原始RFID数据流上复杂事件处理研究

一般的RFID复杂事件检测是建立在经过数据清洗的数据模型上,但RFID数据清洗往往代价较高且目的单一,更为影响效率的是其数据清洗步骤和复杂事件处理步骤需要扫描数据流两次.针对这些问题,提出直接在原始RFID数据流上进行复杂事件处理,将数据清洗步骤与复杂事件处理步骤相结合的方法,并设计出了集成此方法的复杂事件处理引擎架构,最后编程实现了上述架构的处理引擎.通过大量对比实验分析验证了该方法的正确性与高效性.     

分布式RFID复杂事件处理技术的研究

目前RFID复杂事件处理技术的研究主要针对集中式的处理。集中式RFID复杂事件处理技术对于海量RFID数据的处理具有很多局限性,主要表现为网络通讯代价高和处理效率低。针对集中式RFID复杂事件处理存在的问题,本文研究了分布式环境下RFID复杂事件处理的关键算法,采用一种Pull(抽取)类型的数据通讯模型来降低通讯代价,在此基础上提出了两种分布式的RFID复杂事件处理算法。实验结果表明,本文提出的分布式RFID复杂事件处理算法比集中式复杂事件处理算法更有效。     

RFID复杂事件检测方法的研究和改进

复杂事件处理（CEP）是一个新兴的技术领域,用于处理大量的简单事件,并从其中整理出有价值的事件。RFID事件和传统事件相比具有海量、时间性和空间性、数据不准确等特征。针对RFID事件的相关特征进行研究,建立一个可扩展的基于规则的RFID复杂事件处理系统是非常必要的。从复杂事件的描述模型、处理框架、上下文语义、检测方法等方面总结了国内外RFID复杂事件处理的研究现状,分析了目前的研究存在的不足,并且针对SASE的复杂事件算法存在的三点不足进行了改进。实验证明相关的改进对简单数据集是有效的。     

RFID数据流上多目标复杂事件检测

已有的RFID复杂事件处理技术主要关注于单个RFID对象的复杂事件检测和优化技术.实际上,很多RFID应用中往往需要同时检测多个同类型关联目标的复杂事件序列.研究了多个关联的RFID对象的复杂事件处理问题.通过扩展的事件语言和算子的语义以支持同类型多个RFID目标复杂事件查询的定义.通过模式的变换规则,将RFID应用中存在的各种非线性多目标复杂事件模式转换成线性模式,以便各种多目标模式在一个统一的框架下检测.提出了基于自动机NFAb2的多目标复杂事件检测模型和多目标复杂事件检测算法.通过在多目标检测算法中使用关键节点下压和同位置约束置后优化策略,大大减少了单个类型上无用实例的数目和不同类型间模式匹配的搜索空间.与SASE算法的实验比较表明算法的正确性和高效性.     

RFID数据流分布式层次复杂事件处理

当前RFID应用中的复杂事件处理通常采用集中式的体系结构,这样不能适用于分布式的应用,并且由于存在单点失效和网络拥塞而缺乏健壮性和可伸缩性。同时,很多高效的RFID复杂事件处理方法不能很好地支持层次复杂事件。提出了一种基于CORBA的分布式层次复杂事件处理模型以及高效的基于查询规划的分布式层次复杂事件处理方法。实验结果表明该方法在处理大规模的分布式RFID应用时是有效的。     

基于内存受限的RFID复杂事件处理优化算法 *

复杂事件处理是RFID数据管理的关键技术,由于受到内存的限制,海量实时的RFID原始流数据处理 的中间结果部分只能存储在外存中,会产生内存瓶颈,严重限制了大规模RFID的部署。为此,提出了B+-树 分时优化索引（BIOT）的复杂事件处理算法。在内存受限的情况下,将数据流按时序进行分割,且用B+-树进 行区间分块索引,之后利用RFID数据流统计分布特性进行复杂事件查找与匹配,避免了频繁搜索外存,极大地 降低了I/O开销并提高了吞吐量。此外,进行了相关的对比实验,验证了算法的有效性。     

复杂事件处理技术在RFID中间件中的研究

事件处理是RFID中间件的核心功能之一.本文介绍了利用分层设计思想,并结合RFID中间件的数据特征,将复杂事件处理技术引入REID中间件,设计了一种事件处理模型,把事件划分为多个抽象层次,有效地解决了RFID中间件事件处理中存在的数据量大,语义信息简单的问题.     

复杂事件处理在RFID中间件中的应用

KFID中间件作为RFID技术的神经中枢.它的事件与数据处理能力直接关系到KFID应用的推广.复杂事件处理是一种事件与数据处理的新技术,通过介绍它的工作原理,说明在RFID中间件中引入复杂事件处理技术的依据,并给出基于复杂事件处理技术的RFID中间件的模块化设计方案.     

