技术领域
[0001] 本
发明属于无线射频识别技术领域，具体涉及一种基于弦截迭代的射频识别标签防碰撞方法。
背景技术
[0002] 射频识别技术(RFID)在食品追溯、血液管理等领域得到了越来越广泛的应用。射频识别系统由阅读器、
电子标签(简称标签)和后端处理系统组成。标签通常附着在被识别物体上，后端处理系统通过阅读器与标签之间的无线信道实现数据交换，进而实现对所附着物体的识别、
定位和智能控制。
[0003] 实际应用中由于被识别物体规模往往较大，要求对众多标签进行批量快速识别。受成本限制，标签一般采用无源方式工作，不具备对信道的
感知能
力，也不能与其它标签通信，因此批量识别中不可避免会产生标签碰撞问题。标签碰撞必然会降低识别效率，导致延迟增大，进而增加移动环境下标签漏读概率。因此，如何减少标签碰撞对RFID系统识别效率的影响，成为众多研究者追求的目标。
[0004] 标签防碰撞方法分为基于二进制搜索的确定性方法和基于Aloha的随机退避方法。基于Aloha的随机退避方法由于实现简单得到了广泛的应用。
[0005] ISO18000和EPCglobal是RFID技术领域最有影响的两个国际标准组织。ISO18000-6C和EPCglobal C1 G2标准均采用基于动态
帧时隙(DFSA)的标签防碰撞方法，并采用Q
算法动态调整帧长度。阅读器发送一个带Q参数的命令，收到命令后每个标签随机选择一个时隙响应阅读器。这种方法相对于固定帧长度的帧时隙方法识别效率有了明显提高。
[0006] 但是，Q算法只给出了调整步进参数C的范围为0.1到0.5，并没有给出具体取值规则。实际应用中，如果C取值过高，帧长度调整过于频繁，导致系统
稳定性下降。另一方面，如果C取值过低，会导致调整迟缓，不能正确
跟踪剩余标签数的变化，同样会降低系统识别效率。
[0007] 为了解决这个问题，近年来该领域出现了大量改进方法。这些改进方法主要关注单帧的识别效率,相比于Q算法，单帧识别效率均有较大幅度提高。然而，在实际应用中，如何在最短的时间内准确地完成阅读器
覆盖范围内全部标签的识别，是评价一个RFID系统综合性能的根本指标。单帧识别效率最高并不能保证全局吞吐量性能达到最高。全局吞吐量性能定义为在完成给定标签的识别的前提下，阅读器和标签交换有用信息所用的时间与所消耗的全部时间之比，可以用于评价RFID的综合性能。
发明内容
[0008] 为了克服
现有技术的不足，本发明的目的是提供一种基于弦截迭代的射频识别标签防碰撞方法，以全局吞吐量性能最优为目标，提供一种自适应动态调整帧长度的帧时隙Aloha标签防碰撞方法，仅在第一帧识别完成后根据有效识别标签数估计初始待识别标签数，根据估计结果及第一帧有效识别标签数设置后续识别帧的帧长度，以实现最优识别。标签估计算法采用弦截迭代法。传统DFSA采用的Q算法的经典方法相比，全局吞吐量性能提高了1.4倍，具有优越的性能。
[0009] 为了实现上述目的，本发明采用的技术方案是：
[0010] 一种基于弦截迭代的射频识别标签防碰撞方法，包括以下步骤：
[0011] 假设阅读器覆盖范围内有n个标签，识别过程由阅读器控制，首先由阅读器发起查询命令Query(Q)，该命令携带帧时隙参数Q，即本识别帧包含Q个时隙，收到命令后每个标签随机产生一个不大于Q的整数Si(i＝1,2…n)，表示期望在第Si时隙响应阅读器；
[0012] 随后阅读器发送识读命令Read，标签收到Read命令后,将自己的时隙号Si减1，如果结果为0则在本时隙响应阅读器。照此方法发送Q次Read命令，完成第一帧全部Q个时隙的识读；
[0013] 对阅读器而言，初始标签数n预先并不知道，为了提高整个识别周期全局吞吐量性能，需要对n进行估计，在已知第一帧成功识别标签数Ns的
基础上，利用弦截法估计初始标签数 在此基础上将第二帧帧长度设置为 实现最优识别效率，后续帧采用类似处理，直至完成所有标签识别。
[0014] 所述的类似处理步骤如下：
[0015] 步骤0:初始化.设置参数N,x0,x1,count＝0；
[0016] 步骤1:计算 和
[0017] 步骤2:迭代,x＝x1-f(x1)(x1-x0)/(f(x1)-f(x0)),x0＝x1,x1＝x；
[0018] 步骤3:如果|f(xn+1)|≤ε,|xn+1-xn|≤ε or k≥N,转步骤1，否则结束。
[0019] 所述的初始标签数估计步骤如下：
