余 杰，王 睿

（中國(guó)航天系統(tǒng)科學(xué)與工程研究院，北京 100048）

0 概述

RFID（Radio Frequency Identification）技術(shù)（射頻識(shí)別）是一種無(wú)需建立機(jī)械或光學(xué)聯(lián)系的非接觸式自動(dòng)識(shí)別技術(shù)，通過(guò)無(wú)線電訊信號(hào)自動(dòng)識(shí)別特定目標(biāo)并讀寫相關(guān)數(shù)據(jù)信息。在離散制造，RFID感知涉及“人”、“機(jī)”、“料”、“環(huán)”等繁雜對(duì)象，RFID標(biāo)簽的智能對(duì)象將被制造過(guò)程各環(huán)節(jié)的讀寫器反復(fù)讀取，快速自動(dòng)產(chǎn)生海量的數(shù)據(jù)流，產(chǎn)生數(shù)據(jù)量非常龐大，形成大量冗余數(shù)據(jù)。制約RFID技術(shù)在制造業(yè)中進(jìn)一步發(fā)展的一個(gè)關(guān)鍵因素就是獲取到的RFID數(shù)據(jù)呈現(xiàn)出很強(qiáng)的不可靠性，為了提供高質(zhì)量的RFID數(shù)據(jù)使其能夠真正被企業(yè)所應(yīng)用，亟需對(duì)RFID原始數(shù)據(jù)進(jìn)行恰當(dāng)?shù)那逑?。不同的?yīng)用領(lǐng)域選擇的清洗策略也應(yīng)該不同，國(guó)內(nèi)外各領(lǐng)域?qū)FID的數(shù)據(jù)清洗已經(jīng)做了一定的深入研究，也取得了一定的進(jìn)展。在實(shí)際工程應(yīng)用中，通常在讀寫器和應(yīng)用程序之間部署中間件系統(tǒng)進(jìn)行RFID數(shù)據(jù)清洗。在這些中間件系統(tǒng)中，一種典型的數(shù)據(jù)清洗機(jī)制就是平滑過(guò)濾，在RFID數(shù)據(jù)流中利用滑動(dòng)窗口，對(duì)時(shí)間窗口的每個(gè)標(biāo)簽按照一定規(guī)則進(jìn)行插補(bǔ)。Massawe[1]等研究一個(gè)更加有效的轉(zhuǎn)換檢測(cè)機(jī)制，在基于統(tǒng)計(jì)平滑窗口技術(shù)（SMURF）的基礎(chǔ)上，提出了一種自適應(yīng)清洗方案（WSTD），利用二項(xiàng)抽樣概念來(lái)計(jì)算窗口大小，用π估計(jì)來(lái)統(tǒng)計(jì)標(biāo)簽的數(shù)量，最后通過(guò)比較兩個(gè)窗口的觀察值或者估計(jì)的標(biāo)簽數(shù)量來(lái)自適應(yīng)的調(diào)整窗口大小。Shin[2]等在分析不同窗口下閱讀器的功能，利用采用加權(quán)平均法來(lái)自適應(yīng)動(dòng)態(tài)調(diào)整平滑窗口，開(kāi)發(fā)了一個(gè)智能RFID中間件系統(tǒng)。Liu[3]等針對(duì)大規(guī)模冗余RFID數(shù)據(jù)，提出了結(jié)合歐氏距離和自適應(yīng)滑動(dòng)窗口的RFID數(shù)據(jù)清洗方法，大規(guī)模減少RFID多讀現(xiàn)象。Zhang[4]等給出了誤讀和漏讀的兩個(gè)應(yīng)用場(chǎng)景的數(shù)學(xué)模型，并針對(duì)這兩種應(yīng)用模型分別提出了改進(jìn)的自適應(yīng)平滑和貝葉斯方法。Gonzalez[5]等考慮不同RFID數(shù)據(jù)清洗方法的成本，提出一種RFID數(shù)據(jù)清洗策略，針對(duì)不同的應(yīng)用場(chǎng)景，綜合考慮所有清洗方法的效率采用相應(yīng)的清洗方法組合。秦鵬飛[6]等認(rèn)為要實(shí)現(xiàn)對(duì)動(dòng)態(tài)標(biāo)簽的有效清洗，需要擺脫滑動(dòng)窗口清洗模式，并提出了一種基于虛擬空間粒度的清洗方法，根據(jù)不同閱讀讀取的實(shí)時(shí)觀測(cè)數(shù)據(jù)，利用虛擬空間粒度矩陣的表示求解方法，實(shí)現(xiàn)虛擬空間粒度動(dòng)態(tài)自適應(yīng)調(diào)整。

