CN111164454A - 基于无线信号的滤波后的统计参数的运动检测 - Google Patents
基于无线信号的滤波后的统计参数的运动检测 Download PDFInfo
- Publication number
- CN111164454A CN111164454A CN201880063849.XA CN201880063849A CN111164454A CN 111164454 A CN111164454 A CN 111164454A CN 201880063849 A CN201880063849 A CN 201880063849A CN 111164454 A CN111164454 A CN 111164454A
- Authority
- CN
- China
- Prior art keywords
- signal
- motion detection
- value
- values
- wireless communication
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 210
- 238000001514 detection method Methods 0.000 title claims abstract description 112
- 238000004891 communication Methods 0.000 claims abstract description 174
- 238000000034 method Methods 0.000 claims abstract description 94
- 230000008569 process Effects 0.000 claims abstract description 78
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000013442 quality metrics Methods 0.000 claims description 50
- 238000012545 processing Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 21
- 238000007689 inspection Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 description 101
- 230000004044 response Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 19
- 238000004590 computer program Methods 0.000 description 11
- 238000001914 filtration Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013515 script Methods 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 229920002239 polyacrylonitrile Polymers 0.000 description 2
- 201000006292 polyarteritis nodosa Diseases 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000003570 air Substances 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000011343 solid material Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/003—Bistatic radar systems; Multistatic radar systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
- G01S13/56—Discriminating between fixed and moving objects or between objects moving at different speeds for presence detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
- G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/22—Electrical actuation
- G08B13/24—Electrical actuation by interference with electromagnetic field distribution
- G08B13/2491—Intrusion detection systems, i.e. where the body of an intruder causes the interference with the electromagnetic field
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Abstract
在一般方面中,基于所接收到的无线信号的统计参数来检测运动。在一些方面中,获得信号。这些信号是基于发送通过空间并在无线通信装置处接收到的无线信号。针对各信号计算一组统计参数的值,并且通过对统计参数的值应用滤波器来获得滤波后的值。所述滤波器包括基于无线信号的信号质量分析的参数。执行运动检测处理以基于滤波后的值来判断物体是否在空间中移动。
Description
优先权要求
本申请要求2017年10月31日提交的、标题为“Motion Detection Based onFiltered Statistical Parameters of Wireless Signals(基于无线信号的滤波后的统计参数的运动检测)”的美国申请15/799,806的优先权,其内容通过引用而并入于此。
背景技术
以下说明涉及运动检测。
运动检测系统已被用于检测例如房间或室外区域中的物体的移动。在一些示例性运动检测系统中,使用红外或光学传感器来检测传感器的视野中的物体的移动。运动检测系统已被用于安全系统、自动化控制系统以及其它类型的系统中。
附图说明
图1是示出示例性无线通信系统的图。
图2A和2B是示出在无线通信装置之间通信的示例性无线信号的图。
图3是示出基于无线通信装置处所接收到的信号来生成统计参数的矩阵的示例性处理的图。
图4是示出基于图3中所生成的矩阵的示例性标绘图和示例性直方图数据的图。
图5A~5C是示出基于图4的直方图数据来对空间中的信道扰动进行检测和分类的示例性处理的图。
图6是示出基于图4的直方图数据来计算范围估计值的示例性处理的图。
图7是示出基于图3中所生成的矩阵的未滤波的值和滤波后的值的示例性标绘图的图。
图8A~8B是示出对统计参数进行缩放和重新标准化的示例性处理的图。
图9A~9B是示出示例性信号质量度量值、时间度量值、以及用于对所接收到的无线信号的统计参数值进行缩放的缩放因子值的标绘图的图。
图10是示出基于所接收到的无线信号的统计参数来检测运动的示例性处理的流程图。
具体实施方式
在所描述的一些方面中,基于无线信号的统计参数来检测物体的运动。无线信号可以在第一无线通信中接收到,并且可以基于无线通信装置之间发送通过空间的运动探测信号。可以基于所接收到的无线信号的频率分量(或其子集)针对所接收到的各无线信号来计算统计参数。例如,在一些实例中,统计参数可以包括所接收到的无线信号的频域表示的频率分量的均值和标准偏差。
可以识别统计参数值的分组,并且运动检测处理可以使用所识别的统计参数值的分组来检测物体是否发生了运动。例如,可以生成和分析表示统计参数值的分布的直方图数据,以判断空间中的信道扰动是由物体的运动引起的还是由干扰引起的。在一些实例中,直方图数据可以采用矩阵形式。在一些实现中,运动检测处理对直方图数据矩阵进行一个或多个操作以计算检查值,这些检查值与相应阈值进行比较以判断是否发生了信道扰动。可以基于所计算出的检查值来确定运动签名值,并且可以分析运动签名值(例如,所识别的值中的模式),以判断信道扰动是由物体的运动引起的还是由干扰信号引起的。在一些实现中,统计参数的值在用于运动检测处理之前,可以被滤波。滤波处理可以包括对统计参数值的初始矩阵进行的奇异值分解、基于信号质量度量值、时间因子值或其组合的缩放。
在一些实例中,这里所描述的系统和技术可以提供一个或多个优点。例如,可以使用无线通信装置之间发送通过空间的无线信号来检测运动,而无需装置之间的视线。可以通过分析无线信号的统计参数来更高效地检测运动以及运动的不同类别。例如,由有生命的物体(例如,人或动物)的运动所引起的信道扰动可以与干扰信号或无生命的物体(例如,电扇)的运动区分开。
图1示出示例性无线通信系统100。示例性无线通信系统100包括三个无线通信装置——第一无线通信装置102A、第二无线通信装置102B和第三无线通信装置102C。示例性无线通信系统100可以包括附加的无线通信装置和其它组件(例如,附加的无线通信装置、一个或多个网络服务器、网络路由器、网络交换机、线缆或其它通信链路等)。
示例性无线通信装置102A、102B、102C可以例如根据无线网络标准或其它类型的无线通信协议而在无线网络中进行操作。例如,无线网络可被配置为作为无线局域网(WLAN)、个人局域网(PAN)、城域网(MAN)、或其它类型的无线网络而进行操作。WLAN的示例包括被配置为根据IEEE所开发的802.11标准家族中的一个或多个标准等而进行操作的网络(例如,Wi-Fi网络)等。PAN的示例包括根据短距离通信标准(例如,近场通信(NFC)、ZigBee)以及毫米波通信等而进行操作的网络。
在一些实现中,无线通信装置102A、102B、102C可被配置为例如根据蜂窝网络标准而在蜂窝网络中进行通信。蜂窝网络的示例包括根据如下标准进行配置的网络:诸如全球移动系统(GSM)和GSM演进的增强数据率(EDGE)或EGPRS等的2G标准;诸如码分多址(CDMA)、宽带码分多址(WCDMA)、通用移动电信系统(UMTS)和时分同步码分多址(TD-SCDMA)等的3G标准;诸如长期演进(LTE)和高级LTE(LTE-A)等的4G标准;等等。
在图1所示的示例中,无线通信装置102A、102B、102C可以是或者可以包括标准无线网络组件。例如,无线通信装置102A、102B、102C可以是商业可用的Wi-Fi接入点或其它类型的无线接入点(WAP),该WAP执行如这里所述的作为指令(例如,软件或固件)嵌入WAP的调制解调器上的一个或多个操作。在一些情况下,无线通信装置102A、102B、102C例如可以是无线mesh(网状)网络的节点,诸如商业可用的mesh网络系统(例如,GOOGLE WIFI)等。在一些情况下,可以使用其它类型的标准或传统的Wi-Fi发送器装置。无线通信装置102A、102B、102C可以在没有Wi-Fi组件的情况下实现;例如,可以使用其它类型的标准或非标准的无线通信来进行运动检测。在一些情况下,无线通信装置102A、102B、102C可以是专用运动检测系统,或者无线通信装置102A、102B、102C可以是专用运动检测系统的一部分。例如,专用运动检测系统可以包括集线器装置以及(作为远程传感器装置的)一个或多个信标装置,并且无线通信装置102A、102B、102C可以是运动检测系统中的集线器装置或信标装置。
如图1所示,示例性无线通信装置102C包括调制解调器112、处理器114、存储器116和电源单元118;无线通信系统100中的无线通信装置102A、102B、102C中的任意无线通信装置可以包括相同的、附加的或不同的组件,并且这些组件可被配置为如图1所示或者以其它方式进行操作。在一些实现中,无线通信装置的调制解调器112、处理器114、存储器116和电源单元118一起容纳在共同的壳体或其它组装件中。在一些实现中,无线通信装置的一个或多个组件可被单独容纳在例如单独的壳体或其它组装件中。
示例性调制解调器112可以通信(接收、发送或两者兼有)无线信号。例如,调制解调器112可被配置为通信根据无线通信标准(例如,Wi-Fi或蓝牙)进行格式化的射频(RF)信号。调制解调器112可被实现为图1所示的示例性无线网络调制解调器112,或者可以以其它方式(例如,利用其它类型的组件或子系统)实现。在一些实现中,示例性调制解调器112包括无线电子系统和基带子系统。在一些情况下,基带子系统和无线电子系统可以在共同的芯片或芯片组上实现,或者它们可以在卡或其它类型的组装装置中实现。基带子系统可以例如通过引线、引脚、配线或其它类型的连接件而耦接至无线电子系统。
在一些情况下,调制解调器112中的无线电子系统可以包括射频电路以及一个或多个天线。射频电路可以例如包括用于对模拟信号进行滤波、放大或以其它方式进行调节的电路、用于将基带信号上变频为RF信号的电路、用于将RF信号下变频为基带信号的电路等。这样的电路可以例如包括滤波器、放大器、混频器、本地振荡器等。无线电子系统可被配置为在无线通信信道上通信射频无线信号。作为示例,无线电子系统可以包括无线电芯片、RF前端和一个或多个天线。无线电子系统可以包括附加或不同的组件。在一些实现中,无线电子系统可以是或包括来自传统调制解调器(例如,来自Wi-Fi调制解调器、微微基站调制解调器等)的无线电电子器件(例如,RF前端、无线电芯片或类似组件)。在一些实现中,天线包括多个天线。
在一些情况下,调制解调器112中的基带子系统可以例如包括被配置为处理数字基带数据的数字电子器件。作为示例,基带子系统可以包括基带芯片。基带子系统可以包括附加或不同的组件。在一些情况下,基带子系统可以包括数字信号处理器(DSP)装置或其它类型的处理器装置。在一些情况下,基带系统包括数字处理逻辑,以操作无线电子系统、通过无线电子系统来通信无线网络业务、基于通过无线电子系统接收的运动检测信号来检测运动、或者进行其它类型的处理。例如,基带子系统可以包括一个或多个芯片、芯片组、或其它类型的装置,其中这些装置被配置为对信号进行编码并将编码信号传送至无线电子系统以供发送、或者(例如,通过根据无线通信标准对信号进行解码、通过根据运动检测处理来处理信号、或以其它方式)识别和分析在来自无线电子系统的信号中编码的数据。
在一些实例中,示例性调制解调器112中的无线电子系统从基带子系统接收基带信号,将基带信号上变频为射频(RF)信号,并且(例如,通过天线)无线地发送射频信号。在一些实例中,示例性调制解调器112中的无线电子系统(例如,通过天线)无线地接收射频信号,将射频信号下变频为基带信号,并将基带信号发送至基带子系统。在无线电子系统和基带子系统之间交换的信号可以是数字信号或模拟信号。在一些示例中,基带子系统包括转换电路(例如,数模转换器、模数转换器),并与无线电子系统交换模拟信号。在一些示例中,无线电子系统包括转换电路(例如,数模转换器、模数转换器),并与基带子系统交换数字信号。
