RFID讀寫器的防碰撞技術(shù)
       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(yīng)用中，需要RFID讀寫器能在一個大的范圍內(nèi)的任何地方都能閱讀RFID標簽，因此必須在整個范圍內(nèi)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(yīng)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(wǎng)絡(luò)中的閱讀器數(shù)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(xiàn)簡單，但是可能導(dǎo)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(jié)構(gòu)的無須中央服務(wù)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(diào)整讀取速度、讀取時間等參數(shù)來減少沖突發(fā)生的概率。盡管不需要中央服務(wù)器，但是IRCM使得閱讀器經(jīng)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(wù)器集中控制閱讀器分時隙操作來實現(xiàn)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(jīng)網(wǎng)絡(luò)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(jù)閱讀器沖突關(guān)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(yīng)用中，在預(yù)定區(qū)域內(nèi)部署多個RFID閱讀器，以滿足對區(qū)域內(nèi)的所有標簽進行完全的、高可靠的讀取要求。系統(tǒng)網(wǎng)絡(luò)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(wǎng)（LAN）或無線局域網(wǎng)（WLAN）方式進行通信連接。網(wǎng)絡(luò)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(yīng)用中的識讀區(qū)域可能為不規(guī)則形狀），圓點代表相應(yīng)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(chǎn)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(xiàn)，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(xiàn)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(wǎng)絡(luò)中的每個閱讀器為中心，各閱讀器之間相互反復(fù)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(jié)果使得時隙分配過程較長且需要的總時隙數(shù)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(wù)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(jù)閱讀器之間的沖突關(guān)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(jié)果后，中央計算機指定各個閱讀器在分配到的時隙內(nèi)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(guān)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(jù)此建立中的閱讀器沖突問題的平面圖G=（R，E)
有關(guān)文獻已經(jīng)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(wǎng)絡(luò)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(wǎng)絡(luò)的四時隙分配問題。這里采用基于退火策略的混沌神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)模型
    采用神經(jīng)網(wǎng)絡(luò)方法求解閱讀器網(wǎng)絡(luò)防沖突問題前，需要確定網(wǎng)絡(luò)中閱讀器之間可能存在的沖突關(guān)系，即獲得平面圖G=（R，E）的邊集E。
1）Hopfieid神經(jīng)網(wǎng)絡(luò)模型
     下面采用二維Hopfield神經(jīng)網(wǎng)絡(luò)（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(jīng)網(wǎng)絡(luò)的能量函數(shù)，需要建立一個二維Hopfield神經(jīng)網(wǎng)絡(luò)，構(gòu)造一個n×4階的矩陣v。其中，n為網(wǎng)絡(luò)中閱讀器的數(shù)目，矩陣v的每一行包括4個神經(jīng)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(jié)果就可以由n×4個神經(jīng)元表示出來。
     設(shè)n×n階對稱矩陣d為閱讀器沖突關(guān)系矩陣，它描述網(wǎng)絡(luò)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(guān)系時，dij=1，否則dij=0。對于圖7-14所示的閱讀器網(wǎng)絡(luò)，可以構(gòu)造的閱讀器沖突關(guān)系矩陣為
為了消除網(wǎng)絡(luò)中的閱讀器沖突問題，必須使網(wǎng)絡(luò)中存在沖突關(guān)系的閱讀器工作在不同的時隙。根據(jù)這樣的約束要求，建立如下閱讀器防沖突神經(jīng)網(wǎng)絡(luò)的能量函數(shù)：
    式中，A、B、C是常數(shù)；n×n階對稱矩陣d為閱讀器沖突關(guān)系矩陣；矩陣v是神經(jīng)網(wǎng)絡(luò)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(jīng)元中，只有一個神經(jīng)元的值為“1”，其余3個神經(jīng)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(jīng)網(wǎng)絡(luò)收斂于有效解，即當神經(jīng)網(wǎng)絡(luò)收斂于有效解時，輸出矩陣 v 中每行只有一個神經(jīng)元的值為 1，對 n×4 神經(jīng)元矩陣 v 來說，所有值為 1 的神經(jīng)元的個數(shù)是 n，這時該項的值為0。式中最后一項為邊界懲罰函數(shù)，只有當任意兩個存在沖突關(guān)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(jīng)網(wǎng)絡(luò)的能量函數(shù) 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(jīng)網(wǎng)絡(luò)的可行解。
根據(jù)二維Hopfield神經(jīng)網(wǎng)絡(luò)能量函數(shù)的一般表達形式：
式中，wxi，yj表示神經(jīng)元vxi和vyj之
之間的連接權(quán)重；Ixi表示神經(jīng)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(jīng)網(wǎng)絡(luò)的微分方程為
式中，f為神經(jīng)元的輸入/輸出函數(shù)；u為神經(jīng)元的內(nèi)部輸入；t為時間常數(shù)。解這個微分方程組就可以得到閱讀器防沖突神經(jīng)網(wǎng)絡(luò)的有效解。根據(jù)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(jīng)網(wǎng)絡(luò)模型
Hopfield神經(jīng)網(wǎng)絡(luò)模型可以收斂到一個穩(wěn)定的平衡解上，但會經(jīng)常陷入局部最優(yōu)。因此，在前面所建立的Hopfield神經(jīng)網(wǎng)絡(luò)模型基礎(chǔ)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(jīng)網(wǎng)絡(luò)模型，如下所示。
式中，vxi，uxi 和 Ixi 分別為神經(jīng)元的輸出、輸入和外部輸入偏差；wxi，yj 為神經(jīng)元連接權(quán)重系統(tǒng)；I0是一個正的常數(shù)；a 為比例系數(shù)；k 是神經(jīng)元的退火速度系數(shù)；z（t）為自反饋權(quán)重系數(shù)，β是z（t）的衰減系數(shù)。
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(zhì)，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(jīng)網(wǎng)絡(luò)經(jīng)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(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)閱讀器時隙分配算法進行仿
仿真。仿真流程如下：
步驟 1：設(shè)置 A，B，C，I0，ε，k，α，z（0），β，uxi（0）等參數(shù)的值，如表 7-4所示。實驗中，uxi（0）取[0，1]區(qū)間的隨機數(shù)。
步驟2：根據(jù)式（7-10）和式（7-11）計算vxi（t）。
步驟3：根據(jù)式（7-3）計算能量函數(shù)E。
步驟4：根據(jù)式（7-12）計算uxi（t+1）。
步驟 5：判斷能量函數(shù)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(shù)的穩(wěn)定判據(jù)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(jié)果，即輸出v和E。
2）仿真實驗結(jié)果
      對于圖7-13和圖7-14所示的閱讀器沖突網(wǎng)絡(luò)，用基于退火策略的混沌神經(jīng)網(wǎng)絡(luò)算法經(jīng)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(wǎng)絡(luò)按照表7-5的結(jié)果進行著色填充的結(jié)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(jié)果的正確性。vout盡管與式Hopfieid神經(jīng)網(wǎng)
神經(jīng)網(wǎng)絡(luò)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(wǎng)絡(luò)規(guī)模（閱讀器數(shù)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(wǎng)絡(luò)規(guī)模，算法求解的平均迭代次數(shù)分別為171次、236次、282次、314次及375次。實驗結(jié)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(jīng)網(wǎng)絡(luò)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(xiàn)，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(guān)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(diào)時隙分配，在時隙分配完成前無法掃描標簽。因此，從應(yīng)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(shù)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。