快速RFID标签避碰算法动态到达场景基于先到先得

文摘

射频识别(RFID)标签避碰算法是一个关键技术,影响了射频识别系统的性能。在动态场景到来,当标签到读者的审讯,他们不能立即参与正在进行的识别,导致等待时间长,且标签小姐。专注于解决这一问题,基于屏蔽技术,动态frame-slotted迎宾(DFSA)算法,和先到先得(先)的想法,一个快速RFID标签避碰算法提出了动态到达场景,命名为“DAS-DFSA算法”。通过优化教学结构和识别过程中,DAS-DFSA允许新到达标签立即参与正在进行的识别过程中,标签的等待时间缩短,错过率降低。DAS-DFSA不仅采用屏蔽技术,防止到达标签和等待标签之间的碰撞也使用unequal-length槽减少沟通时间开销。仿真结果表明,该算法的识别速度显著提高,系统效率高。在相同的操作条件下,与类似算法相比,等待时间缩短44.548%以上,识别速度至少提高了39.053%。更重要的是,它可以提供instant-on-service动态到达标签和能够充分满足快速识别的标签的要求在不同的动态场景到来。

1。介绍

射频识别(RFID)技术是物联网的关键技术之一。它已广泛应用于工业、农业和商业生产系统,如仓库管理,物流跟踪和供应链(1- - - - - -4)产品生产线(5),票务系统(6),和高速公路电子收费系统(等)(7]。根据是否标记移动RFID应用场景可分为静态场景和动态场景到来(3,5,6]。标签的数量在静态场景中相对稳定,如仓库货物和库。在到达动态场景中,标记到随机或稳定并定期在每一帧的识别过程,可以快速离开读者的审讯。所以,标签的数量动态场景变化随时到来,如带rfid标记的产品在传送带上,车辆通过收费站,牛羊穿过大门。

超高频(UHF)射频识别技术识别速度快的优势和强大的穿透能力。被动标签是由无线电频率信号从读者避免电池的依赖。因此,无源超高频射频识别技术基于EPC C1G2 / ISO 18000 - 6 c已被广泛研究和应用8- - - - - -11]。射频识别系统的组成部分包括射频识别标签、阅读器和服务器(12]。射频识别技术支持阅读器和标签之间的双向沟通通过共享无线频道。然而,当多个标签同时响应,信号的碰撞会导致未能找出任何标签(13),降低了系统效率。避碰算法提供了一个解决这个问题的,取得了许多研究成果8,11,14- - - - - -17]。RFID标签避碰算法主要分为基于树和ALOHA-based算法(8,11,18- - - - - -20.]。基于树的算法效率较低时,标签的数量大(19),与ALOHA-based算法相比,等待时间太长(20.]。相比之下,ALOHA-based算法是概率(19,21)和分配一个插槽的标签随机选择传输数据量(19]。帧槽阿罗哈(FSA)算法是首选的,因为它的简单性和效率的19]。它使用一个固定的帧长度在识别过程中(22]。由于不能及时调整帧长度,系统不断碰撞发生时效率会显著降低。克服的缺点FSA算法,动态frame-slotted迎宾(DFSA)算法23]。最大的改进是迅速调整下一帧的帧长度的最优值基于当前帧的识别结果,以便获得最大的系统效率。这些类型的算法研究关注标签的最优分布的反应在一个时间表24]。

在静态情况下,现有的避碰算法可以实现系统效率高,识别速度25]。然而,当这些算法应用于动态场景到来,标签加息小姐由于RFID标签不能等待足够长的时间内确定读者的审讯。因此,这些算法不适合动态到达场景(10]。ALOHA-based避碰算法是事实上的MAC协议的无源RFID系统由于其效率,并容易实现(9,19]。此外,DFSA-based避碰算法被用来研究动态到达场景的快速识别(3,5,6]。因此,本文也着重于ALOHA-based避碰算法。

本文的动机是如何缩短标签等待时间,减少动态场景到来的错过率和确保系统效率高,识别速度快的算法。基于屏蔽技术,动态frame-slotted迎宾(DFSA)算法,先到先得(先)的想法,一个快速RFID标签避碰算法适用于动态场景到来的提议,名为“DAS-DFSA算法。本文的主要贡献和创新”可以概括如下:(1)新生儿标签允许立即参与正在进行帧的识别过程,缩短等待时间(2)采用屏蔽技术,以避免新到达标签之间的碰撞,相互隔离,等待标签选择反应槽(3)Unequal-length槽采用减少沟通时间开销来提高识别速度(4)详细和清晰的框架结构,识别过程,指导结构优化方案

仿真结果表明,该DAS-DFSA算法优于其他同类算法的等待时间,错过率和识别速度在动态场景到来。

本文的结构如下。节1,一些相关的背景和动机介绍了这项工作。节2,相关的避碰算法,标签数目估计方法,标签到达率和系统效率计算方法进行了综述。本文中使用的所有符号定义表中列出1。节3,本文提出的系统模型,主要包括标签动态到达过程模型、通信序列模型、标记动态识别流程模型和标记到达率模型。然后,一个新的快速RFID标签避碰算法动态到达场景提出了部分4。此外,仿真结果讨论了部分5。节6,这个研究的结论。

2。相关工作

在动态场景到来,快速识别标签,ALOHA-based CDFSA [3]和MT-EDFSA [6)算法提出了解决碰撞问题。虽然CDFSA和MT-EDFSA都允许新到达标签参与正在进行的识别框架,取得了良好的效果。然而,CDFSA不能防止新生儿标记之间的碰撞和等待标签,导致较长的等待时间。相反,MT-EDFSA算法可以解决这个问题通过优化教学结构和框架结构,但所有插槽占用等长时间,导致过度沟通时间开销,更长的等待时间,和较低的识别速度。

