摘要：为适应基于RFID（无线射频识别）位置跟踪过程中传感数据的连续变化和需要实时处理的特征,本文提出一种度量RFID数据不确定性的自适应进化粒子滤波算法,根据K-L距离改变重采样粒子个数,并引入粒子群寻优方法PSO改变传统粒子滤波（SIRPF）的重采样效率,采用常规赋权聚集（CWA）定义适应度函数,以均衡先验密度与似然密度的重要性,在采样粒子空间探寻最优粒子,为概率数据库上的初始元组提供可靠的置信度度量.实验证明,与已有的算法相比,AMUR算法能够有效地度量RFID数据中蕴含的不确定性,可进一步改善粒子退化现象和粒子贫化问题.

关键词：无线射频识别 物联网 不确定性 粒子滤波 自适应 

单位：南京理工大学计算机科学与技术学院; 江苏南京210094; 宁波大学信息科学与工程学院; 浙江宁波315211; 国电南京自动化股份有限公司技术管控部; 江苏南京211100