摘  要： 針對傳統的表單揀貨方式越來越不能滿足大型物流中心的需求，設計了基于語音的揀選系統，解決傳統揀選方式存在的不足，提高貨物揀選效率。為實現揀選操作員的合理調度，系統引入RFID室內定位技術，針對倉儲揀選實際應用，以LANDMARC算法為基礎進行算法改進，改進后系統的定位準確度提高了2%~60%，同時增強了實用性。系統實驗表明，基于室內定位的語音揀選系統能夠有效實現相應功能，具有較好的市場應用前景。

　　關鍵詞： 語音識別；物流揀選；RFID室內定位；LANDMARC算法；k-近鄰算法

0 引言

　　揀選（Order Picking）作業是指按訂單或出庫單的要求，從存儲場所選出物品并放置在指定地點的作業，揀選作業是物流中心作業中最為關鍵的環節之一。傳統的揀選方式有揀選單揀選、標簽揀選、射頻RF揀選等。隨著物流業的飛速發展，傳統的揀選方式不僅束縛了揀選工作效率，而且存在成本高、差錯率大等不足。因而，本文設計了基于語音識別的揀選系統，與傳統揀選技術相比，語音分揀技術具有極大提高訂單準確度、提高工作效率、培訓要求低和投資回報率高等優勢[1]。在國外，語音揀選系統已有成功案例，但在我國，由于本土化問題，如中文識別播報，語音揀選技術在國內還沒有很好的應用。本文設計的系統使用中文語音識別模塊，能夠很好地應用于語音倉儲揀選。

　　在揀選作業過程中，將近50%的時間花費在揀選的路上。為提高揀選的效率，本文引入室內定位技術，選擇離待揀選貨物最近的操作員揀取該貨物，通過合理調度大大提高揀選效率。該揀選系統以語音識別技術為基礎，以室內定位技術為支撐，搭建一個快速、精準、高效的語音揀選系統，真正實現“解放雙手，解放雙眼”。

1 相關技術

　　從應用方向分析，語音識別主要分為關鍵詞語識別和聽寫系統兩個方面。關鍵詞語識別技術的目標是精確地識別說話人的語音命令，識別率要達到90%以上，用在語音控制和語音命令查詢方面，例如在手機上實現的語音撥號功能。聽寫系統是前端的聲學模型不要求精確識別，而是輸出盡可能多的音標候選，由后續的語義分析器給出擬合的文字內容，例如IBM推出的ViaVoice軟件和Google的語音搜索。但就目前的技術現狀，還未出現一個更加完善的理論模型來指導聽寫系統的發展，目前的聽寫系統還只能是實驗產品，無法達到真正理解人的自然語音的水平。所以，在目前能夠提供商業實用產品的技術，依然是關鍵詞語識別技術。本系統采用ICRoute公司設計生產的LD3321芯片作為語音識別的主控芯片，此芯片是基于關鍵詞語識別的。

　　目前室內定位采用的主要技術有GPS技術、超聲波技術、紅外線（IR）技術、WiFi技術、超寬帶（UWB）技術、射頻識別（RFID）技術等，但大多技術因受多徑效應、非視距傳播影響以及精度限制等不能得到很好的推廣。射頻識別（RFID）技術利用射頻方式進行非接觸式雙向通信交換數據以達到識別和定位的目的。這種技術作用距離短，但它可以在幾毫秒內得到厘米級定位精度的信息，且傳輸范圍很大，成本較低。同時由于其多目標識別、非接觸和非視距等優點，可望成為優選的室內定位技術。本系統采用射頻識別（RFID）技術實現倉儲人員的室內定位。

