识别技术精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的识别技术主题范文，仅供参考，欢迎阅读并收藏。

第1篇：识别技术范文

摘要：本文简要介绍了语音识别技术理论基础及分类方式，所采用的关键技术以及所面临的困难与挑战，最后讨论了语音识别技术的发展前景和应用。

关键词：语音识别；特征提取；模式匹配；模型训练

Abstract:This text briefly introduces the theoretical basis of the speech-identification technology，its mode of classification，the adopted key technique and the difficulties and challenges it have to face.Then，the developing prospect ion and application of the speech-identification technology are discussed in the last part.

Keywords:Speech identification;Character Pick-up;Mode matching;Model training

一、语音识别技术的理论基础

语音识别技术：是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高级技术。语音识别以语音为研究对象，它是语音信号处理的一个重要研究方向，是模式识别的一个分支，涉及到生理学、心理学、语言学、计算机科学以及信号处理等诸多领域，甚至还涉及到人的体态语言（如人在说话时的表情、手势等行为动作可帮助对方理解），其最终目标是实现人与机器进行自然语言通信。

不同的语音识别系统，虽然具体实现细节有所不同，但所采用的基本技术相似，一个典型语音识别系统主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。此外，还涉及到语音识别单元的选取。

（一） 语音识别单元的选取

选择识别单元是语音识别研究的第一步。语音识别单元有单词（句）、音节和音素三种，具体选择哪一种，由具体的研究任务决定。

单词（句）单元广泛应用于中小词汇语音识别系统，但不适合大词汇系统，原因在于模型库太庞大，训练模型任务繁重，模型匹配算法复杂，难以满足实时性要求。

音节单元多见于汉语语音识别，主要因为汉语是单音节结构的语言，而英语是多音节，并且汉语虽然有大约1300个音节，但若不考虑声调，约有408个无调音节，数量相对较少。因此，对于中、大词汇量汉语语音识别系统来说，以音节为识别单元基本是可行的。

音素单元以前多见于英语语音识别的研究中，但目前中、大词汇量汉语语音识别系统也在越来越多地采用。原因在于汉语音节仅由声母（包括零声母有22个）和韵母（共有28个）构成，且声韵母声学特性相差很大。实际应用中常把声母依后续韵母的不同而构成细化声母，这样虽然增加了模型数目，但提高了易混淆音节的区分能力。由于协同发音的影响，音素单元不稳定，所以如何获得稳定的音素单元，还有待研究。

（二） 特征参数提取技术

语音信号中含有丰富的信息，但如何从中提取出对语音识别有用的信息呢？特征提取就是完成这项工作，它对语音信号进行分析处理，去除对语音识别无关紧要的冗余信息，获得影响语音识别的重要信息。对于非特定人语音识别来讲，希望特征参数尽可能多的反映语义信息，尽量减少说话人的个人信息（对特定人语音识别来讲，则相反）。从信息论角度讲，这是信息压缩的过程。

线性预测（LP）分析技术是目前应用广泛的特征参数提取技术，许多成功的应用系统都采用基于LP技术提取的倒谱参数。但线性预测模型是纯数学模型，没有考虑人类听觉系统对语音的处理特点。

Mel参数和基于感知线性预测（PLP）分析提取的感知线性预测倒谱，在一定程度上模拟了人耳对语音的处理特点，应用了人耳听觉感知方面的一些研究成果。实验证明，采用这种技术，语音识别系统的性能有一定提高。

也有研究者尝试把小波分析技术应用于特征提取，但目前性能难以与上述技术相比，有待进一步研究。

（三）模式匹配及模型训练技术

模型训练是指按照一定的准则，从大量已知模式中获取表征该模式本质特征的模型参数，而模式匹配则是根据一定准则，使未知模式与模型库中的某一个模型获得最佳匹配。

语音识别所应用的模式匹配和模型训练技术主要有动态时间归正技术（DTW）、隐马尔可夫模型（HMM）和人工神经元网络（ANN）。

DTW是较早的一种模式匹配和模型训练技术，它应用动态规划方法成功解决了语音信号特征参数序列比较时时长不等的难题，在孤立词语音识别中获得了良好性能。但因其不适合连续语音大词汇量语音识别系统，目前已被HMM模型和ANN替代。

HMM模型是语音信号时变特征的有参表示法。它由相互关联的两个随机过程共同描述信号的统计特性，其中一个是隐蔽的（不可观测的）具有有限状态的Markor链，另一个是与Markor链的每一状态相关联的观察矢量的随机过程（可观测的）。隐蔽Markor链的特征要靠可观测到的信号特征揭示。这样，语音等时变信号某一段的特征就由对应状态观察符号的随机过程描述，而信号随时间的变化由隐蔽Markor链的转移概率描述。模型参数包括HMM拓扑结构、状态转移概率及描述观察符号统计特性的一组随机函数。按照随机函数的特点，HMM模型可分为离散隐马尔可夫模型（采用离散概率密度函数，简称DHMM）和连续隐马尔可夫模型（采用连续概率密度函数，简称CHMM）以及半连续隐马尔可夫模型（SCHMM，集DHMM和CHMM特点）。一般来讲，在训练数据足够的，CHMM优于DHMM和SCHMM。HMM模型的训练和识别都已研究出有效的算法，并不断被完善，以增强HMM模型的鲁棒性。

人工神经元网络在语音识别中的应用是现在研究的又一热点。ANN本质上是一个自适应非线性动力学系统，模拟了人类神经元活动的原理，具有自学、联想、对比、推理和概括能力。这些能力是HMM模型不具备的，但ANN又不个有HMM模型的动态时间归正性能。因此，现在已有人研究如何把二者的优点有机结合起来，从而提高整个模型的鲁棒性。 二、语音识别的困难与对策

目前，语音识别方面的困难主要表现在：

（一）语音识别系统的适应性差，主要体现在对环境依赖性强，即在某种环境下采集到的语音训练系统只能在这种环境下应用，否则系统性能将急剧下降；另外一个问题是对用户的错误输入不能正确响应，使用不方便。

（二）高噪声环境下语音识别进展困难，因为此时人的发音变化很大，像声音变高，语速变慢，音调及共振峰变化等等，这就是所谓Lombard效应，必须寻找新的信号分析处理方法。

（三）语言学、生理学、心理学方面的研究成果已有不少，但如何把这些知识量化、建模并用于语音识别，还需研究。而语言模型、语法及词法模型在中、大词汇量连续语音识别中是非常重要的。

