JP2023544245A - 呼吸器の健康状態をモニタリングするための非接触デバイス - Google Patents

Abstract

非接触ヘルスモニタリングデバイスは、受信したレーダーデータストリームから、複数のビームステアリングされたレーダーデータストリームを作成するビームステアリング処理を実行し得る。非接触ヘルスモニタリングデバイスは、空間ゾーンレーダーデータストリームごとの時間に応じたユーザの呼吸による変位を判定し得る。非接触ヘルスモニタリングデバイスは、空間ゾーンレーダーデータストリームごとの時間に応じたユーザの呼吸による変位を解析し得る。非接触ヘルスモニタリングデバイスは、ユーザの呼吸による変位を解析することに基づいたスクリーニング結果を出力し得る。

Description

関連出願の相互参照
本願は、２０１９年５月８日に出願され、「Ｓｌｅｅｐ Ｔｒａｃｋｉｎｇ ａｎｄ Ｖｉｔａｌ Ｓｉｇｎ Ｍｏｎｉｔｏｒｉｎｇ Ｕｓｉｎｇ Ｌｏｗ Ｐｏｗｅｒ Ｒａｄｉｏ Ｗａｖｅｓ（小電力電波を用いた睡眠トラッキングおよびバイタルサインモニタリング）」と題されたＰＣＴ出願米国第２０１９／０３１，２９０号の関連出願である。また、本願は、２０２０年８月１１日に出願され、「Ｃｏｎｔａｃｔｌｅｓｓ Ｓｌｅｅｐ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｄｉｓｔｕｒｂａｎｃｅ Ａｔｔｒｉｂｕｔｉｏｎ（非接触睡眠検知および障害の原因特定）」（代理人整理番号：０９０４２１－１１８３２８５）と題された通常出願第１６／９９０，７０５号の関連出願でもある。さらに、本願は、２０２０年８月１１日に出願され、「Ｃｏｎｔａｃｔｌｅｓｓ Ｓｌｅｅｐ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｄｉｓｔｕｒｂａｎｃｅ Ａｔｔｒｉｂｕｔｉｏｎ ｆｏｒ Ｍｕｌｔｉｐｌｅ Ｕｓｅｒｓ（複数のユーザの非接触睡眠検知および障害の原因特定）」（代理人整理番号：０９０４２１－１１８３２８９）と題された通常出願第１６／９９０，７１４号の関連出願である。また、本願は、２０２０年８月１１日に出願され、「Ｃｏｎｔａｃｔｌｅｓｓ Ｃｏｕｇｈ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ａｔｔｒｉｂｕｔｉｏｎ（非接触咳検知および原因特定）」（代理人整理番号：０９０４２１－１１８３２９０）と題された通常出願第１６／９９０，７２０号の関連出願である。また、本願は、２０２０年８月１１日に出願され、「Ｐｒｅｃｉｓｉｏｎ Ｓｌｅｅｐ Ｔｒａｃｋｉｎｇ Ｕｓｉｎｇ ａ Ｃｏｎｔａｃｔｌｅｓｓ Ｓｌｅｅｐ Ｔｒａｃｋｉｎｇ Ｄｅｖｉｃｅ（非接触睡眠トラッキングデバイスを用いた高精度睡眠トラッキング）」（代理人整理番号：０９０４２１－１１９００４２）と題された通常出願第１６／９９０，７２６号の関連出願である。また、本願は、２０２０年８月１１日に出願され、「Ｉｎｉｔｉａｌｉｚｉｎｇ Ｓｌｅｅｐ Ｔｒａｃｋｉｎｇ ｏｎ ａ Ｃｏｎｔａｃｔｌｅｓｓ Ｈｅａｌｔｈ Ｔｒａｃｋｉｎｇ Ｄｅｖｉｃｅ（非接触ヘルストラッキングデバイス上での睡眠トラッキング初期化）」（代理人整理番号：０９０４２１－１１９８０５１）と題された通常出願第１６／９９０，７４６号の関連出願である。これらの出願のすべての開示内容をあらゆる目的のために引用により本明細書に援用する。

背景
人は、睡眠中、特に１人で睡眠を取る傾向にある場合、本人が気づいていない健康問題を抱えている場合がある。頻繁に目が覚める、疲労を感じる、過度の眠気、または運動パフォーマンスが悪いなどの症状を抱える傾向があるのにこれらの症状を特定することができなかったり、これらの症状の原因を睡眠時に現れる医学的問題を理由にすることができなかったりすることがある。たとえば、睡眠時無呼吸と関連がある可能性のある奇異呼吸では、言及したこれらの症状の一部またはすべての症状を抱えている場合がある。このような人は、呼吸など健康の原因特定を睡眠中にモニタリングすることでメリットが得られる場合がある。

概要
非接触ヘルスモニタリングデバイスに関する様々な実施の形態について説明する。いくつかの実施の形態では、非接触ヘルスモニタリングデバイスについて説明する。このデバイスは、筐体を備えてもよい。デバイスは、複数のアンテナを含み得るレーダーセンサーを備えてもよい。レーダーセンサーは、筐体に収容されてもよい。デバイスは、レーダーセンサーと通信する、筐体に収容された１つ以上のプロセッサを含む処理システムを備えてもよい。処理システムは、複数のアンテナのアンテナごとに、レーダーセンサーからレーダーデータストリームを受信することによって、複数のレーダーデータストリームを受信するように構成されてもよい。処理システムは、受信した複数のレーダーデータストリームから、複数の照準が合わせられた空間ゾーンレーダーデータストリームを作成するビームステアリング処理を実行するように構成されてもよい。処理システムは、複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについて、ユーザの呼吸による変位を判定するように構成されてもよい。処理システムは、複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについてユーザの呼吸による変位を解析するように構成されてもよい。処理システムは、複数の照準が合わせられた空間ゾーンレーダーデータストリームのうち、照準が合わせられた空間ゾーンレーダーデータストリームごとの時間に応じたユーザの呼吸による変位を解析することに基づいたスクリーニング結果を出力するように構成されてもよい。

このようなデバイスの実施の形態は、次の特徴のうち１つ以上を含み得る。スクリーニング結果は、ユーザが奇異呼吸を抱えていることを示してもよい。ビームステアリング処理は、ＷＤＡＳ（重み付き遅延和）ビームステアリングを適用して複数の照準が合わせられた空間ゾーンレーダーデータストリームを作成することを含んでもよい。処理システムが複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについて、ユーザの呼吸による変位を判定するように構成されることは、処理システムが、複数の照準が合わせられた空間ゾーンレーダーデータストリームのうち、照準が合わせられた空間ゾーンレーダーデータストリームごとに位相値を判定するように構成されることを含んでもよい。複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについてユーザの呼吸による変位を解析するように処理システムが構成されることは、予め訓練済みの機械学習モデルを適用するように処理システムが構成されることを含んでもよい。予め訓練済みの機械学習モデルは、ニューラルネットワークであってもよい。複数の照準が合わせられた空間ゾーンの各照準が合わせられた空間ゾーンは、ユーザの体の異なる部分に対応してもよい。複数の照準が合わせられた空間ゾーンは、少なくとも５つの照準が合わせられた空間ゾーンを含んでもよい。処理システムは、複数のレーダーデータストリームに基づいて、ユーザが睡眠状態にあり動いていないとステートマシンを用いて判定するようにさらに構成されてもよい。デバイスは、筐体に収容された、処理システムと通信するワイヤレスネットワークインタフェースをさらに備えてもよい。デバイスは、筐体に収容された、処理システムと通信するタッチスクリーンディスプレイとをさらに備えてもよい。デバイスは、筐体に収容された、処理システムと通信するマイクロフォンをさらに備えてもよい。デバイスは、筐体に収容された、処理システムと通信するスピーカーをさらに備えてもよい。処理システムは、ユーザの呼吸による変位を解析することに関する発話コマンドを受信するように構成されてもよい。処理システムは、ワイヤレスネットワークインタフェースを介して発話要求をクラウドベースのサーバシステムに送信させるようにさらに構成されてもよい。処理システムは、発話要求をクラウドベースのサーバシステムに送信したことに応答して、ワイヤレスネットワークインタフェースを介してコマンドを受信するように構成されてもよい。処理システムは、受信したコマンドに少なくとも一部基づいて、タッチスクリーンディスプレイを介してスクリーニング結果を出力するようにさらに構成されてもよい。

いくつかの実施の形態では、非接触で呼吸器の健康状態をモニタリングするための方法について説明する。この方法は、レーダーサブシステムの複数のアンテナのアンテナごとに、レーダーデータストリームを受信することによって、複数のレーダーデータストリームを受信することを含んでもよい。方法は、１つ以上のプロセッサが、受信した複数のレーダーデータストリームから、複数の照準が合わせられた空間ゾーンレーダーデータストリームを作成し得るビームステアリング処理を実行することを含んでもよい。方法は、１つ以上のプロセッサが、複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについて、ユーザの呼吸による変位を判定することを含んでもよい。方法は、１つ以上のプロセッサが、複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについてユーザの呼吸による変位を解析することを含んでもよい。方法は、１つ以上のプロセッサが、複数の照準が合わせられた空間ゾーンレーダーデータストリームのうち、照準が合わせられた空間ゾーンレーダーデータストリームごとの時間に応じたユーザの呼吸による変位を解析することに基づいたスクリーニング結果を出力することを含んでもよい。

このような方法の実施の形態は、次の特徴のうち１つ以上を含み得る。スクリーニング結果は、ユーザが奇異呼吸を抱えていることを示してもよい。ビームステアリング処理は、ＷＤＡＳ（重み付き遅延和）ビームステアリングを適用して、複数の照準が合わせられた空間ゾーンレーダーデータストリームを作成することを含んでもよい。処理システムが複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについて、ユーザの呼吸による変位を判定することは、複数の照準が合わせられた空間ゾーンレーダーデータストリームのうち、照準が合わせられた空間ゾーンレーダーデータストリームごとに位相値を判定することを含んでもよい。複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについてユーザの呼吸による変位を解析することは、予め訓練済みの機械学習モデルを適用することを含んでもよい。予め訓練済みの機械学習モデルは、ニューラルネットワークであってもよい。複数の照準が合わせられた空間ゾーンの各照準が合わせられた空間ゾーンは、ユーザの体の異なる部分に対応してもよい。複数の照準が合わせられた空間ゾーンは、少なくとも３つの照準が合わせられた空間ゾーンを含んでもよい。方法は、複数のレーダーデータストリームに基づいて、ユーザが睡眠状態にあり動いていないとステートマシンを用いて判定することをさらに含んでもよい。

いくつかの実施の形態では、非接触ヘルスモニタリングデバイスを提示する。このデバイスは、筐体を備え得る。デバイスは、複数のアンテナを含むレーダーセンサーを備え得、レーダーセンサーは、筐体に収容される。デバイスは、処理システムをさらに備え得、処理システムは、レーダーセンサーと通信する、筐体に収容された１つ以上のプロセッサを含む。処理システムは、複数のアンテナのアンテナごとに、レーダーセンサーからレーダーデータストリームを受信することによって、複数のレーダーデータストリームを受信するように構成され得る。処理システムは、受信した複数のレーダーデータストリームから、複数の照準が合わせられた空間ゾーンレーダーデータストリームを作成するビームステアリング処理を実行するように構成され得る。処理システムは、複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについて、ユーザの呼吸による変位を判定するように構成され得る。処理システムは、複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについてユーザの呼吸による変位を解析するように構成され得る。処理システムは、複数の照準が合わせられた空間ゾーンレーダーデータストリームのうち、照準が合わせられた空間ゾーンレーダーデータストリームごとの時間に応じたユーザの呼吸による変位を解析することに基づいたスクリーニング結果を出力するように構成され得る。照準が合わせられた空間ゾーンレーダーストリームのうち、第１は、ユーザの胸部ゾーンに対応してもよい。照準が合わせられた空間ゾーンレーダーストリームのうち、第２は、ユーザの腹部ゾーンに対応してもよい。解析は、腹部ゾーンの呼吸による変位と、胸部ゾーンの呼吸による変位との間の、奇異呼吸状態を示すのに十分な位相差を検出することを含んでもよい。出力されるスクリーニング結果は、検出された奇異呼吸状態を表す情報を含んでもよい。

下記の図面を参照することで様々な実施の形態の性質および利点をさらに理解できるようになるであろう。添付の図面では、同様の構成要素または特徴には同じ参照ラベルが付さ得る。さらには、同じ種類の様々な構成要素は、参照ラベルの後にダッシュ記号、および同様の構成要素間で区別する第２のラベルが続くことで区別され得る。明細書において第１の参照ラベルのみが使われている場合、その説明は、第２の参照ラベルに関係なく、同じ第１の参照ラベルが付された同様の構成要素のすべてに適用可能である。

奇異呼吸を定義する図である。 睡眠中にモニタリングされるユーザの呼吸の例を示す図である。 非接触ヘルスモニタリングシステムの実施の形態のブロック図である。 非接触ヘルスモニタリングシステムの実施の形態を示す図である。 レーダーサブシステムが出力する周波数変調連続波レーダー電波の実施の形態を示す図である。 非接触ヘルスモニタリングシステムの一部として用いられ得る位相キャプチャモジュールの実施の形態を示す図である。 複数の空間ゾーンをモニタリングする非接触ヘルスモニタリングシステムの実施の形態を示す図である。 睡眠トラッキングが行われる方向に照準を合わせる非接触睡眠トラッキングデバイスのビームステアリングモジュールの実施の形態を示す図である。 非接触睡眠トラッキングデバイスのビームステアリングモジュールと組み合わせて用いられ得るレーダーサブシステムのアンテナ配置の実施の形態を示す図である。 睡眠トラッキングが行われる方向に照準を合わせるためのビームステアリングモジュールの別の実施の形態を示す図である。 レーダーを利用して人間の対話を検出し、統合ビームステアリングを用いて健康状態のモニタリングを行うヘルストラッキングシステムの実施の形態を示す図である。 非接触ヘルストラッキングデバイスの実施の形態の分解図を示す。 人が睡眠している時を判断するための状態システムの実施の形態を示す図である。 ユーザの呼吸の非接触モニタリングを実行するための方法の実施の形態を示す図である。

詳細な説明
奇異呼吸では、人の胸部の動きと横隔膜（より一般に、腹部）の動きとが同期しない。図１は、奇異呼吸を定義する図１００を示す。通常の呼吸例１１０は、膨張した胸部／腹部１３０と収縮した胸部／腹部１３１によって示されているように、人の胸部１０１と腹部１０２とが互いにほぼ同期して動く傾向があることを示している。すなわち、人が呼吸すると、胸部１０１と腹部１０２は、ほぼ同時に外側と内側に動く傾向がある。例１１１では、胸部１０１と腹部１０２とは、同期して内側と外側に動き、人の胸部の動きと人の腹部の動きとを表す個々の波形が加算された時に建設的な加算動き波形が得られる。

奇異呼吸例１２０では、胸部膨張／腹部収縮状態１４０および胸部収縮／腹部膨張状態１４１によって表されているように、腹部１０２が内側に動いているときに胸部１０１が外側に動き（膨張する）、腹部１０２が外側に動いているときに胸部１０１が内側に動いている。この状態では、人の肺を出入りする空気が減り、人の肺に存在する酸素量が減ってしまうため、人の血液の酸素供給レベルが減ってしまう。奇異呼吸によって人が抱える可能性のある症状として、頻繁に目が覚める、疲労感、過度の眠気（覚醒時）、および／または乏しい運動能力を含み得る。さらには、奇異呼吸は、睡眠時無呼吸など、より大きな健康問題の兆候である可能性がある。奇異呼吸では、例１２１に示されているように、胸部１０１および腹部１０２の動きを示す波形が加算された場合、完璧または重大な破壊的干渉が現れる。これに加えてまたはこれに代えて、本明細書において詳細を説明する実施の形態は、呼吸努力および気道の開存性の特定を助けることができるため、中枢神経的原因（たとえば、脳、脳幹、脊椎）、生理学的原因（たとえば、遺伝性／走化性、心不全、標高、麻薬など）、内因的原因（たとえば、神経障害、筋疾患）、および外因的原因（たとえば、閉塞性または拘束性肺疾患）の呼吸障害の存在を推定することまたはこれらの呼吸障害を区別できるようにする。

本明細書において詳細を説明する実施の形態は、奇異呼吸またはその他の呼吸状態が生じたことを特定でき、かつ、この状態の兆候を、場合によっては医師の診察を受けるよう勧めることと共にユーザに提供できる非接触ヘルスモニタリングデバイスに焦点を当てる。このような非接触モニタリングは、ユーザが睡眠中に行うことができる。非接触ヘルスモニタリングデバイスは、ベッドわきに設置でき、設置されると、ユーザが睡眠中のときを判断でき、ユーザの胸部および／または腹部の動きに基づいて検出できる奇異呼吸および／またはその他の呼吸状態についてユーザをモニタリングできる。非接触ヘルスモニタリングデバイスは、レーダーを用いてユーザの胸部および／または腹部の様々な部分をモニタリングする。（わかりやすくするために、本明細書の残りの部分では、ユーザの胸部のみについて言及する。しかしながら、胸部という用語は、ユーザの腹部の一部を少なくとも含むよう解釈できることを理解されたい。）ユーザの胸部のそれぞれ異なる部位にまたがって生じる動きを用いて、奇異呼吸が生じているかどうかを判断できる。その他の呼吸状態については、本明細書において詳細を説明するシステムおよび方法と同様のシステムおよび方法を用いてモニタリングできる。たとえば、浅い呼吸および不規則な呼吸を、同様のシステムおよび方法を用いて特定できる。

図２は、本明細書において詳細を説明する実施の形態を用いて睡眠中にモニタリングされるユーザの呼吸の実施の形態２００を示す図である。実施の形態２００では、ユーザ２０１は、ベッド２０２で睡眠中である。非接触ヘルスモニタリングデバイス２１０（「デバイス２１０」）は、サイドテーブルの上など、ベッドの横に置かれる。レーダーを用いて、呼吸に起因するユーザ２０１の動きを検出し得る。非接触ヘルスモニタリングデバイス２１０が出力する電波（ミリ波であってもよい）は、シーツ、ブランケット、衣服、およびその他の無生物を貫通し得る。そのため、非接触ヘルスモニタリングデバイス２１０とユーザ２０１の胸部との間の直接路にブランケット、シーツ、および衣類が存在しているにも関わらず、ユーザ２０１の呼吸をモニタリングすることができる。

デバイス２１０によって空間ゾーン２２０をモニタリングできる。空間ゾーン２２０の各々は、ユーザ２０１の胸部の異なる領域に対応する。これらの空間ゾーン２２０は一部重なり合うことができる。その他の実施の形態では、空間ゾーン２２０は、ビームステアリングを用いて互いに間隔が空けられて、重なり合いが大きくなったり、小さくなったり、なくなったりする。いくつかの実施の形態では、２つの隣接する空間ゾーンは、５０％未満が重なり合う。空間ゾーン２２０の数は、実施の形態によって異なり得る。いくつかの実施の形態では、わずか２つの空間ゾーンだけが存在していてもよい。いくつかの実施の形態では、３つ、４つ、５つ、またはそれ以上の数の空間ゾーン２２０が存在する。さらに別の実施の形態では、実施の形態２００において例示するように、６つの空間ゾーンが存在してもよい。

