CN110348258B - 一种基于机器学习的rfid应答信号帧同步系统及方法 - Google Patents

一种基于机器学习的rfid应答信号帧同步系统及方法 Download PDF

Info

Publication number
CN110348258B
CN110348258B CN201910628561.9A CN201910628561A CN110348258B CN 110348258 B CN110348258 B CN 110348258B CN 201910628561 A CN201910628561 A CN 201910628561A CN 110348258 B CN110348258 B CN 110348258B
Authority
CN
China
Prior art keywords
rfid response
rfid
amplitude
signals
response signal
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.)
Active
Application number
CN201910628561.9A
Other languages
English (en)
Other versions
CN110348258A (zh
Inventor
彭琪
林祥川
李小明
包军林
刘伟峰
庄奕琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201910628561.9A priority Critical patent/CN110348258B/zh
Publication of CN110348258A publication Critical patent/CN110348258A/zh
Application granted granted Critical
Publication of CN110348258B publication Critical patent/CN110348258B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
    • G06K7/10297—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves arrangements for handling protocols designed for non-contact record carriers such as RFIDs NFCs, e.g. ISO/IEC 14443 and 18092
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]

Landscapes

  • Engineering & Computer Science (AREA)
  • Toxicology (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • Synchronisation In Digital Transmission Systems (AREA)

Abstract

本发明公开了一种基于机器学习的RFID应答信号帧同步系统，涉及RFID技术领域，其包括：参数训练器，用于根据输入的RFID应答信号，向判决器输出多个权重向量，权重向量用于同步不同频偏区间的RFID应答信号；偏置与幅值计算器，用于根据输入的RFID应答信号和开始信号，向判决器输出偏置、幅值和偏置与幅值有效信号；判决器，输出RFID应答信号所属频偏区间编号和同步有效信号，本发明的有益效果是：利用机器学习的方式训练出的帧同步参数更契合RFID应答信号的信号特征，减弱收发机硬件电路带来的信号畸变的影响，能够精确同步所属频偏区间的应答信号。

Description

一种基于机器学习的RFID应答信号帧同步系统及方法
技术领域
本发明涉及RFID技术领域，具体是一种基于机器学习的RFID应答信号帧同步系统及方法。
背景技术
射频识别技术（RFID）是一种非接触式的自动化识别技术，通过无线射频方式进行非接触双向数据通信，对目标加以识别并获取相关数据。
超高频RFID系统通常由电子标签、阅读器、主机三部分组成。其中阅读器一般由天线、射频模块、基带模块构成。天线是发射和接收射频载波信号的设备。射频模块可发射和接收射频载波。射频模块将天线接收的从标签发射/反射回来的载波解调后传给基带模块。基带模块一般由放大器、解码及纠错电路、微处理器、时钟电路、标准接口组成，它可以接收射频模块传输的信号并解码后获得标签信息，也可以将需要发送给标签的信息编码后传递给射频模块，还可以通过标准接口将标签内容和其他的信息传给主机。
超高频RFID系统基本通信流程为：阅读器发射质询信号→标签返回应答信号→阅读器接收并处理应答信号。应答信号在阅读器中先经过解调、放大和滤波，然后被具有高采样频率的模数转换器（ADC）转换为数字信号，以便进行同步和解码。应答信号会被无线通信信道和硬件缺陷所影响而发生畸变，这将降低阅读器的同步和解码性能。此外，无源超高频RFID系统中的应答信号存在一定程度的频率偏差。因为在无源RFID系统中，标签要从阅读器发送的连续载波中获得能量，并通过其嵌入式振荡器将应答信号发送给阅读器，而嵌入式振荡器的输出频率通常由其内部带隙基准电路产生的基准电流决定，工艺和电源电压的变化导致振荡器的频率产生偏差。根据ISO 18000-6C协议标准，振荡器频率偏差应在±22％的范围内。考虑到应答信号的上述特性，阅读器需要有准确检测并同步±22％频率偏差应答信号的功能。
目前采用的方法有直接硬判决法和相关法两种。直接硬判决法根据应答信号的差分峰值的间隔时间来完成同步，但该方法对信号中存在的毛刺敏感，易受干扰信号的影响。相关法根据应答信号帧头与参考信号的相关值来完成同步，其中参考信号为不同频偏的帧头信号，该方法减小了信号中毛刺的影响，但未考虑硬件缺陷的影响，同时参考信号难以准确定义以均衡覆盖所有频偏范围。
基于此，本申请提出了一种基于机器学习的RFID应答信号帧同步系统及方法。
发明内容
本发明的目的在于提供一种基于机器学习的RFID应答信号帧同步系统及方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于机器学习的RFID应答信号帧同步系统，包括：
参数训练器，用于根据输入的RFID应答信号，向判决器输出多个权重向量，权重向量用于同步不同频偏区间的RFID应答信号；
偏置与幅值计算器，用于根据输入的RFID应答信号和开始信号，向判决器输出偏置、幅值和偏置与幅值有效信号；
判决器，用于根据输入的多个权重向量、偏置、幅值和偏置与幅值有效信号，输出RFID应答信号所属频偏区间编号和同步有效信号。
作为本发明再进一步的方案：所述参数训练器包括依次连接的信号提取器、信号分组器和SVM训练器，其中，信号提取器用于对收集到的RFID应答信号进行归一化和抽取，并提取出用于训练的RFID应答信号帧头；
信号分组器用于根据频偏区间对RFID应答信号帧头进行分组，并为每组RFID应答信号帧头关联频偏区间编号，然后输入到SVM训练器中训练权重向量。
作为本发明再进一步的方案：所述偏置与幅值计算器用于根据主控制单元的指令对RFID应答信号进行如下处理：
（I）用于对RFID应答信号进行累加，对累加结果进行求均值并进行保存，获得均值a；
（II）在RFID应答信号返回延迟内，计算RFID应答信号与均值a的差值，并将该差值进行累加，对累加结果求均值并进行保存，获得平均差；
（III）将获得的平均差放大作为阈值，通过比较阈值和RFID应答信号与均值a的差值以检测RFID应答信号的偏离，并且根据连续偏离的次数判断是否开始以累加方式计算均值b；
（IV）将获得的均值a和均值b分别进行求和与求差后再分别求二分之一，获得偏置和幅值并传递给判决器。
作为本发明再进一步的方案：所述判决器包括第三减法器、寄存器组、向量乘法器、最大值选择器和第二比较器，其中，所述第三减法器用于接收RFID应答信号和偏置并输出除去偏置的信号传递到寄存器组，寄存器组的输出与幅度组成受判决向量传递到各个向量乘法器中，向量乘法器用于计算各权重向量和受判决向量的乘积，并将结果输出到最大值选择器中，最大值选择器输出向量乘积的最大值和其频偏区间编号，第二比较器判断最大向量乘积是否大于零并输出同步有效信号。
