本发明公开了一种反向散射协议中多标签信号并行解码方法及系统，方法包括如下步骤：采集IQ域信号序列并对采样点进行聚类得到多个簇，根据任意两个簇之间的转移概率识别出每个簇的所有邻居簇；根据得到的所有簇以及每个簇的邻居簇，得到簇的分层；确定每层簇对应的电平组合；根据每个信号所属的簇识别出IQ域信号序列对应的电平组合序列，将电平组合序列分解后得到每个标签对应的电平传输序列，对每个标签完成解码。本发明实现了在动态环境中对多个碰撞标签进行解码，十分适用于实际应用中高度动态、高度不稳定的后向散射系统。由于本发明不依赖于信号的稳定性，不需要在标签端有任何改动，因此降低了标签端的能耗，提高了算法的可靠性和鲁棒性。
1.一种反向散射协议中多标签信号并行解码方法，其特征在于，包括如下步骤：步骤一，采集IQ域信号序列并对采样点进行聚类得到多个簇，根据任意两个簇之间的转移概率识别出每个簇的所有邻居簇；
步骤二，根据得到的所有簇以及每个簇的邻居簇，对所有簇进行分层处理，得到簇的分层；
步骤三，根据根簇的电平以及得到的簇的分层，确定每层簇对应的电平组合；包括如下步骤：步骤S31，获得第1层簇对应的电平组合；具体是：第1层簇中每个簇的电平组合不同，且每个簇的电平组合均与根簇Croot的电平组合个数相同，且相差一位高电平；
步骤S32，根据自身上层邻居簇的电平组合，获得第2层到第N层的各个簇的电平组合；
对于第p层(2≤p≤N)簇中的任一个簇 其电平组合根据其在第p-1层的所有邻居簇的电平组合来确定；具体而言： 在第p-1层有m个邻居簇 其中，m<＝Q；对于 在第p-1层的任一个邻居簇 其中，j为1至m中任一，其对应的电平组合中所有被识别为H电平的位置或位置组合记为Highj，则簇 的所有被识别为H的电平的位置组合为High1∪High2∪…∪Highm即将簇 的电平组合中对应的位置的电平置H，并将其余电平置L，同时保证簇 对应的电平组合的电平个数等于标签个数Q；
步骤四，根据采集到的IQ域信号序列中每个信号所属的簇识别出IQ域信号序列对应的电平组合序列，将电平组合序列分解后得到每个标签对应的电平传输序列，对每个标签完成解码；包括如下步骤：步骤S41，将步骤一采集到的IQ域信号序列中的每个信号替换为该信号所属的簇的编号，得到IQ域信号序列对应的簇的序列；
步骤S42，将步骤S41得到的簇的序列中的每个簇替换为该簇的电平组合，得到IQ域信号序列对应的电平组合序列；其中，每个簇的电平组合中的所有电平信号与所有标签发送的信号一一对应；
步骤S43，将步骤S42得到的电平组合序列中任一电平组合分解成Q个标签中每个标签的信号，待所有的电平组合分解后，得到Q个标签中每个标签对应的电平传输序列；
步骤S44，对每个标签发送的电平传输序列进行解码。
2.如权利要求1所述的反向散射协议中多标签信号并行解码方法，其特征在于，所述步骤一包括如下步骤：步骤S11，采用USRP设备做为读写器读取标签发来的IQ域信号序列；
步骤S13，识别及去除噪声点：对于本地密度低于阈值的采样点，将其视为噪声节点并去除，得到去噪后的IQ域信号序列；
步骤S14，对采样点进行聚类，得到不同的簇，并对识别出的簇进行编号；
步骤S16，根据转移概率识别出每个簇的邻居簇，具体是将与任一簇Ci转移概率最高的Q个簇作为Ci的邻居簇Cnei(Ci)，其中，Q为并发传输的标签个数。
3.如权利要求1所述的反向散射协议中多标签信号并行解码方法，其特征在于，所述步骤二包括如下步骤：步骤S21，识别根簇，将根簇Croot作为第0层簇，并将根簇标识已分层；具体是：当所有的标签都处于睡眠状态即标签没有信息需要发送时，如果所有的信号落在簇Cr中，则将簇Cr识别为根簇Croot，根簇Croot的电平组合为[L,L,…,L]，其中，L表示低电平，根簇的电平组合中L的个数等于标签的个数Q；
