CN114599992A - 使用mimo训练字段以供运动检测 - Google Patents

使用mimo训练字段以供运动检测 Download PDF

Info

Publication number
CN114599992A
CN114599992A CN202080074410.4A CN202080074410A CN114599992A CN 114599992 A CN114599992 A CN 114599992A CN 202080074410 A CN202080074410 A CN 202080074410A CN 114599992 A CN114599992 A CN 114599992A
Authority
CN
China
Prior art keywords
training field
wireless communication
wireless
motion
frequency
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
CN202080074410.4A
Other languages
English (en)
Inventor
C·贝格
M·奥默尔
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 CN114599992A publication Critical patent/CN114599992A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H04L25/0224—Channel estimation using sounding signals
    • H04L25/0228—Channel estimation using sounding signals with direct estimation from sounding signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0426—Power distribution
    • H04B7/043—Power distribution using best eigenmode, e.g. beam forming or beam steering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/46—Indirect determination of position data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • G01S13/56—Discriminating between fixed and moving objects or between objects moving at different speeds for presence detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/74—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems
    • G01S13/76—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems wherein pulse-type signals are transmitted
    • G01S13/765—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems wherein pulse-type signals are transmitted with exchange of information between interrogator and responder
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
    • 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
    • H04L25/0204—Channel estimation of multiple channels
    • 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
    • H04L25/0212—Channel estimation of impulse response
    • 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
    • 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
    • H04L25/0222—Estimation of channel variability, e.g. coherence bandwidth, coherence time, fading frequency
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/46—Indirect determination of position data
    • G01S2013/462—Indirect determination of position data using multipath signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/003—Arrangements for allocating sub-channels of the transmission path
    • H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

在一般方面，PHY帧的各种字段被用于运动检测。在一些方面，在无线通信网络中的无线通信装置之间发送的各个无线信号的PHY帧中识别第一训练字段和不同的第二训练字段。针对各个无线信号生成第一时域信道估计和第二时域信道估计。第一时域信道估计基于第一训练字段中所包括的第一频域信号，而第二时域信道估计基于第二训练字段中所包括的第二频域信号。基于第一时域信道估计来确定在一时间段期间在空间中是否已经发生运动，并且基于第二时域信道估计来确定空间的运动的位置。

