西南交通大学
硕士学位论文
射频识别（RFID）室内定位算法研究
姓名：孙瑜
申请学位级别：硕士
专业：通信与信息系统
指导教师：范平志
20050301
西南交通大学硕士研究生学位论文第１页
摘要
射频识别（ＲａｄｉｏＦｒｅｑｕｅｎｃｙＩｄｅｎｔｉｆｉｃａｔｉｏｎ，ＲＦＩＤ），又称电子标签（Ｅ．Ｔａｇ），是一种利用射频信号自动识别目标对象并获取相关信息的技术。由于传统的定位技术不能满足室内定位环境和精度的要求，而ＲＦＩＤ技术所具有的非接触和非视距等优点使其成为优选的室内定位技术。本文主要研究在室内无线传播环境下射频识别电子标签的定位问题。
出于室内无线传播环境的噪声随机性干扰比较大，在设计射频识别室内定位应用系统时，高精度定位算法的研究显得十分重要。论文采用了基于大量测量值的经验损耗模型作为信号强度和几何路径之间的映射关系。为了消除不同读写器的测量误差，采用了Ｃｈａｎ算法进行平差处理获得电子标签二维位置初步估计。考虑到空问数据关联的特点，作者对空间最近邻居定位算法进行了详细的研究。由于时域定位数据之间存在一定的相关性，本文通过引入历史时域数据来减小随机因素对定位估计精度的影响。对于三维几何空间定位问题，本文提出了十分有效的基于空间和时域数据关联的最近邻居定位算法。此外，为了进一步提高系统的定位精度，论文引入了射线跟踪方法，以考察室内无线传播环境个体之间的差异性。研究表明，与经验损耗统计模型以及自由空间路径损耗模型相比较，综合应用射线跟踪法的确定性路径损耗模型更适用于室内定位。
关键词：射频识别；室内定位；数据关联；路径损耗模型；射线跟踪法
西南交通大学硕士研究生学位论文第１Ｉ页
Ａｂｓｔｒａｃｔ
ＲａｄｉｏＦｒｅｑｕｅｎｃｙＩｄｅｎｔｉｆｉｃａｔｉｏｎ（ＲＦＩＤ），ａｌｓｏｎａｍｅｄＥ?ｔａｇ，ｉｓａｇｅｎｅｒｉｃｔｅｒｍｆｏｒｔｈｅｔｅｃｈｎｏｌｏｇｙｕｓｉｎｇｒａｄｉｏｗａｖｅｓｔｏａｕｔｏｍａｔｉｃａｌｌｙｉｄｅｎｔｉｆｙｉｎｄｉｖｉｄｕａｌｉｔｅｍｓａｎｄｃｏｌｌｅｃｔａｓｓｏｃｉａｔｅｄｉｎｆｏｒｍａｔｉｏｎ．Ｓｉｎｃｅｔｒａｄｉｔｉｏｎａｌｌｏｃａｔｉｏｎｔｅｃｈｎｉｑｕｅｓａｒｅｎｏｔｓｕｉｔａｂｌｅｆｏｒｉｎｄｏｏｒｅｎｖｉｒｏｎｍｅｎｔ，ｎｏｒｓａｔｉｓｆｙｉｎｇｔｈｅａｃｃｕｒａｃｙｒｅｑｕｉｒｅｍｅｎｔｓ，ＲＦＩＤｔｅｃｈｎｉｑｕｅｂｅｃｏｍｅｓａｎｅｘｃｅｌｌｅｎｔｃａｎｄｉｄａｔｅｆｏｒｉｎｄｏｏｒｌｏｃａｔｉｏｎｔｅｃｈｎｉｑｕｅｂｅｃａｕｓｅｏｆｉｔｓａｄｖａｎｔａｇｅｓｓｕｃｈａｓｎｏｎ－ｃｏｎｔａｃｔａｎｄｎｏｎ—ｌｉｎｅ—ｏｆ－ｓｉｇｈｔｎａｔｕｒｅ．Ｔｈｅｒｅｆｏｒｅ，ｉｔｉｓｔｈｅａｉｍｏｆｔｈｉｓｔｈｅｓｉｓｔＯｉｎｖｅｓｔｉｇａｔｅｔｈｅｌｏｃａｔｉｏｎｐｒｏｂｌｅｍｓｂａｓｅｄｏｎｗｉｒｅｌｅｓｓＲＦＩＤｔａｇｓ．ＩｎｔｈｅｄｅｓｉｇｎｏｆＲＦＩＤｉｎｄｏｏｒｌｏｃａｔｉｏｎｓｙｓｔｅｍ，ｄｕｅｔｏｔｈｅｅｘｉｓｔｅｎｃｅｏｆｓｅｒｉｏｕｓｒａｎｄｏｍｉｎｔｅｒｆｅｒｅｎｃｅｉｎｉｎｄｏｏｒｒａｄｉｏｅｎｖｉｒｏｎｍｅｎｔ，ｉｔｉｓｖｅｒｙｉｍｐｏｒｔａｎｔｔｏｈａｖｅｌｏｃａｔｉｏｎａｌｇｏｒｉｔｈｍｓｗｉｔｈｈＪ曲ａｃｃｕｒａｃｙ．Ｔｈｉｓｔｈｅｓｉｓａｄｏｐｔｓｅｍｐｉｒｉｃａｌｐａｔｈｌｏｓｓｍｏｄｅｌｂａｓｅｄｏｎｎｕｍｅｒｏｕｓｍｅａｓｕｒｅｍｅｎｔｓｔｏｏｂｔａｉｎｔｈｅｍａｐｐｉｎｇｂｅｔｗｅｅｎｓｉｇｎａｌｓｔｒｅｎｇｔｈａｎｄｇｅｏｍｅｔｒｉｃｐａｔｈ．ＩｎｏｒｄｅｒｔｏｅｌｉｍｉｎａｔｅｔｈｅｍｅａｓｕｒｉｎｇｅｌｌＯｒｄｕｅｔｏｄｉｆｆｅｒｅｎｔｒｅａｄｅｒｓ，ＣｈａｒｔａｌｇｏｒｉｔｈｍｉｓｕｓｅｄｔｏｏｂｔａｉｎｔＷＯｄｉｍｅｎｓｉｏｎａｌｐｏｓｉｔｉｏｎｅｓｔｉｍａｔｉｏｎｏｆｔｒａｃｋｉｎｇｔａｇ．