JP6623298B2 - 無線イベント検出及び監視のための方法、装置及びシステム - Google Patents

無線イベント検出及び監視のための方法、装置及びシステム Download PDF

Info

Publication number
JP6623298B2
JP6623298B2 JP2018529656A JP2018529656A JP6623298B2 JP 6623298 B2 JP6623298 B2 JP 6623298B2 JP 2018529656 A JP2018529656 A JP 2018529656A JP 2018529656 A JP2018529656 A JP 2018529656A JP 6623298 B2 JP6623298 B2 JP 6623298B2
Authority
JP
Japan
Prior art keywords
state information
channel state
receiver
training
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2018529656A
Other languages
English (en)
Other versions
JP2019506772A (ja
Inventor
キンイ シュー，
キンイ シュー，
フェン チャン，
フェン チャン，
チェン チェン，
チェン チェン，
ベイベイ ワン，
ベイベイ ワン，
ゾルタン サファー，
ゾルタン サファー，
イ ハン，
イ ハン，
ハン−コック デュック ライ，
ハン−コック デュック ライ，
ケー． ジェイ． レイ リウ，
ケー． ジェイ． レイ リウ，
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Origin Wireless Inc
Original Assignee
Origin Wireless Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Origin Wireless Inc filed Critical Origin Wireless Inc
Publication of JP2019506772A publication Critical patent/JP2019506772A/ja
Priority to JP2019212505A priority Critical patent/JP7320210B2/ja
Application granted granted Critical
Publication of JP6623298B2 publication Critical patent/JP6623298B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/003—Bistatic radar systems; Multistatic radar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/04—Systems determining presence of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • G01S13/536—Discriminating between fixed and moving objects or between objects moving at different speeds using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • G01S13/56—Discriminating between fixed and moving objects or between objects moving at different speeds for presence detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/02—Mechanical actuation
    • G08B13/08—Mechanical actuation by opening, e.g. of door, of window, of drawer, of shutter, of curtain, of blind
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/181—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using active radiation detection systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/181—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using active radiation detection systems
    • G08B13/187—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using active radiation detection systems by interference of a radiation field
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/10—Small scale networks; Flat hierarchical networks
    • H04W84/12—WLAN [Wireless Local Area Networks]

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)

Description

関連出願の相互参照
本願は、２０１６年１２月９日に提出された米国特許出願第６２／２６５，１５５号、２０１６年３月１１日に提出された米国特許出願第６２／３０７，０８１号（００３３Ｐ０１）、２０１６年４月１日に提出された米国特許出願第６２／３１６，８５０号（００３３Ｐ０２）、２０１６年９月２日に提出された米国特許出願第６２／３８３，２３５号（００３６Ｐ０１）、及び２０１６年１０月２１日に提出された米国特許出願第６２／４１１，５０４号の優先権を主張する。上記の出願の全体の内容が本明細書において援用される。
本発明は、無線セキュリティ／監視の用途に関する。更に詳細には、本発明は、無線信号を使用する時間反転技術に基づいてイベント検出、動作検出を行う方法、装置及びシステムに関する。
現在の屋内監視システムは主に、屋内の物体の状態を監視するための接触センサと、人間の動作の存在を検出するためのパッシブ赤外線センサ（ＰＩＲ）に依存する。いくつかの例において、会場をセキュリティ保護するためには、複数のセンサを配置する必要があり、動作を検出するには見通し内（ＬＯＳ）環境が必要とされる。既存のシステムは、ユーザフィードバックの補助なしで学習や自己の更新を行わない。現在、大部分のホーム／オフィスセキュリティシステムは、制御パネル、接触センサ及びＰＩＲで構成される。接触センサは、接触が確立又は切断されたかを検出するために磁気又は電流を使用する装置であり、扉又は窓の開閉動作を監視するために扉及び窓に一般に設置されている。ＰＩＲセンサは、受信した赤外線波の変化を追跡することにより、環境内で熱を発生させる動く物体を検出する。いくつかの例において、接触センサは扉に取り付けられる必要があり、ＰＩＲセンサは動く物体を検出するために見通しを必要とするという点において、各センサの監視有効範囲は制限される。更に、会場を保護する際に検出するべきイベントが多い場合、コストは大幅に増加する。
近年、無線信号を使用して屋内のイベント及び動作を検出する検知が注目を集めている。受信無線周波数（ＲＦ）信号は伝搬環境により変化する場合があるため、デバイスフリー屋内検知システムは、受信ＲＦ信号の変化を通じて環境内の動作を監視できる。屋内イベント検出のために信号送信中の変動を識別するのに使用できるＲＦ信号の特徴の例は、受信信号強度（ＲＳＳ）及びチャネル状態情報（ＣＳＩ）を含む。環境変化の影響を受けやすいため、ＲＳＳインジケータ（ＲＳＳＩ）は、屋内の動作を示すため及びそれを更に認識するために適用できる。チャネル状態情報は現在、いくつかの市販の装置において使用可能である。
デバイスフリー屋内監視システムにおける技術の別のカテゴリは、対象の反射を使用して対象を追跡するレーダ技術を採用する。レーダ技術は、超広帯域（ＵＷＢ）検知を使用することにより、異なるパスを通る無線信号の飛行時間（ＴｏＦ）におけるサブナノ秒の遅延を識別できる。
しかし、屋内モニタシステムの上述した技術は制限を有する。第１に、スカラとしての受信信号強度インジケータは自由度１しか有さず且つマルチパス効果の影響を強く受けるため、異なる屋内イベント及び物体を区別するための受信信号強度インジケータの分解能は低い。受信信号強度インジケータに基づくシステムにおいて、屋内検出の性能は、複数の検知装置又はアンテナを配置するコストを費やして保証される。更に、大部分のチャネル状態情報に基づく屋内検知システムは、チャネル状態情報の振幅のみに依存し、位相情報はどれほど有用であっても廃棄される。その一方で、異なるＴｏＦ情報を取得するために、レーダに基づく技術は１ＧＨｚ以上の帯域幅を使用して環境を検知するが、この帯域幅は市販のＷｉＦｉ装置で実現できず、センサから取得された結果は屋内イベントの種類を検出するために更なる労力を必要とする場合が多い。
一般的態様において、複数のイベントを検出するための装置が提供される。前記装置は、プロセッサと、命令のセットを格納する記憶装置と、を備え、前記命令は、前記プロセッサによって実行された場合に前記プロセッサに、チャネル状態情報を分類し、かつ、前記チャネル状態情報の前記分類に基づいてイベントを検出するよう構成された少なくとも１つの分類器をトレーニングすることを行わせる。前記少なくとも１つの分類器の前記トレーニングは、前記装置によって検出される複数の既知のイベントのそれぞれについて、当該既知のイベントが会場内で発生する期間の間に、当該会場内の無線送信機と無線受信機との間の無線マルチパスチャネルのトレーニングチャネル状態情報（ＣＳＩ）の少なくとも１つのセットであって、前記無線送信機から前記無線マルチパスチャネルを介して前記無線受信機へ送信される少なくとも１つの第１プロービング信号から導出される、トレーニングチャネル状態情報の前記少なくとも１つのセットを取得すること、及び、前記複数の既知のイベントと、前記複数のイベントのそれぞれと関連付けられたトレーニングチャネル状態情報の前記少なくとも１つのセットとに基づいて、前記少なくとも１つの分類器をトレーニングすることを含む。前記プロセッサは更に、現在のイベントが発生している期間の間に、前記無線送信機と前記無線受信機との間の無線マルチパスチャネルの測定されたチャネル状態情報のセットであって、前記無線送信機から無線マルチパスチャネルを介して送信されて前記無線受信機で受信される少なくとも１つの第２プロービング信号から導出される、測定されたチャネル状態情報の前記セットを受信することと、前記複数の既知のイベントのいずれが前記現在のイベントにマッチングするかを判定するために、測定されたチャネル状態情報の前記セット又は測定されたチャネル状態情報の前記セットから導出されたデータの少なくとも１つに対して、前記分類器を適用することと、を行う。
他の一般的態様において、推定されたチャネル状態情報（ＣＳＩ）に残留する位相オフセットを除去するための方法が提供される。前記方法は、デバイスから無線信号を受信することと、サンプリング周波数オフセット（ＳＦＯ）及びシンボルタイミングオフセット（ＳＴＯ）によって生じる、前記推定されたチャネル状態情報に含まれる線形位相オフセットを推定することと、搬送波周波数オフセット（ＣＦＯ）によって生じる、前記チャネル状態情報に含まれる共通位相オフセットを推定することと、いずれの参照チャネル状態情報も参照せずに、受信機におけるクリーンチャネル状態情報を取得することと、を含む。
他の一般的態様において、ＷｉＦｉ信号を使用してイベントを監視するための方法が提供される。前記方法は、会場内で発生しうる複数の既知のイベントのそれぞれについて、当該既知のイベントが発生する少なくとも１つの期間の間に前記会場内で送信機から受信機へ送信される、ＩＥＥＥ８０２．１１標準規格に準拠したＷｉＦｉ信号の特性に関する第１情報を収集することと、前記会場を監視することと、を含み、前記会場を監視することは、第２期間の間に前記会場内で前記送信機から前記受信機へ送信されるＷｉＦｉ信号の特性に関する第２情報を判定することと、前記第２情報を前記第１情報と比較するか、又は前記第２情報から導出されるデータを前記第１情報から導出されるデータと比較することと、前記比較に基づいて、前記第２期間の間に、前記会場において前記複数の既知のイベントのいずれが発生しているかを判定することと、を含む。前記ＷｉＦｉ信号の特性に関する前記第１情報は、少なくとも、第１期間の間に前記送信機から前記受信機へ送信された前記ＷｉＦｉ信号から導出された、チャネル状態情報の第１セットを含み、前記ＷｉＦｉ信号の特性に関する前記第２情報は、少なくとも、前記第２期間の間に前記送信機から前記受信機へ送信された前記ＷｉＦｉ信号から導出された、チャネル状態情報の第２セットを含む。前記第２情報を前記第１情報と比較することは、チャネル状態情報の前記第２セットをチャネル状態情報の前記第１セットと比較することを含む。前記第２情報から導出された前記データを前記第１情報から導出された前記データを比較することは、チャネル状態情報の前記第２セットから導出されたデータをチャネル状態情報の前記第１セットから導出されたデータと比較することを含む。
他の一般的態様において、ＷｉＦｉ信号を使用してイベントを監視するための方法が提供される。前記方法は、会場内で発生しうる複数の既知のイベントのそれぞれについて、当該既知のイベントが発生する少なくとも１つの期間の間に、ＩＥＥＥ８０２．１１標準規格に準拠した少なくとも１つのＷｉＦｉ信号を、前記会場内で送信機から受信機へ送信することと、前記受信機で受信されたＷｉＦｉ信号ごとに、当該ＷｉＦｉ信号からチャネル状態情報のセットを推定することと、ここで、チャネル状態情報の前記セットは、当該ＷｉＦｉ信号に関連付けられた前記既知のイベントに関連付けられており、主成分分析を使用して、前記複数の既知のイベントと、当該複数の既知のイベントに関連付けられたチャネル状態情報の前記セットとに基づいて、分類器をトレーニングすることと、を含む。前記方法は、監視段階の期間中に、第２期間の間に前記送信機から前記受信機へ少なくとも１つのＷｉＦｉ信号を送信することと、前記第２期間の間に前記受信機で受信された前記ＷｉＦｉ信号から、チャネル状態情報の第２セットを判定することと、前記第２期間の間に前記複数の既知のイベントのいずれが発生したかを判定するために、チャネル状態情報の前記第２セット又はチャネル状態情報の前記第２セットから導出されたデータに対して、前記分類器を適用することと、を含む。
図１Ａは、時間反転システムを動作するための例示的な環境を示す図である。
図１Ｂは、記録されたチャネル応答波形の一例を示すグラフである。
図１Ｃは、図１Ｂの波形を時間に関して反転して生成された時間反転波形の一例を示すグラフである。
図２Ａは、複数の扉の開閉を検出するための例示的な実験設定を示す図である。
図２Ｂは、人間が動き回る状態で扉の開閉を検出するための例示的な実験設定を示す図である。
図３は、監視される環境の例示的な間取り図である。
図４Ａは、ＴＸ−ＲＸ構成Ｉの場合の対象イベントに対する受信機動作特徴（ＲＯＣ）を示すグラフである。
図４Ｂは、ＴＸ−ＲＸ構成Ｉの場合の全ての屋内イベントに対する受信機動作特徴を示すグラフである。
図５Ａは、ＴＸ−ＲＸ構成IIの場合の対象イベントに対する受信機動作特徴を示すグラフである。
図５Ｂは、ＴＸ−ＲＸ構成IIの場合の全ての屋内イベントに対する受信機動作特徴を示すグラフである。
図６Ａは、ｅ１（全ての扉が閉じている）の検出を示すグラフである。
図６Ｂは、イベントｅ４の検出を示すグラフである。
図６Ｃは、イベントｅ９（窓が開く）の検出を示すグラフである。
図７Ａは、人間が玄関扉の外側を歩いている場合のｅ１の検出を示すグラフである。
図７Ｂは、人間が裏口の扉の外側を歩いている場合のｅ１の検出を示すグラフである。
図７Ｃは、人間が家屋の外側で運転している場合のｅ１の検出を示すグラフである。
図８Ａは、対象イベントに対する受信機動作特徴を示すグラフである。
図８Ｂは、全ての屋内イベントに対する受信機動作特徴を示すグラフである。
図９Ａは、ｅ１（全ての扉が閉じている）の検出を示すグラフである。
図９Ｂは、ｅ４（部屋の扉が開く）の検出を示すグラフである。
図９Ｃは、ｅ９（窓が開く）の検出を示すグラフである。
図１０Ａは、歩いている人間がいないことの検出を示すグラフである。
図１０Ｂは、人間が玄関扉領域を歩いていることの検出を示すグラフである。
図１０Ｃは、人間が広範囲を歩いていることの検出を示すグラフである。
図１０Ｄは、人間が居間を歩いていることの検出を示すグラフである。
図１０Ｅは、人間が台所を歩いていることの検出を示すグラフである。
図１０Ｆは、人間が家屋の外側を歩いていることの検出を示すグラフである。
図１１は、３アンテナＲＦ ＴＸ−ＲＸ対のチャネルプロービングを示す図である。
図１２は、各時間インスタンスに対するアンテナ相関の計算を示す図である。
図１３は、オフィスにおける動作検出のための例示的な実験設定を示す図である。
図１４は、アンテナ相関に基づく方法を使用した人間が歩いていることの検出を示すグラフである。
図１５は、人間が歩いていることの検出におけるアンテナ相関の差分を示すグラフである。
図１６は、実験１における歩いている人間がいる場合のΔγｔの平均を示すグラフである。
図１７は、実験１における歩いている人間がいる場合のΔγｔの分散を示すグラフである。
図１８は、実験２におけるΔγｔの分散を示すグラフである。
図１９は、統計モデリングに基づく方法のパートＩを使用する時間反転監視システムの一例を示す図である。
図２０は、統計モデリングに基づく方法のパートIIを使用する時間反転監視システムの一例を示す図である。
図２１は、機械学習に基づく方法を使用する時間反転監視システムの一例を示す図である。
図２２は、時間反転共振強度における分散を使用する時間反転に基づく人間動作検出の一例を示す図である。
、 、 図２３Ａ〜図２３Ｃは、周波数ダイバーシチ及び空間ダイバーシチを個別に又は連結して使用して広い有効帯域幅を生成するための一般的な原理を示す図である。
、 図２４及び図２５は、線形フィッティング方法及び開示される線形位相較正方法を使用して各サブキャリアにおけるチャネル状態情報位相を示すグラフである。
図２６は、チャネルプロービング段階における時間反転無線通信システムを示す図である。
図２７は、チャネルプロービング信号のフレーム構成を示す図である。
図２８は、パルス位置変調シンボルを示す図である。
図２９は、トレーニング系列のフレーム構成を示す図である。
図３０は、エネルギー検出同期処理を示す図である。
図３１は、受信信号におけるインデックスを示す図である。
図３２は、テプリッツ行列を示す図である。
図３３は、同期ミスマッチのヒストグラムである。
図３４は、自己相関関数を示すグラフである。
図３５は、２つの送受信機を含む無線システムを示す図である。
図３６は、第１の装置から広帯域無線チャネルを通じて第２の装置へ送信されている無線信号を示す図である。
図３７は、送受信機又はアクセスポイント（ＡＰ）が端末装置と通信する場合に実行されるチャネルプロービングを示す図である。
、 、 図３８〜図４０は、イベント検出システム又は人間動作検出システムの実現例を示す図である。
本明細書において、屋内会場であってもよく又は無線信号を反射して豊富なマルチパス環境を提供できる複数の表面を有する屋外会場であってもよい会場内のイベントを監視又は検出するシステム及び方法を説明する。会場は、例えば部屋、家屋、オフィス、店舗、工場、ホテルの部屋、博物館、教室、倉庫、自動車、トラック、バス、船舶、列車、航空機、移動住宅、洞窟又はトンネルであってもよい。例えば会場は、１つ又は複数の階を有する建物であってもよく、建物の一部分は地下であってもよい。建物の形状は、例えば円形、正方形、矩形、三角形又は不規則な形状であってもよい。これらは単なる例であり、本発明は他の種類の会場又は空間におけるイベントを検出するために使用可能である。
送信機が会場においてマルチパスチャネルと呼ばれる複数のパスを介して受信機に無線信号を送出する場合、マルチパスチャネルは会場内の物体又は表面の配置等の会場の特徴の影響を受ける。従って、送信機及び受信機が会場内の固定位置に配置され且つ送信機が同一の波形を有する信号を受信機に繰り返し送出する場合、会場の特徴が時間と共に変化すると、受信機において受信される信号の波形も時間と共に変化する場合がある。受信機において受信された信号の波形の特徴を測定することにより、会場内で起きているイベントを推測することができる。
いくつかの実現例において、システムはトレーニング段階で動作し、次に監視段階で動作する。トレーニング段階において、ユーザが監視することを意図する特定のイベントを表すために参照値を使用できるように特定のパラメータの参照値を確立するために、分類器がトレーニングされる。イベントは、例えば「扉が開く」、「扉が閉じる」、「窓が開く」、「窓が閉じる」、「室内で人間が動いていない」又は「室内で人間が動いている」であってもよい。これらは単なる例であり、システムは他の種類のイベントを検出することもできる。分類器は、イベントが会場内で発生している時に測定された無線信号から導出された情報を使用してトレーニングされる。監視段階において、会場内の無線信号が測定され、無線信号から導出された情報が分類器に提供される。測定された無線信号から導出された情報及び参照値に基づいて、分類器は会場内で発生したイベントを判定する。
以下の説明において、環境固有シグニチャ及び時間反転無線システムの概要を提供する。次に、ベースライン法、統計的方法、機械学習法、時間反転共振強度の分散に基づく方法、アンテナ相関に基づく方法及び到着時間に基づく方法を使用する分類器等の分類器の種々の実現例を説明する。
環境固有シグニチャ
図３５は、２つの送受信機２１０及び２１２を備える無線システム２０８の例示的な一実施形態を示す。本実施形態において、アンテナを備える送受信機Ａ２１０は無線信号２１４を発射し、当該信号は無線チャネル２１６を伝搬し、アンテナを備える送受信機Ｂ２１２にマルチパス無線信号２１８として到着する。例示的な実施形態において、少なくとも１つのアンテナは少なくとも１つの無線信号をチャネルに発射してもよく、少なくとも１つのアンテナは無線チャネルから信号を受信してもよい。実施形態において、送信アンテナ及び受信アンテナは互いに離間して配置されてもよく、いくつかの実施形態において、それらは同一場所に設置されてもよい。例えば装置、コンピュータ、モバイル装置及びアクセスポイント等は２つ以上のアンテナを備えてもよく、アンテナは送信アンテナ及び受信アンテナのいずれか又は双方として動作されてもよい。いくつかの実施形態において、少なくとも１つのアンテナは、チャネルへの無線信号の発射及びチャネルからのマルチパス信号の受信の双方に使用されてもよい単一アンテナであってもよい。実施形態において、アンテナは、異なる時間スロット、異なる周波数帯域、異なる方向及び／又は異なる偏波で信号を送受信してもよく、あるいは同一又は同様の時間、同一又は同様の周波数帯域、同一又は同様の方向及び／又は同一又は同様の偏波で信号を送受信してもよい。いくつかの実施形態において、アンテナ及び／又はアンテナを備える装置は、信号送信及び信号受信のタイミング、搬送周波数、方向及び／又は偏波を調節してもよい。
