CN101324917B

CN101324917B - 一种rfid标签反碰撞控制方法

Info

Publication number: CN101324917B
Application number: CN2008100295799A
Authority: CN
Inventors: 程良伦; 刘洪涛; 林伟勇; 古连华
Original assignee: Guangdong University of Technology
Current assignee: Guangdong University of Technology
Priority date: 2008-07-18
Filing date: 2008-07-18
Publication date: 2010-11-10
Anticipated expiration: 2028-07-18
Also published as: CN101324917A

Abstract

本发明公开了一种RFID标签反碰撞控制方法，在研究分析跳跃式动态树形反碰撞算法和ID预测算法的基础上，提出了一种改进的标签碰撞确定性解决方法——分组动态ID预测算法(Grouping Dynamic IPA，GDIPA)；该方法的最大特点就是：阅读器向标签发出一次问询命令，在碰撞的情况下，有可能同时识别多个标签；算法采用标签分组识别，阅读器与标签数据动态传输的方法来实现；分组动态ID预测算法大大地提高了系统的有效服务率，极大地降低了系统的通信量，表现出了优越的性能；本方法是性能优良方便实用的一种RFID反碰撞控制方法。

Description

一种RFID标签反碰撞控制方法

技术领域

本发明属于RFID标签反碰撞控制方法，具体涉及一种标签碰撞确定性解决方法——分组动态ID预测算法(Grouping Dynamic IPA，GDIPA)。

背景技术

射频识别RFID技术技术作为未来最有前途的信息技术之一，作为21世纪最具变革力与核心价值的新技术之一，近年得到了全世界的高度重视。虽然RFID有诸多优点，在很多领域都具有良好的应用前景，且已经逐渐广泛应用，但还存在许多因素制约着RFID技术的全面推广应用。其中，RFID数据传输的完整性问题是制约RFID发展的重要因素之一，直接关系到整个系统性能的优劣程度。其主要影响因素有两个方面，一是来自外界的干扰，二则是来自RFID系统本身。而RFID自身的干扰则有：阅读器碰撞，RFID系统工作范围内存在多个阅读器，且它们的作用范围出现重叠；标签碰撞，也即是多目标识别问题，阅读器的作用范围内存在多个标签，且它们同时向阅读器返回数据。由于阅读器的功能比标签强得多；相对而言，标签的碰撞问题更难于解决。

标签的碰撞，使标签无法识别，其所携带的信息也将无法读取，这将大大的降低标签的识别率。而识别率偏低将导致业务处理复杂化，这是困扰RFID技术应用推广的关键因素之一。当RFID应用于供应链管理、物流、工业自动化、零售等需要实现多目标同时识别的领域，标签的碰撞问题所造成的影响将更大。因此，非常有必要深入地去研究标签碰撞的解决方法。同时，RFID作为目前唯一可实现多目标同时识别的技术，多目标的同时识别，既是RFID技术的优势所在，也是RFID技术的技术难题之一。

韩国Hyun Jun Yeo等提出了ID预测算法(ID Prediction Algorithm，IPA)，该算法其实是通过count-bit实现标签的分组识别，该算法的最大优点就是阅读器问询一次可能有多个标签同时被识别，大大减少了阅读器的问询次数和问询比特，但阅读器需要首先搜索count-bit，这增加了阅读器问询量；同时，标签在返回数据时携带了冗余信息，因此该算法有待进一步改善，以减少系统通信量。

中国的余松森提出的跳跃式动态树形(Jumping and Dynamic Searching，JDS)反碰撞算法是对BSRI(二进制树形搜索Binary-tree Searching base on Regressive Index，BSRI)算法的改进，解决BSRI算法中通信量冗余的问题，采用动态的方式传输标签ID，节省了约34.92％的系统通信量。但系统的有效服务率也就稳定在50％。中国的谢振华等改进了JDS算法，提出在标签返回信息中如果出现只有一位碰撞的情况，可以马上识别出两个标签，一定程度上提高了系统性能。

