| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 缩略语 | 第11-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及研究意义 | 第12-13页 |
| 1.2 研究现状与存在的问题 | 第13-15页 |
| 1.3 研究内容与取得的成果 | 第15-16页 |
| 1.3.1 研究内容与本文所做的工作 | 第15-16页 |
| 1.3.2 本文创新点 | 第16页 |
| 1.4 论文框架 | 第16-18页 |
| 第二章 RFID关键技术及应用场景 | 第18-26页 |
| 2.1 RFID的系统组成及原理 | 第18-19页 |
| 2.2 RFID系统实测场景与设备选择 | 第19-20页 |
| 2.3 IMPINJ R420 阅读器 | 第20-22页 |
| 2.3.1 盘存标志位 | 第21-22页 |
| 2.3.2 MAC层 session和盘存模式实验 | 第22页 |
| 2.3.3 传输模式与反向链路 | 第22页 |
| 2.4 天线的选择 | 第22-23页 |
| 2.5 标签的选择 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 基于仓库-传送带场景的RFID仿真试验平台搭建 | 第26-42页 |
| 3.1 仓库-传送带环境下RFID标签的类别及其设定 | 第26-27页 |
| 3.2 多维信息理论值计算 | 第27-35页 |
| 3.2.1 RSSI理论值计算与实际测量值的比较及分析 | 第28-32页 |
| 3.2.2 PHASE理论值计算与实际测量值的比较及分析 | 第32-33页 |
| 3.2.3 DOPPLER理论值计算与实际测量值的比较及分析 | 第33-35页 |
| 3.3 标签读取的RRR原则 | 第35-37页 |
| 3.4 噪声及异常值模拟 | 第37页 |
| 3.5 基于理论值计算的仿真平台搭建 | 第37-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第四章 基于ADD-ET算法的RFID标签排序算法设计 | 第42-58页 |
| 4.1 基于IMPINJ R420 阅读器的数据收集 | 第42页 |
| 4.2 基于相位整合的排序算法 | 第42-45页 |
| 4.3 RFID标签排序的ADD-ET算法 | 第45-51页 |
| 4.3.1 异常数据检测方法 | 第45-46页 |
| 4.3.2 容错算法 | 第46-51页 |
| 4.4 实验结果与系统性能分析 | 第51-53页 |
| 4.5 综合算法的产业化实验 | 第53-57页 |
| 4.5.1 实验设计 | 第53-54页 |
| 4.5.2 实验结果和分析 | 第54-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第五章 基于kNN机器学习算法的RFID标签分类方法 | 第58-72页 |
| 5.1 机器学习算法简介 | 第58-62页 |
| 5.1.1 kNN算法 | 第58-60页 |
| 5.1.2 支持向量机 | 第60-61页 |
| 5.1.3 朴素贝叶斯 | 第61-62页 |
| 5.2 RFID标签的匹配方法 | 第62-64页 |
| 5.3 RFID标签分类的特征选取及分类效果 | 第64-69页 |
| 5.3.1 统计特征的选择 | 第65页 |
| 5.3.2 匹配特征的选择 | 第65-67页 |
| 5.3.3 特征向量组成和归一化处理 | 第67-68页 |
| 5.3.4 引入机器学习算法 | 第68-69页 |
| 5.4 基于kNN的 RFID标签分类方法 | 第69-70页 |
| 5.5 本章小结 | 第70-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 研究总结 | 第72页 |
| 6.2 研究展望 | 第72-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间的研究成果 | 第80页 |
| 1 学术论文 | 第80页 |
| 2 专利 | 第80页 |
| 3 参与的科研项目 | 第80页 |
