CN116468057A - 一种基于射频识别的标签层次性查询方法、装置和阅读器 - Google Patents

一种基于射频识别的标签层次性查询方法、装置和阅读器 Download PDF

Info

Publication number
CN116468057A
CN116468057A CN202310405950.1A CN202310405950A CN116468057A CN 116468057 A CN116468057 A CN 116468057A CN 202310405950 A CN202310405950 A CN 202310405950A CN 116468057 A CN116468057 A CN 116468057A
Authority
CN
China
Prior art keywords
tag
category
time slots
labels
tags
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.)
Pending
Application number
CN202310405950.1A
Other languages
English (en)
Inventor
朱卫平
熊玉杰
李思浩
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.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202310405950.1A priority Critical patent/CN116468057A/zh
Publication of CN116468057A publication Critical patent/CN116468057A/zh
Pending legal-status Critical Current

Links

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
    • G06K7/10118—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 the sensing being preceded by at least one preliminary step
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Warehouses Or Storage Devices (AREA)

Abstract

本申请公开了一种基于射频识别的标签层次性查询方法、装置和阅读器，通过为标签的各个类别分配单一时隙，并在识别时确定各个单一时隙对应类别的标签的回复情况，以进行标签类别查询；估算各个类别的标签数量和标签缺失率，并根据各个类别的标签缺失率大小选择对应的盘点算法进行标签数量盘点。本申请能够根据识别需求对标签进行标签类别查询、标签数量估算和标签数量盘点等不同层次的标签查询，有效的提高了标签的查询效率。

