![](https://csdnimg.cn/release/download_crawler_static/18270062/bg1.jpg)
收稿日期:20181219;修回日期:20190218 基金项目:国家重点研发计划资助项目(2018YFC1604000)
作者简介:李辽(1996),男,湖北武汉人,硕士研究生,主要研究方向为物联网、深度学习等;崔晓晖(1971),男(通信作者),教授,博导,博士,
主要研究方向为大数据安全等(xcui@whu.edu.cn);李铭哲(1995),男,江苏南通人,硕士研究生,主要研究方向为物联网、无线射频识别等.
标签移动场景下的防碰撞算法研究
李 辽
a
,崔晓晖
a
,李铭哲
b
(武汉大学 a.国家网络安全学院;b.计算机学院,武汉 430072)
摘 要:针对目前一些已有标签防碰撞算法大多应用于标签固定场景,而在标签移动场景下表现不佳的问题,
提出了一种标签移动场景下(tagmovingscene,TMS)的防碰撞算法。该算法首先对移入标签和驻留标签进行区
分,然后对标签数量进行预估,最后基于标签预估值采用一种混合识别策略对标签进行识别。仿真实验结果显
示,相较于其他算法,TMS算法在标签移动场景下可以有效降低标签识别时间,对 RFID标签防碰撞算法的研究
具有一定意义。
关键词:射频识别;标签防碰撞;标签预估;标签识别时间
中图分类号:TP391.44 文献标志码:A 文章编号:10013695(2020)06014167504
doi:10.19734/j.issn.10013695.2018.12.0884
Researchonanticollisionalgorithmintagmovingscene
LiLiao
a
,CuiXiaohui
a
,LiMingzhe
b
(a.SchoolofCyberScience&Engineering,b.SchoolofComputerScience,WuhanUniversity,Wuhan430072,China)
Abstract:Inordertosolvetheproblemthatsomeexistinganticollisionalgorithmsaremostlyappliedintagfixedscenebut
havepoorperformanceintagmovingscene
,thispaperproposedananticollisionalgorithminTMS.Thealgorithmfirstdistin
guishedbetweenthemoveintagandtheresidenttag,andthenestimatedthenumberoftags,finallyusedahybridrecognition
strategytoidentifythetagbasedonestimatednumberoftags.Thesimulationresultsshowthatcomparedwithotheralgorithms,
TMSalgorithmcaneffectivelyreducethetagrecognitiontimeintagmovingscene,whichhascertainsignificanceforthere
searchofRFIDtaganticollisionalgorithm.
Keywords:radiofrequencyidentification(RFID);taganticollision;tagestimation;tagrecognitiontime
RFID是一种方便快捷的非接触式自动识别技术,它通过
无线射频信号实现标签和阅读器之间的通信并识别特定目标,
具有识别速度快、精度高、成本低等优点,现已在工业中得到广
泛应用
[1]
。但当多个标签同时处于阅读器识别范围并对其响
应时,会导致阅读器无法快速正确地识别标签,这种现象称为
标签碰撞
[2]
。因此,用于解决这种标签碰撞问题的防碰撞算
法研究就显得尤为重要。
受现有技术的限制,
RFID标签防碰撞方法主要分为基于
树型的算法
[3~9]
和基于时隙随机选择的 Aloha算法
[10~16]
。但
是这些算法大多应用于标签固定的场景,而较少考虑标签在阅
读器识别范围内移入或移出时的情况。文献[17]考虑到标签
可能会移动的问题,提出了一种自适应二进制分裂算法
ABS
(adaptivebinarysplitting),但是该算法在驻留标签比例较高的
情况下性能不佳。在此基础上,文献[18]提出了一种对分辨
率阻塞算法
PRBABS(pairresolutionblocking)来 进一步 减少
ABS算法的标签识别时间,但是该算法在驻留标签比例较低的
时候会产生大量空时隙,导致标签识别时间变长,并且这两种
算法都假设驻留在阅读器识别范围内的标签数量远多于移入
和移出的标签数量,这在很多情况下是不适用的,而且在标签
频繁移入移出阅读器识别范围时,两种算法的标签识别时间都
不是很理想,并且在标签数量的预估上会出现一定的错误。
为了解决这些问题,减少标签识别时间,本文提出了一种
标签移动场景下的防碰撞算法 TMS,通过在标签中记录与之
通信的阅读器 ID和当前帧 ID来区分移入和驻留在阅读器识
别范围内的标签,预估移入标签和驻留标签的数量来判断使用
ABS或是 PRBABS算法对标签进行识别。
1 算法描述
TMS算法大致分为三个步骤:a)通过在标签中记录阅读
器 ID和当前帧 ID将移入标签和驻留标签区分开来;b)对移入
标签和驻留标签的数量进行预估;c)根据预估的标签数量来
判别使用
ABS还是 PRBABS算法进行识别,目的是尽可能地
减少标签识别时间。
11 基本定义
假设在一个阅读器的识别范围内不断有标签移入和移出,
将阅读器识别其范围内所有标签的过程称为帧;标签选择一个
时隙响应阅读器的指令并返回信息包;仅有一个标签返回信息
包的时隙称为读取时隙;没有标签返回信息包的时隙称为空时
隙;有两个或更多个标签返回信息包的时隙称为碰撞时隙。因
为阅读器持续不断地识别标签,所以在识别过程中会有很多帧
产生。为了便于算法的表达和理解,将存在于第 i帧但不存在
于第 i-1帧中的标签定义为移入标签;将移入标签数量与第
i-1帧中标签数量的比值定义为移入标签比例;将在第 i帧和
第
i-1帧中都存在的标签定义为驻留标签;将驻留标签数量与
第 i-1帧中标签数量的比值定义为驻留标签比例;将存在于
第 i-1帧但不存在于第 i帧中的标签定义为移出标签。
12 移入标签与驻留标签的区分机制
传统标签防碰撞算法通常只记录阅读器 ID,无法较好地
将移入标签与驻留标签区分开来。TMS算法采用的方法类似
于文献[19]方法:每一个标签都有两个寄存器 A和 B,每个阅
读器有两个寄存器 A和 C,A用来记录标签的识别序列,B用来
第 37卷第 6期
2020年 6月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol37No6
Jun.2020