基于SAW_RFID回波信号数字化研究

Based on the Research on the Digitization of SAW_RFID Echo Signals

摘要: 随着声表面波射频识别技术(SAW-RFID)的发展，实现远距离、高分辨率的SAW标签探测成了整个系统的关键因素。针对此问题，将雷达中常用的线性调频脉冲压缩方案用于本系统，来对回波信号进行数字化处理。在matlab中通过加窗及算法处理，做了仿真分析，将脉冲压缩信号的主副瓣比提高了26 dB。其次在带通采样原理下，建立FPGA+AD的硬件采样系统，将回波信号送入FPGA内进行数字下变频，同时将数控振荡器(NCO)硬件流水线结构进行优化，减少了20%系统资源，信号处理延时仅为8.3 us。最后与matlab进行比对，验证此套系统的可行性，为SAW-RFID技术提供了更多的可能。

Abstract: With the development of surface acoustic wave radio frequency identification (SAW-RFID), long- distance, high-resolution SAW tag detection has become a key factor in the entire system. In order to solve this problem, the chirp pulse compression scheme commonly used in radar is used in this system to digitize the echo signal. In MATLAB, through the window addition and algorithm processing, the simulation analysis was carried out, and the main and secondary lobe ratio of the pulse compression signal was increased by 26 dB. Secondly, under the principle of band pass sampling, a hardware sampling system of FPGA + AD is established, and the echo signal is sent into the FPGA for digital down conversion, and the hardware pipeline structure of the numerical control oscillator (NCO) is optimized, which reduces the system resources by 20% and the signal processing delay is only 8.3 us. Finally, it is compared with MATLAB to verify the feasibility of this system, which provides more possibilities for SAW-RFID technology.

1. 引言

声表面波技术(SAW)始于上世纪八十年代，可以实现无线无源传感且具有较强的电磁干扰能力。射频识别技术(RFID)是一种利用射频进行远距离传输的通信技术，是现代电子学，微波学和信号处理的新领域。基于声表面波的射频识别技术(SAW-RFID)可以工作在无线无源的环境下且对比于传统IC-RFID，它具有更大的定位精度和识别距离且成本低体积小，被认为是二十一世纪最具有潜力的技术之一 [1] [2] [3] [4] [5] 。

在SAW-RFID系统中，当随着SAW标签上的信息容量的增加，需要SAW-RFID的阅读器能够更加精准的计算回波时间，除了提高阅读器发射链路和接收链上的激励信号，其中高速数据信号的采集是提高阅读器和SAW-RFID性能的关键因素之一 [6] 。此外对于回波信号，一旦阅读器和SAW标签距离改变，接收链路如何进行有效的接收也是一个问题 [7] 。因此对于理想的信号应具有大的时宽带宽积，脉冲压缩技术很好的实现了这点。传统的SAW-RFID采用基带采样和硬件下变频实现，在DSP器件上通过算法编程实现脉冲压缩。此方案不仅成本高，且存在IQ两路幅值不均等，处理速度慢，延时大等缺点 [8] 。针对上述问题，本文提出了一种基于AD9236 + FPGA设计的高速数据采集系统，且在FPGA内进行数字下变频，并实现脉冲压缩处理 [9] [10] ，利用的是FPGA并行工作的优势，解决实时大数据的处理 [11] [12] 。通过仿真和实验，验证了此方案的可行性。

2. 理论基础

2.1. 线性调频

脉冲压缩一般分为四种方式 [13] ，分别是线性调频脉冲压缩，非线性调频脉冲压缩，相位编码脉冲压缩和时间频率脉冲压缩。由于线性调频信号对多普勒不敏感，同时线性调频通过线性频率调制来获得较大的时宽带宽积，具有较大的抗噪能力，因此一般选择线性调频的方式进行脉冲压缩。线性调频信号的表达式为：

$\begin{array}{c}s\left(t\right)=u\left(t\right)\exp \left(j2\text{π}{f}_{0}t\right)\\ =\frac{1}{\sqrt{T}}rect\left(\frac{t}{T}\right)\exp \left[j2\text{π}\left(f_{0}t+\frac{k{t}^2}{2}\right)\right]\end{array}$ (1)

