RFID讀寫器的防碰撞技術
       RFID系統(tǒng)中的讀寫器和標簽通信具有空間受限的特性。在某些RFID系統(tǒng)的應用中，需要RFID讀寫器能在一個大的范圍內的任何地方都能閱讀RFID標簽，因此必須在整個范圍內配置很多閱讀器。RFID系統(tǒng)的不斷增多增加了閱讀器沖突的概率。隨著RFID應用的不斷增長，人們逐漸重視RFID讀寫器沖突的問題，并進行了一些研究。Daniel及Engels等最早提出了RFID閱讀器沖突問題，他們指出閱讀器沖突是一種類似于簡單圖著色的問題。隨后WMdmp和Engels等提出了一種閱讀器防沖突算法Colorwave。Colorwave是一種基于時分多址（TDMA）原理的分布式防沖突算法，當網絡中的閱讀器數量比較小時該方法是有效的和可行的。歐洲電信標準協(xié)會（ETSI）發(fā)布的EN 302 208標準采用一種基于載波偵聽多路訪問（Carrier Sense Multi.Access，CSMA）原理的先偵聽后發(fā)言的方法（Listen Before Talk，LBT）來減少閱讀器沖突的情況。盡管該方法的實現簡單，但是可能導致某些閱讀器長時間無法獲得信道。EPC Class1 Gen2標準闡述了采用頻分多址（FDMA）原理來避免讀寫器沖突的算法。但是由于大部分的標簽不具備頻率分辨能力，所以在該標準中仍然存在閱讀器沖突的情況?；ヂ?lián)RFID閱讀器沖突模型（Interconnected RFID Reader Collision Model，IRCM）是一種基于P2P結構的無須中央服務器參與的閱讀器信息交互模型。閱讀器之間通過協(xié)商和調整讀取速度、讀取時間等參數來減少沖突發(fā)生的概率。盡管不需要中央服務器，但是IRCM使得閱讀器經常陷于互相交互與協(xié)商的過程，這顯然會大大減少閱讀器的標簽掃描時間和工作效率。
      針對上述情況，本節(jié)提出了通過中央服務器集中控制閱讀器分時隙操作來實現避免閱讀器沖突的方法，并建立了一種基于模擬退火策略的混沌神經網絡進行閱讀器時隙分配問題求解的模型。這是一種基于TDMA原理的集中控制式防沖突方法，可以根據閱讀器沖突關系的變化在線進行閱讀器的時隙分配求解與控制，而且在不影響閱讀器工作效率的同時，可以消除密集閱讀器環(huán)境下的閱讀器沖突問題。

1.RFID閱讀器沖突及解決途徑
1）密集閱讀器環(huán)境中的閱讀器沖突
     密集閱讀器環(huán)境就是指在RFID系統(tǒng)應用中，在預定區(qū)域內部署多個RFID閱讀器，以滿足對區(qū)域內的所有標簽進行完全的、高可靠的讀取要求。系統(tǒng)網絡中包含多個閱讀器和一個中央計算機，閱讀器與中央計算機之間一般采用局域網（LAN）或無線局域網（WLAN）方式進行通信連接。網絡中的每個閱讀器通常具有不同范圍的識讀區(qū)域，各閱讀器的識讀區(qū)域可能有交集，即識讀區(qū)域有相互重疊的部分。為了便于說明，描繪了集閱讀器環(huán)境下的閱讀器沖突。每個圓圈代表一個閱讀器的識讀區(qū)域（實際應用中的識讀區(qū)域可能為不規(guī)則形狀），圓點代表相應的閱讀器。如果兩個閱讀器的識讀區(qū)域有相互重疊,R1和R2，則當R1、R2同時工作時，如果不采取防沖突措施，就會產生閱讀器沖突，甚至使整個RFID系統(tǒng)無法正常工作。
2）分時傳輸解決閱讀器沖突
      標簽是通過電磁耦合的方式從閱讀器獲得能量的，由于獲得的能量非常有限，所以無源標簽只具備簡單的功能而不具備區(qū)分不同頻率信號的能力。因此，RFID 閱讀器的防沖突無法通過 FDMA 來實現，而只能靠 TDMA 方法解決?？梢詫㈤喿x器的防沖突看成閱讀器時隙分配問題。時隙分配可能的實現方法可分為分布式時隙控制與集中式時隙控制兩種。分布式時隙控制方法以防沖突算法Colorwave 和 IRCM 為代表，時隙分配過程以網絡中的每個閱讀器為中心，各閱讀器之間相互反復通信協(xié)商來確定各自的工作時隙，發(fā)生沖突時往往通過增加新的時隙來解決，結果使得時隙分配過程較長且需要的總時隙數目多；集中式時隙控制方法幾乎不占用閱讀器的資源，通過中央計算機或服務器運行優(yōu)化算法進行時隙分配問題的求解，這種方法求解速度快且不占用閱讀器資源。