DFSA-based算法,帧长度是成功获得较高的系统效率的关键因素(19]。动态到达场景不同于静态场景,读者不知道不仅不明身份的标签的数量,而且即将到来的标签的数量。在一起,他们确定最优帧长度,确保算法的系统效率,缩短了等待时间3,6]。因此,重要的是估计的数量标记在动态场景到来。

2.1。标签数量估计

目前,已经提出的各种方法估计数量的标签。Schoute [23)声称,当系统效率最有效的标签数量可能在每次碰撞碰撞槽是2.39。因此,根据碰撞插槽的数量 ,不明身份的标签的帧的数量可以被估计为 。期望值和实际之间的最小距离识别结果向量被用来估计的数量标记(26]。提出了贝叶斯估计和概率反应(13),可以得到一个相对准确的统计结果没有大量的观察。基于多项分布,空槽的数量被用来估计的数量标记(27)和最大后验概率分布(地图)方法提出了(18),定义如下: 在哪里是所有标签的数量参与这个框架和识别过程 , ,和代表成功的名额,碰撞插槽的数量,和空槽的帧的数量,分别。代表条件下发生的概率。

在上面的算法中,地图的方法可以应用于标签的数量估计在任何识别结果。的平均估计误差约为5%,误差是最小的(3),但计算成本是非常大的。相比之下,Shoute的方法是最简单的,最快的,和广泛的应用。

2.2。标签到达率

到达标签的数量取决于到达率。有两种主要的定义标签到达率。一个是slot-based到达率的定义,计算到达标签的数量比帧长度或插槽的数量,即。标签的数量到达每个槽(28]。另一种是基于时间的到达率的定义,计算到达标签的数量之间的比率和时间帧的长度,即。单位时间内,移民的数量(10]。开始前一帧,帧长度,即。插槽的数量,可以确定。然而,节中描述3.2不同时段不同的持续时间时,时间框架的只能是框架的最后决定。因此,即使获得基于时间的到达率的开始帧之前,当前帧的数量到达标签是无法预测的。显然,这个定义的算法适用于标签到来参加下一帧识别(10),但它并不适用于算法,到达标签识别参与正在进行的框架。相反,slot-based到达率适用于场景到来参与正在进行的帧识别标签(3,6]。以上两个定义是用来测量到达率在不同的方式,但它是必要的选择根据具体的应用场景。

在动态场景到来,读者认为标签到达事件是一个复合的结果标记在审讯区内的到来和离开。到达的具体数量和速度事先不能确定,只能预测基于前一帧的识别结果。因为标签到达和离开的是独立的随机事件和时间当地相关,泊松过程被用来研究标签到达率。非齐次泊松过程(NHPP) [29日)可以用来模拟到达率,因为它可以反映出随着时间的变化而变化。根据当地时间到达率的相关性,前一帧和第二帧之间的时间非常短,到达率可以被视为一个连续变化。计算到达率后的前一帧可以作为预测下一帧的到达率(3]。余弦函数,它是非常接近积极的分布密度,也用于模拟动态到达场景的到达率(28),动态自适应残余新陈代谢灰色模型(DSA-RMGM)算法10]。动态建模的长度可以调整根据到达率的变化,克服了这个问题,灰色预测模型的预测精度降低,当到达率动态变化,并可以动态适应变化的数据。

2.3。系统效率

系统效率的一个关键指标来衡量算法的性能。一般理论分析、系统效率被定义为预期的成功名额比帧长度。在实际计算时,系统效率函数是由成功的名额比帧长度。

根据通信序列模型部分3.2成功的时间槽,空槽,碰撞槽可以表示为 , ,和 ,分别。成功的名额、空槽和碰撞槽被指示为年代_年代,年代_e,年代_c,分别。表示系统的效率。然后,基于时间的系统效率(10)被定义为

当成功的持续时间槽,空槽,和碰撞槽相等,简化方程(2()可以获得slot-based系统效率的定义22)(3)。显然,可以计算系统效率(2):

然而,在DFSA算法,标签响应和随机选择一个槽是成功只有效时一个插槽。从这个角度来看,方程(3)可以更好地反映系统效率的内涵,首先的系统效率n框架可以作为计算

在这里,和表明成功的名额和帧的长度分别为框架。上述分析表明,方程(2)- (4)测量系统效率的算法从不同的维度和本质上是一致的。因此,有必要选择使用哪个方程根据算法的设计,例如,方程(3)与等长槽更适合的算法。

为更准确和方便的解释感兴趣的问题,表1列出所有在本文中使用的重要符号。

3所示。系统模型

在动态到达场景描述标签识别过程,与前面的研究(3,5,6),这篇论文也假定读者是固定在一个固定的位置,而标记是通过读者。同时,标记的类型和模型在这种情况下是完全相同的。因此,可以认为,标签会自动切换到所选激活状态进入读者审讯后区(5]。标签动态到达过程,通信序列和标记动态识别过程建模。标签动态到达过程模型用于描述标记的运动在现实场景中,以及标签的定义状态和状态转换条件。槽型和持续时间的定义是由通信序列模型。使用标记动态识别过程建立模型,每一帧的构成和标签的数量进行了分析,对算法的设计奠定了基础。

3.1。标记动态到达过程模型

在射频识别系统中,读者都有一个特定审讯区。当标签进入审讯,标签可以回应读者的指令。如果它让读者的审讯区和不成功的确定,一个标签事件发生时小姐,导致库存数量少于实际数量。图1显示标记的动态到达过程模型在动态场景。