在一些情况下,示例性调制解调器112的基带子系统可以在一个或多个网络业务信道上经由无线电子系统在无线通信网络中通信无线网络业务(例如,数据包)。调制解调器112的基带子系统还可以在专用无线通信信道上通过无线电子系统来发送或接收(或两者兼有)信号(例如,运动探测信号或运动检测信号)。在一些实例中,基带子系统例如生成用于发送的运动探测信号,以探测运动所用的空间。在一些实例中,基带子系统例如处理所接收的运动检测信号(基于发送通过空间的运动探测信号的信号),以检测空间中的物体的运动。
示例性处理器114可以例如执行指令,以基于数据输入来生成输出数据。指令可以包括存储器中所存储的程序、代码、脚本或其它类型的数据。另外或可选地,指令可被编码为预编程或可重新编程的逻辑电路、逻辑门或其它类型的硬件或固件组件。处理器114可以是或包括通用微处理器,作为专用协处理器或其它类型的数据处理设备。在一些情况下,处理器114进行无线通信装置102C的高级操作。例如,处理器114可被配置为执行或解释存储器116中所存储的软件、脚本、程序、功能、可执行指令或其它指令。在一些实现中,处理器114可被包括在调制解调器112中。
示例性存储器116可以包括计算机可读存储介质,例如易失性存储器装置、非易失性存储器装置或这两者。存储器116可以包括一个或多个只读存储器装置、随机存取存储器装置、缓冲存储器装置、或这些的组合和其它类型的存储器装置。在一些实例中,存储器的一个或多个组件可以与无线通信装置102C的其它组件集成或以其它方式相关联。存储器116可以存储处理器114可执行的指令。例如,指令可以包括用于诸如通过图6的示例性处理600的一个或多个操作等来确定所检测到的运动的位置的指令。
示例性电源单元118向无线通信装置102C的其它组件提供电力。例如,其它组件可以基于由电源单元118通过电压总线或其它连接提供的电力来进行操作。在一些实现中,电源单元118包括电池或电池系统,例如可再充电电池。在一些实现中,电源单元118包括适配器(例如,AC适配器),其中该适配器接收(来自外部源的)外部电力信号并将该外部电力信号转换为被调节用于无线通信装置102C的组件的内部电力信号。电源单元118可以包括其它组件或者以其它方式进行操作。
在图1所示的示例中,无线通信装置102A、102B(例如,根据无线网络标准、运动检测协议、或以其它方式来)发送无线信号。例如,无线通信装置102A、102B可以广播无线运动探测信号(例如,参考信号、信标信号、状况信号等),或者无线通信装置102A、102B可以发送寻址到其它装置(例如,用户设备、客户端装置、服务器等)的无线信号,并且其它装置(未示出)以及无线通信装置102C可以接收无线通信装置102A、102B所发送的无线信号。在一些情况下,无线通信装置102A、102B所发送的无线信号例如根据无线通信标准或以其它方式周期性地重复。
在所示的示例中,无线通信装置102C处理来自无线通信装置102A、102B的无线信号,以检测无线信号所接入的空间中的物体的运动、确定所检测到的运动的位置或者两者兼有。例如,无线通信装置102C可以进行以下关于图3~9所述的示例性处理、或者用于检测运动或确定所检测到的运动的位置的其它类型的处理的一个或多个操作。无线信号所接入的空间可以是室内或室外空间,其可以包括例如完全或部分封闭的一个或多个区域、没有封闭的开放区域等。该空间可以是或可以包括房间的内部、多个房间或建筑物等。在一些情况下,例如,可以修改无线通信系统100,使得无线通信装置102C可以发送无线信号,并且无线通信装置102A、102B可以处理来自无线通信装置102C的无线信号以检测运动或确定所检测到的运动的位置。
用于运动检测的无线信号可以包括例如信标信号(例如,蓝牙信标、Wi-Fi信标、其它无线信标信号)、根据无线网络标准为了其它目的而生成的其它标准信号、或者为了运动检测或其它目的而生成的非标准信号(例如,随机信号、参考信号等)。在一些示例中,无线信号在与移动物体相互作用之前或之后传播通过物体(例如,壁),这可以使得能够在移动物体与发送或接收硬件之间没有光学视线的情况下检测到移动物体的移动。基于接收到的信号,第三无线通信装置102C可以生成运动检测数据。在一些实例中,第三无线通信装置102C可以将运动检测数据通信至其它装置或系统(诸如安全系统等),其中该其它装置或系统可以包括用于监视诸如房间、建筑物、室外区域等的空间内的移动的控制中心。
在一些实现中,无线通信装置102A、102B可被修改为根据无线网络业务信号来在单独的无线通信信道(例如,频率信道或编码信道)上发送运动探测信号(其可以包括例如参考信号、信标信号、或用于探测运动的空间的其它信号)。例如,第三无线通信装置102C可以知道应用于运动探测信号的有效载荷的调制以及有效载荷中的数据的类型或数据结构,这可以减少第三无线通信装置102C针对运动感测而进行的处理量。头部例如可以包括附加信息,诸如通信系统100中的其它装置是否检测到运动的指示、调制类型的指示、发送信号的装置的标识等。
在图1所示的示例中,无线通信系统100是在相应的无线通信装置102各自之间具有无线通信链路的无线mesh网络。在所示的示例中,第三无线通信装置102C和第一无线通信装置102A之间的无线通信链路可以用于探测第一运动检测场110A,第三无线通信装置102C和第二无线通信装置102B之间的无线通信链路可以用于探测第二运动检测场110B,并且第一无线通信装置102A和第二无线通信装置102B之间的无线通信链路可以用于探测第三运动检测场110C。在一些实例中,各无线通信装置102通过对基于由该无线通信装置102发送通过该装置所接入的运动检测场110的无线信号的接收信号进行处理来检测运动检测场110中的运动。例如,当图1所示的人106在第一运动检测场110A和第三运动检测场110C中移动时,无线通信装置102可以基于其所接收到的基于发送通过相应运动检测场110的无线信号的信号来检测运动。例如,第一无线通信装置102A可以检测人在这两个运动检测场110A、110C中的运动,第二无线通信装置102B可以检测人106在运动检测场110C中的运动,并且第三无线通信装置102C可以检测人106在运动检测场110A中的运动。
在一些实例中,运动检测场110可以包括例如空气、固体材料、液体或无线电磁信号可以传播的其它介质。在图1所示的示例中,第一运动检测场110A在第一无线通信装置102A和第三无线通信装置102C之间提供无线通信信道,第二运动检测场110B在第二无线通信装置102B和第三无线通信装置102C之间提供无线通信信道,并且第三运动检测场110C在第一无线通信装置102A和第二无线通信装置102B之间提供无线通信信道。在操作的一些方面中,使用在(与网络业务所用的无线通信信道分开或共享的)无线通信信道上发送的无线信号来检测空间中的物体的移动。物体可以是任何类型的静态或可移动物体,并且可以是有生命的或无生命的。例如,物体可以是人类(例如,图1所示的人106)、动物、无机物体、或其它装置、设备或组装件、用于限定空间的全部或部分边界的物体(例如,壁、门、窗等)、或其它类型的物体。在一些实现中,可以分析来自无线通信装置的运动信息以确定所检测到的运动的位置。例如,如以下进一步所述,无线通信装置102其中之一(或可通信地耦接至装置102的另一装置)可以判断为所检测到的运动在特定无线通信装置附近。
图2A和2B是示出在无线通信装置204A、204B、204C之间通信的示例性无线信号的图。无线通信装置204A、204B、204C可以是例如图1所示的无线通信装置102A、102B、102C、或其它类型的无线通信装置。示例性无线通信装置204A、204B、204C将无线信号发送通过空间200。示例性空间200可以在该空间200的一个或多个边界处完全或部分地封闭或开放。空间200可以是或可以包括房间的内部、多个房间、建筑物、室内区域或室外区域等。在所示的示例中,第一壁202A、第二壁202B和第三壁202C使空间200至少部分地封闭。
在图2A和2B所示的示例中,第一无线通信装置204A能够操作以重复地(例如,周期性地,间歇性地,以预定、非预定或随机的间隔等)发送无线运动探测信号。第二无线通信装置204B和第三无线通信装置204C能够操作以接收基于无线通信装置204A所发送的运动探测信号的信号。无线通信装置204B、204C各自具有被配置为处理接收到的运动检测信号以检测空间200中的物体的运动的调制解调器、处理器或其它组件。
如图所示,物体处于图2A中的第一位置214A,并且物体已经移动到图2B中的第二位置214B。在图2A和2B中,空间200中的移动物体被表示为人类,但是移动物体也可以是其它类型的物体。例如,移动物体可以是动物、无机物体(例如,系统、装置、设备或组装件)、用于限定空间200的全部或部分边界的物体(例如,壁、门、窗等)、或其它类型的物体。
如图2A和2B所示,用虚线示出从第一无线通信装置204A发送的无线信号的多个示例性路径。沿着第一信号路径216,无线信号从第一无线通信装置204A发送并且被第一壁202A反射朝向第二无线通信装置204B。沿着第二信号路径218,无线信号从第一无线通信装置204A发送并且被第二壁202B和第一壁202A反射朝向第三无线通信装置204C。沿着第三信号路径220,无线信号从第一无线通信装置204A发送并且被第二壁202B反射朝向第三无线通信装置204C。沿着第四信号路径222,无线信号从第一无线通信装置204A发送并且被第三壁202C反射朝向第二无线通信装置204B。
在图2A中,沿着第五信号路径224A,无线信号从第一无线通信装置204A发送并且被第一位置214A处的物体反射朝向第三无线通信装置204C。在图2A和图2B之间,物体的表面从空间200中的第一位置214A移动到第二位置214B(例如,远离第一位置214A一定距离)。在图2B中,沿着第六信号路径224B,无线信号从第一无线通信装置204A发送并且被第二位置214B处的物体反射朝向第三无线通信装置204C。由于物体从第一位置214A移动至第二位置214B,因此图2B中所描绘的第六信号路径224B比图2A中所描绘的第五信号路径224A长。在一些示例中,由于空间中的物体的移动,因此可以添加、移除或以其它方式修改信号路径。
图2A和2B所示的示例性无线信号可以通过其各自的路径经历衰减、频移、相移或其它影响,并且可以具有在其它方向上例如传播通过壁202A、202B和202C的部分。在一些示例中,无线信号是射频(RF)信号。无线信号可以包括其它类型的信号。
在图2A和2B所示的示例中,第一无线通信装置204A可以重复发送无线信号。特别地,图2A示出在第一时间从第一无线通信装置204A发送无线信号,并且图2B示出在稍后的第二时间从第一无线通信装置204A发送相同无线信号。发送信号可以连续地、周期性地、在随机的时刻或间歇的时刻等、或者通过它们的组合进行发送。发送信号可以在频率带宽中具有多个频率分量。发送信号可以以全向方式、以定向方式或以其它方式从第一无线通信装置204A发送。在所示的示例中,无线信号穿过空间200中的多个相应路径,并且沿各路径的信号可能由于路径损耗、散射或反射等而变得衰减,并且可能具有相位偏移或频率偏移。
如图2A和2B所示,来自各种路径216、218、220、222、224A和224B的信号在第三无线通信装置204C和第二无线通信装置204B处组合以形成接收信号。由于空间200中的多个路径对发送信号的影响,因此空间200可被表示为输入发送信号并且输出接收信号的传递函数(例如,滤波器)。当物体在空间200中移动时,对信号路径中的信号产生影响的衰减或相位偏移可能改变,因此空间200的传递函数可能改变。在假设从第一无线通信装置204A发送相同的无线信号的情况下,如果空间200的传递函数改变,则该传递函数的输出(即接收信号)也将改变。接收信号的改变可用于检测物体的移动。
在数学上,可以根据式(1)来描述从第一无线通信装置204A发送的发送信号f(t):
其中,ωn表示发送信号的第n个频率分量的频率,cn表示第n个频率分量的复系数,以及t表示时间。在从第一无线通信装置204A发送了发送信号f(t)的情况下,可以根据式(2)来描述来自路径k的输出信号rk(t):
其中,αn,k表示针对沿路径k的第n个频率分量的衰减因子(或信道响应;例如,由于散射、反射和路径损耗引起),以及φn,k表示针对沿路径k的第n个频率分量的信号的相位。然后,无线通信装置处的接收信号R可被描述为来自到该无线通信装置的所有路径的所有输出信号rk(t)的总和,即如式(3)所示:
将式(2)代入式(3)得到下式(4):
然后,可以分析无线通信装置处的接收信号R。可以例如使用快速傅立叶变换(FFT)或其它类型的算法来将无线通信装置处的接收信号R变换到频域。变换后的信号可以将接收信号R表示为一系列n个复值,其中(n个频率ωn的)相应频率分量各自对应一个复值。对于频率ωn的频率分量,复值Hn可被表示为下式(5):
针对给定频率分量ωn的复值Hn指示该频率分量ωn处的接收信号的相对大小和相位偏移。在一些实现中,复值Hn表示基于接收信号R的频率响应信号H的频率分量。当物体在空间中移动时,复值Hn由于空间的信道响应αn,k的改变而改变。因此,信道响应(以及因此频率响应信号H)中所检测到的改变可以指示通信信道内的物体的移动。在一些实例中,噪声、干扰或其它现象可能影响接收器所检测到的信道响应,并且运动检测系统可以减少或隔离这种影响以改进运动检测能力的精度和质量。在一些实现中,整体信道响应可被表示为:
在一些实例中,可以例如基于数学估计理论来确定针对空间的信道响应hch。例如,可以用候选信道响应(hch)来修改参考信号Ref,然后可以使用最大似然方法来选择与接收信号(Rcvd)最匹配的候选信道。在一些情况下,从参考信号(Ref)与候选信道响应(hch)的卷积获得估计接收信号然后改变信道响应(hch)的信道系数以使估计接收信号的平方误差最小化。这可以例如以优化标准
在数学上示出为:
最小化或优化处理可以利用自适应滤波技术,诸如最小均方(LMS)、递归最小二乘(RLS)、批量最小二乘(BLS)等。信道响应可以是有限脉冲响应(FIR)滤波器或无限脉冲响应(IIR)滤波器等。
如上式所示,接收信号可被认为是参考信号和信道响应的卷积。卷积运算意味着信道系数与参考信号的各延迟复本具有相关度。因此,如上式所示的卷积运算示出接收信号出现在不同的延迟点处,其中各延迟复本按信道系数进行加权。
在一些方面中,可以基于信道响应来确定接收信号的信号质量度量。例如,可以对参考信号(Ref)应用针对空间所确定的信道响应(hch)以产生估计接收信号该估计接收信号是基于信道响应(例如,基于如上所述的参考信号(Ref)与信道响应(hch)的卷积)对于接收信号应当是什么的估计。可以使用估计接收信号和实际接收信号(Rcvd)来计算信号质量度量。在一些示例中,例如,信号质量度量是基于通过计算实际接收信号(Rcvd)和估计接收信号与实际接收信号(Rcvd)之差的点积而确定的值Q(例如,被设置为等于值Q,根据值Q计算出,表示值Q,等等),例如:
可以使用其它计算来确定信号质量度量。在一些情况下,例如,使用点积的绝对值或大小或者其它计算值作为接收信号的信号质量度量。在一些情况下,信号质量度量是相关指数或其它类型的信号质量度量。在一些情况下,基于接收信号的信噪比(SNR)来确定信号质量度量。