Ｃｏｎｓｉｄｅｒｉｎｇｓｐａｔｉａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆｄａｔａａｓｓｏｃｉａｔｉｏｎ，ｔｈｅｎｅａｒｅｓｔｎｅｉｇｈｂｏｒａｌｇｏｒｉｔｈｍｉｓｉｎｖｅｓｔｉｇａｔｅｄｉｎｄｅｔａｉｌ．Ｂｅｃａｕｓｅｏｆｔｈｅｄａｔａａｓｓｏｃｉａｔｉｏｎｉｎｔｉｍｅｄｏｍａｉｎ，ｔｈｉｓｔｈｅｓｉｓｔａｋｅｓｉｎｔｏａｃｃｏｕｎｔｔｈｅｔｒａｃｋｉｎｇｔａｇ’ＳｐａｓｔｐｏｓｉｔｉｏｎｓｔＯｒｅｄｕｃｅｔｈｅｒａｎｄｏｍｉｎｆｌｕｅｎｃｅｏｎｐｏｓｉｔｉｏｎｉｎｇａｃｃｕｒａｃｙ．Ｆｏｒｔｈｒｅｅｄｉｍｅｎｓｉｏｎａｌｌｏｃａｔｉｏｎｐｒｏｂｌｅｍ，ａｎｅｎｈａｎｃｅｄｎｅａｒｅｓｔｎｅｉｇｈｂｏｒａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｓｐａｔｉａｌｄａｔａａｓｓｏｃｉａｔｉｏｎｉｎｔｉｍｅｄｏｍａｉｎｉｓｐｕｔｆｏｒｗａｒｄ．ＩｎｏｒｄｅｒｔＯｉｎｃｒｅａｓｅｔｈｅｐｏｓｉｔｉｏｎｉｎｇａｃｃｕｒａｃｙ，ｔｈｅｒａｙｔｒａｃｉｎｇｔｅｃｈｎｉｑｕｅｉｓｉｎｔｒｏｄｕｃｅｄｔｏｓｔｕｄｙｄｉｆｆｅｒｅｎｔｉｎｄｏｏｒｗｉｒｅｌｅｓｓｔｒａｎｓｍｉｓｓｉｏｎｅｎｖｉｒｏｎｍｅｎｔｓ．Ｉｔｉｓｓｈｏｗｎｔｈａｔ，ｃｏｍｐａｒｅｄｔｏｔｈｅｅｍｐｉｒｉｃａｌｐａｔｈｌｏｓｓｍｏｄｅｌａｎｄｐａｔｈｌｏｓｓｍｏｄｅｌｉｎｆｒｅｅｓｐａｃｅ，ｔｈｅｐａｔｈｌｏｓｓｍｏｄｅｌｂａｓｅｄｏｎｒａｙｔｒａｃｉｎｇｉｓｍｏｒｅａｐｐｌｉｃａｂｌｅｔｏｉｎｄｏｏｒｌｏｃａｔｉｏｎｓｙｓｔｅｍ．
Ｋｅｙｗｏｒｄｓ：ＲＦＩＤ；ＩｎｄｏｏｒＬｏｃａｔｉｏｎ；ＤａｔａＡｓｓｏｃｉａｔｉｏｎ；ＰａｔｈＬｏｓｓＭｏｄｅｌ；ＲａｙＴｒａｃｉｎｇ
西南交通大学硕士研究生学位论文第ＶＩ页
图表目录
图１—１ＲＦＩＤ系统构成圈…………．…………………………………………………………１圈１．２读写器构成国………………………………………………………………………３凹１—３ＲＦＩＤ标签……………………………………………………………………………．４表１－１ＲＦＩＤ频段特性…………………………………………………………………．…．５图１－４不同定位技术的精度羽Ｉ发展状况…………………………………………………８图４—１仿真平台程序流程剀………………………………………………………………３３幽４．２ＲＦ读写器和ＲＦ标签分布图………………………………………………………３４表４．１典§！室内无线传播环境下的参数…………………………………………………３５幽４．３不同噪声环境下均方根误差与累计分布函数图…………………………………３６圈４．４不同定位邻居条件下均方根误差与累计分布函数图……………………………３７绷４，５不同读写器数目下均方根误差与累计分布函数图………………………………３８图４－６不同可参考标签分布下均方根误差与累计分布函数图…………………………３８图４．７不同历史效应下均方根误差与累计分布函数图…………………………………３９圈４．８ＬＡＮＤＭＡＲＣ系统ＲＦ读写器和ＲＦ标签分布图…………………………………４０幽４．９不同算法条件下均方根误差与累计分布函数图…………………………………４０图５．１读写器与定位标签分布圈（矩形代表读写器，五角星代表标签）………………．４５幽５—２采用绝对定位算法不同测量误差下的定位性能…………………………………４６幽５．３采削相对定位算法不同测量误差下的定位性能…………………………………４７幽５－４不同路径损耗模型的比较………………………………………………………．．５０凹５．５考虑射线跟踪法的定位估计流程图……………………………………………一５ｌ