步骤S22，将根簇之外的其他簇分层；具体是：将根簇Croot的所有邻居簇记为第1层簇，并将第1层簇均标识已分层；对于第2层开始的每一层簇，取该层簇的邻居簇的并集并除去标识已分层的簇，将剩下的簇做为当前层簇的下一层簇，直到所有簇均标识已分层。
4.一种反向散射协议中多标签信号并行解码系统，其特征在于，包括如下依次相连接的模块：信号采集模块，用于采集IQ域信号序列并对采样点进行聚类得到多个簇，根据任意两个簇之间的转移概率识别出每个簇的所有邻居簇；
簇分层模块，用于根据得到的所有簇以及每个簇的邻居簇，对所有簇进行分层处理，得到簇的分层；
簇电平组合计算模块，用于根据根簇的电平以及得到的簇的分层，确定每层簇对应的电平组合；所述簇电平组合计算模块包括如下子模块：子模块S31，用于获得第1层簇对应的电平组合；具体是：第1层簇中每个簇的电平组合不同，且每个簇的电平组合均与根簇Croot的电平组合个数相同，且相差一位高电平；
子模块S32，用于根据自身上层邻居簇的电平组合，获得第2层到第N层的各个簇的电平组合；具体是：对于第p层(2≤p≤N)簇中的任一个簇 其电平组合根据其在第p-1层的所有邻居簇的电平组合来确定；具体而言： 在第p-1层有m个邻居簇 其中，m<＝Q；对于 在第p-1层的任一个邻居簇 其中，j为1至m中任一，其对应的电平组合中所有被识别为H电平的位置或位置组合记为Highj，则簇 的所有被识别为H的电平的位置组合为High1∪High2∪…∪Highm即将簇 的电平组合中对应的位置的电平置H，并将其余电平置L，同时保证簇 对应的电平组合的电平个数等于标签个数Q；
标签信号分解模块，用于根据采集到的IQ域信号序列中每个信号所属的簇识别出IQ域信号序列对应的电平组合序列，将电平组合序列分解后得到每个标签对应的电平传输序列，对每个标签完成解码；所述标签信号分解模块包括如下子模块：子模块S41，用于将信号采集模块采集到的IQ域信号序列中的每个信号替换为该信号所属的簇的编号，得到IQ域信号序列对应的簇的序列；
子模块S42，用于将子模块S41得到的簇的序列中的每个簇替换为该簇的电平组合，得到IQ域信号序列对应的电平组合序列；其中，每个簇的电平组合中的所有电平信号与所有标签发送的信号一一对应；
子模块S43，用于将子模块S42得到的电平组合序列中任一电平组合分解成Q个标签中每个标签的信号，待所有的电平组合分解后，得到Q个标签中每个标签对应的电平传输序列；
子模块S44，用于对每个标签发送的电平传输序列进行解码。
5.如权利要求4所述的反向散射协议中多标签信号并行解码系统，其特征在于，所述信号采集模块包括如下子模块：子模块S11，用于采用USRP设备做为读写器读取标签发来的IQ域信号序列；
子模块S13，用于识别及去除噪声点：对于本地密度低于阈值的采样点，将其视为噪声节点并去除，得到去噪后的IQ域信号序列；
子模块S14，用于对采样点进行聚类，得到不同的簇，并对识别出的簇进行编号；
子模块S16，用于根据转移概率识别出每个簇的邻居簇，具体是将与任一簇Ci转移概率最高的Q个簇作为Ci的邻居簇Cnei(Ci)，其中，Q为并发传输的标签个数。
6.如权利要求4所述的反向散射协议中多标签信号并行解码系统，其特征在于，所述簇分层模块包括如下子模块：子模块S21，用于识别根簇，将根簇Croot作为第0层簇，并将根簇标识已分层；具体是：当所有的标签都处于睡眠状态即标签没有信息需要发送时，如果所有的信号落在簇Cr中，则将簇Cr识别为根簇Croot，根簇Croot的电平组合为[L,L,…,L]，其中，L表示低电平，根簇的电平组合中L的个数等于标签的个数Q；
子模块S22，用于将根簇之外的其他簇分层；具体是：将根簇Croot的所有邻居簇记为第1层簇，并将第1层簇均标识已分层；对于第2层开始的每一层簇，取该层簇的邻居簇的并集并除去标识已分层的簇，将剩下的簇做为当前层簇的下一层簇，直到所有簇均标识已分层。
一种反向散射协议中多标签信号并行解码方法及系统
技术领域
