CN104573593A - 一种基于帧时隙的欠定盲分离rfid防碰撞方法 - Google Patents
一种基于帧时隙的欠定盲分离rfid防碰撞方法 Download PDFInfo
- Publication number
- CN104573593A CN104573593A CN201510026097.8A CN201510026097A CN104573593A CN 104573593 A CN104573593 A CN 104573593A CN 201510026097 A CN201510026097 A CN 201510026097A CN 104573593 A CN104573593 A CN 104573593A
- Authority
- CN
- China
- Prior art keywords
- label
- algorithm
- reader
- time slot
- tags
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
一种基于帧时隙的欠定盲分离RFID防碰撞方法。针对RFID系统识别标签数目大量增加时,欠定盲分离算法出现的分离效果变差,甚至分离不出源标签信号,系统整体性能急速下降等问题,提出了一种基于约束性非负矩阵分解(NMF)与帧时隙ALOHA(FSA)的并行识别防碰撞算法。本发明通过分析RFID系统中的约束性NMF算法步骤并建立欠定盲源分离的天线系统模型,采用合理的帧时隙数选择,可以使每一时隙内的标签数目控制在最佳的范围内,使得即使标签数目大量增加时,仍能使RFID系统的源信号分离效果、吞吐量保持最佳状态,从而使系统性能得以大幅度提高,且识别时间较短,在目标数量较多和需要高效率的领域中具有非常好的应用价值。
Description
技术领域
本发明属于通信领域中的多标签读取技术,涉及标签的防碰撞方法。
背景技术
射频识别(Radio Frequency Identification,RFID)是一种利用射频信号和空间耦合的传输特性进行双向通信,实现对物体非接触式自动识别技术,RFID技术现广泛应用于门禁管理、图书管理、畜牧业管理和物流管理等行业中。在很多RFID的应用场合中,阅读器要在短时间内快速识别多个标签,但多个标签在同时响应阅读器发送的查询命令时容易发生标签碰撞,从而严重影响标签识别的正确率和速度,降低RFID系统的识别效率和性能。研究有效的防碰撞算法能够实现多个标签和阅读器之间快速而高效的通信。
RFID系统现有两类标签的防碰撞算法,即基于概率统计的ALOHA的不确定算法和基于树的确定性算法。其中ALOHA防碰撞算法只有在标签数量与时隙数相当的情况下,才能保持比较高的标签识别率,最大值为36.8%,即便是具有自适应调整帧长的改进型动态帧时隙ALOHA算法的最大标签识别率也仅为58%。EPC Gen2规定了基于动态帧时隙随机算法的Q算法,Q算法通过时隙内预约机制来减少无效空闲时隙和碰撞时隙长,来提高协议性能。具有一定的自适应性的Q算法,可在一个盘存周期的任意时刻通过调整Q值来改变时隙数,从而使未被识别的标签来重新选择响应的时隙,进入下一帧的响应周期中,然而由于Q值可能会发生反复变化,进而对算法的标签识别率产生一定的影响,使得算法的最大标签识别率仅在50%左右。在实际应用中,智能天线技术通过提高接收信号质量来提高RFID系统的抗碰撞能力,但其成本较高,不可能在实际应用中单纯依靠大量天线来提高多标签的识别率和系统性能。
在近年来的研究中,常采用与盲源分离(Blind Source Separation,BSS)技术相结合的办法,即从观测到的若干个混合信号中,直接分离出源标签信号。其中盲源信号分离又分为欠定盲分离和非欠定盲分离,非欠定盲分离又包括超定问题(即源信号个数小于天线个数)和正定问题(即源信号个数等于天线个数)。独立分量分析(IndependentComponent Analysis,ICA)是非常经典的盲源分离方法,但只适用于超定和正定的情况,在实际应用中,这种算法也往往容易造成较高的硬件的成本和复杂度。而近年来刚崭露头角的基于欠定盲分离的多标防碰撞算法是在分析RFID实际通信中标签数目大于阅读器天线数目情况下,建立了多标签防碰撞的欠定盲源分离通信模型,利用约束非负矩阵分解(Nonnegative Matrix Factorization,NMF),但随着标签数量的增加,分离性能和标签识别率(即阅读器每次操作可以成功读取的标签数)会大幅度降低。因此,为了进一步提高防碰撞算法的标签识别率,保持RFID系统的高效稳定,必须寻求一种可以在同一时刻识别多个标签的新型算法。
