WIDESEE：面向廣域非接觸式的無線感知
摘要
廣域非接觸式無線感知技術，進展迅速，限制問題是感知範圍小。
解決方案：WIDESEE，僅利用一對收發機實現廣域感知。
軟件上，採用Lora通信協議，硬件上，以無人機作爲傳感器宿主。
廣域非接觸式的無線感知，兩個挑戰：1、設備移動性和Lora的高度敏感性的干擾；2、模糊的目標信息，如僅使用一對收發器時的目標信息。
開發實驗：用於人體目標檢測和定位的WIDESEE工作原型。適用於緊急救援搜救，這裏通過可控實驗和高層建築的實地研究進行評估。
關鍵詞
廣域；無線傳感；Lora；移動性
1 導言
無線信號應用：1、傳統的數據通信，WiFi、藍牙等；2、無線感知技術，定位，RFID等。依賴於從目標反射信號特徵來理解目標信息，如定位。以應用於非接觸式傳感，包括超聲波和射頻信號，優勢在於非接觸、不需直接視野、穿透性強。
射頻感知技術，感知範圍有限。目標反射信號比直接路徑收發信號更弱，事實上，用於感知的距離更短。
擴展感知距離方法：設置多條節點、多中繼設備。問題是感知基礎設施部署過程複雜，容易受到單個設備的更改或故障的影響。
本文介紹了一種基於LoRa技術的非接觸式無線傳感系統WIDSEE。
目的是增加感知距離。關鍵創新是，LoRa的低功耗、無線通信、穿透性強。
實驗是探索LoRa技術在廣域場景中用於非接觸式人體檢測和定位的機會和侷限性。利用無人機的機動性來攜帶收發器並在目標區域周圍移動來執行無線感知。實現了建築規模，通過牆壁傳感來檢測和定位人類目標。應用在城市搜救任務人類目標感知（探測和定位）
實驗影響因素。首先，LoRa的由於信號接收靈敏度越高，感知範圍越大，同時，干擾範圍也越大。其次，由於未知變量的數目大於定位的約束方程的數目，裝備有單個天線的收發信機對不能提供關於目標位置的足夠信息。第三，無人機可以增加感測覆蓋，但在飛行期間引入的振動影響合成信號，並相應地影響目標感測性能。
引入了跨軟件和硬件堆棧解決大範圍感知。設計了天線系統和傳感算法解決Lora高靈敏度干擾。具體地說，接收端使用一個緊湊的、可重構的定向天線來縮小目標感應區域。系統可以快速（即在10毫秒內）切換窄波束寬度的輻射模式。使得WideSee將注意力集中在感興趣的領域，並減少干擾的影響。爲消除傳感區域內的多徑效應，首先從可用的振幅時間序列中提取與方向相關的信息，然後利用這些信息將目標路徑與干擾多徑隔離開來。由於與常用的基於到達角（AoA）或飛行時間（ToF）的方法不同，避免了依賴於精確的信道相位信息和大帶寬的陷阱，而這些在LoRa上是不可用的。
爲了減少定位中的模糊性，建立能夠預測和確定目標位置的分析模型。基於移動目標（如人類）的速度相對恆定，並且在短時間內（如<1s）產生的軌跡是平滑的。對振動噪聲和人體目標運動的信號特徵進行頻域建模，濾除接收信號上的振動僞影，提高傳感精度。
將技術集成到一個工作原型中，並將其部署到三個不同的現實環境中：一個開放式廣場、一個地下停車庫和一個20×42×85m的高層建築結構中，對人體目標進行檢測和定位僅使用一個收發器對定位人類目標。在90%的測試用例中，WIDESEE的定位誤差在4.6m以內，這樣的精度可以允許3
圖1:Wideee的動機示例：建築規模的人類目標感知場景。
希望實現在許多典型的建築結構中確定人體目標位於哪個房間。只使用一個收發器對，且目標大部分時間都在大環境中移動。本文的主要貢獻概括如下：
•我們提出了一種非接觸式系統，通過結合無人駕駛飛機的靈活性和Lora的遠程傳播特性，僅使用一個收發器對在廣域內感應人類目標。
•我們在軟件和硬件堆棧中引入了新的算法和設計方法，以有效地解決在應用LoRa和飛行無人機進行大範圍傳感時的一系列干擾問題，並解決僅使用一個收發器對時的傳感模糊問題。所提出的技術具有普遍的適用性，可應用於其他無線傳感任務。
•我們首次證明，只需一對Lora收發器和一架無人機，就可以實現建築規模、全路非接觸式無線傳感。
2 背景和概述
2.1 Lora技術
LoRa，通信距離遠，解碼能力強。同時容易受到感測不感興趣區域的干擾。多徑效應影響傳感精度。接收信號的AoA或ToF需要精確的信道相位讀數和發射機和接收機之間的時鐘同步解決多徑效應影響，而Lora不可用的。
在這項工作中，我們考慮一種利用接收（儘管易受影響）信號強度（即振幅）有效地解決多徑效應固有問題的方法，
圖2:WIDESEE概述。我們使用無人駕駛飛機攜帶Lora收發器對及其控制系統。數據被送回遠程數據處理平臺進行實時目標檢測和定位。
2.2 動機和問題範圍
WIDESEE可用於針對緊急情況，如（高層）建築結構中的災難救援和恐怖分子搜索。設計目的：對人類目標的視覺檢查、識別人類目標的存在及其位置、在困難的環境中提供決策支持。
人類感知應用中的兩個目標。探測人類目標的存在；檢測到目標存在的情況下識別目標的位置。不考慮多設備或多跳傳輸方案，在緊急情況下通常是不可行的。WIDSEE被設計成能夠檢測位於同一建築中不同房間的多個人類目標的存在，但一次只能定位一個目標。我們把同時定位多個目標作爲未來的工作。
2.3 WIDSEE概述
WIDESEE是一種基於單個Lora收發器對的廣域非接觸式人體目標感知系統。收發器對（發射器和接收器）由無人機攜帶，通過駕駛無人機掃描和感知大面積區域。爲了保持電池驅動的無人機良好的續航能力，Wideee需要小型輕量化設計。
工作機制：首先發送LoRa信號，然後捕獲並分析從直接信號路徑接收到的合成信號以及目標和周圍物體的反射。模擬人類活動影響接收信號的功率譜密度（PSD）。通過提取和分析目標的方向相關信息來定位檢測到的人類目標。如圖2所示，Wideee由三個創新組件組成：
•緊湊型可重構天線系統。減少不感興趣區域的干擾。爲防止移動目標丟失，天線應能夠迅速調整其方向和輻射模式。
圖3：接收器側的裝配式天線系統。
• 數據採集和天線控制系統。包括一個Lora收發器對、一個數據採集子系統和一個無人機。無人機攜帶Lora收發器對和數據採集子系統繞目標區域飛行。收集到的LoRa信號數據被送回筆記本電腦（通過LTE網絡）進行地面處理。天線控制系統使用無人機攜帶的Arduino板來相應地配置天線輻射方向圖。
• 目標檢測與定位系統。運行在數據處理平臺上，在我們的案例中是一臺筆記本電腦。系統對採集到的數據進行分析，實現對人體目標的檢測和定位。
3 WIDESEE的系統設計
LoRa，通信距離長、高穿透能力，用來感應大面積或建築結構內部深處的目標。同時帶來了不感興趣對象的更多幹擾。故而需要新的設計方法、分析和處理算法。
3.1 可重構天線系統
爲了減少干擾，尋求了兩點創新，一是在接收器處使用定向天線來縮小感應區域。另一種方法是使用相控陣天線，通過調整每個天線單元的幅度和相位，可以改變輻射方向圖，從而使用較窄的波束實現快速掃描。但使用帶有Lora的相控陣天線存在一個問題。Lora信號的波長爲33釐米，爲了達到波束寬度，線性陣列的尺寸大約爲2米，價格昂貴，體積太大，無法安裝在家用無人機上。
我們想知道我們是否能把喇叭天線（小尺寸，低成本）和相控陣天線（高分辨率和掃描速度）的優點結合起來。採用可重構天線方法，該方法能夠通過調整其內部電流分佈來切換輻射方向圖和頻率特性，以提供窄波束寬度。
具體來說，我們選擇使用寄生平面貼片天線進行可重構天線設計。圖3顯示了我們在接收器端使用的可重構天線實現，
圖4：可重構天線系統的頻率和輻射特性。這裏（a-c）、（d-f）和（g-i）分別表示模式1-3的頻率特性、輻射模式和歸一化輻射模式。
表1：我們的天線系統和類似尺寸的RFMAX——一種流行的喇叭定向天線的性能。
它由中心的一個驅動補丁和兩側的兩個寄生補丁組成。光束控制是通過操縱寄生貼片的狀態來實現的，它可以充當反射器（對地短路時）或控制器（對地不短路時）。每個補丁的半徑爲78毫米。每個寄生貼片的兩個短路引腳對地短路，以確保電流可以根據射頻開關配置從寄生貼片流向接地。兩個SMP1345管腳二極管開關焊接在靠近每個短路管腳和射頻/直流（DC）輸入的寄生貼片層上。每個二極管佔用大約2×2 mm的小空間。PIN二極管分別通過在通斷狀態下使用電阻（1.5Ω）和電容（1.5 pF）來實現。由此產生的天線系統較小（20×50cm），具有與類似尺寸的喇叭定向天線相當的重量（<1kü），但具有快速切換輻射方向圖的優點。我們製造天線及其控制系統的成本不到300美元，我們預計在大規模生產過程中價格將大幅降低。
圖4顯示了我們的天線系統的頻率和輻射特性。我們目前的實現支持三種不同的輻射模式。我們使用Arduino板以循環方式在三種模式之間切換，在循環方式中，每10毫秒。我們根據經驗確定了這個開關頻率，足以感應人類目標。這是基於人體運動的頻率通常小於10赫茲的觀察結果。
圖5：我們使用DJI S1000攜帶Lora收發器對（a）和數據採集/控制子系統（b）。
表1比較了我們的天線系統（在三種不同模式下）和類似尺寸的RFMAX[5]——一種廣泛使用的喇叭定向天線。從表中可以看出，我們的天線系統在三種模式下的頻率範圍和增益與RFMAX相當，但我們的設計具有提供快速輻射方向圖切換和較窄波束寬度的優點。這些優點使我們的天線系統更適合用Lora來探測目標。注意，我們系統的總輻射角範圍是RFMAX的兩倍，並且輻射方向圖切換比需要機械旋轉以改變方向的喇叭天線快得多（即10 ms）。
3.2 數據採集與天線控制系統
如圖2所示，我們使用消費者無人機攜帶收發器對及其控制和數據採集模塊。
圖6：不存在人目標（a）和運動目標（b）時接收信號的PSD的比較。兩種情況下的PSD模式差異顯著。WIDESEE利用這一觀測來探測人類目標的存在。
3.2.1收發器對。我們的Lora收發器對如圖5（a）所示。我們使用現成的設備，Semtech SX1276[6]，帶有全向天線作爲LoRa信號發射器。發射機以890兆赫的頻率連續發送信號
–可重構天線系統的最佳工作頻率。在接收端，我們使用LimeSDR mini（軟件無線電板[4]）作爲LoRa網關，通過運行GNU無線電軟件開發工具包[2]，以250khz的採樣率採集信號。我們通過其中一個射頻接口將主板連接到可重新配置的天線（見第3.1節），並通過USB 3.0端口連接到Android智能手機（帶8G RAM和128G存儲空間）。
接收器端工作如下。初始化LimeSDRmini板後，運行在Arduino板上的天線控制軟件以10 ms的頻率在天線的三種輻射模式之間連續切換。LimiSDR mini板在每個輻射模式下采集信號樣本，由要傳輸的智能手機讀取（標記有輻射模式）通過LTE連接到筆記本電腦進行數據處理。通過這種方式，WIDESEE可以在每種輻射模式覆蓋的感興趣區域內檢測和定位目標。請注意，我們的目標檢測和定位算法可以在智能手機或嵌入式設備消除了數據傳輸的需要，而我們將此作爲我們未來的工作。
3.2.2無人機系統。我們使用DJI S1000無人機[7]來增加單個收發器對可以有效覆蓋的區域。如圖5（b）所示，LimeSDR mini、智能手機、Arduino板置於無人機頂部，由5200毫安時便攜式電源組供電，輸出電流爲2.4安。我們採用DIJ提供的防撞系統，避免無人機與障礙物碰撞。無人機由運行在筆記本電腦上的軟件控制，通過DJI軟件開發包編程。無人機系統的一個限制是，在裝載這些設備時，它不能長時間工作，一次電池充電可以支持大約15分鐘的飛行。我們未來的實現將着眼於通過在單個計算設備（如Arduino板）上運行數據收集和天線控制軟件來減少無人機的負載，該設備可以直接由無人機的電池供電。可以使用多架無人機來緩解這一耗電問題。
3.3 目標檢測與定位系統
我們開發了一套算法來處理收集到的LoRa信號數據，以檢測和定位人類目標。檢測和定位的過程如下。我們首先對接收到的信號進行預處理，去除無人機振動僞影造成的噪聲。然後利用處理後信號的功率譜密度（PSD）來檢測人體目標的存在。PSD是信號幅度自相關的快速傅里葉變換。請注意，我們的檢測機制可以檢測目標的存在，無論一個或多個目標存在於感測區域。在檢測到運動目標的存在後，我們應用定位算法來估計反射最強的目標的位置（注意，在定位階段，我們讓設備懸停在原地）。利用設備的移動性，我們可以連續檢測和定位多個目標。如前所述，Wideee需要有效地處理僅使用一個LoRa收發器對帶來的多徑效應和位置模糊。
3.3.1振動噪聲消除。飛行無人機的振動不可避免地會給接收到的Lora信號帶來噪聲。爲了消除引入的噪聲，我們利用無人機帶來的運動僞影在60hz到150hz之間的頻率範圍內的觀察，這與較低的頻率範圍不同人體運動的頻率（<10赫茲）。因此，我們首先使用低通濾波器（即截止頻率爲10hz的二階巴特沃斯低通濾波器）來去除頻域中的高頻運動僞影，然後將濾波後的信號轉換回時域以在下一階段進行處理。我們在第4節的評估表明，這是一個簡單而有效的策略。
圖7：由人類目標的三種狀態引起的信號變化的頻率分佈。不同的狀態導致不同的信號頻率分佈。
3.3.2人體目標檢測。人類活動如揮手和行走將改變無線傳播路徑，並導致接收器處信號幅度的變化[10]。先前的研究表明，當不存在人類目標時，接收信號可以近似爲恆定信號和高斯白噪聲的疊加，從而產生隨時間變化的不變PSD[41]。相比之下，運動人體目標接收信號的PSD會導致被測信號的波動。作爲一個例子，考慮從我們自己的實驗中得到的圖6。它說明了PSD在有和無運動人體目標時的區別。當不存在人類目標時（圖6（a）），接收信號的PSD隨時間保持穩定並接近0 Hz，而當存在運動目標時（圖6（b）），PSD在低頻（0-10 Hz）處波動。我們的工作利用這一信號特徵來檢測人類目標的存在——如果測得的PSD頻率及其方差都低於閾值（在我們的情況下，經驗設置爲0.1hz），我們認爲沒有人類目標；否則，我們得出結論，有人（有運動）在感應區域。
在這項工作中，我們的重點是探測具有大運動的人體目標：移動或原地擺動。當收發器對和目標之間沒有障礙物，或者障礙物很薄時，我們也能夠檢測到靜止呼吸目標（見第4.2.3節）。圖7顯示了這三種狀態（移動、波動和靜止）的反射信號在受控環境中從人體目標反射的歸一化PSD。結果表明，不同的狀態在頻域上表現出不同的特徵，可以用來識別和區分這些狀態。尤其是人的呼吸和揮動表現出強烈、密集的PSD，其頻率範圍分別爲0.1-0.6hz和1-4hz。相比之下，移動人體目標的PSD分佈更分散，主要是由於人體目標的隨機移動軌跡模式和多個身體部位的不相關運動。
3.3.3移動目標定位。一旦探測到一個正在移動的人類目標，我們就把注意力集中在確定目標。基於LoRa的目標定位面臨的技術挑戰之一是，LoRa中的多徑比其它信號（如WiFi）中的多徑嚴重。雖然我們在接收端使用較窄的波束天線，但感測區域內的多徑仍然可能非常強，這會對目標定位產生負面影響。爲了解決定位的多徑問題，以前的工作已經研究了各種技術，例如分析AoA信息[52]、基於精確信道相位測量的跳頻[35，40]、以及比較需要大帶寬和緊密收發器同步的ToF[33]。不幸的是，這些技術不適用於我們的系統，因爲Lora的最大帶寬只有500khz，而且Lora節點（Tx）和網關（Rx）之間的異步性使得從接收信號中提取穩定的相位讀數變得困難。同時，由於採用了廉價的振盪器，使得LoRa節點與網關之間的同步變得尤爲困難。由於線性調頻調製，Lora可以容忍高頻偏移的換相，所以不需要高精度的振盪器。
圖8：（a）顯示了移動目標定位的設置。類似於移動接收機構成的線性虛擬陣列。運動目標也可以模擬線性陣列。（b） 顯示多條路徑的疊加信號。
本文提出了一種基於幅度的抗多徑運動目標定位方法。我們的方法的基礎是從信號振幅提取方向相關的信息，靈感來自最近的工作由Karanam。通過使用與方向相關的信息進行定位，我們有機會消除[31]中未提及的多徑效應。在下面的小節中，我們首先描述當目標移動時提取與方向相關信息的基本概念。然後，我們回答如何從提取的方向相關信息中獲取目標位置信息。最後，我們提出瞭解決多徑問題的方法。
方向相關參數評估：在兩種情景下描述框架性工作來評估方向相關參數，一種是設備移動，目標不移動；另一種是目標移動，而設備固定位置。
考慮到一種情景下，用一個接收器接受K個不同來源的信號。當接收器以速度v直線移動時，它可以模擬線性數字。我們可以在遠場中定義每個信號源的入射角爲θk,k=1，2…K.然後，在T時刻接收到第K個信號源時，可以表達爲，
，at,k是信號振幅，其中，k是信號的幅度，μk是初始時間點（即t = 0）的信號相位。 然後，在時間t處接收器接收到的信號是K個信號的疊加，可以寫成：
讓我們將R（τ）表示爲延遲τ時接收信號幅度的自相關。 然後，R（τ）可以表示爲[21，31]：
CA是取決於總信號功率的常數項，
，其中a2 t，k是第k個信號的信號功率。 值得注意的是，R（τ）由總共K（K-1）2個諧波組成。 每個諧波的頻率都與兩個源的AoA的餘弦有關（即θk，θj和k = 1，2，...，K，j = 1，2，...，K），由下式給出：
請注意，cosθk和cosθj是未知數，我們正在嘗試獲取值。 這些頻率fk，j可以通過頻率估算技術獲得，例如通過峯幅檢測進行幅度自相關的快速傅立葉變換。 對於圖8（a）所示的目標移動和收發器固定方案，合成信號由移動的人類目標和直接路徑（Tx→Rx）的反射（Tx→目標→Rx）組成。 因此，在時間t處得到的信號可以寫成：
而μs是直接路徑信號的幅度和相位，ad是從移動目標反射的信號的幅度，μd是反射信號的初始相位（t = 0），v是目標的移動速度，θT和θR是圖2中標出的兩個角度 8（a）。 等式（4）是等式（1）的一種特殊情況，它有兩個源（K = 2），cosθ1= 0，cosθ2=cosθT+cosθR。移動目標可以合成發射機陣列。 我們將cosθ1和cosθ2放入方程式（3），得到以下結果：
由於v，θT和θR在實際中是未知數，我們共同估算方向相關參數| v（cosθT+cosθR）|。 根據等式（5）爲f1,2λ。
避免本地化歧義。 通過利用| v（cosθT+cosθR）| 僅從一對收發器進行估計以定位目標，就存在嚴重的定位模糊性，其源於三個方面：（1）將絕對值符號||應用於v（cosθT+cosθR）； （2）目標與Tx-Rx LoS鏈路之間的未知距離，如圖8（a）所示； （3）目標運動的未知速度v和方向θ0。 我們在圖11（a）中顯示了一種特殊情況（θ0= 0）的定位結果。 我們可以看到，即使θ0= 0簡化了問題，仍然存在歧義（紅色區域）。 因此很難獲得目標的真實初始位置。
- 目標朝着服務目標邁進。 （b）目標遠離視線。
圖9：在各種目標移動方向θ0處，v（cosθT+cosθR）估計值的變化趨勢。 可以看出，無論目標朝着LoS（0°<θ0<90°）還是遠離LoS（90°<θ0<180°）移動，v（cosθT+cosθR）估計值從第1到第m的變化趨勢始終在減小。 。
在本文中，我們基於以下事實解決此問題：目標的移動軌跡在短時間內（例如，<1 s）是平滑的，並且速度是恆定的。 具體而言，我們利用大小爲w的滑動窗口對v（cosθT+cosθR）進行多個連續估計，並且每個估計過程都需要在大小爲τ的時間窗口中收集樣本。 在我們的系統中，根據經驗將w和τ設置爲0.25 s和1 s。 爲了減少計算時間，我們將PSD的採樣率從250 KHz降低到1 KHz。 我們旨在解決五個未知參數：[θT1，θR1，θ0，d1，v]，其中θT1，θR1和d1分別是θT，θR和d的初始值。 請注意，在短時間內，v和θ0都可以視爲常數，而θT，θR和d都在變化。在短時間內目標移動的過程中，我們不斷估計這三個變化變量。 對於這些估計，我們可以具有以下兩個方程式：
注意，由於我們的觀察，±可以刪除，如圖9所示。我們發現，從第1個月到第v個月，v（cosθT+cosθR）估計值的變化趨勢一直在減小。當目標向收發器對移動時，cosθT和cosθR的值（0°<θT<90°， 0◦<θR<90◦）爲正，並且值隨角度θT和θR的增加而減小。 當目標遠離收發器對時，cosθT和cosθR的值（90°<θT<180°，90°<θR<180°）爲負，並且值隨着角度增加而再次減小。 因此，我們刪除了另一組不滿足從第一個估計到第一個估計減少的條件的估計。 考慮到短時間內的軌跡平滑度和速度恆定性這一事實，我們可以添加以下約束：
通過將公式7合併到公式6中，我們發現，當m達到4時，方程的數量（2m = 8）大於未知數（總共7個，其中5個原始未知數和2個新引入的未知數）。 因此，我們僅用| v（cosθT+cosθR）|的4個估計就能解決未知數。 如圖10所示。
由於方程是非線性的，無法直接求解，因此一個直觀的選擇是使用近似搜索算法。 爲了避免局部最優問題並減少時間開銷，我們採用了來自Matlab GlobalOptimization工具箱的ParticleSwarmandGlobalSearch，可以實現對非線性方程組的全局最優搜索。 原理是使用粒子羣獲得接近解的初始搜索值，然後使用fmincon的非線性約束來限制目標函數，最後使用全局搜索來獲得解。 搜索算法的計算複雜度爲O（N×M），其中N是粒子羣的維數，M是迭代次數。 圖11（b）顯示，採用我們的避免歧義方案的初始定位結果接近於真實情況。
多徑干擾消除：考慮圖8（b）所示的典型多徑情況，我們可以看到接收器接收到的信號是多個信號的疊加，可以寫成：
其中ad，μd，θT和θR分別是直接目標反射的幅度，初始相位（t = 0），角度參數（Tx→target→Rx）。 爲了簡化表示，這裏我們將間接目標反射（Tx→目標→牆→Rx）近似爲從虛擬目標（Tx→虛擬目標→Rx）的新直接反射，其幅度爲d，初始相位（t = 0） μd，方向參數θT和θR。在這種情況下，fλ值集具有| v（cosθT+cosθR）|。 以及| v（cosθT +cosθR）| 和| v（cosθT+cosθR）−v（cosθT +cosθR）| 組件。 由於生成的靜態分量（包含直接路徑）
比反射強得多，我們可以將兩個主導fλ估計鎖定爲| v（cosθT+cosθR）|和| v（cosθT +cosθR）|。區分對應的目標| v（cosθT+cosθR）| | v（cosθT +cosθR）|中的值如圖12（bc）所示的估計，現有解決方案（例如，動態音樂）利用事實表明，直接目標反射路徑比間接目標反射路徑[34、46、52]強，因爲前者的路徑較短，因此考慮fλ值由於直接目標反射的結果| v（cosθT+cosθR）|的大小更大。當干擾物體（在圖12（a）中的位置A）遠離目標與接收器/發射器之間的連接線時，此方法可能有效。我們可以看到| v（cosθT+cosθR）|的四個估計。當在位置A處有一個干擾物體時，如圖12（d）所示單調減小。圖12（b）顯示了PSD圖，並且峯的位置（fλ）是估計值。我們可以看到，對於連續4個時間窗口，（fλ）正在減小。這些結果類似於沒有干擾對象的情況。但是，當干擾物體（在圖12（a）中的位置B）靠近目標與接收器/發射器之間的連接線時，| v（cosθT+cosθR）|如圖12（c）和（d）所示，估計值顯示出明顯的變化，因此無法定位目標。爲了減輕這個問題，我們不取如圖12（c）所示的峯值位置fλ爲| v（cosθT+cosθR）|，而是將與最大和第二大峯值對應的兩個位置的平均值作爲| v（cosθT+cosθR）|。如果我們發現這四個估計值不是單調下降的，並且第二大峯值大於最大峯值的50％。圖12（d）顯示，通過使用我們的方法獲得新的| v（cosθT+cosθR）|，這4個估算值現在單調遞減，並且與無干擾估算值相匹配的情況要比通過動態音樂方法獲得的估算值好得多。 我們方法的定位誤差（1 m）比動態音樂方法的定位誤差（5.1 m）低得多。
圖10：方向相關參數的四個相鄰估計| v（cosθT+cosθR）|。這些估計是對應於PSD曲線峯值的歸一化頻率
圖11：避免本地化歧義。 熱圖顯示的可能性很可能劃分爲目標的初始位置。 Tx和Rx的座標分別是（0，0）和（10，0），用黑色正方形突出顯示地面真實情況。從（a）中，我們可以看到所有網格軟件在| v（cosθT+cosθR）|相同的值下產生了最差的顏色，從而導致了很多本地化歧義。
圖12：多徑干擾表示。 該圖表明，當干擾對象靠近目標與接收器/發射器之間的連接線（如位置B）時，過去基於AoA的多徑消除解決方案將失敗。 我們的方法具有解決問題的能力。
圖13：當干擾對象位於圖12（a）所示的Bas位置時，使用過去（5.1 m）和我們的（1 m）多徑消除方法的定位誤差。
圖14：評估方案。 我們在露天廣場（a），地下停車場（b），中層建築17-高層建築（c）中對WIDESEE進行評估。
4評估
4.1實驗設置和路線圖進行了兩組現場實驗，以評估WIDESEE在檢測和定位人類目標上的效果：無人駕駛的實地實驗和無人駕駛飛機的實地實驗。
4.1.1沒有無人機的野外實驗。
我們想提供一個定量評估，以證明我們的設計選擇合理，並確定LoRa傳感的研究機會和侷限性。爲此，我們在第4.2.1節中評估發射器和接收器之間的距離如何影響LoRa的感應範圍。在第4.2.2節中，我們報告了我們的天線設計在檢測移動的人類目標方面的性能，並將其與使用全向和喇叭式天線的兩種替代設計進行了比較。然後，在第4.2.3節中評估LoRa在檢測三種不同人類活動中的穿透能力，然後在第4.2.4節中報告系統的定位精度。最後，在第4.2.5節中，我們評估人類目標的行走速度對檢測和定位精度的影響。 LoRa收發器對放置在地面上方1 m處，在地面上進行了控制實驗，以檢測單個移動的人類目標。在現場研究中，我們使用無人機攜帶收發器對。
4.1.2用無人機進行文件學習。 在現場研究中，我們使用無人機攜帶LoRa收發器對來檢測並定位圖14（c）所示建築物中的人類目標。 我們報告了檢測人類目標的存在的性能以及以不同的無人機速度定位人類目標的準確性。 結果在第4.3節中給出。
4.1.3評估指標。 我們計算檢測人類目標存在的準確性爲：其中C是測試次數，Hm，c和Ht，c分別是WIDESEE和cth測試中地面真相的輸出。
圖15：發射器-接收器距離對可檢測距離（感測範圍）的影響。 WIDESEE可以在開放廣場內檢測到與收發器對的距離最大爲53 m的移動物體。
圖16：比較我們的方法和尺寸相似的替代定向天線之間的檢測精度（a）和區域（b）。 我們的天線設計在準確的檢測精度範圍內達到了最佳平衡。
4.2現場實驗無故障
4.2.1在不同的發射器-接收器距離下的感測範圍。
在此實驗中，我們以2 m的步長將發射器與接收器之間的距離（即，發射器與接收器之間的距離）從1 m更改爲59 m。測試在圖14（a）所示的空心正方形中進行。在每個收發器對設置中，我們要求目標從隨機選擇的位置開始沿收發器對的垂直平分線走100次，每次走動距離爲3 m。請注意，每次我們都將起點從收發器對中移開，直到我們在該點檢測不到用戶爲止。如果我們能夠正確檢測到該位置超過90％的時間，則認爲該位置是可檢測的。我們計算了每個可檢測位置與收發器對的中間點之間的距離，以找到給定的最大可能檢測距離（即檢測範圍）設置。圖15顯示了發射器-接收器距離如何影響WIDESEE的感應範圍。我們看到，隨着發射器-接收器距離的增加，感應距離的調節範圍也隨之增大。但是，它達到了53 m的可檢測距離的平臺。這表明WIDESEE在相對理想的環境（空心正方形）中可以爲移動目標實現53 m的感應範圍。這種感應範圍是對WiFi，RFID和基於mmWave的系統的顯着改進，後者的感應範圍在6 m以下[47，51，55]。但是，我們認爲，考慮到千米級別的通訊範圍，通過謹慎地進行信號處理，有可能進一步擴大該感應範圍，我們將其視爲重要的未來工作。
4.2.2我們的天線系統評估。
本實驗旨在評估我們的天線系統在人類目標檢測中的性能。我們將我們的設計與使用尺寸相似的全向[1]和喇叭式（RFMAX [5]）天線的兩種替代設計進行比較。我們的測試區域是一個開放的正方形，大小爲42×48 m2，如圖14（a）所示。我們將測試區域劃分爲224個塊的網格，每個塊3×3 m2。像之前的實驗一樣，我們要求人類目標選擇任何塊，然後自然地在塊內移動。我們確保每個模塊至少測試一次。圖16表明我們的設計在檢測精度和區域覆蓋率之間取得了最佳平衡。在此實驗中，我們報告了可檢測的塊數。請注意，這與第4.2.1節中的評估有所不同，在第4.2.1節中，我們對檢測始終位於收發器對的垂直平分線上的目標的最大可能距離感興趣。在此實驗中，大多數模塊不在收發器對的垂直平分線上。當我們將發射器與接收器的距離增加到超過36 m時，我們發現可檢測塊的數量有所減少。這主要是由於接收器天線的方向性。角向天線RFMAX可以實現第二高的檢測精度，但它可以檢測到最少的塊。另一方面，全向天線可以覆蓋更多的塊，但是由於其對周圍干擾的高靈敏度，它實現了最差的檢測精度。由於信號聚焦和輻射方向切換，我們的天線實現的感應範圍相對較大，並且在所有設置下均提供更高的檢測精度。我們的方法具有更好的檢測精度，這在很大程度上歸功於其更窄的光束，從而導致信號更強，同時對非目標物體的干擾也更少。
4.2.3滲透測試。
我們還評估了WIDESEE穿透牆壁的能力。實驗在地下車庫中進行，如圖14（b）所示，在測試大樓的第二層進行，如圖14（c）所示。我們的評估包括四個設置–目標牆與收發器對之間沒有牆壁和由鋼筋混凝土製成的牆壁，且牆壁的厚度不同（三種分別爲26 cm，52 cm和94 cm）。在穿牆實驗中，我們將收發器對放置在距牆壁1.5 m處。
圖17顯示了結果。 如預期的那樣，目標和收發器對之間的障礙越薄，WIDESEE越深可以成功檢測到目標。 我們觀察到目標的活動對可檢測距離也有重大影響。 如果目標正在走動或揮動，WIDESEE可以分別成功地檢測到長達15 m和13 m的目標。 WIDESEE還可以通過呼吸檢測出靜止的目標。 但是，檢測距離是有限的，並且取決於壁的厚度。 這並不奇怪，因爲活動越小且壁越厚，接收信號強度將越弱。 對於我們的實驗，將壁厚增加20 cm將使接收信號強度降低約29 dB。 儘管如此，結果表明WIDESEE可以準確地檢測到在建築物內部深處移動或揮手的人類目標。
圖17：滲透測試。 WIDESEE可以檢測到位於壁厚爲52cm的牆壁後面的靜止的人類目標，而WIDESEE可以檢測到深處側壁的活動/行走目標。
圖18：在兩種大場景（10×25 m2）中，多徑密度不同的情況下，定位誤差的CDF圖。（左）
圖19：目標移動速度的影響。 目標的移動速度對檢測幾乎沒有影響，但會影響定位。（右圖）
4.2.4在不同的多路徑環境中的定位精度。
我們在本節中報告多徑如何影響定位精度。我們的評估環境是廣場（圖14（a））和地下停車場（圖14（b））。從圖14（b）可以看出，地下室由許多支柱支撐，因此具有豐富的多路徑。兩種環境下的測試區域大小均相同（10×25 m2），並將收發器距離設置爲10 m。我們將測試區域劃分爲125個區塊，每個區塊的大小爲2×1平方米。對於每個塊，要求目標跟隨相對於發射器-接收線具有0°，30°，45°，60°或90°度的預定直線行走。對於每條線，用戶從街區的中心開始走了大約2 s。圖18繪製了我們125個試驗中定位誤差的累積分佈函數（CDF）。該圖表明，對於我們超過50％的測試用例，本地化
空心廣場和地下室的誤差分別在2.1 m和2.7 m之內。這樣的精確度足以在許多應用場景中定位人類目標，證明了使用單個LoRa收發器對進行傳感的巨大潛力。我們進行了另一個實驗，以顯示我們的系統在較小區域內的跟蹤精度。該實驗是在位於圖14所示建築物中的較小房間中進行的。房間的大小爲8×10 m2。在本實驗中，發射器-接收器距離爲6m。目標沿着5個字母“ BCIMO”的軌跡行進。恢復的軌跡（點）和地面真實軌跡（實線）一起顯示在圖20中。WIDESEE的中位定位誤差爲52 cm，這與IndoTrack達到的32 cm誤差相當-狀態爲部署密集的無線WiFi跟蹤系統[51]。該實驗表明，WIDESEE能夠在較小的區域內以較高的精度跟蹤目標。
4.2.5目標移動速度的影響。
本實驗研究目標的步行速度對檢測和定位的影響。我們考慮三種步行速度：慢速（0.5±0.2 m / s），平均（1±0.2 m / s）和快速（2±0.2 m / s）。我們在圖14（a）所示的空心正方形中進行了實驗。圖19顯示目標的移動速度對目標檢測幾乎沒有影響，但確實會影響定位精度。當目標分別以慢速，平均和快速移動時，我們觀察到1.7 m，2 m和2.5 m的定位誤差。這主要歸因於身體運動（例如，手臂擺動）–步行速度越快，身體運動就越劇烈–身體運動越劇烈，就越難滿足我們用於定位的條件（請參見等式7）。
圖20：跟蹤結果顯示了一個較小的房間，面積爲6×8平方米。 WIDESEE的中值跟蹤誤差爲52 cm，與使用兩個WiFi收發器對的最新技術相當[51]。
圖21：建築規模的實驗設置。
圖22：在各種規模的無人機飛行速度下，建築規模研究中的目標檢測精度。
圖23：由我們和Dynamic-Music的多路徑消除方案給出的本地化誤差的CDF圖。
4.3
建築規模現場研究
在本領域的研究中，我們將WIDESEE與無人駕駛飛機配合使用（參見圖2），從而對建築規模進行感知。任務檢測並跟蹤位於17層建築結構9層20毫米×85立方米的9樓的人類目標（圖14（ c）..請注意，在我們進行實驗時，這棟新建築沒有人居住。 混凝土牆和玻璃窗的厚度分別爲40釐米和5釐米。 發射器和接收器之間的距離爲2 m。 10名學生志願者參加了這項研究，並以此爲目標。 圖21顯示了實驗設置。 將學生分爲三組進行固定（呼吸）（2學生），揮舞（4個學生）和步行（4個學生）活動，並且位於同一層的房間中。我們手動將無人機控制在第9層的初始位置，並使用基於軟件的控制模塊（第3.2.2節）來控制無人機的控制。我們在實驗中改變了無人機的飛行速度。
4.3.1檢測人類的存在。
圖22顯示了每個走路和揮手的人類目標的檢測精度。當無人機以1±0.2 m / s的低速飛行時，WIDESEE可以成功檢測到分別行走和揮舞的98％和96％的人類目標。正如預期的那樣，檢測精度會隨着無人機速度的提高而降低，但是WIDESEE仍然能夠在目標走動或揮動時的大部分時間內檢測到目標。當設備放在無人機上且目標與設備之間的距離很遠（> 5 m），並且兩者之間有一個40釐米的鋼筋混凝土牆時，WIDESEE無法檢測到靜止的（呼吸）目標。如何通過呼吸感應提高對靜止人體目標的檢測精度是我們未來工作的重要方向之一。但是，我們當前的實施方式對於災難救援來發現有意識的倖存者已經很有用，其中許多倖存者傾向於揮手吸引救援者的注意力。
4.3.2定位精度。
一旦檢測到移動目標，我們將無人機懸停2秒鐘以收集目標移動信息，並應用第3.3.3節中描述的定位算法來估計目標位置。圖23比較了我們的方法與動態音樂[52]的定位誤差。如我們所見，我們的方法比動態音樂具有更好的定位精度。對於90％以上的測試用例，它可以將定位誤差從8 m減小到4.6 m。儘管4.6 m定位誤差直觀上很大，但它使我們能夠確定哪個房間或大約
人類目標位於建築物的哪個區域。這在災難緊急救援中特別有用，因爲我們非常需要縮小倖存者的搜索範圍。
5討論
作爲將LoRa信號用於傳感的首次嘗試，存在改進的空間和進一步的工作。我們在這裏討論一些問題。
不移動的目標定位：通過感知他/她的呼吸或諸如揮舞之類的就地活動，可以檢測出不移動的人類目標。請注意，通壁呼吸感測的感測範圍仍然是有限的，因爲由壁錯引起的信號衰減和呼吸運動引起的信號變化（5mm胸部位移）很小，並且很容易被噪聲掩蓋。我們計劃探索利用波束賦形技術[24、53、59]來放大弱反射信號以在將來增加呼吸感應範圍的可行性。如Farsense [56]所示，使用天線陣列進行仔細的信號處理是增加感測範圍的另一個有希望的方向。
通過設備移動實現目標定位。在本文中，當目標移動時，我們可以使用一對收發器對目標進行定位。請注意，當傳感設備也在移動時，我們的系統無法定位目標。這是因爲我們基於兩次反射的動態多徑比直接目標反射的信號弱得多的事實消除了動態多徑干擾。但是，如果發送器/接收器也在移動，則原始靜態路徑也將變爲動態路徑，該動態路徑可能比直接目標反射的信號要強，因此在這種情況下我們無法擺脫動態多路徑的影響，從而導致較大的定位誤差。
多目標感測。 由於目標反射的信號混合在一起，因此我們無法同時檢測和定位多個目標，並且以有限的信道帶寬分離混合信號非常困難。 在我們未來的工作中，我們計劃採用天線陣列將發射功率集中在一個方向上，並利用盲信號分離算法[16，54]來分離混合信號以進行多目標感測。 儘管有這些限制，WIDESEE仍朝着實現廣域非接觸感測邁出了重要的一步。 我們相信WIDESEE爲該領域的未來研究提供了有價值的參考。
- 相關工作
我們的工作與兩個領域的文獻有着廣泛的聯繫。
6.1 人類活動識別
基於計算機視覺的人類活動傳感技術已經有了成熟的應用。例如，Kinect和Leap Motion可以實現細粒度的人體手勢跟蹤。然而，這些系統對光照條件和監視角度敏感，當目標被阻擋或在牆後時無法工作。基於可穿戴傳感器的解決方案克服了上述限制，但仍給用戶帶來不便，因爲他們需要檢測用戶。然而，假設每個目標都有在緊急情況下可穿戴的工作服是不現實的。
與基於視覺或可穿戴的解決方案相比，基於無線信號的人類活動識別系統可以穿透牆壁，不需要用戶攜帶或佩戴設備。該領域的早期工作使用多個收發器對來構造無線鏈路的3D晶格，以識別人類運動的存在。後來的工作嘗試使用一個裝備有多個天線的設備來實現活動識別。例如，Wise可以藉助機器學習技術區分九種常見的身體姿勢。基於學習的方法的有效性取決於訓練數據的質量，但是獲得高質量的訓練數據仍然是昂貴且非瑣碎的。例如，CrossSense需要收集數千個樣本，以便在一個給定的環境中學習單個活動識別模型。WIDESEE通過開發用於活動識別的分析模型，避免了基於學習的方法的陷阱。它收集數據樣本的工作量大大減少，並且可以移植到不同的環境中。
最近的研究還表明，利用無線信號可以感知呼吸，心率，甚至情感。但是，以前的方法只能在小規模（例如，房間級別）下工作，需要密集部署才能在大面積上工作。WIDESEE建立在過去人類活動建模的基礎上，利用LoRa收發器對將非接觸式人類感知的範圍擴展到更廣闊的領域。我們的工作旨在縮小無線傳感在城市地區救災以及恐怖分子搜索和安全監視方面的差距。
-
- 室內定位與跟蹤
在定位和跟蹤物體方面有大量的工作。以前的工作可以大致分爲兩類：基於設備的方法和無設備的方法。
無設備方法的優點是不需要最終用戶攜帶設備。通過解除攜帶設備的限制，與基於設備的方法相比，無設備方法可以針對更廣泛的應用。因此，WIDESEE遵循無設備（非接觸）方法。
目標定位和跟蹤可以通過一系列無線信號特性來實現，包括AoA、ToF和信號幅度。基於振幅的方法簡單且經濟，但由於障礙物引起的附加信號衰減和室內多徑造成的嚴重振幅波動，定位精度較差（特別是在非視線條件下）。利用相位信息（如AoA）的方法可以有效地分離多徑，而要獲得良好的分辨率和精度，需要在接收端有一個大的天線陣。基於ToF的方法也不理想，因爲它們受到頻率帶寬的限制。
WIDESEE是第一次嘗試用單一的LoRa收發器對實現非接觸式廣域傳感。它是通過結合長距離通信的Lora信號和無人機的機動性來實現的。然而，要實現這一目標，需要克服兩個挑戰：（1）使用單個LoRa收發器對時的服務多徑效應；（2）沒有關於LoRa的可用相位或ToF信息的障礙。受[31]的啓發，WIDESEE從振幅測量中提取與方向相關的信息進行定位，但它依靠單個而不是多個收發器對來推進先前的工作。wideee採用了一套新的算法來消除由一對收發信機引起的定位模糊。Wideee還利用和改進了現有的多路徑消除方法[52]。這一結果是一個很有前途的解決方案，使用一個單一的收發器對廣域非接觸傳感，這可能開闢許多新的研究機會。
7 結論
本文介紹了一種只用一對收發信機就可以實現廣域無線感知的軟硬件系統WIDESEE。WIDESEE利用LoRa信號實現更好的穿牆穿透和更大的感應範圍。爲了進一步擴大感測區域，WIDESEE使用無人機攜帶收發機以提高感知覆蓋。然而，單對Lora收發器和設備移動性的結合帶來了嚴重干擾和感知模糊性（如定位）的新挑戰。爲了應對這些挑戰，我們在硬件和軟件層設計了一套技術，可以應用到許多無線傳感應用中。我們相信，WIDESEE朝着廣域無線傳感邁出了重要的一步，在現實世界的緊急情況下，如災難救援和恐怖分子搜索中具有很強的吸引力。