主动式RFID应用於室内自动定位系统

主動式RFID應用於室內自動定位系統

鄭文昌、江文生、詹銘浩、廖孟祥、王逸凡

朝陽科技大學資訊工程系

email: wccheng@https://www.wendangku.net/doc/8717669596.html,.tw

摘要

在此研究中我們使用主動式無線射頻辨識技術(RFID)完成一套室內即時定位系統。主動式RFID定位技術是以通訊方式在可讀取區域(Zone)範圍內透過讀取器讀取電子標籤的訊號強度指數RSSI值並搭配定位演算法計算完成定位，常見的定位演算法稱為LANDMARC方法，此方法於定位區域中預先布置許多已知位置的參考電子標籤，透過參考電子標籤與追蹤電子標籤訊號強度指數的比對完成即時位置自動定位，由於LANDMARC方法易受環境影響，為了改善此一問題，在此研究中我們針對LANDMARC方法提出連續時間序列的訊號強度指數以及訊號強度指數的校正等改善方法，經實驗證實，我們提出的改善方法能大幅降低LANDMARC方法的定位誤差，有效完成室內自動定位功能。

關鍵字：訊號強度、訊號校正、時間序列

1.簡介

對於人員、車輛、以及物品的定位與追蹤，全球衛星定位系統(GPS)扮演著重要的角色。全球衛星定位系統早期由軍方為作戰需要而開發，雖然GPS已經成功由軍用轉型至一般生活使用，但GPS較適合應用於戶外沒有遮蔽的環境，對於室內應用，則因為衛星的收訊原因導致無法使用，為改善此一問題有學者提出利用主動式RFID做為室內定位系統，主動式RFID定位技術判斷以通訊方式在可讀取區域(Zone)內辨識電子標籤為主，透過讀取器接收訊號強度指數(RSSI)作為判斷運算的輸入，並且搭配固定參考位置的電子標籤，以計算出電子標籤被讀取的相對位置，此方法稱為LANDMARC[3-6]。

LANDMARC方法最早由Lionel M. Ni等[3]提出，由研究知道LANDMARC的準確度與Reader讀取器的數量及參考標籤的疏密度有關，在此研究中發現參考標籤的密度越小，所測出來的準確度越高，相反的，密度越大準確度越低。然而在研究場所的環境也會影響到Reader讀取器的接收度，如白天會因比較多的人進出研究場所而影響到訊號強度，因此準確度降低，晚上比較少人進出研究場所，相對準確度較高。Guang-yao Jin等人[4]提出改善LANDMARC的方法，此方法利用四台讀取器佈置於室內定位場所的四個角落並且佈署二十個已知的參考標籤，透過四台讀取器讀取追蹤標籤與參考標籤的訊號強度指數(RSSI)，利用歐基里德計算彼此距離的公式得知追蹤標籤與參考標籤之間的距離。而Sergio Polito等人[5]亦採用LANDMARC方法，並且討論許多不同的參數下影響造成的不同結果，其中包含Tag的距離、Tag的數量以及Reader的數量等，在一定的室內範圍有較多的數量會有更準確的數值，定位誤差將小於2公尺。

Yiyang Zha等人[6]提出VIRE(Virtual Reference Elimination)的方法提供在室內環境的障礙場所中能得到有效且精確的定位判斷，在VIRE的方法下，代替使用大量RFID參考標籤所部署的判斷區域，而改利用虛擬參考標籤的概念下來提供含蓋密集的判斷區域，接著以虛擬的方格座標測定和排除不可能存在的位置來進行定位過程。VIRE讀取參考標籤最適合的方式就是用2D固定的方個格，在辨別的區域內設置更小的方格區塊更能改善虛擬參考點的準確性，虛設的方格以四個虛擬參考座標為一區視為遮蓋，可以得知該區的座標，這種概念在虛擬參考標籤可以增加準確性的位置判斷而且沒有額外的成本和無線電訊號的干擾，接著進行排除不可能存在的位置，由於這些概念將鄰近的地圖適用於整體辨別面積和劃分一定數量的區域，每個區域的中心點都應對著一個虛擬的參考標籤，每一個區域的RSSI數值可以得到，讀取器讀取可能的座標時會將該區域的標記，假設有K個讀取器，可以從K個讀取器得到K個區域，在重疊的作用下從K個讀取器得到實際的位置。

