ＲＦＩＤ系統(tǒng)與傳感器網(wǎng)絡中的數(shù)據(jù)處理綜述

摘要：綜述了普適計算領域中RFID（電子標簽）系統(tǒng)和傳感器網(wǎng)絡這兩個研究熱點，闡述了它們的基本概念和技術特性，并對兩種系統(tǒng)作了比較和分析，從而引出了數(shù)據(jù)處理這一核心概念。探討了兩種系統(tǒng)中數(shù)據(jù)處理需要研究的問題，特別是按照數(shù)據(jù)處理的流程對兩種系統(tǒng)中的數(shù)據(jù)處理方法進行了較為詳細的歸納和分析。

關鍵詞：無線射頻識別技術；傳感器網(wǎng)絡；數(shù)據(jù)處理

中圖分類號：TP391文獻標志碼：A

文章編號：1001－3695(2008)03－0660－06

1概述

以RFID和傳感器網(wǎng)絡為代表的smart item[1]技術被認為是商業(yè)進程處理中的下一次飛躍。Smart item可以提供關于自身或者它所標志物體對象的相關信息，并有能力傳送這些數(shù)據(jù)信息。例如，RFID標簽可以標志它所粘貼的物體對象的信息，環(huán)境傳感器（簡稱傳感器）可以獲取其所在物理環(huán)境的相關數(shù)據(jù)信息[1]。通過自動和實時的數(shù)據(jù)獲取，RFID和傳感器網(wǎng)絡等smart item技術可以及時地提供足夠多關于其操作的精確數(shù)據(jù)，進而可以大大提高一大批行業(yè)的運作效率。

1)RFID系統(tǒng)RFID是應用無線電波（頻率為50 kHz~5.8 GHz）來自動識別單個物體對象的技術的總稱。作為一種快速、實時、準確采集與處理信息的高新技術，通過對實體對象的惟一有效標志，RFID可廣泛應用于生產(chǎn)、零售、物流、交通等各個行業(yè)[2]，被列為本世紀十大重要技術之一。

RFID的歷史非常悠久，美國人Harry Stockman于1948年10月首次詳細描述了RFID的理論和實現(xiàn)方法[3]。目前射頻識別使用的頻率主要有135 kHz以下、13.56、433.92、860~960 MHz、2.45以及5.8 GHz六種。其中，860~960 MHz頻段的相關技術是目前的研究熱點。

RFID系統(tǒng)主要由標簽、閱讀器和介于閱讀器與企業(yè)應用之間的中間件[4]三部分組成。中間件的主要任務是對閱讀器讀取的標簽數(shù)據(jù)進行過濾、匯集和計算，減少從閱讀器傳往企業(yè)應用的數(shù)據(jù)量，負責對閱讀器進行管理和配置。圖1就是一個典型的RFID系統(tǒng)的結(jié)構(gòu)圖[5]。

RFID技術具有如下特性：數(shù)據(jù)的讀寫功能；標簽容易小型化和多樣化；耐環(huán)境性；可重復使用；穿透性強；數(shù)據(jù)的記憶容量大，與傳統(tǒng)的條形碼相比，條形碼識別物品的種類，而RFID技術確定每一個單獨的物體對象。正是由于RFID技術具有了以上這些特性，使得WalMart、Metro、Tesco和Target等一些零售商，Procter Gamble和Kimberly Clark等一些制造商，包括美國國防部都對RFID這種smart item技術推崇備至[1]。

雖然RFID的發(fā)展勢頭強勁，但是它仍然存在一些問題，如標準不統(tǒng)一、成本較高等。

2)傳感器網(wǎng)絡傳感器也常稱為環(huán)境傳感器[1]。它可以測量所在周邊環(huán)境中的熱、紅外、聲納、雷達和地震波信號，從而探測包括溫度、濕度、噪聲、光強度、壓力、土壤成分、移動物體的大小、速度和方向等眾多人們感興趣的物質(zhì)現(xiàn)象[6]。

傳感器節(jié)點通過飛機布撒、人工布置等方式大量部署在感知對象的內(nèi)部或者附近。這些節(jié)點通過自組織方式構(gòu)成無線網(wǎng)絡，以協(xié)作的方式感知、采集和處理網(wǎng)絡覆蓋區(qū)域中特定的信息，可以實現(xiàn)對任意地點信息在任意時間的采集、處理和分析。這種以自組織形式構(gòu)成的網(wǎng)絡，通過多跳中繼方式將數(shù)據(jù)傳回sink節(jié)點（接收發(fā)送器）；最后借助sink鏈路將整個區(qū)域內(nèi)的數(shù)據(jù)傳送到遠程控制中心進行集中處理。一個典型的傳感器網(wǎng)絡的體系結(jié)構(gòu)包括分布式傳感器節(jié)點（群）、sink節(jié)點、互聯(lián)網(wǎng)和用戶界面等[6]。圖2是一個典型的傳感器網(wǎng)絡[7]的系統(tǒng)結(jié)構(gòu)圖。

在傳感器網(wǎng)絡中絕大多數(shù)的節(jié)點只有很小的發(fā)射范圍，而sink節(jié)點的發(fā)射能力較強，具有較高的電能，可以把數(shù)據(jù)發(fā)回遠程控制節(jié)點。

傳感器網(wǎng)絡的主要特點是以數(shù)據(jù)為中心、資源受限、部署方式快、免維護、多跳路由。傳感器網(wǎng)絡也是當前在國際上備受關注的熱點研究領域，在軍事國防、工農(nóng)業(yè)、城市管理、生物醫(yī)療、環(huán)境監(jiān)測、搶險救災、防恐反恐、危險區(qū)域遠程控制等許多重要領域都有潛在的實用價值[8]。當然，由于傳感器電源能量和通信能力有限、感知數(shù)據(jù)流巨大等，也為其應用研究提出了一系列挑戰(zhàn)。