Description

一种基于射频识别的标签层次性查询方法、装置和阅读器
技术领域
本申请涉及物品识别技术领域，尤其涉及一种基于射频识别的标签层次性查询方法、装置和阅读器。
背景技术
随着射频识别技术(RFID,Radio Frequency Identification)的日渐成熟，越来越多的RFID技术应用在我们的日常生活中，如身份识别，物流管理，库存管理等。经典的RFID系统中主要有三部分组成，服务器、阅读器以及标签。阅读器接收服务器的对标签操作的命令，然后阅读器通过无线射频信号方式和标签进行非接触数据通信，最后阅读器将收集到的信息传送给服务器。由于这种通信的特点，RFID技术在远距离多目标读写具有比较大的优势。
然而在快速发展的商品时代，仓库的容积越来越大，仓库内商品种类越来越多，商品数目越来越多，传统RFID识别协议只能通过扫描仓库中所有商品的数据来获取某类商品数量。但是随着商品数量的增加，识别时间也随之增加，并且另一方面，商品标识是具有层次性特点的，例如一个商品包括类别标识、子类标识、单品标识等多个层次。并且重要等级不同的商品在识别需求上也有不同，例如重要等级高的商品需要全面准确的进行单品识别以获得准确的数量，而重要等级一般的商品需求可能更为粗略，只需要对类别进行识别即可。
因此，如何根据识别需求层次性的对标签进行识别是亟需解决的技术问题。
发明内容
本申请的主要目的在于提供一种基于射频识别的标签层次性查询方法、装置和阅读器，旨在解决如何根据识别需求层次性的对标签进行识别的技术问题。
第一方面，本申请提供一种基于射频识别的标签层次性查询方法，所述方法包括以下步骤：
通过为标签的各个类别分配单一时隙，并在识别时确定各个单一时隙对应类别的标签的回复情况，以进行标签类别查询；
估算各个类别的标签数量和标签缺失率，并根据各个类别的标签缺失率大小选择对应的盘点算法进行标签数量盘点。
一些实施例中，所述通过为标签的各个类别分配单一时隙，并在识别时确定各个单一时隙对应类别的标签的回复情况，以进行标签类别查询，包括：
根据标签清单中标签的类别数量生成第一广播帧，其中所述第一广播帧的时隙数量与标签的类别数量相同；
循环进行以下步骤，直至在一个完整的第一广播帧中没有标签回复时结束：
根据所述第一广播帧、标签的类别标识和第一随机数进行哈希运算，得到各个类别对应的类别回复时隙，并将其中的空时隙和冲突时隙设置为0，单一时隙设置为1，以组成第一期待向量；
向各个标签广播所述第一广播帧，所述第一随机数和所述第一期待向量，以使各个标签进行哈希运算选择对应的类别回复时隙进行回复；
当所述类别回复时隙对应的所述第一期待向量的时隙为1时，若有标签在该类别回复时隙回复，则确定该类别回复时隙对应的类别存在，若无标签在该类别回复时隙回复，则确定该类别回复时隙对应的类别不存在。
一些实施例中，所述估算各个类别的标签数量和标签缺失率，包括：
根据所述标签清单中标签的数量生成第二广播帧，其中所述第二广播帧的时隙数量与所述标签清单中标签的数量相同；
根据所述第二广播帧、标签的信息标识和第二随机数进行哈希运算，得到各个标签对应的标签回复时隙，并将其中的空时隙和冲突时隙设置为0，单一时隙设置为1，并截取预设采样范围内的标签回复时隙组成第二期待向量；
向各个标签广播所述第二广播帧、所述第二随机数、所述预设采样范围和所述第二期待向量，以使各个标签进行哈希运算选择对应的标签回复时隙，并使得标签在对应的标签回复时隙在所述预设采样范围内且为1时进行回复，标签在对应的标签回复时隙未在所述预设采样范围或者标签回复时隙为0时不进行回复；
统计回复的标签数量；
根据回复的标签数量估算标签的总数量：
其中，为估算的标签的总数量，F为所述第二广播帧的时隙数量，N1为回复的标签数量，ρ为采样率，其中ρ＝P/F，P为所述预设采样范围内的标签回复时隙的数量；
根据所述第二期待向量中单一时隙对应的类别的比例和估算的标签的总数量估算各个类别中的标签数量；
根据估算的各个类别的标签数量和所述标签清单中各个类别的标签的初始数量估算各个类别的标签缺失率。
一些实施例中，所述第一随机数和所述第二随机数在[0,1]范围内随机产生。
一些实施例中，该方法还包括：
一些实施例中，对各个类别中的标签数量进行预设次数的估算，以使得估算结果的误差达到预设的误差约束，置信度达到预设的置信度约束。
一些实施例中，确定标签回复时隙的预设采样范围，包括：
确定所述第二广播帧的时隙数量；
当所述第二广播帧的时隙数量小于或等于预设的时隙第一数量阈值时，所述预设采样范围内的标签回复时隙的数量与所述第二广播帧的时隙数量相同；
当所述第二广播帧的时隙数量大于所述时隙第一数量阈值且小于预设的时隙数量第二阈值时，所述预设采样范围中的标签回复时隙的数量与所述时隙数量第一阈值相同；
当所述第二广播帧的时隙数量大于所述时隙数量第二阈值时，所述预设采样范围中的标签回复时隙的数量为预设倍数的第二广播帧的时隙数量，其中所述预设倍数的数值小于1。
一些实施例中，在根据各个类别的标签缺失率大小选择对应的盘点算法进行标签数量盘点之前，还包括：
根据所述标签清单中各个类别的标签的初始数量、各个类别对应的盘点权重和系统盘点权重计算各个类别的盘点权重阈值：
其中，i为类别的序号，Ti为类别的盘点权重阈值，Ki为类别的盘点权重，Ni为对应类别的标签的初始数量，T为系统盘点权重；