其中 $T$ 为脉冲宽度， $f_0$ 为信号中心频率， $u\left(t\right)$ 为信号复包络， $u\left(t\right)$ 和 $rect\left(t\right)$ 的具体表达式如下：

$u\left(t\right)=\frac{1}{\sqrt{T}}rect\left(\frac{t}{T}\right)\exp \left(j\text{π}k{t}^2\right)$ (2)

$rect\left(t\right)=\{\begin{array}{ll}1\hfill & -\frac{T}{2}<T<\frac{T}{2}\hfill \\ 0\hfill & 其他\hfill \end{array}$ (3)

其中 $k=B/T$ 为调频斜率，B为信号带宽， $f_0$ 为信号中心频率。当 $f_0$ 趋近于0时，将会得到基带信号。

线性调频信号会在脉冲压缩后的结果出现主副瓣比较小，会使信号处理出现漏捕，解决这一问题会采取加权方式。加权一般会在接收端进行，目的是能够使得发射机处在最佳状态。其中Hamming窗的幅频特性是旁瓣衰减较大，主瓣峰值与第一个旁瓣峰值衰减可达40 db，因此在加窗时选择Hamming窗，与本实验的环境较匹配 [14] [15] [16] 。

2.2. 脉冲压缩

数字脉冲压缩一般在基带信号中实现，当中频回波信号在AD中进行采样，得到数据经过数字下变频，然后在数字下变频中进行混频和低通滤波，变成i/q两路零中频的基带信号，为DDC_OUT_i2和DDC_OUT_q2，接着与本地的匹配滤波器的i/q进行相乘，求差求和得到脉冲后的i/q两路为DDC_OUT_i2_i+DDC_OUT_q2_i和DDC_OUT_i2_q+DDC_OUT_q2_q，最后将信号进行求模得到最终的脉压结果。具体流程图如图1所示。这样使得在发射功率降低的情况下，也能获得较大的时宽带宽积，时宽大可以提高发射信号能量，发射距离远，带宽大可以提高距离分辨力，解决了距离和分辨力之间的矛盾。

Figure 1. Pulse compression flowchart

图1. 脉冲压缩流程图

脉冲压缩有两种实现方法，一类是在频域上进行处理，将零中频回波信号进行快速傅里叶变换，然后与发射信号的频谱相乘，然后再进行逆傅里叶变换得出结果；另一类是时域处理法，将零中频信号与回波信号进行卷积得出结果。虽然时域脉冲对卷积的运算量大，但是减少采样点数或者对脉宽要求不大时，时域脉冲更加适合，结构更加简单，延迟较小，易于实现。时域处理法对回波进行卷积运算公式如下：

$y\left(n\right)=s\left(n\right)\cdot h\left(n\right)$ (4)

其中 $s\left(n\right)$ 为回波信号， $h\left(n\right)$ 是匹配滤波器的冲击相应。匹配滤波器的时域响应函数为：

$h\left(t\right)=Ku\left(t_m-t\right)$ (5)

其中 $u\left(t\right)$ 为输入信号， $t_m$ 为最大信噪比输入时刻， $k$ 为增益常数。为了让 $h\left(t\right)$ 具有更大的时域响应，应满足 $t_m>\tau$ ， $\tau$ 为信号输入结束时刻。假设模拟信号进入AD之后，得到的数字序列为 $q\left(n\right)$ ，在脉宽内取点数为N，则此时匹配滤波器的冲击响应 $h\left(n\right)$ 为

$h\left(n\right)=q\left(N-1-n\right)n=0,1,\cdots ,N-1$ (6)

与上式联立到的最终的匹配滤波器的输出为

$f\left(n\right)={\displaystyle \underset{k=0}{\overset{N-1}{\sum }}x\left(n-k\right)}h\left(k\right)$ (7)

对于理想的脉冲压缩信号需要满足两个条件：第一，发射脉冲信号的相位谱需要是非线性，这是实现压缩的前提，并且脉冲宽度T与有效带宽B之间乘积远远大于1。第二，匹配滤波器与发射脉冲的相频特性须满足匹配共轭，这是脉冲压缩的必要条件，要求匹配滤波器的系数与发射脉冲的系数一致度高。

2.3. 数字下变频

数字下变频不同于模拟下变频，消除了基带调理电路引起的标签回波幅度和模拟I/Q通道相位不平衡的问题，从而使标签上所有反射器对应的回波脉冲序列的时间延迟和相位计算更加稳定和准确。数字下变频包括混频器，低通滤波器和数控振荡器(NCO)，其工作原理是NCO的输出与输入信号进行混频，将输入信号的频谱搬移到基带，再通过低通滤波和抽取，完成IQ两路的输出。

其中NCO是数字下变频中最核心的部分，其产生方式分两种，分别是查表法和坐标旋转法(CORDIC)，对比于查表法，坐标旋转法只需要简单的加减运算，移位拼接即可代替复杂的乘法运算，且在FPGA内部易于实现，不占用ROM资源。对于传统的坐标旋转法，需要每一级的数据实时的反馈至输入端，会导致运行速度降低，吞吐量下降等问题。因此本系统采用的是流水线结构，每一级的运算单元都使用独立的运算空间，虽然占据一定资源，但是速度会更快，吞吐量更大。其硬件流水线结构如下图2所示。

Figure 2. Coordinate rotation method pipeline structure

图2. 坐标旋转法流水线结构图

其工作原理为X和Y寄存器一部分送入自己的加减运算中，一部分送入对方的移位寄存器中。送往自己加减运算中的数据与对方移位寄存器中的数据再做加减运算，因此移位寄存器随着迭代次数的增加而增加。其流水线性结构的每一级都采用独立运算模式，大大增加了运算速度。其中为了保证资源够用， 取值为16即可。当设置频率为120 MHz时，改进后坐标旋转法的逻辑单元为2228个，与文献 [14] 中的2821个提高了接近20%。NCO逻辑占用数如下图3所示：

Figure 3. NCO logical value occupancy

图3. NCO逻辑值占用数

设AD送来的信号的表达式如下：

$s\left(n{T}_s\right)=A\left(n{T}_s\right)\cos \left[2\text{π}{f}_{0}n{T}_s+\phi \left(n{T}_s\right)\right]$ (8)

对其进行化简为：

$s\left(n{T}_s\right)=x_i\left(t\right)\cos \left(2\text{π}{f}_{0}n{T}_S\right)-x_q\sin \left(2\text{π}{f}_{0}n{T}_S\right)$ (9)

当采样频率满足带通采样最佳频率时，即式子(11)时，上式又可以继续化简为：

$\begin{array}{c}s\left(n{T}_s\right)=x_i\left(t\right)\cos \left(2\text{π}{f}_{0}n\cdot \frac{2m-1}{4f_0}\right)-x_q\left(t\right)\sin \left(2\text{π}{f}_{0}n\cdot \frac{2m-1}{4f_0}\right)\\ =x_i\left(t\right)\cos \left(nm\text{π}-\frac{n\text{π}}{2}\right)-x_q\left(t\right)\sin \left(nm\text{π}-\frac{n\text{π}}{2}\right)\end{array}$ (10)

由上式可知，将 $s\left(n{T}_s\right)$ 与NCO所产生的两个本振信号 $\cos \left(2\text{π}{f}_{0}n{T}_s\right)$ 和 $-\sin \left(2\text{π}{f}_{0}n{T}_s\right)$ ，进行混频到IQ两路数据，再通过低通滤波器滤除高频信号，得到的就零中频信号即基带信号。无论 $n$ 为何值时， $\cos \left(nm\text{π}-\frac{n\text{π}}{2}\right)=\left(1,0,-1,0\cdots \right)$ ， $-\sin \left(nm\text{π}-\frac{n\text{π}}{2}\right)=\left(0,-1,0,1\cdots \right)$ 会交互出现，这样子 $\cos \left(2\text{π}{f}_{0}n{T}_s\right)$ 变成[1, 0, −1, 0]的循环序列， $-\sin \left(2\text{π}{f}_{0}n{T}_s\right)$ 变成[0, −1, 0, 1]的循环序列，计算相当方便。

3. 仿真

根据上述理论基础，先在matlab中进行仿真，分为回波信号，数字下变频信号和脉冲压缩信号。对于SAW-RFID系统，其中心频率 $f_0$ 为70 MHz，带宽B为10 MHz，采样率 $f_s$ 设置为80 MHz。先生成回波信号信号，并将其保存在ROM中。随后进行数字下变频，而在数字下变频中，需要设计低通滤波器，低通滤波器是在matlab的fdatool工具箱中生成，目的是滤除高频信号，得到滤波器系数，并将其系数保存到Num数组中，随后对滤波后的两路信号进行四倍抽取，能更直观的查看波形，接着生成本地匹配滤波器，与自相关函数进行时域卷积，同时进行加窗处理，最后求模得到脉压信号。图4~10依次给出在中频信号下进行数字下变频，以及加窗和不加窗之后的脉冲压缩结果。

Figure 4. Medium frequency signal diagram

图4. 中频信号图

Figure 5. I-way signal (real part)

图5. I路信号(实部)

Figure 6. Q-way signal (imaginary part)

图6. Q路信号(虚部)

Figure 7. Low-pass filtered I-way signal

图7. 低通滤波后I路信号

Figure 8. Low-pass filtered Q-way signal

图8. 低通滤波后Q路信号

Figure 9. Windowed pulse compression

图9. 加窗脉冲压缩

Figure 10. Unwindowed pulse compression

图10. 未加窗脉冲压缩

图中横轴为采样点序列，纵轴为幅度，脉冲压缩结果的纵轴为归一化幅度。从上图可以看到，加窗之后的，副瓣降低。未加窗主副瓣比绝对值为26 dB，加窗后主副瓣比的绝对值为52 dB，提高约26 dB，这样使得脉压信号变的更加光滑。同时保存滤波器系数文件，为后续FPGA程序开发所使用。

4. 硬件系统

4.1. 硬件平台

本系统设计是基于FPGA平台进行开发，使用Xilinx公司XC7A35TFGG484作为核心数字处理器件，包含33,280个逻辑单元，250个I/O口，开发环境是基于Vivado，采用Verilog硬件描述语言进行编程。SAW-RFID的射频部分主要包括接收和发射回路。发射链路由射频发射器，增益大器，功率放大器，滤波器，接收发送开关组成。接受链路由射频接收器，低噪放，滤波器和AD组成。AD选用的是一款采样率达到80 MHz，带宽500 MHz，输出12位数据的模数转换芯片。其具体工作流程为，发送链路发送模拟信号经过滤波等过程，传送至开关，再经天线传输至SAW标签，以同样的方式返回，达到接收链路。经过接收链路的下变频至中频，模拟信号被AD采集，数据传输至FPGA，在FPGA内做数字下变频，脉冲压缩处理，最后输出至PC端得到处理后的波形和数据。硬件系统处理过程如下图11所示：

Figure 11. SAW-RFID system flowchart

图11. SAW-RFID系统流程图

4.2. AD设计

根据奈奎斯特采样定理知，若使采样后信号频谱不混叠，采样速率须大于二倍的信号最高频率分量。但由于采样频率过大一方面需采用性能更佳的采样器，另一方面过大的数据量会对整个系统的数据处理能力造成压力，为了解决这一问题，需采用带通信号采样。它对信号的最高频率并无限制，只要带宽有限就能使用。因此带通采样定理的表达式为：

$f_s=\frac{4f_0}{2m-1}$ (11)

其中 $f_0$ 是采样信号的中心频率， $f_S$ 为ADC采样率，m可以取满足 $f_S$ ≥ 2B的任意正整数值即可，表示被采样的中频信号在当前采样频率的第k个奈奎斯特区域。对于SAW-RFID系统， $f_0$ 为70 MHz，带宽B为10 MHz。所以理论上 $f_S$ 为大于20 MHz即可，但是在工程应用中，带通采样的采样频率通常是信号带宽的五倍以上。在上述要求中，选择ADI公司的AD9236作为本实验的ADC。AD9236是一款高性能的高速ADC，最高采样率达到80 MHz，带宽500 MHz，输出12位数据。

为了验证硬件设计及软件设计的正确性，单独对AD9236进行试验，其具体工作流程为，信号发生器输出射频信号时，经过匹配电路提供给能让AD9236采集的模拟信号，经AD内部的模数转化，将数据传输至FPGA内部，考虑到采用的是串口传输，数据较慢，先由FPGA内部的FIFO进行存储，保证读取数据的有效性，再通过串口传输给PC端，具体流程图如图12所示。其中匹配电路设计尤为关键，因为它能保证接模拟输出阻抗与ADC相匹配，同时使得此电路具有带通频率特性，抑制外带信号，防止AD受到高频噪声影响。同时本方案中的匹配电路另一个作用是将单端信号转成差分信号，方便AD9236的输入。

Figure 12. AD flowchart

图12. AD流程图

对AD9236的软件设计结合状态机思想，完成模拟信号同步采集，利用Verilog语言完成对逻辑时序的配置。为了验证AD采样得到的数据与输入数据是否相同，借助matlab的绘制函数图形的功能来判断。利用信号发生器，发射1 MHz的正弦波，在串口助手得到的16位数据进行保存，然后在matlab中对数据进行解析，得到的波形和实际采样波形进行对比，对比图如下图13和图14所示。可知对AD9236的配置正确，能够满足此系统的采样要求。

Figure 13. AD sampling result plot

图13. AD采样结果图

Figure 14. AD acquisition map

图14. AD采集图

4.3. 硬件实现过程

搭建完整的硬件设计电路，同时FPGA配置各模块参数。当模拟信号进入AD时，将AD得到的信号转化为数字信号，对此数字信号进行数字下变频，此时i，q两路的本振信号分别是[1, 0, −1, 0]、[0, 1, 0, −1]的周期序列，再进行低通滤波，需要四组相关的匹配滤波器，来输出最终的i，q两路数据。其中匹配滤波器的系数文件可采用上面仿真前设置的系数文件。接着对数据进行抽取，每隔十个时钟周期，将滤波器的数据有效位拉高。然后进行匹配滤波，不同的是频率变为40 MHz，因为进行了两倍抽取，在此过程中也足够了。最后对数据进行求模得到最终的脉压值，得到波形如下图15和图16所示，图17为本实验采集图。其中信号数字化处理延时仅为8.3 us，远低于硬件下变频时间。

Figure 15. Digital down conversion graph

图15. 数字下变频图

Figure 16. Pulse compression result plot

图16. 脉冲压缩结果图

Figure 17. Experimental acquisition chart

图17. 实验采集图

5. 结束语

随着声表面波系统的快速发展，对SAW标签高分辨力和远距离探测提出了更高的要求。因此本文对SAW-RFID对回波信号，提出了雷达中常用的脉冲压缩方法，属于SAW领域内较新的数字化处理方法。通过matlab仿真，实现信号的数字化处理，并采取加窗方式，将脉冲压缩信号的主副瓣比提高26 dB。然后建立FPGA + AD的硬件采样系统，在带通采样定理下，对AD回波信号进行采样，在FPGA内，实现数字下变频，将NCO的硬件流水线结构进行改进，节省了20%资源，信号处理延时仅为8.3 us，与硬件下变频相比，大大减少了系统数字化处理时间，完全满足系统要求。为SAW-RFID的研究提供了理论和实践基础，也为后续的SAW-RFID数字信号处理提供了有效方法。

致谢

时光荏苒，岁月如梭，经过两年的科研经历，感谢一起奋斗的老师，同学和朋友。没有你们对我的教导和督促，我的成长就不会得到这么大提升。首先感谢我的导师范老师，是你一次又一次地指导我科研工作，提供宝贵的科研经验，以及对我项目数次的点拨，为后面的实验打下了坚实的基础。同时感谢811课题组的所有人，我们一起探讨，一起学习，一起成长，才有了硕果累累的科研成果，才有了一篇又一篇的科研论文。同时感谢我得亲人，是你们提供了经济基础，让我没有了后顾之忧。最后感谢评审委员，对于本论文的评审工作，谢谢你们，辛苦啦！