注入鎖定技術化解雜訊　無線通訊裝置也能當體感雷達

2018-12-25

洪子聖

體感是透過偵測與辨識使用者的肢體動作來控制周圍的電子裝置，它除了在觸控與聲控都不方便實施的時候有特別的需要性，近年來更結合擴增實境(Augmented Reality, AR)與虛擬實境(Virtual Reality, VR)等技術而成為熱門的人機互動介面，在遊戲、導覽、醫療及機器人等領域都有很多創新的應用。

體感裝置早期多為接觸式，如Wii搖桿或行動裝置上的慣性感測器，但非接觸式體感裝置能容許肢體更自由的活動而受到更大的歡迎。目前主流的非接觸式體感技術為光學3D感測器，譬如微軟(Microsoft)的Kinect與英特爾(Intel)的RealSense等，然而光學感測器容易受到背景光線的影響，並且受限於視野(Field of View, FOV)角度使體感能操作的空間範圍有局限性，另外一旦有障礙物遮蔽時就無法使用。

都普勒雷達

目前體感應用之都普勒雷達，雖然無法提供身體影像資料，但對身體動作的偵測表現上卻勝過光學感測器，包括具有更快的偵測反應，幾乎無死角的偵測範圍，以及穿越障礙物的能力而讓感測器可以被隱藏起來，此外因沒有影像資料，有利於降低侵犯隱私的疑慮。但可惜這些體感應用的雷達目前沒有專屬使用頻譜，只能操作在2.4GHz、5.8GHz、24GHz或60GHz等免授權頻段，著名例子為Google在Soli計畫中的60GHz手勢雷達。然而同樣操作在這些免授權頻段卻有非常多的無線通訊裝置，譬如Wi-Fi及藍牙(Bluetooth)，都對雷達形成巨大的干擾源，況且現階段雷達也無法像無線通訊裝置般能夠處理干擾及碰撞問題，所以體感雷達目前很難普及於世。

其實只要想辦法讓雷達與無線通訊裝置能夠共存而不受其干擾，才是釜底抽薪能夠普及的關鍵。根據都普勒效應，任何電磁波碰到移動物體而產生的反射波都會有微小的頻率變化，即為大家熟知的都普勒頻移(Doppler Frequency Shift)。各種無線通訊系統所發射的訊號也是電磁波，而這些通訊用途的訊號已無時無刻無所不在地碰到我們的身體，故被身體反射的訊號其都普勒頻移若能被偵測到，將有機會實現能全天候工作且涵蓋面最廣的體感裝置。當然想利用習知的技術要做出這樣的體感裝置是不可能的任務，原因是體感造成都普勒頻移很小，通常在幾Hz以內，而訊號又非常微弱，一定會被振盪器的相位雜訊及通訊調制訊息給淹沒而無法被挖掘出來，即使最先進的國防被動式雷達(Passive Radar)運用複雜的相關性訊號處理技術，也很難克服去偵測出這麼小的都普勒頻移。

注入鎖定技術

注入鎖定技術是筆者研究團隊於2010年首度應用在雷達上，具有大幅度提升雷達偵測靈敏度的優點。

所謂注入鎖定是一振盪器在被外部注入訊號給鎖定時會輸出與外部訊號同步之振盪訊號，經常用在訊號源之同步與除頻等電路中，其除了具有同步的效果外，還能去除振盪器本身的相位雜訊。

注入鎖定技術應用在體感雷達上有兩種實施方式，一種是由振盪器發射訊號出去，再將碰到人體而反射帶有都普勒頻移的訊號注入回振盪器中形成注入鎖定狀態，此時振盪器的輸出訊號經過簡單的頻率解調，就能夠放大都普勒頻移訊號並去除相位雜訊，且因為注入鎖定操作頻寬很小的關係而能夠濾掉絕大部份的通道雜訊，故相對於未使用注入鎖定方法，對提升普勒頻移的訊雜比動輒超過100分貝，此為「自我注入鎖定雷達」(Self-Injection-Locked Radar, SIL Radar)的操作原理，很適合用在生命偵測器(Life Detector)偵測生物微弱的生命徵象訊號，譬如呼吸、心跳、脈搏等。第二種實施方式則與本文被動式雷達應用有關，即雷達本身不發射訊號，而是藉由接收無線通訊訊號就能解調出身體動作造成的都普勒頻移，並加以辨識來進行各項體感應用。

讓無線通訊裝置增加雷達功能

圖1為在常見的多天線(Mulitple-Input Multiple-Output, MIMO)無線通訊裝置，譬如手機、Wi-Fi分享器、蜂巢式網路小基站等，在每個MIMO接收通道都加裝一個都普勒偵測器(Doppler Detector, DD)，就能讓無線通訊裝置具有雷達感測功能。因為是多天線操作的關係，這樣的雷達還是一種先進的MIMO雷達，具有波束成形(Beamforming)能力去追蹤移動狀態下的人體，並能同時偵測多人身體動作。此外，此都普勒偵測器只接收由無線通訊裝置發射訊號出去碰到人體反射回來的訊號，本身不發射訊號故無不會形成無線通訊裝置的干擾源。若是頻分雙工(Frequency Division Duplex, FDD)系統此都普勒偵測器所接收的訊號頻率是發射訊號的頻率，若是時分雙工(Time Division Duplex, TDD)系統此都普勒偵測器處理訊號的時間是在發射時間內，故都不會與無線通訊裝置接收機所處理的訊號發生碰撞，故雷達與無線通訊裝置兩者是可以共存的。

都普勒偵測器設計

圖2所示為此都普勒偵測器電路架構，其核心電路為一注入鎖定正交接收機(Injection-Locked Quadrature Receiver, ILQR)，乍看之下，與無線通訊裝置的射頻接收機架構相似，唯一差別就是振盪器不再只有輸出本地振盪訊號，也要接收來自無線通訊裝置發射機的訊號而形成注入鎖定振盪器(Injection-Locked Osicllator, ILO)。

此都普勒偵測器是將無線通訊裝置發射機產生訊號經由耦合器(Coupler)取一小部分做為ILO的注入訊號SINJ，大部分訊號經過分配器(Splitter)再經由天線發射出去成為無線通訊裝置的發射訊號STX，STX在碰到人體而反射的訊號為帶有都普勒頻移的回波訊號SECHO，SECHO由原天線接收後經分配器與低雜訊放大器後成為ILQR的射頻訊號SRF，ILO的輸出訊號則是本地振盪訊號SLO，經過正交解調就可以得到都普勒IQ訊號。

這樣的都普勒偵測器運作機制為何能消除振盪器相位雜訊及通訊調制訊息的影響呢？答案就是使用注入鎖定技術，當ILO因接收到發射機注入訊號SINJ而處於注入鎖定狀態下，其輸出之本地振盪訊號SLO的相位會在注入鎖定頻寬內與發射訊號的相位同步，而ILO自身相位雜訊則因注入鎖定效應而消失，且剛好帶有都普勒頻移的射頻訊號SRF也具有發射訊號的相位，故SRF與SLO在正交解調的混頻過程中就能將發射訊號的相位訊息給抵消掉而輸出只有都普勒頻移成份的基頻IQ訊號。接下來就以Wi-Fi分享器為應用實例，在其各路MIMO通道都裝上一2.4GHz頻帶都普勒偵測器電路板(圖3)，就可讓Wi-Fi分享器除了原先無線聯網功能外，還有以下展示的體感功能。

實例一：非接觸控制手機螢幕

圖4展示Wi-Fi分享器一路安裝有都普勒偵測器的MIMO通道被用來偵測單手動作，包括前推(Push)與後拉(Pull)兩種動作，以控制一台無線聯網到Wi-Fi分享器的手機變換螢幕頁面。在這展示中，Wi-Fi訊號為混合b/g/n模式，為了增加感測距離到1公尺，此路MIMO通道使用了增益為12dBi的指向性天線。Wi-Fi體感雷達可偵測到手掌移動的方向、速度與位移，並依據手掌移動方向控制手機螢幕往前或往後翻頁，為了避免手掌的隨意動作誤判為指令，手掌的移動速度與位移都需要超過門檻值才會將動作判定為指令。

實例二：可訓練協調性之體感遊戲

圖5展示Wi-Fi分享器兩路安裝有都普勒偵測器的MIMO通道用來同時偵測雙手協同動作，以控制一台無線聯網到Wi-Fi分享器的電腦遊戲人物執行各種動作包括跑步、跳躍、靜止還有改變方向等。同樣為了增加感測距離，此兩路MIMO通道都使用指向性天線，其中一天線偵測左手掌的左右擺動，另一天線偵測右手掌的上下擺動，並且此兩天線的極化方向是彼此正交的，使各自能偵測不同維度的手掌動作而不會相互干擾。另外，手掌的移動速度與位移也需要超過門檻值才會將動作判定為指令。遊戲設計目的在訓練雙手要能協同動作，才能順利克服遊戲內的種種關卡。

實例三：機器學習辨識手勢與手語

以上的體感應用是以手掌單維度移動方向、速度與距離做為辨識控制指令的依據，更複雜的手勢則有跨維度的移動包括手掌的轉動，手指的開合，甚至到手語等動作。圖6為使用Wi-Fi體感雷達偵測這些複雜手勢之都普勒IQ訊號波形。一般而言，要辨識這些複雜手勢需要依賴機器學習方法自動學習其與都普勒IQ訊號波形之間的對應關係，一如語音辨識的機器學習過程。目前利用結合卷積神經網路(Convolutional Neural Network, CNN)與長短期記憶(Long Short-Term Memory, LSTM)網路去辨識圖6所示手勢都可以達到9成5以上的準確率，故預計不久的將來，Wi-Fi體感雷達就能具有手語辨識的功能。