例示的な実施形態におけるアンテナは、電気出力又は電気信号を電波、マイクロ波、マイクロ波信号又は無線信号に変換し且つ電波、マイクロ波、マイクロ波信号又は無線信号を電気出力又は電気信号に変換するあらゆる種類の電気装置であってもよい。例えば少なくとも１つのアンテナは指向性アンテナ又は全方向性アンテナとして構成されてもよいが、それらに限定されない。少なくとも１つのアンテナは、何らかの種類のモノポールアンテナ、ダイポールアンテナ及びクワドラポールアンテナ等であってもよい。少なくとも１つのアンテナは、何らかの種類のループアンテナであってもよく且つ／又は１本のワイヤから形成されてもよい。少なくとも１つのアンテナは、パッチアンテナ、パラボラアンテナ、ホーンアンテナ、八木アンテナ、折り返しダイポールアンテナ、マルチバンドアンテナ、短波アンテナ、マイクロ波アンテナ、同軸アンテナ、メタマテリアルアンテナ、衛星アンテナ、誘電共振アンテナ、フラクタルアンテナ、ヘリカルアンテナ、等方性放射体、Ｊポールアンテナ、スロットアンテナ、マイクロストリップアンテナ、コンフォーマルアンテナ、皿型アンテナ、テレビアンテナ、ラジオアンテナ、ランダムワイヤアンテナ、セクタアンテナ、セルラアンテナ、スマートアンテナ及び傘形アンテナ等であってもよい。少なくとも１つのアンテナは、直線アレイアンテナ、フェーズドアレイアンテナ、反射アレイアンテナ及び指向性アレイアンテナ等のアンテナアレイの一部であってもよい。少なくとも１つのアンテナは、狭帯域アンテナ又は広帯域アンテナ、高利得アンテナ又は低利得アンテナ、調節可能アンテナ又はチューナブルアンテナ、あるいは固定アンテナであってもよい。あらゆる種類のアンテナは、本明細書中で説明するシステム、方法及び技術において使用されるように構成されてもよい。実施形態において、例示的なアンテナに関連する放射パターンは調整可能であってもよく、本明細書中で説明する例示的なシステム、方法及び技術の性能を向上するために調整されてもよい。
実施形態において、電気信号は無線送信のために１つ以上のアンテナに適用されてもよく、処理するために１つ以上のアンテナから受信されてもよい。実施形態において、無線信号は電波又はマイクロ波であってもよい。実施形態において、無線信号はキロヘルツからテラヘルツの範囲のいずれかの搬送周波数を有してもよい。実施形態において、アンテナは、フィルタ、増幅器、スイッチ、モニタポート及びインピーダンス整合回路等のうちの少なくとも１つを備えてもよい。実施形態において、電気信号はアナログ回路網及び／又はデジタル回路網を使用して生成されてもよく、少なくとも１つのアンテナを駆動するために使用されてもよい。実施形態において、少なくとも１つのアンテナから受信された電気信号は、アナログ回路網及び／又はデジタル回路網を使用して処理されてもよい。本明細書中で開示される本発明の例示的な実施形態において、電気信号は、サンプリング、デジタル化、格納、比較、相関、時間反転、増幅、減衰、調節、補償、統合及び処理等が行われてもよい。
本開示において、チャネルの特性をプロービングするために送信アンテナにより発射される信号は、場合によってはプローブ信号、チャンネルプローブ信号又はチャネルプローブ波形と呼ばれてもよい。図３６は、第１の装置２１０から広帯域無線チャネル２１６を介して第２の装置２１２へ送信される無線信号２１４を示す。チャネルプローブ信号２１４は、受信プローブ波形２１８とも呼ばれるものとして第２の装置２１２に到着してもよい。当該受信プローブ波形２１８は、少なくとも１つのアンテナと受信機電子機器のセットとを備える受信機により受信され且つ処理されてもよい。例示的な実施形態において、受信プローブ波形２１８を処理することは、装置２１０と装置２１２との間の広帯域チャネルに対する推定チャネル応答を生成してもよい。実施形態において、プローブ信号及び受信信号はデジタル信号に変換されるアナログ信号であってもよく（また、アナログ信号に変換されるデジタル信号であってもよく）、デジタル信号プロセッサ（ＤＳＰ），フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、ＡＲＭ（Advanced RISC Machine）プロセッサ、マイクロプロセッサ、コンピュータ及び特定用途向け集積回路（ＡＳＩＣ）等を使用して処理され且つ／又は生成されてもよい。
時間領域において、通信リンクのチャネルインパルス応答は
Figure 0006623298
としてモデル化可能である。式中、ｈｉ［ｋ］は長さＬを有するチャネルインパルス応答（ＣＩＲ）のｋ番目のタップであり、δ［］はディラックのデルタ関数である。尚、チャネル応答の時間領域表現ｈ及びチャネル応答の周波数領域表現Ｈはフーリエ変換により関連付けられる。
例示的な実施形態において、チャネルインパルス応答が既知である場合、受信プローブ波形は、チャネルプローブ信号とチャネルインパルス応答とを畳み込むことにより予測されてもよい。チャネルインパルス応答又は推定チャネル応答は、実際のチャネルインパルス応答の近似値又は推定値であってもよい。例えば推定チャネル応答は、チャネルの「十分に正確な」推定値であると考えられるか又はチャネルの特定の特性を優先的にプロービングするように選択される特定のチャネル長に切り捨てられてもよい。更に、推定チャネル応答は、特定の用途に対して「十分に正確である」と判定された離散化信号の時間／振幅分解能を用いて受信プローブ波形の離散化近似値から導出されてもよい。推定チャネル応答は、実際のチャネル応答のフィルタリングされたバージョンであってもよく、チャネルの十分に正確な推定値であってもよい。何が「十分に正確である」かの判定は、用途、無線装置で使用されるハードウェア構成要素、装置の処理能力、装置の許容電力消費及びシステム性能の所望の精度等に依存してもよい。
装置により送信されるプローブ信号が単一のパルス信号又はインパルス信号である場合、受信プローブ波形はチャネルインパルス応答の十分に正確な推定値であってもよく、推定チャネル応答を取得するために受信プローブ波形の受信、離散化及び格納以外の追加処理は殆ど不要であってもよい。装置により送信されるプローブ信号が単一のパルス信号又はインパルス信号以外の波形である場合、受信機は、推定チャネル応答を判定するために受信プローブ波形に追加処理を実行する必要がある場合がある。例示的な一実施形態において、受信器が受信プローブ波形を検出し且つ離散化してもよい。アナログデジタル（Ａ／Ｄ）変換器が離散化を実行するために使用されてもよい。実施形態において、デコンボリューション処理は、離散化された受信プローブ波形とチャネルプローブ信号の表現とを使用して推定チャネル応答を得てもよい。実施形態において、推定チャネル応答を得るために他の数学関数が使用されてもよい。チャネルインパルス応答（ＣＩＲ）は、本明細書においてチャネル応答（ＣＲ）、ＣＲ信号、ＣＩＲ信号、チャネルプローブ信号応答及び推定チャネル応答と呼ばれてもよい。チャネル応答は測定され且つ／又は計算されてもよく、且つ／又は測定及び計算の組み合わせにより生成されてもよい。本開示において、チャネル応答及び受信プローブ波形をロケーション固有シグニチャと呼ぶ場合もある。
実施形態において、広帯域チャネルのチャネル応答の推定値の精度を向上又は低下するために、異なるチャネルプローブ信号が選択されてもよい。例示的な実施形態において、チャネルプローブ信号はパルス又はインパルスであってもよい。更に、チャネルプローブ信号は、規則的なパターン、任意のパターン又は不規則的なパターンを有する一連のパルスであってもよい。チャネルプローブ信号は波形であってもよい。波形は、実質的に矩形波形、二乗余弦波形、ガウス波形、ローレンツ波形、あるいは何らかの最適又は所望の方法でチャネルをプロービングするように設計された形状を有する波形であってもよい。例えばチャネルプローブ波形は、周波数がチャープされてもよく、あるいは何らかの最適又は所望の方法でチャネルをプロービングするように適合される周波数スペクトルを有してもよい。プローブ波形は、異なる中心周波数及び帯域幅を有する複数の波形であってもよい。プローブ波形は、振幅変調、位相変調、周波数変調、パルス位置変調又は偏波変調されてもよく、あるいは振幅、位相、周波数、パルス位置及び偏波の何らかの組み合わせで変調されてもよい。
波形は、関連する通信チャネルを介して交換されることを意図してもよいデータストリームのビット持続時間とほぼ等しい時間幅を有してもよい。波形は、関連する通信チャネルを介して交換されることを意図するデータストリームのビット持続時間の略半分、略４分の１、略１０分の１、略１００分の１又はそれ以下の時間幅を有してもよい。プローブ信号／波形はデータパターンであってもよく、反復するデータパターンであってもよい。プローブ信号は、パケット及び／又はフレーミング情報、同期及び／又はクロック再生情報、ストリーム取り込み情報、装置ＩＤ／ネットワーク／リンク層動作情報を含んでもよい。プローブ信号は、動作環境、並びに／又はシステムの送信機及び／又は受信機内の電子構成要素に対して適合された周波数スペクトルを有してもよい。プローブ信号はチャネルインパルス応答の推定値であってもよく、あるいはチャネルインパルス応答の推定値の変更されたバージョンであってもよい。例えばプローブ信号は、推定チャネル応答の時間反転バージョンであってもよい。プローブ信号は、送信機及び／又は受信機内の特定の電子構成要素及び／又は特定の環境要素により生じる信号歪みを補償し且つ／又は強調するように設計されてもよい。
チャネルプロービング信号の１つの例示的な種類は、周期パルス系列である。そのようなチャネルプロービング信号を用いる場合、受信プローブ波形は周期的チャネルパルス応答のノイズバージョンであってもよい。実施形態において、ノイズを抑制してチャネル応答を抽出するために時間平均化法を使用できる。
いくつかの実施形態において、時間平均化法はチャネル応答の信頼できる測度を提供しない場合がある。チャネル応答推定を向上するためには、ノイズを抑制するために更に長いパルス系列を使用できる。システムの性能を更に向上するために、短い擬似ランダムパルス系列をチャネルプロービング信号として使用できる。そのような場合、受信プローブ波形は、擬似ランダム系列とチャネル応答との畳み込みであってもよい。
実施形態において、プロービング信号として使用される擬似ランダム系列は、受信機が既知であってもよい。その場合、チャネル応答は、受信信号が擬似ランダム系列と畳み込まれる相関に基づく方法を使用して推定可能である。一般に、擬似ランダム系列の自己相関は、シンボル間干渉が生じて推定チャネル応答に誤差が存在する場合があるため、理想的なデルタ関数でない場合がある。実施形態において、シンボル間干渉によるそのような種類のチャネル推定誤差は、擬似ランダム系列でなく、自己相関関数に対する理想的なデルタ形状を有してもよい直交ゴレイ相補系列を使用することにより最小化又は回避されてもよい。
実施形態において、無線装置は、ｆ１ＧＨｚの中心周波数を有する第１の無線信号を送信してもよい。実施形態において、第１の無線信号はチャネルプローブ信号、パルス信号、フレーム信号、擬似ランダムノイズ（ＰＮ）系列及びプリアンブル信号等であってもよい。実施形態において、無線信号の帯域幅は、約１０ＭＨｚ、約２０ＭＨｚ、約４０ＭＨｚ、約６０ＭＨｚ、約１２５ＭＨｚ、約２５０ＭＨｚ、約５００ＭＨｚ及び約１ＧＨｚ等であってもよい。実施形態において、無線装置はｆ２ＧＨｚの中心周波数を有する第２の無線信号を送出してもよい。実施形態において、第２の無線信号はチャネルプローブ信号、パルス信号、フレーム信号、ＰＮ系列及びプリアンブル信号等であってもよい。実施形態において、無線信号の帯域幅は、約１０ＭＨｚ、約２０ＭＨｚ、約４０ＭＨｚ、約６０ＭＨｚ、約１２５ＭＨｚ、約２５０ＭＨｚ、約５００ＭＨｚ及び約１ＧＨｚ等であってもよい。実施形態において、第１の無線信号の周波数スペクトル及び第２の無線信号の周波数スペクトルはオーバラップする周波数を含んでもよい。いくつかの実施形態において、２つの無線信号の間にオーバラップする周波数が存在しなくてもよい。いくつかの実施形態において、異なる無線信号の周波数スペクトルは、いわゆるガードバンド又はガードバンド周波数により分離されてもよい。第１の無線信号（例えば、周波数ｆ１における）を使用してプロービングされたチャネルに対するチャネル応答はＨｉｊ（ｆ１）と表されてもよい。第２の無線信号（例えば、プローブ周波数ｆ２における）を使用してプロービングされたチャネルに対するチャネル応答はＨｉｊ（ｆ２）と表されてもよい。実施形態において、３つ以上のプローブ周波数信号がチャネルをプロービングするために使用されてもよい。３つ以上のプローブ周波数信号は何らかのオーバラップする周波数を有してもよく、あるいはオーバラップする周波数を有さなくてもよい。
実施形態において、無線装置は、異なる無線信号搬送周波数に同調して無線チャネルをプロービングするために、チャネル同調及び／又は周波数ホッピングを使用してもよい。いくつかの実施形態において、無線装置は、指定された周波数帯域内の異なるチャネルに同調して無線チャネルをプロービングしてもよい。例えば無線装置は、最初にＷｉＦｉ（ＩＥＥＥ８０２．１１）信号伝送帯域幅内の１つのチャネルに同調した後に無線帯域内の別のチャネルに同調してもよい。周波数同調は、１つのチャネルから次のチャネルに順次行われてもよいが、ＷｉＦｉ帯域内で１つのチャネルから別のチャネルにランダムにホップしてもよい。実施形態において、異なるチャネルは異なるチャネル帯域幅を有してもよい。実施形態において、プローブ信号を生成するため及び／又は受信信号内のチャネル情報を解析するために、あらゆる無線プロトコルが使用されてもよい。
実施形態において、チャネルをプロービングするために複数のチャネルプローブ信号が使用されてもよい。いくつかの実現例において、同一のプローブ信号が複数回送出されてもよく、受信プローブ波形が平均化され且つ／又は比較されてもよい。例えばプローブ信号は２回、５回、１０回、３０回、５０回、１００回、５００回又は１０００回送出されてもよい。実施形態において、プローブ信号は１回送出されてもよく、２回〜１０００回のいずれかの回数送出されてもよい。実施形態において、プローブ信号は１００１回以上送出されてもよい。例えば何らかの監視及びセキュリティ用途において、プローブ信号は継続的に送出されてもよい。空間を監視してプロービングするために、例えば毎秒１個、毎秒１０個、毎秒１００個等のプローブ信号が継続的に送出されてもよい。プローブ信号が継続的に送出される速度は、環境の変化が検出される必要のある速度により判定されてもよい。
実施形態において、一部の受信プローブ波形のみが更なる処理に使用されてもよい。例えば一部の受信プローブ波形及び／又は推定チャネル応答が廃棄又は削除されてもよい。廃棄及び／又は削除される波形及び／又は応答は、他の受信波形及び／又は推定応答と十分に異なるため、外れ値（outlier）でありチャネルの十分に正確な表現ではないと考えられるものであってもよい。いくつかの実施形態において、異なるプローブ信号は異なる時間に送出されてもよく且つ／又は受信機からのフィードバックに応答して送出されてもよい。例えば送信機におけるプローブ信号は、受信プローブ波形、推定チャネル応答、並びに／又は受信プローブ波形及び／又は推定チャネル応答の類似性を向上するように調整されてもよい。実施形態において、送信機は少なくとも２つの異なるプローブ信号を送出してもよく、受信機は少なくとも２つの異なる受信プローブ波形のいずれか１つ、いくつか又は全てに基づいてチャネル応答を推定してもよい。実施形態において、プローブ信号は、以前に測定され且つ／又は計算されたチャネル応答のバージョン及び／又は測定され且つ／又は計算されたチャネル応答の時間反転バージョンであってもよい。
本開示中で以下に更に詳細に説明するように、波形、シグニチャ及び／又は応答の類似性、マッチング又は相関は、仮想時間反転処理技術、時間反転共振強度、パターン認識及び／又はパターンマッチング、線形及び／又は非線形のサポートベクトルマシン及び／又はサポートベクトルネットワーク、機械学習、データマイニング、分類、統計的分類、タギング及びカーネルトリック（例えば、カーネル関数を適用するカーネル法）等を使用して判定されてもよい。
実施形態において、受信プローブ波形を処理することは、受信信号のいずれか一部分を増幅又は減衰することを含んでもよい。実施形態において、チャネルは１回プロービングされてもよく、あるいはチャネルは２回以上プロービングされてもよい。実施形態において、複数の受信プローブ波形の測定、処理及び記録等が行われてもよい。実施形態において、いくつかのチャネル応答が他のチャネル応答と平均化されてもよい。実施形態において、いくつかのチャネル応答が廃棄されてもよく又は記録されなくてもよい。実施形態において、いくつかのチャネル応答が異なる環境条件で測定されて格納されてもよい。そのような格納された応答信号は、元の測定値に関連する環境条件を示すための参照信号として使用されてもよい。実施形態において、新規に測定されたチャネル応答は、以前に格納されたチャネル応答の中で新規に測定されたチャネル応答と最もマッチングするものを判定するために、多くの以前に格納されたチャネル応答と比較されてもよい。その場合、最も密接に相関するか又は最もマッチングする、以前に格納されたチャネル応答の環境パラメータが、新規に測定されたチャネル応答に関連付けられてもよい。例示的な実施形態において、環境条件は、温度、物体のロケーション又は配置、人間のロケーション及び／又は配置、物体の姿勢、人間の姿勢、アクセスポイントのロケーション及び／又は姿勢、端末装置、センサの位置及び／又は姿勢、信号反射体の位置及び／又は姿勢、信号散乱体の位置及び／又は姿勢、並びに信号減衰体の位置及び／又は姿勢等を含んでもよいが、それらに限定されなくてもよい。
例示的な一実施形態において、推定チャネル応答は、特定の環境における２つの装置間のチャネル応答、あるいは会場又は特定の環境における装置と物体及び／又は構造との間のチャネル応答を表すため、環境固有波形及び／又はシグニチャであると考えられてもよい。図３６に示すように、装置２１０と装置２１２との間で送信された信号が伝搬する会場又は環境内の１つ以上の物体及び／又は構造及び／又は表面において１つ以上の動きが存在する場合、信号が伝搬する複数の伝搬パスのうちの少なくともいくつかが変化することによりチャネル応答が変化する可能性がある。推定チャネル波形の特性及びその変化量は、会場、環境及びシステム内のハードウェア構成要素に依存してもよい。
時間反転無線システムの概要
時間反転無線システムの概要を以下に提供する。図１Ａを参照すると、時間反転システムは、無線信号を１回以上反射させる場合がある構造又は物体を有する環境において使用可能である。例えば会場１０２は、第１の部屋１０４及び第２の部屋１０６を有してもよい。第１の部屋１０４内の第１の装置１０８が第２の部屋１０６内の第２の装置１１０へ信号を送信する場合、信号は複数の方向に伝搬し、例えば１１２、１１４及び１１６である複数の伝搬パスを通って移動することにより第２の装置１１０に到達できる。複数の伝搬パスを通って移動する信号をマルチパス信号と呼ぶ。信号が伝搬パスを通って移動する際、信号は歪む場合がある。第２の装置１１０により受信されるマルチパス信号は、第１の装置１０８により送信された信号と非常に異なる場合がある。
例えば図１Ｂを参照すると、第１の装置１０８がパルス信号を送出する場合、第２の装置１１０により受信される信号は波形１２０を有してもよい。波形１２０をチャネルインパルス応答（ＣＩＲ）と呼び、これは時間領域におけるチャネル状態情報（ＣＳＩ）を反映する。本明細書において、「チャネル状態情報」（ＣＳＩ）は通信リンクのチャネル特性を示す。これは、信号が送信機から受信機に伝搬する様子を説明する。チャネル状態情報は、受信チャネルサウンディング信号又は受信チャネルプロービング信号に基づくチャネル推定を使用して取得可能である。時間領域におけるチャネル状態情報は、チャネルインパルス応答（ＣＩＲ）と呼ばれることが多く、チャネル遅延スプレッドの間のチャネル減衰及び位相シフトを反映する複素値のベクトルにより表すことができる。周波数領域におけるチャネル状態情報は、チャネル周波数応答（ＣＦＲ）と呼ばれることが多く、例えばＷｉＦｉチャネル内のサブキャリアである各周波数ユニットにおけるチャネル減衰及び位相シフトを反映する複素値のベクトルにより表すことができる。
図１Ｃを参照すると、時間反転波形（シグニチャ）１３０は、波形１２０を時間に関して反転することにより生成できる。第２の装置１１０が波形１３０を有する信号を送出する場合、信号は伝搬パス１１２、１１４及び１１６を含む種々の方向に伝搬し（インパルス信号の伝搬方向に対して逆方向に）、第１の装置１０８に到達する。第１の装置１０８において受信されるマルチパス信号は、第１の装置１０８から第２の装置１１０に以前に送出されたインパルス信号と同様のインパルス信号を形成してもよい。
図１Ｂ及び図１Ｃに示す波形１２０及び１３０は単なる例である。時間反転システムにおける波形は、例えば環境及び送信される情報又はデータに依存して変化する場合がある。更に、第１の装置１０８から送出される初期信号は、あらゆる種類の信号であってもよく、インパルスは一例にすぎない。初期信号はあらゆる波形であってもよい。
いくつかの実現例において、第２の装置１１０が第１の装置１０８へデータストリームを送信することを意図する場合、第２の装置１１０は装置１０８から受信した信号の正規化時間反転共役を基本送信波形（シグニチャ）として使用してもよい。第２の装置１１０は、基本波形（シグニチャ）においてデータストリームを符号化し、無線チャネルを介して信号を送信してもよい。装置１０８において受信される信号は、送信信号とチャネルインパルス応答との畳み込みに加法性白色ガウスノイズが加わったものとして説明されてもよい。送信信号はチャネルインパルス応答の時間反転バージョンに基づいて設計されているため、第１の装置１０８は、受信信号に対して単純な調整を実行してダウンサンプリングするだけで、第２の装置１１０により送信されたデータストリームを再生できる。
いくつかの例において、送信装置又は基地局又はアクセスポイントは、２つ以上の受信装置に信号を同時に送出してもよい。送信信号は、複数の伝搬パスを通って各受信機に移動する。受信機が異なるロケーションに位置するため、マルチパス信号は異なる伝搬パスを通って受信機に到達する。送信機から送出される信号の波形を慎重に構成することにより、各受信機が自身に向けられたデータを十分に高品質で受信できるようにすることが可能である。
チャネルプロービング
いくつかの実現例において、図３７を参照すると、チャネルプロービングは送受信機又はアクセスポイント（ＡＰ）５９０が端末装置５９２と通信する場合に実行される。チャネルプロービング段階において、端末装置５９２は、アップサンプリング部５９６を使用してインパルス信号５９４をαでアップサンプリングし、ルートレイズドコサイン（ＲＲＣ）フィルタＲＲＣB,fs５９８を使用してアップサンプル信号をフィルタリングする。この場合、Ｂは帯域幅であり、ｆｓ＝αＢはサンプルレートである。ビットレートを上げる目的の１つは、オーバサンプリングすることにより、データ送信段階において送信機と受信機との間にサンプル周波数オフセットが存在する場合に正確なサンプルを取得できることである。オーバサンプリングはデータ送信段階におけるステップの１つであってもよいため、チャネルを正確に推定するために、チャネルプロービング段階にオーバサンプリング及びダウンサンプリングを更に含むことができる。αの値はユーザが選択できる。例えばαは４に等しくなるように選択できるが、他の値であってもよい。ルートレイズドコサインフィルタは、帯域幅を制限するためにパルス整形を実行できる。異種時間反転システムにおいて、異なる種類の装置は異なる帯域幅を使用してもよいため、異なる種類の装置に対するルートレイズドコサインフィルタの帯域幅も異なる。
フィルタリングされた信号は、デジタルアナログ変換器（ＤＡＣ）６００によりアナログベースバンド信号に変換される。ベースバンド信号は、電圧制御発振器（ＶＣＯ）６０２により高搬送周波数に変調され、バンドパスフィルタ６０４を通過し、電力増幅器６０６により増幅されて無線周波数（ＲＦ）信号が生成される。ＲＦ信号は、アンテナ６０８によりブロードキャストされる。ブロードキャスト信号は、プロファイルｈを有するマルチパスチャネル６１０を通過し、ここでノイズｎ'が信号に追加される。ブロードキャスト信号は、アクセスポイント５９０においてアンテナ６１２により取り込まれる。取り込まれた信号は、低ノイズ増幅器（ＬＮＡ）６１４により増幅され、バンドパスフィルタ６１６によりフィルタリングされ、電圧制御発振器６１８を使用してアナログベースバンド信号に変換される。ベースバンド信号は、アナログデジタル変換器（ＡＤＣ）６２０によりサンプルレートｆｓ＝αＢでサンプリングされ、デジタル信号が生成される。デジタル信号は、ルートレイズドコサインフィルタＲＲＣB,fs６２２によりフィルタリングされ、ダウンサンプリング部６２４により係数αでダウンサンプリングされる。インパルス信号が端末装置５９２により送信されたため、ダウンサンプリング信号はチャネル推定値
