CN116057408A - 电子设备中的到达角能力 - Google Patents
电子设备中的到达角能力 Download PDFInfo
- Publication number
- CN116057408A CN116057408A CN202180058756.XA CN202180058756A CN116057408A CN 116057408 A CN116057408 A CN 116057408A CN 202180058756 A CN202180058756 A CN 202180058756A CN 116057408 A CN116057408 A CN 116057408A
- Authority
- CN
- China
- Prior art keywords
- electronic device
- fov
- information
- aoa
- external electronic
- 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
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/04—Details
- G01S3/10—Means for reducing or compensating for quadrantal, site, or like errors
-
- 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
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0284—Relative positioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/20—Monitoring; Testing of receivers
- H04B17/25—Monitoring; Testing of receivers taking multiple measurements
- H04B17/254—Monitoring; Testing of receivers taking multiple measurements measuring at different reception times
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/20—Monitoring; Testing of receivers
- H04B17/26—Monitoring; Testing of receivers using historical data, averaging values or statistics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/20—Monitoring; Testing of receivers
- H04B17/27—Monitoring; Testing of receivers for locating or positioning the transmitter
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/373—Predicting channel quality or other radio frequency [RF] parameters
-
- 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
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
- G01S3/46—Systems for determining direction or deviation from predetermined direction using antennas spaced apart and measuring phase or time difference between signals therefrom, i.e. path-difference systems
- G01S3/48—Systems for determining direction or deviation from predetermined direction using antennas spaced apart and measuring phase or time difference between signals therefrom, i.e. path-difference systems the waves arriving at the antennas being continuous or intermittent and the phase difference of signals derived therefrom being measured
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0205—Details
- G01S5/0218—Multipath in signal reception
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Probability & Statistics with Applications (AREA)
- Telephone Function (AREA)
- User Interface Of Digital Computer (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种方法包括获得基于在电子设备与外部电子设备之间传送的无线信号的信道信息、距离信息和到达角(AoA)信息。该方法还包括基于信道信息以及距离信息或AoA信息中的至少一个来生成对外部电子设备相对于电子设备的视场(FoV)的存在的初始预测。初始预测包括对外部电子设备是在电子设备的FoV之内还是电子设备的FoV之外的指示。该方法还包括使用跟踪滤波器对距离信息和AoA信息执行平滑操作。另外,该方法包括基于AoA信息、平滑的AoA信息和初始预测来确定外部电子设备在电子设备的FoV之内。
Description
技术领域
本公开总体上涉及定位电子设备。更具体地,本公开涉及电子设备中的到达角能力。
背景技术
移动计算技术的使用在很大程度上由于可用性、便利性、计算能力等而已经大大扩展。近来技术发展的一个结果是电子设备变得越来越紧凑,而给定设备可以执行的功能和特征的数量正在增加。某些电子设备可以确定另一设备是否在其视场内。例如,电子设备可以与其他设备发送和接收信号,并确定接收信号的到达角(angle of arrival,AoA)以及设备之间的间距。信号可能被破坏,这可能产生不准确的AoA和距离确定。不准确的AoA和距离确定可能导致电子设备不正确地确定另一电子设备在其视场之内或在其视场之外。
发明内容
技术问题
本公开提供了电子设备中的到达角能力。
在一个实施例中,提供了一种方法。该方法包括获得基于在电子设备与外部电子设备之间传送的无线信号的信道信息、距离信息和到达角(AoA)信息。该方法还包括基于信道信息以及距离信息或AoA信息中的至少一个来生成对外部电子设备相对于电子设备的视场(FoV)的存在的初始预测,其中初始预测包括对外部电子设备是在电子设备的FoV之内还是在电子设备的FoV之外的指示。该方法还包括使用跟踪滤波器对距离信息和AoA信息执行平滑操作。另外,该方法包括基于AoA信息、平滑的AoA信息和对外部电子设备相对于电子设备的FoV的存在的初始预测来确定外部电子设备是在电子设备的FoV之内还是在电子设备的FoV之外。
在另一实施例中,提供了一种电子设备。该电子设备包括处理器。该处理器被配置为获得基于在电子设备与外部电子设备之间传送的无线信号的信道信息、距离信息和AoA信息。该处理器还被配置为基于信道信息以及距离信息或AoA信息中的至少一个来生成对外部电子设备相对于电子设备的FoV的存在的初始预测,其中该初始预测包括对外部电子设备是在电子设备的FoV之内还是在电子设备的FoV之外的指示。处理器还被配置为使用跟踪滤波器对距离信息和AoA信息执行平滑操作。另外,处理器被配置为基于AoA信息、平滑的AoA信息和对外部电子设备相对于电子设备的FoV的存在的初始预测来确定外部电子设备是在电子设备的FoV之内还是在电子设备的FoV之外。
在又一实施例中,提供了一种包含指令的非暂时性计算机可读介质。所述指令在被运行时使得至少一个处理器获得基于在电子设备与外部电子设备之间传送的无线信号的信道信息、距离信息和AoA信息。所述指令在被运行时还使得至少一个处理器基于信道信息以及距离信息或AoA信息中的至少一个来生成对外部电子设备相对于电子设备的视场FoV的存在的初始预测,其中该初始预测包括对外部电子设备是在电子设备的FoV之内还是在电子设备的FoV之外的指示。所述指令在被运行时还使得至少一个处理器使用跟踪滤波器对距离信息和AoA信息执行平滑操作。另外,所述指令在被运行时使得至少一个处理器基于AoA信息、平滑的AoA信息和对外部电子设备相对于电子设备的FoV的存在的初始预测来确定外部电子设备是在电子设备的FoV之内还是在电子设备的FoV之外。
根据下面的附图、描述和权利要求,其他技术特征对于本领域技术人员来说是显而易见的。
在开始下面的“具体实施方式”之前,阐述贯穿本专利文档使用的某些词语和短语的定义可能是有利的。术语“耦合”及其派生词是指两个或更多个元件之间的任何直接或间接的通信,无论那些元件是否彼此物理接触。术语“发送”、“接收”和“传送”及其派生词既涵盖直接通信,又涵盖间接通信。术语“包括”和“包含”及其派生词意味着非限制性的包含。术语“或”是包含性的,意味着和/或。短语“与……相关联”及其派生词意味着包括、被包括在……内、与……互连、包含、被包含在……内、连接到……或与……连接、耦合到……或与……耦合、可与……通信、与……协作、交错、并置、接近……、绑定到……或与……绑定、具有、具有……的属性、与……有关系等。术语“控制器”意味着控制至少一个操作的任何设备、系统或其一部分。这种控制器可以用硬件或者硬件和软件和/或固件的组合来实施。与任何特定控制器相关联的功能可以是集中式的或分布式的,无论是在本地还是在远程。短语“……中的至少一个”在与项目列表一起使用时意味着可以使用所列项目中的一个或多个的不同组合,并且可能仅需要列表中的一个项目。例如,“A、B和C中的至少一个”包括以下组合中的任何一个:A,B,C,A和B,A和C,B和C以及A和B和C。
此外,下面描述的各种功能可以由一个或多个计算机程序实施或支持,每个计算机程序由计算机可读程序代码形成并体现在计算机可读介质中。术语“应用”和“程序”是指一个或多个计算机程序、软件组件、指令集、过程、函数、对象、类、实例、相关数据或其适于以合适的计算机可读程序代码实施的一部分。短语“计算机可读程序代码”包括任何类型的计算机代码,包括源代码、目标代码和可运行代码。短语“计算机可读介质”包括能够由计算机访问的任何类型的介质,诸如只读存储器(ROM)、随机存取存储器(RAM)、硬盘驱动器、致密盘(CD)、数字视频盘(DVD)或任何其他类型的存储器。“非暂时性”计算机可读介质不包括传输瞬态电信号或其他信号的有线、无线、光学或其他通信链路。非暂时性计算机可读介质包括可以永久存储数据的介质以及可以存储数据并在以后覆写的介质,诸如可重写光盘或可擦除存储器设备。
贯穿本专利文档还提供了针对其他特定词语和短语的定义。本领域普通技术人员应该理解,在许多(如果不是大多数)情况下,这样的定义适用于这样定义的词语和短语的先前以及将来的使用。
附图说明
为了更完整地理解本公开及其优点,现在结合附图参考以下描述,附图中相同的附图标记表示相同的部件:
图1示出了根据本公开的实施例的示例通信系统;
图2示出了根据本公开的实施例的示例电子设备;
图3示出了根据本公开的实施例的示例网络配置;
图4A示出了根据本公开的实施例的确定目标设备是否在电子设备的视场(fieldof view,FoV)之内的示例图;
图4B示出了根据本公开的实施例的示例坐标系;
图5A、图5B和图5C示出了根据本公开的实施例的用于视场确定的信号处理图;
图6示出了根据本公开的实施例的用于初始FoV确定的示例信道脉冲响应(CIR)曲线图;
图7示出了根据本公开的实施例的选择用于初始FoV确定的分类器的示例过程;
图8A和图8B示出了根据本公开的实施例的用于初始FoV预测的示例移动平均滤波器;
图9A、图9B、图9C和图9D示出了根据本公开的实施例的用于各种跟踪滤波器操作的示例方法;
图10示出了根据本公开的实施例的用于确定目标设备是否在电子设备的FoV之内的示例方法;
图11示出了根据本公开的实施例的用于由于运动而执行复位的示例方法;以及
图12示出了根据本公开的实施例的用于FoV确定的示例方法。
具体实施方式
下面讨论的图1至图12以及在本专利文档中用于描述本公开的原理的各种实施例仅仅是示例性的,而不应以任何方式解释为限制本公开的范围。本领域技术人员将理解,本公开的原理可以在任何适当布置的系统或设备中实施。
根据本公开的实施例,电子设备可以包括个人计算机(诸如膝上型计算机、台式计算机)、工作站、服务器、电视、电器等。在某些实施例中,电子设备可以是便携式电子设备,诸如便携式通信设备(诸如智能电话或移动电话)、膝上型计算机、平板计算机、电子书阅读器(诸如电子阅读器)、个人数字助理(PDA)、便携式多媒体播放器(PMP)、MP3播放器、移动医疗设备、虚拟现实头戴设备、便携式游戏控制台、相机和可穿戴设备等。另外,电子设备可以是一件家具或建筑物/结构的一部分、电子板、电子签名接收设备、投影仪或测量设备中的至少一个。电子设备是上面列出的设备之一或其组合。另外,本文公开的电子设备不限于上面列出的设备,并且取决于技术的发展,可以包括新的电子设备。注意,如本文所使用的,术语“用户”可以表示使用电子设备的人类或另一设备(诸如人工智能电子设备)。
在某些实施例中,电子设备可以包括接收器(或收发器),并且一个或多个目标设备可以包括发送器(或收发器)。电子设备的接收器(或收发器)可以是超宽带(UWB)接收器(或UWB收发器)。类似地,目标设备的发送器(或收发器)可以是UWB发送器(或UWB收发器)。电子设备可以测量由目标设备发送的UWB信号的到达角(angle of arrival,AoA)。UWB信号提供厘米级测距。例如,如果目标设备在电子设备的视线(line of sight,LOS)之内,则电子设备可以以十厘米以内的精度来确定两个设备之间的距离(间距)。替代地,如果目标设备不在电子设备的LOS之内,则电子设备可以以五十厘米以内的精度来确定两个设备之间的距离。另外,如果目标设备在电子设备的LOS之内,则电子设备可以以三度以内的精度来确定两个设备之间的AoA。
本公开的实施例提供了用以确定目标设备是否在电子设备的FoV之内的系统和方法。由于电子设备和目标设备所处其中的环境,UWB测量受到负面影响。基于该环境,目标设备相对于电子设备的位置可能难以确定,诸如当电子设备无法确定接收信号是直接来自目标设备还是环境中的物体的反射时。
本公开的实施例认识到并考虑到,在没有后处理的情况下,电子设备可能无法确定接收信号是否直接来自目标设备,或者该信号是否为反射信号(称为多径效应)。相应地,本公开的实施例提供了用以提高用于使电子设备能够确定目标设备是否在电子设备的FoV之内的测量的质量的系统和方法。当电子设备确定目标设备在其FoV之内时,可以提高关于在诸如对等文件共享场景中共享数据的用户体验。
本公开的实施例提供了用于对接收信号进行后处理的系统和方法。接收信号可能包括不完美的UWB测量。后处理可以用于识别目标设备(诸如外部电子设备)的存在是否在电子设备的FoV之内。相应地,本公开的实施例提供了用于执行对目标设备是否在电子设备的FoV之内的初始预测的系统和方法。初始预测可以基于接收的表示目标设备与电子设备之间的间距的距离信息。初始预测也可以基于从目标设备接收的信号的AoA。初始预测还可以基于信道脉冲响应(channel impulse response,CIR)特征。本公开的实施例还提供了用于对距离测量和AoA测量进行平滑的系统和方法。本公开的实施例还提供了用于执行最终FoV分类的系统和方法。最终FoV分类部分基于初始预测和平滑的距离测量以及平滑的AoA测量。最终FoV分类可以输出FoV确定以及该确定的置信度水平。另外,本公开的实施例提供了用于检测电子设备的剧烈或突然运动的系统和方法。该运动可以触发电子设备对跟踪滤波器的状态进行复位。在某些实施例中,检测到某个运动还触发电子设备对用于存储初始预测、最终FoV分类或两者的缓冲器进行复位。
图1示出了根据本公开的实施例的示例通信系统100。图1所示的通信系统100的实施例仅用于说明。在不脱离本公开的范围的情况下,可以使用通信系统100的其他实施例。
通信系统100包括网络102,网络102促进通信系统100中各种组件之间的通信。例如,网络102可以在网络地址之间传送IP分组、帧中继帧、异步传输模式(ATM)单元或其他信息。网络102包括一个或多个局域网(LAN)、城域网(MAN)、广域网(WAN)、全球网络(诸如因特网)的全部或一部分、或者在一个或多个位置处的任何其他(一个或多个)通信系统。
在该示例中,网络102促进服务器104与各种客户端设备106-114之间的通信。客户端设备106-114可以是例如智能电话、平板计算机、膝上型计算机、个人计算机、可穿戴设备、头戴式显示器等。服务器104可以表示一个或多个服务器。每个服务器104包括可以为一个或多个客户端设备(诸如客户端设备106-114)提供计算服务的任何合适的计算或处理设备。每个服务器104可以例如包括一个或多个处理设备、存储指令和数据的一个或多个存储器、以及促进通过网络102通信的一个或多个网络接口。
在某些实施例中,服务器104是被配置为从接收信号中提取特征的神经网络。在某些实施例中,神经网络被包括在客户端设备106-114中的任何客户端设备中。当客户端设备中包括神经网络时,该客户端设备可以使用神经网络来从接收信号中提取特征,而不必通过网络102发送内容。类似地,当客户端设备中包括神经网络时,该客户端设备可以使用神经网络来识别另一客户端设备是否在包括神经网络的该客户端设备的FoV之内。
客户端设备106-114中的每一个表示通过网络102与至少一个服务器(诸如服务器104)或(多个)其他计算设备进行交互的任何合适的计算或处理设备。客户端设备106-114包括台式计算机106、移动电话或移动设备108(诸如智能电话)、PDA110、膝上型计算机112和平板计算机114。然而,在通信系统100中可以使用任何其他或附加的客户端设备。智能电话表示作为具有移动操作系统和集成移动宽带蜂窝网络连接的手持设备的一类移动设备108,用于语音、短消息服务(SMS)和互联网数据通信。在某些实施例中,客户端设备106-114中的任何客户端设备可以经由测量收发器发射和收集雷达信号。在某些实施例中,客户端设备106-114中的任何客户端设备可以经由测量收发器发射和收集UWB信号。
在该示例中,一些客户端设备108-114间接地与网络102进行通信。例如,移动设备108和PDA110经由一个或多个基站116(诸如蜂窝基站或eNodeB(eNB))进行通信。此外,膝上型计算机112和平板计算机114经由一个或多个无线接入点118(诸如IEEE 802.11无线接入点)进行通信。注意,这些仅用于说明,并且客户端设备106-114中的每一个可以直接与网络102进行通信,或者经由任何合适的(多个)中间设备或(多个)网络间接与网络102进行通信。在某些实施例中,客户端设备106-114中的任何客户端设备安全且高效地向另一设备(例如,服务器104)发送信息。
如图所示,膝上型计算机112可以与移动设备108进行通信。基于在这两个设备之间传送的无线信号,设备(诸如膝上型计算机112、移动设备108或诸如服务器104的另一设备)获得信道信息、距离信息和AoA信息。信道信息可以包括膝上型计算机112与移动设备108之间的无线信道的信道脉冲响应(CIR)的特征。距离可以是基于无线信号的膝上型计算机112与移动设备108之间的瞬时间距或间距的方差。类似地,AoA可以是基于无线信号的膝上型计算机112与移动设备108之间的瞬时AoA测量或AoA测量的方差。
尽管图1示出了通信系统100的一个示例,但是可以对图1进行各种改变。例如,通信系统100可以以任何合适的布置包括任何数量的每种组件。一般来说,计算和通信系统有各种各样的配置,并且图1不将本公开的范围限制于任何特定的配置。虽然图1示出了其中可以使用本专利文档中公开的各种特征的一个操作环境,但是这些特征也可以用于任何其他合适的系统中。
图2示出了根据本公开的实施例的示例电子设备。具体地,图2示出了示例电子设备200,并且电子设备200可以表示图1中的服务器104或者客户端设备106-114中的一个或多个客户端设备。电子设备200可以是移动通信设备,诸如例如移动站、订户站、无线终端、台式计算机(类似于图1的台式计算机106)、便携式电子设备(类似于图1的移动设备108、PDA110、膝上型计算机112或平板计算机114)、机器人等。
如图2所示,电子设备200包括(多个)收发器210、发送(TX)处理电路215、麦克风220和接收(RX)处理电路225。(多个)收发器210可以包括例如射频(RF)收发器、蓝牙收发器、WiFi收发器、ZIGBEE收发器、红外收发器和各种其他无线通信信号。电子设备200还包括(多个)扬声器230、(多个)处理器240、输入/输出(I/O)接口(IF)245、输入端250、显示器255、存储器260和(多个)传感器265。存储器260包括操作系统(OS)261和一个或多个应用262。
(多个)收发器210可以包括包含多个天线的天线阵列。天线阵列的天线可以包括辐射元件,辐射元件由形成在基板中或基板上的导电材料或导电图案构成。(多个)收发器210向电子设备200发送信号或电力,或者从电子设备200接收信号或电力。(多个)收发器210接收从接入点(诸如基站、WiFi路由器或蓝牙设备)或网络102(诸如WiFi、蓝牙、蜂窝、5G、LTE、LTE-A、WiMAX或任何其他类型的无线网络)的其他设备发送的传入信号。(多个)收发器210对传入的RF信号进行下变频以产生中频或基带信号。中频或基带信号被发送到RX处理电路225,RX处理电路225通过对基带或中频信号进行滤波、解码和/或数字化来生成经处理的基带信号。RX处理电路225将经处理的基带信号发送到扬声器230(诸如对于语音数据)或处理器240以供进一步处理(诸如对于网页浏览数据)。
TX处理电路215从麦克风220接收模拟或数字语音数据,或者从处理器240接收其他传出的基带数据。传出的基带数据可以包括网页数据、电子邮件或交互式视频游戏数据。TX处理电路215对传出的基带数据进行编码、复用和/或数字化,以生成经处理的基带或中频信号。(多个)收发器210从TX处理电路215接收传出的经处理的基带或中频信号,并且将该基带或中频信号上变频为要发送的信号。
处理器240可以包括一个或多个处理器或其他处理设备。处理器240可以运行存储在存储器260中的指令(诸如OS 261),以便控制电子设备200的总体操作。例如,根据众所周知的原理,处理器240可以通过(多个)收发器210、RX处理电路225和TX处理电路215来控制前向信道信号的接收和反向信道信号的发送。处理器240可以包括任何合适布置的任何合适数量和类型的处理器或其他设备。例如,在某些实施例中,处理器240包括至少一个微处理器或微控制器。处理器240的示例类型包括微处理器、微控制器、数字信号处理器、现场可编程门阵列、专用集成电路和分立电路。在某些实施例中,处理器240包括神经网络。
处理器240还能够运行驻留在存储器260中的其他过程和程序,诸如接收和存储数据的操作。处理器240可以根据运行过程的需要将数据移入或移出存储器260。在某些实施例中,处理器240被配置为基于OS 261或响应于从(多个)外部源或操作者接收的信号来运行一个或多个应用262。例如,应用262可以包括多媒体播放器(诸如音乐播放器或视频播放器)、电话呼叫应用、虚拟个人助理等。
处理器240还耦合到I/O接口245,I/O接口245向电子设备200提供连接到其他设备(诸如客户端设备106-114)的能力。I/O接口245是这些附件与处理器240之间的通信路径。
处理器240还耦合到输入端250和显示器255。电子设备200的操作者可以使用输入端250将数据或输入输入到电子设备200中。输入端250可以是键盘、触摸屏、鼠标、轨迹球、语音输入或能够充当用户接口以允许用户与电子设备200进行交互的其他设备。例如,输入端250可以包括语音识别处理,从而允许用户输入语音命令。在另一示例中,输入端250可以包括触摸面板、(数字)笔传感器、按键或超声波输入设备。触摸面板可以识别例如至少一种方案(诸如电容方案、压敏方案、红外方案或超声波方案)的触摸输入。输入端250可以与向处理器240提供附加的输入的(多个)传感器265、测量收发器270、相机等相关联。输入端250还可以包括控制电路。在电容方案中,输入端250可以识别触摸或接近。
显示器255可以是液晶显示器(LCD)、发光二极管(LED)显示器、有机LED(OLED)、有源矩阵OLED(AMOLED)或能够呈现诸如来自网站、视频、游戏、图像等的文本和/或图形的其他显示器。显示器255可以是能够创建立体显示的单个显示屏或多个显示屏。在某些实施例中,显示器255是平视显示器(HUD)。
存储器260耦合到处理器240。存储器260的一部分可以包括RAM,并且存储器260的另一部分可以包括闪存或其他ROM。存储器260可以包括表示能够存储和促进信息(诸如数据、程序代码和/或其他合适的信息)的检索的任何(多个)结构的永久存储器(未示出)。存储器260可以包含一个或多个支持数据的长期存储的组件或设备,诸如只读存储器、硬盘驱动器、闪存或光盘。
电子设备200还包括一个或多个传感器265,传感器265可以计量物理量或检测电子设备200的激活状态,并将计量或检测的信息转换成电信号。例如,传感器265可以包括用于触摸输入的一个或多个按钮、相机、手势传感器、光学传感器、摄像头、一个或多个惯性测量单元(IMU)(诸如陀螺仪或陀螺仪传感器)、以及加速度计。传感器265还可以包括气压传感器、磁传感器或磁力计、抓握传感器、接近传感器、环境光传感器、生物物理传感器、温度/湿度传感器、照明传感器、紫外(UV)传感器、肌电图(EMG)传感器、脑电图(EEG)传感器、心电图(ECG)传感器、IR传感器、超声波传感器、虹膜传感器、指纹传感器、颜色传感器(诸如红绿蓝(RGB)传感器)等。传感器265还可以包括用于控制其中包括的任何一个传感器的控制电路。这些传感器265中的任何一个可以位于电子设备200内或者位于可操作地连接到电子设备200的辅助设备内。
