一种基于样本查询估计的冲突树优化方法

1.本发明属于物联网领域，特别涉及单阅读器下基于样本查询估计的冲突树优化方法。


背景技术：

2.无线射频识别即射频识别技术(radio frequency identification，rfid)是自动识别技术的一种，通过无线射频方式进行非接触双向数据通信，利用无线射频方式对记录媒体，如电子标签和射频卡等进行读写，从而达到识别目标和数据交换的目的。由于无源标签的便宜和rfid系统的便利，单个读取器读取大量标签的能力已成为考虑因素，如何快速识别所有标签成为一个具有挑战性的问题。通常，为了识别同一通道上的标签，必须采取一些措施来防止标签冲突的产生。因此，有效的防冲突算法在加速识别中很重要。
3.目前的研究工作中，防冲突算法主要在基于aloha的算法、基于树的算法和混合算法上进行了改进。其中，基于树的算法避免了aloha算法的不确定性，提高了识别效率。在碰撞树(ct)算法中，贾博士使用曼彻斯特编码来获取id的冲突位，从而解决了qt算法中空闲时隙的浪费。但是在大规模标签的情况下，识别前期通过ct或qt分组方法获得的时隙中仍然存在大量标签冲突。在这种情况下，无法很好地分离冲突标签，从而产生许多冲突时隙，降低了识别效率。相关学者对此问题做了很多研究，这些研究都希望在对标签进行分组之前估计标签的数量，以便采取适当的分组措施。当前的估计方法主要是基于递归估计和传统的aloha估计方法。在经典的tsa算法中，标签数量估计操作和识别操作是同时执行的。分裂二叉树时隙aloha(spbtsa)算法使用了一种随机二叉分裂方法来估计标签数量。然而，递归估计方法太复杂并且需要高性能的阅读器。另外，由于帧格式的差异，传统的aloha估计算法不能直接应用于树类算法。为此，本发明提出了一种新的基于样本查询估计的最佳冲突树rfid标签识别方法。
4.该方法集合了树类算法的优点，根据标签的id信息对标签数量进行基于样本查询的估计，并采用了最优的基于标签id的帧长对标签进行高效的识别，减少了识别前期的冲突时隙，提高了rfid标签识别的时间效率。


