一种目标识别方法与流程

本发明涉及被动式感知领域，特别涉及一种目标识别方法。

背景技术：

近些年来，目标材料识别在许多新兴的应用中起到至关重要的作用，然而现存的大多数材料识别技术需要昂贵的特定的精密设备，这造成了许多场景不适用。随着rfid装置的普遍性，基于rfid装置的被动式目标材料识别技术受到了学术界和产业界的巨大关注。

现有的材料识别方法主要分为以下2类：

第一类：基于特定设备的材料识别方法。该类方法主要通过精密的昂贵的设备产生高频率高带宽的信号来实现目标的材料识别，如radar，x-ray，ct\mri和b-scan。虽然该类方法能够提供高精度的材料识别率，但是其需要成本非常昂贵，例如一个mri系统需要花费200000-1000000usd，而rfid系统只需花费大约1000usd。因此，该类方法所需成本过高，不适用于我们现实生活中。

第二类：基于射频的材料识别方法。该类方法主要利用60ghz信号来识别目标的材料。然而，由于60ghz信号的波长很短，造成其监测的区域范围很小，并且它们需要工作在视距路径下。因此，该类方法普适性不好，也不适用于我们的周围生活中。

综上所述，现有的被动式目标识别技术在成本和普适性等方面存在不足。因此需要拥有更高可行性的被动式目标材料识别技术。

技术实现要素：

为了解决上述现有技术存在的问题，本发明的目的在于，提供一种目标识别方法，既能提供高精度的目标材料识别率，又能大大减少系统所需的代价。

为了实现上述目的，本发明采取如下技术方案：

一种获取待识别目标特征量的方法，包括以下步骤：

步骤一，对所有射频链路上的基准信号进行加权，得到加权后的基准信号，将加权后的所有基准信号进行累加，得到累加信号；利用累加信号求得基准加强信号，并求基准加强信号的相位值和rss值；

对所有射频链路上的对比信号进行加权，得到加权后的对比信号，将加权后的所有对比信号进行累加，得到累加信号；利用累加信号求得对比加强信号，并求对比加强信号的相位值和rss值；其中，所述的对比信号为射频链路上放置了待识别目标，测得的射频链路上的信号；

步骤二，利用得到的基准加强信号的相位值和rss值，以及对比加强信号的相位值和rss值，采用建模的方法求待识别目标的特征量。

具体地，所述步骤一中的利用累加信号求得基准加强信号，基准加强信号用表示，采用的公式如下：

其中，γ表示累加信号，

其中，sl表示视距信号，[s1,s2,...,sl,...,sp]表示p个传输路径，i＝1,2...,i，i表示标签阵列中标签的标号，i表示射频链路的个数，m＝1,2...,m，m表示干净信道的标号，m表示干净信道的个数；f表示第m个信道的频率，δf表示相邻信道的频率间隔，c为光速，d表示相邻标签之间的距离，[θ1,θ2,...,1,θl,...,θp]表示p个不同的入射角度。

具体的，所述步骤二中的利用得到的基准加强信号的相位值和rss值，以及对比加强信号的相位值和rss值，采用建模的方法求待识别目标的特征量，具体方法如下：

其中，为基准加强信号的相位值，为基准加强信号的rss值，为对比加强信号的相位值，为对比加强信号的rss值。

一种目标识别用构建特征数据库的方法，所述的特征数据库包括多个目标的特征量，所述的特征量按照所述的特征量计算方法获取。

一种目标识别方法，包括以下步骤：

针对待识别目标，获取待识别目标的特征量，将待识别目标的特征量输入到特征数据库中，特征数据库输出待识别目标的属性；

所述的特征量按照所述的特征量计算方法获取；

所述的特征数据库按照所述的构建特征数据库的方法构建。

与现有技术相比，本发明具有以下技术效果：本发明通过不同材料的目标对射频链路的相位和幅值影响不同来识别目标的材料，其避免了特殊精密设备的要求，从而减少了相应的代价，同时保留高精度的目标材质识别率，提高了识别系统的可行性。

附图说明

图1是本发明的方法流程图。

图2是不同标签天线距离下相位测量值的分布图。

图3是在三个不同室内环境下标签和信道个数对材料识别精度的影响图。

图4是在三个不同室内环境下标签天线距离对材料识别精度的影响图。

图5是10种不同液体在实验室环境下的识别准确率图。

图6是6种不同固体在实验室环境下的识别准确率图。

图7是不同材料的目标在实验室环境下的识别准确率；其中，(a)是纯水和3种不同浓度的糖水在实验室环境下的识别准确率；(b)是4种类似的液体在实验室环境下的识别准确率。

下面将结合附图和具体实施方式对本发明的方案作进一步详细地解释和说明。

具体实施方式

选取监测区域，在监测区域内布置阅读器、定向天线和多个标签(rfid标签)，阅读器连接定向天线，多个标签排成一列形成标签阵列；定向天线的中心与标签阵列中的第一个标签的中心处于同一条直线上。

本发明的发明点体现在三个方面，一是获取待识别目标特征量的方法，二是构建特征数据库的方法，三是目标识别方法。

获取待识别目标特征量的方法，具体包括以下步骤：

步骤一，对所有射频链路上的基准信号进行加权，得到加权后的基准信号，将加权后的所有基准信号进行累加，得到累加信号；利用累加信号求得基准加强信号，并求基准加强信号的相位值和rss值；

对射频连路上的基准信号和对比信号均采用多径抑制方法进行处理，得到处理后的基准信号和对比信号；

射频链路上未放置待识别目标，测得射频链路上的基准信号；其中，射频链路指的是标签与阅读器形成的链路，基准信号为射频链路上未放置待识别目标时，阅读器在跳频模式下测得的信号。阅读器的频率变动范围为920.625-924.375khz。

基准信号用xi,j表示，i＝1,2...,i,j＝1,2...,j,其中，i表示射频链路的个数，也就是标签阵列中的标签的个数，i表示标签阵列中标签的标号；j表示阅读器中信道的个数，也就是阅读器跳频的个数。

射频链路上放置待识别目标，测得射频链路上的对比信号。对比信号为监测区域内放置了待识别目标时，阅读器在跳频模式下测得的信号。待识别目标可以为梨、苹果或者香蕉等。

对比信号用表示，i＝1,2...,i,j＝1,2...,j,其中，i表示射频链路的个数，也就是标签阵列中的标签的个数，i表示标签阵列中标签的标号；j表示阅读器中信道的个数，也就是阅读器跳频的个数。

具体地，对步骤一中的基准信号xi,j以及步骤二中的对比信号均采用多径抑制方法进行处理，得到处理后的基准信号xi,m以及对比信号其中，m＝1,2...,m,m表示干净信道的标号，m表示干净信道的个数,多径抑制处理的目的在于，减弱室内多径效应对收集到的数据产生的影响。

多径抑制方法处理过程如下：在所有的基准信号和对比信号中，选择出阅读器的干净信道对应的基准信号和对比信号，作为处理后的基准信号和对比信号。

其中，确定阅读器中的所有信道中的干净信道的方法为：连续信道之间的相位值应呈线性关系，当多径影响较大时，所述线性关系遭到破坏；干净信道的确定方法在离线阶段完成，具体来说，在监测区域未放置待识别目标时，阅读器不同的信道获取某个标签的相位值，挑选出相位值呈线性关系的信道作为该阅读器的干净信道。具体方法为：计算每两个相邻信道的相位值形成的连线的斜率，求所有斜率的均值；若某个斜率与斜率的均值之间的差值大于设定阈值,本实施例中，该阈值为0.2，则该斜率对应的两个信道为可疑污点信道组，在挑选出的所有的可疑污点信道组中，每两个可疑污点信道组取交集，得到的非空结果即为污点信道；在所有信道中去除所有的污点信道，即得到干净信道。

对基准信号xi,m进行加权，得到加权后的基准信号，将加权后的所有基准信号进行累加，得到累加信号；利用累加信号求得射频链路上未放置待识别目标时视距信号的基准加强信号，并求基准加强信号的相位值和rss值；对对比信号xi,m进行加权，得到加权后的对比信号，将加权后的所有对比信号进行累加，得到累加信号；利用累加信号求得射频链路上放置待识别目标时视距信号的对比加强信号，并求对比加强信号的相位值和rss值；

具体方法如下：

本实施例中，标签阵列由i个标签组成，阅读器的跳频模式则是在j个相邻信道之间不断跳频，其中相邻标签之间的θ＝[θ1,θ2,...,1,θl,...,θp]距离为d，相邻信道的频率间隔为δf，将第一个标签和第一个信道分别作为参考标签和参考信道。记定向天线发射的信号经由p个传输路径s＝[s1,s2,...,sl,...,sp]从p个不同的角度入射到标签阵列上，传输路径即为入射的信号，入射的信号包括1个视距信号，p-1个反射信号，视距信号为入射信号中的任意一个，用sl表示，信号的飞行时间分别为τ＝[τ1,τ2,...,τp]。

此步骤中获取基准加强信号和对比加强信号的方法相同，仅以获取基准加强信号为例进行描述。本实施例中,标签阵列包括i个标签，干净信道有m个，因此步骤一中处理后的对比信号有i×m个，第i个标签的第m个信道下的基准信号xi,m可以表示为：

其中，c为光速，w(i,m,θp)代表由传输距离引起的相位差，μ(i,m,τp)代表由频率差引起的相位差；f表示第m个信道的频率。

对基准信号xi,m进行加权，权值为得到加权后的基准信号，将加权后的所有基准信号累加，得到累加信号γ，采用的公式如下：

其中，

由上式看出，视距信号sl的能量增强了im倍，而其它信号则是随机增加或减少最后平均到一个很小的值。

根据累加信号γ求视距信号sl的基准加强信号

同样，采用上述方法对对比信号进行处理，求得视距信号sl的对比加强信号

根据基准加强信号求其相位值和rss值采用的公式如下：

其中，∠(·)和|·|分别代表求一个复数的角度和绝对值。

同理，根据视距信号sl的对比加强信号求其相位值和rss值

步骤二，利用步骤一得到的相位值和rss值以及对比加强信号的相位值和rss值采用建模方法求待识别目标的特征量。所述的建模方法的过程如下：

记天线和第一个标签相距为l，阅读器和待识别目标的距离为l′，信号在待识别目标内传输的距离为d。

由于信号从一个介质传播到另一个介质时，其波长会发生变化，所以当距离一定的射频链路有目标和没目标时，信号的相位改变是不一样的。为射频链路上没目标时的相位，为链路上有目标时的相位。因此，链路上有无目标的相位变换为

根据以下公式得到特征量ω：

具体推导过程如下：

又可以采用以下公式表示：

其中，λair和λtar分别代表信号在空气中的波长和在目标内部中的波长，和分别代表信号在空气和目标中的相位常数。

当射频信号穿过不同的目标材料时，rss值的变换也是不一样的。当信号传输一个距离单位，其幅度衰减e^-α，其中α仅由目标材料决定。和分别代表射频链路上没有目标和有目标时的rss值，所以，rss值的改变为

δr又可以采用以下公式表示：

其中，aair和atar分别代表射频链路没有目标和有目标时信号的幅值，as表示发射信号的幅值，αair和αtar分别表示在空气和目标中的衰减常数。

由于直接利用上面两个公式不能决定目标的材料，所以需要找一个仅有目标材料决定的特征常数，因为上述两式中都含有距离d，所以定义一个由rss改变值和相位值的比例构成的特征常数ω，其对于特定的目标是固定的常数。因此特征常数ω可以唯一识别目标材料，并且其不依赖于目标的大小和形状。

根据以下公式：

其中ζ为整数。基于上述等式，定义一个由rss改变值和相位值的比例构成的特征量ω，其可以表示为：

其中，βair和αair在空气中都是固定的相位常数和衰减常数，βtar和αtar对于特定的目标也是固定的常数。因此特征量ω可以唯一识别目标材料，并且其不依赖于目标的大小和形状。

本发明的构建特征数据库的方法，具体包括以下步骤：

针对多个目标按照上述获取特征量的方法获取多个目标的特征量，多个目标的特征量形成特征数据库。

本发明的目标识别方法，具体包括以下步骤：

针对待识别目标，按照所述的获取特征量的方法获取待识别目标的特征量，将待识别目标的特征量输入到特征数据库中，利用knn分类算法特征数据库输出待识别目标的属性。

本发明的识别方法可应用于安检中，用于在安检过程准确识别待识别目标的属性，也就是待识别目标的类别，另外，本发明的识别方法还可应用于仓库中，在仓库中对货品的属性进行准确检测，也就是对货品的类别进行准确检测。

本发明的目标识别方法相对于现有的需要精密设备的识别方法，通过不同材料目标对监测链路上的相位和幅值影响不同来识别目标的材料，这么做，大大降低了精密设备所带来的成本，同时保留高精度的材料识别准确率。

从以下四个方面去评估本发明的方法：多径抑制方法的性能、标签和信道的个数、天线和标签阵列之间距离以及目标材料识别性能。

(1)多径抑制方法的性能

为不同标签天线距离下的相位测量值的变换图，横轴表示不同的标签天线距离，纵轴表示相位的测量值。从图2中可以看出，理论上的相位值是随着标签天线距离呈线性变化的，直接获取不经处理的相位值没有明显的线性变换，而经过多径抑制方法处理后的数据能较好地符合理论上的相位变换趋势。从这可以看出，多径抑制方法能较好地减轻室内多径效应对测量数据的影响，进而保证了系统的高精度材料识别准确率。

(2)标签和信道的个数

图3为三个不同室内环境下标签和信道个数对材料识别精度的影响图，横轴表示标签和信道的个数，纵轴表示材料识别准确率。从图中可以看出，随着标签和信道的个数增加，材料的识别准确率不断变高，这是由于标签和信道个数越多，多径抑制方案抑制多径效应的效果越好，进而保证高精度的材料识别准确率。同时我们看出即使在多径个数非常多的图书室内环境下，系统在配置8个标签和16个信道的情况下依然有很高的识别准确率。

(3)天线和标签阵列之间距离

图4为三个不同室内环境下标签天线距离对材料识别精度的影响图，横轴表示标签天线之间的距离，纵轴表示材料识别准确率。从图中可以看出，当标签天线之间的距离变大，材料的识别精度不断的降低，这是因为多径效应不断的增强。但是及时在标签天线相距4.5米的情况下，系统依旧在三个不同环境下有90％的材料识别准确率。

(4)目标材料识别性能：

图5为10种不同液体在实验室环境下的识别准确率，10种不同的液体分别为醋、可乐、酱油、白酒、啤酒、纯水、盐水、糖水、全脂牛奶、低脂牛奶。从图中可以看出，系统对液体目标材料的准确识别率高于94％，大部分都接近于99％甚至1。从这可以看出系统拥有和精密设备一样的高精度识别表现。

图6为6种不同固体在实验室环境下的识别准确率，6种不同的固体分别为苹果、橘子、西瓜、巧克力、木板、砖块。从图中可以看出，系统对固体目标的准确识别率从91％-100％。从这可以看出系统对液体目标的识别表现优于固体目标，但是对固体目标依然有较高的识别准确率。

图7中的(a)为纯水和3种不同浓度的糖水在实验室环境下的识别准确率，3种浓度分别为8.3g/100ml、16.7g/100ml、25.3g/100ml。从图中可以看出系统仍然有着高于96％的识别准确率。图7中的(b)为4种类似的液体在实验室环境下的识别准确率，4种液体分别为可乐、全脂牛奶、低脂牛奶、百事。从图中可以看出即使百事和可以只有细微的区别，系统仍然有着94％的识别准确率。

综上，本发明的方法在识别目标材料中能够大大减少成本，又能达到令人满意的高精度目标材料识别精度。