在该实施例中,收发器210中的一个或多个收发器之一是测量收发器270。测量收发器270被配置为发送和接收用于检测和测距目的的信号。测量收发器270可以发送和接收用于测量外部物体相对于电子设备200的距离和角度的信号。测量收发器270可以是任何类型的收发器,包括但不限于WiFi收发器,例如802.11ay收发器、UWB收发器等。在某些实施例中,测量收发器270包括传感器。例如,测量收发器270可以并发地操作测量信号和通信信号。测量收发器270包括一个或多个天线阵列或天线对,每个天线阵列或天线对包括发送器(或发送器天线)和接收器(或接收器天线)。测量收发器270可以以各种频率(诸如在UWB中)发送信号。测量收发器270可以从外部电子设备(也称为目标设备)接收用于确定外部电子设备是否在电子设备200的FoV之内的信号。
测量收发器270的发送器可以发送UWB信号。测量收发器的接收器可以从其他电子设备接收UWB信号。处理器240可以基于发送信号和接收信号的时间戳来分析时间差,以测量从电子设备200到目标物体的间距。基于时间差,处理器240可以生成指示外部电子设备距电子设备200的间距的位置信息。在某些实施例中,测量收发器270是可以检测另一电子设备的距离和AoA的传感器。例如,测量收发器270可以识别另一电子设备相对于测量收发器270的方位角和/或仰角的变化。在某些实施例中,测量收发器270表示两个或更多个收发器。基于每个收发器所接收的信号之间的差,处理器240可以确定/识别与接收信号的AoA相对应的方位角和/或仰角的变化。
尽管图2示出了电子设备200的一个示例,但是可以对图2进行各种改变。例如,图2中的各种组件可以被组合、进一步细分或省略,并且可以根据特定需要添加附加的组件。作为特定示例,处理器240可以被划分成多个处理器,诸如一个或多个中央处理单元(CPU)、一个或多个图形处理单元(GPU)、一个或多个神经网络等。此外,尽管图2示出了被配置为移动电话、平板计算机或智能电话的电子设备200,但是电子设备200可以被配置为作为其他类型的移动或固定设备来操作。
图3示出了根据本公开的实施例的示例网络配置。图3所示的网络配置的实施例仅用于说明。图3所示的一个或多个组件可以在被配置为执行所述功能的专用电路中实施,或者一个或多个组件可以由运行指令以执行所述功能的一个或多个处理器来实施。
图3示出了说明根据各种实施例的包括网络环境300中的电子设备301的网络配置的框图。如图300所示,网络环境300中的电子设备301可以经由第一网络398(例如,短程无线通信网络)与电子设备302进行通信,或者经由第二网络399(例如,远程无线通信网络)与电子设备304或服务器308进行通信。第一网络398和/或第二网络399可以类似于图1的网络102。电子设备301、302和304可以类似于图1的客户端设备106-114中的任何一个,并且包括与图2的电子设备200的组件类似的组件。服务器308可以类似于图1的服务器104。
电子设备301可以是各种类型的电子设备之一。电子设备可以包括例如便携式通信设备(例如,智能电话)、计算机设备、便携式多媒体设备、便携式医疗设备、相机、可穿戴设备或家用电器。根据本公开的实施例,电子设备不限于上述那些。
根据一个实施例,电子设备301可以经由服务器308与电子设备304进行通信。根据一个实施例,电子设备301可以包括处理器320、存储器330、输入设备350、声音输出设备355、显示设备360、音频模块370、传感器模块376、接口377、触觉模块379、相机模块380、电源管理模块388、电池389、通信模块390、订户识别模块(SIM)396或天线模块397。在一些实施例中,可以从电子设备301中省略至少一个组件(例如,显示设备360或相机模块380),或者可以在电子设备301中添加一个或多个其他组件。在一些实施例中,一些组件可以被实施为单个集成电路。例如,传感器模块376(例如,指纹传感器、虹膜传感器或照度传感器)可以被实施为嵌入在显示设备360(例如,显示器)中。
处理器320可以运行例如软件(例如,程序340)来控制电子设备301的与处理器320耦合的至少一个其他组件(例如,硬件组件或软件组件),并且可以执行各种数据处理或计算。根据一个实施例,作为数据处理或计算的至少一部分,处理器320可以将从另一组件(例如,传感器模块376或通信模块390)接收的命令或数据加载到易失性存储器332中,对存储在易失性存储器332中的命令或数据进行处理,并将结果数据存储在非易失性存储器334中。
根据一个实施例,处理器320可以包括主处理器321(例如,中央处理单元(CPU)或应用处理器(AP))以及与主处理器321在操作上独立的或者相结合的辅助处理器323(例如,图形处理单元(GPU)、图像信号处理器(ISP)、传感器中枢处理器或通信处理器(CP))。附加地或替代地,辅助处理器323可以被适配为比主处理器321耗电更少,或者被适配为具体用于指定的功能。辅助处理器323可以被实施为与主处理器32分离1或者作为主处理器321的一部分。
在主处理器321处于不活动(例如,睡眠)状态时,辅助处理器323可以代替主处理器321来控制与电子设备301的组件当中的至少一个组件(例如,显示设备360、传感器模块376或通信模块390)相关的至少一些功能或状态,或者在主处理器321处于活动状态(例如,运行应用)时,辅助处理器323可以与主处理器321一起控制与电子设备301的组件当中的至少一个组件(例如,显示设备360、传感器模块376或通信模块390)相关的至少一些功能或状态。根据一个实施例,辅助处理器323(例如,图像信号处理器或通信处理器)可以被实施为功能上与辅助处理器323相关的另一组件(例如,相机模块380或通信模块390)的一部分。
存储器330可以存储由电子设备301的至少一个组件(例如,处理器320或传感器模块376)使用的各种数据。各种数据可以包括例如软件(例如,程序340)以及针对与其相关的命令的输入数据或输出数据。存储器330可以包括易失性存储器332或非易失性存储器334。
程序340可以作为软件被存储在存储器330中。程序340可以包括例如操作系统(OS)342、中间件344或应用346。
输入设备350可以从电子设备301的外部(例如,用户)接收将由电子设备301的其他组件(例如,处理器320)使用的命令或数据。输入设备350可以包括例如麦克风、鼠标、键盘或数字笔(例如,手写笔)。在某些实施例中,输入设备350包括用于手势识别的传感器。例如,输入设备350可以包括与图2的测量收发器270类似的收发器。
声音输出设备355可以向电子设备301的外部输出声音信号。声音输出设备355可以包括例如扬声器或接收器。扬声器可以用于诸如播放多媒体或播放唱片之类的通用目的,并且接收器可以用于来电。根据一个实施例,接收器可以被实施为与扬声器分离或者作为扬声器的一部分。
显示设备360可以向电子设备301的外部(例如,用户)视觉地提供信息。显示设备360可以包括例如显示器、全息设备或投影仪以及用以控制显示器、全息设备或投影仪中的相应一个的控制电路。根据一个实施例,显示设备360可以包括被适配为检测触摸的触摸电路,或者被适配为测量由触摸引起的力的强度的传感器电路(例如,压力传感器)。显示设备360可以类似于图2的显示器255。
音频模块370可以将声音转换成电信号,反之亦然。根据一个实施例,音频模块370可以经由输入设备350获得声音,经由声音输出设备355输出声音,或者经由与电子设备301直接(例如,有线地)或无线地耦合的外部电子设备(例如,电子设备302)的耳机输出声音。
传感器模块376可以检测电子设备301的操作状态(例如,功率或温度)或电子设备301外部的环境状态(例如,用户的状态),然后产生与检测到的状态相对应的电信号或数据值。根据一个实施例,传感器模块376可以包括例如手势传感器、陀螺仪传感器、大气压力传感器、磁性传感器、加速度传感器、握持传感器、接近传感器、颜色传感器、红外(IR)传感器、生物特征传感器、温度传感器、湿度传感器或照度传感器。传感器模块376可以类似于图2的传感器265。
接口377可以支持用于使电子设备101直接(例如,有线地)或无线地与外部电子设备(例如,电子设备302)耦合的一个或多个指定协议。根据一个实施例,接口377可以包括例如高清晰度多媒体接口(HDMI)、通用串行总线(USB)接口、安全数字(SD)卡接口或音频接口。
连接端子378可以包括连接器,电子设备301可以经由该连接器与外部电子设备(例如,电子设备302)物理连接。根据一个实施例,连接端子378可以包括例如HDMI连接器、USB连接器、SD卡连接器或音频连接器(例如,耳机连接器)。
触觉模块379可以将电信号转换成机械刺激(例如,振动或运动)或电刺激,用户可以经由他的触觉或动觉来识别该机械刺激或电刺激。根据一个实施例,触觉模块379可以包括例如马达、压电元件或电刺激器。
相机模块380可以捕获静止图像或运动图像。根据一个实施例,相机模块380可以包括一个或多个镜头、图像传感器、图像信号处理器或闪光灯。
电源管理模块388可以管理对电子设备301的供电。根据一个实施例,电源管理模块388可以被实施为例如电源管理集成电路(PMIC)的至少一部分。
电池389可以向电子设备301的至少一个组件供电。根据一个实施例,电池389可以包括例如不可再充电的原电池、可再充电的蓄电池或燃料电池。
通信模块390可以支持在电子设备301与外部电子设备(例如,电子设备302、电子设备304或服务器308)之间建立直接(例如,有线)通信信道或无线通信信道,并经由建立的通信信道执行通信。通信模块390可以包括可与处理器320独立操作的一个或多个通信处理器(例如,应用处理器(AP)),并且支持直接(例如,有线)通信或无线通信。
根据一个实施例,通信模块390可以包括无线通信模块392(例如,蜂窝通信模块、短程无线通信模块或全球导航卫星系统(GNSS)通信模块)或有线通信模块394(例如,局域网(LAN)通信模块或电力线通信(PLC)模块)。这些通信模块中相对应的一个可以经由第一网络398(例如,短程通信网络,诸如蓝牙、无线保真(Wi-Fi)直连、UWB或红外数据协会(IrDA))或第二网络399(例如,远程通信网络,诸如蜂窝网络、互联网或计算机网络(例如,LAN或广域网(WAN)))与外部电子设备进行通信。这些各种类型的通信模块可以被实施为单个组件(例如,单个芯片),或者可以被实施为彼此分离的多个组件(例如,多个芯片)。无线通信模块392可以使用存储在订户识别模块396中的订户信息(例如,国际移动订户身份(IMSI))来识别和认证通信网络(诸如第一网络398或第二网络399)中的电子设备301。
天线模块397可以向电子设备301的外部(例如,外部电子设备)发送信号或电力,或者从电子设备301的外部(例如,外部电子设备)接收信号或电力。根据一个实施例,天线模块397可以包括天线,该天线包括由形成在基板(例如,PCB)中或基板上的导电材料或导电图案构成的辐射元件。
根据一个实施例,天线模块397可以包括多个天线。在这种情况下,例如,通信模块390(例如,无线通信模块392)可以从多个天线中选择适合于在通信网络(诸如第一网络398或第二网络399)中使用的通信方案的至少一个天线。然后,信号或电力可以经由所选择的至少一个天线在通信模块390与外部电子设备之间发送或接收。
根据一个实施例,除了辐射元件之外的另一组件(例如,射频集成电路(RFIC))可以另外形成为天线模块397的一部分。
上述组件中的至少一些可以经由外围设备间通信方案(例如,总线、通用输入和输出(GPIO)、串行外围设备接口(SPI)或移动工业处理器接口(MIPI))相互耦合并在其间传送信号(例如,命令或数据)。
根据一个实施例,可以经由与第二网络399耦合的服务器308在电子设备301与外部电子设备304之间发送或接收命令或数据。电子设备302和304中的每一个可以是与电子设备301相同类型或不同类型的设备。根据一个实施例,要在电子设备301处运行的所有或一些操作可以在外部电子设备302、304或308中的一个或多个处运行。例如,如果电子设备301可以自动地或响应于来自用户或另一设备的请求来执行功能或服务,则代替执行这些功能或服务,或者除了执行这些功能或服务之外,电子设备301还可以请求一个或多个外部电子设备来运行这些功能或服务的至少一部分。
接收请求的一个或多个外部电子设备可以执行所请求的功能或服务的至少一部分,或者与请求相关的附加功能或附加服务,并且将执行的结果传递到电子设备301。电子设备301可以在对结果进行进一步处理的情况下或者在不对结果进行进一步处理的情况下将结果作为对请求的答复的至少一部分来提供。为此,例如,可以使用云计算技术、分布式计算技术或客户端-服务器计算技术。
尽管图3示出了网络环境300中的电子设备301的一个示例,但是可以对图3进行各种改变。例如,图3中的各种组件可以被组合、进一步细分或省略,并且可以根据特定需要添加附加的组件。作为特定示例,处理器320可以被进一步划分成附加的处理器,诸如一个或多个中央处理单元(CPU)、一个或多个图形处理单元(GPU)、一个或多个神经网络等。此外,尽管图3示出了被配置为移动电话、平板计算机或智能电话的电子设备301,但是电子设备301可以被配置为用作其他类型的移动或固定设备。
图4A示出了根据本公开的实施例的确定目标设备(诸如目标设备410a或目标设备410b)是否在电子设备402的FoV之内的示例图400。图4B示出了根据本公开的实施例的示例坐标系420。电子设备402、目标设备410a和目标设备410b可以是客户端设备106-114中的任何一个,并且可以包括与图2的电子设备200和图3的电子设备301的内部组件类似的内部组件。对目标设备410a或目标设备410b是否在电子设备402的FoV之内的确定可以由电子设备402、图1的客户端设备106-114中的任何一个或服务器104来执行。
在某些实施例中,电子设备402、目标设备410a和目标设备410b可以包括收发器,诸如UWB收发器。可以使用任何其他合适的收发器、接收器或发送器。基于电子设备402、目标设备410a和目标设备410b之间的信号交换来获得距离信息和AoA信息。
如图4A所示,基于FoV的大小和形状来确定外部电子设备(诸如目标设备410a或410b)是否在另一电子设备(诸如电子设备402)的FoV之内。电子设备402周围的环境的一部分被示为FoV 408a,而电子设备402周围的环境的另一部分被示为FoV之外408b。边界404表示FoV 408a与FoV之外408b之间的大致边界。视轴406是FoV 408a的中心。视轴406可以是电子设备402的天线(例如,定向天线)的最大增益(例如,最大辐射功率)的轴。在一些情况下,最大增益的轴与电子设备402的天线的对称轴重合。在一些实施方式中,电子设备402包括一个或多个相控阵列天线,这些相控阵列天线可以电子地转向波束,通过移位由不同天线元件发射的无线电波的相对相位来改变视轴406的角度,在多个方向上辐射波束等等。
电子设备的FoV(诸如图4A的电子设备402的FoV 408a)是一(例如,围绕视轴406的)角度范围,在该角度范围内,目标设备(诸如目标设备410a和410b)可以被定义为存在(例如,基于UWB测量)。FoV的大小和形状可以基于环境条件和电子设备本身的硬件而变化。
在某些实施例中,如果在电子设备402与目标设备(诸如目标设备410a或410b)之间存在直接视线(LOS),并且距离测量和AoA测量良好,则可以基于AoA测量来执行对FoV中目标的存在的识别。然而,很多时候,测量被多径和非视线(non-line of sight,NLOS)场景所破坏。非各向同性天线辐射图案也可能导致低质量的AoA测量。例如,当从目标设备(诸如目标设备410b)之间的直接路径接收的信号弱时,基于环境,从反射路径接收的信号可能强到足以用于生成距离测量和AoA测量。基于反射信号而生成的距离测量和AoA测量将给出目标所在位置的错误结果。例如,目标设备410b可以向电子设备402发送信号。如果电子设备402使用反射信号(而不是直接信号),则电子设备402可能不正确地确定目标设备410b位于FoV 408a之内,而不是其在FoV之外408b的实际位置。因此,本公开的实施例解决了当目标设备与电子设备之间的UWB测量可能不是非常准确时确定目标设备是否在电子设备的FoV中的问题。
如图4B所示,坐标系420可以用于找到目标设备410a距电子设备402的间距和相对角度。目标设备410a与电子设备402之间的间距和相对角度对应于当目标设备410a在电子设备402的FoV之内时的距离测量和AoA测量。坐标系420示出了两个设备之间的方位角和仰角。如图所示,方位角是电子设备402与目标设备410a之间的水平角度。类似地,仰角是电子设备402与目标设备410a之间的垂直角度。坐标系420示出了电子设备402与目标设备410a之间的距离,r,(间距)。
图5A、图5B和图5C分别示出了根据本公开的实施例的用于FoV确定的信号处理图500a、500b和500c。在某些实施例中,信号处理图500a、500b和500c可以由图1的客户端设备106-114中的任何一个或服务器104来执行,并且可以包括与图2的电子设备200和图3的电子设备301的内部组件类似的内部组件。
如上所述,可以执行后处理以提高从收发器接收的测量的质量,并输出关于目标设备的FoV判决以及平滑的距离和AoA。图5A、图5B和图5C描述了用于提高从收发器接收的测量的质量并确定目标设备是否在电子设备的FoV之内的各种信号处理图。
如图5A所示,信号处理图500a包括初始FoV分类器510、运动检测引擎520、跟踪滤波器530和精细FoV分类器540。在某些实施例中,如果运动传感器不可用(诸如当电子设备200不包括传感器265时),则可以去除运动检测引擎520,诸如由图5B的信号处理图500b和图5C的信号处理图500c所示。
信号处理图500a、500b和500c接收输入502和输入504。输入502包括基于在电子设备与目标设备之间传送的接收信号的特征(诸如UWB特征)。输入504包括基于在电子设备与目标设备之间传送的接收信号的测量(诸如距离测量和AoA测量)。
在某些实施例中,从CIR中推导出输入502的特征。示例特征可以包括但不限于:来自CIR的第一峰值的信噪比(SNR)(以dB为单位,在线性域中或具有其他相对强度指示符)、来自CIR的最强峰值的SNR(以dB为单位,在线性域中或具有其他相对强度指示符)、最强峰值和第一峰值的SNR之间的差(以dB为单位,在线性域中或具有其他相对强度指示符)、接收信号强度(以dB或dBm为单位)以及第一峰值与最强峰值之间的时间差(以纳秒、时间采样数或其他基于时间的指标为单位)。图6示出了描绘第一峰值和最强峰值的CIR曲线图。
例如,图6示出了根据本公开的实施例的初始FoV确定的示例CIR曲线图600a和600b。在某些实施例中,CIR曲线图600a和600b可以由图1的客户端设备106-114中的任何一个或服务器104来创建,并且可以包括与图2的电子设备200和图3的电子设备301的内部组件类似的内部组件。
图6的CIR曲线图600a和600b表示来自电子设备的两个不同天线的CIR。例如,CIR曲线图600a表示来自电子设备的一个天线的CIR,并且CIR曲线图600b表示来自同一电子设备的另一天线的CIR。CIR曲线图600a和600b示出了接收信号的信号功率与抽头索引。距离测量和AoA测量可以基于CIR绘图中具有足够SNR的最早峰值来计算。
从CIR曲线图600a和600b推导出的特征可以用于经由对目标设备是否在电子设备的FoV中的初始预测(经由初始FoV分类器510)来进行分类。输入502的CIR特征可以包括:(i)CIR中一个或多个峰值的绝对强度,通常由SNR表示,(ii)CIR中多个峰值之间的信号强度差,通常由SNR表示,(iii)CIR中多个峰值之间的时间差,(iv)用于生成AoA信息的多个天线之间的相位关系,(v)从峰值周围的幅度和相位推导出的其他特征,等等。
在某些实施例中,输入502中可以包括各种特征向量。初始FoV分类器510然后使用来自输入502的特征向量来生成对目标设备是否在电子设备的FoV之内的初始预测。例如,输入502的特征向量可以被表示为:
特征向量=|SNRFirst,SNRMain,AoA] (1)
特征向量=[SNRFirst,SNRMain-SNRFirst,AoA] (2)
特征向量=[SNRFirst,SNRMain,ToAGapAoA] (3)
特征向量=[SNRFirst,SNRMain-SNRFirst,ToAGap,AoA] (4)
特征向量=[SNRFirst,SNRMain,ToAGap,AoA,RSSI (5)
特征向量=[SNRFirst,SNRMain,ToAGap,AoA,variance(AoA),variance(range),variance(SNRFirst)] (6)
特征向量=[max(SNRFirst1,SNRFirst2),min(SNRMain1-SNRFirst1,SNRMain2SNRFirst2),AoA] (7)
特征SNRFirst对应于图6的第一峰值强度612(或第一峰值强度622),并且特征SNRMain对应于图6的最强峰值强度614(或最强峰值强度624)。特征ToAGap是第一峰值强度612与最强峰值强度614之间的差。在某些实施例中,基于来自多个天线的相位差(包括但不限于SNRFirst、SNRMain和ToAGap)来估计AoA测量。如果电子设备配备有单个天线或者仅用单个天线操作,则AoA测量可能不被测量,并且将仅生成单个CIR曲线图。其他特征(诸如接收信号强度指示(RSSI))可以被包括在输入502中,诸如等式(5)的特征向量中所描述的。
特征SNRFirst、SNRMain和ToAGap对应于电子设备的天线。因此,如果存在来自多个天线的对特征的测量,则这些特征中的每一个可以从同一天线获得,或者它可以是从不同天线获得的这些CIR特征的函数。使用这些特征中的每一个的天线取决于适合分类的相应硬件特性。
等式(2)和等式(4)描述了由第一峰值强度612(表示为SNRFirst)、最强峰值强度614(SNRMain)与第一峰值强度612之间的差以及AoA表示的特征向量。另外,等式(4)描述了包括对应于第一峰值强度612与最强峰值强度614之间的时间差(ToAGap)的特征的特征向量。
另外,等式(7)的特征向量SNRFirsti和SNRMaini是从天线i获得的CIR特征。因此,如果存在两个天线,则SNRFirst1和SNRMain1对应于第一天线,并且SNRFirst2和SNRMain2对应于第二天线。
图5A、图5B和图5C的输入504包括基于在电子设备与目标设备之间传送的接收信号的测量。在某些实施例中,输入504包括UWB测量。测量可以包括距离(以米、厘米或其他基于距离的指标为单位的间距)测量和AoA(以度、弧度或其他基于角度的指标为单位)测量。
在某些实施例中,输入502的测量值被初始FoV分类器510用于经典机器学习。例如,输入502的测量包括关于距离测量和原始AoA测量的统计,诸如均值和方差。
初始FoV分类器510基于输入502(包括UWB特征)执行关于目标设备的初始FoV或FoV外预测。在某些实施例中,初始FoV分类器510使用UWB测量以及包括距离和AoA以及其他CIR特征在内的特征。在某些实施例中,初始FoV分类器510包括多个初始FoV分类器。
在某些实施例中,初始FoV分类器510使用确定性逻辑、经典机器学习分类器、深度学习分类器或其组合来生成对目标设备相对于电子设备的FoV的存在的初始预测。在某些实施例中,初始FoV分类器510的分类基于输入502将目标设备标记为处于电子设备的“FoV”或“FoV外(out-of-FoV)”。可以在初始FoV分类器510中使用的分类器包括但不限于K-最近邻(KNN)、支持向量机(SVM)、判决树、随机森林、神经网络、卷积神经网络(CNN)、长短期记忆(LSTM)等。
用于初始FoV分类器510的分类器的训练数据可以通过在LOS和NLOS两种场景中获得电子设备与处于FoV和处于FoV外的目标设备之间的多个测量来收集。为了给训练数据增加变化,可以在电子设备与目标设备之间的不同距离处进行测量,直到最大可用距离。此外,数据收集的环境可以有所变化。例如,训练数据可以在开放空间环境中或者在易于出现多径的杂乱环境中收集。也可以诸如通过改变电子设备、目标设备或两个设备的倾斜角度来给训练数据添加附加的变化。类似地,训练数据可以包括诸如通过以不同的角度旋转目标设备而产生的进一步变化。取决于哪个场景或设置需要标记为FoV以及哪个场景或设置应该为在FoV外,可以根据应用来标记测量。
初始FoV分类器510可以有几种方式来使用来自输入502的某些特征(诸如SNRFirst、SNRMain、ToAGap等)以预测目标设备何时在电子设备的FoV中。例如,当电子设备与目标设备之间存在直接信号路径时(诸如在LOS下或FoV场景中),SNRFirst和SNRMain接近,并且ToAGap接近零。相比之下,在NLOS或FoV外的场景中,表示直接信号路径的第一峰值强度612很可能具有较低的幅度,并且远离表示反射信号路径的最强峰值强度614。因此,在NLOS或FoV外的场景中,SNRFirst很可能小于SNRMain,并且ToaGap很可能较大。在信号质量差的情况下,第一峰值强度612和最强峰值强度614易于漂移,并且很可能具有较小的幅度,因此SNRFirst与SNRMain之间的差以及ToaGap是对目标设备是否在电子设备的FoV中的良好指示。
一些特征在某个滑动窗口上的方差(诸如距离的方差、AoA的方差和SNRFirst的方差)也提供了对初始FoV分类器510有用的信息。例如,如果窗口大小是K,则维护存储特征的前K个测量的缓冲器,计算这些测量的方差并将其用于特征向量。除了方差,还可以使用可以测量特征分布的其他指标。
在某些实施例中,初始FoV分类器510包括用于使用等式(2)的特征向量将目标设备分类为处于FoV或处于FoV外的SVM分类器。另外,初始FoV分类器510包括用于使用等式(2)的特征向量将目标设备分类为处于FoV或处于FoV外的具有高斯内核的SVM分类器。
SVM训练涉及在N维特征空间中找到可以将两个类中的数据点分隔开的超平面(hyperplane)。对于数据点xi,如果yi∈{1,-1},则其表示对应的标签,其中正标签表示FoV,并且负标签表示FoV外。SVM的优化问题被定义为如等式(8)所示,使得等式(9)和(10)被满足。
yi(wTφ(xi)+b)≥1-ξi,对于所有i (9)
ξi≥0,对于所有i (10)
这里,C>0表示对误差项的惩罚,并且Φ(xi)是数据点xi到更高维空间的投影。
解决这种最小化问题的一种方式是通过求解下面的等式(11)的对偶问题,使得等式(12)和(13)被满足。
∑iλiyi=0 (12)
0≤λi≤C,对于所有i (13)
如果正类和负类中的训练数据不平衡,则通过对正类和负类使用不同的惩罚并如等式(14)所示修改最小化问题使得等式(15)和(16)被满足,可以均匀地分布两个类之间的误差。例如,如果两个类中的数据不平衡,则通过用与类中的数据量成反比的值来惩罚这两个类,来均匀地分布两个类之间的误差。一个示例是使用如等式(17)所示的惩罚值。
yi(wTφ(xi)+b)≥1-ξi,对于所有i (15)
ξi≥0,对于所有i (16)
在某些实施例中,如果LOS和NLOS中的FoV特征高度不同,则初始FoV分类器510可以使用多类分类器,多类分类器可以区分以下类:(i)LOSFoV、(ii)NLOS FoV、(iii)LOS FoV外和(iv)NLOS FoV外。在某些实施例中,初始FoV分类器510使用多类分类器来标记(i)LOSFoV、(ii)NLOS FoV和(iii)NLOS FoV外。在某些实施例中,初始FoV分类器510使用多类分类器,如下面在图7中所描述的。
在某些实施例中,如果FoV外数据不可用或者不足以用于训练,则可以仅使用FoV数据来训练一类分类器,诸如支持向量数据描述(support vector data description,SVDD)分类器。
如果初始FoV分类器510的分类器由于(输入502的)特征向量没有覆盖一些特定环境中的特征分布(由于距离和SNRFirst、AoA的方差等)而缺乏令人满意的性能,则基于附加的手动逻辑的更具方向性的分类器可以被包括在初始FoV分类器510中以用于校正第一分类器的判决。特征的方差可以提供关于目标是处于FoV还是处于FoV外的信息。当目标处于FoV时,特征变化不大或者平滑地变化,而在FoV外的场景中,这些特征的波动增加。这样,手动逻辑可以利用关于特征分布的信息来校正初始FoV分类器510的分类器的判决。
也就是说,初始FoV分类器510可以基于输入的方差来确定改变分类器的判决。例如,如果初始FoV分类器510的分类器的输出是FoV外,并且当AoA∈FoV时AoA的方差低于阈值,则初始FoV分类器510可以确定将输出(从FoV外)改变为FoV。类似地,如果初始FoV分类器510的分类器的输出是FoV,但是AoA的方差高于阈值并且距离的方差高于距离方差阈值,则初始FoV分类器510可以确定将输出(从FoV)改变为FoV外。
再例如,如果初始FoV分类器510的分类器的输出是FoV外,但是当AoA∈FoV时ToAGap低于阈值,则初始FoV分类器510可以确定将输出(从FoV外)改变为FoV。类似地,如果初始FoV分类器510的分类器的输出是FoV外,但是当AoA∈FoV时SNRMain-SNRFirst低于其对应的阈值,则初始FoV分类器510可以确定将输出(从FoV外)改变为FoV。替代地,如果初始FoV分类器510的分类器的输出是FoV,但是SNRFirst的方差高于阈值(或者距离的方差高于阈值),则初始FoV分类器510可以确定将输出(从FoV)改变为FoV外。
在某些实施例中,初始FoV分类器510使用滑动窗口来平滑分类器的输出并去除异常值。例如,初始FoV分类器510可以将目标设备标记为在FoV之内或在FoV之外,并且生成与标记相关联的概率(置信度得分)。滑动窗口可以对输出概率进行平均,并且将该平均值与阈值进行比较。基于该比较,初始FoV分类器510生成对目标设备是否在电子设备的FoV之内的初始预测。这在下面的图8A中进行描述。类似地,滑动窗口可以对标签进行平均,并且将该平均值与阈值进行比较。基于该比较,初始FoV分类器510生成对目标设备是否在电子设备的FoV之内的初始预测。这在下面的图8B中进行描述。也就是说,通过对概率、标签或两者进行平均,去除了异常值并平滑了初始FoV分类器510的最终结果。
运动检测引擎520确定是否检测到电子设备的超过阈值的运动。当运动检测引擎520确定运动超过阈值时,运动检测引擎520然后可以发起复位。例如,运动检测引擎520监视来自电子设备的运动传感器(诸如陀螺仪、加速度计、磁力计、惯性测量单元等中的一个或多个)的测量。当检测到的运动超过阈值时,运动检测引擎520可以发起复位操作。例如,突然的运动可能导致跟踪滤波器530漂移,这需要时间使跟踪滤波器530再次收敛。因此,当检测到的运动超过阈值时,运动检测引擎520可以发起复位操作来复位跟踪滤波器530中的跟踪滤波器。在某些实施例中,诸如当电子设备缺乏运动传感器时,运动检测引擎520被省略。图5B的信号处理图500b和图5C的信号处理图500c示出了在没有运动检测引擎520的情况下的信号处理。图11更详细地描述了运动检测引擎520。
如果电子设备配备有运动传感器(诸如包括在图3的传感器模块376中的运动传感器或者包括在图2的传感器265中的运动传感器),则来自该传感器的关于设备的运动和方位变化的信息可以在跟踪滤波器中使用,以进一步提高距离测量和AoA测量的质量。
跟踪滤波器530使用一个或多个跟踪滤波器来平滑经由输入504的距离测量和AoA测量。在某些实施例中,可以使用多于一个跟踪滤波器,其中每个跟踪具有不同的假设。示例跟踪滤波器包括卡尔曼滤波器、扩展卡尔曼滤波器、粒子滤波器等。跟踪滤波器530生成输出532。输出532可以包括平滑的距离(以米、厘米或其他基于距离的指标为单位)。输出532还可以包括平滑的AoA(以度、弧度或其他基于角度的指标为单位)。图9A、图9B、图9C和图9D更详细地描述了跟踪滤波器530。
精细FoV分类器540将来自初始FoV分类器510的判决512和跟踪滤波器530进行组合,以生成输出542。例如,精细FoV分类器540将来自初始FoV分类器510的判决512和由跟踪滤波器530生成的输出532进行组合,以生成输出542。输出542指示目标设备是在外部电子设备的FoV之内还是在外部电子设备的FoV之外。在某些实施例中,精细FoV分类器540的判决是数值。例如,当值为一(1)时,其指示目标设备在电子设备的FoV之内,并且当值为负一(-1)时,其指示目标设备在电子设备的FoV之外(不在FoV之内)。在某些实施例中,输出542还包括指示如精细FoV分类器540所确定的目标设备在FoV之内或在FoV之外的置信度或概率的FoV置信度。精细FoV分类器540的判决的置信度得分是基于来自初始FoV分类器510和跟踪滤波器530的置信度得分。图10更详细地描述了精细FoV分类器540。
在某些实施例中,后处理器的输入和输出的速率可以与测距测量的速率相同。
图5C的信号处理图500c类似于信号处理图500a和500b,省略了精细FoV分类器540和运动检测引擎520。如图5C的信号处理图500c所示,跟踪滤波器530接收输入504(距离测量和AoA测量)。跟踪滤波器530对AoA测量和距离测量进行平滑,并且生成包括平滑的距离和平滑的AoA的输出532。这些经滤波(平滑)的测量以及(经由输入502的)其他UWB特征被提供给初始FoV分类器510。初始FoV分类器510基于(由跟踪滤波器530生成的)经滤波(平滑)的测量以及(经由输入502的)UWB特征来预测这些测量是否来自直接路径(或反射)以及目标是否位于电子设备的FoV中(或FoV之外)。
图7示出了根据本公开的实施例的用于通过初始FoV分类器510选择用于初始FoV确定的分类器的示例方法700。方法700被描述为由图1的客户端设备106-114中的任何一个来实施,并且可以包括与图2的电子设备200和图3的电子设备301的内部组件类似的内部组件。然而,如图7所示的方法700可以与任何其他合适的电子设备一起使用和在任何合适的系统中使用。
如方法700所示,初始FoV分类器510的分类器最初将场景标记为LOS或NLOS。然后,初始FoV分类器510的在该特定场景中训练的另一分类器将目标标记为处于FoV或处于FoV外。也就是说,如方法700所示,初始FoV分类器510使用三个不同的分类器。第一分类器用于LOS/NLOS检测,第二分类器用于LOS场景中的FoV/FoV外检测,第三分类器用于NLOS场景中的FoV/FoV外检测。
在步骤702中,初始FoV分类器510的分类器基于输入502将目标设备标记为处于LOS或NLOS。在步骤704中,初始FoV分类器510确定在步骤702中分类器对目标设备的分类是否为LOS。当目标设备被分类为LOS时,在步骤706中,初始FoV分类器510选择针对LOS场景训练的分类器。步骤706的所选分类器然后确定目标设备是在电子设备的FoV中还是在电子设备的FoV之外。替代地,当目标设备被分类为NLOS时,则在步骤708中,初始FoV分类器510选择针对NLOS场景训练的分类器。步骤708的所选分类器然后确定目标设备是在电子设备的FoV中还是在电子设备的FoV之外。
尽管图7示出了示例方法,但是可以对图7进行各种改变。例如,虽然方法700被示为一系列步骤,但是各个步骤可以重叠、并行发生、以不同的次序发生或者发生多次。在另一示例中,步骤可以被省略或者被其他步骤代替。
图8A和图8B示出了根据本公开的实施例的用于初始FoV预测的示例移动平均滤波器图800a和800b。在某些实施例中,移动平均滤波器图800a和800b可以被图1的客户端设备106-114中的任何一个或服务器104使用。
如图8A所示,分类器输出802表示由初始FoV分类器510的分类器确定的在不同时间间隔目标设备处于FoV之内的概率。滑动窗口沿着分类器输出802移动,并且对窗口内的概率值进行平均。例如,在第一时间步骤处,滑动窗口810a对前五个概率值进行平均,并且在均值输出804中输出平均值,如图所示。在第二时间步骤处,滑动窗口810b向右移动一个值并对五个概率值进行平均,并且在均值输出804中输出平均值,如图所示。这一直持续到滑动窗口810n对最后五个概率值进行平均并在均值输出804中输出平均值,如图所示。注意,在其他实施例中,滑动窗口可以有不同的大小。
然后将均值输出804中的每个值与阈值进行比较。如果平均概率大于阈值,则初始FoV分类器510预测该输出为在FoV中。替代地,如果平均概率小于阈值,则初始FoV分类器510预测该输出为在FoV之外。如图8A所示,阈值为0.5。例如,均值输出804的每个值高于0.5,输出是值1,从而指示目标设备在电子设备的FoV中。
如图8B所示,分类器输出820表示对目标设备在不同时间实例是在电子设备的FoV中(如值一所指示)还是在FoV之外(如值负一所指示)的预测。在某些实施例中,分类器输出820是图8A的输出806。
滑动窗口沿着分类器输出820移动,并且对窗口内的值进行平均。例如,在第一时间步骤处,滑动窗口820a对前五个值进行平均,并且在多数表决输出830中输出平均值,如图所示。在第二时间步骤处,滑动窗口810b向右移动一个值并对五个概率值进行平均,并且在多数表决输出830中输出平均值,如图所示。这一直持续到滑动窗口820n对最后五个概率值进行平均并在多数表决输出830中输出平均值,如图所示。注意,在其他实施例中,滑动窗口可以有不同的大小。
图9A、图9B、图9C和图9D分别示出了根据本公开的实施例的用于各种跟踪滤波器操作的示例方法900a、900b、900c和900d。方法900a、900b、900c和900d被描述为由图1的客户端设备106-114中的任何一个来实施,并且可以包括与图2的电子设备200和图3的电子设备301的内部组件类似的内部组件。然而,分别如图9A、图9B、图9C和图9D所示的方法900a、900b、900c和900d可以与任何其他合适的电子设备一起使用和在任何合适的系统中使用。
图5A、图5B和图5C的跟踪滤波器530可以使用一个或多个不同的跟踪滤波器来提高测量的质量。示例跟踪滤波器包括卡尔曼滤波器、扩展卡尔曼滤波器(Extended KalmanFilter,EKF)、具有自适应值的EKF、粒子滤波器等。
在某些实施例中,EKF用于跟踪UWB测量。状态向量在下面的等式(18)中定义。在等式(18)中,xt、yt、zt是电子设备相对于目标设备的三维位置。观测(observation)是等式(19)中定义的函数。等式(19)的观测取决于接口和设计选择。例如,如下面的等式(20)中所定义的,观测可以对应于距离、AoA方位角和AoA仰角的UWB测量。用于映射测量和状态的函数可以在下面的等式(21)、等式(22)和等式(23)中定义。
xt=[xt,yt,zt]T (18)
zt=f(xt). (19)
当观测被定义为等式(20)时,测量与状态之间的映射函数在上面的等式(21)到等式(23)以及下面的等式(24)和等式(25)中定义。状态转移方程在下面的等式(26)中定义。注意,等式(26)的表达式wt是过程噪声,并且状态转移模型A是单位矩阵。在某些实施例中,如果电子设备配备有运动传感器(诸如图23的传感器265或传感器模块376),则旋转矩阵可以用作状态矩阵A(而不是单位矩阵)。旋转矩阵可以用于进一步提高测量的质量。
xt=Axt-l+wt (26)
为了解决运动模型中的缺陷,可以基于真实数据来调谐表示过程噪声协方差的Q。如果P表示误差协方差矩阵,R表示测量噪声协方差矩阵,并且K表示卡尔曼增益,则R(测量噪声协方差矩阵)使用真实数据或测量来确定。确定R的一种方式是在已知基本事实的场景中获得测量并计算测量与基本事实之间的差的方差。雅可比矩阵在下面的等式(27-1)中进行了描述。替代地,如果测量为rt、azt、elt,则雅可比矩阵如方程(27-2)所述。下面的等式(29)中描述的雅可比矩阵描述了测量与状态之间的映射函数。通过使用当前测量(上面的方程(20))与状态[x0,y0,z0]T(上面的方程(18))之间的映射函数从当前测量计算出状态[x0,y0,z0]T来初始化滤波器,并且误差协方差矩阵被初始化为单位矩阵。雅可比矩阵可以用于计算卡尔曼增益K。
如图9A所示,方法900a描述了用于跟踪距离测量和AoA测量的扩展卡尔曼滤波器。在步骤902中,跟踪滤波器530确定是否达到停止标准。停止标准可以基于是否接收到新的测量。例如,只要接收到新的测量,停止标准就未达到。
在步骤906中,跟踪滤波器530识别雅可比矩阵,如上面的等式(27)-(29)中所述。在步骤910中,跟踪滤波器530使用(步骤906的)雅可比矩阵来识别卡尔曼增益,如下面的等式(32)中所述。
在步骤912中,跟踪滤波器530识别新息(innovation)yt,如下面的等式(33)所示。新息是测量值与预测值之间的差。
在步骤914中,跟踪滤波器530更新状态,如等式(34)所示,并且更新误差协方差矩阵,如等式(35)所示。在步骤920中,跟踪滤波器530增加时间并返回到步骤902。
在某些实施例中,可以修改过程噪声协方差Q、测量噪声协方差矩阵R或两者。例如,过程噪声协方差Q可以基于上面的等式(33)的新息而自适应地调整,新息是预测值与测量值之间的差。如果α∈[0,1]表示用于更新Q的遗忘因子,则使用等式(33)的新息来更新Q,如下面的等式(36)中所述。
类似地,测量噪声协方差矩阵R可以基于残差值而自适应地调整,如下面的等式(37)中所述。残差值是更新值与测量值之间的差。如果β∈[0,1]表示用于更新R的遗忘因子,则使用残差项来更新R,如下面的等式(38)所述。
εt=zt-f(xt) (37)
如图9B所示,方法900b描述了用于跟踪距离测量和AoA测量的具有自适应的Q和R的扩展卡尔曼滤波器。在某些实施例中,Q和R都是自适应的。在其他实施例中,Q或R是自适应的。当Q和R都是自适应的时,执行步骤908和916两者。当仅有Q是自适应的(并且R不是自适应的)时,执行步骤916并省略步骤908。类似地,当仅有R是自适应的(并且Q不是自适应的)时,执行步骤908并省略步骤916。
在步骤902中,跟踪滤波器530确定是否达到停止标准。在确定没有达到停止标准时,在步骤904中,跟踪滤波器530对状态执行预测,如等式(30)所示,并且对误差协方差矩阵执行预测,如等式(31)所示。在步骤906中,跟踪滤波器530识别雅可比矩阵,如上面的等式(27)-(29)中所述。在步骤908中,跟踪滤波器530基于等式(37)的残差值更新测量噪声协方差矩阵R。在步骤910中,跟踪滤波器530使用(步骤906的)计算的雅可比矩阵来识别卡尔曼增益,如等式(32)中所述。在步骤912中,跟踪滤波器530识别新息yt,如等式(33)所示。新息是测量值与预测值之间的差。在步骤914中,跟踪滤波器530更新状态,如等式(34)所示,并且更新误差协方差矩阵,如等式(35)所示。在步骤916中,跟踪滤波器530基于(步骤912的)等式(33)的新息值更新过程噪声协方差Q。在步骤918中,跟踪滤波器530基于等式(37)更新残差。在步骤920中,跟踪滤波器530增加时间并返回到步骤902。
在某些实施例中,如果设备的方位变化不可用,则旋转矩阵或状态转移矩阵A被设置为单位矩阵,如上所述。当关于设备运动的信息不可用时,跟踪滤波器530使用卡尔曼滤波器来跟踪目标设备。卡尔曼滤波器的状态如等式(39)中所述被建模。状态转移矩阵A=I。测量是错误的从UWB测量获得的距离、AoA方位角和AoA仰角在等式(40)中进行了描述。测量矩阵H=I。
zt=[rt,azt,elt]T (40)
如图9C所示,方法900c描述了用于跟踪距离测量和AoA测量的卡尔曼滤波器。在步骤902中,跟踪滤波器530确定是否达到停止标准。在确定没有达到停止标准时,在步骤904中,跟踪滤波器530对状态执行预测,如等式(30)所示,并且对误差协方差矩阵执行预测,如等式(31)所示。在步骤910a中,跟踪滤波器530识别卡尔曼增益,如下面的等式(41)中所述。在步骤912a中,跟踪滤波器530识别新息yt,如下面的等式(42)所示。在步骤914a中,跟踪滤波器530更新状态,如等式(34)所示,并且更新误差协方差矩阵,如等式(43)所示。在步骤920中,跟踪滤波器530增加时间并返回到步骤902。
在某些实施例中,在NLOS场景期间,电子设备与目标设备之间的UWB测量可能丢失(使得电子设备不会从目标设备获得信号)。当处理测量损失时,可以使用运动传感器(如果可用的话)来检测电子设备的方位变化,以跟踪AoA和距离。当没有UWB测量时,跟踪滤波器530可以将新息项改变为零。
如图9D所示,方法900d描述了具有部分测量损失的跟踪。在步骤902中,跟踪滤波器530确定是否达到停止标准。在确定没有达到停止标准时,在步骤904中,跟踪滤波器530对状态执行预测,如等式(30)所示,并且对误差协方差矩阵执行预测,如等式(31)所示。在步骤906中,跟踪滤波器530识别雅可比矩阵,如上面的等式(27)-(29)中所述。在步骤910中,跟踪滤波器530使用(步骤906的)计算的雅可比矩阵来识别卡尔曼增益,如等式(32)中所述。在步骤911中,跟踪滤波器530确定UWB测量是否丢失(或没有获得)。如果UWB测量丢失,则在步骤912c中,跟踪滤波器530将新息值yt设置为零。替代地,如果UWB测量被接收(未丢失),则在步骤912中,跟踪滤波器530识别新息yt,如等式(33)所示。如上所述,新息值yt是测量值与预测值之间的差。在步骤914中,跟踪滤波器530更新状态,如等式(34)所示,并且更新误差协方差矩阵,如等式(35)所示。在步骤920中,跟踪滤波器530增加时间并返回到步骤902。
尽管图9A、图9B、图9C和图9D示出了示例过程,但是可以对图9A、图9B、图9C和图9D进行各种改变。例如,虽然方法900a被示为一系列步骤,但是各个步骤可以重叠、并行发生、以不同的次序发生或者发生多次。在另一示例中,步骤可以被省略或者被其他步骤代替。
来自初始FoV分类器510和跟踪滤波器530的FoV判决可以与置信度值相关联,该置信度值反映当前测量是来自FoV中的目标的概率或置信度。例如,初始FoV分类器510的FoV置信度可以是目标在FoV中的概率。例如,如果初始预测指示该目标设备更靠近FoV边界,则初始FoV分类器510的置信度较低。替代地,初始预测指示该目标设备远离FoV边界,则初始FoV分类器510的置信度较高。对于SVM分类器,该概率与测量到将FoV和FoV外分隔开的超平面的距离成反比。来自初始FoV分类器510的SVM的置信度被称为SVMConfidence(SVM置信度)。
类似地,跟踪滤波器操作530还基于估计量来输出置信度。例如,使用下面的等式(44)中描述的误差协方差矩阵来计算EKF置信度(EKFConfidence)。
这里,C是常数参数,并且trace(Pt)是方阵Pt的迹。也就是说,EKF置信度是与跟踪状态相关联的置信度。
图10示出了根据本公开的实施例的用于确定目标设备是否在电子设备的FoV之内的示例方法1000。方法1000被描述为由图1的客户端设备106-114中的任何一个来实施,并且可以包括与图2的电子设备200和图3的电子设备301的内部组件类似的内部组件。然而,如图10所示的方法1000可以与任何其他合适的电子设备一起使用和在任何合适的系统中使用。
精细FoV分类器540通过将初始FoV分类器510的判决和跟踪滤波器操作530进行组合来最终确定目标设备是否在电子设备的FoV中。在某些实施例中,将SVMConfidence与预定义的阈值进行比较。如果它位于阈值之上,并且输入AoA和EKF输出AoA都位于FoV之内,则最终FoV判决指定目标设备在电子设备的FoV中,否则最终FoV判决指定目标设备在电子设备的FoV之外。
在步骤1002中,电子设备确定是否达到停止标准。停止标准可以基于是否接收到新的测量。例如,只要接收到新的测量,停止标准就未到达。
在确定没有达到停止标准时,电子设备在步骤1004中生成对目标设备相对于电子设备的FoV的存在的初始预测。电子设备可以使用图5A、图5B和图5C的初始FoV分类器510。初始预测可以基于SVM。在某些实施例中,电子设备生成初始预测的置信度得分。
在步骤1006中,电子设备执行跟踪滤波器操作,诸如图5A、图5B和图5C的跟踪滤波器530。跟踪滤波器操作可以使用在图9A-图9D的方法中描述的各种滤波器。跟踪滤波器操作可以对距离信息和AoA信息进行平滑。在某些实施例中,电子设备生成跟踪滤波器的置信度得分输出。
电子设备执行精细FoV分类以确定目标设备是在电子设备的FoV之内还是在电子设备的FoV之外。该确定可以基于AoA信息、平滑的AoA信息以及对外部电子设备相对于电子设备的FoV的存在的初始预测。在某些实施例中,电子设备使用图5A和图5B的精细FoV分类器540来确定目标设备是在电子设备的FoV之内还是在电子设备的FoV之外。
为了确定目标设备是在电子设备的FoV之内还是在电子设备的FoV之外,在步骤1010中,精细FoV分类器最初确定步骤1006的从跟踪滤波器输出的平滑的AoA是否在FoV中。如果目标设备的平滑的AoA不在FoV中,则精细FoV分类器540确定目标设备不在FoV中(步骤1018)。替代地,在确定平滑的AoA指示目标设备在FoV中时,精细FoV分类器540在步骤1012中确定输入AoA是否在FoV中。输入AoA是输入到步骤1006的跟踪滤波器中的AoA测量。如果目标设备的输入AoA不在FoV中,则精细FoV分类器540确定目标设备不在FoV中(步骤1018)。替代地,在确定输入AoA指示目标设备在FoV中时,在步骤1014中,精细FoV分类器540将在步骤1004中生成的置信度得分与阈值进行比较。当置信度得分小于阈值时,精细FoV分类器540确定目标设备不在FoV中(步骤1018)。替代地,在确定置信度得分大于阈值时,精细FoV分类器540确定目标设备在电子设备的FoV中(步骤1016)。在某些实施例中,将(步骤1006的)跟踪滤波器的置信度得分与阈值进行比较,而不是与(步骤1004的)初始预测的置信度得分进行比较,以确定目标设备是否在电子设备的FoV之内。在其他实施例中,可以将(步骤1006的)跟踪滤波器的置信度得分与阈值以及(步骤1004的)初始预测的置信度得分进行比较,以确定目标设备是否在电子设备的FoV之内。在步骤1020中,跟踪滤波器530增加时间并返回到步骤1002。
在某些实施例中,在确定目标设备在电子设备的FoV之内或电子设备的FoV之外时,精细FoV分类器540可以去除异常值并平滑FoV确定。精细FoV分类器540可以利用滑动窗口,诸如图8A的图800a和图8B的图800b。
例如,步骤1016和步骤1018在一段时间内的输出被示为图8B的分类器输出820。在第一时间步骤处,滑动窗口820a对前五个值进行平均,并且在多数表决输出830中输出平均值,如图所示。在第二时间步骤处,滑动窗口810b向右移动一个值并对五个概率值进行平均,并且在多数表决输出830中输出平均值,如图所示。这一直持续到滑动窗口820n对最后五个概率值进行平均并在多数表决输出830中输出平均值,如图所示。注意,在其他实施例中,滑动窗口可以有不同的大小。
在某些实施例中,生成精细FoV分类器540的置信度得分。精细FoV分类的置信度得分基于步骤1004中(经由初始FoV分类器510)生成的置信度得分以及步骤1006中(经由跟踪滤波器530)生成的置信度得分。生成精细FoV分类器540的置信度得分在下面的等式(45)中进行了描述,其中SVMConfidence是在步骤1004中(经由初始FoV分类器510)生成的置信度得分,并且EKFConfidence是在步骤1006中(经由跟踪滤波器530)生成的置信度得分。
尽管图10示出了示例方法,但是可以对图10进行各种改变。例如,虽然方法1000被示为一系列步骤,但是各个步骤可以重叠、并行发生、以不同的次序发生或者发生多次。在另一示例中,步骤可以被省略或者被其他步骤代替。
图11示出了根据本公开的实施例的用于由于运动而执行复位的示例方法1000。方法1100被描述为由图1的客户端设备106-114中的任何一个来实施,并且可以包括与图2的电子设备200和图3的电子设备301的内部组件类似的内部组件。然而,如图11所示的方法1100可以与任何其他合适的电子设备一起使用和在任何合适的系统中使用。
如图5A所示,信号处理图500a包括运动检测引擎520。当检测到的运动超过阈值时,运动检测引擎520可以发起复位操作。
有时电子设备的运动可能会有剧烈的变化。在这种情况下,在电子设备发生突然的运动之后,跟踪滤波器操作的跟踪滤波器530可能需要相当长的时间来收敛测量。相应地,本公开的实施例使得电子设备能够在检测到剧烈或足够大的运动时复位滤波器的状态。
例如,加速度的方差可以从电子设备的运动传感器获得。运动检测引擎520确定电子设备的运动是否超过阈值。当一个或多个运动采样超过阈值时,运动检测引擎520触发复位操作。取决于初始FoV分类器500的输出(初始预测)是FoV还是FoV外,运动检测引擎520执行软(部分)复位或硬(完全)复位。在软复位中,基于状态与测量之间的映射函数,使用当前的距离测量和AoA测量来重新初始化(跟踪滤波器操作的)跟踪滤波器530的状态,并且将误差协方差矩阵重新初始化为单位矩阵。在硬复位中,跟踪滤波器的状态和误差协方差矩阵以与软复位相同的方式重新初始化,并且将缓冲器复位。被复位的缓冲器包括在对输出执行多数表决的情况下包含初始FoV分类器510的初始预测的缓冲器(图8B)。替代地,被复位的缓冲器包括:(i)在对分类器输出进行平均概率阈值处理的情况下,初始FoV分类器510的置信度得分(诸如SVMConfidence)(图8A),以及(ii)在对输出执行多数表决的情况下,精细FoV分类器540的输出判决的缓冲器(图8B)。
如图11所示,在步骤1102中,电子设备确定是否达到停止标准。停止标准可以基于是否接收到新的测量。例如,只要接收到新的测量,就不会达到停止标准。
在确定没有达到停止标准时,电子设备在步骤1104中生成对目标设备相对于电子设备的FoV的存在的初始预测。电子设备可以使用图5A、图5B和图5C的初始FoV分类器510。初始预测可以基于SVM。在某些实施例中,电子设备生成初始预测的置信度得分。
电子设备确定检测到的运动是否需要复位跟踪滤波器操作的跟踪滤波器530、缓冲器或两者。在某些实施例中,电子设备使用运动检测引擎520来确定是否要执行复位。在步骤1108中,运动检测引擎520检测运动,并且将运动的加速度的方差与阈值进行比较。
当加速度的方差大于阈值时,在步骤1110中,运动检测引擎520确定步骤1104的输出(诸如粗略FoV滤波器510的初始预测)是否指示目标设备在电子设备的FoV中。当粗略FoV滤波器510的初始预测指示目标设备在电子设备的FoV中时,运动检测引擎520执行软复位(步骤1112)。替代地,当粗略FoV滤波器510的初始预测指示目标设备在电子设备的FoV之外时,运动检测引擎520执行硬复位(步骤1114)。
当加速度的方差小于阈值时,或者在执行复位(诸如步骤1112的软复位或步骤1114的硬复位)之后,电子设备执行步骤1116的跟踪滤波器操作。在步骤1116中,电子设备执行跟踪滤波器操作,诸如图5A、图5B和图5C的跟踪滤波器530。跟踪滤波器操作可以使用在图9A-图9D的方法中描述的各种滤波器。跟踪滤波器操作可以对距离信息和AoA信息进行平滑。在某些实施例中,电子设备生成跟踪滤波器的置信度得分输出。
电子设备可以使用图5A和图5B的精细FoV分类器540来基于步骤1104的输出和步骤1116的输出确定目标设备是在电子设备的FoV之内还是在电子设备的FoV之外。在步骤1118中,跟踪滤波器530增加时间并返回到步骤1102。
尽管图11示出了示例方法,但是可以对图11进行各种改变。例如,虽然方法1100被示为一系列步骤,但是各个步骤可以重叠、并行发生、以不同的次序发生或者发生多次。在另一示例中,步骤可以被省略或者被其他步骤代替。
图12示出了根据本公开的实施例的用于FoV确定的示例方法1200。方法1200被描述为由图1的客户端设备106-114中的任何一个来实施,并且可以包括与图2的电子设备200和图3的电子设备301的内部组件类似的内部组件。然而,如图12所示的方法1200可以与任何其他合适的电子设备一起使用和在任何合适的系统中使用。
在步骤1202中,电子设备获得基于在电子设备与外部电子设备之间传送的无线信号的信道信息、距离信息和AoA信息。在某些实施例中,电子设备包括从外部电子设备(目标设备)直接获得信号的收发器。在其他实施例中,电子设备(诸如图1的服务器104)获得与在电子设备与外部电子设备之间传送的信号相关联的信息。
在某些实施例中,信道信息包括电子设备与外部电子设备之间的无线信道的CIR的特征。信道信息可以包括。例如,CIR的特征可以包括CIR的第一峰值强度。CIR的特征还可以包括CIR的最强峰值强度。CIR的特征还包括CIR的第一峰值强度与最强峰值强度之间的幅度差。另外,CIR的特征可以包括RSSI值。CIR的特征还可以包括CIR的第一峰值强度在一段时间间隔内的方差。CIR的特征还可以包括CIR的第一峰值强度与CIR的最强峰值强度之间的时间差。
在某些实施例中,距离信息包括基于无线信号获得的距离测量。距离信息还可以包括在一段时间间隔内距离测量的方差。
在某些实施例中,AoA信息包括基于无线信号获得的AoA测量。AoA信息还可以包括在一段时间间隔内AoA测量的方差。
在步骤1204中,电子设备生成对外部电子设备相对于电子设备的FoV的存在的初始预测。初始预测可以基于信道信息、距离信息、AoA信息或其任何组合。在某些实施例中,初始预测包括对外部电子设备是在电子设备的FoV之内还是在电子设备的FoV之外的指示。在某些实施例中,初始预测基于对CIR的特征以及距离信息或AoA信息中的至少一个的SVM操作。高斯内核也可以被用于使用特征向量来指示目标是在FOV中还是FOV之外。
在某些实施例中,电子设备在滑动窗口内将移动平均滤波器应用于初始预测,以生成在FoV之内的平均概率。电子设备然后将滑动窗口内在FoV之内的平均概率与阈值进行比较。此后,电子设备可以基于该比较来修正对外部电子设备相对于电子设备的FoV的存在的初始预测,以去除异常值。
在步骤1206中,电子设备使用跟踪滤波器对距离信息和AoA信息执行平滑操作。在某些实施例中,跟踪滤波器是卡尔曼滤波器、扩展卡尔曼滤波器、具有自适应参数的扩展卡尔曼滤波器、考虑到丢失测量的扩展卡尔曼滤波器或其组合。例如,响应于确定没有获得无线信号,电子设备可以将表示跟踪滤波器的测量值与预测值之间的差的参数设置为零。
在步骤1208中,电子设备确定外部电子设备在电子设备的FoV之内或电子设备的FoV之外。例如,电子设备基于AoA信息、(步骤1206的)平滑的AoA信息和(步骤1204的)初始预测来确定外部电子设备是在FoV之内还是在FoV之外。
在某些实施例中,电子设备收集对外部电子设备是在电子设备的FoV之内还是在电子设备的FoV之外的多个确定。电子设备然后在滑动窗口内将移动平均滤波器应用于多个确定,以生成在FoV之内的平均概率。电子设备然后将滑动窗口内在FoV之内的平均概率与阈值进行比较。此后,电子设备可以基于该比较来修正对外部电子设备是在电子设备的FoV之内还是在电子设备的FoV之外的多个确定,以去除异常值。
在某些实施例中,电子设备还生成置信度得分,该置信度得分指示与对外部电子设备是在电子设备的FoV之内还是在电子设备的FoV之外的确定相关联的置信度。为了生成置信度得分,电子设备识别与(步骤1204的)初始预测相关联的第一置信度得分,并且基于跟踪滤波器的误差协方差矩阵识别与跟踪滤波器相关联的第二置信度得分。第一置信度得分指示与(步骤1204的)初始预测相关联的置信度。在某些实施例中,电子设备将第一置信度得分与第二置信度得分进行平均,以生成与对外部电子设备是在电子设备的FoV之内还是在电子设备的FoV之外的最终判决相关联的最终置信度得分。
尽管图12示出了示例方法,但是可以对图12进行各种改变。例如,虽然方法1200被示为一系列步骤,但是各个步骤可以重叠、并行发生、以不同的次序发生或者发生多次。在另一示例中,步骤可以被省略或者被其他步骤代替。
上述流程图示出了可以根据本公开的原理实施的示例方法,并且可以对本文的流程图中所示的方法进行各种改变。例如,虽然被示为一系列步骤,但是每个图中的各个步骤可以重叠、并行发生、以不同的次序发生或者发生多次。在另一示例中,步骤可以被省略或者被其他步骤代替。
尽管附图示出了用户设备的不同示例,但是可以对附图进行各种改变。例如,用户设备可以以任何合适的布置包括任何数量的每种组件。一般来说,附图并不将本公开的范围限制于任何特定的(多个)配置。此外,虽然附图示出了可以使用本专利文档中公开的各种用户设备特征的操作环境,但是这些特征可以用于任何其他合适的系统中。
尽管已经用示例性实施例描述了本公开,但是本领域技术人员可以想到各种变化和修改。本公开旨在涵盖落入所附权利要求的范围内的这些变化和修改。本申请中的任何描述都不应被理解为暗示任何特定的元素、步骤或功能是必须包括在权利要求范围内的必要元素。专利主题的范围由权利要求限定。
Claims (14)
1.一种方法,包括:
获得基于在电子设备与外部电子设备之间传送的无线信号的信道信息、距离信息和到达角(AoA)信息;
基于所述信道信息以及所述距离信息或AoA信息中的至少一个,生成对所述外部电子设备相对于所述电子设备的视场(FoV)的存在的初始预测,其中所述初始预测包括对所述外部电子设备是在所述电子设备的FoV之内还是在所述电子设备的FoV之外的指示;
使用跟踪滤波器对所述距离信息和所述AoA信息执行平滑操作;以及
基于所述AoA信息、平滑的AoA信息和对所述外部电子设备相对于所述电子设备的FoV的存在的初始预测,确定所述外部电子设备是在所述电子设备的FoV之内还是在所述电子设备的FoV之外。
2.根据权利要求1所述的方法,还包括:
基于所述电子设备的运动与阈值的比较来确定复位所述跟踪滤波器;
响应于确定所述外部电子设备在所述电子设备的FoV之内,对所述跟踪滤波器执行复位;以及
响应于确定所述外部电子设备在所述电子设备的FoV之外,对所述跟踪滤波器和存储所述初始预测的缓冲器执行复位。
3.根据权利要求1所述的方法,其中:
所述信道信息包括基于所述电子设备与所述外部电子设备之间的无线信号的无线通信信道的信道脉冲响应(CIR)的特征;并且
CIR的特征包括以下中的至少一项:
所述CIR的第一峰值强度,
所述CIR的最强峰值强度,
所述CIR的第一峰值强度与最强峰值强度之间的幅度差,
接收信号强度指示(RSSI)值,
所述CIR的第一峰值强度在一段时间间隔内的方差,或者
所述CIR的第一峰值强度与所述CIR的最强峰值强度之间的时间差。
4.根据权利要求3所述的方法,其中,对所述外部电子设备相对于所述电子设备的FoV的存在的初始预测是基于对所述CIR的特征以及所述距离信息或所述AoA信息中的至少一个进行操作的支持向量机(SVM)。
5.根据权利要求1所述的方法,还包括:
在滑动窗口内将移动平均滤波器应用于对所述外部电子设备相对于所述电子设备的FoV的存在的初始预测;
将在所述滑动窗口内处于所述电子设备的FoV之内的平均概率与阈值进行比较;以及
基于所述比较来修正对所述外部电子设备相对于所述电子设备的FoV的存在的初始预测。
6.根据权利要求1所述的方法,其中,所述跟踪滤波器是卡尔曼滤波器、扩展卡尔曼滤波器或具有自适应参数的扩展卡尔曼滤波器。
7.根据权利要求1所述的方法,还包括:
确定是否没有获得无线信号;以及
响应于确定没有获得无线信号,将所述跟踪滤波器的参数设置为零,其中所述参数表示所述跟踪滤波器的测量值与预测值之间的差。
8.根据权利要求1所述的方法,其中,确定所述外部电子设备在所述电子设备的FoV之内还包括:
识别与对所述外部电子设备相对于所述电子设备的FoV的存在的初始预测相关联的置信度得分;
确定所述平滑的AoA信息是否指示所述外部电子设备在所述电子设备的FoV之内;
响应于确定所述平滑的AoA信息指示所述外部电子设备在所述电子设备的FoV之内,确定所述AoA信息是否指示所述外部电子设备在所述电子设备的FoV之内;
响应于确定所述AoA信息指示所述外部电子设备在所述电子设备的FoV之内,将所述置信度得分与第一阈值进行比较;以及
基于所述置信度得分与所述第一阈值的比较,确定所述外部电子设备是在所述电子设备的FoV之内还是在所述电子设备的FoV之外。
9.根据权利要求8所述的方法,还包括:
收集对所述外部电子设备是在所述电子设备的FoV之内还是在所述电子设备的FoV之外的多个确定;
在滑动窗口内将移动平均滤波器应用于所述多个确定;
将在所述滑动窗口内处于所述电子设备的FoV之内的平均概率与阈值进行比较;以及
基于所述比较来修正对所述外部电子设备是在所述电子设备的FoV之内还是在所述电子设备的FoV之外的多个确定。
10.根据权利要求8所述的方法,其中:
所述置信度得分是第一置信度得分;并且
所述方法还包括:
基于所述跟踪滤波器的误差协方差矩阵来识别与所述跟踪滤波器相关联的第二置信度得分,以及
基于所述第一置信度得分和所述第二置信度得分,生成与对所述外部电子设备是在所述电子设备的FoV之内还是在所述电子设备的FoV之外的确定相关联的最终置信度得分。
11.一种电子设备,包括:
处理器,被配置为:
获得基于在电子设备与外部电子设备之间传送的无线信号的信道信息、距离信息和到达角(AoA)信息;
基于所述信道信息以及所述距离信息或AoA信息中的至少一个,生成对所述外部电子设备相对于所述电子设备的视场(FoV)的存在的初始预测,其中所述初始预测包括对所述外部电子设备是在所述电子设备的FoV之内还是在所述电子设备的FoV之外的指示;
使用跟踪滤波器对所述距离信息和所述AoA信息执行平滑操作;以及
基于所述AoA信息、平滑的AoA信息和对所述外部电子设备相对于所述电子设备的FoV的存在的初始预测,确定所述外部电子设备是在所述电子设备的FoV之内还是在所述电子设备的FoV之外。
12.根据权利要求11所述的电子设备,被适配为根据权利要求2至10之一进行操作。
13.一种包含指令的非暂时性计算机可读介质,所述指令在被运行时使得至少一个处理器:
获得基于在电子设备与外部电子设备之间传送的无线信号的信道信息、距离信息和到达角(AoA)信息;
基于所述信道信息以及所述距离信息或AoA信息中的至少一个,生成对所述外部电子设备相对于所述电子设备的视场(FoV)的存在的初始预测,其中所述初始预测包括对所述外部电子设备是在所述电子设备的FoV之内还是在所述电子设备的FoV之外的指示;
使用跟踪滤波器对所述距离信息和所述AoA信息执行平滑操作;以及
基于所述AoA信息、平滑的AoA信息和对所述外部电子设备相对于所述电子设备的FoV的存在的初始预测,确定所述外部电子设备是在所述电子设备的FoV之内还是在所述电子设备的FoV之外。
14.根据权利要求13所述的非暂时性计算机可读介质,被适配为根据权利要求2至10之一进行操作。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063059043P | 2020-07-30 | 2020-07-30 | |
US63/059,043 | 2020-07-30 | ||
US17/443,321 | 2021-07-23 | ||
US17/443,321 US11751008B2 (en) | 2020-07-30 | 2021-07-23 | Angle of arrival capability in electronic devices |
PCT/KR2021/009982 WO2022025706A1 (en) | 2020-07-30 | 2021-07-30 | Angle of arrival capability in electronic devices |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116057408A true CN116057408A (zh) | 2023-05-02 |
Family
ID=80004719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180058756.XA Pending CN116057408A (zh) | 2020-07-30 | 2021-07-30 | 电子设备中的到达角能力 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11751008B2 (zh) |
EP (1) | EP4111230A4 (zh) |
CN (1) | CN116057408A (zh) |
WO (1) | WO2022025706A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11095017B2 (en) * | 2018-07-13 | 2021-08-17 | Apple Inc. | Electronic device having angle of arrival detection capabilities |
US11892550B2 (en) * | 2020-12-22 | 2024-02-06 | Samsung Electronics Co., Ltd. | Three-dimensional angle of arrival capability in electronic devices |
WO2024063619A1 (ko) * | 2022-09-23 | 2024-03-28 | 삼성전자주식회사 | 초광대역 통신 신호를 이용하여 포즈를 분류하기 위한 방법 및 장치 |
KR20240051672A (ko) * | 2022-10-13 | 2024-04-22 | 삼성전자주식회사 | 초광대역 통신 신호를 이용하여 레인징 영역을 조정하기 위한 방법 및 장치 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8237101B2 (en) | 2009-10-02 | 2012-08-07 | Teledyne Scientific & Imaging, Llc | Object tracking system having at least one angle-of-arrival sensor which detects at least one linear pattern on a focal plane array |
JP5684533B2 (ja) | 2010-10-21 | 2015-03-11 | 日本電産エレシス株式会社 | 電子走査型レーダ装置、受信波方向推定方法及び受信波方向推定プログラム |
WO2014060777A2 (en) | 2012-10-19 | 2014-04-24 | Ucl Business Plc | Apparatus and method for determining the location of a mobile device using multiple wireless access points |
US10378897B2 (en) | 2013-06-21 | 2019-08-13 | Qualcomm Incorporated | Determination of positioning information of a mobile device using modulated light signals |
US11340345B2 (en) * | 2015-07-17 | 2022-05-24 | Origin Wireless, Inc. | Method, apparatus, and system for wireless object tracking |
CN104502900B (zh) | 2015-01-13 | 2017-03-29 | 武汉大学 | 一种单频网雷达多目标跟踪方法 |
KR102449214B1 (ko) | 2015-05-13 | 2022-09-30 | 주식회사 에이치엘클레무브 | 도래각 추정 장치 및 이를 이용한 도래각 추정 방법 |
US10153549B2 (en) | 2016-03-07 | 2018-12-11 | Raytheon Company | Correlated fanbeam extruder |
US10356553B2 (en) * | 2016-09-23 | 2019-07-16 | Apple Inc. | Precise indoor localization and tracking of electronic devices |
US10768265B2 (en) | 2016-11-09 | 2020-09-08 | Raytheon Company | Systems and methods for direction finding using compressive sensing |
KR102323655B1 (ko) | 2018-01-08 | 2021-11-09 | 현대모비스 주식회사 | 가상 수신신호 생성을 이용한 도래각 추정 방법 및 장치 |
EP3561542A1 (en) | 2018-04-27 | 2019-10-30 | Veoneer Sweden AB | Generic object tracking based on significant points |
KR102628655B1 (ko) | 2018-06-29 | 2024-01-24 | 삼성전자주식회사 | 레이더 구동 장치 및 방법 |
-
2021
- 2021-07-23 US US17/443,321 patent/US11751008B2/en active Active
- 2021-07-30 CN CN202180058756.XA patent/CN116057408A/zh active Pending
- 2021-07-30 EP EP21849179.3A patent/EP4111230A4/en active Pending
- 2021-07-30 WO PCT/KR2021/009982 patent/WO2022025706A1/en unknown
Also Published As
Publication number | Publication date |
---|---|
EP4111230A1 (en) | 2023-01-04 |
WO2022025706A1 (en) | 2022-02-03 |
US11751008B2 (en) | 2023-09-05 |
US20220038846A1 (en) | 2022-02-03 |
EP4111230A4 (en) | 2023-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116057408A (zh) | 电子设备中的到达角能力 | |
US20220057471A1 (en) | Angle of arrival capability in electronic devices with motion sensor fusion | |
US9609468B1 (en) | Inter-device bearing estimation based on beam forming and motion data | |
Quigley et al. | Sub-meter indoor localization in unmodified environments with inexpensive sensors | |
CN109785368B (zh) | 一种目标跟踪方法和装置 | |
KR20160138062A (ko) | 적응적 호모그래피 매핑에 기초한 눈 시선 추적 | |
US11567580B2 (en) | Adaptive thresholding and noise reduction for radar data | |
US10674312B2 (en) | Locating and tracking a wireless beacon from a wireless device | |
US20220244367A1 (en) | Measurements using an ultra-wideband ranging pair | |
US20220137204A1 (en) | Interactive control with ranging and gesturing between devices | |
US11892550B2 (en) | Three-dimensional angle of arrival capability in electronic devices | |
CN110785775B (zh) | 用于光学跟踪的系统和方法 | |
US11841447B2 (en) | 3D angle of arrival capability in electronic devices with adaptability via memory augmentation | |
CN105573498A (zh) | 一种基于Wi-Fi信号的手势识别方法 | |
US11956752B2 (en) | Angle of arrival determination in electronic devices with fused decision from motion | |
CN113052870A (zh) | 目标跟踪方法、目标检测方法和装置 | |
CN110083742B (zh) | 一种视频查询方法和装置 | |
US20230246882A1 (en) | System and method for distance measurement using uwb radar | |
CN113918004A (zh) | 手势识别方法及其装置、介质和系统 | |
WO2023124177A1 (zh) | 折叠屏夹角的确定方法及其相关设备 | |
KR102400089B1 (ko) | 통신을 제어하는 전자장치 및 동작 방법 | |
US20220360940A1 (en) | Electronic device and operation method of electronic device determining location of electronic device | |
JP7474849B2 (ja) | エネルギー効率の良い自己位置推定のためのセンサのアクティブ化と非アクティブ化の制御 | |
Strecker et al. | MR Object Identification and Interaction: Fusing Object Situation Information from Heterogeneous Sources | |
US9854584B1 (en) | Wireless communication connecting system and method |
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 |