本发明涉及RFID，网格感知模型，感知模型的建立方法，以及感知模型属性和属性的具体计算方法。
背景技术：
：：一套RFID设备通常由天线、线缆、阅读器、多个标签组成。基本的工作原理：阅读器通过天线发送载波的电磁信号，当标签进入电磁信号覆盖的空间后，通过电磁信号能量进行激活并开始工作，通过解析信号中传递的命令，执行相应的操作，如返回数据、修改数据、锁定标签等。RFID设备的感知模型是对RFID天线电磁信号空间分布的抽象，影响RFID设备感知模型的因素主要包括1)主动感知方RFID天线的电磁参数，如方向性、半功率角、增益等；2)被感知标签的灵敏度；3)周围环境的影响。目前的研究中，通常将RFID设备感知模型抽象成二维空间以设备为圆心的圆形，或者三维空间以设备为球心的球形。大部分研究采用二元感知模型(binarysensingmodel)和随机感知模型(probabilisticsensingmodel)。然而这种理想状态下的抽象存在如下问题：一、阅读器天线的电磁空间传播模型并非是球体，所以某些切面并非是圆。二、没有考虑实际环境中电磁信号的干扰。三、没有考虑实际应用中感知范围的具体的边界及确定方法。四、除是否感知外，没有给出更多的感知信息。技术实现要素：本发明的目的在于克服现有技术存在的上述不足，提供了适于RFID设备网格感知模型的建立方法。本发明的目的至少通过如下技术方案之一实现。一种适用于RFID设备网格感知模型的建立方法，该方法在已知感知距离下，通过对坐标网格坐标点处布置电子标签，并且该电子标签的可读取代表了该区域可读取，首先通过对离散感知距离下基本感知范围测试，获得初步基本范围；然后进行细化，并对感知范围向外围进行测试，获取更加精确的边界信息；接着通过静态读取，去除脏数据，获得网格属性；最终获取感知模型并通过插值映射的方法，求得其他感知距离下的网格细化感知模型信息。进一步地，所述进行细化是采用网格细化的方式对感知范围进行细化。进一步地，通所述去除脏数据是，对离散感知距离下基本感知范围测试获取的数据进行脏数据的剔除。进一步地，所述获得网格属性包括：通过标签的读取次数和RSSI值进行区域划分，并通过统计方法得到区域被划分为一个整体时标签每秒平均读取次数，该每秒平均读取次数作为区域内网格的属性，并给出数据的统计表。进一步地，通过建立多个离散的感知距离下对应的网格感知模型，通过插值映射的方法，得到离散的两个感知距离之间其他感知距离对应的网格感知模型。进一步地，通过感知距离的测量试验，建立该感知距离对应的感知模型，能获取多个其他感知距离下感知模型。与现有技术相比，本发明具有如下优点和技术效果：1.在获取基本感知范围后，提出采用网格细化的方式对感知范围进行细化，并对感知范围向外围进行测试，从而获取更加精确的边界信息；2.拓展了现有的RFID设备网格感知模型，通过描述RFID设备，RFID设备感知范围，以及感知范围网格化，赋予网格属性(读取次数/秒和RSSI值)；3.通过“插值”计算的方法，得出其他距离下的感知范围，从而使得可以通过采集一定量的数据，得到更大的感知范围，同时可以减少测试人员测试的难度以及耗费的时间；4.改善了由于阅读器天线的电磁空间传播模型并非为球体、实际环境中电磁信号干扰所产生的感知模型影响，提供了更多的感知信息。附图说明图1为适于RFID设备网格感知模型的建立方法的流程图。图2为基本测试标签的部署图。图3为基本测试获取的感知范围图。图4为网格细化后插值映射方法获取感知范围的局部图。具体实施方式为使本发明技术方案及其优点更加明确直观，采用结合附图，一步一步的详细进行说明，但本发明的实施与保护不限于此。适于RFID设备网格感知模型的建立方法的流程图，首先，以天线主方向为轴，垂直于轴的平面为标签部署平面，通过对离散感知距离下基本的感知范围测试，获得初步基本范围；然后采用网格细化的方式对感知范围进行细化，并对感知范围向外围进行测试，获取更加精确的边界信息；接着通过离散的距离实验测试和数据计算，包括感知范围，感知范围网格细化后每个网格的每秒平均读取次数属性。在获取多个离散感知距离测感知模型后，通过“插值”计算的方法，得出其他距离下的感知范围，以及感知范围网格细化后的网格属性。对于实验测试距离下的网格属性，采用对实验数据进行统计计算的方法，而对于其他距离下网格属性的计算，采用“插值”计算时对应网格映射的计算方法。本实例涉及的细化网格感知范围获取的方法包括：(1.1)粗粒度感知范围的获取方法如图1所示，首先，如图2，将标签部署在未细化的粗粒度坐标格的坐标点处，当标签被读取后，则认为标签代表的区域可被读取，即当标签处于区域内(稀疏点区域)的任何一点皆可被读取。通过此方法可以获取初步粗粒度的感知范围。图3所示为阅读器在10dbm功率下0.5m(稀疏点区域)和1.0m(较密集点区域)距离下的初步感知范围。(1.2)细化网格的感知范围获取当获取初步的感知范围之后，将坐标格进行细化，本方法采用将坐标格细化成五等分的形式，最终一个坐标网格被细化成25个小网格。进一步对初步感知范围的外围进行测试，得到更加精确的网格细化后的读取范围。(1.3)网格属性——每秒读取次数获取方法本方法将网格的每秒读取次数记做AVG1s(grid)具体统计方法如下：Step1：在经过一定的时间在经过一定时间time的静态读取后，获取得到：读取执行的总时间，每一个标签被读取的次数以及每次读取到时的RSSI值，同时将明显的脏数据清除。Step2：根据不同标签的不同的读取次数，以及返回的RSSI，将网格平面分为不同的区域，并标记区域ID。Step3：统计不同等级区域内的标签总读取次数，区域内的读取数总和采用如下公式(1‐1)进行计算：其中area代表step2划分的区域，包含N个标签，Tagi是区域内的第i标签，Access(Tagi)代表第i个标签在设定的时间被读取到的总次数。获得总和之后，对计算平均值采用如下公式：AVG(area)表示区域内的标签被平均读取到的次数Count(area)表示区域内标签被读取到的总次数，N表示区域内的标签总个数。用平均读取次数除以Step1中读取过程的时间time，获得每秒的读取次数作为区域网格的感知信息之一。2其他感知距离下网格感知模型的计算方法包括：(2.1)感知范围的映射方法通过(1.1)和(1.2)，本方法已经获取一些离散感知距离的网格感知模型。已知z0距离与z1距离下的感知范围，通过如下方式求得z距离(z0<z<z1)下的感知范围。Step1：比较z0距离与z1距离可读取网格数目Grid(z)(即读取面积的大小)，这里假设z1距离下可读取网格数目更多，而z0距离下可读取网格个数更少，即Grid(z0)<Grid(z1)，且z0距离下被感知网格在z1距离下也都被感知。可认为z1的范围包含z0的范围。Step2：将z0距离下的可读取网格全部映射给z距离下的网格，标记为可读取。Step3：将不属于z0距离下的，而单独属于z1距离下：可读取任一某列方向的网格数目记为Gridcol(z1)，可读取任一某行方向的网格数目记为Gridrow(z1)。计算映射块数目公式为：对于其中某一列来讲，获取可以映射的网格数目后，将靠近原点方向的网格由内向外，标记Gridcol(z)(进行下取整)个为可读取，对每一列做同样的处理。然后同理对于某一行来讲，获取可以映射的网格数目后，将靠近原点方向的网格由内向外，标记Gridrow(z)(进行下取整)个为可以读取，对每一行做同样处理。图4所示为网格细化后，阅读器输出功率10dbm下的0.5m(稀疏点区域)，插值计算得到的0.7m(较密集点区域),以及1m(密集点区域)的网格范围右下角局部示意图。(2.2)网格属性——每秒读取次数的映射方法首先具有距离z0和z1距离下的细化网格感知图，并且感知图的任一细小网格具有属性：标签读取次数/秒AVG1s(Grid)已经由以上的计算方法获得。采用(1.2)的方法，将整个感知范围划分为一个区域，对RFID设备的感知信息进行统计可以获取2‐1形式的统计数据表。统计数据表中列出了在不同功率(10dbm、15dbm以及20dbm)以及不同读取距离(0.5米、1米、1.5米、2.0米、2.5米、3.0米、3.5米以及4.0米)下标签的读取个数、读取总次数以及平均读取次数。由表2‐1的分析结果，可以认为AVG1sz(grid)值介于(grid)和(grid)二者之间。在(2.1)计算范围的网格在映射过程中作如下方法添加读取次数/秒的值，已知(z0<z<z1)。表2‐1不同功率下5秒时的读取数据统计表假如Grid(z0)<Grid(z1)，当网格单元在z0和z1下都可以被感知，用如下公式：如果网格只能在z1下被感知，而在z0不可被感知，则采用如下公式：其中(table)和(table)为表2‐1中将读取面所有标签划分在一个区域所得到的每秒的平均读取次数，只需带入相应的距离下的值即可。如果Grid(z0)>Grid(z1)，当网格单元可以在z0和z1下都被感知，可采用公式(2‐5)进行计算，如果网格只能在z0下被感知，而在z1下不能被感知，则采用如下公式：其中(table)和(table)为表2‐1中将读取面所有标签划分在一个区域所得到的每秒的平均读取次数，只需带入相应的距离下的值即可。当前第1页1 2 3 当前第1页1 2 3