在一些情况下,接收信号可被无线通信装置“拒绝”。例如,在一些实现中,运动检测处理可以包括运动检测处理中所使用的信号的质量标准。不满足质量标准的接收信号可被拒绝(例如,丢弃或忽略)并且在判断空间300中是否已发生运动时不被考虑。信号可以基于信号质量度量(例如,式(9)所描述的值Q)而被接受或拒绝作为向运动检测处理的输入。例如,在一些情况下,运动检测处理仅使用接收信号的具有高于特定阈值的值Q的子集。
在一些示例中,发送信号和接收信号在RF频谱中,并且信号在基带带宽中进行分析。例如,发送信号可以包括已被上变频以定义发送RF信号的基带信号,并且接收信号可以包括已被下变频为基带信号的接收RF信号。由于接收到的基带信号嵌入在接收RF信号中,因此空间中的移动(例如,传递函数的变化)可能影响接收到的基带信号,并且基带信号可以是(例如,使用傅立叶分析或其它类型的分析)处理以检测移动的信号。在其它示例中,处理后的信号可以是RF信号或其它信号。
在一些实现中,可以针对所接收到的无线信号来确定统计参数。统计参数可以描述信号的特性,并且可以基于应用于所接收到的无线信号的频域表示的频率分量的函数。在一些实例中,统计参数包括接收信号的一个或多个频率分量的最大值、最小值、均值或标准偏差至少之一中的一个或多个。例如,在一些实现中,基于无线通信装置处的接收信号R的频率响应信号H由以下向量表示:
向量的元素是时间点j处的各频率值ω1、ω2、ω3…ωn的频率分量。在一些情况下,频率分量hi,j可以是复值。函数可被定义并应用于频率响应信号H或频率响应信号的特定频率分量hi,j,以产生用于描述频率响应信号的特性的统计参数。统计参数例如可以基于统计函数或表示频率响应信号的特性的其它类型的数学函数来计算。然后,函数可被应用于向量(或其元素),以产生相应时间片段的一个或多个统计参数的值。例如,统计参数可以基于诸如根据以下均值函数等来确定均值的函数:
在一些情况下,可以基于统计参数值来检测运动、运动的不同类别或所检测到的运动的位置。例如,可以如下所述识别和分析统计参数值的分组,以检测空间中是否发生了信道扰动、发生了什么类型的信道扰动(例如,干扰和物体的运动)、以及空间中的信道扰动(例如,相对于无线通信装置)的位置。在一些实例中,机器学习可用于识别统计参数值中的模式或统计参数值的分组。例如,统计参数值可以通过神经网络(例如,GOOGLE CLOUD ML平台)以学习统计参数值中的不同模式或基于统计参数值的其它值(例如,如以下进一步描述的检查值或运动签名值)。
图3是示出基于无线通信装置处所接收到的无线信号302来生成统计参数的矩阵312的示例性处理300的图。在所示的示例中,无线通信系统中的无线通信装置(例如,图1的无线通信装置102C或图2的无线通信装置204B、204C)在时间段t={0,31}内接收信号302。信号302可以是无线通信装置处所接收到的无线信号的模拟表示。例如,信号302可以包括无线通信装置的无线电子系统的输出。在一些实现中,在处理300中分析的信号302可以仅包括已被接受为该处理的输入的那些信号。例如,可以将信号302与一个或多个质量标准(例如,信号质量度量阈值)进行比较,以判断是否进一步处理信号302。
在所示的示例中,通过快速傅立叶变换(FFT)运算304的操作将信号302变换为频域表示,该操作产生包括信号302的频率分量的输出。例如,在一些情况下,信号302可以具有约22MHz的带宽,并且FFT运算可以(基于过采样率:4)使用88MHz的带宽以产生信号302的64个频率分量。然后,通过采样操作306对FFT运算304的输出进行采样。在一些实现中,采样操作选择由FFT运算304输出的频率分量的子集。例如,使用FFT运算304输出64个频率分量的以上示例,采样操作306可以选择以ω=0为中心的八(8)个频率分量(ω<0的四(4)个频率分量和ω>0的四(4)个频率分量)。
然后,基于信号302的频率分量来确定统计参数值。例如,在所示的示例中,计算信号302在时间t处的采样频率分量的均值和标准偏差值,并且基于均值和标准偏差来生成复值308(k)。可以基于各个采样频率分量的大小来计算均值和标准偏差。例如,参考以上示例,可以通过确定时间t处的采样频率分量大小的平均来计算均值,并且可以通过确定时间t处的均值周围的采样频率分量大小的方差来计算标准偏差。在一些情况(诸如图3所示的示例等)下,复值308的实分量包括计算出的均值,并且复值308的虚分量包括计算出的标准偏差值。
基于针对连续处理的信号所确定的复值来生成阵列。例如,在所示的示例中,阵列310包括针对时间t={0,31}所确定的32个复值308。还基于最新的一组复值生成其它阵列,其中复值以先入先出的方式进行处理。例如,第二个阵列将包括针对时间t={1,32}所确定的32个复值,第三个阵列将包括针对时间t={2,33}所确定的32个复值,以此类推,直到确定针对时间t={31,63}所确定的32个复值308的阵列为止。然后,基于阵列310生成矩阵312。例如,如图3所示,在所示的示例中,通过使针对时间t={0,31}的第一个阵列成为最右列、使针对时间t={1,32}的第二个阵列成为右起第二列,以此类推,直到最左列是针对时间t={31,63}的阵列为止,来生成矩阵312。在一些实例中,矩阵312可被认为是自相关矩阵或Toeplitz矩阵。矩阵312可以以其它方式格式化。
图4是示出基于图3中所生成的矩阵312的示例性标绘图402和示例性直方图数据404的图。示例性标绘图402的各数据点表示矩阵312中的元素。特别地,示例性标绘图402的各数据点在横轴上表示根据式(12)的标准偏差值,并且在纵轴上表示根据式(11)的均值。因此,横轴表示矩阵312中的复值k的虚部,并且纵轴表示矩阵312中的复值k的实部。在示例性标绘图402中,将各数据点值标准化为基于下式的在零(0)和一(1)之间的值:
其中,xi表示的一组值X=(x1,x2,x3…xn)中的特定值,i=1至n。
直方图数据404可以基于矩阵312中的统计参数值的分箱(binning)而生成。例如,直方图数据404可以包括基于统计参数值的范围的一组直条(bin)(例如,范围为0~0.1的第一直条,范围为0.1~0.2的第二直条,等等)以及落在各直条的相应范围内的数据点的数量。在一些实例(诸如图4所示的示例等)中,直方图数据404可以以矩阵形式表示。例如,示例性直方图数据404是10×10矩阵,其元素表示落在由统计参数值的0.1增量界定的各直条内的数据点的数量。作为示例,直方图数据404的左下元素表示存在446个数据点,这446个数据点的均值和标准偏差值在0至0.1之间。直方图数据404可以以其它方式生成。在一些实现中,直方图数据404例如用于诸如如下进一步所述等检测空间中的信道扰动。
图5A~5C是示出基于图4的直方图数据404对空间中的信道扰动进行检测和分类的示例性处理500的图。在所示的示例中,将行和算子以及列和算子应用于直方图数据404,以分别产生阵列502和504。行和算子确定直方图数据矩阵的各相应行中的元素的和,并且列和算子确定直方图数据矩阵的各相应列中的元素的和。可以通过将直方图数据矩阵乘以元素全部都等于1的垂直阵列来应用行和算子。垂直阵列可以具有长度N(例如,维度N×1的矩阵),其中直方图数据矩阵具有维度N×N。可以通过将直方图数据矩阵乘以元素全部都等于1的水平阵列来应用列和算子。水平阵列可以具有长度N(例如,维度1×N的矩阵),其中直方图数据矩阵具有维度N×N。
然后,阵列502、504可用于确定用于检测是否发生了运动的一个或多个检查值506。在所示的示例中,检查值包括平衡值、对称值、最大维度值、维度值和轮廓值。在所示的示例中,平衡值由下式确定。
其中,CO表示列算子所输出的阵列,以及RO表示行算子所输出的阵列。
在所示的示例中,对称值是通过从列算子所输出的阵列中的非零元素的数量减去行算子所输出的阵列中的非零元素的数量来确定的,其可以由下式表示。
Symmmetry=(#non-zero(CO))-(#non-zero(RO)) (15)
在所示的示例中,最大维度值是行算子所输出的阵列中的非零元素的数量与列算子所输出的阵列中的非零元素的数量之间的最大值,其可以由下式表示。
Max Dimension=max[(#non-zero(CO)),(#non-zero(RO))] (16)
在所示的示例中,维度值是将对称值除以最大维度值的结果,其可以由下式表示。
在所示的示例中,轮廓值是基于应用于行算子和列算子所输出的阵列的导数算子来确定的。导数算子可以由下式表示。
Derivative(n)=X(n+1)-X(n) (18)
其中,X表示行算子或列算子所输出的阵列。因此,导数算子可以提供长度为(N-1)的输出阵列,其中行算子和列算子的输出阵列的长度为N。在所示的示例中,应用于行算子所输出的阵列的导数算子的结果是
[-426,-207,-46,12,-2,-14,0,0,]
并且应用于列算子所输出的阵列的导数算子的结果是
[-304,-198,-59,-9,12,21,-23,-2,0]
然后,将轮廓值确定为超过轮廓阈值的元素的数量。在所示的示例中,轮廓阈值为22,从而得到轮廓为零(0),这是因为上面的阵列中的元素都不大于22。检查值可以以除上文所述的方式以外的方式确定。例如,可以确定更多或更少的检查值,或者可以使用不同的运算或等式来确定上述的检查值。
然后,可以分析检查值506以判断信道中是否发生了扰动。例如,在所示的示例中,将维度值与阈值60%进行比较,将平衡值与阈值60%进行比较,并检查轮廓以确保其等于零(0)。由于在所示的示例中,维度值小于阈值60%,平衡值小于阈值60%,并且轮廓等于零,因此判断为信道中发生了扰动(这可以表示无线信号所接入的空间中的运动或干扰)。在一些实现中,可以随着时间的经过分析检查值506,以识别模式并对信道扰动的类型进行分类。例如,如下所述,可以使用特定检查值来确定运动签名值,并且可以随着时间的经过分析运动签名值,以检测信道扰动是空间中的物体的运动还是干扰。
图5B示出基于图5A的某些检查值506的示例性运动签名值确定510、512。在所示的示例中,对称检查值和最大维度检查值被示出用于两个不同的时间,并且被称为运动特征。运动签名值是基于不同时间的相应检查值之间的差值来确定的,并且峰值签名值被确定为两个运动签名值中的最大值。在示例性确定510中,检查值在两个不同的时间之间不发生改变,因此具有运动签名值“零(0)”和峰值签名值“零(0)”。与确定510相关联的扰动可被认为没有签名,因为峰值签名值为零(0)。另一方面,在示例性确定512中,检查值在两个不同的时间之间发生改变,并且如图所示产生运动签名值“一(1)”和“五(5)”以及峰值签名值“五(5)”。与确定512相关联的扰动可被认为具有签名,因为峰值签名值为非零。运动签名值和峰值签名值可以以其它方式确定。例如,运动签名值可以基于更多或更少的检查值。
图5C示出不同信道扰动场景514、516、518的示例性峰值签名值。所示的峰值签名值是在不同时间点确定的一系列峰值签名值。通过分析一系列峰值签名值,可以判断信道中的扰动是由干扰引起的还是由物体的运动引起的。例如,在示例性场景514中,峰值签名值包含重复的零,这表示在无线信号所接入的空间中没有发生运动或其它信道扰动的“安静条件”。在示例性场景516中,峰值签名值在二(2)和三(3)之间交替,这表示在无线信号所接入的空间中存在干扰信号。在示例性场景518中,峰值签名值随着时间的经过随机变化,这表示在无线信号所接入的空间中存在物体的运动。在一些情况下,不同运动类别的运动签名模式可以基于运动签名值的标准偏差。例如,可以针对一组运动签名值确定值的标准偏差,并且可以将标准偏差值与阈值进行比较以判断运动签名值是具有广泛变化的模式(这可以表示运动)还是具有几乎没有变化的模式(这可以表示干扰或无运动)。在一些实例中,可以通过机器学习来学习不同类别的信道扰动的运动签名值模式。例如,可以通过神经网络来学习与干扰、运动或其它类型的信道扰动相关联的已知模式,然后可以使用神经网络来分析用以识别信道扰动的类型的未来模式。
图6是示出基于图4的直方图数据404来计算范围估计值604的示例性处理600的图。在一些实例中,直方图数据404以维度N×N的矩阵(正方形矩阵)表示。例如,在所示的示例中,直方图数据矩阵404具有10×10的维度。在一些实现中,范围估计值604可以基于直方图数据矩阵404和范围缩放矩阵602的矩阵点积。范围缩放矩阵602的元素可以包括用于在范围估计值的计算中对直方图数据矩阵的各个元素进行加权的范围缩放值。在一些实现中,通过创建范围缩放值的初始集合并使用逻辑回归得到(更准确地表示范围确定的)最终范围缩放值来确定范围缩放矩阵的各个范围缩放值。
在一些实例中,离原点和轴线更远的直条中的直方图数据可以表示强烈的信道扰动以及因此靠近接收装置的运动。因此,在一些实现中,范围缩放矩阵602的范围缩放值对于原点(矩阵602的左下方)或轴线附近的直方图数据可能相对较低,并且对于离原点和轴线远的直方图数据可能相对较高。例如,在所示的示例中,离原点最近的直条的范围缩放值(矩阵602的左下元素)为零(0),而离原点最远的直条的范围缩放值(矩阵602的右上元素)为14.400。
在一些实现中,可以将范围估计值604与一个或多个阈值进行比较,以确定空间中检测到的运动相对于接收运动检测所基于的信号的装置的位置。例如,在所示的示例中,直方图数据404和范围缩放矩阵602的矩阵点积产生的范围估计值604为4.578。在该示例中,将范围估计值604与阈值606进行比较,以判断为所检测到的运动(或信道扰动)在距接收装置“中等”的范围内。
在一些实现中,统计参数值可以在如上所述分析之前进行滤波。图7是示出基于图3中所生成的矩阵312的未滤波的值和滤波后的值的示例性标绘图700的图。示例性标绘图700的数据点各自表示矩阵312的元素,并且各数据点在横轴上表示根据式(12)的标准偏差值,并且在纵轴上表示根据式(11)的均值。在示例性标绘图700中,数据点702(用菱形形状标记)表示在未应用任何滤波的情况下的矩阵312的统计参数,而数据点704(用×形状标记)表示在应用滤波后的矩阵312的统计参数。
例如,在图7所示的示例中,数据点704表示在对如以上关于图3所述生成的矩阵312应用了奇异值分解(SVD)运算之后的矩阵312的滤波后的值。SVD运算可用于根据下式将矩阵312分解为单独的矩阵分量。
K=U×∑×VT (19)
其中,K表示矩阵312,U表示旋转矩阵,Σ表示奇异值矩阵(例如,具有实值的对角矩阵),以及V表示反射矩阵。在一些实例中,SVD运算包括将矩阵Σ中的前三(3)个奇异值零化以产生矩阵Σ*,并根据下式重建矩阵K以形成滤波后的矩阵K*。
K*=U×∑*×VT (20)
SVD运算可以具有将左矩阵和右矩阵(分别为U和V)的前三(3)个值零化的效果,从而可以滤除矩阵312中的离群值或其它不期望的数据。
图8A~8B是示出对统计参数进行缩放和重新标准化的示例性处理800的图。示例性标绘图802的数据点各自表示图3的矩阵312中的值,并且在横轴上表示根据式(12)的标准偏差的值以及在纵轴上表示根据式(11)的均值。在示例性标绘图802中,各数据点值基于下式标准化为零(0)和一(1)之间的值:
其中,xi表示一组值X=(x1,x2,x3…xn)中的特定值,i=1至n。
在一些实现中,可以对标准化统计参数值应用缩放因子。然后,可以使用缩放后的统计参数值来生成直方图数据,以用于运动检测处理中。缩放因子可以基于统计参数所基于的信号的信号质量度量。例如,缩放因子可以如以下关于图9A~9B所述计算。缩放后的统计参数值在图8A的示例性标绘图804中示出。在缩放之后,统计参数值继而被重新标准化,使得所有统计参数值在零(0)和一(1)之间。然后,使用重新标准化后的值来生成运动检测处理中所使用的直方图数据。重新标准化后的统计参数值在图8A的示例性标绘图806中示出。
如示例性标绘图804所示,许多统计参数值在缩放后仍然落在零(0)至一(1)的范围内,但一些数据点在缩放后可能落到该范围外。例如,在所示的示例中,在应用缩放因子后,数据点806的标准偏差值大于一(1)。重新标准化处理可以忽略生成直方图数据时的数据点806,或者可以以其它方式考虑该数据点806。例如,图8B示出基于示例性标绘图802、808(与图8A中的图802、808相同)中的值而生成的示例性直方图数据810、812。如以上关于图4的直方图数据404所述生成示例性直方图数据810、812。然而,在所示的示例中,直方图数据812的直条814的数量包括记入了图8A的数据点806的附加计数,该数据点806在缩放后落在零(0)至一(1)的范围外。数据点806可被记入在直方图数据的离缩放后的统计参数值最近的直条中。例如,在所示的示例中,缩放后的标准偏差值大于1且缩放后的均值小于0.1的数据点被记入在直方图数据812的右下角的直条(图8B中的数量为27的直条814)中,而缩放后的标准偏差值大于1且缩放后的均值在0.1到0.2之间的数据点被记入在直方图数据812的右下角正上方的直条(图8B中的数量为4的直条814)中。
图9A~9B是示出示例性信号质量度量值902、时间度量值904、以及用于对所接收到的无线信号的统计参数值进行缩放的缩放因子值906的标绘图900的图。在所示的示例中,信号质量度量值902和时间度量值904根据左边的纵轴标度(即,0~25)来解释,而缩放因子值902根据右边的纵轴标度(即,1~6)来解释。在一些实例中,缩放因子值906可用于如以上关于图8A~8B所述对统计参数值进行缩放和重新标准化。
信号质量度量值902可以基于上式(9)中所描述的值Q、信噪比(SNR)、其它值或它们的组合来计算(例如,可以等于以上各项)。在所示的示例中,信号质量度量值902随着信号/通信信道质量的增加而增加。时间因子值904可以基于获得足够数量的无线信号以输入到运动检测处理所需的时间量来计算。例如,信号可以基于其信号质量度量值而被接受或拒绝,因此收集被接受用于运动检测处理的信号所需的时间量可以有所不同。在所示的示例中,时间因子值904随着获得足够数量的输入所需的时间的增加而增加。信号质量度量值902和时间因子值904可以以其它方式计算。
示例性标绘图900示出各个值902、904、906之间的示例性关系,其中缩放因子值906是基于信号质量度量值902和时间度量值904。例如,在一些示例中,缩放因子值906作为信号质量度量值902和时间度量值904的函数来计算。在所示的示例中,缩放因子值906随着信号质量度量值902的增加而增加,并且缩放因子值906随着时间因子值904的增加而减小。特别地,在所示的示例中,缩放因子值906根据下式计算。
A(t)=q(t)*dT(t) (22)
其中,
以及
其中,Qt和Tt分别指时间t处的信号质量度量值和时间因子值,并且Qtarget和Ttarget分别指目标信号质量度量值和目标时间因子值。
在所示的示例中,信号质量度量值902A的目标为21,并且时间因子值904A的目标为零(0)(例如,无延迟、无被拒绝信号)。在图9A所示的示例中,当信号质量度量值902A低于21时,缩放因子值906A减小。当时间因子值大于零(0)时,缩放因子值906A减小。标称缩放因子值在接收到约600个信号后达到,并且信号质量度量值902A和时间因子值904A的微小变化对缩放因子值906A产生了边际影响。另一方面,在图9B所示的示例中,信号质量度量值902B与目标值21接近,因此时间因子值904B对缩放因子值906B的变化具有更显著的影响。
图10是示出基于所接收到的无线信号的统计参数来检测运动的示例性处理1000的流程图。在一些实例中,处理1000可被实现为基于在所选择的无线通信信道上发送的信号来检测空间中的物体的运动。示例性处理1000中的操作可以由数据处理设备(例如,图1中的示例性无线通信装置102C的处理器114)进行,以基于在无线通信装置(例如,图1的无线通信装置102C或图2A~2B等的无线通信装置204B、204C)处接收到的信号来检测运动。示例性处理1000可以由其它类型的装置进行。例如,处理1000的操作可以由除无线通信装置102C之外的、用于接收信号的系统(例如,连接至图1的无线通信系统100的计算机系统,其聚合并分析无线通信装置102C所接收到的信号)进行。示例性处理1000可以包括附加的或不同的操作,并且这些操作可以以所示的顺序或其它顺序进行。在一些情况下,图10所示的操作中的一个或多个被实现为包括多个操作、子处理或其它类型的例程的处理。在一些情况下,操作可以组合、以其它顺序进行、并行进行、迭代或以其它方式重复或者以其它方式进行。
在1002处,获得信号。这些信号可以基于无线通信装置之间发送通过空间的无线信号。例如,参考图2A~2B所示的示例,所获得的信号可以是从无线通信装置204B、204C处所接收到的无线信号所确定的频率响应信息或信道响应信息,其中装置204B、204C处所接收到的无线信号是基于由无线通信装置204A发送通过空间200的运动探测信号(例如,参考信号或信标信号)。在一些实例中,运动探测信号可以重复地或周期性地发送通过空间。例如,再次参考图2A~2B所示的示例,无线通信装置204A可以将多个运动探测信号发送通过空间200,使得无线通信装置204A、204B在各种时间接收到基于运动探测信号的无线信号。
在一些实例中,将无线通信装置所接收到的无线信号或从接收到的无线信号获得的信号与运动检测处理的质量标准进行比较。信号例如可以基于诸如信号质量度量(例如,式(9)所描述的值Q)等的一个或多个因素而被接受或拒绝作为向运动检测处理的输入。例如,可以针对1002处获得的各信号来确定信号质量度量值,并且可以将该信号质量度量值与阈值进行比较以判断该信号是否将被接受作为向运动检测处理的输入。如果该信号基于比较而被拒绝,则该信号可被忽略并且不会(例如,通过以下描述的操作)进行进一步处理。另一方面,如果该信号基于比较而被接受,则该信号可以如下所述进行进一步处理。
在1004处,针对1002处获得的信号来计算一个或多个统计参数的值。统计参数可以包括所获得的信号的均值、标准偏差或其它类型的统计参数。可以针对1002处获得的各信号计算统计参数值。例如,参考图3所示的示例,可以将1002处获得的各信号变换到频域表示,并且可以对频域表示的频率分量进行采样。均值和标准偏差(或其它统计参数)可以根据采样后的频率分量计算。在一些实例中,如上所述,可以针对1002处获得的信号的子集(诸如基于质量标准被接受作为向运动检测处理的输入的信号等)计算统计参数值。
在1006处,对统计参数值进行滤波。例如,在一些情况下,可以生成包含统计参数值的初始矩阵。初始矩阵可以是自相关矩阵、Toeplitz矩阵或其它类型的矩阵。在一些情况下,初始矩阵以与图3的矩阵312类似的方式格式化(例如,初始矩阵的条目可以包括复值,其实分量和虚分量分别表示第一统计参数和第二统计参数)。在一些实现中,统计参数值的滤波可以包括对初始矩阵进行奇异值分解。例如,如以上关于图7所述,可以根据初始矩阵来计算旋转矩阵、反射矩阵和奇异值的初始集合。可以通过对初始集合中的奇异值的子集进行零化来形成滤波后的奇异值集合,并且根据滤波后的奇异值集合、旋转矩阵和反射矩阵来构造滤波后的矩阵。在一些实现中,统计参数值的滤波包括初始矩阵的缩放。滤波还可以包括统计参数值的重新标准化。例如,滤波处理可以包括与以上关于图8A~8B所述的操作类似的缩放和重新标准化。在一些实现中,缩放是基于缩放因子值,这些缩放因子值是基于与1002处获得的信号相关联的信号质量度量值、时间因子值或其它度量而确定的。例如,在一些实例中,缩放因子值可以如以上关于图9A~9B所述来确定。
在1008处,识别在1004处计算出并在1006处滤波后的统计参数值的分组。在一些实现中,可以使用滤波后的统计参数值的直方图数据来识别分组。直方图数据可以包括一组直条和针对各直条的数量,其中各直条与滤波后的统计参数值的相应范围相对应。在一些情况下,直方图数据可以是矩阵形式。例如,直方图数据可以与图4的示例性直方图数据矩阵404类似。
在1010处,在运动检测处理中使用1008处所识别出的分组。运动检测处理可以基于1008处所识别出的统计参数值的分组来检测是否发生了信道扰动,并判断信道扰动是空间中的物体的移动还是干扰。在一些情况下,运动检测处理包括以上关于图5A~5C所述的一个或多个操作。例如,在一些实现中,运动检测处理涉及基于直方图数据(例如,与图4的矩阵404类似的矩阵)而计算出的一个或多个检查值。作为示例,在直方图数据与多维直方图相对应的情况下,运动检测处理可以包括:确定沿直方图的各维度的数量的和,基于所述和来计算检查值,并且将检查值与相应阈值进行比较。在一些实例中,可以基于一组检查值来计算运动签名值,并且可以针对各个时间段比较运动签名值以识别模式。运动签名值模式可以识别空间中发生的信道扰动的类型(例如,识别干扰和物体的运动)。
在一些实现中,运动检测处理包括范围估计值的计算。范围估计值可用于确定检测到的运动的相对位置。在一些情况下,通过以上关于图6所述的一个或多个操作来计算范围估计值。例如,范围估计值可以基于表示直方图数据的矩阵(例如,图6中的矩阵404)和元素包括范围缩放值的范围缩放矩阵(例如,图6中的矩阵602)的矩阵点积。
本说明书中所描述的一些主题和操作可以在数字电子电路中、或者在计算机软件、固件或硬件中实现,包括本说明书中所公开的结构及其结构等同物、或者结构中的一个或多个的组合。本说明书中所描述的一些主题可以被实现为一个或多个计算机程序(即计算机程序指令的一个或多个模块),编码在计算机可读存储介质上以供数据处理设备执行或用于控制数据处理设备的操作。计算机可读存储介质可以是计算机可读存储装置、计算机可读存储基板、随机或串行存取存储器阵列或装置、或者它们中的一个或多个的组合,或者可被包括在其中。此外,虽然计算机可读存储介质不是传播信号,但是计算机可读存储介质可以是编码在人工生成的传播信号中的计算机程序指令的源或目的地。计算机可读存储介质也可以是一个或多个单独的物理组件或介质(例如,多个CD、盘或其它存储装置),或者被包括在其中。计算机可读存储介质可以包括多个计算机可读存储装置。计算机可读存储装置可以位于一处(指令存储在单个存储装置中),或者位于不同位置中(例如,指令存储在分布式位置中)。
本说明书中所描述的一些操作可以被实现为数据处理设备对存储器中(例如,一个或多个计算机可读存储装置上)所存储的或者从其它源接收到的数据所进行的操作。术语“数据处理设备”包含用于处理数据的所有种类的设备、装置和机器,举例而言包括可编程处理器、计算机、片上系统或者前述的多个或组合。设备可以包括专用逻辑电路,例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)。除硬件以外,设备还可以包括为所考虑的计算机程序创建执行环境的代码,例如用于构成处理器固件、协议栈、数据库管理系统、操作系统、跨平台运行时环境、虚拟机或它们中的一个或多个的组合的代码。在一些实例中,数据处理设备包括一组处理器。该组处理器可以位于同一处(例如,多个处理器在同一计算装置中),或者位于彼此不同的位置中(例如,多个处理器在分布式计算装置中)。用于存储数据处理设备所执行的数据的存储器可以与数据处理设备位于一处(例如,计算装置执行同一计算装置的存储器中所存储的指令),或者与数据处理设备位于不同的位置中(例如,客户端装置执行服务器装置上所存储的指令)。
计算机程序(也已知为程序、软件、软件应用、脚本或代码)可以以包括编译语言或解释语言、声明语言或过程语言等的任何形式的编程语言来编写,并且其可以以任何形式进行部署,包括被部署为独立程序或者被部署为模块、组件、子例程、对象或者适合在计算环境中使用的其它单元。计算机程序可以但不必与文件系统中的文件相对应。程序可以存储在文件的一部分中,其中该文件将其它程序或数据(例如,标记语言文件中所存储的一个或多个脚本)保存在专用于程序的单个文件中、或者保存在多个协调文件(例如,用于存储一个或多个模块、子程序或代码的一部分的文件)中。计算机程序可以被部署为在一个计算机上、或者在位于一个网站处或跨多个网站分布并且通过通信网络互连的多个计算机上执行。
本说明书中所描述的处理和逻辑流中的一些可以利用一个或多个可编程处理器来进行,其中这些一个或多个可编程处理器执行一个或多个计算机程序以通过对输入数据进行操作并生成输出来进行动作。这些处理和逻辑流还可以由专用逻辑电路进行并且设备也可被实现为专用集成电路,其中所述专用逻辑电路例如是FPGA(现场可编程门阵列)或ASIC(专用集成电路)。
举例而言,适合执行计算机程序的处理器包括通用微处理器和专用微处理器两者、以及任何种类的数字计算机中的处理器。一般地,处理器将会从只读存储器或随机存取存储器或这两者接收指令和数据。计算机的元件可以包括用于根据指令进行动作的处理器以及用于存储指令和数据的一个或多个存储器装置。计算机还可以包括用于存储数据的一个或多个大容量存储装置(例如,非磁性驱动器(例如,固态驱动器)、磁盘、磁光盘或光盘)或可操作地耦接以相对于这一个或多个大容量存储装置接收或传送数据,或者这两者。然而,计算机无需具有这种装置。此外,计算机可以嵌入在其它装置(例如电话、平板计算机、电器、移动音频或视频播放器、游戏机、全球定位系统(GPS)接收器、物联网(IoT)装置、机器对机器(M2M)传感器或致动器、或便携式存储装置(例如,通用串行总线(USB)闪存驱动器))中。适合存储计算机程序指令和数据的装置包括所有形式的非易失性存储器、介质和存储器装置,举例而言包括半导体存储器装置(例如,EPROM、EEPROM和闪速存储器装置等)、磁盘(例如,内部硬盘或可移除盘等)、磁光盘、以及CD-ROM和DVD-ROM盘。在一些情况下,处理器和存储器可以由专用逻辑电路补充或者并入专用逻辑电路中。
为了提供与用户的交互,操作可以在计算机上实现,其中该计算机具有用于向用户显示信息的显示装置(例如,监视器或其它类型的显示装置)、以及用户可以向计算机提供输入的键盘和指点装置(例如,鼠标、追踪球、触针、触敏屏幕或其它类型的指点装置)。其它种类的装置也可以用于提供与用户的交互;例如,被提供至用户的反馈可以是任何形式的感觉反馈,例如视觉反馈、听觉反馈或触觉反馈;并且来自用户的输入可以以任何形式接收,包括声音、语音或触觉输入。另外,计算机可以通过相对于用户所使用的装置发送和接收文档(例如通过响应于从web浏览器接收到的请求而向用户的客户端装置上的web浏览器发送web页面)来与该用户进行交互。
计算机系统可以包括单个计算装置、或者彼此接近或一般彼此远离地进行操作并且通常通过通信网络进行交互的多个计算机。通信网络可以包括局域网(“LAN”)和广域网(“WAN”)、互联网(例如,因特网)、包括卫星链路的网络、以及对等网(例如,自组织对等网络)中的一个或多个。客户端和服务器的关系可以通过在各个计算机上运行并且彼此具有客户端-服务器关系的计算机程序而产生。
在所描述的一些示例的一般方面中,基于所接收到的无线信号的统计参数来检测运动。
