基于RFID和自适应卡尔曼滤波的室内移动目标定位方法

尹姝 陈元橼 仇翔

摘要 本文研究了UHF-RFID（超高頻-射频识别）环境下的移动目标定位问题，提出了一种结合自适应卡尔曼滤波和BVIRE（边界虚拟参考标签）的移动机器人定位方法，即B-AKF（Boundary-Adaptive Kalman Filter）定位方法.首先，利用UHF-RFID系统对移动机器人进行初始定位，其次，考虑模型和噪声统计特性不确定性，采用自适应卡尔曼滤波方法对机器人的运动状态进行预测和更新，并引入自适应因子补偿噪声方差不确定性问题.最后，搭建了基于UHF-RFID的定位实验平台，并通过实验研究表明，相比于传统的线性BVIRE和线性卡尔曼滤波方法，所提出的自适应卡尔曼滤波方法具有更高的定位精度和更强的鲁棒性能. 关键词

定位;超高频-射频识别;边界虚拟参考标签;自适应卡尔曼滤波器

中图分类号  TP249

文献标志码  A

0 引言

移动机器人的定位是其实现自主导航的关键技术之一[1] ，广泛应用于未知环境探测、远程医疗、智能物流等领域，是移动机器人领域的主要研究方向之一，目前也有许多实用的方法，如基于测距的超声波、视觉和激光定位.由于UHF-RFID（Ultra High Frequency-Radio Frequency Identification，超高频-射频识别）技术具有超视距信息传输、成本低廉、数据交互快等优点[2] ，已经引起了人们的广泛关注并应用于移动机器人定位[3-5] .此外，RFID标签也可以作为环境中的锚节点地标安装于移动机器人以进行唯一标定.

近年来，RFID在移动机器人定位研究中产生了许多成果，如Lionel等[6] 提出了LANDMARC定位模型，采用了无源RFID系统在建筑物内对移动目标进行了定位.Han等[7] 采用了将RFID标签在地板上排列成三角形的方案，在LANDMARC技术上缩小了传统方格的估计误差.该方法还利用编码器在左右轮子的数据信息精确地计算移动机器人的位置，同时融合了RFID信号强度值信息.Chon等[8] 使用RFID系统将GPS和陀螺仪两者产生的高度精确位置信息进行融合，利用安装有源标签信息的移动机器人在道路上获得了较为准确的定位精度.Yamano等[9] 则提出了一种支持向量机实现了RFID系统的定位.Masumoto等[10] 结合了RFID系统和GPS进行了机器人的位姿估计.而在基于载波信号差（Phase Difference of Arrival）的定位方法中引入了超高频RFID定位系统[11-13] 之后，文献[14]利用RFID参考标签的相位信息，使用了一种多假设扩展卡尔曼滤波方法，实验验证了移动机器人在初始位姿未知情况下的全局定位.在这些研究中，由于系统的局限性，使用的单个传感器系统定位不能保证准确性.此外，由于非线性转换造成的线性化误差往往是时变的，使得噪声估计器往往不能发挥其应有的作用[15] .另外，现有的UHF-RFID定位方法[16-18] 中，有基于信号强度值三角质心定位方法，有使用引入参考标签为核心的LANDMARC和VIRE定位方法[19-20] .然而，依靠RSSI测距的方式存在抗干扰能力差、定位精度低等问题.

为此，本文提出了一种基于自适应卡尔曼滤波的移动机器人定位方法. 为了避免量测非线性引起的不利影响，引入了BVIRE（Boundary Virtual Reference，边界虚拟参考标签）方法将非线性的量测信息转化为线性的量测信息，进而通过引入自适应因子补偿噪声方差不确定性问题.与文献[16]相比，增加了边界处理过程.最后，搭建了基于UHF-RFID的移动目标定位实验平台，并在该平台上验证了所提出算法的有效性和优越性.

