CN114386444A - 一种基于模糊碰撞概率预测的rfid标签防碰撞方法及系统 - Google Patents

一种基于模糊碰撞概率预测的rfid标签防碰撞方法及系统 Download PDF

Info

Publication number
CN114386444A
CN114386444A CN202111641119.3A CN202111641119A CN114386444A CN 114386444 A CN114386444 A CN 114386444A CN 202111641119 A CN202111641119 A CN 202111641119A CN 114386444 A CN114386444 A CN 114386444A
Authority
CN
China
Prior art keywords
collision probability
value
interval
optimal
collision
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.)
Granted
Application number
CN202111641119.3A
Other languages
English (en)
Other versions
CN114386444B (zh
Inventor
王军
杜泽锋
章威
吕天剑
刘凯
王士朋
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.)
CETHIK Group Ltd
Original Assignee
CETHIK Group Ltd
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 CETHIK Group Ltd filed Critical CETHIK Group Ltd
Priority to CN202111641119.3A priority Critical patent/CN114386444B/zh
Publication of CN114386444A publication Critical patent/CN114386444A/zh
Application granted granted Critical
Publication of CN114386444B publication Critical patent/CN114386444B/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
    • G06K7/10019—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 resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers.
    • G06K7/10029—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 resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers. the collision being resolved in the time domain, e.g. using binary tree search or RFID responses allocated to a random time slot
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Toxicology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Fuzzy Systems (AREA)
  • Automation & Control Theory (AREA)
  • Molecular Biology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Probability & Statistics with Applications (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Near-Field Transmission Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于模糊碰撞概率预测的RFID标签防碰撞方法及系统，方法包括设置碰撞概率区间；基于模糊边界的碰撞概率区间调整；计算设备运行中单轮查询后标签的实时碰撞概率，根据实时碰撞概率在调整后的最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间中的所处区间调整设备的Q值。本发明通过模糊碰撞概率预测，提高最优时隙长度的调整准确率；提高系统对不同工况下的自适应能力；在时隙调整中无需计算标签总数，减小运行时期系统的运算量，减小对芯片算力的依赖。