Description

使用MIMO训练字段以供运动检测
相关申请的交叉引用
本申请要求于2019年10月31日提交的题为“Using MIMO Training Fields forMotion Detection”的美国临时申请62/928,684的优先权，其内容通过引用并入本文。
背景技术
以下描述涉及将多输入/多输出(MIMO)训练字段用于运动检测。
运动检测系统已被用于检测例如房间或室外区域中的对象的移动。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他类型的系统中。
附图说明
图1是示出示例性无线通信系统的图。
图2A-2B是示出在无线通信装置之间所通信的示例性无线信号的图。
图2C是操作以检测空间中的运动的示例性无线感测系统的图。
图3是示出示例性PHY帧的图。
图4是示出示例性PHY帧的图。
图5是示出示例性多输入多输出(MIMO)无线电配置的图。
图6是示出无线信号的示例性频谱的图。
图7是示出无线通信系统中的示例信号路径的图。
图8是示出传播环境的示例滤波器表示的图。
图9A-9C是示出滤波器表示随时间的示例变化的图。
图10是示出在无线通信系统中发送和接收信号之间的关系的一系列图线。
图11是示出无线通信系统中的示例信道和信号信息的图线。
图12是运动检测系统的示例信号处理系统的示意图。
图13是示出运动检测处理的流程图。
图14是示出示例无线通信装置的框图。
具体实施方式
在本文描述的一些方面中，无线感测系统可以处理发送通过用于无线感测应用的无线通信装置之间的空间的无线信号(例如，射频信号)。示例性无线感测应用包括检测运动，其可以包括以下中的一个或多于一个：检测空间中对象的运动、运动跟踪、空间中运动的定位、呼吸检测、呼吸监视、存在检测、手势检测、手势识别、人类检测(例如，移动和静止的人类检测)、人类跟踪、跌倒检测、速度估计、入侵检测、行走检测、步数计数、呼吸率检测、睡眠模式检测、呼吸暂停估计、姿势变化检测、活动识别、步态分类、手势解码、手语识别、手跟踪、心率估计、呼吸率估计、房间占用检测、人类动态监视、以及其他类型的运动检测应用。无线感测应用的其他示例包括对象识别、说话识别、击键检测和识别、篡改检测、触摸检测、攻击检测、用户认证、驾驶员疲劳检测、交通监视、吸烟检测、校园暴力检测、人类计数、金属检测、人类识别、自行车定位、人类队列估计、Wi-Fi摄像以及其他类型的无线感测应用。例如，无线感测系统可以作为运动检测系统操作，以基于Wi-Fi信号或其他类型的无线信号来检测运动的存在和位置。
本文描述的示例可以用于家庭监视。在一些情况下，使用本文描述的无线感测系统的家庭监视可以提供若干优点，包括通过壁和在黑暗中的完全家庭覆盖、无照相机的谨慎检测、更高的准确度和减少的错误警报(例如，与不使用Wi-Fi信号来感测其环境的传感器相比)以及可调节的灵敏度。通过将Wi-Fi运动检测能力分层到路由器和网关中，可以提供稳健的运动检测系统。
本文描述的示例也可以用于健康监视。护理人员想知道他们所爱的人是安全的，而老年人和有特殊需要的人想要有尊严地保持他们在家中的独立性。在一些实例中，使用本文描述的无线感测系统的健康监视可以提供一种解决方案，该解决方案使用无线信号来检测运动而不使用照相机或侵犯隐私，在检测到异常活动时生成警报，跟踪睡眠模式，并生成预防性健康数据。例如，护理人员可以监视运动、来自健康护理专业人员的访问以及不寻常的行为(诸如比正常情况下在床上停留更长时间等)。此外，在不需要可穿戴装置的情况下不引人注目地监视运动，并且本文描述的无线感测系统为辅助生活设施和其他安全以及健康监视工具提供了更经济和方便的替代方案。
本文描述的示例对于设置智能家居也可以是有用的。在一些示例中，本文描述的无线感测系统使用预测分析和人工智能(AI)来学习运动模式并相应地触发智能家居功能。可以触发的智能家居功能的示例包括当人走过前门时调节恒温器、基于偏好打开或关闭其他智能装置、自动调节照明、基于当前居住者调节HVAC系统等。
在这里所描述的某些方面中，无线信号中包括的多输入多输出(MIMO)训练字段被用于运动检测。例如，根据Wi-Fi6标准(IEEE 802.11ax)的无线传输的PHY帧中的HE-LTF字段可以用于运动检测。无线信号可以在一段时间内通过空间发送，例如，从一个无线通信装置到另一无线通信装置。可以在各个无线信号的PHY帧中识别高效长训练字段(HE-LTF)或另一类型的MIMO训练字段。还可以在各个无线信号的PHY帧中识别传统PHY字段。示例传统PHY字段包括L-LTF和L-STF。在一些情况下，基于相应的MIMO训练字段和相应的传统PHY字段生成信道信息。从传统PHY字段中获得的信道信息可以用于做出在时间段期间在空间中是否发生运动的宏级(macro-level)确定。从MIMO训练字段获得的信道信息可以用于检测细粒度的运动属性，例如，在该时间段期间在空间中的运动的位置或方向。
在一些实例中，本文描述的系统和技术的各方面提供了优于现有方法的技术改进和优点。例如，与由传统PHY字段提供的信号相比，MIMO训练字段可以提供具有更高频率分辨率、更大数量的子载波频率和更高频率带宽(或者这些特征的组合)的信号，这可以提供更准确和细粒度的运动检测能力。在一些情况下，可以以更高的空间和时间分辨率、精度和准确度来进行运动检测。在无线感测系统用于运动检测的示例中实现的技术改进和优点也可以在无线感测系统用于其他无线感测应用的示例中实现。
在一些实例中，可以使用无线通信网络来实现无线感测系统。可以分析在无线通信网络中的一个或多于一个无线通信装置处接收到的无线信号，以确定网络中的(介于网络中的相应无线通信装置对之间的)不同通信链路的信道信息。信道信息可以表示对穿过空间的无线信号应用传递函数的物理介质。在一些实例中，信道信息包括信道响应。信道响应可以表征物理通信路径，从而表示例如发送器和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，信道信息包括由波束形成系统提供的波束形成状态信息(例如，反馈矩阵、导向矩阵、信道状态信息(CSI)等)。波束形成是在通常多天线(多输入多输出(MIMO))无线电系统中使用以进行定向信号发送或接收的信号处理技术。波束形成可以通过具有特定角度的信号经历相长干涉而其他信号经历相消干涉的这样一种方式操作天线阵列中的元件来实现。
可以通过(例如，在集线器装置、客户端装置或无线通信网络中的其他装置上运行，或者在可通信地耦接到网络的远程装置上运行的)一个或多于一个运动检测算法来分析各个通信链路的信道信息，以检测例如空间中是否已经发生运动，以确定检测到的运动的相对位置，或这两者。在一些方面，(例如，空间中未检测到运动的情况下)可以分析各个通信链路的信道信息以检测对象是存在还是不存在。
在一些实例中，运动检测系统返回运动数据。在一些实现中，运动数据是指示空间中的运动程度、空间中的运动位置、空间中的运动方向、运动发生的时间或其组合的结果。在一些实例中，运动数据可以包括运动分数，其可以包括或可以是以下中的一个或多于一个：指示由无线信号接入的环境中的信号扰动水平的标量；对是否存在运动的指示；对是否存在对象的指示；或者对由无线信号接入的环境中进行的手势的指示或分类。
在一些实现中，可以使用一个或多于一个运动检测算法来实现运动检测系统。可以用于基于无线信号检测运动的示例性运动检测算法包括以下专利中描述的技术：题为“Detecting Motion Based on Repeated Wireless Transmissions”的美国专利9,523,760；题为“Detecting Motion Based on Reference Signal Transmissions”的美国专利9,584,974；题为“Detecting Motion Based On Decompositions Of Channel ResponseVariations”的美国专利10,051,414；题为“Motion Detection Based on Groupings ofStatistical Parameters of Wireless Signals”的美国专利10,048,350；题为“MotionDetection Based on Machine Learning of Wireless Signal Properties”的美国专利10,108,903；题为“Motion Localization in a Wireless Mesh Network Based onMotion Indicator Values”的美国专利10,109,167；题为“Motion Localization Basedon Channel Response Characteristics”的美国专利10,109,168；题为“Determining aMotion Zone for a Location of Motion Detected by Wireless Signals”的美国专利10,743,143；题为“Motion Detection Based on Beamforming Dynamic Informationfrom Wireless Standard Client Devices”的美国专利10,605,908；题为“MotionDetection by a Central Controller Using Beamforming Dynamic Information”的美国专利10,605,907；题为“Modifying Sensitivity Settings in a Motion DetectionSystem”的美国专利10,600,314；题为“Initializing Probability Vectors forDetermining a Location of Motion Detected from Wireless Signals”的美国专利10,567,914；题为“Offline Tuning System for Detecting New Motion Zones in a MotionDetection System”的美国专利10,565,860；题为“Determining a Location of MotionDetected from Wireless Signals Based on Prior Probability”的美国专利10,506,384；题为“Identifying Static Leaf Nodes in a Motion Detection System”的美国专利10,499,364；题为“Classifying Static Leaf Nodes in a Motion Detection System”的美国专利10,498,467；题为“Determining a Confidence for a Motion ZoneIdentified as a Location of Motion for Motion Detected by Wireless Signals”的美国专利10,460,581；题为“Motion Detection based on Beamforming DynamicInformation”的美国专利10,459,076；题为“Determining a Location of MotionDetected from Wireless Signals Based on Wireless Link Counting”的美国专利10,459,074；题为“Motion Localization in a Wireless Mesh Network Based on MotionIndicator Values”的美国专利10,438,468；题为“Determining Motion Zones in aSpace Traversed by Wireless Signals”的美国专利10,404,387；题为“DetectingPresence Based on Wireless Signal Analysis”的美国专利10,393,866；题为“MotionLocalization Based on Channel Response Characteristics”的美国专利10,380,856；题为“Training Data for a Motion Detection System using Data from a SensorDevice”的美国专利10,318,890；题为“Motion Detection in Mesh Networks”的美国专利10,264,405；题为“Motion Detection Based on Filtered Statistical Parameters ofWireless Signals”的美国专利10,228,439；题为“Operating a Motion DetectionChannel in a Wireless Communication Network”的美国专利10,129,853；题为“Selecting Wireless Communication Channels Based on Signal Quality Metrics”的美国专利10,111,228以及其他技术。
图1示出示例性无线通信系统100。无线通信系统100可以进行运动检测系统的一个或多于一个操作。通过使用无线通信系统100来检测运动而实现的技术改进和优点也适用于无线通信系统100用于其他无线感测应用的示例中。
示例性无线通信系统100包括三个无线通信装置——102A、102B和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/或其他组件(例如，一个或多于一个网络服务器、网络路由器、网络交换机、线缆或其他通信链路等)。
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他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)、或其他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于一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，
Figure BDA0003611157050000071
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。
在一些情况下，无线通信装置102中的一个或多于一个是Wi-Fi接入点或其他类型的无线接入点(WAP)。在一些情况下，无线通信装置102中的一个或多于一个是无线网状网络(例如，商业上可获得的网状网络系统(例如，GOOGLE Wi-Fi、EERO Mesh等))的接入点。在一些实例中，无线通信装置102中的一个或多于一个可以被实现为网状网络中的无线接入点(AP)，而其他无线通信装置102被实现为通过AP之一接入网状网络的叶状装置(例如，移动装置、智能装置等)。在一些情况下，无线通信装置102中的一个或多于一个是移动装置(例如，智能电话、智能手表、平板电脑、膝上型计算机等)、启用无线的装置(例如，智能恒温器、启用Wi-Fi的照相机、智能电视)或在无线网络中通信的其他类型的装置。
在图1所示的示例中，无线通信装置通过无线通信链路(例如，根据无线网络标准或非标准无线通信协议)彼此发送无线信号，并且在装置之间所通信的无线信号可以用作运动探测以检测在装置之间的信号路径中对象的运动。在一些实现中，标准信号(例如，信道探测信号、信标信号)、非标准参考信号或其他类型的无线信号可以用作运动探测。
在图1所示的示例中，无线通信装置102A、102C之间的无线通信链路可以用于探测第一运动检测区110A，无线通信装置102B、102C之间的无线通信链路可以用于探测第二运动检测区110B，并且无线通信装置102A、102B之间的无线通信链路可以用于探测第三运动检测区110C。在一些实例中，运动检测区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他介质。
在图1所示的示例中，当对象在任何运动检测区110中移动时，运动检测系统可以基于发送通过相关运动检测区110的信号来检测运动。通常，对象可以是任何类型的静态或可移动对象，并且可以是有生命的或无生命的。例如，对象可以是人类(例如，图1中所示的人106)、动物、无机对象或其他装置、设备或组件、限定空间的边界的全部或部分的对象(例如，壁、门、窗等)或其他类型的对象。
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结构(例如，壁)，这可以允许在没有移动对象与传输或接收硬件之间的光学视线的情况下检测对象的运动。在一些实例中，运动检测系统可以将运动检测事件通信到其他装置或系统，诸如安全系统或控制中心等。
在一些情况下，无线通信装置102本身被配置为例如通过在无线通信装置上执行计算机可读指令(例如，软件或固件)来进行运动检测系统的一个或多于一个操作。例如，各个装置可以处理接收到的无线信号以基于通信信道的变化来检测运动。在一些情况下，其他装置(例如，远程服务器、基于云的计算机系统、网络附接装置等)被配置为进行运动检测系统的一个或多于一个操作。例如，各个无线通信装置102可以向进行运动检测系统的操作的指定装置、系统或服务发送信道信息。
在操作的示例方面中，无线通信装置102A、102B可以向另一无线通信装置102C广播无线信号或将无线信号寻址到另一无线通信装置102C，并且无线通信装置102C(以及潜在的其他装置)接收由无线通信装置102A、102B发送的无线信号。然后，无线通信装置102C(或其他系统或装置)处理所接收的无线信号以检测由无线信号接入的空间中(例如，在区110A、110B中)的对象的运动。在一些实例中，无线通信装置102C(或其他系统或装置)可以进行运动检测系统的一个或多于一个操作。
图2A和2B是示出在无线通信装置204A、204B、204C之间通信的示例性无线信号的图。无线通信装置204A、204B、204C可以是例如图1中示出的无线通信装置102A、102B、102C，或者可以是其他类型的无线通信装置。
在一些情况下，无线通信装置204A、204B、204C中的一个或多于一个的组合可以是运动检测系统的一部分或者可以由运动检测系统使用。示例性无线通信装置204A、204B、204C可以通过空间200发送无线信号。示例性空间200可以在空间200的一个或多于一个边界处完全或部分地封闭或打开。空间200可以是或可以包括房间的内部、多个房间、建筑物、室内区域、室外区域等。在所示的示例中，第一壁202A、第二壁202B和第三壁202C至少部分地包围空间200。
