CN103268465A - 一种射频识别系统中标签类别的快速识别方法 - Google Patents

Abstract

本发明公开一种射频识别系统中标签类别的快速识别方法，包括如下步骤：A、设定标签类别的所有可能集合为全集N，其包含元素的数目为n，设定待识别标签的类别为集合T，其数目为t，设定标签类别识别错误的概率为∈。B、判断射频识别系统是否受时隙帧长度限制。C、依次对于Z中的每个时隙找到对应的X_i＝0，然后从集合N中剔除，最后剩下元素集合即为待识别标签的类别集合T，其中，零时隙的集合记为Z，X_i＝1表示i∈T，X_i＝0表示

。本发明以高概率保证了识别速度，是一种适用于大规模射频识别系统中的标签类别识别方法，具有鲁棒性高，可扩展性强和延迟小等特点。

Description

一种射频识别系统中标签类别的快速识别方法

技术领域

本发明涉及射频识别技术领域，尤其涉及一种射频识别系统中标签类别的快速识别方法。

背景技术

射频识别（Radio Frequency Identification，RFID）技术在电子护照、供应链管理、零售商品和书籍以及物品跟踪等领域已经得到大面积应用。通常一个射频标签（Tag）含有一个唯一的标志符（ID），这个ID含有标签生产厂商、商品生产者和商品类别（例如ISBN码）等信息。传统的射频识别技术通常用于寻找或搜集标签集合中所有ID的信息。但是，随着射频识别系统的大规模应用，标签数量急剧增长，在很多情况下，人们往往只对商品中的类别感兴趣，如果事先知道商品类别的信息，将大大加快标签集合的识别速度，特别在那些标签ID的分布与标签类别密切关联的情况下。

在射频识别标准中含有两种标签ID搜集的方法，第一种是基于概率的，通过构造时隙Aloha模型，在解决竞争问题，只有在无冲突的时隙进行传输的标签才能够被正确识别。第二种是确定性的，通过构造树形结构，不断地将候选标签集合进行归类，最后在叶子节点将单个标签识别出来。通常采用的树形结构有二分查找树和询问查找树，这两类树的主要区别在于二分查找树依靠标签来传输自己的ID来区别标签，而询问查找树则是通过射频阅读器发送一个字符串后，标签进行计算后匹配后回复一个可以区分成功发送或是冲突发送的短消息（short response）来区别不同标签。然而，直接应用上述几种标签ID识别算法来进行商品类别的识别，都会带来较高的延迟，无法满足大规模射频识别系统的应用需求。因此，一个好的并且快速的标签类别识别方法，最好能够与候选标签的数目（ψ）无关，而与标签的类别数目（t）相关，否则标签类别识别方法的最差情况将被ψ所限制，因为通常情况下ψ>>t。

发明内容

本发明的目的在于通过一种射频识别系统中标签类别的快速识别方法，来解决以上背景技术部分提到的问题。

为达此目的，本发明采用以下技术方案：

一种射频识别系统中标签类别的快速识别方法，其包括如下步骤：

A、设定标签类别的所有可能集合为全集N，其包含元素的数目为n，设定待识别标签的类别为集合T，其数目为t，设定标签类别识别错误的概率为∈；

B、判断射频识别系统是否受时隙帧长度限制；

C、根据步骤B的判断结果，依次对于Z中的每个时隙找到对应的X_i=0，然后从集合N中剔除，最后剩下元素集合即为待识别标签的类别集合T，其中，有标签回复的时隙称为零时隙，否则称为非零时隙，零时隙的集合记为Z，非零时隙集合记为C，X_i表示标签类别i是否属于集合T，X_i=1表示i∈T，X_i=0表示 $i\∉T$ 。

特别地，所述射频识别系统中阅读器以（m,d,p）机制向待识别的标签发送指令，其中，m为时隙帧长度，d为多重值，p为参与概率，每个标签以概率p决定自己是否参与某个帧的回复，若参与，则在m个时隙中随机选取d个时隙进行回复，选取随机时隙的过程包含随机种子R，若不参与，则不回复任何信息。