若类别的盘点权重阈值大于估算的类别的标签数量与对应类别的盘点权重的乘积，则确定需要对该类别中的标签进行盘点，否则不需要进行盘点。
一些实施例中，根据各个类别的标签缺失率大小选择对应的盘点算法进行标签数量盘点，包括：
判断估算的各个类别的标签缺失率是否小于预设的缺失率阈值，若是，则将该类别中的标签划分至第一标签组，否则，划分至第二标签组；
对比所述第一标签组和第二标签组中的标签数量；
若所述第一标签组中的标签数量大于所述第二标签组，则先采用重哈希算法对所述第一标签组中的标签的数量进行盘点，并确定所述第一标签组中各个类别的标签的盘点缺失率，将盘点缺失率大于所述缺失率阈值的类别的标签划分至所述第二标签组进行盘点；
若第一标签组中的标签数量小于或等于所述第二标签组，则先通过冲突时隙为空算法对所述第二标签组中的标签的数量进行盘点，并确定各个第二标签组中各个类别的标签的盘点缺失率，将盘点缺失率大于所述缺失率阈值的类别的标签划分至所述第一标签组进行盘点。
第二方面，本申请还提供一种基于射频识别的标签层次性查询装置，所述装置包括：
标签类别确定模块，其用于通过为标签的各个类别分配单一时隙，并在识别时确定各个单一时隙对应类别的标签的回复情况，以进行标签类别查询；
标签数量估算模块，其用于估算各个类别的标签数量和标签缺失率；
标签盘点模块，其用于根据各个类别的标签缺失率大小选择对应的盘点算法进行标签数量盘点。
第三方面，本申请还提供一种阅读器，其用于实现如上述的基于射频识别的标签层次性查询方法的步骤。
本申请提供一种基于射频识别的标签层次性查询方法、装置和阅读器，通过为标签的各个类别分配单一时隙，并在识别时确定各个单一时隙对应类别的标签的回复情况，以进行标签类别查询；估算各个类别的标签数量和标签缺失率，并根据各个类别的标签缺失率大小选择对应的盘点算法进行标签数量盘点。本申请能够根据识别需求对标签进行标签类别查询、标签数量估算和标签数量盘点等不同层次的标签查询，有效的提高了标签的查询效率。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于射频识别的标签层次性查询方法的流程示意图；
图2为标签数量盘点的具体流程示意图；
图3为一种基于射频识别的标签层次性查询装置的示意性框图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
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。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
本申请实施例提供一种基于射频识别的标签层次性查询方法、装置和阅读器。其中，该基于射频识别的标签层次性查询方法可应用于阅读器中。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
值得说明的是，本发明基于的识别系统包含一个阅读器和N个标签，标签与商品信息绑定。N个标签可以属于C个不同的类别，每个类别的标签数量为标签的读写器存储了标签的信息标识ID，ID信息包括标签的类别标识CID，类内标识MID以及与标签类别对应的盘点权重Ki。并且这些信息与标签以映射关系的形式形成标签清单，储存于阅读器中。
请参照图1，图1为本申请的实施例提供的一种基于射频识别的标签层次性查询方法的流程示意图。
如图1所示，该方法包括步骤S1至步骤S2。
步骤S1、通过为标签的各个类别分配单一时隙，并在识别时确定各个单一时隙对应类别的标签的回复情况，以进行标签类别查询。
具体的，所述通过为标签的各个类别分配单一时隙，并在识别时确定各个单一时隙对应类别的标签的回复情况，以进行标签类别查询，包括：根据标签清单中标签的类别数量生成第一广播帧，其中所述第一广播帧的时隙数量与标签的类别数量相同；循环进行以下步骤，直至在一个完整的第一广播帧中没有标签回复时结束：根据所述第一广播帧、标签的类别标识和第一随机数进行哈希运算，得到各个类别对应的类别回复时隙，并将其中的空时隙和冲突时隙设置为0，单一时隙设置为1，以组成第一期待向量；向各个标签广播所述第一广播帧，所述第一随机数和所述第一期待向量，以使各个标签进行哈希运算选择对应的类别回复时隙进行回复；当所述类别回复时隙对应的所述第一期待向量的时隙为1时，若有标签在该类别回复时隙回复，则确定该类别回复时隙对应的类别存在，若无标签在该类别回复时隙回复，则确定该类别回复时隙对应的类别不存在。
示范性的，进行标签的类别查询可以查询仓库中哪些标签类别对应的商品是存在的,哪些是不存在的。阅读器中储存了仓库中商品的标签清单，其中包括了标签的类别标识和信息标识。阅读器根据标签清单中的类别数量生成第一广播帧，广播帧由多个时隙组成，第一广播帧的时隙数量与标签清单中标签的类别数量相同，即第一广播帧的帧长F1的大小等于标签清单中标签的类别数量。第一随机数R1在[0,1]范围内随机产生。