（四）我们对人类的听觉理解、知识积累和学习机制以及大脑神经系统的控制机理等分面的认识还很不清楚；其次，把这方面的现有成果用于语音识别，还有一个艰难的过程。

（五）语音识别系统从实验室演示系统到商品的转化过程中还有许多具体问题需要解决，识别速度、拒识问题以及关键词（句）检测技术等等技术细节要解决。

三、语音识别技术的前景和应用

语音识别技术发展到今天，特别是中小词汇量非特定人语音识别系统识别精度已经大于98%，对特定人语音识别系统的识别精度就更高。这些技术已经能够满足通常应用的要求。由于大规模集成电路技术的发展，这些复杂的语音识别系统也已经完全可以制成专用芯片，大量生产。在西方经济发达国家，大量的语音识别产品已经进入市场和服务领域。一些用户交机、电话机、手机已经包含了语音识别拨号功能，还有语音记事本、语音智能玩具等产品也包括语音识别与语音合成功能。人们可以通过电话网络用语音识别口语对话系统查询有关的机票、旅游、银行信息，并且取得很好的结果。

语音识别是一门交叉学科，语音识别正逐步成为信息技术中人机接口的关键技术，语音识别技术与语音合成技术结合使人们能够甩掉键盘，通过语音命令进行操作。语音技术的应用已经成为一个具有竞争性的新兴高技术产业。

参考文献

[1]科大讯飞语音识别技术专栏. 语音识别产业的新发展.企业专栏.通讯世界，2007.2:(总l12期)

[2]任天平，门茂深.语音识别技术应用的进展.科技广场.河南科技，2005.2:19-20

[3]俞铁城.科大讯飞语音识别技术专栏.语音识别的发展现状.企业专栏.通讯世界，2006.2 (总122期)

[4]陈尚勤等.近代语音识别.西安:电子科技大学出版社，1991

第2篇：识别技术范文

【关键词】自动识别技术 射频识别技术 优缺点 应用

前言：自动识别技术是一门集多学科于一体的高新技术学科，近几年在全球飞速发展。目前，条形码的应用已普及，射频识别技术和生物识别等技术在中国也发展迅速，国家已把“大力发展RFID”列入“十一五”计划纲要。自动识别使数据处理速率大大提升，最终使成本大幅降低。

一、自动识别技术简介

自动识别技术就是应用一定的识别装置，通过被识别物品和识别装置之间的接近活动，自动地获取被识别物品的相关信息，并提供给后台的计算机处理系统来完成相关后续处理的一种技术。

二、自动识别系统种类

自动识别系统可分为针对物（“无生命”）和针对人（“有生命”）的识别两类。

（一）“有生命”识别技术

a.声音识别技术。语音识别是一种将人讲话发出的语音通信声波识别成为一种能够表达通信消息的符号序列，有匹配识别和检测识别两种方式。其中匹配识别是指语音声波与系统中已存在的声波模型进行对比，把最接近的作为识别结果。检测识别指把系统模型中与输入的语音声波相匹配的符号或符号序列作为系统的识别结果。优缺点：实现非接触式的数据采集，对手脚的使用无阻碍。但其识别率较低。应用：电信，语音情感识别等。

b.生物特征识别技术。生物特征识别技术是对某人的物理特征或行为特征用自动化方法予以辨识或认证的技术，包括人脸识别、指纹识别、视网膜识别、语音识别（语音识别可以进行身份和语音内容的识别，只有前者属于生物特征识别技术）、键盘敲击识别、签字识别。所有的生物识别工作都包括4个步骤：原始数据获取、抽取特征、比较和匹配。

①人脸识别技术。人脸识别是指对输入的人脸图象或者视频流，先判人脸是否存在，若存在，则提取脸部信息，并依据这些信息，进一步获取每个人脸中所蕴涵的身份特征，并通过与已知人脸对比来识别人脸的身份。可通过视频技术和热成像技术来捕捉面部图像，前者是通过一个标准的摄像头摄取面部的图像或一系列图像，从而记录一些核心数据，后者是通过分析面部的由毛细血管的血液产生的热线来产生面部图像[1]。优缺点：在实际环境中可以进行多个人脸的识别，但因系统对周围的光线环境敏感，会影响识别的准确性，此外对于人面部发饰，衰老等因素，需进行人工智能补偿后识别。应用：自动门禁控制系统、身份证件的鉴别，公安刑侦追逃等。

③签名识别。签名识别，也被称为签名力学辨识，是由于个人书写习惯的差异。签名鉴定有在线签名鉴定和离线签名鉴定两种。前者比后者会多采集书写人握笔方式，书写压力等动态信息，固不容易被伪造。优缺点：容易被大众认可，但其会随着人各方面的改变而变化。

除此之外，还有我们熟悉的指纹识别，视网膜识别等，他们是人体固有的特征，不会受环境或年龄变化而改变，且视网膜不可见，因此最难伪造。

（二）“无生命”识别技术

a.条码技术。条码是由一组按一定编码规则排列的条、空符号，用以表示一定的字符、数字及符号组成的信息。优缺点：信息采集速度快，可靠性高，使用灵活，成本低等优点。但其存储信息少，被污染后无法读取数据，且没有办法做到全球唯一ID号。应用：POS系统。

b.光学字符识别（OCR）。OCR是指通过扫描等光学输入方式将文字根据其亮暗确定其形状，从而转化为图像信息，再利用字符识别方法将形状翻译成计算机文字的过程。优缺点：其优点是人眼可识度，可扫描。但输入速度和可靠性不及条码，以目前的技术，基本无法正确识别手写中文字体。应用：办公室自动化中的文本输入，邮件自动处理与自动获取文本过程相关的其他领域，这些领域包括支票和文件识度，订单数据输入等。

c.磁条（卡）技术。磁条（卡）技术是利用贴在卡上的磁条来记录信息。磁条表面涂有磁性材料，当读卡设备的磁头掠过磁条时，可对磁条进行现场读写操作。优缺点：使用便捷，成本低廉，安全性较高，能粘附在不同规格和形式的基材上。但数据存储量小，容易磨损，撕毁，不能弯折。应用：银行ATM卡，公交卡。

d.IC卡识别技术。IC卡指将可编程设置的IC芯片放在卡片中，使卡片具有更多的功能。通常所说的IC卡为接触式IC卡。优缺点：具有存储容量大，体积小，重量轻，抗干扰能力强，易于使用，安全性高，使用寿命长等优点。但由于触点暴露在外面，有可能因为人为的原因或静电而损坏。

应用：电话IC卡，手机SIM卡，智能水表，电表。

e.射频识别技术

①射频技术概念。射频技术指由扫描器发射一特定频率的无线电波能量给接收器来驱动接收器电路将内部的代码送出，此时扫描器便接收此代码。接收器不使用电池，是无接触式的，固不怕污染，且其晶片密码是世界唯一的。较常见的应用有无线射频识别。

②射频识别技术概念。射频识别技术是指可通过无线电讯号识别特定目标并读写相关数据，而无需识别系统与特定目标之间建立机械或光学接触。

③射频识别技术的基本原理。射频识别技术的基本原理是电磁理论。射频标签用于装载识别信息，射频读写器用于获取信息。射频标签与射频读写器之间利用感应、无线电波或微波能量进行非接触双向通信，实现数据交换，从而达到识别的目的。射频识别系统通常由标签、读写器、计算机通信网络三部分组成。常用的有低频（125k～134.2K）、高频、超高频，微波等。

