关键词:
无线射频识别
位置感知
机器学习
长短期记忆网络
资产设备管理
摘要:
在智能建筑和建筑安防研究与实践中,人员或物体的位置信息是建筑空间的重要属性。基于无线射频识别(Radio Frequency Identification,RFID)技术的位置感知方法以其成本低、非接触式、延迟短等优势,成为学术界和工业界的研究热点。传统基于RFID的位置感知方法存在射频信号易受室内复杂环境影响、多个RFID标签互干扰、感知识别精度低等问题,本文面向建筑物空间,开展基于RFID的位置感知方法研究。首先,为克服RFID信号接收时间非连续性导致的识别精度低问题,引入序列分析思想,基于单个RFID信标,使用机器学习技术,构建基于RFID和长短期记忆(Long Short-Term Memory,LSTM)网络的位置感知模型,实现对RFID标签位置的二分类识辨识。结果表明,使用序列分析的位置感知模型辨识的准确率不低于98%,且对多标签的辨识准确率可达到93%以上。进一步地,考虑到单个RFID信标感知范围有限的问题,面向大空间位置感知需求,使用多个RFID信标,构建基于RFID和集成学习的位置感知模型,结果表明,该方法能有效提高RFID感知范围。其次,为满足一些应用场景中对位置感知的更精准要求,本文设计了一种基于反向传播(Back Propagation,BP)神经网络的定位方法。为克服BP神经网络易陷入局部最优且收敛速度慢等问题,本文使用粒子群(Particle Swarm Optimization,PSO)优化的BP神经网络构建RFID定位模型,实现对室内人员或物体的具体位置估计。结果表明,所提方法能有效解决传统定位方法存在的定位时间长、定位误差较大以及成本高等问题。最后,面向智能建筑与建筑安防的应用需求,设计并实现一套基于RFID的资产设备智能管理系统。该系统由前端RFID信号采集装置和本地信息处理服务器组成,其中RFID信号采集装置负责对RFID数据的采集,本地信息处理服务器负责利用本文算法对RFID数据进行分析与处理,并将资产设备的位置信息上传至本地数据库服务器,最后通过Web平台实现对室内资产设备的监测与管理。结果表明,该系统可满足智能建筑安防系统对资产设备管理的实际应用需求。本文依托一套RFID信息感知装置,研究基于RFID的位置感知和室内定位方法,通过对RFID信号进行分析,能够快速、准确地感知出人员或物体的位置信息,为智能建筑与建筑安防平台的智能运行提供了新支持,使得无论是建筑设备的运行还是建筑安防的决策,都能够以区域内人员或物体的位置信息为新约束。图[48]表[25]参[68]