特别地,若射频识别系统不受时隙帧长度限制，则所述步骤C具体包括：

C101、阅读器计算时隙帧长度m和多重值d；

C102、阅读器发送包含时隙帧长度m、多重值d及随机种子R的时隙帧；

C103、标签根据收到所述时隙帧，计算出d个独立随机变量值，并在这d个时隙进行回复；

C104、阅读器接收时隙帧的全部回复，并针对每个零时隙进行剔除元素计算，最后剔除剩下的集合即为待识别标签的类别集合T。

特别地，若射频识别系统受时隙帧长度限制，则所述步骤C具体包括：

C201、设定标签类别的所有可能集合为全集N，其包含元素的数目为n，设定待识别标签的类别为集合T，其数目为t，设定标签类别识别错误的概率为∈；设定固定时隙帧长度M；

C202、阅读器计算轮询次数r、参与概率p及多重值d；

C203、阅读器发送包含时隙帧长度M、参与概率p及多重值d的时隙帧，此过程重复执行r次，并且每次选取不同的随机种子R；

C204、每个标签以参与概率p决定是否进行回复；

C205、阅读器接收时隙帧的全部回复，获得零时隙集合；

C206、针对每个零时隙进行剔除元素计算，最后剔除剩下的集合即为待识别标签的类别集合T。

特别地，所述步骤C101中计算出的时隙帧长度

多重值 $d=\frac{m}{t}\ln 2;$

所述步骤C103具体包括：标签根据收到所述时隙帧，计算出d个独立随机变量值Q_i(1≤i≤d)，并在每个Q_i时隙向阅读器发送回复；

所述步骤C104具体包括：阅读器接收时隙帧的全部回复，得到真实回复向量V，从而得到零时隙集合Z，并计算每个零时隙对应的应剔除元素集合S_j，最后剔除剩下的集合即为待识别标签的类别集合T=N\U_j∈zS_j，其中，获取应剔除元素集合S_j的具体过程如下：扫描集合N，对N中的每个元素i，如果元素i的d个虚拟预计回复时隙Q_i至少有一个时隙在V中对应的值为零，则元素i属于集合Sj。

特别地，所述步骤C202中多重值

若t≤M，则p=1， $r=\frac{2.082t}{m}\ln \left(\frac{n}{\∈}\right),$ 若t>M，则 $p=\frac{M}{t+1},$ $r=\frac{\mathrm{et}}{M}\ln \left(\frac{n}{\∈}\right);$

所述步骤C204具体包括：标签根据收到的M、p、d及随机种子R，决定是否以概率P参与此时隙帧的回复，若参与，则计算出d个独立随机变量值Q_i(1≤i≤d)，并在每个Q_i时隙向阅读器发送回复，若不参与，则不回复信息；

所述步骤C205具体包括：阅读器接收时隙帧的全部回复，得到真实回复向量V_k，从而得到零时隙集合Z^k；

所述步骤C206具体包括：计算每个零时隙对应的应剔除元素集合经过r轮次的剔除后，剩下的集合即为待识别标签的类别集合

其中，获取应剔除元素集合

的具体过程如下：扫描集合N，对N中的每个元素i，如果元素i的d个虚拟预计回复时隙Q_i至少有一个时隙在V中对应的值为零，则元素i属于集合

本发明能够在时隙帧长度不受限时，以高概率成功识别所有的标签类别信息，同时在时隙帧长度受限时，提供了一个使用多个固定长时隙帧的概率机制实现所有标签类别的读取，以高概率保证了识别速度，是一种适用于大规模射频识别系统中的标签类别识别方法，具有鲁棒性高，可扩展性强和延迟小等特点。

附图说明

图1为本发明实施例提供的标签类别的快速识别方法流程图；

图2为本发明实施例提供的（m,d,p）机制示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。

请参照图1所示，本实施例中射频识别系统中标签类别的快速识别方法具体包括如下步骤：

步骤S101、设定标签类别的所有可能集合为全集N，其包含元素的数目为n，设定待识别标签的类别为集合T，其数目为t，并设定标签类别识别错误的概率为∈。

步骤S102、判断射频识别系统是否受时隙帧长度限制。

步骤S103、根据步骤S102的判断结果，依次对于Z中的每个时隙找到对应的X_i=0，然后从集合N中剔除，最后剩下元素集合即为待识别标签的类别集合T，其中，有标签回复的时隙称为零时隙，否则称为非零时隙，零时隙的集合记为Z，非零时隙集合记为C，X_i表示标签类别i是否属于集合T，X_i=1表示i∈T，X_i=0表示

