2 定位算法
上文已经描述了通过RFID系统获取机器人基本位置的方法。然而，同步定位的精度与RFID标签的间距以及硬件设备的性能密切相关。文中提出的基于RFID系统的同步定位与地图创建算法通过一些基本坐标信息来预测移动机器人的运动轨迹并定位。各国研究者已经提出了多种地图表示方法，大致可分为3类：栅格地图、几何特征地图和拓扑地图。本文使用几何特征地图，用几何特征表示传感器网络中的一个传感地标。地图中的地标和机器人的位置用直角坐标系表示。
当RFID标签进入阅读器的磁场范围时，阅读器读取其坐标数据X（ x，y ），并根据该坐标值计算机器人到各个已知路标间的距离，已知路标用标签表示。
2.1 不确定性信息处理
作为SLAM 的信息来源，机器人本体的运动模型及其携带的传感器的准确性是决定地图精度的关键之一。实际上这些渠道获得的信息都带有不同程度的不确定性。在未知环境中，环境信息的不确定性尤为明显。感知信息的不确定必然导致地图和定位双方的不确定。研究人员已经提出了多种用来处理不确定性的度量方法，如模糊度量、概率度量、信任度量、可能性度量等。目前在SLAM 中使用较多的主要是模糊度量和概率度量的方法。本文采用概率度量来处理不确定性。用概率表示SLAM 中2个重要模型：观测模型和运动模型。
2.2 观测模型
观测模型P（ x t ，y t ）是已知t时刻机器人位置和路标位置集合M 的条件下求t时刻观察值五的条件概率。离散时间t=1，2，3，。。.;s = （ x s ， y s ）表示通过RFID获得的机器人位置;
表示t时刻得到的整个系统总观测值。
t 时刻机器人到某一路标的距离d是路标坐标f i （ x f i ，y f i ）与机器人位置坐标st （ x s ，ys ）的函数，f i （ x f i ，y f i ）表示第i个路标的实际位置。模型中的噪声用q表示。观测模型可以表示为：