ビームステアリングを用いて、空間ゾーン２２０（たとえば、空間ゾーン２２０－１、２２０－２、２２０－３、２２０－４、２２０－５、および２２０－６）の各々に個々に照準を合わせることができる。デバイス２１０が複数のアンテナを有していることによって、デバイス２１０による処理を利用してビームステアリングを実行できる。そのため、デバイス２１０の複数のアンテナを用いて、複数の電波から構成される１つのレーダーチャープを放射でき、その反射を受信できる。受信した反射電波から取得したデータにはビームステアリング処理が適用されており、空間ゾーン２２０のうち特定の空間ゾーンに効果的に照準を合わせることができる。この同じデータにビームステアリング処理を複数回（たとえば、異なる重みを用いて）適用することにより、同じデータセットを用いて空間ゾーン２２０の各々に照準を合わせることが可能になる。たとえば、様々な重みを適用して、空間ゾーン２２０－６に照準を合わせるためのビームフォーム２１５を作成し得る。別個の重みセットを同じデータに適用してビームステアリングを行い、空間領域２２０－５に照準を合わせることができる。反射した電波に基づいて設定された同じデータセットが複数のビームステアリング処理を用いて処理されるので、空間ゾーン２２０のうち１つの空間ゾーン２２０において生じている動きを、その他の空間ゾーン２２０における動きと同時にまたは別個にモニタリングできる。

図３は、非接触ヘルスモニタリングシステム３００（「システム３００」）の実施の形態のブロック図を示す。システム３００は、非接触ヘルスモニタリングデバイス３０１（「デバイス３０１」）と、ネットワーク３６０と、クラウドベースのサーバシステム３７０とを備え得る。デバイス３０１は、図２のデバイス２１０の実施の形態を表し得る。デバイス３０１は、処理システム３１０と、データストレージ３１８と、レーダーサブシステム３２０と、環境センサースイート３３０と、ディスプレイ３４０と、ワイヤレスネットワークインタフェース３５０と、スピーカー３５５とを備え得る。概して、デバイス３０１は、デバイス３０１の構成要素のすべてを収容する筐体を備え得る。このような可能性のある筐体についてのさらなる詳細は、図９および図１０に関連して説明する。

処理システム３１０は、レーダー処理モジュール３１２の機能、睡眠状態検出エンジン３１４の機能、および呼吸モニタエンジン３１６の機能など、様々な機能を実行するように構成された１つ以上のプロセッサを備え得る。処理システム３１０は、１つ以上の特定用途向けプロセッサまたは汎用プロセッサを備えることができる。このような特定用途向けプロセッサは、本明細書において説明する機能を実行するように特別に設計されたプロセッサを含み得る。このような特定用途向けプロセッサは、本明細書において説明する機能を実行するように物理的または電気的に構成された汎用部品であるＡＳＩＣまたはＦＰＧＡであり得る。このような汎用プロセッサは、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、フラッシュメモリ、ＨＤＤ（ハードディスクドライブ）、またはＳＳＤ（ソリッドステートドライブ）など、１つ以上の非一時的なプロセッサ読み取り可能な媒体を用いて格納される特定用途向けソフトウェアを実行し得る。

レーダーサブシステム３２０（レーダーセンサーとも称す）は、受信した反射波形を示すデータ放射、受信、および出力する１つのＩＣ（集積回路）であり得る。レーダーサブシステム３２０の出力は、処理システム３１０のレーダー処理モジュール３１２を用いて解析され得る。レーダーサブシステム３２０およびレーダー処理モジュール３１２についてのさらなる詳細は、図４Ａに関連して説明する。

デバイス３０１は、環境センサースイート３３０の一部として提供される環境センサーのすべて、１つ、または組合せなど、１つ以上の環境センサーを備えてもよい。環境センサースイート３３０は、光センサー３３２と、マイクロフォン３３４と、温度センサー３３６と、ＰＩＲ（パッシブ赤外線）センサー３３８とを含み得る。いくつかの実施の形態では、これらのセンサーの一部またはすべての複数のインスタンスが存在してもよい。たとえば、いくつかの実施の形態では、複数のマイクロフォンが存在してもよい。デバイス３０１の一般環境に存在する周辺光の量を計測するための光センサー３３２を使用してもよい。デバイス３０１の一般環境に存在する周囲の雑音レベルを計測するためのマイクロフォン３３４を使用してもよい。デバイス３０１の一般環境の周囲温度を計測するための温度センサー３３６を使用してもよい。ＰＩＲセンサー３３８を用いて、デバイス３０１の一般環境内にある動いている生物（たとえば、人、ペット）を検出してもよい。その他の種類の環境センサーも可能である。たとえば、カメラおよび／または湿度センサーを、環境センサースイート３３０の一部として組み込んでもよい。別の例として、アクティブ赤外線センサーを含んでもよい。いくつかの実施の形態では、湿度データなどのデータを、インターネットを経由して利用可能なデータを有する近くの気象台から取得してもよい。いくつかの実施の形態では、ソナーおよび超音波（これらに限定されない）を含み、かつ、１つまたは配列された複数の音響ソースおよび／または音響受信機を含むアクティブ音響センシング方法が実施され得る。このような配置は、本明細書において説明するその他のセンサーおよび方法と組み合わされる１つ以上の付属的なセンシングモダリティとして用いられ得る。

いくつかの実施の形態では、環境センサースイート３３０のセンサーのうち１つ、一部、またはすべてがデバイス３０１の外部にあってもよい。たとえば、１つ以上のリモート環境センサーが、デバイス３０１と直接的に（たとえば、ダイレクトワイヤレス通信方法を介して、低消費電力メッシュネットワークを経由して）通信してもよく、間接的に（たとえば、低消費電力メッシュネットワークを経由する、ネットワークのアクセスポイントを経由する、リモートサーバを経由する１つ以上のその他のデバイスを通じて）通信してもよい。

デバイス３０１は、様々なインタフェースを備えてもよい。ディスプレイ３４０（タッチスクリーンであってもよい）は、１人以上のユーザが見るための情報を処理システム３１０が提示できるようにする。ワイヤレスネットワークインタフェース３５０は、ＷｉＦｉベースのネットワークなどＷＬＡＮ（ワイヤレスローカルエリアネットワーク）を用いた通信を可能にできる。スピーカー３５５は、合成音声などの音声を出力できるようにする。たとえば、マイクロフォン３３４を介して受信した発話コマンドへのレスポンスは、スピーカー３５５および／またはディスプレイ３４０を介して出力され得る。発話コマンドは、デバイス３０１によってローカルで解析されてもよく、解析のためにワイヤレスネットワークインタフェース３５０を介してクラウドベースのサーバシステム３７０に送信されてもよい。発話コマンドの解析に基づいたレスポンスを、スピーカー３５５および／またはディスプレイ３４０を介して出力するために、ワイヤレスネットワークインタフェース３５０を介してデバイス３０１に返すことができる。これに加えてまたはこれに代えて、超音波による音響センシングを含むアクティブ音響センシングのためにスピーカー３５５およびマイクロフォン３３４をまとめて構成してもよい。これに加えてまたはこれに代えて、様々なスマートホームデバイスと通信するために低消費電力ワイヤレスメッシュネットワーク無線およびプロトコル（たとえば、Ｔｈｒｅａｄ）を用いるなど、その他の形態のワイヤレス通信も可能であってもよい。いくつかの実施の形態では、イーサネット（登録商標）接続などの有線ネットワークインタフェースを、ネットワークを用いた通信に利用してもよい。さらには、５Ｇ（第５世代）および６Ｇ（第６世代）規格ならびにテクノロジーへのワイヤレス通信の進化によって、待ち時間が少ない大きなスループットがもたらされ、モバイルブロードバンドサービスが向上する。また、５Ｇテクノロジーおよび６Ｇテクノロジーは、Ｖ２Ｘ（車載ネットワーキング）、固定ワイヤレスブロードバンド、およびＩｏＴ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）のための新しいサービスクラスを制御回線およびデータ回線で提供する。このような規格およびテクノロジーを、デバイス３０１による通信に利用できる。

電力制限のあるデバイスとの通信のために、低消費電力ワイヤレスメッシュネットワーク無線およびプロトコルを利用してもよい。電力制限のあるデバイスは、電池式に限られたデバイスであり得る。このようなデバイスは、電源を１つ以上のバッテリーにのみ頼るので、１つ以上のバッテリーを交換する必要がある周波数を下げるために、通信に使われる電力量は低く抑えられている可能性がある。いくつかの実施の形態では、電力制限のあるデバイスは、比較的高出力なネットワーク（たとえば、ＷｉＦｉ）と、低消費電力メッシュネットワークとを経由して通信する機能を有し得る。電力制限のあるデバイスは、電力を節約するために、比較的高出力なネットワークを利用する頻度は少ないであろう。このような電力制限のあるデバイスとして、環境センサー（たとえば、温度センサー、一酸化炭素センサー、煙感知器、モーションセンサー、存在検知センサー）、およびその他の形態のリモートセンサーなどがある。

とりわけ、デバイス３０１のいくつかの実施の形態は、スチールカメラやビデオカメラを有さない。搭載カメラを組み込まないことによって、近くのユーザは、プライバシーについて安心できるであろう。たとえば、デバイス３０１は、通常、ユーザの寝室に設置され得る。いろいろな理由から、ユーザは、このようなプライベートな空間にカメラが設置されたり、睡眠中にユーザにカメラを向けられたりするのを好まないであろう。その他の実施の形態では、デバイス３０１は、カメラを有し得るが、カメラのレンズはメカニカルレンズシャッターによって覆い隠すことができる。カメラを使うために、ユーザは、シャッターを物理的に開放してデバイス３０１の環境をカメラが見られるようにする必要がある。シャッターが閉じられているとき、ユーザは、カメラからプライバシーが保護されていると安心できるであろう。

ワイヤレスネットワークインタフェース３５０は、ネットワーク３６０を用いたワイヤレス通信を可能にできる。ネットワーク３６０は、１つ以上のパブリックネットワークおよび／またはプライベートネットワークを含み得る。ネットワーク３６０は、ホームワイヤレスＬＡＮなど、プライベートなローカルの有線またはワイヤレスネットワークを含み得る。また、ネットワーク３６０は、インターネットなど、パブリックネットワークを含んでもよい。ネットワーク３６０によって、デバイス３０１は、遠隔地に位置するクラウドベースのサーバシステム３７０と通信できるようになる。

クラウドベースのサーバシステム３７０は、デバイス３０１に様々なサービスを提供できる。呼吸データに関しては、クラウドベースのサーバシステム３７０は、呼吸関連データについての処理サービスおよびストレージサービスを含み得る。図３の実施の形態では、処理システム３１０が睡眠状態の検出を行うことと、ユーザの呼吸をモニタリングすることとを含んでいるが、その他の実施の形態では、このような機能は、クラウドベースのサーバシステム３７０によって実行されてもよい。また、呼吸データを格納するためにデータストレージ３１８が使われることに加えてまたはそれに代えて、呼吸関連データは、デバイス３０１がリンクされている共通のユーザアカウントにマッピングされるなどしてクラウドベースのサーバシステム３７０によって格納されてもよい。複数のユーザがモニタリングされる場合、呼吸データは、マスターユーザアカウントまたは対応するユーザのアカウントに格納およびマッピングされてもよい。

これに加えてまたはこれに代えて、クラウドベースのサーバシステム３７０は、その他のクラウドベースのサービスを提供してもよい。たとえば、デバイス３０１は、ホームアシスタントデバイスとしてさらに機能してもよい。ホームアシスタントデバイスは、ユーザからの音声クエリに応答し得る。音声トリガーフレーズが発話されたことを検出したことに応答して、デバイス３０１は、音声を記録し得る。オーディオのストリームが解析のためにクラウドベースのサーバシステム３７０に送信されてもよい。クラウドベースのサーバシステム３７０は、音声認識処理を実行し、自然言語処理エンジンを用いてユーザからのクエリを理解し、合成音声としてデバイス３０１によって出力されるレスポンス、ディスプレイ３４０上に提示される出力、および／またはデバイス３０１（たとえば、デバイス３０１の音量を上げる）によって実行されるもしくはその他のスマートホームデバイスに送られるコマンドを提供し得る。さらには、クエリまたはコマンドを、ディスプレイ３４０（タッチスクリーンであってもよい）を介してクラウドベースのサーバシステム３７０に送信してもよい。たとえば、デバイス３０１を用いて、様々なスマートホームデバイスやホームオートメーションデバイスを制御してもよい。このようなコマンドは、制御されるべきデバイスにデバイス３０１によって直接送られてもよく、またはクラウドベースのサーバシステム３７０を経由して送られてもよい。

レーダー処理モジュール３１２が出力するデータに基づいて、睡眠状態検出エンジン３１４を用いて、ユーザが睡眠中である可能性が高いか、起きている可能性が高いかを判断し得る。睡眠状態検出エンジン３１４は、図１１に関連して詳細を説明するようなステートマシンを通じて進捗し得、または、このようなステートマシンによって特定された状態を用いてユーザが起きている可能性が高いか、寝ている可能性が高いかを判断し得る。たとえば、ユーザがベッドにいて少なくとも一定時間じっとしていると判断された場合、ユーザは、寝ていると特定され得る。睡眠状態検出エンジン３１４の出力は、呼吸モニタエンジン３１６によって用いられて、ユーザの呼吸をいつ解析および記録するか、ならびに／または呼吸モニタエンジン３１６をいつ起動させるか停止させるかが判断され得る。たとえば、ユーザが睡眠中で動いていない（バイタルサインが原因である動きを除いて）場合のみ、ユーザの呼吸を解析してもよい。

データストレージ３１８（１つ以上の非一時的なプロセッサ読み取り可能な媒体を含み得る）は、呼吸モニタエンジン３１６から取得したデータを格納し得る。取得したデータは、奇異呼吸などユーザが抱える異常な呼吸状態の種類、時間、期間、および／または強さの表示を含み得る。ユーザの呼吸数（たとえば、１分あたりの呼吸の数）など、その他の呼吸関連データを、トラッキングおよび格納してもよい。呼吸数の変化を、毎晩モニタリングしてもよく、数日、数週間、数ヶ月、および数年など、長期間をかけてモニタリングしてもよい。いくつかの実施の形態では、これに加えてまたはこれに代えて、このようなデータを、クラウドベースのサーバシステム３７０を用いて格納してもよい。

呼吸データ出力エンジン３１９は、機械学習モデル５４０から受信したデータおよび／またはデータストレージ３１８によって格納されたデータを集計したりまとめたりすることができ、このようなデータのサマリーを、ディスプレイ３４０および／またはスピーカー３５５を用いて出力できる。たとえば、観測された医学的問題をすべて含むユーザの呼吸のサマリーを、午前中に自動的に出力してもよく、前日の夜のサマリーを、ユーザが要求したことに応答して出力してもよい。サマリーは、ユーザの呼吸数を可視化したもの、および／または特定された病状（そして、可能であれば、特定された病状の定義）すべての表示を含み得る。また、サマリーは、病状が緩和しているのか悪化しているのかなど、より長期にわたって特定された傾向を含むこともできる。サマリーの一部またはすべてを、合成音声を用いてスピーカー３５５から出力してもよい。また、サマリーは、データストレージ３１８を用いてローカルで格納されてもよく、クラウドベースのサーバシステム３７０を用いて遠隔で格納されてもよい。

図４Ａは、ビームステアリングを実行できる非接触ヘルスモニタリングシステム４００（「システム４００Ａ」）の実施の形態を示す図である。システム４００Ａは、ユーザの非接触健康診断の実施を可能にする。非接触健康診断は、ユーザがベッドにいるか、ベッド内で静止しているか、またはベッド内で動いているかなど、状態の判断を含み得る。ユーザの状態を利用して、ユーザについてのヘルスデータを記録するべきか、および／またはその他のシステムを起動するべきかどうかを判断できる。たとえば、ユーザがベッドにいて静止していると判断された場合のみ、システム５００Ｂを起動してもよい。ユーザがベッドにいて静止していると判断された場合、ユーザの細かい動きがモニタリングされ得る。これらのユーザの体の細かい動きは、呼吸および心拍数などのバイタルサインに対応し得る。このようなバイタルサインデータを、記録、格納、および解析してもよい。

システム４００Ａは、レーダーサブシステム４０５（レーダーサブシステム３２０の実施の形態を表し得る）と、レーダー処理モジュール４１０（レーダー処理モジュール３１２の実施の形態を表し得る）と、ビームステアリングモジュール４３０とを備え得る。ビームステアリングモジュール４３０を用いることによって実行されるビームステアリングは、ユーザが存在し得る領域からのレーダー反射に焦点を合わせることができ、近くの壁またはその他の静止物など、干渉を生じさせる物体からのレーダー反射の利用を無視または少なくとも減らすことができる。

レーダーサブシステム４０５は、ＲＦエミッター４０６と、ＲＦレシーバー４０７と、レーダー処理回路４０８とを備え得る。ＲＦエミッター４０６は、ＣＷ（連続波）レーダーの形式などで電波を放射できる。ＲＦエミッター４０６は、ＦＭＣＷ（周波数変調連続波）レーダーを利用してもよい。変換処理が実行されて仮想連続サンプルが作成されることと併せて、ＦＭＣＷレーダーは、図４Ｂに関連して詳細を説明するようなバーストモードで動作し得る。レーダーサブシステム４０５は、バーストモードまたは連続スパースサンプリングモードで動作し得る。バーストモードでは、比較的短い期間の間隔を空けた複数のチャープから構成される１つのフレームまたはバーストが、ＲＦエミッター４０６によって出力され得る。各フレームの後には、後続フレームまで比較的長い期間が続き得る。連続スパースサンプリングモードでは、チャープのフレームまたはバーストが出力されるのではなく、チャープが定期的に出力される。連続スパースサンプリングモードにおけるチャープの時間的間隔は、バーストモードの１つのフレーム内のチャープ間の間隔よりも大きいであろう。いくつかの実施の形態では、レーダーサブシステム４０５は、バーストモードで動作し得るが、バーストごとの出力ＲＡＷチャープウォーターフォールデータを合成（たとえば、平均化）して、連続スパースサンプリングされた模擬チャープウォーターフォールデータを作成し得る。いくつかの実施の形態では、バーストモードで集められたＲＡＷウォーターフォールデータは、ジェスチャ検出に好ましく、連続スパースサンプリングモードで集められたＲＡＷウォーターフォールデータは、睡眠トラッキング、バイタルサイン検出、および、概して、ヘルスモニタリングに好ましいであろう。ジェスチャ検出は、図示していないレーダーサブシステム４０５の出力を使用するその他のハードウェアコンポーネントまたはソフトウェアコンポーネントによって実行されてもよい。