一种基于机器学习的RFID应答信号帧同步方法，包括以下步骤：
S100，将输入的RFID应答信号按照频偏区间分成多组，得出各频偏区间的RFID应答信号所对应的权重向量，权重向量用于同步不同频偏区间的RFID应答信号；
S200，根据输入的RFID应答信号和开始信号，向判决器输出偏置、幅值、偏置与幅值有效信号；
S300，根据输入的多个权重向量、偏置、幅值、偏置与幅值有效信号，输出RFID应答信号所属频偏区间编号和同步有效信号。
作为本发明进一步的方案：步骤S300中，除去了偏置后的RFID应答信号与幅度组成受判决向量，与权重向量相乘后选择数值最大的结果和与权重向量相对应的频偏区间编号，判断数值最大的结果大于零后输出同步有效信号。
作为本发明再进一步的方案：所述偏置和幅值的获得方法包括以下步骤：
S201，对RFID应答信号进行累加，对累加结果进行求均值并进行保存，获得均值a；
S202，在RFID应答信号返回延迟内，计算RFID应答信号与均值a的差值，并将该差值进行累加，对累加结果求均值并进行保存，获得平均差；
S203，将获得的平均差放大作为阈值，通过比较阈值和RFID应答信号与均值a的差值以检测RFID应答信号的偏离，并且根据连续偏离的次数判断是否开始以累加方式计算均值b；
S204，偏置与幅值分别通过对均值a和均值b求和与求差后再求二分之一获得。
作为本发明再进一步的方案：所述累加次数为2m，m为大于零的正整数。
与现有技术相比，本发明的有益效果是：利用机器学习的方式训练出的帧同步参数更契合RFID应答信号的信号特征，减弱收发机硬件电路带来的信号畸变的影响，能够精确同步所属频偏区间的应答信号，本发明的偏置/幅度计算器充分利用了RFID应答信号的返回延迟时间，硬件消耗少，结构较简单，能精确测到RFID应答信号的偏置和幅度。
附图说明
图1为一种基于机器学习的RFID应答信号帧同步系统的控制原理图。
图2为一种基于机器学习的RFID应答信号帧同步系统中参数训练器的控制原理图。
图3为一种基于机器学习的RFID应答信号帧同步系统中偏置与幅值计算器的控制原理图。
图4为一种基于机器学习的RFID应答信号帧同步系统中判决器的控制原理图。
图中：1-信号提取器、2-信号分组器、3-SVM训练器、4-主控制单元、5-数据选择器、6-累加器、7-第一移位器、8-第一寄存器、9-第二寄存器、10-第三寄存器、11-第一减法器、12-乘法器、13-第一比较器、14-加法器、15-第二减法器、16-第二移位器、17-第三移位器、18-第三减法器、19-寄存器组、20-向量乘法器、21-最大值选择器、22-第二比较器。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本实施例公开的一些方面相一致的装置和方法的例子。
实施例1
请参阅图1～4，本发明实施例中，一种基于机器学习的RFID应答信号帧同步系统，包括：
参数训练器，用于根据输入的RFID应答信号，向判决器输出多个权重向量，具体的来说，所述参数训练器包括依次连接的信号提取器1、信号分组器2和SVM训练器3，其中，信号提取器1用于对收集到的RFID应答信号进行归一化和抽取，并提取出用于训练的RFID应答信号帧头，信号分组器2用于根据频偏区间对RFID应答信号帧头进行分组，并为每组RFID应答信号帧头关联频偏区间编号，各组RFID应答信号帧头被输入到SVM训练器3中训练权重向量，此处，权重向量用于同步不同频偏区间的RFID应答信号；
偏置与幅值计算器，用于根据输入的RFID应答信号和开始信号，向判决器输出偏置、幅值和偏置与幅值有效信号；
判决器，用于根据输入的多个权重向量、偏置、幅值和偏置与幅值有效信号，输出RFID应答信号所属频偏区间编号和同步有效信号，偏置与幅值有效信号的目的在于告知判决器偏置和幅值的计算已经完成，判决器可以开始工作。
具体的来说，所述偏置与幅值计算器包括数据选择器5、累加器6、第一移位器7、第一寄存器8、第二寄存器9、第三寄存器10、第一减法器11、乘法器12、第一比较器13、加法器14、第二减法器15、第二移位器16和第三移位器17。此处，所述偏置与幅值计算器用于根据主控制单元4的指令对RFID应答信号进行处理，获得如下数据：
