CN104200182B - 一种基于二进制分裂树的标签防碰撞方法 - Google Patents

Abstract

本发明公开RFID系统中基于二进制分裂树的标签防碰撞方法,为解决标签数估计方法复杂且不准确、“标签饥饿”问题。基于二进制分裂过程将标签集均匀分裂为两个子集，将标签分层，在识别每层标签时，用左子集的标签数估计待识别右子集的标签数，达到简单准确估计待识别标签数的目的。同时，在识别每层标签时，将二进制分裂树算法嵌入帧时隙Aloha算法，标签先随机选择时隙响应，若某个时隙发生标签碰撞，则立即执行二进制分裂树算法识别碰撞标签；直到该时隙中的碰撞标签被识别。本发明融合了二进制分裂树算法与帧时隙Aloha算法，不仅解决了标签饥饿问题，还提高了系统吞吐率。

Description

一种基于二进制分裂树的标签防碰撞方法

技术领域

本发明涉及物联网中标识物体的无源超高频射频技术，具体涉及一种标签防碰撞方法。

背景技术

射频识别RFID(Radio Frequency Identification)是物联网的核心技术，它处于物联网架构的感知层，任何物体都可用电子标签进行唯一标识，成为物联网中的一个节点。电子标签放置在被识别对象上，是RFID系统的数据载体，存储了需要被识别和交换的数据。通常电子标签处于休眠状态，标签进入阅读器识别域后，通过电磁感应会产生感应电流获得能量，标签利用这些能量将反馈信息调制后发送给阅读器，以达到识别并交换数据的目的。RFID系统工作时，若多个电子标签在同一个阅读器的识别域内共享信道向阅读器发送数据，标签之间就会相互干扰，这种干扰被称为碰撞或冲突。其结果将导致数据传输的失败。为正确读取标签信息，阅读器必须使用防碰撞方法。

无源标签防碰撞算法的约束条件要比有源通信的多路访问控制算法的约束条件严格的多,使得传统网络中的很多标准的防冲突技术都不适用或很难适用RFID系统。目前，考虑到实现的复杂度和成本等因素，其中时分多址(TDMA)是解决RFID系统碰撞问题的常用方法之一。基于TDMA的防碰撞算法主要有两大类:一类是基于Aloha(爱罗华)协议的算法；另一类是树型算法。以查询树、搜索树、逐位识别树等树型算法都是以标签ID为基础，该方法在识别过程中会泄漏ID，而且要求严格的位同步，增加了对硬件的要求。基于Aloha协议的算法的典型代表是帧时隙Aloha类算法(FSA)，其主要思想是阅读器宣告帧长，标签随机选择帧长内的时隙响应。调整帧长后，碰撞的标签再随机选择时隙响应，直到没有碰撞为止。

实际RFID系统中，基本也都是选择TDMA方式的FSA类算法。FSA类算法为达到吞吐率最高，要求帧长为待识别的标签数。为此，很多学者提出了很多标签估计算法，但复杂且不准确，而且第一帧长无法估计，只能预设初始值，这又影响后续的标签数估计。在FSA类算法中，碰撞时隙的碰撞标签会进入下一帧中继续参与识别过程，可能造成某个标签一直得不到识别，造成标签饥饿现象，这会大大降低标签识别效率。

发明内容

针对现有技术估计标签数方法复杂且不准确、标签识别效率低的问题，本发明提出了一种基于二进制分裂的标签数估计方法，该方法可简单准确地估计标签数目。针对“标签饥饿”现象，本发明将二进制分裂树算法嵌入帧时隙Aloha算法中提出一种树时隙Aloha算法。一旦某个时隙发生标签碰撞，采用二进制分裂树算法识别碰撞标签，使该时隙的碰撞标签得到识别。本发明解决上述技术问题的技术方案是：先将标签分层，阅读器采用二进制分裂树算法进行标签分裂，将标签分裂为左右两个子集，在该过程中，左子集标签逐层分裂，直到阅读器识别到第1个标签结束分裂，则所有标签被分布到各层左右两个子集，设置计数器C1记录标签所属层、计数器C2记录帧时隙；然后，从底层开始采用树时隙Aloha算法逐层识别每层右子集标签，直到顶层右子集中的标签被识别。每层识别结束，统计已识别的标签数，在识别上一层右子集标签时，用已识别的标签数估计待识别的标签数。

