买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉天津工业大学申请的专利一种基于初始轮廓动态选取的RFID目标成像方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115249020B 。

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202110451978.X，技术领域涉及：G06K7/00；该发明授权一种基于初始轮廓动态选取的RFID目标成像方法是由史伟光;梁新峰;李婉琪设计研发完成，并于2021-04-26向国家知识产权局提交的专利申请。

本一种基于初始轮廓动态选取的RFID目标成像方法在说明书摘要公布了：一种基于初始轮廓动态选取的RFID目标成像方法，具体包括以下步骤：建立基于超高频RFID的被动式目标成像系统；构建直线型和弧线型目标初始轮廓；完成基于分立标签阵列的目标图像估计，获得对应阵列的目标水平截面的估计图像；直线基于重叠度最大化的目标水平截面估计，以四个传播距离起始点的横坐标集合作为优化变量，以重叠度最大化作为优化目标，引入粒子群算法进行寻优；完成基于初始轮廓动态选取的目标成像。本发明所提成像方法通过重叠度大小预先判断目标边缘类型，依据判断结果选择合适的初始轮廓，极大提高了目标成像精度。

本发明授权一种基于初始轮廓动态选取的RFID目标成像方法在权利要求书中公布了：1.一种基于初始轮廓动态选取的RFID目标成像方法，其特征在于，具体步骤如下： 步骤1：建立基于超高频RFID的被动式目标成像系统，系统由阅读器、两组标签阵列和阅读器天线设备组成，定义第一组标签阵列为阵列1，定义第二组标签阵列为阵列2，通过控制阅读器天线沿既定轨迹移动来采集各个方向的相位信息从而完成目标成像，然后构建目标成像方法的整体框架，该框架主要由四部分组成：数据采集与预处理、目标初始轮廓的构建、基于分立标签阵列的目标图像估计、基于重叠度最大化的目标水平截面估计； 步骤2：按既定轨迹移动阅读器天线，执行数据采集与预处理，在阅读器天线与标签阵列之间未设置成像目标时，在N个连续角{θ1，θ2，…，θN}上测试得到标签载波相位{φ1，φ2，…，φN}，φi里面包含了多个标签的相位，该测试只需执行一次，当阅读器天线与标签阵列之间放置成像目标时，让阅读器以相同轨迹和速度进行相位信息采集，在N个连续角测得相位{φ1′，φ2′，…，φN′}，则可获得N连续角由目标引起的相位变化，并记为Δφ＝{φ1，φ2，…，φN}-{φ1′，φ2′，…，φN′}＝{Δφ1，Δφ2，…，ΔφN}，考虑到复杂的多径环境会打破传播距离与观测参数之间的线性关系，对上述相位变化执行数据预处理，利用标签阵列中相邻标签的相位差来抑制多径，多径抑制方法分为两个阶段，首先是识别相对“干净”的信道，然后是分配权值，即通过对不同信道和不同标签上的被测信号分配不同的权值来降低多径的影响； 步骤3：执行目标初始轮廓的构建，首先利用基于滑动窗口的累积相位变化方法来确定目标的两个角度边界，然后通过比较相位变化和预设阈值来检测标签阵列的下边界角度θ1,l和上边界角度θ1，u，最后利用标签阵列测得目标的两个角度边界构成目标边界四边形，为便于说明，定义目标边界四边形的四个顶点分别为Q1、Q2、Q3、Q4，并在直线段Q1Q2、Q2Q3、Q3Q4、Q4Q1上分别选取一个任意点，将四个上述任意点定义为轮廓顶点V1、V2、V3、V4，依次连接V1、V2、V3、V4构建出目标的初始轮廓，初始轮廓可看成由四条曲线段连接而成，每条曲线段的两端均为轮廓顶点，若曲线段的线型为直线型，则构建出的初始轮廓称为直线型初始轮廓，若曲线段的线型为弧线型，则构建出的初始轮廓称为弧线型初始轮廓； 