CN113383244A - 确定从无线信号检测到的运动的位置 - Google Patents

确定从无线信号检测到的运动的位置 Download PDF

Info

Publication number
CN113383244A
CN113383244A CN201980090523.0A CN201980090523A CN113383244A CN 113383244 A CN113383244 A CN 113383244A CN 201980090523 A CN201980090523 A CN 201980090523A CN 113383244 A CN113383244 A CN 113383244A
Authority
CN
China
Prior art keywords
motion
wireless communication
wireless
probability
transition
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
Application number
CN201980090523.0A
Other languages
English (en)
Inventor
M·奥默尔
S·A·丹维森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cognitive Systems Corp
Original Assignee
Cognitive Systems Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cognitive Systems Corp filed Critical Cognitive Systems Corp
Publication of CN113383244A publication Critical patent/CN113383244A/zh
Pending legal-status Critical Current

Links

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • G01S5/01—Determining conditions which influence positioning, e.g. radio environment, state of motion or energy consumption
    • G01S5/014—Identifying transitions between environments
    • 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
    • G01S5/01—Determining conditions which influence positioning, e.g. radio environment, state of motion or energy consumption
    • G01S5/017—Detecting state or type of motion
    • 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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/60—Context-dependent security
    • H04W12/63—Location-dependent; Proximity-dependent
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/10—Small scale networks; Flat hierarchical networks
    • H04W84/12—WLAN [Wireless Local Area Networks]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Abstract

在一般方面中，一种用于确定由无线通信网络中的无线通信装置检测到的运动的位置的方法包括获得与第一时间帧相关联的运动数据。运动数据包括运动指示值的集合。该方法还包括：基于运动指示值的集合来生成第一概率矢量；以及获得从与先前时间帧相关联的运动数据所生成的第二概率矢量。该方法附加地包括获得包含转变值和非转变值的转变概率矩阵。该方法还包括通过数据处理设备的操作来确定从在第一时间帧期间交换的无线信号检测到的运动的位置。

Description

确定从无线信号检测到的运动的位置
相关申请的交叉引用
本申请要求于2018年12月3日提交的美国专利申请16/207,673的优先权，其公开内容通过引用并入本文。
背景技术
以下说明涉及确定从无线信号检测到的运动的位置。
运动检测系统已被用于检测例如房间或室外区域中的对象的移动。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对象的移动。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是示出在运动检测系统中的无线通信装置之间通信的示例性无线信号的图。
图3是包括多个无线节点的示例性无线通信网络的示意图。
图4是具有基于作为发送无线节点(Tx)、接收无线节点(Rx)或其它无线节点的无线节点的状态的映射值的示例性概率映射的示意图。
图5是发送无线节点和接收无线节点之间的示例性多路径传播环境的示意图。
图6是用于确定由无线通信网络中的无线通信装置检测到的运动的位置的示例性处理的流程图。
图7是示例性无线通信网络的示意图，其中虚线箭头指示检测到的运动在无线节点之间的潜在转变。
图8是用于确定由无线通信网络中的无线通信装置检测到的运动的位置的另一示例性处理的流程图。
具体实施方式
在本文所描述的内容的一些方面中，可以使用来自彼此无线地通信的多个无线通信装置的信息来检测空间(例如，房子中的人正在移动的特定房间、建筑物的人正在移动的特定楼层或象限等)中的运动的位置。
例如，可以分析在无线通信网络中的各个无线通信装置处接收的无线信号以确定网络中的不同通信链路的信道信息(在网络中的各对无线通信装置之间)。信道信息可以表示将传递函数应用于穿过空间的无线信号的物理介质。在一些实例中，信道信息包括信道响应信息。信道响应信息可以指通信链路的已知信道属性，并且可以描述无线信号如何从发送器传播到接收器，从而表示例如发送器与接收器之间的空间内的散射、衰落和功率衰减的组合效应。在一些实例中，信道信息包括波束成形状态信息。波束成形(或空间滤波)可以指在用于定向信号发送或接收的多天线(多输入/多输出(MIMO))无线电系统中使用的信号处理技术。波束成形可以通过将天线阵列中的元件以特定角度的信号经历相长干扰而其它信号经历相消干扰的这种方式组合来实现。可以在发送端和接收端这两者处使用波束成形以实现空间选择性。在一些情况下(例如，IEEE 802.11ac标准)，波束成形导向矩阵由发送器使用。波束成形导向矩阵可以包括天线阵列应当如何使用其各自天线元件中的各个元件来选择用于发送的空间路径的数学描述。虽然本文相对于信道响应信息描述了某些方面，但波束成形状态信息或波束成形器导向矩阵状态也可以在所描述的方面中使用。
可以(例如，由网络中的核心装置或其它装置或可通信地耦接到网络的远程装置)分析通信链路中各自的信道信息以检测空间中是否已发生运动，确定所检测到的运动的相对位置，或这两者。在一些方面中，例如当在空间中未检测到运动时，可以分析通信链路各自的信道信息以检测对象是否存在或不存在。
在一些实现中，无线通信网络可以包括无线网状网络。无线网状网络可以指节点(例如，无线通信装置)在不使用中央接入点、基站或网络控制器的情况下以点对点方式直接通信的分散式无线网络。无线网状网络可以包括网状客户端、网状路由器或网状网关。在一些实例中，无线网状网络基于IEEE802.11s标准。在一些实例中，无线网状网络基于Wi-Fi自组织或其它标准化技术。可商购的无线网状网络的示例包括由Google、Eero和其它公司销售的Wi-Fi系统。
在一些示例性无线通信网络中，各个节点通过一个或多个双向链路连接到一个或多个其它节点。各个节点可以分析其接收的无线信号以识别各个链路上的扰动或干扰。各个链路上的干扰可以被表示为运动指示值，例如，表示为可以被归一化的标量。来自无线通信网络中的节点的链路干扰值可以用于确定与相应节点相关联的位置处的运动的概率。例如，各个节点处的运动的概率可以用于告知哪个节点具有在其附近存在运动的最高概率，并且该节点可以被识别为周围发生运动的节点。为了做到这一点，该分析可以是用于概率的递归计算的贝叶斯估计框架中的情况。概率框架提供许多技术优点，例如，提供递归估计并因此最终收敛到正确的结果、对各个特殊情况没有条件的简化的逻辑、更准确并具有鲁棒性的性能(例如，针对伪像)以及其它。
另外，关于运动检测系统的物理洞察可以通知用于检测运动位置的贝叶斯估计框架。例如，当产生激励的运动更接近接收器节点时，(发送器节点与接收器节点之间的)链路上的激励的相对大小可能更大。因此，作为运动发生在何处的初始概率估计，最高概率可以被分配给与最高运动指示值相关联的无线链路上的接收器节点。该初始概率估计可能与(例如，基于先前运动数据的)条件概率分布组合以根据贝叶斯框架产生递归地精细的概率估计。作为另一示例，在某些上下文中，相对于单个位置中剩余的运动的可能性，不同位置之间的运动转变的可能性可以更高或更低。因此，位置转变概率可以被结合到贝叶斯框架中。例如，转变概率矩阵可以与初始概率估计和条件概率分布组合以根据贝叶斯框架产生递归地精细的概率估计。
图1是示出示例性无线通信系统100的图。示例性无线通信系统100包括三个无线通信装置，即第一无线通信装置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可以包括附加无线通信装置102和/或其它组件(例如，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，BLUETOOTH(注册商标)、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；以及5G标准等。在图1所示的示例中，无线通信装置102A、102B、102C可以是或可以包括标准无线网络组件。例如，无线通信装置102A、102B、102C可以是市售的Wi-Fi装置。
在一些情况下，无线通信装置102A、102B、102C可以是Wi-Fi接入点或其它类型的无线接入点(WAP)。无线通信装置102A、102B、102C可以被配置为进行如本文中所描述的嵌入为无线通信装置上的指令(例如，软件或固件)的一个或多个操作。在一些情况下，无线通信装置102A、102B、102C中的一个或多个可以是无线网状网络(例如，市售网状网络系统(例如，Google Wi-Fi、Eero Wi-Fi系统等))的节点。在一些情况下，可以使用其它类型的标准或常规Wi-Fi收发器装置。无线通信装置102A、102B、102C可以在没有Wi-Fi组件的情况下实施；例如，用于无线通信的其它类型的无线协议(标准或非标准)可以用于运动检测。
在图1所示的示例中，无线通信装置(例如，102A、102B)通过通信信道(例如，根据无线网络标准、运动检测协议、存在检测协议或其它标准或非标准协议)发送无线信号。例如，无线通信装置可以生成用于发送的运动探测信号以探测空间来检测对象的运动或存在。在一些实现中，运动探测信号可以包括具有在信道探测(例如，根据IEEE802.11ac-2013标准的用于波束成形的信道探测)中使用的标准导频信号的标准信令或通信帧。在一些情况下，运动探测信号包括网络中的所有装置已知的参考信号。在一些实例中，无线通信装置中的一个或多个可以处理运动检测信号，所述运动检测信号是基于发送通过空间的运动探测信号而接收的信号。例如，基于在通信信道中检测到的改变(或没有改变)，可以分析运动检测信号以检测空间中的对象的运动、空间中的没有运动、或者当检测到没有运动时空间中的对象的存在或不存在。
发送运动探测信号的无线通信装置(例如，102A、102B)可以被称为源装置。在一些情况下，无线通信装置102A、102B可以广播无线运动探测信号(例如，如上所述)。在其它情况下，无线通信装置102A、102B可以发送寻址到其它无线通信装置102C和其它装置(例如，用户设备、客户端装置、服务器等)的无线信号。无线通信装置102C以及其它装置(未示出)可以接收由无线通信装置102A、102B发送的无线信号。在一些情况下，例如，根据无线通信标准或其它标准，周期性地重复由无线通信装置102A、102B发送的无线信号。
在一些示例中，无线通信装置102C(其可以被称为传感器装置)处理从无线通信装置102A、102B接收的无线信号以检测由无线信号接入的空间中的对象的运动或没有运动。在一些示例中，其它装置或计算系统处理由无线通信装置102C从无线通信装置102A、102B接收的无线信号以检测由无线信号接入的空间中的对象的运动或没有运动。在一些情况下，当检测到没有运动时，无线通信装置102C(或其它系统或装置)处理无线信号以检测空间中的对象的存在或不存在。在一些实例中，无线通信装置102C(或其它系统或装置)可以进行如关于图6或在针对图8所描述的示例方法中所描述的一个或多个操作，或用于检测运动、检测没有运动、或用于当检测到没有运动时检测对象的存在或不存在的其它类型的处理。在其它示例中，可以修改无线通信系统100，例如，使得无线通信装置102C可以例如作为源装置发送无线信号，并且无线通信装置102A、102B可以例如作为传感器装置处理来自无线通信装置102C的无线信号以检测运动、没有运动或当未检测到运动时的存在。即，无线通信装置102A、102B、102C各自在一些情况下可以被配置为源装置、传感器装置或这两者。
用于运动和/或存在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)、导频信号(例如，根据IEEE802.11ac-2013标准的用于诸如在波束成形应用中的信道探测的导频信号)、或者根据无线网络标准针对其它目的生成的其它标准信号、或者针对运动和/或存在检测或其它目的生成的非标准信号(例如，随机信号、参考信号等)。在一些情况下，用于运动和/或存在检测的无线信号对于网络中的所有装置是已知的。
在一些示例中，无线信号可以在与移动对象交互之前或之后传播通过对象(例如，壁)，这可以允许在移动对象与发送或接收硬件之间没有光学视线的情况下检测移动对象的移动。在一些情况下，无线信号在由无线通信装置(例如，102C)接收到时可能指示空间中没有运动，例如对象未在空间中移动或不再移动。在一些情况下，无线信号在由无线通信装置(例如，102C)接收到时在检测到没有运动时可能指示空间中的对象的存在。相反，当检测到没有运动时，无线信号可能指示空间中不存在对象。例如，基于接收到的无线信号，第三无线通信装置102C可以生成运动数据、存在数据或这两者。在一些实例中，第三无线通信装置102C可以将运动检测和/或存在数据传送到另一装置或系统(例如安全系统等)，其可以包括用于监视空间(诸如房间、建筑物、室外区域等)内的移动的控制中心。
在一些实现中，无线通信装置102A、102B可以被配置为在与无线网络流量信号(例如，频率信道或编码信道)分开的无线通信信道上发送运动探测信号(例如，如上所述)。例如，应用于运动探测信号的有效载荷的调制和有效载荷中的数据或数据结构的类型可以由第三无线通信装置102C知晓，这可以减少第三无线通信装置102C针对运动和存在检测而进行的处理的量。头部可以包括附加信息，例如是否由通信系统100中的另一装置检测到运动或没有运动的指示、是否由通信系统100中的另一装置检测到对象的存在的指示、调制类型的指示、发送信号的装置的标识等等。
在图1所示的示例中，无线通信系统100被示出为无线网状网络，其具有在相应的无线通信装置102各自之间的无线通信链路。在所示的示例中，第三无线通信装置102C与第一无线通信装置102A之间的无线通信链路可以用于探测第一运动检测区域110A，第三无线通信装置102C与第二无线通信装置102B之间的无线通信链路可以用于探测第二运动检测区域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区域110C。在一些实例中，各个无线通信装置102可以被配置为通过处理基于由无线通信装置102发送通过由该装置接入的各个运动检测区域110的无线信号的接收信号来检测运动检测区域110中的运动、没有运动、和/或当没有检测到运动时对象的存在或不存在。例如，当人106在第一运动检测区域110A和第三运动检测区域110C中移动时，无线通信装置102可以基于它们接收的信号来检测运动，所述信号基于发送通过相应运动检测区域110的无线信号。例如，第一无线通信装置102A可以检测人在第一运动检测区域110A和第三运动检测区域110C这两者中的运动，第二无线通信装置102B可以检测人106在第三运动检测区域110C中的运动，并且第三无线通信装置102C可以检测人106在第一运动检测区域110A中的运动。在一些情况下，可以在运动检测区域110A、110B、110C各自中检测人106的没有运动以及在其它情况下当没有检测到人106移动时人106的存在。
在一些实例中，运动检测区域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通过的其它介质。在图1所示的示例中，第一运动检测区域110A提供第一无线通信装置102A和第三无线通信装置102C之间的无线通信信道，第二运动检测区域110B提供第二无线通信装置102B和第三无线通信装置102C之间的无线通信信道，并且第三运动检测区域110C提供第一无线通信装置102A和第二无线通信装置102B之间的无线通信信道。在操作的一些方面，在(与针对网络流量的无线通信信道分开或与其共享的)无线通信信道上发送的无线信号被用于检测空间中的对象的移动或没有移动，并且可以用于检测当检测到没有移动时空间中的对象的存在(或不存在)。对象可以是任何类型的静止或可移动对象，并且可以是活的或无生命的。例如，对象可以是人类(例如，图1中所示的人106)、动物、无机对象、或其它装置、设备或组件、限定空间的全部或一部分边界的对象(例如，壁、门、窗等)、或其它类型的对象。在一些实施例中，来自无线通信装置的运动信息可以在未检测到对象的运动时触发进一步分析以确定对象的存在或不存在。
在一些实现中，无线通信系统100可以是或者可以包括运动检测系统。运动检测系统可以包括一个或多个无线通信装置102A、102B、102C和可能的其它组件。运动检测系统中的一个或多个无线通信装置102A、102B、102C可以被配置为用于运动检测、存在检测或这两者。运动检测系统可以包括存储信号的数据库。运动检测系统的无线通信装置102A、102B、102C之一可以作为用于处理接收信号和其它信息以检测运动和/或存在的中央核心或服务器来操作。数据存储(例如在数据库中)和/或运动的确定、没有运动(例如，稳定状态)或存在检测可以由无线通信装置102进行，或者在一些情况下，可以由无线通信网络中或云中的其它装置(例如，由一个或多个远程装置)来进行。
图2A和2B是示出在运动检测系统中的无线通信装置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中所示的无线通信装置102A、102B、102C，或者可以是其它类型的无线通信装置。无线通信装置的示例包括无线网状装置、固定无线客户端装置、移动无线客户端装置等。
在一些情况下，无线通信装置204A、204B、204C中的一个或多个的组合可以形成专用运动检测系统或者可以是该专用运动检测系统的一部分。例如，作为专用运动检测系统的一部分，无线通信装置204A、204B、204C中的一个或多个可以被配置为用于运动检测系统中的运动检测、存在检测或这两者。在一些情况下，无线通信装置204A、204B、204C中的一个或多个的组合可以是也进行其它类型的功能的自组织运动检测系统或可以是该系统的一部分。
示例性无线通信装置204A、204B、204C可以通过空间200发送和/或接收无线信号。示例性空间200可以在空间200的一个或多个边界处完全或部分地封闭或开放。空间200可以是或者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。在所示示例中，第一壁202A、第二壁202B和第三壁202C至少部分地封闭空间200。
在图2A和2B中所示的示例中，第一无线通信装置204A可操作用于重复地(例如，周期性地、间歇性地、以调度、未调度或随机间隔等)(例如，作为源装置)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可操作用于接收基于由无线通信装置204A(例如，作为传感器装置)发送的运动探测信号的信号。运动探测信号可以如上所述被格式化。例如，在一些实现中，运动探测信号包括具有在信道探测(例如，用于根据IEEE802.11ac-2013标准的波束成形的信道探测)中使用的标准导频信号的标准信令或通信帧。无线通信装置204B、204C各自具有被配置为处理所接收运动检测信号以检测空间200中的对象的运动或没有运动的接口、调制解调器、处理器或其它组件。在一些实例中，无线通信装置204B、204C可以各自具有被配置为在检测到没有运动时检测空间200中对象的存在或不存在(例如，空间是被占用还是未被占用)的接口、调制解调器、处理器或其它组件。
如图所示，对象在图2A中的初始时间t＝0处于第一位置214A中，并且对象在图2B中的后续时间t＝1已经移动至第二位置214B。在图2A和2B中，空间200中的移动对象被表示为人，但是移动对象可以是其它类型的对象。例如，移动对象可以是动物、无机对象(例如，系统、装置、设备或组件)、限定空间200的全部或一部分边界的对象(例如，壁、门、窗等)或其它类型的对象。对于该示例，对象214的移动的表示仅指示对象的位置在时间t＝0与时间t＝1之间在空间200内改变。
如图2A和2B所示，从第一无线通信装置204A发送的无线信号的多个示例路径由虚线示出。沿着第一信号路径216，无线信号从第一无线通信装置204A发送且从第一壁202A朝向第二无线通信装置204B反射。沿着第二信号路径218，无线信号从第一无线通信装置204A发送且从第二墙壁202B和第一墙壁202A朝向第三无线通信装置204C反射。沿着第三信号路径220，无线信号从第一无线通信装置204A发送且从第二墙壁202B朝向第三无线通信装置204C反射。沿着第四信号路径222，无线信号从第一无线通信装置204A发送且从第三壁202C朝向第二无线通信装置204B反射。
