本發(fā)明涉及機(jī)械制造自動(dòng)化、工業(yè)自動(dòng)控制和計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域，尤其涉及一種面向車間制造過程的海量RFID數(shù)據(jù)智能清洗方法及系統(tǒng)。

背景技術(shù)：

在車間制造生產(chǎn)過程中，射頻識(shí)別技術(shù)RFID作為一門快捷方便且非接觸式感知處理信息技術(shù)被廣泛使用在各大制造企業(yè)中，對(duì)人員、設(shè)備、物料等制造資源完成動(dòng)態(tài)感知以便進(jìn)行生產(chǎn)狀態(tài)監(jiān)控、物流控制優(yōu)化和智能定位跟蹤等處理。然而制造車間環(huán)境惡劣，常常伴隨金屬介質(zhì)的阻礙和強(qiáng)電磁干擾，導(dǎo)致感知設(shè)備不能實(shí)時(shí)可靠感知。同時(shí)RFID應(yīng)用場(chǎng)景環(huán)境復(fù)雜，分布范圍廣，涉及人員、物料、設(shè)備等多個(gè)對(duì)象，需要分布部署大量RFID裝置，導(dǎo)致感知數(shù)據(jù)呈現(xiàn)多源、海量、分布廣泛、高噪聲的特點(diǎn)。在實(shí)際中，RFID數(shù)據(jù)主要存在漏讀、多讀和冗余三種質(zhì)量問題。根據(jù)“垃圾進(jìn),垃圾出”的理論，如果將這些原始感知數(shù)據(jù)不經(jīng)過處理直接傳遞給管理人員使用，不僅會(huì)增加數(shù)據(jù)傳輸?shù)呢?fù)擔(dān)、系統(tǒng)的計(jì)算量、生產(chǎn)成本及能耗，還會(huì)降低生產(chǎn)效率甚至導(dǎo)致嚴(yán)重的決策錯(cuò)誤。因此對(duì)海量RFID感知數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，消除冗余、多讀數(shù)據(jù)，填補(bǔ)漏讀數(shù)據(jù)，提高數(shù)據(jù)質(zhì)量為制造車間運(yùn)行分析與管理決策提供基本數(shù)據(jù)支持，對(duì)車間智能制造的發(fā)展具有重要意義。

目前國內(nèi)外研究人員對(duì)改善RFID數(shù)據(jù)質(zhì)量問題已經(jīng)做了大量的相關(guān)研究，針對(duì)RFID數(shù)據(jù)存在的漏讀、冗余、多讀三類問題提出了相應(yīng)的解決方法?，F(xiàn)有文獻(xiàn)提出了一種可擴(kuò)展的清理RFID數(shù)據(jù)流的框架(Extensible Receptor Stream Processing，ESP),引入了時(shí)間粒度和空間粒度的概念來探索數(shù)據(jù)流處理方法，利用管道設(shè)計(jì)的描述性查詢處理工具，結(jié)合數(shù)據(jù)語義都低到高層次性處理。該模型將數(shù)據(jù)處理分為以下階段：Point階段、Smooth階段、Merge階段、Arbitrate階段和Virtualize階段。該方法可以根據(jù)實(shí)際對(duì)每個(gè)階段組合使用，數(shù)據(jù)管道很容易在每個(gè)應(yīng)用場(chǎng)景中安裝和配置，適應(yīng)范圍比較廣，但如何確定合適的時(shí)間粒度和空間粒度并不容易，同時(shí)該方法在平滑階段仍然使用了定長窗口平滑技術(shù)，難以同時(shí)有效消除積極讀和消極讀。此外RFID本身的復(fù)雜性以及動(dòng)態(tài)性導(dǎo)致使用ESP模型處理RFID數(shù)據(jù)困難。由于固定窗口平滑方法很難選擇合適的窗口大小使它既能保證數(shù)據(jù)的完整性又能獲取標(biāo)簽的動(dòng)態(tài)變化，另一篇文獻(xiàn)中Jeffery S R等人提出了一種自動(dòng)調(diào)整窗口大小的RFID數(shù)據(jù)清洗方法(Statistical Smoothing for Unreliable RFID data，SMURF)。該方法把感知到的RFID數(shù)據(jù)流抽象成統(tǒng)計(jì)學(xué)中的隨機(jī)樣本，利用二項(xiàng)分布等相關(guān)理論進(jìn)行建模。首先設(shè)定初始窗口,然后基于RFID數(shù)據(jù)流中觀測(cè)值自適用調(diào)整滑動(dòng)窗口的大小，以滿足數(shù)據(jù)的完整性和標(biāo)簽的動(dòng)態(tài)性。該方法的自適應(yīng)性機(jī)制大大改進(jìn)了因?yàn)楣潭ù翱谶^大或過小造成的積極讀和消極讀。另一篇文獻(xiàn)通過一種改進(jìn)的過度檢測(cè)機(jī)制，比較兩個(gè)子窗口中的數(shù)據(jù)以及估計(jì)標(biāo)簽的數(shù)量來檢測(cè)標(biāo)簽躍遷發(fā)生的時(shí)間提出了一種自適應(yīng)的數(shù)據(jù)清洗方法(WSTD)。上述方法主要用來消除漏讀數(shù)據(jù)，然而在制造車間中，由于RFID自身閱讀范圍的局限性，導(dǎo)致少數(shù)幾個(gè)RFID閱讀器無法滿足車間信息數(shù)據(jù)感知的需求，在一個(gè)裝配車間或是一個(gè)物料倉庫中可能需要部署成百上千的RFID閱讀器來構(gòu)成感知網(wǎng)絡(luò)。此時(shí)由于RFID交叉部署、標(biāo)簽的長時(shí)間停留導(dǎo)致了大量的數(shù)據(jù)冗余。另一篇文獻(xiàn)提出了一種閱讀器冗余消除方法(Redundant Reader Elimination，RRE)。該方法根據(jù)當(dāng)閱讀器范圍內(nèi)被讀到的標(biāo)簽數(shù)越少，則該閱讀器冗余的可能性越大這一理論消除冗余閱讀器從而減少冗余數(shù)據(jù)。首先每個(gè)閱讀器獲取閱讀范圍內(nèi)所有應(yīng)答的標(biāo)簽總數(shù)，然后每個(gè)閱讀器將總數(shù)發(fā)送給閱讀范圍內(nèi)的所有標(biāo)簽，標(biāo)簽屬于讀取總數(shù)多的那個(gè)閱讀器。最終，沒有標(biāo)簽屬于的閱讀器被判斷為冗余閱讀器。但該算法依賴閱讀器的分布情況，在閱讀器分布密集時(shí)不能得到正確結(jié)果。另一篇文獻(xiàn)提出了一種最優(yōu)分層閱讀器冗余消除方法(Layered Elimination Optimization，LEO)，該方法基于標(biāo)簽最先接收到的信息來自哪個(gè)閱讀器，則判斷這個(gè)閱讀器為標(biāo)簽的擁有者。雖然該算法減少了對(duì)標(biāo)簽的寫操作，但該算法依賴于閱讀器的讀取次序，讀取次序不同結(jié)果也不同，隨機(jī)性較大。由于RFID網(wǎng)絡(luò)的不穩(wěn)定性導(dǎo)致閱讀器的讀取次序隨機(jī)且不固定，因此其可靠性還有待研究解決。另一篇文獻(xiàn)提出了一種基于布隆濾波(Bloom Filter，BF)的本地過濾算法用來過濾本地?cái)?shù)據(jù)冗余，再進(jìn)一步擴(kuò)展到全局的冗余過濾，與別的方法相比，布隆濾波器能有效節(jié)省空間和時(shí)間。但隨著RFID數(shù)據(jù)的增多，布隆濾波位數(shù)組中0位越來越少，位數(shù)組慢慢被填滿從而算法失效。另一篇文獻(xiàn)利用貝葉斯推斷去除空間冗余，利用狀態(tài)檢測(cè)模型來獲得最大似然概率，通過馬爾科夫蒙特卡洛(Markov Chain Monte Carlo，MCMC)抽樣方法來得到標(biāo)簽位置分布的樣本，尋找最大后驗(yàn)概率得到樣本中最可能的標(biāo)簽分布從而去除空間冗余。還考慮了貨架空間的限制條件，即每個(gè)貨架上可能同時(shí)存在的標(biāo)簽數(shù)量的限制。