发明内容
本发明针对射频识别(RFID)中标签同时通信导致的碰撞问题,通过分析标签数大于天线数的情况,结合帧时隙ALOHA算法,通过建立阅读器的欠定盲源分离的天线系统模型,用简单但有效的约束非负矩阵分解算法对标签混合信号进行盲源分离,提出了一种基于帧时隙的欠定盲分离RFID防碰撞方法(Under-determined Blind SourceSeparation Based on RFID Anti-collision Frame-slot Algorithm),达到同一时刻能够识别的标签数大于天线数,并且使RFID分离效果,系统性能保持在最佳状态。
本发明是通过以下技术方案实现的。
本发明包括以下步骤:
(S1)当标签进入阅读器识别范围时,阅读器向标签发送Query命令,开始盘存周期,使标签准备就绪;
(S2)标签响应阅读器的Query命令,并随机选择时隙存入各自的时隙计数器中;
(S3)阅读器利用约束性NMF算法分离标签混合信号,同时建立估计信号与标签原始信号之间的对应关系,标签进入确认状态;
(S4)阅读器发送ACK指令给确认状态下的标签,标签收到ACK指令后,发送自己的PC、EPC和CRC-16信息,阅读器利用(S3)中的约束性非负矩阵分解继续分离并存储这些标签的标识信息,此时标签被成功识别,转至(S5);
(S5)阅读器发送QueryRep命令,进入准备状态并且没有被识别标签的时隙计数器值减1,转至(S2)继续进行标签识别,直到识别完所有标签。
本发明的技术方案通过以下描述作更进一步的说明。
1.欠定盲源分离技术在RFID系统中的应用。
1.1欠定盲源分离系统模型。
欠定盲源分离防碰撞系统由标签、阅读器及计算机系统组成,如图1所示。当阅读器向标签发送查询信息时,N个标签发出响应,同时与阅读器同步通信。阅读器的天线接收响应信号时,利用阅读器内的约束NMF(Nonnegative Matrix Factorization,非负矩阵分解)盲源分离单元来处理响应的标签并存储相应的信息,然后将存储的信息发送到数据处理中心进行相关的操作。
图1中所示为多标签多天线通信模型,源标签信号可以表示为S=[s1(t),s2(t),…,sN(t)]T,式中:sj(t)(1≤j≤N)为N个标签中第j个标签发出的信号。阅读器上接收到的M个混合信号即观测信号表示为X=[x1(t),x2(t),…xM(t)]T,xi(t)(1≤i≤M)是阅读器上的第i根天线接收的信号。标签与混合信号之间的关系为:
式中,i=1,2,…,N,j=1,2,…,M,ai,j表示为各种因素对阅读器接收功率产生影响的衰减因子。rj为观测噪声。(1)式可以矢量表示为:
X=AS+R (2)
A为混合矩阵,元素为ai,j,R由高斯统计独立信号rj(t)构成,与盲源信号分离的数学模型相同。当忽略噪声时可以表示为
X=AS (3)
在上述分析中可知,在通常多标签防碰撞情况下,可以采用盲源分离的方法来处理多天线中的RFID碰撞问题,即通过求出矩阵A的逆矩阵标A-1来分离出源信号S。但在标签数目多于阅读器接收天线数目,即N>M时,即使估计出了混合矩阵A,由于A-1不存在,也无法用传统的ICA方法分离出源信号。对应于盲分离中源信号数目大于观测信号数目的情况,需采用欠定盲分离算法去处理。
在标签密集的实际环境中,阅读器在读取标签时响应的标签数经常大于天线的数目,但受成本制约,天线数目不可能很多,所以在解决实际RFID防碰撞问题时,采用欠定盲分离算法更符合实际情况。
1.2约束性欠定盲源分离。
RFID系统常采用PSK调制或ASK调制,使接收到的标签信号并不是完全稀疏的信号。非负矩阵分解(NMF)的方法可以有效对RFID系统中非稀疏标签进行处理,从而实现标签的防碰撞识别的目的。
NMF基本思想为在非负限制下将矩阵V=[v1,v2,...,vN]∈Rm×N分解成两个矩阵W=[w1,w2,...,wn]∈Rm×n和H=[h1,h2,…,hN]∈Rn×N的乘积,使分解结果尽可能的满足V≈WH,其中W和H中的元素非负。数学模型模型表示为:
V=W×H (4)
一般情况下,上述矩阵维数需要满足关系式(m+N)n<mN。
非负矩阵分解直接用于求解欠定(即标签数目N大于天线数目M)盲信号分离时,分解结果不唯一,无法正确分离源信号。为得到在欠定条件下分离性能好且结果唯一的目的,需要对非负矩阵分解过程采用三重约束,同时结合最小重构误差的目标函数,选择优化函数F(V||WH)如下:
其中:
式中:
●D(V||WH)是V与WH的距离函数,即重构误差;