2 系統總體設計

　　基于室內定位的倉儲語音揀選系統的系統總體框圖如圖1所示，語音揀選系統主要包括語音識別部分和RFID定位部分。

　　該語音揀選系統語音識別模塊采用ICRoute公司設計生產的V280語音識別標準模塊，該模塊能夠獨立完成語音識別，并根據用戶設計實現相應的操作；模塊基于本地的語音識別，識別命令相對于“云端”語音識別，其具有沒有延遲、不受網絡穩定性影響等優點；模塊以LD3321芯片作為語音識別的主控芯片，此芯片是基于關鍵詞語的識別，采用成熟的非特定人語音識別芯片技術，能夠有效地實現語音識別，并且能夠支持語音播放功能；同時，模塊具有豐富的外設接口，方便進行控制。為實現操作人員的有效調度，提高揀選效率，系統采用先進的室內定位算法，并依據系統的特殊性進行算法改進，下面詳細介紹定位算法的實現。

3 RFID定位算法分析

　　目前，比較成熟的RFID室內定位方案有SpotON、3D-iD pinpoint和基于動態有源RFID校準定位（Location Identification based on Dynamic active RFID Calibration，LANDMARC）[2]。其中技術最成熟，應用最廣泛的是LANDMARC算法。LANDMARC算法引入參考標簽概念，應用“最近鄰”思想，求待測點位置。即以確定坐標的RFID標簽為參考，與參考標簽越近的待測標簽，其在同一個RFID讀卡器中讀得的信號強度應該越相近。然后通過相應的公式計算獲得待測標簽的坐標位置[3-5]。

　　LANDMARC算法引入參考標簽降低環境因素影響，獲得較高的定位精度。但其也存在一些不足，LANDMARC算法將所有參考標簽都設為其鄰近標簽，并計算其與待測標簽的歐氏距離，這勢必增加系統的計算量，還可能會影響到定位精度。而且為提高LANDMARC算法定位精度，就需要增加參考標簽排放密度，然而密度增加會加劇信號之間的干擾，從而又導致定位精度降低。

4 LANDMARC系統算法的應用改進

　　分析揀選系統的特性，語音揀選系統定位要求是找到離設定位置（待揀選貨物）最近的待測標簽（操作員），而不是關心所有待測標簽（操作員）的具體位置，因而不需要計算所有待測標簽的具體位置，可以先找到靠近設定位置（待揀選貨物）的一些待測標簽（操作員）形成一個集合，再在這個集合中找到離設定位置（待揀選貨物）最近的待測標簽（操作員），對其下達揀選命令。因而對LANDMARC系統進行改進。

　　對LANDMARC系統“k鄰域”算法中k的取值進行研究，實驗得到，在參考標簽的密度適中時，當k值為4時定位精度最理想[6-10]。因而，在改進算法中，以待揀選貨物所在網格的4個參考標簽為鄰居標簽，選取K個歐幾里德距離最小的待測標簽（操作員），然后利用公式求得距離貨物最近的操作員。語音揀選系統室內定位布置示意圖如圖2所示。

　　算法改進過程如下（n個閱讀器，m個參考標簽和u個待定位標簽）：

　　（1）分別獲得u個帶定位標簽關于n個閱讀器的信號強度矩陣：

　　S=S11 … S1u… … …Sn1 … Snu（1）

　　再獲得包圍待揀選貨物的矩形定點上的4個參考標簽（分別編號為a、b、c、d）關于n個閱讀器的信號強度矩陣：

　　（2）如圖3所示，當需要揀選的貨物位置在⑥、⑦、⑩、{11}參考標簽圍成的方框區域內時，分別使用6、7、10、11號參考標簽為鄰居標簽，利用式（3）得到所有以6、7、10、11號參考標簽為鄰居標簽與待測標簽的值，即為其歐式距離。根據參考標簽離需揀選貨物的距離關系，由式（4）選取Mj值最小的前K（1≤K≤u）個待測標簽，表示這K個標簽離需選取的貨物位置相對較近。其中，kj由式（5）獲得，其中di對應圖2中的距離。

　　（3）通過式（6）求得選取的該K個待測標簽的坐標（x，y）：

　　（4）得到這4個點的坐標后，利用式（7）求出e最小的點，即離（x0，y0）最近的待測標簽，其中，（x0，y0）為需選取貨物的坐標，選擇該最近的待測標簽（操作員）為接收揀選命令的操作員。

