Page 433 - 《软件学报》2026年第1期

430 软件学报 2026 年第 37 卷第 1 期

品状态检测、人体行为识别和生命体征检测这 4 大类, 由于感知计算方法与不同感知目标间具有高度关联性, 如
RF-finger [22] 采用卡尔曼滤波进行轨迹跟踪和采用 CNN 进行手势识别, 因此第 3.2 节将从感知目标出发分析当前
研究进展.
3.2 当前研究进展
基于上述感知基础原理和架构, 研究者们对于无源物联网在对于人和物上的各种感知目标也进行了充分的探
索, 包括对人和物的定位和轨迹跟踪, 对物品运动和内部状态的检测、对人体运动和生命体征的检测等.
1) 定位跟踪
定位跟踪是无源物联网无线感知中最早开展研究的感知目标, 基于绑定式感知方法, 对携带标签的人或物体
进行绝对位置的连续检测. 根据实现原理, 定位技术可分为基于几何测量、基于指纹特征、基于成像技术这 3 类 [24] .
几何测量法分为基于传播时间、信号强度、信号相位这 3 种, 目的都是通过检测出标签与多个读写器天线的
距离从而根据几何关系计算出标签绝对位置 [25,26] , 由于商用读写器不支持传播时间的获取, 信号强度受环境因素
影响波动较大, 无法直接从信号强度计算出距离, 只有基于信号相位的几何测量方法得到了广泛研究, 其使用读写
器多个天线接收信号的相位差建立双曲线模型, 通过双曲线的交点确定标签位置 [27] . 当双天线之间的距离小于信
号半波长时, 相位的整周模糊度问题得以避免, 相位差双曲线模型通常近似为 AOA 模型, 检测出目标方向, 并通
过多个目标方向的交点确定目标位置 [28] .
指纹特征法预先在感知环境中设置大量参考标签并获得参考标签的信号特征, 构建感知环境的指纹库, 在对
感知对象进行定位时, 获取感知对象标签的信号特征, 经过与参考标签的比对识别出感知对象相对参考标签的位
置. 早期典型研究工作 LANDMARC [29] 在环境中部署 n 个天线和多个参考标签, 读取待测标签和所有参考标签在
n 个天线下的信号强度, 计算每个参考标签与目标标签的各天线信号强度 n 维向量的欧氏距离, 选取欧氏距离最
小的 1 个或多个参考标签进行位置加权从而得到目标标签的位置, 此后还有支持向量回归、神经网络等机器学习
算法被用于目标标签的位置估计 [30–32] . 理论上, 参考标签的信号强度随着距离增加逐渐降低, 定位精度随着部署密
集程度增大而升高. 但实际环境中标签的信号强度会受到标签朝向角度、标签天线性能、标签弯折程度等因素的
影响, 定位精度将受到较大影响.
成像定位法基于合成孔径雷达 (SAR) 的思想, 对目标标签从多个不同方向盘存获得的感知数据, 通常通过移
动天线在等距离间隔上多次盘存目标标签, 然后将待测空间划分为网格, 并基于空间几何关系和实测感知数据计
算目标标签存在于各网格的概率置信度, 从而推测出目标标签位置. Miesen 等人 [33] 使用移动天线获取的多个相位
采样值, 构造空间概率密度图计算目标位置. Tagoram [34] 使用 4 个天线采集相位信息, 提出了差分增强全息图
(differential augmented hologram, DAH) 对移动目标进行定位跟踪. 基于此思想, 更多的滤波和数据驱动算
法 [35–37] 被提出来优化系统性能和复杂度. 该方法本质上是通过大量的盘存采样获得相比几何测量法的冗余数据,
并基于统计方法滤除采样数据受到噪声、硬件、多径等影响的不确定性, 通过计算高复杂度的代价换取更高的定
位精度和更好的实际环境适应性.
定位跟踪的 3 种方法总结如表 1 所示.

表 1 定位跟踪研究工作比较

方法 代表工作 优势 劣势
几何测量法 文献[25−28] 系统部署简单, 计算开销小 受环境干扰影响很大
指纹特征法 文献[29−32] 通过部署参考标签克服环境干扰 部署复杂, 精度取决于标签密度, 缺乏连续定位结果
需要运动或多个天线在不同位置采样, 部署复杂, 计算开
成像定位法 文献[33−37] 抗干扰能力强, 性能较稳定, 精度可达厘米级
销大

2) 物品状态检测
无源物联网用于物品状态检测的研究工作主要可以分为两类. 一是检测物品的运动状态, 如运动类别、朝向
角度、旋转振动等, 一般采用绑定式感知方式, 将单个标签或标签阵列张贴在感知对象上, 通过标签位置、移动和
形状带来的信号特征变化实现感知目标. 二是检测物品的内部状态, 如容器内液体容量和液体种类、液体泄漏等,