[发明专利]一种多概率RFID事件流上复杂事件检测方法

说明书

技术领域

本发明涉及射频数据处理领域，更具体地，涉及一种多概率RFID事件流上复杂事件检测方法。

背景技术

射频识别(Radio Frequency Identification, RFID)技术是一种利用射频通信实现的非接触自动识别技术。由于RFID技术极易受环境影响和干扰， RFID阅读器本身的漏读、脏读和多读现象以及对RFID数据处理过程中带来的主观不确定性,造成了RFID应用整个生命周期中数据的不确定性。不确定性成为RFID数据普遍具有一个重要特性。随着RFID技术日益广泛的应用,这就引发了学术界和工业界对具有不确定数据的RFID事件检测技术特别是RFID复合事件检测技术产生了浓厚的研究兴趣。

为了能够从实时到达的事件流的海量事件中进行有效复杂事件检测，目前已开展了很多研究。虽然SASE，Cayuga和Esper等传统复杂事件处理原型系统能够比较完整地提供了复杂事件处理的基本功能，但由于它们没有考虑输入数据流中RFID数据的不确定性,只能处理确定的RFID数据。对于不确定的RFID数据,不具备高效的处理能力,不能处理带有概率信息的数据流,更不能从中检测出所有可能的复杂事件。一些传统通用的复杂事件检测方法， 如基于Petri 网、基于树、基于图和基于自动机等检测方法，由于其设计目的主要针对确定性数据，故无法有效检测带有不确定性数据的事件。随着RFID技术日益发展，需求研究出现能够检测和处理不确定性数据的事件检测系统和方法。

目前关于RFID不确定数据检测或处理的问题，主要开展了Cascadia及Lahar和其他一些相关的研究项目。但由于它们主要关注从原始RFID数据上建立概率数据模型,并在此模型上做相关查询,对不确定数据流上复杂事件处理阶段的研究较少,也没有针对概率事件流在复杂事件检测过程中做详细讨论与优化。当前使用最为广泛的基于列举可能世界实例的Naive方法，主要通过根据数据的不确定性,将每个数据取不同值的情况进行组合,列出所有可能的组合,对这些可能的组合再根据检测模式表达式去匹配和检测出符合条件复杂事件。当事件流中的事件较多时,可能的组合数量非常大,呈指数增长，且对每个可能的数据流实例进行扫描和模式匹配的开销非常巨大,导致这种方法检测效率不高，难以满足实际应用的需求。特别是当RFID事件流中事件是由多个可能发生的事件组成，存在多概率事件流模型时，上述这种Naive检测方法检测效率会更加低下。

发明内容

本发明一种多概率RFID事件流上复杂事件检测方法，该方法使用自动机NFA结合多个有向无环图DAG去实现多概率RFID事件流上的复杂事件检测，改进了常规的NFA序列扫描和序列过程, 扩展了现有复杂事件检测技术，大大提高了事件在不确定RFID数据流上的检测能力。

为了达到上述技术目的，本发明的技术方案如下：

一种多概率RFID事件流上复杂事件检测方法，包括以下步骤：

S1：按照复杂事件检测模式表达式建立相应的NFA，建立并初始化活动状态集合s(Active)；

S2：循环扫描活动状态集合S(Active)中每一个状态，判断自动机NFA处在活动状态集合S(Active)中该状态时，接收了检测模式表达式中每一种事件类型（a，b，c)中每一个可能选项事件(a(i)，b(i)，c(i))后,自动机NFA的状态是否会发生转移，如果发生转移，记录转移后状态，接着执行步骤S3；如果没有发生转移，则跳到步骤S4执行；

S3：判断自动机NFA发生状态转移前活动状态集合S(Active)中状态是否为初态,若是初态，则建立一个新的有向无环图DAG，给该DAG添加一个由初始状态转移接收事件的实例和接收该事件后转移到新状态组成的新节点和一条由上述新节点指向初态点的有向边，并在活动状态集合S(Active)上增加转移变换后新状态和删除活动状态集合S(Active)中变换前的状态；若不是初态，就给该DAG建立一个由初始状态转移接收事件的实例和接收该事件后转移到新状态组成的新节点，并在该新建节点和DAG上所有状态转移前的节点之间建立以该新建节点为起点有向边，加入转移变换后的状态到活动状态集合S(Active)中，并删除转移变换前的状态；

S4：循环扫描活动状态集合S(Active)中的下一个状态；

S5：循环扫描接收事件SEQ(a，b[]，c)中的下一个可能选项事件；