所述二进制分裂树算法进行标签分层具体包括：碰撞标签被随机分为左、右两个子集，同时，左子集标签被不断分裂到右子集，右子集标签的计数器C1不断累加1，左子集标签转移到了右子集。而且，在不同碰撞节点，转移到右子集的标签个数不同，计数器C1值各不相同，该过程我们称之为分层。具体可采用如下方法实现：标签将计数器C1初始化为0，所有标签响应，发生标签碰撞后，碰撞标签随机选择0或1加到计数器C1，计数器C1值为0的标签继续响应阅读器，若发生碰撞，碰撞标签随机选择0或1，选择0的标签进入左子集，选择1的标签进入右子集，标签分为了两个子集。计数器C1值为0的标签加1，碰撞标签随机选择0或1加到计数器C1值为0的标签，计数器C1值为0的标签继续响应阅读器；当无标签响应时，C1值不为0的标签的计数器C1减1，直到识别到第1个标签，结束该过程。

所述树时隙Aloha算法具体包括：阅读器宣告帧长L，所有标签的计数器C1减1(分层结束后，已被识别的标签，不再参与识别过程)，减1后计数器C1值为0的标签的计数器C2在[0,L-1]间生成一个随机数，C2为0的标签响应，若只有一个标签，阅读器可识别该标签，识别该标签后C1为0的所有标签的C2减1，C2减1后为0的标签继续响应，若该时隙标签发生了碰撞，碰撞标签随机生成0或1加到其对应的计数器C2，C2为0的标签响应。响应后，被识别的标签即进入休眠状态，不再参与识别过程，计数器不会变化。阅读器维持一个计数器统计已识别的标签数n，将每层识别阶段的帧长度L取值为[0.87n]，在识别上层右子集时，因为待识别的标签数约为已识别的标签数，因此，可将每时隙的帧长设为待识别标签数的0.87倍(即最优帧长为待识别标签数的0.87倍)。

在每层标签的识别过程中，阅读器统计前三个时隙的标签响应状况，若前三个时隙为碰撞时隙，则将时隙帧长调整为原帧长的两倍，若前三个时隙为空闲时隙，则将帧长调整为原帧长的一半，以此调整帧长。在帧时隙Aloha算法中，碰撞时隙内的碰撞标签是少量的，二进制分裂树算法恰好适合识别少量标签，为此，本算法将二进制分裂树算法嵌入到帧时隙Aloha算法中，称为树时隙Aloha算法，以此消除标签饥饿产生的根源。

阅读器维持一个计数器统计已识别的标签数n，经实验验证当L＝0.87n时，吞吐率最高。因此，最优帧长L取值为[0.87n]([]表示取整)。标签维持计数器C1记录标签所在层、计数器C2选择帧时隙。阅读器宣告帧长L后，所有标签的计数器C1减1，减1后C1为0的标签进入树时隙Aloha算法识别过程，即计数器C2在[0,L-1]间生成一个随机数，C2为0的标签响应(响应后的标签进入休眠状态，不再参与识别，计数器也不变化)。阅读器检测时隙内的标签响应结果，若只有一个标签或无标签响应，则阅读器识别标签后发送命令要求C2减1后为0的标签继续响应，若标签发生了碰撞，则阅读器采用二进制分裂树算法识别该时隙内的碰撞标签，即标签随机生成0或1加到计数器C2(替换原来C2的值)，C2为0的标签响应，识别该时隙内的碰撞标签后，计数器C2减1后值为0的标签继续响应。

分层阶段结束时，计数器C1值相同的标签被分到同一层，在树时隙Aloha算法识别过程中，通过计数器C1减1为0的标签进入识别，达到逐层识别标签的目的。

为进一步在每层识别阶段通过前三个时隙的统计结果修正帧长，使估算误差最小。统计每层识别阶段的前三个时隙的响应结果。在每层识别过程中，阅读器通过维持计数器RC1和RC2统计前三个时隙的响应状况，若前三个时隙为碰撞时隙(即RC1＝3)，则将时隙帧长调整为原帧长的两倍；若前三个时隙为空闲时隙(即RC2＝3)，则将帧长调整为原帧长的一半。

当第L-1个时隙中的标签被识别完后，本层识别结束，标签计数器C1减1，进入上一层子集继续识别。每识别完一层，层数m减1。当m减到0时，则表明各层子集标签都已被识别，结束识别过程。当计数器为0时，第L-1个时隙中的标签被识别完。

