0 引言
    隨著信息技術(shù)與工業(yè)技術(shù)的高度融合,，制造業(yè)正面臨新的挑戰(zhàn),，而定制化服務(wù)和柔性生產(chǎn)的引入，使得車間的制造過程更加復(fù)雜且難以控制,，因此對車間的信息化水平提出了更高要求[1,，2]。為了整合車間資源信息,，提出了運(yùn)用射頻識別（Radio Frequency Identification,，RFID）技術(shù)[3]實(shí)時收集車間中人員、物料,、生產(chǎn)工具的位置信息來掌握生產(chǎn)狀態(tài)的方法,。RFID是一種可以通過無線電信號識別特定目標(biāo)的非接觸式無線通信技術(shù)，RFID定位可以分為基于傳播模型的定位和基于場景分析的定位[4],。
    有源射頻識別校驗(yàn)的動態(tài)定位(Location Identification Based on Dynamic Active RFID Calibration,，LANDMARC)算法是一種典型的基于場景分析的RFID定位算法，較低成本和較高精度使其成為研究和使用較為廣泛的算法[5],。
1 LANDMARC算法
1.1 算法簡介
    LANDMARC算法的核心思想是通過在定位區(qū)域布置參考標(biāo)簽,，選擇參考標(biāo)簽中的最近鄰間接實(shí)現(xiàn)定位,。算法中，所有參考標(biāo)簽的坐標(biāo)已知,，讀寫器讀取到參考標(biāo)簽以及目標(biāo)標(biāo)簽的接收信號強(qiáng)度指示(Received Signal Strength Indication,，RSSI)值[6]，選取與目標(biāo)標(biāo)簽差異最小的若干參考標(biāo)簽作為最近鄰,，然后通過質(zhì)心算法計(jì)算目標(biāo)標(biāo)簽的坐標(biāo)[7]。
1.2 算法求解
    假設(shè)在定位區(qū)域布置了M個讀寫器,，N個參考標(biāo)簽,。目標(biāo)標(biāo)簽在M個讀寫器上的RSSI值用向量表示為：
    O=(O₁，O₂,，…,，O_M)
    O_k表示目標(biāo)標(biāo)簽在第k個讀寫器上的RSSI值。
    同理,，所有參考標(biāo)簽在讀寫器上的RSSI值用矩陣表示為：

1.3 算法不足
    LANDMARC算法的主要不足有：
    (1)計(jì)算量大且易冗余,。在選取最近鄰時，需要對每個參考標(biāo)簽進(jìn)行采集并與目標(biāo)標(biāo)簽比對Ei值,，計(jì)算量較大,。
    (2)前期部署困難。參考標(biāo)簽位置及間隔密度難以衡量,，數(shù)量太多導(dǎo)致成本上升且標(biāo)簽間容易產(chǎn)生干擾,，數(shù)量太少導(dǎo)致精度下降。
    (3)局部精度低,。由于車間布局環(huán)境易存在障礙物,，會產(chǎn)生多徑效應(yīng)、反射,、衍射等現(xiàn)象,，導(dǎo)致局部RSSI值突變；同時邊界區(qū)域參考標(biāo)簽不足,，也導(dǎo)致局部精度產(chǎn)生一定下降,。
2 面向車間布局的自適應(yīng)LANDMARC算法
    LANDMARC算法十分依賴最近鄰的選擇，傳統(tǒng)LANDMARC算法選擇最近鄰時容易出現(xiàn)兩種問題導(dǎo)致定位精度下降,。
    (1)障礙物影響RSSI值,。算法容易受環(huán)境中障礙物影響，部分RSSI值突變,，錯誤地選擇最近鄰,。
    (2)邊界參考標(biāo)簽數(shù)量不足。由于邊界區(qū)域布置參考標(biāo)簽數(shù)量不足,，使得邊界處選擇最近鄰時可選參考標(biāo)簽數(shù)量過少,。
    本文提出自適應(yīng)LANDMARC算法,，借鑒基于傳播模型的定位算法引入對數(shù)距離路徑損耗模型，并通過對比法和插值法提升LANDMARC算法選擇最近鄰的準(zhǔn)確度,。
2.1 對數(shù)距離路徑損耗模型
    對數(shù)距離路徑損耗模型反映了射頻信號在室內(nèi)傳播時信號強(qiáng)度與傳播距離的關(guān)系^[8]：
   

