田沐鑫，何 極，陳邦亮，趙 萌，陳 芬

(寧波大學(xué) 信息科學(xué)與工程學(xué)院，浙江 寧波 315211)

0 引言

隨著酒店、公寓等應(yīng)用市場(chǎng)中智能門鎖的普及，傳統(tǒng)插卡取電模式逐漸被淘汰，取而代之的是利用室內(nèi)人體感應(yīng)設(shè)備判斷房間是否有人存在[1]，從而實(shí)現(xiàn)自動(dòng)通斷電功能?，F(xiàn)市場(chǎng)已有的傳統(tǒng)人體感應(yīng)器如紅外人體感應(yīng)器、多普勒感應(yīng)器、超聲波感應(yīng)器等，在精確度、靈敏度和適應(yīng)性等方面存在不足，容易受到光線的干擾，并且用于設(shè)計(jì)人體感應(yīng)系統(tǒng)時(shí)，不能做到低成本判斷靜止人體存在，故無(wú)法滿足產(chǎn)業(yè)需求。而利用市面已存在的新型產(chǎn)品(諸如iHUAGAO智能傳感器、安銳通智能感應(yīng)器)設(shè)計(jì)人體感應(yīng)系統(tǒng)，也存在待機(jī)電流大、探測(cè)角度窄等問(wèn)題。因此，急需一款高靈敏度、高適應(yīng)性的室內(nèi)人體感應(yīng)設(shè)備。

而在無(wú)線傳感網(wǎng)絡(luò)中，對(duì)室內(nèi)目標(biāo)定位追蹤可分為兩類：主動(dòng)定位追蹤技術(shù)和被動(dòng)定位追蹤技術(shù)。較之主動(dòng)定位追蹤，被動(dòng)定位追蹤不需自身攜帶終端設(shè)備，因此能更為有效地感知位置，追蹤移動(dòng)軌跡。目前無(wú)線傳感網(wǎng)絡(luò)中對(duì)室內(nèi)目標(biāo)定位追蹤多采用這種方法，如劉建華[1-2]等基于射頻信號(hào)設(shè)計(jì)實(shí)現(xiàn)定位算法，利用馬爾科夫鏈模型對(duì)每個(gè)對(duì)應(yīng)于信號(hào)連線的子向量進(jìn)行優(yōu)化；丁根明[3]等仿射傳播聚類算法、接入點(diǎn)選擇算法優(yōu)化指紋定位系統(tǒng)性能。這些已有方法雖然在精度方面較為理想，但其數(shù)據(jù)量大，計(jì)算復(fù)雜度較高，功耗大，不能低功耗簡(jiǎn)單快速獲得人體是否存在的判斷，也未能直接將判斷信息處理上傳云端。

本文設(shè)計(jì)了基于ZigBee背景噪聲的高靈敏度被動(dòng)室內(nèi)人體感應(yīng)系統(tǒng)，不需攜帶任何裝備，僅通過(guò)噪聲信號(hào)變化就能判斷人體存在。系統(tǒng)包含三種工作模式，并可進(jìn)行誤觸判斷，采用了SVM算法[4]，能夠可視化分析，整體提高了感應(yīng)人體的準(zhǔn)確度。系統(tǒng)不止局限于感知人體狀況，還能無(wú)縫接入各大云平臺(tái)，實(shí)現(xiàn)數(shù)據(jù)共享，為其他智能家具提供了底層服務(wù)，利于智能家居一體化的實(shí)現(xiàn)，減少了人力成本，給用戶生活帶來(lái)極大便利。

1 系統(tǒng)架構(gòu)

