RFID标签防冲突技术研究

介绍解决RFID标签冲突问题的三种算法:使用ALOHA算法通过降低随机RFID标签发生冲突的概率解决问题;采用二进制树搜索手段解决确定性RFID标签冲突问题;采用二进制树防冲突算法依次依据每一个电子标签独一无二的序号完成确定性的识别.     

多时隙的二进制搜索防冲突算法

针对RFID系统的标签冲突问题,文章在二进制搜索树算法和Aloha算法的基础上,提出了一种新颖的算法,在二进制树的每个节点处动态地估计标签的数量,根据标签的数量使用相应的时隙数;进一步对算法的性能进行了理论分析,并且通过仿真比较了该算法与二进制搜索树算法的性能,结果证明该算法能够有效地节约能量。     

一种无链表集合分裂嵌入块图像编码算法

该文在集合分裂嵌入块(SPECK)的基础上,提出了一种改进的无链表集合分裂嵌入块图像编码(SPECK)算法.将二维坐标值采用线性索引技术映射成一维的索引值,设置状态标记来记录集合和像素的重要性状态以代替链表的作用,最后对每个子带采用四又树集合分裂的方式进行 .编码.该算法不需要使用链表,避免了非固定存储空间的占用和链表节点的操作.实验表明:该算法与SPECK和SPIHT相比具有更快的执行速度,并且在获得较高编码性能的同时占用的存储空间固定在图像大小的50%.     

一种时延约束的多共享组播树构造算法

该文提出了一种时延约束的多共享组播树构造算法,以解决多点到多点组播路由情况下单棵共享树无法满足时延约束的问题。该算法构造覆盖所有源节点和目的节点子集的多棵共享树以满足时延约束的要求,并通过减少共享树个数降低管理开销。该算法计算以每个节点为中心的共享树所能达到的目的节点的子集,将原问题转换为集合覆盖问题,并采用基于矩阵的启发式算法进行求解。仿真实验将该算法和同类算法进行比较,结果表明该算法在不增加管理开销和中心数的情况下,有效地减少了运行时间。     

射频识别系统中防冲突算法研究

针对RFID系统中多标签冲突问题,提出利用多路存取理论解决的方案。对几种防冲突算法进行了比较并最终加以改进。ALOHA算法不能很好地防止冲突,当陷入冲突的标签数目很多时,防冲突的过程较长,有时还会出现错误判决问题。二进制搜索算法识别效率较高,不存在错判问题,但时延较长,泄漏的信息较多,安全性差。利用改进的二进制算法——返回式二进制树形搜索算法,能更有效、迅速地识别电子标签,识别的时间和标签数呈线形关系,这种算法对大批量物品的识别、追踪、管理具有非常重大的意义。     

RFID系统中二叉树防碰撞算法性能的提升

针对RFID系统中的标签碰撞问题,提出了一种改进的二叉搜索树防碰撞算法.通过划分标签子集、动态调整冲突检测过程,以减少标签冲突和系统开销,提高识别效率.仿真结果表明,相比于目前的二叉树搜索算法,本文方法在待识别标签数量较大的情况下提高了识别效率,减少了搜索次数及阅读器与标签之间的通信量.     

ISO 18000-6 Type C中的防冲突机制分析

在介绍ISO 18000-6 Type C协议中标签识别及自适应Q算法操作过程的基础上,利用图表方式分析ISO 18000-6 Type C协议采用自适应Q算法处理标签工作过程的防冲突机制.该防冲突机制采用增减参数C值的方法处理冲突问题,能够使系统自动地处于最佳状态,但是该防冲突机制在没有考虑标签应答的情况下对Q值修改时,可能无法保证系统性能最大化,这将影响标签识别的性能.     

一种基于冲突跟踪的RFID防冲突算法

在射频识别系统中,防冲突技术是RFID技术必须解决的关键问题之一.针对查询树算法因逐位增加查询前缀而增加了阅读器时间复杂度和通信复杂度这一问题,给出了一种利用冲突位来更新查询前缀的改进算法--冲突跟踪树算法.通过构建冲突跟踪树,从理论上分析了改进算法的通信复杂度.在冲突位是连续的假设前提下,给出了计算阅读器通信复杂度的3个引理和一个定理,并对其做了详细证明.最后利用Matlab对相关算法性能进行了对比仿真.结果表明,在冲突位是连续的前提下,冲突跟踪树算法阅读器的通信复杂度优于查询树算法阅读器的通信复杂度,从而得出在一般情况下,冲突跟踪树算法更能有效改善阅读器的通信复杂度,节省系统的开销.     

ISO 18000-6 Type B与Type C标准的分析与比较

分析比较UHF频段ISO/IEC 18000-6 Type B与Type C两种协议标准的链路编码、命令和防冲突机制的优缺点.Type B采用的曼彻斯特编码是早期的编码标准,实现较为容易,但是编码效率较低;Type C采用的PIE编码,在物理上实现容易,传输效率高.Type B的所有命令位数都为8位,而Type C的命令位数采用可变字长前缀编码,相比Type B提高了传输效率.Type B采用的自适应二进制树防冲突机制当等待识别的标签数量较多时,效率较低;Type C采用的随机时隙防冲突机制具有算法简单,便于实现等优点,但是该机制的时隙是随机分配的,具有一定的不确定性.     

一种改进的RAKEL多标签分类算法

RAKEL(random k-labelsets)算法是一种集成技术,能有效解决多标签分类问题.它将原始标签集随机选用一小部分标签子集构成的数据集来训练每个分类器,但由于RAKEL算法构造标签空间的随机性,并未充分考察到样本多个标签之间的相关性,从而造成分类精度不高,泛化性能受到一定影响.为此,提出了改进的LC-RAKEL算法.首先,通过标签聚类将原始标签集划分成标签簇,再从每个标签簇中各选择一个标签构成标签集,以此发现标签空间中重要且不频繁的映射关系;然后,利用出现次数较少的标签集合组成新的训练数据,训练相应的分类器.实验证明,改进的算法性能优于其他常用多标签分类算法.