虽然其他研究也定义了标记状态(6,30.),状态和状态跳转条件的含义是不同的。由于不同的定义在不同的研究中,为了避免歧义,国家和类型标记是清晰的。如图1,标签的状态分为四类:新的到来,到来,等待,和确认。标签的定义状态是解释如下:(1)新到来的状态。一个标签,到达一个框架,但不参与当前帧的识别过程,即。,我t does not receive instructions and is marked as new arrival state, and such a tag is called a new arrival tag.(2)到达状态。一个标签,到达一个框架,参与当前帧的识别过程但尚未确定,即:,它已收到指令和被标记为到达状态,和这样一个标签被称为一个标签。(3)等待状态。前一帧的不明身份的标签标记为等待状态,和这样一个标签被称为等待标签。(4)确认状态。标签已经成功地识别标记为已确认状态,和这样一个标签被称为一个识别标签。

在识别过程中,标签是不断变化的状态识别。图2显示标记的状态转换图。标签是新到来时,它是新到来的状态。当它收到读者的指令,如果识别成功,它将跳转到确认状态;否则,将会跳转到到达状态。到来的标签,如果成功地识别,将跳转到确认状态;否则,等待后续的识别框架,直到成功。确认标签从读者不再响应任何指令。如图1当不明身份的标签让读者的审讯,认为一个标签事件发生时小姐。这些标记可能包括等待标签,到达标签,和新标签。

3.2。通信序列模型

阅读器和标签通过无线信道实现双向通信。审讯中所有标签区可以接收指示读者的广播,然后决定是否根据指令做出反应和它的状态31日]。显然,并不是所有的指令将获得一个成功的响应。通信系统,通信序列模型是非常重要的。基于EPC C1G2通信序列模型(9),一个通信序列模型适合本研究设计,如图3。

如图3,读者将广播一个表明在每个槽指令。标签收到该指令后,它将决定是否一个随机数RN16。因此,读者可以得到三种不同的响应结果在每个槽,包括一个标签响应,多个标签响应,没有标签的反应。当读者接收到唯一的一个RN16,它标志着这个位置是成功的党卫军然后发送一个消指令携带RN16所有标签。当标签接收到消指令,它检查其状态以及是否自己的RN16等于RN16的消指令。如果它们相等,这个标签将回答自己的EPC+儿童权利公约读者和跳转到确认状态。否则,消指令将被忽略。当读者接收到多个标签以应对RN16,读者不能识别任何碰撞位置标记和标志着这个位置。如果读者没有收到任何回应,这个位置将被标记为一个空槽。可以看出,每一帧识别结束后,读者可以成功的名额数 ,碰撞插槽的数量 ,和空槽的数量显然满足帧长度 。

因为碰撞和空插槽是不可避免的,为了减少总的等待时间,提高识别速度,碰撞所浪费的时间和空槽越少,越好。因此,与所有槽设计成相同的长度(6),通信序列设计采用unequal-length槽,如槽成功占据了最长的时间和空槽占据了最短的时间。另一个区别是表明指令在这个通信序列模型重新定义,以便通知新到来的标签在动态场景到来。他们详细描述部分4.3。

3.3。标签动态识别流程模型

标签识别过程模型(10)已经被用于分析标签识别过程中,标签内到达参与帧框架。在这项研究中,模型是优化缩短标签等待时间,和新标签内到达立即参与帧的识别框架。标签动态识别过程模型和intraframe识别流程模型的设计,如图4(一)和4 (b)。

假设标签识别过程由几种读周期,每个读周期是一个框架 ,帧长度是 ,和一个框架包含几个插槽 ;然后,方程(5)和(6)可以得到:

碰撞在每一帧的识别过程表明,仍有不明身份的标签或者标签不断到达动态到达场景。因此,如果新标签参与识别框架框,标签的数量参与的识别框架包括不明身份的标签的数量在框架和新生儿的数量标签在框架,如图4(一)。

根据标签到达率的定义部分2.2,slot-based到达率只需要考虑帧长度不考虑帧时间和适合unequal-length槽的一个算法。本文运用slot-based到达率和到达率被定义为标签的数量到达每一个槽。的到达率框架是用 ,帧的长度框架是用 。下面的方程可以得到如下:

理论分析表明,最大系统效率可以实现当标签的数量等于帧长度。因此,假设标签的数量等于帧长度 ;然后,方程(8)可以获得如下:

显然,通过进一步简化,帧长度可以得到如下:

同样,因为标签的到来是随机的,可以为每个槽达到一些新的标签,如图4 (b)。根据前一节,unequal-length槽采用。结束的时候槽中框架,成功的名额 ,碰撞插槽的数量 ,和空槽的数量分别可以清点。当前成本时间可以计算(10)。标签的数量抵达这一帧结束时槽可以计算

可以看出,当不明身份的标签的数量的前一帧和当前帧的到达率是确定,可以计算当前帧的帧长度,和一个新的帧识别过程可以开始了。

3.4。标签到达率模型

标签到达动态到达场景包括稳定的到来和随机到达,如带rfid标记的产品在传送带和牛羊穿过大门。标签的到达率两种情况可以根据排队理论建模和正态分布理论,分别。

根据排队理论,系统的稳定运行条件是到达率不能超过服务速率。阅读器和标签的标签识别过程可以对应于加油站,顾客在排队论,分别。当客户到达加油站,它开始等待服务。由于有限的服务速率的加油站,当客户到达率超过服务的服务速率站,加油站系统是在一个不稳定的工作状态10),这可能会导致客户排队甚至异常服务瘫痪。

泊松随机过程是一个很好的排队理论工具。同时,标签的到来在动态场景中是相互独立的,满足泊松随机过程的先决条件。因此,标签的到来之前,到达率也是泊松随机过程的均值(10]。

的系统效率优化DFSA算法可以达到0.42623,32]。如图5(一个),标签到稳定,它假定96帧的到达率稳定在0.20到0.40的区间,和帧长度l设置为100。然后,第一个96帧的数量到达标签可以计算,如图5 (b)。可以看出,到达率稳定,标签数量的增长速度基本不变,这是符合稳定的到达率。

随机到来的到达率模型采用流行的正态分布统计数据到达率模型。根据余弦函数的兴衰,随时间变化的周期性波动非常接近正态分布密度(10]。0和0.4之间的到达率密度函数定义如下:

如图6(一)选择,96帧的到达率,众所周知,它是1.5周期根据(12)。假设帧长度每一帧的是100年,第一个96帧的数量到达标签,如图6 (b)。可以看出,到达率是一种不稳定行和展览周期性变化。更重要的是,标签数量的增长速度不同,它更接近于真实场景的动态到达标签。

本研究模拟基于到达率在这两种情况下。显然,这两种情况下覆盖传统的射频识别应用程序,如商品生产线(5,跟踪动物和牧场的库存33),智能仓库,和商品分类。仿真结果部分所示5。

4所示。提出DAS-DFSA算法

DAS-DFSA算法是基于DFSA和屏蔽技术的算法和致力于解决的问题标记防撞和快速识别在动态场景到来。主要的思想是,在每一帧的结束,下一帧的到达率,计算和最优帧下一帧的长度将结合估计数量的不明身份的标签。屏蔽技术用于下一帧的位置划分为等待槽和到达插槽,然后将下一帧分成两个独立进程的等待识别和识别。等待识别过程只标识标签没有确认前一帧,以及到达识别过程画面中只有识别新到来的标签。因此,减少槽到来标签和等待标签之间的冲突,和新到来的识别标记参与正在进行的框架,尽可能早地减少了等待时间。

4.1。基本设计思想

动态场景到来和静态场景之间最大的区别是,标签随机进入或离开读者的审讯。静态场景只需要确保算法的系统效率高。然而,在动态场景到来,重要的是要缩短等待时间,减少错过率,以确保库存数据的准确性。其次,它是必要的,以确保该算法具有较高的系统效率和识别速度。因此,算法的基本设计思想如下:(1)缩短等待时间等待标签:就像先想法,等待标签到读者的审讯区早于新生儿标签,它是必要的,以确保等待标签优先确认。因此,框架结构和识别过程需要优化。(2)缩短等待时间为新到达标签:允许新到来参与正在进行的框架内的标识标签而不是等待下一帧。它可以显著减少等待时间。接收新到来的当前帧的参数标记,指令结构需要重新定义。(3)确保高系统效率:最大系统效率可以得到当帧长度和数量的标签识别过程中都是平等的。因此,重要的是估计的数量标记参与每一帧得到最优帧长度。(4)保证高的识别速度:改善算法的识别速度,必须避免无效浪费时间,所以unequal-length槽可用于尽可能减少沟通时间开销。

4.2。框架结构和过程

根据屏蔽技术,为了防止等待标签之间的碰撞和新标签,每一帧的位置分为两类:一是等待槽,另一个是到达槽。等待槽组成的识别过程叫做等待的过程,和识别过程组成的到来槽叫做到达过程,如图7。

在识别过程中,等待标签只能参与等待的过程中,选择一个槽等反应。同样,新到达标签参与当前帧的识别,但只能参与到达过程,只能选择一个槽的回应。这样可以减少碰撞的概率等标签,标签新生儿由于选择相同的槽。这个设计的目的是双重的。一是新到来的标签可以参与当前帧的识别,可以缩短等待时间为新标签。另一个是新到来的标签不与等待标签槽资源竞争。这避免了等待标签等后续帧的识别由于碰撞,从而缩短等待时间等待标签。仿真结果如图所示的部分5.1,这两个的组合结果将减少所有标签的平均等待时间,可有效避免标签阅读小姐由于漫长的等待时间。

注意,等待的槽,槽的到来框架结构只是用来描述框架的阻塞识别过程。每个槽的类型和时间需要根据基于识别的结果,如部分所述3.2。

4.3。教学结构

参与每一帧识别的标签包括等待标签,标签到来,新的标签。读者广播开始指令在每一帧的开始,等待标签可以选择等待槽槽随机数SIDt。后框识别开始,每个位置都需要一个播出表明所有标签指令。等待标签接收当前槽位号SIDc在表明指令,并确定它是否等于它的SIDt。如果它是平等的,它会回应读者的指令;否则,它不会回应。新到达标签选择一个数字作为自己的槽槽到来随机数SIDt根据表明指令和决定当前槽数SIDc等于它SIDt。如果它是平等的,它会回应读者的指令;否则,它不会回应。

由于等待所需的指令信息标签的区别和新生儿标签在识别过程中,两个表明指令的设计,其中包括IndicateWait和IndicateArrival。与此同时,的结构开始指令也定义,如图8。

的开始指令用于启动一个新的读周期,即。,一个新的框架。的参数查询类似于查询EPC C1G2的命令。参数包含帧长度 。的参数SIDw显示选择的最大数量的插槽,可以等待标签。等待标签将选择一个随机数字SIDt介于1和SIDw在收到开始指令但不会回应,等待后续识别指令。

的IndicateWait指令是用来通知等待标签和到达标签参与每个槽的识别过程。的参数QueryRep类似于QueryRepEPC C1G2指令和参数SIDc表明槽号目前正在执行,标签可以回应的时候SIDt等于SIDc。的IndicateArrival指令是用来通知新到来的标签,到达标签,标签和等待参与每个槽的识别过程。的参数查询类似于查询指令的EPC C1G2,包括帧长度 ,和参数SIDc表明槽号目前正在执行。的参数SIDl表明最小槽数,可以选择新标签。新到达标签选择一个随机数SIDt之间的SIDl+ 1,l根据IndicateArrival识别。指令是标签的回应SIDt等于SIDc。

的IndicateArrival指令相当于再次启动子帧内帧,所以新到来的标签立即参与当前帧的识别。显然,IndicateArrival指令占用更多的沟通时间加长IndicateWait。减少沟通时间开销,其传播策略进行了分析4.5。

