一种新型的混合查询树防碰撞算法

该算法在混合查询树算法的基础上,利用最高碰撞位和次高碰撞位的组合信息,对标签进行分组,标签根据碰撞位的组合信息,决定其推迟几个时隙进行响应,减少碰撞。性能分析结果表明,该算法优于 QT、HQT 算法,减少了查询次数和系统通信量,标签识别效率明显提高。     

双时隙二进制树堆栈式RFID防碰撞算法

随着射频识别系统的广泛应用,标签数量不断增加,导致了系统通信性能下降。文章通过分析和比较查询树算法(QT)、二进制树算法(BT)的优缺点,提出一种双时隙二进制树堆栈式标签防碰撞算法。该算法利用曼彻斯特编码的特性来确定标签识别过程中的ID碰撞位置,并且利用堆栈形成进一步搜索命令,逐一识别标签。通过仿真比较几个相关的算法,结果表明,双时隙二进制树堆栈式标签防碰撞算法在减少数据传输量、减少识别标签所需响应比特数及时隙数上明显优于现有QT和BT算法。     

一种新型RFID树形碰撞位识别防碰撞算法研究

多标签防碰撞算法在射频识别系统应用中发挥着重要作用。目前比较有代表性的树形防碰撞算法都存在识别周期过长、空闲时隙、碰撞时隙过多的问题。针对上述问题,提出了一种根据碰撞位分布特征,调整碰撞节点分叉数的防碰撞算法。仿真及实验结果表明,该方法能减少空闲时隙和碰撞时隙数量,提高查询效率及时隙吞吐量,满足实际需求。     

基于马尔科夫链的帧时隙ALOHA防碰撞算法仿真与研究

为了研究帧时隙ALOHA防碰撞算法性能,应用马尔科夫链模型对该算法标签识别过程进行数学分析,得到成功识别出的标签数量的状态转移概率矩阵.用蒙特卡罗统计方法模拟这一过程,对马尔科夫链模型求解,得到了标签数量、时隙数和成功识别率之间的关系曲线.     

快速自适应多叉树防碰撞算法的研究

为保障中心机房关键设备安全、稳定地运行,需要对中心关键设备进行实时监测,无线射频识别技术可满足需求,标签碰撞一直影响着该技术的大规模推广.本文提出一种快速自适应多叉树防碰撞算法,采用标签碰撞估计,完成多叉树的自适应动态搜索.该算法能有效降低空闲时隙数,提高吞吐率,减少标签碰撞数量,适合在机房环境下使用.     

RFID中间件设计及抗碰撞算法优化

在生产实践中,发现RFID系统随着标签数量的增加,碰撞概率随之提高,无法高效地识别标签。为了在大规模使用RFID标签的情况下提高抗碰撞性能,通过分析、建模、实验,发现应用概率模型的识别概率曲线,可以从一次扫描获得的识别标签数反推外部的标签规模,从而智能调整帧时隙数,降低碰撞概率。该方法能优化RFID系统在大规模标签中的识别效率,适用于物流领域中标签数量很多的场景。     

一种改进的动态二进制防碰撞算法

针对RIFD标签识别过程中的碰撞问题,在动态二进制防碰撞算法基础上提出一种改进的防碰撞算法。该算法在动态二进制算法基础上结合了后退式二进制算法,使阅读器不用每次从头开始发送请求命令,而且改进算法中引入了计数器,以控制标签状态信息。分析表明,该算法可以降低阅读器发送请求的次数,同时可以减少标签识别所需的时间。     

基于射频识别系统的防碰撞算法分析

标签冲突是射频识别系统中经常出现的问题,目前对防碰撞算法分析方法有许多种,包括:动态多杈树搜索算法、后退式二进制搜索算法、序列号对时隙数搜索算法等,每种算法都有自己的特点。笔者分析了射频识别系统的优点,对基于射频识别系统中的防碰撞算法进行分析。     

一种基于二叉树形搜索的RFID防碰撞算法

在RFID防碰撞算法中,平均时延是影响识别性能的关键因素。平均时延主要取决于识别每个标签所需的平均比特数。在二进制搜索防碰撞算法的基础上,提出了一种新的二叉树形搜索算法,该算法显著减少了识别标签的平均比特数,且当阅读器检索到树的底层时,可向二叉树的上层回溯,最终连续识别出所有的标签。对算法进行了仿真分析,证明该算法在性能上有明显提高。     

NOVSF在无线传感网络的应用

一种基于无阻塞正交可变扩频因子 (Non-blocking Orthogonal Variable Spreading Factor,NOVSF)的低能耗安全算法在不增加网络负荷的情况下,利用动态有序的跳码技术,通过多路器实现传感网络中节点内存数据块到NOVSF时隙的映射,使得网络基站节点与传感节点的数据传输达到了低能耗的安全目的.     

基于RFID标签隐私查询策略

为了能有效保证射频识别(RFID)系统中用户的隐私和数据安全,运用分布式RFID询问应答认证协议,Elgamal密码系统、认证机制和可验证门限秘密共享等协议对标签数据认证查询.该策略不仅查询可靠,还具有保护被查询对象和查询结果隐私安全等特点.通过其安全性能分析和效率分析,说明了本协议具有高效的性能和良好的安全性、可靠性.     

Web查询接口集成中基于本体的模式匹配方法

Deep web数据集成需要对web查询接口进行模式匹配并获得映射关系.在web查询接口集成中引入语义冲突的概念,通过分析语义冲突的起源和分类,提出了一种基于本体的模式匹配方法.以房产领域的web查询接口集成为实例,详细阐述了这种方法的具体过程：通过比较语义相似度自动检测不同查询接口之间存在的语义冲突,识别冲突类别并且给冲突解决器发送消息,冲突解决器借助领域专家定义推理规则来消除冲突获得映射表.使用检测和解决语义冲突的方法来进行模式匹配,算法简单易于实现,扩充本体定义就可以使用于不同领域,灵活性和重用性较好.     

RFID系统防碰撞算法设计

目前RFID技术正处于迅速上升的时期.在很多实际应用中读写器的识读范围会同时出现多个标签,这时标签发送的信息就会混叠在一起发生冲突,产生碰撞问题.为此,必须采用反碰撞算法来加以克服.     

增强KMSE及人脸识别应用（英文）

为了提高核最小均方误差(KMSE)方法的识别能力,提出一种增强KMSE方法(EKMSE).该方法重新定义KMSE目标函数,引入一个新的类别标签定义,并使该定义下的类别标签矩阵能够随核矩阵自适应调整.与通常的目标函数相比,它能够使不同类别之间的距离增大,进而提高识别率.同时该算法在参数搜索中采用了迭代技术,有效提高了算法的计算效率.在FERET和GT人脸库上进行了充分的实验,结果表明EKMSE算法可行有效.该算法不仅优于原MSE,KMSE以及KMSE改进算法,也优于目前脸识别中的基于稀疏算法的最新技术CRC算法.     

基于级联降维判别的语言情感识别（英文）

为了准确地识别语音情感信息,研究了语音情感识别的降维中判别级联效应.基于现有的局部投影算法和图形嵌入理论,提出了一种新型判别分析算法,即DCLPP算法.为了能够对语音情感识别保持足够的信息,该算法利用嵌入图形为样本的内部特点保留了原始空间.然后,为了扩展映射形式,提出了一种kernel dCLPP(KDCLPP)的方法.在EM O-DB和eNTERFACE'05情感语音数据库上对该算法进行了验证,结果表明,所提算法可明显地超越现有的常用主成成分分析(PCA)、线性判别分析(LDA)、局部保持投影(LPP)、局部鉴别嵌入(LDE)和图优化的Fisher判别分析(Gb FA)等判别分析算法,这些算法都有不同类型的分类器.     

移动计算中概率数据集成的Top-k算法

基于一个给定的移动计算场景,讨论了模式映射的概率和相关的查询回答算法,并且描述了一个分布式的Top-k算法.     

UMQL多媒体查询的处理和优化(英文)

通过将UMQL查询的各类条件式映射为UMQA的对应代数算子,给出从UMQL多媒体查询到UMQA查询计划的等价转换算法,为任意UMQL查询生成等价的内部UMQA查询计划.然后,为了有效改善UMQA查询计划的执行代价,研究了等价UMQA代数变换规则和一般性优化策略,给出UMQA内部计划的优化算法.该算法基于等价规则变化UMQA查询计划,并使优化后的查询计划尽可能符合优化策略.最后,讨论了UMQA查询计划的逻辑执行方法,即UMQA代数算子的逻辑执行方法,以便从多媒体数据库中获取用户感兴趣的目标数据.这些算法均在一个UMQL原型系统中实现,且应用效果表明这些查询处理技术均切实可行.     

基于物理层网络编码的RFID标签防冲突算法研究

针对二进制搜索树算法在解决射频识别系统多标签冲突时读写速率低的问题,提出一种基于物理层网络编码的射频识别标签防冲突算法PNBA。PNBA算法将传统防冲突算法丢弃的多标签冲突信息压栈保存,引入物理层网络编码技术,结合栈顶信息和已识别标签信息,通过物理层网络编码的解码运算得到未被读取的标签信息,减少读写器和标签之间的交互次数,提高多标签的识别速率。理论分析和MATLAB仿真表明,PNBA算法与现有二进制搜索算法相比,能够减少读写读取次数,提高系统读写速率。在标签数目为100时,其读取次数比基本二进制搜索树算法低83%,比后退二进制搜索树算法低43%,读取次数效率达0.93。     

RFID系统防碰撞算法的分析

RFID技术具有识别距离远、非接触、识别速度快、无需人工干预等特点,在各个领域都得到广泛应用;但在实际RFID系统中经常会产生碰撞问题,解决碰撞问题的防碰撞算法成为RFID系统的关键技术;介绍了几种RFID防碰撞算法的基本原理和各自的特点,通过对各种算法的比较指出了不同算法的具体适用场合,为在实际应用中选择合适的防碰撞算法提供了参考。     

输入队列交换机的一种随机调度算法

对输入队列随机调度算法的取样问题进行了分析,指出由于输入队列的记忆特性,当前时隙的调度决策若具有最大权值,那么选取与这个最大权值相近的匹配作为下个时隙调度决策时的样点将以较大概率找到最大权值匹配.基于此本文设计了一种新的随机调度算法GALSA,GALSA利用演化策略来跟踪与每个时隙决策具有相近权值的匹配点.GALSA算法所需样点是O(N),因此其复杂性大大低于现有随机算法APSARA.且仿真结果表明GALSA的延迟性能与APSARA媲美.