论文翻译及部分笔记：LANDMARC: Indoor Location Sensing Using Active RFID

LANDMARC: Indoor Location Sensing Using Active RFID

摘要

移动计算设备和嵌入式技术的日益融合引发了“上下文感知”应用的发展和部署，其中位置是最重要的上下文。在本文中，我们介绍了一种名为LANDMARC的定位感知原型系统，该系统使用射频识别（RFID）技术在建筑物内部定位物体。LANDMARC的主要优点是通过利用参考标签的概念来提高物体定位的整体准确性。通过实验分析，我们证明主动式RFID是室内定位感知的可行和具有成本效益的候选方案。虽然RFID并非专为室内定位感知设计，但我们指出了三个主要特性，应加以改进使RFID技术在这个新兴市场中具有竞争力。

什么是“上下文感知”应用

参考标签是什么，如何提高的准确性

一、简介

无线技术、移动计算设备和互联网的普及，促使了对位置感知系统和服务的兴趣日益增长。许多应用需要了解物体的物理位置。多年来，许多系统已经解决了自动位置感知的问题。三边测量、场景分析和接近度是自动位置感知的三种主要技术[1]。全球定位系统（GPS）是最著名的基于位置的系统之一[2]。然而，由于全球定位系统依赖卫星，它在准确确定建筑物内物体位置方面存在固有问题。为了实现在建筑物内定位物体的能力，已经提出和测试了不同的方法，以验证其有效性和实用性。

无线技术、移动计算、物联网----促进---->定位技术的发展—代表---->GPS—问题---->室内定位不行

我们的研究目的是开发一个室内定位系统，用于各种移动商务应用。我们的目标是使用易于获取的无线设备来实施一个原型室内定位系统，以便我们可以利用现有的基础设施。目前有几种类型的定位系统，每种系统都有其自身的优势和局限性。红外、802.11、超声波和射频识别是其中的一些例子。第2节将对这些技术和一些相关工作进行比较概述。我们有兴趣使用现成的商品化产品。我们的比较研究结果显示出RFID技术具有几个优势。这种技术的非接触和非视线性质是所有类型的RFID系统都具有的重要优势。它们可以以令人惊艳的速度工作。在某些情况下，RF标签可以在不到100毫秒的时间内被读取。其它优势包括具有有希望的传输范围和成本效益。第三节将概述RFID技术。

研究目标：室内定位系统

文章组织：

第二节对红外，802.11，超声波和RFID识别进行介绍

文章认为RFID的优点：

最大优势：非接触，非视线性质
工作速度较高
其他优点：传输范围和成本效益

第4节介绍了LANDMARC，一种基于RFID技术的定位感知原型系统。由于RFID并非专为定位感知而设计，我们的室内定位感知原型系统的目的是研究RFID技术是否适用于具有准确性和经济性的物体定位。第5节中，我们展示了LANDMARC系统的实验结果。根据本研究的分析，为RFID产品制造商提供了在替代和可行的方式中使用这些产品的建议。第六节总结了文章，描述了未来方向。

二、相关工作

一系列的无线技术已被用于室内定位感知。

一些无线技术已被用于室内定位感知。红外线。Active Badge，是在奥利维蒂研究实验室（现为AT&T剑桥实验室）开发的，使用了散射红外技术[4]来实现室内定位。视线要求和短距离信号传输是两个主要限制条件，这表明它在室内位置感知方面的实际效果不如预期。

视线要求：能够看到

IEEE 802.11. RADAR是一种基于射频的系统，用于在建筑物内定位和跟踪用户[3]，使用标准的802.11网络适配器在多个基站位置上测量信号强度，以提供给定区域的重叠覆盖。该系统结合了实证测量和信号传播建模，以确定用户位置，从而实现位置感知的服务和应用程序。该系统的主要优势是易于设置，只需少量的基站，并且使用了提供建筑物内一般无线网络的相同基础设施。迄今为止，在使用802.11技术的系统中，总体准确性通常不如人们期望的那样理想。例如，雷达的实施可以在50％的概率下将物体放置在其实际位置的大约3米内，而信号强度定位实施在相同的概率水平下具有4.3米的准确性。

