CN110852129B - 一种动态标签估计方法 - Google Patents

Abstract

本发明公开了一种动态标签估计方法，该方法主要实现过程包括：t1时刻，广播一个标识码str64t1，标签记录该标识码；t2时刻，在收到标签的回复之前，先发送t1时刻广播的标识码str64t1，若标签收到的标识码与之前存储的一致，则在与阅读器通信的过程中回复相应信号；当标签确定回复的信号后，根据收集的标签回复的信号，解码出已知标签和未知标签各自对应的逻辑帧，根据逻辑帧同时估计出已知标签和未知标签的数量。在解决动态标签估计问题上，本发明通过解码出的逻辑帧同时估计两种标签的数量，极大的节省了时间开销。

Description

一种动态标签估计方法

技术领域

本发明涉及物联网RFID技术应用领域，特别是一种动态标签估计方法。

背景技术

随着RFID技术的发展和普及，RFID已经运用在许多应用当中。在物流管理、电子支付、物品防伪、安全访问控制、智能交通、电子名片、传统媒体拓展、快速出入、动植物管理、室内导航等领域都得到了广泛应用。RFID技术是指利用无线电波来识别RFID标签的一种方式，在物联网环境中，采用RFID技术，能够为每一个物理对象分配唯一的ID，并且能够赋予物理对象一定的计算能力，让每一个物体实现“被动智能”。RFID技术秉承着物联网“物物相连”的核心理念，特别在追求“便捷、高效、安全”服务理念的今天，凭借其独特的优势，对物联网产业和人们的生活做出了突出的贡献。它突破了传统自动识别方法距离的限制，RFID技术应用场景广阔，在物流以及仓储管理等大规模物品管理应用中，所管理的物品不可避免的需要经常移动。物品的移动会造成库存的变化，加大了管理的难度。将RFID应用于这些领域的一个重要性难题是如何在动态复杂的环境下对系统中的标签进行高效监测，从而实现对物品的高效管理。一个典型的例子是大型超市中的货架管理。由于目前基于人工操作的货架管理不能及时的获取货架上商品的动态信息，导致很多畅销的商品不能够及时得到补充，引发货物的脱销问题。据报道,仅沃尔玛公司2013年由于该问题导致的损失就在30亿美元以上。如果我们能够利用RFID技术对超市中的商品存货情况进行实时动态监控，就能够有针对性的解决这类问题，减少对应的经济损失。

RFID系统组成：一个典型的RFID系统主要包括阅读器、RFID标签和后端服务器三个部分。后端服务器主要是存储数据和处理数据，控制着阅读器与标签的通信；阅读器通过发射电磁波的形式与标签进行通信，将收集到的数据传输到后端服务器进行相应的处理；标签主要由天线和芯片组成，每个标签都有一个唯一标识码，能够储存一定量的数据。标签收到阅读器发送的信号后，无源的被动标签凭借感应电流所获得的能量发送储存在标签中的数据，有源的主动标签则主动发送储存在标签芯片中的数据。

RFID基本通信协议：与阅读器相比，标签受硬件资源限制，存储能力和计算能力十分有限，使得标签没有冲突检测功能，标签之间不能相互通信，所有的冲突检测都需要借助于阅读器来完成。因而，传统网络中的很多防冲突算法很难适用于RFID标签之间的冲突检测。目前，基于帧的时隙ALOHA协议是主要的防冲突算法之一。阅读器和标签之间的通信主要是基于这种协议。该协议中，阅读器广播一个包含帧大小f的命令，标签在接受到帧长后随机独立地在[0,f-1]中选择一个整数作为自己发送信号的时隙序号。阅读器通过时隙开始命令启动一个新的时隙，如果标签的时隙序号等于0则立即发送信号，否则标签的时隙序号减1而不发送信号。例如，如果标签t随机选择的整数为2，则该标签将在第二个时隙回复信号给阅读器。

