无芯片RFID多标签防碰撞研究
作者：陈 江，邹传云，何 毅，胥 磊，赵 旋
来源：2015年微型机与应用
摘要：本文利用Carl E. Baum提出的极点展开法（the Singularity Expansion Method，SEM）[4-5]来研究标签散射场特性[6-8]，进一步应用改进型矩阵束算法解决多个标签防碰撞问题，分析算法在无芯片RFID多标签识别中的有效性。
关键词：[2篇]&&[1982篇]&&[24篇]&&
　　0 引言
　　射频识别技术(RFID)能够实现物与物之间无接触式信息传递，即阅读器通过天线与电子标签进行数据交互。目前广泛采用无源有芯或者有源有芯电子标签，但其成本较高，无芯片RFID标签应运而生。因目前RFID防碰撞算法主要针对有芯片标签[1-3]，均基于阅读器主动控制标签休眠，而无芯片RFID标签内无IC芯片，只是拥有特定材质有限大小的结构，因此大部分RFID防碰撞算法在无芯片RFID的应用中失效。本文利用Carl
E. Baum提出的极点展开法(the Singularity Expansion
Method，SEM)[4-5]来研究标签散射场特性[6-8]，进一步应用改进型矩阵束算法解决多个标签防碰撞问题，分析算法在无芯片RFID多标签识别中的有效性。
　　1 相关理论
　　1.1 散射电磁场的SEM建模
　　1971年Carl E.
Baum将传统电路理论中用留数定理求解瞬态响应的方法推广到瞬态电磁场问题处理中，提出了SEM，其理论表明电磁波照射金属导体时，瞬态响应后期可以被看成一系列衰减复指数和的形式：
　　其中es(t)为后向散射的时域信号，M为极点个数，Ri是信号的留数，si为信号的复极点，一般取si=ai+jwi(ai取负数，称为阻尼因子或衰减因子;wi取正数，为自然谐振角频率)。由于散射信号是实数，所以极点总是以共轭对的形式存在。
　　同样，多标签散射场也具有相同特性，若查询信号频带覆盖了多个标签的自然谐振频率，由标签感应产生的后向散射回波信号电场es时域表示为：
　　式(2)和(3)中，r和t分别表示检测回波信号的位置和时间，M为所查询标签个数，em(Em)为第m个标签的早时响应，U(t)为单位阶跃函数，tm和Nm分别为第m个标签的后时响应开启时间和极点共轭对数目，第m个标签的第n个复极点和留数分别为sm，n和Rm，n。
　　在复频域中，信号的特征通过极点和留数来表征，而极点和留数的大小只与金属导体的形状有关，与激励源无关。所以标签结构与极点呈现出一一对应关系，标签的检测与识别的关键技术之一是从es(t)中提取信号的极点。
　　1.2 改进矩阵束算法(MPM)
　　目前，极点提取算法有多种，比如Prony方法、矩阵束算法[9-12]、短时矩阵束算法[13]等。实际情况中，Prony算法抗噪性能差，矩阵束算法采用内积形式研究极点提取问题，使抗噪能力有所提高。
　　在多标签防碰撞算法中，对传统矩阵束算法进行以下改进：如图1所示，在散射场时域信号es(r，t)中加一宽度为Tw的虚拟窗口，窗口每次滑动?驻t，同时应用一次矩阵束算法(MPM)计算极点和留数，直到窗口内无数据。由于早时响应的存在，早时期间极点处于不稳定状态，而后时响应期间极点会保持稳定，根据稳定的极点识别出标签。
　　2 多标签防碰撞设计及仿真结果
　　2.1防碰撞标签结构的建立
　　为了研究无芯片RFID多标签防碰撞相关问题，利用方形开槽结构标签建立仿真模型，如图2所示(尺寸单位：mm)。槽的长度决定谐振频率和衰减因子，标签1尺寸：L=45，H=10，L1=27，L2=30，L3=33，w=0.2;标签2尺寸：L=30，H=10，L1=18，L2=20，L3=24，w=0.2。
　　实验采用电磁仿真软件FEKO 5.5分别对标签1标签2进行仿真，得到其在50 MHz~10 GHz频域散射场信号数据，采样数据点数均为1
024。如图3所示，标签1散射场极点分布大约在5.2 GHz、5.9 GHz、6.9 GHz，标签2散射场极点分布大约在3.95 GHz、4.2 GHz、4.7
GHz。最后将标签1和标签2同时进行仿真，并设置两标签间隔距离为2 m。
　　2.2 无芯片RFID标签防碰撞的实现
　　2.2.1 改进型矩阵束算法参数选择
　　利用改进型矩阵束算法提取散射场信号极点时，需要选择合适的窗口宽度Tw和每次滑动的宽度t。窗口宽度Tw的选择可以根据采样点数N和时间总长T来决定，即Tw=T/N，此处Tw取0.04 ns较合适。经过多次实验，一般t≤Tw时，极点提取的效果比较理想，此处t取0.01 ns。窗口宽度Tw和滑动宽度t的选取直接影响到极点提取的精度，也将会影响多标签识别的准确性。
　　2.2.2 无芯片RFID多标签的识别
　　标签结构如图2所示的标签1和标签2的混合散射场时域信号如图4所示，应用改进型矩阵束算法提取其极点，获得极点的虚部与时间的关系(即谐振频率与时间的关系)，如图5所示。
　　从图5中可以看出，早时响应期间(tTon2期间)。由此可知，根据标签后时响应开启时间Ton的不同，标签可以被准确区分，解决了后时响应开启时间不同的多标签防碰撞问题。
　　3 结束语
　　本文将矩阵束算法进行改进并应用于无芯片RFID多标签防碰撞的研究中，在研究防碰撞的同时找出了标签的后时响应开启时间，根据各个标签散射场后时响应开启时间的不同，从标签散射场的谐振频率和时间关系中，准确地识别各个标签。此种方法对无芯片标签的识别以及多标签防碰撞有一定参考价值。但是此种方法有一定局限性，即针对各个标签距离阅读器距离几乎相等(后向散射开启时间近似相同)时，标签将无法被准确识别。
　　参考文献
　　[1] HWANG T W， LEE B G， KIM Y S， et al. Improved anti-collision scheme for
high speed identification in RFID system[C]. Proceeding of the First
International Conference on Innovative Computing， Information and Control，
单承赣，余春梅，王聪聪.改进的二进制查询树的RFID标签防碰撞算法[J].合肥工业大学学报(自然科学版)，)：.
　　[3] 李瑞林，刘嵩岩，苟鹏飞，等.RFID标签防碰撞研究[J].微机处理，)：100-103.
　　[4] BAUM C E. On the singularity expansion method for the solution of
electromagnetic interaction problems[J]. Interaction Note )：1-111.
　　[5] BAUM C E， ROTHWELL E J， CHEN K M， et al. The singularity expansion
method and its application to target identification[J]. Proceedings of the IEEE，
　　[6] REZAIESARLAK R， MANTEGHI M. Mathematical representation of scattered
fields from chipless RFID tags[M]. Rerlin： Springer International Publishing，
　　[7] LI Q， ILAVARASAN P， ROSS J E， et al. Radar target identification using
a combined early-time/late-time e-pulse technique[J]. IEEE Antennas and
Propagation，1998， 46(9)： .
　　[8] CHAUVEAU J， BEAUCOUDREY N D， SAILLARD J. Characterization of radar
targets in resonance domain with a reduced number of natural poles[C]. Radar
Conference， 2005 European. IEEE Conference Publications，.
　　[9] WANG S， GUAN X， WANG D， et al. Application of Matrix Pencil Method for
estimating natural resonances of Scatters[J]. Electronics Letters， 2007，
43(1)：3-5.
　　[10] SARKAR T K， PARK S， KOH J W， et al. Application of the Matrix Pencil
Method for estimating the SEM(Singularity Expansion Method) poles of source-free
transient response from multiple look directions[J]. Antennas and Propagation，
IEEE Transactions on， )：612-618.
　　[11] 徐利，邹传云，陈民，等.基于矩阵束算法的极点提取分析[J].通信技术，)：58-60.
　　[12] SARKAR T K， PEREIRA O. Using the Matrix Pencil Method to estimate the
parameters of a sum of complex exponentials[J]. IEEE Antennas and Propagation
Magazine，)：48-55.
　　[13] REZAIESARLAK R， MANTEGHI M. Short-time Matrix Pencil Method for
chipless RFID detection applications[J]. Antennas and Propagation， IEEE
Translations on， )：.
相关文章：2-288-248-58-48-3
关键字搜索：新闻中心：[8篇]&&[13350篇]&&[1篇]&&成功应用：[0篇]&&[1931篇]&&[0篇]&&解决方案：[0篇]&&[2309篇]&&[2篇]&&
图片文章：
最新发布产品
推荐解决方案
推荐成功案例工具类服务
编辑部专用服务
作者专用服务
基于视觉的汽车前向防碰撞技术的研究
针对目前汽车上的主动安全系统的成本高、普及性差的问题，较好的解决方法就是将成本低廉且技术成熟的视觉传感器应用于汽车主动安全系统当中。基于视觉的汽车前向防碰撞技术便成为提高汽车安全性降低交通事故发生率的主要方法。在此情况下，本文就基于视觉的汽车前向防碰撞技术做了相关的研究，具体的包括以下几个方面：
1.提出针对复杂环境的图像预处理方法和根据不同情况调用不同预处理方法的预处理方案。针对于传感器本身的噪声给出了基于小波变换的改善的软阈值降噪方法。对于外界环境原因的造成的图像降质，本文给出主要有两种处理方案。一是物理图像预处理方案，即通过在汽车驾驶室上摄像头对应的位置安装上防遮雨装置，可以很好的减少雨点落在镜头对应的挡风玻璃处；在镜头周围安装静电除尘装置减少室内灰尘对图像的影响。二是针对于不同天气或光线异常情况的图像预处理数学方法。
2.给出一种基于道路视频图像的车辆识别思路，即单帧识别加多帧验证的车辆识别方法。其中单帧图像中的车辆识别又分为基于边缘的轮廓检测和基于区域的车辆识别，每个感兴趣区域根据与汽车的相似程度给定相应的分值。多帧验证是根据不同帧图像之间的附加信息进行“伪车辆”的滤出。
3.提出了一种包括边缘定位和模板更新机制的车辆跟踪思路，根据汽车行驶的不同情况将跟踪情形分为车辆遮挡、车辆产生和消失、图像信号消失和光线异常等情况，并根据不同的情况提出了各种情况下的车辆跟踪思路。
4.提出了图像感兴趣区域的划分策略和通过目标车辆在图像中的尺寸大小、车辆底边在图像中的位置估算主车与目标车辆之间的相对距离和碰撞时间的方法。另外，本文还将主车的当前状态分为安全状态、提示性状态和紧急状态三种并对这三种状态给出了不同的预警策略。
学科专业：
授予学位：
学位授予单位：
导师姓名：
学位年度：
在线出版日期：
本文读者也读过
相关检索词
万方数据知识服务平台--国家科技支撑计划资助项目（编号：2006BAH03B01）(C)北京万方数据股份有限公司
万方数据电子出版社车辆防碰撞预警系统01_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
车辆防碰撞预警系统01
上传于|0|0|暂无简介
阅读已结束，如果下载本文需要使用2下载券
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，查找使用更方便
还剩1页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢adas系统,即高级驾驶辅助系统,是一款安全驾驶防追尾神器 ADAS介绍
什么是ADAS？
ADAS（Advanced Driving Assistant System）即高级驾驶辅助系统。是利用安装于车上的各式各样的传感器， 在第一时间收集车内外的环境数据， 进行静、动态物体的辨识、侦测与追踪等技术上的处理， 从而能够让驾驶者在最快的时间察觉可能发生的危险， 以引起注意和提高安全性的主动安全技术。ADAS 采用的传感器主要有摄像头、雷达、激光和超声波等，可以探测光、热、压力或其它用于监测汽车状态的变量， 通常位于车辆的前后保险杠、侧视镜、驾驶杆内部或者挡风玻璃上。早期的ADAS 技术主要以被动式报警为主，当车辆检测到潜在危险时， 会发出警报提醒驾车者注意异常的车辆或道路情况。对于最新的ADAS 技术来说，主动式干预也很常见。
ADAS的主要功能范畴
汽车高级辅助驾驶系统通常包括导航与实时交通系统TMC，电子警察系统ISA （Intelligent speed adaptation或intelligent speed advice）、车联网（Vehicularcommunication systems）、自适应巡航ACC（Adaptivecruise control）、车道偏移报警系统（ Lanedeparture warning system）、车道保持系统（Lanechange assistance），碰撞避免或预碰撞系统（Collision avoidance system或Precrash system）、夜视系统（Night Vision）、自适应灯光控制（Adaptivelight control）、行人保护系统（Pedestrian protectionsystem）、自动泊车系统（Automatic parking）、交通标志识别（Traffic sign recognition）、盲点探测（ Blind spot detection） ，驾驶员疲劳探测（Driverdrowsiness detection）、下坡控制系统（Hill descentcontrol）和电动汽车报警（Electric vehicle warningsounds）系统。
以色列Mobileye是国际ADAS领域的领导厂商，始建于1999年，总部位于以色列,另在美国、德国、日本、西班牙也有分部或者研究部门，主要致力于汽车工业的计算机视觉算法和驾驶辅助系统的芯片技术的研究。其研究成果和产品，可视作目前世界上最顶级的“智能驾驶辅助系统”（也有竞争者，但是没它强）,已集成至沃尔沃、通用、宝马、现代、沃尔沃客车、雷诺卡车等世界汽车制造商生产的车辆中。据综合信息整合：沃尔沃的“城市安全系统”和宝马的“车道偏离预警系统”均采用了Mobileye的核心芯片。
深圳市车元素实业有限公司于2009年被Mobileye授权为中国区代理并与其成为战略合作伙伴，并正式推出ADAS防碰撞预警系统。是国内早期将“AWS”“ADAS”“汽车防撞预警”概念和产品带入中国汽车后市场的企业之一。经过长时间的市场积累，并将长安大学权威研究理论成果和与物流运输车队合作的经验相结合。开始独立开发更系统、更全面的符合当前行业需求的汽车系统安全服务。
(C) 深圳市车元素实业有限公司 版权所有.
地址：深圳市罗湖区红宝路京基100D栋金龙大厦1725室联系电话：+86-755-76866电子邮箱：.cn网址：.cn