1.一种RFID无设备人体追踪系统的择优标签方法，其特征在于包括如下步骤：S1，区域划分，将监控区域划分为N个位置；对监控区域进行了网格划分，监控的位置由*集合L＝{L0,L1,L2,…,LN}表示，其中L0表示当前的监控区域没有目标；

S2，特征提取及计算，提取每个位置一段时间内采样的T个RSSI的均值和方差，并且将该段时间RSSI的分布与所在位置建立映射关系；

当发现监控区域内有目标出现时，RSSI的分布开始变化，采集RSSI，作为训练数据，根据监控区域内布局的标签所反射回的信号，得到1个RSSI矩阵，形状为N×T其中T为采样数，*然后对RSSI进行了平均值和方差的特征抽取，在监控区域内的不同位置Li，Li∈L，不断地采集RSSI信号；

S3，构建深度学习模型，根据T的RSSI序列 解析相应的位置序列即人体真实的移动轨迹，i表示第i个位置，包括如下步骤：

S31，采用神经网络对RSSI序列进行解析，给定单个输入RSSI序列和输出位置序列对i i i i(X ,Y)，对数概率P(X ,Y)的计算方法为：

其中：

Y同理，表示长度为T的序列标记， 表示第i个训练向量中第t时刻的数据，t∈T表示神经网络第t时刻，即第t次采样， 表示第i个训练向量对应的标s记向量中第t个时刻的标记， 表示第i个训练向量对应的标s记向量中第1到T个时刻的标记；

*

S32，θ由带参数θ的循环神经网络，通过隐层状态向量h进行计算，当前时刻的隐层状态向量 由上个时刻的 和输入 得到，计算式为式中， 由循环神经网络计算式为：

式中，f(·)为tanh函数；

S33， 由当前时刻隐层状态向量 线性投影到分数向量实现，其输出经过线性层转换维度和归一化，输出所有位置的分数，最后选取分数最高的位置作为输出；

S4，标签布局方式选择，根据深度学习模型对于位置的分类正确率，择优选择标签；在RFID信号覆盖的区域内，在区域外围的所有交点处放置标签，在监控区域内，每个标签自身都有解析RSSI信号的能力，并且对每个位置的解析能力各有不同，训练完成后观察每一个模型在测试数据集上的表现，对每个位置筛选一个正确率最高的模型，即标签，对每个位置都筛选完后，去掉未被选中的模型，即标签。

2.根据权利要求1所述的一种RFID无设备人体追踪系统的择优标签方法，其特征在于所述S3中，将2个神经网络进行连接得到seq2seq模型，seq2seq模型由一个编码器和解码器构成将RSSI序列通过词嵌入扩展成多维的列向量，随后经过编码器输出统一的语义向量hT，即维度大小为h的隐层状态向量，随后将语义向量hT传给解码器，用于解码器获得更准确的位置序列S。

3.根据权利要求2所述的一种RFID无设备人体追踪系统的择优标签方法，其特征在于对解码器引入注意力机制，将ct向量与隐层向量ht拼接，然后通过全连接层恢复维度，为了得到ct向量，首先计算解码器中t时刻隐层状态ht对编码器中每个隐层状态 的权值at(s)：式中， 为t时刻解码器隐层状态向量的转置，s’表示编码器长度， 表示编码器隐层向量，exp(·)表示指数函数；

利用权值at(s)计算所有隐层状态加权和ct：

然后将得到的ct与解码器中t时刻原始的隐层向量ht进行拼接为：式中，Wc为全连接矩阵，目的是将拼接向量的维度降低；

然后将h′t乘以权重Who和偏置bho进行输出：

yt＝softmax(Whoh'+bho)                       (7)式中，softmax(·)为归一化函数。

4.根据权利要求3所述的一种RFID无设备人体追踪系统的择优标签方法，其特征在于所述神经网络，采用循环神经网络RNN，RNN网络中权值是共享的，即Who与bho相等。

5.根据权利要求2所述的一种RFID无设备人体追踪系统的择优标签方法，其特征在于使用多种训练方式，最后选择训练时间短，正确率高的训练方式，模型的编码器和解码器的

2个部分被联合训练，训练目标是最大化对数似然函数，神经网络的训练任务是使用梯度下降法来寻找一组参数θ*，为模型的训练数据对 传给模型数据对中的输入数据xi，以最大化正确的序列yi的对数似然，条件似然函数为：式中，θ表示网络中所有参数的集合；

训练模型所使用的损失函数如下：

式中，M为数据量，即采样数，损失值越小，模型预测与真实情况越接近。

6.根据权利要求2所述的一种RFID无设备人体追踪系统的择优标签方法，其特征在于训练时，模型的解码器会使用上一时刻的输出yt‑1作为当前时刻t的输入，即yt‑1→xt，在每个训练期间随机决定使用yt‑1还是y’t‑1，y表示真实确定的标记，而y’表示模型预测的标记，在不同的epoch使用不同的p，由p的概率选取yt‑1，1‑p的概率选取y’t‑1。

7.根据权利要求1所述的一种RFID无设备人体追踪系统的择优标签方法，其特征在于所述S1中使用N个列表对象来存储RSSI，代表每个标签收集到的RSSI。

8.根据权利要求7所述的一种RFID无设备人体追踪系统的择优标签方法，其特征在于根据单位时间内，对监控区域内标签的平均采样数，当列表的长度超过预设值时，求列表这段长度对应的RSSI的平均值和方差。