方潜生 黄晶 王萍 张振亚 李善寿

摘  要：针对传统室内固定资产定位方法存在定位时间长、定位误差较大以及定位成本高等问题，提出一种基于射频识别技术和机器学习的室内固定资产定位方法。首先，构建基于长短记忆神经网络的固定资产感知识别模型，完成对固定资产设备的区域级识别粗定位，实现对某个区域内固定资产设备数量的自动清点;其次，面向粗定位结果在区域内的固定资产设备，设计基于粒子群优化反向传播神经网络的定位模型，实现对固定资产设备的精准定位;最后，在高校实验室环境下开展了实测实验。实验结果表明，该方法对室内固定资产的识别F1值可达0.98，平均定位误差约0.5 m，满足建筑智能中对室内固定资产的管理要求，具有资产管理成本低、定位精度高、抗干扰能力强等特点。

关键词：射频识别;机器学习;长短期记忆神经网络;粒子群优化;前馈神经网络;定位识别

中图分类号：TP391.44;TP181          DOI：10.16375/j.cnki.cn45-1395/t.2022.03.007

0    引言

加强企事业单位固定资产管理（含自动清点及实时跟踪与定位），对于保证固定资产安全、提高经济效益具有重要意义。目前，对企事业单位固定资产的管理大多采用传统手段，如手工记录、条码、二维码等，存在效率低下、准确性差、无法实时查询资产状态等问题，如何对室内固定资产实现实时、精准的定位成为目前资产管理领域亟待解决的问题。国内外针对室内定位的研究包括GPS、WiFi（wireless fidelity）、蓝牙（bluetooth，BLE）和射频识别（radio frequency identification，RFID）[1-3]等，其中，RFID技术具有成本低、非接触式、延迟时间短等优势，使得RFID技术成为定位领域的研究热点。……