摘要
超高频RFID系统在资产管理、仓储盘点等场景中，常面临同一时刻数十甚至上百个标签同时响应读写器的"密集读取"挑战。当多个标签的信号在无线信道中叠加时，读写器无法正确解码任何一枚标签的EPC数据，这种现象称为标签碰撞。本文从RFID通信协议的物理层机制出发，系统性地分析标签碰撞的成因、分类及影响，并对ALOHA系列和二叉树系列两类主流防碰撞算法进行技术对比，为资产管理系统中的数据采集层设计提供算法选型参考。
一、问题的原点：为什么标签会"撞"在一起
超高频RFID系统工作在860-960MHz频段，采用"读写器先问、标签后答"（Interrogator-Talks-First, ITF）的通信模式。读写器发出查询指令后，其电磁场覆盖范围内的所有标签同时被激活，各自尝试反向散射调制以回传EPC编码。
问题的关键在于：被动式UHF标签不具备载波侦听能力。与Wi-Fi或蓝牙设备不同，一枚成本几毛钱的RFID标签没有独立的射频接收链路，无法在发射前先"听一下"信道是否空闲。所有标签在同一频率、同一时隙内直接回复，多路信号在读写器接收端叠加为无法分离的复合波形。
从信息论的角度看，这种多标签并发响应等价于一个无协调的多址接入问题——N个发射源共享同一条信道，却没有统一的调度机制来仲裁谁先发送。
碰撞的物理机制
RFID反向散射通信中，标签通过改变天线阻抗来调制反射的载波信号。读写器接收端看到的是一路载波减去标签反向散射信号后的差值，信号强度通常比载波低60-80dB。当两枚以上的标签同时进行反向散射调制时，读写器收到的混合信号在星座图上呈现多个调制状态的重叠，解调器无法锁定任何一枚标签的比特流。
| 碰撞类型 | 成因 | 影响 | 典型发生场景 |
|---|---|---|---|
| 标签-标签碰撞 | 多枚标签同时反向散射 | 读写器无法解码任何一枚标签 | 密集堆放的资产标签群读 |
| 读写器-读写器碰撞 | 相邻读写器频率重叠 | 标签收到混乱的指令，无法正确响应 | 多读写器覆盖区域重叠的仓库入口 |
| 标签-读写器碰撞 | 远场读写器的旁瓣信号干扰近场标签 | 近场标签被"致盲" | 同一机房多台读写器协同工作时 |
本文重点讨论第一种——标签-标签碰撞，这是资产盘点场景中最常见、影响面最大的碰撞类型。
二、EPC Gen2协议中的防碰撞基础设施
ISO 18000-6C（即EPC Class-1 Generation-2）是目前超高频RFID资产管理领域事实上的通用标准。该协议本身提供了一套防碰撞的基础机制，理解这套机制是选型和优化算法的前提。
2.1 时隙化随机接入框架
EPC Gen2没有硬性规定读写器必须使用某种特定算法，而是定义了一套灵活的时隙化随机接入框架，允许读写器通过三条核心指令动态调整防碰撞过程：
| 指令 | 功能 | 防碰撞中的作用 |
|---|---|---|
| Query | 启动一轮盘点，设定时隙计数器Q值 | 控制碰撞概率的核心参数 |
| QueryAdjust | 动态调整Q值（增减或不变） | 自适应匹配场内标签数量 |
| QueryRep | 让场内标签时隙计数器减1，进入下一时隙 | 驱动轮询进程推进 |
工作流程如下：
- 读写器发送Query指令，指定Q值（取值范围0-15），场内所有标签从中随机选取一个0至2^Q-1之间的整数值作为自身的时隙计数器。
- 计数器为0的标签立即响应。
- 读写器发送QueryRep，全场标签计数器减1；此时计数器刚好减到0的标签响应。
- 重复步骤3，直到2^Q个时隙全部轮完。
这个过程本质上是一个时隙ALOHA机制——通过随机分散响应时间点来降低单时隙内的碰撞概率。
2.2 Q值的自适应调整
