基于RFID无源标签的智能开关控制系统

周 尧，周松照，崔逸林，叶 宁

(1.南京邮电大学 海外教育学院，江苏 南京 210003；2.南京邮电大学 江苏省无线传感网高技术重点实验室，江苏 南京 210000)

0 引 言

随着大数据时代的到来，移动互联网和泛在物联网络下的各种前端信息感知、处理与传输载体更加丰富。射频识别技术(radio frequency identification，RFID)，作为物联网发展的一项核心技术，已悄然融入人们的日常生活，其作为物联网发展的基石和催化剂，秉承着“物物相连”的理念，得到了迅速的推广和发展，逐渐从单纯的“标记识别”转变为“无源感知”的物联网代表性技术[1]。

目前，物联网中人机交互技术的发展，已经从以往的以计算机为中心逐步变革到现在以用户为中心。射频识别技术，作为物联网发展的一项核心技术，使人机之间的通信不再需要中间媒介，用户可以很便捷地对所处环境的机器进行一系列操作[2-3]。与此同时，随着人们对家居环境的安全性、舒适度和智能性等要求的不断提高，家居生活中对于物联网技术的应用需求也不断增强。当代家居住房中通常具备多种家用电器，大量的开关及线路布置增加了家庭用电的危险性，再加上其复杂的按键控制更是给弱势群体(如伤残人士、老年人和幼龄儿童)的日常生活带来不便[4]。因此，通过声音或者手势控制的智能家居将凭借其广泛的适用性和安全性，在弱势群体中更容易被接受，从而成为智能家居控制系统的热门选择。

智能家居在美国、德国、新加坡和日本等国都有广泛而成熟的应用。其中通过ZigBee技术、WIFI和蓝牙[5-6]等控制家居开关的技术已日益成熟，而关于手势识别开关控制系统却还处于起步阶段。例如宜家(IKEA)Tradfri系统[7]与大众Golf 7 “Discover Pro”手势控制的信息系统[8]。Tradfri系统的核心是一种网关设备，通过接入到互联网与本地网络之间来实现衔接作用，而用户仍然需要旋转该控制器才能够调节灯光的明暗。大众Golf 7 “Discover Pro” 手势控制的信息系统则是在大众的Golf R Touch上采用的飞行时间技术(time of flight，ToF)，是一种通过计算光线的传播时间来测量距离的技术。然而由于光的传播速度非常快，所以基于ToF技术的感光芯片需要飞秒级的快门来测量光飞行时间，这也是ToF技术难以普及的原因之一：这样的感光芯片成本过高。

目前，RFID无源标签运动轨迹大多利用无源标签和读取天线的偏振特性，通过对信号强度(RSSI)的提取和预处理，同时将基于帧的数据进行分割转换，利用标签重定位引起的反向散射信号强度的变化来检测标记对象的运动[9-10]。但由于读取天线通常只在其水平和垂直方向检测到RSSI的明显变化，所以该方法不足以满足对使用者在做出立体手势运动轨迹的读取。文中通过对RFID无源标签相位特征的提取，计算求得相邻相位间的差值，由于相位差的矢量性能够较好地反映出标签的运动方向和距离，因此可以最大限度地提高对运动的检测精度。同时系统借鉴了较为成熟的蓝牙mesh技术框架[11]，通过提取用户佩戴的RFID无源标签的运动轨迹，构建手势数据指令库，之后通过蓝牙mesh技术将指令传递给各个用电器，最终实现用户对智能开关系统的手势控制。

针对传统手势控制系统制造成本高和对光线依赖性强等问题，文中以RFID技术与蓝牙mesh技术为支撑，将手势识别技术与智能开关控制技术有机结合，实现基于手势控制的多设备多开关的智能开关控制系统。

1 基于RFID的手势运动识别算法

在RFID无源系统中，由于标签运动时运动数据不断更新，使得手势动姿的识别存在不精准性。此外，由于使用者不规范的运动手势以及设备部署位置引起的手势数据特征变化的问题也需要进一步优化。本小节主要介绍了如何进行准确的手势提取，并确立完备的手势特征集来提高手势匹配的精准度。

1.1 手势运动轨迹的提取

在一般的RFID系统中，阅读器可以从标签中获得的信号参数有接收信号强度，相位值和多普勒频移。

为了选择应用于手势识别系统的最佳系统指标，通过实验以检查标签在运动情况下的输出信号特征。标签在运动状态下，相位受环境的干扰较小并随着标签的运动轨迹而波动，波形相对稳定，然而信号强度和多普勒频移的波动情况与标签在静止状态下的波动程度没有稳定的规律，难以识别出标签的运动。

因此我们相位来获取标签运动信息。在RFID一般系统中，相位与距离的关系如下式：

(1)

其中，λ是载波波长，φ为接收和发射信号之间的实际相位差。

设一个射频信号的载波频率为f(Hz)，则波长和频率的关系满足公式λ=c/f，其中c是EM波的传播速度，等于空气中的光速(≈3×108m∕s)。R为读写器和标签的距离，则该标签的真实相位φ可以按如下公式计算：

(2)

其中，φ为RFID读写器测量到的相位偏移，N为能够保持相位周期性变化的未知整数，θT，θR及θTAG分别表示发射天线、接收天线及标签反向散射天线造成的相位固有偏移，除此之外，φ是经RFID阅读器特殊处理后的相位值，保持返回的值范围为[0,2π]，因此这里的N是2π的整数倍。

文中并不是采用原始的相位值来检测无源标签的运动，而是在相同频率通道中测量的两个相位采样点来计算二者的差值，利用相位差持续跟踪手势运动，因此由天线等硬件造成的相位固有偏移，在同一实验环境下再通过计算可以将其消除。

同时根据式(1)可知，标签和读写器距离R每隔λ/2的距离时，φ值也相应的重复，即

(3)

每次标签成功运作时，阅读器都会产生一个RF相位估计。使用应用程序从单个标签中提取出多个RF相位的样本，进行RF相位的速度计算。由于测量信道的跳频，读写器跳到下一个频道时，测量的相位值在不间断地改变。正如EPC标准协议所规定的，阅读器在频率信道之间跳频是指在工作频率范围内，不断变换频率，以减轻频率选择性衰落和同信道干扰，同时保证追踪佩戴标签的移动而不被信道调频中断。首先要根据信道指数对相位值进行分组，同时设定标签相对阅读器距离小于3米(3米内相位差变化较为明显且采样率较高)时进行采样，通过式(2)计算每个通道两个连续相位读数之间的位移。此时两个连续的相位采样点的标签位移小于波长的一半：

φi+2π(ki+1-ki)|

(4)

其中，|ΔR|表示i+1时刻的位移，φi+1和φi表示同频道下两个连续相位测量值。因此，计算N次采样后的总位移为：

(5)

进行归一化处理。由于无源标签的初始位置决定了RFID相位数据的幅值，相同手势特征的数据段会展现出不同的空间性，但其波形变化是一致的。因此对相位数据进一步处理之前需要将相同范围内的数据段进行归一化处理，从而有效减小匹配误差。具体归一化处理公式如下：

(6)

将位移值进行归一化处理后，对收集到的位移数据进行加窗处理[12]：将W个连续采集的数据分组集中到固定窗口，窗口容量为w。然后通过相对熵方法[13]对相邻窗口数据的概率分别进行比较，求出相邻窗口标签运动数据的差异。假设相邻窗口为Wi和Wj，对应函数分别为P，Q，则相对熵分布公式如下：

(7)

通过吉布斯不等式[14]，将DKL(P‖Q)与给定阈值ρ进行比较，当VX满足公式

DKL(P‖Q)≥ρ

(8)

则表示相邻的两个窗口至少有一个数据在数据波动采样区间。通过对所有得到的满足要求的窗口数据进行遍历，来提取动态手势特征。

1.2 手势识别

将从读写器接收到的标签运动数据与指令库已有运动数据进行比对，判断是否达到动作有效阈值，主要思路为：判断标签运动方向与指令库设定指令运动方向是否一致；判断运动距离|ΔR|是否大于指令库设定指令有效运动距离S；判断运动时间t是否小于指令库设定指令有效运动时间T。通过DTW算法对收集到的具备动态手势特征的窗口数据A进行手势库数据B匹配。

假定A=a1,a2,…,aM和B=b1,b2,…,bN为离散时间序列，通过对序列A进行关于序列B的规整路径：v=(v1,v2,…,vk,…,vK)，并进行下列计算：

(9)

在对所有可能的规整路径进行遍历后，通过动态时间规整(dynamic time warping，DTW)[15]得到最佳路径VX，则序列A和B之间的DTW距离(A，B)所获得的最佳对齐路径为：

(10)

2 系统总体设计

文中采用动态手势识别方案实现用户与智能开关控制系统的人机交互应用，用户在RFID阅读器天线读取范围内做出动态手势，系统通过对数据进行加窗处理来解决标签反射信号在时域上的不连续性问题，并利用相对熵的思想提取相位流中动态手势的指纹特征数据。对数据预处理得到分析数据，用分析数据建立手势识别模型，然后利用动态时间规整算法计算当前分段与手势指纹库中各一维分量的匹配程度。最后选取相似度高的指令匹配，通过蓝牙mesh网络与开关进行串口通信，发出控制指令，实现人机交互应用。图1为智能开关控制系统各模块结构示意图。

图1 智能开关控制系统各模块结构示意图

2.1 开关结构与配置

(1)主体结构：该实验中模拟日常家庭情景，参考用户日常生活行为习惯，分别设置用户卧室房间控制开关和用户客厅控制开关；其中RFID读写设备放置在用户卧室房间，方便用户夜间进行开关控制(见图2)。

图2 室内情景模拟图

(2)主要模块。

RFID无源标签模块：该模块主体为RFID无源标签，内置RFID天线，由使用者携带，其功能为将标签运动轨迹信息传输给RFID读写模块。

RFID读写模块：该模块与智能设备相连，主体为RFID阅读器，对无源标签发射无线射频信号，并接收由标签反射回的无线射频信号，同时将采集的模拟信号经过预处理后转换为数字信号。

智能终端：该设备为基于Java语言的数据采集及处理的PC端，将接收到RFID读写器的数字信号与数据库比对，匹配成功后将相应指令通过蓝牙发射模块发送。

智能开关模块：该模块包括蓝牙模块、继电器模块以及蓝牙mesh接收模块、存储模块、蓝牙mesh发射模块和继电器模块。其采用蓝牙mesh协议，工作频率为2.4 GHz，设定波特率为9 600 bps。蓝牙模块实现智能设备与开关之间的通信，继电器模块根据接收指令进行开关控制。

(3)蓝牙mesh系统。

系统开启后，所有开关模块执行存储模块初始指令(所有开关保持关闭状态)。

系统中蓝牙mesh接收模块接收到智能终端发射的控制指令后，将指令存入存储模块，通过与存储模块现有指令中各开关状态比对：

①开关状态一致时，直接通过蓝牙mesh发射模块向组网中异同状态开关发出新指令；

②开关状态不一致时，改变现有开关模块状态，同时通过蓝牙mesh发射模块向组网中异同状态开关发出新指令；

③该系统组网中其他蓝牙mesh接收模块重复第2阶段，直至所有存储模块的存储指令一致。

2.2 手势指令匹配

文中在初次实验中测试实现了5种动态手势，分别为：手势1表示“左移”，对应控制指令为“打开当前房间灯控开关”；手势2表示“右移”，对应指令“关闭当前房间灯控开关”；手势3表示“前推后左移”，对应指令“打开客厅灯控开关”；手势4“前推后右移”，对应指令“关闭客厅灯控开关”；手势5“后拉”，对应指令“关闭所有用电器”。

3 实验结果分析

该实验中利用Java语言对系统的软件部分进行设计，软件是基于RFID阅读器开发商提供的JDK，结合英频杰公司提供的读写器支持文件完成的，主要包括基于Java语言设计的数据采集与处理办法。实验场景如图2所示，英频杰R420读写器通过以太网与智能终端(PC端)连接，RFID无源标签贴在用户手背，使用者站在阅读器天线前1～2米内，智能终端(PC端)利用蓝牙mesh与智能开关进行串口通信。

实验首先开启控制系统，并将系统各个模块之间建立通信。将RFID读写器、智能开关接收器和智能设备(PC端或智能手机)根据实际区域按照一定的规则布置，将智能设备与智能开关接收器进行蓝牙配对，从而保持通信良好。使用者事先佩戴RFID无源标签，并在RFID读写器工作范围(3米)内做出对应手势。当标签进入监控区域，硬件参数会发生变化。一切就绪后，系统进入实时手势识别模式。图3为实验系统流程。

图3 实验系统流程

实验模拟的是正常家居(15 m*10 m)环境情景，客厅与房间由木质隔板相互隔离，由于实验者手部佩戴的无源标签始终处在读写器天线覆盖范围内，且本次实验仅涉及到贴在实验者手部无源标签的运动轨迹，与个体参与者手部特征无较大关联，因此选取志愿者测试每个手势指令100次，同时记录出每个手势指令正确响应、错误响应、无响应的次数和识别率百分比。表1列出了智能开关对手势指令的反应情况。

表1 智能控制开关系统反馈

统计上述结果，可发现由于使用者初始动作不规范，会导致实验初期出现无动作响应或判断错误等情况的出现。其中错误响应动作大多为手势“3”与手势“1”混淆，手势“4”与手势“2”混淆，原因主要为使用者前移动作不明显或者前移动作过快。为此，在智能开关对手势指令做出响应的同时，记录了使用者做出手势时无源标签的运动速度分布区间与指令响应率。

表2 无源标签运动速度分布区间

根据表1和表2可知，在标签运动速度过快或者过慢(标签移动速度小于40 cm·s-1或者大于100 cm·s-1)时，会导致DKL(P∥Q)超出设定阈值，造成手势指令无法被读写器有效识别，智能开关对手势指令无响应。而由于手势3和手势4相较于其他手势动作更为复杂，并且与手势1和2在部分动作具有冲突，因此针对这一情况，重新设计了手势为“顺时针旋转”，对应指令“打开客厅灯控开关”；手势4“逆时针旋转”对应指令“关闭客厅灯控开关”。同时对新的手势进行测试，在选取实验者进行试验之前，重新演示并让实验者熟练每个手势指令动作，实验结果如表3所示，同时记录了每个手势指令匹配的概图，见表4。

表3 改进手势后智能控制开关系统反馈

根据对表3的分析，可以统计出在重新设计手势3和4后，相对单一的手势运动方向能较好地被读写器识别并响应，同时通过熟练培训后的实验者在做出有效指令的次数也在上升。

表4 手势指令匹配概图

根据对表4的分析，原先的误差识别手势1和2由于其特征峰值变化并不明显，在实验者做出不规范手势时易于与手势1和2混淆。当重新设计手势3和4后，相对单一的手势运动方向能较好地被读写器识别并响应，同时通过熟练培训后的实验者在做出有效指令的次数也在上升。

在对智能开关执行手势指令的平均反馈时延进行统计后，实验者在做出手势1,2,5时，系统执行指令的平均反馈时延低于0.75 s(0.73 s/0.74 s/0.71 s)，且手势的正确识别率在95%以上。而当实验者做出手势3和4时，系统平均反馈时延分别为0.98 s和1.01 s，正确识别率在改进手势后也上升至95%左右，可以看出手势动作复杂程度与智能开关对手势指令的反馈具有正相关性。单一方向的手势指令，在使用者熟练动作后，可以满足使用者对智能开关的远程手势控制。

4 结束语

通过将RFID技术与蓝牙mesh技术相结合，构建了一种基于RFID手势识别的智能开关控制系统。该系统通过预先构建手势指令库，将用户所需的家庭开关应用情景与手势指令相匹配，从而实现用户对智能开关的手势控制。通过对实验结果的分析和改进，智能开关对手势指令的正确反馈率达到95%，其RFID无源标签能够较好地反映出使用者的手部运动，无源标签运动轨迹数据在处理后能够正确匹配控制指令，并通过蓝牙mesh向智能开关传递指令。通过设置单一方向的手势可以有效提高对于智能家居的开关控制的精确度和实时响应的准确性。