版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、射頻識別(RFID)技術(shù)是一種基于射頻通信的非接觸式的自動識別技術(shù),利用射頻信號作為載體傳遞信息和能量,實現(xiàn)與被檢測物體之間的信息交互。由于RFID技術(shù)具有通信距離遠,識別速度快,安全性好等特點,在供應(yīng)鏈管理、零售、身份驗證、防偽認證、智能安防等領(lǐng)域有廣泛應(yīng)用。物聯(lián)網(wǎng)相關(guān)應(yīng)用的快速發(fā)展對RFID技術(shù)的識別速度提出了更高的要求。
在很多應(yīng)用場合,當(dāng)讀寫器識別范圍內(nèi)的多個標簽同時返回信號時,讀寫器無法識別到其中的任何一個標簽,這時
2、就會發(fā)生多標簽碰撞。多標簽防碰撞算法用于解決這種問題。目前廣泛采用的動態(tài)幀時隙Aloha算法將碰撞時隙(兩個或者更多標簽同時響應(yīng)的時隙)當(dāng)成無效時隙??梢宰C明,即使在最優(yōu)幀長的條件下,系統(tǒng)吞吐率存在理論極限,對算法的優(yōu)化只能使系統(tǒng)吞吐率無限接近理論極限。通過硬件輔助的方法將碰撞時隙轉(zhuǎn)化為成功時隙是一種提高防碰撞算法性能的可行的方案。
本文對現(xiàn)有的多標簽防碰撞算法進行了研究,分析了碰撞信號恢復(fù)的方法,提出了基于碰撞恢復(fù)的多種防碰
3、撞算法優(yōu)化方法,包括碰撞信號恢復(fù)、標簽個數(shù)檢測、幀長優(yōu)化等;建立了基于MATLAB的仿真平臺并對影響算法性能的因素做了分析與討論;提出了基于碰撞信號恢復(fù)的防碰撞算法硬件實現(xiàn)的系統(tǒng)架構(gòu),并對碰撞恢復(fù)電路做了硬件實現(xiàn)。上述方法可以有效地提高系統(tǒng)多標簽識別的吞吐率并突破理論極限。
仿真結(jié)果表明,采用本文設(shè)計的碰撞信號恢復(fù)算法,在信噪比為30dB的條件下,當(dāng)時隙內(nèi)存在兩個標簽時,識別到兩個標簽的概率為51%,識別到一個標簽的概率為44
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于碰撞樹的RFID多標簽識別防碰撞算法研究.pdf
- RFID多標簽防碰撞算法的研究.pdf
- RFID系統(tǒng)多標簽防碰撞算法研究.pdf
- UHF RFID多標簽防碰撞算法研究.pdf
- 基于RFID的標簽防碰撞算法研究.pdf
- 基于搜索樹的RFID多標簽防碰撞算法.pdf
- RFID系統(tǒng)多標簽防碰撞算法的研究.pdf
- RFID多標簽防碰撞算法研究及應(yīng)用.pdf
- 無芯片RFID多標簽防碰撞算法的研究.pdf
- RFID系統(tǒng)標簽防碰撞算法研究.pdf
- RFID系統(tǒng)多標簽防碰撞算法的研究與實現(xiàn).pdf
- 基于無源RFID標簽防碰撞算法的研究.pdf
- RFID系統(tǒng)多標簽防碰撞算法的設(shè)計與研究.pdf
- 射頻識別rfid標簽防碰撞算法的研究
- RFID中多標簽防碰撞技術(shù)的研究.pdf
- 基于無源標簽的RFID防碰撞算法研究.pdf
- 射頻識別(RFID)標簽防碰撞算法.pdf
- UHF RFID多標簽防碰撞算法的研究與性能分析.pdf
- 多標簽超高頻RFID系統(tǒng)防碰撞算法研究.pdf
- 射頻識別-RFID標簽防碰撞算法的研究.pdf
評論
0/150
提交評論