关键词:
RFID多标签网络
光电技术
图像预处理
三维坐标定位
回归分析
摘要:
在物联网(Internet of Things,IOT)技术不断发展的背景下,射频识别(Radio Frequency Identification,RFID)被广泛应用于物流、医疗等领域,是目前在自动化和物联网感知层的一项关键技术,也是当今时代最前沿的技术之一。RFID系统主要由读写器、RFID标签、数据处理系统构成,其中RFID标签因为其随物体移动,应用环境多变复杂,极其容易受到外界干扰,所以针对RFID标签性能的优化备受关注。而大部分学者对此都选择从标签本身入手,即利用新材料或者新工艺来实现RFID标签性能的提高。然而,在超高频段(UHF)以上频段,由于存在大量标签同时识别的应用场景,多标签网络性能受很多因素影响,学术界对它的研究还不很深入,开展这些研究以提升多标签网络性能,确保RFID在物联网系统中的可靠稳定应用,将是该技术发展的关键。本研究主要针对RFID多标签几何分布优化中的多标签网络定位和性能分析过程,提出了基于图像去噪和角点检测的RFID多标签网络定位方法,并利用峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似性(structural similarity,SSIM)评价图像去噪效果,同时还依据平均绝对误差和平均相对误差评估了多标签网络的定位精度。同时通过灰狼-支持向量机(gray wolf-support vector machines,GWO-SVM)算法进行回归分析得到了RFID多标签网络几何分布与RFID多标签网络性能的关系,本研究对RFID多标签网络定位以及几何分布寻优有着重要意义。
本文的主要研究内容和创新工作如下:
1.设计并构建了RFID标签性能动态测试平台。平台主要由RFID多标签网络、RFID图像采集系统、最远识读距离测量系统和RFID多标签三维坐标定位系统组成。通过RFID图像采集系统采集现实中随机排布的RFID多标签网络分布信息,采集的图像经过去噪处理后再通过RFID多标签三维坐标定位系统准确定位其中各个坐标的像素坐标,最后利用几何光学相似性原理将坐标的像素坐标转化为实际坐标。通过上述实验步骤,本研究将多组RFID多标签网络精确转化为坐标数据组并得到其对应的最远识读距离。
2.提出了基于相空间重构和奇异谱分析(Singular Spectrum Analysis,SSA)的RFID去噪算法和基于改进核函数系数寻优过程的快速非局部均值(Non-Local Means,NLM)RFID去噪算法,通过对比两种算法与其他算法对不同RFID多标签图像的去噪效果,验证了本文算法的有效性。同时对NLM去噪算法的运行速度也进行了优化。
3.提出了一种基于三维坐标定位的RIFD多标签网络回归分析方法。利用Harris角点算法得到图像角点,对角点进行筛选后得到预设原点和RFID标签四角的像素坐标,依据像元关系得到标签的实际坐标。通过定位110组不同分布的RFID多标签网络,分别计算各类多标签网络中每个标签x、y、z坐标的平均绝对误差和相对误差,证明了算法具有较高的RFID多标签网络定位精度;并利用GWO-SVM算法对RFID多标签网络几何分布与RFID多标签网络标签最远识读距离的关系进行了回归分析。
本文以RFID多标签网络定位为研究课题,通过系统设计、算法优化和实验分析,验证了通过图像采集与基于去噪和角点检测的预处理技术定位RFID多标签实际三维网络坐标、利用坐标数据分析RFID多标签几何分布与其性能之间关系的可行性,对精确获取RFID多标签网络几何分布、探索几何分布对RFID多标签网络性能影响的研究具有重要的理论和实用意义。