[0001] 本发明涉及物联网技术领域，具体涉及到一种反向散射协议中多标签信号并行解码方法及系统，在信号传输不稳定的情况下实现对多个RFID标签进行并行解码。该技术适用于大型仓库，货架或需要同时读取多个RFID标签信号的无线传感网络中多目标定位中应用。
背景技术
[0002] 随着物联网最近几年的快速发展，射频识别作为物联网发展的关键技术，已经受到学术界和工业界的极大关注。在典型射频识别系统中，反向散射技术的高通信效率低能耗等优点，大大提高了反向散射技术在标签和读写器之间通信的应用。但随着无线传感网络的发展，大规模标签部署以及大量的数据传输，而且标签与读写器的通信距离较短以及多个标签同时通信造成高速率的数据传输，使得反向散射技术对多个标签信号进行同时解码时，很难既保证高效的数据传输又实现低功率的能耗消耗。
[0003] 在进行大规模反向散射通信方面，并行解码技术可在很大程度上提高反向散射技术的通信效率。目前在通信解码方面主要工作分为以下两类：
[0004] 第一类：基于编码机制的反向散射传输解码。该方法采用无率码的编码机制每个标签依据正交码来编码数据，每一位转换成一个长PN序列，但是该方存在在标签端解码的代价过高的问题。
[0005] 第二类：基于标签的IQ域特征解码。由于标签端解码的代价过高，一类方法提出在读写器端对信号进行解码。从理论上看，碰撞标签的channel coefficient是这些标签的线性组合，一般来说是稳定的，对于特定组合状态的碰撞信号会在IQ域中具有特殊的特征，因此读写器可根据标签在IQ域中的位置信息识别碰撞标签的信号。
[0006] 第三类：基于标签的时域特征信息进行解码。由于在一个相对固定的时间间隔内，相同的标签具有完全重合的信号图，因此该方法根据时域特征以及IQ域中的信号簇，按照标签信号生成的信号图，来对碰撞标签进行解码，识别出不同的标签。
[0007] 上述三类方法都依赖于标签之间稳定的信号传输，而实际上，对于低功耗低开销的标签，标签间的信号传输大多不稳定，易受环境噪声干扰，因此这三类方法对于解码多标签并行传输信号中，解码错误率很高，性能较差，很大程度上影响传输的效率及网络吞吐量。
发明内容
[0008] 针对现有的解码方法对反向散射通信中多标签信号并行解码的性能较差的问题，本发明提出一种反向散射协议中信号并行解码方法，包括以下步骤：
[0009] 一种反向散射协议中多标签信号并行解码方法，包括如下步骤：
[0010] 步骤一，采集IQ域信号序列并对采样点进行聚类得到多个簇，根据任意两个簇之间的转移概率识别出每个簇的所有邻居簇；
[0011] 步骤二，根据得到的所有簇以及每个簇的邻居簇，对所有簇进行分层处理，得到簇的分层；
[0012] 步骤三，根据根簇的电平以及得到的簇的分层，确定每层簇对应的电平组合；
[0013] 步骤四，根据采集到的IQ域信号序列中每个信号所属的簇识别出IQ域信号序列对应的电平组合序列，将电平组合序列分解后得到每个标签对应的电平传输序列，对每个标签完成解码。
[0014] 进一步的，所述步骤一包括如下步骤：
[0015] 步骤S11，采用USRP设备做为读写器读取标签发来的IQ域信号序列；
[0016] 步骤S12，计算每个采样点采样的本地密度；
[0017] 步骤S13，识别及去除噪声点：对于本地密度低于阈值的采样点，将其视为噪声节点并去除，得到去噪后的IQ域信号序列；
[0018] 步骤S14，对采样点进行聚类，得到不同的簇，并对识别出的簇进行编号；
[0019] 步骤S15，计算任意两个簇之间的转移概率；
[0020] 步骤S16，根据转移概率识别出每个簇的邻居簇，具体是将与任一簇Ci转移概率最高的Q个簇作为Ci的邻居簇Cnei(Ci)，其中，Q为并发传输的标签个数。
[0021] 进一步的，所述步骤二包括如下步骤：
[0022] 步骤S21，识别根簇，将根簇Croot作为第0层簇，并将根簇标识已分层；具体是：当所有的标签都处于睡眠状态即标签没有信息需要发送时，如果所有的信号落在簇Cr中，则将簇Cr识别为根簇Croot，根簇Croot的电平组合为[L,L,…,L]，其中，L表示低电平，根簇的电平组合中L的个数等于标签的个数Q；