本文對RFID系統(tǒng)和傳感器網(wǎng)絡作了比較與分析，著重討論smart item技術所要解決的共同問題——數(shù)據(jù)處理。在調(diào)研了大量文獻的基礎上結(jié)合筆者的工作對RFID系統(tǒng)和傳感器網(wǎng)絡中的數(shù)據(jù)處理方法按照數(shù)據(jù)處理的流程進行了較為詳細的歸納和分析，并對已經(jīng)開展的工作進行相關論述。

2RFID系統(tǒng)與傳感器網(wǎng)絡的比較與分析

1）共同點

a）采集數(shù)據(jù)量大。兩種系統(tǒng)都要面對大量的數(shù)據(jù)采集元素，RFID系統(tǒng)面對的是RFID標簽，傳感器網(wǎng)絡面對的是sensor節(jié)點，而且都需要對所采集的原始數(shù)據(jù)進行過濾。b）流形式的數(shù)據(jù)。RFID閱讀器和傳感器源源不斷地傳來數(shù)據(jù)，構(gòu)成一個數(shù)據(jù)流。c）推送數(shù)據(jù)。RFID閱讀器和傳感器測得的數(shù)據(jù)是定時或者不定時地推送給RFID中間件和傳感數(shù)據(jù)處理模塊的，因此服務器處理的數(shù)據(jù)是動態(tài)的、時變的[9]，隨機性強，具有突發(fā)性特點；傳感器網(wǎng)絡數(shù)據(jù)還具有局部相關性的特點。d）RFID閱讀器和傳感器的限制。其處理能力有限，都需要嵌入式軟件或后臺軟件的支持。e）虛擬關系。數(shù)據(jù)流上的數(shù)據(jù)構(gòu)成虛擬關系，單個數(shù)據(jù)流的查詢定義在這個虛擬關系上。對于RFID系統(tǒng)與傳感器網(wǎng)絡的數(shù)據(jù)處理的研究現(xiàn)在已經(jīng)開始[10]。f）數(shù)據(jù)流暗含著語義和錯誤，因此數(shù)據(jù)需要融合處理[9]。此外，兩者有著很好的合作交集，比如，可以將傳感器加入到供應鏈的管理過程中；可以通過傳感器來觸發(fā)閱讀器，然后閱讀器再來閱讀標簽，這樣可以節(jié)約閱讀器的能量消耗并延長使用壽命。ALIEN和AWID公司的RFID閱讀器已經(jīng)實現(xiàn)了這一功能；UbiSensor也把無線傳感部分和RFID部分集成在了一起[11]。目前的部分學術研究還把溫度傳感器集成到了RFID芯片上[12]。在文獻[13]的工作中，RFID閱讀器被當做傳感器來定位和識別服務器，這個系統(tǒng)可以被用在數(shù)據(jù)中心以改進其管理操作。

2）不同點

a）傳感器網(wǎng)絡中的節(jié)點數(shù)量和分布密度要超過RFID系統(tǒng)中標簽的數(shù)量。由于數(shù)目極大，傳感器節(jié)點不一定具有全球惟一的標志[7]，它們往往只有域內(nèi)標志號，且是通過一些ID的生成算法分配的[14]；RFID標簽具有全球惟一的標志。b）傳感器節(jié)點出現(xiàn)故障的可能性要大于RFID系統(tǒng)，其產(chǎn)生的測量值多數(shù)具有誤差，這種誤差通?？梢杂靡欢ǖ倪B續(xù)分布函數(shù)來描述，如高斯分布等[15]；RFID系統(tǒng)的精確度相對較高。c）傳感器節(jié)點的存儲能力、計算能力和能量有限，因此對節(jié)能的研究也成為一個比較重要的方向[16]；RFID閱讀器本身在能量方面無此限制，只是其天線發(fā)射功率大小會對標簽閱讀距離產(chǎn)生影響。因此，RFID閱讀器在將數(shù)據(jù)傳輸給中間件處理之前是不用考慮路由的。d）傳感器節(jié)點主要采用廣播方式通信；RFID網(wǎng)絡大都采用一對多的方式通信，一個閱讀器對多個標簽。e）傳感器網(wǎng)絡的能量消耗主要在從sensor節(jié)點到sink的過程中，在數(shù)據(jù)采集中，往往多個sensor采集同一片區(qū)域的數(shù)據(jù)，因此數(shù)據(jù)的重疊主要在于此；RFID技術的數(shù)據(jù)重疊主要發(fā)生在閱讀器對同一標簽的重復讀取上。

通過以上分析可以看出，smart item技術中item（RFID標簽、sensor節(jié)點）的數(shù)量巨大、數(shù)據(jù)隨機性強、動態(tài)、需要整合等，數(shù)據(jù)處理成為了要解決的核心問題。可以說，數(shù)據(jù)處理是RFID系統(tǒng)和傳感器網(wǎng)絡的靈魂。像零售商這樣的公司每年對標簽的吞吐量約有600億[1]，據(jù)統(tǒng)計，如果WalMart全面采用RFID技術，每天產(chǎn)生的原始數(shù)據(jù)將超過7 T。以上原始數(shù)據(jù)中存在大量的信息冗余，因此亟待對這些原始數(shù)據(jù)進行過濾和匯聚以提高數(shù)據(jù)的質(zhì)量，減少數(shù)據(jù)冗余并壓縮數(shù)據(jù)規(guī)模。在供應鏈管理控制的應用中，RFID技術使用戶可以管理帶有標簽對象的物體的時間、空間信息，精確的、實時的關于物體對象的位置信息對于有效地管理供應鏈是非常有必要的[17]。