（I）用于对RFID应答信号进行累加，对累加结果进行求均值并进行保存，获得均值a，具体的，主控制单元4令数据选择器5选择将RFID应答信号传递到累加器6，在累加器6中累加2m（即2的幂次方）个RFID应答信号后，将累加结果传递到第一移位器7求均值并将均值存入第一寄存器8，即得到均值a；
（II）在RFID应答信号返回延迟内，计算RFID应答信号与均值a的差值，并将该差值进行累加，对累加结果求均值并进行保存，获得平均差；具体的，在接下来的RFID应答信号返回延迟内，第一减法器11计算RFID应答信号与均值a的差值，主控制单元4令数据选择器5选择将差值传递到累加器6，在累加器6中累加2m（即2的幂次方）个输入信号后，将累加结果传递到第一移位器7求均值并将均值存入到第二寄存器9，即得到平均差；
（III）将获得的平均差放大作为阈值，通过比较阈值和RFID应答信号与均值a的差值以检测RFID应答信号的偏离，并且根据连续偏离的次数判断是否开始计算均值b，与前述类似，均值b亦是利用累加计算均值的方式，在此不进行多余叙述，具体的，此处利用乘法器12将平均差放大作为阈值输出到第一比较器13中，第一比较器13比较阈值和第一减法器11的输出来检测应答信号的偏离，其输出被传递到主控制单元4中，主控制单元4根据连续偏离的次数判断是否开始计算均值b，均值b的计算与均值a的计算类似，同是利用累加器6和第一移位器7计算RFID应答信号段落的均值，将此步骤的均值存入第三寄存器10作为均值b；
（IV）将获得的均值a和均值b分别进行求和与求差后再分别求二分之一，获得偏置和幅值并传递给判决器，具体的，加法器14接收第一寄存器8的均值a和第三寄存器10的均值b，并将输出传递给第二移位器16，第二移位器16输出偏置传递到判决器，第二减法器15接收第一寄存器的均值a和第三寄存器的均值b，并将输出传递到第三移位器17，第三移位器17输出幅值传递到判决器。
所述判决器包括第三减法器18、寄存器组19、向量乘法器20、最大值选择器21和第二比较器22，其中，所述第三减法器18用于接收RFID应答信号和偏置并输出除去偏置的信号传递到寄存器组19，寄存器组19的输出与幅度组成受判决向量传递到各个向量乘法器20中，向量乘法器20用于计算各权重向量和受判决向量的乘积，并将结果输出到最大值选择器21中，最大值选择器21输出向量乘积的最大值和其频偏区间编号，第二比较器22判断最大向量乘积是否大于0并输出同步有效信号。
实施例2
本发明实施例中，一种基于机器学习的RFID应答信号帧同步方法，包括以下步骤：
S100，对输入的RFID应答信号按照频偏区间分成多组，为处于对应频偏区间内的RFID应答信号赋予权重向量，权重向量用于同步不同频偏区间的RFID应答信号；
S200，根据输入的RFID应答信号和开始信号，向判决器输出偏置、幅值和偏置与幅值有效信号；
S300，根据输入的多个权重向量、偏置、幅值和偏置与幅值有效信号，输出为与对应频偏区间编号相关联的同步有效信号，作为优选的，除去了偏置后的RFID应答信号与幅度组成受判决向量，与权重向量相乘后选择数值最大的结果和与权重向量相对应的频偏区间编号，判断数值最大的结果大于零后输出同步有效信号。
具体的来说，所述偏置和幅值的获得方法包括以下步骤：
S201，对RFID应答信号进行累加，对累加结果进行求均值并进行保存，获得均值a，此处，累加次数为2m次，m为大于零的正整数；
S202，在RFID应答信号返回延迟内，计算RFID应答信号与均值a的差值，并将该差值进行累加，对累加结果求均值并进行保存，获得平均差，此处，累加次数为2m次，m为大于零的正整数；
S203，将获得的平均差放大作为阈值，通过比较阈值和RFID应答信号与均值a的差值以检测RFID应答信号的偏离，此处，并且根据连续偏离的次数判断是否开始以累加方式计算均值b，即：当RFID应答信号与均值a的差值连续大于阈值达到设定的次数时，开始以累加方式计算均值b；
S204，偏置与幅值分别通过对均值a和均值b求和与求差后再求二分之一获得。
需要特别说明的是，本技术方案中，利用机器学习的方式训练出的帧同步参数更契合RFID应答信号的信号特征，减弱收发机硬件电路带来的信号畸变的影响，能够精确同步所属频偏区间的应答信号，本发明的偏置/幅度计算器充分利用了RFID应答信号的返回延迟时间，硬件消耗少，结构较简单，能精确测到RFID应答信号的偏置和幅度。
本领域技术人员在考虑说明书及实施例处的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (7)

