一種利用無線信號的被動式多目標(biāo)定位系統(tǒng)

邢天璋， 謝彬彬， 楊 康， 湯戰(zhàn)勇， 房鼎益

(西北大學(xué) 信息科學(xué)與技術(shù)學(xué)院，陜西 西安 710127)

一種利用無線信號的被動式多目標(biāo)定位系統(tǒng)

邢天璋， 謝彬彬， 楊 康， 湯戰(zhàn)勇， 房鼎益

(西北大學(xué) 信息科學(xué)與技術(shù)學(xué)院，陜西 西安 710127)

針對真實(shí)環(huán)境中的多徑分布及非視距路徑的多目標(biāo)定位問題，基于指紋庫匹配的思想，在無源射頻識別標(biāo)簽環(huán)境中，提出一種被動式多目標(biāo)定位系統(tǒng)．重點(diǎn)針對多目標(biāo)的計(jì)數(shù)問題進(jìn)行了深入的分析，通過無源標(biāo)簽邊緣檢測，將標(biāo)簽間距離與目標(biāo)個數(shù)建立函數(shù)關(guān)系，并對閱讀器碰撞現(xiàn)象進(jìn)行分析，從而確保定位數(shù)據(jù)的有效性與目標(biāo)統(tǒng)計(jì)的精確性; 其次，探索了目標(biāo)相對于標(biāo)簽位置的相異性，并利用標(biāo)簽位置作為目標(biāo)定位的約束條件，提升定位精度．在真實(shí)環(huán)境中對該系統(tǒng)予以測試，實(shí)驗(yàn)數(shù)據(jù)表明，該系統(tǒng)在目標(biāo)個數(shù)統(tǒng)計(jì)與定位精度兩個方面有效且均能滿足設(shè)計(jì)要求，并較現(xiàn)有方法有明顯提高．

目標(biāo)定位;指紋匹配;目標(biāo)計(jì)數(shù);射頻識別

近年來，被動式目標(biāo)定位已經(jīng)在博物館，軍事戰(zhàn)區(qū)，銀行和學(xué)校等公眾性場所發(fā)揮了重要作用．多媒體監(jiān)測因受其設(shè)備價格、安裝角度以及環(huán)境光線、天氣的影響而存在一定局限性．同時，基于射頻信號(Radio Frequency， RF)的被動式定位方法已成為新一代目標(biāo)檢測定位與行為識別的重要手段之一[1]，傳統(tǒng)方法是以密集的部署代價換取較高的檢測定位精度[2，3]．即使如此，一旦監(jiān)測區(qū)域中同時存在多個目標(biāo)時，由于信號反射后的多徑傳輸路徑已經(jīng)發(fā)生變化，定位精度也將無法保證[4]．為此，如何準(zhǔn)確分析目標(biāo)引起的多徑分布，從而有效且準(zhǔn)確地定位多個目標(biāo)，是筆者主要的研究工作．

較早的被動式定位工作中通常忽略了多徑效應(yīng)的影響[5-7]，只考慮由目標(biāo)在視距路徑(Line of Sight， LoS)產(chǎn)生的信號衰減或信道變化，將多徑干擾視為影響定位精度的不利因素并予以消除或者優(yōu)化，這樣的研究提升了定位精度，然而在實(shí)際場景無法避免或消除多徑干擾以及非視距(Non-Line of Sight， NLoS)情況的客觀存在性，這些方法在實(shí)際應(yīng)用中很難得到推廣與普適．近年來，國內(nèi)學(xué)者對該問題也予以了關(guān)注并進(jìn)行了有效研究，PinIt[8]利用合成孔徑雷達(dá)(Synthetic Aperture Radar， SAR)和動態(tài)時間規(guī)劃(Dynamic Time Warping， DTW)方法來建立和比較多徑分布，其獲取方式是基于特定設(shè)備而完成的，這一工作為之后的真實(shí)場景應(yīng)用系統(tǒng)與方法研究提供了新的思路與方向．隨后，包括Wi-Vi[9]，WiTrack2.0[10]及WiDeo[11]在內(nèi)的諸多研究工作均充分考慮了真實(shí)場景中的多徑效應(yīng)，然而上述工作均需使用專用設(shè)備，這無疑增加了大規(guī)模部署時的成本，在實(shí)際使用中存在困難．在諸多無線網(wǎng)絡(luò)環(huán)境中(如WiFi，Bluetooth，Zigbee)，為了減少定位代價[12]，筆者采用無線射頻識別(Radio Frequency Identification Devices，RFID)無源標(biāo)簽作為工作的無線環(huán)境平臺．然而在實(shí)際研究中，多目標(biāo)的數(shù)量不同，以及所處位置的不同，都會引起多徑分布的不一致，從而導(dǎo)致與先驗(yàn)指紋匹配失諧，定位精度無法保證．因此，筆者將重點(diǎn)研究目標(biāo)出現(xiàn)及位置變化所帶來的多徑分布變化，通過分析多徑變化來確定目標(biāo)數(shù)量，完成目標(biāo)定位．

1 系統(tǒng)概述

系統(tǒng)設(shè)計(jì)分為3部分: 指紋庫建立、多目標(biāo)計(jì)數(shù)和細(xì)粒度定位，如圖1所示．每個部分包括使用多徑分布的幾個函數(shù)，最后一步使用參考指紋，但前者不需要．與已有監(jiān)測定位系統(tǒng)相比，該系統(tǒng)重點(diǎn)在于對目標(biāo)個數(shù)的統(tǒng)計(jì)，從而提升定位精度．

在指紋庫建立部分，首先監(jiān)測區(qū)域劃分為固定大小的均勻正方形網(wǎng)格單元Gs(Gs= 0.4 m)，每個單元格只有一個絕對坐標(biāo); 其次，當(dāng)沒有目標(biāo)出現(xiàn)在監(jiān)測區(qū)域時，測量并記錄所有標(biāo)簽反射信號的相位值，通過這些相位可以計(jì)算出該監(jiān)測區(qū)域的多徑分部; 最后，當(dāng)目標(biāo)處于監(jiān)測區(qū)域內(nèi)時，測量并收集相位值，同時計(jì)算該時刻的多徑分布．通過采用DTW方法對比第2和第3步的結(jié)果，由此確定每個網(wǎng)格的受影響標(biāo)簽．

在多目標(biāo)計(jì)數(shù)部分，嘗試使用兩個RFID讀取器精確檢測受影響標(biāo)簽的邊界，受文獻(xiàn)[13]邊界測量的啟發(fā)，筆者通過評估多徑失真情況來確定標(biāo)簽是否受影響．一旦失真，相應(yīng)的標(biāo)簽可以被進(jìn)行標(biāo)記并用于之后的定位．通過這種做法，筆者為多個無源閱讀器設(shè)計(jì)了有效的識別碰撞方案，目的是在最短的時間內(nèi)確定影響標(biāo)簽，以便計(jì)算受影響的標(biāo)簽集以及目標(biāo)的數(shù)量．

在細(xì)粒度定位部分，根據(jù)目標(biāo)個數(shù)及目標(biāo)影響的標(biāo)簽，首先對參考指紋進(jìn)行篩選，確保篩選出的參考指紋中至少存在一個與實(shí)時監(jiān)測指紋相同的標(biāo)簽; 其次，將標(biāo)簽位置信息作為約束條件，提升匹配準(zhǔn)確性，提高定位精度．

2 多目標(biāo)計(jì)數(shù)

精確的目標(biāo)計(jì)數(shù)對于提升定位精度具有重要意義[14]．在設(shè)計(jì)中，快速且準(zhǔn)確地識別被影響的標(biāo)簽對于目標(biāo)個數(shù)的統(tǒng)計(jì)起到了至關(guān)重要的作用．關(guān)于被影響標(biāo)簽的識別，不僅要考慮目標(biāo)出現(xiàn)前后的無線信號多徑分布，還需考慮相同標(biāo)簽隨時間變化所引起的多徑隨機(jī)偏差;同時，受影響標(biāo)簽所處區(qū)域的檢測是確定目標(biāo)數(shù)量的關(guān)鍵，本節(jié)將予以分析并提出兩者之間的函數(shù)關(guān)系;最后，多閱讀器訪問標(biāo)簽的碰撞問題(標(biāo)簽在同一時刻只能處理一個閱讀器的請求)也需要被正視，這將有效減少多徑分布指紋庫所需時間．

2.1 標(biāo)簽識別

為了識別每個目標(biāo)的受影響的標(biāo)簽，提出多徑分布離散度的概念．多徑分布離散度用來描述一個標(biāo)簽在不同時間的多徑分布的相似程度，離散度值越大，兩個多徑分布越不相同．使用DTW的方法計(jì)算多徑分布的離散度，記為Dis值，即

(1)

其中，Di,j是i和j之間的歐幾里得距離，L是多徑分布的長度，Bα和Bβ是兩個不同的多徑分布，定義如下:

B=B(0)，…，B(i)，…，B(180) ．

(2)

基于已有經(jīng)驗(yàn)知識，在相同環(huán)境下不同時間的隨機(jī)偏移有一個固定的范圍．為了達(dá)到高精度的多目標(biāo)計(jì)數(shù)，文中將采用容錯方法設(shè)置適當(dāng)?shù)拈撝祦泶_定目標(biāo)是否產(chǎn)生多徑分布失真．對于新的Dis值，平均值a和平均變差m可進(jìn)行重新估計(jì)，g= 0.125，h= 0.25，參考于RFC6289．

(3)

2.2 邊緣檢測

目標(biāo)不會影響所有標(biāo)簽，所以本節(jié)旨在通過使用兩個RFID閱讀器檢測受影響的標(biāo)簽所在區(qū)域的邊界來計(jì)算目標(biāo)的數(shù)量．例如圖2(a)，其中每個正方形圖標(biāo)都是一個無源標(biāo)簽，在區(qū)域I和區(qū)域II的標(biāo)簽的多徑分布受到目標(biāo)的影響很類似，而區(qū)域Ⅲ標(biāo)簽的多徑分布沒有受到目標(biāo)的影響．針對此類情況，受影響區(qū)域的數(shù)量是指目標(biāo)的數(shù)量．

實(shí)際應(yīng)用中閱讀器不能觀測到隱藏于其他目標(biāo)之后的另一目標(biāo)，如圖2(b)所示，一個受影響區(qū)域內(nèi)含有多個目標(biāo)，且目標(biāo)位置具有特殊性．天線陣列無法計(jì)算區(qū)域Ⅰ中的target1和隱藏在其后的target3這兩個目標(biāo)之間的邊界．為了檢測那些隱藏的目標(biāo)，可添加一個閱讀器做正交方向檢測．例如，在圖2(c)中，在監(jiān)測區(qū)域有兩個閱讀器并且由兩個閱讀器檢測到的受影響的邊界以確定目標(biāo)所在區(qū)域，則隱藏的目標(biāo)可以被檢測．這里，認(rèn)為天線陣列Y在區(qū)域Ⅰ和區(qū)域Ⅳ是有效的，天線陣列X在區(qū)域Ⅱ和區(qū)域Ⅳ有效．

圖2 邊緣檢測示意圖

另一個重要問題是多目標(biāo)共同所影響的標(biāo)簽無法被劃分時，就會導(dǎo)致目標(biāo)計(jì)數(shù)錯誤．考慮圖2(d)中的情況，區(qū)域Ⅰ中的目標(biāo)不能由天線陣列來識別．因此，針對此類情況，需要根據(jù)標(biāo)簽部署信息，計(jì)算受影響標(biāo)簽數(shù)組相對于有效天線陣列的長度．根據(jù)閱讀器發(fā)射功率進(jìn)行計(jì)算，受影響的標(biāo)簽數(shù)組長度相對于有效天線陣列不大于 1.2 m．一旦受影響的標(biāo)簽數(shù)組的有效長度大于 1.2 m，則受影響的標(biāo)簽是由n個目標(biāo)共同作用的結(jié)果，則目標(biāo)個數(shù)n被認(rèn)為是 (n-1)d/ 1.2，其中d是兩個標(biāo)簽之間的距離間隔．

2.3 碰撞分析

作為多目標(biāo)定位的一個重要因素，碰撞問題會導(dǎo)致較高的計(jì)算復(fù)雜性，從而增加系統(tǒng)響應(yīng)延遲．雖然有爭議的標(biāo)簽可以從另一閱讀器中過濾信號，但從這些標(biāo)簽反射的數(shù)據(jù)信息量不足以支撐短時間內(nèi)目標(biāo)所在區(qū)域的劃分與后期的匹配定位．因此，在這里關(guān)注如何消除或減少RFID系統(tǒng)中多閱讀器的碰撞問題，提高有效數(shù)據(jù)信息的正確性．

假設(shè)在每個單位時間內(nèi)的發(fā)射器的數(shù)據(jù)發(fā)送定義為具有速率W的泊松過程，通過有爭議的標(biāo)簽碰撞的信號濾除，每個閱讀器的成功采樣率FW=Wexp(-2W)，在文中，W=Nλ，其中N是有爭議標(biāo)簽的數(shù)量，λ是在單位時間內(nèi)由一個標(biāo)簽反射出的平均數(shù)據(jù)數(shù)．因此FW可記為

Fw=Nλexp(-2Nλ) ．

(4)

根據(jù)抽樣理論[15]中提出的數(shù)據(jù)抽樣理論，有用數(shù)據(jù)的收集可以重建目標(biāo)分布在天線的方向上，當(dāng)且僅當(dāng)采樣間隔S= 1/FW，且被定義為S=Ne lnN+r，其中r是1和n之間的隨機(jī)變量，e為自然指數(shù)，則有

Ne lnN<1/(Nλexp(-2Nλ)) ,

(5)

事實(shí)上，有標(biāo)簽的數(shù)量N是固定的，λ與讀取器的訪問頻率有關(guān)，改變讀取器的訪問頻率可以在碰撞情況下獲取每個有爭議標(biāo)簽所反射回的數(shù)據(jù)，從而進(jìn)一步統(tǒng)計(jì)并糾正被影響的標(biāo)簽數(shù)．

3 高精度定位

(6)

同時，假設(shè)PD=(p1，p2，…，pN)代表無源標(biāo)簽位置樣本的集合．在PD中位置樣本順序?yàn)闃?biāo)簽距離閱讀器遠(yuǎn)近遞增順序排列．這樣，有兩個可能的方式從FD到PD進(jìn)行映射(σ1，σ2:FD→PD):

(7)

圖3 實(shí)驗(yàn)場景

4 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)在室內(nèi)環(huán)境中進(jìn)行，使用922.88 MHz的RFID設(shè)備，共招募7名志愿者，歷時 14 h，收集數(shù)據(jù)共計(jì) 1 054 400 條，如圖3所示．在實(shí)驗(yàn)Ⅰ中，分別在不同尺寸場景下 (480 cm× 480 cm，600 cm× 600 cm，720 cm× 600 cm) 記錄相位值．其中，場景1: 480cm× 480 cm，25個無源標(biāo)簽排列成 5×5 矩陣形式; 場景2: 600 cm× 600 cm，36個無源標(biāo)簽排列成 6×6 矩陣形式; 場景3: 720 cm× 600 cm，42個無源標(biāo)簽排列成7行，每行有6個無源標(biāo)簽．3個不同場所的目標(biāo)數(shù)量分別是4，5和6個．此外，整個實(shí)驗(yàn)使用兩個閱讀器，每個標(biāo)簽記錄20組數(shù)據(jù)．

實(shí)驗(yàn)Ⅰ結(jié)果如圖4所示．其中，圖4(a)描述了每個場所中多目標(biāo)計(jì)數(shù)的精度．從實(shí)驗(yàn)數(shù)據(jù)可知，目標(biāo)之間的距離間隔越大，則多目標(biāo)計(jì)數(shù)精度越高．當(dāng)距離大于 1 m，可以實(shí)現(xiàn)100%的精度，并且如果兩個目標(biāo)之間的距離小于 0.6 m，則系統(tǒng)將認(rèn)定是同一個目標(biāo); 圖4(b)顯示了目標(biāo)間距為 1.2 m 時，定位誤差的累積分布函數(shù)(Cumulative Distribution Function， CDF)．可以發(fā)現(xiàn)，當(dāng)每對標(biāo)簽之間距離為 1.2 m 時，系統(tǒng)對于多目標(biāo)計(jì)數(shù)是有效的，同時具有較高精度的定位結(jié)果．

圖4 系統(tǒng)有效性測試

實(shí)驗(yàn)Ⅱ驗(yàn)證系統(tǒng)多場景下的魯棒性．在場景1和場景3中改變標(biāo)簽之間的距離間隔，兩個區(qū)域的目標(biāo)數(shù)量分別是4和6． 首先比較兩個區(qū)域中不同標(biāo)簽距離下的目標(biāo)計(jì)數(shù)精度，分別比較兩種情況下定位誤差．結(jié)果如圖5(a)與圖5(b)所示．系統(tǒng)在場景更換時，多目標(biāo)統(tǒng)計(jì)及定位均具有較強(qiáng)的魯棒性，主要原因在于文中所提方法已根據(jù)多徑分布，將標(biāo)簽間距離與目標(biāo)個數(shù)統(tǒng)計(jì)建立了函數(shù)關(guān)系，因此場景變化時，僅測量部署時的標(biāo)簽間距離及多徑分布即可完成較高精度的目標(biāo)統(tǒng)計(jì)，確保定位精度．

圖5 系統(tǒng)魯棒性測試結(jié)果

在實(shí)驗(yàn)Ⅲ中，將該系統(tǒng)與已有工作進(jìn)行比較，如Alico[16]、RASS[7]和WiDeo[11]等系統(tǒng)．對比結(jié)果如圖6所示，分別展示出LoS和NLoS實(shí)驗(yàn)中的定位誤差，文中設(shè)計(jì)系統(tǒng)在兩種客觀存在的環(huán)境下幾乎沒有損失定位精度，其主要原因在于筆者首先對目標(biāo)個數(shù)予以統(tǒng)計(jì)，而Alico、RASS和WiDeo僅考慮信號受目標(biāo)影響的變化，而未考慮目標(biāo)個數(shù)不同所引起的多徑分布差異，因此目標(biāo)定位精度不如文中所提方法，尤其是在NLos環(huán)境中，多目標(biāo)的存在使得多徑分布更為復(fù)雜，Alico、RASS和WiDeo定位精度明顯下降．

圖6 多系統(tǒng)定位精度比較

5 結(jié) 束 語

針對真實(shí)環(huán)境中多目標(biāo)定位所面對的多徑分布與非視距路徑問題，提出一種被動式多目標(biāo)定位系統(tǒng)．文章深入分析了多目標(biāo)計(jì)數(shù)問題，并探索通過無源標(biāo)簽邊緣檢測完成計(jì)數(shù)統(tǒng)計(jì)，同時將標(biāo)簽位置作為目標(biāo)定位的約束條件，提升定位精度．通過真實(shí)場景有效實(shí)驗(yàn)，驗(yàn)證了系統(tǒng)在定位精度方面的有效性，在場景普適應(yīng)用方面的魯棒性．

參考文獻(xiàn)：

[1] YU Z W, XU H, YANG Z, et al. Personalized Travel Package with Multi-point-of-interest Recommendation Based on Crowdsourced User Footprints[J]. IEEE Transactions on Human-Machine Systems, 2016, 46(1): 151-158.

[2] BOCCA M, KALTIOKALLIO O, PATWARI N, et al. Multiple Target Tracking with RF Sensor Networks[J]. IEEE Transactions on Mobile Computing, 2014, 13(8): 1787-1800.

[3] NANNURU S, LI Y P, ZENG Y, et al. Radio-frequency Tomography for Passive Indoor Multitarget Tracking[J]. IEEE Transactions on Mobile Computing, 2013, 12(12): 2322-2333.

[4] ADIB F, KABELAC Z, KATABI D, et al. 3D Tracking via Body Radio Reflections[C]//Proceedings of the 11th USENIX Conference on Networked Systems Design and Implementation. Berkeley: USENIX Association, 2014: 317-329.

[5] 馬鑫迪, 馬建峰, 高勝. 室內(nèi)定位系統(tǒng)中指紋庫的優(yōu)化方法[J]. 西安電子科技大學(xué)學(xué)報(bào), 2015, 42(6): 81-87.

MA Xindi, MA Jianfeng, GAO Sheng. Fingerprint Optimization Method for the Indoor Localization System[J]. Journal of Xidian University, 2015, 42(6): 81-87.

[6] WANG J, GAO Q H, WANG H Y, et al. Device-free Localization with Multidimensional Wireless Link Information[J]. IEEE Transactions on Vehicular Technology, 2015, 64(1): 356-366.

[7] ZHANG D, LIU Y H, NI L M. RASS: a Real-time, Accurate, and Scalable System for Tracking Transceiver-free Objects[J]. IEEE Transactions on Parallel and Distributed Systems, 2013, 24(5): 996-1008.

[8] WANG J, KATABI D. Dude, Where’s My Card? RFID Positioning that Works with Multipath and Non-line of Sight[J]. ACM Sigcomm Computer Communication Review, 2013, 43(4): 51-62.

[9] ADIB F, KATABI D. See through Walls with Wi-Fi![C]//Proceedings of the ACM SIGCOMM 2013 Conference on SIGCOMM. New York: ACM, 2013: 75-86

[10] ADIB F, KABELAC Z, KATABI D. Multi-person Localization via RF Body Reflections[C]//Proceedings of the 12th USENIX Symposium on Networked Systems Design and Implementation. Berkeley: USENIX Association, 2015: 279-292.

[11] JOSHI K, BHARADIA D, KOTARU M, et al. Wideo: Fine-grained Device-free Motion Tracing Using RF Backscatter[C]//Proceedings of the 12th USENIX Symposium on Networked Systems Design and Implementation. Berkeley: USENIX Association, 2015: 189-204.

[12] HAN J S, QIAN C, WANG X, et al. Twins: Device-free Object Tracking using Passive Tags[J]. IEEE/ACM Transactions on Networking, 2016, 24(3): 1605-1617.

[13] LIU Y H, ZHAO Y Y, CHEN L, et al. Mining Frequent Trajectory Patterns for Activity Monitoring Using Radio Frequency Tag Arrays[J]. IEEE Transactions on Parallel and Distributed Systems, 2012, 23(11): 2138-2149.

[14] SHANGGUAN L F, YANG Z, LIU A X, et al. Relative Localization of RFID Tags Using Spatial-temporal Phase Profiling[C]//Proceedings of the 12th USENIX Symposium on Networked Systems Design and Implementation. Berkeley: USENIX Association, 2015: 251-263.

[15] CHEN Y J, LIU Z L, FU X W, et al. Theory Underlying Measurement of AoA with a Rotating Directional[C]//Proceedings of the IEEE INFOCOM. Piscataway: IEEE, 2013: 2490-2498.

[16] WANG J, XIE B B, FANG D Y, et al. Accurate Device-free Localization with Little Human Cost[C]//Proceedings of the 1st International Workshop on Experiences with the Design and Implementation of Smart Objects, Co-located with MobiCom 2015. New York: ACM, 2015: 55-60.

Passivelocalizationformulti-targetsviawirelesssignalprocessing

XINGTianzhang，XIEBinbin，YANGKang，TANGZhanyong，F(xiàn)ANGDingyi

(School of Information and Science and Technology, Northwest Univ., Xi’an 710127, China)

Passive localization plays a critical role in the Internet industry. However, current methods only analyze and calculate the signal distortion of the target which generates in the Line of Sight without considering the Non Line of Sight and multipath effects. To address the problem, we present the multi-targets location system via the RFID base on the fingerprint matching. First, this paper uses the passive tag edge detection to build the function relation between the target distance and the target number, and analyzes the reader collision phenomenon to address multi-targets counting, further ensuring the effectiveness of location data and the accuracy of target statistics; Second, this paper improves localization accuracy by exploring the arteritis of the target relative to the tag position and using the tag position as the constraints. We conduct extensive experiments in 2 scenarios for 3 areas. Compared with other approaches, the system we proposed improves the target counting and location accuracy, scalability and robustness under various scenarios.

localization; fingerprint; target counting; radio frequency identification devices

2017-03-19

時間：2017-06-29

國家自然科學(xué)基金資助項(xiàng)目(61602381, 61672428, 61672427)； 陜西省國際合作資助項(xiàng)目(2015KW-003)

邢天璋(1981-)，男，高級工程師，E-mail: xtz@nwu.edu.cn．

http://kns.cnki.net/kcms/detail/61.1076.TN.20170629.1734.034.html

10.3969/j.issn.1001-2400.2018.01.017

TP915

A

1001-2400(2018)01-0093-06

(編輯： 王 瑞)