《基于模运算标签分类的rfid标签防碰撞识别的策略研究3700字_计算机类论文》由会员分享，可在线阅读，更多相关《基于模运算标签分类的rfid标签防碰撞识别的策略研究3700字_计算机类论文（3页珍藏版）》请在金锄头文库上搜索。
1、基于模运算标签分类的RFID标签防碰撞识别的策略研究3700字1概述无线射频识别技术(Radio Frequency Identification,简称RFID)是一种非接触的 自动识别技术，其基木原理是利用射频信号或空间耦合(电感或电磁耦合)的传输特性，实 现对物体或商品的白动识别。RFID技术同其它的H动识别技术(条形码技术、光学识别和 生物识别技术，包括虹膜、血部、声音和指纹)相比，具有抗干扰能力强、信息量大、非视 觉范|韦|读写和寿命长等特点，被广泛应用于物流、供应链、动物和车辆识别、门禁系统、图 书管理、自动收费和生产制造等领域1。RFID系统主要的难题在于多标签碰撞时较低的标 签数
2、据识读率，多标签碰撞是指当多个标签同时存在于同一个射频信道内时，阅读器无法读 取标签数据的现象。目前，解决RFID标签阅读冲突问题最广泛的是帧时隙ALOHA算法和二 进制搜索算法。由于简单实用，帧时隙ALOHA算法应用更为频繁2,例如TSO/IEC18000-6 Type A协议和EPC Classi协议都是使用帧时隙ALOHA算法。2基本算法研究2. 1帧时隙ALOHA算法帧时隙ALOHA (Framed Slotted ALOHA, ESA)算法是一种随机时分多址方式的用户信 息通信收发算法。该算法将信道用信息帧表示，其中，帧是指由阅读器要求的包含若干时隙 的时间间隔。信息帧可以分成多个时
3、隙，其中，时隙是指标签发送自身标识的时间长度。当 一个时隙只被一个标签占一有时，阅读器才会正确识别该标签，而当一个时隙内有2个或2 个以上标签时，会发生碰撞，读写器无法正确识别，若时隙为空则跳过3。ALOHA 算法吞吐率低，仅为 18. 4%o 帧时隙 ALOHA 算法 FSA (Framed Slot ted ALOHA) 是基于ALOHA算法的扩展，FSA算法在帧长约等于未识别的标签数日时吞吐率最大，约为 36. 8%4。基于ALOIIA算法的一些改进算法如动态帧时隙ALOIIA算法ALOIIA(Dynamic Slotted ALOHA) 5是根据标签数量来动态调整帧长的方法以保证最大吞
4、吐效率的。因此在标签数量 少时这类概率性防碰撞算法的识别效率不高，而且消耗时隙量大。2. 2二进制搜索算法二进制搜索算法又称为二叉树搜索算法，它要求能够在阅读器中确定数据碰撞位的准 确位豊。因此，必须要有合适的位编码法。曼彻斯特码川上升沿表示0,用下降沿表示1, 在数据传输过程中不允许/没有变化0的状态。如果采用ASK调制方式，当2个(或多个) 应答器同时发送的数据位为不同的值，则对应的曼彻斯特码的上升沿和下降沿互相抵消，接 收到的副载波就是不间断的，造成一种错误的状态，从而可以确定碰撞位置。基于二进制的防碰撞算法,国外的研究有很多，比如BBT (bit-by-bit tree) 6算 法。B
5、BT算法的基木思想是：阅读器发送请求命令，请求标签冋送序列号。响应的标签每次 只发送1位序列号。如果阅读器端没有发生冲突，则在内存中保存该接收位,然后请求下 一位；如果阅读器处发生冲突，则将该冲突位分为2支，即分支0和分支1,从中选择一个 分支，然后请求下一位。阅读雅重复上述过程直至序列号的每一位祁被识别。国内主要研究 的有：基于后退式的二进制搜索算法7,当识别出一个标签后，算法根据上一次请求命令 参数來获得下一个请求命令，以此来极大地缩短识别过程；动态二进制搜索算法和多状态二 进制搜索算法8等，主要通过减少基木算法中阅读器命令和标签响应信息中存在的大量兀 余数据来提高识别效率。虽然这类确足性
6、防碰撞算法识别率高，适应大规模标签数量的场合, 但是这类算法需要发送全部或部分标签EPC进行搜索，对于标签代码位数较多的情况，存在 标签与阅读器Z间的通信量过大的问题9。3基于模运算标签分类的RFTD标签防碰撞识别方法为了提高大最标签存在时的识别效率,提出了一种基于模运算标签分类的RFID标签防 碰撞识别方法，采用逐级分组机制，每一组只有少量标签，一般可将每组标签数控制在少于 4个。木方法构造出一种有利于标签识别的碰撞环境，使得每组的标签具有大量相同位和少 最碰撞位的特征，结合曼彻斯特编码的特征和二进制搜索算法的特点可以高效的识别标签。 阅读器识别标签的具体步骤如图1所示3. 1标签数量估计阅
