文献类型：期刊文章

作　　者：杨超[1] 赵一帆[2] 李波[1] 陈春[3] 丁洪伟[1]

YANG Chao;ZHAO Yifan;LI Bo;CHEN Chun;DING Hongwei(School of Information,Yunnan University,Kunming 650000,China;School of Electrical and Information Technology,Yunnan Minzu University,Kunming 650000,China;School of Applied Technology,Yunnan Minzu University,Kunming 650000,China)

机构地区：[1]云南大学信息学院,云南昆明650000 [2]云南民族大学电气信息工程学院,云南昆明650000 [3]云南民族大学应用技术学院,云南昆明650000

出　　处：《现代电子技术》

基　　金：国家自然科学基金资助项目:融合式多址通信网络理论与控制协议研究(61461053)。

年　　份：2021

卷　　号：44

期　　号：22

起止页码：21-25

语　　种：中文

收录情况：IC、RCCSE、ZGKJHX、普通刊

摘　　要：射频识别(RFID)是一种无线通信技术,可以进行数据采集和识别任何标记的物体。在RFID系统中,DFSA(动态帧时隙ALOHA)算法是解决标签碰撞问题的常用算法。针对现有DFSA算法存在最佳帧长预测精度低的问题,提出一种基于深度学习的DFSA优化算法。DFSA系统中,当帧长和标签数相等时系统可获得最佳效率。该算法把DFSA和LSTM(长短时记忆网络)神经网络结合起来,采用LSTM深度神经网络对RFID系统下一帧的标签数做预测,从而准确地调整帧长,实现系统吞吐率最大化。仿真结果表明,基于LSTM优化的DFSA算法可以有效提高RFID系统识别精度,减少时隙浪费。

关 键 词：防碰撞算法 RFID 深度学习  DFSA  标签预测  帧长调整  仿真实验  

分 类 号：TN911-34] TP391]