孫遒 宋艷輝

摘 ?要：隨著物聯(lián)網(wǎng)與人工智能在理論、方法和技術上的進一步融合和演進，人類對物理世界的感知已經(jīng)進入泛在智能階段。針對反向散射通信被動傳感的感知機制和方法并不明確，通過混合感知的方式，可以觀察到標簽陣列中多標簽感知信號的時空相關性，從而實現(xiàn)對感知結果的進一步理解。根據(jù)實驗觀察結果，得出了未來驗證的假設。

關鍵詞：無源感知設備;RFID;傳感算法

中圖分類號：TN929.5 ? 文獻標識碼：A 文章編號：2096-4706（2021）12-0165-03

Abstract： With the further integration and evolution of the theory， method and technology of the internet of things and artificial intelligence， human perception of the physical world has entered the stage of ubiquitous intelligence. The sensing mechanism and method of passive sensing for backscatter communication are not clear. Through mixed sensing， the temporal and spatial correlation of multi tag sensing signals in tag array can be observed， so as to realize the further understanding of the sensing results. According to the experimental observation results， the hypothesis for future verification is obtained.

Keywords： passive sensing equipment; RFID; sensing algorithm

0 ?引 ?言

無源感知作為一項新興技術，以其特有的感知機理和方法，逐漸成為泛在感知計算領域的核心支撐技術。然而，當前大多數(shù)無源感知技術是基于未標記的反射信號進行感知的，無法區(qū)分多個反射信號的具體來源，因此，無法對同時存在的多個感知對象進行有效區(qū)分，導致應用范圍受到限制。射頻識別（Radio Frequency Identification， RFID）技術的出現(xiàn)為實現(xiàn)“可標記”的無源感知提供了新的機遇。RFID系統(tǒng)基于反向散射機制來實現(xiàn)RFID閱讀器與標簽之間的通信。在反向散射過程中，閱讀器天線發(fā)射的連續(xù)波信號被RFID標簽調制并反射，從而使閱讀器可有效地識別標簽信號。一方面，RFID標簽反向散射的信號非常微弱，極易受到各種環(huán)境因素的干擾（包括傳輸環(huán)境中的多徑效應、干擾對象的能量吸收等）。因此，表征傳輸環(huán)境因素的信息會自然而然地包含在RFID標簽的反向散射信號中?；谶@一特性，RFID技術的功能逐漸實現(xiàn)了由“識別”到“感知”的蛻變。另一方面，RFID的可標識特性能夠有效地區(qū)分反向散射信號的來源，從而保證了無源感知機制的“可標記性”。如圖1所示，利用反向散射通信機制的環(huán)境敏感特性，RFID系統(tǒng)可以基于標簽反射信號中攜帶的環(huán)境因素的動態(tài)特征對指定對象進行感知，例如肢體行為識別、呼吸及心跳監(jiān)測等。

1 ?RFID無源感知的發(fā)展歷程

RFID無源感知的發(fā)展歷程包括以下三個階段：

（1）從“單標簽感知”到“標簽陣列感知”——拓展感知維度?；凇皹撕炾嚵小钡母兄獧C制能夠在空間范疇對感知維度進行充分的拓展，通過合理設計多個標簽的拓撲關系，可以將信號特征以“差分”的方法來消除外界環(huán)境因素對標簽信號的整體性干擾，對抗動態(tài)環(huán)境變化帶來的影響，提高感知信號的穩(wěn)定性和可靠性。

（2）從“絕對定位”到“相對定位”——提升感知敏感度。“相對定位”對于單標簽個體而言，能夠更精確地判定在空間上標簽之間的相對位置關系;而對于標簽陣列而言，通過對比和分析標簽之間的相對位置以及既有的拓撲結構，能夠更加敏感地捕捉到標簽陣列的變化，從而提高對感知對象的感知靈敏度。

（3）從“單一的RFID感知”到“基于RFID的多模態(tài)感知”——擴大感知范疇。RFID感知系統(tǒng)主要依賴反向散射信號的變化特征來對物理環(huán)境中的對象進行感知，這種相對單一的感知方式難以綜合、全面地刻畫不同感知域的狀態(tài)變化。因此，將RFID和其他模態(tài)的感知進行融合以實現(xiàn)多模態(tài)感知，能夠從不同的感知范疇更全面地感知目標對象。

根據(jù)RFID標簽的一些固有特性，在RFID無源感知過程中，可以以綁定式的方式將標簽直接部署在感知對象上進行感知，或者以非綁定式的方式將標簽部署在感知對象的周圍進行感知。因此，基于RFID的無源感知技術按感知方式的不同可以分為綁定式感知、非綁定式感知和混合式感知。

2 ?基于RFID的綁定式和非綁定式感知

根據(jù)感知原理的不同，綁定式感知又可以進一步細分為基于標簽信號物理模型、基于標簽能量耦合變化和基于信號變化模式匹配的三種感知方法。

對于基于標簽信號物理模型的綁定式感知方法，我們可以根據(jù)信號的傳播特點構建基于信號特征的物理模型來實現(xiàn)感知，如基于相位的三維幾何模型、基于信號強度的信號傳播模型等。特定物理模型能夠為標簽的反射信號特征和感知對象的相關狀態(tài)這兩者之間提供一種映射關系。雖然基于RFID的綁定式感知通常能夠實現(xiàn)精確的感知，但是在部分應用場景下，感知對象無法時時刻刻攜帶或者綁定RFID標簽，這種情況下可以考慮采用非綁定式的方法來完成感知任務?；赗FID的非綁定式感知是指以非接觸的方式將RFID標簽部署在感知對象周圍，當反向散射通信環(huán)境中的感知對象狀態(tài)發(fā)生變化時，通過探索和提取RFID標簽反射信號的特征，來推導環(huán)境中未綁定標簽的感知對象的狀態(tài)。根據(jù)感知原理的不同，非綁定式感知又可以細分為以下三種感知方法：

（1）基于標簽電感耦合的非綁定式感知方法。研究人員發(fā)現(xiàn)，當兩個標簽距離較近（如1～2 cm）時會存在電感耦合現(xiàn)象，外界環(huán)境中感知對象的狀態(tài)（如位置、速度等）變化會進一步擾動標簽之間的電感耦合，標簽的信號強度、讀取率等信號特征會隨之發(fā)生變化，若合理運用這一特性，便能實現(xiàn)精確目標感知。

（2）基于反射信號模型的非綁定式感知方法。研究人員發(fā)現(xiàn)，在反向散射過程中，環(huán)境中的人體、墻壁等物體會反射射頻信號形成多徑效應，導致標簽信號混雜環(huán)境變化特征，因此可以通過建立反射模型來關聯(lián)信號變化與感知對象的狀態(tài)變化。

（3）基于信號模式匹配的非綁定式感知方法。當感知對象的狀態(tài)變化和RFID信號特征之間的關系過于復雜，難以建立精準的物理模型來進行描述時，可以基于深度學習方法構建數(shù)據(jù)驅動的模型，根據(jù)不同動作的信號變化規(guī)律，采用模式匹配的方式，關聯(lián)感知狀態(tài)（如用戶動作）與標簽陣列的信號特征（如相位變化趨勢、移動速度、動作時間等），從而基于標簽陣列的時空關聯(lián)性來識別用戶的動作和行為。

3 ?基于RFID的混合式感知

綁定式感知與非綁定式感知并非相互對立，二者各有優(yōu)劣，如果能夠根據(jù)特定的應用需求將二者結合起來使用，勢必能夠起到優(yōu)勢互補、相輔相成的效果。基于RFID的混合式感知融合了綁定與非綁定式感知的雙重特點，既能對感知對象關聯(lián)的標簽信號（如與綁定對象位置相關聯(lián)的信號特征）進行直接感知，又能利用感知對象對標簽反射信號的影響（如與非綁定反射對象相關聯(lián)的信號特征）感知狀態(tài)變化。通過混合式感知的方式，進一步深入挖掘標簽陣列中多標簽感知信號的時空關聯(lián)性，可實現(xiàn)感知結果的“去粗存精”和“去偽存真”。

