CN112131899B - 一种欠定状态下rfid系统的防碰撞方法 - Google Patents

Abstract

本发明公开了一种欠定状态下RFID系统的防碰撞方法，根据RFID系统标签信号相互独立的特点，将标签信号间的独立性作为一个优化项，得到的优化算法更契合RFID系统的特性。本算法名称为MCV_NMF,所述算法是将独立性最大(相关性最小)作为一个约束项加入到NMF算法的目标函数中，使得目标函数的优化结果更符合RFID系统的要求，得到更好的防碰撞效果。在欠定情况下，本算法依然能对RFID系统的混合信号进行较好的分离。

Description

一种欠定状态下RFID系统的防碰撞方法

技术领域

本发明涉及无线限射频识别中的防碰撞算法，特别是涉及一种在欠定状态下标签碰撞问题的算法。

背景技术

RFID技术已广泛应用于生活的各个方面，它不仅是我们生活的好帮手，还是物联网传感网层接入的关键技术，它的发展对物联网技术以及我们未来的美好生活有着十分重要的影响。一个完整的RFID系统通常包含阅读器，标签以及计算机系统三部分。

在识别开始时，阅读器发送查询命令，阅读器作用范围内的所有标签做出响应，同时向阅读器发送自身信息数据，由于标签和阅读器工作在同一无线信道内，标签信号在阅读器接收端会发生混合，且混合方式未知。经过混合的信号不能被阅读器直接提取出标签发生的信号，一般称这样的情况为RFID系统碰撞问题。传统的解决标签信号碰撞的技术是基于时分多址技术(TDMA)的标签防碰撞技术，该技术通过缩小同一时间标签的响应个数，使得某时刻只有一个标签进行通信，这样达到避免碰撞的目的。这是目前的RFID系统中应用较成熟的防碰撞技术。但该技术实际上是标签一个接一个地被识别的串行识别技术，在标签数量逐渐庞大的今天，采用该技术的RFID系统会耗费大量时间，效率十分低。

为解决上面提出的问题，研究人员提出了采用盲源分离算法解决RFID系统标签碰撞问题的解决方案。该算法将盲源分离算法中基本的ICA算法应用于RFID系统。采用ICA算法的RFID系统防碰撞算法将传统的串行避免碰撞的机制转换为了并行的解碰撞机制，大大提高了RFID系统的效率。但此类算法单次识别的标签个数受限于阅读器的天线个数，由于成本等因素的影响，阅读器天线一般不多余8个，在标签数量较多的RFID系统中，仍然略显吃力。欠定状态的盲源分离算法会使RFID系统单次识别的标签个数突破阅读器天线个数的限制，每次识别更多的标签。由于其难度高，目前关于欠定状态的盲源分离算法的研究较少，且能够应用于RFID系统的算法更少。所以，研究欠定状态的RFID系统防碰撞算法具有重要意义。

发明内容

本发明是针对于欠定状态下的RFID系统防碰撞算法研究较少的情况，提出了一种基于NMF的新算法(名称为:MCV_NMF)，用于解决欠定状态下RFID系统的碰撞问题。本发明根据RFID系统标签信号相互独立的特点，将标签信号间的独立性作为一个优化项，这样得到的优化算法更契合RFID系统的特性，能更好的解决欠定状态下RFID系统的碰撞问题。

为实现上述目的，本发明提供了如下方案：

一种欠定状态下RFID系统的防碰撞算法，其特征在于，包括以下步骤：

S1、RFID系统阅读器天线接收到混合信号矩阵M，通过M得到两个符合维度的随机信号矩阵，所述随机信号矩阵为初始迭代的矩阵；

S2、对所述初始迭代的矩阵产生的初值进行交替更新；

S3、当迭代达到最大次数或者目标函数值的变化小于10^-6时，停止更新；

S4、计算估计的欠定状态下RFID系统混合信号的混合矩阵。

优选地，所述S1中，所述符合维度的随机矩阵计算过程为：通过MCV_NMF算法分解的方法，将混合信号矩阵M分解为两个因子U，V,其中U代表混合信号的混合矩阵，V代表被混合的信号矩阵，采用对U求逆乘以混合信号矩阵M来达到对源信号的估计。

优选地，所述S1和S2之间还包括：对非负矩阵分解方法过程中施加约束项，将ICA算法中分量间独立性的相关系数作为约束条件，添加到目标函数中，用于拟合源信号，得到符合维度的信号矩阵U、V。

优选地，所述目标函数表达式为：

其中vol(U)＝log|U^TU+δI|，

λ,δ,η为常数。

优选地，所述S2中对所述初始迭代的矩阵产生的初值进行交替更新方法为：

对U进行更新：

再将得到的U值代入：

对V进行更新；

将得到的V参与下一次的U更新，当迭代达到最大次数或者目标函数的值的变化小于10^-6时，停止更新。

优选地，所述S4包括：采用交替梯度下降法求取目标函数的最小值以及相应的因子(U,V)，对估计信号矩阵U求逆再乘以混合信号矩阵M，得到估计的分离信号，即为源信号的估计信号。

优选地，所述采用交替梯度下降法求取目标函数的最小值以及(U,V)的过程为：

偏导数所在的方向为目标函数值下降最快的方向，沿偏导数方向对分量U,V进行更新，得到目标函数的最优值，目标函数对U和V的偏导数为：

每次沿梯度方向交替更新U和V，更新后计算目标函数F的值，并计算出其变化值，当达到最大迭代次数或其变化小于10^-6时结束算法，返回(U，V)。

本发明的技术效果为：

本算法将独立性最大(相关性最小)作为一个约束项加入到NMF算法的目标函数中，使得目标函数的优化结果更符合RFID系统的要求。采用此算法的RFID系统在欠定状态下依然能正确识别标签所发送的信号，一次识别的标签个数较传统算法增多，这在大容量大吞吐量的RFID系统中具有很大优势(吞吐率比传统的基于ICA的防碰撞算法提高2倍)，得到更好的防碰撞效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明算法流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明公开了一种欠定状态下RFID系统的防碰撞方法：

约定RFID系统的阅读器有m个天线，每个天线接收到的信号为：r＝[b₁,b₂,...,b_k]^T，其中k表示标签信号的长度。接收信号就是要处理的混合信号矩阵为：M＝[r₁,r₂,...,r_m]。

在通信中响应查询命令的标签个数为n，每个标签发送的源信号为：s＝[a₁,a₂,...,a_k]^T，则源信号矩阵为：S＝[s₁,s₂,...,s_n]。

在信道中，信号被随机混合了，约定A为使信号混合的矩阵，则：

M＝AS+n (1)

其中n为高斯白噪声矩阵。

在不知道混合矩阵A和源信号矩阵S的情况下，只根据接收到的混合信号矩阵M估计一个解混合的矩阵U，使得：

S＝UM＝UAS+Un≈UAS (2)

上式等价于：

UA≈I (3)

其中I为单位矩阵。

非负矩阵分解(Non-negative Matrix Factorization，NMF)是一种矩阵降维分解的方法，通过一定的约束条件(通常为非负)将一个较大的非负混合信号矩阵M分解成两个较小维度的矩阵U和V相乘。其数学模型为：

M≈UV(4)

其中

代表阅读器天线个数，n代表标签个数，k代表标签信号长度。本发明通过对算法施加约束项，使算法在欠定情况下也能进行分离，本发明将ICA算法中评判分量间独立性的约束条件的相关系数

作为一个约束条件添加到目标函数中，未来避免零值的出现，对相关系数进行取对数处理。使其分离的信号间独立性最大，最大程度地拟合源信号。

本发明的目标函数为：

其中vol(U)＝log|U^TU+δI|，

λ,δ,η为常数。采用交替梯度下降法求取目标函数的最小值以及相应的(U,V)，U对应信号的混合矩阵，V对应估计的信号,对V求逆再乘以混合信号R，得到估计的分离信号，可求得源信号的估计信号。

目标函数对U和V的偏导数为：

偏导数所在的方向为目标函数值下降最快的方向，沿偏导数方向对分量U、V进行更新，可以很快地得到目标函数的最优值。

采用SNPA算法获得一组初始化信号(U₀,V₀)，每次沿梯度方向交替更新U和V，更新后计算目标函数F的值，并计算出其变化值，当达到最大迭代次数或其变化小于10^-9时结束算法，返回(U，V)。

更新方法为：

对U进行更新，在将得到的U值代入：

对V进行更新，此次得到的V参与下一次的U更新，重复进行此步骤，直到达到算法设定的最大更新次数(500)，或者目标函数的变化：ΔF＝F_i-F_i-1小于10^-6时，停止更新。得到估计的矩阵(U，V)。

本算法将相关性最小(独立性最大)作为一个约束项加入到NMF算法的目标函数中，使得目标函数的优化结果更符合RFID系统的要求，得到更好的防碰撞效果。在欠定情况下，本算法依然能对RFID系统的混合信号进行较好的分离。

以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (3)

1.一种欠定状态下RFID系统的防碰撞方法，其特征在于，包括以下步骤：

S1、RFID系统阅读器天线接收到混合信号矩阵M，通过M得到两个符合维度的随机信号矩阵，所述随机信号矩阵为初始迭代的矩阵；

S2、对所述初始迭代的矩阵产生的初值进行交替更新；

S3、当迭代达到最大次数或者目标函数值的变化小于10^-6时，停止更新；

S4、计算估计的欠定状态下RFID系统混合信号的混合矩阵；

所述S1中，所述符合维度的随机矩阵计算过程为：通过MCV_NMF算法分解的方法，将混合信号矩阵M分解为两个因子U，V,其中U代表混合信号的混合矩阵，V代表被混合的信号矩阵，采用对U求逆乘以混合信号矩阵M来达到对源信号的估计；

所述S1和S2之间还包括：对非负矩阵分解方法过程中施加约束项，将ICA算法中分量间独立性的相关系数作为约束条件，添加到目标函数中，用于拟合源信号，得到符合维度的信号矩阵U、V；

所述目标函数表达式为：

其中

，

，

，

为常数；

所述S2中对所述初始迭代的矩阵产生的初值进行交替更新方法为：

对U进行更新：

；

再将得到的U值代入：

，对V进行更新；

将得到的V参与下一次的U更新，当迭代达到最大次数或者目标函数的值的变化小于10^-6时，停止更新。

2.根据权利要求1所述的欠定状态下RFID系统的防碰撞方法，其特征在于，所述S4包括：采用交替梯度下降法求取目标函数的最小值以及相应的因子(U,V)，对估计信号矩阵U求逆再乘以混合信号矩阵M，得到估计的分离信号，即为源信号的估计信号。

3.根据权利要求2所述的欠定状态下RFID系统的防碰撞方法，其特征在于，所述采用交替梯度下降法求取目标函数的最小值以及(U,V)的过程为：

偏导数所在的方向为目标函数值下降最快的方向，沿偏导数方向对分量U,V进行更新，得到目标函数的最优值，目标函数对U和V的偏导数为：

每次沿梯度方向交替更新U和V，更新后计算目标函数F的值，并计算出其变化值，当达到最大迭代次数或其变化小于10^-6时结束算法，返回(U，V)。

Images