1.一种基于机器学习的RFID应答信号帧同步系统，其特征在于，包括：
参数训练器，用于根据输入的RFID应答信号，向判决器输出多个权重向量，权重向量用于同步不同频偏区间的RFID应答信号；
偏置与幅值计算器，用于根据输入的RFID应答信号和开始信号，向判决器输出偏置、幅值和偏置与幅值有效信号；
判决器，用于根据输入的多个权重向量、偏置、幅值和偏置与幅值有效信号，输出RFID应答信号所属频偏区间编号和同步有效信号；
所述判决器包括：
第三减法器(18)，用于接收RFID应答信号和偏置并输出除去偏置的信号传递到寄存器组(19)；
寄存器组(19)，其输出与幅度组成受判决向量传递到各个向量乘法器(20)中；
向量乘法器(20)，用于计算各权重向量和受判决向量的乘积，并将结果输出到最大值选择器(21)中；
最大值选择器(21)，用于向第二比较器(22)输出向量乘积的最大值和其频偏区间编号；
第二比较器(22)，用于判断最大向量乘积是否大于零，若大于零输出同步有效信号。
2.根据权利要求1所述的一种基于机器学习的RFID应答信号帧同步系统，其特征在于，所述参数训练器包括依次连接的信号提取器(1)、信号分组器(2)和SVM训练器(3)，其中：
信号提取器(1)用于对收集到的RFID应答信号进行归一化和抽取，并提取出用于训练的RFID应答信号帧头；
信号分组器(2)用于根据频偏区间对RFID应答信号帧头进行分组，并为每组RFID应答信号帧头关联频偏区间编号，然后输入到SVM训练器(3)中训练权重向量。
3.根据权利要求1所述的一种基于机器学习的RFID应答信号帧同步系统，其特征在于，所述偏置与幅值计算器用于根据主控制单元(4)的指令对RFID应答信号进行如下处理：
(I)用于对RFID应答信号进行累加，对累加结果进行求均值并进行保存，获得均值a；
(II)在RFID应答信号返回延迟内，计算RFID应答信号与均值a的差值，并将该差值进行累加，对累加结果求均值并进行保存，获得平均差；
(III)将获得的平均差放大作为阈值，通过比较阈值和RFID应答信号与均值a的差值以检测RFID应答信号的偏离，并且根据连续偏离的次数判断是否开始以累加方式计算均值b；
(IV)将获得的均值a和均值b分别进行求和与求差后再分别求二分之一，获得偏置和幅值并传递给判决器。
4.一种基于机器学习的RFID应答信号帧同步方法，其特征在于，包括以下步骤：
S100，将输入的RFID应答信号按照频偏区间分成多组，得出各频偏区间的RFID应答信号所对应的权重向量，权重向量用于同步不同频偏区间的RFID应答信号；
S200，根据输入的RFID应答信号和开始信号，向判决器输出偏置、幅值、偏置与幅值有效信号；
S300，判决器根据输入的多个权重向量、偏置、幅值、偏置与幅值有效信号，输出RFID应答信号所属频偏区间编号和同步有效信号；
所述判决器包括第三减法器、寄存器组、向量乘法器、最大值选择器和第二比较器，其中，所述第三减法器用于接收RFID应答信号和偏置并输出除去偏置的信号传递到寄存器组，寄存器组的输出与幅度组成受判决向量传递到各个向量乘法器中，向量乘法器用于计算各权重向量和受判决向量的乘积，并将结果输出到最大值选择器中，最大值选择器输出向量乘积的最大值和其频偏区间编号，第二比较器判断最大向量乘积是否大于零，若大于零输出同步有效信号。
5.判决器根据权利要求4所述的一种基于机器学习的RFID应答信号帧同步方法，其特征在于，步骤S300中，除去了偏置后的RFID应答信号与幅度组成受判决向量，与权重向量相乘后选择数值最大的结果和与权重向量相对应的频偏区间编号，判断数值最大的结果大于零后输出同步有效信号。
6.根据权利要求4所述的一种基于机器学习的RFID应答信号帧同步方法，其特征在于，所述偏置和幅值的获得方法包括以下步骤：
S201，对RFID应答信号进行累加，对累加结果进行求均值并进行保存，获得均值a；
S202，在RFID应答信号返回延迟内，计算RFID应答信号与均值a的差值，并将该差值进行累加，对累加结果求均值并进行保存，获得平均差；
S203，将获得的平均差放大作为阈值，通过比较阈值和RFID应答信号与均值a的差值以检测RFID应答信号的偏离，并且根据连续偏离的次数判断是否开始以累加方式计算均值b；
S204，偏置与幅值分别通过对均值a和均值b求和与求差后再求二分之一获得。
7.根据权利要求6所述的一种基于机器学习的RFID应答信号帧同步方法，其特征在于，所述累加次数为2m，m为大于零的正整数。
CN201910628561.9A 2019-07-12 2019-07-12 一种基于机器学习的rfid应答信号帧同步系统及方法 Active CN110348258B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910628561.9A CN110348258B (zh) 2019-07-12 2019-07-12 一种基于机器学习的rfid应答信号帧同步系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910628561.9A CN110348258B (zh) 2019-07-12 2019-07-12 一种基于机器学习的rfid应答信号帧同步系统及方法

