王 健，樂嘉錦

1.河南財經(jīng)政法大學(xué) 計算機與信息工程學(xué)院，鄭州 450046

2.東華大學(xué) 計算機科學(xué)與技術(shù)學(xué)院，上海 201620

無線射頻識別（radio frequency identification，RFID）技術(shù)具有非接觸識別、穿透力強、識別速度快、自動檢測、節(jié)省人力等眾多優(yōu)點，已經(jīng)廣泛應(yīng)用于一些需要采集[1]、監(jiān)控[2]或追蹤[3]信息的領(lǐng)域中，例如倉儲物流運輸、門禁考勤、固定資產(chǎn)管理、車輛識別、行李安檢、醫(yī)療信息追蹤、軍事國防安全等[4]。伴隨著廣泛應(yīng)用而來的是對高數(shù)據(jù)質(zhì)量的迫切需求。

盡管RFID 具有很多優(yōu)點，但是在面對水和金屬時穿透能力相對較弱，易受無線電信號干擾，這種情況下RFID標簽的識別準確率就大大降低，造成數(shù)據(jù)的不可靠性[5]。另外，RFID 標簽的長期停留、多讀寫器的部署、為提高識別率而采取的多個同一標簽的粘貼，在系統(tǒng)采集數(shù)據(jù)[6]時也會造成數(shù)據(jù)的冗余。在數(shù)據(jù)傳輸過程中，由于網(wǎng)絡(luò)延遲等因素，收集到的數(shù)據(jù)還會產(chǎn)生亂序的問題。因此，RFID 數(shù)據(jù)的不可靠性主要包含數(shù)據(jù)的漏讀、多讀/交叉讀、冗余、亂序等[7]。如果應(yīng)用端直接使用RFID原始數(shù)據(jù)，會造成很多問題。因此，預(yù)處理系統(tǒng)一般會對RFID原始數(shù)據(jù)進行清洗，以提高RFID數(shù)據(jù)的質(zhì)量。

在對RFID 原始數(shù)據(jù)清洗的過程中，存在著很多的挑戰(zhàn)。這些挑戰(zhàn)一般是由RFID 數(shù)據(jù)流的特點和應(yīng)用端的需求帶來的[8]。RFID數(shù)據(jù)是突發(fā)產(chǎn)生的，因此造成的挑戰(zhàn)之一是其產(chǎn)生和到達速度快。只要RFID 數(shù)據(jù)在采集設(shè)備（讀寫器）的讀寫范圍內(nèi)，就會產(chǎn)生數(shù)據(jù)，造成的挑戰(zhàn)之二是數(shù)據(jù)流的總量是無限的。由于RFID 數(shù)據(jù)在傳輸過程中遇到不同的網(wǎng)絡(luò)狀況，造成的挑戰(zhàn)之三是數(shù)據(jù)到達次序不受應(yīng)用約束。查詢等應(yīng)用一般在內(nèi)存中完成，且內(nèi)存容量有限，造成的挑戰(zhàn)之四是除非刻意保存，一般每個數(shù)據(jù)只處理一次。RFID標簽一般貼于位置經(jīng)常變動的物品上，造成的挑戰(zhàn)之五是數(shù)據(jù)時效性強，必須在很短時間內(nèi)處理。

RFID 數(shù)據(jù)清洗一度成為最流行的研究熱點之一，研究者們從各個方面出發(fā)，提出了許多高質(zhì)量的方法。為了方便廣大研究者借鑒和使用相關(guān)方法，很有必要對RFID 數(shù)據(jù)清洗技術(shù)進行綜述。文中介紹了RFID 數(shù)據(jù)清洗問題的描述，給出了RFID 數(shù)據(jù)清洗研究的挑戰(zhàn)，整理了典型的數(shù)據(jù)集和評價標準，梳理了現(xiàn)有的RFID數(shù)據(jù)清洗技術(shù)，并從漏讀數(shù)據(jù)處理[9-10]、多讀數(shù)據(jù)處理[9]、冗余數(shù)據(jù)處理[9]、亂序數(shù)據(jù)處理[11]、RFID 系統(tǒng)應(yīng)用[9-10]等方面對RFID 數(shù)據(jù)清洗技術(shù)的現(xiàn)有工作進行了詳細的歸納和總結(jié)，最后對RFID數(shù)據(jù)清洗上可能的研究方向進行了展望。

1 RFID系統(tǒng)與數(shù)據(jù)清洗問題描述

1.1 RFID系統(tǒng)

RFID 系統(tǒng)通常包含以下幾部分：RFID 標簽、RFID 讀寫器、RFID 中間件和后端應(yīng)用系統(tǒng)[12]。其中，RFID標簽由芯片和標簽天線或線圈組成，通過電感耦合或電磁反射原理與讀寫器進行通信。RFID讀寫器是讀取/寫入標簽信息的設(shè)備。天線可以內(nèi)置在RFID讀寫器中，也可以通過同軸電纜與RFID讀寫器天線接口相連。RFID 中間件負責(zé)數(shù)據(jù)清洗[13-14]和復(fù)雜事件處理等工作。圖1為RFID系統(tǒng)的示意圖。

圖1 RFID系統(tǒng)Fig.1 RFID system

RFID 標簽分為三種類型：無源標簽、半無/有源標簽和有源標簽[15]。其中源的含義是供電電源，這種電源一般具有體積小、使用時間長等特點。

RFID技術(shù)的基本原理是：無源標簽進入RFID讀寫器的讀寫范圍內(nèi)時，接收讀寫器發(fā)出的電磁信號，接著自身產(chǎn)生感應(yīng)電流，然后憑借感應(yīng)電流產(chǎn)生的能量將存儲于芯片上的信息傳遞給讀寫器；若為有源標簽，其不需要借助讀寫器的信號來產(chǎn)生能量，因為其自身帶有電源，所以它會主動發(fā)出某一頻率的電磁波，這樣讀寫器讀取電磁波并解碼，然后送到中央系統(tǒng)進行后續(xù)的數(shù)據(jù)處理，最后將信息傳遞給用戶或者應(yīng)用系統(tǒng)[7]。

1.2 RFID數(shù)據(jù)清洗問題描述

RFID 數(shù)據(jù)清洗問題主要包括數(shù)據(jù)的漏讀、數(shù)據(jù)的多讀、數(shù)據(jù)的冗余、數(shù)據(jù)的亂序等。下面給出相關(guān)定義與描述。

定義1（數(shù)據(jù)的漏讀） 也稱假陰性讀數(shù)（false negative readings）[16-18]，是指某個或者某些標簽實際上已經(jīng)處于RFID讀寫器的讀取范圍內(nèi)，但是讀寫器卻沒有產(chǎn)生相應(yīng)時間點或者時間段的有關(guān)此標簽的數(shù)據(jù)。在RFID數(shù)據(jù)采集過程中，漏讀是一個常見的現(xiàn)象。產(chǎn)生漏讀的原因有：（1）當(dāng)許多標簽同時被讀寫器探測到的時候，無線電波的沖突和信號的干擾經(jīng)常出現(xiàn)，因此干擾了讀寫器識別任何一個標簽；（2）水、金屬或者無線電波的干擾。現(xiàn)有的研究與實驗表明，在部署有RFID 設(shè)備的應(yīng)用中，電子標簽的識別率通常在60%到70%之間，即超過30%的數(shù)據(jù)被常規(guī)地丟棄掉。圖2 給出了一個數(shù)據(jù)漏讀的示意圖。在一個貨架上放滿了帶有標簽的物品，RFID 讀寫器讀取到了大部分標簽的數(shù)據(jù)，只有個別數(shù)據(jù)沒讀到，這就是RFID數(shù)據(jù)漏讀現(xiàn)象。

