一种基于顺序优化的商用RFID系统信息批写入方法

本发明涉及物联网无线感知算法领域，更具体地，涉及一种基于顺序优化的商用rfid系统信息批写入方法。

背景技术：

1、射频识别(rfid：radio frequency identification)，作为物联网感知层的核心技术，为其提供多模态的感知数据，助力于其实现智能决策，是支撑物联网大规模应用，实现“智联万物”愿景的关键技术之一，被广泛应用于运输、制造、交通、零售、安保、国防等众多领域。典型的rfid通信系统主要由三部分组成：1)标签(tag)，每个标签具有唯一id(电子编码)，且无源标签可以从读写器发射的无线射频信号中捕获能量并进行与读写器通信，但是无源标签之间无法实现互相通信；2)读写器(reader)，可以通过无线射频信号向标签中写入数据，也可以从标签中读取所存储物品的信息和感知相关数据；3)后端服务器(theback-end server)，与读写器以高速传输的方式连接，并且为系统提供强大的计算和存储能力。rfid技术可以通过将标签附着(嵌入)在物体上(内)来标识目标对象并执行无线感知任务，从而实现对目标对象状态的实时监测。rfid具有通信非视距，通信距离较长等技术特点，克服了传统条形码技术的缺点，而且成本低、易部署。

2、信息写入是商用rfid系统中最为基础且重要的任务之一。作为商用rfid系统的现用标准，c1g2协议规定一个信息写入周期是由select、inventory和access三个步骤组成：select选择参与后续inventory和access步骤的标签子集；inventory验证且识别被select选择的标签；access则将信息写入被select选择且被inventory验证的标签中。优化信息批写入的关键在于减少select步骤的时间开销，这包含三个方面的原因：首先，select的巧妙设计可以充分利用批处理的潜力，从而最大限度地减少写入周期的数量，从而降低写入的时间开销；其次，select步骤占写入周期总时间的60％，而其他两个步骤只占40％；最后，select是支持修改的，而inventory和access是不可修改的。

3、select的功能主要由select指令实现，该指令由action、pointer、membank、length和mask五个参数控制。membank指定用于和mask进行对比的内容的存储位置。将每个标签membank中的内容称作为标签的伪id。pointer和length则分别在标签伪id中指定一个与mask比较的起始位，以及比较的长度。mask指定要应用于pointer和length的掩码。通过以上四个参数，读写器可以将标签分为两类，具有与指定mask匹配的伪id的标签称为目标标签，否则称为非目标标签。目标标签就是读写器需要写入信息的标签集合。读写器可以使用action将目标标签的标志位设置为a或b，把非目标标签的标志位设置为相反的数值，并选择仅带有标志位a或者b的标签(即目标标签)参与后续的inventory和access操作，而带有相反标志位值的非目标标签被排除出这一轮的写入周期。

4、在图1中为了进一步阐明select指令，给出一个rfid系统，其中t1到t6是系统中的6个标签。为了选择标签t3和t4进入到inventory和access步骤，读写器可发送指令select{000,5,3,111}，其中action＝000，pointer＝5，length＝3和mask＝111。在接收到select指令后，每个标签将其伪id中从第pointer＝5位开始的长度为length＝3的子串与mask＝111进行比较。带有与mask相匹配的子串的标签为目标标签，反之为非目标标签。如表1所示，基于action＝000，目标标签t3和t4会设置它们的标志位为a，而非目标标签将它们的标志位设置为b。因此，读取器可以通过只允许带有标签a的标签参与当前写入周期来选择t3和t4。同理，select也可以利用action不同的功能排除非目标标签，从而间接地选择了目标标签。

5、表1：select指令中的action参数

6、

7、

8、目前，能够兼容于c1g2协议的rfid批写入算法仅有ew、wb和gwb。ew算法通过将信息逐个写入目标标签来执行批量写入。这种方法可以部署在商用标签中，但却十分耗时。为了提高时间效率，wb算法将多个标签捆绑在一起而批量处理，从而减少了select指令的使用数量，但不支持包含大量标签的应用场景。为了进一步提高，gwb算法通过将标签分组实现大规模rfid系统的算法部署。

技术实现思路

1、本发明提供一种基于顺序优化的商用rfid系统信息批写入方法，进一步提高大型商用rfid系统中信息批写入的效率。

2、为解决上述技术问题，本发明的技术方案如下：

3、一种基于顺序优化的商用rfid系统信息批写入方法，包括以下步骤：

4、s1：构建标签的捆绑向量，作为标签的伪id；

5、s2：利用c1g2协议的action参数所制定的不同功能，基于捆绑向量的设计，在选择目标标签、排除非目标标签和结合前两者之间做出最优的决策，得到批写入的select指令序列，最大化减少select指令的使用数量；