綜觀上述方法發現都與RSSI值有關，因此若讀取器讀取的電子標籤RSSI值有誤，將造成定位錯誤，因此在此研究中，我們主要針對如何改善RSSI值提出方法，首先我們實作一套基於LANDMARC的定位系統，針對電子標籤RSSI值，我們改採用連續時間序列訊號強度指數RSSI值以及訊號強度指數RSSI值校正等方法來提升定位的準確性。

文章其它章節結構如下，第二章介紹LANDMARC 方法，第三章說明提出改善RSSI值的方法，而實驗結果呈現於第四章，最後章節為結論。

https://www.wendangku.net/doc/8717669596.html,NDMARC演算法

LANDMARC定位的方法是透過讀取器及大量佈署已知的參考標籤來做判斷，先利用讀取器讀取到同一個標籤不同強度的RSSI值，如圖1所示，綠色三角形為讀取器、黑色圓形為佈署的參考標籤、紅色圓形為追蹤的標籤，將偵測到的標籤縮小至預先佈署好的參考標籤的區塊內，如圖1中標示為灰色的區塊，再透過追蹤標籤

及參考標籤訊號強度的數值計算距離權重比例，最後計算出追蹤標籤的位置，其優點為克服環境與干擾電波的影響，並提高追蹤標籤的準確性。

圖1. LANDMARC 方法示意圖

假設有N 個RFID 讀取器以及M 個供參考的主動式RFID 電子標籤(排列於已知位置)，並假設有一個追蹤的RFID 電子標籤(如圖1中紅色圓圈)，所有的讀取器設定可持續接收RFID 標籤訊號，且RFID 標籤固定一段時間傳送一次。首先定義由各個RFID 讀取器接收到追蹤RFID 標籤(Tracked Tag)之訊號強度為k S ，下標k 代表N 個RFID 讀取器之一，因此[]N k ,1∈，則由所有RFID 讀取器接收之訊號強度向量可表示為},...,,{21i N

i i i S S S =S ，同樣地，對於各個RFID 讀取器接收到第j 個參考的RFID 標籤之訊號強度向量則定義為

},...,,{21j

N j j j R R R =R ，應用歐幾里得(Euclidean)幾何距離

原理於訊號強度相似計算上，針對追蹤RFID 標籤而言，計算其與每一個參考標籤間訊號強度的歐幾里得距離j E ，[]M j ,1∈為：

],1[,)(1

2

M j S R

E n

i k j k

j ∈?=

∑=, (1)

其中j E 代表第j 個參考標籤與追蹤的RFID 標籤間相對距離的估算，因此較小的j E 值代表該追蹤的RFID 標籤比較靠近第j 個參考標籤，因此可以得知追蹤的物體大致的位置所在。接著由{}

M j E E E ,...,,...,1=E 中選擇K 個最小值，代表K 個最靠近追蹤標籤的的參考標籤，利用此K 個參考標籤計算出追蹤標籤最後的位置，由於K 個參考標籤對於最後位置計算的貢獻不同，因此必須先計算追蹤標籤與此K 個參考標籤的權重值，其計算方程式定義如下：

],1[111

2

2

K k E E w K i i k k ∈=∑=，, (2)

當距離越近，對於追蹤標籤位置計算的貢獻大，因此權重計算是採用距離的反比方式計算，另一方面，由於RSSI 訊號值的非線性特性，當追蹤標籤與參考標籤之間距離越來越接近時，其中的訊號距離亦越來越小，其權重也

