CN103679099A - 一种用于大量rfid标签系统中的防碰撞方法 - Google Patents

Abstract

一种用于大量RFID标签系统中的防碰撞方法，将识别过程中时隙的状态分为三种：空闲状态、成功状态和碰撞状态，在每一轮标签识别过程中，均进行标签数估计，保证了参与每一轮识别标签数具有更高的精度，在估计到的标签数中剔除已识别的标签，采用标签数补充机制，在每轮标签识别完成后，从待识别组中取合适数量的标签补充到识别组中，保持识别组中的标签数N_gt,m≈F。本发明提供了一种有效适用于大量RFID场合、精确度较高、识别率良好的用于大量RFID标签系统中的防碰撞方法。

Description

一种用于大量RFID标签系统中的防碰撞方法

技术领域

本发明涉及RFID标签系统，尤其是一种用于大量RFID标签系统中的防碰撞方法。

背景技术

一个基本RFID系统通常由RFID阅读器和RFID标签组成。通常RFID阅读器通过射频无线电和附着在物体上的电子标签通信来识别物体（读取标签中的唯一的ID号）。阅读器应当能够尽可能的快速的识别标签，然而由于标签和阅读器通信共享一个无线信道，RFID系统工作时经常会有一个以上电子标签同时处于阅读器的作用范围内。当这些电子标签同时将自身携带的数据(自身的ID序列号且是唯一的)传送给读写器时，阅读器读取数据就会出现冲突即数据碰撞，进而导致的通信的失败。为了解决信号之间的相互干扰，产生了防碰撞技术。在射频识别技术发展过程中，防碰撞技术是关键技术之一，是否具有高效易实现的防碰撞技术是衡量系统性能的主要指标。

一个基本的RFID系统由一个RFID阅读器和N_all个RFID标签组成。在某一时刻，N(N≤N_all)个标签同时出现在RFID阅读器的射频覆盖范围或工作范围内。我们称这些在场标签为工作标签。为了描述的方便，我们把工作标签总数N简称为标签总数；把N_all称为系统标签总数。在下文中，除非特殊说明，所提标签都是工作标签。

RFID阅读器为了识别所有工作标签，将所用帧分为F个时隙。由于N>>F，甚至N>>2F，导致当所有工作标签同时响应阅读器请求时，发生碰撞，以至于标签信息无法正确读出。

是针对于N特别大的情况，即N>>2F时，如何能够让RFID阅读器在保持最高效率的情况下，读出所有工作标签。这一问题的传统解决方法是对工作标签进行平均分组，然后逐一识别每组标签，最终实现识别所有标签的目的。但是，传统算法中存在着两个致命弱点：

（1）要求标签估算算法在任何情况下都保持足够精确；否则，重新分组后，标签仍然发生严重碰撞，导致识别率和整体效率大幅度降低。

（2）为了保持每组标签的识别率较高，必须保持每组标签数和帧时隙总数F相匹配。但是，由于一般F=2^j，j=1，2，3，…，8,即使采用通常效率较高的动态帧时隙ALOHA（DFSA）算法也无法保证最佳的识别率。

所以，传统RFID防碰撞算法只适用于工作标签数量较小的情况，具体说，N≤2F的情况下。此时，标签估计算法保持线性，也就是说，估计结果比较准确。但是，对于大量工作标签，即N>2F时，由于标签估计算法中作为依据的碰撞率变得非常大，甚至接近1，估计结果的准确性急剧下降。这种情况下，即使采用分组算法，由于所估计的工作标签总数不准，分组后的碰撞率可能依然很高，阅读器识别率依然不能达到最优效果。

发明内容

为了克服已有RFID防碰撞技术的不能适用于大量RFID场合、精确度较低、识别率较差的不足，本发明提供了一种有效适用于大量RFID场合、精确度较高、识别率良好的用于大量RFID标签系统中的防碰撞方法。

本发明解决其技术问题所采用的技术方案是：

一种用于大量RFID标签系统中的防碰撞方法，所述大量RFID标签系统由一个RFID阅读器和N_all个RFID标签组成，在某一时刻，N个标签同时出现在RFID阅读器的射频覆盖范围或工作范围内，N≤N_all，RFID阅读器将所用帧分为F个时隙，N>>F，将识别过程中时隙的状态分为三种：空闲、成功和碰撞，所述空闲状态是指该时隙中没有标签处于发送信息的状态；所述成功状态：该时隙中只有一个标签发送信息，阅读器能够成功识别该标签的状态；所述碰撞状态是指该时隙中有两个或两个以上的标签同时发送信息，阅读器不能成功识别任何一个标签；

所述防碰撞方法包括以下步骤：

1）第一轮识别：

阅读器通过发送请求向其工作范围内的标签发送帧时隙总数信息，每一个标签随机的选择一个时隙向阅读器发送其数据。发生碰撞的标签会在下一个帧中重新发送数据，那些发送数据成功的标签会处于休眠状态，不再响应以后的阅读器的请求命令，阅读器就完成了第一轮标签识别；完成第一轮的识别后，对识别结果，即空闲时隙数、成功时隙数和碰撞时隙数，进行统计，根据统计结果估算出待识别标签数N_t,1，本轮中所识别标签数N_r,1；根据估算值，本轮所剩的未识别标签总数为N_ut,1=N_t,1-N_r,1，使N_ut,1与F相比较；

1.1)如果N_ut,1≤αF，不对标签进行分组，视为单组。一般情况下，α根据需要在[1.5,2)间取值；

1.2)如果N_ut,1>αF，对未识别标签进行分组识别；

2）分组过程：将标签分为识别组和待识别组，识别组中的标签均对阅读器的识别请求做出响应；待识别组中的标签暂时不对阅读器的请求指令做出响应；

根据估算结果N_t,1和识别结果N_r,1，将估计所得的N_ut,1个未识别标签分为识别组和待识别组，其中，识别组有N_gt,1个标签，待识别组中有N_wt,1=N_ut,1-N_gt,1个标签；

设定N_gt,1≈F，先将所有标签虚拟分为M₁组：

在M₁组中任选一组作为识别组，其它M₁-1组标签归为待识别组；则根据估算，第一轮识别后，识别组中有N_gt,1个标签：

那么，N_gt,1≈F，待识别组中的标签总数估计为N_wt,1=N_ut,1-N_gt,1；

3）第m轮识别：令N_t,m表示识别组中，第m轮估算得到的参与识别的标签总数。N_r,m为第m轮中所识别的标签数。N_ut,m,N_ua,m分别为第m轮识别结束后估算的未识别标签数和实际的未识别标签数；

N_a,m表示第m轮识别组中的实际工作标签总数，那么，N_ut,m=N_t,m-N_r,m，N_ua,m=N_a,m-N_r,m。

N_wt,m，N_wa,m分别表示第m轮开始时，待识别组中的估计标签总数和实际标签总数；

第m-1轮识别后，识别组中未识别的标签总数估计为N_ut,m-1，待识别组中估计标签数为N_wt,m-1，设定N_gt,m≈F，从待识别组中选取N_ct,m-1个标签补充到识别组中；具体做法如下：

3.1)先将待识别组中的标签虚拟分为M_m-1组：

3.2)从M_m-1组中任选一组补充到识别组中，则

那么，识别组中的标签总数估计为N_ut,m-1+N_ct,m-1，待识别组中的标签数为N_wt,m-1-N_ct,m-1；

每进行完一轮识别，则从待识别组中取若干标签补充到识别组中，动态保持识别组中的标签数和每帧的时隙数相近，重复以上过程，直至待识别组中的标签数N_wt,m为零，则终止循环。

进一步，所述防碰撞方法还包括以下步骤：

4）当待识别组中的标签数为零，终止循环之后，阅读器向其工作范围内的N_ua,m个标签发送请求指令，进一步识别标签，具体识别的方法如下：

对N_ua,m个标签完成第一轮识别后，对识别结果，即空闲时隙数C₀、成功时隙数C₁和碰撞时隙数C₂，进行统计；根据统计结果估算出待识别标签数N_t，然后根据待识别的标签数N_t，阅读器动态调整参与下一轮识别的帧时隙数；设当前的帧时隙数为F，调整方法如下：

a.如果C₂≥0.7F，则将参与下一轮识别的帧时隙数调整为2F；

b.如果C₂<0.7F，则将参与下一轮识别的帧时隙数调整为F；

c.如果C₂接近于零，则将参与下一轮识别的帧时隙数调整为0.5F；

根据识别结果，重复执行以上a，b，c过程，直至在一个读循环没有一个标签被识别，就认为所有的标签均被识别。

本发明的技术构思为：设阅读器所用的每帧的时隙总数为F，工作标签总数为N，那么，有k标签落在同一个给定时隙中的概率服从以下的二项分布：

$B_{N,F}\left(k\right)=\left(\begin{array}{c}N\\ K\end{array}\right){\left(\frac{1}{F}\right)}^k{(1-\frac{1}{F})}^{N-k}---\left(1\right)$

因此，在一个读循环中，读取成功，即k=1，时隙数的期望值为：

${\mathrm{\&alpha;}}_1^{F,N}=F\&CenterDot;N\left(\frac{1}{F}\right){(1-\frac{1}{F})}^{N-1}---\left(2\right)$

同理，空闲，即k=0，时隙数的期望值为：

${\mathrm{\&alpha;}}_0^{F,N}=F{(1-\frac{1}{F})}^N---\left(3\right)$

发生碰撞，即k≥2，时隙数的期望值为：

${\mathrm{\&alpha;}}_{k\&GreaterEqual;2}^{F,N}=F\&CenterDot;\left(\begin{array}{c}N\\ K\end{array}\right){\left(\frac{1}{F}\right)}^k{(1-\frac{1}{F})}^{N-k}---\left(4\right)$

用系统效率η表示只含有一个标签的时隙数与当前每帧时隙总数的比值。由公式（3）可知，系统效率η可以表示为：

$\mathrm{\&eta;}=\frac{{\mathrm{\&alpha;}}_1^{F,N}}{F}---\left(5\right)$

对公式（6）求导并使结果为零，可以得到工作标签的最优数目和每帧时隙总数的关系为：

其中，

表示不小于x的最小整数。

当N_opt>>1时，利用泰勒级数化简，就可以得到：

F_opt≈N_opt    (7)

由上式可知，当工作标签总数N和每帧时隙总数F的大小相当时，系统效率η=36.8%，接近最佳。为方便计算，一般情况下，F=2^j，j=1，2，3，…，8。

本发明的有益效果主要表现在：

1）在第一轮识别中，新算法根据线性范围和可能的标签数采用F=256，相较于EDFSA算法采用的F=128，使得估计函数的线性估计范围变大，有效的提高了估计标签数的精度，整体上提高了方法的性能，如图4中的Proposed one曲线所示。从4F到8F，F=256,Proposed one方法相较于EDFSA算法实现了更好的性能。

2）在Proposed one方法的基础上，新算法采用分组识别方法，将所有标签分成识别组和待识别组。新方法只处理两组标签，且识别组中有着和标签总数相比数量较少的标签，有效降低了计算复杂度，使得处理延迟大幅度缩短，整体上更进一步提高了算法的性能，如图4中曲线Proposed two所示。另外，算法的执行对CPU利用率更低，占有较低的内存。

3）在每一轮标签识别过程中，均进行标签数估计，保证了参与每一轮识别标签数具有更高的精度。

4）在估计到的标签数中剔除已识别的标签，比如：将剩余标签数N_ui,t=N_i,t-C_i,1作为未识别标签数。参与下一轮识别的标签总数减少并更接近实际值，有效降低了系统的计算时间，提高了下一轮标签识别的精度。

5）采用标签数补充机制，在每轮标签识别完成后，从待识别组中取合适数量的标签补充到识别组中，保持识别组中的标签数N_gt,m≈F，使得识别组中标签的识别效率保持在η=36.8%的最佳水平，切实提高了系统的识别效率。

6）从小规模直到较大规模(N≤2000)数量标签存在的情况下，都可以应用，并且实现了较好的性能。如图4中曲线Proposed two所示，当标签数N≤4F，F=256，新算法性能较EDFSA算法性能提高维持在10%左右4F<N≤8F，F=256，较EDFSA性能的增加最高可达48%；此算法的适用范围比现有算法也有了大幅度的提高。

附图说明

图1是用于大量RFID标签系统中的防碰撞方法的流程图。

图2是采用的初始帧时隙数为F=128的示意图。

图3是采用的初始帧时隙数为F=256的示意图。

图4是本发明的方法与EDFSA算法的性能比较图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1～图4，一种用于大量RFID标签系统中的防碰撞方法，将识别过程中时隙的状态分为三种：空闲、成功和碰撞，空闲状态是指该时隙中没有标签处于发送信息的状态；所述成功状态是指该时隙中只有一个标签发送信息，阅读器能够成功识别该标签的状态；所述碰撞状态是指该时隙中有两个或两个以上的标签同时发送信息，阅读器不能成功识别任何一个标签的状态；

由于N>>F,识别过程分为若干轮进行，下面，对其中的关键步骤进行详细说明。

所述防碰撞方法包括以下步骤：

1）第一轮识别：

阅读器通过发送请求向其工作范围内的标签发送帧时隙总数信息，每一个标签随机的选择一个时隙向阅读器发送其数据，发生碰撞的标签会在下一个帧中重新发送数据，那些发送数据成功的标签会处于休眠状态，不再响应以后的阅读器的请求命令，阅读器就完成了第一轮标签识别；完成第一轮的识别后，对识别结果，即空闲时隙数、成功时隙数和碰撞时隙数，进行统计。根据统计结果估算出待识别标签数N_t,1，本轮中所识别标签数N_r,1。由此可知，根据估算值，本轮所剩的未识别标签总数为N_ut,1=N_t,1-N_r,1。使N_ut,1与F相比较，这里F=256。

1.1)如果N_ut,1≤αF，不对标签进行分组，视为单组。一般情况下，α根据需要在[1.5,2)间取值。

1.2)如果N_ut,1>αF，对未识别标签进行分组识别。

2）分组过程：将标签分为识别组和待识别组：

识别组中的标签均对阅读器的识别请求做出响应。

待识别组中的标签暂时不对阅读器的请求指令做出响应。

根据估算结果N_t,1和识别结果N_r,1，将估计所得的N_ut,1个未识别标签分为识别组和待识别组，其中，识别组有N_gt,1个标签，待识别组中有N_wt,1=N_ut,1-N_gt,1个标签。

为使识别效率保持最优，即，N_gt,1≈F，先将所有标签虚拟分为M₁组：

在M₁组中任选一组作为识别组，其它M₁-1组标签归为待识别组。则根据估算，第一轮识别后，识别组中有N_gt,1个标签：

那么，N_gt,1≈F，待识别组中的标签总数估计为N_wt,1=N_ut,1-N_gt,1。

3）第m轮识别

令N_t,m表示识别组中，第m轮估算得到的参与识别的标签总数。N_r,m为第m轮中所识别的标签数。N_ut,m,N_ua,m分别为第m轮识别结束后估算的未识别标签数和实际的未识别标签数。

N_a,m表示第m轮识别组中的实际工作标签总数。那么，N_ut,m=N_t,m-N_r,m，N_ua,m=N_a,m-N_r,m。

N_wt,m，N_wa,m分别表示第m轮开始时，待识别组中的估计标签总数和实际标签总数。

第m-1轮识别后，识别组中未识别的标签总数估计为N_ut,m-1，待识别组中估计标签数为N_wt,m-1。为了使第m轮识别效率仍然保持在最优水平，即N_gt,m≈F，从待识别组中选取N_ct,m-1个标签补充到识别组中。具体做法如下：

3.1)先将待识别组中的标签虚拟分为M_m-1组：

3.2)从M_m-1组中任选一组补充到识别组中，则

那么，识别组中的标签总数估计为N_ut,m-1+N_ct,m-1，待识别组中的标签数为N_wt,m-1-N_ct,m-1。

阅读器继续以最优的识别的效率对识别组中的标签进行识别。每进行完一轮识别，则从待识别组中取若干标签补充到识别组中，动态保持识别组中的标签数和每帧的时隙数相近，使得系统的识别效率保持在最佳水平。重复以上过程，直至待识别组中的标签数N_wt,m为零，则终止循环。

4）如果待识别组中的标签数为零

当待识别组中的标签数为零，终止循环之后，阅读器向其工作范围内的N_ua,m个标签发送请求指令，进一步识别标签。具体识别的方法如下：

对N_ua,m个标签完成第一轮识别后，对识别结果，即空闲时隙数C₀、成功时隙数C₁和碰撞时隙数C₂，进行统计。根据统计结果估算出待识别标签数N_t，然后根据待识别的标签数N_t，阅读器动态调整参与下一轮识别的帧时隙数。设当前的帧时隙数为F，调整方法如下：

d.如果C₂≥0.7F，则将参与下一轮识别的帧时隙数调整为2F；

e.如果C₂<0.7F，则将参与下一轮识别的帧时隙数调整为F；

f.如果C₂接近于零，则将参与下一轮识别的帧时隙数调整为0.5F；

根据识别结果，重复执行以上a，b，c过程，直至在一个读循环没有一个标签被识别，就认为所有的标签均被识别。

本实施例中，初始帧时隙数F对估计的标签数目的影响，此处讨论的估计函数是Vogt方法（H.Vogt.Multiple object identification with passive RFID tags.In2002IEEE International Conference on Systems，Man and Cybernetics,vol.3,pp.3,2002.）。如图2和图3所示，采用的初始帧时隙数分别为F=128和F=256。对比图2和图3可知：当帧时隙数F=128时，估计函数的线性范围为0～4F即：0～512。当标签数大于4F时，随着标签数的不断增加，精度会迅速下降；当帧时隙数F=256时，估计函数的线性范围为0～4F即：0～1024。当标签数为512～1024时，估计相同数量的标签，F=256时估计方法的性能较F=128时估计方法性能的增加了将近50%。

为了对提出的算法性能进行分析，这里我们将标签数量设定为0～2000，采用识别所有标签所花费的时隙总数来衡量EDFSA算法(Su-Ryun Lee,Sung-Don Joo,and Chae-Woo Lee,An Enhanced Dynamic Framed Slotted ALOHA Algorithm forRFID Tag Identification.The Proceeding of the2nd Annual International Conferenceon Mobile and Ubiquitous Systems,2005.)算法性能和提出算法性能的优劣。其中，EDFSA算法采用的初始帧时隙数F=128。如图4所示为新算法和EDFSA算法的性能比较图。

比较曲线EDFSA和曲线Proposed one：由图4可知：当标签数N≤1000，随着标签数的不断增加，曲线EDFSA和曲线Proposed one所对应的时隙数也相应的增加，二者所用的时隙数目相同；当标签数1000<N≤2000时，由于EDFSA算法中开始时采用的帧时隙数为128，而Proposed one采用的帧时隙数是256，使得估计的标签数精度更高，进而随着标签数的不断增加，导致EDFSA算法性能变差，而Proposed one保持着较好的性能，二者性能差别越来越大，当标签数为2000时，Proposed one的性能较EDFSA性能增加了将近40%。

比较曲线EDFSA和曲线Proposed two：曲线Proposed two所代表的是在采用初始帧时隙数F=256之后，在算法中又引入了标签分组和补充机制的算法的性能。由图2可知：当标签数N≤1100时，Proposed two算法的性能较EDFSA算法的性能增加了10%；当标签数1000<N≤2000时，随着标签数的不断增加，Proposedtwo算法的性能较EDFSA算法的性能越来越好，特别是当标签数位2000时，Proposed two算法的性能较EDFSA算法的性能增加了将近48%。

Claims (2)

1.一种用于大量RFID标签系统中的防碰撞方法，所述大量RFID标签系统由一个RFID阅读器和N_all个RFID标签组成，在某一时刻，N个标签同时出现在RFID阅读器的射频覆盖范围或工作范围内，N≤N_all，RFID阅读器将所用帧分为F个时隙，N>>F，其特征在于：将识别过程中时隙的状态分为三种：空闲状态、成功状态和碰撞状态，所述空闲状态是指该时隙中没有标签处于发送信息的状态；所述成功状态：该时隙中只有一个标签发送信息，阅读器能够成功识别该标签的状态；所述碰撞状态是指该时隙中有两个或两个以上的标签同时发送信息，阅读器不能成功识别任何一个标签；所述防碰撞方法包括以下步骤：

1）第一轮识别：

阅读器通过发送请求向其工作范围内的标签发送帧时隙总数信息，每一个标签随机的选择一个时隙向阅读器发送其数据，发生碰撞的标签会在下一个帧中重新发送数据，那些发送数据成功的标签会处于休眠状态，不再响应以后的阅读器的请求命令，阅读器就完成了第一轮标签识别；完成第一轮的识别后，对识别结果，即空闲时隙数、成功时隙数和碰撞时隙数，进行统计，根据统计结果估算出待识别标签数N_t,1，本轮中所识别标签数N_r,1；根据估算值，本轮所剩的未识别标签总数为N_ut,1=N_t,1-N_r,1，使N_ut,1与F相比较；

1.1)如果N_ut,1≤αF，不对标签进行分组，视为单组，α根据需要在[1.5,2)间取值；

1.2)如果N_ut,1>αF，对未识别标签进行分组识别；

2）分组过程：将标签分为识别组和待识别组，识别组中的标签均对阅读器的识别请求做出响应；待识别组中的标签暂时不对阅读器的请求指令做出响应；

根据估算结果N_t,1和识别结果N_r,1，将估计所得的N_ut,1个未识别标签分为识别组和待识别组，其中，识别组有N_gt,1个标签，待识别组中有N_wt,1=N_ut,1-N_gt,1个标签；

设定N_gt,1≈F，先将所有标签虚拟分为N₁组：

在N₁组中任选一组作为识别组，其它M₁-1组标签归为待识别组；则根据估算，第一轮识别后，识别组中有N_gt,1个标签：

那么，N_gt,1≈F，待识别组中的标签总数估计为N_wt,1=N_ut,1-N_gt,1；

3）第m轮识别：令N_t,m表示识别组中，第m轮估算得到的参与识别的标签总数，N_r,m为第m轮中所识别的标签数，N_ut,m,N_ua,m分别为第m轮识别结束后估算的未识别标签数和实际的未识别标签数；

N_a,m表示第m轮识别组中的实际工作标签总数，那么，N_ut,m=N_t,m-N_r,m，N_ua,m=N_a,m-N_r,m；

N_wt,m，N_wa,m分别表示第m轮开始时，待识别组中的估计标签总数和实际标签总数；

第m-1轮识别后，识别组中未识别的标签总数估计为N_ut,m-1，待识别组中估计标签数为N_wt,m-1，设定N_gt,m≈F，从待识别组中选取N_ct,m-1个标签补充到识别组中；具体做法如下：

3.1)先将待识别组中的标签虚拟分为M_m-1组：

3.2)从M_m-1组中任选一组补充到识别组中，则

那么，识别组中的标签总数估计为N_ut,m-1+N_ct,m-1，待识别组中的标签数为N_wt,m-1-N_ct,m-1；

每进行完一轮识别，则从待识别组中取若干标签补充到识别组中，动态保持识别组中的标签数和每帧的时隙数相近，重复以上过程，直至待识别组中的标签数N_wt,m为零，则终止循环。

2.如权利要求1所述的一种用于大量RFID标签系统中的防碰撞方法，其特征在于：所述防碰撞方法还包括以下步骤：

4）当待识别组中的标签数为零，终止循环之后，阅读器向其工作范围内的N_ua,m个标签发送请求指令，进一步识别标签，具体识别的方法如下：

对N_ua,m个标签完成第一轮识别后，对识别结果，即空闲时隙数C₀、成功时隙数C₁和碰撞时隙数C₂，进行统计；根据统计结果估算出待识别标签数N_t，然后根据待识别的标签数N_t，阅读器动态调整参与下一轮识别的帧时隙数；设当前的帧时隙数为F，调整方法如下：

a.如果C₂≥0.7F，则将参与下一轮识别的帧时隙数调整为2F；

b.如果C₂<0.7F，则将参与下一轮识别的帧时隙数调整为F；

c.如果C₂接近于零，则将参与下一轮识别的帧时隙数调整为0.5F；

根据识别结果，重复执行以上a，b，c过程，直至在一个读循环没有一个标签被识别，就认为所有的标签均被识别。

Images