Page 436 - 《软件学报》2026年第1期

黄宇红 等: 基于 RFID 的无源物联网无线感知研究现状与发展趋势 433

[65]
频率, 因此足以捕捉呼吸与心跳频率信号. 呼吸导致的胸腔位移约 1 cm 到数厘米, 心跳导致的胸腔位移约 0.6 mm ,
频率与幅值上的差异使得同时采集的两种生命体征具有可分辨性.

表 3 人体行为识别研究工作比较

方法 代表工作 技术方案 成果分析
标签贴附于人体肢体、关节、手指等部位, 相比雷达、视觉等具有基于标签的感知对象可标识
文献
绑定式感知 基于人体运动的标签运动导致的信号特征 性, 相比可穿戴式传感器具有免维护优势, 但同样面临
[21,55−57]
变化识别人体动作以及行为 采样率不足的问题, 实际场景还需进一步发掘
无需人体佩戴标签, 但也丢失了感知对象的可标识性,
在环境中部署标签阵列, 基于人体运动引起
文献 相比雷达、视觉等技术优势不明显, 且技术方案多依
非绑定式感知 传播路径变化导致的信号特征变化识别人
[22,58−64] 赖特定环境下的AI样本学习, 环境普适性难以满足实
体行为
际应用需求

基于 RFID 的呼吸心率检测主要包括接触式与非接触式两种模式. 接触式是指通过在胸部贴附 RFID 标签, 使
得标签与读写器之间的 LOS 路径直接随胸腔运动而变化, 呼吸和心跳引起的胸部运动在某种意义上“调制”了贴
附在身体上或附近 RFID 标签返回的反向散射信号. 当用户扩展胸部吸气时信号的传播路径变短, 相位值减小, 而
与之相反, 呼气时相位值增大. 同时为了增强测量的鲁棒性、消除动态环境中的干扰, 许多工作通过构建物理模
型, 分析生理特征信号与环境多径信号之间的异同, 利用信号分解等方法提取呼吸心跳信号, 相关方法包括 RM-
Dynamic [66] 等. 也有一些工作采用了参考标签或标签阵列的方式来增强鲁棒性. Tag-Breathe [67] 和 RF-ECG [68] 从标签
阵列中提取综合数据流提高了检测的准确性. RF-RMM [69] 利用前胸和后背的标签对消除动态干扰. 而非接触式则
是将标签贴附在用户附近的位置, 不同于将标签直接贴在身体上, 分析 NLOS 路径中因胸腔运动引起的周期变化.
由于此时 LOS 距离保持不变, 接收信号中的静态路径信号分量远强于动态路径分量. 为此, 许多工作采用多个标
签来避免某特定标签存在多径叠加后的相位矢量衰弱, 相关方法包括 CRH [70] 等.
总体来说, 绑定式呼吸心率感知能够充分利用穿戴在身体上的 RFID 标签构造阵列, 并利用其相对关系提升
感知鲁棒性, 实现可标识的高精度呼吸心率感知, 但在周围存在人员走动时仍难以滤除干扰; 而非绑定式感知无需
用户佩戴任何标签设备即可进行呼吸心率感知, 但是易受到周围环境噪声的干扰, 导致呼吸心率被噪声淹没, 影响
最终的感知性能.
3.3 问题与挑战
目前基于无源物联网的无线感知研究工作主要是基于 ImpinJ 等商用 RFID 读写器进行, 读写器在读取标签
EPC 的同时也提供了相应的信号强度和相位用于故障诊断和系统调优, 正是设备的此项能力促进了 RFID 无线感
知技术的研究工作, 并面向各种感知目标形成了大量研究成果, 但仍未出现典型的规模商用案例, 在落地商用上仍
然面临着诸多技术挑战.
一是现有 RFID 设备采用的是收发一体架构, 上下行信号存在自干扰, 标签识别稳定性容易受到实际环境影
响, 识别距离有限, 感知应用研究通常限制在 5 m 范围内, 且设备难以组网进行统一的调度协调, 影响了感知数据
采样的稳定性以及感知应用的覆盖范围.
二是现有 RFID 设备的 EPC Gen2 协议面向的是标签识别能力, 并未考虑感知的技术需求. 如: 单载波提供的
信号特征较为单一, 对环境变化的感知粒度不足; 标签读取是基于 ALOHA 防冲突的随机碰撞上报机制, 无法确保
感知标签读取的采样间隔, 限制了实际应用场景下的感知精度.
三是在感知 AI 模型上, 研究工作通常基于特定环境开展数据采集及模型训练, 当迁移至实际应用中会受到环
境干扰、模型泛化等因素的影响, 多数应用在部署阶段也无法满足重新采样训练的条件, 因此, 感知模型需要具备
“开箱即用”的能力, 提升在实际行业需求环境下的实用性.
4 无源物联网无线感知发展趋势

4.1 新架构——组网式收发分离架构扩展感知模式
组网式无源物联网将读写器从单点式的收发一体分为发射器和接收器两类设备, 使得信号发送和接收路径不