可并行识别的分组动态帧时隙ALOHA标签防碰撞算法

该文针对现有动态帧时隙ALOHA标签防碰撞算法的系统吞吐率低、算法效率低等问题,提出一种可并行识别的分组动态帧时隙ALOHA(PIGDFSA)标签防碰撞算法。该文以实验为基础,探索了待识别标签数、标签分组数、帧长对系统吞吐率与标签碰撞率的影响,研究了提升系统吞吐率与降低标签碰撞率的策略与方法。结合射频识别(RFID)的多天线系统,引入FastICA技术,从而实现碰撞时隙重新定义,并以此为基础,利用未识别标签数目自适应确定分组数与帧长。仿真结果表明:PIGDFSA算法在标签数达到2000时,算法吞吐率仍能稳定在92%以上,与FSA-256,GDFSA,BSDBG等算法相比具有更高的算法吞吐率,更少的空隙时隙,更高的算法效率。

帧时隙ALOHA的快速防冲突算法

标签防冲突算法是影响RFID系统效率的关键。目前基于帧时隙Aloha算法的改进算法主要是调整识别过程中的帧长,但都存在着帧长计算不准确、算法复杂和识别时间长的缺点。提出了一种新的防冲突算法,该算法将一个识别周期分为标签检测和数据读取两个步骤,充分利用标签检测的冲突信息,提高数据读取的效率,减少了识别的时间,提高了识别率。理论分析和仿真结果均表明,该算法可以更加高效快速地识别标签,特别适用于标签数目较多的场合。

基于哈希分组的动态帧时隙ALOHA防碰撞算法

针对DFSA应用的局限性和分组DFSA组内标签碰撞率较高的问题,提出一种基于哈希函数分组的动态帧时隙ALOHA防碰撞算法。根据标签符合二项分布的特点和概率论原理,采用一种新方法估计初始标签数量,通过构造哈希函数对标签适当分组,对分组标签逐一识别。仿真结果表明,该算法通过增加标签的分组数,减少了每组内响应标签的数量和时隙内标签的碰撞率,总时隙数、碰撞时隙数和空时隙数、系统识别效率几方面均有较大幅度提高,系统识别效率维持在0.4以上。

一种稳定高效的动态帧时隙ALOHA算法

基于ALOHA的随机性算法是解决标签碰撞的常用方法,在分析这类方法的基础上,提出了一种基于倍乘因子和分组思想的优化方法。改进算法实现简单,且大量的统计及仿真数据表明,该算法取得了稳定的高系统效率,缩短了标签的识别时间。

一种改进的RFID动态帧时隙ALOHA算法

射频识别(RFID)系统中,存在多个电子标签同时响应读写器的可能性,这将使得电子标签产生碰撞现象。在对帧时隙ALOHA算法分析的基础上,提出了一种改进的RFID动态帧时隙ALOHA算法。该算法通过对读写器范围内的标签数进行估计,设置最佳帧长度,使RFID系统获得最大吞吐量,从而提高标签的识别效率。仿真结果表明:与传统ALOHA算法相比,性能有明显改善。

一种改进的动态帧时隙ALOHA算法

在射频系统应用中,多标签同时存在的环境下,阅读器快速准确地鉴别冲突并识别标签、获取信息,成为提高系统性能的重要途径.为了解决标签识别过程中的冲突问题,通过对现有的防冲突算法进行分析,在动态帧时隙ALOHA算法的基础上,借助扩展的生日悖论概率理论,提出了一种改进算法.通过算法仿真,验证了算法可以有效地提高标签识别的精确度,减少了识别过程中的时间,从而提升了射频系统信道的使用效率,提高了系统性能.

