项目来源：
中科大双创项目
项目简介：
无线社区在RFID定位系统方面做了很多努力，它提供了一个有吸引力的替代方案，因为它可以实现高精度、自动识别，并在非视线（NLoS）的情况下工作。RFID定位大致可分为两类：指纹和三角法。基于指纹的方法是建立在每个不同的位置都有自己独特的射频信号的假设之上的，而基于三角法的方法通常更准确，因为三角测距和三边测距都来自于细粒度的相位。在这个项目中，我们提出了GLAC，第一个三维定位系统，只用COTS设备就能实现机器人的毫米级物体操作。与之前的艺术相比，它实现了最精确的定位，同时在成本效益和时间效率方面消耗了最少的资源。
项目方法：
基本的RFID定位问题是，给定一个相位测量的时间序列，寻找最可能的位置序列。我们把这个过程转化为一个HMM。
为了找到最佳轨迹，最简单的方法是计算每条轨迹的观测序列的可能性。然后，我们在所有可能性中选择具有最大观测似然性的轨迹。要做到这一点，我们需要估计所有的隐藏状态，这就是卡尔曼滤波器的作用。
我们带有多个卡尔曼滤波器的HMM框架有几个明显的特点值得一提:
- 为了估计下一个状态，我们只需要一个单相测量，这适应了异步读取模式，并与之前的所有方法不同。
- 由于只使用单相更新，读取时间已经最小化，我们设计了两种技术来实现计算效率，即近邻剪枝和初始状态剪枝。
项目成果：
我们评估了GLAC在LoS和NLS情况下的三维跟踪精度。图6显示了LoS和NLS情况下的位置误差的CDFs。我们观察到，在所有情况下，所有x/y/z维度的中位精度都在一厘米以内。特别是，在LoS情况下，x/y/z尺寸的中位精度为0.35厘米、0.35厘米和0.52厘米，而在NLS情况下，对应的精度为0.57厘米、0.40厘米和0.73厘米，由于信噪比较低，其精度略有下降。