3數(shù)據(jù)處理概述

在RFID系統(tǒng)中主要處理靜態(tài)和動態(tài)兩種類型的數(shù)據(jù)。靜態(tài)數(shù)據(jù)往往與商業(yè)實體和產(chǎn)品/服務組關聯(lián)，如位置信息、產(chǎn)品等級等。動態(tài)數(shù)據(jù)則與專門的個體有關，主要有兩種類型：實例數(shù)據(jù)，如序列號和生產(chǎn)日期；臨時數(shù)據(jù)，如觀測位置和對象約束的改變，這些通過對標簽的讀寫捕捉到。在這些數(shù)據(jù)中，臨時數(shù)據(jù)直接與RFID應用的基本商業(yè)邏輯有關，如產(chǎn)品的運動和處理對于RFID數(shù)據(jù)系統(tǒng)來追蹤和管理物體是非常重要的[9]。

對RFID數(shù)據(jù)處理的研究主要有數(shù)據(jù)過濾和容錯、為減少傳輸量而進行編碼和壓縮、通過可擴展標志語言/物理標志語言（XML/PML）[18]對數(shù)據(jù)進行抽象表示、數(shù)據(jù)挖掘、事件處理[19， 20]、數(shù)據(jù)融合[15，21]、中間件或邊緣件、面向服務的架構(gòu)、實時性[22]、分布式處理等。

在調(diào)研了大量文獻和技術資料的基礎上，結(jié)合筆者具體的研發(fā)工作，提出如圖3所示的RFID中間件架構(gòu)[5]。

在此中間件中，為完成數(shù)據(jù)處理需要解決如下一些關鍵技術：數(shù)據(jù)和事件信息的抽象表示研究，包括建模和描述、事件語義[23]描述等；高效實時的數(shù)據(jù)過濾和聚合方法、分布式處理技術；數(shù)據(jù)傳輸?shù)陌踩ＷC、錯誤恢復等；數(shù)據(jù)包分析和傳播、網(wǎng)絡資源定位、路由選擇；數(shù)據(jù)序列及事件信息次序的優(yōu)化、排錯工具等服務[24]；仿真技術與仿真系統(tǒng)。目前已經(jīng)初步實現(xiàn)了此中間件的部分功能，并且應用在廣東省科技計劃項目支持的食品安全原型系統(tǒng)[2]中，同時在深圳海關文錦渡口岸通關系統(tǒng)的整合測試中取得了初步的效果。

數(shù)據(jù)處理同樣是傳感器網(wǎng)絡的核心。目前用于傳感器網(wǎng)絡數(shù)據(jù)處理的結(jié)構(gòu)主要有集中式、半分布式、分布式、層次式四種。目前大多數(shù)的研究工作集中在半分布式結(jié)構(gòu)。半分布式結(jié)構(gòu)的兩個代表是Fjord系統(tǒng)和Cougar系統(tǒng)[15]。綜合各種結(jié)構(gòu)，對其進行數(shù)據(jù)處理的邏輯抽取之后，其數(shù)據(jù)處理的層次結(jié)構(gòu)[25]可以分為基礎層、網(wǎng)絡層、數(shù)據(jù)處理層、應用開發(fā)環(huán)境層和應用層。圖4就是傳感器網(wǎng)絡中數(shù)據(jù)處理層次結(jié)構(gòu)圖[25]。

傳感器網(wǎng)絡中的數(shù)據(jù)處理主要包括如下關鍵技術：傳感數(shù)據(jù)的采集、存儲、查詢[26]、分析[27，28]；新型統(tǒng)計算法、排除誤差信息的方法、協(xié)同處理算法；傳感數(shù)據(jù)的路由選擇、容錯機制；OLAP（聯(lián)機分析處理）技術的研究、統(tǒng)計分析以及其他復雜分析技術的研究；知識挖掘技術的研究；數(shù)據(jù)處理能力的魯棒性研究[29]；仿真技術和仿真系統(tǒng)。

從以上的數(shù)據(jù)處理層次結(jié)構(gòu)和需要研究的關鍵技術可以看出，RFID系統(tǒng)與傳感器網(wǎng)絡在數(shù)據(jù)處理上有著很大的相似性或者交叉點。數(shù)據(jù)處理的目的是把網(wǎng)絡上的數(shù)據(jù)邏輯結(jié)構(gòu)視圖（命名、存取和操作）與物理實現(xiàn)分離開來，使用戶和應用程序只需關心所提出的查詢邏輯結(jié)構(gòu)，而無須關心物理實現(xiàn)細節(jié)。

4數(shù)據(jù)處理方法綜述

數(shù)據(jù)處理流程中對數(shù)據(jù)處理各個環(huán)節(jié)的關鍵技術點主要包含采集、傳輸、分析和處理、評測四個環(huán)節(jié)。圖5是一個對數(shù)據(jù)處理流程的示意圖。

4．1采集

數(shù)據(jù)采集是數(shù)據(jù)處理的首要功能。由于傳感器節(jié)點有隨時發(fā)生錯誤的可能，在數(shù)據(jù)采集階段提供一種數(shù)據(jù)容錯處理方法是非常有必要的。文獻[30]提出的TIBFIT協(xié)議用于在事件驅(qū)動的網(wǎng)絡中診斷和屏蔽節(jié)點錯誤。在TIBFIT協(xié)議模型中，傳感器節(jié)點被組織成一些簇；每個簇都有一個簇頭；每一個節(jié)點都被分配一個可信任指數(shù)來記錄它在報告以前事件的準確度，簇頭節(jié)點用這個可信任指數(shù)來分析事件報告并進行事件決策。

仿生學在數(shù)據(jù)采集中也是值得借鑒的一種方法。文獻[31]受到螞蟻社會行為的啟發(fā)，提出了一種數(shù)據(jù)收集和通信的集中化方法——螞蟻鏈算法。根據(jù)基站和傳感器節(jié)點各自不同的功能嚴格劃分它們的工作。通過在基站上采用一種螞蟻群體最優(yōu)化方法，使節(jié)點形成一種雙向鏈鎖結(jié)構(gòu)，這種結(jié)構(gòu)對小幅的改動具有自適應性。此外還有通過能量矩陣來進行數(shù)據(jù)采集的方法[32]。

