CN107944338A - 一种目标识别方法 - Google Patents
一种目标识别方法 Download PDFInfo
- Publication number
- CN107944338A CN107944338A CN201710954189.1A CN201710954189A CN107944338A CN 107944338 A CN107944338 A CN 107944338A CN 201710954189 A CN201710954189 A CN 201710954189A CN 107944338 A CN107944338 A CN 107944338A
- Authority
- CN
- China
- Prior art keywords
- mrow
- target
- signal
- signals
- msub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000002708 enhancing effect Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 5
- 239000000463 material Substances 0.000 abstract description 25
- 239000013077 target material Substances 0.000 abstract description 18
- 230000000694 effects Effects 0.000 abstract description 10
- 238000005259 measurement Methods 0.000 abstract description 4
- 239000007788 liquid Substances 0.000 description 8
- 239000007787 solid Substances 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000000116 mitigating effect Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 235000016795 Cola Nutrition 0.000 description 2
- 235000011824 Cola pachycarpa Nutrition 0.000 description 2
- 235000008694 Humulus lupulus Nutrition 0.000 description 2
- 244000141359 Malus pumila Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 235000020121 low-fat milk Nutrition 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 235000008939 whole milk Nutrition 0.000 description 2
- 244000241235 Citrullus lanatus Species 0.000 description 1
- 235000012828 Citrullus lanatus var citroides Nutrition 0.000 description 1
- 235000011430 Malus pumila Nutrition 0.000 description 1
- 235000015103 Malus silvestris Nutrition 0.000 description 1
- 240000008790 Musa x paradisiaca Species 0.000 description 1
- 235000018290 Musa x paradisiaca Nutrition 0.000 description 1
- 235000014443 Pyrus communis Nutrition 0.000 description 1
- 240000001987 Pyrus communis Species 0.000 description 1
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000019219 chocolate Nutrition 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000008213 purified water Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- 235000013555 soy sauce Nutrition 0.000 description 1
- 235000021419 vinegar Nutrition 0.000 description 1
- 239000000052 vinegar Substances 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
- G06K7/10316—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves using at least one antenna particularly designed for interrogating the wireless record carriers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Toxicology (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种目标识别方法,包括收集射频链路上没有目标时的相位值和RSS值,然后在链路中点处放上待测目标,再次测量链路上相位值和RSS值。由于受到室内多径的影响,接着将测量的数据经过多径抑制方案来减弱多径效应对测量值的影响。然后将有目标和没目标时的相位和幅值进行相减来建立模型,获取仅有目标材料决定的特征常数。对于不同的待测目标,不断的重复上述几个步骤。最后,将测量到的不同物体的特征常数建立数据库,利用KNN分类算法来识别待测目标的材料。该方法及***既能提供令人满意的高精度目标材料识别率又能大大减少所需的代价。
Description
技术领域
本发明涉及被动式感知领域,特别涉及一种目标识别方法。
背景技术
近些年来,目标材料识别在许多新兴的应用中起到至关重要的作用,然而现存的大多数材料识别技术需要昂贵的特定的精密设备,这造成了许多场景不适用。随着RFID装置的普遍性,基于RFID装置的被动式目标材料识别技术受到了学术界和产业界的巨大关注。
现有的材料识别方法主要分为以下2类:
第一类:基于特定设备的材料识别方法。该类方法主要通过精密的昂贵的设备产生高频率高带宽的信号来实现目标的材料识别,如Radar,X-Ray,CT\MRI和B-scan。虽然该类方法能够提供高精度的材料识别率,但是其需要成本非常昂贵,例如一个MRI***需要花费200000-1000000USD,而RFID***只需花费大约1000USD。因此,该类方法所需成本过高,不适用于我们现实生活中。
第二类:基于射频的材料识别方法。该类方法主要利用60GHz信号来识别目标的材料。然而,由于60GHz信号的波长很短,造成其监测的区域范围很小,并且它们需要工作在视距路径下。因此,该类方法普适性不好,也不适用于我们的周围生活中。
综上所述,现有的被动式目标识别技术在成本和普适性等方面存在不足。因此需要拥有更高可行性的被动式目标材料识别技术。
发明内容
为了解决上述现有技术存在的问题,本发明的目的在于,提供一种目标识别方法,既能提供高精度的目标材料识别率,又能大大减少***所需的代价。
为了实现上述目的,本发明采取如下技术方案:
一种获取待识别目标特征量的方法,包括以下步骤:
步骤一,对所有射频链路上的基准信号进行加权,得到加权后的基准信号,将加权后的所有基准信号进行累加,得到累加信号;利用累加信号求得基准加强信号,并求基准加强信号的相位值和RSS值;
对所有射频链路上的对比信号进行加权,得到加权后的对比信号,将加权后的所有对比信号进行累加,得到累加信号;利用累加信号求得对比加强信号,并求对比加强信号的相位值和RSS值;其中,所述的对比信号为射频链路上放置了待识别目标,测得的射频链路上的信号;
步骤二,利用得到的基准加强信号的相位值和RSS值,以及对比加强信号的相位值和RSS值,采用建模的方法求待识别目标的特征量。
具体地,所述步骤一中的利用累加信号求得基准加强信号,基准加强信号用表示,采用的公式如下:
其中,Γ表示累加信号,
其中,sl表示视距信号,[s1,s2,...,sl,...,sp]表示P个传输路径,i=1,2...,I,i表示标签阵列中标签的标号,I表示射频链路的个数,m=1,2...,M,m表示干净信道的标号,M表示干净信道的个数;f表示第m个信道的频率,Δf表示相邻信道的频率间隔,C为光速,d表示相邻标签之间的距离,[θ1,θ2,...,1,θl,...,θp]表示P个不同的入射角度。
具体的,所述步骤二中的利用得到的基准加强信号的相位值和RSS值,以及对比加强信号的相位值和RSS值,采用建模的方法求待识别目标的特征量,具体方法如下:
其中,为基准加强信号的相位值,为基准加强信号的RSS值,为对比加强信号的相位值,为对比加强信号的RSS值。
一种目标识别用构建特征数据库的方法,所述的特征数据库包括多个目标的特征量,所述的特征量按照所述的特征量计算方法获取。
一种目标识别方法,包括以下步骤:
针对待识别目标,获取待识别目标的特征量,将待识别目标的特征量输入到特征数据库中,特征数据库输出待识别目标的属性;
所述的特征量按照所述的特征量计算方法获取;
所述的特征数据库按照所述的构建特征数据库的方法构建。
与现有技术相比,本发明具有以下技术效果:本发明通过不同材料的目标对射频链路的相位和幅值影响不同来识别目标的材料,其避免了特殊精密设备的要求,从而减少了相应的代价,同时保留高精度的目标材质识别率,提高了识别***的可行性。
附图说明
图1是本发明的方法流程图。
图2是不同标签天线距离下相位测量值的分布图。
图3是在三个不同室内环境下标签和信道个数对材料识别精度的影响图。
图4是在三个不同室内环境下标签天线距离对材料识别精度的影响图。
图5是10种不同液体在实验室环境下的识别准确率图。
图6是6种不同固体在实验室环境下的识别准确率图。
图7是不同材料的目标在实验室环境下的识别准确率;其中,(a)是纯水和3种不同浓度的糖水在实验室环境下的识别准确率;(b)是4种类似的液体在实验室环境下的识别准确率。
下面将结合附图和具体实施方式对本发明的方案作进一步详细地解释和说明。
具体实施方式
选取监测区域,在监测区域内布置阅读器、定向天线和多个标签(RFID标签),阅读器连接定向天线,多个标签排成一列形成标签阵列;定向天线的中心与标签阵列中的第一个标签的中心处于同一条直线上。
本发明的发明点体现在三个方面,一是获取待识别目标特征量的方法,二是构建特征数据库的方法,三是目标识别方法。
获取待识别目标特征量的方法,具体包括以下步骤:
步骤一,对所有射频链路上的基准信号进行加权,得到加权后的基准信号,将加权后的所有基准信号进行累加,得到累加信号;利用累加信号求得基准加强信号,并求基准加强信号的相位值和RSS值;
对射频连路上的基准信号和对比信号均采用多径抑制方法进行处理,得到处理后的基准信号和对比信号;
射频链路上未放置待识别目标,测得射频链路上的基准信号;其中,射频链路指的是标签与阅读器形成的链路,基准信号为射频链路上未放置待识别目标时,阅读器在跳频模式下测得的信号。阅读器的频率变动范围为920.625-924.375KHz。
基准信号用xi,j表示,i=1,2...,I,j=1,2...,J,其中,I表示射频链路的个数,也就是标签阵列中的标签的个数,i表示标签阵列中标签的标号;J表示阅读器中信道的个数,也就是阅读器跳频的个数。
射频链路上放置待识别目标,测得射频链路上的对比信号。对比信号为监测区域内放置了待识别目标时,阅读器在跳频模式下测得的信号。待识别目标可以为梨、苹果或者香蕉等。
对比信号用表示,i=1,2...,I,j=1,2...,J,其中,I表示射频链路的个数,也就是标签阵列中的标签的个数,i表示标签阵列中标签的标号;J表示阅读器中信道的个数,也就是阅读器跳频的个数。
具体地,对步骤一中的基准信号xi,j以及步骤二中的对比信号均采用多径抑制方法进行处理,得到处理后的基准信号xi,m以及对比信号其中,m=1,2...,M,m表示干净信道的标号,M表示干净信道的个数,多径抑制处理的目的在于,减弱室内多径效应对收集到的数据产生的影响。
多径抑制方法处理过程如下:在所有的基准信号和对比信号中,选择出阅读器的干净信道对应的基准信号和对比信号,作为处理后的基准信号和对比信号。
其中,确定阅读器中的所有信道中的干净信道的方法为:连续信道之间的相位值应呈线性关系,当多径影响较大时,所述线性关系遭到破坏;干净信道的确定方法在离线阶段完成,具体来说,在监测区域未放置待识别目标时,阅读器不同的信道获取某个标签的相位值,挑选出相位值呈线性关系的信道作为该阅读器的干净信道。具体方法为:计算每两个相邻信道的相位值形成的连线的斜率,求所有斜率的均值;若某个斜率与斜率的均值之间的差值大于设定阈值,本实施例中,该阈值为0.2,则该斜率对应的两个信道为可疑污点信道组,在挑选出的所有的可疑污点信道组中,每两个可疑污点信道组取交集,得到的非空结果即为污点信道;在所有信道中去除所有的污点信道,即得到干净信道。
对基准信号xi,m进行加权,得到加权后的基准信号,将加权后的所有基准信号进行累加,得到累加信号;利用累加信号求得射频链路上未放置待识别目标时视距信号的基准加强信号,并求基准加强信号的相位值和RSS值;对对比信号xi,m进行加权,得到加权后的对比信号,将加权后的所有对比信号进行累加,得到累加信号;利用累加信号求得射频链路上放置待识别目标时视距信号的对比加强信号,并求对比加强信号的相位值和RSS值;
具体方法如下:
本实施例中,标签阵列由I个标签组成,阅读器的跳频模式则是在J个相邻信道之间不断跳频,其中相邻标签之间的θ=[θ1,θ2,...,1,θl,...,θp]距离为d,相邻信道的频率间隔为Δf,将第一个标签和第一个信道分别作为参考标签和参考信道。记定向天线发射的信号经由P个传输路径s=[s1,s2,...,sl,...,sp]从P个不同的角度入射到标签阵列上,传输路径即为入射的信号,入射的信号包括1个视距信号,P-1个反射信号,视距信号为入射信号中的任意一个,用sl表示,信号的飞行时间分别为τ=[τ1,τ2,...,τp]。
此步骤中获取基准加强信号和对比加强信号的方法相同,仅以获取基准加强信号为例进行描述。本实施例中,标签阵列包括I个标签,干净信道有M个,因此步骤一中处理后的对比信号有I×M个,第i个标签的第m个信道下的基准信号xi,m可以表示为:
其中,C为光速,w(i,m,θp)代表由传输距离引起的相位差,μ(i,m,τp)代表由频率差引起的相位差;f表示第m个信道的频率。
对基准信号xi,m进行加权,权值为得到加权后的基准信号,将加权后的所有基准信号累加,得到累加信号Γ,采用的公式如下:
其中,
由上式看出,视距信号sl的能量增强了IM倍,而其它信号则是随机增加或减少最后平均到一个很小的值。
根据累加信号Γ求视距信号sl的基准加强信号
同样,采用上述方法对对比信号进行处理,求得视距信号sl的对比加强信号
根据基准加强信号求其相位值和RSS值采用的公式如下:
其中,∠(·)和|·|分别代表求一个复数的角度和绝对值。
同理,根据视距信号sl的对比加强信号求其相位值和RSS值
步骤二,利用步骤一得到的相位值和RSS值以及对比加强信号的相位值和RSS值采用建模方法求待识别目标的特征量。所述的建模方法的过程如下:
记天线和第一个标签相距为L,阅读器和待识别目标的距离为L′,信号在待识别目标内传输的距离为D。
由于信号从一个介质传播到另一个介质时,其波长会发生变化,所以当距离一定的射频链路有目标和没目标时,信号的相位改变是不一样的。为射频链路上没目标时的相位,为链路上有目标时的相位。因此,链路上有无目标的相位变换为
根据以下公式得到特征量Ω:
具体推导过程如下:
又可以采用以下公式表示:
其中,λair和λtar分别代表信号在空气中的波长和在目标内部中的波长,和分别代表信号在空气和目标中的相位常数。
当射频信号穿过不同的目标材料时,RSS值的变换也是不一样的。当信号传输一个距离单位,其幅度衰减e-α,其中α仅由目标材料决定。和分别代表射频链路上没有目标和有目标时的RSS值,所以,RSS值的改变为
ΔR又可以采用以下公式表示:
其中,Aair和Atar分别代表射频链路没有目标和有目标时信号的幅值,AS表示发射信号的幅值,αair和αtar分别表示在空气和目标中的衰减常数。
由于直接利用上面两个公式不能决定目标的材料,所以需要找一个仅有目标材料决定的特征常数,因为上述两式中都含有距离D,所以定义一个由RSS改变值和相位值的比例构成的特征常数Ω,其对于特定的目标是固定的常数。因此特征常数Ω可以唯一识别目标材料,并且其不依赖于目标的大小和形状。
根据以下公式:
其中ζ为整数。基于上述等式,定义一个由RSS改变值和相位值的比例构成的特征量Ω,其可以表示为:
其中,βair和αair在空气中都是固定的相位常数和衰减常数,βtar和αtar对于特定的目标也是固定的常数。因此特征量Ω可以唯一识别目标材料,并且其不依赖于目标的大小和形状。
本发明的构建特征数据库的方法,具体包括以下步骤:
针对多个目标按照上述获取特征量的方法获取多个目标的特征量,多个目标的特征量形成特征数据库。
本发明的目标识别方法,具体包括以下步骤:
针对待识别目标,按照所述的获取特征量的方法获取待识别目标的特征量,将待识别目标的特征量输入到特征数据库中,利用KNN分类算法特征数据库输出待识别目标的属性。
本发明的识别方法可应用于安检中,用于在安检过程准确识别待识别目标的属性,也就是待识别目标的类别,另外,本发明的识别方法还可应用于仓库中,在仓库中对货品的属性进行准确检测,也就是对货品的类别进行准确检测。
本发明的目标识别方法相对于现有的需要精密设备的识别方法,通过不同材料目标对监测链路上的相位和幅值影响不同来识别目标的材料,这么做,大大降低了精密设备所带来的成本,同时保留高精度的材料识别准确率。
从以下四个方面去评估本发明的方法:多径抑制方法的性能、标签和信道的个数、天线和标签阵列之间距离以及目标材料识别性能。
(1)多径抑制方法的性能
为不同标签天线距离下的相位测量值的变换图,横轴表示不同的标签天线距离,纵轴表示相位的测量值。从图2中可以看出,理论上的相位值是随着标签天线距离呈线性变化的,直接获取不经处理的相位值没有明显的线性变换,而经过多径抑制方法处理后的数据能较好地符合理论上的相位变换趋势。从这可以看出,多径抑制方法能较好地减轻室内多径效应对测量数据的影响,进而保证了***的高精度材料识别准确率。
(2)标签和信道的个数
图3为三个不同室内环境下标签和信道个数对材料识别精度的影响图,横轴表示标签和信道的个数,纵轴表示材料识别准确率。从图中可以看出,随着标签和信道的个数增加,材料的识别准确率不断变高,这是由于标签和信道个数越多,多径抑制方案抑制多径效应的效果越好,进而保证高精度的材料识别准确率。同时我们看出即使在多径个数非常多的图书室内环境下,***在配置8个标签和16个信道的情况下依然有很高的识别准确率。
(3)天线和标签阵列之间距离
图4为三个不同室内环境下标签天线距离对材料识别精度的影响图,横轴表示标签天线之间的距离,纵轴表示材料识别准确率。从图中可以看出,当标签天线之间的距离变大,材料的识别精度不断的降低,这是因为多径效应不断的增强。但是及时在标签天线相距4.5米的情况下,***依旧在三个不同环境下有90%的材料识别准确率。
(4)目标材料识别性能:
图5为10种不同液体在实验室环境下的识别准确率,10种不同的液体分别为醋、可乐、酱油、白酒、啤酒、纯水、盐水、糖水、全脂牛奶、低脂牛奶。从图中可以看出,***对液体目标材料的准确识别率高于94%,大部分都接近于99%甚至1。从这可以看出***拥有和精密设备一样的高精度识别表现。
图6为6种不同固体在实验室环境下的识别准确率,6种不同的固体分别为苹果、橘子、西瓜、巧克力、木板、砖块。从图中可以看出,***对固体目标的准确识别率从91%-100%。从这可以看出***对液体目标的识别表现优于固体目标,但是对固体目标依然有较高的识别准确率。
图7中的(a)为纯水和3种不同浓度的糖水在实验室环境下的识别准确率,3种浓度分别为8.3g/100ml、16.7g/100ml、25.3g/100ml。从图中可以看出***仍然有着高于96%的识别准确率。图7中的(b)为4种类似的液体在实验室环境下的识别准确率,4种液体分别为可乐、全脂牛奶、低脂牛奶、百事。从图中可以看出即使百事和可以只有细微的区别,***仍然有着94%的识别准确率。
综上,本发明的方法在识别目标材料中能够大大减少成本,又能达到令人满意的高精度目标材料识别精度。
Claims (5)
1.一种获取待识别目标特征量的方法,其特征在于,包括以下步骤:
步骤一,对所有射频链路上的基准信号进行加权,得到加权后的基准信号,将加权后的所有基准信号进行累加,得到累加信号;利用累加信号求得基准加强信号,并求基准加强信号的相位值和RSS值;
对所有射频链路上的对比信号进行加权,得到加权后的对比信号,将加权后的所有对比信号进行累加,得到累加信号;利用累加信号求得对比加强信号,并求对比加强信号的相位值和RSS值;其中,所述的对比信号为射频链路上放置了待识别目标,测得的射频链路上的信号;
步骤二,利用得到的基准加强信号的相位值和RSS值,以及对比加强信号的相位值和RSS值,采用建模的方法求待识别目标的特征量。
2.如权利要求1所述的获取待识别目标特征量的方法,其特征在于,所述步骤一中的利用累加信号求得基准加强信号,基准加强信号用表示,采用的公式如下:
<mrow>
<msub>
<mover>
<mi>s</mi>
<mo>^</mo>
</mover>
<mi>l</mi>
</msub>
<mo>&ap;</mo>
<mfrac>
<mi>&Gamma;</mi>
<mrow>
<mi>I</mi>
<mi>M</mi>
</mrow>
</mfrac>
</mrow>
其中,Γ表示累加信号,
<mrow>
<mi>&Gamma;</mi>
<mo>=</mo>
<mi>I</mi>
<mi>M</mi>
<mo>&CenterDot;</mo>
<msub>
<mi>s</mi>
<mi>l</mi>
</msub>
<mo>+</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>p</mi>
<mo>&NotEqual;</mo>
<mi>l</mi>
</mrow>
</munder>
<mo>&lsqb;</mo>
<msub>
<mi>s</mi>
<mi>p</mi>
</msub>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>I</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msup>
<mi>e</mi>
<mrow>
<mi>j</mi>
<mo>&CenterDot;</mo>
<mi>&Psi;</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>m</mi>
<mo>,</mo>
<msub>
<mi>&theta;</mi>
<mi>&rho;</mi>
</msub>
<mo>,</mo>
<msub>
<mi>&tau;</mi>
<mi>&rho;</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
其中,sl表示视距信号,[s1,s2,...,sl,...,sp]表示P个传输路径,i=1,2...,I,i表示标签阵列中标签的标号,I表示射频链路的个数,m=1,2...,M,m表示干净信道的标号,M表示干净信道的个数;f表示第m个信道的频率,Δf表示相邻信道的频率间隔,C为光速,d表示相邻标签之间的距离,[θ1,θ2,...,1,θl,...,θp]表示P个不同的入射角度。
3.如权利要求1所述的获取待识别目标特征量的方法,其特征在于,所述步骤二中的利用得到的基准加强信号的相位值和RSS值,以及对比加强信号的相位值和RSS值,采用建模的方法求待识别目标的特征量,具体方法如下:
<mrow>
<mi>&Omega;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>l</mi>
<mi>n</mi>
<msup>
<mn>10</mn>
<mrow>
<mi>&Delta;</mi>
<mi>R</mi>
<mo>/</mo>
<mn>20</mn>
</mrow>
</msup>
</mrow>
<mrow>
<mi>&Delta;</mi>
<mi>&phi;</mi>
<mo>+</mo>
<mn>2</mn>
<mi>&zeta;</mi>
<mi>&pi;</mi>
</mrow>
</mfrac>
</mrow>
其中,为基准加强信号的相位值,为基准加强信号的RSS值,为对比加强信号的相位值,为对比加强信号的RSS值。
4.一种目标识别用构建特征数据库的方法,其特征在于,所述的特征数据库包括多个目标的特征量,所述的特征量按照权利要求1所述的方法获取。
5.一种目标识别方法,其特征在于,包括以下步骤:
针对待识别目标,获取待识别目标的特征量,将待识别目标的特征量输入到特征数据库中,特征数据库输出待识别目标的属性;
所述的特征量按照权利要求1所述的方法获取;
所述的特征数据库按照权利要求4所述的方法构建。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710954189.1A CN107944338A (zh) | 2017-10-13 | 2017-10-13 | 一种目标识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710954189.1A CN107944338A (zh) | 2017-10-13 | 2017-10-13 | 一种目标识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107944338A true CN107944338A (zh) | 2018-04-20 |
Family
ID=61935299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710954189.1A Pending CN107944338A (zh) | 2017-10-13 | 2017-10-13 | 一种目标识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107944338A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111398968A (zh) * | 2018-12-28 | 2020-07-10 | 浙江舜宇智能光学技术有限公司 | Tof精度检测***及其精度检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6995673B1 (en) * | 2005-04-04 | 2006-02-07 | Peter J. Osredkar | Transporting hazardous material using an optical reader or RFID reader |
CN201069569Y (zh) * | 2007-08-14 | 2008-06-04 | 朱俊英 | 物品自动识别器 |
CN103529427A (zh) * | 2013-10-12 | 2014-01-22 | 西北大学 | 无线传感网随机部署下的目标定位方法 |
-
2017
- 2017-10-13 CN CN201710954189.1A patent/CN107944338A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6995673B1 (en) * | 2005-04-04 | 2006-02-07 | Peter J. Osredkar | Transporting hazardous material using an optical reader or RFID reader |
CN201069569Y (zh) * | 2007-08-14 | 2008-06-04 | 朱俊英 | 物品自动识别器 |
CN103529427A (zh) * | 2013-10-12 | 2014-01-22 | 西北大学 | 无线传感网随机部署下的目标定位方法 |
Non-Patent Citations (3)
Title |
---|
HUI-SHYONG YEO 等: "RadarCat: Radar Categorization for Input & Interaction", 《UIST 2016》 * |
JU WANG 等: "TagScan: Simultaneous Target Imaging and Material Identification with Commodity RFID Devices", 《MOBICOM "17: PROCEEDINGS OF THE 23RD ANNUAL INTERNATIONAL CONFERENCE ON MOBILE COMPUTING AND NETWORKING》 * |
袁江 等: "基于RFID的SMA增强复合材料层合板无线监测方法及实验", 《复合材料学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111398968A (zh) * | 2018-12-28 | 2020-07-10 | 浙江舜宇智能光学技术有限公司 | Tof精度检测***及其精度检测方法 |
CN111398968B (zh) * | 2018-12-28 | 2022-10-18 | 浙江舜宇智能光学技术有限公司 | Tof精度检测***及其精度检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11246010B2 (en) | Method and system for positioning and tracking using a plurality of sensors | |
CN102711239A (zh) | 基于rss指纹数据库的二次模糊聚类室内定位方法 | |
CN110058222B (zh) | 一种基于传感器选择的双层粒子滤波检测前跟踪方法 | |
CN103197298B (zh) | 基于环境信息的雷达信号处理方法 | |
CN112484625B (zh) | 一种基于uwb信道脉冲响应的高精度位移测量方法 | |
CN110378387B (zh) | 基于风云四号卫星和地基毫米波雷达的云底高度监测方法 | |
CN110146873B (zh) | 分布式非相参雷达的目标位置和速度的估计方法 | |
CN101379483A (zh) | 利用多频传感器测量连续媒体和/或定域目标的特征 | |
CN107436427A (zh) | 空间目标运动轨迹与辐射信号关联方法 | |
US20040243344A1 (en) | Analytical estimation of performance of a sensor system | |
CN103869279A (zh) | 一种多传感器平台的多目标定位跟踪方法 | |
CN106932752A (zh) | 一种基于射频相位监测的实时室内定位方法 | |
CN108426527A (zh) | 一种基于dlt的rfid标签三维坐标自动检测方法 | |
CN111487597B (zh) | 一种基于时空频能数据的通用电子侦察截获仿真方法 | |
CN104833971B (zh) | 基于滑动散射中心的双/多基地雷达图像ps点关联方法 | |
CN114745684B (zh) | 一种基于多模态gan的csi室内定位方法 | |
CN106443660A (zh) | 一种线性调频连续波雷达多运动目标匹配方法 | |
CN107944338A (zh) | 一种目标识别方法 | |
CN106250787B (zh) | 一种低代价高鲁棒性的非绑定式活动识别方法 | |
CN109541603A (zh) | 基于全相关分析的数字阵列雷达风廓线探测方法及*** | |
CN107862260B (zh) | 一种目标识别方法 | |
CN105974403B (zh) | 广义分群检测方法 | |
CN109828276B (zh) | 一种基于干涉算法的风廓线雷达 | |
CN105137419B (zh) | 一种利用栅瓣增益的粒子滤波检测前跟踪方法 | |
CN114265051A (zh) | 一种脉冲多普勒雷达比幅测角方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180420 |
|
WD01 | Invention patent application deemed withdrawn after publication |