綜上所述大部分文獻(xiàn)都只是針對(duì)RFID數(shù)據(jù)問題中的一個(gè)方面進(jìn)行清洗處理，針對(duì)制造車間RFID數(shù)據(jù)的特點(diǎn)提出一種有效的綜合的數(shù)據(jù)清洗方法具有重要的意義。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題在于針對(duì)現(xiàn)有技術(shù)中缺乏有效的綜合數(shù)據(jù)清洗方法的缺陷，提供一種面向車間制造過程的海量RFID數(shù)據(jù)智能清洗方法及系統(tǒng)。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

本發(fā)明提供一種面向車間制造過程的海量RFID數(shù)據(jù)智能清洗方法，包括以下步驟：

S1、獲取制造車間中不同的RFID拓?fù)浣Y(jié)構(gòu)中感知到的RFID數(shù)據(jù)；

S2、構(gòu)建面向數(shù)據(jù)的分割器將RFID數(shù)據(jù)分割為漏讀數(shù)據(jù)和空間冗余數(shù)據(jù)；

S3、對(duì)漏讀數(shù)據(jù)采用自適應(yīng)實(shí)時(shí)的漏讀平滑算法進(jìn)行處理，包括進(jìn)行閱讀預(yù)處理、置信度調(diào)整和多線程處理，得到高準(zhǔn)確率的RFID數(shù)據(jù)；

S4、對(duì)空間冗余數(shù)據(jù)采用面向?qū)嵱眯缘臄?shù)據(jù)級(jí)冗余消除方法進(jìn)行處理，引入空間位置檢測(cè)模型，得到去除冗余后的RFID數(shù)據(jù)。

進(jìn)一步地，本發(fā)明的步驟S2中進(jìn)行RFID數(shù)據(jù)分割的步驟具體包括：

S21、將RFID數(shù)據(jù)轉(zhuǎn)換為三維數(shù)據(jù)，通過基于三維十字窗的滑動(dòng)分割方法對(duì)漏讀數(shù)據(jù)和空間冗余數(shù)據(jù)進(jìn)行檢測(cè)；

S22、對(duì)每個(gè)時(shí)刻的數(shù)據(jù)進(jìn)行空間窗口檢測(cè)將存在冗余的數(shù)據(jù)位置標(biāo)記出來，分割出空間冗余數(shù)據(jù)；

S23、利用多個(gè)時(shí)刻的數(shù)據(jù)分布窗口沿時(shí)間軸滑動(dòng)，標(biāo)記出該時(shí)間段內(nèi)的漏讀數(shù)據(jù)發(fā)生的起始及終止時(shí)間，分割出漏讀數(shù)據(jù)。

進(jìn)一步地，本發(fā)明的步驟S3中采用自適應(yīng)實(shí)時(shí)的漏讀平滑算法進(jìn)行處理的步驟具體包括：

S31、統(tǒng)計(jì)感知RFID數(shù)據(jù)的閱讀率，對(duì)閱讀率參數(shù)進(jìn)行中值濾波預(yù)處理，有效消除數(shù)據(jù)孤立點(diǎn)，同時(shí)保持其邊緣特性；

S32、設(shè)置初始窗口大小及置信度，通過觀測(cè)數(shù)據(jù)自適應(yīng)調(diào)整窗口大小和置信度平滑RFID漏讀數(shù)據(jù)；

S33、采用多線程技術(shù)對(duì)數(shù)據(jù)閱讀率進(jìn)行預(yù)處理以及自適應(yīng)調(diào)節(jié)窗口大小平滑數(shù)據(jù)改善漏讀，兩個(gè)線程獨(dú)立并行運(yùn)行，中間備有數(shù)據(jù)緩存區(qū)保存中間數(shù)據(jù)，實(shí)時(shí)處理得到高準(zhǔn)確率的RFID數(shù)據(jù)。

進(jìn)一步地，本發(fā)明的步驟S4中采用面向?qū)嵱眯缘臄?shù)據(jù)級(jí)冗余消除方法進(jìn)行處理的步驟具體包括：

S41、根據(jù)冗余數(shù)據(jù)的產(chǎn)生依賴的RFID閱讀器的拓?fù)浣Y(jié)構(gòu)、RFID閱讀器的閱讀范圍以及RFID閱讀器的最大閱讀率，建立空間位置檢測(cè)模型；

S42、利用MCMC抽樣獲取海量標(biāo)簽位置分布樣本；

S43、基于貝葉斯推斷理論以及空間位置檢測(cè)模型，統(tǒng)計(jì)樣本的后驗(yàn)概率，取后驗(yàn)概率最大的樣本為標(biāo)簽的位置分布，得到去除冗余后的RFID數(shù)據(jù)。

進(jìn)一步地，本發(fā)明的步驟S31中進(jìn)行閱讀率預(yù)處理的步驟具體包括：

S311、選取一定大小的窗口在標(biāo)簽的閱讀率數(shù)據(jù)上漫游，并將窗口的中心與某個(gè)閱讀率數(shù)據(jù)位置重合；

S312、讀取窗口中各對(duì)應(yīng)位置的閱讀率大?。?/p>

S313、將讀取到的閱讀率從小到大排列；

S314、取排序后閱讀率數(shù)據(jù)中的中間值，將其作為窗口中心位置的閱讀率。

進(jìn)一步地，本發(fā)明的步驟S32中自適應(yīng)平滑處理的步驟具體包括：

S321、初始化窗口大小w₀并設(shè)置置信度δ；

S322、統(tǒng)計(jì)窗口當(dāng)前w_i中標(biāo)簽i的平均閱讀率閱讀率的變化量Δp_i,t以及|S_i1|和|S_i2|；

S323、利用當(dāng)前標(biāo)簽速度下的置信度參數(shù)δ計(jì)算滿足數(shù)據(jù)完整性要求需要的窗口大小以及統(tǒng)計(jì)閱讀率的變化量Δp_i,t連續(xù)為負(fù)數(shù)的次數(shù)；

S324、如果閱讀率的變化量Δp_i,t連續(xù)為負(fù)數(shù)的次數(shù)大于2并且|S_i2|為0則確定標(biāo)簽i正在離開閱讀器范圍，此時(shí)應(yīng)減少窗口大小以防止標(biāo)簽積極讀錯(cuò)誤，將當(dāng)前窗口大小w_i減為原來的一半；

S325、否則判斷是否滿足標(biāo)簽躍遷條件，如果滿足說明標(biāo)簽i正在移動(dòng)，此時(shí)應(yīng)減少窗口大小以防止標(biāo)簽積極讀錯(cuò)誤，將當(dāng)前窗口大小w_i減小2個(gè)閱讀周期；

S326、否則比較當(dāng)前窗口大小w_i和如果w_i小于并且說明標(biāo)簽i正在像閱讀器移動(dòng)，此時(shí)應(yīng)增加窗口大小增加標(biāo)簽i被讀到的概率，將當(dāng)前窗口大小w_i增加2個(gè)閱讀周期。

進(jìn)一步地，本發(fā)明的步驟S41中建立空間位置檢測(cè)模型的步驟具體包括：

S411、根據(jù)拓?fù)湎到y(tǒng)中相距最遠(yuǎn)的兩個(gè)閱讀器之間的距離以及閱讀率變化曲線得到在該拓?fù)湎到y(tǒng)中標(biāo)簽被兩個(gè)閱讀器同時(shí)讀到的最小概率，最小概率P_min為：

S412、根據(jù)拓?fù)湎到y(tǒng)中任意兩個(gè)閱讀器之間的距離以及閱讀器的最大閱讀范圍得到某個(gè)標(biāo)簽同時(shí)被這兩個(gè)閱讀器讀到的概率；標(biāo)簽同時(shí)被閱讀器i和閱讀器j閱讀到的概率p(i,j)：

p(i,j)＝1-Dis/S_minor

S413、在最小概率的基礎(chǔ)上計(jì)算標(biāo)簽被兩個(gè)閱讀器同時(shí)讀到發(fā)生冗余的位置轉(zhuǎn)移概率P：

在已知標(biāo)簽的位置分布H和RFID數(shù)據(jù)的觀察值Z的情況下，將位置轉(zhuǎn)移概率P代入下式即可由下式求得極大似然概率p(Z|H)：

Q＝Z*P

其中，相距最遠(yuǎn)的閱讀器之間距離為L，閱讀器的主閱讀范圍為S_major，次閱讀范圍為S_minor，最大閱讀率為P_max；閱讀器i和閱讀器j之間的距離為Dis，閱讀器最大閱讀范圍為S_minor。

本發(fā)明提供一種面向車間制造過程的海量RFID數(shù)據(jù)智能清洗系統(tǒng)，包括：

RFID數(shù)據(jù)感知模塊，用于獲取制造車間中不同的RFID拓?fù)浣Y(jié)構(gòu)中感知到的RFID數(shù)據(jù)；

數(shù)據(jù)分割模塊，用于構(gòu)建面向數(shù)據(jù)的分割器將RFID數(shù)據(jù)分割為漏讀數(shù)據(jù)和空間冗余數(shù)據(jù)；

數(shù)據(jù)清洗模塊，包括漏讀數(shù)據(jù)處理單元、空間冗余數(shù)據(jù)處理單元和時(shí)間冗余處理單元，用于對(duì)漏讀數(shù)據(jù)采用自適應(yīng)實(shí)時(shí)的漏讀平滑算法進(jìn)行處理，包括進(jìn)行閱讀預(yù)處理、置信度調(diào)整和多線程處理，得到高準(zhǔn)確率的RFID數(shù)據(jù)；對(duì)空間冗余數(shù)據(jù)采用面向?qū)嵱眯缘臄?shù)據(jù)級(jí)冗余消除方法進(jìn)行處理，引入空間位置檢測(cè)模型，得到去除冗余后的RFID數(shù)據(jù)；時(shí)間冗余處理則是對(duì)漏讀處理和空間冗余處理后的數(shù)據(jù)進(jìn)行合并和相應(yīng)轉(zhuǎn)化。

進(jìn)一步地，本發(fā)明的漏讀數(shù)據(jù)處理單元包括：

閱讀預(yù)處理單元，用于統(tǒng)計(jì)感知RFID數(shù)據(jù)的閱讀率，對(duì)閱讀率參數(shù)進(jìn)行中值濾波預(yù)處理，有效消除數(shù)據(jù)孤立點(diǎn)，同時(shí)保持其邊緣特性；

自適應(yīng)窗口平滑處理單元，用于設(shè)置初始窗口大小及置信度，通過觀測(cè)數(shù)據(jù)自適應(yīng)調(diào)整窗口大小和置信度平滑RFID漏讀數(shù)據(jù)；

多線程實(shí)時(shí)處理單元，用于采用多線程技術(shù)對(duì)數(shù)據(jù)閱讀率進(jìn)行預(yù)處理以及自適應(yīng)調(diào)節(jié)窗口大小平滑數(shù)據(jù)改善漏讀，兩個(gè)線程獨(dú)立并行運(yùn)行，中間備有數(shù)據(jù)緩存區(qū)保存中間數(shù)據(jù)，實(shí)時(shí)處理得到高準(zhǔn)確率的RFID數(shù)據(jù)。

進(jìn)一步地，本發(fā)明的空間冗余數(shù)據(jù)處理單元包括：

空間位置檢測(cè)模型建立單元，用于根據(jù)冗余數(shù)據(jù)的產(chǎn)生依賴的RFID閱讀器的拓?fù)浣Y(jié)構(gòu)、RFID閱讀器的閱讀范圍以及RFID閱讀器的最大閱讀率，建立空間位置檢測(cè)模型；