●vol(φ(W))是混合矩阵W的行列式准则约束,且vol(φ(W))表示φ(W)的体积,W为方阵时,vol(φ(W))=|det(W)|,W不是方阵时,vol(φ(W))=|det(WWT)|;
●J(H)是分离信号H的稀疏性约束;
●R(H)是分离信号H的相关性约束;
●是约束参数,目的是为了保证算法收敛。
用梯度下降法来更新矩阵W和H,更新规则为:
式中:ξ是一个足够小的正常数,用来防止公式中出现分母等于零的状况。每一次迭代完成之后将W和H的负元素置零,并且采用使W的列向量归一化。当公式(7)和(8)迭代至F(V||WH)不大于某一很小的阈值,可以判断算法收敛,得到正确的W和H。
在信号和混合矩阵非负的条件下,将公式(3)X=AS观测信号矩阵X按式(4)分解,即X=WH,使得W为混合矩阵A的估计,H为源信号矩阵S的估计,从而实现了RFID系统混合信号的盲源分离。
2.本发明方法描述。
2.1本发明标签的时隙选择过程。
依据RFID在帧时隙算法对标签进行识别时,每个标签都会从一帧包含的若干个时隙中随机选择一个时隙作为自己的响应时隙,并且各个时隙被N个标签选择的概率是相同的。包含一个时隙中标签数为0个的,称为空闲时隙;一个时隙中响应的标签数为1个的,称为成功时隙;一个时隙中标签数大于1个的,称为碰撞时隙。当标签数目一定时,若一个帧中所含的时隙数较少,则会有多个标签选择同一个时隙,识别时会发生频繁的碰撞,这时如果发生碰撞的标签数过多,超过了一定天线数下分离效果最佳的标签数量,就会造成分离效果很差,甚至无法分离。然而如果一个帧中所含的时隙数过多,就会有大量的时隙空闲,从而造成系统的资源的浪费。欠定盲分离的帧时隙超高频RFID系统防碰撞算法可以在标签数目确定时,通过选择合理的时隙数,使每个时隙中碰撞的标签数处于最佳的范围,即使在标签数量较大的情况下,仍能使欠定盲分离系统保持最佳的分离效果和性能。
2.1.1帧时隙ALOHA时隙数的选取。
设标签数为N,时隙数为fs,天线数为M的情况下,系统取得最大吞吐量时对应的标签数为L,则一个时隙中含有k个标签的概率为:
一个时隙内的标签数不大于L的概率为:
一个时隙内的标签数多于L的概率为:
pc(fs,N,k)=1-pb(fs,N,k)(k>L) (11)
根据标签数N动态选择时隙数fs,使每一时隙内的标签数k小于或等于最大吞吐量时对应的最佳标签数L,根据曲线拟合工具,经过反复计算和调试,可得选取的时隙数fs为:
其中α≈10,β≈0.8,γ≈0.66,round()表示四舍五入取整。
2.1.2最佳标签数的选择。
在普通的欠定盲分离防碰撞方法中,设一个阅读器有M根天线,在某一时隙内到达阅读器识别范围内的标签数为N,RFID系统在接收标签响应信号后,能够正确识别的标签数目为n,则RFID系统在这个时隙中成功识别的标签数的均值为
当标签数目足够多时,可以把标签的到达过程(即标签到达阅读器识别范围内的过程)看作成为服从泊松分布的,因此到达的N个标签在这个时隙内的分布概率为:
PN=(GN/N!)exp(-G) (14)
其中,G为负载,即阅读器有效识别范围内标签平均到达数量。因此某一时隙内的吞吐量可表示为:
将(13)和(14)代入(15)可得:
经过对(16)求导可得,当G=n时,吞吐量SN取得最大值,为SNmax=n/e,可知与原时隙ALOHA算法相比,这种方法的最大吞吐量为它的n倍。
如图2可以看出,当阅读器天线数目为M=3时,吞吐量随标签的增加而增加,并且在到达标签数为6时达到吞吐量的最大值。根据公式(15)计算可知,最大值为2.208,但当到达标签数过多时,由于碰撞增加,系统的吞吐量开始下降,分离效果也变差。
同理,在天线数分别为M=4和M=5时,经过计算,其吞吐量最大值分别为2.944和3.678,在图2所示,最大吞吐量对应的最佳标签数分别为L=8和L=10。如图3可知,最佳标签到达数目与天线数大约为2倍的关系。
如图4可见,当周围标签数N=50~400,结合式(12)对一个帧时隙内的标签数进行控制,可得当天线数为M=3时,所选择的时隙数可以使一个时隙内的标签数多于天线数所对应最大吞吐量时的标签数量L=6时的概率pc(fs,N,k)非常接近于0,因此算法时隙数的选取是合理的。
由图5可以看出,当天线数增多时,一个时隙内标签数大于最佳标签数的概率一直在减小且都处于非常接近0的情况,更说明时隙数的选择是正确的。
2.2本发明方法的流程。
设阅读器有M个天线,在阅读器周围存在足够多的标签,标签数为N,开始进行标签的识别。整个算法步骤如下:
(S1)首先,当标签进入阅读器识别范围时,阅读器向标签发送Query命令,开始盘存周期,使标签准备就绪;