。

于本实施例，所述射频识别系统中阅读器以（m,d,p）机制向待识别的标签发送指令，其中，m为时隙帧长度，d为多重值，p为参与概率，每个标签以概率p决定自己是否参与某个帧的回复，若参与，则在m个时隙中随机选取d个时隙进行回复，选取随机时隙的过程包含随机种子R，若不参与，则不回复任何信息。并且假设系统可以知道每个标签准确回复的全部过程，即在阅读器后台系统中可以预先准确计算出每个标签在具体的（m,d,p）机制里回复时隙位置。实现时隙选择的最简单方法即，将m,d,p,R和标签的类别信息看作是一个均匀哈希方法的输入，输出值即为选择的相应的时隙。需要注意的是，所有同一类别的标签在一个时隙帧中的行为应该是一样的，即回复的时隙一致。如图2所示，图2为本发明实施例提供的（m,d,p）机制示意图，图中201为阅读器，202为待识别标签集合，203为（m,d,p）的构造示意，204为参与某帧回复的标签，205为不参与回复的标签。

下面根据步骤S102的判断结果，分两种情况对步骤S103进行详细说明。

一、射频识别系统不受时隙帧长度限制，即：仅使用一个时隙帧来进行标签类别的识别，那么设置参与概率P=1，即所有标签都参加这一帧的回复。在这种情况下，标签类别快速识别的具体过程如下：

步骤S10311、阅读器计算时隙帧长度m和多重值d。计算出的时隙帧长度 $m=2.082t\ln \left(\frac{n}{\∈}\right),$ 多重值 $d=\frac{m}{t}\ln 2,$ 计算的过程如下：

对于一个时隙j来说，它成为零时隙的概率为

$\mathrm{Pr}=[j\∈Z]={(1-\frac{d}{m})}^t---\left(1\right)$

对于某个标签类别i来说，其对应的d个时隙，记为这样一来，某个

不为零时隙的概率为

$\mathrm{Pr}[y_i^k\∉Z]=1-{(1-\frac{d}{m})}^t---\left(2\right)$

又因为其对应的d个时隙都是独立的，所以

$\mathrm{Pr}[y_i^1\∉Z,y_i^2\∉Z,...y_i^d\∉Z]={(1-{(1-\frac{d}{m})}^t)}^d---\left(3\right)$

定义标签类别集合为G，如果某类别i对应的d个时隙中，至少有一个为零时隙，那么i∈G。因此，

$\mathrm{Pr}[i\∈G]=1-{(1-{(1-\frac{d}{m})}^t)}^d---\left(4\right)$

又因为n-t个标签类别之间是互相独立的，那么

$\mathrm{Pr}[i\∈G,\∀i\∉T]={(1-{(1-{(1-\frac{d}{m})}^t)}^d)}^{n-t}---\left(5\right)$

因此，为满足以1-ò的高概率的识别所有标签，可以得到

$\mathrm{Pr}[i\∈G,\∀i\∉T]={(1-{(1-{(1-\frac{d}{m})}^t)}^d)}^{n-t}\≥1-\∈---\left(6\right)$

通过计算可以得到，当

时，时隙帧长度取得最小值

步骤S10312、阅读器发送包含时隙帧长度m、多重值d及随机种子R的时隙帧。

步骤S10313、标签根据收到所述时隙帧，计算出d个独立随机变量值Q_i(1≤i≤d)，并在每个Q_i时隙向阅读器发送回复。

步骤S10314、阅读器接收时隙帧的全部回复，得到真实回复向量V，从而得到零时隙集合Z，并计算每个零时隙对应的应剔除元素集合S_j，最后剔除剩下的集合即为待识别标签的类别集合T=N\U_j∈zS_j，其中，获取应剔除元素集合S_j的具体过程如下：扫描集合N，对N中的每个元素i，如果元素i的d个虚拟预计回复时隙Q_i至少有一个时隙在V中对应的值为零，则元素i属于集合S_j。

