Advertisement

无线感知论文速览 | IPSN 2023, mmRipple: Communicating with mmWave Radars through Smartphone Vibration

阅读量:

注1: 该文章属于"最新论文速览"系列中的一个专门介绍解读的专著,旨在简明扼要地阐述说明最新的顶会/顶刊论文研究进展与成果。

无线传感器网络论文速览 | IPSN 2023, mmRipple: Communicating via mmWave Radars using Smartphone Vibration

Kaiyan Cui and colleagues developed the mmRipple system for enabling communication between mmWave radars and smartphones through vibration-based signaling. The research was presented at the ACM IPSN conference in 2023.

复制代码
    @inproceedings{mmRipple_IPSN23,
    author = {Cui, Kaiyan and Yang, Qiang and Zheng, Yuanqing and Han, Jinsong},
    title = {MmRipple: Communicating with MmWave Radars through Smartphone Vibration},
    year = {2023},
    isbn = {9798400701184},
    publisher = {Association for Computing Machinery},
    address = {New York, NY, USA},
    url = {https://doi.org/10.1145/3583120.3586956},
    doi = {10.1145/3583120.3586956},
    abstract = {This paper presents the design and implementation of mmRipple, which empowers commodity mmWave radars with the communication capability through smartphone vibrations. In mmRipple, a smartphone (transmitter) sends messages by modulating smartphone vibrations, while a mmWave radar (receiver) receives the messages by detecting and decoding the smartphone vibrations with mmWave signals. By doing so, a smartphone user can not only be passively sensed by a mmWave radar, but also actively send messages to the radar using her smartphone without any hardware modifications to either the smartphone or the mmWave radar. mmRipple addresses a series of unique technical challenges, including vibration signal generation, tiny vibration sensing, multiple object separation, and movement interference mitigation. We implement and evaluate mmRipple using commodity mmWave radars and smartphones in different practical conditions. Experimental results show that mmRipple achieves an average vibration pattern recognition accuracy of 98.60\% within a 2m communication range, and 97.74\% within 3m on 11 different types of smartphones. The communication range can be further extended up to 5m with an accuracy of 91.67\% with line-of-sight path. To our best knowledge, mmRipple is the first work that allows smartphones to send data to COTS mmWave radars via smartphone vibrations and will enable many new applications such as vibration-based near field communication and pedestrian-to-sensing-infrastructure communication.},
    booktitle = {Proceedings of the 22nd International Conference on Information Processing in Sensor Networks},
    pages = {149–162},
    numpages = {14},
    location = {San Antonio, TX, USA},
    series = {IPSN '23}
    }
    
    
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
    
    代码解读

论文原文链接如下:https://www.usenix.org/system/files/conference/nsdi15/nsdi15-paper-roy.pdf

在这里插入图片描述

简介

该系统是论文中提出的一种特殊设计,在普通毫米波雷达中实现了基于智能手机振动进行通信的功能。具体而言:

  • 智 Dual(发射端)利用其内置的传感器将信息编码为信号发送出去;毫米波雷达(接收端)则通过捕捉这些信号并进行解码来完成信息接收。
  • 这样一来,智能手机用户既可以被毫米波雷达被动感知其运行状态,也可以通过智能手机主动编码并传输信号与之通信,无需对相关设备进行任何硬件改动。
在这里插入图片描述

MMRipple成功应对了一系列特殊的和技术问题,在具体应用中涉及到了振动信号的生成、微小振动的感知能力以及多目标分离等问题,并且有效缓解了运动带来的干扰影响。研究论文通过在多样化的实际场景中采用普通的毫米波雷达与智能手机的组合,在理论与实践上实现了系统的构建与性能验证。

实验结果表明, MMRipple技术能在覆盖2米的有效通信距离时达成了平均98.60%的振动模式识别准确率; 当扩大到3米的有效通信距离时,其准确率维持在97.74%.该系统支持多种主流智能手机类型.通过保证无阻挡路径, 该技术可将有效通信距离扩展至5米,此时其识别精度降至91.67%.

MMRipple是一种利用智能手机振动传输数据给商用毫米波雷达的技术,这种技术可能带来基于振动的近场通信以及行人与感知基础设施之间的通信等多种新型应用场景

背景

振动电机:线性谐振驱动单元(LRA)是智能手机中应用最广泛的振动电机类型之一,并主要分为沿Z轴方向和X轴方向的两种形式。其磁性组件沿特定方向发生周期性变化以产生振动效果。

毫米波雷达感知原理 :

距离估计 :毫米波测距系统发送连续线性频率调制(LFM)信号,通过将目标回波信号与发送的连续线性频率调制(LFM)信号进行调制乘积生成频率偏移量;其中产生的频率偏移量与其对应的物体距离呈正相关关系。利用Range-FFT算法对调制后的数字回波数据执行快速傅里叶变换(FFT),即可确定被测物体的距离信息。

微位移测量 : 利用毫米波信号的相位变化能够表征物体微小移动的距离 (< 3.75cm),这有助于检测智能手机运行时产生的微小震动。根据公式推导可知:Δd = (λ × Δφ) / (4π)

在这里插入图片描述

智能手机振动特性分析

  • 振动频率主要集中在100-300Hz区间内,不同品牌智能手机的这一参数值有所区别。
    • 振动幅度约为34.1μm,相移为0.11rad。通过Trise和Tfall两个时间常数可描述完整的振动过程。
    • 不同放置位置会直接影响振动表现而不改变其固有特性。
在这里插入图片描述

发射端设计

  • 振动模式设计 :基于正交Walsh码进行的振动模式设计,以确保各模式间的可分离性;通过反复传输同一振动模式来提升系统的可靠性
在这里插入图片描述
  • 振动信号的产生 :通过调节振动时间和幅度的组合来实现振荡过程。建议将时间参数设置为大于启动周期。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

接收端设计

目标检测 :采用Range-FFT获得距离信息,角度判决获得目标位置。

发射端识别 :检测频谱中是否存在振动频率分量,以判定是否为发射端。

信号分离与恢复 :

  • 多目标在范围分离 :不同距离的目标可以通过Range-FFT实现分隔。
    • 多目标在角度分离 :在同一距离下的不同方向的目标通过波束赋形技术可实现分隔。
    • 多目标在频率分离 :在同一距离下的不同频段的目标可以在频谱维度实现分隔。
在这里插入图片描述

信号解码 :通过定位分隔符将信号分割;依据振动电平判断高低状态;通过交叉相关技术纠正误码。

在这里插入图片描述

信号优化和运动抑制

  • 信号优化 : 利用圆形拟合模型去除静态干扰, 获取有质量意义的振动相位信息。
  • 运动抑制 : 通过一次导数运算抵消动态干扰, 通过动态轨迹整合得到连续的时域信号序列。
在这里插入图片描述
在这里插入图片描述

评估与分析

在这里插入图片描述

11款智能手机2米范围内平均识别准确率可达98.60%,3米可达97.74%。

在这里插入图片描述

与发射端或接收端距离增加,性能降低。功率较弱、多目标干扰 SNR 下降。

在这里插入图片描述

发射端方向改变,振动方向与探测方向失准,性能降低。

多目标通信,可在时域、空域、频域分离信号,准确率91.6%以上。

不同手持姿态、环境干扰,准确率可达93.22%以上,运动抑制技术有效。

在这里插入图片描述
在这里插入图片描述

限制与展望

  • 单向式通信可以通过整合其他反馈通道实现双向互动。
  • 由于通信距离受限于技术限制,可以通过设置多个雷达扩大覆盖范围。
  • 通信速率受启动时间的影响。可以通过重复传输或调整发射端的姿态来提升系统的可靠性。
  • 多目标分离受限于分辨率的限制,可以通过优化系统参数来提升分辨率。

全部评论 (0)

还没有任何评论哟~