面向物联网的嵌入式RFID中间件的研究与实现

来源 :广东工业大学 | 被引量 : 6次 | 上传用户:free_1
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
射频识别(Radio Frequency Identification, RFID),是一种具有广泛的应用前景非接触的自动识别技术。在RFID应用系统中,RFID中间件是其中重要的组成部分,其作为将RFID读写器设备与上层应用系统连接起来的中间桥梁,负责它们之间的数据信息交互。物联网技术发展中RFID产业规模位居前列,其应用已遍及智能化工业,畜牧业,农业,物流,交通,贸易,环保,军事,医疗,建筑等领域,简化了产业应用结构,为用户提供便利的同时也给企业带来了巨大的效益。物联网实质也就是将RFID技术与现实环境中网络系统、数据库等联系起来,从而组建成一个由大量联网通信的读写器设备及空间遍布标签组成比互联网更为强大全面的网络。面对当前日趋复杂的市场应用形势,对嵌入式RFID中间件的应用需求也是甚为强烈,深入研究并实现高性能的嵌入式RFID中间件,对RFID中间件技术的推广和应用具有重要的意义。嵌入式RFID中间件推广面临的一大难点在于平台的有限资源环境,在保证系统的各功能模块正常工作的基础上,合理分配优化系统资源。本文提出的嵌入式RFID中间件体系框架,根据功能结构划分为三个层次,分别为设备管理层、数据管理层、应用接口层等,并将各层功能实现以模块划分,使得各功能部分实现具有一定的独立性,便于测试,实现了设备操控、网络管理、标签数据读写、数据解析、数据过滤、数据存储等功能。通过统一监管读写器设备将各类设备对象标准化,只提供出一类标准形式接口给上层系统调用,底层设备数量及类型的变动不会影响上层应用程序访问操作,利用数据调度方法缓解了应用环境中数据处理的压力。加快整体运行速率,改善了系统工作性能。最后本文在实验室的嵌入式开发平台环境中对所设计的嵌入式RFID中间件进行了测试验证。从底层标签数据读写,读写器设备管理,数据解析和过滤等数据处理,到应用层用户访问操作,涵盖系统整体架构功能,测试结果表明该嵌入式RFID中间件各部分功能正常,性能指标达到预定设计要求。整个嵌入式RFID中间件系统设计层次结构清晰明了,具有较好的灵活性和可扩展性。
其他文献
大脑是人类生物体中结构和功能最为复杂的组织,其中包含有成千上万的神经元细胞。为了研究人类的大脑就必须要研究他的组成--神经元细胞,要研究神经元细胞就要知道神经元细胞是
无线网络相对于有线网络在很多资源和性能方面受到约束,例如:有电池供应电量的节点能量有限,节点的存储容量和计算能力受到制约,通信能力相对下降等。无线网络链路的物理层广
粒子群优化算法(Particle Swarm Optimization, PSO)是一种新颖进化计算方法,最初受启发于鸟群和鱼群特定的社会行为,是基于种群搜索策略的自适应随机优化算法。粒子群优化算
传统的勤工助学工作流程主要是以传统的纯手工和纸质操作为主,在很多情况下都是直接使用VFP、Excel等软件对整个数据流程进行单机操作,基本上没有专业的勤工助学管理软件。这
图像分割是计算机视觉研究的核心问题,其通过将图像划分成互不相交的区域,根据不同区域表现出明显的差异,从而提取出用户感兴趣的目标对象,广泛应用于工业、医疗、军事等领域
众所周知,智能体或称为Agent可以通过相互协作来实现他们的共同目标,以提高其整体的性能。在多Agent系统中,这种相互协作通常采用Agent联盟的形式来完成。所谓联盟就是多个同意
小水电作为清洁的可再生能源,是国家能源发展的重点战略方向。但是目前大多数的水电站对水电机组的异常噪声和故障诊断主要采用人工判断方式,不仅速度慢而且还会影响判断的准确性,因此需要研究基于机器学习的识别方法。流形学习具有探索数据集内在规律的能力,如何将流形学习算法应用于水电机组噪声源识别中具有研究价值。本文分析了水电机组噪声信号的特点以及流形学习方法应用在水电机组噪声源识别上所面临的问题,设计了针对性
文本分类是指在给定的分类体系下,根据文本的内容自动识别文本类别的过程。它是文本挖掘的基础与核心。从国内外该课题的研究分析可知,对于中文文本分类而言,分词问题和短文本分
互联网的逐渐发展,网络规模的不断扩大,网络技术持续的推层出新,各式各样网络应用迅速地出现与融入到人们的平常生活与工作当中,并保持着越来越社会化的趋势而不断发展壮大。这一
随着实时系统的不断发展,各式新应用的涌现,实时系统灵活性的要求越来越高。而实时调度算法承载着实时系统性能优劣的关键,一直以来是实时系统领域研究的重点。为了应对这些