對于基于RFID的人體生命體征監(jiān)測系統(tǒng)，當前的心率感知或者采用專業(yè)的醫(yī)用心電圖設備，部署麻煩且價格昂貴;或者采用可穿戴設備或無線設備進行感知，缺點是只能測量粗粒度心率信息，難以檢測期前收縮、心律不齊等隱患?？紤]到人體的呼吸和心跳均會對RFID信號產生影響，為此研究團隊研發(fā)了一款基于RFID的人體生命體征監(jiān)測系統(tǒng)RF-ECG。RF-ECG系統(tǒng)利用部署在胸口的一組RFID標簽陣列進行呼吸和心率的感知。其中，呼吸的胸廓變化會改變標簽的位置，稱為“運動效應”;心跳的舒張收縮會影響信號的反射，稱為“反射效應”。為消除運動效應帶來的顯著干擾，RF-ECG系統(tǒng)在“信號分離”思路的引導下對心率進行細粒度感知。如圖2所示，RF-ECG系統(tǒng)在胸口處部署一組標簽陣列，并利用正前方的天線持續(xù)掃描標簽進行心電圖感知。RF-ECG首先利用多個標簽之間的空間關聯(lián)性，進行胸廓位置變化的綁定式感知，并從原始信號中分離去除“運動效應”;然后，利用非綁定式反射信號模型，抽取心跳帶來的“反射效應”，并利用多標簽的時間關聯(lián)性融合多標簽的反射信號，進行心率信號的提取;最后，采用動態(tài)規(guī)劃的方式，對心率的融合信號進行分割，實現(xiàn)細粒度的心率感知。

4 ?典型案例

基于RFID的手勢微動作感知系統(tǒng)：當前的人機交互方式已從鍵盤、觸摸板輸入等方式轉變?yōu)楦艨帐謩萁换サ男滦湍Ｊ?。用戶可以使用肢體甚至手指進行體感交互，操縱顯示屏或者空中的虛擬對象，更加自然地支持虛擬現(xiàn)實和增強現(xiàn)實相關應用。同樣，區(qū)別于現(xiàn)有的基于計算機視覺的解決方案，研究團隊提出了一款基于RFID的多指微動作感知系統(tǒng)RF-Glove，實現(xiàn)對1～2 cm精度“微動作手勢”的精確感知。如圖3所示，RF-Glove將無源標簽分別附著在手套的五個手指上，使用RFID天線對多個標簽進行持續(xù)掃描采集反向散射信號特征?？紤]到多個手指在執(zhí)行“微動作”的過程中，信號特征變化與手勢的關系相對比較復雜，RF-Glove基于信號變化模式匹配的方式進行感知，當用戶戴著手套執(zhí)行“微動作”手勢時，RFID閱讀器能獲得一系列相位/信號強度值曲線。對于每種類型的多指“微動作”，RF-Glove通過主成分分析學習動作的信號變化，獲取一組n×5大小的特征曲線輪廓。給定一個多指“微動作”的輸入，RF-Glove將該動作所對應的相位輪廓集與每種類型的多指“微動作”模板進行比較，匹配出最相似的“微動作”指令。

基于RFID的肢體行為追蹤系統(tǒng)：當前基于計算機視覺技術的動作捕捉系統(tǒng)（如微軟Kinect）已經(jīng)能夠有效地支持基于人體肢體行為的人機交互與動作行為識別，但仍存在受光線遮擋影響、視覺處理計算復雜度高等缺陷?？紤]到基于RFID的綁定式感知能夠以可穿戴的方式穿戴到人體上，研發(fā)了一款基于RFID的肢體行為追蹤系統(tǒng)RF-Kinect，該系統(tǒng)利用肢體上部署的RFID標簽陣列的信號相位對肢體動作進行感知。為消除人體對信號的多徑反射帶來的干擾，RF-Kinect系統(tǒng)根據(jù)“相對定位”的思路對標簽的相位信號進行特征抽取，實現(xiàn)對三維肢體角度的估算及校準。如圖4所示，RF-Kinect以人體的肢體關節(jié)作為節(jié)點對肢體進行劃分，在每一段肢體上分別綁定兩個RFID標簽，使用兩個正對人體的天線對這些標簽進行掃描。首先，RF-Kinect利用同一肢體上多個標簽之間的相位差對肢體發(fā)生的旋轉角度進行初步估算，之后再進一步利用同一標簽在不同天線上的相位差，使用到達角（Angle of Arrival， AOA）模型估算其到達角，對之前估算的三維肢體角進行細化，符合約束條件的肢體姿勢將被保留。RF-Kinect進一步使用基于相對距離關系的肢體角度過濾方法計算骨骼之間的相對距離，去除異常角度，并且將搜索空間大大減少。最后，將獨立的姿勢聯(lián)合起來，以此身體姿勢序列來識別肢體的運動行為。總體來說，RF-Kinect基于柔性可穿戴標簽構建了一套基于非剛體拓撲結構的物理模型，并基于“相對定位”的思路來推理拓撲結構的位置變化，由此實現(xiàn)對肢體動作行為的追蹤。

5 ?結 ?論

隨著物聯(lián)網(wǎng)與人工智能在理論、方法和技術上的進一步融合和演進，人類對物理世界的感知已進入“泛在智能”階段，“AI+IOT”無所不在的智能框架將進一步滲透到各種新的環(huán)境感知技術中。文章應用基于RFID的混合傳感方法（以RFID為例的被動傳感技術），實現(xiàn)了更精確、更廣義的傳感，完成了“特征成像”和“智能推理”兩項任務，實踐證明效果不錯。后續(xù)研究會將“深度學習”與“模型驅動”相結合，實現(xiàn)一種準確、通用、健壯的泛在智能感知機制。

參考文獻：

[1] WANG F，ZHOU S P，PANEV S，et al. Person-in-WiFi：Fine-Grained Person Perception Using WiFi [C]//2019 IEEE/CVF International Conference on Computer Vision （ICCV）.Seoul：IEEE，2019：5451-5460.

[2] ZHENG Y，ZHANG Y，QIAN K，et al. Zero-effort cross-domain gesture recognition with Wi-Fi[C]//MobiSys'19：The 17th Annual International Conference on Mobile Systems，Applications，and Services，Seoul：Association for Computing Machinery，2019：313-325.

[3] VASISHT D，WANG J，Dina Katabi. RF-IDraw：virtual touch screen in the air using RF signals[C]//SIGCOMM'14：ACM SIGCOMM 2014 Conference，Chicago：Association for Computing Machinery，2014，44（4）：235-246.

[4] BU Y ，LEI X，JIA L，et al. 3-Dimensional Reconstruction on Tagged Packages via RFID Systems[C]// 2017 14th Annual IEEE International Conference on Sensing，Communication，and Networking （SECON）. IEEE，2017.

[5] BU Y，LEI X，GONG Y，et al. RF-Dial：An RFID-based 2D Human-Computer Interaction via Tag Array [C]//IEEE INFOCOM 2018-IEEE Conference on Computer Communications，Honolulu ：IEEE，2018：837-845.

[6] WANG C ，JIAN L，CHEN Y，et al. RF-kinect：A wearable RFID-based approach towards 3D body movement tracking [C]//Proceedings of the ACM on Interactive，Mobile，Wearable and Ubiquitous Technologies，New York：Association for Computing Machinery，2018，2（1）：1-28.

作者簡介：孫遒（1971—），女，漢族，黑龍江雞西人，副研究員，本科，研究方向：復雜網(wǎng)絡，智能感知計算;宋艷輝（1981—），女，漢族，黑龍江哈爾濱人，助理研究員，本科，研究方向：智能感知計算。