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发送且从第一位置214A处的对象朝向第三无线通信装置204C反射。在图2A中的时间t＝0与图2B中的时间t＝1之间，对象的表面在空间200中从第一位置214A移动到第二位置214B(例如，远离第一位置214A某一距离)。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发送且从第二位置214B处的对象朝向第三无线通信装置204C反射。由于对象从第一位置214A移动到第二位置214B，图2B中描绘的第六信号路径224B比图2A中描绘的第五信号路径224A长。在一些示例中，由于对象在空间中的移动，可以添加、移除或以其它方式修改信号路径。
图2A和2B中所示的示例性无线信号可以通过其相应路径经历衰减、频移、相移或其它效应，并且可以具有在另一方向上(例如，通过壁202A、202B和202C)传播的部分。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中所示的示例中，第一无线通信装置204A可以被配置作为源装置并且可以重复地发送无线信号。例如，图2A示出在第一时间t＝0期间从第一无线通信装置204A发送的无线信号。所发送信号可以连续地、周期性地、以随机或间歇的时间等或其组合发送。例如，所发送信号可以在时间t＝0与图2B中所示的后续时间t＝1或任何其它后续时间之间发送一次或多次。所发送信号可以在频率带宽中具有多个频率分量。所发送信号可以从第一无线通信装置204A以全向方式、以定向方式或以其它方式发送。在示出的示例中，无线信号穿过空间200中的多个相应路径，并且沿着各个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)。当对象在空间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。假定从第一无线通信装置204A发送相同的无线信号，如果空间200的传递函数改变，则该传递函数的输出(例如，接收信号)也将改变。接收信号的改变可用于检测对象的移动。相反，在一些情况下，如果空间的传递函数不改变，则传递函数的输出(接收信号)将不改变。接收信号没有改变(例如稳定状态)可以指示空间200中没有运动。
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)：
Figure BDA0003183047290000111
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)：
Figure BDA0003183047290000121
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：
Figure BDA0003183047290000122
将式(2)代入式(3)得到下式(4)：
Figure BDA0003183047290000123
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Yn可被表示为下式(5)：
Figure BDA0003183047290000124
针对给定频率分量ωn的复值Yn指示该频率分量ωn处的接收信号的相对大小和相位偏移。当对象在空间中移动时，复值Yn由于空间的信道响应αn,k的变化而变化。因此，信道响应(以及因此复值Yn)中所检测到的变化可以指示通信信道内的对象的移动。相反，(例如在信号响应中没有检测到改变或检测到很小的改变的)稳定信道响应(或“稳定状态”)(或复值Yn)可以指示没有移动。因此，在一些实现中，可以分析针对无线网状网络中的多个装置中的各装置的复值Yn以检测在发送信号f(t)所穿过的空间中是否发生了运动或是否没有运动。在某些情况下，当检测到没有移动时，可以对信道响应进行进一步分析以确定对象是否存在于空间中但未移动。
在图2A和2B的另一方面中，可以基于通信信道的一些知识(例如，通过接收器所生成的反馈属性)来在装置之间进行波束成形，其中知识可用于生成一个或多个导向属性(例如，导向矩阵)，该一个或多个导向属性由发送器装置应用以在特定方向上对发送波束/信号进行成形。因此，在波束成形处理中使用的导向或反馈属性的变化指示无线通信系统所接入的空间中的可能由移动对象引起的变化。例如，可以通过某一时间段内的通信信道的明显变化(例如，如信道响应、或导向或反馈属性、或其任何组合所指示)来检测运动。
例如，在一些实现中，可以根据由接收器装置(波束成形接收端)基于信道探测所提供的反馈矩阵来在发送器装置(波束成形发送端)处生成导向矩阵。由于导向矩阵和反馈矩阵与信道的传播特性有关，因此这些矩阵随着对象在信道内移动而变化。在这些矩阵中相应地反映了信道特性的变化，并且通过分析这些矩阵，可以检测运动，并且可以确定检测到的运动的不同特性。在一些实现中，可以基于一个或多个波束成形矩阵来生成空间映射。空间映射可以指示空间中的对象相对于无线通信装置的一般方向。在一些情况下，可以使用波束成形矩阵(例如，反馈矩阵或导向矩阵)的“模式”来生成空间映射。空间映射可用于检测空间中的运动的存在或检测所检测到的运动的位置。
在一些实例中，从无线信号导出的信道信息(例如，信道响应信息或波束成形状态信息，如上所述)可以用于计算运动指示值。例如，给定时间帧的运动指示值的集合可以表示在该时间帧期间传送无线信号的相应无线链路上检测到的干扰的水平。在一些情况下，信道信息可以被滤波或以其它方式被修改，例如以减少噪声和干扰对运动指示值的影响。在一些上下文中，较高大小的运动指示值可以表示较高水平的干扰，而较低大小运动指示值可以表示相对较低水平的干扰。例如，各个运动指示值可以是单独的标量，并且运动指示值可以被归一化(例如，归一化为一或以其它方式)。
在一些情况下，与时间帧相关联的运动指示值可以共同用于作出整体确定，例如，在该时间帧期间在空间中是否发生运动、在该时间帧期间在空间中发生运动的位置等。例如，时间帧的运动共识值可以基于该时间帧的运动指示值的全部(或子集)指示在空间中是否发生运动的整体确定。在一些情况下，可以通过共同分析时间帧的多个运动指示值来作出更准确、可靠或稳健的确定。并且在一些情况下，可以递归地更新数据集以进一步提高例如位置确定的准确度。例如，各个连续时间帧的运动指示值可以用以递归地更新表示在空间中的不同位置处检测到运动的条件概率的数据集，并且递归地更新的数据集可以用于作出在随后时间帧期间运动发生在何处的整体确定。
图3是包括多个无线节点302的示例性无线通信网络300的示意图。多个无线节点302可以分别类似于图1和2A至2B的无线通信装置102、204。在图3中，描绘了三个无线节点302，标记为N0、N1和N2。然而，无线通信网络300中的其它数量的无线节点302也是可能的。此外，其它类型的节点是可能的。例如，无线通信网络300可以包括一个或多个网络服务器、网络路由器、网络交换机、网络中继器或其它类型的联网或计算设备。
无线通信网络300包括通信地耦接各对无线节点302的无线通信信道304。这种通信耦接可以允许无线节点302之间在时间帧上交换无线信号。特别地，无线通信信道304允许各对无线节点302之间的双向通信。这类通信可同时沿两个方向(例如，全双工)或一次仅沿一个方向(例如，半双工)发生。在一些实例中，如图3中所示，无线通信信道304通信地耦接多个无线节点302中的每一对。在其它实例中，一对或多对无线节点302可能没有相应的无线通信信道304。
各个无线通信信道304包括两个或更多个无线链路(包括用于双向通信中的各个方向的至少一个)。在图3中，箭头表示各个单独的无线链路。箭头被标记为Lij，其中第一下标i指示发送无线节点，而第二下标j指示接收无线节点。例如，无线节点N0和N1通过在图3中由两个箭头L01和L10指示的两个无线链路通信地耦接。无线链路L01对应于沿着从N0到N1的第一方向的无线通信，而无线链路L10对应于沿着从N1到N0的相反的第二方向的无线通信。
在一些实现中，无线通信网络300获得与第一时间帧相关联的运动数据，其可以包括关于图2A至2B描述的运动检测处理。运动数据包括指示从在第一时间帧期间交换的无线信号检测到的运动的运动指示值的集合。可以在无线通信网络(例如，无线通信网络300)中的多个无线链路(例如，图3的无线链路L01、L10、L02、L20、L12和L21)上检测运动。可以在无线通信网络中的各对无线通信装置(例如，无线节点N0、N1和N2的各组合对)之间定义各个无线链路。此外，运动指示值各自与相应无线链路相关联。
在一些变型中，无线通信网络300可以包括执行程序指令的数据处理设备(例如，网络服务器、无线通信装置、网络路由器等)。程序指令可以使得数据处理设备向无线通信网络300中的各个无线节点302分配唯一节点标识符。该唯一节点标识符可以被映射到介质访问控制(MAC)地址值，该MAC地址值对应于与无线节点相关联的MAC地址(或其一部分)。例如，图3的无线节点N0、N1和N2可以与它们各自的MAC地址的六字符部分相关联，该六字符部分然后被映射到唯一节点标识符：
{N0，N1，N2}→{e565c0，e56783，e57349}→{0，1，2}这里，e565c0、e56783和e57349的MAC地址值被映射到各个唯一节点标识符0、1和2。程序指令还可以使数据处理设备经由相应的MAC地址值对将无线链路与其相应的无线节点对相关联。然后MAC地址值可以被映射到唯一链路标识符以形成链路表。例如，图3的无线链路L01、L10、L02、L20、L12和L21可以根据下式映射到唯一链路标识符：
Figure BDA0003183047290000151
MAC地址值可以从左到右排序，以指示无线链路中的各对发送和接收无线节点。特别地，左侧MAC地址值可以对应于发送无线节点，并且右侧MAC地址值可以对应于接收无线节点。唯一节点和链路标识符的这种映射可以帮助数据处理设备在运动检测处理期间进行诸如搜索、排序和矩阵操纵等的操作。
程序指令可以附加地使数据处理设备轮询无线链路(或无线节点302)以获得多个无线链路中的各个无线链路的运动指示值。例如，图3的无线通信网络300的无线链路可以根据诸如以下所示的数据结构来报告运动指示值：
Figure BDA0003183047290000161
在数据结构中，第一列对应于无线链路的唯一链路标识符，并且数据结构的第二列对应于它们各自的运动指示值。数据结构可以是如上所示的阵列或某种其它类型的数据结构(例如，矢量)。虽然数据结构被呈现为对于各个运动指示值具有六个有效数字，但是其它数量的有效数字对于运动指示值是可能的(例如，3、5、9等)。
程序指令还可以使数据处理设备基于与多个无线链路中的第一无线链路相关联的运动指示值相对于运动指示值的集合中的其它运动指示值的大小来识别第一无线链路。为此，数据处理设备可以通过运动指示值来排序或滤波以识别第一无线链路。例如，数据处理设备可以根据大小对数据结构进行排序，从而确定最高运动指示值。在数据结构中，最高运动指示值(即，0.022051)对应于唯一链路标识符1，其映射到无线链路e565c0-e57349(或图3中的L02)。数据处理设备然后可以将无线链路1识别为第一无线链路。
在一些实现中，无线通信网络300中的节点基于预定映射和第一无线链路生成第一概率矢量。第一概率矢量包括分配给无线通信网络300中的相应无线通信装置的第一值。第一值表示在第一时间帧期间相应无线通信装置处的第一运动概率。
在一些变型中，第一概率矢量由包括从概率映射生成的概率值(或第一值)的概率矢量P(Lj|Ni)表示。概率值对应于无线链路Lj在无线节点Ni处的给定运动下展现链路活动的概率。例如，数据处理设备可以将无线链路1识别为第一无线链路。照此，P(Lj|Ni)＝P(1|Ni)＝{P(1|0)，P(1|1)，P(1|2)}。这里，P(1|0)与无线节点0处的运动引起沿着无线链路1的链路活动的概率相对应，P(1|1)与无线节点1处的运动引起沿着无线链路1的链路活动的概率相对应，并且P(1|2)与无线节点2处的运动引起沿着无线链路1的链路活动的概率相对应。这些概率值可以使用来自概率映射的映射值来生成。概率映射可以包括基于无线通信装置的特性的映射值。
图4是具有基于作为发送无线节点(Tx)、接收无线节点(Rx)或其它无线节点的无线节点的状态的映射值402的示例性概率映射400的示意图。在图4中，映射值402对于无线链路中的发送无线节点(Tx)是最高的，对于无线链路中的接收无线节点(Rx)是第二高的，并且对于与无线链路不相关联的无线节点是最低的。鉴于这些映射值402，示例性概率映射400可以反映在发送无线节点周围比接收无线节点更丰富的多路径传播环境。
图5是发送无线节点502和接收无线节点504之间的示例性多路径传播环境的示意图。节点502、504之间的无线通信由箭头506表示，箭头506在发送无线节点502周围比接收无线节点504更密集。箭头506指示从发送无线节点502行进到接收无线节点504的电磁辐射的多个可能的传播路径。在传播期间，电磁辐射可能遇到诸如壁508和移动体510等的对象。这种遇到可能包括与对象的交互，包括吸收、反射和散射等。
如果移动体510进入邻近发送无线节点502的区域，则移动体510可能由于传播路径的更密集分布而具有增加的与电磁辐射的交互。相反，如果移动体510进入接近接收无线节点504的区域，则移动体510可能由于传播路径的不太密集的分布而具有降低的与电磁辐射的交互。照此，邻近发送无线节点502的运动可能比邻近接收无线节点504的运动具有更高的概率来引起沿着通信地耦接节点502、504的无线链路的链路活动。概率映射(诸如图4的概率映射400等)可以通过使用有利于发送无线节点502的映射值来反映该偏置。
尽管图4和图5呈现了在发送和接收无线节点的上下文中的概率映射，但是映射值可以基于无线通信装置的其它特性。这样的特性包括无线节点的位置、无线链路的无线信号频率、无线节点之间的距离以及一天中的时间等。在一些实例中，概率映射可以使用关于无线节点的位置的先验信息来构建。例如，无线链路的接收信号强度指示(RSSI)可以用作感兴趣的两个无线节点相隔多远的代理。如果无线节点非常远离无线链路的发送和接收节点两者(如由弱RSSI表示)，则可以基于静态信道条件向无线节点分配非常低的概率。
在一些情况下，基于预定映射和所识别的第一无线链路而生成第一概率矢量。例如，如果图4的映射值402分别是针对发送无线节点(Tx)、接收无线节点(Rx)和所有其它无线节点的1.0、0.9和0.2，则数据处理设备可以输出P(1|Ni)＝{1.0，0.2，0.9}。在这样做时，数据处理设备将无线节点0识别为发送无线节点，并且基于概率映射400中的相应映射值向P(1|0)分配1.0的值。类似的绘图考虑使得数据处理设备向P(1|2)分配值0.2并向P(1|2)分配值0.9。可以使用其它值。
在一些实现中，无线通信网络300中的节点获得从与先前时间帧相关联的运动数据生成的第二概率矢量。第二概率矢量包括分配给相应无线通信装置的第二值。第二值表示在该先前时间帧期间相应无线通信装置处的先前运动概率。
在一些变型中，第二概率矢量由概率矢量P(Ni)表示，其包括表示无线节点Ni处的运动概率的概率值(或第二值)。无线节点Ni处的运动概率P(Ni)独立于沿着任何无线链路Lj的链路活动，并且也可能独立于其它因素。例如，程序指令可以使得数据处理设备根据P(Ni)＝{P(0)，P(1)，P(2)}定义P(Ni)。这里，P(Ni)具有概率值P(0)、P(1)和P(2)，其分别对应于无线节点0、1和2处(或邻近)的运动概率。
在操作期间，程序指令还可以使数据处理设备从先前时间帧获得P(Ni)。然而，在某些条件下，数据处理设备可能无法这样做或缺少足够的数据来完成这样的指令(例如，由于组件故障、在第一次通电期间等)。在这样的条件下，数据处理设备可以将概率值设置为一个或多个预定值(例如，设置为初始值、重置值等)。例如，在第一次通电期间，程序指令可以使数据处理设备将P(0)、P(1)和P(2)初始化为相等的概率值，例如，P(Ni)＝{0.333，0.333，0.333}。虽然P(Ni)被呈现为对于各个概率值具有三个有效数字，但是其它数量的有效数字对于概率值是可能的(例如，2、4、6、9等)。
在一些实现中，无线通信网络300中的节点可以确定从在第一时间帧期间交换的无线信号检测到的运动的位置。可以基于第二概率矢量和第一概率矢量来确定运动的位置。
在进一步实现中，无线通信网络300中的节点可以通过将来自第二概率矢量的第二值与来自第一概率矢量的第一值组合来生成第三概率矢量。第三概率矢量可以包括分配给相应无线通信装置的第三值。第三值表示在第一时间帧期间相应无线通信装置处的当前运动概率。在这些实现中，无线通信网络300中的节点识别与第三值中的最高值相关联的第一无线通信装置。此外，确定运动的位置包括将与第一无线通信装置相关联的位置(例如，房间、区域、地板、象限等)识别为在第一时间帧期间检测到的运动的位置。
在一些变型中，第三概率矢量由P(Ni|Lj)表示，其中Ni对应于唯一节点标识符且Lj对应于唯一链路标识符。第三概率矢量P(Ni|Lj)包括表示给定沿着无线链路Lj的链路活动的无线节点Ni处的运动概率的第三值。例如，如果图3的无线通信网络300中的无线链路1被识别为第一无线链路，则相应的第三值可以由P(0|1)、P(1|1)和P(2|1)表示，其中P(Ni|1)＝{P(0|1)，P(1|1)，P(2|1)}。这里，P(0|1)与沿着无线链路1的链路活动起因于无线节点0处的运动的概率相对应，P(1|1)与沿着无线链路1的链路活动起因于无线节点1处的运动的概率相对应，并且P(2|1)与沿着无线链路1的链路活动起因于无线节点2处的运动的概率相对应。
第三概率矢量P(Ni|Lj)可以根据等式(1)确定：
Figure BDA0003183047290000191
其中，P(Ni|Lj)和P(Ni)如上所述。等式(1)可以允许无线通信网络300(或数据处理设备)使用贝叶斯统计来确定检测到的运动的位置。例如，如果在图3的无线通信网络300中，无线链路1是第一无线链路并且P(1|Ni)＝{1，0.2，0.9}，则程序指令然后可以使数据处理设备根据下式计算第三概率矢量P(Ni|1)：
Figure BDA0003183047290000201
这种计算使得P(Ni|1)＝{0.476，0.095，0.429}，其中第三值求和为一，即，0.476+0.095+0.429＝1。因此，P(Ni|1)可以表示归一化为一的概率分布。在P(Ni|1)中，P(0|1)对应于第三值中的最大值，从而指示由无线通信网络300沿着无线链路1检测到的运动具有位于(或邻近)无线节点0处的最高概率。基于P(0|1)的该值，程序指令可以使得数据处理设备查找无线节点0的MAC地址值，并且当找到时，输出结果(例如，输出e565c0)。
在一些实现中，无线通信网络300中的节点对连续时间帧进行迭代处理。例如，节点可以在相应时间帧的多次迭代上重复以下操作：获得运动数据、识别第一无线链路、生成第一概率矢量、获得第二概率矢量、生成第三概率矢量、识别无线通信装置和确定针对各个连续时间帧的运动的位置。在这些实现中，前次迭代的第三概率矢量用作本次迭代的第二概率矢量，从而允许递归地更新第三概率矢量。
例如，在第三概率矢量由P(Ni|Lj)表示且第二概率矢量由P(Ni)表示的变型中，可以将来自先前时间帧的第三概率矢量用作来自第一时间帧的第二概率矢量以生成第一概率矢量，例如来自先前时间帧的P(Ni|Lj)代替等式(1)中的第一时间帧中的P(Ni)。照此，数据处理设备可以将来自先前时间帧的P(Ni|Lj)的计算嵌套在当前时间帧的P(Ni|Lj)的计算内以在多个计算周期上递归地更新各个无线节点302处的运动概率。因此各个无线通信装置(或无线节点302)处(或邻近)的运动概率可以使用贝叶斯统计在各个周期递归地更新。
尽管到目前为止呈现的示例描述了在单个所识别的无线链路(例如，第一无线链路)的上下文中操作的无线通信网络300，但是无线通信网络300可以使用多个无线链路来确定运动的位置。在一些实现中，识别第一无线链路包括基于与各个无线链路相关联的运动指示值的大小来识别多个无线链路。运动的大小可以相对于运动指示值(或链接表)的集合中的其它运动指示值。在这些实现中，生成第一概率矢量包括基于预定映射和各个相应无线链路生成多个所识别无线链路各自的第一概率矢量
在一些实现中，多个所识别无线链路包括第一无线链路和第二无线链路。与第一无线链路相关联的运动指示的大小可以是最高运动指示值，并且与第二无线链路相关联的运动指示值的大小可以是第二最高运动指示值。
例如，在图3的无线通信网络中，无线通信网络300中的节点可以轮询无线链路(或无线节点302)以获得各个无线链路的运动指示值。运动指示值可以对应于第一时间帧或其它时间帧(例如，在先前示例的第一时间帧之后)。图3的无线通信网络300的无线链路可以在如下所示的数据结构中报告运动指示值：
Figure BDA0003183047290000211
程序指令还可以使数据处理设备根据大小对数据结构进行排序以确定两个最高运动指示值。在数据结构中，两个最高运动指示值对应于无线链路1和2(或图3中的L02和L10)。数据处理设备可以将两个最高运动指示值归一化为一，从而产生第二数据结构：
Figure BDA0003183047290000212
在这种归一化中，各个运动指示值除以所有运动指示值的总和。如此归一化的运动指示值的总和为一，例如，0.477+0.523＝1。归一化的运动指示值可以用于生成多个所识别无线链路各自的经缩放的第三概率矢量，如下文将描述。虽然第二数据结构被呈现为对于各个归一化的运动指示值具有三个有效数字，但是其它数量的有效数字对于运动指示值是可能的(例如，2、4、6、9等)。
在一些实现中，无线通信网络300中的节点通过将来自第二概率矢量的第二值与来自所生成的各个第一概率矢量的第一值组合来生成第三概率矢量。第三概率矢量可以包括分配给相应无线通信装置的第三值。第三值表示在第一时间帧期间在相应的无线通信装置处的当前运动概率。在执行程序指令时，无线通信网络300还可以识别与第三值中的最高值相关联的第一无线通信装置。此外，无线通信网络300可以通过将与无线通信装置相关联的位置识别为在第一时间帧期间检测到的运动的位置来确定运动的位置。
在一些变型中，第三概率矢量由P(Ni|Lj)及等式(1)表示。然后程序指令可以使数据处理设备生成针对所识别的各个无线链路的第三概率矢量。然后可以缩放和求和第三概率矢量以生成有效的第三概率矢量Pe(Ni|Lj)，其用作针对第一时间帧的第三概率矢量。可以根据等式(2)确定有效的第三概率矢量：
Figure BDA0003183047290000221
这里，c(Lj)对应于所识别的无线链路Lj的缩放常数，并且j上的求和对应于所有所识别的无线链路(id)。缩放常数c(Lj)是从诸如存储在第二数据结构中的相应所识别的无线链路Lj的归一化运动指示值生成的。
例如，上文所描述的第二数据结构包括所识别的无线链路1和2各自的归一化运动指示值。因此，对于所识别的无线链路1，相应的缩放常数为c(1)＝0.477，并且对于所识别的无线链路2，相应的缩放常数为c(2)＝0.523。此外，如果在先前的示例中描述的概率映射可应用于第二数据结构的时间帧，则P(1|Ni)＝{1.0，0.2，0.9}用于所识别的无线链路1，并且P(2|Ni)＝{0.9，1.0，0.2}用于所识别的无线链路2。此外，如果本示例对应于先前示例之后的时间帧，则来自先前示例的P(Ni|1)可以用作本示例的P(Ni)，例如，P(Ni)＝P(Ni|1)＝{0.476，0.095，0.429}。
鉴于这些示例性参数，程序指令可以使数据处理设备根据下式生成第三概率矢量P(Ni|1)：
Figure BDA0003183047290000231
这使得P(Ni|1)＝{0.540，0.022，0.438}。类似地，程序指令还可以使数据处理设备根据下式生成第三概率矢量P(Ni|2)：
Figure BDA0003183047290000232
这使得P(Ni|2)＝{0.703，0.156，0.141}。在P(Ni|1)和P(Ni|2)各自中，无线节点0的概率值(或第三值)最高。此外，相对于来自先前示例的P(Ni|1)，无线节点0的概率值较高。这样的增加与在当前时间帧中继续支持无线节点0的预定映射一致。
程序指令可以附加地使数据处理设备通过对无线节点1和无线节点2的第三概率矢量求和而生成有效的第三概率矢量。照此，数据处理设备可以根据P(Ni|1)+P(Ni|2)＝{0.626，0.092，0.282}来生成Pe(Ni|1，2)。在生成有效的第三概率矢量时，数据处理设备在最终输出中更精细地分布各个所识别的无线链路的第三概率矢量。有效的第三概率矢量Pe(Ni|1，2)指示无线通信网络300检测到的运动具有位于(或邻近)无线节点0处的最高概率，如由Pe(0|1，2)＝0.626所示。此外，相对于来自先前时间帧的第三概率矢量，有效的第三值的分布更不均匀且强烈支持无线节点0，例如将新生成的{0.626，0.092，0.282}与先前生成的{0.476，0.095，0.429}进行比较。
图6是示出用于确定由无线通信网络中的无线通信装置检测到的运动的位置的示例性处理600的流程图。示例性处理600中的操作可以由数据处理设备(例如，图1A中的无线通信装置102中的处理器)进行以基于在无线通信装置处接收的信号来检测运动的位置。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之外的系统(例如，连接到图1A的无线通信系统100的计算机系统，其聚集并分析由无线通信装置102接收的信号)进行。
示例性处理600可以包括附加或不同的操作，并且这些操作可以按所示出的顺序或按其它顺序来进行。在一些情况下，图6中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，操作可以被组合、按其它顺序进行、并行进行、迭代或以其它方式重复或以其它方式进行。
示例性处理600包括获得与第一时间帧相关联的运动数据，如操作602所示。运动数据包括指示从无线通信网络中的多个无线链路上在第一时间帧期间交换的无线信号检测的运动的运动指示值的集合。在无线通信网络中的相应一对无线通信装置之间定义各个无线链路，并且各个运动指示值与相应的无线链路相关联。
示例性处理600还包括基于与多个无线链路中的第一无线链路相关联的运动指示值的大小来识别第一无线链路，如操作604所示。相对于运动指示值的集合中的其它运动指示值来分析大小。示例性处理600附加地包括基于预定映射和所识别的第一无线链路生成第一概率矢量，如操作606所示。第一概率矢量包含分配给相应无线通信装置的第一值。第一值表示在第一时间帧期间在相应无线通信装置处的第一运动概率。
示例性处理600还进一步包括获得从与先前时间帧相关联的运动数据生成的第二概率矢量，如操作608所示。第二概率矢量包括分配给相应无线通信装置的第二值。第二值表示在先前时间帧期间在相应无线通信装置处的先前运动概率。示例性处理600附加地包括通过数据处理设备的操作来确定从在第一时间帧期间交换的无线信号检测到的运动的位置，如操作610所示。基于对来自第二概率矢量的先前概率与来自第一概率矢量的第一概率进行组合来确定所检测到的运动的位置。
现在返回参考图3，无线通信网络300可以通过考虑从一个无线节点302到另一无线节点的运动的潜在转变来确定由无线链路检测到的运动的位置。运动的潜在转变还可以包括保持在无线节点302处或者在无线节点302附近的转变。例如，无线通信网络300可以检测布置在房子的卧室中的第一无线节点处或附近的运动。如果相应的检测时间段是在进食时间(例如，早餐、午餐等)期间，则无线通信网络300可以考虑向房子的厨房中的第二无线节点的转变。在另一示例中，如果无线通信网络300在进食时间期间在第二无线节点处或附近检测到运动，则无线通信网络300可以考虑在进食时间内的未来时间段内保持在第二无线节点处或附近的检测到的运动。潜在转变的其它标准是可能的。
在一些实例中，所检测到的运动的潜在转变包括时间、位置或这两者的标准。例如，如果在夜间期间发生检测的时间段，则检测到的运动从卧室转换到洗手间的概率可能较高。相反，检测到的运动转变到前门的概率可能较低。转变概率矩阵可以用于表示这些差异，这些差异主要基于时间。转变概率矩阵可以向从卧室转变到洗手间的所检测到的运动分配高转变概率，而向从卧室转变到前门的所检测到的运动分配低转变概率。转变概率矩阵还可以考虑所检测到的运动的位置。例如，在起居室中的所检测到的运动可以具有转变到任何其它无线节点的类似概率。该类似概率可以并入对时间(例如，夜间、白天等)的考虑。
图7是无线通信网络700的示意图，其中虚线箭头指示无线节点702之间的所检测到的运动的潜在转变。图7的无线通信网络700可以类似于图3的无线通信网络。图3和图7共有的特征经由增量相差四百的协调数字相关。
在图7中，虚线箭头表示无线通信网络700的无线节点702之间的所检测到的运动的各个潜在转变。虚线箭头标记为Tij，其中第一下标i指示原始位置，而第二下标j指示目的地位置。例如，无线节点N0和N1可以取决于特定转变各自用作原始位置和目的地位置。转变T01与所检测到的运动从N0到N1的转变相对应，并且转变T10与所检测到的运动从N1到N0的转变相对应。
在一些实现中，无线通信网络700中的节点获得包括转变值和非转变值的转变概率矩阵。转变值可以表示在与不同的无线通信装置相关联的位置之间的转变的运动概率，并且非转变值表示在与相应无线通信装置相关联的位置内保持的运动概率。
在一些变型中，转变概率矩阵由
Figure BDA0003183047290000251
表示，其中
Figure BDA0003183047290000252
与在先前时间帧(t-1)期间检测到运动的唯一节点标识符相对应，并且
Figure BDA0003183047290000253
与在当前时间帧(t)中所检测到的运动已经移动至的唯一节点标识符相对应。当前时间帧可以等同于第一时间帧。转变概率矩阵
Figure BDA0003183047290000261
包括可以表示转变概率值或非转变概率值的概率值
Figure BDA0003183047290000262
例如，转变概率矩阵
Figure BDA0003183047290000263
可以根据等式(3)扩展：
Figure BDA0003183047290000264
这里，转变概率矩阵
Figure BDA0003183047290000265
的对角项对应于
Figure BDA0003183047290000266
并且非对角项对应于
Figure BDA0003183047290000267
对角项可以表示在当前(或第一)时间段期间在同一无线通信装置之间(或保留在同一无线通信装置处)转变的概率，例如，T(0t|0t-1)、T(1t|1t-1)、T(2t|2t-1)等。照此，对角项可以表示非转变概率值(或非转变值)。类似地，非对角项表示在当前(或第一)时间段期间从一个无线通信装置转变到另一无线通信装置的概率，例如，T(0t|2t-1)、T(3t|0t -1)、T(1t|8t-1)等。照此，非对角项可以对应于转变概率值(或转变值)。
对于图7的无线通信网络700，潜在转变T00、T11、和T22可以由相应的非转变概率值(0t|0t-1)、T(1t|1t-1)和T(2t|2t-1)表示。类似地，潜在转变T01、T10、T02、T20、T12和T21可以由相应的转变概率值T(1t|0t-1)、T(0t|1t-1)、T(2t|0t-1)、T(0t|2t-1)、T(2t|1t-1)和T(1t|2t-1)表示。然后可以根据等式(3)构建全矩阵
Figure BDA0003183047290000268
Figure BDA0003183047290000269
在一些实例中，概率值
Figure BDA00031830472900002610
是基于粘性因子而分配的值。粘性因子可以是保持在无线通信装置处的概率除以转变离开该无线通信装置的概率(例如，概率比)。例如，对于图7的无线通信网络700，可以已知所检测到的运动八次中有五次保持在接近任何给定无线节点702。然后可以确定粘性因子为0.625。照此，非转变概率值T(0t|0t-1)、T(1t|1t-1)和T(2t|2t-1)可以被分配0.625的值。如果转变到其它两个无线节点702中的任一个的概率相同，则剩余的转变概率值可以由((1-0.625))/2＝0.1875确定。转变概率矩阵
Figure BDA0003183047290000271
可以被构建如下：
Figure BDA0003183047290000272
在一些实现中，无线通信网络700中的节点确定从在第一时间帧期间交换的无线信号检测到的运动的位置。所确定的位置是基于第一概率矢量、第二概率矢量和转变概率矩阵。在其它实现中，无线通信网络700通过组合第一概率矢量、第二概率矢量和转变概率矩阵来生成第三概率矢量。生成第三概率矢量可以由数据处理设备执行程序指令产生。第三概率矢量包括表示在第一时间帧期间在相应无线通信装置处的第三运动概率的第三值。在执行程序指令时，无线通信网络300还可以识别与第三值中的最高值相关联的第一无线通信装置。此外，无线通信网络300可以通过将与第一无线通信装置相关联的位置识别为在第一时间帧期间检测到的运动的位置来确定运动的位置。
在一些变型中，第三概率矢量由
Figure BDA0003183047290000273
表示，其中
Figure BDA0003183047290000274
对应于第一时间帧(t)处的唯一节点标识符且
Figure BDA0003183047290000275
对应于第一时间帧(t)处的唯一链路标识符。第三概率矢量
Figure BDA0003183047290000276
包括表示第一时间帧处在沿着无线链路Lj的链路活动的情况下无线节点Ni处的运动概率的第三值。第三概率矢量
Figure BDA0003183047290000277
可以根据等式(4)确定：
Figure BDA0003183047290000278
其中，
Figure BDA0003183047290000279
Figure BDA00031830472900002710
和
Figure BDA00031830472900002711
如以上关于等式(1)和(3)所描述的。这里，角标t指示来自第一时间帧(t)的唯一节点或链路标识符。在第三概率矢量的递归更新期间，先前时间的第三概率矢量
Figure BDA00031830472900002712
可以用作第一时间帧的第二概率矢量
Figure BDA00031830472900002713
照此，等式(4)中的
Figure BDA00031830472900002714
产生等式(5)：
Figure BDA0003183047290000281
等式(4)和(5)可以允许无线通信网络700(或数据处理设备)使用贝叶斯统计同时考虑无线节点702之间的潜在转变来确定所检测到的运动的位置。
在一些实现中，无线通信网络700中的节点对连续时间帧进行迭代处理。例如，节点可以在相应时间帧的多次迭代上重复以下操作：获得运动数据、生成第一概率矢量、获得第二概率矢量、获得转变概率矩阵、生成第三概率矢量、识别第一无线通信装置和确定运动的位置。在这些实现中，前次迭代的第三概率矢量用作本次迭代的第二概率矢量，从而允许递归地更新第三概率矢量。