以上两种方法的主要缺陷是：算法问询次数多和数据通信量大；算法存在传输冗余数据的问题。本发明提出的分组动态ID预测算法(GDIPA)能改善这两方面的问题。

发明内容

本发明的目的在于考虑上述问题的基础上，提出的一种改进的标签碰撞确定性解决方法——分组动态ID预测算法(Grouping Dynamic IPA，GDIPA)。

一种RFID标签反碰撞控制方法--GDIPA方法的步骤如下：

步骤1)阅读器发送Active指令Request(R_prefix2，L+1)，请求符合要求的标签应答；

步骤2)处于准备状态的标签接收到指令后，比较自身T_prefix是否与Active指令的R_prefix2相等，如果是，则响应；否则继续等待Active指令；

步骤3)阅读器接收标签的返回信息。如果无标签响应，转到步骤8)；如果只有一个标签响应，识别这个标签，进一步处理后发送Quiet指令，然后转到步骤8)；如果碰撞，分两种情况处理：如果R_prefix2＝0，则直接识别全“1”和全“0”两个标签，对他们处理后，转到步骤8)；否则转到步骤4)；

步骤4)统计N_cb、N_c、N₁和N_r的值：

①如果N_r＝1或者N_r＝N_c-1，直接识别N_c个标签；如果采用了JDS算法，且R_prefix1不等于2^L-1，则采用回跳策略产生下一次Request指令，转步骤6)；否则转到步骤8)；

②如果N_r≠1且N_r≠N_c-1，转到步骤5)；

步骤5)采用JDS算法，阅读器将当前的R_prefix1压入堆栈，如果是Active指令后的第一次采用JDS算法，则把2^L-1压入堆栈，然后根据碰撞的数据产生下一个Request指令，也即将最高碰撞位x置0，高于该位的值不变，此值作为R_prefix1，形成下一次Request指令Request(R_prefix1，x)；

步骤6)处于激活状态的标签收到Request指令后，比较自身ID的L-1～x位是否小于等于R_prefix1，符合则响应，否则继续保持活动状态；

步骤7)阅读器收到标签的返回数据，检测是否有碰撞：

①如果没有碰撞，就直接识别标签，并检查R_prefix1是否等于2^L-1，如果是，转到步骤(8)；否则，采用回跳策略，产生下一次Request指令转步骤6)；

②如果发生碰撞，转到步骤4)；

步骤8)R_prefix2加1，如果溢出，识别过程结束，否则转到步骤1)。

GDIPA方法的约定：

GDIPA中标签具有三种状态，分别是：

(1)准备状态(Ready)：处于该状态的标签等待并检测阅读器发送过来的指令，当接收到激活(Active)指令时，转入活动状态。

(2)活动状态(Lively)：处于该状态的标签接收阅读器的问询(Request)指令，根据指令返回自身ID的部分或全部到阅读器，当接收到静默(Quiet)指令时，转入静默状态。

(3)静默状态(Silent)：处于该状态的标签不响应阅读器的任何指令，直到离开阅读器的识读范围重新复位。

同时，标签具有计算自身ID中比特“1”的个数的功能，并将计算结果存入标签的内存中，称此值为T_prefix。假设标签的ID长度为L，那么ID中比特“1”的个数可能选取[0～L]中的任意一个值，此时需要log₂L+1个比特存放这个值。为了减少这个值对标签内存的占用，可以将比特“1”的个数为L的情况统计为0，这时只需要log₂L个比特来存放T_prefix。最后，为了保证碰撞位的准确判断，响应的标签应该能同一时间上传数据。

为了实现GDIPA，阅读器需要以下4种主要指令，它们分别是：

(1)请求指令(Request)：该指令带有两个参数，格式为“Request(R_prefix1，x)”。假设标签ID的长度为L，x可以取[0～L]的任意值，占log₂L+1个比特值。x的作用与JDS算法问询指令中的“x”相似，表示标签ID发生碰撞的最高位的下标(标签ID的下标为0～L-1)。处于活动状态的标签收到该指令后，比较自身ID的L-1～x位是否小于或等于R_prefix1，如果是则应答，否则不应答。处于准备状态的标签不应答。