7、读器初始化，使所有标签进入激活状态。接着阅读器选择一个数估计帧长，一般选 择较大的数，例如256。阅读器向可读取范围内的所有标签发送标签预估命令-Estimate命 令，标签根据最大帧长的ALOIIA算法发送各自EPC编码，阅读器统计碰撞时隙，空闲时隙和 成功识别时隙个数，利用概率知识估算标签数量。3. 2标签分组3. 2. 1阅读器发送分组次数阅读器计算标签分组次数k, k的计算方法：其中N为第一步估计出的标签数量。阅读器将k作为参数附加请求与命令Query 一起 发送给所有标签，作为这一帧的开始。假设经过笫一轮的标签佔计，标签数量为N=100,计 算标签分纟R次数k二6。阅读器设置这一帧的
8、时隙个数为2E64,即帧长L为64。3. 2. 2标签分组计算根据上文计算出的分组次数k,对标签的EPC编码进行k次摸2运算，根据运算结果 对标签进行分组。下面详细说明：标签收到RFID阅读器发送的k值示，将计数器的值设为 ko开始进行k次取模运算。由于标签ID模2运算相当于右移一位操作，下文将以标签ID 位数来更育观的说明，如图2所示。第1次分组，将余数为0的分为一组，在前32个时隙 发送，余数为1的分为另一组，在后32个时隙发送，相当于将EPC编码最低位为0和最低 位为1的标签分开。执行该次运算后，标签将0或1存储在临时寄存器的最高位，计数器值 减一。第2次分组，标签EPC编码模22运算，
9、将次低位分别为0和1的ID分开，即分为“00”， “10”，“01”，“11”四纟R,标签将0或1存储在临时寄存器的次高位，依此类推，通过 6次分组后，100个标签被分为64组，分别在64个时隙里发送。通过比较标签ID和时隙的 对应关系可以发现，EPC编码的后k位数和发送的时隙Z间存在逆序关系，例如1D后6位 为101100的标签将在第001101 （即-|迪制数13）个时隙发送。将经过逆序处理Z后的标签 分组序列存储在临时寄存器中，以供标签匹配。3.2.3标签按时隙发送标签分组完成示，检测当前时隙号和标签临时寄存器中存储的分纟H.号是否匹配，若匹 配则标签发送信息，若不匹配则标签设为sile
10、nce状态。4仿真分析在RFTD系统中，吞吐率和系统识别率是衡量RFTD系统好坏的主要指标。而吞吐率和 系统识别率这两个参数绘紧密联系的，故在此仅讨论系统识别率。系统识别率公式：其中a为系统识别率，NT为标签数量，S为总时隙数。下面结合具体实例进行分析。 假设第1到20时隙的分组结果为：表中第一列为时隙号，其余列的每行为在该时隙发送的标签的EPC编码。由于时隙号 对应EPC编码，因此标签只需发送部分EPC编码即可。例如第2个时隙中的标签，其后6 位的编码为100000 （逆序），所以EPC编码为928的标签只需发送前4位1110即可（EPC 编码10位情况下）。再根据曼切斯特编码的特性结合二进
11、制搜索算法，以第2个时隙为例，阅读器收到标 签信息后，得到信号为X1XX,阅读器再次发送QueryAdjust命令附加参数0111,当前时隙 的三个标签收到该命令示，检测发送编码是否小于0111,小于则计数器置0并冋复EPC编 码,大于则计数器置1并转为wait状态。阅读器成功识别编码为0110 （416）的标签后， 再次发送QueryAdjust命令附加参数1111,剩余两个标签计数器置0并|叫复，接下来的过 程和二进制搜索算法相同。在第2个时隙中，需要阅读器与标签5回合的交互来完成识别。 当时隙中标签数量为2个时，则只需要3回合的交互。阅读器通过这一帧64个时隙后，识别全部标签，整个读取过
12、程结束。下面通过计算机对ALOHA算法、二叉树后退式索引算法和木文所提岀的算法进行 Matlab仿真实验，实验条件相同，标签为100-1000个。在仿真中，横坐标为标签数目，纵 坐标为系统识别率，可得仿真结果如图2所示。如图2所示，经过Matlah仿真计算，在相同标签数目条件下，木文提出的方案系统识 别率较高。5结论木方法可以对大量标签进行快速分组，同时对标签进行排序，不断减少同组标签的碰 撞位，以利用曼彻斯特编码的性质一次识别两个标签。通过标签分组序列号和时隙号的对应 关系，减少标签发送编码的长度。由于分组中的标签数量非常少，而且标签具有大最相同的 位，因此木方法很好的发挥了曼彻斯特编码的特性和二进制后退式搜索算法的特点，提高了 多标签识别效率。
