基于RFID的智能语言实验室管理系统

何 锴

（山东大学，山东 济南250100）

0 引 言

智能语言实验室是采用IT技术，通过文字、图形、声音、动画等载体实现人机交互的现代化语言教学实验室[1]。智能语言实验室中根据教学需求，将配备录放卡、音箱、DVD、投影仪、耳机、耳麦等大量语言教学设备，此类设备的妥善管理，可保障实验室财产安全[2⁃4]。实验室财产安全保护中，实验室的门禁十分关键，门禁属于实验室的“门神”，如果智能语言实验室不存在门禁管理功能，任何人都有进出的权限，这对智能语言实验室中设备安全存在直接影响[5]。

此外，实验室的服务目标以教师与学生为主，实验室的环境优劣对服务目标的安全起到绝对性作用，为此，在智能语言实验室管理问题中，门禁管理、设备管理以及环境管理均十分关键。本文围绕此问题，设计基于RFID的智能语言实验室管理系统，充分发挥RFID技术的读写速度快、可远距离应用等优势，实现智能语言实验室妥善管理。

1 基于RFID的智能语言实验室管理系统

1.1 系统结构设计

基于RFID的智能语言实验室管理系统结构图如图1所示。

图1 基于RFID的智能语言实验室管理系统结构图

ATmega16单片机是基于RFID的智能语言实验室管理系统的控制主体，基于RFID的门禁模块、传感器模块以及基于RFID的实验设备管理模块是系统三大核心模块。进入智能语言实验室的用户均需要使用门禁卡识别身份后才能进出，如果没有门禁卡，便不能进入和离开智能语言实验室[6⁃7]。传感器模块由烟雾传感器、水滴传感器、火焰传感器、温湿度传感器构成，传感器监测信息能够基于ZigBee、无线网络传输至PC端。基于RFID的实验室设备管理模块的功能是管理实验室设备安全[8]。

基于RFID的门禁模块电路图如图2所示。MODE1～MODE3属于三类存在差异的管理模型，均和高电平相连。如果MODE1和高电平相连，代表波特率是9 600 b/s；如果是MODE2、MODE3和高电平相连，分别代表电路属于串口输出模式、主动模式。RC522芯片的TXD端、GND端分别和MS430单片机、电压转换器存在连接性；串口1的状态为接收模式时，RFID的读卡实时性将得以提升。TX1、TX2和天线CIRCLE存在连接性，STATUS和单元集的P1⁃1存在连接性，可掌握RC522芯片的运行模式；单片机的P1⁃3连接于动作电机，可使用继电器管理RFID电子锁的动作电机，通过RFID电子锁实现智能语言实验室开门、关门控制[9⁃10]。

基于RFID的实验室设备管理模块结构图如图3所示。该模块通过RFID技术管理智能语言实验室设备时，通过电子标签存储实验室设备的基本特征[11]。此类基本特征由型号信息、规格信息、价格信息、出厂日期信息等构成。以往的纸质标签虽然也可以呈现所有设备信息，但是效率不高[12]。实验室设备使用电子标签后，各个设备均有一种存储芯片，此芯片中存储大量设备的基本特征信息。

图2 基于RFID的门禁模块电路图

图3 基于RFID的实验室设备管理模块结构图

1.2 改进的二进制防碰撞算法

二进制算法存在显著缺陷，RFID阅读器中有效RFID标签信息仅存在大于上次碰撞中高比特位里，识别标签后需要重新查询其他RFID标签信息，算法执行耗时较多，所以，本文对二进制防碰撞算法进行改进。

1.2.1 算法编码原理

为了可以在算法里高精度分辨实验室设备标签数据碰撞的比特位，改进的算法使用Manechester编码。此编码是相位编码，可与式中编码技术同步使用，通过电平跳变描述数值位[13]。Manechester编码示意图如图4所示。

图4 中，加粗线所在处表示从高电平跳变到低电平，编码成逻辑“1”；从低电平跳转至高电平，编码成逻辑“0”，如果不存在跳变，便属于非法数据。如果2个或多于2个标签一起反馈的数值位存在差异，那么上升沿与下降沿存在抵消性，将不存在状态跳变，此时RFID阅读器的数据存在碰撞性，发生错误，需要进一步处理[14]。

图4 Manechester编码示意图

1.2.2 算法改进

算法改进之处如下：

1）新增标签命令A（ID，1）

ID代表比特位，RFID阅读器首次和标签通信后，翻译智能语言实验室设备标签序列号，便可以分辨出现碰撞的比特位。将出现碰撞的比特位设成“1”，不存在碰撞的比特位设成“0”，以此获取后续寻呼的序列码。

2）新增标签命令A（ID）

此处ID的取值代表RFID阅读器在实施命令A（ID，1）后，若智能语言实验室设备标签持续出现碰撞，将出现碰撞的比特位设成“1”，不存在碰撞的比特位设成“0”，在后续的碰撞状态里，参加数据传输的只有固定的、存在RFID标签碰撞的比特位，再通过智能语言实验室设备标签译码的形式，获取后续寻呼的锁定序列码。此处存在碰撞的智能语言实验室设备标签里，把锁定的全部比特位里最高位的值是1的标签，将其自身所属序列号反馈至阅读器[15]。

1.2.3 运行流程

1）RFID阅读器在工作范围中传输命令A，智能语言实验室设备标签的ID低于或等于阅读器命令比特位，便可以和RFID阅读器实现通信。

2）RFID阅读器将响应的标签实施译码，如果不存在碰撞便可识别标签，将其设成无效标签。

3）如果存在碰撞，将智能语言实验室设备标签实施译码，把出现碰撞的比特位的位置设成“1”，不存在碰撞的比特位设成“0”，获取新增标签命令A（ID，1）。

4）RFID阅读器发出命令A（ID，1），实验室设备的RFID标签获取此命令后，把RFID阅读器的命令ID和自身序列号实施对比，确定出现碰撞的比特位，对比特位最高位是1的标签进行响应，把未被确定的RFID标签反馈至阅读器。

