一种基于rfid及ukf实现室内目标快速跟踪的方法
【专利摘要】本发明涉及一种基于RFID及UKF实现室内目标快速跟踪的方法，根据目标实际运动特性建立运动模型，根据RFID测量机制建立RFID测量模型；根据建立的运动模型对目标运动特性进行预测，得到目标状态预测值；利用不敏卡尔曼滤波器，根据目标原始测量值和目标测量预测值计算目标状态状态修正值，进而对目标状态预测值进行修正，得到目标状态估计值；且计算目标状态协方差估计值，衡量目标状态估计值与目标状态真实值之间的误差；同时，利用目标状态预测值实时更新系统自适应参数，进而实现更新运动模型，往复下去，利用更新的运动模型预测下一时间点的目标状态预测值，实现了室内目标的快速跟踪，提高了跟踪精度。
【专利说明】—种基于RFID及UKF实现室内目标快速跟踪的方法
【技术领域】
[0001 ] 本发明涉及目标跟踪【技术领域】，尤其涉及一种基于RFID及UKF实现室内目标快速跟踪方法。
【背景技术】
[0002]RFID即射频标签(Radio frequency identification),是室内定位与跟踪系统的主要部件。RFID系统由射频标签和读取器组成，射频标签内存有该标签的标识信息。当带有该标签的目标移动至读取器附件时，读取器可获得该标签的标识信息，从而辨识出某个目标，同时获得该标签与读取器的距离信息，进而可对目标进行定位或跟踪。目前，关于RFID系统的目标定位专利主要有一种基于有源RFID的室内定位方法(201110101432)、基于无线射频识别技术的钢铁成品智能仓储系统(201210093992)、车站人员定位系统(201010256882)、一种用于RFID室内定位系统的定位方法(200910040571)、基于RFID技术的室内定位系统(200810027885)，这些专利都是获得目标的定位信息，其统一特征是假设目标为静止不动的，利用射频原理，得到带有标签的目标的大致位置。
[0003]对于运动的目标，上述方法具有以下缺陷:1.因为RFID只能获得与读取器的距离信息，因此要想得到准确位置数据，必须依靠多个读取器获得的某一个目标的距离信息，利用各读取器之间的几何关系才能得到目标的位置，这给系统计算增加了复杂度；2.上述方法都是假设目标是静止的，这不符合运动目标的实际情况，运动目标的位移、速度及加速度满足运动学的基本约束关系，假设目标是静止的就完全抛弃了该关系，造成约束关系的减少，直接导致运动目标轨迹估计不准确。
[0004]获得目标实时轨迹在很多跟踪系统中十分常用，例如室内场馆的行人跟踪、智能交通等领域，因此，上述发明并不适用于需要获得运动目标实时轨迹的RFID室内目标跟踪系统。
【发明内容】
[0005]本发明所要解决的技术问题是针对现有技术的不足，提供一种基于RFID及UKF实现室内目标快速跟踪的方法。
[0006]该方法基于不敏Kalman滤波器(Unsented Kalman Filters,简写为UKF),利用RFID系统获得的目标到读取器的距离信息，以及室内运动目标的动力学特性，实时估计运动状态，同时利用状态预测值更新系统运动方程参数，实现运动状态估计和动力学参数估计的并行化，实现室内目标的快速跟踪。
[0007]实现本发明的目的的基本思路是:首先，根据目标实际运动中位移、速度、加速度之间关系及RFID测量机制分别建立目标运动模型及RFID测量模型；其次，根据建立的目标运动模型，对目标运动特性进行预测，得到目标状态预测值；然后，根据RFID测量模型和目标状态预测值计算目标状态测量预测值，进而根据RFID测量系统的多个读取器获取目标原始测量值，利用不敏卡尔曼滤波器、目标原始测量值和目标测量预测值计算目标状态状态修正值，利用目标状态修正值对目标状态预测值进行修正，得到目标状态估计值(与真实值无限接近，但不等于真实值)，计算目标状态协方差估计值，衡量目标状态估计值与目标状态真实值之间的误差；同时，利用目标状态预测值实时更新系统自适应参数，进而实现更新的运动模型，往复下去，利用更新的运动模型预测下一时间点的目标状态预测值。
[0008]具体实现步骤如下:[0009]步骤1:目标运动状态和系统自适应参数初始化；
[0010]步骤2:建立具有系统自适应参数的运动模型和RFID测量模型；
[0011]步骤3:根据运动模型和目标初始状态计算下一时间点的目标状态预测值
I^t-1)，
[0012]步骤4:根据RFID测量模型和目标状态预测值I U计算目标状态测量预测值
K'
[0013]步骤5:根据目标状态预测值I U和目标状态测量预测值4计算不敏卡尔曼滤波器增益Kn (ti)；
[0014]步骤6:读取RFID监控系统获取的下一时间点目标状态原始测量值ZnUi)；
[0015]步骤7:根据目标状态原始测量值Zn Ui)、目标测量预测值皂和滤波器增益Kn Ui)计算目标状态修正值X (ti)；
[0016]步骤8:根据目标状态预测值蝴I ^1)和目标状态修正值X (ti)计算目标状态估计值；
[0017]步骤9:利用目标状态预测值对(卞M)更新系统自适应参数，进而更新步骤2中的运动模型；
[0018]步骤10:判断RFID测量系统中是否还有未处理的原始测量数据，如果有，则返回步骤3;否则结束。
[0019]本发明的有益效果是:
[0020]1.采用对室内目标运动特性建模的方式，考虑实际RFID监控系统的测量时刻具有任意性的的特点，设计了具有自适应参数的任意采样时刻目标运动方程，更适用于RFID室内目标跟踪系统的机动目标；
[0021]2.根据RFID具有非线性测量方程的特点，利用UKF中对非线性测量系统进行估计，通过对sigma点的有效构建，提闻了跟踪精度；
[0022]在上述技术方案的基础上，本发明还可以做如下改进。
[0023]进一步，执行步骤4至步骤8的同时，可并行执行步骤9。
[0024]采用上述进一步方案的有益效果是:目标运动轨迹的估计与运动模型的更新并行执行，在有两个计算单元的系统中可实现并行计算，提高对目标跟踪的效率。
[0025]进一步，步骤I中目标运动状态和系统自适应参数初始化的具体过程如下:
[0026]步骤1.1:设置目标运动状态的初始值诉。U0) = \
[0027]步骤1.2:设置系统自适应参数的初始值α n=aQ和= δ；?，其中n=x，y，X表示目标在跟踪区域的横向坐标，y表示目标在跟踪区域内的纵向坐标，a n表示横向坐标、纵向坐标的加速度机动频率，δ?:η表示横向坐标、纵向坐标的加速度方差；
[0028]步骤1.3:设置系统加速度分量的初始值&(O) 二“，其中n=x，y，其中，X表示跟
踪区域的横向坐标，y表示跟踪区域内的纵向坐标；
[0029]步骤1.4:设置系统尺寸参数K =-3, X =0.01, ο =2 ；
[0030]步骤1.5:设置加速度前一步互相关参数初值& n (1)=0,向加速度自相关参数初值 rQ，n(0)=0。
[0031]采用上述进一步方案的有益效果是:给出系统循环计算的必要初始条件。
[0032]进一步，所述步骤2中的运动模型公式如下:
[0033]
【权利要求】
1.一种基于RFID及UKF实现室内目标快速跟踪的方法，其特征在于，包括如下步骤: 步骤1:目标运动状态和系统自适应参数初始化； 步骤2:建立具有系统自适应参数的运动模型和RFID测量模型； 步骤3:根据运动模型和目标初始状态计算下一时间点的目标状态预测值外(I ^1)； 步骤4:根据RFID测量模型和目标状态预测值I ^1)计算目标状态测量预测值乏； 步骤5:根据目标状态预测值妨,.1h)和目标状态测量预测值计算不敏卡尔曼滤波器增益KJti)； 步骤6:读取RFID监控系统获取的下一时间点目标状态原始测量值znUi)； 步骤7:根据目标状态原始测量值Zn Ui)、目标测量预测值A和滤波器增益Kn Ui)计算目标状态修正值X Ui)； 步骤8:根据目标状态预测值Ib)和目标状态修正值XUi)计算目标状态估计值蝴1巧).步骤9:利用目标状态预测值对(Um)更新系统自适应参数，进而更新步骤2中的运动模型； 步骤10:判断RFID测量系统中是否还有未处理的原始测量数据，如果有，则返回步骤3 ;否则结束。
2.根据权利要求1所述一种基于RFID及UKF实现室内目标快速跟踪的方法，其特征在于，执行步骤4至步骤8的同时，可并行执行步骤9。
3.根据权利要求1所述一种基于RFID及UKF实现室内目标快速跟踪的方法，其特征在于，步骤I中目标运动状态和系统自适应参数初始化的具体过程如下: 步骤1.1:设置目标运动状态的初始值i仏ID = I。； 步骤1.2:设置系统自适应参数的初始值α η=α(|和= δ ,,其中η=χ，y，χ表示目标在跟踪区域的横向坐标，Y表示目标在跟踪区域内的纵向坐标，α η表示横向坐标、纵向坐标的加速度机动频率占^表示横向坐标、纵向坐标的加速度方差； 步骤1.3:设置系统加速度分量的初始值&(O) = Ja，其中n=x，y，其中，X表示跟踪区域的横向坐标，y表示跟踪区域内的纵向坐标； 步骤1.4:设置系统尺寸参数K =-3，X =0.01, o=2 ； 步骤1.5:设置加速度前一步互相关参数初值& n (1)=0,向加速度自相关参数初值r0； n (O)=O0
4.根据权利要求1所述一种基于RFID及UKF实现室内目标快速跟踪的方法，其特征在于，所述步骤2中的运动模型公式如下:
x(tf) = Ax-l) + ) + witt_x) 其中，X(ti)为ti时刻目标的状态向量，ti为采样时刻；X (V1)为V1时刻目标的状态向量；7丨(?;丨)为ο时刻至时刻的加速度均值;a为状态转移矩阵；u为控制矩阵为过程噪声，其均值为O，方差为Q ;所述A、U和Q中包括系统自适应参数；= [χ(t?,), χ(t?,), χ(t?,),y(ti)，y(ti)]T 为 6 维状态列向量，x(ti)，χ(ti),X(ti)分别是横向的坐标位移、速度和加速度，y(ti)，y(ti)，y(ti)分别是纵向的坐标位移、速度和加速度。
5.根据权利要求1所述一种基于RFID及UKF实现室内目标快速跟踪的方法，其特征在于，步骤2中RFID测量模型公式如下:
6.根据权利要求1所述一种基于RFID及UKF实现室内目标快速跟踪的方法，其特征在于，步骤3的具体实现为: 步骤3.1:按照下式计算不敏卡尔曼滤波器所需的sigma点状态值及其权值；
7.根据权利要求1所述一种基于RFID及UKF实现室内目标快速跟踪的方法，其特征在于，步骤4具体实现为: 步骤4.1:根据每个sigma点的状态预测值计算每个sigma点的测量预测值，计算公式如下: 其中1 '力第i个sigma点的测量预测值；妒》为第i个sigma点的状态预测值为将每个sigma点的状态预测值代入测量方程得到的结果；n=l，2，-NUi)，N(t,)为\时刻能够获得目标测量值的RFID读取器的个数；xf为第i个sigma点的测量噪声模拟量，来重构测量噪声对测量预测的影响； 步骤4.2:计算所有sigma点的测量预测值的加权值，即为目标状态测量预测值，计算公式如下:
8.根据权利要求4所述一种基于RFID及UKF实现室内目标快速跟踪的方法，其特征在于，步骤5的具体实现如下: 步骤5.1:计算目标状态测量预测值的协方差，计算公式如下
9.根据权利要求1所述一种基于RFID及UKF实现室内目标快速跟踪的方法，其特征在于，步骤7的计算公式如下:
10.根据权利要求1所述一种基于RFID及UKF实现室内目标快速跟踪的方法，其特征在于，步骤8的计算公式如下 其中，SOi I ()表示ti时刻的目标状态估计值；Vmi)表示在V1时刻时预测ti时刻的目标状态预测值；X(ti)为目标状态修正值，ti为采样时刻。
11.根据权利要求1所述一种基于RFID及UKF实现室内目标快速跟踪的方法，其特征在于，步骤9的计算如下 取为步骤3得到的目标状态预测值的第三行及第六行，即横、纵轴加速度预测值，n=x，y分别表示跟踪区域的横、纵向坐标； 1)当i< 4时，按照如下方式更新系统自适应参数:
12.根据权利要求3所述一种基于RFID及UKF实现室内目标快速跟踪的方法，其特征在于，步骤3还包括计算目标状态协方差预测值，计算公式如下
13.根据权利要求10所述一种基于RFID及UKF实现室内目标快速跟踪的方法，其特征在于，步骤8还包括计算目标状态协方差估计值，计算公式如下
【文档编号】G06K17/00GK103529424SQ201310505003
【公开日】2014年1月22日 申请日期:2013年10月23日 优先权日:2013年10月23日
【发明者】金学波, 施彦 申请人:北京工商大学