一種基于MIMO雷達的人體定位方法

肖家仁

摘要：在智能家居系統和智能機器人系統中，人體位置信息是輔助系統決策的一個重要因素，尤其是在室內復雜環境中。文章提出一種基于無設備的MIMO雷達的人體定位方法，旨在針對室內復雜環境中精確定位人體的二維空間位置。本研究先將MIMO雷達采集的包含人體位置信息的原始信號進行差分去噪，然后從信號中提取飛行時間（Time - Of- Flighr，TOF）信息，根據TOF和天線的幾何分布計算實現二維空間定位。實驗結果表明，文章所提出的方法能夠得到準確的定位結果。誤差控制在分米級．

關鍵詞：MIMO雷達：人體定位：Time -of-Flight

中圖分類號：TP391. I;TP391.4

文獻標志碼：A

0 引言

室內定位[1-2]是現在研究人員研究的一個重要領域，在智能家居方面有著重要的應用。以前是通過可穿戴技術和基于攝像頭的系統實現的。然而，這兩種系統都有很大的局限性，因為可穿戴設備會導致不適，而基于攝像頭的系統會損害用戶的隱私，需要視野，設置和維護成本高昂。近些年，研究人員開始將注意轉移到雷達設備上，它根據有無佩戴設備上可分為有設備定位和無設備定位。有設備定位需要人們在身上佩戴發射射頻信號的設備，例如：手機、智能手環等。而無設備的定位技術不需要在身上佩戴設備，它利用人體的反射的射頻信號來跟蹤人體定位，這種定位技術完全依賴人體外的微弱的、低功率的射頻反射，甚至可以做到穿透障礙物實現精準定位。基于無設備的定位方式具有很多優點：（1）不需要穿戴任何傳感器，它是通過對人體反射的射頻信號特征來進行檢測而實現的。（2）具有良好的障礙穿越能力，實現非視距定位。（3）雷達信號屬于電磁波，抗干擾能力強，受燈光、溫度、濕度等外界條件的影響較小。（4）可擴展性強，隨著radar技術的不斷發展，radar的帶寬和工作頻率在不斷增加，天線數目也在不斷增多，為進一步提高定位精度。從定位原理上可分為RSSI、AOA[3]、TOF[45]。基于RSSI的定位技術主要依靠信號的衰減來確定位置。當距離較近時，RSSI衰減較快；當距離較遠時，RSSI衰減較慢。基于RSSI的定位技術根據這種特點來估算發射點和接收點之間信號強度的傳播損耗，將傳播損耗轉化成接收點和發射點之間的距離，再根據相關算法推算出人體的位置信息。這種基于RSSI的定位技術對硬件要求低、功耗小，易實現，適應于簡單的環境，一旦室內環境較為復雜，定位精度大大降低。基于AOA的方法是根據人體與不同天線之間的角度確定位置，因為在傳播的過程中信號的相位信息在不斷變化，而接收天線又分布在不同的空間位置，所以不同的接收天線接收到的無線信號存在一個角度差，通過這種角度差就能推測出人體的空間位置。這種方式需要額外的設備。TOF則是以信號在空間中傳播的時間來確定位置。

本文設計了一種基于MIMO雷達定位方法，它可以同時定位多人的空間位置，定位誤差控制在分米級，可以運用于智能家居系統、無人駕駛系統和無人機系統。

1 背景原理

雷達通過發射機發射電磁波在介質中傳播到反射物體，小部分反射能量經物體反射到雷達設備的接收機，雷達設備使用這種回波來確定反射物體的方向、距離和速度。假設使用調頻信號作為發射信號，那么發射信號可以用公式（l）表示為：

其中，4，表示￡時刻的振幅，，表示雷達載頻，厶表示調頻斜率。

反射信號在空間中傳播，再由目標物體反射到接收天線，于是接收信號可以用公式（2）表示為：

1.1 測距原理

雷達發射一個具有非常高功率的無線電脈沖信號，該脈沖信號通過天線的方向性集中在一個方向上，以光速沿給定方向傳播。如果該方向上有目標物體，則脈沖能量的一部分會被反射回雷達。雷達接收到這個能量信號并估計目標物體距離R。具體公式

其中．C表示光速，￡表示信號在介質中傳播的時間，R表示目標物體的斜離（視線方向距離）。此外，距離分辨率R。如公式（4）所示：

其中，C表示光速，B表示帶寬。從公式中可知，帶寬越大，距離分辨率越好。

1.2測角原理

目標的角度確定由天線的方向性決定的。通過測量接收回波時天線指向的方向，可以確定從雷達到目標物體的方位角θ和仰角φ。由距離差引起的2個接收天線信號的相位差表示為：

這樣就得出了天線信號發射的角度，其中公式（5）、公式（6）中的d表示接收天線之間的距離，ω表示兩天線之間的相位差，A表示波長。此外，角度分辨率近似為：

公式（7）中的Ⅳ表示虛擬天線陣元，通過公式可知，采用MIMO雷達技術形成一個具有發射天線數量和接收天線數量的乘積的虛擬接收天線的陣元，通過增加Ⅳ來簡單有效地改善雷達的角度分辨率。

2 MIMO雷達定位方法

本文通過發射信號和反射信號的頻率差來計算TOF，再結合水平天線的幾何位置來進行單人定位。通過估計的TOF計算得到一組用戶位置的集合，將這組位置的集合映射到2D空間中，可以得到一個橢網，兩組不同水平天線得到的橢網在空間中會產生兩組交點，再根據天線的定向性可以排除一組交點位置，這樣就實現了2D定位，如圖1所示。

2.1

TOF的估計

TOF[5-6]的測量具有一定的困難性，由于射頻信號是以光速在空間中傳播的，空間上幾十厘米的距離轉換到時間維度上可能就是幾十微秒的時間差異，而這幾十微秒的測量是具有一定困難的。最直接的方式是設計一個亞納秒級的高速數模轉換器對發射的脈沖信號進行采樣，但是這種方法成本比較昂貴，性價比不高。本文利用調頻連續波的特征，將時間上的變化轉換成頻率上的變化，而這種偏移在接收信號的頻譜上是很容易觀察的，從而獲取TOF值。

2.2消除噪聲

在信號的采集過程中，往往會受到環境因素的影響，這種環境因素反映到雷達成像中會出現多個斑點，會阻礙人體對射頻信號的反射，從而限制在真實環境中定位人體的能力。由于環境中的靜態物體的產生的TOF時間不隨時間產生改變，基于這個特點，通過差分的思想來去除這種噪聲。除了正常的反射信號，在信號的采集的過程中還往往夾雜隨機噪聲信號，這些隨機噪聲信號是設備電平的穩定性以及抗干擾性不強造成的，屬于硬件噪聲。這些噪聲信號會影響整個定位實驗的精確度。這些隨機噪聲的存在是必然的，本文用異常值前后的正常的信號的平均值替代異常值，以消除隨機噪聲。

2.3 基于MIMO雷達的定位算法

該定位算法具體如圖3所示，（1）使用MIMO雷達采集數據，它返回的原始數據代表了空間中物體的脈沖響應。（2）將收集到的原始數據進行濾波去噪，并獲取其TOF值以及計算該TOF值對應的信號強度值，如圖2所示。（3）用獲取到的TOF值來計算目標距離天線的距離，這樣可以計算得到一組用戶位置的集合，結合返回來的信號強度繪制橢網熱圖并可視化，橢圓的焦點就是發射天線和接收天線。在橢圓熱圖中，顏色的深淺表示該點的信號強度大小，顏色越亮，信號強度越大。由于雷達天線定向性的原因，人體的位置不可能出現在雷達天線后面，因此，只需要繪制天線正面的半個橢圓熱圖即可，如圖4、圖5所示。如果環境中有多人，本文使用連續剪影法來刪除已經確定位置的人體信息，更新橢圓熱圖，直到定位到所有人。

3 實驗結果和分析

本文使用平均絕對誤差（Average Absolute Error，MAE）來評價實驗定位精度，具體公式如下：

公式（8）、公式（9）中的X.WAE，YMAE表示X軸和Y軸兩維度的平均絕對誤差，Ⅳ表示采集的信號數量，戈。表示算法定位出的人體的X軸坐標，gt。表示真實世界中人體的X軸坐標，yi表示算法定位出的人體的Y軸坐標，gt，表示真實世界中人體的Y軸坐標。

實驗結果如表1所示，單人場景的絕對平均誤差要低于多人場景，并且該定位算法精度達到了分米級別。

4 結語

本文提出了一種基于無設備的MIMO雷達的人體定位方法，不要求人體佩戴任何設備，通過該MIMO雷達傳感器采集人體空間信息，提取TOF信息并將其轉換成距離信息，再結合雷達天線的幾何位置和連續剪影算法來定位空間中的人體位置，定位精度達到了分米級，對智能家居、智能機器人以及無人駕駛等領域有著積極意義。隨著人工智能的興起，深度學習可以提取更精細的人體空間特征信息，將深度學習引入定位算法中來進一步精確定位人體位置是未來的重要工作之一。

參考文獻

[1]馬靜宜．室內定位技術現狀和發展趨勢[J]．電子產品世界，2014（11）：15-17．25．

[2]林佳慧，尹輝斌，熊榮鵬．基于FMCW雷達傳感器的室內人員定位方法[J]．傳感器與微系統，2021（ 11）：50-53．

[3]陸冰琳．室內環境下基于UWB的TDOA/AOA三維混合定位算法[J]．電子元器件與信息技術，2022（1）：159-163．

[4]ADIB F.KABELAC Z，KATABI D， et al.3Dtracking via bodV radio reflections[ EB/OL].（ 2013 -12-10）[ 2023 - 03 - 10].https：／／www.researchgate. net/publicatio n/279843925_3 D_Tracking_via_BodV_Radio_Reflections.

[5]ADIB F，KABELAC Z，KATABI D.Muhi-personlocalization via RF bodV reflections[ EB/OL].（2015 -05 -04）[2023 - 03 - 10].https：//wwW. xueshufan. com/publication/1666724740.

（編輯王永超）