Q值的选择直接影响盘点效率。如果Q设得太小，时隙数少，大量标签挤在同一个时隙窗口内碰撞概率飙升；如果Q设得太大，时隙数多，大量时隙空转，读取效率下降。
EPC Gen2协议允许读写器在盘点过程中通过QueryAdjust指令动态调整Q值：检测到碰撞就增大Q（缓解拥挤），检测到连续空时隙就减小Q（减少浪费）。Q值的自适应调整策略本质上是一个实时估计算法——读写器需要在不知道场内具体标签数量的情况下，根据碰撞与空时隙的比例反向推断标签规模并调整Q值。
三、防碰撞算法的技术演进
在EPC Gen2的时隙化框架之上，防碰撞算法的设计空间集中在"如何让标签更聪明地选择响应时机"。主流的算法演进路线可分为两大分支：ALOHA系列和二叉树系列。
3.1 ALOHA系列：让标签随机"举手"
ALOHA系列的核心思想是：让每枚标签在应答前等待一段随机时间，从概率上减少同一时刻开口的标签数量。
纯ALOHA是最初的版本——标签一被激活就随机延时后发送，简单但效率低，最大吞吐率仅约18.4%。时隙ALOHA将其改进为只能在离散时隙的起点发送，将最大吞吐率提升到约36.8%。
动态帧时隙ALOHA（DFSA）是当前商用读写器中最常用的算法。它将时间划分为帧，每帧包含固定数量的时隙，标签随机选择帧内的某一个时隙响应。当帧内碰撞时隙过多或空时隙过多时，动态调整下一帧的时隙数量。
DFSA的性能瓶颈在于帧长调整策略。常见的策略包括：
| 调整策略 | 原理 | 优点 | 缺点 |
|---|---|---|---|
| 基于碰撞率 | 当碰撞时隙占比超过阈值时扩大帧长 | 简单，计算开销低 | 响应滞后，标签数量突变时收敛慢 |
| 基于Q算法 | 参照EPC Gen2的Q调整机制，通过碰撞和空时隙发生比例迭代Q值 | 协议原生支持，无需额外计算 | Q值收敛需多轮，不适合标签数量剧烈变化的场景 |
| 基于标签数估计 | 在每帧结束后估算场内剩余标签数，据此设定下一帧长度 | 最优帧长匹配 | 估算模型本身有误差，复杂度较高 |
DFSA的理论最大吞吐率约为36.8%（帧长等于标签数时），实际部署中通常在30%-35%之间。对于静态资产盘点（标签数量相对稳定），DFSA配合合理的帧长调整策略可以高效完成群读任务。
3.2 二叉树系列：让标签分组排队
二叉树系列算法走的是另一种思路：利用标签EPC编码的唯一性，通过逐位比对将标签递归分组，直到每组只剩一枚标签。
基本二叉树搜索（Binary Tree, BT）的工作原理：
- 读写器发送一个前缀查询串（如"00"），所有EPC以"00"开头的标签应答。
- 如果只有一枚标签应答，成功读取。
- 如果发生碰撞，将前缀延长一位（分为"000"和"001"两个子组），分别查询。
- 递归执行，直到所有标签都被读取完毕。
这种方法的总查询次数与标签数量和EPC长度成正比——每个bit的分裂需要读写器与标签之间往返一次，因此识别N枚标签约需2N-1次查询。
查询树（Query Tree, QT）是二叉树搜索的优化版本。不同于BT要求标签回传完整EPC，QT中标签仅回传与前缀匹配的后缀部分，减少了通信数据量。
二叉树系列的最大优势在于确定性——不会像ALOHA系列那样出现"标签永远读不到"（标签饥饿）的情况，因为每枚标签最终都会被单独分离出来。但代价是查询次数多，完成一轮完整盘点的时间较长。
3.3 两类算法的对比
| 维度 | ALOHA系列（DFSA） | 二叉树系列（BT/QT） |
|---|---|---|
| 吞吐率 | 30%-37%（标签数≈时隙数时最优） | 理论上限~50%，但通信开销大 |
| 确定性 | 概率性，存在标签饥饿风险 | 确定性，不会遗漏标签 |