第一章绪论
本章首先介绍了射频识别系统的概况，状，然后概述了室内定位技术的研究进展。节内容安排。
１．１射频识别系统概况
１．１．１ＲＦｌＤ系统构成原理分析了射频识别技术的国内外研究现最后，给出了论文的研究思路及萁章
ＲＦＩＤ系统通常由标签、读写器、计算机通信网络等三部分组成，如图１－１所示。
ｌ
ｒ——｝
ｌｌ能量
ｂ天ｌ嚣输入
｝；ｌ数据输出
｝；ｌ。’
ｌ一！线ｌ｜ｊ
｝｜ｌ－
Ｊ】Ｉ
｝
．０卜二二二：：二二二，二ｉ
计算机通信网络【
到１－１ＲＦＩＤ系统构成图
●ＲＦＩＤ标签
ＲＦＩＤ系统的标签是安装在被识别对象上，存储被识别对象相关信息的电子装置。标签存储器中的信息可由读写器进行非接触读／写。标签可以是“卡”，也可
以是其他形式的装置。
■射频读写器
射频读写器是利用射频技术读取射频识别标签信息、或将信息写入标签的设备。读写器读出的标签信息通过计算机及网络系统进行管理和信息传输。
一计算机通信网络
在ＲＦＩＤ系统中，计算机通信网络是对数据进行管理和通信传输的设备。在ＲＦＩＤ系统工作过程中，通常由读写器在一个区域内发射射频能量形成电磁场，作用距离的大小取决于发射功率。ＲＦＩＤ标签通过这一区域时被触发，发送存储在标签中的数据，或根据读写器的指令改写存储在ＲＦＩＤ标签中的数据。读写器可接收ＲＦＩＤ标签发送的数据或向标签发送数据，并能通过标准接口与计算机通信网络进行对接，实现数据的通信传输。
ＲＨＤ系统的基本工作流程如下：
（１）读写器烙设定数据的无线电载波信号经过发射天线向外发射。
（２）当ＲＦＩＤ标签进入发射天线的工作区时，ＲＦＩＤ标签被激活后即将自身信息代码经天线发射出去。
（３）系统的接收天线接收到ＲＦＩＤ标签发出的载波信号，经天线的调节器传给读写器，读写器对接到的信号进行解调解码，送后台电脑控制器。
（４）电脑控制器根据逻辑运算判断该ＲＦＩＤ标签的合法性，针对不同的设定做出相应的处理和控制，发出指令信号控制执行机构的动作。
（５）执行机构按电脑的指令动作。
（６）通过计算机通信网络将各个监控点连接起来，构成总控信息平台，根据不同的项目可以设计不同的软件来完成要达到的功能。
１．１．２射频读写器
射频读写器一般由天线、射频模块、读写模块组成，如图１．２所示。
■天线
天线是发射和接收射频载波信号的设备。在确定的工作频率和带宽条件下，天线发射由射频模块产生的射频载波，并接收从标签发射或反射回来的射频载波。■射频模块
射频模块由射频振荡器、射频处理器、射频接收器及前置放大器组成。射频模块可发射和接收射频载波。射频载波信号由射频振荡器产生并被射频处理器放大。该射频载波通过天线发射。射频模块将天线接收的从标签发射／反射回来的载波解调后传给读写模块。
一一—～ｒ～
西南交通大学硕士研究生学位论文第３页
射频模块
ｊ电源装置ｉ?射频处理器卜＿｛天线ｌ
ｒ一—！，——＿…———１
｝读写模块
！ｌ电源装置Ｐ———－！电源ｌ
．放大罄
——Ｊ一…一——
解码及纠错电路
图１－２读写器构成图
一读写模块
读写模块一般由放大器、解码及纠错电路、微处理器、时钟电路、标准接口及电源组成（见图２．２），它可以接收射频模块传输的信号，解码后获得标签内信息；或将要写入标签的信息编码后传给射频模块，完成写标签操作。还可以通过标准接口将标签内容和其他信息传给计算机。
通常射频读写器应具有以下功能：
（１）读写器与标签通信的功能：在规定的技术条件下读写器可与标签进行通信。（２）读写器与计算机通信的功能：通过标准接口与计算机网络连接，并提供本读写器的识别码、本读写器读出标签的日期和时间、本读写器读出的标签信息，以实现多个读写器在系统网络中运行。