系統(tǒng)由NB-IoT模塊、ZigBee模塊和熱釋電紅外模塊共三部分構(gòu)成。系統(tǒng)整體架構(gòu)如圖1所示，包含了休眠、通信和探測(cè)三種工作模式。初始狀態(tài)下，N個(gè)探測(cè)節(jié)點(diǎn)(N為自然數(shù))均處于休眠模式，僅在紅外傳感器檢測(cè)人體存在時(shí)發(fā)出高電平喚醒ZigBee[5]進(jìn)入通信模式，以低速發(fā)包。當(dāng)熱釋電紅外感應(yīng)不到人體存在時(shí)持續(xù)發(fā)出低電平，ZigBee進(jìn)入探測(cè)模式。產(chǎn)品共使用(N+1)個(gè)ZigBee模塊，包括N個(gè)探測(cè)節(jié)點(diǎn)和1個(gè)計(jì)算節(jié)點(diǎn)，可實(shí)現(xiàn)誤觸判斷、SVM定位及狀態(tài)判斷功能。計(jì)算結(jié)果由NB-IoT無(wú)縫接入云平臺(tái)或由計(jì)算節(jié)點(diǎn)直接傳至已有網(wǎng)關(guān)，實(shí)現(xiàn)數(shù)據(jù)共享[6]。

圖1 基于ZigBee背景噪聲的人體感應(yīng)系統(tǒng)架構(gòu)圖

1.1 系統(tǒng)硬件設(shè)計(jì)

系統(tǒng)設(shè)計(jì)了兩類節(jié)點(diǎn)：探測(cè)節(jié)點(diǎn)和計(jì)算節(jié)點(diǎn)。兩類節(jié)點(diǎn)均包括ZigBee模塊、熱釋電紅外預(yù)留接口、充電模塊和電源開關(guān)。ZigBee模塊是指能夠發(fā)射2.4 G頻段的電磁波并且能按照Z(yǔ)igBee無(wú)線通信協(xié)議進(jìn)行通信，并且進(jìn)行數(shù)據(jù)處理和運(yùn)算的模塊，本系統(tǒng)采用型號(hào)為CC2530的ZigBee模塊。計(jì)算節(jié)點(diǎn)還包括NB-IoT模塊，該模塊與計(jì)算用無(wú)線通信模塊相連，可將計(jì)算用無(wú)線通信模塊輸出的室內(nèi)是否有人信號(hào)發(fā)送給遠(yuǎn)程接收端。

1.2 系統(tǒng)軟件設(shè)計(jì)

本系統(tǒng)是在IAR開發(fā)環(huán)境中實(shí)現(xiàn)的，依靠無(wú)線通信模塊中的通信協(xié)議建立ZigBee節(jié)點(diǎn)、熱釋電紅外傳感器和NB-IoT的連接。通過(guò)模式判別算法，實(shí)現(xiàn)最佳探測(cè)模式選擇，很大程度上降低了系統(tǒng)功耗。采用SVM算法，對(duì)采集數(shù)據(jù)進(jìn)行分類，將低維空間投射到高維空間進(jìn)行判別，可實(shí)現(xiàn)精確感知人體存在，判斷人體位置的功能。探測(cè)數(shù)據(jù)由NB-IoT上傳云平臺(tái)，可在系統(tǒng)設(shè)計(jì)網(wǎng)頁(yè)端顯示。系統(tǒng)SVM算法的具體流程圖如圖2所示。

圖2 SVM算法的程序流程圖

SVM算法主要分為離線訓(xùn)練階段和識(shí)別階段，這兩個(gè)階段可以實(shí)現(xiàn)記錄背景噪聲和計(jì)算位置信息的功能。背景噪聲作為一種自適應(yīng)混合高斯模型，一般是三維或四維高斯函數(shù)。高斯模型的所有點(diǎn)都符合n-ε分布，如果新的信號(hào)特征偏離高斯分布若干個(gè)ε區(qū)間，就認(rèn)為是前景信號(hào)，把這些信號(hào)特征提取出來(lái)，利用SVM算法計(jì)算，即可得到具體位置信息。

2 系統(tǒng)功能設(shè)計(jì)

2.1 人體感應(yīng)功能設(shè)計(jì)

