜源被放弃，与之对应的引领蜂角色转变为侦查蜂，侦查蜂在搜索空间随机产生一个新的蜜源替代之前的蜜源；步骤13：在更新蜜源位置过程中，采用基于定位精度贡献度的评价机制有针对性的选取特定阅读器天线对其进行状态更新，基于定位精度贡献度的评价机制可以描述为：以RFID系统通信链路状态为基础，评价各阅读器天线的链路贡献度和定位精度贡献度，m个阅读器天线的链路贡献度和定位精度贡献度分别为和和越大，对阅读器天线的链路和定位精度的贡献度越大，在蜜源的位置更新过程中，基于链路贡献度和定位精度贡献度的评价机制对阅读器天线进行状态更新；步骤14：进行迭代运算，当迭代运算次数达到上限时，终止寻优过程并输出最终的最优部署方式，根据该方式完成UHFRFID定位系统阵列天线优化部署问题解决方案。

全文数据：一种基于定位精度贡献度的UHFRFID阵列天线优化部署方法技术领域本发明属于移动无线通信技术领域，涉及提出一种基于定位精度贡献度的UHFRFID阵列天线优化部署方法。背景技术随着物联网发展，无线射频识别RadioFrequencyIdentification，RFID技术迎来了快速发展的黄金时期。尤其是超高频RFID技术，凭借成本低廉、读取速度快、识别距离远、非视距传输等优势，已经在室内定位领域实现了广泛应用，并展现出良好的发展趋势。工作于仓储清点、资产监管等情景中的超高频RFID定位系统通常是一种多阅读器多标签的大规模应用系统。如何有效的对阵列天线进行优化部署如阅读器的数量、位置、发射功率等，从而提高标签的覆盖率、提升定位精度、减少阅读器间和标签间的系统干扰，对于改善RFID定位系统的实际性能具有重要意义。相关问题被统称为RFID网络规划RFIDNetworkPlanning，RNP问题，已经成为学术界和工业界的研究热点。现有的RFID系统通常将单振元微带天线作为阅读器天线，将半波偶极子天线作为标签天线。在大规模的RFID应用场景中，受限于阅读器和标签之间有限的通信距离，采用单振元微带天线已经不能够满足远距离识别的需求，针对这一问题，研究人员和RFID应用方案供应商陆续将阵列微带天线作为阅读器天线。阵列微带天线是由按照一定规律的几何构型放置的天线单元和馈电网络组成。采用阵列天线作为阅读器天线，可以在不增大天线的物理尺寸的情况下提高天线的增益特性，从而增大阅读器天线的识别距离和范围，保证了标签识别的成功率和覆盖效果，避免出现标签漏读现象。针对RNP问题，业界学者采用群体智能技术提出了多种解决方案。典型的群体智能算法包括粒子群算法ParticleSwarmOptimization，PSO、蚁群算法AntColonyOptimization，ACO、蝙蝠算法BatAlgorithm，BA、细菌觅食算法BacterialForagingAlgorithm，BFA等。近年来，由Karaboga等人提出的人工蜂群优化算法ArtificialBeeColony，ABC受到了业界广泛关注，相比于传统群体智能算法，人工蜂群优化算法收敛速度快，稳定性高，探索能力强，可以有效的摆脱局部最优，尤其对于复杂工程中的优化问题，人工蜂群优化算法为研究人员提供了卓有成效的技术方案。另一方面，现有基于群体智能技术的RNP解决方法通常采取全局模式对全部个体同时优化，处于较差位置的个体难以获得更多的更新机会，而已经处于较好位置的个体仍有被移至较差位置的可能性，缺乏有针对性的选择个体进行优化的能力，当求解高维优化问题时，容易陷入局部最优解，导致寻优精度难以进一步提升，限制了维度进化的差异性。