0-概述：
本文根据Wi-Fi电磁波在不同介质的土壤中的传播所花的费的时间，与空气中传播所花费的时间，推导出不同介质的土壤的介质常数，通过介质常数来代入求土壤中的求湿度的函数，以及土壤中求电导率的函数，从而求出土壤中的湿度与电导率。本文用大篇幅的内容介绍通过设置无线电波的频率，以及考虑影响土壤的湿度与电导率等多种因素（天线的相对距离，地下天线填埋的深度，不同的土壤介质等）来进行试验，找出一组能够设备测量出精准的测量结果的参数。最终形成一套可以测量出土壤参数的设备。最后用价格极低价格无线网卡来说明可以使用Wi-Fi无线网卡实现低成本的土壤感知。
1-引言：
目前对于土壤湿度和电导率的测量主要依赖于专用的传感设备，高昂的部署成本限制了其在实际农业生产中的使用。WiFi作为一种广泛部署的高吞吐量无线通信技术，在通信的过程中提供了诸如接收信号相位（Received Signal Phase, RSP）、信道状态信息(Channel State Information, CSI)等多种传播信息，可以基于该信息完成对信道状态的推测，广泛应用于定位定姿、行为识别以及材料检测等多种场景。本文基于WiFi信号提出了低成本的土壤状态检测系统（Soil Testing using RF Probes，Strobe），通过建立WiFi信号传播过程中CSI信息和土壤电容率和电导率的映射模型，以此完成对土壤湿度等信息的推断。据我们所知，Strobe是第一项使用WiFi射频信号来进行土壤状态检测的工作，并在多个实验平台下验证了其在实际应用中的可靠性。
2-背景介绍：
目前农业的高产量主要依靠农药化肥的大量投入，大部分化肥和水资源没有被有效利用而随地弃置，导致大量养分损失并造成环境污染，给农业生产的可持续发展带来了很大的挑战。结合物联网技术的发展，智慧农业的概念被提出并得到了广泛的研究，智慧农业作为农业生产的高级阶段，其中一个重要目标就是实现对土壤的精准感知，主要包括土壤的湿度和电导率。目前对于土壤湿度和电导率的测量主要依赖于专用的传感设备，然而，商业土壤湿度传感器的高成本和1000美元以下电导率传感器的不准确性限制了它们的使用，给智慧农业中的土壤精准感知带来了经济上的挑战。
无线信号具有覆盖范围广、穿透能力强、部署成本低等优势，在定位定姿、行为识别以及材料检测等多种场景中取得应用。WiFi作为一种广泛部署的高吞吐量无线通信技术，在通信的过程中对外提供接收信号强度(Received Signal Strength, RSS)，接收信号相位RSP、信道状态信息CSI、信道到达时间(Time of Arrival, TOA)或到达时间差(Time Difference of Arrival, TDOA)以及信号到达角度(Angle of Arrival, AOA)等信息，在多个领域的无线信号感知中广泛使用。
基于实际需求和现有技术，考虑到空气和土壤物理特征（电容率和电导率）的差异性，导致无线信号在土壤中具有更强的衰减特征。本文提出了Strobe系统，通过对无线信号传播特征的分析来测量土壤中的湿度以及电导率，旨在为智慧农业中精准灌溉的实现提供数据基础，达到节约农业用水使用的效果，同时也避免因灌溉过量水，导致化肥以及农药渗透到土壤深度，污染地下水的情况发生。
3-相关工作：
3.1 土壤的相关属性介绍
电容率又叫介电常数或介电系数，介电常数会影响电磁波的传播速度, 常用ε表示。电导率也叫导电率，是用来描述物质中电荷流动难易程度的参数，在本文中反映土壤中所含有电荷的含量从而得出土壤中的含盐量。
因Strobe系统是通过电容率以及电导率来推导出土壤中的湿度以及含盐度。电导率当使用不同方式测量的时候，可能有不同的名字，比如相对介电常数，表观介电常数。如果不能够很清楚地理解他们，那么会对实验的结果会感到很困惑。所以文章将简单介绍土壤中的相关属性。
（i）：介电常数和电导率是材料的两个相关电气属性。介电常数给出定义如下
介电常数的实部ε′主要影响无线电波的速度，在土壤研究中，电导率EC (electrical conductivity) σ 和介电常数的虚部ε′′影响电磁波在传播过程中的能量损失。
（ii）：相对介电常是通过绝对介电常数ε*与自由空间中的介电常数ε0之比得出的：
相对介电常数的实部与土壤的湿度直接相关。
（iii）：表观介电常数与相对介电常数的虚部以及EC相关，表观介电常数会对无线电波的速度直接产生影响，给出表观介电常数定义：
其中
（iv）：表观EC σ 是测量出土壤的EC σ，它的值依赖于真实的EC、相对介电常数的虚部以及测量的频率f：
目前的土壤传感器使用表观介电常数约等于等于实际的EC(σa≈ σ)。
（v）：使用湿度表示土壤中的含水量，含水量可用水量与湿土壤、空气以及土壤中的颗粒之比表示，在特定土壤条件下可将表观介电常数εa转换为 θ 的模型，这些可以在传感器的手册中查到，具体可参考文献[16]。
（vi）：使用盐度以S/m为单位测得饱和提取物，使用σe表式盐度。
其中εw为水的介电常数实部,θs表示饱和土壤中的湿度，以及εσa=0 表示当σa= 0时的表观介电常数实部。
3.2 信号衰减和土壤属性的关联
3.2.1无线电波在土壤中传播测量
无线电波在频率为f，距离为d时建模为：
α是土壤中引入的信号衰减系数，信号衰减系数与土壤中的相对介电常数εr′，无线电波的频率f以及ECσ相关。其中tan δ是σ的函数。
β是传播过程中决定相位变化的相位系数。β是无线电波的频率f以及土壤中无线电波传播的速度v函数。
天线波束图、距离d、发送和接受机的增益以及天线增益决定了A的取值。
3.2.2从速度评估表观介电常数εa
由
我们可以得出，
c表示光速，在土壤中电磁波传播d距离远所使用的时间为τ ,那么v=d/τ, 因此介电常数可以通过光速c, 以及在土壤中的传播距离以及时间来描述为
3.2.3从传输损失评估表观电导率
RF射频技术通过测量无线电通过已知距离d的信号传输损失ead来评估损失系数a，表观EC 可通过α，β，tan δ 联立计算出 σa。
下图介绍了如何通过无线电磁波的属性推导出土壤的属性，首先借助于无线电磁波的相位与传输损失的系数推导出土壤中的表观介电常数和电导率，再通过精心研究的模型从而推出土壤中的湿度以及含盐量。
图 1 无线电波属性与土壤属性之间的关系
4-Strobe系统设计
4.1 使用电磁波做土壤检测有什么challenge，以及对应的解决方案
先前的研究的地质雷达借助于RF射频技术，要想精确测量ToF(Time of Flight：电磁波在土壤中的飞行时间)以及信号的衰减，就必须使用专用的硬件以及超大的带宽(例如GPRs通常跨越多个GHz的带宽)才能获得优秀的测量结果，并且基于RF射频技术的感知系统，需要依赖于测量绝对幅度来测量信号衰弱，使得在设计选择以及校准上有很复杂的需求。
于是本文寄希望能够在较小带宽下测量精确的ToF以及为降低信号衰减模型的复杂性使用一种较为简单方法测量出信号的衰减。提出了使用“相对ToF” 来实现必须使用超大带宽的限制，并通过“相对衰减”降低获取信号衰减模型的复杂性。
4.1.1使用相对ToF 实现带宽的限制
根据相关技术部分的介绍，本文最终为实现对土壤湿度与土壤的电导率的测量，就需要测出土壤的表观介电常数以及表观EC。
因为介电常数与土壤之间的折射率关，作者简单使用折射率来描述土壤减慢效应，射率与土壤中的介电常数之间的关系：
通过使用图2的平面无线电波穿过空气与土壤表表面模型，计算相对ToF的时间△τ ：
可以从式中得出，相对ToF与介电常数之间为一个单调的函数关系。故文中接下来，会通过评估相对ToF来评估介电常数。
图 2 平面无线电波穿过空气与土壤表表面模型
4.1.2使用相对衰减降低模型的复杂性
通过绝对信号衰减来测量表观电导率很容出现错误，很难实现和校准。相反，作者提出一种使用多个天线接受的幅度比，称之为“相对衰减”来评估EC。为了解释使用相对衰减的优势，首先来看一下在发送与接受天线之间的绝对衰减：
可以看出在使用绝对ToF测量土壤的湿度和电导率时，需要关注到土壤反射率，天线增益，传播损失以及发送损失等。
在Strobe中，三个天线紧密且方向对齐的天线沿着传输路径经历相似的信号衰减，除了天线之间路径的差异性，就可以消除传输系数，天线增益的需要，就可以计算相对衰减模型。所以通过推导可以得到两个相邻接受天线之间的相对衰减模型为：
上式中，ds,da为在土壤和空气中的传播时间，在正常并且很远的场景下，da1= da2相等，所以相对的衰减模型可以化简为
式中,△d是电磁波到土壤中天线1与天线2的的相对距离,α为衰减系数。
4.2 系统中土壤参数的评估过程
作者首先在USRP((Universal Software Radio Peripheral)平台借助于VNA(vector network analyzer) 探究Strobe系统最佳的工作频率以及对采集的相对ToF(flight of time)与绝对ToF准确性进行评估。
再基于WARP ( Wireless Open-Access Research Platform) 平台围绕使用相对ToF来评估土壤中的介电常数的准确性和在探究不同的含盐量水平对于Strobe测量出的结果带来偏差以及校准之后与专业传感器对比进行研究。
最终使用Wi-Fi cards替代WARP平台，通过对比使用较低成本的网卡与使用WARP平台对于介电常数、电导率的测量结果。实验结果的非常相似性证实了可以通过低成本的网卡实现对土壤的低成本感知。
5-Strobe系统实现：
下面简单介绍Strobe系统的设计，将三根天线连接在MIMO (Multiple-Input Multiple-Output) 的Wi-Fi接受器上，并将接受设备填埋在土壤中，在土壤上方用手机或者可以发射信号的设备，发射土壤中的天线可以接受的信号。在Wi-Fi接受端，使用MUSIC (Multiple Signal Classification)算法对接受的信号求解最短路径。最后Wi-Fi接受端通过天线将接受的CSI（Channel State Information）数据发送到电脑，最终通过使用Matlab实现了一个数据分析框架，因为三根天线被埋在不同土壤中的不同高度，所以三根天线中的接受的信号具有不同ToF、相位和振幅，最后通过这些数据来估计随时间变化土壤湿度和电导率。
图 3 Strobe系统硬件设置(左)和软件栈（右）
图 4 Strobe整个系统示意图
6-Strobe系统实验结果及分析：
作者首先在USRP平台借助于VNA(vector network analyzer)探究Strobe系统最佳的工作频率以及对采集的相对ToF(flight of time)与绝对ToF准确性进行评估。
图 5 Strobe在空气中联合相对和绝对ToF进行性能评估
图中，保持离发送天线最近天线的位置保持不变，横坐标为同时改变三根天线之间的相对距离。即使带宽很小，使用三根天线共同估计相对ToF与绝对ToF也可以得到非常准确的结果，使用在低带宽的情况下使用绝对ToF会出现更大偏差。
其次，作者在WARP上使用2.4GHz的频率70MHz的带宽依次对天线放置在地面以下的深度，土壤的湿度，测量土壤属性的设备，以及相对70MHz的带宽下的20Hz与50Hz对于测出介电常数的误差微基准化进行实验。
图 6 基于相对ToF的土壤介电常数
我们可以从图6中得出，( a )表明在天线深度差上的实验，处较小深度差导致较大的估计误差，（b）是USRP在湿度水平上的实验，即使是很小的带宽也能够区分土壤的湿度，(c)是在2.4G的WARP上的实验，与VNA相比，WARP的介电常数估计更为精准，(d) 对比相对70MHz的带宽下的20Hz与50Hz对于测出介电常数的误差，使用20MHz的带宽可能会导致较高偏差。
在探究不同的含盐量水平对于Strobe测量出的结带来偏差以及校准之后与专业传感器对比进行研究。作者通过传感器测量两个不同含盐量水平的土壤湿度，并用Strobe以及GS3传感器对土壤电容率和EC进行估算，以及使用校准之后的Strobe和土壤传感器对盐度的估算。结果如下所示
图 7 土壤中的盐分对测量的湿度是否有影响
结果表明，盐度越高越会影响Strobe测量的湿度。
图 8 使用Strobe与专用传感器评估土壤中的介电常数和EC
(a) 图我们可以看出Strobe可以很明显区分表观介电常数。
(b) Strobe可以可以很好地测出湿度的变化。但是与真实的湿度还是区别。作者设计了进行了一个校正
(c)图可以看到，校正之后的EC与真实的EC几乎重合。
将校正之后的Strobe与专用的传感器进行比较，如图9所示，发现Strobe可以正确区分所有的盐度水平。
图9 最终将校准的Strobe与专用传感器进行比较
最终使用Wi-Fi cards替代WARP平台，通过对比使用较低成本的网卡与使用WARP平台对于介电常数、电导率的测量结果。实验结果的非常相似性证实了可以通过低成本的网卡实现对土壤的低成本感知。
7-未来的工作探讨：
进行更广泛的评估
可以看到为了使得Strobe能否测量与专用的传感器达到一样的水平，需要在更多的条件下进行更多的测量来评估Strobe性能，接下来会考虑更多的对实验带来影响的因素进行更广泛的评估。
感知更深的土壤
目前的土壤4.5 cm深度进行测量，接下来的工作将解决在更深的土壤深度进行测量。
电池的价格和电池的续航能力
目前这个系统最大的花费是在电池上，后续考虑是否通过芯片睡眠的方式实现电池拥有更久的续航能力。