[0023] 步骤S22，将根簇之外的其他簇分层；具体是：将根簇Croot的所有邻居簇记为第1层簇，并将第1层簇均标识已分层；对于第2层开始的每一层簇，取该层簇的邻居簇的并集并除去标识已分层的簇，将剩下的簇做为当前层簇的下一层簇，直到所有簇均标识已分层。
[0024] 进一步的，所述步骤三包括如下步骤：
[0025] 步骤S31，获得第1层簇对应的电平组合；具体是：第1层簇中每个簇的电平组合不同，且每个簇的电平组合均与根簇Croot的电平组合个数相同，且相差一位高电平；
[0026] 步骤S32，根据自身上层邻居簇的电平组合，获得第2层到第N层的各个簇的电平组合；具体是：
[0027] 对于第p层(2≤p≤N)簇中的任一个簇 其电平组合根据其在第p-1层的所有邻居簇的电平组合来确定；具体而言： 在第p-1层有m个邻居簇其中，m<＝Q；对于 在第p-1层的任一个邻居簇 其
中，j为1至m中任一，其对应的电平组合中所有被识别为H电平的位置或位置组合记为Highj，则簇 的所有被识别为H的电平的位置组合为High1∪High2∪…∪Highm即将簇 的电平组合中对应的位置的电平置H，并将其余电平置L，同时保证簇 对应的电平组合的电平个数等于标签个数Q。
[0028] 进一步的，所述步骤四包括如下步骤：
[0029] 步骤S41，将步骤一采集到的IQ域信号序列中的每个信号替换为该信号所属的簇的编号，得到IQ域信号序列对应的簇的序列；
[0030] 步骤S42，将步骤S41得到的簇的序列中的每个簇替换为该簇的电平组合，得到IQ域信号序列对应的电平组合序列；其中，每个簇的电平组合中的所有电平信号与所有标签发送的信号一一对应；
[0031] 步骤S43，将步骤S42得到的电平组合序列中任一电平组合分解成Q个标签中每个标签的信号，待所有的电平组合分解后，得到Q个标签中每个标签对应的电平传输序列；
[0032] 步骤S44，对每个标签发送的电平传输序列进行解码。
[0033] 本发明的另一个目的在于，提供一种反向散射协议中多标签信号并行解码系统，包括如下依次相连接的模块：
[0034] 信号采集模块，用于采集IQ域信号序列并对采样点进行聚类得到多个簇，根据任意两个簇之间的转移概率识别出每个簇的所有邻居簇；
[0035] 簇分层模块，用于根据得到的所有簇以及每个簇的邻居簇，对所有簇进行分层处理，得到簇的分层；
[0036] 簇电平组合计算模块，用于根据根簇的电平以及得到的簇的分层，确定每层簇对应的电平组合；
[0037] 标签信号分解模块，用于根据采集到的IQ域信号序列中每个信号所属的簇识别出IQ域信号序列对应的电平组合序列，将电平组合序列分解后得到每个标签对应的电平传输序列，对每个标签完成解码。
[0038] 进一步的，所述信号采集模块包括如下子模块：
[0039] 子模块S11，用于采用USRP设备做为读写器读取标签发来的IQ域信号序列；
[0040] 子模块S12，用于计算每个采样点采样的本地密度；
[0041] 子模块S13，用于识别及去除噪声点：对于本地密度低于阈值的采样点，将其视为噪声节点并去除，得到去噪后的IQ域信号序列；
[0042] 子模块S14，用于对采样点进行聚类，得到不同的簇，并对识别出的簇进行编号；
[0043] 子模块S15，用于计算任意两个簇之间的转移概率；
[0044] 子模块S16，用于根据转移概率识别出每个簇的邻居簇，具体是将与任一簇Ci转移概率最高的Q个簇作为Ci的邻居簇Cnei(Ci)，其中，Q为并发传输的标签个数。
[0045] 进一步的，所述簇分层模块包括如下子模块：
[0046] 子模块S21，用于识别根簇，将根簇Croot作为第0层簇，并将根簇标识已分层；具体是：当所有的标签都处于睡眠状态即标签没有信息需要发送时，如果所有的信号落在簇Cr中，则将簇Cr识别为根簇Croot，根簇Croot的电平组合为[L,L,…,L]，其中，L表示低电平，根簇的电平组合中L的个数等于标签的个数Q；