在一些实现中，无线通信网络700中的节点通过在第一转变概率矩阵和不同的第二概率矩阵之间进行选择来获得转变概率矩阵。在一些实例中，这样的选择是基于一天中的时间。例如，程序指令可以使数据处理设备在第一时间帧对应于白天时选择第一转变概率矩阵并且在第一时间帧对应于夜间时选择第二转变概率矩阵。其它时间段也是可能的。
在一些实现中，无线通信网络700基于运动指示值的集合获得运动的共识值。在这些实现中，获得转变概率矩阵包括在第一转变概率矩阵与第二转变概率矩阵之间进行选择。当运动的共识值具有第一值(例如，零)时，可以选择第一转变概率矩阵，并且当运动的共识值具有另一值(例如，归一化为一)时，可以选择第二转变概率矩阵。
在一些实现中，第一转变概率矩阵与在第一时间帧期间未检测到运动相关联。在一些实现中，第二转变概率矩阵与在第一时间帧期间检测到运动相关联。在一些实现中，第一转变概率矩阵的非转变值大于第一转变概率矩阵的转变值。在一些实现中，第二转变概率矩阵的转变值大于第二转变概率矩阵的非转变值。
在一些变型中，转变概率矩阵由
Figure BDA0003183047290000282
表示，其中C对应于运动的共识值。基于运动的共识值C，诸如通过数据处理设备执行程序指令，可以改变或选择转变概率矩阵的一个或多个概率值
Figure BDA0003183047290000291
例如，如果C＝0，则无线通信网络700可以指示在第一时间帧期间没有检测到运动。作为响应，数据处理设备可以改变或选择转变概率的概率值
Figure BDA0003183047290000292
以定义非转变概率值大于转变概率值的第一转变概率矩阵。相反，如果C＝1，则无线通信网络700可以指示在第一时间帧期间检测到运动。作为响应，数据处理设备可以改变或选择概率值
Figure BDA0003183047290000293
以定义转变概率值大于非转变概率值的第二转变概率矩阵。第二转变概率矩阵可以反映检测到的运动具有向另一无线节点702重定位的提高的概率的状态。虽然运动的共识值C已经在二进制值的上下文中呈现，但是其它值对于C也是可能的。例如，运动的共识值可以对应于多个值，各个值具有相应的转变概率矩阵。
图8是示出用于确定由无线通信网络中的无线通信装置检测到的运动的位置的另一示例性处理800的流程图。示例性处理800中的操作可以由数据处理设备(例如，图1A中的无线通信装置102中的处理器)执行以基于在无线通信装置处接收的信号来检测运动的位置。示例性处理800可以由其它类型的装置进行。例如，处理800的操作可以由除无线通信装置之外的系统(例如，连接到图1A的无线通信系统100的计算机系统，其聚集并分析由无线通信装置102接收的信号)进行。
示例性处理800可以包括附加或不同的操作，并且这些操作可以按所示出的顺序或其它顺序来进行。在一些情况下，图8中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，操作可以被组合、按其它顺序进行、并行进行、迭代或以其它方式重复或以其它方式进行。
处理800包括获得与第一时间帧相关联的运动数据，如操作802所示。运动数据包括指示从在无线通信网络中的多个无线链路上在第一时间帧期间交换的无线信号中检测的运动的运动指示值的集合。可以在无线通信网络中的相应一对无线通信装置之间定义各个无线链路，并且各个运动指示值与相应的无线链路相关联。
示例性处理800还包括基于运动指示值的集合生成第一概率矢量，如操作804所示。第一概率矢量包括分配给相应无线通信装置的第一值。第一值表示在第一时间帧期间在相应无线通信装置处的第一运动概率。示例性处理800附加地包括获得从与先前时间帧相关联的运动数据生成的第二概率矢量，如操作806所示。第二概率矢量包括分配给相应无线通信装置的第二值。第二值表示在先前时间帧期间在相应无线通信装置处的先前运动概率。
示例性处理800还包括获得包括转变值和非转变值的转变概率矩阵，如操作808所示。转变值表示在与不同的无线通信装置相关联的位置之间转变的运动概率，并且非转变值表示在与相应无线通信装置相关联的位置内保持的运动概率。示例性处理800还附加地包括通过数据处理设备的操作来确定从在第一时间帧期间交换的无线信号检测到的运动的位置，如操作810所示。所确定的位置是基于第一概率矢量、第二概率矢量和转变矩阵。
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，虽然计算机存储介质不是传播信号，但是计算机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。
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。
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，标记语言文档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)。
适合于执行计算机程序的处理器包括例如通用和专用微处理器这两者、以及任何类型的数字计算机的处理器。通常，处理器将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根据指令进行动作的处理器以及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，磁盘、磁光盘或光盘)，或者可操作地耦接以从其接收数据或向其发送数据，或者这两者。然而，计算机不需要具有这样的装置。此外，计算机可以嵌入在例如电话、电子设备、移动音频或视频播放器、游戏控制台、全球定位系统(GPS)接收器、或便携式存储装置(例如，通用串行总线(USB)闪存驱动器)的其它装置中。适于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，包括例如半导体存储器装置(例如，EPROM、EEPROM、闪速存储器装置等)、磁盘(例如，内部硬盘、可移动盘等)、磁光盘以及CDROM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、平板电脑、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、或在彼此附近或通常彼此远离地操作并且通常通过通信网络进行交互的多个计算机。通信网络的示例包括局域网(“LAN”)和广域网(“WAN”)、互联网络(例如，因特网)、包括卫星链路的网络和对等网络(例如，自组织对等网络)。客户端和服务器的关系可以借助于在相应的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。
在所描述的内容的一些方面中，可以通过在无线通信网络中的无线通信装置之间交换无线信号来检测运动。在一些情况下，还可以确定所检测到的运动的位置，如由以下示例所描述：
示例1.一种方法，包括：
获得与第一时间帧相关联的运动数据，所述运动数据包括指示从无线通信网络中的多个无线链路上在所述第一时间帧期间交换的无线信号所检测到的运动的运动指示值的集合，所述无线链路中的各个无线链路是在所述无线通信网络中的相应一对无线通信装置之间定义的，所述运动指示值中的各个运动指示值与相应无线链路相关联；
基于与所述多个无线链路中的第一无线链路相关联的运动指示值相对于所述运动指示值的集合中的其它运动指示值的大小来识别所述第一无线链路；
基于预定映射和所述第一无线链路来生成第一概率矢量，所述第一概率矢量包括分配给相应无线通信装置的第一值，所述第一值表示在所述第一时间帧期间相应无线通信装置处的第一运动概率；
获得从与先前时间帧相关联的运动数据所生成的第二概率矢量，所述第二概率矢量包括分配给相应无线通信装置的第二值，所述第二值表示在所述先前时间帧期间相应无线通信装置处的先前运动概率；以及
通过数据处理设备的操作来确定从在所述第一时间帧期间交换的无线信号所检测到的运动的位置，所述位置是基于所述第二概率矢量和所述第一概率矢量而确定的。
示例2.根据示例1所述的方法，包括：
通过将来自所述第二概率矢量的第二值和来自所述第一概率矢量的第一值进行组合来生成第三概率矢量，所述第三概率矢量包括分配给相应无线通信装置的第三值，所述第三值表示在所述第一时间帧期间相应无线通信装置处的当前运动概率；
识别与所述第三值中的最高值相关联的第一无线通信装置，以及
其中，确定所述位置包括将与所述第一无线通信装置相关联的位置识别为在所述第一时间帧期间所检测到的运动的位置。
示例3.根据示例2所述的方法，包括：
在相应时间帧的多次迭代上重复以下操作：获得运动数据，识别所述第一无线链路，生成所述第一概率矢量，获得所述第二概率矢量，生成所述第三概率矢量，识别所述无线通信装置以及确定所述运动的位置；以及
其中，前次迭代的第三概率矢量用作本次迭代的第二概率矢量，从而使得能够递归地更新所述第三概率矢量。
示例4.根据示例1或示例2至3中任一项所述的方法，其中，所述多个无线链路包括允许进行相应一对无线通信装置之间的双向通信的多组无线链路，各组无线链路具有针对所述双向通信中的每个方向的至少一个无线链路。
示例5.根据示例1或示例2至4中任一项所述的方法，其中，与所述第一无线链路相关联的运动指示值的大小是所述运动指示值的集合中的最高运动指示值。
示例6.根据示例1或示例2至5中任一项所述的方法，其中，所述预定映射包括：
分配给第一无线链路的发送无线通信装置的第一映射值；以及
分配给第一无线链路的接收无线通信装置的第二映射值。
示例7.根据示例6所述的方法，其中，所述第一映射值与所述第一概率矢量的最高第一值相对应，并且所述第二映射值与所述第一概率矢量的第二高第一值相对应。
示例8.根据示例6或7所述的方法，其中，所述预定映射包括分配给与所述第一无线链路不相关联的一个或多个无线通信装置的第三映射值。
示例9.根据示例1所述的方法，
其中，识别第一无线链路包括基于与相应无线链路相关联的运动指示值的大小来识别所述多个无线链路的第一子集；以及
其中，生成第一概率矢量包括基于所述预定映射和无线链路的第一子集中的各个相应无线链路来生成该无线链路的第一概率矢量。
示例10.根据示例9所述的方法，
其中，无线链路的第一子集包括所述第一无线链路和第二无线链路；
其中，与所述第一无线链路相关联的运动指示的大小是最高运动指示值；以及
其中，与所述第二无线链路相关联的运动指示的大小是第二高运动指示值。
示例11.根据示例9或10所述的方法，包括：
通过将来自所述第二概率矢量的第二值和来自各个相应第一概率矢量的第一值进行组合来生成第三概率矢量，所述第三概率矢量包括分配给相应无线通信装置的第三值，所述第三值表示在所述第一时间帧期间相应无线通信装置处的当前运动概率；
识别与所述第三值中的最高值相关联的第一无线通信装置，以及
其中，确定所述位置包括将与所述第一无线通信装置相关联的位置识别为在所述第一时间帧期间所检测到的运动的位置。
示例12.根据示例11所述的方法，包括：
在针对相应时间帧的多次迭代上重复以下操作：获得运动数据，识别所述第一无线链路，生成所述第一概率矢量，获得所述第二概率矢量，生成所述第三概率矢量，识别所述无线通信装置以及确定运动的位置；以及
其中，前次迭代的第三概率矢量用作本次迭代的第二概率矢量，从而允许递归地更新所述第三概率矢量。
示例13.一种运动检测系统，包括：
多个无线通信装置，其被配置为在多个无线链路上交换无线信号，所述无线链路中的各个无线链路是在相应一对无线通信装置之间定义的；以及
数据处理设备，其被配置为进行根据示例1至12中任一项所述的一个或多个操作。
示例14.一种非暂时性计算机可读介质，其包括指令，所述指令在被执行时使数据处理设备进行根据示例1至12中任一项所述的一个或多个操作。
在一些情况下，可以使用转变概率矩阵来确定所检测到的运动的位置，如以下示例所示：
示例15.一种方法，包括：
获得与第一时间帧相关联的运动数据，所述运动数据包括指示从无线通信网络中的多个无线链路上在所述第一时间帧期间交换的无线信号所检测到的运动的运动指示值的集合，所述无线链路中的各个无线链路是在所述无线通信网络中的相应一对无线通信装置之间定义的，所述运动指示值中的各个运动指示值与相应无线链路相关联；
基于所述运动指示值的集合来生成第一概率矢量，所述第一概率矢量包括分配给相应无线通信装置的第一值，所述第一值表示在所述第一时间帧期间相应无线通信装置处的第一运动概率；
获得从与先前时间帧相关联的运动数据所生成的第二概率矢量，所述第二概率矢量包括分配给相应无线通信装置的第二值，所述第二值表示在所述先前时间帧期间相应无线通信装置处的先前运动概率；
获得转变概率矩阵，所述转变概率矩阵包括：
转变值，其表示在与不同的无线通信装置相关联的位置之间转变的运动概率，以及
非转变值，其表示在与相应无线通信装置相关联的位置内保持的运动概率；以及
通过数据处理设备的操作来确定从在所述第一时间帧期间交换的无线信号所检测到的运动的位置，所述位置是基于所述第一概率矢量、所述第二概率矢量和所述转变概率矩阵而确定的。
示例16.根据示例15所述的方法，包括：
通过对所述第一概率矢量、所述第二概率矢量和所述转变概率矩阵进行组合来生成第三概率矢量，所述第三概率矢量包括第三值，所述第三值表示在所述第一时间帧期间相应无线通信装置处的第三运动概率；
识别与所述第三值中的最高值相关联的第一无线通信装置，以及
其中，确定所述位置包括将与所述第一无线通信装置相关联的位置识别为在所述第一时间帧期间检测到的运动的位置。
示例17.根据示例16所述的方法，包括：
在相应时间帧的多次迭代上重复以下操作：获得运动数据，生成所述第一概率矢量，获得所述第二概率矢量，获得所述转变概率矩阵，生成所述第三概率矢量，识别所述第一无线通信装置以及确定所述运动的位置，以及
其中，前次迭代的第三概率矢量用作本次迭代的第二概率矢量，从而使得能够递归地更新所述第三概率矢量。
示例18.根据示例15或示例16至17中任一项所述的方法，其中，所述多个无线链路包括允许进行相应一对无线通信装置之间的双向通信的多组无线链路，各组无线链路具有针对所述双向通信中的每个方向的至少一个无线链路。
示例19.根据示例15或示例16至18中任一项所述的方法，包括：
基于与所述多个无线链路中的第一无线链路相关联的运动指示值相对于所述运动指示值的集合中的其它运动指示值的大小来识别所述第一无线链路。
示例20.根据示例19所述的方法，其中，与所述第一无线链路相关联的运动指示值的大小是所述运动指示值的集合中的最高运动指示值。
示例21.根据示例15或示例16至20中任一项所述的方法，其中，生成所述第一概率矢量包括：
基于所述运动指示值的集合和预定映射来生成所述第一概率矢量。
示例22.根据示例21所述的方法，其中，所述预定映射包括：
分配给所识别的第一无线链路的发送无线通信装置的第一映射值；以及
分配给所识别的第一无线链路的接收无线通信装置的第二映射值。
示例23.根据示例22所述的方法，其中，所述第一映射值对应于所述第一概率矢量的最高第一值，并且所述第二映射值对应于所述第一概率矢量的第二高第一值。
示例24.根据示例15或示例16至23中任一项所述的方法，其中，获得所述转变概率矩阵包括在第一转变概率矩阵和不同的第二转变概率矩阵之间进行选择。
示例25.根据示例24所述的方法，其中，在所述第一时间帧对应于白天的情况下选择所述第一转变概率矩阵，以及当所述第一时间帧对应于夜间的情况下选择所述第二转变概率矩阵。
示例26.根据示例15或示例16至23中任一项所述的方法，包括：
基于所述运动指示值的集合来获得运动的共识值，以及
其中，获得所述转变概率矩阵包括在第一转变概率矩阵和第二转变概率矩阵之间进行选择，在所述运动的共识值具有第一值的情况下选择所述第一转变概率矩阵，在所述运动的共识值具有第二值的情况下选择所述第二转变概率矩阵。
示例27.根据示例26所述的方法，其中，所述第一转变概率矩阵与在所述第一时间帧期间没有检测到运动相关联。
示例28.根据示例26或27所述的方法，其中，所述第二转变概率矩阵与在所述第一时间帧期间检测到运动相关联。
示例29.根据示例26或示例27至28中任一项所述的方法，其中，所述第一转变概率矩阵的非转变值大于所述第一概率转变矩阵的转变值。
示例30.根据示例26或示例27至29中任一项的方法，其中，所述第二转变概率矩阵的转变值大于所述第二转变概率矩阵的非转变值。
示例31.根据示例26或示例27至30中任一项所述的方法，其中，所述第一转变概率矩阵的转变值和非转变值基于一天中的时间而变化。
示例32.根据示例26或示例27至31中任一项所述的方法，其中，所述第二转变概率矩阵的转变值和非转变值基于一天中的时间而变化。
示例33.一种运动检测系统，包括：
多个无线通信装置，其被配置为在多个无线链路上交换无线信号，所述无线链路中的各个无线链路是在相应一对无线通信装置之间定义的；以及
数据处理设备，其被配置为进行根据示例15至32中任一项所述的操作中的一个或多个。
示例34.一种非暂时性计算机可读介质，其包括指令，所述指令在被执行时使数据处理设备进行根据示例15至32中任一项所述的操作中的一个或多个。
虽然本说明书包含很多细节，但这些细节不应被理解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。还可以组合在单独实现的上下文中在本说明书中描述或在附图中示出的某些特征。相反，在单个实现的上下文中描述或示出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。
同样，虽然在附图中以特定顺序描绘了操作，但是这不应该被理解为要求以所示的特定顺序或者以序列顺序来进行这些操作、或者进行所有所示操作以实现期望结果。在某些情形中，多任务和并行处理可以是有利的。此外，上述实现中的各种系统组件的分离不应被理解为在所有实现中都要求这种分离，并且应当理解，所描述的程序组件和系统通常可以一起集成在单个产品中或者封装到多个产品中。
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)

1.一种方法，包括：
获得与第一时间帧相关联的运动数据，所述运动数据包括指示从无线通信网络中的多个无线链路上在所述第一时间帧期间交换的无线信号所检测到的运动的运动指示值的集合，所述无线链路中的各个无线链路是在所述无线通信网络中的相应一对无线通信装置之间定义的，所述运动指示值中的各个运动指示值与相应无线链路相关联；
基于所述运动指示值的集合来生成第一概率矢量，所述第一概率矢量包括分配给相应无线通信装置的第一值，所述第一值表示在所述第一时间帧期间相应无线通信装置处的第一运动概率；
获得从与先前时间帧相关联的运动数据所生成的第二概率矢量，所述第二概率矢量包括分配给相应无线通信装置的第二值，所述第二值表示在所述先前时间帧期间相应无线通信装置处的先前运动概率；
获得转变概率矩阵，所述转变概率矩阵包括：
转变值，其表示在与不同的无线通信装置相关联的位置之间转变的运动概率，以及
非转变值，其表示在与相应无线通信装置相关联的位置内保持的运动概率；以及
通过数据处理设备的操作来确定从在所述第一时间帧期间交换的无线信号所检测到的运动的位置，所述位置是基于所述第一概率矢量、所述第二概率矢量和所述转变概率矩阵而确定的。
2.根据权利要求1所述的方法，包括：
通过对所述第一概率矢量、所述第二概率矢量和所述转变概率矩阵进行组合来生成第三概率矢量，所述第三概率矢量包括第三值，所述第三值表示在所述第一时间帧期间相应无线通信装置处的第三运动概率；
识别与所述第三值中的最高值相关联的第一无线通信装置，以及
其中，确定所述位置包括将与所述第一无线通信装置相关联的位置识别为在所述第一时间帧期间检测到的运动的位置。
3.根据权利要求2所述的方法，包括：
在相应时间帧的多次迭代上重复以下操作：获得运动数据，生成所述第一概率矢量，获得所述第二概率矢量，获得所述转变概率矩阵，生成所述第三概率矢量，识别所述第一无线通信装置以及确定所述运动的位置，以及
其中，前次迭代的第三概率矢量用作本次迭代的第二概率矢量，从而使得能够递归地更新所述第三概率矢量。
4.根据权利要求1所述的方法，其中，所述多个无线链路包括允许进行相应一对无线装置之间的双向通信的多组无线链路，各组无线链路具有针对所述双向通信中的每个方向的至少一个无线链路。
5.根据权利要求1或2所述的方法，包括：
基于与所述多个无线链路中的第一无线链路相关联的运动指示值相对于所述运动指示值的集合中的其它运动指示值的大小来识别所述第一无线链路。
6.根据权利要求5所述的方法，其中，与所述第一无线链路相关联的运动指示值的大小是所述运动指示值的集合中的最高运动指示值。
7.根据权利要求1至3中任一项所述的方法，其中，生成所述第一概率矢量包括：
基于所述运动指示值的集合和预定映射来生成所述第一概率矢量，所述预定映射包括：
分配给所识别的第一无线链路的发送无线通信装置的第一映射值；以及
分配给所识别的第一无线链路的接收无线通信装置的第二映射值。
8.根据权利要求1至3中任一项所述的方法，其中，获得所述转变概率矩阵包括在第一转变概率矩阵和不同的第二转变概率矩阵之间进行选择。
9.根据权利要求8所述的方法，其中，在所述第一时间帧对应于白天的情况下选择所述第一转变概率矩阵，以及当所述第一时间帧对应于夜间的情况下选择所述第二转变概率矩阵。
10.根据权利要求1或2所述的方法，包括：
基于所述运动指示值的集合来获得运动的共识值，以及
其中，获得所述转变概率矩阵包括在第一转变概率矩阵和第二转变概率矩阵之间进行选择，在所述运动的共识值具有第一值的情况下选择所述第一转变概率矩阵，在所述运动的共识值具有不同的第二值的情况下选择所述第二转变概率矩阵。
11.根据权利要求10所述的方法，
其中，所述第一转变概率矩阵与在所述第一时间帧期间没有检测到运动相关联；以及
其中，所述第一转变概率矩阵的非转变值大于所述第一转变概率矩阵的转变值。
12.根据权利要求10所述的方法，
其中，所述第二转变概率矩阵与在所述第一时间帧期间检测到运动相关联；以及
其中，所述第二转变概率矩阵的转变值大于所述第二转变概率矩阵的非转变值。
13.一种运动检测系统，包括：
多个无线通信装置，其被配置为在多个无线链路上交换无线信号，所述无线链路中的各个无线链路是在相应一对无线通信装置之间定义的；以及
数据处理设备，其被配置为进行操作，所述操作包括：
获得与第一时间帧相关联的运动数据，所述运动数据包括指示从所述多个无线链路上在所述第一时间帧期间交换的无线信号所检测到的运动的运动指示值的集合，所述运动指示值中的各个运动指示值与相应无线链路相关联；
基于所述运动指示值的集合来生成第一概率矢量，所述第一概率矢量包括分配给相应无线通信装置的第一值，所述第一值表示在所述第一时间帧期间相应无线通信装置处的第一运动概率；
获得从与先前时间帧相关联的运动数据所生成的第二概率矢量，所述第二概率矢量包括分配给相应无线通信装置的第二值，所述第二值表示在所述先前时间帧期间相应无线通信装置处的先前运动概率；
获得转变概率矩阵，所述转变概率矩阵包括：
转变值，其表示在与不同的无线通信装置相关联的位置之间转变的运动概率，以及
非转变值，其表示在与相应无线通信装置相关联的位置内保持的运动概率；以及
确定从在所述第一时间帧期间交换的无线信号所检测到的运动的位置，所述位置是基于所述第一概率矢量、所述第二概率矢量和所述转变概率矩阵而确定的。
14.根据权利要求13所述的运动检测系统，其中，所述操作包括：
通过对所述第一概率矢量、所述第二概率矢量和所述转变概率矩阵进行组合来生成第三概率矢量，所述第三概率矢量包括第三值，所述第三值表示在所述第一时间帧期间相应无线通信装置处的第三运动概率；
识别与所述第三值中的最高值相关联的第一无线通信装置，以及
其中，确定所述位置包括将与所述第一无线通信装置相关联的位置识别为在所述第一时间帧期间检测到的运动的位置。
15.根据权利要求14所述的运动检测系统，其中，所述操作包括：
在相应时间帧的多次迭代上重复以下操作：获得运动数据，生成所述第一概率矢量，获得所述第二概率矢量，获得所述转变概率矩阵，生成所述第三概率矢量，识别所述第一无线通信装置以及确定所述运动的位置，以及
其中，前次迭代的第三概率矢量用作本次迭代的第二概率矢量，从而使得能够递归地更新所述第三概率矢量。
16.根据权利要求13所述的运动检测系统，其中，所述多个无线链路包括允许进行相应一对无线装置之间的双向通信的多组无线链路，各组无线链路具有针对所述双向通信中的每个方向的至少一个无线链路。
17.根据权利要求13或14所述的运动检测系统，包括：
基于与所述多个无线链路中的第一无线链路相关联的运动指示值相对于所述运动指示值的集合中的其它运动指示值的大小来识别所述第一无线链路。
18.根据权利要求13所述的运动检测系统，其中，无线通信装置包括所述数据处理设备。
19.根据权利要求13至15中任一项所述的运动检测系统，其中，生成所述第一概率矢量包括：
基于所述运动指示值的集合和预定映射来生成所述第一概率矢量，所述预定映射包括：
分配给所识别的第一无线链路的发送无线通信装置的第一映射值；以及
分配给所识别的第一无线链路的接收无线通信装置的第二映射值。
20.根据权利要求13至15中任一项所述的运动检测系统，其中，获得所述转变概率矩阵包括在第一转变概率矩阵和不同的第二转变概率矩阵之间进行选择。
21.根据权利要求13或14所述的运动检测系统，其中，所述操作包括：
基于所述运动指示值的集合来获得运动的共识值，以及
其中，获得所述转变概率矩阵包括在第一转变概率矩阵和第二转变概率矩阵之间进行选择，在所述运动的共识值具有第一值的情况下选择所述第一转变概率矩阵，在所述运动的共识值具有不同的第二值的情况下选择所述第二转变概率矩阵。
22.一种非暂时性计算机可读介质，其包含用于使数据处理设备进行操作的程序指令，所述操作包括：
获得与第一时间帧相关联的运动数据，所述运动数据包括指示从无线通信网络中的多个无线链路上在所述第一时间帧期间交换的无线信号所检测到的运动的运动指示值的集合，所述无线链路中的各个无线链路是在所述无线通信网络中的相应一对无线通信装置之间定义的，所述运动指示值中的各个运动指示值与相应无线链路相关联；
基于所述运动指示值的集合来生成第一概率矢量，所述第一概率矢量包括分配给相应无线通信装置的第一值，所述第一值表示在所述第一时间帧期间相应无线通信装置处的第一运动概率；
获得从与先前时间帧相关联的运动数据所生成的第二概率矢量，所述第二概率矢量包括分配给相应无线通信装置的第二值，所述第二值表示在所述先前时间帧期间相应无线通信装置处的先前运动概率；
获得转变概率矩阵，所述转变概率矩阵包括：
转变值，其表示在与不同的无线通信装置相关联的位置之间转变的运动概率，以及
非转变值，其表示在与相应无线通信装置相关联的位置内保持的运动概率；以及
确定从在所述第一时间帧期间交换的无线信号所检测到的运动的位置，所述位置是基于所述第一概率矢量、所述第二概率矢量和所述转变概率矩阵而确定的。
23.根据权利要求22所述的非暂时性计算机可读介质，其中，所述操作包括：
通过对所述第一概率矢量、所述第二概率矢量和所述转变概率矩阵进行组合来生成第三概率矢量，所述第三概率矢量包括第三值，所述第三值表示在所述第一时间帧期间相应无线通信装置处的第三运动概率；
识别与所述第三值中的最高值相关联的第一无线通信装置，以及
其中，确定所述位置包括将与所述第一无线通信装置相关联的位置识别为在所述第一时间帧期间检测到的运动的位置。
24.根据权利要求23所述的非暂时性计算机可读介质，其中，所述操作包括：
在相应时间帧的多次迭代上重复以下操作：获得运动数据，生成所述第一概率矢量，获得所述第二概率矢量，获得所述转变概率矩阵，生成所述第三概率矢量，识别所述第一无线通信装置以及确定所述运动的位置，以及
其中，前次迭代的第三概率矢量用作本次迭代的第二概率矢量，从而使得能够递归地更新所述第三概率矢量。
25.根据权利要求22所述的非暂时性计算机可读介质，其中，所述多个无线链路包括允许进行相应一对无线装置之间的双向通信的多组无线链路，各组无线链路具有针对所述双向通信中的每个方向的至少一个无线链路。
26.根据权利要求22或23所述的非暂时性计算机可读介质，包括：
基于与所述多个无线链路中的第一无线链路相关联的运动指示值相对于所述运动指示值的集合中的其它运动指示值的大小来识别所述第一无线链路。
27.根据权利要求22所述的非暂时性计算机可读介质，其中，无线通信装置包括所述数据处理设备。
28.根据权利要求22至24中任一项所述的非暂时性计算机可读介质，其中，生成所述第一概率矢量包括：
基于所述运动指示值的集合和预定映射来生成所述第一概率矢量，所述预定映射包括：
分配给所识别的第一无线链路的发送无线通信装置的第一映射值；以及
分配给所识别的第一无线链路的接收无线通信装置的第二映射值。
29.根据权利要求22至24中任一项所述的非暂时性计算机可读介质，其中，获得所述转变概率矩阵包括在第一转变概率矩阵和不同的第二转变概率矩阵之间进行选择。
30.根据权利要求22或23所述的非暂时性计算机可读介质，其中，所述操作包括：
基于所述运动指示值的集合来获得运动的共识值，以及
其中，获得所述转变概率矩阵包括在第一转变概率矩阵和第二转变概率矩阵之间进行选择，在所述运动的共识值具有第一值的情况下选择所述第一转变概率矩阵，在所述运动的共识值具有不同的第二值的情况下选择所述第二转变概率矩阵。
CN201980090523.0A 2018-12-03 2019-10-29 确定从无线信号检测到的运动的位置 Pending CN113383244A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/207,673 US11403543B2 (en) 2018-12-03 2018-12-03 Determining a location of motion detected from wireless signals
US16/207,673 2018-12-03
PCT/CA2019/051529 WO2020113313A1 (en) 2018-12-03 2019-10-29 Determining a location of motion detected from wireless signals

Publications (1)

Publication Number Publication Date
CN113383244A true CN113383244A (zh) 2021-09-10

Family

ID=70848708

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980090523.0A Pending CN113383244A (zh) 2018-12-03 2019-10-29 确定从无线信号检测到的运动的位置

Country Status (7)

Country Link
US (2) US11403543B2 (zh)
EP (1) EP3891528B1 (zh)
JP (1) JP7465875B2 (zh)
KR (1) KR20210096113A (zh)
CN (1) CN113383244A (zh)
CA (1) CA3120197A1 (zh)
WO (1) WO2020113313A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11893515B2 (en) 2018-12-03 2024-02-06 Cognitive Systems Corp. Determining a location of motion detected from wireless signals

Families Citing this family (10)

* Cited by examiner, † Cited by third party
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
US20200267681A1 (en) * 2019-02-19 2020-08-20 Qualcomm Incorporated Systems and methods for positioning with channel measurements
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
US11570712B2 (en) 2019-10-31 2023-01-31 Cognitive Systems Corp. Varying a rate of eliciting MIMO transmissions from wireless communication devices
US11018734B1 (en) 2019-10-31 2021-05-25 Cognitive Systems Corp. Eliciting MIMO transmissions from wireless communication devices
CA3152905A1 (en) 2019-10-31 2021-05-06 Christopher Beg Using mimo training fields for motion detection
EP4204851A4 (en) 2020-08-31 2024-02-21 Cognitive Systems Corp MOTION TOPOLOGY CONTROL 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

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040263388A1 (en) * 2003-06-30 2004-12-30 Krumm John C. System and methods for determining the location dynamics of a portable computing device
WO2009132915A1 (de) * 2008-04-30 2009-11-05 Siemens Aktiengesellschaft Verfahren zur rechnergestützten lokalisation eines mobilen objekts mit hilfe eines merkmalsbasierten ortungsverfahrens
US20150097653A1 (en) * 2013-10-04 2015-04-09 Cambridge Silicon Radio Limited Determination of proximity using a plurality of transponders
US20150189476A1 (en) * 2012-09-12 2015-07-02 Sony Corporation Information processing apparatus, information processing method, program, and information processing system
US20160328661A1 (en) * 2015-05-05 2016-11-10 Retailmenot, Inc. Scalable complex event processing with probabilistic machine learning models to predict subsequent geolocations
US10109167B1 (en) * 2017-10-20 2018-10-23 Cognitive Systems Corp. Motion localization in a wireless mesh network based on motion indicator values

Family Cites Families (152)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
GB2322986B (en) 1987-10-28 1998-12-16 Licentia Gmbh Method of type classification of a target
US5613039A (en) 1991-01-31 1997-03-18 Ail Systems, Inc. Apparatus and method for motion detection and tracking of objects in a region for collision avoidance utilizing a real-time adaptive probabilistic neural network
GB9112838D0 (en) 1991-06-14 1991-10-16 Philips Electronic Associated Fmcw radar range calibration
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
ATE316658T1 (de) 1999-07-03 2006-02-15 Siemens Schweiz Ag Bewegungsmelder nach dem doppler-prinzip
US7484008B1 (en) 1999-10-06 2009-01-27 Borgia/Cummins, Llc Apparatus for vehicle internetworks
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
US6914854B1 (en) 2002-10-29 2005-07-05 The United States Of America As Represented By The Secretary Of The Army Method for detecting extended range motion and counting moving objects using an acoustics microphone array
US6839027B2 (en) 2002-11-15 2005-01-04 Microsoft Corporation Location measurement process for radio-frequency badges employing path constraints
US7869822B2 (en) 2003-02-24 2011-01-11 Autocell Laboratories, Inc. Wireless network apparatus and system field of the invention
JP2004286567A (ja) 2003-03-20 2004-10-14 Mitsubishi Electric Corp 侵入物検知装置及び侵入物検知方法
US7738881B2 (en) 2003-07-22 2010-06-15 Microsoft Corporation Systems for determining the approximate location of a device from ambient signals
US7307575B2 (en) 2004-09-14 2007-12-11 Bae Systems Information And Electronic Systems Integration Inc. Through-the-wall frequency stepped imaging system utilizing near field multiple antenna positions, clutter rejection and corrections for frequency dependent wall effects
US7256727B2 (en) 2005-01-07 2007-08-14 Time Domain Corporation System and method for radiating RF waveforms using discontinues associated with a utility transmission line
US7342493B2 (en) 2005-04-22 2008-03-11 Ultravision Security Systems, Inc. Motion detector
US9036028B2 (en) 2005-09-02 2015-05-19 Sensormatic Electronics, LLC Object tracking and alerts
WO2007058302A1 (ja) 2005-11-21 2007-05-24 Nec Corporation 位置推定システム、位置推定方法および位置推定用プログラム
US7904097B2 (en) 2005-12-07 2011-03-08 Ekahau Oy Location determination techniques
KR20070060796A (ko) 2005-12-09 2007-06-13 한국전자통신연구원 Ｏｆｄｍａ-ｔｄｍａ 기반 휴대인터넷 시스템에서 액티브세트의 관리 기법
US7652617B2 (en) 2006-06-01 2010-01-26 University Of Florida Research Foundation, Inc. Radar microsensor for detection, tracking, and classification
WO2007147012A2 (en) 2006-06-13 2007-12-21 Magneto Inertial Sensing Technology, Inc. Motion sensing in a wireless rf network
US8427979B1 (en) 2006-07-27 2013-04-23 Mobitrum Corporation Method and system for dynamic information exchange on location aware mesh network devices
US8305935B2 (en) 2006-07-27 2012-11-06 Mobitrum Corporation Method and system for dynamic information exchange on location aware mesh network devices
WO2008016679A2 (en) 2006-08-02 2008-02-07 24Eight Llc Wireless detection and alarm system for monitoring human falls and entries into swimming pools by using three dimensional acceleration and wireless link energy data method and apparatus
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
US9319956B2 (en) 2008-01-15 2016-04-19 International Business Machines Corporation Method and apparatus for maintaining communications connections over a distributed wireless network
US9086499B2 (en) 2008-09-23 2015-07-21 Purdue Research Foundation Clustering protocol for directional sensor networks
US10168414B2 (en) 2014-07-17 2019-01-01 Origin Wireless, Inc. Wireless signals and techniques for determining locations of objects in multi-path environments
US8892127B2 (en) 2008-11-21 2014-11-18 Qualcomm Incorporated Wireless-based positioning adjustments using a motion sensor
US20100127853A1 (en) 2008-11-24 2010-05-27 Freeport-Mcmoran Copper & Gold Inc. Method and apparatus for locating and tracking objects in a mining environment
US8671069B2 (en) 2008-12-22 2014-03-11 The Trustees Of Columbia University, In The City Of New York Rapid image annotation via brain state decoding and visual pattern mining
US8463191B2 (en) 2009-04-02 2013-06-11 Qualcomm Incorporated Beamforming options with partial channel knowledge
US8255469B2 (en) 2009-05-29 2012-08-28 Nokia Corporation Method and apparatus for locating communities over an ad-hoc mesh network
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
JP2011081763A (ja) 2009-09-09 2011-04-21 Sony Corp 情報処理装置、情報処理方法及び情報処理プログラム
US8633817B2 (en) 2009-10-21 2014-01-21 Qualcomm Incorporated Mapping wireless signals with motion sensors
JP5515647B2 (ja) 2009-11-05 2014-06-11 独立行政法人産業技術総合研究所 測位装置
EP2513666B1 (en) 2009-12-18 2015-02-18 L-3 Communications Cyterra Corporation Moving entity detection
CA2808020A1 (en) 2010-07-27 2012-02-02 University Of Regina Method and system for cooperative stochastic positioning in a mobile environment
US8836344B2 (en) 2010-07-27 2014-09-16 Raytheon Company Intrusion detection and tracking system
US8396485B2 (en) 2010-11-09 2013-03-12 Apple Inc. Beacon-based geofencing
WO2012082758A1 (en) 2010-12-13 2012-06-21 Xandem Technology Llc Systems and methods of device-free motion detection and presence detection
US20120230305A1 (en) 2011-03-08 2012-09-13 Research In Motion Limited Wi-fi network access and a mobile terminal configured for the same
JP2012190161A (ja) 2011-03-09 2012-10-04 Panasonic Corp イベント検出装置、イベント検出システム、イベント検出方法、およびイベント検出プログラム
KR101764261B1 (ko) 2011-07-15 2017-08-04 삼성전자주식회사 무선 통신 시스템에서 빔 고정 장치 및 방법
US10411775B2 (en) 2011-07-15 2019-09-10 Samsung Electronics Co., Ltd. Apparatus and method for beam locking in a wireless communication system
JP2013072865A (ja) 2011-09-29 2013-04-22 Oki Electric Ind Co Ltd 検出装置、検出方法、およびプログラム
US20130090151A1 (en) 2011-10-06 2013-04-11 Qualcomm Incorporated Method and apparatus for advanced motion detection in wireless communications systems
ES2602504T3 (es) 2011-10-19 2017-02-21 Telefonaktiebolaget Lm Ericsson (Publ) Un dispositivo de detección de movimiento
US20170126488A1 (en) 2011-12-16 2017-05-04 Carlos Cordeiro Use of motion language for network commands in 60ghz networks
US8866663B2 (en) 2011-12-27 2014-10-21 Massachusetts Institute Of Technology Methods and apparatus for sensing organic tissue
CN102545988A (zh) 2012-02-06 2012-07-04 北京新岸线无线技术有限公司 一种波束赋形矩阵的发送、接收方法和装置
JP6050008B2 (ja) 2012-03-08 2016-12-21 ソニー株式会社 判別装置、判別方法および判別システム
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
US8660578B1 (en) 2012-09-07 2014-02-25 Intel Corporation Proximity human motion detection using wireless signals
US10397039B2 (en) 2012-12-05 2019-08-27 Origin Wireless, Inc. Apparatus, systems and methods for fall-down detection based on a wireless signal
US9208676B2 (en) 2013-03-14 2015-12-08 Google Inc. Devices, methods, and associated information processing for security in a smart-sensored home
US9584642B2 (en) 2013-03-12 2017-02-28 Google Technology Holdings LLC Apparatus with adaptive acoustic echo control for speakerphone mode
US8847754B2 (en) 2012-11-15 2014-09-30 James Buchheim Locator beacon and radar application for mobile device
US9329701B2 (en) 2012-11-21 2016-05-03 Google Technology Holdings LLC Low power management of multiple sensor chip architecture
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
US9519812B2 (en) 2012-11-25 2016-12-13 Pixie Technology Inc. Managing a sphere of wireless tags
US9692459B2 (en) 2012-11-28 2017-06-27 Intel Corporation Using multiple frequency bands with beamforming assistance in a wireless network
US9438044B2 (en) 2013-03-04 2016-09-06 Hello Inc. Method using wearable device with unique user ID and telemetry system in communication with one or more social networks
JP6086148B2 (ja) 2013-03-28 2017-03-01 富士通株式会社 端末装置、位置推定方法、位置推定システム及びプログラム
WO2014179529A1 (en) 2013-05-02 2014-11-06 Consortium P, Inc. Scalable real-time location detection based on overlapping neural networks
US20140355595A1 (en) 2013-05-29 2014-12-04 Qualcomm Incorporated Method and apparatus for strategically monitoring is-2000 1x ancillary timing parameters
US9395436B2 (en) 2013-06-10 2016-07-19 Honeywell International Inc. Cooperative intrusion detection
CA2820568A1 (en) 2013-06-21 2014-12-21 Ninve Jr. Inc. Dual differential doppler motion detection
US20160150418A1 (en) 2013-07-26 2016-05-26 Lg Electronics Inc. Method for measuring mobility of ue for multi-antenna beamforming in wireless communication system and apparatus therefor
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
US9975801B2 (en) 2014-07-31 2018-05-22 Corning Incorporated High strength glass having improved mechanical characteristics
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
JP6241177B2 (ja) 2013-09-27 2017-12-06 富士通株式会社 場所モデル更新装置、位置推定方法及びプログラム
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
JP2015087356A (ja) 2013-11-01 2015-05-07 株式会社日立製作所 位置情報取得システム、端末及びその方法
US10246657B2 (en) 2013-12-11 2019-04-02 Phillips 66 Company Fuel blends for homogeneous charge compression ignition engines
US9549290B2 (en) 2013-12-19 2017-01-17 Google Technology Holdings LLC Method and apparatus for determining direction information for a wireless device
EP3092750B1 (en) 2014-01-06 2020-07-15 Samsung Electronics Co., Ltd. System, device, and apparatus for coordinating environments using network devices and remote sensory information
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
US9794355B2 (en) 2014-04-08 2017-10-17 Samsung Electronics Co., Ltd. Systems and methods for adaptive notification networks
US9867083B2 (en) 2014-04-17 2018-01-09 Cisco Technology, Inc. Wireless network controller load balancing
US10136262B2 (en) 2014-04-28 2018-11-20 Hewlett Packard Enterprise Development Lp Detecting movement in a physical environment
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
US9491585B2 (en) 2014-05-31 2016-11-08 Apple Inc. Location determination using dual statistical filters
US9253592B1 (en) 2014-06-19 2016-02-02 Amazon Technologies, Inc. Inter-device bearing estimation based on beamforming and motion data
WO2016005977A1 (en) 2014-07-08 2016-01-14 Trekeye Systems Ltd. A method and system for detection of changes in a defined surveyed area
US11436544B2 (en) 2014-09-03 2022-09-06 CloudLeaf, Inc. System for managing an industrial workflow
US9686688B2 (en) 2014-09-24 2017-06-20 Cisco Technology, Inc. Frequency channel selection by an LTE-U wireless access point operating in the presence of other LTE-U and Wi-Fi access points
US10631123B2 (en) 2014-09-24 2020-04-21 James Thomas O'Keeffe System and method for user profile enabled smart building control
US9196432B1 (en) 2014-09-24 2015-11-24 James Thomas O'Keeffe Smart electrical switch with audio capability
US9898657B2 (en) 2014-10-30 2018-02-20 Ming Cui Four-dimensional code, image identification system and image identification method based on the four-dimensional code, and retrieval system and retrieval method
CN116879875A (zh) 2014-10-31 2023-10-13 西门子瑞士有限公司 用于在无线电范围中检测对象和/或生物的移动的方法
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
EP3243195A4 (en) 2015-01-06 2018-08-22 Cmoo Systems Itd. A method and apparatus for power extraction in a pre-existing ac wiring infrastructure
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
US9282531B1 (en) 2015-03-02 2016-03-08 Mitsubishi Electric Research Laboratories, Inc. Method and system for localization of a device in an enclosed environment based on received signal strength levels
US9706756B2 (en) 2015-03-13 2017-07-18 Michael W. Swan Animal movement mapping and movement prediction method and device
US20170311574A1 (en) 2015-03-13 2017-11-02 Michael W. Swan Animal movement mapping and movement prediction method and device
CN112202482B (zh) 2015-05-13 2024-04-12 瑞典爱立信有限公司 在多个波束成形方向上执行传输的设备、方法、网络节点和计算机可读存储介质
WO2016205980A1 (en) 2015-06-26 2016-12-29 Hewlett Packard Enterprise Development Lp Mobile device locator
US10991135B2 (en) 2015-08-11 2021-04-27 Masimo Corporation Medical monitoring analysis and replay including indicia responsive to light attenuated by body tissue
US9846220B2 (en) 2015-08-19 2017-12-19 Locix, Inc. Systems and methods for determining locations of wireless sensor nodes in a network architecture having mesh-based features for localization
US9763054B2 (en) 2015-08-19 2017-09-12 Locix Inc. Systems and methods for determining locations of wireless sensor nodes in a tree network architecture having mesh-based features
US10209688B2 (en) 2015-08-26 2019-02-19 Google Llc Smart thermostat robust against adverse effects from internal heat-generating components
JP6483928B2 (ja) 2015-10-28 2019-03-13 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 人の日常生活の活動の監視
US10564285B2 (en) 2015-11-19 2020-02-18 DSCG Solutions, Inc. Estimation of motion in six degrees of freedom (6DOF) using LIDAR
CN105424030B (zh) 2015-11-24 2018-11-09 东南大学 基于无线指纹和mems传感器的融合导航装置和方法
CA3008322A1 (en) 2015-12-23 2017-06-29 Aerial Technologies Inc. System, method and apparatus for sensing changes in an environment using wireless communication signals
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
US9980220B2 (en) 2016-02-01 2018-05-22 Cisco Technology, Inc. Low power wireless communication device and remote management techniques
EP3411670B1 (en) 2016-02-04 2021-08-25 Aerial Technologies Inc. Systems and methods for sensing an environment with wireless communication signals
CN108780538A (zh) 2016-03-23 2018-11-09 联邦快递服务公司 用于自调整无线节点网络中的节点的广播设定的系统、设备和方法
US9523760B1 (en) 2016-04-15 2016-12-20 Cognitive Systems Corp. Detecting motion based on repeated wireless transmissions
US10705179B2 (en) 2016-04-22 2020-07-07 Tandemlaunch Device-free subject localization methods and systems using wireless signals
US9584974B1 (en) 2016-05-11 2017-02-28 Cognitive Systems Corp. Detecting motion based on reference signal transmissions
US11043094B2 (en) 2016-06-08 2021-06-22 Aerial Technologies Inc. System and methods for smart intrusion detection using wireless signals and artificial intelligence
US10129853B2 (en) 2016-06-08 2018-11-13 Cognitive Systems Corp. Operating a motion detection channel in a wireless communication network
JP6792365B2 (ja) 2016-07-22 2020-11-25 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ コンテンツ配信システム及び方法
US9524628B1 (en) 2016-08-04 2016-12-20 Cognitive Systems Corp. Detecting signal modulation for motion detection
JP6696377B2 (ja) 2016-09-14 2020-05-20 株式会社デンソーウェーブ 電波発信源位置推定システム
US9919648B1 (en) 2016-09-27 2018-03-20 Robert D. Pedersen Motor vehicle artificial intelligence expert system dangerous driving warning and control system and method
US10386792B2 (en) 2016-10-19 2019-08-20 Ants Technology (Hk) Limited Sensory systems for autonomous devices
US10779127B2 (en) 2016-11-22 2020-09-15 Aerial Technologies Device free localization methods within smart indoor environments
US10495727B2 (en) 2017-02-07 2019-12-03 Raytheon Company Phase difference estimator and method for estimating a phase difference between signals
US10004076B1 (en) 2017-03-16 2018-06-19 Cognitive Systems Corp. Selecting wireless communication channels based on signal quality metrics
US9989622B1 (en) 2017-03-16 2018-06-05 Cognitive Systems Corp. Controlling radio states for motion detection
US9743294B1 (en) 2017-03-16 2017-08-22 Cognitive Systems Corp. Storing modem parameters for motion detection
US9927519B1 (en) 2017-03-16 2018-03-27 Cognitive Systems Corp. Categorizing motion detected using wireless signals
US10051414B1 (en) 2017-08-30 2018-08-14 Cognitive Systems Corp. Detecting motion based on decompositions of channel response variations
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
US11403543B2 (en) 2018-12-03 2022-08-02 Cognitive Systems Corp. Determining a location of motion detected from 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
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

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040263388A1 (en) * 2003-06-30 2004-12-30 Krumm John C. System and methods for determining the location dynamics of a portable computing device
CN1578530A (zh) * 2003-06-30 2005-02-09 微软公司 用于确定便携式计算设备的定位动态特性的系统和方法
WO2009132915A1 (de) * 2008-04-30 2009-11-05 Siemens Aktiengesellschaft Verfahren zur rechnergestützten lokalisation eines mobilen objekts mit hilfe eines merkmalsbasierten ortungsverfahrens
US20150189476A1 (en) * 2012-09-12 2015-07-02 Sony Corporation Information processing apparatus, information processing method, program, and information processing system
US20150097653A1 (en) * 2013-10-04 2015-04-09 Cambridge Silicon Radio Limited Determination of proximity using a plurality of transponders
US20160328661A1 (en) * 2015-05-05 2016-11-10 Retailmenot, Inc. Scalable complex event processing with probabilistic machine learning models to predict subsequent geolocations
US10109167B1 (en) * 2017-10-20 2018-10-23 Cognitive Systems Corp. Motion localization in a wireless mesh network based on motion indicator values

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
AHMED E. KOSBA ET AL: ""RASID demo: A robust WLAN device-free passive motion detection system"", 《2012 IEEE INTERNATIONAL CONFERENCE ON PERVASIVE COMPUTING AND COMMUNICATIONS WORKSHOPS》, pages 531 - 533 *
龚健: ""RSSI泰勒级数修正在移动节点定位中的研究"", 《微型机与应用》, vol. 35, no. 8, pages 65 - 67 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11893515B2 (en) 2018-12-03 2024-02-06 Cognitive Systems Corp. Determining a location of motion detected from wireless signals

Also Published As

Publication number Publication date
WO2020113313A1 (en) 2020-06-11
JP2022509683A (ja) 2022-01-21
KR20210096113A (ko) 2021-08-04
CA3120197A1 (en) 2020-06-11
EP3891528A4 (en) 2022-01-05
US20200175405A1 (en) 2020-06-04
US20220292379A1 (en) 2022-09-15
JP7465875B2 (ja) 2024-04-11
EP3891528A1 (en) 2021-10-13
US11893515B2 (en) 2024-02-06
EP3891528B1 (en) 2023-07-12
US11403543B2 (en) 2022-08-02

Similar Documents

Publication Publication Date Title
EP3891522B1 (en) Determining a location of motion detected from wireless signals based on prior probability
US11893515B2 (en) Determining a location of motion detected from wireless signals
US10459074B1 (en) Determining a location of motion detected from wireless signals based on wireless link counting
US10567914B1 (en) Initializing probability vectors for determining a location of motion detected from wireless signals
US10109167B1 (en) Motion localization in a wireless mesh network based on motion indicator values
US10264405B1 (en) Motion detection in mesh networks
CN111417864A (zh) 基于双向信道探测的运动检测和定位
CN111226128A (zh) 中央控制器使用波束形成动态信息的运动检测
CN115053147A (zh) 使用无线信号以及无线连接的拓扑结构来检测运动的地点
CN111868569A (zh) 基于无线信号分析来检测存在
CN111213064A (zh) 基于时间因子的无线网状网络中的运动位置确定
KR20240049680A (ko) 메시 네트워크들 내 모션 탐지

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