RFID系統中面向服務的動態資源配置優化機制

劉建華，童維勤

(上海大學 計算機工程與科學學院，上海 200072)

1 引言

物聯網是下一代網絡的發展方向，RFID作為物聯網的一大支撐技術已經大量應用于環境中的對象識別[1～4]。然而，這些已經部署的系統適用于小規模的應用，當進行大規模的開發和應用 RFID系統時，就會面臨許多的資源優化問題[5],特別是智能電子標簽技術是物聯網高效應用的瓶頸，如何設計低成本、低功耗的電子標簽是物聯網應用面臨的巨大挑戰，其次還面臨著電子標簽覆蓋，能量高效及干擾優化等關鍵問題，MC-BFO[6]算法集成了Cell-to-Cell通信方法對RFID network進行了優化。本文從資源優化角度出發，為下一代智能電子標簽和讀寫器的設計提出了面向服務的RFID sensor系統動態資源配置方法，此方法提供了一個在 RFID系統中的資源配置機制，它是利用資源分配和RFID tag和reader內部服務調整來實現RFID應用系統的吞吐量管理的一種重要手段，同時也是在傳感節點軟件動態更新后，對其上的資源優化配置所必需的服務。在物聯網環境中，由于RFID sensor資源缺乏，如果不進行綜合性的資源配置優化，RFID系統很難高效的應用，單一的資源配置是一種局部的解決方案，適用于特定的場合，難以滿足日益增多的RFID sensor系統。此外，當前無線傳感器技術還難以消除移動給RFID系統帶來的鏈接不穩定狀態，主要表現在當貼在車輛上的RFID電子標簽隨車移動以及手持讀寫器隨人移動時，帶寬就會發生變化，引起了RFID系統吞吐量起伏不定。例如在一個車輛稽查系統中，稽查員手持讀寫器讀取過往車輛上的電子標簽，這些電子標簽數據經過預處理（過濾、壓縮、加密），然后通過無線網絡傳輸到車輛控制中心以供車輛稽查。另外，在一些水上漂浮的傳感器，當獲得其數據并存儲在 RFID tag中后，同樣也由于移動影響其快速鏈接到 RFID reader，在這些應用場景中，有時還有干擾、速率不匹配等情況發生。資源配置服務的關鍵問題是，如何使RFID系統在帶寬波動、內存、電池、MCU、CPU計算能力有限的情況下提供滿意的吞吐量。近年來，一些學者在應用資源配置服務方法對系統性能優化方面做了深入研究工作，這其中有基于組件的嵌入式軟件QoS分析方法，為了解決多準則優化問題，一個基于組件選擇的方法根據多個準則使用了權重方程給出每個組件的總效用值,也有一些方法使用預測系統的 QoS屬性,例如資源消耗[7]和可靠性[8]等。RFID設備嵌入式軟件組件是集成在一個容器中，基于容器的嵌入式軟件開發方法[9]為后來的嵌入式軟件組件 QoS優化[10]起到了基礎作用。Li等[11]提出了在移動網格中基于設備上下文的資源優化算法。對于系統的資源配置Li和Nahrstedt[12]提出了基于PID的模糊控制模型來動態地分配CPU和帶寬資源。Huang 等[13]為實時的多媒體服務開發了一個資源預留的模式去確保系統的QoS。這些方法中的靜態預留和動態分配很好地解決了多媒體系統的資源問題。

2 RFID系統需要資源配置優化場景

圖1中是tag和reader之間的速率不匹配場景，使用下文中的調節算法可以調節tag的發送速率；圖2是讀寫器2干擾讀寫器1的場景,使用下文中的功率帶寬聯合算法可以調節讀寫器的功率，使得讀寫器2解除對讀寫器1的干擾。在對RFID系統中reader-to-reader干擾研究主要考慮2個重要的參數(SIR, signal-to-interference ratio)和功率，Mercado 等[14]為無線多媒體網絡使用功率控制和智能天線提出了一個自適應的QoS概念，顯示了對于多媒體用戶在SIR平均等級下的數量增長。