系統(tǒng)選用熱釋電紅外傳感器和ZigBee模塊的探測(cè)節(jié)點(diǎn)作為感知人體的工具。

(1)利用熱釋電紅外傳感器感知人體存在

紅外傳感器通過(guò)感知人體運(yùn)動(dòng)時(shí)釋放的紅外光線可判斷人體的存在，市面上已有的人體感應(yīng)器多半由紅外傳感器改進(jìn)而來(lái)。系統(tǒng)應(yīng)用熱釋電紅外人體感應(yīng)模塊在無(wú)人時(shí)持續(xù)輸出低電平，在有人時(shí)輸出方波的特點(diǎn)，實(shí)現(xiàn)了室內(nèi)人體存在的探測(cè)，并將其作為ZigBee模塊是否被喚醒的判斷依據(jù)。

(2)利用ZigBee模塊的探測(cè)節(jié)點(diǎn)感知人體存在

本系統(tǒng)將ZigBee模塊作為發(fā)射源，利用電磁波的多徑效應(yīng)收集室內(nèi)信息，再將信息傳至ZigBee模塊的計(jì)算節(jié)點(diǎn)進(jìn)行數(shù)據(jù)處理[7]。多徑效應(yīng)是一種由電波傳播信道中的徑傳輸現(xiàn)象所引起的干涉效應(yīng)。在實(shí)際的無(wú)線電波傳播信道中(包括所有波段)，常有許多時(shí)延不同的傳輸路徑，因此利用多徑效應(yīng)，哪怕人體不處于節(jié)點(diǎn)與節(jié)點(diǎn)之間“視距鏈路”上，也會(huì)對(duì)鏈路的信號(hào)強(qiáng)度產(chǎn)生影響,從而能夠檢測(cè)人體位置。

為提高探測(cè)的精確性，系統(tǒng)設(shè)置了誤判模式。當(dāng)熱釋電紅外人體感應(yīng)模塊發(fā)出持續(xù)低電平使ZigBee探測(cè)節(jié)點(diǎn)進(jìn)入探測(cè)模式時(shí)，節(jié)點(diǎn)將以廣播的形式向外發(fā)送自身到其他探測(cè)節(jié)點(diǎn)的信號(hào)強(qiáng)度和紅外傳感器的電平高低。如果被喚醒的探測(cè)節(jié)點(diǎn)數(shù)量過(guò)少，則認(rèn)為該探測(cè)節(jié)點(diǎn)的熱釋電紅外人體感應(yīng)模塊被誤判，計(jì)算節(jié)點(diǎn)將發(fā)出信號(hào)，使被喚醒的探測(cè)節(jié)點(diǎn)重新休眠。

2.2 位置測(cè)算功能設(shè)計(jì)

本系統(tǒng)選用ZigBee作為判斷和計(jì)算人體狀態(tài)及位置的工具。在室內(nèi)無(wú)人的情況下，系統(tǒng)記錄ZigBee模塊發(fā)射電磁波的信號(hào)強(qiáng)度。當(dāng)有物體或人體進(jìn)入室內(nèi)，計(jì)算節(jié)點(diǎn)收到的信號(hào)強(qiáng)度會(huì)發(fā)生改變，通過(guò)SVM算法，即可判斷靜止人體存在并計(jì)算得到室內(nèi)人體的位置。

SVM算法主要分為離線訓(xùn)練階段和識(shí)別階段。計(jì)算節(jié)點(diǎn)的離線訓(xùn)練階段是室內(nèi)人體感應(yīng)裝置安裝使用前的準(zhǔn)備階段，其具體包含以下幾個(gè)步驟：

(1)在室內(nèi)無(wú)人狀態(tài)下，計(jì)算節(jié)點(diǎn)向所有探測(cè)節(jié)點(diǎn)發(fā)送探測(cè)控制指令，使所有探測(cè)節(jié)點(diǎn)都進(jìn)入探測(cè)模式。

(1)

(2)

(3)

(4)

(3)重復(fù)步驟(1)和步驟(2)x次，x為自然數(shù)，從而得到x組室內(nèi)無(wú)人狀態(tài)的特征矩陣組{Ex,Fx}。

(4)在室內(nèi)有人狀態(tài)下，計(jì)算節(jié)點(diǎn)向所有探測(cè)節(jié)點(diǎn)發(fā)送探測(cè)控制指令，使所有探測(cè)節(jié)點(diǎn)都進(jìn)入探測(cè)模式。