在第一示例中,获得信号。这些信号是基于发送通过空间并在无线通信装置处接收到的无线信号。针对各信号来计算一组统计参数的值,并且识别统计参数值的分组。通过一个或多个处理器的操作来执行运动检测处理。运动检测处理使用所识别的分组来判断物体是否在空间中移动。
在一些情况下,第一示例的实现可以包括以下特征中的一个或多个。可以获得无线通信装置所接收到的无线信号的频域表示,并且可以基于频域表示中的频率分量的子集来生成信号。一组统计参数包括第一统计参数和第二统计参数,并且识别分组可以包括生成包括一组直条和针对各直条的数量的直方图数据,其中各直条与统计参数中的各统计参数的相应范围相对应。第一统计参数可以是均值,并且第二统计参数可以是标准偏差。生成直方图数据可以包括基于第一统计参数和第二统计参数的值来计算针对各直条的数量。可以将值填充到初始矩阵中,可以对初始矩阵进行滤波以获得滤波后的矩阵,并且可以根据滤波后的矩阵来生成直方图数据。初始矩阵中的条目可以是复值,其中各复值对应于一个信号并且包括表示第一统计参数的值的实分量和表示第二统计参数的值的虚分量。对初始矩阵进行滤波可以包括:通过进行奇异值分解根据初始矩阵来计算旋转矩阵、反射矩阵、以及奇异值的初始集合;通过对初始集合中的奇异值的子集进行零化来形成滤波后的奇异值集合;以及根据滤波后的奇异值集合、旋转矩阵和反射矩阵来构造滤波后的矩阵。对初始矩阵进行滤波包括对初始矩阵进行缩放。
在一些情况下,第一示例的实现可以包括以下特征中的一个或多个。直方图数据可以与多维直方图相对应,并且执行运动检测处理可以包括:确定沿直方图的各维度的数量的和,基于该和来计算检查值,并且将检查值与相应阈值进行比较。执行运动检测处理可以包括:基于一组检查值来计算运动签名值,并且比较各时间段的运动签名值。可以基于直方图数据和范围缩放值来计算范围估计值,并且可以基于范围估计值来确定所检测到的运动的相对位置。基于直方图数据和范围缩放值来计算范围估计值可以包括计算表示直方图数据的矩阵和元素包括范围缩放值的范围缩放矩阵的矩阵点积。
在第二示例中,获得信号。这些信号是基于发送通过空间并在无线通信装置处接收到的无线信号。针对各信号计算一组统计参数的值,并且通过对统计参数的值应用滤波器来获得滤波后的值。滤波器包括基于无线信号的信号质量分析的参数。通过一个或多个处理器的操作来执行运动检测处理以基于滤波后的值来判断物体是否在空间中移动。
在一些情况下,第二示例的实现可以包括以下特征中的一个或多个。应用滤波器可以包括基于信号质量分析来计算缩放因子、并且通过对统计参数的值应用缩放因子来生成滤波后的值。可以针对各无线信号计算信号质量度量的值,并且可以基于信号质量度量值来计算各缩放因子。各缩放因子可以基于信号质量度量值与目标信号质量度量值的比。可以进一步基于获得足够数量的无线信号以供根据信号质量度量值而输入到运动检测处理所需的时间量来计算各缩放因子。各缩放因子可以基于目标时间量与获得足够数量的信号以输入到运动检测处理所需的时间量的比。
在一些情况下,第二示例的实现可以包括以下特征中的一个或多个。一组统计参数可以包括第一统计参数和第二统计参数,第一统计参数是基于应用于信号的频率分量的第一函数,第二统计参数是基于应用于信号的频率分量的第二函数。第一统计参数可以是均值,并且第二统计参数可以是标准偏差。可以获得无线通信装置所接收到的无线信号的频域表示,并且可以基于频域表示中的频率分量的子集来生成信号。可以根据滤波后的值生成直方图数据。直方图数据可以包括一组直条和针对各直条的数量,其中各直条与统计参数中的各统计参数的相应范围相对应。运动检测处理可以使用直方图数据来判断物体是否移动。直方图数据可以与多维直方图相对应,并且执行运动检测处理可以包括:确定沿直方图的各维度的数量的和,基于该和来计算检查值,并且将检查值与相应阈值进行比较。执行运动检测处理可以包括:基于一组检查值来计算运动签名值,并且比较各时间段的运动签名值。根据滤波后的值生成直方图数据可以包括对滤波后的值进行重新标准化。
在一些实现中,系统(例如,无线通信装置、计算机系统、或通信耦接至无线通信装置的其它类型的系统)包括数据处理设备和存储器,该存储器存储在由数据处理设备执行时能够运行以进行第一示例或第二示例的一个或多个操作的指令。在一些实现中,计算机可读介质存储在由数据处理设备执行时能够运行以进行第一示例或第二示例的一个或多个操作的指令。
虽然本说明书包含很多细节,但这些细节不应被解释为对所要求保护的范围的限制,而应被解释为特定于特定示例的特征描述。还可以组合本说明书在单独实现的上下文中所描述的特定特征。相反,在单个实现的上下文中所描述的各种特征还可以在多个实施例中单独实现或者以任何合适的子组合实现。
已经描述了许多实施例。然而,应当理解,可以进行各种修改。因此,其它实施例在所附权利要求书的范围内。
Claims (30)
1.一种运动检测方法,包括:
获得基于发送通过空间并在无线通信装置处接收到的无线信号的信号;
针对各信号,计算一组统计参数的值;
通过对所述统计参数的值应用滤波器来获得滤波后的值,所述滤波器包括基于所述无线信号的信号质量分析的参数;以及
通过一个或多个处理器的操作,执行运动检测处理以基于滤波后的值来判断物体是否在所述空间中移动。
2.根据权利要求1所述的方法,其中,应用所述滤波器包括:
基于所述信号质量分析来计算缩放因子;以及
通过对所述统计参数的值应用所述缩放因子来生成滤波后的值。
3.根据权利要求2所述的方法,包括:计算各个无线信号的信号质量度量值,并且基于所述信号质量度量值来计算各缩放因子。
4.根据权利要求3所述的方法,其中,各缩放因子是基于所述信号质量度量值与目标信号质量度量值的比。
5.根据权利要求3所述的方法,包括:进一步基于获得足够数量的无线信号以供根据所述信号质量度量值而输入到所述运动检测处理所需的时间量,来计算各缩放因子。
6.根据权利要求5所述的方法,其中,各缩放因子是基于目标时间量与获得足够数量的信号以输入到所述运动检测处理所需的时间量的比。
7.根据权利要求1至6中任一项所述的方法,其中,所述一组统计参数包括第一统计参数和第二统计参数,所述第一统计参数是基于应用于所述信号的频率分量的第一函数,所述第二统计参数是基于应用于所述信号的频率分量的第二函数。
8.根据权利要求7所述的方法,其中,所述第一统计参数是均值,以及所述第二统计参数是标准偏差。
9.根据权利要求1至6中任一项所述的方法,包括:
获得所述无线通信装置所接收到的无线信号的频域表示;以及
基于所述频域表示中的频率分量的子集来生成所述信号。
10.根据权利要求1至6中任一项所述的方法,包括:根据滤波后的值生成直方图数据,所述直方图数据包括一组直条和针对各直条的数量,各直条与所述统计参数中的各统计参数的相应范围相对应,其中所述运动检测处理使用所述直方图数据来判断物体是否移动。
11.根据权利要求10所述的方法,其中,所述直方图数据与多维直方图相对应,以及执行所述运动检测处理包括:确定沿所述直方图的各维度的数量的和,基于所述和来计算检查值,并且将所述检查值与相应阈值进行比较。
12.根据权利要求11所述的方法,其中,执行所述运动检测处理包括:基于一组检查值来计算运动签名值,并且比较各时间段的运动签名值。
13.根据权利要求10所述的方法,其中,根据滤波后的值生成直方图数据包括对滤波后的值进行重新标准化。
14.一种运动检测系统,包括:
数据处理设备;以及
存储器,其包括由所述数据处理设备执行时能够运行以进行操作的指令,所述操作包括:
获得基于发送通过空间并在无线通信装置处接收到的无线信号的信号;
针对各信号,计算一组统计参数的值;
通过对所述统计参数的值应用滤波器来获得滤波后的值,所述滤波器包括基于所述无线信号的信号质量分析的参数;以及
执行运动检测处理以基于滤波后的值来判断物体是否在所述空间中移动。
15.根据权利要求14所述的运动检测系统,其中,应用所述滤波器包括:
基于所述信号质量分析来计算缩放因子;以及
通过对所述统计参数的值应用所述缩放因子来生成滤波后的值。
16.根据权利要求15所述的运动检测系统,包括:计算各个无线信号的信号质量度量值,并且基于所述信号质量度量值来计算各缩放因子。
17.根据权利要求16所述的运动检测系统,其中,各缩放因子是基于所述信号质量度量值与目标信号质量度量值的比。
18.根据权利要求16所述的运动检测系统,包括:进一步基于获得足够数量的无线信号以供根据所述信号质量度量值而输入到所述运动检测处理所需的时间量,来计算各缩放因子。
19.根据权利要求18所述的运动检测系统,其中,各缩放因子是基于目标时间量与获得足够数量的信号以输入到所述运动检测处理所需的时间量的比。
20.根据权利要求14至19中任一项所述的运动检测系统,其中,所述一组统计参数包括第一统计参数和第二统计参数,所述第一统计参数是基于应用于所述信号的频率分量的第一函数,所述第二统计参数是基于应用于所述信号的频率分量的第二函数。
21.根据权利要求20所述的运动检测系统,其中,所述第一统计参数是均值,以及所述第二统计参数是标准偏差。
22.根据权利要求14至19中任一项所述的运动检测系统,包括:
获得所述无线通信装置所接收到的无线信号的频域表示;以及
基于所述频域表示中的频率分量的子集来生成所述信号。
23.根据权利要求14至19中任一项所述的运动检测系统,包括:根据滤波后的值生成直方图数据,所述直方图数据包括一组直条和针对各直条的数量,各直条与所述统计参数中的各统计参数的相应范围相对应,其中所述运动检测处理使用所述直方图数据来判断物体是否移动。
24.根据权利要求23所述的运动检测系统,其中,所述直方图数据与多维直方图相对应,以及执行所述运动检测处理包括:确定沿所述直方图的各维度的数量的和,基于所述和来计算检查值,并且将所述检查值与相应阈值进行比较。
25.根据权利要求24所述的运动检测系统,其中,执行所述运动检测处理包括:基于一组检查值来计算运动签名值,并且比较各时间段的运动签名值。
26.根据权利要求23所述的运动检测系统,其中,根据滤波后的值生成直方图数据包括对滤波后的值进行重新标准化。
27.一种计算机可读存储介质,其存储由数据处理设备执行时能够运行以进行操作的指令,所述操作包括:
获得基于发送通过空间并在无线通信装置处接收到的无线信号的信号;
针对各信号,计算一组统计参数的值;
通过对所述统计参数的值应用滤波器来获得滤波后的值,所述滤波器包括基于所述无线信号的信号质量分析的参数;以及
执行运动检测处理以基于滤波后的值来判断物体是否在所述空间中移动。
28.根据权利要求27所述的计算机可读存储介质,其中,应用所述滤波器包括:
基于所述信号质量分析来计算缩放因子;以及
通过对所述统计参数的值应用所述缩放因子来生成滤波后的值。
29.根据权利要求27所述的计算机可读存储介质,包括:计算各个无线信号的信号质量度量值,并且基于所述信号质量度量值来计算各缩放因子。
30.根据权利要求29所述的计算机可读存储介质,包括:进一步基于获得足够数量的无线信号以供根据所述信号质量度量值而输入到所述运动检测处理所需的时间量,来计算各缩放因子。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/799,806 | 2017-10-31 | ||
US15/799,806 US10228439B1 (en) | 2017-10-31 | 2017-10-31 | Motion detection based on filtered statistical parameters of wireless signals |
PCT/CA2018/050079 WO2019084668A1 (en) | 2017-10-31 | 2018-01-24 | Motion detection based on filtered statistical parameters of wireless signals |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111164454A true CN111164454A (zh) | 2020-05-15 |
CN111164454B CN111164454B (zh) | 2024-04-19 |
Family
ID=65633024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880063849.XA Active CN111164454B (zh) | 2017-10-31 | 2018-01-24 | 基于无线信号的滤波后的统计参数的运动检测 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10228439B1 (zh) |
EP (1) | EP3704507A4 (zh) |
JP (1) | JP7069302B2 (zh) |
KR (1) | KR102550226B1 (zh) |
CN (1) | CN111164454B (zh) |
CA (1) | CA3075937A1 (zh) |
WO (1) | WO2019084668A1 (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10852411B2 (en) | 2017-12-06 | 2020-12-01 | Cognitive Systems Corp. | Motion detection and localization based on bi-directional channel sounding |
CN110018882B (zh) * | 2019-03-29 | 2021-04-30 | 北京理工大学 | 一种基于宽度学习的虚拟机性能预测方法 |
US11473959B2 (en) * | 2019-04-24 | 2022-10-18 | Koyo Musen Corporation | Inundation detection device, inundation detection system, and inundation detection method |
US10798529B1 (en) | 2019-04-30 | 2020-10-06 | Cognitive Systems Corp. | Controlling wireless connections in wireless sensing systems |
US10743143B1 (en) * | 2019-05-15 | 2020-08-11 | Cognitive Systems Corp. | Determining a motion zone for a location of motion detected by wireless signals |
US10924889B1 (en) | 2019-09-30 | 2021-02-16 | Cognitive Systems Corp. | Detecting a location of motion using wireless signals and differences between topologies of wireless connectivity |
CA3152905A1 (en) | 2019-10-31 | 2021-05-06 | Christopher Beg | Using mimo training fields for motion detection |
US11570712B2 (en) | 2019-10-31 | 2023-01-31 | Cognitive Systems Corp. | Varying a rate of eliciting MIMO transmissions from wireless communication devices |
CN114599991A (zh) | 2019-10-31 | 2022-06-07 | 认知系统公司 | 引发来自无线通信装置的mimo传输 |
WO2022040817A1 (en) | 2020-08-31 | 2022-03-03 | Cognitive Systems Corp. | Controlling motion topology in a standardized wireless communication network |
US11070399B1 (en) | 2020-11-30 | 2021-07-20 | Cognitive Systems Corp. | Filtering channel responses for motion detection |
WO2022246574A1 (en) | 2021-05-28 | 2022-12-01 | Cognitive Systems Corp. | Analyzing wi-fi motion coverage in an environment |
CN113836109B (zh) * | 2021-08-17 | 2023-04-14 | 中国电子科技集团公司第二十九研究所 | 一种无线电磁信号监测数据统计分析及结果呈现方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101321287A (zh) * | 2008-07-08 | 2008-12-10 | 浙江大学 | 基于运动目标检测的视频编码方法 |
JP2010210500A (ja) * | 2009-03-11 | 2010-09-24 | Omron Corp | 侵入検知装置および侵入検知方法 |
US20140050415A1 (en) * | 2012-08-17 | 2014-02-20 | Karl P. Sims | Filters and Functions Using Exponential Decay |
US9229102B1 (en) * | 2009-12-18 | 2016-01-05 | L-3 Communications Security And Detection Systems, Inc. | Detection of movable objects |
US20160312450A1 (en) * | 2013-12-16 | 2016-10-27 | Panasonic Intellectual Property Management Co., Ltd. | Faucet |
US9523760B1 (en) * | 2016-04-15 | 2016-12-20 | Cognitive Systems Corp. | Detecting motion based on repeated wireless transmissions |
US9524628B1 (en) * | 2016-08-04 | 2016-12-20 | Cognitive Systems Corp. | Detecting signal modulation for motion detection |
US9743294B1 (en) * | 2017-03-16 | 2017-08-22 | Cognitive Systems Corp. | Storing modem parameters for motion detection |
Family Cites Families (111)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3996590A (en) * | 1961-02-02 | 1976-12-07 | Hammack Calvin M | Method and apparatus for automatically detecting and tracking moving objects and similar applications |
CA1084618A (en) | 1976-11-10 | 1980-08-26 | Martin T. Cole | Phase difference sensitive movement detectors |
US4054879A (en) | 1976-11-19 | 1977-10-18 | The United States Of America As Represented By The Secretary Of The Navy | Dual-frequency, remote ocean-wave spectrometer |
US4075573A (en) | 1977-01-05 | 1978-02-21 | Motorola, Inc. | Incremental agc signal generator with controllable increments |
US4193055A (en) | 1977-03-11 | 1980-03-11 | Charly Barnum | Automatic sensitivity level adjustment |
US4286260A (en) | 1979-09-11 | 1981-08-25 | E-Systems, Inc. | Ranging quadrature doppler microwave intrusion alarm system |
US4649388A (en) | 1985-11-08 | 1987-03-10 | David Atlas | Radar detection of hazardous small scale weather disturbances |
US4740045A (en) | 1986-07-02 | 1988-04-26 | Goodson & Associates, Inc. | Multiple parameter doppler radar |
FI76889C (fi) | 1987-02-17 | 1988-12-12 | Kone Oy | Foerfarande foer val av funktionssaett vid en anordning som anvaends foer raekning av objekt inom ett visst omraode. |
GB2322986B (en) | 1987-10-28 | 1998-12-16 | Licentia Gmbh | Method of type classification of a target |
GB9112838D0 (en) | 1991-06-14 | 1991-10-16 | Philips Electronic Associated | Fmcw radar range calibration |
US5519400A (en) | 1993-04-12 | 1996-05-21 | The Regents Of The University Of California | Phase coded, micro-power impulse radar motion sensor |
US5696514A (en) | 1996-02-28 | 1997-12-09 | Northrop Grumman Corporation | Location and velocity measurement system using atomic clocks in moving objects and receivers |
US6075797A (en) | 1997-10-17 | 2000-06-13 | 3Com Corporation | Method and system for detecting mobility of a wireless-capable modem to minimize data transfer rate renegotiations |
US6334059B1 (en) | 1999-01-08 | 2001-12-25 | Trueposition, Inc. | Modified transmission method for improving accuracy for e-911 calls |
US6493380B1 (en) | 1999-05-28 | 2002-12-10 | Nortel Networks Limited | System and method for estimating signal time of arrival |
ES2256985T3 (es) * | 1999-07-03 | 2006-07-16 | Siemens Schweiz Ag | Avisador de movimiento segun el principio doppler. |
US7411921B2 (en) | 1999-10-21 | 2008-08-12 | Rf Technologies, Inc. | Method and apparatus for integrating wireless communication and asset location |
AU2001292686A1 (en) | 2000-09-14 | 2002-03-26 | Time Domain Corporation | System and method for detecting an intruder using impulse radio technology |
US6710743B2 (en) | 2001-05-04 | 2004-03-23 | Lockheed Martin Corporation | System and method for central association and tracking in passive coherent location applications |
EP1436721B1 (en) | 2001-09-17 | 2010-01-13 | Finlasin Technology LLC | Digital signal processor for wireless baseband processing |
US7773614B1 (en) | 2001-12-05 | 2010-08-10 | Adaptix, Inc. | Wireless communication subsystem with a digital interface |
WO2012125726A1 (en) | 2011-03-14 | 2012-09-20 | Intelligent Technologies International, Inc. | Cargo theft prevention system and method |
US7869822B2 (en) | 2003-02-24 | 2011-01-11 | Autocell Laboratories, Inc. | Wireless network apparatus and system field of the invention |
CA2516711A1 (en) | 2003-02-24 | 2004-09-10 | Autocell Laboratories, Inc. | System, method and apparatus for ascertaining a dynamic attribute of a system |
US20050055568A1 (en) | 2003-08-12 | 2005-03-10 | Agrawala Ashok K. | Method and system for providing physical security in an area of interest |
JP4301080B2 (ja) | 2004-05-24 | 2009-07-22 | 船井電機株式会社 | 監視システム |
WO2006009955A2 (en) | 2004-06-23 | 2006-01-26 | Cognio, Inc | Self-calibrated path loss position estimation process, device and system |
US20060217132A1 (en) | 2005-03-23 | 2006-09-28 | 3Com Corporation | High resolution localization for indoor environments |
WO2006107282A1 (en) | 2005-04-07 | 2006-10-12 | National University Of Singapore | A system and method for searching physical objects |
US7342493B2 (en) | 2005-04-22 | 2008-03-11 | Ultravision Security Systems, Inc. | Motion detector |
US7916066B1 (en) | 2006-04-27 | 2011-03-29 | Josef Osterweil | Method and apparatus for a body position monitor and fall detector using radar |
WO2008094172A2 (en) | 2006-06-01 | 2008-08-07 | University Of Florida Research Foundation, Inc. | Radar microsensor for detection, tracking, and classification |
US20070296571A1 (en) | 2006-06-13 | 2007-12-27 | Kolen Paul T | Motion sensing in a wireless rf network |
US20070293232A1 (en) | 2006-06-20 | 2007-12-20 | Aruze Corp. | Wireless communication failure monitoring system and monitoring device |
US7783300B2 (en) | 2006-11-22 | 2010-08-24 | Airdefense, Inc. | Systems and methods for proactively enforcing a wireless free zone |
US8075499B2 (en) | 2007-05-18 | 2011-12-13 | Vaidhi Nathan | Abnormal motion detector and monitor |
US8526341B2 (en) | 2007-05-17 | 2013-09-03 | University Of Iowa Research Foundation | Systems and methods for microwave tomography |
US20090128360A1 (en) | 2007-09-24 | 2009-05-21 | Headwater Systems, Inc. | Electronic tag location system |
US7679547B2 (en) | 2007-09-26 | 2010-03-16 | Honeywell International Inc. | Direction of travel motion detector with automatic gain control |
GB2490834B (en) | 2008-02-06 | 2013-05-29 | Hmicro Inc | Wireless communications systems using multiple radios |
TWI475847B (zh) * | 2008-04-16 | 2015-03-01 | Koninkl Philips Electronics Nv | 存在及移動偵測之被動雷達 |
US8102261B2 (en) | 2008-07-17 | 2012-01-24 | Honeywell International Inc. | Microwave ranging sensor |
US8542109B2 (en) | 2008-07-29 | 2013-09-24 | Flir Systems, Inc. | Foliage penetrating sensor array for intrusion detection |
US10168414B2 (en) | 2014-07-17 | 2019-01-01 | Origin Wireless, Inc. | Wireless signals and techniques for determining locations of objects in multi-path environments |
US8159344B2 (en) | 2008-10-28 | 2012-04-17 | Honeywell International, Inc. | Microwave motion detectors utilizing multi-frequency ranging and target angle detection |
US8892127B2 (en) | 2008-11-21 | 2014-11-18 | Qualcomm Incorporated | Wireless-based positioning adjustments using a motion sensor |
AU2009342637B2 (en) | 2009-03-20 | 2015-07-16 | Innovative Wireless Technologies, Inc. | Method and apparatus for reliable communications in underground and hazardous areas |
US8331498B2 (en) | 2009-04-13 | 2012-12-11 | Telefonaktiebolaget L M Ericsson (Publ) | Blind modulation detection |
EP2259084A1 (de) | 2009-06-03 | 2010-12-08 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren und Funkeinrichtung zur Detektion einer Bewegung |
US8305257B2 (en) | 2009-09-02 | 2012-11-06 | Trizna Dennis B | Method and apparatus for coherent marine radar measurements of properties of ocean waves and currents |
US8138918B2 (en) | 2009-09-17 | 2012-03-20 | Raytheon Company | Intrusion detection and tracking system |
US8818288B2 (en) | 2010-07-09 | 2014-08-26 | University Of Utah Research Foundation | Statistical inversion method and system for device-free localization in RF sensor networks |
WO2012015688A2 (en) | 2010-07-27 | 2012-02-02 | Raytheon Company | An intrusion detection and tracking system |
US8605830B2 (en) | 2010-07-30 | 2013-12-10 | National Instruments Corporation | Blind carrier/timing recovery and detection of modulation scheme |
US8396485B2 (en) | 2010-11-09 | 2013-03-12 | Apple Inc. | Beacon-based geofencing |
EP2652996A1 (en) | 2010-12-13 | 2013-10-23 | Xandem Technology, LLC | Systems and methods of device-free motion detection and presence detection |
JP6021189B2 (ja) | 2011-02-21 | 2016-11-09 | トランスロボティックス,インク. | 距離および/または移動を感知するためのシステムおよび方法 |
JPWO2012137285A1 (ja) | 2011-04-04 | 2014-07-28 | 三菱電機株式会社 | 在圏検知システム、在圏検知方法及びプログラム |
US20130005280A1 (en) | 2011-06-28 | 2013-01-03 | Hong Kong Applied Science and Technology Research Institute Company Limited | Method for constructing a wireless communication device to achieve motion sensing function |
US20130090117A1 (en) | 2011-10-06 | 2013-04-11 | Qualcomm Incorporated | Method and apparatus for optimized reacquisition of wireless communications systems |
KR101776703B1 (ko) * | 2011-10-14 | 2017-09-08 | 한화테크윈 주식회사 | 레이다 센서 및 이를 이용한 물체 검출 방법 |
CN103891369B (zh) * | 2011-10-19 | 2019-03-29 | 瑞典爱立信有限公司 | 运动检测器装置 |
WO2013089747A1 (en) | 2011-12-15 | 2013-06-20 | Intel Corporation | System and method for enabling low power devices |
US8866663B2 (en) | 2011-12-27 | 2014-10-21 | Massachusetts Institute Of Technology | Methods and apparatus for sensing organic tissue |
US9185528B2 (en) | 2012-06-28 | 2015-11-10 | Northrop Grumman Systems Corporation | WiFi mapping and motion detection |
WO2014021574A1 (ko) | 2012-08-02 | 2014-02-06 | 트라텍정보통신 주식회사 | 스마트폰과 연동되는 usb 메모리 장치 |
US9551784B2 (en) | 2012-09-04 | 2017-01-24 | Honeywell International Inc. | Intrusion detection |
JP5523534B2 (ja) * | 2012-10-22 | 2014-06-18 | 沖電気工業株式会社 | 特徴量算出装置及びプログラム |
US9999376B2 (en) | 2012-11-02 | 2018-06-19 | Vital Connect, Inc. | Determining body postures and activities |
US8847754B2 (en) | 2012-11-15 | 2014-09-30 | James Buchheim | Locator beacon and radar application for mobile device |
US9544788B2 (en) | 2012-11-16 | 2017-01-10 | Dsp Group Ltd. | Method and system for motion detection using digital enhanced cordless telecommunicaiton (DECT) signals |
WO2014078948A1 (en) | 2012-11-22 | 2014-05-30 | Perch Communications Inc. | System and method for automatically triggered synchronous and asynchronous video and audio communications between users at different endpoints |
US9407097B2 (en) | 2013-03-04 | 2016-08-02 | Hello Inc. | Methods using wearable device with unique user ID and telemetry system |
US9537586B2 (en) | 2013-03-15 | 2017-01-03 | DGS Global Systems, Inc. | Systems, methods, and devices for electronic spectrum management with remote access to data in a virtual computing network |
US9213873B2 (en) | 2013-03-22 | 2015-12-15 | Symbol Technologies, Llc | Determining movement of a radio frequency identification tag using a phase difference/frequency model |
CA2820568A1 (en) | 2013-06-21 | 2014-12-21 | Ninve Jr. Inc. | Dual differential doppler motion detection |
US9451381B2 (en) | 2013-08-06 | 2016-09-20 | Time Warner Cable Enterprises Llc | Automated provisioning of managed services in a Wi-Fi capable client device |
US9742974B2 (en) * | 2013-08-10 | 2017-08-22 | Hai Yu | Local positioning and motion estimation based camera viewing system and methods |
US10979203B2 (en) | 2013-09-04 | 2021-04-13 | Qualcomm Incorporated | Channel selection to reduce interference to a wireless local area network from a cellular network |
US9467480B2 (en) | 2013-09-16 | 2016-10-11 | Qualcomm Incorporated | Selectively multiplexing incoming WebRTC traffic and/or de-multiplexing outgoing WebRTC traffic by a client-based WebRTC proxy on behalf of a WebRTC multimedia client application |
US9204385B2 (en) | 2013-10-09 | 2015-12-01 | Netgear, Inc. | Wireless router or residential gateway capable of distinguishing power-sensitive wireless sensors and providing separate treatment thereto |
JP6402398B2 (ja) * | 2013-12-17 | 2018-10-10 | 三星電子株式会社Samsung Electronics Co.,Ltd. | 処理装置、および処理方法 |
CN106464551A (zh) | 2014-01-06 | 2017-02-22 | 魅力能源公司 | 一种使用网络装置和基于遥感的信息来协调环境的系统、装置和设备 |
WO2015114466A2 (en) | 2014-01-28 | 2015-08-06 | King Abdullah University Of Science And Technology | Buffer sizing for multi-hop networks |
US20150245164A1 (en) | 2014-02-26 | 2015-08-27 | Aliphcom | Interaction between wearable devices via broadcasted sensor-related data |
US20150247918A1 (en) * | 2014-02-28 | 2015-09-03 | Qualcomm Incorporated | Method and apparatus for tracking objects with location and motion correlation |
JP6388957B2 (ja) | 2014-04-11 | 2018-09-12 | エスゼット ディージェイアイ テクノロジー カンパニー リミテッドSz Dji Technology Co.,Ltd | 近接感知システムおよび方法 |
WO2015168700A1 (en) | 2014-05-02 | 2015-11-05 | The Board Of Trustees Of The Leland Stanford Junior University | Method and apparatus for tracing motion using radio frequency signals |
KR20150134126A (ko) | 2014-05-21 | 2015-12-01 | 재단법인대구경북과학기술원 | 레이더 신호 처리 방법 및 장치 |
US9294974B2 (en) | 2014-05-30 | 2016-03-22 | Apple Inc. | Motion based search and measurement periodicity |
US9491585B2 (en) * | 2014-05-31 | 2016-11-08 | Apple Inc. | Location determination using dual statistical filters |
US9143968B1 (en) | 2014-07-18 | 2015-09-22 | Cognitive Systems Corp. | Wireless spectrum monitoring and analysis |
US9143413B1 (en) | 2014-10-22 | 2015-09-22 | Cognitive Systems Corp. | Presenting wireless-spectrum usage information |
WO2016066822A1 (en) | 2014-10-31 | 2016-05-06 | Siemens Aktiengesellschaft | Method, digital tool, device and system for detecting movements of objects and/or living beings in a radio range, in particular of an indoor area |
KR20160053270A (ko) * | 2014-10-31 | 2016-05-13 | 주식회사 만도 | 타켓 물체 감지 방법 및 레이더 장치 |
US9648462B2 (en) | 2014-11-28 | 2017-05-09 | Szegedi Tudományegyetem | Method for tracking of motion of objects associated with wireless communication devices within a predefined area |
TWI514193B (zh) | 2014-12-25 | 2015-12-21 | Univ Nat Sun Yat Sen | 動作感測裝置 |
US10347108B2 (en) | 2015-01-16 | 2019-07-09 | City University Of Hong Kong | Monitoring user activity using wearable motion sensing device |
US20160241999A1 (en) | 2015-02-16 | 2016-08-18 | Polaris Tech Global Limited | Cross-platform automated perimeter access control system and method adopting selective adapter |
US20160379074A1 (en) * | 2015-06-25 | 2016-12-29 | Appropolis Inc. | System and a method for tracking mobile objects using cameras and tag devices |
WO2016205980A1 (en) * | 2015-06-26 | 2016-12-29 | Hewlett Packard Enterprise Development Lp | Mobile device locator |
AU2016304884B2 (en) | 2015-08-11 | 2021-01-28 | Masimo Corporation | Medical monitoring analysis and replay including indicia responsive to light attenuated by body tissue |
US10564285B2 (en) | 2015-11-19 | 2020-02-18 | DSCG Solutions, Inc. | Estimation of motion in six degrees of freedom (6DOF) using LIDAR |
US10433184B2 (en) | 2015-12-31 | 2019-10-01 | Motorola Mobility Llc | Method and apparatus for directing an antenna beam based on a location of a communication device |
JP6971254B2 (ja) * | 2016-04-14 | 2021-11-24 | オリジン ワイヤレス, インコーポレイテッドOrigin Wireless, Inc. | 物体追跡のための方法、装置、サーバ及びシステム |
US9584974B1 (en) | 2016-05-11 | 2017-02-28 | Cognitive Systems Corp. | Detecting motion based on reference signal transmissions |
US9927519B1 (en) * | 2017-03-16 | 2018-03-27 | Cognitive Systems Corp. | Categorizing motion detected using wireless signals |
US9989622B1 (en) * | 2017-03-16 | 2018-06-05 | Cognitive Systems Corp. | Controlling radio states for motion detection |
US10111228B2 (en) * | 2017-03-16 | 2018-10-23 | Cognitive Systems Corp. | Selecting wireless communication channels based on signal quality metrics |
US9933517B1 (en) * | 2017-11-03 | 2018-04-03 | Cognitive Systems Corp. | Time-alignment of motion detection signals using buffers |
-
2017
- 2017-10-31 US US15/799,806 patent/US10228439B1/en active Active
-
2018
- 2018-01-24 WO PCT/CA2018/050079 patent/WO2019084668A1/en unknown
- 2018-01-24 EP EP18874502.0A patent/EP3704507A4/en active Pending
- 2018-01-24 CN CN201880063849.XA patent/CN111164454B/zh active Active
- 2018-01-24 JP JP2020518646A patent/JP7069302B2/ja active Active
- 2018-01-24 KR KR1020207008973A patent/KR102550226B1/ko active IP Right Grant
- 2018-01-24 CA CA3075937A patent/CA3075937A1/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101321287A (zh) * | 2008-07-08 | 2008-12-10 | 浙江大学 | 基于运动目标检测的视频编码方法 |
JP2010210500A (ja) * | 2009-03-11 | 2010-09-24 | Omron Corp | 侵入検知装置および侵入検知方法 |
US9229102B1 (en) * | 2009-12-18 | 2016-01-05 | L-3 Communications Security And Detection Systems, Inc. | Detection of movable objects |
US20140050415A1 (en) * | 2012-08-17 | 2014-02-20 | Karl P. Sims | Filters and Functions Using Exponential Decay |
US20160312450A1 (en) * | 2013-12-16 | 2016-10-27 | Panasonic Intellectual Property Management Co., Ltd. | Faucet |
US9523760B1 (en) * | 2016-04-15 | 2016-12-20 | Cognitive Systems Corp. | Detecting motion based on repeated wireless transmissions |
US9524628B1 (en) * | 2016-08-04 | 2016-12-20 | Cognitive Systems Corp. | Detecting signal modulation for motion detection |
US9743294B1 (en) * | 2017-03-16 | 2017-08-22 | Cognitive Systems Corp. | Storing modem parameters for motion detection |
Non-Patent Citations (2)
Title |
---|
S. HASHI: "Numerical Study on the Improvement of Detection Accuracy for a Wireless Motion Capture System", IEEE TRANSACTIONS ON MAGNETICS, vol. 45, no. 6, pages 2736, XP011258106, DOI: 10.1109/TMAG.2009.2020541 * |
匡仁炳等: "基于无线电相关链路分析的无携带式定位方法", 科技广场, no. 2, pages 94 - 98 * |
Also Published As
Publication number | Publication date |
---|---|
WO2019084668A1 (en) | 2019-05-09 |
CN111164454B (zh) | 2024-04-19 |
JP7069302B2 (ja) | 2022-05-17 |
US10228439B1 (en) | 2019-03-12 |
EP3704507A1 (en) | 2020-09-09 |
EP3704507A4 (en) | 2021-08-11 |
KR20200083442A (ko) | 2020-07-08 |
KR102550226B1 (ko) | 2023-06-30 |
CA3075937A1 (en) | 2019-05-09 |
JP2021501307A (ja) | 2021-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111373281B (zh) | 基于无线信号的统计参数的分组的运动检测 | |
CN111164454B (zh) | 基于无线信号的滤波后的统计参数的运动检测 | |
JP7154295B2 (ja) | 無線信号の特性の機械学習に基づく動き検出 | |
EP3676634B1 (en) | Detecting motion based on decompositions of channel response variations | |
US10380856B2 (en) | Motion localization based on channel response characteristics | |
US10109167B1 (en) | Motion localization in a wireless mesh network based on motion indicator values | |
CN110462428B (zh) | 对使用无线信号检测的运动进行分类 | |
CN111417864A (zh) | 基于双向信道探测的运动检测和定位 | |
CN111194414A (zh) | 使用缓冲器对运动检测信号进行时间对准 | |
CN111386474A (zh) | 网状网络中的运动检测 | |
CN111213064A (zh) | 基于时间因子的无线网状网络中的运动位置确定 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |