基于RFID技术的物联网信息处理关键技术研究

牛玉霞　 南通科技职业学院 江苏南通 226007

基于RFID技术的物联网信息处理关键技术研究

牛玉霞 南通科技职业学院 江苏南通 226007

RFID技术是目前应用较为频繁的技术之一，由于其具备非接触式自动识别、多个标签一同选取以及具有良好的抗干扰能力等优点，开始应用于商品物流管理、物流信息跟踪等多个领域，应用范围较广，效果良好。如今，物流行业发展迅速，无论是物品数量还是物品种类都有所增加，基于RFID技术建立而成的物联网信息处理技术也应运而生。本文简要分析信息融合技术，同时简述了以“云”为中心的物联网数据处理方式，分析了如何在物联网中实时进行数据处理的理论基础。以期令RFID技术得到更为广泛的应用，提高物联网信息处理效率。

RFID技术；物联网；信息处理

物联网是目前广泛应用的技术之一，适用于各种类型的应用场景，同时与人们的生活息息相关。因此，物联网技术一直是科学研究的热点之一。RFID技术属于物联网系统感知层技术，主要用以感知数据。该技术经过长时间应用，已然成熟，能够对大量物品实行唯一标识。因此被广泛应用于物联网信息处理当中。

1　信息融合技术

1.1物联网信息融合理论

所谓信息融合，指在不违背部分准则的前提下，通过计算机技术将多源信息综合为一体，并对其进行分析，是为了令各类型应用的分类任务得以实现所进行的处理过程。依照信息提取水平的不同，可将物联网内信息融合技术下分为四个层次，具体如下：低等水平融合、中等水平融合、高等水平融合以及多级融合。该分类方法中，多级融合是由低、中以及高等水平融合综合而成。因此，也可将信息融合技术细分为三个层级，即数据级融合、特征级融合以及决策级融合。针对物联网而言，数据级融合存在的主要目的是为了将录入数据中的噪声完全消除。特征级融合以及决策级融合存在的目的则是为了获得同实际应用相关联且具有应用价值的信息。

1.2物联网信息融合常用算法

第一，数据级融合算法。所谓数据级融合指在原始数据采集完成之后，对数据的融合。其融合特点为所有信息必须保证同质，若信息不同质，则不得于该层级内融合。该阶段融合技术较为常用的融合算法有以下两种。

（1）加权平均法。与其他算法相比，该算法最为简单，无需借助其他步骤，便能对传感器所获取的信息实施线性加权平均，从而预估处于运动状态下的目标运动轨迹某一定点的坐标位置。然而，利用该算法进行融合之后，对比度相对较低，而且不可使用增大权重的方法向用户反映部分信息是否具有突出作用。

（2）特征匹配法。该方法主要是通过两种信息特点之间的匹配关系完成图像之间配准映射转换的建立，最为常用的便是ICP算法。可通过对真集合的方式进行改善，通过对无误差使用危险性最优化的算法直接完成最小化操作。同传统ICP方法相比，该方法具有数据处理速度快，且精确度高，收敛区间扩大等多个优点。

第二，决策级融合算法。决策级融合指预处理不同质数据、可信度分配以及识别与提取特征值时所建立的最佳决策。该级别融合可有效融合传感器所收集的数据，同时对融合之后的结果实施分析以及判定，建立决策与建议。同之前级别的融合相比，该级别融合属于信息融合的最佳层次，具有良好的容错性、适用范围较广。使用较为频繁的识别方法为专家系统。该系统是由推理设备、知识库以及解释设备等共同组成。专家系统分类较多，基于的标准也各不相同，如有以规则为基础建立的专家系统，以框架为基础建立的专家系统等。就目前而言，大部分决策级融合算法所使用的系统为专家系统。

2　云计算物联网数据处理

2.1常见数据模型及建模思想

RFID数据模型的建立，直接影响了基层RFID原始数据存储以及显示的方式，同时也会对系统整体形成明显的影响。因为RFID相关应用规模相对较大，而且往往容易产生大量数据，且数据呈分布式的存储于各个组织当中。因此需要效率更好的软件，“云”便是选择之一。工作人员在设计模型过程中，需将上述因素均纳入考虑范围之内。较为常见的RFID数据模型有以下两种。

（1）DRER模型。DRER，又称动态管理ER模型，该模式为西门子RFID系统中间部分所使用RFID数据模型。该模式对数据管控可能使用的实体转化为静态，或是呈现动态的实体，具体内容包括Obcejt、Reader、Location以及Transaction，将实体之间的交换转变为以状态为基础形成的动态关系或是以时间为基础的动态关系。DRER不仅能够完成实体与实体之间联系的定义，同时也建立了如何对数据实施筛选的规则引擎，使得系统更为智能化。能够自行对底层系统所获取的数据进行分析、过滤以及处理，从而将所有原始数据转化为系统运行需要的数据，同时也能为上层应用提供追踪以及追溯功能。

（2）RFID-Cuboid模型。该模型的建立是对某一独立在早期运动过程中会成组进行移动的物体的观察，组内任意物品的记录均能组合生成为一条记录。同DRER对比，RFID-Cuboid模型属于成静态的模型，用以挖掘数据。并非属于动态的模型。该模型共分为4个模块，分别为Fact、Measurement、Map以及Stay。其中，Fact模块同DRER模型当中Obcejt与Location表功能基本一致，都记录了关于物品完整的初始数据信息。然而，该系统使用Stay表以及Map表完成对数据的压缩。Stay表是因物品呈成组移动方才存在，可以将组这一概念引入，把从属于同一组内的物品记录统一压缩为一条记录。Map表则可以实现组与组之间物品的映射，借此体现组内物品的细化。该系统最为明显的特点与优势是其支持用户进行统计类或是路径类的查询工作，在引入gid概念以及Map表基础之上，用户能够搜索指定物品当前的路径信息，在Measurement表的支持下，用户可直接利用搜索获取有关类型的统计信息。

图1　 数据视图模型

通过对上述两种模型进行分析，可知RFID数据模型设计的思想如下：第一，物品同RFID必须保持对应。但是过程同RFID阅读设备之间并不存在特殊关系，可以对其进行动态的改变。但通常情况下，两者关系较为固定。过程可利用RFID阅读设备标记物品流入过程的实际时间以及流出过程的实际时间。第二，该波形不仅有权利获取初始RFID数据，同时也拥有权限取得一定量同上层业务逻辑有关的数据，尤其是有关RFID便签实际流向的订单信息以及物品发放与收取的有关信息。第三，应用RFID系统对数据进行处理，往往某一过程不会将打包装箱以及拆包拆箱的操作一同记录。故而，相同过程仅仅记录某一独立物品的打包操作或是拆包操作。第四，系统组织内往往包含有数个处理过程，组织能选择将部分处理过程对外暴露，或是把该组织的处理压缩为一个过程。凡是组织选择对我暴露的处理过程中都可以视为独立处理的过程，过程标识具有唯一性。第五，“云”的使用。“云”是一种能够完成自我维护或是便于维护人员维护与管理的一种为虚拟状态资源，通常需要集合大量服务器，如计算服务器、宽带资源以及存储服务器等，将其统一存储于某一位置，则该位置便是“数据中心”。同时，用户通过专业的软件可直接对数据中心内的内容进行访问与管理。由于管理软件本身具有一定智能性，加之部分资源能够实现自我维护，所以维护工作大大减轻。

云计算具有以下优点：其一，规模大。“云”集合了大量服务器，使其具有极强的计算能运算能力。其二，高可靠性。“云”可以运用数据多副本容错，或是计算节点同构相互转化等措施，使得云计算所得结果得到保证。其三，虚拟化。无论是企业，还是用户均能于任何位置通过任何终端获取“云”的服务。应用软件在“云”内某一部分运行，但用户无需确认应用运行的实际所在位置，仅需借助笔记本或是PDA等终端，便能通过网络自“云”端获取各类型服务。由于“云”具备上述优点，大部分企业开始通过云计算进行物联网数据处理，以提高数据处理速度，同时保证数据处理的正确性。

2.2数据模型建立思想

所谓数据视图，指从一个或是多个基础数据库表中按照用户的实际需要而建立的虚拟数据表格，其设计与传统关系数据库基本相同，也可以使用E-R图表用意表示模型。

数据模型图基本如图1所示，其含有如下实体：处理过程、组织以及物品。具体关系如下：第一，多个处理过程从属于相同组织，关系表示为1：n。第二，过程同过程存在关联关系，关系表示为1：n，其中包含有抽象过程同实际过程中的关联以及前向处理工程同后向处理工程之间的区别。第三，物品同物品之间存在包含关系，关系表示为1：n。针对物品打包操作以及拆包操作，均需从时间属内进行抽取。第四，处理过程同物品之间呈观测关系，关系表示为1：n，包含有四个属性：开始时间、结束时间、目的过程以及源过程。用以表示物品流入就出处理过程的时间。

3 物联网中实时数据处理。

物联网主要通过建造实施数据感知以及处理系统模型完成对数据的实时处理，数据获取是否及时取决于能够及时获取有关数据并及时进行处理。RFID技术主要负责获取数据，同时对数据进行处理，并将处理结果及时上传至应用服务端内。RFID是构成RFID数据处理系统的重要部件之一，传感设备获取数据之后，需通过中间件的处理以及分析之后，方能传输至上层供其所用。大部分中间件结构均需利用数据采集接口手机RFID阅读设备读取成功的数据，之后对所得数据进行层次化处理，如数据清洗、融合以及对复杂时间的检测等。若存在不含有任意语义信息的初始RFID数据，可对其进行转化，使其成为上层应用程序能够直接使用的数据，供应用服务端内进行处理。处理数据过程中，在保证系统实时性的同时，还需要保证数据的完整性。具体可通过如下方式保证数据的实时性以及完整性。

图2　 数据缓冲队列管理类

3.1数据完整性的主要类

数据完整性主要类共有以下几种核心类。Integrity Validator类和DateQueueManager类。该核心类主要运用于数据缓冲队列管理当中，针对各个获取的垫带实施数据缓冲。具体类图如图2所示，利用addDate函数将所获取的数据添加于对应的队列当中，而timeCheck函数则负责对各个函数时效性进行检测。getDataQueue函数同addDateQueue函数则负责对队列进行操作。

3.2数据完整性验证算法

过程在对RFID进行处理过程中，应保证在短时间内完成对过程中所产生数据的完整性进行调整。通过系统内所有约束条件对数据进行检查验证，以此确认过程内物品是否发生了物品异常问题。完整性验证的顺序应按照约束条件所具有的递进关系逻辑，即首先进行QTVconstraint检测，其次实施UNQconstraint检测，最后完成CTMconstraint检测。

因为RFID数据所具有的流特性，所以，数据在验证过程中，RFID所搜集的数据需要缓冲时间。物联网系统运作时，物品流动于各个过程之间。故而，在处理过程之间，物品需按照订单的形式发出，而过程中针对各个接受的订单建立对应的缓冲队列。并于长度固定的时间窗口中处理物品，即把已经获取的RFID数据划归于与之对应的队列当中，并就目前队列内的数据实施完整性检测。数据完整性算法具体如下：

该算法当中，需输入RFID数据集合idSet，过程获取的订单列表orderList，订单数据所处的缓冲数列为quequeList。系统可输出处理结果，也可能输出关于结果错误及错误类型的报告。

4　结束语

RFID技术是物联网数据处理最为重要的技术之一，在物联网中的运用极为广泛，不仅负责获取大量原始数据，同时还需对数据进行分析，并将分析结果传输至上层应用软件当中，为系统运行提供数据支持。物联网应用RFID技术，并将“云”同RFID技术相融合，大幅提高了物联网对数据的处理速度，同时也保证了物联网的数据处理的正确性。

[1]张丹,王建华,吴玉华.煤矿信息化系统中基于RFID的物联网关键技术研究[J].煤炭技术,2013,11:173-175.

[2]盘承军.物联网环境下的物流信息系统关键技术研究[J].广西民族大学学报(自然科学版),2013,04:73-77.

[3]朱勇,张昕明,王宁.基于射频识别技术的物联网专业综合实验研究[J].实验技术与管理,2012,06:17-19+30.