CN106934311A - 一种高效rfid标签直方图收集的方法 - Google Patents

Abstract

本发明是一种高效RFID标签直方图收集的方法，它属于电子信息和无线通信技术领域。本发明采用改进的帧时隙Aloha算法，基于整体抽样估算法，选取不同RFID标签类别并建立查询周期，筛选符合精确度约束的类别，可以在不读取标签所有数据的情况下，通过单时隙中的抽样来估算每个标签类别的RFID标签数量并高效收集直方图。本发明通过直方图收集的方法，优化了数据结构，简洁直观，提升了系统运行的识别效率和实用性。

Description

一种高效RFID标签直方图收集的方法

技术领域

本发明属于电子信息和无线通信技术领域，特别涉及一种高效RFID标签直方图收集的方法。

背景技术

随着无线射频技术的迅速普及，RFID标签已经被广泛的应用仓储、图书馆、商场等场合。在射频识别系统中，当RFID阅读器读取范围内存在大量RFID标签时，这些标签发送的信息会相互干扰，发生标签碰撞，读取过程中出现重读、漏读异常现象，导致原始数据中存在大量异常数据，影响系统整体识别效率和准确性。例如，不同类型的货物、图书嵌入特定标识的RFID标签，管理员可以通过识别不同类型的RFID标签的数量及时掌握各类型货品的库存。因此，如何高效率地对RFID标签数量进行估算并收集直方图是一个很重要的研究问题。

现有的RFID标签识别算法主要分为两种：(1)基于帧时隙Aloha的算法，它采用一种随机时分多址的方式，通过在规定的时隙传输数据来改善系统读取效率，将信道用信息帧表示，把信息帧分成许多时隙，每个RFID标签随机选一个时隙来发送自己的识别码信息。在每帧开始后，RFID阅读器向RFID标签发送请求，RFID标签收到请求后随机选择该帧中的一个时隙并响应；(2)基于树的算法，首先RFID阅读器在每次的查询命令中广播一个前缀信息，所有满足这个前缀的RFID标签均会向RFID阅读器发送回复。然后RFID阅读器会检测回复是否冲突，如果冲突，则通过更改前缀将回复的RFID标签分成两部分，并通过广播不同的新前缀来让不同类的RFID标签子集合回复，当RFID阅读器检测到只有一个RFID标签回复时，则成功识别。帧时隙Aloha算法复杂程度低，随机时分多址的方式会使部分RFID标签始终无法被识别且当RFID标签数量增加，算法的效率急剧下降；基于树的算法虽然能够确保所有的RFID标签别识别但增加了算法的复杂度且效率低。

本发明在符合精确度约束，减少搜索时间的情况下，提出一种高效RFID标签直方图收集的方法，能够在有大量RFID标签的系统中，在不读取标签所有数据的情况下进行高效的直方图收集。

发明内容

在有大量的RFID标签系统中收集直方图，由于多个标签可能在同一个时隙响应，存在3种时隙：空时隙，没有标签响应；单时隙，只有一个标签响应；冲突时隙，有多个标签响应。传统方法分为两种方案：基本标签识别，通过单独识别每个标签类别，收集直方图；单独计数识别，一个一个估算每个类别的标签数，然而以上两种时间效率都不高。

本发明针对现有的RFID标签识别方法的不足，提出了一种高效的RFID标签直方图收集方法。

本发明所采取的技术方案为：

一种高效的RFID标签直方图收集方法，采用改进的帧时隙Aloha算法，基于整体抽样估算法，选取不同RFID标签类别并建立查询周期，筛选符合精确度约束的类别，然后通过单时隙中的抽样来估算每个标签类别的RFID标签数量并收集直方图。

所述的改进的帧时隙ALOHA算法，构造一个动态环境让RFID标签可以持续的进入和离开扫描范围。

所述的查询周期由拥有最少RFID标签数的类别来决定，在该类别满足精确性要求前，其它类别必须处于查询周期中。

所述的筛选符合精确度约束的类别，用户可以根据系统固有的不确定性，对直方图收集提出精确度约束。

一种高效的RFID标签直方图收集方法，具体包括以下步骤:

S1.计算初始帧长f，如果查询周期l＝1，通过公式求出，否则计算帧长

S2.定义空集S，筛选标签集合中最大标签数量的单时隙类别，设定一个阈值剔除只占据小部分单时隙的类别，将满足的类别纳入集合S，避免来估算那些较小类别且方差较大的标签数量；

S3.采用动态规划的方法，将集合S分为S₁,S₂,...,S_d的几组，循环直到没有单时隙或冲突时隙出现时终止；

RFID标签总的识别时间主要由跨周期时间和平均每个时隙间隔时间为决定，利用组的概念，将RFID标签数量以非增序列排序并分组，将适当数量大小的RFID标签类别放在一起，缓冲每个查询周期的固定时间成本。

S4.接着用整体抽样估算法估算每个属于集合S的标签类别C_i的数量n_i；

首先在标签总数量为n，标签种类有m类C＝{C₁,C₂,...,C_m}，用Pr[X_i,j＝1]表示在C_i中只有一个RFID标签选择了时隙j的概率，f代表帧长，对选择时隙j的概率求和，所以有：

E(n_s,i)为C_i中选择单时隙的RFID标签数量的估算值；

然后通过类比推理方法，推导出C_i中的标签数量与单时隙RFID标签数量的关系:n_s为单时隙的RFID标签数量，为估算总标签数，算出C_i中的标签数量；

S5.计算每个类别的方差，通过多个查询周期l的重复测试来降低方差，再利用加权平均统计方法进行精确度分析，过滤出符合精确度要求的类别；

对于每个类别C_i∈S_j，用δ_i来表示的方差，令依靠以下定理来得出精确性：

通过多个查询周期l不断地测试来降低方差，利用加权平均统计方法，并且通过以下定理用方差的形式来表示精确度约束，满足定理则符合精确度约束：

S6.最后将识别出的每个S_j中的类别的标签数量将它们显示在直方图上。

本发明相对于现有技术具有以下有益效果：

(1)本发明采用改进的帧时隙ALOHA算法，提高了RFID标签识别能力且可以在不读取标签所有数据的情况下进行高效的直方图收集，简洁、直观。

(2)本发明基于整体抽样估算法，通过在单时隙中的抽样识别每个类别中RFID标签数量，利用组的概念，将适当数量大小的RFID标签类别放在一起，缓冲了每个查询周期的固定时间成本，提高了系统识别效率。

附图说明

图1为本发明RFID标签直方图收集流程图；

图2为本发明实施例直方图收集示意图。

具体实施方式

下结合附图对本发明作进一步说明：

一种高效的RFID标签直方图收集方法，采用改进的帧时隙Aloha算法，基于整体抽样估算法，选取不同RFID标签类别并建立查询周期，筛选符合精度的类别，然后通过单时隙中的抽样来估算每个标签类别的RFID标签数量并收集直方图。

一种高效的RFID标签直方图收集方法，具体包括以下步骤:

S1.计算初始帧长f，如果查询周期l＝1，通过公式求出，否则计算帧长

S2.定义空集S，筛选标签集合R中最大标签数量的单时隙类别，设定一个阈值剔除只占据小部分单时隙的类别，将满足的类别纳入集合S，避免来估算那些较小类别并且方差较大的标签数量；

S3.采用动态规划的方法，将集合S分为S₁,S₂,...,S_d的几组，循环直到没有单时隙或冲突时隙出现时终止；

直方图收集最关键的因素是时间效率。对于基础直方图收集，时间延迟有两个主要因素：RFID标签类别数和整体抽样分组中的最小RFID标签数量。总体上来说，当RFID标签类别数增加，时间延迟增加。当分组中最小RFID标签数量增加，时间延迟增加。

RFID标签总的识别时间主要由跨周期时间和平均每个时隙间隔时间为决定，利用组的概念，将RFID标签数量以非增序列排序并分组，将适当数量大小的RFID标签类别放在一起，缓冲了每个查询周期的固定时间成本。

S4.接着用整体抽样估算法估算每个属于集合S的标签类别C_i的数量n_i；

首先在标签总数量为n，标签种类有m类C＝{C₁,C₂,...,C_m}，用Pr[X_i,j＝1]表示在C_i中只有一个RFID标签选择了时隙j的概率，f代表帧长，对选择时隙j的概率求和，所以有：