准确性低

超声：板球位置支持系统[10]和主动式球拍定位系统[12]是两个主要使用超声波技术的例子。通常，这些系统使用超声波飞行时间测量技术来提供位置信息。它们大多数共享一个显著的优势，即整体准确性。例如，板球系统可以精确确定房间内4x4平方英尺的区域，而主动式球拍系统可以将球拍定位到其真实位置的9厘米范围内，测量结果的准确率为95％。然而，以这种方式使用超声波需要大量的基础设施才能高效和准确，但是其成本过高，使得大多数用户无法使用。

超声需要大量基础设施才能高效和准确

RFID：一个使用RFID技术的众所周知的定位系统是SpotON [13]。 SpotON使用聚合算法进行基于无线电信号强度分析的三维定位。 SpotON的研究人员设计和构建了硬件，将作为物体位置标签。在SpotON方法中，对象通过无中心控制的同质传感器节点进行定位。SpotOn标签使用接收到的无线电信号强度信息作为传感器测量来估计标签间距离。然而，到目前为止还没有提供完整的系统。

以上是室内定位感知的热门技术。还有其他一些技术，如超宽带[15]，也正在进行研究。技术的选择显著影响位置信息的粒度和准确性。还有一些其他项目正在使用上述技术。由于缺乏经济实惠的室内定位传感产品，我们尝试了红外线和802.11b产品。由于上述原因，两者都不令人满意。由于成本限制，我们不打算自己制造设备。我们选择了商业上可用的RFID设备作为我们的原型技术，下面将对其进行描述。

三、RFID技术和我们的首次尝试

RFID（射频识别）是一种通过电磁传输将数据存储和检索到RF兼容集成电路的方法，现在被视为增强数据处理过程的一种激进手段[14]。RFID系统具有几个基本组件，包括一些RFID读取器，RFID标签以及它们之间的通信。

RFID主要构件
$\begin{cases} RFID阅读器\\ RFID标签 \end{cases}$

RFID读卡器可以读取从RFID标签发出的数据。**RFID读卡器和标签使用特定的无线电频率和协议来传输和接收数据。**RFID标签分为被动标签和主动标签两种。被动RFID标签在没有电池的情况下工作。它们通过调制反射信号来在读卡器发射给它们的射频信号上添加信息。被动标签主要用于取代传统的条形码技术，比主动标签更轻、更便宜，并有几乎无限的操作寿命。然而，它们的读取范围非常有限。

主动标签包含无线发射机和按钮电池以为发射机提供能量。由于标签上有无线电，主动标签的范围比被动标签更大。主动标签非常适用于通过复杂装配过程的高价值产品的识别。它们还提供所需的耐久性，用于固定产品载体的永久识别。

RFID标签：主动标签、被动标签（没有电池的情况下工作）

经过研究各种可用系统的规格，我们选择了由RF Code [8] 制造的Spider系统来实现原型框架。他们的主动标签的读取范围为150英尺。如有必要，可以通过添加特殊天线将该范围增加到1000英尺。RFID系统可以实现的范围基本上取决于：

读写器与标签之间进行通信的功率可用于传输信息。
标签内可用的响应能力。
环境条件和结构（前者在包括信噪比的更高频率上更重要）。

从天线发送的场或波传到其周围的空间，并随着距离的增加而减弱。天线设计将决定传输的场或波的形状，因此范围也会受到标签与天线之间的角度影响。在没有任何障碍物或吸收机制的空间中，场的强度以与距离的平方成反比的方式减少。

在我们的系统中，RFID阅读器的工作频率为308 MHz。它还具有一个802.11b接口，用于与其他机器通信。检测范围为150英尺。阅读器通过提供配置软件和带有8个递增读取范围的API，数字化地控制读取范围。每个阅读器可以在7.5秒内检测到多达500个标签。每个RFID标签都预先编程了一个独特的7字符ID，用于阅读器进行识别。其电池寿命为3-5年。标签以平均间隔为7.5秒的随机方式发送其独特的ID信号。请注意，RFID阅读器有8个不同的功率级别。根据RFID阅读器接收到的信号强度，阅读器将报告或忽略接收到的ID，其中功率级别1具有最短的范围，而级别8具有最长的范围。

