0 弁言
拣选（Order Picking）作业是指按订单或出库单的哀求，从存储场所选出物品并放置在指定地点的作业，拣选作业是物流中央作业中最为关键的环节之一。传统的拣选办法有拣选单拣选、标签拣选、射频RF拣选等。随着物流业的飞速发展，传统的拣选办法不仅束缚了拣选事情效率，而且存在本钱高、差错率大等不敷。因而，本文设计了基于语音识别的拣选系统，与传统拣选技能比较，语音分拣技能具有极大提高订单准确度、提高事情效率、培训哀求低和投资回报率高档上风[1]。在国外，语音拣选系统已有成功案例，但在我国，由于本土化问题，如中文识别播报，语音拣选技能在海内还没有很好的运用。本文设计的系统利用中文语音识别模块，能够很好地运用于语音仓储拣选。
在拣选作业过程中，将近50%的韶光花费在拣选的路上。为提高拣选的效率，本文引入室内定位技能，选择离待拣选货色最近的操作员拣取该货色，通过合理调度大大提高拣选效率。该拣选系统以语音识别技能为根本，以室内定位技能为支撑，搭建一个快速、精准、高效的语音拣选系统，真正实现“解放双手，解放双眼”。
1 干系技能
从运用方向剖析，语音识别紧张分为关键词语识别和听写系统两个方面。关键词语识别技能的目标是精确地识别说话人的语音命令，识别率要达到90%以上，用在语音掌握和语音命令查询方面，例如在手机上实现的语音拨号功能。听写系统是前真个声学模型不哀求精确识别，而是输出尽可能多的音标候选，由后续的语义剖析器给出拟合的笔墨内容，例如IBM推出的ViaVoice软件和Google的语音搜索。但就目前的技能现状，还未涌现一个更加完善的理论模型来辅导听写系统的发展，目前的听写系统还只能是实验产品，无法达到真正理解人的自然语音的水平。以是，在目前能够供应商业实用产品的技能，依然是关键词语识别技能。本系统采取ICRoute公司设计生产的LD3321芯片作为语音识别的主控芯片，此芯片是基于关键词语识别的。
目前室内定位采取的紧张技能有GPS技能、超声波技能、红外线（IR）技能、WiFi技能、超宽带（UWB）技能、射频识别（RFID）技能等，但大多技能因受多径效应、非视距传播影响以及精度限定等不能得到很好的推广。射频识别（RFID）技能利用射频办法进行非打仗式双向通信交流数据以达到识别和定位的目的。这种技能浸染间隔短，但它可以在几毫秒内得到厘米级定位精度的信息，且传输范围很大，本钱较低。同时由于其多目标识别、非打仗和非视距等优点，可望成为优选的室内定位技能。本系统采取射频识别（RFID）技能实现仓储职员的室内定位。
2 系统总体设计
基于室内定位的仓储语音拣选系统的系统总体框图如图1所示，语音拣选系统紧张包括语音识别部分和RFID定位部分。
该语音拣选系统语音识别模块采取ICRoute公司设计生产的V280语音识别标准模块，该模块能够独立完针言音识别，并根据用户设计实现相应的操作；模块基于本地的语音识别，识别命令相对付“云端”语音识别，其具有没有延迟、不受网络稳定性影响等优点；模块以LD3321芯片作为语音识别的主控芯片，此芯片是基于关键词语的识别，采取成熟的非特定人语音识别芯片技能，能够有效地实现语音识别，并且能够支持语音播放功能；同时，模块具有丰富的外设接口，方便进行掌握。为实现操作职员的有效调度，提高拣选效率，系统采取前辈的室内定位算法，并依据系统的分外性进行算法改进，下面详细先容定位算法的实现。
3 RFID定位算法剖析
目前，比较成熟的RFID室内定位方案有SpotON、3D-iD pinpoint和基于动态有源RFID校准定位（Location Identification based on Dynamic active RFID Calibration，LANDMARC）[2]。个中技能最成熟，运用最广泛的是LANDMARC算法。LANDMARC算法引入参考标签观点，运用“最近邻”思想，求待测点位置。即以确定坐标的RFID标签为参考，与参考标签越近的待测标签，其在同一个RFID读卡器中读得的旗子暗记强度该当越附近。然后通过相应的公式打算得到待测标签的坐标位置[3-5]。
LANDMARC算法引入参考标签降落环境成分影响，得到较高的定位精度。但其也存在一些不敷，LANDMARC算法将所有参考标签都设为其临近标签，并打算其与待测标签的欧氏间隔，这势必增加系统的打算量，还可能会影响到定位精度。而且为提高LANDMARC算法定位精度，就须要增加参考标签排放密度，然而密度增加会加剧旗子暗记之间的滋扰，从而又导致定位精度降落。
4 LANDMARC系统算法的运用改进