    其中,，PL(d)表示讀寫器接收信號時RSSI的衰減量， PL(d0)表示在參考點(diǎn)d0處接收信號時RSSI的衰減量,，單位為dB,；n是路徑損耗系數(shù)，反映射頻信號衰減速度,；X?滓是以dB為單位表示的高斯噪聲,。
    讀寫器接收到RSSI值為：
    RSSI=PL(d)-PL(d₀)                                                      (5)
    通過變形，并用a,、b替換-10n和X?滓,，得：
    RSSI=algD+b                                                             (6)
    D為讀寫器與參考標(biāo)簽之間距離；a,、b是與讀寫器本身屬性以及環(huán)境有關(guān)的參數(shù),，通過實(shí)驗(yàn)可測得。
2.2 障礙物誤差解決方案
2.2.1 障礙物環(huán)境下誤差來源
    由于車間環(huán)境復(fù)雜,，由障礙物引發(fā)的最近鄰選擇錯誤情況有：
    (1)距離目標(biāo)標(biāo)簽很遠(yuǎn),、毫無關(guān)系的參考標(biāo)簽，因?yàn)檎系K物影響,，Ei值反而更小,，被選為最近鄰。
    (2)距離目標(biāo)標(biāo)簽很近,、最近鄰首選的參考標(biāo)簽,，因?yàn)檎系K物影響，Ei值反而更大,，退出了最近鄰,。
    (3)目標(biāo)標(biāo)簽本身處在障礙物環(huán)境中，測得的Ok與實(shí)際情況有誤差,，導(dǎo)致最近鄰的選擇產(chǎn)生錯誤,。
    LANDMARC算法需要比較目標(biāo)標(biāo)簽與參考標(biāo)簽之間RSSI差值來確定距離，然后選取Ei相差最小的k個參考標(biāo)簽作為最近鄰,。
    以情況(1)為例,，如圖1，O為目標(biāo)標(biāo)簽,，A,、B、C、D應(yīng)該被選擇為最近鄰的參考標(biāo)簽,，由于障礙物對RSSI值干擾,，D′替換Ei被判定為最近鄰，最后計(jì)算得到目標(biāo)標(biāo)簽位置為P,。

圖1  障礙物環(huán)境下最近鄰選擇示意圖

2.2.2 對比法篩選最近鄰
    下面介紹在自適應(yīng)LANDMARC算法中,，一種篩選最近鄰的方法。
    首先,，通過預(yù)設(shè)實(shí)驗(yàn)測定當(dāng)前讀寫器和標(biāo)簽在定位環(huán)境中的RSSI-lgD回歸直線(即式(6)),。因?yàn)檐囬g布局、讀寫器坐標(biāo),、參考標(biāo)簽的坐標(biāo)已知,，可以計(jì)算各參考標(biāo)簽與各讀寫器之間距離，并將距離帶入到回歸直線中,，計(jì)算出RSSI值作為標(biāo)準(zhǔn)值。然后,，讀寫器開始采集各個參考標(biāo)簽的RSSI值作為測量值,。最后，將參考標(biāo)簽的RSSI標(biāo)準(zhǔn)值與測量值進(jìn)行比較,，判定是否處于設(shè)定的誤差范圍e,，在誤差范圍內(nèi)的RSSI測量值進(jìn)入?yún)⒖紭?biāo)簽RSSI有效值集合。如果參考標(biāo)簽RSSI有效值集合中元素個數(shù)小于最小要求k,，則通過控制參數(shù)λ對誤差范圍e進(jìn)行控制,。
2.3 邊界誤差解決方案
2.3.1 邊界環(huán)境下誤差來源
    LANDMARC算法在邊界區(qū)域精度往往會下降。如圖2,，O為目標(biāo)標(biāo)簽,，A、B,、C,、D是理想最近鄰，但是實(shí)際上邊界并不存在C,、D,，導(dǎo)致C′和D′被判定為最近鄰，最后計(jì)算得到目標(biāo)標(biāo)簽位置為P,。

圖2  邊界環(huán)境下最近鄰選擇示意圖

2.3.2 插值法過程
    假設(shè)讀寫器坐標(biāo)為(xi,，yi)，虛擬標(biāo)簽坐標(biāo)為(x0,，y0),，距離公式計(jì)算如下：
   

    取lgD_m，代入式(6)，即獲得虛擬標(biāo)簽的插值,。
2.4 自適應(yīng)LANDMARC算法
    定義矩陣R_ij標(biāo)：參考標(biāo)簽RSSI標(biāo)準(zhǔn)值,。
    定義矩陣R_ij測：參考標(biāo)簽RSSI測量值。
    定義矩陣R_ij虛：虛擬標(biāo)簽RSSI插值值,。
    定義集合R_效：參考標(biāo)簽RSSI有效值集合,，所有有效參考標(biāo)簽的集合。
    自適應(yīng)LANDMARC算法流程圖如圖3,。

