本發(fā)明屬于無線射頻識別技術(shù)領(lǐng)域，具體涉及一種基于線性插值的射頻識別防碰撞標簽數(shù)估計方法。

背景技術(shù)：

動態(tài)幀時隙Aloha(DFSA,Dynamic Frame Slot Aloha)算法在RFID領(lǐng)域得到了廣泛的應(yīng)用,該算法根據(jù)剩余標簽數(shù)動態(tài)調(diào)整幀長度，與固定幀時隙Aloha算法相比顯著提高了識別效率。理論研究和實驗均證實，當幀長度與待識別標簽數(shù)大致相等時，識別效率最高。為了將下一幀的幀長度調(diào)整為與剩余標簽數(shù)大致相等，以獲得最佳識別效率，需要對剩余標簽進行估計，其缺點在于，初始標簽數(shù)估計會嚴重影響標簽識別效率，如果估計標簽數(shù)遠大于實際標簽數(shù)，則后續(xù)每幀調(diào)整的Q參數(shù)將大于實際待識別標簽數(shù)，導致空閑時隙增加，浪費時隙資源，進而降低識別效率。反之，如果估計標簽數(shù)遠小于實際標簽數(shù)，則后續(xù)幀長調(diào)整時Q參數(shù)將會小于待識別標簽數(shù)，導致碰撞概率增加，同樣會降低識別效率。

技術(shù)實現(xiàn)要素：

為了克服現(xiàn)有技術(shù)的不足,本發(fā)明提供一種基于線性插值的射頻識別防碰撞標簽數(shù)估計方法，根據(jù)第一幀有效識別標簽數(shù)，利用線性插值的方法估計初始標簽數(shù)，進而獲得剩余待識別的標簽數(shù)，并按照幀長度等于待識別標簽數(shù)的最優(yōu)幀識別效率原則自適應(yīng)動態(tài)調(diào)整后續(xù)識別幀的長度，以達到最佳的識別效率，實現(xiàn)全局吞吐量最大化。

為了實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：

一種基于線性插值的射頻識別防碰撞標簽數(shù)估計方法，其步驟如下：

步驟一：利用一個固定的幀長度Q的查詢命令Query(Q)開啟第一幀識別；

步驟二：利用第一幀成功識別的標簽數(shù)估計初始標簽數(shù)；

步驟三：從第二幀開始，利用估計的原始標簽數(shù)減去本幀之前已被成功識別的標簽數(shù)作為本幀幀長度，如此循環(huán)開啟新的識別幀，直至完成所有標簽的識別。

所述的步驟一包括：接收到Query(Q)命令后，標簽生成隨機數(shù)r_i，假設(shè)標簽選擇時隙的概率服從均勻分布，則標簽選擇Q個時隙中任意一個時隙的概率為：

p＝1/Q (1)

有且僅有一個標簽選擇某個特定時隙r_i(i＝1,2,....Q)的概率(即成功識別時隙的概率)為：

那么，對于全部n個標簽，Q個時隙中有Q_e個成功識別時隙的期望值為：

所述的步驟二包括：包括基于TPELI的初始標簽數(shù)估計和“偽解去除”；

所述的基于TPELI的初始標簽數(shù)估計包括如下步驟：

1：利用統(tǒng)計得到的有效識別標簽數(shù)IdN代替Q_e，并解方程(3)可以求出初始標簽數(shù)n的估值設(shè)

2：利用線性插值法求解式(4)得到x的近似解，并對x取整得到初始標簽數(shù)的估計值Q>1時式(4)對x連續(xù)，如果在大于0的區(qū)間存在x_l和x_u，使得[f(x_l)-IdN][f(x_u)-IdN]＜0，則必然存在x∈[x_l,x_u]，使f(x)＝IdN，除最大值以外，每個IdN對應(yīng)兩個解，小于最優(yōu)值的解定義為n_S，大于最優(yōu)值的定義為n_B。

所述的“偽解去除”包括：

3：利用相似三角形公式，可以得到直線與f(x)＝IdN的交點的估計值

經(jīng)過變形得到

4：確定下界x_S,l和上界x_S,u，對于小于最優(yōu)值的解x_S，f(1)<f(x_S)<f(Q)，所以選擇x_S,l＝1，x_S,u＝Q；

5：計算估計值，令

6：計算并比較函數(shù)值，如果[f(x_S,l)-IdN]·[f(x_S)-IdN]<0，則x_S,u＝x_S；

7:反之，如果[f(x_S,u)-IdN]·[f(x_S)-IdN]<0，則x_S,l＝x_S，轉(zhuǎn)第5步；

8：終止條件，如果[f(x_S,u)-IdN]·[f(x_S,l)-IdN]＝0，或者|x_S,l-x_s,u|<ε_Th，則迭代終止，其中ε_Th為迭代終止判斷門限，由所需的精度確定；