Figure 0006623298
として扱われる。
ルートレイズドコサインフィルタ５９８はデジタルフィルタであり、ルートレイズドコサインフィルタ６２２はアナログフィルタであり、双方は同一の帯域幅を有する。バンドパスフィルタ６０４は、端末装置５９２により使用される周波数帯域を定義する。従って、端末装置５９２が周波数ｆ１〜周波数ｆ２の通過帯域を有するバンドパスフィルタ６０４を含む場合、端末装置５９２は周波数帯域ｆ１〜ｆ２を使用するか又はそれに関連付けられると言う。図３７の例において、端末装置５９２のバンドパスフィルタ６０４の通過帯域はアクセスポイント５９０のバンドパスフィルタ６１６の通過帯域と同一である。
アクセスポイント５９０は、本明細書中で説明する通信技術を使用して複数の他の装置と通信する基地局又は送受信機であってもよい。
サンプリングレートｆｓ＝αＢの場合、離散チャネルインパルス応答を以下のように書くことができる。
Figure 0006623298
式中、Ｔｓ＝１／（αＢ）である。完璧なチャネル推定値（チャネルプロービング段階においてノイズ及び干渉が無視される）を仮定すると、図３７の２つのルートレイズドコサインフィルタ５９８、６２２の間の同等のチャネルインパルス応答を以下のように書くことができる。
Figure 0006623298
図２６を参照すると、いくつかの実現例において、会場１４０におけるイベントを検出するために、送信機１４２はマルチパスチャネル１４６を介して受信機１４４に無線信号を送出する。送信機１４２はチャネルプロービング信号１４８を生成し、無線周波数変調１５０を実行して、関連するマルチパスチャネル１４６を通って受信機１４４に伝搬する無線周波数信号を生成する。受信機１４４は、送信された無線周波数信号を受信し、無線周波数復調１５２を実行して一意のチャネル応答（波形）１５４を再生し、これを記録する。送信機１４２に関連するチャネル応答１５４を受信すると、受信機１４４は、受信機１４４において受信したチャネル応答に基づいて、送信機１４２に対するシグニチャ波形１５６を計算する。文脈に依存して、用語「チャネルプロービング信号」は、無線周波数変調前のプローブ信号を示してもよく、あるいは無線周波数変調を適用後の信号を示してもよい。いくつかの実現例において、送信機１４２は図３７の装置５９２と同様の方法で実現可能であり、受信機１４４は図３７の装置５９０と同様の方法で実現可能である。
受信機１４４は、チャネルプロービング信号１４８を使用してチャネル応答を推定できる。この目的を達成するために、受信機１４４は最初に、チャネル情報を知らない状態でマルチパスの影響を相殺してチャネルプロービング信号と同期する必要がある。一般的なチャネルプロービング信号は、プリアンブルと可能性のある確認ビットの２つの部分とを含む。受信機１４４は、マルチパスフェージングにより破損されないプリアンブルの基本特徴を抽出することにより、チャネルプロービング信号と同期する。その後、確認ビットを使用して、同期を更に検証する。同期が達成されると、受信機１４４はチャネルプロービング信号内の情報を使用して受信信号からチャネル応答を抽出する。
チャネルプロービングのためのハンドシェイク方法の２つの例を図２７〜図３４を使用して後述する。第１の方法はパルス位置変調を使用し、第２の方法は擬似ランダム系列の相関を計算する。
時間領域における時間反転パラメータ
時間領域におけるチャネル状態情報の表現がベクトルｈ＝［ｈ［１］，ｈ［２］，...，ｈ［Ｌ］］として表されると仮定する。式中、Ｌはチャネル状態情報のタップの数である。例えばｈ［１］、ｈ［２］、ｈ［Ｌ］等は、受信プロービング信号のデジタルサンプルであってもよい。サンプリングレートは、例えば１２５ＭＨｚであってもよい（他のサンプリングレートを使用することもできる）。時間領域における２つのチャネル状態情報サンプルｈ１及びｈ２の間の時空間共振の強度TR(ｈ1, ｈ2)を「時間反転共振強度（ＴＲＲＳ）」と呼び、これを以下のように定義する。
Figure 0006623298
式中、「＊」は畳み込みを示し、ｌはタップインデックスを示し、ｇ２はｈ２のＴＲシグニチャである。すなわち、
ｇ２［ｋ］＝ｈ* ２［Ｌ−ｋ−１］， ｋ＝０，１，...，Ｌ−１ 式（２）
２つのチャネル状態情報サンプルｈ１及びｈ２の間の時間反転共振強度が高いほど、ｈ１とｈ２との間の類似性が高いことを示し、２つのチャネル状態情報サンプルｈ１及びｈ２の間の時間反転共振強度が低いほど、ｈ１とｈ２との間の類似性が低いことを示す。環境が特定の状態にある場合の時間ｔ１において測定されたチャネル状態情報をｈ１が表し且つその後の時間ｔ２において測定されたチャネル状態情報をｈ２が表す場合、ｈ１とｈ２との間の時間反転共振強度は、時間ｔ２における環境と時間ｔ１における環境との類似度のインジケーションを提供する。
チャネルインパルス応答（ＣＩＲ）は、時間領域において測定されるチャネル状態情報である。ｈ１とｈ* ２との内積は（ｈ１＊ｇ２）［Ｌ−１］と同等であるため、式（１）で定義された共振強度はｈ１とｈ２との間の相互相関係数の定義と同様である。しかし、式（１）の分子は畳み込み済み系列における最大絶対値である。本ステップの目的は、２つのチャネル状態情報推定値の間のあらゆる可能性のあるランダム位相歪みを補正することである。チャネル状態情報は通常、初期位相歪み及び線形位相歪みの影響を受ける。初期位相歪みは通常、搬送周波数オフセット（ＣＦＯ）及び共通位相オフセット（ＣＰＥ）により生じる。線形位相歪みは、シンボルタイミングオフセット（ＳＴＯ）及びサンプリング周波数オフセット（ＳＦＯ）により生じる場合がある。例えばチャネル状態情報の最初のいくつかのタップが損なわれるか又は異なる測定値に追加される場合があり、それにより２つのチャネル状態情報推定値の間に同期誤差が生じる。チャネル状態情報推定値における位相歪みを補正すると、時間反転共振強度は、精度を維持しつつ、チャネルインパルス応答間の一部又は実質的に全ての類似性を取り込むことができる。位相歪みを補正する方法を本明細書の後節で説明する。
周波数領域における時間反転パラメータ
受信機側において、各チャネル状態サウンディングの後、それぞれに対するＬ×Ｍの未加工のチャネル状態情報行列を以下のように収集できる。
Ｈi ＝［ｈ(1), ｈ(2) ,... , ｈ(M)］, ∀i 式（３）
この場合、Ｍは送信機と受信機との間のリンクの数であり、Ｌはチャネル周波数応答（ＣＦＲ）における使用可能なサブキャリアの数である。本明細書において、各送信機は１つ以上のアンテナを有することができ、各受信機は１つ以上のアンテナを有することができる。送信機アンテナと受信機アンテナの各対は１つの通信リンクに対応する。従って、例えば送信機が３つのアンテナを有し且つ受信機が２つのアンテナを有する場合、このイベント検出器システムには３×２＝６個のリンクが存在すると言う。チャネル周波数応答は、周波数領域において測定されるチャネル状態情報である。
２つのチャネル状態情報サンプルｈ１及びｈ２の間の周波数領域における時間反転時空間共振強度（ＴＲＲＳ） TR(ｈ1, ｈ2) を以下のように定義する。
Figure 0006623298
式中、Ｌはチャネル状態情報ベクトルの長さであり、ｋはサブキャリアインデックスであり、ｇ２は以下のように取得されるｈ２の時間反転シグニチャである。
ｇ2［ｋ］＝ｈ* 2［ｋ］， ｋ=０, １, ...，Ｌ−１ 式（５）
式（４）の分子において、線形位相成分にわたる最大値探索動作が実行され、例えばＷｉＦｉである直交周波数分割多重（ＯＦＤＭ）に基づくシステムにおけるランダム線形位相オフセットが低減又は除去される。推定チャネル状態情報における線形位相オフセットは、発振器のサンプリングタイミングオフセット（ＳＴＯ）及びサンプリング周波数オフセット（ＳＦＯ）から生じる。
２つの推定マルチパスプロファイル（時間領域におけるチャネルインパルス応答及び周波数領域におけるチャネル周波数応答）を比較する場合、それらは最初に時間反転空間にマッピングされ、そこで各々は１つの時間反転シグニチャとして表される。その場合、時間反転時空間共振強度は、マッピングされた時間反転空間における２つのマルチパスプロファイルの間の類似性を定量化するメトリックである。
周波数領域におけるＴＲＲＳの統計的挙動
位相歪みを補正した後に推定チャネル周波数応答に位相オフセットが存在しない場合、多入力多出力（ＭＩＭＯ）システムにおける各リンクに対する式（４）の時間反転共振強度を以下のように計算できる。
Figure 0006623298
式中、ｋはサブキャリアのインデックスであり、Ｌはサブキャリアの総数である。チャネルが定常性を有するという仮定に従うと、チャネル周波数応答（ＣＦＲ）ｈ０及びｈ１が同一のロケーション又は同一の状態から生じる場合、ｈ１を以下のようにモデル化できる。
ｈ１＝ｈ０＋ｎ 式（７）
式中、ｎはガウスノイズのベクトルであり、
Figure 0006623298
Ｌはチャネル周波数応答の長さである。
Figure 0006623298
Figure 0006623298
Figure 0006623298
Figure 0006623298
Figure 0006623298
Figure 0006623298
Figure 0006623298
時間反転イベント検出器：ベースライン法
段階１．オフライントレーニング
時間反転イベント検出器（ＴＲＥＤ）は、一意の屋内マルチパスプロファイル及び時間反転技術を利用して、例えば屋内イベントであるイベントを区別して検出する。オフライントレーニング段階において、あらゆる対象イベントのマルチパスプロファイルが収集され、時間反転空間における対応する時間反転シグニチャがデータベースに格納される。しかし、ノイズ及びチャネルフェージングにより、特定の状態からのチャネル状態情報は時間と共に若干変化する場合がある。この種の変動に対処するために、状態毎にいくつかの瞬間チャネル状態情報サンプルを収集してトレーニングセットを構築する。
基本的に、イベント検出器は分類を使用する。分類は、カテゴリの所属が既知である観察値を含むデータのトレーニングセットに基づいて、新規の観察値がどのカテゴリ／クラスセットに属するかを識別することである。特に、具体的な一実現例において、分類を実現する処理又はアルゴリズムは分類器として知られる。その一例は、所定の電子メールを迷惑メールクラス又は非迷惑メールクラスに割り当てること、特定の症状の存在に基づいて所定の患者の観察された特徴が示す通りに患者に診断を割り当てること等である。多くの場合、個々の観察値は、特徴としても知られる定量化可能なプロパティのセットに解析される。いくつかの例において、特徴は分類可能で、順序を示すことができ、整数値又は実数値を有することができる。他の例において、分類器は、相似関数又は距離関数を使用して観察値と以前の観察値とを比較することにより機能する。更に別の例において、分類器は、入力データをカテゴリにマッピングする分類アルゴリズムにより実現される数学関数を更に参照する場合がある。分類器による決定が行われ且つそれが正確な決定であると確認されると、その後に収集される観察値は以前の観察値に追加され、それを用いて分類器／特徴を再トレーニングできる。
開示されるイベント検出器において、トレーニングセットは、既知である所定の各イベントにおいて収集された受信プロービング信号からの推定ＣＳＩを含む。ベースライン法において、イベント検出器は、類似性スコアとして見なすことができるＴＲＲＳにより、監視段階で取得された推定ＣＳＩとトレーニング段階における観察値とを比較する。イベント検出に対する決定が行われ且つそれが正確な決定であると確認されると、監視段階において収集されたＣＳＩをデータベースに追加でき、それを用いて特徴を再トレーニングできる。
特に、Ｓを状態セットとする各状態Ｓｉ∈Ｓに対して、対応する時間領域トレーニングチャネル状態情報、すなわちチャネルインパルス応答が推定され、以下のようにＨｉを形成する。
Figure 0006623298
この場合、ベクトル変数の上付き文字＊は共役演算子を表す。Ｌはチャネル状態情報ベクトルの長さを示し、ｋはチャネル状態情報における時間領域タップのインデックスである。その場合、トレーニングデータベースｇはＧｉの集合である。
段階２．オンライン監視
トレーニングデータベースｇを構築すると、時間反転イベント検出器はイベント検出を行える状態になる。監視段階の間、受信機は現在の推定チャネル状態情報とｇ内の時間反転シグニチャとをマッチングさせ続け、最も強い時間反転時空間共振を生成するものを探す。未知の監視中チャネル状態情報Ｈ~と状態Ｓｉ中のサンプルとの間の時間反転共振強度は、以下のように定義される。
Figure 0006623298
Figure 0006623298
Figure 0006623298
ベースライン法の実験結果
ベースライン法を使用して実験が行われた。図２Ａの間取り図２２０に詳細な設定を示す。図中、異なるドットマークは送信機（ＴＸ）及び受信機（ＲＸ）の異なるロケーションを表す。実験において、Ｄ１〜Ｄ８と示される複数の木製扉の開閉状態を検出する。丸いドット（例えば、２２２ａ、２２２ｂ、２２２ｃ、２２２ｄ）で示される送信機の各ロケーションは互いに１ｍ離間し、受信機の候補ロケーションは星（例えば、２２４ａ及び２２４ｂ）で示される。ＴＸ−ＲＸロケーションは、見通し内（ＬＯＳ）送信及び見通し外（ＮＬＯＳ）送信の双方を含む。
最初に、複数の屋内イベントを検出する際の時間反転イベント検出器の性能を調べる。更に、受信信号強度インジケータ（ＲＳＳＩ）に基づく屋内検出方法と時間反転イベント検出器との性能比較を調べる。受信信号強度インジケータは、受信機において受信された信号エネルギーを表すスカラである。無線信号が空中を移動する場合、異なる物体に遭遇し、送信信号の複数の変化したコピーが生成される。更に、送信中、異なる送信信号は屋内環境に応答して異なる減衰が生じる。従って、屋内環境の各スナップショット、すなわち各屋内イベントは異なる受信信号強度インジケータ値に対応してもよく、これは異なる屋内イベントを認識するために使用できる。トレーニング段階において、システムは異なる注目屋内イベントに対する受信信号強度インジケータを収集してデータベースに格納する。受信信号強度インジケータを使用して屋内イベントを分類する分類器は最近傍法に基づき、監視中の環境からの受信信号強度インジケータはトレーニング段階で収集された全ての屋内イベントの受信信号強度インジケータと比較される。屋内イベント検出に対する決定は、監視中の環境からの受信信号強度インジケータと最もマッチングする格納済み受信信号強度インジケータを見つけることにより行われる。
受信信号強度インジケータに基づく方法を使用する実験において、受信機はロケーションＢ（２２４ａ）又はロケーションＣ（２２４ｂ）のいずれかに配置され、送信機のロケーションはドット（２２２ａ〜２２２ｄ）により表される。それらは最も左側のロケーションから１ｍずつ離間し、それぞれを「軸１」〜「軸４」と呼ぶ。全部で２つの受信機のロケーションと４つの送信機のロケーションがあり、すなわち８個のＴＸ−ＲＸ対がある。時間反転イベント検出器の目的は、Ｄ１〜Ｄ８のうち、他の全ての扉が開いている中で閉まった木製扉を検出することである。
Figure 0006623298
時間反転イベント検出器及び受信信号強度インジケータに基づく方法の全体的な誤警報率及び検出率を表２及び表３に示す。
Figure 0006623298
Figure 0006623298
見通し内の場合及び見通し外の場合の双方において、時間反転イベント検出器は受信信号強度インジケータに基づく方法より高い検出率及び低い誤警報率を達成し、性能が優れている。時間反転イベント検出器は、見通し外の場合に９６．９２％以上の検出率及び３．０８％以下の誤警報を得ることができ、見通し内の場合に９７．８９％以上の検出率及び２．１１％以下の誤警報を得ることができる。更に、受信機と送信機との間の距離が増加するほど、双方の方法の精度は向上する。
図２Ｂを参照すると、時間反転イベント検出器に対する人間の移動の影響を調査するために、図中に網掛け部分２３０として示す領域を継続的に前後に移動する人間が０人、１人及び２人いる状態で実験を行った。また、送信機は丸印２３２で表すロケーションに配置され、受信機は六角形印２３４で表すロケーションに配置され、「Ｄ１」及び「Ｄ２」で示す隣接する２つの扉の状態を表４に示すように検出した。
人間の移動により導入される干渉はマルチパス伝搬を変化させ、時間反転イベント検出器の監視段階における時間反転共振強度に変動を生じさせる。人間が会場内を動き回る場合、導入される干渉は変化し続け、各干渉の持続時間は短い。時間反転共振強度におけるバースト変動の影響に対処するために、「スライディングウィンドウ」と組み合わせた「多数決」法を採用して、検出結果を時間にわたり平滑化する。先行するＫ−１個の出力Ｓ* k（ｋ＝ｔ−Ｋ＋１，...，ｔ−１）及び現在の結果S_t^*を有すると仮定した場合、全てのＳ* k（ｋ＝ｔ−Ｋ＋１，...，ｔ−１）にわたり投票することにより、時間スタンプｔに対する決定が行われる。Ｋは平滑化用スライディングウィンドウのサイズを示す。Ｋ個の出力Ｓ* kのうち最も多くの票を有するイベントが時間スタンプｔに対するイベントとして選択される。
例えばＫ＝１１であり、時間反転イベント検出器の１１個の出力Ｓ* k（ｋ＝ｔ−１０，．．．，ｔ）のセットが｛Ｅ１，Ｅ１，Ｅ２，Ｅ１，Ｅ１，Ｅ２，Ｅ２，Ｅ２，Ｅ２，Ｅ１，Ｅ２｝であるとする。本例において、５個の出力がイベントＥ１に対応し、６個の出力がイベントＥ２に対応し、イベントＥ２が時間スタンプｔに対するイベントとして選択される。時間スタンプｔ＋３において、時間反転イベント検出器の１１個の出力Ｓ* k（ｋ＝ｔ−７，．．．，ｔ＋３）のセットが｛Ｅ１，Ｅ１，Ｅ２，Ｅ２，Ｅ２，Ｅ２，Ｅ１，Ｅ２，Ｅ１，Ｅ１，Ｅ１｝であるとする。本例において、６個の出力がイベントＥ１に対応し、５個の出力がイベントＥ２に対応するため、イベントＥ１が時間スタンプｔ＋３に対するイベントとして選択される。
Figure 0006623298
Figure 0006623298
表５において、人間の移動（ＨＭ）がない場合と、１人の人間及び２人の人間により意図的に実行された継続的な人間の移動がある場合との平滑化アルゴリズム使用時又は未使用時の時間反転イベント検出器の平均精度を比較する。この場合、スライディングウィンドウの長さはＫ＝２０であり、これは０．１秒の持続時間を表す。第１に、時間反転イベント検出器の精度は、屋内イベント、送信機及び受信機のロケーションの付近で継続的な移動を実行する人間の数が増加するにつれて減少する。更に、採用された平滑化アルゴリズムは人間の動作に対する時間反転イベント検出器のロバスト性を向上し、平滑化を行わない場合と比較して精度を７％〜９％向上する。その一方で、実験において、最も脆弱な状態は全ての扉が開いている状態「００」（表４を参照）であることが更に分かった。この状態で人間の移動が存在する場合、時間反転イベント検出器が「扉が閉じた」という誤報を生成する確率は他の状態より高い。これは、人間が扉のロケーションの付近を移動する場合、人間の身体が扉のロケーションにおける重度の閉鎖と見なされ、木製扉が閉じた状態と類似するため、マルチパスチャネル状態情報の変化が「扉が閉じた」と同様であるためである。
時間反転イベント検出器：統計的方法
いくつかの実現例において、イベント検出器は、「開いている扉は無い」、「玄関扉が開いている」等である屋内イベントの発生を検出するように設計される。ここでは、統計値に基づくイベント検出器の詳細を開示する。統計値に基づくイベント監視システム（又は保護システム）は、オフライントレーニング段階及びオンライン学習段階である２つの動作段階を有する。トレーニングセットは、所定の既知の各イベントにおいて収集された受信プロービング信号からの推定ＣＳＩを含み、それらから各イベントに対する時間反転共振強度の関数における統計的分布を計算する。オンライン監視段階では、未知のイベントにおいて収集されたＣＳＩを使用する確率特徴が抽出され、未知のイベントは既知のイベントの１つに分類される。イベント検出の決定が行われ且つそれが正確な決定であると確認されると、監視段階において収集されたチャネル状態情報をトレーニングセットに追加でき、それを用いて特徴を再トレーニングできる。
段階１．オフライントレーニング
図１９を参照すると、オフライントレーニング段階２４０において、イベント監視システムは、監視される屋内イベント毎に同一のイベントプロファイルから収集されたチャネル周波数応答の間の時間反転共振強度の対数正規分布モデルを構築することを目的とする。
特に、正常イベント及び異常イベントを含む屋内イベントのセットをＳとする各屋内イベントＳｉ∈Ｓに対して、対応する周波数領域チャネル周波数応答が受信機側で取得され、以下のように推定される。
Ｈｉ＝［ｈi (1), ｈi (2),..., ｈi (M)］, ｉ＝１,２,...,Ｎ 式（３２）
式中、ＮはＳのサイズであり、Ｍは送信機と受信機との間のリンクの数であり、Ｈｉの次元はＬ×Ｍである。Ｍは、送信機アンテナの数と受信機アンテナの数の積である。ここで、用語「正常イベント」は、ユーザ／環境が正常であると考え、警報を生成する必要がないと考えるイベントを示す。用語「異常イベント」は、ユーザ／環境が正常でない又は異常であると考え、警報を生成する必要があると考えるイベントを示す。
いくつかの実現例において、クラス内時間反転共振強度の統計値を学習するために、Ｈｉの少なくとも３００個の実現例が収集される。屋内イベントＳｉに対するチャネル状態情報の十分なサンプルを収集すると、以下のステップを使用して統計値が推定される。
・位相オフセットの較正：チャネル状態情報の各実現例にランダム線形位相オフセットがあるため、何らかの位相較正法を適用して全ての実現例を整列させ、その後、式（６）を使用して時間反転共振強度を計算できる。
・ＣＳＩ代表生成器：本ステップにおいて、リンク毎にトレーニングセット内の全ての屋内イベントに対して、同一の屋内イベントからの他の全てのチャネル周波数応答に最も類似する代表チャネル状態情報が見つけられる。最初に、屋内イベントＳｉに対して収集された全ての実現例の間のリンクｍに対する対の時間反転共振強度が計算される。時間反転共振強度は異なるチャネル周波数応答の間の類似性を定量化するのに使用できるため、自身とイベントＳｉにおけるリンクｍに対する他の全てのチャネル周波数応答との間の時間反転共振強度が事前に定義された類似性閾値を上回る数が最も多いチャネル周波数応答が、イベントＳｉにおけるリンクｍに対する代表チャネル状態情報として選択される。全てのリンク及び全ての屋内イベントに対して、これを繰り返す。その結果、全ての代表チャネル状態情報は以下のような集合を形成する。
Figure 0006623298
式中、ｈｉ (l)（ｎｌ）は、ｎｌ番目の実現例からのリンクｌに対するイベントＳｉのチャネル周波数応答を示す。ｎｌ（ｌ＝１，２，．．．，Ｍ）は実現例インデックスであり、これは全てのｌ及びＨｒｅｐ，ｉにおけるｉに対して異なってもよい。
・対数正規パラメータの推定：代表チャネル状態情報が多入力多出力システムにおける全てのイベント及び全てのリンクに対して見つけられると、対数正規分布パラメータを推定できる。リンクｍ及びイベントＳｉに対して、代表チャネル状態情報Ｈ(m) ｒｅｐ，ｉと他の全ての実現例ｈｉ (m)（ｌ）との間の時間反転共振強度が式（６）を使用して計算され、以下のように示される。
Figure 0006623298
Figure 0006623298