（３）有些应用系统的读写器还具有以下功能：能在读写区内查询多个标签，并能正确区分各标签；适用于固定和移动对象；能提示读写过程中的错误信息：对于有源标签，能读出标签电池有关信息（如电池电量指示）。１．１．３ＲＦｌＤ标签
ＲＦＩＤ标签一般由天线、调制器、编码发生器、时钟及存储器组成，如图１．３
所示。
’丽～一ｒ一丽－Ｉ
二一一．—Ｌ一……
１一一——ｒ’Ｉ一一…一。
调躺器’。控帝５器（ＣＰＵ）
幽１－３ＲＦＩＤ标签
时钟把所有电路功能时序化，以使存储器中的数据在精确的时间内传输至读写器，存储器中的数据是应用系统规定的唯一性编码，在标签安装在识别对象（如集装箱、车辆、动物等）前就已写入。数据读出时，编码发生器把存储器中存储的数据编码，调制器接收由编码发生器编码后的信息，并通过天线电路将此信息发射／反射至读写器。数据写入时，由控制器控制，将天线接收到的信号解码后写入存储器。
通常ＲＦＩＤ标签应具有如下功能：
（１）具有一定容量的存储器，用以存储被识别对象的信息；
（２）在一定工作环境及技术条件下标签数据能被读出或写入；
（３）维持对识别对象的识别及相关信息的完整；
（４）数据信息编码后，工作时可传输给读写器：
（５）可编程，且一旦编程后，永久性数据不能再修改；
（６）具有确定的使用期限，使用期限内无须维修；
（７）对于有源标签，通过读写器能显示出电池的工作状况。
１．２射频识别国内外研究现状
当前ＲＦＩＤ的研究主要围绕ＲＦＩＤ技术标准、ＲＦＩＤ标签成本、ＲＦＩＤ技术研究和ＲＦＩＤ应用系统等方面展开。
ｌＲＦＩＤ技术标准
作为一种将深入影响每个人日常生活的技术，为了实现对世界范围内的物品
进行统一管理，同时也为了规范标签及读写器的开发工作，解决ＲＦＩＤ系统的互联和兼容问题，必须对ＲＦＩＤ技术进行规范。ＲＦＩＤ的标准化是当前亟需解决的重要问题，各国及相关国际组织都在积极推进ＲＦＩＤ技术标准的制定。目前，还未形成完善的关于ＲＦＩＤ的国际和国内标准。ＲＦＩＤ的标准化涉及标识编码规范、操作协议及应用系统接口规范等多个部分。其中标识编码规范包括标识长度、编码方法等：操作协议包括空中接口、命令集合、操作流程等规范。当前主要的ＲＦＩＤ相关规范有欧美的ＥＰＣ规范［１】、日本的ＵＩＤ（ＵｂｉｑｕｉｔｏｕｓＩＤ）规范ｆ２Ｊ和ＩＳＯ１８０００系列标准。其中ＩＳＯ标准主要定义标签和读写器之间互操作的空中接口。
■ＲＦＩＤ标签成本
ＲＦＩＤ标签成本是其商业应用能否取得成功的关键。ＲＦＩＤ标签的成本主要由ＩＣ芯片、天线和封装等几部分构成。根据ＡＲＣ顾问集团调查，２００３年被动式ＨＦ频段标签的平均价格为９１美分，ＵＨＦ频段标签的平均价格为５７美分吼随着集成电路技术的进步和应用规模扩大，ＲＦＩＤ标签的成本将不断降低。根据Ａｕｔｏ—ＩＤ中心的预测，在大规模生产的情况下，ＲＦＩＤ标签生产成本最低能降到５美分，其中Ｉｃ芯片约１～２美分，天线约１美分【４Ｊ：ＡＲＣ顾问集团预测，到２００８年，被动式ＨＦ频段标签的平均价格将下降至３０美分，ＵＨＦ频段标签的平均价格将下降至１６美分【３】。此外，ＲＦＩＤ读写器的成本也是影响ＲＦＩＤ应用的因素之一。由于ＲＦＩＤ系统拥有巨大的技术优势，由此将带来工作效率的大幅提高，从而降低系统的总体拥有成本。
■ＲＦＩＤ技术研究
当前，ＲＦＩＤ技术研究主要集中在工作频率选择、天线设计、防冲突技术和安全与隐私保护等方面。
（１）工作频率选择
表１－１ＲＦＩＤ频段特性
工作频率选择是ＲＦＩＤ技术中的一个关键问题。工作频率的选择既要适应各种应用需求，还需要考虑各国对无线电频段使用和发射功率的规定。当前ＲＦＩＤ
