rfid标签防碰撞机制与多标签并发读取的效率分析

一垛货贴了三百张标签，读了五分钟还没读完

去年在一家做汽配仓储的客户现场，我们碰到一个典型的尴尬场景：一托盘零配件，整整齐齐码了三百多个周转箱，每个箱子上都贴了 RFID 标签（一种靠电磁波反向散射通信、可被远距离识别的电子标签），工人推着托盘过通道门，门边的读写器天线扫了将近五分钟，进度条才爬到 70%。最后几十个标签死活读不全，工人只好手动补录。问题的根源，就是多标签同时进入天线场区时发生了信号碰撞。防碰撞机制的差异，直接决定了并发读取的效率上限。

碰撞是怎么发生的

RFID 系统里，读写器是「提问者」，标签是「回答者」。当多个标签同时被激活、几乎在同一瞬间向读写器回传自己的 ID 时，信号会在空中叠加，读写器收到一堆混在一起的波形，没法拆出谁是谁。这就是碰撞，它不是设备故障，而是 RFID 工作原理带来的天然挑战。

通俗点说：读写器喊一句「在场的标签把身份证报上来」，如果一百个标签一起喊，读写器什么都听不清；如果让它们分批喊、按规则排队喊，效率就完全不同。这「分批排队」的规则，就是防碰撞算法要解决的事。

两条主流技术路线：ALOHA 系与树型

防碰撞算法大致分为两大家族。一类是 ALOHA 系（一种基于「随机退避」的时分复用协议，标签抢不到时隙就退后再发），简单但有吞吐上限；另一类是树型算法（基于二进制查询的确定性协议，通过反复二分排除碰撞位直到剩下唯一标签），流程确定但时延较长。下面分头看。

ALOHA 系：从纯随机到分时隙

• 纯 ALOHA：标签一被激活就立即回传，没有时间管理。理论最大吞吐只有 18.4%，也就是说超过八成的信号是浪费掉的碰撞。
• 时隙 ALOHA：把时间切成等长的小段（时隙），标签只能在时隙起点回传，碰撞概率砍掉一半，最大吞吐提升到 36.8%。
• 帧时隙 ALOHA：读写器每帧广播若干个时隙，标签随机选一个回传。当帧内时隙数和在场标签数接近时，效率最高；差距太大，要么浪费时隙，要么碰撞扎堆。

这个家族的优点是协议简单、成本低，早期 ISO 14443 等标准就用了类似思路。缺点是吞吐有天花板，而且标签数远超时隙数时，性能会断崖式下降。

树型算法：确定性拆解碰撞

树型算法换了一种思路：读写器发一个带前缀的查询命令，只有 ID 前缀匹配的标签才回传。如果发生碰撞，就再追加一位前缀继续筛，直到只剩一个标签响应。反复下来，所有标签都能被识别完。

这类算法的好处是确定性，不会出现「标签永远读不到」的饿死情况；代价是读写器交互次数随标签 ID 长度指数级增长，单标签平均读取时延偏高，吞吐大约落在 30%~45% 之间。

现役主力：EPC Gen-2 的自适应 Q 算法

实际仓储、物流、零售场景里，大家用的基本都是符合 EPC Class-1 Gen-2（也称 ISO 18000-63）标准的 UHF 标签。这套协议核心是把 ALOHA 系的「帧时隙」思想做了自适应升级，引入了 Q 值参数。

Q 值决定了每帧的时隙数 N = 2Q。读写器先发一个包含 Q 的 Query 命令，标签各自在 0~2Q-1 之间选一个时隙回传。读写器根据这一帧的结果——空闲时隙、碰撞时隙、成功时隙的比例——自动调整 Q：碰撞多就调大 Q 增加时隙数，成功多就调小 Q 节省时间。这样无论标签密度高低，系统都能逼近最佳状态。