阅读器用第一广播帧、第一随机数以及标签列表中的每一个标签的类别标识CID进行哈希运算HASH(CID,R1)％F1，得到各个类别对应的类别回复时隙。然后其中的空时隙和冲突时隙用“0”表示，单一时隙使用“1”表示，以组成第一期待向量E1。然后阅读器发送第一广播帧、第一随机数R1以及第一期待向量E1给标签。标签接收信息，标签使用类别标识CID进行哈希运算HASH(CID,R1)％F1，选择对应的类别回复时隙。如果类别回复时隙对应的第一期待向量的时隙为1，标签在该通讯时隙内回复信息，回复完成后进行休眠；如果对应的第一期待向量的时隙为“0”，则标签不参与本回合识别。
阅读器接收到标签的回复，如果出现第r个类别回复时隙对应的第一期待向量E1的第r个时隙为“1”但没有标签回复，则说明该类别中不存在标签，即仓库中不存在该类别的商品，由此判断该类别的商品丢失；如果对应第一期待向量E1的第r个时隙为“1”且有标签回复，则说明该类别存在；其他情况不做处理。
类别识别的结果为确定读写器覆盖区域内是否存在的标签类别。阅读器不断重复上述过程，直到某某一个第一广播帧中没有收到任何标签信号，则认对所有类别都进行的查询。
步骤S2、估算各个类别的标签数量和标签缺失率，并根据各个类别的标签缺失率大小选择对应的盘点算法进行标签数量盘点。
具体的，所述估算各个类别的标签数量和标签缺失率，包括：
根据所述标签清单中标签的数量生成第二广播帧，其中所述第二广播帧的时隙数量与所述标签清单中标签的数量相同；根据所述第二广播帧、标签的信息标识和第二随机数进行哈希运算，得到各个标签对应的标签回复时隙，并将其中的空时隙和冲突时隙设置为0，单一时隙设置为1，并截取预设采样范围内的标签回复时隙组成第二期待向量；向各个标签广播所述第二广播帧、所述第二随机数、所述预设采样范围和所述第二期待向量，以使各个标签进行哈希运算选择对应的标签回复时隙，并使得标签在对应的标签回复时隙在所述预设采样范围内且为1时进行回复，标签在对应的标签回复时隙未在所述预设采样范围或者标签回复时隙为0时不进行回复；统计回复的标签数量；根据回复的标签数量估算标签的总数量：
其中，为估算的标签的总数量，F为所述第二广播帧的时隙数量，N1为回复的标签数量，ρ为采样率，其中ρ＝P/F，P为所述预设采样范围内的标签回复时隙的数量；
根据所述第二期待向量中单一时隙对应的类别的比例和估算的标签的总数量估算各个类别中的标签数量；根据估算的各个类别的标签数量和所述标签清单中各个类别的标签的初始数量估算各个类别的标签缺失率。
值得说明的是，通过类别查询，可以得到仓库内部有哪些类别的标签是存在的，哪些类别的标丢失，接着可以根据标签的查询需求，根据对存在的标签类别中标签的数量进行估计。使用单一时隙数量估计所有标签类别数量，并且使用采样法减少估计时间。
示范性的，阅读器根据标签清单中的标签的数量生成第二广播帧，第二广播帧的时隙数量与标签清单中标签的数量相同，第二广播帧的帧长F2的大小等于标签清单中标签的数量。第一随机数R2在[0,1]范围内随机产生。阅读器根据第二广播帧、第二随机数、标签清单中标签的信息标识ID进行哈希运算HASH(ID,R2)％F2，得到各个标签对应的标签回复时隙。然后将其中的空时隙和冲突时隙用“0”表示，单一时隙使用“1”表示，并根据预设采样范围从第一个时隙开始向后截取P个向量，以生成第二期待向量E2。阅读器向标签广播第二广播帧、第二随机数R2、第二期待向量E2以及预设采样范围。
标签接收到阅读器发送的信息，进行哈希计算HASH(ID,R2)％F2选择对应的标签回复时隙。当且仅当标签对应的标签回复时隙在预设采样范围内的时候且对应的第二期待向量E2的时隙为1时标签才会在指定的时隙发送数据，并且在后续识别中进行沉默。当标签对应的标签回复时隙未在预设采样范围内的时，或者所对应的第二期待向量E2的时隙对应期待向量中数据为0，则标签不参与该轮估算。
阅读器接收标签回复信息，并统计回复的标签数量，然后根据回复的标签数量估算当前仓库中标签的总数量，然后利用第二期待向量E2中单一时隙对应的类别的数量比例估算出每个类别的标签数目Mi。与此同时阅读器通过单一时隙的标签回复信息可以确定哪些标签丢失，哪些标签存在。将估算的各个类别的标签数量除以标签清单中各个类别的标签的初始数量即可估算各个类别的标签缺失率。
作为一种优选的实施方式，该方法还包括：对各个类别中的标签数量进行预设次数的估算，以使得估算结果的误差达到预设的误差约束，置信度达到预设的置信度约束。
示范性的，根据极限定理可知，多次采样结果符合正态分布。对标签数量进行估算时，需要进行m次估算，以使得估算结果的误差达到预设的误差约束β，估算结果的置信度达到预设的置信度约束α来使得数据达到要求。
其中，估算次数式中/>为估算的标签的总数量，F2为第二期待向量的帧长，α为置信度约束、Z为置信水平α的标准分数，e为自然常数，λ为负载因子估计出标签数目除以帧长，β为预设的误差约束。
值得说明的是，确定标签回复时隙的预设采样范围，包括：确定所述第二广播帧的时隙数量；当所述第二广播帧的时隙数量小于或等于预设的时隙第一数量阈值时，所述预设采样范围内的标签回复时隙的数量与所述第二广播帧的时隙数量相同；当所述第二广播帧的时隙数量大于所述时隙第一数量阈值且小于预设的时隙数量第二阈值时，所述预设采样范围中的标签回复时隙的数量与所述时隙数量第一阈值相同；当所述第二广播帧的时隙数量大于所述时隙数量第二阈值时，所述预设采样范围中的标签回复时隙的数量为预设倍数的第二广播帧的时隙数量，其中所述预设倍数的数值小于1。
作为一种优选的实施方式，预设采样范围中的额时隙数量P的取值设置为：