(2)激活指令(Active)：指令格式为“Active(R_prefix2)”，假设标签ID的长度为L，R_prefix2需占log₂L个比特。处于准备状态的标签收到此指令后，比较自身的T_prefix是否与R_prefix2相等，如果是则响应，否则继续保持准备状态。在实际的操作中，为了使标签识别这两种指令，文中采用“Request(R_prefix2，L+1)”来实现Active指令的功能。标签只需检测Request指令的第二个参数是否为L+1，便可区分Active和Request指令。

(3)选择指令(Select)：对于已经识别的标签发送这个指令，并对其进行其他操作(如写入信息等)。

(4)静默指令(Quiet)：对已经识别并处理的标签发送Quiet指令，使标签进入静默状态。

GDIPA方法的原理：

由上文标签状态分析可以知道，T_prefix是标签ID中比特“1”的个数，这个值就相当于IPA算法的count-bits。那么标签ID中比特“1”的个数相同的标签将拥有相同T_prefix值。标签进入阅读器问询区间，阅读器首先发送Active指令。该指令的基本思想就相当于对标签进行分组识别，而分组的根据是标签ID中所拥有的比特“1”的个数。收到指令后，标签比较自身的T_prefix是否与Active指令中的R_prefix2相同，如果不相同，标签就保持准备状态，等待下一次Active指令；否则，标签响应。阅读器收到标签的返回数据，并统计计算N_cb、N_c、N₁和N_r四个量，这些量的意义如下：

N_cb：也就是T_prefix的值，它表示标签ID中比特“1”的个数；

N_c：表示阅读器所接收到的数据中，发生碰撞的总位数，这通过Manchester编码来实现；

N₁：表示在阅读器所收到的数据中，已经识别出来的比特“1”的个数；

N_r：表示标签ID中还没有被识别的比特“1”的个数。容易知道：

N_r＝N_cb-N₁ (1)

接着，阅读器分析N_r的值，判断标签可以被阅读器识别的情况。

(1)当N_r＝0时，由公式(1)可以知道，这时标签ID中的所有比特“1”均被识别，标签上送的数据没有发生碰撞，一个标签将被识别。在GDIPA中，这种情况可以直接，不需要计算N_r的值。

(2)当N_r＝1时，根据公式(1)，知道标签ID中未被识别的比特“1”的个数只有一个，而此时标签数据的碰撞位数为N_c，这说明比特“1”必须在这N_c个碰撞位中都出现过，而其余的N_c-1个碰撞位为比特“0”，根据排列组合的思想，这种组合有C_Nc ¹种可能，因此阅读器可以同时识别N_c个标签。

(3)当N_r＝N_c-1时，这说明标签ID中已被识别的比特“1”个数为N_c-1，而相反未被识别的比特“0”的个数为1个，而且比特“0”必须在这N_c个碰撞位中都出现过，同理，可以知道，这种组合有C_Nc ¹种可能，所以阅读器可以同时识别N_c个标签。

(4)当N_r不满足上述的三种情况，说明阅读器仍然没有足够的信息可以识别标签，此时将采用JDS算法，假设标签ID的长度为L，算法要点如下：

1)阅读器首先发送Request(R_prefix1，x)指令，符合条件的标签应答。

2)检测是否有碰撞发生，如果有，确定碰撞的最高位。

3)如果碰撞发生，假设碰撞的最高位下标为x，将碰撞的最高位置0，高于该位的比特位不变，得到新R_prefix1的值为ID_L-1～x。

4)如果没有发生碰撞，则可识别单个标签。标签的ID为R_prefix1的值和标签应答返回的ID_x-1～0值的组合。处理完后，发送Quiet指令，使标签进入静默状态。同时，下一次Request指令采用回跳策略，从父结点处获得。

