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）。
17
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
3. PILAS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Smart Floor，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。
18
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。
19
图7 PILAS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，比如概率理论和软计算。最后，建议PILAS系统应该扩展到处理一个房间中的多人定位。
20
相关推荐：
loading