基于以上背景，本专利在利用人工蜂群算法对阅读器天线的位姿进行优化的同时，引入定位精度贡献度，改善阅读器天线的更新方式，与全局优化模式不同，该方法可以有针对性的选择阅读器天线进行状态更新，因此，状态较差的阅读器天线可以获得更多的更新机会，进一步提高阅读器天线状态更新的有效性，全面提升标签覆盖程度、定位精度和系统干扰的性能。发明内容本发明的目的是，提出一种基于定位精度贡献度的UHFRFID阵列天线优化部署方法。解决现有技术在求解多天线参数优化部署问题时标签定位性能较低，算法的收敛精度低、深度寻优能力差的问题。本发明采用的技术方案是，以2×2平面阵列天线作为阅读器天线建立定向辐射模型，以几何精度因子为基础构建定位精度评价方法，围绕定位精度、覆盖程度和系统干扰建立优化目标函数。将定位贡献度引入人工蜂群算法，以此提升寻优性能。具体包括以下步骤：步骤1：面向智能仓储、无人超市等物联网应用中的定位需求，建立基于无源UHFRFID定位的定向辐射场景，对于场景中的RFID阅读器，选用M×N结构的平面阵列天线作为其天线以达到提升标签识别距离、降低标签间碰撞的目的，对于场景中的无源RFID标签，选用半波偶极子天线作为其天线以提升标签天线对识读指向性的适应能力；步骤2：以阵列信号处理技术和电磁场理论为基础，获得步骤1中的阵列天线的增益表达式，具体为：假设阵元天线都为各向同性阵元，则对于M×N结构的平面阵列天线，其阵列因子可表示为其中k＝2πλ，θ和分别表征阅读器天线的俯仰角和旋转角，在上述模型中，平面阵列处于XOY平面，Mx＝0.5M-0.5，Ny＝0.5N-0.5，坐标原点位于平面阵列的几何中心，dx和dy分别表示x轴方向上和y轴方向上的阵元天线之间的距离，与分别为与x、y轴平行的线阵中各阵元的归一化振幅激励矢量，此时，位于平面阵列中第m行、第n列的阵元天线的振幅激励矢量可以表示为其中Im和In分别表示沿x轴和y轴平行方向排列的两个线阵的振幅幅度，βx和βy分别表示这两个线阵的均匀递变相位，当βx和βy均不为零时，则阵因子的一般形式可更新为步骤3：假设对于一个波束指向为的主瓣，βx如βy可表示为需满足θ0＜0.5π，即βxkdx2+βykdy2＜1，由于面阵的方向性系数从定义上与一般天线相同，因此，面阵的方向性系数的表达式可定义为进而，平面阵列的方向性系数可修正为此时，平面阵列的天线增益为令天线效率e为1，则平面阵列的一般性增益为步骤4：以步骤2至步骤3中的方法为基础，以2×2面阵结构的阅读器天线为例获得其增益表达式，首先，建立直角坐标系，面阵几何中心为坐标原点，阵元天线间距为dz＝dy＝0.5λ，则4个阵元天线的位置坐标分别为-0.25λ，0.25λ、0.25λ，0.25λ、0.25λ，-0.25λ、-0.25λ，-0.25λ，进而步骤2中的面阵的阵因子可以更新为此时，选取波束指向为的主瓣，令阵元天线的振幅激励系数为Imn＝Im＝In＝1，z轴和y轴上的阵元天线的均匀递变相位分别为βz＝-kdzcosθ0、且k＝2πλ，此时，2×2平面阵列天线的阵因子可表示为进而可求得2×2面阵天线的方向性函数为进一步，2×2面阵天线的增益可以表示为步骤5：选取空间直角坐标系，确立半波偶极子标签天线的增益模型：在上述分立辐射增益模型中，标签天线垂直于XOY面，天线的质心处于原点O上，θT为Z轴到射线的夹角，φT为射线投影到XOY面后，X轴到该投影OA′的夹角；步骤6：针对步骤1中的定向辐射场景，将阅读器天线和标签天线同时放入同一空间直角坐标系中，对步骤4和步骤5中的分立辐射增益模型进行更新修正；步骤7：令标签的位姿与标签天线的位姿一致，定义标签天线的坐标为x，y，z，阅读器天线的坐标为xi，yi，zi，i∈[1，M]，M为阅读器天线的总数，假设无源标签平行于XOY平面，并且标签天线的长边与X轴平行，此时，确立标签天线的增益方向图与天线位置之间的关系，进而将步骤5中无源标签天线的分立辐射增益模型GTθT，φT更新为GTx，y，xi，yi，zi，其中，标签天线的俯仰角步骤8：引入俯仰角θm和旋转角φm来表征阅读器天线的姿态，θm为全局坐标系Z轴到阅读器天线坐标系YR轴的夹角，φm为全局坐标系X轴正方向到阅读器天线坐标系XR轴投影到XOY平面之后两者之间的夹角，获得阅读器天线和标签的相对位置关系，同时结合实际应用场景的特征，令阅读器天线只对正前方辐射，将其后方的增益置零，令φR的有效范围为[-0.5π，0.5π]，引入门函数rect限定阅读器天线辐射方向，阅读器天线的位置和姿态为变量的增益模型为：，在上述模型中，A＝x-xicosφm+y-yisinφm，B＝-x-xisinφm+y-yicosφm；步骤9：根据Friis经典理论，建立满足前向链路和后向链路条件的UHFRFID系统通信链路模型，为了更好的评估阅读器与标签之间通信链路的状态，引入链路因子Dk，m用于评估标签是否被识别，当链路因子Dk，m＝1时，表明前向链路和后向链路都能够正常通信；步骤10：结合步骤9所提信道模型，引入定位因子确定系统定位精度、系统覆盖程度、系统干扰的表示方法，假设标签数量为K，定义第k个标签的几何精度因子为GDOPk，定义第k个标签的定位因子为Gk，当满足时，则Gk＝1，若不满足，则Gk为0，n为有效观测量的数量，即对于一个标签进行定位，至少需要n个有效的链路因子，若有效观测量低于n个，则该标签的几何精度因子无效，进而可以获得基于几何精度因子定义系统的定位精度评价函数f1，且有几何精度因子越小，标签的定位精度越高，阅读器天线的部署方式越合理；同时构建系统覆盖程度评价函数f2和系统干扰评价函数f3，且有和f3＝kTIT+kRIR，f2表示系统中标签的未覆盖程度，f2越小，标签未覆盖程度越低，标签覆盖程度越高，f3表示平均标签干扰和平均阅读器干扰加权求和，IT和IR分别表示标签干扰和阅读器干扰，权重kT和kR分别表示标签和阅读器相对抗干扰能力的强弱；步骤11：将全部阅读器天线的位姿集合Ω作为优化变量，Ω中优化变量的数量为5M，以优化全局目标函数F＝ω1f1+ω2f2+ω3f3的最小化作为优化方向，ω1、ω2和ω3表示各优化目标的权重系数，构建出适于UHFRFID阵列天线优化部署问题模型；步骤12：引入人工蜂群算法ArtificialBeeColony，ABC求解步骤11中的阵列天线优化部署问题模型，ABC算法中蜂群由引领蜂、跟随蜂和侦察蜂三类组成，整个蜂群的目标是寻找花蜜量最大的蜜源，每一蜜源的位置对应优化问题的一种部署方案，寻找蜜源的过程对应最优解的过程，选取各阅读器天线的初始位置姿态作为初始部署方案，生成规模为X的蜜源；步骤13：假设天线的优化部署问题的解空间是D维的，且有D＝5M，定义引领蜂的数量、跟随蜂的数量、蜜源数量均为SN，蜜源的花蜜量对应于相应解的适应度，一个采蜜蜂对应一个蜜源，与第i个蜜源相对应的采蜜蜂依据更新公式x′id＝xid+φidxid-xkd寻找新的蜜源，其中，xid表示第i个蜜源，x′id表示第i个蜜源对应的采蜜蜂寻找的新的蜜源，xkd表示第k个蜜源，k≠i，i∈[1，SN]，φid是区间[-1，1]上的随机数，当新的蜜源的适应度优于原来的蜜源，采用贪婪算法保留较好的解，否则蜜源xid保留，引领蜂飞回信息交流区共享蜜源信息，跟随蜂以一定的概率选择蜜源进行搜索，搜索过程中，如果蜜源经过最大迭代次数迭代后搜索到达阈值而没有找到更好的蜜源，则该蜜源被放弃，与之对应的引领蜂角色转变为侦查蜂，侦查蜂在搜索空间随机产生一个新的蜜源替代之前的蜜源；步骤14：在更新蜜源位置过程中，采用基于定位精度贡献度的评价机制有针对性的选取特定阅读器天线对其进行状态更新，基于定位精度贡献度的评价机制可以描述为：以RFID系统通信链路状态为基础，评价各阅读器天线的链路贡献度和定位精度贡献度，假设M个阅读器中有n个阅读器的链路贡献度为0，当n≠0时，则在n个阅读器中任意选取一个阅读器进行状态更新，否则进一步计算每一个阅读器的定位精度贡献度，定义M个阅读器定位第k个标签时的几何精度因子为除第m个阅读器以外的M-1个阅读器定位第k个标签时的几何精度因子为则第m个阅读器对第k个标签的定位精度贡献度可以表示为进而第m个阅读器对所有标签的定位精度贡献度可以表示为若即该阅读器的定位精度贡献度是所有阅读器中的最小值，则对该阅读器天线进行状态更新；步骤15：进行迭代运算，当迭代运算次数达到上限时，终止寻优过程并输出最终的最优部署方式，根据该方式完成UHFRFID定位系统阵列天线优化部署问题解决方案。本发明实现了一种基于定位精度贡献度的UHFRFID阵列天线优化部署方法，该方法以2×2平面阵列天线作为阅读器天线建立定向辐射模型，将系统中的各阅读器的位置和姿态作为优化变量，实现在最大覆盖范围的同时，系统具有最高的定位精度和最小的系统干扰，构建UHFRFID定位系统的优化目标函数。使用人工蜂群算法对优化问题进行求解，提出定位精度贡献度对蜜源进行状态更新，保证算法收敛速度的同时大大提高了解的质量。附图说明：图1是本发明流程框图；图2是本发明工厂传送带运输物品的UHFRFID室内定位场景示意图；图3是本发明ABC算法的标签覆盖示意图。具体实施方式：本发明的主旨是提出一种基于定位精度贡献度的UHFRFID阵列天线优化部署方法，该方法获取阅读器天线的最佳位置和姿态能够有效地提升系统的定位性能。下面结合附图1、附图2、附图3对本发明实施方式作进一步地详细描述。对UHFRFID定位系统RNP问题进行数学描述，面向智能仓储、无人超市等物联网应用中的定位需求，建立基于无源UHFRFID定位的定向辐射场景，对于场景中的RFID阅读器，选用M×N结构的平面阵列天线作为其天线以达到提升标签识别距离、降低标签间碰撞的目的，对于场景中的无源RFID标签，选用半波偶极子天线作为其天线以提升标签天线对识读指向性的适应能力。以阵列信号处理技术和电磁场理论为基础，获得上述的阵列天线的增益表达式，具体为：假设阵元天线都为各向同性阵元，则对于M×N结构的平面阵列天线，其阵列因子可表示为其中k＝2πλ，θ和分别表征阅读器天线的俯仰角和旋转角，在上述模型中，平面阵列处于XOY平面，Mx＝0.5M-0.5，Ny＝0.5N-0.5，坐标原点位于平面阵列的几何中心，dx和dy分别表示x轴方向上和y轴方向上的阵元天线之间的距离，与分别为与x、y轴平行的线阵中各阵元的归一化振幅激励矢量，此时，位于平面阵列中第m行、第n列的阵元天线的振幅激励矢量可以表示为其中Im和In分别表示沿x轴和y轴平行方向排列的两个线阵的振幅幅度，βx和βy分别表示这两个线阵的均匀递变相位，当βx和βy均不为零时，则阵因子的一般形式可更新为假设对于一个波束指向为的主瓣，βx和βy可表示为需满足θ0＜0.5π，即βxkdx2+βykdy2＜1，由于面阵的方向性系数从定义上与一般天线相同，因此，面阵的方向性系数的表达式可定义为进而，平面阵列的方向性系数可修正为此时，平面阵列的天线增益为令天线效率e为1，则平面阵列的一般性增益为以上述方法为基础，以2×2面阵结构的阅读器天线为例获得其增益表达式，首先，建立直角坐标系，面阵几何中心为坐标原点，阵元天线间距为dz＝dy＝0.5λ，则4个阵元天线的位置