RFID数据采集过程中漏读现象频频发生,降低了RFID(radio frequency identification)应用中查询结果的准确性.目前解决漏读问题的算法主要是以RFID原始读数为粒度,并基于标签自身历史读数进行窗口平滑,这种作法会填补许多与查询无关的冗...
详细信息
RFID数据采集过程中漏读现象频频发生,降低了RFID(radio frequency identification)应用中查询结果的准确性.目前解决漏读问题的算法主要是以RFID原始读数为粒度,并基于标签自身历史读数进行窗口平滑,这种作法会填补许多与查询无关的冗余数据,并且在多逻辑区域参与的复杂应用中,填补准确率较差.为解决上述问题,首次将RFID数据从数据层抽象到逻辑区域层作为处理的粒度,提出3种基于动态概率路径事件模型的数据填补算法,通过挖掘已知的区域事件的顺序相关性来对后续发生的事件进行判断和填补.进一步,增加对时间因素的考虑,对概率路径事件模型进行扩展.大量实验证明,提出的各个算法在不同的情况下有着不同的性能优势,并且在精简性和准确性上要高于现有的策略.
RFID (Radio Frequency Identification,无线射频)技术因其无须接触、成本低等特性而被应用到很多领域。然而,由于RFID标签所在环境的不同以及射频信号物理特性等因素,阅读器所采集到的原始数据具有不确定性,主要表现为以下三种：漏读...
详细信息
RFID (Radio Frequency Identification,无线射频)技术因其无须接触、成本低等特性而被应用到很多领域。然而,由于RFID标签所在环境的不同以及射频信号物理特性等因素,阅读器所采集到的原始数据具有不确定性,主要表现为以下三种：漏读、积极读和冗余读。RFID数据的这种不确定性,制约着RFID的进一步的发展及应用。因而如何管理和利用RFID系统中产生的不确定的海量数据,就是目前应用RFID技术迫切需要解决的关键问题之一。现有的清洗RFID数据的技术主要有基于滑动窗口平滑处理数据,利用目标对象间的时空关联性清洗数据,或是RFID数据冗余的去除等。本文在以上方法技术的基础上,主要对漏读和阅读器冗余清洗进行了深入研究。(1)数据层漏读清洗。研究分析了经典自适应滑动窗口算法SMURF,对其进行了改进,改进的算法考虑到RFID标签速度对窗口大小改变的影响,以及将滑动窗口进一步划分来更好的检测出标签的跃迁现象,从而更好地调整滑动窗口。实验结果表明,本文改进的算法具有较高的数据清洗准确率。(2)数据层冗余阅读器去除。为了更好的检测阅读器部署密集的RFID应用系统的冗余阅读器,本文提出了一种基于阅读器通信的RFID冗余阅读器去除算法,该算法要求阅读器可以直接与相邻的阅读器进行通信来交流信息。实验结果表明,该算法较好的降低了时间复杂度,同时提高了冗余阅读器的检测率。(3)逻辑层漏读填补。根据给出的应用场景,建立概率路径事件模型,对该模型进行改进,加入时间因素,通过时间衰减模型来动态的更新概率路径事件模型,同时为了力求清洗结果的准确性,定义了最大概率路径事件来进行漏读数据填补。实验结果表明,改进的算法提高了逻辑层漏读数据填补的准确性。
暂无评论