圖2 RFID數(shù)據(jù)的漏讀示意圖Fig.2 Example of RFID false negative readings

定義2（數(shù)據(jù)的多讀） 也稱假陽性讀數(shù)（false positive readings）、交叉讀（cross readings）或噪聲（noise）[16-17]，是指RFID 讀寫器不僅讀取到了期望的標簽，而且也讀取到了不期望的標簽。這種現(xiàn)象可以歸結(jié)于以下幾種形式：（1）位于RFID 正常讀取范圍之外的標簽被讀取到。比如，當(dāng)在采集一個箱子內(nèi)的標簽數(shù)據(jù)過程中，讀寫器可能從鄰近的箱子內(nèi)讀到了標簽。（2）讀寫器所處環(huán)境中的不確定因素，比如，某讀寫器產(chǎn)生并傳送非其探測范圍內(nèi)的標簽中的數(shù)據(jù)。圖3 給出了一個數(shù)據(jù)多讀的示意圖。交叉區(qū)域內(nèi)被兩個讀寫器都捕捉到的數(shù)據(jù)稱為多讀數(shù)據(jù)（交叉讀數(shù)據(jù)）。

圖3 RFID數(shù)據(jù)的多讀示意圖Fig.3 Example of RFID false positive readings

定義3（數(shù)據(jù)的冗余） 英文為duplicated readings[16-17]，是由以下幾種原因引起的：（1）標簽在一個讀寫器探測范圍內(nèi)停留很長時間，被讀寫器讀取了許多次；（2）在一個大的區(qū)域或者長距離的范圍內(nèi)部署了多個RFID讀寫器，位于讀寫器重疊區(qū)域的標簽被讀取了多次；（3）為了提高讀取精度，許多帶有同一標識的標簽粘貼于同一物品上，因此產(chǎn)生冗余現(xiàn)象。圖4給出一個數(shù)據(jù)冗余的示意圖。該圖含義是某個帶有RFID標簽的數(shù)據(jù)在不同的n個狀態(tài)（比如不同位置、不同讀寫器讀寫）下產(chǎn)生了多個讀數(shù)，但是每個狀態(tài)下有許多冗余，只有每個狀態(tài)的第一個數(shù)據(jù)是有效的數(shù)據(jù)，其他的讀數(shù)可以丟棄。

圖4 RFID數(shù)據(jù)的冗余示意圖Fig.4 Example of RFID duplicated readings

定義4（數(shù)據(jù)的亂序） 英文為out-of-order readings[11]。由于不同網(wǎng)絡(luò)傳輸中的延遲、擁塞等情況，讀寫器在工作過程中生成的原本產(chǎn)生時間戳較早但到達時間戳較晚或者原本產(chǎn)生時間戳較晚但到達時間戳較早等非順序到達。圖5 給出了一個數(shù)據(jù)亂序的示意圖。該圖含義是在t+1 到t+8 時刻數(shù)據(jù)1到8 依次產(chǎn)生，然而由于網(wǎng)絡(luò)延遲等原因經(jīng)過一定的傳輸時間，其到達次序就變得與產(chǎn)生次序完全不一樣。

圖5 RFID數(shù)據(jù)的亂序示意圖Fig.5 Example of RFID out-of-order readings

定義5（RFID 數(shù)據(jù)清洗） 是對讀寫器在工作過程中產(chǎn)生的漏讀、多讀、冗余讀、亂序到達數(shù)據(jù)進行填補、去偽存真、約減、排序等工作的過程。

2 研究挑戰(zhàn)

RFID 數(shù)據(jù)屬于流數(shù)據(jù)中的一種，其具有流數(shù)據(jù)的特點[8]，這些特點也就形成了若干研究挑戰(zhàn)。下面介紹一下比較重要的挑戰(zhàn)。

研究挑戰(zhàn)1：數(shù)據(jù)源源不斷產(chǎn)生，規(guī)模之大難以數(shù)計。由于RFID 技術(shù)為感知識別，在RFID 讀寫器開啟的情況下，瞬間可以采集多次，比如1 s可以采集1 000次。同時RFID讀寫器是分布式部署的，這樣同時采集多個帶有RFID標簽的物品，會形成猶如洪水般的數(shù)據(jù)流，并源源不斷地流向應(yīng)用端。

研究挑戰(zhàn)2：數(shù)據(jù)到達速率極快。RFID 技術(shù)感知式采集，采集到的數(shù)據(jù)通過無線網(wǎng)、有線網(wǎng)、局域網(wǎng)、廣電網(wǎng)等不同網(wǎng)絡(luò)傳遞到應(yīng)用端，同時多個網(wǎng)絡(luò)傳輸，因此RFID數(shù)據(jù)流的到達極快。

研究挑戰(zhàn)3：數(shù)據(jù)到達次序不受應(yīng)用約束。RFID數(shù)據(jù)來自周圍環(huán)境，隨機發(fā)生，你追我趕，多路并發(fā)傳播，同時也受網(wǎng)絡(luò)狀況的影響，到達的次序與產(chǎn)生時的順序完全不同。由于不以任何事物的意志為轉(zhuǎn)移，其到達次序也難以預(yù)測。

研究挑戰(zhàn)4：除非刻意保存，每個數(shù)據(jù)都只能“看”一次。由于RFID數(shù)據(jù)規(guī)模巨大，受處理機內(nèi)存大小的限制，該數(shù)據(jù)無法全部容納于內(nèi)存之中。為了快速處理這些數(shù)據(jù)，只能掃描一遍。在掃描一遍數(shù)據(jù)情況下，如何完成相關(guān)工作時間緊迫。

研究挑戰(zhàn)5：數(shù)據(jù)時效性高，價值轉(zhuǎn)瞬即逝。由于RFID 數(shù)據(jù)具有獨特的時空語義性，帶有RFID 標簽的物品位置也是在不斷變換的，比如帶有RFID標簽的書籍，可能剛才還在書架上，短時間內(nèi)就有可能被學(xué)生借走，出現(xiàn)在借閱處。如果為了實時監(jiān)控每一本書籍的情況，就需要不停地處理帶有時空信息的RFID數(shù)據(jù)，距離當(dāng)前時刻越近的數(shù)據(jù)越具有應(yīng)用價值。

3 數(shù)據(jù)集與評價標準

本章將會介紹典型的RFID 數(shù)據(jù)集以及RFID 數(shù)據(jù)清洗的評價標準。

3.1 數(shù)據(jù)集

高質(zhì)量與合適場景的數(shù)據(jù)集對RFID 數(shù)據(jù)清洗方法的驗證與評估非常重要。本節(jié)總結(jié)了兩個廣泛使用的RFID數(shù)據(jù)集。表1給出了相關(guān)數(shù)據(jù)集的基本信息，比如數(shù)據(jù)集名稱、年份、來源、描述、文件數(shù)量、網(wǎng)址等。

表1 常見RFID數(shù)據(jù)集Table 1 Typical RFID datasets

hope/amd 數(shù)據(jù)集是從2008 年7 月18 日至20 日舉行的第七屆HOPE（地球上的黑客）會議上收集的RFID跟蹤數(shù)據(jù)。與會者佩戴了RFID徽章，通過該徽章可以在整個會議空間內(nèi)唯一地識別和跟蹤他們。貢獻者是Aestetix和Christopher Petro。2008年8月7日上傳于CRAWDAD（community resource for archiving wireless data at Dartmouth）網(wǎng)站，該網(wǎng)站是達特茅斯的無線數(shù)據(jù)存檔社區(qū)資源。網(wǎng)址為https://crawdad.org/hope/amd/20080807。數(shù)據(jù)集中有13個文件，總數(shù)據(jù)量約為25 MB，包含了與會者參會期間的位置信息。

hope/nh_amd 數(shù)據(jù)集是從2010 年7 月18 日至20日舉行的HOPE（地球上的黑客）會議上收集的RFID跟蹤數(shù)據(jù)。目的與hope/amd數(shù)據(jù)集一致。貢獻者是Travis Goodspeed 和Nathaniel Filardo。2010 年7 月18 日上傳于CRAWDAD 網(wǎng)站。具體下載地址為https://crawdad.org/hope/nh_amd/20100718。數(shù)據(jù)集中有33個文件，且每個文件的數(shù)據(jù)量都接近100 MB，總的數(shù)據(jù)量約為3.1 GB，同樣包含了與會者參會期間的位置信息。

3.2 評價標準

由于本研究方向的評價標準表達形式多樣，不能一一列舉，這里只給出具有代表性的評價標準。

精確度指的是清洗后的數(shù)據(jù)Dc與真正數(shù)據(jù)Dr的交集占真正數(shù)據(jù)Dr的比重。定義如式（1）所示：

數(shù)據(jù)壓縮率指的是原始數(shù)據(jù)Draw與數(shù)據(jù)清洗過后的數(shù)據(jù)Dc的數(shù)據(jù)量的差值占真正數(shù)據(jù)Dr的比重。定義如式（2）所示：

吞吐量指的是處理過的數(shù)據(jù)量|Draw|與所用處理時間T的比值。定義如式（3）所示：

運行時間是指算法運行穩(wěn)定時處理數(shù)據(jù)流所需要的時間。

4 RFID數(shù)據(jù)清洗

本章主要從漏讀數(shù)據(jù)清洗、多讀數(shù)據(jù)清洗、冗余數(shù)據(jù)清洗、亂序數(shù)據(jù)處理、RFID系統(tǒng)應(yīng)用等方面來總結(jié)現(xiàn)有方法的基本思想、優(yōu)勢、局限和適用場景。

4.1 漏讀數(shù)據(jù)清洗

Jeffery等人[19]提出一種稱為ESP（extensible receptor stream processing）的數(shù)據(jù)清洗方法。其在時間滑動窗口中平滑RFID數(shù)據(jù)，并將多個讀寫器分組在一個空間粒度中，以糾正漏讀數(shù)據(jù)（亦稱假陰性數(shù)據(jù)或誤報）并去除異常值。然而，很難確定不同RFID 數(shù)據(jù)的最佳窗口大小，尤其是在移動環(huán)境[20]中。在這樣的環(huán)境中，重要的是確保兩個應(yīng)用需求（完整性、標簽動態(tài)）之間的平衡。完整性：確保所有在讀寫器范圍內(nèi)的RFID標簽都被檢測到。標簽動態(tài)：捕獲標簽在讀寫器檢測范圍內(nèi)進出的動態(tài)。通過設(shè)置較大的窗口大小來消除數(shù)據(jù)的漏讀，可以確保數(shù)據(jù)的完整性，但它們在檢測標簽躍遷時效率不高，還引入了多讀數(shù)據(jù)（假陽性）。然而，窗口大小設(shè)置較小時能夠檢測到RFID標簽的移動，但不能補償漏讀數(shù)據(jù)。

Jeffery 等人[17]提出一種自適應(yīng)滑動窗口清洗方法，稱為不可靠RFID 數(shù)據(jù)的統(tǒng)計平滑（statistical smoothing for unreliable RFID data，SMURF）。SMURF把RFID流數(shù)據(jù)看成統(tǒng)計學(xué)中的隨機事件，并在系統(tǒng)的整個生命周期內(nèi)不斷地根據(jù)流數(shù)據(jù)的統(tǒng)計學(xué)特點自適應(yīng)調(diào)整窗口大小（不會向應(yīng)用程序公開平滑窗口參數(shù)），從一定程度上提高了漏讀數(shù)據(jù)填補的精確度。然而當(dāng)監(jiān)控對象在某邏輯區(qū)域內(nèi)的讀數(shù)完全丟失時，該方法的清洗效果較差。

Massawe 等人[21]采用SMURF[17]中提出的統(tǒng)計方法，給出了一種稱為窗口子范圍躍遷檢測（window subrange transition detection，WSTD）的RFID 數(shù)據(jù)流自適應(yīng)清洗方案。其具有更高效的標簽遷移檢測機制。WSTD能夠調(diào)整窗口大小，以應(yīng)對環(huán)境變化導(dǎo)致的標簽和讀寫器整體性能波動，同時相對準確地檢測遷移時間點。然而，由于使用的窗口較小，它會產(chǎn)生更多的漏讀數(shù)據(jù)。

現(xiàn)有的清洗技術(shù)專注于設(shè)計在各種條件下都能很好工作的精確方法，但忽視了在可能有數(shù)千個讀寫器和數(shù)百萬個標簽的應(yīng)用場景的高昂開銷。Gonzalez 等人[22]提出了一個清洗框架，該框架采用RFID 數(shù)據(jù)集和一系列清洗方法以及相關(guān)開銷，并通過確定廉價方法適用的條件，得出一個清洗計劃，進而優(yōu)化整體清洗開銷。該框架所考慮的開銷主要包括三方面：一是機器學(xué)習(xí)中的訓(xùn)練開銷；二是存儲與運行開銷；三是分類錯誤時所需要的開銷。具體的清洗方法主要是基于滑動窗口的平滑過濾填補方法，還可以是用戶自定義方法，其中窗口包括靜態(tài)和動態(tài)窗口。文中還介紹了基于決策樹和貝葉斯的數(shù)據(jù)清洗方法，根據(jù)不同數(shù)據(jù)特征進行最優(yōu)清洗策略，以達到總體開銷最小。該方法只解決了漏讀現(xiàn)象，如何解決多讀、冗余、亂序到達等問題，還有待進一步研究。該方法的優(yōu)點在于考慮了觀測值和估計值，然而這些估計值與觀測值的關(guān)系是由歷史數(shù)據(jù)集得到的，不能動態(tài)更新，因而對動態(tài)標簽的清洗結(jié)果也不十分理想。

Baba等人[23]重點研究了原始室內(nèi)RFID跟蹤[24]數(shù)據(jù)中的漏讀現(xiàn)象。其研究有限制，即室內(nèi)空間數(shù)據(jù)，有限制的同時還可以利用時空約束進行數(shù)據(jù)清洗。其次，利用概率距離感知圖模型[25]來識別和填補漏讀數(shù)據(jù)。另外，該方案還可以應(yīng)用于其他類型的符號化室內(nèi)跟蹤數(shù)據(jù)的清洗，例如藍牙跟蹤數(shù)據(jù)。該方法的優(yōu)點是利用了時空約束信息，應(yīng)用領(lǐng)域較廣，但局限于室內(nèi)物品產(chǎn)生的數(shù)據(jù)。

Gu等人[26]通過有效維護和分析監(jiān)控對象的相關(guān)性，提出了RFID漏讀數(shù)據(jù)的填補模型。監(jiān)測對象之間的時空相關(guān)性用于填補漏讀數(shù)據(jù)。突破了大多數(shù)RFID數(shù)據(jù)清洗算法只是根據(jù)獨立監(jiān)測對象的歷史讀數(shù)來填補缺失的讀數(shù)的情況。

在深入分析RFID對象[27]的關(guān)鍵特征之后，Xie等人[28]提出一種用于高效處理不確定RFID 數(shù)據(jù)的框架，并支持各種查詢和跟蹤RFID 對象。特別地，提出了一種自適應(yīng)清洗方法，根據(jù)不確定數(shù)據(jù)的不同速率調(diào)整平滑窗口的大小，采用不同的策略處理不確定數(shù)據(jù)，并根據(jù)不確定數(shù)據(jù)出現(xiàn)位置區(qū)分不同類型的數(shù)據(jù)。還提出一種路徑編碼方案，通過聚合路徑序列、位置和時間間隔來顯著壓縮海量數(shù)據(jù)。該方法的優(yōu)點在于自適應(yīng)調(diào)整窗口大小，融入了時空信息，考慮了群體和單個物體的運動。局限在于規(guī)則設(shè)置不合理、不完整等都會影響清洗效果。

Baba 等人[29-30]提出一種稱為IR-MHMM（indoor RFID multi-variate hidden Markov model）的數(shù)據(jù)清洗方法。該方法是一種基于學(xué)習(xí)的數(shù)據(jù)清洗方法，可以應(yīng)對RFID源數(shù)據(jù)中存在噪聲（多讀、交叉讀數(shù)）和不完整性（漏讀）的問題。與現(xiàn)有方法不同，該方法不需要關(guān)于室內(nèi)空間和RFID 閱讀器部署的時空特性的詳細先驗知識。該方法只需要有關(guān)RFID 部署的最少信息（室內(nèi)拓撲、設(shè)備部署），就可以從原始RFID 數(shù)據(jù)中學(xué)習(xí)相關(guān)知識，并使用它來清洗數(shù)據(jù)。該方法的優(yōu)勢是不需要關(guān)于室內(nèi)空間和RFID 閱讀器部署的時空特性的先驗知識，只需要少量RFID部署信息。然而，局限于室內(nèi)物品產(chǎn)生的數(shù)據(jù)，局限于馬爾可夫模型。

現(xiàn)有RFID 漏讀數(shù)據(jù)填補方法以原始讀數(shù)為粒度，在此基礎(chǔ)上進行窗口平滑操作，其會填補許多冗余數(shù)據(jù)。在多邏輯區(qū)域參與的場景中，填補準確度較差。為了改變上述狀況，谷峪等人[31]首次將RFID數(shù)據(jù)從數(shù)據(jù)層抽象到邏輯區(qū)域?qū)幼鳛樘幚淼牧６龋岢? 種基于動態(tài)概率路徑事件模型的數(shù)據(jù)填補算法，通過挖掘已知的區(qū)域事件的順序相關(guān)性來對后續(xù)發(fā)生的事件進行判斷和填補。該方法的優(yōu)勢在于對漏讀數(shù)據(jù)進行了填補，并考慮了實時性、準確性和維護代價等因素。局限在于未考慮包含相同的區(qū)域事件問題；未考慮依次經(jīng)過多個邏輯區(qū)域時，每個邏輯停留時間的相關(guān)性。

為了同時解決RFID 數(shù)據(jù)采集過程中存在的漏讀、多讀和冗余問題，Jiang等人[32]探索了利用通信信息進行RFID 數(shù)據(jù)清洗，并使RFID 讀寫器在早期階段產(chǎn)生更少的臟數(shù)據(jù)。首先，設(shè)計了一個讀者通信協(xié)議，以有效地利用讀者之間的通信信息。然后，提出了帶參數(shù)的單元事件序列樹。最后，提出了三種新的RFID 數(shù)據(jù)清洗方法，分別用于減少重復(fù)、消除誤報和填補缺失數(shù)據(jù)。該方法有一個假設(shè)，即讀寫器之間可以相互通信，但是實際情況還有所差別，也許在未來是可行的。

在很多RFID 監(jiān)控應(yīng)用中，監(jiān)控物體都是以動態(tài)變化的小組為單位進行活動的。谷峪等人[33]通過定義關(guān)聯(lián)度和動態(tài)聚簇對各個RFID 監(jiān)控物體所在的小組進行動態(tài)的分析[34]，并在此基礎(chǔ)上定義了一套關(guān)聯(lián)度維護和數(shù)據(jù)清洗的模型和算法，通過壓縮圖模型，提出了基于分裂重組思想的鏈模型關(guān)聯(lián)度維護策略，提高了維護的時空效率。該方法的不足是：當(dāng)邏輯上的小組頻繁分裂重組時，性能會大大降低。

Xie等人[35]考慮如何有效地識別移動輸送機上的標簽。考慮到現(xiàn)實環(huán)境中的路徑丟失和多徑效應(yīng)等情況，研究者首先提出了一個RFID標簽識別的概率模型。基于該模型，根據(jù)輸送機上的固定路徑移動，提出了識別移動RFID 標簽的有效解決方案。該方法的優(yōu)勢在于考慮概率傳播。局限在于事先設(shè)定好路徑，超出該路徑范圍，處理效果不確定。

現(xiàn)有的工作主要集中在靜態(tài)環(huán)境中的RFID 數(shù)據(jù)清洗（例如庫存檢查）。為了補充現(xiàn)有方法的不足，Zhao 等人[36]提出一種移動環(huán)境中目標跟蹤RFID數(shù)據(jù)的清洗方法。首先提出了一個移動環(huán)境中目標跟蹤的概率模型。同時，設(shè)計了一種基于貝葉斯推理的方法，用于使用該模型清洗RFID數(shù)據(jù)。為了從運動分布中采集數(shù)據(jù)，設(shè)計了一種順序采樣器，該采樣器能夠以高精度和高效率的方式清洗RFID 數(shù)據(jù)。該方法的優(yōu)勢是適用于漏讀率比較高的移動環(huán)境，利用了物品之間的時空關(guān)聯(lián)。局限在于概率計算來自于歷史數(shù)據(jù)。

Fazzinga等人[37]提出了一種離線清洗技術(shù)，用于將RFID 跟蹤的移動物體產(chǎn)生的讀數(shù)轉(zhuǎn)換為地圖上的位置。它包含一個基于網(wǎng)格的雙向過濾方案，其中嵌入了一個用于解決缺失檢測（漏讀）的采樣策略。首先按時間順序處理讀數(shù)：在每個時間點t，根據(jù)該時刻產(chǎn)生的位置信息與前一時間點t-1 過濾后的位置的可達性進行過濾。然后，對經(jīng)過第一次濾波后的位置進行重新過濾，并按相反順序應(yīng)用相同的方案。隨著兩個階段的進行，在每個時間點t逐步評估每個候選位置的概率。該概率集合了過去、未來、實際位置的概率。在第一個過濾階段的某些步驟中進行采樣，智能地減少在下一步被視為候選位置的單元數(shù)量，因為它們的數(shù)量在連續(xù)缺失檢測（漏讀）的情況下會急劇增加。該方法能做到很高的精確度，但是不能滿足實時的應(yīng)用需求，只能做后續(xù)離線分析[38]之用。

現(xiàn)有RFID 數(shù)據(jù)清洗方法主要針對靜態(tài)標簽，沒有考慮動態(tài)標簽的特性。對于動態(tài)標簽進出讀寫器探測范圍的時間檢測存在延遲，清洗效果并不理想。針對RFID 數(shù)據(jù)流不準確性和不能及時響應(yīng)標簽躍遷的問題，王妍等人[39]首次在RFID 數(shù)據(jù)流清洗中引入卡爾曼濾波，提出了一種稱為KAL-RFID（Kalman radio frequency identification）的數(shù)據(jù)清洗方法。該方法通過時間更新和測量更新形成自回歸逼近真實值，從而改善了由滑動窗口引發(fā)的漏讀和多讀問題。該方法還可以及時檢測標簽發(fā)生躍遷的時間，避免現(xiàn)有清洗方法在動態(tài)標簽離開閱讀器時易產(chǎn)生的多讀現(xiàn)象和對標簽發(fā)生躍遷的時間響應(yīng)延遲問題，從而提高了清洗效率。該方法解決了單個讀寫器的漏讀、多讀數(shù)據(jù)的問題，以及動態(tài)標簽躍遷產(chǎn)生的延遲問題。

表2給出了幾種典型的RFID漏讀數(shù)據(jù)清洗方法的對比，包括分類、子類、代表性工作、優(yōu)勢、局限、適用場景等內(nèi)容。

表2 典型RFID漏讀數(shù)據(jù)清洗方法對比Table 2 Comparison of methods of RFID false negative reading cleaning

4.2 多讀數(shù)據(jù)清洗

RFID 數(shù)據(jù)的多讀又稱為交叉讀，其產(chǎn)生的因素很多，比如環(huán)境的干擾、射頻技術(shù)的限制等。RFID數(shù)據(jù)的交叉讀問題會導(dǎo)致位置信息沖突，進而無法滿足RFID 上層應(yīng)用的需求。為此，Liao 等人[41]提出了一種基于內(nèi)核密度的概率清洗方法（kernel densitybased probability cleaning method，KLEAP）來消除滑動窗口中的交叉讀數(shù)。該方法使用基于核的函數(shù)估計每個標簽的密度。與具有最大密度的微集群相對應(yīng)的讀寫器將被視為標記對象在當(dāng)前窗口中應(yīng)定位的位置，從其他讀寫器獲得的讀數(shù)將被視為交叉讀數(shù)。該方法的優(yōu)勢是能檢測到標簽的確切位置，局限是滑動窗口大小是固定的。

SMURF方法[19]可以調(diào)整窗口大小以減少交叉讀數(shù)據(jù)，但不能消除物理因素產(chǎn)生的交叉讀取。

Bai等人[16]使用一種簡單的計數(shù)方法去除交叉讀數(shù)，該方法基于交叉讀數(shù)通常比正常真實讀數(shù)的發(fā)生率低的假設(shè)。然而，該方法的有效性與計數(shù)閾值直接相關(guān)，如果用戶沒有太多的領(lǐng)域知識，計數(shù)閾值很難設(shè)置。此外如果交叉讀數(shù)的數(shù)量大于正常的真實讀數(shù)，該方法可能會產(chǎn)生錯誤的過濾結(jié)果。

潘巍等人[42]提出了利用參考標簽思想結(jié)合信號強度[43]特征的相對定位技術(shù)來解決交叉讀仲裁的問題，設(shè)計并實現(xiàn)了基于滑動窗口的交叉數(shù)據(jù)讀入檢測和仲裁的核心算法。該方法的優(yōu)勢是巧妙地利用了讀寫器的信號強弱，同時輔以參考標簽，利用相對位置推測標簽位置。不足之處是其中用到的窗口大小不能自適應(yīng)調(diào)整，還不適用于非規(guī)則布局的應(yīng)用場景。

表3給出了幾種典型的RFID多讀數(shù)據(jù)清洗方法的對比，包括分類、子類、代表性工作、優(yōu)勢、局限、適用場景等內(nèi)容。

表3 典型RFID多讀數(shù)據(jù)清洗方法對比Table 3 Comparison of methods of RFID false positive reading cleaning

4.3 冗余數(shù)據(jù)清洗

在RFID 系統(tǒng)中，一個RFID 讀寫器或部署到同一區(qū)域的一些RFID 讀寫器多次讀取RFID 標簽，因此RFID 數(shù)據(jù)流中存在大量重復(fù)項。Wang 等人[44]發(fā)現(xiàn)現(xiàn)有的基于時間布魯姆濾波器（time Bloom filter，TBF）的重復(fù)消除方法需要多個計數(shù)器來存儲RFID數(shù)據(jù)流中元素的檢測時間，從而浪費了寶貴的內(nèi)存資源。為了改變上述情況，其設(shè)計了d-左時間布魯姆濾波器（d-left time Bloom filter，DLTBF），作為d-左計數(shù)布魯姆濾波器的擴展。通過d-left 散列（一種平衡分配機制），DLTBF可以將檢測到的元素時間存儲到一個計數(shù)器中。在此基礎(chǔ)上，提出了一種基于DLTBF 的一次性近似消除RFID 數(shù)據(jù)流中重復(fù)項的方法。不過，其在插入數(shù)據(jù)之前需要計算最小裝載桶。此外，它還使用了許多散列函數(shù)。

通常，RFID 數(shù)據(jù)流包含大量重復(fù)數(shù)據(jù)。由于RFID數(shù)據(jù)是流數(shù)據(jù)，其產(chǎn)生源源不斷，很難用少量內(nèi)存一次性消除重復(fù)的RFID數(shù)據(jù)。因此，Lee等人[45]提出了基于Bloom濾波器的近似重復(fù)消除方法，即時間Bloom 濾波器（TBF）和時間間隔Bloom 濾波器（time interval Bloom filter，TIBF）。在時間Bloom 過濾器中，將Bloom 過濾器中的位數(shù)組替換為時間信息數(shù)組，因為RFID數(shù)據(jù)中重復(fù)項的定義與檢測到的時間有關(guān)。此外，為了減少冗余數(shù)據(jù)，時間間隔Bloom 過濾器使用時間間隔來處理。實驗結(jié)果表明，所提出的方法可以在一次過程中以較小的誤差去除重復(fù)的RFID 數(shù)據(jù)。該方法內(nèi)存效率不高，因為需要多個時間計數(shù)器來存儲讀取時間。

針對現(xiàn)有方法不能滿足處理海量RFID 數(shù)據(jù)流的實時性要求的問題，Mahdin 等人[40]提出了一種稱為CBF（comparison Bloom filter）的數(shù)據(jù)過濾方法，可以有效地檢測和刪除RFID 數(shù)據(jù)流中的重復(fù)讀數(shù)。其優(yōu)勢是將布隆過濾器的數(shù)量減少至1個，同時在時間和空間上都有很好的性能。不過其只能過濾一個讀寫器的冗余數(shù)據(jù)，且使用了許多哈希函數(shù)，滑動窗口在標簽運動不規(guī)則的情況下效果不好。

Baba 等人[46]研究了室內(nèi)RFID 跟蹤數(shù)據(jù)的數(shù)據(jù)清洗。其關(guān)注兩個相關(guān)的任務(wù)：消除時間冗余和減少空間歧義。對于前者，設(shè)計了一個臨時清洗算法來臨時聚集原始RFID讀數(shù)，從而在不丟失信息的情況下壓縮數(shù)據(jù)大小。對于后者，設(shè)計了一種空間清洗技術(shù)。同時，提出了一個距離感知部署圖來捕獲RFID讀寫器部署以及室內(nèi)拓撲結(jié)構(gòu)所隱含的時空約束。通過利用圖中捕捉到的時空約束，設(shè)計了一種空間清洗算法來減少RFID 數(shù)據(jù)中的空間模糊性。本文提出的技術(shù)也適用于其他符號定位技術(shù)（如藍牙）獲得的室內(nèi)跟蹤數(shù)據(jù)。其局限在于不容易設(shè)定時間和空間粒度的大小。

表4給出了幾種典型的RFID冗余數(shù)據(jù)清洗方法的對比，包括分類、子類、代表性工作、優(yōu)勢、局限、適用場景等內(nèi)容。

表4 典型RFID冗余數(shù)據(jù)清洗方法對比Table 4 Comparison of methods of RFID duplicated reading cleaning

4.4 亂序數(shù)據(jù)處理

現(xiàn)有的方法無法處理存在基于事件的系統(tǒng)（event based system，EBS）時由網(wǎng)絡(luò)延遲引入的亂序事件到達的情況，而且亂序事件處理可能導(dǎo)致系統(tǒng)故障。為此，Mutschler等人[47]提出了一種基于K時間寬松（K-slack）的低延遲方法。該方法在沒有先驗知識的情況下實現(xiàn)了對高數(shù)據(jù)率傳感器和事件流的有序事件處理。在不使用本地或全局時鐘的情況下，動態(tài)調(diào)整空閑緩沖區(qū)以適應(yīng)數(shù)據(jù)流中的亂序。中間件系統(tǒng)透明地重新排列事件輸入流，以便事件仍然可以聚合和處理到滿足應(yīng)用程序需求的粒度。在實時定位系統(tǒng)（realtime locating systems,RTLS）上，該系統(tǒng)在亂序事件到達的情況下能夠執(zhí)行準確的低延遲事件檢測，并且當(dāng)系統(tǒng)分布在多個線程和機器上時，具有接近線性的性能。該方法局限在于滑動窗口的大小是固定不變的，不能適應(yīng)網(wǎng)絡(luò)延遲的實時變化。

網(wǎng)絡(luò)延遲、機器故障等因素可能會導(dǎo)致事件在事件流處理引擎中亂序到達。Li 等人[48]解決了在可能包含亂序數(shù)據(jù)的事件流上查詢指定的事件模式的問題。首先，研究者分析了典型的事件流處理技術(shù)在面對亂序數(shù)據(jù)到達時會遇到的問題。然后，研究者為核心流代數(shù)操作符（如序列掃描和模式構(gòu)建）提出了一種新的物理實現(xiàn)策略，包括基于堆棧的數(shù)據(jù)結(jié)構(gòu)和相關(guān)的清除算法。還介紹了序列掃描和構(gòu)造以及狀態(tài)清除的優(yōu)化，以最小化CPU 成本和內(nèi)存消耗。不過，該方法還存在一定量的誤配或者錯位事件，同時結(jié)果也存在一定的延遲。

亂序處理涉及延遲和生成的連接結(jié)果質(zhì)量之間不可避免的權(quán)衡。為了滿足流應(yīng)用程序的不同需求，需要提供用戶可配置的結(jié)果延遲與結(jié)果質(zhì)量的權(quán)衡。現(xiàn)有的亂序處理方法要么不提供這種可配置性，要么只支持用戶指定的延遲約束。為此，Ji等人[49]提倡質(zhì)量驅(qū)動的亂序處理思想，并提出了一種基于緩沖區(qū)的m路滑動窗口連接（m-way sliding window joins，MSWJ）亂序處理方法。該方法在滿足用戶指定的結(jié)果質(zhì)量要求的同時，最小化輸入排序緩沖區(qū)的大小，從而減少結(jié)果延遲。該方法的核心是一個分析模型，它建模了輸入緩沖區(qū)大小與生成結(jié)果質(zhì)量之間的關(guān)系。該方法也是通用的，它支持具有任意連接條件的m路滑動窗口連接。優(yōu)點是允許用戶指定結(jié)果質(zhì)量要求，在保證處理結(jié)果質(zhì)量的前提下，盡可能減少延遲時間；缺點是緩存容量的減少和質(zhì)量的保證，促使實時性要求較高的應(yīng)用無法使用該方法的處理結(jié)果。

現(xiàn)有的事件流處理技術(shù)在遇到亂序數(shù)據(jù)到達時遇到了重大挑戰(zhàn)，比如輸出阻塞、較長的系統(tǒng)延遲、內(nèi)存資源溢出和不正確的結(jié)果生成。為了解決這些問題，Liu等人[50-51]提出了兩種備選解決方案：分別采用激進策略和保守策略來處理亂序事件流上的序列模式查詢。在亂序事件很少出現(xiàn)的樂觀假設(shè)下，激進策略產(chǎn)生最大輸出。相反，為了解決亂序事件的意外發(fā)生以及由此產(chǎn)生的任何過早錯誤結(jié)果，為激進策略設(shè)計了適當(dāng)?shù)腻e誤補償方法。保守方法是在亂序數(shù)據(jù)可能很常見的假設(shè)下工作的，因此只有當(dāng)其正確性得到保證時才會產(chǎn)生輸出。提出了一個偏序保證（partial order guarantee，POG）模型，該模型下可以保證這種正確性。對于尖峰工作負載下的健壯性，這兩種策略在持久存儲支持和用戶訪問方法上相互補充。不過，該研究還未能實現(xiàn)在兩個策略間自動切換。

在亂序數(shù)據(jù)流上執(zhí)行連續(xù)查詢是一項挑戰(zhàn)，其中元組不是根據(jù)時間戳排序的；因為高準確性和低延遲是兩個相互沖突的性能指標。盡管許多應(yīng)用程序允許以精確的查詢結(jié)果換取較低的延遲，但它們?nèi)匀幌Ｍ傻慕Y(jié)果滿足一定的質(zhì)量要求。然而，現(xiàn)有的亂序處理方法沒有考慮在滿足用戶指定的查詢結(jié)果質(zhì)量要求的同時最小化結(jié)果延遲。Ji 等人[52]提出一種基于緩沖區(qū)的自適應(yīng)亂序處理方法AQ-Kslack（approximate query-K-slack），它支持以質(zhì)量驅(qū)動的方式對亂序數(shù)據(jù)流執(zhí)行滑動窗口聚合查詢。通過采用基于采樣的近似查詢處理和控制理論領(lǐng)域的技術(shù)，該方法在查詢運行時動態(tài)調(diào)整輸入緩沖區(qū)大小以最小化結(jié)果延遲，同時遵守用戶指定的查詢結(jié)果錯誤閾值。該方法的優(yōu)點是同時考慮準確性和低延遲，動態(tài)調(diào)整緩沖區(qū)的大小，允許用戶指定結(jié)果的閾值；缺點是結(jié)果既不是最準確的，也不是延遲最短的。

網(wǎng)絡(luò)延遲和機器故障可能會導(dǎo)致事件亂序到達。此外，現(xiàn)有文獻假設(shè)事件沒有持續(xù)時間，但許多實際應(yīng)用程序中的事件都有持續(xù)時間，并且這些事件之間的關(guān)系往往很復(fù)雜。Zhou等人[53]首先分析了時間語義學(xué)的基礎(chǔ)知識，接著提出了一個時間語義學(xué)模型。還介紹了一種包含時間間隔的混合解決方案，用于處理亂序事件。在未來，該方案還可以考慮其他影響因素，比如緩沖區(qū)的大小、亂序比例、亂序事件的平均步長，以便找到平衡點。

