CN111226129A - 基于信道响应特性的运动定位 - Google Patents
基于信道响应特性的运动定位 Download PDFInfo
- Publication number
- CN111226129A CN111226129A CN201880067230.6A CN201880067230A CN111226129A CN 111226129 A CN111226129 A CN 111226129A CN 201880067230 A CN201880067230 A CN 201880067230A CN 111226129 A CN111226129 A CN 111226129A
- Authority
- CN
- China
- Prior art keywords
- space
- motion
- channel response
- wireless communication
- channel
- 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.)
- Pending
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/022—Channel estimation of frequency response
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Power Engineering (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Emergency Management (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Mobile Radio Communication Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
在一般方面中,基于信道响应特性来定位所检测到的运动。在一些方面中,获得基于无线通信装置之间发送通过空间的无线信号的信道响应。执行运动检测处理以基于信道响应来检测空间中的物体的运动,并且分析信道响应以识别空间内的多个区域中的一个区域内的所检测到的运动的位置。
Description
优先权要求
本申请要求2017年11月16日提交的、标题为“Motion Localization Based onChannel Response Characteristics(基于信道响应特性的运动定位)”的美国申请15/815,199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和运动定位。
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2是示出示例性运动探测信号的图。
图3A和3B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4A~4B是示出与空间的不同区域中的物体的运动相关联的示例性信道响应的图。
图4C~4D是示出图4A~4B的示例性信道响应叠加在与空间中未发生运动相关联的示例性信道响应上的标绘图。
图5是示出将共享信道响应特性与空间内的不同区域相关联的示例性处理的流程图。
图6是示出基于信道响应特性的运动定位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,基于信道响应特性来定位所检测到的运动。例如,在一些实例中,运动检测系统进行机器学习以将空间内的不同区域内的物体的运动与在该不同区域内发生物体的运动时获得的信道响应所共享的特性相关联。另外,运动检测系统进行RF运动定位以基于运动检测数据库中所存储的机器学习关联来识别空间内的不同区域。各机器学习关联包括与空间内的不同区域相关联的共享信道响应特性。
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,可以使用发送通过空间的无线信号来检测运动。另外,运动的定位可以通过仅使用两个无线通信装置且无需三角测量地进行。另外,神经网络可以使得运动检测系统能够例如通过在多个训练时间段重复机器学习处理来随着时间动态地改进其识别在不同区域内发生物体的运动时获得的信道响应内的共享特性的能力。
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,无线网络可被配置成作为无线局域网(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),该其它类型的WAP执行如这里所述的作为指令(例如,软件或固件)嵌入在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可以是诸如商业可用的网状网络系统(例如,GOOGLE WIFI)等的无线网状网络的节点。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,或者它们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中的任意无线通信装置102A、102B、102C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所示地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)识别和分析编码在来自无线电子系统的信号中的数据。
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,并且无线地(例如,通过天线)发送射频信号。在一些实例中,示例性调制解调器112中的无线电子系统无线地(例如,通过天线)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通过无线电子系统在无线通信网络中通信无线网络业务(例如,数据分组)。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,指令可以包括用于使用干扰缓冲器和运动检测缓冲器(诸如通过图5、6的示例性处理500、600的一个或多个操作等)来对信号进行时间对准的指令。
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3~6所述的示例性处理、或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网状网络。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可以根据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的其它装置)可以判断为所检测到的运动在特定无线通信装置附近。
图2示出示例性运动探测信号202。可以例如在无线通信系统中发送示例性运动探测信号202,以监视空间中的运动。在一些示例中,运动探测信号202被实现为分组。例如,运动探测信号202可以包括二进制数据,其中该二进制数据被转换为模拟信号、上变频为射频、并且由天线无线地发送。
图2所示的运动探测信号202包括控制数据204和运动数据206。运动探测信号202可以包括附加或不同的特征,并且可以以其它方式格式化。在所示的示例中,控制数据204可以包括如下的一类控制数据,该类控制数据将被包括在传统数据分组中。例如,控制数据204可以包括用于指示运动探测信号202中所包含的信息的类型的前导码(也称为头部)、用于发送运动探测信号202的无线装置的标识符、用于发送运动探测信号202的无线装置的MAC地址、发送功率等。运动数据206是运动探测信号202的有效载荷。在一些实现中,运动数据206可以是或包括例如伪随机码或其它类型的参考信号。在一些实现中,运动数据206可以例如是或包括无线网络系统所广播的信标信号。
在示例中,运动探测信号202由无线装置(例如,图1所示的无线通信装置102A)发送并在运动检测装置(例如,图1所示的无线通信装置102C)处接收。在一些情况下,控制数据204例如随每次发送而变化,以指示发送时间或更新的参数。在运动探测信号202的每次发送时,运动数据206可以保持不变。接收无线通信装置可以基于运动探测信号202的每次发送来处理接收信号,并且分析运动数据206的变化。例如,运动数据206的变化可以指示运动探测信号202的无线发送所接入的空间中的物体的移动。然后,例如可以处理运动数据206,以产生对检测到的运动的响应。
图3A和3B是示出在无线通信装置304A、304B、304C之间通信的示例性无线信号的图。无线通信装置304A、304B、304C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304A、304B、304C将无线信号发送通过空间300。示例性空间300可以在该空间300的一个或多个边界处完全或部分地封闭或开放。空间300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302A、第二壁302B和第三壁302C使空间300至少部分地封闭。
在图3A和3B所示的示例中,第一无线通信装置304A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)发送无线信号。所发送的信号可以像图2的运动探测信号202那样或以其它方式进行格式化。第二无线通信装置304B和第三无线通信装置304C能够操作以接收基于无线通信装置304A所发送的信号的信号。无线通信装置304B、304C各自具有被配置为处理接收信号以检测空间300中的物体的运动的调制解调器(例如,图1所示的调制解调器112)。
如图所示,物体处于图3A中的第一位置314A,并且物体已经移动到图3B中的第二位置314B。在图3A和3B中,空间300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300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3A和3B所示,用虚线示出从第一无线通信装置304A发送的无线信号的多个示例性路径。沿着第一信号路径316,无线信号从第一无线通信装置304A发送并且被第一壁302A反射朝向第二无线通信装置304B。沿着第二信号路径318,无线信号从第一无线通信装置304A发送并且被第二壁302B和第一壁302A反射朝向第三无线通信装置304C。沿着第三信号路径320,无线信号从第一无线通信装置304A发送并且被第二壁302B反射朝向第三无线通信装置304C。沿着第四信号路径322,无线信号从第一无线通信装置304A发送并且被第三壁302C反射朝向第二无线通信装置304B。
在图3A中,沿着第五信号路径324A,无线信号从第一无线通信装置304A发送并且被第一位置314A处的物体反射朝向第三无线通信装置304C。在图3A和图3B之间,物体的表面从空间300中的第一位置314A移动到第二位置314B(例如,远离第一位置314A一定距离)。在图3B中,沿着第六信号路径324B,无线信号从第一无线通信装置304A发送并且被第二位置314B处的物体反射朝向第三无线通信装置304C。由于物体从第一位置314A移动至第二位置314B,因此图3B中所描绘的第六信号路径324B比图3A中所描绘的第五信号路径324A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3A和3B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302A、302B和302C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3A和3B所示的示例中,第一无线通信装置304A可以重复发送无线信号。特别地,图3A示出在第一时间从第一无线通信装置304A发送的无线信号,并且图3B示出在稍后的第二时间从第一无线通信装置304A发送的相同无线信号。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304A发送。在所示的示例中,无线信号穿过空间300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3A和3B所示,来自各种路径316、318、320、322、324A和324B的信号在第三无线通信装置304C和第二无线通信装置304B处组合以形成接收信号。由于空间300中的多个路径对发送信号的影响,因此空间300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300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300的传递函数可能变化。在假设从第一无线通信装置304A发送相同的无线信号的情况下,如果空间300的传递函数变化,则该传递函数的输出(即接收信号)也将变化。接收信号的变化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304A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304A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)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。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(Batch Least Squares,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。
图3C~3D是示出由在图3A~3B中的无线通信装置304A、304B、304C之间通信的无线信号计算出的信道响应360、370的示例的标绘图。图3C~3D还示出无线通信装置304A所发送的初始无线信号的频域表示350。在所示的示例中,图3C中的信道响应360表示在空间300中不存在运动时无线通信装置304B所接收到的信号,并且图3D中的信道响应370表示在物体在空间300中移动之后图3B中的无线通信装置304B所接收到的信号。
在图3C~3D所示的示例中,如频域表示350所示,为了说明目的,无线通信装置304A发送具有平坦频率分布的信号(各频率分量f1、f2和f3的幅度相同)。由于信号与空间300(及其中的物体)的相互作用,在无线通信装置304B处接收到的基于从无线通信装置304A发送的信号的信号看起来与发送信号不同。在该示例中,在发送信号具有平坦频率分布的情况下,接收信号表示空间300的信道响应。如图3C~3D所示,信道响应360、370与发送信号的频域表示350不同。当空间300中发生运动时,也将发生信道响应的变化。例如,如图3D所示,同空间300中存在物体的运动相关联的信道响应370与同空间300中不存在运动相关联的信道响应360不同。
此外,随着物体在空间300内移动,信道响应可能与信道响应370不同。在一些情况下,如下所述,空间300可被分割为不同的区域,并且与各区域相关联的信道响应可以共享一个或多个特性(例如,形状)。因此,可以区分不同区域内的物体的运动,并且可以基于对信道响应的分析来确定所检测到的运动的位置。
图4A~4B是示出与空间400的不同区域408、412中的物体406的运动相关联的示例性信道响应401、403的图。在所示的示例中,空间400是建筑物,并且空间400被分割为多个不同区域——第一区域408、第二区域410、区域412、第四区域414和第五区域416。在一些实例中,示例性空间400可以包括更多或更少的区域。如图4A~4B所示,空间内的区域可以由房间之间的壁限定。另外,区域可以由建筑物的楼层之间的天花板限定。例如,空间400可包括具有附加房间的附加楼层。另外,在一些实例中,空间的多个区域可以是或可以包括多层建筑物中的多个楼层、建筑物中的多个房间或建筑物的特定楼层上的多个房间。在图4A所示的示例中,位于区域408中的物体被表示为人106,但移动物体可以是其它类型的物体,诸如动物或无机物体等。
在所示的示例中,第一无线通信装置402A位于空间400的区域414中,第二无线通信装置402B位于空间400的区域410中,以及第三无线通信装置402C位于空间400的区域416中。示例性无线通信装置402可以以与图1的无线通信装置102相同或相似的方式操作。例如,无线通信装置402可被配置为发送和接收无线信号,并基于接收信号来检测空间400中是否发生了运动。作为示例,无线通信装置402可以将运动探测信号(例如,与图2的运动探测信号202类似地格式化的信号)周期性地或重复地发送通过空间400,并接收基于运动探测信号的信号。无线通信装置402可以分析接收信号,以诸如通过基于接收信号分析与空间相关联的信道响应来检测物体在空间400中是否发生了移动。另外,在一些实现中,示例性无线通信装置402可以分析接收信号以识别在空间400内检测到的运动的位置。例如,无线通信装置402可以分析信道响应的特性,以判断信道响应是否与已知同空间400的区域408、410、412、414、416相关联的信道响应共享相同或相似的特性。
在所示的示例中,一个(或多个)无线通信装置402将运动探测信号(例如,参考信号)重复地发送通过空间400。在一些实例中,运动探测信号可以具有平坦频率分布,其中,各频率分量f1、f2和f3的幅度相似。例如,运动探测信号可以具有与图3C~3D所示的频域表示350类似的频率响应。在一些实例中,运动探测信号可以具有不同的频率分布。由于参考信号与空间400(及其中的物体)的相互作用,在其它无线通信装置402处接收到的基于从另一无线通信装置402发送的运动探测信号的信号与发送的参考信号不同。
基于接收信号,无线通信装置402可以确定空间400的信道响应。当在空间内的不同区域中发生运动时,在信道响应中可以看到不同的特性。例如,虽然对于空间400的同一区域内的运动,信道响应可能略有不同,但与不同区域中的运动相关联的信道响应一般可以共享相同的形状或其它特性。例如,图4A的信道响应401表示与空间400的区域408中的物体406的运动相关联的示例性信道响应,而图4B的信道响应403表示与空间400的区域412中的物体406的运动相关联的示例性信道响应。信道响应401、403与空间400中的同一无线通信装置402所接收到的信号相关联。
图4C~4D是示出图4A~4B的示例性信道响应401、403叠加在与空间中未发生运动相关联的信道响应460的示例上的标绘图。当空间400中发生运动时,相对于“无运动”信道响应460,将发生信道响应的变化,因此可以通过分析信道响应的变化来检测空间400中的物体的运动。另外,可以识别在空间400内检测到的运动的相对位置。例如,可以(例如,使用经训练的神经网络)将与运动相关联的信道响应的形状与参考信息进行比较,以在空间的不同区域内已经发生运动时对该运动进行分类。
当空间400中不存在运动时(例如,当物体406不存在时),无线通信装置402可以计算“无运动”信道响应460。由于一些因素,信道响应可能会略有变化;然而,与不同时间段相关联的多个“无运动”信道响应可以共享一个或多个特性。在所示的示例中,“无运动”信道响应460具有减小的频率分布(各频率分量f1、f2和f3的幅度小于先前幅度)。在一些实例中,无运动信道响应460的分布可能(例如,基于不同的房间布局或装置402的放置而)不同。
当空间400中发生运动时,将发生信道响应的变化。例如,在图4C~4D所示的示例中,(与区域408中的物体406的运动相关联的)信道响应401与“无运动”信道响应460不同,并且(与区域412中的物体406的运动相关联的)信道响应403也与“无运动”信道响应460不同。信道响应401具有凹抛物线频率分布(中间频率分量f2的幅度小于外侧频率分量f1和f3的幅度),而信道响应403具有凸渐近线频率分布(中间频率分量f2的幅度大于外侧频率分量f1和f3的幅度)。在一些实例中,信道响应401、403的分布可能(例如,基于不同的房间布局或装置402的放置而)不同。
分析信道响应可以被认为与分析数字滤波器相似。换句话说,通过空间中的物体的反射以及移动或静止的人所产生的反射而形成信道响应。当反射体(例如,人)移动时,它会改变信道响应。这可以转化为数字滤波器的等效抽头的变化,该变化可被认为具有极点和零点(极点使信道响应的频率分量迅速增加并在响应中表现为峰值或高点,而零点使信道响应的频率分量下降并在响应中表现为低点或空值)。变化的数字滤波器可以用它的峰值和谷值的位置来表征,并且信道响应也可以类似地用它的峰值和谷值来表征。例如,在一些实现中,分析信道响应的频率分量中的空值和峰值(例如,通过标记其在频率轴上的位置及其幅度),可以检测运动。
在一些实现中,可以使用时间序列聚合来检测运动。时间序列聚合可以通过观察移动窗口内的信道响应的特征、并使用统计度量(例如,均值、方差、主分量等)聚合窗口结果来进行。在运动实例期间,由于散射场景的持续变化,特性数字滤波器特征将进行位置的位移并在一些值之间翻转。也就是说,等效数字滤波器展现出(由于运动引起的)其峰值和空值的值范围。通过查看该值范围,可以针对空间内的不同区域识别唯一的“签名”或分布。
在一些实现中,可以“学习”与空间400的不同区域中的运动相关联的信道响应的分布。例如,可以使用机器学习以利用空间的不同区域内的物体的运动来对信道响应特性进行分类。在一些情况下,与无线通信装置402相关联的用户(例如,空间400的所有者或其它占用者)可以辅助学习处理。例如,参考图4A~4B所示的示例,用户可以在学习阶段期间在各不同区域408、410、412、414、416中移动,并且可以(例如,通过移动计算装置上的用户接口来)指示他/她正在空间中的一个特定区域内移动。例如,当(例如,如图4A所示)用户正在移动通过区域408时,用户可以在移动计算装置上指示他/她在区域408中(并且可以适当地将该区域命名为“卧室”、“客厅”、“厨房”或其它类型的建筑物房间)。随着用户移动通过该区域,可以获得信道响应,并且信道响应可以“标记”有用户的指示位置(区域)。用户可以针对空间400的其它区域重复相同的处理。
然后,可以(例如,通过机器学习软件)处理标记信道响应,以识别与不同区域中的运动相关联的信道响应的唯一特性。一旦识别出唯一特性,该识别出的唯一特性就可以用于针对新计算出的信道响应来确定所检测到的运动的位置。例如,神经网络(卷积或全连接)可以使用标记信道响应进行训练,并且一旦神经网络经训练,新计算出的信道响应就可被输入到神经网络,并且该神经网络可以输出所检测到的运动的位置。例如,在一些情况下,将均值、范围和绝对值输入到神经网络。在一些实例中,复杂信道响应本身的幅度和相位也可被输入。这些值允许神经网络设计任意的前端滤波器来提取与针对空间的不同区域中的运动进行准确预测最相关的特征。在一些实现中,神经网络通过进行随机梯度下降来训练。例如,在特定区域期间最活跃的信道响应变化可能在训练期间被监视,并且具体信道变化的权重可能(通过训练和调整第一层中的权重以使其与形状、趋势等相关)变重。加权信道变化可以用于创建在用户存在于特定区域中时激活的度量。
对于所提取的特征(诸如信道响应空值和峰值),可以通过使用移动窗口内的聚合、拍摄几个特征在过去和现在的快照、并使用该聚合值作为网络的输入来创建(空值/峰值的)时间序列。因此,网络在调整其权重的同时将试图聚合特定区域中的值以对它们进行聚类,这可以通过创建基于逻辑分类器的决策面来实现。决策面对不同的聚类进行分割,并且后续层可以基于单个聚类或聚类的组合来形成类别。
在一些实现中,神经网络包括两个或更多个推断层。第一层用作可将不同值集分割为单独的聚类的逻辑分类器,而第二层将这些聚类中的一些聚类组合在一起以针对不同区域创建类别。另外,后续层可以帮助将不同区域扩展到多于两个聚类类别。例如,全连接神经网络可以包括与跟踪的特征数相对应的输入层、(通过在选择之间迭代)与有效聚类数相对应的中间层、以及与不同区域相对应的最终层。在完整的信道响应信息被输入到神经网络的情况下,第一层可以用作形状滤波器,该形状滤波器可以使特定形状相关。因此,第一层可以锁定到特定形状,第二层可以生成这些形状所发生的变化的度量,并且第三层和后续层可以产生这些变化的组合、并将这些变化映射到空间内的不同区域。然后,可以通过融合层来组合不同层的输出。
图5是示出将共享信道响应特性与空间(例如,图4A~4B的空间400)内的不同区域(例如,图4A~4B的区域418、412)相关联的示例性处理500的流程图。示例性处理500中的操作可以由无线通信装置的数据处理设备(例如,图1中的示例性无线通信装置102C的处理器114)进行,以将信道响应特性与空间的不同区域(例如,空间400的区域408、410、412、414、416)中的运动相关联。示例性处理500可以由其它类型的装置进行。例如,处理500的操作可以由除无线通信装置以外的系统(诸如连接至无线通信装置的计算机系统等)进行。示例性处理500可以包括附加的或不同的操作,并且操作可以以所示的顺序或其它顺序进行。在一些情况下,图5所示的操作中的一个或多个操作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502,获得与空间内的不同区域中的物体的运动相关联的一个或多个信道响应。信道响应是基于由无线通信系统(例如,图1的无线通信系统100)的一个或多个无线通信装置发送通过空间的无线信号。例如,参考图3A~3B所示的示例,信道响应可以是基于由无线通信装置304A发送通过空间300并在无线通信装置304B、304C其中之一处接收到的无线信号。此外,参考图4A~4B所示的示例,信道响应可以是基于由一个或多个无线通信装置402发送通过空间400并在一个或多个无线通信装置402处接收到的无线信号。
在一些实现中,在无线通信系统处于“训练模式”时获得信道响应。例如,无线通信装置(或可通信地耦接至无线通信装置的其它计算装置,例如远程服务器)可以接收用于指示训练模式已经开始或即将开始的用户输入。作为示例,无线通信系统可以接收可使用区域标识符(例如,“厨房”、“办公室1”、“办公室2”、“楼上阳台”)来指定空间中的不同区域的用户输入,并且可以提示用户在指定区域内移动。因此,在训练模式期间获得的信道响应可以变成标记数据。例如,信道响应可以与空间中的不同区域的区域标识符相关联地进行标记。
在一些实现中,在训练时间段期间获得在无线通信系统处于训练模式时获得的信道响应。例如,无线通信系统可以向用户通知训练时间段的开始、以及训练时间段的结束或持续时间。无线通信系统可以(例如,经由音频播放或视觉显示)向用户呈现用于指示用户在训练时间段期间在空间的不同区域内移动的指示、或用于指示用户在训练时间段期间在空间的区域内不提供运动(例如,不移动)的其它指示。例如,参考图4A~4B所示的示例,无线通信装置402可以在包括用户在区域408内移动的第一训练时间段期间获得与信道响应401类似的信道响应,并且可以在包括用户在区域412内移动的训练时间段期间获得与信道响应403类似的信道响应。
在504处,在所获得的信道响应中识别各信道响应所共享的一个或多个特性。可以通过分析502处所获得的信道响应(例如,通过比较所获得的信道响应,通过将所获得的信道响应彼此组合,或者通过检测所获得的各信道响应的图案(例如,频率分量的形状、轮廓、幅度)、并且识别与空间内的各不同区域相关联的重复图案)来识别共享特性。例如,参考图4A~4B所示的示例,无线通信系统可以将凹抛物线频率分布识别为在用户在区域408内移动的第一训练时间段期间获得的信道响应401的共享特性,并且可以将凸渐近线频率分布识别为在用户在区域412内移动的第二训练时间段期间获得的信道响应403的共享特性。
在一些实现中,可以通过使用机器学习来确定共享特性。例如,神经网络(卷积或全连接)可以使用502处所获得的标记信道响应(例如,如上所述)进行训练。通过训练,神经网络可以“学习”与空间的各不同区域中的运动相关联的信道响应的共享特性。
在506处,所识别出的特性与空间内的不同区域相关联。在一些情况下,在运动检测数据库中进行关联,该运动检测数据库将与在504处识别出的共享特性有关的信息与502处所指定的区域标识符相关联地存储。运动检测数据库使得无线通信系统能够调用与给定的空间的不同区域相关联的所识别出的共享特性、并且能够调用与给定的共享特性或一组共享特性相关联的空间中的不同区域。运动检测数据库可被存储在无线通信系统的无线通信装置的存储器(例如,图1中的存储器116)中、或可通信地耦接至无线通信系统的其它装置的存储器中。运动检测数据库可被实现为传统数据库或神经网络(例如,具有应用于各个变量的特定权重的函数,其中权重是基于神经网络的训练)。
在一些实现中,506处的关联由无线通信系统结合神经网络执行。例如,无线通信装置的调制解调器可以(经由诸如因特网等的计算机网络)连接到云计算系统,该云计算系统包括用于实现运动检测数据库的神经网络。无线通信装置可以将502处所获得的信道响应作为标记数据发送到神经网络。作为响应,神经网络可以分析标记信道响应,识别由所获得的各信道响应共享的一个或多个特性,并将共享特性存储在运动检测数据库中(例如,作为具有各个权重的函数)。在一些实例中,神经网络可以将在所获得的大多数信道响应中检测到的图案与空间内的不同区域中的物体的运动相关联。神经网络所产生的关联被存储在云计算系统的运动检测数据库中,并且可以由无线通信系统的无线通信装置或可通信地耦接至无线通信系统的其它装置访问。例如,参考图4A~4B所示的示例,无线通信系统(经由神经网络)可以将凹抛物线频率分布与空间400的区域408中的人406的运动相关联,并且可以将凸渐近线频率分布与空间400的区域412中的人406的运动相关联。
在508处,在将所识别出的特性与空间的不同区域中的物体的运动相关联之后,将506处进行的关联用于运动定位处理。在一些实例中,在508处,无线通信系统不再处于“训练模式”。例如,可以基于发送通过空间的无线信号来获得附加信道响应。无线通信系统可以在运动定位处理(例如图6的处理600等)中使用附加信道。
在一些实现中,可以实现处理500以将信道响应特性与可以检测到的运动的特定类别相关联。例如,参考图4A~4B所示的示例,当狗在区域408内移动时,与该运动相关联的信道响应可能不同于与区域408中的人的运动相关联的信道响应401。因此,与区域408中的狗移动相关联的信道响应可能具有其自己的唯一特性,并且实现处理500以将狗运动与某些特性相关联(例如,使得可以区分狗与人的运动)。
图6是示出基于信道响应特性的运动定位的示例性处理600的流程图。示例性处理600中的操作可以由无线通信装置的数据处理设备(例如,图1中的示例性无线通信装置102C的处理器114)进行,以将信道响应特性与空间的不同区域(例如,空间400的区域408、410、412、414、416)中的运动相关联。示例性处理600可以由其它类型的装置进行。例如,处理600的操作可以由除无线通信装置以外的系统(诸如连接至无线通信装置的计算机系统等)进行。示例性处理600可以包括附加的或不同的操作,并且操作可以以所示的顺序或其它顺序进行。在一些情况下,图6所示的操作中的一个或多个操作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602处,基于无线通信装置之间发送通过空间的无线信号来获得信道响应。在一些实例中,在602处,无线通信系统不处于训练模式。信道响应可以由无线通信系统中的各无线通信装置基于在该无线通信装置处接收到的信号获得。
在604处,执行运动检测处理以基于602处所获得的信道响应来检测空间中的物体的运动。在一些实现中,运动检测处理可以分析在不同时间点获得的信道响应的变化,以检测无线信号所接入的空间中是否发生了运动。也就是说,运动检测处理可以响应于不同时间点的信道响应的变化的检测而在604处检测运动。运动检测处理可以分析所接收到的无线信号的其它方面,以检测空间中的运动。在一些实现中,可以通过向经训练的神经网络提供信道响应来检测运动。例如,602处所获得的信道响应可以作为输入提供至神经网络,并且神经网络可以提供指示空间中是否存在运动的输出。神经网络的输出可以是基于具有在训练处理期间确定的各种权重的函数。神经网络可以是卷积神经网络、全连接神经网络或它们的组合。
在606处,分析信道响应,以识别空间内的多个区域中的一个区域内的运动的位置。换句话说,基于分析信道响应的结果来识别空间内的多个区域中的一个区域内的运动的位置。在一些实现中,在时间点序列上获得信道响应,并且基于序列中的各时间点的信道响应所共享的特性来识别运动的位置。在所示的示例中,通过在612处识别一个或多个信道响应的特性、并在614处基于将所识别出的特性与同空间内的多个不同位置相关联的参考特性进行比较来识别所检测到的运动的位置来分析信道响应以识别空间内的多个区域中的一个区域内的运动的位置。
信道响应特性可以通过识别由信道响应的频率分量限定的形状或轮廓来识别。轮廓的形状识别可以通过实现曲线拟合技术、或者通过实现预测估计技术(例如,插值或外推)来实现。例如,参考图4C~4D,602处所获得的信道响应之间的共享特性可被识别为信道响应401的凹抛物线频率分布、信道响应403的凸渐近线频率分布、或无运动信道响应460的减小的频率分布。例如,参考特性可以包括运动检测数据库中的条目,该运动检测数据库将各信道响应特性与来自空间内的多个区域中的一个不同区域相关联。如果在612处识别出凹抛物线频率分布,则可以基于新获得的信道响应的凹抛物线频率分布与存储在运动检测数据库中并与空间400中的区域408、区域412或其它区域相关联的参考特性(或与同无运动相关联的信道响应)的比较而将区域408识别为检测到的运动的位置。
在一些实现中,识别信道响应特性并将其与参考特性相比较包括将602处获得的信道响应作为输入提供至经训练的神经网络,并且识别所检测到的运动的位置是基于神经网络的输出。例如,如上所述,可以使用标记信道响应来训练神经网络。在训练后,新获得的信道响应可被输入至经训练的神经网络,并且神经网络可以输出与空间的不同区域相关联的标识符。神经网络的输出可以是基于具有训练处理期间所确定的各种权重的函数。神经网络可以是卷积神经网络、全连接神经网络或它们的组合。可以以其它方式分析信道响应,以识别所检测到的运动的位置。
在一些实现中,在606处分析信道响应可以包括分析612处所识别出的特性的变化。检测到的所识别出的信道响应特性中的变化可以指示运动正在改变位置。通过分析信道响应随时间的变化,可以跟踪物体通过空间的运动。例如,参考图4A~4B所示的示例,当物体406从区域408移动到区域412时,信道响应可以从信道响应401中所示的形状缓慢改变为信道响应403中所示的形状。通过分析信道响应特性随时间的变化,可以随时间跟踪物体406的运动。
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,设备还可以包括用于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(也称为程序、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、或者在位于一个站点处或跨多个站点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逻辑电路,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中,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,内部硬盘和可移除盘等)、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示装置(例如,鼠标、追踪球、触针、触敏屏幕或其它类型的指示装置)。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(例如通过响应于从用户的客户端装置上的web浏览器接收到的请求而向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,运动检测系统进行机器学习以将空间内的不同区域中的物体的运动与在该不同区域内发生物体的运动时获得的信道响应所共享的特性相关联。另外,运动检测系统进行RF运动定位以基于运动检测数据库中所存储的机器学习关联来识别空间内的不同区域。各机器学习关联包括与空间内的不同区域相关联的共享信道响应特性。
在第一示例中,运动检测方法包括基于无线通信装置之间发送通过空间的无线信号来获得信道响应。该方法还包括执行运动检测处理,以基于信道响应来检测空间中的物体的运动。该方法包括通过一个或多个处理器的操作来分析信道响应以识别空间内的多个区域中的一个区域内的运动的位置。
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。分析信道响应以识别位置包括:识别信道响应中的一个或多个信道响应的特性;并且基于将所识别出的特性与同空间内的多个不同位置相关联的参考特性进行比较来识别位置。识别信道响应中的一个或多个信道响应的特性包括识别由信道响应中的一个或多个信道响应限定的轮廓的形状。参考特性包括运动检测数据库中的条目,该运动检测数据库将各信道响应特性与来自空间内的多个区域中的一个不同区域相关联。可以随时间识别特性的变化,并且可以基于特性随时间的变化来识别所识别出的位置的变化。分析信道响应以识别所检测到的运动的位置可以包括将信道响应作为输入提供至神经网络、并且基于神经网络的输出来识别所检测到的运动的位置。
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。信道响应与时间点序列相关联。该方法还包括基于与序列中的不同时间点相关联的信道响应所共享的特性来识别运动的位置。运动检测处理基于与不同时间点相关联的信道响应之间随时间序列的变化来检测运动。
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。无线信号中的各无线信号由第一无线通信装置发送并由第二无线通信装置接收,以及信道响应中的各信道响应由第二无线通信装置所接收到的无线信号中的相应无线信号生成。
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。空间包括建筑物。空间内的多个区域中的各区域包括以下各项中至少之一:建筑物的楼层、建筑物中的房间、或建筑物中的一组房间。建筑物中的一组房间包括建筑物中的少于总数的房间。
在第二示例中,运动检测方法包括获得与空间内的不同区域中的物体的运动相关联的信道响应。信道响应是基于由一个或多个无线通信装置发送通过空间的无线信号。该方法包括通过一个或多个处理器的操作来识别信道响应中的各信道响应所共享的特性。该方法包括:在运动检测数据库中将特性与空间内的不同区域相关联。
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。信道响应是第一信道响应,空间的不同区域是第一区域,以及特性是第一特性。该方法还包括:获得与空间内的不同的第二区域中的物体的运动相关联的第二信道响应;识别第二信道响应中的各第二信道响应所共享的第二特性;并且在运动检测数据库中将第二特性与不同的第二区域相关联。识别信道响应中的各信道响应所共享的特性可以包括将信道响应作为输入提供至神经网络,以及将特性与不同区域相关联可以包括基于作为输入所提供的信道响应来训练神经网络。
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。该方法还包括:在将特性与空间的不同区域中的物体的运动相关联之后,基于无线通信装置之间发送通过空间的无线信号来获得附加信道响应;并且使用运动检测数据库来识别不同区域中的运动。在该方法中,使用运动检测数据库来识别不同区域中的运动包括执行运动检测处理以基于附加信道响应来检测空间中的物体的运动。在该方法中,使用运动检测数据库来识别不同区域中的运动包括通过一个或多个处理器的操作来分析附加信道响应以识别空间内的多个区域中的一个区域内的运动的位置。分析附加信道响应以识别空间内的多个区域中的一个区域内的运动的位置包括:识别信道响应中的一个或多个信道响应的特性;并且基于将所识别出的特性与同空间内的多个不同位置相关联的参考特性进行比较来识别位置。参考特性包括运动检测数据库中的条目。运动检测数据库将各信道响应特性与来自空间内的多个区域中的一个不同区域相关联。
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。空间包括建筑物。空间内的多个区域中的各区域包括以下各项中至少之一:建筑物的楼层、建筑物中的房间、或建筑物中的一组房间。建筑物中的一组房间包括建筑物中的少于总数的房间。
在一些实现中,计算机可读介质存储如下指令,其中该指令在由数据处理设备执行时可操作地进行第一示例和第二示例的一个或多个操作。在一些实现中,系统(例如,无线通信装置、计算机系统、它们的组合或通信耦接至无线通信装置的其它类型的系统)包括一个或多个数据处理设备以及用于存储如下指令的存储器,其中这些指令在由数据处理设备执行时可操作地进行第一示例和第二示例的一个或多个操作。
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具体示例的特征的描述。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:
基于无线通信装置之间发送通过空间的无线信号来获得信道响应;
执行运动检测处理,以基于所述信道响应来检测所述空间中的物体的运动;以及
通过一个或多个处理器的操作,分析所述信道响应以识别所述空间内的多个区域中的一个区域内的所检测到的运动的位置。
2.根据权利要求1所述的方法,其中,分析所述信道响应以识别所检测到的运动的位置包括:
识别所述信道响应中的一个或多个信道响应的特性;以及
基于将所识别出的特性与同所述空间内的多个不同位置相关联的参考特性进行比较来识别所述位置。
3.根据权利要求2所述的方法,其中,识别所述信道响应中的一个或多个信道响应的特性包括识别由所述信道响应中的一个或多个信道响应所限定的轮廓的形状。
4.根据权利要求2所述的方法,其中,所述参考特性包括运动检测数据库中的条目,所述运动检测数据库将各信道响应的特性与来自所述空间内的多个区域中的一个不同区域相关联。
5.根据权利要求2所述的方法,包括:识别所述特性随时间的变化、并且基于所述特性随时间的变化来识别所识别出的位置的变化。
6.根据权利要求1至5中任一项所述的方法,其中,所述信道响应与时间点序列相关联,以及所述方法包括基于与所述序列中的不同时间点相关联的信道响应所共享的特性来识别所述运动的位置。
7.根据权利要求6所述的方法,其中,所述运动检测处理基于与不同时间点相关联的信道响应之间随时间序列的变化来检测运动。
8.根据权利要求1至5中任一项所述的方法,其中,所述无线信号中的各无线信号由第一无线通信装置发送并由第二无线通信装置接收,以及所述信道响应中的各信道响应是根据所述第二无线通信装置所接收到的无线信号中的相应无线信号而生成的。
9.根据权利要求1至5中任一项所述的方法,其中,所述空间包括建筑物,以及所述空间内的多个区域中的各区域包括以下各项中至少之一:所述建筑物的楼层、所述建筑物中的房间以及所述建筑物中的一组房间,其中,所述建筑物中的一组房间包括所述建筑物中的少于总数的房间。
10.根据权利要求1至5中任一项所述的方法,其中,分析所述信道响应以识别所检测到的运动的位置包括:将所述信道响应作为输入提供至神经网络、并且基于所述神经网络的输出来识别所检测到的运动的位置。
11.一种运动检测系统,包括:
多个无线通信装置,各无线通信装置被配置为基于从其它远程传感器装置接收到的无线信号的序列来检测空间中的物体的运动;以及
数据处理设备,其可通信地耦接至所述远程传感器装置并且被配置为:
基于无线通信装置之间发送通过空间的无线信号来获得信道响应;
执行运动检测处理,以基于所述信道响应来检测所述空间中的物体的运动;以及
分析所述信道响应以识别所述空间内的多个区域中的一个区域内的运动的位置。
12.根据权利要求11所述的系统,其中,所述数据处理设备被配置为通过以下操作来分析所述信道响应以识别所述位置:
识别所述信道响应中的一个或多个信道响应的特性;以及
基于将所识别出的特性与同所述空间内的多个不同位置相关联的参考特性进行比较来识别所述位置。
13.根据权利要求12所述的系统,其中,所述数据处理设备被配置为通过识别由所述信道响应中的一个或多个信道响应所限定的轮廓的形状来识别所述信道响应中的一个或多个信道响应的特性。
14.根据权利要求12所述的系统,其中,所述参考特性包括运动检测数据库中的条目,所述运动检测数据库将各信道响应的特性与来自所述空间内的多个区域中的一个不同区域相关联。
15.根据权利要求12所述的系统,其中,所述数据处理设备被配置为识别所述特性随时间的变化、并且基于所述特性随时间的变化来识别所识别出的位置的变化。
16.根据权利要求11至15中任一项所述的系统,其中,所述信道响应与时间点序列相关联,以及所述数据处理设备被配置为基于与所述序列中的不同时间点相关联的信道响应所共享的特性来识别所述运动的位置。
17.根据权利要求16所述的系统,其中,执行所述运动检测处理包括基于与不同时间点相关联的信道响应之间随时间序列的变化来检测运动。
18.根据权利要求11至15中任一项所述的系统,其中,所述空间包括建筑物,以及所述空间内的多个区域中的各区域包括以下各项中至少之一:所述建筑物的楼层、所述建筑物中的房间以及所述建筑物中的一组房间,其中,所述建筑物中的一组房间包括所述建筑物中的少于总数的房间。
19.根据权利要求11至15中任一项所述的系统,其中,所述数据处理设备被配置为通过将所述信道响应作为输入提供至神经网络、并且基于所述神经网络的输出识别所检测到的运动的位置,来分析所述信道响应以识别所检测到的运动的位置。
20.一种运动检测方法,包括:
获得与空间内的不同区域中的物体的运动相关联的信道响应,所述信道响应是基于由一个或多个无线通信装置发送通过所述空间的无线信号;
通过一个或多个处理器的操作,识别所述信道响应中的各信道响应所共享的特性;以及
在运动检测数据库中将所述特性与所述空间内的不同区域相关联。
21.根据权利要求20所述的方法,其中,所述信道响应是第一信道响应,所述空间的不同区域是第一区域,所述特性是第一特性,以及所述方法包括:
获得与所述空间内的不同的第二区域中的物体的运动相关联的第二信道响应;
识别所述第二信道响应中的各第二信道响应所共享的第二特性;以及
在所述运动检测数据库中将所述第二特性与所述不同的第二区域相关联。
22.根据权利要求20所述的方法,还包括:在将所述特性与所述空间的不同区域中的物体的运动相关联之后,
基于无线通信装置之间发送通过所述空间的无线信号来获得附加信道响应;以及
使用所述运动检测数据库来识别所述不同区域中的运动。
23.根据权利要求22所述的方法,其中,使用所述运动检测数据库来识别所述不同区域中的运动包括:
执行运动检测处理,以基于所述附加信道响应来检测所述空间中的物体的运动;以及
通过以下操作来分析所述附加信道响应以识别所述空间内的多个区域中的一个区域内的运动的位置:
识别所述信道响应中的一个或多个信道响应的特性;以及
基于将所识别出的特性与同所述空间内的多个不同位置相关联的参考特性进行比较来识别所述位置,
其中,所述参考特性包括所述运动检测数据库中的条目,所述运动检测数据库将各信道响应的特性与来自所述空间内的多个区域中的一个不同区域相关联。
24.根据权利要求20至23中任一项所述的方法,其中,所述空间包括建筑物,以及所述空间内的多个区域中的各区域包括以下各项中至少之一:所述建筑物的楼层、所述建筑物中的房间以及所述建筑物中的一组房间,其中,所述建筑物中的一组房间包括所述建筑物中的少于总数的房间。
25.根据权利要求20至23中任一项所述的方法,其中,识别所述信道响应中的各信道响应所共享的特性包括将所述信道响应作为输入提供至神经网络,以及将所述特性与所述不同区域相关联包括基于作为输入所提供的信道响应来训练所述神经网络。
26.一种运动检测系统,包括:
多个无线通信装置,各无线通信装置被配置为基于从其它远程传感器装置接收到的无线信号的序列来检测空间中的物体的运动;以及
数据处理设备,其可通信地耦接至所述远程传感器装置并且被配置为:
获得与空间内的不同区域中的物体的运动相关联的信道响应,所述信道响应是基于由一个或多个无线通信装置发送通过所述空间的无线信号;
识别所述信道响应中的各信道响应所共享的特性;以及
在运动检测数据库中将所述特性与所述空间内的不同区域相关联。
27.根据权利要求26所述的系统,其中,所述信道响应是第一信道响应,所述空间的不同区域是第一区域,所述特性是第一特性,以及所述方法包括:
获得与所述空间内的不同的第二区域中的物体的运动相关联的第二信道响应;
识别所述第二信道响应中的各第二信道响应所共享的第二特性;以及
在所述运动检测数据库中将所述第二特性与所述不同的第二区域相关联。
28.根据权利要求26所述的系统,其中,所述数据处理设备被配置为:在将所述特性与所述空间的不同区域中的物体的运动相关联之后,
基于无线通信装置之间发送通过所述空间的无线信号来获得附加信道响应;以及
使用所述运动检测数据库来识别所述不同区域中的运动。
29.根据权利要求28所述的系统,其中,使用所述运动检测数据库来识别所述不同区域中的运动包括:
执行运动检测处理,以基于所述附加信道响应来检测所述空间中的物体的运动;以及
通过以下操作来分析所述附加信道响应以识别所述空间内的多个区域中的一个区域内的运动的位置:
识别所述信道响应中的一个或多个信道响应的特性;以及
基于将所识别出的特性与同所述空间内的多个不同位置相关联的参考特性进行比较来识别所述位置,
其中,所述参考特性包括所述运动检测数据库中的条目,所述运动检测数据库将各信道响应的特性与来自所述空间内的多个区域中的一个不同区域相关联。
30.根据权利要求26至29中任一项所述的系统,其中,识别所述信道响应中的各信道响应所共享的特性包括将所述信道响应作为输入提供至神经网络,以及将所述特性与所述不同区域相关联包括基于作为输入所提供的信道响应来训练所述神经网络。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/815,199 | 2017-11-16 | ||
US15/815,199 US10109168B1 (en) | 2017-11-16 | 2017-11-16 | Motion localization based on channel response characteristics |
PCT/CA2018/050128 WO2019095041A1 (en) | 2017-11-16 | 2018-02-06 | Motion localization based on channel response characteristics |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111226129A true CN111226129A (zh) | 2020-06-02 |
Family
ID=63833278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880067230.6A Pending CN111226129A (zh) | 2017-11-16 | 2018-02-06 | 基于信道响应特性的运动定位 |
Country Status (7)
Country | Link |
---|---|
US (2) | US10109168B1 (zh) |
EP (1) | EP3679399A4 (zh) |
JP (1) | JP7163380B2 (zh) |
KR (1) | KR102607381B1 (zh) |
CN (1) | CN111226129A (zh) |
CA (1) | CA3078248A1 (zh) |
WO (1) | WO2019095041A1 (zh) |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10109167B1 (en) | 2017-10-20 | 2018-10-23 | Cognitive Systems Corp. | Motion localization in a wireless mesh network based on motion indicator values |
US10109168B1 (en) | 2017-11-16 | 2018-10-23 | Cognitive Systems Corp. | Motion localization based on channel response characteristics |
US10852411B2 (en) | 2017-12-06 | 2020-12-01 | Cognitive Systems Corp. | Motion detection and localization based on bi-directional channel sounding |
EP3528432B1 (en) * | 2018-02-16 | 2020-09-02 | Nokia Solutions and Networks Oy | Method and apparatus for monitoring a telecommunication network |
US11579703B2 (en) | 2018-06-18 | 2023-02-14 | Cognitive Systems Corp. | Recognizing gestures based on wireless signals |
US10506384B1 (en) | 2018-12-03 | 2019-12-10 | Cognitive Systems Corp. | Determining a location of motion detected from wireless signals based on prior probability |
US11403543B2 (en) | 2018-12-03 | 2022-08-02 | Cognitive Systems Corp. | Determining a location of motion detected from wireless signals |
WO2020152032A1 (en) * | 2019-01-21 | 2020-07-30 | British Telecommunications Public Limited Company | Wireless sensing method |
US10499364B1 (en) | 2019-01-24 | 2019-12-03 | Cognitive Systems Corp. | Identifying static leaf nodes in a motion detection system |
US10498467B1 (en) | 2019-01-24 | 2019-12-03 | Cognitive Systems Corp. | Classifying static leaf nodes in a motion detection system |
US10565860B1 (en) | 2019-03-21 | 2020-02-18 | Cognitive Systems Corp. | Offline tuning system for detecting new motion zones in a motion detection system |
WO2020216522A1 (en) * | 2019-04-26 | 2020-10-29 | Sony Corporation | Radar probing using radio communication terminals |
US10600314B1 (en) | 2019-04-30 | 2020-03-24 | Cognitive Systems Corp. | Modifying sensitivity settings in a motion detection system |
US10567914B1 (en) | 2019-04-30 | 2020-02-18 | Cognitive Systems Corp. | Initializing probability vectors for determining a location of motion detected from wireless signals |
US10459074B1 (en) | 2019-04-30 | 2019-10-29 | Cognitive Systems Corp. | Determining a location of motion detected from wireless signals based on wireless link counting |
US10849006B1 (en) | 2019-04-30 | 2020-11-24 | Cognitive Systems Corp. | Controlling measurement rates in wireless sensing systems |
US10404387B1 (en) | 2019-05-15 | 2019-09-03 | Cognitive Systems Corp. | Determining motion zones in a space traversed by wireless signals |
US10743143B1 (en) * | 2019-05-15 | 2020-08-11 | Cognitive Systems Corp. | Determining a motion zone for a location of motion detected by wireless signals |
US10460581B1 (en) | 2019-05-15 | 2019-10-29 | Cognitive Systems Corp. | Determining a confidence for a motion zone identified as a location of motion for motion detected by wireless signals |
US11514767B2 (en) * | 2019-09-18 | 2022-11-29 | Sensormatic Electronics, LLC | Systems and methods for averting crime with look-ahead analytics |
US11006245B2 (en) | 2019-09-30 | 2021-05-11 | Cognitive Systems Corp. | Detecting a location of motion using wireless signals and topologies of wireless connectivity |
WO2021081635A1 (en) | 2019-10-31 | 2021-05-06 | Cognitive Systems Corp. | 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 |
US11575999B2 (en) * | 2020-01-16 | 2023-02-07 | Meta Platforms Technologies, Llc | Systems and methods for hearing assessment and audio adjustment |
US10928503B1 (en) | 2020-03-03 | 2021-02-23 | Cognitive Systems Corp. | Using over-the-air signals for passive motion detection |
US11304254B2 (en) | 2020-08-31 | 2022-04-12 | Cognitive Systems Corp. | Controlling motion topology in a standardized wireless communication network |
CN116261870A (zh) * | 2020-10-02 | 2023-06-13 | 瑞典爱立信有限公司 | 用于评估连接质量的技术 |
KR102426289B1 (ko) * | 2020-11-27 | 2022-07-28 | 서울대학교산학협력단 | 심층 신경망을 이용한 활성 단말 검출과 채널 추정 방법 및 장치 |
US11070399B1 (en) | 2020-11-30 | 2021-07-20 | Cognitive Systems Corp. | Filtering channel responses for motion detection |
WO2022144532A1 (en) * | 2020-12-30 | 2022-07-07 | Khalifa University of Science and Technology | Methods and devices for detecting motion |
EP4352666A1 (en) * | 2021-05-28 | 2024-04-17 | Deepsig Inc. | Generating variable communication channel responses using machine learning networks |
EP4348299A1 (en) | 2021-05-28 | 2024-04-10 | Cognitive Systems Corp. | Analyzing wi-fi motion coverage in an environment |
WO2022263982A1 (en) * | 2021-06-15 | 2022-12-22 | Cognitive Systems Corp. | Systems and methods for dynamic time domain channel representations |
WO2024043884A1 (en) * | 2022-08-24 | 2024-02-29 | Google Llc | Tagless indoor user localization using ultra-wideband communication |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2004305877A1 (en) * | 2003-09-26 | 2005-04-07 | Institut National De La Recherche Scientifique (Inrs) | Method and system for indoor geolocation using an impulse response fingerprinting technique |
US20070052576A1 (en) * | 1999-05-25 | 2007-03-08 | The Macaleese Companies, Inc. D/B/A Safe Zone Systems | Object detection method and apparatus |
US20080070572A1 (en) * | 2006-09-19 | 2008-03-20 | Roy Shkedi | Signal Comparison-Based Location Determining Method |
CN101807245A (zh) * | 2010-03-02 | 2010-08-18 | 天津大学 | 基于人工神经网络的多源步态特征提取与身份识别方法 |
CN102037667A (zh) * | 2008-06-17 | 2011-04-27 | 高通股份有限公司 | 自定位接入点 |
US20120146788A1 (en) * | 2010-12-13 | 2012-06-14 | Xandem Technology Llc | Systems and methods of device-free motion detection and presence detection |
EP2506499A1 (fr) * | 2011-04-01 | 2012-10-03 | Commissariat à l'Énergie Atomique et aux Énergies Alternatives | Procédé d'évaluation de la qualité des liens radio pour un réseau corporel sans-fil, procédé de transmission de messages pour un réseau corporel sans-fil et dispositifs pour la mise en oeuvre des procédés |
US20130281801A1 (en) * | 2013-03-04 | 2013-10-24 | Hello Inc. | System using patient monitoring devices with unique patient ID's and a telemetry system |
CN103891369A (zh) * | 2011-10-19 | 2014-06-25 | 瑞典爱立信有限公司 | 运动检测器装置 |
CN104274185A (zh) * | 2013-07-01 | 2015-01-14 | 西门子公司 | 确定检查区域的运动 |
Family Cites Families (114)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US7411921B2 (en) | 1999-10-21 | 2008-08-12 | Rf Technologies, Inc. | Method and apparatus for integrating wireless communication and asset location |
WO2002023218A2 (en) | 2000-09-14 | 2002-03-21 | Time Domain Corporation | System and method for detecting an intruder using impulse radio technology |
DE60235102D1 (de) | 2001-09-17 | 2010-03-04 | Finlasin Technology Llc | Dsp-architektur für drahtlose im basisband arbeitende anwendungen |
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 |
WO2004077851A1 (en) | 2003-02-24 | 2004-09-10 | Autocell Laboratories, Inc. | Wireless access protocol system and method |
US7869822B2 (en) | 2003-02-24 | 2011-01-11 | Autocell Laboratories, Inc. | Wireless network apparatus and system field of the invention |
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 |
CN101194181B (zh) | 2005-04-07 | 2012-02-22 | 新加坡国立大学 | 用于搜索物理对象的系统和方法 |
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 |
EP2036056A4 (en) | 2006-06-13 | 2009-08-19 | Magneto Inertial Sensing Techn | MOTION DETECTION IN A WIRELESS RF NETWORK |
US20070293232A1 (en) | 2006-06-20 | 2007-12-20 | Aruze Corp. | Wireless communication failure monitoring system and monitoring device |
US7800496B2 (en) * | 2006-07-07 | 2010-09-21 | Innovalarm Corporation | Methods, devices and security systems utilizing wireless networks and detection devices |
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 |
US8879983B2 (en) | 2008-02-06 | 2014-11-04 | 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 |
WO2010107440A1 (en) | 2009-03-20 | 2010-09-23 | 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 |
US9104238B2 (en) | 2010-02-12 | 2015-08-11 | Broadcom Corporation | Systems and methods for providing enhanced motion detection |
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 |
US8836344B2 (en) | 2010-07-27 | 2014-09-16 | Raytheon Company | Intrusion detection and tracking system |
US8611410B2 (en) | 2010-07-30 | 2013-12-17 | National Instruments Corporation | Variable modulus mechanism for performing equalization without a priori knowledge of modulation type or constellation order |
US8396485B2 (en) | 2010-11-09 | 2013-03-12 | Apple Inc. | Beacon-based geofencing |
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 |
US9398529B2 (en) | 2011-12-15 | 2016-07-19 | 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 |
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 |
US20140156833A1 (en) | 2012-11-22 | 2014-06-05 | Perch Communications Inc. | System and method for automatically triggered synchronous and asynchronous video and audio communications between users at different endpoints |
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 |
KR101446422B1 (ko) * | 2013-04-05 | 2014-10-30 | 고려대학교 산학협력단 | 영상 감시 시스템 및 방법 |
JP6194187B2 (ja) * | 2013-05-07 | 2017-09-06 | 株式会社アクト | 室内環境制御システム |
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 |
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 |
JP2015052475A (ja) | 2013-09-05 | 2015-03-19 | 住友電気工業株式会社 | 監視システム |
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 |
US10129383B2 (en) | 2014-01-06 | 2018-11-13 | Samsung Electronics Co., Ltd. | Home management system and method |
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 |
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 |
US11209536B2 (en) | 2014-05-02 | 2021-12-28 | The Board Of Trustees Of The Leland Stanford Junior University | Method and apparatus for tracking 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 |
US9424417B2 (en) | 2014-06-04 | 2016-08-23 | Qualcomm Incorporated | Secure current movement indicator |
US9774410B2 (en) | 2014-06-10 | 2017-09-26 | PB, Inc. | Radiobeacon data sharing by forwarding low energy transmissions to a cloud host |
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 |
CN107003397B (zh) * | 2014-10-31 | 2020-05-05 | 西门子瑞士有限公司 | 用于识别重复性运动的方法、数字工具、设备和系统 |
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 |
WO2016110844A1 (en) | 2015-01-07 | 2016-07-14 | Trekeye Systems Ltd. | Improved method and system for detection of changes in a defined area |
US10347108B2 (en) | 2015-01-16 | 2019-07-09 | City University Of Hong Kong | Monitoring user activity using wearable motion sensing device |
US10956856B2 (en) | 2015-01-23 | 2021-03-23 | Samsung Electronics Co., Ltd. | Object recognition for a storage structure |
US20160241999A1 (en) | 2015-02-16 | 2016-08-18 | Polaris Tech Global Limited | Cross-platform automated perimeter access control system and method adopting selective adapter |
CN108135503A (zh) | 2015-08-11 | 2018-06-08 | 迈心诺公司 | 包括响应于被身体组织衰减的光的标记的医疗监视分析和重放 |
US9474042B1 (en) * | 2015-09-16 | 2016-10-18 | Ivani, LLC | Detecting location within a network |
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 |
EP3433809A4 (en) | 2016-03-23 | 2019-10-02 | Fedex Corporate Services, Inc. | SYSTEMS, APPARATUS AND METHODS FOR AUTOMATIC ADJUSTMENT OF BROADCAST ADJUSTMENT OF A NODE IN A WIRELESS NODE NETWORK |
US9523760B1 (en) | 2016-04-15 | 2016-12-20 | Cognitive Systems Corp. | Detecting motion based on repeated wireless transmissions |
US9584974B1 (en) | 2016-05-11 | 2017-02-28 | Cognitive Systems Corp. | Detecting motion based on reference signal transmissions |
US10129853B2 (en) * | 2016-06-08 | 2018-11-13 | Cognitive Systems Corp. | Operating a motion detection channel in a wireless communication network |
US9524628B1 (en) | 2016-08-04 | 2016-12-20 | Cognitive Systems Corp. | Detecting signal modulation for motion detection |
US9927519B1 (en) | 2017-03-16 | 2018-03-27 | Cognitive Systems Corp. | Categorizing motion detected using wireless signals |
US10004076B1 (en) | 2017-03-16 | 2018-06-19 | Cognitive Systems Corp. | Selecting wireless communication channels based on signal quality metrics |
US9743294B1 (en) * | 2017-03-16 | 2017-08-22 | Cognitive Systems Corp. | Storing modem parameters for motion detection |
US9989622B1 (en) | 2017-03-16 | 2018-06-05 | Cognitive Systems Corp. | Controlling radio states for motion detection |
US10109167B1 (en) | 2017-10-20 | 2018-10-23 | Cognitive Systems Corp. | Motion localization in a wireless mesh network based on motion indicator values |
US10048350B1 (en) * | 2017-10-31 | 2018-08-14 | Cognitive Systems Corp. | Motion detection based on groupings of statistical parameters of wireless signals |
US9933517B1 (en) | 2017-11-03 | 2018-04-03 | Cognitive Systems Corp. | Time-alignment of motion detection signals using buffers |
US10109168B1 (en) | 2017-11-16 | 2018-10-23 | Cognitive Systems Corp. | Motion localization based on channel response characteristics |
US10108903B1 (en) * | 2017-12-08 | 2018-10-23 | Cognitive Systems Corp. | Motion detection based on machine learning of wireless signal properties |
-
2017
- 2017-11-16 US US15/815,199 patent/US10109168B1/en active Active
-
2018
- 2018-02-06 WO PCT/CA2018/050128 patent/WO2019095041A1/en unknown
- 2018-02-06 KR KR1020207010810A patent/KR102607381B1/ko active IP Right Grant
- 2018-02-06 EP EP18877728.8A patent/EP3679399A4/en active Pending
- 2018-02-06 CA CA3078248A patent/CA3078248A1/en active Pending
- 2018-02-06 CN CN201880067230.6A patent/CN111226129A/zh active Pending
- 2018-02-06 JP JP2020521306A patent/JP7163380B2/ja active Active
- 2018-10-01 US US16/148,705 patent/US10380856B2/en active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070052576A1 (en) * | 1999-05-25 | 2007-03-08 | The Macaleese Companies, Inc. D/B/A Safe Zone Systems | Object detection method and apparatus |
AU2004305877A1 (en) * | 2003-09-26 | 2005-04-07 | Institut National De La Recherche Scientifique (Inrs) | Method and system for indoor geolocation using an impulse response fingerprinting technique |
US20080070572A1 (en) * | 2006-09-19 | 2008-03-20 | Roy Shkedi | Signal Comparison-Based Location Determining Method |
CN102037667A (zh) * | 2008-06-17 | 2011-04-27 | 高通股份有限公司 | 自定位接入点 |
CN101807245A (zh) * | 2010-03-02 | 2010-08-18 | 天津大学 | 基于人工神经网络的多源步态特征提取与身份识别方法 |
US20120146788A1 (en) * | 2010-12-13 | 2012-06-14 | Xandem Technology Llc | Systems and methods of device-free motion detection and presence detection |
EP2506499A1 (fr) * | 2011-04-01 | 2012-10-03 | Commissariat à l'Énergie Atomique et aux Énergies Alternatives | Procédé d'évaluation de la qualité des liens radio pour un réseau corporel sans-fil, procédé de transmission de messages pour un réseau corporel sans-fil et dispositifs pour la mise en oeuvre des procédés |
CN103891369A (zh) * | 2011-10-19 | 2014-06-25 | 瑞典爱立信有限公司 | 运动检测器装置 |
US20130281801A1 (en) * | 2013-03-04 | 2013-10-24 | Hello Inc. | System using patient monitoring devices with unique patient ID's and a telemetry system |
CN104274185A (zh) * | 2013-07-01 | 2015-01-14 | 西门子公司 | 确定检查区域的运动 |
Non-Patent Citations (2)
Title |
---|
FRANCESCO SOLDOVIERI: "Exploitation of Ubiquitous Wi-Fi Devices as Building Blocks for Improvised Motion Detection Systems", SENSORS, vol. 16, no. 3, pages 307 * |
黄棉波: "基于无线传感器的患者运动信号检测系统设计及其应用", 医疗卫生装备, vol. 32, no. 1, pages 4 - 6 * |
Also Published As
Publication number | Publication date |
---|---|
US10380856B2 (en) | 2019-08-13 |
EP3679399A1 (en) | 2020-07-15 |
US20190147713A1 (en) | 2019-05-16 |
JP7163380B2 (ja) | 2022-10-31 |
JP2021503071A (ja) | 2021-02-04 |
CA3078248A1 (en) | 2019-05-23 |
EP3679399A4 (en) | 2021-05-19 |
WO2019095041A1 (en) | 2019-05-23 |
US10109168B1 (en) | 2018-10-23 |
KR20200087753A (ko) | 2020-07-21 |
KR102607381B1 (ko) | 2023-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111226129A (zh) | 基于信道响应特性的运动定位 | |
CN111194414B (zh) | 使用缓冲器对运动检测信号进行时间对准 | |
CN110462428B (zh) | 对使用无线信号检测的运动进行分类 | |
KR102457175B1 (ko) | 채널 응답 변이 분해에 기반한 모션 탐지 | |
JP7154295B2 (ja) | 無線信号の特性の機械学習に基づく動き検出 | |
US10852411B2 (en) | Motion detection and localization based on bi-directional channel sounding | |
JP7465874B2 (ja) | 事前確率に基づく無線信号から検出されるモーションの位置の決定方法 | |
US20200371222A1 (en) | Detecting Presence Based on Wireless Signal Analysis | |
JP2020537744A (ja) | 動きインジケータ値に基づくワイヤレスメッシュネットワーク内の動きローカライゼーション | |
JP7465875B2 (ja) | 事前確率に基づく無線信号から検出されるモーションの位置の決定方法 | |
CN111373281A (zh) | 基于无线信号的统计参数的分组的运动检测 | |
WO2019109166A1 (en) | Motion detection in mesh networks | |
CN111164454A (zh) | 基于无线信号的滤波后的统计参数的运动检测 | |
JP7075486B2 (ja) | 時間ファクタに基づくワイヤレスメッシュネットワーク内の動きローカライゼーション |
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 |