[0020] 假设第一帧帧长度为Q,待识别标签数为n,每个标签产生随机数Si＝m，并且m小于Q，其概率为P＝1/Q0,r个标签占用一个时隙的概率P(Q,n,r)为：
[0021]
[0022] 很明显，按照r等于1，等于0，或者大于1三种情况可以分别得出有效时隙，空时隙，或者碰撞时隙的概率，当r＝1时的有效时隙的概率为：
[0023]
[0024] 所示一帧内的有效时隙期望值为：
[0025]
[0026] 式(3)左边为有效识别标签的期望值，第一帧识别完成后可以用实际有效值代替，通过解方程求解n的估计 式(3)为超越方程，采用弦截迭代法求解；
[0027] 完成第一帧识别后可以获得有效识别标签数Ns的值，在式(3)中令E[P(Q,n,1)]＝Ns，并令：
[0028]
[0029] 令式(4)等于0解方程，可以得到方程的根x,取整即可得到待识别标签数的估计值[0030] 弦截法是利用在(ξ,f(ξ))处的切线代替曲线y＝f(x),这里ξ是方程的根。假设初始估计根为x0和x1，则切线方程为：
[0031] g(x)＝ax+b (5)
[0032] 满足条件g(x0)＝f(x0),g(x1)＝f(x1)
[0033] 这条直线称为弦截线，可以通过下式获得
[0034]
[0035] 令g(x)＝0,解方程的根为x2，则
[0036]
[0037] 重复此步骤,利用x1和x2产生新的弦截线,并用其根近似ξ，这样就可以产生一般迭代公式
[0038]
[0039] 开始启动迭代之前，需要确定三个参数x0,x1,和N(最大迭代次数)；
[0040] 假设ε为误差容限,则迭代终止准则为|f(xn+1)|≤ε,|xn+1-xn|≤ε,或者迭代次数大于等于N；
[0041] 按本发明的初始标签估计方法，必然会产生伪解，需要加以剔除，剔除伪解具体过程如下：
[0042] 对(4)求一阶导数得
[0043]
[0044] 在实际应用中Q>>1，所以(1-1/Q)x-1＞0，用泰勒级数将(9)展开得[0045]
[0046] 令(10)等于0求得极值点xopt≈Q，即当待识别标签数大约等于Q时识别效率最大，理论上，实际有效识别标签数Ns不大于最优成功时隙数的期望值 当时，方程(4)有唯一解；由(10)可以看出，当x
当x>Q时，f'(x)＜0，(4)单调递减，所以当 时方程(4)有两个解，分别位于xopt的两侧，必然有一个是伪解，需要将其剔除；用弦截迭代法求解(4)需要设置两个初始值x0和x1，由于Q是已知的，对于存在双解的情况，通过初始值的设置可以控制解的位置；设置x0和x1均小于Q，则迭代产生的解xl即小于xopt，反之设置x0和x1均大于Q，则迭代产生的解xu即大于xopt；阅读器分别以 和 为参数，发送两
个试探命令QueryT(Q)，分别进行两个试探帧的识别，并统计对应的有效识别标签数，分别为Nsl和Nsu。在试探阶段成功识别的标签并不进入静默状态，只是用来统计有效识别标签数；根据识别效率判断，如果Nsl/(round(xl)-Ns)>＝Nsu/(round(xu)-Ns)，则 否则 剔除伪解之后即可进行后续帧的识别，直到完成所有标签识别，结束本识别周期。
[0047] 所述的针对弦截迭代方法估计剩余标签数产生的伪解，通过广播两个试探帧并统计试探识别效率确定伪解并加以剔除。本发明给出的方法剩余标签数估计
精度达到97％以上，能满足标签防碰撞估计精度要求。全局吞吐量性能显著优于当前国际标准所采用的Q算法，接近理想系统。
[0048] 本发明的有益效果：
[0049] 1)本发明给出一种基于Aloha随机模式的射频识别技术标签防碰撞方法，采用基于弦截迭代方法估计剩余标签数。在此基础上，根据待识别标签数与帧长度相等的原则，自适应动态调整后续帧长度，以实现最优识别效率。
[0050] 2)针对弦截迭代方法估计剩余标签数产生的伪解，通过广播两个试探帧并统计试探识别效率确定伪解并加以剔除。本发明给出的方法剩余标签数估计精度达到97％以上，能满足标签防碰撞估计精度要求。全局吞吐量性能显著优于当前国际标准所采用的Q算法，接近理想系统。
[0051] 3)与ISO18000-6C标准所采用的Q算法相比，本发明给出的新方法全局吞吐量性能提高了1.4倍以上，具有优越的性能。
附图说明
[0052] 图1为本发明所述方法的处理
流程图，其中Reader-阅读器；Tag：电子标签。
[0053] 图2为本发明所述方法一个识别周期的处理步骤。