送信された電波の周波数は、低周波数から高周波数（またはその逆）に繰り返しスイープし得る。送信に用いられる電力レベルは、レーダーサブシステム４０５の有効距離が数メートルまたはそれよりも短い距離だけになるよう、非常に低くてもよい。ＲＦレシーバー４０７は、１つ以上のアンテナを備えてもよく、ＲＦエミッター４０６が放射する電波の近くの物体を反射した電波反射を受信し得る。反射した電波は、レーダー処理回路４０８によって分析され得る。レーダー処理回路４０８は、ＲＡＷ波形データを出力し得る。ＲＡＷ波形データは、別個の処理エンティティによって解析されるＲＡＷチャープウォーターフォールデータとも称することができる。レーダーサブシステム４０５は、１つのＩＣ（集積回路）として実装されてもよく、または、レーダー処理回路４０８は、ＲＦエミッター４０６およびＲＦレシーバー４０７とは別個の構成要素であってもよい。いくつかの実施の形態では、レーダーサブシステム４０５は、ＲＦエミッター４０６およびＲＦレシーバー４０７がディスプレイ３４０と同じ方向に向けられるよう、デバイス３０１の一部として組み込まれる。その他の実施の形態では、レーダーサブシステム４０５を備える外部装置が有線またはワイヤレス通信によってデバイス３０１に接続されてもよい。たとえば、レーダーサブシステム４０５は、ホームアシスタントデバイスのアドオンデバイスであってもよい。

レーダーサブシステム４０５の場合、ＦＭＣＷが用いられると、最大観測（ｕｎａｍｂｉｇｕｏｕｓ）ＦＭＣＷ距離を規定できるようになる。この距離内で、物体までの距離を精度高く求めることができる。しかしながら、この距離の外では、検出された物体は、最大観測距離内の物体よりも近いと誤って解釈される可能性がある。この誤った解釈は、混合信号の周波数、および、受信したアナログ信号をデジタル信号に変換するためにレーダーサブシステムが用いるＡＤＣのサンプリングレートが原因であり得る。混合信号の周波数がＡＤＣのサンプリングのナイキストレートよりも高い場合、反射したレーダー信号を表すＡＤＣが出力するデジタルデータは、（たとえば、より近くにある物体を示す低周波数として）不正確に表され得る。

デバイス３０１を利用して睡眠パターンおよびバイタル統計をモニタリングするとき、ユーザは、デバイス３０１の最も近くにいる人であるよう指示され得る。別の人または動物がベッド内にいる可能性がある。両者（または、ほぼベッドの幅）がレーダーサブシステム４０５の最大観測ＦＭＣＷ距離内に収まるよう、最大観測ＦＭＣＷ距離を、２メートルなど、十分に遠い距離に定める必要があるであろう。２メートルは、ほぼ、市販の大きなベッド（たとえば、キングサイズのベッド）の幅であるので、理想的な距離であろう。

レーダーサブシステム４０５は、反射したレーダー電波を受信するために複数のアンテナを備え得る。いくつかの実施の形態では、３つのアンテナが存在してもよい。これらのアンテナは、図７に関連して詳細を説明するような「Ｌ」字パターンに並べられ得、横配置および縦配置の両方に用いられているアンテナのうち１つアンテナと、２つのアンテナが横方向に直交し、２つのアンテナが縦方向に直交する。反射した電波の位相差を解析することによって、受信したレーダービームを縦方向および／または横方向に照準を合わせるために重み付けが適用され得る。その他の実施の形態では、これらのアンテナは、異なるパターンで並べられてもよい。

様々な理由から、横方向のビームステアリングを実行し得る。先ず、干渉を生じさせる物体に向けられている放射レーダーを補償するために横方向に照準が合わせられ得る。たとえば、ユーザのベッドのヘッドボードが壁に面している場合、ヘッドボードおよび／または壁が、レーダーサブシステム４０５の視野のかなりの部分を占める可能性がある。ユーザについてのデータを判定する際にヘッドボードおよび／または壁からのレーダー反射は利用しなくてよいであろうから、壁および／またはヘッドボードからの反射の強調を抑え、壁および／またはヘッドボードから離れて取得される反射を強調することは、有益であろう。そのため、受信したレーダー信号に重み付けを適用することによって、受信ビームを壁およびヘッドボードとは反対方向の横方向にステアリングし得る。次に、図２の空間ゾーン２２０など、複数の空間ゾーンに照準を合わせるために、横方向のビームステアリングを実行し得るので、ユーザの胸部のそれぞれ異なる部分を解析できるようになる。

システム４００Ａでは、レーダー処理モジュール４１０による処理が行われる前に、レーダーサブシステム４０５から受信したＲＡＷレーダーウォーターフォールデータに処理を行うためのビームステアリングモジュール４３０が存在する。そのため、ビームステアリングモジュール４３０は、レーダー処理モジュール４１０を解析する前の前処理モジュールとして機能でき、１人以上のユーザが存在していると想定される領域を強調する役割を果たすことができる。ビームステアリングモジュール４３０は、ハードウェア、ソフトウェア、またはファームウェアを用いて実装され得るため、ビームステアリングモジュール４３０は、レーダー処理モジュール４１０と同じ１つ以上のプロセッサを用いて実装され得る。

ビームステアリングモジュール４３０は、チャネル重み付けエンジン４３１と、ビームステアリングシステム４３２とを備え得る。チャネル重み付けエンジン４３１は、各アンテナから受信したレーダー信号が混合される前に当該レーダー信号に適用される一連の重み付けを決定するための訓練プロセスを実行するために用いることができる。チャネル重み付けエンジン４３１は、モニタリング領域は不在であると判断されたときに訓練プロセスを実行してもよい。このような時間の間、大きく静的な物体（たとえば、壁、ヘッドボード）から受信した信号の強度を解析でき、このような物体とは反対方向の横方向（場合によっては縦方向）にビームをステアリングするよう重み付けを設定できる。そのため、デバイスから特定の距離範囲（たとえば、最大で１メートル）の静的環境における反射の量は、チャネル重み付けエンジン４３１が受信レーダービームをステアリングすることによって最小限に抑えられ得る。このような訓練は、ユーザが存在しているときも実行されてもよい。すなわち、レーダーサブシステム４０５の受信ビームを、動きが検出される場所、具体的には、ユーザのバイタルサインが検出される場所に向けてステアリングできる。

チャネル重み付けエンジン４３１が決定した重み付けは、各アンテナの受信した反射レーダー信号に重みを個々に適用するためにビームステアリングシステム４３２によって利用され得る。各アンテナから受信した信号は、重み付けされた後、レーダー処理モジュール４１０による処理のために混合され得る。ビームステアリングモジュール４３０の様々な実施の形態がどのように実装され得るかについてのさらなる詳細については、図６～図８に関連して詳細を説明する。ビームステアリングモジュール４３０は、本明細書において詳細を説明するその他の実施の形態と組み合わせて用いることができる。

ビームステアリングモジュール４３０からレーダー処理モジュール４１０にＲＡＷ波形データが渡されてもよい。レーダー処理モジュール４１０は、１つ以上のプロセッサを備え得る。レーダー処理モジュール４１０の機能は、１つ以上の特定用途向けプロセッサまたは汎用プロセッサを用いて実行されてもよい。特定用途向けプロセッサは、本明細書において説明する機能を実行するように特別に設計されたプロセッサを含み得る。このような特定用途向けプロセッサは、本明細書において説明する機能を実行するように物理的または電気的に構成された汎用部品であるＡＳＩＣまたはＦＰＧＡであり得る。汎用プロセッサは、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、フラッシュメモリ、ＨＤＤ（ハードディスクドライブ）、またはＳＳＤ（ソリッドステートドライブ）など、１つ以上の非一時的なプロセッサ読み取り可能な媒体を用いて格納されている特定用途向けソフトウェアを実行し得る。レーダー処理モジュール４１０は、動きフィルター４１１と、周波数エンファシス部４１２と、レンジ-バイタル変換エンジン４１３と、レンジゲートフィルター４１４と、スペクトル加算エンジン４１５と、ニューラルネットワーク４１６とを備え得る。レーダー処理モジュール４１０の構成要素の各々は、ソフトウェアもしくはファームウェアを用いて実装されてもよく、または専門のハードウェアとして実装されてもよい。

レーダーサブシステム４０５が出力し、ビームステアリングモジュール４３０が処理するＲＡＷチャープウォーターフォールまたは波形データは、レーダー処理モジュール４１０によって受信され得、先ず、動きフィルター４１１を用いて処理される。いくつかの実施の形態では、フィルター処理を行うために使われる最初の構成要素が動きフィルター４１１であることが重要である。すなわち、いくつかの実施の形態では、レーダー処理モジュール４１０が実行する処理は、交換可能（ｃｏｍｍｕｔａｔｉｖｅ）ではない。通常、バイタルサインの判定および睡眠のモニタリングは、モニタリングされるユーザが睡眠中またはベッドで睡眠しようとしているときに起こり得る。このような環境では、通常、動きはほとんどないであろう。このような動きは、ユーザがベッド内で動くこと（たとえば、就寝しようとして寝返りを打つこと、または睡眠中に寝返りを打つこと）、そして呼吸が原因である動きおよびモニタリングされているユーザの心拍が原因である動きを含むユーザのバイタルサインに起因し得る。このような環境では、ＲＦエミッター４０６から放射された電波の大部分は、マットレス、ボックススプリング、ベッドフレーム、壁、家具、寝具など、モニタリングされているユーザの近傍にある静的な物体によって反射される可能性がある。そのため、レーダーサブシステム４０５から受信したＲＡＷ波形データの大部分は、ユーザの動きおよびユーザのバイタル計測値とは無関係である可能性がある。

動きフィルター４１１は、受信したＲＡＷ波形データの「チャープ」またはスライスをバッファリングする波形バッファを備えてもよい。たとえば、サンプリング処理は、１０Ｈｚの速度で起こり得る。その他の実施の形態では、サンプリング処理は、これよりも遅くてもよく、速くてもよい。特定の実施形態では、動きフィルター４１１は、２０秒の受信ＲＡＷ波形チャープをバッファリングしてもよい。その他の実施の形態では、これよりも短い期間または長い期間のバッファリングされたＲＡＷ波形データをバッファリングしてもよい。このバッファリングされたＲＡＷ波形データには、静止物を示すＲＡＷ波形データを除去するためのフィルター処理を実行できる。すなわち、モニタリングされているユーザの胸部など、動いている物体の場合、ユーザの心拍および呼吸数は、レーダーサブシステム４０５が行う距離の計測および速度の計測ならびに動きフィルター４１１への出力に影響を与えることになる。このユーザの動きにより、バッファ期間にわたって、受信したＲＡＷ波形データに「ジッター」が生じる。より具体的には、ジッターは、放射された電波を反射する移動体によって生じる位相の変動を指す。本明細書において詳細を説明するが、反射されたＦＭＣＷ電波を用いて移動体の速度を判定するのではなく、動きによって誘発された、反射した電波における位相変動を用いて心拍数および呼吸数を含むバイタル統計を計測できる。

家具などの静止物の場合、バッファ期間にわたってＲＡＷ波形データにゼロ位相変動（すなわち、ジッターなし）が存在することになる。動きフィルター４１１は、動きを示すＲＡＷ波形データがさらなる解析のために周波数エンファシス部４１２に渡されるよう、静止物に対応するこのようなＲＡＷ波形データを取り除くことができる。静止物に対応するＲＡＷ波形データは、破棄されてもよく、そうで無い場合、レーダー処理モジュール４１０による残りの処理では無視されてもよい。

いくつかの実施の形態では、動きフィルター４１１の一部としてＩＩＲ（無限インパルス応答）フィルターが組み込まれる。具体的には、動きを示さないＲＡＷ波形データをフィルター処理して取り除くための単極ＩＩＲフィルターが実装され得る。そのため、単極ＩＩＲフィルターは、特定の周波数よりも低い動きを示すＲＡＷ波形データが周波数エンファシス部４１２を通過しないようにするハイパス・ローブロックフィルターとして実装され得る。人間のバイタルサインに対する既知の限界に基づいて、遮断周波数を設定してもよい。たとえば、呼吸数は、１分あたり１０～６０の呼吸数であると想定され得る。１分あたりの呼吸数が１０よりも低い周波数を示す動きデータは、フィルターによって排除されてもよい。いくつかの実施の形態では、人間のバイタルサインとしてあり得ないまたは起こりそうにない高周波数の動きを示すＲＡＷ波形データを排除するためにバンドパスフィルターが実装されてもよい。たとえば、呼吸数よりも多いことが想定され得る心拍数は、静止またはほぼ静止状態の人の場合、１分あたりの心拍が１５０回よりも多い可能性は低いであろう。これよりも高い周波数を示すＲＡＷ波形データは、バンドパスフィルターによるフィルター処理によって取り除かれてもよい。

いくつかの実施の形態では、動きフィルター４１１が周波数エンファシス部４１２に渡すＲＡＷ波形データの周波数をさらに細かく調整することが可能であってもよい。たとえば、最初の構成フェーズの間、ユーザは、年齢データなど、モニタリングされるユーザ（たとえば、ユーザ自身、子供）についての情報を提供し得る。表１は、様々な年齢の通常の呼吸数を示す。心拍数についても同様のデータが提示され得る。フィルターは、想定される呼吸数の範囲、心拍数の範囲、またはその両方の範囲以外のデータを排除するように構成され得る。

モニタリングされているユーザの計測中のバイタルサインは、次のような周期的なインパルス事象である。ユーザの心拍数は、時間の経過とともに変わり得るが、ユーザの心臓は引き続き周期的に鼓動することが想定できる。この鼓動は、正弦関数ではないが、むしろ、ユーザの体において動きを誘発する比較的低いデューティーサイクルを有する矩形波により類似したインパルス事象として理解されるであろう。同様に、ユーザの呼吸数は、時間の経過とともに変わり得るが、呼吸は、ユーザが息を吐き出すことが息を吸い込むことよりも、通常、長いこと以外は、正弦関数に類似するユーザの体によって行われる周期関数である。さらには、どんなときでも、波形データの特定の窓が解析される。波形データの特定の時間窓が解析されるので、その窓内の完璧な正弦関数であっても、周波数領域においてスペクトル漏れを生じさせる可能性がある。このスペクトル漏れが原因である周波数成分については、強調を抑えればよい。

周波数エンファシス部４１２は、レンジ-バイタル変換エンジン４１３と連動して動作し、ＲＡＷ波形データの１つ（たとえば、呼吸）または２つ（たとえば、呼吸および心拍）の周波数成分を判定し得る。周波数エンファシス部４１２は、４Ｄハミング窓（ハン窓などその他の種類のウインドウイングも可能）などの周波数ウインドウイングを用いて、ＲＡＷ波形データの重要な周波数成分を強調し、規定の周波数窓以外のスペクトル漏れが原因である波形データの強調を抑えるまたは強調を取り除き得る。このような周波数ウインドウイングは、処理アーチファクトが原因である可能性の高いＲＡＷ波形データの大きさを小さくし得る。周波数ウインドウイングの使用は、心拍数および呼吸数を別個に判定できるようにすることに関連するデータをデータ保持しつつ、データに依存する処理アーチファクトの影響を抑えることに役立てることができる。

（たとえば、図４Ｂにおいて放射されているようなレーダーを用いて）呼吸および心拍数を検出するためにモニタリングされている１人以上のユーザの１～２メートル内に配置され得る静止しているベッドわきにあるＦＭＣＷレーダーベースのモニタリングデバイスの場合、呼吸については１０～６０ｂｐｍ（０．１６Ｈｚ～１Ｈｚ）の範囲内の周波数を強調し、心拍については３０～１５０ｂｐｍ（０．５～２．５Ｈｚ）の範囲内の周波数を強調する２Ｄハミング窓によって、対象者の年齢や病歴の予備知識を必要としないで信頼性のある計測を行うのに十分に良好な信号が可能になる。

心拍数および呼吸数は周期的なインパルス事象であるため、周波数領域の心拍数、および呼吸数は、それぞれ異なる基本周波数によって表され得るが、各々は、より高い周波数において多くの調和成分を有し得る。周波数エンファシス部４１２の主な目的の１つは、モニタリングされているユーザの呼吸数の高調波の周波数リップルが、モニタリングされているユーザの心拍数の周波数の計測に影響を与えないようにすることであり得る（またはその逆）。周波数エンファシス部４１２は２Ｄハミング窓を用い得るが、モニタリングされているユーザの心拍数の周波数リップルからモニタリングされているユーザの呼吸数の周波数リップルを分離させるのに役立てるためにその他のウインドウイング関数または分離関数を用いることができることを理解されたい。

レンジ-バイタル変換エンジン４１３は、動きにフィルター処理が行われた受信波形データを解析し、特定の周波数における動きの大きさを特定して定量化する。より特定的には、レンジ-バイタル変換エンジン４１３は、時間の経過に伴う位相ジッターを解析し、呼吸数および心拍数など、周波数が比較的低いユーザのバイタルサインが原因である比較的細かい動きを検出する。レンジ-バイタル変換エンジン４１３の解析は、動き波形データの周波数成分が正弦波であると想定し得る。さらには、レンジ-バイタル変換エンジン４１３が用いる変換により、周波数が観測される距離も特定できる。少なくとも、レーダーサブシステム４０５がＦＭＣＷレーダーシステムを利用するので、周波数、大きさ、および距離のすべてを求めることができる。

レンジ-バイタル変換エンジン４１３の変換を適用する前に、レンジ-バイタル変換エンジン４１３によって、動きにフィルター処理が行われたＲＡＷ波形データに複数個のゼロを埋めるためのゼロパディング処理が行われ得る。ゼロパディング処理を行うことによって、周波数領域内の分解能を効果的に増やすことができ、より精度が高い低レート計測（たとえば、低い心拍数、低い呼吸数）が可能になる。たとえば、ゼロパディングは、分解能の数値を増やして、ゼロパディングなしの場合の１分あたりの呼吸の分解能と比較した、１分あたりの呼吸の半分の差を検出することに役立つことができる。いくつかの実施の形態では、ＲＡＷ波形データのバッファリングされたサンプルサイズと比較して３倍～４倍の数のゼロを埋め得る。たとえば、２０秒のバッファリングされたＲＡＷ波形データを解析する場合、６０～８０秒分のゼロパディングをサンプルに埋め得る。具体的には、３倍～４倍の範囲のサンプルのゼロパディングが、変換処理を過度に複雑に（すなわち、プロセッサ利用を頻繁に）しないで分解能を実質的に増やすことが分かった。

実行されるゼロパディングの量を決定するために、式１～式３を用い得る。式１では、ＲＰＭ＿ｒｅｓｏｌｕｔｉｏｎは、理想を言えば、１未満になり得る。

いくつかの実施の形態では、３０Ｈｚのチャープレート（ｃｈｉｒｐ＿ｒａｔｅ）が用いられ得る。このような周波数は、呼吸数および心拍数の上限値のナイキストリミットから十分なゆとりがあるであろう。そのため、ｎ＿ＦＦＴ＿ｓｌｏｗ＿ｔｉｍｅ＿ｍｉｎは、２０４８であり得る。呼吸統計データを推定するための窓が２０秒である場合、式３の結果は、６００という値になる。