剖析拣选系统的特性，语音拣选系统定位哀求是找到离设定位置（待拣选货色）最近的待测标签（操作员），而不是关心所有待测标签（操作员）的详细位置，因而不须要打算所有待测标签的详细位置，可以先找到靠近设定位置（待拣选货色）的一些待测标签（操作员）形成一个凑集，再在这个凑集中找到离设定位置（待拣选货色）最近的待测标签（操作员），对其下达拣选命令。因而对LANDMARC系统进行改进。
对LANDMARC系统“k邻域”算法中k的取值进行研究，实验得到，在参考标签的密度适中时，当k值为4时定位精度最空想[6-10]。因而，在改进算法中，以待拣选货色所在网格的4个参考标签为邻居标签，选取K个欧几里德间隔最小的待测标签（操作员），然后利用公式求得间隔货色最近的操作员。语音拣选系统室内定位支配示意图如图2所示。
算法改进过程如下（n个阅读器，m个参考标签和u个待定位标签）：
（1）分别得到u个带定位标签关于n个阅读器的旗子暗记强度矩阵：
S=S11 … S1u… … …Sn1 … Snu（1）
再得到包围待拣选货色的矩形定点上的4个参考标签（分别编号为a、b、c、d）关于n个阅读器的旗子暗记强度矩阵：
（2）如图3所示，当须要拣选的货色位置在⑥、⑦、⑩、{11}参考标签围成的方框区域内时，分别利用6、7、10、11号参考标签为邻居标签，利用式（3）得到所有以6、7、10、11号参考标签为邻居标签与待测标签的值，即为其欧式间隔。根据参考标签离需拣选货色的间隔关系，由式（4）选取Mj值最小的前K（1≤K≤u）个待测标签，表示这K个标签离需选取的货色位置相对较近。个中，kj由式（5）得到，个中di对应图2中的间隔。
（3）通过式（6）求得选取的该K个待测标签的坐标（x，y）：
（4）得到这4个点的坐标后，利用式（7）求出e最小的点，即离（x0，y0）最近的待测标签，个中，（x0，y0）为需选取货色的坐标，选择该最近的待测标签（操作员）为吸收拣选命令的操作员。
5 实验结果剖析
按照图2实验布局，每一排中相邻两参考标签之间间隔为2 m，每两排之间间隔为1.5 m。约定当系统选择离待拣选货色最近最方便的操作员完成拣选任务即为这次定位精确。通过大量实验得到，当K<5时，随着K的增大选取最近待测标签的准确率提高；当K≥5时，随着K值的增加选取最近待测标签的准确率只存在微弱颠簸，而K值的增加带来额外的打算。因而，K=5时系统性能最佳。
取K=5，实验得到算法改进前后选取最近操作员精确率比拟图如图3所示。个中，横坐标对应图2中待拣选货色的序号，纵坐标为选取操作员的精确率。
从图3可以看出，改进算法较原来的LANDMARC算法准确率有所提高。而且，实验中定位缺点时选择的操作员的位置与在实际离待拣选货色最近的操作员位置相临近。因而，系统定位准确率能达到拣选定位哀求。
剖析结果数据可知，对付2、4号待拣选货色定位选择操作员准确率明显提升。以4号待拣选货色为例，从系统布局示意图可以看出，与4号待拣选货色间隔相对较近的有a、b、c位操作员，由无线电波在室内传播模型剖析，相对付带定位标签a、b，带定位标签c由于与货色4周围的14、15、18、19号参考标签在同一条走廊上，因而路径损耗附近，系统定位时更随意马虎选择c为最近操作员。由此可得，当操作员与待拣选几何间隔附近时，改进算法能够选择相同走廊上的操作员完成拣选事情，而避免选择与待拣选货色不在相同走廊上的操作员而走远间隔完成拣选任务的情形，从而提高拣选效率。
6 结论
本文设计了基于室内定位的仓储语音拣选系统，系统利用ICRoute公司设计生产的V280语音识别标准模块，完针言音命令的下达与识别。为提高拣选操作员调度效率，系统以LANDMARC室内定位算法为根本，以语音拣选仓库为实际运用目标，对室内定位算法进行运用改进，与原始LANDMARC算法比较较改进后的算法定位精度提高2%~60%，实用性更强。该系统具有较好的市场运用前景。
参考文献
[1] 浦震寰．语音拣选技能的上风与运用剖析[J]．物流技能与运用，2013，18（8）：120-121．
[2] 潘爵雨．基于RFID的室内定位技能及其运用研究[D]．广州：华南理工大学，2012．
[3] 游战清，李苏剑．无线射频识别技能（RFID）理论与运用[M]．北京：电子工业出版社，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] 闫保中，姜琛，尹伟伟．基于RFID技能的室内定位算法研究[J].打算机仿真，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的室内定位技能的研究[D]．上海：上海交通大学，2012．
[9] 周惇．基于射频识别的室内定位系统研究[D]．西安：西安电子科技大学，2013．
[10] 何毅，黄俊，邹传云．基于RFID的虚拟标签算法研究与改进[J].电子技能运用，2014，40（10）：99-102．
