超高频RFID读写器天线组网方法仿真

谭菊华，章小宝，吴福英

(1. 南昌大学科学技术学院，江西 共青城 332020；2. 江西师范大学软件学院，江西 南昌 330022)

1 引言

RFID(Radio Frequency Identification)即无线射频识别技术[1]，主要通过无线射频的方式完成目标识别等工作，随着RFID技术的飞速发展，RFID技术大规模应用将会成为一种全新的发展趋势。为了确保RFID读写器保持最佳通信距离，需要将大量的读写器通过密集的形式部署在设定区域内[2]。现阶段有关于超高频RFID读写器天线组网技术方面的研究主要停留在理论层面，技术深度有待提升。

为了更好地解决上述问题，相关专家针对超高频RFID读写器天线组网技术展开了大量研究，例如洪亮[3]等人通过已知的邻居信息在相邻节点之间搜索邻居集合中的交集，同时对邻居位置的数据结构优化处理，最终实现读写器天线组网。朱佳龙[4]等人主要通过螺旋理论完成综合组网处理。杨文[5]等人优先分析节点位置不确定性区域，通过广播分配算法完成无线自组网拓扑重构。在以上几种方法的基础上，提出一种新的超高频RFID读写器天线组网方法，经大量实验测试结果表明，所提方法不仅可以提升吞吐量和分组交付率，同时还能有效降低端到端时延以及功率比。

2 抗干扰分析

2.1 信号预处理

时频分析方法[6，7]主要通过将时间域与频域相结合的方式描写超高频RFID读写器中非平稳的随机信号。设定超高频RFID读写器中的信号为h(t)，则对应的STFT可以表示为式(1)的形式

(1)

式中，x(τ)代表频域；g(τ-t)代表时间域。

对信号开展加窗操作不仅会对分辨率产生影响，同时也会影响信号的恢复问题。通过式(2)可以将线性时频表示为以下形式

R(s，t)=|b|2R1(s，t)+|b|2R2(s，t)+2f(R(s，t))

(2)

式中，R(s，t)代表线性时频；f代表时频系数。

通过Wigner-Ville(WVD)分布反映信号的能量密度，其中，信号对应的WVD可以表示为式(3)的形式

(3)

式中，Bx(s，t)代表Wigner-Ville分布函数；t代表采样时间；τ代表频率位移特性；ω代表瞬时功率；e代表实数；j代表瞬时频率。

超高频RFID读写器信号是通过瞬时功率展开聚拢操作的，则对应的二次型变换可以表示为式(4)的形式

(4)

2.2 信号抗干扰处理

压缩小波可以通过自身特性完成窗函数调整，具有多分辨率特性，可以有效协调时频分辨率之间的矛盾问题，其良好的局部性可以有效降低局部分析的计算时间。

在同频干扰的情况下，设定同频干扰信号为k1(t)，回波信号为k2(t)，在不考虑噪声的情况下获取的接收信号可以表示为式(5)的形式

k(t)

(5)

式中，k(t)代表接收信号。

当干扰信号和回波信号之间的强度存在比较大的误差时，会造成小波谱中弱分量被强分量掩盖的情况。线性调频信号的时间—尺度主要呈现线性关系，由于小波压缩函数对应的频率响应并不是冲激函数，所以线性调频信号经过压缩小波的变换后，可以确保信号在中心频率两侧的频谱具有一定程度的展宽。为了准确估计超高频RFID读写器的相关参数，需要将小波谱上存在的直线采用小波变换映射为平面对应的点，根据搜索极大值点，即可求解调频信号对应的参数。

在超高频RFID读写器抗干扰设计中，超高频RFID读写器信号经过压缩小波处理之后的小波谱为时间尺度图[8，9]，则时间—尺度呈线性相关。为了提升算法的计算精度，需要将超高频RFID读写器对应的小波谱在多个角度展开Radon变换[10]，直线映射成点，采用二维搜索极大值，可以得到线性调频信号对应的调频频率以及初始频率检测值。

设定超高频RFID读写器的线性调频信号s(t)如式(6)所示

s(t)=Aexp[jωt[k1(t)+k2(t)]2]

(6)

式中，A代表信号的起始角频率。

通过压缩小波变换定义，可以获取信号对应的连续小波变换，如式(7)所示

(7)

式中，Vs(a，b)代表连续小波变换；φx，y代表基本小波；a代表尺度因子。

在上述分析的基础上，通过简化推导，可以获取对应的小波谱，如式(8)所示

(8)

式中，Q(a，b)代表小波谱。

超高频RFID读写器信号在时间尺度上呈曲线分布，随着频率的不断增加，曲线也在不断发散，所以对应的时频满足直线波形。以下采用式(9)描述频率和尺度之间的线性转换关系

(9)

通过式(9)可以看出，线性调频信号的频率会随着时间的分布呈直线分布形式，将直线特性的检测问题转换为峰值搜索问题，全面提升检测信噪比。同时对不同参数估计处理，最终有效滤除信号的滤波，最终完成超高频RFID读写器抗干扰处理。

3 天线组网

由于超高频RFID读写器发射出的射频信号分布在三维空间内，因此，超高频RFID读写器天线组网问题也可以看作是一个无线信号覆盖问题。在超高频RFID读写器抗干扰处理的基础上，引入粒子群优化算法将读写器部署问题转换为离散优化问题，大部分的优化问题主要是以数学问题为基础，本文的优化问题也是通过数学模型展开描述和分析，具体如式(10)所示

minF={f1(t)，f2(t)，…，fn(t)}

(10)

式中，minF代表覆盖范围最小值；fn(t)代表节点检测数量。

假设将天线信号的主瓣作为天线信号的有效覆盖区域，则可以近似地将天线的覆盖看作是一个椭圆形。其中，需要特别注意的是，天线所在的位置并不是椭圆的中心位置，而是在椭圆的另外一端。

设定网格中的坐标为k(x，y)，则被传感器覆盖的节点需要满足以下约束条件

(11)

式中，b代表旋转因子。

通过区域离散化一致的思想，可以将天线传播模型离散化处理，通过点阵的形式描述天线所覆盖的区域。为了更好地完成超高频RFID读写器天线组网[11]，引入粒子群优化算法(PSO)，优先将一群随机粒子初始化处理，同时，在D维空间中实行目标搜索，对应的粒子位置和速度更新公式为

(12)

粒子群优化算法[12，13]的详细操作流程如图1所示。

图1 粒子群算法的基本操作流程图

1)设定相关参数，确定粒子群中粒子的数量，同时选择群体中最好的粒子作为最优粒子[14，15]。

2)更新粒子的位置和速度。

3)分别评价每个粒子，计算各个粒子的适应度取值，同时通过对比分析获取全局最优粒子。

4)判断是否满足约束条件，假设是，则输出最优结果；反之，则跳转至步骤2)。

通过粒子群优化算法将读写器部署问题转换为离散优化问题，并求取最优解[16]，获取超高频RFID读写器天线的最优结构和尺寸，最终得到超高频RFID读写器天线组网的最优方案[17，18]。

4 仿真研究

为了验证所提超高频RFID读写器天线组网方法的有效性，展开测试分析。实验所涉及超高频RFID读写器天线性能参数如表1所示。

表1 超高频RFID读写器天线性能参数

在上述实验参数下，基于OPNET仿真平台进行实验测试，将文献[3]方法和文献[4]方法作为对比方法，与所提方法进行对比。

设定缓冲区无限大，分析不同方法端到端的时延变化情况，详细的实验测试结果如图2所示。

图2 不同方法的端到端时延测试结果对比分析

由图2中的实验结果可知，在三种方法中，所提方法的端到端时延明显更低，其端到端时延始终低于2.5s，而文献[3]方法和文献[4]方法的端到端时延最高值分别达到了4.5s和4.0s。由此可知，在所提方法的支持下，天线的信号传输时延得到了有效控制，有利于提升信号传播质量。

在相同实验条件下，分析三种不同方法的吞吐量变化情况，详细的实验测试结果如图3所示。

图3 不同方法的吞吐量测试结果对比分析

分析图3中的实验结果可知，所提方法的吞吐量明显高于另外两种方法，验证了所提方法的优越性。通过粒子群优化算法将读写器部署问题转换为离散优化问题，并求取最优解，提升了天线部署的合理性，降低了天线吞吐量的损失。

通过图4分析不同方法的分组交付率测试结果。

图4 不同方法的分组交付率测试结果对比分析

分析图4中的实验结果可知，所提方法的分组交付率较高，说明其能够保障链路的连通性与安全性，提升天线组网效果。在设定天线覆盖范围内，由于分组交付率的提升，可以有效降低链路失败情况的发生，确保所提方法的有效性。

设定节点最大发射功率与节点最大半径，选取功率比作为研究对象，分析三种不同方法的功率比变化情况，如表2所示：

表2 同方法的功率比测试结果对比

分析表2中的实验数据可知，在相同节点数量下，所提方法可以确保节点最小能量，使功率比相比之前得到明显减少，在节能方面具有显著特性。这是因为所提方法采用压缩小波方法对超高频RFID读写器实行同频干扰处理，提升了读写器的抗干扰性效果，降低了节点能量消耗，使得功率比得到了有效降低。

5 结束语

针对传统方法存在的不足，设计并提出一种超高频RFID读写器天线组网方法。经过大量仿真测试结果表明，所提方法不仅可以有效降低端到端时延以及功率比，同时还能够提升吞吐量和分组交付率。但是所提方法没有考虑障碍区对无线组网技术产生的影响，所以需要进一步引入不同的优化方法，全面提升组网方案的适用范围。