Gen-2 协议配合合理的 Q 初始值和调整步长（典型 Q 范围 0~15），在标签均匀分布的实验室条件下，单天线每秒可识别 100~200 个标签；在仓储这种中等密度、贴标规范的场景，做到 150 标签/秒以上并不难。上海择捷在做仓储项目时一般会把 Q 起始值按经验预设在 4~6，再用示波器抓一帧回传情况微调，避免系统花十几个回合才收敛。

影响并发读取效率的真实因素

协议只是基础，落到现场，效率往往被一些「非算法」的因素拖垮。下面这几条，是项目里反复验证过的关键点。

标签数量与时隙数的匹配

帧时隙 ALOHA 的最高效率出现在「时隙数 ≈ 标签数」时。如果在场 300 个标签而帧只有 16 个时隙（Q=4），意味着平均每时隙挤进近 20 个标签，碰撞概率爆表；反过来帧开 4096 个时隙（Q=12）给 50 个标签用，大多数时隙空转，读完一轮要等很久。这就是为什么 Gen-2 的 Q 自适应那么重要。

读写器功率与天线配置

功率过高会带来一个新麻烦：远场标签被激活但回传信号太弱，读写器收不到，于是这些标签一直占着时隙却不响应，造成「无效碰撞」。经验上，仓库通道门这类场景把辐射功率控制在 1~2 W（等效全向辐射功率），配合 6~8 dBi 的圆极化天线，能在 3~5 米距离上拿到比较干净的标签激活区。

标签朝向与介质

金属表面会让 UHF 信号严重反射，液体又会吸收电磁波。同一托盘上如果标签朝向各异、贴在金属件上、隔着塑料箱，读写器看到的「有效可见标签数」往往只有真实数量的一半。改善方法是在金属件上贴抗金属标签，或在标签和金属之间垫 5mm 以上的泡棉做隔离。

环境干扰与标签移动速度

Wi-Fi、蓝牙、其他 RFID 读写器都可能造成同频干扰，标签在高速移动时（比如传送带 2 m/s 以上）跨越多个时隙，命中率会显著下降。常见对策是增加天线数量形成覆盖阵列，或者把传送带速度控制在 1 m/s 以内，让每个标签至少能驻留 3~5 个时隙。

一组实测数据：优化前后的差距

拿一个典型的服装零售门店盘点场景来看。门店有 1500 件商品挂着吊牌标签，关门后用一台手持读写器沿货架走一圈完成盘点。

初始设置下，使用默认 Q 值、固定功率 1W、单天线扫描，盘点 1500 个标签耗时 18 分钟，漏读率（未识别标签占比）约 6%。调整之后，Q 起始值改为 5、功率调到 0.5W、手持机贴标签更近、改为两次慢速往返，耗时降到 7 分钟，漏读率降到 0.4%。同样设备同样的标签，差距全在参数和操作细节里。

把效率做上去的几条实用建议

1. 先用示波器或协议分析工具抓一帧回传，观察空闲/碰撞/成功时隙的比例，作为 Q 值的初始参考。
2. 把功率压在「能稳定读取最远标签」的最小值，宁可近场密集、也不要远场失效。
3. 金属件用抗金属标签，液体环境用专门设计的 inlay，标签朝向尽量垂直于天线极化方向。
4. 传送带和高速场景优先用多天线分区激活，让标签「分区驻留」，避免一帧内扎堆碰撞。
5. 批量场景先做小规模试点，测出最佳 Q、功率、天线布局，再推到整条产线或仓库。

防碰撞机制决定了 RFID 系统能读多快、读多准，但没有任何一种协议能在所有场景下都拿到最优解。Gen-2 的自适应 Q 算法是当前通用性最好的折中方案，把握住它，再围绕标签、功率、天线、环境做针对性调优，绝大多数并发读取问题都能在工程上解决。剩下的那一小撮边角案例，往往不是算法不行，而是物理层面或流程设计本身需要调整。