(5)計(jì)算節(jié)點(diǎn)解析每一個(gè)探測(cè)節(jié)點(diǎn)中探測(cè)用無(wú)線通信模塊發(fā)送的，其余探測(cè)節(jié)點(diǎn)相對(duì)于該探測(cè)節(jié)點(diǎn)的信號(hào)強(qiáng)度Rijn并持續(xù)一個(gè)采樣周期，然后根據(jù)式(5)和式(6)計(jì)算在一個(gè)采樣周期內(nèi)的第三特征值Hij和第四特征值Kij，然后最后根據(jù)式(7)和式(8)得到室內(nèi)有人狀態(tài)下的特征矩陣組{O,P}，并存儲(chǔ)在計(jì)算用無(wú)線通信模塊內(nèi)部。

(5)

(6)

(7)

(8)

(6)重復(fù)步驟(4)和步驟(5)y次，y為自然數(shù)，從而得到y(tǒng)組室內(nèi)有人狀態(tài)的特征矩陣組{Oy,Py}

計(jì)算節(jié)點(diǎn)的識(shí)別階段分為以下幾個(gè)步驟。

(1)發(fā)送休眠控制指令，使得所有探測(cè)節(jié)點(diǎn)均處于休眠狀態(tài)。

(2)不斷偵聽(tīng)是否有探測(cè)節(jié)點(diǎn)轉(zhuǎn)發(fā)了熱釋電紅外傳感器的電壓信號(hào)，當(dāng)發(fā)現(xiàn)任意一個(gè)探測(cè)節(jié)點(diǎn)轉(zhuǎn)發(fā)了熱釋電紅外傳感器的電壓信號(hào)以后，則給所有探測(cè)節(jié)點(diǎn)發(fā)送進(jìn)入通信模式的通信控制指令。

(3)不斷判斷是否所有探測(cè)節(jié)點(diǎn)轉(zhuǎn)發(fā)的熱釋電紅外傳感器的電壓信號(hào)都是第一電壓信號(hào)；如果是并且持續(xù)了預(yù)設(shè)的第四時(shí)間間隔，則給所有探測(cè)節(jié)點(diǎn)發(fā)送進(jìn)入探測(cè)模式的探測(cè)控制指令，并進(jìn)入步驟(4)；反之，持續(xù)不斷的重復(fù)步驟(2)，并直接輸出當(dāng)前狀態(tài)為室內(nèi)有人狀態(tài)。

(4)解析每一個(gè)探測(cè)節(jié)點(diǎn)發(fā)送的，其余節(jié)點(diǎn)相對(duì)于本探測(cè)節(jié)點(diǎn)的信號(hào)強(qiáng)度Rijn并持續(xù)一個(gè)采樣周期，根據(jù)式(9)和式(10)計(jì)算在一個(gè)采樣周期內(nèi)的第五特征值Wij和第六特征值Uij，然后依照式(11)和式(12)得到一組未知類別特征矩陣{S,T}；

(9)

(10)

(11)

(12)

(5)依照公式(13)，計(jì)算未知類別特征矩陣{S,T}與x組室內(nèi)無(wú)人狀態(tài)的特征矩陣組{Ex,Fx}的距離Lx，其中a和b為預(yù)設(shè)調(diào)節(jié)系數(shù)；只要未知類別特征矩陣{S,T}與任意一組室內(nèi)無(wú)人狀態(tài)的特征矩陣組{Ex,Fx}的距離Lx小于預(yù)設(shè)閾值T1，則輸出當(dāng)前狀態(tài)為室內(nèi)無(wú)人狀態(tài)，否則進(jìn)入步驟(6)。

(13)

(14)

V=ρ×Lx

(15)

V′=σ×Ly′

(16)

(8)當(dāng)計(jì)算節(jié)點(diǎn)判定當(dāng)前狀態(tài)為有人狀態(tài)時(shí)，等待預(yù)設(shè)的第五個(gè)時(shí)間間隔后，跳轉(zhuǎn)至步驟(4)；當(dāng)計(jì)算節(jié)點(diǎn)判定當(dāng)前狀態(tài)為無(wú)人狀態(tài)時(shí)，跳轉(zhuǎn)至步驟(1)。

整個(gè)訓(xùn)練過(guò)程可用單片機(jī)完成，不需手動(dòng)進(jìn)行。因每個(gè)房間都具有各自的特點(diǎn)和布局，故離線訓(xùn)練階段必不可少。系統(tǒng)具有易于使用和易于調(diào)試的優(yōu)點(diǎn)，有著較強(qiáng)的適應(yīng)性。

2.3 數(shù)據(jù)共享功能設(shè)計(jì)

本系統(tǒng)選用NB-IoT[8]作為實(shí)現(xiàn)數(shù)據(jù)共享的工具。

每套設(shè)備在ZigBee計(jì)算節(jié)點(diǎn)配備一個(gè)NB-IoT模塊。NB-IoT模塊構(gòu)建于蜂窩網(wǎng)絡(luò)，能提供非常全面的室內(nèi)蜂窩數(shù)據(jù)連接覆蓋，可以將數(shù)據(jù)無(wú)縫接入各大云平臺(tái)，實(shí)現(xiàn)數(shù)據(jù)共享。同時(shí)該模塊消耗帶寬低，其發(fā)射電流僅為μA級(jí)別，功耗小，可用電池供電，能夠?qū)崿F(xiàn)產(chǎn)品的低功耗。

NB-IoT通過(guò)coap和UDP協(xié)議將數(shù)據(jù)從傳至云平臺(tái)，由HTML5和Bootstrap共同實(shí)現(xiàn)云平臺(tái)管理系統(tǒng)前端制作，node.jd操作數(shù)據(jù)庫(kù)MySQL，實(shí)現(xiàn)了云平臺(tái)后端數(shù)據(jù)的提供與獲取。

3 數(shù)據(jù)共享管理平臺(tái)

為了方便用戶對(duì)自己的房間情況了解以及進(jìn)行管理，系統(tǒng)設(shè)計(jì)客房人體感應(yīng)系統(tǒng)管理平臺(tái)，其構(gòu)架如圖3所示。

圖3 客房人體感應(yīng)系統(tǒng)管理平臺(tái)構(gòu)架

該平臺(tái)具備注冊(cè)登錄功能，用戶可以選擇記住用戶名及密碼，方便下次登錄，用戶成功登錄后可以進(jìn)行相關(guān)信息的查詢，主要包括以下兩個(gè)方面。

(1)房間情況。可以查看自己的房間里面是否有人，并知道房間的溫度、濕度等數(shù)據(jù)。

(2)ZigBee節(jié)點(diǎn)情況?？梢圆榭从布欠裾９ぷ?、節(jié)點(diǎn)溫度、硬件電量情況。同時(shí)異常管理界面可以提示用戶硬件的故障問(wèn)題。

4 系統(tǒng)測(cè)試結(jié)果及分析

4.1 整體功能測(cè)試

對(duì)系統(tǒng)整體進(jìn)行測(cè)試，當(dāng)熱釋電紅外感知到室內(nèi)有人時(shí)，發(fā)出0和3.3 V高低跳變的電平，ZigBee進(jìn)入通信模式。當(dāng)熱釋電紅外感知不到人存在時(shí)，持續(xù)發(fā)出低電平，使ZigBee探測(cè)節(jié)點(diǎn)進(jìn)入探測(cè)模式，由各個(gè)探測(cè)節(jié)點(diǎn)反饋到計(jì)算節(jié)點(diǎn)的信息確定是否發(fā)生誤觸。確定是誤觸情況，則探測(cè)節(jié)點(diǎn)回到休眠模式。未發(fā)生誤觸，則在此模式下采集噪聲信息，與背景噪聲相比對(duì)，根據(jù)雷達(dá)圖的面積變化可判斷有人，并能得到人的一些位置信息。初步測(cè)試，系統(tǒng)各部分功能正常，對(duì)有無(wú)人的判斷正確率較高，且具有一定的定位輔助功能。

