论文速览 IMWUT 2024 | 毫米波雷达液体识别 | LiqDetector: Enabling Container-Independent Liquid Detection with mmWa
无线感知与雷达成像领域的前沿进展 <实时更新>： 链接地址
注1：本文属于“无线感知论文速递”系列中的一篇，在该系列中致力于全面且简洁地介绍、解读无线感知领域的最新顶级会议与期刊论文（包括但不限于Nature/Science及其子刊、MobiCom、SigCom、MobiSys、NSDI、SenSys、Ubicomp；JSAC及雷达学报等）。
本次介绍的论文为IMWUT 2024年度发表的《毫米波雷达液体识别》研究工作：LiqDetector系统通过基于双反射模型的方法实现了容器独立的液体检测功能。
该研究工作对应的DOI编号为：https://doi.org/10.1145/3631443
论文速览 IMWUT 2024 | 毫米波雷达在液体识别中的应用研究 | LiqDetector: 基于双重反射模型的无容器毫米波雷达液态物检测器开发
1 引言
该技术在多个应用领域均展现出重要价值,涵盖水质监测、酒精变质检验以及违禁物品识别等多个方面。就便携性和经济性而言,传统设备往往具有较高的成本和不便的携带性,因而无线信号驱动下的非接触式检测方式逐渐受到广泛关注。相较于WiFi及RFID等技术,毫米波雷达系统具备覆盖频段广且成本低廉的特点。就目前而言,基于毫米波雷达实现的液体检测方法主要包括两类:一种是利用机器学习算法构建液体分类模型;另一种则是研发能够反映液体电学特性与信号变化之间关系的数学模型。就适用范围而言,基于模型分析的技术具备更为广泛的适应性
然而
2 动机
容器的放置方位、材质和大小会对液体检测产生三方面影响:
(1)容器方位角不同会改变信号的天线增益。
(2)容器材质不同会改变界面反射系数。
(3)容器大小不同会改变双界面间的传播衰减。
要实现液体检测在不同容器环境下的独立性,需要彻底消除三个主要因素的影响。论文提出了一种非常巧妙且高效的方案——通过同时分析容器前后两界面反射信号的幅度比值,即可实现对前面提到的三种容器依赖性的消除。
图:液体检测双界面反射示意图
如图所示,当雷达位于液面上方时,接收到两部分反射信号:
- 前界面的反向传递现象表明了...A。
- 当一部分光线穿过玻璃容器壁时，在后表面发生了反向传递现象。
两信号的幅度比值能消除天线方向性差异,实现容器方位角无关。
当雷达置于液面之下时，则仅接收来自前表面反射的回波C波段信号。通过上下两处前表面信号幅度之比的应用，则能够有效抵消对容器材料所带来的影响。综合运用这一对比值信息，则能唯一地基于液体折射率来排除所有与容量大小、材料以及观察角度相关的干扰因素。
3 方法
3.1 双界面反射模型
具体来看,信号传播损耗遵循以下公式:
A_{interfaceA} = A_tG_tG_r\frac{\lambda}{4\pi (2L)}\cdot r_{outer2air}
该模型通过数学推导实现了某种特定的计算方式，在理论上能够准确地预测系统性能参数
A_{interfaceC} = A_tG_tG_r\frac{\lambda}{4\pi (2L)}\cdot r_{outer2liquid}
其中，
- A_t 表示发射信号的初始幅度；
- G_t 表示发射天线与接收天线之间的增益；
- G_r 表示接收天线相对于液面的标准增益；
- L 代表雷达到液面的距离；
- \lambda 表示电磁波在介质中的传播波长；
- \alpha 为大气对电磁波传播造成的衰减效应；
- d 是容器壁厚；
- r 是液面半径；
- t 为时间参数。
可以看出,界面B的信号衰减程度明显高于界面A.然而,两界面信号幅度之比可用于抵消天线方向性的影响.
R_{A→B} = \frac{A_{Interface_A}}{A_{Interface_B}} = \frac{e^{2\alpha d}}{\text{the product of } t_{\text{outer}→\text{air}}, r_{\text{air}→\text{outer}}, \text{and } t_{\text{air}→\text{outer}}}.
通过测量Ratio_{A2B}和d,可计算外部介质(容器及空气)的折射率n_{outer}。
进一步,两处前界面信号比值可消除容器材质影响:
Ratio_{A2C} = \frac{A_{interfaceA}}{A_{interfaceC}}=\frac{r_{outer2air}}{r_{outer2liquid}}
基于两组特定比率Ratio_{A2B}和Ratio_{A2C}的分析结果,可以仅仅依靠被测介质的折射率n_{liquid}来进行检测,从而避免了外界环境因素对测量结果的影响.
3.2 实验验证
作者开发了基于60GHz雷达与可升降平台构建的LiqDetector系统。结果显示该方法能够以高精度估计各种液体的折射率，并且不同容器对测量误差的影响较小。此外，该方法不仅能够识别6种液体（包括危险性较高的液体），还能根据酒精浓度实现精确分类。
图形显示，在不同容器和不同方位角下测量的六种液体相对折射率数据。结果表明，材料性质与方位角对折射率估计的影响差异较小。
4 不足和展望
本文方法有以下一些局限:
- 规则形状的容器在剧烈摆动时会使模型失效。可以通过引入有效截面积的概念来解决这一问题。
- 多目标情况目前难以处理。未来研究可考虑采用雷达移动扫描技术或天线阵列来获取更多空间信息。
- 该方法目前仅能用于静止状态下的液体分析。进一步研究可引入流体粘度等参数信息以适应动态液体环境。
- 探测隐藏的液体具有重要的实用价值。通过分析人体不同部位的反射信号特征可以实现更为精准的探测。
5 总结
本文提出了一种双界面反射模型，并成功实现了毫米波雷达在液体检测中的应用。该模型通过有效排除了液体体积变化带来的影响，并且能够基于液体折射率进行准确识别。此外，在文章中还详细阐述了该方法在实际应用中所涉及的关键技术要点包括噪声消除、频谱细化以及多峰特征分析等内容。与传统学习方法相比，在可解释性和适应性方面本方法具有较大的优势。