RFID系統(tǒng)與傳感器網(wǎng)絡一樣對數(shù)據(jù)采集的實時性要求也比較高。Cambridge大學Duncan McFarlane帶領的AutoID中心已經(jīng)開展了在生產(chǎn)自動化控制領域和時間數(shù)據(jù)庫的事件操作上對realtime RFID時間性能的研究[20]。

在數(shù)據(jù)的采集之后對數(shù)據(jù)的抽象描述成為了另一個主要的問題，其主要的解決方法將在4.3節(jié)進行闡述。

4．2傳輸

數(shù)據(jù)傳輸是緊接在數(shù)據(jù)采集后的工作。在傳輸過程中，對數(shù)據(jù)的過濾和容錯機制以及如何減少數(shù)據(jù)傳輸量是主要的研究內(nèi)容。

1）過濾與容錯在一個大范圍的網(wǎng)絡中，缺乏容錯能力的傳感器節(jié)點會產(chǎn)生大量的錯誤報告。如果不進行偵測和過濾，這些錯誤的報告會被傳送到數(shù)據(jù)的收集節(jié)點。由于傳感器網(wǎng)絡用在傳輸數(shù)據(jù)方面的能量消耗要比計算大得多，這樣不僅會導致虛假警報而且會消耗大量的電能。基于統(tǒng)計的路由過濾機制（statistical enroute filtering，SEF）是這樣來偵測和過濾數(shù)據(jù)傳輸中的錯誤報告（誤報攻擊）的：假定同一個事件可以被多個傳感器偵測到，在SEF中，每一個用來偵測的傳感器產(chǎn)生一個消息認證碼(message authentication code， MAC)；多個認證碼會被附屬在同一個事件的報告中。在報告的運送過程中，沿路的每一個節(jié)點都去確認MAC的正確性，并丟掉那些無效的MAC。SEF通過多個偵測節(jié)點的集體決策和多個前向節(jié)點的整體錯誤偵測兩種方法來實現(xiàn)網(wǎng)絡范圍的錯誤報告過濾[33]。在RFID閱讀器的應用方面，考慮到其傳遞信息的相對規(guī)整化，其過濾規(guī)則相對比較簡單，如smooth、delta、bandpass等[34]。分散的平方根信息過濾（decentralized squareroot information filter，DSRIF）方法也可以提高數(shù)據(jù)的精確性、可靠性[35]。

2）減少傳輸量由于RFID系統(tǒng)和傳感器網(wǎng)絡具有規(guī)模大、分布式、數(shù)據(jù)流量大的特點，需要在其中利用在線的方法來傳播數(shù)據(jù)[36]。數(shù)據(jù)壓縮是一種比較有效的方法，可以采用SlepianWolf編碼數(shù)據(jù)壓縮的方法來減少數(shù)據(jù)傳輸?shù)牧縖37]。通過對時空相關參數(shù)的設定可以使對數(shù)據(jù)的壓縮變得更加方便，并把壓縮操作與線性網(wǎng)絡編碼算法結(jié)合起來傳遞數(shù)據(jù)[38]。還可以使用用于信源和信道編碼的MIT（multipleinput turbo）編碼方法來加強數(shù)據(jù)聚合的安全性并實現(xiàn)傳輸過程中數(shù)據(jù)的可靠壓縮。當兩個相鄰的節(jié)點不能直接通信時，SAC運用SlepianWolf編碼方法；當相鄰的傳感器可以直接通信時，節(jié)點就具有了更多殘余的能量來執(zhí)行數(shù)據(jù)聚合和基于相關數(shù)據(jù)的信源編碼[39]。

4．3分析與處理

對數(shù)據(jù)的處理因其具體應用的不同有很大的不同，主要包括對數(shù)據(jù)的抽象表示、數(shù)據(jù)挖掘、處理模型和機制及其他相關處理算法的研究，部分還將涉及數(shù)據(jù)庫中的數(shù)據(jù)處理技術[40]。

1)抽象表示

（1）XML（extensible markup language，可擴展標記語言）

作為一種語法和語義標準，在數(shù)據(jù)描述和交換中起到非常重要而且有效的作用。利用XML的元素表示單個數(shù)據(jù)流；復合XML元素表示數(shù)據(jù)流之間的關系。傳感器本身的性質(zhì)通過XML的屬性表示。在XML 表示數(shù)據(jù)的模型上進行查詢處理操作以及這些操作的實現(xiàn)和初步優(yōu)化。這些操作一部分是關于單數(shù)據(jù)流上的數(shù)據(jù)操作；一部分是對XML查詢代數(shù)的拓展。這些操作可以表示傳感器網(wǎng)絡中的復雜查詢[10]。

（2）PML（physical markup language，物理標志語言[41]）

PML是在XML的基礎上擴展而來的，用于描述自然物體、過程和環(huán)境。在EPC網(wǎng)絡中，所有有關商品的信息都以PML來描述。PML是EPC網(wǎng)絡信息存儲和交換的標準格式。

2)數(shù)據(jù)挖掘

（1）歷史數(shù)據(jù)正如本文第2章所述，RFID系統(tǒng)和傳感器網(wǎng)絡要處理的數(shù)據(jù)量非常巨大，這不僅表現(xiàn)在對數(shù)據(jù)的實時處理，對歷史數(shù)據(jù)的處理也是很重要的一個方面。因此數(shù)據(jù)挖掘的相關原理和方法就顯得異常重要。文獻[42]所采用的方法有別于其他系統(tǒng)將注意力集中在流數(shù)據(jù)或者歷史數(shù)據(jù)的一個窗口段的做法，它基于整個歷史數(shù)據(jù)進行處理。文獻[43]則提出了基于主成分分析（principal component analysis，PCA）的懶散學習算法（lazy learning algorithm）進行數(shù)據(jù)挖掘。

