CN105956505A - 一种基于多普勒频移的人气商品发现方法 - Google Patents

Abstract

本发明公开了一种基于多普勒频移的人气商品发现方法，在商品货架周围部署阅读器和收发天线；在每个商品上部署射频识别标签；当顾客拿起一个有射频识别标签的物品时，物品运动的速率会导致频率的改变，阅读器采集射频识别标签返回的phase值；根据phase值求取多普勒频移值；进行适应性多普勒移值的阈值检测，得出最终结果。射频标签移动会产生phase值，通过阅读器对射频标签进行适应性多普勒移值的阈值检测，从而能够发现人气商品，本发明具有较强的识别准确率和健壮性，可以适用于实际需求，并且方法简便，投入成本低廉，适合在任何区域推广。

Description

一种基于多普勒频移的人气商品发现方法

技术领域

本发明属于射频标签探测领域，具体涉及一种基于多普勒频移的人气商品发现方法。

背景技术

与网上购物不同，实体商店几乎没有办法在顾客购买之前收集分析客户的购物行为，然而分析顾客的购买行为对于提高零售商利润和提高客户体验都是很有必要的。在以往的模式中实体商业缺乏有效的方法来收集和分析客户在购买之前的行为，如试穿衣服、比较价格、挑选物品等包含丰富信息的行为。尽管分析销售历史已经在判断顾客行为方面展现出了不小的成功，但是顾客在购买之前表现出的包含丰富个人购物模式信息的行为却并没有被收集分析。

以往利用传感器等设备来实现对客户轨迹的追踪和聚集的方法需要昂贵的硬件设备。而今RFID技术中无源标签的发展提供了一个很好的构建高效的物品追踪和监视系统的办法，无源标签被广泛应用在识别、定位和追踪领域。

发明内容

本发明的目的在于克服上述不足，提供一种基于多普勒频移的人气商品发现方法，能够发现人气商品的方法，并具有准确度高，成本低的优点。

为了达到上述目的，本发明包括以下步骤：

步骤一，在商品货架周围部署阅读器和收发天线；

步骤二，在每个商品上部署射频识别标签；

步骤三，当顾客拿起一个有射频识别标签的物品时，物品运动的速率会导致频率的改变，阅读器采集射频识别标签返回的phase值；

步骤四，根据phase值求取多普勒频移值；

步骤五，进行适应性多普勒移值的阈值检测，得出最终结果。

所述步骤三中，单一的标签以速度v朝着天线运动，在这个过程中阅读器通过接受EPC包重复的辨认标签，假设读写器接收到两个连续的包P_i和P_i+1，用t_i和t_i+1表示这些包到达读写器的时间戳，Ф_i和Ф_i+1表示回应信号的相位，我们可以计算出标签在两个时间戳间隔内移动的距离：

d＝v·(t_i+1-t_i)

移动距离也可以用t_i和t_i+1之间接收到的回应信号相位转换来表示，因此得到了下面的等式：

$2v\·(t_{i+1}-t_i)=\mathrm{\λ}\·\left(\frac{{\mathrm{\Φ}}_{i+1}-{\mathrm{\Φ}}_i}{2\mathrm{\π}}\right)$

据此可以得出多普勒频率的表达式：

$f=\frac{v}{\mathrm{\λ}}=\frac{1}{4\mathrm{\π}}\·\left(\frac{{\mathrm{\Φ}}_{i+1}-{\mathrm{\Φ}}_i}{t_{i+1}-t_i}\right)$

所述步骤四中，定义d(t)表示在时间t的多普勒频率值，p_θ表示概率密度，其中θ是分布参数，假设在时间T发生了改变，多普勒频率变化的概率密度从p_x变化到p_y，这样就可以运用下面的一个对数比率来比较这两种分布，

$l_y=log\frac{p_{y\left(d\right(t\left)\right)}}{p_{x\left(d\right(t\left)\right)}}$

参数x很容易的从历史变化中获取到，但是参数y是变化后的分布参数，却是未知的，而且参数y还会在检测过程中发生变化，使得探测更加困难，

为了解决这个问题，我们定义改变的时间T：

$T=inf\{max\underset{i=k}{\overset{t}{\mathrm{\Σ}}}{l}_y\left(i\right)\≥h\},1\≤k\≤h,$

在等式中，h是预先定义的值，假设变化后的分布是未知的，时间T不能从上面的式子直接得到，CBID递归地应用累积和方法来确定参数y的范围，基于参数y的范围就可以更准确地检测出多普勒频率的变化。

所述步骤五中，通过对物品被顾客拿起动作次数和频率可以发现人气商品，若多普勒移值小于了阈值，则返回步骤三；若多普勒移值超过阈值，则判定为顾客拿去了商品，检测结束。

与现有技术相比，本发明在商品上设置射频识别标签，射频标签移动会产生phase值，通过阅读器对射频标签进行适应性多普勒移值的阈值检测，从而能够发现人气商品，本发明具有较强的识别准确率和健壮性，可以适用于实际需求，并且方法简便，投入成本低廉，适合在任何区域推广。

附图说明

图1为本发明的流程图；

图2为Impinj API和本发明的多普勒频率值对比图，其中图2a为静态场景，图2b为动态场景；

图3为本发明试验中三种场景下的试验结果图。

具体实施方式

下面结合附图和对本发明做进一步说明。

一、多普勒频移估计

参见图1，首先在商品货架周围部署阅读器以及收发天线，然后在首先在商品上装置RFID射频识别标签(应答器)。通过阅读器与标签的通信，收集标签返回的phase值。当顾客拿起一个有标签的物品时，物品运动的速率会导致频率的改变，多普勒频移可以反映标签和读写器的相对运动。阅读器基于phase求取多普勒频移值，再通过多普勒阈值检测方法筛选出顾客是否拿起商品。通过对物品被顾客拿起动作次数和频率可以发现人气商品，进而可以方便商家改变营销策略或者改变商品摆放位置。

我们首先考虑单一的标签以速度v朝着天线运动，在这个过程中读写器通过接受EPC包重复的辨认标签。假设读写器接收到两个连续的包P_i和P_i+1，用t_i和t_i+1表示这些包到达读写器的时间戳，Ф_i和Ф_i+1表示回应信号的相位，我们可以计算出标签在两个时间戳间隔内移动的距离：

d＝v·(t_i+1-t_i)

移动距离也可以用t_i和t_i+1之间接收到的回应信号相位转换来表示。因此我们得到了下面的等式：

$2v\·(t_{i+1}-t_i)=\mathrm{\λ}\·\left(\frac{{\mathrm{\Φ}}_{i+1}-{\mathrm{\Φ}}_i}{2\mathrm{\π}}\right)$

据此我们可以得出多普勒频率的表达式：

$f=\frac{v}{\mathrm{\λ}}=\frac{1}{4\mathrm{\π}}\·\left(\frac{{\mathrm{\Φ}}_{i+1}-{\mathrm{\Φ}}_i}{t_{i+1}-t_i}\right)$

从表达式中我们可以看出多普勒频率只决定于相位变换和两个连续包到达的时间间隔。应用这种评估办法需要基于两个条件：

1、在两个连续的EPC包的接收间隔内，标签在放射方向运动需要小于半波长。否则相位的测量会处于采样过疏状态从而导致结果不能准确的反映相位变化。这个条件很容易通过使用现有的商用设备(如Impinj R420等)满足。

2、读写器收到的信号必须是连续的。像信道跳跃之类的情况会导致上述表达式中EPC包的移动距离计算的不够准确。因此，我们不得不修复发射器的组合设置，比如频道和天线的选择，使信号测量处于静止状态。

在计算多普勒频移之前的数据预处理阶段还有一个挑战。众所周知相位值是一个周期函数，叫做包裹相位。在我们的系统中有一个关注点是在计算两个连续包的相位变化时需要考虑所有合适的2π的整数倍，称为相位解包裹。在我们的系统中我们通过使用基于上面讨论过的必须连续采样条件的一维的相位解包裹的方法来实现相位解包裹。

为了评估我们方法的有效性，我们进行了两个实验来比较Impinj API和我们的基于相位变化的多普勒评估模式的多普勒频率值。我们使用最长的编码位数(96位)来对标签ID编码，用Miller-8调制来对EPC包进行编码，我们读写器的频率信道也被调谐到的最大。

图2给我们展示了实验结果。其中一条线是Impinj API收集到的多普勒频率值，点是我们通过推出的公式对多普勒频率值的估计。如图2a所示，在静态场景中即使我们运用最有利的条件，来自Impinj API多普勒值变化也较为剧烈。而另一方面，通过CBID的多普勒估计模式的结果是更加稳定的。

我们还建立了一个动态场景来模拟顾客拿起物品的行为。一开始，一名志愿者在读写器天线前的拿着贴有标签物品。然后，他重复将摆动他的前臂，使物品朝向或远离天线。理论上，当物品移动到接近读写器时将导致在多普勒频率的正峰值，远离读写器时将导致一个负峰值。使用我们的方案时，实验结果与很好的符合理论远离。如图2b所示，周期性的正/负峰值的变化清楚地反映了客户的动作。然而，Impinj API的多普勒频率值受到噪声的干扰，无法得到准确的结果。

二、自适应多普勒峰值检测

多普勒频移的精确估计是探测顾客拿起物品操作的第一步，然后系统会快速准确的探测多普勒频率值的峰值。许多现有的算法已经可以完成频率变化检测和峰值检测，然而这些算法需要记录测量数据，然后再应用分析工具。在CBID系统的实际部署中，考虑到通过监测数千个标签的运动的大量的数据将在极短的时间间隔内产生，所以保持多普勒频率的值将是一个超负荷的工作。因此，我们设计了基于准确量级的阈值来尽可能降低不相关的多普勒变化数据。

方案的巨大挑战在于由于以下两个原因，因为这种确定性的阈值并不存在。首先标签的多样性导致不同的标签在不同的噪声水平，而且物品的位置不同也导致了不同的多普勒模式。基于上述原因，我们采用了一种自适应累积和算法以跟踪多普勒值的可能变化。

让d(t)表示在时间t的多普勒频率值，p_θ表示概率密度(其中θ是分布参数)。假设在时间T发生了改变，多普勒频率变化的概率密度从p_x变化到p_y，这样我们就可以运用下面的一个对数比率来比较这两种分布。

$l_y=log\frac{p_{y\left(d\right(t\left)\right)}}{p_{x\left(d\right(t\left)\right)}}$

参数x可以很容易的从历史变化中获取到，但是参数y是变化后的分布参数，却是未知的。而且参数y还会在检测过程中发生变化，使得探测更加困难。

为了解决这个问题，我们定义改变的时间T：

$T=inf\{max\underset{i=k}{\overset{t}{\mathrm{\Σ}}}{l}_y\left(i\right)\≥h\},1\≤k\≤h,$

在等式中，h是预先定义的值，假设变化后的分布是未知的，时间T不能从上面的式子直接得到。CBID递归地应用累积和方法来确定参数y的范围。基于参数y的范围就可以更准确地检测出多普勒频率的变化。

我们通过广泛的实验验证了上述方案的可行性，我们在如下三种不同的场景下进行了实验。

行模式(衣服)：很多商品都展示在一条线的架子上，我们实施这个方案通过在我们的实验室的支架上挂衣服。

横向模式(眼镜)：该模式在商场的柜台上很常见，这些商品展示在同一个水平面上。

垂直模式(书)：这个模式是最常见的，常见的场景在超市和图书馆。我们在大学图书馆实现这个场景，标记在书架上的图书。

图3展示了实验的部分结果：在实验中，志愿者拿起货架上的一本书，并把它放回去。我们在此期间记录下信号相位和在这段时间中每个标签分组的时间戳。曲线代表通过我们的方法计算出的多普勒频率的估计。通过使用自适应累积和算法研究，CBID探测突然的变化用每个子图中的显著红圈来标记。四个操作的实验结果表明，该算法在不同的场景中表现得很成功。这样，CUSUM算法可以成功地略过扰动信号引起的环境噪声，并发现多普勒频率值的实际变化点。

Claims (4)

1.一种基于多普勒频移的人气商品发现方法，其特征在于，包括以下步骤：

步骤一，在商品货架周围部署阅读器和收发天线；

步骤二，在每个商品上部署射频识别标签；

步骤三，当顾客拿起一个有射频识别标签的物品时，物品运动的速率会导致频率的改变，阅读器采集射频识别标签返回的phase值；

步骤四，根据phase值求取多普勒频移值；

步骤五，进行适应性多普勒移值的阈值检测，得出最终结果。

2.根据权利要求1所述的一种基于多普勒频移的人气商品发现方法，其特征在于，所述步骤三中，单一的标签以速度v朝着天线运动，在这个过程中阅读器通过接受EPC包重复的辨认标签，假设读写器接收到两个连续的包P_i和P_i+1，用t_i和t_i+1表示这些包到达读写器的时间戳，Ф_i和Ф_i+1表示回应信号的相位，我们可以计算出标签在两个时间戳间隔内移动的距离：

d＝v·(t_i+1-t_i)

移动距离也可以用t_i和t_i+1之间接收到的回应信号相位转换来表示，因此得到了下面的等式：

据此可以得出多普勒频率的表达式：

。

3.根据权利要求1所述的一种基于多普勒频移的人气商品发现方法，其特征在于，所述步骤四中，定义d(t)表示在时间t的多普勒频率值，p_θ表示概率密度，其中θ是分布参数，假设在时间T发生了改变，多普勒频率变化的概率密度从p_x变化到p_y，这样就可以运用下面的一个对数比率来比较这两种分布，

参数x很容易的从历史变化中获取到，但是参数y是变化后的分布参数，却是未知的，而且参数y还会在检测过程中发生变化，使得探测更加困难，

为了解决这个问题，我们定义改变的时间T：

在等式中，h是预先定义的值，假设变化后的分布是未知的，时间T不能从上面的式子直接得到，CBID递归地应用累积和方法来确定参数y的范围，基于参数y的范围就可以更准确地检测出多普勒频率的变化。

4.根据权利要求1所述的一种基于多普勒频移的人气商品发现方法，其特征在于，所述步骤五中，通过对物品被顾客拿起动作次数和频率可以发现人气商品，若多普勒移值小于了阈值，则返回步骤三；若多普勒移值超过阈值，则判定为顾客拿去了商品，检测结束。