5 實驗結果分析

　　按照圖2實驗布局，每一排中相鄰兩參考標簽之間距離為2 m，每兩排之間距離為1.5 m。約定當系統選擇離待揀選貨物最近最方便的操作員完成揀選任務即為此次定位正確。通過大量實驗得到，當K<5時，隨著K的增大選取最近待測標簽的準確率提高；當K≥5時，隨著K值的增加選取最近待測標簽的準確率只存在微弱波動，而K值的增加帶來額外的計算。因而，K=5時系統性能最佳。

　　取K=5，實驗得到算法改進前后選取最近操作員正確率對比圖如圖3所示。其中，橫坐標對應圖2中待揀選貨物的序號，縱坐標為選取操作員的正確率。

　　從圖3可以看出，改進算法較原來的LANDMARC算法準確率有所提高。而且，實驗中定位錯誤時選擇的操作員的位置與在實際離待揀選貨物最近的操作員位置相鄰近。因而，系統定位準確率能達到揀選定位要求。

　　分析結果數據可知，對于2、4號待揀選貨物定位選擇操作員準確率明顯提升。以4號待揀選貨物為例，從系統布局示意圖可以看出，與4號待揀選貨物距離相對較近的有a、b、c位操作員，由無線電波在室內傳播模型分析，相對于帶定位標簽a、b，帶定位標簽c由于與貨物4周圍的14、15、18、19號參考標簽在同一條走廊上，因而路徑損耗相近，系統定位時更容易選擇c為最近操作員。由此可得，當操作員與待揀選幾何距離相近時，改進算法能夠選擇相同走廊上的操作員完成揀選工作，而避免選擇與待揀選貨物不在相同走廊上的操作員而走遠距離完成揀選任務的情況，從而提高揀選效率。

6 結論

　　本文設計了基于室內定位的倉儲語音揀選系統，系統使用ICRoute公司設計生產的V280語音識別標準模塊，完成語音命令的下達與識別。為提高揀選操作員調度效率，系統以LANDMARC室內定位算法為基礎，以語音揀選倉庫為實際應用目標，對室內定位算法進行應用改進，與原始LANDMARC算法相比較改進后的算法定位精度提高2%~60%，實用性更強。該系統具有較好的市場應用前景。

　　參考文獻

　　[1] 浦震寰．語音揀選技術的優勢與應用分析[J]．物流技術與應用，2013，18（8）：120-121．

　　[2] 潘爵雨．基于RFID的室內定位技術及其應用研究[D]．廣州：華南理工大學，2012．

　　[3] 游戰清，李蘇劍．無線射頻識別技術（RFID）理論與應用[M]．北京：電子工業出版社，2004．

　　[4] Zhao Yiyang， Liu Yunhao， NI L M. VIRE： active RFID-based localization using virtual reference elimination[C]. International Conference on Parallel Processing， ICPP 2007， 2007：56.

　　[5] NI L M， Liu Yunhao， LAU Y C， et al. LANDMARC： indoor location sensing using active RFID[C]. Proccedings of the First IEEE International Conference on Pervasive Computing and Communications， PerCom 2003， 2003： 407-415.

　　[6] 閆保中，姜琛，尹偉偉．基于RFID技術的室內定位算法研究[J].計算機仿真，2010，27（2）：320-324．

　　[7] PAPAPOSTOLOU A， CHAOUCHI H. RFID-assisted indoor localization and the impact of interference on its performance[J]． Journal of Network and Computer Applications， 2011，34（3）：902-913.

　　[8] 李魏峰．基于RFID的室內定位技術的研究[D]．上海：上海交通大學，2012．

　　[9] 周惇．基于射頻識別的室內定位系統研究[D]．西安：西安電子科技大學，2013．

　　[10] 何毅，黃俊，鄒傳云．基于RFID的虛擬標簽算法研究與改進[J].電子技術應用，2014，40（10）：99-102．