[0047] 子模块S22，用于将根簇之外的其他簇分层；具体是：将根簇Croot的所有邻居簇记为第1层簇，并将第1层簇均标识已分层；对于第2层开始的每一层簇，取该层簇的邻居簇的并集并除去标识已分层的簇，将剩下的簇做为当前层簇的下一层簇，直到所有簇均标识已分层。
[0048] 进一步的，所述簇电平组合计算模块包括如下子模块：
[0049] 子模块S31，用于获得第1层簇对应的电平组合；具体是：第1层簇中每个簇的电平组合不同，且每个簇的电平组合均与根簇Croot的电平组合个数相同，且相差一位高电平；
[0050] 子模块S32，用于根据自身上层邻居簇的电平组合，获得第2层到第N层的各个簇的电平组合；具体是：
[0051] 对于第p层(2≤p≤N)簇中的任一个簇 其电平组合根据其在第p-1层的所有邻居簇的电平组合来确定；具体而言： 在第p-1层有m个邻居簇其中，m<＝Q；对于 在第p-1层的任一个邻居簇 其
中，j为1至m中任一，其对应的电平组合中所有被识别为H电平的位置或位置组合记为Highj，则簇 的所有被识别为H的电平的位置组合为High1∪High2∪…∪Highm即将簇 的电平组合中对应的位置的电平置H，并将其余电平置L，同时保证簇 对应的电平组合的电平个数等于标签个数Q。
[0052] 进一步的，所述标签信号分解模块包括如下子模块：
[0053] 子模块S41，用于将信号采集模块采集到的IQ域信号序列中的每个信号替换为该信号所属的簇的编号，得到IQ域信号序列对应的簇的序列；
[0054] 子模块S42，用于将子模块S41得到的簇的序列中的每个簇替换为该簇的电平组合，得到IQ域信号序列对应的电平组合序列；其中，每个簇的电平组合中的所有电平信号与所有标签发送的信号一一对应；
[0055] 子模块S43，用于将子模块S42得到的电平组合序列中任一电平组合分解成Q个标签中每个标签的信号，待所有的电平组合分解后，得到Q个标签中每个标签对应的电平传输序列；
[0056] 子模块S44，用于对每个标签发送的电平传输序列进行解码。
[0057] 本发明适用于物联网无源RFID标签，能够实现在动态环境中对多个碰撞标签进行解码，特别适用于实际应用中高度动态、高度不稳定的后向散射系统。相较于现有技术，本发明具有如下有益效果：
[0058] 1、不需要在标签端有任何改动。
[0059] 现有的很多方法需要改变标签端的编码方式，而新的较为复杂的编码方式往往是现有标签的硬件配置无法达到的。为了实现新的编码方式，标签厂商需要召回所有已经部署出去的标签，对标签硬件进行改变，以便新的编码方法能够使用。考虑到2010年一年，全球范围内标签的部署量已到达330亿个，召回所有标签并进行改动无疑会导致巨大的人力物力开销。而本发明所提出的并发解码方法不需要对标签做任何改动，标签可以继续遵循原有的编码方式进行信号编码。因此本方法很大程度降低了人力开销。
[0060] 2、降低了标签端的能耗。
[0061] 本发明不需要对标签端做任何改动，即不需要复杂的编码方式，也不需要精准的标签间同步，更不需要任何的介质访问控制技术。标签只需要进行简单的“采集数据-传输”的操作，极大降低了标签端的能量开销。这种低能耗的设计十分适用于无源的射频识别系统。
[0062] 3、提高了算法的可靠性以及鲁棒性。
[0063] 本发明最重要的一个优势就是其不依赖于信号的稳定性。由于标签需要大量部署，其硬件设计以及编码方式设计必须服从“低能耗，低开销”的原则。这两个原则一方面使得标签只能使用能耗极低的OOK监控编码方式，而这种编码方式对干扰的鲁棒性极差，导致了严重的信号不稳定性。另一方面，“低能耗，低开销”原则使得标签只能使用十分廉价的硬件，而廉价硬件的不稳定性(比如标签通常使用的廉价晶振的频偏大约在50000ppm)直接导致了信号的不稳定性。而现有的并发解码技术只能在信号及其不稳定的情况下进行并发解码，很大程度上提高了解码稳定性和鲁棒性。