④优缺点：识别距离远，数存储量大，信息存储时间长，可以同时识别多个标签，有全球唯一ID，难以伪造。但相对条码成本较高。射频识别标签具有可读写能力，不需要对准，不会被强磁场洗去信息。

⑤应用：高速公路不停车收费系统，不需刷卡自动安全门禁系统，电子通关，通关车辆验证与放行等。

总结：本文通过材料搜集与整理并结合自己现有的知识简要概述了自动识别技术概念及其常用的几种技术的优缺点及应用。希望本文对读者有些许帮助。

参考文献：

[1]董立锋.人脸识别技术在信息系统身份认证中的应用.四川大学.2004

[2]游战清，李苏剑.射频识别技术（RFID）理论与应用.电子工业出版社.2004.8

第3篇：识别技术范文

[关键词] 车牌定位车牌识别字符分割字符识别

车牌识别技术在公共安全、交通管理、及相关军事部门有着重要的应用价值，目前该技术主要应用于职能交通系统（Intdligent Transportation SystemITS）。一般来讲车牌识别软件系统主要包括三部分，它们是车牌定位、车牌分割和字符识别，车牌定位的任务是给出图像中车牌的位置，车牌分割的主要任务是将定位后的车牌区域中的字符分割出来，字符识别是最后一部分，它的主要任务是将分割出的字符识别出来。有关车牌识别技术国内外有大量的研究报道，在车牌识别系统中，涉及的方法比较多，有的算法简单，速度快，但识别正确率较低；有的算法复杂，正确率高，但速度慢，以下对现有的一些车牌识别技术进行综述比较。

一、车牌定位技术

车牌定位就是从车牌的图像中提取出车牌区域，它的好坏直接关系到这个系统识别率的高低，并且对识别速度也有很大的影响。由于车牌背景的复杂性与车牌特征的多样性，迄今为止, 仍没有一个完全通用的职能化车牌定位方法。车牌定位算法目前主要有基于彩色的方法、寻找车牌图像上下边界的方法、基于灰度的方法、基于频域或其他变换域的方法等几大类，结合这些基本方法与各种优化算法又派生出许多其他定位算法。

1.利用车牌的纹理的几何变化的定位方法

对车牌区域检测需要运用车牌区域所特有的属性。按照模式识别原理，应找到车牌区域图像固有的且与图像其他区域不易混淆的属性，并且所有使用的属性在各种环境下摄取的图像具有稳定性。在各种条件下车牌所在的图像区域稳定可靠的信息是它具有丰富的边缘，因此涉及了对边缘纹理信息分析为基础的算法。

这类算法的流程可以分为三个步骤:(1)预处理，将彩色图像转换成灰度图并进行图像边界增强;(2)利用根据牌照特点设计的变换公式进行变换;(3)对变换后的图像进行分析，利用牌照的几何特点进行定位。

2.利用图像信息差进行车牌定位的方法

这种方法是利用两帧或两场车牌图片之间的信息差，进行车牌的定位，所以这种方法也叫基于互相关矢量图的车牌定位算法。该算法已于车牌字符笔画两个边缘互相关值最大的原理，由原始图像构造两幅图像，用类似粒子图像测速互相关方法求出“位移矢量图”，再从中依据先验知识进行车牌定位的算法。该算法的特点是可在车牌两倍大小范围内自适应车牌大小，同时还可以得到对后续处理非常有用的信息。

3.利用颜色的车牌定位的方法

利用颜色的车牌定位方法不同于大多数的车牌定位方法，由于对车牌的大小、汽车在图像中的位置以及图像背景的限制很少，而且综合特征定位要比单一特征定位更符合人的视觉要求，因而定位效果更好，应用范围更广。有关车牌的模型化，根据机动车牌号标准，中国车牌照主要有蓝底白字、黄底黑字、黑底白字、和白底黑字4种类型，根据车牌底色，利用颜色空间距离及相似度计算，就可以从图像中分割出想要的颜色区域，再采用投影法来找到该颜色区域。

4.投影法进行车牌定位

在所有的车牌定位算法中，利用投影法进行牌照区域与背景的分割，是一种非常常用的方法，也是非常实用的方法。其实在上面提到的几种定位放法中，在完成特征计算后，都采用了投影的方法进行切分。投影法定位有牌照水平方向的定位算法和垂直方向的定位算法两种。

二、字符分割技术

在经过车牌定位后，为了方便后面的识别环节，应首先对字符进行分割，并进行归一化，分割质量的好坏和正确与否将直接影响后面的识别结论是否正确。它的主要任务是:确定车牌字符的上下边界，两条直线;将车牌中的字符一一分割出来;将分割出来的字符归一化到一个固定的大小。在这一过程中涉及到的技术主要有二值化、寻找精确字符边界、字符分割。

1.图像的二值化

二值化是车牌识别中的重要处理手段，它可以被用在车牌定位也可以用在车牌的分割中。图像的二值化就是把灰度图像变成黑白图像。选取一个阀值，当灰度值大于该阀值时令其位白点，否则位黑点。根据阀值选取的不同，二值化的算法分为固定阀值和自适应阀值。一般来说，不同的图像采用同一个阀值的效果也会大不一样，所以自适应阀值的灵活性比固定阀值的处理效果要好。但在默写特定的情况下，由于处理的是一组相似的图像，因此也可以选择一个固定的阀值来进行处理。自适应阀值的缺点是可能会产生许多噪声点，如果车牌系统应用范围很窄，则可以选择一个适当的固定点做阀值。

2.寻找边界

二值化后需要寻找车牌字符的边框，一边更精确地定位车牌。根据在字符区域与背景区域的交界处，前景象素的个数会发生突变。从区域的中间点出发，依次寻找上、下、左、右边界。经过上面的车牌定位，可以认为该块区域的中心点位于字符区域内。统计每一行和每一列的白点（即前景点颜色）个数，当发生冲突的时候就认为有可能到达边界了，排除一些噪音干扰，就可以得到字符区域的边界。

3.字符分割

经过牌照字符图像的分割与二值化，得到的是一个只包含牌照字符的水平条区域，为了进行字符识别，需要将牌照字符从图像中分割出来。投影法进行图像字符分割是最简便快捷的方法，其思想是根据车平均字符的特点，把车牌图像进行垂直方向的投影，音字符区域黑色像素点比较多且集中，且每个车牌字符之间有一定的空隙间隔隔开。这样投影下来得到的投影图应该有几个相对集中的投影峰值群，只需要根据峰值群的特点进行分割，就可以得到车牌的字符。

车牌图像字符定位分割的具体算法如下:(1)对车牌图像进行垂直投影，定位出每个字符的左右边界，并保存在数组中;(2)把每个字符分割出来，再进行水平投影，定位出字符具体的上下边界，并保存再数组里;(3)根据每个字符的边界，把字符信息保存再数字里，并在图像中显示定位情况。

