[发明专利]一种基于样本查询估计的冲突树优化方法

说明书

本发明公开了一种基于样本查询估计的冲突树优化方法。该方法采用随机查询估计与冲突树相结合的方式对大规模标签进行识别，利用标签ID前缀进行查询估计并利用标签ID的第一碰撞位进行识别过程分组，以达到高效识别的目的。首先根据被动标签的ID前缀信息将标签分配给帧中的多个时隙，并查询随机选择的前缀时隙得到时隙状态。然后根据随机选择时隙的状态估计出标签的数量并与当前估计帧长进行匹配，若匹配，则估计值准确；若不匹配，则以合适的帧长重新分配标签并重复上述估计操作，直到标签的数量估计值与帧长匹配。最后获得标签数量的估计值，并根据冲突树理论设置最优的帧长对标签进行识别操作以得到最高的时间效率。MATLAB中的对比仿真结果证明了该方法的有效性。

技术领域

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

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。

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。

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。

发明内容

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：

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。