为接触者追踪构建更精确的无线测距解决方案

作者:Stephen Evanczuk

投稿人:DigiKey 北美编辑

无线测距可以在自动追踪密切接触者时起到关键作用,该技术能够帮助识别并分析像新冠肺炎这样可能通过密切接触者传播的传染病的疫情。使用蓝牙低能量(BLE)的传统测距方法在理论上可以提供准确的数据,但射频(RF)信号传输的实际限制会影响这种准确性。随着对帮助遏制COVID-19传播的更有效方法的需求增长,开发商正在寻找传统方法的替代品,以提供最大的准确性,同时仍然平衡成本和易于部署。

为了满足这些需求,Dialog半导体公司已经开发了一个软件解决方案,利用目前可用和部署的BLE技术和基础设施。一旦作为公司BLE系统芯片(SoC)设备的软件升级实施,该解决方案可以实现更精确的、类似雷达的无线测距。

这篇文章介绍了联系人追踪的工作原理。然后介绍了Dialog半导体公司的蓝牙设备和配套软件,它们为实现合同追踪和其他接近检测应用所需的精确无线测距提供了更精确的解决方案。

为什么接触者追踪对于遏制COVID-19至关重要?

限制传染病的传播是流行病学的基石,在管理面临像严重急性呼吸系统综合症冠状病毒2(SARS-CoV-2)这样的新病毒的人群健康方面尤为关键,该病毒引起COVID-19疾病。减少疫情爆发的最有效工具之一是使用接触者追踪做法。

接触者追踪在原则上听起来很简单:识别并通知最近与传染病人接近并可能自己被感染的人。在实践中,接触者追踪的工作流程是相当复杂的,通常要依靠大量的个案工作人员来采访受感染的人,并通知和帮助那些可能有后续感染风险的人(图1)。当这些被通知的人进一步限制他们与其他人的接触时,病毒的传播链就会中断。

疾病预防控制中心联系人追踪工作流程图片图1:美国疾病控制和预防中心(CDC)建议采用接触者追踪工作流程,在感染者提供的接触者名单的基础上,通知那些可能需要在建议的14天内对推定的COVID-19感染者进行自我隔离的个人。(图片来源:CDC)

对于COVID-19来说,需要快速识别和通知可能的感染,这一点特别重要,研究人员仍在努力全面了解其传播和感染模式。事实上,关于COVID-19的基本医学相关事实只是在最近才被开发出来。例如,在SARS-CoV-2病毒被确认的几个月后,流行病学家证实,尚未出现COVID-19症状的感染者有可能传播病毒[Furukawa]1

由于了解到这种无症状传播是可能的,早期接触者追踪对于减缓COVID-19大流行病的传播变得非常重要。使用标准的流行病学建模方法,CDCCOVIDTracer电子表格工具展示了早期接触者追踪对100,000人的代表性人口中每日病例的影响(图2)。

CDC模型的图表说明了不同的策略如何能使曲线变平。图2:CDC的一个模型说明了在10万人口中,使用不同的策略可以使一年内发现的新病例的曲线变平。红色虚线表示每个接触追踪策略的开始。(图片来源:CDC)

如图2所示,疫情的发展过程会因选择三种不同的接触者追踪策略之一而有很大不同。

  • 策略1:只有在一个人已经出现COVID-19的症状后,才开始对其进行接触追踪(在这个模型中,根据研究报告,在感染后7天)。
  • 策略2:当受感染者首次出现症状时(感染后6天),立即开始追踪接触者。
  • 策略3:当COVID-19检测发现一个感染者,但在该人出现症状之前(感染后4天,根据研究,此时无症状传播成为可能),立即开始追踪接触者。

即使在个人成为传染病后立即开始追踪接触者(策略3),进行接触者追踪所需的个案工作者数量也会迅速增长。疾病预防控制中心的模型说明了每个感染个体病例平均5次接触(图3中的 "低")和每个病例平均20次接触(图3中的 "高")所需的人员增长。

疾病预防控制中心的模型图显示了不同的策略,以减少执行接触追踪所需的个案工作人员的数量图3:CDC模型显示,假设每个案件平均有5个联系人("低")或20个联系人("高"),使用不同的策略可以降低进行接触者追踪所需的个案工作人员数量。(图片来源:CDC)

尽可能早地追踪接触者和足够的工作人员的双重要求,促使人们努力寻找技术解决方案,以识别和联系可能与受感染者接近的个人。与其要求受感染的个人记住联系人,并要求个案工作者追查这些联系人,适当的技术解决方案可以自动记录与可能使用相同技术的其他人接近的情况。事实上,这种方法可以提供第四种策略,能够对在第0天遇到的个人进行追溯性的接触追踪,而医学研究表明,受感染的个人本身会从其他一些有传染性的个人身上感染疾病。如上图所示,提前通知联系人可以极大地拉平每日案件和所需工作人员的曲线。

由于其在智能手机和其他个人移动电子设备上的广泛使用,蓝牙立即成为自动追踪联系人的首选技术。它迅速成为制造商、医疗团体和政府组织的一些合作努力所开发的移动应用程序的基础。然而,在对这些应用程序的有效性的研究中,蓝牙的局限性导致了令人失望的结果。

为什么用蓝牙自动追踪联系人的做法令人失望

原则上,蓝牙技术似乎是自动追踪联系人的理想解决方案。它的普遍性确保了作为交付平台的广泛可用性,其能力似乎满足了移动应用程序的基本要求,旨在记录与其他使用相同技术的个人的近距离接触的情况。

记录联系人实例至少需要两个信息:与联系人的距离和一些与联系人相关的全球唯一ID。通常实现为一个经常变化的随机值,这个独特的ID被高级应用软件用来通知联系人,同时保持隐私,使用不同的方法超出本文的范围。

蓝牙广告协议提供了一个满足这些基本要求的现有机制。作为蓝牙协议栈的一个标准功能,广告协议允许设备以最小的功率消耗周期性地传输一个小的有效载荷,如唯一的ID。接收广告协议包的设备也会接收到接收信号强度指标(RSSI)值,大多数无线射频子系统提供的是信号强度的相对测量,范围在0到100之间,或由设备制造商定义的其他上限。

从理论上讲,随着发射器和接收设备之间的距离增加,接收器的无线电强度与距离的平方成正比下降。因此,相关的RSSI值将平滑地单调地减少。

在实践中,RSSI和距离之间的关系可以有很大的变化,正如多年前监督蓝牙发展的组织--蓝牙特别兴趣小组(SIG)所指出的那样[Gao]2。信号反射、阻挡和干扰会大大改变信号强度。因此,RSSI和距离之间的关系可以从一个样本到另一个样本而变化,即使发射器和接收器保持静止。在最近的一项关于蓝牙RSSI对联络人追踪的有效性的研究中,研究人员发现RSSI可以上升或下降,而发射器和接收器之间的物理距离没有变化,这取决于智能手机被用户持有的方式或被他们的身体屏蔽的方式,或者无线电信号被周围结构反射、阻挡或吸收的方式[Leith]3

开发人员采用了不同的策略,试图平滑RSSI的变异性。除了简单地对多个RSSI测量值进行平均,试图利用RSSI提高距离测量的准确性,已经采用了不同的过滤方法,但效果有限。其他接触者追踪建议使用其他无线电技术,如超宽带(UWB),但与蓝牙不同,这些技术缺乏实现立即广泛使用自动接触者追踪应用程序以帮助管理COVID-19疫情所需的普遍安装基础。

相比之下,Dialog半导体公司提供了一种软件解决方案,旨在轻松升级其蓝牙硬件解决方案,以提供有效的接触追踪所需的精确无线测距。

升级蓝牙片上系统以实现精确的接触追踪

Dialog半导体公司的无线测距(WiRa)软件开发工具包(SDK)与其DA1469x系列BLE SoC器件配合使用,以解决现有蓝牙技术的精确测距需求。Dialog Semiconductor的BLE SoC旨在满足各种移动产品的要求,它集成了Arm®Cortex®-M33和一个完整的蓝牙5无线电子系统,具有自己集成的基于Arm Cortex-M0+的控制器和一套完整的集成外设(图4)。

Dialog Semiconductor DA1469x系列BLE SoC的示意图(点击放大图4:Dialog Semiconductor DA1469x系列BLE SoC结合了一个Arm Cortex-M33主处理器、一个带有自己的Arm Cortex-M0+的专用蓝牙5无线电系统以及典型无线移动产品所需的一套全面外设。(图片来源:Dialog Semiconductor)

与任何蓝牙兼容平台一样,Dialog半导体公司的DA1469x系列支持标准的广告模式,其基础是用于在零售场所提供特定位置的信息的信标技术。然而,使用WiRa SDK,开发者可以部署一个类似雷达的协议,能够达到传统蓝牙RSSI无法达到的测距精度水平。最重要的是,这种新增能力可以部署在现有的基于DA1469x的设备上。

在这种增强的无线测距方法中,蓝牙设备执行对话音交换(DTE)协议(图5)。

Dialog Semiconductor WiRa SDK的示意图图5:Dialog Semiconductor WiRa SDK通过在两个连接的设备之间实现DTE数据交换来实现类似于雷达的无线测距,其中一个是标准的蓝牙中心角色,另一个是标准的蓝牙外设角色。(图片来源:Dialog Semiconductor)

在该协议中,蓝牙设备使用传统的BLE中心和外围角色成对连接。中央设备发出DTE启动请求,使两个设备同步,然后在BLE空闲期间,在指定的时间和预先定义的频率集上发送DTE音。反过来,每个设备的无线电子系统对收到的音爆进行高分辨率采样,并提供同相和正交(IQ)信号输出。使用IQ样本,每个设备为每个突发频率(称为 "原子")计算相位,产生一个该设备特有的频率曲线。

在与其对应的设备交换其特定的频率配置文件后,每个设备都使用这些数据,使用WiRa SDK支持的两种方法之一来计算距离。在反快速傅里叶变换(IFFT)方法中,IFFT计算将频率曲线数据转化为时域,并将与脉冲响应峰值相关的时间延迟映射为距离测量。

在基于相位的方法中,计算使用两个装置的每个原子的相位数据来寻找相位差异。利用这些结果,根据公式1,计算将平均相位差映射到距离(D),单位为米(m)。

等式 1等式 1

其中:

𝑐=光速,单位为米/秒(m/s)

∆𝜑 = 相位差,弧度

∆𝑓=频率差,赫兹(Hz)。

𝑁 = 原子的数量

虽然底层机制和计算相当复杂,但Dialog半导体公司使开发人员能够简单地评估这种方法并在他们自己的设计中实施。开发人员可以将Dialog半导体公司的DA14695无线测距开发套件(DA14695-00HQDEVKT-RANG)插入他们的个人电脑USB端口,并立即开始使用该公司的样本软件探索无线测距功能。

基于Dialog SemiconductorDA14695BLE SoC,该无线测距套件的电路板可作为一个有效的平台,通过在样本软件的基础上实现定制软件,或在定制软件应用中使用WiRa SDK无线测距服务程序。

除了其WiRa SDK,Dialog半导体公司还提供了一个样本社会测距软件包,用DTE实现增强型无线测距,并提供了一套相关的软件程序,包括基于IFFT和基于相位的距离测量方法。例如,清单1中所示的基于相位的计算例程cwd_calc_distance()是对上述基于相位的距离测量方程的直接实现。

副本
float cwd_calc_distance(float *init_phase_atom, float *refl_phase_atom)
{
    float *dd_phi = d_phi; /* reuse d_phi, or: float dd_phi[CWD_N_ATOM_MAX-1];*/
    float dd_phi_mean;
    int i;
 
    for (i = 0; i < cwd_parm.n_atom; i++)
    {
        /* phase "difference" between initiator and responder */
        d_phi[i] = init_phase_atom[i] + refl_phase_atom[i];
 
        if (i != 0)
        {
            /* phase difference between neighboring frequencies */
            dd_phi[i-1] = d_phi[i] - d_phi[i-1];
        }
    }
 
    unwrap_phase(dd_phi, cwd_parm.n_atom - 1, 1);
 
    /* average dd_phi */
    dd_phi_mean = 0;
    for (i = 0; i < cwd_parm.n_atom - 1; i++)
    {
        dd_phi_mean += dd_phi[i];
    }
    dd_phi_mean = dd_phi_mean / (cwd_parm.n_atom - 1);
 
    dd_phi_mean = wrap_to_two_pi(dd_phi_mean - CWD_PHASE_OFFSET);
 
    /* distance */
    return (dd_phi_mean * CWD_C_AIR/(4 * M_PI * cwd_parm.f_step * 1e6));
}

清单1:这个计算程序是对上述基于相位的距离测量方程式的直接实现。(代码来源:Dialog Semiconductor)

结语

无线测距可以为自动追踪接触者提供重要的推动力,以帮助识别COVID-19等传染病的爆发,但传统的蓝牙协议未能可靠地提供所需的精确距离测量。

为了解决这个问题,Dialog半导体公司的一个软件解决方案提供了一个更准确的、类似雷达的无线测距解决方案,可以作为一个软件升级来实现基于该公司蓝牙低能量系统芯片的系统。这种方法提高了准确性,同时控制了成本,并能在目前活跃的设备上快速部署。

参考文献:

  1. [Furukawa]支持无症状或无症状时传播严重急性呼吸系统综合症冠状病毒2的证据
  2. [高]接近性和RSSI
  3. [Leith]冠状病毒接触追踪。评估使用蓝牙接收信号强度进行近距离检测的潜力

免责声明:各个作者和/或论坛参与者在本网站发表的观点、看法和意见不代表 DigiKey 的观点、看法和意见,也不代表 DigiKey 官方政策。

关于此作者

Stephen Evanczuk

Stephen Evanczuk 拥有 20 多年的电子行业编辑经验,主题涉猎广泛,涵盖硬件、软件、系统以及包括物联网在内的各种应用。他拥有神经网络领域的神经科学博士学位,曾经从事航空航天领域大规模分布式安全系统和算法加速方法方面的工作。目前,他不是在撰写技术和工程文章,就是在研究深度学习在识别和推荐系统方面的应用。

关于此出版商

DigiKey 北美编辑