基于CEP的RFID数据处理模型研究

RFID数据处理技术是近年来射频识别技术应用研究的热点。本文针对RFID数据的特点以及目前RFID数据处理技术的不足,探讨了将复杂事件处理（CEP）技术应用于RFID数据处理的具体技术问题,提出一种基于CEP的RFID数据处理模型,重点对高速缓存cache、事件滤波器以及复杂事件构建器等关键技术进行了研究,对该处理模型的应用进行了讨论。     

RFID复杂事件处理关键技术的研究与改进

RFID复杂事件处理是一个新兴的技术领域,它用来处理大量的简单事件,并从中整理出有价值的事件。RFID事件和传统的事件相比较具有海量性、空间性和时间性、数据不准确性等特征。文中在分析RFID数据特点的基础上,对RFID复杂事件处理的关键技术进行研究和改进,主要介绍RFID数据的清洗和事件检测技术。对于RFID数据清洗部分,提出了多层次过滤的方法使得到的数据更接近真实情况,而事件检测方面则提出了局部检测和全局检测相结合的方法对相关数据进行检测以得到更有意义的数据供上层应用使用。最后,对RFID复杂事件处理的发展趋势做出展望。     

RFID中间件数据处理与过滤方法的研究

作为无线射频识别（RFID）系统测试平台的数据采集单元,RFID数据采集中间主要负责测试数据的采集和初步的数据处理与过滤。首先介绍了它的系统架构,然后重点介绍了它的数据处理与过滤模块,对逻辑映射引擎进行了分析,并且详细介绍了三种类型的RFID数据过滤器：去重过滤器、事件过滤器和标签码过滤器。     

A GA-based mobile RFID localization scheme for internet of things

In the current (Internet of Things) trend, the identification capability of RFID is integrated for the identification and applications of all objects, and this trend reveals the future demand for RFID wireless communication and localization. Therefore, this paper investigates the influences of RSSI and the distance to RFID and analyzes the common indoor localization algorithms, including range-based algorithms and range-free algorithms. However, there are too many interference factors in the indoor environment that easily lead to localization inaccuracy. To improve the RF-mapping technique in RFID that requires much time for initiation and lots of calculations, this paper proposes a GA-based (Genetic Algorithms, GA) localization algorithm to estimate the locations of unknown nodes and avoid the influence of environmental factors by pre-establishing the pattern. The designed scenarios and reference nodes in this paper are used to train our proposed algorithm and obtain the patents of the scenarios, which are adopted for RFID nodes to further compare and decrease errors. Therefore, as long as the algorithm is trained in advance with the scenarios and then include the patents in the new environment, the errors and the training time can be greatly reduced. Moreover, our proposed algorithm needs only little information about reference nodes to pre-establish the pattern.     

ALOHA标签防碰撞算法综述

ALOHA防碰撞算法是无线射频识别技术RFID（Radio Frequency Identification）中一种重要的标签防碰撞算法,该算法设计简单,容易实现,但系统吞吐率较低。其算法不断被研究改进,针对ALOHA算法及其改进算法加以详细的总结,对现在的研究方法加以理论推导、实验模拟,其中对动态帧时隙ALOHA（DFSA）算法中关键环节标签估计算法进行详细归纳。最后结合如今现状提出下一步研究方向。     

An on-line algorithm for cluster detection of mobile nodes through complex event processing

Clusters of mobile elements, such as vehicles and humans, are a common mobility pattern of interest for many applications. The on-line detection of them from large position streams of mobile entities is a challenging task because it requires algorithms that are capable of continuously and efficiently processing the high volume of position updates in a timely manner. Currently, the majority of approaches for cluster detection operate in batch mode, where position updates are recorded during time periods of certain length and then batch processed by an external routine, thus delaying the result of the cluster detection until the end of the time period. However, if the monitoring application requires results at a higher frequency than the one delivered by batch algorithms, then results might not reflect the current clustering state of the entities. To overcome this limitation, in this paper we propose DG2CEP, an algorithm that combines the well-known density-based clustering algorithm DBSCAN with the data stream processing paradigm Complex Event Processing (CEP) to achieve continuous, on-line detection of clusters. Our experiments with synthetic and real world datasets indicate that DG2CEP is able to detect the formation and dispersion of clusters with small latency and higher similarity to DBSCAN׳s output than batch-based approaches.     

A fusion strategy for reliable vehicle positioning utilizing RFID and in-vehicle sensors

In recent years, RFID has become a viable solution to provide object's location information. However, the RFID-based positioning algorithms in the literature have disadvantages such as low accuracy, low output frequency and the lack of speed or attitude information. To overcome these problems, this paper proposes a RFID/in-vehicle sensors fusion strategy for vehicle positioning in completely GPS-denied environments such as tunnels. The low-cost in-vehicle sensors including electronic compass and wheel speed sensors are introduced to be fused with RFID. The strategy adopts a two-step approach, i.e., the calculation of the distances between the RFID tags and the reader, and then the global fusion estimation of vehicle position. First, a Least Square Support Vector Machine (LSSVM) algorithm is developed to obtain the distances. Further, a novel LSSVM Multiple Model (LMM) algorithm is designed to fuse the data obtained from RFID and in-vehicle sensors. Contrarily to other multiple model algorithms, the LMM is more suitable for current driving conditions because the model probabilities can be calculated according to the operating state of the vehicle by using the LSSVM decision model. Finally, the proposed strategy is evaluated through experiments. The results validate the feasibility and effectiveness of the proposed strategy.