群智能RFID网络规划使用多天线读取器在医院环境中的资产跟踪

关键词：RFID网络规划；资产跟踪；定向天线；多天线读取器；Whale优化算法；模拟退火法

医疗资产管理是医院行业中的一个关键问题。除医疗资产跟踪外，由于缺乏对静态和移动资产的实时监控，这些资产可能会丢失或被盗。在一家医院里，有许多高价值的可移动资产，如外科手术设备、血压测量设备、呼吸机、血红蛋白和床位。如中所述，每年约有10%的医院医疗资产出现损失。此外，员工们还花了大约30%的时间来寻找丢失的资产。医疗资产的管理是一个令人厌烦的过程，医院在人工管理医疗资产方面面临困难，因此应利用自动信息系统。

现有的基于条形码系统的资产管理方法很耗时，因为附有条码标签的医疗资产必须在条码读取器的视线之内。解决这个问题的一个很有吸引力的解决方案是开发一个自动化信息系统，能够利用在医院环境中部署的传感器网络，实时跟踪静态和移动资产。建立一个自动跟踪系统，必须选择一种传感器网络技术，因此，一些传感器应放置在医院的适当区域，以实现所需的资产覆盖范围。在传感器网络技术方面，目前还存在红外线、蓝牙、Zigbee、智能卡、RFID等不同的识别技术。该技术的选择应根据所要求的精度水平、与医疗资产的兼容性、经济成本和跟踪规范等因素进行选择。

射频识别（RFID）基于无线通信技术，该技术利用基于电磁场的射频波来收集附着在物体上的标签的身份信息。RFID网络包括四个主要部分，包括标签、读取器、天线和主机（处理单元）。读取器通过读取器天线从标签中收集接收到的数据，并将其中继到主机上进行进一步的处理和管理。RFID技术具有快速识别、长途通信、看不见通信的特点，能够通过无线通信每秒检测到数千个标签。与条形码系统不同，RFID系统并不局限于视线通信，还可以识别读取器指定范围内的静态和移动对象。RFID系统的一个主要优点是，由于利用了无线电波，这些物体不需要在读取器的视线范围内。

在使用RFID技术的医院资产监测中，有多个静态和移动资产，每个资产都附有一个标签，其中使用一组RFID读取器通过射频通信收集其信息。从定位的角度（以相同数量的RFID读取器的最大化覆盖率）和从经济的角度（以相同的覆盖率最小化RFID读取器的角度来看），用于资产跟踪的RFID网络规划（RNP）的优化都至关重要。目前，不同的RNP技术已经被提出用于医院监测中的资产跟踪。这些技术的重点是找到最小的读取器数量及其在工作空间中的位置，以实现最大的覆盖范围，而没有注意对多天线RFID读取器的使用。然而，RFID系统的总成本主要取决于网络中放置的读取器的数量。因此，在每个读取器上使用更多的天线可以有效地最大限度地提高网络覆盖率（具有相同的成本）和降低总成本（具有相同的覆盖率）。

本文提出了一种基于群智能的多天线医疗资产跟踪RNP模型。如上所述，RFID系统的总成本主要依赖于读取器的数量。我们的动机是通过有效地利用多天线读取器来降低RFID系统的总成本。需要强调的是，通过在多天线RFID读取器上使用更多的天线，应考虑除读取器数量和网络覆盖之外的一些因素，例如读取器类型、天线类型、每个读取器上的天线数量及其方向、天线的波束功率以及天线与标签读取器的碰撞。本文的主要贡献可总结如下：

• 介绍了一种新的具有多天线读取器的RNP模型（称为RNP-MAR），考虑了不同的RFID读取器类型（天线端口数量）和不同天线类型的特定覆盖特性（波束宽度和读取范围）。
• 将RNP-MAR制定为一个多标准优化问题，以确定RFID读取器的数量及其类型、读取器在工作空间中的位置、天线的数量及其类型、天线对读取器的分配以及每个天线的方向和波束功率。
• 提出了一种基于鲸鱼优化算法和模拟退火（WOA-SA）的全局-局部元启发式算法，可以有效地求解多准则RNP-MAR模型。
• 制定多目标函数，最大限度地提高网络覆盖范围，同时降低总成本、干扰、冲突和功耗。
• 为了验证所提出的方法，我们对伊朗，德黑兰的帕尔西安医院急诊科进行了一个真实的案例研究，以证明所提出的方法的有效性，并阐述其相对于现有技术的好处。

本文的其余部分结构如下：在第2节中回顾了现有的技术。在第3节提出并建立了RNP-MAR模型。在第4节中提出了基于WOA-SA算法的求解方法。第5节中给出了该方法的仿真结果，并与现有的方法进行了比较。最后，在第6节中总结了该方法的优缺点。

图 1 一个典型的射频识别系统，带有两台单天线读取器和六个标签。

文献综述

RFID技术的早期使用是在20世纪50年代，当时晶体管已经被发明出来。20世纪60年代初，第一个商用射频识别系统作为零售商店的防盗工具出现。在20世纪70年代，有大量的研究关注了射频识别技术在各种应用中的应用。在20世纪80年代，基于射频识别技术的资产跟踪系统被用于其他应用程序，如收费公路、门禁和动物跟踪等。随后，随着集成电路的发展，一个典型的RFID标签的尺寸被缩小到一个集成设备。近年来，射频识别系统被广泛应用于不同领域的资产跟踪和管理。下面我将详细描述RFID系统，然后回顾现有的RNP技术及其在医疗资产跟踪中的应用。

RFID系统

如图所示无花果1，一个RFID系统包括标签、读取器、天线，和一个主机。RFID技术是基于询问器（读取器）和应答器（标签）之间的通信。它利用电磁场来识别或跟踪附着在物体上的标签。读取器通过射频（RF）天线询问附近的标签的信息，并更新外部数据库。每当主机请求标签数据时，每个读取器都会使用射频波从其天线读取范围内的标签中收集数据，并将收集到的信息返回给主机。

RFID系统的主要部件描述如下：

标签（应答器）用于存储附属对象的信息，每个对象都有一个唯一的ID号。RFID标签包含具有编码识别数据的微芯片、传输和接收无线信号的天线，以及存储产品标识和制造商、产品类型等附加信息的存储器。RFID标签可以分为被动、主动和半被动，并封装在一个包中，有不同的形状、大小和特性。商业上，最小的标签只有大约0.4毫米times;0.4毫米，比一张纸更薄。

读取器收集标签中存储的信息。RFID读取器包括一个或多个天线以及解码器，解码从标签接收到的信息。读取器可以读取或写入附近的标记，并通过后端数据库将其id映射到对象。通常，RFID读取器带有射频和通信接口。该接口能够与读取器的阅读范围内的标签进行通信。该通信接口一般基于IEEE802.11或IEEE802.3，与主机进行通信。

主机或RFID中间件连接到企业系统，来管理从不同RFID读取器接收到的信息。主机配备了一种软件，用来管理从后端数据库中不同RFID读取器收集到的信息，包括标签和读取器的详细信息。这些信息用于管理RFID网络与不同组织内部和组织间系统之间的通信。

天线从标签传输和接收射频波到读取器，反之亦然。一个RFID读取器由一个内部天线组成，它被认为是读取器的一部分。此外，一个或多个天线可以作为外部天线安装在读取器上。每当读取器通过其天线从标签接收到一些数据时，它就会将收集到的数据中继到主机上进行进一步处理。有不同的天线模型，如线性或圆形、单极化或双极化、宽带或窄带、定向或全向天线。此外，每个天线都具有读取范围和光束宽度与方向性。在美国，天线有两种类型：定向天线和全向天线。定向天线将其增益聚焦到特定方向（例如，60度或90度），以获取标签读取。全向天线通常在一个平面上覆盖360度，在相反的区域上覆盖约20至65度，而不是在定向天线中产生锥状覆盖。这些天线可以覆盖在相同高度的不同标签，这些标签可能以不同的角度通过天线。由于这些天线必须覆盖如此大的平面，它们的增益通常比定向天线的增益要小。随着天线技术的发展，定向天线具有灵活的波束控制和抑制干扰的能力，可用于提高RNP的性能。一般来说，全向天线的干扰率很高，特别是当有大量的标签和读取器时。另一方面，定向天线可以避免与其他读取器重叠的冗余标签，从而实现更少的干扰。