（2）事件事件概念的出現(xiàn)為RFID系統(tǒng)和傳感器網(wǎng)絡中的數(shù)據(jù)處理提供了更高一層的機制，因為事件不再只是數(shù)據(jù)，而是融合了數(shù)據(jù)、時間等因素的一個結(jié)合體。傳感器的大量配置會產(chǎn)生巨量的事件流，事件流包含由具有預測氣象或其他功能的傳感器所產(chǎn)生的事件，或者是證券報價機等應用程序所產(chǎn)生的事件；而RFID系統(tǒng)的事件流包含物流應用中的貨物入庫、出庫等事件。

Stanford大學David Luckham教授所領導和開創(chuàng)的CEP（復雜事件處理）[18]對于事件處理的研究具有巨大的推動作用。CEP的主要任務是“消費”基于事件的數(shù)據(jù)，并實時地應用一些規(guī)則在這些事件上，將未處理的原始事件數(shù)據(jù)轉(zhuǎn)換成有價值的商業(yè)信息。其通信層的核心組件為filters和maps。CEP著重考慮表示因果關系的事件歷史記錄和事件模式。其中表示因果關系的事件歷史記錄包含這些事件之間的因果關系；事件模式中亦包含有因果和時間的關系。IBM Haifa實驗室設計了situation manager。其中situation本身是對復合事件概念的表現(xiàn)力、靈活性和可用性的擴展，它的基本內(nèi)容包含一種語言和一套有效的運行時執(zhí)行機制。通過結(jié)合當前系統(tǒng)狀態(tài)和事件歷史實例來對事件進行收集、篩選和消耗的處理，其理論基礎來自于其對基于規(guī)則的系統(tǒng)的研究[44]。

（3）融合根據(jù)融合前后數(shù)據(jù)的信息含量可劃分為無損失融合和有損失融合[45]；根據(jù)融合與應用語義之間的關系可劃分為依賴于應用的融合和獨立于應用的融合以及結(jié)合以上兩種技術的融合；根據(jù)融合操作的級別可劃分為數(shù)據(jù)級融合、特征級融合和決策級融合[15]。大量的信息使人們可以感知并響應環(huán)境中的臨界條件。響應各種情形的中心問題是整合或者融合多個異步的事件流。文獻[46]描述了在線處理到達的每個事件的有效事件流融合算法，該算法主要是通過關聯(lián)多個事件流中的信息在線偵測臨界條件（如事件到達）。當然數(shù)據(jù)融合過程中同步機制的研究對于語義表達的準確性也是非常關鍵的。文獻[47]提出了一個多層的同步融合(multilevel fusion synchronization， MFS)協(xié)議，用來在多層數(shù)據(jù)融合中提供同步機制，并在聚合報告的融合與延遲之間取得折中。

（4）其他文獻[48]提出的主要的抽象（語義級）概念包括位置、鄰接點、位置管理、時間、聚合、物理世界與虛擬世界的連接、歷史（記錄）、上下文、狀態(tài)和行為、虛擬合作伙伴（即中間件）、名稱和地址、生命周期、通信架構(gòu)等，并通過JINI和Web service兩種架構(gòu)方法來實現(xiàn)。文獻[49]設計了無論任何時候都可以為進行K設備定位而執(zhí)行啟發(fā)式登山搜索的算法。

3)模型與機制

（1）神經(jīng)網(wǎng)絡充分利用神經(jīng)網(wǎng)絡的相關算法和模型（包括其改進的算法和模型）來對RFID系統(tǒng)與傳感器網(wǎng)絡中的數(shù)據(jù)進行處理也是這兩種系統(tǒng)中常用的方法，其主要作用是提高數(shù)據(jù)收集的效率。利用傳統(tǒng)人工神經(jīng)網(wǎng)絡開發(fā)的ART和FuzzyART算法對傳感器輸入進行無監(jiān)督的學習，通過這種分布式的基于人工神經(jīng)網(wǎng)絡的聚類算法可以達到簡單的并行分布式計算、分布式存儲、自動分類，可以使通信成本較低從而節(jié)約能量[50，51]?；谌斯ど窠?jīng)網(wǎng)絡（ANN）的時間序列模型對于生產(chǎn)應用中的實時而精確的錯誤偵測也是非常有幫助的[52]；另外基于BP算法的多層感知神經(jīng)網(wǎng)絡和修改后的RFWR算法也使得系統(tǒng)的計算功效有很大提高[53，54]。

（2）移動代理由于RFID系統(tǒng)和傳感器網(wǎng)絡的分布式特點，采用移動代理的方法對系統(tǒng)數(shù)據(jù)進行處理成了主要的方式。采用移動代理的機制來提高傳感器網(wǎng)絡的分布式計算性能主要涉及兩個問題，即數(shù)據(jù)整合和最佳性能優(yōu)化。移動代理的主要機制是把用于處理的程序移動到要處理的數(shù)據(jù)的位置，而不是像傳統(tǒng)的C/S結(jié)構(gòu)一樣把要處理的數(shù)據(jù)傳輸?shù)接糜谔幚淼某绦虻奈恢谩＿@樣節(jié)省了大量的網(wǎng)絡帶寬并避免了網(wǎng)絡延遲，因為并沒有移動大批量的數(shù)據(jù)[55，56]。在目前的RFID中間件的設計中也常用這種移動代理的機制，如Sun所設計的RFID中間件[34]。在移動代理機制中，使用二級的遺傳編碼和適當?shù)倪z傳算子來執(zhí)行半自動的路由選擇策略也是常用的方法[57]。

（3）隨機模型根據(jù)RFID系統(tǒng)和傳感器網(wǎng)絡中數(shù)據(jù)處理隨機性的特點，采用適當?shù)母怕誓Ｐ蛠磉M行數(shù)據(jù)融合也是非常重要的[22]。目前，一些研究者開發(fā)了分布式的貝葉斯算法來估計傳感器網(wǎng)絡中的一些屬性參數(shù)，如溫度、濕度，而開發(fā)具有全局性的貝葉斯方法對數(shù)據(jù)進行融合還是一項比較有挑戰(zhàn)性的工作。文獻[58]提出了一個用做貝葉斯分散的數(shù)據(jù)融合算法，它以一個總概率密度函數(shù)為特征，符合BDDF模式，并把分散的數(shù)據(jù)融合技術擴展到了一般概率分布的情況。其中，BDDF是DDF的直接擴展，它采用了信道濾波器的概念但是沒有局限于高斯假設。此外還有用貝葉斯方法來進行規(guī)則的定義從而更好地處理數(shù)據(jù)的方法[59]。 馬爾可夫模型也是在隨機數(shù)據(jù)處理方面非常有效的處理方法。文獻[60]提出的是基于離散的馬爾可夫模型用于多目標進展過程實時追蹤的算法。首先是對各個測量時刻的檢測數(shù)據(jù)進行融合；然后借用動態(tài)規(guī)劃方法來進行追蹤和目標移動分析。這一算法可以實時地獲取目標的數(shù)量、瞬時特性、評估軌跡。由于隨機性目標模型的使用，機動和非機動目標才可以被追蹤；而證據(jù)推理(法)的采用也提高了多目標追蹤的效率；對數(shù)似然估計在多個移動物體的跟蹤識別問題上對于減少通信和計算消耗效果也比較明顯[61]。

（4）其他文獻[9]設計了一個RFID數(shù)據(jù)管理系統(tǒng)——siemens RFID中間件。該中間件基于一個可表達的臨時DRER (dynamic relationship ER)數(shù)據(jù)模型。文獻[62]中則使用DCBAC (dynamic coalitionbased access control）模型來解決數(shù)據(jù)挖掘機制中的代理交互操作在邊境管制和國土安全方面的應用。

4．4評測

經(jīng)過了以上對數(shù)據(jù)的一系列采集、傳輸、處理之后，還需要一定的評估方法來對前面的數(shù)據(jù)處理工序進行評測。

利用基于端到端測量的網(wǎng)絡內(nèi)部性能測量技術（network tomography，也稱為網(wǎng)絡斷層掃描技術）來推斷每個節(jié)點的損失率是當前的研究熱點之一。在傳感器網(wǎng)絡中是根據(jù)sink上的實際測量數(shù)據(jù)來推斷網(wǎng)絡內(nèi)部節(jié)點損失率的：通過最大似然估計(maximumlikelihood estimation，MLE)的方法把推測損失率的問題形式化；然后利用最大期望值算法來求解[63]。

為了對不同的數(shù)據(jù)處理結(jié)構(gòu)（如水平和分級）進行評測，往往利用數(shù)據(jù)帶寬(BWr/MBps)和處理能力（PCr/MIPS）兩者的乘積MF=BWr ×PCr作為評價的因子：如果MF的值比較高，表明這個系統(tǒng)可以以高的數(shù)據(jù)率來處理大量的操作，而這種處理速率就是對系統(tǒng)質(zhì)量的一種很好的測量。在這種定義的幫助下，可以獲得對并聯(lián)或串聯(lián)的處理器的表達式，從而能夠?qū)λ较到y(tǒng)和分級系統(tǒng)作出評測[64]。

為了對RFID中間件的數(shù)據(jù)處理性能進行評測，筆者正在研發(fā)一個多功能的RFID閱讀器模擬器。它可以模擬當RFID中間件接收到來自巨大數(shù)量的閱讀器所傳遞來的數(shù)據(jù)時的性能；而且這樣的多功能RFID閱讀器模擬器的存在可以降低研究的硬件成本，減少RF對人的輻射[2]。

以上按照數(shù)據(jù)處理流程所綜述的方法大多還處于初級階段，還需要大量的實驗和驗證。

5結(jié)束語

Smart item技術是普適計算理念的最好體現(xiàn)之一。其中的RFID技術和傳感器網(wǎng)絡技術有著千絲萬縷的聯(lián)系而又有著各自的特點。它們都有著傳統(tǒng)技術不可比擬的優(yōu)勢，同時也正在開辟著不少新穎而有價值的商業(yè)應用。本文歸納和總結(jié)了已有的研究，著重討論了數(shù)據(jù)處理過程中的技術問題，并對一些可能的研究方向進行了簡要的闡述，期望能借此推動國內(nèi)對smart item技術的關注和研究。相信隨著共性關鍵技術問題的不斷解決，smart item技術將最終會對人們的生產(chǎn)和生活產(chǎn)生巨大影響。

致謝向?qū)Ρ疚牡墓ぷ鹘o予支持和建議的同行，尤其是Arizona State University的孫亮和中國科學院計算技術研究所的黃倩表示感謝。

參考文獻：

［1］BORNHOVD C，LIN Tao，HALLER S，et al.Integrating smart items with business processes an experience report[C]//Proc of the 38th Hawaii International Conference on System Sciences.Washington DC:IEEE Computer Society，2005:227－235.

［2］DING Zhenhua，LI Jintao，F(xiàn)ENG Bo.Radio frequency identification in food supervision[C]//Proc of the 9th International Conference on Advanced Communication Technology.Phoenix Park:[s.n.]，2007:542－545.

［3］LANDT J.Shrouds of time:the history of RFID[R].Pittsburgh: AIM Inc，2001.

［4］FENG Bo，LI Jintao， ZHANG Ping，et al.Study of RFID middleware for distributed largescale systems[C]//Proc ofIEEE International Conference on Information Communication Technologies: from Theory to Applications.2006:2754－2759.

［5］丁振華，李錦濤，馮波，等.RFID中間件研究進展[J]. 計算機工程， 2006，32(21): 9－11.

［6］任豐原， 黃海寧， 林闖. 無線傳感器網(wǎng)絡[J]. 軟件學報， 2003，14(7): 1282－1291.

［7］AKYILDIZ I F，SU Weilian，SANKARASUBRAMANIAM Y，et al.A survey on sensor networks [J].IEEE Communications Magazine，2002，40(8):102－114.