4.2 信號(hào)強(qiáng)度變化測(cè)試結(jié)果及分析

本文的實(shí)驗(yàn)環(huán)境如圖4所示，4個(gè)ZigBee節(jié)點(diǎn)放置在測(cè)試房間(1.5 m×3.5 m)的四個(gè)角落，在寬的中位線上每隔0.5 m作為一個(gè)測(cè)試點(diǎn)，本次測(cè)試共有8個(gè)測(cè)試點(diǎn)?；赯igBee節(jié)點(diǎn)的接收發(fā)信號(hào)強(qiáng)度(RSSI)[9]，研發(fā)了一套基于SVM的室內(nèi)定位系統(tǒng)。實(shí)驗(yàn)主要測(cè)試人處于不同位置時(shí)，系統(tǒng)采集的信號(hào)強(qiáng)度的變化。

圖4 信號(hào)強(qiáng)度變化測(cè)試實(shí)驗(yàn)環(huán)境圖

先在無(wú)人的情況下采集背景噪聲，對(duì)四個(gè)節(jié)點(diǎn)形成的12條鏈路進(jìn)行循環(huán)發(fā)包，得到12條通信鏈路的RSSI值，根據(jù)高斯分布的理論，剔除距離均值3倍標(biāo)準(zhǔn)差以外的異常數(shù)據(jù)后得到各鏈路信號(hào)強(qiáng)度的均值，如表1所示。

用余下有效數(shù)據(jù)繪制背景噪聲雷達(dá)圖，見(jiàn)圖5。

有人的情況下，分別測(cè)試人在①～⑧八個(gè)位置的強(qiáng)度變化，剔除距離均值3倍標(biāo)準(zhǔn)差以外的異常數(shù)據(jù)后，同樣繪制雷達(dá)圖，結(jié)果如圖6所示，圖中灰色區(qū)域面積相對(duì)于背景噪聲雷達(dá)圖發(fā)生了變化，由此可以判斷信號(hào)強(qiáng)度發(fā)生改變，即室內(nèi)有人。

表1 各位置上各鏈路信號(hào)強(qiáng)度均值統(tǒng)計(jì)表

圖5 背景噪聲雷達(dá)圖

4.3 判斷準(zhǔn)確率測(cè)試結(jié)果及分析

本文的實(shí)驗(yàn)環(huán)境如圖7所示，4個(gè)ZigBee節(jié)點(diǎn)放置在測(cè)試房間的四個(gè)角落，同時(shí)將測(cè)試空間劃分為4×4 的16個(gè)塊，每個(gè)塊的的長(zhǎng)度和寬度都為0.7 m?；赯igBee節(jié)點(diǎn)的接收發(fā)信號(hào)強(qiáng)度(RSSI)，研發(fā)了一套基于SVM的室內(nèi)定位系統(tǒng)。

實(shí)驗(yàn)主要測(cè)試人處于不同區(qū)域時(shí)系統(tǒng)定位的識(shí)別準(zhǔn)確率和是否有人的判斷準(zhǔn)確率。設(shè)計(jì)了三種實(shí)驗(yàn)方案，如圖8所示。

圖8(a)主要測(cè)試系統(tǒng)對(duì)于人處于中心區(qū)域的定位精度；圖8(b)主要測(cè)試系統(tǒng)對(duì)于人處于對(duì)角線的定位精度；圖8(c)主要測(cè)試系統(tǒng)對(duì)于人處于分散狀態(tài)的定位精度。

實(shí)驗(yàn)離散訓(xùn)練階段，對(duì)四個(gè)節(jié)點(diǎn)形成的12條鏈路進(jìn)行循環(huán)發(fā)包，得到12條通信鏈路的RSSI值，剔除異常數(shù)據(jù)。變換位置依次收集不同站位的RSSI值。將得到數(shù)據(jù)的80%作為訓(xùn)練數(shù)據(jù)，用SVM進(jìn)行訓(xùn)練，作為背景信號(hào)的模型。將圖8(a)得到的數(shù)據(jù)80%作為訓(xùn)練數(shù)據(jù)，用SVM進(jìn)行訓(xùn)練，作為中心區(qū)域站位的模型。然后將圖7和圖8 (a)得到的剩余20%混合作為測(cè)試數(shù)據(jù)，以此模擬離線狀態(tài)，得到本文系統(tǒng)的識(shí)別結(jié)果。同理，圖7和圖8(b)、圖7和圖8(c)也同樣進(jìn)行實(shí)驗(yàn)測(cè)試，得到識(shí)別的結(jié)果。