附图说明
[0064] 图1为本发明的方法的工作流程图；
[0065] 图2为簇碰撞星座图。其中，(a)为两个标签碰撞示例图；(b)为动态环境下导致的两个顺序包的碰撞标签信号簇；(c)为非线性依赖的两个标签的碰撞信号簇；(d)为表示重叠簇示例图；
[0066] 图3为分簇步骤示意图。其中，(a)收到的采样点；(b)识别出来的簇中心点；(c)为易混淆采样点示意图(d)为采样点最终分类到每个集群的结果示意图；
[0067] 图4为各个算法吞吐率与并发标签个数的关系示意图；
[0068] 图5为各个算法吞吐率与标签比特率的关系示意图；
[0069] 图6为各个算法吞吐率与信道质量的关系。
具体实施方式
[0070] 针对现有的解码方法对反向散射通信中多标签信号同时进行并行解码的性能较差的问题，本发明提出了一种反向散射协议中信号并行解码方法和系统，实现了在动态环境中对多个碰撞标签进行解码，主要用于在高度动态的后向散射系统。具体包括以下步骤：
[0071] 步骤一，采集IQ域信号序列并对采样点进行聚类得到多个簇，根据任意两个簇之间的转移概率识别出每个簇的所有邻居簇。包括如下步骤：
[0072] 步骤S11，采用USRP设备做为读写器读取标签发来的IQ域信号序列，并生成星座图。将第i个信号采样点记为(Ii,Qi)。其中，Ii表示第i个信号在IQ域中I坐标的值，Qi表示第i个信号在IQ域中Q坐标的值。这些采样点在IQ域中会形成不同的簇(如图2所示)。
[0073] 步骤S12，计算每个采样点采样的本地密度。对于第i个采样点，其采样的本地密度为：以第i个信号采样点(Ii,Qi)为中心，d为半径的圆中包含的采样点的个数，其中，d为截断半径：
[0074]
[0075] 其中，Imax和Imin代表采样点在IQ坐标域中I坐标轴取到的最大值和最小值；Qmax和Qmin代表采样点在IQ坐标域中Q坐标轴取到的最大值和最小值。
[0076] 步骤S13，识别及去除噪声点。由于在采样过程中会采到很多噪声点，这些点通常不属于任何簇，因此在进行聚类之前需要去除掉噪声点。对于本地密度低于阈值T hD的采样点，将其视为噪声节点并去除，得到去噪后的IQ域信号序列。这里T hD＝20。
[0077] 步骤S14，对采样点进行聚类，得到不同的簇。具体是将去噪后的IQ域信号序列输入到dbscan聚类算法中，通过dbscan聚类算法识别出N个簇，并对识别出的N个簇进行编号；
[0078] 步骤S15，计算任意两个簇之间的转移概率。任意两个簇Ci和Cj之间的转移概率Ptrans(Ci,Cj)为：
[0079]
[0080] 式中， 表示Ci和Cj之间转移次数； 表示Ci与所有其他簇之间的转移次数之和。
[0081] 步骤S16，根据转移概率识别出每个簇的邻居簇。具体是将与任一簇Ci转移概率最高的Q个簇作为Ci的邻居簇Cnei(Ci)，其中，Q为并发传输的标签个数。如果Ci和Cj互为邻居簇，则∈E，E表示互为邻居簇集合。该步骤的目的是获得每个簇的邻居簇，用于后续步骤对所有簇进行分层，得到每个簇所对应的电平组合，以实现最终多标签碰撞信号的准确解码。
[0082] 步骤二，根据步骤一得到的所有簇以及每个簇的邻居簇，对所有簇进行分层处理，得到簇的分层，具体如下：
[0083] 步骤S21，识别根簇，将根簇Croot作为第0层簇，并将根簇标识已分层。具体是：当所有的标签都处于睡眠状态即标签没有信息需要发送时，如果所有的信号落在簇Cr中，则将簇Cr识别为根簇Croot，根簇Croot的电平组合显然为[L,L,…,L]，其中，L表示低电平，根簇的电平组合中L的个数等于标签的个数Q；