其中，P为预设采样范围中的时隙数量，F为广播帧的帧长。
作为一种优选的实施方式，由于不同种类或者不同价值的商品其查询需求也不同,本实施例中根据查询需求设置系统的盘点权重T，并对各个类别的标签设置盘点权重Ki，用于计算是否对该类中的标签进行盘点。
根据所述标签清单中各个类别的标签的初始数量、各个类别对应的盘点权重和系统盘点权重计算各个类别的盘点权重阈值：
其中，i为类别的序号，Ti为类别的盘点权重阈值，Ki为类别的盘点权重，Ni为标签清单中对应类别的标签的初始数量，T为系统盘点权重。
再根据类别的盘点权重阈值的大小判断是否对该类别进行盘点。若类别的盘点权重阈值大于估算的类别的标签数量与对应类别的盘点权重的乘积，则确定需要对该类别中的标签进行盘点，否则不需要进行盘点。即，若Mi*Ki<Ti，则对i对应的类别的标签进行盘点，否者不进行盘点。
进一步的，根据各个类别的标签缺失率大小选择对应的盘点算法进行标签数量盘点，包括：判断估算的各个类别的标签缺失率是否小于预设的缺失率阈值，若是，则将该类别中的标签划分至第一标签组，否则，划分至第二标签组；对比所述第一标签组和第二标签组中的标签数量；若所述第一标签组中的标签数量大于所述第二标签组，则先采用重哈希算法对所述第一标签组中的标签的数量进行盘点，并确定所述第一标签组中各个类别的标签的盘点缺失率，将盘点缺失率大于所述缺失率阈值的类别的标签划分至所述第二标签组进行盘点；若第一标签组中的标签数量小于或等于所述第二标签组，则先通过冲突时隙为空算法对所述第二标签组中的标签的数量进行盘点，并确定各个第二标签组中各个类别的标签的盘点缺失率，将盘点缺失率大于所述缺失率阈值的类别的标签划分至所述第一标签组进行盘点。
示范性的，如图2所示，设定第一标签组为A组，设定第二标签组为B组。将所有需要盘点的类别的标签，按照中估算的缺失率大小分为A组和B组。缺失率小于0.679的标签类别被分到A组。缺失率大于或等于0.679的类别被分到B组。A组使用重哈希算法，B组使用冲突时隙为空算法对各类别的标签数量进行盘点。
阅读器首先比较A组和B组未识别标签数量的大小，当A组标签数量等于B组标签数目且等于0，则识别结束。
当A组标签数量大于B组标签数量时，标签数量盘点包括以下步骤：
识别A组，阅读器根据A组中估算标签数量生成第三广播广播帧、第三随机数R3、第四随机数R4以及第三期待向量E3，其中第三广播帧的帧长F3等于A组中所有标签种类在估算时未查询到的标签数量除于1.68，阅读器根据A组的标签清单的标签进行HASH算法生成并填充第三期待向量E3，具体方法与第一期待向量E1和第二期待向量E2的方法相同，在此不再赘述。对于双冲突和三冲突时隙，使用HASH(ID,R4)然后对时隙数取余，解决部分冲突时隙；然后将解决的冲突时隙放入添加到第三期待向量E3后；阅读器发送第三广播帧、第三随机数R3、第四随机数R4以及第三期待向量E3给标签；标签利用ID进行HASH(ID,R3)％F选择时隙，如果选择的时隙为第三期待向量E3中对应为单一时隙，则在该时隙内回复；如果选择时隙为冲突时隙，则利用HASH(ID,R4)对冲突数选择第三期待向量后添加的时隙进行回复；标签回复完成后沉默自己。阅读器记录标签回复信息情况，回复完成后如果标签在规定时隙内回复，则标签存在，否则标签丢失；识别完成后，根据标签的回复情况动态更新A组各个类别的标签缺失率，把将缺失率大于0.679的类别再放进B组，执行再次执行循环该步骤。
当A组标签数量小于或等于B组标签数量时，标签数量盘点包括以下步骤：
识别B组，B组利用多冲突时隙为空进行识别，阅读器第四生成第四广播帧、第五随机数R5以及第四期待向量E4；其中第四广播帧的帧长F4为B组中所有标签种类在估算时未查询到的标签数量除于1.68；阅读器利用B组的标签清单标签进行HASH(ID,R5)％F4生成和填充第四期待向量E4，具体方法与第一期待向量E1和第二期待向量E2的方法相同，在此不再赘述；阅读器将四广播帧、第五随机数R5以及第四期待向量E4发送给标签；标签利用HASH(ID,R5)％F4选择时隙回复，如果选择的时隙对应期待向量为单一时隙，则标签回复完成后沉默自己，如果标签选择的时隙对应期待向量为冲突时隙，则标签回复完成后还参与后续识别；阅读器记录标签的回复信息，通过对比标签回复信息和第四期待向量中的数据，得到标签的缺失状态，动态更新B组类别缺失率，把将缺失率小于0.679再放进A组，通过重哈希算法进行盘点。
请参照图3，图3为本申请实施例提供的基于射频识别的标签层次性查询装置的示意性框图。
如图3所示，该装置包括：
标签类别确定模块，其用于通过为标签的各个类别分配单一时隙，并在识别时确定各个单一时隙对应类别的标签的回复情况，以进行标签类别查询；
标签数量估算模块，其用于估算各个类别的标签数量和标签缺失率；
标签数量盘点模块，其用于根据各个类别的标签缺失率大小选择对应的盘点算法进行标签数量盘点。
其中，所述标签类别估算模块还用于：根据标签清单中标签的类别数量生成第一广播帧，其中所述第一广播帧的时隙数量与标签的类别数量相同；
循环进行以下步骤，直至在一个完整的第一广播帧中没有标签回复时结束：
根据所述第一广播帧、标签的类别标识和第一随机数进行哈希运算，得到各个类别对应的类别回复时隙，并将其中的空时隙和冲突时隙设置为0，单一时隙设置为1，以组成第一期待向量；