トレーニングの最後に、全てのトレーニング済みイベントに対する代表チャネル状態情報Ｈｒｅｐの集合及び対数正規分布パラメータＱｒｅｐの集合を含むことにより、トレーニングデータベースが構築される。全てのトレーニング済みイベントは、警報が生成されない正常イベントＳnormal及び異常イベントが検出された場合に警報がユーザに報告される必要のある異常イベントＳabnormalである２つのグループに分類可能である。
段階II．オンライン監視
監視段階において、図１９及び図２０に示すように、受信機は未知のイベントからチャネル状態情報をＨtest＝［ｈ(1) test, ｈ(2) test,..., ｈ(M) test］として継続的に収集する。統計値に基づくイベント検出器は、統計メトリックを計算して評価することにより、未知の監視されたチャネル状態情報に最も類似するトレーニングデータベース内のイベントを見つける。本明細書中、用語「監視されたチャネル状態情報」又は「検査されたチャネル状態情報」は、監視段階において収集されるチャネル状態情報を示す。詳細なステップを以下に列挙する。
・ＴＲＲＳの計算：取得されたチャネル状態情報測定値Ｈtestが位相オフセットにより破損されるため、トレーニング段階で使用したのと同一の位相較正アルゴリズムをチャネル状態情報Ｈtestに最初に適用して、ランダム位相オフセットを除去する必要がある。その後、トレーニング済み屋内イベント毎に、代表チャネル状態情報と監視測定値との間の時間反転共振強度を式（６）により全てのリンクに対して計算する。これは以下のように示される。
Figure 0006623298
・統計メトリックの計算：時間反転共振強度が取得されると、Ｈtestと全てのトレーニング済みイベントＳｉとの間の統計メトリックが以下のように計算される。
Figure 0006623298
式中、Ｆ(μ,σ)（ｘ）は、パラメータ（μ，σ）及び変数ｘを有する対数正規分布の累積分布関数（ＣＤＦ）である。関数Ｆ(μ,σ)（ｘ）が独立変数ｘ及びパラメータ（μ，σ）を有する累積分布関数であるため、これはｘと共に増加する。より大きいｘはより高いＦ(μ,σ)（ｘ）を示し、より高いＦ(μ,σ)（ｘ）はより大きいｘを示す。従って、より大きいＷi,testはより小さいＴＲ(m) i,testセットを示し、これは、監視されたチャネル状態情報とトレーニング済みイベントＳｉのチャネル状態情報との間の類似性が低いため、未知のイベントの監視されたチャネル状態情報がトレーニング済みイベントＳｉに属する可能性が低いことを意味する。そのため、当該統計メトリックは、未知のイベントからの監視されたチャネル状態情報が何らかのトレーニング済みイベントＳｉに属する可能性の低さを反映する。
・決定：提案される統計値に基づくイベント検出器は、２段階状態チェッカを用いて、監視中のチャネル状態情報測定値に対する決定を行う。詳細を以下に示す。
（ａ）段階１−正常状態チェッカ：環境が正常である（すなわち、正常イベントのうちの１つのみが発生する）か又は異常である（すなわち、現在の環境状態がトレーニング済み正常イベントのいずれにも属さない）かを検出するために、メトリック値Ｗnormal,testを使用して、事前に定義された閾値γnormalと比較する。
Figure 0006623298
Ｗnormal,test＜γnormalの場合、監視中のチャネル状態情報測定値に対するシステムの決定はＤtest＝ｎｏｒｍａｌであり、決定手順は終了する。Ｗnormal,test＜γnormalでない場合、決定手順は次の段階である異常状態チェッカに進む。
（ｂ）段階２−異常状態チェッカ：本ステップでは、Ｈtestが収集される時間の間に何らのイベントが屋内環境において発生するため、どのトレーニング済み異常イベントが発生しているのかを判定することを目的とする。従って、メトリック値Ｗabnormal,testを使用して、事前に定義された閾値γabnormalと比較する。
Figure 0006623298
その後、監視時間に対するシステムの決定が式（４３）のＷabnormal,testに基づいて以下のように行われる。
Figure 0006623298
Ｄtest＝ｎは、トレーニング段階でトレーニングされていない何らかの異常イベントが発生していることを示す。
統計的方法の実験結果
図３を参照すると、実験は一軒の家屋において行われ、間取り図２５０が図示される。間取り図２５０において、間取り図２５０中の矢印で示される扉及び窓の状態が統計値に基づくイベント検出器により監視される。試験家屋において、受信器のロケーション２５２が与えられ、２つの送信機のロケーション２５４ａ、２５４ｂが試験されて評価される。一方の送信機のロケーション２５４ａは玄関扉の領域に存在し、他方の送信機のロケーション２５４ｂは台所に存在する。
Figure 0006623298
受信機動作特徴（ＲＯＣ）性能が送信機の双方のロケーション２５４ａ、２５４ｂにおいて評価される。構成Ｉでは、送信機はロケーション２５４ａに配置される。構成IIでは、送信機はロケーション２５４ｂに配置される。図４Ａ及び図４Ｂは、検出率と誤警報率との間のトレードオフを表す受信機動作特徴の曲線プロットを示すグラフ２６０及びグラフ２７０である。検出率は、正確に分類されたクラスｉからの監視サンプルの百分率であり、誤警報率は、クラスｉに含まれないがクラスｉとして識別された監視サンプルの百分率である。
送信機が玄関扉領域２５４ａに存在し且つ受信機がＡｌｉｃｅの部屋２５２の内側に配置される第１の構成において、全てのイベントがトレーニングデータベースに含まれる場合、受信機動作特徴性能は完全ではなく、図４Ｂのグラフ２７０に示すように、イベントｅ７の勉強部屋の扉２５６をｅ１と区別できない。これは、イベントｅ７が送信機及び受信機から遠すぎ、イベントｅ７により導入されたマルチパスの変化が小さすぎて、イベントｅ７と全ての扉が閉じているイベントｅ１とを分離できないためである。遠くのイベントをトレーニングデータベースから除外すると、図４Ａのグラフ２６０に示すように、受信機動作特徴性能は完全である。一般に、適切な監視性能を有するためには、イベントに対して監視されている物体（例えば、扉又は窓）は送信機又は受信機の少なくとも一方に対する見通し内パスを有するか又は送信機と受信機との間のリンクの近くに位置する必要がある。上記の基準を「適切な監視性能のための基準」と呼ぶ。構成Ｉにおいて、ｅ６及びｅ７以外の全てのイベントは適切な監視性能のための基準を満たす。
構成Ｉにおける結果と同様に、構成IIの場合、ｅ２、ｅ８及びｅ９以外の全ての対象イベントは適切な監視性能のための基準を満たす。適切な監視性能のための基準を満たす対象イベントに対して、システムは図５Ａのグラフ２８０に示すように、誤警報率がほぼ０である完璧な検出精度を有する。図５Ｂを参照すると、グラフ２９０は、適切な監視性能のための基準を満たさないイベントに対して、システムが高い誤警報率を有することを示す。構成Ｉ及び構成IIの双方において、適切な監視性能のための基準を満たさないイベントは、「全ての扉が閉じている」と分類される。
評価：動作
ここでは、構成Ｉのイベントリストの全ての対象イベントが意図的に実行され且つシステムが各イベントの間にチャネル状態情報を継続的に収集する監視環境がシミュレーションされる。３つの例を図６Ａ〜図６Ｃに示す。図６Ａは、全ての扉及び窓が閉じている状況に対する決定を示すグラフ３００である。図６Ｂは、Ｂｏｂの部屋の扉が部屋の内側から開かれる状況に対する決定を示すグラフ３１０である。図６Ｃは、Ａｌｉｃｅの部屋の窓が外側から開かれる状況に対する決定を示すグラフ３２０である。グラフ３００、３１０、３２０において、ｘ軸は決定インデックス又は時間インデックスを表し、決定は一定期間にわたり周期的に行われる。ｙ軸は表６に対応する状態インデックスを表す。これらの例において、システムはイベントｅ１からイベントｅ４への移行（図６Ｂに示すように）及びイベントｅ１からイベントｅ９への移行（図６Ｃに示すように）の検出に成功している。
家屋の外側のアクティビティに対する統計値に基づくイベント検出器のロバスト性をシミュレーションする。図７Ａを参照すると、グラフ３３０は玄関扉の外側を歩いている人間がいる時の決定結果を示す。出力された決定は、「全ての扉が閉じている」として全て正確に判定されている。図７Ｂを参照すると、グラフ３４０は裏口の扉の外側を歩いている人間がいる時の決定結果を示す。出力された決定は、「全ての扉が閉じている」として全て正確に判定されている。図７Ｃを参照すると、グラフ３５０は自動車が家屋の外側を走行している時の決定結果を示す。出力された決定は、「全ての扉が閉じている」として全て正確に判定されている。グラフ３３０、３４０及び３５０に示す決定結果は、システムが外側のダイナミクスに対して信頼性及び安定性を有することを示す。
時間反転イベント検出器：機械学習法
屋内イベントの発生を検出するという、統計値に基づく方法と同一の目的を有する機械学習に基づくイベント検出器を以下に説明する。機械学習に基づく方法は、イベントを特徴空間にマッピングし、特徴空間における異なる屋内イベント間の距離を最大にしようとする。本方法は、計算の複雑性が高くなるが（統計値に基づく方法と比較して）、より高い決定性能を達成できる。機械学習に基づくイベント検出器は、図２１に示すように、オフライントレーニング段階４７０及びオンライン監視段階４７２で動作できる。
段階１．オフライントレーニング
統計値に基づく方法と同様に、トレーニング段階４７０において、監視される全ての対象イベントの屋内マルチパスプロファイルが収集され、サポートベクトルマシン（ＳＶＭ）及び特徴次元縮小法、すなわち主成分分析（ＰＣＡ）である分類器をトレーニングするために使用される。
データの取得：最初に、Ｓが正常イベント及び異常イベントを含む屋内イベントのセットである各屋内イベントＳｉ∈Ｓに対して、対応する周波数領域チャネル周波数応答が取得され、受信機側において式（３２）と同様の形式で推定される。
・位相オフセットの較正：チャネル状態情報の各実現例にランダム線形位相オフセットがあるため、位相較正法を適用して全ての実現例を個別に整列させた後、各チャネル周波数応答のエネルギーを正規化する。
・初期特徴の生成：各イベントＳｉに対して、チャネル状態情報プロファイルＨｉが初期特徴として処理される。各リンクチャネル状態情報ｈi (m)は複素値ベクトルであるため、機械学習用途で使用する前に処理する必要がある。複素値正規化チャネル状態情報の実数部及び虚数部を抽出して連結し、以下のような新規の特徴ベクトルを形成する。
Figure 0006623298
・特徴次元縮小：主成分分析において、直交変換を適用して、相関変数である可能性のあるものを含む元の特徴を各次元が無相関である新規の特徴空間に変換する。主成分分析は、全てのイベントに対して先行ステップで取得された新規に生成された特徴ベクトルを使用して学習される。いくつかの実現例において、大きい順に２００個の変換後成分が新規特徴として選択され、特徴の次元が縮小される。同一の直交変換が監視段階で使用される。尚、上述した２００という数は一例にすぎず、用途に応じて、大きい順に例えば１００個又は３００個である別の数の変換後成分を新規特徴として選択できる。
・サポートベクトルマシンのトレーニング：より小さい次元の新規特徴が生成されると、それらは線形サポートベクトルマシンに提供され、異なるクラス（イベント）間のマージンが最大になるように重みベクトルがトレーニングされる。
トレーニング段階の最後に、主成分分析に対する直交変換及び線形サポートベクトルマシン分類器が学習される。
段階２．オンライン監視
未知のイベントから収集された各サンプルチャネル状態情報に対して、トレーニング段階で使用されたのと同一の前処理を最初に実行して、位相オフセット及び初期位相歪みを低減又は除去し、その後、チャネル状態情報の実数部及び虚数部を連結することにより特徴ベクトルが生成される。その後、学習された主成分分析の直交変換を特徴ベクトルに適用して、次元数を減少する。新規の特徴ベクトルは、トレーニング済み線形サポートベクトルマシンを使用して分類され且つラベル付けされる。イベント検出に関する決定が行われ且つそれが正確な決定であると確認されると、監視段階で収集されたチャネル状態情報をトレーニングセットに追加でき、それを用いてサポートベクトルマシンを再トレーニングできる。
機械学習に基づく方法の実験結果
本節では、前節と同一のデータを使用する受信機動作特性性能及び運用テストを通じて、機械学習に基づくイベント検出器の性能を評価する。送信機が玄関扉領域に配置される構成Ｉを調べる。主成分分析の次元縮小後の分類特徴を形成するために、２０個の実数値主成分が選択される。
適切な監視性能の基準を満たす対象イベントに対して、機械学習に基づくイベント検出器は、図８Ａのグラフ３６０に示すように、誤警報率がほぼ０である完璧な検出精度を有する。図８Ｂを参照すると、グラフ３７０は、適切な監視性能のための基準を満たさないイベントに対して、機械学習に基づくイベント検出器の誤警報率が高いことを示す。
図９Ａは、全ての扉及び窓が閉じている状況に対して機械学習に基づくイベント検出器により行われた決定を示すグラフ３８０である。図９Ｂは、Ｂｏｂの部屋の扉が部屋の内側から開かれる状況に対する決定を示すグラフ３９０である。図９Ｃは、Ａｌｉｃｅの部屋の窓が外側から開かれる状況に対する決定を示すグラフ４００である。グラフ３８０、３９０及び４００において、ｘ軸は決定インデックス又は時間インデックスを表し、決定は一定期間にわたり周期的に行われる。ｙ軸は表６に対応する状態インデックスを表す。これらの例において、システムはイベントｅ１からイベントｅ４への移行を検出することに成功し（図９Ｂに示すように）、イベントｅ１からイベントｅ９への移行を検出することに成功した（図９Ｃに示すように）。
上記の結果は、受信機動作性能評価及び運用テストの双方において、適切な監視性能のための基準を満たす対象イベントに対して誤警報率がほぼ０である完璧な検出率を達成する点で、機械学習に基づくイベント検出器が統計値に基づくイベント検出器と同様と性能を有すること、並びに運用テストにおいて対象イベントの発生が検出され且つ報告されることを示す。
人間動作検出器：ＴＲＲＳ分散に基づく方法
図２２は、時間反転共振強度分散に基づく人間動作検出器４８０の処理ブロック図を示す。これは、時間反転共振強度の時系列の分散により定量化される大きいダイナミクスが検出されると即座に報告するように設計される。家屋内での人間の動作は、動作が送信機又は受信機の近くで起きる場合は特に、チャネルフェージング及びノイズにより発生する影響と比較して大きい変動を時間反転共振強度の時系列に導入する場合がある。時間反転共振強度分散に基づく人間動作検出器は、オフライントレーニング段階４８２及びオンライン監視段階４８４である２つの段階で動作できる。オフライントレーニング段階４８２において、マルチパス伝搬環境における異なる種類のダイナミクスにより導入される時間反転共振強度分散が調べられ、人間の動作がある場合と人間の動作がない場合のダイナミクスを判定する際に使用するために適切な閾値が取得される。オンライン監視段階４８４において、検出器４８０は測定されたチャネル状態情報を受信し、時間反転共振強度の時系列における分散を判定し、分散とトレーニング段階において確立された閾値とを比較し、家屋内に人間の動作が存在するか否かの判定を行う。
段階１．オフライントレーニング
トレーニング段階４８２において、システムは、監視領域内に人間の動作が存在しない場合の時間反転共振強度の時系列におけるダイナミクスと比較した人間の動作が存在する場合のダイナミクスの大きさを学習する必要がある。トレーニングにおける詳細なステップを以下に列挙する。
・データの取得：最初に、屋内環境の状況を２つのクラス、すなわち、環境が静的であるＳ０と、監視領域内で動いている人間が少なくとも１人いるＳ１に分ける。双方のクラスに対して、チャネル状態情報サンプルとも呼ばれるチャネル周波数応答が継続的に収集され、以下のように示される。
Figure 0006623298
式中、ｔはチャネル周波数応答が取り込まれる期間の時間インデックスである。チャネル周波数応答が位相歪みにより破損する場合があるため、時間反転共振強度分散に基づく人間動作検出器が時間反転共振強度の時系列のダイナミクスを学習する前に、位相オフセットがそれぞれ個別に補償される。
・ダイナミクスの取得：静的状態Ｓ０及び動作状態Ｓ１の双方に対するチャネル周波数応答測定値の時系列が取得されると、時間ウィンドウ内で時間に沿って時間反転共振強度の分散値を追跡（トラッキング）することにより、時間反転共振強度の時系列のダイナミクスが定量化される。分散の時系列を取得するために、各状態Ｓｉ（ｉ＝０，１）に対して、長さＮ及びオーバラップＮ−１を有するスライディングウィンドウがＨｉ（ｔ）の時系列に適用され、ウィンドウ内で継続的に収集されたチャネル周波数応答をセグメント化する。例えばウィンドウ長Ｎとすると、チャネル周波数応答系列はＨｉ（ｔ０）〜Ｈｉ（ｔ０＋Ｎ＊Ｔｓ）であり、Ｔｓはサンプリング時間であり、すなわち各チャネル状態情報の検知の時間間隔はＴｓである。その後、時間ｔ０から始まるウィンドウに対する時間反転共振強度系列が、ｔ０≦ｔ≦ｔ０＋Ｎ＊Ｔｓである
Figure 0006623298
Figure 0006623298
段階２．オンライン監視
監視段階において、システムが継続的に環境を感知してチャネル状態情報サンプルを収集するため、チャネル状態情報の時系列Ｈtest（ｔ），ｔ０≦ｔ≦ｔ０＋Ｎ＊Ｔｓ，∀ｔ０を取得するために、トレーニング段階と同一の長さＮ及びオーバラップ長さＮ−１を有するスライディングウィンドウが適用される。位相オフセット及び初期位相歪みを補償した後、時間反転共振強度系列が
Figure 0006623298
として取得され、この時間ウィンドウ内の分散はσtest（ｔ０）である。家屋内に人間の動作があるか否かを判定するために、σtest（ｔ０）値が閾値γmotionと比較される。σtest（ｔ０）≧γmotionの場合のみ、システムは人間の動作の存在を報告する。
時間反転共振強度分散に基づく人間動作検出器を使用することにより、誰かが家屋内を歩いている場合、システムはそれを検出できる。更に、動作が送信機又は受信機の近くで生じる場合、精度は高くなる。内側に金属を有する大きい物体が部屋の中に存在する場合があるため、無線信号（送信機から送出され、受信機により受信される）が動いている人間の身体に到達する前に大部分又はほぼ全ての電磁波を反射する金属の後方で人間の動作が発生する場合、動作検出は妥協される場合がある。
図１０Ａを参照すると、グラフ４１０は、家屋の中を歩いている人間がいないことを人間動作検出器が正確に判定したことを示す。図１０Ｂを参照すると、グラフ４２０は、玄関扉領域を歩いている人間がいることを人間動作検出器が正確に判定したことを示す。
図１０Ｃを参照すると、グラフ４３０は、決定４３２ａ、４３２ｂ及び４３２ｃで表される特定の期間に広範囲を歩いている人間がいること、並びに決定４３４ａ及び４３４ｂで表される特定の期間に広範囲を歩いている人間がいないことを人間動作検出器が正確に判定したことを示す。図１０Ｄを参照すると、グラフ４４０は、特定の期間に居間領域を歩いている人間がいること及び特定の期間に居間領域を歩いている人間がいないことを人間動作検出器が正確に判定したことを示す。図１０Ｅを参照すると、グラフ４５０は、特定の期間に台所を歩いている人間がいること及び特定の期間に台所を歩いている人間がいないことを人間動作検出器が正確に判定したことを示す。
図１０Ｆを参照すると、グラフ４６０は、家屋の外側を歩いている人間がいる場合の決定結果を示す。人間動作検出器は、家屋の中を歩いている人間がいないことを正確に判定した。決定は、家屋の外側を歩いている人間の影響を受けなかった。
平滑化のための時間ダイバーシチ
いくつかの例では、屋内環境において、無線送信におけるノイズ及び外のダイナミクスが存在し、受信機側における推定チャネル状態情報に影響を及ぼす場合がある。これらの種類の干渉は、保護システムの誤検出又は誤警報を引き起こす場合がある。いくつかの実現例において、これらの干渉は僅かであり且つ短時間である場合が多いため、時間と矛盾しない決定のみを出力するために時間ダイバーシチ平滑化法が提供される。時間ダイバーシチ平滑化法は、屋内イベントの一般的な持続時間が通常は数秒であるという仮定に依存する。
いくつかの実現例において、時間ダイバーシチ平滑化アルゴリズムは、以下に説明するように２段階の多数決処理を使用する。
・段階Ｉの多数決：当段階の多数決は、各単一チャネル状態情報推定値に基づいて生成された未加工の決定に直接適用される。長さＮ１及びオーバラップ長Ｏ１を有するスライディングウィンドウＳＷ１を用いて、インデックスｎの決定は
ＤMV1（ｎ）＝MajorityVote｛Ｄ（１＋（ｎ−１）＊Ｏ１），Ｄ（２＋（ｎ−１）＊Ｏ１），...，Ｄ（Ｎ１＋（ｎ−１）＊Ｏ１）｝により取得される。式中、Ｄ（ｎ）は、イベント検出器又は人間動作検出器のいずれかからのｎ番目のチャネル状態情報測定値に対する決定である。
・段階IIの多数決：段階Ｉからの決定ＤMV1（ｎ）が取得されると、第２段階の多数決において、長さＮ２及びオーバラップ長Ｏ２を有する第２のスライディングウィンドウＳＷ２が決定系列ＤMV1（ｎ），ｎ＝１，２，．．．に適用される。この場合、本ステップにおいて、時間ダイバーシチ平滑化を適用後の最終的な決定出力はＤfinal（ｎ）＝MajorityVote｛ＤMV1（１＋（ｎ−１）＊Ｏ２），ＤMV1（２＋（ｎ−１）＊Ｏ２），...，ＤMV1（Ｎ２＋（ｎ−１）＊Ｏ２）｝である。
時間ダイバーシチ平滑化を適用することにより導入される時間遅延は、（Ｎ１＋（Ｎ２−１）＊Ｏ１）×Ｔｓ秒である。
人間動作検出：アンテナ相関に基づく方法
いくつかの実現例において、アンテナ相関分散に基づく人間動作検出器は、アンテナ相関の分散により定量化される大きいダイナミクスが検出されると即座に報告するように設計される。人間の動作は、動作が送信機又は受信機の近くで起きる場合は特に、チャネルフェージング及びノイズにより発生する影響と比較して大きい変動をアンテナ相関に導入する場合がある。本方法において、人間の動作がある状況と人間の動作がない状況との間のアンテナ相関の分散におけるダイナミクスを区別するために、アンテナ相関の分散に基づく人間動作検出器が使用するのに適した閾値が取得される。
アンテナ相関を計算する前に、位相補償アルゴリズムを使用して、各リンクにおけるＣＳＩの位相歪みを補償する。図１１を参照すると、いくつかの実現例において、３アンテナＷｉＦｉ装置４９０が送信機として使用され、３アンテナＷｉＦｉ装置５００が受信機として使用される。尚、３アンテナＷｉＦｉ装置は例として使用されるにすぎず、送信機及び受信機は４個以上又は２個以下のアンテナを有することができる。例えば送信機及び受信機はそれぞれ、５個、１０個、２０個、３０個又は３１個以上のアンテナを有することができる。
図１１において、Ｈｉ,ｊは、ｉ番目のＴＸアンテナとｊ番目のＲＸアンテナとの間のリンクにおけるチャネル状態情報推定値を表す。アンテナ相関γは、ＴＸアンテナ相関又はＲＸアンテナ相関であってもよく、以下のように計算可能である。
Figure 0006623298
式中、ＭはＴＸアンテナの数を表し、ＮはＲＸアンテナの数を表す。
Figure 0006623298
式（４７）及び式（４８）から、各時間インスタンスにおけるアンテナ相関γｔを図１２に示すように計算できる。
背景ノイズ及びハードウェアの障害により、アンテナ相関γｔは多くのノイズを含む場合がある。従って、動作検出にγｔを使用する前に、γｔに対する後処理が必要な場合がある。最初に、以下の式（４９）に示すように、γｔの時間差を取得する。
Δγｔ＝γｔ−γｔ−１ 式（４９）
次に、ウィンドウサイズＷを有する移動平均ウィンドウがΔγｔに適用され、平均値及び分散は以下のように動作検出に使用できる。
Figure 0006623298
ここでは、実験は図１３に示すようなオフィスで行われ、４個の実験が実行された。送信機のロケーションを丸で示し、受信機のロケーションを三角形で示す。各実験において、矩形で示す人間が送信機と受信機との間の空間を繰り返し通過した。以下の実験に対して、ＲＸアンテナ相関を考察する。
