RFID多频点联合测距系统中的信号检测方法

熊 鑫，田增山

(重庆邮电大学 通信与信息工程学院，重庆 400065)

0 引 言

射频识别技术(Radio FrequencyIdentificatio,RFID)以其体积小、速度快、成本低等诸多优势，目前已广泛应用于物联网领域。传统RFID主要应用在非接触识别上。随着研究的深入，越来越多的研究人员将目光聚集在RFID的位置服务中。其中比较典型的实现方法大致可以分为两类，一类基于接收的信号强度指示(Received Signal Strength Indication,RSSI)[1-3]，另一类基于信道状态信息(Channel State Information,CSI)[4-9]。已有研究表明，相对于RSSI，CSI具有更细的信息粒度[4]，理论上能够达到更高的精度，但基于CSI的距离解算方法精度受限于信号带宽，与传统RFID系统工作带宽窄的特点相冲突，由此给基于CSI的距离解算方法带来较多限制。受限于RFID的窄带特性，文献[5]对工作范围和天线布局都提出了严苛的限制；文献[6-7]使用天线阵列和合成孔径雷达(Synthetic Aperture Radar,SAR)技术来提高系统性能，但该方法要求标签(Tag)处于运动状态，当处于静止时无法对得到Tag的位置信息。文献[8]使用定制的宽带RFID系统，扩展了传统RFID系统的带宽，具有很高的灵活性和测距精度，但该方法不兼容传统的RFID系统。

综上所述，在兼容传统RFID系统的同时扩展系统带宽，对基于CSI的RFID位置服务系统显得十分重要。文献[9]提出了一种多频点联合定位系统，该系统由自制的跳频系统和用软件无线电实现的全双工RFID读写器组成，在兼容传统RFID的同时扩展了系统带宽，且实现了高精度定位，但该文侧重于可行性分析和定位算法的实现，并未对其中的关键功能模块即跳频系统是如何检测Tag反射信号并提取CSI的过程进行描述，而该模块的性能将直接影响系统的整体性能。基于此，本文提出一种Tag反射信号的检测方法，利用Tag反射信号的功率谱特性，通过分析接收信号的能量谱，识别Tag反射信号得到识别信号，再利用能量检测方法对识别信号进行范围限制得到检测信号；然后改进了文献[10]中的信道估计方法，搭建了多频点联合测距系统以验证系统性能。实验结果表明，该系统具有较高的检测效率；经本文改进的信道估计方法能有效减小载波相位的方差，且系统平均测距误差约为2.5 cm，实现了厘米级测距。

1 系统结构及距离求解

1.1 系统整体结构

多频点联合跳频测距系统结构如图1所示。该系统正常工作基于Tag已被验证的特性[9]：当Tag处于激活状态时，其相当于一面镜子，可以反射一定频率内任何形式的信号。在本系统中，Reader先用频率为f1的信号使Tag处于激活态，同时SDR1发送频率为f2的纯载波跳频信号(从起始频点到终止频点顺跳频)，这样Tag就会将两个频率上的信号同时反射出去，SDR2接收到携带Tag调制信息的频率为f2的信号后，经过信号检测、位同步、信道估计(得到CSI)及解码后，再根据循环冗余校验(Cyclic Redundancy Check，CRC)结果，只保留解码正确的Tag反射信号的CSI。这样，通过跳频就能得到若干个频点的CSI，接下来通过处理多频点的CSI得到多频点相位信息，再消除其中的相位误差[9]，最后通过求解整周模糊得到最终的距离测定结果。值得注意的是，本文系统中SDR1和SDR2之间必须保持载波相位的频率和相位上的同步，这样才能成功解码并提取正确的载波相位[10]。

图1 测距系统结构

1.2 整周求解与距离测定

图2 整周求解

2 信号检测

Tag反射信号经空口传播至SDR2接收天线；接着，SDR2对反射信号进行I、Q解调和数字采样，此时反射信号从高频的无线信号变成了基带的数字采样信号，因为Tag并不总是反射信号，所以此时的数字采样信号中包含的反射信号比例并不高，需要作进一步处理；然后，识别数字采样信号中是否包含标签反射的信号，将包含表现反射信号的部分保留，不包含的部分舍弃；最后，进一步对识别信号进行范围限制，得到最终的检测信号。信号检测的过程实际上就是从数字采样信号中筛选标签反射信号的过程。本文根据反射信号的功率谱特性提出信号识别方法，然后用能量检测的方法实现信号检测，后文将逐一介绍。

2.1 Tag反射信号模型及功率谱特性

根据GEN2协议，Tag支持两种编码方式，分别是FM0编码和Miller编码，本系统采用FM0编码。由文献[13]知，FM0编码信号的功率谱表达式为

(1)

由上式可画出Tag反射信号的单边功率谱密度图,如图3所示。

图3 Tag反射信号单边功率谱

观察图3可知,FM0编码信号的功率谱能量主要集中在主瓣内，主瓣宽度为二倍码频(2/T)。

2.2 信号识别

在图3中，Tag反射的经FM0编码的信号功率谱分布能量集中在f∈[0,2/T]之间，为防止直流信号影响，本文通过判断信号功率是否集中在f∈[1/2T,2/T]来判断反射信号中是否包含Tag反射信号。

假设在软件无线电接收端的基带复采样率为Ssam，FM0编码的符号周期为T，将接收端序列y(n)作N点傅里叶变换：

Y(k)=FFT[y(n)]N。

(2)

易知Y(k)是一个长度为N的复序列。

由数字信号处理相关知识可知，Y(k)是对离散序列y(n)的频谱在f∈[-Ssam/2,Ssam/2]上的频域采样，其频率分辨率Fs=Ssam/N。

本文用以下方法来衡量接收端序列y(n)在频率区间f∈[-2/T,-1/2T]∪[1/2T,2/T]上的集中程度：

(3)

式中：k1、k2分别表示频率f1=1/2T和f2=2/T在Y(k)对应的点，

(4)

当接收到Tag反射信号时，频谱能量集中于该区域，此时η较大，当不包含时η较小。

图4是按照本文信号识别方法，以每512个数据点为一组经FFT变换得到，再计算η得到变化曲线。从图中可以看出，当有Tag反射信号出现时，变化曲线将出现明显的峰值，其中小的峰是Tag反射的16位随机码(RN16)，大的峰是Tag反射的电子产品识别码(Electronic Product Code,EPC)。图中曲线上每个点均由512个原始采样信号得到，所以本文识别方法不能准确地判断反射信号开始的位置，存在512个点的模糊，虽然减小每组的数据点数可以减小模糊，但将带来更大的运算复杂度，这也是本文使用能量检测的方法进一步限制识别信号的原因。

图4 实测η变换曲线

2.3 信号识别时的阈值确定

由图4中可知，当识别到Tag反射信号时，η变换曲线将出现峰值，如何从η变换曲线中定位到想要的峰值正是本节需要解决的问题。其中主要的难点是：(1)信号的强度随着距离而变化如果采用固定大小的阈值其适应性将非常差；(2)RN16和EPC均能导致峰值的出现，相比于RN16，可以对EPC解码结果进行CRC校验，校验通过的EPC求解得到的CSI更具准确性，所以希望能够通过阈值的设置起到只检测EPC而不检测RN16的目的；(3)曲线的细小波动可能导致误判。基于以上问题，本文设计了如图5所示的阈值确定算法。

图5 阈值更新算法

如图5所示，本文采用η序列平均值为基准来动态的确定阈值的大小，这样可以避免由于接收信号能量变化导致的峰值减小而带来的误判。另外，本算法中只有连续两个η均大于阈值才判定为正确识别到接收信号，这样可以有效避免曲线的随机波动带来的影响和达到滤除RN16的峰值的目的。

2.4 能量检测

根据实际测试发现，SDR2接收信号一般由Reader和Tag的非理想因素导致的干扰信号、只包含随机噪声的平缓信号、由标签反射的反射信号三部分组成。由于本文识别方法不能有效识别反射信号起始点，存在512点的模糊，这将使得识别信号中除了反射信号外还包含一部分的平缓信号。由于平缓信号和标签反射信号的能量相差较大，本文使用能量检测的方法[14]从识别信号中进一步限制反射信号范围得到检测信号,如图6所示。

图6 能量检测

假设窗口1和窗口2的长度相同均为len(约为Tag反射信号长度的一半)，假设窗口1的起始位置为n，则其末尾位置为len+n-1，窗2的起始位置为len+n，末尾位置为2len+n-1,这样可以求取窗口1和窗口2中的能量总和,分别为

(5)

式中：ym表示待检测序列，W1表示窗口1的能量总和，W2表示窗口2的能量总和。

令ε=W2/W1。当滑动窗口逐渐进入包含Tag反射信号的区域时ε的值会逐渐增大，直到达到峰值后又逐渐小，通过这一特点可以实现反射信号的检测。

当信号中存在标签反射信号时，能量检测的ε变化曲线中将出现峰值，根据峰值出现的位置可以很容易得到Tag反射信号在识别信号中的位置，起到了进一步缩小反射信号范围的目的。需要注意的是，本文之所以先识别后检测而不直接使用直接检测的方法，是因为相比于能量检测，基于功率谱特性的信号识别方法更加鲁棒，能够从各种干扰信号中有效识别反射信号，但其缺点是分辨粒度大，需要进一步限制其范围；而能量检测的方式虽然分辨粒度更小，但其鲁棒性低，如果直接作用于原始采样信号将会出现判别阈值难以确定、误判率高的情况，而经识别后的信号由于被舍弃了很多干扰信号成分，所以能量检测的方法能够有效地达到进一步限制反射信号范围的作用。

3 信道估计

检测到Tag反射信号之后，需要对检测信号进行位同步、信道估计、解码等步骤，以便求解Tag的EPC和信道CSI。本文结合文献[10]给出的处理方法，针对本系统的实际情况给出提高信道估计精度的方法。

3.1 基于最小二乘法的信道估计

根据GEN2协议，Tag反射信号中均包含6 b已知前导码，本文利用前导码和检测信号作相关运算，得到Tag反射信号在检测信号y(n)(实际为检测信号去除直流偏置后的序列[10])中的偏移差Δt：

(6)

式中：sp是已知前导码，Np是前导码采样点数，L表示搜索区间。

联合Δt和sp，利用最小二乘估计信道：

(7)

该最小二乘的解为

(8)

3.2 提高信道估计精度

式(8)的信道估计方法建立在检测信号被去除直流偏置之后。观察式(8)的信道估计过程，实际是前导码中所有的高电平对应值的均值，依靠这种方法得到的CSI易受两个因素的影响:一是理想情况下，去除直流偏置后低电平的值应为0，但实际情况下可能存在偏差；二是信号的随机波动尤其是低频的噪声干扰会使得信号整体上下浮动，最终影响CSI的精度。

本文基于以下两点事实提出提高相位精度的方法：(1)Tag反射链路速率和接收机采样速率已知，再结合EPC解码结果，可以知道每个采样点对应的是高电平还是低电平；(2)FM0编码每个符号之间一定有一次电平翻转[10]。从以上两点事实出发，根据每一个符号的高低电平，直接计算高低电平差，再求取所有符号的电平差的均值可以有效提高信道估计的精度。

图7是直接使用式(8)计算得到的CSI求得的载波相位，图8是用本节中优化方法处理后得到的载波相位，对比两个图不难发现优化后的CSI得到的载波相位更加集中，方差更小。

图7 未优化的CSI得到的相位

图8 经优化的CSI得到的相位

4 测试分析

4.1 实验场景

测试场景如图9所示，图中高处悬挂的是读写器(Reader)。SDR1、SDR2和Tag均用支架固定，且基本处于同一水平面上。黑色框区域是系统测距区域。图中单个地砖的大小为0.5 m×0.5 m。

图9 实测场景

4.2 信号检测实验

将SDR2的采样率设置为4 Msample/s，Tag反向链路速率设置为400 ksample/s，得到原始采样信号和检测信号，如图10和图11所示。

图10 原始采样信号

图11 检测信号

图10中黑框框起来的是用本文检测方法从图11所示原始采样信号中得到的检测信号(EPC)，本文正是通过处理EPC信号得到载波相位。

图12和13分别是干扰信号频谱图和包含Tag反射信号的频谱图。观察图13，信号能量集中的频率范围和图3的范围一致(由于SDR2对原始信号做了数字低通滤波处理所以图13仅保留了主瓣部分)。图12中，由于干扰信号中不包含EPC，所以在相应的频率范围内信号能量并不集中，和图13显示出明显的区别。

图12 干扰信号频谱

图13 包含Tag反射信号的频谱

为了说明系统检测效率，本文让Reader在10 s内向Tag发送1 700个请求信号，按照GEN2协议，Tag应该回应1 700个EPC。SDR2分别统计检测到的EPC数目和解码成功的EPC数目，实验结果如图14所示，图中横坐标为Tag到SDR1和SDR2的距离和。从图中不难发现，当距离增加时成功检测数量和成功解码数量均减少，这是由于距离增加后Tag接收到的能量减少导致反射信号，信噪比下降所致。图14中成功解码量的均值为1 300，这样每10 ms可以检测到13个EPC即可以输出13个载波相位，基本满足实时测距要求。

图14 EPC发送量检测量和解码量关系

4.3 测距精度与带宽

为验证带宽和测距精度的关系，将测距系统的跳频带宽从90 MHz逐步增加到170 MHz，实验结果如图15所示，可见带宽对测距精度的影响非常大，随着带宽的增加，平均测距误差逐渐降低。

图15 跳频带宽和测距误差

4.4 测距误差

在图9的实验场景中，取图中黑框框起来的区域为测试区域，在测试区域中尽量均匀地取100个点测试，链路长度在2.5～6 m之间，测试其测距精度，结果如图16所示。

图16 系统测距误差

图16中黑色的点是每个是点的误差，黑色虚线是所有点的平均测距误差，本文约为2.5 cm。

表1给出了目前典型的RFID系统的测距精度。

表1 不同测距系统对比

5 结束语

本文着重研究了RFID多频点联合测距系统中的信号检测方法，利用FM0编码信号的功率谱特性实现了对Tag反射信号的识别和检测。该检测方法具有较好的普遍性，且实验结果表明该检测方法的鲁棒性较强；但是该方法只适合于FM0编码的Tag反射信号，对于其他编码形式的Tag反射信号本方法并不适用，这也是未来需要进一步研究的内容。本文将检测方法用于测距系统中，填补了已有文献对于Tag反射信号的检测的空白；将检测方法用于RFID多频点联合测距系统中得到了很高的测距精度，这对于基于RFID的位置服务系统具有很好的参考意义，在未来可以进一步研究在距离更远情况下的信号检测准确度的提升以及测距精度的提升，另一方面RFID的反射信号检测系统也可应用于构建接收天线阵列。