4.4。帧长度划分策略

获得最大的系统效率,有必要准确地估计数量的标签设置最优帧长度。根据分析部分4.2,每一帧识别过程包括一个等待的过程,一个到达过程,用于识别等标记和新的到来。因此,如何把框架和分配槽数量等待过程和插槽数量到达过程的一个关键问题。

在识别过程中,标签的数量的框架包括不明身份的标签的数量在帧的数量到达标签在框架。获得最大系统效率、帧长度等于 。它可以得出结论的框架(13),的框架(14):

可以看出,(13)和(14)的数量取决于不明身份的标签 ,节中描述,可以估计方法2.1。确保性能、更简单、更快Schoute用来估计的方法 ,它可以计算如下23]:

到达率的连续变化预测到达率的框架基于本地相关(3]。的到达率计算结束后框架是用来估计的到达率值框架。的到达率的框架可以被计算

因此,根据以上分析和方程(9),(13)和(14)的参数框架,包括 , ,和 ,可以通过方程计算(17)- (19),分别。下一帧的识别可以打开:

4.5。DAS-DFSA算法

根据通信序列模型部分3.2、算法1和2给读者和结束标记算法的伪代码,分别。基于先前的研究结论,在库存的开始,最初的帧长度l被设置为128 (10,18]。假设的系统效率第一帧是最大的,槽的最大数量SIDw可以设置,可以选择等待标签。然后,读者广播开始指令通知所有等待标签识别过程开始。在每一帧的识别过程中,每个槽广播一个IndicateWait或IndicateArrival指令和读者将决定是否发送一个消根据接收到的指令响应的结果。

槽是成功槽时,消指令用于发送RN16成功的标记反应RN16。通知标签返回它EPC信息,然后这个标签已成功确认。

如行18所示的算法1,以防止新生儿标记选择的插槽数量执行,在每一帧的识别过程中,当SIDc大于最初的吗SIDl,SIDl被设置为SIDc+1。在每一帧的结束,这个框架的到达率计算根据识别的结果。帧的长度l下一个帧计算根据(9)。因为(16)需要依赖的识别结果两帧,帧长度的参数l和SIDw前两帧运行根据初始值,然后逐帧计算。

算法2显示标记的伪代码。抵达后读者的审讯,标签被激活并将响应接收到的指令。在收到任何指令之前,状态NewArrival。在收到IndicateArrival指令,标签将选择一个随机数SIDt之间的SIDl和l。当SIDt等于SIDc指令的RN16是回应。如果消收到指令,标记自己决定RN16等于参数RN16在消指令。如果它是平等的,它返回自身EPC和跳跃确认状态,然后不再响应其他指令。否则,继续等待后续指令直到成功鉴定或识别过程就完成了。

应该注意的是,如图7、帧识别过程分为两个过程的等待过程和一个到来的过程。当系统启动时,假设可以实现理论上的最大效率为0.368,插槽的数量在第一帧的等待过程设置l所示(1 - 0.368),3号线的算法1。

5。仿真结果和讨论

验证算法的有效性,DAS-DFSA与类似的如DFSA算法相比,CDFSA [3],MT-EDFSA [6]。尽管性能指标是不同的,避碰算法在动态到达场景不仅注重系统效率和识别速度也更关注等待时间和错过率。因此,本文也给出了比较分析和讨论的四个指标。与此同时,的影响IndicateArrival传播策略对算法的性能进行了探讨和分析。

表2算法仿真实验的参数列表。 , , , , ,和代表通信传输时间的指令开始,IndicateArrival,IndicateWait,消,RN16,EPC+CRC16,分别。成功的时间槽、空槽和碰撞槽来标示T_党卫军,T_Se,T_Sc,分别。例如,假设参数帧长度是10位,最大可显示的值是1024,的长度开始,IndicateArrival,IndicateWait,消说明 , , ,和 ,分别。指的是EPC C1G2和部分的定义4.3, , , ,和可以计算。

根据通信序列模型提出了图3的定义IndicateWait和IndicateArrival说明在图8和IndicateWait指令代表了表明指令;然后,成功的时间槽的计算 ,的持续时间空槽 ,和碰撞的时间槽分别如下: ; ;和 。

在仿真中,初始帧长度是128,初始数量的标签是500,总96帧累积。稳定的到达率在图5(一个)和随机到达率在图6(一)分别用于每一帧。为了保证数据的有效性,数据采集算法的平均价值100倍。表3给出了仿真结果的最大值和平均值,平均值是主要用于比较分析。

5.1。等待时间

标签的时间到达读者的审讯区结束的成功确定了被称为“等待时间”。在动态场景到来,标签可能会让读者的审讯区在任何时间。等待时间越长,越有可能离开和标签错过越有可能发生。因此,等待的时间是最重要的性能评价指标标记避碰算法在动态场景到来。

如图9DAS-DFSA算法,最短等待时间。相反,DFSA算法有最长的等待时间,因为新生儿标签不能参与识别过程的框架和至少等待时间从现在到年底的框架是必需的。显然,MT-EDFSA和CDFSA算法已经成功地解决了这个问题,允许新的到来标记参与识别过程的框架;因此,可以缩短等待时间。然而,MT-EDFSA算法使用等长插槽,空槽和碰撞槽浪费更多的交流时间。此外,CDFSA算法不能防止新生儿标签和等待标签之间的碰撞,所以碰撞还是增加了等待时间。相反,DAS-DFSA算法继承的精华MT-EDFSA CDFSA和克服他们的缺点。Unequal-length槽采用减少沟通时间开销,并阻止技术用于分离新到来的标签等标签,所以它可以独立选择的反应槽。因此,DAS-DFSA算法大大减少了等待时间,实现了显著的性能改进。同时,从图9,可以看出40帧后等待时间小于0.02秒,60帧后的新到达标签可以实现直接服务没有等待,这充分满足快速识别需求在动态场景到来。

