基于RFID技術的物聯網信息處理關鍵技術研究

牛玉霞　 南通科技職業學院 江蘇南通 226007

基于RFID技術的物聯網信息處理關鍵技術研究

牛玉霞 南通科技職業學院 江蘇南通 226007

RFID技術是目前應用較為頻繁的技術之一，由于其具備非接觸式自動識別、多個標簽一同選取以及具有良好的抗干擾能力等優點，開始應用于商品物流管理、物流信息跟蹤等多個領域，應用范圍較廣，效果良好。如今，物流行業發展迅速，無論是物品數量還是物品種類都有所增加，基于RFID技術建立而成的物聯網信息處理技術也應運而生。本文簡要分析信息融合技術，同時簡述了以“云”為中心的物聯網數據處理方式，分析了如何在物聯網中實時進行數據處理的理論基礎。以期令RFID技術得到更為廣泛的應用，提高物聯網信息處理效率。

RFID技術；物聯網；信息處理

物聯網是目前廣泛應用的技術之一，適用于各種類型的應用場景，同時與人們的生活息息相關。因此，物聯網技術一直是科學研究的熱點之一。RFID技術屬于物聯網系統感知層技術，主要用以感知數據。該技術經過長時間應用，已然成熟，能夠對大量物品實行唯一標識。因此被廣泛應用于物聯網信息處理當中。

1　信息融合技術

1.1物聯網信息融合理論

所謂信息融合，指在不違背部分準則的前提下，通過計算機技術將多源信息綜合為一體，并對其進行分析，是為了令各類型應用的分類任務得以實現所進行的處理過程。依照信息提取水平的不同，可將物聯網內信息融合技術下分為四個層次，具體如下：低等水平融合、中等水平融合、高等水平融合以及多級融合。該分類方法中，多級融合是由低、中以及高等水平融合綜合而成。因此，也可將信息融合技術細分為三個層級，即數據級融合、特征級融合以及決策級融合。針對物聯網而言，數據級融合存在的主要目的是為了將錄入數據中的噪聲完全消除。特征級融合以及決策級融合存在的目的則是為了獲得同實際應用相關聯且具有應用價值的信息。

1.2物聯網信息融合常用算法

第一，數據級融合算法。所謂數據級融合指在原始數據采集完成之后，對數據的融合。其融合特點為所有信息必須保證同質，若信息不同質，則不得于該層級內融合。該階段融合技術較為常用的融合算法有以下兩種。

（1）加權平均法。與其他算法相比，該算法最為簡單，無需借助其他步驟，便能對傳感器所獲取的信息實施線性加權平均，從而預估處于運動狀態下的目標運動軌跡某一定點的坐標位置。然而，利用該算法進行融合之后，對比度相對較低，而且不可使用增大權重的方法向用戶反映部分信息是否具有突出作用。

（2）特征匹配法。該方法主要是通過兩種信息特點之間的匹配關系完成圖像之間配準映射轉換的建立，最為常用的便是ICP算法。可通過對真集合的方式進行改善，通過對無誤差使用危險性最優化的算法直接完成最小化操作。同傳統ICP方法相比，該方法具有數據處理速度快，且精確度高，收斂區間擴大等多個優點。

第二，決策級融合算法。決策級融合指預處理不同質數據、可信度分配以及識別與提取特征值時所建立的最佳決策。該級別融合可有效融合傳感器所收集的數據，同時對融合之后的結果實施分析以及判定，建立決策與建議。同之前級別的融合相比，該級別融合屬于信息融合的最佳層次，具有良好的容錯性、適用范圍較廣。使用較為頻繁的識別方法為專家系統。該系統是由推理設備、知識庫以及解釋設備等共同組成。專家系統分類較多，基于的標準也各不相同，如有以規則為基礎建立的專家系統，以框架為基礎建立的專家系統等。就目前而言，大部分決策級融合算法所使用的系統為專家系統。

2　云計算物聯網數據處理

2.1常見數據模型及建模思想

RFID數據模型的建立，直接影響了基層RFID原始數據存儲以及顯示的方式，同時也會對系統整體形成明顯的影響。因為RFID相關應用規模相對較大，而且往往容易產生大量數據，且數據呈分布式的存儲于各個組織當中。因此需要效率更好的軟件，“云”便是選擇之一。工作人員在設計模型過程中，需將上述因素均納入考慮范圍之內。較為常見的RFID數據模型有以下兩種。

（1）DRER模型。DRER，又稱動態管理ER模型，該模式為西門子RFID系統中間部分所使用RFID數據模型。該模式對數據管控可能使用的實體轉化為靜態，或是呈現動態的實體，具體內容包括Obcejt、Reader、Location以及Transaction，將實體之間的交換轉變為以狀態為基礎形成的動態關系或是以時間為基礎的動態關系。DRER不僅能夠完成實體與實體之間聯系的定義，同時也建立了如何對數據實施篩選的規則引擎，使得系統更為智能化。能夠自行對底層系統所獲取的數據進行分析、過濾以及處理，從而將所有原始數據轉化為系統運行需要的數據，同時也能為上層應用提供追蹤以及追溯功能。

（2）RFID-Cuboid模型。該模型的建立是對某一獨立在早期運動過程中會成組進行移動的物體的觀察，組內任意物品的記錄均能組合生成為一條記錄。同DRER對比，RFID-Cuboid模型屬于成靜態的模型，用以挖掘數據。并非屬于動態的模型。該模型共分為4個模塊，分別為Fact、Measurement、Map以及Stay。其中，Fact模塊同DRER模型當中Obcejt與Location表功能基本一致，都記錄了關于物品完整的初始數據信息。然而，該系統使用Stay表以及Map表完成對數據的壓縮。Stay表是因物品呈成組移動方才存在，可以將組這一概念引入，把從屬于同一組內的物品記錄統一壓縮為一條記錄。Map表則可以實現組與組之間物品的映射，借此體現組內物品的細化。該系統最為明顯的特點與優勢是其支持用戶進行統計類或是路徑類的查詢工作，在引入gid概念以及Map表基礎之上，用戶能夠搜索指定物品當前的路徑信息，在Measurement表的支持下，用戶可直接利用搜索獲取有關類型的統計信息。

圖1　 數據視圖模型

通過對上述兩種模型進行分析，可知RFID數據模型設計的思想如下：第一，物品同RFID必須保持對應。但是過程同RFID閱讀設備之間并不存在特殊關系，可以對其進行動態的改變。但通常情況下，兩者關系較為固定。過程可利用RFID閱讀設備標記物品流入過程的實際時間以及流出過程的實際時間。第二，該波形不僅有權利獲取初始RFID數據，同時也擁有權限取得一定量同上層業務邏輯有關的數據，尤其是有關RFID便簽實際流向的訂單信息以及物品發放與收取的有關信息。第三，應用RFID系統對數據進行處理，往往某一過程不會將打包裝箱以及拆包拆箱的操作一同記錄。故而，相同過程僅僅記錄某一獨立物品的打包操作或是拆包操作。第四，系統組織內往往包含有數個處理過程，組織能選擇將部分處理過程對外暴露，或是把該組織的處理壓縮為一個過程。凡是組織選擇對我暴露的處理過程中都可以視為獨立處理的過程，過程標識具有唯一性。第五，“云”的使用。“云”是一種能夠完成自我維護或是便于維護人員維護與管理的一種為虛擬狀態資源，通常需要集合大量服務器，如計算服務器、寬帶資源以及存儲服務器等，將其統一存儲于某一位置，則該位置便是“數據中心”。同時，用戶通過專業的軟件可直接對數據中心內的內容進行訪問與管理。由于管理軟件本身具有一定智能性，加之部分資源能夠實現自我維護，所以維護工作大大減輕。

云計算具有以下優點：其一，規模大。“云”集合了大量服務器，使其具有極強的計算能運算能力。其二，高可靠性。“云”可以運用數據多副本容錯，或是計算節點同構相互轉化等措施，使得云計算所得結果得到保證。其三，虛擬化。無論是企業，還是用戶均能于任何位置通過任何終端獲取“云”的服務。應用軟件在“云”內某一部分運行，但用戶無需確認應用運行的實際所在位置，僅需借助筆記本或是PDA等終端，便能通過網絡自“云”端獲取各類型服務。由于“云”具備上述優點，大部分企業開始通過云計算進行物聯網數據處理，以提高數據處理速度，同時保證數據處理的正確性。

2.2數據模型建立思想

所謂數據視圖，指從一個或是多個基礎數據庫表中按照用戶的實際需要而建立的虛擬數據表格，其設計與傳統關系數據庫基本相同，也可以使用E-R圖表用意表示模型。

數據模型圖基本如圖1所示，其含有如下實體：處理過程、組織以及物品。具體關系如下：第一，多個處理過程從屬于相同組織，關系表示為1：n。第二，過程同過程存在關聯關系，關系表示為1：n，其中包含有抽象過程同實際過程中的關聯以及前向處理工程同后向處理工程之間的區別。第三，物品同物品之間存在包含關系，關系表示為1：n。針對物品打包操作以及拆包操作，均需從時間屬內進行抽取。第四，處理過程同物品之間呈觀測關系，關系表示為1：n，包含有四個屬性：開始時間、結束時間、目的過程以及源過程。用以表示物品流入就出處理過程的時間。

3 物聯網中實時數據處理。

物聯網主要通過建造實施數據感知以及處理系統模型完成對數據的實時處理，數據獲取是否及時取決于能夠及時獲取有關數據并及時進行處理。RFID技術主要負責獲取數據，同時對數據進行處理，并將處理結果及時上傳至應用服務端內。RFID是構成RFID數據處理系統的重要部件之一，傳感設備獲取數據之后，需通過中間件的處理以及分析之后，方能傳輸至上層供其所用。大部分中間件結構均需利用數據采集接口手機RFID閱讀設備讀取成功的數據，之后對所得數據進行層次化處理，如數據清洗、融合以及對復雜時間的檢測等。若存在不含有任意語義信息的初始RFID數據，可對其進行轉化，使其成為上層應用程序能夠直接使用的數據，供應用服務端內進行處理。處理數據過程中，在保證系統實時性的同時，還需要保證數據的完整性。具體可通過如下方式保證數據的實時性以及完整性。

圖2　 數據緩沖隊列管理類

3.1數據完整性的主要類

數據完整性主要類共有以下幾種核心類。Integrity Validator類和DateQueueManager類。該核心類主要運用于數據緩沖隊列管理當中，針對各個獲取的墊帶實施數據緩沖。具體類圖如圖2所示，利用addDate函數將所獲取的數據添加于對應的隊列當中，而timeCheck函數則負責對各個函數時效性進行檢測。getDataQueue函數同addDateQueue函數則負責對隊列進行操作。

3.2數據完整性驗證算法

過程在對RFID進行處理過程中，應保證在短時間內完成對過程中所產生數據的完整性進行調整。通過系統內所有約束條件對數據進行檢查驗證，以此確認過程內物品是否發生了物品異常問題。完整性驗證的順序應按照約束條件所具有的遞進關系邏輯，即首先進行QTVconstraint檢測，其次實施UNQconstraint檢測，最后完成CTMconstraint檢測。

因為RFID數據所具有的流特性，所以，數據在驗證過程中，RFID所搜集的數據需要緩沖時間。物聯網系統運作時，物品流動于各個過程之間。故而，在處理過程之間，物品需按照訂單的形式發出，而過程中針對各個接受的訂單建立對應的緩沖隊列。并于長度固定的時間窗口中處理物品，即把已經獲取的RFID數據劃歸于與之對應的隊列當中，并就目前隊列內的數據實施完整性檢測。數據完整性算法具體如下：

該算法當中，需輸入RFID數據集合idSet，過程獲取的訂單列表orderList，訂單數據所處的緩沖數列為quequeList。系統可輸出處理結果，也可能輸出關于結果錯誤及錯誤類型的報告。

4　結束語

RFID技術是物聯網數據處理最為重要的技術之一，在物聯網中的運用極為廣泛，不僅負責獲取大量原始數據，同時還需對數據進行分析，并將分析結果傳輸至上層應用軟件當中，為系統運行提供數據支持。物聯網應用RFID技術，并將“云”同RFID技術相融合，大幅提高了物聯網對數據的處理速度，同時也保證了物聯網的數據處理的正確性。

[1]張丹,王建華,吳玉華.煤礦信息化系統中基于RFID的物聯網關鍵技術研究[J].煤炭技術,2013,11:173-175.

[2]盤承軍.物聯網環境下的物流信息系統關鍵技術研究[J].廣西民族大學學報(自然科學版),2013,04:73-77.

[3]朱勇,張昕明,王寧.基于射頻識別技術的物聯網專業綜合實驗研究[J].實驗技術與管理,2012,06:17-19+30.