Description

一种基于模糊碰撞概率预测的RFID标签防碰撞方法及系统
技术领域
本申请属于超高频RFID射频识别技术领域，具体涉及一种基于模糊碰撞概率预测的RFID标签防碰撞方法及系统。
背景技术
随着物流仓储等行业的快速发展，大量标签环境下的超高频射频识别技术(RFID)逐渐被广泛地应用。如何快速高效地读取标签是多标签RFID技术发展和研究的主要方向。
目前超高频RFID系统有两大解决方案，一种是随机性方式的动态时隙算法，一种是确定性方式的树型搜索算法。随机性方式的动态时隙算法对硬件设计的要求更低，产品制造成本更低，因此是目前产品的主流方案。
但是在动态时隙算法中，如果时隙过长，无标签响应的时隙占比较大，效率较低；如果时隙过短，多标签碰撞的时隙占比较大，识别效率同样较低。因此，提高动态时隙算法识别效率的关键在于实时设置最佳的时隙长度。
现有技术如申请号为2017103280987的专利文献，公开了一种分类相应限制的RFID防碰撞方法，该方法根据标签碰撞情况估计标签总数，再判断帧长是否设置为最佳的动态帧时隙算法。该方法需要不断估算标签数量，使得整个方法运行中计算量过大，导致时隙调整效率严重受限。
发明内容
本申请的目的在于提供一种基于模糊碰撞概率预测的RFID标签防碰撞方法及系统，实时设置最佳帧长，以实现最佳的标签识别效率。
为实现上述目的，本申请所采取的技术方案为：
一种基于模糊碰撞概率预测的RFID标签防碰撞方法，所述基于模糊碰撞概率预测的RFID标签防碰撞方法，包括：
步骤1、设置碰撞概率区间；
步骤1.1、根据不同标签总数的多标签响应概率的极值点得到不同标签总数下的最佳Q值，并根据最佳Q值拟合得出Q值、碰撞概率和标签总数之间的关系为：
Figure BDA0003443823840000021
式中，α为碰撞概率，T为标签总数，Q为Q值；
步骤1.2、根据Q值、碰撞概率和标签总数之间的关系得到不同标签总数在不同Q值下的碰撞概率分布，基于碰撞概率分布划分得到最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间；
步骤2、基于模糊边界的碰撞概率区间调整；
步骤2.1、在最佳Q值碰撞概率区间和一级碰撞概率区间之间设置模糊区间；
步骤2.2、以步骤1得到的最佳Q值循环执行多标签读取；
步骤2.3、根据每次循环后得到的碰撞概率对最佳Q值碰撞概率区间进行外扩或内缩，在循环结束后得到调整后的最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间；
步骤3、计算设备运行中单轮查询后标签的实时碰撞概率，根据实时碰撞概率在调整后的最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间中的所处区间调整设备的Q值。
以下还提供了若干可选方式，但并不作为对上述总体方案的额外限定，仅仅是进一步的增补或优选，在没有技术或逻辑矛盾的前提下，各可选方式可单独针对上述总体方案进行组合，还可以是多个可选方式之间进行组合。
作为优选，所述根据每次循环后得到的碰撞概率对最佳Q值碰撞概率区间进行外扩或内缩，包括：
步骤2.3.1、初始化扩张权重和收缩权重为0；
步骤2.3.2、计算本次循环后的碰撞概率，判断本次循环后碰撞概率的落点，若本次循环后碰撞概率落在模糊区间内，则扩张权重加1；否则收缩权重加1；
步骤2.3.3、若扩张权重大于扩张判定阈值，则外扩所述最佳Q值碰撞概率区间，并重置扩张权重为0；若收缩权重大于收缩判定阈值，则内缩所述最佳Q值碰撞概率区间，并重置收缩权重为0；
步骤2.3.4、判断循环是否结束，若未结束则继续执行多标签读取并返回步骤2.3.2；否则结束调整。
作为优选，所述碰撞概率的总范围为0～1，所述最佳Q值碰撞概率区间为(b,c]，所述一级碰撞概率区间为(a,b]和(c,d]，所述二级碰撞概率区间为[0,a]和(d,1]，且0<a<b<c<d<1。
作为优选，所述根据实时碰撞概率在调整后的最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间中的所处区间调整设备的Q值，包括：
若实时碰撞概率位于最佳Q值碰撞概率区间(b,c]内，则无需调整设备的Q值；
若实时碰撞概率位于一级碰撞概率区间(a,b]内，则设备的Q值加1；
若实时碰撞概率位于一级碰撞概率区间(c,d]内，则设备的Q值减1；
若实时碰撞概率位于二级碰撞概率区间[0,a]内，则设备的Q值加2；
若实时碰撞概率位于二级碰撞概率区间(d,1]内，则设备的Q值减2。
