大規(guī)模rfid標簽數量估算研究.docx
約32頁DOCX格式手機打開展開
大規(guī)模rfid標簽數量估算研究,大規(guī)模rfid標簽數量估算研究tag estimation in large-scale rfid system 1.59萬字33頁 原創(chuàng)作品，已通過查重系統 摘 要 隨著生活水平的提升，如今家庭用車越來越普遍，在為人們出行提供方便的同時，也導致了很嚴重的交通問題。正當我們迫切的需要改變現有的交通方式，智能交通就應運而...
內容介紹
此文檔由會員 馬甲線女神 發(fā)布
大規(guī)模RFID標簽數量估算研究
Tag Estimation in Large-scale RFID System
1.59萬字 33頁 原創(chuàng)作品，已通過查重系統
摘 要 隨著生活水平的提升，如今家庭用車越來越普遍，在為人們出行提供方便的同時，也導致了很嚴重的交通問題。正當我們迫切的需要改變現有的交通方式，智能交通就應運而生了。作為智能交通重要的參與者，車聯網系統在智能交通方面發(fā)揮著很重要的作用，本文通過RFID標簽數量估算方法來提高車聯網系統的整體性能。
我們的目標是通過路邊設備RSU(Road-Side Unit)和車載設備OBU(On-Board Unit)之間的交流來估計出車輛的數量，進而對交通情況做出評估，一方面反饋給交通管理部門，便于交通管理部門更加高效的管理交通情況；另一方面反饋給車主，車主可以選擇更加高效省時的交通方案。在下面的標簽估計模型中，路邊設備RSU(Road-Side Unit)就是RFID系統中識別器，車載設備OBU(On-Board Unit)就是一個個獨立的標簽。
本文RFID標簽估計模型的主要思想基于隨機算法，利用第二個非空槽位置與第一個非空槽位置之差來估計RFID標簽的數量。第一步推導出第二個非空槽位置與第一個非空槽位置之差的期望值和RFID標簽數量之間的數學關系式。第二步是保證一定的準確率和效率，分為三個小部分：第一部分利用第二個非空槽位置與第一個非空槽位置之差的方差來確定采集數據的重復次數，第二部分通過最小化運行時間確定頁面大小，第三部分為了提高整體效率，根據RFID標簽集實際情況，利用bayes公式提出調整標簽上界的方法。
最后我們用matlab工具模擬標簽隨機選擇槽的過程，記錄并整合數據，來測試本算法的性能。將其與之前所提出的FNEB算法相比較，發(fā)現本算法在3個方面優(yōu)于FNEB算法：（1）準確率方面：本模型的偏差率是0.01數量級，而FNEB算法偏差率是0.1數量級；（2）效率方面：FNEB算法的估計時間為本模型估計時間的1.5倍左右，即本模型的效率是FNEB算法的1.5倍；（3）在應用范圍上，FNEB算法不能用于第一個槽不為空的情況，但本模型也可以用于這種情況。
關鍵詞 RFID標簽 隨機算法 bayes公式
Tag Estimation in Large-scale RFID System
1.59萬字 33頁 原創(chuàng)作品，已通過查重系統
摘 要 隨著生活水平的提升，如今家庭用車越來越普遍，在為人們出行提供方便的同時，也導致了很嚴重的交通問題。正當我們迫切的需要改變現有的交通方式，智能交通就應運而生了。作為智能交通重要的參與者，車聯網系統在智能交通方面發(fā)揮著很重要的作用，本文通過RFID標簽數量估算方法來提高車聯網系統的整體性能。
我們的目標是通過路邊設備RSU(Road-Side Unit)和車載設備OBU(On-Board Unit)之間的交流來估計出車輛的數量，進而對交通情況做出評估，一方面反饋給交通管理部門，便于交通管理部門更加高效的管理交通情況；另一方面反饋給車主，車主可以選擇更加高效省時的交通方案。在下面的標簽估計模型中，路邊設備RSU(Road-Side Unit)就是RFID系統中識別器，車載設備OBU(On-Board Unit)就是一個個獨立的標簽。
本文RFID標簽估計模型的主要思想基于隨機算法，利用第二個非空槽位置與第一個非空槽位置之差來估計RFID標簽的數量。第一步推導出第二個非空槽位置與第一個非空槽位置之差的期望值和RFID標簽數量之間的數學關系式。第二步是保證一定的準確率和效率，分為三個小部分：第一部分利用第二個非空槽位置與第一個非空槽位置之差的方差來確定采集數據的重復次數，第二部分通過最小化運行時間確定頁面大小，第三部分為了提高整體效率，根據RFID標簽集實際情況，利用bayes公式提出調整標簽上界的方法。
最后我們用matlab工具模擬標簽隨機選擇槽的過程，記錄并整合數據，來測試本算法的性能。將其與之前所提出的FNEB算法相比較，發(fā)現本算法在3個方面優(yōu)于FNEB算法：（1）準確率方面：本模型的偏差率是0.01數量級，而FNEB算法偏差率是0.1數量級；（2）效率方面：FNEB算法的估計時間為本模型估計時間的1.5倍左右，即本模型的效率是FNEB算法的1.5倍；（3）在應用范圍上，FNEB算法不能用于第一個槽不為空的情況，但本模型也可以用于這種情況。
關鍵詞 RFID標簽 隨機算法 bayes公式
