許富景, 馬鐵華

(1. 山西大學(xué) 自動化系,太原 030013； 2. 中北大學(xué) 電子測試技術(shù)國家重點實驗室，太原 030051)

在物流、物聯(lián)網(wǎng)行業(yè)，貯運即貯存與運輸階段的統(tǒng)稱。實時監(jiān)測貯運對象的物理狀態(tài)及環(huán)境信息，建立健全的貯運全程履歷信息庫，對于物流對象安全、健康狀態(tài)的判定具有直接指導(dǎo)意義。在能源物質(zhì)、文物、危險化工品等高價值對象的流通過程中(貯存、運輸)，目前國內(nèi)外普遍缺少合理、高效的貯運環(huán)境信息參數(shù)及物流狀態(tài)的監(jiān)測方法，對于由于溫濕度等儲存環(huán)境不適、振動、沖擊等引起的意外資源損耗不能提前感知或者預(yù)警，從而帶來巨大的損失和浪費[1]。據(jù)統(tǒng)計，國內(nèi)食品供應(yīng)鏈中只有11%采用了專業(yè)的冷凍或者監(jiān)測設(shè)備，由此每年造成的經(jīng)濟(jì)損失高達(dá)750億人民幣[2-3]。因此，貯運監(jiān)測技術(shù)的研究已成為物流、物聯(lián)網(wǎng)行業(yè)發(fā)展的迫切問題。

國內(nèi)外關(guān)于貯運監(jiān)測技術(shù)的研究起步較晚，技術(shù)缺陷十分明顯。文獻(xiàn)[4]指出很多情況下我國倉儲、運輸行業(yè)多采用定點監(jiān)測或定時監(jiān)測的方式進(jìn)行監(jiān)控，并且多數(shù)操作需要人工完成，自動化、智能化水平較低。最近幾年，有線傳感網(wǎng)絡(luò)技術(shù)得到小規(guī)模的應(yīng)用，文獻(xiàn)[5]提出了有線傳感網(wǎng)絡(luò)的環(huán)境信息監(jiān)測技術(shù)，大大縮減了人力，降低了人工監(jiān)測誤差，然而由于該技術(shù)布線繁雜、設(shè)備體積大，難以大規(guī)模推廣。為了解決有線設(shè)備布線繁雜的問題，文獻(xiàn)[6]提出了基于GPRS的倉儲無線監(jiān)測方法，實現(xiàn)了對倉庫貯存環(huán)境參數(shù)的無線監(jiān)測，文獻(xiàn)[7]提出基于Zigbee的無線倉儲監(jiān)測方法，這些方法都利用無線監(jiān)測節(jié)點實現(xiàn)了倉儲環(huán)境的監(jiān)測，然而這些方法僅僅實現(xiàn)了倉儲階段的監(jiān)測，并不能將更為關(guān)鍵的運輸階段納入監(jiān)測范圍，即不具備貯運(貯存、運輸)全程監(jiān)測能力，同時監(jiān)測設(shè)備無法標(biāo)識貯運對象的名稱、生產(chǎn)日期、出入庫信息和物流狀態(tài)等實時信息。為此，文獻(xiàn)[8]提出基于采用RFID射頻技術(shù)的貯運信息監(jiān)測方法，僅利用微型化的一維或二維條形碼就實現(xiàn)了對貯運對象上述物流信息的標(biāo)識，然而該技術(shù)只能完成貯運對象身份及物流狀態(tài)的靜態(tài)管理，其最大缺點就是無貯運全程環(huán)境信息監(jiān)測能力。

為此，本文提出一種基于壓縮感知理論的貯運信息動態(tài)獲取方法，首次實現(xiàn)了多種貯運環(huán)境信息的全程監(jiān)測，同時可對貯運對象的身份信息和物流狀態(tài)進(jìn)行動態(tài)管理。