應相對於越大，因此在此研究中權重計算方式我們採用訊號距離的平方反比方式計算，最後再針對權重值進行正規化使得權重總和為1。最後再利用上述K 個最靠近追蹤標籤的的參考標籤座標經過權重計算，可以求得追蹤標籤的最後位置座標，計算方程式如下：

),(),(1

i

i

K

i i

y x w y x ∑==

, (3)

其中),(y x 為追蹤標籤的座標值，k w 為參考標籤的權重值，),(i i y x 為K 個最靠近追蹤標籤的參考標籤中第i 個已知佈署的參考標籤座標。

3. 改善的方法

由於電子標籤(Tag)訊號強度(RSSI )值的不穩定，在固定位置上會產生飄移現象及在不同的距離會出現相似的RSSI 訊號值，而在相同距離會有不同的RSSI 訊號值，因此我們採用時間序列方法與訊號校正方法改善此一問題，以下分別說明。

3.1時間序列

消除訊號飄移的一個常用方法即時採用連續一段時間訊號的平均值取代直接採用讀取訊號值，由於RF 訊號隨著環境改變上下飄移，因此可以視為是一種白雜訊，因此過取樣一段連續時間的訊號平均值，能有效去除此雜訊。時間序列的方法是將從標籤讀取到的RSSI 訊號值保留後取其平均值來做運算，將RSSI 訊號值會飄移的現象降低。計算方式如下方程式所示：

∑+?==

1

p t t

i i

avg RSSI

RSSI , (4)

其中avg RSSI 為現在時間t 往前p 個訊號取樣值平均。利用avg RSSI 取代LANDMARC 中RSSI ，能有效降低因訊號飄移造成的定位誤差。

3.2 校正運算

校正運算是因為每個標籤有不同的特性，進而造成各標籤基準點不相同，造成判斷的誤差，因此另一個改善RSSI 值的方法是利用校正的運算，使所有不同標籤讀取的RSSI 訊號有相同的基準點，其公式如下：

)

(d c RSSI RSSI

RSSI =

, (5)

將各標籤統一在距離讀取器d 公尺處記錄其訊號值)(d RSSI 後，再將實際測試讀取的RSSI 訊號值除上相對應記錄的)(d RSSI 值，即為我們所求的校正數值c RSSI ，代替其原本LANDMARC 方法中所用RSSI 值做的運算，則所有標籤的基準點都與之相同。此外因應電子標籤於不同方向d 公尺處所測得的)(d RSSI 亦不同，因此提

參考標籤

追蹤標籤RFID

讀取器

出平均校正與單一校正兩種方式。

(1) 平均校正

平均校正是針對追蹤標籤所提出的方法，因為追蹤標籤的位置是不固定的，而標籤對於讀取器在不同方向有不同的校正值，因此，將讀取器對於追蹤標籤在一公尺處每45度記錄其值，並將其平均值做為該追蹤標籤的校正數值。

(2) 單一校正

單一校正是因為標籤對於讀取器在不同方向有不同的校正值，因此，將追蹤標籤的校正值以區塊區分，在各區塊都記錄追蹤標籤的校正值，在追蹤標籤移動至該區塊時，其校正的數值也隨之改變。

4. 實驗結果

圖2所示為我們實驗設備擺置位置環境的示意圖，其中包含3台架設於離地面45公分高位置的主動式RFID讀取器，16個固定位置的參考電子標籤，各個參考標籤間距為80公分，座標原點位於左上第一個電子標籤，以及一個追蹤標籤。實際擺設位置影像如圖3所示，圖中紅色圓圈所示位置為追蹤位置，其座標為(x, y) = (120 cm，120 cm)。

圖2. 實驗設備擺置示意圖

圖3. 實驗設備實際影像

接下來針對各標籤的RSSI值進行實驗，在此實驗中共包含有四種情況，第一種是只使用RFID讀取器所讀取最原始RSSI資料計算定位，此方法稱為LANDMARC 1方法，第二種情況則是使用一段連續時間的原始RSSI 資料的平均值計算定位，稱為LANDMARC 2方法，而第三種情況除了使用原始RSSI資料的平均值外，還加入考慮多方向的平均校正，稱為LANDMARC 3方法，最後將LANDMARC 3方法中平均校正改為單一校正的方法稱為LANDMARC 4方法。

由以往研究實驗得知，相同或不相同的RFID標籤在相同距離的位置上有不同的RSSI訊號值，解決此一問題的方法為利用標籤RSSI訊號校正的方法，針對個別的標籤進行個別校正，以達到區分位置的效果。首先討論RFID讀取器擺設位置對於標籤RSSI訊號的影響，接著討論擺設不同方向位置對於標籤RSSI訊號的影響。圖4、5、及6所呈現分別對3台RFID讀取器(RD1、RD2、RD3)測量距離0.5公尺至4公尺的RFID標籤的RSSI 值，由結果發現，當讀取器放置於地面上時，所讀取到的RSSI訊號值並沒有明顯的變化，換句話說，在0.5公尺和4公尺所讀取到的RSSI訊號值相差不遠，因此將造成定位錯誤。

圖4. 讀取器1在地面上的趨勢圖

圖5. 讀取器2在地面上的趨勢圖

圖6. 讀取器3在地面上的趨勢圖

圖7、8與9所示為測量距離在0.5公尺至4公尺，且當讀取器離地架高時所讀到的RSSI訊號值，很容易可以發現在0.5公尺至2.5公尺之間的RSSI數值有線性趨勢，而當距離為2.5公尺至4公尺則呈現水平狀態，此結果說明我們採用的讀取器所讀取的RSSI值可作為定位的範圍只介於0.5公尺至2.5公尺之間，這結果將直接影響我們布置參考標籤與RFID讀取器位置，由於讀取器架高離地的RSSI訊號值的有效距離在0.5公尺至2.5公尺，故說明架高離地再判斷位置的效果較佳，也因為距離趨勢介於0.5公尺至2.5公尺間，故將標籤間擺設距離訂為80公分，確保距離讀取器最遠的標籤的RSSI值依舊能有效作為定位判斷。

圖7. 讀取器1架高的趨勢圖

圖8. 讀取器2架高的趨勢圖

圖9. 讀取器3架高的趨勢圖

針對每個追蹤標籤的RSSI值平均校正方法是讀取距離RFID讀取器與電子標籤一固定距離的八方向的RSSI值平均值進行校正運算，將欲校正的標籤分別置放於距離RFID讀取器1公尺處的八個方位，如圖10紅色方塊所示，綠色區塊為讀取器，並將測出八個方向的數值加以平均，做為追蹤標籤的校正運算依據數值。圖11、12與13所示分別為距離RFID讀取器1公尺處的八個方位讀取器讀出的RSSI訊號值，由實驗結果發現，相同距離下，不同方位有不同的RSSI值，而相同標籤於不同讀取器在相同距離下亦有不同的值，將追蹤標籤經過平均校正後確實可以降低定位誤差。

圖10. 平均校正說明圖

圖11. 讀取器1周圍RSSI值

圖12. 讀取器2周圍RSSI值

圖13. 讀取器3周圍RSSI值

由上述實驗得知，相同距離下，不同方位有不同的

RSSI值，因此若能針對不同方向進行個別單一校正，將能更進一步降低追蹤誤差，圖14為針對3個RFID讀取器中之一進行不同方位RSSI值的校正值設定，此數據經由實驗所求得，並應用於個別單一校正，當追蹤標籤經過初步確認於哪一個區域後，可以進一步再利用個別RFID讀取器於個別區塊的校正值進行校正，以期進一步降低位置定位的誤差。

圖14. 針對各別方向所採用的校正值

綜合前述四種方法的定位實驗，整合誤差數據如表1所示，實驗方法包含有LANDMARC、LANDMARC結合時間序列、LANDMARC結合時間序列與平均校正、LANDMARC結合時間序列與單一校正，分別記錄其最大誤差值、最小誤差值以及平均誤差值，由實驗結果發現，採用原始RSSI值的LANDMARC方法平均誤差為62.1公分，而採用我們提出的改善RSSI值方法，可以使得平均誤差降低到20公分以下，因此有效改善原有方法的位置定位誤差。

