射频识别技术RFID(Radio Frequency IdentificaTIon)是通过射频信号对某个目标的ID进行自动识别得到对象信息,并获取相关数据的技术。不同于传统的磁卡和IC卡,RFID技术解决了无源和免接触两大问题,同时它可实现运动目标和多目标识别,能够广泛应用于各类场合。其突出优点是环境适应性强、能够穿透非金属材质、数据存储量大、抗干扰能力强。
射频识别技术RFID(Radio Frequency IdentificaTIon)是通过射频信号对某个目标的ID进行自动识别得到对象信息,并获取相关数据的技术。不同于传统的磁卡和IC卡,RFID技术解决了无源和免接触两大问题,同时它可实现运动目标和多目标识别,能够广泛应用于各类场合。其突出优点是环境适应性强、能够穿透非金属材质、数据存储量大、抗干扰能力强。根据供电方式的不同,可以将RFID分为两类:无源RFID和有源RFID。
射频识别(Radio Frequency Identification, RFID)中间件介于RFID 阅读器和上层应用之间,用来屏蔽不同型号的阅读器和各种协议标准的标签,为上层应用软件提供统一接口。另外,还负责整合和过滤数据,产生报表,工字电感器减少应用层软件的处理负担,使海量标签数据的传输和应用成为可能。目前,国内外的RFID 中间件体积庞大,只适用于PC 机,不能移植到嵌入式阅读器中。本文提出一种可直接运行于各种嵌入式阅读器设备,基于EPCglobal ALE 标准的嵌入式 RFID 中间件,并详细研究其中的标签数据处理流程。
符合 NFC 和 RFID 标准的手持读取器可用于读取智能无源传感器,并已在供应链管理等使用案例中得到验证。与扫描 RFID 标签以记录收货或发货的方式完全一样,扫描无源传感器可以获取读数。在供应链应用中,将 RFID 标签升级为传感器标签带来额外功能,可记录供应链中货物在任何位置的状态。例如,用于验证是否符合规定的存储条件,或者帮助识别供应链中可能出现损坏的点。
将粒子群算法( Particle Swarm Optimization,PSO)优化 BP( Back Propagation)网络的学习算法应用于射频定位。搭建实验平台,采集样本数据 ;在此基础上,进行训练学习,求得 RFID 读写器与标签之间“信号强度—坐标” 的映射关系 ;并对其进行测试,探讨粒子群神经网络算法在 RFID 定位中应用的优势。
近年来射频识别(Radio Frequency of Identificatio,RFID)技术的应用逐渐广泛,同时也倍受重视。特别是UHF频段的RFID系统,由于其传输距离远、传输速率高,受到了更多地关注。典型的RFID系统由RFID阅读器和标签两部分组成,RFID无源标签依靠RFID阅读器发射的电磁信号供电,并通过反射调制电磁信号与阅读器通信。因此,RFID标签天线设计的优劣对其系统工作性能有关键的影响。