この６００という値は、必要なバイタル－ＦＦＴサイズよりも小さい値であり、レンジ-バイタル変換エンジン４１３に３倍～４倍のゼロパディングを実行させる。ゼロパディングをどの程度行うかについてのバランスは、周波数分解能を増やすことと、それに関連するＦＦＴを実行するために必要な計算量の増加に基づき得る。３倍～４倍のゼロパディングは、実行する必要のある計算の量を控えつつ、心拍数および呼吸数にとって十分な分解能を提供できることがわかった。

レンジ-バイタル変換エンジン４１３は、一連のフーリエ変換（ＦＴ）を実行し、周波数エンファシス部４１２が出力した受信ＲＡＷ波形データの周波数成分を判定できる。具体的には、一連のＦＦＴ（高速フーリエ変換）は、レンジ-バイタル変換エンジン４１３によって実行され、特定の周波数、およびこのような周波数における波形データの大きさが判定され得る。

一定時間にわたって取得された波形データは、複数の次元で表すことができる。第１次元（たとえば、Ｙ軸に沿う）は、特定のチャープからの波形データの複数のサンプルに関する次元であり得、第２次元（たとえば、Ｘ軸に沿う）は、複数のチャープをまたいで集められた波形データの特定のサンプルインデックスに関する次元である。波形データの強度を示すデータの第３次元（たとえば、Ｚ軸に沿う）が存在する。

波形データの第１次元および第２次元に基づいて、複数のＦＦＴを実行し得る。第１次元および第２次元の各々に沿ってＦＦＴを実行し得る：チャープごとに１つのＦＦＴを実行し得、一定期間の間に生じた複数のチャープをまたがる特定のサンプルインデックスごとに１つのＦＦＴを実行し得る。特定の反射チャープの波形データに対して実行されるＦＦＴは、１つ以上の周波数を示し得る。これらの１つ以上の周波数は、ＦＭＣＷレーダーでは、放射された電波を反射した物体が存在する距離を示す。複数のチャープにまたがる特定のサンプルインデックスについて実行されるＦＦＴは、当該複数のチャープにまたがる位相ジッターの周波数を計測できる。そのため、第１次元のＦＦＴは、バイタル統計が存在する距離を提供でき、第２次元のＦＦＴは、バイタル統計の周波数を提供できる。これら２つの次元にまたがって実行されるＦＦＴの出力は、（１）バイタル統計の周波数、（２）バイタル統計が計測された帯域、および（３）計測された周波数の大きさを示す。データにバイタル統計が存在していることが原因の値に加えて、ノイズが存在し得る。このノイズは、スペクトル加算エンジン４１５を用いるなどしてフィルター処理される。ノイズは、心拍数および呼吸が完全な正弦波でないことが一部の原因である可能性がある。

明確に言うと、レンジ-バイタル変換エンジン４１３が実行する変換は、レンジドップラー変換とは異なる。速度変化を解析する（レンジドップラー変換のように）のではなく、レンジ-バイタル変換の一部として、時間の経過に伴う位相変動の周期的変化が解析される。レンジ-バイタル変換は、位相ジッターと称される位相変化をトラッキングすることによって、比較的長期間にわたって生じている細かい動き（たとえば、呼吸、心拍数）を識別するように調整される。詳細を前述したように、心拍数および呼吸数を精度高く判定するために十分な分解能を可能にするゼロパディングが実行される。

レンジゲートフィルター４１４を用いて、対象の規定範囲をモニタリングし、対象の規定範囲（レンジ）を超えた動きが原因である波形データを排除する。本明細書において詳細に説明されている配置の場合、対象の規定範囲は、０～１メートルであり得る。いくつかの実施の形態では、この対象の規定範囲は、異なってもよく、場合によってはユーザ（たとえば、訓練またはセットアップ処理を介して）もしくはサービスプロバイダによって設定されてもよい。いくつかの実施の形態では、この配置にする目的は、デバイスに最も近い１人をモニタリングすることであってもよい（そして、モニタリングされている人の隣で寝ている人など、さらに離れたところにいる他の人のデータは排除または分離する）。その他の実施の形態では、両方の人がモニタリングされている場合、図１２に関連して詳細を説明するように、データが分離されてもよい。そのため、レンジ-バイタル変換エンジン４１３およびレンジゲートフィルター４１４は、対象の規定範囲外の物体に起因する動きデータを分離、排除、または除去し、対象の規定範囲内の物体に起因する動きデータのエネルギーを合計する役割を果たす。レンジゲートフィルター４１４の出力は、レンジゲートフィルター４１４の許容範囲内に判定された範囲を有するデータを含み得る。このデータは、周波数次元と大きさとをさらに有してもよい。そのため、データには、３つの次元があってもよい。

スペクトル加算エンジン４１５は、レンジゲートフィルター４１４からの出力を受信し得る。スペクトル加算エンジン４１５は、心拍数および呼吸数の高調波周波数の計測エネルギーを転送し、基本周波数のエネルギーに高調波周波数のエネルギーを加算するように機能し得る。この機能は、ＨＳＳ（Ｈａｒｍｏｎｉｃ Ｓｕｍ Ｓｐｅｃｔｒｕｍ）と称される場合がある。心拍数および呼吸数は正弦波ではないため、周波数領域において、高調波は、ユーザの呼吸数の基本周波数およびユーザの心拍数の基本周波数よりも高い周波数において存在することになる。スペクトル加算エンジン４１５の主な目的の１つは、モニタリングされているユーザの呼吸数の高調波が、モニタリングされているユーザの心拍数の周波数の計測に影響を与えないようにすることである（またはその逆）。元のスペクトルと、（２分の１に）ダウンサンプリングされた当該スペクトルのインスタンスとを加算することによって、ＨＳＳを二次で実行してもよい。また、この処理は、それぞれのスペクトルが基本周波数のスペクトルに追加されるよう、高次高調波で適用されてもよい。

このステージでは、ベッドで動かずに横たわっている人（呼吸および心拍が原因である動きを除く）の場合、２つの大きな周波数ピークが周波数データに現れることが予想される。しかしながら、ベッドで寝返りを打つなど、モニタリングされているユーザの身体が動いている場合、エネルギーは、周波数スペクトル全体にかなり分散され得る（より広い分散）。このような大きな身体の動きは、多数の小さいピークとして周波数データに現れ得る。ベッドに人が存在しておらず誰もいない場合、静的な物体に対応するＲＡＷ波形データを動きフィルター４１１が予めフィルター処理済みであるので、ノイズフロアよりも高い周波数成分はない、または、ほぼないであろう。スペクトルにまたがる周波数ピークの分散および大きさを用いて、ユーザが起きている可能性が高いか睡眠中である可能性が高いかを判断し得る。

スペクトル加算エンジン４１５は、心拍数（たとえば、１分あたりの心拍数で表される）および呼吸数（たとえば、１分あたりの呼吸数で表される）を示す特徴量ベクトルを出力し得る。特徴量ベクトルは、周波数および大きさを示すことができる。ニューラルネットワーク４１６を用いて、スペクトル加算エンジン４１５からの特徴量ベクトルの出力において示されている心拍数および／または呼吸数を有効であると考えるかどうかを判断し得る。そのため、スペクトル加算エンジン４１５が出力する心拍数および呼吸数は、ニューラルネットワーク４１６の出力に基づいて格納される、ユーザに提示される、および／または、有効であるとみなされ得る。ニューラルネットワーク４１６は、（たとえば、訓練データセットを用いて実行される教師あり学習を用いて）スペクトル解析を行うことによって表２に示すような３つの状態のうち１つの状態を出力するように訓練され得る。ユーザが存在すると判断され、かつ、検出された動きがユーザのバイタルサインが原因である動きである場合、バイタル統計データは有効であると考えられ得る。

表２にある各状態は、異なるスペクトルエネルギーおよび異なるスペクトルスパース性プロファイルに対応付けられている。スペクトルエネルギーは、モニタリング領域内に動きが存在していることが原因で検出された周波数スペクトル全体のエネルギーの合計を指す。スペクトルスパース性は、動きが幅広い数の周波数にわたって分散される傾向があるのか、少数の特定の周波数において集められる傾向があるのかを表す。たとえば、ユーザのバイタルサインが検出された（しかし、その他の動きは検出されない）場合など、ほとんどの周波数においてエネルギーピークが発生しない場合、スペクトルスパース性は高い。しかしながら、ピーク（しきい値を超える）またはしきい値基準に基づくその他の判定形式（少なくとも大きさに一部基づく）が多くの周波数において発生した場合、スペクトルスパース性は低い。

例として、心拍など、バイタルサインが原因である動きは、特定の周波数（たとえば、高スペクトルスパース性）における著しい動き（たとえば、高スペクトルエネルギー）を示し得、ユーザが手足のどれかを動かしていることが原因である動きは、著しい動き（高スペクトルエネルギー）を示し得るが、スペクトルスパース性は低いであろう。ニューラルネットワークは、スペクトル加算エンジン４１５が出力するスペクトルエネルギープロファイルに基づいて各状態を区別するように訓練され得る。そのため、ニューラルネットワーク４１６には、スペクトルエネルギーを表す第１の値と、スペクトルスパース性を表す第２の値という２つの特徴が提供され得る。

スペクトル加算エンジン４１５の出力は、第１次元が周波数であり第２次元が振幅である特徴量ベクトルとして特徴付けられ得る。スペクトルエネルギーを表す第１の値は、スペクトル加算エンジン４１５が出力した特徴量ベクトルに存在する最大振幅を求めることによって算出され得る。この最大振幅値は、０～１内の値に正規化され得る。スペクトルスパース性を表す第２の値は、特徴量ベクトルの中間振幅を最大振幅から除算ことによって算出され得る。ここでも、算出されたスパース性は、０～１内の値に正規化され得る。

表２は、スペクトルエネルギーの特徴量およびスペクトルスパース性の特徴量が、モニタリング領域の状態を分類するために訓練済みニューラルネットワークによって特徴量としてどのように使われるかを一般化したものを表す。

ニューラルネットワーク４１６によって分類されるモニタリング領域の状態は、モニタリングされているユーザの睡眠状態、より一般には、ユーザがベッド内で動いているか静止しているかを判断する際に利用され得る。実行されたニューラルネットワーク４１６の分類によって判断されたモニタリング領域の状態をさらに利用して、スペクトル加算エンジン４１５が出力するバイタル統計が信用できるデータであるか無視すべきデータであるかが判断され得る。バイタル統計が精度高く判断された場合、ユーザが存在しており静止している（すなわち、大きな身体の動きはないが、呼吸および／または心拍が原因である動きが生じている）とニューラルネットワーク４１６が判断したときに、心拍数および呼吸数の精度が高い可能性が高いと識別され得る。いくつかの実施の形態では、スペクトル加算エンジン４１５が出力するバイタル統計は、ローカルにのみ格納され得る（たとえば、プライバシーの不安を軽減させるために）。その他の実施の形態では、出力されたバイタル統計は、遠隔に格納するためにクラウドベースのサーバシステム３７０に送信されてもよい（このようなデータがローカルに格納されることに代わってまたはそれに加えて）。

ニューラルネットワーク４１６は、先ず、モニタリング領域の対応するグランドトゥルース状態にスペクトルエネルギーおよびスペクトルスパース性をマッピングするとの分類に適切にタグされた振幅および周波数の特徴量ベクトルからなる大きな訓練データセットを用いて訓練され得る。これに代えて、ニューラルネットワーク４１６は、先ず、モニタリング領域の対応するグランドトゥルース状態に適切に各々がタグされた構成するスペクトルエネルギーとスペクトルスパース性とのペアをマッピングする、と適切に分類された振幅および周波数の特徴量ベクトルからなる大きな訓練データセットを用いて訓練され得る。ニューラルネットワークは、時間依存ではない全結合ニューラルネットワークであり得る。いくつかの実施の形態では、機械学習調整、分類器、または、ニューラルネットワーク以外の人工知能の形態が用いられてもよい。

その他の実施の形態では、スペクトルエネルギーの値およびスペクトルスパース性の値が特徴量としてニューラルネットワークによって利用されるのではなく、追加のフロントエンド畳み込み層を有する（場合によっては）ニューラルネットワークを、レンジゲートフィルター４１４の出力を直接使用するように訓練できる。むしろ、畳み込みネットワークの実施の形態は、レンジゲートフィルター４１４が出力する周波数および大きさのデータを解析し、ユーザの状態を分類できる。システム４００Ａがエンドユーザによって利用される前にモニタリング領域のグランドトゥルース状態にマッピングされたスペクトル計測値のセットに基づくオフライン訓練を利用するよう、畳み込みニューラルネットワークを訓練してもよい。

ニューラルネットワーク４１６によって判断された睡眠状態は、時間データとともに、データストレージ３１８に格納され得る。モニタリングされているユーザが存在しており静止しているとニューラルネットワーク４１６が示す場合、スペクトル加算エンジン４１５が出力するバイタル統計は、バイタル統計ストアに格納できる。その他のバイタル統計データは、破棄されてもよく、場合によっては、正確なデータある可能性が低いことを示すフラグが立てられてもよい。データストレージ３１８およびバイタル統計ストアに格納されるデータは、デバイス３０１においてローカルに格納されてもよい。いくつかの実施の形態では、デバイス３０１にのみ格納される。このような実装は、健康関連データが送信されて遠隔で格納されることについての不安を軽減させるのに役立ち得る。いくつかの実施の形態では、モニタリングされているユーザは、睡眠データおよびバイタル統計データを、ネットワークインタフェース（たとえば、ワイヤレスネットワークインタフェース３５０）を介して送信させ、クラウドベースのサーバシステム３７０などによって外部で格納および解析させることを選んでもよい。クラウドベースのサーバシステム３７０による格納は、ユーザがこのようなデータに遠隔でアクセスできる機能、医療従事者がアクセスできる機能、調査研究に参加できる機能など、かなりのメリットがあるであろう。ユーザは、クラウドベースのサーバシステム３７０からデータをいつでも削除できる機能、そうでない場合、移動できる機能を保持し得る。

いくつかの実施の形態では、レーダー処理モジュール４１０のすべてまたは一部は、デバイス３０１から遠隔の場所に位置してもよい。レーダーサブシステム４０５は、ユーザをモニタリングするためにローカルである必要があり得るが、レーダー処理モジュール４１０の処理は、クラウドベースのサーバシステム３７０に移動されてもよい。その他の実施の形態では、デバイス３０１と（たとえば、ＬＡＮまたはＷＬＡＮを経由して）ローカル通信しているスマートホームデバイスが、レーダー処理モジュール４１０の処理の一部またはすべてを行ってもよい。いくつかの実施の形態では、ＲＡＷ波形データを、処理を行うローカルデバイスに送信するためにメッシュネットワークを含むなどするローカル通信プロトコルを利用できる。このような通信プロトコルは、Ｗｉ－Ｆｉ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｔｈｒｅａｄ、またはＩＥＥＥ８０２．１１および８０２．１５．４ファミリーの通信プロトコルを含み得る。この処理と同様に、クラウドベースのサーバシステム３７０、またはデバイス３０１が置かれている自宅にある別のスマートホームデバイスに、睡眠データおよびバイタル統計データが格納され得る。さらに別の実施の形態では、１つの構成要素、または複数の構成要素からなる１つのシステムとして、レーダー処理モジュール４１０をレーダーサブシステム４０５と組み合わせてもよい。

データストレージ３１８に格納されている睡眠データと、バイタル統計データとを用いて、睡眠データ集計エンジン３１９によるユーザの睡眠パターン、バイタル統計、またはその両方に関する短期的傾向と長期的傾向とをユーザに提供し得る。たとえば、毎朝、データストレージ３１８に格納されるデータ基づいて、グラフ、統計データ、および傾向が睡眠データ集計エンジン３１９によって判定され、睡眠データ集計エンジン３１９によってディスプレイ３４０を介して表示するために出力され得る。前日の夜の睡眠データを示すグラフと、場合によっては、前日の夜の呼吸数および心拍数を示す１つ以上のグラフとが提示され得る。睡眠データ集計エンジン３１９によって、数週間、数ヶ月、数年、さらには複数年にまたがる長期間など、かなり長い期間の同様のグラフ、傾向、および統計データが出力され得る。睡眠データおよびバイタル統計のその他の使用法も可能である。たとえば、心拍数、呼吸数、および／または睡眠パターンに関連する特定のトリガーが引き起こされた場合、医療従事者への通知が行われてもよい。これに加えてまたはこれに代えて、収集されたデータに懸念要素があることを示す通知、または健康な人を示す通知がユーザに出力されてもよい。場合によっては、睡眠時無呼吸など、特定の睡眠障害が特定されてもよい。睡眠データは、（たとえば、ユーザが起床したことに応答して、発話されたユーザコマンドに応答して、または、ユーザがディスプレイ３４０などのタッチスクリーンを介した入力を行ったことに応答して）合成音声を用いてスピーカー３５５を介して出力され得る。このような睡眠データは、図およびまたは文字によってディスプレイ３４０上に表され得る。

システム４００Ａは、ビームステアリングモジュール４３０をさらに備え得る。ビームステアリングモジュール４３０は、チャネル重み付けエンジン４３１を備え得る。チャネル重み付けエンジン４３１は、ソフトウェア、ファームウェア、および／またはハードウェアを用いて、レーダー処理モジュール４１０の構成要素と同様に実装され得る。ビームステアリングモジュール４３０は、レーダーサブシステム４０５から受信したデータを処理して、特定の方向から受信したデータを強調し、その他の方向から受信したデータの強調を抑えるため、レーダー処理モジュール４１０とは別個に図示されている。ビームステアリングモジュール４３０は、レーダー処理モジュール４１０と同じハードウェアを用いて実装され得る。たとえば、ビームステアリングモジュール４３０は、レーダーサブシステム４０５から受信したレーダーデータを、動きフィルター４１１が適用される前に変更するソフトウェア処理であり得る。デバイス３０１は、表面が上を向いたデバイスであり得、特定の場所に置かれ、連続した電源供給（たとえば、家庭用電気コンセント）に接続され、音声および／またはタッチスクリーンを介して対話されることが意図される。そのため、レーダーサブシステム４０５は、かなりの期間（たとえば、数時間、数日、数週間、数ヶ月）、周囲の環境の一部に向けられたままであり得る。一般に言うと、ビームステアリングモジュール４３０を用いて、デバイス３０１が位置する環境（たとえば、部屋）をマッピングし、ユーザが存在している可能性が最も高いレーダーサブシステム４０５の視野内のゾーンにレーダーサブシステム４０５のセンシング方向をステアリングし得る。

レーダーサブシステム４０５の視野内の領域に照準を合わせることは、ユーザ以外の物体が動くことによって生じるフォールスネガティブおよびフォールスポジティブの量を減らすのに役立ち得る。さらには、照準を合わせることは、ユーザが睡眠する場所に対するデバイス３０１の角度および位置を補償するのに役立ち得る。（たとえば、ユーザのベッドの高さとは異なる高さのサイドテーブルにデバイス３０１が置かれている場合がある。これに加えてまたはこれに代えて、ベッドにおけるユーザが睡眠する場所にレーダーサブシステム４０５デバイス３０１が直接向けられていない場合がある。）
表２のスペクトルエネルギーが低くかつスペクトル濃度が低いことに基づくなどして、ユーザが存在しないと判断された場合、最適なビームステアリング処理が、チャネル重み付けエンジン４３１およびビームステアリングシステム４３２によって行われ得る。ユーザは存在しないが、レーダーサブシステム４０５をどの方向に位置合わせすればクラッターが最小になるかを判断する解析を行うことができる。