樣板抽取單元，用于利用MCMC抽樣獲取海量標(biāo)簽位置分布樣本；

冗余去除單元，用于基于貝葉斯推斷理論以及空間位置檢測(cè)模型，統(tǒng)計(jì)樣本的后驗(yàn)概率，取后驗(yàn)概率最大的樣本為標(biāo)簽的位置分布，得到去除冗余后的RFID數(shù)據(jù)。

本發(fā)明產(chǎn)生的有益效果是：本發(fā)明的面向車間制造過程的海量RFID數(shù)據(jù)智能清洗方法及系統(tǒng)，通過構(gòu)建一種將數(shù)據(jù)分割同步處理的總體清洗框架，解決了稀疏部署時(shí)漏讀數(shù)據(jù)、密集部署時(shí)冗余數(shù)據(jù)的問題，提升系統(tǒng)處理效率；針對(duì)大量漏讀數(shù)據(jù)中閱讀率這個(gè)重要參數(shù)，通過對(duì)閱讀率的預(yù)處理消除孤立噪聲點(diǎn)，考慮標(biāo)簽的動(dòng)態(tài)性動(dòng)態(tài)調(diào)整置信度參數(shù)，利用多線程及數(shù)據(jù)緩存提高處理的時(shí)效性；針對(duì)現(xiàn)有基于貝葉斯推斷去冗余方法中獲取極大似然概率只考慮了RFID直線均勻部署以及平面規(guī)則部署的情形，構(gòu)建了一種RFID空間位置分布的空間關(guān)系模型，使得方法更具有普適性和魯棒性。

附圖說明

下面將結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明，附圖中：

圖1為本發(fā)明實(shí)施例的制造車間RFID數(shù)據(jù)清洗架構(gòu)；

圖2為本發(fā)明實(shí)施例的“三維十字窗”數(shù)據(jù)分割模型；

圖3為本發(fā)明實(shí)施例的自適應(yīng)實(shí)時(shí)RFID漏讀平滑算法AORFC框圖；

圖4為本發(fā)明實(shí)施例的多線程實(shí)時(shí)清洗框架；

圖5為本發(fā)明實(shí)施例的PraRRE算法框圖；

圖6為本發(fā)明實(shí)施例的漏讀數(shù)據(jù)處理后錯(cuò)誤率比較圖；

圖7為本發(fā)明實(shí)施例的標(biāo)簽隨機(jī)移動(dòng)時(shí)漏讀數(shù)據(jù)處理結(jié)果比較圖；

圖8(a)為本發(fā)明實(shí)施例的RFID閱讀器稀疏部署圖；

圖8(b)為本發(fā)明實(shí)施例的RFID閱讀器密集部署圖；

圖9(a)為本發(fā)明實(shí)施例的場(chǎng)景一的去冗余率結(jié)果比較圖；

圖9(b)為本發(fā)明實(shí)施例的場(chǎng)景二的去冗余率結(jié)果比較圖；

圖10(a)為本發(fā)明實(shí)施例的RFID數(shù)據(jù)清洗系統(tǒng)模塊的漏讀清洗模塊；

圖10(b)為本發(fā)明實(shí)施例的RFID數(shù)據(jù)清洗系統(tǒng)模塊的冗余清洗模塊；

圖10(c)為本發(fā)明實(shí)施例的RFID數(shù)據(jù)清洗系統(tǒng)模塊的綜合處理模塊。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

本發(fā)明實(shí)施例的面向車間制造過程的海量RFID數(shù)據(jù)智能清洗方法，包括以下步驟：

S1、獲取制造車間中不同的RFID拓?fù)浣Y(jié)構(gòu)中感知到的RFID數(shù)據(jù)；

S2、構(gòu)建面向數(shù)據(jù)的分割器將RFID數(shù)據(jù)分割為漏讀數(shù)據(jù)和空間冗余數(shù)據(jù)；

進(jìn)行RFID數(shù)據(jù)分割的步驟具體包括：

S21、將RFID數(shù)據(jù)轉(zhuǎn)換為三維數(shù)據(jù)，通過基于三維十字窗的滑動(dòng)分割方法對(duì)漏讀數(shù)據(jù)和空間冗余數(shù)據(jù)進(jìn)行檢測(cè)；

S22、對(duì)每個(gè)時(shí)刻的數(shù)據(jù)進(jìn)行空間窗口檢測(cè)將存在冗余的數(shù)據(jù)位置標(biāo)記出來，分割出空間冗余數(shù)據(jù)；

S23、利用多個(gè)時(shí)刻的數(shù)據(jù)分布窗口沿時(shí)間軸滑動(dòng)，標(biāo)記出該時(shí)間段內(nèi)的漏讀數(shù)據(jù)發(fā)生的起始及終止時(shí)間，分割出漏讀數(shù)據(jù)。

S3、對(duì)漏讀數(shù)據(jù)采用自適應(yīng)實(shí)時(shí)的漏讀平滑算法進(jìn)行處理，包括進(jìn)行閱讀預(yù)處理、置信度調(diào)整和多線程處理，得到高準(zhǔn)確率的RFID數(shù)據(jù)；

采用自適應(yīng)實(shí)時(shí)的漏讀平滑算法進(jìn)行處理的步驟具體包括：

S31、統(tǒng)計(jì)感知RFID數(shù)據(jù)的閱讀率，對(duì)閱讀率參數(shù)進(jìn)行中值濾波預(yù)處理，有效消除數(shù)據(jù)孤立點(diǎn)，同時(shí)保持其邊緣特性；

S32、設(shè)置初始窗口大小及置信度，通過觀測(cè)數(shù)據(jù)自適應(yīng)調(diào)整窗口大小和置信度平滑RFID漏讀數(shù)據(jù)；

S33、采用多線程技術(shù)對(duì)數(shù)據(jù)閱讀率進(jìn)行預(yù)處理以及自適應(yīng)調(diào)節(jié)窗口大小平滑數(shù)據(jù)改善漏讀，兩個(gè)線程獨(dú)立并行運(yùn)行，中間備有數(shù)據(jù)緩存區(qū)保存中間數(shù)據(jù)，實(shí)時(shí)處理得到高準(zhǔn)確率的RFID數(shù)據(jù)。

S4、對(duì)空間冗余數(shù)據(jù)采用面向?qū)嵱眯缘臄?shù)據(jù)級(jí)冗余消除方法進(jìn)行處理，引入空間位置檢測(cè)模型，得到去除冗余后的RFID數(shù)據(jù)。

采用面向?qū)嵱眯缘臄?shù)據(jù)級(jí)冗余消除方法進(jìn)行處理的步驟具體包括：

S41、根據(jù)冗余數(shù)據(jù)的產(chǎn)生依賴的RFID閱讀器的拓?fù)浣Y(jié)構(gòu)、RFID閱讀器的閱讀范圍以及RFID閱讀器的最大閱讀率，建立空間位置檢測(cè)模型；

