CN115356552B - 用于检测待监测的封闭环境中的存在性的系统和方法 - Google Patents

用于检测待监测的封闭环境中的存在性的系统和方法

Info

Publication number
CN115356552B
CN115356552B CN202210528138.3A CN202210528138A CN115356552B CN 115356552 B CN115356552 B CN 115356552B CN 202210528138 A CN202210528138 A CN 202210528138A CN 115356552 B CN115356552 B CN 115356552B
Authority
CN
China
Prior art keywords
signal
peak
vibration
pressure
detecting
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.)
Active
Application number
CN202210528138.3A
Other languages
English (en)
Other versions
CN115356552A (zh
Inventor
E·R·阿莱西
F·帕萨尼蒂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
STMicroelectronics SRL
Original Assignee
STMicroelectronics SRL
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by STMicroelectronics SRL filed Critical STMicroelectronics SRL
Publication of CN115356552A publication Critical patent/CN115356552A/zh
Application granted granted Critical
Publication of CN115356552B publication Critical patent/CN115356552B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/24—Arrangements for measuring quantities of charge
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
    • G08B29/188—Data fusion; cooperative systems, e.g. voting among different detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/16—Actuation by interference with mechanical vibrations in air or other fluid
    • G08B13/1609—Actuation by interference with mechanical vibrations in air or other fluid using active vibration detection systems
    • G08B13/1645—Actuation by interference with mechanical vibrations in air or other fluid using active vibration detection systems using ultrasonic detection means and other detection means, e.g. microwave or infrared radiation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L11/00—Measuring steady or quasi-steady pressure of a fluid or a fluent solid material by means not provided for in group G01L7/00 or G01L9/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G01P15/18—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration in two or more dimensions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/22—Electrical actuation
    • G08B13/24—Electrical actuation by interference with electromagnetic field distribution
    • G—PHYSICS
    • 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
    • G08B13/2494—Intrusion detection systems, i.e. where the body of an intruder causes the interference with the electromagnetic field by interference with electro-magnetic field distribution combined with other electrical sensor means, e.g. microwave detectors combined with other sensor means
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/22—Status alarms responsive to presence or absence of persons

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Measuring Fluid Pressure (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Transition And Organic Metals Composition Catalysts For Addition Polymerization (AREA)

Abstract

本公开的实施例涉及用于检测待监测的封闭环境中的存在性的系统和方法。一种用于检测待监测环境中的存在性的系统包括静电荷变化传感器、振动传感器和环境压力传感器。处理单元被配置为从所述静电荷变化传感器获取静电荷变化信号，并在所述静电荷变化信号中检测指示所述待监测环境中的对象的所述存在性的第一信号特征。所述处理单元还使用由其他传感器提供的振动和压力信号来验证所述对象存在的检测。

