【摘 要】
:
射频识别技术(Radio frequency identification,RFID)是使用电磁波作为传输介质,实现数据双向通信的无接触式自动识别技术。作为物联网感知层的关键技术之一,射频识别技术以无接触感应、识别距离远、体积轻便、抗污染能力强、数据容量大等优势,被广泛应用于智能化交通、工业自动化等众多领域。但RFID系统中的信号碰撞问题作为造成其识别时间较长、准确率较低和通信量大等问题的主要原因
论文部分内容阅读
射频识别技术(Radio frequency identification,RFID)是使用电磁波作为传输介质,实现数据双向通信的无接触式自动识别技术。作为物联网感知层的关键技术之一,射频识别技术以无接触感应、识别距离远、体积轻便、抗污染能力强、数据容量大等优势,被广泛应用于智能化交通、工业自动化等众多领域。但RFID系统中的信号碰撞问题作为造成其识别时间较长、准确率较低和通信量大等问题的主要原因,已成为近年来的研究热点之一。因此,一个能够高效对标签进行识别的防碰撞算法对于RFID技术的研究与发展是必不可少的。信号碰撞问题可划分成两类:标签信号碰撞以及阅读器信号碰撞。本文主要围绕标签碰撞这一问题展开研究。本文首先对RFID系统的组成部分以及其工作的基本原理做了依次的介绍,之后对相关度较高的防碰撞算法原理进行了讲解。然后,针对传统的标签防碰撞算法易于出现的“初始冗余”问题和碰撞时隙较多的问题,在查询树的基础上,从多阅读器协作的角度提出两个防碰撞算法:算法一将RFID阅读器的初始广播层数锁定在树形结构的次末层,并通过曼切斯特编码能够识别标签碰撞位的特性对待广播节点进行优化,从而一定程度上缓解“初始冗余”问题。算法二在动态选择树形结构分叉层的基础上,结合多阅读器场景下的反概率函数,函数考虑阅读器间的有效信息交互,在阅读器中存储带广播节点的优先级队列,通过每轮广播阅读器间交换的广播前缀与广播结果,计算每个节点作为有效节点的概率,进而产生下一个最优广播节点。进而从信息交互的角度上优化了“多阅读器场景下的标签碰撞”问题。实验结果和理论分析表明,提出的算法在相同的仿真条件下具有更少的总时隙数量和吞吐率。算法一对于“初始冗余”问题有明显的改善,算法二能够大量的减少查询过程中的碰撞时隙,使用提出的两种算法应对标签碰撞问题,能够从一定程度上省略部分非必要的查询和减少标签读写过程中的数据丢失等问题,从而提高了RFID系统标签识别的效率。
其他文献
完全非线性偏微分方程是一类非常重要的偏微分方程,它和凸几何,微分几何,复几何,概率论等数学分支紧密联系,并且在最优运输,图像处理上有着广泛的应用.因此,关于它的研究无论是在理论上还是在实践上都具有重要的价值.Hessian方程是完全非线性偏微分方程中一类非常重要和典型的方程,它出现在很多有趣的几何问题中,比如,Minkowski问题,预定Weingarten曲率问题以及Special Lagran
在像Facebook或者Twitter这样的社会复杂网络中常常想要实现信息或者病毒等的传播,而由于现实的需要,通常想要尽可能快的实现信息或者病毒的全覆盖,那么要将信息全覆盖的时间尽可能的最小化应该如何实现呢?在解决这一类问题的背景下,2014年Bonato等人提出图的燃烧这样一个新的概念.用图的燃烧过程来刻画信息或病毒的传播过程,用燃烧数来刻画传播速度,燃烧数越小则说明传播速度越快.2014年Bo
逆曲率流问题不仅来源于对物理学中的Penrose不等式的证明,而且在数学上也有着重要的研究意义.尤其是逆曲率流(如逆平均曲率流,逆高斯曲率流等)的长时间存在性及其渐近行为的刻画;短时间存在性及有限时间内的奇异点分类问题等都是目前的研究热点.与此同时,该类问题的研究也促进了子流形几何,偏微分方程,泛函分析等交叉学科的发展.本文讨论欧氏空间中的一类具有迷向的逆平均曲率流,这个流是逆平均曲率流的一个自然
Monge-Amp(?)re型方程是一类非常重要的完全非线性偏微分方程.它源于最优运输问题,在仿射几何,几何光学,共形几何等问题中也有广泛的应用.在Ω内,Monge-Amp(?)re 型方程的一般形式为 det[D2u-A(x,u,Du)]=B(x,u,Du),当A三0时,Monge-Amp(?)re型方程就退化成了经典的Monge-Ampeere方程.Monge-Amp(?)re方程是由法国数学
常曲率子流形是一类重要的子流形,在子流形几何的研究中颇受几何学家关注.空间形式里的常平均曲率子流形(尤其是极小子流形)的研究是成熟的,有非常多的漂亮结果.自然的,大家会尝试将空间形式里的相关结论拓展到更一般的几何空间上去.近些年,乘积流形里常曲率子流形的研究吸引着越来越多专家学者的注意.在这篇文章中,我们证明了乘积流形Mn × R中具有非零Neumann边值条件的常平均曲率方程解的存在性和唯一性(