向各个标签广播所述第一广播帧，所述第一随机数和所述第一期待向量，以使各个标签进行哈希运算选择对应的类别回复时隙进行回复；
当所述类别回复时隙对应的所述第一期待向量的时隙为1时，若有标签在该类别回复时隙回复，则确定该类别回复时隙对应的类别存在，若无标签在该类别回复时隙回复，则确定该类别回复时隙对应的类别不存在。
其中，所述标签数量估算模块还用于：
根据所述标签清单中标签的数量生成第二广播帧，其中所述第二广播帧的时隙数量与所述标签清单中标签的数量相同；
根据所述第二广播帧、标签的信息标识和第二随机数进行哈希运算，得到各个标签对应的标签回复时隙，并将其中的空时隙和冲突时隙设置为0，单一时隙设置为1，并截取预设采样范围内的标签回复时隙组成第二期待向量；
向各个标签广播所述第二广播帧、所述第二随机数、所述预设采样范围和所述第二期待向量，以使各个标签进行哈希运算选择对应的标签回复时隙，并使得标签在对应的标签回复时隙在所述预设采样范围内且为1时进行回复，标签在对应的标签回复时隙未在所述预设采样范围或者标签回复时隙为0时不进行回复；
统计回复的标签数量；
根据回复的标签数量估算标签的总数量：
其中，为估算的标签的总数量，F为所述第二广播帧的时隙数量，N1为回复的标签数量，ρ为采样率，其中ρ＝P/F，P为所述预设采样范围内的标签回复时隙的数量；
根据所述第二期待向量中单一时隙对应的类别的比例和估算的标签的总数量估算各个类别中的标签数量；
根据估算的各个类别的标签数量和所述标签清单中各个类别的标签的初始数量估算各个类别的标签缺失率。
其中，所述第一随机数和所述第二随机数在[0,1]范围内随机产生。
其中，所述标签数量估算模块还用于：
对各个类别中的标签数量进行预设次数的估算，以使得估算结果的误差达到预设的误差约束，置信度达到预设的置信度约束。
其中，所述标签数量估算模块还用于：
确定所述第二广播帧的时隙数量；
当所述第二广播帧的时隙数量小于或等于预设的时隙第一数量阈值时，所述预设采样范围内的标签回复时隙的数量与所述第二广播帧的时隙数量相同；
当所述第二广播帧的时隙数量大于所述时隙第一数量阈值且小于预设的时隙数量第二阈值时，所述预设采样范围中的标签回复时隙的数量与所述时隙数量第一阈值相同；
当所述第二广播帧的时隙数量大于所述时隙数量第二阈值时，所述预设采样范围中的标签回复时隙的数量为预设倍数的第二广播帧的时隙数量，其中所述预设倍数的数值小于1。
其中，该装置还用于：
根据所述标签清单中各个类别的标签的初始数量、各个类别对应的盘点权重和系统盘点权重计算各个类别的盘点权重阈值：
其中，i为类别的序号，Ti为类别的盘点权重阈值，Ki为类别的盘点权重，Ni为对应类别的标签的初始数量，T为系统盘点权重；
若类别的盘点权重阈值大于估算的类别的标签数量与对应类别的盘点权重的乘积，则确定需要对该类别中的标签进行盘点，否则不需要进行盘点。
其中，所述标签数量盘点模块还用于：
判断估算的各个类别的标签缺失率是否小于预设的缺失率阈值，若是，则将该类别中的标签划分至第一标签组，否则，划分至第二标签组；
对比所述第一标签组和第二标签组中的标签数量；
若所述第一标签组中的标签数量大于所述第二标签组，则先采用重哈希算法对所述第一标签组中的标签的数量进行盘点，并确定所述第一标签组中各个类别的标签的盘点缺失率，将盘点缺失率大于所述缺失率阈值的类别的标签划分至所述第二标签组进行盘点；
若第一标签组中的标签数量小于或等于所述第二标签组，则先通过冲突时隙为空算法对所述第二标签组中的标签的数量进行盘点，并确定各个第二标签组中各个类别的标签的盘点缺失率，将盘点缺失率大于所述缺失率阈值的类别的标签划分至所述第一标签组进行盘点。
本实施例还提供一种阅读器，上述实施例提供的基于射频识别的标签层次性查询装置可以实现为一种计算机程序的形式在阅读器上运行，以实现如上述的基于射频识别的标签层次性查询方法的步骤。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种基于射频识别的标签层次性查询方法，其特征在于，包括：
通过为标签的各个类别分配单一时隙，并在识别时确定各个单一时隙对应类别的标签的回复情况，以进行标签类别查询；
估算各个类别的标签数量和标签缺失率，并根据各个类别的标签缺失率大小选择对应的盘点算法进行标签数量盘点。
2.根据权利要求1所述的基于射频识别的标签层次性查询方法，其特征在于，所述通过为标签的各个类别分配单一时隙，并在识别时确定各个单一时隙对应类别的标签的回复情况，以进行标签类别查询，包括：
根据标签清单中标签的类别数量生成第一广播帧，其中所述第一广播帧的时隙数量与标签的类别数量相同；
循环进行以下步骤，直至在一个完整的第一广播帧中没有标签回复时结束：
根据所述第一广播帧、标签的类别标识和第一随机数进行哈希运算，得到各个类别对应的类别回复时隙，并将其中的空时隙和冲突时隙设置为0，单一时隙设置为1，以组成第一期待向量；
向各个标签广播所述第一广播帧，所述第一随机数和所述第一期待向量，以使各个标签进行哈希运算选择对应的类别回复时隙进行回复；
当所述类别回复时隙对应的所述第一期待向量的时隙为1时，若有标签在该类别回复时隙回复，则确定该类别回复时隙对应的类别存在，若无标签在该类别回复时隙回复，则确定该类别回复时隙对应的类别不存在。