执行完一次JDS算法后，GDIPA并不是不断的重复上述算法，而是进行新一轮的N_cb、N_c、N₁和N_r四个量的统计计算，并通过判断N_r的值确定下一步的识别步骤。如此循环，直到阅读器作用范围内的标签都识别完毕。

GDIPA方法的最大特点是：阅读器向标签发出一次问询命令，在碰撞的情况下，有可能同时识别多个标签。算法采用标签分组识别，阅读器与标签数据动态传输的方法来实现。分组动态ID预测算法大大地提高了系统的有效服务率，极大地降低了系统的通信量，表现出了优越的性能。

附图说明

图1阅读器问询的总次数；

图2阅读器问询的平均次数；

图3阅读器问询的总比特数；

图4阅读器问询的平均比特数；

图5标签应答的总次数；

图6标签应答的平均次数；

图7标签应答的总比特数；

图8标签应答的平均比特数；

图9阅读器问询的总次数；

图10阅读器问询的平均次数；

图11阅读器问询的总比特数；

图12阅读器问询的平均比特数；

图13阅读器问询的总次数；

图14阅读器问询的总比特数；

图15标签应答的总次数；

图16标签应答的总比特数；

图17系统的有效服务率；

图18几种算法的系统通信量比较。

具体实施方式

我们按如下步骤来实施一种RFID标签反碰撞控制方法--GDIPA方法：

步骤3)阅读器接收标签的返回信息。如果无标签响应，转到步骤(8)；如果只有一个标签响应，识别这个标签，进一步处理后发送Quiet指令，然后转到步骤(8)；如果碰撞，分两种情况处理：如果R_prefix2＝0，则直接识别全“1”和全“0”两个标签，对他们处理后，转到步骤(8)；否则转到步骤(4)；

步骤4)统计N_cb、N_c、N₁和N_r的值：

①如果N_r＝1或者N_r＝N_c-1，直接识别N_c个标签；如果采用了JDS算法，且R_prefix1不等于2^L-1，则采用回跳策略产生下一次Request指令，转步骤(6)；否则转到步骤(8)；

②如果N_r≠1且N_r≠N_c-1，转到步骤(5)；

步骤7)阅读器收到标签的返回数据，检测是否有碰撞：

①如果没有碰撞，就直接识别标签，并检查R_prefix1是否等于2^L-1，如果是，转到步骤(8)；否则，采用回跳策略，产生下一次Request指令转步骤(6)；

②如果发生碰撞，转到步骤(4)；

步骤8)R_prefix2加1，如果溢出，识别过程结束，否则转到步骤(1)。

GDIPA仿真及其分析：

本发明GDIPA是基于IPA和JDS算法而提出的一种改进算法，基于Windows XP操作系统，编写C程序，仿真标签的识别过程。仿真程序可以选择8比特或16比特的标签ID长度，以及选择随机或者有序地生成标签ID，对不同的标签数量进行仿真。同时，仿真程序还分别统计以下四个方面的数据：(1)阅读器问询的总次数以及总比特数；(2)阅读器问询的平均次数以及平均比特数；(3)标签应答的总次数以及总比特数；(4)标签应答的平均次数以及平均比特数。然后，本文结合Matlab工具，从以下几个方面详细地分析GDIPA的性能。

GDIPA与IPA、JDS和BSRI方法的比较：

选择8比特的标签ID长度，采用随机生成标签ID的方法，对1～200个标签进行识别过程的仿真。并分别对GDIPA、IPA、JDS算法和BSRI算法的阅读器问询次数及比特数和标签的应答次数及比特数这几个量进行统计，其仿真结果如图1～8所示。

分析上述的仿真结果，可以得到以下几个结论：

(1)BSRI算法与JDS算法的阅读器问询次数和标签的应答次数分别相等。JDS算法的阅读器问询的比特数大于BSRI算法。IPA相比较于BSRI算法和JDS算法而言，大大减少了阅读器的问询次数和问询比特数，而标签的应答次数与后两者相当，但却大大增加了标签应答比特数。

