RFID系统的关键技术——防碰撞技术的研究

来源 :华中师范大学 | 被引量 : 0次 | 上传用户:skyeyviva
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
无线射频识别(Radio Frequency Identification)技术是从20世纪90年代兴起的、近年来备受关注的一项非接触式自动识别技术。因其不需接触、无需人工干预,可工作于恶劣环境等优点,得到了越来越广泛的应用,被人誉为21世纪最具发展潜力的技术之一。作为一种新兴的技术,在应用中还存在一些不足,如标准不统一、成本较高等,本文对其关键技术之一--防碰撞技术进行了详细的研究和讨论,并对相关技术进行了MATLAB仿真分析。 在阅读器的天线区域中有多个标签到达时,它们几乎同时发送信号,产生信道争用的问题,信号之间相互干扰,即发生了碰撞。为了保证信息的正确传输,应采用防碰撞技术尽可能地避免碰撞的发生。 一般情况下,碰撞可以分为标签碰撞和阅读器碰撞两类。目前,研究大多是建立在时分复用基础上,而且大多是用软件来实现。本文对射频识别系统中的两大算法:确定性和不确定性算法进行了研究,在全面分析已有算法的同时,总结了它们各自的优缺点,并基于已有的算法,提出了一种改进算法,对其进行了MATLAB仿真验证。通过大量对比实验,得到下述结论:当标签序列号为8位时,改进的算法在总搜索次数这个指标上比已有的算法(这里为二进制算法和动态二进制算法)减少约50%;在标签需要发送比特数和阅读器需要传回的比特数这两个指标上,本算法也优于己有所有算法。且随着标签序列号比特数的增加,算法性能保持一定的水平,有一定的稳定性。最后对防碰撞技术中存在的问题进行了分析和展望,并给出了研究的方向。
其他文献
高分辨率遥感影像包含丰富的土地利用类型信息,针对单一卷积神经网络提取图像特征信息不足的问题,提出了一种多结构卷积神经网络(convolutional neural network,CNN)特征级联的分类方法。首先,选择CaffeNet(convolutional architecture for fast feature embedding)、VGG-S(visual geometry group
随着移动机器人技术的发展,其应用越来越广泛,移动机器人正在逐步进入社会的很多领域,如探险,军事,排雷,防污染等对人类比较危险的领域,体现出了很大的优势,受到了各国科学家
随着高速数据通信业务需求的不断增长,未来通信将逐渐走向高频化、宽带化。光纤射频传输(Radio Over Fiber,ROF)系统充分结合了光纤和高频无线电波传输的特点,能实现大容量、
随着双目视觉、深度摄像等技术的快速发展,物体表面的离散数据获取技术越来越成熟,因此,三维离散点云逐渐成为多领域的处理对象,而基于离散点云的三维重建技术逐渐成为了计算
LTE(长期演进)作为3G向4G演进的主流技术已得到了越来越大的关注,其相关产业也迎来了新的时代。在LTE系统中,同步技术是接收终端正确恢复基站数据的重要手段。本文对LTE系统