The invention discloses an RFID tag classification method and device based on kNN, which belongs to the field of Internet of Things radio frequency identification technology. The method includes: obtaining RFID tag data with known classification results in readable range from the interface of the RFID reader, using each tag number as a group of training data, and calculating strong signals for each group of training data. RSSI and Doppler frequency shift DOPPLER statistical features and matching features constitute the input eigenvectors of kNN learning. Using the eigenvectors composed of statistical features and matching features, combined with kNN machine learning method, the recognition and classification of all readable tags within the reader range in the warehouse are realized, and the practical application scenarios are effectively distinguished. Stationary labels, free labels and moving labels on the conveyor belt.
【技术实现步骤摘要】
一种基于kNN的RFID标签分类方法及装置
本专利技术涉及一种基于K最近邻(kNN,k-NearestNeighbor)的RFID标签分类方法及装置,属于物联网射频识别
技术介绍
物联网射频识别技术(RFID:RadioFrequencyIdentification)被广泛应用于机场行李分拣、无人超市、仓库货物盘存、快递物流等多种领域。RFID系统将含有物品信息的RFID芯片粘贴于商品表面,使得每一个RFID阅读器可读范围内的标签都可以被系统读取,用于实时监测标签状态、货物清点、货物传送等方面。当标签运动在传送带上时,往往需要进行标签的排序,以区分同时读取到的标签与货物之间的相互匹配,然而,位于传送带上方的标签有很大概率会读取到传送带以外的标签,从而导致标签的排序错误,影响传送带上标签与货物的匹配,从而导致行李分拣错误或快递物流发错地址等现象,为规避这些错误,希望将不是传送带上的标签作为场外标签而排除在排序算法以外,这就需要将RFID阅读器读取到的标签进行分类,区分是否位于传送带上;另外,当物品被缓慢移动或静止放于货架上时,所需要分配的关注角度和程度是不同的,所以,还需要对RFID阅读器读取到的标签进行动静态分类,以提高静态物品的定位精度,同时增加对缓慢移动的物体的关注度,如监测无人超市中货物是否被拿起,是否被放置在了错误的货架上,是否有被盗嫌疑等。
技术实现思路
专利技术目的:针对上述现有技术的不足,本专利技术的目的是提供一种基于kNN的RFID标签分类方法及装置,该方法利用射频识别技术,通过对仓库内已知分类标签的特征信息的存储,实时更新仓库内标签 ...
【技术保护点】
1.一种基于kNN的RFID标签分类方法,其特征在于:包括如下步骤:(1)收集训练数据集数据:从RFID阅读器的接口中获取可读范围内已知分类结果的RFID标签数据,所述数据包括标签号EPC、时间TIME、信号强度RSSI和多普勒频移DOPPLER,以每个EPC号为一组训练数据,训练数据集中包含静止、游离和传送带上的标签三类数据,或静止和传送带上的标签两类数据;(2)每组训练数据记为一个实例,为每个实例计算并存储特征向量,包括RSSI的统计特征和DOPPLER的统计特征,以及RSSI和DOPPLER分别与参考数据的匹配特征;(3)获取实测数据,计算实测数据的特征向量,并计算实测数据特征向量与训练集中各特征向量的距离度量,找出最近邻的k个点;k≥1;(4)根据分类决策规则,判决实测数据的类别。
【技术特征摘要】
1.一种基于kNN的RFID标签分类方法,其特征在于:包括如下步骤:(1)收集训练数据集数据:从RFID阅读器的接口中获取可读范围内已知分类结果的RFID标签数据,所述数据包括标签号EPC、时间TIME、信号强度RSSI和多普勒频移DOPPLER,以每个EPC号为一组训练数据,训练数据集中包含静止、游离和传送带上的标签三类数据,或静止和传送带上的标签两类数据;(2)每组训练数据记为一个实例,为每个实例计算并存储特征向量,包括RSSI的统计特征和DOPPLER的统计特征,以及RSSI和DOPPLER分别与参考数据的匹配特征;(3)获取实测数据,计算实测数据的特征向量,并计算实测数据特征向量与训练集中各特征向量的距离度量,找出最近邻的k个点;k≥1;(4)根据分类决策规则,判决实测数据的类别。2.根据权利要求1所述的一种基于kNN的RFID标签分类方法,其特征在于:所述RSSI的统计特征包括RSSI均值、方差、总和、每组训练数据RSSI向量的模值。3.根据权利要求1所述的一种基于kNN的RFID标签分类方法,其特征在于:所述DOPPLER的统计特征包括DOPPLER均值、方差、总和、绝对值均值、每组训练数据DOPPLER向量的模值。4.根据权利要求1所述的一种基于kNN的RFID标签分类方法,其特征在于:选取训练集中传送带上的标签的数据作为参考数据。5.根据权利要求1所述的一种基于kNN的RFID标签分类方法,其特征在于:RSSI匹配特征取值为:其中:sr0(n),sri(n)分别表示参考数据和待匹配数据RSSI数据的多项式拟合函数离散采样点;n1,n2和n3,n4分别为离散采样后的参考数据与待匹配数据的首末位置...
【专利技术属性】
技术研发人员:胡静,宋铁成,徐洁,杨丽,夏玮玮,燕锋,沈连丰,
申请(专利权)人:东南大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。