Description

用于检测待监测的封闭环境中的存在性的系统和方法
技术领域
本公开涉及一种用于检测待监测环境中的存在性的系统和方法，例如用于防盗或防入侵目的。
背景技术
电场传感器用作加速度计传感器的替代或补充，以用于确定用户的活动，或帮助解释由其他传感器设备生成的信号。
在导体中，电荷具有一定的运动自由度，并且因此它们倾向于定位为使得彼此保持尽可能远离，从而分布在导体的整个表面上。
在存在外部电场的情况下，电子移动直到它们达到稳定状态为止；导体内部的电场为零，而直接位于导体外部的电场则垂直于导体。在表面上的电荷聚集在曲率半径较小的位置(点效应)。电荷可以通过接触而从一个导体转移到另一个导体。此外，可以通过感应来在导体上生成电荷。
作为替代地，在绝缘体中原子结构不允许电荷移动，相反地，它倾向于将它们保留在生成它们的地方：因此电荷将被局部化。绝缘体可以通过摩擦带电(摩擦电效应)。在存在外部电场的情况下，没有电荷可以自由移动，但是由于在具有相同符号的电荷之间的排斥作用以及偶极子(偏置)被创建，电介质分子“变形”，，这使得电介质宏观带电。
现在有很多涉及防入侵应用和存在检测的技术和产品。以下是用于检测入侵的最常用方法列表：通过红外传感器拍摄对象的热图像；无源红外对温度变化作出反应(PIR)；有源红外，其中来自发射点和接收点的光线被中断；由对象反射的微波发射，还可以测量对象的速度；超声波；使用光束式光电装置；使用麦克风；使用相机。
所有上述方法在检测不想要的入侵方面都具有优势和劣势。这就是为什么最稳健和最精密的系统将多种技术结合在一起的原因。例如，无源红外传感器对环境温度敏感，而微波防入侵系统无法检测到金属对象背后。此外，荧光灯或轻微移动可能会触发警报。出于这个原因，基于PIR和微波的组合的双技术非常普遍。通过交叉信息和警报二者，防入侵系统对于假阳性和不想要的警报变得更加可靠，并获得进一步的优势，例如对宠物的免疫力。以下是现有技术的一些示例。
专利文献EP2533219描述了一种防入侵系统，包括至少一个微波检测设备，用于检测对象未经授权进入监视区域；检测设备包括用于发射微波的发射天线和用于接收反射信号的接收天线。
专利文献US6188318描述了一种对宠物免疫的微波加PIR双技术入侵检测器。
专利文献EP1587041描述了一种入侵检测系统，包括无源红外光学器件和微波收发器。
检测由人在人的运动期间生成的电场的变化或利用电容型检测的装置也是已知的。使用后一种检测类型的技术包括例如：触摸屏，用于检测汽车中乘员位置的系统以及用于确定对象的位置、方向和质量的设备，例如在专利文献US5,844,415中所描述的，关于一种电场检测装置，用于确定物体在限定空间内的位置、质量分布和方向，在限定空间内布置多个电极。该技术解决方案还可用于标识用户的手势、手的位置和方向，例如用于与处理系统的交互使用，以代替鼠标或操纵杆。
专利文献KR20110061750引用使用与红外传感器相关的静电传感器来检测个体的存在性。具体应用涉及门的自动打开/关闭。
专利文献EP2980609涉及使用除磁传感器之外的静电场传感器来检测环境中的人的存在性。
K.Kurita的科学文献“Development of否n-Contact Measurement System ofHuman Stepping”，2008年SICE年会，日本，示出了一种系统和方法，用于利用非接触式技术计算对象所采取的步数。该技术用于检测静电感应电流，该电流是对象在环境中移动的直接结果，通过放置在距离对象1.5m处的电极进行检测。但是，该文献中示出的实验是在理想条件下进行的，仅是该技术在计步中的适用性的演示。
发明内容
现有技术的一些缺点已经在上面的背景技术部分中突出显示。此外，上述文献均未教导用于检测待监测环境中的存在性的系统和/或方法，特别是针对防入侵或防盗目的，针对实现最小化彼此协作的传感器的数目，同时确保高可靠性。
因此，需要通过提供一种用于检测待监测环境中的存在性的系统和方法来弥补现有技术的缺点。
根据本公开，提供了一种用于检测待监测环境中的存在性的系统和方法。
在至少一个实施例中，提供了一种用于检测待监测环境中的存在性的系统，该系统包括处理器和静电荷变化传感器，该静电荷变化传感器耦合到处理器并被配置为检测环境中静电荷的变化以及生成静电荷变化信号。该系统还包括振动传感器或环境压力传感器中的一项，其中振动传感器操作地耦合到待监测环境，该振动传感器被配置为检测待监测环境中的环境振动并且生成振动信号，环境压力传感器操作地耦合到待监测环境，该环境压力传感器被配置为检测待监测环境中的环境压力振动信号并且生成压力信号。处理器被配置为：从静电荷变化传感器获取静电荷变化信号；在所述静电荷变化信号中检测指示待监测的所述环境中的对象的存在性的第一信号特征；从振动传感器或环境压力传感器中的所述一项分别获取振动信号或压力信号；在所获取的振动信号或压力信号中检测指示待监测的所述环境中的对象的存在性的相应第二信号特征；以及如果第一信号特征和第二信号特征二者均已经被检测到，则生成警告信号。
在至少一个实施例中，提供了一种用于检测待监测环境中的存在性的方法，包括：通过静电荷变化传感器检测环境中的静电荷的变化并且生成静电荷变化信号；通过与待监测环境操作地耦合的振动传感器或环境传感器之一分别检测待监测环境中的环境振动并生成振动信号或环境压力并生成压力信号；通过处理器从静电荷变化传感器获取静电荷变化信号；通过处理器在静电荷变化信号中检测指示待监测的所述环境中的对象的存在性的第一信号特征；通过处理器从振动传感器或环境压力传感器的一项分别获取振动信号或压力信号；通过处理器在所获取的振动信号或压力信号中检测指示待监测环境中的对象的存在性的相应第二信号特征；以及如果第一信号特征和第二信号特征二者均已经被检测到，则通过处理器生成警告信号。
附图说明
为了更好地理解本公开，现在仅通过非限制性示例并参考附图描述其实施例，其中：
图1示意性地示出了根据本公开的实施例的用于检测存在的系统，其包括操作地耦合到处理单元的环境电荷传感器、压力传感器和振动传感器(特别是多轴加速度计)。
图2示出了环境静电荷变化传感器的一个实施例。
图3A示出了由图1的压力传感器生成的压力信号SP的示例。
图3B示出了由图1的静电荷变化传感器生成的静电荷变化信号的示例。
图3C示出了由图1的加速度计生成并由图1的处理单元部分处理以生成感测轴向分量的模量的振动信号的示例。
图4A示出了去除基线或其背景分量之一的图3A的压力信号。
图4B示出了去除相对基线后图3B的静电荷变化信号。
图4C示出了图4B的静电荷变化信号的一阶导数。
图4D示出了图3C的振动信号的包络或交流(AC)分量。
图5A和5B分别示出了图4B的静电荷变化信号和图4C的一阶导数的放大部分；
图6通过流程图示出了由图1的系统实施的用于检测人类的存在性的方法，仅参考静电荷变化信号。
图7通过框图示出了用于分析图3C或图4A的压力信号的方法的步骤，以便提取或标识用于检测人类存在的重要特征。
图8A-图8C图解地显示了根据图7的方法处理压力信号的步骤。
图9通过框图示出了用于分析图3C的振动信号的方法的步骤，以便提取或标识用于检测人类存在的重要特征。
图10A-图10C图解地显示了根据图9的方法处理振动信号的步骤。
图11和图12通过框图示出了用于去除基线的相应方法，其适用于本公开的上下文中以生成图4A和图4B的信号。
图13通过框图示出了用于检测峰的方法的步骤，该方法可用于本公开的上下文中以标识正峰和负峰，适用于图6和图7的方法的上下文中。
图14通过框图示出了计算图4B的静电荷变化信号的一阶导数以获得图4C的信号的方法。
图15通过框图示出了用于提取包络或AC分量的方法，可用于从图3C的振动信号生成图4D的振动信号。
具体实施方式
图1示意性地示出了一种存在检测系统或防入侵系统1。存在检测系统1特别用于检测环境中的人类的存在性并且包括：处理单元2、耦合到处理单元2的压力传感器4、耦合到处理单元2的静电荷变化传感器6和振动传感器7，特别是加速度计，该振动传感器7也耦合到处理单元2(下文中将明确提及加速度计，从而不失一般性)。压力传感器4、静电荷变化传感器6和振动传感器7布置在待监测环境中，处理单元2(其在本文中可被称为处理器，并且其可以是或包括适合于执行本文关于处理单元所描述的功能的任何电气特征、电路等，例如，包括微控制器的计算机)也可以布置在待监测的环境中、另一个相邻的环境中或者是远程类型的环境中，也可以布置在距离待监测的环境很远的地方。处理单元2与前述压力传感器4、静电荷传感器6和加速度计7之间的连接可以根据任何可用技术通过有线或无线来实现。
处理单元2被配置为接收(并且在使用期间接收)：信号SQ，信号SQ来自静电荷变化传感器6并且与被监测环境中的环境电荷变化相关；信号SA，指示在由加速度计7监测的环境中检测到的振动；以及信号SP，指示在由加速度计7监测的环境中检测到的压力(或压力变化)。
压力传感器4布置在需要检测人类的存在性的环境中，或者操作地耦合到该环境，以检测例如由打开门或窗引起的环境压力的变化，或者指示外来对象进入这个环境。因此，在这种情况下，待监测的环境是封闭环境，例如公寓或家中的房间。事实上，应该记住，根据本公开的系统1具有标识要保护的环境内不希望的进入的目的，特别是为了防盗目的。当系统1操作时，检测到的压力是其中存在的环境压力，由于空气加热或结合天气/气候条件的变化，其通常在白天和夜间之间相对缓慢地变化。这种压力的任何重大干扰都可以指示存在侵犯行为。
类似地，加速度计7也布置在需要检测人类的存在性的环境中，以检测该环境中可能与入侵者的脚步相关的任何振动，特别是由进入这种环境的人类引起的脚步。
类似地，静电荷变化传感器6也布置在需要检测人类的存在性的环境中，或者操作地耦合到该环境，以检测由外来对象进入该环境引起的环境静电荷变化。
对上述传感器生成的信号及其适当组合的分析允许检测对象或入侵者进入待监测的环境，从而区分假阳性。
图2示出了静电荷变化传感器6的示例性且非限制性实施例。静电荷变化传感器6包括分别耦合到输入电极E1、E2的一对输入端子8a、8b。
两个电极可以连接到差分输入(即，连接到放大器级或ADC转换器的正/负“+”/“-”输入对)。这种一般配置的特殊情况(不需要更改图2的电气图)可以使用相对于另一个电极(例如E2)具有主要尺寸的电极(例如E1)，以达到制造该第二电极(E2)的目的，以及由此检测到的环境电荷变化完全可以忽略不计；在其他情况下，可以去除第二电极(E2)。
在该实施例中，电极E1、E2其中的一个电极(例如E2)耦合到具有恒定值(例如，共模电压或VCM，通常为器件电源电压的一半)的参考电势，而电极E1、E2中的另一个电极(例如E1)例如由导电材料制成并涂有绝缘层。电极E1的几何形状决定了灵敏度，作为第一近似值，该灵敏度与电极本身的表面成正比。在示例性实施例中，对环境电荷敏感的电极E1为正方形，边长约为2-10cm，例如5cm。其他示例包括使用涂有绝缘体的导线制成的电极，其长度等于数厘米或数十厘米，例如10cm-20cm。
特别地，输入电极E1、E2布置在需要检测人类的存在性的环境中，而静电荷变化传感器6的其余部分(例如，下文描述的放大级)也可以布置在待监测的环境之外，或者可以在该环境之内。
该对输入端子8a、8b接收输入电压Vd(差分信号)，该输入电压被提供给仪表放大器12。以本身已知的方式，人类的存在性会生成环境静电荷的变化，该变化继而在已经由电极E1检测到之后，生成输入电压Vd。
在示例性实施例中，仪表放大器12包括两个运算放大器OP1和OP2以及具有将仪表放大器12偏置到共模电压VCM的功能的偏置级(缓冲器)OP3。
放大器OP1的反相端子通电阻器R2的方式连接到放大器OP2的反相端，电阻器R2在其端部具有等于输入电压Vd的电压；因此，等于I2＝Vd/R2的电流将流过该电阻器R2。该电流I2并非来自运算放大器OP1、OP2的输入端，并且因此流过与电阻器R2串联连接在运算放大器OP1、OP2输出端之间的两个电阻器R1，因此电流I2流过三个电阻器R1-R2-R1的串联部，生成由Vd’＝(2R1+R2)I2＝(2R1+R2)Vd/R2给出的输出电压Vd’。因此，图2电路的整体增益为Ad＝Vd’/Vd＝(2R1+R2)/R2＝1+2R1/R2。差分增益取决于电阻器R2的值，并且因此可以通过作用于电阻器R2来修改。
因此与输入电极8a、8b之间的电势Vd成比例的差分输出Vd’在模数转换器14的输入处被提供，模数转换器14的输出提供用于处理单元2的电荷变化信号SQ。电荷变化信号SQ例如是高分辨率数字流(16位或24位)。模数转换器14是可选的，这是因为处理单元2可以配置为直接以模拟信号龚总，或者其本身包括用于转换信号Vd’的模数转换器。
备选地，在存在模数转换器14的情况下，可以省略仪表放大器12，从而模数转换器14接收在电极E1、E2之间的差分电压Vd并且直接对该信号Vd进行采样。
压力传感器4例如是使用MEMS技术制造的压力传感器。在本公开的上下文中可用的压力传感器的示例包括具有200mbar-2000mbar的测量范围并且具有数个mbar单位的精度(绝对精度)的压力传感器。然而，在大约1000mbar的环境压力附近运行，并且观察其周围的相对值，相关参数是检测工作点周围变化的能力，即随时间和幅度变化的高分辨率以及低固有噪声。用于此目的的传感器示例包括分辨率为1帕斯卡(mbar的1/100)、数据速率等于200Hz、RMS噪声电平等于0.5帕斯卡(未应用滤波器)的传感器。
然而，在对应实施例中，其他压力传感器(除了MEMS传感器)也是可用的。
如上所述并且在一个实施例中，振动传感器7是加速度计，例如使用MEMS技术制造的三轴或六轴类型，或者包括加速度计和陀螺仪的组合的传感器。
图3A示出了由压力传感器4生成的压力信号SP(原始信号)的示例。横坐标轴是时间，纵坐标轴是绝对压力值，以millibar为单位。如图3A所示，存在背景噪声，并且在时刻t＝21s，峰15与该背景噪声显著不同，这是由环境压力的变化引起的，例如由于门的打开。
图3B示出了由静电荷变化传感器6生成的静电荷变化信号SQ(原始信号)的示例。横坐标轴是时间轴(以秒为单位，使用与图3A相同的时间刻度)。纵坐标是信号的幅度，LSB(“最低有效位”)，它是模数转换器输出端的最小数字值，与输入电极E1处检测到的电压成比例。通常，1LSB对应于介于数μV和数十μV之间的值。比例常数(或灵敏度)取决于放大器的增益、模数转换器的分辨率和任何数字处理(例如，过采样、抽取等)。LSB的表示在本领域中是常见的，并且忽略了物理单位的量化，因为其目的通常是检测相对于稳定或基本状态的相对变化。相对于测量开始的时间表示在电荷变化信号SQ的横坐标轴上。作为采样频率，在所示示例中，等于200Hz，200个样本对应于在横坐标上报告的每一秒。
从图3B可以看出，静电荷变化传感器6相对于压力传感器4以一定的延迟(这里，大约2秒)检测对象在环境中的存在性。延迟是由于以下事实：在示出的示例中，待监测环境中的脚步不是紧接着门的打开；如果是这样，那么如果门的打开与待监测环境中脚步的执行同时发生，则该延迟将因此减少到零。电荷变化信号SQ显示了一系列正峰和负峰，它们彼此跟随，并且标识对象在环境中执行的运动类型(这里，特别是脚步)。特别地，可以标识五个脚步，由正峰和紧随其后的负峰标识，由图3B中的虚线中的相应矩形17界定。
图3C示出了由加速度计7生成并且被部分处理以生成轴向感测分量的模量的振动信号SA的示例。横坐标轴是时间轴(以秒为单位，使用与图3A和3B相同的时间刻度)，而纵坐标轴是以LSB为单位的振动信号SA的幅度。在此示例中，使用了具有三个检测轴的加速度计，配置为分别沿笛卡尔三轴参考系统的X、Y、Z轴检测三个信号SAx、SAy、SAz。由于加速度计7在待监测的环境中的方位不能预先预测，根据本公开，信号SA是通过在加速度计的三个轴的每一个轴上检测到的三个分量SAx、SAy、SAz，根据运算以下通过计算加速度的模量生成的：
从图3C可以看出，加速度计7以多个接近的正峰和负峰的形式检测与背景噪声不同的振动，标识对象在环境中的相应脚步。特别地，可以标识五个脚步，基本上与由静电荷变化传感器6标识的脚步同时进行，由图3C中的虚线中的相应矩形18界定。
为了能够处理图3A-3C的信号以标识和提取相关特征以标识环境中对象的存在性，本公开的一个方面提供消除背景分量，类似于信号的平均值(DC)，也称为“基线”。已知类型的算法可以用于去除基线或背景信号，例如基于原始信号的平均值的计算和从原始信号中减去该平均值；或者，可以使用为此目的专门提供的算法或方法，例如在下文中参照图11和12说明。
图4A、4B和4D分别示出了在旨在去除背景分量或基线的相应处理之后的图3A、3B和3C的信号。在本说明书的下文中，因为本公开的教导无差别地适用使用原始或处理过的信号，相同的标号SP、SQ和SA将用于图3A-3C的原始信号和图4A、4B和4D的经受处理的信号。
特别地：图4A示出了去除基线后图3A的压力信号SP；图4B示出了去除相对基线后图3B的静电荷变化信号SQ；图4C示出了图4B的静电荷变化信号SQ的一阶导数SQ′；图4D示出了图3C的信号相对于该信号的平均值的变化(即，图3C的振动信号SA的“AC分量”)。
现在参考图5A和5B描述一种方法，用于标识静电荷变化信号SQ及其一阶导数SQ'的显著变化，即可能与待监测环境中人类的存在性关联或相关的这种信号的变化，更具体地说，用于验证传感器生成的信号是否类似于人类对象所执行的脚步。图5A的信号SQ的部分是图4B的信号SQ的一部分的放大部分，特别是图4B中由虚线界定的部分18a。图5B的信号SQ'的部分是图4B的信号SQ'的一部分的放大部分，特别是图4B中由虚线界定的部分18b。
图5A和5B的信号部分具有多个正峰和负峰，它们以一定的周期性彼此跟随。为了本公开的目的，标识正峰和负峰。该操作可以使用已知类型的峰查找算法来执行，例如基于与预定或自适应阈值的比较，或专门为此目的提供的其他算法，例如参考图13所描述的。
参考图5A和图5B，标识出以下峰，它们按时间顺序彼此跟随(图5A和5B均相对于横坐标上的相同时间轴表示)。时刻的指示值以及峰的幅度值纯粹是示例性的并且不限制本公开。
P1：在时间上是第一标识的峰，这里是正峰，它出现在大约24.3s的一阶导数信号SQ'上，并且具有等于大约+30000LSB的幅度值。
P2：在时间上是第二标识的峰，这里是正峰，它出现在大约24.4s的信号SQ上并且具有等于大约+42000LSB的幅度值。
P3：在时间上是第三标识的峰，这里是负峰，它出现在大约24.55s的一阶导数信号SQ'上，并且具有等于大约-38000LSB的幅度值。
P4：在时间上是第四标识的峰，这里是负峰，它出现在大约24.65s的信号SQ上并且具有等于大约-65000LSB的幅度值。
P5：在时间上是第标识的峰，这里是正峰，它出现在大约24.75s的一阶导数信号SQ'上，并且具有等于大约+18000LSB的幅度值。
对本领域技术人员而言明显的是，在一阶导数的信号SQ'上出现的正峰P1标识信号SQ的上升沿，该上升沿在信号SQ的正峰P2处达到顶点。类似地，一阶导数的信号SQ'上出现的负峰P3标识信号SQ的下降沿，该下降沿在信号SQ的负峰P4处达到顶点。然后，信号SQ再次开始增长，并且这个新的上升沿由一阶导数的信号SQ'上出现的正峰P5标识。因此，上述对信号SQ和SQ'的正峰和负峰连续性的评估具有标识或检测由静电荷变化传感器6生成的信号的特定趋势的功能，申请人已将其确定为特定的或重要的待监测环境中人类对象的存在性(特别是脚步的执行)。
综上所述，考虑结合静电荷变化信号SQ和静电荷变化信号SQ的一阶导数SQ'的时间过程，观察到以下正峰和负峰时间序列：
1、正峰SQ'
2、正峰SQ
3、负峰SQ'
4、负峰SQ
5、正峰SQ'
然而，申请人注意到，对于电极E1、E2的不同布置，上述时间顺序(序列)可以被反转，即观察到以下时间序列：
1、正峰SQ
2、正峰SQ'
3、负峰SQ
4、负峰SQ'
5、正峰SQ
电极的配置实际上可以对静电荷变化信号的检测生成影响。虽然电极的几何形状(首先是表面)和材料决定了电极的灵敏度，但它们在空间中的排列和距离会影响某些不需要的信号源的方向性或消除能力。关于最后一点，注意两个电极E1、E2耦合到差分放大器(也称为仪表放大器)或模数转换器(A/D或ADC)的差分输入；这个阶段执行在放大器的“+”和“-”输入端发现的信号的差异。因此，通过适当地确定电极的尺寸和定位，可以消除(或衰减)共模信号，即在两个输入端出现的具有相同强度的那些信号。基于此，本公开的实施例包括具有单个电极、具有两个相等但彼此间隔开的电极、具有两个不同几何形状的电极等的配置。如果应力最大的输入是输入“+”，则找到如图所示的信号；在输入“-”的应力较大的情况下反之亦然。在这种情况下，应力最大的电极是检测到相对于另一个电极更强烈的电位变化(由于环境中的电荷变化)的电极。这可能是由于不同的几何形状和/或两个电极的不同安装点而发生的。
申请人已经证实，当观察到上述时间序列(两者之一)时，可以得出结论，图4B的信号部分18a(和图4C的一阶导数18b)是通过待监测环境中人类对象的脚步而生成的。
为了标识信号SQ和SQ'的变化是否是所寻求的峰之一，提供了相应的阈值(正或负)A1TH-A5TH，以与信号SQ和SQ'的趋势进行比较。
阈值A1TH-A5TH具有预定义/默认值，根据对信号SQ和SQ'的趋势的观察经验确定，例如定义如下：
阈值A1TH：选择为第一峰P1可达到的最大值(或根据实验已知的最大值)的分数(例如，在1/2和1/6之间)；例如，在所描述的这个实施例中，它具有在8000-12000LSB范围内选择的值(以模量表示的值)，特别是10000LSB。
阈值A2TH：选择为第二峰P2可达到的最大值(或根据实验假设的最大值)的分数(例如，在1/2和1/6之间)；例如，在所描述的这个实施例中，它具有在8000-12000LSB范围内选择的值(以模量表示的值)，特别是10000LSB。
阈值A3TH：选择为第三峰P3可达到的最大值(或根据实验假设的最大值)的分数(例如，在1/2和1/6之间)；例如，在所描述的这个实施例中，它具有在6000-8500LSB范围内选择的值(以模量表示的值)，这里特别是7500LSB。
阈值A4TH：选择为第四峰P4可达到的最大值(或根据实验假设的最大值)的分数(例如，在1/2和1/9之间)；例如，在所描述的这个实施例中，它具有在6000-8500LSB范围内选择的值(以模量表示的值)，这里特别是7500LSB。
阈值A5TH：选择为第五峰P5可达到的最大值(或根据实验假设的最大值)的分数(例如，在1/2和1/5之间)；例如，在所描述的这个实施例中，它具有在6000-8500LSB范围内选择的值(以模量表示的值)，特别是7500LSB。
在图5A和5B的示例中，阈值具有以下值：阈值A1TH：+10000LSB；阈值A2TH：+10000LSB；阈值A3TH：-7500LSB；阈值A4TH：-7500LSB；阈值A5TH：+7500LSB。
作为已经描述的备选，阈值A1TH-A5TH的值可以根据相应信号SQ和SQ'的背景噪声来选择，例如等于噪声的平均值的8-12倍(例如，10倍)。
然后对每个阈值执行以下比较：
峰P1的幅度A1，以LSB为单位，超过正值的阈值A1TH，P1被标识为“正峰”；
峰P2的幅度A2，以LSB为单位，超过正值的阈值A2TH，P2被标识为“正峰”；
峰P3的幅度A3，以LSB为单位，超过负值的阈值A3TH，P3被标识为“负峰”；
峰P4的幅度A4，以LSB为单位，超过负值的阈值A4TH，P4被标识为“负峰”；
峰P5的幅度A5，以LSB为单位，超过正值的阈值A5TH，P5被标识为“正峰”。
为了提高本文所提出的方法的稳健性，通过改善实际脚步和环境噪声或其他扰动之间的区别，再次参考图5A和图5B，可以定义和监测以下附加参数：
T1：静电荷变化信号SQ的正峰P2和负峰P4之间的时间间隔。
T2：静电荷变化信号SQ的正峰P2与一阶导数信号SQ'的正峰P1之间的时间间隔。
T3：静电荷变化信号SQ的正峰P2与一阶导数信号SQ'的负峰P3之间的时间间隔。
T4：静电荷变化信号SQ的负峰P4与一阶导数信号SQ'的负峰P3之间的时间间隔。
T5：静电荷变化信号SQ的负峰P4与一阶导数信号SQ'的正峰P5之间的时间间隔。
T6：一阶导数信号SQ'的正峰P1和负峰P3之间的时间间隔。
T7：一阶导数信号SQ'的负峰P3和正峰P5之间的时间间隔。
T8：一阶导数信号SQ'的正峰P1和正峰P5之间的时间间隔。
验证以下关系的存在性：
T1＝T3+T4
T6＝T2+T3
T7＝T4+T5
T8＝T6+T7
附加地或替代地，验证以下关系的存在性，以验证时间间隔T2-T5的持续时间是否符合可以与对象的脚步相关联的信号形状的预期持续时间：
T2TH_L<T2<T2TH_H，其中T2TH_L和T2TH_H表示需要包括T2的时间值范围的边界(例如，T2TH_L＝30-70ms和T2TH_H＝150-250ms)；
T3TH_L<T3<T3TH_H，其中T3TH_L和T3TH_H表示需要包括T3的时间值范围的边界(例如，T3TH_L＝30-70ms和T3TH_H＝150-250ms)；
T4TH_L<T4<T4TH_H，其中T4TH_L和T4TH_H表示需要包括T4的时间值范围的边界(例如，T4TH_L＝30-70ms和T4TH_H＝150-250ms)；
T5TH_L<T5<T5TH_H，其中T5TH_L和T5TH_H表示需要包括T5的时间值范围的边界(例如，T5TH_L＝30-70ms和T5TH_H＝150-250ms)。
在一个实施例中，T1TH_L-T5TH_L的值彼此相等并且等于50ms；T1TH_H-T5TH_H的值彼此相等并且等于200ms。
T1TH_H-T5TH_H的值的选择可以根据本文描述的内容而有所不同，并在实验观察后根据经验设定。
图6通过流程图示出了由图1的系统1实施的用于检测人类存在的方法，其根据先前描述的内容仅参考静电荷变化信号SQ。
在步骤60中，处理单元2从静电荷变化传感器6获取原始信号SQ。
如前所述，在步骤61中，原始信号SQ被处理以去除基线或背景信号。
在步骤62中，执行用于搜索静电荷变化信号SQ的正/负峰的方法，从而标识例如图5A的峰P2和P4的时间序列。
在步骤63中，计算静电荷变化信号SQ的一阶导数信号SQ'。
然后，在步骤64中，执行用于搜索一阶导数信号SQ'的正/负峰的方法，从而标识例如图5B的峰P1、P3和P5的时间序列。
然后在检测到的峰的幅度A1-A5和时间间隔T2-T5上评估上述条件。本文所提出的方法是实时执行的，即通过获取原始信号SQ的样本并且评估先前描述的条件，因为这些样本由静电荷变化传感器6生成。
计数器PCOUNT(例如初始化为零)存储标识的峰的数目(可以使用五个峰P1-P5，并且在一些实施例中，可能需要确认该实施例中的脚步的标识)。在尚未检测到峰的初始时刻，PCOUNT＝0。
参考图6的框65-69，评估计数器PCOUNT的值。PCOUNT值的增加确定了对相应计算框65-69的访问，以验证峰P1-P5的相应条件，如前所述，峰P1-P5在幅度阈值和时间参考方面彼此不同。
在框65中，通过将幅度值A1与相应阈值A1TH进行比较来评估一阶导数信号SQ'中峰P1的存在性。如果与阈值的比较确定了峰P1的存在性，则更新计数器PCOUNT(PCOUNT＝1)，并且从原始信号SQ获取新数据。否则，计数器PCOUNT被重置为零值，并且从原始信号SQ获取新数据。
然后再次执行步骤60-64。
如果已经确认峰P1的存在性，则对计数器PCOUNT的值的评估确定从步骤64转到步骤66，其中通过比较幅度值A2与相应的阈值A2TH来评估静电荷变化信号SQ中峰P2的存在性。如果与阈值的比较确定峰P2的存在性，并且满足间隔T2的值的时间条件，使得T2TH_L<T2<T2TH_H，则更新计数器PCOUNT(PCOUNT＝2)，并且从原始信号SQ获取新数据。否则，计数器PCOUNT被重置为零值，并且从原始信号SQ获取新数据。
然后再次执行步骤60-64。
如果已经确认峰P2的存在性，则对计数器PCOUNT的值的评估确定从步骤64转到步骤67，其中通过比较幅度值A3与相应的阈值A3TH来评估一阶导数信号SQ'中峰P3的存在性。如果与阈值的比较确定峰P3的存在性，并且满足间隔T3的值的时间条件，使得T3TH_L<T3<T3TH_H，则更新计数器PCOUNT(PCOUNT＝3)，并且从原始信号SQ获取新数据。否则，计数器PCOUNT被重置为零值，并且从原始信号SQ获取新数据。
然后再次执行步骤60-64。
如果已经确认峰P3的存在性，则对计数器PCOUNT的值的评估确定从步骤64转到步骤68，其中通过比较幅度值A4与相应的阈值A4TH来评估静电荷变化信号SQ中峰P4的存在性。如果与阈值的比较确定峰P4的存在性，并且满足间隔T4的值的时间条件，使得T4TH_L<T4<T4TH_H，则更新计数器PCOUNT(PCOUNT＝4)，并且从原始信号SQ获取新数据。否则，计数器PCOUNT被重置为零值，并且从原始信号SQ获取新数据。
然后再次执行步骤60-64。
如果已经确认峰P4的存在性，则对计数器PCOUNT的值的评估确定从步骤64转到步骤69，其中通过比较幅度值A5与相应的阈值A5TH来评估一阶导数信号SQ'中峰P5的存在性。如果与阈值的比较确定峰P5的存在性，并且满足间隔T5的值的时间条件，使得T5TH_L<T5<T5TH_H，则结束对信号SQ和SQ'的相对部分18a、18b的分析，并且可以生成警告或触发信号，其确认由静电荷变化传感器6生成的信号中的脚步的标识。
计数器PCOUNT被重置，并且从原始信号SQ中获取新数据，以标识是否存在连续脚步。
根据本公开的一个方面，在标识多个脚步，例如五个脚步之后，确认环境中的人的存在性。然而，很明显，为了加快检测速度，即使仅在标识单个脚步之后也可以报告对象的存在性。
如前所述，为了生成人类存在的实际警报或最终确认，本公开提供了对压力传感器4和振动传感器7生成的信号SP、SA的联合分析。
图7通过框图示了用于分析压力信号SP的方法的步骤。
在一个实施例中，图7的算法实时运算，类似于图6的方法，即在同一采集步骤期间处理数据。假设压力信号已经被转换成数字，因此，在下文中，术语“数据”表示压力信号SP的数字值(例如，压力值，单位为mbar)。
在每次迭代中，在获取压力信号SP(步骤70)后，将第i个压力数据Pi(幅度值)去除其基线(步骤71)并且存储在缓冲器PBUFF中(步骤72)；同时，或者在先前或随后的时刻，无关紧要地，使用为此目已知的或为此目的专门提供的算法执行对压力信号SP中可能的峰的搜索(步骤73)。如果检测到峰(步骤74，输出是)，则计算等于检测到的峰幅度的25％的值PK25(步骤75)(该百分比值是指示性的并且可以在例如10％-50％范围内变化)。迭代地，将包含在缓冲器PBUFF中的每个压力数据(第i个数据PKi)减去(步骤76)该值PK25(运算PKi-PK25)。如果该减法得到的值为正(步骤77，输出“是”)，则将该值加到变量PAREA(表示平面部分的面积，在峰与其值的25％之间)，以执行以数字形式计算检测到的峰周围的信号积分(步骤79)。仅当该差值大于0时，积分可以计算为由与峰相关的信号所对的面积(步骤79中的变量A)，即通过加上幅度值Pi-PK25的数字格式。在步骤76中实际上每个样本Pi减去值PK25；如果步骤76的该运算的结果为正，则将该结果加到先前的面积值A(其中A在方法开始时被初始化为0)；如果步骤76的结果为负，则忽略该结果。这种加法运算最多进行N次迭代；这N次迭代的计数是通过增加索引j来执行的，而不管步骤76的运算的结果的值(j的增加允许通过整个缓冲器72)。
步骤76、77、78、79具有量化仅在存在峰时曲线所对的面积部分的功能，以便能够执行后续步骤80的运算，即评估峰本身。
最后，计算PAREA和PKi-PK25之间的比率RPK(步骤80)(得到大于1的结果)，这表明峰的“陡度”：该比率RPK的值越小，陡度越大，反之亦然。将比率RPK的值与阈值RPTHRES进行比较(步骤81)：如果RPK<RPTHRES，则峰足够陡峭以类似于通过打开门所生成的峰，并且生成表示该事件的信号或触发(步骤82)；反之亦然，该方法通过重置变量j和A返回到步骤70。阈值RPTHRES的选择包括，例如，包含在10和30之间的值；该值越小，检测到的峰越陡峭且受时间限制越多。
为了更清楚地说明图7的方法的运算，图8A示出了具有在其上以图形方式示出的阈值PK25和峰PKi的压力信号SP。这里，峰PKi具有等于0.215mbar的幅度值，因此阈值PK25＝0.054mbar。
图8B示出了在步骤76之后的图8A的信号，其中执行从信号SP的每个数据中减去值PK25的运算。在该运算之后，峰Pki的值等于0.16mbar，比率RPK的值等于9.44，面积PAREA的值等于1.51，并且阈值RPTHRES设置为15。因此，步骤81的评估给出正的结果，即RPK<RPTHRES。
图8C示出了开门事件未被确认/标识的信号，因为RPK>RPTHRES。在本示例中，在步骤76的运算后，峰PKi的幅度等于0.22，值PK25为0.072，面积PAREA的值为8.56，比率RPK等于38.9，并且阈值RPTHRES设置为15。
图9通过框图示出了用于分析振动信号SA的方法的步骤。
在一个实施例中，图9的算法实时运算，类似于图6或图7的方法，即在同一采集步骤期间处理数据。假设振动信号已经被转换为数字，因此，在下文中，术语“数据”表示振动信号SA的数字值(例如，以LSB为单位的信号幅度)。
在每次迭代中，在由处理单元2已经获取了与加速度计的检测轴(SAx、SAy、SAz)相关的振动信号之后(步骤90)，基于从加速度计的三个轴(假设这里使用三轴加速度计)获取的信号计算加速度的模量XLM(即前面讨论过的信号SA)(步骤91)。
然后获得(步骤92)AC分量(即，与信号相对于该信号的平均值的变化相关的量，其第i个值表示为XLPKi)，其存储在缓冲器XLACBUFFER中；同时对这些数据执行针对可能的信号峰的搜索(步骤93)。如果检测到峰(步骤93，输出“是”)，则值XLPK25(步骤95)计算为等于峰幅度的25％(可以选择不同的百分比值，例如在10％-50％的范围内)。否则，该方法返回到步骤90。
迭代地，将容纳在缓冲器XLACBUFFER中的所有值XLPKi减去该值XLPK25(步骤96)。如果对于每个样本，由该减法得到的值为正，则(步骤97，输出“是”)将该值加到变量XLA(表示平面部分的面积，在峰与其值的25％之间)，实施以数字格式计算积分的运算(步骤98)。
如果上述步骤的结果为负，则忽略该结果。变量XLA的这种加法和更新运算最多进行N次迭代；这N次迭代的计数是通过增加索引k来执行的，而不管步骤97的评估结果(k的增加允许通过整个缓冲器XLACBUFFER)。
然后计算(步骤100)面积AXL和XLPKi-XLPK25之间的比率RXLPK(大于1)，其指示峰的陡度；对于每个第i个数据，该比率的值越小，信号上升的陡度越大，反之亦然。
将RXLPK与阈值RXLPKTHRES进行比较(步骤101)：如果RXLPK<RXLPKTHRES，则标识出的峰是陡峭的，并且与对象的脚步(步骤103)生成的峰相似，并且生成合适的信号或触发，这确认对象在考虑的环境中的存在性。
为了增加所提出的方法的可靠性，使得振动信号被验证为由对象的脚步生成，可选地可以验证(步骤102)一定数目的峰值随时间的重复(例如，通过设置比较阈值CountTHRES，例如等于2)，条件是在单个脚步和连续脚步之间没有经过超过预定义值TTHRES的时间(对于该值的选择，类似于先前对压力信号SP所做的考虑是有效的)。
为了改善图9的方法的运算的清晰度，图10A示出了通过计算三轴加速度计的三个检测分量的模量获得的振动信号SA。图10A的信号暂时受限于在执行单个脚步期间检测到的信号。
图10B示出了图10A的信号的AC分量(其实际上代表了图10A的信号的包络)。峰幅度的最大值XLPKMAX，这里等于101.9LSB，XLPK25＝25.5LSB的计算值显示在图10B的信号上。
图10C示出了由运算XLPKi-XLPK25得到的信号(对信号SA的每个第i个样本执行)，其中图10B的峰值现在等于76.4，面积AXL的值等于517.9，比率RXLPK的值等于6.78，并且阈值RXLPKTHRES设置为值15。因此RXLPK<RXLPKTHRES的评估给出正的结果，即RXLPK<RXLPKTHRES。
参考图11和图12，现在描述适用于本公开内容的用于去除基线的相应方法。
参考图11，该算法实时运算，类似于图6或图7的方法，即在同一采集步骤期间处理数据。假设在输入端接收到的信号(可以是振动信号SA、压力信号SP和静电荷变化信号SQ的模量中的任何一个)已经被转换为数字，因此，下文中，术语“数据”标识所考虑信号的样本值或数字值(例如，以LSB为单位的信号幅度或以mbar为单位的压力值)。
在每次迭代中，都会执行以下运算。
如果输入数据xi(第i个数据)包含在阈值BLTHRES_H和BLTHRES_L之间(步骤110，输出是)，则数据xi在具有大小为NBLBUFF(例如，NBLBUFF＝10)的移位缓冲器中累积(步骤111)。
在早期迭代步骤(算法的第一开始)中，忽略阈值BLTHRES_H和BLTHRES_L(即，框110的输出为“是”)，直到缓冲器被完全填充(使用并且在某些实施例中可能需要等于NBLBUFF的迭代次数)为止。换言之，所有输入样本xi将填充缓冲器，如虚线箭头110a所示。
然后将存储当前基线值的变量BL更新为等于存在于缓冲器中的样本的平均值的值(步骤112a)，同时计算存在于缓冲器中的样本的标准偏差值(步骤112b)。计算新的阈值BLTHRES_H和BLTHRES_L(步骤113)，分别等于变量BL的值增加和减少存在于缓冲器中的样本的标准偏差的倍数。参数k调整由两个阈值BLTHRES_H和BLTHRES_L定义的带的宽度：k的值越大，将在基线中吸收的输入数据的变化越大。变量k在，例如，3-6范围内选择。
在针对每个输入样本xi计算相应的基线值BL之后，生成输出数据yi＝xi-BL(步骤114)，即将要形成相应的振动信号SA、压力信号SP或静电荷信号SQ的数据被剥夺相应的基线。
如果输入数据不包含在阈值BLTHRES_H和BLTHRES_L之间(步骤110，输出否)，则不修改基线和阈值。在任何情况下，输出数据yi等于输入值xi减去存在于缓冲器中的样本的平均值计算的值BL。重复步骤112a、112b的运算直到缓冲器被完全填充为止。
图12示出了另一种方法，替代图11的方法，用于计算基线并从相应信号中减去基线。
该算法实时运算，类似于图11的方法，即在同一采集步骤期间处理数据。假设在输入端接收到的信号(可以是振动信号SA、压力信号SP和静电荷变化信号SQ的模量中的任何一个)已经被转换为数字，因此，下文中，术语“数据”标识所考虑信号的样本值或数字值(例如，以LSB为单位的信号幅度或以mbar为单位的压力值)。
在每次第i次迭代中，处理单元2获取相应信号的第i个数据xi(步骤120)。然后，计算一阶导数xi'(步骤121)。然后，计算一阶导数xi'的绝对值|xi'|(步骤122)。然后将计算得到的绝对值|xi'|输入到具有大小为NBLBUFF'(例如等于10)的缓冲器中(步骤123)。
如果(步骤124)包含在缓冲器中的所有值都低于阈值BLTHRES(从步骤124输出“是”)，则将输入数据xi输入到大小为MBLBUFF的第二缓冲器中(步骤125)。作为导数，超过阈值BLTHRES表示信号增加(或减少)的速率。该值取决于分析的量的类型、数据速率以及环境和传感器本身的“噪声”。例如，在电荷变化信号的情况下，阈值BLTHRES可以包含在8000和16000之间。
然后将基线BL更新为新的值，由存在于该第二缓冲器中的元素的平均值给出(步骤126)。
在针对每个输入样本xi计算相应的基线值BL之后，生成输出数据yi＝xi-BL(步骤127)，即将要形成相应的振动信号SA、压力信号SP或静电荷信号SQ的数据被剥夺相应的基线。
如果第一缓冲器的至少一个元素超过或等于阈值BLTHRES，则不更新基线变量BL(步骤124输出否)。
然而，输出值yi等于输入值xi减去值BL。
在第一开始时，算法忽略针对迭代次数足以完全填充大小为NBLBUFF'的第一缓冲器的阈值BLTHRES的检查。在这个起始条件下，所有输入样本|xi'|用于填充该第一缓冲器并且不执行输出数据yi的生成。
图13通过框图示出了峰寻找方法的步骤，该方法可用于本公开的上下文中以识别正峰和负峰，例如适用于先前参照图6和图7分别描述的步骤62和73的上下文中。
参考图13，算法实时运算，类似于图6或图7的方法，即在同一采集步骤期间处理数据。假设在输入端接收到的信号(可以是振动信号SA、压力信号SP和静电荷变化信号SQ的模量中的任何一个)已经被转换为数字，因此，下文中，术语“数据”标识所考虑信号的样本值或数字值或样本(例如，以LSB为单位的信号幅度或以mbar为单位的压力值)。
参考图13的算法，定义和使用以下变量：
xi＝当前数据(样本)(第i个数据)的以LSB为单位的幅度或以mbar为单位的压力值；
ti＝与当前数据xi相关的时刻；
2N+1＝所考虑峰的宽度，以样本数表示(涵盖向最大峰值上升的信号部分、达到的最大值和从最大值下降的信号部分)；
PKTHRES＝检测正峰的存在性的比较阈值；
VLTHRES＝检测负峰的存在性的比较阈值；
xj＝正峰达到的局部最大值；
xk＝负峰达到的局部最小值；
pka＝所考虑的正峰达到的局部最大值的以LSB为单位的幅度或以mbar为单位的压力值；
pkt＝与所考虑的正峰达到的局部最大值pka相关的时刻；
vla＝所考虑的负峰达到的局部最小值的以LSB为单位的幅度或以mbar为单位的压力值；
vlt＝与所考虑的负峰达到的局部最小值vla相关的时刻；
PKF＝变量或“标志”，用于标识“发现正峰”事件；
VLF＝变量或“标志”，用于标识“发现负峰”事件。
在每次迭代中，将输入数据的幅度和时间索引分别输入(步骤130a和130b)到两个缓冲器XPBUFF(容纳数据xi的缓冲器)和TPBUFF(容纳数据ti的缓冲器)中。随后，计算缓冲器XPBUFF的所有元素的最大值xj和最小值xk(步骤131a和131b)。
如果发现的局部最大值xj的时间索引pkt不等于索引N的值，则意味着局部最大值xj对应的样本没有放置在缓冲器XPBUFF的中间；在这种情况下，没有发现峰并且PKF＝“假”(步骤132a输出否)。
相反，如果发现的局部最大值xj的时间索引pkt等于索引N的值(步骤132a输出是)，则意味着对应于局部最大值xj的样本被放置在缓冲器XPBUFF的中间；如果发现的局部最大值xj高于PKTHRES(例如，针对静电荷变化信号选择等于15000的值的PKTHRES)，则发生(步骤133a)。如果是这样，则确认存在宽度为2N+1的峰并且将变量PKF设置为“真”(步骤134a)。
发现并确认的峰的幅度为xN，时间索引为tN。
针对搜索负峰时可以双重考虑。
在这种情况下，如果发现的局部最小值xk的时间索引vlt不等于索引N的值，则意味着局部最小值xk对应的样本没有放置在缓冲器TPBUFF的中间；在这种情况下，没有发现峰值并且VLF＝“假”(步骤132b输出否)。
相反，如果发现的局部最小值xk的时间索引vlt等于索引N的值(步骤132b输出是)，则意味着局部最小值xk对应的样本放置在缓冲器TPBUFF的中间；如果发现的局部最小值xk超过(针对负值)阈值VLTHRES(例如，针对静电荷变化信号选择等于-15000的值的VLTHRES)，则发生(步骤133b)。如果是这样，则确认存在宽度为2N+1的峰并且将变量VLF设置为“真”(“TRUE”)(步骤134b)。
发现并确认的负峰的幅度为xN，时间索引为tN。
在第一开始时，该算法对于等于2N+1的迭代次数是不运算的，也就是说，直到缓冲器XPBUFF和TPBUFF被填充。在此步骤中，所有输入样本都将填充缓冲区，并且输出设置为PKF＝“假”和VLF＝“假”。
图14示出了用于计算信号SP、SA和SQ的一阶导数的算法或方法，其适用于本公开的上下文。
图14的算法实时运算，类似于前面描述的方法，即在同一采集步骤期间处理数据。假设在输入端接收到的信号(可以是振动信号SA、压力信号SP和静电荷变化信号SQ的模量中的任何一个)已经被转换为数字，因此，下文中，术语“数据”标识所考虑信号的样本值或数字值或样本(例如，以LSB为单位的信号幅度或以mbar为单位的压力值)。
根据定义，输出y相对于输入延迟了2个样本；在时间ti计算的输入信号的一阶导数与时间t(i-2)的输入信号有关。因此，在计算相对时间距离之前，这两个流在时间上是对齐的。
参考图15，用于提取所考虑信号(信号SP、SA和SQ中的任何一个)的包络或用于获得上述“AC分量”(例如，参考步骤92)的方法通过框图示出。
参考图15，正在被处理的信号的数字样本xi被获取并存储在缓冲器150中。特别地，缓冲器150被设计为存储多个样本(例如25个样本，采样率为50Hz和时间窗口为0.5秒的缓冲器)。在任何情况下，样本的数目可以根据需要而变化，考虑到该数目越大，在图15的框链的输出处生成的信号越平滑。例如，选择缓冲器150中的样本数目在10-30范围内。
存储在缓冲器150中的样本被发送到减法框152的第一输入。减法框152的另一个输入接收通过分支154进一步处理(过滤)的样本，如下文所述。
分支154首先包括使用Hann窗156或Hann函数的处理框155，其是本身已知的类型并实现以下功能：
其中xi＝[x0,...,xK-1]是处理框155中输入处的样本(下标“i＝0,...,K-1”标识第i个样本)，并且yi＝[y0,...,yK-1]是处理块155输出的样本。
分支154包括平均框157，其接收样本yi＝[y0,...,yK-1]并执行所述样本的值的算术平均运算。
分支154还包括乘法框158，其在输入处接收在框157的输出处生成的平均值并执行将所述平均值乘以2的运算(因为框156的Hann窗将信号的平均幅度减半，引入的衰减通过该运算得到补偿)，从而生成一个输出，该输出提供给减法框152的第二输入。
在减法框152的输出处，获得减去其平均值的减法框152的输入处的信号，因此信号平均在零附近振荡，没有任何明显的偏移。然后通过框159进一步处理减法框152的输出，框159实施另一个Hann窗，如框156所述。这个另外的Hann窗159具有平滑信号、平滑峰和分析窗口的末端处不连续的功能。。
框160在输入处接收在框159的输出处生成的阵列，并以本身已知的方式执行所述阵列的方差的估算。因此框160的输出是标量的。
最后，方差值的平方根运算(框162)具有压缩输出信号的动态范围以及将其恢复到初始物理尺寸的功能。换句话说，方差根据2的幂增加，并且平方根恢复物理维度。例如，对于信号SA，如果输入处的物理尺寸用V表示，经过方差计算后，用V2表示。
本公开所实现的优点从前面的描述中显而易见。
特别地，相对于现有技术，获得了以下优点：
对环境条件不敏感；
与其他技术(红外线、微波等)相比，消耗非常低；
尺寸小，易于集成和安装；
与设置有限制其空间形状/布置的“透镜”或天线的普通检测器不同，本公开可以基于应用进行物理组织；
相对于已知技术降低了成本。
还可以提供关于已经描述的内容的进一步变化。
例如，本公开可以通过排除压力传感器4和振动传感器7中的一个传感器而对已经描述的内容进行修改。在这种情况下，通过静电荷变化信号SQ结合振动信号SA和压力信号SP中的仅一个信号的分析步骤来确认待监测环境中是否存在人类。如果排除的或不存在的传感器是压力传感器，则检测到对象存在的环境可能不是封闭环境。
此外，虽然已经明确参考数字信号的处理描述了本公开，但是已经描述的内容以本身明显的方式应用于模拟信号。
一种用于检测待监测环境中的存在性的系统，可以概括为包括：处理单元(2)；静电荷变化传感器(6)，耦合到处理单元(2)，被配置为检测所述环境中的静电荷的变化并且生成静电荷变化信号(SQ)；以及振动传感器(7)和环境压力传感器(4)中的一项，其中振动传感器操作地耦合到待监测环境以检测待监测环境中的环境振动并且生成振动信号(SA)，并且其中环境压力传感器(4)操作地耦合到待监测环境以检测待监测环境中的环境压力并且生成压力信号(SP)，其中处理单元(2)被配置为获取来自静电荷变化传感器(6)的静电荷变化信号(SQ)；在所述静电荷变化信号(SQ)中检测指示待监测的所述环境中的人类的存在性的第一信号特征；从振动传感器(7)和环境压力传感器(4)中的一者分别获取振动信号(SA)或压力信号(SP)；在所获取的所述振动信号(SA)或压力信号(SP)中检测指示待监测的所述环境中人类的存在性的相应第二信号特征；如果第一信号特征和第二信号特征都被检测到，则生成警告信号。
该系统还可以包括振动传感器(7)和环境压力传感器(4)中的另一项，其中处理单元(2)还被配置为从所述振动传感器(7)和环境压力传感器(4)中的另一项分别获取振动信号(SA)或压力信号(SP)；在所获取的振动信号(SA)和压力信号(SP)中的所述另一项中检测指示待监测的所述环境中的人类的存在性的相应第三信号特征；如果第一信号特征、第二信号特征和第三信号特征全部被检测到，则生成警告信号。
检测第一信号特征的操作可以包括在静电荷变化信号(SQ)中检测按时间顺序彼此跟随的以下特征：第一上升沿；第一局部最大值；第一下降沿；第一局部最小值；第二上升沿；或者，在静电荷变化信号(SQ)中检测按时间顺序彼此跟随的以下特征：下降沿；第一局部最小值；第一上升沿；第一局部最大值；第二下降沿。
检测第一信号特征的操作还可以包括执行所述局部最大值和最小值与相应的阈值的比较；以及通过与相应阈值的比较，评估第一上升沿和第二上升沿的陡度或上升率的值以及下降沿的陡度或下降率的值。
在静电荷变化信号(SQ)中检测按时间顺序彼此跟随的特征的操作可以包括：计算静电荷变化信号(SQ)的一阶导数(SQ')；在静电荷变化信号(SQ)和一阶导数信号(SQ')中标识相应的多个正峰和负峰；检测以下时间序列a)和b)中的一个时间序列，其中所述多个正峰和负峰随时间彼此跟随：a)一阶导数信号(SQ')中的第一正峰(P1)；静电荷变化信号(SQ)中的第二正峰(P2)；一阶导数信号(SQ')中的第一负峰(P3)；静电荷变化信号(SQ)中的第二负峰(P4)；一阶导数信号(SQ')中的第三正峰(P5)；b)一阶导数信号(SQ')中的第三负峰；静电荷变化信号(SQ)中的第四负峰；一阶导数信号(SQ')中的第四正峰；静电荷变化信号(SQ)中的第五正峰；一阶导数信号(SQ')中的第五负峰。
检测第一信号特征的操作还可以包括检测以下一个或多个时间关系：
T1＝T3+T4，
T6＝T2+T3，
T7＝T4+T5，
T8＝T6+T7，
其中T1可以是第二正峰(P2)和第二负峰值(P4)之间的时间间隔，T2可以是第二正峰(P2)和第一正峰(P1)之间的时间间隔，T3可以是第二正峰(P2)和第一负峰(P3)之间的时间间隔，T4可以是第二负峰(P4)和第一负峰(P3)之间的时间间隔，T5可以是第二负峰(P4)和第三正峰(P5)之间的时间间隔，T6可以是第一正峰(P1)和第一负峰(P3)之间的时间间隔，T7可以是第一负峰(P3)和第三正峰(P5)之间的时间间隔，T8可以是第一正峰(P1)和第三正峰(P5)之间的时间间隔。
所述时间间隔T1-T7可以是正峰和负峰的相应最大或最小点之间的相应时间距离。
检测第一信号特征的操作还可以包括检测以下一个或多个时间关系：
T2TH_L<T2<T2TH_H、T3TH_L<T3<T3TH_H、T4TH_L<T4<T4TH_H、
T5TH_L<T5<T5TH_H，其中，T2TH_L、T3TH_L、T4TH_L和T5TH_L是可以包括在30和70ms之间的相应值的相应下限阈值，并且T2TH_H、T3TH_H、T4TH_H和T5TH_H是包括在150-250ms之间的相应值的相应上限阈值。
第二信号特征可以属于压力信号(SP)，并且在所述压力信号(SP)中检测第二信号特征的所述操作可以包括检测存在于所述压力信号(SP)中的压力峰的时间幅度值和最大值；计算第一比较参数，该参数是压力峰的所述时间幅度值与所述最大值之间的比率的函数；验证所述第一比较参数是否与第一阈值处于预定关系。
检测时间幅度值可以包括计算存在于所述压力信号(SP)中的压力峰的积分或所对的面积，并且可以通过将压力峰的所述积分的结果或压力峰所对的所述面积的值除以压力峰的最大值来计算所述第一比较参数。
第三信号特征属于振动信号(SA)，在所述振动信号(SA)中检测第三信号特征的所述操作可以包括检测存在于所述振动信号(SA)中的振动峰的时间幅度值和最大值；计算第二比较参数，该参数是振动峰的所述时间幅度值与所述最大值之间的比率的函数；验证所述第二比较参数是否与第二阈值处于预定关系。
检测时间幅度值可以包括计算存在于所述振动信号(SA)中的振动峰的积分或所对的面积，并且可以通过将振动峰的所述积分的结果或振动峰所对的所述面积的值除以振动峰的最大值来计算所述第二比较参数。
一种用于检测待监测环境中的存在性的方法，可以概括为包括步骤：通过静电荷变化传感器(6)检测所述环境中的静电荷变化并且生成静电荷变化信号(SQ)；通过与待监测环境操作地耦合的振动传感器(7)检测待监测环境中的环境振动并生成振动信号(SA)；或者，通过操作地耦合到待监测环境的环境压力传感器(4)检测待监测环境中的环境压力并生成压力信号(SP)；通过处理单元(2)从静电电荷变化传感器(6)获取静电荷变化信号(SQ)；通过处理单元(2)在所述静电荷变化信号(SQ)中检测指示所述待监测环境中的对象的存在性的第一信号特征；通过处理单元(2)从振动传感器(7)和环境压力传感器(4)中的一项分别获取振动信号(SA)或压力信号(SP)；通过处理单元(2)在获取的所述振动信号(SA)或压力信号(SP)中检测表示所述待监测环境中的对象的存在性的相应第二信号特征；如果第一信号特征和第二信号特征均已被检测到，则通过处理单元(2)生成警告信号。
该方法还可以包括检测环境振动并生成振动信号(SA)或检测环境压力并生成压力信号(SP)的中的另一个步骤，并且进一步包括由处理单元(2)执行的步骤：从所述振动传感器(7)和环境压力传感器(4)中的另一项分别获取振动信号(SA)或压力信号(SP)；在所获取的振动信号(SA)和压力信号(SP)中的所述另一项中检测指示所述待监测环境中的对象的存在性的相应第三信号特征；如果第一信号特征、第二信号特征和第三信号特征全部被检测到，则生成警告信号。
检测第一信号特征的步骤可以包括在静电荷变化信号(SQ)中检测按时间顺序彼此跟随的以下特征：第一上升沿；第一局部最大值；第一下降沿；第一局部最小值；第二升沿；或者，在静电荷变化信号(SQ)中检测按时间顺序彼此跟随的以下特征：下降沿；第一局部最小值；第一上升沿；第一局部最大值；第二下降沿。
检测第一信号特征的步骤还可以包括将所述局部最大值和最小值与相应阈值进行比较；通过与相应阈值的比较，评估第一上升沿和第二上升沿的陡度或上升率的值以及下降沿的陡度或下降率的值。
在静电荷变化信号(SQ)中检测按时间顺序彼此跟随的特征可以包括计算静电荷变化信号(SQ)的一阶导数(SQ')；在静电荷变化信号(SQ)和一阶导数信号(SQ')中标识相应的多个正峰和负峰；检测以下时间序列a)和b)中的一个时间序列，其中所述多个正峰和负峰随时间彼此跟随：a)一阶导数信号(SQ')中的第一正峰(P1)；静电荷变化信号(SQ)中的第二正峰(P2)；一阶导数信号(SQ')中的第一负峰(P3)；静电荷变化信号(SQ)中的第二负峰(P4)；一阶导数信号(SQ')中的第三正峰(P5)；b)一阶导数信号(SQ')中的第三负峰；静电荷变化信号(SQ)中的第四负峰；一阶导数信号(SQ')中的第四正峰；静电荷变化信号(SQ)中的第五正峰；一阶导数信号(SQ')中的第五负峰。
检测第一信号特征的步骤还可以包括检测以下一个或多个时间关系：
T1＝T3+T4，
T6＝T2+T3，
T7＝T4+T5，
T8＝T6+T7，
其中T1可以是第二正峰(P2)和第二负峰(P4)之间的时间间隔，T2可以是第二正峰(P2)和第一正峰(P1)之间的时间间隔，T3可以是第二正峰(P2)和第一负峰(P3)之间的时间间隔，T4可以是第二负峰(P4)和第一负峰(P3)之间的时间间隔，T5可以是第二负峰(P4)和第三正峰(P5)之间的时间间隔，T6可以是第一正峰(P1)和第一负峰(P3)之间的时间间隔，T7可以是第一负峰(P3)和第三正峰(P5)之间的时间间隔，T8可以是第一正峰(P1)和第三正峰(P5)之间的时间间隔。
所述时间间隔T1-T7可以是正峰和负峰的相应最大或最小点之间的相应时间距离。
检测第一信号特征的步骤还可以包括检测以下一个或多个时间关系：
T2TH_L<T2<T2TH_H、T3TH_L<T3<T3TH_H、T4TH_L<T4<T4TH_H、
T5TH_L<T5<T5TH_H，其中，T2TH_L、T3TH_L、T4TH_L和T5TH_L是可以包括在30到70ms之间的相应值的相应下限阈值，T2TH_H、T3TH_H、T4TH_H和T5TH_H是可以包括在150到250ms之间的相应值的相应上限值。
第二信号特征属于压力信号(SP)，并且其中在所述压力信号(SP)中检测第二信号特征的所述步骤可以包括检测存在于所述压力信号(SP)中的压力峰的时间幅度值和最大值；计算第一比较参数，该参数是压力峰的所述时间幅度值与所述最大值之间的比率的函数；验证所述第一比较参数是否与第一阈值处于预定关系。
检测时间幅度值可以包括计算存在于所述压力信号(SP)中的压力峰的积分或所对的面积，并且可以通过将压力峰的所述积分的结果或压力峰所对的所述面积的值除以压力峰的最大值来计算所述第一比较参数。
第三信号特征属于振动信号(SA)，在所述振动信号(SA)中检测第三信号特征的所述步骤可以包括检测存在于所述振动信号(SA)中的所述振动峰的时间幅度值和最大值；计算第二比较参数，该参数可以是振动峰的所述时间幅度值与所述最大值之间的比率的函数；验证所述第二比较参数是否与第二阈值处于预定关系。
检测时间幅度值可以包括计算存在于所述振动信号(SA)中的振动峰的积分或所对的面积，并且可以通过将所述振动峰的所述积分的结果或振动峰所对的所述面积的值除以振动峰的最大值来计算第二比较参数。
上述各种实施例可以被组合以提供其他实施例。在此全文引用所有包括但不仅限于涉及本发明和/或列在申请数据表中的美国专利、美国专利申请公开、美国专利申请、外国专利、外国专利申请和非专利公开以做参考。如果需要，采用各种专利、申请和公开的概念以提供进一步其他实施例，则可以修改实施例的相应方面。
鉴于上述详细说明，可以对实施例做出这些和其他变化。一般而言，在以下权利要求中，所使用的术语不应当被解释为将权利要求限定至说明书和权利要求书中所公开的特定实施例，而是应当被解释为包括所有可能的实施例以及这些权利要求所被赋予的等价物的全部范围。因此，权利要求并不受本公开的限制。

Claims (24)

1.一种用于检测在待监测环境中的存在性的系统，包括：
处理器；
静电荷变化传感器，耦合到所述处理器并且被配置为检测在所述环境中的静电荷的变化并且生成静电荷变化信号；以及
振动传感器或环境压力传感器中的一项，所述振动传感器操作地耦合到所述待监测环境并且被配置为检测所述待监测环境中的环境振动并且生成振动信号，或者所述环境压力传感器操作地耦合到所述待监测环境并且被配置为检测所述待监测环境中的环境压力并且生成压力信号，
其中所述处理器被配置为：
从所述静电荷变化传感器获取所述静电荷变化信号；
在所述静电荷变化信号中检测指示所述待监测环境中的对象的所述存在性的第一信号特征；
从所述振动传感器或所述环境压力传感器中的一项分别获取所述振动信号或所述压力信号；
在所获取的所述振动信号或所述压力信号中检测指示所述待监测环境中的所述对象的所述存在性的相应第二信号特征；并且
如果所述第一信号特征和所述第二信号特征二者均已经被检测到，则生成警告信号。
2.根据权利要求1所述的系统，还包括所述振动传感器或所述环境压力传感器中的另一项，其中所述处理器还被配置为：
从所述振动传感器或所述环境压力传感器中的另一项分别获取所述振动信号或所述压力信号；
在所获取的所述振动信号或所述压力信号中的所述另一项中检测指示所述待监测环境中的所述对象的所述存在性的相应第三信号特征；以及
如果所述第一信号特征、所述第二信号特征和所述第三信号特征全部被检测到，则生成所述警告信号。
3.根据权利要求1所述的系统，其中检测所述第一信号特征包括：
在所述静电荷变化信号中检测按时间顺序彼此跟随的以下特征：第一上升沿；第一局部最大值；第一下降沿；第一局部最小值；第二上升沿；以及
备选地，在所述静电荷变化信号中检测按时间顺序彼此跟随的以下特征：下降沿；第一局部最小值；第一上升沿；第一局部最大值；第二下降沿。
4.根据权利要求3所述的系统，其中检测所述第一信号特征还包括：
执行所述局部最大值以及所述局部最小值与相应阈值的比较；并且
通过与所述相应阈值的比较，评估所述第一上升沿和所述第二上升沿的陡度或上升率的值以及所述下降沿的陡度或下降率的值。
5.根据权利要求3所述的系统，其中在所述静电荷变化信号中检测按时间顺序彼此跟随的所述特征包括：
计算所述静电荷变化信号的一阶导数；
在所述静电荷变化信号和所述一阶导数信号中标识相应的多个正峰和负峰；
检测以下时间序列a)和b)之一，其中所述多个正峰和负峰随时间彼此跟随：
a)所述一阶导数信号中的第一正峰；所述静电荷变化信号中的第二正峰；所述一阶导数信号中的第一负峰；所述静电荷变化信号中的第二负峰；所述一阶导数信号中的第三正峰，
b)所述一阶导数信号中的第三负峰；所述静电荷变化信号中的第四负峰；所述一阶导数信号中的第四正峰；所述静电荷变化信号的第五正峰；所述一阶导数信号中的第五负峰。
6.根据权利要求5所述的系统，其中检测所述第一信号特征还包括检测以下一个或多个时间关系：
T1＝T3+T4，
T6＝T2+T3，
T7＝T4+T5，
T8＝T6+T7，
其中：
T1是所述第二正峰和所述第二负峰之间的时间间隔，
T2是所述第二正峰和所述第一正峰之间的时间间隔，
T3是所述第二正峰和所述第一负峰之间的时间间隔，
T4是所述第二负峰和所述第一负峰之间的时间间隔，
T5是所述第二负峰和所述第三正峰之间的时间间隔，
T6是所述第一正峰和所述第一负峰之间的时间间隔，
T7是所述第一负峰和所述第三正峰之间的时间间隔，
T8是所述第一正峰和所述第三正峰之间的时间间隔。
7.根据权利要求6所述的系统，其中所述时间间隔T1至T7为所述正峰和所述负峰的相应最大点或最小点之间的相应时间距离。
8.根据权利要求6所述的系统，其中检测所述第一信号特征还包括检测以下一个或多个时间关系：
T2TH_L<T2<T2TH_H、T3TH_L<T3<T3TH_H、T4TH_L<T4<T4TH_H、
T5TH_L<T5<T5TH_H，
其中，T2TH_L、T3TH_L、T4TH_L和T5TH_L为30ms和70ms之间相应值的相应下限阈值，并且T2TH_H、T3TH_H、T4TH_H和T5TH_H分别为150ms和250ms之间相应值的相应上限阈值。
9.根据权利要求1所述的系统，其中所述第二信号特征属于所述压力信号，
以及其中在所述压力信号中检测所述第二信号特征包括：
检测存在于所述压力信号中的压力峰的时间幅度值和所述压力峰的最大幅度值；
计算第一比较参数，所述第一比较参数是所述压力峰的所述时间幅度值与所述压力峰的所述最大幅度值之间的比率的函数；以及
验证所述第一比较参数是否与第一阈值处于预定关系。
10.根据权利要求9所述的系统，其中检测所述时间幅度值包括计算存在于所述压力信号中的所述压力峰的积分或由存在于所述压力信号中的所述压力峰所对的面积，
并且其中所述第一比较参数是通过将所述压力峰的所述积分的结果、或由所述压力峰所对的所述面积的值除以所述压力峰的所述最大幅度值来计算的；
其中计算所述压力峰的所述积分包括确定所述压力峰的所述最大幅度值的分数值，并且迭代地执行以下步骤：
从所述压力信号中存在的所述压力峰减去所述分数值；以及
如果减去所述分数值的结果为正，则将减去所述分数值的结果添加到来自先前迭代的结果中。
11.根据权利要求2所述的系统，其中所述第三信号特征属于所述振动信号，
并且其中在所述振动信号中检测所述第三信号特征包括：
检测存在于所述振动信号中的振动峰的时间幅度值和所述振动峰的最大幅度值；
计算第二比较参数，所述第二比较参数是所述振动峰的所述时间幅度值与所述振动峰的所述最大幅度值之间的比率的函数；以及
验证所述第二比较参数是否与第二阈值处于预定关系。
12.根据权利要求11所述的系统，其中检测所述时间幅度值包括计算存在于所述振动信号中的所述振动峰的积分或由存在于所述振动信号中的所述振动峰所对的面积，
并且其中所述第二比较参数是通过将所述振动峰的所述积分的结果、或由所述振动峰所对的所述面积的值除以所述振动峰的所述最大幅度值来计算的；
其中计算所述振动峰的所述积分包括确定所述振动峰的所述最大幅度值的分数值，并且迭代地执行以下步骤：
从所述振动信号中存在的所述振动峰减去所述分数值；以及
如果减去所述分数值的结果为正，则将减去所述分数值的结果添加到来自先前迭代的结果中。
13.一种检测待监测环境中的存在性的方法，包括：
通过静电荷变化传感器，检测所述环境中的静电荷的变化并且生成静电荷变化信号；
通过操作地耦合到所述待监测环境的振动传感器或环境传感器中的一项，分别检测所述待监测环境中的环境振动并且生成振动信号或环境压力并且生成压力信号；
通过处理器，从所述静电荷变化传感器获取所述静电荷变化信号；
通过所述处理器，在所述静电荷变化信号中检测指示所述待监测环境中的对象的所述存在性的第一信号特征；
通过所述处理器，从所述振动传感器或所述环境压力传感器中的一项分别获取所述振动信号或所述压力信号；
通过所述处理器，在所获取的所述振动信号或所述压力信号中检测指示所述待监测环境中的所述对象的所述存在性的相应第二信号特征；并且
如果所述第一信号特征和所述第二信号特征二者均已经被检测到，则通过所述处理器生成警告信号。
14.根据权利要求13所述的方法，还包括：
通过所述振动传感器和所述环境压力传感器中的另一项，检测所述环境振动并且生成所述振动信号或检测所述环境压力并且生成所述压力信号；
从所述振动传感器和所述环境压力传感器中的另一项分别获取所述振动信号或所述压力信号；
在所获取的所述振动信号和所述压力信号中的所述另一项中检测指示所述待监测环境中的所述对象的所述存在性的相应第三信号特征；并且
如果所述第一信号特征、所述第二信号特征和所述第三信号特征全部已经被检测到，则生成所述警告信号。
15.根据权利要求13所述的方法，其中检测所述第一信号特征包括：
在所述静电荷变化信号中检测按时间顺序彼此跟随的以下特征：第一上升沿；第一局部最大值；第一下降沿；第一局部最小值；第二上升沿；
备选地在所述静电荷变化信号中检测按时间顺序彼此跟随的以下特征：下降沿；第一局部最小值；第一上升沿；第一局部最大值；第二下降沿。
16.根据权利要求15所述的方法，其中检测所述第一信号特征还包括：
执行所述局部最大值和所述局部最小值与相应阈值的比较；并且
通过与所述相应阈值的比较，评估所述第一上升沿和所述第二上升沿的陡度或上升率的值以及所述下降沿的陡度或下降率的值。
17.根据权利要求15所述的方法，其中在所述静电荷变化信号中检测按时间顺序彼此跟随的所述特征包括：
计算所述静电荷变化信号的一阶导数；
在所述静电荷变化信号和所述一阶导数信号中标识相应的多个正峰和负峰；
检测以下时间序列a)和b)之一，其中所述多个正峰和负峰随时间彼此跟随：
a)所述一阶导数信号中的第一正峰；所述静电荷变化信号中的第二正峰；所述一阶导数信号中的第一负峰；所述静电荷变化信号中的第二负峰；所述一阶导数信号中的第三正峰，
b)所述一阶导数信号中的第三负峰；所述静电荷变化信号中的第四负峰；所述一阶导数信号中的第四正峰；所述静电荷变化信号的第五正峰；所述一阶导数信号中的第五负峰。
18.根据权利要求17所述的方法，其中检测所述第一信号特征还包括检测以下一个或多个时间关系：
T1＝T3+T4，
T6＝T2+T3，
T7＝T4+T5，
T8＝T6+T7，
其中：
T1是所述第二正峰和所述第二负峰之间的时间间隔，
T2是所述第二正峰和所述第一正峰之间的时间间隔，
T3是所述第二正峰和所述第一负峰之间的时间间隔，
T4是所述第二负峰和所述第一负峰之间的时间间隔，
T5是所述第二负峰和所述第三正峰之间的时间间隔，
T6是所述第一正峰和所述第一负峰之间的时间间隔，
T7是所述第一负峰和所述第三正峰之间的时间间隔，
T8是所述第一正峰和所述第三正峰之间的时间间隔。
19.根据权利要求18所述的方法，其中所述时间间隔T1至T7为所述正峰和所述负峰的相应最大点或最小点之间的相应时间距离。
20.根据权利要求18所述的方法，其中检测所述第一信号特征还包括检测以下一个或多个时间关系：
T2TH_L<T2<T2TH_H、T3TH_L<T3<T3TH_H、T4TH_L<T4<T4TH_H、
T5TH_L<T5<T5TH_H，
其中，T2TH_L、T3TH_L、T4TH_L和T5TH_L为30ms和70ms之间相应值的相应下限阈值，并且T2TH_H、T3TH_H、T4TH_H和T5TH_H分别为150ms和250ms之间相应值的相应上限阈值。
21.根据权利要求13所述的方法，其中所述第二信号特征属于所述压力信号，
并且其中在所述压力信号中检测所述第二信号特征包括：
检测存在于所述压力信号中的压力峰的时间幅度值和所述压力峰的最大幅度值；
计算第一比较参数，所述第一比较参数是所述压力峰的所述时间幅度值与所述压力峰的所述最大幅度值之间的比率的函数；并且
验证所述第一比较参数是否与第一阈值处于预定关系。
22.根据权利要求21所述的方法，其中检测所述时间幅度值包括计算存在于所述压力信号中的所述压力峰的积分或由存在于所述压力信号中的所述压力峰所对的面积，
并且其中所述第一比较参数是通过将所述压力峰的所述积分的结果、或由所述压力峰所对的所述面积的值除以所述压力峰的所述最大幅度值来计算的；
其中计算所述压力峰的所述积分包括确定所述压力峰的所述最大幅度值的分数值，并且迭代地执行以下步骤：
从所述压力信号中存在的所述压力峰减去所述分数值；以及
如果减去所述分数值的所述结果为正，则将减去所述分数值的结果添加到来自先前迭代的结果中。
23.根据权利要求14所述的方法，其中所述第三信号特征属于所述振动信号，
并且其中在所述振动信号中检测所述第三信号特征包括：
检测存在于所述振动信号中的振动峰的时间幅度值和所述振动峰的最大幅度值；
计算第二比较参数，所述第二比较参数是所述振动峰的所述时间幅度值与所述振动峰的所述最大幅度值之间的比率的函数；并且
验证所述第二比较参数是否与第二阈值处于预定关系。
24.根据权利要求23所述方法，其中检测所述时间幅度值包括计算存在于所述振动信号中的所述振动峰的积分或由存在于所述振动信号中的所述振动峰所对的面积，
并且其中所述第二比较参数是通过将所述振动峰的所述积分的结果、或所述振动峰所对的所述面积的值除以所述振动峰的所述最大幅度值来计算的；
其中计算所述振动峰的所述积分包括确定所述振动峰的所述最大幅度值的分数值，并且迭代地执行以下步骤：
从所述振动信号中存在的所述振动峰减去所述分数值；以及
如果减去所述分数值的所述结果为正，则将减去所述分数值的结果添加到来自先前迭代的结果中。
CN202210528138.3A 2021-05-17 2022-05-16 用于检测待监测的封闭环境中的存在性的系统和方法 Active CN115356552B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
IT102021000012665A IT202100012665A1 (it) 2021-05-17 2021-05-17 Sistema e metodo di rilevamento di presenza in un ambiente chiuso da monitorare, a scopo antifurto o anti-intrusione
IT102021000012665 2021-05-17
US17/742,177 US11861998B2 (en) 2021-05-17 2022-05-11 System and method for detecting a presence in a closed environment to be monitored, for anti-intrusion or anti-theft purpose
US17/742,177 2022-05-11

Publications (2)

Publication Number Publication Date
CN115356552A CN115356552A (zh) 2022-11-18
CN115356552B true CN115356552B (zh) 2026-01-30

Family

ID=77127002

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210528138.3A Active CN115356552B (zh) 2021-05-17 2022-05-16 用于检测待监测的封闭环境中的存在性的系统和方法

Country Status (3)

Country Link
US (1) US11861998B2 (zh)
CN (1) CN115356552B (zh)
IT (1) IT202100012665A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT202000006883A1 (it) * 2020-04-01 2021-10-01 St Microelectronics Srl Sistema e metodo di rilevamento di presenza in un ambiente da monitorare
IT202300004521A1 (it) 2023-03-10 2024-09-10 St Microelectronics Srl Dispositivo sensore per il rilevamento della presenza di una fiamma
IT202300015414A1 (it) 2023-07-21 2025-01-21 St Microelectronics Int Nv Dispositivo per il rilevamento del passaggio di un corpo emettitore di radiazione infrarossa in una zona di monitoraggio, e relativo metodo
IT202300017643A1 (it) 2023-08-28 2025-02-28 St Microelectronics Int Nv Dispositivo indossabile per il rilevamento del movimento degli occhi di un utilizzatore
CN117110732B (zh) * 2023-10-25 2024-01-09 青岛澳波泰克安全设备有限责任公司 一种静电检测系统及相位补偿的静电检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201413415D0 (en) * 2014-07-29 2014-09-10 May & Scofield Ltd Detection system and method for initiating an alam condition
CN106408820A (zh) * 2016-10-12 2017-02-15 无锡派乐科技有限公司 一种基于电容感应与压力感应的门窗监控系统

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4692743A (en) * 1984-04-06 1987-09-08 Holden Harold C Alarm system
US5844415A (en) 1994-02-03 1998-12-01 Massachusetts Institute Of Technology Method for three-dimensional positions, orientation and mass distribution
EP0834165A1 (en) * 1995-06-19 1998-04-08 Bright Star Enterprises Limited Apparatus for detecting air movements or changes in pressure
US6188318B1 (en) 1999-06-29 2001-02-13 Pittway Corp. Dual-technology intrusion detector with pet immunity
JP2002057564A (ja) * 2000-08-11 2002-02-22 Aisin Seiki Co Ltd 人体検出器
US20070100666A1 (en) 2002-08-22 2007-05-03 Stivoric John M Devices and systems for contextual and physiological-based detection, monitoring, reporting, entertainment, and control of other devices
US7283048B2 (en) * 2003-02-03 2007-10-16 Ingrid, Inc. Multi-level meshed security network
US7034675B2 (en) 2004-04-16 2006-04-25 Robert Bosch Gmbh Intrusion detection system including over-under passive infrared optics and a microwave transceiver
FR2930843A1 (fr) * 2008-05-05 2009-11-06 Dirickx Groupe Sa Systeme de detection de tentative d'intrusion comprenant des moyens de detection de chocs et/ou de vibrations integres aux poteaux d'une cloture, et dispositif a monter sur des poteaux de cloture
JP5515146B2 (ja) * 2009-08-21 2014-06-11 株式会社ユピテル 防犯装置、プログラム
KR101118984B1 (ko) 2009-12-02 2012-03-13 최용환 도어 개폐 방법 및 그것을 이용한 도어 개폐 송신장치
EP2533219A1 (en) 2011-06-10 2012-12-12 Lince Italia S.p.A. Anti-intrusion system comprising at least one microwave detecting device
CN102495681B (zh) * 2011-11-23 2014-07-09 江苏惠通集团有限责任公司 具有触摸按键的控制设备
DE102013210747A1 (de) * 2013-06-10 2014-12-11 Robert Bosch Gmbh Einbruchsensor zur überwachung eines zugangs zu einem zu überwachenden gebäude und verfahren
ES2534702B1 (es) * 2013-09-24 2016-02-09 Ontech Security, Sl Sensor de campos electrostáticos y sistema de seguridad en espacios interiores
US10605595B2 (en) * 2015-04-14 2020-03-31 Sony Corporation Biking activity recognition through combination of electric field sensing and accelerometer
KR20160136013A (ko) 2015-05-19 2016-11-29 엘지전자 주식회사 이동 단말기 및 그 제어 방법
KR101812981B1 (ko) * 2016-03-28 2017-12-28 주식회사 카티스 지능형 복합 센서를 이용한 울타리 감시 시스템 및 복합 센서의 감도 변경 방법
CN107481464A (zh) * 2017-08-01 2017-12-15 成都尊华荣域科技有限公司 一种基于zigbee的楼宇自动防盗系统
US10814744B2 (en) * 2017-12-22 2020-10-27 Stmicroelectronics S.R.L. Safety electronic device for presence detection inside a vehicle
US10902708B1 (en) * 2019-07-18 2021-01-26 Richard Deutsch Monitoring hand proximity and contact with select objects

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201413415D0 (en) * 2014-07-29 2014-09-10 May & Scofield Ltd Detection system and method for initiating an alam condition
CN106408820A (zh) * 2016-10-12 2017-02-15 无锡派乐科技有限公司 一种基于电容感应与压力感应的门窗监控系统

Also Published As

Publication number Publication date
US11861998B2 (en) 2024-01-02
CN115356552A (zh) 2022-11-18
IT202100012665A1 (it) 2022-11-17
US20220366768A1 (en) 2022-11-17

Similar Documents

Publication Publication Date Title
CN115356552B (zh) 用于检测待监测的封闭环境中的存在性的系统和方法
CN113495298B (zh) 用于待监测的环境中的存在检测的系统和方法
US8120354B2 (en) Self-calibrating magnetic field monitor
CN107925405B (zh) 生成用于触发脚踏检测的自适应信号阈值的方法
US10621506B2 (en) Apparatus and method for activity detection and classification from sensor data
Sreejan et al. A review on applications of flex sensors
Ghosh et al. Performance evaluation of a real-time seismic detection system based on CFAR detectors
CN114225363B (zh) 用于感测和监测用户游泳活动的可穿戴系统和方法
JP2017514258A (ja) セキュリティフェンスの侵入感知装置
KR102280677B1 (ko) 단일 센서의 기울기 기반 적응형 가스 탐지 장치
KR102475908B1 (ko) 동작감지장치 및 동작감지방법
Soyer Pyroelectric infrared (PIR) sensor based event detection
Mostafa et al. Unobtrusive human activity classification based on combined time‐range and time‐frequency domain signatures using ultrawideband radar
AU2008285140B2 (en) Method and apparatus for detecting pedestrians
JP5721470B2 (ja) 歩行者数推定装置および歩行者数推定方法
Belloir et al. A smart flat-coil eddy-current sensor for metal-tag recognition
EP3640672B1 (en) Systems and methods for distance independent acoustical differential signature detection
WO2013098861A1 (en) Monitoring system of an intrusion barrier.
Chebaane et al. Proposed methods for optical fiber intrusion detection under windy conditions
KR101311510B1 (ko) 어레이 안테나를 이용한 침입 감지 시스템 및 방법
Fastykovsky et al. Autonomous Seismic Sensor with a New Temporal Method of a Moving Person Detection
KR102801399B1 (ko) 지도학습을 통한 화재 상황 예측 및 재실 여부를 확인할 수 있는 화재감지 시스템
EP4632708A1 (en) A method for detecting a sabotage magnetic field and a closing/opening sensor for performing the method (variants)
CN113538823A (zh) 存在检测设备和方法
JP4864537B2 (ja) エレベータのドア制御装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant