基于深度学习的RFID标签防碰撞算法研究

摘要：

射频识别(RFID)是一种无线通信技术,可以进行数据采集和识别任何标记的物体.在RFID系统中,DFSA(动态帧时隙ALOHA)算法是解决标签碰撞问题的常用算法.针对现有DFSA算法存在最佳帧长预测精度低的问题,提出一种基于深度学习的DFSA优化算法.DFSA系统中,当帧长和标签数相等时系统可获得最佳效率.该算法把DFSA和LSTM(长短时记忆网络)神经网络结合起来,采用LSTM深度神经网络对RFID系统下一帧的标签数做预测,从而准确地调整帧长,实现系统吞吐率最大化.仿真结果表明,基于LSTM优化的DFSA算法可以有效提高RFID系统识别精度,减少时隙浪费.

关键词：防碰撞算法;RFID;深度学习;DFSA;标签预测;帧长调整;仿真实验

所属期刊栏目：44

分类号：TN911-34;TP391

资助基金：国家自然科学基金资助项目:融合式多址通信网络理论与控制协议研究61461053

在线出版日期：2021-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：21-25