二、射频识别系统受时隙帧长度限制。在有些射频识别系统中，时隙帧的长度往往存在限制，为应对这个要求，可以引入参与概率p的多个固定长M的时隙帧的概率机制来进行应对。通过引入参与概率p，每个标签类分别以概率p决定自己是否参与到某帧的回复中，设Z^k表示第k帧中的零时隙集合，

表示第k帧中在第j个时隙回复的标签类别集合，

表示第k帧中标签类别i的状态，如果

表示被剔除，则反之

在这种情况下，标签类别快速识别的具体过程如下：

步骤S10321、设定标签类别的所有可能集合为全集N，其包含元素的数目为n，设定待识别标签的类别为集合T，其数目为t，设定标签类别识别错误的概率为∈；设定固定时隙帧长度M。

步骤S10322、阅读器计算轮询次数r、参与概率p及多重值d。计算出的多重值 $d=\min \{1,\frac{m}{t}\ln 2\},$ 若t≤M，则p=1， $r=\frac{2.082t}{m}\ln \left(\frac{n}{\∈}\right),$ 若t>M，则 $p=\frac{M}{t+1},$ $r=\frac{\mathrm{et}}{M}\ln \left(\frac{n}{\∈}\right).$

通过分析可以得知，如果某个标签类别i∈N\T在第k帧中没有被剔除，意味着两种可能，第一是由于参与概率p没有参与到该帧的回复中，第二种可能是虽然参与了，但是所有的回复时隙都不为零时隙，因此

$\mathrm{\φ}=\mathrm{Pr}[Y_i^k\≠0,i\∈N\backslash T]=(1-p)+p*\mathrm{Pr}[i\∉U_{j\∈z^k}{S}_j^k]---\left(7\right)$

其中， $\mathrm{Pr}[i\∉U_{j\∈z^k}{S}_j^k]={(1-{(1-\frac{\mathrm{pd}}{M})}^t)}^d---\left(8\right)$

因此，经过r帧的询问，某个标签类别i∈N\T被至少一帧所剔除的概率为1-φ^r，同样地，所有n-t个不在T中的标签类别是独立的，它们被成功剔除的概率为，这个概率需要满足

${(1-{\mathrm{\φ}}^r)}^{n-t}\≥1-\∈---\left(9\right)$

通过计算分析可得：

如果t≤M，那么p=1, $r=\frac{2.082t}{m}\ln \left(\frac{n}{\∈}\right);$

如果t>M，那么 $p=\frac{M}{t+1},$ $r=\frac{\mathrm{et}}{M}\ln \left(\frac{n}{\∈}\right).$

步骤S10323、阅读器发送包含时隙帧长度M、参与概率p及多重值d的时隙帧，此过程重复执行r次，并且每次选取不同的随机种子R。

步骤S10324、标签根据收到的M、p、d及随机种子R，决定是否以概率P参与此时隙帧的回复，若参与，则计算出d个独立随机变量值Q_i(1≤i≤d)，并在每个Q_i时隙向阅读器发送回复，若不参与，则不回复信息。

步骤S10325、阅读器接收时隙帧的全部回复，得到真实回复向量V_k，从而得到零时隙集合Z^k。

步骤S10326、计算每个零时隙对应的应剔除元素集合

经过r轮次的剔除后，剩下的集合即为待识别标签的类别集合其中，获取应剔除元素集合

的过程如下：扫描集合N，对N中的每个元素i，如果元素i的d个虚拟预计回复时隙Q_i至少有一个时隙在V中对应的值为零，则元素i属于集合

本发明的技术方案分别针对时隙帧长度不受限系统和时隙帧长度受限系统，设计了标签类别快速识别方法，该方法以高概率保证了识别速度，是一种适用于大规模射频识别系统中的标签类别识别方法，具有鲁棒性高，可扩展性强和延迟小等特点。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (6)

1.一种射频识别系统中标签类别的快速识别方法，其特征在于，包括如下步骤：

A、设定标签类别的所有可能集合为全集N，其包含元素的数目为n，设定待识别标签的类别为集合T，其数目为t，设定标签类别识别错误的概率为∈；

B、判断射频识别系统是否受时隙帧长度限制；

C、根据步骤B的判断结果，依次对于Z中的每个时隙找到对应的X_i＝0，然后从集合N中剔除，最后剩下元素集合即为待识别标签的类别集合T，其中，有标签回复的时隙称为零时隙，否则称为非零时隙，零时隙的集合记为Z，非零时隙集合记为C，X_i表示标签类别i是否属于集合T，X_i＝1表示i∈T，X_i＝0表示 $i\∉T$ 。

