物联网RFID多标签识别防碰撞算法研究与实现

引 言

射频识别（Radio Frequency Identification，RFID）依靠非接触式空间电磁感应实现电子标签和读写器之间的信息交互，完成标签信息的传递，被广泛应用于智慧物流、智能交通等领域。 RFID 多目标识别系统中的碰撞问题分为读写器碰撞和标签碰撞两种，多标签识别防碰撞算法的研究，解决了多个标签同时与一个读写器进行通信的碰撞问题。在高频电子标签识别领域，标签的防碰撞一般采用基于TDMA 的ALOHA 算法及其改进算法，ALOHA 算法性能会随着标签数量的增加急剧恶化，导致信道利用率偏低；而基于确定性的二进制树搜索算法要遍历所有标签识别的可能性，故搜索效率较低。本文在分析ALOHA 及其改进算法的基础上提出了自适应动态时隙的改进算法。

1 基于ALOHA算法的标签防碰撞算法

1.1 ALOHA算法

ALOHA 算法是一种非常简单的 TDMA 算法，最早用于 解决网络通信中数据包的拥堵问题，通常用于简单的 RFID 系 统中。采用标签先发言的方式，自动向读写器发送自身的 ID 信息，完成身份认证后，只要有符合条件的数据包需要传输， 读写器和标签就开始通信，直至完成数据包交互。因此，这 种处理机制本身与应答器控制、随机的 TDMA 算法有关，两 个标签可以在不同的时间发送请求，从而避免数据发生碰撞， 如图 1 所示。但该算法在数据帧发送的过程中发生碰撞的概 率很大，而且标签没有载波监听纠错能力。ALOHA 算法平均 交换的数据包量在 G=0.4 时达到最大，仿真结果如图 2 所示。

交换的数据包量在 G=0.4 时达到最大，仿真结果如图 2 所示。

如果 RFID 系统吞吐率用平均吞吐率 S 表示，其值等于1 时表示无数据包发生碰撞，其值等于 0 时表示没有数据包传输成功，平均吞吐率 S 为：

可以得到，纯 ALOHA 算法的最佳信道利用率为 18.4%，提高信道利用率和数据吞吐量可采用，标签只在规定的同步时隙内才传输数据包。

1.2 时隙ALOHA算法

时隙 ALOHA 算法在 ALOHA 算法的基础上进行了改进， 把标签信息传输的时间划分为若干个离散的时隙，数据包只 能在时隙的起始端传输，以有效地将单纯 ALOHA 算法的碰 撞周期缩减为原来的一半，同时将信道利用率也提高一倍。当 标签进入读写器的识别范围并开始通信时，标签只在规定的 时间间隙内发送数据；当读写器不工作或者标签的时隙结束时， 标签发送请求命令无效，读写器响应标签请求。相比 ALOHA 算法，时隙 ALOHA 算法在很大程度上避开了请求高峰期， 碰撞概率为 ALOHA 算法的一半。由式（3）（、4）可得当 G=1 时， 吞吐率 Q 的最大值可以达到 36.8%，相比 ALOHA 算法提高 了一倍。

1.3 帧时隙ALOHA算法

帧时隙 ALOHA 算法是指在规定的时隙内，标签可以选择该时隙内的任一数据信道发送数据，如果选择的信道只有一个标签或占用信道的时间小于时隙长度，读写器可成功接收数据。反之，读写器接收数据失败，而未完成数据传输的标签将进入下一循环重新选择时隙（通道）。这种算法的优点是响应速度快，容易实施，但效率不高，而且也解决不了响应通道未开启的问题。由于该算法存在读写器无响应阶段的可能， 会造成标签在一定时间段内无法识别，所以基于时隙随机分配的ALOHA 算法只适用于低成本的RFID 系统。本文对比了帧时隙 L 分别取 16、32、64、128、256 时的标签数目与吞吐率的关系，固定帧时隙算法标签数目与吞吐率的关系如图 3 所示。由此可见，当标签数目和时隙数相等时，系统效率最高。

图 3 固定帧时隙算法标签数目和吞吐率关系

2 自适应动态时隙 ALOHA算法

动态时隙 ALOHA 算法解决了固定时隙算法时隙长度不变引起的标签等待问题，采用动态改变时隙个数的方式来提高系统的吞吐率。在多标签识别的过程中，标签数量的增加需要更多的时隙个数来完成数据传送。随着标签数量的增加， 系统的识别效率急剧下降。本文提出了一种自适应动态时隙的防碰撞算法，根据标签的数量自适应调整时隙长度，使得在标签数量较多的情况下仍然可以得到较好的吞吐率。首先，读写器初定一个固定的帧长发送命令，标签根据自身的条件对是 否符合要求作出回应 ；然后，读写器对发送数据的标签进行身 份验证分析后，大致估算已识别和未识别的标签数；最后，依 据未识别的标签数量，调整相应的帧长和通道数后，开始识 别标签。当未识别标签数量太多时，数据通道不够分配，通 常使用分组算法将未识别标签分成多个组，然后根据分组情 况自适应调整时隙长度来完成各组标签的识别。本文采用改 进演化算法进行时隙长度自适应调整，根据识别标签和未识 别标签的个数，调整时隙长度，选取系统吞吐率作为优化函数， 采用如下公式调整时隙长度 ：

其中：fmax为多标签识别系统最大吞吐率，favg为平均吞吐率，f ' 为每次选择的两个标签中具有较大吞吐率的选择方式，f 为不同标签的适应度值，pc1为调整时隙长度演化计算的最大交叉概率，pm1为演化计算最大变异概率。

自适应动态时隙 ALOHA 算法和动态时隙 ALOAH 算法的性能比较如图 4 所示。可以看出，当标签数量在 0 ～400 之间时，本文改进算法与动态帧时隙算法的吞吐率相当；当标签数量超过 400 时，改进算法的吞吐率明显优于传统动态时隙算法。

图 4 本文改进算法和动态时隙算法吞吐率比较

本文改进算法与固定时隙算法的性能比较如图 5 所示。可以看出，当标签数目在 0～200之间时，改进算法的吞吐率优于固定时隙算法；当标签数目在 200～300之间时，固定时隙算法的吞吐率优于本文改进算法；当标签数目在 300～400之间时，两者的吞吐率相当；当标签数目在 400 ～1 000 之间时， 本文改进算法的吞吐率优于固定时隙算法。

图 5 固定时隙算法和本文改进算法吞吐率比较

3 结 语

本文在对ALOHA 算法及其改进算法仿真分析的基础上， 给出了固定帧时隙算法时隙长度与吞吐量的关系，提出了一种 自适应动态调整帧长的防碰撞算法。仿真结果表明，系统吞 吐率最优时，所取的时隙数和标签数量基本相等 ；随着标签 数量的增加，自适应动态调整时隙长度的防碰撞算法吞吐率 明显优于固定时隙算法和传统动态时隙算法。