(2)GDIPA在阅读器问询量和标签应答量两个方面都表现出了极大的优越性。

1)在阅读器问询量方面：例如标签数量为200时，采用GDIPA的阅读器需要发送63次的问询和468个问询比特；IPA需要发送129次的问询和900个问询比特；JDS算法需要发送401次的问询和3939个问询比特；而BSRI算法需要发送401次的问询和3208个问询比特。GDIPA比IPA分别节省了51.63％和48％的问询量；比JDS算法分别节省了84.29％和88.10％的问询量；而比BSRI算法分别节省了84.29％和85.41％的问询量。

2)在标签应答量方面：标签数量为200时，GDIPA要求标签应答751次，应答4561个比特；IPA要求标签应答1735次，应答20820个比特；JDS算法要求标签应答1755次，应答8595个比特；而BSRI算法要求标签应答1755次，应答14040个比特。GDIPA比IPA分别节省了56.71％和78.31％的应答量；比JDS算法分别节省了57.21％和47.46％；而比BSRI算法分别节省了57.21％和67.51％。

(5)在标签数量小于标签ID的长度时，GDIPA的问讯量和平均问询量会相对比较大，这是因为GDIPA采用了分组识别的思想，对标签ID中比特“1”的个数的所有可能都进行问询，例如标签ID的长度分别为8比特，则GDIPA最少也需要8次的问询，这将在下面作进一步分析。

标签数量较少情况下，GDIPA的仿真结果及分析：

GDIPA因为采用了分组问询的思想识别标签。因此，无论标签数量的多少，该算法的最少问询次数都不会少于标签的ID长度，这导致了在标签数量较少的情况下，阅读器的问询量比较大的问题。由于GDIPA的这种特殊性，有必要对这种情况作进一步研究。这里仍选取8比特的标签ID长度，对1～20个标签进行仿真，统计阅读器的问询量，仿真结果如图9～图12所示。

上述的仿真结果表明，在标签数量比较少的情况下，GDIPA的问询次数及问询比特数均大于IPA；但随着标签数量的增加，这种差距很快的缩小，GDIPA的优越性很快体现出来。

图10～图12都显示了相似的特性。

GDIPA识别随机或有序标签ID的仿真结果及分析：

选择16比特的标签ID长度，标签ID分别为随机和有序序列的情况下，对1～2000个标签，进行GDIPA识别过程的仿真，其仿真结果如图13～16所示。

仿真结果表明，GDIPA识别有序标签ID的性能高于识别随机标签ID的性能，这是符合GDIPA的思想。这种特点非常适合于物流或仓库等需要大量识别整批同类物品的场合。

系统有效服务率的分析：

从开始碰撞产生，到所有碰撞问题得以解决这段时间叫做解决碰撞的时间间隔(CollisionResolution Interval，CRI)。而有效服务率所指的就是在CRI这个区间内，成功传送的信息包的数量。RFID系统的有效服务率，就是阅读器作用范围内待识别的标签数量与阅读器识别这些标签所消耗的总问询次数的比值。根据图1，不难得出GDIPA、IPA、JDS算法和BSRI算法的有效服务率，如图17所示。

从图17可以看出，JDS算法和BSRI算法的有效服务率稳定在50％，GDIPA在IPA的基础上，采用分组识别的思想，减少了IPA算法中对count bits部分的问询指令，所以更进一步提高了有效服务率。当标签数量为200时，IPA的有效服务率约为150％，而GDIPA的已经超过了300％。

系统通信量的统计比较：

RFID系统的通信量是指在标签的识别过程中，系统总共传输的比特数。它由阅读器的通信量和标签的通信量两部分组成。阅读器的通信量是指阅读器在识别标签的过程中总共发出的问询比特数；而标签的通信量是指在识别过程中标签应答的总比特数。