3.根据权利要求2所述的基于射频识别的标签层次性查询方法，其特征在于，所述估算各个类别的标签数量和标签缺失率，包括：
根据所述标签清单中标签的数量生成第二广播帧，其中所述第二广播帧的时隙数量与所述标签清单中标签的数量相同；
根据所述第二广播帧、标签的信息标识和第二随机数进行哈希运算，得到各个标签对应的标签回复时隙，并将其中的空时隙和冲突时隙设置为0，单一时隙设置为1，并截取预设采样范围内的标签回复时隙组成第二期待向量；
向各个标签广播所述第二广播帧、所述第二随机数、所述预设采样范围和所述第二期待向量，以使各个标签进行哈希运算选择对应的标签回复时隙，并使得标签在对应的标签回复时隙在所述预设采样范围内且为1时进行回复，标签在对应的标签回复时隙未在所述预设采样范围或者标签回复时隙为0时不进行回复；
统计回复的标签数量；
根据回复的标签数量估算标签的总数量：
其中，为估算的标签的总数量，F为所述第二广播帧的时隙数量，N1为回复的标签数量，ρ为采样率，其中ρ＝P/F，P为所述预设采样范围内的标签回复时隙的数量；
根据所述第二期待向量中单一时隙对应的类别的比例和估算的标签的总数量估算各个类别中的标签数量；
根据估算的各个类别的标签数量和所述标签清单中各个类别的标签的初始数量估算各个类别的标签缺失率。
4.根据权利要求3所述的基于射频识别的标签层次性查询方法，其特征在于，所述第一随机数和所述第二随机数在[0,1]范围内随机产生。
5.根据权利要求3所述的基于射频识别的标签层次性查询方法，其特征在于，还包括：
对各个类别中的标签数量进行预设次数的估算，以使得估算结果的误差达到预设的误差约束，置信度达到预设的置信度约束。
6.根据权利要求3所述的基于射频识别的标签层次性查询方法，其特征在于，确定标签回复时隙的预设采样范围，包括：
确定所述第二广播帧的时隙数量；
当所述第二广播帧的时隙数量小于或等于预设的时隙第一数量阈值时，所述预设采样范围内的标签回复时隙的数量与所述第二广播帧的时隙数量相同；
当所述第二广播帧的时隙数量大于所述时隙第一数量阈值且小于预设的时隙数量第二阈值时，所述预设采样范围中的标签回复时隙的数量与所述时隙数量第一阈值相同；
当所述第二广播帧的时隙数量大于所述时隙数量第二阈值时，所述预设采样范围中的标签回复时隙的数量为预设倍数的第二广播帧的时隙数量，其中所述预设倍数的数值小于1。
7.根据权利要求3所述的基于射频识别的标签层次性查询方法，其特征在于，在根据各个类别的标签缺失率大小选择对应的盘点算法进行标签数量盘点之前，还包括：
根据所述标签清单中各个类别的标签的初始数量、各个类别对应的盘点权重和系统盘点权重计算各个类别的盘点权重阈值：
其中，i为类别的序号，Ti为类别的盘点权重阈值，Ki为类别的盘点权重，Ni为标签清单中对应类别的标签的初始数量，T为系统盘点权重；
若类别的盘点权重阈值大于估算的类别的标签数量与对应类别的盘点权重的乘积，则确定需要对该类别中的标签进行盘点，否则不需要进行盘点。
8.根据权利要求3所述的基于射频识别的标签层次性查询方法，其特征在于，根据各个类别的标签缺失率大小选择对应的盘点算法进行标签数量盘点，包括：
判断估算的各个类别的标签缺失率是否小于预设的缺失率阈值，若是，则将该类别中的标签划分至第一标签组，否则，划分至第二标签组；
对比所述第一标签组和第二标签组中的标签数量；
若所述第一标签组中的标签数量大于所述第二标签组，则先采用重哈希算法对所述第一标签组中的标签的数量进行盘点，并确定所述第一标签组中各个类别的标签的盘点缺失率，将盘点缺失率大于所述缺失率阈值的类别的标签划分至所述第二标签组进行盘点；
若第一标签组中的标签数量小于或等于所述第二标签组，则先通过冲突时隙为空算法对所述第二标签组中的标签的数量进行盘点，并确定各个第二标签组中各个类别的标签的盘点缺失率，将盘点缺失率大于所述缺失率阈值的类别的标签划分至所述第一标签组进行盘点。
9.一种基于射频识别的标签层次性查询装置，其用于包括：
标签类别确定模块，其用于通过为标签的各个类别分配单一时隙，并在识别时确定各个单一时隙对应类别的标签的回复情况，以进行标签类别查询；
标签数量估算模块，其用于估算各个类别的标签数量和标签缺失率；
标签数量盘点模块，其用于根据各个类别的标签缺失率大小选择对应的盘点算法进行标签数量盘点。
10.一种阅读器，其用于实现如权利要求1-8任意一项所述的基于射频识别的标签层次性查询方法。
CN202310405950.1A 2023-04-11 2023-04-11 一种基于射频识别的标签层次性查询方法、装置和阅读器 Pending CN116468057A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310405950.1A CN116468057A (zh) 2023-04-11 2023-04-11 一种基于射频识别的标签层次性查询方法、装置和阅读器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310405950.1A CN116468057A (zh) 2023-04-11 2023-04-11 一种基于射频识别的标签层次性查询方法、装置和阅读器

