RFID系统中的天线调谐设计研究

杜晓阳，闻 扬，金根顺

（上海宝信软件股份有限公司 机电成套事业本部，上海201203）

随着物联网和智慧地球的推广，RFID技术[1-2]作为最基础的感知端设备应用越来越广泛。RFID读写器的集成化也让RFID的推广更加迅速。目前基于奥地利微电子的AS399x系列的读写器由于其性能稳定而应用广泛[3-5]。

在目前的RFID应用中大多采用单天线端口同时负责收发的形式，在耦合器的后端，收发共用一个线路，如果在天线端不能实现良好匹配，由于AS399X系列没有载波抵消技术，反射功率将直接返回到AS3992的接收端，会降低接收端的灵敏度，甚至引起接收机饱和。实际使用的RFID系统所用的天线有不同的电压驻波比（VSWR），必然会造成电路与天线的不匹配。本文在天线前端引入天线调谐机制，对于任意天线，可以实现动态匹配，提高系统的接收灵敏度[3]，增大了RFID系统的盘存距离。

1 RFID系统设计

本文论述的基于AS3992的RFID系统电路图如图1所示。AS3992是奥地利微电子公司的一款集成了射频前端，具备ISO 180006c/b协议处理能力的900MHzRFID芯片[6]，通过SPI接口可以和主控芯片相连，控制其寄存器，实现读写器功能。它内部可以实现编解码，ASK或PR-ASK调制，AM或者PM的解调，组帧分帧，CRC校验等模块功能。在单天线复用情况下，射频信号经巴仑，在射频功率放大器（PA）放大之后，经滤波器，耦合器，高频开关由天线发射，标签散射信号经耦合器，巴仑，差分输入AS3992，经混频器，信号放大器，数字转换器变成基带信号进入MCU处理，MCU是silicon laboratories公司的80C51F340。

由于在设计中收发同时进行且复用同一天线，当天线不匹配时，功率会反射回AS3992的接收端，引入很大的干扰。由于标签反向散射的信号很小，而发射功率很大，标签信号很容易会淹没在反射信号中。当反射信号大于10 dB时，甚至会造成接收机饱和而检不出信号。在耦合器与高频开关之间插入一个阻抗匹配网络，可以匹配电路与天线，减小反射功率，实现无反射传播。但是实际使用时，各个系统所有的外接天线各不相同，用同一套匹配网络不可能使用所有的天线。本文设计的天线调谐技术，是在匹配网络中应用动态可调电容，根据不同的外接天线，自适应选择一个理想的值，实现电路与天线的匹配，从而将反射功率减小到最小，提高了RFID系统的接收灵敏度，增加了系统对标签的盘存距离。

2 天线调谐设计

动态调谐功能的实现示意图见图2，主要由3个部分组成：调谐电容作为射频前端电路的组成部分，是整个调谐设计的被控单元，其电容值可以改变，从而改变射频匹配电路，影响反射功率；主控MCU负责接收反射功率，调谐算法的计算得出最理想值并设置调谐电容值；AS3992芯片负责从射频前端电路中检出反射功率传给MCU。

图1 AS3992 RFID系统框图Fig.1 Diagram of AS3992 RFID system

图2 天线动态调谐示意图Fig.2 Schematic diagram of antenna tuning

调谐电容选用PE64904[7]，该电容的动态可调节范围是串联串联 0.6～4.6 pF， 并联1.14～5.1 pF， 步进为 0.129 pF。 与MCU的通讯采用三线制的SPI接口。要检测反射功率的大小，可以在AS3992的接收端检测。当载波经耦合器向天线发射功率时，电路不匹配造成的反射信号会经耦合器进入输入端的混频器，还有一路是耦合器的载波泄露进入混频器。经混频器混频之后，载波变成直流电压，在混频器输出端被AD采样，并通过并口送给80C51F340 MCU。在MCU中收集所有电容组合情况下的反射功率值按一定的算法规则进行判定，得出反射功率的最小值，此时所用的电容值即为目标值，通过三线制SPI对调谐电容进行设置。下面先介绍动态调谐电路的电路实现，下一节介绍算法的实现。