実験１：小さい部屋における見通し内の場合の動作：第１の実験では、送信機及び受信機の双方が見通し内の状況で小さい部屋に配置され、人間は送信機と受信機との間のリンクを繰り返し通過した。アンテナ相関を図１４のグラフ５１０に示す。図１４のグラフ５１０は、アンテナ相関が時間インデックスに沿って非常に多くのノイズを含むことを示す。従って、アンテナ相関の差分が式（４９）を使用して判定され、結果を図１５のグラフ５２０に示す。
ウィンドウサイズＷ＝１秒を選択した場合、Δγｔの統計値を使用して、図１６及び図１７に示すように人間の動作を検出できる。図１６は、送信機と受信機との間の領域を歩いている人間がいる場合のΔγｔの平均を示すグラフ５３０である。図１７は、送信機と受信機との間の領域を歩いている人間がいる場合のΔγｔの分散を示すグラフ５４０である。図１６及び図１７のピークは、検出された人間の動作を表す。
第２の実験では、送信機及び受信機をオフィスの入口に配置した。オフィスのカード鍵システムを使用して、入室履歴と歩いている人間がいる場合のＶａｒ（Δγｔ）とが、図１８のグラフ５５０に示すように、時間において整列される。
尚、オフィスのカード鍵システムにより提供される入室履歴は、オフィスからの人間の退室を記録しない。従って、Ｖａｒ（Δγｔ）におけるいくつかの未知のピークは、オフィスから退室する人間により生じるものである場合がある。
人間動作検出：ノイズレベルに基づく方法
いくつかの実現例において、線形位相オフセット及びランダム初期位相の問題を回避するために、チャネル周波数応答の振幅情報のみが使用される。説明の便宜上、時間ｉにおける（正規化された）チャネル周波数応答の振幅を以下のようなロングベクトルと示す。
Figure 0006623298
Figure 0006623298
Figure 0006623298
Figure 0006623298
誤警報要件αを与えた場合、閾値ηは次式により判定される。
Figure 0006623298
式中、Ｑ（・）はＱ関数であり、すなわち標準正規累積分布関数の補数である。誤警報確率αが小さい場合、Ｑ-1（α）は大きく、それと同時にηも大きい。上記の説明は、観察ウィンドウＩの長さが上述したアルゴリズムの性能において重要な役割を果たすことを示す。ウィンドウのサイズＩが大きいほどＰ^ Ｎの分散は減少し、閾値ηをより小さい値に設定でき、それにより、式（５６）による観察ウィンドウの持続時間に相当する持続時間を有する動作に対する検出確率を向上できる。しかし、ウィンドウサイズが大きいほど、システムの応答時間は長くなり、持続時間が短い動作に対する検出確率は低下する。異なる目的又は用途に応じて、異なるウィンドウサイズが選択されてもよい。
人間動作検出：到着時間（ＴｏＡ）に基づく方法
Figure 0006623298
Figure 0006623298
Figure 0006623298
人間の動作がＷｉＦｉ信号の物理的伝搬パスを変更するため、チャネルインパルス応答はそれに応じて影響を受ける。マルチパス成分の相対到着時間又は振幅の変化等の多くの特徴を利用できる。例えば第１の有意なマルチパスと第２の有意なマルチパスとの間の到着時間の差分を利用できる。この差分が変化する場合、これは送信機及び／又は受信機の近くで動作が起きたことを示す。
ダイバーシチを使用するＴＲＲＳの組み合わせ
上記で定義したように、同一イベント又は異なるイベントにおいて収集されたＣＳＩ間の類似性を特徴づけるために、時間反転共振強度を以下のように計算できる。
Figure 0006623298
ｈ０及びｈ１は２つのフィンガープリントであり、Ｋは使用可能なサブキャリアの総数であり、Ｈ０［ｋ］及びＨ１［ｋ］はサブキャリアｋにおけるＣＳＩであり、ηは同期誤差を補償したｈ０とｈ１との間の変更された相互相関であり、Λ０、Λ１はそれぞれｈ０及びｈ１のチャネルエネルギーである。受信機及び送信機の無線周波数フロントエンド成分の不一致により受信機が送信機と完全に同期しない場合があるため、ｅ-jkφの追加の位相回転を使用して、ηの計算における同期誤差により発生した位相歪みを解消する。その場合、φは以下に説明するアルゴリズム１を使用して推定及び補償可能である。上記の式（６４）は、時間反転共振強度が０から１の範囲であることを示す。更に詳細には、時間反転共振強度が大きいほど、２つのＣＳＩ間の類似性が高いことを示し、従って、２つの関連するイベント間の類似性が高いことを示す。
いくつかの実現例において、イベント検出システム又は人間動作検出システムは、周波数ダイバーシチ及び／又は空間ダイバーシチを含むダイバーシチを利用することにより、有効帯域幅の増加を実現できる。周波数ダイバーシチは、異なるＷｉＦｉチャネルを使用することにより達成可能である。更に、周波数ダイバーシチは、直交周波数分割多重システムにおいてサブキャリアにより導入されるダイバーシチを含むことができる。大量のサブキャリア（例えばＩＥＥＥ８０２．１１ｎプロトコルを使用する４０ＭＨｚ帯域幅の場合、１１４個のサブキャリア）により、非常に安定した性能を得られる場合がある。
無線通信システムに存在することのあるハードウェア不良を補償することにより、異なるダイバーシチを組み合わせた場合の時間反転共振強度を計算する方法を以下に説明する。一般に、時間反転共振強度は、２つのＣＳＩ間の差分を定量化するメトリックであると考えることができる。２つのＣＳＩは、２つの異なる物理的ロケーションから発生してもよいが、２つの仮想（論理的）ロケーション／状態から発生してもよい。前者の場合、ダイバーシチを有する時間反転共振強度は、ロケーション特定及び追跡に役立つことができる。後者の場合、ダイバーシチを有する時間反転共振強度は、呼吸監視、人間認識及び／又は保護／セキュリティシステム等の用途に使用可能である。
現在のＷｉＦｉシステムには２つの異なるダイバーシチが存在し、すなわち周波数ダイバーシチ及び空間ダイバーシチが存在する。ＩＥＥＥ８０２．１１ｎによると、３５個のＷｉＦｉチャネルが、４０ＭＨｚの最大帯域幅を有する２．４ＧＨｚ及び５ＧＨｚの周波数帯域におけるＷｉＦｉ送信に割り当てられる。ＷｉＦｉチャネルが多数であることで周波数ダイバーシチが得られ、深いフェージング又は重大な干渉が発生した場合にＷｉＦｉ装置が周波数ホッピングを実行する機会が与えられる。それに対して、空間ダイバーシチは多入力多出力ＷｉＦｉ装置で利用可能であり、これはスペクトル効率を大幅に向上する高度な技術である。多入力多出力装置はＩＥＥＥ８０２．１１ｎ／ａｃの有用な構成要素になっており、多くの市販のＷｉＦｉ装置で広範に使用されている。ＷｉＦｉシステムの場合、双方の種類のダイバーシチを収集して、粒度がはるかに細かいフィンガープリントを提供することにより、僅か４０ＭＨｚの帯域幅で測定されたフィンガープリントと比較して曖昧さを低減することができる。
図２３Ａ〜図２３Ｃは、周波数ダイバーシチ及び空間ダイバーシチを個別に又は一緒に使用することにより広い有効帯域幅を生成するための一般的な原理を示す。図２３Ａは、ＷｉＦｉ装置５６０が１つのアンテナを有する例を示す。図２３Ｂは、ＷｉＦｉ装置５７０が４つのアンテナを有する例を示す。図２３Ｃは、ＷｉＦｉ装置５８０が２つのアンテナを有する例を示す。ＷｉＦｉ装置は複数のＷｉＦｉチャネルで動作できるため、周波数ホッピングを実行して異なるＷｉＦｉチャネルにおけるＣＳＩを取得することにより、周波数ダイバーシチを利用できる。図２３Ａに示すように、４つの異なるＷｉＦｉチャネルにおけるＣＳＩは連結され、広い有効帯域幅のフィンガープリントを形成する。周波数ダイバーシチは単アンテナＷｉＦｉ装置で利用可能であるが、周波数ホッピングを実行するには時間がかかる。時間効率のために、多アンテナＷｉＦｉ装置では空間ダイバーシチを利用できる。４つのアンテナを有する図２３ＢのＷｉＦｉ受信機５７０の場合、４つの受信アンテナにおけるＣＳＩを組み合わせて、広い有効帯域幅のフィンガープリントを形成できる。図２３Ｃの例では、周波数ダイバーシチ及び空間ダイバーシチの双方が使用され、２つのＷｉＦｉチャネルにおけるＣＳＩ及び２つの受信アンテナからのＣＳＩが組み合わされてフィンガープリントを形成する。
ＷｉＦｉシステムの場合、空間ダイバーシチはアンテナリンクの数により判定されるが、周波数ダイバーシチは使用可能なＷｉＦｉチャネルの数に依存する。最大空間ダイバーシチをＳとし、最大周波数ダイバーシチをＦとし、各ＷｉＦｉチャネルの帯域幅をＷとすると、チャネル状態情報測定値は
Figure 0006623298
と書くことができ、Ｓ×Ｆ×Ｗの有効帯域幅を有する粒度の細かいチャネル状態情報フィンガープリントを提供できる。
Figure 0006623298
以下に示すアルゴリズム１は、
Figure 0006623298
の計算を詳細に説明する。アルゴリズム１において、ステップ４〜９は仮想リンク（ｓ，ｆ）におけるチャネルエネルギーを計算し、ステップ１０〜１４は仮想リンク（ｓ，ｆ）における２つのフィンガープリントの変更された相互相関を計算する。各仮想リンクにおけるチャネルエネルギー及び変更された相互相関はそれぞれ、ステップ９及びステップ１５に示すように累算される。最後に、時間反転共振強度がステップ１８により取得される。ηs,fの計算は、サイズＮの離散フーリエ変換と同一の形式をとる
Figure 0006623298
により近似され、従って、高速フーリエ変換により効率的に計算可能である。計算において大きいＮを使用することで、ηs,fのより正確な近似を得られる。
Figure 0006623298
アルゴリズム１において開示した時間反転共振強度の組み合わせに加えて、時間反転共振強度を組み合わせる他の方法が考えられる。更に簡潔に記述すると、チャネルｈ０,ｄとチャネルｈ１,ｄとの間のｄ番目のリンクにおける（正規化）共振強度は以下のように再定義される。
Figure 0006623298
結果として、各リンクｄに対して３つの特徴が得られる。
１．正規化共振強度TR（ｈ０,ｄ，ｈ１,ｄ）
２．リンクｄにおけるチャネルｈ０のチャネルエネルギー：Λ０,ｄ
３．リンクｄにおけるチャネルｈ１のチャネルエネルギー：Λ１,ｄ
次の計算ステップは、各リンクの（正規化）共振強度を組み合わせて一般的特徴を形成することである。時間反転共振強度を組み合わせる４つの方法を以下に説明する。
最初に、チャネルｈ０とチャネルｈ１との間の共振強度の基本的組み合わせは次式である。
Figure 0006623298
式中、Ｄはアンテナリンクの総数である。
本方法において、各リンクは品質に関係なく平等に扱われる。この組み合わせアルゴリズムにより、位置特定及び認識における性能の評価基準を得られることが期待できる。
第２に、チャネルｈ０とチャネルｈ１との間の時間反転共振強度のエネルギー加重組み合わせは次式である。
Figure 0006623298
前述の方法と異なり、エネルギー加重組み合わせ法は、チャネル利得の積Λ０,ｄΛ１,ｄに従って異なるリンクを組み合わせる。より高い品質（すなわち、より高いチャネル利得）を有するリンクは、他のリンクより加重される。一般に、エネルギー加重組み合わせ法は基本的組み合わせ法より高い性能を得られる。
第３に、チャネルｈ０とチャネルｈ１との間の共振強度の全リンク連結組み合わせは次式である。
Figure 0006623298
本方法の背景にある考えは、各リンクチャネルを個別に整列させた後、使用可能なリンクにおける全てのＣＳＩを連結して、新規のチャネル状態情報を効果的に形成することである。
第４に、チャネルｈ０とチャネルｈ１との間の共振強度の部分リンク連結組み合わせは次式である。
Figure 0006623298
式中、ＮＲＸは受信アンテナの数であり、Ｄｉは受信アンテナｉを含むアンテナリンクのセットを表す。例えば３×３多入力多出力システムにおいて、アンテナリンク１、４、７はそれぞれ、送信アンテナ１と受信アンテナ１との間のリンク、送信アンテナ２と受信アンテナ１との間のリンク、送信アンテナ３と受信アンテナ１との間のリンクを表す。従ってＤ１＝｛１，４，７｝である。本方法の背景にある考えは、最初に同一の受信アンテナにおけるＣＳＩを連結して時間反転共振強度を計算して、全ての受信アンテナにおける計算された時間反転共振強度の平均を得ることである。
チャネル状態情報の位相オフセットの補償
チャネル状態情報は、（ｉ）搬送周波数オフセット（ＣＦＯ）α及び共通位相オフセット（ＣＰＥ）βにより生じる初期位相歪みと、（ii）シンボルタイミングオフセット（ＳＴＯ）σ及びサンプリング周波数オフセット（ＳＦＯ）δにより生じる線形位相歪みによる影響を受ける場合がある。
ランダム性は、以下のようにしてチャネル状態情報フィンガープリントの位相品質を歪める。
Figure 0006623298
式中、φｋ＝α＋δｋである。
従って、
Figure 0006623298
で定義される時間反転共振強度の計算は、位相歪みを補償するための「ｍａｘ」演算を含み、非常に複雑である。
位相歪みを補償しつつ複雑さを軽減するために、タイプＩのチャネル状態情報フィンガープリント等のチャネル状態情報フィンガープリントを使用できる。
例えば、以下のように書くことができる。
Figure 0006623298
式中、Ｈ１,１［ｋ］は送信アンテナ１から受信アンテナ１において受信されたチャネル状態情報フィンガープリントを表し、Ｈ２,１［ｋ］は送信アンテナ２から受信アンテナ１において受信されたチャネル状態情報フィンガープリントを表す。
各サブキャリアｋに対するアンテナ間フィンガープリントＧ１,２［ｋ］を以下のように形成できる。
Figure 0006623298
上記は、シンボルタイミングオフセットσ及び共通位相オフセットβの影響が相殺されたことを示す。α及びδは残留した搬送周波数オフセット及びサンプリング周波数オフセットであるため、多くの場合に無視できる。
３×３多入力多出力システムにおける各無線周波数チェーンに対して、３つの新規のチャネル状態情報フィンガープリントを形成できる。従って、全体で、Ｇ1,2,...,9を形成できる。更に一般に、
Figure 0006623298
の新規のチャネル状態情報フィンガープリントを形成できる。
次に、単純な内積を適用して共振強度を取得する。例えば較正後の２つのＣＳＩ間の共振強度（リンク毎）を以下のように計算する。
Figure 0006623298
別の実施形態において、以下のフィンガープリント（チャネル状態情報フィンガープリントII）を使用できる。ＴＸアンテナｉ及びＲＸアンテナｊに対して、以下のように書くことができる。
Figure 0006623298
これは、線形位相シフトを完全に除去する。
ＣＳＩ位相のサニタイズ：サブキャリアｋに対するグランドトゥルースチャネル状態情報を
Figure 0006623298
式中、αは初期位相オフセットを表し、βは線形位相オフセットを表し、ｎｋはサブキャリアｋにおける推定雑音である。
線形位相オフセットのクリーニング：最初に、線形位相オフセットαに注目する。いくつかの例において、αを除去する１つの方法は、全てのサブキャリアに沿って位相成分にわたり線形フィッティングを行い、推定線形位相オフセットとして勾配を抽出することである。これは解析では正しいが、ノイズの多いアンラッピングのため、線形フィッティング法は実際の実現例では正しくない場合がある。
アンラッピングを用いる線形位相較正：未加工のチャネル状態情報位相は連結されて［−π，π］となり、これをラッピング位相φｗと呼ぶ。全てのサブキャリアに沿ってチャネル状態情報位相を線形フィッティングするためには、最初に各サブキャリアにおける位相を以下のようにアンラッピングする必要がある。
φ［ｋ］＝φ［ｋ−１］＋Ｗ｛φｗ［ｋ］−φｗ［ｋ−１］｝ 式（７９）
式中、φ［ｋ］はサブキャリアｋにおけるアンラッピング位相を示し、φｗ［ｋ］はラッピング位相である。演算Ｗはアンラッピング関数である。
Figure 0006623298
ラッピング位相φ［ｋ］に更なる位相φｎ［ｋ］を追加するノイズのため、
Figure 0006623298
であり、アンラッピング法はＷ｛φｗ［ｋ］＋φｎ［ｋ］−φｗ［ｋ−１］｝に劣化する場合がある。式（８０）におけるアンラッピング手順の誤トリガ又はミストリガにより、少なくとも|２π−φｎ［ｋ］|の誤りが振幅に導入される場合がある。
従って、アンラッピング動作が破損したため、線形フィッティングにより取得される線形位相オフセットは正しくない場合がある。同一のロケーション（状態）からのＣＳＩに対する線形フィッティング方法の一例を図２４に示す。アンラッピング動作により誤りが導入される。
実験値から、電力において
Figure 0006623298
である場合、すなわち信号対ノイズ比（ＳＮＲ）が小さい場合、破損した位相アンラッピングを得る可能性が高いことが更にわかった。
アンラッピングを用いない線形位相較正：位相をアンラッピングせず且つ特別なハードウェア実現例を用いずに線形位相オフセットを較正するために、以下の方法を使用する。
Figure 0006623298
Figure 0006623298
式（８３）に示すように、真の線形位相オフセットβ以外に剰余項βｒｅｓが得られ、これは各ロケーションに対して以下のようにほぼ固定される。
Figure 0006623298
式中、ｈ［ｋ］Ｈｋはグランドトゥルースチャネル状態情報である。各サブキャリアにおける位相が独立して無相関であるという仮定によると、βｒｅｓは非常に小さく、無視できる。
線形位相較正方法の例を図２５に示す。
初期位相オフセットのクリーニング：線形位相オフセットβ^がチャネル状態情報ベクトルに対して除去されると、次のステップは、初期位相オフセットαを除去することである。
Figure 0006623298
線形位相オフセットのクリーニングと同様の方法を使用して、αパラメータが以下のように推定される。
Figure 0006623298
βｒｅｓと同様に、初期位相の剰余αｒｅｓは全てのサブキャリアにわたる共通位相として近似的に推定される。
Figure 0006623298
この場合、ノイズの独立性が考慮される。各サブキャリアにおける位相が独立していると仮定すると、αｒｅｓは小さいはずである。
上述したように、線形位相較正及び初期位相較正は並行して実現可能であり、双方は高速で効率的な配列演算である。上述した位相較正法は、従来技術のチャネル状態情報整列アルゴリズムで必要とされる参照チャネル状態情報を必要とせずに、各チャネル状態情報に対する位相を較正して補償する。実験結果から、ＣＳＩが同一のロケーション／状態から取得される場合、較正後のＣＳＩは全て一致し、適切に整列されている。
上述したアルゴリズムに従って位相が較正され且つサニタイズされると、残りのチャネル状態情報は、位相歪みを有さないグランドトゥルースチャネル状態情報であると見ることができる。その結果、共振強度を計算するためのＦＦＴに基づく方法は不要になる。位相較正を行った後、取得されるＣＳＩは、ＡｏＡ又はＴｏＦを推定するために使用されてもよいグランドトゥルースチャネル状態情報を維持する。更に、較正されたＣＳＩの共振強度を計算するために、単純な内積法が使用される。この場合、共振強度は、送信中に伝搬する屋内環境に対する電磁波応答であるため、その物理的意味を維持する。
図２６に関連して上述したように、会場１４０におけるイベントを検出するために、送信機１４２はマルチパスチャネル１４６を介して受信機１４４に無線信号を送出する。受信機１４４がチャネル特性を正確に推定するための送信機１４２と受信機１４４との間のハンドシェイク処理の例を以下に説明する。
最小二乗（ＬＳ）に基づくチャネルプロービングハンドシェイク
チャネルプロービングのための最小二乗（ＬＳ）に基づくハンドシェイク方法を以下に説明する。本方法において、送信機１４２は受信機１４４にプローブ信号を送出する。受信機１４４は受信信号と同期し、受信信号に基づいてチャネル応答を推定する。
図２７を参照すると、いくつかの実現例において、送信機１４２により送信されるチャネルプロービング信号１６０のフレームは、４つの連続する部分、すなわちプリアンブル１６２、バーカ符号１６４、ペイロード１６６及びトレーニング系列１６８を含む。各フレームの長さは本方法では固定され、送信機１４２及び受信機１４４の双方により認識される。いくつかの例において、受信機１４４がより正確なチャネル情報及びタイミング情報を取得できるように、送信機１４２はチャネルプロービング信号の２つ以上のフレームを受信機１４４に送出してもよい。いくつかの実現例において、タイミングの精度はプリアンブル１６２及びバーカ符号１６４の長さを増加することにより向上でき、チャネル情報の精度はトレーニング系列１６８の長さを増加することにより向上できる。
プリアンブル１６２は、例えばパルス位置変調（ＰＰＭ）を使用して変調される。パルス位置変調シンボル「０」及び「１」を図２８に示す。プリアンブル１６２は連続するパルス位置変調シンボル「０」を含む。パルス位置変調シンボル「０」において、ＬはＬ＝τｓ／δｔにより定義されるマルチパスチャネルの長さであり、τｓは遅延スプレッドであり、δｔはシステムのサンプリング周期である。実際、チャネル長が正確に認識されない場合でも、受信機１４４は環境の一般的な遅延スプレッド及びシステムのサンプリングレートに基づいてチャネル長を推定できる。本方法において、推定チャネル長が実際のチャネル長より長い場合、性能に影響はない。従って、受信機１４４はチャネル長を過大評価でき、誤りを生じることなくＬを実際のチャネル長より大きく設定できる。
送信機１４２により送信されるバーカ符号１６４は、送信機１４２及び受信機１４４の双方により認識される符号である。バーカ符号１６４の長さはＬｂである。送信機１４２により送信されるペイロード１６６は、パルス位置変調を使用して変調される符号化情報であってもよい。情報は、トレーニング系列１６８のインデックスを含んでもよい。ペイロード１６６の長さはＬｐである。
図２９を参照すると、トレーニング系列１６８は、ガードインターバルＡ１７０、有効トレーニング系列（ＥＴＳ）１７２及びガードインターバルＢ１７４を含む３つの連続する部分を有する。いくつかの例において、ガードインターバルＡ１７０は長さＬａを有する「０」ビットの系列であり、有効トレーニング系列１７２は長さＬｅを有する「０」ビット及び「１」ビットの系列であり、ガードインターバルＢ１７４は、ＬＢ≧Ｌである長さＬＢを有する「０」ビットの系列である。
送信機１４２から送信されたチャネルプロービング信号は、マルチパスチャネル１４６を通って受信機１４４に到達する。受信信号は、ノイズにより汚染されたチャネルプロービング信号とチャネル応答との畳み込みである。受信機１４４は、受信信号を使用してチャネル応答を推定する。
図３０を参照すると、チャネルプロービング信号を受信した場合、受信機１４４は、チャネルプロービング信号のプリアンブル１６２に対してスライディングウィンドウエネルギー検出を使用して同期インデックスを判定する。グラフ１８０は、受信機１４４において受信される信号の一例を示す。スライディングウィンドウエネルギー検出法は、ｌｐがＰＰＭシンボルの長さであるウィンドウサイズＬｗ＝ｌｐ＋Ｌを有する移動ウィンドウ１８２を使用する。ＥＩはｉ番目、（ｉ＋Ｌｗ）番目、（ｉ＋２Ｌｗ）番目、...、（ｉ＋（γ−１）Ｌｗ）番目のサンプルから開始するウィンドウにより累積された平均エネルギーであると定義する。この場合、γは平均ウィンドウの数であり、ｉ∈｛０，１，２，...，Ｌｗ−１｝である。同期インデックスｉｓはＥｉを最大化するインデックスｉであり、ｉ＝argmaxｉＥｉと書くことができる。この場合、インデックスｉは受信信号内のｉ番目のサンプルに対応する。同期インデックスｉｓが判定された後、他のインデックスは同期インデックスｉｓを参照として使用して判定される。
図３１を参照すると、同期インデックスｉｓを取得した後、受信機１４４は同期を確認するためにバーカ符号１６４の検出を開始する。受信機１４４は、受信信号のインデックスｉｓ＋ｍＬｗからインデックスｉｓ＋ｍＬｗ＋Ｌｂ−１までの部分を復調し、復調された信号の部分と事前格納済みのバーカ符号系列とを比較する。この場合、Ｌｂはバーカ符号１６４の長さであり、ｍ∈｛０，１，．．．，Ｎ｝であり、Ｎはユーザにより設定される探索範囲である。いくつかの例において、Ｎはプリアンブル１６２内のパルス位置変調シンボルの数より大きく設定される。復調信号が事前格納済みバーカ符号とマッチングする場合、送信機は、受信機がチャネルプロービング段階にあり、ペイロード及びトレーニング系列が受信信号内のバーカ符号に後続することを保証される。更に、送信機は、バーカ符号１６４が開始する受信信号内の位置がマッチングインデックスｉｓ＋ｍＬｗであること及びバーカ符号１６４が終了する受信信号内の位置がインデックスｉｓ＋ｍＬｗ＋Ｌｂ−１であることを認識する。当該情報により、受信機１４４はチャネル応答を推定するための情報を取得できる。
ペイロード１６６がバーカ符号１６４に後続するため、受信機１４４は、ペイロード１６６がインデックスｉｓ＋ｍＬｗ＋Ｌｂから開始すると仮定する。ペイロード１６６は固定長Ｌｄを有するため、受信機１４４は受信チャネルプロービング信号のインデックスｉｓ＋ｍＬｗ＋Ｌｂからインデックスｉｓ＋ｍＬｗ＋Ｌｂ＋Ｌｄ−１までの部分を復調し、復調部分を復号化してトレーニング系列のインデックスｑを取得する。この場合、インデックスｑは受信信号内のｑ番目のサンプルを示さない。寧ろ、送信機１４２及び受信機１４４の双方により認識される２つ以上のトレーニング系列のセットが存在し、送信機１４２はセット内のいずれかのトレーニング系列を選択できる。インデックスｑは、トレーニング系列のセットの中で送信機１４２により選択されたトレーニング系列を示す。
受信機１４４は、トレーニング系列が受信信号のインデックスｉｓ＋ｍＬｗ＋Ｌｂ＋Ｌｄから開始すると仮定し、受信信号のインデックスｉｓ＋ｍＬｗ＋Ｌｂ＋Ｌｄからインデックスｉｓ＋ｍＬｗ＋Ｌｂ＋Ｌｄ＋Ｌｔ−１までの部分を使用してチャネル応答を推定する。この場合、Ｌｔ＝Ｌｅ＋Ｌである。ｕは受信信号のインデックスｉｓ＋ｍＬｗ＋Ｌｂ＋Ｌｄからインデックスｉｓ＋ｍＬｗ＋Ｌｂ＋Ｌｄ＋Ｌｔ−１までの部分を示すとする。受信機１４２は、ペイロード１６６から取得したインデックスｑに対応する変換行列Ｃｑを使用して、ｕを推定チャネル応答に変換する。この変換を以下のように書くことができる。
Figure 0006623298
変換行列Ｃｑは、受信機により使用されるトレーニング系列ｓｑにより以下のように構成されうる。
Ｃｑ＝ (Ｔ'Ｔ)-1Ｔ'
式中、Ｔはｓｑにより生成されるテプリッツ行列であり、送信機１４２により使用される有効トレーニング系列である。行列Ｔの１列目はｓｑｅ＝［ｓｑ；０］であり、０はＬ個の０で構成されるベクトルである。図３２を参照すると、テプリッツ行列Ｔ１９０の第１の列は、ｓｑｅから取得される第１の要素以外は全て０で構成される。行列Ｔ１９０は次元ｃｍ×ｃｎを有し、ｃｍ＝Ｌｅ＋Ｌ及びｃｎ＝Ｌａ＋τ＋Ｌである。パラメータτは、先行ステップにおける同期ミスマッチの最大値より大きい必要のある補償係数であり、すなわち、トレーニング系列が開始する受信信号におけるインデックスと受信機１４４により検出されたトレーニング系列１６８の始点であるインデックスｉｓ＋ｍＬｗ＋Ｌｂ＋Ｌｄとの間の差分である。
図３３は、ＳＮＲ＝０ｄＢ及びチャネル長Ｌ＝２００である１０００個の実現例に対する同期ミスマッチヒストグラムの一例を示すグラフ２００である。ミスマッチ量はチャネル長と比較して小さく、何らかの特定の値により制限される。τが大きいほど多くのシステムリソースを使用するため、τの値は、同期誤差を制限できる可能な限り小さい値になるように選択されうる。
推定チャネル応答が実際のチャネル応答のサイズであるＬより大きいサイズを有することが、
Figure 0006623298
及び変換行列Ｃｑの次元からわかる。長いチャネル応答が推定される理由は、同期誤差により、推定チャネル応答は実際のチャネル応答がシフトされたバージョンであるためである。長いチャネル応答を推定することにより、有効チャネル応答が推定の中に含まれることが保証されるため、重要なタップが失われず、このことは、受信装置において送信波形をフォーカスするためにマルチパスチャネルを整合フィルタとして使用する時間反転システムにとって重要である。
有効トレーニング系列が特に選択される場合、チャネル応答は変換行列Ｃｑを使用せずに容易に推定されうる。例えば有効トレーニング系列がＤ≧ＬであるＤにより分離されるインパルス列である場合、チャネル応答は受信信号内のサイズＤのウィンドウを平均化することにより単純に推定されうる。ｖｉが受信信号のインデックスｉｓ＋ｍＬｗ＋Ｌｂ＋Ｌｄ＋ｉＤからインデックスｉｓ＋ｍＬｗ＋Ｌｂ＋Ｌｄ＋ｉＤ＋Ｄ−１までの部分を示すとすると、推定チャネル応答を以下のように書くことができる。
Figure 0006623298
相関に基づくチャネルプロービングハンドシェイク
チャネルプロービングに対する相関に基づくハンドシェイク方法を以下に説明する。本方法において、時間同期及びチャネル応答推定の双方のために単一系列が使用される。
送信機１４２は、マルチパスチャネル１４６を介して受信機１４４へ擬似ランダム（ＰＮ）系列ｘを送信する。系列ｘは、例えば以下の式に示す確率質量関数（ｐｍｆ）を有する分散ランダム変数の列であってもよい。
Figure 0006623298
ここで使用される擬似ランダム符号の１つの重要な特徴は、長い擬似ランダム符号の自己相関関数がデルタ関数である傾向があることである。例えば図３４を参照して１０００の長さを有する擬似ランダム符号の自己相関関数を考えると、自己相関関数はｍ＝０において非常に高い値を有するが、他のロケーションにおいて大幅に抑制される。
以下の説明において、複数の記号が使用される。Ｌはチャネル応答の長さであり、Ｎは擬似ランダム符号の長さであり、αはチャネルプロービングに対する閾値に関するパラメータである。
以下の式に示すように、受信信号ｙは擬似ランダム符号ｘとチャネルｈとの畳み込み結果である。
Figure 0006623298
以下の式において定義される相互相関関数ｒｙｘ（ｍ）は、擬似ランダム符号ｘ及びチャネルｈの自己相関の畳み込みに等しい。
Figure 0006623298
相関による同期のためのアルゴリズムを以下に説明する。送信機は相互相関ｒyx（ｍ）を計算し、その最大振幅を見つける。
ｃｏｒｒmax＝ｍａｘ｜ｒyx（ｍ）｜
ｃｏｒｒmaxに基づいて、送信機は受信信号ｙの同期インデックスｉｓを以下のように見つける。
Figure 0006623298
パラメータαは実験により選択可能であり、０〜１の範囲である。例えばシミュレーションで使用される超広帯域チャネルモデルによると、パラメータαは約０．２であるように選択される。インデックスｉｓを取得した後、以下のように相互相関関数ｒyx（ｍ）を切り捨てることにより推定チャネル応答
Figure 0006623298
例示的な一実施形態において、受信器１４４は無線チャネル１４６に対するチャネル状態情報（ＣＳＩ）を取り込むために使用される回路を含んでもよい。チャネル状態情報は、無線信号におけるサブキャリア毎の無線チャネル応答を推定するために使用されてもよい。チャネル状態情報は、無線チャネルに関する振幅情報及び位相情報の双方を含む複素ベクトルであってもよい。いくつかの実施形態において、チャネル振幅情報のみが判定され且つ／又はエクスポートされ且つ／又は処理されてもよい。いくつかの実施形態において、チャネル位相情報のみが判定され且つ／又はエクスポートされ且つ／又は処理されてもよい。好適な実施形態において、チャネル振幅情報及びチャネル位相情報の双方がイベント監視システムの用途の一部として判定され且つ／又はエクスポートされ且つ／又は処理されてもよい。実施形態において、チャネル状態情報信号は、マイクロプロセッサ及び／又はＤＳＰ等のプロセッサ、コンピュータ、ＦＰＧＡ及びＡＳＩＣ等において処理されてもよく、チャネル状態情報信号を生成するチップ又はシステムと一体化されるか又は非常に近接するリソース上でローカルに処理されてもよく、且つ／又はチャネル状態情報信号は信号処理を実行するために構成されてもよい距離計算装置においてリモートに処理されてもよく、且つ／又はチャネル状態情報信号は少なくともいくつかのクラウドリソースを使用して処理されてもよい。
実施形態において、チャネル状態情報は、８０２．１１信号伝送プロトコルに対して存在するような正規化機構により判定されてもよい。いくつかの実施形態において、チャネル状態情報は、無線受信機においてパラメータを監視し且つ記録すること及び／又は受信機と送信機との間で渡されるプロービング信号又はトレーニング系列又はトレーニングプリアンブルを監視することにより判定されてもよい。実験室レベルでの実証において、チャネル状態情報を取り込むために使用された回路は、ＵＳＲＰ（National InstrumentsノUniversal Software Radio Peripheral platform）及び／又はＩｎｔｅｌ５３００チップを含んだ。
実施形態において、無線プロトコルパケット構成の特定の部分は、チャネル状態情報及び／又はチャネル周波数応答を推定するために使用されてもよい。例示的な８０２．１１ネットワークにおいて、ショートプリアンブルの後のロングプリアンブルがチャネル状態情報を判定するために使用されてもよい。例示的な８０２．１１通信システムは、直交周波数分割多重（ＯＦＤＭ）を使用してもよい。各直交周波数分割多重チャネルは、複数のサブキャリアを含んでもよい。直交周波数分割多重チャネルは、２１個以上のサブキャリア、３１個以上のサブキャリア、４１個以上のサブキャリア、４８個のサブキャリア、５６個のサブキャリア、６４個のサブキャリア又は１１４個のサブキャリア等を含んでもよい。実施形態において、直交周波数分割多重信号におけるサブキャリアのいくつかはヌルサブキャリアであってもよく、あるいはパイロットサブキャリアであってもよい。実施形態において、直交周波数分割多重シンボルにおけるサブキャリアのうちのいくつかのみがデータサブキャリアであってもよい。
実施形態において、回路はサブキャリアのうちのいくつか又は全てに対するチャネル状態情報を提供してもよい。例えばいくつかの例示的な実施形態において、Ｉｎｔｅｌ５３００チップ及び／又はＵＳＲＰは直交周波数分割多重チャネルにおける３０個のサブキャリアに対するチャネル状態情報をエクスポートしてもよい。実施形態において、不完全なタイミング及び／又は周波数同期に起因するチャネル状態情報の変動を緩和するために、チャネル状態情報の更なる処理が実行されてもよい。実施形態において、１つのサブバンドからのチャネル状態情報がベクトルとして構成されてもよく、これを帯域内フィンガープリントと呼んでもよい。いくつかの実施形態において、１つのサブバンドからのチャネル状態情報は複数のチャネル状態情報判定値の平均であってもよく、いくつかの判定値がトリミング又は廃棄されてもよい。実施形態において、所定のチャネルに対するサブバンドチャネル状態情報は、１回、２回、１０回、３０回、５０回及び１００回等、測定され且つ／又は判定されてもよい。実施形態において、サブバンドチャネル状態情報のうちのいくつか又は全てが帯域内フィンガープリントを形成するために使用されてもよい。
チャネル状態情報が特定の数のサブキャリアに対して報告される上述の例は一例にすぎず、限定することを全く意図しない。あらゆる数のサブキャリアからのチャネル状態情報が本明細書中で説明するイベント監視システムにおいて使用されてもよい。また、チャネル状態情報及び帯域内フィンガープリントを判定するために実行されてもよいチャネル測定の数又は交換されるＷｉＦｉパケットの数は例示であり、限定することを全く意図しない。例えばイベントを監視するイベント監視システムは、推定チャネル応答及びイベントを判定するために使用可能なプローブ信号を常時送出してもよい。
実施形態において、複数の異なる中心周波数、周波数帯域幅及び／又はアンテナの帯域内フィンガープリントが組み合わされ且つ／又は連結されて複合フィンガープリント又は帯域間フィンガープリントにされてもよい。実施形態において、帯域間フィンガープリントが複合チャネル応答を形成してもよい。当該複合チャネル応答は、会場内で発生しているイベントを判定するために使用されてもよい。実施形態において、複合チャネル応答を使用するイベント監視システムの精度は、単一の帯域内フィンガープリントを使用して達成される精度より高い場合がある。
例示的な一実施形態において、無線装置（例えば、送信機１４２及び受信機１４４）間の無線チャネルに対するチャネル状態情報を判定するために、８０２．１１フレーム内の２つのロングプリアンブルを使用できる。例えば一方の無線装置は無線ルータ／アクセスポイントであってもよく、無線ホットスポット（例えば、自宅又は職場の）をサポートしてもよい。無線ルータ／アクセスポイントは、本明細書中で説明するシステム及び方法と動作するように特に変更及び／又は構成されていない標準的な装置であってもよい。換言すると、本明細書中で説明するシステム及び方法は、イベント情報を判定するために、そのような既存の無線装置及びそれらの手法を利用できる。この例示的な実施形態において、第２の無線装置（例えば、コンピュータ、スマートフォン、タブレット等）がルータ／アクセスポイントの範囲内に存在する場合、第２の無線装置はルータ／アクセスポイントからＷｉＦｉ信号を受信してもよく、ＷｉＦｉ信号に含まれるロングプリアンブルを処理して第２の装置とルータ／アクセスポイントとの間の環境固有シグニチャを判定してもよい。いくつかの実現例において、第２の無線装置は、第２の無線装置がシステムと動作できるようにするソフトウェア及び／又はファームウェアを含んでもよい。いくつかの実現例において、第２の無線装置はホットスポットに接続されない。寧ろ、第２の無線装置は、ルータ／アクセスポイントから標準的なプリアンブル情報を受信できるパッシブ装置であってもよい。このように、第２の無線装置を「スニファ（ｓｎｉｆｆｅｒ）」と呼んでもよい。実施形態において、２つのロングプリアンブルは１つのフレームで、例えば直交周波数分割多重チャネル毎に送出される。実施形態において、直交周波数分割多重チャネルは、例えば２０ＭＨｚ又は４０ＭＨｚの帯域幅を有してもよい。
上述したように、システムはチャネル状態情報を判定し且つチャネル状態情報と種々のイベントとを関連付けることができる。例えば１つの例において、第２の無線装置は、チャネル状態情報を格納し且つそれを特定のイベント（例えば、「扉が開いて窓が閉じた」）に関連付けることができる。特定のイベントがその後に発生する場合、第２の装置はインジケーション（例えば、警報）を提供してもよい。いくつかの実現例において、第２の無線装置が（例えば、ＷｉＦｉネットワークに加わることにより）インターネットにアクセスできる場合、第２の無線装置は取得した環境情報（例えば、イベントに関連付けられたチャネル状態情報）をアップロードしてもよい。環境情報は、そのような環境情報を格納するように構成される１つ以上のサーバ、ハードドライブ、記憶装置及び／又はデータベース等のリソース（例えば、クラウドベースのリソース）にアップロードされてもよい。
いくつかの実現例において、種々のイベントに関連付けられたチャネル状態情報は、リソース（例えば、クラウド内のデータベース）にアップロード可能であり、情報はチャネル状態情報固有シグニチャと既知のイベントとを関連付けるために使用可能である。いくつかの例において、イベント分類器をトレーニングする装置は、イベントに関連付けられた物体（例えば、扉及び窓）を有する間取り図を示すためにユーザインタフェースを提示するディスプレイを有してもよい。ユーザが扉をタップした場合、扉が閉鎖位置と開放位置との間で切り替わってもよい。扉が開放位置にあると仮定する。ユーザは、ボタンをタップしてトレーニングセッションを開始してもよく、それによりシステムはチャネル状態情報を収集して「開扉」イベントに関連付けられたパラメータを認識するようにイベント分類器をトレーニングすることを開始する。「開扉」イベントに対するトレーニングが完了した後、ユーザは扉をタップして扉を閉鎖位置に切り替えて、ボタンをタップしてトレーニングセッションを開始してもよく、それによりシステムはチャネル状態情報を収集して「閉扉」イベントに関連付けられたパラメータを認識するようにイベント分類器をトレーニングすることを開始する。ユーザは、他のイベントに対する分類器のトレーニングを同様の方法で開始できる。
環境監視システムにおける送信機及び受信機の各々は、１つ以上のプロセッサ及び１つ以上のコンピュータ可読媒体（例えば、ＲＡＭ、ＲＯＭ、ＳＤＲＡＭ、ハードディスク、光ディスク及びフラッシュメモリ）を含むことができる。１つ以上のプロセッサは、上述した種々の計算を実行できる。計算は、特定用途向け集積回路（ＡＳＩＣ）を使用して同様に実現可能である。用語「コンピュータ可読媒体」は、実行するためにプロセッサに命令を提供する際に関わる不揮発性媒体（例えば、光ディスク又は磁気ディスク）及び揮発性媒体（例えば、メモリ）及び伝送媒体を含むがそれらに限定されない媒体を示す。伝送媒体は、同軸ケーブル、銅線及び光ファイバを含むが、それらに限定されない。
上述した特徴は、データ格納システムとの間でデータ及び命令を送受信するように接続された少なくとも１つのプログラマブルプロセッサと、少なくとも１つの入力装置と、少なくとも１つの出力装置とを含むプログラマブルシステム上で実行可能な１つ以上のコンピュータプログラムにおいて有利に実現可能である。コンピュータプログラムは、特定のアクティビティを実行するため又は特定の結果を得るためにコンピュータにおいて直接又は間接的に使用可能な命令セットである。コンピュータプログラムは、コンパイラ型言語又はインタープリタ型言語を含むあらゆる形態のプログラミング言語（例えば、Ｃ、Ｊａｖａ）で記述可能であり、スタンドアロンプログラム又はモジュール、構成要素、サブルーチン、ブラウザベースウェブアプリケーション、あるいはコンピュータ環境における使用に適した他のユニットとしての形態を含むあらゆる形態で配布可能である。
命令プログラムを実行するのに適したプロセッサは、例えばあらゆる種類のコンピュータの汎用マイクロプロセッサ及び専用マイクロプロセッサの双方、デジタル信号プロセッサ及びソロプロセッサ、あるいは複数のプロセッサ又はコアのうちの１つを含む。一般に、プロセッサは読み出し専用メモリ又はランダムアクセスメモリ又はその双方から命令及びデータを受信する。コンピュータの不可欠な要素は、命令を実行するプロセッサと命令及びデータを格納する１つ以上のメモリである。一般にコンピュータは、データファイルを格納するための１つ以上の大容量記憶装置を更に含むか又はそれらと通信するために動作可能に接続される。そのような装置は、内部ハードディスク及び取外し可能ディスク、光磁気ディスク及び光ディスク等の磁気ディスクを含む。コンピュータプログラム命令及びデータを具体的に実現するのに適した記憶装置は、例えばＥＰＲＯＭ、ＥＥＰＲＯＭ及びフラッシュメモリ素子等の半導体メモリ素子、内部ハードディスク及び取外し可能ディスク等の磁気ディスク、光磁気ディスク、並びにＣＤ−ＲＯＭ及びＤＶＤ−ＲＯＭディスクを含む全ての形態の不揮発性メモリを含む。プロセッサ及びメモリは、ＡＳＩＣ（特定用途向け集積回路）により補足されるか又はＡＳＩＣに組み込まれることが可能である。
本明細書は多くの特定の実現例の詳細を含むが、それらは、あらゆる発明又は特許請求されてもよいものの範囲を制限すると解釈されるべきでなく、特定の発明の特定の実施形態に固有の特徴の説明であると解釈されるべきである。個別の実施形態において本明細書中で説明される特定の特徴は、単一の実施形態において組み合わされても同様に実現可能である。反対に、単一の実施形態において説明される種々の特徴は、複数の実施形態において個別に又は何らかの適切な部分的組み合わせでも同様に実現可能である。
同様に、動作は図中で特定の順序で示されるが、所望の結果を達成するためにはそのような動作が示される特定の順序で又は順次実行されるか、あるいは図示される全ての動作が実行される必要があると理解されるべきではない。特定の状況において、マルチタスク動作及び並行処理が有利な場合がある。更に、上述した実施形態における種々のシステム構成要素の分離は、そのような分離が全ての実施形態で必要であると理解されるべきでなく、説明されたプログラム構成要素及びシステムは一般に、単一のソフトウェアに一体化可能であるか又は複数のソフトウェアにパッケージ化可能であると理解されるべきである。
従って、主題の特定の実施形態を説明した。他の実施形態は以下の請求項の範囲内である。いくつかの例において、請求項において示される動作は異なる順序で実行可能であり、所望の結果を依然として達成できる。更に、添付の図面に示される処理は、所望の結果を達成するために、示される特定の順序又は順番を必ずしも必要としない。特定の実現例において、マルチタスク動作及び並行処理が有利な場合がある。
本発明の多くの実現例を説明した。しかし、本発明の主旨の範囲から逸脱することなく種々の変更を行うことができることが理解されるだろう。例えばチャネルプロービング信号のフレーム構成、プリアンブル１６２、バーカ符号１６４、ペイロード１６６及びトレーニング系列１６８のフォーマットは上述したものと異なってもよい。送信機１４２及び受信機１４４は、図示されていない更に多くの構成要素を含むことができる。例えばアナログデジタル変換器、デジタルアナログ変換器及び電力増幅器等の標準的な構成要素は図面から省略されている。
上記の例では１つの送信機及び１つの受信機が示されるが、複数の送信機及び複数の受信器が存在してもよい。監視システムの送信機又は受信機は、ロケーションが固定されてもよく又は移動できてもよい。監視システムの送信機又は受信機は、単の一アンテナ又は複数のアンテナを有することができる。時間反転監視システムは、人間に加え、猫、犬、馬又は鶏等の動物も監視できる。監視システムにより特定のイベントが検出された場合、システムは例えば音声、ビデオ、ショートメッセージサービス又は電子メール等で警報信号を与えることができる。システムが警報信号を送出する場合、例えば３Ｇ、４Ｇ−ＬＴＥ、５Ｇ、ＷｉＦｉ等を使用できる。上記の例ではチャネル状態情報はＷｉＦｉを介して取得されると示したが、これはＬＴＥ／ＨＳＰＡマクロセル、ピコセル、フェムトセル、ホットスポット等による信号であってもよい。監視システムの帯域幅は、例えば２０ＭＨｚであってもよく、あるいは異なるアンテナからのＣＳＩ、異なる周波数サブキャリア／帯域／チャネルにおけるＣＳＩ、異なる時間インスタンスにおけるＣＳＩ等を連結することにより２０ＭＨｚより小さくてもよい。時間反転監視システムはスタンドアロンであってもよく、誤警報を減少するために他の監視システムを補助するために使用されてもよく、あるいは感度を向上するために他の監視システムを補助するために使用されてもよい。時間反転監視システムはプログラム可能であってもよい。
いくつかの例において、カスタマイズされた送信機及び受信機が、チャネルインパルス応答（時間領域）を取得するためにチャネルサウンディングにおいて使用可能である。いくつかの例において、市販のＷｉＦｉ装置をチャネルサウンディングに使用でき、チャネル推定値出力はチャネル周波数応答として読み取り可能である。受信機はチャネルを推定する市販のＷｉＦｉ装置であってもよく、チャネル周波数応答は受信機装置から抽出される。市販のＷｉＦｉ装置のデータ処理能力が制限されるため、コンピュータが分類器のトレーニングに関連する計算及び式の計算を実行する。いくつかの例において、ＷｉＦｉ受信機がパワーデータプロセッサを有する場合、分類器のトレーニングに関連する計算は受信機により実行可能であり、全ての式は受信機において計算される。
チャネル状態情報ｈ[１]、ｈ[２]、ｈ[Ｌ]等に対するサンプリング周波数は、システムの帯域幅に従って選択可能である。例えば、システムの帯域幅（両側）に少なくとも等しい。サンプリング周波数は高いほどよい。タップの数Ｌは大きいほどよい。いくつかの例において、収集されたチャネルのエネルギーが最大になるように、Ｌを徐々に増加することができる。例えばＬ＝３０とＬ＝５０の双方で同様のチャネル状態情報が得られる場合、Ｌ＝３０を使用できる。
プロービング信号のフォーマットは図２７及び図２９に示したものと異なってもよく、ハンドシェイク処理は上述したものと異なってもよい。例えば無線信号を送受信するために市販のＷｉＦｉ装置が使用される場合、ハンドシェイク処理はＷｉＦｉプロトコルに従う。
イベント検出システム又は人間動作検出システムは、多くの方法で実現可能である。例えば図３８を参照すると、イベント検出システム又は人間動作検出システム６３０は会場６３８内に配置された送信機６３２及び受信機６３６を含むことができ、送信機６３２は、システム６３０により検出されるべきイベント又は人間の動作により影響を受けるマルチパスチャネル６３４を介して受信機６３６に無線信号を送出する。この例において、受信機６３６は、上述した種々のデータ処理ステップを実行するためのデータプロセッサ６４０を含む。
いくつかの実現例において、図３９を参照すると、イベント検出システム又は人間動作検出システム６５０は、送信機６３２、受信機６３６及びコンピュータ６５２を含むことができる。受信機６３６は基本的なデータ処理を実行するデータプロセッサ６４０を含み、複雑な計算の大部分は受信機６３６と通信するコンピュータ６５２により実行される。
いくつかの実現例において、図４０を参照すると、イベント検出システム又は人間動作検出システム６６０は送信機６３２及び受信機６３６を含むことができ、受信機６３６は、基本的なデータ処理を実行するデータプロセッサ６４０を含む。受信機６３６はクラウドサーバ６６２と通信し、クラウドサーバ６６２が複雑な計算の大部分を実行する。
従って、他の実施形態は以下の請求項の範囲内である。

Claims (41)

  1. 複数のイベントを検出するための装置であって、
    プロセッサと、
    命令のセットを格納する記憶装置と、を備え、前記命令は、前記プロセッサによって実行された場合に前記プロセッサに、
    チャネル状態情報を分類し、かつ、前記チャネル状態情報の前記分類に基づいてイベントを検出するよう構成された少なくとも１つの分類器をトレーニングすることであって、前記少なくとも１つの分類器の前記トレーニングは、
    前記装置によって検出される複数の既知のイベントのそれぞれについて、当該既知のイベントが会場内で発生する期間の間に、当該会場内の無線送信機と無線受信機との間の無線マルチパスチャネルのトレーニングチャネル状態情報（ＣＳＩ）の少なくとも１つのセットであって、前記無線送信機から前記無線マルチパスチャネルを介して前記無線受信機へ送信される少なくとも１つの第１プロービング信号から導出される、トレーニングチャネル状態情報の前記少なくとも１つのセットを取得すること、
    前記複数の既知のイベントと、前記複数のイベントのそれぞれと関連付けられたトレーニングチャネル状態情報の前記少なくとも１つのセットとに基づいて、前記少なくとも１つの分類器をトレーニングすること、及び
    前記少なくとも１つの分類器をトレーニングするためにトレーニングチャネル状態情報の前記セットを使用する前に、トレーニングチャネル状態情報の前記セットに含まれる位相歪みを低減又は除去することを含む、トレーニングすることと、
    現在のイベントが発生している期間の間に、前記無線送信機と前記無線受信機との間の無線マルチパスチャネルの測定されたチャネル状態情報のセットであって、前記無線送信機から無線マルチパスチャネルを介して送信されて前記無線受信機で受信される少なくとも１つの第２プロービング信号から導出される、測定されたチャネル状態情報の前記セットを受信することと、
    前記複数の既知のイベントのいずれが前記現在のイベントにマッチングするかを判定するために、測定されたチャネル状態情報の前記セット又は測定されたチャネル状態情報の前記セットから導出されたデータの少なくとも１つに対して、前記分類器を適用することと、を行わせる、装置。
  2. 請求項１に記載の装置であって、
    前記複数の既知のイベントは、扉が閉じるイベント、扉が開くイベント、窓が閉じるイベント、窓が開くイベント、室内に人間が存在しないイベント、又は室内に人間が存在するイベントの少なくとも１つを含む、装置。
  3. 請求項１に記載の装置であって、
    前記少なくとも１つの分類器をトレーニングすることは、主成分分析を使用して、前記複数の既知のイベントと、前記複数の既知のイベントのそれぞれと関連付けられたトレーニングチャネル状態情報の前記少なくとも１つのセットとに基づいて、前記少なくとも１つの分類器をトレーニングすることを含む、装置。
  4. 請求項１に記載の装置であって、トレーニングチャネル状態情報の各セットは、少なくとも、複素数値のベクトルを含む、装置。
  5. 請求項１に記載の装置であって、
    前記記憶装置は、前記プロセッサによって実行された場合に前記プロセッサに、
    サンプリング周波数オフセット（ＳＦＯ）又はシンボルタイミングオフセット（ＳＴＯ）の少なくとも１つに起因した特定のチャネル状態情報の２つ以上の成分と関連付けられた特定の線形位相オフセットを推定することと、
    搬送波周波数オフセット（ＣＦＯ）又は共通位相オフセット（ＣＰＯ）の少なくとも１つに起因した前記特定のチャネル状態情報の前記２つ以上の成分と関連付けられた特定の初期位相オフセットを推定することと、
    前記特定のチャネル状態情報、前記推定された特定の線形位相オフセット、及び前記推定された特定の初期位相オフセットに基づいて、特定の補正されたチャネル状態情報を生成することと、
    を行わせる命令を更に格納する、装置。
  6. 請求項５に記載の装置であって、
    前記特定のチャネル状態情報と関連付けられた前記特定の線形位相オフセットは、前記特定のチャネル状態情報と前記特定のチャネル状態情報のシフトされたバージョンとの成分ごとの積に基づいて推定される、装置。
  7. 請求項５に記載の装置であって、
    前記特定のチャネル状態情報と関連付けられた前記特定の初期位相オフセットは、各サブキャリアにおける複素数値のチャネル状態情報の成分の平均値の角度に基づいて推定される、装置。
  8. 請求項１に記載の装置であって、
    前記記憶装置は、前記プロセッサによって実行された場合に前記プロセッサに、測定されたチャネル状態情報の前記セット又は測定されたチャネル状態情報の前記セットから導出されたデータの少なくとも１つに対して、前記分類器を適用する前に、測定されたチャネル状態情報の前記セットに含まれる位相歪みを低減又は除去させる命令を更に格納する、装置。
  9. 請求項１に記載の装置であって、
    前記少なくとも１つの分類器のそれぞれは、測定されたチャネル状態情報の前記セットとトレーニングチャネル状態情報の前記セットとの間の類似度を表す類似度値を、トレーニングチャネル状態情報の前記セットの一部のそれぞれについて計算するよう構成されており、
    測定されたチャネル状態情報の前記セット又は測定されたチャネル状態情報の前記セットから導出されたデータの少なくとも１つに対して前記分類器を適用することは、測定されたチャネル状態情報の前記セットに最も類似している、トレーニングチャネル状態情報の前記セットのうちの１つを特定すること、及び、トレーニングチャネル状態情報の前記特定されたセットと関連付けられた前記既知のイベントを特定することを含む、装置。
  10. 請求項９に記載の装置であって、
    測定されたチャネル状態情報の前記セットとトレーニングチャネル状態情報の前記セットとの間の前記類似度値を計算することは、測定されたチャネル状態情報の前記セットと関連付けられた第１ベクトルと、トレーニングチャネル状態情報の前記セットと関連付けられた第２ベクトルとの内積を計算することを含む、装置。
  11. 請求項９に記載の装置であって、
    前記記憶装置は、前記プロセッサによって実行された場合に前記プロセッサに、各類似度値が、トレーニングチャネル状態情報の前記セットの１つとトレーニングチャネル状態情報の他のセットとの間の類似度を表す、複数の類似度値を計算させる命令を更に格納し、
    トレーニングチャネル状態情報の前記セットの１つとトレーニングチャネル状態情報の他のセットとの間の類似度から導出されるパラメータは、統計的分布でモデル化され、
    前記記憶装置は、前記プロセッサによって実行された場合に前記プロセッサに、トレーニングチャネル状態情報の前記セットの１つとトレーニングチャネル状態情報の他のセットとの間の前記類似度から導出される前記パラメータの前記統計的分布についてのスケールパラメータ及びロケーションパラメータを推定させる命令を更に格納する、装置。
  12. 請求項１に記載の装置であって、
    前記記憶装置は、前記プロセッサによって実行された場合に前記プロセッサに、
    測定されたチャネル状態情報のセットの系列に対してスライディングタイミングウィンドウを適用することと、ここで、前記タイミングウィンドウは、複数の期間に分割され、各期間は、測定されたチャネル状態情報の前記セットの１つに対応し、
    前記タイミングウィンドウに含まれる前記複数の期間のそれぞれについて前記複数の既知のイベントの１つを特定するために、前記タイミングウィンドウ内に時間スタンプを有する、測定されたチャネル状態情報の前記複数のセットのそれぞれに対して、前記分類器を適用することと、
    前記タイミングウィンドウに含まれる前記期間と関連付けられた前記既知のイベントに基づいて、前記現在のイベントを検出することと、
    を行わせる命令を更に格納する、装置。
  13. 請求項１２に記載の装置であって、
    前記現在のイベントを検出することは、最も多くの期間について前記タイミングウィンドウ内で発生する前記既知のイベントを判定することを含む、装置。
  14. 複数のイベントを検出するための装置であって、
    プロセッサと、
    命令のセットを格納する記憶装置と、を備え、前記命令は、前記プロセッサによって実行された場合に前記プロセッサに、
    チャネル状態情報を分類し、かつ、前記チャネル状態情報の前記分類に基づいてイベントを検出するよう構成された少なくとも１つの分類器をトレーニングすることであって、前記少なくとも１つの分類器の前記トレーニングは、
    前記装置によって検出される複数の既知のイベントのそれぞれについて、当該既知のイベントが会場内で発生する期間の間に、当該会場内の無線送信機と無線受信機との間の無線マルチパスチャネルのトレーニングチャネル状態情報（ＣＳＩ）の少なくとも１つのセットであって、前記無線送信機から前記無線マルチパスチャネルを介して前記無線受信機へ送信される少なくとも１つの第１プロービング信号から導出される、トレーニングチャネル状態情報の前記少なくとも１つのセットを取得すること、及び
    前記複数の既知のイベントと、前記複数のイベントのそれぞれと関連付けられたトレーニングチャネル状態情報の前記少なくとも１つのセットとに基づいて、前記少なくとも１つの分類器をトレーニングすることを含む、トレーニングすることと、
    現在のイベントが発生している期間の間に、前記無線送信機と前記無線受信機との間の無線マルチパスチャネルの測定されたチャネル状態情報のセットであって、前記無線送信機から無線マルチパスチャネルを介して送信されて前記無線受信機で受信される少なくとも１つの第２プロービング信号から導出される、測定されたチャネル状態情報の前記セットを受信することと、
    前記複数の既知のイベントのいずれが前記現在のイベントにマッチングするかを判定するために、測定されたチャネル状態情報の前記セット又は測定されたチャネル状態情報の前記セットから導出されたデータの少なくとも１つに対して、前記分類器を適用することと、を行わせ、
    前記記憶装置は、前記プロセッサによって実行された場合に前記プロセッサに、
    測定されたチャネル状態情報のセットの系列に対してスライディングタイミングウィンドウを適用することと、ここで、前記タイミングウィンドウは、複数の期間に分割され、各期間は、測定されたチャネル状態情報の前記セットの１つに対応し、
    前記タイミングウィンドウ内の時間スタンプを有する前記測定されたチャネル状態情報の分散を判定することと、
    前記測定されたチャネル状態情報の前記分散に基づいて、人間の動作を検出することと、
    を行わせる命令を更に格納する、装置。
  15. 請求項１４に記載の装置であって、
    前記測定されたチャネル状態情報の前記分散を判定することは、
    前記タイミングウィンドウ内の時間スタンプを有する、測定されたチャネル状態情報の特定のセットを選択することと、
    前記タイミングウィンドウ内の時間スタンプを有する、測定されたチャネル状態情報の他のセットのそれぞれについて、測定されたチャネル状態情報の前記特定のセットと、測定されたチャネル状態情報の前記他のセットとの間の類似度を表す類似度値を計算することと、
    前記類似度値に基づいて、前記測定されたチャネル状態情報の前記分散を判定することと、を含む、装置。
  16. 請求項１５に記載の装置であって、
    前記無線送信機又は前記無線受信機の少なくとも１つは、２つ以上のアンテナを有し、送信機アンテナと受信機アンテナとの各ペアは、前記無線送信機と前記無線受信機との間のリンクを形成し、少なくとも２つのリンクが、前記無線送信機と前記無線受信機との間に形成され、
    前記測定されたチャネル状態情報の前記分散を判定することは、前記タイミングウィンドウ内の期間ごとに、異なる複数のリンクにわたる前記類似度値の平均値を判定することと、前記類似度値の平均値の分散を判定することと、を含む、装置。
  17. 請求項１４に記載の装置であって、
    人間の動作を検出することは、前記タイミングウィンドウ内の時間スタンプを有する前記測定されたチャネル状態情報の前記分散が閾値を超えた場合に、人間の動作を検出することを含む、装置。
  18. 請求項１に記載の装置であって、
    トレーニングチャネル状態情報の前記セット又は測定されたチャネル状態情報の前記セットの少なくとも１つは、前記無線送信機と前記無線受信機との間の前記無線マルチパスチャネルと関連付けられた、チャネルインパルス応答又はチャネル周波数応答の少なくとも１つを含む、装置。
  19. 請求項１に記載の装置であって、
    前記少なくとも１つの第１プロービング信号及び前記少なくとも１つの第２プロービング信号のそれぞれは、インパルス信号又は疑似ランダム系列の少なくとも１つを含む、装置。
  20. 請求項１に記載の装置であって、
    前記無線送信機と前記無線受信機とのそれぞれは、少なくとも１つのアンテナを有し、
    トレーニングチャネル状態情報の各セットは、前記複数の既知のイベントの１つが発生する期間の間に、前記少なくとも１つの無線送信機アンテナの１つから前記少なくとも１つの無線受信機アンテナの１つへ無線マルチパスチャネルを介して送信される、前記少なくとも１つの第１プロービング信号の１つから導出され、
    測定されたチャネル状態情報の各セットは、前記少なくとも１つの無線送信機アンテナの１つから前記少なくとも１つの無線受信機アンテナの１つへ無線マルチパスチャネルを介して送信される、前記少なくとも１つの第２プロービング信号の１つから導出される、装置。
  21. 複数のイベントを検出するための装置であって、
    プロセッサと、
    命令のセットを格納する記憶装置と、を備え、前記命令は、前記プロセッサによって実行された場合に前記プロセッサに、
    チャネル状態情報を分類し、かつ、前記チャネル状態情報の前記分類に基づいてイベントを検出するよう構成された少なくとも１つの分類器をトレーニングすることであって、前記少なくとも１つの分類器の前記トレーニングは、
    前記装置によって検出される複数の既知のイベントのそれぞれについて、当該既知のイベントが会場内で発生する期間の間に、当該会場内の無線送信機と無線受信機との間の無線マルチパスチャネルのトレーニングチャネル状態情報（ＣＳＩ）の少なくとも１つのセットであって、前記無線送信機から前記無線マルチパスチャネルを介して前記無線受信機へ送信される少なくとも１つの第１プロービング信号から導出される、トレーニングチャネル状態情報の前記少なくとも１つのセットを取得すること、及び
    前記複数の既知のイベントと、前記複数のイベントのそれぞれと関連付けられたトレーニングチャネル状態情報の前記少なくとも１つのセットとに基づいて、前記少なくとも１つの分類器をトレーニングすることを含む、トレーニングすることと、
    現在のイベントが発生している期間の間に、前記無線送信機と前記無線受信機との間の無線マルチパスチャネルの測定されたチャネル状態情報のセットであって、前記無線送信機から無線マルチパスチャネルを介して送信されて前記無線受信機で受信される少なくとも１つの第２プロービング信号から導出される、測定されたチャネル状態情報の前記セットを受信することと、
    前記複数の既知のイベントのいずれが前記現在のイベントにマッチングするかを判定するために、測定されたチャネル状態情報の前記セット又は測定されたチャネル状態情報の前記セットから導出されたデータの少なくとも１つに対して、前記分類器を適用することと、を行わせ、
    前記少なくとも１つの分類器は、統計値ベースの分類器を含み、前記少なくとも１つの分類器をトレーニングすることは、
    各送信機アンテナと各受信機アンテナとの間のリンクごとに、
    特定の既知のイベントと関連付けられたトレーニングチャネル状態情報の複数のセットを受信すること、及び
    前記特定の既知のイベントと関連付けられたトレーニングチャネル状態情報の前記複数のセットを代表する、トレーニングチャネル状態情報の代表セットを特定することと、
    トレーニングチャネル状態情報の前記代表セットを使用して、前記少なくとも１つの分類器をトレーニングすることと、を含む、装置。
  22. 請求項２１に記載の装置であって、
    前記少なくとも１つの分類器をトレーニングすることは、
    複数のクラス内時間反転共振強度パラメータ値を計算することと、ここで、各クラス内時間反転共振強度パラメータ値は、特定の既知のイベントと関連付けられたチャネル状態情報の代表セットと、前記特定の既知のイベントと関連付けられたチャネル状態情報の他のセットとに基づいて計算され、
    前記複数のクラス内時間反転共振強度パラメータ値に基づいて、前記少なくとも１つの分類器をトレーニングすることと、を含む、装置。
  23. 請求項２２に記載の装置であって、
    前記統計値ベースの分類器をトレーニングすることは、
    トレーニングチャネル状態情報の前記代表セットを特定する前に、トレーニングチャネル状態情報の前記複数のセットに含まれる位相オフセットを補償することと、
    （１−ＴＲ）又はＴＲを表すパラメータのロケーションパラメータ及びスケールパラメータを推定することと、ここで、ＴＲは、前記クラス内時間反転共振強度パラメータ値を表し、
    送信機アンテナと受信機アンテナとの間のリンクごとに、検出対象のそれぞれの既知のイベントについて、（１−ＴＲ）又はＴＲを表す前記パラメータの前記ロケーションパラメータ及びスケールパラメータと、当該既知のイベント及び当該リンクと関連付けられたチャネル状態情報の前記代表セットと、に関する情報を含む、トレーニングデータベースを構築することと、を含む、装置。
  24. 複数のイベントを検出するための装置であって、
    プロセッサと、
    命令のセットを格納する記憶装置と、を備え、前記命令は、前記プロセッサによって実行された場合に前記プロセッサに、
    チャネル状態情報を分類し、かつ、前記チャネル状態情報の前記分類に基づいてイベントを検出するよう構成された少なくとも１つの分類器をトレーニングすることであって、前記少なくとも１つの分類器の前記トレーニングは、
    前記装置によって検出される複数の既知のイベントのそれぞれについて、当該既知のイベントが会場内で発生する期間の間に、当該会場内の無線送信機と無線受信機との間の無線マルチパスチャネルのトレーニングチャネル状態情報（ＣＳＩ）の少なくとも１つのセットであって、前記無線送信機から前記無線マルチパスチャネルを介して前記無線受信機へ送信される少なくとも１つの第１プロービング信号から導出される、トレーニングチャネル状態情報の前記少なくとも１つのセットを取得すること、及び
    前記複数の既知のイベントと、前記複数のイベントのそれぞれと関連付けられたトレーニングチャネル状態情報の前記少なくとも１つのセットとに基づいて、前記少なくとも１つの分類器をトレーニングすることを含む、トレーニングすることと、
    現在のイベントが発生している期間の間に、前記無線送信機と前記無線受信機との間の無線マルチパスチャネルの測定されたチャネル状態情報のセットであって、前記無線送信機から無線マルチパスチャネルを介して送信されて前記無線受信機で受信される少なくとも１つの第２プロービング信号から導出される、測定されたチャネル状態情報の前記セットを受信することと、
    前記複数の既知のイベントのいずれが前記現在のイベントにマッチングするかを判定するために、測定されたチャネル状態情報の前記セット又は測定されたチャネル状態情報の前記セットから導出されたデータの少なくとも１つに対して、前記分類器を適用することと、を行わせ、
    測定されたチャネル状態情報の前記セット又は測定されたチャネル状態情報の前記セットから導出されたデータの少なくとも１つに対して、前記分類器を適用することは、
    測定されたチャネル状態情報の各セットの位相オフセットがあれば位相オフセットを補償することと、
    各送信機アンテナと各受信機アンテナとの間のリンクごとに、それぞれの既知のイベントについて、
    クラス内時間反転共振強度パラメータ値の第２セットを計算することと、ここで、各クラス内時間反転共振強度パラメータ値は、測定されたチャネル状態情報の前記セットと、当該リンク及び当該既知のイベントと関連付けられたチャネル状態情報の代表セットとに基づいて計算され、
    クラス内時間反転共振強度パラメータ値の前記第２セットから導出される情報に基づいて、前記複数の既知のイベントのいずれが前記現在のイベントとマッチングするかを判定することと、を含む、装置。
  25. 請求項１に記載の装置であって、
    トレーニングチャネル状態情報の前記少なくとも１つのセット又は測定されたチャネル状態情報の前記セットの少なくとも１つは、インターネットプロトコルネットワーク、ローカルエリアネットワーク、無線ネットワーク、モバイルネットワーク、又は記憶媒体の少なくとも１つを介して取得される、装置。
  26. 請求項１に記載の装置であって、
    前記記憶装置は、前記プロセッサによって実行された場合に前記プロセッサに、測定されたチャネル状態情報の前記セットと、前記複数の既知のイベントのいずれが前記現在のイベントにマッチングするかに関する情報とに基づいて、前記少なくとも１つの分類器を更新させる命令を更に格納する、装置。
  27. 請求項２６に記載の装置であって、
    前記記憶装置は、前記プロセッサによって実行された場合に前記プロセッサに、測定されたチャネル状態情報の前記セットと、測定されたチャネル状態情報の前記セットと関連付けられた補助情報のセットと、前記少なくとも１つの分類器と関連付けられた出力と、前記複数の既知のイベントのいずれが前記現在のイベントにマッチングするかに関する情報とに基づいて、ストレージを更新させる命令を更に格納する、装置。
  28. ＷｉＦｉ信号を使用してイベントを監視するための方法であって、
    会場内で発生しうる複数の既知のイベントのそれぞれについて、当該既知のイベントが発生する少なくとも１つの期間の間に前記会場内で送信機から受信機へ送信される、ＩＥＥＥ８０２．１１標準規格に準拠したＷｉＦｉ信号の特性に関する第１情報を収集することと、
    前記会場を監視することと、を含み、前記会場を監視することは、第２期間の間に前記会場内で前記送信機から前記受信機へ送信されるＷｉＦｉ信号の特性に関する第２情報を判定することと、前記第２情報を前記第１情報と比較するか、又は前記第２情報から導出されるデータを前記第１情報から導出されるデータと比較することと、前記比較に基づいて、前記第２期間の間に、前記会場において前記複数の既知のイベントのいずれが発生しているかを判定することと、を含み、
    前記ＷｉＦｉ信号の特性に関する前記第１情報は、少なくとも、第１期間の間に前記送信機から前記受信機へ送信された前記ＷｉＦｉ信号から導出された、チャネル状態情報の第１セットを含み、前記ＷｉＦｉ信号の特性に関する前記第２情報は、少なくとも、前記第２期間の間に前記送信機から前記受信機へ送信された前記ＷｉＦｉ信号から導出された、チャネル状態情報の第２セットを含み、
    前記第２情報と前記第１情報との前記比較の前に、又は前記第２情報から導出される前記データと前記第１情報から導出される前記データとの前記比較の前に、チャネル状態情報の前記第１セットの位相歪みとチャネル状態情報の前記第２セットの位相歪みとのうちの少なくとも１つが低減又は除去され、
