本發(fā)明屬于物聯(lián)網(wǎng)領(lǐng)域，涉及一種基于單基通信和相控陣的rfid天線優(yōu)化部署方法。

背景技術(shù)：

1、隨著物聯(lián)網(wǎng)時(shí)代的到來，萬物互聯(lián)成為可能，射頻識別(radio?frequencyidentification，rfid)技術(shù)作為物聯(lián)網(wǎng)技術(shù)的重要組成部分之一，廣泛應(yīng)用于智能交通系統(tǒng)、門禁控制、醫(yī)療健康、零售業(yè)、物流和供應(yīng)鏈管理等領(lǐng)域，實(shí)現(xiàn)了實(shí)時(shí)監(jiān)控、自動化生產(chǎn)和庫存管理，為各行業(yè)帶來了高效、準(zhǔn)確、自動化的數(shù)據(jù)管理解決方案。典型的rfid系統(tǒng)通常由閱讀器、標(biāo)簽以及后端系統(tǒng)三部分組成。實(shí)際的大規(guī)模rfid應(yīng)用場景通常需要部署足夠數(shù)量的閱讀器和天線，從而實(shí)現(xiàn)大量標(biāo)簽的識別和追蹤，因此如何進(jìn)行有效的網(wǎng)絡(luò)部署成為當(dāng)前亟需解決的問題，這類問題被稱為rfid網(wǎng)絡(luò)規(guī)劃(rfid?network?planning，rnp)問題。

2、在解決rnp問題時(shí)通常需要考慮以下兩個難題：(1)如何處理不同閱讀器之間的負(fù)載不均衡問題。負(fù)載不均衡會降低rfid系統(tǒng)信息傳輸效率、消耗大量時(shí)間，從而影響整個系統(tǒng)的覆蓋率；(2)如何兼顧系統(tǒng)的適用性和經(jīng)濟(jì)性。部署過多閱讀器雖滿足了標(biāo)簽識別的需求但也提高了經(jīng)濟(jì)成本?？偟膩碚f，解決rnp問題的最終目的是通過調(diào)節(jié)閱讀器的控制變量(數(shù)量、坐標(biāo)和天線參數(shù)等)，來優(yōu)化多個目標(biāo)(標(biāo)簽的覆蓋率、系統(tǒng)之間的干擾、部署的成本以及閱讀器的負(fù)載平衡等)，以達(dá)到最佳的部署效果。

3、因此針對上述問題，本發(fā)明提出一種基于單基通信和相控陣的rfid天線優(yōu)化部署方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是，提供一種基于單基通信和相控陣的rfid天線優(yōu)化部署方法，提高系統(tǒng)對標(biāo)簽的覆蓋率，降低閱讀器間和標(biāo)簽間的通信干擾。本發(fā)明采用的建模方案是，首先，基于二維相控陣天線的增益表達(dá)式推導(dǎo)出一維線性相控陣天線的增益表達(dá)式，并以此為基礎(chǔ)建立信道鏈路模型，然后結(jié)合標(biāo)簽的覆蓋、定位精度和系統(tǒng)干擾等優(yōu)化目標(biāo)建立單基通信模式下的rnp問題優(yōu)化模型，最后提出一種改進(jìn)的麻雀搜索算法(enhanced?sparrowsearch?algorithm?based?on?generative?adversarial?network?and?orthogonalexperimental?design，egossa)求解rnp問題。具體包括以下步驟：

2、步驟1：建立基于線性相控陣天線的信道鏈路模型，準(zhǔn)確估計(jì)閱讀器與標(biāo)簽之間的前向鏈路和后向鏈路中的收信功率，射頻識別(radio?frequency?identification，rfid)系統(tǒng)通常采用rfid單基站系統(tǒng)，則前向鏈路中標(biāo)簽的收信功率pr,t＝10log10(ρlptxgtgtl(d))+30，后向鏈路中閱讀器天線的收信功率其中ρl表示極化損耗因子，rtx表示閱讀器的發(fā)射功率，gt和gr分別表示標(biāo)簽天線和閱讀器天線的增益，μt表示功率傳輸效率，κ表示調(diào)制效率，γ為標(biāo)簽的差分反射系數(shù)，l(d)表示路徑損耗因子，具體表示為l(d)＝λ2/(16π2η2d2)，其中d表示閱讀器與標(biāo)簽的距離，η表示路徑損耗指數(shù)；

