CN115053147A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN115053147A CN115053147A CN202080081730.2A CN202080081730A CN115053147A CN 115053147 A CN115053147 A CN 115053147A CN 202080081730 A CN202080081730 A CN 202080081730A CN 115053147 A CN115053147 A CN 115053147A
- Authority
- CN
- China
- Prior art keywords
- motion
- node
- nodes
- wireless
- motion sensing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/003—Bistatic radar systems; Multistatic radar systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
-
- 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
- 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
- G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
-
- 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/886—Radar or analogous systems specially adapted for specific applications for alarm systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- 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
- G01S7/414—Discriminating targets with respect to background clutter
-
- 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
-
- 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
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
-
- 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
- G01S13/762—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems wherein pulse-type signals are transmitted with special measures concerning the radiation pattern, e.g. S.L.S.
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/22—Electrical actuation
- G08B13/24—Electrical actuation by interference with electromagnetic field distribution
- G08B13/2491—Intrusion detection systems, i.e. where the body of an intruder causes the interference with the electromagnetic field
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
在一般方面,呈现用于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的方法。该方法包括从无线网状网络的接入点(AP)节点获得运动感测数据。运动感测数据是基于在AP节点中的各对AP节点之间传送的无线信号。该方法附加地包括识别无线网状网络的运动感测拓扑结构。运动感测拓扑结构是基于指派给各个AP节点的标签,各标签指示相应AP节点的连接状态。该方法还包括基于运动感测数据和运动感测拓扑结构来生成概率向量。概率向量包括表示各个AP节点处的对象的运动的概率的值。基于概率向量确定对象的运动的地点。
Description
相关申请的交叉引用
本申请要求2019年9月30日提交的、标题为“Detecting a Location of MotionUsing Wireless Signals and Topologies of Wireless Connectivity”的美国临时申请62/908,401的优先权。该优先权申请通过引用而全文并入于此。
本申请还要求2020年5月5日提交的、标题分别为“Detecting a Location ofMotion Using Wireless Signals and Topologies of Wireless Connectivity”、“Detecting a Location of Motion Using Wireless Signals and DifferencesBetween Topologies of Wireless Connectivity”、“Detecting a Location of MotionUsing Wireless Signals that Propagate Along Two or More Paths of a WirelessCommunication Channel”和“Detecting a Location of Motion Using WirelessSignals in a Wireless Mesh Network that Includes Leaf Nodes”的美国专利申请16/867,062、16/867,064、16/867,066和16/867,089的优先权。这些优先权申请通过引用而全文并入于此。
背景技术
以下说明涉及基于无线链路计数来确定从无线信号检测到的运动的地点。
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在安全系统、自动化控制系统和其它类型的系统中。
附图说明
图1是示出示例无线通信系统的图。
图2A和图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无线信号的图。
图3是包括多个无线节点的示例无线通信网络的示意图。
图4是用于确定由无线通信网络中的一个或多于一个无线链路检测到的运动的地点的示例处理的流程图。
图5A是似然计算器基于多个无线链路生成概率向量的示例处理的流程图。
图5B是用于使用似然计算器生成概率向量的示例数学函数。
图6是使用三个无线节点的网格(trellis)表示的示例运动模型的示意图。
图7是在确定由无线通信网络中的三个无线链路检测到的运动的地点时的概率的示例流程的示意图。
图8是图3的示例无线通信网络的示意图,但是其中对象的运动激励四个无线链路。
图9是用于基于无线通信网络的运动拓扑结构来确定运动的地点的示例处理的流程图。
图10是用于使用基于可变时间帧的运动拓扑结构来确定运动的地点的示例处理的流程图。
图11是具有示例图的用于确定无线节点在运动拓扑结构中处于双连接状态的概率的示例公式。
图12A和图12B分别是在后续时间帧和先前时间帧中具有不同网络拓扑结构的示例无线通信网络的示意图。
图13是用于基于无线通信网络的先前拓扑结构来确定运动的地点的示例处理的流程图。
图14是具有包括直接和间接传播路径的无线通信信道的示例无线通信网络的示意图。
图15是用于基于运动指示值的矩阵分解来确定运动的地点的示例处理的流程图。
图16是叶节点通信地耦接到无线节点的示例无线通信网络的示意图。
图17是用于基于识别运动附近的无线节点、然后识别通信地耦接到无线节点的叶节点来确定运动的地点的示例处理的流程图。
图18呈现用于使用子网格似然函数来确定运动的地点的示例公式。
具体实施方式
在这里所述的一些方面中,可以使用来自彼此进行无线通信的多个无线通信装置的信息来检测空间(例如,人正在移动的房屋中的特定房间、人正在移动的建筑物的特定楼层或象限、等等)中的运动的地点。
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到的无线信号以确定(网络中的各对无线通信装置之间的)网络中的不同通信链路的信道信息。信道信息可以表示用于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传送器传播到接收器,从而表示传送器和接收器之间的空间内的例如散射、衰落和功率衰减的组合效应。在一些实例中,信道信息包括波束形成状态信息。波束形成(或空间滤波)可以指在用于定向信号传送或接收的多天线(多输入/多输出(MIMO))无线电系统中使用的信号处理技术。波束形成可以通过以特定角度的信号经历相长干涉、而其它信号经历相消干涉的方式组合天线阵列中的元件来实现。波束形成可以用在传送端和接收端这两者以实现空间选择性。在一些情况下(例如,IEEE 802.11ac标准),传送器使用波束形成引导矩阵。波束形成引导矩阵可以包括天线阵列应如何使用其单独天线元件中的各天线元件来选择传送所用的空间路径的数学描述。尽管本文针对信道响应信息说明了某些方面,但波束形成状态信息或波束形成器引导矩阵状态也可以在所描述的方面中使用。
可以(例如,由网络中的集线器装置或其它装置、或者可通信地耦接到网络的远程装置)分析各个通信链路的信道信息,以检测在空间中是否发生了运动、以确定所检测到的运动的相对地点、或者这两者。在一些方面,可以分析各个通信链路的信道信息以检测例如在空间中未检测到运动的情况下对象是存在还是不存在。
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)在无需使用中央接入点、基站或网络控制器的情况下以点对点方式直接进行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,无线网状网络是基于IEEE 802.11s标准。在一些实例中,无线网状网络是基于Wi-Fi自组织或另一归一化技术。商业上可用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。
在一些示例无线通信网络中,各节点通过一个或多于一个双向链路连接到一个或多于一个其它节点。各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。各链路上的干扰可被表示为运动指示值,例如可被表示为能够被归一化的标量。来自无线通信网络中的节点的链路干扰值可用于确定与各个节点相关联的地点处的运动的概率。例如,各节点处的运动的概率可用于判断哪个节点在其附近具有运动的概率最高,并且该节点可被识别为如下节点,其中围绕该节点发生了运动。为此,对于概率的递归计算,分析可以是贝叶斯估计框架中的情况。概率框架提供了许多技术优势,例如,提供递归估计并因此最终收敛到正确结果、无针对各特殊情况的条件的简单逻辑、(例如对于伪像)更准确且更具鲁棒的性能以及其它。
另外,关于运动检测系统的物理见解可以通知用于检测运动的地点的贝叶斯估计框架。例如,当产生激励的运动更靠近接收器节点时,(传送器节点和接收器节点之间的)链路上的激励的相对大小可能更大。因此,作为针对何处发生了运动的初始概率估计,可以将最高概率指派给与最高运动指示值相关联的无线链路上的接收器节点。该初始概率估计可以(例如,基于在先运动数据)与条件概率分布组合,以根据贝叶斯框架产生递归细化的概率估计。作为另一示例,在某些上下文中,运动在不同地点之间转移的可能性相对于运动保持在单个地点中的可能性可以更高或更低。因此,可以将地点转移概率并入贝叶斯框架中。例如,可以将转移概率矩阵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细化的概率估计。
图1是示出示例无线通信系统100的图。示例无线通信系统100包括第一无线通信装置102A、第二无线通信装置102B和第三无线通信装置102C这三个无线通信装置。示例无线通信系统100可以包括附加的无线通信装置102和/或其它组件(例如,一个或多于一个网络服务器、网络路由器、网络交换机、线缆或其它通信链路等)。
示例无线通信装置102A、102B、102C可以例如根据无线网络标准或另一类型的无线通信协议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)、个域网(PAN)、城域网(MAN)或其它类型的无线网络进行操作。WLAN的示例包括被配置为根据IEEE所开发的802.11族标准中的一个或多于一个进行操作的网络(例如,Wi-Fi网络)等。PAN的示例包括根据短距离通信标准(例如,蓝牙近场通信(NFC)、ZigBee)以及毫米波通信等进行操作的网络。
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可以是商业上可用的Wi-Fi装置。
在一些情况下,无线通信装置102A、102B、102C可以是Wi-Fi接入点或另一类型的无线接入点(WAP)。无线通信装置102A、102B、102C可被配置为进行如本文所述的一个或多于一个操作,该一个或多于一个操作作为指令(例如,软件或固件)嵌入在这些无线通信装置上。在一些情况下,无线通信装置102A、102B、102C中的一个或多于一个是无线网状网络的节点,例如商业上可用的网状网络系统(例如,Google Wi-Fi,Eero Wi-Fi系统等)等。在一些情况下,可以使用另一类型的标准或传统Wi-Fi收发器装置。无线通信装置102A、102B、102C可以在无Wi-Fi组件的情况下实现;例如,无线通信所用的其它类型的无线协议(标准或非标准)可用于运动检测。
在图1所示的示例中,无线通信装置(例如,102A、102B)(例如,根据无线网络标准、运动检测协议、存在检测协议、或者其它标准或非标准协议)在通信信道上传送无线信号。例如,无线通信装置可以生成传送所用的运动探测信号以探测空间从而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标准信令或通信帧,其包括在信道探测(例如,根据IEEE802.11ac-2013标准的波束形成所用的信道探测)中使用的标准导频信号。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于一个可以处理运动检测信号,这些运动检测信号是基于通过空间传送的运动探测信号所接收到的信号。例如,基于在通信信道中检测到的变化(或缺少这些变化),可以分析运动检测信号以检测空间中的对象的运动、空间中的缺少运动、或者在检测到缺少运动时的空间中的对象的存在或不存在。
传送运动探测信号的无线通信装置(例如,102A、102B)可被称为源装置。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可以发送寻址到另一无线通信装置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传送的无线信号。在一些情况下,由无线通信装置102A、102B传送的无线信号是例如根据无线通信标准或其它方式周期性地重复的。
在一些示例中,可被称为传感器装置的无线通信装置102C处理从无线通信装置102A、102B接收到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缺少运动。在一些示例中,另一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接收到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缺少运动。在一些情况下,当检测到缺少运动时,无线通信装置102C(或另一系统或装置)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(或另一系统或装置)可以进行如关于图6所述的或在针对图8的示例方法中的一个或多于一个操作,或者进行用于检测运动、检测缺少运动或者在检测到缺少运动时检测对象的存在或不存在的另一类型的处理。在其它示例中,例如可以修改无线通信系统100,使得无线通信装置102C可以例如作为源装置来传送无线信号,并且无线通信装置102A、102B可以例如作为传感器装置来处理来自无线通信装置102C的无线信号,以检测运动、检测缺少运动、或者在没有检测到运动时检测存在。也就是说,在一些情况下,无线通信装置102A、102B、102C各自可被配置为源装置、传感器装置或这两者。
运动和/或存在检测所使用的无线信号可以包括例如信标信号(例如,蓝牙(Bluetooth)信标、Wi-Fi信标、其它无线信标信号)、导频信号(例如,根据IEEE 802.11ac-2013标准的诸如在波束形成应用中等的信道探测所使用的导频信号)、或者根据无线网络标准针对其它目的所生成的另一标准信号、或针对运动和/或存在检测或其它目的所生成的非标准信号(例如,随机信号、参考信号等)。在一些情况下,运动和/或存在检测所用的无线信号对于网络中的所有装置都是已知的。
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通过对象(例如,壁)传播,这可以使得能够在移动对象和传送或接收硬件之间无光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,可以指示在空间中缺少运动,例如对象在空间中没有正在移动或不再移动。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,可以指示在检测到缺少运动时在空间中存在对象。相反,无线信号可以指示在检测到缺少运动时在空间中不存在对象。例如,基于所接收到的无线信号,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/或存在数据通信到诸如安全系统等的另一装置或系统,该另一装置或系统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可被配置为在与无线网络业务信号分开的无线通信信道(例如,频率信道或编码信道)上传送运动探测信号(例如,如上所述)。例如,第三无线通信装置102C可以知晓应用于运动探测信号的有效载荷的调制以及该有效载荷中的数据或数据结构的类型,这可以减少第三无线通信装置102C针对运动和存在检测所进行的处理量。报头可以包括诸如以下等的附加信息:例如,关于通信系统100中的另一装置是否检测到运动或缺少运动的指示、通信系统100中的另一装置是否检测到对象的存在、调制类型的指示、传送信号的设备的标识等。
在图1所示的示例中,无线通信系统100被例示为无线网状网络,其中在相应的无线通信装置102中的各无线通信装置102之间具有无线通信链路。在所示示例中,第三无线通信装置102C和第一无线通信装置102A之间的无线通信链路可用于探测第一运动检测区域110A,第三无线通信装置102C和第二无线通信装置102B之间的无线通信链路可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用于探测探测第三运动检测区域110C。在一些实例中,各无线通信装置102可被配置为通过处理基于由无线通信装置102通过运动检测区域110传送的无线信号的接收信号,来在该装置所接入的各个运动检测区域110中检测运动、检测缺少运动、以及/或者在没有检测到运动时检测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基于通过各个运动检测区域110传送的无线信号的信号来检测运动。例如,第一无线通信装置102A可以检测第一运动检测区域110A和第三运动检测区域110C中的人的运动,第二无线通信装置102B可以检测第三运动检测区域110C中的人106的运动,并且第三无线通信装置102C可以检测第一运动检测区域110A中的人106的运动。在一些情况下,在各个运动检测区域110A、110B、110C中可以检测缺少人106的运动以及在其它情况下在没有检测到人106正在移动时检测人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、或者无线电磁信号可以传播所通过的另一介质。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。在操作的一些方面中,在(与网络业务所用的无线通信信道分开或共用的)无线通信信道上传送的无线信号用于检测空间中的对象的移动或缺少移动,并且可用于在检测到缺少移动时检测空间中的对象的存在(或不存在)。对象可以是任意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所示的人106)、动物、无机对象、或者另一装置、设备或组装件、用于限定空间的全部或一部分边界的对象(例如,壁、门、窗等)、或者另一类型的对象。在一些实现中,当未检测到对象的运动时,来自无线通信装置的运动信息可以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可以是或可以包括运动检测系统。运动检测系统可以包括无线通信装置102A、102B、102C中的一个或多于一个以及可能的其它组件。运动检测系统中的一个或多于一个无线通信装置102A、102B、102C可被配置用于运动检测、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其中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/或存在的中央集线器或服务器操作。数据的存储(例如,在数据库中)、以及/或者运动、缺少运动(例如,稳态)或存在检测的确定可以由无线通信装置102来进行,或者在一些情况下,可以由无线通信网络中或云中的另一装置(例如,由一个或多于一个远程装置)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之间通信的示例无线信号的图。无线通信装置204A、204B、204C可以是例如图1所示的无线通信装置102A、102B、102C,或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中的一个或多于一个的组合可以形成专用运动检测系统,或者可以是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中的一个或多于一个可被配置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中的一个或多于一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,或者可以是该自组织运动检测系统的一部分。
示例无线通信装置204A、204B、204C可以通过空间200传送和/或接收无线信号。示例空间200可以在空间200的一个或多于一个边界处完全或部分封闭或开放。空间200可以是或可以包括房间的内部、多个房间、建筑物、室内区域或室外区域等。在所示示例中,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和图2B所示的示例中,第一无线通信装置204A可操作以例如作为源装置重复地(例如,定期地、间歇地、以预定的、未预定的或随机间隔等)传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可用于例如作为传感器装置基于无线通信装置204A所传送的运动探测信号来接收信号。可以如上所述地格式化运动探测信号。例如,在一些实现中,运动探测信号包括标准信令或通信帧,其包括在信道探测(例如,根据IEEE802.11ac-2013标准的波束形成所用的信道探测)中使用的标准导频信号。无线通信装置204B、204C各自具有接口、调制解调器、处理器、或者被配置为处理所接收到的运动检测信号以检测空间200中的对象的运动或缺少运动的其它组件。在一些实例中,无线通信装置204B、204C可以各自具有接口、调制解调器、处理器、或者被配置为在检测到缺少运动时检测空间100中的对象的存在或不存在(例如,空间是被占用还是未被占用)的其它组件。
如图所示,在图2A中的初始时间t=0,对象在第一位置214A,并且在图2B中的后续时间t=1,该对象已移动到第二位置214B。在图2A和图2B中,空间200中的移动对象被表示为人类,但移动对象可以是另一类型的对象。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的全部或一部分边界的对象(例如,壁、门、窗等)、或者另一类型的对象。对于该示例,对象214的移动的表示仅指示对象的地点在时间t=0和时间t=1之间在空间200内改变。
如图2A和图2B所示,从第一无线通信装置204A传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传送并且从第一壁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传送并且从第二壁202B和第一壁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传送并且从第二壁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传送并且从第三壁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传送并且从第一位置214A处的对象朝向第三无线通信装置204C反射。在图2A的时间t=0和图2B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,离第一位置214A一段距离)。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传送并且从第二位置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,因此图2B所示的第六信号路径224B比图2A所示的第五信号路径224A长。在一些示例中,由于对象在空间中的移动,因此可以添加、移除或以其它方式修改信号路径。
图2A和图2B所示的示例无线信号可能通过它们各自的路径经历衰减、频移、相移或其它效应,并且可能具有例如通过壁202A、202B和202C在另一方向上传播的部分。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和图2B所示的示例中,第一无线通信装置204A可被配置为源装置,并且可以重复地传送无线信号。例如,图2A示出在第一时间t=0期间正从第一无线通信装置204A传送的无线信号。传送信号可以是连续地、定期地、按随机或间歇时间等、或者以这些方式的组合方式传送的。例如,传送信号可以在时间t=0和图2B所示的后续时间t=1或任何其它后续时间之间传送一次或多于一次。传送信号可以在频率带宽中具有多个频率分量。传送信号可以以全向方式、以定向方式或以其它方式从第一无线通信装置204A传送。在所示示例中,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和图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中的多个路径对传送信号的影响,空间200可被表示为输入传送信号并输出接收信号的传递函数(例如,过滤器)。在对象在空间200中移动的情况下,受到影响的信号路径中的信号的衰减或相位偏移可以改变,因此空间200的传递函数可以变化。假定从第一无线通信装置204A传送相同的无线信号,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)也将变化。接收信号的变化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)不改变。缺少接收信号的变化(例如,稳态)可以指示在空间200中缺少移动。
在数学上,可以根据式(1)来描述从第一无线通信装置204A传送的传送信号f(t):
其中,ωn表示传送信号的第n个频率分量的频率,cn表示第n个频率分量的复系数,并且t表示时间。在传送信号f(t)从第一无线通信装置204A传送的情况下,可以根据式(2)描述来自路径k的输出信号rk(t):
其中,αn,k表示沿着路径k的第n个频率分量的衰减因子(或者信道响应;例如由于散射、反射和路径损耗引起),并且φn,k表示沿着路径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可被描述为从所有路径向该无线通信装置的所有输出信号rk(t)的总和,其在式(3)中示出:
将式(2)代入式(3)得到下式(4):
然后,可以分析无线通信装置处的接收信号R。例如,使用快速傅立叶变换(FFT)或另一类型的算法,可以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表示为一系列的n个复数值,其中一个复数值用于相应频率分量(n个频率ωn处)中的各频率分量。对于频率ωn处的频率分量,可以在式(5)中按照如下表示复数值Yn:
给定频率分量ωn的复数值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,由于空间的信道响应αn,k不断变化,因此复数值Yn变化。因此,在信道响应中检测到的变化(以及由此的复数值Yn)可以指示对象在通信信道内的移动。相反,例如在信道响应(或复数值Yn)中没有检测到变化或仅检测到小变化时的稳定的信道响应(或“稳态”)指示缺少移动。因此,在一些实现中,可以分析无线网状网络中的多个装置中的各装置的复数值Yn,以检测在传送信号f(t)所穿过的空间中是否发生了运动或者是否缺少运动。在一些情况下,当检测到缺少运动时,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正在移动。
在图2A和图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)在装置之间进行波束形成,该波束形成可用于生成由传送器装置为了使传送波束/信号在一个或多于一个特定方向上成形所施加的一个或多于一个引导属性(例如,引导矩阵)。因此,在波束形成处理中使用的引导或反馈属性的变化指示在由无线通信系统接入的空间中可能由移动对象引起的改变。例如,可以通过一段时间内的通信信道的显著变化(如由信道响应、或者引导或反馈属性、或者其任意组合所示)来检测运动。
在一些实现中,例如,可以基于由接收器装置(波束形成接收端)基于信道探测提供的反馈矩阵来在传送器装置(波束形成发送端)处生成引导矩阵。由于引导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改变。信道特性的变化相应地反映在这些矩阵中,并且通过分析矩阵,可以检测运动,并且可以确定所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地图。空间地图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,可以使用波束形成矩阵(例如,反馈矩阵或引导矩阵)的“模式”来生成空间地图。空间地图可用于检测空间中的运动的存在或者检测所检测到的运动的地点。
在一些实例中,从无线信号导出的信道信息(例如,如上所述的信道响应信息或波束形成状态信息)可用于计算运动指示值。例如,针对给定时间帧的运动指示值集合可以表示在该时间帧期间通信了无线信号的各个无线链路上检测到的干扰的水平。在一些情况下,例如可以对信道信息滤波或以其它方式修改,以减小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,而较低大小的运动指示值可以表示相对较低水平的干扰。例如,各运动指示值可以是单独标量,并且运动指示值可被归一化(例如,为1(unity)或其它)。
在一些情况下,与时间帧相关联的运动指示值可共同地用于进行总体确定,例如,在该时间帧期间在空间中是否发生了运动,在该时间帧期间在空间中何处发生了运动、等等。例如,针对时间帧的运动共识值可以基于针对该时间帧的运动指示值的全部(或子集)来指示与在空间中是否发生了运动有关的总体确定。在一些情况下,可以通过共同分析针对时间帧的多个运动指示值来做出更准确、可靠或更具鲁棒的确定。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地点确定的准确度。例如,针对各连续时间帧的运动指示值可用于递归地更新表示在空间中的不同地点处检测运动的条件概率的数据集,并且递归地更新的数据集可用于做出与在后续时间帧期间何处发生了运动有关的总体确定。
图3是包括多个无线节点302的示例无线通信网络300的示意图。多个无线节点302可以分别类似于图1和图2A-2B的无线通信装置102、204。在图3中,描绘了标记为N0、N1和N2的三个无线节点302。然而,在无线通信网络300中其它数量的无线节点302也是可以的。此外,其它类型的节点也是可以的。例如,无线通信网络300可以包括一个或多于一个网络服务器、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。这种通信耦接可以使得能够在时间帧内在无线节点302之间交换无线信号。特别地,无线通信信道304使得能够在各对无线节点302之间进行双向通信。这种通信可以同时沿两个方向发生(例如,全双工)或一次仅沿一个方向发生(例如,半双工)。在诸如图3所示等的一些实例中,无线通信信道304通信地耦接多个无线节点302的每对无线节点302。在其它实例中,一对或多于一对无线节点302可能缺少相应的无线通信信道304。
各无线通信信道304包括两个或多于两个无线链路,其针对双向通信中各方向包括至少一个无线链路。在图3中,箭头表示各单独无线链路。箭头被标记为Lij,其中第一个下标i指示传送无线节点并且第二个下标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,并且无线链路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获得与时间帧相关联的运动指示值集合,该运动指示值集合可以包括关于图2A-2B所述的运动检测的处理。该运动指示值集合指示从无线通信网络中的无线链路检测到的运动。各运动指示值与相应的无线链路相关联。可以使用无线通信网络(例如,无线通信网络300)中的一个或多于一个无线链路(例如,图3的一个或多于一个无线链路L01、L10、L02、L20、L12和L21)来检测运动。各个无线链路是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的对组合)之间定义的。
在一些变形例中,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将特有节点标识符指派给无线通信网络300中的各个无线节点302。特有节点标识符可被映射到媒体访问控制(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特有节点标识符:
{N0,N1,N2}→{7f4440,7f4c9e,7f630c}→{0,1,2}
这里,MAC地址值7f4440、7f4c9e和7f630c被映射到各自的特有节点标识符0、1和2。程序指令还可以使得数据处理设备将无线链路经由相应对的MAC地址值与它们的各对无线节点相关联。MAC地址值然后可被映射到特有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可以根据以下被映射到特有链路标识符:
MAC地址值可被从左到右排序,以指示无线链路中的各对传送和接收无线节点。特别地,左MAC地址值可对应于传送无线节点,并且右MAC地址值可对应于接收无线节点。特有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的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得数据处理设备对无线链路(或无线节点302)进行轮询以获得多个无线链路中的各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等的数据结构来报告运动指示值:
在该数据结构中,第一列对应于无线链路的特有链路标识符,并且该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数组、或某种其它类型的数据结构(例如,向量)。尽管数据结构被呈现为针对各运动指示值具有三个有效数字,但对于运动指示值(例如,2、5、9等),其它数量的有效数字也是可以的。
现在参考图4,呈现用于确定由无线通信网络中的一个或多于一个无线链路检测到的运动的地点的示例处理的流程图400。一个或多于一个无线链路可以是由各对无线节点(诸如图3的无线节点302等)定义的多个无线链路的一部分。无线通信网络可以包括数据处理设备(例如,无线节点中的一个或多于一个可以用作数据处理设备)。可选地,数据处理设备可以通过数据连接(例如,无线连接、铜线连接、光纤连接等)通信地耦接到无线通信网络。如线402所示,数据处理设备可以接收与时间帧相关联的数据结构。数据结构402可以将多个无线链路与它们各自针对时间帧的运动指示值映射。多个无线链路可以由数据结构402中的特有链路标识符来表示。然而,其它表示也是可以的。例如,多个无线链路可以由各对特有节点标识符来表示。在一些实例中,数据结构402可以将各个特有链路标识符与相应对的特有节点标识符相关联。
数据处理设备执行程序指令,以从数据结构402生成在时间帧期间在无线通信网络中存在的无线链路。所生成的无线链路和它们各自的运动指示值可以存储在数据处理设备(或运动检测系统)的用作链路字典的第一存储器中。链路字典由图4的框404示出。链路字典404可操作以跟踪在连续时间帧内在无线通信网络中存在的无线链路。例如,当在无线通信网络中观察到新的无线链路时,数据处理设备更新链路字典404以包括该新的无线链路。在另一示例中,当在无线通信网络中不再观察到现有无线链路时,数据处理设备更新链路字典404以移除(在先)现有无线链路。无线链路可在链路字典404中由特有链路标识符、各对特有节点标识符或这两者来表示。然而,其它表示也是可以的。
数据处理设备还执行程序指令,以从数据结构402生成在时间帧期间在无线通信网络中存在的无线节点。特别地,如框406所示,程序指令指导数据处理设备将各所生成的无线链路“拆分”成其各对无线节点的单独无线节点。程序指令还指导数据处理设备通过单独无线节点进行排序或过滤,以识别时间帧期间无线通信网络中的特有无线节点。考虑到单个无线节点可以在两个或多于两个无线链路之间共同地共用,链路字典404单独可能不足以建立无线通信网络的特有无线节点。然后可以将特有无线节点存储在数据处理设备(或运动检测系统)的用作节点字典的第二存储器中。节点字典由图4的框408示出。节点字典408可操作以维持在连续时间帧内在无线通信网络中存在的特有无线节点的列表。特有无线节点可以在节点字典408中由相应的特有节点标识符来表示。然而,其它表示也是可以的。
如框410所示,节点计数器和持久性计算器可以通信地耦接到节点字典408。在许多实例中,节点计数器和持久性计算器410是数据处理设备的一部分。节点计数器和持久性计算器410可操作以跟踪在连续时间帧内在无线通信网络中存在的无线节点,并相应地更新节点字典408。这种跟踪可以包括对一个或多于一个无线节点的出现(或消失)进行定时。例如,当新的无线节点连接到无线通信网络时,节点计数器和持久性计算器410更新节点字典408以包括该新的无线节点。在另一示例中,当无线节点从无线通信网络断开时,节点计数器和持久性计算器410更新节点字典408以移除断开的无线节点。这种更新可以在经过了预定数量的时间帧之后发生,其中在这些时间帧中,无线节点未连接到无线通信网络。
数据处理设备附加地执行程序指令,以改变运动指示值集合的一个或多于大小以使各运动指示值参考无线链路灵敏度的共同标度。更具体地,数据处理设备可以部分地用作链路强度估计器(诸如框412所示等)和链路均衡器(诸如框414所示等)。链路强度估计器412和链路均衡器414从链路字典404接收在时间帧期间在无线通信网络中存在的无线链路的标识以及它们各自的运动指示值。链路均衡器414还从链路强度估计器412接收针对所识别的无线链路中的各无线链路的均衡值。链路强度估计器412和链路均衡器414协作地操作以使各所识别的无线链路的运动指示值参考无线链路灵敏度的共同标度。
在操作中,链路强度估计器412通过确定所识别的无线链路各自的运动指示值的统计属性来估计这些无线链路的链路强度。统计属性可以是最大运动指示值、运动指示值与平均值的偏差、或者标准偏差。其它统计属性也是可以的。在一些实例中,链路强度估计器412跟踪在连续时间帧内一个或多于一个相应运动指示值的统计属性。统计属性可以使得链路强度估计器412能够测量无线链路的激励强度和相应的动态范围。这种测量可以考虑各所识别的无线链路的特有灵敏度。链路强度估计器412将所确定的统计值传递到链路均衡器414,链路均衡器414进而利用这些统计值作为相应运动指示值的均衡值。特别地,链路均衡器414将各所识别的无线链路的运动指示值除以其各自的均衡值(或统计属性),以生成归一化的运动指示值。以这种方式,链路均衡器414“均衡”所识别的无线链路,使得可以独立于灵敏度来比较它们对运动或其它事件的相应响应。
例如,由于运动或另一事件,无线链路的第一子集可能变得强激励并表现出相应高的动态范围(或灵敏度)。由于相同的运动或事件,无线链路的第二子集可能变得弱激励并且表现出相应低的动态范围(或灵敏度)。这种激励和相应的动态范围被反映在由链路强度估计器412和链路均衡器414从链路字典404接收到的运动指示值中。然而,链路强度估计器412和链路均衡器414协同操作以将所接收到的运动指示值归一化到无线链路灵敏度的共同标度。这种归一化确保了多个无线链路内的第一子集和第二子集的无线链路的比较不会使无线链路的第一子集相对于第二子集权重过大。可能的其它益处是归一化。
程序指令可以进一步使得数据处理设备基于无线链路的关联运动指示值相对于运动指示值集合中的其它运动指示值的大小来识别无线链路的子集。特别地,数据处理设备可以从链路均衡器414接收所识别的无线链路和它们各自的归一化运动指示值,并将该数据存储在与似然计算器(诸如框416所示等)相关联的存储器中。作为该操作的一部分,数据处理设备还可以从节点字典408接收特有无线节点的列表,并将该列表存储在与似然计算器416相关联的存储器中。数据处理设备可以部分地用作似然计算器416。
似然计算器416基于无线链路各自的归一化运动指示值相对于其它归一化运动指示值的大小来识别无线链路的子集。为此,似然计算器416可以通过从链路均衡器414接收到的归一化运动指示值进行排序或过滤,以识别无线链路的子集。例如,似然计算器416可以根据大小对存储器中所存储的数据进行排序以确定最高归一化运动指示值,由此生成具有单个无线链路的无线链路的子集。在另一示例中,似然计算器416可以根据大小对存储器中的数据进行排序以确定三个最高归一化运动指示值,由此生成具有三个无线链路的无线链路的子集。对于无线链路的子集,其它数量的无线链路也是可以的。
似然计算器416还生成针对在时间帧期间连接到无线通信网络的无线节点的计数值。针对各无线节点的计数值指示在无线链路的子集中有多少个无线链路是由无线节点定义的。例如,并且参考图3,似然计算器416可以基于三个最高归一化运动指示值来识别无线链路的子集:
如以下所示,特有链路标识符3、4和5对应于无线节点N0、N1和N2:
这里,无线节点N0帮助定义无线链路的子集中的一个无线链路,即N2→N0。类似地,无线节点N1帮助定义无线链路的子集中的两个无线链路,即N1→N2和N2→N1,并且无线节点N2帮助定义无线链路的子集中的三个无线链路,即N1→N2、N2→N0和N2→N1。因此,似然计算器416针对各个无线节点N0、N1和N2生成计数值1、2和3。在本示例中,无线通信网络的所有无线节点帮助定义无线链路的子集的无线链路。然而,对于不帮助定义无线链路的子集的无线链路的无线节点,似然计算器416可以生成计数值0。在一些实例中,似然计算器416生成将在时间帧期间连接到无线通信网络的各无线节点与其各自的计数值相关联的计数值数据结构。对于本示例,似然计算器416可以生成以下的计数值数据结构:
尽管计数值数据结构中的无线节点由标记Ni(其中i表示无线节点的编号)表示,但其它表示(例如,部分MAC地址)也是可以的。
似然计算器416进一步基于包括针对在时间帧期间连接到无线通信网络的各无线节点的值的计数值来生成概率向量。各所连接的无线节点的值表示在时间帧期间在所连接的无线节点处的运动的概率。特别地,这些值可以表示相应无线节点处(或接近相应无线节点处)的运动诱导沿着特定无线链路的链路活动的概率。在一些实例中,这些值共计为1。在这些实例中,这些值可以是概率值。如图4所示,似然计算器416将所生成的概率向量传递到贝叶斯更新引擎。
在一些实例中,各所连接的无线节点的值是从链路似然图指派的似然值。似然值可能不需要共计为1。链路似然图将似然值与各个大小的计数值相关联。似然值及其关联可以是预先确定的,并且可以进一步存储在似然计算器416(或数据处理设备)的存储器中。例如,如果无线节点在无线链路的子集中被强烈地表示,则由无线通信网络检测到的运动位于无线节点处或附近的概率将相对较高。因此,链路似然图可以将高似然值与成比例地高的计数值相关联。然而,似然值和计数值的其它关联也是可以的。
在一些变形例中,概率向量由概率向量P(Lj|Ni)表示,该概率向量P(Lj|Ni)包括基于链路似然图的概率值。概率值对应于无线链路Lj表现出考虑到无线节点Ni处的运动的链路活动的概率。例如,并且参考图3,似然计算器416可以生成仅包括具有特有链路标识符“1”的无线链路L02的无线链路的子集。因此,P(Lj|Ni)=P(1|Ni)={P(1|0),P(1|1),P(1|2)}。这里,P(1|0)对应于无线节点0处的运动诱导沿着无线链路1的链路活动的概率,P(1|1)对应于无线节点1处的运动诱导沿着无线链路1的链路活动的概率,并且P(1|2)对应于无线节点2处的运动诱导沿着无线链路1的链路活动的概率。这些概率值可以是从链路似然图的似然值生成的。例如,似然计算器416可以基于相应的计数值为无线节点0、1和2各自指派似然值。然后,似然计算器416可以将所指派的似然值归一化为1,由此针对各无线节点生成相应的概率值。
图5A示出似然计算器基于多个无线链路来生成概率向量的示例处理的流程图。图5A描绘似然计算器考虑三个无线链路。然而,其它数量的无线链路也是可以的。为了考虑多个无线链路,似然计算器除了依赖于最高运动指示值之外还依赖于运动指示值。该处理从直觉上有道理。如果在无线节点附近发生干扰,则该干扰有可能影响与该无线节点相关联的所有无线链路。似然计算器可以接受所有被激励的无线链路并检查这些被激励的无线链路中的特定无线节点的出现频率。在该实例中,运动最有可能在最常见的无线节点处发生。似然计算器采用M个最高激励的无线链路(例如,M=3),并将这些无线链路传递到数学函数。数学函数拆分各无线链路以创建一组元组,然后确定该给定一组元组中的各无线节点的频率。数学函数还将各无线节点的如此得到的频率通过链路似然图映射到似然值。然后针对贝叶斯更新引擎输出概率向量。
图5B示出用于使用似然计算器来生成概率向量的示例数学函数。图5B示出由图5A中的似然计算器所利用的多链路似然处理,并且更详细地拆分和解释示例数学函数。将来自某个时刻的无线链路称为Lt,并且用激励等级表示的无线链路数由m给出。似然计算器接受来自无线链路向量的M个被激励的无线链路,并且使用表示为a→b的一个无线链路来创建节点集合{a}和{b},并对所有M个被激励的无线链路进行该集合的求并(union)。然后,变量j通过取入各元素并将其与由i表示的给定元素进行比较来扫过该并集,其中i被扫过节点字典。该比较产生1或0,其中针对字典中的j的所有值将该1或0相加在一起。求和得到无线通信网络中存在的各无线节点的计数。LLmap函数接收某个节点及其相应的计数,并且作为响应,输出每个计数的似然值。计数越高,无线节点处的运动的似然值越高。
现在返回参考图4,数据处理设备还执行程序指令,以将在时间帧期间在无线通信网络中存在的特有无线节点的列表从节点字典408传递到概率映射器/再分配器。数据处理设备可以部分地用作诸如框418所示等的概率映射器/再分配器。作为该操作的一部分,数据处理设备可以接收在时间帧之前生成的概率向量(例如,先验概率向量)。概率映射器/再分配器418可操作以确定时间帧之间(诸如在先时间帧和后续时间帧之间等)的无线连接的变化。无线连接的变化可以包括以下项中的一个或两个:[1]在先时间帧和后续时间帧之间已连接到无线通信网络的无线节点;以及[2]在先时间帧和后续时间帧之间已从无线通信网络断开的无线节点。为了确定无线连接的变化,概率映射器/再分配器418可以将时间帧中的特有无线节点的列表与在时间帧之前生成的概率向量中所表示的无线节点进行比较。
概率映射器/再分配器418还可操作,以通过基于无线连接的变化改变先验概率向量的值来生成多个初始化概率向量420中的初始化概率向量。例如,无线连接的变化可以包括在先时间帧和后续时间帧之间已从无线通信网络断开的无线节点。在这种情况下,概率映射器/再分配器418可以通过将与已断开的无线节点相关联的先验概率向量的值分配到保持连接到无线通信网络的无线节点的值来生成初始化概率向量。这种分配可以以由其余无线节点的值所定义的比发生。然而,其它分配计划也是可以的。在另一示例中,无线连接的变化可以包括在先时间帧和后续时间帧之间已从无线通信网络连接的无线节点。在这种情况下,概率映射器/再分配器418通过向新连接的无线节点的先验概率向量添加值来生成初始化概率向量。
概率映射器/再分配器418可操作,以生成与重置状态相对应的其它类型的初始化概率向量。例如,如果无线通信网络(或运动检测系统)冷启动,则概率映射器/再分配器418可以通过向节点字典408中列出的所有特有无线节点指派相等的概率值来生成初始化概率向量。在另一示例中,如果无线通信网络(或运动检测系统)热启动,则概率映射器/再分配器418可以基于与最后检测到运动时的时间帧相对应的概率值来生成初始化概率向量。在又一示例中,如果无线通信网络(或运动检测系统)可操作但稍后被重置,则概率映射器/再分配器418可以利用先验概率向量作为初始化概率向量。在又一示例中,如果用户(例如,通过移动软件应用)向无线通信网络(或运动检测系统)通知他/她正要离开被监视的住宅,则概率映射器/再分配器418可以生成具有朝向入口点(例如,前门)处的无线节点偏置的概率值的初始化概率向量。
概率映射器/再分配器418将多个初始化概率向量420传递到多路复用器(或mux),该多路复用器(或mux)也从运动模型接收先验概率向量。数据处理设备可以部分地用作多路复用器(诸如框422所示等)。多路复用器422可操作,以基于运动指示值集合、无线通信网络的配置或这两者来选择多个初始化概率向量其中之一或先验概率向量。然后,如图4所示,所选择的概率向量被传递到贝叶斯更新引擎。为了确定选择哪个概率向量,多路复用器422从运动持久性计算器(如框424所示)接收控制输入。运动持久性计算器424接收包括运动指示值集合的数据结构402,并且还接收无线通信网络426的配置。基于这些输入,运动持久性计算器424生成控制信号,该控制信号在由多路复用器422接收到时,选择将多个初始化概率向量其中之一和先验概率向量中的哪个传递到贝叶斯更新引擎。如果通过无线通信网络(或运动检测系统)连续地检测到运动,则运动持久性计算器424可以保持将先验概率向量传递通过多路复用器422。相反,如果在不存在的一段时间之后检测到运动,则运动持久性计算器424可以将与重置状态相对应的初始化概率向量传递通过多路复用器422。数据处理设备也可以部分地用作运动持久性计算器424。
在一些实现中,数据处理设备使用所选择的概率向量和与第二后续时间帧相关联的运动指示值集合来识别与在该后续时间帧期间发生的运动相关联的地点。特别地,执行程序指令,以根据从似然计算器416接收到的第一概率向量和从多路复用器422接收到的第二概率向量来生成包括针对各无线节点的第三值的第三概率向量。特别地,如框428所示,贝叶斯更新引擎生成第三概率向量。第三概率向量的第三值表示时间帧期间在各个无线节点处的运动的概率。
在一些变形例中,第二概率向量由概率向量P(Ni)表示,该概率向量P(Ni)包括表示无线节点Ni处的运动的概率的概率值(或第二值)。针对P(Ni)的无线节点Ni处的运动的概率独立于沿着无线链路Lj中的任何无线链路的链路活动,并且也可以独立于其它因素。例如,并且参考图3,程序指令可以使得数据处理设备根据P(Ni)={P(0),P(1),P(2)}来定义P(Ni)。这里,P(Ni)的概率值为P(0)、P(1)和P(2),其分别对应于无线节点0、1和2处(或者接近无线节点0、1和2)的运动的概率。
在一些变形例中,第三概率向量由P(Ni|Lj)表示,其中Ni对应于特有节点标识符,并且Lj对应于特有链路标识符。考虑到沿着无线链路Lj的链路活动,第三概率向量P(Ni|Lj)包括表示无线节点Ni处的运动的概率的第三值。例如,如果Lj对应于图3的无线通信网络300中的无线链路1,则各个第三值可以由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)对应于沿着无线链路1的链路活动由无线节点0处的运动产生的概率,P(1|1)对应于沿着无线链路1的链路活动由无线节点1处的运动产生的概率,并且P(2|1)对应于沿着无线链路1的链路活动由无线节点2处的运动产生的概率。
第三概率向量由P(Ni|Lj)可以由贝叶斯更新引擎428根据式(1)来确定:
其中:P(Lj|Ni)和P(Ni)如上所述分别用于来自似然计算器416的第一概率向量和来自多路复用器422的第二概率向量。式(1)可以使得无线通信网络300(或数据处理设备)能够使用贝叶斯统计来确定所检测到的运动的地点。例如,如果在图3的无线通信网络300中无线链路的子集仅包括无线链路1、并且基于链路似然图得到P(1|Ni)={1,0.2,0.9},则程序指令可以使得数据处理设备根据以下计算第三概率向量P(Ni|1):
这样的计算得到P(Ni|1)={0.476,0.095,0.429},其中第三值共计为1,即0.476+0.095+0.429=1。因此,P(Ni|1)可以表示归一化为1的概率分布。在P(Ni|1)中,P(0|1)对应于第三值中的最大值,其指示由无线通信网络300沿着无线链路1检测到的运动位于(或接近)无线节点0的概率最高。基于该值P(0|1),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7f4440)。
在一些实现中,数据处理设备对连续时间帧进行迭代处理。例如,数据处理设备可以针对各个时间帧通过多次迭代重复以下操作:获得与后续时间帧相关联的运动指示值集合;基于无线链路的关联运动指示值相对于运动指示值集合中的其它运动指示值的大小来识别无线链路的子集;生成针对后续时间帧期间连接到无线通信网络的无线节点的计数值;基于计数值来生成第一概率向量并且包括所连接的无线节点的值。在一些实现中,所重复的操作包括:获得与在先时间帧相关联的运动指示值集合;生成与在先时间帧相关联的先验概率向量;通过选择多个初始化概率向量其中之一或先验概率向量来生成第二概率向量。
在一些实现中,所重复的操作可以包括:基于第一概率向量的第一值和第二概率向量的第二值来生成第三概率向量;识别与第三值中的最高值相关联的无线通信装置;以及通过数据处理设备的操作,将与所识别的无线通信装置相关联的地点识别为从后续时间帧期间交换的无线信号所检测到的运动的地点。
贝叶斯更新引擎428的输出可被馈送到运动模型以生成先验概率向量(或第二概率向量),该先验概率向量被传递到概率映射器/再分配器418和多路复用器422。数据处理设备可以部分地用作运动模型(如框430所示)。运动模型430可以类似于在网格上计算概率来操作。图6呈现使用三个无线节点的网格表示的示例运动模型的示意图。在每个时刻t,运动可能存在于可用无线节点中的任意无线节点处。从时间t到时间t+1(在图6中分别示出为t1和t2),运动可以保持在同一无线节点处,或者转移到任何其它无线节点。为了确定时间步长t+1处的运动,将在时间步长t中在任何无线节点上存在的运动的概率聚合,其可以包括矩阵向量计算。现在在时间步长t+1中在n1处发生运动的概率由如下运动的概率给出,该运动过去在n1处发生并且停留在n1处,过去在n2处发生并且移动到n1,或者过去在n3处发生并且移动到n1。换句话说,在时间步长t+1在n1处的运动可以由点积表示。在任何时间针对所有三个节点的整体运算可以通过所示的矩阵向量计算来表示。矩阵的各条目是从在Nx处发生转移到Ny的运动的转移概率。
图7呈现在确定由无线通信网络中的三个无线链路检测到的运动的地点时的概率的示例流程的示意图。在最左侧是初始概率向量,该初始概率向量将运动的相等概率指派给无线通信网络中的所有无线节点。在左上方的插图中,轴上的各脉冲将被读取为x轴上在节点Nx处发生运动的概率。在最右侧,接收到运动指示值,这些运动指示值指定无线链路上的激励量。这些值被转换成似然函数,该似然函数确定各无线节点触发所观察到的链路行为的可能性。在中间右侧的插图中,链路激励似然图在x轴上并且针对所有可能的无线节点呈现似然向量的标绘图。使用贝叶斯公式,将似然向量和初始概率向量相乘,并将如此得到的乘积除以通过在所有无线节点上进行边缘化所获得的归一化常数。该计算考虑到时间步长t+1处的链路信息来提供无线节点处的运动的概率。该概率用于形成何处最有可能发生运动的决定。将输出概率作为新概率指派给节点运动概率向量,然后传播通过运动模型,从而为循环的下一次迭代做准备。运动模型的工作是基于在任何时刻从Nx向Ny进行转移的转移概率的信息而将这些概率传播到下一个时间步长中。
在一些实现中,无线通信网络可以包括网络拓扑结构、运动拓扑结构或两者。网络拓扑结构由无线通信网络中的在时间帧内活动的无线链路定义。这种活动可以在时间帧中由与活动无线链路相关联的两个无线节点之间的数据交换表示。因此,网络拓扑结构包括与活动无线链路相关联的无线节点。通过比较,运动拓扑结构由网络拓扑结构中的在时间帧内通过对象的运动所激励的活动无线链路定义。运动拓扑结构包括与激励的无线链路相关联的无线节点以及这些无线节点的连接状态。连接状态由诸如通过各个无线通信信道等连接到感兴趣的无线节点的多个无线节点定义。连接状态的示例包括单连接、双连接、三连接等。
例如,图8呈现图3的示例无线通信网络300的示意图,但是其中对象的运动激励四个无线链路。对象的运动可以在某个时间帧期间发生。图3和图8两者共同的特征经由增量相差500的协调数字相关。示例无线通信网络800的网络拓扑结构由无线节点N0、N1和N2以及无线链路L01、L10、L02、L20、L12和L21定义。虚线箭头806指示对象在无线节点N0附近的运动,其激励无线链路L01、L10、L02和L20。无线链路L01、L10、L02和L20的激励状态在图8中由虚线箭头表示。
激励的无线链路是无线节点N0与无线节点N1和N2之间的无线通信信道804的一部分,并且用作定义运动拓扑结构的基础。特别地,示例无线通信网络800的运动拓扑结构由无线节点N0、N1和N2以及激励的无线链路L01、L10、L02和L20定义。运动拓扑结构不包括无线链路L12和L21,这些无线链路L12和L21不通过对象的运动激励。在运动拓扑结构中存在两个无线通信信道804,即,一个在无线节点N0和N1之间延伸,并且一个在无线节点N1和N2之间延伸。因此,无线节点N0无线地连接到另外两个节点并且具有双连接的连接状态。类似地,无线节点N1和N2各自连接到另一个节点,并且具有(在运动拓扑结构中)单连接的相应连接状态。尽管在单个时间帧的上下文中呈现图8,但是示例通信网络800的网络拓扑结构和运动拓扑结构其中之一或两者可以在时间帧的多个迭代中变化。
在一些变形例中,无线通信网络800对应于无线网状网络,并且无线节点N0、N1和N2对应于无线网状网络的接入点(AP)节点。接入点节点可以基于在接入点节点中的各对接入点节点之间诸如沿着无线通信信道804的无线链路L01、L10、L02、L20、L12或L21等传送的无线信号来生成运动感测数据。可以响应于无线信号所穿过的空间中的对象的运动(例如,如虚线箭头806所示)来生成运动感测数据。然而,也可以在不存在这种运动的情况下生成运动感测数据。
现在返回参考图4,似然计算器416基于针对在时间帧期间连接到无线通信网络的各无线节点的计数值来生成针对贝叶斯更新引擎428的概率向量。图9呈现用于基于无线通信网络的运动拓扑结构来确定运动的地点的示例处理的流程图900。流程图900可以表示关于图4描述的流程图400的可选部分,并且可以对应于无线通信网络的数据处理设备所要执行的程序指令。在示例处理开始时,数据处理设备可以从节点字典(例如,图4的节点字典408)接收在时间帧期间存在于无线通信网络中的特有无线节点的列表。数据处理设备还可以从链路均衡器(例如,图4的链路均衡器414)接收在时间帧期间被识别为存在于无线通信网络中的无线链路的列表。所识别的无线链路的列表包括针对各无线链路的归一化运动指示值。特有无线节点的列表和所识别的无线链路的列表可以存储在数据库中并且用于定义无线通信网络的网络拓扑结构。
如框902所示,数据处理设备可以部分地用作似然计算器。在该能力中,数据处理设备可以响应于接收特有无线节点的列表和所识别的无线链路的列表而生成概率向量。如先前关于图4的似然计算器414所述,概率向量是基于针对特有无线节点列表中的各特有无线节点的计数值。如框904所示,数据处理设备还可以部分地用作链路聚合器/过滤器。链路聚合器/过滤器904接收特有无线节点的列表和所识别的无线链路的列表,并且使用后者判断在时间帧期间通过运动激励了哪些无线链路。在一些实例中,链路聚合器/过滤器904使用最小激励(或干扰)阈值来进行该判断。链路聚合器/过滤器904然后编译激励无线链路的列表。
如框906所示,数据处理设备可以另外部分地用作节点加标签器。节点加标签器906从链路聚合器/过滤器904接收激励无线链路的列表,并且针对列表中的各激励无线链路,确定定义激励无线链路的无线节点。针对如此确定的各特有无线节点,节点加标签器906生成概率向量,该概率向量包括针对所确定的无线节点的各可能连接状态的概率值。可能连接状态的示例包括单连接、双连接、三连接等。节点加标签器906然后向所确定的各无线节点指派“标签”,指示所确定的无线节点在时间帧期间的连接状态。在这样做时,节点加标签器906可以针对时间帧生成所确定的无线节点及其各自的“标签”的列表。在许多实例中,指派给所确定的无线节点的“标签”对应于概率向量中具有最高概率的连接状态。
在一些实现中,在已经指派“标签”之后,节点加标签器906在时间帧期间解析无线通信网络的运动拓扑结构(或运动感测拓扑结构)。为此,节点加标签器906可以使用指派给所确定的各无线节点的“标签”和无线通信网络的网络拓扑结构。运动拓扑结构可以存储在运动拓扑结构数据库中,该运动拓扑结构数据库包括所激励的无线链路的标识、所确定的无线节点的标识以及所确定的各无线节点的“标签”。
在一些实现中,节点加标签器906可以重复用于确定无线节点、生成概率向量、以及指派“标签”以更新与所确定的各无线节点相关联的“标签”的操作。这种重复可以使得节点加标签器906能够生成并维护“标签”数据库,该“标签”数据库包括无线通信网络中的所有无线节点、其各自的概率向量以及其各自的“标签”。“标签”数据库中的“标签”可以随着概率向量变化(例如,随着无线链路的子集响应于对象的运动在连续时间帧内被激励)而更新。
节点加标签器906将所确定的无线节点的列表及其各自的“标签”传递给如框908所示的自适应调制器。自适应调制器908还从似然计算器902接收计数值数据结构。计数值数据结构将在时间帧期间连接到无线通信网络的各无线节点与计数值相关联。计数值指示无线节点定义了多少个激励无线链路。自适应调制器908然后将所确定的无线节点的计数值与同指派给无线节点的“标签”相关联的阈值计数值进行比较。如果计数值小于阈值计数值,则从计数值数据结构中移除无线节点。阈值计数值可以表示将连接状态视为参与运动检测所必需的激励无线链路的最小数量。自适应调制器908针对所确定的各无线节点重复该比较以生成修改后的计数值数据结构。然后将修改后的计数值数据结构传回至似然计算器908,该似然计算器908使用修改后的计数值数据结构来生成针对贝叶斯更新引擎(例如,图4的贝叶斯更新引擎428)的概率向量。以这种方式,自适应调制器908基于无线通信网络的运动拓扑结构(或运动感测拓扑结构)来更新计数值数据结构。在许多实现中,在连续的时间帧内自适应地更新计数值数据结构。
在一些实现中,数据处理设备执行程序指令以基于可变时间帧中的运动拓扑结构来修改计数值数据结构。可变时间帧的持续时间可被改变以适应运动激励无线通信网络中的无线链路所花费的时间长度。例如,如果图8的无线节点N1和N2相隔大的距离,则无线节点N0附近的运动806可能花费较长时间以从无线链路L20和L02移动到无线链路L01和L10(例如,由于较大的角距离)。如果时间帧的持续时间没有增加成包含更长时间,则运动拓扑结构仅基于无线链路L20和L02,并且来自似然计算器的概率向量不准确地在无线节点N0和N2之间均等地加权运动806的地点。增加时间帧以包含更长时间允许概率向量更准确地加权朝向无线节点N0的运动806的地点。
图10呈现用于使用基于可变时间帧的运动拓扑结构来确定运动的地点的示例处理的流程图1000。流程图1000可以表示关于图4描述的流程图400的可选部分,并且可以对应于无线通信网络的数据处理设备所要执行的程序指令。在示例处理开始时,数据处理设备可以从节点字典(例如,图4的节点字典408)接收在时间帧期间存在于无线通信网络中的特有无线节点的列表。数据处理设备还可以从链路均衡器(例如,图4的链路均衡器414)接收在时间帧期间被识别为存在于无线通信网络中的无线链路的列表。所识别的无线链路的列表包括针对各无线链路的归一化运动指示值。特有无线节点的列表和所识别的无线链路的列表可以存储在数据库中并且用于定义无线通信网络的网络拓扑结构。
流程图1000包括与已经关于图9的流程图900描述的特征类似的特征。然而,流程图900包括允许数据处理设备使用基于可变时间帧的运动拓扑结构来确定运动的地点的附加特征(或程序指令)。特别地,数据处理设备可以执行程序指令以部分地用作如框1010所示的自适应滞后链路聚合器。自适应滞后链路聚合器1010接收特有无线节点的列表和所识别的无线链路的列表,并且使用后者判断在可变时间帧t±τ期间通过运动激励了哪些无线链路。在这样做时,自适应滞后链路聚合器1010生成激励无线链路的列表,该列表包括每当激励无线链路在可变时间帧中被激励时的激励无线链路的一个实例。如果实例的数量超过阈值数量,则实例的数量被设置为等于阈值数量。
自适应滞后链路聚合器1010还基于激励无线链路的列表来确定针对各特有无线节点的计数值。计数值指示特有无线节点定义了多少个激励无线链路(包括其实例)。使用计数值,自适应滞后链路聚合器1010生成将各特有无线节点与计数值相关联的适配的计数值数据结构。自适应滞后链路聚合器1010将适配的计数值数据结构传递给如框1004所示的具有滞后的链路聚合器/过滤器。自适应滞后链路聚合器1010还将激励无线链路的列表传递给如框1006所示的节点加标签器。具有滞后的链路聚合器/过滤器1004和节点加标签器1006可以类似于关于图9描述的链路聚合器/过滤器904和节点加标签器906进行操作。
在许多实现中,自适应滞后链路聚合器1010构建延迟线。延迟线不仅跟踪瞬时激励链路向量,还跟踪最后激励链路向量的数量(N)。延迟线允许数据处理设备捕获(例如,由于病理学)未被一起触发或激励的一对无线链路,并且使得它们能够在相同的时间帧中聚合。这种聚合允许属于一个无线节点的无线链路出现在同一缓冲器中,同时指向无线节点的“真实”运动拓扑结构。聚合还可以辅助节点加标签器1006准确地指派“标签”。根据情况,聚合可以使用许多不同的处理进行。例如,自适应滞后链路聚合器1010可以确定N元素缓冲器中的所有特有无线链路,然后基于所有特有无线链路形成输出。在另一示例中,自适应滞后链路聚合器1010可以在缓冲器中使用三个最经常激励的无线链路。处理的其它示例是可能的。然而,一般而言,可以采用聚合处理来将激励无线链路的更微妙版本馈送到节点加标签器1006。
延迟线还可适用于计算似然性,例如以允许运动激励连接到无线节点的所有相关无线链路。似然计算器1002还需要无线节点在激励无线链路中出现的频率,以计算在无线节点处的运动的似然。可以以与上述相同的方式进行该聚合。可选地,可以选择不同的标准,尽管是沿着相同的条线形成的。在图10中,自适应滞后链路聚合器1010和具有滞后的链路聚合器/过滤器1004被示出为两个不同的框,其中一个被复制到另一个中。这些功能单元可以是彼此的镜像,或者它们可以稍微不同,这取决于通过设计(例如,在程序指令中)所选择的优化。例如,在后一可选方案中,诸如对于具有滞后的链路聚合器/过滤器1004,设计者可以将无线链路激励的两个实例而不是仅唯一实例用于聚合。如果无线链路的子集被聚合,则该聚合可以向无线通信网络中的一个或多于一个特定无线节点强调似然函数(或无线节点出现的频率)。对于由贝叶斯更新引擎进行的贝叶斯推断,这种偏差可以具有有利的收敛结果。
数据处理设备还可以部分地用作如框1012所示的拓扑结构不一致性计算器。拓扑结构不一致性计算器1012跟踪随时间推移的可变时间帧的持续时间以消除无线通信网络的运动拓扑结构和网络拓扑结构之间的不一致性。特别地,拓扑结构不一致性计算器1012在可变时间帧期间比较运动拓扑结构和网络拓扑结构以确定连接性差。从节点加标签器1006接收运动拓扑结构,并且在一些实例中,运动拓扑结构包括运动拓扑结构数据库。如果连接性差大于阈值差,则拓扑结构不一致性计算器1012向自适应滞后链路聚合器1010发送信号以增加可变时间帧的持续时间。信号可以指定增量值,其在图10中表示为τ。在许多实例中,拓扑结构不一致性计算器1012向自适应滞后链路聚合器1010重复发送信号以迭代地增加可变时间帧的持续时间(例如,迭代地增加τ的大小),直到连接性差等于或小于阈值差为止。可变时间帧的持续时间可以具有最大持续时间,在该最大持续时间时,拓扑结构不一致性计算器1012停止向自适应滞后链路聚合器1010发送信号。在一些实现中,如果连接性差等于或小于阈值差,则拓扑结构不一致性计算器1012向自适应滞后链路聚合器1010发送信号以减小可变时间帧的持续时间。信号可以指定减量值(例如,τ)。应当理解,通过控制自适应滞后链路聚合器1010所使用的可变时间帧,拓扑结构不一致性计算器1012允许数据处理设备自适应地调整到运动激励无线通信网络中的无线链路所花费的时间长度。
在许多变形例中,可以使用基于运动和网络拓扑结构中的无线节点的连接状态的度量(例如,概率值)来确定连接性差。例如,可以基于无线节点在运动拓扑结构中处于双连接状态的概率与无线节点在网络拓扑结构中处于双连接状态的概率来确定连接性差。后一值可以根据在流程图1000的输入处可用的观察链路向量来计算。观察链路向量指示无线通信网络中的哪些无线链路正在报告其运动指示。如果在该报告向量中无线节点经常以双连接状态出现(例如,所有四个无线链路连接到该无线节点并且始终存在),则无线节点在网络拓扑结构中处于双连接的概率较高。相比之下,无线节点在运动拓扑结构中处于双连接的概率是基于激励无线链路,而不是报告无线链路。如果无线节点连接到所有四个无线链路,并且所有这四个无线链路同时且经常被激励,则无线节点在运动拓扑结构中处于双连接的概率高。
图11以曲线图呈现用于确定无线节点在运动拓扑结构中处于双连接状态的概率的示例公式。示例公式对应于示出如何填充针对无线节点的“标签”的计算。这种填充是基于在与无线节点相关联的运动事件期间扰动了多少个激励无线链路。示例度量可以与该公式相关联,更具体地为通过将第一概率(Pr1)与第二概率(Pr2)相除而计算出的比(即,Pr1/Pr2)。第一概率表示无线节点在运动拓扑结构中处于双连接的概率,第二概率表示无线节点在网络拓扑结构中处于双连接的概率。针对无线通信网络中的所有无线节点,可以诸如通过针对所有无线节点进行相乘或者针对所有无线节点进行相加等来确定和聚合示例度量。如果该度量等于1,则第一概率和第二概率一致,并且拓扑结构不一致性计算器1012不需要增加可变时间帧的持续时间。(或者可选地,不需要其它处理来使其对齐。)如果度量小于1,则第一概率较低,并且需要增强以使两个概率对齐(例如,增加可变时间帧的持续时间)。
在一些实现中,用于确定运动的地点的方法包括从无线网状网络的接入点(AP)节点获得运动感测数据。运动感测数据是基于在AP节点中的各对AP节点之间传送的无线信号。在一些实例中,运动感测数据包括运动指示值,运动指示值可以根据从无线信号导出的信道信息来计算。然而,运动感测数据可以包括其它类型的数据,诸如在时间帧期间特有无线节点的列表和在时间帧期间被识别为存在于无线网状网络中的无线链路的列表等。
方法还包括识别无线网状网络的运动感测拓扑结构(或运动拓扑结构)。基于指派给各个AP节点的标签来识别运动感测拓扑结构。各标签指示相应AP节点的连接状态。方法另外包括基于运动感测数据和运动感测拓扑结构来生成概率向量。概率向量包括表示各个AP节点处的对象的运动的概率的值。在许多实例中,概率的生成通过数据处理设备的操作进行,其中数据处理设备执行与图4、9和10中描绘的流程图中的一个或多于一个流程图相对应的程序指令。基于概率向量确定对象的运动的地点。在许多实现中,方法包括在各个时间帧的多个迭代中重复以下操作:获得运动感测数据、识别运动感测拓扑结构、生成概率向量以及确定运动的地点。
在一些实现中,生成概率向量包括基于运动感测数据生成计数值数据结构。计数值数据结构包括相应AP的计数值。各计数值指示由相应AP节点定义的无线链路的数量,这些无线链路是根据运动感测数据通过运动所激励的。生成概率向量还包括基于运动感测拓扑结构来修改计数值数据结构以及基于修改后的计数值数据结构来生成概率向量。在进一步实现中,识别运动感测拓扑结构包括:基于运动感测数据识别通过运动所激励的无线链路,并生成各个AP节点的状态概率向量。各状态概率向量包括针对相应AP节点的连接状态的值,针对各连接状态的值表示AP节点处于连接状态的概率。识别运动感测拓扑结构还包括基于各个状态概率向量向AP节点指派标签。
状态概率向量的值可以包括第一概率值和第二概率值。例如,第一概率值可以表示AP节点处于单连接状态的概率,并且第二概率向量可以表示AP节点处于双连接状态的概率。状态概率向量的值还可以包括表示AP节点处于三重连接状态的概率的第三概率值。其它概率值和相应连接状态是可能的。在许多实现中,指派给各相应AP节点的标签指示与针对相应节点的状态概率向量中的最高概率值相关联的连接状态。
在生成概率向量包括修改计数值数据结构的实现中,这种修改可以包括将针对第一AP节点的计数值与阈值计数值进行比较,并且在计数值小于阈值计数值的情况下从计数值数据结构中移除第一AP节点。阈值计数值与指派给第一AP节点的标签相关联,并且可以表示将连接状态视为参与运动检测所必需的激励无线链路的最小数量。
在生成概率向量包括生成计数值数据结构的实现中,这种生成可以包括生成无线网状网络中的无线链路列表,这些无线链路是根据运动感测数据通过运动所激励的。生成还可以包括针对各实例来生成AP节点的列表,该列表
包括AP节点的实例,在无线链路的列表中,无线链路由AP节点定义。生成
可以附加地包括将针对各个AP节点的计数值设置为等于相应AP节点在AP节点的列表中出现的次数。
在一些实现中,识别运动感测拓扑结构包括基于在第一时间持续时间内收集到的数据来识别第一估计运动感测拓扑结构和网络拓扑结构之间的差异。识别运动感测拓扑结构还包括基于在更长的第二持续时间内收集到的数据来识别第二估计运动感测拓扑结构与网络拓扑结构之间的匹配。然后选择第二估计运动感测拓扑结构作为运动感测拓扑结构。
在一些实现中,除了AP节点之外,无线网状网络还包括一个或多于一个叶节点。在这些实现中,确定运动的地点包括将AP节点中的一个AP节点或叶节点中的一个叶节点识别为运动的地点。在一些实现中,运动感测数据是基于在第一时间帧期间在AP节点中的各对AP节点之间传送的无线信号,并且概率向量包括表示第一时间帧的第一概率向量。在这样的实现中,确定运动的地点包括使用贝叶斯计算器基于第一概率向量和表示先前时间帧的先前概率向量来确定运动的地点。
上述方法及其变形例可以使用包括无线网状网络及其AP节点(或叶节点,如果存在的话)、一个或多于一个处理器、以及存储指令的存储器的系统来实现,其中指令在由一个或多于一个处理器执行时使系统进行该方法及其变形例的操作。上述方法及其变形例还可以作为指令存储在非暂时性计算机可读介质上。指令在由数据处理设备执行时使数据处理设备进行该方法及其变形例的操作。
应当理解,无线通信网络可以再配置其拓扑结构以改进网络性能,诸如增加吞吐量或减少无线节点(或连接到无线节点的叶节点)之间的延时。这种再配置可以导致无线通信网络在不同时间帧具有不同拓扑结构。在一些实现中,数据处理设备执行程序指令以基于在不同时间帧(诸如在后续时间帧和先前时间帧)期间收集到的运动指示值来确定运动的地点。后续时间帧和先前时间帧对应于不同的拓扑结构,并且可以允许数据处理设备比在仅从后续时间帧使用运动指示值的情况下更准确地确定运动的地点。
例如,图12A和图12B分别呈现在后续时间帧和先前时间帧中具有不同网络拓扑结构的示例无线通信网络1200的示意图。示例无线通信网络1200包括标记为N0、N1和N2的三个无线节点1202。无线节点N0和N1被配置成邻近物理屏障1204(例如,墙),并且无线节点N2配置成距物理屏障1204一定距离。虚线箭头1206指示主要位于无线节点N0附近的对象的运动。通过物理屏障1204限制对象移动到无线节点N0和N1之间的空间中。因此,无线链路L01和L10保持不被对象的运动1206激励。数据处理设备(或节点加标签器)因此不能建立无线节点N0处于双连接的运动拓扑结构。作为替代,运动拓扑结构是基于无线链路L20和L02,并且无线节点N0和N2被指派有指示其连接状态为单连接的“标签”。然后,所得到的概率向量不准确地在无线节点N0和N2之间均等地加权运动的地点,尽管运动1206主要位于无线节点N0附近。
然而,在先前时间帧中,如图12B所示,示例无线通信网络1200具有无线节点N2处于双连接的网络拓扑结构。因此,无线节点N2附近的运动在该时间帧期间将激励四个无线链路(即,无线链路L02、L20、L21和L12)。确定的所得运动拓扑结构将以高概率指示无线节点N2的双连接状态。如果运动再次发生在无线节点N2附近(但仍具有图12B的网络拓扑结构),则可以收集来自无线链路对L02/L20和L21/L12的运动指示值,并用于生成针对各对的“深度标签”。特别地,可以在后续时间帧中参考针对无线链路对L02/L20的“深度标签”以帮助解析无线节点N0和N2之间的运动的地点。
在一些变形例中,无线通信网络1200对应于无线网状网络,并且无线节点N0、N1和N2对应于无线网状网络的接入点(AP)节点。接入点节点可以基于在接入点节点中的各对接入点节点之间诸如沿着无线链路L01、L10、L02、L20、L12和L21等传送的无线信号来生成运动感测数据。可以响应于无线信号所穿过的空间中的对象的运动(例如,如虚线箭头1206所示)来生成运动感测数据。然而,也可以在不存在这种运动的情况下生成运动感测数据。
图13呈现用于基于无线通信网络的先前拓扑结构来确定运动的地点的示例处理的流程图1300。流程图1300可以表示关于图4描述的流程图400的可选部分,并且可以对应于无线通信网络的数据处理设备所要执行的程序指令。在示例处理开始时,数据处理设备可以从节点字典(例如,图4的节点字典408)接收在时间帧期间存在于无线通信网络中的特有无线节点的列表。数据处理设备还可以从链路均衡器(例如,图4的链路均衡器414)接收被标识为在时间帧期间存在于无线通信网络中的无线链路的列表。所识别的无线链路列表包括针对各无线链路的归一化运动指示值。特有无线节点的列表和所识别的无线链路的列表可以存储在数据库中并且用于定义无线通信网络的网络拓扑结构。
流程图1300包括与已经关于图10的流程图1000描述的特征类似的特征。与图13和图10两者类似的特征经由增量相差200的协调数字相关。然而,流程图1300包括允许数据处理设备基于先前拓扑结构来确定运动的地点的附加特征(或程序指令)。特别地,数据处理设备可以执行程序指令以部分地用作如框1308所示的自适应调制器。自适应调制器1308可以类似于图10的自适应调制器1008运作,但是在与无线节点的连接状态相关联的概率值高于阈值概率的情况下也将无线节点识别为稳定。为此,自适应调制器1308可以查询“标签”数据库以检索针对无线通信网络中的所有无线节点的概率向量。自适应调制器1308还识别与各稳定无线节点相关联的无线链路。如果与稳定无线节点相关联的所有无线链路正通过运动激励,则自适应调制器1308向深度节点加标签器发送第一信号以从激励无线链路对来采样运动指示值。
数据处理设备还可以部分地用作如框1314所示的深度节点加标签器。响应于第一信号,深度节点加标签器1314从与稳定无线节点相关联的激励无线链路对来采样运动指示值。各激励无线链路对定义稳定无线节点和其它无线节点之间的无线通信信道,并且对所有这些对进行采样。深度节点加标签器1314根据各激励无线链路对各自的采样运动指示值来生成其概率密度函数(PDF)。然后,深度节点加标签器1314编译“深度标签”,该“深度标签”包括稳定无线节点的标识、激励无线链路对的标识和相应概率密度函数。“深度标签”可以作为记录“深度标签”存储在“深度标签”数据库中。
例如,并且参考图12B,自适应调制器1308可以将无线节点N2识别为所有相关无线链路正通过运动激励的稳定无线节点。然后,自适应调制器1309向深度节点加标签器1314发送第一信号,该深度节点加标签器1314从无线链路对L02/L20和L21/L12采样运动指示值。然后,深度节点加标签器1314生成两个“深度标签”,每个无线链路对一个,如下所示:
{N2;L02,L20;PDF(L02,L20)}
{N2;L21,L12;PDF(L21,L12)}
两个“深度标签”随后可以作为记录“深度标签”存储在“深度标签”数据库中以供将来(诸如在图12A的后续时间帧期间等)参考。
在无线通信网络的拓扑结构改变之后,诸如在后续时间帧中等,自适应调制器1308可以将无线节点识别为不一致。特别地,自适应调制器1308可以判断为与无线节点相关联的运动拓扑结构在可变时间帧内持续地与网络拓扑结构不一致。这种持续不一致性可能是由于拓扑结构不一致性计算器1312将可变时间帧的持续时间增加到最大持续时间导致的。自适应调制器1308然后识别与正通过运动激励的不一致无线节点相关联的无线链路对。自适应调制器1308还查询“深度标签”数据集以找到用于参考所识别的无线链路对和不同于不一致无线节点的第二无线节点(即,该无线链路对通信地耦接不一致无线节点和第二无线节点)的记录“深度标签”。自适应调制器1308然后向深度节点加标签器1314发送第二信号以从所识别的无线链路对采样运动指示值。
响应于第二信号,深度节点加标签器1314从所识别的无线链路对来采样运动指示值并生成相应的概率密度函数。深度节点加标签器1314然后创建用于将不一致无线节点与所识别的无线链路对和相应的概率密度函数相关联的“深度标签”。该“深度标签”用作被传回到自适应调制器1308的测试“深度标签”。
在从深度节点标签1314接收到测试“深度标签”之后,自适应调制器1308确定记录“深度标签”的概率密度函数和测试“深度标签”的概率密度函数之间的距离。例如,自适应调制器1308可以计算概率密度函数之间的Kullback–Leibler散度以确定距离。如果距离小于或等于距离阈值,则自适应调制器1308修改链路似然图以包括向第二无线节点偏置的似然值。如果距离大于距离阈值,则自适应调制器1308修改链路似然图以包括向不一致无线节点偏置的似然值。然后将修改后的链路似然图传递给似然计算器1302,似然计算器1302使用修改后的链路似然图来生成针对贝叶斯更新引擎(例如,图4的贝叶斯更新引擎428)的概率向量。
在一些实现中,用于确定运动的地点的方法包括存储从与第一时间帧相关联的第一运动感测数据导出的第一运动感测统计。第一运动感测统计可以包括用于参考稳定无线节点的标识的“深度标签”、由稳定无线节点部分地定义的激励无线链路对以及各自的概率密度函数。其它统计是可能的。当无线网状网络在第一运动感测拓扑结构(或第一运动拓扑结构)中操作时,第一运动感测数据是基于在第一时间帧期间在无线网状网络中的各对接入点(AP)节点之间传送的无线信号。在一些实例中,第一运动感测数据包括运动指示值,运动指示值可以根据从无线信号导出的信道信息来计算。然而,第一运动感测数据可以包括其它类型的数据,诸如在第一时间帧期间的特有无线节点的列表和在第一时间帧期间被识别为存在于无线网状网络中的无线链路的列表。
该方法还包括:当无线网状网络在不同的第二运动感测拓扑结构(或第二运动拓扑结构)中操作时,基于在后续的第二时间帧期间在AP节点中的各AP节点对之间传送的无线信号来获得第二运动感测数据。第二运动感测统计可以包括用于参考不一致无线节点的标识的测试“深度标签”、由不一致无线节点部分地定义的激励无线链路对以及各自的概率密度函数。其它统计是可能的。当无线网状网络在第二运动感测拓扑结构(或第二运动拓扑结构)中操作时,第二运动感测数据是基于在后续的第二时间帧期间在无线网状网络中的AP节点中的各对AP节点之间传送的无线信号。在一些实例中,第二运动感测数据包括运动指示值,运动指示值可以根据从无线信号导出的信道信息来计算。然而,第二运动感测数据可以包括其它类型的数据,诸如在第二时间帧期间的特有无线节点的列表以及在第二时间帧期间被识别为存在于无线网状网络中的无线链路的列表等。
响应于检测到与第二运动感测拓扑结构相关联的不一致性(例如,第二运动感测拓扑结构与无线网状网络的网络拓扑结构之间的不一致性),该方法包括获得从第二运动感测数据导出的第二运动感测统计并将第一运动感测统计与第二运动感测统计进行比较。该方法附加地包括基于该比较来生成概率向量。概率向量包括表示在第二时间帧期间在各个AP节点处的对象的运动的概率的值。在许多实例中,概率的生成是通过数据处理设备的操作进行的,该数据处理设备执行与图4、10和13中描绘的流程图中的一个或多于一个流程图相对应的程序指令。然后,基于概率向量确定对象在第二时间帧期间的运动的地点。在许多实现中,该方法包括在各个第二时间帧的多个迭代中重复以下操作:获得第二运动感测数据、检测不一致性、生成概率向量以及确定运动的地点。
在一些实现中,该方法包括识别无线网状网络中的无线链路集合,其中无线链路是根据第二运动感测数据在第二时间帧期间通过运动激励的。第二运动感测统计包括与所识别的无线链路集合相关联的测试深度标签。各测试深度标签包括与第二时间帧相关联的相应测试概率密度函数。第一运动感测统计包括与所识别的无线链路集合相关联的参考深度标签。各参考深度标签包括与第一时间帧相关联的相应参考概率密度函数。在这些实现中,该方法可以包括:基于对第一运动感测数据的子集进行采样来生成测试概率密度函数,以及基于对第二运动感测数据的子集进行采样来生成参考概率密度函数。在这些实现中,该方法还可以包括:生成包括针对各个AP节点的计数值的计数值数据结构。各计数值指示由相应AP节点定义的无线链路的数量,其中无线链路是在第二时间段期间通过运动激励的。然后基于测试深度标签和参考深度标签之间的比较来修改计数值数据结构,并且基于修改后的计数值数据结构来生成概率向量。在一些实例中,修改计数值数据结构包括:在测试深度标签和参考深度标签之间的差大于阈值差的情况下,减小针对AP节点的计数值。在一些实例中,修改计数值数据结构包括:在测试深度标签和参考深度标签之间的差小于阈值差的情况下,增加针对AP节点的计数值。
在一些实现中,将第一运动感测统计与第二运动感测统计进行比较包括计算测试概率密度函数和参考概率密度函数之间的Kullback-Leibler散度。在一些实现中,该方法包括基于指派给各个AP节点的第一标签来识别第一运动感测拓扑结构。第一标签中的各第一标签指示相应AP节点的连接状态。在这些实现中,该方法还包括基于指派给各个AP节点的第二标签来识别第二运动感测拓扑结构。第二标签中的各第二标签指示相应AP节点的连接状态。
在一些实现中,检测与第二运动感测拓扑结构相关联的不一致性包括检测为在第二时间帧期间第二运动感测拓扑结构与无线网状网络的网络拓扑结构不匹配。在一些实现中,除了AP节点之外,无线网状网络还包括一个或多于一个叶节点。在这些实现中,确定运动的地点包括将AP节点中的一个AP节点或叶节点中的一个叶节点识别为运动的地点。
上述方法及其变形例可以使用包括无线网状网络及其AP节点(或叶节点,如果存在的话)、一个或多于一个处理器以及存储指令的存储器的系统来实现,其中指令在由一个或多于一个处理器执行时使系统进行该方法及其变形例的操作。上述方法及其变形例还可以作为指令存储在非暂时性计算机可读介质上。指令在由数据处理设备执行时使数据处理设备进行该方法及其变形例的操作。
现在参考图14,呈现具有包括直接和间接传播路径的无线通信信道的示例无线通信网络1400的示意图。示例无线通信网络1400包括以星形方式连接的标记为N0、N1和N2的三个无线节点1402。示例无线通信网络1400的网络拓扑结构包括无线节点N0和N1之间的第一无线通信信道1404以及无线节点N0和N2之间的第二无线通信信道1406。在网络拓扑结构中,无线节点N0具有双连接状态,并且无线节点N1和N2各自具有单连接状态。然而,第一通信信道1404被拆分成直接传播路径和间接传播路径。直接传播路径或多或少地直接通信地耦接无线节点N0和N1,并且包括无线链路和间接传播路径通过邻近无线节点N2的空间通信地耦接无线节点N0和N1,并且包括无线链路和图14所示的示例无线通信网络的网络拓扑结构可以由包括反射器的室内环境得到。
在无线节点N1附近发生运动的情况下,如虚线箭头1408所示,无线链路和将基本上在无线链路和上被激励。该激励符合网络拓扑结构中的无线节点N1的单连接状态。然而,在无线节点N2附近发生运动的情况下,如虚线箭头1410所示,无线链路和以及无线链路和都将被激励。这种激励意味着不符合网络拓扑结构中无线节点N2的单连接状态的无线节点N2的双连接状态。此外,由于激励,因此示例无线通信网络1400的运动拓扑结构比网络拓扑结构具有更多的双连接无线节点。
在一些变形例中,无线通信网络1400对应于无线网状网络,并且无线节点N0、N1和N2对应于无线网状网络的接入点(AP)节点。接入点节点可以基于在接入点节点中的各对接入点节点之间诸如沿着无线通信信道1404、1406的无线链路L01、L10、L02、L20、L12和L21等传送的无线信号来生成运动感测数据。可以响应于无线信号所穿过的空间中的对象的运动(例如,如虚线箭头1408或虚线箭头1410所示)来生成运动感测数据。然而,也可以在不存在这种运动的情况下生成运动感测数据。
图15呈现用于基于运动指示值的矩阵分解来确定运动的地点的示例处理的流程图1500。流程图1500可以呈现关于图4描述的流程图400的可选部分,并且可以对应于无线通信网络的数据处理设备所要执行的程序指令。在示例处理开始时,数据处理设备可以从节点字典(例如,图4的节点字典408)接收在时间帧期间存在于无线通信网络中的特有无线节点的列表。数据处理设备还可以从链路均衡器(例如,图4的链路均衡器414)接收在时间帧期间被识别为存在于无线通信网络中的无线链路的列表。所识别的无线链路的列表包括针对各无线链路的归一化运动指示值。特有无线节点的列表和所识别的无线链路的列表可以存储在数据库中并且用于定义无线通信网络的网络拓扑结构。
流程图1500包括与已经关于图10的流程图1000描述的特征类似的特征。与图15和图10这两者类似的特征经由增量相差200的协调数字相关。然而,流程图1500包括允许数据处理设备基于先前拓扑结构来确定运动的地点的附加特征(或程序指令)。
与节点加标签器处理路径并行地,流程图1500包括第二并行处理路径。第二并行处理路径可地操作区分共享共同连接状态(诸如图14所示的运动拓扑结构中的无线节点N0和N2的双连接状态等)的无线节点,并相应地修改似然函数。数据处理设备可以部分地用作链路过滤器,链路过滤器对与两个双连接节点相关联的无线链路进行过滤。也就是说,只有当所有四个链路都显示激励时,链路过滤器才会选择这些链路。然后根据链路数据形成相关矩阵。
在本示例中,相关矩阵内的相关来自两种干扰,即无线节点N0处的干扰和节点N2处的干扰。这两种干扰被聚合到相关矩阵中,并且从相关矩阵的分解,可以生成两种不同特点的干扰,例如相关矩阵的两个不同正交分量。相关矩阵的分解可以帮助确定(链路激励数据的)两种特有向量,这两种向量能够解释每当四个链路被触发时所观察到的所有变化。通过在链路向量具有四个激励元素时对链路向量求和、然后对相关矩阵进行分解以找到产生该变化的单个分量、然后对照这些分量进行投影以确定观察到的激励最接近于哪个分量、然后基于该分量的属性指派似然性来聚合变化。流程图1500示出正在进行的处理。
在第二并行处理路径中,矩阵相关器取四个链路激励数据的向量,取其外积(例如,以创建矩阵),并将其与先前外积的和求和以创建相关矩阵的移动平均值。然后对相关矩阵进行分解。这种分解是由拓扑结构不一致性计算器触发的,该拓扑结构不一致性计算器现在具有两个输出而不是一个。以前,拓扑结构不一致性计算器仅在运动连接节点数小于网络连接节点时触发。但是现在它也在相反的方向上(例如,在发现运动双连结节点数高于网络双连结节点时)触发。当拓扑结构不一致性计算器判断为存在这种差异时,它随后触发基于运动触发无线链路行为以外的某事来分离这些无线节点的需要。在该实例中,它触发相关矩阵的矩阵分解发生,从而导致矩阵的特征分量(或特征向量)的形成。然后基于特征分量的特殊属性为其指派标签。标签的目的是将一个特征分量(或特征向量)指派给无线节点N0,并将另一特征分量(或特征向量)指派给无线节点N2。现在,当在所有四个链路上携带运动激励的新链路激励向量到达时,数据处理设备执行程序指令以对照两个分量向量(通过计算点积)来投影新链路激励向量。基于哪个点积获胜来指派似然性。获胜积的关联特征分量节点被指派较高的似然性,而失败积的特征分量节点被指派较低的似然性。
以下公式示出矩阵形成和分解以及向特征向量的节点指派:
在该公式中,最左边的列呈现示例无线通信网络中存在的所有无线链路的命名。当所有这些无线链路被触发时,链路过滤器操作以过滤该信号并为其指派向量符号x,该向量符号x由所列出的四个值(即,x1、x2、x3和x4)组成。这种平均向量可以由(随时间推移的)两个分量组成。在一些情况下,无线节点N2生成这样的向量。在一些情况下,无线节点N0生成这样的向量。然而,向量的属性略有不同。例如,当触发无线节点N2时,无线链路L02和L20被触发得超过无线链路L01和L10。这是因为只有无线链路L01和L10的分量通过无线节点N2。该无线链路的大部分能量通过了不穿过无线节点N2的另一路径。因此,无线节点N2处的激励不会产生与在无线链路L02和L20中产生的相同种类的扰动。这一事实是通过将+δ符号放置在另外两个激励无线链路L02和L20的位置来示出的。其目的并非表示分量是相等的,而是表明当激励来自无线节点N2(例如,在无线节点N2附近发生运动)时,与激励来自无线节点N0相比,分量平均而言将更高。这样,第二并行处理路径可以区分如何指派分量。
公式中最右边的三列示出矩阵的形式和分解,并且x表示链路激励的列向量。列向量乘以自身的转置版本以创建平均的矩阵,如期望运算符E(XXT)所示。在一些实例中,在形成外积之前从x减去平均值。如果x是非零平均向量,则可能需要这样的减法。一旦矩阵形成完成,奇异值分解(SVD)就将矩阵拆分成其特征分量,特征分量可以在矩阵的输出处从矩阵U中提取。U的各列包含一个特征分量。U的前两列用来寻找两个特征分量。在分量中,数据处理设备确定哪个链路对的激励更高。如果连接到无线链路L02和L20的链路对的激励更高,则将向量指派给节点无线节点N2。可以应用类似的处理以基于无线链路L01和L10的分量来进行指派。
在该示例中,无线节点N2与无线节点N0竞争。在无线节点N1附近的运动将仅激励两个无线链路,因此无线节点N1将被分类为在运动拓扑结构中具有单连接状态,并且将不会与网络拓扑结构不兼容。然而,无线节点N0和N2需要仲裁。因此,可以使用与无线节点N1相关联的无线链路、即无线链路L01和L10来指派特征标签。在无线节点N0处的运动将激励无线链路L01和L10的多路径分量这两者(与仅其中一个多路径分量被无线节点N2附近的运动激励相反)。由于两个分量都被激励,因此该激励的大小将高于矩阵的特征分量之一中的其它两个无线链路分量。如上所述,这些较高值的L01和L10对分量应被指派给节点无线节点N0。一旦已经发生特征指派,则准备就绪了。各传入链路向量在满足激励条件的情况下被投影在特征分量上,并且基于该投影的结果(根据设计者所确定的表)指派似然性。
在一些实现中,用于确定运动的地点的方法包括存储从与第一时间帧相关联的第一运动感测数据导出的特征向量集合。当无线网状网络在第一运动感测拓扑结构(或第一运动拓扑结构)中操作时,第一运动感测数据是基于在第一时间帧期间在无线网状网络中的接入点(AP)节点之间传送的无线信号。集合中的各特征向量被指派给AP节点中的相应AP节点。在一些实例中,第一运动感测数据包括运动指示值,运动指示值可以根据从无线信号导出的信道信息来计算。然而,第一运动感测数据可以包括其它类型的数据,诸如共享共同连接状态的无线节点等。
该方法还包括:当无线网状网络在不同的第二运动感测拓扑结构中操作时,基于在后续的第二时间帧期间在AP节点之间传送的无线信号来获得运动向量。运动向量包括针对AP节点之间的各个无线链路的运动指示值。响应于检测到与第二运动感测拓扑结构相关联的不一致性,将运动向量与各个特征向量进行比较。该方法附加地包括基于该比较来生成概率向量。概率向量包括表示在第二时间帧期间各个AP节点处的对象的运动的概率的值。在许多实例中,概率的生成是通过数据处理设备的操作而发生的,其中数据处理设备执行与图4、10和15中描绘的流程图中的一个或多于一个流程图相对应的程序指令。然后,基于概率向量来确定对象在第二时间帧期间的运动的地点。
在一些实现中,该方法包括在各个第二时间帧的多个迭代中重复以下操作:获得运动向量、比较运动向量、生成概率向量以及确定运动的地点。
在一些实现中,该方法包括基于指派给各个AP节点的第一标签来识别第一运动感测拓扑结构。第一标签中的各第一标签指示相应AP节点的连接状态。该方法还包括基于指派给各个AP节点的第二标签来识别第二运动感测拓扑结构。第二标签中的各第二标签指示相应AP节点的连接状态。在一些实现中,检测与第二运动感测拓扑结构相关联的不一致性包括检测为在第二时间帧期间第二运动感测拓扑结构与无线网状网络的网络拓扑结构不匹配。例如,检测不一致性可以包括识别比网络拓扑结构中的双连接节点的数量大的运动感测拓扑结构中的双连接节点的数量。
在一些实现中,该方法包括通过至少以下操作来生成特征向量集合:基于第一运动感测数据来获得针对第一时间段的聚合相关矩阵,以及进行聚合相关矩阵的矩阵分解以获得特征向量。在这些实现中,该方法可以可选地包括通过至少以下操作来计算聚合相关矩阵:[1]基于第一运动感测数据的各个子集来获得第一运动向量,[2]针对第一运动感测数据的子集中的各子集,将第一运动向量乘以第一运动向量的转置实例以生成相关矩阵,以及[3]组合针对子集的相关矩阵以获得聚合相关矩阵。第一运动向量各自包括针对AP节点之间的各个无线链路的第一运动指示值。
在一些实现中,将运动向量与各个特征向量进行比较包括计算运动向量与各个特征向量之间的点积。在这些实现中,基于点积来生成概率向量。在进一步的实现中,该方法包括基于运动感测数据来生成计数值数据结构。计数值数据结构包括针对各个AP节点的计数值。各计数值指示由相应AP节点定义的无线链路的数量,这些无线链路是根据运动感测数据通过运动激励的。该方法还包括基于点积来修改计数值数据结构以及基于修改后的计数值数据结构来生成概率向量。在一些变形例中,点积包括第一点积和第二点积,其中,第一点积是根据与第一AP节点相关联的相应特征向量计算的,并且第二点积是根据与第二AP节点相关联的相应特征向量计算的。第一点积高于第二点积。此外,修改计数值数据结构包括增加针对第一AP节点的计数值和减少针对第二AP节点的计数值。
在一些实现中,除了AP节点之外,无线网状网络还包括一个或多于一个叶节点。在这些实现中,确定运动的地点包括将AP节点中的一个AP节点或叶节点中的一个叶节点识别为运动的地点。
上述方法及其变形例苦役使用包括无线网状网络及其AP节点(或叶节点,如果存在的话)、一个或多于一个处理器、以及存储指令的存储器的系统来实现,其中指令在由一个或多于一个处理器执行时使系统进行该方法及其变形例的操作。上述方法及其变形例还可以作为指令存储在非暂时性计算机可读介质上。指令在由数据处理设备执行时使数据处理设备进行该方法及其变形例的操作。
现在参考图16,呈现叶节点1606通信地耦接到无线节点1602的示例无线通信网络1600的示意图。特别地,成对的无线节点经由无线通信信道1604彼此通信地耦接,并且叶节点经由无线通信信道1608通信地耦接到无线节点。如虚线箭头1610所示,在无线节点N2附近发生的运动将激励用于将无线节点N2通信地耦接到叶节点Le4、Le5和Le6的无线链路。然而,如果叶节点1606中的一些叶节点彼此接近,则这些接近的叶节点中的一个叶节点附近的运动可能激励与其它接近的叶节点相关联的无线链路。在图16中,叶节点Le4和Le5被示出为彼此接近。如虚线箭头1612所示,叶节点Le4周围的运动不仅激励用于将叶节点Le4通信耦接到无线节点N2的无线链路,而且还激励用于将叶节点Le5通信耦接到无线节点N2的无线节点。
在一些变形例中,无线通信网络1600对应于无线网状网络,并且无线节点N0、N1和N2对应于无线网状网络的接入点(AP)节点。接入点节点可以基于沿着无线通信信道1604、1608传送的无线信号生成运动感测数据。例如,运动感测数据可以基于在接入点节点中的各对接入点节点之间沿着无线链路L01、L10、L02、L20、L12和L21传送的无线信号。运动感测数据还可以基于沿着定义无线通信信道1608的无线链路从叶节点传送到接入点节点的无线信号。可以响应于无线信号所穿过的空间中的对象的运动(例如,如虚线箭头1610或虚线箭头1612所示)来生成运动感测数据。然而,也可以在不存在这种运动的情况下生成运动感测数据。
图17呈现用于基于识别运动附近的无线节点、然后识别通信地耦接到无线节点的叶节点来确定运动的地点的示例处理的流程图1700。示例处理可以将运动定位到无线节点和叶节点这两者。无线节点可以具有比叶节点更高的功率,因此,可以更容易出现如关于图14所讨论的多路径效应。因此,示例处理首先将运动定位到无线节点以减轻可能的多路径效应并提高运动检测的准确度。执行根据示例处理的程序指令的数据处理设备可以从可用的激励无线链路数据连续生成最佳无线节点估计。该估计用于在无线节点上形成运动干扰最接近于的决定。一旦形成无线节点决定,该决定用于过滤掉连接到其它无线节点的叶节点无线链路中的一部分。这样的过滤允许为这些叶节点指派一些最低似然性。一旦适当的叶节点无线链路已被过滤,剩余的无线链路就被传递到子网格似然函数。使用子网格似然函数,数据处理设备计算运动是否接近于无线节点或连接到无线节点的叶节点中的任何叶节点的似然性。该计算允许运动被精确地定位为发生在无线通信网络中的任何可用节点(例如,无线节点或叶节点)附近。
图18呈现用于使用子网格似然函数来确定运动的地点的示例公式。与从子网格排除的节点相比,子网格节点经历单独的似然形成。排除的节点被指派均匀(非常)小的权重。在图16中的运动的具体示例中,子网格将由无线节点N2和叶节点Le4、Le5和Le6定义。子网格似然函数可操作地解决:[1]无线节点和叶节点之间的竞争以及[2]各个无线链路可能由于运动而已被触发的若干叶节点之间的竞争。子网格似然函数解决了无线节点和叶节点之间的竞争,因为如果数据处理设备仅对任何节点出现在激励无线链路中的次数进行计数,则每当连接到无线节点的任何两个无线链路被触发时,无线节点的出现将总是超过叶节点。然而,这种出现可能是人造的。例如,由于叶节点非常接近,因此可以触发两个叶节点无线链路,并且运动可能发生在两个叶节点中的任何一个处。无线节点处的运动的更准确测度是连接到该无线节点的所有无线链路是否都已被激励。如果运动实际发生在无线节点处,则连接到节点(即,叶节点)的所有无线链路将显示一些干扰,因为存在于这些无线链路中的信道正在发生改变。通过修改似然函数以包括如下所示的比例来纠正该行为:
该比例(其也在图18中示出)仅当所有连接的无线链路都示出其上的运动时才允许无线节点的似然性达到1(最高)。由于叶节点的连接性为1(始终),因此每当任何叶节点无线链路被触发时,该比例将迅速上升至1。
如果由于叶节点极为接近而同时触发两个叶节点无线链路,则可以进一步修改似然函数以考虑该场景。特别地,可以对叶节点的运动大小进行排序。最高大小可以被赋予评级或1,次高大小可被赋予2,等等。然后,可以选择数字小于1的乘数变量(α),并且该乘数变量指定为了确定似然性而应向运动评级信息赋予多少权重。可以选择乘数变量的值以具有范围从0.01到0.09的小值。乘数变量用于在计算似然性时放大或去放大运动评级信息。对于示出最高评级的叶节点,将使用项(1-α×评级)通过乘法修改上述似然表达式。如果评级是1,则从1减去α以产生相对大的权重。如果评级为2,则将从1减去2α以针对该叶节点的似然性产生较小权重。以这种方式,向各个无线链路已经示出其上的运动激励的所有叶节点指派似然性。这种指派允许在运动的似然性中、以及最终在特定节点处的运动的概率中考虑各叶节点无线链路上存在的运动强度(或信道干扰)。
在一些实现中,用于确定运动的地点的方法包括基于在包括多个节点的无线网状网络中的无线链路上交换的无线信号来获得运动感测数据。多个节点包括第一接入点(AP)节点、一个或多于一个其它AP节点、以及叶节点。无线链路包括第一AP节点和一个或多于一个其它AP节点之间的无线链路以及第一AP节点和叶节点的第一子集之间的无线链路。该方法还包括基于运动感测数据将第一AP节点识别为对象的运动的估计地点。
响应于第一AP节点被识别为运动的估计地点,该方法附加地包括生成似然数据结构,该似然数据结构包括指派给多个节点中的各个节点的似然值。将似然值指派给叶节点的第一子集和第一AP节点,所指派的似然值高于指派给无线网状网络中的其它节点的似然值。在一些变形例中,指派给叶节点的第一子集以及第一AP节点的似然值至少比指派给无线网状网络中的其它节点的似然值高一个数量级。基于似然数据结构确定对象的运动的地点。在一些实现中,该方法包括在各个时间帧的多个迭代中重复以下操作:获得运动感测数据、识别第一AP节点、生成似然数据结构、以及确定运动的地点。
在一些实现中,确定对象的运动的地点包括基于似然数据结构来生成概率向量。概率向量包括表示无线网状网络的各个节点处的运动的概率的概率值。确定对象的运动的地点还包括基于概率向量选择第一AP节点或叶节点的第一子集中的一个叶节点作为运动的地点。
在一些实现中,该方法包括基于第一子集中的叶节点的数量与表示第一AP节点的连接状态的数量的比来计算指派给第一AP节点的似然值。在进一步的实现中,该方法包括基于对与第一AP节点和叶节点的第一子集之间的无线链路相关联的运动指示值进行评级来计算指派给叶节点的第一子集的似然值。在一些实例中,指派给各相应叶节点的似然值表示指派给叶节点的评级乘以放大因子的积。在这些实例中,该方法可以可选地包括将统一值指派给无线网状网络中的其它节点。
上述方法及其变形例可以使用包括无线网状网络及其AP节点和叶节点、一个或多于一个处理器、以及存储指令的存储器的系统来实现,其中指令在由一个或多于一个处理器执行时使系统进行该方法及其变形例的操作。上述方法及其变形例还可以作为指令存储在非暂时性计算机可读介质上。指令在由数据处理设备执行时使数据处理设备进行该方法及其变形例的操作。
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、或者这些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),该计算机程序被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或者被包括在如下之中: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。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或者被包括在如下之中: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)。
本说明书中所描述的操作的一部分可被实现为由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从其它源接收到的数据进行的操作。
术语“数据处理设备”涵盖了用于处理数据的所有种类的设备、装置和机器,其例如包括可编程处理器、计算机、片上系统、或者前述中的多个或组合。该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)。该设备除了包括硬件之外,还可以包括用于创建所讨论的计算机程序的执行环境的代码,例如,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、或者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、程序指令、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需要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,其中该文件用于将其它程序或数据(例如,标记语言文档中所存储的一个或多于一个脚本)保持在专用于程序的单个文件中、或者保持在多个协调文件(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执行,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通过以下来进行:由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)。
举例而言,适合执行计算机程序的处理器包括通用微处理器和专用微处理器两者、以及任何种类的数字计算机的处理器。一般地,处理器将会从只读存储器或随机存取存储器或这两者接收指令和数据。计算机的元件可以包括用于根据指令进行动作的处理器以及用于存储指令和数据的一个或多于一个存储器装置。计算机还可以包括用于存储数据的一个或多于一个大容量存储装置(例如,磁盘、磁光盘或光盘)或可操作地耦接以相对于这一个或多于一个大容量存储装置接收或传送数据,或者这两者。然而,计算机无需具有这种装置。此外,计算机可以嵌入在其它装置(例如电话、电器、移动音频或视频播放器、游戏机、全球定位系统(GPS)接收器、或便携式存储装置(例如,通用串行总线(USB)闪存驱动器))中。适合存储计算机程序指令和数据的装置包括所有形式的非易失性存储器、介质和存储器装置,举例而言包括半导体存储器装置(例如,EPROM、EEPROM和闪速存储器装置等)、磁盘(例如,内部硬盘和可移除盘等)、磁光盘、以及CD ROM和DVD-ROM盘。在一些情况下,处理器和存储器可以由专用逻辑电路补充或者并入专用逻辑电路中。
为了提供与用户的交互,操作可以在计算机上实现,其中该计算机具有用于向用户显示信息的显示装置(例如,监视器或其它类型的显示装置)、以及用户可以向计算机提供输入所通过的键盘和指示装置(例如,鼠标、追踪球、平板电脑、触敏屏幕或其它类型的指示装置)。其它种类的装置也可以用于提供与用户的交互;例如,被提供至用户的反馈可以是任何形式的感觉反馈,例如视觉反馈、听觉反馈或触觉反馈;并且来自用户的输入可以以任何形式来接收,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该web浏览器发送web页面)来与该用户进行交互。
计算机系统可以包括单个计算装置、或者彼此接近或一般彼此远离地进行操作并且通常通过通信网络进行交互的多个计算机。通信网络的示例包括局域网(“LAN”)和广域网(“WAN”)、互联网(例如,因特网)、包括卫星链路的网络、以及对等网(例如,自组织对等网)。客户端和服务器的关系可以通过在各个计算机上运行并且彼此具有客户端-服务器关系的计算机程序而产生。
尽管本说明书包含很多细节,但这些细节不应被理解为对可以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的描述。还可以组合在单独实现的上下文中在本说明书所描述的或在附图中所示的特定特征。相反,在单个实现的上下文中所描述的或所示的各种特征还可以在多个实施例中单独实现或者以任何适合的子组合实现。
类似地,尽管按特定顺序在附图中描绘了这些操作,但这不应当被理解成为了实现期望结果就需要按所示特定顺序或顺次进行这些操作、或者进行全部所示操作。在特定情形下,多任务和并行处理可能是有利的。此外,以上所述的实现中的各种系统组件的分离不应当被理解为所有实现中均需要这些分离,并且应当理解,所述的程序组件和系统通常可以一起集成到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,其它实施例在本发明的范围内。
Claims (114)
1.一种方法,包括:
从无线网状网络的接入点节点即AP节点获得运动感测数据,所述运动感测数据是基于在所述AP节点中的各对AP节点之间传送的无线信号;
识别所述无线网状网络的运动感测拓扑结构,所述运动感测拓扑结构是基于指派给各个AP节点的标签来识别的,各标签指示相应AP节点的连接状态;
通过数据处理设备的操作,基于所述运动感测数据和所述运动感测拓扑结构来生成概率向量,所述概率向量包括表示各个AP节点处的对象的运动的概率的值;以及
基于所述概率向量来确定所述对象的运动的地点。
2.根据权利要求1所述的方法,其中,生成所述概率向量包括:
基于所述运动感测数据来生成计数值数据结构,所述计数值数据结构包括针对各个AP节点的计数值,各计数值指示由相应AP节点定义的无线链路的数量,所述无线链路是根据所述运动感测数据通过运动所激励的;
基于所述运动感测拓扑结构来修改所述计数值数据结构;以及
基于修改后的计数值数据结构来生成所述概率向量。
3.根据权利要求2所述的方法,其中,识别所述运动感测拓扑结构包括:
基于所述运动感测数据来识别通过运动所激励的无线链路;
生成针对各个AP节点的状态概率向量,各状态概率向量包括相应AP节点的连接状态的值,各连接状态的值表示所述AP节点处于连接状态的概率;以及
基于各个状态概率向量来将所述标签指派给所述AP节点。
4.根据权利要求3所述的方法,其中,指派给各相应AP节点的标签指示与针对所述相应AP节点的状态概率向量中的最高概率值相关联的连接状态。
5.根据权利要求2所述的方法,其中,修改所述计数值数据结构包括:
将针对第一AP节点的计数值与阈值计数值相比较,所述阈值计数值与指派给所述第一AP节点的标签相关联;以及
在所述计数值小于所述阈值计数值的情况下,从所述计数值数据结构中移除所述第一AP节点。
6.根据权利要求2所述的方法,其中,生成所述计数值数据结构包括:
生成所述无线网状网络中的无线链路的列表,所述无线链路是根据所述运动感测数据通过运动所激励的;
针对各实例来生成包括AP节点的实例的AP节点的列表,其中在无线链路的列表中,无线链路由所述AP节点定义;以及
将针对各个AP节点的计数值设置为等于相应AP节点在AP节点的列表中出现的次数。
7.根据权利要求1或权利要求2至6中任一项所述的方法,其中,识别所述运动感测拓扑结构包括:
基于在第一持续时间内收集到的数据来识别第一估计运动感测拓扑结构和网络拓扑结构之间的差异;
基于在较长的第二持续时间内收集到的数据来识别第二估计运动感测拓扑结构和所述网络拓扑结构之间的匹配;
选择所述第二估计运动感测拓扑结构作为所述运动感测拓扑结构。
8.根据权利要求1或权利要求2至6中任一项所述的方法,
其中,除了所述AP节点之外,所述无线网状网络还包括一个或多于一个叶节点;以及
其中,确定运动的地点包括将所述AP节点中的一个AP节点或所述叶节点中的一个叶节点识别为运动的地点。
9.根据权利要求1或权利要求2至6中任一项所述的方法,
其中,所述运动感测数据是基于在第一时间帧期间在所述AP节点中的各对AP节点之间传送的无线信号;
其中,所述概率向量包括表示所述第一时间帧的第一概率向量;以及
其中,确定运动的地点包括使用贝叶斯计算器基于所述第一概率向量和表示先前时间帧的先前概率向量来确定运动的地点。
10.根据权利要求1或权利要求2至6中任一项所述的方法,还包括:
在针对各个时间帧的多个迭代中重复用于获得运动感测数据、识别运动感测拓扑结构、生成概率向量、以及确定运动的地点的操作。
11.一种系统,包括:
无线网状网络,其包括接入点节点即AP节点;
一个或多于一个处理器;以及
存储器,其存储指令,所述指令在由所述一个或多于一个处理器执行时使所述系统进行操作,所述操作包括:
从无线网状网络的接入点节点即AP节点获得运动感测数据,所述运动感测数据是基于在所述AP节点中的各对AP节点之间传送的无线信号;
识别所述无线网状网络的运动感测拓扑结构,所述运动感测拓扑结构是基于指派给各个AP节点的标签来识别的,各标签指示相应AP节点的连接状态;
基于所述运动感测数据和所述运动感测拓扑结构来生成概率向量,所述概率向量包括表示各个AP节点处的对象的运动的概率的值;以及
基于所述概率向量来确定所述对象的运动的地点。
12.根据权利要求11所述的系统,其中,生成所述概率向量包括:
基于所述运动感测数据来生成计数值数据结构,所述计数值数据结构包括针对各个AP节点的计数值,各计数值指示由相应AP节点定义的无线链路的数量,所述无线链路是根据所述运动感测数据通过运动所激励的;
基于所述运动感测拓扑结构来修改所述计数值数据结构;以及
基于修改后的计数值数据结构来生成所述概率向量。
13.根据权利要求12所述的系统,其中,识别所述运动感测拓扑结构包括:
基于所述运动感测数据来识别通过运动所激励的无线链路;
生成针对各个AP节点的状态概率向量,各状态概率向量包括相应AP节点的连接状态的值,各连接状态的值表示所述AP节点处于连接状态的概率;以及
基于各个状态概率向量来将所述标签指派给所述AP节点。
14.根据权利要求13所述的系统,其中,指派给各相应AP节点的标签指示与针对所述相应AP节点的状态概率向量中的最高概率值相关联的连接状态。
15.根据权利要求12所述的系统,其中,修改所述计数值数据结构包括:
将针对第一AP节点的计数值与阈值计数值相比较,所述阈值计数值与指派给所述第一AP节点的标签相关联;以及
在所述计数值小于所述阈值计数值的情况下,从所述计数值数据结构中移除所述第一AP节点。
16.根据权利要求12所述的系统,其中,生成所述计数值数据结构包括:
生成所述无线网状网络中的无线链路的列表,所述无线链路是根据所述运动感测数据通过运动所激励的;
针对各实例来生成包括AP节点的实例的AP节点的列表,其中在无线链路的列表中,无线链路由所述AP节点定义;以及
将针对各个AP节点的计数值设置为等于相应AP节点在AP节点的列表中出现的次数。
17.根据权利要求11或权利要求12至16中任一项所述的系统,其中,识别所述运动感测拓扑结构包括:
基于在第一持续时间内收集到的数据来识别第一估计运动感测拓扑结构和网络拓扑结构之间的差异;
基于在较长的第二持续时间内收集到的数据来识别第二估计运动感测拓扑结构和所述网络拓扑结构之间的匹配;
选择所述第二估计运动感测拓扑结构作为所述运动感测拓扑结构。
18.根据权利要求11或权利要求12至16中任一项所述的系统,
其中,除了所述AP节点之外,所述无线网状网络还包括一个或多于一个叶节点;以及
其中,确定运动的地点包括将所述AP节点中的一个AP节点或所述叶节点中的一个叶节点识别为运动的地点。
19.根据权利要求11或权利要求12至16中任一项所述的系统,
其中,所述运动感测数据是基于在第一时间帧期间在所述AP节点中的各对AP节点之间传送的无线信号;
其中,所述概率向量包括表示所述第一时间帧的第一概率向量;以及
其中,确定运动的地点包括使用贝叶斯计算器基于所述第一概率向量和表示先前时间帧的先前概率向量来确定运动的地点。
20.根据权利要求11或权利要求12至16中任一项所述的系统,其中,所述操作包括:
在针对各个时间帧的多个迭代中重复用于获得运动感测数据、识别运动感测拓扑结构、生成概率向量、以及确定运动的地点的操作。
21.一种非暂时性计算机可读介质,其存储指令,所述指令在由数据处理设备执行时使所述数据处理设备进行操作,所述操作包括:
从无线网状网络的接入点节点即AP节点获得运动感测数据,所述运动感测数据是基于在所述AP节点中的各对AP节点之间传送的无线信号;
识别所述无线网状网络的运动感测拓扑结构,所述运动感测拓扑结构是基于指派给各个AP节点的标签来识别的,各标签指示相应AP节点的连接状态;
基于所述运动感测数据和所述运动感测拓扑结构来生成概率向量,所述概率向量包括表示各个AP节点处的对象的运动的概率的值;以及
基于所述概率向量来确定所述对象的运动的地点。
22.根据权利要求21所述的非暂时性计算机可读介质,其中,生成所述概率向量包括:
基于所述运动感测数据来生成计数值数据结构,所述计数值数据结构包括针对各个AP节点的计数值,各计数值指示由相应AP节点定义的无线链路的数量,所述无线链路是根据所述运动感测数据通过运动所激励的;
基于所述运动感测拓扑结构来修改所述计数值数据结构;以及
基于修改后的计数值数据结构来生成所述概率向量。
23.根据权利要求22所述的非暂时性计算机可读介质,其中,识别所述运动感测拓扑结构包括:
基于所述运动感测数据来识别通过运动所激励的无线链路;
生成针对各个AP节点的状态概率向量,各状态概率向量包括相应AP节点的连接状态的值,各连接状态的值表示所述AP节点处于连接状态的概率;以及
基于各个状态概率向量来将所述标签指派给所述AP节点。
24.根据权利要求23所述的非暂时性计算机可读介质,其中,指派给各相应AP节点的标签指示与针对所述相应AP节点的状态概率向量中的最高概率值相关联的连接状态。
25.根据权利要求22所述的非暂时性计算机可读介质,其中,修改所述计数值数据结构包括:
将针对第一AP节点的计数值与阈值计数值相比较,所述阈值计数值与指派给所述第一AP节点的标签相关联;以及
在所述计数值小于所述阈值计数值的情况下,从所述计数值数据结构中移除所述第一AP节点。
26.根据权利要求22所述的非暂时性计算机可读介质,其中,生成所述计数值数据结构包括:
生成所述无线网状网络中的无线链路的列表,所述无线链路是根据所述运动感测数据通过运动所激励的;
针对各实例来生成包括AP节点的实例的AP节点的列表,其中在无线链路的列表中,无线链路由所述AP节点定义;以及
将针对各个AP节点的计数值设置为等于相应AP节点在AP节点的列表中出现的次数。
27.根据权利要求21或权利要求22至26中任一项所述的非暂时性计算机可读介质,其中,识别所述运动感测拓扑结构包括:
基于在第一持续时间内收集到的数据来识别第一估计运动感测拓扑结构和网络拓扑结构之间的差异;
基于在较长的第二持续时间内收集到的数据来识别第二估计运动感测拓扑结构和所述网络拓扑结构之间的匹配;
选择所述第二估计运动感测拓扑结构作为所述运动感测拓扑结构。
28.根据权利要求21或权利要求22至26中任一项所述的非暂时性计算机可读介质,
其中,除了所述AP节点之外,所述无线网状网络还包括一个或多于一个叶节点;以及
其中,确定运动的地点包括将所述AP节点中的一个AP节点或所述叶节点中的一个叶节点识别为运动的地点。
29.根据权利要求21或权利要求22至26中任一项所述的非暂时性计算机可读介质,
其中,所述运动感测数据是基于在第一时间帧期间在所述AP节点中的各对AP节点之间传送的无线信号;
其中,所述概率向量包括表示所述第一时间帧的第一概率向量;以及
其中,确定运动的地点包括使用贝叶斯计算器基于所述第一概率向量和表示先前时间帧的先前概率向量来确定运动的地点。
30.根据权利要求21或权利要求22至26中任一项所述的非暂时性计算机可读介质,其中,所述操作包括:
在针对各个时间帧的多个迭代中重复用于获得运动感测数据、识别运动感测拓扑结构、生成概率向量、以及确定运动的地点的操作。
31.一种方法,包括:
存储从与第一时间帧相关联的第一运动感测数据导出的第一运动感测统计,其中当无线网状网络在第一运动感测拓扑结构中操作时,所述第一运动感测数据是基于在所述第一时间帧期间在所述无线网状网络中的接入点节点即AP节点中的各对AP节点之间传送的无线信号;
当所述无线网状网络在不同的第二运动感测拓扑结构中操作时,基于在后续的第二时间帧期间在所述AP节点中的各对AP节点之间传送的无线信号来获得第二运动感测数据;
响应于检测到与所述第二运动感测拓扑结构相关联的不一致性:
获得从所述第二运动感测数据导出的第二运动感测统计,以及
将所述第一运动感测统计与所述第二运动感测统计进行比较;
通过数据处理设备的操作,基于所述比较来生成概率向量,所述概率向量包括表示所述第二时间帧期间各个AP节点处的对象的运动的概率的值;以及
基于所述概率向量来确定所述第二时间帧期间所述对象的运动的地点。
32.根据权利要求31所述的方法,还包括:
识别所述无线网状网络中的无线链路的集合,所述无线链路是根据所述第二运动感测数据在所述第二时间帧期间通过运动所激励的;
其中,所述第二运动感测统计包括与所识别的无线链路的集合相关联的测试深度标签,各测试深度标签包括与所述第二时间帧相关联的相应测试概率密度函数;以及
其中,所述第一运动感测统计包括与所识别的无线链路的集合相关联的参考深度标签,各参考深度标签包括与所述第一时间帧相关联的相应参考概率密度函数。
33.根据权利要求32所述的方法,还包括:
基于对所述第一运动感测数据的子集进行采样来生成所述测试概率密度函数;以及
基于对所述第二运动感测数据的子集进行采样来生成所述参考概率密度函数。
34.根据权利要求32所述的方法,还包括:
生成包括针对各个AP节点的计数值的计数值数据结构,各计数值指示由相应AP节点定义的无线链路的数量,所述无线链路是在所述第二时间段期间通过运动所激励的;
基于所述测试深度标签和所述参考深度标签之间的比较来修改所述计数值数据结构;以及
基于修改后的计数值数据结构来生成所述概率向量。
35.根据权利要求34所述的方法,其中,修改所述计数值数据结构包括:在所述测试深度标签和所述参考深度标签之间的差大于阈值差的情况下,减小针对AP节点的计数值。
36.根据权利要求34所述的方法,其中,修改所述计数值数据结构包括:在所述测试深度标签和所述参考深度标签之间的差小于阈值差的情况下,增加针对AP节点的计数值。
37.根据权利要求31或权利要求32至26中任一项所述的方法,还包括:
基于指派给各个AP节点的第一标签来识别所述第一运动感测拓扑结构,所述第一标签中的各第一标签指示相应AP节点的连接状态;以及
基于指派给各个AP节点的第二标签来识别所述第二运动感测拓扑结构,所述第二标签中的各第二标签指示相应AP节点的连接状态。
38.根据权利要求31或权利要求32至26中任一项所述的方法,其中,检测与所述第二运动感测拓扑结构相关联的不一致性包括:检测为在所述第二时间帧期间所述第二运动感测拓扑结构与所述无线网状网络的网络拓扑结构不匹配。
39.根据权利要求31或权利要求32至26中任一项所述的方法,
其中,除了所述AP节点之外,所述无线网状网络还包括一个或多于一个叶节点;以及
其中,确定运动的地点包括将所述AP节点中的一个AP节点或所述叶节点中的一个叶节点识别为运动的地点。
40.根据权利要求31或权利要求32至26中任一项所述的方法,还包括:
在针对各个第二时间帧的多个迭代中重复用于获得第二运动感测数据、检测不一致性、生成概率向量、以及确定运动的地点的操作。
41.一种系统,包括:
无线网状网络,其包括接入点节点即AP节点;
一个或多于一个处理器;以及
存储器,其存储指令,所述指令在由所述一个或多于一个处理器执行时使所述系统进行操作,所述操作包括:
存储从与第一时间帧相关联的第一运动感测数据导出的第一运动感测统计,其中当无线网状网络在第一运动感测拓扑结构中操作时,所述第一运动感测数据是基于在所述第一时间帧期间在所述无线网状网络中的接入点节点即AP节点中的各对AP节点之间传送的无线信号;
当所述无线网状网络在不同的第二运动感测拓扑结构中操作时,基于在后续的第二时间帧期间在所述AP节点中的各对AP节点之间传送的无线信号来获得第二运动感测数据;
响应于检测到与所述第二运动感测拓扑结构相关联的不一致性:
获得从所述第二运动感测数据导出的第二运动感测统计,以及
将所述第一运动感测统计与所述第二运动感测统计进行比较;
基于所述比较来生成概率向量,所述概率向量包括表示所述第二时间帧期间各个AP节点处的对象的运动的概率的值;以及
基于所述概率向量来确定所述第二时间帧期间所述对象的运动的地点。
42.根据权利要求41所述的系统,其中,所述操作包括:
识别所述无线网状网络中的无线链路的集合,所述无线链路是根据所述第二运动感测数据在所述第二时间帧期间通过运动所激励的;
其中,所述第二运动感测统计包括与所识别的无线链路的集合相关联的测试深度标签,各测试深度标签包括与所述第二时间帧相关联的相应测试概率密度函数;以及
其中,所述第一运动感测统计包括与所识别的无线链路的集合相关联的参考深度标签,各参考深度标签包括与所述第一时间帧相关联的相应参考概率密度函数。
43.根据权利要求42所述的系统,其中,所述操作包括:
基于对所述第一运动感测数据的子集进行采样来生成所述测试概率密度函数;以及
基于对所述第二运动感测数据的子集进行采样来生成所述参考概率密度函数。
44.根据权利要求42所述的系统,其中,所述操作包括:
生成包括针对各个AP节点的计数值的计数值数据结构,各计数值指示由相应AP节点定义的无线链路的数量,所述无线链路是在所述第二时间段期间通过运动所激励的;
基于所述测试深度标签和所述参考深度标签之间的比较来修改所述计数值数据结构;以及
基于修改后的计数值数据结构来生成所述概率向量。
45.根据权利要求44所述的系统,其中,修改所述计数值数据结构包括:在所述测试深度标签和所述参考深度标签之间的差大于阈值差的情况下,减小针对AP节点的计数值。
46.根据权利要求44所述的系统,其中,修改所述计数值数据结构包括:在所述测试深度标签和所述参考深度标签之间的差小于阈值差的情况下,增加针对AP节点的计数值。
47.根据权利要求41或权利要求42至46中任一项所述的系统,其中,所述操作包括:
基于指派给各个AP节点的第一标签来识别所述第一运动感测拓扑结构,所述第一标签中的各第一标签指示相应AP节点的连接状态;以及
基于指派给各个AP节点的第二标签来识别所述第二运动感测拓扑结构,所述第二标签中的各第二标签指示相应AP节点的连接状态。
48.根据权利要求41或权利要求42至46中任一项所述的系统,其中,检测与所述第二运动感测拓扑结构相关联的不一致性包括:检测为在所述第二时间帧期间所述第二运动感测拓扑结构与所述无线网状网络的网络拓扑结构不匹配。
49.根据权利要求41或权利要求42至46中任一项所述的系统,
其中,除了所述AP节点之外,所述无线网状网络还包括一个或多于一个叶节点;以及
其中,确定运动的地点包括将所述AP节点中的一个AP节点或所述叶节点中的一个叶节点识别为运动的地点。
50.根据权利要求41或权利要求42至46中任一项所述的系统,其中,所述操作包括:
在针对各个第二时间帧的多个迭代中重复用于获得第二运动感测数据、检测不一致性、生成概率向量、以及确定运动的地点的操作。
51.一种非暂时性计算机可读介质,其存储指令,所述指令在由数据处理设备执行时使所述数据处理设备进行操作,所述操作包括:
存储从与第一时间帧相关联的第一运动感测数据导出的第一运动感测统计,其中当无线网状网络在第一运动感测拓扑结构中操作时,所述第一运动感测数据是基于在所述第一时间帧期间在所述无线网状网络中的接入点节点即AP节点中的各对AP节点之间传送的无线信号;
当所述无线网状网络在不同的第二运动感测拓扑结构中操作时,基于在后续的第二时间帧期间在所述AP节点中的各对AP节点之间传送的无线信号来获得第二运动感测数据;
响应于检测到与所述第二运动感测拓扑结构相关联的不一致性:
获得从所述第二运动感测数据导出的第二运动感测统计,以及
将所述第一运动感测统计与所述第二运动感测统计进行比较;
基于所述比较来生成概率向量,所述概率向量包括表示所述第二时间帧期间各个AP节点处的对象的运动的概率的值;以及
基于所述概率向量来确定所述第二时间帧期间所述对象的运动的地点。
52.根据权利要求51所述的非暂时性计算机可读介质,其中,所述操作包括:
识别所述无线网状网络中的无线链路的集合,所述无线链路是根据所述第二运动感测数据在所述第二时间帧期间通过运动所激励的;
其中,所述第二运动感测统计包括与所识别的无线链路的集合相关联的测试深度标签,各测试深度标签包括与所述第二时间帧相关联的相应测试概率密度函数;以及
其中,所述第一运动感测统计包括与所识别的无线链路的集合相关联的参考深度标签,各参考深度标签包括与所述第一时间帧相关联的相应参考概率密度函数。
53.根据权利要求52所述的非暂时性计算机可读介质,其中,所述操作包括:
基于对所述第一运动感测数据的子集进行采样来生成所述测试概率密度函数;以及
基于对所述第二运动感测数据的子集进行采样来生成所述参考概率密度函数。
54.根据权利要求52所述的非暂时性计算机可读介质,其中,所述操作包括:
生成包括针对各个AP节点的计数值的计数值数据结构,各计数值指示由相应AP节点定义的无线链路的数量,所述无线链路是在所述第二时间段期间通过运动所激励的;
基于所述测试深度标签和所述参考深度标签之间的比较来修改所述计数值数据结构;以及
基于修改后的计数值数据结构来生成所述概率向量。
55.根据权利要求54所述的非暂时性计算机可读介质,其中,修改所述计数值数据结构包括:在所述测试深度标签和所述参考深度标签之间的差大于阈值差的情况下,减小针对AP节点的计数值。
56.根据权利要求54所述的非暂时性计算机可读介质,其中,修改所述计数值数据结构包括:在所述测试深度标签和所述参考深度标签之间的差小于阈值差的情况下,增加针对AP节点的计数值。
57.根据权利要求51或权利要求52至56中任一项所述的非暂时性计算机可读介质,其中,所述操作包括:
基于指派给各个AP节点的第一标签来识别所述第一运动感测拓扑结构,所述第一标签中的各第一标签指示相应AP节点的连接状态;以及
基于指派给各个AP节点的第二标签来识别所述第二运动感测拓扑结构,所述第二标签中的各第二标签指示相应AP节点的连接状态。
58.根据权利要求51或权利要求52至56中任一项所述的非暂时性计算机可读介质,其中,检测与所述第二运动感测拓扑结构相关联的不一致性包括:检测为在所述第二时间帧期间所述第二运动感测拓扑结构与所述无线网状网络的网络拓扑结构不匹配。
59.根据权利要求51或权利要求52至56中任一项所述的非暂时性计算机可读介质,
其中,除了所述AP节点之外,所述无线网状网络还包括一个或多于一个叶节点;以及
其中,确定运动的地点包括将所述AP节点中的一个AP节点或所述叶节点中的一个叶节点识别为运动的地点。
60.根据权利要求51或权利要求52至56中任一项所述的非暂时性计算机可读介质,其中,所述操作包括:
在针对各个第二时间帧的多个迭代中重复用于获得第二运动感测数据、检测不一致性、生成概率向量、以及确定运动的地点的操作。
61.一种方法,包括:
存储从与第一时间帧相关联的第一运动感测数据导出的特征向量的集合,其中当无线网状网络在第一运动感测拓扑结构中操作时,所述第一运动感测数据是基于在所述第一时间帧期间在所述无线网状网络中的接入点节点即AP节点之间传送的无线信号,所述集合中的各特征向量被指派给所述AP节点中的相应AP节点;
当所述无线网状网络在不同的第二运动感测拓扑结构中操作时,基于在后续的第二时间帧期间在所述AP节点之间传送的无线信号来获得运动向量,所述运动向量包括针对所述AP节点之间的各个无线链路的运动指示值;
响应于检测到与所述第二运动感测拓扑结构相关联的不一致性,将所述运动向量与各个特征向量进行比较;
通过数据处理设备的操作,基于所述比较来生成概率向量,所述概率向量包括表示所述第二时间帧期间各个AP节点处的对象的运动的概率的值;以及
基于所述概率向量来确定所述第二时间帧期间所述对象的运动的地点。
62.根据权利要求61所述的方法,还包括:
基于指派给各个AP节点的第一标签来识别所述第一运动感测拓扑结构,所述第一标签中的各第一标签指示相应AP节点的连接状态;以及
基于指派给各个AP节点的第二标签来识别所述第二运动感测拓扑结构,所述第二标签中的各第二标签指示相应AP节点的连接状态。
63.根据权利要求61或62所述的方法,其中,检测与所述第二运动感测拓扑结构相关联的不一致性包括:检测为在所述第二时间帧期间所述第二运动感测拓扑结构与所述无线网状网络的网络拓扑结构不匹配。
64.根据权利要求63所述的方法,其中,检测不一致性包括识别比所述网络拓扑结构中的双连接节点的数量大的所述运动感测拓扑结构中的双连接节点的数量。
65.根据权利要求61或62所述的方法,包括通过至少以下操作来生成特征向量的集合:
基于所述第一运动感测数据来获得针对所述第一时间段的聚合相关矩阵,以及
进行所述聚合相关矩阵的矩阵分解以获得特征向量。
66.根据权利要求65所述的方法,包括通过至少以下操作来计算所述聚合相关矩阵:
基于所述第一运动感测数据的各个子集来获得第一运动向量,所述第一运动向量各自包括针对所述AP节点之间的各个无线链路的第一运动指示值;
针对所述第一运动感测数据的子集中的各子集,将所述第一运动向量乘以所述第一运动向量的转置实例以生成相关矩阵;以及
组合针对所述子集的相关矩阵以获得所述聚合相关矩阵。
67.根据权利要求61或62所述的方法,
其中,将所述运动向量与各个特征向量进行比较包括计算所述运动向量与各个特征向量之间的点积;以及
其中,所述概率向量是基于所述点积生成的。
68.根据权利要求67所述的方法,还包括:
基于所述运动感测数据来生成计数值数据结构,所述计数值数据结构包括针对各个AP节点的计数值,各计数值指示由相应AP节点定义的无线链路的数量,所述无线链路是根据所述运动感测数据通过运动所激励的;
基于所述点积来修改所述计数值数据结构;以及
基于修改后的计数值数据结构来生成所述概率向量。
69.根据权利要求61或62所述的方法,还包括:
在针对各个第二时间帧的多个迭代中重复用于获得运动向量、比较所述运动向量、生成概率向量、以及确定运动的地点的操作。
70.根据权利要求61或62所述的方法,
其中,除了所述AP节点之外,所述无线网状网络还包括一个或多于一个叶节点;以及
其中,确定运动的地点包括将所述AP节点中的一个AP节点或所述叶节点中的一个叶节点识别为运动的地点。
71.一种系统,包括:
无线网状网络,其包括接入点节点即AP节点;
一个或多于一个处理器;以及
存储器,其存储指令,所述指令在由所述一个或多于一个处理器执行时使所述系统进行操作,所述操作包括:
存储从与第一时间帧相关联的第一运动感测数据导出的特征向量的集合,其中当无线网状网络在第一运动感测拓扑结构中操作时,所述第一运动感测数据是基于在所述第一时间帧期间在所述无线网状网络中的接入点节点即AP节点之间传送的无线信号,所述集合中的各特征向量被指派给所述AP节点中的相应AP节点;
当所述无线网状网络在不同的第二运动感测拓扑结构中操作时,基于在后续的第二时间帧期间在所述AP节点之间传送的无线信号来获得运动向量,所述运动向量包括针对所述AP节点之间的各个无线链路的运动指示值;
响应于检测到与所述第二运动感测拓扑结构相关联的不一致性,将所述运动向量与各个特征向量进行比较;
基于所述比较来生成概率向量,所述概率向量包括表示所述第二时间帧期间各个AP节点处的对象的运动的概率的值;以及
基于所述概率向量来确定所述第二时间帧期间所述对象的运动的地点。
72.根据权利要求71所述的系统,其中,所述操作包括:
基于指派给各个AP节点的第一标签来识别所述第一运动感测拓扑结构,所述第一标签中的各第一标签指示相应AP节点的连接状态;以及
基于指派给各个AP节点的第二标签来识别所述第二运动感测拓扑结构,所述第二标签中的各第二标签指示相应AP节点的连接状态。
73.根据权利要求71或72所述的系统,其中,检测与所述第二运动感测拓扑结构相关联的不一致性包括:检测为在所述第二时间帧期间所述第二运动感测拓扑结构与所述无线网状网络的网络拓扑结构不匹配。
74.根据权利要求73所述的系统,其中,检测不一致性包括识别比所述网络拓扑结构中的双连接节点的数量大的所述运动感测拓扑结构中的双连接节点的数量。
75.根据权利要求71或72所述的系统,其中,所述操作包括通过至少以下操作来生成特征向量的集合:
基于所述第一运动感测数据来获得针对所述第一时间段的聚合相关矩阵,以及
进行所述聚合相关矩阵的矩阵分解以获得特征向量。
76.根据权利要求75所述的系统,其中,所述操作包括通过至少以下操作来计算所述聚合相关矩阵:
基于所述第一运动感测数据的各个子集来获得第一运动向量,所述第一运动向量各自包括针对所述AP节点之间的各个无线链路的第一运动指示值;
针对所述第一运动感测数据的子集中的各子集,将所述第一运动向量乘以所述第一运动向量的转置实例以生成相关矩阵;以及
组合针对所述子集的相关矩阵以获得所述聚合相关矩阵。
77.根据权利要求71或72所述的系统,
其中,将所述运动向量与各个特征向量进行比较包括计算所述运动向量与各个特征向量之间的点积;以及
其中,所述概率向量是基于所述点积生成的。
78.根据权利要求77所述的系统,其中,所述操作包括:
基于所述运动感测数据来生成计数值数据结构,所述计数值数据结构包括针对各个AP节点的计数值,各计数值指示由相应AP节点定义的无线链路的数量,所述无线链路是根据所述运动感测数据通过运动所激励的;
基于所述点积来修改所述计数值数据结构;以及
基于修改后的计数值数据结构来生成所述概率向量。
79.根据权利要求71或72所述的系统,其中,所述操作包括:
在针对各个第二时间帧的多个迭代中重复用于获得运动向量、比较所述运动向量、生成概率向量、以及确定运动的地点的操作。
80.根据权利要求71或72所述的系统,
其中,除了所述AP节点之外,所述无线网状网络还包括一个或多于一个叶节点;以及
其中,确定运动的地点包括将所述AP节点中的一个AP节点或所述叶节点中的一个叶节点识别为运动的地点。
81.一种非暂时性计算机可读介质,其存储指令,所述指令在由数据处理设备执行时使所述数据处理设备进行操作,所述操作包括:
存储从与第一时间帧相关联的第一运动感测数据导出的特征向量的集合,其中当无线网状网络在第一运动感测拓扑结构中操作时,所述第一运动感测数据是基于在所述第一时间帧期间在所述无线网状网络中的接入点节点即AP节点之间传送的无线信号,所述集合中的各特征向量被指派给所述AP节点中的相应AP节点;
当所述无线网状网络在不同的第二运动感测拓扑结构中操作时,基于在后续的第二时间帧期间在所述AP节点之间传送的无线信号来获得运动向量,所述运动向量包括针对所述AP节点之间的各个无线链路的运动指示值;
响应于检测到与所述第二运动感测拓扑结构相关联的不一致性,将所述运动向量与各个特征向量进行比较;
基于所述比较来生成概率向量,所述概率向量包括表示所述第二时间帧期间各个AP节点处的对象的运动的概率的值;以及
基于所述概率向量来确定所述第二时间帧期间所述对象的运动的地点。
82.根据权利要求81所述的非暂时性计算机可读介质,其中,所述操作包括:
基于指派给各个AP节点的第一标签来识别所述第一运动感测拓扑结构,所述第一标签中的各第一标签指示相应AP节点的连接状态;以及
基于指派给各个AP节点的第二标签来识别所述第二运动感测拓扑结构,所述第二标签中的各第二标签指示相应AP节点的连接状态。
83.根据权利要求81或82所述的非暂时性计算机可读介质,其中,检测与所述第二运动感测拓扑结构相关联的不一致性包括:检测为在所述第二时间帧期间所述第二运动感测拓扑结构与所述无线网状网络的网络拓扑结构不匹配。
84.根据权利要求83所述的非暂时性计算机可读介质,其中,检测不一致性包括识别比所述网络拓扑结构中的双连接节点的数量大的所述运动感测拓扑结构中的双连接节点的数量。
85.根据权利要求81或82所述的非暂时性计算机可读介质,其中,所述操作包括通过至少以下操作来生成特征向量的集合:
基于所述第一运动感测数据来获得针对所述第一时间段的聚合相关矩阵,以及
进行所述聚合相关矩阵的矩阵分解以获得特征向量。
86.根据权利要求85所述的非暂时性计算机可读介质,其中,所述操作包括通过至少以下操作来计算所述聚合相关矩阵:
基于所述第一运动感测数据的各个子集来获得第一运动向量,所述第一运动向量各自包括针对所述AP节点之间的各个无线链路的第一运动指示值;
针对所述第一运动感测数据的子集中的各子集,将所述第一运动向量乘以所述第一运动向量的转置实例以生成相关矩阵;以及
组合针对所述子集的相关矩阵以获得所述聚合相关矩阵。
87.根据权利要求81或82所述的非暂时性计算机可读介质,
其中,将所述运动向量与各个特征向量进行比较包括计算所述运动向量与各个特征向量之间的点积;以及
其中,所述概率向量是基于所述点积生成的。
88.根据权利要求87所述的非暂时性计算机可读介质,其中,所述操作包括:
基于所述运动感测数据来生成计数值数据结构,所述计数值数据结构包括针对各个AP节点的计数值,各计数值指示由相应AP节点定义的无线链路的数量,所述无线链路是根据所述运动感测数据通过运动所激励的;
基于所述点积来修改所述计数值数据结构;以及
基于修改后的计数值数据结构来生成所述概率向量。
89.根据权利要求81所述的非暂时性计算机可读介质,其中,所述操作包括:
在针对各个第二时间帧的多个迭代中重复用于获得运动向量、比较所述运动向量、生成概率向量、以及确定运动的地点的操作。
90.根据权利要求81或82所述的非暂时性计算机可读介质,
其中,除了所述AP节点之外,所述无线网状网络还包括一个或多于一个叶节点;以及
其中,确定运动的地点包括将所述AP节点中的一个AP节点或所述叶节点中的一个叶节点识别为运动的地点。
91.一种方法,包括:
基于在包括多个节点的无线网状网络中的无线链路上交换的无线信号来获得运动感测数据,所述无线网状网络的节点包括第一接入点节点即第一AP节点、一个或多于一个其它AP节点、以及叶节点,所述无线链路包括:
所述第一AP节点和所述一个或多于一个其它AP节点之间的无线链路,以及
所述第一AP节点和所述叶节点的第一子集之间的无线链路;
基于所述运动感测数据将所述第一AP节点识别为对象的运动的估计地点;
响应于所述第一AP节点被识别为运动的估计地点,生成包括指派给所述多个节点中的各个节点的似然值的似然数据结构,其中指派给所述叶节点的第一子集和所述第一AP节点的似然值高于指派给所述无线网状网络中的其它节点的似然值;
基于所述似然数据结构来确定所述对象的运动的地点。
92.根据权利要求91所述的方法,其中,确定所述对象的运动的地点包括:
基于所述似然数据结构来生成概率向量,所述概率向量包括表示所述无线网状网络的各个节点处的运动的概率的概率值;以及
基于所述概率向量来选择所述第一AP节点或所述叶节点的第一子集中的一个叶节点作为运动的地点。
93.根据权利要求91或92所述的方法,包括基于以下两个数量的比来计算指派给所述第一AP节点的似然值:
所述第一子集中的叶节点的数量;以及
表示所述第一AP节点的连接状态的数量。
94.根据权利要求93所述的方法,还包括:基于对与所述第一AP节点和所述叶节点的第一子集之间的无线链路相关联的运动指示值进行评级来计算指派给所述叶节点的第一子集的似然值。
95.根据权利要求94所述的方法,其中,指派给各相应叶节点的似然值表示指派给所述叶节点的评级乘以放大因子的积。
96.根据权利要求95所述的方法,还包括:向所述无线网状网络中的其它节点指派统一值。
97.根据权利要求91或92所述的方法,其中,指派给所述叶节点的第一子集和所述第一AP节点的似然值至少比指派给所述无线网状网络中的其它节点的似然值高一个数量级。
98.根据权利要求91或92所述的方法,还包括:
在针对各个时间帧的多个迭代中重复用于获得运动感测数据、识别第一AP节点、生成似然数据结构、以及确定运动的地点的操作。
99.一种系统,包括:
无线网状网络,其包括通过无线链路连接的节点,所述无线网状网络的节点包括第一接入点节点即第一AP节点、一个或多于一个其它AP节点、以及叶节点,所述无线链路包括:
所述第一AP节点和所述一个或多于一个其它AP节点之间的无线链路,以及
所述第一AP节点和所述叶节点的第一子集之间的无线链路;
一个或多于一个处理器;以及
存储器,其存储指令,所述指令在由所述一个或多于一个处理器执行时使所述系统进行操作,所述操作包括:
基于在所述无线链路上交换的无线信号来获得运动感测数据;
所述第一AP节点和所述一个或多于一个其它AP节点之间的无线链路,以及
所述第一AP节点和所述叶节点的第一子集之间的无线链路;
基于所述运动感测数据将所述第一AP节点识别为对象的运动的估计地点;
响应于所述第一AP节点被识别为运动的估计地点,生成包括指派给多个节点中的各个节点的似然值的似然数据结构,其中指派给所述叶节点的第一子集和所述第一AP节点的似然值高于指派给所述无线网状网络中的其它节点的似然值;
基于所述似然数据结构来确定所述对象的运动的地点。
100.根据权利要求99所述的系统,其中,确定所述对象的运动的地点包括:
基于所述似然数据结构来生成概率向量,所述概率向量包括表示所述无线网状网络的各个节点处的运动的概率的概率值;以及
基于所述概率向量来选择所述第一AP节点或所述叶节点的第一子集中的一个叶节点作为运动的地点。
101.根据权利要求99或100所述的系统,其中,所述操作包括基于以下两个数量的比来计算指派给所述第一AP节点的似然值:
所述第一子集中的叶节点的数量;以及
表示所述第一AP节点的连接状态的数量。
102.根据权利要求101所述的系统,其中,所述操作包括:
基于对与所述第一AP节点和所述叶节点的第一子集之间的无线链路相关联的运动指示值进行评级来计算指派给所述叶节点的第一子集的似然值。
103.根据权利要求102所述的系统,其中,指派给各相应叶节点的似然值表示指派给所述叶节点的评级乘以放大因子的积。
104.根据权利要求103所述的系统,其中,所述操作包括:向所述无线网状网络中的其它节点指派统一值。
105.根据权利要求99或100所述的系统,其中,指派给所述叶节点的第一子集和所述第一AP节点的似然值至少比指派给所述无线网状网络中的其它节点的似然值高一个数量级。
106.根据权利要求99或100所述的系统,其中,所述操作包括:
在针对各个时间帧的多个迭代中重复用于获得运动感测数据、识别第一AP节点、生成似然数据结构、以及确定运动的地点的操作。
107.一种非暂时性计算机可读介质,其存储指令,所述指令在由数据处理设备执行时使所述数据处理设备进行操作,所述操作包括:
基于在包括多个节点的无线网状网络中的无线链路上交换的无线信号来获得运动感测数据,所述无线网状网络的节点包括第一接入点节点即第一AP节点、一个或多于一个其它AP节点、以及叶节点,所述无线链路包括:
所述第一AP节点和所述一个或多于一个其它AP节点之间的无线链路,以及
所述第一AP节点和所述叶节点的第一子集之间的无线链路;
基于所述运动感测数据将所述第一AP节点识别为对象的运动的估计地点;
响应于所述第一AP节点被识别为运动的估计地点,生成包括指派给所述多个节点中的各个节点的似然值的似然数据结构,其中指派给所述叶节点的第一子集和所述第一AP节点的似然值高于指派给所述无线网状网络中的其它节点的似然值;
基于所述似然数据结构来确定所述对象的运动的地点。
108.根据权利要求107所述的非暂时性计算机可读介质,其中,确定所述对象的运动的地点包括:
基于所述似然数据结构来生成概率向量,所述概率向量包括表示所述无线网状网络的各个节点处的运动的概率的概率值;以及
基于所述概率向量来选择所述第一AP节点或所述叶节点的第一子集中的一个叶节点作为运动的地点。
109.根据权利要求107或108所述的非暂时性计算机可读介质,其中,所述操作包括基于以下两个数量的比来计算指派给所述第一AP节点的似然值:
所述第一子集中的叶节点的数量;以及
表示所述第一AP节点的连接状态的数量。
110.根据权利要求109所述的非暂时性计算机可读介质,其中,所述操作包括:基于对与所述第一AP节点和所述叶节点的第一子集之间的无线链路相关联的运动指示值进行评级来计算指派给所述叶节点的第一子集的似然值。
111.根据权利要求110所述的非暂时性计算机可读介质,其中,指派给各相应叶节点的似然值表示指派给所述叶节点的评级乘以放大因子的积。
112.根据权利要求111所述的非暂时性计算机可读介质,其中,所述操作包括:向所述无线网状网络中的其它节点指派统一值。
113.根据权利要求107或108所述的非暂时性计算机可读介质,其中,指派给所述叶节点的第一子集和所述第一AP节点的似然值至少比指派给所述无线网状网络中的其它节点的似然值高一个数量级。
114.根据权利要求107或108所述的非暂时性计算机可读介质,其中,所述操作包括:
在针对各个时间帧的多个迭代中重复用于获得运动感测数据、识别第一AP节点、生成似然数据结构、以及确定运动的地点的操作。
Applications Claiming Priority (11)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962908401P | 2019-09-30 | 2019-09-30 | |
US62/908,401 | 2019-09-30 | ||
US16/867,089 | 2020-05-05 | ||
US16/867,066 | 2020-05-05 | ||
US16/867,089 US10952181B1 (en) | 2019-09-30 | 2020-05-05 | Detecting a location of motion using wireless signals in a wireless mesh network that includes leaf nodes |
US16/867,062 | 2020-05-05 | ||
US16/867,064 US10924889B1 (en) | 2019-09-30 | 2020-05-05 | Detecting a location of motion using wireless signals and differences between topologies of wireless connectivity |
US16/867,062 US11006245B2 (en) | 2019-09-30 | 2020-05-05 | Detecting a location of motion using wireless signals and topologies of wireless connectivity |
US16/867,066 US11044578B2 (en) | 2019-09-30 | 2020-05-05 | Detecting a location of motion using wireless signals that propagate along two or more paths of a wireless communication channel |
US16/867,064 | 2020-05-05 | ||
PCT/CA2020/051080 WO2021062522A1 (en) | 2019-09-30 | 2020-08-07 | Detecting a location of motion using wireless signals and topologies of wireless connectivity |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115053147A true CN115053147A (zh) | 2022-09-13 |
Family
ID=74569955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080081730.2A Pending CN115053147A (zh) | 2019-09-30 | 2020-08-07 | 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 |
Country Status (5)
Country | Link |
---|---|
US (5) | US11006245B2 (zh) |
EP (1) | EP4038409A4 (zh) |
CN (1) | CN115053147A (zh) |
CA (1) | CA3151444A1 (zh) |
WO (1) | WO2021062522A1 (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10798529B1 (en) | 2019-04-30 | 2020-10-06 | Cognitive Systems Corp. | Controlling wireless connections in wireless sensing systems |
CA3152900A1 (en) | 2019-10-31 | 2021-05-06 | Christopher Beg | Eliciting mimo transmissions from wireless communication devices |
US11570712B2 (en) | 2019-10-31 | 2023-01-31 | Cognitive Systems Corp. | Varying a rate of eliciting MIMO transmissions from wireless communication devices |
US11297489B2 (en) * | 2020-01-06 | 2022-04-05 | Comcast Cable Communications, Llc | Methods and systems for characterizing wireless devices |
US11754587B2 (en) * | 2020-04-30 | 2023-09-12 | Abl Ip Holding Llc | Activity tracking using motion sensors in a wireless luminaire network |
CA3188465A1 (en) | 2020-08-31 | 2022-03-03 | Mohammad Omer | Controlling motion topology in a standardized wireless communication network |
CN117396776A (zh) | 2021-05-28 | 2024-01-12 | 认知系统公司 | 分析环境中的Wi-Fi运动覆盖 |
US11952121B2 (en) | 2021-06-17 | 2024-04-09 | B/E Aerospace, Inc. | Sensor systems and methods for an aircraft lavatory |
WO2023031875A1 (en) * | 2021-09-03 | 2023-03-09 | Cognitive Systems Corp. | Methods and systems for compressed csi for virtual wideband channels |
CN116405989A (zh) * | 2021-12-27 | 2023-07-07 | 中兴通讯股份有限公司 | 接入WiFi Mesh网络的方法、节点和计算机可读存储介质 |
EP4207124A1 (en) * | 2021-12-29 | 2023-07-05 | Verisure Sàrl | Security monitoring systems |
WO2023215992A1 (en) * | 2022-05-11 | 2023-11-16 | Cognitive Systems Corp. | Utilizing spatial maps for motion localization based on motion-sensing data derived from wireless signals |
WO2024069528A1 (en) * | 2022-09-29 | 2024-04-04 | Cognitive Systems Corp. | Systems and methods for wi-fi network evaluation |
US20240179545A1 (en) * | 2022-11-30 | 2024-05-30 | Cognitive Systems Corp. | Configuring a Motion Sensing System for Operation in an Environment |
Family Cites Families (191)
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 |
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 |
AU2174700A (en) | 1998-12-10 | 2000-06-26 | Christian R. Berg | Brain-body actuated system |
ES2256985T3 (es) | 1999-07-03 | 2006-07-16 | Siemens Schweiz Ag | Avisador de movimiento segun el principio doppler. |
US7904569B1 (en) | 1999-10-06 | 2011-03-08 | Gelvin David C | Method for remote access of vehicle components |
US10684350B2 (en) | 2000-06-02 | 2020-06-16 | Tracbeam Llc | Services and applications for a communications network |
WO2002047942A2 (en) | 2000-11-16 | 2002-06-20 | Donnelly Corporation | Vehicle compartment occupancy detection system |
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 |
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 |
US7158814B2 (en) * | 2004-06-10 | 2007-01-02 | Interdigital Technology Corporation | Method and system for utilizing smart antennas establishing a backhaul network |
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 |
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 |
US7733224B2 (en) | 2006-06-30 | 2010-06-08 | Bao Tran | Mesh network personal emergency response appliance |
WO2008094172A2 (en) | 2006-06-01 | 2008-08-07 | University Of Florida Research Foundation, Inc. | Radar microsensor for detection, tracking, and classification |
US20070296571A1 (en) | 2006-06-13 | 2007-12-27 | Kolen Paul T | Motion sensing in a wireless rf network |
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 |
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 |
US7756063B2 (en) * | 2007-01-19 | 2010-07-13 | Lockheed Martin Corporation | Parallel wireless topologies |
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 |
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 |
WO2011075639A1 (en) | 2009-12-18 | 2011-06-23 | Christopher Gary Sentelle | Moving entity detection |
EP2534502B1 (en) | 2010-02-08 | 2020-04-29 | Dalhousie University | Ultrasound imaging system using beamforming techniques for phase coherence grating lobe suppression |
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 |
US8836344B2 (en) | 2010-07-27 | 2014-09-16 | Raytheon Company | 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 |
US8396485B2 (en) | 2010-11-09 | 2013-03-12 | Apple Inc. | Beacon-based geofencing |
US8710984B2 (en) | 2010-12-13 | 2014-04-29 | 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 |
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 |
RU2586063C2 (ru) | 2011-10-19 | 2016-06-10 | Телефонактиеболагет Л М Эрикссон (Пабл) | Устройство детектора движения |
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 |
US9788228B2 (en) * | 2012-04-18 | 2017-10-10 | Avago Technologies General Ip (Singapore) Pte. Ltd. | Mobile data collection in a wireless sensing network |
US9019148B1 (en) | 2012-04-24 | 2015-04-28 | Sandia Corporation | Remote sensing using MIMO systems |
US9244152B1 (en) | 2012-06-01 | 2016-01-26 | Amazon Technologies, Inc. | Determining device locations using movement, signal strength |
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 |
US10374863B2 (en) | 2012-12-05 | 2019-08-06 | Origin Wireless, Inc. | Apparatus, systems and methods for event recognition based on a wireless signal |
US10397039B2 (en) * | 2012-12-05 | 2019-08-27 | Origin Wireless, Inc. | Apparatus, systems and methods for fall-down detection based on a wireless signal |
US10742475B2 (en) | 2012-12-05 | 2020-08-11 | Origin Wireless, Inc. | Method, apparatus, and system for object tracking sensing using broadcasting |
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 |
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 |
US9348434B2 (en) | 2012-11-21 | 2016-05-24 | Google Technology Holdings LLC | Low power management of multiple sensor integrated chip architecture |
WO2014078948A1 (en) | 2012-11-22 | 2014-05-30 | Perch Communications Inc. | System and method for automatically triggered synchronous and asynchronous video and audio communications between users at different endpoints |
WO2014080402A1 (en) | 2012-11-25 | 2014-05-30 | Amir Bassan-Eskenazi | Wireless tag based communication, system and applications |
US9692459B2 (en) | 2012-11-28 | 2017-06-27 | Intel Corporation | Using multiple frequency bands with beamforming assistance in a wireless network |
US8803366B2 (en) | 2013-03-04 | 2014-08-12 | Hello Inc. | Telemetry system with wireless power receiver and monitoring devices |
WO2014179529A1 (en) | 2013-05-02 | 2014-11-06 | 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 |
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 |
WO2015006694A1 (en) | 2013-07-12 | 2015-01-15 | University Of Iowa Research Foundation | Augmentative and alternative communication |
KR20160039571A (ko) | 2013-07-26 | 2016-04-11 | 엘지전자 주식회사 | 무선 통신 시스템에서 다중 안테나 빔포밍을 위하여 단말의 이동성 측정 방법 및 이를 위한 장치 |
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 |
US20150097653A1 (en) * | 2013-10-04 | 2015-04-09 | Cambridge Silicon Radio Limited | Determination of proximity using a plurality of transponders |
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 |
US10129383B2 (en) | 2014-01-06 | 2018-11-13 | Samsung Electronics Co., Ltd. | Home management system and method |
CA2945702A1 (en) | 2014-01-28 | 2015-08-06 | King Abdullah University Of Science And Technology | Buffer sizing for multi-hop networks |
GB201401580D0 (en) | 2014-01-30 | 2014-03-19 | Ucl Business Plc | Apparatus and method for calibrating a wireless access point comprising an array of multiple antennas |
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 |
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 |
US9900688B2 (en) | 2014-06-26 | 2018-02-20 | 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 |
US10077204B2 (en) | 2014-07-31 | 2018-09-18 | Corning Incorporated | Thin safety glass having improved mechanical characteristics |
US10681490B2 (en) * | 2014-09-03 | 2020-06-09 | CloudLeaf, Inc. | Events based asset location and management system |
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 |
US9196432B1 (en) | 2014-09-24 | 2015-11-24 | James Thomas O'Keeffe | Smart electrical switch with audio capability |
US10631123B2 (en) | 2014-09-24 | 2020-04-21 | James Thomas O'Keeffe | System and method for user profile enabled smart building control |
US10242563B2 (en) | 2014-10-31 | 2019-03-26 | Siemens Schweiz Ag | Method, digital tool, device and system for detecting/recognizing in a radio range, in particular of an indoor area, repetitive motions, in particular rhythmic gestures, with at least one motional speed and each at least one repetition |
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 |
WO2016137797A1 (en) | 2015-02-23 | 2016-09-01 | SomniQ, Inc. | Empathetic user interface, systems, and methods for interfacing with empathetic computing device |
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 |
WO2016156540A1 (en) | 2015-03-31 | 2016-10-06 | Koninklijke Philips N.V. | Calibration of ultrasonic elasticity-based lesion-border mapping |
CN107645922B (zh) | 2015-04-20 | 2021-11-09 | 瑞思迈传感器技术有限公司 | 用传感器进行手势识别 |
US10462732B2 (en) | 2015-05-13 | 2019-10-29 | Telefonaktiebolaget Lm Ericsson (Publ) | Beamforming |
EP3307055A4 (en) | 2015-06-15 | 2019-03-13 | Humatics Corporation | HIGH PRECISION FLIGHT TIME MEASUREMENT SYSTEM FOR INDUSTRIAL AUTOMATION |
EP3314927B1 (en) | 2015-06-26 | 2021-09-08 | EntIT Software LLC | 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 |
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 |
CN108476551B (zh) | 2015-12-23 | 2021-05-25 | 航空技术有限公司 | 利用无线通信信号感测环境中的变化的系统、方法和装置 |
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 |
JP6892663B2 (ja) | 2016-02-04 | 2021-06-23 | エアリアル テクノロジーズ インコーポレイテッド | 無線通信信号の環境を検知するためのシステムおよび方法 |
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 |
JP6957496B2 (ja) | 2016-03-23 | 2021-11-02 | フェデックス コーポレイト サービシズ,インコーポレイティド | 無線ノードネットワーク内のノードのブロードキャスト設定を自動調整するための無線ノードベースの方法、その方法を実行する命令を含む非一時的コンピュータ可読媒体、および無線ノードネットワークにおける自動調整ブロードキャストノード装置 |
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 |
WO2018094502A1 (en) | 2016-11-22 | 2018-05-31 | Aerial Technologies | Device-free localization methods within smart indoor environments |
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 |
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 |
CA3018453C (en) | 2017-01-11 | 2021-01-26 | Abl Ip Holding Llc | Asset tracking using active wireless tags that report via a local network of connected beacons |
US10004076B1 (en) | 2017-03-16 | 2018-06-19 | Cognitive Systems Corp. | Selecting wireless communication channels based on signal quality metrics |
US9927519B1 (en) | 2017-03-16 | 2018-03-27 | Cognitive Systems Corp. | Categorizing motion detected using wireless signals |
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 |
US10310082B2 (en) | 2017-07-27 | 2019-06-04 | Quantenna Communications, Inc. | Acoustic spatial diagnostics for smart home management |
US9866308B1 (en) | 2017-07-27 | 2018-01-09 | Quantenna Communications, Inc. | Composite WiFi and acoustic spatial diagnostics for smart home management |
US10838037B2 (en) | 2017-08-23 | 2020-11-17 | Locix, Inc. | Systems and methods for precise radio frequency localization using non-contiguous or discontinuous channels |
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 |
US10459076B2 (en) | 2017-11-15 | 2019-10-29 | Cognitive Systems Corp. | Motion detection based on beamforming dynamic information |
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 |
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 |
US10945092B2 (en) * | 2018-11-07 | 2021-03-09 | Adero, Inc. | Organizing physical objects using wireless tags |
US10506384B1 (en) | 2018-12-03 | 2019-12-10 | Cognitive Systems Corp. | Determining a location of motion detected from wireless signals based on prior probability |
US11327147B2 (en) * | 2018-12-26 | 2022-05-10 | Locix, Inc. | Systems and methods for determining locations of wireless sensor nodes based on anchorless nodes and known environment information |
US10499364B1 (en) | 2019-01-24 | 2019-12-03 | Cognitive Systems Corp. | Identifying static leaf nodes in a motion detection system |
US10498467B1 (en) | 2019-01-24 | 2019-12-03 | Cognitive Systems Corp. | Classifying static leaf nodes in a motion detection system |
EP3709045A1 (en) * | 2019-03-12 | 2020-09-16 | HERE Global B.V. | Determining a path of a mobile device in a public transportation building |
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 |
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 |
US10404387B1 (en) | 2019-05-15 | 2019-09-03 | Cognitive Systems Corp. | Determining motion zones in a space traversed by wireless signals |
-
2020
- 2020-05-05 US US16/867,062 patent/US11006245B2/en active Active
- 2020-05-05 US US16/867,089 patent/US10952181B1/en active Active
- 2020-05-05 US US16/867,064 patent/US10924889B1/en active Active
- 2020-05-05 US US16/867,066 patent/US11044578B2/en active Active
- 2020-08-07 WO PCT/CA2020/051080 patent/WO2021062522A1/en unknown
- 2020-08-07 CA CA3151444A patent/CA3151444A1/en active Pending
- 2020-08-07 CN CN202080081730.2A patent/CN115053147A/zh active Pending
- 2020-08-07 EP EP20872915.2A patent/EP4038409A4/en active Pending
-
2021
- 2021-05-25 US US17/329,621 patent/US20210281974A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US11006245B2 (en) | 2021-05-11 |
EP4038409A4 (en) | 2022-11-30 |
WO2021062522A1 (en) | 2021-04-08 |
US10924889B1 (en) | 2021-02-16 |
US20210099836A1 (en) | 2021-04-01 |
US10952181B1 (en) | 2021-03-16 |
US20210099970A1 (en) | 2021-04-01 |
US20210281974A1 (en) | 2021-09-09 |
US11044578B2 (en) | 2021-06-22 |
EP4038409A1 (en) | 2022-08-10 |
CA3151444A1 (en) | 2021-04-08 |
US20210099835A1 (en) | 2021-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10924889B1 (en) | Detecting a location of motion using wireless signals and differences between topologies of wireless connectivity | |
EP3891522B1 (en) | Determining a location of motion detected from wireless signals based on prior probability | |
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 | |
EP3891528B1 (en) | Determining a location of motion detected from wireless signals | |
JP7154295B2 (ja) | 無線信号の特性の機械学習に基づく動き検出 | |
EP3721257B1 (en) | Motion detection in mesh networks | |
CN111868569A (zh) | 基于无线信号分析来检测存在 |
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 |