用于至少一个接收参数的理论值的至少一个序列根据时间变化曲线的类型来确定，其中在生产作业期间在第二时间序列中对位于RFID读写器的接收范围中的RFID数据载体进行多次检测，其中对于在此所检测到的RFID数据载体中的每一个RFID数据载体根据时间变化曲线的类型分别确定实际值的序列，并且其中将在生产作业中所确定的实际值的序列与理论值的至少一个序列分别进行比较，其中根据相应的一致度选择在生产作业中所检测到的RFID数据载体中的一个。通过这样的RFID读写器能够实现已经根据所述方法所讨论的优点。
[0012]根据本发明的方法的有利的设计方案在下文中给出。在此所描述的特征的优点就意义而言也适用于根据本发明的RFID读写器。借助于本文所提出的设计方案既能够应用于单独地应用也能够彼此自由组合应用以改进所提出的方法或者以改进所提出的RFID读写器。
[0013]作为待评估的接收参数能够有利地使用相应的RFID数据载体的分别通过RFID读写器所检测到的高频信号的场强值、信噪比或者另一个定性标准。这些接收参数总归存在于常用的RFID读写器中，使得仅须对这些值进行记录。此外也能够有利地使用所发射的信号和所接收的信号之间的相位角作为接收参数，这尤其对于滤除反射是有利的。显然对于一个并且同一 RFID数据载体而言也能够检测到多个不同的接收参数，由此产生理论值或者实际值的多个序列，其中从所得到的曲线的相应的比较中能够计算出可能的加权的总值。
[0014]已经在稳定状态中，在所述稳定状态中既不改变RFID读写器和相应的RFID数据载体之间的间隔也不改变RFID读写器的发射功率或者其它的发射参数，接收参数的在检测过程的序列中所测量到的数值完全不是恒定的，使得在此已经能够确定变化曲线。然而当在时间序列期间相应地进行RFID读写器的发射功率的改变时，例如根据上升斜坡(“功率斜坡Power Ramping”)的方式或者在一个替选的实施方式中以非线性的方式、例如正弦形地或者指数地改变RFID读写器的发射功率时，可实现明显更好的结果。替选地或者附加地，作为一个变形方案也能够分别改变相应的RFID数据载体和RFID读写器之间的间隔。该实施方式尤其在这样的情况下是适合的，在所述情况下RFID数据载体或者通过其来表征的对象总归是运动的，例如借助于传送带等来运动。然而在所有情况下适用的是:应以相互类似的方式进行训练阶段期间的改变和生产作业期间的改变。然而在其它情况下也适合的是:关于时间轴相应地对这两个变化曲线中的至少一个变化曲线标刻度，以便确保所检测到的曲线形变化的可比性。用于改变的另一种方式是可行的，只要RFID读写器提供多个可切换的天线和/或可切换的天线极性(水平地、竖直地或者圆周形地)。因此对于之前所描述的措施替选的或者附加的是，在记录时间序列期间切换天线或天线极性，必要时在一个检测周期期间也多次地进行。此外，在RFID读写器的多个可用的无线电信道之间的改变也是适用的，这在这些无线电信道位于不同的频带中时才尤其是有利的。由此例如也能够检测到RFID数据载体中的下述RFID数据载体，所述RFID数据载体在特定的频率中由于因反射引起的干扰位于不能够检测的部位上。
[0015]有利的是，在训练阶段期间检测理论值的多个序列，其中这些序列中的至少一个由使用者选作为待使用的理论值序列。为此例如给出序列号或者与在此所检测到的RFID数据载体中的一个RFID数据载体不同的识别特征就是足够的。替选地，区分也自动地进行，例如根据从RFID数据载体的数据区中所读取的信息，或者根据序列号自动区分。因此例如能够根据RFID数据载体的功能组之间的识别号码的“前缀”或者“号码带”来区分，其中因此使用属于针对具体应用的组的RFID数据载体作为模式。因此随后在训练阶段期间已经能够在“模式-应答器”和可能同时接收到的所不期望的应答器之间区分。但是所提出的措施也能够用于在重复检测模式-RFID应答器的情况下选择所产生的变化曲线中的尤其适合的变化曲线。此外可行的是，能够从同一个模式-RFID应答器的多个变化曲线中自动地确定或者计算出尤其适合的理论值曲线。这一方面能够通过所确定的理论值曲线的平均值形成或者其它合并来实现，另一方面，RFID读写器或者其它计算机单元也能够选择下述理论值曲线作为“模板”，所述理论值曲线具有与所有其它所检测到的理论值曲线(模式-RFID数据载体的理论值的序列)最佳的一致性。除此之外能够有利的是，在检测多个理论值曲线的情况下也使用多个不同的模式RFID应答器，尤其是当在应用场景中应使用不同类型的RFID数据载体时也如此。因此在生产作业中必要时使用多个模板。
[0016]为了比较理论值的序列和实际值的序列，能够根据曲线中的每个曲线首先一次性创建特征变量或者特征变量数据集。随后为了比较曲线仅需比较特征变量或者特征变量数据集。在此自然不取决于绝对的一致性，而是取决于最佳可能的或者最高的一致性。在使用特征变量数据集的情况下，在此不必强制性地以相同的方式使相应的数据集的各个参数一致，而是更确切地说实行加权。在此，借助于神经网络和/或根据模糊逻辑的规则进行处理也是适合的。用于确定特征变量的尤其适合的方式例如是傅里叶变换或者关于在此作为离散值对的事实是快速傅里叶变换(FFT)。显然也能够使用用于评估模拟的或者数字的(时间离散的)信号变化曲线的其它方法。
【附图说明】
[0017]接下来根据附图阐述根据本发明的方法的一个实施例。所述实施例同时用于阐述根据本发明的RFID读写器。
[0018]在此示出:
[0019]图1示出在第一测量中在检测到三个RFID数据载体的情况下的时间变化曲线，
[0020]图2示出在第二测量中的时间变化曲线，以及
[0021]图3示出在第三测量中的时间变化曲线。
【具体实施方式】
[0022]在图1中以变化曲线的形式图形化地示出在多次检测三个不同的RFID数据载体TR1、TR2、TR3的情况下接收参数的值。在附图的横坐标上在此示出RFID读写器的发射功率的值。可以看出:以恒定的发射功率分别执行多个相继的测量，也就是说因此发射功率具有阶梯形的变化曲线。RFID数据载体TR1、TR2、TR3的所观察的接收参数的变化曲线在所述视图中作为实线、点状线和虚线示出；事实上，图1不作出宄竟发生多少次检测的结论。然而能够假设:对于记录在横坐标上的表示发射功率的每个值发生至少一次检测过程。
[0023]在图1中的视图的纵坐标上绘出接收参数，在此例如是接收场强(接收信号强度指示-RSSI)。在横坐标和纵坐标上绘出的绝对值被划分刻度，这意味着:事实上的发射功率和接收场强能够关于其绝对值偏离；也就是说在视图中给出仅一个定性的过程。
[0024]应假设:图1中的视图是训练阶段期间的情况，其中应进一步假设，RFID数据载体TRl是模式-RFID数据载体。其被评估的接收参数的值(在此:RSSI值)在完整地观察的时间变化曲线期间与RFID数据载体TR2、TR3的相应的接收参数相比更高。这意味着，图1中的情况可能已经通过从现有技术中已知的方式来控制。应假设:RFID数据载体TRl的接收参数的在此所记录的变化曲线应当用作为生产作业中的理论值的序列(理论值曲线)。
[0025]在图2和3中此时观察同一个场景，其中在该图2和3中记入生产作业的两个不同的测量周期(检测周期)的实际值。在图2和3中记录的RFID数据载体TR1、TR2、TR3不必是也在训练阶段中所使用的同一 RFID数据载体。
[0026]应首先观察图2中的情况。以类似于训练阶段的方式在此分别图形化地示出RFID数据载体TR1、TR2、TR3的接收参数的时间变化曲线。与图1中的情况相反，其中可能仅通过以比较的方式考虑接收参数的平均值或者最大值来确定RFID数据载体TR1、TR2、TR3中的待选择的RFID数据载体，图2中的情况是不太清楚的。
[0027]因此，在此对信号变化曲线的(平均)幅度的考虑在此不会导致如下目标，所述目标在于:自动地选择RFID数据载体中的“正确的” RFID数据载体，即RFID数据载体TRl。
[0028]在图1中可以看出，与RFID数据载体TRl相关联的曲线具有相对平滑的“变化”，这例如根据傅里叶变换产生如下结果:在该曲线变化中仅产生少量高频的信号分量，然而反之产生非常高的恒定分量(“直流分量”)。也就是说，这意味着:根据RFID数据载体TRl的理论值曲线产生的特征变量可能表明:大部分的低的信号频率和小部分的高的信号频率应假设为对于待选择的RFID数据载体是特征性的。一旦该信息被应用于三个在图2中示出的信号变化曲线，那么能够假设:在此RFID数据载体TRl的特征变量也