[发明专利]一种移动RFID系统标签到达率的预测方法

说明书

本发明公开了一种移动RFID系统标签到达率的预测方法，首先使用建模数据和灰色模型GM（1，1）建立标签动态到达模型，然后利用加权方法对灰色模型微分方程初始值加权进行改进，最后利用滑动窗口机制进行标签到达率的预测，最终得到一个基于滑动窗口机制的加权灰色模型预测算法，从而对移动RFID系统标签到达率进行预测。本发明中的移动RFID系统标签到达率预测方法能够降低系统的预测误差率；通过滑动窗口机制，保证系统建模长度稳定在4，并且达到在线更新建模数据的要求，具有低预测误差率、低计算复杂度以及较高的系统稳定性。

技术领域

本发明涉及移动RFID系统标签技术领域，尤其涉及一种移动RFID系统标签到达率的预测方法。

背景技术

随着物联网技术的发展，RFID成为用户追踪物体的主要技术之一。如果带有RFID标签的物体是静止的，这样的RFID系统称为静态RFID系统。反之，如果物体在识别的过程中是移动的，这个系统称为移动RFID系统。不论是静态RFID系统还是移动RFID系统，都存在一个不可避免的现象就是标签冲突。在收到阅读器发出的信息请求命令后，标签会将自己的信息回应给阅读器。如果有两个或者多于两个标签同时响应了阅读器的请求，则这些标签信息会发生冲突，阅读器不能识别任何一个标签，系统的效率大大降低。在静态RFID系统中，未识别的标签可以参加下一次识别，标签冲突会使得系统识别的时间增长，但是不会出现漏读标签的问题。但是，在移动RFID系统中，如果在标签移出识别区域之前，这个标签还未被识别，它将会漏读，系统识别效率会大大降低。标签漏读问题会严重影响移动RFID系统的应用。为了解决标签冲突问题，很多研究者提出了高效的防碰撞算法。这些算法大致分成两类：树型算法和ALOHA算法。其中动态帧时隙ALOHA(DFSA)算法是ALOHA算法的里程碑，被更多的研究者研究，并且应用到了RFID标准中。目前，ALOHA算法更多地考虑如何快速准确地识别一定数量的标签。基于树的算法如BST和QT算法，会遍历整个搜索空间识别一个特定的标签。当标签数量增长时，识别标签的时间会急剧增长。

移动RFID系统中，识别过程中可能会有新的标签移入识别区域，也会有标签移动出识别区域，标签在识别区域的时间是有限的。如果识别时间增长，会导致更多的标签在被识别之前移出识别区域。所以移动RFID系统不仅仅需要识别的准确性和效率，还需要低标签丢失率。前面提到的防碰撞算法并没有把这种情况考虑进去，所以不能直接应用到移动RFID系统中。但是很多应用，如物流系统，机场行李识别系统等，常常出现大量标签连续到达的情况。在这样的情况下，原有的静态RFID系统的防碰撞算法性能会急剧下降，所以有必要研究新的算法，满足移动RFID系统的要求。

在移动RFID系统中，识别区域内的标签数量会随着时间的推移而发生变化，一些标签离开识别区，又有新的标签进入识别区(称为新标签到达)。如果标签在识别之前就移动出了识别区域，标签信息就会丢失，这在很多移动RFID系统中是不能接受的，例如智慧物流和智慧机场。为了降低标签丢失率，对于阅读器来说最重要的就是要知道在某一时刻有多少标签在识别区域等待识别。阅读器需要根据标签数量调整识别参数，再开始识别。因为标签是移动的，并且到达率是未知的，所以在识别区域内的标签数量是未知的，进而没有办法根据标签数量设置阅读器参数，系统就不能获得较高的识别效率。因此如何获得标签到达率成为设定阅读器识别参数的关键所在。需要阅读器利用预测算法对标签到达的数量进行预测，然后再进行参数设定。

目前，有很多方法能够完成预测功能，例如时间序列、神经网络等等。在RFID系统中，受自身存储器容量的限制，RFID阅读器不能记录过多的以往数据，所以预测算法需要采用可以使用少量样本就能进行预测的方法。受限于阅读器的处理能力，标签连续到达时，标签的到达率具有局部特性，与更早期的数据关联度不大，所以选用的预测算法应该有较低的计算复杂度，并且具有实时特性。传统的时间序列预测方法、神经网络预测方法等，样本数量的多少会严重影响预测的准确度，不适合在移动RFID系统中使用。