近期，智次方·物聯網智庫有機會采訪到了來自劍橋大學的傅哲博士和在讀博士生劉錚，他們為我們分享了團隊在RFID領域所做的一系列前沿工作。
2017年(nian)時，專業的(de)(de)(de)工具(ju)(ju)制造商史丹利百得(Stanley Black&Decker)旗下子公(gong)司CribMaster通(tong)過使(shi)用(yong)跟蹤解決方案商PervasID的(de)(de)(de)技術(shu)，推出了具(ju)(ju)有(you)內(nei)置庫存和工具(ju)(ju)跟蹤功能(neng)的(de)(de)(de)“世(shi)界上最精(jing)確的(de)(de)(de)智能(neng)工具(ju)(ju)柜”。基于PervasID所提供的(de)(de)(de)RFID閱讀器，智能(neng)工具(ju)(ju)柜中(zhong)每一個使(shi)用(yong)無源(yuan)RFID標簽(qian)的(de)(de)(de)工具(ju)(ju)(最多500個)，都可以在幾(ji)秒鐘(zhong)內(nei)被跟蹤。
據估(gu)計，對于(yu)航(hang)(hang)空業來說，異物(wu)(wu)碎片(FOD)每(mei)年造成(cheng)的(de)(de)直接和間接成(cheng)本為130億(yi)美元，其中包(bao)括(kuo)航(hang)(hang)班延誤、飛(fei)(fei)機更(geng)換和燃油效率低下(xia)。因(yin)此，對每(mei)一種工具進行跟(gen)蹤是非常必要的(de)(de)，而該(gai)(gai)解決方案通過提供高達99.9%的(de)(de)實時準確性，可以確保工具都在柜里而不是落在飛(fei)(fei)機上(shang)，極大地減少了(le)航(hang)(hang)空業中由(you)異物(wu)(wu)碎片引起的(de)(de)問題。目前，北(bei)美最(zui)大飛(fei)(fei)機制(zhi)造商之一已將(jiang)該(gai)(gai)方案部署在了(le)數百架飛(fei)(fei)機上(shang)。
除了航空業的應用(yong)(yong)之(zhi)外(wai)，RFID在(zai)其他諸多領域也在(zai)大放異彩(cai)，對于(yu)與制造、零售和(he)物流息息相關的倉(cang)儲來說，將(jiang)RFID技術和(he)產品(pin)用(yong)(yong)于(yu)庫(ku)存跟蹤、盤點和(he)資產管(guan)理的自動化，將(jiang)對行業起到革命性的顛覆作用(yong)(yong)，進(jin)而實現傳統(tong)工廠和(he)倉(cang)庫(ku)的數字(zi)化管(guan)理和(he)智能化升級(ji)。
RFID讓倉儲(chu)環境再無死角
在(zai)目(mu)前的(de)(de)(de)(de)(de)倉(cang)儲場景(jing)下，快遞(di)或(huo)(huo)(huo)貨(huo)(huo)品的(de)(de)(de)(de)(de)包裝上(shang)多是二維碼(ma)和條形碼(ma)，對貨(huo)(huo)物(wu)進行(xing)定位和軌跡規劃(hua)的(de)(de)(de)(de)(de)前提是對這些碼(ma)的(de)(de)(de)(de)(de)精(jing)確(que)識別。目(mu)前，行(xing)業(ye)使用最多的(de)(de)(de)(de)(de)識別方(fang)式還是有源設備或(huo)(huo)(huo)視覺(jue)系統(tong)，但存(cun)在(zai)費用較高且需要定時維護(hu)的(de)(de)(de)(de)(de)問題。尤其(qi)是對于視覺(jue)系統(tong)來說，最大(da)(da)的(de)(de)(de)(de)(de)弊端(duan)在(zai)于如(ru)果出(chu)現了遮擋或(huo)(huo)(huo)者多個貨(huo)(huo)品疊放的(de)(de)(de)(de)(de)情況，或(huo)(huo)(huo)是標簽(qian)受到污染或(huo)(huo)(huo)者損(sun)壞，攝(she)像(xiang)頭的(de)(de)(de)(de)(de)識別就會受到極大(da)(da)的(de)(de)(de)(de)(de)限制，如(ru)現在(zai)制造業(ye)中大(da)(da)火(huo)的(de)(de)(de)(de)(de)“黑燈工廠(chang)”，在(zai)沒有光線(xian)或(huo)(huo)(huo)是昏暗(an)的(de)(de)(de)(de)(de)情況下，攝(she)像(xiang)頭的(de)(de)(de)(de)(de)穩定性將(jiang)受到極大(da)(da)的(de)(de)(de)(de)(de)挑(tiao)戰問。
相比之下，如果使用無源RFID標簽就可以最大程度的避免這種(zhong)情況的出(chu)現(xian)。通常，RFID系統由讀(du)寫(xie)器、電子標(biao)簽(qian)(qian)和數(shu)據(ju)管(guan)理系統三部(bu)分組(zu)成，對(dui)于(yu)(yu)RFID標(biao)簽(qian)(qian)來說，其(qi)(qi)不僅有一(yi)定(ding)的(de)穿透(tou)性，而且具有條形(xing)碼等(deng)所不具備的(de)防水(shui)、防磁(ci)、耐高溫、使用壽命長、讀(du)取距離(li)遠、標(biao)簽(qian)(qian)數(shu)據(ju)可(ke)以(yi)加密、存儲數(shu)據(ju)容(rong)量大(da)、存儲信息自如(ru)等(deng)優點，也不會受(shou)到(dao)光線的(de)限制。同時，無源(yuan)RFID標(biao)簽(qian)(qian)最大(da)的(de)優勢(shi)在于(yu)(yu)其(qi)(qi)非(fei)常便宜而且無需維(wei)護，在這種(zhong)情況下(xia)還依然(ran)能實現(xian)相對(dui)高精(jing)度的(de)定(ding)位(wei)。因此，無源RFID標簽(qian)不(bu)僅在倉儲(chu)環境中可以被大量使(shi)用，未來在其他場(chang)景中也將大有可為。
據劍橋大學博士生劉錚介紹，他們團隊的主要研究方向是利用無源RFID結合(he)機器人(ren)的方案來進行高精(jing)度室內定位。在實驗室環境(jing)中(zhong)，團隊成員模(mo)擬了倉(cang)儲的環境(jing)，而且考(kao)慮(lv)到實際(ji)倉(cang)儲環境(jing)的面積通(tong)常較大，如(ru)果使用(yong)傳統布置(zhi)固定式天線的方法，所需的天線數量會(hui)非常多，導致(zhi)成本上升，布線也會(hui)十分麻煩。因此，該團隊開創性(xing)地設計(ji)了一(yi)個移動機器人平(ping)臺，可以讓(rang)該平(ping)臺搭載RFID的相關設備(bei)，通(tong)過不斷在倉(cang)儲環境(jing)中(zhong)巡檢來收(shou)集信息。
從上(shang)圖(tu)中可(ke)以(yi)(yi)看到，移動機(ji)器(qi)人平臺的(de)最底部(bu)搭載了電(dian)池，可(ke)以(yi)(yi)為整(zheng)個(ge)設備供(gong)電(dian)，在(zai)(zai)電(dian)池的(de)上(shang)面安裝(zhuang)了樹莓派(pai)控(kong)制(zhi)板，能(neng)控(kong)制(zhi)移動機(ji)箱、小(xiao)車(che)、相應的(de)讀寫器(qi)、天線(xian)以(yi)(yi)及設備，在(zai)(zai)樹莓派(pai)的(de)上(shang)面則是用(yong)來讀取無(wu)源RFID標簽信(xin)息的(de)讀寫器(qi)，此外(wai)，小(xiao)車(che)本(ben)身(shen)也有一些傳感器(qi)，如激光(guang)測距雷達(da)，可(ke)以(yi)(yi)測量小(xiao)車(che)與環境(jing)的(de)一些距離信(xin)息。
在移動機器人平臺的(de)(de)最上(shang)方，團(tuan)隊成員為其安裝了射頻(pin)天(tian)線，最多可(ke)以支持四(si)根。在模擬倉(cang)儲(chu)的(de)(de)空間中，團(tuan)隊人員在不同位置(zhi)放置(zhi)了一(yi)些無源RFID 標(biao)(biao)簽，部分可(ke)用做公共參考(kao)標(biao)(biao)簽，其他標(biao)(biao)簽則(ze)可(ke)以貼在要追蹤(zong)的(de)(de)貨品(pin)上(shang)面作為目標(biao)(biao)標(biao)(biao)簽。此外(wai)，該(gai)平臺還可(ke)以連接到本地的(de)(de)網(wang)絡(luo)當中，使得移動機器人平臺可(ke)以通過(guo)網(wang)絡(luo)被遠(yuan)程操控。
在研(yan)發出這(zhe)款(kuan)移動機器(qi)人平臺之后，該團隊還基(ji)于平臺研(yan)發出了(le)針(zhen)對不(bu)同(tong)場景的(de)全(quan)新定(ding)位(wei)算(suan)(suan)法(fa)，如：ISAR-SAR定(ding)位(wei)算(suan)(suan)法(fa)、基(ji)于k值的(de)定(ding)位(wei)算(suan)(suan)法(fa)、基(ji)于幾何關系的(de)定(ding)位(wei)算(suan)(suan)法(fa)，基(ji)于GNN模型的(de)算(suan)(suan)法(fa)等，以此實(shi)現對目標的(de)高精(jing)度定(ding)位(wei)和追(zhui)蹤。
多種算法助力高精度定位
在高精度(du)定位方面(mian)，一(yi)直有(you)兩方面(mian)問(wen)題亟待解決。首先是(shi)要清楚知道移動機器(qi)人平臺(tai)本(ben)身的(de)位置(zhi)，只有(you)這(zhe)樣才能進行路徑規劃和決策，這(zhe)也是(shi)目前很多獨角獸(shou)公司重點投入的(de)方向；其次，標簽的(de)位置(zhi)也很重要，可(ke)以通過移動機器(qi)人平臺(tai)的(de)移動軌跡(ji)來預測標簽的(de)位置(zhi)。劉錚博士為我們分享的(de)四種定位算法(fa)均在解決這(zhe)兩個問(wen)題上產生了突(tu)破性進展：
ISAR-SAR定位算法(fa)
該(gai)算(suan)(suan)法(fa)利用低成(cheng)本的(de)(de)無源RFID 標(biao)(biao)簽來計(ji)算(suan)(suan)移(yi)(yi)(yi)動(dong)平(ping)臺(tai)的(de)(de)軌(gui)跡，再用環境中的(de)(de)參考標(biao)(biao)簽來衡量(liang)軌(gui)跡的(de)(de)匹配度，最后使用估測(ce)出的(de)(de)軌(gui)跡對(dui)目標(biao)(biao)標(biao)(biao)簽進行定位。在(zai)這個算(suan)(suan)法(fa)當中，最核(he)心的(de)(de)就是(shi)SAR（合成(cheng)孔徑(jing)雷達）算(suan)(suan)法(fa)，可(ke)以在(zai)移(yi)(yi)(yi)動(dong)平(ping)臺(tai)沿著已知軌(gui)跡前進的(de)(de)過(guo)程當中，不斷地對(dui)目標(biao)(biao)標(biao)(biao)簽進行讀寫，從而(er)獲得相位等一系列(lie)信息，由此計(ji)算(suan)(suan)出目標(biao)(biao)標(biao)(biao)簽在(zai)空(kong)間中某位置的(de)(de)概率熱(re)圖。通(tong)過(guo)SAR算(suan)(suan)法(fa)，可(ke)以得到(dao)(dao)一個相對(dui)較(jiao)高的(de)(de)定位精(jing)度，但缺點是(shi)需要測(ce)量(liang)移(yi)(yi)(yi)動(dong)平(ping)臺(tai)的(de)(de)軌(gui)跡，而(er)這些(xie)軌(gui)跡通(tong)常需要一些(xie)額外的(de)(de)設(she)備(bei)或使用SLAM算(suan)(suan)法(fa)等方式來得到(dao)(dao)。
針對SAR算(suan)(suan)法(fa)的(de)(de)(de)這個缺點，該(gai)團隊還提出(chu)了ISAR（逆合成孔徑(jing)雷達）算(suan)(suan)法(fa)，通過鋪設位(wei)置已知(zhi)的(de)(de)(de)無(wu)源參考(kao)標(biao)簽來(lai)計算(suan)(suan)下一(yi)時(shi)刻移動(dong)平臺在各個位(wei)置出(chu)現的(de)(de)(de)概(gai)率，并將(jiang)最(zui)大(da)的(de)(de)(de)概(gai)率值設定為估(gu)(gu)(gu)算(suan)(suan)位(wei)置，通過不斷(duan)(duan)重復這些步驟，進(jin)而得到一(yi)條完整(zheng)的(de)(de)(de)估(gu)(gu)(gu)測(ce)(ce)路徑(jing)。當有了這條預估(gu)(gu)(gu)的(de)(de)(de)路徑(jing)之后，還可以(yi)利用參考(kao)標(biao)簽對估(gu)(gu)(gu)測(ce)(ce)軌跡進(jin)行(xing)評估(gu)(gu)(gu)，并使用ISAR-SAR 循(xun)環算(suan)(suan)法(fa)繼(ji)續進(jin)行(xing)優化，通過不斷(duan)(duan)調整(zheng)算(suan)(suan)法(fa)的(de)(de)(de)參數來(lai)得到最(zui)優路徑(jing)，以(yi)此(ci)對目標(biao)標(biao)簽進(jin)行(xing)定位(wei)，從而進(jin)一(yi)步降低定位(wei)誤(wu)差。
基于(yu)k值的定(ding)位算法
當移(yi)動平臺向前移(yi)動的(de)(de)(de)過(guo)(guo)程(cheng)中經過(guo)(guo)標(biao)簽時，相(xiang)(xiang)位(wei)通(tong)(tong)常會(hui)呈現出(chu)某種周期性的(de)(de)(de)變化(hua)，通(tong)(tong)過(guo)(guo)對相(xiang)(xiang)位(wei)進(jin)行(xing)解纏(chan)并(bing)擬合(he)(he)曲線，也可(ke)(ke)以(yi)用來(lai)確(que)定(ding)(ding)位(wei)置(zhi)。獲(huo)(huo)(huo)取(qu)(qu)相(xiang)(xiang)位(wei)和(he)RSSI信息后，通(tong)(tong)過(guo)(guo)接收(shou)到(dao)的(de)(de)(de)RSSI的(de)(de)(de)強度(du)，可(ke)(ke)以(yi)衡(heng)量接受到(dao)的(de)(de)(de)信號穩定(ding)(ding)與否，從而(er)獲(huo)(huo)(huo)取(qu)(qu)有(you)效的(de)(de)(de)數(shu)據集(ji)。獲(huo)(huo)(huo)取(qu)(qu)到(dao)有(you)效的(de)(de)(de)數(shu)據集(ji)之后，目標(biao)標(biao)簽平行(xing)于(yu)(yu)軌(gui)跡的(de)(de)(de)位(wei)置(zhi)可(ke)(ke)以(yi)通(tong)(tong)過(guo)(guo)分析(xi)相(xiang)(xiang)位(wei)曲線的(de)(de)(de)駐(zhu)點并(bing)結合(he)(he)移(yi)動機器人(ren)位(wei)置(zhi)計算(suan)得出(chu)。垂直于(yu)(yu)軌(gui)跡的(de)(de)(de)位(wei)置(zhi)可(ke)(ke)以(yi)通(tong)(tong)過(guo)(guo)調(diao)整(zheng)k 參數(shu)獲(huo)(huo)(huo)得。相(xiang)(xiang)比(bi)于(yu)(yu)之前的(de)(de)(de)算(suan)法，基于(yu)(yu)k值的(de)(de)(de)定(ding)(ding)位(wei)算(suan)法對算(suan)力的(de)(de)(de)需(xu)求(qiu)較小，定(ding)(ding)位(wei)出(chu)目標(biao)標(biao)簽位(wei)置(zhi)所需(xu)的(de)(de)(de)時間(jian)也較短(duan)，也可(ke)(ke)以(yi)擴展到(dao)三維空間(jian)中用來(lai)確(que)定(ding)(ding)高度(du)信息。此方法可(ke)(ke)以(yi)快速(su)確(que)定(ding)(ding)目標(biao)標(biao)簽的(de)(de)(de)位(wei)置(zhi)范圍(wei)，進(jin)而(er)再細化(hua)標(biao)簽精確(que)位(wei)置(zhi)。
基于幾何關(guan)系的定位方法
這種方法的(de)(de)優點是無(wu)需對(dui)軌(gui)跡(ji)進行(xing)精確測量(liang)，而且只要非(fei)常少量(liang)的(de)(de)參(can)考標(biao)簽就可以實現對(dui)目(mu)標(biao)標(biao)簽的(de)(de)定(ding)位。因為移動機(ji)器人(ren)平臺大致處于勻速前行(xing)的(de)(de)狀態，所(suo)以通過(guo)不(bu)同時(shi)刻移動平臺距離不(bu)同標(biao)簽的(de)(de)位置和夾角，就可以大致得出軌(gui)跡(ji)的(de)(de)方向(xiang)，通過(guo)軌(gui)跡(ji)的(de)(de)方向(xiang)并分析(xi)軌(gui)跡(ji)、參(can)考標(biao)簽和目(mu)標(biao)標(biao)簽之間(jian)的(de)(de)空(kong)間(jian)幾何(he)關系(xi)，即(ji)可得到目(mu)標(biao)標(biao)簽所(suo)在的(de)(de)位置。這個方法進一步減(jian)小系(xi)統(tong)對(dui)參(can)考標(biao)簽密度的(de)(de)依賴性，也減(jian)輕了(le)(le)(le)輔助器件數據(ju)的(de)(de)分析(xi)壓力，降低了(le)(le)(le)計算成本和能耗，同時(shi)縮(suo)短了(le)(le)(le)定(ding)位時(shi)間(jian)。
GNN定(ding)位算法
在移(yi)動機(ji)器(qi)人平臺前進的過(guo)程中，每一(yi)個(ge)采樣點(dian)(dian)都可以看做是一(yi)個(ge)節(jie)點(dian)(dian)，包含著相位、RSSI、機(ji)器(qi)人位置(zhi)(zhi)等信息(xi)。在不同的相鄰節(jie)點(dian)(dian)之間(jian)，可以按照(zhao)平臺移(yi)動的順(shun)序連接成邊，進而構建出一(yi)個(ge)圖(tu)結(jie)(jie)構，再(zai)將其放到(dao)(dao)圖(tu)神經網絡(luo)中進行訓練，便可以通過(guo)模型得(de)到(dao)(dao)目標(biao)標(biao)簽(qian)位置(zhi)(zhi)的預測結(jie)(jie)果。
RFID未來(lai)大有可為
據傅哲博(bo)士介紹(shao)，目前全(quan)球(qiu)大概有(you)超(chao)過8個RFID高校(xiao)團隊(dui)(dui)在做相關的產品工作，國內的企業團隊(dui)(dui)數量也在逐漸增(zeng)加，不同(tong)團隊(dui)(dui)之間的區(qu)別大多在于各自研發的移動平臺(tai)和(he)使用的RFID系(xi)統不盡相同(tong)。
當然，在倉儲場景中(zhong)，雖然相比于視覺(jue)方案更有優(you)勢，可RFID也有其自身的不足，如(ru)隨著空間(jian)中(zhong)物品的密度上升到(dao)一定程度之后，使用RFID識別也會遇到(dao)瓶頸。由于硬(ying)件讀(du)(du)取率的(de)(de)限制，每個(ge)標簽(qian)的(de)(de)被(bei)采(cai)樣(yang)率次數會隨標簽(qian)數量上(shang)升而(er)降低(di)(di)。同時，機器人的(de)(de)移動速度(du)增加也會導致采(cai)集到的(de)(de)有效信息減(jian)少，多徑(jing)和復雜環境(jing)以及(ji)物品自身材(cai)料的(de)(de)問(wen)題，都會使(shi)系(xi)統定(ding)位的(de)(de)性能降低(di)(di)。此(ci)外，讀(du)(du)寫(xie)距(ju)離有限也是(shi)亟待解(jie)(jie)決的(de)(de)問(wen)題，因此(ci)在一個(ge)場(chang)景中(zhong)需要多個(ge)RFID讀(du)(du)寫(xie)器來覆(fu)蓋也是(shi)目前的(de)(de)一個(ge)痛點，傅(fu)哲所(suo)在的(de)(de)團隊(dui)也通過重新(xin)設計讀(du)(du)寫(xie)器和改進算法解(jie)(jie)決了(le)長距(ju)離讀(du)(du)寫(xie)等(deng)方面的(de)(de)問(wen)題。
對于未來如何實現(xian)落地(di)，傅哲博士也提出了自己的想法(fa)。他表示(shi)，室(shi)內(nei)多功能感知融合機器(qi)人和(he)醫(yi)療健康(kang)會是(shi)下(xia)一步的發展趨勢(shi)。例如(ru)，當前的(de)(de)大部分(fen)掃地(di)機器人(ren)還只能(neng)完成最基礎的(de)(de)清潔工(gong)作，由于受(shou)到(dao)成本的(de)(de)限制，無(wu)法進(jin)一(yi)步增加過(guo)多的(de)(de)功能(neng)，而低成本的(de)(de)RFID則剛好(hao)可(ke)以(yi)解(jie)決這一(yi)問題，通(tong)過(guo)在各種(zhong)物品上(shang)使(shi)用無(wu)源RFID標簽，可(ke)以(yi)構建出一(yi)個大范圍(wei)的(de)(de)識別(bie)場景，并且無(wu)需像藍牙、Wi-Fi、UWB一(yi)樣使(shi)用電池(chi)。而且RFID可以用來(lai)解決佩戴設備臃(yong)腫、人(ren)員隱私等多類問(wen)題，為提供高(gao)效低成(cheng)本的優質(zhi)服務提供有效的技術解決方案，未來(lai)具有更大(da)的想象空間。傅哲博士近期利用無源RFID實現的有關遠程感知，肢(zhi)體識別(bie)，眼動追蹤等室內智能物聯(lian)網系統在不斷的驗證(zheng)他的想法(fa)。
附團隊成(cheng)員簡介(jie)：
傅哲
劍(jian)橋(qiao)(qiao)大(da)(da)(da)學(xue)(xue)(xue)博(bo)士。現任復睿(rui)微電子資(zi)深AI科(ke)學(xue)(xue)(xue)家，曾任華(hua)為英國研(yan)發技(ji)術(shu)(shu)顧問，PervasID公(gong)司(si)技(ji)術(shu)(shu)顧問，劍(jian)橋(qiao)(qiao)大(da)(da)(da)學(xue)(xue)(xue)工程系(xi)博(bo)士后研(yan)究員(yuan)。主要從事射頻(pin)識別技(ji)術(shu)(shu)(RFID)，智慧物聯網系(xi)統（AIoTs），人(ren)機交互系(xi)統(HMI)等(deng)領域研(yan)究。曾獲劍(jian)橋(qiao)(qiao)大(da)(da)(da)學(xue)(xue)(xue)圣(sheng)凱(kai)瑟(se)琳杰(jie)出研(yan)究成果獎(jiang)，劍(jian)橋(qiao)(qiao)大(da)(da)(da)學(xue)(xue)(xue)博(bo)士全額獎(jiang)學(xue)(xue)(xue)金等(deng)榮譽，發表多(duo)(duo)篇國際學(xue)(xue)(xue)術(shu)(shu)期(qi)刊(kan)且擁有多(duo)(duo)項科(ke)技(ji)專利。曾在清(qing)華(hua)大(da)(da)(da)學(xue)(xue)(xue)，中科(ke)院大(da)(da)(da)學(xue)(xue)(xue)，浙(zhe)江大(da)(da)(da)學(xue)(xue)(xue)等(deng)多(duo)(duo)所高校，劍(jian)橋(qiao)(qiao)阿登(deng)布魯(lu)克醫院，劍(jian)橋(qiao)(qiao)創新和創業(ye)營，以及(ji)多(duo)(duo)個國際會議上進行過學(xue)(xue)(xue)術(shu)(shu)匯報(bao)。IEEE CRFID外聯主席，JoVE期(qi)刊(kan)編輯，IEEE IoTs, IEEE Sensors等(deng)期(qi)刊(kan)審稿人(ren)。
劉錚
2014年(nian)考(kao)入謝(xie)菲(fei)爾(er)德大(da)學(xue)(xue)(xue)(xue)電子(zi)(zi)與電氣工(gong)程系(xi)電子(zi)(zi)與通(tong)信工(gong)程專(zhuan)業(ye),在校期間因成績優異曾經多次獲(huo)得本科生學(xue)(xue)(xue)(xue)術成就(jiu)獎(jiang)學(xue)(xue)(xue)(xue)金。2017年(nian)獲(huo)謝(xie)菲(fei)爾(er)德大(da)學(xue)(xue)(xue)(xue)一(yi)等學(xue)(xue)(xue)(xue)士學(xue)(xue)(xue)(xue)位,同年(nian)考(kao)入劍(jian)(jian)橋(qiao)大(da)學(xue)(xue)(xue)(xue)工(gong)程系(xi)光子(zi)(zi)與電子(zi)(zi)集成系(xi)統專(zhuan)業(ye)。2018年(nian)獲(huo)劍(jian)(jian)橋(qiao)大(da)學(xue)(xue)(xue)(xue)研(yan)究型碩(shuo)士學(xue)(xue)(xue)(xue)位,目(mu)前在劍(jian)(jian)橋(qiao)大(da)學(xue)(xue)(xue)(xue)先進光電子(zi)(zi)中心(xin)繼續深造、攻讀博(bo)士學(xue)(xue)(xue)(xue)位。博(bo)士研(yan)究方向為(wei)基于(yu)無源(yuan)射頻識別技術和移(yi)動(dong)機(ji)器人平臺的(de)高精度室(shi)內定位系(xi)統及算法(fa)，在相(xiang)關頂(ding)會頂(ding)刊發(fa)表多篇論(lun)文。博(bo)士研(yan)究項目(mu)通(tong)過控(kong)制移(yi)動(dong)機(ji)器人來收集相(xiang)關射頻信息，并(bing)利(li)用合成孔徑(jing)雷達(da)、粒子(zi)(zi)濾波(bo)器、神(shen)經網絡等算法(fa)，實現對(dui)移(yi)動(dong)機(ji)器人軌跡的(de)追蹤(zong)和對(dui)目(mu)標(biao)物體位置(zhi)的(de)定位。