表1. 各個方法誤差比較表

方法最大誤差

(cm)

最小誤差

(cm)

平均誤差

(cm)

LANDMARC 1 195.3 8.9 62.1

LANDMARC 2 198.2 1.4 44.8

LANDMARC 3 94.8 5.8 36.6

LANDMARC 4 74.7 2.0 18.7

5. 結論

在此研究中我們利用主動式RFID完成一套室內定

位系統，由實作LANDMARC定位方法發現參考標籤和

追蹤標籤的RSSI訊號值不穩定造成定位上不準確。因此

針對傳統LANDMARC方法使用原始RSSI值計算定位

方法提出幾種改善方法，經過實驗證實我們提出的改善

方法，可以有效避免直接使用RSSI訊號值所造成的飄移

以及提高定位的準確度，並由實驗結果得知，我們所提

出的改善方法可以使得平均誤差低於20公分以下，大大

改善傳統LANDMARC定位方法的嚴重誤差。

致謝

此研究為國科會大專學生參與研究計畫所支持，並

感謝指導教授的耐心指導，得以順利完成。

參考文獻

[1]. 經濟部RFID應用推動辦公室，

https://www.wendangku.net/doc/8717669596.html,.tw/。

[2]. 主動式RFID，

https://www.wendangku.net/doc/8717669596.html,.tw/content.php?sn=68。

[3]. L.-M. Ni, Y. Liu, Y.–C. Lau and A. P. Patil,

“LANDMARC: Indoor Location Sensing Using

Active RFID,” Proceedings of the First IEEE

International Conference on Pervasive Computing

and Communications, 23-26 March 2003, pp. 407 –

415.

[4]. G.-Y. Jin, X.-Y. Lu, M.-S. Park, “An Indoor

Localization Mechanism Using Active RFID Tag”,

Proceedings of the IEEE International Conference

on Sensor Networks, Ubiquitous, and Trustworthy

Computing, V olume 1, 5-7 June 2006, pp. 4 – 8. [5]. S. Polito, D. Biondo, A. Iera, M. Mattei, A.

Molinaro, “Performan ce Evaluation of Active RFID

Location Syste m s Based on RF Power Measures,”

Proceedings of the 18thAnnual IEEE International

Symposium on Personal, Indoor and Mobile Radio

Communications, 3-7 Sept. 2007, pp. 1 – 5.

[6]. Y. Zhao, Y. Liu and I. M. Ni, “VIRE: Active

RFID-based Localization Using Virtual

Reference Elimination,” Proceedings of the

International Conference on Parallel, 10-14 Sept.

2007, pp. 56-64.

[7]. N. B. Priyantha, A. Chakraborty, and H.

Balakrishnan. “The cricket location- support

system,” Proceedings of MOBICOM 2000, pp. 32-43,

Boston, MA, August 2000.

[8]. A. Harter, A. Hopper, P. Steggles, A. Ward, and P.

Webster. “The Anatomy of a Context Aware

Application,” Proceedings of the 5th Annual

ACM/IEEE International Conference on Mobile

Computing and Networking, pp. 59-68, Seattle, WA,

August 1999.

[9]. A. Smith, H. Balakrishnan, M. Goraczko and N.

Priyantha, “Tracking Moving Devices with the

Cricket Location System,” Proceedings of MobiSys,

2004, pp. 190-202.

[10]. P. Bahl and V. N. Padmanabhan, “RADAR: An

In-Building RF-Based User Location and Tracking

System,” IEEE INFOCOM, 2000, pp. 775-784. [11]. M. Youssef and A. Agrawala, “The Horus WLAN

Location Determination System,” Proceedings of

MobiSys, 2005, pp. 205–218.