粒子群神经网络算法的RFID定位应用研究

2018-03-13周蕾蕾刘成友马俊秦航蒋红兵

中国医疗设备 2018年2期

关键词：模型

周蕾蕾，刘成友，马俊，秦航，蒋红兵,2

1.南京医科大学附属南京医院（南京市第一医院） a.医疗设备处；b.院部，江苏南京 210006；2.南京市卫生信息中心南京市药品集中采购托管中心，江苏南京 210003

引言

医院医疗设备的使用和管理情况反映了医院的现代化程度。医疗设备数量的增多，精细度的提高，使得医疗设备的信息化管理成为一种趋势。射频识别技术（Radio Frequency Identification，RFID），是一种非接触式的自动识别技术，通过射频信号自动识别目标对象并获取相关数据，具有精度高、适应环境能力强等优点[1]。RFID在医疗设备管理中的应用正在逐渐兴起，使得设备闲置、流失、重复购置等问题的解决成为可能[2]。

精确定位是医疗设备管理的基本要求，RFID读写器和标签的分布情况，以及定位算法优劣直接影响定位的精确度。经典的无线定位（Time of Arrival，TOA）[3]算法，基于信号到达角度的定位算法（Angle of Arrival，AOA）[4]算法，射频标签信号强度（Received Signal Strength Indication，RSSI）[5-6]算法等定位算法有各自的特点，但面对医院复杂的环境有一定的局限性。

本文将粒子群算法（Particle Swarm Optimization，PSO）优化BP（Back Propagation）网络的学习算法应用于射频定位。搭建实验平台，采集样本数据；在此基础上，进行训练学习，求得RFID读写器与标签之间“信号强度—坐标”的映射关系；并对其进行测试，探讨粒子群神经网络算法在RFID定位中应用的优势。