1 B-AKF自适应卡尔曼滤波定位方法

1.1 系统建模

其中N为蒙特卡罗仿真次数.

如图3所示的仿真环境中，在8 m×8 m区域内均匀分布16个参考标签，理论轨迹为4 m×4 m的正方形.仿真结果显示，改进的方法在未知系统噪声的情况下，其定位估计的结果更加接近移动机器人的真实轨迹.由图2不难发现，无论是BVIRE方法还是卡尔曼与BVIRE方法都在后半段的位置估计中明显偏离真实位置，特别是在拐角处其均方根误差较大.理论分析可知主要是由于在标准的卡尔曼滤波中，其给定的噪声统计特性根据先验信息而定，不够准确.进一步引入本文提出的自适应因子进行自动补偿，仿真结果如图3中的红色曲线所示，定位精度得到了一定的提高.

3 实验研究

将改进方法运用于如图4所示的真实定位环境.场景为4 m×4 m的定位区域，具体布局如图4所示，最终实时的位置估计结果显示于图5中，获得了满意的定位结果.值得一提的是，由于没有引入自适应过程，BVIRE方法和BVIRE与线性卡尔曼滤波方法在此定位平台应用中均不同程度发散.经发散数据分析发现，在模糊地图建立阶段，BVIRE因在某一时刻无法建立正确的相交地图点集导致定位结果发散.而线性卡尔曼滤波由于没有自适应过程，也间接导致线性卡尔曼滤波在时刻更新的过程中鲁棒性较低.

4 结论

本文提出的BVIRE与自适应卡尔曼滤波联合位置估计的方法，通过采用BVIRE方法对移动机器人位置的预处理，将非线性的量测信息转化为线性的量测信息，同时，对系统噪声未知的统计特性进行实时估计，利用新息对算法发散的趋势进行判断，通过引入自适应因子提高了定位方法的鲁棒性.实验结果表明，改进方法在滤波精度和稳定性方面有明显提升.

参考文献

References

[ 1 ] Gueaieb W，Miah M S.An intelligent mobile robot navigation technique using RFID technology[J].IEEE Transactions on Instrumentation and Measurement，2008，57（9）：1908-1917

[ 2 ] Zhou J R，Zhang H J，Zhou H L.Localization of pallets in warehouses using passive RFID system[J].Journal of Central South University，2015，22（8）：3017-3025

[ 3 ] Catarinucci L，Tedesco S，Tarricone L.Customized ultra high frequency radio frequency identification tags and reader antennas enabling reliable mobile robot navigation[J].IEEE Sensors Journal，2013，13（2）：783-791

[ 4 ] Han S，Lim H S，Lee J M.An efficient localization scheme for a differential-driving mobile robot based on RFID system[J].IEEE Transactions on Industrial Electronics，2007，54（6）：3362-3369

[ 5 ] Khaliq  A A，Pecora F，Saffiotti A.Inexpensive，reliable and localization-free navigation using an RFID floor[C]∥European Conference on Mobile Robots，IEEE，2015：1-7

[ 6 ] Lionel M N，Liu Y，Lau Y C，et al.LANDMARC：indoor location sensing using active RFID[J].Wireless Networks，2004，10（6）：701-710

[ 7 ] Han S，Lim H，Lee J.An efficient localization scheme for a differential-driving mobile robot based on RFID system[J].IEEE Trans Ind Electron，2007，54（6）：3362-3369

[ 8 ] Chon H D，Jun S，Jung H，et al.Using RFID for accurate positioning[J].J Global Positioning Syst，2004，3（1/2）：32-39

[ 9 ] Yamano K，Tanaka K，Hirayama M，et al.Self-localization of mobile robots with RFID system by using support vector machine[C]∥Proc IEEE/RSJ Int Conf Intell Robots Syst，2004：3756-3761.