西南交通大学焉士讲究生学位论文繁８页除了以上这些，还有许多系统采用其他定位技术，如ＵＷＢ｛２”、Ｂｌｕｃｔｏｏｔｈｌ２６，２７１等等。图１．４显示了不同定位技术的精度和发展状况。横轴为定位精度，纵轴自下而上为定位技术从当前到未来的发展状况。
图ｌ－４不同定位技术的精度和发展状况
１．４本文研究思路与内容安排
本文对基于射频识别技术在室内无线传播环境下的定位问鏖进行了初步研究。射频识别技术具有非接触、非视距传播、定位精度高和成本低的特点，越来越受到工业界广大科技工作人员的青睐。对室外定位而言，有相对成熟的技术如ＧＰＳ。而对于室内传播环境而言，由于环境髓枫性的噪声比较大，必须考虑更精确的算法来描述相关性能。本文正是基于射频识别在室内定位的应用问题．熏点讨论相关定位算法对定位精度的影响。研究内容主要包括；数据融合和数据关联技术；常用定位算法：基于空间数据关联的最近邻近定位算法；基于时域数据关联的定位算法。研究本谋题采用的主要方法是建立数学模型用计算机模拟得出有关结果，并对其进行分析。
论文按照基本定位算法分析、最近邻居定位算法模型的建立、算法仿真、模型结果分析及在三维情况下扩展应用的线索来组织，主要结构为：
第二章射频定位基本算法。作为算法的重要理论背景，首先根据无线传播环境的特点，列出数据融合和数据关联常用的技术，这有助于读者更好的理解本
第二章射频定位基本算法
本章首先根据室内无线传播环境的特点，分析了相关通信信道的建模方法。
为了减小误差获得更好的定位精度，本章引入数据融合和数据关联的思路，并对常用的估值理论作了详细分析。最后，讨论了室内定位过程中常用的算法。
２．１无线传播环境
２．１．１室内无线传播机理
无线电传播有许多不同的机理，主要取决于电波发射功率。对于位于室内的ＲＨＤ系统来说，电波传播的主要方式是视距传播和非视距传播。视距传播对信号做出主要的贡献，若接收机在视距以外时，则发射机通过透射、反射和折射把信号自甚量发送到接收机。而重要的特性参数，如接收信号功率和电波传播路径损失，也都是通过基于电波反射、电波绕射和电波散射传播机理的传播模型来估计的【２８，５３，５７Ｊ。
反射：当电磁波在传播过程中遇到尺寸比电磁波波长大很多的障碍物时，发生反射。当电波入射至地面、建筑物和墙面物体表面时，反射方式是主要的电波传播方式。物体表面或者地板的反射产生反射波，反射波对接收机有很大干扰。
绕射：当电波传播路径上存在表面具有尖锐边缘的障碍物时，会发生绕射现象。这时，障碍物后电波传播方向上会发生绕射波继续向前传播，相当于电波在传播过程中发生了“弯曲”现象。在很多情况下，虽然不存在视距路径，也可接收到信号，正是由于存在这种绕射传播方式。在ＲＦＩＤ系统工作频段，绕射传播方式也取决于障碍物的尺寸，以及电波本身性质，如幅度极化方式等。
散射：若电波传播路径上存在许多尺寸和电波波长差不多或者比波长小的障碍物时，发生散射。散射传播方式是由尺寸较小的障碍物的粗糙表面引起的。
散射和绕射遵从相同的物理理论，因其发射机发出的能量再次辐射到许多不同的方向。绕射是三种机制中最复杂、最难以预测的。
２．１．２信道特?胜与研究方法
室内无线环境的特点是传输功率小，覆盖距离更近，环境的变动更大。对于不同的建筑物而言，室内布置、材料结构、建筑物尺度和应用类型等因素的变化
很大，这就使传播环境发生了很大的差异。即使在同～个建筑物内的不同位置，其传播环境也不尽相同，甚至差别很大。因此室内环境中电磁波的传播受到很多因素的影响，比在室外环境中的传播更复杂１２叭。
建筑物的内在结构会引起无线电波的反射、绕射、折射和散射，这也就引起发射信号通过不止一条途径到达接收端，形成多径现象。窄带发射时，多径引起接收信号包络和相位的波动：宽带脉冲发射时，结果是产生一系列的延迟和减弱的脉冲（回波）。多径衰落大大降低了室内通信系统的性能，然而多径是无法控制的。通过清楚地认识到多径媒质的特征，发射机和接收机可以设计成与信道匹配来减少多径的影响，因此研究室内无线信道的特性是成功设计通信系统的关键所在。
