摘要
目标材料识别在我们的日常生活中发挥着重要作用。传统的基于摄像头和视频的方法带来了严重的隐私问题。在过去几年中，虽然射频信号已被用于定位、活动跟踪甚至呼吸，但很少有人关注材料识别。本文介绍了WiMi，一种非接触目标材料识别系统，在无处不在且廉价的商用现成（COTS）Wi-Fi设备上实现。直觉是，当目标出现在射频（RF）链路的视线（LoS）上时，不同的材料会产生不同数量的相位和振幅变化。然而，由于多径和硬件缺陷，信道状态信息（CSI）的相位和幅度测量值非常嘈杂。因此，我们提出了 CSI预处理方案，以解决多径和硬件噪声问题，然后才能用于材料传感。我们还设计了一个新的材料特征，它只与材料类型有关，与目标尺寸无关。全面的实际实验表明，WiMi可以通过廉价的商品Wi-Fi设备实现细粒度材料识别。WiMi能够识别10种常见液体，在室内强多径条件下，整体准确度高于95%。即使是像百事可乐和可口可乐这样非常相似的产品，WiMi仍然能够以高精度区分它们。
一、导言
目标材料识别在许多物联网应用中起着重要作用。在机场，安全检查站的爆炸物检测至关重要[1]。通过材料识别，机器人可以在捡起易碎物品（如鸡蛋）时巧妙地降低其强度[2]。细粒度材料识别甚至可以用于区分非常相似的物品，如百事可乐和可口可乐，而不带味道[3]。通过细粒度材料传感，可以检测过期液体，如牛奶，而无需打开瓶子或品尝。
现有的材料识别系统，如雷达[4]、X射线[5]、CT/MRI[6]和B超[7]利用专用硬件发出极高频率的信号。虽然它们可以提供高识别精度，但这些系统通常体积大，在家庭和办公室环境中使用成本高。提出了基于摄像机的材料识别技术[8,9]。然而，基于摄像头的方法依赖于良好的照明条件，并带来严重的隐私问题。最近，我们看到了使用无线电频率的新趋势-用于定位[10–12]、手势识别[13,14]和运动跟踪[15]的频率（RF）信号，如Wi-Fi和毫米波信号。Wi-Fi基础设施已经在我们周围广泛部署，而毫米波可能用于下一代802.11 Wi-Fi标准。然而，我们注意到很少有人关注射频信号的材料识别。
最近，提出了两种材料传感系统Tagscan和liuqID[3,16]，以探索采用RFID和UWB信号进行材料识别的可能性，从而实现高精度。然而，Tagscan需要一个昂贵的RFID阅读器（Impinj R420阅读器约1500美元）来识别目标材料，而LiuqID需要UWB套件（价格约300美元[16]），通过有线连接同步发射器和接收器来执行材料识别。与RFID和UWB设备相比，我们认为Wi-Fi是一种更具前景的设备，因为它无处不在，不需要任何专用基础设施。因此，在这项工作中，我们提出了一个问题：我们能否用廉价的商品Wi-Fi设备准确识别目标的材料类型？如果这是可行的，如图1所示，我们可以在未来只使用智能手机来感知Wi-Fi存在的任何地方的目标材料。
本文介绍了WiMi，一种基于商品WiFi的非接触式目标材料识别系统。为了识别目标材料，关键观察结果是，当无线信号穿透时，不同的材料会导致不同数量的相位和振幅变化[3]。但是，与之前采用的方法不同定向RFID传输用于材料识别，商品Wi-Fi采用全向天线，因此多径效应更为严重。此外，来自商品WiFi设备的信号相位和振幅读数都非常粗糙和嘈杂，这使得它们无法直接用于细粒度材料识别。在我们能够使用商品Wi-Fi设备进行精确的材料传感之前，需要解决两个主要挑战。
第一个挑战是，从Wi-Fi硬件检索到的原始信道状态信息（CSI）读数粗糙且有噪声。我们分别讨论CSI相位和振幅读数。具体而言，原始相位读数因收发器之间的异步、硬件噪声和多径而损坏[17,18]。如图2所示，在来自Wi-Fi卡的Wi-Fi信道的一个子载波（标记为灰点）处测量的CSI相位变化在不同分组之间是非常随机的。对于同一种材料，如果我们多次测量相位读数，变化很大。为了应对这一挑战，我们观察到，从两个紧密放置的天线获得的CSI读数之间的相位差要稳定得多，并且在商品Wi-Fi接入点上可以广泛使用多个天线。因此，我们建议利用第二个天线提取CSI相位差，用于材料识别。我们进一步观察到，在20MHz Wi-Fi信道的64个子载波中，一些子载波可能会受到多路径的严重影响，而其他子载波可能会受到多路径的影响不是由于频率分集[12]。具体而言，”干净”1子载波在时域中跨越多个后续分组的相位差更稳定且方差更小。
图2：原始CSI相位值与天线之间的相位差值。
图3：原始CSI振幅值。
除相位读数外，一个子载波处的振幅读数也非常嘈杂，如图3所示。为了提取准确的CSI振幅，我们观察到原始CSI振幅包含大量的异常值和脉冲噪声。特别是，脉冲噪声不规则且瞬时出现，通常与有用信号比较。为了应对这一挑战，我们首先通过设置信号波动阈值来消除异常值。然后，根据观察，信号高度相关，但噪声在不同频率下弱相关（或不相关），如秒所示。III-C，通过对相关信号进行积分，去除脉冲噪声，重构有用信号。即使进行了上述步骤，仍然存在信号噪声，因此，我们再次使用第二个天线以获得比每个单独天线的振幅读数更稳定的振幅比。
利用上节课中描述的方案，我们获得了清晰稳定的相位差和振幅比信息。第二个挑战是如何利用这些值来设计一种材料特征，该特征对于每种材料都是唯一的，同时与目标尺寸无关。如果我们无法获得独立于目标尺寸的唯一特征，那么具有不同尺寸的相同目标将被识别为不同的材料。受[3]中提出的方法的启发，我们设计了一种仅与材料类型相关而与目标尺寸无关的材料特征，该特征仅与相位差和振幅比信息有关。与[3]不同，我们提出的功能适用于802.11n/ac Wi-Fi接入点常见的多天线系统。
我们使用配备多天线的商品Wi-Fi设备实现了我们的原型，并评估了三种不同室内环境下的系统性能：图书馆、实验室（办公室）和对应于高、中、低多径环境的空大厅。大量实验表明，WiMi能够在所有三种环境中以高于95%的平均精度识别10种常见液体材料。
捐款：主要捐款如下：
•据我们所知，WiMi是第一个基于Wi-Fi的材料识别系统，托管在商品Wi-Fi设备上。WiMi采用CSI相位差和振幅比，以获得独立于材料识别目标尺寸的独特材料特征。
为了消除噪声，提高材料识别的准确率，我们提出了多种信号处理方案。
[En]
We propose a variety of signal processing schemes to eliminate noise and improve the accuracy of material recognition.
•我们建议使用多天线Wi-Fi硬件的材料功能，以实现细粒度材料识别。
•我们在商品WiFi设备上设计和实施WiMi。大量实验证明了WiMi的有效性和鲁棒性。WiMi能够以高于90%的准确率区分非常相似的项目，如百事可乐和可口可乐。
; 二,。再初级
在本部分中，我们首先对背景信息进行简要介绍。然后，我们提出了关键挑战。
[En]
In this section, we begin with a brief introduction to the background information. Then we posed the key challenges.
A.信道状态信息
802.11 Wi-Fi物理层采用OFDM方案在正交子载波上传输数据[19]。对于每个接收到的分组，我们可以提取每个子载波处的信道状态信息（CSI），它表示通信链路的信道特性。信道频率响应可表示为：
其中H（f k）是子载波k的信道频率响应，k是子载波的数目。H（f k）=∥ H（f k）∥ ej·̸H（fk）由振幅表示∥ H（f k）∥ 和相位̸H（fk）。可使用公开可用的工具从COTS Intel 5300 Wi-Fi卡导出K=30子载波处的CSI测量值[20]。
; B.Wi-Fi信号穿透目标时的相位和幅度变化
CSI相位变化是两个相位读数之间的差值，在目标出现在LoS链路之前和之后测量。Wi-Fi信号的波长在不同的材料中是不同的。因此，如图4所示，在目标中具有相同的传输距离时，当信号穿透相同尺寸的不同目标材料时，相位变化将不同。设φtar和φfree为有目标时的相位读数，无目标时的相位变化Δφ可计算为：
其中λtar和λfree分别是目标和空气中的波长。L是发射机和接收机之间的距离，D是目标内部的路径长度。我们将βtar=λtar 2π和βfree=λfree 2π分别定义为目标和空气中的信号相位常数。然后，方程式（2）可以简化为：
Original: https://blog.csdn.net/Winds_Up/article/details/120267312
Author: Winds_Up
Title: WiMi：使用商品Wi-Fi设备识别目标材料
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/513224/
转载文章受原作者版权保护。转载请注明原作者出处！