MIMO-RFID系统反向识别距离研究

超高频(UHF)射频识别系统(RFID)读取可靠性受多径信道制约,而多天线分集技术(MIMO)被认为能有效提高其链路可靠性。不同于一般的无线通信系统,UHF RFID反向链路是两个多径信道的级联,本文基于最大比合并(MRC)准则,分阅读器单站和双站天线情形,导出了Nakagami-m多径信道下单天线(SISO)与多天线(MIMO)RFID系统反向识别距离(RIR)均值的解析表达式,并通过数值仿真和实际测试研究了相关因素对RIR均值的影响。实验结果表明:MIMO技术能有效提高多径信道下UHF RFID系统的反向识别距离,并且阵列天线数越多、信道相关系数越小、信道衰落参数m越大,RIR均值将越高。     

基于雷达截面差值的标签通信误码率分析和测量

基于射频识别技术通信原理和反向散射理论,导出无源标签反向散射信号在"0"和"1"状态下的雷达散射截面差值与反向散射链路通信误码率的关系,提出一种适应于射频识别通信链路的误码率分析、测试方法。使用研发的基于虚拟仪器的射频识别测试系统,运用矢量相减法消除收发天线间直接路径泄漏信号产生的误差,测量了不同参数设置情况下标签的雷达截面差值和通信误码率。实验结果验证了该方法的可行性,且具有较好的通用性和可扩展性。     

基于小波包的多载波调制系统的峰均比分析与消减

介绍了以小波包函数为载波的多载波调制系统,分析了WPM信号符号周期内峰值功率的互补累积分布函数(CCDF)及其对PAPR性能的有效描述;并对不同小波滤波器组的PAPR性能进行了比较,提出了一种能有效减小WPM系统的峰均比的压缩扩展算法。仿真实验证明了该算法的有效性和可行性。     

基于遗传小波神经网络的RFID调制识别

在射频识别的调制识别方法中,神经网络常用的反向传播算法普遍存在收敛速度慢、容易陷入局部极小点、网络参数的选取只能凭实验和经验确定等缺点。针对上述问题,提出一种基于遗传算法优化小波神经网络的识别分类器。该分类器可以充分发挥遗传算法的全局寻优能力、小波分析的非线性逼近能力和神经网络的自学习特性,仿真结果表明其可以优化系统的收敛速度和识别精度。     

LabVIEW平台上的FM0码解码

在射频识别一致性测试过程中,通过比较噪声情况下3种FM0码解码方法的优缺点,在LabVIEW8.5软件平台上实现基于ISO/IEC 18000-6标准的电平跳变法。模拟一段标准偏差为0.5的高斯白噪声数据进行测试,结果表明电平跳变法能正确解码,并能快速得到数据解码后的恢复信息。     

基于场景几何特征的ETC识别范围预测方法

超高频(UHF)射频识别(RFID)系统具有标签成本低、识别距离远等优点,在电子不停车收费(ETC)等智能交通领域具有应用潜力。受电波的随机多径传播制约,实际应用中难以准确估计标签识别范围。针对ETC应用场景具有几何共性的特点,基于电波传播的几何光学方法,通过对标签接收多径射线的构成进行分析,融入场景几何特征和天线射频特征参数,提出了一种标签识别范围的预测方法。实际场景测试与仿真表明,能较精确预测标签在三维空间中的接收功率分布和识别范围,且精确性高于对数正态等经验模型,而复杂性低于电磁场的商用仿真软件。     

无源超高频RFID系统链路预算分析

计算无源超高频RFID标签可识别距离常使用Friis公式,但实际应用时存在电磁波的反射、衍射,以及标签各种贴附材料对其天线的电磁耦合效应,经典的Friis公式过于理想。本文给出了无源超高频RFID系统在实际环境中完整的链路预算模型,并对前向激活、单天线阅读器、收发天线分置阅读器三种情形分别进行了讨论。以该模型为基础,讨论了各参数,特别是小尺度多径效应和标签贴附不同材料对链路的影响,并给出了使用研发的RFID系统测试平台进行模型参数测试的方法,从而能有效估计实际应用时的标签可识别区域。     

改进频点权重系数的频域盲源分离排序算法

为解决卷积混合频域盲源分离排序不确定问题,研究了分离矩阵行列式变化和频点距离对基于相邻频点幅度相关性排序算法的影响,提出了改进的盲源分离排序算法.改进算法用权重系数来衡量频点对排序的影响,并将分离矩阵作为下一频点分离矩阵的迭代初值,给出了权重系数设定函数.最后对瞬时混合信号、卷积混合信号、实际房间采集信号分别进行盲源分离实验.实验结果表明,与Murata算法相比,改进算法分离信号信噪比提高、分离速度加快、算法鲁棒性强.