1 問題描述

貯運信息獲取技術(shù)的研究將給物聯(lián)網(wǎng)行業(yè)、物流行業(yè)和現(xiàn)代倉儲監(jiān)管行業(yè)的發(fā)展提供堅實的技術(shù)保障，然而貯運信息動態(tài)獲取主要面臨著以下三大難點[9-10]：① 貯運監(jiān)測時間長。貯運對象從生產(chǎn)到最后的應(yīng)用一般會經(jīng)歷生產(chǎn)、貯存、運輸和應(yīng)用幾個環(huán)節(jié)，其中處于貯運環(huán)節(jié)的時間最長，這個環(huán)節(jié)短則數(shù)月，長則數(shù)年，這就對監(jiān)測設(shè)備的功耗提出異?？量痰囊?。② 貯運監(jiān)測過程復(fù)雜。貯運過程按照大類可以分為貯存與運輸兩大過程，如若細(xì)分則包含多種工況，如裝卸工況、貯存工況、意外跌落工況、運輸工況等。首先，各個過程監(jiān)測的敏感信號繁雜，例如溫度、濕度、振動、磁場強(qiáng)度等，大大增加了監(jiān)測難度。其次，不同的貯運過程與工況對應(yīng)的監(jiān)測策略差異很大，比如振動信號，從頻域上來分析，貯存過程的振動信號基本為0 Hz或者最大幾個赫茲，而運輸過程的振動信號頻域范圍可能為幾赫茲到數(shù)千赫茲。如果在貯存與運輸階段采用統(tǒng)一的監(jiān)測策略和采樣頻率，則可能由于采樣頻率過低造成運輸階段采樣失真或者由于采樣頻率過高在貯存階段造成巨大的系統(tǒng)資源浪費。因此，貯運監(jiān)測必須采用合理的變頻采樣策略，這就增加了信息獲取的復(fù)雜度。再次，從空間上來說，假設(shè)一個倉庫最終要獲取水平分辨率為u，垂直分辨率為v的環(huán)境信息，對于中等大小的倉庫需要的貯運監(jiān)測系統(tǒng)就有幾百個，大型倉庫則會更多。如此規(guī)模的監(jiān)測系統(tǒng)和監(jiān)測信息一方面在目前無線傳輸帶寬限制下很難實現(xiàn)，另一方面監(jiān)測數(shù)據(jù)同樣異常龐大，使得有用數(shù)據(jù)的提取大大受限，直接影響監(jiān)測結(jié)果。③ 監(jiān)測環(huán)境特殊。貯運信息獲取技術(shù)既要實現(xiàn)貯存過程的信息獲取又要實現(xiàn)運輸過程的全程信息獲取，監(jiān)測設(shè)備體積不能太大并且不能采用有線布設(shè)的方式進(jìn)行監(jiān)測，必須利用無線通信技術(shù)解決這一難題，而無線傳感網(wǎng)絡(luò)的傳輸帶寬和能耗勢必成為影響貯運監(jiān)測效率的瓶頸。

本文提出的貯運全程信息獲取方法從功能上來說旨在研究分布式監(jiān)測節(jié)點完成貯運對象處于倉儲貯存與運輸過程中多種環(huán)境參量(時間、溫度、濕度、振動、沖擊等)的動態(tài)監(jiān)測，同時具備貯運對象物流狀態(tài)監(jiān)管和ID身份識別能力，即要研究集貯運環(huán)境監(jiān)測與物流管理于一體的微小型“智能條形碼”，大大提升監(jiān)測系統(tǒng)的集成度與現(xiàn)代化水平，如圖1所示。從技術(shù)上來說，創(chuàng)新性的采用壓縮感知方法，實現(xiàn)運輸過程高頻信號的低采樣頻率監(jiān)測與準(zhǔn)確重構(gòu)以及貯存過程二維空間上監(jiān)測節(jié)點的壓縮與信號場重構(gòu)，在降低了系統(tǒng)資源的前提下不影響監(jiān)測精度。

圖1 貯運信息動態(tài)獲取示意圖

2 基于壓縮感知的貯運信息獲取方法

由第1節(jié)可知，貯運全程信息無論從時間上還是空間上信息量都巨大，本文摒棄傳統(tǒng)的無線傳感網(wǎng)絡(luò)監(jiān)測方法，提出采用隨機(jī)布設(shè)在倉儲環(huán)境下的監(jiān)測節(jié)點(智能條形碼)隨機(jī)采集數(shù)據(jù)，而后利用壓縮感知方法對全區(qū)域數(shù)據(jù)實現(xiàn)高精度、高分辨率的數(shù)據(jù)重構(gòu)與恢復(fù)，從而壓縮大量的貯運數(shù)據(jù)、縮減無線傳輸帶寬、降低網(wǎng)絡(luò)能耗。

2.1 貯運信號稀疏性

Donoho等于2006年提出一種壓縮感知(Compressed Sensing, CS)方法[11]。該方法表明假如信號在某一處理域(如頻域)上是可壓縮的，則該信號可以通過較低的采樣速率和較少的采樣設(shè)備進(jìn)行采集，而后通過合理的重構(gòu)算法對數(shù)據(jù)進(jìn)行一維或二維恢復(fù)。

(1)

式中：Θ為Ψ域投影系數(shù)，Θi=[θi]=[〈X，Ψi〉]，即Θ為x在Ψ域的等價表示。若Θ的非零個數(shù)S?N，則認(rèn)為x信號在Ψ域是稀疏信號，x信號是可壓縮的[12]。

貯運信息壓縮感知的一個重要前提是式(1)的可逆性，泛函理論中指出正交變換過程是可逆的。實際工程應(yīng)用中，考慮硬件資源問題，進(jìn)行稀疏域的基向量選取往往選擇正交基，這樣自然界中的常見信號一般都可以在特定的基上進(jìn)行稀釋表示。如比較常見的聲音信號、貯運環(huán)境下的溫度信號、濕度信號一般都可以在傅里葉、小波變換或者DCT基中稀疏表示[13]。因此，貯運信號是可以進(jìn)行壓縮感知的。

2.2 隨機(jī)節(jié)點布設(shè)

信號的稀疏表示是壓縮感知的前提，壓縮感知理論還包括觀測矩陣的設(shè)計與信號重構(gòu)2個方面。CS理論指出信號在采樣階段通過觀測矩陣Φ∈RM×N將原始N維信號x降維壓縮為y∈RM，即

y=Φx

(2)

將式(1)代入，則式(2)可轉(zhuǎn)化為

(3)

(4)

式中：δ為RIP系數(shù)，0<δ<1。常用的觀測矩陣有高斯矩陣和托普利茲矩陣等，這些矩陣雖然滿足上述條件，然而并不能降低布設(shè)的數(shù)量與無線傳輸?shù)木W(wǎng)絡(luò)開銷，因此本文提出在n×n的單位隨機(jī)矩陣中隨機(jī)抽取m行形成m×n的觀測矩陣R，這一過程正是隨機(jī)節(jié)點布設(shè)的意義。實際過程中隨機(jī)節(jié)點的布設(shè)肯定要有一定量的冗余，這樣可在隨機(jī)布設(shè)的基礎(chǔ)上采用隨機(jī)概率采樣的方法進(jìn)一步構(gòu)建觀測矩陣，如此R必須滿足式(5)

(5)

其中，

(6)

(7)

式中：L，W，H分別為貯存?zhèn)}庫的長、寬和高；u和v分別為對應(yīng)方向的分辨率。采用隨機(jī)布設(shè)后，貯存?zhèn)}庫內(nèi)需要布設(shè)的監(jiān)測節(jié)點數(shù)量為K，每個節(jié)點的采集概率為pk。一般地，K的取值不小于S·log2(L/S)，其中S為監(jiān)測信號的稀疏度，L為按照經(jīng)典采樣理論所需布設(shè)的節(jié)點數(shù)量。顯然，K值越大則重構(gòu)精度越高。

假設(shè)貯運隨機(jī)節(jié)點布設(shè)矩陣用G表示，某次采樣過程的概率分布用A表示，則實際的觀測矩陣R為

R=A×G

(8)

(9)

(10)

由于觀察信號的維數(shù)遠(yuǎn)小于原始信號維數(shù)，所以通過觀察值直接求解式(2)是不可能的，然而由于y是S階稀疏的，且S

(11)

然而，由于l0范數(shù)的最小化問題是一個NP-hard問題，根據(jù)泛函分析理論，l0范數(shù)問題可以等價為l1范數(shù)問題，因此本文采用l1范數(shù)來求解上述問題，即

(12)

3 貯運信息隨機(jī)壓縮試驗與分析

采用壓縮感知后，貯運信息監(jiān)測節(jié)點(智能條形碼)的硬件功耗會大大降低。此外，在監(jiān)測節(jié)點中設(shè)計合理的分區(qū)/分時電源和頻率網(wǎng)絡(luò)，制定監(jiān)測節(jié)點工作狀態(tài)轉(zhuǎn)換策略(工作態(tài)、休眠態(tài)、掛起態(tài)智能轉(zhuǎn)換)，選用功耗較低的嵌入式處理器可以額外降低功耗[16-18]。這就減小了電池的體積與存儲器的容量，從而縮減設(shè)備體積?；趬嚎s感知的貯運信息監(jiān)測節(jié)點結(jié)構(gòu)圖如圖2所示，監(jiān)測節(jié)點的體積不大于60×80×10 mm3，系統(tǒng)休眠態(tài)最低功耗小于500 μA。

為驗證基于隨機(jī)布設(shè)采樣的貯運信息動態(tài)監(jiān)測方法的性能，選取某中型倉庫進(jìn)行試驗。倉庫面積為144×96 m2，按照傳統(tǒng)監(jiān)測要求長度方向每3 m布設(shè)一個監(jiān)測節(jié)點，寬度方向每2 m安裝布設(shè)一個監(jiān)測節(jié)點，布設(shè)示意圖如圖3所示，則整個倉庫需要安裝48×48=2 304個監(jiān)測節(jié)點。傳統(tǒng)監(jiān)測結(jié)果分辨率較高，結(jié)果較為詳細(xì)，然而布設(shè)點太多，網(wǎng)絡(luò)資源以及能耗資源巨大。

(a)

(b)

圖3 傳統(tǒng)布設(shè)示意圖

當(dāng)貯運對象處于貯存狀態(tài)時，由于環(huán)境信息變化緩慢但監(jiān)測過程較長，此時即使每4 h監(jiān)測一次，對于整個貯存過程數(shù)據(jù)量仍然龐大，為此采用壓縮感知原理，每天采集一次數(shù)據(jù)，而后通過高概率重構(gòu)算法重建整個貯存過程數(shù)據(jù)，實現(xiàn)壓縮感知。運輸過程信息變化速率較快，采樣頻率較高，信息量依然較大，但信息壓縮方法類似。采用壓縮感知理論后，某ID為DY-003的監(jiān)測節(jié)點監(jiān)測的貯運環(huán)境信息如圖4和圖5所示。

由圖4和圖5可知，監(jiān)測節(jié)點采用壓縮感知理論后，相對于原來每4 h采集一次數(shù)據(jù)，采樣頻率降低了6倍，數(shù)據(jù)量大幅壓縮，然而如果每天按照固定的時間定點采集數(shù)據(jù)后進(jìn)行數(shù)據(jù)重構(gòu)，數(shù)據(jù)重構(gòu)準(zhǔn)確度是極低的，因為這樣采集信號的信息量過于貧乏。比如對于圖6所示的信號，如果按照固定間隔定時采樣(低采樣頻率)，則采樣結(jié)果近似為靜態(tài)信號，對原信號頻譜包含范圍較窄。為了克服這一確定，本文提出隨機(jī)時間的采樣方法，即在一天中不固定采樣時間，而采用隨機(jī)時間進(jìn)行采集的方法進(jìn)行監(jiān)測。這種隨機(jī)時間采樣的數(shù)據(jù)既包含了信號隨時間天的變化規(guī)律，同時隱藏著數(shù)據(jù)一天之內(nèi)的變化規(guī)律，從頻域來說，隨機(jī)時間采樣顯然隱含的原信號頻譜范圍較寬，如此大大提高了信號的信息含量。當(dāng)然，這種隨機(jī)時間采樣之所以可以恢復(fù)是由于貯運監(jiān)測對采樣的時間點進(jìn)行了精確記錄。

圖4 貯運環(huán)境溫度監(jiān)測結(jié)果

圖5 貯運環(huán)境濕度監(jiān)測結(jié)果

圖6 隨機(jī)時間采樣

由于溫度、濕度信號的貯運變化規(guī)律類似，重構(gòu)算法也類似，這里以溫度信號為例，圖7(a)給出一條利用高采樣頻率監(jiān)測的一年內(nèi)溫度變化曲線。在貯存階段，由于監(jiān)測信號(溫度、濕度、加速度、磁強(qiáng))的變化規(guī)律都較為簡單并且信號的稀疏度基本可以根據(jù)前期試驗或經(jīng)驗獲得，故常用的正交匹配追蹤法(OMP)、正則化正交匹配追蹤法(ROMP)、壓縮采樣匹配追蹤(CoSaMP)法等重構(gòu)算法均可實現(xiàn)該階段信號的高精度重構(gòu)，本文采用正交匹配追蹤法對監(jiān)測的溫度數(shù)據(jù)進(jìn)行重構(gòu)，其重構(gòu)結(jié)果如圖7(b)所示。

(a) 高概率溫度采樣結(jié)果

(b) 一維溫度重構(gòu)結(jié)果

由于一維數(shù)據(jù)的重構(gòu)誤差P1如式(13)所示

(13)