步骤4：利用目标引起的相位变化计算信号在目标内部的传播距离，执行基于分立标签阵列的目标图像估计，以步骤3中构建的直线型初始轮廓和弧线型初始轮廓为基础，对于每一种初始轮廓，可得到基于分立标签阵列的两个估计图像，基于分立标签阵列的目标成像估计方法可表述为，首先，利用数据采集中获得的相位变化Δφ＝{Δφ1，Δφ2，…，ΔφN}来计算基于相位差的传播距离向量D，即D＝Δφ+2ξπβtar-βair，其中D中的每一个元素表示信号在特定方向采集时对应的目标内部的传播距离，λair和λtar分别表示在空气中和在目标中的信号波长，βair＝2πλair和βtar＝2πλtar分别表示在空气中和在目标中信号的相位常数，ξ是用于表示整周期模糊特征的一个整数，对于平均尺寸小于载波波长的物体，其引起的相位变化不超过2π，因此ξ取0，由上式可得到D1，D2，…，DN各传播距离的值，然后，对于阵列1和阵列2，从初始轮廓中分别选择离标签阵列最近的两条曲线段作为目标估计图像的两端边缘，并假设传播距离的起始点都位于这两条曲线段上，依据{θ1，θ2，…，θN}和阵列的坐标确定起始点的坐标，依据{θ1，θ2，…，θN}和D确定各个起始点对应的终止点坐标，将各个终止点连接起来获得目标估计图像的另外一段边缘，最后，将三段上述边缘连接起来，即可获得阵列1和阵列2在水平截面上的目标估计图像； 步骤5：执行基于重叠度最大化的目标水平截面估计，若阵列1的估计图像和阵列2的估计图像存在差异，则表示轮廓顶点V1、V2、V3、V4选择不理想，为了正确选取轮廓顶点，需在Q1Q2、Q2Q3、Q3Q4和Q4Q1四条边上搜索不同的V1、V2、V3、V4组合方式来构建目标初始轮廓，即将目标成像问题转化为优化问题，以两个标签阵列的估计图像重叠度最大化作为优化目标，以V1、V2、V3和V4四个点的横坐标x1，x2，x3，x4来构建集合Ω，并将Ω作为需要优化的变量，V1、V2、V3和V4四个点的纵坐标y1，y2，y3，y4可通过初始轮廓中各曲线段的表达式和x1，x2，x3，x4的取值计算获得，构建UHFRFID目标成像系统的优化模型并将其表述为：OsΩ＝argmaxF，其中，OsΩ是该优化模型的最优解，F是基于重叠度的全局优化目标函数，OsΩ＝argmaxF是指当F取最大值时，Ω的变量取值，在此模型中，重叠度表示两个标签阵列得到的估计图像重叠的部分与合并后的图像的比值，重叠度越大，表示合并后的图像越接近于实际图像，引入粒子群算法对上述优化问题进行迭代寻优求解； 步骤6：采用偏离度和重叠度来分析初试轮廓的选取对成像精度的影响，定义偏离度为目标估计图像轮廓与实际轮廓中各对应位置点的距离平均值，根据目标边缘类型不同，将目标分为两种：边缘由直线组成的目标和边缘由弧线组成的目标，选取具有代表性的四边形目标和圆形目标作为成像对象，计算寻优过程中采用不同类型的初始轮廓所获得的目标估计图像偏离度和重叠度，获得弧线形初始轮廓和直线型初始轮廓的偏离度曲线和重叠度曲线，对比两类上述曲线可知，对于四边形目标和圆形目标，随着迭代次数逐渐增大，偏离度曲线的数值逐渐减小并趋近于0，重叠度曲线的数值由0逐渐增大并趋近于1，两类曲线的变化呈反比例关系，因此采用重叠度的大小来表征目标成像精度，同时，对于同一个成像目标，分别采用弧线型初始轮廓和直线型初始轮廓进行成像，所得两个估计图像的重叠度曲线具有明显差异，对于圆形目标，采用弧线型初始轮廓可获得更好的成像精度，对于四边形目标，采用直线型初始轮廓可获得更好的成像精度； 步骤7：对于边缘类型未知的成像目标，分别采用直线型初始轮廓和弧线型初始轮廓对目标进行成像，定义采用弧线型初始轮廓成像时，估计图像最大重叠度为C1，定义采用直线型初始轮廓成像时，估计图像最大重叠度为C2，比较C1和C2完成对目标边缘的判断，若C1C2，则认为成像目标的边缘为弧线，进而选取弧线型初始轮廓进行目标成像，若C1≤C2，则选取直线型初始轮廓进行目标成像，进一步合并阵列1和阵列2的估计图像获得目标最终的水平截面图像。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人天津工业大学，其通讯地址为：300387 天津市西青区宾水西道399号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。