基于RFID标签阵列的跨域感知技术研究

《基于RFID标签阵列的跨域感知技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、研究生毕业论文（申请博士学位）论文题目基于ＲＦＩＤ标签阵列的跨域感知技术研究作者姓名王楚豫学科、专业方向计算机科学与技术研究方向智能感知计算指导教师陆桑璐教授谢磊副教授２０１８年８月１９日学号：ＤＧ１４３３０２５论文答辩日期：２０１８年８月２８曰：指导教师（签字）Ｒｅｓｅａ－ｒｃｈｏｎＣｒｏｓｓＤｏｍａｉｎＳｅｎｓｉｎｇＳｃｈｅｍｅｂａｓｅｄｏｎＲＦＩＤＴａｇＡｒｒａｙｂｙＣｈｕｕＷａｎｙｇＤｉｒｅｃｔｅｄｂｙＰｒｏｆｅｓｓｏｒＳａｎｌｕＬｕＡｓｓｏｃｉａｔｅＰｒｏｆ

2、ｅｓｓｏｒＬｅｉＸｉｅｇ，ＤｅａｒｔｍｅｎｔｏｆＣｏｍｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｐｐｇｙＮａｎｉｎＵｎｉｖｅｒｓｉｔｊｇｙＯｃｔｏｂｅｒ２０１８ＳｕｂｍｉｔｔｅｄｔｔｉｎａｒｔｉａｌｕｌｌｍｅｎｔｏｈｅｒｅｕｉｒｅｍｅｎｓｐｆｆｉｆｑｆｏｒｔｈｅｄｅｇｒｅｅｏｆＰｈＤｉｎＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ南京大学研究生毕业论文中文摘要首页用纸毕业论文题目：基于ＲＦＩＤ标签阵列的跨域感知技术研究计算机科学与技术专业２０１４级博士生姓名：王楚豫指导教师、职称

3、）：（姓名陆桑路教授谢蠢副教授摘要、随着工业互联网物联网以及普适计算等领域的兴起和发展，为了实现“”人－机－物的充分融合，智能感知技术成为计算机连接人和物，并获取相关状态、。ＲａｄｉｏＦｒｅｑｕｅｎｃｙＩＤｅｎｔｉｆｉｃａｔｉｏｎ位置等信息的关键途径射频识别技术，（ＲＦＩＤ）作为物联网中的支撑技术，由于标签的廉价、轻量等特征，被广泛部。ＦＩＤ署，成为智能感知的重要媒介因为Ｒ标签并非传统意义上的传感器，其感“”知功能仅是识别通讯过程中的副产品，因而此类感知技术称为跨域感知，即利用ＲＦＩＤ反向散射信号在信号域上的特征来对其他感知域的状态进

4、行推导ＦＩＤ，通过挖掘Ｒ信号域特征在时间、空间、频率等多个维度与对应感知域状态的内在联系，实现ＲＦＩＤ技术的跨域感知，从而为用户提供关键信息的支“”ＲＦＩＤ撑与智能服务。当前，基于跨域感知关注的感知域主要包括空间轨迹感知、运动姿态感知以及生理特征感知等。其中，空间轨迹感知指对质点目标在空间中的平移轨迹进行感知；运动姿态感知指对刚体目标在空间中的平移以及旋转进行感知；而生理特征感知指对人体的脏器产生的生理信号进行感知。传统的ＲＦＩＤ感知方法由于仅仅依赖单个标签的射频信号，在真实场景下受单点故障的影响，缺乏鲁棒性。因此，近年来基于ＲＦＩＤ标签阵列

5、的感知工作应运而生，但它们往往集中于对于简单的物体运动轨迹或者整个人体位置的感知，感知粒度较粗，并且感知维度主要局限于二维平面，难以有效对复杂的人体姿态在三维环境下进行有效追踪，对于手指移动乃至呼吸造成的胸部起伏等微小动作的跨域感知也鲜有涉及，缺乏针对不同幅度运动的跨域精细感知进行深入系统性的研究。为探究ＲＦＩＤ技术对不同幅度下的人体运动进行跨域感，知的能力本文以感知粒度的粗细为主要研究脉络，针对大幅度的三维肢体姿态感知、小幅度的手指微动作感知以及细微幅度的呼吸心跳感知三个具体问题展开研究、，以解决当前运动姿态感知中维度较低空间轨迹感知中粒度较

6、粗等？问题，，并拓展ＲＦＩＤ标签阵列在生理特征领域中的感知能力同时，在这三项具体问题中，，我们将充分考虑标签阵列的感知方式、部署目标以及部署结构对ＲＦＩＤ标签阵列的跨域感知方式进行全面系统的研究探索。此外，针对射频、识别技术的特点，本文将考虑如何减少硬件使用、部署标签阵列融合多标签、标签信号处理信号干扰等问题，使得跨域感知系统能够有效地在实际环境中运行：。本文的主要贡献总结如下一１三维姿态追踪的运动姿态感知问题（）针对，我们提出了种空间方位角估算的绑定式感知方案，构建了标签阵列的射频信号与刚体三维姿态的理论，证了其追踪性能，解模型并基于

7、该模型实现了人体的肢体运动追踪系统，验ＲＦＩＤ标签阵列在１０厘米运动幅度下的肢体跨域感知问题决了。我们的系统通一一ＦＩＤ组标签阵列，过给每段骨骼部署，利用对Ｒ天线读取标签信号并从中抽取不同标签间的相位差值；根据初步实验，我们构建了相位差与骨骼空间角间的物理关系模型一度之，基于这模型实现了肢体的运动追踪，并利用不同骨骼上标签的间距变化对其进行校准。此外，通过将天线数目减小至两个，根据信号模型摆脱对于训练数据的依赖，我们有效地将感知领域扩展至三维空间，解决了当前跨域感知中对于大幅度