| 实现复杂度 | 低，协议原生支持 | 中高，需额外逻辑处理前缀搜索 |
| 标签数量适应性 | 标签少时效率高，多时碰撞激增 | 标签数越多遍历时间越长，线性增长 |
| 移动标签容忍度 | 差（标签进出打乱帧统计） | 较好（每枚标签独立寻址） |
| 典型适用场景 | 静态资产盘点、库存盘点 | 高密度仓储、出入库闸口 |
在实际的资产管理系统中，两种算法并不互斥。越来越多的读写器固件实现了混合策略——先用时隙ALOHA快速扫一遍，收集到的标签EPC信息再辅助二叉树搜索处理未读标签。
四、资产盘点场景中的算法选择实践
不同的资产盘点场景对防碰撞算法的要求差异很大，没有一种"万能算法"。以下是三类典型场景的技术考量：
场景一：机柜资产日常盘点
特征：单柜U位标签数量通常不超过42枚（按42U标准机柜计），标签位置固定，环境反射路径相对稳定。
工程验证：DFSA配合较小的初始Q值（Q=5，即32个时隙）即可高效完成。每个机柜独立读取，不存在跨柜碰撞问题。在磁控U位资产管理系统的机柜部署实测中，42枚以内的标签在Q=5设置下，平均1.2秒内完成全部读取，成功率稳定在99.5%以上——这套数据来自首码资产管理系统在多个机房项目中的持续采集，覆盖了从10柜到200柜不等的部署规模。
场景二：仓库出入库批量扫描
特征：出入库闸口一次可能通过数百件贴标资产，标签密度骤增，且标签处于移动状态。
技术建议：二叉树系列更适合这种高密度移动场景。标签的EPC作为天然的分组键，前缀搜索可以快速隔离大量标签。同时，移动标签的进出不会像DFSA那样破坏帧统计信息。但需要在读写器天线设计上做配合——窄波束天线缩小有效读取区，从空间维度降低同一时刻进入碰撞域的标签数量。
场景三：大范围开放式盘点
特征：如整层机房或大型仓库的全量盘点，标签数量可能上千，分布范围广，同一读写器覆盖区域内的标签数量不确定。
技术建议：采用多读写器分区协同 + 各分区内使用混合策略（DFSA首轮 + 二叉树补扫）。多读写器协同的关键在于频率规划——相邻读写器使用不同频点（UHF频段内920-925MHz可划分多个信道），避免读写器间碰撞。各分区独立完成读取后，由上层中间件做数据去重合并。
五、中间件层面的上层优化
防碰撞算法的优化不仅发生在读写器物理层。资产管理系统中的数据采集中间件也可以通过软件层面的策略提升整体读取效率：
- 重复读取去重：单次盘点周期内，同一标签可能被多轮读到（读写器无法100%确定一枚标签是否已被读取过），中间件通过EPC哈希去重消除冗余。首码磁控U位系统在数据采集层内建了滑动窗口去重机制，对同一盘点周期内同一EPC的多次上报自动合并，将冗余数据量压降了60%以上。
- 按天线分时调度：多天线读写器在不同天线端口间轮转时，间隙时间应大于标签保持活跃的时间窗口，避免标签在跨天线切换过程中被遗漏。
- 读取率统计反馈：记录每轮盘点的"预期标签数 vs 实际读取数"差值，当漏读率连续多轮超过阈值时，自动调低Q值或切换为二叉树模式重新扫描——这是一种闭环自愈思路，已经在多个磁控U位系统的生产部署中验证有效。
总结
标签碰撞是超高频RFID系统在大规模资产盘点场景中不可回避的物理层挑战。EPC Gen2协议提供的时隙化随机接入框架为防碰撞奠定了协议基础，而ALOHA系列的DFSA和二叉树系列的QT/BT构成了两条互补的算法路径——前者在小规模静态场景下高效易实现，后者在高密度移动场景下提供确定性保障。
在实际系统设计中，关键在于根据资产规模、标签密度、移动性等维度，在读写器固件层和中间件软件层协同选择合适的算法组合，而非寻找一种"通吃"的方案。
欢迎在评论区讨论RFID防碰撞的具体技术细节。
