CN113114401B - 物联网中无线射频标签识别系统无线信道参数的估计方法 - Google Patents

物联网中无线射频标签识别系统无线信道参数的估计方法 Download PDF

Info

Publication number
CN113114401B
CN113114401B CN201911350671.XA CN201911350671A CN113114401B CN 113114401 B CN113114401 B CN 113114401B CN 201911350671 A CN201911350671 A CN 201911350671A CN 113114401 B CN113114401 B CN 113114401B
Authority
CN
China
Prior art keywords
reader
tag
probability
epc
error rate
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
CN201911350671.XA
Other languages
English (en)
Other versions
CN113114401A (zh
Inventor
陈毅红
冯全源
向乾尹
赵海军
何嘉林
陈华月
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.)
China West Normal University
Original Assignee
China West Normal 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 China West Normal University filed Critical China West Normal University
Priority to CN201911350671.XA priority Critical patent/CN113114401B/zh
Publication of CN113114401A publication Critical patent/CN113114401A/zh
Application granted granted Critical
Publication of CN113114401B publication Critical patent/CN113114401B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/0082—Monitoring; Testing using service channels; using auxiliary channels
    • H04B17/0087—Monitoring; Testing using service channels; using auxiliary channels using auxiliary channels or channel simulators
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Power Engineering (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供了物联网中无线射频标签识别系统无线信道参数的估计方法，采用一个阅读器和标签进行了三次Monte‑Carto试验，对阅读器命令到达标签的概率pi、标签响应到达阅读器的概率pt和误码率pe分别进行计算；得到EPC‑C1G2无线信道参数中的丢包率、误码率和捕获效应因子，用于全面分析EPC‑C1G2的性能，用于标签识别效率、未知标签检测和识别的时间最小化，用于提高RFID标签盘存的实用性能，用于无线通信系统的建模仿真，分析和实验结果相对于常用的软件建模仿真手段，能够快速实现系统原型，将特性复杂、仿真困难的实际无线信道纳入系统仿真模型中。

Description

物联网中无线射频标签识别系统无线信道参数的估计方法
【技术领域】
本发明涉及通信领域，尤其涉及物联网中无线射频标签识别系统无线信道参数的估计方法。
【背景技术】
无线通信技术正处在飞速发展的阶段，并开始广泛运用于个人、商业、军事等多个领域。随着无线通信系统复杂度的日益上升，使用传统的分析方法来评估和设计无线通信系统已经变得十分困难；采用硬件原型试验的方法由于实现成本高、难度大，往往在系统开发的后期才能得以实现；以软件为基础的建模仿真方法则能够使研究和开发人员在花费较少的人力和财力的情况下，获得接近真实系统的评估能力，因此成为了通信系统开发前期主要的设计和验证手段。目前，无线通信系统的建模仿真主要通过Matlab Simulink，SystemView，SPW等软件实现。但对于特性变化快、易受干扰的无线传输环境来说，上述基于纯软件的建模仿真手段难以对系统实现快速和准确的试验、分析和评估。
当前，EPCglobal Class1 Generation2(EPC-C1G2)是物联网中应用广泛的无线通信系统，EPC-C1G2的性能建模与分析是一个重要的问题，然而，对于有用性和有效性，现有的模型和分析，是基于RFID(无线射频)在理想无线信道中，即在没有数据包丢失、没有误码和没有捕获效应情况下无线信道中，RFID(无线射频)运行的假设。然而，现实信道中，存在三个共存的参数，即丢包、误码和捕获效应。
EPCglobal Class1 Generation2(EPC-C1G2)系统已经成为一种很有前途的自动识别技术，用于支持图书馆、快递和物流等。阅读器和标签之间的无线通道是EPC-C1G2系统实现高性能的关键，因此，为了获得更优的标签识别和设计有效的RFID硬件，阅读器与标签之间的通信协议的设计应以实际信道不可靠为基础。在不可靠信道下，存在着影响阅读器与标签通信的因素，如多径衰落效应、频谱约束、能量限制、移动性、噪声、标签与阅读器之间的距离差，与其他无线通信一样，EPC-C1G2的这些因素将导致一些不良结果，如包丢失、错误代码和捕获效应；这些导致的不良结果会导致性能下降，例如，多径效应会导致比理想环境花费更多的时间。因此，值得注意的是，这些不好的结果应该用来研究不可靠信道下的EPC-C1G2，以反映实际情况。
在标签识别方面，虽然现有的DFSA协议在数据包丢失或碰撞时可以简单地丢弃和重新传输，充分考虑这些不良结果，如数据包丢失、错误码和捕获效果，才能保证协议机制有效性。在具有不可靠信道的大规模RFID系统的未知标签检测中，最小化未知标签的检测和识别时间是非常重要的，在一定的检测精度下，未知标签检测协议的最优帧长的选择也需要充分考虑这些不良结果。当模型中采用这些不良结果，如丢包、错误码和捕获效应时，它们可以作为模型的参数。这些参数对于其他方面也很重要，例如漏标检测和识别、阻塞的RFID标签识别。尽管一些商用RFID设备，如Impinj R420、Alien等，使用重传、扩频跳频等方式来提高通信的可靠性，但是如果不考虑这些参数，如丢包、误码、捕获效应等，防碰撞算法的识别效率性能是难以优化的。
因此，利用这些参数对EPC-C1G2进行建模，以获得最佳性能是非常重要的，例如标签识别效率、未知标签检测和识别的时间最小化等，而且这些参数对性能的影响可能是不同的，而通过电路设计来改变这些参数的成本也可能是不同的。
所以，EPC-C1G2无线信道参数中丢包率、误码率和捕获效应因子的简单有效的计算方法，是研究开发EPC-C1G2系统标签盘存算法的关键。
【发明内容】
为了解决现有技术不足，本发明提供一种用于无线通信系统的建模仿真，对EPC-C1G2无线信道参数中丢包率、误码率和捕获效应因子进行简单有效的计算，便于全面分析EPC-C1G2的性能，便于标签识别效率、未知标签检测和识别的时间最小化，提高RFID标签盘存方法实用性能的物联网中无线射频标签识别系统无线信道参数的估计方法。
为了实现上述发明目的，本发明采用的技术方案是：
物联网中无线射频标签识别系统无线信道参数的估计方法，结合Monte-Carto试验和概率模型，设定阅读器命令到达标签的概率为pi，设定标签响应到达阅读器的概率为pt，设定误码率为pe，设定捕获效应因子为α，包括以下步骤：
步骤1、采用一个阅读器和一个标签进行了三次Monte-Carto试验，该Monte-Carto试验为蒙特卡罗试验，阅读器命令到达标签的概率pi、标签响应到达阅读器的概率pt和误码率pe分别进行计算；
步骤2、在第一个试验中，将帧长度设置为f＝1，并让读取器向标记发出m个Query'命令；
在每一轮中，阅读器依次累积到达RN16s的数目n1和到达的EPC数目n2，得到了两个读取比率分别为MT1＝n1/m和MT2＝n2/m，阅读器从标签接收RN16码和EPC的概率分别计算为：
pMT1＝pipt(1-pe)25和
Figure BDA0002334582670000031
同时，选择pMT1＝MT1和pMT2＝MT2；
步骤3、在第二个试验中，将帧长度设置为f＝100，并让读取器向标记发出m个Query'命令；
在每一轮中，读取器依次累积到达EPC的数目n3，得到读取器的读入比MT3＝n3/m，阅读器从标签接收EPC的概率计算为：
Figure BDA0002334582670000041
同时，同样的选择pMT3＝MT3；
步骤4、在第三个试验中，将帧长度设置为f＝1，设置标签个数n＝k，一方面让读取器向标记发出m个Query'命令，记录到达RN16s的个数n4；
因此，标签RN16码的捕获率为MT4＝n4/m，捕获概率的计算公式为：
Figure BDA0002334582670000042
同时，同样的选择pMT4＝MT4；
步骤5、基于步骤2至步骤4的试验和计算过程，阅读器命令到达标签的概率pi、标签响应到达阅读器的概率pt、误码率pe和捕获效应因子α的计算公式分别如下：
Figure BDA0002334582670000043
Figure BDA0002334582670000044
Figure BDA0002334582670000045
