RFID系統中的天線調諧設計研究

杜曉陽，聞 揚，金根順

（上海寶信軟件股份有限公司 機電成套事業本部，上海201203）

隨著物聯網和智慧地球的推廣，RFID技術[1-2]作為最基礎的感知端設備應用越來越廣泛。RFID讀寫器的集成化也讓RFID的推廣更加迅速。目前基于奧地利微電子的AS399x系列的讀寫器由于其性能穩定而應用廣泛[3-5]。

在目前的RFID應用中大多采用單天線端口同時負責收發的形式，在耦合器的后端，收發共用一個線路，如果在天線端不能實現良好匹配，由于AS399X系列沒有載波抵消技術，反射功率將直接返回到AS3992的接收端，會降低接收端的靈敏度，甚至引起接收機飽和。實際使用的RFID系統所用的天線有不同的電壓駐波比（VSWR），必然會造成電路與天線的不匹配。本文在天線前端引入天線調諧機制，對于任意天線，可以實現動態匹配，提高系統的接收靈敏度[3]，增大了RFID系統的盤存距離。

1 RFID系統設計

本文論述的基于AS3992的RFID系統電路圖如圖1所示。AS3992是奧地利微電子公司的一款集成了射頻前端，具備ISO 180006c/b協議處理能力的900MHzRFID芯片[6]，通過SPI接口可以和主控芯片相連，控制其寄存器，實現讀寫器功能。它內部可以實現編解碼，ASK或PR-ASK調制，AM或者PM的解調，組幀分幀，CRC校驗等模塊功能。在單天線復用情況下，射頻信號經巴侖，在射頻功率放大器（PA）放大之后，經濾波器，耦合器，高頻開關由天線發射，標簽散射信號經耦合器，巴侖，差分輸入AS3992，經混頻器，信號放大器，數字轉換器變成基帶信號進入MCU處理，MCU是silicon laboratories公司的80C51F340。

由于在設計中收發同時進行且復用同一天線，當天線不匹配時，功率會反射回AS3992的接收端，引入很大的干擾。由于標簽反向散射的信號很小，而發射功率很大，標簽信號很容易會淹沒在反射信號中。當反射信號大于10 dB時，甚至會造成接收機飽和而檢不出信號。在耦合器與高頻開關之間插入一個阻抗匹配網絡，可以匹配電路與天線，減小反射功率，實現無反射傳播。但是實際使用時，各個系統所有的外接天線各不相同，用同一套匹配網絡不可能使用所有的天線。本文設計的天線調諧技術，是在匹配網絡中應用動態可調電容，根據不同的外接天線，自適應選擇一個理想的值，實現電路與天線的匹配，從而將反射功率減小到最小，提高了RFID系統的接收靈敏度，增加了系統對標簽的盤存距離。

2 天線調諧設計

動態調諧功能的實現示意圖見圖2，主要由3個部分組成：調諧電容作為射頻前端電路的組成部分，是整個調諧設計的被控單元，其電容值可以改變，從而改變射頻匹配電路，影響反射功率；主控MCU負責接收反射功率，調諧算法的計算得出最理想值并設置調諧電容值；AS3992芯片負責從射頻前端電路中檢出反射功率傳給MCU。

圖1 AS3992 RFID系統框圖Fig.1 Diagram of AS3992 RFID system

圖2 天線動態調諧示意圖Fig.2 Schematic diagram of antenna tuning

調諧電容選用PE64904[7]，該電容的動態可調節范圍是串聯串聯 0.6～4.6 pF， 并聯1.14～5.1 pF， 步進為 0.129 pF。 與MCU的通訊采用三線制的SPI接口。要檢測反射功率的大小，可以在AS3992的接收端檢測。當載波經耦合器向天線發射功率時，電路不匹配造成的反射信號會經耦合器進入輸入端的混頻器，還有一路是耦合器的載波泄露進入混頻器。經混頻器混頻之后，載波變成直流電壓，在混頻器輸出端被AD采樣，并通過并口送給80C51F340 MCU。在MCU中收集所有電容組合情況下的反射功率值按一定的算法規則進行判定，得出反射功率的最小值，此時所用的電容值即為目標值，通過三線制SPI對調諧電容進行設置。下面先介紹動態調諧電路的電路實現，下一節介紹算法的實現。

圖1中的調諧匹配電路的原理圖見圖3，圖示中的term2是接方向耦合器，term1 接高頻開關，C94、C95、C96是調諧電容PE64904，要使得反射功率最小，在電路設計時就是實現阻抗匹配。由于3個電容的可調節范圍有限，硬件設計上需要保障設計合理的匹配網絡，對于不同的外接天線阻抗，均能找到一個組合實現阻抗匹配。