坐标分别为-0.25λ，0.25λ、0.25λ，0.25λ、0.25λ，-0.25λ、-0.25λ，-0.25λ，进而步骤2中的面阵的阵因子可以更新为此时，选取波束指向为的主瓣，令阵元天线的振幅激励系数为Imn＝Im＝In＝1，z轴和y轴上的阵元天线的均匀递变相位分别为βz＝-kdzcosθ0、且k＝2πλ，此时，2×2平面阵列天线的阵因子可表示为进而可求得2×2面阵天线的方向性函数为进一步，2×2面阵天线的增益可以表示为选取空间直角坐标系，确立半波偶极子标签天线的增益模型：在上述分立辐射增益模型中，标签天线垂直于XOY面，天线的质心处于原点O上，θT为Z轴到射线的夹角，φT为射线投影到XOY面后，X轴到该投影OA′的夹角。针对上述的定向辐射场景，将阅读器天线和标签天线同时放入同一空间直角坐标系中，对上述的分立辐射增益模型进行更新修正；令标签的位姿与标签天线的位姿一致，定义标签天线的坐标为x，y，z，阅读器天线的坐标为xi，yi，zi，i∈[1，M]，M为阅读器天线的总数，假设无源标签平行于XOY平面，并且标签天线的长边与X轴平行，此时，确立标签天线的增益方向图与天线位置之间的关系，进而将无源标签天线的分立辐射增益模型GTθT，φT更新为GTx，y，xi，yi，zi，其中，标签天线的俯仰角引入俯仰角θm和旋转角φm来表征阅读器天线的姿态，θm为全局坐标系Z轴到阅读器天线坐标系YR轴的夹角，φm为全局坐标系X轴正方向到阅读器天线坐标系XR轴投影到XOY平面之后两者之间的夹角，获得阅读器天线和标签的相对位置关系，同时结合实际应用场景的特征，令阅读器天线只对正前方辐射，将其后方的增益置零，令φR的有效范围为[-0.5π，0.5π]，引入门函数rect限定阅读器天线辐射方向，阅读器天线的位置和姿态为变量的增益模型为：，在上述模型中，A＝x-xicosφm+y-yisinφm，B＝-x-xisinφm+y-yicosφm；根据Friis经典理论，建立满足前向链路和后向链路条件的UHFRFID系统通信链路模型，为了更好的评估阅读器与标签之间通信链路的状态，引入链路因子Dk，m用于评估标签是否被识别，当链路因子Dk，m＝1时，表明前向链路和后向链路都能够正常通信；结合所提信道模型，引入定位因子确定系统定位精度、系统覆盖程度、系统干扰的表示方法，假设标签数量为K，定义第k个标签的几何精度因子为GDOPk，定义第k个标签的定位因子为Gk，当满足时，则Gk＝1，若不满足，则Gk为0，n为有效观测量的数量，即对于一个标签进行定位，至少需要n个有效的链路因子，若有效观测量低于n个，则该标签的几何精度因子无效，进而可以获得基于几何精度因子定义系统的定位精度评价函数f1，且有几何精度因子越小，标签的定位精度越高，阅读器天线的部署方式越合理；同时构建系统覆盖程度评价函数f2和系统干扰评价函数f3，且有和f3＝kTIT+kRIR，f2表示系统中标签的未覆盖程度，f2越小，标签未覆盖程度越低，标签覆盖程度越高，f3表示平均标签干扰和平均阅读器干扰加权求和，IT和IR分别表示标签干扰和阅读器干扰，权重kT和kR分别表示标签和阅读器相对抗干扰能力的强弱。将全部阅读器天线的位姿集合Ω作为优化变量，Ω中优化变量的数量为5M，以优化全局目标函数F＝ω1f1+ω2f2+ω3f3的最小化作为优化方向，ω1、ω2和ω3表示各优化目标的权重系数，构建出适于UHFRFID阵列天线优化部署问题模型。引入人工蜂群算法ArtificialBeeColony，ABC求解所提的阵列天线优化部署问题模型，ABC算法中蜂群由引领蜂、跟随蜂和侦察蜂三类组成，整个蜂群的目标是寻找花蜜量最大的蜜源，每一蜜源的位置对应优化问题的一种部署方案，寻找蜜源的过程对应最优解的过程，选取各阅读器天线的初始位置姿态作为初始部署方案，生成规模为X的蜜源。