通过分析，标签ID选择16比特，对1～170个标签，分别采用GDIPA、IPA、JDS方法和BSRI进行仿真，统计各算法的系统通信量。可得结果如图18所示。

可以见，ID-BTS的系统通信量最少。GDIPA的系统通信量与QT-im相当，少于ID-BTS外的其它所有算法。ID-BTS算法虽然通信量少，但这是以增加阅读器的搜索次数和延长总的搜索时间为代价的。用仿真程序统计标签数量为1～170时，GDIPA的总问询次数，也即搜索次数，它与ID-BTS和QT-im的比较如表1所示。

表1 GDIPA与ID-BTS、QT-im搜索次数的比较

表1

从表中可以看出，ID-BTS和QT-im两种算法的搜索次数均大于GDIPA。

GDIPA仿真结果总结：

总结GDIPA的仿真结果，可见，虽然在标签数量较小的情况下，GDIPA阅读器的问询量和标签的应答量相对于BSRI方法、JDS方法和IPA会比较大，但这个不足随着标签数量的增加而迅速的消除，GDIPA很快地显示了其优越性。系统有效服务率和系统通信量的进一步分析，同样表明了GDIPA相对于其他方法的巨大优越性，该方法确实大大地改进了RFID标签的识别过程，提高了RFID系统多标签同时识别的性能。

Claims

1.一种RFID标签反碰撞控制方法，其特征在于包括有如下步骤：

步骤3)阅读器接收标签的返回信息，如果无标签响应，转到步骤8)；如果只有一个标签响应，识别这个标签，进一步处理后发送Quiet指令，然后转到步骤8)；如果碰撞，分两种情况处理：如果R_prefix2＝0，则直接识别全“1”和全“0”两个标签，对他们处理后，转到步骤8)；否则转到步骤4)；

步骤4)统计N_cb、N_c、N₁和N_r的值：

N_cb：是T_prefix的值，它表示标签ID中比特“1”的个数；

N_c：表示阅读器所接收到的数据中，发生碰撞的总位数；

N_r：表示标签ID中还没有被识别的比特“1”的个数；

②如果N_r≠1且N_r≠N_c-1，转到步骤5)；

步骤5)采用JDS算法，阅读器将当前的R_prefix1压入堆栈，如果是Active指令后的第一次采用JDS算法，则把2^L-1压入堆栈，然后根据碰撞的数据产生下一个Request指令，也即将R_prefix1值中最高碰撞位x置0，高于该位的值不变，得到新的R_prefix1值，形成下一次Request指令Request(R_prefix1，x)；

步骤7)阅读器收到标签的返回数据，检测是否有碰撞：

②如果发生碰撞，转到步骤4)；

步骤8)R_prefix2加1，如果溢出，识别过程结束，否则转到步骤1)；

其中：激活指令Active：指令格式为“Active(R_prefix2)”，假设标签ID的长度为L，R_prefix2需占log₂ L个比特；处于准备状态的标签收到此指令后，比较自身的T_prefix是否与R_prefix2相等，如果是则响应，否则继续保持准备状态；在实际的操作中，为了使标签识别这两种指令，文中采用“Request(R_prefix2，L+1)”来实现Active指令的功能；标签只需检测Request指令的第二个参数是否为L+1，便可区分Active和Request指令；

请求指令Request：该指令带有两个参数，格式为“Request(R_prefix1，x)”；假设标签ID的长度为L，x可以取[0～L]的任意值，占log₂ L+1个比特值；x的作用与JDS算法问询指令中的“x”相似，表示标签ID发生碰撞的最高位的下标，标签ID的下标为0～L-1，；处于活动状态的标签收到该指令后，比较自身ID的L-1～x位是否小于或等于R_prefix1，如果是则应答，否则不应答；处于准备状态的标签不应答；

静默指令Quiet：对已经识别并处理的标签发送Quiet指令，使标签进入静默状态。