RFID 标签：7字符ID编号

平均7.5s的随机方式发送ID，用于阅读器识别

我们的第一次尝试是根据图1所示安装若干阅读器。每个阅读器都有预先确定的功率水平，因此定义了它可以检测到RFID标签的特定范围。通过将阅读器正确放置在已知位置，整个区域可以分成许多子区域，每个子区域可以由覆盖该子区域的读写器的子集唯一地识别。给定一个RFID标签，基于能够检测到它的阅读器的子集，我们应该能够将该标签与已知的子区域关联起来。这种方法的准确性取决于所需的阅读器数量、这些阅读器的位置以及每个阅读器的功率水平。这样一个精心设计的优化问题结果证明是没有用的，因为阅读器能够检测到标记物体的范围不仅仅取决于功率水平（类似于信号强度）。许多因素将影响范围，包括静态障碍和动态人体运动。由于这些动态干扰，即使是静态物体也可能在不同时期报告在不同的子区域中。这也是基于802.11b信号强度的方法不太有用的原因。

缺点：阅读器能够标记到的物体范围存在静态障碍和动态的干扰。

四、LANDMARC 方法

为了提高准确性而不增加更多阅读器，LANDARC (基于动态主动RFID校准的位置识别系统)系统采用了额外的固定位置参考标签的概念来帮助位置校准。这些参考标签在系统中充当参考点（就像我们日常生活中的地标）。这种提出的方法有三个主要优点。首先，不需要大量昂贵的RFID读写器，而是使用额外的更便宜的RFID标签。其次，环境动态可以轻松适应。我们的方法有助于抵消许多导致检测范围变化的环境因素，因为参考标签受到与待定标签相同的环境影响。因此，我们可以根据实时从参考标签检测到的范围来动态更新查找的参考信息。第三，位置信息更准确可靠。LANDMARC方法更灵活动态，能实现更精准、接近实时的位置感知。很明显，阅读器和参考标签的放置对系统整体准确性非常重要。

方法：增加额外的位置参考标签，进行位置校准。

优点：

不需要大量昂贵的阅读器，使用RFID标签
可以适应环境变化（参考标签受到与待定标签相同的环境影响）
位置信息更加准确可靠

缺点：

阅读器和参考标签的放置对系统整体准确性非常重要

LANDMARC方法确实需要从每个标签到读取器的信号强度信息，如果它在可检测范围内。然而，当前的RFID系统并不直接向读取器提供标签的信号强度。读取器只报告检测到的标签的功率级别（在我们的系统中为1到8）。我们可以进行初步测量，了解每个功率级别对应的距离。然而，这仅适用于自由空间。如前所述，在复杂的室内环境中，功率级别分布是动态的。因此，不能通过直接使用功率级别来准确计算物理距离。我们必须开发一种算法来反映信号强度与功率级别之间的关系。

系统设置

原型环境由感知网络和无线网络组成，帮助在一定的粒度和准确度内追踪移动用户/物体的位置，并实现移动设备与互联网之间的通信。感知网络主要包括前面提到的射频阅读器和射频标签。基础设施的另一个重要部分是无线网络，它实现了PDA等移动设备与互联网之间的无线通信，并作为连接感知网络和系统其他部分的桥梁。由于阅读器配备了使用IEEE 802.11b无线网络进行无线通信的能力，从阅读器收集到的所有标签信息被发送到特定服务器上的提供的API（位置服务器）。这个特性避免了阅读器器需要有线连接的问题，减少了阅读器可能放置的限制。此外，无线网络将成为基础设施中所有通信的基本框架。

感知网络：射频阅读器+射频标签

无线网络：标签信息被发送到特定服务器

要能够追踪物体的位置，在收到来自射频阅读器的位置信息之前，需先进行处理方可实用。射频阅读器接收到信号后，通过有线或无线网络将信息报告给“TagTracker Concentrator LI”（由RF Code公司提供的软件程序/API）。此外，该软件还可充当射频读取器的集中配置界面。例如，可用于调整读取器的探测范围和速率。在经过TagTracker Concentrator LI处理读取器的信息后，处理后的位置信息可以作为文件缓冲在同一台机器上，或通过网络套接字传输（在API中可配置）。

