不定长RFID标签反碰撞识别算法

射频识别技术中存在标签冲突问题,通常采用定长标签的反碰撞识别方法来解决。针对不定长标签的反碰撞识别,设计一种对RFID标签进行识别的高效二进制树形反碰撞算法——U-算法。模拟实现的测试与分析结果表明,U-算法具有二进制树形算法的优点,能达到41.67%的系统识别效率。     

改进型的二进制搜索RFID系统反碰撞算法

在射频识别（Radio Frequency Identification，RFID）系统中碰撞是一个很常见的问题。如何有效地解决这一问题对于RFID系统来说是至关重要的。包括跳跃式动态树形反碰撞算法在内的二进制搜索反碰撞算法是一种重要的解决碰撞问题的算法，但是这一算法有一个缺点就是标签的识别码的识别速率较低。为此提出一种改进型的反碰撞算法。和其他现存的算法相比，能够大大减少阅读器问询的次数，同时信息吞吐量可以进一步提高，算法模拟结果表明，当标签数目为100时，其吞吐量提高幅度为29.85％。     

基于修剪枝的二进制树形搜索反碰撞算法与实现

标签冲突是射频识别（RFID）技术的常见问题。解决此问题的反碰撞算法有ALOHA算法、分隙ALOHA算法。这些算法同时对大量标签操作时，效率较低。本算法依据阅读器作用区域内，有限个标签的EPC代码构成的二进制树存在许多空闲结点，搜索时忽略空闲结点，可以高效地识别所有标签。随后采用树的先序遍历思想予以实现，最终算法模拟表明：该算法对大量标签操作时效率稳定在46.22％附近。     

基于分组机制的跳跃式动态二进制防碰撞算法

在射频识别技术(Radio frequency identification, RFID)系统中, 标签碰撞的解决对于标签的快速识别极为重要. 本文提出一种基于分组机制的跳跃式动态二进制防碰撞算法(Anti-collision algorithm based on grouping mechanism and jumping dynamic binary, GJDB), 该算法通过在确定性算法中引入随机分组机制, 很好地解决了基于二进制搜索算法中, 由于标签数目不断增大所导致的识别效率降低的问题. 理论分析和仿真结果表明, GJDB算法的性能优于其他常用的标签防碰撞算法, 并且该算法对标签随机分组数目的选取具有较强的鲁棒性.     

Hash-tree反碰撞算法

针对EDFSA算法标签识别效率低以及二叉树搜索需检测碰撞准确位置等问题,提出了Hash-tree反碰撞算法。分析了算法的关键问题,确定了算法策略,进行了算法设计,证明了Hash-tree反碰撞算法识别效率期望值在36.8%~100%之间,优于EDFSA算法。仿真验证表明,该算法在识别效率方面有新突破,特别是在识别大量标签时优势明显。     

智能超市RFID的防碰撞算法研究

为提高智能超市的管理水平,提出一种新的RFID防碰撞算法——规则约束二进制搜索算法。该算法通过删除校验位、倒置编码顺序、逐次递进深度搜索等策略,实现对商品标签的快速识别。最后通过仿真证明了该算法具有识别效率高等优点。     

基于后退式二进制搜索的RFID防碰撞算法的研究

标签防碰撞技术是射频识别(RFID)系统中提高识别效率的关键技术。在对基本二进制搜索算法及其各种改进算法进行分析的基础上,提出一种基于后退式二进制搜索算法的改进算法IRBS。该算法引入标签状态计数器Rn来记录标签的状态。首先判定标签的反馈信息碰撞位,然后把最高冲突位作为标签分组的依据,联合利用前、后向搜索方法来减少标签的搜索范围。仿真结果表明,该算法能减少阅读器和标签之间的通信量,有效地提高标签的识别速度。     

RFID二进制树型折半搜索防碰撞算法

为提高RFID系统中多标签读取的工作效率,分析了二进制树型搜索防碰撞算法,提出一种改进型的二进制树型折半搜索算法．通过构建哈夫曼树,使用自定义编码,采用堆栈操作确定碰撞位,用折半查找方式减少重复路径访问量,并最终确定最短路径长度．数据分析及实验结果表明,二进制树型折半搜索防碰撞算法可以明显降低搜索深度,显著提高RFID多标签读取的工作效率。     

基于后退式搜索的自适应多叉树防碰撞算法

针对无线射频识别(RFID)系统中常见的标签防碰撞问题,在后退式搜索算法的基础上提出了一种改进的多叉树防碰撞算法。根据标签碰撞的特点,采用休眠计数的方法,以及遇到连续碰撞位时进行四叉树分裂的策略,使得在搜索过程中能够动态选择分叉数量,缩短了标签识别时间,有效地提高了算法的搜索效率。性能分析表明,该算法的系统识别效率达76.5%,且随着标签数目的增多,优越性更加明显。     

RFID系统中二进制搜索防碰撞改进算法

在射频识别系统中,多标签碰撞是一种常见的问题,有效的标签防碰撞算法是解决此问题的关键;提出了一种改进的二进制搜索防碰撞算法,该算法通过设置堆栈和设置标签内部休眠计数器来有效地减少读写器向标签发送的请求次数和读写器每次发送命令的参数长度,从而减少了标签和读写器之间的通信量,缩短标签的识别时间,提高系统的性能。     

基于优先级分组的防碰撞算法

针对在标签数量较多、运动较快的场合,常存在识别效率低且标签漏读率高的问题,提出一种先分组再处理的防碰撞算法——PAJS。该算法按照到达顺序对标签进行分组,以减小漏读率;根据标签识别过程中时隙状况自适应调整帧长度,提高算法的搜索效率;采用跳跃式动态搜索算法处理冲突时隙,从而减少搜索次数和系统传输量。Matlab仿真结果表明,该算法通信复杂度明显小于其他常用算法,吞吐率可达0.59~0.6。在待识别标签较多的场合,该算法优越性更加明显。     

