《基于盲源分离的动态帧时隙估计算法》由会员分享,可在线阅读,更多相关《基于盲源分离的动态帧时隙估计算法(9页珍藏版)》请在金锄头文库上搜索。
1、基于盲源分离的动态帧时隙估计算法 高树静 杨丽娟 谢清华 青岛科技大学信息科学技术学院 青岛海信网络科技股份有限公司 摘 要: 本工作提出一种基于盲源分离的动态帧时隙估计算法 (BSDFA) , 由于天线数量对采用了盲源分离思想的帧时隙估计算法有影响, 进一步提出根据天线数量、标签数量和初始帧时隙数来精确估计下一帧的帧时隙数的方法, 以此提高帧识别率。通过验证, 基于盲源分离的动态帧时隙估计算法的帧识别率高于盲分离的帧时隙超高频 RFID 系统防碰撞算法 (BSFA) 的帧识别率。关键词: 盲源分离; ICA; 动态帧时隙; 多天线; RFID; 作者简介:高树静 (1976) , 女, 副教
2、授.收稿日期:2017-03-01基金:山东省科技发展计划项目 (2013YD01038) Dynamic Frame Slot Estimation Algorithm Based on Blind Source SeparationGAO Shujing YANG Lijuan XIE Qinghua College of Information Science and Technology, Qingdao University of Science and Technology; Hisense TransTech Co, LTD; Abstract: In this paper, a
3、 dynamic frame size estimation algorithm based on blind source separation (BSDFA) is proposed.Its core idea is to estimate the number of slots in the next frame according to the number of antennas, the number of tags and the number of slots in the previous frame.The experimental results show that ou
4、r proposed algorithm has better performance than BSFA algorithm.Keyword: blind source separation; ICA; dynamic frame slot; multi-antennas; RFID; Received: 2017-03-01RFID 系统工作时, 当阅读器的信号范围内存在多个标签, 同一时隙中有两个或两个以上的标签向阅读器发送返回信号时, 这一时隙的信号就会相互干扰, 导致时隙中所有标签都不能识别, 严重影响了帧识别率及系统的整体识别效率, 这个问题就是 RFID 系统的标签碰撞问题1,
5、防碰撞算法的研究主要包括标签估计和帧时隙估计2两个方向。标签估计和帧时隙估计的目的都是减小标签碰撞的概率, 其中标签估计的目的是估计出阅读器识别范围内的标签数量, 包括 Schoute 标签估计法3、切比雪夫不等式标签估计法4、空闲时隙标签估计法、贝叶斯标签估计法、扩展的生日悖论标签估计法5等。帧时隙估计的目的是预测下一帧中最佳的时隙数, 其中 Vogt 预测6提出了根据帧时隙数和标签数的关系来确定下一帧的时隙数;EPC Gen2 标准7中采用的是 Q-Algorithm 的自适应信息帧长设置, 即当一帧中出现过多的空时隙或碰撞时隙时, 采用提前结束该帧的方案;BSFA 算法8是根据标签数 n
6、 动态选择时隙数。但是帧时隙的大小与初始帧的长度, 天线的数量以及标签数有关, 然而以上算法中的帧时隙估计算法未涉及到天线的数量, 不能估计最佳的时隙数, 导致帧识别率低, 影响了系统的识别效率。针对以上问题, 并为了解决一个时隙只能识别一个标签的问题, 本研究采用了盲源分离 (blind source separation, BSS) 9的动态估计帧时隙的思想。BSS 的思想就是对碰撞的标签信号进行盲分离10, 即通过盲分离算法将混合的信号分离出与原始信号相似的信号。独立分量分析11 (independent component analysis, ICA) 是常用的盲源分离方法之一, 该算
7、法利用了源信号间的统计独立性, 并基于两个不确定性 (即源信号排列顺序的不确定性与源信号幅度和极性的不确定性) 假设进行盲分离。在已有的研究中, 盲源分离的思想已应用于 RFID 系统的标签识别中, 如基于位隙动态分组的盲分离多标签防碰撞算法 (BSDBG) 12、BSFA 算法等, 这些研究表明盲源分离的思想完全适用于 RFID 的标签识别系统, 且在一定程度上提高了系统的识别效率, 但是在这些算法中, 未考虑天线数量对帧时隙数估计的影响, 导致帧识别率相对较低。因此, 本工作考虑了天线数量对帧时隙估计算法的影响, 针对已有算法中帧识别率低的缺点, 提出了基于盲源分离的动态帧时隙估计算法 (
8、dynamic frame slot estimation algorithm based on blind source separation, BSDFA) 来估计帧时隙数, 进一步提高帧识别率。1 基于盲源分离的帧时隙估计1.1 基于盲源分离的碰撞标签读取ICA 方法可以将时隙中碰撞的标签信号进行盲分离, 提高 RFID 系统的识别效率13。基于盲源分离的标签识别模型如图 1 所示12。图 1 基于 ICA 方法的多标签多天线 RFID 系统结构 Fig.1 Multi-label multi-antenna RFID system structure based on ICA 下载原图