図４Ｂは、レーダーサブシステムが出力する周波数変調された連続波（ＦＭＣＷ）レーダー電波のチャープタイミング図４００Ｂの実施の形態を示す図である。チャープタイミング図４００Ｂは、縮尺通りではない。レーダーサブシステム４０５は、概して、チャープタイミング図４００Ｂのパターンでレーダーを出力し得る。チャープ４５０は、周波数が低周波数から高周波数に増加（ｓｗｅｅｐ ｕｐ）する電波から構成される連続パルスを表す。その他の実施の形態では、個々のチャープは、高周波数から低周波数に連続して減少（ｓｗｅｅｐ ｄｏｗｎ）し、低周波数から高周波数に増加して低周波数に戻り得、または、高周波数から低周波数に減少して高周波数に戻り得る（このような周波数の場合、電波は、ミリ波と称される場合がある。）。いくつかの実施の形態では、低周波数は、５８ＧＨｚであり、高周波数は、６３．５ＧＨｚである。いくつかの実施の形態では、これらの周波数は、５７～６４ＧＨｚの間である。低周波数および高周波数は、実施の形態によって異なり得る。たとえば、低周波数および高周波数は、４５ＧＨｚ～８０ＧＨｚの間であり得る。周波数は、少なくとも政府規制に準拠して選択され得る。いくつかの実施の形態では、各チャープは、低周波数から高周波数への直線的なスイープを含む（またはその逆）。その他の実施の形態では、指数関数的なパターンまたはその他のパターンを用いて、周波数を低周波数から高周波数へ、または高周波数から低周波数にスイープさせてもよい。

チャープ４５０（チャープタイミング図４００Ｂにあるすべてのチャープを表し得る）は、１２８μｓのチャープ期間４５２を有し得る。その他の実施の形態では、チャープ期間４５２は、３０μｓ～６００μｓの間など、さらに長くてもよく、さらに短くてもよい。いくつかの実施の形態では、後続チャープが放射される前に一定時間が経過してもよい。チャープ間休止期間４５６は、２０５．３３μｓであり得る。その他の実施の形態では、チャープ間休止期間４５６は、１０μｓ～１ｍｓの間など、さらに長くてもよく、さらに短くてもよい。図示した実施の形態では、チャープ４５０と、チャープ間休止期間４５６とを含むチャープ期間４５４は、３３３．３３μｓであってもよく、５００μｓであってもよい。この期間は、選択されたチャープ期間４５２およびチャープ間休止期間４５６に基づいて異なる。

出力されて、チャープ間休止期間によって分離される複数のチャープは、バースト４５８またはフレーム４５８と称される場合がある。フレーム４５８は、２０個のチャープを含み得る。その他の実施の形態では、１つのフレーム４５８にあるチャープの数は、１～１００の間など、さらに多くてもよく、さらに少なくてもよい。フレーム４５８内に存在するチャープの数は、放射される平均電力に基づいて決められ得る。環境に向けて平均して放射可能な範囲の電力最大量は、ＦＣＣまたはその他の規制当局によって設定され得る。たとえば、３３ｍｓの期間に対してデューティーサイクルを１０％未満に制限するデューティーサイクル要件が存在してもよい。フレームあたり２０個のチャープが存在する１つの特定の例では、各チャープの期間は、１２８μｓであり得、各フレームの期間は３３．３３ｍｓである。対応するデューティーサイクルは、（２０フレーム）×（．１２８ｍｓ）／（３３．３３ｍｓ）であり、約７．８％である。フレーム間休止期間よりも前のフレーム４５８内のチャープの数を制限することによって、出力される総電力量が制限されてもよい。いくつかの実施の形態では、ピークＥＩＲＰ（実効等方放射電力）は、１２．８６ｄＢｍ（１９．０５ｍＷ）など、１３ｄＢｍ（２０ｍＷ）以下であり得る。その他の実施の形態では、ピークＥＩＲＰは、１５ｄＢｍ以下であり、デューティーサイクルは、１５％以下である。いくつかの実施の形態では、ピークＥＩＲＰは、２０ｄＢｍ以下である。すなわち、どんなときでも、レーダーサブシステムが放射する平均電力量がこれらの値を上回ることはないであろう。さらには、一定時間の間に放射される総電力量は、制限される場合がある。いくつかの実施の形態では、デューティーサイクルは必要ではない場合がある。

期間４６０によって示されているように、フレームは、３０Ｈｚ（３３．３３ｍｓ）の周波数で送信され得る。その他の実施の形態では、周波数は、これよりも高くてもよく、これよりも低くてもよい。フレーム周波数は、１つのフレーム内のチャープの数、およびフレーム間休止期間４６２の長さによって異なり得る。たとえば、周波数は、１Ｈｚ～５０Ｈｚの間であり得る。いくつかの実施の形態では、チャープは、連続して送信され得、チャープ間休止期間が挿入された複数のチャープから構成される１つの連続ストリームをレーダーサブシステムが出力する。デバイスが消費する平均電力を抑えるために、チャープを送信することと、受信したチャープの反射を処理することとが天秤に掛けられ得る。フレーム間休止期間４６２は、チャープが出力されない一定時間を表す。いくつかの実施の形態では、フレーム間休止期間４６２は、フレーム４５８の期間よりもはるかに長い。たとえば、フレーム４５８の期間は６．６６ｍｓであり得る（チャープ期間４５４は３３３．３３μｓであり、フレームあたりのチャープの数は２０個）。フレーム間に３３．３３ｍｓの期間がある場合、フレーム間休止期間４６２は、２６．６６ｍｓであり得る。その他の実施の形態では、フレーム間休止期間４６２の長さは、１５ｍｓ～４０ｍｓの間など、さらに長くてもよく、さらに短くてもよい。

図４Ｂの図示した実施の形態では、１つのフレーム４５８と、後続フレームの開始が図示されている。後続フレームの各々は、フレーム４５８と同様の構造にできることを理解されたい。さらには、レーダーサブシステムの送信モードは、固定されてもよい。すなわち、チャープは、ユーザが存在しているか存在していないか、時刻、またはその他の要因に関わらず、チャープタイミング図４００Ｂに従って送信され得る。そのため、いくつかの実施の形態では、レーダーサブシステムは、環境の状態やモニタリングされるアクティビティに関わらず、常に１つの送信モードで動作する。デバイス３０１の電源がオンの間に、フレーム４５８と同様の連続したフレームの連なりが送信され得る。

図５Ａは、非接触ヘルスモニタリングシステムの一部として使用され得る位相キャプチャモジュール５００Ａの実施の形態を示す。位相キャプチャモジュール５００Ａは、非接触ヘルスモニタリングシステム５００Ｂの一部として使用され得る。位相キャプチャモジュール５００Ａは、レーダー処理モジュール４１０の実施の形態の変形例を表し得る。位相キャプチャモジュール５００Ａは、動きフィルター４１１と、周波数エンファシス部４１２と、位相解析エンジン５０２とを備え得る。これらの構成要素の各々は、汎用または専用のプロセッサ（または、複数のプロセッサ）によって実行されるソフトウェア処理を用いて実装され得る。位相キャプチャモジュール５０１の機能を実行するように専用ハードウェアを実装してもよい。動きフィルター４１１および周波数エンファシス部４１２は、図４Ａのレーダー処理モジュール４１０に関連して詳細を説明するように機能できる。位相キャプチャモジュール５００Ａの場合、呼吸に起因する周波数成分を強調する（場合によっては、心拍数に関する周波数の強調を抑える）ように周波数エンファシス部４１２を構成できる。

位相解析エンジン５０２は、概して、ビームステアリングモジュールが出力した特定の反射レーダーチャープに関する波形データに存在する位相の瞬間的表示を出力する役割を果たし得る。位相解析エンジン５０２が受信する波形データに対してＦＦＴ（高速フーリエ変換）を実行して、反射チャープの周波数成分ごとの（絶対位相値に対する）位相値および大きさを判定できる。波形データにある反射チャープごとに、位相解析エンジン５０２は、周波数、周波数が検出された距離、周波数成分の位相、および周波数成分の大きさを示すデータを出力する。

レーダーサブシステム４０５は、受信した反射波形データをデジタル波形データに変換するために、ＡＤＣ（Ａｎａｌｏｇ Ｔｏ Ｄｉｇｉｔａｌ Ｃｏｎｖｅｒｔｅｒ）を備え得る。（また、ＦＭＣＷは、受信した反射された波形を送信された波形と混合させる混合処理を、アナログからデジタルへの変換前に含み得る。）すべてのＡＤＣが有限分解能を有しているので、ターゲットである移動体（たとえば、ユーザの胸部）までの距離を、ＡＤＣが出力するデジタルデータにおいて観察可能になるような位相変化を生じさせるのに十分な程度に変更する必要があり得る。式２は、位相に対して移動体が有する距離の効果を示す。

式４では、ＦＭＣＷの場合、ｆ_０は、チャープの最低周波数を表し、ｆ_１は、チャープの最高周波数を表し、ｃは、光の速度を表し、Ｒは、レーダーセンサーから移動体までの範囲（距離）を表す。Ｔ_{ｃｈｉｒｐ}は、１つの放射されたチャープの秒単位の長さを表す。図４Ｂに関連して詳細を説明するようなチャープに用いられる周波数帯域でのＲの比較的小さい変化（呼吸中のユーザの胸部の動きが原因であるなど）は、デジタル波形データの一部としてＡＤＣが出力するデジタルデータにおいて検出されるのに十分な位相変化をもたらす。そのため、式４から、呼吸が原因であるユーザの胸部の変位を、位相を利用して精度高く計測できることが確認される。

図５Ｂは、複数の空間ゾーンをモニタリングする非接触ヘルスモニタリングシステム５００Ｂ（「システム５００Ｂ」）の実施の形態を示す図である。システム５００Ｂは、システム４００Ａと同じレーダーサブシステム４０５の出力を利用できる。構成要素５１６は、図３の呼吸モニタエンジン３１６に対応し得る。いくつかの実施の形態では、１つ以上のプロセッサを用いて構成要素５１６が起動されて実行される前に、ユーザは、少なくとも一定時間またはその他の時間ベースの基準、ベッドにいて動いていないと判断される。構成要素５１６は、専用のソフトウェアを実行する１つ以上の汎用プロセッサを用いて実行され得る。その他の実施の形態では、１つ以上の専用のプロセッサがシステム５００Ｂの機能を実行するように構成されてもよい。

モニタリングされる各空間ゾーンは、図２の空間ゾーン２２０など、照準が合わせられているユーザの胸部の異なる部分に対応し得る。システム５００Ｂは、レーダーサブシステム４０５と、ビームステアリングモジュール４３０と、位相キャプチャモジュール５０１と、レーダー位相処理モジュール５１０と、特徴量バンドルコンパイラ５２０と、機械学習モデル５４０とを備え得る。

レーダーサブシステム４０５は、図４Ａに関連して詳細を説明したように機能する。レーダーサブシステム４０５は、反射したレーダーチャープを受信するために使われる複数のアンテナを備える。レーダーサブシステム４０５の受信アンテナごとに、別個の波形データが出力される。図４Ａでは、１つのビームステアリングモジュール４３０が存在している。１つのビームステアリングモジュールが存在していることによって、１つの方向に照準が合わせら得る。ビームステアリングモジュール４３０は、ユーザの胸部を含む全体空間ゾーンを決める。全体空間ゾーンが決められると、この領域は、全体空間ゾーン内の複数の空間ゾーンに向けてビームステアリングを行うことによってさらに細かくパースされ得る。一方で、複数の受信側デジタルビームステアリングモジュール５３０がシステム５００に存在する。これらのビームステアリングモジュールの各々は、ビームステアリングモジュール４３０に関連して詳細を説明したように機能し得る。ビームステアリングモジュール５３０の各々は、ユーザの胸部のそれぞれ異なる部分に向けてビームステアリングを行うために、それぞれ異なる重み付けを使用し得る。たとえば、図２を参照すると、ビームステアリングモジュール５３０－１は、空間ゾーン２２０－１に焦点を当てる重み付けを使用し得、ビームステアリングモジュール５３０－２は、空間ゾーン２２０－２に焦点を当てる異なる重み付けを使用し得る、などであり得る。実施の形態によっては、２つ、３つ、４つ、５つ、またはそれ以上の数の照準合せモジュールなど、様々な数のビームステアリングモジュール５３０が存在する。

各ビームステアリングモジュール５３０は、レーダーサブシステム４０５から同じ波形データを受信する。そのため、特定の受信した反射チャープについて、ビームステアリングモジュール５３０の各ビームステアリングモジュールは、異なる空間ゾーンに照準を合わせる。レーダーサブシステム４０５からの同じ波形データに基づいて各ビームステアリングモジュール５３０が動作することによって、ビームステアリングモジュール５３０が出力するビームステアリングされた波形データは、同じ時点に対応する。図６および図８は、ビームステアリングモジュール５３０がどのように実装され得るかについての様々な実施の形態を示す図である。

ユーザの胸部への全体方向を決定するためにビームステアリングモジュール４３０が用いられた。この方向は、ユーザの胸部の異なる部分に対応する様々な空間領域への方向を決定するための基準線として機能できる。ビームステアリングモジュール４３０がユーザのバイタルサインの最も強い計測値をもたらす方向を決定したあと、この方向は、固定角度または可変角度ごとに横方向に増やされて、モニタリングされる各空間ゾーンが得られ得る。チャネル重み付けエンジン４３１が決定したチャネル重み付け、およびユーザの胸部の中心に対して特定の空間ゾーンが角度を有する所望の角度に基づいて、ビームステアリングモジュール５３０の各々によって重み付けが決定され得る。ビームステアリングモジュール５３０の数が多いほど、空間ゾーン間に存在する角度は小さくなり得る。

ユーザの胸部のそれぞれ異なる重なり合う領域またはそれぞれ異なる重なり合わない領域に対応する特定の空間ゾーンに照準を合わせるために、ビームステアリングモジュール５３０の各々が出力する波形データが重み付けされる。その後、ビームステアリングモジュール５３０が出力する加重波形データを、別個の位相キャプチャモジュール５０１を用いて処理する。位相キャプチャモジュール５０１の各々は、図５Ａの位相キャプチャモジュール５００Ａに関連して詳細を説明したように機能する。位相キャプチャモジュール５０１の各位相キャプチャモジュールがユーザの胸部の異なる空間領域に向けてステアリングされるので、位相キャプチャモジュール５０１の各々が出力する位相値、周波数値、および大きさ値は、ユーザの胸部の特定の領域に対応する。位相キャプチャモジュール５０１の各々は、レーダー位相処理モジュール５１０のうち対応するレーダー位相処理モジュールに、受信した反射チャープごとの位相、大きさ、および周波数の表示を出力する。

レーダー位相処理モジュール５１０の各々は、複数の構成要素を備え得る。例として、位相セレクタ５１１－１および位相アンラッパー（ｕｎｗｒａｐｐｅｒ）５１２－１がレーダー位相処理モジュール５１０－１の構成要素として示されている。その他のレーダー位相処理モジュール５１０の各々も、同様の構成要素を有し得るが、わかりやすくするために図示していない。

位相セレクタ５１１－１など、位相セレクタ５１１の各々は、モニタリングされている空間ゾーンにおけるユーザの呼吸に対応すると想定される位相成分を選択する役割を果たし得る。位相キャプチャモジュール５０１－１から受信した周波数スペクトルデータに基づいて、位相セレクタ５１１－１は、存在する大きさが最大の周波数信号を判定する。ユーザは（たとえば、ニューラルネットワーク４１６によって）動いていないとすでに判断されているので、環境ではその他の動きがなく、フィルター処理がすでに実行されて呼吸に対応する特定の距離範囲内の周波数が強調されており、大きさが最大の周波数成分は、ユーザの呼吸に起因する周波数成分であると想定できる。この大きさが最大の周波数成分位相は、位相セレクタ５１１－１によって決定され、その他のデータは破棄できる。そのため、位相セレクタ５１１－１の出力は、－π～π（または、０～２π）の間の位相値であり得る。複数のチャープに対応する波形データが処理されると、位相セレクタ５１１－１が出力する位相値は、大きくなるまたは小さくなることが想定できる。

その他のレーダー処理モジュール５１０の位相セレクタも同様に機能する。その他のレーダー処理モジュール５１０の位相セレクタが出力する位相値は、モニタリングされているユーザの胸部の特定の空間領域に対応する位相に対応すると想定できる。ユーザの胸部の動きが大きいほど、時間の経過に伴う位相変化において観測されると想定できる変化は大きい。

レーダー位相処理モジュール５１０の各レーダー位相処理モジュールは、位相アンラッパー５１２－２など、位相アンラッパーを備えることができる。ユーザの胸部は１つの波長よりも大きく上がったり下がったりし得るので、位相ラッピングが生じ得る。位相アンラッパー５１２は、１つの波長を超える位相変化をはっきりとさせる役割を果たし得る。位相セレクタ５１１－１からチャープごとに出力される瞬間的位相値に対して様々な位相アンラップアルゴリズムが用いられ得る。たとえば、位相アンラッパー５１２がイトウのサンプルバイサンプル位相アンラップアルゴリズムを使用して、－πおよびπ（または０および２π）で表される１つの波長の範囲を超え得る位相が取得され得る。そのため、位相アンラッパー５１２－１の出力は、１つの波長よりも大きい可能性がある位相値であり、距離における１つの波長よりも大きいユーザの胸部の動きを考慮し得る。位相アンラッパー５１２－１が出力する位相値は、特徴量バンドルコンパイラ５２０に供給され得る。

特徴量バンドルコンパイラ５２０は、モニタリングされている空間領域ごとに、アンラップされた位相値を受信する。モニタリングされている空間領域の数は、特徴量バンドルコンパイラ５２０が受信する位相データの次元の数に対応する。次元ごとに、アンラップされた位相値は、一定時間バッファリングされ、時間の経過（たとえば、５秒、１０秒など）に伴う位相を示す信号を作成する。そのため、図示した例では、４つの領域についての位相値が特徴量バンドルコンパイラ５２０によって受信されるが、その他の実施の形態の場合、特徴量バンドルコンパイラ５２０によってこれよりも少ない数またはより多い数の次元が受信されてもよい。

特徴量バンドルコンパイラ５２０は、それぞれ異なる空間領域間の相対的な位相オフセットを判断できる。受信した位相データの各次元に対して、特徴量バンドルコンパイラ５２０は、ＦＦＴを実行できる。各ＦＦＴの出力は、周波数、大きさ、および位相であり得る。次元ごとに、特徴量バンドルコンパイラ５２０は、大きさと位相とを示すフェイザーを作成する。特徴量バンドルコンパイラ５２０によって次元ごとに作成されたフェイザーは、機械学習モデル５４０に送られて、機械学習モデル５４０による分類を実行するために使われる特徴量として機能する。

