0 引言
    隨著信息技術與工業技術的高度融合，制造業正面臨新的挑戰，而定制化服務和柔性生產的引入，使得車間的制造過程更加復雜且難以控制，因此對車間的信息化水平提出了更高要求[1，2]。為了整合車間資源信息，提出了運用射頻識別（Radio Frequency Identification，RFID）技術[3]實時收集車間中人員、物料、生產工具的位置信息來掌握生產狀態的方法。RFID是一種可以通過無線電信號識別特定目標的非接觸式無線通信技術，RFID定位可以分為基于傳播模型的定位和基于場景分析的定位[4]。
    有源射頻識別校驗的動態定位(Location Identification Based on Dynamic Active RFID Calibration，LANDMARC)算法是一種典型的基于場景分析的RFID定位算法，較低成本和較高精度使其成為研究和使用較為廣泛的算法[5]。
1 LANDMARC算法
1.1 算法簡介
    LANDMARC算法的核心思想是通過在定位區域布置參考標簽，選擇參考標簽中的最近鄰間接實現定位。算法中，所有參考標簽的坐標已知，讀寫器讀取到參考標簽以及目標標簽的接收信號強度指示(Received Signal Strength Indication，RSSI)值[6]，選取與目標標簽差異最小的若干參考標簽作為最近鄰，然后通過質心算法計算目標標簽的坐標[7]。
1.2 算法求解
    假設在定位區域布置了M個讀寫器，N個參考標簽。目標標簽在M個讀寫器上的RSSI值用向量表示為：
    O=(O₁，O₂，…，O_M)
    O_k表示目標標簽在第k個讀寫器上的RSSI值。
    同理，所有參考標簽在讀寫器上的RSSI值用矩陣表示為：

1.3 算法不足
    LANDMARC算法的主要不足有：
    (1)計算量大且易冗余。在選取最近鄰時，需要對每個參考標簽進行采集并與目標標簽比對Ei值，計算量較大。
    (2)前期部署困難。參考標簽位置及間隔密度難以衡量，數量太多導致成本上升且標簽間容易產生干擾，數量太少導致精度下降。
    (3)局部精度低。由于車間布局環境易存在障礙物，會產生多徑效應、反射、衍射等現象，導致局部RSSI值突變；同時邊界區域參考標簽不足，也導致局部精度產生一定下降。
2 面向車間布局的自適應LANDMARC算法
    LANDMARC算法十分依賴最近鄰的選擇，傳統LANDMARC算法選擇最近鄰時容易出現兩種問題導致定位精度下降。
    (1)障礙物影響RSSI值。算法容易受環境中障礙物影響，部分RSSI值突變，錯誤地選擇最近鄰。
    (2)邊界參考標簽數量不足。由于邊界區域布置參考標簽數量不足，使得邊界處選擇最近鄰時可選參考標簽數量過少。
    本文提出自適應LANDMARC算法，借鑒基于傳播模型的定位算法引入對數距離路徑損耗模型，并通過對比法和插值法提升LANDMARC算法選擇最近鄰的準確度。
2.1 對數距離路徑損耗模型
    對數距離路徑損耗模型反映了射頻信號在室內傳播時信號強度與傳播距離的關系^[8]：
   

    其中，PL(d)表示讀寫器接收信號時RSSI的衰減量， PL(d0)表示在參考點d0處接收信號時RSSI的衰減量，單位為dB；n是路徑損耗系數，反映射頻信號衰減速度；X?滓是以dB為單位表示的高斯噪聲。
    讀寫器接收到RSSI值為：
    RSSI=PL(d)-PL(d₀)                                                      (5)
    通過變形，并用a、b替換-10n和X?滓，得：
    RSSI=algD+b                                                             (6)
    D為讀寫器與參考標簽之間距離；a、b是與讀寫器本身屬性以及環境有關的參數，通過實驗可測得。
2.2 障礙物誤差解決方案
2.2.1 障礙物環境下誤差來源
    由于車間環境復雜，由障礙物引發的最近鄰選擇錯誤情況有：
    (1)距離目標標簽很遠、毫無關系的參考標簽，因為障礙物影響，Ei值反而更小，被選為最近鄰。
    (2)距離目標標簽很近、最近鄰首選的參考標簽，因為障礙物影響，Ei值反而更大，退出了最近鄰。
    (3)目標標簽本身處在障礙物環境中，測得的Ok與實際情況有誤差，導致最近鄰的選擇產生錯誤。
    LANDMARC算法需要比較目標標簽與參考標簽之間RSSI差值來確定距離，然后選取Ei相差最小的k個參考標簽作為最近鄰。
    以情況(1)為例，如圖1，O為目標標簽，A、B、C、D應該被選擇為最近鄰的參考標簽，由于障礙物對RSSI值干擾，D′替換Ei被判定為最近鄰，最后計算得到目標標簽位置為P。

圖1  障礙物環境下最近鄰選擇示意圖

2.2.2 對比法篩選最近鄰
    下面介紹在自適應LANDMARC算法中，一種篩選最近鄰的方法。
    首先，通過預設實驗測定當前讀寫器和標簽在定位環境中的RSSI-lgD回歸直線(即式(6))。因為車間布局、讀寫器坐標、參考標簽的坐標已知，可以計算各參考標簽與各讀寫器之間距離，并將距離帶入到回歸直線中，計算出RSSI值作為標準值。然后，讀寫器開始采集各個參考標簽的RSSI值作為測量值。最后，將參考標簽的RSSI標準值與測量值進行比較，判定是否處于設定的誤差范圍e，在誤差范圍內的RSSI測量值進入參考標簽RSSI有效值集合。如果參考標簽RSSI有效值集合中元素個數小于最小要求k，則通過控制參數λ對誤差范圍e進行控制。
2.3 邊界誤差解決方案
2.3.1 邊界環境下誤差來源
    LANDMARC算法在邊界區域精度往往會下降。如圖2，O為目標標簽，A、B、C、D是理想最近鄰，但是實際上邊界并不存在C、D，導致C′和D′被判定為最近鄰，最后計算得到目標標簽位置為P。

圖2  邊界環境下最近鄰選擇示意圖

2.3.2 插值法過程
    假設讀寫器坐標為(xi，yi)，虛擬標簽坐標為(x0，y0)，距離公式計算如下：
   

    取lgD_m，代入式(6)，即獲得虛擬標簽的插值。
2.4 自適應LANDMARC算法
    定義矩陣R_ij標：參考標簽RSSI標準值。
    定義矩陣R_ij測：參考標簽RSSI測量值。
    定義矩陣R_ij虛：虛擬標簽RSSI插值值。
    定義集合R_效：參考標簽RSSI有效值集合，所有有效參考標簽的集合。
    自適應LANDMARC算法流程圖如圖3。

圖3  自適應LANDMARC算法流程圖

3 實驗驗證
3.1 車間布局模擬
    在4 m×4 m的物流實驗室中，模擬車間布局設計了車間生產線并布置障礙物。實驗布局示意圖如圖4。

圖4  實驗布局示意圖

3.2 實驗結果
    分別用傳統LANDMARC算法和自適應LANDMARC算法進行實驗，實驗結果如表1所示。

3.3 結果分析
    通過實驗結果，得到以下結論：
    (1)傳統LANDMARC算法在局部區域最近鄰的選擇上明顯錯誤，例如5號標簽由于障礙物存在，選擇了較遠的參考標簽，精度明顯下降。
    (2)自適應LANDMARC算法降低了障礙物對于算法的影響，例如7號標簽選擇了理想最近鄰。但有時缺乏穩定性，選擇了并不理想的最近鄰，如4號標簽。
    (3)自適應LANDMARC算法在精度上優于傳統LAND-
MARC算法，平均誤差從0.39 m降低到0.16 m。
4 結論
    本文提出一種面向車間布局的自適應LANDMARC算法，通過對比法和插值法對傳統LANDMARC算法進行了改進。實驗證明了算法的有效性。
    本文對自適應LANDMARC算法進行的實驗和分析也存在一些不足。例如未進行參考標簽最優布置驗證和參考標簽密度與定位精度關系測量實驗等。
    下一步的研究方向為：(1)在現有基礎上進行參考標簽密度與布置實驗，進一步尋找提高降低定位誤差的方法；(2)探究初始誤差范圍e和控制參數λ的設定對定位精度的影響；(3)增加實驗布局的復雜性并添加干擾源，以適應實際的車間情況。
參考文獻
[1] ZHOU W，PIRAMUTHU S.Manufacturing with item-level RFID information：from macro to micro quality control[J].International Journal of Production Economics，2012，135(2)：929-938.
[2] 劉愛軍，楊育，邢青松，等.柔性作業車間多目標動態調度[J].計算機集成制造系統，2012，17(12)：2629-2637.
[3] Zhang Min，Li Wenfeng，Wang Zhongyun，et al.A RFID-based material tracking information system[C].Automation and Logistics，2007 IEEE International Conference on.IEEE，2007：2922-2926.
[4] 張佳，羅軍勇，王艷，等.改進的無線傳感器網絡定位算法[J].計算機工程，2009，35(6)：133-135.
[5] JIN G，LU X，PARK M S.An indoor localization mechanism using active RFID tag[C].Sensor Networks，Ubiquitous，and Trustworthy Computing，2006.IEEE International Conference on.IEEE，2006(1)：4.
[6] 段璞，劉春江，武岳山.RSSI在RFID讀寫器中的應用[J].計算機工程，2010，36(22)：289-290.
[7] LIONEL N I，LIU Y.LANDMARC：indoor location sensing using active RFID[J].Wireless Networks，2004，10(6)：701-710.
[8] 崔燕妮，張興輝，楊榮飛，等.基于對數距離路徑損耗模型下的路徑損耗指數研究[C].全國第十三屆微波集成電路與移動通信學術會議論文集，2010：267-271.