RFID网络规划方法

RNP是一个组合的 NP难度问题（非确定性多项式困难问题），因此，现有的方法大多集中在利用启发式和元启发式算法来克服RNP的NP难度。启发式方法是基于问题规范而制定的。尽管不能保证收敛到最优解，但这些方法能很快获得有竞争力的解决方案。Gupta和Iyer提出了一种交互式的GUI工具来优化RFID网络的覆盖范围。该工具包括驱动器设计、天线范围计算和传播建模。它有一个读取器模拟器部分，可以在没有障碍的情况下计算读取器的范围。他们提出了两种启发式算法来解决RNP和体现RFID网络规划器背后的逻辑。Zhang等人建立了一个整数线性规划模型，以确定嵌入在路边的RFID读取器的最佳位置，以提高道路安全。Mysore等人提出了一种Graham扫描算法，以最小化所需的读取器来实现全网络覆盖。Liu等人开发了一种名为联邦技术的组合技术，通过同步读取器的操作来消除读取器-标签冲突，并通过选择一组具有最大阅读效率的读取器来减少读取器-读取器冲突。阿尔萨利引入了一种启发式的方法来减少读取器的数量和减少相邻读取器的重叠。他们使用两种负载平衡方法在不同的读取器之间分配静态负载和动态负载。Wu等人建立了一个基于0-1整数规划的RNP模型，并考虑了部署成本、读取器干扰和读取效率三个目标。他们提出了一种基于层次聚类和梯度下降的技术来求解该模型。

作为启发式算法的扩展，元启发式算法通过迭代提高目标函数解的质量，提供了一组接近最优的解。Irfan等人提出了一种进化的遗传算法（GA）RNP模型，以最大限度地提高网络覆盖范围，优化天线波束方向。迪米特里奥等人开发了一种混合粒子群优化（PSO）来优化RFID读取器的位置和配置。在通过PSO优化RNP时，他们考虑了覆盖率、干扰和经济因素。本文中提出了一种基于云模型的组合差分演化（DE）算法，并将其应用于RFID读取器位置的优化，验证了该算法的有效性。Jaballa和Meddeb开发了一种自适应布谷鸟搜索算法（SACS），以优化RFID读取器的数量、网络覆盖、干扰、负载平衡和功率损失。Ma等人提出了人工蜂群算法（ABC），利用多目标函数优化RNP模型。Zhao等人采用了另一种基于萤火虫算法（FA）的多目标算法。从RFID读取器的数量、覆盖率和干扰等方面找到RFID网络的最优规划。Shi等人提出了一种鸡群优化算法（CSO）来优化RFID读取器天线的放置。Zhang等人开发了一个基于定向和全向天线的进化RNP模型。基于定向和全向天线读取器的辐射模型，建立了考虑标签重复率和负载平衡的双目标优化模型，并对模型进行遗传求解。

RNP用于医院内的资产跟踪

医疗资产跟踪对提供高质量的护理和降低医疗保健成本至关重要。此外，由于缺乏对静态资产和流动资产的实时监测，医院内的资产可能会丢失或被盗。RFID技术对医院资产跟踪的好处可分为：

• 完善医院医疗资产的库存管理。
• 提高医疗设备的利用水平，减少资产丢失或被盗的数量。
• 通过确保所有资产在需要时可用，提高员工生产力。
• 减少员工用于库存管理的时间。
• 防止护士花时间去寻找资产，更多地关注病人的护理。

医疗资产的跟踪和管理与静态对象不同，因为部分资产是可移动的，应该随时进行监控。Qu等人开发了一种利用马尔可夫链应用于医院的RNP模型

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 19 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[595930]，资料为PDF文档或Word文档，PDF文档可免费转换为Word