动态标签估计问题是指，在大规模动态的RFID系统中，被标记的对象会频繁的进出检测区域。例如，仓库和地铁站。在一个确定的时间间隔(t1-t2)，估计离开检测区域的丢失标签数量和进入检测区域的未知标签的数量具有非常广泛的应用。例如：监测仓库的库存随时间的变化情况，监测某旅游景点来往的游客数量，监测地铁站每段时间内进站和出站的人数，可以得到不同时间内的人流量变化情况，从而可以做出合理的安排措施。一个最直接的方法是使用标签识别协议收集t1时刻和t2时刻的所有标签ID。通过比较两个标签集合，很容易识别出存在于t1消失在t2的丢失标签和仅出现在t2的未知标签。然而这种方法非常的低效，因为在很小的一段时间内，丢失标签(离开系统的标签)和未知标签(进入系统的标签)占少数，已知标签(在t1和t2时刻都存在于系统的标签)占绝大多数，这类标签的ID重复收集了两次，而且直接传输标签的ID会引发隐私安全问题。而传统的估计算法，也不能解决这个问题。例如：使用一个传统的估计算法得到t1时刻系统中有5000个标签，t2时刻有7500个标签。此时仅知道这两个时刻的标签数量相差2500。然而并不知道是由于t1时刻到t2时刻之间有多少离开和多少进入的标签而导致标签数量相差2500。

现有的研究，是根据观察到标签的动态变化会引发某些时隙状态的改变来进行工作的。然而这种方式的效率比较低，不能很好的解决时隙竞争问题(当丢失标签和未知标签选择的是同一个时隙)，而导致监测失败。另外有时达不到指定精度要求。因为它需要在t1时刻知道未知标签的数量来设置参数，然而在t2时刻之前不能确定未知标签的数量因为系统是连续变化的。所以有待于进一步深入研究，找到更好的方案以满足实际应用的要求。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种动态标签估计方法，精确获取标签数量，避免引发隐私泄露，同时估计两种标签的数量，节省估计时间和开销。

为解决上述技术问题，本发明所采用的技术方案是：一种动态标签估计方法，动态标签估计探究的是在两个时间点(t1～t2时刻)，系统中的标签发生了怎样的变化，即：有多少标签离开/进入系统。整个模型的标签可分为丢失标签、已知标签、未知标签三类。丢失标签即：存在于t1时刻，消失于t2时刻。已知标签即：在t1到t2时刻之间一直存在于系统中。未知标签即：在t1时刻后进入的系统，存在于t2时刻。这里的动态标签指的是丢失标签和未知标签。在t1时刻下的系统标签由丢失标签和已知标签组成。t2时刻下的系统标签由已知标签和未知标签组成。在t1时刻可根据单时隙只有一个标签选择的事实，精确的获取当前系统的标签数量，所以动态标签估计可转换为在t2时刻对已知标签和未知标签的估计。

步骤1：t1时刻，根据单时隙只有一个标签选择的事实，在精确的获取当前系统的标签数量后，广播一个64bit的标识码str64t1，系统中的标签记录这个标识码。

步骤2：t2时刻，在收取标签的回复之前，先发送t1时刻广播的标识码str64t1，若标签收到的标识码与之前存储的一致，则在与阅读器通信的过程中回复比特0，否则回复比特1。若系统发生动态变化，则此刻系统存在两种标签:已知标签(没有离开系统的标签)和未知标签(t1时刻之后进入系统的标签)。显然，已知标签会回复比特0，未知标签回复比特1。当标签确定回复的信号后，阅读器收集当前系统标签回复的聚合信号。此时帧中的时隙有两种状态：空时隙(没有标签回复)和非空时隙(有标签回复)。在非空时隙中收到的信号可分为三种：1、成功收到信号0(在这个时隙种只有已知标签回复)。2、成功收到信号1(在这个时隙种只有未知标签回复)。3、收到冲突信号(已知标签和未知标签同时在这个时隙回复)。根据收集标签回复的信号后，可解码出已知标签和未知标签各自对应的逻辑帧，根据逻辑帧可估计出两种标签的数量。结合t1时刻系统中标签的数量，进而可同时得到丢失标签(t2时刻之前离开系统的标签)的数量。

进一步地，本发明的具体步骤是：

1)获取t1时刻系统的标签数量。该步骤由多轮组成。根据每轮帧中每个时隙的状态，阅读器计算下一轮最优的帧长。系统中的标签根据阅读器发送的帧长f和随机数r,随机选择一个时隙回复16比特信息。时隙的状态有以下几种情况：

a)若为空时隙，用n_i-1,0统计该轮帧中空时隙的数量。

b)若为单时隙，则在该时隙结束时阅读器发送“ACK”使映射到该时隙的标签“睡眠”，不再参与后续的过程。并用n_i-1,1统计该轮单时隙的数量。

c)若为冲突时隙，用n_i-1,c统计该轮帧中冲突时隙的数量。

当前轮的单时隙数量，为该轮有效统计的标签数量。空时隙和冲突时隙用来计算下一轮的最优帧长。重复上述过程，直至某轮中没有冲突时隙后，广播一个64bit的标识码str64t1，所有标签记录这个标识码。该阶段完成。则单时隙的数量之和即为当前系统中的标签数量。由当前轮计算出下一轮的帧长为：

如果

则：

f_next＝2.39n_i-1,c

否则：

其中f_next为下一轮的帧长；n_i-1,c为当前帧中冲突时隙的数量；n_i-1,1为当前帧中单时隙的数量；

为当前轮中估计的标签，

(f_i-1为当前轮的帧长，n_i-1,0为当前帧中空时隙的数量)。

2)标签确定回复的信号。在收集标签信号之前，阅读器先发送步骤1结束时广播的标识码str64t1，使当前系统中的标签确定之后与阅读器通信的过程中需要回复的信号。具体如下：若标签收到的标识码与自身存储的匹配，则回复信号0，否则回复信号1。用G₀表示回复信号0的标签集合；用G₁表示回复信号1的标签集合。

3)收集标签信号。在收到阅读器询问的信号后，每个标签根据自己ID哈希的结果在对应的时隙内回复各自信号。阅读器在某个时隙可能没有收到信号(没有标签选择这个时隙)、成功收到信号0(只有G₀中的标签选择了这个时隙)、成功收到信号1(只有G₁中的标签选择了这个时隙)、收到一个冲突信号(G₀和G₁中的标签同时选择了这个时隙)。阅读器记录在每一个时隙收到信号的情况，当执行完所有时隙后，可得到一个物理帧，该帧记录着当前系统标签在每个时隙回复的聚合信息。

4)把物理帧解码成两种标签集合G₀和G₁对应的逻辑帧，逻辑帧的长度与物理帧的长度一样。解码规则如下：

a)当阅读器在物理帧的某个时隙没有收到信号，则在G₀和G₁的逻辑帧的对应位置上标记0。

b)当阅读器在物理帧的某个时隙收到信号0，则在G₀的逻辑帧的对应位置上标记1，G₁的对应位置上标记0。

c)当阅读器在物理帧的某个时隙收到信号1，则在G₀的逻辑帧的对应位置上标记0，G₁的对应位置上标记1。

d)当阅读器在物理帧的某个时隙收到冲突信号，则在G₀的逻辑帧的对应位置上标记1，G₁的对应位置上标记1。

5)根据G₀和G₁的逻辑帧中0的数量，估计两种标签集合的数量。估计的标签数量由下面的等式给出：

其中

为标签集合G_i的估计值，f为帧长，N_i,0表示在G_i的逻辑帧中0出现的数量。

6)根据前k轮的估计值的平均值

计算下一轮的最优帧长。帧长由下面等式给出：

如果

否则：

f_opt为方程

的解

7)重复执行步骤3)至步骤6)，直到估计的精度满足预期设定的精度要求。

在步骤3中，标签回复信号的方式采用的是曼彻斯特编码，在曼彻斯特编码中，每一位的中间有一跳变，从高到低跳变表示“1”，从低到高跳变表示“0”。如果所有的标签同时传送0(或则1)，那么阅读器能够成功的解码出0(或则1)，否则阅读器将检测到一个冲突信号。因此通过阅读器收集的信号可知道哪类标签选择了这个时隙。