室内无线传播研究的方法直接依赖于通信系统的特性及内在性质。在进行室内无线传播的研究时，需要考虑以下因素的影响：
（１）外部墙壁的种类（如钢铁结构、玻璃、砖、混凝±）、有屏蔽作用的物体、房间的布局、摆设等。
（２）由于环境密度的不同带来的城市和郊区的建筑物的差别：
（３）由于结构和内部家具的不同带来的城市和郊区的建筑物的差别：
（４）建筑物中入口密度对接收信号的统计特性也有重要影响；
（５）传送的传导，例如发射机和接收机同时在室内还是发射机在室外；
（６）室内和室外的发射机高度的差别。
２．２数据融合与数据关联
为了降低误差，需要对定位传感器获得的数据进行后处理，这里引入数据融合和数据关联的思路。
２．２，１数据融合主要技术
传感器数据融合的实质就是把分布在不同位置的多个同类或不同类传感器所提供的局部不完整观察量加以综合，消除多传感信息之间可能存在的冗余和矛盾，加以互补，降低其不确定性，以形成对系统环境相对完整一致的感知描述，从而提高智能系统决策，规划反应的快速性和正确性，同时降低其决策风险。数据融合所采用的主要技术有以下几种【３…。
一经典推理和统计方法
经典推理和统计方法是在已知先验概率的情况下，求所观察事件的概率。它是建立在牢固的数学基础之上的，但其存在严重不足：先验概率往往是不确知的；
在一个时刻只有估计二值（Ｈｏ和Ｈ１）假设的能力；对多变量情况，复杂性成指数增加；不存在先验似然估计的优点。
一贝叶斯推理技术
贝叶斯推理解决了部分经典推理中的问题，但问题在于：定义先验似然函数困难；在存在多个潜在假设和多个条件独立事件时，比较复杂：要求有些假设是互斥的；缺乏通用不确定性能力。
＿Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ技术
Ｄｅｍｐｓｔｅｒ．Ｓｈａｒｅｒ技术是贝叶斯理论的推广，它利用概率区间和确定区间来决定多元假设的似然性，在身份融合方面有应用潜力。
■模糊集理论
模糊集理论用广义集合论，在指定集合中确定实体的数目，广泛地应用于决策分析，包括不确定事件的决策分析中。模糊集理论在多传感器数据关联、目标跟踪、态势评估和威胁评估等领域中，有着非常好的应用前景。
●聚类分析
聚类分析是一种用途广泛的算法，在多传感器数据融合领域，它主要用于数据关联和身份融合等方面。聚类分析在指纹和广义观察数据分析方面，也有非常广泛的应用。
一估值理论
估值理论的应用领域非常广泛，包括雷达、通信、导航、电子战和工业控制等。它所采用的技术比较成熟，包括最大似然估计，ａ一矗滤波、卡尔曼滤波，加权最小二乘和贝叶斯估计，在已知噪声的情况下，可获得最优估计。
除上述数据融合技术外，还有诸如：熵法、品质因数（ＦＯＭ）技术、专家系统或人工智能技术、人工神经元网络技术、分布式和并行处理技术等等。２．２．２各种数据关联方法
多传感器数据融合的关键技术之一是多源数据关联（ＤＡ，ＤａｔａＡｓｓｏｃｉａｔｉｏｎ）问题，它也是多传感器数据融合的核心部分。所谓数据关联，就是把来自一个或
多个传感器的观测或点迹ｘ矗＝１，２，…，Ｎ）与，个己知或已经确认韵事件归并到
一起，使它们分别属于，个事件的集合，即保证每个事件集合所包含的观测来自同一个实体的概率较大。具体地说，就是要把每批目标的点迹与数据库中各自的航迹配对。因为空间的目标很多，所以不能将它们配错。
数据关联包括点迹与航迹的关联和航迹与航迹的关联，所采用的方法主要有
以下几种…。
■最邻近数据关联（ＮＮＤＡ，ＮｅａｒｅｓｔＮｅｉｇｈｂｏｒＤＡ）
最邻近数据关联算法是提出最早也是最简单的数据关联方法，有时也是最有效的方法之～。它把落在关联门之内并且与被跟踪目标的预测位置“最邻近”的观测点迹作为关联点迹，这里的“最邻近”一般是指观测点迹在统计意义上离被跟踪目标的预测位置最近。最邻近数据关联主要适用于跟踪空域中存在单目标或目标数较少的情况，或者说只适用于对稀疏目标情况的目标跟踪。其主要优点是运算量小，易于实现；而主要缺点是在目标密度较大时，容易跟错目标。
一概率数据关联（ＰＤＡ，ＰｒｏｂａｂｉｌｉｓｔｉｃＤＡ）
在关联门内可能有很多回波，即有效回波，按最邻近数据关联方法认为离预测位置最近的回波是来自目标的回波，但按概率数据关联的思想则认为：只要是有效回波，就都有可能源于目标，只是每个回波源于目标的概率有所不同。这种方法利用了跟踪门肉的所有回波以获得可能的后验信息，并根据大量的相关计算给出了各概率加权系数及其加权和，然后用它更新目标状态。ＰＤＡ最大的优点是它的存储量与标准Ｋａｌｍａｎ滤波几乎相等，故易于实现，但对多目标而言仅在稀疏的环境中有效，否则可能发生误跟。
■联合概率数据关联（ＪＰＤＡ，ＪｏｉｎｔＰＤＡ）
为了跟踪多目标，对ＰＤＡ算法进行推广，于是产生了联合概率数据关联（ＪＰＤＡ）。ＪＰＤＡ不需要任何关于目标和杂波的先验信息，是目前公认的在杂波环境中对多目标进行跟踪的最理想的方法之一，但它与其他有关数据关联算法相比，计算机开销大。
?简易联合概率数据关联（ＣＪＰＤＡ，ＣｈｅａｐＪＰＤＡ）
简易联合概率数据关联，是联合概率数据关联的一种简化形式，它具有ＪＰＤＡ特性，在只有一个航迹关联门中的观测加权较大，在有若干个航迹关联门交叠的区域，加权较小。ＣＪＰＤＡ方法与ＪＰＤＡ方法相比，主要优点表现在运算量减小很多，缺点是在性能上有损失。
－准最佳联合概率数据关联（ＳＪＰＤＡ，ＳｕｂｏｐｔｉｍａｌＪＰＤＪＡ）
ＳＪＰＤＡ在概率计算时是以局部联合事件为基础的。局部联合事件只考虑同时有两条航迹时观测跟航迹的关联，这种方法是准最佳的。局部联合事件是真实联合事件的子集，与在ＪＰＤＡ中所构造的一样。
一最邻近联合概率数据关联（ＮＮＪＰＤＡ）
尽管ＪＰＤＡ方法在多目标跟踪中得到长足发展，但它有人们所不希望的特性，如在密集目标环境时的偏离和合并特性。而ＮＮＪＰＤＡ方法针对目标占主导地位的
西南交通大学硕士研究生学位论文第１４页
环境，具有最高关联概率的观测被用于航迹的更新。它的优点是不需要一种像在最邻近数据关联中那样的对观测一航迹分配的搜索过程。
一全局最邻近数据关联（ＪＶＣ）
全局最邻近数据关联方法与通常的最邻近方法（即ＮＮ方法）不同的是，它给出了一个唯一的观测／点迹和航迹对，而ＮＮ方法则是将每个观测／点迹（航迹）与最邻近的航迹（点迹）进行关联。ＪＶＣ方法寻求的是航迹和点迹之间的总距离最小，用它来表明两者的靠近程度。
?最大似然数据关联（ＭＬＤＡ）
最大似然数据关联是以最大似然原理为基础的一种数据关联方法。它的建立基于这样的假设：来自不同目标的观测服从有关特定的概率分布，只是未知参数不同。通过对似然函数极大化就可以递推估计出未知参数，最后则可以对目标和观测进行配对。它的优点是对非机动目标有最优的关联效果；缺点是计算量极大，且不适用于机动目标。
除上述数据关联方法外，还有诸如：交互多模型法（ＩＭＭ）、“全邻”最优滤波法、多假设法（ＭＨＴ）、航迹分裂法等等。
２．３定位估值理论
为了获得定位估计信息，需要采用定位估值理论对数据进行融合。为了消除测量数据中的不确定性，主要对由不同传感器得到的关于环境中同一特征信息的融合，它类似于数理统计的参数估计问题，主要方法有最大似然估计、最小二乘估计、最小均方误差估计和贝叶斯估计法。
２．３．１最大似然估计