与现有FSA类标签防碰撞技术相比，本发明具有如下有益效果：

(1)本发明并不依赖于标签的ID，不会泄漏ID信息。本发明先通过二进制分裂树算法将标签分为标签数不同的各层子集，再从标签数最少的底层子集开始采用树时隙Aloha算法递归地识别各层子集标签，利用标签在二进制分裂中均匀分布到左右两个子集中的特点，在进行树时隙Aloha算法识别时，可简单准确的用已识别的标签数估计待识别子集的标签数，不存在预设第一帧长的问题。本发明只需统计已识别的标签数，即可以此设定最佳帧长。同时，在每层的识别阶段还通过前三个时隙的统计结果修正帧长，使估算误差最小。

(2)在识别阶段，采用树时隙Aloha算法识别每层标签。将二进制分裂树算法嵌入帧时隙Aloha算法，使得每个碰撞时隙内的碰撞标签都能被识别，消除了“标签饥饿”问题产生的根源。且吞吐率可达0.438，比现存的FSA类算法都高。无论在少数标签，还是大量标签的情况下，都能迅速有效地识别标签，具有一定的鲁棒性。

附图说明

图1本发明执行过程流程图；

图2二进制分裂识别第1个标签的过程；

图3每层子集标签的识别过程；

图4对吞吐率进行仿真示意图。

具体实施方式

下面结合附图及具体实施方式对本发明作进一步详细说明。

图1为本发明的实施流程，主要包括：

设置计数器C1记录标签所在层、计数器C2记录帧时隙。阅读器发送开始命令进入分层阶段，识别到第1个标签后，分层结束。然后，从底层开始逐层识别每层标签，直至最高层子集标签被识别。阅读器先采用二进制分裂树算法进行标签分层，将标签分裂为个数不同的各层子集，同时，标签计数器记录了标签所属层。然后，从底层右子集开始逐层识别每层标签，每层识别结束后，已识别的右子集标签数即是上层左子集的标签数。因为左右子集标签数基本相等，在识别上层右子集标签时，可用已识别的标签数估计待识别的标签数。

详细流程如下所述：

阅读器发送开始命令后，所有标签将计数器C1初始化为0，所有标签位于标签左子集X(即图2中的标签左子集X中的标签)，所有标签响应。发生碰撞后，标签随机选择数值0或1加到计数器C1(所有标签计数器C1的值加0或1)，计数器C1值为0的标签响应阅读器，阅读器检测到标签碰撞后，通知标签发生了碰撞，每次碰撞，C1值不为0的标签分裂进入标签右子集(即图2中的右子集标签)；C1值为0的标签再次随机选择0或1加到计数器C1，C1值不为0的标签的计数器C1的值加1，且该标签进入上一层子集。每次碰撞后，反复迭代执行上述过程，直到只有一个标签响应，该响应的标签为识别到的第1个标签，结束分层过程，阅读器记录标签子集的总层数m。所有标签最终都将进入右子集，每次碰撞，转入右子集的标签的计数器C1不同，该计数器值即为层数。

从树形图看，每次分裂，标签均匀地分布到左右两个子集。同时，标签计数器C1记录了它们所属的层。基于以上特征，从树的底层右子集开始逐层采用树时隙Aloha算法识别每层标签，每层结束，已识别的标签数即是上层左子集的标签数。所以，在识别上层右子集标签时，可以用已识别的标签数估计待识别的标签数。

阅读器统计已识别的标签数n，阅读器发送携带帧长L的命令query(L)(如L＝[0.87n])，所有待识别的标签计数器C1值减1。计数器C1值为0的标签进入树时隙Aloha识别阶段,即从第一层开始逐层识别标签。第一层的标签计数器C2从[0,L-1]间选择一个随机数，计数器C2为0的标签响应。阅读器检测每个时隙内的标签响应，若该时隙只有一个标签或无标签响应，则阅读器识别标签后，发送询问命令query，未识别的标签的计数器C2减1后为0的标签继续响应；若标签发生碰撞，则阅读器发送分裂命令querysplite，采用上述方法继续识别碰撞标签。标签随机生成0或1存入C2，C2为0的标签响应，即采用二进制分裂树算法识别该碰撞时隙内的标签，该碰撞时隙内的标签被识别后，阅读器发送询问命令query，计数器C2减1后为0的标签继续响应，即跳出二进制分裂树算法。

二进制分裂树算法即通过随机选择0或1将标签逐层分裂，最终会只有一个标签响应，则可识别该标签，识别该标签后，让所有标签再减1，即返回到上一个碰撞节点，再迭代上述过程，反复迭代即可识别所有标签。

在每层识别阶段，阅读器的计数器RC1和RC2统计前三个时隙的响应状况。若前三个时隙为碰撞时隙(即RC1＝3)，则阅读器发送询问命令query(2L)，将帧长调整为原帧长的两倍，若前三个时隙为空闲时隙(即RC2＝3)，则阅读器发送询问命令query(L/2)，将帧长调整为原帧长的一半；若为其他，则无需调整帧长。阅读器维持一个计数器s(初值为帧长L)，每识别完一个时隙s减1，当计数器s的值减为0时，本层识别结束，层数m减1进入上一层标签的识别阶段。当层数m减为0时，结束整个识别过程。

如图2所示为二进制分裂树算法识别第1个标签的过程，即分层过程：

步骤1.阅读器发送命令,标签初始化计数器C1，初值为0，所有标签响应。

步骤2.阅读器检测标签响应结果并向标签宣告。若发生了碰撞，标签随机选择数值0或1加到计数器C1，C1值不为0的标签(即图2中的右子集标签)将其计数器C1加1；碰撞标签(即图2中的左子集标签)随机选择0或1加到其计数器C1，计数器C1值为0的标签继续响应，若无标签响应，将计数器C1值不为0的标签的C1减1，计数器C1为0的标签继续响应。

步骤3.当只有一个标签响应，该标签为识别到的第1个标签，则结束分层过程。

标签左子集反复作二进制分裂，产生多层右子集标签,所以下一层左右子集的标签数之和为上一层左子集的标签数。

由于标签计数器选择0与1的概率相等，所以每层左子集标签数与右子集的标签数近似相等。设第t次碰撞后左子集的标签个数为Y_t(0)＝z。若z＝1,则分裂结束；若z>1，左子集继续分裂。在第t+1次碰撞后，由于发生碰撞时标签以1/2的等概率随机生成0或1的随机数，因此，分裂后的左右子集标签数的期望值有如下关系：

同理可得：E[Y_t+1(1)]＝z/2＝E[Y_t+1(0)]。其中，E[Y_t+1(1)]、E[Y_t+1(0)]分别为分裂后左右子集标签数的期望值。由上式可以看出，每层的左右子集标签数的期望值相等。即使阅读器在未识别到第1个标签之前，出现没有标签应答阅读器的情况，所有的标签计数器都减1，因此，这并不影响左右子集中标签的数量关系。所以，在下阶段对每层右子集标签进行树时隙Aloha算法识别时，我们可用左子集标签数估计右子集标签数。识别过程是由树的底层右子集开始，每层识别结束后，已识别的标签数即是上层左子集的标签数。因此，在上层右子集执行树时隙Aloha算法时，帧长设定为已识别标签数的0.87倍，以此保证吞吐率取得最大值。

在帧时隙Aloha算法中，碰撞时隙内的碰撞标签是少量的，二进制分裂树算法恰好适合识别少量标签。为此，本算法将二进制分裂树算法嵌入到帧时隙Aloha算法中，以此消除标签饥饿产生的根源。

确定最优帧长：假设分裂结束后某层子集有n个标签，设定的帧长度为N。定义S(n)为识别n个标签所需的时隙总数，M(k)为含k个标签响应的时隙数(1<k<n)，k为时隙内碰撞标签数，B(k)为二进制分裂树算法识别k个标签所需的时隙数，其中，2.881k-1≤B(k)≤2.887k–1，不妨设B(k)＝2.88k-1。k个标签在同一时隙内碰撞的概率p(k)服从二项分布，即：

则M(k)的期望值为：

其中，k表示时隙内碰撞标签数，我们通过k的不同，定义了3种时隙k＝0为碰撞时隙；k＝1为识别时隙；k>1为碰撞时隙，对碰撞时隙内的碰撞标签采用二进制分裂树算法识别。因此，S(n)的期望值为:

吞吐率为：

由于一个时隙内有10个以上标签发生碰撞的情况为小概率事件，所以可以取k值的上限为10，这对吞吐率几乎没影响。又因为帧长度N减去碰撞时隙总数为碰撞时隙数目与识别时隙数目的总数，所以上式可化简为：

将帧长度与标签数之比N/n设为x，根据极限公式，上式可简化为:

为使ε取得最大值，则分母应取最小值，设分母为f(x)：

为求其最小值，本文对其求导：

使上式为0的x值可使吞吐率取得最大值。为此，本文在(0.5,1.5)区间内对吞吐率进行仿真。

仿真结果如图4所示。由此图可以看出，当x＝0.87时，即帧长为待识别标签数的0.87倍，f(x)的导数约为0，同时吞吐率ε也取得最大值0.438。因此，本发明在FSA识别执行过程中，最优帧长的取值为待识别标签数的0.87倍。

如图3所示为每层子集标签的识别过程。

在每层的识别阶段，标签维持计数器C1(计数器C1记录标签所在层)、C2(计数器C2记录帧时隙)。阅读器宣告帧长L后，所有标签的计数器C1减1。从C1为0的标签(标签的第一层)开始识别，即计数器C2在[0,L-1]间生成一个随机数，C2为0的标签响应，阅读器检测时隙内的标签响应结果，若只有一个标签或无标签响应，则阅读器识别标签后，未响应的标签的C2减1后为0的标签继续响应；若该时隙内发生碰撞，则阅读器识别该时隙内的碰撞标签，即标签随机生成0或1加到碰撞标签的C2，C2为0的标签响应。通过二进制分裂树算法识别该时隙内的碰撞标签后，返回帧时隙Aloha算法，即计数器C2减1为0的标签继续响应。当只有1个标签响应时，阅读器通过识别的正确信息识别标签；若碰撞，标签无法正确识别信息。

阅读器维持一个计数器统计已识别的标签数n，每层识别阶段的帧长度L取值为[0.87n]([]表示取整)。

在识别过程中，阅读器统计前三个时隙的响应状况。若前三个时隙为碰撞时隙，则将帧长调整为两倍；若前三个时隙为空闲时隙，则将帧长调整为一半。当第L-1个时隙中的标签被识别完后，本层的树时隙Aloha算法识别结束，通过让标签计数器C1减1进入上一层子集。每识别完一层，m减1。当m为0，表明各层子集标签都已被识别，结束整个识别过程。

Claims (6)

1.一种混合的RFID标签防碰撞方法，其特征在于，包括步骤：设置计数器C1记录标签所在层、计数器C2记录帧时隙；阅读器采用二进制分裂树算法进行标签分层，左子集标签逐层分裂，将标签分裂为左右两个子集，直到识别到第1个标签,则所有标签分布到各层左右两个子集，计数器C1记录标签所属层、计数器C2记录帧时隙；从底层开始采用树时隙Aloha算法逐层识别每层右子集标签，统计每层已识别的标签数，直到顶层右子集中的标签被识别；

标签左子集反复作二进制分裂，产生多层右子集标签，下一层左右子集的标签数之和为上一层左子集的标签数。

2.根据权利要求1所述的方法，其特征在于：所述二进制分裂树算法进行标签分裂具体包括：标签将计数器C1初始化为0，所有标签响应；若发生标签碰撞，碰撞标签随机选择0或1加到计数器C1值为0的标签，计数器C1值为0的标签继续响应阅读器；若无标签响应，计数器C1值不为0的标签的计数器C1减1；重复上述过程，直到识别到第1个标签，计数器C1记录标签所在的层数。

3.根据权利要求1所述的方法，其特征在于：所述树时隙Aloha算法具体包括：阅读器宣告帧长L，所有标签的计数器C1减1，计数器C1为0的标签的计数器C2在[0,L-1]间生成一个随机数，C2为0的标签响应，若只有一个标签或无标签响应，阅读器识别标签后，C2减1后为0的标签继续响应，若标签发生了碰撞，碰撞标签随机生成0或1加到计数器C2，碰撞标签的C2为0对应的标签响应。

4.根据权利要求1所述的方法，其特征在于：分裂后的左右子集标签数的期望值E[Y_t+1(1)]和E[Y_t+1(0)]满足关系：E[Y_t+1(1)]＝x/2＝E[Y_t+1(0)]，其中，x为第t次碰撞后左子集的标签个数。

5.根据权利要求1所述的方法，其特征在于：阅读器维持一个计数器统计已识别的标签数n，将每层识别阶段的帧长度L取值为[0.87n]。

6.根据权利要求3所述的方法，其特征在于：在识别每层标签的过程中，阅读器统计前三个时隙的标签响应状况，若前三个时隙为碰撞时隙，则将时隙帧长调整为原帧长的两倍，若前三个时隙为空闲时隙，则将帧长调整为原帧长的一半。