一种基于Wi-Fi信号测量液体复介电常数的方法及装置

技术领域

本发明涉及智能设备液体识别技术领域，特别是涉及一种基于Wi-Fi信号测量液体复介电常数的方法及装置。

背景技术

目前，现有的液体识别方法可以分为以下两种：

第一种是依托于昂贵的液体识别设备的方法，如光谱分析法、电分析法和高频电磁波(如太赫兹)测量法。这些方法有些可以满足以上提到的需求，实现对未知液体的识别，有些也可以测量液体中某成分浓度。其中，光谱分析法利用液体内离子和分子物理化学性质的不同，检测其引起的各种光谱变化，达到识别液体的目的，是化学实验室中最常见的液体识别方法，可以做到痕量物质的检测，检测精度高，技术发展成熟，目前多在化学实验室用于科学研究；电分析法是将特殊电极插入液体内，或将待测液体滴在电极上，检测液体的电导率、介电常数或者对电极上某些特殊化学位点的响应引起的电压或电流变化，对液体进行识别，检测精度可以达到痕量级，目前已应用于重金属离子检测和家用血糖血脂检测等领域；高频电磁波测量法是利用高频电磁波发射天线、接收天线和信号处理电路来进行检测的方法，通过检测电磁波信号的变化进行液体识别，目前已广泛应用于危险液体检测领域。

第二种是依托于廉价的现有设备的方法，如基于智能手机的光学识别方法、基于RFID的方法等。这些方法大多基于构建液体识别数据库来进行液体识别，其本质是对已有数据信息的已知液体进行比对。其中，基于智能手机的光学识别方法使用手机自身的光学深度摄像头和手机内部的光学传感器，采集数据并计算不同方向液体的吸光度值，达到识别液体的目的；基于RFID的方法是通过检测紧贴待测液体的RFID芯片发射出的射频信号的CSI信息，提取特征后对液体种类进行识别。

但现有技术存在以下不足：

依托于昂贵液体识别设备的方法，首先受到设备价格的限制，难以大规模推广使用。同时，这些方法也有各自的缺点。光谱分析法依托于昂贵的检测设备，比如红外光谱仪、紫外-可见分光光度计等，且往往需要进行多种方式共同检测才能确定液体种类，检测前进行的前处理过程非常复杂，检测时间长，检测成本高，设备体积庞大，部分检测设备如核磁共振波谱仪甚至对检测人员的身体有一定伤害；电分析法依托于电化学工作站或血糖检测仪等设备，往往一种特殊电极只对应少数几种待测离子或分子，检测范围非常有限，且很多电极是一次性电极，无法重复使用，另外测量过程需要电极与液体接触，操作复杂，且可能会污染待测液体；高频电磁波测量方法依托于由高频电磁波发射接收装置和信号处理电路组成的专用设备，如危险液体检测仪等，价格昂贵，且大多功能单一，检测精度不高，只能进行简单的阈值判别，能分辨水溶液和有机溶液(危险液体)，初步判断液体是否易燃易爆，但不能识别液体的种类。

依托于廉价的现有设备的方法，其价格低廉，相比于之前的方法较为容易普及，但也存在一些问题。基于智能手机的光学识别方法，其检测方式较为复杂，需要多角度采集液体信息才能完成识别，且只能检测透明容器内的透明液体，对周围的光强度有一定要求，无法检测不透明容器内的液体或者有色液体，且无法在无光的条件下使用；以RFID标签为代表的一系列低频电磁波检测方法，有的检测效果不好，精度非常低，只能分清液体是否易燃易爆，有的只能分辨几种特定的液体，对范围外的液体会有很多误测现象。同时，这些方法往往只能做到对已采集过数据的已知液体进行识别，是一种比对式的识别方法，对从未采集过数据的未知液体识别效果很差，甚至只是某种成分含量发生变化也会导致其难以识别，无法做到未知液体识别。并且这些方法几乎都是基于构建液体识别数据库来进行液体识别的，只对液体识别数据库内已有的液体具备识别能力，而构建液体识别数据库需要巨大的工作量。同时，这些方法都难以检测液体中某种成分的含量。

