NFC、RFID和物联网系统传感器等无线应用得益于塑料基板上印制的低成本天线。然而，当天线集成到系统中时，数据表的规格和天线的实际行为以及与相邻结构的相互作用之间往往存在不匹配。在这种情况下，您需要执行更高级的分析，以完全理解天线的特性——这需要一个精确的天线模型的电磁模型。
从基本几何形状获取印刷天线的几何模型可能会很繁琐，因为印刷天线通常具有多个弯曲和其他结构以增加增益和带宽。一个更简单的解决方案是从照片中导出模型，但如何确保照片提供足够的细节？如何处理这些问题h使用网络摄像头或智能手机拍摄的图像中可能出现的光学失真？
有两个应用程序可以帮助你解决这些问题。计算机视觉工具箱™中的相机校准应用程序可以让您校准网络摄像头，以提高测量精度。然后，您可以使用图像处理工具箱™中的图像分割应用程序对图像进行分割，并获得天线边界。
使用RFID标签为例,本文提出了一种工作流构建和分析天线的照片(图1)。它描述的步骤细分一个图像,发现几何边界,调整天线的大小,使用全波分析天线矩量法(MoM)技术。
图1所示。从照片构建和分析天线的工作流程。
RFID标签
射频识别（RFID）标签通常用于箱子和托盘上的库存跟踪。标签由辐射结构、天线和设计用于在频带上运行的芯片组成。天线通常为窄带，在两个主平面中的一个平面上具有全向图案，并且在共振时具有复阻抗，以确保良好的性能d阻抗匹配芯片的输入。我们在本例中的目标是确认RFID标签天线的端口、表面和场特性。
我们首先在高对比度的背景下拍一张标签的照片。我们用的是便宜的摄像头网络摄像头函数，在MATLAB中直接获取图像®（图2）。
c=网络摄像头（）；img=快照（c）
图2。射频识别标签在高对比度背景下拍摄的照片。
为了保证精确测量沿天线边界的距离，我们将相机直接放置在天线上方，这样沿天线表面的所有点到相机的距离近似相同。
使用相机校准应用程序校准相机
相机校准是任何距离测量工作流程的重要组成部分，尤其是在使用低质量镜头光学元件的相机时，如本例所示。
使用计算机视觉工具箱中的Camera Calibrator应用程序，我们可以通过简单地在不同方向和距离相机的不同距离上拍摄棋盘校准模式的照片来校准摄像头(图3)。
图3。加载到相机校准器应用程序中的棋盘格校准图案的照片序列。
一旦我们从摄像头获取了一组校准图像，我们就可以使用app工具条中的calibre按钮来计算摄像头参数(图4)。
图4。Camera Calibrator应用程序工具条。
我们从应用程序中导出这些相机参数cameraParameters对象。为了从给定的相机获得的图像中去除镜头失真的影响，我们使用cameraParameters它模拟了相机的镜头变形，以及undistortImage计算机视觉工具箱中的函数。初始图像和未失真图像如图5所示。
undistortedImage = undistortImage (img, webcamParameters);
图5.顶部：原始网络摄像头图像。底部：从摄像头校准器应用程序获得的未失真图像。
原始图像中出现的径向镜头畸变是由于相机镜头光学系统中的物理缺陷造成的。在天线所在的焦点中心附近，很难看到径向透镜畸变的影响。移动到图像边缘时，效果最为明显。在未失真图像中，围绕上边缘和下边缘的弯曲反映了镜头畸变的校正。
使用图像分割程序分割图像
图像分割器应用程序包括各种算法，可以在不同的组合中使用，以探索分割对象的最佳方式。在本例中，我们将使用图切割分割和迭代能量最小化算法，称为活动轮廓和蛇。
使用Image Segmenter应用程序中的Graph Cut功能，我们可以根据颜色特征分割图像，制作“涂鸦”标记位于前景和背景的区域（图6中的红线和绿线）。
图6。通过在图像分割器应用程序中进行“涂鸦”来识别前景和背景区域。