本申请还提供一种基于模糊碰撞概率预测的RFID标签防碰撞系统，所述基于模糊碰撞概率预测的RFID标签防碰撞系统，包括区间设置模块、区间调整模块和设备Q值调整模块，所述区间设置模块包括关系拟合模块和区间划分模块，其中：
所述关系拟合模块，用于根据不同标签总数的多标签响应概率的极值点得到不同标签总数下的最佳Q值，并根据最佳Q值拟合得出Q值、碰撞概率和标签总数之间的关系为：
Figure BDA0003443823840000031
式中，α为碰撞概率，T为标签总数，Q为Q值；
所述区间划分模块，用于根据Q值、碰撞概率和标签总数之间的关系得到不同标签总数在不同Q值下的碰撞概率分布，基于碰撞概率分布划分得到最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间；
所述区间调整模块，用于基于模糊边界的碰撞概率区间调整，具体为在最佳Q值碰撞概率区间和一级碰撞概率区间之间设置模糊区间；以得到的最佳Q值循环执行多标签读取；根据每次循环后得到的碰撞概率对最佳Q值碰撞概率区间进行外扩或内缩，在循环结束后得到调整后的最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间；
所述设备Q值调整模块，用于计算设备运行中单轮查询后标签的实时碰撞概率，根据实时碰撞概率在调整后的最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间中的所处区间调整设备的Q值。
作为优选，所述区间调整模块，根据每次循环后得到的碰撞概率对最佳Q值碰撞概率区间进行外扩或内缩，执行如下操作：
初始化扩张权重和收缩权重为0；
计算本次循环后的碰撞概率，判断本次循环后碰撞概率的落点，若本次循环后碰撞概率落在模糊区间内，则扩张权重加1；否则收缩权重加1；
若扩张权重大于扩张判定阈值，则外扩所述最佳Q值碰撞概率区间，并重置扩张权重为0；若收缩权重大于收缩判定阈值，则内缩所述最佳Q值碰撞概率区间，并重置收缩权重为0；
判断循环是否结束，若未结束则继续执行多标签读取并返回计算循环后的碰撞概率；否则结束调整。
作为优选，所述碰撞概率的总范围为0～1，所述最佳Q值碰撞概率区间为(b,c]，所述一级碰撞概率区间为(a,b]和(c,d]，所述二级碰撞概率区间为[0,a]和(d,1]，且0<a<b<c<d<1。
作为优选，所述设备Q值调整模块，根据实时碰撞概率在调整后的最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间中的所处区间调整设备的Q值，执行如下操作：
若实时碰撞概率位于最佳Q值碰撞概率区间(b,c]内，则无需调整设备的Q值；
若实时碰撞概率位于一级碰撞概率区间(a,b]内，则设备的Q值加1；
若实时碰撞概率位于一级碰撞概率区间(c,d]内，则设备的Q值减1；
若实时碰撞概率位于二级碰撞概率区间[0,a]内，则设备的Q值加2；
若实时碰撞概率位于二级碰撞概率区间(d,1]内，则设备的Q值减2。
本申请提供的基于模糊碰撞概率预测的RFID标签防碰撞方法及系统，通过模糊碰撞概率预测，提高最优时隙长度的调整准确率；提高系统对不同工况下的自适应能力；在时隙调整中无需计算标签总数，减小运行时期系统的运算量，减小对芯片算力的依赖。
附图说明
图1为本申请的基于模糊碰撞概率预测的RFID标签防碰撞方法的流程图；
图2为本申请碰撞实验中不同标签数在最佳Q值下的单标签提取率示意图；
图3为本申请碰撞实验中不同标签数在最佳Q值附近的标签碰撞率示意图；
图4为本申请最佳Q值碰撞概率区间调整的流程图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是在于限制本申请。
其中一个实施例中，为了解决现有技术存在的不足，本实施例从两个方面进行优化：一方面简化算法实现流程、提高算法准确度与稳定性；另一方面提高帧长设置的效率。因此提供一种基于模糊碰撞概率预测的RFID标签防碰撞方法，为一种更加高效准确的动态时隙调整策略，保证动态时隙算法有效识别率最高，保证系统始终处在最佳帧长值。
如图1所示，本实施例的基于模糊碰撞概率预测的RFID标签防碰撞方法，包括以下步骤：
步骤1、设置碰撞概率区间。
在帧时隙算法中，每次询问的响应有三种状态，分别是无标签响应、仅有一张标签响应、大于等于两张标签响应，三种状态出现的概率分别为：
Figure BDA0003443823840000051
Figure BDA0003443823840000052
ak＝1-a0-a1
其中：a0为无标签响应的概率，a1为仅有一张标签响应的概率，a2为大于等于两张标签响应的概率，n为标签总数，L为时隙数量。
基于三种状态出现的概率进行碰撞实验，首先进行不同标签数在最佳时隙值(时隙近似等于标签数)附近的碰撞实验，统计各标签数在最佳提取率时的碰撞概率。不同标签数在最佳帧长时的提取率如图2所示，会在一个范围内波动。在最佳帧长及其附近帧长时的碰撞概率如图3所示。
根据图2和图3可以发现：1、不同标签数在不同帧长下的碰撞概率均在一个范围内波动，因此可以通过设置碰撞的边界值实现对不同级的帧长调节；2、不同标签数在不同帧长下的碰撞概率区分明显，但多组标签数下的标签碰撞概率存在交集点。因此可以通过设置模糊边界区域，对边界进行非线性修正。
根据上述得出的实验结果，本实施例设置碰撞概率区间的具体步骤如下：
步骤1.1、根据不同标签总数的多标签响应概率的极值点得到不同标签总数下的最佳Q值，并根据最佳Q值拟合得出Q值、碰撞概率和标签总数之间的关系为：
Figure BDA0003443823840000061
式中，α为碰撞概率，T为标签总数，Q为Q值，且L＝2Q。
即本实施例在拟合关系式时，求解仿真不同数量标签的多标签响应概率的(即n的)极值点，得到不同数量标签下的最佳帧长值。对每个Q值下，最佳帧长值附近的碰撞概率进行线性拟合，将得到的每个线性方程进行联列计算，求解得到帧长对应的Q值、碰撞概率、标签总数的近似关系。
步骤1.2、根据Q值、碰撞概率和标签总数之间的关系得到不同标签总数在不同Q值下的碰撞概率分布，基于碰撞概率分布划分得到最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间。
本实施例中将0～1的范围进行划分得到三个种类的区间，具体各区间的范围为碰撞概率的总范围为0～1，所述最佳Q值碰撞概率区间为(b,c]，所述一级碰撞概率区间为(a,b]和(c,d]，所述二级碰撞概率区间为[0,a]和(d,1]，且0<a<b<c<d<1。
例如图3中的碰撞概率分布，可以得到最佳Q值碰撞概率区间为(0.1535,0.4034]，一级碰撞概率区间为(0.04784,0.1535]和(0.4034,0.7634]，二级碰撞概率区间为[0,0.04784]和(0.7634,1]。
步骤2、基于模糊边界的碰撞概率区间调整。
根据步骤1分析得到的碰撞概率的分布区间，进而确定了概率区间的边界值。因为实际环境的影响，会对概率的分布产生一定的偏移。为保证系统能够有更佳的稳定性，在概率区间的边界上设置了一个可变的模糊区间。当最佳Q值的碰撞概率频繁出现在模糊区间内，则最佳Q值的碰撞概率区间外扩；若最佳Q值的碰撞概率始终没有出现在模糊区间内时，最佳Q值的碰撞概率区间收缩。模糊区间始终位于概率区间的边界处，随边界移动而移动。
如图4所示，本实施例中碰撞概率区间调整包括以下步骤：
步骤2.1、在最佳Q值碰撞概率区间和一级碰撞概率区间之间设置模糊区间。
步骤2.2、以步骤1得到的最佳Q值循环执行多标签读取。
步骤2.3、根据每次循环后得到的碰撞概率对最佳Q值碰撞概率区间进行外扩或内缩，在循环结束后得到调整后的最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间。
步骤2.3.1、初始化扩张权重和收缩权重为0；
步骤2.3.2、计算本次循环(即单次Slot循环)后的碰撞概率，判断本次循环后碰撞概率的落点，若本次循环后碰撞概率落在模糊区间(即边界区间)内，则扩张权重加1；否则收缩权重加1；
步骤2.3.3、若扩张权重大于扩张判定阈值，则外扩所述最佳Q值碰撞概率区间，并重置扩张权重为0；若收缩权重大于收缩判定阈值，则内缩所述最佳Q值碰撞概率区间，并重置收缩权重为0；(单次slot循环结束会计算一次碰撞概率，进而就可以进行边界变化判定)
步骤2.3.4、判断循环是否结束(此循环指单面标签全部读完，即读写器完成一轮查询。一轮查询需要多次Slot循环)，若未结束则继续执行多标签读取并返回步骤2.3.2；否则结束调整。
本实施例中对最佳Q值碰撞概率区间的进行扩张或收缩时主要通过对区间的边界进行移动完成。由于本实施例中在最佳Q值碰撞概率区间和一级碰撞概率区间之间设置模糊区间，则模糊区间具有两个。为了便于描述，本实施例令纵坐标数大于最佳Q值碰撞概率区间的为上模糊区间，纵坐标数小于最佳Q值碰撞概率区间的为下模糊区间，因此本实施例需要为上下模糊区间分别设置扩张权重和收缩权重，以及对应的独立的判定阈值。基于上下模糊区间进行最佳Q值碰撞概率区间调整时：
若本次循环后碰撞概率落在上模糊区间内，则上模糊区间对应的扩张权重加1；若本次循环后碰撞概率落在下模糊区间内，则下模糊区间对应的扩张权重加1；若本次循环后碰撞概率落在最佳Q值碰撞概率区间且更接近上模糊区间，则上模糊区间对应的收缩权重加1；若本次循环后碰撞概率落在最佳Q值碰撞概率区间且更接近下模糊区间，则下模糊区间对应的收缩权重加1。
当某权重大于判定阈值时则对应的某边界进行相应操作，具体为若上模糊区间对应的扩张权重大于其对应设置的扩张判定阈值，则最佳Q值碰撞概率区间的上边界进行外扩；若上模糊区间对应的收缩权重大于其对应设置的收缩判定阈值，则最佳Q值碰撞概率区间的上边界进行收缩；若下模糊区间对应的扩张权重大于其对应设置的扩张判定阈值，则最佳Q值碰撞概率区间的下边界进行外扩；若下模糊区间对应的收缩权重大于其对应设置的收缩判定阈值，则最佳Q值碰撞概率区间的下边界进行收缩。
经过上述调整后，本实施例能够得到最优的区间范围，以便于在当前环境下对待调整设备提供最有效的Q值调整参考。需要说明的是，边界具体外扩或内缩的量可根据实际需求设定，例如可以是固定值0.01，也可以是最佳Q值碰撞概率区间的0.1％等。而本实施例中的模糊区间为一个较小的模糊边界值，可根据实际需求设定，例如可以是0.01、0.005等，且上下模糊区间的范围跨度可以相同也可以不同。
步骤3、计算设备运行中单轮查询后标签的实时碰撞概率，根据实时碰撞概率在调整后的最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间中的所处区间调整设备的Q值。
设备读取标签时通过读写器接收到的RN16的状态，可以判断此时隙的标签读写状态是三种状态中的哪一种，有效提取、空闲还是标签碰撞，并对各累计值进行累加。为提高循环的执行效率，在循环内增加两个累计变量，一个用于统计标签的连续空闲状态数，一个用于统计连续碰撞状态数，当发生连续的空闲和标签碰撞时，累加值将进行累加，不连续时清空累计值。一旦累计值超过设定的阈值，则可直接跳出循环，默认为100％(连续碰撞)或0％(连续空闲)的碰撞概率。
若未发生连续碰撞或连续空闲，即正常结束循环后，根据碰撞累计值计算碰撞概率，若碰撞概率落在最佳Q值碰撞概率区间，则时隙系数Q不变，认为此时时隙长度合理；若碰撞概率落在一级碰撞概率区间，则时隙系数Q±1，对时隙长度进行小幅修正；若碰撞概率落在二级碰撞概率区间，则时隙系数Q±2，对时隙长度进行大幅修正。
具体的在调整设备的Q值时：若实时碰撞概率位于最佳Q值碰撞概率区间(b,c]内(包括端点c)，则无需调整设备的Q值；若实时碰撞概率位于一级碰撞概率区间(a,b]内(包括端点b)，则设备的Q值加1；若实时碰撞概率位于一级碰撞概率区间(c,d]内(包括端点d)，则设备的Q值减1；若实时碰撞概率位于二级碰撞概率区间[0,a]内(包括端点0,a)，则设备的Q值加2；若实时碰撞概率位于二级碰撞概率区间(d,1]内(包括端点1)，则设备的Q值减2。需要说明的是，各区间内端点值的归属可以按需设置，以上为本实施例提供的一种方式。
容易理解的是，本实施例中的步骤1可以是针对所有设备的，即可以为任一设备事先设置一个相同的默认发碰撞概率区间；步骤2是针对特定设备的，相当于特定设备使用前的调试阶段，步骤2是特定设备实际运行过程中的自动调整，以便于设备始终保持最佳Q值。当然步骤2也可以作为实际运行过程中执行的一个步骤。
在另一个实施例中，提供一种基于模糊碰撞概率预测的RFID标签防碰撞系统，本实施例的基于模糊碰撞概率预测的RFID标签防碰撞系统，包括区间设置模块、区间调整模块和设备Q值调整模块，所述区间设置模块包括关系拟合模块和区间划分模块，其中：
所述关系拟合模块，用于根据不同标签总数的多标签响应概率的极值点得到不同标签总数下的最佳Q值，并根据最佳Q值拟合得出Q值、碰撞概率和标签总数之间的关系为：
Figure BDA0003443823840000091
式中，α为碰撞概率，T为标签总数，Q为Q值；
所述区间划分模块，用于根据Q值、碰撞概率和标签总数之间的关系得到不同标签总数在不同Q值下的碰撞概率分布，基于碰撞概率分布划分得到最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间；
所述区间调整模块，用于基于模糊边界的碰撞概率区间调整，具体为在最佳Q值碰撞概率区间和一级碰撞概率区间之间设置模糊区间；以得到的最佳Q值循环执行多标签读取；根据每次循环后得到的碰撞概率对最佳Q值碰撞概率区间进行外扩或内缩，在循环结束后得到调整后的最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间；