本发明先通过标签回复16-bit信息，根据空时隙、单时隙、冲突时隙的数量优化参数、准确获取t1时刻系统的标签数量，然后在t2时刻，系统的标签仅需回复1-bit信息。根据收集到的物理帧，解码出两种标签集合G₀和G₁对应的逻辑帧，可同时估计两种标签的数量，从而提高估计的效率。

与现有技术相比，本发明所具有的有益效果为：

1、本发明可以精确的获取标签数量，而传统的估计方法都是有误差的；

2、相比于标签识别协议，标签不需要传送96-bit长的ID，效率更高，而且不会引发隐私泄露；

3、在解决动态标签估计问题上，本发明通过解码出的逻辑帧同时估计两种标签的数量，极大的节省了时间开销。

附图说明

图1为本发明系统模型示意图；

图2为本发明物理帧解码成逻辑帧的过程；

图3为本发明ETSR协议中的每组标签选择时隙的过程；

图4为本发明验证标签数量、绝对误差ABS和精度a对SCT协议性能的影响。图4(a)系统标签数量从1000变化到2000，固定ABS＝35和a＝95％；图4(b)a从90％变化到99％，固定标签数量1500和ABS＝35；图4(c)ABS从20变化到50，固定标签数量1500和a＝95％；

图5为本发明验证当两种标签数量相等和不等时ETSR的执行效果。图5(a)两种标签数量相等；图5(b)两种标签数量不等；

图6为本发明验证动态标签的数量对SSR，ESSR和ZDE的影响。图6(a)固定已知标签＝100，丢失标签＝未知标签，两种标签数量从100变化到1000；图6(b)总标签数＝2000，已知标签＝100，丢失标签＝c*未知标签,系数c从2变化到50；图6(c)总标签数＝2000，已知标签＝100，丢失标签＝未知标签/c,系数c从2变化到50；

图7为本发明验证总标签的数量对SSR，ESSR和ZDE的影响；

图8为本发明验证动态标签估计的可靠性。图8(a)丢失标签数＝未知标签数；图8(b)丢失标签数≠未知标签数；

具体实施方式

本发明主要步骤分为两步，第一步根据帧中单时隙、空时隙、冲突时隙的数量设置最优参数，在最少的时间内准确的获取当前系统中的标签数量。第二步通过解码物理帧，可分别得到已知标签和未知标签对应的逻辑帧，基于逻辑帧中的信息可同时估计这两种标签的数量。以下把第一步简称为(SCT)，第二步简称为(TSR)。本发明的快速可靠的动态标签估计方法包括以下步骤：

1)步骤1：获取t1时刻系统的标签数量。该步骤由多轮组成。根据每轮帧中每个时隙的状态，阅读器计算下一轮最优的帧长。系统中的标签根据阅读器发送的帧长f和随机数r,随机选择一个时隙回复16比特信息。时隙的状态有以下几种情况：

a)若为空时隙，用n_i-1,0统计该轮帧中空时隙的数量。

b)若为单时隙，则在该时隙结束时阅读器发送“ACK”使映射到该时隙的标签“睡眠”，不再参与后续的过程。并用n_i-1,1统计该轮单时隙的数量。

c)若为冲突时隙，用n_i-1,c统计该轮帧中冲突时隙的数量。

当前轮的单时隙数量，为该轮有效统计的标签数量。空时隙和冲突时隙用来计算下一轮的最优帧长。重复上述过程，直至某轮中没有冲突时隙后，广播一个64bit的标识码str64t1，所有标签记录这个标识码。该阶段完成。则单时隙的数量之和即为当前系统中的标签数量。由当前轮计算出下一轮的帧长为：