一种基于时隙ALOHA的RFID系统防碰撞算法

防碰撞算法是RFID系统中的关键技术。针对防碰撞算法中ALOHA算法的局限性,本文提出的一种改进的基于帧-时隙ALOHA法的防碰撞算法,通过限制响应标签的数量,降低了冲突发生的可能性,提高了标签的识别效率。通过一系列的仿真实验,证明了本文所提出算法的优越性。

基于RFID动态帧时隙ALOHA的改进算法

在射频识别(radio frequency identification, RFID)系统中,动态帧时隙ALOHA算法是解决标签碰撞问题的常用算法。针对现有ALOHA算法存在调整至最佳帧长消耗步数过长和再识别过程中空时隙过多问题,文章提出了一种基于动态帧时隙ALOHA的改进算法。该算法根据当前时刻静态标签数确定阈值和调整帧长,减少了达到最佳帧长的步数,再识别过程中利用分治算法思想,对冲突标签按冲突时隙数划分成若干相互独立、规模较小的最优子结构,使每次轮询空时隙降到最低,从而实现了以最少时延完成识别。仿真结果表明,本文提出的算法能有效地降低时延,提高系统运行效率。

一种改进的动态帧时隙ALOHA算法

针对目前动态帧时隙ALOHA算法所需时隙数较多的问题,基于电子标签数量和发生碰撞概率的关系,提出了一种改进的动态帧时隙ALOHA算法.在改进算法中,帧长的确定不需事先估算电子标签的数量,而只需根据上一帧中电子标签发生碰撞的概率来确定.仿真试验表明,改进算法所需的时隙数和计算量较少.

改进型帧时隙ALOHA防碰撞算法研究

为进一步提高RFID系统中电子标签防碰撞算法的识别效率,对帧时隙ALOHA防碰撞算法的性能进行分析,提出一种结合精确标签估计和二进制搜索的改进型帧时隙ALOHA算法。将识别过程分为标签估计和标签识别两个阶段,在标签估计算法中引入碰撞概率上、下限参数,并精确估计标签数量对初始帧时隙大小进行优化;在标签识别阶段,利用二进制搜索算法对时隙内的碰撞标签进行快速识别。通过对识别过程进行仿真结果表明:改进的算法改善了防碰撞性能,提高了RFID系统的标签识别效率。

RFID中基于EPC G1G2的DTJ-ALOHA防碰撞算法仿真

针对EPC G1G2标准中的动态帧时隙防碰撞算法,在标签数量较多时,会导致Q值频繁的更改,从而增加了阅读器的负担等问题,提出一种以碰撞、空闲和成功时隙的差值,作为判断Q值改变门限的DTJ(Devalue Threshold Judgment)-ALOHA算法。通过Matlab仿真与EPC中算法做对比,验证了DTJ-ALOHA算法无论在Q值改变次数、平均吞吐率,还是阅读器的开销上都优于常见改进算法。

基于动态帧时隙ALOHA的危险品运输RFID防碰撞算法

针对危险品运输ALOHA算法随着标签数目的增多系统性能逐渐下降的问题,对射频识别系统和固定帧时隙ALOHA算法工作原理进行分析,运用Matlab辅助工具建立了基于动态帧时隙ALOHA算法危险品运输RFID防碰撞模型.实例分析和仿真验证结果表明,基于固定帧时隙ALOHA算法的系统效率在标签数为60时达到最高,之后随着标签数增多系统效率迅速下降;在标签数为0~100时,基于动态帧时隙ALOHA算法的系统效率随着系统标签数的增加而逐渐增加,并最终达到35.2%,具有较好的鲁棒性,能够有效提升危险品运输的安全水平.

增强型动态帧时隙ALOHA算法

针对现有帧时隙算法对帧长度的调整并不能使系统效率达到最大的缺点,本文提出了一种改进的算法。该算法首先对发生碰撞的时隙进行统计,再通过分析得出数学公式,并根据该公式计算出识别区域内未识别标签数,最后根据未识别标签数调整帧的长度。当未识别标签数很大时,算法采用分组对其识别。仿真结果表明,该算法适用于标签数较多的场合,当标签数为1000时,该算法比基本帧时隙ALOHA算法和动态帧时隙ALOHA算法的系统效率分别提高了89%和75%。

基于标签分组的DFSA抽样训练规则防冲突算法

主要对标签防冲突的问题进行研究,阐述了已有的分组算法原理,并分析其仍存在的可改进的地方,将标签分布特点与数据结构原型进行有机结合,提出相应的改进方案。引入了抽样和训练规则的概念,经过对分组过程的研究,找出帧长调整的规律性变化,提出了基于标签分组的DFSA抽样训练规则防冲突算法。通过实验仿真,充分体现了该方法在保证现有识别率的情况下,能够有效减少系统功耗,降低识别过程中的计算复杂度,缩短识别时间。