基于混沌映射的改进奇偶量化水印算法

提出了一种基于混沌映射的改进奇偶量化水印算法。算法首先使用混沌序列对待嵌入水印信号进行混沌调制,再经过散列处理的序列定位嵌入的图像块位置及小波系数坐标,运用奇偶量化法嵌入水印信号。在充分考虑了人类视觉系统掩蔽特性的基础上,根据图像本身性质调节量化步长的大小,从而保证了算法的自适应性。而且,考虑到离散小波变换的特性,嵌入水印的位置仅在图像的中频子带。实验结果证明,算法具有更高的不可见性和鲁棒性,可以抵抗较高的压缩攻击。     

一种基于混沌搜索的文化算法及其应用*

针对文化算法求解函数优化问题存在过早收敛、不稳定等缺陷,基于文化算法框架、嵌入混沌搜索优化,提出了一种混沌文化算法。该算法模型由基于混沌的群体空间和存储知识的信念空间组成,利用标准知识和形势知识分别引导混沌搜索和混沌扰动,有效克服了文化算法过早收敛、混沌搜索优化对初值敏感、搜索效率低等缺陷。实例表明,该方法具有较强的全局搜索能力,在搜索效率、精度和稳定性上有显著表现,并能有效处理高维函数优化问题。     

基于分段搜索的多RFID标签抗冲突方法*

由于二元树抗冲突方法消耗的识别时间随标签数量呈线性增长,因而提高巨量（>100）标签的抗冲突识别的效率对于推动RFID的应用显得尤为重要。对此本文提出一种分段搜索清点RFID标签的抗冲突方法,通过减少清点过程中标签对阅读器回传数据的位数,达到减少传输耗时的目的。将其与现有的动态二进制搜索法对比,仿真结果表明,当标签突破一定数量,对于特定的分段方式,该算法能够显著降低清点过程的时间消耗。     

基于按位排序的射频识别防碰撞算法

在射频识别系统中碰撞问题是不可避免的,因此高效的防碰撞算法对于射频识别（RFID）系统是至关重要的,研究了碰撞问题的原理、比较了当前主流的防碰撞算法的优缺点,在此基础上创造性地引入了按位排序的思想。通过标签序列号的唯一性和无需比较的按位排序算法来确定标签在争用帧内相应时隙的相应顺序位的发送顺序,给标签分配不同的时序,从而更有效地解决了碰撞问题。通过仿真和比较表明该算法效率更高、稳定性更强,适合于现实中绝大多数的应用情况。     

计数型双时隙射频识别防碰撞算法

针对射频识别（RFID）二进制搜索防碰撞算法搜索次数多、通信数据量大等问题,在后退式搜索树算法和时隙算法的基础上,提出一种新的计数型双时隙RFID防碰撞算法CBS。CBS算法根据标签中的时隙计数器和阅读器收到的碰撞位信息对标签进行逐级分类搜索,并将应答标签分为两组,分别在两个时隙向阅读器返回数据信息;且阅读器仅发送最高碰撞位位置信息,而标签仅返回最高碰撞位以后的数据位。理论分析和仿真结果表明：和传统的后退式二进制搜索（RBS）算法相比,CBS算法搜索次数减少了51%以上,数据通信量减少了65%以上。CBS算法性能优于其他常用防碰撞算法,能大幅度减少搜索次数和数据通信量,提高搜索效率。     

基于神经网络图着色的阅读器防冲突算法

阅读器冲突问题严重影响了RFID系统的性能,降低了识别率。使用图着色方法将频率或时隙等资源合理分配,可以防止阅读器冲突的发生。但是图着色问题是一个NP难题,利用神经网络良好的非线性逼近能力,提出基于神经网络图着色的阅读器防冲突算法。分析了阅读器冲突类型及解决方法,给出了算法的详细步骤、公式推导和能量函数,并通过计算机仿真验证了算法的有效性。     

基于跨层优化的移动RFID防碰撞算法

为了提高移动场景下RFID系统识别率,提出了基于动态时间分组,跨层优化时隙选择的RFID防碰撞算法(FCFS-DC).该算法在读写器端根据当前帧的碰撞结果,动态改变时间分组大小,从而改变轮询周期长度,达到改善系统识别率的目的;在标签端根据物理层信号大小,利用二进制指数回退算法改变时隙选择策略,尽量让将要离开射频场的标签最先识别,增强了系统的识别率.通过计算机仿真计算表明,该算法比先来先服务(FCFS)算法[2],DSFA算法[3]具有更高的系统识别率.     

基于禁忌搜索的人工蜂群算法及其应用

人工蜂群算法(artificial bee colony algorithm,ABC)是一种简单有效的群智能算法,通过蜜蜂之间的相互合作寻找最优解.禁忌搜索算法(tabu search algorithm,TS)是人工智能与局部邻域搜索算法的结合,具有非常好的全局寻优能力.为了提高ABC的搜索效率和全局寻优能力,结合TS,在ABC中增加一个禁忌表,提出了一种基于禁忌搜索的人工蜂群算法(artificial bee colony algorithm based on tabu search,TSABC).通过对10个常用的标准测试函数进行实验,对TSABC算法进行了验证,并将其应用于图像边缘检测中.实验结果表明,TSABC取得了较好的优化效果,提高了寻优精度和收敛速度,边缘检测结果也更理想.