如果

则：

f_next＝2.39n_i-1,c

否则：

其中f_next为下一轮的帧长；n_i-1,c为当前帧中冲突时隙的数量；n_i-1,1为当前帧中单时隙的数量；

为当前轮中估计的标签，

(f_i-1为当前轮的帧长，n_i-1,0为当前帧中空时隙的数量)。

2)步骤2：标签确定回复的信号。在收集标签信号之前，阅读器先发送步骤1结束时广播的标识码str64t1，使当前系统中的标签确定之后与阅读器通信的过程中需要回复的信号。具体如下：若标签收到的标识码与自身存储的匹配，则回复信号0，否则回复信号1。用G₀表示回复信号0的标签集合；用G₁表示回复信号1的标签集合。

3)步骤3：收集标签信号。在收到阅读器询问的信号后，每个标签根据自己ID哈希的结果在对应的时隙内回复各自信号。阅读器在某个时隙可能没有收到信号(没有标签选择这个时隙)、成功收到信号0(只有G₀中的标签选择了这个时隙)、成功收到信号1(只有G₁中的标签选择了这个时隙)、收到一个冲突信号(G₀和G₁中的标签同时选择了这个时隙)。阅读器记录在每一个时隙收到信号的情况，当执行完所有时隙后，可得到一个物理帧，该帧记录着当前系统标签在每个时隙回复的聚合信息。

4)步骤4：把物理帧解码成两种标签集合G₀和G₁对应的逻辑帧。逻辑帧的长度与物理帧的长度一样。解码规则如下：

a)当阅读器在物理帧的某个时隙没有收到信号，则在G₀和G₁的逻辑帧的对应位置上标记0。

b)当阅读器在物理帧的某个时隙收到信号0，则在G₀的逻辑帧的对应位置上标记1，G₁的对应位置上标记0。

c)当阅读器在物理帧的某个时隙收到信号1，则在G₀的逻辑帧的对应位置上标记0，G₁的对应位置上标记1。

d)当阅读器在物理帧的某个时隙收到冲突信号，则在G₀的逻辑帧的对应位置上标记1，G₁的对应位置上标记1。

5)步骤5：根据G₀和G₁的逻辑帧中0的数量，估计两种标签集合的数量。估计的标签数量由下面的等式给出：

其中

为标签集合G_i的估计值，f为帧长，N_i,0表示在G_i的逻辑帧中0出现的数量。

6)步骤6：根据前k轮的估计值的平均值

计算下一轮的最优帧长。帧长由下面等式给出：

如果

否则：

f_opt为方程

的解

7)步骤7：重复执行步骤3至步骤6，直到估计的精度满足预期设定的精度要求。

以下是对TSR性能的改进。描述ETSR协议时，只关注与TSR不同的地方，省略共同的细节。假设G₀组和G₁组中的标签数量分别为n₀和n₁，且

让f₀表示n₀的最优帧长，f₁表示n₁的最优帧长，则有f₀＝ρ₀n₀，f₁＝ρ₀n₁，其中ρ₀＝1.59。于是进一步可知

让k₀，k₁分别表示用TSR分开估计n₀，n₁需要的轮数。

该阶段由多轮组成，不失一般性，考虑第i轮。阅读器广播阶段1结束时广播的标识码str64_t1，参数f₀，f₁和C个不同的随机数{r_i,1，r_i,2,…r_i,c}。具体过程如下：当G₀组中的标签收到第j个随机数r_j后，通过操作

选择一个时隙。这样G₀组中的每个标签会在不同的区域内选择C个不同的时隙用于回复。而G₁组中的每个未知标签，只会使用阅读器依次广播的C个随机数的第一个随机数r_i,1，进行哈希操作

在f₁中选择一个回复的时隙。这样G₁组中的每个标签只会回复一次。于是每一轮可以得到一个对G₁组的估计值，通过对每个映射范围解码可以得到C个对G₀组的估计值。那么k₁轮后，会得k₁个对G₁的估计值，k₁C个对G₀的估计值。又因为k₀＝k₂C，所以两组标签的估计精度可同时满足指定要求。如图3为ETSR协议中的每组标签选择时隙的过程，解码估计的过程与TSR一样。