图1中的调谐匹配电路的原理图见图3，图示中的term2是接方向耦合器，term1 接高频开关，C94、C95、C96是调谐电容PE64904，要使得反射功率最小，在电路设计时就是实现阻抗匹配。由于3个电容的可调节范围有限，硬件设计上需要保障设计合理的匹配网络，对于不同的外接天线阻抗，均能找到一个组合实现阻抗匹配。

在RFID系统应用中，天线端的失配程度可以用VSWR来表示，利用阻抗计算可得：

图3 调谐网络ADS电路图Fig.3 Schmetic of tuning network

图3中的3个电容C94、C95、C96都取中间值时候，该网络刚好是匹配的50Ω匹配的（两端口都设置为50Ω），即。这样当天线和50Ω系统失配时，可调整范围最大。如图3所示的网络值在ADS中进行仿真，在915 MHz频率下，取C94、C95、C96的可调范围电容值，得出的一组SMITH圆图上的阻抗族见图4。可见，只要选择合适的C94、C95、C96的电容值，能够把天线端完全匹配，使反射为0。

3 天线调谐算法

图4 天线调谐电容的调谐范围Fig.4 Tuning range of tuning capacitor

上述调谐匹配电路的实现理论上保障了可以找到一组电容组合实现反射功率最小，软件调谐算法的目标是如何找出这个电容组合。由每个电容值可取32个点，即有323=32 768个不同的取值组合。最常规的算法就是用遍历法，比较32 768个点的反射功率，取其中的最小值。但是用遍历算法耗费时间太长，以美标频段902～928 MHz每隔1 MHz取一个调谐频点为例，调谐一个天线口耗时5分钟，我们还可以选用另外一种算法，希望能够用更短的时间取得相对比较理想的反射功率[8]。

算法实现过程如下：

子算法（我们叫做“当前优值搜索”）：获取目前设定的电容值情况下的最优解：

遍历C94的32个点选取获得较小反射功率下的值；

遍历C95的32个点选取获得较小反射功率下的值；

遍历C96的32个点选取获得较小反射功率下的值；

回到第一步进行迭代，直到下次迭代的反射功率不小于上次为止，总迭代次数小于100次。

由于“当前优值搜索”与当前设定的电容值关系很大，只有选择合适的当前值才能在100次迭代过程中取得最小反射功率值。所以，在次基础上，我们给3个电容设定3个起始值分别为5,16,26，任意组合，即有27种组合，然后在其中选取最优值。

该算法的计算次数最大为32*3*100*27=295 200次。实际操作中，子算法“当前优值搜索”的迭代次数小于10次，所以该算法比遍历算法在时间上为优。我们测试的结果，还是以美标27个频点为例，调谐一个天线口用时2分钟。而且达到了遍历算法的效果。

根据该调谐算法，在软件中实际测得反射功率图如图5所示。其中的实线表示反射系数，用dBm表示，另外两条I、Q曲线是软件内部的直流电平值，用来计算反射功率大小。可以看出，反射功率S11在-20dBm以内，达到了射频电路的要求。

最终匹配好的RFID系统在天线端用Agilent的E4402B型号频谱仪进行测试，配合系统固件，再经过合适的调谐之后，设置发射功率为30 dBm，测试的功率如图6所示，最终测得的发射功率为29.76 dBm。

图5 调谐之后天线端的反射系数Fig.5 Reflect power at antenna port after tuning

图6 在天线端测得的发射功率29.76 dBmFig.6 29.76 dBm power is measured at antenna port

4 结论

文中论述了天线调谐在基于AS3992的RFID系统中的原理，设计以及算法实现。根据该调谐设计，实现了反射功率S11在-20 dBm以内，有效抑制了天线反射，提高了读写器芯片的灵敏度，最终实际测得RFID系统的读取距离为空旷条件下9m，能够满足大多数RFID应用。

[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，张建成，等.基于自适应差分进化和BP神经网络的光伏功率预测[J].陕西电力，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.