摘要 识别和定位是用于室内服务的关键信息，常见方法是估计RFID标签的位置。而在室内环境下，信号遭受严重的损耗，标签的性能也会受到一定的限制。针对这些问题，文中对现存的RFID定位技术和定位原理加以总结，在对RFID定位技术进行阐释和分类分析的基础上，讨论了在此领域的未来发展趋势。
关键词 RFID；定位；定位算法
随着环境感知在室内导航、物流管理、控制接入、实时监控等领域的广泛应用。室内定位感知系统以及无线网络的定位研究备受关注，关于RFID(Radio Frequency Identification，RFID)定位技术的研究课题开始出现。基于RFID标签的定位技术遵循无线定位的基本原理准则，考虑到RFID技术的特殊性和限制性，未来定位方法要注重从射频传播模型、读写器的多样性、可扩展性等方面进行研究。文中主要对目前存在的RFID定位技术加以总结，介绍现代室内无线网络中广泛应用的定位原理，并对主要的RFID定位方案进行了分类。
1 RFlD技术
RFID是一种非接触式自动识别技术，它通过射频信号自动识别目标对象并获取相关数据。RFID系统主要由：标签、读写器和数据库管理单元3部分组成，如图1所示。
其工作原理是标签进入磁场后，接收读写器发出的射频信号，凭借感应电流所获得的能量发出存储在芯片上的信息；或者主动发送出某一频率的信号。读写器读取信息并解码后，送至数据管理系统进行数据处理。
RFID标签可分为两种：有源电子标签，标签的工作电源完全由内部电池供给，同时标签电池的能量供应也部分地转换为电子标签与读写器通信所需的射频能量。无源电子标签没有内装电池，在读写器的读出范围之外时，电子标签处于无源状态，在读写器的读出范围之内时，标签从读写器发出的射频能量中提取其工作所需的电源。无源电子标签体积小、成本低，但在读写距离及适应物体运动方面比有源电子标签差。
RFID读写器由天线、射频收发模块、信号处理单元、控制单元和接口电路组成。射频收发模块完成射频信号接收、发射、调制解调和功率控制；信号处理单元的主要功能为防冲突算法的实现和信息加密、解密、校验和纠错；控制单元协调整个读写器的工作；接口电路完成读写器和数据管理系统之间的数据传输。
数据管理系统由数据库完成数据的存储和管理，它通过各种接口和分布于各处的RFID读卡器通信，实时获取RFID读写器捕获的标签信息。
2 室内无线网络定位原理
室内环境无线信号的传播往往受到多径、非视距、衍射和反射的影响，使得目前已提出的室内定位算法并不能精确地测量信号。定位算法可以归类为距离估计法、场景分析法和邻近法。
2．1 距离估计法
距离估计法是利用三角形的特点来估计待定位体的位置的算法。如图2所示，三角测量法通过测量不少于两个参考点所接收信号的到达角度，形成角度的两条直线的交点即是所估计的位置。如图3所示，三边测量法通过测量待定位点到至少3个参考点的距离来估计待定位点的位置。这种测量技术利用接收信号接度(Received Signal Strength，RSS)、信号到达时间(Time Of Arrival，TOA)、信号到达时间差(Time-Difference Of Arrival，TDOA)和接收信号相位(Received Signal Phase，RSP)等方法。
(1)RSS：发射信号强度的衰减与发射机和接收机之间的距离成函数关系。依据相应的传播信号路径损耗，把信号强度转化为距离进行定位，待定位点最少需要3个参考点参与计算。基于RSS的系统通常需要自适应机制以减少室内环境下多径衰落及阴影效应的影响。
(2)TOA：参考点与待定位点的距离与信号的传播时间成比例关系。基于到达时间的系统最少需要3个不同的测量装置来完成二维定位。 TOA系统要求所有的发射机和接收机之间保持时间同步。如果有多个参考点，采用最小平方算法以减少定位误差。
(3)TDOA：TDOA依据待定位点发射信号到达多个测量装置的时间不同，把时间差转化为距离差，以确定待定位点的相对位置。TDOA方法至少需要3个测量装置参与距离差的测量，要求测量装置之间保持时间同步。由于室内环境非视距和多径效应的特点，影响了信号的传播时间，降低了定位精度。
(4)RSP：采用信号波长分式表示时延来估计距离。这种方法要求发射机放在特定位置并且假设发射机发射完全正弦信号。利用和TOA相同的算法测量相位值估计位置，也可以利用和TDOA相同的算法测量相位差值实现定位。RSP方法的缺点是应用于室内环境时，要求满足视距传播路径来减少定位误差。
(5)AOA：主要利用方向天线或阵列天线测量待定位点信号直线到达接收机的角度信息来确定待定位点的位置。这项技术要求的设备复杂，并且无法克服阴影效应和多径的影响。
2．2 场景分析法
场景分析法由两个步骤组成：(1)收集相关的环境信息。(2)通过把实时测量值与指纹集相匹配来估计待定位点的位置。常用的有基于信号强度的指纹识别技术。指纹识别技术主要分为K-近邻法和概率统计法。
K-邻居法：首先，测量已知位置的接收信号强度值，并且建立RSS数据库。然后，在实时测量阶段，用待定位点的RSS值与之前建立的信号空间相匹配，利用均方根法寻找K个最近值，确定出待定位点的位置。
概率统计法：依据后验概率和贝叶斯准则，假设有Ⅳ个位置作为测量参考点，测量待定位点移动时的信号强度矢量，选择概率最高的作为待定位点的位置。一般来说，概率统计方法涉及4个阶段：校准、动态学习、误差估计和历史追踪。
2．3 邻近法
这种方法主要依赖天线的排列密度。当待定位点进入到一个接收机天线辐射区域时，它的位置假定为此接收机位置。当有多个天线检测到待定位点时，待定位点的位置假定为接收信号最强的接收机位置。这种方法简单且较易实现，但是，准确性与天线相关。
3 射频识别定位方法
目前已提出有多种不同的RFID方法，这些方法把室内定位原理与RFID技术自身的特性相结合。
RFID定位方法可以分为：距离估计法、场景分析法、约束法。
3．1 距离估计法
(1)SpotON：SpotON系统采用可调整的长距离主动RFID标签，多个读写器收集标签的信号强度测量值，通过定义的函数来估计标签与读写器之间的距离，使用最小二乘法进行计算。
(2)SAW ID—tags：表面声波识别标签全部是无源标签，标签采用脉冲压缩和编码技术。测定每个标签脉冲反应的频率，接着标签重新传送相关信号。重传信号有一个自相关峰值，产生幅度值最高的脉冲响应标签就是待定位点的标签。基于信号到达时间的方法测量每个读写器i与标签之间的距离如式(1)所示。
其中，Tsys是系统的时间延时；Tcable,i是预校准脉冲期间接收天线和解调器之间电缆传输延时；TSAW是所有标签的时间延时。有3个估计距离时，系统用三边测量法定位标签。
(3)LPM：本地位置测量系统采用有源标签，读写器与已知固定位置的参考标签(RT)同步运行。在收到激活指令后，选定的测量标签(MT)在时刻TMT响应。每个读写器Ri相应的时间差值通过式(2)计算
计算至少3个读写器的时间差值，用加权平均法估计标签的位置。
(4)RSP：RSP也称为波达方向(Direction of Arrival，DOA)，利用接收机处的阵列天线和波达方向估计技术，确定接收机到信源的波达方向，利用多个接收机估计的DOA进行三角测量，方向线的交点就是信源的估计位置。
3．2 场景分析法
(1)LANDMARC：LANDMARC系统主要采用K-近邻法。已知位置的参考标签规则地分布在室内，读写器有8个不同的能量等级，通过比较读写器接收到待定位标签与参考标签信号强度值的大小来找出离待定位标签最近的几个参考标签。
式(4)表示了参考标签与待定位标签的关系，n表示读写器的数量；Si表示读写器i接收到待定位标签的RSS值；θj,i表示读写器i接收到参考标签j的RSS值。根据这几个参考标签的坐标，并结合它们的权重用经验公式计算标签的位置。LANDMARC系统具有很高的定位精度，可扩展性好，能处理比较复杂的环境，但由于信号的多路径效应，定位精度不高；为了定位更加准确，往往要放置更多的参考标签，需要增加成本，并且可能产生射频干扰现象。
(2)VIRE：核心思想是在不增加额外参考标签的情况下，通过去掉不可能的位置以得到待定位物体更精确的位置。与LANDMARC不同的是，VIRE引入了近似图的概念，近似图覆盖整个定位区域，并且划分为多个小区域，其中每个区域的中心对应着一个虚拟参考标签。每一个阅读器都有一幅对应的近似图，如果阅读器读到的近似图中某些区域的RSS值与读到的待定位标签RSS值差的绝对值在某个阈值之内，则将这些区域标记。假设有k个阅读器，则在获得k幅近似图之后，通过取交集可以得到待定位标签最可能在的区域。若最后得到的区域数为n，则可以通过式(5)算出待定位标签的坐标。
其中，权重w=w1i×w2i；w1i表示虚拟参考标签和被定位标签偏差；w2i是最后所得区域密度的相关函数。VIRE方法引入了虚拟参考标签的概念，使得在不增加额外标签的前提下提高了定位精度，VIRE方法对环境也有较好的适应性，在复杂和封闭的环境中也有较高的精度。
(3)卡尔曼滤波：卡尔曼滤波法同样利用参考标签。第一步，假定每个参考标签与待定位标签距离为Di，计算两个读写器所接收到待定位标签的RSS值，采用最小均方差算法，建立系统的非线性方程。
第二步是建立一个读写器检测区域的误差测量概率图。同样地，用第一步的方法计算读写器收到参考标签的RSS值，依据估计位置和实际位置，推算出相应的概率误差分布函数。卡尔曼滤波利用迭代实时图来减少RSS误差影响，从而提高了定位精度。
(4)Scout：Scout技术属于概率统计法定位技术，这种方法采用参考标签和多个读写器确定主动标签的位置有以下3个步骤：首先，校准参考标签的传播参数；其次，待定位标与读写器之间的距离利用RSS概率模型计算出来；最后，应用贝叶斯推论确定标签的位置。
3．3 约束法
3-D constrains：首先，定义包含性约束条件，如果一个读写器检测一个标签，就表明它们之间的距离在读写器范围之内。同样定义非包含性约束条件，读写器不能检测到标签。把所定义的空间离散化为点，从而减小读写器的检测区域。最大约束条件下，点的集合的均值就是待定位标签的估值。
4 结束语
概括介绍了目前存在的RFID定位技术，可以归类为：距离估计法、场景分析法和约束法。RFID系统采用无源标签或有源标签，当需要特定设备考虑环境的变化时，一些技术还要求布置参考标签。相比而言，有些技术成本低并适合不同环境的使用。在实际环境中，这些RFID定位方案都有各自重要的特点和优势。定位方法和标签的选择很大程度上影响着定位信息的准确性，并且关系到整个RFID系统的成本和效率。
通过对RFID定位技术的总结和比较，结合自身的技术特点，未来的RFID定位技术应该注重以下几个方面的研究：(1)射频传播模型：目前大多数RFID定位采用的是测量RSS值，但这些方法使用的是无线网络模型。由于RFID系统传播的特殊性，应考虑建立合适的射频模型。(2)移动性：应考虑拥有静态和动态读写器的混合系统，以增加收集数据的数量和多样性。(3)可扩展性：在给定时间内确定读写器读取标签的数量、成功读取标签的速度、读取速度对准确性的影响以及定位计算所需时间等，这些都是RFID定位技术的可扩展性要研究的问题。(4)矩阵：由于对系统设计的要求，RFID定位方案不能直接进行比较。引入矩阵概念，就可以针对系统的成本，进行较准确的比较。