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！

龙图腾网获悉江南大学;无锡晓智信息科技有限公司申请的专利一种基于分层决策树的无源RFID目标物品定位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：CN117474022B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202311396932.8，技术领域涉及：G06K7/00；该发明授权一种基于分层决策树的无源RFID目标物品定位方法是由周彪;武梅;钱小伟设计研发完成，并于2023-10-25向国家知识产权局提交的专利申请。

本一种基于分层决策树的无源RFID目标物品定位方法在说明书摘要公布了：本发明涉及一种基于分层决策树的无源RFID目标物品定位方法，属于RFID室内区域无源定位技术领域。本发明提供一种基于分层决策树的无源RFID目标物品定位方法，利用参考点的收包率建立定位模型，从而能够利用该定位模型对任何批次入库的物品进行最优的位置寻找、匹配，节约了成本和计算资源。另外，本发明采用分层的决策树算法构建自适应的定位模型，不仅算法简单、节约了计算资源，而且可以自适应调整决策树数量，利用随机网格搜索方法，在优化每棵决策树的参数的同时减少计算时间，更为轻量化。

本发明授权一种基于分层决策树的无源RFID目标物品定位方法在权利要求书中公布了：1.一种基于分层决策树的无源RFID目标物品定位方法，可应用于立体三维货架区域，所述三维货架区域长为a米，宽为b米，包括N个长度为a米的货架，每个所述货架分为M层，每层分为I个范围，每个层内范围含有J个物品放置点，物品最大总数量为N×M×I×J，其特征在于，包括如下阶段和步骤： 阶段一：一次性离线定位模型建立阶段： 步骤1：首次入库时，在每个物品放置点上的物品附着RFID无源射频标签，并记录每个射频标签对应物品的N、M、I、J四个位置信息，即在每个物品所在货架的位置建立参考点； 步骤2：设定测量密度为ρ米测量点，围绕所述三维货架区域的周长外围设置K个测量点，K＝2aρ+2bρ；在每个测量点依次开启阅读器天线对各参考点的收包率进行测量；在测量区域中，阅读器的射频信号需能穿透N2个所述货架，传播距离至少为b2米； 步骤3：基于步骤2中测量到的每个无源射频标签的K维收包率及对应的N、M、I、J四个位置信息，离线构建定位数据库； 步骤4：基于步骤3所构建的定位数据库，设计基于分层决策树的离线定位模型，所述离线定位模型为分层自适应决策树模型；所述步骤4具体包括如下步骤： 步骤4.1：给定样本的集合S，集合S中每个样本表述为x,y，其中x为K维特征向量，y为样本的类别标签，采用分层抽样的方法对集合S进行处理，并得到测试样本集Stest和训练样本集Strain； 步骤4.2：建立第一层决策树模型：输入训练样本集Strain，通过随机网格搜索、交叉验证，选择具有最佳性能的决策树模型作为第一层决策树模型；将第一层决策树模型应用于测试样本集Stest，输出测试样本集中每一个测试样本s所在位置的预测结果，定义测试样本s所属货架为Sn，Sn∈[S1,…,SN]；步骤4.3：建立第二层决策树模型：输入训练样本集Strain，通过随机网格搜索来搜索最优参数组合，并用交叉验证来优化单次测试结果过于片面以及训练数据不足的问题，自适应地训练N棵具有最佳性能的决策树，从而得到第二层决策树模型，对于Sn中每个测试样本s，用第n棵决策树模型分类；将第二层决策树模型应用于测试样本集Stest，输出测试集样本中每一个测试样本s所属层级的预测结果，即对测试样本s，其所属层级为Lm，Lm∈ [L1,…,LM]； 步骤4.4：建立第三层决策树模型：输入训练样本集Strain，通过随机网格搜索来搜索最优参数组合，并用交叉验证来优化单次测试结果过于片面以及训练数据不足的问题，自适应地训练M棵具有最佳性能的决策树，从而得到第三层决策树模型，对于Lm中每个测试样本s，用第m棵决策树模型分类；将第三层决策树模型应用于测试样本集Stest，输出测试集样本中每一个测试样本s所属层内范围的预测结果，即对测试样本s，其所属层内范围为Ri， Ri∈[R1,…,RI]； 步骤4.5：建立第四层决策树模型：输入训练样本集Strain，通过随机网格搜索来搜索最优参数组合，并用交叉验证来优化单次测试结果过于片面以及训练数据不足的问题，自适应地训练I棵具有最佳性能的决策树，从而得到第四层决策树模型，对于Ri中每个测试样本s，用第i棵决策树模型分类；将第四层决策树模型应用于测试样本集Stest，输出测试集样本中每一个测试样本s所属顺序的预测结果，即对测试样本s，其所属顺序为Oj，Oj∈[O1,…,OJ]； 步骤4.6：将测试集中样本s的预测结果进行组合，则s的定位预测结果为{Sn,Lm,Ri,Oj}，将其与真实值进行对比，可得到在不同粒度水平的定位中分类正确的准确率；设测试样本s真实的位置为Strue、Ltrue、Rtrue、Otrue，若 Sn＝Strue，则视为在货架粒度上定位正确；若Sn＝Strue且Lm＝Ltrue，则视为在层级粒度上定位正确；若Sn＝Strue、Lm＝Ltrue、Ri＝Rtrue都成立，则视为在层内范围粒度上定位正确；若Sn＝Strue、Lm＝Ltrue、Ri＝Rtrue且Oj＝Otrue都成立，则视为在顺序粒度上定位正确；通过测试集中每个样本分类准确率的计算，评估模型的可靠性；若在顺序粒度上分类准确率未达到90％以上，则需要调整决策树模型的超参数空间和随机网格搜索的搜索次数后，返回步骤4.1； 阶段二：长期在线实时定位寻物阶段： 步骤5：在首次入库后任意一次入库中，当需要对贴有RFID无源标签的新入库的物品或者使用后乱放导致乱序的物品进行寻找时，通过阅读器在K个测量点检测收包率并将K维收包率放入步骤4所设计的基于分层决策树的离线定位模型，得到每个物品所处的货架、层级、层内范围和顺序。

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江南大学;无锡晓智信息科技有限公司，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800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”。