[0054] 图3为按照本发明所述方法所实施的一个待识别标签数估计实例的估计过程。
[0055] 图4为按照本发明所述方法所实施的一个待识别标签数估计实例所得结果，其中，横坐标Number of tags to be identified代表待估计标签数n；纵坐标：Estimated number of tags代表估计所得标签数。
[0056] 图5为按照本发明方法所实施的一个标签识别实例与国际标准所用Q算法全局吞吐量性能对比结果，其中横坐标Number of tags to be identified代表待估计标签数n；纵坐标Global throughput代表全局吞吐量；SIDA代表本发明给出的基于弦截迭代的自适应动态帧时隙Aloha标签防碰撞方法，命名为SIADA(Secant Iteration based Adaptive and Dynamic frame slotted Aloha method.)法；Idea system代表理想系统，即已知待识别标签数情况下标签识别吞吐量。
具体实施方式
[0057] 以下结合附图对本发明进一步说明。
[0058] 如图1所示，一种基于弦截迭代的射频识别标签防碰撞方法，其处理流程为：
[0059] 假设阅读器覆盖范围内有n个标签，识别过程由阅读器控制，首先由阅读器发起查询命令Query(Q)，该命令携带帧时隙参数Q，即本识别帧包含Q个时隙，收到命令后每个标签随机产生一个不大于Q的整数Si(i＝1,2…n)，表示期望在第Si时隙响应阅读器。
[0060] 随后阅读器发送识读命令Read，标签收到Read命令后,将自己的时隙号Si减1，如果结果为0则在本时隙响应阅读器。照此方法发送Q次Read命令，完成第一帧全部Q个时隙的识读。
[0061] 对阅读器而言，初始标签数n预先并不知道，为了提高整个识别周期全局吞吐量性能，需要对n进行估计。
[0062] 按照本发明给出的标签防碰撞方法，在已知第一帧成功识别标签数Ns的基础上，利用弦截法估计初始标签数 在此基础上将第二帧帧长度设置为 实现最优识别效率，后续帧采用类似处理，直至完成所有标签识别。
[0063] 参照图2所示的处理步骤:
[0064] 步骤0:初始化.设置参数N,x0,x1,count＝0.
[0065] 步骤1:计算 和
[0066] 步骤2:迭代,x＝x1-f(x1)(x1-x0)/(f(x1)-f(x0)),x0＝x1,x1＝x.
[0067] 步骤3:如果|f(xn+1)|≤ε,|xn+1-xn|≤ε or k≥N,转步骤1，否则结束。
[0068] 初始标签数估计具体方法如下：
[0069] 假设第一帧帧长度为Q,待识别标签数为n,每个标签产生随机数Si＝m，并且m小于Q，其概率为P＝1/Q0,r个标签占用一个时隙的概率P(Q,n,r)为
[0070]
[0071] 很明显，按照r等于1，等于0，或者大于1三种情况可以分别得出有效时隙，空时隙，或者碰撞时隙的概率，当r＝1时的有效时隙的概率为
[0072]
[0073] 所示一帧内的有效时隙期望值为
[0074]
[0075] 式(3)左边为有效识别标签的期望值，第一帧识别完成后可以用实际有效值代替，通过解方程求解n的估计 式(3)为超越方程，采用弦截迭代法求解。
[0076] 完成第一帧识别后可以获得有效识别标签数Ns的值，在式(3)中令E[P(Q,n,1)]＝Ns，并令
[0077]
[0078] 令式(4)等于0解方程，可以得到方程的根x,取整即可得到待识别标签数的估计值[0079] 弦截法是利用在(ξ,f(ξ))处的切线代替曲线y＝f(x),这里ξ是方程的根。假设初始估计根为x0和x1，则切线方程为
[0080] g(x)＝ax+b (5)
[0081] 满足条件g(x0)＝f(x0),g(x1)＝f(x1)
[0082] 这条直线称为弦截线，可以通过下式获得
[0083]
[0084] 令g(x)＝0,解方程的根为x2，则
[0085]
[0086] 重复此步骤,利用x1和x2产生新的弦截线,并用其根近似ξ，这样就可以产生一般迭代公式
[0087]
[0088] 开始启动迭代之前，需要确定三个参数x0,x1,和N(最大迭代次数)。
[0089] 假设ε为误差容限,则迭代终止准则为|f(xn+1)|≤ε,|xn+1-xn|≤ε,或者迭代次数大于等于N。
[0090] 按本发明的初始标签估计方法，必然会产生伪解，需要加以剔除，剔除伪解具体过程如下：
[0091] 对(4)求一阶导数得