在图2A和2B所示的示例中，第一无线通信装置204A重复地(例如，周期性地、间歇性地、以调度的、非调度的或随机的间隔等)发送无线运动探测信号。第二通信装置204B和第三无线通信装置204C接收基于由无线通信装置204A发送的运动探测信号的信号。
如图所示，图2A中对象在初始时间(t0)时处于第一位置214A，并且图2B中对象在后续时间(t1)时已经移动到第二位置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他类型的对象。例如，移动对象可以是动物、无机对象(例如，系统、装置、设备或组装件)、用于限定空间200的全部或部分边界的对象(例如，壁、门、窗等)、或其他类型的对象。在图2A和2B所示的示例中，无线通信装置204A、204B、204C是静止的，并且因此在初始时间t0和后续时间t1处于相同的位置。然而，在其他示例中，无线通信装置204A、204B、204C中的一个或多于一个可以是移动的，并且在初始时间t0和后续时间t1之间可以移动。
如图2A和2B所示，用虚线示出从第一无线通信装置204A发送的无线信号的多个示例性路径。沿着第一信号路径216，无线信号从第一无线通信装置204A发送并且被第一壁202A反射朝向第二无线通信装置204B。沿着第二信号路径218，无线信号从第一无线通信装置204A发送并且被第二壁202B和第一壁202A反射朝向第三无线通信装置204C。沿着第三信号路径220，无线信号从第一无线通信装置204A发送并且被第二壁202B反射朝向第三无线通信装置204C。沿着第四信号路径222，无线信号从第一无线通信装置204A发送并且被第三壁202C反射朝向第二无线通信装置204B。
在图2A中，沿着第五信号路径224A，无线信号从第一无线通信装置204A发送并且被第一位置214A处的对象反射朝向第三无线通信装置204C。在图2A中的时间t0和图2B中的时间t1之间，对象从空间200中的第一位置214A移动到第二位置214B(例如，远离第一位置214A一定距离)。在图2B中，沿着第六信号路径224B，无线信号从第一无线通信装置204A发送并且被第二位置214B处的对象反射朝向第三无线通信装置204C。由于对象从第一位置214A移动至第二位置214B，因此图2B中所描绘的第六信号路径224B比图2A中所描绘的第五信号路径224A长。在一些示例中，由于空间中的对象的移动，因此可以添加、移除或以其他方式修改信号路径。
图2A和2B所示的示例性无线信号可以通过其各自的路径经历衰减、频移、相移或其他影响，并且可以具有在其他方向上例如传播通过壁202A、202B和202C的部分。在一些示例中，无线信号是射频(RF)信号。无线信号可以包括其他类型的信号。
所发送信号可以在频率带宽中具有多个频率分量，并且所发送信号可以包括频率带宽内的一个或多于一个频带。所发送信号可以以全向方式、以定向方式或以其他方式从第一无线通信装置204A发送。在所示的示例中，无线信号穿过空间200中的多个相应路径，并且沿各路径的信号可能由于路径损耗、散射或反射等而变得衰减，并且可能具有相位偏移或频率偏移。
如图2A和2B所示，来自各种路径216、218、220、222、224A和224B的信号在第三无线通信装置204C和第二无线通信装置204B处组合以形成所接收信号。由于空间200中的多个路径对所发送信号的影响，因此空间200可被表示为输入所发送信号并且输出所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，对沿着信号路径的无线信号施加影响的衰减或相位偏移可能改变，因此空间200的传递函数可能改变。在从第一无线通信装置204A发送相同的无线信号的情况下，如果空间200的传递函数改变，则该传递函数的输出(例如，所接收信号)也可以改变。所接收信号的改变可用于检测对象的运动。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(所接收信号)可以不改变。
图2C是示出操作以检测空间201中的运动的示例性无线感测系统的图。图2C中所示的示例性空间201是包括多个不同空间区域或区的家庭。在所示的示例中，无线运动检测系统使用多AP家庭网络拓扑(例如，网状网络或自组织网络(SON))，其包括三个接入点(AP)：中央接入点226和两个扩展接入点228A、228B。在典型的多AP家庭网络中，各个AP通常支持多个频带(2.4G、5G、6G)，并且可以同时启用多个频带。各个AP可以使用不同的Wi-Fi信道来服务其客户端，因为这可以允许更好的谱效率。
在图2C所示的示例中，无线通信网络包括中央接入点226。在多AP家庭Wi-Fi网络中，一个AP可以被表示为中央AP。通常由在各个AP上运行的制造商软件管理的该选择典型地是具有有线互联网连接236的AP。其他AP 228A、228B通过相应的无线回程连接230A、230B无线地连接到中央AP 226。中央AP 226可以选择与扩展AP不同的无线信道来服务其连接的客户端。
在图2C所示的示例中，扩展AP 228A、228B通过允许装置连接到可能更近的AP或不同的信道来扩展中央AP 226的范围。终端用户不需要知道装置已经连接到哪个AP，因为所有服务和连接通常都是相同的。除了服务所有连接的客户端之外，扩展AP 228A、228B还使用无线回程连接230A、230B连接到中央AP 226，以使网络业务在其他AP之间移动并提供到互联网的网关。各个扩展AP 228A、228B可以选择不同的信道来服务其连接的客户端。
在图2C所示的示例中，客户端装置(例如，Wi-Fi客户端装置)232A、232B、232C、232D、232E、232F、232G使用相应的无线链路234A、234B、234C、234D、234E、234F、234G与中央AP 226或扩展AP 228之一相关联。连接到多AP网络的客户端装置232可以作为多AP网络中的叶节点来操作。在一些实现中，客户端装置232可以包括能够无线操作的装置(例如，移动装置、智能电话、智能手表、平板电脑、膝上型计算机、智能恒温器、能够无线操作的照相机、智能电视、能够无线操作的扬声器、能够无线操作的电源插座等)。
当客户端装置232寻求连接到它们各自的AP 226、228并与其相关联时，客户端装置232可以经历与其各自的AP 226、228的认证和关联阶段。此外，关联阶段将地址信息(例如，关联ID或其他类型的唯一标识符)分配给各个客户端装置232。例如，在用于Wi-Fi的IEEE 802.11标准族内，客户端装置232各自可以使用唯一地址(例如，48位地址，一个示例是MAC地址)来标识其自身，但客户端装置232可以使用嵌入在消息的一个或多于一个字段内的其他类型的标识符来标识。地址信息(例如，MAC地址或其他类型的唯一标识符)可以是硬编码和固定的，或者在关联处理开始时根据网络地址规则随机生成的。一旦客户端装置232已经与其各自的AP 226、228相关联，其各自的地址信息就可以保持固定。随后，AP 226、228或客户端装置232的传输典型地包括发送无线装置的地址信息(例如，MAC地址)和接收装置的地址信息(例如，MAC地址)。
在图2C所示的示例中，无线回程连接230A、230B在AP之间携带数据，并且还可以用于运动检测。无线回程信道(或频带)各自可以与用于服务所连接的Wi-Fi装置的信道(或频带)不同。
在图2C所示的示例中，无线链路234A、234B、234C、234D、234E、234F、234G可以包括由客户端装置232A、232B、232C、232D、232E、232F、232G用来与其各自的AP 226、228通信的频率信道。各个AP可以独立地选择其自己的信道来服务其各自的客户端装置，并且无线链路234可以用于数据通信以及运动检测。
运动检测系统可以收集和处理与参与无线感测系统的操作的本地链路相对应的数据(例如，信道信息)，该运动检测系统可以包括在客户端装置232中的一个或多于一个上或者在AP 226、228中的一个或多于一个上运行的一个或多于一个运动检测或定位处理。运动检测系统可以作为软件或固件应用安装在客户端装置232或AP 226、228上，或者可以是客户端装置232或AP 226、228的操作系统的一部分。
在一些实现中，AP 226、228不包含运动检测软件，并且不以其他方式被配置为进行空间201中的运动检测。而是，在这样的实现中，运动检测系统的操作在一个或多于一个客户端装置232上执行。在一些实现中，信道信息可以由客户端装置232通过从AP 226、228(或可能从其他客户端装置232)接收无线信号并处理无线信号以获得信道信息来获得。例如，在客户端装置232上运行的运动检测系统可以接入由客户端装置的无线电固件(例如，Wi-Fi无线电固件)提供的信道信息，使得可以收集和处理信道信息。
在一些实现中，客户端装置232向其相应的AP 226、228发送请求以发送无线信号，该无线信号可以由客户端装置用作运动探测以检测空间201中的对象的运动。发送给相应的AP 226、228的请求可以是空数据包帧、波束形成请求、ping、标准数据业务或其组合。在一些实现中，客户端装置232在进行空间201中的运动检测时是静止的。在其他示例中，客户端装置232中的一个或多于一个可以是移动的，并且可以在进行运动检测的同时在空间201内移动。
在数学上，可以根据式(1)来描述从无线通信装置(例如图2A和2B中的无线通信装置204A或者图2C中的AP 226、228)发送的信号f(t)：
Figure BDA0003611157050000131
其中，ωn表示所发送信号的第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。在发送了所发送信号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 BDA0003611157050000132
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，无线通信装置处的所接收信号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 BDA0003611157050000141
将式(2)代入式(3)得到下式(4)：
Figure BDA0003611157050000142
然后，可以(例如，使用一个或多于一个运动检测算法)分析无线通信装置(例如，图2A和2B中的无线通信装置204B、204C或者图2C中的客户端装置232)处的所接收信号R以检测运动。可以例如使用快速傅立叶变换(FFT)或其他类型的算法来将无线通信装置处的所接收信号R变换到频域。变换后的信号可以将所接收信号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 BDA0003611157050000143
针对给定频率分量ωn的复值Yn指示该频率分量ωn处的所接收信号的相对幅度和相位偏移。可以在一时间段内重复所发送信号f(t)，并且可以针对各个所发送信号f(t)获得复值Yn。当对象在空间中移动时，复值Yn由于空间的信道响应αn,k的变化而在时间段内变化。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，稳定的信道响应可以指示无运动。因此，在一些实现中，可以处理无线网络中的多个装置各自的复值Yn，以检测在由所发送信号f(t)穿过的空间中是否已经发生运动。信道响应可以在时域或频域中表达，并且傅里叶变换或傅里叶逆变换可以用于在信道响应的时域表达和信道响应的频域表达之间切换。
在图2A、2B和2C的另一方面中，波束形成状态信息可以用于检测由所发送信号f(t)穿过的空间中是否已经发生运动。例如，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形成，其中知识可用于生成一个或多于一个导向属性(例如，导向矩阵)，该一个或多于一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。在一些实例中，如这里所述，在波束形成处理中使用的导向或反馈属性的变化指示无线信号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(波束形成接收端(beamformee))基于信道探测所提供的反馈矩阵来在发送器装置(波束形成发送端(beamformer))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，因此这些波束形成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，可以基于一个或多于一个波束形成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总体方向。在一些情况下，可以使用波束形成矩阵(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。
在一些实现中，运动检测系统的输出可以被提供为用于在用户装置上的用户界面上图形显示的通知。在一些实现中，用户装置是用于检测运动的装置、指定给空间200、201中的个体的护理人员或紧急联系人的用户装置、或者通信地耦接到运动检测系统以从运动检测系统接收通知的任何其他用户装置。
在一些实例中，图形显示包括指示针对一系列时间点中的各个时间点由运动检测系统检测到的运动程度的运动数据的图线。图形显示可以显示由运动检测系统的各个节点检测到的相对运动程度。图形显示可以帮助用户确定响应于运动检测事件要采取的适当动作，将运动检测事件与用户的观察或知识相关联，确定运动检测事件是真还是假等。
在一些实现中，运动检测系统的输出可以实时提供(例如，提供给终端用户)。附加地或替代地，运动检测系统的输出可以被存储(例如，本地存储在无线通信装置204、客户端装置232、AP 226、228上或基于云的存储服务上)并被分析以揭示时间帧(例如，小时、天或月)内的统计信息。可以存储并分析运动检测系统的输出以揭示时间帧内的统计信息的示例是在健康监视、生命体征监视、睡眠监视等中。在一些实现中，可以基于运动检测系统的输出提供警报(例如，通知、音频警报或视频警报)。例如，可以基于运动检测系统的输出将运动检测事件通信到其他装置或系统(例如，安全系统或控制中心)、指定的护理人员或指定的紧急联系人。
在一些实现中，无线运动检测系统可以通过分析由无线通信标准指定的无线信号的分量来检测运动。例如，运动检测系统可以分析在无线通信网络中交换的无线信号的标准头部。一个这样的示例是IEEE 802.11ax标准，其也被称为“Wi-Fi 6”。IEEE 802.11ax标准的草案在2019年3月的题为“P802.11ax/D4.0,IEEE Draft Standard for InformationTechnology-Telecommunications and Information Exchange Between Systems Localand Metropolitan Area Networks-Specific Requirements Part 11：Wireless LANMedium Access Control(MAC)and Physical Layer(PHY)Specifications AmendmentEnhancements for High Efficiency WLAN”的文档中公布，该文档可在https：//ieeexplore.ieee.org/document/8672643处访问，并通过引用整体并入本文。在一些情况下，由其他类型的无线通信标准指定的标准头部可以用于运动检测。
在一些实现中，由无线运动检测系统使用的运动检测算法利用由无线接收器(例如，Wi-Fi接收器)计算的信道响应(信道估计处理的输出)。例如，可以接收由根据Wi-Fi 6标准的信道估计处理计算的信道响应作为运动检测算法的输入。Wi-Fi 6标准中的信道估计使用接收到的无线信号的PHY帧(PHY帧也称为PPDU)在PHY层处发生。
在一些示例中，由无线运动检测系统采用的运动检测算法使用根据基于正交频分复用(OFDM)的PHY帧(包括由Wi-Fi 6标准产生的PHY帧)计算的信道响应。在一些实例中，基于OFDM的PHY帧可以是具有多个字段的频域信号，各个字段具有相应的频域信号。利用这类基于OFDM的PHY帧，通常存在允许Wi-Fi接收器估计信道的两种类型的PPDU字段。第一个是传统训练字段，并且第二个是MIMO训练字段。任一个或这两个字段可以用于运动检测。可以使用的MIMO训练字段的示例是所谓的被称为HE-PHY的“高效长训练字段”(例如，根据IEEE802.11ax标准，在Wi-Fi 6标准中)。
图3示出包括HE-LTF的示例性PHY帧300。图3中所示的示例性PHY帧300来自IEEE802.11ax标准。在一些情况下，包括HE-LTF的这些和其他类型的PHY帧可以用于运动检测。如图3所示，示例性PHY帧300包括在802.11标准中定义的多个字段：L-STF(传统短训练字段)、L-LTF(传统长训练字段)、L-SIG(传统信号)、RL-SIG(重复的传统信号)、HE-SIG-A(高效信号)、HE-STF(高效短训练字段)、多个HE-LTF、数据、PE(包扩展)。在一些实例中，L-LTF字段可以用于估计可以作为运动检测算法的输入提供的信道响应。作为MIMO训练字段提供的HE-LTF字段也可以用于估计可以作为运动检测算法的输入提供的信道响应。
在图3所示的示例中，HE-LTF可以具有可变的持续时间和带宽，并且在一些示例中，PHY帧300将20MHz信道分成256个频率点(而不是先前PHY帧版本所使用的64个)。如此，PHY帧300中的示例HE-LTF可以提供好四倍的频率分辨率(例如，与较早的PHY帧版本相比)，因为各个点表示78.125kHz而不是312.5kHz的频率带宽。换言之，与PHY帧300中的传统PHY字段中的连续频点相比，PHY帧300中的HE-LTF中的连续频点更靠近在一起。此外，HE-LTF提供比其他字段更多的连续子载波，因此更宽的连续频率带宽可以用于运动检测。例如，(以下的)表I示出与传统PHY字段(L-STF和L-LTF)和其他MIMO训练字段(例如，高吞吐量(HT)长训练字段和极高吞吐量(VHT)长训练字段)相比，HE-LTF字段(在表中标记为“HE”)的连续频率带宽和频率分辨率。
Figure BDA0003611157050000181
表I
在一些IEEE 802.11标准中，PHY层被分成2个子层：PLCP子层(物理层会聚过程)和PMD子层(PHY介质相关)。PLCP子层(物理层会聚过程)从MAC层获取数据并将其转换为PHY帧格式。PHY帧的格式也被称为PPDU(PLCP协议数据单元)。PPDU可以包括用于信道估计的字段。PMD子层(PHY介质相关)提供针对PHY层的调制方案。定义了许多不同的基于IEEE802.11的PHY帧格式。在一些示例中，无线运动检测系统使用从基于OFDM的PHY帧导出的信息，诸如例如在以下标准文档中描述的那些：IEEE 802.11a-1999:传统OFDM PHY；IEEE802.11n-2009:HT PHY(高吞吐量)；IEEE802.11ac-2013:VHT PHY(极高吞吐量)；IEEE802.11ax(草案4.0，2019年3月):HE PHY(高效)。