3、步驟2：使用半波偶極子天線作為標(biāo)簽天線，其增益可以表示為gt(θt，φt)＝1.641(cos2(0.5πcos(θt)))/sin2(θt)，其中標(biāo)簽天線長側(cè)為z軸，短側(cè)為x軸，為輻射方向，θt和φt表示一對指向性參數(shù)，θt表示到的傾角，φt表示到在xoy平面上投影的旋轉(zhuǎn)角，采用一維的線性相控陣天線作為閱讀器天線，其增益可以表示為gr(θr，φr)＝ed(θr，φr)，其中e表示效率因子，d(θr，φr)表示指向性系數(shù)，s(θr，φr)表示平面陣列因子，in分別表示沿著y軸激勵振幅，n表示陣元索引，yn表示元素沿著y軸的坐標(biāo)，α表示激勵的相位差，θr和φr的定義與θt和φt類似，令cosθy＝sinθrcosφr，s(θr，φr)可以表示為其中，θy表示y軸與的夾角，n表示線性陣元的個數(shù)，in表示沿著y軸的激勵振幅，yn表示陣元沿著y軸的坐標(biāo)，α是激勵的相位差，采用1×4結(jié)構(gòu)的線性相控陣天線。假設(shè)e＝1，in＝1，k＝2π/λ，d＝0.5λ，陣元坐標(biāo)分別為(0，-0.75λ，0)，(0，-0.25λ，0)，(0，0.25λ，0)，(0，0.75λ，0)，1×4線性相控陣天線的平面陣列因子s(θy)可以表示為經(jīng)過公式推導(dǎo)和定積分計(jì)算后，閱讀器天線的增益可以表示為

4、步驟3：將閱讀器天線和標(biāo)簽的增益模型整合到同一笛卡爾坐標(biāo)系中。(xt，yt，zt)和(xr，yr，zr)分別表示標(biāo)簽天線和閱讀器天線的空間坐標(biāo)，和分別表示閱讀器天線和標(biāo)簽天線的位姿，其中表示從到的傾角，表示從到在xoy平面映射的旋轉(zhuǎn)角，代表從到的傾角，表示到在xoy平面映射的旋轉(zhuǎn)角，閱讀器天線的位置通常高于標(biāo)簽天線，并以向下的角度輻射，gt和gr可以用和表示為gt＝1.641cos2(at/bt)/(1-(ct/dt)2)，其中

5、步驟4：建立rnp(rfid?network?planning)問題模型，將未覆蓋率最小化、定位誤差最小化和系統(tǒng)干擾最小化作為尋優(yōu)方向，將各閱讀器天線的坐標(biāo)和激勵相位作為尋優(yōu)變量，建立尋優(yōu)模型其中表示rnp問題的候選解，(xm，ym)表示閱讀器天線的坐標(biāo)，αm表示閱讀器天線的激勵相位差，m∈[1，m]，m為閱讀器天線的數(shù)量，f＝ω1f1+ω2f2+ω3f3，表示rnp問題優(yōu)化目標(biāo)函數(shù)，ω1、ω2和ω3分別表示三個子函數(shù)f1、f2和f3的慣性權(quán)重，用于衡量標(biāo)簽的非覆蓋度，其中n∈[1，n]，n表示標(biāo)簽總數(shù)，cn指第n個目標(biāo)標(biāo)簽只有被三個及以上閱讀器識別時(shí)才能被成功定位，用于衡量定位誤差，gdopn為第n個標(biāo)簽的幾何精度因子，f3＝ktit+krir，用于衡量標(biāo)簽和閱讀器間的干擾，其中it表示所有標(biāo)簽受閱讀器干擾程度的平均值，ir表示所有閱讀器受標(biāo)簽干擾程度的平均值，kt和kr表示閱讀器干擾和標(biāo)簽干擾的程度；

6、步驟5：設(shè)計(jì)一種改進(jìn)的麻雀搜索算法求解步驟4中建立的rnp問題，首先根據(jù)閱讀器天線的初始位姿建立初始解ωi，然后通過在預(yù)先設(shè)定的尋優(yōu)半徑內(nèi)隨機(jī)擾動ωi，從而生成規(guī)模為q的初始種群p1，進(jìn)一步對每一個個體的適應(yīng)度值進(jìn)行評估，將種群劃分為發(fā)現(xiàn)者、加入者和警覺者，最后計(jì)算每個個體到其他個體的距離d，計(jì)算進(jìn)化因子ff，計(jì)算隸屬度函數(shù)μ(f)，根據(jù)隸屬度函數(shù)判斷當(dāng)前所處進(jìn)化階段，采用相對應(yīng)的策略進(jìn)行迭代更新，當(dāng)μ(f)∈s1，種群處于探索階段，采用傳統(tǒng)麻雀搜索算法的更新策略進(jìn)行更新，當(dāng)μ(f)∈s2，種群處于收斂階段，采用正交試驗(yàn)設(shè)計(jì)oed(orthogonal?experimental?design)的更新策略進(jìn)行更新，當(dāng)μ(f)∈s3，種群處于收斂階段，采用生成對抗網(wǎng)絡(luò)gan(generativeadversarial?network)的更新策略進(jìn)行更新；

