SMIW：一种基于RFID和智能腕带的士兵管理系统∗

王钦辉 魏军儒 王 景 焦 萍 叶保留

（1.陆军指挥学院军事训练管理系 南京 210045）

（2.南京大学软件新技术国家重点实验室 南京 210046）

（3.江北新区琅小分校天润城小学 南京 211500）

1 引言

习主席指出：“军队能不能打仗、打胜仗，科学管理起着关键作用”。各级部队“要更新管理理念、完善管理体系、优化管理流程，提高专业化、精细化、科学化水平”。当前，很多部队士兵管理仍沿用一些传统的方式方法，具有较强的主观性，在一定程度上容易遭遇管理效益的瓶颈问题，比如难以及时发现战士的心理问题、难以根据个人实际情况制定个性化的训练计划、难以掌握小特岗位与单独遂行任务人员的活动轨迹或位置信息等。对此，本文基于数据化的方法，研究并设计实现了一套基于智能腕带的士兵管理系统，可实现对部队战士睡眠、运动和位置数据的长期跟踪与分析，并为管理人员形成科学的管理评估建议，增强部队士兵管理的科学化、数据化、智能化水平。

2 研究动机

传统的士兵管理方法通常存在难以发现士兵心理问题、容易导致训练伤，难以掌控人员位置的问题。

2.1 心理问题发现难

部队是高度集中和封闭式管理的群体，生活条件往往较艰苦，训练任务重，承受着较多的心理应激；加之近年来，随着社会的发展，部队体制改革和各种心理干预措施的不断深入开展，部队战士新的心理健康状况可谓层出不穷。文献［2］对作训期间官兵心理健康状况做了详细的统计与分析，结果显示，心理状况出现阳性症状者比例较高，这些心理问题按照严重程度依次表现在强迫症、躯体化、敌对、抑郁、人际关系敏感、焦虑等。这比率显著高于全国平均水平，且在新兵群体中，心理问题尤为突出［3］。

心理健康问题已经成为当前部队管理的焦点问题之一。一方面，新时期基层部队中因战士心理问题而导致的事故频发。另一方面，战士心理问题的表现通常比较隐晦，导致基层主管在管理中难以及时发现问题。因此，如何高效及时地发现战士心理问题成为了避免这类事故的关键。

2.2 训练致伤控制难

健康对于军队官兵具有特殊重要的意义，保健康就是保战斗力，保健康就是保打赢。但随着我军实战化训练强度的不断提高，官兵训练伤病数量呈现不断上升趋势。

大量数据表明训练伤已成为部队常见病，严重影响了战士健康和部队训练战备、值勤等任务的完成，成为了部队训练管理关注的焦点问题之一。因此，如何科学高效地组织训练成为了控制训练伤的关键。

2.3 人员位置掌控难

由于部队重要涉密岗位类型多，重点（要害）目标数量大，单独执行任务频次高，加之管理环境的复杂性、分布的广泛性、任务的多样性，使得部队重要涉密岗位、要害目标、单独执行任务的人员集中统管难、全面指导难、检查验收难、末端掌控难。据有关数据统计显示，部队发生的事故案件大部分发生在核心岗位、要害目标、单独执行任务人员的管理上。

大量地方企事业单位管理实践表明，借助定位技术手段，对重要岗位、零散人员进行严密管控，可以有效提高管理工作效益。部队完全可以借鉴地方实践经验，通过监测人员的位置信息和活动轨迹，以研判人员履职尽责情况，提高小特岗位人员和独立执行任务人员的管理效率，防止出现管理失控、行为失范。

3 系统设计

针对上述分析的部队士兵管理存在的难点问题，我们设计并实现一种基于智能腕带的士兵管理系统SMIW。SMIW创新性地将智能腕带（手环）绑定RFID标签，通过该腕带设备采集士兵的睡眠、运动、位置信息，再利用建立的数据分析模型来分析战士日常的睡眠质量、训练效率、运动轨迹等，为管理者提供评估建议，使战士管理变得更智能、便捷和科学。

图1 系统运行场景示意图

系统场景运行示意图如图1所示，营区战士每人佩戴智能腕带（配有RFID）。智能腕带感知士兵的睡眠与运动数据，RFID标签内则存放士兵的基本信息，包括姓名、性别、身高、体重等。在营区固定的位置（如食堂门口、营房楼梯口）放置蓝牙适配器和RFID阅读器，战士在经过该位置时，蓝牙适配器和腕带相连，读取腕带感知的数据，并传输至PC电脑，读写器利用WiFi模块通过无线AP将RFID数据标签信息传输至PC电脑。PC终端运行软件应用平台，平台将接收的信息进行集成、处理、分析与应用。

3.1 系统框架构建

当前市场现有的智能手环（如小米手环）并不能满足本文需求。一是无法实现定位；二是手环与手机APP是一对一的匹配连接，无法实现多对一的匹配连接。通过分析与设计，本系统基于DA1458x开发板［11］重新开发手环，并创新性地将智能手环与RFID标签相结合，以实现系统定位功能，并可有效解决多对一匹配。

根据模块化分割原理，系统主要划分为两大模块，包括硬件采集系统和软件分析系统，各子系统之间互联形成一个高效的整体，系统架构示意图如图2所示。

图2 系统架构示意图

硬件采集系统：采集系统的关键是智能腕带，主要负责采集数据，为主机系统提供感知数据。智能腕带对数据的处理包括以下内容：

1）数据采集：负责从不同的手环收集原始数据，并传送至数据处理组件中。这些数据是时序数据，因此还需要记录时间戳。

2）数据预处理：通常原始存在噪声、运动伪影和感知错误等。因此，需要对这些数据进行预处理，包括：（1）过滤掉非常规数据，过滤采用基于阈值的方法来消除异常的感知数据。（2）插值缺失的感知数据，通常采用统计方法来插入缺失的数据点。（3）移除高频噪声，为了从传感器数据中去除高频噪声，应用常见的低通/高通滤波工具。（4）感知数据的归一化和同步。当收集众多数据后，为了消除各种数据指标不同量纲的影响，需要对各种数据进行归一化和同步化处理。

3）数据分割：对感知数据进行预处理之后，通常并不是所有的数据都对收集特征和活动识别有帮助。通常在连续感知过程中，可能存在数次没有实质活动的感知。数据分割的主要功能在于辨别活动和非活动的时序数据。识别活动区域和非活动区域的方法是使用固定尺寸的时间窗口，然后将窗口滑过感知数据，以查看其显示高于特定阈值的高活动性，从而确定活动区域。

4）感知代理：感知代理维护着一系列的“规则”，这些规则由感知中间件进行设置。

5）本地控制器：负责直接与主机上的中间件交互，包括帮助中间件配置运行参数等。

软件分析系统：又称管理应用平台，软件平台连接采集系统获得感知数据，并对数据进行存储、分析与处理。软件系统主要包括两大块：应用程序和智能腕带感知中间件。

1）应用程序：应用程序是最终的功能应用的体现，每一种功能模式对应着一种分析模型（特种抽取）。这种模式使得应用程序更具可扩展性，而不是受功能添加或减少的限制。

2）智能腕带感知中间件：主要负责可穿戴设备的发现，以及维护和设备的连接。同时让注册的应用知道感知设备是否可用。管理平台需要同时连接多个数据采集装置，为避免连接冲突，中间件通过识别采集装置的MAC地址来解决连接的冲突问题。

3.2 系统流程描述

系统运行流程可描述如下：

1）营区战士每人佩戴智能腕带（附带RFID标签），在营区固定的位置（比如食堂门口和营房走廊）放置蓝牙适配器和RFID读写器。

2）战士在经过放置蓝牙适配器和读写器的地点时，蓝牙适配器与腕带相连，读取腕带感知的数据，并传输至PC电脑；读写器利用WiFi模块通过无线AP将数据标签信息传输给PC电脑。

3）PC电脑运行管理应用程序，将接收到的信息进行集成、处理、分析，为用户提供捷化、智能化、人性化的服务。主要包括：（1）评估战士的睡眠质量，绘制睡眠质量随时间变化的趋势变化。找出睡眠质量异常之人，如果一名战士超过一周内睡眠质量持续异常，则提醒管理人员将其作为重点人关注，提早介入；（2）评估战士的训练质量和卡里路消耗，并将训练量和心率数据进行关联，依此制定因人施训的训练计划和训练量；（3）根据时间和位置绘制战士的活动轨迹，并计算和显示当前所处的区域。此外，管理平台的应用软件还包含历史记录模块与历史趋势模块，前者主要以列表的形式记录战士最近的数据记录，同时列出预测值、日变化率的评估条。历史趋势主要包括睡眠趋势和运动趋势。该模块也具有数据的管理功能，可以对某条记录进行相应的操作；（4）最后，系统还提供用户的注册和设置功能，可以修改个人的基本信息和查看个人的数据结果。用户还可以通过设置模块完成对分析的周期选择、预警方式的选择等。

3.3 功能模块设计

3.3.1 睡眠分析功能

睡眠数据的好坏直接反映了战士的心理健康程度，通过获取战士每日的睡眠数据，可判断分析战士的睡眠质量的高低。对于长期睡眠质量不高或者睡眠时间不长的战士，可以给予重点关注，及时发现一些战士的心理问题，并做出有效引导和疏通，以把问题的苗头扼杀在摇篮之中。

系统可获取的数据主要包括：1）夜间睡眠时间night_sleep_time；2）深度睡眠时间deep_sleep_time；3）醒来次数wakeup_time；4）进入睡眠时间fall_asleep_time。

获取基本数据后，可计算出：1）总睡眠时间to⁃tal_sleep_time=night_sleep_time+deep_sleep_time；2）睡眠质量评分。根据深度睡眠的占比来评判，但是每个人的最优比例是不一样的，因此系统绘制深度睡眠的占比曲线，出现偏离中心值较大的情况视为异常情况。

睡眠分析模型：由于要分析的数据与时间周期有关，因此，分析模型中需要与实践相关的参数，要确定这些参数，需要对实际收集的数据进行分析、训练来确定，以提高模型的准确率和精确度。具体模型设计如下：

参数：NT=AVG（total_sleep_time），表示求得个人一段时间的平均睡眠时间；

DS=AVG（deep_sleep_time），表示求得个人一段时间的平均深度睡眠时间；

则最优睡眠数值OPT=a1*DS/NT-a2*wake⁃up_time/NT，其中a1和a2是调控参数，与时间周期跨度有关，通过数据训练获得；随后计算每个人具体的睡眠数值：Current=a1*deep_sleep_time/ NTa2*wakeup_time/NT。最后，将每天具体的睡眠数值与最优睡眠数值相比，得出每天的睡眠评分：SL=Current/OPT，这是一个百分数值，不超过1。

系统通过监测睡眠数据和分析模型，可以实现：

1）长期跟踪士兵的睡眠时间与睡眠质量，根据睡眠时间长短和睡眠质量的高低来判断战士是否存在睡眠问题。

2）有助于士兵认识自己的睡眠模式，有针对性地改变睡眠习惯，以改善睡眠质量。

3.3.2 运动分析功能

体能训练是部队的基础性训练，科学的训练计划有助于提高训练效益。通过获取战士的运动数据，合理安排体能训练时间和训练强度。根据数据指标，通过适度调整时间、控制训练强度、保持适度适量，增强体能训练的科学性和有效性。

系统主要监测指标数据包括：1）步行数与里程数；2）跑步数；3）卡里路消耗量；4）心率；5）脂肪消耗。

运动分析模型：系统首先建立运动矩阵AMD，矩阵X坐标为小时（可以根据需要调整为天），Y坐标是每小时的卡路里消耗，或者是跑步里程。如此，矩阵的每个元素表示每个小时所消耗的卡路里或跑步里程。随后的分析以对运动矩阵为主，计算运动矩阵的特征值。根据特征值，可以计算纹理特征（Textual Features），具体的计算方法参见文献［12］。通过纹理特征值可以用于判断不同运动特征的测量，来分析每个人的运动特征。

通过监测运动数据和分析模型，可以实现：

1）科学地分析训练数据。系统可存储所有人员的运动信息，并绘制人员的运动数据曲线，通过强大的数据分析工具，管理人员可以了解和对比士兵的身体状况和训练量等情况。

2）科学地制定训练计划。可提前制定每月、每周、每日的体能训练计划，从易到难，逐步调整训练量，并可根据个人实际制定不同的训练计划。

3.3.3 位置分析功能

系统通过监测战士的位置信息，实现对人员的及时定位，同时在必要时可还原人员特定时间范围内的活动轨迹，实现掌握人员的位置和行动轨迹。

系统主要监测指标：1）RSSI信号强度；2）访问锚点时间（数据接收点）。定位模型：定位算法采用RSSI计算法，示意图如图3所示，计算三个不同的RSSI信号值（CVR1，CVR2，CVR3），三个值是通过三个RFID阅读器获得，并经过MA过滤算法处理得到的数值，其中最大的数值决定了所在的区域（区域预先编号）。这个算法的精准性取决于MA算法中所用的采样。在计算区域位置时，采用经典的KNN算法，其根据参考向量RV和当前向量CV，选择最近的k个参考向量，然后计算距离每个阅读器的向量，来确定最终的区域编号R#，其中向量均是三维向量。为了使算法达到一定的精准性，参考向量的数量和k值是最重要的。

图3 RSSI计算示意图

通过计算和定位模型，可以获得人员的位置信息和对应的时间，从而实现：

1）对人员的实时定位。根据手环设备与蓝牙适配器的信号强弱来判断人员的大致范围，可在特殊情况下实现对人员的快速定位。

2）绘制人员的活动轨迹。根据手环设备与不同的适配器通信的时间和地点，绘制人员的活动轨迹，检查其遂行任务的路线。

4 实验

4.1 睡眠实验

我们随机选取4名人员进行测试，年龄在18～25之间。我们将结果与流行的手环（小米、华为和JAWBONE）以及纯手机测试结果（BES模型［13］）对比。结果如图4所示。

图4 将不同的睡眠模型进行对比

图4中显示的是每个人员每天的平均睡眠时间错误，从中可以看出纯手机应用的误差最大，SMIW比当前流行的小米、华为手环进度略差，但考虑到所有与睡眠时间相关的应用都是以小时为单位，所以这个误差基本可以忽略。

4.2 运动实验

我们随机选择一名测试人员，对其每天的运动数据进行采集，并计算ADMs，持续四周时间，活动时间严格落实一日生活制度。对采集的数据进行相异度测量，结果如图5所示。

从图中，我们可以看出，周一至周四相异度较低，周五略高，而周六周日因休息而与周一的相异度高。同时周六周日的行动步数也大幅下降。

图5 一周时间的运动矩阵相异度测量

4.3 位置实验

表1 位置识别准确率

我们选择在某营房内进行定位实验，首先将3个RFID阅读器分别置于3个相邻的房间（编号为房间#1，房间#2和房间#3）。测试人员戴着智能腕带持续一周时间。期间收集到总共6760个向量值。使用MA和KNN算法识别活动位置的准确性如表1所示。

实验结果表明MA算法在取样值取10时准确率能达到97.87%。而KNN算法在k=30时准确率95.87%，此外KNN算法在识别前还需要训练过程。因此MA算法更好的选择。

5 相关工作

当前，一些智能可穿戴设备多用于老年人和儿童的监控，防止老年人和儿童的走失［4～6］。文献［7，14～15］尝试通过RFID积水对医院病人进行自动管理监控系统，为每个病人带上附有射频芯片和GSM、GPS芯片的有源腕带，腕带一旦非法拆卸，系统将会启动自动报警功能，并同时以短信的形式传递到监控中心。国际上，一些高校研究机构尝试利用智能手环实现对患老年痴呆人员进行监控与定位［8］。文献［9］尝试利用手环来研究人类活动和健康授权。一些类似的系统也尝试应用于校园儿童监控［10］。本文创新性地将智能腕带与RFID标签相结合，并应用于部队士兵管理，解决了部队士兵管理的一些重难点问题，有效地提高了管理效率。本文的创新点可归纳为

1）系统首次将智能可穿戴设备运用于部队士兵管理，设计并实现了一种基于智能腕带的士兵管理系统及其工作方法，能够有效采集士兵的日常训练管理数据，并集中存储分析，为士兵管理提供科学的数据支持和管理决策。

2）系统创新性地将RFID与智能腕带相结合，赋予智能腕带定位功能，可以帮助管理者及时了解重要人员的位置信息、活动轨迹，判断士兵是否按既定路线遂行任务。并解决了智能腕带与连接点的多对一匹配连接的问题。

3）系统建立了三种数据分析模型和对应的分析算法，包括睡眠数据分析模型、运动数据分析模型和定位分析模型，这些模型可以有效地提升数据分析的精准性，实现有效地提取数据蕴含的价值，以帮助部队管理人员提高部队管理的效率。

6 结语

本文针对当前部队士兵管理的一些重难点问题，设计了一套基于智能腕带的士兵管理系统。士兵通过佩戴智能腕带，腕带绑定RFID标签以及嵌入各种传感器，腕带采集战士平时的睡眠数据、运动数据和位置数据，并通过信号转发器将数据转发至管理平台。管理平台运行数据分析软件平台，用户通过该平台可以分析战士的睡眠习惯，判断战士是否存在睡眠问题，并依此作为重点人关注；可以分析战士的运动数据，分析战士的卡路里消耗，帮助战士制定科学的训练计划；可以分析战士的位置信息，实现局部范围内人员定位，并绘制战士的活动轨迹。部队辅助管理系统给部队的日常训练管理带来了便利，并解决了战士心理，让部队管理者更为人性化、科学的管理部队。