[0092]
[0093] 在实际应用中Q>>1，所以(1-1/Q)x-1＞0，用泰勒级数将(9)展开得[0094]
[0095] 令(10)等于0求得极值点xopt≈Q，即当待识别标签数大约等于Q时识别效率最大。理论上，实际有效识别标签数Ns不大于最优成功时隙数的期望值 当
时，方程(4)有唯一解。由(10)可以看出，当x当x>Q时，f'(x)＜0，(4)单调递减，所以当 时方程(4)有两个解，分别位于xopt的两侧。必然有一个是伪解，需要将其剔除。
[0096] 用弦截迭代法求解(4)需要设置两个初始值x0和x1，由于Q是已知的，对于存在双解的情况，通过初始值的设置可以控制解的位置。设置x0和x1均小于Q，则迭代产生的解xl即小于xopt，反之设置x0和x1均大于Q，则迭代产生的解xu即大于xopt。
[0097] 阅读器分别以 和 为参数，发送两个试探命令QueryT(Q)，分别进行两个试探帧的识别，并统计对应的有效识别标签数，分别为Nsl和Nsu。在试探阶段成功识别的标签并不进入静默状态，只是用来统计有效识别标签数。
根据识别效率判断，如果Nsl/(round(xl)-Ns)>＝Nsu/(round(xu)-Ns)，则 否则剔除伪解之后即可进行后续帧的识别，直到完成所有标签识别，结束本识别周期。
[0098] 本发明的具体实施方式：
[0099] 如图3、图4和附图5所示，一种基于弦截迭代的射频识别标签防碰撞方法，其具体
实施例为：
[0100] 附图3给出n＝900,Q＝1200的标签估计弦截迭代实例。实验参数为：估计xl,时，ε＝0.001.x0＝0.3Q＝360，x1＝0.6Q＝720，估计xu时x0＝1.3Q＝1560and x1＝1.6Q＝1920。
[0101] 附图3显示，求解xl和xu的迭代次数均为5次。利用表1的实验结果，阅读器分别以Q＝923-428＝495和1620-420＝1200作为参数发送两个试探命令QueryT(495)和QueryT(1200)。经过实验得到Nsl＝189,189/495＝0.3816，Nsu＝315,315/1200＝0.2624,所以估计误差为|923-900|/900＝2.5％，这样的估计精度能较好满足识别帧长调整的要求。如果利用有效识别标签数的理论值E[P(Q,n,1)]＝425.4进行估计，通过实验得到xl＝897，xu＝1563。因此，Nsl＝172,172/472＝0.3640，Nsu＝312,312/1138＝0.2739。采用同样试探方法剔除伪解后 估计误差为|897-900|/900＝0.3％。可见误差主要来自于实际有效识别标签数和理论值的偏差，当这两个值相等时，初始标签数估计误差相当小。
[0102] 附图4为利用本发明方法估计初始标签数的实验结果。
[0103] 从附图4可以看出除了在n＝2360处估计错误以外，其余所有点处标签数的估计值与待识别标签数均较为吻合。在n与Q较为接近时，即大约1000到1500之间，估计误差较大；而在n远离Q时估计误差较小，估计精度高。这是由于当n接近Q时，位于xopt的两侧的两个解xl和xu较为接近，因为试探帧测试得到的Ns所固有的随机性，使得剔除伪解算法不可避免会产生错误。庆幸的是这种情况下两个解xl和xu相差较小，误剔除伪解并不会大幅增大估计误差，不会对本发明方法的识别性能产生致命影响。
[0104] 为了客观准确地评价本发明所给出的标签防碰撞方法的性能,给出本发明方法与理想系统(Idea system)和ISO18000-6C采用的经典DFSA方法全局吞吐量性能综合仿真结果，如附图5所示。理想系统假设剩余标签数为确知，严格按照帧长度等于剩余标签数的最优识别标准对帧长度进行自适应动态调整。ISO18000-6C采用Q算法调整帧长度，其中调整步进C＝0.1。其它主要仿真参数：Q＝1024(ISO18000-6C标准中用Q的以2为底的指数表示帧长，所以Q＝10)，ε＝0.01，n从50到3000，步进为50。从附图5可以看出，当待识别标签数大于100时，本发明所提出的SIADA算法全局吞吐量性能明显优于ISO18000-6C标准的Q算法。在标签数接近Q值区间(大约700到1300)，由于伪解误剔除概率较大，SIADA的全局吞吐量有所下降，最低为0.17，是ISO18000-6C的1.4倍，理想系统的50％。在远离Q值区间，其性能非常接近理想系统，是ISO18000-6C的2倍以上。