7、步驟6：對種群進(jìn)行迭代運(yùn)算，當(dāng)?shù)\(yùn)算次數(shù)達(dá)到上限時(shí)，終止尋優(yōu)過程并輸出最終的最優(yōu)部署方式，根據(jù)該方式完成基于單基通信和相控陣的rfid天線優(yōu)化部署方法。

8、需注意，步驟5中改進(jìn)的麻雀搜索算法融合兩種更新策略和一種更新方式選擇機(jī)制。所提出的算法可以基于麻雀個體之間的距離評估進(jìn)化過程，將進(jìn)化過程歸為s1(探索)、s2(收斂)和s3(跳出)中的某一階段，最后根據(jù)進(jìn)化階段選擇相應(yīng)的方式進(jìn)行種群更新。具體如下：

9、步驟5中用oed更新策略的流程是，首先，將xi的域[li，ui]量化為q1個層級其中q1為奇數(shù)，任意兩個連續(xù)級別之間的差值是相同的，αi，j表示第i個維度內(nèi)的第j個等級，解的域被量化后，xi有q1個可能值因此在d維可行解空間中會均勻分散q1d個點(diǎn)，然而由于問題維度d是給定的，可能不存在q1和j1滿足的情況，所以選擇最小的j1滿足然后，構(gòu)建基本矩陣和非基本矩陣，將基本矩陣和非基本矩陣合并，并令所有的ai,j＝ai，j+1，生成正交矩陣其中ai，j表示正交矩陣中第i行第j列的元素，由于d′通常是大于或等于d的，需要將矩陣的最后d′-d列刪除，得到最終的正交矩陣其中進(jìn)一步，在構(gòu)造了矩陣之后，可以從q1d個組合中得到m1個組合樣本。然后根據(jù)m1個組合樣本可以生成包含m1個個體的種群最后，對種群進(jìn)行一次適應(yīng)度值評估，選擇其中適應(yīng)度值最好的n個個體來生成新一代的麻雀種群；

10、步驟5中用gan更新策略的流程是，首先，初始化一對gan，通過設(shè)置初始參數(shù)，定義生成器和判別器網(wǎng)絡(luò)，將種群p中候選解分類為真和假兩個大小相等的不同樣本集，并用于訓(xùn)練gan，然后，對gan進(jìn)行多次迭代訓(xùn)練，在每次迭代中，使用三種不同類型的訓(xùn)練樣本來更新生成器和鑒別器，即真樣本、假樣本和生成器生成的樣本，訓(xùn)練鑒別器的損失函數(shù)表示為其中g(shù)表示生成器，d表示鑒別器，r表示真樣本，f表示假樣本，z表示隨機(jī)輸入數(shù)據(jù)，該數(shù)據(jù)是隨機(jī)高斯噪聲，d(r)、d(f)和d(g(z))分別表示真樣本、假樣本和生成器生成的樣本輸入到鑒別器的輸出，在每次gan訓(xùn)練迭代中，x中的所有樣本隨機(jī)被劃分為幾個大小為m的批次，根據(jù)梯度下降法使用其自身生成的樣本來更新鑒別器和生成器，更新公式表示為其中zi是從高斯分布中隨機(jī)抽樣的向量，進(jìn)一步，對d維向量x進(jìn)行采樣，其中每個元素從連續(xù)均勻分布u(0，1)進(jìn)行獨(dú)立采樣，依據(jù)概率密度函數(shù)生成滿足多元正態(tài)分布的d維向量y，表示為其中，d表示決策空間的維度，∑和μ分別表示真樣本的協(xié)方差矩陣和均值向量，表示為其中ri表示真樣本集的第i個成員，n表示種群大小，最后，生成器g(y)的輸出最終解x′＝g(y)(u-l)+l，其中x′表示由gan生成的候選解決方案，u表示解空間的上界，l表示解空間的下界。

11、本發(fā)明提供一種基于單基通信和相控陣的rfid天線優(yōu)化部署方法，該方法首先基于二維相控陣天線的增益表達(dá)式和微積分原理推導(dǎo)出一維線性相控陣天線的增益表達(dá)式。然后，基于該表達(dá)式建立一種基于一維相控陣天線的信道鏈路模型，以模擬信號傳播狀態(tài)。進(jìn)一步，結(jié)合標(biāo)簽覆蓋率、定位精度和系統(tǒng)干擾構(gòu)建rnp問題優(yōu)化模型。對提升求解rnp問題的質(zhì)量和效率具有一定的指導(dǎo)意義。