圖1 RFID tag和reader速率不匹配

圖2 reader-to-reader干擾

3 面向服務的資源消耗模型

3.1 建立RFID系統組件服務模型

RFID tag服務agent是一個帶有傳感器的電子標簽，它可以被 RFID讀寫器讀取，在工作狀態下RFID tag 服務agent會消耗其上的資源，同時執行特定功能將處理的 sensor數據傳輸給RFID reader服務agent，為了便于考查RFID系統的性能，主要關注其吞吐量（讀取率）屬性，給出一個 RFID傳感器服務 agent的形式化定義如下。

定義1 RFID傳感器服務agent可以表示為一個 5元組：F={Drs,Crs,Irs,Ors,Qrs}。這里 Drs是關于RFID傳感器的描述，其中包括附加其上傳感器功能和狀態，Crs是組件集合，Irs是該輸入傳感器相關的變量、數據格式和通信協議，Ors是該RFID傳感器輸出的相關變量、數據格式和通信協議等；Qrs是決定其吞吐量的QoS屬性集合，例如，數據傳輸時間、MCU使用率、內存消耗等。圖3是一個RFID傳感器功能服務圖。包含有可視傳感器，圖像傳感器(VS)，非可視傳感器，如溫度、濕度(DS)等。

圖3 RFID傳感器節點功能服務

RFID tag和reader及附著其上的sensor共同稱作 RFID 傳感器。RFID sensor的配置函數如下：confci(zc) 是一個組件zc的QoS屬性值ai配置函數，即由參數 zc對應的一個 QoS屬性值ai的值vic。ec表示能量調節組件，cg表示通道調節組件，cc表示CPU調節組件，mc表示存儲調節組件。

3.2 建立面向服務的資源優化分析模型

3.2.1 面向服務的RFID系統資源消耗模型

出于對資源的動態配置，提出了一個基于服務agent的RFID應用系統，如圖4所示。RFID reader 服務agent一方面向資源服務agent提出申請資源并獲得提供標簽處理、數據存儲、能量的資源；另一方面，發布自己的標簽處理、數據存儲、能量的資源服務，使得盡快識別RFID tag，讀取其數據。

圖4 面向服務的RFID系統資源消耗模型

RFID tag服務 agent，一方面，向資源服務agent提出申請資源并獲得提供標簽數據寫入、讀出、傳輸、處理的能量及存儲資源；另一方面，RFID tag 服務agent主動發布自己的能量資源，使得盡快獲得RFID reader 服務agent提供的標簽處理、數據存儲、能量的資源服務。資源服務agent一方面接受RFID reader 服務agent，RFID tag服務 agent的資源申請；另一方面，通過資源評估后分別向 RFID Reader服務 agent和RFID tag服務agent提供資源。資源上下文表示如下：

設有 RFID tag服務 agent Tg={Tg1,…,Tgn}和RFID reader服務 agent R={Rd1,…,Rdm}，Bin,j表示 Tgi從Rdj獲得的帶寬n，Mio,j表示Tgi從Rdj獲得TagData的存儲 o，Cip,j表示 Tgi從 Rdj獲得處理 TagData的CPU p，Eiq,j表示Tgi從Rdj獲得處理和傳輸TagData的能量 q，BSn,j表示 Rdj的總帶寬容量，MSo,j表示Rdj的總存儲容量，CSp,j表示Rdj最大CPU處理能力，ESq,j表示Rdj總的電池能量，tir,j表示Rdj接收和處理TgiTagData花費的時間，Bin,j,C表示Rdj接收Tgi花費的帶寬，Mio,j,C表示 Rdj存儲 Tgi花費的存儲空間，Cip,j,C表示 Rdj處理 Tgi花費的 CPU，Eiq,j,C表示 Rdj接收和處理TgiTagData花費的電池能量，Bin,j,T表示Tgi發送數據花費的帶寬，Mio,j,T表示Tgi存儲Sensors數據花費的存儲空間，Cip,j,T表示 Tgi處理數據花費的MCU。Eiq,j,T表示Tgi發送和存儲數據花費的能量，Ci,S(n,o,p,q),j表示 Tgi接收、存儲、處理 Sensors數據總花費，Tij表示 Rdj接收和處理其讀取半徑內的Tgi(dij≤ri+rj)花費的時間。

在RFID服務網絡中由多個RFID tag sensor組成了一個集合，它們可以用一個服務 RFID tag sensor集合來表示 ytg={tg1,tg2,…,tgn},假設用 Tg(tgk)來表示tgk(k∈[1,n])服務區域內提供服務的RFID tag sensor集合，那么提供服務的RFID tag sensor消耗的電池能量總和為

RFID reader sensor服務集合表示為 yrd={rd1,rd2,…,rdm},假設用 Rd(rdk) 來表示 rdk(k∈[1,m]) 服務區域內提供服務的RFID reader sensor集合，那么提供服務的RFID reader sensor消耗的電池能量總和為

一個 RFID tag sensor的資源動態配置是通過RFID tag服務agent及其相關的QoS參數決定的。使得這里mpt是在t時刻時QoS參數值，在RFID系統中調節RFID tag 服務agent的輸出。在有多個RFID tag服務agent的監控環境中，單個RFID tag服務agent的數據讀取率依賴于多個 RFID tag 服務 agent組成的讀取區域，使用 Q(ytg,t)= x(y(Tg1,t),…,y(Tgp,t))，這里 Tgi∈ytg，i∈[0,n]，區域內所有RFID tag被讀取的延遲時間為所有在監控區域內的標簽平均延遲時間

一個RFID reader sensor的資源動態配置是通過RFID reader服務agent及其相關的QoS參數決定的。使 Q(Rdi,t)=y(m0t,m1t,…,mpt),這里 mpt是在 t時刻時 QoS參數值。在 RFID系統中調節 RFID reader服務agent的輸出。

3.2.2 RFID系統資源的效用優化

資源效用優化方法是給RFID系統分配資源使RFID網絡有好的服務質量，以便在 RFID tag和RFID reader的資源約束下最大化系統的效用URFID-System，使用非線性最優化理論，在RFID系統中效用最優化形式化為

Lagrangian方法能解決約束最優問題，使用這個方法解決RFID system service agent最優問題，下面應用Lagrangian方法去解這個方程。

其中，λi、iβ、iφ、iμ是Tgi單位時間內獲得Rdj帶寬、存儲器、CPU、電池能量。iα、iγ是Tgi花費的總時間的時間單位和一個單位時間內的資源消耗。Tgi的資源約束下的最大化效用 URFID-Tg，使用非線性最優化理論，在RFID系統中URFID-Tg效用最優化形式化為

Rdj的資源約束下的最大化效用 URFID-Rd，使用非線性最優化理論，在RFID系統中URFID-Rd效用最優化形式化為

解Lagrangian方程[11]得

從RFID Reader效用求得

4 資源配置服務策略

當RFID tag sensor移動時，由于其數據傳輸的波動造成資源消耗的變化，如存儲時間增長，延遲時間增長，導致電池的消耗也增長，這就決定了RFID sensor網絡系統的關鍵QoS變化是不可避免的。此外，RFID系統中link不如移動終端有極大的靈活性和自適應性，tag和reader都不具備，因此，從RFID系統link的靈活性出發，設計和增強RFID系統的link自適應性，在多標簽識別系統中，在reader識別范圍內的標簽會同時傳輸數據，每個reader的帶寬被分成時間幀，每個幀由固定數量的時間隙組成，每個時間隙被使用去傳輸固定長度的tag標簽或sensor數據分組，而 tag數據在傳輸前分成固定大小的分組，在任何一個幀n中，有些最小的時間隙，這些最小的時間隙比正常的時間隙持續時間短，這預留給每個tag與reader之間交換控制消息。在RFID系統中的tag和reader之間的QoS控制要考慮以下3個方面：1)tag期望的傳輸速率；2)reader能給tag配置的資源；3)tag和reader之間及其各自的QoS控制策略。資源配置服務的目標是通過QoS變化的有效管理，從而實現資源的有效利用和提高系統的吞吐量。為了實現這個目的，資源配置服務的QoS值低于閾值時，能夠利用網絡中的所有可用資源提高系統的吞吐量。相反，如果QoS值超出閾值時，要調低系統中RFID sensor消耗的QoS值，以增強網絡的生命期。資源配置過程即為QoS調節過程。

在資源受限的RFID網絡環境中，動態資源配置的目標是把QoS值控制到一個合理水平，這個控制過程是非線性的，在資源受限的RFID設備上解決非線性問題使用模糊系統[15,16]可以簡化復雜的數學公式計算，并且輸出含有多個模糊規則的合并,即使有一個規則失敗了，其他規則可以補償和擴展,解決了系統靈敏度和穩定性的矛盾以及和人類思維的一致性，達到了較高的可靠性，在本節中討論了一種使用模糊控制系統的方法實現了 RFID sensor網絡的混合多參數的資源配置控制模型，提高了系統的性能。在圖 5中描述了一個 RFID系統資源配置控制框架。在資源配置框架中，由資源偵聽器來監控和捕獲資源狀態，其中ResourceAttributeListener={B,M,C,E}獲取QoS屬性及其數值，作為輸入。資源管理器是配置環節中重要的一個器件，其中有 3個模糊控制器，分別為URFID-Tg模糊控制器、URFID-Rd模糊控制器和模糊控制器。捕獲的資源屬性值及資源優化參數誤差值輸入到這些模糊控制器中，推理產生資源配置 Action輸入到對應的 3個適配器中，即URFID-Tg適配器、URFID-Rd適配器和ActiveRFID-SystemU 適配器，然后由適配器調用 ConfigurationPerformed來執行資源調節配置。在上述介紹的3種配置模型中，面向URFID-Tg的控制模型配置QoS參數會影響到RFID tag到RFID reader之間的數據傳輸的吞吐量。面向URFID-Rd的控制模型配置 QoS參數會影響到 RFID reader之間數據傳輸的路由變化。面向 URFID-Tg和URFID-Rd的控制模型配置QoS參數同時也會影響到各自的性能。考慮到這3種情況，本文設計了3種資源配置策略。

圖5 RFID系統資源配置控制框架

4.1 面向URFID-Tg和URFID-Rd的資源配置策略

面向URFID-Tg的QoS參數調整如圖6所示，是調節RFID tag 服務agent參數的方法。資源偵聽器獲取RFID tag 服務agent中標簽的資源值。資源配置訪問適配器，是配置環節中重要的一個器件，通過對資源管理器的調用來更新資源參數，該適配器通過配置文件對RFID tag進行資源優化配置。資源偵聽器用來監控和捕獲資源狀態，其中，ResourceAttri- buteListener獲取QoS屬性及其數值，資源配置訪問適配器中的 ConfigurationPerformed用來從資源管理器中獲取需要配置的資源類型。

圖6 RFID tag資源配置控制模型

URFID-Tg型調節通過檢測 tag的 QoS資源質量，主動反映其資源狀況，使RFID tag和reader之間的數據通信達到最佳平衡。其次，tag有時存儲 sensor數據，并傳輸給 reader。由拉格朗日效用函數URFID-Tg求出的值U(Mio,j,T,Bin,j,T,Eiq,j,T,Cip,j,T)作為期望的值并且選擇性調節各個參數。URFID-Rd型調節如圖7所示，是通過檢測reader的QoS資源質量，主動反映其資源狀況，使 RFID tag和reader之間的數據通信達到最佳平衡。其次，reader接收、存儲、處理tag/sensor數據，有時不能滿足實際資源需求，由拉格朗日效用函數URFID-Rd求出的值作為期望的值選擇性調節各個參數。

圖7 RFID reader資源配置控制模型

4.2 面向URFID-System的資源配置策略

4.3 RFID系統資源配置算法

4.3.1 資源偵聽器算法實現

在上文中提到的3種配置策略類型中，都需要資源偵聽器來監聽IOT設備的資源狀況，資源偵聽器是時間驅動的，在給定的時間間隔[t1,t2]內偵聽tag和reader中ec、cg、cc、mc組件的資源狀態參量，把這些值送入到資源管理器。具體算法如圖9所示。

圖9 資源偵聽器算法

4.3.2 資源管理控制器算法實現

RFID tag和reader的QoS參數模糊控制器根據parameterlist調整策略來改變其值，RFID系統的QoS值與tag和reader的QoS值相關，因此通過改變tag和reader的QoS值就可以改變RFID系統的QoS值。使用了 Takagi-Sugeno 型模糊推理及triangle MF來實現模糊控制，其中模糊控制器以QoS誤差和誤差變化作為輸入變量，然后產生配置輸出到tag和reader組件中。根據效用函數求出的值為系統最大效用的最優資源值，作為每個 tag i期望的QoS值，其中包括：當前值為：。誤差為

在誤差集合中有時只需使用 e(t)M來調整數據存儲。如存儲器中的標簽數據超過其上限，要刪除其舊的數據。此時其他的誤差權重為零。因此，在不同的時刻，根據不同的權重來配置其資源。誤差權重表達式為

誤差模糊數集合為

誤差變化為

誤差變化集合為

對應的誤差變化權重為

誤差變化模糊數集合為

圖10 4條規則的模糊推理單元

在圖10中的Q點同時觸發4條規則。反模糊化輸出為

模糊調節參數取值范圍：

1) CPU/MCU使用率控制算法

CPU/MCU使用率的調節主要是避免過多的數據接收、過濾、處理使其過度使用而影響RFID系統的性能。對于每一次處理任務定義為DTi(1≤i≤N)N 是周期數[17]。DTi=(TiC,Ti,Ui)，TiC是估計任務的執行時間。Ti是處理的周期，且Ti,Min≤Ti≤Ti,Max，Ti,Min是最小執行周期, Ti,Max是最大執行周期。Ui是 CPU/MCU的執行效用，且CPU/MCU總的效用為：CPU/MCU控制器通過測量任務iDT的處理周期來調節工作負載。算法如圖11所示。

圖11 CPU/MCU使用率控制算法

2) 存儲控制算法

Memory調節控制算法主要監測buffer和存儲器的值，若超過閾值則刪除或遷移舊的數據以擴大存儲空間，算法如圖12所示。

圖12 存儲控制算法

3) 能量控制算法

能量控制算法使用資源偵聽器件監控電池能量狀態，通過(BatteryLevel)SystemState.GetValue獲取電池實際使用參數 SystemProperty.PowerBattery來控制能量的輸出。在能量的調節決策中包括3種調節，若調節參數時,E不變，若時，E變小，若時，E變大，算法如圖13所示。

圖13 能量控制算法

4) 功率和帶寬聯合調節算法

在圖8中描述的反饋調節控制系統，對于功率和帶寬聯合調節以解除reader之間的干擾以及解決tag和 reader之間的速率不匹配問題，提高標簽數據的讀取率。首先，tag向 reader申請傳輸資源，即比特率，reader j確定為n個tag i在l次傳輸時提供的通過對tag的通道發送速率的調節，使得tag每次發送速率是可變的，有l個不同的速率Ril，在reader中的模糊控制器由resourcelist獲取 SIRjr(t)當前值,計算與 tag的期望SIRjt(t)的誤差及其變化，tag的期望SIRjt(t)下，當獲取的SIR(t)≥rjl時，那么tag數據被reader成功接收，否則不能被成功接收。可見在功率和帶寬聯合調節的情況下，傳輸的成功與否取決于tag使用什么樣的速率，也即，若調節參數說明reader通道質量好，可以增大tag的傳輸速率。若此時reader通道質量沒有變化，tag的發送速率保持不變。若p4B＜rjl，此時reader的通信質量很差，應該減慢tag的發送速率。若此時,tag遇到了嚴重的 reader-to-reader干擾，導致了無效的傳輸。為了節約tag的能量，這時reader應命令tag停止發送數據，使得tag i在第t+1時間沒有傳輸功率,為避免無限期的等待傳輸，設置延遲時間為tag i此次數據傳輸結束，等待下一次傳輸。調節算法如圖14所示。

圖14 功率和帶寬聯合調節算法

資源管理器中的 ConfigurationAction()如圖 15所示。

圖15 資源管理器中的ConfigurationAction()算法

其中，CofigurationAdapter為資源適配器，是事件驅動，根據不同的配置事件消息通過函數執行相應的配置, 函數為CofigurationPerformed()，其算法如圖16所示。

圖16 CofigurationPerformed()算法

RFID reader配置函數如圖17所示。

圖17 RFID reader配置函數算法

RFID tag配置函數如圖18所示。

圖18 RFID tag配置函數算法

5 實驗分析

5.1 驗證調節算法有效性

驗證調節算法有效性主要包括 5方面：①CPU/MCU調節的有效性；②Memory調節的有效性；③功率和帶寬聯合調節的有效性；④P1C、P2M、P3B參數混合調節的有效性；⑤P1C、P2M、P3B、P4E混合參數調節的有效性，其中包含有功率和帶寬聯合調節。根據誤差和誤差變化的權重，把實驗分為2種類型，Type1是非干擾固定速率型，在無干擾固定速率的情況下多參數聯合調節，即 P1W(t)1=P1CW1C(t)+ P2MW2M(t)+ P3BW3B(t),此種情況下，W4E(t)=0時，驗證在P1C、P2M、P3B混合參數調節的情況下與W2M(t)=0時，P1W(t)2= P1CW1C(t)+P3BW3B(t)型調節的RFID系統性能比較分析。Type2型是干擾和變速率傳輸型調節，考慮干擾的情況下多參數聯合調節，即 P2W(t)1=P1CW1C(t)+P2MW2M(t)+P3BW3B(t)+P4EW4E(t), 驗證在 P1C、P2M、P3B、P4E混合參數調節的情況下分別與 P1W(t)1、P1W(t)2調節的 RFID系統性能比較分析。

5.2 性能指標

1) 吞吐量的具體衡量指標為平均讀取成功率(ARSR, average read successfully rate)

其中，Ntag是在仿真時成功讀取標簽的數量。Rl是tag在第l次成功傳輸時的速率。對于tag的一次不成功傳輸其傳輸率為0，Sp是采樣的周期。

2) 不成功讀取概率(PUR, probability of unsuccessfully read)

其中，lrf是在一個仿真中不能成功讀取的標簽數。ltf是不能成功獲得傳輸率的標簽個數。ls是總的標簽數。

3) 內存溢出概率(PMO, probability of memoryoverflow)

其中，Mof是內存溢出的標簽個數。Mtg是總標簽個數。

對Type1型中P1W(t)1是在不考慮干擾的情況下，P1C、P2M、P3B混合參數調節，其實驗過程為：創建CPU、帶寬、內存監測線程、reader接收線程和tag發送線程。CPU、帶寬、內存監測線程來調節各個參數，觀察 reader在讀取過程中的參數調節帶來RFID系統性能的變化，實驗首先啟動tag發送線程，然后是reader接收線程，隨著tag發送線程發送tag數目增加，read接收線程監測到tag數目變化率增大，當數目Ntag＞ρ′時，reader上的帶寬監測線程創建新的channel，增加接收通道個數，使數據讀取量增加，CPU監測線程調節加快過濾處理時間周期，內存監測線程監控內存空間的變化，當 NM＞ρ′，啟動調節線程，轉移內存的電子標簽數據，接收新的數據。在P1W(t)2型中，測試P1C、P3B混合參數調節，隨著tag發送線程發送的tag數目的增加，當數目Ntag＞ρ′時，reader上的帶寬監測線程創建新的channel，增加接收通道個數，使數據讀取量增加，CPU監測線程調節加快過濾處理時間周期，但在P1W(t)2型中沒有內存調節過程，增加了內存溢出的概率導致標簽的讀取概率降低。在圖19和圖20中比較分析了P1W(t)1和P1W(t)2中tag讀取率。設tag長度為 16byte，傳輸速率為 1.6byte/ms內存大小MSize=1KB，Sp=1，附著在車輛上的電子標簽的移動速度分布為[8,80]km/h。

圖 19為 P1W(t)1和P1W(t)2型調節平均讀取成功率，P1W(t)1型調節由于使用本文提出的 P1C、P2M、P3B混合型調節，使得讀取成功率穩定上升，而P1W(t)2型調節由于使用P1C、P3B混合參數調節，沒有使用P2M調節參數，在內存資源被占用的情況下無法調節而使得tag的標簽數為70個時，其讀取率達到恒定的水平，這是由于當標簽個數為 70時，此時的內存占用為 70×16=1120byte＞1KB 的內存空間，P1C調節參數在不斷加快 CPU的處理，使內存中積累了大量tag數據，這時沒有P2M參數調節已經充滿內存，reader內存中的數據無法轉移造成了內存溢出概率上升，其次，對于內存中舊的臨時數據也沒有相應調節來清除，使得讀取成功率下降。

圖19 P1W(t)1和P1W(t)2型調節平均讀取成功率

圖20 P1W(t)1和P1W(t)2型調節不成功讀取概率

P2W(t)1型調節的實驗過程與P1W(t)1和P1W(t)2型調節相類似，主要不同在于，在reader上創建功率調節線程，檢測到其通道狀況。在tag要創建速率調節線程，當 p4B＜rjMin(l)發生時，tag遇到了嚴重的reader-to-reader干擾，導致了無效的傳輸，為了節約tag的能量，這時reader命令tag停止發送數據，而reader能量調節參數調節輸出功率來解除干擾，tag在等待一個 QT(ytg,t)delay時間后，重新傳輸，但當調節參數p4B≥rjl+1，說明reader通道質量好，可以增大tag的傳輸速率，不像P1W(t)1和 P1W(t)2型調節是固定速率，致使好的信道質量沒法最大利用，reader帶寬資源被浪費。P2W(t)1型調節可以使tag變速率傳輸，即 reader輸出控制命令，tag接收線程收到命令后，交由速率調節線程調節速率。發送速率分別為：0.16byte/ms、1.6byte/ms、16byte/ms。

圖21和圖22中P2W(t)1型調節使用P1C、P2M、P3B、P4E參數混合調節。P3B、P4E參數作用于UnionPowerBandwidth調節，使得tag變速傳輸，而且reader調節輸出功率解除reader-to-reader干擾，極大地提高了tag的平均讀取成功率，從而減少了讀取不成功概率。在圖21中當標簽數為90時，平均讀取成功率情況為：P2W(t)1＞ P1W(t)1＞ P1W(t)2，P2W(t)1型調節保持較高的平均讀取成功率。而在圖 22中當標簽數為80時，讀取不成功概率情況為P1W(t)2＞P1W(t)1＞P2W(t)1，即 P2W(t)1型調節讀取不成功概率為最小且保持穩定狀態。

圖21 P1W(t)1、P1W(t)2和 P2W(t)1型調節平均讀取成功率

圖22 P1W(t)1、P1W(t)2和 P2W(t)1型調節讀取不成功概率

6 結束語

本文以RFID sensor節點的QoS組件模型為基礎，建立面向服務的RFID系統資源消耗模型，使用拉格朗日優化方法求出了各個QoS組件資源的調節參數的下界，然后，使用下界作為模糊控制的期望參數來調節資源變量以達到最優資源配置。隨后，建立了3種資源配置控制框架，分析了3種類型資源配置服務策略，并給出了相應的算法，通過這些資源配置服務策略有效防止內存的溢出,節約了能量,調節了 CPU/MCU 的工作負載，使得tag和 reader之間傳輸速率相匹配以及reader-to-reader之間的干擾解除，為物聯網下一代智能電子標簽和讀寫器的優化設計提供了理論基礎。

[1] ATZORI L, IERA A, MORABITO G. The internet of things: a survey[J]. Computer Networks, 2010, 54(15):2787-2805.

[2] CONTI J P. The internet of things[J]. IET Communications Engineer,2006, 4(6):20-25.

[3] KRANZ M, HOLLEIS P, SCHMIDT A. Embedded interaction: interacting with the internet of things[J]. IEEE Internet Computing, 2010,14(2):46-53.

[4] GUINARD D, TRIFA V, KARNOUSKOS S. Interacting with the SOA-based internet of things: discovery, query, selection, and on demand prov-isioning of Web services[J]. IEEE Transactions on Services Computing, 2010, 3(3):223-235.

[5] GUAN Q, LIU Y, YANG Y P. Genetic approach for network planning in the RFID systems[A]. Proceedings of the Sixth International Conference on Intelligent Systems Design and Applications[C]. Los Alamitos, CA, USA, IEEE Computer Society, 2006. 567-572.

[6] CHEN H N, ZHU Y L, HU K Y. Multi-colony bacteria foraging optimizati-on with cell-to-cell communication for RFID network planning[J]. Applied Soft Computing, 2010, 10(2):539-547.

[7] MUSKENS J, CHAUDRON M. Prediction of run-time resource consumption in multi-task component-based software systems[A]. Proceedings of the 7th International Symposium on Component-Based Software Engineering(CBSE’2004)[C]. Edinburgh, UK, Springer,2004.162-177.

[8] HAMLET D, MASON D, WOITM D. Theory of software reliability based on components[A]. Proceedings of the 23rd International Conference on Software Engineering(ICSE’2001)[C]. Toronto, Ontario,Canada, IEEE Computer Society, 2001.361-370.

[9] YEN I L, KHAN L, PRABHAKARAN B. An on-line repository for embedded software[A]. Proceedings of the 13th IEEE International Conference on Tools with Artificial Intelligence[C]. Dallas, TX, USA,IEEE Compu-ter Society, 2001.314-321.

[10] COOPER K, ZHOU J, MA H. Code parameterization for satisfaction of QoS requirements in embedded software[A]. Proceedings of the Inter-national Conference on Engineering of Reconfigurable Systemsand Algorithms[C]. Las Vegas, Nevada, USA, 2003.58-64.

[11] LI C L, LI L Y. Context aware service provisioning in mobile grid[J].Journal of Network and Computer Applications, 2011, 34(2): 774-782.

[12] LI B, NAHRSTEDT K. A control-based middleware framework for quality-of-service adaptations[J]. IEEE Journal on Selected Areas in Comm-unications, 1999, 17(9):1632-1650.

[13] HUANG L, KUMAR S, KUO C C J. Adaptive resource allocation for multi-media QoS management in wireless networks[J]. IEEE Transactions on Vehicular Technology, 2004, 53(2):547-558.

[14] MERCADO A, LIU K J R. Adaptive QoS for wireless multimedia networks using power control and smart antennas[J].IEEE Transactions on Vehicular Technology, 2002, 51 (5):1223-1233.

[15] ZHANG Y, ZHANG S, HAN S. Adaptive service configuration approach for quality of service management in ubiquitous computing Envir-onments[J]. Journal of Zhejiang University Science A, 2009,10(7):964-957.

[16] TSAY D L, CHUNG H Y, LEE C J. The adaptive control of non-linear sy-stems using the sugeno-type of fuzzy logic[J]. IEEE Transactions Fuzzy System, 1999, 7(2):225-229.

[17] BASARAN C, SUZER M H, KANG K. Robust fuzzy CPU utilization control for dynamic workloads[J]. Journal of Systems and Software,2010, 83(7):1192-1204.

[18] SUNG C W, WONG W S. Power control for multirate multimedia CDMA systems[A]. Proceedings of Eighteenth Annual Joint Conference of the IEEE Computer and Communications Societies (INFOCOM’1999)[C]. New York, USA, 1999. 957-964.

[19] CHEN Y, LIN Y, WANG J. Adaptive fuzzy-based rate management and power control in multimedia CDMA cellular systems[J].Computer Communications, 2008, 31(10):1901-1910.