技术领域本发明涉及物联网传感技术领域，具体涉及一种利用电磁波穿透性的物品鉴定方法。
背景技术：
在现今的物流、仓储领域，射频识别技术已经逐步广泛应用起来。相比于之前的二维码、条形码等技术，射频识别技术的优点在于：(1)除了能够利用标签携带一定的信息，还可以方便的利用阅读器对信息进行更改。(2)不拘泥于将标签放在指定方位，只要将标签至于阅读器的读取范围，便可进行读写操作。在现有的射频识别设备中，分为超高频，高频等，分别用于不同的场景和应用下。在物流的仓储系统中，传统鉴别物品或包裹的方法，是在包裹或物品的包装盒上印制二维码、条形码的方式。在鉴定和识别物品时，通过扫描二维码和条形码，读取其中的信息，对物品进行鉴定和识别。但是，这样的方式下隐藏着很大的安全隐患：(1)首先，二维码和条形码很容易进行复制。攻击者仅仅需要复制该二维码和条形码就可以替代或冒充正常的货物。(2)其次，扫描二维码和条形码是一种鉴别其所附物品的方式，而在物流和仓储环境中，常常在外包装盒上印刷二维码或条形码，这样，攻击者在不破坏二维码和条形码的前提下，可以通过暴力拆解的手段，替代或取走外包装盒内的物品。以上的两种安全隐患，在未拆包装盒的前提下，非常不容易被发现和察觉。
技术实现要素：
针对上述现有技术中存在的问题，本发明的目的在于，提供一种基于EPCGlobalClass1Gen2协议下的超高频的应用，能够在识别包裹的同时又能够鉴别包裹内物品是否被替换和取走的方法，适用于物流，仓储系统等情况。为了实现上述任务，本发明采用以下技术方案：一种利用电磁波穿透性的物品鉴定方法，包括以下步骤：步骤一，待测物品的数据训练步骤S10，将标签阵列贴在箱子内的底部，并将待测物品放入箱子中并进行封装；步骤S11，在箱子外部设置有无线射频识别器和通用软件无线电外设，其中无线射频识别器的阅读天线位于箱子的下方，通用软件无线电外设的天线位于箱子的上方；步骤S12，利用通用软件无线电外设天线监听所述的阅读天线与箱子内标签阵列的通讯过程，获取原始信号；步骤S13，将原始信号中标签阵列回复的EPC信号截取出来，并从EPC信号中提取信号特征，利用分类器确定EPC信号所属的标签；步骤S14，将标签阵列中不同标签的EPC信号对齐之后，去除外部环境以及环境中移动物品的影响，获得训练集，并保存训练集；步骤二，待测物品的鉴定步骤S20，实际检测时，对于一个装有待测物品的箱子，箱子内的底部有与步骤S10相同方法设置的标签阵列；按照步骤S11至步骤S14相同的方法对装有待测物品的箱子进行处理，不同的是此时最终得到测试集而非训练集；步骤S21，将测试集与训练集进行比对，以确定待测物品是否被替换和破坏。进一步地，所述的标签阵列包括两个标签，分别为第一标签和第二标签。进一步地，所述的分类器采用K-means分类器。进一步地，所述的步骤S14中获得训练数据的具体过程包括：记第一标签、第二标签获取对应的原始信号S1、S2分别为：S1＝F1+Nen+Neq+Nw(1)S2＝F2+N'en+N'eq+N'w(2)上式中，F1、F2分别表示第一标签、第二标签的信号穿透箱子中待测物品时的信号特征，Nen、N'en是箱子所处的外部环境对第一标签、第二标签信号的影响，Neq、N'en是使用不同的设备对第一标签、第二标签信号的影响，Nw、N'w是第一标签、第二标签信号的高斯白噪声；将原始信号S1、S2相减可得：S1-S2＝(F1-F2)+(Nen-N'en)+(Neq-N'eq)+(Nw-N'w)(3)在上式中，由于箱子所处的外部环境对第一标签和第二标签来说是类似的，因此(Nen-N'en)≈0；在同一次测试中，第一标签与第二标签使用的设备是一样的，因此(Neq-N'eq)≈0；第一标签、第二标签信号的高斯白噪声是相互独立的，令G＝Nw-N'w；则根据高斯白噪声的概率分布可得即服从期望为0，方差为的分布；令H＝F1-F2，由于高斯噪声与箱子内物品无关，因此可以认为G和H是相互独立的，这样对公式(3)两边求期望为：E(S1-S2)＝E(H)+E(G)(4)由于对于每次第一标签、第二标签所回复的信号，都能够采集到上万个采样点，因此，通过切比雪夫大数定理可知：limn→∞Σ[(Nw-Nw′)]-limn→∞ΣE(G)≤ϵ---(5)]]>上式中，n表示采样点；已知G的方差为0，因此可得：limn→∞Σ[S1-S2]=limn→∞Σ(F1-F2)---(6)]]>因此，所述的训练集即为F1、F2的差值构成的特征矩阵F；在特征矩阵F中，每一行为第一标签、第二标签的EPC信号对应相减后得到的特征向量。进一步地，步骤S15得到训练集后，对训练集进行特征值提取，以便于步骤二的比对过程；具体特征值提取方法如下：对特征矩阵F的每一行进行小波变换，将近似特征向量记为ca，将细节特征向量记为cd，由每行的近似特征向量ca构成的新的特征矩阵Dm×k'，其中，m为特征向量的个数，k'为小波变换后特征向量ca的长度；对新的特征矩阵Dm×k'中的每一行向量提取趋势向量Vt，并对新的特征矩阵Dm×k'整体提取细节矩阵Vd，其提取过程如公式7所示：Vt(i)=Σj=1mDm×k′(j,i)m,0<i≤k′Vd(j,i)=Dm×k′(j,i)-Vt(i),0<i≤k′,0<j≤m---(7)]]>进一步地，所述的步骤S21中对测试集和训练集进行比对的方法包括：步骤S210，实际检测时，按照对训练集进行特征值提取的方法对测试集进行特征值提取，得到测试集的趋势向量Vt′和细节矩阵Vd′；步骤S211，计算训练集和测试集的趋势向量Vt、Vt′的互相关系数x；步骤S212，判断互相关系数x是否大于阈值T，若大于，进行步骤S213，否则，判定结果R＝0，输出R；步骤S213，将训练集和测试集的细节矩阵Vd和Vd′放入朴素贝叶斯分类器，得到预测结果R，输出R。本发明与现有技术相比具有以下技术特点：1.超声波检验主要是用来检测物品中的裂缝等不规则形变的，且超声波检验对物品可能造成的影响或损坏不能估计，故其不适用于物流，仓储的环境；而本发明采用电磁波的穿透性对物品进行鉴定，能检测包裹内物品是否被替换或取走，进一步提高了物流、仓储环境内的安全检测措施，对实际生活和生产具有重要的意义；2.X光检验常常应用与机场、地铁等交通枢纽场所，用于检查封闭的箱体内的违禁物品。然而，在很多物流环境中，用户常常非常注重个人隐私保护，并不希望箱子内物品被陌生人查看。并且，由于发货方及收货方往往是不同的用户群，因此，通过查看箱子内物品具体情况的方式并不能够确认箱子内物品是否被替换。并且由于X光检验机的大小恒定，所以也不适用于物流、仓储等环境。因此本发明能够很好的解决上述问题，鉴别效果有效且可靠。附图说明图1为本发明中实施例的流程图；图2为图1中信号采集模块的设置示意图；图3为各类物品对电磁信号的影响，其中(a)为纸盒，(b)为空箱子，(c)为纤维制品，(d)为纸团(填充物)；图4为EPC第一类第二代协议流程图；图5为K-means分类器结果，其中(a)为Alien964X的方差与平均值关系，(b)为音频杰EH47的方差与平均值关系，(c)为音频杰E41C方差与平均值关系，(d)为Alien964X的方差与振幅关系，(e)为音频杰EH47的方差与振幅关系，(f)为音频杰E41C方差与振幅关系；图6为五种不同材质的近似特征向量ca图；图中标号代表：1—待测物品，2—通用软件无线电外设的天线，3—箱子，4—标签阵列，5—无线射频识别器的阅读天线。具体实施方式本发明的整体思路是，将一对射频标签放入箱子(包裹)底部中央，相距4cm(标签间距可根据箱体大小调节，本实施例中使用的箱子大小为23cm*24cm*40cm)，放入物品后，在箱子顶部采集训练或测试数据，由于不同材料的介电常数不同，电磁波在穿透不同物品时所受到的影响也不同，通过比对测试集和训练集的数据特征，来判断包裹内物品是否被替换或取走，具体的方法如下：一种利用电磁波穿透性的物品鉴定方法，包括以下步骤：步骤一，待测物品的数据训练步骤S10，在训练期间，将标签阵列贴在箱子内的底部，并将待测物品放入箱子中并进行封装；步骤S11，在箱子外部设置有无线射频识别器和通用软件无线电外设，其中无线射频识别器的阅读天线位于箱子的下方，通用软件无线电外设的天线位于箱子的上方；步骤S12，利用通用软件无线电外设天线监听所述的阅读天线与箱子内标签阵列的通讯过程，获取原始信号；在这个步骤中，通用软件无线电外设与无线射频识别阅读器同时工作，获取标签以及阅读器信号穿透箱子内待测物品的复数信号；步骤S13，将原始信号中标签阵列回复的EPC信号截取出来，并从EPC信号中提取信号特征，利用分类器确定EPC信号所属的标签；根据EPCGlobalClass1Gen2中对标签以及阅读器通讯方式和阅读器命令前缀码的规定，截取所需标签信号，由于标签信号太弱，不好识别，故通过识别阅读器所发送的信号来判断和截取标签回复的信息。由EPCGlobalClass1Gen2协议可知，在标签回复的EPC信号前，由阅读器发送的ACK命令，而紧接在标签回复的EPC信号后，是阅读器所发送的QueryRep信号。由于ACK信号与QueryRep信号都有固定且有别于其他阅读器信号的前缀编码，因此，通过识别和找寻原始信号中阅读器所发送的ACK信号和QueryRep信号，就可以找到并截取标签回复的EPC信号。由于通用无线电外设所能够获取的标签信号包含了许多噪声，并且由于穿透箱体中物品所造成的大量能量损耗，因此所获取的标签信号不容易正确的解码，不建议用解码方式确定发出该信号的标签。但由于标签在制作过程中所造成的硬件差异性，造成每个标签所回复的信号在反向散射时具有不同的链路频率(BLF)及信号特征，通过傅里叶变换将有大量噪音的的时域信号转换成频域信号，可以更清楚地观察到这种链路频率上的细微差别。通过K-means分类器，可以清晰地将信号分为两类。这样，通过K-means分类器可准确地判断出通用无线电外设中所收到的标签信号所属于的标签。本实施例中，标签阵列包括两个标签，分别为第一标签和第二标签。步骤S14，将标签阵列中不同标签的EPC信号对齐之后，去除外部环境以及环境中移动物品的影响，获得训练集，并保存训练集；获得训练数据的具体过程包括：记第一标签、第二标签获取对应的原始信号S1、S2分别为：S1＝F1+Nen+Neq+Nw(1)S2＝F2+N'en+N'eq+N'w(2)上式中，F1、F2分别表示第一标签、第二标签的信号穿透箱子中待测物品时的信号特征，Nen、N'en是箱子所处的外部环境对第一标签、第二标签信号的影响，如外部环境中的设施对信号的反射等；Neq、N'en是使用不同的设备，如不同的天线、阅读器，对信号的影响对第一标签、第二标签信号的影响；Nw、N'w是第一标签、第二标签信号的高斯白噪声；将原始信号S1、S2相减可得：S1-S2＝(F1-F2)+(Nen-N'en)+(Neq-N'eq)+(Nw-N'w)(3)在上式中，由于箱子所处的外部环境对第一标签和第二标签来说是类似的(标签对间距远小于标签到外部环境设施的距离，故认为外部环境对标签对的信号反射可以看作是相似的)，因此(Nen-N'en)≈0；并且，在同一次测试中，第一标签与第二标签使用的设备是一样的，因此(Neq-N'eq)≈0；第一标签、第二标签信号的高斯白噪声是相互独立的，令G＝Nw-N'w；则根据高斯白噪声的概率分布可得即服从期望为0，方差为的分布(分别为第一标签、第二标签对应高斯白噪声概率分布的方差)；令H＝F1-F2，由于高斯噪声与箱子内物品无关，因此可以认为G和H是相互独立的，这样对公式(3)两边求期望为：E(S1-S2)＝E(H)+E(G)(4)由于对于每次第一标签、第二标签所回复的信号，都能够采集到上万个采样点，因此，通过切比雪夫大数定理可知：limn→∞Σ[(Nw-Nw′)]-limn→∞ΣE(G)≤ϵ---(5)]]>上式中，n表示采样点，ε为任意正数；已知G的方差为0，因此可得：limn→∞Σ[S1-S2]=limn→∞Σ(F1-F2)---(6)]]>因此，当使用众多采样点提取特征时，可以将标签对的差值看作对信号特征差值的近似。所述的训练集即为F1、F2的差值构成的特征矩阵F；在特征矩阵F中，每一行为第一标签、第二标签的EPC信号对应相减后得到的特征向量。为了便于后续的比对过程，这里可以利用小波变换对特征矩阵F进一步提取特征值。小波变换是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征，能对时间(空间)频率的局部化分析，通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节。利用小波变换，可将将信号的趋势和细微特征都提取出来。具体特征值提取方法如下：对特征矩阵F的每一行进行小波变换，将近似特征向量记为ca，将细节特征向量记为cd，通过实验发现，近似特征向量ca能够更好的反映物体的特征，因此，对特征矩阵F的每一个行向量进行小波变换后，由每行的近似特征向量ca构成的新的特征矩阵Dm×k'，其中，m为特征向量的个数，k'为小波变换后特征向量ca的长度；对新的特征矩阵Dm×k'中的每一行向量提取趋势向量Vt(i)(下文用Vt表示)，并对新的特征矩阵Dm×k'整体提取细节矩阵Vd(j,i)(下文用Vd表示)，i,j为变量参数；其提取过程如公式7所示：Vt(i)=Σj=1mDm×k′(j,i)m,0<i≤k′Vd(j,i)=Dm×k′(j,i)-Vt(i),0<i≤k′,0<j≤m---(7)]]>步骤二，待测物品的鉴定步骤S20，实际检测时，对于一个装有待测物品的箱子，箱子内的底部有与步骤S10相同方法设置的标签阵列；按照步骤S11至步骤S14相同的方法对装有待测物品的箱子进行处理，不同的是此时最终得到测试集而非训练集；即本步骤时处理的对象是一个已经封装好的箱子，箱子中有待测物品，并且在箱子内的底部有标签阵列。以步骤一中提到的方法，设置无线射频识别器和通用软件无线电外设，使箱子位于二者之间，获得原始信号，截取EPC信号，提取信号特征，确定EPC信号所述的标签；对不同标签的EPC信号对齐处理，去除外界影响从而得到测试集；步骤S21，将测试集与训练集进行比对，以确定待测物品是否被替换和破坏，具体方法如下：算法输入：(1)训练阶段时箱子的趋势向量Vt；(2)测试阶段时箱子的趋势向量Vt′；(3)训练阶段时箱子的细节矩阵Vd；(4)测试阶段时箱子的细节矩阵Vd′；(5)测试阈值T；算法输出：包裹是否遭到破坏或替换的判定结果R；步骤S210，实际检测时，按照对训练集进行特征值提取的方法对测试集进行特征值提取，得到测试集的趋势向量Vt′和细节矩阵Vd′；即这个步骤是以测试集(替换训练集)为研究对象，按照上述的具体特征值提取方法对测试集进行处理从而得到Vt′和Vd′；步骤S211，计算训练集和测试集的趋势向量Vt、Vt′的互相关系数x；步骤S212，判断互相关系数x是否大于阈值T，若大于，进行步骤S213，否则，判定结果R＝0，输出R；步骤S213，将训练集和测试集的细节矩阵Vd和Vd′放入朴素贝叶斯分类器，得到预测结果R，输出R。其中，测试阈值T可由具体实验得出，或根据实际场景中的用户需求来动态确定。该算法首先对两次测试结果的趋势相量进行比较，高于阈值的测试集数据认为可能是正常数据，即包裹未被破坏和替换。低于阈值的测试集数据则直接认定为非正常数据，即包裹可能经过了破坏或替换。高于阈值的测试集进一步对细节矩阵进行比对，用朴素贝叶斯二值分类器最终确定包裹状态是否正常。实施例：参见图1，本发明的流程分为四个大模块，分别为信号采集模块，预处理模块，特征提取模块和特征比对模块。下面对整个流程进行进一步详细说明：1.信号采集模块信号的采集过程和系统布置参见图2，将阅读器天线置于箱子底部，将两个标签放入箱子底部，箱子内部装入所托运物品，通用软件无线电外设天线置于箱子顶部，收集通用软件无线电外设所采集到的标签阅读器通讯过程的信号作为预处理模块的输入。参见图3，截取本发明在信号采集模块所收集到的信号标签EPC信号发现，在通过箱子内不同物品后，电磁波信号会产生不同的信号特征，具体表现在信号上是信号的衰减、毛刺的形成。2.预处理模块(1)切分标签的EPC信号片段：通用软件无线电外设所收集到的信号是整个RFID系统通讯过程，整个过程参见图4。因此首先需要截取切分标签EPC片段作为信号特征提取值提取的来源。(2)利用分类器区分标签：由于切分出的标签EPC片段是原始未解码的信号，因此首先需要区分出该段信号是由哪个标签发出的；由于信号过于嘈杂，因此解码的方式容易出现错误，故利用标签自身硬件差异性进行判断较好；本方案中选用K-means分类器，将截取的标签EPC片段进行离散傅里叶变换后的结果用分类器进行区分，区分结果参见图5；图5的实验中采用了三类标签，分别为Alien964X，ImpinjH47和ImpinjE41，图5中，(a)(b)(c)是将两标签的EPC编号设置为只有一位不同，而(d)(e)(f)是将两标签的EPC编号设置的完全不同。通过分类结果可发现，用硬件差异性来区分标签的方法即准确又高效。(3)对齐并相减标签EPC片段：在前面详细说明了消除周围噪音、设备差异性、多径效应影响的方法，即将两标签的EPC信号对齐且相减，所得的信号差向量来提取特征值。3.特征提取模块对预处理模块中所得的信号差提取特征值，本方案首先对信号差矩阵进行小波变化，提取近似特征向量ca。不同材质下提取的近似特征向量ca具有很大的不同，为了说明这点，本方案中使用5类实验材料：金属制品(alloy)，纤维制品(clothes)，纸箱(paperbox)，水(water)，木制品(wood)分别放入箱子，其近似特征向量ca的信号如图6所示，其从趋势、信号强度等特征都有明显的不同。由近似特征向量ca构成新的特征矩阵D，对新特征矩阵D提取了两类特征值，分别是趋势向量Vt和细节矩阵Vd，将这两类特征存放在数据库中，以待后续的比对。4.在实际检测时，提取训练集和测试集的趋势向量和细节矩阵，利用步骤S21中提到的算法进行特征对比，通过对比结果即可判定箱子内的物品是否被攻击者恶意替换。