2.根据权利要求1所述的射频识别系统中标签类别的快速识别方法，其特征在于，所述射频识别系统中阅读器以（m,d,p）机制向待识别的标签发送指令，其中，m为时隙帧长度，d为多重值，p为参与概率，每个标签以概率p决定自己是否参与某个帧的回复，若参与，则在m个时隙中随机选取d个时隙进行回复，选取随机时隙的过程包含随机种子R，若不参与，则不回复任何信息。

3.根据权利要求2所述的射频识别系统中标签类别的快速识别方法，其特征在于，若射频识别系统不受时隙帧长度限制，则所述步骤C具体包括：

C101、阅读器计算时隙帧长度m和多重值d；

C102、阅读器发送包含时隙帧长度m、多重值d及随机种子R的时隙帧；

C103、标签根据收到所述时隙帧，计算出d个独立随机变量值，并在这d个时隙进行回复；

C104、阅读器接收时隙帧的全部回复，并针对每个零时隙进行剔除元素计算，最后剔除剩下的集合即为待识别标签的类别集合T。

4.根据权利要求2所述的射频识别系统中标签类别的快速识别方法，其特征在于，若射频识别系统受时隙帧长度限制，则所述步骤C具体包括：

C201、设定标签类别的所有可能集合为全集N，其包含元素的数目为n，设定待识别标签的类别为集合T，其数目为t，设定标签类别识别错误的概率为∈；设定固定时隙帧长度M；

C202、阅读器计算轮询次数r、参与概率p及多重值d；

C203、阅读器发送包含时隙帧长度M、参与概率p及多重值d的时隙帧，此过程重复执行r次，并且每次选取不同的随机种子R；

C204、每个标签以参与概率p决定是否进行回复；

C205、阅读器接收时隙帧的全部回复，获得零时隙集合；

C206、针对每个零时隙进行剔除元素计算，最后剔除剩下的集合即为待识别标签的类别集合T。

5.根据权利要求3所述的射频识别系统中标签类别的快速识别方法，其特征在于，所述步骤C101中计算出的时隙帧长度

多重值 $d=\frac{m}{t}\ln 2;$

所述步骤C103具体包括：标签根据收到所述时隙帧，计算出d个独立随机变量值Q_i(1≤i≤d)，并在每个Q_i时隙向阅读器发送回复；

所述步骤C104具体包括：阅读器接收时隙帧的全部回复，得到真实回复向量V，从而得到零时隙集合Z，并计算每个零时隙对应的应剔除元素集合S_j，最后剔除剩下的集合即为待识别标签的类别集合T＝N\U_j∈zS_j，其中，获取应剔除元素集合S_j的具体过程如下：扫描集合N，对N中的每个元素i，如果元素i的d个虚拟预计回复时隙Q_i至少有一个时隙在V中对应的值为零，则元素i属于集合S_j。

6.根据权利要求4所述的射频识别系统中标签类别的快速识别方法，其特征在于，所述步骤C202中多重值

若t≤M，则p＝1， $r=\frac{2.082t}{m}\ln \left(\frac{n}{\∈}\right),$ 若t>M，则 $p=\frac{M}{t+1},$ $r=\frac{\mathrm{et}}{M}\ln \left(\frac{n}{\∈}\right);$

所述步骤C204具体包括：标签根据收到的M、p、d及随机种子R，决定是否以概率P参与此时隙帧的回复，若参与，则计算出d个独立随机变量值Q_i(1≤i≤d)，并在每个Q_i时隙向阅读器发送回复，若不参与，则不回复信息；

所述步骤C205具体包括：阅读器接收时隙帧的全部回复，得到真实回复向量V_k，从而得到零时隙集合Z^k；

所述步骤C206具体包括：计算每个零时隙对应的应剔除元素集合

经过r轮次的剔除后，剩下的集合即为待识别标签的类别集合

其中，获取应剔除元素集合

的具体过程如下：扫描集合N，对N中的每个元素i，如果元素i的d个虚拟预计回复时隙Q_i至少有一个时隙在V中对应的值为零，则元素i属于集合

Images