［8］崔莉，鞠海玲，苗勇，等.無線傳感器網(wǎng)絡研究進展[J].計算機研究與發(fā)展， 2005，42(1)：163－174.

［9］WANG Fusheng，LIU Peiya.Temporal management of RFID data[C]// Proc of the 31st International Conference on Very Large Data Bases.Trondheim:[s.n.]，2005:1128－1139.

［10］王宏志， 李建中， 何振瀛，等.基于XML的傳感器網(wǎng)絡數(shù)據(jù)處理[J]. 計算機研究與發(fā)展， 2003， 40（增刊）: 337－341.

［11］KOHVAKKA M，HANNIKAINEN M，TIMO D.Wireless sensor prototype platform[C]//Proc ofthe 29th Annual Conference on the IEEE Industrial Electronics Society.Virginia:[s.n.]，2003:1499－1504.

［12］ALIPPI C，VANINI G.An applicationlevel methodology to guide the design of intelligent processing， poweraware passive RFIDs[C]//Proc of IEEE ISCAS.Kobe:IEEE Press，2005:5509－5512.

［13］MESARINA M，LYON G，PRADHAN S，et al.Demo abstract:automating server tracking for data centers[C]//Proc of the 2nd International Conference on Embedded Networked Sensor Systems.New York:ACM Press， 2004:307.

［14］CHAE D H，HAN K H，LIM K S，et al.Power saving mobility protocol for sensor network[C]//Proc of the 2nd IEEE Workshop on Software Technologies for Future Embedded and Ubiquitous Systems.Austria:[s.n.]，2004:122－126.

［15］孫利民，李建中，陳渝，等.無線傳感器網(wǎng)絡[M]. 北京: 清華大學出版社，2005.

［16］LIN T H，HUANG P.Sensor data aggregation for resource inventory applications[C]//IEEE Wireless Communications Networking Conference.New Orleans，LA:[s.n.]，2005:2369－2374.

［17］ENGELS D W，SARMA S E.The reader collision problem[C]//Proc of IEEE International Conference on Systems， Man and Cybernetics.2002:6－9.

［18］CLARK S，TRAUB K，ANARKAT D，et al.AutoID savant specification 1.0[R]. Cambridge: AutoID Center，2003.

［19］LUCKHAM D C，F(xiàn)RASCA B.Complex event processing in distributed systems，CSLTR98754[R].Stanford: Stanford University，1998.

［20］PIETZUCH P R，SHAND B，BACON J.A framework for event composition in distributed systems[C]//Proc of the 4th ACM/IFIP/USENIX International Conference on Middleware.Berlin:Springer，2003:62－82.

［21］DURRANTWHYTE H. Data fusion in sensor networks[C]//Proc of the 4th Information Processing in Sensor Networks，International Symposium.Sunset Village，Los Angeles:[s.n.]，2005:80－88.

［22］WANG Wei，McFARLANE D，BRUSEY J.Timing analysis of realtime networked RFID systems[R].Cambridge:AutoID Center，2005.

［23］ADI A，BORZER D，ETZION O.Semantic event model and its implication on situation detection[C]//Proc of the 8th European Conference on Information Systems.Vienna:[s.n.]，2000:320－325.

［24］蕭榮興，蘇偉仁，許育嘉.RFID技術運作的神經(jīng)中樞——RFID 中間件[J]. 信息與電腦，2005（9）：35－37.

［25］李建中， 李金寶， 石勝飛. 傳感器網(wǎng)絡及其數(shù)據(jù)管理的概念、問題與進展[J]. 軟件學報， 2003，14(10): 1717－1727.

［26］MADDEN S，F(xiàn)RANKLIN J M.Fjording the stream:an architecture for queries over streaming sensor data[C]//Proc of the 18th International Conference on Data Engineering.Washington DC:IEEE Computer Society， 2002:555－556.

［27］MADDEN S.The design and evaluation of a query processing architecture for sensor networks[D].Berkeley，CA:University of California，2003.

［28］BONNET P，GEHRKE J，SESHADRI P.Towards sensor database systems[C]//Procof the 2nd International Conference on Mobile Data Management.Hong Kong:[s.n.]，2001:3－14.

［29］HARTMANN C，HARTMANN P，BROWN P，et al.Anticollision methods for global SAW RFID tag systems[C]//Proc of the 50th IEEE International Ultrasonics， Ferroelectrics， and Frequency Control Joint Anniversary Conference.Montreal:[s.n.]，2004:924－935.

［30］KRASNIEWSKI M，VARADHARAJAN P，RABELER B，et al. TIBFIT:trust index based fault tolerance for arbitrary data faults in sensor networks[C]//Proc of the International Conference on Dependable Systems and Networks.Yokohama:[s.n.]，2005:672－681.

［31］DING Niannian，LIU X P P.Data gathering communication in wireless sensor networks using ant colony optimization[C]//Proc of IEEE International Conference on Robotics and Biomimetics.Shenyang:[s.n.]，2004:697－702.

［32］LINDSEY S，RAGHAVENDRA C，SIVALINGAM K M.Data gathering algorithms in sensor networks using energy metrics [J].IEEE Trans on Parallel and Distributed Systems，2002，13(9): 924－935.

［33］YE Fan，LUO Haiyun，LU Songwu，et al.Statistical enroute filtering of injected 1 data in sensor networks[C]//Proc of IEEE INFOCOM.Hong Kong:[s.n.]，2004:839－850.

［34］The Sun EPC network architecture[R].Santa Clara: Sunmicro Systems，2004.

［35］RAOL J R，GIRIJA G.Sensor data fusion algorithms using squareroot information filtering [J].IEEE Proc of Radar， Sonar and Navigation，2002，149(2): 89－96.

［36］CHAWATHE S S，KRISHNAMURTHY V，RAMACHANDRANY S，et al.Managing RFID data[C]//Proc of the 30th VLDB Conference.Toronto:[s.n.]，2004:1189－1195.

［37］PRADHAN S S，RAMCHANDRAN K.Distributed source coding:symmetric rates and applications to sensor networks[C]//Proc of IEEE Data Compression Conference.Snowbird:[s.n.]，2000:363－372.

［38］SCAGLIONE A.Routing and data compression in sensor networks:stochastic models for sensor data that guarantee scalability[C]//Proc of ISIT.Yokohama:[s.n.]，2003.

［39］CAM H.Secure data aggregation and sourcechannel coding with MIT code for wireless sensor networks[C]//Proc of IEEE IPCCC.Phoenix:[s.n.]，2005:377－382.

［40］HAGAN S.Plenary session:driving forces in database technology[C]//Proc of the 20th International Conference on Data Engineering.Boston:[s.n.]，2004.

［41］FLOERKEMEIER C，ANARKAT D，OSINSKI T，et al.PML core specification 1.0[R].Cambridge:AutoID Center，2003.

［42］MANI M.Understanding the semantics of sensor data [J].ACM SIGMOD Record，2003，32(4): 28－34.

［43］BONTEMPI G，BORGNE Y.An adaptive modular approach to the mining of sensor network data[C]//Proc of the 1st International Workshop on Data Mining in Sensor Networks.Newport Beach:[s.n.]，2005:3－9.

［44］ADI A，ETZION O.Amitthe situation manager[J].The VLDB Journal，2004，13(2):177－203.

［45］INTANAGONWIWAT C，ESTRIN D，GOVINDAN R，et al.Impact of network density on data aggregation in wireless sensor networks[C]//Proc of Conference on Distributed Computing Systems.Vienna:[s.n.]，2002:457－458.

［46］CHANDY K M，ZIMMERMAN D M.Efficient algorithms for data fusion in sensor networks[C]//Proc of the 25th International Conference on Distributed Computing Systems.Columbus， Ohio:[s.n.]，2005.

［47］WEI Yuan，KRISHNAMURTHY S V，TRIDATHI S K.Synchronization of multiple levels of data fusion in wireless sensor networks[C]//IEEE Global Telecommunications Conference.San Francisco:[s.n.]，2003:221－225.

［48］RMER K，SCHOCH T，MATTERN F，et al.Smart identification frameworks for ubiquitous computing applications[J].Wireless Networks，2004，10(6): 689－700.

［49］KRIVITSKI D，SCHUSTER A，RAN W.Local hill climbing in sensor networks[C]//Proc of the 1st International Workshop on Data Mining in Sensor Networks.Newport Beach:[s.n.]，2005:38－47.

［50］KULAKOV A，DAVCEV D.Distributed data processing in wireless sensor networks based on artificial neuralnetworks algorithms[C]//Proc of the 10th IEEE Symposium on Computers and Communications.Cartagena:[s.n.]，2005:353－358.

［51］KULAKOV A，DAVCEV D.Data mining in wireless sensor networks based on artificial neuralnetworks algorithms[C]//Proc of the 1st International Workshop on Data Mining in Sensor Networks.Newport Beach:[s.n.]，2005:10－16.

［52］HONG S J，MAY G S.Neuralnetworkbased sensor fusion of optical emission and mass spectroscopy data for realtime fault detection in reactive ion etching [J].IEEE Trans on Industrial Electronics，2005，52(4):1063－1072.

［53］周志華，曹存根.神經(jīng)網(wǎng)絡及其應用[M]. 北京: 清華大學出版社， 2004.

［54］SU Jianbo，WANG Jun，XI Yugeng.Incremental learning with balanced update on receptive fields for multisensor data fusion [J].IEEE Trans on Systems， Man and Cybernetics:Part B，2004，34(1): 659－665.

［55］QI Hairong，IYENGAR S S，CHAKRABARTY K.Multiresolution data integration using mobile agents in distributed sensor networks [J].IEEE Trans on Systems， Man， and Cybernetics:Part C，2001，31(3):383－391.

［56］QI Hairong，WANG Xiaoling，IYENGER S S，et al.Multisensor data fusion in distributed sensor networks using mobile agents[C]//Proc of the 5th International Conference on Information Fusion.Annapolis:[s.n.]，2001:11－16.

［57］WU Qishi，RAO N S V，BARHEN J，et al.On computing mobile agent routes for data fusion in distributed sensor networks [J].IEEE Trans on Knowledge and Data Engineering，2004，16(6): 740－753.

［58］MAKARENKO A，DURRANTWHYTE H.Decentralized data fusion and control in active sensor networks[C]//Proc of the 7th International Conference on Information Fusion.Stockholm:[s.n.]，2004:479－486.

［59］JAYAWEERA S K.Optimal Bayesian data fusion and lowcomplexity approximations for distributed DSCMDA wireless sensor networks in rayleigh fading [C]//Proc ofIntelligent Sensing and Information Processing.Chennai， India:[s.n.]，2005:19－24.

［60］MARTINERIE F.Data fusion and tracking using HMMs in a distributed sensor network [J].IEEE Trans on Aerospace and Electronic Systems，1997，33(1):11－28.

［61］SHIN J，LEE N，THURN S，et al.Lazy inference on object identities in wireless sensor networks[C]//Proc of Information Processing in Sensor Networks.Los Angeles:[s.n.]，2005:174－178.

［62］ADAM N R，ATLURI V，KOSLOWSKI R，et al.Agency interoperation for effective data mining in border control and homeland security applications[C]//Proc of the 5th National Conference on Digital Government.Seattle:[s.n.]，2004.

［63］HARTL G，LI Baochun. Loss inference in wireless sensor networks based on data aggregation[C]//Proc of the 3rd International Symposium on Information Processing in Sensor Networks.New York:ACM Press，2004:396－404.

［64］GONZLEZ V，SANCHIS E，TORRALBA G，et al.Comparison of parallel versus hierarchical systems for data processing in distributed sensor networks[J].IEEE Trans on Nuclear Science，2002，49(2):394－400.

“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文”