機械学習モデル５４０は、特徴量バンドルコンパイラ５２０が作成した次元ごとのフェイザーを受信できる。機械学習モデル５４０は、フィードフォワードニューラルネットワーク分類器などのニューラルネットワークであり得、３つの層を有し得る。機械学習モデル５４０は、フェイザーからなるバンドルを受信できる。各フェイザーは、大きさと位相とを示す。上位では、大きさがかなりあるが位相がかなり異なるフェイザーをバンドルが含む状況を、機械学習モデル５４０が特定し得る。たとえば、２つのベクトル（各々は、ユーザの胸部の異なる空間ゾーンに対応する）は、大きさがかなりあり、位相が逆またはほぼ逆であり得る。この状況は、奇異呼吸を示している可能性がある。

機械学習モデル５４０を訓練するために、トゥルースがタグ付けされたフェイザーのバンドルセットが作成され得る。トゥルースがタグ付けされたフェイザーのバンドルセットでは、奇異呼吸など、既知の呼吸状態があるユーザおよび異常な呼吸状態がない人のバンドルが作成される。このような訓練データに基づいて、このようなトゥルースがタグ付けされた訓練データに基づいた分類を行うよう、ニューラルネットワークまたはその他の形式の機械学習モードを訓練できる。いくつかの実施の形態では、２種類以上の機械学習モジュールが存在し、複数種類の呼吸異常のモニタリングを可能にする。

機械学習モデル５４０が出力する分類は、呼吸データ出力エンジン３１９に提供され得、データストレージ３１８を用いて格納され得、および／またはクラウドベースのサーバシステム３７０によって格納され得る。異常な呼吸状態という分類が機械学習モデル５４０によって出力された場合、このようなデータは、格納され得る。朝など、ユーザが起きていると判断された場合、ユーザは異常な呼吸状態について医療従事者による検査を受けるべきであると示す情報が提示され得る。いくつかの実施の形態では、呼吸データ出力エンジン３１９は、奇異呼吸など、特定の種類の異常な呼吸状態が存在していると思われることを示す。いくつかの実施の形態では、呼吸データ出力エンジン３１９は、合成音声を用いて、検出された異常な呼吸状態を示す。異常な呼吸状態が検出されていた期間、異常な呼吸状態の深刻度、何日間異常な呼吸状態が検出されたかなど、その他のデータがユーザに提供され得る。

図６は、睡眠トラッキングおよび／または呼吸モニタリングが行われる方向に照準を合わせるためのビームステアリングモジュール６１０の実施の形態６００を示す図である。ビームステアリングモジュール６１０は、ビームステアリングモジュール４３０またはビームステアリングモジュール５３０の実施の形態を表し得る。一般に、ビームステアリングモジュール６１０は、レーダーサブシステム４０５から受信した各レーダーデータストリームに重みを適用し、加重入力を合計し、合成加重レーダーデータストリームをレーダー処理モジュール４１０に出力し得る。適用される重みによって、特定のアンテナの入力に対して遅延が引き起こされ得る。これは、重みが複素数値であることによって実現可能である。アンテナから受信したレーダーデータストリームのうち１つ以上に対して遅延が引き起こされることによって、アンテナが受信したビームを効果的にステアリングできる。

実施の形態６００では、別個のアンテナに各々が対応する３つのデジタルレーダーデータストリーム６２０（６２０－１、６２０－２、６２０－３）を、レーダーサブシステム２０５から受信する。そのため、本実施の形態では、レーダーサブシステム２０５の一部として３つのアンテナが存在する。その他の実施の形態では、レーダーサブシステム２０５は、これよりも少ない数（たとえば、２）のアンテナを有してもよく、これよりも多くの数（たとえば、４、５、６、７、またはそれ以上）のアンテナを有し得、各アンテナは、対応するＲＡＷレーダーデータストリームをデジタル形式でビームステアリングモジュール６１０に出力する。

ミキサー６３０およびコンバイナ６４０は、ビームステアリングシステム４３２を表し得る。レーダーデータストリーム６２０の各々は、ミキサー６３０のうちの別個のミキサーに入力され得る。ミキサー６３０は、デジタルに実装され得るため、ソフトウェア処理を表し得る。ミキサー６３０－１は、レーダーデータストリーム６２０－１を、チャネル重み付けエンジン４３１が出力する重み（複素数値によって表される）と混合する。ミキサー６３０－２は、レーダーデータストリーム６２０－２を、チャネル重み付けエンジン４３１が出力する重み（ミキサー６３０－１において適用される重みと同じであってもよく、異なってもよい）と混合する。ミキサー６３０－３は、レーダーデータストリーム６２０－３を、チャネル重み付けエンジン４３１が出力する重み（ミキサー６３０－１および６３０－２において適用される重みの各々と同じであってもよく、異なってもよい）と混合する。

チャネル重み付けエンジン４３１（ソフトウェア処理を表し得る）は、ミキサー６３０の各々に出力すべき重みを表す値（たとえば、複素数値）を決定するための訓練プロセスを実行し得る。その他の実施の形態では、チャネル重み付けエンジン４３１は、レーダーサブシステム４０５の一部として組み込まれている別個の専用ハードウェアまたはハードウェアによって実行され得る。チャネル重み付けエンジン４３１が出力する重みを表すデジタル信号は、レーダーデータストリーム６２０の各々により大きなまたは小さな遅延を効果的に適用し得る。ミキサー６３０を介して適用された重みは、１に正規化され得る。そのため、実施の形態６００において適用された３つの重みの和を足し合わせると、１になり得る。

ビームステアリングシステム４３２およびビームステアリングモジュール６１０を用いて、ミキサー６３０を介したＷＤＡＳ（重み付き遅延和）ビームステアリングを実装できる。式５は、ＷＤＡＳをどのように実装できるかについての詳細を示す。

式６では、ｙは、ターゲットビームを用いて生成された、ベクトル化されたデータを表す。Ｘは、レーダーサブシステム４０５から受信したレーダーデータストリームデータを表す。ｗは、チャネル重み付けエンジン４３１が学習する重みを表す。ユーザに照準を合わせるために最も有効な重みを決定するための訓練プロセスの一部として、式６の出力を最小化しようとして様々な重みを（たとえば、パターンで、ランダムに）試し得る。たとえば、十分な数のランダムな重みがテストされた場合、最小出力値がわずかな誤差で得られることが見込まれる。最小二乗最適化プロセスに従って出力値を最小化することによって、ベッド内でユーザが位置している場所に最も近く照準を合わせるビーム方向に対応する重みを取得し得る。その後、これらの重みは、ユーザを今後モニタリングするために使われ得る。周期的または時々、ベッド内でユーザが動くことならびに／または睡眠検出デバイスの向きおよび／もしくは場所が変わったことを補償するための再訓練が行われ得る。

使用前、図９の方向９５０および９５２によって示されるようなレーダーサブシステムの既知の傾きを補償するための重みをオフラインで決定し得る。ユーザが存在する場合、重みをスイープするまたはランダムに選択することなどによって、ユーザにとって最適な方向を判定する。ユーザが存在しない場合、ユーザに照準を合わせるときに、かなりの反射を生じさせる静止物への１つ以上の方向を回避できるよう、これらの１つ以上の方向を判定できる。

チャネル重み付けエンジン４３１によって最小二乗最適化プロセス以外の学習プロセスが実行され得ることを理解されたい。たとえば、いくつかの実施の形態では、非接触睡眠トラッキングデバイスからユーザが睡眠する場所への方向を示す入力を提供することによって、ユーザは、訓練プロセスの手助けをしてもよい。その他の実施の形態では、ビームの照準をユーザに合わせるために異なる形式の自動学習プロセスが実行されてもよい。

システム４００Ａが起動されたときまたは電源が入れられたときにチャネル重み付けエンジン４３１がトリガーされて重みが決められてもよい。搭載の加速度計を介するなどしてシステム４００Ａによって動きが検出された場合、チャネル重みは再計算され得る。

加重レーダーデータストリーム６３５（たとえば、６３５－１、６３５－２、および６３５－３）の和は、ミキサー６３０によって出力されると、コンバイナ６４０によって受信され得る。コンバイナ６４０は、１つの加算出力６４５をレーダー処理モジュール４１０に出力し得る。ミキサー６３０が適用した少なくとも１つの重み（遅延を生じさせる）がミキサー６３０によって適用されたその他の重みと異なることによって、ビームが一定の方向に効果的にステアリングされる。このビームは、縦成分および／または横成分を有し得る。レーダー処理モジュール４１０による処理は、図４Ａに関連して詳細を説明したように実行され得る。

図７は、レーダーサブシステム７００の可能性のあるアンテナ配置の実施の形態を示す図である。レーダーサブシステム７００は、レーダーサブシステム４０５として機能する集積回路の実施の形態を表し得る。ＩＣ全体の寸法は、６．５ｍｍ（長さ７０５）×５ｍｍ（幅７０４）であり得る。その他の実施の形態では、ＩＣ全体は、長さ７０５×幅７０４が、７ｍｍ×７ｍｍ～４ｍｍ×４ｍｍの間である。図示したレーダーブシステム４０５の実施の形態は、３つの受信アンテナと、１つの送信アンテナとを有するが、その他の実施の形態は、これよりも多くの数のアンテナを有し得、これよりも少ない数のアンテナを有し得る。レーダーサブシステム７００は、「Ｌ」パターンに分散された受信アンテナ７１０－１、７１０－２、および７１０－３を有し得る。すなわち、図７に示すように、アンテナ７１０－１および７１０－２は、軸７０１上に一列に並べら得、アンテナ７１０－２および７１０－３は、軸７０１に直交する軸７０２上に一列に並べられ得る。アンテナ７１０－２の中心は、アンテナ７１０－１の中心から２．５ｍｍ以内に位置し得る。アンテナ７１０－２の中心は、アンテナ７１０－３の中心から２．５ｍｍ以内に位置し得る。

送信アンテナ７１０－４は、受信アンテナ７１０－１、７１０－２、および７１０－３のＬ字状のパターンとは別個に配置され得る。すなわち、いくつかの実施の形態では、送信アンテナ７１０－４の中心は、軸７０１に平行なアンテナ７１０－３の軸上に位置しない。いくつかの実施の形態では、送信アンテナ７１０－４は、アンテナ７１０－１の中心の軸７０３にあり、軸７０３は、軸７０２に平行である。

アンテナ７１０の各々は、四角形の中空ＤＲＡ（誘電体共振器アンテナ）であり得る。アンテナ７１０の各々は、同じ寸法セットを有し得る。これに代えて、受信アンテナ７１０－１、７１０－２、および７１０－３の各々の寸法は同じであり得、送信アンテナ７１０－４の寸法は、受信アンテナとは異なり得る。いくつかの実施の形態では、送信アンテナ７１０－４の幅は、０．２ｍｍなど、受信アンテナ７１０－１、７１０－２、および７１０－３よりも大きいが、長さは同じである。

このような配置において、適用された重みによって生じるアンテナ７１０－１のレーダーデータストリームとアンテナ７１０－２のデータストリームとの間の位相遅延は、受信ビームの縦方向に影響を与え得、重みによって生じるアンテナ７１０－２のレーダーデータストリームとアンテナ７１０－３のデータストリームとの間の位相遅延は、受信ビームの横方向に影響を与え得る（レーダーサブシステム集積回路が非接触睡眠トラッキングデバイス内にほぼ同じ向きで存在していると仮定した場合）。

いくつかの実施の形態では、送信および受信にそれぞれ別個のアンテナを用いる。たとえば、アンテナ７１０－４を送信のみに使用し得、アンテナ７１０－１、７１０－２、および７１０－３を受信のみに使用する。

すべてのアンテナが上述したような１つの比較的小型の集積回路チップ上に配置されているレーダーサブシステムを利用することが、コスト削減と、受信側のビームステアリングを行うのに妥当な能力と、一般的なベッドの大きさ（たとえば、クイーン、キング、フル、ツイン）を範囲に含めることができる水平面において十分に幅の広いアンテナパターンとの間で良好なバランスを実現できることがわかった。同時に、レーダーサブシステムを組み込んだデバイスを、（目覚まし時計と置き換え可能な）目覚まし時計機能、ホームコントロールハブ、および／または娯楽用タッチスクリーンデバイスを含む、パーソナルアシスタントとしても機能させるためにベッドに十分近い位置（たとえば、１メートル内）にレーダーサブシステムを組み込んだデバイスを置くことができる。

実施の形態６００のビームステアリングモジュールは、アンテナ７１０の互いに対する配置を加味しないが、実施の形態８００は、レーダーサブシステム７００のアンテナ配置のトポロジーに適応できる。その他の実施の形態では、アンテナ７１０は、「Ｌ」以外のパターンに配置されてもよい。

図８は、睡眠トラッキングおよび／またはヘルスモニタリングが行われる方向に照準を合わせるためのビームステアリングモジュールの実施の形態８００を示す図である。実施の形態８００では、レーダーサブシステム４０５のアンテナ配置（すなわち、アンテナトポロジー）が考慮される。アンテナトポロジーを考慮することによって、より精度の高いビームステアリングが実行され得、これにより、自身のベッドで睡眠中のユーザをより精度高くトラッキングできるようになる。アンテナ７１０－１は、レーダーデータストリーム６２０－１に対応し、アンテナ７１０－２は、レーダーデータストリーム６２０－２に対応し、アンテナ７１０－３は、レーダーデータストリーム６２０－３に対応する。すなわち、レーダーサブシステム４０５のアンテナ７１０－２のデータストリームとアンテナ７１０－３のデータストリームとの間に付加された位相遅延が、横方向のビーム照準に利用され、アンテナ７１０－２のデータストリームとアンテナ７１０－１のデータストリームとの間の位相遅延が、縦方向のビーム照準に利用される。アンテナ７１０－２のデータストリームが縦方向のビーム照準に使われるか横方向のビーム照準に使われるかどうかによって、別個のデジタル実装されたミキサーを用いて異なる重みが適用され得る。

実施の形態６００と同様に、実施の形態８００では、レーダーサブシステム４０５の各アンテナから別個のデジタルレーダーデータストリーム６２０を受信する。ミキサー８３０およびコンバイナ８４０は、図４Ａのビームステアリングシステム４３２を表し得る。実施の形態８００では、ビームステアリングモジュール８１０は、４つのミキサー８３０（８３０－１、８３０－２、８３０－３、および８３０－４）を有する。実施の形態６００と同様に、チャネル重み付けエンジン４３１が出力する値（たとえば、複素数値）は、レーダーデータストリーム６２０のうち各レーダーデータストリームと混合され得る。しかしながら、横方向のビーム照準と縦方向のビーム照準に別個に利用されるそれぞれ異なる重みをレーダーデータストリーム６２０－２と混合として、２つの加重出力を作成してもよい。レーダーデータストリーム６２０－１は、ミキサー８３０－１を介して適用された重みを有し得、コンバイナ８４０－１を介してレーダーデータストリーム６２０－２（ミキサー８３０－２を介して適用された重みを有する）と合成され得る。ミキサー８３０－１および８３０－２において適用される重みを足し合わせると、１という正規化された値になり得る。レーダーデータストリーム６２０－３は、ミキサー８３０－４を介して適用された重みを有し得、コンバイナ８４０－２を介してレーダーデータストリーム６２０－２（ミキサー８３０－３を介して適用された重みを有する）と合成され得る。ミキサー８３０－３および８３０－４において適用される重みを足し合わせると、１という正規化された値になり得る。

チャネル重み付けエンジン４３１は、実施の形態６００における実装と同様に実装され得る。チャネル重み付けエンジン４３１は、最小二乗最適化プロセスまたはその他の最適化プロセスを実行し、最適またはほぼ最適な受信ビームの方向を決定し得る。実施の形態８００では、チャネル重み付けエンジン４３１は、重み付けのために、実施の形態６００のように３つの出力ではなく、４つの出力を生成し得る。そのため、重みについて出力される特定のパターンの値またはランダムな値セットが最小二乗最適化プロセスの一部として使われる場合、実施の形態８００では、重みを設定するために使われる最適な出力値セットを得るために、実施の形態６００よりも多くの数の出力値セットがテストされ得る。

２つの出力８４５である出力８４５－１および出力８４５－２を、レーダー処理モジュール８５０に出力し得る。睡眠を解析するために、その後、出力８４５－１および出力８４５－２について別個の処理がレーダー処理モジュール８５０によって実行され得る。上位では、レーダー処理モジュール８５０による処理は、処理中に方向が利用されなくなるまで、出力８４５の各々に対して実行され得る。実施の形態８００では、動きフィルター、周波数エンファシス部、およびレンジ-バイタル変換エンジンの別個のインスタンスが出力８４５の各々に適用された後、その結果が平均化または足し合わされ得る。より具体的には、出力８４５－１は、動きフィルター８５１－１に出力され、その後、周波数エンファシス部８５２－１に出力され、そしてレンジ-バイタル変換エンジン８５３－１に出力され得る。出力８４５－２は、動きフィルター８５１－２に出力され、その後周波数エンファシス部８５２－２に出力され、そしてレンジ-バイタル変換エンジン８５３－２に出力され得る。動きフィルター８５１、周波数エンファシス部８５２、およびレンジ-バイタル変換エンジン８５３は、図４Ａの動きフィルター４１１、周波数エンファシス部４１２、およびレンジ-バイタル変換エンジン４１３に関連して詳細を説明したように機能し得る。レンジ-バイタル変換エンジン８５３－１の出力と、レンジ-バイタル変換エンジン８５３－２の出力は、コンバイナ８５４を用いて足し合わされ得るまたは合成され得る。コンバイナ８５４の出力（レンジ-バイタル変換エンジン８５３の出力の平均を表し得る）は、レンジゲートフィルター４１４によって処理され得た後、図４Ａに関連して詳細を説明したような構成要素によって処理され得る。

実施の形態８００を用いてユーザの呼吸を解析するための第１の実施の形態セットにおいて、縦方向のビームステアリングは行われない。このような実施の形態では、横方向に分散されたアンテナからのＲＡＷ波形データを利用するビームステアリングのみが使われ得る。たとえば、図７を参照すると、アンテナ７１０－２および７１０－３から取得したＲＡＷ波形データのみが横ビームステアリングに利用され得る。その後、ビームステアリングモジュール８１０からの出力８４５－２は、位相キャプチャモジュール５０１のうち対応する位相キャプチャモジュールに入力され得る。このような実施の形態では、縦方向のビームフォーミングに関する構成要素は実装されていない、または、睡眠をトラッキングする目的のためのビーム照準用に使われ得る。

実施の形態８００を用いて実行されるビームステアリングを利用してユーザの呼吸を解析するための第２の実施の形態セットにおいて、ビームステアリングモジュール８１０からの出力８４５－１および８４５－２の両方が使われ得る。システム５００Ｂの一部として実装されたこのような実施の形態では、これらの出力の各々は、位相キャプチャモジュール５０１のそれぞれ別個の位相キャプチャモジュールと、レーダー位相処理モジュール５１０のそれぞれ別個のレーダー位相処理モジュールとを用いて処理されて得、これにより、アンラップされた位相値のペアが作成される。その後、各ペアに含まれる２つの位相値は、平均化されて特徴量バンドルコンパイラ５２０に渡され得る。そのため、実施の形態８００の縦方向のビームフォーミングおよび横方向のビームフォーミングの両方を行うために、横方向のビームステアリングのみが行われたときと同じ数の空間領域をモニタリングするためには、位相キャプチャモジュールの数およびレーダー位相処理モジュールの数を倍にするよう実装する必要があり得る（平均化を実行することに加えて）。

睡眠モニタリングの場合、レーダー処理モジュール８５０およびビームステアリングモジュール８１０は、１つの汎用プロセッサ（または、複数のプロセッサ）によって実行される１つのソフトウェア処理として実行され得るので、より複雑な混合、重み、ならびに動きフィルター８５１、周波数エンファシス部８５２、およびレンジ-バイタル変換エンジン８５３の複数のインスタンスを実装するには、十分な処理能力が利用可能である必要があるであろう。そのため、このような処理能力が利用可能であると仮定した場合、実施の形態６００の代わりに実施の形態８００を実装するために非接触睡眠トラッキングデバイスにハードウェア変更を加える必要はないであろう。いくつかの実施の形態では、実施の形態６００が実装され得、睡眠トラッキングの結果の精度が低かった場合、実施の形態８００が実装され得る（またはその逆）。有利には、レーダー機能が組み込まれたスマートホーム管理デバイス（たとえば、Ｎｅｓｔ Ｈｏｍｅ Ｈｕｂ）を非接触ヘルスモニタリングデバイス３００が備えるいくつかの実施の形態では、スマートホーム管理デバイスは、スマートスピーカー、ホームアシスタント、ならびにタッチスクリーンベースの制御ボタンおよび／またはエンターテイメントハブのネットワーク接続された組合せであり、パラメータ計算方法の改良、さらにはレーダー処理アルゴリズム全体の改良は、インターネットを経由して中央クラウドサーバによって必要に応じて出されるその分野のソフトウェア更新によって達成可能である。

図６および図８の実施の形態６００および８００の受信側ビームステアリングの態様は、それぞれデジタルドメインで実装されるが、ビームステアリングモジュール６１０および８１０の機能は、アナログ部品を用いてアナログドメインで実装されてもよい。このようなビームステアリングがアナログドメインで実行された場合、デジタルドメインへの変換は、このようなアナログビームステアリングが実行された後に実行され得、レーダー処理モジュール４１０または８５０にデジタルデータが提供される。

図９は、非接触睡眠トラッキングデバイス９００（「デバイス９００」）の実施の形態を示す図である。これに代えて、デバイス９００は、非接触呼吸トラッキングデバイスと称することもできる。デバイス９００は、透明なフロントスクリーン９４０を含む前面を有し得、ディスプレイが見えるようになっている。このようなディスプレイは、タッチスクリーンであり得る。透明なフロントスクリーン９４０を囲んでいるのは、ベゼル９３０と称される視覚的に不透明な領域であり得る。レーダーサブシステム４０５は、ベゼル９３０を通してデバイス９００の前方に環境の視野を有する。

直ぐ下の説明のために、縦および横という用語は、概して寝室を基準にした方向を言い、縦は、床に直交する方向を指し、横は、床に平行な方向を指す。レーダーサブシステム（インフィニオン（登録商標）のＢＧＴ６０レーダーチップであってもよい）は、だいたい平面状であるため、デバイス全体の空間を小さくするために、ベゼル９３０にほぼ並行に設置され、レーダーチップ内のアンテナは、チップの面に置かれている、すなわちビーム照準がないため、レーダーサブシステム３２０の受信ビームは、ベゼル９３０にほぼ垂直な方向９５０に向けられ得る。ベゼル９３０が完全な縦方向から離れるように傾き（透明なスクリーン９４０のタッチスクリーン機能とのユーザの対話を容易にするためにいくつかの実施の形態では、約２５度とされる）を有していることで、方向９５０は、デパーチャーアングル９５１だけ横方向から上に向いている。ユーザが睡眠をとるマットレスの上部とだいたい同じ高さのベッドわきにあるプラットフォーム（たとえば、サイドテーブル）上にデバイス９００が、通常、設置されると想定した場合、レーダーサブシステム３２０の受信ビームが横方向９５２またはほぼ横方向（たとえば、横方向から－５度～５度の間）に照準を合わせることはメリットがあるであろう。そのため、縦方向のビーム照準を用いて、レーダーサブシステム３２０が存在しているデバイス９００の一部のデパーチャーアングル９５１を補償することができる。

図１０は、デバイス９００の実施の形態の分解図である。デバイス９００は、ディスプレイアセンブリ１００１と、ディスプレイ筐体１００２と、メイン配線基板１００３と、ネックアセンブリ１００４と、スピーカーアセンブリ１００５と、ベース板１００６と、メッシュネットワーク通信インタフェース１００７と、上部ドーターボード１００８と、ボタンアセンブリ１００９と、レーダーアセンブリ１０１０と、マイクロフォンアセンブリ１０１１と、ロッカースイッチブラケット１０１２と、ロッカースイッチボード１０１３と、ロッカースイッチボタン１０１４と、Ｗｉ－Ｆｉアセンブリ１０１５と、電源ボード１０１６と、電源ブラケットアセンブリ１０１７とを備え得る。デバイス９００は、デバイス３０１がどのように実装され得るかについての実施の形態を表し得る。

ディスプレイアセンブリ１００１と、ディスプレイ筐体１００２と、ネックアセンブリ１００４と、ベース板１００６とを合わせると、デバイス９００の残りの構成要素のすべてを収容する筐体が形成され得る。ディスプレイアセンブリ１００１は、ユーザに情報を提示する電子ディスプレイ（タッチスクリーンであり得る）を含み得る。そのため、ディスプレイアセンブリ１００１は、表示画面を備え得る。表示画面は、接地面として機能できるディスプレイの金属板を含み得る。ディスプレイアセンブリ１００１は、金属板から離れた位置に、ディスプレイアセンブリ１００１が面している全体方向に様々なセンサーの視野がくる透明部分を備えてもよい。ディスプレイアセンブリ１００１は、デバイス９００の筐体の一部として機能するガラス製または透明プラスチック製の外面を含み得る。

ディスプレイ筐体１００２は、ディスプレイアセンブリ１００１の筐体として機能するプラスチックまたはその他の硬質素材もしくは半硬質素材であり得る。メイン配線基板１００３、メッシュネットワーク通信インタフェース１００７、上部ドーターボード１００８、ボタンアセンブリ１００９、レーダーアセンブリ１０１０、およびマイクロフォンアセンブリ１０１１など、様々な構成要素がディスプレイ筐体１００２上に搭載され得る。メッシュネットワーク通信インタフェース１００７、上部ドーターボード１００８、レーダーアセンブリ１０１０、およびマイクロフォンアセンブリ１０１１は、平角線アセンブリを用いてメイン配線基板１００３に接続され得る。接着剤を用いてディスプレイアセンブリ１００１にディスプレイ筐体が取り付けられ得る。

メッシュネットワーク通信インタフェース１００７は、１つ以上のアンテナを備え得、スレッドベースのメッシュネットワークなどメッシュネットワークと通信可能であり得る。干渉の可能性を低くするために、Ｗｉ－Ｆｉアセンブリ１０１５は、メッシュネットワーク通信インタフェース１００７から離れた位置に配置され得る。Ｗｉ－Ｆｉアセンブリ１０１５は、Ｗｉ－Ｆｉベースのネットワークとの通信を有効にし得る。

レーダーサブシステム３２０またはレーダーサブシステム４０５を含み得るレーダーアセンブリ１０１０は、そのＲＦエミッターおよびＲＦレシーバーがディスプレイアセンブリ１００１の金属板から離れて、距離メッシュネットワーク通信インタフェース１００７およびＷｉ－Ｆｉアセンブリ１０１５からかなり距離がある位置に置かれるように配置され得る。これらの３つの構成要素は、ほぼ三角形に配置され得、構成要素間の距離を大きくして干渉が抑えられる。たとえば、デバイス９００では、Ｗｉ－Ｆｉアセンブリ１０１５とレーダーアセンブリ１０１０との間は、少なくとも７４ｍｍの距離が保たれ得る。メッシュネットワーク通信インタフェース１００７とレーダーアセンブリ１０１０との間は、少なくとも１０８ｍｍの距離が保たれ得る。これに加えて、レーダーアセンブリ１０１０とスピーカー１０１８との間の距離は、スピーカー１０１８が発生させ得るレーダーアセンブリ１０１０上の振動の影響を最小限に抑える距離であることが望ましい。たとえば、デバイス９００の場合、レーダーアセンブリ１０１０とスピーカー１０１８との間は、少なくとも７９ｍｍの距離が保たれ得る。これに加えて、マイクロフォンとレーダーアセンブリ１０１０との距離は、受信したレーダー信号上のマイクロフォンからの干渉を最小限に抑える距離であることが望ましい。上部ドーターボード１００８は、複数のマイクロフォンを備え得る。たとえば、上部ドーターボード１００８の最も近いマイクロフォンとレーダーアセンブリ１０１０との間は、少なくとも１２ｍｍの距離が保たれ得る。

また、その他の構成要素が存在し得る。第３のマイクロフォンアセンブリ、マイクロフォンアセンブリ１０１１が存在し得る。マイクロフォンアセンブリ１０１１は、背面にあり得る。マイクロフォンアセンブリ１０１１は、上部ドーターボード１００８のマイクロフォンと協調して、背景ノイズから発話コマンドを分離させるように機能し得る。電源ボード１０１６は、ＡＣ電源から受電した電力を、デバイス９００の構成要素に電力を供給するためのＤＣ電力に変換し得る。電源ボード１０１６は、電源ブラケットアセンブリ１０１７を用いてデバイス９００内に載置され得る。ロッカースイッチブラケット１０１２、ロッカースイッチボード１０１３、およびロッカースイッチボタン１０１４をまとめて利用して、上／下入力など、ユーザ入力を受信し得る。このような入力は、たとえば、スピーカー１０１８からの音声出力の音量を調整するために使われ得る。別のユーザ入力として、ボタンアセンブリ１００９は、ユーザが動かすことのできるトグルボタンを含み得る。このようなユーザ入力を用いて、ユーザがプライバシーを求めている場合および／またはデバイス９００に音声コマンドに応答して欲しくない場合などにすべてのマイクロフォンを起動および停止させ得る。

図１１は、人がいつ睡眠しているかを判断するためのステートマシン１１００の実施の形態を示す図である。レーダー処理モジュール３１２が出力するデータに基づいて、睡眠状態検出エンジン３１４は、ステートマシン１１００を用いて、人が睡眠中であるかどうかを判断し得る。いくつかの実施の形態では、睡眠状態検出エンジン３１４は、レーダー処理モジュール３１２の機能の一部として組み込まれており、別個のモジュールとして存在しないことを理解されたい。ステートマシン１１００は、ベッドに入る状態１１０１、ベッドにいない状態１１０２、ベッドで動いている状態１１０３、ベッドで動いていない状態１１０５、およびベッドを出る状態１１０４という、可能性のある５つの睡眠状態を含み得る。

動いていないことを示す波形データが存在する場合、これは、ユーザがベッドにいないことを示し得る。バイタルサインが原因で、ベッドにいるユーザは、少なくとも少しの量、常に動いていることが想定できる。そのため、動きがゼロであることが観測された場合、ユーザは、状態１１０１であると判断され得る。状態１１０１が判断されたあと、次に判断される可能性のある状態は、状態１１０２である。状態１１０２では、モニタリングされているユーザがベッドに入るところである。表２に従うなどして、重要なユーザの動きが検知され得る。これは、ユーザがベッドに入るところであることを示し得、状態１１０１から状態１１０２に状態を遷移させ得る。

状態１１０２から、ユーザが寝転がったり、適切な位置を探したり、枕、シーツ、および／またはブランケットを移動させたり、読書することなどが原因である動きがベッドで検出され続け得る。このような動きが検出され続けている間に、状態１１０２は、状態１１０３に遷移し得る。これに代えて、動きが検出されたあとに動きが検出されなくなる場合、モニタリングされているユーザがベッドから出たことによって状態１１０５になったことを意味し得る。この状態になると、状態１１０２は、状態１１０５に遷移したあと、状態１１０１に戻るであろう。一般に、状態１１０４は、ユーザが睡眠中であると解釈され得、状態１１０３は、ユーザが起きていると解釈され得る。いくつかの実施の形態では、ユーザが睡眠中であると分類するためには、状態１１０４がしきい値時間（または、少なくとも一部が時間に基づくしきい値基準の形式を利用するその他の判断形式）以上続く必要があり、ユーザを起きていると分類するためには、状態１１０３がしきい値時間（または、少なくとも一部が時間に基づくしきい値基準の形式を利用するその他の判断形式）以上続く必要がある。たとえば、ベッド内での５秒未満の動きは、ユーザが睡眠中であると以前判定されている場合、ユーザがまだ睡眠しているのに動いていると解釈され得る。そのため、ユーザが、状態１１０４から状態１１０３に遷移し、複数回動いたあと、一定期間未満のうちに状態１１０４に戻った場合、ユーザは、「睡眠時覚醒」に遭ったと識別され得る。睡眠時覚醒では、ユーザの睡眠が乱されるが、ユーザが起こされることはない。このような睡眠時覚醒も共にトラッキングされてもよく、またはユーザが完全に覚醒したと判断される現象とは別個のデータが保持されてもよい。

状態１１０３から、状態１１０５において、モニタリングされているユーザは、ベッドから出るところであると判断され得、状態１１０４で動かなくなり得る。状態１１０４における「動かなく」なるとは、モニタリングされているユーザによる大きな動きはないが、バイタルサインが原因である小さな動きをし続けていることを指す。いくつかの実施の形態では、モニタリングされているユーザの状態が状態１１０４であると判断された場合のみ、バイタルサインは、精度が高いとみなされ、および／または、格納、記録、もしくはユーザのバイタルサインを計測するために使用される。状態１１０３および状態１１０４の間に収集されたデータを用いて、モニタリングされているユーザの一般的な睡眠パターンが判定され得る（たとえば、どれくらい寝返りを打つのか、睡眠の質がどれくらいなのか、深睡眠がいつ起こるのか、レム睡眠がいつ起こるのかなど）。ユーザが、予め定められた期間、状態１１０４になったあと、ユーザは、状態１１０４を出るまで、睡眠しているとみなされ得る。ユーザは、状態１１０４に最初に遷移したとき、睡眠中であるとみなされるまで、２～５分など、一定の時間、状態１１０４のままでいる必要があり得る。ユーザは、少なくとも定められた期間、状態１１０３にあると、覚醒していると識別され得る。しかしながら、ユーザが状態１１０４から、この定められた期間未満の間、状態１１０３に入り、状態１１０４に戻った場合、ユーザは、睡眠中にただ動いているだけであって引き続き睡眠中であると識別され得る。

図３～図１１のシステム、デバイス、およびステートマシンを用いて、様々な方法を実行できる。図１２は、異常な呼吸状態が存在するかどうかを判断するためにユーザの呼吸の非接触モニタリングを実行するための方法の実施の形態を示す図である。方法１２００は、非接触ヘルスモニタリングデバイス３０１を用いて実行され得る。より具体的には、方法１２００は、図５Ｂのシステム５００Ｂを用いて実行され得る。

ブロック１２１０では、電波を放射する。放射される電波は、ＦＭＣＷなど、連続波レーダーであり得る。ＦＭＣＷレーダーは、図４Ｂに関連して詳細を説明したように電波を送信できる。電波は、レーダーサブシステム４０５のＲＦエミッター４０６によって放射され得る。ブロック１２２０では、レーダーサブシステム４０５のＲＦレシーバー４４０の複数のアンテナなどによって電波の反射を受信し得る。ブロック１２２０において受信した反射は、移動体（たとえば、ベッドで睡眠中の人、ベッドで動いている人）および静止物を反射したものであり得る。

ブロック１２３０では、ユーザが呼吸解析の対象であるかどうかを判断する。ブロック１２３０の判断は、ユーザがベッドにいて動いていない（バイタルサインのほかに）と機械学習分類が判断したかどうかに基づいて実行され得る。機械学習による分類は、ニューラルネットワーク４１６によって実行され得る。そのため、システム４００Ａは、稼働中であり得、図４Ａに関連して詳細を説明したように機能し、ステートマシン１１００に従ってユーザの状態を判断し、場合によっては、ユーザの呼吸および心拍数など、バイタルサインをモニタリングする。ブロック１２３０が肯定であると判断された場合、方法１２００はブロック１２３０に進み得、システム５００Ｂが起動され得る。ブロック１２３０が否定であると判断された場合、方法１２００は、ブロック１２１０に戻り、ユーザが呼吸解析の対象であるかどうかのモニタリングをし続け得る。

ブロック１２３５では、受信した反射レーダーチャープについて、ユーザの胸部に対応するＮ個の空間ゾーンのビームフォーミングを行う。式６に関連して詳細を説明したように、大きさが最大のユーザのバイタルサインが検出される方向を決定することにより、ビームステアリングモジュール４３０などのビームステアリングモジュールによって、ユーザの胸部への全体方向が先ず決定され得る。決定された方向に基づいて、各々のデジタル受信側ビームステアリングが異なるＮ個の空間ゾーンが決定され得る。大きさが最大のユーザのバイタルサインが検出された方向であると判断された方向に基づく角度によって、照準が合わせられた空間領域間に間隔が空けられ得る。空間ゾーンは、一部重なり合ってもよい。

ブロック１２４０では、Ｎ個の空間ゾーンの各々について、呼吸による変位量を判定し得る。空間ゾーンにおけるユーザの胸部の動きの量は、位相を用いると最も精度高く判定され得る。空間ゾーンごとに、ユーザの呼吸に関連する周波数の位相の兆候を出力する位相キャプチャモジュールを実行し得る。この位相値は、位相キャプチャモジュール５０１およびレーダー位相処理モジュール５１０に関連して詳細を説明したように判定および変更され得る。そのため、ブロック１２４０の出力は、ユーザの胸部の瞬間的な位置を示し得る。この瞬間的な位置は、アンラップされた位相値によって表され得る。

いくつかの実施の形態では、Ｎ個の空間ゾーンの各々について処理は、並列して実行される。その他の実施の形態では、処理は逐次実行される。逐次実行される場合、最初の空間ゾーンについてブロック１２４０が実行された後、ブロック１２５０において、次の空間ゾーンについてブロック１２３５および１２４０を処理する必要があるかどうかの判断を行う。次の空間ゾーンについてブロック１２３５および１２４０を処理する必要がある場合、方法１２００は、ブロック１２３５に戻り、モニタリングされている別の空間ゾーンに対応する受信側ビームフォーミング（同じ受信した反射レーダーチャープに対応する）を実行する。空間ゾーンの数は、実施の形態によって異なる。実施の形態は、２つ、３つ、４つ、５つ、６つ、７つ、８つ、９つ、１０つ、またはそれ以上の数の空間ゾーンを含み得る。

すべての空間ゾーンが並列または逐次解析された後、ブロック１２６０において、所与の受信した反射レーダーチャープについてＮ次元特徴量ベクトルを作成し得る。ブロック１２６０は、図５Ｂに関連して詳細を説明したように、特徴量バンドルコンパイラ５２０によって実行され得る。Ｎ次元特徴量ベクトルの作成は、空間ゾーンごとの位相値を、一定時間、バッファリングさせることを含み得る。バッファリングされた位相値セットごとに、フーリエ変換（たとえば、ＦＦＴ）を実行して、周波数の大きさと位相値とを求め得る。位相および大きさの値は、ブロック１２７０に入力されるフェイザーまたは特徴量ベクトルとして用いられ得る。ブロック１２６０では、Ｎ個の特徴量ベクトルが、モニタリングされているＮ個の空間ゾーンの各々に対応するように作成される。

ブロック１２７０では、訓練済み機械学習モデルを用いるなどして、Ｎ個の特徴量ベクトルを解析する。訓練済み機械学習モデルは、ニューラルネットワークであり得る。Ｎ個の特徴量ベクトルは、分類を実行するために機械学習モデルが用いる特徴量として機能する。機械学習モデルは、特定の呼吸状態（たとえば、奇異呼吸）がある人に対応するトゥルースがタグ付けされた特徴量ベクトルのバンドルセットおよび呼吸が健康である人に対応するトゥルースがタグ付けされた特徴量ベクトルのバンドルセットを用いて、訓練済みであり得る。機械学習モデルは、特定の異常な呼吸状態にあるユーザを特定するよう訓練され得る。いくつかの実施の形態では、ブロック１２７０をそれぞれ異なる機械学習モデルを用いて複数回実行し、異なる呼吸関連の健康状態を特定し得る。ブロック１２７０の出力は、分類の作成元であるデータのタイムスタンプに沿った１つ以上の分類であり得る。

ブロック１２８０では、ブロック１２７０で取得した分類およびタイムスタンプデータを格納、解析、および／または出力し得る。いくつかの実施の形態では、分類データは、１晩（たとえば、ユーザは、夜間に１回以上目を覚ます可能性はあるが、ユーザが就寝してから朝に起床するまで。）など、一定時間、格納される。このデータは、集計、格納、および／または出力され得る。異常な睡眠状態がある可能性があるとユーザが通知されるために、ユーザに異常な睡眠状態があるとの分類が、少なくともしきい値期間、出力される必要があり得、または、その他の時間に関する基準を満たす必要があり得る。たとえば、一晩のうち、奇異呼吸の分類が、わずか数秒間しか出力されなかった場合、この状態についてユーザは通知されなくてもよい。しかしながら、夜に１分よりも長い間奇異呼吸があるとユーザが分類された場合、このユーザは、奇異呼吸を抱えていたとの通知を受信し得る。

ユーザには、夜間に異常な呼吸状態を抱えていたかどうかを示す夜間レポートが提供され得る。この夜間レポートは、心拍数および／または呼吸数関連など、バイタルサイン関連データを示す夜間レポートと一体化され得る。異常な呼吸状態が検知された場合、ユーザがこの呼吸状態を抱えていた時間も出力され得る。また、呼吸状態の定義も出力され得る。夜間レポートは、非接触デバイスの表示画面を用いて提示され得、および／または合成音声を用いて出力され得る。いくつかの実施の形態では、夜間レポートデータは、（ユーザのスマートフォンまたはタブレットコンピュータ上にインストールされたアプリケーションを介するなどして）クラウドベースのサーバシステムによって格納されているアカウントにユーザがログインすることによってアクセス可能になる。

これに加えてまたはこれに代えて、定期的または時々、長期レポートがユーザに出力され得る（または、このようなレポートは、ユーザからの要求に応じてアクセス可能であり得る）。複数の夜、１週間、２週間、１ヶ月、半年、１年など、１晩よりも長い期間を範囲に含み得る長期レポートは、異常な呼吸状態に関する１つ以上の傾向を示し得る。たとえば、長期レポートは、ユーザが抱える１晩あたりの呼吸異常が時間の経過とともに長くなっているか、短くなっているかの傾向を示し得る。１晩あたりの呼吸異常の期間が増えているという証拠は、正式な診断および治療計画を受けるために医療従事者の元を訪れるようユーザを説得するのに役立ち得る。

いくつかの実施の形態では、方法１２００を実行するデバイスは、発話コマンドに応答できる。ユーザは、「ハイ、デバイス、昨晩の私の睡眠はどうだった？」など、夜間レポートおよび／または長期レポートを要求するコマンドを発話し得る。口頭によるコマンドを受信した場合、デバイスは、ワイヤレスネットワークインタフェース介して、発話コマンドを解釈するためにクラウドベースのサーバシステムに送信し得る。これに応答して、クラウドベースのサーバシステムは、デバイスによって出力されるデータを示し得る。デバイスは、クラウドベースのサーバシステムからデータを受信し得、出力すべきローカルに格納されたデータを示すクラウドベースのサーバシステムからのコマンドを受信し得る。夜間レポートおよび／または長期レポート情報を含む発話コマンドに応答して、グラフィカルインタフェースおよび／または合成音声が出力され得る。

様々な構成は、適宜、様々なプロシージャまたは構成要素を省略したり、置き換えたり、追加したりしてもよい。たとえば、別の構成では、方法は、説明した順序とは異なる順序で実行されてもよく、および／または、様々なステージを追加したり、省略したり、および／または組み合わせたりしてもよい。また、特定の構成に関して説明した特徴を、様々なその他の構成において組み合わせてもよい。構成のそれぞれ異なる態様および要素を同様に組み合わせてもよい。また、技術は進化するので、要素の多くは例示であり、本開示またはクレームの範囲を限定しない。

例示的な構成（実施態様を含む）を十分に理解してもらうために、具体的な詳細を記載した。しかしながら、これらの具体的な詳細がなくても当該構成を実施できるであろう。たとえば、構成を曖昧にしてしまわないように、周知の回路、処理、アルゴリズム、構造、および技術を、不必要に詳細を説明することなく図示した。この説明は、構成を例示しているにすぎず、クレームの範囲、利用可能性、または構成を限定しない。むしろ、以上の構成の説明は、記載の技術を実装するための、実施可能にするための説明を当業者に提供する。本開示の趣旨または範囲を逸脱することなく、要素の機能および配置に様々な変更が加えられてもよい。

また、構成は、フロー図またはブロック図として描かれる処理として説明されてもよい。各構成は、複数の動作を１つの逐次プロセスとして記載し得るが、これらの動作の多くは、並列または同時に実行できる。これに加えて、動作の順序を並び替えてもよい。処理は、図に含まれていない追加ステップを有してもよい。さらには、方法の実施例は、ハードウェア、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語、または、任意のそれらの組合せによって実装されてもよい。ソフトウェア、ファームウェア、ミドルウェア、またはマイクロコードで実装された場合、必要なタスクを実行するためのプログラムコードまたはコードセグメントは、記憶媒体など、非一時的なコンピュータ読み取り可能な媒体に格納されてもよい。プロセッサが上述したタスクを実行してもよい。

いくつかの例示的な構成を説明したが、本開示の趣旨から逸脱することなく、様々な変更、別の構成、および均等物が用いられてもよい。たとえば、上記要素は、より大きなシステムの構成要素であってもよく、その他の規則が優先されてもよく、そうでない場合、本発明の適用を変更してもよい。また、上記要素が考慮される前、間、または後に複数のステップが挿入されてもよい。

図１１は、人がいつ睡眠しているかを判断するためのステートマシン１１００の実施の形態を示す図である。レーダー処理モジュール３１２が出力するデータに基づいて、睡眠状態検出エンジン３１４は、ステートマシン１１００を用いて、人が睡眠中であるかどうかを判断し得る。いくつかの実施の形態では、睡眠状態検出エンジン３１４は、レーダー処理モジュール３１２の機能の一部として組み込まれており、別個のモジュールとして存在しないことを理解されたい。ステートマシン１１００は、ベッドに入る状態１１０２、ベッドにいない状態１１０１、ベッドで動いている状態１１０３、ベッドで動いていない状態１１０４、およびベッドを出る状態１１０５という、可能性のある５つの睡眠状態を含み得る。

Claims (29)

1. 非接触ヘルスモニタリングデバイスであって、
   筐体と、
   複数のアンテナを含むレーダーセンサーとを備え、前記レーダーセンサーは、前記筐体に収容され、前記非接触ヘルスモニタリングデバイスは、
   処理システムを備え、前記処理システムは、前記レーダーセンサーと通信する、前記筐体に収容された１つ以上のプロセッサを含み、
   前記処理システムは、
   前記複数のアンテナのアンテナごとに、前記レーダーセンサーからレーダーデータストリームを受信することによって、複数のレーダーデータストリームを受信し、
   受信した前記複数のレーダーデータストリームから、複数の照準が合わせられた空間ゾーンレーダーデータストリームを作成するビームステアリング処理を実行し、
   前記複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについて、ユーザの呼吸による変位を判定し、
   前記複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについて前記ユーザの呼吸による変位を解析し、
   前記複数の照準が合わせられた空間ゾーンレーダーデータストリームのうち、照準が合わせられた空間ゾーンレーダーデータストリームごとの時間に応じた前記ユーザの呼吸による変位を解析することに基づいたスクリーニング結果を出力するよう、構成され、
   照準が合わせられた空間ゾーンレーダーストリームのうち、第１は、前記ユーザの胸部ゾーンに対応し、
   照準が合わせられた空間ゾーンレーダーストリームのうち、第２は、前記ユーザの腹部ゾーンに対応し、
   前記解析は、前記腹部ゾーンの前記呼吸による変位と、前記胸部ゾーンの前記呼吸による変位との間の、奇異呼吸状態を示すのに十分な位相差を検出することを含み、
   出力される前記スクリーニング結果は、検出された前記奇異呼吸状態を表す情報を含む、非接触ヘルスモニタリングデバイス。
2. 前記ビームステアリング処理は、ＷＤＡＳ（重み付き遅延和）ビームステアリングを適用して前記複数の照準が合わせられた空間ゾーンレーダーデータストリームを作成することを含む、請求項１に記載の非接触ヘルスモニタリングデバイス。
3. 前記複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについて前記ユーザの呼吸による変位を解析するように前記処理システムが構成されることは、予め訓練済みの機械学習モデルを適用するように前記処理システムが構成されることを含む、請求項１に記載の非接触ヘルスモニタリングデバイス。
4. 前記予め訓練済みの機械学習モデルは、ニューラルネットワークである、請求項３に記載の非接触ヘルスモニタリングデバイス。
5. 前記複数の照準が合わせられた空間ゾーンの各照準が合わせられた空間ゾーンは、ユーザの体の異なる部分に対応する、請求項１に記載の非接触ヘルスモニタリングデバイス。
6. 前記複数の照準が合わせられた空間ゾーンは、少なくとも５つの照準が合わせられた空間ゾーンを含む、請求項５に記載の非接触ヘルスモニタリングデバイス。
7. 前記処理システムは、前記複数のレーダーデータストリームに基づいて、前記ユーザが睡眠状態にあり動いていないとステートマシンを用いて判定するようにさらに構成される、請求項１に記載の非接触ヘルスモニタリングデバイス。
8. 前記筐体に収容された、前記処理システムと通信するワイヤレスネットワークインタフェースと、
   前記筐体に収容された、前記処理システムと通信するタッチスクリーンディスプレイとをさらに備える、請求項１に記載の非接触ヘルスモニタリングデバイス。
9. 前記筐体に収容された、前記処理システムと通信するマイクロフォンと、
   前記筐体に収容された、前記処理システムと通信するスピーカーとをさらに備え、
   前記処理システムは、
   前記ユーザの呼吸による変位を解析することに関する発話コマンドを受信し、
   前記ワイヤレスネットワークインタフェースを介して前記発話要求をクラウドベースのサーバシステムに送信させ、
   前記発話要求を前記クラウドベースのサーバシステムに送信したことに応答して、前記ワイヤレスネットワークインタフェースを介してコマンドを受信し、
   受信した前記コマンドに少なくとも一部基づいて、前記タッチスクリーンディスプレイを介して前記スクリーニング結果を出力するようにさらに構成される、請求項８に記載の非接触ヘルスモニタリングデバイス。
10. 非接触ヘルスモニタリングデバイスであって、
    筐体と、
    複数のアンテナを含むレーダーセンサーとを備え、前記レーダーセンサーは、前記筐体に収容され、前記非接触ヘルスモニタリングデバイスは、
    処理システムを備え、前記処理システムは、前記レーダーセンサーと通信する、前記筐体に収容された１つ以上のプロセッサを含み、
    前記処理システムは、
    前記複数のアンテナのアンテナごとに、前記レーダーセンサーからレーダーデータストリームを受信することによって、複数のレーダーデータストリームを受信し、
    受信した前記複数のレーダーデータストリームから、複数の照準が合わせられた空間ゾーンレーダーデータストリームを作成するビームステアリング処理を実行し、
    前記複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについて、ユーザの呼吸による変位を判定し、
    前記複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについて前記ユーザの呼吸による変位を解析し、
    前記複数の照準が合わせられた空間ゾーンレーダーデータストリームのうち、照準が合わせられた空間ゾーンレーダーデータストリームごとの時間に応じた前記ユーザの呼吸による変位を解析することに基づいたスクリーニング結果を出力するよう、構成される、非接触ヘルスモニタリングデバイス。
11. 前記スクリーニング結果は、前記ユーザが奇異呼吸を抱えていることを示す、請求項１０に記載の非接触ヘルスモニタリングデバイス。
12. 前記ビームステアリング処理は、ＷＤＡＳ（重み付き遅延和）ビームステアリングを適用して、前記複数の照準が合わせられた空間ゾーンレーダーデータストリームを作成することを含む、請求項１０に記載の非接触ヘルスモニタリングデバイス。
13. 前記処理システムが前記複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについて、ユーザの呼吸による変位を判定するように構成されることは、前記処理システムが、
    前記複数の照準が合わせられた空間ゾーンレーダーデータストリームのうち、照準が合わせられた空間ゾーンレーダーデータストリームごとに位相値を判定するように構成されることを含む、請求項１０に記載の非接触ヘルスモニタリングデバイス。
14. 前記処理システムが前記複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについて前記ユーザの呼吸による変位を解析するように構成されることは、前記処理システムが、予め訓練済みの機械学習モデルを適用するように構成されることを含む、請求項１０に記載の非接触ヘルスモニタリングデバイス。
15. 前記予め訓練済みの機械学習モデルは、ニューラルネットワークである、請求項１４に記載の非接触ヘルスモニタリングデバイス。
16. 前記複数の照準が合わせられた空間ゾーンの各照準が合わせられた空間ゾーンは、ユーザの体の異なる部分に対応する、請求項１０に記載の非接触ヘルスモニタリングデバイス。
17. 前記複数の照準が合わせられた空間ゾーンは、少なくとも５つの照準が合わせられた空間ゾーンを含む、請求項１６に記載の非接触ヘルスモニタリングデバイス。
18. 前記処理システムは、前記複数のレーダーデータストリームに基づいて、前記ユーザが睡眠状態にあり動いていないとステートマシンを用いて判定するようにさらに構成される、請求項１０に記載の非接触ヘルスモニタリングデバイス。
19. 前記筐体に収容された、前記処理システムと通信するワイヤレスネットワークインタフェースと、
    前記筐体に収容された、前記処理システムと通信するタッチスクリーンディスプレイとをさらに備える、請求項１０に記載の非接触ヘルスモニタリングデバイス。
20. 前記筐体に収容された、前記処理システムと通信するマイクロフォンと、
    前記筐体に収容された、前記処理システムと通信するスピーカーとをさらに備え、
    前記処理システムは、
    前記ユーザの呼吸による変位を解析することに関する発話コマンドを受信し、
    前記ワイヤレスネットワークインタフェースを介して前記発話要求をクラウドベースのサーバシステムに送信させ、
    前記発話要求を前記クラウドベースのサーバシステムに送信したことに応答して、前記ワイヤレスネットワークインタフェースを介してコマンドを受信し、
    受信した前記コマンドに少なくとも一部基づいて、前記タッチスクリーンディスプレイを介して前記スクリーニング結果を出力するようにさらに構成される、請求項１９に記載の非接触ヘルスモニタリングデバイス。
21. レーダーサブシステムの複数のアンテナのアンテナごとに、レーダーデータストリームを受信することによって、複数のレーダーデータストリームを受信することと、
    １つ以上のプロセッサが、受信した前記複数のレーダーデータストリームから、複数の照準が合わせられた空間ゾーンレーダーデータストリームを作成するビームステアリング処理を実行することと、
    前記１つ以上のプロセッサが、前記複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについて、ユーザの呼吸による変位を判定することと、
    前記１つ以上のプロセッサが、前記複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについて前記ユーザの呼吸による変位を解析することと、
    前記１つ以上のプロセッサが、前記複数の照準が合わせられた空間ゾーンレーダーデータストリームのうち、照準が合わせられた空間ゾーンレーダーデータストリームごとの時間に応じた前記ユーザの呼吸による変位を解析することに基づいたスクリーニング結果を出力することとを含む、非接触で呼吸器の健康状態をモニタリングするための方法。
22. 前記スクリーニング結果は、前記ユーザが奇異呼吸を抱えていることを示す、請求項２１に記載の非接触で呼吸器の健康状態をモニタリングするための方法。
23. 前記ビームステアリング処理は、ＷＤＡＳ（重み付き遅延和）ビームステアリングを適用して、前記複数の照準が合わせられた空間ゾーンレーダーデータストリームを作成することを含む、請求項２１に記載の非接触で呼吸器の健康状態をモニタリングするための方法。
24. 前記複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについて、ユーザの呼吸による変位を判定することは、
    前記複数の照準が合わせられた空間ゾーンレーダーデータストリームのうち、照準が合わせられた空間ゾーンレーダーデータストリームごとに位相値を判定することを含む、請求項２１に記載の非接触で呼吸器の健康状態をモニタリングするための方法。
25. 前記複数の照準が合わせられた空間ゾーンレーダーデータストリームの各照準が合わせられた空間ゾーンレーダーデータストリームについて前記ユーザの呼吸による変位を解析することは、予め訓練済みの機械学習モデルを適用することを含む、請求項２１に記載の非接触で呼吸器の健康状態をモニタリングするための方法。
26. 前記予め訓練済みの機械学習モデルは、ニューラルネットワークである、請求項２５に記載の非接触で呼吸器の健康状態をモニタリングするための方法。
27. 前記複数の照準が合わせられた空間ゾーンの各照準が合わせられた空間ゾーンは、ユーザの体の異なる部分に対応する、請求項２１に記載の非接触で呼吸器の健康状態をモニタリングするための方法。
28. 前記複数の照準が合わせられた空間ゾーンは、少なくとも３つの照準が合わせられた空間ゾーンを含む、請求項２７に記載の非接触で呼吸器の健康状態をモニタリングするための方法。
29. 前記複数のレーダーデータストリームに基づいて、前記ユーザが睡眠状態にあり動いていないとステートマシンを用いて判定することをさらに含む、請求項２１に記載の非接触で呼吸器の健康状態をモニタリングするための方法。

Images