表3给出了特定的结果值图9;与DFSA相比,CDFSA的等待时间,MT-EDFSA, DAS-DFSA可以减少35.953%,40.633%,和67.080%,分别。此外,与MT-EDFSA和CDFSA算法相比,DAS-DFSA算法缩短了等待时间的44.548%和48.599%,分别。MT-EDFSA算法的平均等待时间小于CDFSA算法,表明阻断技术缩短等待时间有影响。同时,DAS-DFSA算法的等待时间明显短于MT-EDFSA算法,表明unequal-length插槽也可以显著缩短等待时间。DAS-DFSA算法和最短等待时间证明了上述结论的正确性。更重要的是,如图10时,上述结论仍然是真正的到达率是随机的,这表明DAS-DFSA算法可以应用于不同的动态场景同时到来。

5.2。错过率

错过率被定义为错过了标签的数量的比例 ,这是由于等待时间超过设定阈值,到达标签的数量吗在观测时间范围内。请注意,为了确保计算的有效性,最低的价值被认为是1:

在动态场景到来,错过率是一个重要的指标来评估算法的可靠性。等待时间阈值越小,大的概率标记小姐。一般来说,当小姐的算法的速度是0,所有的标签都保证识别和算法被认为是可靠的。本文观察时间范围被定义为每一帧的持续时间。等待时间阈值应该更好地满足实际应用的需要,如传送带的速度是3.68米/秒(5),高速公路等的速度是20公里/小时,即,5.56 m / s。因此,等待时间阈值是0.5和1.0年代,分别。数据(11日)和11 (b)秀小姐DAS-DFSA率的比较与其他类似的算法在相同的阈值。上述分析,错过率阈值的0.5比1.0年代的数字(11日)和11 (b)

从图可以看到11小姐,DFSA算法不能倾向于0下所有等待时间阈值。这主要是因为DFSA不能立即确定新的标签到达一次,导致标签等待超时,错过了。相反,DAS-DFSA、CDFSA MT-EDFSA算法可以识别新标签立即到来,等待时间明显缩短,减少了超过68.140%。更重要的是,随着标签数量的减少,小姐的这些算法可以倾向于0,和新到来的读者可以实现instant-on-service标签没有等待。因此,将没有标签了。显然,因为DAS-DFSA算法优化和改善MT-EDFSA CDFSA算法,与原算法相比,错过率是最低的,分别下降了11.462%和28.021%,这再次证明了DAS-DFSA算法的有效性。

5.3。识别速度

识别速度每秒被定义为标签的数量确定,用于测量算法的整体性能,即,服务速度的加油站排队理论。在动态场景到来,识别速度只有在有意义的等待时间和错过率满足要求。尽管识别速度越快,越好评估必须基于特定的操作参数。根据给定的参数表2成功,假设每个槽槽和槽成功的时间是2.7531毫秒;然后,最大速度是每秒363标签识别。显然,这只是一个理想状态。毫无疑问,通过等待时间的两个重要的评价指标和速率,小姐DFSA算法不能适用于RFID标签的快速识别在动态场景到来。因此,我们继续关注其他三种算法。

图12显示了DAS-DFSA的识别速度,CDFSA, MT-EDFSA算法标记到达稳定的场景。DAS-DFSA算法识别速度最快的类似的算法,和稳定是每秒约235,接近64.74%的理想值。由于使用等长插槽,MT-EDFSA算法占用时间在空槽和交流中碰撞位置和识别速度是最慢的。尽管CDFSA算法unequal-length槽可以提高识别速度,它不能阻止到达等待标签和标签之间的碰撞。因此,识别速度显著低于DAS-DFSA算法。如表所示3,DAS-DFSA的识别速度比CDFSA快39.053%和78.030%的速度比MT-EDFSA。因此,碰撞和槽的长度都是影响因素识别速度,但槽长度的影响更大。

5.4。系统效率

系统效率的关键指标来衡量算法的整体性能。根据slot-based系统效率的定义部分2.3、系统效率主要反映成功槽总名额的比例。理论分析表明,ALOHA-based算法的最大系统效率约为0.368 (23]。根据分析部分5.2,该算法可以识别标签没有等待,instant-on-service。因为在动态场景到来,即使没有标签,该算法需要继续运行。如果没有标签的识别过程框架,不需要服务。从数学的角度来看,系统框架的效率是0。与此同时,从实际应用的角度来看,它是没有意义的考虑算法的系统效率。然而,从促进统计分析的角度来看,我们设置了系统效率的理论最大值0.368。如数据所示13和14这些算法,系统效率相对接近相同的到达率。

注意,阻断技术可以避免碰撞和等待新到来标记,可以提高识别速度,缩短等待时间。然而,不明身份的标签在后续帧的数量减少,帧长度也缩短。在这一点上,如果短帧长度受阻,碰撞将增加和等待时间将延长。从图可以看出1360帧后,系统的效率MT-EDFSA和DAS-DFSA算法使用屏蔽技术低于CDFSA算法没有屏蔽技术主要是因为标签的数量减少。相反,在第一个60帧,因为标签的数量大、帧长度足够长,阻断技术可以防止碰撞和维护系统效率高。此时,系统DAS-DFSA和MT-EDFSA算法的效率高于CDFSA算法。总的来说,DAS-FSA算法仍然可以实现较高的系统效率。

5.5。比较不同的IndicateArrival传播策略

等待时间不仅包括排队时间,还命令的沟通时间交货。由于表明指令包括两个不同长度的指令,IndicateArrival和IndicateWait分别48位和14位。根据节4.2,减少沟通时间开销IndicateArrival指令有三个传播策略。一个是发送IndicateArrival指导一次间隔槽,另一个插槽发送IndicateWait指令,名为“间隔一个槽”。另一种是发送IndicateArrival指令在过去槽等过程的到达过程中的所有插槽,和其他插槽发送IndicateWait指令,名为“最后的等待和槽最后一个是发送IndicateArrival指令统一在每个槽,名为“每一个槽”。比较不同的传播策略的仿真结果如图15和16。