在RFID系統應用中，天線端的失配程度可以用VSWR來表示，利用阻抗計算可得：

圖3 調諧網絡ADS電路圖Fig.3 Schmetic of tuning network

圖3中的3個電容C94、C95、C96都取中間值時候，該網絡剛好是匹配的50Ω匹配的（兩端口都設置為50Ω），即。這樣當天線和50Ω系統失配時，可調整范圍最大。如圖3所示的網絡值在ADS中進行仿真，在915 MHz頻率下，取C94、C95、C96的可調范圍電容值，得出的一組SMITH圓圖上的阻抗族見圖4。可見，只要選擇合適的C94、C95、C96的電容值，能夠把天線端完全匹配，使反射為0。

3 天線調諧算法

圖4 天線調諧電容的調諧范圍Fig.4 Tuning range of tuning capacitor

上述調諧匹配電路的實現理論上保障了可以找到一組電容組合實現反射功率最小，軟件調諧算法的目標是如何找出這個電容組合。由每個電容值可取32個點，即有323=32 768個不同的取值組合。最常規的算法就是用遍歷法，比較32 768個點的反射功率，取其中的最小值。但是用遍歷算法耗費時間太長，以美標頻段902～928 MHz每隔1 MHz取一個調諧頻點為例，調諧一個天線口耗時5分鐘，我們還可以選用另外一種算法，希望能夠用更短的時間取得相對比較理想的反射功率[8]。

算法實現過程如下：

子算法（我們叫做“當前優值搜索”）：獲取目前設定的電容值情況下的最優解：

遍歷C94的32個點選取獲得較小反射功率下的值；

遍歷C95的32個點選取獲得較小反射功率下的值；

遍歷C96的32個點選取獲得較小反射功率下的值；

回到第一步進行迭代，直到下次迭代的反射功率不小于上次為止，總迭代次數小于100次。

由于“當前優值搜索”與當前設定的電容值關系很大，只有選擇合適的當前值才能在100次迭代過程中取得最小反射功率值。所以，在次基礎上，我們給3個電容設定3個起始值分別為5,16,26，任意組合，即有27種組合，然后在其中選取最優值。

該算法的計算次數最大為32*3*100*27=295 200次。實際操作中，子算法“當前優值搜索”的迭代次數小于10次，所以該算法比遍歷算法在時間上為優。我們測試的結果，還是以美標27個頻點為例，調諧一個天線口用時2分鐘。而且達到了遍歷算法的效果。

根據該調諧算法，在軟件中實際測得反射功率圖如圖5所示。其中的實線表示反射系數，用dBm表示，另外兩條I、Q曲線是軟件內部的直流電平值，用來計算反射功率大小。可以看出，反射功率S11在-20dBm以內，達到了射頻電路的要求。

最終匹配好的RFID系統在天線端用Agilent的E4402B型號頻譜儀進行測試，配合系統固件，再經過合適的調諧之后，設置發射功率為30 dBm，測試的功率如圖6所示，最終測得的發射功率為29.76 dBm。

圖5 調諧之后天線端的反射系數Fig.5 Reflect power at antenna port after tuning

圖6 在天線端測得的發射功率29.76 dBmFig.6 29.76 dBm power is measured at antenna port

4 結論

文中論述了天線調諧在基于AS3992的RFID系統中的原理，設計以及算法實現。根據該調諧設計，實現了反射功率S11在-20 dBm以內，有效抑制了天線反射，提高了讀寫器芯片的靈敏度，最終實際測得RFID系統的讀取距離為空曠條件下9m，能夠滿足大多數RFID應用。

[1]Dobkin D M.The RF in RFID:UHF RFID in Practice[M].Newnes,2012.

[2]Lehpamer H.RFID design principles[M].Artech House.2012:120-220.

[3]Jung J Y,Park C W,Yeom K W.A novel carrier leakage suppression front-end for UHFRFID reader[J].IEEETransactions on Microwave Theory and Techniques,2012,60(5):1468-1477.

[4]Song J M,Wang G B,Xiao B C.Design of UHF RFID Reader Based on Embedded Linux[C]//in Computational and Information Sciences (ICCIS),Fourth International Conference on IEEE,2012:50-57.

[5]Xia H,Song J M,Su C J.Design and implementation of long range UHF RFID reader[J].Applied Mechanics and Materials,2013(241):3229-3237.

[6]Austria Micro Systems AG.AS3992 Datasheet[EB ／OL].[2010-02-05].http://www.austriamicrosystems.com/eng/Products/RFProducts/RFID/AS3992.

[7]Peregrine Semiconductor.PE64904 Datasheet[EB/OL].[2011-03-06].http://www.psemi.com/pdf/datasheets/pe64904-ds.pdf.

[8]李倩，周彬倩，張建成，等.基于自適應差分進化和BP神經網絡的光伏功率預測[J].陜西電力，2014（2）：23-27.LI Qian，ZHOU Bin-qian，ZHANG Jian-cheng，et al.Photovoltaic power prediction based on adaptive differential evolution and BP neural network[J].Shaanxi Electric Power,2014（2）：23-27.