假设天线的优化部署问题的解空间是D维的，且有D＝5M，定义引领蜂的数量、跟随蜂的数量、蜜源数量均为SN，蜜源的花蜜量对应于相应解的适应度，一个采蜜蜂对应一个蜜源，与第i个蜜源相对应的采蜜蜂依据更新公式x′id＝xid+φidxid-xkd寻找新的蜜源，其中，xid表示第i个蜜源，x′id表示第i个蜜源对应的采蜜蜂寻找的新的蜜源，xkd表示第k个蜜源，k≠i，i∈[1，SN]，φid是区间[-1，1]上的随机数，当新的蜜源的适应度优于原来的蜜源，采用贪婪算法保留较好的解，否则蜜源xid保留，引领蜂飞回信息交流区共享蜜源信息，跟随蜂以一定的概率选择蜜源进行搜索，搜索过程中，如果蜜源经过最大迭代次数迭代后搜索到达阈值而没有找到更好的蜜源，则该蜜源被放弃，与之对应的引领蜂角色转变为侦查蜂，侦查蜂在搜索空间随机产生一个新的蜜源替代之前的蜜源；在更新蜜源位置过程中，采用基于定位精度贡献度的评价机制有针对性的选取特定阅读器天线对其进行状态更新，基于定位精度贡献度的评价机制可以描述为：以RFID系统通信链路状态为基础，评价各阅读器天线的链路贡献度和定位精度贡献度，第m个阅读器天线为例，其链路贡献度和定位精度贡献度分别为和和越大，阅读器天线的贡献度越大，在蜜源的位置更新过程中，只对链路贡献度为零和定位精度贡献度最小的阅读器天线进行状态更新。如图1所示，进行迭代运算，当迭代运算次数达到上限时，终止寻优过程并输出最终的最优部署方式，根据该方式完成UHFRFID定位系统阵列天线优化部署问题解决方案。以下为一个具体实施例：如图2所示，在30m×30m×5m的室内放置一台物品运输传送带，需要对其上面放置的货物的定位性能达到最优。部署条件包括阅读器天线16个，发射功率1W，工作频率915MHz，阅读器天线放置高度距输送带2.5m，标签的高度为1m。对输送带均匀采样，分别获得以45个、59个和89个标签坐标近似代替货物在输送带上经过的不同位置，标签间隔为1.5m。将三个权重分别设置为：ω1＝1，ω2＝ω3＝3000，种群大小统一设置为P＝120，最大迭代次数T＝300，阅读器天线的位置和姿态的波动尺度则超高频射频识别定位系统的阅读器部署的优化目标函数FΩ＝f1+3000f2+f3。一种基于定位精度贡献度的UHFRFID阵列天线优化部署方法结果如图3所示，此时围绕定位精度最大化、覆盖程度最大化、系统干扰最小化构建超高频射频识别定位系统的定位性能达到最优分别为F＝64.456、F＝57.371和F＝59.826。

权利要求：1.一种基于定位精度贡献度的UHFRFID阵列天线优化部署方法，其特征的具体步骤如下：步骤1：面向智能仓储、无人超市等物联网应用中的定位需求，建立基于无源UHFRFID定位的定向辐射场景，对于场景中的RFID阅读器，选用M×N结构的平面阵列天线作为其天线以达到提升标签识别距离、降低标签间碰撞的目的，对于场景中的无源RFID标签，选用半波偶极子天线作为其天线以提升标签天线对识读指向性的适应能力；步骤2：以阵列信号处理技术和电磁场理论为基础，获得步骤1中的阵列天线的增益表达式，具体为：假设阵元天线都为各向同性阵元，则对于M×N结构的平面阵列天线，其阵列因子可表示为其中k＝2πλ，θ和分别表征阅读器天线的俯仰角和旋转角，在上述模型中，平面阵列处于XOY平面，Mx＝0.5M-0.5，Ny＝0.5N-0.5，坐标原点位于平面阵列的几何中心，dx和dy分别表示x轴方向上和y轴方向上的阵元天线之间的距离，与分别为与x、y轴平行的线阵中各阵元