节中描述4.3,IndicateWait或IndicateArrival指令可以通知标签参与这个位置的识别,但是标签的状态是不同的。的IndicateWait指令仅用于通知等待标签和到达标签,而其他国家标签不应对它。然而,IndicateArrival指令通知所有不明身份的标签来回应。毫无疑问,IndicateArrival指令相当于打开子窗体的在一个框架和携带多个参数。虽然IndicateArrival指令可以取代IndicateWait指令,该指令是否播放在每一个槽,需要很长时间的沟通时间。

图15显示结果的等待时间不同表明使用指令传输策略。的长度IndicateArrival几乎是3.5倍的时间比吗IndicateWait,所以越多IndicateArrival发送,沟通的时间越长。如果IndicateArrival每个槽发送指令,它就不可避免地导致增加沟通时间和最长的等待时间。如果IndicateArrival和IndicateWait发送交替,即IndicateArrival发送间隔槽,等待时间将进一步减少。根据屏蔽技术的理论分析,新到来的标签只参与到达过程。因此,如果IndicateArrival发送指令只在最后槽等过程的到达过程,等待时间最小化。这种传播策略对缩短等待时间最明显的影响。的结果”每一个槽”、“间隔一个槽”和“最后的等待和槽”策略图15分别证明上述结论。

不同的IndicateArrival指令传输策略不仅影响标签的等待时间,也影响了识别速度。虽然IndicateWait和IndicateArrival指令等待标记有相同的功能,但是IndicateArrival指令花费的时间沟通时间,所以越多IndicateArrival使用指令,识别速度越慢。图16显示了识别速度时的结果不同IndicateArrival使用指令传输策略。如果IndicateArrival每个槽发送指令,它就不可避免地导致沟通时间的增加,和识别速度是最慢的。如果IndicateArrival指令发送等过程的最后槽和槽在到达过程,它可以缩短沟通时间,提高识别速度,但效果不明显。然而,当IndicateArrival指令发送间隔槽,减少沟通时间显然和识别速度是最快的。这主要是因为槽间隔越少,越早到达新标签标识,所以等待时间越短对识别,识别速度越快。

6。结论

在本文中,我们设计了一个标记动态到达过程模型和一个标签动态识别流程模型和优化的框架结构和指令结构的沟通。然后,我们提出了一个快速RFID标签避碰算法对动态场景到来。

通过优化教学结构和识别过程中,新到达标签允许参与正在进行的识别框架,它可以缩短标记的等待时间。使用屏蔽技术,每一帧识别过程分为一个等待的过程,一个到达过程,防止新生儿标签和等待标签之间的碰撞,从而提高系统效率。此外,通过采用unequal-length插槽,沟通时间开销进一步减少和识别速度大大提高。

仿真结果表明,在相同的操作条件下,DAS-DFSA算法的平均等待时间减少了超过44.548%,识别速度与其他类似的算法相比提高了至少39.053%。总之,该DAS-DFSA算法可以应用于动态的快速识别的标签到达稳定的到来和随机到达的场景。

本文将继续研究的未来工作的优化表明指令、框架结构和框架的阻断策略识别过程,进一步提高性能。

数据可用性

使用的数据来支持本研究的结果包括在本文中。数据可从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作的部分支持由北京市重点实验室项目的大数据技术对食品安全,北京工商大学(bkbd - 2017 kf10)和部分由中国国家自然科学基金(31801669),通过农业信息化标准化重点实验室,农业部和农村事务部(AIS2018-04)和部分由中国高校科学基金资助2019 tc231。