現(xiàn)有的事件流處理技術(shù)主要提供盡最大努力（best-effort）式的服務(wù)來減少平均響應(yīng)時間，這種方式并不能在確定的時間延遲需求下輸出更多的結(jié)果。針對監(jiān)控應(yīng)用中的確定性服務(wù)質(zhì)量需求，谷峪等人[54]討論了常見的泊松監(jiān)控流上的截止期敏感[55]的復(fù)雜事件處理最優(yōu)化資源分配問題。從系統(tǒng)服務(wù)角度對事件的到達和復(fù)雜事件處理進行了理論分析和建模，提出了復(fù)合事件的截止期滿足率模型和多事件流處理亂序反饋修正模型，進而給出最優(yōu)化資源分配模型。通過合理地分配處理資源，保證了在實時限制下產(chǎn)生更多的正確結(jié)果，兼顧了復(fù)雜事件處理的實時性和正確性。

表5 給出了典型RFID 亂序數(shù)據(jù)清洗方法的對比，包括分類、優(yōu)勢、局限、適用場景等內(nèi)容。

表5 典型RFID亂序數(shù)據(jù)處理方法對比Table 5 Comparison of methods of RFID out-of-order reading cleaning

4.5 應(yīng)用系統(tǒng)

由于RFID 數(shù)據(jù)清洗屬于數(shù)據(jù)預(yù)處理環(huán)節(jié)，沒有專門的RFID 數(shù)據(jù)清洗系統(tǒng)，大部分RFID 應(yīng)用系統(tǒng)是RFID復(fù)雜事件處理系統(tǒng)、RFID不確定事件處理系統(tǒng)。下面介紹相關(guān)系統(tǒng)并重點介紹與數(shù)據(jù)預(yù)處理相關(guān)的應(yīng)用。

美國加州大學(xué)伯克利分校的Gyllstrom 等人[56]開發(fā)和設(shè)計了原型系統(tǒng)SASE（stream-based and shared event processing），其提供擴展的事件語言、事件查詢處理器和操作優(yōu)化策略等，實現(xiàn)了對數(shù)據(jù)的收集和清洗、基本事件生成、復(fù)合事件處理、事件歸檔以及對事件的查詢。然而，SASE忽略了時間這一關(guān)鍵因素，而在許多RFID應(yīng)用中，有些事件只有在指定的時間限制內(nèi)或限制之后才被認為是“有效事件”。同時，SASE還假設(shè)所有事件是按照其時間戳排序的，但該假設(shè)并不適用于所有的RFID場景，比如亂序的情形。

美國馬薩諸塞大學(xué)Tran等人[57]以帶有RFID標簽的對象固定、讀寫器移動為應(yīng)用場景設(shè)計和實現(xiàn)了RFID概率推演系統(tǒng)，旨在將缺失的、帶有噪音的原始數(shù)據(jù)流清洗成帶有較精確位置的事件流。該推演系統(tǒng)適合于倉儲管理等這類貨物相對固定、讀寫器隨著使用人員移動的應(yīng)用。

移動和應(yīng)用程序通常依賴RFID 天線或傳感器等設(shè)備向其提供有關(guān)物理世界的信息。然而，這些設(shè)備是不可靠的。它們產(chǎn)生的部分數(shù)據(jù)可能丟失、重復(fù)或錯誤。目前的技術(shù)水平是局部校正誤差（例如，溫度讀數(shù)的范圍限制）或使用空間/時間相關(guān)性（例如，平滑溫度讀數(shù)）。然而錯誤通常僅在全局設(shè)置中才明顯，例如，已知存在的對象的讀數(shù)缺失，或停車場的讀數(shù)與進入讀數(shù)不匹配。美國華盛頓大學(xué)的Khoussainova 等人[58]設(shè)計了名為StreamClean 的系統(tǒng)，該系統(tǒng)使用應(yīng)用程序定義的全局完整性約束自動糾正輸入數(shù)據(jù)錯誤。由于通常不可能確定地進行糾正，研究者提出了一種概率方法，其中系統(tǒng)為每個輸入元組分配正確的概率。

美國華盛頓大學(xué)的Khoussainova等人[59-60]介紹了概率事件抽取器（probabilistic event extractor，PEEX），一個使應(yīng)用程序能夠從RFID 數(shù)據(jù)中定義和提取有意義的概率高層事件的系統(tǒng)。PEEX 能有效地處理數(shù)據(jù)中的錯誤和事件提取的固有模糊性。同時，PEEX提取了所有可能的活動。此外，由于PEEX基于關(guān)系數(shù)據(jù)庫管理系統(tǒng)（relational database management system，RDBMS），用戶可以方便地查詢和管理生成的事件。由于該系統(tǒng)的目標是從錯誤和不準確的RFID數(shù)據(jù)中檢測事件，傳感器和RFID數(shù)據(jù)清洗領(lǐng)域是該工作的補充。該系統(tǒng)直接對不準確和骯臟的數(shù)據(jù)進行操作，而不需要用戶指定如何清洗數(shù)據(jù)。

美國華盛頓大學(xué)的Ré等人[61]設(shè)計和實現(xiàn)了原型系統(tǒng)Lahar。該大學(xué)的研究人員給出了一個真實的應(yīng)用場景，他們在辦公樓里的公共場合部署設(shè)計和實現(xiàn)了原型系統(tǒng)Lahar。該大學(xué)的研究人員給出了一個真實的應(yīng)用場景，他們在辦公樓里的公共場合部署了一些RFID讀寫器，并且給相關(guān)的物品也貼上了電子標簽，通過該系統(tǒng)實時監(jiān)測和跟蹤[62]樓內(nèi)人員的工作和日常生活，必要時給予友善提醒。在數(shù)據(jù)預(yù)處理方面，Lahar 通過粒子濾波技術(shù)填補漏讀數(shù)據(jù)并推演標簽對象位置的概率分布。在事件處理方面，Lahar系統(tǒng)可以對歸檔數(shù)據(jù)和近實時數(shù)據(jù)執(zhí)行復(fù)雜事件查詢。總之，該系統(tǒng)提出了不確定概率事件流之上的復(fù)雜事件處理系統(tǒng)，兼顧考慮了數(shù)據(jù)流上事件的關(guān)聯(lián)性。該系統(tǒng)局限在于只能簡單地回答查詢，且要求處理的數(shù)據(jù)是有序的。

Cascadia 系統(tǒng)[63]提供了面向普適RFID 應(yīng)用的基礎(chǔ)結(jié)構(gòu)，管理漏讀數(shù)據(jù)的不確定性、位置信息的不確定性、事件語義的不確定性和事件發(fā)生時間的不確定性。在復(fù)雜事件建模方面，其構(gòu)建了概率事件模型。在數(shù)據(jù)預(yù)處理方面，其接收讀寫器讀取的原始數(shù)據(jù)，并用粒子濾波技術(shù)將原始讀數(shù)清洗成帶有位置信息和概率的時間。與文獻[57]系統(tǒng)不同，Cascadia系統(tǒng)中讀寫器的位置是固定的，只能過濾出粗粒度的位置信息。Cascadia系統(tǒng)貢獻主要是針對RFID數(shù)據(jù)的不確定性構(gòu)建了RFID 概率數(shù)據(jù)模型并實現(xiàn)了概率事件抽取算法，支持面向RFID移動對象跟蹤等復(fù)雜應(yīng)用。

