时间：2022-12-08 00:53:27
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇识别技术，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
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
关键词：身份认证；数据保护；访问控制
随着虹膜指纹扫描仪器的精度和识别度不断提高，生物识别技术将可以应用于更广泛的领域，并迎合不同的生物学特征，实现更强大的安全保护能力。
据Unisys亚太区国家安全开发部门的经理John Kendall表示，虽然虹膜扫描技术还没有被广泛应用，成为主流的身份识别技术，但已经有不少国家将其应用于身份证项目中。
最近在接受记者采访时，Kendall介绍说：“印度和墨西哥已经将虹膜(扫描)和指纹作为了后备(身份识别技术)，这与两三年(前)相比是一个巨大的进步。”
Kendall还介绍说，美国银行也采用了一种面部识别系统，可以同时扫描人体面部和虹膜特征，实现访问控制。与指纹读取不同，这种面部识别系统在扫描用户生物特征时不需要用户静止不动，相反，在用户进入特定区域的大门时，该系统就已经自动将用户的面部特征和虹膜特征记录下来了。如果该用户具有通行权限，则大门会自动打开。
他还表示，面部识别技术已经在日本和韩国的高档社区中被成功应用，并且未来将慢慢融入广大普通老百姓的日常生活中。
皮下指纹读取器
Kendall解释说，传统的指纹扫描设备可以很轻易地被复制指纹薄膜欺骗，甚至简单地对扫描器的玻璃面哈气，也能扰乱扫描器。而新型的皮下指纹扫描器是通过扫描用户指纹下的血管和组织结构的方式进行判断的。
他说：“一些新型的扫描仪会利用不同波长的光波对人体皮肤下不同深度的组织进行扫描，另一些设备则是利用无线电波进行扫描。因此就算你的手指表面被弄脏甚至磨破了，也不会影响扫描结果。”这种设备适用于那种雇员需要手工劳动或者手指会时常出现损伤的行业。
有了这些新型的生物识别技术，要想黑掉生物识别系统，比以前难度大大提高了。Kendall认为，如果黑客要通过这种识别系统，必须投入大量精力和时间，以及非常详细的生物学数据，才能制作出一个手指的三维模型。
此外，还有一些已经成功应用于生物识别系统的技术，可以读取人体手部的其他生物学特征。比如Halifax港口的生物学识别系统，就是扫描用户手部的血管结构，而不是指纹。
Kendall还说：“同样的技术进步也发生在面部识别系统上。传统的面部识别系统需要管理人员手里拿着一张被许可人员的正面照片，比对监视器中的来访者五官。而加入了虹膜识别技术后，识别系统的复杂性大大提高，简单的硅胶面膜已经难以突破这种面部识别系统了。”
随着越来越多的企业开发或采用生物识别技术，国家也需要在数据安全领域赶上技术的步伐。
目前，大多数国家还没有对生物学数据进行规范化管理和保护的相关法规政策出台。
用户接受度增加
和密码一样，生物识别数据被看作是“个人”信息，有些人仍然不愿意对政府或企业提供指纹，因为他们将指纹看作是个人隐私的一种。
Kendall说：“尽管如此，我们仍然看到情况在逐渐好转。在过去几年，我们发现如果人们已经享受到或认识到生物识别技术带来的好处，不论是增加他们自身的安全性还是增加业务方面的安全性，他们都会更容易接受生物识别技术，并提供相应的生物识别数据。”
他还说，对于金融行业，可以通过声音指纹技术，在电话银行系统中增加一道安全屏障。
随着生物识别设备的价格不断下滑，客户未来可以采用更好的设备，提高识别能力。
【关键词】语音识别 语言模型 声学模型 人工智能
使用智能手机的朋友们都会对语音助手产生极大的兴趣，不管是微软的Cortana，还是苹果的Siri，都是将语音识别融入现代技术的典范。Z音识别是解决机器“听懂”人类语言的一项技术，也是人工智能重要部分。
语音识别技术（speech recognition），也被称为自动语音识别 （ASR），其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列。与说话人识别及说话人确认不同，后者尝试识别或确认发出语音的说话人而前者的目标是语音中所包含的词汇内容。
探究语音识别技术的框架、应用与发展有利于全面了解语音识别。本文将从语音识别简介、主流语言识别框架以及语言识别近年来的发展三个方面探究语音识别。
1 语音识别简介
1.1 传统语言识别技术发展
对语音识别技术的研究可以追述到上世纪五十年代，1952年贝尔研究所Davis等人研究成功了世界上第一个能识别10个英文数字发音的实验系统，开创了语音识别的先河。上世纪六十年代，人工神经网络被引入了语音识别。上世纪七十年代以后，大规模的语音识别在小词汇量、孤立词的识别方面取得了实质性的进展。传统语音识别技术最大突破是隐式马尔可夫模型的应用，这一模型极大提高了语音识别的准确率[1]。
1.2 语言识别的应用
作为智能计算机研究的主导方向和人机语音通信的关键技术，语音识别一直受到各国科学界的广泛关注。如今，随着语音识别技术的研究的突破，其对计算机发展和社会生活的重要性日益凸现出来。在现实生活中，语音识别技术的应用相当广泛，它改变了人与计算机交互的方式，使计算机更加智能。和键盘输入相比，语音识别更符合人的日常习惯；使用语言控制系统，相比手动控制，语音识别更加方便快捷，可以用在工业控制、智能家电等设备；通过智能对话查询系统，企业可以根据用户的语音进行操作，为用户提供自然、友好的数据检索服务。
2 语音识别框架
目前主流的语音识别框架可以分为以下几个模块：信号处理，特征提取，声学模型，语言模型，解码器。
2.1 信号处理
信号处理模块是对语音文件进行预处理。声音是一种纵波，在识别语音时，输入为WMV，MP3等格式的文件会被转换成非压缩的纯波文件wav格式。然后在进行语音识别前，需要检测该文件中的语音信号，该技术被称之为语音活性检测[2]。使用语言活性检测技术可以有效降低噪音，去除非语音片段，提高语音识别的准确率。经典的语音活性检测算法由如下步骤组成：
（1）使用spectral subtraction等方法对语言序列进行降噪。（2）将输入信号的分成区块并提取特征。（3）设计分类器判断该区块是否为语音信号。
2.2 特征提取
特征提取目的是提取出语音文件的特征，以一定的数学方式表达，从而可以参与到后续模块处理中。在这一模块，首先要将连续的声音分成离散的帧。每一帧的时间既要足够长，使得我们能够判断它属于哪个声韵母的信息，若过短则包含信息过少；每一帧时间也要尽量短，语音信号需要足够平稳，能够通过短时傅里叶分析进行特征提取，过长则会使信号不够平稳。分帧时使用如下改进技术可以有效提高识别准确率：相邻的两帧有所重叠减少分割误差，将与临近帧之间的差分作为额外特征，将多个语音帧堆叠起来。通过分帧处理，连续的语音被分为离散的小段，但还缺乏数学上的描述能力，因此需要对波形作特征提取。常见的方法是根据人耳的生理特征，把每一帧波形变换成一个多维向量。因此，这些向量包含了这些语音的内容信息。该过程被称为声学特征提取，常见的声学特征有MFCC、CPE、LPC等。
MFCC是目前最常用、最基本的声学特征，提取MFCC特征可以分为如下四个步骤：首先对每一帧进行傅里叶变换，取得每一帧的频谱。再把频谱与图1中每个三角形相乘并积分，求出频谱在每一个三角形下的能量，这样处理可以减少数据量，并模仿人耳在低频处分辨率高的特性。然后取上一步得到结果的对数，这可以放大低能量处的能量差异。最后对得到的对数进行离散余弦变换，并保留前12～20个点进一步压缩数据。通过特征提取，声音序列就被转换为有特征向量组成的矩阵。
2.3 声学模型
声学模型是语音识别中最重要的组成部分之一，其用于语音到音节概率的计算。目前主流的方法多数采用隐马尔科夫模型，隐马尔可夫模型的概念是一个离散时域有限状态自动机。
隐马尔可夫模型HMM如图2所示，是指这一马尔可夫模型的内部状态x1，x2，x3外界不可见，外界只能看到各个时刻的输出值y1，y2，y3。对语音识别系统，输出值通常就是从各个帧计算而得的声学特征，输入是由特征提取模块提取的特征。用HMM刻画语音信号需作出两个假设，一是内部状态的转移只与上一状态有关，另一是输出值Y只与当前状态X（或当前的状态转移）有关，这两个假设大大降低了模型的复杂度。HMM的打分、解码和训练相应的算法是前向算法、维特比算法和前向后向算法。
早期的声学模型使用矢量量化（Vector Quantification）的方法，使其性能受到VQ算法的极大影响。对于连续取值的特征应当采用连续的概率分布如高斯混合模型或混合拉普拉斯模型等。为了解决模型参数过多的问题，可以使用某些聚类方法来减小模型中的参数数量，提高模型的可训练性。聚类可以在模型层次，状态层次乃至混合高斯模型中每个混合的层次进行。
2.4 语言模型
语言模型音节到字概率的计算。 语言模型主要分为规则模型和统计模型两种。相比于统计模型，规则模型鲁棒性较差，对非本质错误过于严苛，泛化能力较差，研究强度更大。因此主流语音识别技术多采用统计模型。统计模型采用概率统计的方法来揭示语言单位内在的统计规律，其中N-Gram简单有效，被广泛使用。
N-Gram基于如下假设：第N个词的出现只与前面N-1个词相关，而与其它任何词都不相关，整句的概率即为各个词出现概率的乘积。词与词之间的概率可以直接从语料中统计N个词同时出现的次数得到。考虑计算量和效果之间的平衡，N取值一般较小，常用的是二元的Bi-Gram和三元的Tri-Gram。
2.5 解码器
解码器是语音识别系统的核心之一，其任务是对输入信号，根据声学、语言模型及词典，寻找能够以最大概率输出该信号的词串。在实践中较多采用维特比算法[3]搜索根据声学、语言模型得出的最优词串。
基于动态规划的维特比算法在每个时间点上的各个状态，计算解码状态序列对观察序列的后验概率，保留概率最大的路径，并在每个节点记录下相应的状态信息以便最后反向获取词解码序列。维特比算法在不丧失最优解的条件下，同时解决了连续语音识别中HMM模型状态序列与声学观察序列的非线性时间对准、词边界检测和词的识别，从而使这一算法成为语音识别搜索的基本策略。
维特比（Viterbi）算法的时齐特性使得同一时刻的各条路径对应于同样的观察序列，因而具有可比性，Beam搜索在每一时刻只保留概率最大的前若干条路径，大幅度的剪枝提高了搜索的效率。Viterbi-Beam算法是当前语音识别搜索中最有效的算法。
3 语音识别技术的发展
近几年来，特别是2009年以来，借助机器学习领域深度学习研究的发展，以及大数据语料的积累，语音识别技术得到突飞猛进的发展。
在模型方面，传统语音识别模型逐步被神经网络替代，使用神经网络可以更好地提取特征，拟合曲线。使用人工神经网络来提高语音识别性能的概念最早在80年代就提出了，但当时高斯混合模型在大词汇语音识别上表现得更好，因此人工神经网络并没有进行商业应用。随着相关技术的进一步发展，微软研究院利用深度神经网络建立了数千个音素的模型，比传统方法减少了16%的相对误差。其在建立起有超过660万神经联系的网络后，将总的语音识别错误率降低了30%，实现了语音识别巨大的突破[4]。
同时目前多数主流语言识别解码器采用了基于有限状态机的解码网络，该网络将语音模型、词典、声学共享音字集统一为大的解码网络，大幅度提高了解码速度。
在数据量上，由于移动互联网的急速发展，从多个渠道获取的海量语言原料为声学模型和语言模型的训练提供了丰富的资源，不断提升语音识别的准确率。
4 结语
语音是人们工作生活中最自然的交流媒介，所以语音识别技术在人机交互中成为非常重要的方式，语音识别技术具有非常广泛的应用领域和非常广阔的市场前景。而随着深度神经网络发展，硬件计算能力的提高，以及海量数据积累，语音识别系统的准确率和实用性将得到持续提高。
参考文献：
[1]S基百科编者.语音识别[G/OL].维基百科，2016（20160829）[2016-08-29].
[2]维基百科编者.语音活性检测[G/OL].维基百科，2016（20160629）[2016-06-29].
[3]维基百科编者.维特比算法[G/OL].维基百科，2016（20160920）[2016-09-20].
[4] Dahl G E， Yu D， Deng L， et al. Context-dependent pre-trained deep neural networks for large-vocabulary speech recognition[J]. IEEE Transactions on Audio， Speech， and Language Processing， 2012， 20（1）：30-42.
关键词：油气层识别技术；勘探开发；进展
中图分类号：P641.4+62文献标识码：A 文章编号：
我国油田大多数处于开发中后期，油井产液中的含水量越来越高，而且人工解释油气层主要是依赖测井解释工程师丰富的实际经验，所以存在着很大的偶然性和误差。另外现有的解释软件又未加入人工解释经验，计算机解释符合率与人工解释相差很大，并且随着油田注入水含量和含水饱和度的增加，油层电阻率也不再是完全单调下
降，这使得传统方式受到挑战。为此，寻找新的油气层识别与评价技术是测井技术学科的重要课题。
1油气层识别技术进展概述
油气层识别是个综合过程，具有许多直接或间接反映油、气、水层的测井信息，储层参数信息和岩性信息，录井信息。如果要对这种具有复杂储层进行油气评价，则常规测井技术所表现的能力尤为不足。同时基于模式识别理论提出的判别分析法，Bayesian判别法，模糊聚类法，以及综合评价法，灰色系统评价法，专家系统法都存在一定的缺陷。而神经网络的自学习，自联想，无坚固模型特征，更适合于从庞杂的各种信息中对复杂系统作出(无模型)综合模式评判，并且遗传算法能够通过对参数空间编码并用随机选择搜索工具来引导搜索过程朝着更高效的方向发展，因此本文将神经网络和遗传算法结合起来应用到油气水层的识别问题中，以提高识别的精确度。开展本课题的研究对于油田油藏的勘探与开发，对于油田稳油控水及高产稳产都具有重要的意义。
2油气层识别技术研究与发展现状
油气层识别与评价技术一直是国内外关注的研究课题，同时也是测井解释的一项主要任务，主要是以油藏物理学为理论基础，与测井学和流体力学相结合进行的一项课题。