[0084] 步骤S22，将根簇之外的其他簇分层。具体是：将根簇Croot的所有邻居簇记为第1层簇，并将第1层簇均标识已分层；对于第2层开始的每一层簇，取该层簇的邻居簇的并集并除去标识已分层的簇，将剩下的簇做为当前层簇的下一层簇，直到所有簇均标识已分层。例如：取第1层簇中每个簇的邻居簇的并集并除去第0层和第1层的簇后作为第2层簇，取第2层簇中每个簇的邻居簇的并集并除去第1层和第2层的簇后作为第3层簇，依次类推，直至所有的簇都被分层，得到N+1层簇。
[0085] 步骤三，根据根簇的电平以及步骤二得到的簇的分层情况，确定每层簇对应的电平组合。具体包括如下步骤：
[0086] 步骤S31，获得第1层簇(即根簇Croot的Q个邻居簇)对应的电平组合。具体是：第1层簇中每个簇的电平组合不同，且每个簇的电平组合均与根簇Croot的电平组合个数相同，且相差一位高电平。例如，根簇为[L,L,…,L]，则第1层簇分别为：[H,L,…,L]、[L,H,…,L]、…、[L,L,…,H]；
[0087] 步骤S32，根据自身上层邻居簇的电平组合，获得第2层到第N层的各个簇的电平组合。具体是：
[0088] 对于第p层(2≤p≤N)簇中的任一个簇 (其表示第p层的第i个簇)，其电平组合根据其在第p-1层的所有邻居簇的电平组合来确定。具体而言：
[0089] 在第p-1层有m个邻居簇 其中，m<＝Q；对于 在第p-1层的任一个邻居簇 其中，j为1至m中任一，其对应的电平组合中所有被识别为H电平的位置或位置组合记为Highj(例如，如果 的电平组合为[H,L,H,L]，则H电平的位置组合Highj＝{1,3})，则簇 的所有被识别为H的电平的位置组合为High1∪High2∪…∪Highm即将簇 的电平组合中对应的位置的电平置H，并将其余电平置L，同时保证簇 对应的电平组合的电平个数等于标签个数Q。
[0090] 本步骤目的主要是为了获得每个簇对应的电平组合，得到簇与电平组合的对应表，后续就能够将IQ域信号序列中的每个信号转换成电平组合序列。
[0091] 步骤四，根据步骤一采集到的IQ域信号序列中每个信号所属的簇识别出IQ域信号序列对应的电平组合序列，将电平组合序列分解后得到每个标签对应的电平传输序列，对每个标签完成解码。
[0092] 步骤S41，将步骤一采集到的IQ域信号序列中的每个信号替换为该信号所属的簇的编号，得到IQ域信号序列对应的簇的序列；
[0093] 步骤S42，将步骤S41得到的簇的序列中的每个簇替换为该簇的电平组合，得到IQ域信号序列对应的电平组合序列。其中，每个簇的电平组合中的所有电平信号与所有标签发送的信号一一对应。
[0094] 步骤S43，将步骤S42得到的电平组合序列中任一电平组合分解成Q个标签中每个标签的信号，待所有的电平组合分解后，得到Q个标签中每个标签对应的电平传输序列。例如，对于Q＝3(即三个标签并发传输)的情况，假如收到的电平信号对应的电平组合序列为{[H,H,L],[L,H,L],[L,H,H],……}，则标签1的电平传输序列为{H,L,L,……}，标签2的电平传输序列为{H,H,H,……}，标签3的电平传输序列为{L,L,H,……}。
[0095] 步骤S44，使用传统的单个标签解码器对每个标签发送的电平传输序列进行解码。
[0096] 二、本发明方法性能试验以及与其他算法的对比实验
[0097] 下来我们通过一组实验来验证该方法相对于其他方法的优势。实验主要对以下三种算法的性能进行比较：
[0098] (1)FlipTracer：本发明提出的算法。
[0099] (2)Cluster-Based方法(简称CB)：该方法假设信号在传输过程中其信道参数是稳定的，因此利用簇在IQ坐标系中的位置进行各个簇电平组合的识别。
[0100] (3)BiGroup：该方法假设所有标签的比特长度是固定的，因此以碰撞信号的时间域特征作为依据进行簇的电平组合识别以及并发解码。
[0101] 实验主要从以下几方面来证明本发明的优势：
[0102] ①并发度(即参与并发的标签的个数)对以上三个方法的吞吐率的影响，②比特率对以上三个方法的吞吐率的影响，③信道质量对以上三个方法的吞吐率的影响；