方法

假设我们有n个射频阅读器，以及 $m$ 个参考标签和 $u$ 个被跟踪的目标标签。读卡器都配置为连续模式（不断报告在指定范围内的标签），检测范围为1-8（意味着读卡器将从范围1扫描到8，并以每个范围30秒的速率重复循环）。我们定义跟踪/移动标签的信号强度向量为 $\vec{S}=(S_1，S_2,...,S_n)$ ，其中 $S_i$ 表示阅读器 $i$ 感知到的跟踪标签的信号强度，其中 $i\in (1,n)$ 。对于参考标签，我们将对应的信号强度向量表示为 $\vec{\theta}=(\theta_1,\theta_2,...,\theta_n)$ ，其中 $\theta_i$ 表示信号强度。我们引入了信号强度的欧几里德距离。对于每个单独的追踪标签p，其中 $p\in (1,u)$ ，我们定义： $E_j=\sqrt{\sum\limits_{i=1}^n(\theta_i-S_i)^2}$ ，其中 $j\in(1,m)$ 。作为跟踪标签和参考标签之间的信号强度的欧几里得距离，令E表示参考标签和跟踪标签之间的位置关系，即距离跟踪标签更近的参考标签被认为具有较小的E值。当存在m个参考标签时，跟踪标签具有其E向量 $\vec{E}=(E_1,E_2,...,E_m)$ 。

这个算法是通过比较不同的 E 值来寻找未知追踪标签的最近邻。由于这些 E 值仅用于反映标签之间的关系，我们使用上报的功率水平值来代替方程中的信号强度值。

我们通过定位未知跟踪标签的过程来考察三个关键问题。

第一个问题是参考标签的放置。由于未知标签最终位于由一些参考标签围绕的单元中，参考标签的布局可能极大地影响算法的定位准确性。
第二个问题是确定参考单元中用于获取每个未知跟踪标签最准确近似坐标的**参考标签数量。例如，找到距离跟踪标签最近的参考标签的最简单方法是使用具有最小 E 值的参考标签的坐标作为未知标签的坐标。**我们将其称为 1-最近邻算法。或者，我们可以选择一个跟踪标签的两个最近邻居，并将其称为 2-最近邻算法。当我们使用 k 个最近参考标签的坐标来定位一个未知标签时，我们称之为 k-最近邻算法。未知的跟踪标签坐标 (x, y) 的获取方法为：

$(x,y)=\sum\limits_{i=1}^kw_i(x_i,y_i)$

确定权重。 $w_i$ 是第i个相邻参考标签的加权因子。选择这些加权因子是另一个设计参数。给予所有最近的k个邻居相同的权重（即 $w_i = 1/k$ ）会产生很多错误。因此，第三个问题是确定分配给不同邻居的权重。直观上，wi应依赖于单元格中每个参考标签的E值，即wi是k个最近邻的E值的函数。根据LANDMARC的经验，权重由以下方式给出：
$w_j=\frac{\frac{1}{E_i^2}}{\sum\limits_{i=1}^k\frac{1}{E_i^2}}$
这意味着具有最小E值的参考标签具有最大的权重。请注意，我们的方法可以轻松扩展到三维坐标。

五、实验结果和评估

我们进行了一系列实验来评估LANDMARC系统的定位性能。在标准设置中，我们在实验室中放置了4个RF读写器（n=4），并使用16个标签（m=16）作为参考标签，同时将另外8个标签（u=8）作为被追踪的对象，如图2a所示。

通过设置，数据通过套接字从TagTracker Concentrator LI以每小时为单位的分组进行收集，系统将根据每组数据计算跟踪标记的坐标。为了衡量LANDMARC系统的性能，误差距离被用作系统准确度的基础。我们定义位置估计误差e为跟踪标记实际坐标（0，0y x）和计算坐标（y x）之间的线性距离。
$e=\sqrt{(x-x_0)^2+(y-y_0)^2}$
通过在图2中展示的引用标签和跟踪标签的放置，我们连续收集来自4个射频读取器的功率级别数据超过48小时。因此，我们得到了48组一小时的数据。对于每个小时的8个跟踪标签，系统使用第4节中讨论的算法计算该标签的坐标。然后，我们计算每个跟踪标签的位置误差e。