、Ｉ设量测值Ｚ在估计量ｘ下的条件概率密度为ｓ（ｚｌｘ），当取使ＦＩ，（Ｚｋ）达到最
１－ｒ
大的参数值雪作为ｘ的估计值，即
ｎ厂ｌｚ（七１雪）＝ｍａｘｎ，（ｚ（ｆｌｘ）（２．１）记，
三一三（ｚ“，ｘ）一Ｌ（ｚ（１ｌｚ（２Ｉ…，ｚ取ｌｚ）一ｆ－Ｉ：（ｚ（ｆ『ｌｘ）（２．２）
ｌ－１
把式（２．２）看成ｘ的函数，称工仁‘，ｘ）为似然函数。如果工（Ｚ‘，ｘ）在萱达到最大值，
西南交通大学硕士研究生学位论文第１５页
则雪是ｘ的最大似然估计。因此求估计量的最大似然估计重的问题，就是求似然函数Ｌ的最大值问题，又由于１ｎ池）和￡同对达到最大值，放只需求ｌｎ伍）的最大值点即可，这样往往会给计算带来很大方便。在一般’隋况下ｚ是一个向量即
ｘ－ｂ。，ｘ：，…，ｚ，。），ｌｎ（Ｌ）在最大值点憎。，萱：，…，碧。）的～阶偏导数等于零，所以考虑方程组：
毒上ｎ乜）＝ｏＩ亡Ｌｎ仁）＝０，…。，毒三ｎｃＬ）＝ｏ
批，∽，嘣。
此方程组的解就是所求的最大似然估计。
最大似然估计具有以下性质：若膏为ｒ（ｚｌｘ）＊塞数ｘ的最大似然估计量，又函数“；ｕ伍）具有单值反函数盖一ｘ也），则“憧Ｊ也是ｕ伍）的最大似然估计量。此性质为在测量中获得一些间接测量值提供了很大方便。
最大似然估计的缺陷是：在计算时需要已知测量值Ｚ在估计值盖下的条件概率分布，在工程计算中常常假设为正态分布。
２．３．２最小二乘估计
假设测量值ｚ与估计值ｘ满足关系：
ｚ（ｊ）；ｈ（ｊ，工）＋ｙ（，），＝１，２??????（２．３）其中ｙ（Ｊ）是为测量噪声，在第Ｋ时刻的最小二乘估计重恹）定义为：使得前Ｋ次误差的平方和达到最小，即：
雪汉）．ａｒｇｒｏｉｎ∑５［Ｚ（ｊ）一ｈ（，，ｚ）】［ｚ（，）一豇（，，ｘ）】（２．４）特别，当＾（ｊ，石）＝Ｈ（』讧，其中Ｈ（Ｊ）为ｍｘ／）阶矩阵，令
Ｊ（ｋ）；亨【Ｚ（Ｊ）一Ｈ（ｊ）Ｘ】［Ｚ（Ｊ）一Ｈ（ｊ）Ｘ］（２．５）为了得到耍，将上式对童求导，考虑到柏７ｚ：ｚ７Ｈ２，得到
冀：乓『ｚ７Ｚ一２２ｒ日ｒｚ＋膏７Ⅳｒ磁］＿一２日ｒｚ＋掰７Ｈ２。０
弘似。
所以得到，
塑直至塑查兰翌主堡塞竺堂焦笙壅兰！！墨萱睡）；峙ｔ）ｒ∞ｔ）｝１妇ｔ）ｒＺｔ
其中，
Ｈ‘：Ｈ（１）
Ｈ（２）
Ｈ以）
Ｚ‘暑
ｚ（１）
ｚ（２）
ｚ（ｋ）
（２．６）
在上述推导过程中，认为每次观测的残差对估计参数都具有相同的重要性，即对每个ｙ（Ｊ）在Ｊ中所加的权相等。在实际测量时，由于传感器分布在不同的位胃，测量误差可能会是不同的统计量，因而可以认为测量误差ｙ（Ｊ）的方差小，测量值ｚ（，）有更高的权，令Ｗ表示希望的加权矩阵，Ｗ限制为正定对称矩阵，那么加权以后的误差准则就变成：
｝
ｆ
ｍ）＝∑［ｚ（小Ｈ０）ｘ］ｗ［ｚＯ）一Ｈ（ｊ）Ｘ］（２．７）凡
用同样的方法，求Ｊ关于ｘ的极小，得到加权最小二乘估计ｘ的计算公式如下：童，妊）一陋‘７ｒ职‘ｆ１∞‘）ｒ睨‘（２。８）最小二乘估计在参数估计中具有很好的无偏性、有效性和一致性，因此是一种优良的参数估计方法，但也存在一定的局限性。上文介绍的一般最小二乘法和加权最小二乘法，都作了一定的假设，即有外界干扰而引起的测量误差是不相关的。若这个假设不能成立，则最小二乘估计量有着偏差，因而有文献介绍了改进的最小二乘法，这里不再介绍，请参阅文献【３１】。
２．３．３最小均方误差估计
如果将最＇１＂－－乘估计中的误差的平方改为均方误差，就得到最小均方误差估计，因此最小均方误差估计霄定义为：使得条件均方误差达到最小，即：雪㈦。ａｒｇｒａｉｎＥ［Ｘ—ｘ］ｒ陋一ｘ川（２．９）由条件数学期望的定义有：
Ｊ；Ｅ『∽一ｘ）ｒ伍一ｘ】ｚ‘１。ｆ∞一ｚ）ｒ陋一ｘ）Ｐ伍ｐｔｋ（ｚ．１０）其中Ｐ∽ｌｚ。ｊ是Ｘ的条件概率分布密度，因此最小均方误差估计应满足方程