技术实现要素：

5.本发明的目的是针对单阅读器识别大量标签环境，提出基于样本查询估计的冲突树优化方法，从而解决标签识别过程中的冲突问题，提高识别效率。为了实现该目的，本发明所采用的步骤是：
6.步骤1：采用基于标签id信息的前缀样本查询方法对标签数量进行估计；对于未知数量标签的识别，首先对其进行数量估计，估计部分的初始帧长被设置为f0＝16，前缀长度对应为log2(f0)，随机选取的时隙即前缀数量根据当前估计帧长f进行设置；阅读器对当前帧随机选取的前缀进行查询操作，得出各时隙状态，利用查询状态估计标签数目并判断是否与当前估计帧长匹配以确定是否以新的帧长重新进行估计操作，直到帧长结果匹配得到
合适的标签数量的估计值。
7.步骤2：基于标签的数量确定识别过程的最优帧长，以达到最优的识别效率；在得到标签数量估计值以后，基于标签数量确定了时间效率最高的最优帧长值；假定标签数量为n，阅读器根据帧长f值产生所有基于帧长f对应的标签前缀并全部推进查询栈q，随后阅读器逐一将前缀与标签匹配，若前缀中无标签匹配，则此前缀对应时隙为空时隙；若前缀查询时只有一个标签与之匹配，则前缀对应的时隙为成功识别时隙，阅读器对标签进行识别；若此前缀有多个标签与之匹配，则前缀对应的时隙为冲突时隙，此时根据fm0编码，阅读器得到冲突标签的id中的第一个冲突位置，即此前缀中冲突标签的公共前缀部分，随后阅读器在公共部分后拼接上0和1组成新的前缀推入查询栈q继续进行分组识别，直到查询栈q中的前缀全部被查询完毕则识别过程结束。
8.本发明提出的基于样本查询估计的冲突树优化方法的性能已经在matlab仿真环境中得到了验证。仿真实验中假设标签的id信息为均匀分布，每个标签的id是唯一的，长度为128位，阅读器与标签之间的通信通道是理想的。标签的数量从100到1000，步长为20，数据传输速率、各时隙所需时间以及帧格式在附图3中给出。附图4给出了在不同标签数量的条件下，由matlab仿真获得的其他经典以及最近提出的标签识别方法和本方法得出的空闲时隙数量、冲突时隙数量和时间效率结果的对比。仿真值和计算值的一致性说明了本发明提出的基于样本查询估计的冲突树优化方法的准确性，与其他标签识别方法的对比结果说明了本发明提出的基于样本查询估计的冲突树优化方法的高效性。
附图说明
9.图1是基于样本查询估计的冲突树优化方法流程图；
10.图2是本发明采用的帧结构以及时隙参数设置图；
11.图3是本发明最优帧长选取步骤中的结果图；
12.图4是本发明与其他标签识别方法的时间效率对比图。
具体实施方式
13.下面结合附图和实例对本发明作进一步详细描述。
14.本发明提出的基于样本查询估计的冲突树优化方法已经在matlab中实现，并通过仿真结果证明了该方法的有效性。下面给出本发明的具体实施步骤：
15.步骤1：采用基于标签id信息的随机选取前缀查询方法对标签数量进行估计。
16.首先对标签识别过程中的符号作如下定义：
17.①
f：识别过程中的帧长，表示在一帧识别过程中的时隙数目，f在数目上为2的指数次方；
18.②
slot：帧中的时隙，取值介于0和f之间；
19.③
f
rs
：帧长f中随机选取时隙的数目，随机选取的时隙作为估计帧中竞争标签数目的基础；
20.④
pre：随机选取的时隙所对应的前缀，这些前缀将在估计过程中由阅读器发出，标签回应；
21.⑤
q：用于存储阅读器需要发出的前缀的队列，发送时pre由q推出；
22.⑥
n
est
：估计过程中参与竞争的标签数量的估计值；
23.⑦
c
idle
、c
succ
、c
coll
：分别为一帧中空闲时隙、成功识别时隙和冲突时隙的数目。
24.如图1所示的本方法流程，对于未知数量标签的识别，首先对其进行数量估计。在估计部分，初始帧长被设置为f0＝16，随后根据帧长阅读器得出预分配的标签id前缀值；阅读器在帧长16中随机选取一定比例的时隙，并将随机选取的前缀推入查询栈q中；阅读器根据查询栈q中的前缀逐一发出查询命令，标签对阅读器发出的前缀进行匹配操作，若阅读器发出的前缀与标签自身id对应位置相同则标签返回其余下id信息；阅读器对每一个前缀查询状态进行统计c
idle
、c
succ
和c
coll
，在q中前缀查询完毕后，阅读器根据统计信息估计参与此帧的标签数目为n
est
＝(2.39c
coll
+c
succ
)/f
rs
f；
25.此帧估计完成后，阅读器得出估计值对应的合适帧长其中为向下取整符号。阅读器判断得出的f值是否与当前帧长f0相等，若相等，则代表此次估计出的n
est