静态环境中分组ALOHA防碰撞算法研究

为解决射频识别技术RFID中大数量标签防碰撞问题,针对静态环境下标签数目的可预知性,提出一种适用于静态环境中的大数量标签防碰撞算法。在避开了动态帧时隙DFSA算法面临的难点同时,将二进制树形分解思想引入到基本帧时隙BFSA算法中,根据标签的有效编码位对标签进行分组,再分别对每组标签采用基本帧时隙BFSA算法。借助Matlab软件进行仿真实验,结果显示采用改进的算法后,标签发生碰撞的几率减小。

基于ALOHA防碰撞算法的研究

RFID技术利用射频方式进行非接触双向通信和数据交换,以实现目标的自动识别和远程实时监控及管理.在RFID系统中常出现数据冲突造成的碰撞问题,严重影响系统识别率.本文对高频和超高频中ALOHA防碰撞中各算法进行分析论证.

RFID中基于分组动态ALOHA防碰撞算法的研究

针对RFID系统中,多个标签同时响应读卡器时会产生碰撞这个问题,简要介绍了几种ALOHA防碰撞算法。在此基础上,改进了动态帧时隙ALOHA算法;进一步,提出了基于分组动态ALOHA的防碰撞算法。该算法预先对发生碰撞的标签数进行估算,根据估算的标签数目来调整动态帧。再依据系统性能设定分组门限值,充分利用分组法对标签进行防碰撞处理,最终实现RFID系统的多标签快速识别。仿真结果表明新算法可以提高信道利用率,大幅提高RFID系统性能,尤其适合于大容量标签识别场合。

基于混合溢出树搜索的帧时隙ALOHA防碰撞算法

为提高射频识别系统中电子标签防碰撞算法的识别效率,提出了一种结合精确标签估计和混合溢出树搜索的帧时隙ALOHA算法。算法将识别过程分为标签估计和标签识别两个阶段。在标签估计过程中,通过精确估计标签数量来对初始帧时隙大小进行优化。在标签识别阶段,利用改进的混合溢出树搜索算法对时隙内的碰撞标签进行快速识别。实验结果表明,该算法能够有效地改善射频识别的防碰撞性能,提高RFID系统的标签识别效率。

结合BP神经网络的动态帧时隙ALOHA改进算法

近年来,随着射频识别技术在生产生活中的广泛应用,人们对于标签读取系统的要求也越来越高.当面对大规模的标签数量时,射频识别系统常常因为标签响应在同一读取帧中发生严重的碰撞,导致出现读取效率降低的问题,而解决该问题最关键的是标签数量的估计算法是否快速准确.文章在分析传统算法的基础上,提出了一种新的标签数量估计算法,基于动态帧时隙算法的读取原则,生成特定帧长下标签数量数据集,然后搭建特定结构的BP神经网络,建立阅读器上一帧读取情况与剩余标签数量的映射关系,实现对标签数量的估计.通过仿真实验结果证明,相比于传统的标签数量估计算法,文章提出的算法在不损失准确度的同时,能有效降低阅读器读取时耗,提升系统效率.

基于动态因子均值的动态帧时隙ALOHA算法研究

动态帧时隙ALOHA算法是基于概率型的ALOHA算法的改进算法。在一定范围内,该算法识别标签时,帧时隙数能够随着标签数量的增加而动态增加;但当识别大量标签时,由于读写器硬件的限制,资源利用率和系统吞吐量大大降低。针对此问题,提出了一种基于动态因子均值估计算法的动态帧时隙ALOHA算法。首先,使用动态因子均值标签估计法对标签数量进行准确估计;然后,使用所提出的动态帧时隙ALOHA改进算法对准确估计的标签进行分组,并按照分组依次进行识别;最后,分别对动态因子均值标签估计算法和应用该标签估计算法的动态帧时隙ALOHA算法进行仿真。仿真结果表明,所提标签估计算法能够对标签进行准确的估计,使估计误差保持在5%的范围内。基于动态因子均值标签估计算法的动态帧时隙ALOHA算法能够保证30%以上的高系统利用率,而且整个识别过程所需的帧时隙数比动态帧时隙ALOHA算法下降了45%左右。