基于自适应框架的RFID标签防碰转算法.ppt

基于自适应框架的RFID标签防碰转算法 摘要：在供应链中应用无线射频识别（ RFID ）技术追踪移动的物体，其应用前景是非常广阔的。通过利用跟踪信息，可以有效地运作供应链。应用RFID技术有效地管理供应链的企业，它们都将取得巨大的竞争优势。但是在供应链中应用RFID技术需要解决几个问题，其中之一就是多个标签同时响应一个读卡器的命令时，读卡器不能准确的读取标签(TAG)信息，也就是我们说的标签发生了碰撞。由于碰撞，数据丢失，那么标签就需要重新将丢失的数据再传送一次。本文使用动态帧时隙ALOHA(Dynamic Framed Slotted ALOHA)协议来解决此问题，同时结合使用机器学习(machine learning)，本文提出的方法可以自动配置每帧的时隙以减少标签碰撞的次数。 名词解释： DFSA(Dynamic Framed Slotted ALOHA)：动态帧时隙ALOHA Machine learning：机器学习 Knowledgebase-framework:知识库框架 1、绪论： RFID碰撞问题主要分为两类：读卡器碰撞(reader collision)和标签碰撞 (tag collision)。当一个读卡器放在另一个读卡器的读取范围内时，两个读卡器同时尝试读取标签信息，这时就会发生读卡器碰撞；而所谓的标签碰撞则是，许多个标签同时响应读卡器的信号，在同一个时隙向读卡器发送信息。本文研究的是标签的防碰撞问题。 In the RFID tag/reader context, collision occurs due to two main media access issues: reader collision and tag collision. Reader collision occurs when more than one reader is present within one another’s reading range, and these readers attempt to read tags simultaneously. Under these conditions, the tags either do not respond at all or exhibit unexpected behavior. Tag collision occurs when multiple tags respond to a signal sent by the reader by simultaneously transmitting data to the same receiver slot. We consider tag collisions. ? 本文提出了结合使用动态帧时隙ALOHA(DFSA)协议和机器学习(machine learning)的方法来减少标签碰撞。此方法可以实时自动配置每帧的时隙以减少标签的碰撞，同时提高系统的吞吐量。 We proposal Dynamic Framed Slotted ALOHA protocol to reduce TAG collisions, by using machine learning, we adaptively configure the number of slots per frame in real-time to reduce the number of collisions and improve throughput in systems with RFID tags. ? 2、防碰撞算法 In this paper we compare ALOHA algorithms, Framed Slotted ALOHA, Dynamic Framed Slotted ALOHA. ?本文比较了三种不同的算法，纯ALOHA算法，帧时隙ALOHA算法，动态帧时隙ALOHA算法。 在纯Aloha算法中，标签通过循环序列传输数据。标签数据的传输时间仅仅为循环时间的一个小片段。在第一次传输数据完成后，标签将等待一个相对较长的时间后再次传输数据。 ? The ALOHA-type of protocols, on the other hand, let the tags choose when (i.e., time slot) they respond. When collision occurs, the tags involved in the collision participate in further iterations until resolution occurs. 帧时隙ALOHA算法是在ALOH