S42、利用MCMC抽樣獲取海量標(biāo)簽位置分布樣本；

S43、基于貝葉斯推斷理論以及空間位置檢測(cè)模型，統(tǒng)計(jì)樣本的后驗(yàn)概率，取后驗(yàn)概率最大的樣本為標(biāo)簽的位置分布，得到去除冗余后的RFID數(shù)據(jù)。

在本發(fā)明的另一個(gè)具體實(shí)施例中，主要包括系統(tǒng)總體框架，漏讀填補(bǔ)算法，冗余消除算法和系統(tǒng)實(shí)現(xiàn)四個(gè)部分。

(1)總體框架。實(shí)際制造車間中RFID閱讀器存在兩種拓?fù)浣Y(jié)構(gòu)：稀疏部署和密集部署。在RFID閱讀器稀疏部署時(shí)，相鄰閱讀器之間距離較大，標(biāo)簽在某個(gè)時(shí)刻只可能被一個(gè)閱讀器讀到，幾乎不可能被多個(gè)閱讀器同時(shí)讀到，因此產(chǎn)生的RFID數(shù)據(jù)不存在空間冗余。標(biāo)簽處于閱讀區(qū)域以外沒有被任何閱讀器讀到，或由于其他信號(hào)干擾標(biāo)簽處于閱讀區(qū)域以內(nèi)卻沒有被閱讀器讀到，產(chǎn)生的RFID數(shù)據(jù)存在大量的漏讀。密集部署時(shí)利用多個(gè)閱讀器區(qū)域交叉覆蓋，增加標(biāo)簽被閱讀器讀到的概率，從而減少漏讀。此時(shí)標(biāo)簽在某個(gè)時(shí)刻可能被多個(gè)閱讀器同時(shí)讀到，產(chǎn)生大量的空間冗余數(shù)據(jù)。RFID閱讀器在車間不同的拓補(bǔ)結(jié)構(gòu)將導(dǎo)致主要存在的數(shù)據(jù)質(zhì)量問題不同，因此設(shè)計(jì)綜合的數(shù)據(jù)清洗系統(tǒng)，包括制造車間RFID數(shù)據(jù)感知模塊、數(shù)據(jù)分割模塊以及數(shù)據(jù)清洗模塊三個(gè)部分。

(2)漏讀填補(bǔ)算法，主要包括閱讀率預(yù)處理、自適應(yīng)窗口平滑和多線程實(shí)時(shí)處理三個(gè)部分。

閱讀率預(yù)處理：因?yàn)橹圃燔囬g信號(hào)的干擾以及數(shù)據(jù)漏讀的存在，得到的閱讀率并不準(zhǔn)確，含有噪聲，在使用之前利用中值濾波對(duì)閱讀率進(jìn)行處理。

自適應(yīng)窗口平滑：假設(shè)標(biāo)簽i在時(shí)間窗口W_i(W_i＝(t-W_i,t))時(shí)間內(nèi)可以被閱讀w_i個(gè)周期，即W_i＝w_i*T(T是每個(gè)閱讀周期的時(shí)間)。前提假設(shè)：標(biāo)簽i一直處于閱讀器的閱讀范圍內(nèi)，并且在相同長的時(shí)間段W_i中，標(biāo)簽被讀到的概率p_i相同。那么實(shí)際中標(biāo)簽被讀到的次數(shù)服從二項(xiàng)分布B(w_i,p_i)。

其中閱讀率p_i可以通過標(biāo)簽的應(yīng)答次數(shù)和請(qǐng)求次數(shù)計(jì)算，定義為：

假設(shè)實(shí)際中標(biāo)簽被讀到的次數(shù)為S_i(S_i∈[0,w_i])，則這段時(shí)間的平均閱讀概率為

將上面S_i看作是伯努利隨機(jī)抽樣，|S_i|服從于二項(xiàng)分布基于統(tǒng)計(jì)概率理論，|S_i|的期望和方差分別為：

考慮到窗口大小既要保證數(shù)據(jù)的完整性又要準(zhǔn)確獲取標(biāo)簽的動(dòng)態(tài)性，進(jìn)行以下分析。標(biāo)簽i在窗口w_i閱讀周期內(nèi)一次都不被讀到的概率為設(shè)置置信度為δ，當(dāng)時(shí)，可以保證數(shù)據(jù)的完整性。動(dòng)態(tài)調(diào)整置信度δ，標(biāo)簽的移動(dòng)速度快，置信度δ相對(duì)越大；標(biāo)簽的移動(dòng)速度慢，置信度δ越小，因此置信度δ正比于標(biāo)簽的速度V。

基于中心極限定理，標(biāo)簽i在閱讀器的閱讀范圍內(nèi)時(shí)，|S_i|應(yīng)該小于因此標(biāo)簽發(fā)生躍遷的條件為：

為進(jìn)一步改進(jìn)RFID標(biāo)簽移動(dòng)時(shí)的檢測(cè)機(jī)制，充分利用子窗口中的數(shù)據(jù)情況做出判斷，統(tǒng)計(jì)前后兩個(gè)子窗口中讀取次數(shù)以及閱讀率輔助平滑過程中窗口的變化。

多線程實(shí)時(shí)處理：車間制造過程中感知獲取的RFID數(shù)據(jù)量大，數(shù)據(jù)清洗算法需具備海量數(shù)據(jù)的實(shí)時(shí)處理能力。采用多線程技術(shù)來提高系統(tǒng)對(duì)海量數(shù)據(jù)的實(shí)時(shí)處理能力，提高系統(tǒng)的吞吐量。

(3)冗余消除算法。貝葉斯推斷是一種在已知觀測(cè)值Z的情形下估計(jì)假設(shè)H出現(xiàn)的概率的統(tǒng)計(jì)推斷技術(shù)，貝葉斯推斷的內(nèi)容：后驗(yàn)概率正比于先驗(yàn)概率與極大似然概率得乘積?；谪惾~斯推斷去除RFID空間冗余數(shù)據(jù)，基本思路是根據(jù)感知到的RFID數(shù)據(jù)計(jì)算每一種關(guān)于標(biāo)簽所在的閱讀器區(qū)域的假設(shè)可能的概率，通過比較后驗(yàn)概率的大小得到最有可能的標(biāo)簽分布情況，從而去除空間冗余數(shù)據(jù)。使用貝葉斯推斷時(shí)給出以下兩個(gè)假設(shè)：1)每個(gè)閱讀器讀取標(biāo)簽事件是相互獨(dú)立的；2)每個(gè)標(biāo)簽的先驗(yàn)分布不依賴于其他標(biāo)簽。