引用

1. j·杜、诉Sugumaran和b高,“基于RFID和多主体的架构在预制组件供应链信息共享,“IEEE访问5卷,第4139 - 4132页,2017年。视图:出版商的网站|谷歌学术搜索
2. 丰田k, p . t . Mathiopoulos Sasase,和t . Ohtsuki”小说blockchain-based产品所有权的防伪管理系统(盐)供应链,”IEEE访问5卷,第17477 - 17465页,2017年。视图:出版商的网站|谷歌学术搜索
3. 中州。陈和徐瑞秋冯,“RFID标签防冲突算法连续抵达物联网,”计算机集成制造系统,18卷,不。9日,第2081 - 2076页,2012年。视图:谷歌学术搜索
4. y . j . x Chen Yu姚明,c . Wang和d . Valderas“射频识别技术及应用”,国际期刊的天线和传播卷。2014年,ID 184934条,1页,2014。视图:出版商的网站|谷歌学术搜索
5. l·西蒙,p . Saengudomlert Ketprom,“调速算法一个RFID阅读器和传送带系统执行动态框架槽阿罗哈,”《IEEE Rfid IEEE国际会议2014年,新泽西州霍博肯,美国。视图:谷歌学术搜索
6. 彭译葶。王,c c。李,M.-C。李,”一个增强的动态框架槽迎宾防撞移动RFID标签识别的方法,”JCIT:融合信息技术杂志》上》第六卷,没有。4、340 - 351年,2011页。视图:谷歌学术搜索
7. r . Zhengang和g . Yingbo”在高速公路电子收费系统的设计基于RFID,”《环境科学与信息应用技术国际会议IEEE2009年7月,武汉,中国,。视图:谷歌学术搜索
8. j .腾x宣,y呗,“快问算法基于EPC第2代RFID协议”学报2010年6日无线通讯网络和移动计算国际会议(WiCOM),页1 - 4,成都,中国,2010。视图:谷歌学术搜索
9. EPCglobal规范RFID空中接口,“EPCTM射频身份协议1级第二代超高频RFID协议通信在860 MHz - 960 MHz版本1.1.0,”2005年。视图:谷歌学术搜索
10. c .弘和f . Quanyuan”,一个有效的防冲突算法EPCglobal一班第二代系统在动态环境下,“KSII交易网络和信息系统,8卷,不。11日,第4015 - 3997页,2014年。视图:谷歌学术搜索
11. s . Charoenpanyasak y Sasiwat、w . Suntiamorntut和s . Tontisirin“射频识别防冲突算法的比较分析在物联网应用中,”《2016年国际研讨会上智能信号处理和通信系统(ISPACS)2016年,页1 - 5,普吉岛,泰国。视图:谷歌学术搜索
12. w . Shao-Hui“安全分析两个轻量级RFID认证协议,”《电信,卷69,不。5 - 6,273 - 282年,2014页。视图:出版商的网站|谷歌学术搜索
13. m . c . Wang, j .乔w . Wang和李x,”一个高级动态framed-slotted ALOHA算法基于贝叶斯估计和概率回应,“国际期刊的天线和传播ID 743468条,卷。2013年,8页,2013。视图:出版商的网站|谷歌学术搜索
14. m·a·Bonuccelli f . Lonetti f·马特利说,“即时解决标签碰撞识别在RFID网络”特设网络,5卷,不。8,1220 - 1232年,2007页。视图:出版商的网站|谷歌学术搜索
15. j . Su z盛、d .香港和g .温”的有效框架打破政策动态框架开槽在RFID迎宾,”IEEE通信信,20卷,不。4、692 - 695年,2016页。视图:出版商的网站|谷歌学术搜索
16. j . y . Chen苏,w .咦,“一个高效和易于实现标记识别算法超高频射频识别系统中,“IEEE通信信,21卷,不。7,1509 - 1512年,2017页。视图:出版商的网站|谷歌学术搜索
17. w·陈,“一个新的EPCglobal超高频射频识别防冲突算法1级第二代标准,”学报》2012年第九届国际会议上无处不在的智能和计算和9日国际会议上自主和可信计算福冈,页811 - 815年,日本,2012年。视图:谷歌学术搜索
18. w·陈,“准确的标签估计方法,提高射频识别的性能基于动态避碰算法框架长度阿罗哈,”IEEE自动化科学与工程》第六卷,没有。1、9 - 15,2009页。视图:谷歌学术搜索
19. H.-W。王”,高效DFSA算法为物联网在RFID系统中,“移动信息系统文章ID 942858卷,2015年,10页,2015。视图:出版商的网站|谷歌学术搜索
20. m·安吉洛Bonuccelli f . Lonetti f·马特利说,“利用id标签识别在rfid网络知识,”学报》第四届ACM车间的绩效评估无线特设传感器和无处不在的网络(PE-WASUN ' 07)ACM,页70 - 77年,纽约,纽约,美国,2007年。视图:谷歌学术搜索
21. 法希姆,t . Elbatt, a·穆罕默德,a . Al-Ali”对延长钻头可伸缩的和健壮的RFID标签识别跟踪系统,”IEEE访问》第六卷,第27204 - 27190页,2018年。视图:出版商的网站|谷歌学术搜索
22. S.-R。李,告诫。Joo)和C.-W。李,”一个增强的动态框架槽迎宾RFID标签识别的算法,”《第二届国际会议上移动和无处不在的系统:网络和服务圣地亚哥,页166 - 172,美国2005年。视图:谷歌学术搜索
23. f . Schoute“动态帧长度阿罗哈。”IEEE通信没有,卷。31日。4、565 - 568年,1983页。视图:出版商的网站|谷歌学术搜索
24. h . Landaluce l . Arjona A . Perallos l, n . Cmiljanic,“高吞吐量防撞协议来减少能源消耗在被动射频识别系统中,“无线通信和移动计算卷,2017篇文章ID 2135182, 10页,2017。视图:出版商的网站|谷歌学术搜索
25. l·朱和t·s·艾。百胜,”一个关键射频识别防冲突机制的调查和分析,“IEEE通讯杂志卷,49号5,214 - 221年,2011页。视图:出版商的网站|谷歌学术搜索
26. h·沃格特”,有效的目标识别与被动RFID标签,”在计算机科学的课堂讲稿,3卷,第113 - 98页,2002年。视图:出版商的网站|谷歌学术搜索
27. 陈许y, y”,一种改进的动态框架槽ALOHA防冲突算法基于RFID系统的评估方法,”《IEEE Rfid IEEE国际会议2015年美国圣地亚哥CA。视图:谷歌学术搜索
28. c . y .香港和成都的“动态自适应灰色预测算法对RFID标签到达率,”计算机科学,40卷,不。7,40-43,2013页。视图:谷歌学术搜索
29. w·已经以“用周期强度函数非齐次泊松过程,”兰州理工大学学报,17卷,不。3,4 - 8人,2010页。视图:谷歌学术搜索
30. j . Myung w·李,“自适应二进制分裂:RFID标签碰撞仲裁协议标签识别,”第二届国际会议上宽带网络,1卷,页347 - 355,波士顿,MA,美国,2005。视图:谷歌学术搜索
31. 裴,y, b . Wang y, s . Zhang和j . Yu”基于AOA室内定位方法和PDOA使用虚拟站在多路径和仿真结果为无源超高频射频识别环境,”IEEE访问》第六卷,第31782 - 31772页,2018年。视图:出版商的网站|谷歌学术搜索
32. d . k . Klair k . w . Kwan-Wu下巴,r . Raad”调查,教程的射频识别防冲突协议。”IEEE通信调查和教程,12卷,不。3、400 - 421年,2010页。视图:出版商的网站|谷歌学术搜索
33. z沈,曾庆红p、y .钱和K.-K。r . Choo,“一个安全的和实用的RFID所有权转移协议基于切比雪夫多项式,”IEEE访问》第六卷,第14566 - 14560页,2018年。视图:出版商的网站|谷歌学术搜索

版权

版权©2019 Guofeng Zhang et al。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。