一种基于物联网LoRa信号的非接触感知方法与流程

本发明属于智能感知领域，特别涉及利用物联网中窄带、低功耗、远距离的lora信号进行非接触感知的方法。

背景技术：

近年来，无线非接触感知技术已经受到了广泛的关注，利用各类无线信号(例如wifi，rfid等)都有相关的研究，也催生了多种应用，例如：室内定位、行为识别、呼吸检测、手势识别等。尽管已经初步验证了应用的可行性，但是当前利用的无线信号在感知范围都比较近。尽管wifi的通信范围是室内20-50米，其感知的范围通常在3-6米(f.zhang,d.zhang,j.xiong,h.wang,k.niu,b.jin,andy.wang.2018.fromfresneldiffractionmodeltofine-grainedhumanrespirationsensingwithcommoditywi-fidevices.proceedingsoftheacmoninteractive,mobile,wearableandubiquitoustechnologies2(1),2018,53)，rfid感知系统通常也在5米左右(y.wangandy.zheng.2019.tagbreathe:monitorbreathingwithcommodityrfidsystems.ieeetransactionsonmobilecomputing,2019.)。这些已有的感知方法也需要至少有一个收发设备在距离被感知对象比较近的位置，在现实应用的感知场景中，往往会有一定的局限性。另一方面，已有的基于wi-fi和rfid的方法不允许收发设备与人体中间有墙的隔离，不能支持隔墙感知，这使得感知场景受到了限制。

因此，利用能够进行远距离通信的物联网lora信号，将该信号应用于非接触感知。lora是低功耗广域网(lpwan)的主要技术之一，以远距离的方式连接各类internetofthings(iot)设备。传输距离在建筑密集的城市环境中可以覆盖两公里左右，而在密度较低的郊区，覆盖范围可达10公里(a.augustin,j.yi,t.clausen,andw.townsley.2016.astudyoflora:longrange&lowpowernetworksfortheinternetofthings.sensors16(9),2016,1466.)。lora信号工作在ism(industrialscientificmedical)频段，且造价很低(每个模块约5-15美元)。在亚洲和欧洲的许多国家，基于lora的物联网系统正在被广泛部署。在美国，smetech公司宣布在未来五年内，lora将被部署在10个城市，节点数量将达到一百亿个。到目前为止，lora已经在诸多场景中得到应用，包括环境监测、设备管理、智能建筑、车辆追踪和智慧农业等。然而，目前的应用都是利用lora进行传感器数据传输，还没有能够将lora远距离传输的特性用于非接触式感知系统。lora采用了基于css(chirpspreadspectrum)的调制技术编码数据，建立lora信号传播和物体移动之间的关系，从而可以非接触的方式感知人体的行为。

总之，现有技术在进行非接触感知时，由于环境噪声和硬件的误差，造成感知距离小(通常在5米以内)，无法做到远距离的感知(10米以上)。

技术实现要素：

本发明技术解决问题：克服现有技术的不足，提供一种基于物联网lora信号的非接触感知方法，具有远距离感知的优点，对人体小尺度活动(如呼吸检测)或大尺度活动(如行走追踪)分别能实现1-25米和30-50米的远距离感知。本发明利用lora信号的远距离通讯的特性，设计信号处理方法，以及感知计算方法，在满足感知精度的条件下，大大提升了非接触感知的范围。

本发明技术解决方案：

一种基于物联网lora信号的非接触感知方法，包括以下步骤：

(1)基于远距离无线电lora(longrangeradio,lora)的非接触感知数据采集，数据采集设备包括一个lora发送端和lora网关，lora网关配置有2根天线，网关连接电脑，将双天线各自的iq两路信号通过接收端传输到电脑进行后续处理；

(2)对从双天线上获取的两路信号流，进行相除操作，得到信号比，以所述信号比作为对人体感知的度量，消除环境噪声和硬件引起的相位误差，实现对非接触感知的距离的增强；

(3)计算步骤(2)得到信号比的相位，基于信号比切线相位的估计方法，计算切线相位的旋转角度得到物体的移动距离，切线相位的旋转方向得到物体的移动方向，计算出物体的移动距离和方向，用于对人体进行非接触感知；

(4)针对不同应用的相关信号处理，对小尺度行为(运动幅度小于无线信号的一个波长)感知应用，如远距离测量人体呼吸的感知，应用第三步中方法实现1-25米的远距离呼吸检测，对大尺度行为(运动幅度大于无线信号的一个波长)感知应用，远距离追踪人的行走，实现长走廊(如30-50米)的轨迹追踪。

所述步骤(1)中：

(11)发送端由一个lorasx1276节点、arduinouno开发板和一根定向天线(常规的定向天线大小为(25×22cm，70度的波束宽度，8dbi的增益)构成，发送信号的中心频率设定为915mhz、带宽设定为125khz。

(12)接收端由一个通用软件无线电外设usrp(universalsoftwareradioperipheral，usrp)b210和两根定向天线构成，采样率设定为1mhz，usrp-b210通过usb接口与一台笔记本电脑(intelcorei7cpu、16gb内存)连接，将双天线各自的iq两路信号传输到软件无线电结构平台gnuradio中，再由gnuradio将数据存储到本地文件中。

所述步骤(2)具体实现如下：

(21)首先，lora节点产生一个基带信号lora节点的混频器将其调制到频率为fc的载波上，则发送端的信号表示为：

假设信号在传播过程中经过了n条不同的路径(包括直射路径和经过环境物体反射的多条路径)到达接收端，则接收端的信号表示为：

其中，an(t)是第n条路径的衰减系数，τn(t)是第n条路径的时延，是第n条路径的相位变化；由于一个周期内kt的最大值即扫频带宽b为125khz，中心频率fc为915mhz，所以kt的量级约是fc的万分之一，在相位变化一项中，kt和相比于cc对信号波形的影响可以忽略，则相位变化可化简为进一步，由于接收端对信号进行解调，即乘上的因子，则在接收端实际接收的信号为：

其中，θc＝2π(fc-f′c)t是载波频率偏移(carrierfrequencyoffset，cfo)，这是由发送端和接收端的时钟不同步导致的，θs是采样频率偏移(samplingfrequencyoffset，sfo)，这两项频率偏移都会导致接收信号的相位随时间发生变化；

将多条路径划分为静态路径(包括直射路径以及由墙等静止物体造成的反射路径)和动态路径(由物体运动造成的反射路径)。对于静态路径，用一个静态向量来表示：对于动态路径，假设只存在一条由于人体移动所引起的路径，可以用一个动态向量来表示：c是光速，d(t)是反射路径的长度。则接收端接收到的信号可以表示为：

其中，是波长，c＝3×10⁸为光速。为了将原始信号用于感知，需要消除基带信号导致的信号相位偏移。

(22)将两根天线收到的信号进行除法操作，得到的信号记为sr(t)：

其中，r1(t)和r2(t)是两根天线收到的信号，hs1和hs2是两根天线信号中的静态分量，a1(t)和a2(t)是两根天线信号中动态分量的衰减系数，δs是由于两根天线位置不同导致的动态路径长度的不同，d(t)是信号从发送端到达被感知人体，再反射回接收端的路径长度，称之为反射路径长度。是波长，c＝3×10⁸为光速；由于两根天线间的距离相对于动态路径长度非常短，故δs远小于d(t)，由于动态路径变化而导致的信号动态分量相位变化表示为η：

根据莫比乌斯变换的性质，信号比是原始信号关于η的一个分式线性变换，和原始信号r′(t)相比，信号比消除基带信号的影响，同时保留动态分量对信号相位的影响，将信号比表示为η的函数f(η)，用于感知人体的行为；

其中，d(t)依然是反射路径长度，是波长，c＝3×10⁸为光速；

(23)对上述生成的信号比并进行滤波处理，原始信号中包含多径效应以及噪声的影响，为了去除这些影响，使用savitzky-golay(s-g)滤波对生成的信号比进行平滑处理，s-g滤波经常被用于信号的平滑、降噪，它保证原始波形主要波动性不变的情况下，去除无关毛刺。所述步骤(3)具体实现如下：

(31)根据接收端信号比人的运动导致的信号比相位变化为：

将信号比在复数域上以向量的形式表示，导致动态向量发生角度为δφ的旋转，即是动态向量的相位变化δφ，根据动态向量的相位变化δφ，求出人运动的距离δd：

根据相位变化δφ的正负性，即动态向量的旋转方向，求出运动的方向；

(32)利用切线向量的旋转角度即相位变化，等效计算动态向量的旋转角度，得到物体移动的距离，假设信号中任意两个相邻时刻记为p和q，动态向量旋转δφ的角度，而切线向量相位改变δθ，由于p和q两个时刻相距非常近，则这两个角度是相等的，通过计算切线的相位变化获得动态向量旋转角度δφ。

所述步骤(4)具体实现如下：

(41)针对小尺度呼吸检测应用，用30秒滑动窗口实时处理信号数据，采用带通滤波器去除异常值和高频噪声；然后，用自相关函数去计算信号比的周期性，该周期性的判断也作为呼吸可测性的度量；再针对利用自相关计算的周期性大于设定阈值的信号，利用快速傅立叶变换fft提取呼吸频率，fft变换后频率的主峰值，即对应于人体的呼吸频率；

(42)针对大尺度行为追踪应用，在一个长的走廊，实现对人体行走轨迹的追踪，首先，计算信号比的切线向量，计算的方式为将信号比相邻两个采样点相减，然后对切线向量求相位并解绕，得到切线向量的相位变化；最后，将相位变化的首尾值相减，得到一个行走片段内切线向量的相位总变化量δθ，该行走片段内动态向量的相位变化δφ＝δθ，根据δφ与δd的关系式，计算人行走的距离；根据动态向量的相位变化δφ的正负性，判断行走的方向，在获得人行走的距离和方向信息之后，确定人的行走轨迹。

本发明与现有技术相比的优点在于：

(1)本发明的创新主要体现在第一个用lora信号进行非接触感知，之前没有人用，并在用该信号的基础上，提出了步骤2中双天线消除误差方法，和步骤3中感知距离和方法的方法，优势是与现有非接触感知的技术相比，本发明可以实现远距离的被感知人体的检测，扩展了感知范围，大大增强了非接触感知的距离。

(2)提出的利用天线之间的比值方法，是一种新的感知度量手段，可以消除信号振幅和相位上的误差。

(3)提出的相位计算方法，可以更为精确的度量相位变化量，提高距离估计的准确性。

附图说明

图1为本发明方法对应的流程图；

图2系统发送端和接收端的硬件；

图3为本发明的一个周期内信号的频域和时域波形，(a)频域波形(b)时域波形；

图4为本发明中的lora信号建模，其中(a)信号建模，(b)复数域上的信号比；

图5为本发明中的切线向量与动态向量的关系，(a)切线向量示意图，(b)和δθ的关系；

图6为本发明中的web前端界面，(a)呼吸检测，(b)轨迹追踪。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图及实施例对本发明作进一步的详细描述。

图1展示了基于lora信号的非接触感知的整体框架。该系统能够实时远距离非接触式的感知人体的行为，包括小尺度行为(人的呼吸)，以及大尺度行为(人的行走轨迹追踪)。

本发明的实现步骤如下：

第一步：实时数据采集：如图2所示，基于lora的非接触感知系统包括一个lora发送端和lora接收端(即lora网关)。发送端(图2(a))由一个lorasx1276节点、arduinouno开发板和一根定向天线(常规的定向天线大小为(25×22cm，70度的波束宽度，8dbi的增益)构成，发送信号的中心频率设定为915mhz、带宽设定为125khz。为了接收并解析lora信号，接收端(图2(b))由一个usrpb210和两根定向天线构成，采样率设定为1mhz。usrp-b210通过usb接口与一台笔记本电脑(intelcorei7cpu、16gb内存)连接，将双天线各自的iq两路信号传输到gnuradio中，再由gnuradio将数据存储到本地文件中。

第二步：数据预处理：在获取了双天线各自的iq信号之后，为了将信号用于人体行为的感知，需要在数据预处理过程中解决两个问题：(1)lora采用了基于css的调制技术，表现为lora基带信号的频率随时间变化，并且lora节点和网关的时钟不同步也会造成接收信号相位的随机变化，而在非接触感知中需要利用的是人体运动对信号的改变，因此需要消除相位偏移对信号的影响；(2)真实环境中，噪声会对无线信号产生影响，需要在原始信号中消除这些噪声信号的影响。为此，首先提出通过生成信号比和滤波的方式消除噪声信号成分对人体非接触感知的影响。

lora采用了基于css的调制技术，在一个周期内，信号频率随时间线性增长，即：

f＝fc+kt(1)

其中，fc是中心频率，k是斜率且b是扫频带宽，t是一个扫频周期的时间。图3展示了一个周期内信号的频域和时域波形。因此lora信号在复数域上可以表示为：

复数信号的实部、虚部分别是i路、q路信号，即：

i(t)＝cos(2πfct+πkt²)

q(t)＝sin(2πfct+πkt²)(3)

基于以上对lora信号的分析，对系统中发送端和接收端的信号进行建模。首先，lora节点产生一个基带信号lora节点的混频器将其调制到频率为fc的载波上，则发送端的信号表示为：

假设信号在传播过程中经过了n条不同的路径(包括直射路径和经过环境物体反射的多条路径)到达接收端，则接收端的信号表示为：

其中，an(t)是第n条路径的衰减系数，τn(t)是第n条路径的时延，是第n条路径的相位变化。由于一个周期内kt的最大值(即扫频带宽b)为125khz，中心频率fc为915mhz，所以kt的量级约是fc的万分之一，根据模拟和实验结果，在相位变化一项中，kt和相比于fc对信号波形的影响可以忽略，则相位变化可化简为进一步，由于接收端对信号进行解调，即乘上的因子，则在接收端实际接收的信号为：

其中，θc＝2π(fc-f′c)t是载波频率偏移(carrierfrequencyoffset，cfo)，这是由发送端和接收端的时钟不同步导致的，θs是采样频率偏移(samplingfrequencyoffset，sfo)，这两项频率偏移都会导致接收信号的相位随时间发生变化。

通过(6)式发现，接收端接收到的信号随时间的变化可以分解为两个成分：(1)基带信号导致的变化，即一项。(2)多条路径导致的变化，即一项，其中c是光速，dn(t)是第n条路径的长度。进一步，将多条路径划分为静态路径(包括直射路径以及由墙等静止物体造成的反射路径)和动态路径(由物体运动造成的反射路径)。对于静态路径，用一个静态向量来表示：对于动态路径，假设只存在一条由于人体移动所引起的路径，可以用一个动态向量来表示：则接收端接收到的信号可以表示为：

其中，是波长，c＝3×10⁸为光速。可以看出，多径导致的信号变化项中包含了空间环境以及人体的信息，可以用于对人体的感知，而基带信号导致的变化项则是与感知无关的变量，并且会导致信号在相位上产生随机性，不利于将lora信号用于感知。为了将原始信号用于感知，需要消除基带信号导致的信号相位偏移。

为了解决上述问题，观察到lora网关通常配备有两根天线。两根天线使用同样的时钟源，因此具有同样的cfo和sfo。这使得可以利用双天线消除基带信号的影响。为了消除这一影响，将两根天线收到的信号进行除法操作，即：

其中，r1(t)和r2(t)是两根天线收到的信号，hs1和hs2是两根天线信号中的静态分量，a1(t)和a2(t)是两根天线信号中动态分量的衰减系数，δs是由于两根天线位置不同导致的动态路径长度的不同，并且由于两根天线间的距离相对于动态路径长度非常短，故δs远小于d(t)。可以发现，由于动态路径变化而导致的信号动态分量相位变化可以表示为：

令a＝a1(t)，b＝hs1，d＝hs2，则信号比sr(t)可以写为：

根据莫比乌斯变换的性质，信号比是原始信号关于η的一个分式线性变换，包括了旋转变换(如cη项)、平移变换(如cη+d项)和反演变换(如项)。而分式线性变换具有保圆性和保角性，所以变换后的信号比sr(t)与原始信号η具有相似的性质，当原始信号η的相位变化2π时，信号比sr(t)的相位也变化2π，因此，将信号比表示为η的函数：

和原始信号r′(t)相比，信号比消除了基带信号的影响，同时保留了动态分量对信号相位的影响，可以用于感知人体的行为。

利用上述原理，可以生成信号比并进行滤波处理。lora网关将双天线各自收到的iq两路信号通过usb接口传输到电脑中。由于复数信号的实部和虚部即对应于i路和q路信号，可以直接利用双天线的iq信号恢复出双天线的复数信号r1(t)和r2(t)。接下来，在复数域上将两个信号进行相除操作，即可得到信号比sr(t)。由于原始信号中包含了多径效应以及噪声的影响，为了去除这些影响，使用了savitzky-golay(s-g)滤波对生成的信号比进行平滑处理。s-g滤波经常被用于信号的平滑、降噪，它可以在保证原始波形主要波动性不变的情况下，去除无关毛刺。

第三步：相位估计：根据上一步骤的分析，人体运动对应于一条动态路径的改变，这在信号中体现为动态向量分量相位的改变，因此，对动态对象的感知，关键在于计算动态向量的相位。提出基于信号比切线相位的动态向量相位计算方法。

根据对lora信号的建模，人的运动会引起一条动态路径发生改变。如图4中的(a)所示，将有人运动的环境中的信号抽象成三条路径：直射路径、经由墙壁和其他静止物体的静态反射路径和经由人的动态反射路径。人沿着垂直于收发设备之间连线(line-of-sight，los)的方向运动δd的距离，动态路径长度由dt1)改变为dt2)。考虑到los的长度(通常小于1米)相对于动态路径长度很短，可以近似认为d(t2)-d(t1)≈2δd。根据接收端信号比的表达人的运动导致的信号比相位变化为：

如图4中的(b)所示，将信号比在复数域上以向量的形式表示出来，人运动δd的距离，导致动态向量发生角度为δφ的旋转，也就是动态向量的相位变化了δφ。由此可知，只要求出了动态向量的相位变化δφ，便可求出人运动的距离δd：

而根据δφ的正负性，即动态向量的旋转方向，可以求出运动的方向。

为了计算δφ，需要解决一个问题：接收到的信号是静态向量与动态向量的合成，且静态向量是未知参数，因此，需要从合成向量中提取出动态向量的相位变化。已有方法主要的解决思路是消除静态分量，比较常见的方法是用一段时间内的信号取平均值，由于动态分量一直在围绕静态向量旋转，因此近似可以认为动态向量被消除，之后再用原始信号减去静态分量就得到了动态分量，即可以直接计算动态分量的相位。这种方法的关键在于默认假设了静态分量不随时间变化，否则取平均无法得到准确的静态分量。然而在实际中，静态分量是会随时间变化的。多径环境比较复杂，静态向量的变化会更加复杂，用平均的方法计算出来的也就更不准确。进一步，由于相位的计算要求比较高的精度，所以这种方法会带来较大误差。

为了解决以上问题，观察到，lora网关接收信号的采样率比较高(达到1mhz)，这使得可以获得原始向量上比较准确的切线向量。如图5中的(a)所示，hd和h′d是相邻两个时刻的动态向量，它们的差值ht就是该时刻的信号的切线向量，这两个时刻相距越近，也就是说采样率越高，计算出的切线向量就越准。而由于lora网关的采样率为1mhz，远大于人运动的频率，所以在本系统中可以获得比较准确的切线向量。进一步观察发现，一段时间内动态向量hd的旋转角度和切线向量ht的旋转角度相等，因此，可以利用切线向量的旋转角度即相位变化，来间接计算动态向量的旋转角度。如图5中的(b)所示，信号上任意相邻的两个时刻记为p和q，动态向量旋转δφ的角度，而切线向量相位改变δθ，由于p和q两个时刻相距非常近，可以认为这两个角度是相等的，因此可以通过计算切线的相位变化获得动态向量旋转角度δφ。

这种利用切线相位计算δφ的方法充分利用了系统采样率高、获得切线准确的特点，避开了对静态向量本身的估计，直接对动态向量的旋转角度进行计算，提高了δφ计算的精度。

第四步：应用相关的信号处理。利用lora信号进行非接触感知，可以实现大小不同尺度活动的远距离感知应用。针对不同应用，需要进行进一步的信号处理：

1)针对小尺度呼吸检测应用，用30秒滑动窗口实时处理信号数据，采用带通滤波器去除异常值和高频噪声。然后，用自相关函数去计算信号比的周期性，该周期性的判断也作为呼吸可测性的度量。其次，针对具有较好周期性的信号，利用快速傅立叶变换(fft)提取呼吸频率。fft变换后频率的主峰值，即对应于人体的呼吸频率。实验已经验证，即使人在距离收发设备25米处，仍可以实现呼吸检测，其呼吸检测的误差是每分钟0.18次。

2)针对大尺度行为追踪应用，在一个长的走廊，可以实现对人体行走轨迹的追踪。首先，计算信号比的切线向量，计算的方式为将信号比相邻两个采样点相减。接下来，对切线向量求相位并解绕，得到切线向量的相位变化。最后，将相位变化的首尾值相减，得到一个行走片段内切线向量的相位总变化量δθ，该行走片段内动态向量的相位变化δφ＝δθ。根据δφ与δd的关系式，可以计算出行走的距离；根据δφ的正负性，可以判断出行走的方向。从而，在获得了人行走的距离和方向信息之后，可以确定人的行走轨迹。

本发明实施例采用是人在室内走廊上，进行远距离呼吸检测以及行走的追踪。收发设备放置于走廊的一端。发送端由lorasx1276节点、arduinouno开发板和一根天线构成，接收端由usrpb210和两根天线构成，从两根接收天线导出lora信号。进而通过usb导入笔记本电脑，进行上述第1-4步骤的处理。处理结果展示在基于web开发的前端界面，参见图6，图6中的(a)是远距离对人的呼吸进行检测，图中显示了呼吸波形和呼吸频次(如16次每分钟)，以及测试场景。图6中的(b)是长距离走廊追踪系统，系统可以判断人的动静，行走距离和方向，追踪人在房间之间的行走轨迹(如：从房间1到房间2)。

总之，本发明利用lora信号的非接触感知，有效增强了非接触感知的距离，仅利用一对收发设备，对微小活动可以作到1-25米外的检测，对行走追踪可以作到30-50米的距离。

提供以上实施例仅仅是为了描述本发明的目的，而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改，均应涵盖在本发明的范围之内。