如图1描述的是系统模型图。在t1～t2时间内，离开(进入)系统的标签称为丢失(未知)标签，其余标签称为已知标签。T_t1的标签集合由丢失标和已知标签组成，T_t2的标签集合由已知标签和未知标签组成。本发明能够高效地估计出动态标签的数量。(把丢失标签和未知标签称为动态标签)

如图2描述的是物理帧解码成逻辑帧的过程。阅读器扫描帧中的每个时隙，构造出时隙的回复向量。根据回复的数量，一个时隙有两种状态：空(没有标签回复)和非空(至少有一个标签回复)。阅读器在非空时隙收到的信号可分为三种：成功收到信号0(只有G₀中的标签回复)、成功收到信号1(只有G₁中的标签回复)、收到冲突信号(G₀和G₁中的标签同时回复)。根据构造出的回复向量，可解码出G₀和G₁对应的逻辑帧。如图所示：

a)在时隙“0”中，阅读器收到信号0，可推测在这个时隙只有G₀中的标签回复，则在G₀逻辑帧对应的位置上标记1，G₁逻辑帧对应的位置上标记0。

b)在时隙“1、3、5”中，阅读器没有收到信号，则在G₀和G₁的逻辑帧的对应的位置上标记0。

c)在时隙“2、4”中，阅读器收到一个冲突信号，则在G₀和G₁的逻辑帧的对应的位置上标记1。

d)在时隙“6”中，阅读器收到信号1，则在G₀逻辑帧对应的位置上标记0，G₁逻辑帧对应的位置上标记1。

以下通过仿真实验的方式来说明本发明的性能。本方法由两步组成，第一步在t1时刻获取系统标签的数量。第二步在t2时刻同时估计已知标签和未知标签的数量。以下把第一步的方法记为SCT，第二步的方法记为TSR和ETSR。本方法记为SSR(SCT+TSR)，本方法的增强版记为ESSR(SCT+ETSR)。

在仿真实验中，按照EPC global C1G2 UHF tags指定的时间方案，设置了不同时隙的持续时间。阅读器和标签之间的数据率是62.5Kbps。在这个数据率下，传输一个96-bit标签的ID的时间tid＝2.4ms，一个空时隙需要的时间是te＝0.184ms，标签传输1bit的时间ts＝0.2ms，传输16bit的时间tl＝0.44ms。

如图4验证的是SCT协议的性能。在图4中，分别变化系统标签的数量，绝对误差ABS，和精度a，比较SCT,ATR(典型的标签估计算法)和Collection(标签识别协议)之间的性能。在图4(a)中，固定ABS和a的值，标签数从1000变化到2000。可以发现SCT明显快于ART和Collection。在图4(b)中，固定标签数量和ABS的值，a从90％变化到99％。可知SCT和Collection执行的时间与a无关，这是显而易见的。ART估计的时间随着a的增大而增大。在图4(c)中，固定标签数量和a的值，ABS从20变化到50。从图中可以发现随着ABS减小，ART的执行时间大幅度增加，而SCT和标签识别协议保持不变。从以上的实验结果显示，在要求绝对误差小，需要的精度a高的应用中，SCT的性能明显胜过ART和Collection。

如图5验证的是ETSR的有效性。为了评估ETSR可以提高时间效率，分别用ETSR,TSR和SE(分开估计)估计两组标签的数量，让n0和n1分别表示两组标签的数量。模拟两组标签数量相等和不等的情况，精度设置：α＝2％,β＝98％。图5(a)显示的是，两种标签相等的情况，n0＝n1，标签数量从1000变化到10000。从图中可以发现，当n0＝n1时，TSR是ETSR的一种特殊情况，两者执行的效果是一样的，相比于SE可以节省大约一半的时间。图5(b)显示的是，两组标签数量成倍数的情况，即n0＝c*n1。C表示的是一个倍数关系。C从2变化到20。从图中可以发现，当n0和n1相差的倍数越来越大时,TSR的时间开销急剧上升。TSR的性能在C＝10以后开始比SE差。而ETSR的性能比较稳定，始终都优于SE。