发明内容

本发明的目的是：提供一种基于Wi-Fi信号的测量液体复介电常数的方法及装置，能够得到液体的复介电常数，进而可将复介电常数用于对液体类别、含量的检测，在满足液体检测的同时，降低了液体识别的成本。

为了实现上述目的，本发明提供了一种基于Wi-Fi信号测量液体复介电常数的方法，包括：

获取Wi-Fi信号发射器发射的Wi-Fi信号，并对所述Wi-Fi信号进行预处理操作，得到所述Wi-Fi信号的信道状态信息；其中，所述Wi-Fi信号包括经过待测液体的Wi-Fi信号和未经过待测液体的Wi-Fi信号；

将所述信道状态信息进行降噪处理，得到至少一组稳定的幅度比值和相位差值；其中，所述幅度比值和相位差值为经过待测液体的Wi-Fi信号数据和未经过待测液体的Wi-Fi信号数据的幅度比值和相位差值；

将所述幅度比值和相位差值通过预设的数据处理模块，并将处理的结果通过机器学习算法，判断得出待测液体的复介电常数；其中，所述机器学习算法包括：线性回归算法、KNN算法以及RNN算法。

进一步地，所述预设的数据处理模块，具体采用如下公式构建：

复介电常数∈采用如下形式表示：

∈＝∈′+i∈″ (1)

幅度比和相位差满足以下的关系：

γ＝α+iβ (2)

发射天线通以正弦交流电I

其中：

S

其中，μ为介质磁导率，I和ω分别为发射线圈的发射电流和角频率，N

(3)式可变形为：

对复数域内，任意x满足下式：

xe

则有：

x＝W(z)

lnW+W＝lnz

这里W(z)称为Lambert W函数，则传播常数为：

记：

则：

此时γ

故：

而(3)式又可记为：

将两者相比并取自然对数可得：

其中，A为幅度比，

将W

由(5)式即可得γ

令Q＝γ

另外，由：

γ

可得

其中ε是介电常数，σ是电导率。

进一步地，所述获取Wi-Fi信号发射器发射的Wi-Fi信号，并对所述Wi-Fi信号进行预处理，得到所述Wi-Fi信号的信道状态信息；其中，所述Wi-Fi信号包括经过待测液体的Wi-Fi信号和未经过待测液体的Wi-Fi信号；具体为：

首先，Wi-Fi信号发射器根据控制指令，控制发射端天线组发射Wi-Fi信号，其次，Wi-Fi信号接收器来自Wi-Fi信号发射器的Wi-Fi信号，并将Wi-Fi信号发送给信号处理单元，所述信号处理单元将其转换成的Wi-Fi信号的信道状态信息。

进一步地，所述降噪处理方法包括：高斯滤波方法、卡尔曼滤波方法以及小波降噪方法。

本发明实施例还提供一种基于Wi-Fi信号测量液体复介电常数的装置，包括：获取模块、数据处理模块和判断模块；其中，

所述获取模块，用于获取Wi-Fi信号发射器发射的Wi-Fi信号，并对所述Wi-Fi信号进行预处理操作，得到所述Wi-Fi信号的信道状态信息；其中，所述Wi-Fi信号包括经过待测液体的Wi-Fi信号和未经过待测液体的Wi-Fi信号；

所述数据处理模块，用于将所述信道状态信息进行降噪处理，得到至少一组稳定的幅度比值和相位差值；其中，所述幅度比值和相位差值为经过待测液体的Wi-Fi信号数据和未经过待测液体的Wi-Fi信号数据的幅度比值和相位差值；

所述判断模块，用于将所述幅度比值和相位差值通过预设的数据处理模块，并将处理的结果通过机器学习模型，判断得出待测液体的复介电常数；其中，所述机器学习算法包括：线性回归算法、KNN算法以及RNN算法。

进一步地，所述预设的数据处理模块，具体采用如下公式构建：

复介电常数∈采用如下形式表示：

∈＝∈′+i∈″ (1)

幅度比和相位差满足以下的关系：

γ＝α+iβ (2)

发射天线通以正弦交流电I

其中：

S

其中，μ为介质磁导率，I和ω分别为发射线圈的发射电流和角频率，N

(3)式可变形为：

对复数域内，任意x满足下式：

xe

则有：

x＝W(z)

lnW+W＝lnz

这里W(z)称为Lambert W函数，则传播常数为：

记：

则：

此时γ

故：

而(3)式又可记为：

将两者相比并取自然对数可得：

其中，A为幅度比，

将W

由(5)式即可得γ

令Q＝γ

另外，由：

γ

可得

其中ε是介电常数，σ是电导率。

进一步地，所述获取Wi-Fi信号发射器发射的Wi-Fi信号，并对所述Wi-Fi信号进行预处理，得到所述Wi-Fi信号的信道状态信息；其中，所述Wi-Fi信号包括经过待测液体的Wi-Fi信号和未经过待测液体的Wi-Fi信号；具体为：

首先，Wi-Fi信号发射器根据控制指令，控制发射端天线组发射Wi-Fi信号，其次，Wi-Fi信号接收器来自Wi-Fi信号发射器的Wi-Fi信号，并将Wi-Fi信号发送给信号处理单元，所述信号处理单元将其转换成的Wi-Fi信号的信道状态信息。

进一步地，所述降噪处理方法包括：高斯滤波方法、卡尔曼滤波方法以及小波降噪方法。

本发明实施例还提供一种计算机终端设备，其特征在于，包括：

一个或多个处理器；

存储器，与所述处理器耦接，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一项所述的基于Wi-Fi信号测量液体复介电常数的方法。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述任一项所述的基于Wi-Fi信号测量液体复介电常数的方法。

本发明实施例一种基于Wi-Fi信号测量液体复介电常数的方法及装置与现有技术相比，其有益效果在于：

1、降低液体识别技术成本：通过本发明，使用者可在Wi-Fi环境中实现未知液体识别及液体中某成分含量的识别，不再需要花费上千元甚至数万元体验液体识别技术。且本发明对天线性能和计算能力要求低，可移植性强，可以移植到任何有足够计算能力的具有电磁波收发功能的设备上；

2、不需建立液体识别库：目前依托于廉价设备的液体识别方法大多需要花费巨大的时间和精力建立液体识别库。本发明通过测定液体的真实复介电常数，使得以往无具体含义的各种特征值与液体的真实物理量对应起来，从而不需要建立液体识别库，只需根据现有的液体真实复介电常数数据以及公式拟合出的物理量-浓度曲线即可做到识别未知液体的类别以及识别液体中某成分的含量。。

附图说明

图1为本发明第一实施例提供的一种基于Wi-Fi信号测量液体复介电常数方法的流程示意图；

图2为本发明第一实施例提供的一种基于Wi-Fi信号测量液体复介电常数方法的整体架构示意图；

图3为本发明第一实施例提供的一种基于Wi-Fi信号测量液体复介电常数方法的原理示意图；

图4为本发明某一实施例提供的一种基于Wi-Fi信号测量液体复介电常数方法的Wi-Fi信号发射与接收装置部署示意图；

图5为本发明某一实施例提供的一种基于Wi-Fi信号测量液体复介电常数方法的测量装置整体部署示意图；

图6为本发明第二实施例提供的一种基于Wi-Fi信号测量液体复介电常数装置结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。

应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

本发明第一实施例：

请参阅图1-图5，本发明实施例的一种基于Wi-Fi信号测量液体复介电常数的方法，至少包括如下步骤：

S101、获取Wi-Fi信号发射器发射的Wi-Fi信号，并对所述Wi-Fi信号进行预处理操作，得到所述Wi-Fi信号的信道状态信息；其中，所述Wi-Fi信号包括经过待测液体的Wi-Fi信号和未经过待测液体的Wi-Fi信号；

需要说明的是，对于步骤S101、Wi-Fi信号发射器和接收器结构和功能如下：

1.1)发射端天线组：负责Wi-Fi信号的发射。发射端天线组需有至少两根天线，天线组内所使用的天线数量越多，识别效果越好，每增加或减少一根天线，或使用处于不同位置的其他天线，都是一种新的天线阵列；

1.2)信号发射模块：负责接收用户终端指令并生成要发送的规定格式的定向数据包。此模块由Wi-Fi信号发射器内芯片完成，Wi-Fi信号发射器是发射Wi-Fi信号的设备，包括但不限于Wi-Fi路由器；

1.3)接收端天线组：负责Wi-Fi信号的接收。接收端天线组需有至少一根天线，天线组内所使用天线数量越多，识别效果越好，每增加或减少一根天线，或使用处于不同位置的其他天线，都是一种新的天线阵列；

1.4)信号接收模块：负责接收Wi-Fi信号发射器发送的规定格式的定向数据包。此模块由Wi-Fi信号接收器内芯片完成，Wi-Fi信号接收器是接收Wi-Fi信号的设备，包括但不限于Wi-Fi路由器。

需要说明的是，对于待测液体，需要满足以下条件：

2.1)待测液位置：待测液位置需固定，如图4所示，在此例中，其位置应尽量靠近接收端天线组中的接收天线1，远离接收天线2，并位于接收天线1与发射天线的直线连线上，保证接收天线1到发射天线的路径经过待测液体，接收天线2到发射天线的路径只经过空气；

2.2)待测液容器：待测液容器需为非金属制容器，是否透明均可，容器直径需确定；

2.3)待测液液位：液位不能过低，根据所使用设备的不同，需超过一规定液位。

需要说明的是，对于预处理操作，包括：

3.1)数据包解析：负责将信号接收模块得到的规定格式数据包解析成信道状态信息包；

3.2)幅度、相位提取：将信道状态信息包中的信道状态信息矩阵处理成电磁波的幅度和相位信息，并发送给降噪模块。

S102、将所述信道状态信息进行降噪处理，得到至少一组稳定的幅度比值和相位差值；其中，所述幅度比值和相位差值为经过待测液体的Wi-Fi信号数据和未经过待测液体的Wi-Fi信号数据的幅度比值和相位差值；

需要说明的是，对于降噪处理，使用高斯滤波、卡尔曼滤波、小波降噪等方法，将幅度比和相位差内包含的噪声去除，得到稳定的幅度比值和相位差值，并发送给数据处理模块。此处的振幅比和相位差为经过发射天线到接收天线1与接收天线2这两段路径的电磁波信号间的幅度比和相位差，由于两段路径之间，一段经过待测液体，一段只经过空气，通过测量其差别达到液体识别的目的。同理，增加发射天线数和接收天线数，可以得到更多组幅度比和相位差，也就能得到更多组用于液体识别的数据，可提高识别准确性。

S103、将所述幅度比值和相位差值通过预设的数据处理模块，并将处理的结果通过机器学习算法，判断得出待测液体的复介电常数；其中，所述机器学习算法包括：线性回归算法、KNN算法以及RNN算法。

需要说明的是，对于步骤S103，数据处理模块根据公式进行计算，计算出多组α+iβ，并将识别所需的信息，如设备型号、所使用的路由器信道、与天线阵列对应的伪介电常数值和伪电导率值等，以及用户输入的测量需求、所选择的天线阵列类型、圆柱形非金属容器的直径、设备间距离等信息整合到识别数据包中，发送给复介电常数预测模块；

复介电常数预测模块根据α+iβ对真实参数值进行预测，得到预测后的用于识别的ε′+iε″，并替换识别数据包中的α+iβ，将识别数据包发送给物理量对比模块；

物理量对比模块接收到用户终端发送的待测液体类型以及识别数据包中的全部信息，调出相应的液体物理量曲线，与复介电常数预测模块得到的ε′+iε″进行对比，得到所测液体的种类或某成分含量，并将检测结果发送至用户终端；用户终端接收物理量对比模块发送的最终识别结果并展示给用户。

在本发明的某一个实施例中，所述预设的数据处理模块，具体采用如下公式构建：

复介电常数∈采用如下形式表示：

∈＝∈′+i∈″ (1)

幅度比和相位差满足以下的关系：

γ＝α+iβ (2)

发射天线通以正弦交流电I

其中：

S

其中，μ为介质磁导率，I和ω分别为发射线圈的发射电流和角频率，N

(3)式可变形为：

对复数域内，任意x满足下式：

xe

则有：

x＝W(z)

lnW+W＝lnz

这里W(z)称为Lambert W函数，则传播常数为：

记：

则：

此时γ

故：

而(3)式又可记为：

将两者相比并取自然对数可得：

其中，A为幅度比，

将W

由(5)式即可得γ

令Q＝γ

另外，由：

γ

可得

其中ε是介电常数，σ是电导率。

在本发明的某一个实施中，所述获取Wi-Fi信号发射器发射的Wi-Fi信号，并对所述Wi-Fi信号进行预处理，得到所述Wi-Fi信号的信道状态信息；其中，所述Wi-Fi信号包括经过待测液体的Wi-Fi信号和未经过待测液体的Wi-Fi信号；具体为：

首先，Wi-Fi信号发射器根据控制指令，控制发射端天线组发射Wi-Fi信号，其次，Wi-Fi信号接收器来自Wi-Fi信号发射器的Wi-Fi信号，并将Wi-Fi信号发送给信号处理单元，所述信号处理单元将其转换成的Wi-Fi信号的信道状态信息。

在本发明的某一个实施例中，所述降噪处理方法包括：高斯滤波方法、卡尔曼滤波方法以及小波降噪方法。

对于本实施例，可以由以下例子具体理解：

如图5所示，是一种基于Wi-Fi信号的可用于液体识别的复介电常数测量方法具体实施方式示例，Wi-Fi信号发射器和Wi-Fi信号接收器为两台Wi-Fi路由器，信号处理、降噪、数据处理、复介电常数预测和物理量对比由一台计算机完成，使用者通过智能手机的操作提示，按要求放好待测液后，控制智能手机终端，开始识别液体，并最终在智能手机屏幕上得到识别结果。此时使用者想识别一瓶未知液体的种类。应用的具体流程如下：

1、使用者使用智能手机接入系统，并按要求将装有待测液体的容器放置在指定位置；

2、使用者在智能手机内输入所选择的天线阵列类型“类型三”，容器直径“10cm”，路由器间距“1m”等信息，这些信息被发送给数据处理模块用作下一步处理，并且使用者输入测量需求“测试未知液体类别”，此信息被发送给物理量对比模块，使用者向发送端路由器发送“开始测试”指令；

3、接收端路由器接收到包含信息的数据包，并将数据包发送给位于计算机上的信号处理模块；

4、计算机收到数据包后，将数据包转换成电磁波信号的信道状态信息，并对其进行降噪处理，得到稳定的幅度比和相位差后将其输入计算机的数据处理模块，计算出所需伪介电常数值和伪电导率值后，将路由器型号“TP-LINK WDR4900”、所使用的路由器信道“36”、与天线阵列对应的α+iβ“10+0.5i”等，整合到识别数据包中，发送给复介电常数预测模块；

5、复介电常数预测模块接收到识别数据包后，将根据α+iβ对真实参数值进行预测，得到预测后的用于识别的ε′+iε″，为“2+6i”，并替换识别数据包中的α+iβ，将识别数据包发送给物理量对比模块；

6、物理量对比模块接收到最终的识别数据包和用户终端发来的识别一瓶未知液体的需求，提取出液体真实复介电常数“2+6i”，查找液体物理参数表，发现冰红茶的真实复介电常数为“1.99+5.9i”，该液体预测出的复介电常数与冰红茶的复介电常数最接近，生成识别结果“该液体是冰红茶”，并将识别结果发送给用户的智能手机；

7、用户的智能手机接收到物理量对比模块最终反馈的识别结果，并将结果在智能手机屏幕上展示给用户，告知用户未知液体是冰红茶。

本发明实施例的一种基于Wi-Fi信号测量液体复介电常数的方法与现有技术相比，具有如下有益效果：

1、降低液体识别技术成本：通过本发明，使用者可在Wi-Fi环境中实现未知液体识别及液体中某成分含量的识别，不再需要花费上千元甚至数万元体验液体识别技术。且本发明对天线性能和计算能力要求低，可移植性强，可以移植到任何有足够计算能力的具有电磁波收发功能的设备上；

2、不需建立液体识别库：目前依托于廉价设备的液体识别方法大多需要花费巨大的时间和精力建立液体识别库。本发明通过测定液体的真实复介电常数，使得以往无具体含义的各种特征值与液体的真实物理量对应起来，从而不需要建立液体识别库，只需根据现有的液体真实复介电常数数据以及公式拟合出的物理量-浓度曲线即可做到识别未知液体的类别以及识别液体中某成分的含量。

本发明第二实施例：

请参阅图6，本发明实施例提供的一种基于Wi-Fi信号测量液体复介电常数的装置200，包括：获取模块201、数据处理模块202和判断模块203；其中，

所述获取模块201，用于获取Wi-Fi信号发射器发射的Wi-Fi信号，并对所述Wi-Fi信号进行预处理操作，得到所述Wi-Fi信号的信道状态信息；其中，所述Wi-Fi信号包括经过待测液体的Wi-Fi信号和未经过待测液体的Wi-Fi信号；

所述数据处理模块202，用于将所述信道状态信息进行降噪处理，得到至少一组稳定的幅度比值和相位差值；其中，所述幅度比值和相位差值为经过待测液体的Wi-Fi信号数据和未经过待测液体的Wi-Fi信号数据的幅度比值和相位差值；

所述判断模块203，用于将所述幅度比值和相位差值通过预设的数据处理模块，并将处理的结果通过机器学习模型，判断得出待测液体的复介电常数；其中，所述机器学习算法包括：线性回归算法、KNN算法以及RNN算法。

在本发明的某一个实施例中，所述预设的数据处理模块，具体采用如下公式构建：

复介电常数∈采用如下形式表示：

∈＝∈′+i∈″ (1)

幅度比和相位差满足以下的关系：

γ＝α+iβ (2)

发射天线通以正弦交流电I

其中：

S

其中，μ为介质磁导率，I和ω分别为发射线圈的发射电流和角频率，N

(3)式可变形为：

对复数域内，任意x满足下式：

xe

则有：

x＝W(z)

lnW+W＝lnz

这里W(z)称为Lambert W函数，则传播常数为：

记：

则：

此时γ

故：

而(3)式又可记为：

将两者相比并取自然对数可得：

其中，A为幅度比，

将W

由(5)式即可得γ

令Q＝γ

另外，由：

γ

可得

其中ε是介电常数，σ是电导率。

在本发明的某一个实施例中，所述获取Wi-Fi信号发射器发射的Wi-Fi信号，并对所述Wi-Fi信号进行预处理，得到所述Wi-Fi信号的信道状态信息；其中，所述Wi-Fi信号包括经过待测液体的Wi-Fi信号和未经过待测液体的Wi-Fi信号；具体为：

首先，Wi-Fi信号发射器根据控制指令，控制发射端天线组发射Wi-Fi信号，其次，Wi-Fi信号接收器来自Wi-Fi信号发射器的Wi-Fi信号，并将Wi-Fi信号发送给信号处理单元，所述信号处理单元将其转换成的Wi-Fi信号的信道状态信息。

在本发明的某一个实施例中，所述降噪处理方法包括：高斯滤波方法、卡尔曼滤波方法以及小波降噪方法。

本发明第三实施例：

本发明实施例提供的一种计算机终端设备，包括一个或多个处理器；存储器，与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一项所述的基于Wi-Fi信号测量液体复介电常数的方法。

本发明第四实施例：

本发明实施例提供的一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的基于Wi-Fi信号测量液体复介电常数的方法。

综上，通过本发明，能够得到液体的复介电常数，进而可将复介电常数用于对液体类别、含量的检测，在满足液体检测的同时，降低了液体识别的成本。且本发明对天线性能和计算能力要求低，可移植性强，可以移植到任何有足够计算能力的具有电磁波收发功能的设备上。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。