在消除RFID數(shù)據(jù)冗余時(shí)，假設(shè)第i個(gè)標(biāo)簽的位置h_i，如第一個(gè)標(biāo)簽在閱讀器2的范圍內(nèi)則h₁＝2，全部n個(gè)標(biāo)簽的位置構(gòu)成矢量H＝(h₁,h₂,…h(huán)_n)。

利用閱讀器-標(biāo)簽矩陣Z儲(chǔ)存原始RFID數(shù)據(jù)，矩陣Z計(jì)算如下：

其中T_i表示第i個(gè)標(biāo)簽，R_j表示第j個(gè)閱讀器，標(biāo)簽被閱讀器讀到Z(i,j)記為1，沒被閱讀器讀到Z(i,j)記為0。

對(duì)于給定的位置矢量H以及觀察到的數(shù)據(jù)矩陣Z可以利用貝葉斯推斷公式計(jì)算其后驗(yàn)概率的大小，即標(biāo)簽位于當(dāng)前位置矢量H的情況下得到觀察矩陣Z的可能性大小。

post(H|Z)∝p(Z|H)p(H)

只需要比較不同位置矢量下后驗(yàn)概率的大小就可以得到當(dāng)前數(shù)據(jù)下標(biāo)簽的位置分布，即可以去除冗余。

(4)系統(tǒng)實(shí)現(xiàn)?；贘AVA語言，利用Java Web相關(guān)技術(shù)開發(fā)海量RFID數(shù)據(jù)智能清洗系統(tǒng)。

本發(fā)明面向車間制造過程的海量RFID數(shù)據(jù)智能清洗系統(tǒng)，包括：

RFID數(shù)據(jù)感知模塊，用于獲取制造車間中不同的RFID拓?fù)浣Y(jié)構(gòu)中感知到的RFID數(shù)據(jù)；

數(shù)據(jù)分割模塊，用于構(gòu)建面向數(shù)據(jù)的分割器將RFID數(shù)據(jù)分割為漏讀數(shù)據(jù)和空間冗余數(shù)據(jù)；

數(shù)據(jù)清洗模塊，包括漏讀數(shù)據(jù)處理單元和空間冗余數(shù)據(jù)處理單元，用于對(duì)漏讀數(shù)據(jù)采用自適應(yīng)實(shí)時(shí)的漏讀平滑算法進(jìn)行處理，包括進(jìn)行閱讀預(yù)處理、置信度調(diào)整和多線程處理，得到高準(zhǔn)確率的RFID數(shù)據(jù)；對(duì)空間冗余數(shù)據(jù)采用面向?qū)嵱眯缘臄?shù)據(jù)級(jí)冗余消除方法進(jìn)行處理，引入空間位置檢測(cè)模型，得到去除冗余后的RFID數(shù)據(jù)。

進(jìn)一步地，本發(fā)明的漏讀數(shù)據(jù)處理單元包括：

閱讀預(yù)處理單元，用于統(tǒng)計(jì)感知RFID數(shù)據(jù)的閱讀率，對(duì)閱讀率參數(shù)進(jìn)行中值濾波預(yù)處理，有效消除數(shù)據(jù)孤立點(diǎn)，同時(shí)保持其邊緣特性；

自適應(yīng)窗口平滑處理單元，用于設(shè)置初始窗口大小及置信度，通過觀測(cè)數(shù)據(jù)自適應(yīng)調(diào)整窗口大小和置信度平滑RFID漏讀數(shù)據(jù)；

多線程實(shí)時(shí)處理單元，用于采用多線程技術(shù)對(duì)數(shù)據(jù)閱讀率進(jìn)行預(yù)處理以及自適應(yīng)調(diào)節(jié)窗口大小平滑數(shù)據(jù)改善漏讀，兩個(gè)線程獨(dú)立并行運(yùn)行，中間備有數(shù)據(jù)緩存區(qū)保存中間數(shù)據(jù)，實(shí)時(shí)處理得到高準(zhǔn)確率的RFID數(shù)據(jù)。

進(jìn)一步地，本發(fā)明的空間冗余數(shù)據(jù)處理單元包括：

空間位置檢測(cè)模型建立單元，用于根據(jù)冗余數(shù)據(jù)的產(chǎn)生依賴的RFID閱讀器的拓?fù)浣Y(jié)構(gòu)、RFID閱讀器的閱讀范圍以及RFID閱讀器的最大閱讀率，建立空間位置檢測(cè)模型；

樣板抽取單元，用于利用MCMC抽樣獲取海量標(biāo)簽位置分布樣本；

冗余去除單元，用于基于貝葉斯推斷理論以及空間位置檢測(cè)模型，統(tǒng)計(jì)樣本的后驗(yàn)概率，取后驗(yàn)概率最大的樣本為標(biāo)簽的位置分布，得到去除冗余后的RFID數(shù)據(jù)。

系統(tǒng)架構(gòu)如圖1所示，主要包括制造車間RFID數(shù)據(jù)感知模塊、數(shù)據(jù)分割模塊以及數(shù)據(jù)清洗模塊三個(gè)部分。

制造車間RFID數(shù)據(jù)感知模塊：在加工生產(chǎn)車間、裝配車間、物料車間制造區(qū)域內(nèi)部署RFID設(shè)備，感知車間加工生產(chǎn)狀態(tài)、物料儲(chǔ)備信息。

數(shù)據(jù)分割模塊：空間冗余主要分布在空間維度上，通過對(duì)每個(gè)時(shí)刻的數(shù)據(jù)進(jìn)行空間窗口檢測(cè)將存在冗余的數(shù)據(jù)位置標(biāo)記出來。數(shù)據(jù)漏讀主要分布在時(shí)間維度上，利用多個(gè)時(shí)刻的數(shù)據(jù)分布窗口沿時(shí)間軸滑動(dòng)檢測(cè)漏讀數(shù)據(jù)，標(biāo)記出該時(shí)間段內(nèi)漏讀發(fā)生的起始及終止時(shí)間。如圖2所示，數(shù)據(jù)分割模塊同時(shí)進(jìn)行漏讀和空間冗余的檢測(cè)即在空間維度和時(shí)間維度上滑動(dòng)窗口十字交叉，稱為一種基于“三維十字窗”的滑動(dòng)分割方法。這樣原始混合數(shù)據(jù)中被數(shù)據(jù)分割器標(biāo)記的冗余部分將被送到冗余消除模塊處理，被標(biāo)記的漏讀數(shù)據(jù)被漏讀清洗模塊處理。利用數(shù)據(jù)分割模塊將數(shù)據(jù)分開處理降低了RFID數(shù)據(jù)清洗系統(tǒng)的處理時(shí)間，提高了效率。