圖6 八個(gè)位置雷達(dá)圖

圖7 判斷準(zhǔn)確率測(cè)試實(shí)驗(yàn)環(huán)境圖

根據(jù)計(jì)算，本文方法的定位準(zhǔn)確率如表2所示。

圖8 實(shí)驗(yàn)室站位圖

表2 不同站位的判斷準(zhǔn)確率

由于無(wú)人時(shí)的背景信號(hào)與有人時(shí)的信號(hào)在某些通信鏈路會(huì)有明顯區(qū)別，基于12條鏈路特征的SVM模型可以有效分離出無(wú)人和有人兩種情況，本文對(duì)在中心區(qū)域、對(duì)角線和分散狀態(tài)三種站位的是否有人判斷準(zhǔn)確率分別為95.7%、95%和97.3%，平均判斷人體是否存在的準(zhǔn)確率可達(dá)96%。此外，系統(tǒng)設(shè)置了室內(nèi)定位的輔助功能。按圖8(a)站位由于(6)、(7)、(10)、(11)的位置過(guò)于靠近，當(dāng)人處于這些位置時(shí)RSSI的信號(hào)變化不是十分明顯，所以按圖8(a)站位進(jìn)行實(shí)驗(yàn)得到的定位準(zhǔn)確率比較低。而圖8(b)和(c)由于站位相對(duì)都比較分散，特別是圖8(b)以對(duì)角線站位進(jìn)行實(shí)驗(yàn)，當(dāng)人處于不同位置時(shí)四個(gè)節(jié)點(diǎn)接收到的RSSI都會(huì)有一定變化，因此圖8(b)的定位準(zhǔn)確率最高，圖8(c)次之。很明顯，本文系統(tǒng)的定位效果受所需定位的位置有關(guān)，進(jìn)行對(duì)角線定位準(zhǔn)確率較高，分散定位相對(duì)一般，對(duì)中心區(qū)域進(jìn)行精準(zhǔn)定位效果較差。綜上，本文系統(tǒng)能夠以較高的準(zhǔn)確性完成空間內(nèi)有無(wú)人員的判斷，并帶有較為準(zhǔn)確的定位輔助功能。

5 結(jié)論

本文以熱釋電紅外、ZigBee和NB-IoT三大技術(shù)成功設(shè)計(jì)了基于ZigBee背景噪聲的高靈敏度、低功耗的新型人體感應(yīng)系統(tǒng)，能夠?qū)崿F(xiàn)對(duì)室內(nèi)人體存在的準(zhǔn)確偵測(cè)。系統(tǒng)通過(guò)設(shè)置探測(cè)用無(wú)線通信模塊和計(jì)算用無(wú)線通信模塊，配合熱釋電紅外傳感器一起工作，一旦熱釋電紅外傳感器誤判，就采用電磁波強(qiáng)度對(duì)比進(jìn)行二次判斷，在提高檢測(cè)靈敏度的同時(shí)，通過(guò)設(shè)置探測(cè)用無(wú)線通信模塊的不同工作模式，降低探測(cè)節(jié)點(diǎn)的功耗。本系統(tǒng)不僅平均判斷人體是否存在的準(zhǔn)確率可達(dá)96%，而且還創(chuàng)造性地實(shí)現(xiàn)了定位功能。系統(tǒng)不易受光照、溫度和水汽等外在條件的影響，有較好的穩(wěn)定性。系統(tǒng)目前主要適用于酒店中，未來(lái)將推廣應(yīng)用于普通居民樓、辦公場(chǎng)所及連鎖公寓等領(lǐng)域。系統(tǒng)有待進(jìn)一步完善，實(shí)現(xiàn)識(shí)別人體動(dòng)作功能，以適應(yīng)更復(fù)雜的環(huán)境。