Publications (1)

Publication Number Publication Date
CN116468057A true CN116468057A (zh) 2023-07-21

Family

ID=87178429

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310405950.1A Pending CN116468057A (zh) 2023-04-11 2023-04-11 一种基于射频识别的标签层次性查询方法、装置和阅读器

Country Status (1)

Country Link
CN (1) CN116468057A (zh)

Similar Documents

Publication Publication Date Title
CN107103445B (zh) 信息处理方法和装置
CN103020568B (zh) 基于标签id预处理的rfid防碰撞方法
US8085131B2 (en) System for tag estimation and anti-collision and method thereof
CN103761494B (zh) 一种识别rfid系统丢失标签的方法和系统
CN108446577A (zh) 高频/超高频rfid识别系统中的多标签防碰撞方法
CN108510027B (zh) 一种基于大规模rfid系统中标签估算和时隙配对的方法
CN109146382A (zh) 电子商务订单分配方法及相关产品
CN114186571B (zh) 一种基于特征组的查询树多标签并发识别方法及系统
CN111062660A (zh) 一种网上商城库存数量计算方法及装置
CN113435220B (zh) Rfid系统中基于不可靠信道的丢失标签数量估计方法与装置
Liu et al. Fast counting the key tags in anonymous RFID systems
CN103366143B (zh) 大规模射频识别系统中丢失标签的快速识别方法
CN113837572A (zh) 一种物流监控方法及相关设备
KR101129832B1 (ko) 하나 이상의 태그의 집합의 기수를 추정하는 방법 및 장치
CN102479316A (zh) Rfid电子标签序列号的二进制防冲突识别方法
CN113159246B (zh) 基于二维码标签的钢厂货物识别方法、装置及计算机设备
CN108280377B (zh) 在物资仓储管理系统中多标签的防碰撞读取方法
CN114331593A (zh) 恶意订单的识别及处理方法、装置、设备及存储介质
CN113627785A (zh) 一种基于批次拣货的拣货单分配方法、装置及设备
CN116468057A (zh) 一种基于射频识别的标签层次性查询方法、装置和阅读器
CN112966534B (zh) 一种rfid系统中基于多分类的丢失标签的检测方法
US20220277043A1 (en) Fulfillment guidance devices, systems, and methods
Kalache et al. Performances comparison of RFID anti-collision algorithms
CN109118106A (zh) 库存的货物调配方法及相关产品
US9081996B2 (en) Identifying RFID categories

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