可以使用其他类型的PHY层数据，并且各个PHY层规范可以提供其自己的PPDU格式。例如，可以在一些IEEE 802.11标准中在头部为“<XXX>PHY规范”＝＝>“<XXX>PHY”＝＝>“<XXX>PPDU格式”的章节下找到用于PHY层规范的PPDU格式。图3所示的示例性PHY帧300是由示例802.11标准的ODFM PHY层提供的HE PHY帧。
在一些IEEE 802.11标准(例如，IEEE 802.11a-1999)中，OFDM PHY将20MHz信道分为64个频率分箱。调制和解调使用64点复数逆快速傅里叶变换(IFFT)和快速傅里叶变换(FFT)来完成。在示例性调制处理中：数据位被分组(例如，取决于QAM星座图)，各个位组被分配给子载波(或频率分箱)之一；取决于QAM星座图，位组映射到各个子载波的复数；并且进行64点IFFT以生成用于传输的复时域I和Q波形。在示例性解调处理中：接收复I和Q时域信号；进行64点FFT以计算各个子载波的复数；根据QAM星座图，各个子载波复数被映射到位；并且来自各个子载波的位被重组成数据。在典型的调制或解调处理中，并非使用所有64个子载波；例如，仅52个子载波可以被认为对于数据和导频是有效的，并且其余的子载波可以被认为是空的。最近开发的IEEE 802.11标准中的PHY层规范利用更大的信道带宽(例如，40MHz、80MHz和160MHz)。
图4示出包括极高吞吐量长训练字段(也称为“VHT-LTF”)的示例性PHY帧400。图4中所示的示例性PHY帧400来自IEEE 802.11ac标准。IEEE 802.11ac标准的草案在2018年12月题为“802.11ac-2013-IEEE Standard for Information technology--Telecommunications and information exchange between systems—Local andmetropolitan area networks--Specific requirements--Part 11:Wireless LANMedium Access Control(MAC)and Physical Layer(PHY)Specifications--Amendment 4:Enhancements for Very High Throughput for Operation in Bands below 6GHz”的文档中公布，该文档可在https://ieeexplore.ieee.org/document/7797535处访问，并通过引用整体并入本文。在一些情况下，包括VHT-LTF的这些和其他类型的PHY帧可以用于运动检测。
如图4所示，示例性PHY帧400包括在802.11标准中定义的多个分量：L-STF、L-LTF、L-SIG、VHT-SIG-A(极高吞吐量信号A)、VHT-STF(极高吞吐量短训练字段)、VHT-LTF(极高吞吐量长训练字段)、VHT-SIG-B(极高吞吐量信号B)、数据。用于传统、HT、VHT和HE PHY的PPDU以包括L-STF和L-LTF的传统前导码开始，如图4中的示例性PHY帧400所示。在一些情况下，L-LTF可以用于信道估计。与L-LTF相比具有更宽带宽并且包含类似信息的VHT-LTF可以用于MIMO信道估计。HT-LTF和VHT-LTF非常相似，除了VHT-LTF允许更高阶MIMO并且允许80MHz和160MHz信道。这些字段有利于用于运动检测，因为其可以提供更宽的连续频率带宽和MIMO信道信息。利用MIMO信道估计，通常计算Nr×Nc个信道响应。这为运动检测提供了更多的信息。图5示出包括具有Nr个天线的发送器和具有Nc个天线的接收器的示例性MIMO装置配置500。在图5的示例中，可以基于HE-LTF或VHT-LTF或PHY帧的另一MIMO训练分量来计算Nr×Nc个信道响应。
在一些实现中，无线通信装置例如通过基于PHY帧进行信道估计处理来计算信道响应。例如，无线通信装置可以基于图3中所示的示例性PHY帧300、图4中所示的示例性PHY帧400、或来自无线信号的其他类型的PHY帧来进行信道估计。
在一些实例中，用于运动检测的信道信息可以包括基于PHY帧中的L-LTF通过信道估计生成的信道响应。802-11ax标准中的L-LTF可以等同于IEEE 802.11a-1999标准中的LTF。可以在频域中提供L-LTF作为64点IFFT的输入。通常，64点中只有52个被认为是信道估计的有效点；并且剩余的点(点[-32，-26)和(26，31])为零。如IEEE 802.11a-1999标准中所描述的，L-LTF可以是包括53个子载波(包括DC处的零值)的长OFDM训练符号，其由以下给出的元素序列L调制：
L-26，26＝{1，1，-1，-1，1，1，-1，1，-1，1，1，1，1，1，1，-1，-1，1，1，-1，1，-1，1，1，1，1，0，1，-1，-1，1，1，-1，1，-1，1，-1，-1，-1，-1，-1，1，1，-1，-1，1，-1，1，-1，1，1，1，1}
上面示出的示例“L”矢量表示基带(以DC为中心)处的场的复频域表示，并且在IEEE 802.11a-1999标准的草案的第13页中进行了描述。IEEE802.11a-1999标准的草案在题为“802.11a-1999-IEEE Standard for Telecommunications and InformationExchange between Systems-LAN/MAN Specific Requirements-Part 11:WirelessMedium Access Control(MAC)and Physical Layer(PHY)Specifications：High SpeedPhysical Layer in the 5GHz Band”的文档中公布，并且可在https://ieeexplore.ieee.org/document/815305处访问。示例性“L”矢量被认为是“传统的”，因为其是原始OFDM PHY规范的一部分，并且被认为是传统前导码的一部分。因此，在稍后的规范版本中，其被称为L-LTF(用于传统长训练字段)。
在一些实例中，用于运动检测的信道信息可以包括通过基于PHY帧中的MIMO训练字段(例如，HE-LTF、HT-LTF或VHT-LTF字段)中的一个或多于一个MIMO训练字段的信道估计生成的信道响应。可以在频域中提供HE-LTF作为256点IFFT的输入。利用典型的HE-LTF，存在241个有效点(例如，而不是传统情况下的52个)。HE-LTF中的各个点表示78.125kHz的频率范围，而各个传统点表示312.5kHz的较大频率范围。因此，HE-LTF可以提供更高的频率分辨率、更多的频域数据点和更大的频率带宽，这可以提供更准确和更高分辨率(例如，更高的时间和空间分辨率)的运动检测。在IEEE 802.11ax标准草案的第561页上描述了示例性HE-LTF，如下：
在20MHz传输中，在子载波[-122:122]上发送的4x HE-LTF由式(27-42)给出。
Figure BDA0003611157050000211
在一些实例中，可以通过进行接收到的时域序列(例如，上面示出的示例性L-LTF和HE-LTF序列)的FFT，并且除以预期结果[CH(N)＝RX(N)/L(N)]，来在接收器装置上估计信道响应。图6的顶部中的64点FFT分箱600示出了可以从示例性PHY帧中的L-LTF测量(20MHz和40MHz信道)的所得频谱。图6的底部中的128点FFT分箱650示出了可以从示例性PHY帧中的HE-LTF针对相同的20MHz信道测量的所得频谱。如图6所示，HE-LTF可以提供更高的频率分辨率(相同频率带宽中的更多点)、更高数量的频域数据点(更多分箱)和更大的频率带宽。
图7是示出无线通信系统700中的示例信号路径的图。图7中示出的示例无线通信系统700包括无线通信装置702A、702B。无线通信装置702A、702B可以是例如图1中示出的无线通信装置102A、102B、图2A和2B中示出的无线通信装置204A、204B、204C、图2C中所示的装置226、228、232，或者它们可以是其它类型的无线通信装置。无线通信系统700在包括两个散射器710A、710B的环境中操作。无线通信系统700及其环境可以包括附加的或不同的特征。
在图7中所示的示例中，无线通信装置702A发送射频(RF)无线信号，并且无线通信装置702B接收该无线信号。在无线通信装置702A、702B之间的环境中，无线信号与散射器710A、710B交互。散射器710A、710B可以是散射射频信号的任何类型的物理对象或介质，例如，结构、家具、活体等的一部分。各个无线信号可以包括例如PHY帧，该PHY帧包括传统PHY字段和可以用于运动检测的一个或多于一个MIMO训练字段(例如，HE-LTF、VHT-LTF、HT-LTF)。
在图7所示的示例中，无线信号穿过直接信号路径704A和两个间接信号路径704B、704C。沿着信号路径704B来自无线通信装置702A的无线信号在到达无线通信装置702B之前从散射器710A反射。沿着信号路径704C来自无线通信装置702A的无线信号在到达无线通信装置702B之前从散射器710B反射。
由图7中所示的信号路径表示的传播环境可以被描述为时域滤波器。例如，图7中所示的传播环境的特性响应或脉冲响应可以由时域滤波器表示：
Figure BDA0003611157050000231
这里，整数k对三个信号路径进行索引，并且系数αk是表示沿着各个信号路径的散射的幅度和相位的复相量。系数αk的值由环境的物理特性确定，例如自由空间传播和存在的散射对象的类型。在一些示例中，沿着信号路径增加的衰减(例如，通过如人体或其他的吸收介质)通常可以减小相应系数αk的幅度。类似地，充当散射器的人体或另一介质可以改变系数αk的幅度和相位。
图8是示出传播环境的示例滤波器表示的图线800。具体地，图8中的图线800示出了上述等式(6)中的滤波器h(t)的时域表示。图线800的横轴表示时间，并且纵轴表示滤波器h(t)的值。如图8所示，滤波器可以由分布在时间轴上的三个脉冲(在时间τ1，τ2和τ3处)来描述。在该示例中，时间τ1处的脉冲表示对应于图7中的信号路径704A的脉冲响应，时间τ2处的脉冲表示对应于图7中的信号路径704B的脉冲响应，并且时间τ3处的脉冲表示对应于图7中的信号路径704C的脉冲响应。图8中的各个脉冲的大小表示针对各个信号路径的相应系数αk的幅度。
滤波器的时域表示可以具有附加的或不同的脉冲或其他特征。脉冲的数量以及它们在时间轴上的相应位置和它们的相应幅度可以根据环境的散射分布而变化。例如，如果对象朝向覆盖区域的末端(例如，在散射器710B处)出现，则这可能导致(时间τ3处的)第三脉冲朝向左或右移动。通常，(时间τ1处的)第一脉冲在多数系统中表示最早脉冲或直接视线；因此，如果对象进入发射器和接收器之间的视线，则该脉冲将受到影响。在一些实例中，可以通过查看这些脉冲随时间的行为来推断传播环境中的运动(相对于发射器和接收器)的距离和方向。作为示例，在一些实例中，对象朝向视线移动可能以第三脉冲、第二脉冲和第一脉冲的顺序影响第三脉冲、第二脉冲和第一脉冲，而对象远离视线移动可能以相反的顺序影响脉冲。
来自等式(6)的滤波器h(t)的傅里叶变换提供滤波器的频率表示：
Figure BDA0003611157050000241
在等式(7)所示的频率表示中，来自等式(6)的各个脉冲已经被转换为复指数(正弦波和余弦波)。频域中指数的各个分量具有特定的旋转频率，其由具有特定相位的相关脉冲时间τk给出。
在一些实现中，当无线通信装置(例如，WiFi收发器)接收到无线信号时，无线通信装置从无线信号的PHY帧获得频域表示，其可以以等式(7)的形式或以其他方式表示。在一些实例中，运动检测系统可以将频域表示转换为时域表示，其可以以等式(6)的形式或以其他方式表示。然后，运动检测系统可以基于时域表示进行关于传播环境中的运动(例如，近/远、视线/非视线运动)的推断。
在一些实现中，运动检测系统使用基于传统PHY字段(例如，L-STF、L-LTF)估计的信道响应和基于MIMO训练字段(例如，HE-LTF、VHT-LTF、HT-LTF)估计的信道响应来做出关于传播环境中的运动的推断。在一些实例中，MIMO训练字段和传统PHY字段的连续频率带宽和频率分辨率的差异可以用于检测具有变化粒度的空间中的运动。例如，基于传统PHY字段估计的时域信道响应(例如，被称为基于传统PHY的信道响应)可以用于进行关于在传播环境中是否已经发生运动的宏级确定，而基于MIMO训练字段估计的时域信道响应(例如，被称为基于MIMO字段的信道响应)可以用于进行对运动的更细粒度的确定。作为示例，基于MIMO字段的信道响应可以用于进行关于传播环境中的运动的位置、传播环境中的运动的方向或两者的推断。基于MIMO字段的信道响应可以被称为基于HE-LTF的信道响应、基于HT-LTF的信道响应或基于VHT-LTF的信道响应，这取决于使用哪个MIMO训练字段来估计信道响应。
作为说明，图8示出基于传统PHY的信道响应的示例时间窗口802和基于MIMO字段的信道响应的示例时间窗口804。各个MIMO训练字段(例如，HE-LTF、VHT-LTF、HT-LTF)的连续频率带宽大于各个传统PHY字段的连续频率带宽(例如，如上表I中所示)。此外，各个MIMO训练字段的频率分辨率比各个传统PHY字段的频率分辨率更精细(例如，更高)(例如，如上表I中所示)。因此，至少基于时域和频域之间的双重性，与基于传统PHY的信道响应相比，基于MIMO字段的信道响应在更大的时间窗口上具有更精细的时间分辨率。换句话说，与基于传统PHY的信道响应中的时间点相比，基于MIMO字段的信道响应中的时间点更靠近在一起，并且与基于传统PHY的信道响应相比，基于MIMO字段的信道响应在更长的时间段上延伸。
由于时间窗口804的持续时间大于时间窗口802的持续时间，因此基于MIMO字段的信道响应能够检测(时间τ3处的)第三脉冲而没有混叠伪像，从而准确地揭示传播环境中间接信号路径704C和散射器710B的存在。此外，由于MIMO训练字段的连续频率带宽大于传统PHY字段的连续频率带宽，因此基于MIMO字段的信道响应具有比基于传统PHY的信道响应更精细(例如，更高)的时间分辨率。由于基于MIMO字段的信道响应具有更精细(例如，更高)的时间分辨率，因此可以检测到信道响应的脉冲中的任一个向左或向右的移位(例如，由沿着直接路径704A或间接路径704B、704C的运动引起)而没有混叠伪像。例如，(例如，由散射器710B的运动或散射器710B附近的对象的运动引起的)散射器710B处的运动可以使(时间τ3处的)第三脉冲向左或向右移动。基于MIMO字段的信道响应的更精细(例如，更高)的时间分辨率可以在没有混叠伪像的情况下检测(时间τ3处的)第三脉冲中的移位，从而允许推断在散射器710B的位置处已经发生运动。
此外，在一些实例中，可以通过确定信道响应的脉冲随时间的变化来推断传播环境中的运动的方向(相对于发射器和接收器)。例如，图9A、9B及9C示出图线900、902、904，这些图线示出滤波器表示随时间的示例变化。图线900示出第一时间段的滤波器表示，图线902示出第二时间段的滤波器表示，且图线904示出第三时间段的滤波器表示。图线900、902、904的横轴表示时间，并且纵轴表示滤波器的值。图线902与图线900的比较示出了第三脉冲已经经历了向右的移位以及其幅度的变化，而(时间τ1处的)第一脉冲和(时间τ2处的)第二脉冲基本上未被扰动。图线904与图线902的比较示出了第二脉冲已经经历向左的移位，而(时间τ1处的)第一脉冲未被扰动，并且第三脉冲已经返回到时间τ3。基于MIMO字段的信道响应的更精细(例如，更高)的时间分辨率可以在没有混叠伪像的情况下检测(时间τ3处的)第三脉冲中的移位，从而允许推断对象在散射器710B处开始运动并且正在从散射器710B向散射器710A移动。
尽管基于传统PHY的信道响应具有比基于MIMO字段的信道响应更小的时间窗口和更粗糙(例如，更低)的时间分辨率，但是基于传统PHY的信道响应可以用于对在传播环境中是否已经发生运动进行宏级确定。例如，可以通过识别基于传统PHY的信道响应的系数和脉冲时间随时间的实质性变化来检测运动。
图10是示出无线通信系统中的所发送信号和所接收信号之间的关系的一系列图线1000A、1000B、1000C。第一图线1000A表示频域中的所发送OFDM信号1002的示例。所发送OFDM信号包含在图10所示的带宽中的不同频率的多个子载波。
图10中所示的OFDM信号1002可以包括PHY帧，该PHY帧包括一个或多于一个MIMO训练字段。例如，OFDM信号1002可包括图3和4中所示的任何示例MIMO训练字段或其他类型的MIMO训练字段。在一些实例中，OFDM信号1002中的一个或多于一个MIMO训练字段可以用于运动检测。
所发送OFDM信号1002传送通过传播环境(例如，从图7中的无线通信装置702A到无线通信装置702B)，该传播环境可被表示为发射器与接收器之间的信道。图10中的第二图线1000B示出了信道1012的示例频域表示。信道可以表示为正弦波的叠加，例如，如上面的等式(7)所示。
传播环境变换所发送OFDM信号1002及其分量(例如，MIMO训练字段和其他分量)以形成所接收的OFDM信号1022。传播环境对无线信号的影响可以表示为信道乘以信号(两者都在频域中)，这在接收器处产生所接收OFDM信号。第三图线1000C表示频域中的所接收OFDM信号1022。因此，所接收OFDM信号1022表示由信道1012修改的所发送OFDM信号902。
如图10所示，系统仅对信道1012的一部分1014进行采样。信道1012的该部分1014可以被称为信道响应或(例如，在WiFi标准和相关文献中)被称为信道状态信息(CSI)，其可以在某些系统中的探测处理期间被隔离。在一些情况下，可以将CSI转换为时域物理响应(例如，如等式(6)中所表示的)，以提供信道的时域表示(例如，τk和αk值的集合)。信道响应的所测量部分可以在连续或非连续频谱区域中。例如，WiFi 6标准(IEEE 802.11ax)包括两个或多于两个单独的频谱区域(例如，如图6所示)。
图11是示出无线通信系统中的示例信道和信号信息的图线1100。在图线1100中，横轴表示频域，并且纵轴表示信道1102和所接收无线信号的频带1104A、1104B的值。如图11所示，所接收信号包括共同在带宽上延伸的第一频带1104A和第二频带1104B。第一频带1104A覆盖第一频域并对信道1102的相应第一部分进行采样，并且第二频带1104B覆盖第二不同频域并对信道1102的相应第二不同部分进行采样。