[10] Matsumoto O，Komoriya K，Hatase T，et al.Autonomous traveling control of the ‘TAO Aicle intelligent wheelchair[C]∥Proc IEEE/RSJ Int Conf Intell Robots Syst，2006：4322-4327

[11] Park S，Hashimoto S.Autonomous mobile robot navigation using passive RFID in indoor environment[J].IEEE Transactions on Industrial Electronics，2009，56（7）：2366-2373

[12] Digiampaolo  E，Martinelli F.Mobile robot localization using the phase of passive UHF RFID signals[J].IEEE Transactions on Industrial Electronics，2014，61（1）：365-376

[13] Martinelli F.A robot localization system combining RSSI and phase shift in UHF-RFID signals[J].IEEE Transactions on Control Systems Technology，2015，23（5）：1782-1796

[14] Emidio D，Francesco M.Mobile robot localization using the phase of passive UHF RFID signals[J].IEEE Transactions on Industrial Electronics，2014，61（1）：365-376

[15]  石勇，韓崇昭.自适应UKF算法在目标跟踪中的应用[J].自动化学报，2011，37（6）：755-759

SHI Yong，HAN Chongzhao.Adaptive UKF algorithm with applications to target tracking[J].Acta Automatica Sinica，2011，37（6）：755-759

[16]  张文安，陈国庆，杨旭升.UHF-RFID环境下的移动机器人定位方法[J].控制与决策，2017，DOI：10.13195/j.kzyjc.2017.0741

ZHANG Wenan，CHEN Guoqing，YANG Xusheng.Mobile robot localization in UHF-RFID environment[J].Control and Decision，2017，DOI：10.13195/j.kzyjc.2017.0741

[17] Kunkel S，Bieber R，Huang M S，et al.A concept for infrastructure independent localization and augmented reality visualization of RFID tags[C]∥2009 IEEE MTT-S International Microwave Workshop on Wireless Sensing，Local Positioning，and RFID，2009：1-4

[18] Schwiegelshohn F，Nick T，Gotze J.Localization based on fusion of RFID and stereo image data[C]∥2013 10th Workshop on Positioning，Navigation and Communication（WPNC），2013：1-6

[19]  俱瑩，刘开华，史伟光，等.基于RFID的边界虚拟参考标签定位算法[J].计算机工程，2011，37（6）：274-276

JU Ying，LIU Kaihua，SHI Weiguang，et al.BVIRE localization algorithm based on RFID[J].Computer Engineering，2011，37（6）：274-276

[20]  薛丽，高社生，胡高歌.自适应Sage-Husa粒子滤波及其在组合导航中的应用[J].中国惯性技术学报，2013，21（1）：84-88

XUE Li，GAO Shesheng，HU Gaoge.Adaptive Sage-Husa particle filtering and its application in integrated navigation[J].Journal of Chinese Inertial Technology，2013，21（1）：84-88

Indoor moving-target localization using RFID and adaptive Kalman filter

YIN Shu 1 CHEN Yuanyuan 2 QIU Xiang 2

1 Center of Electrician and Electronics，Zhejiang University of Technology，Hangzhou 310023

2 College of Information Engineering，Zhejiang University of Technology，Hangzhou 310023

Abstract  The UHF-RFID-based moving-target localization problem is investigated in this paper.In addition，a novel localization method，named B-AFK method，which integratesthe adaptive Kalman filter and the conventional BVIRE method，is presented.First，the UHF-RFID system is used to initialize the location of a mobile robot.Then，considering the uncertainties in the model and the statistical properties of the UHF-RFID localization system，an adaptive  Kalman filter method is used to predict and update the robots position.Further，an adaptive factor is introduced to compensate for the uncertainties in the noise covariance.Finally，a UHF-RFID-based localization platform is established and experiments are carried out to show that the proposed method outperforms the conventional BVIRE and linear Kalman filter in terms of precision and robustness.

Key words  localization;ultra high frequency-radio frequency identification（UHF-RFID）;boundary virtual reference;adaptive Kalman filter