(S2)在系统识别标签的过程中,标签执行16位时隙计数器,所有未识别的标签收到Query命令后,在0~round(N(L+α)/(βA2+γL))个时隙中随机选择一个时隙存入各自的时隙计数器中,时隙计数器为0的标签开始响应。然后,响应标签通过随机或伪随机数据发生器(RNG)产生一个16位的随机序列RN16,并将各自的RN16序列发送给阅读器,按响应标签的数目不同,分为以下两种情况:
①响应的标签个数等于或大于1时,转至步骤3执行约束NMF算法;
②响应的标签个数等于0时,为空闲时隙,转至(S5);
(S3)RFID系统源信号为S=[s1(t),s2(t),…,sN(t)]T,阅读器天线接收到的混合信号为X=[x1(t),x2(t),…,xM(t)]T,其中标签数大于天线数,即N>M的欠定问题。根据天线数与最佳标签数的关系,判定最佳标签数的大小为L。初始化W和H为非负矩阵,进而用约束性NMF算法进行盲源信号分离,可得到最终矩阵W和H,分离的H为源信号S,阅读器与响应标签建立联系,标签进入确认状态,转至(S4);
(S4)处于确认状态的响应标签接收到ACK指令之后,发送自己的响应信息,阅读器利用(S3)的约束NMF算法分离并存储这些标签的标识信息,此时标签被成功识别,最后将成功识别的标签除去,转至(S5);
(S5)阅读器发送QueryRep命令,进入准备状态并且没有被识别标签的时隙计数器值减1,转至(S2)继续进行标签识别,直到识别完所有标签。
由于本算法所选取的时隙数可以使一个时隙中的标签数不大于最佳标签数的概率接近0%,且标签能够被约束NMF算法正确分离,故算法性能对仿真结果的影响很弱,不会影响到本算法算法中标签的正确分离。
3.本发明方法实验仿真与性能分析。
由于欠定盲分离算法虽然可以解决标签数大于天线数(即N>M)的问题,使其可以快速高效解决实际中RFID的应用问题,但在达到最佳标签(即一定天线数下,系统最大吞吐量对应的标签数)后,系统吞吐量及其他性能持续下降,分离效果变差,甚至不能分离出源信号,系统很不稳定,故本算法让欠定盲分离与帧时隙相结合,保证一个时隙内的标签数量不大于最佳标签数来保持系统性能和分离效果始终处于最佳状态。
3.1结合帧时隙NMF算法描述。
根据帧时隙算法的原理,可知一个时隙中标签数目为0的概率为:
一个时隙中标签数大于0的概率为:
根据计算可得,基于帧时隙NMF算法的总查询次数sum为:
式(19)中,“+1”表示只进行了1次时隙数的选择的情况。由此可知,N个标签的标签识别率为:
3.2本发明方法的识别率。
实验在标签数N大于天线数M的情况下(选择标签数为N=50~400),设置NMF的约束条件,设置最小相关约束参数为,行列式约束参数为,稀疏性约束参数为,迭代误差为σ=10-6。结合本发明的帧时隙NMF算法实现步骤进行实验仿真,在仿真过程中,若相邻两次迭代误差不大于σ,则正确且唯一的分离出W和H,否则,继续迭代。
当天线数M=3,本发明算法标签识别率随标签数的变化和时隙数以及时隙数与标签数的关系如图6和图7所示,图8为Q算法执行过程中时隙数的变化情况。
(1)时隙数与运算次数比较。
由图6和图7可以看出,标签识别率随着标签的增加而增大,并逐渐趋于稳定且处于较好的识别效果。虽然本发明算法的时隙数随着标签数目的增加而线性增加,但与传统的防碰撞方法比较来说,还是具有明显的优势。传统Q算法如图8所示,其选取的时隙数不仅经常会出现大于本发明算法时隙数的情况,而且经常反复的增减,会造成时隙资源的浪费,使系统的整体性能明显明显降低。
(2)标签识别率比较。
欠定盲分离的帧时隙RFID系统防碰撞算法较基于位隙动态分组的盲分离(BSDBG)多标签防碰撞算法、传统的Q算法相比有很大的优势。在天线数为M=3及M=7的情况下,其标签识别率的比较如图9和图10所示。
由图9和图10可见,本发明算法的标签识别率远高于基于位隙动态分组的盲分离(BSDBG)多标签防碰撞算法和Q算法,并且本发明算法的标签识别率逐渐稳定在某一较高值,天线数为M=3时标签识别率稳定于2.33,BSDBG标签识别率1.55,Q算法为0.33;天线数为M=7时稳定于等6.81,同等情况下BSDBG为2.53,Q算法为0.33。说明本发明算法会使RFID多标签防碰撞系统的性能处于稳定且高效的状态,在应用中具有十分良好的效果。而BSDBG标签识别率波动性太大,对于分离效果的稳定性比较弱,在解决实际RFID问题时容易造成较混乱、增加碰撞的后果。
(3)查询数比较。