由于测井曲线的形态特征反映着储层的岩性、物性和含油气性，因此可以根据测井信息与储层油气的对应关系，建立一套公式或关系来识别其它未知储层的含油气特性，比如利用平均粒径和自然伽马GR的相对值GR的统计关系划分储层的岩性；利用粘土含量(％)、孔隙度、粒度中值(MD)、渗透率(K)来评价储层的物性(即储渗特性)；利用反映油、水层侵入特征的测井曲线重叠、交会的差异作为油水层判别信息(深侧向电阻率尼与浅侧向电阻率R。之差)；利用储层含水饱和度(&)与束缚水的饱和度间的差别来判别和区分油气层、水层、干层以及油水同层的变化及其控制因素；此外还有采用波尔逊方程估算油水相对渗透率和地下状态的油水粘度求含水率来识别油水层等方法。
在油气层识别的具体应用中必须综合利用上述公式或经验进行，然而这些公式的建模均基于统计学理论。对于不同油田不同地区和不同油井的储层，其统计得到的经验公式也是不一样的，特别是对于环境变化复杂的油井识别准确率不理想。
国外大的测井公司和科研院所凭借其测井技术和测井仪器的优势，注重采用新的方法识别油气层，象DovetonJ等人利用了电缆测井技术，采用动态编程法做测井对比，可从各种各样的可能性中选择最佳匹配，以正确识别出油气层。另外还有人采用常规数理统计模式识别技术根据测井曲线识别油气层都取得了一定的效果。
目前我国大部分油田的油层含水很高，在这种情况下开展油气层识别与评价的研究很重要。因此，我国大部分油田及有关院校、研究所相继开展了高含水储层测井评价方面的工作。理论和实验研究发现，传统的利用测井资料识别油气层需要建立岩石体积模型、测井响应方程、统计经验公式以及大量的专家经验。随着油田注入水含量和含水饱和度的增加，油层电阻率并不是完全单调下降的，解释结果与实际测试结果的吻合率很不理想。为此，中国测井分析家在阿尔奇公式的基础上提出多种解释方法，尤其是利用数理统计方法综合各种测井信息对油气储层进行综合评价，使得油气储层测井曲线识别符合率大大提高。
辽河油田测并公司针对地层电阻率，油气层成因的多样性、复杂性，利用模糊聚类和逐步判别分析方法，先对样本进行预分类，并根据隶属度函数自身迭代，不断分类，直到相对稳定，当分类数一旦确定再进行合并。模糊聚类和逐步判别分析方法是根据一组已经确知归属类型的样品，建立样品的归属与地质变量间的定量关系，即建立判别方程。对于一个新样品，把其各变量值代入判别方程，求出分属于各归属类型的概率，比较概率大小确定其归属。利用模糊聚类和逐步判别分析方法识别油气层的关键是储层样本的提取和反映储层性质特征参数的提取。如果参数提取不当，将影响油气层的识别结果。
近年来，基于模式识别技术的各类方法技术在测井资料储层识别领域内都得到了广泛的应用，也取得了较好的效果。其中有灰色系统方法、模糊判别技术、神经网络技术等。
西南石油学院利用模糊识别技术进行储层识别，取得了良好的效果。所谓模糊识别即模糊模式识别，它是指对具“模糊性"的事物经过分析、判断、归类，识别出事物与供模仿的样本间的相同或相似性。模糊识别有直接法和间接法两种。直接法是根据最大隶属度原则判别被识别对象的归类：间接法则按就近原则对被识别对象进行归类。根据储层样本类型在论域上划分模型空间，然后确定隶属度函数。每个样本都由若干个测井响应值组成n维向量以便根据隶属度函数计算每个样本隶属度值，然后进行判断。
3 深层系低孔低渗油气藏的特征
3.1 深层系低孔低渗油气藏的特征
深层系低孔低渗油气藏由于其渗透率孔隙度低，且大部分为低压且具有非自喷的特点，导致渗流阻力大，油层流向井底的沿程阻力增加，地层压力损失多。油层的自然产能较低这些构成了低渗透层的固有特性:(1)低渗透层弹性能量小;(2)低渗透层导压性能差;(3)低渗透层产能低这些低渗透层用原测试技术和方法很难达到试油测试目的。
4 深层系低孔低渗油气层射孔测试联作技术
随着对深层系低孔低渗油气藏认识的不断深入，试油主要采用射孔加地层测试联作技术。射孔测试联作技术是测试技术和射孔技术进行结合的一种套管井试油新技术，它具备地层测试和油管传输射孔两项技术的优点，并进行三开抽汲，成功地解决了其它射孔方式易造成井喷和污染地层的问题，并能一次性取全取准各项地层参数和流体样品是目前应用比较普遍的一种完井试油测试技术。
4.1 射孔 测试联作技术的工艺特点
(1)射孔后立即测试能在不受污染的情况下获得地层的真实产能。(2)采取负压射孔方式，对地层污染较小。(3)具有一次性进行多储层长井段射孔和能够使用大直径深穿透射孔弹的优点。(4)射孔后井口能够得到有效地控制，利于井控。(5)能有效地在稠油井，定向井中作业。(6)能够缩短试油周期 降低作业成本 提高效率。
4.2 深层系低孔低渗油气层油管传输射孔 ——地层测试联作测试工作制度的选择
尽管地层测试技术在河南油田应用了十多年，但对于地层的多样性和复杂性不可能制定出一套适合任何地层条件下的开关井时间分配模式，对于深层系低孔低渗层用原地层测试工作制度测试后无法对资料进行解释原因是：
(1)若开井时间太短地层产液量少测试流动所影响的范围尚未穿透钻井泥浆的侵入带和射孔污染带。
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）.
【关键词】生物识别技术 客户身份识别 作用与风险
所谓生物识别技术，就是通过计算机与各种传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性和行为特征，来进行个人身份的鉴定。与传统的身份鉴定手段相比，生物特征是唯一的、稳定的、可以验证的，基于生物特征识别的身份鉴定技术更具有防伪性能好、不易伪造或被盗等优点。由此，其在互联网金融领域的应用也是大势所趋。
一、生物识别技术的研发应用情况
（一）生物识别技术主要种类
近年来，生物识别技术发展迅速，并在不同行业范围内得以应用。当前在互联网金融领域中，有所介入、涉及的生物识别技术主要有指纹识别、虹膜识别、面部识别、掌形识别、签名识别等。
（二）生物识别技术在互联网金融发展背景下的应用情况
目前，对于对安全防范控制有着极高要求的金融业，在金库的安全设施、保险柜、自动柜员机等方面已使用到了生物特征识别这种直观、准确、可靠的识别系统，并且，今后随着互联网技术的逐渐发展，对借助生物识别技术来解决金融业务方面的身份识别、确认或者支付的呼声越来越高，运用关注度将更多，银行也在积极探索和尝试这方面的运用。但是目前想要进行大规模推广和运用的并不多，更多的做为辅助手段。
二、以生物技术开展客户身份识别的优势与不足
指纹、虹膜、面部识别等生物特征识别技术与传统的身份鉴别技术相比，基于人体生物特征识别技术的安全性显然要高得多。但在实际应用中，生物识别技术也并非完美无缺，还不是很成熟，难以避免存在着一些漏洞。
（一）优势方面
一是生物识别技术认定的是人本身，由于每个人的生物特征具有与其他人不同的唯一性和在一定时期内不变的稳定性，不易伪造和假冒，所以利用生物识别技术进行身份认定，方便、安全、可靠；二是生物识别技术产品均借助于现代计算机技术实现，很容易配合电脑和安全、监控、管理系统整合，实现自动化管理；三是生物识别技术可有效避免传统短信验证手段潜在风险。随着手机木马，伪基站等黑客活动日渐增多，短信验证码被拦截的可能性大幅增加，而生物识别技术的身份认证具有不可替代性，能有效规范被网络攻击的风险；四是由于生物识别技术具有高服务附加值和高安全性的潜在优势，符合商业银行需要高效益、高性能的应用程序来助力其运行环境的目的，已成为非常吸引商业银行的一项新型应用技术，为风险防范又增加了一道坚固的壁垒。
（二）不足之处
任何技术都可能存在一定的针对性和局限性。同样，相对传统的身份识别，生物识别技术是有较大的优势，但其也存在着一定的缺陷。一是准确性方面的局限。比如说人手指受伤时，指纹这个生物特征在被识别过程中的准确性就可能受到影响。另外，非法用户制造有着相同指纹的橡胶手指冒认合法用户在技术上也是可能实现的；二是同传统身份识别认证方法一样，生物特征信息在传输过程中也有可能被截获或篡改，存储在数据库中的信息也可能会被修改，这些都会使得合法用户的身份认证受到影响，这也是今后生物识别技术所面临的主要问题之一；三是要求用户配合的程度高，如从指纹锁的实际应用情况来看要求用户配合的程度高，用户在指纹采集过程中需要直接接触指纹采集仪，容易产生被侵犯的感觉，导致用户对指纹识别技术的接受度降低，用户指纹难以采集；四是存在使用专用设备、价格昂贵等缺点，用较高的代价来保障安全。
三、应用中存在的困难与潜在的风险
就目前来看，虽然关注度高，但由于生物识别技术的尚不成熟，其在金融领域的运用暂时还难以大规模的推广使用，还面临着政策和宣传不到位等诸多因素的困扰，如何理性、务实的直面存在的问题困难，加强对该项技术的投入和监督，是金融业在未来一个时期内应重点解决的问题。
（一）困难
一是使用成本高。如通过掌静脉识别身份进行支付的方式比较安全可靠，但问题是这个设备的成本是比较高的，这就导致它更多的是在一定范围内使用，很难大规模推广使用，同样，指纹、虹膜等技术都面临类似的问题；二是使用范围受限。相对来说，人脸识别方面，利用摄像头扫描就相对容易，只需要配备一个手机就可以解决，可以大面积推广使用，但目前也不能保证这个技术就绝对安全，未来的使用可能更多的还是规定这种技术支持一定的业务范围。
（二）风险
生物识别技术具有使用便捷的优点，同时风险与之并存：生物特征的生物身份识别技术存在着一旦被盗用将无法吊销的风险，这也是目前导致仅依赖生物识别技术进行身份认证的措施还不适用于大范围的金融业务的原因所在。同时，互联网银行业务发展的技术障碍也未解决，无论人脸识别、指纹等多重生物识别技术有多成熟，只要是网络远程传输方式都能够被黑客截取复制，金融业务潜在风险。
四、相关建议
（一）加强互联网金融业务的监管
近年互联网金融业务如火如荼，但监管严重薄弱，传统金融监管部门并不十分了解信息网络安全的相关技术。因此，迫切需要设立相关信息安全部门的联席会议制度或者监管协调机制，对有关互联网金融的规则从源头介入，制定监管制度办法，避免监管部门事后被动的尴尬。
（二）加大宣传推广力度
当前生物识别技术还不够成熟，人们对其的心理接受程度，还有待从不熟悉该技术到熟悉这样的过程和时间。因此，金融业所须做的是加大对生物识别技术技术的研发以及加强宣传工作。
（三）建立个人生物特征信息中央数据库
有效的生物特征识别应用必须由强大的数据后台作保障，应建立一个大型个人生物特征信息数据库，能够采集和存储指纹扫描、虹膜扫描、掌纹和语音数据及其他生物识别符号，以更快、更好并且将更有效地提升部门间的数据共享和可操作性。
（四）生物识别技术与其他方式有机结合
豇豆荚螟，豆类害虫，全国分布，南方较凶。钻蛀为害，影响防控，连续采摘，农残严重。
注：豆野螟属鳞翅目螟蛾科，又名豇豆荚螟、豇豆螟、豆荚野螟、豆荚螟等，全国分布，但南方特别是长江流域较为严重。
2 豆野螟寄主
豇菜刀扁，绿毛蚕豌。
注：豆野螟为豆科蔬菜害虫，寄主主要有豇豆、菜豆、刀豆、扁豆等，也可为害绿豆、毛豆、蚕豆、豌豆。
3 豆野螟形态特征
体色黄褐，体型中等，前翅U斑，白色透明。黄白幼虫，黑褐头胸，各节黑斑，四二特征。
注：豆野螟成虫前翅各有一个白色U型透明斑，后翅白色半透明。幼虫黄白色，中后胸背板上有黑色毛片6个，前列4个，各具两根刚毛，后列2个无刚毛，腹部同样6个毛片，但各自只有1根刚毛。蛹被白色透明的薄茧。
4 豆野螟为害状
豆类螟蛾，钻蛀习性。花开花落，遍地飘红。荚生荚长，满园成孔，品质降低，收入成空。
注：豆野螟以钻蛀花及豆荚为主，也能卷叶为害，常造成落花落荚，荚内及蛀孔外堆积粪便，严重影响蔬菜的产量与品质。
5 豆野螟生活习性
北方三代，华中倍增，长江流域，以蛹越冬。六至十月，为害高峰，昼伏夜出，强趋光性。卵多散产，花荚着生，初孵幼虫，钻入花缝。由花及荚，荚内蛀空，老熟钻出，土表化蛹。无限花序，少毛品种，高温高湿，受害偏重。
6 豆野螟防治策略
生防为主，绿色集成，治小治早，花期防控。
注：豆野螟的钻蛀性及豆类蔬菜不间断采摘特性决定了防治策略必须是以绿色防控为主，多种防控手段相结合，以花期为主控阶段，幼虫初孵期防治。
①农业防治 清理落花，摘除虫荚。
②物理防治 强趋光性，加以利用。大小中棚，虫网防虫。
注：利用豆野螟的强趋光性，安装频振式杀虫灯诱杀成虫。利用设施覆盖防虫网，在作物生长期间可以做到不施药或只施1次药。
③生物防治 天敌保护，综合利用。生物农药，积极推行。
注：可选择16 000 国际单位苏云金杆菌可湿性粉剂 750～1 000倍液、0.3%印楝素乳油1 000倍液、1.5%除虫菊素水乳剂500~750倍液等生物农药。
④化学防治 孵化高峰，七花一虫，花蕾始放，嫩荚初生，抢在早上，抓住低龄，重在花穗，贵在早用，安全间隔，不能侥幸，统防统治，绿色防控。
1、概述生物识别技术，又称为生物特征识别技术，是通过计算机与生物传感器、生物统计学等高科技手段紧密结合，利用人体固有的生理特征和行为特征识别身份的技术。该技术被称为数字时代的安全卫士。在实际应用中，生物特征识别通过特定的设备进行特征取样测量，转化成数字代码；对代码取样后形成特征模板；用特征模板与实际个体取样进行比对；根据比对结果是否匹配来决定接受或拒绝该用户。常用于识别的生物特征有指纹、人脸、掌纹、血管纹路、DNA等；行为特征有签名、语音、步态等。
2、生物识别技术的特点与应用优势生物特征是与生俱来的，与传统身份识别方式相比，生物识别技术具有以下优势[4]：（1）能够进行身份识别。传统身份认证识别采用用户名+口令验证的方式来验证用户身份。生物特征同样可以完成身份识别的功能。（2）生物特征具有唯一性，防伪性好，难以被伪造或盗用。传统身份识别技术中的用户名和密码会因为信息泄露而带来身份认证漏洞。生物特征则是个人特有的，极难被仿造或盗用。（3）携带方便，不会遗忘或丢失。传统身份识别技术采用口令验证或实物验证，两者都有遗忘和丢失的风险。而生物特征是人类的体貌和行为特征，携带方便，也不存在丢失和遗忘的风险。（4）用户使用体验好，不容易被损坏。传统身份识别技术依赖数据库记录用户名和密码，常因为字符输入错误而被拒识；IC卡一类的实物验证技术则有因损坏而被拒识的风险。生物特征大大降低了此类风险。即使是容易受到手指表层皮肤破损而影响验证的指纹识别也可以通过存储多个手指的指纹来达到顺利验证身份的目的。此外因为生物识别技术使用友好度高，用户体验好。
