论文题目：基于RFID的位置感知方法及应用研究
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]
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
学科专业：节能工程与楼宇智能化
摘要
Abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 论文研究内容与结构安排
1.3.1 论文研究内容
1.3.2 论文结构
第二章 基础知识和相关技术
2.1 RFID信号采集装置
2.1.1 RFID信号采集装置系统组成
2.1.2 RFID信号采集装置工作原理
2.2 机器学习算法
2.2.1 反向传播神经网络
2.2.2 长短期记忆网络
2.2.3 支持向量机
2.2.4 集成学习
2.3 粒子群优化算法
2.4 传统RFID室内定位方法
2.5 本章小结
第三章 基于RFID和机器学习的位置感知方法研究
3.1 RFID信号在建筑物内的传播特征
3.2 基于RFID和LSTM的位置感知方法
3.2.1 基于RFID和LSTM的位置感知模型构建
3.2.2 基于RFID和LSTM的位置感知方法实现
3.3 基于RFID和集成学习的位置感知方法
3.3.1 基于RFID和集成学习的位置感知模型构建
3.3.2 基于RFID和集成学习的位置感知方法实现
3.4 实验验证与性能分析
3.4.1 实验环境
3.4.2 评价指标
3.4.3 结果与分析
3.5 本章小结
第四章 基于RFID和PSO-BP的室内定位方法研究
4.1 RFID信号采集及预处理
4.2 基于PSO-BP的RFID室内定位方法
4.2.1 基于神经网络的RFID室内定位模型构建
4.2.2 基于BP的RFID室内定位方法实现
4.2.3 基于PSO-BP的RFID室内定位方法实现
4.3 实验验证与性能分析
4.3.1 实验设置
4.3.2 评价指标
4.3.3 结果与分析
4.4 本章小结
第五章 基于RFID的资产设备智能管理系统设计与实现
5.1 系统概述
5.1.1 设计思想
5.1.2 系统需求
5.2 系统设计
5.2.1 概要设计
5.2.2 数据库设计
5.2.3 详细设计
5.3 系统实现与测试
5.3.1 系统部署
5.3.2 系统运行效果
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
作者简介及读研期间主要科研成果