     因此，這里采用集中式時隙控制，即根據閱讀器之間的沖突關系，由中央計算機執(zhí)行時隙分配的優(yōu)化算法。在得到時隙分配結果后，中央計算機指定各個閱讀器在分配到的時隙內進行讀寫操作，從而消除閱讀器沖突情況。2.平面圖著色與閱讀器防沖突
RFID閱讀器沖突問題類似于一個簡單的平面圖G=（R，E）。頂點集合R是RFID閱讀器集合，即R={r1，r2，…，rn）。邊集合E描述了RFID系統(tǒng)中閱讀器之間的沖突關系。也就是說，
如果閱讀器Ri和閱讀器Rj的識讀區(qū)域之間存在交集，就將頂點ri和rj用一個無向線段連接起來。據此建立中的閱讀器沖突問題的平面圖G=（R，E)
有關文獻已經證明了任意一個平面圖均可用 4 種顏色來進行著色。因此，一個閱讀器網絡的防沖突問題即類似于一個平面圖的四色著色問題。因此，閱讀器防沖突問題可以看成閱讀器網絡的四時隙分配問題。這里采用基于退火策略的混沌神經網絡模型來進行閱讀器四時隙分配問題的求解。
3.閱讀器防沖突問題的混沌神經網絡模型
    采用神經網絡方法求解閱讀器網絡防沖突問題前，需要確定網絡中閱讀器之間可能存在的沖突關系，即獲得平面圖G=（R，E）的邊集E。
1）Hopfieid神經網絡模型
     下面采用二維Hopfield神經網絡（HNN）模型對閱讀器防沖突問題進行建模。
     首先，為了獲得閱讀器防沖突神經網絡的能量函數，需要建立一個二維Hopfield神經網絡，構造一個n×4階的矩陣v。其中，n為網絡中閱讀器的數目，矩陣v的每一行包括4個神經元，代表一種時隙，4個時隙T1，T2，T3，T4分別表示為‘1000’，‘0100’，‘0010’，‘0001’，那么n個閱讀器的四時隙分配結果就可以由n×4個神經元表示出來。
     設n×n階對稱矩陣d為閱讀器沖突關系矩陣，它描述網絡中閱讀器之間是否存在沖突，當閱讀器Ri和閱讀器Rj之間具有沖突關系時，dij=1，否則dij=0。對于圖7-14所示的閱讀器網絡，可以構造的閱讀器沖突關系矩陣為
為了消除網絡中的閱讀器沖突問題，必須使網絡中存在沖突關系的閱讀器工作在不同的時隙。根據這樣的約束要求，建立如下閱讀器防沖突神經網絡的能量函數：
    式中，A、B、C是常數；n×n階對稱矩陣d為閱讀器沖突關系矩陣；矩陣v是神經網絡的輸出矩陣。
     在式（7-3）中，第一項是行約束，在矩陣v的每一行4個神經元中，只有一個神經元的值為“1”，其余3個神經元的值全部為0。也就是說，當每個閱讀器都分配了T1、T2、T3、T4、四個時隙中的任意一個時，該項的值為 0。式（7-3）中的第二項是一個全局約束，它有助于神經網絡收斂于有效解，即當神經網絡收斂于有效解時，輸出矩陣 v 中每行只有一個神經元的值為 1，對 n×4 神經元矩陣 v 來說，所有值為 1 的神經元的個數是 n，這時該項的值為0。式中最后一項為邊界懲罰函數，只有當任意兩個存在沖突關系的閱讀器被分配了不同的工作時隙時，該項的值為 0。因此，當神經網絡的能量函數 E 的值等于 0 時，當前的輸出矩陣v的值就是閱讀器防沖突神經網絡的可行解。
根據二維Hopfield神經網絡能量函數的一般表達形式：
式中，wxi，yj表示神經元vxi和vyj之
之間的連接權重；Ixi表示神經元vxi的外部輸入偏差。比較式（7-3）和式（7-4），可以得到
因此，閱讀器防沖突神經網絡的微分方程為
式中，f為神經元的輸入/輸出函數；u為神經元的內部輸入；t為時間常數。解這個微分方程組就可以得到閱讀器防沖突神經網絡的有效解。根據輸出矩陣的每行各個元素的值就可以確定分配給每個閱讀器的時隙。
2）基于退火策略的混沌神經網絡模型
Hopfield神經網絡模型可以收斂到一個穩(wěn)定的平衡解上，但會經常陷入局部最優(yōu)。因此，在前面所建立的Hopfield神經網絡模型基礎上引入混沌機制和模擬退火策略，為閱讀器防沖突建立基于退火策略的混沌神經網絡模型，如下所示。
式中，vxi，uxi 和 Ixi 分別為神經元的輸出、輸入和外部輸入偏差；wxi，yj 為神經元連接權重系統(tǒng)；I0是一個正的常數；a 為比例系數；k 是神經元的退火速度系數；z（t）為自反饋權重系數，β是z（t）的衰減系數。
式（7-12）中的 z（t）（vxi-I0）
項起自抑制反饋作用，從而為系統(tǒng)帶來混沌狀態(tài)。而混沌具有隨機搜索的特質，因此可以避免算法陷入局部最優(yōu)。同時為了有效地控制混沌行為，引入模擬溫度 z（t）。z（t）在算法搜索過程中按照式（7-13）逐漸衰減，這樣使得神經網絡經過一個倒分岔過程而逐漸趨于穩(wěn)定的平衡點。當模擬溫度衰減至趨近于‘0’時，混沌狀態(tài)消失，此后算法獲得一個較好的初值，并按照 Hopfield 神經網絡算法繼續(xù)進行搜索并逐漸收斂于有效解。4.仿真實驗
1）仿真流程
采用MATLAB對基于退火策略的混沌神經網絡閱讀器時隙分配算法進行仿
仿真。仿真流程如下：
步驟 1：設置 A，B，C，I0，ε，k，α，z（0），β，uxi（0）等參數的值，如表 7-4所示。實驗中，uxi（0）取[0，1]區(qū)間的隨機數。
步驟2：根據式（7-10）和式（7-11）計算vxi（t）。
步驟3：根據式（7-3）計算能量函數E。
步驟4：根據式（7-12）計算uxi（t+1）。
步驟 5：判斷能量函數是否滿足穩(wěn)定條件。如果滿足進行步驟 6，否則進行步驟 2。能量函數的穩(wěn)定判據為：E 的值在連續(xù) l0 次迭代中的變化量小于 0
01；如果 E ≤10-6，則停止迭代；如果算法在1000次迭代中無法收斂到有效解，則停止仿真。
步驟6：輸出仿真結果，即輸出v和E。
2）仿真實驗結果
      對于圖7-13和圖7-14所示的閱讀器沖突網絡，用基于退火策略的混沌神經網絡算法經過162次迭代后，便得到了閱讀器防沖突的時隙分配有效解。輸出矩陣的值為、T2、T3、T4，對圖7-14所示的閱讀器網絡按照表7-5的結果進行著色填充的結果
從圖7-16可以看出，任意兩個識讀區(qū)域存在交集的閱讀器（即存在沖突約束的閱讀器）的識讀區(qū)域分別采用了不同的填充方式，由此表明了求解結果的正確性。vout盡管與式Hopfieid神經網
神經網絡模型的矩陣值不同，但仍然是閱讀器防沖突時隙分配問題的可行解。
     為了驗證算法的可靠性和效率，對不同的閱讀器網絡規(guī)模（閱讀器數目）n=10、15、20、25、30進行了50次實驗，所有50次實驗均得到了閱讀器防沖突問題的有效解。對于不同網絡規(guī)模，算法求解的平均迭代次數分別為171次、236次、282次、314次及375次。實驗結果表明了算法的可靠性及高效性。
3）算法性能分析
    首先，基于退火策略的混沌神經網絡閱讀器防沖突算法是基于TDMA原理的，因此運用該算法來解決閱讀器沖突問題從原理上講是可行的。
    其次，該算法屬于集中式控制算法，算法的執(zhí)行過程在中央計算機上實現，幾乎不占用閱讀器的掃描時間（只在確定閱讀器之間的沖突關系時占用極少的時間）。而分布式算法在執(zhí)行的全過程中，所有的閱讀器要相互通信來協(xié)調時隙分配，在時隙分配完成前無法掃描標簽。因此，從應用的角度來說，本節(jié)提出的方法更具有合理性和實用性。
     最后，在密集閱讀器環(huán)境中，Colorwave和IRCM算法大概需要10個時隙數量才能得到96%以上的傳輸成功率，而本節(jié)提出的新算法僅需4個時隙即可完成幾乎100%的傳輸成功率（除去算法執(zhí)行時間外都可以成功傳輸），
     顯然這里提出的新算法使得每個閱讀器具有更大的標簽吞吐能力。