結(jié)束迭代后，令得到初始標簽數(shù)的估計。

本發(fā)明的有益效果：

1、根據(jù)第一幀有效識別標簽數(shù)，利用線性插值的方法估計初始標簽數(shù)，進而獲得剩余待識別的標簽數(shù)，并按照幀長度等于待識別標簽數(shù)的最優(yōu)幀識別效率原則，自適應(yīng)動態(tài)調(diào)整后續(xù)識別幀的長度，以達到最佳的識別效率，實現(xiàn)全局吞吐量最大化，本發(fā)明提供的方法標簽數(shù)估計誤差小于4％，迭代次數(shù)小于10次，優(yōu)于現(xiàn)有標簽估計方法。與目前射頻識別領(lǐng)域廣泛采用的經(jīng)典動態(tài)幀時隙Aloha算法相比，標簽識別全局吞吐量性能提高到了1.5倍以上，最高達3倍，顯著提高了批量識別的識別效率，縮短了識別時間，降低了動態(tài)環(huán)境下標簽漏讀概率。

2、本發(fā)明提供的標簽估計算法具有標簽估計精度高、算法迭代次數(shù)少、適用于大規(guī)模批量識別標簽應(yīng)用環(huán)境等優(yōu)點。

3、本發(fā)明提供的TPELI標簽防碰撞方法全局吞吐量性能遠高于目前國際標準廣泛采用的經(jīng)典動態(tài)幀時隙ALOHA防碰撞方法。

附圖說明

圖1為本發(fā)明所述基于線性插值的射頻識別防碰撞標簽數(shù)估計方法處理流程。

圖2為本發(fā)明所述實驗和理論計算的識別效率曲線。

圖3為按照本發(fā)明所述線性插值方法所實施例的實驗結(jié)果。

圖4為按照本發(fā)明所述基于TPELI算法的初始標簽數(shù)估計所實施例的實驗結(jié)果。

圖5為按照本發(fā)明所述基于TPELI算法的標簽數(shù)估計方法所實施例的估計精度實驗結(jié)果。

圖6為按照本發(fā)明所述基于TPELI算法的標簽數(shù)估計方法所實施例的估計迭代次數(shù)實驗結(jié)果。

圖7為按照本發(fā)明所述基于線性插值的射頻識別防碰撞標簽數(shù)估計方法全局吞吐量性能對比實驗結(jié)果。

具體實施方式

以下結(jié)合附圖對本發(fā)明進一步說明。

參照圖1所示，一種基于線性插值的射頻識別防碰撞標簽數(shù)估計方法，其步驟如下：

步驟一：利用一個固定的幀長度Q的查詢命令Query(Q)開啟第一幀識別；

步驟二：利用第一幀成功識別的標簽數(shù)估計初始標簽數(shù)；

步驟三：從第二幀開始，利用估計的原始標簽數(shù)減去本幀之前已被成功識別的標簽數(shù)作為本幀幀長度，如此循環(huán)開啟新的識別幀，直至完成所有標簽的識別。

所述的步驟一包括：接收到Query(Q)命令后，標簽生成隨機數(shù)r_i，假設(shè)標簽選擇時隙的概率服從均勻分布，則標簽選擇Q個時隙中任意一個時隙的概率為：

p＝1/Q (1)

有且僅有一個標簽選擇某個特定時隙r_i(i＝1,2,....Q)的概率(即成功識別時隙的概率)為：

那么，對于全部n個標簽，Q個時隙中有Q_e個成功識別時隙的期望值為：

參照圖2給出實驗和理論計算的識別效率曲線，標簽數(shù)從10到3000變化，間隔為10，Q＝1000。實驗采用蒙特卡羅方法模擬標簽識別過程得到的成功識別標簽數(shù)IdN與待識別標簽數(shù)n之間的關(guān)系，理論曲線為利用式(3)計算的結(jié)果；由圖2看出，實驗結(jié)果與理論值變化趨勢是一致的，所以，第一幀識別結(jié)束后，利用統(tǒng)計得到的有效識別標簽數(shù)IdN代替Q_e，并解方程(3)可以求出初始標簽數(shù)n的估值