現(xiàn)有國(guó)內(nèi)外研究成果主要適合RFID標(biāo)簽固定運(yùn)動(dòng)的場(chǎng)景，難以適用于離散制造過(guò)程中標(biāo)簽頻繁移動(dòng)的應(yīng)用場(chǎng)景，本文針對(duì)離散制造過(guò)程中RFID數(shù)據(jù)的特點(diǎn)，研究了基于時(shí)間和基于時(shí)間間隔的布魯姆濾波方法，在低內(nèi)存空間下實(shí)現(xiàn)了時(shí)間效率的大幅度提高，保障RFID數(shù)據(jù)上層應(yīng)用的實(shí)時(shí)性。因此，本文探索和研究航天產(chǎn)品智能制造數(shù)據(jù)處理及應(yīng)用方面具有較高的工程價(jià)值和一定的學(xué)術(shù)價(jià)值。

1 應(yīng)用場(chǎng)景分析

離散制造企業(yè)生產(chǎn)過(guò)程，制造資源（比如托盤、小車、原材料、工人等）都將被貼上RFID標(biāo)簽（或者條碼），從而使得它們?cè)谥圃爝^(guò)程中成為能夠?qū)崟r(shí)感知外界動(dòng)態(tài)變化的智能對(duì)象。但是，RFID技術(shù)在帶來(lái)好處的同時(shí)也產(chǎn)生一個(gè)新的問(wèn)題。一方面，由于RFID標(biāo)簽被讀取時(shí)候不存在交流，只要在讀寫器的可讀區(qū)域內(nèi)既可以被讀取，因此RFID標(biāo)簽在某個(gè)區(qū)域緩慢移動(dòng)或者保持靜止時(shí)，將產(chǎn)生大量冗余數(shù)據(jù)；另一方面，對(duì)于快速移動(dòng)的標(biāo)簽，常常在同一檢測(cè)區(qū)域布置多個(gè)讀寫器來(lái)保證RFID標(biāo)簽的讀取的準(zhǔn)確率，多個(gè)讀寫器讀取一個(gè)標(biāo)簽也將產(chǎn)生一定的冗余數(shù)據(jù)。

圖1 應(yīng)用場(chǎng)景

RFID讀寫器產(chǎn)生的原始數(shù)據(jù)流經(jīng)過(guò)服務(wù)器中的過(guò)濾模塊進(jìn)行冗余清洗后發(fā)送給應(yīng)用程序，RFID數(shù)據(jù)格式包括EPC編碼、RFID讀寫器的位置和讀取時(shí)間，本文定義RFID數(shù)據(jù)如下：

定義1：RFID數(shù)據(jù)流S是一個(gè)集合{s1,s2,…,sn}，Si是一個(gè)三元組（TagID,Loc,Time），其中“TagID”是電子產(chǎn)品（EPC）編碼表示每一個(gè)實(shí)體對(duì)象的唯一代碼；“Loc”監(jiān)測(cè)到標(biāo)簽的讀寫器位置；“Time”監(jiān)測(cè)到標(biāo)簽的時(shí)間。

如果RFID數(shù)據(jù)流中存在數(shù)據(jù)x（≠y）滿足x.TagID且x.Time-y.Time＜τ，其中τ為根據(jù)系統(tǒng)應(yīng)用程序所設(shè)置的時(shí)間間隔值，則認(rèn)為RFID數(shù)據(jù)x重復(fù)冗余數(shù)據(jù)。但是制造過(guò)程中經(jīng)常一種情況，在小于或者等于τ的時(shí)間內(nèi)具有相同TagID的數(shù)據(jù)將被重復(fù)讀?。ū热缒硞€(gè)加工區(qū)域的加工件上的標(biāo)簽數(shù)據(jù)在一段時(shí)間內(nèi)會(huì)被讀寫器重復(fù)讀?。藭r(shí)發(fā)現(xiàn)沒(méi)有重復(fù)冗余的RFID數(shù)據(jù)流就比較困難了。例如，存在RFID數(shù)據(jù)流S=(s1,s2,s3)，其中s1=(tag1,locl,5)，s2=(tag1,locl,10)，s3=(tag1,locl,5)，τ=8。有以上判斷方法可知，相對(duì)s1，s2是重復(fù)數(shù)據(jù)；相對(duì)s2，s3是重復(fù)數(shù)據(jù)。但是實(shí)際情況，數(shù)據(jù)流S按時(shí)間序列到達(dá)服務(wù)器，s2到達(dá)服務(wù)器時(shí)判斷是重復(fù)數(shù)據(jù)將被刪除，s3到達(dá)服務(wù)器時(shí)，由于s2已經(jīng)被刪除且τ=8，此時(shí)會(huì)判斷s3為非重復(fù)數(shù)據(jù)。冗余數(shù)據(jù)判斷還需要依據(jù)不同的應(yīng)用程序需求。在上述情況下，本文認(rèn)為非重復(fù)數(shù)據(jù)流S={s1}而不是S={s1，s3}，因?yàn)樵谛∮诘扔讦拥臅r(shí)間采集同一ID的標(biāo)簽得到多個(gè)重復(fù)數(shù)據(jù)往往是沒(méi)用的。

RFID重復(fù)冗余數(shù)據(jù)額定義如下：

定義2：對(duì)于RFID數(shù)據(jù)流S中的數(shù)據(jù)x和y，如果存在z∈S，同時(shí)滿足x.TagID=y.TagID，z.TagID=x.TagID，|x.Time-z.Time|≤τ且|z.Time-y.Time|≤τ，稱數(shù)據(jù)x和y在數(shù)據(jù)流S中是相關(guān)的。如果x和z在數(shù)據(jù)流S相關(guān)，z和y在數(shù)據(jù)流S相關(guān)，也稱x和y是相關(guān)的。

這里定義數(shù)據(jù)的“相關(guān)”性是為了能夠有效去除一個(gè)標(biāo)簽在小于等于τ的時(shí)間內(nèi)被多次讀取所產(chǎn)生的重復(fù)冗余數(shù)據(jù)，如果RFID的元素具有相同的ID和時(shí)間，將后者視為重復(fù)冗余數(shù)據(jù)，在定義2的基礎(chǔ)上，對(duì)RFID重復(fù)冗余數(shù)據(jù)進(jìn)行定義如下：

定義3：對(duì)于RFID數(shù)據(jù)流S中的元素x，如果存在任意一個(gè)y（≠x）∈S，滿足x.TagID=y.TagID且x.Time-y.Time≤τ或者x和y是相關(guān)且y.Time≤x.Time。

移除RFID重復(fù)數(shù)據(jù)的數(shù)據(jù)流S稱之為非重復(fù)RFID數(shù)據(jù)流，同時(shí)將非重復(fù)RFID數(shù)據(jù)流視為無(wú)重復(fù)最大集合，關(guān)于無(wú)重復(fù)集合和無(wú)反復(fù)最大集合的定義如下：

定義4：在集合S′(?S)中，x是集合S中的一個(gè)重復(fù)元素，如果不存在x∈S′，稱S′是S中為無(wú)重復(fù)集合。

定義5：在集合S′(?S)中，x是集合S中的一個(gè)重復(fù)元素，如果S'是S中的無(wú)重復(fù)集合，且對(duì)于任意x∈S'-S，不存在x∈S'，稱S'是S中為最大無(wú)重復(fù)集合。

為了保證數(shù)據(jù)處理的實(shí)時(shí)性，想要在一個(gè)較小的內(nèi)存里獲取最大無(wú)重復(fù)數(shù)據(jù)集是比較困難的。由于在很多應(yīng)用場(chǎng)合中允許數(shù)據(jù)清洗出現(xiàn)一定錯(cuò)誤，所以本文設(shè)計(jì)一個(gè)既可以滿足實(shí)時(shí)性又能達(dá)到錯(cuò)誤率要求的基于時(shí)間Bloom Filter的RFID重復(fù)數(shù)據(jù)清洗方法。因此，將問(wèn)題模型描述為：在給定的內(nèi)存空間m情況下，從RFID海量數(shù)據(jù)流S中發(fā)現(xiàn)無(wú)重復(fù)數(shù)據(jù)集，滿足為最?。ㄆ渲蠸′為集合S中的最大無(wú)重復(fù)數(shù)據(jù)集）。

2 基于時(shí)間的布魯姆濾波

布魯姆濾波算法是一種時(shí)間和空間效率極高的海量數(shù)據(jù)處理工具，被廣泛的應(yīng)用于大數(shù)據(jù)的查詢和過(guò)濾，如BigTable、Hbase和Hadoop等[8]。其主要思想是通過(guò)使用位數(shù)組的方式來(lái)表示一個(gè)集合，并利用構(gòu)建的函數(shù)映射來(lái)對(duì)元素進(jìn)行識(shí)別和查詢或過(guò)濾。初始狀態(tài)時(shí)，布魯姆濾波是一個(gè)具有m個(gè)位數(shù)均為0的位數(shù)組。如圖2所示，假設(shè)存在一個(gè)包含n個(gè)元素的集合S={x1，x2，…，xn}，布魯姆濾波將集合中的每一個(gè)元素經(jīng)過(guò)k個(gè)哈希函數(shù)（相互獨(dú)立）映射到用0和1表示的m個(gè)二進(jìn)制位數(shù)組。例如集合中元素x1，經(jīng)過(guò)3個(gè)哈希函數(shù)hi(x)映射，12位位組中第2、5、9個(gè)的位置將被置為1(1≤i≤k)；集合中元素x2，經(jīng)過(guò)3個(gè)哈希函數(shù)hi(x)映射，12位位組中第5、7、11個(gè)的位置將被置為1。

圖2 元素x的映射

當(dāng)有新的元素y進(jìn)入時(shí)，需要對(duì)y是否屬于這個(gè)集合進(jìn)行判斷。首先對(duì)元素y進(jìn)行k次哈希函數(shù)映射，如果元素y映射后所對(duì)應(yīng)的元組中所有的位置都是1(1≤i≤k)，則可以判定元素y屬于該集合，否則認(rèn)為集合中不存在元素y。如圖3所示，元素y1不屬于這個(gè)集，元素y2屬于這個(gè)集合，因?yàn)樵貀1映射后指向的位置不全為1，而元素y2映射后指向的位置全為1。

圖3 元素y的映射

從定義3中可知，盡管RFID數(shù)據(jù)的TagID相同，單純依靠時(shí)間x.Time來(lái)判斷的RFID數(shù)據(jù)x有可能不是重復(fù)數(shù)據(jù)。因此，采用時(shí)間的信息來(lái)鑒別RFID重復(fù)數(shù)據(jù)。在一般的布魯姆濾波中，每個(gè)數(shù)組單元將被置為0或者1，但是在基于時(shí)間信息的布魯姆濾波中，每個(gè)數(shù)據(jù)單元將被置為檢測(cè)到RFID數(shù)據(jù)的具體時(shí)間。換句話說(shuō)，基于時(shí)間的Bloom Filters采用的整數(shù)數(shù)組而不是位數(shù)組。

基于時(shí)間的布魯姆濾波的如圖4所示。與傳統(tǒng)的布魯姆濾波類似，基于時(shí)間的布魯姆使用k個(gè)獨(dú)立的哈希函數(shù)(h1,h2,…,hk)映射到{1,2,…,m}的范圍中，第i個(gè)單元格將被置為M[i]的值。為了能夠是數(shù)組能夠存儲(chǔ)RFID數(shù)據(jù)，將h1(x.tagID)，…，hk(x.tagID)所得到的k個(gè)單元用來(lái)存放檢測(cè)的RFID數(shù)據(jù)x的時(shí)間，如果這些單元已經(jīng)被存放了之前的RFID數(shù)據(jù)的檢測(cè)時(shí)間，那就需要用現(xiàn)在的時(shí)間值進(jìn)行重寫。

圖4 基于時(shí)間的布魯姆濾波

為了判斷RFID數(shù)據(jù)x是否為重復(fù)數(shù)據(jù)，對(duì)h1(x.tagID)，…，hk(x.tagID)所映射的k單元序號(hào)存放的數(shù)組進(jìn)行判斷，如果x.Time-M[hi(x.TagID)]＞τ，可以判斷RFID數(shù)據(jù)x不是重復(fù)數(shù)據(jù)。基于時(shí)間的布魯姆濾波可以在很少的內(nèi)存空間內(nèi)求得非重復(fù)數(shù)據(jù)集，具體算法如圖5所示。首先初始化，將基于時(shí)間的Bloom Filters的單元數(shù)值置為0；其次，對(duì)于第一組數(shù)據(jù)進(jìn)入基于時(shí)間的Bloom Filters，將時(shí)間值存放到(h1,h2,…,hk)映k個(gè)哈希函數(shù)所映射的k單元序號(hào)對(duì)應(yīng)的數(shù)組中；最后，如果判斷x為重復(fù)數(shù)據(jù)，刪除數(shù)據(jù)x；否則，將數(shù)據(jù)x傳至應(yīng)用程序，將x.Time存入

3 基于時(shí)間間隔的布魯姆濾波

上節(jié)介紹了基于時(shí)間的布魯姆濾波適合簡(jiǎn)單的應(yīng)用場(chǎng)景，當(dāng)檢測(cè)區(qū)域具有多個(gè)不同的TagID的時(shí)候，極易出現(xiàn)誤判。例如，某個(gè)檢測(cè)區(qū)域某段時(shí)間內(nèi)產(chǎn)生RFID數(shù)據(jù)流{(ID1,Loc1,10)，(ID1,Loc1,11)，(ID2,Loc2,14)，(ID3,Loc3,15)，(ID2,Loc4,17)，(ID2,Loc2,18)}。設(shè)置數(shù)組大小為8，哈希函數(shù)個(gè)數(shù)k=3，時(shí)間閾值為=100。其中h1(ID1)=h2(ID4)，h1(ID2)=h1(ID4)，and h3(ID3)=h3(ID4)。如圖5所示，當(dāng)(ID4,Loc4,20)通過(guò)基于時(shí)間間隔的布魯姆濾波時(shí)，根據(jù)的判別方法可知20-M[h1(ID4)]≤此時(shí)可判定讀取到的ID4數(shù)據(jù)為重復(fù)數(shù)據(jù)，但是實(shí)際上是第一次讀取到ID4數(shù)據(jù)。

圖5 基于時(shí)間的布魯姆濾波的實(shí)例

在制造物聯(lián)中，不管是倉(cāng)儲(chǔ)還是制造過(guò)程，在檢測(cè)區(qū)域內(nèi)的某段時(shí)間內(nèi)RFID數(shù)據(jù)將被大量重復(fù)讀取，RFID重復(fù)數(shù)據(jù)往往具有地域和時(shí)間集中特點(diǎn)；同時(shí)，在可檢測(cè)區(qū)域產(chǎn)生的可被檢測(cè)的TagID種類較多。因此，可以將相同TagID的標(biāo)簽被讀取的時(shí)間范圍看成為短時(shí)間間隔，基于時(shí)間間隔布魯姆濾波的進(jìn)行RFID數(shù)據(jù)的清洗。

如圖6所示，基于時(shí)間間隔的布魯姆濾波中第i個(gè)數(shù)據(jù)單元中分別存放著起止時(shí)間M[i].StartTime和終止時(shí)間M[i].EndTime，初值為0。當(dāng)RFID數(shù)據(jù)x（TagID=1）經(jīng)過(guò)基于時(shí)間間隔的布魯姆濾波的時(shí)候，將x.Time值存放在TagID=1所映射的數(shù)組單元值，最初的時(shí)間間隔只是一個(gè)時(shí)間點(diǎn)。當(dāng)RFID數(shù)據(jù)y（TagID=1）到達(dá)基于時(shí)間間隔的布魯姆濾波時(shí)，只是用y.Time覆蓋TagID=1所映射的數(shù)組單元中的EndTime值。因此，基于時(shí)間間隔的Bloom Filters保持的是相同的標(biāo)簽的時(shí)間間隔。對(duì)于RFID數(shù)據(jù)x，當(dāng)X.Time-EndTime≥且X.Time-時(shí)，時(shí)間間隔是無(wú)用的，應(yīng)該將StartTime和EndTime重置為x.Time。

圖6 基于時(shí)間間隔的布魯姆濾波的原理

由于一個(gè)數(shù)組可能被不同TagID的RFID數(shù)據(jù)所重置，所以每個(gè)TagID的時(shí)間間隔可能是混淆的。然而，時(shí)間間隔[StartTime，EndTime]包括了所有RFID數(shù)據(jù)的檢測(cè)時(shí)間，所以為了能夠判斷RFID是否為重復(fù)數(shù)據(jù)，可以檢查hk(x.TagID)，…，hk(x.TagID)所映射的k單元中存放的時(shí)間間隔的交集是否為空集。當(dāng)TagID=x.TagID的RFID數(shù)據(jù)進(jìn)入服務(wù)器的時(shí)候，所有跟x.TagID有關(guān)的時(shí)間間隔都應(yīng)該包括數(shù)據(jù)的檢測(cè)時(shí)間，時(shí)間間隔的交集不應(yīng)該為空集。因此，當(dāng)時(shí)間間隔的交集為空集的時(shí)，就可以確定TagID=x.TagID的RFID數(shù)據(jù)在時(shí)間內(nèi)沒(méi)有經(jīng)過(guò)布魯姆濾波。圖5說(shuō)明了如何判斷RFID數(shù)據(jù)x是一個(gè)重復(fù)數(shù)據(jù)，如圖7(a)所示，四個(gè)時(shí)間間隔的交集為[10,15]，可以判定x為重復(fù)數(shù)據(jù)；如圖7(b)所示，時(shí)間間隔為空集，可以判定數(shù)據(jù)x不是重復(fù)數(shù)據(jù)。

圖7 基于時(shí)間間隔的布魯姆濾波的實(shí)例

圖7中的例子采用基于時(shí)間的布魯姆濾波，極易造成誤判。采用基于時(shí)間間隔的布魯姆濾波進(jìn)行實(shí)例說(shuō)明。如圖7所示，當(dāng)(ID4, Loc4, 20)通過(guò)基于時(shí)間間隔的布魯姆濾波時(shí)，ID4所對(duì)應(yīng)的三個(gè)時(shí)間間隔的交集為空集，因此可以判定ID4不是重復(fù)數(shù)據(jù)。

