文档介绍：DFSA算法标签数目估计方法分析
[摘 要] Gen2标准和ISO 18000-6标准的TypeA中所采用的DFSA算法中的标签数目估计方法进行了对比研究,得出的方法或者逼近计算法,可以估计出当前的标签数N,减去当前一帧正确识别的标签数,就得到近似的剩余未识别标签数目,并依据表4-1动态调整下一帧的帧长。
这种方法,当F比较大时,公式(1)的查找或逼近算法会比较耗费资源和时间,不利于简单小系统的应用。
简单估算法
CHA J R,KIM J H提出了一种简单的标签数目估计算法[4]。文中指出,在DFSA算法下,系统始终在接近于最高吞吐率情况下工作,因此可近似假设F=N,定义一个时隙的碰撞比率:
因此一个碰撞时隙内平均存在的标签数Ctag为:
只要在一轮的标签识别后,统计出碰撞的时隙数S,则可以估算待识别的标签数为S*。文章中的仿真结果显示,以上两种标签数目估计方法性能差异不大。
根据识别率P1估算标签数目
根据切比雪夫定理[6],可知每个读周期读出的标签和标签总数之比依赖概率收敛到P1。即:
(C1/N)=P1=S,则每一个读周期结束时,期望读出的标签个数为:
由此式,在已知时隙数N和识别的标签数C(阅读器能够纪录已识别的标签数)情况下,可用最小均方差:
(4-5)
来估计现场实际的标签数N。因此,若估计出的标签数N小于当前时隙数F,则减少一帧中的时隙数,若N大于当前时隙数F,则增加时隙数N,使得系统能以最大吞吐率工作。
利用仿真统计获得的e-pc关系曲线估计标签数目
邓晓等人提出利用e-pc关系曲线估计标签数目的方法[5],文中设计了帧时隙ALOHA算法仿真及数据分析程序,对碰撞过程中的相关数据进行了统计分析,获得碰撞时隙中平均标签数目e与碰撞时隙比例的关系,为动态调整帧长度,提高识别效率提供依据。统计表明,不同帧长度碰撞时隙中的平均标签数e与碰撞时隙所占比例PC的关系基本相同。
可以利用关系曲线估算出未识别的标签数目,然后动态地调整帧长度,步骤如下:
(1)以帧长度F进行一轮识别后,统计出碰撞时隙个数Fc;
(2)计算Pc=Fc/F;
(3)根据关系曲线获得相应的e值;
(4)估算未识别标签数目nu=e*Fc;
(5)调整帧长度为nu进行下一轮识别。
利用统计的方法获得未识别标签数目估计的曲线,方法比较简单,但在实际应用中受硬件条件的制约,需要考虑一帧的时隙数为2的幂次。
其他方法
Vogt[7]注意到碰撞大多发生在两个标签之间,于是对空白时隙数目和识别时隙数目做简单的线性组合,就得到标签数目估计。但是这是一个有偏估计。Vogt[8]还给出了另一种误差最小估计方法,该方法力图寻找一个最佳符合所有3种时隙数目观测值的估计结果。这是一个遍历搜索最优结果的方法,计算复杂度较高。赵宏博提出一种新的导数可靠度合并估计方法DRCTE[9],利用空白时隙、识别时隙、碰撞时隙做出3个初步估计,在合并得到最后估计结果。