三、字符识别

字符识别是车牌识别的最后一步，也是计算量较大的部分。对于单个的字符，最直接的识别方法就是模板匹配方法，由于牌照字符有限且位确定的字体，因此，如果前面的步骤完成的质量较高，则用这种方法的识别效率也会很高，但是如果牌照校正得步规范或字符切割得不够精确，则识别率就会大大降低，因此在实际中，通常都是利用字符的各种特征来进行识别。

1.字符的特征

车牌识别中可利用的字符特征很多，大致可以分为结构特征、象素分布特征及其他特征。

(1)结构特征，结构特征充分利用了字符本身的特点，由于车牌字符通常都是较规范的印刷体，因此可以较容易地从字符图像上得到它的字符的笔画信息，并可根据这些信息来判别字符。

(2)象素分布特征，象素分布特征的提取方法很多，常见的有水平/垂直投影的特征、微结构特征和周边特征等。水平/垂直投影的特征是计算字符图像在水平和垂直方向上的象素值的多少，以此作为特征。微结构法将图像分为几个小块，统计每个小块的象素分布。周边特征则计算从边界到字符的距离。

2.字符识别方法

(1)模板匹配字符识别。模板匹配是字符识别的最基本的方法之一，该方法是将要识别的字符与实现构造好了的模板尽心比较，根据与模板的相似度大小来确定最终的识别结果。基本思想是：首先根据切割下来的字符大小，确定一幅带有加权因子的骨架模板，然后，将切割下来的字符按照模板的大小进行归一化，包括大小的归一化和灰度的归一化，归一化后的字符图像与创建的模板进行匹配。

(2)基于过线数特征的识别方法。该方法是为了提高识别速度，它也是模板匹配的一种，是对模板的算法进行的优化，从模板中提取一些有用的特征，可以使识别速度大大提高。单一特征抽取构成的识别系统通常难以满足要求。车牌识别系统的字符识别，其实也是一种印刷体字符识别，根据印刷体的结构抽取特征，比如数字识别为例，可以抽取四种特征：横线特征、竖线特征、水平方向过线数、垂直方向过线数。然后就可以利用这四种特征和编码器组合的方法实现对印刷体数字的识别。

(3)基于左右轮廓特征的印刷体数字识别。基于左右轮廓特征提取的方法其实质也是一种特征提取的方法。由于印刷体数字的形状相对固定，而且其左右轮廓基本上反映了字符的特征，将数字的左右轮廓特征经归一化处理后得到多个特征值。

第4篇：识别技术范文

关键词：射频识别 RFID 专利技术 综述

一、RFID简介

最基本的RFID系统由天线、标签、阅读器组成，而完整可应用的RFID系统还包括计算机系统。当带有RFID电子标签的物体经过读写器附近时，电子标签会被读写器天线发送的一定频率的信号激活，标签在磁场中产生感应电流从而获得能量并通过无线电波向读写器发送自身编码等标签中存储的信息，读写器在接收到信息后对信息进行解码，然后将信息发送至计算机系统，信息完成自动采集，自动采集的信息按需由计算机应用系统进行处理、控制。

二、RFID专利文献分析

笔者以“射频识别”、“RFID”等关键字检索（均做相应的相关衍生词汇扩展），并使用分类号排除明显噪声，进行数据统计分析，汇总如下。

2.1 申请量分析

图1展示了1992-2016年射频识别技术全球和中国专利申请趋势图，全球趋势中，1992年申请了第一份有关射频识别技术的专利，到了2002年，有关射频识别技术的申请量依然不足200篇，申请量在2006年基本达到顶峰，之后由于受金融危机的影响，在2008年前后有一个下降势，但是之后又逐步回升；中国的申请量从2002年内开始一直在大幅提升，在金融危机2008年前后，中国的申请量没有大幅增长，比较平稳，但是2010年之后，又继续呈现大幅增长的趋势，这也说明该领域的国内应用范围不断提升，钻研RFID技术的企业和科研院所越来越多。

2.2 热点技术主题分析

该领域国内和全球的专利申请分类号分布情况，每一个分类号即是一个大的技术主题，无论是国内还是全球申请，分布最多的四个分类号都是G06K17/00、G06K19/07、G06K19/077、G06K7/00，其分别对应数据阅读和数据识别，连同机器一起使用的集成电路芯片信息记录载体，载体在电路中的装配，读出载体的方法或装置。说明在该领域，较为热门的研究方向大多集中在上述几个主题，这为专利申请人在进行专利布局时提供了参考。也可以看出该领域的专利分布较为广泛，在检索该领域的专利时，应针对申请专利的技术方案特点，采用合适的关键字和分类号相结合的检索策略，以防止遗漏相关现有技术文献。

2.3 申请国别分析

对全球射频识别领域相关专利申请的申请号进行统计分析，得到该领域专利的主要申请国统计图，图2中可以看出，中国作为后起之秀，目前已稳居第一，射频识别技术主要集中在中美日韩四个国家，集中度较高，这也有利于该技术的稳步发展。欧洲各国中，德国和英国的申请量在欧洲各国中较为靠前，但是相比而言，总量不多。虽然我国在这个领域起步较晚，但是申请数量增长势头比较明显，已经完全超越美国的申请数量，在申请量上面成为该领域的第一申请大国，且可以肯定的是，今后我国在该领域将继续发展壮大，朝着RFID技术主导国的方向稳步迈进。

2.4主要申请人分析

对RFID全球申请进行统计分析，申请量较多的企业有，富士通，艾利丹尼森，SYMBOL TECHNOLOGIES INC，KOREA ELECTRONICS TELECOMM，IBM，以及SENSORMATIC ELECTRONICS CORP。从国别来看，上述企业多属于日本和美国，也有韩国企业，但是韩国企业的申请量还是远不如美日企业，这也给检索指明了一个方向，即不能遗漏日文库，更应当重点检索英文库，及时了解这些企业的相关申请，有助于专利布局。

国内申请中，则以中兴通讯股份有限公司及其下属子公司、国家电网公司、华南理工大学这些企业/高效申请为主导，另外，在国际申请量中排名比较靠前的艾利丹尼森公司、富士通株式会社，在中国申请量同样也比较靠前。另外，中国申请人中，还有较多科研院所，比如北京物资学院、电子科技大学、中国科学院自动化研究所、中山大学。总的来说，国内申请的RFID相关的专利还是国企和科研院所占主导，这也符合我国的基本国情。

3 结语

总体而言，目前全球在该领域的申请量基本趋于平稳，而中国的申请量在近十年则呈现一个爆发式增长的状态，也体现了中国在科技方面的与日俱增的实力，中国的总的申请量已经超越美国，成为该领域专利文献保有量的第一大国。本文通过对申请文献的分类号进行分析，得出了目前该领域的几大研究热点，及时对主要申请人在该领域的最新专利布局进行分析，有助于技术人员更好地洞悉该领域的最新发展状态。RFID技术下还有许多细分领域，在充分了解该领域专利的大致发展方向之后，对涉及该领域的技术企业而言，在细分领域进行深入挖掘，提前进行专利布局，显得尤为重要。

参考文献：

[1]吴永祥.射频识别（RFID）技术研究现状及发展展望[J].微计算机信息，2006，22（11-2）.

第5篇：识别技术范文

摘 要：RFID是目前应用于物联网的一项新兴通信技术，可通过无线电信号识别产品电子标签内的EPC码来识别特定目标，而无需识别系统与特定目标之间建立机械或光学接触，它的应用给物联网行业带来了革命性的变化，极大地节省了管理成本，提高了管理效率。文章重点对RFID的工作原理、安全性、现状及发展趋势进行了阐述。

 

关键字：RFID；物联网；电子标签；射频识别

中图分类号：TN871 文献标识码：A 文章编号：2095-1302（2013）05-0014-04

0 引 言

自20世纪90年代物联网概念出现以来，越来越多的人对其产生了兴趣。物联网是在互联网的基础上，利用射频识别、无线数据、计算机等技术，构造一个覆盖万事万物的实物互联网。物联网内每个产品都有一个唯一的产品码，叫做EPC（Electronic Product Code，产品电子代码）。通常EPC码被存入硅芯片做成的电子标签内，附在被标识产品上，被高层的信息处理系统识别、传递、查询，进而在互联网的基础上形成专为供应链企业服务的各种信息服务，就是物联网。而射频识别是物联网中最基本也是最关键的技术。

 

1 RFID及其发展

RFID（Radio Frequency Identification，射频识别）又称电子标签、无线射频识别。RFID类似于条形码扫描，条形码扫描是将已编码的条形码附着于目标物并使用专用的扫描读写器利用光信号将信息由条形磁传送到扫描读写器；而RFID则使用专用的RFID读写器及专门的可附着于目标物的电子标签，即RFID标签，利用频率信号将信息由RFID标签传送至RFID读写器。RFID技术的发展经历了以下几个阶段：20世纪40年代，雷达的改进及应用催生了RFID技术，1948年，Harry Stockman发表的《利用反射功率进行通信》奠定了RFID技术的理论基础；50年代早期，RFID技术处在探索阶段，主要出于实验室的实验研究；60年代，RFID技术的理论得到了发展，开始一些应用尝试；70年代，射频识别技术与产品研发处于一个大发展时期，各种射频识别技术测试得到加速，出现了一些最早的射频识别应用；80年代，射频识别技术及产品进入商业应用阶段，各种规模应用开始出现；90年代，RFID技术标准化问题已逐渐得到重视，RFID产品得到了广泛采用；到21世纪，RFID产品种类已经非常丰富，有电子标签、无源电子标签、半无源电子标签，成本降低，应用不断扩大。

 

2 RFID的构成及工作原理

RFID主要由三个部分组成，即RFID标签、阅读器和天线。标签由耦合元件及芯片组成，每个标签具有唯一的EPC，附着在物体上标识目标对象；阅读器由天线、耦合元件、芯片组成，可读取（或写入）标签信息；天线用于在标签和读取器间传递射频信号。图1所示是RFID系统的基本模型，图中作为RFID的部分只包括RFID标签、天线以及阅读器。当RFID标签进入磁场后，接收到阅读器发出的射频信号，凭借感应电流所获得的能量发送出存储在芯片中的产品信息，或者由标签主动发送某一频率的信号给阅读器，阅读器读取信息后，通过网络送至上层系统进行数据处理。

 

3 RFID较条形码识别的优点

相比条形码识别，RFID识别具有如下优点：

（1） 扫描速度快。条形码一次只能有一个条形码受到扫描，RFID则可同时读取多个RFID标签。

（2） 体积小、形状多样。RFID在读取上并不受尺寸大小与形状限制，不需要为了读取精度而配合纸张的固定尺寸和印刷品质。

（3） 抗污染能力和抗损坏性强。传统条形码的载体是纸张，易受污染，但RFID对水、油和化学药品等物质具有很强抵抗性。此外，由于条形码是附于塑料袋或外包装纸箱上，所以特别容易受到折损，而RFID是将数据存在芯片中，因此可以免受损坏。

 

（4） 可重复使用。现在的条形码印刷上去之后就无法更改，RFID标签则可以重复地新增、修改、删除RFID标签内储存的数据，方便信息的更新。

（5） 信号具有穿透性。RFID射频信号能够穿透纸张、木材和塑料等非金属或非透明材质，而条形码扫描机必须在近距离而且没有物体阻挡的情况下，才可使用。

（6） 数据记忆容量大。一维条形码容量是50 B，二维条形码最大容量可达3 000 B，RFID最大的则有数兆字节，而且有不断扩大的趋势。

（7） 安全性。由于RFID承载的是电子式信息，其数据内容可经由密码保护，使其内容不易被伪造及变造。

4 RFID标签的分类

4.1 按供电方式分类

按供电方式分类，RFID可分为有源、无源和半有源三类。

有源标签又称主动标签，标签具有内部电源，用以提供标签电路本身及标签与阅读器通讯所需的能量。特点是电能充足，工作可靠性高，信号传送距离较远，但时刻都在发送信号，使用寿命有限、体积较大、成本较高，且不适合在恶劣环境下工作。

 

无源电子标签又称被动式标签，标签无内部电源，其内部电路运行及向阅读器回传信息所需能量均由接收到的阅读器所发送的射频信号进行电能转换产生。这类标签价格低廉，体积小巧，无需额外电源，工作寿命长且对工作环境要求不高，一般可做到免维护，缺点是信号有效距离相对有源标签短。目前市场的RFID标签主要是无源标签。无源RFID产品发展最早，也是发展最成熟、市场应用最广的产品。

 

半有源电子标签具有内部电源，一般采用钮扣电池供电，但仅对标签内部电路提供电源支持。标签未进入工作状态前，处于休眠状态，相当于无源标签，标签内部电能消耗极少，电池可维持几年甚至长达10年；当标签进入信号区域时进入工作状态，标签与阅读器之间信息交换的能量由阅读器发出的射频能量为主，标签内部电路所需能量由内部电源提供。相对于无源电子标签，半有源电子标签内部电源恰好可以驱动标签工作，天线可以只管收发射频信号，从而避免了无源电子标签在吸收射频信号能量进行电能转换与回传信息两者间不断切换影响工作效率的弱点。半有源标签有更快的反应速度，更好的效率，较远的阅读距离。

4.2 按载波频率分类

第6篇：识别技术范文

【关键词】 图像识别技术 神经网络识别

模式识别研究的目的是用机器来模拟人的各种识别能力―比如说模拟人的视觉与听觉能力，因此图像识别的目的是对文字、图像、图片、景物等模式信息加以处理和识别，以解决计算机与外部环境直接通信这一问题。可以说，图像识别的研究目标是为机器配置视觉“器官”，让机器具有视觉能力，以便直接接受外界的各种视觉信息。