的归一化振幅激励矢量，此时，位于平面阵列中第m行、第n列的阵元天线的振幅激励矢量可以表示为其中Im和In分别表示沿x轴和y轴平行方向排列的两个线阵的振幅幅度，βx和βy分别表示这两个线阵的均匀递变相位，当βx和βy均不为零时，则阵因子的一般形式可更新为步骤3：假设对于一个波束指向为的主瓣，βx和βy可表示为需满足θ0＜0.5π，即βxkdx2+βykdy2＜1，由于面阵的方向性系数从定义上与一般天线相同，因此，面阵的方向性系数的表达式可定义为进而，平面阵列的方向性系数可修正为此时，平面阵列的天线增益为令天线效率e为1，则平面阵列的一般性增益为步骤4：以步骤2至步骤3中的方法为基础，以2×2面阵结构的阅读器天线为例获得其增益表达式，首先，建立直角坐标系，面阵几何中心为坐标原点，阵元天线间距为dz＝dy＝0.5λ，则4个阵元天线的位置坐标分别为-0.25λ，0.25λ、0.25λ，0.25λ、0.25λ，-0.25λ、-0.25λ，-0.25λ，进而步骤2中的面阵的阵因子可以更新为此时，选取波束指向为的主瓣，令阵元天线的振幅激励系数为Imn＝Im＝In＝1，z轴和y轴上的阵元天线的均匀递变相位分别为βz＝-kdzcosθ0、且k＝2πλ，此时，2×2平面阵列天线的阵因子可表示为进而可求得2×2面阵天线的方向性函数为进一步，2×2面阵天线的增益可以表示为步骤5：选取空间直角坐标系，确立半波偶极子标签天线的增益模型：在上述分立辐射增益模型中，标签天线垂直于XOY面，天线的质心处于原点O上，θT为Z轴到射线的夹角，φT为射线投影到XOY面后，X轴到该投影OA′的夹角；步骤6：针对步骤1中的定向辐射场景，将阅读器天线和标签天线同时放入同一空间直角坐标系中，对步骤4和步骤5中的分立辐射增益模型进行更新修正；步骤7：令标签的位姿与标签天线的位姿一致，定义标签天线的坐标为x，y，z，阅读器天线的坐标为xi，yi，zi，i∈[1，M]，M为阅读器天线的总数，假设无源标签平行于XOY平面，并且标签天线的长边与X轴平行，此时，确立标签天线的增益方向图与天线位置之间的关系，进而将步骤5中无源标签天线的分立辐射增益模型GTθT，φT更新为GTx，y，xi，yi，zi，其中，标签天线的俯仰角步骤8：引入俯仰角θm和旋转角φm来表征阅读器天线的姿态，θm为全局坐标系Z轴到阅读器天线坐标系YR轴的夹角，φm为全局坐标系X轴正方向到阅读器天线坐标系XR轴投影到XOY平面之后两者之间的夹角，获得阅读器天线和标签的相对位置关系，同时结合实际应用场景的特征，令阅读器天线只对正前方辐射，将其后方的增益置零，令φR的有效范围为[-0.5π，0.5π]，引入门函数rect限定阅读器天线辐射方向，阅读器天线的位置和姿态为变量的增益模型为：，在上述模型中，A＝x-xicosφm+y-yisinφm，B＝-x-xisinφm+y-yicosφm；步骤9：根据Friis经典理论，建立满足前向链路和后向链路条件的UHFRFID系统通信链路模型，为了更好的评估阅读器与标签之间通信链路的状态，引入链路因子Dk，m用于评估标签是否被识别，当链路因子Dk，m＝1时，表明前向链路和后向链路都能够正常通信；步骤10：结合步骤9所提信道模型，引入定位因子确定系统定位精度、系统覆盖程度、系统干扰的表示方法，假设标签数量为K，定义第k个标签的几何精度因子为GDOPk，定义第k个标签的定位因子为Gk，当满足时，则Gk＝1，若不满足，则Gk为0，n为有效观测量的数量，即对于一个标签进行定位，至少需要n个有效的链路因子，若有效观测量低于n个，则该标签的几何精度因子无效，进而可以获得基于几何精度因子定义系统的定位精度评价