如图6描述的是改变动态标签的数量，对比本方法和现有方法的性能。这里研究的是动态标签的数量对SSR,ESSR和ZDE(现有方法)的性能的影响。根据丢失标签和未知标签的数量分为三种情况。1)固定已知标签数量为100，使丢失标签数量等于未知标签，n1＝n2，标签数量从100变到1000。2)总标签数为2000，固定已知标签数量为100,丢失标签的数量等于C倍的未知标签数量，即n1＝c*n2，C从2变化到20。3)总标签数为2000，固定已知标签数量为100,未知标签的数量等于C倍的丢失标签数量，即n2＝c*n1，C从2变化到20。精度设置：α＝2％,β＝98％。图6(a)显示的是n1＝n2的情况。从图中可以观察到相比其他两个协议SSR的性能受标签数量的影响较大。这是由于随标签数量增加，未知标签和已知标签的数量的差会增大，结果导致SSR同时估计两组标签的时间显著增加。但是改进的ESSR协议性能比较稳定，相比于ZDE，效果越来越好。图6(b)显示的是n1＝c*n2的情况。在这种情况下，丢失标签的数量随着C的增加而增加，未知标签的数量随着C的增加而减少，而且丢失标签的数量始终大于未知标签。从图中可以观察到ZDE的性能受两组标签数量的差的影响比较大。相比于ZDE，SSR和ESSR性能更好。SSR和ESSR执行的时间由两个阶段的时间组成。C增加时，丢失标签的数量增加，未知标签数量减少，则阶段1的执行时间增加，阶段2的时间减少。由于增加的时间大于减少的时间，所以SSR和ESSR执行的时间略微上升。图6(c)显示的是n2＝c*n1的情况，在这种情况下，丢失标签的数量随着C的增加而减少，未知标签的数量随着C的增加而增加，而且未知标签的数量始终大于丢失标签。SSR和ESSR消耗的时间包括两个阶段执行的时间。C增加时，导致阶段1的执行时间减少，阶段2的时间增加。由于减少的时间大于增加的时间，所以总的来说SSR和ESSR执行的时间略微下降。

如图7描述的是改变总标签的数量，对比本方法和现有方法的性能。在研究总标签的数量对ESSR，SSR和ZDE的影响时，固定丢失，已知和未知标签占的比例，改变总标签的数量。在图7中n1占25％，n0占10％，n2占65％。标签数N＝n1+n0+n2从1000变到5000。从图中发现SSR和ESSR的上升速度快于ZDE，这是因为SSR和ESSR在第一阶段得到的标签的数量的精度是100％，而ZDE采用的是估计算法。在精度要求高的场景下SSR和ESSR会表现出更好的性能。

如图8验证的是可靠性。根据丢失标签和未知标签的数量，考虑两组标签数量相等(n2＝n1)和不等(n2＝c*n1)的情况。精度设置：α＝2％,β＝98％。独立重复每个实验场景100次计算实际的可靠性。

仿真结果表明本发明提出的快速可靠的动态标签估计方法。可以有效的提高时间效率，能够满足实际应用的需求。

Claims (6)

1.一种动态标签估计方法，其特征在于，该方法主要实现过程包括：

1)t1时刻，广播一个标识码str64t1，标签记录该标识码；

步骤1)的具体实现过程包括：

A)根据每轮帧中每个时隙的状态，阅读器计算下一轮最优的帧长；标签根据阅读器发送的帧长f和随机数r，随机选择一个时隙回复16比特信息，对于空时隙，用n_i-1,0统计该轮帧中空时隙的数量；对于单时隙，在该时隙结束时阅读器发送“ACK”使映射到该时隙的标签“睡眠”，用n_i-1,1统计该轮单时隙的数量；对于冲突时隙，用n_i-1,c统计该轮帧中冲突时隙的数量；当前轮的单时隙数量，为该轮有效统计的标签数量；利用空时隙和冲突时隙估计出参与到下一轮的标签数量，从而设置下一轮迭代的最优帧长；

B)重复步骤A)，直至某轮中没有冲突时隙后，广播一个64bit的标识码str64t1，所有标签记录这个标识码；

2)t2时刻，在收到标签的回复之前，先发送t1时刻广播的标识码str64t1，若标签收到的标识码与之前存储的一致，则在与阅读器通信的过程中回复相应信号；当标签确定回复的信号后，根据收集的标签回复的信号，解码出已知标签和未知标签各自对应的逻辑帧，根据逻辑帧同时估计出已知标签和未知标签的数量；

步骤2)的具体实现过程包括：

I)在收集标签信号之前，阅读器先发送标识码str64t1，使当前系统中的标签确定之后与阅读器通信的过程中需要回复的信号，若标签收到的标识码与自身存储的匹配，则回复信号0，否则回复信号1，用G₀表示回复信号0的标签集合；用G₁表示回复信号1的标签集合；

II)在收到阅读器询问的信号后，每个标签根据自己ID哈希的结果在对应的时隙内回复各自信号，阅读器在某个时隙可能没有收到信号、成功收到信号0、成功收到信号1、收到一个冲突信号；阅读器记录在每一个时隙收到信号的情况，当执行完所有时隙后，得到一个物理帧；

III)将所述物理帧解码成两种标签集合G₀和G₁对应的逻辑帧；

IV)根据G₀和G₁的逻辑帧中0的数量，估计两种标签集合的数量，得到两种标签集合的估计值；

V)设前面执行了k-1轮，在根据当前轮得到的估计值，计算前k轮的估计值的平均值

根据两种标签集合前k轮估计的平均值，调整下一轮的帧长；其中

表示第j轮标签集合G_i的估计值，K表示执行的轮数；

VI)重复步骤II)～步骤V)，直到最优帧长满足预期设定的精度要求。

2.根据权利要求1所述的动态标签估计方法，其特征在于，当标签确定回复的信号后，阅读器收集当前系统标签回复的聚合信号，此时帧中的时隙有两种状态：空时隙，即没有标签回复，以及非空时隙，即有标签回复；在所述非空时隙中收到的信号分为三种：成功收到信号0；成功收到信号1；收到冲突信号。

3.根据权利要求1所述的动态标签估计方法，其特征在于，下一轮的最优帧长f_next的计算公式为:

如果

则:f_next＝2.39n_i-1,c；

否则,

其中，n_i-1,c为当前帧中冲突时隙的数量；n_i-1,1为当前帧中单时隙的数量；

为当前轮中估计的标签，

f_i-1为当前轮的帧长，n_i-1,0为当前帧中空时隙的数量。

4.根据权利要求1所述的动态标签估计方法，其特征在于，步骤III)的具体实现过程包括：

当阅读器在物理帧的某个时隙没有收到信号，则在G₀和G₁的逻辑帧的对应位置上标记0；G₀表示回复信号0的标签集合；G₁表示回复信号1的标签集合；

当阅读器在物理帧的某个时隙收到信号0，则在G₀的逻辑帧的对应位置上标记1，G₁的对应位置上标记0；

当阅读器在物理帧的某个时隙收到信号1，则在G₀的逻辑帧的对应位置上标记0，G₁的对应位置上标记1；

当阅读器在物理帧的某个时隙收到冲突信号，则在G₀的逻辑帧的对应位置上标记1，G₁的对应位置上标记1。

5.根据权利要求4所述的动态标签估计方法，其特征在于，步骤IV)中，标签集合G_i的估计值

的计算公式为：

其中，f为帧长，N_i,0表示在G_i的逻辑帧中0出现的数量。

6.根据权利要求4所述的动态标签估计方法，其特征在于，步骤V)中，最优帧长f_opt的计算过程包括：

如果

则

否则，f_opt为方程

的解；

其中，

为标签集合G₀的估计值；

为标签集合G₀的前k个估计值的平均值。

Images