值是合适的，与实际参与竞争的标签数量差值较小；若不相等，如附图1中所示第一次估计全为冲突状态，则说明用f0来对标签进行估计是不合适的。此时后续操作将分为两种情况：一是估计的标签数量小于16时，估计过程到此结束，直接将估计值n
est
作为估计结果参与后续识别过程；二是用得出的f值即附图1中f1＝f重新进行上述估计操作，直到得出合适的f值与当前帧的f
n
相等，则估计过程结束，并得出估计值n
est
。
26.在估计过程中，随机选取的前缀查询状态在帧长较大标签数量小时会出现全为空闲状态的现象，此时c
coll
和c
succ
的值都为0，导致估计的标签数量为0。在这种情况下，将当前帧长f设为f/2重新进行循环估计操作。帧长为f、随机选取时隙数目为f
rs
、标签数目为n的情况下，当前帧选取前缀查询全为空闲的概率p1和两次连续帧查询全为空闲的概率p2的表达式为：
[0027][0028]
上述方程中p1和p2的概率非常小，保证了整个估计过程正常的进行。对于不同帧长f下f
rs
值进行实验模拟发现，在保证估计误差在10％以下时，当f≤256时，f
rs
/f取1/4较为合适；当512≤f≤1024时，f
rs
/f取1/8较为合适；当f＝2048时，f
rs
/f取1/16较为合适；当f≥4096时，f
rs
/f取1/32较为合适；此合适的比例是在实验中获取的经验值，其在保证估计精度的前提下使估计时隙尽可能的少。
[0029]
步骤2：基于标签数量确定识别过程的最优帧长。
[0030]
在得到标签数量估计值以后，基于标签数量，我们确定了使得时间效率最高的最优帧长值。根据附图1所示的识别过程，当估计过程结束后，将寻找最优的帧长对标签进行分组识别。假定最优的帧长值为f，阅读器根据帧长f值产生所有基于帧长f对应的标签前缀并全部推进查询栈q。随后阅读器逐一将前缀与标签匹配，若前缀中无标签匹配，则此前缀对应时隙为空时隙；若前缀查询时只有一个标签与之匹配，则前缀对应的时隙为成功识别时隙，阅读器对标签进行识别；若此前缀有多个标签与之匹配，则前缀对应的时隙为冲突时隙，此时根据fm0编码，阅读器得到冲突标签的id中的第一个冲突位置，得到此前缀中冲突标签的公共前缀部分，随后阅读器在公共部分后拼接上0和1组成新的前缀推入队列q继续
进行分组识别，直到队列q中的前缀全部被查询完毕则识别过程结束。
[0031]
定义s(k)为识别帧中某个时隙中存在k(k≥1)个冲突标签所需要的平均时隙数目，易知s(1)＝1，s(2)＝3。根据递归以及概率统计理论可以得到：
[0032][0033]
假设标签数目为n，则在帧长f中存在k个标签相应的时隙数的理论值f(k)为：
[0034]
f(k)＝f(1/f)
n
(1
‑
1/f)
n
‑
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0035]
根据上述公式可以得到帧长为f、标签数目为n时，识别完成所需要的总时隙r(n)为
[0036][0037]
公式(4)中前部分为帧中空闲时隙的数量，后部分为成功识别时隙与冲突时隙的总数量。根据附图2所示的阅读器以及标签在各时隙中所需发送的信息以及时间间隔，可以得出空闲时隙所需的时间t
idle
，成功识别时隙所需的时间t
succ
和冲突时隙所需的时间t
coll
：
[0038][0039]
公式(5)中v1和v2分别是阅读器指令前缀部分的id长度，这里标签id长度设为128bit，则
[0040][0041]
由此可以得出帧长为f、标签数量为n时的时间效率表达式time_eff，这里用传输有效id的时间与总时间的比值衡量时间效率，可以得到
[0042][0043]
为了得到在不同标签数目下的最优的帧长f，设
[0044][0045]
将公式(8)带入公式(7)中便可以得到时间效率time_eff与标签数目n和α的关系。在不同α值的情况下，时间效率随标签数目变化的曲线图如附图3所示。附图3(a)的仿真结果显示，时间效率在n为200，400以及820等的位置上对α比较敏感，所以作出在这些特殊点以及其他n处的时间效率随α变化的曲线图如附图3(b)所示。可以得出在不同标签数目的情况下，α＝1.2时时间效率达到最高，也就是time_eff达到最高，即
[0046][0047]
附图3(c)给出了理论与仿真值的对比图，从图中可以看到理论与仿真吻合度较高。附图4给出了基于样本查询估计的冲突树优化方法与其他方法所消耗的空闲时隙、冲突
时隙以及时间效率的对比，可以看出本发明提出的方法较其他方法有着很大的优势，对时间效率有着明显的提高。
[0048]
本发明申请书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。