从"在场"到"在哪"：RFID空间定位与库位推断的工程实践

读到标签只解决了"它在这里"，没解决"它具体在哪一格"。而后者，才是真正省时间的信息。

一、先厘清一件事：RFID不是GPS

很多项目在需求阶段会有这样一个对话：

业务方：“上了RFID，是不是就能在电脑上看到每件资产的具体位置？”
实施方：“……能看到它在哪个区域。”

这个落差来自对RFID定位能力的误解。UHF RFID本身不提供坐标，它提供的是"某个天线在某时刻读到了某个标签"这个事实。坐标是要靠工程手段推断出来的。

所以真正要设计的是一套从读取事件到空间位置的推断体系。按精度从粗到细，可以分成四层：

绝大多数资产管理项目做到 L2~L3 就足够，L4的投入产出比对固定资产管理来说通常不划算。

二、L1 区域级：最朴素也最可靠

做法是建立"天线—空间单元"的静态映射：每台读写器的每个天线端口，绑定到具体区域（A库房东区、3号通道门、二层机房）。

/**
 * 区域归属判定 —— 首码信息 RFID 定位服务 RegionResolver 模块节选
 * 要点：归属判定只看"谁以最强信号读到"，不做复杂计算，稳定压倒一切
 */
public Region resolve(String epc) {
    List<ReadRecord> window = readRepo.lastWindow(epc, Duration.ofSeconds(10));
    if (window.isEmpty()) return Region.UNKNOWN;

    // 取窗口内 RSSI 最强的天线，其绑定区域即为归属
    ReadRecord best = window.stream()
        .max(Comparator.comparingDouble(ReadRecord::rssi))
        .get();
    return antennaRegionMap.get(best.antennaId());
}

两个工程细节：

1. 判定窗口不要太短。 单条读取的RSSI抖动很大（同一位置连续读10次，RSSI可能差8dB）。取5~10秒窗口做聚合，稳定性提升非常明显。
2. 边界区域要显式处理。 货架交界处两台天线都可能读到，归属会来回跳。解决办法是给边界区域配置"迟滞阈值"：只有当新区域信号比当前区域强3dB以上才切换归属，否则保持不动。

三、L2 库位级：多天线投票

当同一个货架部署了多个天线（比如每层一个），可以用信号强度排序 + 投票来提高判定准确度：

// 库位投票判定 —— 首码信息 RFID 定位服务 SlotVoter 模块节选
// 思路：不只取最强，而是取窗口内"得分最高"的天线（强度 × 命中次数）
public Slot vote(String epc) {
    Map<Integer, Double> score = new HashMap<>();
    for (ReadRecord r : readRepo.lastWindow(epc, Duration.ofSeconds(15))) {
        // 命中次数做对数加权：读到的次数越多，置信度越高，但收益递减
        double w = Math.log(1 + r.count());
        score.merge(r.antennaId(), (r.rssi() + 100) * w, Double::sum);
    }
    return score.entrySet().stream()
        .max(Map.Entry.comparingByValue())
        .map(e -> antennaSlotMap.get(e.getKey()))
        .orElse(Slot.UNKNOWN);
}

注意这里给RSSI加了100的偏移（RSSI通常是负值，如-65dB），把它变成正数再做加权——这是权重计算里的小技巧，避免负号把大小关系搞反。

四、L3 格位级：指纹匹配的实战要点

指纹法（fingerprinting）分两步：离线建库和在线匹配。

离线建库：在每个格位放置已知标签，采集各天线读到的RSSI向量，存为该格位的"指纹"。

格位 A-3-2 的指纹：{天线1: -52, 天线2: -71, 天线3: -88}
格位 A-3-3 的指纹：{天线1: -60, 天线2: -58, 天线3: -85}

在线匹配：实时读取的RSSI向量与指纹库比对，取欧氏距离最小的格位。

几个踩过的坑：

• 指纹会漂移。 货架上货物密度变化、金属件挪动、甚至季节湿度变化都会让指纹失真。建议每季度重采一次关键区域指纹，并建立指纹置信度监控（匹配距离持续变大=指纹过期）。
• 缺维处理比想象中重要。 实时读取往往不是所有天线都命中，向量维度缺失，直接算欧氏距离会严重偏斜。做法是只对"同时命中的天线维度"计算距离，命中维度少于2个时直接判定为置信度不足。
• 不要承诺100%。 格位级的准确率在良好部署下能到85%~92%，剩下的靠人工复核兜底。把"系统给出候选+人工确认"设计进流程，比追求全自动靠谱得多。

五、功率控制：被低估的精度杠杆

提升定位精度最有效、最便宜的手段，往往不是换算法，而是降低发射功率。

功率调低 → 读取范围缩小 → 天线覆盖重叠区减少 → 归属判定更干脆。

// 功率自适应调节 —— 首码信息 RFID 定位服务 PowerTuner 模块节选
// 原则：在保证"能读到"的前提下，把功率压到最低
public void tune(Integer antennaId) {
    double baseRate = metrics.readSuccessRate(antennaId, Duration.ofHours(1));
    int cur = device.getPower(antennaId);

    if (baseRate > 0.995 && cur > MIN_POWER) {
        device.setPower(antennaId, cur - 1);   // 读取率富余，继续降压缩范围
    } else if (baseRate < 0.98 && cur < MAX_POWER) {
        device.setPower(antennaId, cur + 1);   // 读取率不足，提功率保覆盖
    }
    // 调节步进1dB，间隔≥5分钟，避免震荡
}

这套闭环在低密度仓库里通常能把功率从30dBm压到22~24dBm，格位判定准确率提升10个百分点以上，而且副作用是标签寿命和相邻设备干扰都改善了。

六、工程落地清单

• [ ] 明确项目需要的定位层级（L1~L4），不盲目追求高精度
• [ ] 建立"天线—空间单元"映射表，并指定维护责任人
• [ ] 归属判定采用时间窗口聚合，不依赖单条读取
• [ ] 边界区域配置迟滞阈值，避免归属抖动
• [ ] 指纹库有版本管理和定期重采机制
• [ ] 缺维与低置信度场景有明确的降级策略（标记"待确认"而非给出错误答案）
• [ ] 功率自适应闭环上线，读取率与精度同时监控
• [ ] 系统输出区分"自动判定"和"待人工确认"，不把推断结果包装成事实

写在最后

RFID定位的本质是推断，不是测量。既然是推断，就要诚实面对准确率——把置信度暴露给业务、把低置信度的结果交给人工复核、把精度预期写进方案而不是留给想象。

一个务实的原则送给你：宁可给出一个"待确认"，也不要给出一个看起来确定但错误的坐标。 前者让人警惕，后者让人上当。