數(shù)據(jù)清洗模塊：含漏讀數(shù)據(jù)處理、空間冗余處理以及時(shí)間冗余處理三個(gè)部分，其中漏讀數(shù)據(jù)處理以及空間冗余處理由對(duì)應(yīng)的處理算法進(jìn)行處理，而時(shí)間冗余處理首先將漏讀處理和空間冗余處理后的數(shù)據(jù)合并及轉(zhuǎn)化為原來的三元組(<ReaderID,TagID,Time>)形式，然后設(shè)置時(shí)間閾值，將位置不經(jīng)常變動(dòng)的標(biāo)簽信息合并以四元組(<ReaderID,TagID,TimeIn，TimeOut>)的形式傳輸給上層管理系統(tǒng)。

而如圖3所示，上述針對(duì)漏讀數(shù)據(jù)的清洗方法是自適應(yīng)實(shí)時(shí)RFID漏讀平滑算法AORFC。

第一步：閱讀率預(yù)處理。具體步驟如下：

Step1 選取一定大小的窗口在標(biāo)簽的閱讀率數(shù)據(jù)上漫游，并將窗口的中心與某個(gè)閱讀率數(shù)據(jù)位置重合；

Step2 讀取窗口中各對(duì)應(yīng)位置的閱讀率大?。?/p>

Step3 將這些閱讀率從小到大排列；

Step4 取排序后閱讀率數(shù)據(jù)中的中間值，將其作為窗口中心位置的閱讀率。

第二步：自適應(yīng)平滑處理。具體流程如下：

Step1 初始化窗口大小w₀并設(shè)置置信度δ；

Step2 統(tǒng)計(jì)窗口當(dāng)前w_i中標(biāo)簽i的平均閱讀率閱讀率的變化量Δp_i,t以及|S_i1|和|S_i2|；

Step3 利用當(dāng)前標(biāo)簽速度下的置信度參數(shù)δ計(jì)算滿足數(shù)據(jù)完整性要求需要的窗口大小以及統(tǒng)計(jì)閱讀率的變化量Δp_i,t連續(xù)為負(fù)數(shù)的次數(shù)；

Step4 如果閱讀率的變化量Δp_i,t連續(xù)為負(fù)數(shù)的次數(shù)大于2并且|S_i2|為0則確定標(biāo)簽i正在離開閱讀器范圍，此時(shí)應(yīng)減少窗口大小以防止標(biāo)簽積極讀錯(cuò)誤，將當(dāng)前窗口大小w_i減為原來的一半；

Step5 否則判斷是否滿足標(biāo)簽躍遷條件，如果滿足說明標(biāo)簽i正在移動(dòng)，此時(shí)應(yīng)減少窗口大小以防止標(biāo)簽積極讀錯(cuò)誤，將當(dāng)前窗口大小w_i減小2個(gè)閱讀周期；

Step6 否則比較當(dāng)前窗口大小w_i和如果w_i小于并且說明標(biāo)簽i正在像閱讀器移動(dòng)，此時(shí)應(yīng)增加窗口大小增加標(biāo)簽i被讀到的概率，將當(dāng)前窗口大小w_i增加2個(gè)閱讀周期。

第三步：多線程實(shí)時(shí)處理。數(shù)據(jù)清洗算法被分成了兩個(gè)主線程：①對(duì)閱讀率數(shù)據(jù)進(jìn)行預(yù)處理(簡稱預(yù)處理線程)；②自適應(yīng)調(diào)節(jié)窗口大小平滑數(shù)據(jù)改善漏讀(簡稱清洗線程)。如圖4所示，采用多線程技術(shù)，線程并行處理，清洗線程無需等待預(yù)處理線程處理完，而是直接從中間緩存區(qū)取走已經(jīng)處理好的數(shù)據(jù)進(jìn)行清洗，減少等待時(shí)間，提高效率。

如圖5所示，上述針對(duì)空間冗余數(shù)據(jù)的清洗方法是面向?qū)嵱眯缘腞FID數(shù)據(jù)冗余消除算法PraRRE。根據(jù)冗余數(shù)據(jù)的產(chǎn)生依賴于RFID閱讀器的拓?fù)浣Y(jié)構(gòu)、RFID閱讀器的閱讀范圍以及RFID閱讀器的最大閱讀率這一特點(diǎn)，建立空間位置檢測(cè)模型。

首先，根據(jù)拓?fù)湎到y(tǒng)中相距最遠(yuǎn)的兩個(gè)閱讀器之間的距離以及閱讀率變化曲線得到在該拓?fù)湎到y(tǒng)中標(biāo)簽被兩個(gè)閱讀器同時(shí)讀到的最小概率。假設(shè)兩個(gè)相距最遠(yuǎn)的閱讀器之間距離為L，閱讀器的主閱讀范圍為S_majo_r，次閱讀范圍為S_minor，最大閱讀率為P_max,則最小概率P_min為：

其次，根據(jù)拓?fù)湎到y(tǒng)中任意兩個(gè)閱讀器之間的距離以及閱讀器的最大閱讀范圍得到某個(gè)標(biāo)簽同時(shí)被這兩個(gè)閱讀器讀到的概率。假設(shè)閱讀器i和閱讀器j之間的距離為Dis，閱讀器最大閱讀范圍為S_minor，則標(biāo)簽同時(shí)被閱讀器i和閱讀器j閱讀到的概率p(i,j)：

p(i,j)＝1-Dis/S_minor

最后，在最小概率的基礎(chǔ)上計(jì)算標(biāo)簽被兩個(gè)閱讀器同時(shí)讀到發(fā)生冗余的位置轉(zhuǎn)移概率P：

在已知標(biāo)簽的位置分布H和RFID數(shù)據(jù)的觀察值Z的情況下，將位置轉(zhuǎn)移概率P代入下式即可由下式求得極大似然概率p(Z|H)：

Q＝Z*P

其中，兩個(gè)相距最遠(yuǎn)的閱讀器之間距離為L，閱讀器的主閱讀范圍為S_major，次閱讀范圍為S_minor，最大閱讀率為P_max；閱讀器i和閱讀器j之間的距離為Dis，閱讀器最大閱讀范圍為S_minor。

而由于后驗(yàn)概率正比于先驗(yàn)概率與極大似然概率的乘積，利用貝葉斯推斷以及MCMC抽樣得到大量樣本的后驗(yàn)概率，取后驗(yàn)概率最大的樣本為標(biāo)簽的位置分布，即可去除空間冗余。