9、图 1 中假设一个时隙中有 n 个标签, 这 n 个标签的返回信号记为 S1, S2, S3, , Sn;阅读器有 M 个天线 (受硬件设计以及费用等的约束, M8) , M 个天线接收 N 个标签信号无规则混合的 M 个混合信号, 记为 X1, X2, X3, , Xm。这 M个混合信号经阅读器的 ICA 方法处理后分离出与标签信号近似的分离信号, 记为 Y1, Y2, Y3, , Yn。信号盲源分离算法的数学模型为式中:S=S 1, S2, , Sn为 N 个未知的标签信号, X=X 1, X2, , Xm为已知的M 个天线接收的混合信号, E 为噪声, A 为 MN 维列满秩的瞬时线性矩
10、阵。在忽略噪声的情况下, 盲源分离的数学模型为标签信号的盲源分离问题就是利用观测到的混合信号 X 与原始信号 S 之间的相对独立性, 同时借助于原始信号概率分布的先验知识来恢复出原始信号, 采用ICA 方法时, 要满足两个条件:1) 观测信号的数目不小于原始信号的数目, 即 mn;2) 原始信号 S 中不允许有两个以上的信号是高斯信号。RFID 信号的概率分布为超高斯分布, 其信号的非高斯性用函数 G (u) 来估计。其中, a1。阅读器天线接收到标签信号后, 首先对混合信号 X 进行预处理, 去除其均值并进行白化, 使其协方差矩阵为单位矩阵, 得到新的信号 Z, 分离矩阵 W=w1, w2,
11、 , wn, 其中 wi=wi1, wi2, , win, 1in, 为输出估计信号 Y=Y1, Y2, , Yn的分离系数矢量8。其中 E为均值。对矢量 wi进行正交化, 如果 wi收敛, 则通过公式 (2) 计算估计信号 Y=Y1, Y2, , Yn, 式中 Y 为源信号 S 的最优逼近, 如果 wi不收敛, 则重复运算公式 (2) 直至算法收敛。由以上分析可知, 盲源分离思想的关键是得到分离矩阵 W, 然后通过矩阵变换将接收到的混合信号进行分离, 得到与源信号 X 最相近的分离信号 Y, 通过盲源分离思想中的 ICA 方法, 就可将时隙中碰撞的标签识读出来, 但 ICA 方法要求碰撞标签
12、信号的个数不大于天线的个数, 因此, 通过合理的时隙数选择使每个时隙的标签数目满足这一要求来提高帧识别率。1.2 帧时隙估计算法采用 ICA 的方法可以提高系统的识别效率, 但是, ICA 方法的使用还与此帧中的时隙数有关, 只有最佳的时隙数才能更好的提高系统的识别效率。若时隙数过少, 则每个时隙中的标签数就越多, 当时隙中的标签数多于天线的数量时, 就无法采用 ICA 的方法识别碰撞标签;若时隙数过多, 空闲时隙的数量就越多, 浪费系统时间;因此时隙数的大小, 会影响系统的识别效率。在标签识别过程中, 设标签数为 n, 初始帧时隙数为 N, 天线数为 M, 则每个标签选择单个时隙的概率为服从
13、二项分布函数14, 即 r 个标签选择同一个时隙的概率为则在未采用盲源分离的多天线 RFID 系统中, 一帧中时隙为空的概率为一帧中时隙成功识别的概率为一帧中时隙碰撞的概率为在初始帧中, 令空时隙数为 c0, 成功时隙数为 c1, 碰撞时隙数为 ck15, 则帧识别率等于时隙成功识别数除以帧时隙数。即未采用盲源分离思想的帧识别率为在多天线 RFID 系统中, 采用盲源分离的思想可以将碰撞时隙中的标签识别出来, 在碰撞时隙中可被识别时隙的概率为时隙中碰撞标签的数量大于 1 小于等于 M的时隙数与时隙中碰撞标签数量大于 1 的时隙数的比值, 记为 , 其中碰撞标签的数量大于 1 小于等于 M 的概
14、率记为 pm。那么 与标签数量 n 和天线数 M 的关系如图 2 所示。图 2 与 n 和 M 的关系 Fig.2 Relationship between, nand M 下载原图从图 2 中可以看出:天线数越多, 值越大, 且随着标签数量的增多; 值减小, 在时隙数不变的情况下, 符合实际情况。由图 2 可知, 采用盲源分离之后, 之前未能识别的部分时隙又可被识别, 提高了识别效率, 尤其当天线数为 8 时, 效果明显。则采用盲源分离的思想之后, 空时隙数 bc0, 成功时隙数 bc1, 失败时隙数 bck可记为16则采用盲源分离思想后的帧识别率 2为为求最佳的时隙数, 求 2的导数, 即
15、得到最佳的时隙数在 RFID 系统中, 当第一帧结束时, 可知此帧中空时隙、成功时隙、失败时隙的数量, 并根据已有的标签估计算法, 估计出阅读器识别范围内标签的总数量 n, 然后就可以估算下一帧中需要识别的标签数量 n1。根据式 (21) 就可以估算出下一帧的最佳时隙数 N1。2 算法仿真由式 (21) 可知下一帧的时隙数 N1与天线数, 标签数, 初始帧的时隙数有关。仿真时, 将本工作提出的 BSDFA 算法与 BSFA 算法的帧识别率进行对比。对比结果如图 3、4、5 所示。图 3、4、5 中, 横坐标为估算出的下一帧需要识别的标签数 n1, 纵坐标是预测时隙数 N1的帧识别率, 分别对比
16、了在天线数为 2、4、8时的帧识别率。在本次仿真中, 标签数量 n=0200, 初始帧 N=32。图 4 BSDFA 和 BSFA 的帧识别率对比 (M=4) Fig.4 BSDFA and BSFA frame recognition rate comparison (M=4) 下载原图图 5 BSDFA 和 BSFA 帧识别率对比 (M=8) Fig.5 BSDFA and BSFA frame recognition rate comparison (M=8) 下载原图由图 2、3、4 可知:BSDFA 的帧识别率优于 BSFA, 当天线数为 2 时, 优势明显。3 结语本工作提出的基于盲源分离的动态帧时隙估计算法 (BSDFA) , 具有较高的帧识别率。采用此方法估算的时隙数可使得多数时隙中碰撞的标签数目不大于天线的数目, 极大的满足了使用