一、图像识别系统

一个图像识别系统可分为四个主要部分：被识图像、图像信息获取、图像预处理、图像特征提取、分类判决。

二、图像识别方法

图像识别的方法很多，可概括为统计（或决策理论）模式识别方法、句法（或结构）模式识别方法、模糊模式识别方法以及神经网络识别方法。重点介绍神经网络识别方法。

2.1神经网络识别方法

2.1.1人工神经网络的组成

人工神经网络（简称ANN）是由大量处理单元经广泛互连而组成的人工网络，用来模拟脑神经系统的结构和功能。而这些处理单元我们把它称作人工神经元。

2.1.2人工神经网络的输出

2.1.3人工神经网络的结构

人工神经网络中，各神经元的不同连接方式就构成了网络的不同连接模型。常见的连接模型有：前向网络、从输入层到输出层有反馈的网络、层内有互联的网络及互联网络。

2.1.4 学习算法

1）感知器模型及其算法

算法思想：首先把连接权和阈值初始化为较小的非零随机数，然后把有n个连接权值的输入送入网络中，经加权运算处理后，得到一个输出，如果输出与所期望的有较大的差别，就对连接权值参数按照某种算法进行自动调整，经过多次反复，直到所得到的输出与所期望的输出间的差别满足要求为止。

2）反向传播模型及其算法

反向传播模型也称B-P模型，是一种用于前向多层的反向传播学习算法。

算法思想是：B-P算法的学习目的是对网络的连接权值进行调整，使得调整后的网络对任一输入都能得到所期望的输出。学习过程包括正向传播和反向传播。正向传播用于对前向网络进行计算，即对某一输入信息，经过网络计算后求出它的输出结果；反向传播用于逐层传递误差，修改神经元之间的连接权值，使网络最终得到的输出能够达到期望的误差要求。

B-P算法的学习过程如下：

第一步：选择一组训练样例，每一个样例由输入信息和期望的输出结果两部分组成；第二步：从训练样例集中取出一样例，把输入信息输入到网络中；第三步：分别计算经神经元处理后的各层节点的输出；第四步：计算网络的实际输出和期望输出的误差；第五步：从输出层反向计算到第一个隐层，并按照某种原则（能使误差向减小方向发展），调整网络中各神经元的权值；第六步：对训练样例集中的每一个样例重复一到五的步骤，直到误差达到要求时为止。

3）Hopfield模型及其学习算法

它是一种反馈型的神经网络，在反馈网络中，网络的输出要反复地作为输入再送入网络中，使得网络具有了动态性，因此网络的状态在不断的改变之中。

算法思想是：

（a） 设置互连权值

其中xis是s类样例的第i个分量，它可以为1或0，样例类别数为m，节点数为n。

（b） 未知类别样本初始化。 Yi（0）=Xi 0≤i≤n-1

其中Yi（t）为节点I在t时刻的输出，当t=0时，Yi（0）就是节点I的初始值，Xi为输入样本的第I个分量。

（c） 迭代直到收敛

第7篇：识别技术范文

关键字：车牌识别,模版匹配，神经网络，小波变换

Abstract:With the development of society progress,License plate recognition has gradually become the development of intelligent transportation system an important part, also is the charging system to prevent an important means of cheating, but also high speed system automatic charging system must solve the key problem, the main purpose is to extract image automatic license plate image, segmentation character image, realize on license information recognition and matching. It is not only a computer vision and pattern recognition technology important research topic, but also intelligent traffic management one of the key technologies. At present, the home and abroad have devoted to the research of this aspect, such as template matching, neural network, wavelet transform and so on, have achieved good results.

Keywords:License plate recognition, template matching, neural network, wavelet transform

中图分类号：U412.36+6 文献标识码：A 文章编号：

1 引言

随着高速公路系统新技术的高速发展，车牌识别技术已经成为交通应用方面的重要组成部分，切社会对其的应用也十分广泛，它不但在高速，隧道，桥梁等方面被广泛应用，而且也逐渐的被应用于小区，停车场等方面，也在电子警察和违章拍照方面做出较大贡献，介于车牌识别技术的广泛应用，越来越过的国家也都致力于对其的研究，同时也提出了一些较好的办法。但是，单方面而言其流程大概一致，关键差别在于前端采集系统图像的精度，和后端的算法处理。

2车牌识别系统的介绍

汽车牌照自动识别系统 是智能交通系统的重要组成部分，是高科技的公路交通监控管理系统的主要功能模块之一。它在传统的交通监控技术的基础上，引入了数字摄像技术和计算机信息管理技术，采用先进的图像处理、模式识别和人工智能技术，通过对车辆图像的采集和处理，获得车辆的数字化信息，从而达到更高的智能化管理水平。它运用车牌是车辆身份的唯一标识的思想概念来智能识别和统计车辆，涉及图像的捕捉、处理、理解和记录等技术。其中车牌识别又可以依据针对的方向不同可以分为车辆图片识别，和视频车牌号识别，其中车辆图片识别主要针对单张图片进行抓拍处理，识别图片中的车牌号码，而视频车牌号识别则主要应用于高速公路收费，交通治安，闯红灯系统，小区或是停车场的监控系统中，两项程序都可以清晰的捕捉图像，并适用于win98,2000,XP,等系统，适用较为方便快捷，下图是车牌识别系统流程。

图1 车牌识别系统流程

Fig 1 License plate recognition system process

3图像字符分割

在车牌识别的整个过程中，为了达到字符识别的目标从提取的车牌图像中分割出字符的工作室必不可少的，阀值分割，目标与背景区别，车牌字符倾斜校正，单个字符切割以及字符的归一化都是图像字符分割的主要工作。

车牌图像阀值分割：阀值分割主要是基于像素的一种图像分割方法，主要目的是选择一个合适的灰度值T将图像所有的灰度值相比较，大于T和小于T的分别归类，在识别系统中图像经过预处理，质量有所提高，且背景干扰不严重我们通常使用最大类间方差法（Otsu法）进行分割其方法原理如下：

设数字图像的灰度级（G=1,2，…，L)处在灰度级i的所有像素用i表示，总的像素N可表示为：

设Pi表示图像中灰度级为i出现的概率，且定义为：

,

将图像中的像素按灰度级用阀值T划分为两类C0和C1，则两类出现的概率分布为：

有时，由于存在一些背景的干扰，用Otsu方法求得的阀值进行分割不能最好的起到保留车牌字符的效果所以根据调差发现对于车牌的定位，当在1.02~1.20时的分割效果比较好。

4 结论

该技术已经越来越多的被应用在不同的场合，越来越体现出该技术在高速公路监控等系统中的重要地位，也是国内为很多公司都致力于这项技术的原因，目前对于车牌识别技术仍存在诸多问题，如：预处理过程中产生的误差，车牌定位及字符的分割及识别，没有用到车牌原有的颜色特征，都需要在研究的过程中进一步的加以改进。