在一些情况下，可以构造由所接收无线信号的频带1104A、1104B采样的信道1102的时域表示(例如，通过将快速傅里叶变换应用于频域表示)。时域表示可以包括例如以等式(6)和图8中表示的格式的时间τk处的多个脉冲。脉冲之间(τk的值之间)的最小时间间隔通常由τmin＝1/B给出。因此，时域表示的时间分辨率是所发送无线信号的总带宽B的函数。因此，扩展无线信号的总带宽的无线通信标准还可以减小(即，改善)时域表示中的脉冲之间的最小间隔，从而得到传播环境的更细粒度的物理模型。例如，由于两个紧密间隔的路径的分离，可以基于通道变化进行更精确的运动推断。
在一些实现中，可以使用优化处理来转换任何数量的采样频带，并将它们转换为基于脉冲的模型(例如，等式(6)中所示的时域表示)。该处理可以公式化为以下优化问题：
Figure BDA0003611157050000281
等式(8)中的最小化问题寻求识别通过信道的K个路径(其中τk是路径K的延迟)，使得所得到的时域脉冲的响应与观察到的信道频率响应匹配。最小化算子寻求最小化(1)使用某一组τ′ks的频率响应与(2)所测量的频率响应之间的差。通常，可以使用任何合适的优化方法来使用一组τ′ks最小化差。一旦优化完成，输出是一组τ′ks值。这些值是允许时域响应与观察到的频域响应最佳匹配的脉冲延迟。
因此，求解等式(8)中的优化问题对应于针对信道响应已被采样的所有频率找到将使这组等式的残差最小化的脉冲时间。这是非线性优化问题，因为这些等式尽管是系数的线性函数但是是脉冲时间的非线性函数。在一些情况下，该优化问题例如通过迭代贪心处理(诸如逐步最小二乘等)来解决。例如，矩阵等式可以公式化如下：
Figure BDA0003611157050000282
这里，通过扫描行上的脉冲时间的值并扫描列上的频率的值来创建矩阵。在这种情况下，值fl表示针对给定信号已经观察到信道响应的所有频率的向量。可以从矩阵中选择与输出最大相关的列，并且可以找到与之相对应的系数αk。然后可以从输出H(fl)中减去结果，并且可以重复该处理以提供(各自对应于时间τk处的脉冲)K个列和K个系数。在一些情况下，可以基于无线电接收器的动态范围以及因此CSI估计中的噪声量来先验地估计K的值。在一些情况下，可以基于室内环境的研究(其限制了在典型环境中可以观察到的不同脉冲的数量)来估计K的值。例如，与有限的无线电动态范围相结合的自由空间传播损耗可以将通过无线电可观察到的脉冲的数量限制为在一些环境中小于十个。在这样的环境中，可以迭代逐级最小二乘运算，直到已经提取了脉冲时间τk和系数αk的一些其他预定的小整数个值。在一些情况下，一些值可以是零或可忽略地小。
图12是针对运动检测系统的示例信号处理系统1200的示意图。示例信号处理系统1200可以实现进行上述优化处理的算法状态机。示例信号处理系统1200包括信道(h(t))估计器块1202、延迟(z-1)运算器1204、傅里叶变换块1206、基于模型的阈值1208、锁存器1210、系数跟踪器1212和运动推断引擎1214。信号处理系统1200可以包括附加的或不同的特征，并且可以如图12所示或以另一种方式操作。
如图12所示，在一组频率上(例如，在无线通信装置处)接收第一频率响应H1(f)和第二频率响应H2(f)。可以基于无线信号的传统PHY字段中包括的频域信号来获得第一频率响应H1(f)，并且可以基于所接收无线信号的MIMO训练字段(例如，HE-LTF、VHT-LTF、HT-LTF)中包括的频域信号来获得第二频率响应H2(f)。在一些情况下，接收无线信号的无线通信装置使用传统PHY和MIMO训练字段来计算作为无线传输的结果而获得的各个单独子载波的幅度和相位。各个子载波的幅度和相位可以表示为频率范围内和频率范围上的复值H1(f)和H2(f)，其中各个复值对应于训练字段中的单个符号或子载波。
各个频率响应H1(f)和H2(f)被提供给h(t)估计器块1202，h(t)估计器块1202生成相应的时域信道估计h1(t)和h2(t)。在一些实现中，h(t)估计器块1202基于等式(8)中表达的优化来生成时域信道估计h1(t)和h2(t)。各个时域信道估计h1(t)和h2(t)可以表示为在脉冲时间τk处具有系数αk的脉冲(例如，如图8中的图线800所示)。脉冲的最后计算由锁存器1210保持，锁存器1210由z-1运算器控制。在图12所示的示例信号处理系统1200中，锁存器1210用于保持信道的时域签名，并且z-1运算器表示一个样本延迟。通常，可以使用z-1运算器来保持第N个过去值，并且可以选择整数N以控制如何快速地调整变化环境的动态。
然后傅里叶变换块1206通过应用傅里叶变换将所估计的时域表示h1(t)和h2(t)变换为相应的所估计的频域表示
Figure BDA0003611157050000291
和
Figure BDA0003611157050000292
然后基于所估计的频域表示与相应的所接收频率响应之间的差来计算误差值。例如，可以基于
Figure BDA0003611157050000301
与H1(f)之间的差来计算所接收频率响应H1(f)与所估计频域表示
Figure BDA0003611157050000302
之间的误差值。类似地，可以基于
Figure BDA0003611157050000303
与H2(f)之间的差来计算所接收频率响应H2(f)与所估计频域表示
Figure BDA0003611157050000304
之间的误差值。可以迭代该处理循环，直到误差值已经减小到足够低的值。
误差值被提供给基于模型的阈值块1208。阈值块1208(例如，基于无线电动态范围、自由空间传播损耗和潜在的其他因素)确定什么是系统已经收敛到脉冲时间τk的基线模型的适当阈值。一旦收敛，阈值检测器就(例如，通过输出使锁存器1210闭合的某个值)闭合锁存器1210，这允许检测到的系数和相关联的脉冲时间τk移动到系数跟踪块1212。系数跟踪块1212获取在各个时间步长处所估计的频域表示H1(f)和H2(f)，并且重新计算系数αk以确保足够紧密地跟踪信道模型。在一些实现中，当在传播环境中发生大规模变化时，再次触发误差循环以供系数αk和脉冲时间τk的刷新计算，然后将其传播到系数跟踪器1212。表示反射脉冲的输出及其相应的复数乘法器系数跟踪器1212的输出被提供给运动推断引擎1214以检测运动特性。例如，运动推断引擎1214可以通过分析系数αk和脉冲时间τk随时间的变化来识别空间中的对象的运动。如上所讨论的，基于传统PHY的信道响应的变化可以用于进行运动是否已经发生的宏级确定，而基于MIMO字段的信道响应的变化可以用于进行运动的更细粒度的确定(例如，运动的位置、运动的方向或这两者)。
如图12所示，锁存器1210用作计算工具，以存储系数αk和相关联的脉冲时间τk的最后计算值以驱动误差循环。在操作的一些方面，每次接收到新的频率响应时，(在1216处)通过傅里叶变换将(存储在锁存器1210中的)先前的一组脉冲变换成频率响应，并与新到达的信道响应进行比较。该循环可以确保通过连续地适配脉冲时间计算器来处理通道中的大规模变化。例如，当环境中发生宏观变化时，可以计算与新环境更好地匹配的新响应。如果没有检测到响应中的显著变化，则继续使用相同的一组τk值来模拟信道的多径。当检测到显著变化时，计算新的一组τk值。在一些情况下，系数αk和相关联的脉冲时间τk的计算是比仅系数αk的计算更计算密集的操作。因此，示例信号处理系统1200被编程为仅在检测到显著变化时计算脉冲时间τk，同时计算接收到的各个新信号的系数αk。这可以帮助跟踪所接收的多径随时间的功率并且揭示例如路径是否已经被阻挡的信息。
图13是示出运动检测处理1300的流程图。处理1300可以包括附加的或不同的操作，并且图13中所示的操作可以以所示的顺序或以另一顺序进行。在一些情况下，图13中所示的一个或多于一个操作被实现为包括多个操作、针对其他类型的例程的子处理的处理。在一些情况下，操作可以组合、以另一顺序进行、并行进行、迭代或以其他方式重复或以另一方式进行。处理1300可以由图1中示出的示例无线通信装置102A、102B、102C、由图2A和2B中示出的示例无线通信装置204A、204B、204C、由图2C中示出的任何示例装置(例如，客户端装置232)或由其他类型的装置来进行。
在1302处，接收在一时间段内发送通过空间(例如，空间200、201)的无线信号。无线信号可以在图1中示出的示例无线通信装置102A、102B、102C之间、在图2A和2B中示出的示例无线通信装置204A、204B、204C之间、在图2C中示出的任何示例装置226、228、232之间、或者在其他类型的无线通信装置之间发送。
可以根据无线通信标准来格式化各个无线信号。在一些实例中，无线信号可根据IEEE 802.11标准来格式化，并且可以包括PHY帧，示例是图3中所示的示例PHY帧300、图4中所示的示例PHY帧400或来自无线信号的其他类型的PHY帧。
在1304处，在各个无线信号的PHY帧中识别传统PHY字段(例如，L-STF和L-LTF)和MIMO训练字段(例如，HE-LTF、HT-LTF或VHT-LTF)。第一频域信号(例如，H1(f))可以被包括在传统PHY字段中，并且第二频域信号(例如，H2(f))可以被包括在MIMO训练字段中。在1306处，基于第一频域信号来生成第一时域信道估计(例如，h1(t))，并且在1308处，基于第二频域信号来生成第二时域信道估计(例如，h2(t))。由于MIMO训练字段的连续频率带宽大于传统PHY字段的连续频率带宽，因此第一时域信道估计的时间分辨率比第二时域信道估计的时间分辨率更粗。换句话说，第一时域信道估计的时间分辨率低于第二时域信道估计的时间分辨率。
在1310处，基于第一时域信道估计(例如，h1(t))来确定空间中是否已经发生运动。在一些实例中，1310处的确定是在空间中是否已经发生运动的宏级指示。在1312处，基于第二时域信道估计(例如，h2(t))来确定空间内的运动的位置。在一些实例中，1312处的确定是允许运动检测系统定位空间内的运动的更细粒度的运动数据，并且在一些实例中，确定空间内的运动的方向(例如，如图9A、图9B、图9C所示)。
图14是示出示例性无线通信装置1400的框图。如图14所示，示例性无线通信装置1400包括接口1430、处理器1410、存储器1420和电源单元1440。无线通信装置(例如，图1中的无线通信装置102A、102B、102C)可以包括附加或不同的组件，并且无线通信装置1400可以被配置为如关于以上示例所描述的那样操作。在一些实现中，无线通信装置的接口1430、处理器1410、存储器1420和电源单元1440被一起容纳在公共壳体或其他组装件中。在一些实现中，无线通信装置的组件中的一个或多于一个组件可以单独地容纳在例如单独的壳体或其他组装件中。
示例性接口1430可以通信(接收、发送或这两者)无线信号。例如，接口1430可以被配置为通信根据无线通信标准(例如，Wi-Fi、4G、5G、蓝牙等)格式化的射频(RF)信号。在一些实现中，示例性接口1430包括无线电子系统和基带子系统。无线电子系统可以包括例如一个或多于一个天线以及射频电路。无线电子系统可以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前端以及一个或多于一个天线。基带子系统可以包括例如被配置为处理数字基带数据的数字电子装置。在一些情况下，基带子系统可以包括数字信号处理器(DSP)装置或其他类型的处理器装置。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、通过无线电子系统通信无线网络业务或进行其他类型的处理。
示例性处理器1410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1420中所存储的程序、代码、脚本、模块或其它类型的数据。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或模块。处理器1410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1410进行无线通信装置600的高级操作。例如，处理器1410可被配置为执行或解释存储器1420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1410被包括在接口1430或无线通信装置1400的其他组件中。
示例性存储器1420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1420可以包括一个或多于一个只读存储器装置、随机存取存储器装置、缓冲存储器装置、或这些和其它类型的存储器装置的组合。在一些实例中，存储器的一个或多于一个组件可以与无线通信装置1400的其它组件集成或以其它方式关联。存储器1420可以存储处理器1410可执行的指令。例如，指令可以包括用于进行上述操作中的一个或多于一个操作的指令。
示例性电源单元1440向无线通信装置1400的其它组件提供电力。例如，其它组件可以基于由电源单元1440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1440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1440包括适配器(例如，AC适配器)，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1400的组件的内部电力信号。电源单元1420可以包括其它组件或以其它方式进行操作。
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于一个的组合。本说明书中所描述的一些主题可以被实现为一个或多于一个计算机程序(即计算机程序指令的一个或多于一个模块)，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于一个的组合，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于一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于一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于一个的组合的代码。
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，标记语言文件中所存储的一个或多于一个脚本)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，用于存储一个或多于一个模块、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于一个可编程处理器来进行，其中这些一个或多于一个可编程处理器执行一个或多于一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)。
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。
在一般方面，PHY帧中的一个或多于一个字段用于运动检测。
在一般示例中，无线信号在时间段内从第一无线通信装置通过空间发送到第二无线通信装置。无线信号根据无线通信标准被格式化，并且各个无线信号包括根据该标准的PHY帧。在各个无线信号的PHY帧中识别MIMO训练字段(例如，HE-LTF、HT-LTF或VHT-LTF)。基于相应的MIMO训练字段来生成信道响应。信道响应被用于检测在该时间段期间在空间中发生的运动(例如，对象的运动)。
一般示例的实现可以包括以下特征中的一个或多于一个。无线通信标准是多输入多输出(MIMO)无线电通信的标准，在各个无线信号的PHY帧中识别MIMO训练字段，并且基于相应的MIMO训练字段生成信道响应。无线通信标准是IEEE 802.11ax标准。信道响应被用于检测在该时间段期间在空间中发生的运动的位置。可以在时域表示中分析信道响应，例如以检测移动对象的运动或位置。
在第一示例中，接收在时间段内通过空间发送的无线信号。无线信号可以在无线通信网络中的无线通信装置之间发送，并且可以根据无线通信标准来格式化。在各个无线信号的基于正交频分复用(OFDM)的PHY帧中识别第一训练字段和不同的第二训练字段。针对各个无线信号生成第一时域信道估计和第二时域信道估计。第一时域信道估计可以基于无线信号的第一训练字段中所包括的第一频域信号，而第二时域信道估计可以基于无线信号的第二训练字段中所包括的第二频域信号。在一些实例中，第一时域信道估计的时间分辨率比第二时域信道估计的时间分辨率更粗糙(例如，更低)。根据第一时域信道估计来确定在该时间段期间在空间中是否发生了运动，根据第二时域信道估计来确定在空间内的运动的位置。
第一示例的实现可以包括以下特征中的一个或多于一个。确定空间内的运动的位置可以包括基于第二时域信道估计来确定空间内的运动的方向。第一频域信号的频率分辨率可以比第二频域信号的频率分辨率更粗糙(例如，更低)。第一训练字段可以包括基于OFDM的PHY帧的传统训练字段，并且第二训练字段可以包括基于OFDM的PHY帧的多输入多输出(MIMO)训练字段。MIMO训练字段可以包括高效率长训练字段(HE-LTF)。MIMO训练字段可以包括极高吞吐量长训练字段(VHT-LTF)。MIMO训练字段可以包括高吞吐量长训练字段(HT-LTF)。无线通信标准可以是IEEE 802.11标准。无线通信网络可以是无线局域网(WLAN)。
在第二示例中，一种非暂时性计算机可读介质存储指令，所述指令在由数据处理设备执行时可操作以进行第一示例的一个或多于一个操作。在第三示例中，一种系统包括多个无线通信装置，以及被配置为进行第一示例的一个或多于一个操作的装置。
第三示例的实现可以包括以下特征中的一个或多于一个。无线通信装置之一可以是或包括计算机装置。该计算机装置可以位于远离无线通信装置的位置。
虽然本说明书包含许多细节，但是这些细节不应被理解为对可能要求保护的范围的限制，而是作为特定于具体示例的特征的描述。也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也可以在多个实施例中单独地或以任何合适的子组合来实现。
类似地，虽然在附图中以特定顺序描绘了操作，但是这不应被理解为要求以所示的特定顺序或按序列顺序进行这些操作，或者进行所有示出的操作，以实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。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需要这种分离，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，其他实施例在以上描述的范围内。

Claims (28)

1.一种方法，包括：
接收在时间段内通过空间发送的无线信号，其中，所述无线信号在无线通信网络中的无线通信装置之间发送并且根据无线通信标准进行格式化；
识别各无线信号的基于正交频分复用即基于OFDM的PHY帧中的第一训练字段和不同的第二训练字段；
针对各无线信号：
基于所述无线信号的所述第一训练字段中所包括的第一频域信号生成第一时域信道估计；以及
基于所述无线信号的所述第二训练字段中所包括的第二频域信号生成第二时域信道估计，其中，所述第一时域信道估计的时间分辨率低于所述第二时域信道估计的时间分辨率；
基于所述第一时域信道估计来确定在所述时间段期间在所述空间中是否已经发生运动；以及
基于所述第二时域信道估计来确定所述空间内的所述运动的位置。
2.根据权利要求1所述的方法，其中，所述第一频域信号的频率分辨率低于所述第二频域信号的频率分辨率。
3.根据权利要求1所述的方法，其中，所述第一训练字段包括所述基于OFDM的PHY帧的传统训练字段，并且所述第二训练字段包括所述基于OFDM的PHY帧的多输入多输出训练字段即MIMO训练字段。
4.根据权利要求3所述的方法，其中，所述MIMO训练字段包括高效长训练字段即HE-LTF。
5.根据权利要求3所述的方法，其中，所述MIMO训练字段包括极高吞吐量长训练字段即VHT-LTF。
6.根据权利要求3所述的方法，其中，所述MIMO训练字段包括高吞吐量长训练字段即HT-LTF。
7.根据权利要求1所述的方法，其中，所述无线通信标准是IEEE 802.11标准。
8.根据权利要求1所述的方法，其中，所述无线通信网络是无线局域网即WLAN。
9.根据权利要求1所述的方法，其中，确定所述空间内的所述运动的位置包括：基于所述第二时域信道估计来确定所述空间内的所述运动的方向。
10.一种包括指令的非暂时性计算机可读介质，所述指令在由数据处理设备执行时能够操作以进行包括以下的操作：
接收在时间段内通过空间发送的无线信号，其中，所述无线信号在无线通信网络中的无线通信装置之间发送并且根据无线通信标准进行格式化；
识别各无线信号的基于正交频分复用即基于OFDM的PHY帧中的第一训练字段和不同的第二训练字段；
针对各无线信号：
基于所述无线信号的所述第一训练字段中所包括的第一频域信号生成第一时域信道估计；以及
基于所述无线信号的所述第二训练字段中所包括的第二频域信号生成第二时域信道估计，其中，所述第一时域信道估计的时间分辨率低于所述第二时域信道估计的时间分辨率；
基于所述第一时域信道估计来确定在所述时间段期间在所述空间中是否已经发生运动；以及
基于所述第二时域信道估计来确定所述空间内的所述运动的位置。
11.根据权利要求10所述的非暂时性计算机可读介质，其中，确定所述空间内的所述运动的位置包括：基于所述第二时域信道估计来确定所述空间内的所述运动的方向。
12.根据权利要求10所述的非暂时性计算机可读介质，其中，所述第一频域信号的频率分辨率低于所述第二频域信号的频率分辨率。
13.根据权利要求10所述的非暂时性计算机可读介质，其中，所述第一训练字段包括所述基于OFDM的PHY帧的传统训练字段，并且所述第二训练字段包括所述基于OFDM的PHY帧的多输入多输出训练字段即MIMO训练字段。
14.根据权利要求13所述的非暂时性计算机可读介质，其中，所述MIMO训练字段包括高效长训练字段即HE-LTF。
15.根据权利要求13所述的非暂时性计算机可读介质，其中，所述MIMO训练字段包括极高吞吐量长训练字段即VHT-LTF。
16.根据权利要求13所述的非暂时性计算机可读介质，其中，所述MIMO训练字段包括高吞吐量长训练字段即HT-LTF。
17.根据权利要求10所述的非暂时性计算机可读介质，其中，所述无线通信标准是IEEE802.11标准。
18.根据权利要求10所述的非暂时性计算机可读介质，其中，所述无线通信网络是无线局域网即WLAN。
19.一种系统，包括：
无线通信网络中的多个无线通信装置，所述多个无线通信装置被配置为在时间段内通过空间发送根据无线通信标准格式化的无线信号；
计算机装置，其包括能够操作以进行包括以下操作的一个或多于一个处理器：
识别各无线信号的基于正交频分复用即基于OFDM的PHY帧中的第一训练字段和不同的第二训练字段；
针对各无线信号：
基于所述无线信号的所述第一训练字段中所包括的第一频域信号生成第一时域信道估计；以及
基于所述无线信号的所述第二训练字段中所包括的第二频域信号生成第二时域信道估计，其中，所述第一时域信道估计的时间分辨率低于所述第二时域信道估计的时间分辨率；
基于所述第一时域信道估计来确定在所述时间段期间在所述空间中是否已经发生运动；以及
基于所述第二时域信道估计来确定所述空间内的所述运动的位置。
20.根据权利要求19所述的系统，其中，所述第一频域信号的频率分辨率低于所述第二频域信号的频率分辨率。
21.根据权利要求19所述的系统，其中，所述第一训练字段包括所述基于OFDM的PHY帧的传统训练字段，并且所述第二训练字段包括所述基于OFDM的PHY帧的多输入多输出训练字段即MIMO训练字段。
22.根据权利要求21所述的系统，其中，所述MIMO训练字段包括高效长训练字段即HE-LTF。
23.根据权利要求21所述的系统，其中，所述MIMO训练字段包括极高吞吐量长训练字段即VHT-LTF。
24.根据权利要求21所述的系统，其中，所述MIMO训练字段包括高吞吐量长训练字段即HT-LTF。
25.根据权利要求19所述的系统，其中，所述无线通信标准是IEEE802.11标准。
26.根据权利要求19所述的系统，其中，所述无线通信网络是无线局域网即WLAN。
27.根据权利要求19所述的系统，其中，确定所述空间内的所述运动的位置包括基于所述第二时域信道估计来确定所述空间内的所述运动的方向。
28.根据权利要求19所述的系统，其中，所述计算机装置是所述无线通信装置之一。
CN202080074410.4A 2019-10-31 2020-10-28 使用mimo训练字段以供运动检测 Pending CN114599992A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201962928684P 2019-10-31 2019-10-31
US62/928,684 2019-10-31
PCT/CA2020/051440 WO2021081635A1 (en) 2019-10-31 2020-10-28 Using mimo training fields for motion detection

Publications (1)

Publication Number Publication Date
CN114599992A true CN114599992A (zh) 2022-06-07

Family

ID=75688001

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080074410.4A Pending CN114599992A (zh) 2019-10-31 2020-10-28 使用mimo训练字段以供运动检测

Country Status (5)

Country Link
US (2) US11012122B1 (zh)
EP (1) EP4052065A4 (zh)
CN (1) CN114599992A (zh)
CA (1) CA3152905A1 (zh)
WO (1) WO2021081635A1 (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10849006B1 (en) 2019-04-30 2020-11-24 Cognitive Systems Corp. Controlling measurement rates in wireless sensing systems
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
US11012122B1 (en) * 2019-10-31 2021-05-18 Cognitive Systems Corp. Using MIMO training fields for motion detection
CN116058071A (zh) 2020-08-31 2023-05-02 认知系统公司 控制标准化无线通信网络中的运动拓扑结构
WO2022246539A1 (en) * 2021-05-24 2022-12-01 Cognitive Systems Corp. Varying a rate of eliciting mimo transmissions from wireless communication devices
CA3218891A1 (en) 2021-05-28 2022-12-01 Cognitive Systems Corp. Analyzing wi-fi motion coverage in an environment
WO2023031873A1 (en) * 2021-09-03 2023-03-09 Cognitive Systems Corp. Systems and methods for determining time domain channel representation information
WO2023126728A1 (en) * 2021-12-31 2023-07-06 Cognitive Systems Corp. Methods and systems for detection of channel variations for wi-fi sensing in unobserved bandwidth
WO2023136113A1 (ja) * 2022-01-12 2023-07-20 株式会社村田製作所 判定装置及び判定プログラム
WO2023136114A1 (ja) * 2022-01-12 2023-07-20 株式会社村田製作所 判定装置及び判定プログラム
WO2023148593A1 (en) * 2022-02-02 2023-08-10 Cognitive Systems Corp. Cross-correlation of time domain signals due to motion proximity
WO2023170607A1 (en) * 2022-03-11 2023-09-14 Cognitive Systems Corp. Systems and methods for identifying waveform frequency signature using timestamps
WO2024005812A1 (en) * 2022-06-30 2024-01-04 Intel Corporation Apparatus, system, and method of communicating a packet including a multiple-input-multiple-output (mimo) training (trn) field
WO2024047528A1 (en) * 2022-09-01 2024-03-07 Cognitive Systems Corp. Wi-fi sensing taking into consideration received noise power information
US20240085551A1 (en) * 2022-09-08 2024-03-14 Cognitive Systems Corp. Systems and methods for motion detection using sensing transmission clusters
CN117176292B (zh) * 2023-11-02 2024-01-05 物空科技(四川)集团有限公司 无线信号定位检测方法、装置、设备及存储介质

Family Cites Families (212)

* 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
US4636774A (en) 1983-11-08 1987-01-13 American District Telegraph Company Variable sensitivity motion detector
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
US7764231B1 (en) 1996-09-09 2010-07-27 Tracbeam Llc Wireless location using multiple mobile station location techniques
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
WO2000033731A1 (en) 1998-12-10 2000-06-15 Andrew Junker Brain-body actuated system
DE59913067D1 (de) 1999-07-03 2006-04-13 Siemens Schweiz Ag Zuerich Bewegungsmelder nach dem Doppler-Prinzip
US7797367B1 (en) 1999-10-06 2010-09-14 Gelvin David C Apparatus for compact internetworked wireless integrated network sensors (WINS)
WO2002047942A2 (en) 2000-11-16 2002-06-20 Donnelly Corporation Vehicle compartment occupancy detection system
ATE455330T1 (de) 2001-09-17 2010-01-15 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
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
US20050128067A1 (en) 2003-12-11 2005-06-16 Honeywell International, Inc. Automatic sensitivity adjustment on motion detectors in security system
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
KR101227212B1 (ko) * 2005-02-09 2013-01-28 에이저 시스템즈 엘엘시 다중 안테나 통신 시스템에서 단축된 롱 트래이닝 필드를 갖는 프리앰블 트레이닝을 위한 방법 및 장치
US20060217132A1 (en) 2005-03-23 2006-09-28 3Com Corporation High resolution localization for indoor environments
US7342493B2 (en) 2005-04-22 2008-03-11 Ultravision Security Systems, Inc. Motion detector
US20070036353A1 (en) 2005-05-31 2007-02-15 Interdigital Technology Corporation Authentication and encryption methods using shared secret randomness in a joint channel
US7742753B2 (en) 2005-12-28 2010-06-22 Motorola, Inc. Method and apparatus for operating a mobile communication device coupled with an external power supply for charging a battery of the mobile communication device
WO2008094172A2 (en) 2006-06-01 2008-08-07 University Of Florida Research Foundation, Inc. Radar microsensor for detection, tracking, and classification
JP2009540773A (ja) 2006-06-13 2009-11-19 マグネットー・イナーシャル・センシング・テクノロジー・インコーポレイテッド 無線ｒｆネットワークにおける動き感知
US8305935B2 (en) 2006-07-27 2012-11-06 Mobitrum Corporation Method and system for dynamic information exchange on location aware mesh network devices
US8427979B1 (en) 2006-07-27 2013-04-23 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
US8548502B2 (en) 2006-09-05 2013-10-01 Broadcom Corporation Spatial mapping of wireless access point service area
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
US9317110B2 (en) 2007-05-29 2016-04-19 Cfph, Llc Game with hand motion control
GB0719995D0 (en) 2007-10-12 2007-11-21 Qinetiq Ltd Radar method and apparatus suitable for use in multipath environments
US9319956B2 (en) 2008-01-15 2016-04-19 International Business Machines Corporation Method and apparatus for maintaining communications connections over a distributed wireless network
TWI475847B (zh) * 2008-04-16 2015-03-01 Koninkl Philips Electronics Nv 存在及移動偵測之被動雷達
DE202008005467U1 (de) 2008-04-18 2009-08-27 Rittal Gmbh & Co. Kg Positionsüberwachungseinrichtung für Personen
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
EP2184724A1 (en) 2008-11-05 2010-05-12 Nederlandse Organisatie voor toegepast-natuurwetenschappelijk Onderzoek TNO A system for tracking a presence of persons in a building, a method and a computer program product
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
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
US8633817B2 (en) 2009-10-21 2014-01-21 Qualcomm Incorporated Mapping wireless signals with motion sensors
US8779965B2 (en) 2009-12-18 2014-07-15 L-3 Communications Cyterra Corporation Moving-entity detection
US9389085B2 (en) 2010-01-22 2016-07-12 Qualcomm Incorporated Map handling for location based services in conjunction with localized environments
CA2789129C (en) 2010-02-08 2017-08-22 Dalhousie University Ultrasound imaging system using beamforming techniques for phase coherence grating lobe suppression
US8760392B2 (en) 2010-04-20 2014-06-24 Invensense, Inc. Wireless motion processing sensor systems suitable for mobile and battery operation
US20110263946A1 (en) 2010-04-22 2011-10-27 Mit Media Lab Method and system for real-time and offline analysis, inference, tagging of and responding to person(s) experiences
WO2012015688A2 (en) 2010-07-27 2012-02-02 Raytheon Company An intrusion detection and tracking system
EP2598913A4 (en) 2010-07-27 2014-03-12 Univ Regina METHOD AND SYSTEM FOR COOPERATIVE STOCHASTIC POSITIONING IN A MOBILE ENVIRONMENT
WO2012057546A2 (ko) * 2010-10-28 2012-05-03 엘지전자 주식회사 무선랜 시스템에서 데이터 프레임 송수신 방법 및 장치
US8396485B2 (en) 2010-11-09 2013-03-12 Apple Inc. Beacon-based geofencing
EP2652996A1 (en) 2010-12-13 2013-10-23 Xandem Technology, LLC Systems and methods of device-free motion detection and presence detection
US8525868B2 (en) 2011-01-13 2013-09-03 Qualcomm Incorporated Variable beamforming with a mobile platform
US20120230305A1 (en) 2011-03-08 2012-09-13 Research In Motion Limited Wi-fi network access and a mobile terminal configured for the same
US8831794B2 (en) 2011-05-04 2014-09-09 Qualcomm Incorporated Gesture recognition via an ad-hoc proximity sensor mesh for remotely controlling objects
US10411775B2 (en) 2011-07-15 2019-09-10 Samsung Electronics Co., Ltd. Apparatus and method for beam locking in a wireless communication system
KR101764261B1 (ko) 2011-07-15 2017-08-04 삼성전자주식회사 무선 통신 시스템에서 빔 고정 장치 및 방법
US8787944B2 (en) 2011-08-18 2014-07-22 Rivada Research, Llc Method and system for providing enhanced location based information for wireless handsets
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
US20130090117A1 (en) 2011-10-06 2013-04-11 Qualcomm Incorporated Method and apparatus for optimized reacquisition of wireless communications systems
PL2769588T3 (pl) 2011-10-19 2017-01-31 ERICSSON TELEFON AB L M (publ) Urządzenie detektora ruchu
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
CN103326829B (zh) 2012-03-22 2018-01-02 中兴通讯股份有限公司 信道测量反馈的指示方法及发送站点
US9019148B1 (en) 2012-04-24 2015-04-28 Sandia Corporation Remote sensing using MIMO systems
US9661508B2 (en) * 2012-05-14 2017-05-23 Telefonaktiebolaget L M Ericsson (Publ) Methods and apparatus for determining a signal estimate by scaling
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
US10742475B2 (en) 2012-12-05 2020-08-11 Origin Wireless, Inc. Method, apparatus, and system for object tracking sensing using broadcasting
US8934884B2 (en) 2012-09-21 2015-01-13 SenionLab AB Method and device for indoor position resolution
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
US9161172B2 (en) 2012-11-06 2015-10-13 Qualcomm Incorporated Map-based adaptive sampling of orientation sensors for positioning
TWI493507B (zh) 2012-11-07 2015-07-21 Univ Nat Taiwan 超音波成像系統
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
CA2834522A1 (en) 2012-11-22 2014-05-22 Perch Communications Inc. System and method for automatically triggered synchronous and asynchronous video and audio communications betwwen users at different endpoints
US20140145829A1 (en) 2012-11-25 2014-05-29 Amir Bassan-Eskenazi Wirless tag based communication, system and applicaitons
US9692459B2 (en) 2012-11-28 2017-06-27 Intel Corporation Using multiple frequency bands with beamforming assistance in a wireless network
US9425627B2 (en) 2013-03-04 2016-08-23 Hello Inc. Telemetry system with remote firmware updates
US20140288876A1 (en) 2013-03-15 2014-09-25 Aliphcom Dynamic control of sampling rate of motion to modify power consumption
CA2907723C (en) 2013-05-02 2016-09-20 Consortium P, Inc. Scalable real-time location detection based on overlapping neural networks
US9740353B2 (en) 2013-05-07 2017-08-22 The Trustees Of Princeton University System and method for 3D position and gesture sensing of human hand
GB2514103B (en) 2013-05-12 2017-08-02 Microsense Solutions Ltd Bidirectional bistatic radar perimeter intrusion detection system
KR101745684B1 (ko) 2013-05-31 2017-06-09 나이키 이노베이트 씨.브이. 동적 샘플링
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
EP3019963A4 (en) 2013-07-12 2017-02-08 University of Iowa Research Foundation Augmentative and alternative communication
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
US10979203B2 (en) 2013-09-04 2021-04-13 Qualcomm Incorporated Channel selection to reduce interference to a wireless local area network from a cellular network
US9467480B2 (en) 2013-09-16 2016-10-11 Qualcomm Incorporated Selectively multiplexing incoming WebRTC traffic and/or de-multiplexing outgoing WebRTC traffic by a client-based WebRTC proxy on behalf of a WebRTC multimedia client application
US9204385B2 (en) 2013-10-09 2015-12-01 Netgear, Inc. Wireless router or residential gateway capable of distinguishing power-sensitive wireless sensors and providing separate treatment thereto
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
CN106464551A (zh) 2014-01-06 2017-02-22 魅力能源公司 一种使用网络装置和基于遥感的信息来协调环境的系统、装置和设备
EP3100420B1 (en) 2014-01-28 2018-06-20 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
US20150269825A1 (en) 2014-03-20 2015-09-24 Bao Tran Patient monitoring appliance
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
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
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
WO2015196411A1 (en) 2014-06-26 2015-12-30 Intel Corporation Beamforming audio with wearable device microphones
WO2016005977A1 (en) 2014-07-08 2016-01-14 Trekeye Systems Ltd. A method and system for detection of changes in a defined surveyed area
US9326097B2 (en) 2014-07-13 2016-04-26 Seven Networks, Llc Surrounding estimation based on sensors of a mobile device
US10866302B2 (en) * 2015-07-17 2020-12-15 Origin Wireless, Inc. Method, apparatus, and system for wireless inertial measurement
US20160031752A1 (en) 2014-07-31 2016-02-04 Corning Incorporated Glass or glass-ceramic for windows, countertops, and other applications
US11436544B2 (en) 2014-09-03 2022-09-06 CloudLeaf, Inc. System for managing an industrial workflow
US9838847B2 (en) 2014-09-11 2017-12-05 Google LLP Data driven evaluation and rejection of trained Gaussian process-based wireless mean and standard deviation models
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
CN107110964B (zh) 2014-10-31 2023-08-15 西门子瑞士有限公司 用于在无线电范围、尤其是室内区域的无线电范围中检测对象和/或生物的移动的方法、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
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
US20160203689A1 (en) 2015-01-08 2016-07-14 Kenneth J. Hintz Object Displacement Detector
US10347108B2 (en) 2015-01-16 2019-07-09 City University Of Hong Kong Monitoring user activity using wearable motion sensing device
US10008107B2 (en) 2015-01-24 2018-06-26 Hao Li Method and surveillance system for detecting unwanted intrusion based on interactions between wireless communication and monitoring devices
EP3262490A4 (en) 2015-02-23 2018-10-17 Somniq, Inc. Empathetic user interface, systems, and methods for interfacing with empathetic computing device
US9825796B2 (en) 2015-03-04 2017-11-21 Avago Technologies General Ip (Singapore) Pte. Ltd Long training field (LTF) within wireless communications
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
CN107427283B (zh) 2015-03-31 2021-10-29 皇家飞利浦有限公司 对基于超声弹性的病变边界绘制的校准
US10859675B2 (en) 2015-04-20 2020-12-08 Resmed Sensor Technologies Limited Gesture recognition with sensors
DK3295582T3 (da) 2015-05-13 2019-11-25 Ericsson Telefon Ab L M Stråleformning
WO2016205219A1 (en) 2015-06-15 2016-12-22 Humatics Corporation High precision time of flight measurement system for industrial automation
US20180180706A1 (en) 2015-06-26 2018-06-28 Ent. Services Development Corporation Lp Mobile device locator
CA2994172A1 (en) 2015-08-11 2017-02-16 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
US20170086202A1 (en) * 2015-09-21 2017-03-23 Qualcomm Incorporated Wi-fi indoor radar
US10564285B2 (en) 2015-11-19 2020-02-18 DSCG Solutions, Inc. Estimation of motion in six degrees of freedom (6DOF) using LIDAR
US10346445B2 (en) 2015-12-22 2019-07-09 Mastercard International Incorporated Systems and methods for use in determining detailed locations for certain entities
EP3185590B1 (en) 2015-12-22 2020-08-19 Oticon A/s A hearing device comprising a sensor for picking up electromagnetic signals from the body
EP3395119A4 (en) 2015-12-23 2019-07-31 Aerial Technologies SYSTEM, METHOD AND APPARATUS FOR DETECTING 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
CA3008184A1 (en) 2016-02-04 2017-08-10 Aerial Technologies Inc. Systems and methods for sensing an environment with wireless communication signals
JP6422903B2 (ja) 2016-02-25 2018-11-14 株式会社東芝 無線通信装置および無線通信方法
US20170257862A1 (en) * 2016-03-07 2017-09-07 Qualcomm Incorporated Wireless Communication Enhancements for Relative Motion Between a Transmitting Device and a Receiving 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
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
US10129853B2 (en) 2016-06-08 2018-11-13 Cognitive Systems Corp. Operating a motion detection channel in a wireless communication network
US11043094B2 (en) 2016-06-08 2021-06-22 Aerial Technologies Inc. System and methods for smart intrusion detection using wireless signals and artificial intelligence
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
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
US10573144B2 (en) 2016-10-10 2020-02-25 Netgear, Inc. Changing topology in a wireless network
US10386792B2 (en) 2016-10-19 2019-08-20 Ants Technology (Hk) Limited Sensory systems for autonomous devices
CA3044480C (en) 2016-11-22 2024-01-02 Aerial Technologies Device-free localization methods within smart indoor environments
US10111228B2 (en) 2017-03-16 2018-10-23 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
US9927519B1 (en) 2017-03-16 2018-03-27 Cognitive Systems Corp. Categorizing motion detected using wireless signals
EP3425418B1 (en) * 2017-07-06 2020-06-03 Mitsubishi Electric R&D Centre Europe B.V. Method and apparatus for distinghuishing line of sight from non line of sight in vehicular communication systems
US9866308B1 (en) 2017-07-27 2018-01-09 Quantenna Communications, Inc. Composite WiFi and acoustic spatial diagnostics for smart home management
US10310082B2 (en) 2017-07-27 2019-06-04 Quantenna Communications, Inc. Acoustic spatial diagnostics for smart home management
US10051414B1 (en) 2017-08-30 2018-08-14 Cognitive Systems Corp. Detecting motion based on decompositions of channel response variations
US10109167B1 (en) 2017-10-20 2018-10-23 Cognitive Systems Corp. Motion localization in a wireless mesh network based on motion indicator values
US10228439B1 (en) 2017-10-31 2019-03-12 Cognitive Systems Corp. Motion detection based on filtered statistical parameters of wireless signals
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
US10605908B2 (en) 2017-11-15 2020-03-31 Cognitive Systems Corp. Motion detection based on beamforming dynamic information from wireless standard client devices
US10109168B1 (en) 2017-11-16 2018-10-23 Cognitive Systems Corp. Motion localization based on channel response characteristics
EP3486916A1 (en) 2017-11-20 2019-05-22 F. Hoffmann-La Roche AG Method and system for localizing a handheld analytical device
US10264405B1 (en) 2017-12-06 2019-04-16 Cognitive Systems Corp. Motion detection in mesh networks
US10108903B1 (en) 2017-12-08 2018-10-23 Cognitive Systems Corp. Motion detection based on machine learning of wireless signal properties
US10805022B2 (en) * 2018-01-12 2020-10-13 The Euclide 2012 Investment Trust Method of using time domain subspace signals and spatial domain subspace signals for location approximation through orthogonal frequency-division multiplexing
US20190271775A1 (en) * 2018-03-01 2019-09-05 Qualcomm Incorporated Motion detection using the magnitude of channel impulse response
US10393866B1 (en) 2018-03-26 2019-08-27 Cognitive Systems Corp. Detecting presence based on wireless signal analysis
US10318890B1 (en) 2018-05-23 2019-06-11 Cognitive Systems Corp. Training data for a motion detection system using data from a sensor device
EP3841397A4 (en) * 2018-08-26 2022-06-08 Celeno Communications (Israel) Ltd. WI-FI RADAR DETECTION USING A SYNCHRONIZED WIRELESS ACCESS POINT
US20200150263A1 (en) * 2018-11-08 2020-05-14 Qualcomm Incorporated Wlan radar
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
WO2020141417A1 (en) * 2018-12-31 2020-07-09 Celeno Communications (Israel) Ltd. Coherent wi-fi radar using wireless access point
US10498467B1 (en) 2019-01-24 2019-12-03 Cognitive Systems Corp. Classifying static leaf nodes in a motion detection system
US10499364B1 (en) 2019-01-24 2019-12-03 Cognitive Systems Corp. Identifying 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
US10567914B1 (en) 2019-04-30 2020-02-18 Cognitive Systems Corp. Initializing probability vectors for determining a location of motion detected from wireless signals
US10600314B1 (en) 2019-04-30 2020-03-24 Cognitive Systems Corp. Modifying sensitivity settings in a motion detection system
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
EP3739356A1 (en) * 2019-05-12 2020-11-18 Origin Wireless, Inc. Method, apparatus, and system for wireless tracking, scanning and monitoring
US11510283B2 (en) * 2019-05-14 2022-11-22 Intel Corporation WLAN sensing using high-efficiency (HE) trigger- based (TB) PPDUs (HE TB PPDUs)
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
US11012122B1 (en) * 2019-10-31 2021-05-18 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
CN116058071A (zh) * 2020-08-31 2023-05-02 认知系统公司 控制标准化无线通信网络中的运动拓扑结构
US20220417706A1 (en) * 2021-06-23 2022-12-29 Qualcomm Incorporated Determining position information

Also Published As

Publication number Publication date
US20210135711A1 (en) 2021-05-06
EP4052065A4 (en) 2022-12-07
CA3152905A1 (en) 2021-05-06
US11012122B1 (en) 2021-05-18
US20210273685A1 (en) 2021-09-02
WO2021081635A1 (en) 2021-05-06
EP4052065A1 (en) 2022-09-07

Similar Documents

Publication Publication Date Title
CN114599992A (zh) 使用mimo训练字段以供运动检测
US10459074B1 (en) Determining a location of motion detected from wireless signals based on wireless link counting
US10952181B1 (en) Detecting a location of motion using wireless signals in a wireless mesh network that includes leaf nodes
US11070399B1 (en) Filtering channel responses for motion detection
US10567914B1 (en) Initializing probability vectors for determining a location of motion detected from wireless signals
US11184063B2 (en) Eliciting MIMO transmissions from wireless communication devices
US11579703B2 (en) Recognizing gestures based on wireless signals
WO2022246574A1 (en) Analyzing wi-fi motion coverage in an environment
KR101590843B1 (ko) 무선랜을 이용한 위치추적 및 동작인식 방법 및 이를 위한 컴퓨터로 판독가능한 기록매체
US20240027598A1 (en) Identifying Motion Zones Based on User Input and Motion-Sensing Data Derived from Wireless Signals
US20230370819A1 (en) Operating a Mobile Wireless Communication Device for Wireless Motion Sensing
WO2023215992A1 (en) Utilizing spatial maps for motion localization based on motion-sensing data derived from wireless signals
WO2023031873A1 (en) Systems and methods for determining time domain channel representation information
CA3173381A1 (en) Systems and methods for determining time domain channel representation information

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