5）RFID阅读器分辨反馈的标签序列号是否存在碰撞，如果不存在便识别标签，将其设成无效标签；反之，阅读器将反馈的标签序列号实施译码，分辨存在碰撞的比特位，把出现碰撞的最高比特位设成1。大于此碰撞位的比特位无须变动，小于此碰撞位的比特位删掉，获取新增标签命令A（ID）。

6）RFID阅读器发出A（ID），再次分辨是否存在碰撞，每次识别标签后，均启动后退方案，跳转至前次出现碰撞的节点，识别节点的其他分支，直至将碰撞位的最高位是1的标签均被识别方可停止。

7）执行第6）步之后，传输命令A（0），A（0）表示识别碰撞位最高位是0的智能语言实验室设备标签组，识别方法如第5）步与第6）步所示，识别智能语言实验室设备全部标签，避免标签出现碰撞。

2 仿真实验

2.1 实验环境

将本文系统使用在某高校智能语言实验室中，在Microsoft Windows XP平台中测试本文系统的使用性能，PC端主频为2.0 GHz，内存为4 GB，磁盘空间是320 GB，显示器分辨率是1 024×769。

2.2 门禁模块功能测试

已知该高校智能语言实验室经常出现断网和掉电情况，统计本文系统门禁模块在断网与掉电模式中的故障次数，统计结果如图5所示。

图5 门禁模块功能测试结果

由图5可知，10日内，当智能语言实验室出现断网或掉电情况时，该高校智能语言实验室使用本文系统后，门禁模块故障次数为0次，表明本文系统门禁模块可有效防止该高校智能语言实验室出现非法入侵行为。

2.3 传感器模块功能测试

为测试本文系统传感器模块功能，以该实验室的温度计和湿度计实际采集的温湿度信息为对比，测试本文系统对该实验室温湿度信息采集的精准性，结果如图6所示。分析图6可知，本文系统传感器模块对智能语言实验室温湿度信息监控结果与温度计、湿度计的监测结果差值最大值依次是0.1℃，0.4%RH，差值极小，验证了本文系统传感器模块功能有效。

图6 传感器模块功能测试结果

2.4 设备管理模块功能测试

测试本文系统设备管理模块在查询智能语言实验室设备时的平均查询周期为：

式中Mtotal是识别m个设备所耗费的查询周期。

设备管理模块平均查询周期计算结果如图7所示。伴随设备数量增多，该实验室未使用本文系统时，对设备查询平均查询周期数大于3个，使用本文系统后，对设备查询的平均查询周期数低于2个，降低幅度最大值为3.22个，表示本文系统可有效提升实验室设备查询效率，本文系统设备管理模块功能有效。

图7 平均查询周期计算结果

汉明损失值可表示本文系统在查询实验室设备时错误数量与全部数量之比，此值较小，代表本文系统对智能语言实验室设备查询功能较好。为了测试本文系统设备管理模块对实验室设备的管理效果，以汉明损失值为判断指标，测试本文系统在查询该实验室中录放卡（5个）、音箱（5个）、DVD（2个）、投影仪（1个）、耳机（32个）、耳麦（32个）6种设备时的汉明损失值，结果如图8所示。

图8 汉明损失值测试结果

从图8可知，本文系统在查询该实验室中6种设备时，汉明损失值最大值为0.03，最小值为0，值较小，表示本文系统能够准确查询智能语言实验室设备，管理效果符合应用需求。

2.5 系统性能测试

测试本文系统在管理智能语言实验室时的管理效果，以响应时延为测试指标，设定两种情境：

情境1：并发用户为8人，5人使用门禁卡进入智能语言实验室，剩下3人使用门禁卡从智能语言实验室出去，测试此时本文系统在识别用户身份时的响应时延。

情境2：并发用户为10人，6人在本文系统中下达查询音箱数量指令，4人在本文系统中下达查询全部设备数量指令，测试此时本文系统在管理实验室设备时的响应时延。

两种情境中，本文系统响应时延测试结果如图9所示。本文系统在两种情境中响应时延都低于1 s，响应速度较高。

图9 两种情境响应时延测试结果

测试本文系统软件所采用的改进二进制防碰撞算法，在识别智能语言实验室设备标签信息时的吞吐量，以此判断本文系统在管理实验室设备时的吞吐量，结果如图10所示。分析图10可知，伴随智能语言实验室设备标签数量的增多，本文系统在识别智能语言实验室设备标签信息时，吞吐量最大值是98%，标签数量增多，吞吐量稳定于95%，表示本文系统对智能语言实验室设备标签数据的管理性能显著。

图10 本文系统吞吐量测试结果

3 结 语

以智能语言实验室管理问题为研究核心，设计基于RFID的智能语言实验室管理系统，该系统从门禁管理、设备管理以及环境管理三个方向着手，保护实验室财产安全与环境安全。在实验测试中，本文系统对智能语言实验室温湿度信息监控结果和温度计、湿度计的监测结果差值最大值依次是0.1℃，0.4%RH，差值极小；对设备查询的平均查询周期数低于2个，和未使用本文系统前相比，设备查询的平均查询周期数降低幅度最大值为3.22个；在查询该实验室中6种设备时汉明损失值最大值为0.03，最小值为0；在两种情境中的响应时延都低于1 s；在识别智能语言实验室设备标签信息时，吞吐量最大值是98%，标签数量增多，吞吐量稳定于95%，本文系统的使用价值较明显。