3、常用生物识别技术的特性分析在众多的生物特征中,最常使用的用户接受度较高的是指纹识别、人脸识别和签名识别。指纹识别是应用最早、应用面最广的生物特征识别技术。早在几千年前人们就已经发现了指纹的特点，开始使用指纹进行身份的识别。指纹识别主要是利用指纹记录仪和计算机等电子设备，通过人类手指表层皮肤上交替出现的脊和谷进行指纹图像的读取、提取指纹特征、制成特征模板，再通过模式匹配，最终实现身份的自动识别。每一个人都有自己独特的而且终身不会变化的指纹。指纹识别技术可靠性高，识别简便，是一项成熟的生物特征识别技术。在应用面上也体现出无与伦比的优势，目前国内外指纹识别应用已经覆盖了公安刑侦领域、公共安全领域等。由于指纹识别技术是将输入的指纹和数据库中预存的指纹模板进行比对从而验证身份，因此要求指纹信息数据库的容量足够大，并且要不断更新。人脸识别技术是近年来迅速发展的一种生物识别技术。人脸识别技术涉及了计算机视觉、人工智能、感知学习和模式识别技术等科学领域。人脸识别是通过摄像机读取人类脸部特征信息，分析现实人脸的空间图像映射到机器空间的过程，分析人类脸部共有特征和个体人脸特征之间的关系，形成人脸图像模板，最终实现人脸自动识别。人脸识别技术具有方便、直接、友好等特点，在使用者接受度方面表现极好。但是人脸图像信息的数据量巨大，为了提高人脸识别的运算速度，必须对原始图像数据进行压缩，这就有可能降低识别率，造成一定的误识率和拒识率。签名识别是通过分析使用者签署自己名字的方式来进行身份鉴别。签名识别与指纹识别、人脸识别不同，它属于人类行为识别技术。签名识别分成在线验证和离线验证两种形式。离线验证是使用纸张上的字迹通过扫描仪等电子设备转化成数字图像再与数据库中模板信息比对；在线验证则通过手写板或压敏笔等传感器设备记录签名过程中的各项动态特征数值（写字速度、力度、角度、加速度等）。签名的动态特征是难以模仿的，因此签名的在线验证方式比离线验证方式要更加可靠。此外签名识别与人们平时的签字行为极为相似，因此具有很高的用户接受度。
二、生物识别技术在电子商务中的应用
伴随电子商务的发展，解决电子商务中的安全问题和寻找更加可靠方便的身份认证方式成为进一步发展电子商务的新需求。另一方面，随着全球信息化的发展，生物识别技术在技术发展和市场培育上都日趋完善，人们对生物识别技术的认知度和认可度也不断提高。全球生物识别技术产业化发展程度在不断扩大。2002年11月，中国科学院计算机技术研究所承担的“面像检测与识别核心技术”项目获得突破性成果，该系统能够在1/10~1/20秒之内自动检测到人脸，并且在1秒内完成身份识别。2003年阿拉伯联合酋长国宣布启用基于虹膜认证技术的针对被驱逐外国人的国界控制系统。2006年北京农村商业银行在国内试点使用指纹识别认证，用户可以通过指纹识别认证进入银行系统，自助完成各项操作。2007年中国建设银行和中国邮政储蓄银行分别在全国营业网点内推广应用柜员指纹身份认证系统。2008年北京奥运会，奥运村使用了基于人脸识别的酒店门禁管理系统。2010年波兰BPSSA银行宣布引入采用生物识别技术的自动取款机。国际民航组织确定从2010年起，其所有的成员国和地区必须使用基于人脸识别的机读护照，此项规定已经成为国际标准。此外日本三菱银行开发了基于手指静脉的认证系统用于金库管理。欧美国家将生物认证技术广泛用于医院病人资料库管理、政府信息中心出入境管理、小学生信息管理等多个领域。由此可以期待，在不远的将来，基于生物特征识别技术的更加平民化的电子商务应用走入我们的生活，带来更加安全更加便利的使用体验。
三、生物识别技术对电子商务的影响趋势
现代社会生活各方面都需要可靠方便的身份认证识别技术，尤其是在电子商务领域内，目前电子商务的运营过程中不乏因为过程监控不够周密而出现的货物丢失、冒领，并由此引发纠纷事件。未来，基于生物识别技术的身份认证识别能够覆盖电子商务的全领域，彻底解决电子商务运营过程中的身份认证问题。
1、在电子商务领域内的全领域覆盖电子商务在运行过程中涉及了买卖双方的身份认证、订单信息认证、支付安全认证、物流运输安全认证等多项认证。其流程之繁琐，认证技术运用频率之高是其他行业所无法比拟的。可靠便利的生物特征识别认证技术能够确保电子商务系统的正常运转。未来，电子商务的买卖双方可以通过生物特征认证技术证明自己的身份；通过生物特征认证和数字签名的双因子认证确定订单的真实有效，并完成相应的支付；物流公司的物流派送人员通过指纹验证确认接收到需要派发的货物；最终收货人通过提供带有生物特征信息的签收信息表明身份，确保货物安全送达。由此，生物特征技术确保了电子商务安全领域内的安全性、可用性、可控性、保密性和不可否认性，保障电子商务系统正常有序运行。
2、多项生物特征融合应用从目前的应用看来生物识别技术虽然前景良好，但仍存在有漏洞。例如，利用塑胶可塑性的特点采集指纹应对指纹验证系统；利用3D打印技术欺骗静态人脸识别验证系统。多项生物特征的融合使用就是生物特征识别技术的多因子验证。这种对多项生物特征的采集、融合、联合验证的新型理论和技术就是生物特征识别的未来发展趋势。该项技术能够对所采集的生物特征信息进行多方面、多级别的处理，得到更加完备的数据特征信息，从而完成精准度更高的身份认证，为安全可靠的身份认证技术的实施奠定了基础。
四、结论
随着科学技术的快速发展，我国物流领域实现了较为长足的进步，自动识别技术在物流管理中的广泛应用就是这一进步的最直观体现。基于此，就自动识别技术在物流管理中的应用展开研究，对自动识别技术的具体应用与发展趋势进行了深入分析，希望能够为我国物流领域的更好发展带来一定启发。
关键词：
自动识别技术；物流管理；射频识别技术
无论是出行所需的火车票与飞机票，还是与人们生活息息相关的快递行业，自动识别技术早已在其中实现了普及应用，这一应用在各领域所取得的成果，也使得自动识别技术受到的关注日渐提升，而为了保证自动识别技术更好服务于我国各行业发展，本文就自动识别技术在物流管理中的应用展开具体研究。
1自动识别技术概述
为了较为深入开展研究，首先需要较为全面地了解自动识别技术。结合相关文献资料不难发现，自动识别技术本身属于一种依托计算机实现数据信息自动采集、识别、输入的技术形式，而其所具备的功能能够满足物流领域的速度提升需求。在传统的物流领域中，信息的采集、识别、输入需要耗费大量时间，这就使得物流管理速度在很长一段时间难以实现提升，而随着自动识别技术的应用，以往物流管理中的编写、记录、扫描确认物品等耗费时间较久的环节将实现根本性升级，这使得自动识别技术支持下的物流管理将实现长足进步[1]。
2自动识别技术的分类
了解自动识别技术的概念后，还需要了解自动识别技术的分类，而结合相关文献资料与自身经验总结，笔者将对我国当下常见的条码识别技术与射频识别技术进行详细论述。
2.1条码识别技术
条码识别技术是自动识别技术的重要组成部分，这一技术在我国当下得到较为广泛的应用，很长一段时间条码识别技术都是自动识别技术的代名词，由此可见这一技术的影响力之深远。对于条码识别技术来说，其本身可以细分为一维码与二维码，其中一维码指的是由平行排列的宽窄不同的线条和间隔组成的二进制编码，人们在日常生活中的各类商品上都能够很轻松发现一维码的影子，而二维码则是一维码的衍生物，其能够从横纵两个方向表达信息，并具备相较于一维码更大的信息容量。在我国当下物流领域中，条码识别技术往往会通过条形码展示产品的生产日期、产地、货位码、装卸台条码等信息，这些信息就使得物流管理能够实现对物品的实时监控[2]。
2.2射频识别技术
除了条码识别技术外，射频识别技术同样属于自动识别技术的重要组成部分，这一自动识别技术通过无线电波传递数据，这一原理使得射频识别技术拥有优于条码识别技术的灵活性。对于射频识别技术来说，电子标签、读写器和计算机网络是其主要构成，其中电子标签负责存储商品信息，读写器负责进行信息的读取与修改，计算机网络则负责信息的传输与互通，而这些功能的实现就使得射频识别技术不仅具备较强灵活性，其本身的抗干扰能力、恶劣环境下的工作能力、信息存储量等都要优于条码识别技术。值得注意的是，射频识别技术还具备外形多样化、可重复使用的优点，这也是其拥有巨大发展潜力的原因[3]。除了条码识别技术与射频识别技术外，磁卡识别技术、图像识别技术、生物识别技术等同样属于自动识别技术的范畴，但这类技术或多或少存在一些实际应用方面的不足，故而本文不对其进行探讨。
3自动识别技术应用在物流管理中的重要性
结合上文内容较为全面地了解了自动识别技术，而为了更为深入开展研究，还需要明晰自动识别技术应用在物流管理中的重要性，而结合相关文献资料与自身认知，笔者将这一重要性概括为奠定物流管理信息化基础、促进现代物流发展、实现精准物流管理三方面。
3.1奠定物流管理信息化基础
传统物资传送手写记录存在速度慢、效率低、准确率难以保证等缺点，而自动识别技术在物流管理领域的应用能够实现物流信息及时掌控，这就使得传统物流管理方式被淘汰。在计算机技术的支持下，大量信息的存储、物流信息的读取和记录、全程的物流信息掌控、及时发现物流管理的问题、进行大量且迅速的物流信息管理等都属于自动识别技术应用在物流管理中重要性的表现，而这些就使得现代物流的大量化与效率化需求得到了较好满足[4]。
3.2促进现代物流发展
包装、运输、储存、加工配送等过程是传统物流的主要流程，而这一流程所具备的单一化功能与较小的服务范围早已无法满足我国经济与社会的发展需要，而在自动识别技术的支持下，物流管理的用户范围得到拓展、消费者多样化需求得到了满足、运输方法实现了整合，而以此为基础实现的物流管理信息化更使得物理运输的速度大大提升，这些都使得我国现代物流发展获得了较为有力的支持，由此可见自动识别技术在物流管理中的重要性[5]。
3.3实现精准物流管理
随着现代物流的快速发展，精准物流管理早已成为物流管理领域的共同追求，而这一追求想要得以真正实现，就必须得到自动识别技术的支持。在应用自动识别技术的物流管理中，大量物流信息能够在自动识别技术的支持下实现较高效率的记录、分类、识别、储存，而这些就较好解决了精准物流管理所面临的信息收集与整理问题，由此能够更为直观地了解自动识别技术应用在物流管理中的重要性。
4自动识别技术在物流管理中的具体应用
条形码、射频识别技术都属于自动识别技术在物流管理中应用的具体表现，而这些应用也使得我国物流管理领域实现了较为长足的进步。
4.1条形码的应用
这一应用主要实现了物流管理中物资信息的标识化，这种标识化对于商品的快速扫描、及时分类、位置记录都将带来较为积极的影响，而条形码所实现的货物自动扫描、数量监控，也使得物流管理在自动识别技术的支持下得以大大提升自身的效率与自动化水平。
4.2射频识别技术的应用
除了条形码外，射频识别技术同样在物流管理中有着较为广泛的应用，而这一应用就使得很多难以应用条形码的领域空白在射频识别技术的支持下得到了填补，这对于我国物流管理领域的发展同样会带来较为积极的影响。
5结语
本文就自动识别技术在物流管理中应用展开研究，详细论述了自动识别技术内涵、自动识别技术的分类、自动识别技术应用在物流管理中的重要性、自动识别技术在物流管理方面的具体应用等内容，希望该研究能够为相关从业人员带来一定启发。
参考文献
[1]陈东.基于自动识别技术的物流信息系统的研究与应用[D].济南:山东师范大学,2007.
[2]穆思竹.浅议自动识别技术在物流管理中的应用[J].全国商情,2016(36):8-9.
[3]陈婷.条码自动识别技术在柴油机制造业物流中的应用[D].昆明:昆明理工大学,2003.
[4]李一鹏.自动识别技术在数字图书馆管理系统中的应用研究[D].昆明:昆明理工大学,2006.
关键词：车牌；识别；专利；分析
引言
车牌识别技术[1-2]是指自动提取受监控区域车辆的车牌信息并进行处理的技术，其通过运用图像处理、计算机视觉、模式识别等技术，对摄像头捕获的车辆照片或视频进行分析，进而自动识别车辆的车牌号码。车牌识别技术可应用于停车场自动收费管理、道路监控等领域，在城市交通管理中发挥了重要作用。
1 中国专利申请情况分析
以CNABS专利数据库中的检索结果为分析样本，介绍车牌识别技术的中国专利申请量趋势以及重要申请人的状况。
1.1 第一阶段（2005年及之前）
在这阶段，申请量极少且申请人也极少，且针对的环境较为简单，处于技术的萌芽阶段，其中，专利CN1529276，通过车牌定位、字符分割和分类识别完成机动车牌号自动识别，其实现过程较为简单，具体细节描述较少。
1.2 第二阶段（2006年-2010年）
在这阶段的申请量比上一阶段有所增加，而且申请人数量相较之前也有增长，其中来自高校的申请量明显增加，反映出了高校研究者开始更加注重对研究成果的保护，这一阶段的专利所针对的环境场景更为复杂，识别准确率得到提高，对车牌定位、字符分割、字符识别等关键技术的研究更为深入。
1.3 第三阶段（2011年及以后）
在2011年之后车牌识别技术的专利申请量呈现快速增长，这一阶段车牌识别技术得到了更进一步的丰富，涉及的关键技术的解决途径也呈现出多样性，检测效率和精度也得到进一步提高，其中，专利CN104035954A，涉及一种基于Hadoop的套牌车识别方法，将云计算应用于车牌识别，使得与传统环境下不经过优化的方法相比具有^高的运行效率和加速比，可以有效地识别套牌车。
图2示出了中国重要申请人分布情况，申请量分布前十的申请人包括：电子科技大学、深圳市捷顺科技实业股份有限公司（捷顺科技）、浙江宇视科技有限公司（宇视科技）、信帧电子技术（北京）有限公司（信帧电子）、中国科学院自动化研究所（自动化研究所）、安徽清新互联信息科技有限公司（清新互联）、青岛海信网络科技股份有限公司（海信网络）、浙江工业大学、四川川大智胜软件股份有限公司（川大智胜）、上海高德威智能交通系统有限公司（高德威智能交通），从图2中可以看出，不同申请人的申请量差距不是很大，几乎保持在一个比较持平的状态。
电子科技大学在车牌识别技术的专利申请中，CN 101064011A提出一种基于小波变换的复杂背景中的车牌提取方法，可大大提高对晴天、雨天、雾天、白天及夜晚等环境的通用性和适用性，实现车牌的精确定位并提高车牌提取的准确度；CN 103455815A提出一种复杂场景下的自适应车牌字符分割方法，能快速、准确地搜索2、3字符间隔位置，实现自适应调整分割参数，使车牌字符分割稳定可靠，在复杂的环境中鲁棒性强，防止噪声干扰；CN 105005757A提出一种基于Grassmann流行的车牌字符识别方法，最大限度地利用了已获得的车牌字符信息以及同类字符之间的相互关系，对于车牌字符的成像质量要求更低，应用于复杂的环境中具有很好的鲁棒性和准确性。
2 关键技术分析
一个完整的车牌定位与识别系统，其前端包括图像采集和传输系统，末端还需要与数据库相连接。从定位到识别的核心算法上，主要包括图像预处理、车牌定位、字符分割和字符识别四大部分[3]。
图像预处理，是指通过对摄像头捕获的彩色图像进行预处理。常用的预处理方法包括图像灰度化、图像二值化、边缘检测等。
车牌定位，是指在经预处理后的车辆图像中，定位出车辆的车牌所在位置。常用的车牌定位方法包括基于纹理分析的方法、基于数学形态学的方法、基于边缘检测的方法、基于小波变换的方法和基于神经网络的方法等。CN 104298976A提出一种基于卷积神经网络的车牌检测方法，利用卷积神经网络完整车牌识别模型对车牌粗选区域进行筛选，获取车牌最终候选区域。
字符分割，是指将定位出的车牌区域图像分割成单个的字符图像。常用的字符分割方法包括基于轮廓的方法、基于投影的方法、基于模板匹配的方法和基于连通区域的方法等。CN 104408454A提出一种基于弹性模板匹配算法的车牌字符分割方法，基于弹性模板，通过插空进行模板序列形状的弹性调整，将车牌图片与理想模板进行匹配，获得全局最优匹配，确定字符位置，将分割算法作用于投影序列，实现对车牌字符的分割。
字符识别，是指对字符分割之后的单个字符图像进行识别，进而得到车辆的车牌号码。常用的车牌字符识别方法包括基于字符结构特征的识别方法、基于模板匹配的识别方法、基于神经网络的识别方法、基于模糊理论的模式识别方法和基于支持向量机分类识别方法等。CN 105975968A提出一种基于Caffe框架的深度学习车牌字符识别方法，以基于Caffe架构的深度学习为基础，解决了现有的车牌字符识别方法中对倾斜、断裂、相近字符识别精度不高的问题，大大提高了对于车牌字符的识别精度。
3 结束语
本文以车牌识别相关专利文献为样本，分析统计了该技术中国专利申请现状，并对车牌识别技术的关键技术进行简单分析。在经历了从无到有、从萌芽到飞速发展的阶段之后，车牌识别技术慢慢走向成熟，越来越多的企业和高校在车牌识别的研究上投入了大量的精力，也获得了丰硕的研究成果。
参考文献
[1]尹旭.汽车牌照定位研究综述[J].电脑知识与技术，2010，6（14）：3729-3730.
【关键词】射频识别 RFID 称重系统
1 前言
在传统的地磅称重系统中，存在着较多的作弊行为。如在过磅称重时，客户A（货物单价高）冒充客户B（货物单价低）的身份，以达到减少提货单价的目的；或是货车A（重量小）冒充货车B（重量大）上磅称重，以达到降低提货重量的目的。这些行为都将导致最后的提货总金额比实际的金额要低，从而导致企业蒙受相应的经济损失。
射频识别技术可以对客户以及车辆的身份进行识别，从而杜绝冒充用户提取货物、冒充车辆进行称重等一系列的作弊行为。
2 射频识别技术
射频识别（RFID）技术基于无线通信技术，一般的射频识别系统都包含两个部分：射频识别卡（应答器）和射频识别读卡器（阅读器）。射频识别卡中存储着指定的数据，而射频识别读卡器能够与射频识别卡在无需接触的情况下实现对卡内存储信息的读写操作。其基本原理如下：
射频识别读卡器会在一定的区域内发出指定频率的射频信号，当射频识别卡进入到该区域内时，将接收到该射频信号，能够通过卡内线圈产生感应电流激活识别卡并向读卡器发送卡中的数据。从而实现了非接触式的无线数据交换。
3 基于射频识别的系统设计与实现
3.1 基于射频识别的称重流程
RFID产品包含有源和无源两类，对于无源RFID，其工作的主要频率为13.56MHZ，可以进行近距离识别操作；而对于有源RFID，其工作的主要频率为433MHZ，能够进行远距离的识别。
在本系统中，使用了两种RFID产品，其中无源RFID用来对客户的身份进行识别，需要客户手持卡片（M1卡）靠近读卡器进行识别。另外考虑到车牌自动识别在恶劣的天气或车牌模糊的情况下无法准确识别，因此在系统中使用了有源RFID对车辆的身份进行识别（在车辆的前车窗粘贴RFID标签进行远距离读写操作）。基于RFID的称重流程如图1所示。
如图1所示称重流程，当货车停在地磅上进行称重时，客户手持M1卡（卡中包含客户的相关信息）到磅房的读卡器上进行刷卡。读卡器获取到客户的信息后进行比对，若不一致说明是冒充另外的客户进行提货，进行错误提示；若一致则从数据库中得到客户的提货单价，并通过远距离读卡器得到地磅上货车的电子标签信息（每辆货车的电子标签信息与M1卡的信息已在数据库中进行关联），并与M1卡的信息进行比对，如不一致，说明地磅上的货车与实际称重货车不同，属于作弊行为，进行错误提示；若一致则读取到提货重量并计算提货总金额，流程结束。
3.2 M1卡的读写实现
客户手持RFID识别卡为M1卡，该卡内部包含16个分区（编号为0-15），每个分区包含4个区块（编号为0-3），因此一共有64个区块可以用来存放相关信息，这64个区块进行统一编号0-63，其中0区块（0分区的0区块）用来固化出厂信息，用户无法修改。对于其他分区的各自4个区块，0-2区块中可存放用户数据，而3区块用于保存控制信息，存储了对0-2区块的存取策略。对M1卡的读写操作如图2所示。
系统在.NET平台中进行实现，基于厂家的动态链接库进行操作。由于属于非托管代码，因此需要对动态链接库中的方法加上[DllImport]特性标注后再进行调用。具体实现代码说明如下：
1）初始化操作
Int ReaderNo=M1Oper.rfinit（0，0）；//对设备进行初始化，并得到返回的设备编号
2）寻卡操作
int status=M1Oper.rfRequest（ReaderNo，1）；//编号为ReaderNo设备的寻卡操作，该操作是一个循环操作。当返回的status为0时，说明感应区域内有M1卡，停止寻卡；不为0时，继续寻卡
3）防冲突
Int anticlooStatus= M1Oper.rfanticoll（ReaderNo， CardNo）；//由于读卡器识别区域内可能同时存在多张M1卡，因此需要进行防冲突操作
4）验证分区密码
int success=M1Oper.rfAuthentication（ReaderNo，0，2）；// 对于ReaderNo设备识别到的M1卡，验证0扇区的密码
5）数据操作
M1Oper.rfRead（ReaderNo，2，data）；//对于ReaderNo设备识别到的M1卡，读取卡中区块编号为2的数据，并存储到data（字节数组）中
4 总结
本文介绍了应用射频识别技术实现对防作弊称重系统中客户以及货车身份进行识别的具体流程以及详细实现代码。通过射频识别技术，在简化系统操作的同时，能够杜绝冒充用户提取货物、冒充车辆进行称重等一系列的作弊行为，可以为称重企业挽回巨额经济损失，并提高企业管理水平。
参考文献
[1]张锋.基于射频技术的农业智能灌溉案例研究[J].长沙民政职业技术学院学报，2014（04）.
