1.一种基于无源RFID相位信息的手臂运动轨迹追踪方法,其特征在于:所述方法包括如下步骤:
步骤1,将RFID标签贴附于手臂的指定位置处,并让用户做出指定动作;
步骤2,在室内环境下采集用户完成步骤1中指定动作时RFID标签的相位信息;
步骤3,将步骤2采集到的相位信息,基于标签相位信息,通过滑动窗口检测提取相位信息,计算出用户前臂和上臂的长度;
步骤4,采集用户手臂在一个平面内任意移动时RFID标签的相位信息,将采集到的相位信息和步骤3计算出的用户手臂长度,结合手臂运动过程中的角度变化,实现基于运动轨迹追踪计算出手臂的运动轨迹;
步骤5,基于阈值和局部加权线性回归LWLR的修正,构建线性回归模型,对结果进行修正,完成最终的精准手臂运动轨迹追踪。
2.根据权利要求1所述的一种基于无源RFID相位信息的手臂运动轨迹追踪方法,其特征在于:步骤1中,使用五张ImpinjHR61无源RFID标签,其中一号标签贴附于肩膀处,二号标签贴附于肘部外侧,三号标签贴附于小臂外侧与二号标签至少保持15cm以上的距离,四号标签与五号标签以手臂中轴线为对称轴在手背上对称位置贴附;用户做出的指定动作为,首先让整个手臂伸直向前与地面保持平行维持数秒,然后在手臂保持伸直的情况下缓慢将手臂举起到与地面90度垂直的位置维持数秒。
3.根据权利要求1所述的一种基于无源RFID相位信息的手臂运动轨迹追踪方法,其特征在于:步骤2中,利用ImpinjR420RFID阅读器以及HX‑A04ARRFID天线采集用户完成步骤1中指定动作时五张RFID标签的相位信息;采集时天线布置在贴附有标签的手臂一侧,天线的中心位置与一号标签位置对齐。
4.根据权利要求1所述的一种基于无源RFID相位信息的手臂运动轨迹追踪方法,其特征在于:步骤3包括如下分步骤:
步骤3‑1,数据去噪;分别对步骤3中采集到的一号标签,二号标签,三号标签的相位序列进行Savitzky‑Golay滤波,将数据平滑去除噪声的干扰;
步骤3‑2,数据提取;通过滑动窗口检测的方法,首先计算出第j个滑动窗口的平均绝对偏差Dj: 其中ω是滑动窗口的长度,θi是滑动窗口中的第i个相位值,E(θ)是滑动窗口中相位值的平均期望;设置阈值α=0.2,当Dj<α时识别为此时手臂保持不动,以此将所需的相位序列提取出来,提取出来的相位序列为θj;然后通过公式计算提取出来的相位序列的平均相位值,其中θ为计算出的平均相位值,l为提取出的相位序列中元素的个数,具体包括: 分别表示一号标签在手臂与地面保持平行和手臂与地面保持垂直时的平均相位值; 分别表示二号标签在手臂与地面保持平行和手臂与地面保持垂直时的平均相位值; 分别表示三号标签在手臂与地面保持平行和手臂与地面保持垂直时的平均相位值。
步骤3‑3:手臂长度的计算。通过如下方程组的求解,计算出用户前臂以及上臂的长度:其中λ=0.326m为RFID天线发射信号的波长,Δθt为两个标签自身硬件带来的相位偏移的差值,dOA为天线中心点到手臂运动所属平面的垂直距离,dOO'为天线中心点到手臂运动所属平面的垂足与一号标签之间的距离,dO'B为一号标签与二号标签之间的距离,dBC为二号标签与三号标签之间的距离;通过求解方程组可以将方程组中的四个未知变量dOA,dOO',dO'B,dBC求出,由dO'B和dBC的长度得到用户前臂和上臂的长度。
5.根据权利要求1所述的一种基于无源RFID相位信息的手臂运动轨迹追踪方法,其特征在于:步骤4中,当用户的手臂在一个平面内运动时,计算出用户手臂各个关节转动的角度,在已知用户手臂长度的情况下计算出用户手臂的运动轨迹;具体要计算以下三个关节转动的角度,上臂饶肩膀旋转的角度,上臂与前臂之间的夹角,手部以前臂为旋转轴旋转的角度,具体分步骤如下:
步骤4‑1,通过采集一号标签在用户手臂运动时的相位信息,计算出手臂运动过程中不同时刻上臂绕肩膀转动的角度:
其中 为手臂位于初始位置时一号标签的相位值与手臂在时刻t所处位置时一号标签的相位值之间的差值,αt为时刻t时上臂绕肩膀转动的角度;
步骤4‑2,采集二号标签和三号标签在用户手臂运动时的相位信息,再结合步骤4‑1中求出的αt以及步骤3‑3中求出的用户前臂的长度dO'B和上臂的长度dBC,通过求解如下方程来得到手臂运动过程中不同时刻上臂与前臂之间的夹角:其中Δθ为同一时刻二号标签与三号标签之间的相位差值,θA为天线自身硬件所导致的相位偏移,βt为时刻t时上臂与前臂之间的夹角;
步骤4‑3,采集四号标签和五号标签在用户手臂运动时的相位信息,通过求解以下方程组得到手臂运动过程中不同时刻手掌以前臂为旋转轴转动的角度:其中Δθ为同一时刻四号标签与五号标签之间的相位差值,Δθt为两个标签自身硬件所造成的相位偏移的差值,γt为时刻t时手掌以前臂为旋转轴转动的角度;
步骤4‑4,通过步骤4‑1,步骤4‑2,步骤4‑3中求出的手臂在不同时刻t时各个关节的旋转角度αt、βt、γt以及步骤3‑3中求出的用户手臂长度dO'B、dBC还原出手臂运动轨迹。
6.根据权利要求1所述的一种基于无源RFID相位信息的手臂运动轨迹追踪方法,其特征在于:步骤5具体为:
步骤5‑1,筛选需要修正的数据,设置一个阈值 这个阈值代表人手臂正常运动时关节转动的角速度绝对值的最大值;对于步骤4中得到的旋转角度αt、βt、γt,通过长度为l=
11的滑动窗口,分别计算出它们在时刻t时的角速度的绝对值 当ωt>μ时就要对这个数据进行修正,对于βt、γt中数据的筛选将上述公式中的αt‑1、αt分别替换为βt‑1、βt和γt‑1、γt即可;
步骤5‑2,以滑动窗口中的数据作为数据集,采用局部加权线性回归(LWLR)的方法构建出一个线性回归模型,该模型中的损失函数为: 其中x(i) (i)
为滑动窗口中第i个样本对应的时间戳,y 为滑动窗口中第i个样本对应的旋转角度,(i)
ω 为滑动窗口中第i个样本在该模型中的权重:(i)
其中x 为滑动窗口中第i个样本的时间戳,x为需要修正的数据的时间戳,k的取值为
0.01。在该模型中样本的时间戳距离需要修正的数据的时间戳越近权重越大,忽略距离较远的样本点的贡献。k的值控制了权值随距离下降的速度,k的值越大下降的越快;将需要修正的数据的时间戳带入通过此模型拟合出的直线,得到的值就是对该数据修正后的新值。