论文部分内容阅读
无线射频识别(Radio Frequency Identification,RFID)技术是物联网(Internet of Things,IoT)中的一项关键技术,它以射频通信方式来实现无线非接触式信息识别。随着RFID技术不断地发展,它所应用范围也愈加地广泛。然而,RIFD技术中存在的问题也日益凸显。例如,在阅读器识别大量标签过程中存在标签冲突问题,以及由于标签距离阅读器远近不一等原因而导致的捕获效应问题,由它们引起的标签误读或漏读现象会在一定程度上降低RFID系统的识别效率。解决标签冲突问题是提高RFID系统的识别效率关键,尤其是利用捕获效应的特点来提高RFID系统的识别效率已经成为RFID技术研究领域的热点之一。针对RFID系统中的标签冲突问题,本文着重分析了基于Aloha的算法,列举了现有的一些标签估计算法并指出其存在的问题,最后基于动态帧时隙Aloha(Dynamic Frame Slot Aloha,DFSA)算法理论提出了适合大规模标签识别环境的改进的DFSA算法,提高了RFID系统的识别效率。(1)在大规模标签环境下,处于阅读器工作范围内的标签数可能远大于初始帧长,传统算法中初始帧长的设置方法并不合理,标签估计误差会因此大幅增加,从而影响到算法中设置的最优帧长值,最终降低系统的识别效率。本文提出一种初始帧长调整方法来解决这一问题,通过判断初始帧中前若干个时隙的状态来调整帧长,从而保证了初始帧长设置的合理性。(2)基于Aloha的算法是一类需要通过估计RFID系统中阅读器射频场范围内的标签数来设置最优帧长的算法。因此,提高标签估计的准确性对最优帧长的设置以及系统识别效率的提高至关重要。捕获效应的存在导致现有的一些算法并未取得很好的估计效果,而且系统的识别效率并不高。本文充分考虑了捕获效应对标签估计的影响问题,利用其特点来提高标签识别的效率。并通过把最小均方误差方法运用到标签估计中,同时估计待识别标签数和捕获效应的发生概率。此外,还根据贝叶斯估计的相关理论,通过采用不同的代价函数,推导出三种不同形式的贝叶斯估计表达式来同时估计标签数和捕获效应概率,并且在非等长时隙的基础上进一步推导了最优帧长的表达式,进而根据估计值来设置算法中的最优帧长,最终提高了系统的识别效率。