4 應(yīng)用實(shí)例

本文應(yīng)用.NET平臺(tái)的C#語(yǔ)言，在Visual Studio2010環(huán)境下將SQL Server 2000作為系統(tǒng)數(shù)據(jù)庫(kù)，初步開(kāi)發(fā)了RFID數(shù)據(jù)清洗系統(tǒng)。該系統(tǒng)在中國(guó)航天某總裝廠車間得到初步應(yīng)用實(shí)施，并實(shí)現(xiàn)了與該廠數(shù)據(jù)管理系統(tǒng)的初步集成。在應(yīng)用實(shí)施過(guò)程中，首先依照EPC Global標(biāo)準(zhǔn)對(duì)專用生產(chǎn)設(shè)備、原材料、零部件等物品的標(biāo)識(shí)數(shù)據(jù)格式和存儲(chǔ)方式進(jìn)行分類定義，并根據(jù)各種類型物品狀態(tài)記錄持續(xù)性的要求，確定標(biāo)識(shí)的存儲(chǔ)容量和讀寫方式，為了可以更加具體的評(píng)價(jià)數(shù)據(jù)清洗的效果，在噪聲環(huán)境下對(duì)1000個(gè)詢問(wèn)周期進(jìn)行清洗算法數(shù)據(jù)錯(cuò)誤率（其值等于錯(cuò)誤值/真實(shí)值）的驗(yàn)證，獲取1×107、2×107、3×107、4×107、5×107、6×107六組數(shù)據(jù)進(jìn)行分析，經(jīng)過(guò)清洗后，對(duì)原始數(shù)據(jù)以及經(jīng)過(guò)不同種清洗方法處理后數(shù)據(jù)的錯(cuò)誤率比較如圖8、圖9所示。

實(shí)驗(yàn)分析結(jié)果可知：在單標(biāo)簽情況下，如圖8所示，基于時(shí)間的布魯姆濾波和基于時(shí)間間隔的布魯姆濾波清洗效果差不多，后者效果稍微理想一點(diǎn)；在多標(biāo)簽的情況下，如圖9所示，基于時(shí)間間隔的布魯姆濾波的

【】【】清洗效果明顯要理想與基于時(shí)間的布魯姆濾波。在這兩種情況下的一般的布魯姆濾波清洗效果均不理想。

圖8 單標(biāo)簽情況下多種清洗方法效果比較

圖9 多標(biāo)簽情況下多種清洗方法效果比較

5 結(jié)束語(yǔ)

本文針對(duì)離散制造生產(chǎn)過(guò)程中RFID數(shù)據(jù)的特點(diǎn)，面向單標(biāo)簽和多標(biāo)簽的應(yīng)用場(chǎng)景，分別研究了基于時(shí)間和基于時(shí)間間隔的布魯姆濾波方法，在低內(nèi)存空間下大幅度提高時(shí)間效率，很好的保障了RFID數(shù)據(jù)上層應(yīng)用的實(shí)時(shí)性。本文提出的RFID數(shù)據(jù)方法為目前智能制造數(shù)據(jù)處理提供了一種新的思路。數(shù)據(jù)處理是智能制造智能化應(yīng)用的基礎(chǔ)，如何從智能制造產(chǎn)生的海量RFID數(shù)據(jù)中進(jìn)一步挖掘出有用的數(shù)據(jù)，將是未來(lái)研究的一種重點(diǎn)。

[1]Massawe L.V., Kinyua J.D., Vermaak H.. Reducing False Negative Reads in Rfid Data Streams Using an Adaptive Slidingwindow Approach[J].Sensors,2012,12(4): 4187-4212.

[2]Shin D., Oh D., Ryu S., et al. A Smoothing Data Cleaning Based on Adaptive Window Sliding for Intelligent Rfid Middleware Systems[J]. Intelligent Information Research,2014,20(3):1-18.

[3]Liu L., Yuan Z., Liu X., et al. Rfid Unreliable Data Filtering By Integrating Adaptive Sliding Window and Euclidean Distance[J].Advances in Manufacturing,2014,2(2):121-129.

[4]Zhang C., Li Y., Chen Y.. Application oriented data cleaning For RFID middleware[J].IEEE International Conference on Systems,Man, & Cybernetics,2011,10(1):1544-1549.

[5]Gonzalez H., Han J.,Shen X.. Cost-Conscious Cleaning of Massive RFID Data Sets[A].Data Engineering. icde[C].IEEE International Conference on. IEEE, 2007:1268-1272.

[6]秦鵬飛.基于虛擬空間粒度的RFID數(shù)據(jù)清洗方法[D].遼寧:遼寧大學(xué),2009.

[8]Xiulong Liu, Heng Qi, Keqiu Li. Sampling Bloom Filter-Based Detection of Unknown RFID Tags[J].IEEE Transactions on Communications,63(4):1432-1442.