[发明专利]新型EPC‑C1G2标签防碰撞算法

摘要

本发明公开了一种新型EPC‑C1G2标签防碰撞算法；该算法是针对效率下降和效率次优问题，以支持标签持续到达和EPC‑C1G2标准架构为基础，对标签数估计策略、帧长确定策略和帧中止策略进行研究，基于这些研究结论，提出更高效的防碰撞算法。然后通过仿真实验验证该算法在标签持续到达条件下能更加高效率地识别标签，以解决Q算法在动态环境中效率下降问题和根据经验值确定帧长和中止帧所带来的效率次优问题。

主权项

一种新型EPC‑C1G2标签防碰撞算法，其特征在于：设x为帧序号，该算法流程如下：第1步 阅读器在帧F1、F2、F3、F4内识别标签，并计算相应帧内标签到达率λ1、λ2、λ3、λ4：令F1的帧长L1＝128,F1结束后，统计碰撞、成功和空闲时隙数分别为m1c、m1s和m1e，基于m1c、m1s、m1e和L1，采用Wen‑Tzu Chen法估算帧F1内标签数n1；令F2帧长L2＝128,F2结束后，采用Wen‑Tzu Chen法估算帧F2内标签数n2；计算λ1＝(n2‑m1c×C1(128,n1))/T1，T1＝m1sts+m1ete+m1ctc；依次类推得到λ2、λ3、λ4，下一帧为Fx,x＝5；上面具体计算细节说明如下：设帧Fx的帧长、碰撞、成功和空闲时隙数分别为Lx、mxc、mxs和mxe,用Wen‑Tzu Chen法估算帧Fx内标签数nx，其估计值用表示，等于使max函数括号中表达式取最大值时n x的值，用数学符号arg max(·)表示为：用碰撞时隙中平均标签数公式计算C1(128,n1)；Fx‑1帧转移到Fx帧标签数为rx‑1，te、ts和tc分别表示EPC‑C1G2协议空闲时隙时间、成功时隙时间和碰撞时隙时间，碰撞时隙中平均标签数公式为第2步 基于λ1...λx‑1，用预测算法DSA‑RMGM，预测帧Fx内标签到达率λxp；则帧Fx+1内的标签数预值为rxp＝rx‑1‑mxs+round(λxpTx),Tx＝mxsts+mxete+mxctc，这里round(x)函数功能是对数据x进行四舍五入；第3步 采用FSDE策略并利用rxp值来确定帧Fx+1的帧长Lx+1,在帧Fx+1识别过程中，每个时隙结束时启用帧中止策略AFE；第4步 无论是否中止帧Fx+1，均能用Wen‑Tzu Chen法估算帧Fx转移到帧Fx+1标签数rx＝nx，计算λx＝(rx‑mxc×Cx(Lx,rx‑1))/Tx，如果mx+1,c＝0，则结束标签识别过程，否则x＝x+1,转第2步；步骤2中DSA‑RMGM如下：第1步 用于预测的初始模型序列的建模长度设置为d1＝12,且取k＝1；第2步 构造用于预测的新模型序列：当前模型长度为dk，该模型序列Dk(0)＝{Dk(0)(i)|Dk(0)(i)＝λx,i∈[1,dk],x∈[k‑dk+12,k+11]}，基于知识规则来推理得到新模型序列Dk+1(0)的建模长度dk+1；规则1 如果sign(Dk(0)(dk)‑Dk(0)(dk‑1))＝sign(Dk(0)(dk‑1)‑Dk(0)(dk‑2))且sign(Dk(0)(dk)‑Dk(0)(dk‑1))＝‑sign(Dk(0)(dk‑2)‑Dk(0)(dk‑3))且|Dk(0)(dk)‑Dk(0)(dk‑1)|≥αv(k‑dk+12,k+11)/3,则dk+1＝4,其中sign()为符号函数；规则2 如果sign(Dk(0)(dk)‑Dk(0)(dk‑1))＝‑sign(Dk(0)(dk‑1)‑Dk(0)(dk‑2))且|Dk(0)(dk)‑Dk(0)(dk‑1)|≥αv(k‑dk+12,k+11),则dk+1＝4；规则3 如果dk＝4且sign(Dk(0)(dk)‑Dk(0)(dk‑1))＝‑sign(Dk(0)(dk‑1)‑Dk(0)(dk‑2))，则dk+1＝12；上面规则所用到的函数αv(e,h)为公式(13)在计算函数值时,将Dk(0)视为λ(0)；第3步 基于模型序列Dk+1(0)预测标签到达率，用公式(3)计算得到累加序列Dk+1(1)；公式(3)为λ(1)＝{λ(1)(1),λ(1)(2),...,λ(1)(g)}其中在计算Dk+1(1)时,将Dk+1(0)视为λ(0),将Dk+1(1)视为λ(1),g＝dk+1； 用公式(6)计算得到Dk+1(1)的紧邻值序列Ak+1(1)，这里公式(6)为a(1)＝{a(1)(2),a(1)(3),...,a(1)(g)}是λ(1)的紧邻值序列，其中：在计算Ak+1(1)时,将Ak+1(1)视为a(1),g＝dk+1，用公式(9)计算得到参数Φk+1，这里公式(9)为Φ＝(UTU)‑1UTV,其中在计算Φk+1＝(η,ξ)T时,这里‑η代表的是序列估计值的发展态势,ξ是从序列中挖掘出来的数据，反映序列数据变化的关系,将Φk+1视为Φ,将Ak+1(1)视为a(1),将Dk+1(0)视为λ(0),g＝dk+1，用公式(10)计算得到Dk+1(0)的模拟值序列这里公式(10)也写为在计算时,将Dk+1(0)视为λ(0),g＝dk+1；用公式(11)计算Dk+1(0)的残差摸拟值序列这里公式(11)也写为f≥f0，其中ηε和ξε分别类似η和ξ,这里f0满足dk+1‑f0≥4，在计算时,将Dk+1(0)视为λ(0)，用公式(12)预测帧Fx(x＝k+13)内标签到达率λxp，这里公式(12)也写为在计算λxp时,将Dk+1(0)视为λ(0)，第4步 阅读器在帧Fx结束后，统计帧Fx内成功时隙数mxs和碰撞时隙数mxc，设置帧Fx+1帧长：Lx+1＝λxp×Lx+2.39×mxc；第5步 阅读器统计帧Fx+1内成功时隙数和碰撞时隙数分别为mx+1,s和mx+1,c；第6步 计算帧Fx内标签到达率λx：k＝k+1,转第2步，预测过程自适应调整参数Φ和建模长度d,随着识别过程进行，标签到达率的测量值λx不断波动产生，预测算法能够不断预测到达率，算法复杂性为O(6n+6)，这里n代表模型序列的建模长度；步骤3中FSDE策略如下：在一定标签数条件下，高效率作为选择帧长的依据,帧Fx内效率为所有成功时隙的总时间与帧时长之比，同时满足EPC‑C1G2标准关于帧长为2q要求，0≤q≤15,设第x帧的空闲时隙数、成功时隙数和碰撞时隙数分别为mxe,mxs和mxc，第x帧的帧长为参与第x帧的识别的标签数为nx＝rx‑1，得到帧Fx效率公式(28)：其中：ηx‑1(qx‑1‑1,nxc)＝ηx(qx,nxc)   (29)ηx(qx,nx+1,c)＝ηx+1(qx+1,nx+1,c)在标签数变化条件下，根据式(28),通过数值计算不同帧长的识别效率期望值弧形曲线,在曲线顶部附近特别是两条曲线交点间效率变化较小，所以根据式(29)求得帧长为的效率曲线的左交点nxc和右交点nx+1,c，当标签数在两交点范围内，选择相同qx值时，效率值波动小；用式(29)求交点的解析值时，计算复杂，但通过MATLAB仿真曲线图，容易求得两条曲线交点近似数值解,根据标签数所属近似解范围来确定qx值：(1)如标签数在1到4间时，qx＝2，最高识别效率0.792，识别效率边界为(0.780,0.756)；(2)如标签数在5到9间时，qx＝3，最高识别效率0.765，识别效率边界为(0.757,0.742)；(3)如标签数在10到19间时，qx＝4，最高识别效率0.755，识别效率边界(0.743,0.736)；(4)如标签数在20到38间时，qx＝5，最高识别效率0.749，识别效率边界(0.737,0.732)；(5)如标签数在39到77间时，qx＝6，最高识别效率0.746，识别效率边界(0.733,0.728)；(6)如标签数在78到154间时，qx＝7，最高识别效率0.745，识别效率边界(0.730,0.728)；(7)如标签数在155到308间时，qx＝8，最高识别效率0.744，识别效率边界(0.730,0.728)；(8)如标签数在309到616间时，qx＝9，最高识别效率0.744，识别效率边界(0.728,0.727)；(9)如标签数在617到1232间时，qx＝10，最高识别效率0.744，识别效率边界(0.727,0.727)；(10)如标签数在1233到2463间时，qx＝11，最高识别效率0.744，识别效率边界(0.727,0.727)；(11)如标签数在2464到9852间时，qx＝12，最高识别效率0.744，识别效率边界(0.727,0.727)；将上述qx值内容放在阅读器存储器中，根据标签数的估计值，由此即可确定帧长；步骤3中帧中止策略AFE如下：帧Fx内标签数rx‑1,第x帧的帧长为已统计成功时隙数、空闲时隙数和碰撞时隙数分别为mxs、mxe和mxc，剩余时隙数为mxr，剩余标签数nxr,根据nxr和mxr来决定是否中止当前帧，具体步骤为：第1步 计算帧Fx内平均碰撞时隙标签数Cx(Lx,rx‑1)，得已盘查标签数txr＝mxs+round(Cx(Lx,rx‑1)×mxc；第2步 基于剩余标签数nxr＝rx‑1‑txr,和剩余时隙数mxr＝Lx‑mxs‑mxe‑mxc，得剩余时隙效率ηxr：其中第3步 查询rx‑1所属标签数范围，由此得到该范围的效率li、ri，如ηxr<min(li,ri)，则中止当前帧，重新选择该nxr对应qx值，开始下一帧识别过程。