所述的步驟二包括：包括基于TPELI的初始標簽數(shù)估計和“偽解去除”；

所述的基于TPELI的初始標簽數(shù)估計包括如下步驟：

1：由圖2看出，實驗結(jié)果與理論值變化趨勢是一致的，所以，第一幀識別結(jié)束后，利用統(tǒng)計得到的有效識別標簽數(shù)IdN代替Q_e，并解方程(3)可以求出初始標簽數(shù)n的估值設(shè)

2：利用線性插值法求解式(4)得到x的近似解，并對x取整，得到初始標簽數(shù)的估計值Q>1時式(4)對x連續(xù)，如果在大于0的區(qū)間存在x_l和x_u，使得[f(x_l)-IdN][f(x_u)-IdN]＜0，則必然存在x∈[x_l,x_u]，使f(x)＝IdN，除最大值以外，每個IdN對應(yīng)兩個解，小于最優(yōu)值的解定義為n_S，大于最優(yōu)值的定義為n_B。

所述的“偽解去除”包括：

3：利用相似三角形公式，可以得到直線與f(x)＝IdN的交點的估計值：

經(jīng)過變形得到：

4：確定下界x_S,l和上界x_S,u，對于小于最優(yōu)值的解x_S，f(1)<f(x_S)<f(Q)，所以選擇x_S,l＝1，x_S,u＝Q；

5：計算估計值，令

6：計算并比較函數(shù)值，如果[f(x_S,l)-IdN]·[f(x_S)-IdN]<0，則x_S,u＝x_S；7；

反之，如果[f(x_S,u)-IdN]·[f(x_S)-IdN]<0，則x_S,l＝x_S，轉(zhuǎn)第5步；

8：終止條件，如果[f(x_S,u)-IdN]·[f(x_S,l)-IdN]＝0，或者|x_S,l-x_s,u|<ε_Th，則迭代終止，其中ε_Th為迭代終止判斷門限，由所需的精度確定；

結(jié)束迭代后，令得到初始標簽數(shù)的估計。

參照圖2給出實驗和理論計算的識別效率曲線，標簽數(shù)從10到3000變化，間隔為10，Q＝1000，n分別取100、400、7000、1000，1300，1600等6種情況進行實驗，其中n_S,l＝1，n_S,u＝1000，n_B,l＝1000，n_B,u＝10000，ε_Th＝0.01；由理論計算得Q_e分別為91、268、238、368、354、323，結(jié)果如附圖3所示。

由圖2可知，當n＝1000時曲線取最大值達到最優(yōu)識別效率，此時根據(jù)Q_e解方程可以得到唯一解，除此之外，對于每個Q_e值方程有兩個解，一個是偽解，不符合實際，需要去除。由圖3可以看出，在正確去除偽解的前提下，相對誤差最大為1.29％，迭代次數(shù)最多為12次。當n＝1000時兩個解相差很小，分別為1000和1002，都是真解，不存在偽解，并且迭代次數(shù)也非常少，分別為2次和1次。

圖3給出數(shù)值解法的實驗結(jié)果，是利用Q_e理論值作為函數(shù)值實驗的結(jié)果，圖4給出了利用TPELI算法對初始標簽數(shù)進行估計的實驗結(jié)果，即利用第一幀識別結(jié)束時統(tǒng)計得到的IdN代替Q_e進行迭代實驗。IdN為利用蒙特卡羅方法模擬第一幀成功識別的標簽數(shù)，不是確定值，每次實驗會有所差別，所以對原始標簽數(shù)n的每個取值進行三次實驗進行對比。

由圖4可知，除了n＝1000時第一次實驗相對誤差較大為7.2％，其余情況相對誤差均小于4％。迭代次數(shù)，除了n＝1000時第3次實驗出現(xiàn)錯誤以外，其余情況迭代次數(shù)均小于等于11次。n＝1000時實驗出現(xiàn)一次相對誤差較大，一次程序異常未能正確結(jié)束的情況。從附圖1可知，由于n＝1000時曲線取最大值，有可能出現(xiàn)f(x_S,l)和f(x_S,u)相差太小甚至相等(即線性插值斜率太小，甚至為0)，導致線性插值式(6)的分母值過小或為0，出現(xiàn)誤差太大或插值出現(xiàn)異常。這種情況在實際工程實現(xiàn)時可以采取特殊的處理方法加以解決，譬如可以依據(jù)判斷IdN的值，如果接近式(6)的最大值，則無需解方程直接用Q作為待識別標簽數(shù)的近似。