6、s3：读写器根据所述批写入的select指令序列，将信息写入到rfid系统中的所有目标标签中。

7、进一步，步骤s1中所述捆绑向量bv包括bid、连续标签捆绑编码cbc和离散标签捆绑编码dbc，其中bid表示标签的组别，所述连续标签捆绑编码cbc用于将连续的标签捆绑在一起被select指令选择或排除，所述离散标签捆绑编码dbc用于将离散的标签捆绑在一起被select指令选择或排除。

8、进一步，所述bid为一个log2 n比特长的二进制字符串，其中，将所有的n个标签划分为大小相等的b个组，每一组的标签数量都包括n个标签，n＝n/b。

9、进一步，所述连续标签捆绑编码cbc为一个n比特长的二进制序列，且每一组的第i个标签ti的连续标签捆绑编码cbc的n-i+1比特的值设置为“1”，而其它比特的值设置为“0”。

10、进一步，所述离散标签捆绑编码dbc为一个k比特长的二进制字符串，其中包括一个由q个“01”组成的长度为2q比特的子串，每一组的第1个标签t1的离散标签捆绑编码dbc的第1个比特至第2q个比特设置为所述子串，第i个标签ti离散标签捆绑编码dbc的子串位置由第i-1个标签ti-1的子串位置循环向右移动1位得到。

11、进一步，步骤s2具体包括以下步骤：

12、s2.1：构建指引向量iv，所述指引向量iv指示捆绑向量bv中哪些比特位可用于选择目标标签或排除非目标标签；

13、s2.2：利用c1g2协议的action参数所制定的不同功能，在选择目标标签、排除非目标标签和结合前两者之间做出最优的决策，得到批写入的select指令序列。

14、进一步，步骤s2.1中所述指引向量iv，具体为：

15、一个指引向量iv对应一组标签，根据标签的连续标签捆绑编码cbc和离散标签捆绑编码dbc构建指引向量iv，所述指引向量iv的比特长度为所述连续标签捆绑编码cbc和离散标签捆绑编码dbc的比特长度之和，且指引向量iv中的每一比特与所述连续标签捆绑编码cbc和离散标签捆绑编码dbc中的比特一一对应，对与指引向量iv中的某个比特位，如果只有目标标签在这个比特位对应的连续标签捆绑编码cbc和离散标签捆绑编码dbc中的比特值为“1”，称这个比特位为t位；如果只有非目标标签在这个比特位对应的连续标签捆绑编码cbc和离散标签捆绑编码dbc中的比特值为“1”，称这个比特位为n位；其它的比特征为称为h位；指引向量iv中，所有的n位设置为“0”，其它位置设置为“1”。

16、进一步，步骤s2.2中在选择目标标签、排除非目标标签和结合前两者之间做出最优的决策，其中选择目标标签的策略，具体为：

17、在开始时，组内的所有标签都被标签为未选中；

18、在每次迭代中，读写器识别能够覆盖最大数量未被选择目标标签的1-run，并构造一个包含该1-run对应mask的select指令，然后利用该指令选择这些标签，所述1-run为一个连续为“1”的序列，最短的1-run是单个的1；

19、重复上述迭代，直到组内所有的目标标签被选中。

20、进一步，步骤s2.2中在选择目标标签、排除非目标标签和结合前两者之间做出最优的决策，其中排除非目标标签的策略，具体为：

21、利用bid排除非组内的标签，然后利用n位所对应的0-run排除组内的非目标标签，所述0-run为一个连续为“0”的序列，最短的0-run是单个的0；

22、利用贪婪策略，使用最少数量的select命令排除非目标标签。

23、进一步，步骤s2.2中在选择目标标签、排除非目标标签和结合前两者之间做出最优的决策，其中结合选择目标标签和排除非目标标签的策略，其中一种策略为：

24、在构造的指引向量iv中贪婪地选择一个或多个0-run或1-run，形成一个或多个select指令，选择一个可以完全覆盖目标标签的标签集合；

25、读写器利用0-run排除步骤1中所选定集合中的非目标标签；

26、另一种策略为：

27、排除一个可以完全覆盖非目标标签的标签集，选择了未被该标签集覆盖的目标标签，然后再选择该标签集中的目标标签

28、与现有技术相比，本发明技术方案的有益效果是：

29、本发明提供了一种基于顺序优化的商用rfid系统信息批写入方法，该方法利用一种全新的标签捆绑向量的数据结构和顺序写入优化策略，针对大型商用rfid系统中批信息写入问题，给出了一种高时效(轻量级)的策略，并且为未来该领域方法的发明设计提供了一定的参考意义。相比现有的商用rfid系统信息写入方法，该轻量级方法至少降低了25％的时间开销，并在实验仿真环境中表现出良好的鲁棒性。