函数f1，且有几何精度因子越小，标签的定位精度越高，阅读器天线的部署方式越合理；同时构建系统覆盖程度评价函数f2和系统干扰评价函数f3，且有和f3＝kTIT+kRIR，f2表示系统中标签的未覆盖程度，f2越小，标签未覆盖程度越低，标签覆盖程度越高，f3表示平均标签干扰和平均阅读器干扰加权求和，IT和IR分别表示标签干扰和阅读器干扰，权重kT和kR分别表示标签和阅读器相对抗干扰能力的强弱；步骤11：将全部阅读器天线的位姿集合Ω作为优化变量，Ω中优化变量的数量为5M，以优化全局目标函数F＝ω1f1+ω2f2+ω3f3的最小化作为优化方向，ω1、ω2和ω3表示各优化目标的权重系数，构建出适于UHFRFID阵列天线优化部署问题模型；步骤12：引入人工蜂群算法ArtificialBeeColony，ABC求解步骤11中的阵列天线优化部署问题模型，ABC算法中蜂群由引领蜂、跟随蜂和侦察蜂三类组成，整个蜂群的目标是寻找花蜜量最大的蜜源，每一蜜源的位置对应优化问题的一种部署方案，寻找蜜源的过程对应最优解的过程，选取各阅读器天线的初始位置姿态作为初始部署方案，生成规模为X的蜜源；步骤13：假设天线的优化部署问题的解空间是D维的，且有D＝5M，定义引领蜂的数量、跟随蜂的数量、蜜源数量均为SN，蜜源的花蜜量对应于相应解的适应度，一个采蜜蜂对应一个蜜源，与第i个蜜源相对应的采蜜蜂依据更新公式x′id＝xid+φidxid-xkd寻找新的蜜源，其中，xid表示第i个蜜源，x′id表示第i个蜜源对应的采蜜蜂寻找的新的蜜源，xkd表示第k个蜜源，k≠i，i∈[1，SN]，φid是区间[-1，1]上的随机数，当新的蜜源的适应度优于原来的蜜源，采用贪婪算法保留较好的解，否则蜜源xid保留，引领蜂飞回信息交流区共享蜜源信息，跟随蜂以一定的概率选择蜜源进行搜索，搜索过程中，如果蜜源经过最大迭代次数迭代后搜索到达阈值而没有找到更好的蜜源，则该蜜源被放弃，与之对应的引领蜂角色转变为侦查蜂，侦查蜂在搜索空间随机产生一个新的蜜源替代之前的蜜源；步骤14：在更新蜜源位置过程中，采用基于定位精度贡献度的评价机制有针对性的选取特定阅读器天线对其进行状态更新，基于定位精度贡献度的评价机制可以描述为：以RFID系统通信链路状态为基础，评价各阅读器天线的链路贡献度和定位精度贡献度，以第m个阅读器天线为例，其链路贡献度和定位精度贡献度分别为和和越大，对阅读器天线的的链路和定位精度的贡献度越大，在蜜源的位置更新过程中，基于链路贡献度和定位精度贡献度的评价机制对阅读器天线进行状态更新；步骤15：进行迭代运算，当迭代运算次数达到上限时，终止寻优过程并输出最终的最优部署方式，根据该方式完成UHFRFID定位系统阵列天线优化部署问题解决方案。2.根据权利要求1步骤14中所述的链路贡献度，其特征在于：M个阅读器中链路贡献度为0的阅读器天线个数为n，若n≠0，则在n个阅读器中任意选取一个阅读器进行状态更新。3.根据权利要求1步骤14中所述的定位精度贡献度，其特征在于：若n＝0，第m个阅读器的定位精度贡献度可以按以下形式给出：定义M个阅读器定位第k个标签时的几何精度因子为除第m个阅读器以外的M-1个阅读器定位第k个标签时的几何精度因子为则第m个阅读器对第k个标签的定位精度贡献度可以表示为进而第m个阅读器对所有标签的定位精度贡献度可以表示为若即该阅读器的定位精度贡献度是所有阅读器中的最小值，则对第m个阅读器天线进行状态更新。

百度查询： 天津工业大学 一种基于定位精度贡献度的UHF RFID阵列天线优化部署方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD