南 　 楠

(三門峽職業(yè)技術(shù)學(xué)院，河南 三門峽 472000)

?

基于粒子濾波的RFID傳感器網(wǎng)絡(luò)中不確定數(shù)據(jù)清洗算法

南 楠

(三門峽職業(yè)技術(shù)學(xué)院，河南 三門峽 472000)

RFID技術(shù)利用互聯(lián)網(wǎng)將無線射頻識別系統(tǒng)與軟件連接可實現(xiàn)物品對象的跟蹤，具有可追溯性能力，廣泛地應(yīng)用在供應(yīng)鏈管理、資產(chǎn)跟蹤、假冒檢測等方面。然而，RFID閱讀器在大規(guī)模的數(shù)據(jù)識別網(wǎng)絡(luò)中由于環(huán)境和物理特性等所采集原始數(shù)據(jù)具有不確定性，嚴(yán)重影響其應(yīng)用結(jié)果，為獲取更準(zhǔn)確數(shù)據(jù)提出一種可追溯性框架處理不確定性數(shù)據(jù)，應(yīng)用粒子濾波技術(shù)采集本地數(shù)據(jù)，有效解決原始數(shù)據(jù)漏讀、誤讀問題。實驗結(jié)果表明，該算法可有效提高在大規(guī)模網(wǎng)絡(luò)中采樣的精確度與效率。

RFID；物聯(lián)網(wǎng)；不確定數(shù)據(jù)；粒子濾波

0　引言

新一代產(chǎn)品信息網(wǎng)絡(luò)的建立如物聯(lián)網(wǎng)的形成，使RFID技術(shù)得到了廣泛的應(yīng)用，如供應(yīng)鏈管理、制造業(yè)、分銷物流、訪問控制和防偽等。基于互聯(lián)網(wǎng)有效的追蹤產(chǎn)品獲取相關(guān)信息，追溯其位置變化可以檢索歷史信息、存儲位置、時間、改變過程，提高對周圍事物的檢測能力，在無法到達(dá)現(xiàn)場的情況下為決策提供關(guān)鍵性支持。但RFID技術(shù)帶來利益的同時，仍然存在很多問題，由于環(huán)境因素和物理干預(yù)導(dǎo)致RFID讀取數(shù)據(jù)通常是不完整、不準(zhǔn)確，甚至是誤讀[1]。

不確定性數(shù)據(jù)一般分為：多讀、漏讀和重復(fù)讀。通常處理的方法有兩種：一種是從數(shù)據(jù)庫中刪除不確定性數(shù)據(jù)，對剩余數(shù)據(jù)進(jìn)行分析處理，但這種方法將導(dǎo)致分析結(jié)果的不準(zhǔn)確與不完整；另一種方法是采用過濾器的方法，基本思想是使用一個滑動窗口預(yù)先設(shè)定閾值，讀數(shù)低于閾值讀數(shù)為假舍棄不用，但這種方法基本以實際經(jīng)驗為基礎(chǔ)，缺乏理論基礎(chǔ)，不能得到廣泛應(yīng)用[2]。

本文提出了一種基于采樣的粒子濾波技術(shù)來捕獲原始射頻識別數(shù)據(jù)，以概率分布為基礎(chǔ)降低識別對象的噪聲和等級，對對象識別數(shù)據(jù)建立節(jié)點獲取數(shù)據(jù)。通過實驗驗證所提出的技術(shù)原型具有較高的有效性。

1　問題描述

RFID系統(tǒng)的工作主要是將讀寫器采集數(shù)據(jù)存入后臺關(guān)系數(shù)據(jù)庫中，處理系統(tǒng)直接獲取數(shù)據(jù)進(jìn)行處理分析。但是很多RFID在應(yīng)用中都希望在海量的數(shù)據(jù)中發(fā)現(xiàn)異常數(shù)據(jù)給出提示，傳統(tǒng)的RFID系統(tǒng)只適合于處理已存在于數(shù)據(jù)庫的數(shù)據(jù)，不適合對流動的、實時數(shù)據(jù)進(jìn)行查詢。在供應(yīng)鏈管理、生產(chǎn)監(jiān)控等領(lǐng)域，流動性數(shù)據(jù)的處理是目前最廣泛的應(yīng)用，時間和事件發(fā)生位置將成為主要獲取目標(biāo)，這就造成了數(shù)據(jù)的不確定性。

在整個RFID構(gòu)成的網(wǎng)絡(luò)中，涉及到多個數(shù)據(jù)源，例如射頻識別器、傳感器和其他分布式數(shù)據(jù)源等，這些數(shù)據(jù)源產(chǎn)生大量的數(shù)據(jù)集包含與標(biāo)記對象相關(guān)聯(lián)的運(yùn)動信息。標(biāo)簽和讀寫器之間的距離，或標(biāo)簽和讀寫器天線間的方向都會使傳感器獲取信息不準(zhǔn)確和不可靠[3]。這些都意味著對象的位置、時間、跟蹤信息成為推斷和估計原始射頻識別數(shù)據(jù)的關(guān)鍵基礎(chǔ)?；谏鲜銮闆r總結(jié)出的射頻識別基本特性如下：

有序數(shù)據(jù)序列：原始的RFID讀取數(shù)據(jù)是以時間點進(jìn)行記錄的，表現(xiàn)形式為r={EPC，ID,Ti}，其中EPC為電子產(chǎn)品代碼，ID為讀寫器ID，Ti為標(biāo)簽被檢測獲取數(shù)據(jù)的時間點。這些數(shù)據(jù)流記錄了檢測對象運(yùn)動中所有信息的時間點。

不確定性數(shù)據(jù)：RFID觀察到的數(shù)據(jù)是非常雜亂的，受到環(huán)境和標(biāo)簽與讀寫器距離的影響，RFID讀取準(zhǔn)確率往往無法達(dá)到100%，其中有些重要的數(shù)據(jù)都是不精確和不可靠的。

漏讀數(shù)據(jù)：當(dāng)被標(biāo)記對象在一個讀寫器的檢測范圍內(nèi)時，若讀寫器無法檢測到標(biāo)記對象則會出現(xiàn)漏讀現(xiàn)象。在這種情況下，讀寫器誤認(rèn)為標(biāo)簽的對象是不存在的，導(dǎo)致射頻識別數(shù)據(jù)的丟失。

誤讀數(shù)據(jù)：當(dāng)標(biāo)記的對象超出了讀寫器的檢測范圍時，可能會讀取到一個不可識別的錯誤數(shù)據(jù)，這種被稱為假陽性讀數(shù)，對確定標(biāo)簽的實際位置影響很大，導(dǎo)致最終分析結(jié)果錯誤。

2　可追溯性清洗框架

基于上述分析出的RFID數(shù)據(jù)不確定問題，本文提出一種采用構(gòu)建可追溯性框架來處理不確定數(shù)據(jù)的方法。

2.1整體框架模型

對于RFID在供應(yīng)鏈中的追蹤應(yīng)用，本地應(yīng)用程序管理主要包括數(shù)據(jù)處理、粒子濾波和數(shù)據(jù)模型。在應(yīng)用程序中為了處理大量的原始射頻識別數(shù)據(jù)，采用一個以采樣為基礎(chǔ)的推理技術(shù)——粒子濾波技術(shù)，它可以捕捉到不確定的原始射頻識別數(shù)據(jù)，從動態(tài)和雜亂的原始數(shù)據(jù)中計算對象位置的概率分布情況。采樣計算和位置預(yù)測后，使用一種新的模式數(shù)據(jù)模型生成射頻識別的數(shù)據(jù)，一旦所有原始數(shù)據(jù)處理、建模和存儲完成，高層次的追蹤應(yīng)用程序即可從數(shù)據(jù)庫中提取事件，實現(xiàn)數(shù)據(jù)查詢和挖掘。通過整個過程可以完成在可追溯網(wǎng)絡(luò)中對各個節(jié)點的數(shù)據(jù)采集，如圖1即可追溯網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)和功能圖。

2.2不確定數(shù)據(jù)概率模型

基于RFID技術(shù)的跟蹤產(chǎn)品應(yīng)用中獲取的數(shù)據(jù)往往具有不確定和不可靠性，例如產(chǎn)品被盜、被偽造、損壞等。由于捕捉數(shù)據(jù)的不確定性，這里選取一個連續(xù)的隨機(jī)變量來描述數(shù)據(jù)，使用概率密度函數(shù)f(x)進(jìn)行描述隨機(jī)變量。對于RFID讀寫去獲取的不確定對象定義為變量x，它的位置信息應(yīng)該遵循設(shè)定的概率密度函數(shù)f(x)。

得出在所有射頻識別數(shù)據(jù)隨機(jī)變量x下的條件密度函數(shù)為[5]：

其中hn=∫Γ(x)f(x)dx是標(biāo)準(zhǔn)化常數(shù)。在這種情況下，位置變量x=(x1,……,xk)由邊緣驗后密度函數(shù)計算而得[6]：

通過貝葉斯規(guī)則可計算出位置變量x，但隨著無線射頻識別數(shù)據(jù)的增加，計算時間復(fù)雜度幾何倍數(shù)增長，這時可引入一個以采樣為基礎(chǔ)的粒子濾波技術(shù)降低時間復(fù)雜度。

2.3粒子濾波處理不確定數(shù)據(jù)

粒子濾波處理不確定數(shù)據(jù)的基本思想是使用一組有限的隨機(jī)樣本近似估算后驗概率密度，這些隨機(jī)樣本被稱為粒子。一個RFID的跟蹤應(yīng)用程序主要任務(wù)有兩個：預(yù)測和更新。預(yù)測階段是構(gòu)建候選粒子集，更新階段是構(gòu)建合格的候選粒子集。粒子濾波技術(shù)可以有效地推斷出觀測數(shù)據(jù)的隱藏狀態(tài)(例如對象的位置)。

預(yù)測更新階段的具體算法描述如下：

輸出：預(yù)測對象樣本位置

步驟：

For?xi∈xdo

樣本xi位置+=運(yùn)動軌跡；

樣本xi位置=擴(kuò)散率*隨機(jī)數(shù)；

Endfor

測量概率p(樣本xi位置)；

遞歸值計算；

For?xi∈xdo

xi測量概率p/=遞歸值；

計算xi的測量概率p；

Endfor

For?xi∈xdo

R=隨機(jī)數(shù)×給定系數(shù)；

如果第一次的p1>=r給G；

將G的值賦給xi；

Endfor

采樣階段算法描述如下:

If漏讀檢測對象數(shù)據(jù)

For?xi∈xdo

搜索最近讀數(shù)(xi)；

將最近傳感器位置信息與xi比較并賦值；

將xi于讀寫器距離賦值給d；

Endfor

Else

For?xi∈xdo

計算(xi-讀寫器距離)并賦值給變量d；

Endfor

Endif

3　實驗及數(shù)據(jù)分析

實驗以評估捕捉到的不確定性原始射頻識別數(shù)據(jù)采樣為基礎(chǔ)，從動態(tài)和低噪聲的低級別射頻識別數(shù)據(jù)中產(chǎn)生符合馬爾科夫的概率分布模型。試驗中采用ST070-016全無源RFID芯片，該芯片工作范圍是860—960MHz，可適用于多種場合，系統(tǒng)主程序通過Java實現(xiàn)。實驗主要目的是檢驗基于粒子濾波方法的準(zhǔn)確性，使跟蹤應(yīng)用具有良好的精度。

實驗環(huán)境設(shè)計為在一個倉庫內(nèi)，記錄和處理無線射頻識別數(shù)據(jù)流跟蹤貨物位置信息，初始原始射頻識別讀數(shù)不包括位置信息，針對漏讀、誤讀等現(xiàn)象通過采用粒子濾波方法推斷出真實數(shù)據(jù)信息。具體為模擬兩個不確定數(shù)據(jù)：位置不準(zhǔn)確和數(shù)據(jù)不準(zhǔn)確。模擬位置不準(zhǔn)確使用一個隨機(jī)變量表示移動物體的運(yùn)行軌跡，并在RFID數(shù)據(jù)接收上添加2個單位高斯白噪聲標(biāo)準(zhǔn)差；模擬數(shù)據(jù)不準(zhǔn)確將隨機(jī)降低4%讀寫器的讀取數(shù)據(jù)。先將時鐘與數(shù)據(jù)接收系統(tǒng)時間同步，打開系統(tǒng)開始掃描對象標(biāo)簽，實驗對象間隔均勻，設(shè)置每秒3個對象的掃描速度。將原始數(shù)據(jù)采集到系統(tǒng)中，進(jìn)行系統(tǒng)分析、模型建立和查詢處理。整個階段所處理的數(shù)據(jù)以元組R={TR,DR,LRPR}形式存儲在一張表中。通過Java編寫的應(yīng)用程序處理所有數(shù)據(jù)反饋結(jié)果。

實驗中輸入5組數(shù)據(jù)，每組100個數(shù)據(jù)記錄，設(shè)定漏讀率不同，每組數(shù)據(jù)運(yùn)行5次取平均數(shù)，測試漏讀數(shù)據(jù)對位置準(zhǔn)確性的影響，最終實驗結(jié)果如圖2所示。

圖2中的實驗結(jié)果顯示,隨著漏讀數(shù)的增加位置精確度逐漸下降。當(dāng)漏讀數(shù)目為0時，精確度接近100%；當(dāng)70%的數(shù)據(jù)漏讀時，位置估測的精確度也能達(dá)到75%左右。這表明本文中所提出算法具有良好的預(yù)測效果。

實驗過程中，還測試了優(yōu)化算法對運(yùn)行時間的影響，圖3給出的結(jié)果即為優(yōu)化算法與傳統(tǒng)算法運(yùn)行時間的對比。從圖中可以看出，當(dāng)檢測對象數(shù)達(dá)到200以后，優(yōu)化算法的運(yùn)行時間明顯減緩，優(yōu)化的算法可以減少接近總運(yùn)行時間的一半，與未優(yōu)化的算法相比，表現(xiàn)出卓越的時效性。

4　結(jié)語

在射頻識別跟蹤網(wǎng)絡(luò)對象中管理不確定數(shù)據(jù)仍然是目前拓寬其應(yīng)用的挑戰(zhàn)。本文中，主要針對物聯(lián)網(wǎng)中獲取對象動態(tài)信息，特別是處理獲取不確定的射頻識別數(shù)據(jù)進(jìn)行研究， 設(shè)計一個可追溯性清洗框架， 改進(jìn)現(xiàn)有清洗射頻識別原始數(shù)據(jù)技術(shù)，提出一個基于采樣的推理技術(shù)即粒子濾波捕獲原始射頻識別不確定數(shù)據(jù)，計算從動態(tài)和雜亂底層RFID數(shù)據(jù)映射對象真實信息的概率分布，將RFID技術(shù)在無線傳感器網(wǎng)絡(luò)中的可追溯應(yīng)用變得更加準(zhǔn)確和高效。

[1]王霞，玄麗娟，夏秀峰.基于時序關(guān)系的RFID不確定數(shù)據(jù)清洗算法[J].遼寧大學(xué)學(xué)報，2012,39(2):174—177.

[2]王同磊，張進(jìn)東.基于粒子濾波的RFID數(shù)據(jù)清洗方法研究[J].電子技術(shù)與軟件工程，2014，(4).

[3]夏秀峰，玄麗娟，李曉明.分流機(jī)制下的RFID不確定數(shù)據(jù)清洗策略[J].計算機(jī)科學(xué)，2011，38(10A):22—24.

[4]崔紅娟.基于粒子濾波的RFID事件概率計算方法研究[D].沈陽：遼寧大學(xué)，2012:58—79.

[5]王萬良，顧熙仁，趙燕偉.一種基于動態(tài)標(biāo)簽的RFID不確定性數(shù)據(jù)清洗算法[J].計算機(jī)科學(xué)，2014,41(6A)：383—386.

[6]王妍，宋寶燕，付菡，等.引入卡爾曼濾波的RFID數(shù)據(jù)清洗方法[J].小型微型計算機(jī)系統(tǒng)，2011，32(9):1 794—1 799.

[7]谷峪，于戈，李曉靜，等.基于動態(tài)概率路徑事件模型的RFID數(shù)據(jù)填補(bǔ)算法[J].軟件學(xué)報，2010，21(3)：438—451.

責(zé)任編輯：柴造坡

10.3969/j.issn.1674-6341.2016.04.014

2016-03-30

南楠(1981—)，女，河南洛陽人，碩士，講師。研究方向：計算機(jī)應(yīng)用、自動化控制。

TP311

A

1674-6341(2016)04-0030-03