Resumen

Con el aumento en el número de etiquetas, se está volviendo una necesidad urgente en Internet Industrial de las Cosas (IIoT) un enfoque eficiente de identificación de etiquetas. Sin embargo, el rendimiento de identificación de los esquemas de anticolisión basados en Aloha existentes es limitado cuando el tamaño inicial del marco no coincide seriamente con el tamaño real de la población de etiquetas. El rendimiento se degradará aún más cuando IIoT se implemente en un entorno de canal propenso a errores. Para optimizar el rendimiento de identificación del sistema de RFID en un entorno de canal propenso a errores, proponemos un algoritmo de anticolisión basado en una estrategia eficiente de ruptura temprana de marcos (EFB-ACA) con conciencia de canal. El EFB-ACA divide todo el proceso de identificación de etiquetas en dos fases: fase de convergencia y fase de identificación. La función de la fase de convergencia es hacer que el marco ajustado converja rápidamente a un tamaño apropiado. La estrategia de ruptura

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Incremento; Identificación de etiquetas; Internet Industrial de las Cosas; Esquemas de anticolisión basados en Aloha; Entorno de canal propenso a errores; Algoritmo EFB-ACA
• Keywords:Increase; Tag identification; Industrial Internet of Things; Aloha-based anticollision schemes; Error-prone channel environment; EFB-ACA algorithm