E(n_s,i)为C_i中选择单时隙的RFID标签数量的估算值；

用n_s表示单时隙标签的数量，其估计值

于是有：

然后通过类比推理方法，推导出C_i中的标签数量与单时隙RFID标签数量的关系:n_s为单时隙的RFID标签数量，为估算总标签数，算出C_i中的标签数量；

S5.计算每个类别的方差，通过多个查询周期l的重复测试来降低方差，再利用加权平均统计方法进行精确度分析，过滤出符合精确度要求的类别；

对于每个类别C_i∈S_j，用δ_i来表示的方差，令依靠以下定理来得出精确性：

通过多个查询周期l不断地测试来降低方差，利用加权平均统计方法则平均标签数量这里

和δ_i,k分别表示每个周期k的估计标签数量和方差。因此，有的方差并且通过以下定理用方差的形式来表示精确度约束，满足定理则符合精确度约束：

S6.最后将识别出的每个S_j中的类别的标签数量将它们显示在直方图上。

如图2，本发明通过直方图收集的方法，优化了数据结构，简洁直观，提升了系统运行的识别效率和实用性。

Claims (3)

1.一种高效的RFID标签直方图收集方法，采用改进的帧时隙Aloha算法，基于整体抽样估算法，选取不同RFID标签类别并建立查询周期，筛选符合精确度约束的类别，然后通过单时隙中的抽样来估算每个标签类别的RFID标签数量并收集直方图。

2.根据权利要求1所述的一种高效的RFID标签直方图收集方法，其特征在于，所述的筛选符合精确度约束的类别，用户可以根据系统固有的不确定性，对直方图收集提出精确度约束。

3.根据权利要求1所述的一种高效的RFID标签直方图收集方法，其特征在于，具体包括以下步骤:

S1.计算初始帧长f，如果查询周期l＝1，通过公式求出，否则计算帧长 $f=\hat{n};$

S2.定义空集S，筛选标签集合中最大标签数量的单时隙类别，设定一个阈值剔除只占据小部分单时隙的类别，将满足的类别纳入集合S，避免来估算那些较小类别且方差较大的标签数量；

S3.采用动态规划的方法，将集合S分为S₁,S₂,...,S_d的几组，循环直到没有单时隙或冲突时隙出现时终止；

S4.接着用整体抽样估算法估算每个属于集合S的标签类别C_i的数量n_i；

首先在标签总数量为n，标签种类有m类C＝{C₁,C₂,...,C_m}，用Pr[X_i,j＝1]表示在C_i中只有一个RFID标签选择了时隙j的概率，f代表帧长，对选择时隙j的概率求和，所以有：

$E\left(n_{s,i}\right)=\underset{j=1}{\overset{f}{\Σ}}\mathrm{Pr}\[X_{x,j}=1\]={(1-\frac{1}{f})}^{n-1}\·n_i$

E(n_s,i)为C_i中选择单时隙的RFID标签数量的估算值；

然后通过类比推理方法，推导出C_i中的标签数量与单时隙RFID标签数量的关系:n_s为单时隙的RFID标签数量，为估算总标签数，算出C_i中的标签数量；

S5.计算每个类别的方差，通过多个查询周期l的重复测试来降低方差，再利用加权平均统计方法进行精确度分析，过滤出符合精确度要求的类别；

对于每个类别C_i∈S_j，用δ_i来表示的方差，令依靠以下定理来得出精确性：

${\mathrm{\δ}}_i=\frac{n_i}{n}\·\frac{e^{\mathrm{\ρ}}+n_i-1}{e^{\mathrm{\ρ}}+n-1}\·(\mathrm{\δ}+n^2)-{n_i}^2;$

通过多个查询周期l不断地测试来降低方差，利用加权平均统计方法，并且通过以下定理用方差的形式来表示精确度约束，满足定理则符合精确度约束：

${{\mathrm{\σ}}_i}^2\≤{\left(\frac{\mathrm{\ϵ}}{Z_1-\mathrm{\β}/2}\right)}^2\·{n_i}^2;$

S6.最后将识别出的每个S_j中的类别的标签数量将它们显示在直方图上。