第8篇：识别技术范文

关键词：电信基础设施；管道；智能化；流量识别；方案

中图法分类号：X524 文献标识码：A文章编号：1009-3044(2011)22-5354-02

1 问题提出背景

在通信技术达发展的背景下，可以预见未来将是一个“全连接”的世界，不仅仅是手机与电脑，所有的终端都会通过网络连接起来，而这个“全连接”世界的基石就是电信基础设施，即我们所说的“管道”。

在对产业价值链的整合过程中，历经了运营商主导而目前到了内容提供商为主导的互联网时代，二者的关系也历经由主从―竞合--竞争的演变过程，大量的社交网站、移动QQ流量、视屏等在线业务已经说明了网络流量被内容提供商低价占用的事实。要想在价值链上占据有利的主导地位，运营商应该彻底放弃以前赚流量不赚钱或者二者不匹配增加的做法，通过对网络在用在途流量进行分类分级，依靠‘智能管道’夺回在产业价值链上主导权。而要做到“管道智能化”的前提是能够识别与区分各种网络数据流量。

2 各种业务流量识别技术措施的优劣比较

对运营商无效益流量的识别是实现后续数据屏蔽与流量分级管理、分类计费的基础，常用的业务识别方法主要有以下几种：一是特征匹配方法（如端口匹配方法、关键字P2P流量识别、通信对端IP地址的数量、大于1024的TCP/UDP端口数识别），即通过对运营商网上业务流量进行研究分析，确定对运营商无效益网络流量的业务种类，总结出特定的一个或多个固定特征(如PPlive网络电视端口：UDP 4004 端口：TCP 8008；)。在后续对网络流量进行检测过程中，如果发现某一流量的特征与上述归纳出的特征一致，就断定该流量属于限制对象(如P2P流量)。但是为了规避运营商的监管，内容提供商会将无效益流量的特定特征进行变化调整，如不用固定端口，采用动态端口，通过软件供用户自设设置端口等等；例如BT、EDK，而使得端口匹配方法识别P2P流量归于无效；二是协议分析方法，该方法只能适应于基于标准协议的业务，如H.323语音/SIP电话等，待事实是为了应对协议分析方法出现了各类私有协议，使得该法也陷于无用武之地；三是利用DPI技术，该法适用于识别业务层面有明显特征的时候，如针对BT/PPStream流量业务等。此时对某一业务流量的研究是分析、判别、归纳出流量数据包中含有的或者出现频率最高的特征字符串、特定净荷即关键字，通常这些特征字符串、特定净荷的出现是有固定规律的。我们DPI（深度包检测）技术就是寻找出这些特征字符串、特定净荷应用在流量检测过程中。一般采取的办法是，如果关键字匹配成功，就可以认为该流量对运营商无贡献效益。可惜的是随着规避技术的不断变化发展，人们已经发现，随着软件的运行环境、软硬件版本等的变化，关键字符串的部分或全部字节也随着调整变化，另外该法也很难有效地运用于有加密应用的场合。

3 我们的流量识别技术模型与实验方案

经过由上分析，采取以前的端口匹配法、DPI以及协议分析等业务识别方法中的一种已经不适应规避技术不断变化的今天了。为此我们融合了各种流量识别技术方法，建立了以下业务识别分层模型见图1。

3.1 系统构成说明

图1 业务识别模型由数据采集层、协议分析层、流量识别（业务识别）层、业务识别应用层和表现层等4部分构成。

3.1.1 数据采集层

针对不同链路的数据如100/1000 Mbit/s、 FE、ATM、SDH等，该层面利用采集、镜像、复制等技术，将业务数据完整、准确、可靠地传送协议分析层。

3.1.2 协议分析层

针对TCP/IP、非TCP/UDP（指采用非TCP/UDP传送P2P数据流的情形）的协议利用本层进行深入解析，向业务识别层提供足够数量的分组头部以及净荷信息，用于上层对数据业务的识别和区分。其分析深度直达至TCP/IP协议栈的传输层，提供一个七元组流（stream）信息给上层，即源地址IP、目的地址IP、源数据端口、目的数据端口、接入方式、服务类型（TOS）和协议类型（TCP或者UDP）等。同时流信息中还应该包含存放的部分净荷，用以配置捕获的净荷大小。

3.1.3 流量识别（业务识别）层

作为本模型架构的核心层，依据协议分析层提供的IP分组包的头部信息、TCP/UDP的头部信息及其净荷信息等特征值流量识别层就可以有效识别出上层业务的类别，区分出业务类别对运营商是否具有效益。在识别、区分时就综合运用诸如端口匹配识别、协议分析匹配识别、净荷特征识别等多种技术，还融入连接模式、拓扑结构特性、流量特性等特征识别引擎技术。该层提供上层接口七元组+业务类型的流信息，也采用流的定时存活机制等。

3.1.4 业务识别应用层和表现层

针对下层已经识别出来的不同流量业务类型，如新业务中的P2P业务、视频业务、移动IP业务、VoIP业务以及传统业务中的超文本传输协议（HTTP）、电子邮件(EMAIL)、文件传输协议(FTP)等，本层可以进行进一步的深度分析：如业务性能的分析、实时追踪业务会话的过程、网络流量异常检测与预警、网络资源优化规划与调整等功能。表现层面则将流量的参数与特征按照图表化的表现，如各种业务的比例关系、业务对网络的带宽占用情况、业务流量的流向特征表现出来。

3.2 模型和算法验证

按照以上模型，我们将自行设计开发的宽带IP骨干网流量精细化分析系统应用在了瑞安电信的2条10 Gbit/s PoS骨干链路上进行模拟验证分析。首先我们利用分光的思路对10 Gbit/s流量负载进行均衡分流，各个业务识别处理机用于实现业务识别的算法，对流经宽带网络上的IP\TCP\UDP分组包进行流信息的取样、分析、识别和区分。其拓扑结构方式如图2所示。

通过对在以上网络我们进行各种现有已知特征或关键字的网络流量进行了实地运行与设定测试，结果发现，该网络流量识别系统对于各类网络业务识别准确率能够达到93％以上，对网络电话业务的识别准确率高达100％，体现出模型设计的正确性与算法的有效性、准确性。

4 结束语

本设计融合利用目前大家熟知的几种不同的网络流量识别技术提出针对下一代网络的网络业务类别识别模型，经过在网上模拟试验与实际应用，本模型及算法有着相当高的兼容性与准确度，同时如果借助于各种应用开发界面，也可以实现轻松实现与运营商的有关应用接口的对接，方便电信网络运营商对宽带IP业务流量进行深度管理，达到网络“管道”分级分类与优化调度、智能化管理的目的，为电信网络运营商整合产业价值链、重新争得价值链上的主导地位助力。

参考文献：

[1] 华为科技有限公司.NetStream技术白皮书[C].华为公司培训资料,2007.

[2] 林闯,单志广,任丰原.计算机网络的服务质量(QoS)[M].北京:清华大学出版社,2004．

[3] 谢希仁.计算机网络[M].北京:电子工业出版社,2002.

