基于比特估计的RFID标签数量估计算法

为了进一步提高稠密标签环境中标签估计算法的精度,在分析比较传统的基于比特标签估计算法的基础上,提出一种比特估计的优化算法。首先,基于二项分布理论,利用未被选择比特位的观测值计算空闲比特率;然后,通过确定空闲比特率的阈值,建立稠密标签环境中的标签数量估计模型;最后,推导出标签数量估计值与时隙消耗的数学表达式。仿真结果表明,改进算法的标签估计精度要优于传统的基于比特标签估计的精度,且对于不同规模的标签群,改进算法具有稳定的估计性能。     

基于序贯线性贝叶斯的RFID标签数量估计算法

为解决现有标签数量估计算法中估计精度与复杂度之间的矛盾,在分析比较现有算法的基础上,提出一种基于序贯线性贝叶斯的射频识别（RFID）标签数量估计算法。首先,基于线性贝叶斯理论,充分利用空闲、成功和碰撞时隙数量观测值及相关性,建立了标签数量估计问题的线性模型;然后,推导了标签数量估计值的闭式表达式,给出了表达式各阶统计量的序贯式求解方法;最后,对序贯式贝叶斯算法的计算复杂度进行了分析和对比。仿真结果表明,所提算法通过序贯贝叶斯方法提高了估计精度和识别效率,当观测时隙数为帧长一半时估计误差仅为4%。该算法以线性解析式形式更新标签数量估计值,避免了穷举搜索,与高精度的最大后验概率和马氏距离算法相比,计算复杂度由O（n²）和O（n）下降为O（1）。经理论分析和仿真验证,基于序贯线性贝叶斯的RFID标签数量估计算法兼具高精度和低复杂度的特性,能很好地满足硬件资源受限应用场景下对标签数量的估计需求。     

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。     

基于牛顿迭代法的RFID标签数量估计算法

ALOHA算法是一种被广泛采用的射频识别(RFID)标签防碰撞算法,要提高它的识别效率,算法帧长必须根据标签数量自适应调整,因此标签数量估计的准确性十分重要。针对已有标签估计方案存在的误差大问题,提出一种基于牛顿迭代法的标签数量估计算法(NIATE)。首先,根据标签数量与帧长的数量关系确定一个调节因子;其次,研究标签识别过程中成功时隙占总时隙比例,得到调节因子与所占比例的关系;最后利用牛顿迭代法求解得出准确的标签数量。仿真结果表明,NIATE算法在不同标签数量情况下,相比现有主流算法具有较好的自适应能力,标签估计平均误差更小,从而减少了识别所有标签所需的总时隙数,提高了系统吞吐率。     

自适应帧Aloha的RFID标签防冲突协议

为减少重复识别标签的时间,在动态帧时隙Aloha的RFID标签防冲突协议的基础上提出了一种自适应的动态帧时隙Aloha(adaptive dynamic framed Aloha,ADFA)的防冲突协议.在ADFA协议中,阅读器每成功识别一个标签就自适应地给该标签分配一个时隙号,该时隙号规定了标签在一次识别过程中被阅读器识别的顺序,若当前识别过程中待识别的标签与上一次识别过程中的标签相比有较多的重复,ADFA协议就可以减少冲突和空时隙,从而减少标签识别时间.另外,为进一步减少ADFA协议识别标签的时间,还对其作了改进,在改进的ADFA协议中,提出了一种低复杂度标签估计和最优帧长方案.理论分析和仿真结果均表明,ADFA协议在重复识别标签时能够减少识别时间,改进ADFA协议的标签估计方法能够减少计算复杂度,而其最优帧长方案能使系统的吞吐量得到提高.     

无标签数估计的被动RFID标签防冲突二进制树时隙协议

为提高射频识别(radio frequency identification,RFID)标签的吞吐量并减少系统的复杂度,针对被动式RFID标签识别系统,提出了3种新的标签防冲突协议,分别是动态二进制树时隙协议、自适应二进制树时隙协议和分裂二进制树时隙协议.这3种协议均采用二进制树时隙的算法,即标签先随机选择时隙,如果发生冲突,则冲突的标签立即执行二进制树分解,而其余的标签等待,直到分解结束再识别等待的标签.其最大优点在于无需估计标签,可减少系统的复杂度,同时,又能保持较高的识别标签的吞吐量,而且吞吐量不受标签的变化影响.从仿真结果看,所提出的3种RFID标签防冲突协议的最大识别的吞吐量能达到0.425,高于传统的动态帧时隙Aloha协议、树时隙类Aloha协议,并且当标签在5～1000时,识别吞吐量未产生大的波动.     

基于RFID的未知标签检测协议研究

RFID技术大大提高了库存管理、目标跟踪、供应链管理等诸多领域的工作效率.在这些应用中,经常需要将新的对象加入到系统中,现有对象经常被放错区域.当这些情况发生时,很有必要把这些标签快速、完整地检测出来.当前的检测技术并不能保证收集到所有未知标签,针对这一问题,给出了一种高效协议,解决了如何在不发射标签标志情况下关闭已知标签,通过比较已知标签预期回答与实际测得回答,阅读器实现已知标签和未知标签的检测.据此,提出了一种无冲突时隙配对技术及多散列时隙选择技术,帮助标签选择最佳时隙与阅读器通信,有效解决了未知标签和已知标签检测间的冲突,显著提高了检测效率.模拟实验结果表明,该算法性能优异,与收集系统中所有标签身份的基准算法相比,最优协议的运行时间平均降低了63％,降低幅度最多可达85％.     

基于非空时隙数的无线射频识别标签估算算法

针对无线射频识别(RFID)系统中现有标签估计算法估计时间长、误差大的问题,提出了一种基于非空时隙数的标签估算方法。首先,分析了动态帧时隙ALOHA(DFSA)算法的系统模型,指出标签估算的必要性;其次,对当前存在的一些标签估计算法进行了研究,列举其存在的不足;再次,通过在不同帧长条件下对非空时隙平均数与待识别标签数的关系进行研究,得出两者之间存在着的不依赖于帧长的归一化曲线并将其运用于标签估计。而且通过引入精度需求,运用概率分析理论和折半查找的方法来确定不同标签总数下的轮询次数K;最后,对所提标签估计算法进行仿真,从估算精度和估算时间两个方面与现有的标签估算算法作了性能对比分析。仿真结果表明,该算法最大估计误差仅为1%,在帧长为128、标签数为400的情况下,相比Adaptive Slotted ALOHA Protocol(ASAP)、Fast Zero Estimation(FZE)、最大后验概率(MAP)估计算法,其误差率分别减少了66.7%、78.3%和72.2%;此外在识别相同数目标签的情况下,所提算法耗费的估计时间也明显少于上述3种算法。由此可见,基于非空时隙数的标签估算算法具有较高的估算精度和估算效率,能够对RFID系统中的待识别标签进行快速准确的识别。     

物联网中大规模无线射频识别标签的容错估计算法

针对大规模物联网中RFID标签估计算法时间效率较低的问题,提出一种基于概率与响应信号累加的高效率RFID标签估计算法。在每轮协议的一个时隙中同步接收各个标签的响应,后端服务器通过比特运算构建RFID标签矩阵图。根据RFID标签的几何分布判断各个RFID标签是否存在。此外,设计非理想信道的容错机制,对于标签响应丢包、阅读器命令丢包以及噪声导致阅读器将一个空闲信道误检为忙信道等故障场景取得较好的效果。基于网络仿真平台的实验结果表明,在100 000个标签的RFID系统中,该算法的估计时间约为30 000个时隙,并且具有一定的容错能力。     

基于帧时隙ALOHA的RFID标签集合检测协议框架

大规模RFID应用需要高效的检测协议对RFID标签集合进行管理,而现有的高效检测协议大都基于帧时隙ALOHA方法。为此在总结已有文献中对于标签集合检测协议的不同描述的基础上,提出了基于帧时隙ALOHA的RFID标签集合检测协议框架：分析了协议时间度量、丢失率估算、已识别标签处理和最优检测效率问题等协议框架中的基本问题,总结了迭代识别、短响应时隙和随机响应三种典型的优化方法。针对基本的帧时隙ALOHA检测协议,本文进一步利用上述三种方法进行优化,并通过仿真实验对其效率进行了分析对比。实验结果表明,综合利用三种优化方法的协议检测效率高于已知最高检测效率的IIPS-CM协议。     

基于动态预约机制的防碰撞算法

针对无线射频识别系统中标签预约防碰撞算法不能有效利用预约时隙的问题,提出一种新的防碰撞算法。将每一轮的标签识别过程分为标签预约和标签读取2个阶段。在标签预约阶段,待识别标签随机选择一个预约时隙发送标签序列号的前一部分,即传统标签预约算法发送固定长度的短随机序列,每一轮预约时隙的数量根据估计的标签数量动态调整。在标签读取阶段,读写器根据预约时隙状态,通知选择可读预约时隙的标签继续发送序列号的剩余部分。实验结果表明,该算法采用动态预约机制,降低了冗余信息的发送量,可以有效减少碰撞和空闲时隙数。     

太赫兹高时隙利用率快速定向MAC协议

为解决移动场景下现有定向MAC协议存在冗余单节点扇区时段分配、波束赋形训练开销过大以及用时过长等问题,提出了一种太赫兹无线个域网高时隙利用率快速定向MAC协议(High Slot Utilization Rate and FastDirectional MAC Protocol, HUFD-MAC)。HUFD-MAC协议采用冗余单节点扇区传输下行数据以及基于时间信息减少发送波束训练帧数量的机制,有效提高时隙利用率,减少网络开销,降低波束赋形用时。仿真结果表明,相比于IEEE 802. 15. 3c和ACAP-MAC协议, HUFD-MAC的网络开销降低约3. 23%, MAC层吞吐量提升约8. 50%。     

采用标签组合与融合注意力的多标签文本分类

传统的多标签文本分类算法在挖掘标签的关联信息和提取文本与标签之间的判别信息过程中存在不足,由此提出一种基于标签组合的预训练模型与多粒度融合注意力的多标签文本分类算法。通过标签组合的预训练模型训练得到具有标签关联性的文本编码器,使用门控融合策略融合预训练语言模型和词向量得到词嵌入表示,送入预训练编码器中生成基于标签语义的文本表征。通过自注意力和多层空洞卷积增强的标签注意力分别得到全局信息和细粒度语义信息,自适应融合后输入到多层感知机进行多标签预测。在特定威胁识别数据集和两个通用多标签文本分类数据集上的实验结果表明,提出的方法在能够有效捕捉标签与文本之间的关联信息,并在F1值、汉明损失和召回率上均取得了明显提升。     

分裂二进制追踪树标签防碰撞协议

针对大规模RFID系统中的标签碰撞问题,提出了一种位追踪技术与最优分割理论相结合的标签防碰撞协议。该协议由二进制分裂过程与二进制追踪树识别过程这两个阶段组成。在分裂过程中,随机选择0或1可将当前响应标签集合进行二分,在得到可读时隙或空闲时隙时停止。在识别过程中,由于二分得到的左右子集合标签数近似相等,因此运用最优分割理论对左子集合标签数进行处理以得到右子集合的时隙数,自底向上在各右子集合上采用二进制追踪树时隙算法来完成对标签的识别。分裂过程简单、易实施,识别过程无需预先估计标签数量,对设备计算能力的要求低,设置最优分隔可明显减少空闲时隙。理论分析及仿真结果表明,该协议能够提高RFID系统的识别效率,在大规模RFID系统中性能更优。     

基于优先级避让的防碰撞算法研究

针对时隙随机分配的非确定性防碰撞算法可能出现的标签饥渴问题,提出了一种基于优先级避让的防碰撞算法。该算法将每一轮的标签识别过程分为标签预约和标签读取两个阶段,并根据标签在读写器作用范围内的驻留时间分配优先级。当预约时隙中出现碰撞时,读写器利用碰撞因子估计标签数量,当判断两个优先级不同的标签同时选择一个时隙时,优先级低的标签将在读取过程中主动避让,从而使对应的读取时隙避免碰撞。理论分析和仿真实验表明,该算法不仅可以有效减少碰撞时隙,提高系统的吞吐率,而且可以较好的解决标签饥渴问题,降低标签的漏检率,特别适用于标签数量大且对漏检率有严格要求的RFID系统。     

一种低参数的孪生卷积网络实时目标跟踪算法

针对基于深度学习的目标跟踪算法模型参数多、难以部署于嵌入式设备上的问题,提出一种改进的孪生卷积网络实时目标跟踪算法.设计一个非对称卷积模块来构建整个网络框架,通过非对称卷积模块的压缩层减少模型参数量,利用非对称层进行特征融合,以在保证精度的同时压缩模型大小.使用三元组损失函数代替逻辑损失函数进行模型训练,在输入不变的情...     

基于标签分组的动态帧时隙ALOHA算法

为解决无线射频识别技术系统中的多标签碰撞问题,提出一种基于标签分组的动态帧时隙ALOHA算法.将标签以ID信息分组为256个组后,阅读器按照标签ID号连续抽取8组,从该8组里每组挑取一个标签进行查询识别,标签收到命令后发送识别请求,阅读器记录碰撞时隙和空闲时隙数量情况并返回数值,标签以此调整时隙进行信息发送,标签按照确...     

融合BERT和图注意力网络的多标签文本分类

多标签文本分类问题是多标签分类的重要分支之一,现有的方法往往忽视了标签之间的关系,难以有效利用标签之间存在着的相关性,从而影响分类效果.基于此,本文提出一种融合BERT和图注意力网络的模型HBGA(hybrid BERT and graph attention):首先,利用BERT获得输入文本的上下文向量表示,然后用Bi-LSTM和胶囊网络分别提取文本全局特征和局部特征,通过特征融合方法构建文本特征向量,同时,通过图来建模标签之间的相关性,用图中的节点表示标签的词嵌入,通过图注意力网络将这些标签向量映射到一组相互依赖的分类器中,最后,将分类器应用到特征提取模块获得的文本特征进行端到端的训练,综合分类器和特征信息得到最终的预测结果.在Reuters-21578和AAPD两个数据集上面进行了对比实验,实验结果表明,本文模型在多标签文本分类任务上得到了有效的提升.     

面向EPC Gen2标准的RFID标签分组多位隙并行识别协议

在分析EPCglobal UHF class1 generation2和基于DFSA协议的高速标签识别算法的基础上,采用位隙FSA协议标签响应标志位隙的设置方法,通过在标签上设置一个组位隙响应标志字,提出了一种EPC Gen2 标准下的RFID标签分组多位隙并行识别协议GMBPIP,设计了一条新的分组查询命令和基于DFSA的多组标签并行识别协议流程,从理论上了分析GMBPIP协议的性能,并使用EPC Gen2 标准协议时间参数进行了仿真实验。结果表明,GMBPIP协议在不增加标签太多计算负担的情况下,能够在EPC Gen2标准下有效降低时隙空闲率和冲突率,提高了标签的识别率、时隙利用率;平均识别率不仅突破了帧时隙ALOHA协议最高36.8%的瓶颈,而且高于目前文献所述同类算法的性能指标,达到了70.95%~81.61%。GMBPIP可以作为低成本RFID系统高速识别大量被动标签的支撑协议。     

轻量型多路特征融合人体姿态估计

基于深度学习的人体姿态估计广泛应用于姿态识别、人机交互等领域. 为了提升人体关键点的检测精度, 很多网络采用运算量、参数量和复杂度不断增加的模型架构, 导致无法直接部署到低算力设备. 为了解决上述问题, 本文提出了一种多路特征注意力融合的轻量型方法. 模型基于HigherHRNet网络进行轻量化设计和训练, 包括: 采用通道拆分和通道混洗, 解决分组卷积后特征层之间存在的信息隔离; 采用线性运算的特征生成方法, 解决不同特征层之间存在的冗余性; 采用融合注意力信息的方法, 缓解因轻量化导致的准确率下降. 在MS COCO数据集上完成了模型的训练、测试、可视化以及消融实验. 实验结果表明本文的轻量化方法在保证直观的检测精度前提下, 能够显著降低人体姿态估计的计算量.