所述设备Q值调整模块，用于计算设备运行中单轮查询后标签的实时碰撞概率，根据实时碰撞概率在调整后的最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间中的所处区间调整设备的Q值。
在另一个实施例中，所述区间调整模块，根据每次循环后得到的碰撞概率对最佳Q值碰撞概率区间进行外扩或内缩，执行如下操作：
初始化扩张权重和收缩权重为0；
计算本次循环后的碰撞概率，判断本次循环后碰撞概率的落点，若本次循环后碰撞概率落在模糊区间内，则扩张权重加1；否则收缩权重加1；
若扩张权重大于扩张判定阈值，则外扩所述最佳Q值碰撞概率区间，并重置扩张权重为0；若收缩权重大于收缩判定阈值，则内缩所述最佳Q值碰撞概率区间，并重置收缩权重为0；
判断循环是否结束，若未结束则继续执行多标签读取并返回计算循环后的碰撞概率；否则结束调整。
在另一个实施例中，所述碰撞概率的总范围为0～1，所述最佳Q值碰撞概率区间为(b,c]，所述一级碰撞概率区间为(a,b]和(c,d]，所述二级碰撞概率区间为[0,a]和(d,1]，且0<a<b<c<d<1。
在另一个实施例中，所述设备Q值调整模块，根据实时碰撞概率在调整后的最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间中的所处区间调整设备的Q值，执行如下操作：
若实时碰撞概率位于最佳Q值碰撞概率区间(b,c]内，则无需调整设备的Q值；
若实时碰撞概率位于一级碰撞概率区间(a,b]内，则设备的Q值加1；
若实时碰撞概率位于一级碰撞概率区间(c,d]内，则设备的Q值减1；
若实时碰撞概率位于二级碰撞概率区间[0,a]内，则设备的Q值加2；
若实时碰撞概率位于二级碰撞概率区间(d,1]内，则设备的Q值减2。
关于一种基于模糊碰撞概率预测的RFID标签防碰撞系统的具体限定可参见上述对于一种基于模糊碰撞概率预测的RFID标签防碰撞方法的限定，这里就不再进行赘述。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种基于模糊碰撞概率预测的RFID标签防碰撞方法，其特征在于，所述基于模糊碰撞概率预测的RFID标签防碰撞方法，包括：
步骤1、设置碰撞概率区间；
步骤1.1、根据不同标签总数的多标签响应概率的极值点得到不同标签总数下的最佳Q值，并根据最佳Q值拟合得出Q值、碰撞概率和标签总数之间的关系为：
Figure FDA0003443823830000011
式中，α为碰撞概率，T为标签总数，Q为Q值；
步骤1.2、根据Q值、碰撞概率和标签总数之间的关系得到不同标签总数在不同Q值下的碰撞概率分布，基于碰撞概率分布划分得到最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间；
步骤2、基于模糊边界的碰撞概率区间调整；
步骤2.1、在最佳Q值碰撞概率区间和一级碰撞概率区间之间设置模糊区间；
步骤2.2、以步骤1得到的最佳Q值循环执行多标签读取；
步骤2.3、根据每次循环后得到的碰撞概率对最佳Q值碰撞概率区间进行外扩或内缩，在循环结束后得到调整后的最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间；
步骤3、计算设备运行中单轮查询后标签的实时碰撞概率，根据实时碰撞概率在调整后的最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间中的所处区间调整设备的Q值。
2.如权利要求1所述的基于模糊碰撞概率预测的RFID标签防碰撞方法，其特征在于，所述根据每次循环后得到的碰撞概率对最佳Q值碰撞概率区间进行外扩或内缩，包括：
步骤2.3.1、初始化扩张权重和收缩权重为0；
步骤2.3.2、计算本次循环后的碰撞概率，判断本次循环后碰撞概率的落点，若本次循环后碰撞概率落在模糊区间内，则扩张权重加1；否则收缩权重加1；
步骤2.3.3、若扩张权重大于扩张判定阈值，则外扩所述最佳Q值碰撞概率区间，并重置扩张权重为0；若收缩权重大于收缩判定阈值，则内缩所述最佳Q值碰撞概率区间，并重置收缩权重为0；
步骤2.3.4、判断循环是否结束，若未结束则继续执行多标签读取并返回步骤2.3.2；否则结束调整。
3.如权利要求1所述的基于模糊碰撞概率预测的RFID标签防碰撞方法，其特征在于，所述碰撞概率的总范围为0～1，所述最佳Q值碰撞概率区间为(b,c]，所述一级碰撞概率区间为(a,b]和(c,d]，所述二级碰撞概率区间为[0,a]和(d,1]，且0<a<b<c<d<1。
4.如权利要求3所述的基于模糊碰撞概率预测的RFID标签防碰撞方法，其特征在于，所述根据实时碰撞概率在调整后的最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间中的所处区间调整设备的Q值，包括：
若实时碰撞概率位于最佳Q值碰撞概率区间(b,c]内，则无需调整设备的Q值；
若实时碰撞概率位于一级碰撞概率区间(a,b]内，则设备的Q值加1；
若实时碰撞概率位于一级碰撞概率区间(c,d]内，则设备的Q值减1；
若实时碰撞概率位于二级碰撞概率区间[0,a]内，则设备的Q值加2；
若实时碰撞概率位于二级碰撞概率区间(d,1]内，则设备的Q值减2。
5.一种基于模糊碰撞概率预测的RFID标签防碰撞系统，其特征在于，所述基于模糊碰撞概率预测的RFID标签防碰撞系统，包括区间设置模块、区间调整模块和设备Q值调整模块，所述区间设置模块包括关系拟合模块和区间划分模块，其中：
所述关系拟合模块，用于根据不同标签总数的多标签响应概率的极值点得到不同标签总数下的最佳Q值，并根据最佳Q值拟合得出Q值、碰撞概率和标签总数之间的关系为：
Figure FDA0003443823830000021
式中，α为碰撞概率，T为标签总数，Q为Q值；
所述区间划分模块，用于根据Q值、碰撞概率和标签总数之间的关系得到不同标签总数在不同Q值下的碰撞概率分布，基于碰撞概率分布划分得到最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间；
所述区间调整模块，用于基于模糊边界的碰撞概率区间调整，具体为在最佳Q值碰撞概率区间和一级碰撞概率区间之间设置模糊区间；以得到的最佳Q值循环执行多标签读取；根据每次循环后得到的碰撞概率对最佳Q值碰撞概率区间进行外扩或内缩，在循环结束后得到调整后的最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间；
所述设备Q值调整模块，用于计算设备运行中单轮查询后标签的实时碰撞概率，根据实时碰撞概率在调整后的最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间中的所处区间调整设备的Q值。
6.如权利要求5所述的基于模糊碰撞概率预测的RFID标签防碰撞系统，其特征在于，所述区间调整模块，根据每次循环后得到的碰撞概率对最佳Q值碰撞概率区间进行外扩或内缩，执行如下操作：
初始化扩张权重和收缩权重为0；
计算本次循环后的碰撞概率，判断本次循环后碰撞概率的落点，若本次循环后碰撞概率落在模糊区间内，则扩张权重加1；否则收缩权重加1；
若扩张权重大于扩张判定阈值，则外扩所述最佳Q值碰撞概率区间，并重置扩张权重为0；若收缩权重大于收缩判定阈值，则内缩所述最佳Q值碰撞概率区间，并重置收缩权重为0；
判断循环是否结束，若未结束则继续执行多标签读取并返回计算循环后的碰撞概率；否则结束调整。
7.如权利要求5所述的基于模糊碰撞概率预测的RFID标签防碰撞系统，其特征在于，所述碰撞概率的总范围为0～1，所述最佳Q值碰撞概率区间为(b,c]，所述一级碰撞概率区间为(a,b]和(c,d]，所述二级碰撞概率区间为[0,a]和(d,1]，且0<a<b<c<d<1。
8.如权利要求7所述的基于模糊碰撞概率预测的RFID标签防碰撞系统，其特征在于，所述设备Q值调整模块，根据实时碰撞概率在调整后的最佳Q值碰撞概率区间、一级碰撞概率区间和二级碰撞概率区间中的所处区间调整设备的Q值，执行如下操作：
若实时碰撞概率位于最佳Q值碰撞概率区间(b,c]内，则无需调整设备的Q值；
若实时碰撞概率位于一级碰撞概率区间(a,b]内，则设备的Q值加1；
若实时碰撞概率位于一级碰撞概率区间(c,d]内，则设备的Q值减1；
若实时碰撞概率位于二级碰撞概率区间[0,a]内，则设备的Q值加2；
若实时碰撞概率位于二级碰撞概率区间(d,1]内，则设备的Q值减2。
CN202111641119.3A 2021-12-29 2021-12-29 一种基于模糊碰撞概率预测的rfid标签防碰撞方法及系统 Active CN114386444B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111641119.3A CN114386444B (zh) 2021-12-29 2021-12-29 一种基于模糊碰撞概率预测的rfid标签防碰撞方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111641119.3A CN114386444B (zh) 2021-12-29 2021-12-29 一种基于模糊碰撞概率预测的rfid标签防碰撞方法及系统

Publications (2)

Publication Number Publication Date
CN114386444A true CN114386444A (zh) 2022-04-22
CN114386444B CN114386444B (zh) 2024-02-13

Family

ID=81199294

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111641119.3A Active CN114386444B (zh) 2021-12-29 2021-12-29 一种基于模糊碰撞概率预测的rfid标签防碰撞方法及系统

Country Status (1)

Country Link
CN (1) CN114386444B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050280507A1 (en) * 2004-05-25 2005-12-22 Impinj, Inc. Inventorying RFID tags by employing a query parameter Q that converges heuristically
CN106250794A (zh) * 2016-08-05 2016-12-21 华东师范大学 一种超高频射频识别系统中多标签防碰撞算法
CN110309686A (zh) * 2019-07-12 2019-10-08 长春工业大学 一种基于等区域划分的rfid防碰撞算法
CN112368589A (zh) * 2018-03-27 2021-02-12 波尔特公司 用于位置服务的网络架构和方法
CN113225187A (zh) * 2021-04-14 2021-08-06 中国人民解放军战略支援部队信息工程大学 一种面向椭圆曲线密码芯片的抗能量攻击补偿方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050280507A1 (en) * 2004-05-25 2005-12-22 Impinj, Inc. Inventorying RFID tags by employing a query parameter Q that converges heuristically
CN106250794A (zh) * 2016-08-05 2016-12-21 华东师范大学 一种超高频射频识别系统中多标签防碰撞算法
CN112368589A (zh) * 2018-03-27 2021-02-12 波尔特公司 用于位置服务的网络架构和方法
CN110309686A (zh) * 2019-07-12 2019-10-08 长春工业大学 一种基于等区域划分的rfid防碰撞算法
CN113225187A (zh) * 2021-04-14 2021-08-06 中国人民解放军战略支援部队信息工程大学 一种面向椭圆曲线密码芯片的抗能量攻击补偿方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
宋梓旭;蒋毅;张若南;李彬;: "一种优化Q值调整的RFID标签防碰撞算法", 计算机工程, no. 09 *

Also Published As

Publication number Publication date
CN114386444B (zh) 2024-02-13

Similar Documents

Publication Publication Date Title
Ryu et al. A hybrid query tree protocol for tag collision arbitration in RFID systems
US20080150674A1 (en) System for tag estimation and anti-collision and method thereof
CN104657693A (zh) 一种基于分组自适应分配时隙的rfid防碰撞方法
CN106203212B (zh) 一种基于动态帧时隙的二进制树rfid防碰撞方法
Chen et al. A novel time-aware frame adjustment strategy for RFID anti-collision
CN113836961A (zh) 一种无源超高频rfid标签数量估算方法及系统
CN100562882C (zh) 一种稳定的射频识别反碰撞方法
CN114386444A (zh) 一种基于模糊碰撞概率预测的rfid标签防碰撞方法及系统
CN103336963A (zh) 一种图像特征提取的方法及装置
Lee High-Tag anti-collision algorithm to improve the efficiency of tag Identification in Active RFID System
CN103714364B (zh) Rfid读写器的跳频方法及装置
CN103778461A (zh) 一种应用于超高频阅读器中高效识别标签的方法
KR100783682B1 (ko) 전파 식별 장치의 고속 태그 인식 방법
Park et al. Identification of RFID tags in framed-slotted ALOHA with tag estimation and binary splitting
CN105160373B (zh) 一种基于碰撞时隙独立识别的动态帧时隙Aloha算法
Kalache et al. Performances comparison of RFID anti-collision algorithms
CN112446448B (zh) 一种dfsa和二进制算法结合的单阅读器识别rfid标签方法
Xiao et al. Improved ALOHA-based RFID Tag Anti-collision Algorithm
Niu et al. An enhanced Q algorithm based on EPC-C1G2 RFID protocol
CN112257476B (zh) 一种混合型rfid标签防碰撞方法
Cui et al. A new anti-collision method for RFID systems
Jiang Collision avoidance anti-collision algorithm based on subset partition
CN110188581A (zh) 基于改进曼彻斯特编码的多叉查询树rfid防碰撞方法
Zhu et al. A Non-integral-Q Algorithm for RFID System in Anti-collision
CN117706377B (zh) 一种基于自适应聚类的电池不一致性辨识方法和装置

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