[4] 吴功宜.计算机网络高级教程[M].北京:清华大学出版社,2007.

[5] 吴功宜.网络安全高级软件编程技术[M].北京:清华大学出版社,2007.

[6] Douglas er.用TCP/IP进行网际互连(第一卷:原理、协议与结构第四版)[M].北京:电子工业出版社,2003.

[7] 林闯,单志广,任丰原.计算机网络的服务质量(QoS)[M].北京:清华大学出版社,2004.

第9篇：识别技术范文

关键词：射频识别 通信基站 手机支付 无线通信

一、引言

在一些手机通信技术方面，以往使用的单一的通信网路，在一些程序传输和互联网上面的应用居多。但是在设备的使用资源固定，要求越来越高的同时，对于卫星接收信号的使用人数也逐年增加，该网路的资源已经无法满足不断扩张的需求量，严重的导致网路信号的不理想，甚至出现接收通信信号的瘫痪现象的发生。因此对于这样的情况要急切的寻找一种代替的无线通信网络，来保证现有的网络环境的稳定性。同时在现阶段，使用手机的用户不断的增加，利用手机进行金融交易的情况也不断的增加，需要在通信中有安全稳定的环境才能保证手机支付的顺利进行。而射频识别的方式可以很好的解决这个问题。

二、射频识别技术的发展

在整个地球的大气分布中，有很多不均匀分布的细小介质，这些介质会在物理条件的影响下，形成巨大的载体物质，就如空气中的颗粒聚集起来形成的风，以及还有一些云层，这些自然界的物理现象会对电子通信系统产生一定的干扰作用。在受到了不同的温度、湿度、压强等的变化时，这些空气中的载体会出现不同的变化，对于单片机的发射就会起到很大的干扰作用，对于无线设备中发出的电磁波会出现严重的干扰现象，严重的时候电磁波信号都无法正常的使用。其中所说的影响主要集中在对于电磁波的折射传播影响。电磁波的发射是要依靠合理稳定的载体向不同的方向发散出去，通常意义下我们定义这种行为为电磁波的射频，射频过程中的载体称作为射频媒介。当电磁波在发出的过程中，所发散的频率可以满足借助载体的需要，电磁的分布量在对前端的发散中起到了决定作用，这样的情况下可以实现超视距的无线对接信号的实施，在接收信号的一方可以根据信号的波段和频率来分辨出信号源的变化。对于这种将大气中的介质作为信号传播的载体，以及利用电磁效应进行电磁波的超视距传输模式称作单片机系统的射频识别。

三、基于射频识别技术的手机支付

现阶段，在手机支付平台中使用RFID技术的方式主要有四种形式：NFC、eNFC、SIMpass、RF-SIM，这些方式也都是在射频技术使用中不断衍生发展出来的。NFC（Near Field Communication）近距离区域覆盖通信是在区域范围内实现的射频识别方式，通过与互联网的连接过程中，不断的将资源整合并处理信息资料，来完成通信的功能。在该技术中，手机中必须安装有一个单一的电子传导器，在具体的使用中也作为读卡器进行使用。在设计中规定，单一的读卡器必须是意义对应，也就是存在单一的解码模式，不会出现不同点多个处理的方式。在较小的范围内，手机的感应设备与外部的接收设备形成整套的识别系统，可以在点与点接触中实现数据资料的快速传输。这利用在手机支付中就是用户在发出金融交易指令之后，系统会根据信号的传递来实现单一的任务完成命令，不会有第三方的干预，有效的保证了手机支付的安全性和快捷性。但是同时需要指出的是，该射频读卡识别手机必须是特制的手机系统，一般的手机功能暂时不能支持这项服务。

目前这项技术在日韩被广泛应用。手机用户凭着配置了支付功能的手机就可以行遍全国：他们的手机可以用作机场登机验证、大厦的门禁钥匙、交通一卡通、信用卡、支付卡等等。eNFC 中的“e”代表“enhanced”即增强的意思，eNFC 也就是增强 NFC 技术。它除了对 NFC 技术 100%兼容以外，增强型还体现在包含了对其他两种使用非常广泛的 ISO 标准的支持，即：ISO 14443B 和 ISO 15693。eNFC 是将手机和智能卡结合起来，以 SIM 卡为核心，将智能卡应用放在单芯片的 SIM卡中，而非接触功能则由内置于手机中的 NFC 芯片实现，并通过 SWP 协议与 SIM 卡进行通信。

SIMpass 是一种双界面 SIM 卡支付方案，集成了天线及射频芯片，支持接触与非接触两个工作接口，接触界面实现 SIM 功能，非接触界面实现支付功能，兼容多个智能卡应用规范。RF-SIM 则是通过在 SIM 卡中内置近距离识别芯片，扩展了传统手机 SIM 卡的功能。RF-SIM 可安装在手机上实现近距离无线通信，通信距离可在 10-500cm 自动调整，单向支持 100M，其工作频率为 2.4GHz。但该技术不支持 ISO14443。

整个RFID体系是由电路组成的，控制系统其实就是线路上的终端，电路的顺畅运行就是操作的必要条件。在控制单片机电路中一般是由电源开关、控制按键、信号指示灯、电源联接器、高压电机组成。但是不管什么样的电路，是复杂还是简单，原理都是大体相同的，这些联接方式都已经形成了定式，如延时电路、联锁电路、顺控电路等。简单的电路就是通过一些简单的联接起到控制的作用，但是在复杂的电路中，就没有想象的那么简单，但是目的也就只有一个，就是起到控制的作用，只是在操控上存在复杂的线路布置。

局域RFID信息系统中，单片机控制起到了决定性的作用，它也是完全的智能化的操作系统，只要操作人员时刻关注仪表盘上的数值指示，再在操作台上对于安全信号的资源进行适当的控制就能很好的完成任务。在手机支付平台中，存在几个重要的问题。首先就是对于识别网络设置的安全，利用手机运营商和银行之间对公网络的相互连接，可以将安全的通道固定在两个终端之间，用户在进行线上交易中，就不再会受到第三方的侵扰，形成了合理、有效的交易环境。

基于RFID技术的手机支付设计是在以往传统的程序设计理念上加上了更多的计算机数据编程，是一种更加科学的现代化识别控制手段。为在交易安全中也得到了很好的优化，也能使网络安全达到更好、更高的要求。

四、结束语

在未来的社会发展进程中，信息化的使用会更加的多元化，对于电子信息设备的使用也会不断的增长，使用移动电子支付的方式也会不断的受到人们的青睐。如何更好的将手机支付功能与RFID相互结合就是需要不断总结经验。在本文中，我们就射频识别的原理进行了详细的说明，并对手机支付过程中如何结合射频识别的方法进行了阐述，通过在射频识别的使用下，来保证手机支付的安全性和稳定性。

参考文献

[1] 金桥，曾嘉，刘阳，等.RFID 技术在移动电子商务中的应用[J].电子技术应用，2007，6（14）：90-91.