運用MATLAB軟件，將圖7數(shù)據(jù)代入式(13)進(jìn)行計算，重構(gòu)誤差在0.8%以內(nèi)。

相對于貯存階段，運輸過程的信號較為復(fù)雜，其中沖擊加速度應(yīng)當(dāng)是各種環(huán)境參量中最復(fù)雜的參量，為了分析壓縮感知原理對沖擊加速度的重構(gòu)效果，利用馬歇特錘裝置模擬運輸過程中可能的沖擊加速度信號，試驗裝置如圖8(a)所示。運輸過程的加速度信號多為半正弦信號且頻率在10 Hz～3 kHz，利用馬歇特錘模擬產(chǎn)生此頻率范圍內(nèi)的振動信號，采用10 MHz的采集卡記錄加速度信號的標(biāo)準(zhǔn)數(shù)據(jù)。從工程應(yīng)用角度，對于這樣的加速度信號至少應(yīng)當(dāng)以不小于20 kHz的采用頻率才能準(zhǔn)確獲取，然而本文根據(jù)壓縮感知理論采用10 kHz的隨機(jī)采樣方式采集信號。由于運輸過程加速度信號復(fù)雜多變，其信號稀疏度無法提前獲取，因此貯存階段的幾種重構(gòu)算法無法適用。為此，在運輸階段本文采用自適應(yīng)匹配追蹤算法進(jìn)行重構(gòu)，該算法可以通過迭代逐漸逼近真實信號的稀疏度，重構(gòu)結(jié)果如圖8(b)所示。

(a) 馬歇特錘試驗裝置

(b) 加速度信號重構(gòu)結(jié)果

對加速度信號的重構(gòu)誤差進(jìn)行分析，其重構(gòu)誤差為9.2%。這個誤差較溫度信號的重構(gòu)誤差有所增大，這是因為貯運過程的沖擊加速度信號本身較溫度信號復(fù)雜的多，其頻譜也較復(fù)雜，因此重構(gòu)精度有所下降。然而這個誤差范圍完全可以保證加速度信號的精確重構(gòu)。

對于二維貯存監(jiān)測情況，傳統(tǒng)監(jiān)測方法布設(shè)數(shù)量眾多，采用傳統(tǒng)監(jiān)測方法的某一時刻倉儲溫度監(jiān)測結(jié)果如圖9所示。

圖9 二維溫度監(jiān)測結(jié)果

采用2.2節(jié)所述的隨機(jī)節(jié)點布設(shè)的方法，在倉庫內(nèi)隨機(jī)布設(shè)550個監(jiān)測節(jié)點(傳統(tǒng)監(jiān)測需要布設(shè)2 304個節(jié)點)，隨機(jī)監(jiān)測結(jié)果如圖10所示。這樣網(wǎng)絡(luò)資源和能耗相對原來降低了76%以上，監(jiān)測結(jié)束后通過上位機(jī)數(shù)據(jù)重構(gòu)對原始溫度場進(jìn)行還原，數(shù)據(jù)重構(gòu)結(jié)果如圖11所示。

壓縮感知理論中二維數(shù)據(jù)的重構(gòu)誤差P2如式(14)所示

(14)

將重構(gòu)數(shù)據(jù)代入式(14)計算的重構(gòu)誤差小于5%。顯然，隨著布設(shè)數(shù)量的增加重構(gòu)誤差越來越低，二者關(guān)系如圖12所示。

圖10 隨機(jī)監(jiān)測結(jié)果

圖11 二維溫度重構(gòu)結(jié)果

圖12 重構(gòu)誤差與布設(shè)數(shù)量關(guān)系圖

4 結(jié) 論

隨著現(xiàn)代物流和物聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，貯運安全問題越來越受人們關(guān)注，然而這一領(lǐng)域卻一直沒有既可完成物流身份及狀態(tài)管理又具有貯運全程監(jiān)測的電子設(shè)備。針對這一問題，提出一種基于壓縮感知的貯運全程動態(tài)獲取方法。該方法充分利用貯運信號稀疏性，提出隨機(jī)節(jié)點布設(shè)、隨機(jī)概率采集和隨機(jī)時間采樣方法，解決了貯運監(jiān)測過程大數(shù)據(jù)、低功耗的難題，研制了集貯運環(huán)境監(jiān)測與物流管理于一體的“智能條形碼”。依據(jù)該方法設(shè)計的“智能條形碼”的功耗水平降至500 μA以下，體積小于60×80×10 mm3。試驗表明，基于壓縮感知的貯運信息動態(tài)獲取方法在不降低監(jiān)測分辨率的情況下顯著減少了布設(shè)數(shù)量，降低系統(tǒng)功耗，并且數(shù)據(jù)重構(gòu)誤差在9.2%以內(nèi)。