《基于热释电红外传感器的智能家居室内感应定位系》文献及翻译.docx

《基于热释电红外传感器的智能家居室内感应定位系》文献及翻译.docx

《《基于热释电红外传感器的智能家居室内感应定位系》文献及翻译.docx》由会员分享，可在线阅读，更多相关《《基于热释电红外传感器的智能家居室内感应定位系》文献及翻译.docx（19页珍藏版）》请在冰豆网上搜索。

《基于热释电红外传感器的智能家居室内感应定位系》文献及翻译

毕业设计

外文文献译文及原文

学生：

学号：

200906030218

院（系）：

电气与信息工程学院

专业：

电子信息工程

指导教师：

2013年6月16日

基于热释电红外传感器的智能家居室内感应定位系统

SukLee，电机及电子学工程师联合会会员

KyoungNamHa,KyungChangLee,电机及电子学工程师联合会会员

摘要：

智能家居，是一种可以通过识别具有不同生活习惯和感觉的住户来提供各种不同的智能服务。

而实现这样的功能其中最关键的问题之一就是如何确定住户的位置。

目前，研究工作只要集中于两种方法：

终端方式和非终端方式。

终端方式需要一种住户随身携带的设备，而非终端方式则不需要这样的设备。

本文提出一种使用可以探测到住户的热释电红外传感器（红外传感器）的新的非终端方式。

该系统的可行性已经通过了测试平台的实验性评估。

关键词：

智能家居，定位服务，热释电红外传感器（红外传感器），定位识别算法

1简介

现在由于人人都想有一个方便，舒适，安全的居住环境，因此大家对于智能家居表现的越来越感兴趣[1][2]。

一般来说，智能家居旨在提供合适的智能服务来积极促进住户更好的生活，比如家务劳动，娱乐，休息和睡眠。

因此，为了提高住户的便捷和安全，像家用电器，多媒体设备和互联网设备应通过家庭网络系统连接在一起，如图1所示。

并且它们应通过电视或个人数字助理（PDA）来控制或远程监控[3][4]。

图1智能家居的家庭网络体系结构

尤其要注意的是，作为一种提供高质量的智能服务，目标应集中于定位服务，同时考虑人为因素，比如住户的生活方式，健康状况和居住感受[5]—[7]。

也就是说，如果智能家居能识别住户的生活方式或健康状况，那么家用电器应该能预见住户的需要，并能更主动的提供适合的智能服务。

例如，在一个被动的服务环境下，需要住户控制供热通风与空气调节系统（供暖，通风和空调），而智能家居将根据住户情况自动调节房间的温湿度。

智能家居或智能办公室的各种室内感应定位系统的已经研发到能够识别住户的位置。

一般来说，室内定位感应系统根据测量技术分为三种类型：

三角测量，场景分析和接近方法[8]。

三角测量法是通过多个已知点来计算位置距离。

运用三角测量法的例子包括ActiveBadges[9]，ActiveBats[10]和EasyLiving[11]，它们分别运用了红外传感器，超声波传感器和视觉传感器来实现的。

场景解析法是检测一个场景内的特定着眼点。

场景解析法的典型例子是使用直流磁力跟踪器的MotiveStar[12]，和使用无线局域网络[LAN]标准IEEE802,11的RADAR[13]。

接近法则是以一组已知点中最接近的点近似作为定位点。

接近法的例子有使用压力传感器的SmartFloor[14]。

另外，室内感应定位系统可以根据是否需要住户随身携带一种设备来分类。

终端方式，例如ActiveBats，不需要直接找到住户位置，但是可以感应到住户随身携带的设备位置，例如红外收发器或者射频识别技术（RFID）标签。

因此，如果住户没有随声携带终端设备，那就不可能找到他。

相反的，非终端方式如EasyLiving和SmartFloor则不需要这种设备就能找到住户位置。

然而，人们认为EasyLiving侵犯了住户隐私，SmartFloor则是扩展和维护都比较困难。

本文提出一种使用阵列热释电红外（PIR）传感器实现的基于非终端方式的室内感应定位系统[15][16]。

红外传感器固定在天花板上，并使相邻的传感器的感应范围有重叠。

当它感应到一名住户时，通过多个红外传感器的综合，能够比较准确的确定住户的位置。

该系统不仅具有非终端方式的特有优点，还避免了侵犯隐私，扩展性不佳和维护困难的问题。

为了证明其有效性，已经在实验平台上通过了各种不同测试环境下的实验性评估。

包括此简介，本文共分为四个部分，第二部分介绍基于红外传感器的室内定位感应系统架构（PILAS）以及定位识别算法。

第三部分介绍了基于红外传感器的住户检测法和在实验测试平台上的不同环境下评估系统的表现。

最后一部分为总结和结论。

2基于热释电红外传感器的室内感应定位系统架构

2.1智能家居的结构

鉴于智能家居的室内环境，室内感应定位系统必须满足一下条件。

第一，由于需要在各种大小不同的房间里安装大量传感器来感知智能家居中的住户，因此定位感应系统需保持较低的成本。

第二，传感器的安装必须是灵活可变的，因为各个房间的形状结构不同，并且还有各样阻碍传感器正常工作的家电和家具。

第三，要求定位感应系统使用的传感器能够抵御很强的噪声，这是因为智能家居能利用各种无线传输技术，比如无线局域网，射频系统，它们都会产生电磁噪声，并且光或温度的巨大变化也会影响传感器的正常工作。

最后该系统的精度可以，根据房间类型作出最合适的调节。

尽管基于热释电红外传感器的这个系统有诸多的优点，但在众多满足要求的产品中并不能吸引人们更多的关注。

它已应用于感应灯（当它感应到人体移动时使灯自动打开），并且成本低于许多其他种类的感应器。

另外，由于热释电红外传感器感应的是人体发出的9.4～10.4微米波长的红外线，从温度、湿度和电磁噪声来说，这种波长相对周围环境较为明显。

而且，它可以通过调整感应半径来控制定位精度，并容易安装在天花板上，这样就不会受到房间结构和障碍物的影响。

图2显示的是为住户提供基于位置的智能服务的PILAS智能家居框架。

在这个框架下，包括热释电红外传感器、房屋终端、智能家居服务器和家用电器在内的各种设备通过家庭网络系统连接在一起。

每个房间被视为一个单元，并在每个单元的天花板上安装适当数量的传感器，为定位服务提供足够的定位精度。

每个红外传感器周期性的感应住户位置，然后将感应信息通过家庭网络系统传输到房屋终端。

因此，房屋终端通过集合来自同一个单元的传感器信息来确定住户的位置，再将住户位置传输到智能家居服务器，服务器就会控制家用电器为住户提供基于位置的定位服务。

图2PILAS智能家居框架

在这个框架内，智能家居服务器具有以下功能：

（1）虚拟地图发生器为智能家居提供虚拟地图（生成虚拟地图），并在虚拟地图中标出由房屋终端提供的住户位置信息（标注住户位置）。

然后，它通过连接住户的连续定位点来绘制住户的运动轨迹（追踪住户运动）。

（2）家电控制器通过家庭网络系统发送控制命令给家用电器为住户提供智能服务。

（3）运动模式预测器保存当前的住户运动轨迹、家电的动作和反映居家环境的参数，比如时间、温度、湿度、光照度。

储存足够的信息后，它可能会使家电主动提供满足人们需要的人性化的智能服务。

例如，如果智能家居服务器“知道”住户通常在早上7点醒来，之后要淋浴，它也许就会在那一时间打开灯并播放音乐。

另外，住户的淋浴水温也会被自动记录。

2.2定位识别算法

为了确定住户在房间里的位置，要使用一组热释电红外传感器，如图3所示。

在此图中，每个传感器的感应面呈圆形并且相邻的几个传感器有重叠的感应范围。

因此，当住户进入某一感应区域后，系统根据从房间内的所有传感器收集到的感应信息判断他/她是否属于这一感应区。

例如，当一位住户进入B感应区，a，b传感器输出“ON”信号，而c传感器输出“OFF”信号。

收集输出信号后，该算法可以推断出住户属于B感应区。

根据传感器的数量和传感信号“ON”的排列，住户的位置通常有以下几种情况。

首先，如果只有一个传感器输出“ON”信号，那么认为住户处于该传感器感应区域的中心位置。

其次，如果有两个相邻的传感器输出“ON”信号，那么认为住户位于两传感器的连线中心点处。

最后，如果有三个或者更多的传感器输出“ON”信号，则认为住户位于所有这些传感器的面心处。

比如，假设住户位于图中的点1处，只有一个传感器a输出“ON”信号，而当住户位于点2处，传感器a和b都输出“ON”信号。

图3热释电红外传感器的定位识别算法

这个系统的定位精度定义为假设点和住户之间的最大距离。

例如当住户进入A感应区，住户被假设在点1处。

在此假设中，住户可以代表一个点，热释电红外传感器的感应半径为1米，故定位精确度是1米。

因此，当住户位于A感应区的边缘时最有可能发生判断错误。

另外，当住户位于B感应区时，他被假设为在点2处，定位误差最大时就是实际上住户位于点3处。

在这种情况下，定位误差达1.5米，即在点2和点3之间距离是1.5米。

因此，图3显示的这个系统定位精度被视为1米，这是每个区域定位精度的最大有效值。

传感器的数量和它们感应区域的面积决定了PILAS的定位精度，必须合理安排传感器，以保证系统的精确度。

为了准确判断住户位置，提高系统的精确度，这就需要给定数量的传感器有更大的感应范围。

图4显示的是一些传感器不同排列产生的不同感应范围。

图4（a）和（b）显示的是9个传感器不同排列分别产生的40和21的感应范围。

如果从感应范围来看图4（a）中的排列比图4（b）的好。

但是，按照（a）中传感器的排列，在某些区域将无法感应到住户位置，并且定位精度低于（b）。

图4（c）中显示12个传感器排列成28的感应范围内没有任何盲点。

图4定位精度取决于热释电红外传感器的排列

（a）40感应范围（b）21感应范围（c）12个传感器构成的28感应范围

当传感器如图4（c）一样排列在房间边缘，他有时会产生尴尬的结果。

图5就是一个例子。

图5（a）显示的是住户的运动路线。

如果我们通过使用传感器定位或相邻传感器的中点来标记系统假设的住户位置点，那么运动路线就会变为如图5（b）显示的折形路线。

为了缓解这一问题，我们认为处于房间边缘的传感器稍微向内补偿，结果就如图5（c）。

图5中心点外部传感器的补偿效果

（a）住户的运动路线（b）外部传感器补偿之前（c）外部传感器补偿之后

3PILAS的性能评估

3.1使用热释电红外传感器的住户检测法

结合来自同一单元内的所有传感器的输出并判断是否是单一的传感器是“ON”或“OFF”来确定住户位置，这直接影响定位精度。

总的来说，由于“ON/OFF”的值是通过预先设定的阈值和从红外传感器的模拟信号中抽样获得的数字输出信号相比较来确定，故选择一个合适的信号电平作为阈值是很有必要的。

例如，使用非终端方式的SmartFloor，因为当住户站在某一点不动时，他的重量通过压力传感器的输出是一个恒定电压，故比较阈值和传感器的输出值可以准确的确定住户位置。

但是，红外传感器测量的是人体移动产生的红外线信号的变化，它输出的是模拟信号，如图6所示。

也就是说，当住户进入一个红外感应区，住户发出红外辐射逐渐增强，红外传感器输出一个增大的电压信号。

相反的，当住户离开感应区，电压信号变小。

如果住户站在感应区不动，红外辐射不变，输出电压为0。

因此，当住户一直停留在某一感应区内，只用红外传感器的电压或电流阈值是很难判断的。

图6热释电红外传感器的输出信号

为了保证定位精度，住户检测法必须满足下面几个要求。

首先，如果感应区内没有住户，传感器不能输出“ON”信号。

也就是说，传感器不能被如移动的宠物、温度变化、阳光等干扰而误报。

其次，它应该能精确确定住户进入和离开感应区时的时间点。

那么根据传感器的变化特征、住户的速度和高度应该能完全确定时间点。

最后，因为住户在感应区内没有移动时，红外传感器的输出电压不能超过阈值电压，故判定住户是否停留在感应区内是很有必要的。

为了满足这些要求，下面介绍基于热释电红外传感器的住户检测法来实现。

第一，使用菲涅尔透镜以消除由于宠物或温度变化引起的传感器误报。

菲涅尔透镜安装在热释电红外传感器前部，它只允许人体的红外线波长通过而阻止其他波长的红外线。

第二，当传感器输出电压超过正阈值电压且保持数个采样周期，那么认为住户进入了感应区。

这种方法中的阈值必须有足够的能力区别人体的红外线变化和宠物或者温度变化引起的环境红外信号。

此外，当传感器输出电压低于负阈值电压且保持数个采样周期，则认为住户离开了感应区。

最后，当输出电压处于正负阈值电压之间，例如住户站在某一感应区内不移动，此区域的红外传感器输出就从“ON”变为“OFF”。

在这段时间内，如果安装在它附近的其它传感器不输出“ON”信号，此法认为住户保持在此区域。

3.2使用实验测试平台进行性能评估

为了验证PILAS法的可行性，使用实验测试平台进行测试。

智能家居中的基于位置的智能服务不要求有很高的定位精度，我们设计的系统定位精度为0.5米。

图7显示的是房间中的实验测试平台测量4×4×2.5米（宽×长×高）范围。

此实验中，12个传感器如图4（c）排列在天花板上。

用美国Atmel公司的AT89C51CC001单片机[17]处理信号并判断“ON/OFF”，用日本陶瓷公司RE431B型热释电红外传感器和NL-11型菲涅尔透镜。

特别注意，每个红外传感器套上一个圆环，只允许直径2米的感应范围。

图8显示的是带圆环的实验结果。

在图中，当住户通过感应圆时RE431B型传感器输出信号如（a）所示，而当住户在感应圆区域内移动时输出不规则的信号，如（b）所示。

最后，当住户走出感应圆，没有信号输出，如（c）所示。

根据这些测试结果，证明热释电红外传感器只能感应到在感应区内的住户。

此外，为了判断信号是“ON”还是“OFF”，并考虑到外部环境干扰，有必要为RE431B传感器设置一个阈值。

最初几次实验用于确定阈值，确定时要考虑是由空调或电热器或其他干扰（比如风或阳光）引起的内部温度变化。

基于这些实验结果，当RE431B传感器的阈值设为±0.4V时，外部温度变化不影响其感应住户的性能。

此外，我们还验证了在同样的阈值下，宠物也不会对感应性能造成影响。

图7PILAS实验测试平台

图8保证在边角有准确的感应距离

4总结和结论

本文提出了一种以热释电红外传感器为基础的室内感应定位系统，此系统可以为智能家居中的基于位置的智能服务估计出住户的位置。

本文介绍了感应定位系统中的智能家居框架，综合红外传感器收集的信息实现的定位识别算法。

此外，本文提出了住户检测发放。

最后，对PILAS进行了性能评估。

根据各种条件下的多次实验，我们可以证实，该PILAS法可以相当准确的估计出住户的位置。

此外，由于该系统的定位精度小于0.5米，不需要任何定位识别终端，因此非常实用。

而且，通过增加传感器的数量，或排列传感器使它们的感应范围相等，或对外部传感器的中心进行补偿，可以提高它的定位精度。

由于该系统的定位精度根据传感器的不同排列方法有所不同，我们需要找到最优排列方法以提供最准确的定位精度。

为了提高定位精度，还需要对红外传感器的处理方法应用更先进的技术，最后，建议PILAS系统应该扩展到处理一个房间中的多人定位。

APyroelectricInfraredSensor-basedIndoorLocation-AwareSystemfortheSmartHome

SukLee,Member,IEEE,KyoungNamHa,KyungChangLee,Member,IEEE

Abstract：

Smarthomeisexpectedtooffervariousintelligentservicesbyrecognizingresidentsalongwiththeirlifestyleandfeelings.Oneofthekeyissuesforrealizingthesmarthomeishowtodetectthelocationsofresidents.Currently,theresearcheffortisfocusedontwoapproaches:

terminal-basedandnon-terminal-basedmethods.Theterminal-basedmethodemploysatypeofdevicethatshouldbecarriedbytheresidentwhilethenon-terminal-basedmethodrequiresnosuchdevice.Thispaperpresentsanovelnon-terminal-basedapproachusinganarrayofpyroelectricinfraredsensors（PIRsensors）thatcandetectresidents.Thefeasibilityofthesystemisevaluatedexperimentallyonatestbed.

IndexTerms：

smarthome,location-basedservice,pyroelectricinfraredsensor（PIRsensor）,location-recognitionalgorithm

1Introduction

Thereisagrowinginterestinsmarthomeasawaytoofferaconvenient,comfortable,andsaferesidentialenvironment[1],[2].Ingeneral,thesmarthomeaimstoofferappropriateintelligentservicestoactivelyassistintheresident’slifesuchashousework,amusement,rest,andsleep.Hence,inordertoenhancetheresident’sconvenienceandsafety,devicessuchashomeappliances,multimediaappliances,andinternetappliancesshouldbeconnectedviaa

homenetworksystem,asshowninFig.1,andtheyshouldbecontrolledormonitoredremotelyusingatelevision（TV）orpersonaldigitalassistant（PDA）[3],[4].

Fig.1.Architectureofthehomenetworksystemforsmarthome

Especially,attentionhasbeenfocusedonlocation-basedservicesasawaytoofferhigh-qualityintelligentservices,whileconsideringhumanfactorssuchaspatternofliving,health,andfeelingsofaresident[5]-[7].Thatis,ifthesmarthomecanrecognizetheresident’spatternoflivingorhealth,thenhomeappliancesshouldbeabletoanticipatetheresident’sneedsandofferappropriateintelligentservicemoreactively.Forexample,inapassiveserviceenvironment,theresidentcontrolstheoperationoftheHVAC（heating,ventilating,andairconditioning）system,whilethesmarthomewouldcontrolthetemperatureandhumidityofaroomaccordingtotheresident’scondition.Variousindoorlocation-awaresystemshavebeendevelopedtorecognizetheresident’slocationinthesmarthomeorsmartoffice.Ingeneral,indoorlocation-awaresystemshavebeenclassifiedintothreetypesaccordingtothemeasurementtechnology:

triangulation,sceneanalysis,andproximitymethods[8].Thetriangulationmethodusesmultipledistancesfrommultipleknownpoints.ExamplesincludeActiveBadges[9],ActiveBats[10],andEasyLiving[11],whichuseinfraredsensors,ultrasonicsensors,andvisionsensors,respectively.Thesceneanalysismethodexaminesaviewfromaparticularvantagepoint.RepresentativeexamplesofthesceneanalysismethodareMotionStar[12],whichusesaDCmagnetictracker,andRADAR[13],whichusesIEEE802.11wirelesslocalareanetwork（LAN）.Finally,theproximitymethodmeasuresnearnesstoaknownsetofpoints.AnexampleoftheproximitymethodisSmartFloor[14],whichusespressuresensors.

Alternatively,indoorlocation-awaresystemscanbeclassifiedaccordingtotheneedforaterminalthatshouldbecarriedbytheresident.Terminal-basedmethods,suchasActiveBats,donotrecognizetheresident’slocationdirectly,butperceivethelocationofadevicecarriedbytheresident,suchasaninfraredtransceiverorradiofrequencyidentification（RFID）tag.Therefore,itisimpossibletorecognizetheresident’slocationifheorshe