在使用图切割算法获得初始分割后，我们使用活动轮廓算法细化分割。从图切割获得的分割边界看起来很精确。但是，它有一些小的锯齿状缺陷，我们希望细化。
主动轮廓对于下一步的分割是一个很好的选择，原因有二。首先，该算法从一幅输入图像和一个分割掩模开始，并尝试迭代地细化掩模，使其更接近于原始图像的边界。其次，在被优化的活动轮廓目标函数中，有一项描述了分割掩模中边界的平滑度，产生了边界更平滑的分割(图7)。
图7。利用活动轮廓后处理算法对图切算法的初始分割结果进行处理。
获得了一个精确的分割模板后，我们将其从Image Segmenter应用程序导出到MATLAB工作区（图8）。
图8。在图像分割器应用程序中使用导出按钮将蒙版导出到工作区。
执行全波分析
要对该结构执行全波分析，我们首先需要将边界的像素空间表示转换为笛卡尔空间表示。为此，我们提取x、y维度的最大和最小像素索引，并根据标签的长度和宽度将其转换为（x、y）坐标。分割可以在边界上产生大量点：RFID图像边界大约有11000个点。这种高保真表示的意外结果可能是非常大的网格。为了减少边界上的点的数量，我们将其采样减少20倍。此下采样系数仍将基于简单的目视检查准确表示边界细节。原始边界和下采样版本如图9和图10所示。
图9。通过基于标记尺寸缩放点而获得的边界点。
图10。Downsampled边界。
在这个模型中有两组不同的边界:天线的外边界和内边界。这个内边界必须被去除，这样模型才能准确地表示初始照片中天线的拓扑结构。我们通过将边界加载到天线工具箱™中的多边形对象中，并在它们之间应用布尔减去操作来实现这一点。然后我们围绕坐标系原点中心几何图形，并定义天线的馈电位置和馈电宽度。结果天线如图11所示。在下面的代码段中，两个边界存储在变量中桶作为单元格数组。
outerPoly = antenna.Polygon;outerPoly。顶点=桶{1};innerPoly = antenna.Polygon;innerPoly。顶点=桶{2};c = outerPoly - innerPoly;c =翻译(c, [(max (outerPoly.Vertices (: 1)) - l / 2), - - - - - - (max (outerPoly.Vertices (:, 2)) - w / 2), 0]);图显示(c)标题(“RFID天线几何”）
图11.根据天线工具箱中多边形形状的边界定义和布尔运算构建的RFID天线的几何结构。
在点(0.0mm,0.0mm)附近的馈送区域有一些尖锐的过渡，这些过渡是由分割算法检测到的伪影。我们需要清理这些，以最小化这个区域的网格。我们通过定义一个矩形并切割提要周围的几何部分来创建一个干净的间隙(图12)。
差距=天线。矩形(“长度”, 6 e - 3,“宽度”，2e-3，“中心”, -5.5 e - 3 1 e - 3);C = C -间隙;图显示(c)标题(“跨越馈电区域的RFID天线几何形状”）
图12。RFID天线的几何形状与馈电区域通过创建一个间隙来清理。
然后我们定义一个跨越这个间隙的馈电带来施加励磁电压。完全指定馈源的天线模型如图13所示。
图13.使用创建的RFID天线模型pcbStack．使用矩形条定义馈电区域。
在定义了天线的整体边界之后，我们指定了两层：顶部的天线几何体和底部的电介质层。对于该模型，由于电介质材料非常薄，因此通过假设天线处于自由空间来执行初始分析。这使我们能够相当快速地对标签进行首道分析，因为我们不需要为电介质材料构建网格。只要材料具有低损耗和低相对介电常数（ε），电介质的存在将使标签的整体性能发生微小变化r< 2)。最后，我们将提要位置指定为由[x,y,layerNumber]组成的三元组。layerNumber是一个整数，表示提要所在的层。由于这是一个平衡天线的内部端口，一个数字就足以完全指定馈电点。
饲料=天线。矩形(“长度”, 0.25 e - 3,“宽度”, 3.0 e - 3,“中心”1 e - 3], [-5.5 e - 3);Cf = c + feed;
d=电介质(“空气”);p = pcbStack;p.Name =rfid标签的；p.BoardShape =天线。矩形(“长度”，22e-3，“宽度”,80 e - 3);p.Layers = {cf, d};p.FeedLocations = [-5.5e- 3,1， -1e- 3,1];p.FeedDiameter = 0.5 * 0.25 e - 3;图显示(p)视图(0,90)
天线现在已准备好进行分析。
天线分析
我们首先进行阻抗分析，以确定天线在粗略采样频率范围内的端口特性。为此，使用阻抗函数和一对输入，即天线和频率。RFID标签预计在800至900 MHz的UHF频段内工作。分析频率范围将略微超过900 MHz。任何分析都将导致几何体在该范围内选择的最高频率下自动啮合。然后，该网格被传递到解算器，解算器识别进给位置和相应的进给边，以应用1V激励。计算RWG基函数（三角形对）之间的相互作用矩阵，并求解表面电流形式的未知数。
0.95 e9 f_coarse = linspace (0.8 e9, 21);图阻抗(p, f_coarse)
标签是感应的，在大约857 MHz有一个良好的电阻分量(图14)。此外，电抗显示了该频率附近的经典并联共振曲线。
图14。RFID天线的阻抗。从电抗曲线(红色)可以明显看出标签的感应性质。
图15显示了为该分析生成的网格。
图网(p)
图15。生成网格进行分析;选取频率范围内的最高频率来生成网格。
通常，芯片的输入阻抗会很复杂，以匹配标签。我们使用天线上的负载特性来抵消电感分量。由于电抗约为200Ω，我们创建了一个电抗为-200Ω的负载，并将其添加到天线模型中。在馈电处安装负载后，电抗的电感部分应在857 MHz时取消。我们通过在更精细的频率范围内分析阻抗来确认这一点。857 MHz时的电抗约为0Ω（图16）。
X = 1 * 200;zl = lumpedElement;zl。阻抗= X;p.Load = zl;0.95 e9 f_fine = linspace (0.8 e9, 51);图阻抗(p, f_fine)
图16.在馈电处加入容性电抗后的标签阻抗。电抗曲线中出现过零时，可观察到电抗消除。
电流分布在857 MHz时显示出强烈的响应，天线表面产生了显著的电流（图17）。我们使用颜色条以交互方式调整电流密度范围。
图当前（p，857e6）视图（0,90）
图17。谐振频率为857 MHz时容性负载RFID标签的电流分布。
RFID标签通常在一个平面上具有全向远场模式。为了证实这一点，我们可以可视化标签的远场辐射模式。在857 MHz时，标签的增益约为2 dBi。如图18所示，最大方向性出现在方位角为0°的仰角上，沿标签最大尺寸的轴方向为零。天线的响应类似于简单的半波长偶极子天线在xy平面上与标签具有相同的方向。
图形模式（第857e6页）
图18。谐振频率为857 MHz时电容负载RFID标签的方向性模式。
总结和下一步
此示例演示了从照片识别天线边界并将其转换为天线几何模型以进行全波分析的过程。在使用计算机视觉工具箱和图像处理工具箱中的应用程序消除图像中的光学镜头畸变后，我们建立了天线模型，并在天线工具箱中使用基于矩量的全波方法进行了分析。分析证实了RFID标签的平行共振行为及其感应性质。远场辐射模式遵循半波长偶极子的模式，并且在仰角平面上是全向的。
分析结果可以以多种方式使用。例如，频率相关的阻抗数据可用于射频系统仿真，辐射方向图可用于阵列级仿真。