由图11和图12可以得到,本发明算法的查询数一直小于BSDBG算法且远远好于Q算法,在天线增多的情况下本文算法对于BSDBG算法和Q算法的查询数优势更加明显。如天线数M=3时,标签数为400时,Q算法查询次数为1176.47次,BSDBG算法的查询数为286.76次,而本发明算法的查询数只用171.06次;在天线数M=7时,标签数为400时,Q算法查询次数几乎不随天线数的改变而变化,仍为1176.47次,BSDBG算法的查询数为129.44次,本发明算法的查询数只用58.94次。说明本发明算法比BSDBG和Q算法所用时间更少,时效性更好,能进一步满足在实际RFID系统的快速识别的核心需求
本发明算法的标签识别率与BSDBG算法相比,具有较大的优势,特别是在天线数增多的情况下,如在天线数M=28时,本发明算法平均标签识别率达到31.87左右,而BSDBG的标签识别率均值仍在8.17附近徘徊,Q算法标签识别率均值始终在0.33左右波动。从图13中可知看出,本发明算法的标签识别率均值是BSDBG算法的标签识别率均值的4倍左右,相比Q算法的标签识别率均值来说优势就更加明显,标签识别率提高幅度很大。在实际应用中,对于标签识别的快速性和稳定性要求和由此产生的高效性具有较好的实用价值。
本发明相比于现有的标签防碰撞算法具有保持较高的标签识别率且用时较少,成本低,性能优异,在中大型企业的仓库、物流中具有较强的应用价值。
附图说明
图1为欠定盲源分离的天线系统模型。
图2为不同天线数吞吐量比较(M=3,4,5)。
图3为天线数与最佳标签到达数的关系。
图4为一个时隙内标签数大于最佳标签数的概率(M=3)。
图5为不同天线数时一个时隙内标签数大于最佳标签数的概率。
图6为天线数M=3时本发明算法标签识别率变化情况。
图7为天线数M=3时本发明算法隙数变化情况。
图8为天线数M=3时Q算法时隙数的变化。
图9为天线数M=3时本发明算法与基于位隙动态分组的盲分离多标签防碰撞算法(Blind Separation and Dynamic Bit-slot Grouping,BSDBG)以及Q算法的标签识别率比较。
图10为天线数M=7时本发明算法与BSDBG算法以及Q算法的标签识别率比较。
图11为天线数M=3时本发明算法与BSDBG算法以及Q算法的查询数较比较。
图12天线数M=7时本发明算法与BSDBG算法以及Q算法的查询数比较。
图13不同天线数时本发明算法与BSDBG算法以及Q算法的标签识别率均值比较。
具体实施方式
本发明将通过以下实施例作进一步说明。
设阅读器有M个天线,在阅读器周围存在足够多的标签,标签数为N,开始进行标签的识别。整个算法步骤如下:
(S1)、首先,当标签进入阅读器识别范围时,阅读器向标签发送Query命令,开始盘存周期,使标签准备就绪;
(S2)、在系统识别标签的过程中,标签执行16位时隙计数器,所有未识别的标签收到Query命令后,在0~round(N(L+α)/(βA2+γL))个时隙中随机选择一个时隙存入各自的时隙计数器中,时隙计数器为0的标签开始响应。然后,响应标签通过随机或伪随机数据发生器(RNG)产生一个16位的随机序列RN16,并将各自的RN16序列发送给阅读器,按响应标签的数目不同,分为以下两种情况:
①响应的标签个数等于或大于1时,转至(S3)执行约束NMF算法;
②响应的标签个数等于0时,为空闲时隙,转至(S5);
(S3)、RFID系统源信号为S=[s1(t),s2(t),…,sN(t)]T,阅读器天线接收到的混合信号为X=[x1(t),x2(t),…,xM(t)]T,其中标签数大于天线数,即N>M的欠定问题。初始化W和H为非负矩阵,进而用约束性NMF算法进行盲源信号分离,可得到最终矩阵W和H,分离的H为源信号S,阅读器与响应标签建立联系,标签进入确认状态,转至(S4);
(S4)、处于确认状态的响应标签接收到ACK指令之后,发送自己的响应信息,阅读器利用(S3)的约束NMF算法分离并存储这些标签的标识信息,此时标签被成功识别,最后将成功识别的标签除去,转至(S5);
(S5)、阅读器发送QueryRep命令,进入准备状态并且没有被识别标签的时隙计数器值减1,转至(S2)继续进行标签识别,直到识别完所有标签。
Claims (3)
1.一种基于帧时隙的欠定盲分离RFID防碰撞方法,其特征是通过以下步骤实现的:
(S1)当标签进入阅读器识别范围时,阅读器向标签发送Query命令,开始盘存周期,使标签准备就绪;
(S2)标签响应阅读器的Query命令,并随机选择时隙存入各自的时隙计数器中;
(S3)阅读器利用约束性NMF算法分离标签混合信号,同时建立估计信号与标签原始信号之间的对应关系,标签进入确认状态;
(S4)阅读器发送ACK指令给确认状态下的标签,标签收到ACK指令后,发送自己的PC、EPC和CRC-16信息,阅读器利用(S3)中的约束性非负矩阵分解继续分离并存储这些标签的标识信息,此时标签被成功识别,转至(S5);
(S5)阅读器发送QueryRep命令,进入准备状态并且没有被识别标签的时隙计数器值减1,转至(S2)继续进行标签识别,直到识别完所有标签。
2.根据权利要求1所述的一种基于帧时隙的欠定盲分离RFID防碰撞方法,其特征是所述的步骤(S2)是按以下步骤完成:
(1)标签识别过程中每个标签均执行16位时隙计数器,所有未识别的标签收到Query命令后,从0~round(N(L+α)/(βA2+γL))个时隙中随机选择一个时隙存入各自的时隙计数器中,标签进入响应状态,时隙计数器0的标签响应;
(2)响应标签通过随机或伪随机数据发生器产生一个16位的随机序列RN16,并将各自的RN16序列发送给阅读器,根据响应标签的数目分为以下两种情况:
①响应的标签个数等于或大于1时,转至(S3)执行约束NMF算法;
②响应的标签个数等于0时,为空闲时隙,转至(S5)。
3.根据权利要求1所述的一种基于帧时隙的欠定盲分离RFID防碰撞方法,其特征是所述的步骤(S3)是按以下步骤完成:
(1)RFID系统源信号为S=[s1(t),s2(t),...,sN(t)]T,阅读器天线接收到的混合信号为X=[x1(t),x2(t),…,xM(t)]T,其中标签数大于天线数,即N>M的欠定问题,根据天线数与最佳标签数的关系,判定最佳标签数的大小为L;
(2)根据初始化W和H为非负矩阵,进而用约束性NMF算法进行盲源信号分离,可得到最终矩阵W和H,分离的H为源信号S,阅读器与响应标签建立联系,标签进入确认状态,转至(S4)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510026097.8A CN104573593B (zh) | 2015-01-20 | 2015-01-20 | 一种基于帧时隙的欠定盲分离rfid防碰撞方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510026097.8A CN104573593B (zh) | 2015-01-20 | 2015-01-20 | 一种基于帧时隙的欠定盲分离rfid防碰撞方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104573593A true CN104573593A (zh) | 2015-04-29 |
CN104573593B CN104573593B (zh) | 2017-05-31 |
Family
ID=53089626
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510026097.8A Expired - Fee Related CN104573593B (zh) | 2015-01-20 | 2015-01-20 | 一种基于帧时隙的欠定盲分离rfid防碰撞方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104573593B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866790A (zh) * | 2015-06-02 | 2015-08-26 | 江西理工大学 | 一种欠定盲分离的自适应树形分组的rfid系统防碰撞方法 |
CN105550716A (zh) * | 2016-01-22 | 2016-05-04 | 江苏科技大学 | 一种施加多重约束的欠定盲源分离方法 |
CN106778425A (zh) * | 2017-01-10 | 2017-05-31 | 合肥工业大学 | 一种基于rfid的标签防碰撞算法 |
CN110991955A (zh) * | 2019-11-27 | 2020-04-10 | 太原理工大学 | 一种基于信息矩的组群数量多样性估计方法 |
CN112131899A (zh) * | 2020-09-28 | 2020-12-25 | 四川轻化工大学 | 一种欠定状态下rfid系统的防碰撞方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020024421A1 (en) * | 2000-08-31 | 2002-02-28 | Jong-Hoon Kang | Apparatus and method for preventing data collision in a radio frequency identification tag system |
CN102609672A (zh) * | 2012-02-22 | 2012-07-25 | 南京邮电大学 | 一种射频识别系统的防碰撞方法 |
CN103955657A (zh) * | 2014-05-22 | 2014-07-30 | 江西理工大学 | 一种基于盲分离的帧时隙超高频rfid系统防碰撞方法 |
-
2015
- 2015-01-20 CN CN201510026097.8A patent/CN104573593B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020024421A1 (en) * | 2000-08-31 | 2002-02-28 | Jong-Hoon Kang | Apparatus and method for preventing data collision in a radio frequency identification tag system |
CN102609672A (zh) * | 2012-02-22 | 2012-07-25 | 南京邮电大学 | 一种射频识别系统的防碰撞方法 |
CN103955657A (zh) * | 2014-05-22 | 2014-07-30 | 江西理工大学 | 一种基于盲分离的帧时隙超高频rfid系统防碰撞方法 |
Non-Patent Citations (1)
Title |
---|
岳克强 等: "基于欠定盲分离的并行识别防碰撞算法", 《浙江大学学报(工学版)》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866790A (zh) * | 2015-06-02 | 2015-08-26 | 江西理工大学 | 一种欠定盲分离的自适应树形分组的rfid系统防碰撞方法 |
CN104866790B (zh) * | 2015-06-02 | 2017-07-18 | 江西理工大学 | 一种欠定盲分离的自适应树形分组的rfid系统防碰撞方法 |
CN105550716A (zh) * | 2016-01-22 | 2016-05-04 | 江苏科技大学 | 一种施加多重约束的欠定盲源分离方法 |
CN106778425A (zh) * | 2017-01-10 | 2017-05-31 | 合肥工业大学 | 一种基于rfid的标签防碰撞算法 |
CN106778425B (zh) * | 2017-01-10 | 2018-11-23 | 合肥工业大学 | 一种基于rfid的标签防碰撞算法 |
CN110991955A (zh) * | 2019-11-27 | 2020-04-10 | 太原理工大学 | 一种基于信息矩的组群数量多样性估计方法 |
CN110991955B (zh) * | 2019-11-27 | 2023-04-18 | 太原理工大学 | 一种基于信息矩的组群数量多样性估计方法 |
CN112131899A (zh) * | 2020-09-28 | 2020-12-25 | 四川轻化工大学 | 一种欠定状态下rfid系统的防碰撞方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104573593B (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104573593A (zh) | 一种基于帧时隙的欠定盲分离rfid防碰撞方法 | |
CN106778425B (zh) | 一种基于rfid的标签防碰撞算法 | |
CN103955657B (zh) | 一种基于盲分离的帧时隙超高频rfid系统防碰撞方法 | |
CN105224970B (zh) | 一种rfid防碰撞方法 | |
CN102999739B (zh) | Rfid标签及识别方法和装置 | |
US9773132B2 (en) | Tag anti-collision method, reader apparatus and system for RFID systems with multi-packet reception capability | |
CN102004895B (zh) | 基于碰撞预检的时隙扫描防碰撞方法 | |
CN104657693A (zh) | 一种基于分组自适应分配时隙的rfid防碰撞方法 | |
Liu et al. | Fast counting the key tags in anonymous RFID systems | |
CN104881693A (zh) | 一种基于子帧观测的动态帧时隙aloha防碰撞算法 | |
CN104680104A (zh) | 一种动态高效的rfid标签识别机制 | |
CN104166867A (zh) | 一种多hash函数多帧耦合型rfid防碰撞(mhmfg)算法 | |
Shakiba et al. | Fitted dynamic framed slotted ALOHA anti-collision algorithm in RFID systems | |
CN104866790B (zh) | 一种欠定盲分离的自适应树形分组的rfid系统防碰撞方法 | |
Park et al. | Identification of RFID tags in framed-slotted ALOHA with tag estimation and binary splitting | |
Kalache et al. | Performances comparison of RFID anti-collision algorithms | |
CN110852129B (zh) | 一种动态标签估计方法 | |
Cui et al. | A modified Q-parameter anti-collision scheme for RFID systems | |
Choi et al. | Robust and Dynamic Bin Slotted Anti-Collision Algorithms in RFID System | |
Cui | System efficiency of collision recover binary tree algorithm in RFID | |
CN101369913B (zh) | 一种无线通信网络节点数目估计方法 | |
Liu et al. | A fast and stable anti-collision algorithm for the EPCglobal UHF Class 1 Generation 2 standard | |
Ning et al. | Performance evaluation of RFID anti-collision algorithm with FPGA implementation | |
Rennane et al. | A comparative performance evaluation study of the basic binary tree and aloha based anti-collision protocols for passive RFID system | |
Zhu et al. | A Non-integral-Q Algorithm for RFID System in Anti-collision |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C53 | Correction of patent of invention or patent application | ||
CB03 | Change of inventor or designer information |
Inventor after: Zhang Xiaohong Inventor after: Jin Yungang Inventor after: Wu Zhengze Inventor before: Zhang Xiaohong Inventor before: Hu Yingmeng Inventor before: Wu Zhengze |
|
COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: ZHANG XIAOHONG HU YINGMENG WU ZHENGZE TO: ZHANG XIAOHONG JIN YUNGANG WU ZHENGZE |
|
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170531 Termination date: 20220120 |