圖3  自適應(yīng)LANDMARC算法流程圖

3 實(shí)驗(yàn)驗(yàn)證
3.1 車間布局模擬
    在4 m×4 m的物流實(shí)驗(yàn)室中,，模擬車間布局設(shè)計(jì)了車間生產(chǎn)線并布置障礙物。實(shí)驗(yàn)布局示意圖如圖4,。

圖4  實(shí)驗(yàn)布局示意圖

3.2 實(shí)驗(yàn)結(jié)果
    分別用傳統(tǒng)LANDMARC算法和自適應(yīng)LANDMARC算法進(jìn)行實(shí)驗(yàn),，實(shí)驗(yàn)結(jié)果如表1所示。

3.3 結(jié)果分析
    通過實(shí)驗(yàn)結(jié)果,，得到以下結(jié)論：
    (1)傳統(tǒng)LANDMARC算法在局部區(qū)域最近鄰的選擇上明顯錯誤,，例如5號標(biāo)簽由于障礙物存在，選擇了較遠(yuǎn)的參考標(biāo)簽,，精度明顯下降,。
    (2)自適應(yīng)LANDMARC算法降低了障礙物對于算法的影響，例如7號標(biāo)簽選擇了理想最近鄰,。但有時缺乏穩(wěn)定性,，選擇了并不理想的最近鄰，如4號標(biāo)簽,。
    (3)自適應(yīng)LANDMARC算法在精度上優(yōu)于傳統(tǒng)LAND-
MARC算法,，平均誤差從0.39 m降低到0.16 m。
4 結(jié)論
    本文提出一種面向車間布局的自適應(yīng)LANDMARC算法,，通過對比法和插值法對傳統(tǒng)LANDMARC算法進(jìn)行了改進(jìn),。實(shí)驗(yàn)證明了算法的有效性。
    本文對自適應(yīng)LANDMARC算法進(jìn)行的實(shí)驗(yàn)和分析也存在一些不足,。例如未進(jìn)行參考標(biāo)簽最優(yōu)布置驗(yàn)證和參考標(biāo)簽密度與定位精度關(guān)系測量實(shí)驗(yàn)等,。
    下一步的研究方向?yàn)椋?1)在現(xiàn)有基礎(chǔ)上進(jìn)行參考標(biāo)簽密度與布置實(shí)驗(yàn)，進(jìn)一步尋找提高降低定位誤差的方法,；(2)探究初始誤差范圍e和控制參數(shù)λ的設(shè)定對定位精度的影響,；(3)增加實(shí)驗(yàn)布局的復(fù)雜性并添加干擾源，以適應(yīng)實(shí)際的車間情況,。
參考文獻(xiàn)
[1] ZHOU W,，PIRAMUTHU S.Manufacturing with item-level RFID information：from macro to micro quality control[J].International Journal of Production Economics，2012,，135(2)：929-938.
[2] 劉愛軍,，楊育,，邢青松，等.柔性作業(yè)車間多目標(biāo)動態(tài)調(diào)度[J].計(jì)算機(jī)集成制造系統(tǒng),，2012,，17(12)：2629-2637.
[3] Zhang Min，Li Wenfeng,，Wang Zhongyun,，et al.A RFID-based material tracking information system[C].Automation and Logistics，2007 IEEE International Conference on.IEEE,，2007：2922-2926.
[4] 張佳,，羅軍勇，王艷,，等.改進(jìn)的無線傳感器網(wǎng)絡(luò)定位算法[J].計(jì)算機(jī)工程,，2009，35(6)：133-135.
[5] JIN G,，LU X,，PARK M S.An indoor localization mechanism using active RFID tag[C].Sensor Networks，Ubiquitous,，and Trustworthy Computing,，2006.IEEE International Conference on.IEEE，2006(1)：4.
[6] 段璞,，劉春江，武岳山.RSSI在RFID讀寫器中的應(yīng)用[J].計(jì)算機(jī)工程,，2010,，36(22)：289-290.
[7] LIONEL N I，LIU Y.LANDMARC：indoor location sensing using active RFID[J].Wireless Networks,，2004,，10(6)：701-710.
[8] 崔燕妮，張興輝,，楊榮飛,，等.基于對數(shù)距離路徑損耗模型下的路徑損耗指數(shù)研究[C].全國第十三屆微波集成電路與移動通信學(xué)術(shù)會議論文集，2010：267-271.