Figure BDA0002334582670000046
步骤6、通过计算得到阅读器命令到达标签的概率pi、标签响应到达阅读器的概率pt、误码率pe和捕获效应因子α，得到EPC-C1G2无线信道参数中的丢包率、误码率和捕获效应因子，用于全面分析EPC-C1G2的性能，用于标签识别效率、未知标签检测和识别的时间最小化，用于提高RFID标签盘存的实用性能。
本发明的有益效果是：
本发明用于无线通信系统的建模仿真，分析和实验结果相对于常用的软件建模仿真手段，能够快速实现系统原型，将特性复杂、仿真困难的实际无线信道纳入系统仿真模型中。特别是对EPC-C1G2无线信道参数中丢包率、误码率和捕获效应因子进行简单有效的计算，便于全面分析EPC-C1G2的性能和获得建模的EPC-C1G2无线信道最佳性能，便于标签识别效率、未知标签检测和识别的时间最小化，用于EPC-C1G2系统标签盘存算法研究开发，提高RFID标签盘存方法实用性能。
本发明给出的包到达率和误码率的可行计算方法，可应用于研究一般RFID标签识别、到达RFID标签检测、丢失RFID标签检测和有效RFID硬件设计等领域的基础，结合Monte-Carto检验和概率模型，Monte-Carto检验即为蒙特卡罗检验，给出可行且经济的计算方法。特别是，通过计算得到阅读器命令到达标签的概率pi、标签响应到达阅读器的概率pt、误码率pe和捕获效应因子α，是EPC-C1G2在不可靠信道下的性能进行建模和分析的基础；以及在性能建模和分析的基础上，进一步研究高性能的标签盘存算法，如标签防碰撞算法、漏检算法等和有效的RFID硬件设计；对于盘存算法的应用，该估计方法可以在不改变标签或较少改变标签的情况下在阅读器中实现。
【具体实施方式】
为使本发明的上述目的、特征和优点能够更加明显易懂，下面对本发明的具体实施方式做详细的说明。
物联网中无线射频标签识别系统无线信道参数的估计方法，结合Monte-Carto试验和概率模型，设定阅读器命令到达标签的概率为pi，设定标签响应到达阅读器的概率为pt，设定误码率为pe，设定捕获效应因子为α，包括以下步骤：
步骤1、采用一个阅读器和一个标签进行了三次Monte-Carto试验，该Monte-Carto试验为蒙特卡罗试验，对阅读器命令到达标签的概率pi、标签响应到达阅读器的概率pt和误码率pe分别进行计算；
步骤2、在第一个试验中，将帧长度设置为f＝1，并让读取器向标记发出m个Query'命令；
在每一轮中，阅读器依次累积到达RN16s的数目n1和到达的EPC数目n2，得到了两个读取比率分别为MT1＝n1/m和MT2＝n2/m，阅读器从标签接收RN16码和EPC的概率分别计算为：
pMT1＝pipt(1-pe)25和
Figure BDA0002334582670000061
同时，选择pMT1＝MT1和pMT2＝MT2；
步骤3、在第二个试验中，将帧长度设置为f＝100，并让读取器向标记发出m个Query'命令；
在每一轮中，读取器依次累积到达EPC的数目n3，得到读取器的读入比MT3＝n3/m，阅读器从标签接收EPC的概率计算为：
Figure BDA0002334582670000062
同时，同样的选择pMT3＝MT3；
步骤4、在第三个试验中，将帧长度设置为f＝1，设置标签个数n＝k，一方面让读取器向标记发出m个Query'命令，记录到达RN16s的个数n4；
因此，标签RN16码的捕获率为MT4＝n4/m，捕获概率的计算公式为：
Figure BDA0002334582670000063
同时，同样的选择pMT4＝MT4；
步骤5、基于步骤2至步骤4的试验和计算过程，阅读器命令到达标签的概率pi、标签响应到达阅读器的概率pt、误码率pe和捕获效应因子α的计算公式分别如下：
Figure BDA0002334582670000071
Figure BDA0002334582670000072
Figure BDA0002334582670000073
Figure BDA0002334582670000074
步骤6、通过计算得到阅读器命令到达标签的概率pi、标签响应到达阅读器的概率pt、误码率pe和捕获效应因子α，得到EPC-C1G2无线信道参数中的丢包率、误码率和捕获效应因子，用于全面分析EPC-C1G2的性能，用于标签识别效率、未知标签检测和识别的时间最小化，用于提高RFID标签盘存的实用性能。
本发明具有快速系统原型实现的能力，而且通过引入实际信道进行仿真，能够避免复杂的信道建模过程，直接建立更精确的通信系统模型，提高对系统分析的速度和准确性，并可以基于仿真分析结果进行系统各部分的联合设计和优化。适用于传输环境较复杂的无线通信系统的研究开发，有助于减少系统开发后期的迭代过程，缩短系统的研发周期。而且，对EPC-C1G2无线信道参数中丢包率、误码率和捕获效应因子进行简单有效的计算，便于全面分析EPC-C1G2的性能和获得建模的EPC-C1G2无线信道最佳性能，便于标签识别效率、未知标签检测和识别的时间最小化，用于EPC-C1G2系统标签盘存算法研究开发，提高RFID标签盘存方法实用性能。
本发明给出的包到达率和误码率的可行计算方法，可应用于研究一般RFID标签识别、到达RFID标签检测、丢失RFID标签检测和有效RFID硬件设计等领域的基础，结合Monte-Carto检验和概率模型，Monte-Carto检验即为蒙特卡罗检验，给出可行且经济的计算方法。特别是，通过计算得到阅读器命令到达标签的概率pi、标签响应到达阅读器的概率pt、误码率pe和捕获效应因子α，是EPC-C1G2在不可靠信道下的性能进行建模和分析的基础；以及在性能建模和分析的基础上，进一步研究高性能的标签盘存算法，如标签防碰撞算法、漏检算法等和有效的RFID硬件设计；对于盘存算法的应用，该估计方法可以在不改变标签或较少改变标签的情况下在阅读器中实现。
以上所述实施例只是为本发明的较佳实施例，并非以此限制本发明的实施范围，除了具体实施例中列举的情况外，凡依本发明原理所作的等效变化，均应涵盖于本发明的保护范围内。

Claims (1)

1.物联网中无线射频标签识别系统无线信道参数的估计方法，结合Monte-Carlo试验和概率模型，设定阅读器命令到达标签的概率为pi，设定标签响应到达阅读器的概率为pt，设定误码率为pe，设定捕获效应因子为α，其特征在于，包括以下步骤：
步骤1、采用一个阅读器和一个标签进行了三次Monte-Carlo试验，对阅读器命令到达标签的概率pi、标签响应到达阅读器的概率pt和误码率pe分别进行计算；
步骤2、在第一个试验中，将帧长度设置为f＝1，并让读取器向标记发出m个Query'命令；
在每一轮中，阅读器依次累积到达RN16s的数目n1和到达的EPC数目n2，得到了两个读取比率分别为MT1＝n1/m和MT2＝n2/m，阅读器从标签接收RN16码和EPC的概率分别计算为：
pMT1＝pipt(1-pe)25和
Figure FDA0002334582660000011
同时，选择pMT1＝MT1和pMT2＝MT2；
步骤3、在第二个试验中，将帧长度设置为f＝100，并让读取器向标记发出m个Query'命令；
在每一轮中，读取器依次累积到达EPC的数目n3，得到读取器的读入比MT3＝n3/m，阅读器从标签接收EPC的概率计算为：
Figure FDA0002334582660000012
同时，同样的选择pMT3＝MT3；
步骤4、在第三个试验中，将帧长度设置为f＝1，设置标签个数n＝k，一方面让读取器向标记发出m个Query'命令，记录到达RN16s的个数n4；
因此，标签RN16码的捕获率为MT4＝n4/m，捕获概率的计算公式为：
Figure FDA0002334582660000021
同时，同样的选择pMT4＝MT4；
步骤5、基于步骤2至步骤4的试验和计算过程，阅读器命令到达标签的概率pi、标签响应到达阅读器的概率pt、误码率pe和捕获效应因子α的计算公式分别如下：
Figure FDA0002334582660000022
Figure FDA0002334582660000023
Figure FDA0002334582660000024
Figure FDA0002334582660000025
C＝pipt(1-pe)25. (4)
步骤6、通过计算得到阅读器命令到达标签的概率pi、标签响应到达阅读器的概率pt、误码率pe和捕获效应因子α，得到EPC-C1G2无线信道参数中的丢包率、误码率和捕获效应因子，用于全面分析EPC-C1G2的性能，用于标签识别效率、未知标签检测和识别的时间最小化，用于提高RFID标签盘存实用性能。
CN201911350671.XA 2019-12-24 2019-12-24 物联网中无线射频标签识别系统无线信道参数的估计方法 Active CN113114401B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911350671.XA CN113114401B (zh) 2019-12-24 2019-12-24 物联网中无线射频标签识别系统无线信道参数的估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911350671.XA CN113114401B (zh) 2019-12-24 2019-12-24 物联网中无线射频标签识别系统无线信道参数的估计方法

Publications (2)

Publication Number Publication Date
CN113114401A CN113114401A (zh) 2021-07-13
CN113114401B true CN113114401B (zh) 2022-06-21

Family

ID=76708563

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911350671.XA Active CN113114401B (zh) 2019-12-24 2019-12-24 物联网中无线射频标签识别系统无线信道参数的估计方法

Country Status (1)

Country Link
CN (1) CN113114401B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101021895A (zh) * 2007-03-13 2007-08-22 清华大学 一种提高射频识别系统通信可靠性的方法
CN103873395A (zh) * 2014-03-18 2014-06-18 北京交通大学 一种基于轨道交通无线环境图的智能移动通信方法
CN106022185A (zh) * 2016-05-09 2016-10-12 天津理工大学 一种基于连续检测机制适用于EPC Gen2协议的防冲突算法
CN108449763A (zh) * 2018-03-15 2018-08-24 重庆邮电大学 一种基于信道状态识别的LoRaWAN网络速率自适应调整方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7457367B2 (en) * 2004-07-07 2008-11-25 University Of Utah Research Foundation Detector and method for estimating data probability in a multi-channel receiver
WO2007074388A2 (en) * 2005-12-29 2007-07-05 Nokia Corporation Estimating channel responses, frequency and timing offset using polynomial equations

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101021895A (zh) * 2007-03-13 2007-08-22 清华大学 一种提高射频识别系统通信可靠性的方法
CN103873395A (zh) * 2014-03-18 2014-06-18 北京交通大学 一种基于轨道交通无线环境图的智能移动通信方法
CN106022185A (zh) * 2016-05-09 2016-10-12 天津理工大学 一种基于连续检测机制适用于EPC Gen2协议的防冲突算法
CN108449763A (zh) * 2018-03-15 2018-08-24 重庆邮电大学 一种基于信道状态识别的LoRaWAN网络速率自适应调整方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
动态环境下RFID标签防碰撞协议研究和RFID应用;陈毅红;《中国优秀博士学位论文全文数据库》;20151015;第24-39页 *
基于蒙特卡罗方法的通信系统误码率的仿真;张珽;《无线通信技术》;20100215;第19卷(第1期);第20-25页 *

Also Published As

Publication number Publication date
CN113114401A (zh) 2021-07-13

Similar Documents

Publication Publication Date Title
Choi et al. Deep learning based NLOS identification with commodity WLAN devices
Jiang et al. Communicating is crowdsourcing: Wi-Fi indoor localization with CSI-based speed estimation
Wu et al. CSI-based indoor localization
Qi et al. On time-of-arrival positioning in a multipath environment
US9002286B2 (en) Method and system for identification and mitigation of errors in non-line-of-sight distance estimation
Zhang et al. An efficient bit-detecting protocol for continuous tag recognition in mobile RFID systems
Zhang et al. COSMO: CO-simulation with MATLAB and OMNeT++ for indoor wireless networks
Yi et al. Interference source identification for ieee 802.15. 4 wireless sensor networks using deep learning
Cherntanomwong et al. Indoor localization system using wireless sensor networks for stationary and moving target
JP2014016291A (ja) 発信源推定方法およびそれを利用した発信源推定装置
Li et al. A novel method of Wi-Fi indoor localization based on channel state information
Tsai et al. Refined autoencoder-based CSI hidden feature extraction for indoor spot localization
Fan et al. MuSpel-Fi: Multipath subspace projection and ELM-based fingerprint localization
Wang et al. Probing into the physical layer: Moving tag detection for large-scale RFID systems
CN113114401B (zh) 物联网中无线射频标签识别系统无线信道参数的估计方法
Bastwesy et al. Deep learning sign language recognition system based on wi-fi csi
Rappaport et al. Improving channel charting using a split triplet loss and an inertial regularizer
Nkrow et al. Transfer learning-based nlos identification for uwb in dynamic obstructed settings
CN111770527B (zh) 基于二维特征的可视与非可视信道识别方法及装置
Liu et al. Multiregional secure localization using compressive sensing in wireless sensor networks
Xie et al. Identification of NLOS based on soft decision method
Chen et al. Modeling and analyzing RFID generation-2 under unreliable channels
Schauer et al. Extracting context information from wi-fi captures
CN106341360A (zh) 一种多输入单输出空时分组码系统的分层调制识别方法
Zhu et al. A simple efficient lightweight cnn method for los/nlos identification in wireless communication systems

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