A Time-Efficient Protocol for Unknown Tag Identification in Large-Scale RFID Systems
Notice bibliographique
Résumé
In radio-frequency identification (RFID) applications, RFID tags attached to new, misplaced, or counterfeited commodities sometimes may not be timely registered and are unknown for readers. In applications like inventory management and product tracking, these unknown tags pose several challenges for fast tag identification. A simple method to identify unknown tags is to first deactivate the registered known tags, and then collect IDs of the unknown ones. However, this is a nontrivial task. In fact, unknown tags cause interference with the deactivation of known tags. Moreover, the unknown tag collection methods used in existing protocols either suffer severe tag collisions or generate many empty slots, which increases the final execution time. In this article, we propose an efficient unknown tag identification (EUTI) protocol. First, EUTI builds a vector-based filter to exclude the tags that are not expected to reply in each slot, so that EUTI can use both predicted collision slots and singleton slots for unknown tag deactivation and avoid collisions caused by unknown tags. Second, EUTI adopts a reservation mechanism to reduce collision slots and guide each unknown tag to skip empty slots when replying, thus saving execution time. Moreover, we provide a theoretical analysis of EUTI to minimize execution time and extend EUTI to multi-reader scenarios. Numerical results show that EUTI outperforms the state-of-the-art solutions by reducing up to 44.12% in deactivation time, 26.47% in collection time, and 27.75% in total time.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».