表6給出了幾種典型的RFID數(shù)據(jù)清洗應(yīng)用系統(tǒng)的對比，包括系統(tǒng)名稱、功能描述、貢獻、局限、適用場景等內(nèi)容。

表6 RFID應(yīng)用系統(tǒng)對比Table 6 Comparison of RFID application systems

5 未來研究方向

RFID 是一種很有前景的技術(shù)，其在新興領(lǐng)域的應(yīng)用必將給RFID 數(shù)據(jù)清洗技術(shù)帶來新的機遇和挑戰(zhàn)。為了豐富和完善RFID數(shù)據(jù)清洗技術(shù)，有待從以下五方面做進一步的研究：

（1）構(gòu)建高質(zhì)量的RFID 源數(shù)據(jù)集和RFID 基準測試數(shù)據(jù)集。現(xiàn)有的用來做實驗的RFID 源數(shù)據(jù)集基本沒有公共的數(shù)據(jù)集，一般都是研究者根據(jù)實驗情況人工生成的[64]，這樣的數(shù)據(jù)缺少權(quán)威性和通用性，因此一般沒有二次利用價值。如果能夠在實際場景中生成一個或者若干高質(zhì)量的源數(shù)據(jù)集，對于相關(guān)研究方向的廣大的科研工作者無疑是一個福音。建議從以下方面保證RFID源數(shù)據(jù)集的質(zhì)量：一是RFID數(shù)據(jù)產(chǎn)生環(huán)境盡可能擁有不同等級的噪聲、干擾等情況；二是RFID數(shù)據(jù)在傳輸過程盡可能包含延遲、擁塞、丟包等情況。同時，廣大科研工作者提出的相關(guān)RFID數(shù)據(jù)清洗技術(shù)對于源數(shù)據(jù)的處理也沒有統(tǒng)一可用的結(jié)果，這樣大量相關(guān)新技術(shù)到底孰優(yōu)孰劣無從評價，因此構(gòu)建一個高質(zhì)量的RFID 基準數(shù)據(jù)集也是很有必要的。同樣，建議從以下方面保證RFID基準測試數(shù)據(jù)集的質(zhì)量：一是測試數(shù)據(jù)應(yīng)該盡可能少；二是測試基準數(shù)據(jù)應(yīng)該覆蓋更廣泛的業(yè)務(wù)類型。

（2）如何對加密RFID 數(shù)據(jù)和具有隱私保護[65]的數(shù)據(jù)進行數(shù)據(jù)清洗。安全性[66]是一個倍受使用者關(guān)注的問題。例如，一些公司不希望其他競爭對手能通過貨物上的RFID 標簽追蹤到貨物的行蹤及貨物種類。同樣，用戶在使用貼有RFID標簽的與金融信息相關(guān)的設(shè)備時，不希望與用戶帳戶相關(guān)的信息遭到泄露[67]。為此，科研工作者設(shè)計了一些用于RFID標簽對可信讀寫器認證的加密算法，用于標簽對讀寫器實現(xiàn)身份認證，通過認證的讀寫器才能獲取RFID標簽中的信息。然而，認證過程耗時，如何設(shè)計滿足安全性與隱私要求的高性能算法就顯得尤為重要。

（3）讀取準確率需要提高。數(shù)據(jù)完整并且正確性是決定RFID 系統(tǒng)性能的重要因素[68]，在讀寫器作用域內(nèi)，多個標簽同時向讀寫器發(fā)送數(shù)據(jù)或者一個讀寫器在另一個讀寫器的作用域內(nèi)時，信號間發(fā)生相互干擾，導(dǎo)致讀寫器接收到的數(shù)據(jù)錯誤，即無法完整識別出標簽，或者識別出錯誤的標簽[69]。因此，多目標識別既是RFID的最大優(yōu)勢，也是亟待解決的技術(shù)難點。雖然早在2009 年，美國某個知名企業(yè)就宣稱其單品RFID庫存管理系統(tǒng)能提供99%的店面庫存可見度，然而在現(xiàn)實操作中，由于算法原因、人員問題和流程問題而引起的誤讀仍是RFID 技術(shù)普及道路上的絆腳石。另外，有媒體報道，在“無人零售店”的體驗過程中，也有購買兩件同樣的商品只能識別出一件，以及因為粘貼太緊密而無法識別金屬易拉罐商品的情況出現(xiàn)。

（4）大數(shù)據(jù)時代，要充分考慮清洗結(jié)果的時效性。在大數(shù)據(jù)時代，數(shù)據(jù)量大已經(jīng)不是研究者關(guān)注的主要問題，最主要關(guān)注的問題應(yīng)該是數(shù)據(jù)處理的時效性。如何在非常短的時間內(nèi)把海量的RFID 數(shù)據(jù)進行處理，這就是大數(shù)據(jù)處理面臨的最大的挑戰(zhàn)。RFID數(shù)據(jù)的大量應(yīng)用都是實時或者近實時的應(yīng)用，如果不能對這些數(shù)據(jù)進行及時處理，這些RFID數(shù)據(jù)的價值就消失殆盡，這就是RFID大數(shù)據(jù)處理最大的挑戰(zhàn)。

（5）設(shè)計一個沒有固定限制的適用范圍更廣的方法。通常，現(xiàn)有的RFID數(shù)據(jù)清洗算法大多基于某種情況的假設(shè)，比如有的假設(shè)標簽移動讀寫器固定[70]，有的假設(shè)標簽固定讀寫器移動，有的物品間有時空關(guān)聯(lián)，有的假設(shè)物品布局規(guī)則，有的假設(shè)多讀寫器場景，有的假設(shè)數(shù)據(jù)符合某種分布等，一旦轉(zhuǎn)換場景該方法的性能就大打折扣甚至不可用。因此，在今后的研究中，很有必要設(shè)計出一種自學(xué)習(xí)的算法，系統(tǒng)算法能分析現(xiàn)有情況屬于何種場景，從而從庫中選擇出合適的數(shù)據(jù)清洗算法，使得性能達到最佳。如果一種數(shù)據(jù)清洗算法效果不好，可以有選擇多種算法的能力，這樣的算法也正迎合了人工智能時代的要求。

6 總結(jié)

本文旨在回顧RFID 數(shù)據(jù)清洗技術(shù)的研究進展情況，以幫助相關(guān)科研人員對該領(lǐng)域的全面了解。本文對RFID數(shù)據(jù)清洗相關(guān)研究進行了全面回顧，給出了RFID系統(tǒng)與RFID數(shù)據(jù)清洗問題的有關(guān)定義與描述，列出了典型的數(shù)據(jù)集與評價標準，從相關(guān)技術(shù)的分類、子類、基本思想、優(yōu)勢、局限、適用場景等方面詳細比較和總結(jié)了現(xiàn)有的RFID數(shù)據(jù)清洗工作，同時給出了相關(guān)應(yīng)用系統(tǒng)。最后，從RFID原始數(shù)據(jù)與基準數(shù)據(jù)集構(gòu)建、加密與隱私保護數(shù)據(jù)的清洗策略、數(shù)據(jù)采集準確率、清洗結(jié)果的時效性、場景自學(xué)習(xí)的全面方法等方面提出了RFID 數(shù)據(jù)清洗領(lǐng)域五個未來有前景的研究方向。