在Matlab軟件上對(duì)發(fā)明中提出的方法的性能進(jìn)行仿真測(cè)試評(píng)估。

實(shí)驗(yàn)一：數(shù)據(jù)生成器生成以速度0.1-0.9m/epoch勻速移動(dòng)的標(biāo)簽在100個(gè)閱讀器區(qū)域內(nèi)來回移動(dòng)的數(shù)據(jù)，每種速度的數(shù)據(jù)量大約為1500000條，數(shù)據(jù)總數(shù)為9*1500000＝13500000。對(duì)這些海量數(shù)據(jù)分別采用靜態(tài)窗口3(窗口大小為3個(gè)閱讀周期，static3)、靜態(tài)窗口25(窗口大小為25個(gè)閱讀周期，static25)、SMURF、WSTD、以及本文提出的AORFC五種算法進(jìn)行了大量對(duì)比實(shí)驗(yàn)。如圖6所示，給出了9種標(biāo)簽移動(dòng)速度下數(shù)據(jù)經(jīng)過這五種算法分別處理后總的錯(cuò)誤率，由圖可看出：①采用靜態(tài)窗口的方法，錯(cuò)誤率隨速度變化，但總體都較大，為獲取較低的錯(cuò)誤率窗口大小難以設(shè)置。②對(duì)比SMURF算法和WSTD算法，SMURF算法的錯(cuò)誤率明顯較大，說明WSTD算法中的標(biāo)簽躍遷檢測(cè)機(jī)制有效，能降低錯(cuò)誤率。③對(duì)比本文提出的AORFC算法和WSTD算法，隨著標(biāo)簽移動(dòng)速度的增加，AORFC算法的錯(cuò)誤率一直都比WSTD算法低，且隨著標(biāo)簽速度的增加，錯(cuò)誤率有所上升但上升的幅度不大。

實(shí)驗(yàn)二：為模擬標(biāo)簽隨機(jī)移動(dòng)的情形，數(shù)據(jù)生成器生成了標(biāo)簽先以0.3m/epoch移動(dòng)，在停留一點(diǎn)時(shí)間，然后以速度0.9m/epoch移動(dòng)的數(shù)據(jù)，經(jīng)過SMURF、WSTD以及AORFC算法處理后結(jié)果圖如圖7所示。圖中黑色部分表示標(biāo)簽被讀到，白色部分表是標(biāo)簽沒有被閱讀器讀到。在標(biāo)簽勻速移動(dòng)時(shí)間段內(nèi)，標(biāo)簽不停地進(jìn)出閱讀器的閱讀范圍，理想的數(shù)據(jù)如圖中“Reality”所示為均勻的黑色小段；當(dāng)標(biāo)簽停留時(shí)，由于標(biāo)簽處于閱讀器閱讀區(qū)域內(nèi)，理想數(shù)據(jù)為一段黑色圖形。然而實(shí)際產(chǎn)生的數(shù)據(jù)如圖中“Raw”所示，標(biāo)簽在本該被閱讀器讀到的時(shí)間沒有被讀到，本不該被讀到的區(qū)域被讀到了，即出現(xiàn)了大量的積極讀和消極讀錯(cuò)誤，其中漏讀數(shù)據(jù)偏多。由圖可以看出經(jīng)過三種算法處理后，結(jié)果都比原始數(shù)據(jù)“Raw”有所改善，其中AORFC算法處理的結(jié)果與理想數(shù)據(jù)最為接近。

實(shí)驗(yàn)三：設(shè)計(jì)如圖8所示的兩種RFID拓?fù)浣Y(jié)構(gòu)，采集了標(biāo)簽數(shù)量為10、20、30到90的9組實(shí)際感知數(shù)據(jù)以及9組理想數(shù)據(jù)。圖9顯示了兩種場(chǎng)景下隨標(biāo)簽數(shù)量變化產(chǎn)生的去冗余率結(jié)果。在RFID閱讀器水平均勻部署時(shí)，PraRRE算法的去冗余率比現(xiàn)有算法略低，但差距不大；在RFID閱讀器隨機(jī)無規(guī)則部署時(shí)，隨標(biāo)簽數(shù)量遞增，PraRRE算法的去冗余率隨數(shù)據(jù)量的增加而逐漸降低，但一直保持高于現(xiàn)有算法。

最后基于J2EE體系架構(gòu)開發(fā)了制造企業(yè)RFID數(shù)據(jù)清洗系統(tǒng)，本系統(tǒng)可以是制造車間信息管理系統(tǒng)中的一個(gè)模塊，該模塊的主要功能是將在制造車間部署的RFID設(shè)備感知到的海量數(shù)據(jù)進(jìn)行綜合的清洗處理，結(jié)合制造車間信息管理系統(tǒng)中的其它功能模塊，合理設(shè)計(jì)該模塊的結(jié)構(gòu)流程，提高RFID數(shù)據(jù)質(zhì)量，為制造車間信息管理提供可靠有效的感知數(shù)據(jù)。如圖10所示，展示了系統(tǒng)中的某些模塊，完成了系統(tǒng)各功能模塊的測(cè)試與運(yùn)行，驗(yàn)證了該系統(tǒng)在實(shí)際車間制造過程中的可行性。

本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點(diǎn)：

1.本發(fā)明考慮現(xiàn)有方法在全面綜合處理漏讀、冗余、多讀三種問題的方面的缺憾，構(gòu)建一種將數(shù)據(jù)分割同步處理的總體清洗框架，解決了稀疏部署時(shí)漏讀數(shù)據(jù)、密集部署時(shí)冗余數(shù)據(jù)的問題，提升系統(tǒng)處理效率。

2.本發(fā)明針對(duì)大量漏讀數(shù)據(jù)中閱讀率這個(gè)重要參數(shù)，通過對(duì)閱讀率的預(yù)處理消除孤立噪聲點(diǎn)，考慮標(biāo)簽的動(dòng)態(tài)性動(dòng)態(tài)調(diào)整置信度參數(shù)，利用多線程及數(shù)據(jù)緩存提高處理的時(shí)效性。

3.本發(fā)明針對(duì)現(xiàn)有基于貝葉斯推斷去冗余方法中獲取極大似然概率只考慮了RFID直線均勻部署以及平面規(guī)則部署的情形，構(gòu)建了一種RFID空間位置分布的空間關(guān)系模型，使得方法更具有普適性和魯棒性。

4.本發(fā)明開發(fā)了RFID數(shù)據(jù)智能清洗系統(tǒng)。首先利用Matlab軟件搭建了實(shí)驗(yàn)仿真平臺(tái)，分析比較本發(fā)明提出的數(shù)據(jù)清洗算法與各經(jīng)典算法改進(jìn)算法的準(zhǔn)確率與效率。然后基于JAVA語言，利用Java Web相關(guān)技術(shù)開發(fā)實(shí)現(xiàn)了RFID數(shù)據(jù)智能清洗系統(tǒng)。大量的試驗(yàn)數(shù)據(jù)表明該技術(shù)是非常有效并且可行的。

應(yīng)當(dāng)理解的是，對(duì)本領(lǐng)域普通技術(shù)人員來說，可以根據(jù)上述說明加以改進(jìn)或變換，而所有這些改進(jìn)和變換都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護(hù)范圍。