Publications (2)

Publication Number Publication Date
CN110348258A CN110348258A (zh) 2019-10-18
CN110348258B true CN110348258B (zh) 2020-11-24

Family

ID=68175955

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910628561.9A Active CN110348258B (zh) 2019-07-12 2019-07-12 一种基于机器学习的rfid应答信号帧同步系统及方法

Country Status (1)

Country Link
CN (1) CN110348258B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023012092A (ja) * 2021-07-13 2023-01-25 東芝テック株式会社 タグ読取装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944513A (zh) * 2017-11-21 2018-04-20 中国运载火箭技术研究院 一种试验现场无线设备身份识别系统及方法
CN108489495A (zh) * 2018-03-29 2018-09-04 东南大学 一种基于svr和pso的rfid标签室内定位方法及设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103944604B (zh) * 2014-03-17 2016-03-16 谷旺 伪码捕获装置
US10986817B2 (en) * 2014-09-05 2021-04-27 Intervet Inc. Method and system for tracking health in animal populations
CN104538036A (zh) * 2015-01-20 2015-04-22 浙江大学 一种基于语义细胞混合模型的说话人识别方法
CN105376857A (zh) * 2015-11-27 2016-03-02 湘潭大学 基于压缩采样的超宽带传感器网络异步定位方法
CN106022404B (zh) * 2016-05-13 2018-04-03 南京大学 基于rfid的rssi信号值的图书放置姿态识别方法
EP3366203B1 (en) * 2017-02-23 2019-12-25 Tata Consultancy Services Limited Method and system for cuffless blood pressure estimation using photoplethysmogram features and pulse transit time

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944513A (zh) * 2017-11-21 2018-04-20 中国运载火箭技术研究院 一种试验现场无线设备身份识别系统及方法
CN108489495A (zh) * 2018-03-29 2018-09-04 东南大学 一种基于svr和pso的rfid标签室内定位方法及设备

Also Published As

Publication number Publication date
CN110348258A (zh) 2019-10-18

Similar Documents

Publication Publication Date Title
US9426008B2 (en) Signal processing device and method
US7821378B2 (en) Apparatus and method for receiving tag signal in mobile RFID reader
WO1999044328A1 (en) Bit synchronizers and methods of synchronizing and calculating error
US8724761B2 (en) Symbol synchronization apparatus and method of passive RFID reader
CN110348258B (zh) 一种基于机器学习的rfid应答信号帧同步系统及方法
CN105515753B (zh) 一种基于fpga的rfid前导码检测方法
CN102510566A (zh) 一种lte系统的邻区搜索方法及装置
KR100768100B1 (ko) 모바일 ｒｆⅰｄ 리더의 태그 신호 수신 장치 및 방법
KR20120025747A (ko) 맨체스터 서브캐리어 신호에 대한 수동형 ｒｆｉｄ 리더 디지털 복조 장치 및 방법
JP2011003948A (ja) データ処理装置及びデータ処理方法、受信装置及び受信方法、同期検出装置及び同期検出方法、並びにコンピューター・プログラム
CN114679203B (zh) 物联网通信系统和方法
US8264332B2 (en) Apparatus and method for demodulating subcarrier tag signal in RFID reader
KR100876284B1 (ko) Ｒｆｉｄ 리더기에서의 태그 신호 수신 방법 및 ｒｆｉｄ리더기에서의 태그 신호 수신 시스템
CN110380821B (zh) 一种基于机器学习的rfid应答信号解码系统及方法
US10095892B2 (en) RFID reader and method for recognizing RFID tags
US20080136593A1 (en) Radio frequency identification (rfid) interrogators
KR100736228B1 (ko) 알에프아이디 시스템에 있어서의 심볼 검출방법
KR101802653B1 (ko) 근거리 무선 통신에서의 프레임 비트 검출기
Wang et al. A novel anti-collision algorithm with dynamic tag number estimation for RFID systems
CN101635583A (zh) 一种窄带高速跳频系统的抗相偏解调方法
US10924312B1 (en) System and method of demodulating frequency shift keying signal
CN110568400B (zh) 抽屉内物品标签在读写器移动方向轴的粗定位方法
CN107404452A (zh) Bpsk解调方法及装置、接收机
CN103888388B (zh) 一种uhf rfid读写器频偏估计＆帧同步方法
CN105245483A (zh) 单符号ofdm信号解调方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant