基于RFID通信的智能門禁系統

張海燕，袁國棟，高浩浩

甘肅建筑職業技術學院，甘肅 蘭州，730050

0 引言

隨著智能門禁系統的不斷發展，其正被大量應用于現實生活。目前，基于RFID的智能門禁系統主要有標記ID和ID的人臉圖像識別。Torres[1]提出了將射頻識別集成到無線傳感器網絡（WSN）中，以便對標記的人員或物體進行識別和通過授權。Maramis等[2]提出了RFID數據庫集成考勤系統，其具有存儲每個員工的數據或信息。Kassim等[3]開發了基于射頻的學生考勤系統識別（RFID）技術。Shu[4]為訪問控制系統引入了一種傳感數據增強認證。孫瑞等[5]闡述了無線射頻識別（RFID）技術的工作原理及其特點，提出了無線射頻識別技術在門禁系統中的使用。Pss[6]提出了利用射頻識別和人臉識別相融合的一種新型的識別考勤系統。Wu[7]提出了一種基于RFID和神經網絡相結合，并應用于設備的智能門禁系統。Jing等[8]提出了一種神經網絡模型和第二類基于網絡的人臉識別訪問控制系統，以確保被授予訪問權限的人員的權限與RFID卡上的ID相匹配。Pan等[9]提出的基于FNN門禁系統，其中包括基于人臉檢測的系統皮膚模型、RFID卡處理和人臉識別。然而，為了解決這一問題越來越多的人致力于基于射頻信號的智能系統研究。電流智能射頻信號傳感技術得到了廣泛的應用，如運動識別[11]、人員計數[12]、活動識別[13]、3D跟蹤[14]、AR集成[15]、身體成像[16]、 呼吸識別[17]和墜落檢測[18]。

目前，關于使用RFID研究智能門禁系統的后向散射信號可以實現方向追蹤、人員識別和身高識別的研究較少。通過對以上文獻分析總結，本文提出了一種針對人員步態和形體特征參數的智能門禁識別系統，實現對環境的免疫，無需攜帶門禁卡即可轉換視覺的訪問控制。

1 問題描述及建模

1.1 問題描述

主要問題是消除各類障礙物對智能門禁系統的信號干擾因素，充分研究訪問控制事件與接收到的射頻信號之間的相關性。假設標簽極化天線為a,N個無源標簽連接到該平面以感知訪問控制事件，表示為{T1,T2,...TN}。

1.2 建模

（1）先決條件：由于使用大陣列對感知事件進行控制與處理。同時，智能門禁系統要實時接受來自標記物的穩定的反向散射信號。其接收信號的強弱與發射信號頻率有關，一般RFID鏈路的組成是前向鏈路和反向鏈路構成，一般把無線電作為讀取器的天線使用。為了使系統的前鏈路保持暢通和連續，標簽Ptags的靈敏度要大于路徑損耗Ploss和讀取器Pt的發射功率之和。到達標簽的功率表示為Ptager：

在感知過程中，系統鏈路還存在一種損耗，為調節損耗Pmod。對于研究反向鏈路保持通順問題，系統讀取器的前置功率Pr可表示為：

同時，標簽的部署和天線的方向對系統感知和暢通性有一定的影響。標簽部署方向和天線極化方向之間的匹配度將決定極化損耗因子（P LF），其影響讀取器接收信號的功率Pr：

其中，C被稱為多樣性項，在讀取器標記通信的標簽中捕獲大多數參數。在同等條件下，假設Pt最大，C恒定，這樣可使標簽的感知識別范圍更大，同時使基于RFID智能系統識別更準確，接收的信息更完整。本文建立以下三種模型用以智能識別和感知。

（2）理想、靜和動態三種環境建模。首對理想環境進行分析，如圖1（a）所示，這個模型的特征主要是把系統讀取器和要識別標簽的視覺路線作為一種信息傳播路徑研究。其中前向鏈路接收信號，反向鏈路接收信號：

在具有信號反射和散射體的實際環境中，由于實際環境復雜性，發射信號會在環境中經過多重反射，系統接受器接受的信號強度大大降低，對于系統而言信號只反射一次就被接受是最最理想的。

圖1（b）為靜態環境建模，將環境中多個路徑反射體記為m，標簽接收到多徑信號，但一次反射多條路徑信號SAMA到達讀取器天線，應該被忽略，主要是讀取器中含有前導濾波功能，對靜態環境識別與感知有益。文章重點研究讀取器反向鏈路到標簽路徑的過程。標簽接收信號，讀取器收到信號為：

如圖1（c）為動態環境，對于動態環境而言，測試者通過感知模擬器，智能門禁系統全程通過ac進行控制和調試，為測試者身體反射信號，為標簽接收信號，為讀取器接收信號為：

同時，為了研究標簽天線，視標簽為讀取器信道評估的鏈路，其采集到的RSSI值γ和相位值ε也可作為鏈路參數使用。SAR為標簽接受信號：

為了更加深入分析動態環境中測試者身體反射效果，假定動態環境是一個時變線性系統，靜態環境為一恒定值。測試者身體反射效果表達式：

為了簡化計算，通過（6）、（7）可化簡為：

其中HP和表示不同測試者對感知控制的效應：

其中，Fh、Fw、Fbp分別代表測試者身高、體重和體態影響因子。為消除反射鏈路多徑表達式：

其中，HP主要取決于測試者身體狀態在不同時間段的身高和步態姿態。假設在志愿者中有H種身高影響因子、W種體重影響因子和BP種身體姿勢影響因子，為了HP參數準確性，文章利用H*W*BP類型的組合進行調試。同時，使智能門禁系統能更準確地進行當測試人員處于不同狀態的形態識別，需要布設更大的矩陣范圍，這樣可加大測試者與系統的識別距離，更有利于智能門禁系統感知識別的實現。

（3）射頻信號預處理。文章提出的RFID系統使用標簽陣列，因為在智能門禁系統開始運行時，由于系統接收器收到反射信息受到各方面因素影響，所以在智能系統實驗前要對接收到的信息先預處理。極化天線接受的信號功率通過計算，最后轉化為智能系統的RSSI特征。

首先，關鍵是RSSI和phase預處理過程。在信號預處理過程中，應先對相位處理，為了防止信號出現周期性的跳躍和部分失真。然后，對信號濾波處理，有利于信號的平順過渡提高數據的準確性。如圖2所示為原始信號與去噪后信號的對比。最后，系統根據測試者身體反射模擬器對測試者位置感知識別。靜態標樣環境中對50名測試者進行實驗，將校準樣本數據集記C。對每個標簽的均值μC和標準差σC進行計算。利用均值μC對智能系統RSSI的特征進行處理，標簽的穩定性因子[19]可表示為：

圖2 數據比較

根據身體反射虛擬模型提取所需的顯著特征，以跟蹤志愿者的位置，表示為：

其中，特征向量x表示去噪、平滑、標定后的每個標簽的原始RSSI特征數據。

2 仿真

2.1 實驗步驟

Tsarray智能系統的主要組成為線極化天線矩陣和射頻反射讀取器和接收器。首先，為了使矩陣標簽能最大限度地得以識別，文章對標簽的感知范圍進行了設計。然后，消除因標簽之間感知識別引起的誤差和相互之間的感應耦合，實驗標簽矩陣的部署利用文獻[18]部署方法，水平方向和垂直方向的間距保持在10cm。最后，通過Python和TensorFlow在筆記本電腦上實現并運行了Tsarray。

此智能門禁系統可實現三個方面性能（方向追蹤、身高識別和人的感知識別）。為了充分探索智能門禁系統性能，對部署在兩個環境中的三個模塊進行實驗，如圖3所示，其中一個是在天線和標簽陣列之間部署安全控制臺桌椅，另一個是在標簽陣列和志愿者之間部署控制臺桌椅。測試者以常用的步態通過標簽區域。同時，實際環境復雜多變，存在物體反射信號和噪聲的情況，這種情況會降低目標人物的識別精度，將進一步會影響系統不同功能模塊的性能。

圖3 場景部署

2.2 跨領域評價

本文評估了距離、方向、測試者多樣性及多樣環境領域影響因素的表現。本文章使用分層隨機交叉驗證來評估不同因素對準確度分布的影響，分層隨機交叉驗證對不同類型的離散和相等比例樣本進行抽樣。如圖4所示為標簽樣本集在不同測試環境中對標簽樣本集的精度均值和方差評估。

圖4 跨越式評估

（1）方向差異：智能系統已經預處理了訪問控制事件的訪問方向的同向變換，同時，因為主體不是完全對稱的，不同實體對射頻信號的后向散射也會有不同的特性。圖4(a)表示在不同高度標定區域不同測試者身高的評估精度，當測試者在TST區域時精確度為0.994。圖4(b)為人員識別估計模塊對不同方向的10名志愿者的中位識別準確率分別達到99.7%和99.5%，二者的低四分位值也超過99%。實驗進一步說明了智能系統性能的優越性。

（2）環境多樣性：不同環境的部署是系統穩健性能的另一個重要評估標準。基于RFID智能門禁系統，在天線和標簽陣列之間以及標簽陣列和測試者之間建立了兩個控制臺桌椅環境。從圖4所示的跟蹤功能，始終可以保證整個集群的基本邏輯方向是最佳的。此外，圖4(c)為智能系統方向追蹤精度，不管在那種環境中其追蹤精確度基本保持不變。圖4(d)為不同區域測試者身高精度評估圖，很明顯，T-P環境中身高評估精度高于A-T環境的，因為T-P環境大矩陣部署更合理，便于智能系統的感知識別。簡而言之，該系統對環境多樣性具有魯棒性。

3 結論

本文提出了一種基于RFID大標簽陣列后向散射通信機制的智能射頻信號傳感接入控制系統。它可以應用三個不同的功能模塊：方向跟蹤、人員識別和身高識別。本文采用同向轉換模塊不但使系統識別精度得以提高。而且，消除方向差異對讓測試者感知識別的精確度。此外，為了評估了RFID在真實環境中的性能，文章建立了能提取時空特征值的深度學習模型。最后，實驗驗證了在方向追蹤、測試者識別、高度識別等方面體現智能門禁系統的整體性能的優越性。