當n與Q相差較大時，對應(yīng)每個IdN會出現(xiàn)兩個解，有一個是偽解，需要加以去除。根據(jù)圖3和圖4實驗結(jié)果，在第一幀識別完成后，獲得兩個解n_S和n_B，n_S為小于最優(yōu)值的解，n_B為大于最優(yōu)值的解。根據(jù)圖1所示，首先令Q＝n_S，閱讀器廣播Query(Q_S)命令，接收命令后標簽Tag_i(其中，i＝1,2…..n)，根據(jù)Q_S產(chǎn)生隨機數(shù)RS_i∈[1,Q_S]作為期望向閱讀器發(fā)送信息占用的時隙，以及長度為u的隨機數(shù)PS_i作為識別號ID的替代碼，u遠遠小于識別號ID的長度，以減少時間開銷。在發(fā)送Query(Q_S)命令之后間隔一定時間，閱讀器發(fā)送NextSlot命令開始按時隙逐一讀標簽數(shù)據(jù)，標簽收到NextSlot命令將自己的期望時隙RS_i減1，結(jié)果為零的標簽響應(yīng)閱讀器，回傳PS_i，結(jié)果不為零則等待下一個NextSlot命令繼續(xù)減1，直到結(jié)果為0響應(yīng)標簽，閱讀器根據(jù)標簽回傳信息統(tǒng)計有效識別標簽數(shù)NS。用同樣方法處理Query(Q_B)命令得到有效標簽識別數(shù)NB，如果NS>NB則n_B為偽解，令Q₂＝NS，反之，如果NS<NB則n_S為偽解，令Q₂＝NB，下標2表示第2幀的參數(shù)。

去除偽解后，基于TPELI算法的標簽數(shù)估計精度實驗結(jié)果如圖5所示，迭代次數(shù)實驗結(jié)果如圖6所示。實驗參數(shù)：Q＝700，n從20到2000變化，步進為20，n_S,l＝1，n_S,u＝700，n_B,l＝700，n_B,u＝7000，圖5所示的估計精度仿真ε_Th分別取0.1和0.01兩種，附圖6所示的迭代次數(shù)仿真ε_Th分別取0.1、0.01和0.001。

由圖5可知迭代終止判斷門限ε_Th對估計精度并沒有明顯影響，ε_Th＝0.1和ε_Th＝0.01兩條曲線沒有表現(xiàn)出明顯差異性。兩條曲線均在Q值附近，即大約在n＝600到800之間，估計精度有較大波動，其余情況估計標簽數(shù)均能很好地跟蹤待識別標簽數(shù)的變化。

由圖6看出，門限ε_Th對迭代次數(shù)有明顯影響，迭代次數(shù)隨門限的減小而增加，這是由于估計精度提高，直接導致線性插值循環(huán)迭代次數(shù)增加。ε_Th＝0.1時除了在n＝40時迭代次數(shù)為6次，對于其余n值迭代次數(shù)均未超過4次，ε_Th＝0.01時迭代次數(shù)小于等于10次，而＝0.001時迭代次數(shù)最高達到25次。附圖6還可以看出待識別標簽數(shù)在Q值附近時迭代次數(shù)波動較大，標簽數(shù)大于800時迭代次數(shù)比較平穩(wěn)，基本保持在5次以內(nèi)。

對比圖5和圖6，綜合考慮估計精度和迭代次數(shù)，終止判斷門限ε_Th取0.1和0.01時均具有較好的性能，能滿足大多數(shù)批量識別標簽的實時性和估計精度要求，而ε_Th取0.001會導致迭代次數(shù)大幅增多，給系統(tǒng)帶來大的處理延遲。

全局吞吐量是綜合評價的一個射頻識別系統(tǒng)的理想指標，其表示完全識別所有待識別標簽與所消耗的總時間之比，定義為：

為了更清楚的評估TPELI算法的性能，給出TPELI算法與EPC C1 G2等標準所采用的經(jīng)典DFSA防碰撞算法的性能仿真結(jié)果，DFSA采用Q算法實現(xiàn)幀長度的動態(tài)調(diào)整，仿真結(jié)果如附圖7所示。仿真參數(shù)為：TPELI中Q＝512，ε_Th＝0.01，待識別標簽數(shù)從10到1000變化，步進為20；Q算法中c＝0.1，為使初始幀長與TPELI算法相等，Q算法中幀長的對數(shù)(以2為底)設(shè)為9。

由圖7可以看出，除了待識別標簽規(guī)模很小的情況(標簽數(shù)小于20)，TPELI全局吞吐量性能明顯高于DFSA。從比值曲線清楚地看出，當標簽數(shù)大于20時，比值迅速攀升，當待識別標簽數(shù)大于100時比值大于1.5，即TPELI的全局吞吐量性能是DFSA的1.5倍，最好時超過3倍。