[0103] 实验一：并发度对吞吐率产生的影响
[0104] 实验初始化：
[0105] 我们用一个USRP N210作为读写器来读取标签发来的信号。USRP接了两个UBX RF子板以及两个900MHz天线。USRP的采样率设为20MHz，天线增益设为20dBm。实验采用5个WISP作为无源标签。我们去掉标签内EPCglobal C1G2协议的Slot Aloha部分，这样标签可以并发传输。
[0106] 实验过程：
[0107] 在该实验中，我们将并发标签个数从2到5进行变化，总共进行了4组实验。为了保证实验结果真实性，针对每个算法，每组实验中，每个标签发送100个包。我们观察接收端(USRP)对碰撞数据包的解码情况。
[0108] 实验结果：
[0109] 图4示出了各个算法吞吐率与并发标签个数的关系。从图中可以看出，FlipTracer算法的吞吐率远高于BiGroup算法和BC算法。当并发标签个数达到5个时，FlipTracer算法的吞吐率达到BiGroup算法的2.5倍，BC算法的17倍。这是由于FlipTracer算法利用簇之间的转移关系进行各个簇电平的识别。转移关系即使在并发度极高的情况下，也能维持较高的稳定性。因此，FlipTracer在并发度很高的情况下也能达到较高的解码成功率，从而达到较高的吞吐率。
[0110] 实验二：比特率对吞吐率产生的影响
[0111] 实验初始化：同实验一。
[0112] 实验过程：
[0113] 在该实验中，我们将并发标签的比特率由100kbps变化到600kbps，总共进行了6组实验。由于WISP平台目前仅支持最高256Kbps的比特率，因此我们采用仿真实验来测试各个算法在标签比特率为500～600Kbps时的性能。为了保证实验结果真实性，针对每个算法，每组实验中，每个标签发送100个包。我们观察接收端(USRP)对碰撞数据包的解码情况。
[0114] 实验结果：
[0115] 图5示出了各个算法吞吐率与标签比特率的关系。从图中可以看出，FlipTracer可以实现5个标签以500Kbps进行并发数据传输。同时，对比BiGroup和FlipTracer在不同比特率下实现的5个标签并发传输的吞吐率，我们发现BiGroup标签比特率达到200Kbps时，性能开始迅速下降。BiGroup的最大总吞吐量为300Kbps。而FlipTracer在标签进行高比特率传输时性能更高：当标签以500Kbps传输时，FlipTracer吞吐率达到BiGroup的14倍。
[0116] 实验三：信道质量对吞吐率产生的影响
[0117] 实验初始化：同实验一。
[0118] 实验过程：
[0119] 在该项实验中，我们仅仅对比FlipTracer和BiGroup的性能(主要由于BC算法在信道质量较差的情况下根本无法工作，因此不考虑让其参与对比)。在实验过程中，我们通过对标签的移动来改变信道质量。实验采用3个标签，每个标签的传输速率为100Kpbs。理论上，标签离阅读器越远，标签与阅读器之间信道质量就越差。因此，我们将标签渐渐远离阅读器，并观察在这个过程中各个算法的吞吐率的变化。我们总共收集了3组数据，分别代表信道质量“好”、“中”、“坏”时候的并发解码情况。为了保证实验结果真实性，针对每个算法，每组实验数据中，每个标签发送100个包。我们观察接收端(USRP)对碰撞数据包的解码情况。
[0120] 实验结果：
[0121] 图6示出了各个算法吞吐率与信道质量的关系。从图中可以看出，在信道质量较高时，FlipTracer和BiGroup都能实现良好的吞吐率。当信道质量变差，噪声频繁发生时，BiGroup总吞吐量显著下降。这是由于BiGroup算法信号聚类过程鲁棒性较低，高噪声使得BiGroup算法的聚类模块出现较大误差，而相比之下，FlipTracer在信道条件较差时，仍具有较高的鲁棒性。
