RFID定位研究：HSim相似性度量与粒子滤波结合的室内机器人定位法

"基于不同相似性度量的RFID指纹定位.pdf" 本文主要探讨了室内移动机器人的定位问题，特别是如何提高其定位精度和可靠性。研究中，作者关注的是利用射频识别（RFID）技术的指纹定位方法，并结合粒子滤波算法进行优化。在传统的RFID指纹定位基础上，他们提出了一个新的无源RFID指纹自定位方法，利用向量空间相似性度量和K-近邻权值算法（WKNN）。 在训练阶段，移动机器人在预设的定位区域内有控制地移动，收集参考指纹数据。这些数据包括RFID读取器接收到的信号强度指示（RSSI）等信息，形成所谓的“指纹”，用于后续的定位比对。在定位阶段，研究引入了递推贝叶斯滤波理论中的粒子滤波算法。粒子滤波是一种概率滤波方法，它通过模拟大量随机样本（即“粒子”）来逼近后验概率分布，从而实现对状态的估计。 文章中，作者分析了不同相似性度量算法对定位精度的影响，并提出了一种名为HSim的新相似性度量算法，用于建立更精确的观测模型。HSim算法可能是通过对RSSI数据的深入分析，以及结合WKNN算法的改进，提高了匹配的准确性。 最后，为了进一步优化定位结果，采用了重采样技术。重采样是粒子滤波中的一种关键步骤，它能够防止粒子退化，确保样本多样性，从而更准确地估计出机器人的真实位置。 通过一系列实验，研究证明了采用HSim相似性度量算法的粒子滤波指纹定位法在定位精度和鲁棒性上均得到了显著提升。实验从多个角度进行了分析，证实了算法的有效性和适应性，特别是在复杂室内环境下，对于提高室内移动机器人的自主导航能力具有重要意义。 关键词：粒子滤波；RFID指纹定位；HSim相似性度量；重采样算法；室内移动机器人 这篇研究工作得到了核能开发科研项目、国防重点学科实验室开放基金项目和四川省科技支撑计划项目的资助，由邹波、黄保虎和张华共同完成，他们分别在惯性导航、RFID导航定位和智能机器人领域有着深入的研究。