[2]温兴辉，陈伟.基于射频技术的电动自行车智能防盗系统[J].微型机与应用技术，2014（10）.
[关键词]微带天线；射频识别；工作原理；协议设计
中图分类号：TP391.4 文献标识码：A 文章编号：1009-914X（2015）17-0260-01
一、对射频识别技术的概述
射频识别，英文为Radio Frequency Identification，简称为RFID，是非接触的自动识别技术。RFID技术兴起于20世纪80年代，由于超大集成电路技术的发展90 年代才进入实用化阶段。RFID系统采用了无线电与雷达技术，数据交换不是 通过电流的触点接通而是通过电场与磁场，即通过无线的方式通信。与其他的识 别方式相，RFID技术能对移动的多个项目进行识别，因而应用更广泛。RFID技术的实现主要由以下三个部分组成：存储信息的应答器（电子标签）、标签读写器、后台数据库处理系统。RFID的关键技术着眼点在于采用什么技术来实现标签信息的可靠读出。射频识别技术作为作为一种新兴的自动识别技术，在中国很快普及。我国射频识别产品的市场是非常巨大的，射频技术被广泛应用于工业自动化、商业自动化、交通运输控制管理等众多领域：汽车、火车等交通监控、高速公路自动收费系统、停车场管理系统、物品管理、流水线生产自动化、安全出入检查、仓储管理、动物管理、车辆防盗等等。
二、微带天线作用分析
射频识别卡天线主要用于接收射频识别卡的射频能量及信息，并发射射频识 别卡的相关信息。发射时把高频电流转换成电磁波，接收时把电磁波转换为高频电流，射频识别卡和读写器是通过天线进行数据交换的。天线作为通信系统的重要组成部分，其性能的好坏直接影响通信系统的指标，在选择天线时必须首先注重其性能，第一是选择天线类型；第二是选择天线的电气性能。选择天线类型的意义是所选天线的方向图是否符合系统设计中电波覆盖的要求，选择天线电气性能的要求是选择天线的频率带宽、增益等电气指标是否符合系统设计要求。按照RFID系统的工作方式或工作频段不同，射频识别卡的天线一般可分为近场感应线圈天线和远场辐射天线。
由于RFID卡的廉价、尺寸限制使得一般的天线如：螺旋天线、喇叭天线、反射面天线等都不合适，廉价、剖面低、重量轻、体积小、易共形、易制作的微带天线成为更好的选择。微带天线又称为印刷振子或印刷偶极子是微带天线中除了微带贴片外的又一类微带辐射元。对微带天线的主要封装方式就是平面介质加盖。因此封装特性考察的主要内 容就是不同形状、不同厚度、不同介电常数的介质平面对于微带天线性能的影响，或者进一步地考虑两层以上介质的平面封装模型。为了保持接收信号的稳定，终端功率控制方案也是一项关键技术。
三、射频识别系统的分类
1.按作用距离的远近来分类
（1）密耦合。具有很小作用距离的射频识别系统。典型的范围从0 到1cm这种系统称为密耦合系统，即紧密耦合系统。必须把应答器插入读写器中，或者放置在读写器为此设定的表面上。
（2）遥耦合。把写和读的作用距离1cm至1m的系统称作遥耦合系统。所有遥耦合系统在读写器和应答器之间都是电感磁耦合。遥耦合中又分为近耦合（典型距离为15cm）和远耦合（大约距离为1m）。
（3）远距离系统。远距离系统典型的作用距离是从1m到10m，个别的系统也有更远的作用距离。所有远距离系统都是在微波范围内用电磁波工作的，发送频率通常为2.45GHz。
2.按系统的性能分类
按数据载体的存储能力、处理速度、作用距离和密码功能等分类，射频识别 系统可从低档到高档构成整个谱系。
3.射频识别系统协议和频率
对射频识别系统来说，最主要的频率在0～135kHz以及ISM（Industrial-Scientific-Medical）频率6.78MHz、13.56MHz、27.125MHz、40.68MHz、433.92MHz、869.0MHz、915.0MHz、2.45GHz、5.8GHz和24.125GHz。
频率13.553MHz～13.567MHz 处于短波范围，在这个频率范围内的传播条件允许昼夜横贯大陆联系。该频率范围的使用者是不同类别的无线电服务机构，例如新闻机构和电信机构。在这个频率范围内，除了电感射频识别系统，其他的ISM应用有遥控系统、远距离控制模型系统、演示无线电设备和传呼机。
四、RFID系统的工作原理
电子标签进入磁场后，如果接收到阅读器发出的特殊射频信号就能凭借感应电流所获得能量发出存储在芯片中的产品信息（无源标签或被动标签）或者主动发送某一频率信号（有源标签或主动标签）阅读器读取信息并解码后，送RFID系统的识读过程。阅读器将设定数据的无线电载波信号经过发射天线向外发射。当射频标签进入发射天线的工作区时，射频标签被激活后即将自身信息代码经天线发射出去。系统的接收天线接收到射频标签发出的载波信号，经天线的调制器传给读写器，读写器对接收到的信号进行解调、解码，送后台电脑控制器。计算机控制器根据逻辑运算判断射频标签的合法性，针对不同的设定做出相应的处理和控制，发出指令信号控制执行机构的动作。从而完成有关信息查询、统计、管理等功能。RFID可以极快的速度在阅读器和电子标签之间采集和交换数据：具有智能读写及加密通信的能力，唯一性密码，极强的信息保密性，这对于军队保密等要求准确、快速、安全、可控提供了切实可行的技术途径。无论我们使用的各类系统、收发公文处于任何环节，相关人员都可以实时掌握其信息和状态。
五、RFID技术身份识别系统认证协议设计
无线射频技术的安全性至关重要，因此读卡器和电子标签之间的认证流程和通信安全性需要特别设计，本文采取的认证机制运用了读卡器和标签的互相认证。在这种认证机制中，读卡器与电子标签卡在出厂设置时都会存储一个公共的认证密钥K，并认为这个公钥是安全的，此公钥用于计算随机通信密钥，每次通信交易的密钥都会有所区别，无法被其他设备所复制。
鉴别机制的执行过程如下：
（1）读卡器向射频卡发送认证请求命令。
（2）信息卡返回初步认证数据。
（3）读卡器接收响应后，产生随机数A并且和公共密钥K加密运算用形成公钥信息发送给射频卡。
（4）信息卡接收到读卡器的公钥与已有的公钥比较，相同则解密随机数A并产生随机数B，用公共密钥和B进行加密形成二次认证数据发送给读卡器；不相同则认证失败。
（5）读卡器成功接收后将接收的二次验证信息利用随机数B运算产生的数据再一次发送给信息卡，并用公共密钥解密，解析出随机数A′并与之前的随机数A对比，相同则认证成功；否则认证失败。
结论
RFID射频识别是一种非接触式的新型认证技术，它通过射频信号自动识别目标对象并获取相关数据。作为身份认证技术非常合适，以后会在更多的领域得到应用推广。
参考文献
[1] 杨庆霞，刘哲.射频识别（RFID）技术趋势与展望[J].学术理论与探索，2013（04）：23.
[2] 冯新亮，顾伟.解析无线射频（RFID）技术[J].学术理论与探索，2012（06）：15.