    前記第２情報を前記第１情報と比較することは、チャネル状態情報の前記第２セットをチャネル状態情報の前記第１セットと比較することを含み、
    前記第２情報から導出された前記データを前記第１情報から導出された前記データと比較することは、チャネル状態情報の前記第２セットから導出されたデータをチャネル状態情報の前記第１セットから導出されたデータと比較することを含む、方法。
  29. 請求項２８に記載の方法であって、
    前記会場内で発生しうる複数の既知のイベントのそれぞれについて、当該既知のイベントが発生する前記少なくとも１つの期間の間に前記会場内で前記送信機から前記受信機へ送信される前記ＷｉＦｉ信号から、第１チャネル状態情報の複数のセットを推定することと、
    前記複数の既知のイベントのそれぞれについて、推定された第１チャネル状態情報の前記複数のセットを使用して統計値ベースの分類器をトレーニングすることと、
    前記複数の既知のイベントのいずれが前記第２期間の間に前記会場内で発生したかを判定するために、前記統計値ベースの分類器を、チャネル状態情報の前記第２セットに対して適用することと、を含む、方法。
  30. ＷｉＦｉ信号を使用してイベントを監視するための方法であって、
    会場内で発生しうる複数の既知のイベントのそれぞれについて、当該既知のイベントが発生する少なくとも１つの期間の間に前記会場内で送信機から受信機へ送信される、ＩＥＥＥ８０２．１１標準規格に準拠したＷｉＦｉ信号の特性に関する第１情報を収集することと、
    前記会場を監視することと、を含み、前記会場を監視することは、第２期間の間に前記会場内で前記送信機から前記受信機へ送信されるＷｉＦｉ信号の特性に関する第２情報を判定することと、前記第２情報を前記第１情報と比較するか、又は前記第２情報から導出されるデータを前記第１情報から導出されるデータと比較することと、前記比較に基づいて、前記第２期間の間に、前記会場において前記複数の既知のイベントのいずれが発生しているかを判定することと、を含み、
    前記ＷｉＦｉ信号の特性に関する前記第１情報は、少なくとも、第１期間の間に前記送信機から前記受信機へ送信された前記ＷｉＦｉ信号から導出された、チャネル状態情報の第１セットを含み、前記ＷｉＦｉ信号の特性に関する前記第２情報は、少なくとも、前記第２期間の間に前記送信機から前記受信機へ送信された前記ＷｉＦｉ信号から導出された、チャネル状態情報の第２セットを含み、
    前記第２情報を前記第１情報と比較することは、チャネル状態情報の前記第２セットをチャネル状態情報の前記第１セットと比較することを含み、
    前記第２情報から導出された前記データを前記第１情報から導出された前記データと比較することは、チャネル状態情報の前記第２セットから導出されたデータをチャネル状態情報の前記第１セットから導出されたデータと比較することを含み、
    前記方法は、
    前記会場内で発生しうる複数の既知のイベントのそれぞれについて、当該既知のイベントが発生する前記少なくとも１つの期間の間に前記会場内で前記送信機から前記受信機へ送信される前記ＷｉＦｉ信号から、第１チャネル状態情報の複数のセットを推定することと、
    前記複数の既知のイベントのそれぞれについて、推定された第１チャネル状態情報の前記複数のセットを使用して統計値ベースの分類器をトレーニングすることと、
    前記複数の既知のイベントのいずれが前記第２期間の間に前記会場内で発生したかを判定するために、前記統計値ベースの分類器を、チャネル状態情報の前記第２セットに対して適用することと、
    受信機において、連続する複数の期間にわたって送信機から送信されたＷｉＦｉ信号の系列を受信することと、
    ＷｉＦｉ信号の前記系列又はＷｉＦｉ信号の前記系列から導出されたデータの少なくとも１つに対して、スライディングタイミングウィンドウを適用することと、ここで、前記スライディングタイミングウィンドウは、数個の連続する期間にわたっており、各期間は、ＷｉＦｉ信号の前記系列に含まれる前記ＷｉＦｉ信号の１つに対応しており、
    前記タイミングウィンドウ内の期間ごとに、前記複数の既知のイベントのいずれが当該期間において発生しているかを推定するために、当該期間と関連付けられた、前記推定された第２チャネル状態情報に対して、前記統計値ベースの分類器を適用することと、
    前記タイミングウィンドウ内で最も多くの回数、発生する前記既知のイベントを特定することと、を含む、方法。
  31. ＷｉＦｉ信号を使用してイベントを監視するための方法であって、
    会場内で発生しうる複数の既知のイベントのそれぞれについて、当該既知のイベントが発生する少なくとも１つの期間の間に前記会場内で送信機から受信機へ送信される、ＩＥＥＥ８０２．１１標準規格に準拠したＷｉＦｉ信号の特性に関する第１情報を収集することと、
    前記会場を監視することと、を含み、前記会場を監視することは、第２期間の間に前記会場内で前記送信機から前記受信機へ送信されるＷｉＦｉ信号の特性に関する第２情報を判定することと、前記第２情報を前記第１情報と比較するか、又は前記第２情報から導出されるデータを前記第１情報から導出されるデータと比較することと、前記比較に基づいて、前記第２期間の間に、前記会場において前記複数の既知のイベントのいずれが発生しているかを判定することと、を含み、
    前記ＷｉＦｉ信号の特性に関する前記第１情報は、少なくとも、第１期間の間に前記送信機から前記受信機へ送信された前記ＷｉＦｉ信号から導出された、チャネル状態情報の第１セットを含み、前記ＷｉＦｉ信号の特性に関する前記第２情報は、少なくとも、前記第２期間の間に前記送信機から前記受信機へ送信された前記ＷｉＦｉ信号から導出された、チャネル状態情報の第２セットを含み、
    前記第２情報を前記第１情報と比較することは、チャネル状態情報の前記第２セットをチャネル状態情報の前記第１セットと比較することを含み、
    前記第２情報から導出された前記データを前記第１情報から導出された前記データと比較することは、チャネル状態情報の前記第２セットから導出されたデータをチャネル状態情報の前記第１セットから導出されたデータと比較することを含み、
    前記方法は、
    前記会場内で発生しうる複数の既知のイベントのそれぞれについて、当該既知のイベントが発生する前記少なくとも１つの期間の間に前記会場内で前記送信機から前記受信機へ送信される前記ＷｉＦｉ信号から、第１チャネル状態情報の複数のセットを推定することと、
    前記複数の既知のイベントのそれぞれについて、推定された第１チャネル状態情報の前記複数のセットを使用して統計値ベースの分類器をトレーニングすることと、
    前記複数の既知のイベントのいずれが前記第２期間の間に前記会場内で発生したかを判定するために、前記統計値ベースの分類器を、チャネル状態情報の前記第２セットに対して適用することと、
    受信機において、連続する複数の期間にわたって送信機から送信されたＷｉＦｉ信号の系列を受信することと、
    ＷｉＦｉ信号の前記系列又はＷｉＦｉ信号の前記系列から導出されたデータに対して、スライディングタイミングウィンドウを適用することと、ここで、前記スライディングタイミングウィンドウは、数個の連続する期間にわたっており、各期間は、ＷｉＦｉ信号の前記系列に含まれる前記ＷｉＦｉ信号の１つに対応しており、
    前記タイミングウィンドウ内における前記ＷｉＦｉ信号又は前記ＷｉＦｉ信号から導出されるデータの分散を判定することと、
    前記タイミングウィンドウ内における前記ＷｉＦｉ信号又は前記ＷｉＦｉ信号から導出されるデータの少なくとも１つの前記分散と、所定の閾値との比較に基づいて、人間の動作を検出することと、を含む、方法。
  32. ＷｉＦｉ信号を使用してイベントを監視するための方法であって、
    会場内で発生しうる複数の既知のイベントのそれぞれについて、当該既知のイベントが発生する少なくとも１つの期間の間に前記会場内で送信機から受信機へ送信される、ＩＥＥＥ８０２．１１標準規格に準拠したＷｉＦｉ信号の特性に関する第１情報を収集することと、
    前記会場を監視することと、を含み、前記会場を監視することは、第２期間の間に前記会場内で前記送信機から前記受信機へ送信されるＷｉＦｉ信号の特性に関する第２情報を判定することと、前記第２情報を前記第１情報と比較するか、又は前記第２情報から導出されるデータを前記第１情報から導出されるデータと比較することと、前記比較に基づいて、前記第２期間の間に、前記会場において前記複数の既知のイベントのいずれが発生しているかを判定することと、を含み、
    前記ＷｉＦｉ信号の特性に関する前記第１情報は、少なくとも、第１期間の間に前記送信機から前記受信機へ送信された前記ＷｉＦｉ信号から導出された、チャネル状態情報の第１セットを含み、前記ＷｉＦｉ信号の特性に関する前記第２情報は、少なくとも、前記第２期間の間に前記送信機から前記受信機へ送信された前記ＷｉＦｉ信号から導出された、チャネル状態情報の第２セットを含み、
    前記第２情報を前記第１情報と比較することは、チャネル状態情報の前記第２セットをチャネル状態情報の前記第１セットと比較することを含み、
    前記第２情報から導出された前記データを前記第１情報から導出された前記データと比較することは、チャネル状態情報の前記第２セットから導出されたデータをチャネル状態情報の前記第１セットから導出されたデータと比較することを含み、
    前記方法は、
    前記会場内で発生しうる複数の既知のイベントのそれぞれについて、当該既知のイベントが発生する前記少なくとも１つの期間の間に前記会場内で前記送信機から前記受信機へ送信される前記ＷｉＦｉ信号から、第１チャネル状態情報の複数のセットを推定することと、
    前記複数の既知のイベントのそれぞれについて、推定された第１チャネル状態情報の前記複数のセットを使用して統計値ベースの分類器をトレーニングすることと、
    前記複数の既知のイベントのいずれが前記第２期間の間に前記会場内で発生したかを判定するために、前記統計値ベースの分類器を、チャネル状態情報の前記第２セットに対して適用することと、を含み、
    前記送信機は、少なくとも１つのアンテナを有し、前記受信機は、少なくとも１つのアンテナを有し、
    前記方法は、会場内で発生しうる前記複数の既知のイベントのそれぞれについて、送信機アンテナと受信機アンテナとの間のリンクごとに、当該既知のイベントが発生する少なくとも１つの期間の間に前記送信機アンテナから前記受信機アンテナへ送信されたＷｉＦｉ信号から、第１チャネル状態情報のセットを判定することを含み、
    前記統計値ベースの分類器をトレーニングすることは、
    前記複数の既知のイベントのそれぞれについて、トレーニングチャネル状態情報の前記セットに含まれる位相オフセットを補償することと、
    前記複数の既知のイベントのそれぞれについて、送信機アンテナと受信機アンテナとの間のリンクごとに、当該既知のイベント及び当該リンクに関連付けられたチャネル状態情報の前記セットを代表する、チャネル状態情報の代表セットを判定することと、
    既知のイベントごとにクラス内時間反転共振強度パラメータ値を計算することと、ここで、各クラス内時間反転共振強度パラメータ値は、当該既知のイベントに関連付けられたチャネル状態情報の代表セットと、当該既知のイベントに関連付けられたチャネル状態情報の他のセットとに基づいて計算され、
    前記クラス内時間反転共振強度パラメータ値に基づいて、前記統計値ベースの分類器をトレーニングすることと、を含む、方法。
  33. ＷｉＦｉ信号を使用してイベントを監視するための方法であって、
    会場内で発生しうる複数の既知のイベントのそれぞれについて、当該既知のイベントが発生する少なくとも１つの期間の間に前記会場内で送信機から受信機へ送信される、ＩＥＥＥ８０２．１１標準規格に準拠したＷｉＦｉ信号の特性に関する第１情報を収集することと、
    前記会場を監視することと、を含み、前記会場を監視することは、第２期間の間に前記会場内で前記送信機から前記受信機へ送信されるＷｉＦｉ信号の特性に関する第２情報を判定することと、前記第２情報を前記第１情報と比較するか、又は前記第２情報から導出されるデータを前記第１情報から導出されるデータと比較することと、前記比較に基づいて、前記第２期間の間に、前記会場において前記複数の既知のイベントのいずれが発生しているかを判定することと、を含み、
    前記ＷｉＦｉ信号の特性に関する前記第１情報は、少なくとも、第１期間の間に前記送信機から前記受信機へ送信された前記ＷｉＦｉ信号から導出された、チャネル状態情報の第１セットを含み、前記ＷｉＦｉ信号の特性に関する前記第２情報は、少なくとも、前記第２期間の間に前記送信機から前記受信機へ送信された前記ＷｉＦｉ信号から導出された、チャネル状態情報の第２セットを含み、
    前記第２情報を前記第１情報と比較することは、チャネル状態情報の前記第２セットをチャネル状態情報の前記第１セットと比較することを含み、
    前記第２情報から導出された前記データを前記第１情報から導出された前記データと比較することは、チャネル状態情報の前記第２セットから導出されたデータをチャネル状態情報の前記第１セットから導出されたデータと比較することを含み、
    前記方法は、
    前記会場内で発生しうる複数の既知のイベントのそれぞれについて、当該既知のイベントが発生する前記少なくとも１つの期間の間に前記会場内で前記送信機から前記受信機へ送信される前記ＷｉＦｉ信号から、第１チャネル状態情報の複数のセットを推定することと、
    前記複数の既知のイベントのそれぞれについて、推定された第１チャネル状態情報の前記複数のセットを使用して統計値ベースの分類器をトレーニングすることと、
    前記複数の既知のイベントのいずれが前記第２期間の間に前記会場内で発生したかを判定するために、前記統計値ベースの分類器を、チャネル状態情報の前記第２セットに対して適用することと、を含み、
    前記統計値ベースの分類器をトレーニングすることは、
    （１−ＴＲ）又はＴＲを表すパラメータのロケーションパラメータ及びスケールパラメータを推定することと、ここで、ＴＲは、クラス内時間反転共振強度パラメータ値を表し、
    送信機アンテナと受信機アンテナとの間のリンクごとに、検出対象のそれぞれの既知のイベントについて、（１−ＴＲ）又はＴＲを表す前記パラメータの前記ロケーションパラメータ及びスケールパラメータと、当該既知のイベント及び当該リンクと関連付けられたチャネル状態情報の代表セットと、に関する情報を含む、トレーニングデータベースを構築することと、を含む、方法。
  34. 請求項３２に記載の方法であって、
    前記複数の既知のイベントのいずれが前記第２期間の間に前記会場内で発生しているかを判定するために、前記統計値ベースの分類器をチャネル状態情報の前記第２セットに対して適用することは、
    チャネル状態情報の前記第２セットに含まれる前記位相オフセットを補償することと、
    前記複数の既知のイベントのそれぞれについて、当該既知のイベントに関連付けられたチャネル状態情報の前記代表セットと、チャネル状態情報の前記第２セットとに基づいて、クラス内時間反転共振強度パラメータ値を判定することと、
    ロケーションパラメータ及びスケールパラメータに基づいて統計メトリックを判定することと、ここで、前記統計メトリックは、前記既知のイベントに関連付けられたチャネル状態情報の前記代表セットと、チャネル状態情報の前記第２セットとの間の類似度の測度であり、
    前記統計メトリックに基づいて、前記第２期間の間に前記会場内で前記複数の既知のイベントのいずれが発生しているかを判定することと、を含む、方法。
  35. 請求項３４に記載の方法であって、
    前記複数の既知のイベントは、警報信号をトリガしないイベントを示す正常イベントのセットと、警報信号をトリガするイベントを示す異常イベントのセットとを含み、
    前記複数の既知のイベントのいずれが前記第２期間の間に前記会場内で発生しているかを判定するために、前記統計値ベースの分類器をチャネル状態情報の前記第２セットに対して適用することは、
    前記第２期間の間に前記会場内で正常イベントが発生したかどうかを判定することと、
    前記第２期間の間に前記会場内で正常イベントが発生していない場合に、前記第２期間の間に前記会場内で異常イベントが発生したかどうかを判定することと、
    前記第２期間の間に前記会場内で異常イベントが発生した場合に、警報信号を生成することと、を含む、方法。
  36. ＷｉＦｉ信号を使用してイベントを監視するための方法であって、
    会場内で発生しうる複数の既知のイベントのそれぞれについて、当該既知のイベントが発生する少なくとも１つの期間の間に、ＩＥＥＥ８０２．１１標準規格に準拠した少なくとも１つのＷｉＦｉ信号を、前記会場内で送信機から受信機へ送信することと、
    前記受信機で受信されたＷｉＦｉ信号ごとに、当該ＷｉＦｉ信号からチャネル状態情報のセットを推定することと、ここで、チャネル状態情報の前記セットは、当該ＷｉＦｉ信号に関連付けられた前記既知のイベントに関連付けられており、
    主成分分析を使用して、前記複数の既知のイベントと、当該複数の既知のイベントに関連付けられたチャネル状態情報の前記セットとに基づいて、分類器をトレーニングすることと、
    ここで、前記分類器をトレーニングするためにチャネル状態情報の前記セットを使用する前に、チャネル状態情報の前記セットの位相歪みが低減又は除去され、
    監視段階の期間中に、
    第２期間の間に前記送信機から前記受信機へ少なくとも１つのＷｉＦｉ信号を送信することと、
    前記第２期間の間に前記受信機で受信された前記ＷｉＦｉ信号から、チャネル状態情報の第２セットを判定することと、
    前記第２期間の間に前記複数の既知のイベントのいずれが発生したかを判定するために、チャネル状態情報の前記第２セット又はチャネル状態情報の前記第２セットから導出されたデータに対して、前記分類器を適用することと、を含む、方法。
  37. ＷｉＦｉ信号を使用してイベントを監視するための方法であって、
    会場内で発生しうる複数の既知のイベントのそれぞれについて、当該既知のイベントが発生する少なくとも１つの期間の間に、ＩＥＥＥ８０２．１１標準規格に準拠した少なくとも１つのＷｉＦｉ信号を、前記会場内で送信機から受信機へ送信することと、
    前記受信機で受信されたＷｉＦｉ信号ごとに、当該ＷｉＦｉ信号からチャネル状態情報のセットを推定することと、ここで、チャネル状態情報の前記セットは、当該ＷｉＦｉ信号に関連付けられた前記既知のイベントに関連付けられており、
    主成分分析を使用して、前記複数の既知のイベントと、当該複数の既知のイベントに関連付けられたチャネル状態情報の前記セットとに基づいて、分類器をトレーニングすることと、
    監視段階の期間中に、
    第２期間の間に前記送信機から前記受信機へ少なくとも１つのＷｉＦｉ信号を送信することと、
    前記第２期間の間に前記受信機で受信された前記ＷｉＦｉ信号から、チャネル状態情報の第２セットを判定することと、
    前記第２期間の間に前記複数の既知のイベントのいずれが発生したかを判定するために、チャネル状態情報の前記第２セット又はチャネル状態情報の前記第２セットから導出されたデータに対して、前記分類器を適用することと、を含み、
    主成分分析を使用して分類器をトレーニングすることは、
    チャネル状態情報の前記セットに含まれる位相オフセットを補償することと、
    チャネル状態情報の前記セットに基づいて特徴ベクトルを生成することと、
    主成分分析を使用して、減少した次元数を有する新たな特徴ベクトルを生成することと、
    サポートベクトルマシン（ＳＶＭ）を使用して、入力特徴ベクトルを、前記複数の既知のイベントの１つにマッピングする分類器をトレーニングすることと、を含む、方法。
  38. 請求項３７に記載の方法であって、
    前記第２期間の間に前記複数の既知のイベントのいずれが発生したかを判定するために、チャネル状態情報の前記第２セット又はチャネル状態情報の前記第２セットから導出されたデータの少なくとも１つに対して、前記分類器を適用することは、
    チャネル状態情報の前記第２セットに含まれる位相オフセットを補償することと、
    チャネル状態情報の前記第２セットに基づいて第２特徴ベクトルを生成することと、
    前記第２特徴ベクトルに対して主成分分析を適用して、減少した次元数を有する第３特徴ベクトルを生成することと、
    前記サポートベクトルマシンを前記第３特徴ベクトルに適用して、前記第２期間の間に前記複数の既知のイベントのいずれが発生したかに関する情報を有する出力を生成することと、を含む、方法。
  39. ＷｉＦｉ信号を使用してイベントを監視するための方法であって、
    会場内で発生しうる複数の既知のイベントのそれぞれについて、当該既知のイベントが発生する少なくとも１つの期間の間に、ＩＥＥＥ８０２．１１標準規格に準拠した少なくとも１つのＷｉＦｉ信号を、前記会場内で送信機から受信機へ送信することと、
    前記受信機で受信されたＷｉＦｉ信号ごとに、当該ＷｉＦｉ信号からチャネル状態情報のセットを推定することと、ここで、チャネル状態情報の前記セットは、当該ＷｉＦｉ信号に関連付けられた前記既知のイベントに関連付けられており、
    主成分分析を使用して、前記複数の既知のイベントと、当該複数の既知のイベントに関連付けられたチャネル状態情報の前記セットとに基づいて、分類器をトレーニングすることと、
    監視段階の期間中に、
    第２期間の間に前記送信機から前記受信機へ少なくとも１つのＷｉＦｉ信号を送信することと、
    前記第２期間の間に前記受信機で受信された前記ＷｉＦｉ信号から、チャネル状態情報の第２セットを判定することと、
    前記第２期間の間に前記複数の既知のイベントのいずれが発生したかを判定するために、チャネル状態情報の前記第２セット又はチャネル状態情報の前記第２セットから導出されたデータに対して、前記分類器を適用することと、を含み、
    人間の動作は、ノイズレベルを閾値と比較することによって検出される、方法。
  40. ＷｉＦｉ信号を使用してイベントを監視するための方法であって、
    会場内で発生しうる複数の既知のイベントのそれぞれについて、当該既知のイベントが発生する少なくとも１つの期間の間に、ＩＥＥＥ８０２．１１標準規格に準拠した少なくとも１つのＷｉＦｉ信号を、前記会場内で送信機から受信機へ送信することと、
    前記受信機で受信されたＷｉＦｉ信号ごとに、当該ＷｉＦｉ信号からチャネル状態情報のセットを推定することと、ここで、チャネル状態情報の前記セットは、当該ＷｉＦｉ信号に関連付けられた前記既知のイベントに関連付けられており、
    主成分分析を使用して、前記複数の既知のイベントと、当該複数の既知のイベントに関連付けられたチャネル状態情報の前記セットとに基づいて、分類器をトレーニングすることと、
    監視段階の期間中に、
    第２期間の間に前記送信機から前記受信機へ少なくとも１つのＷｉＦｉ信号を送信することと、
    前記第２期間の間に前記受信機で受信された前記ＷｉＦｉ信号から、チャネル状態情報の第２セットを判定することと、
    前記第２期間の間に前記複数の既知のイベントのいずれが発生したかを判定するために、チャネル状態情報の前記第２セット又はチャネル状態情報の前記第２セットから導出されたデータに対して、前記分類器を適用することと、を含み、
    人間の動作は、アンテナ相関をトラッキングすることによって検出される、方法。
  41. ＷｉＦｉ信号を使用してイベントを監視するための方法であって、
    会場内で発生しうる複数の既知のイベントのそれぞれについて、当該既知のイベントが発生する少なくとも１つの期間の間に、ＩＥＥＥ８０２．１１標準規格に準拠した少なくとも１つのＷｉＦｉ信号を、前記会場内で送信機から受信機へ送信することと、
    前記受信機で受信されたＷｉＦｉ信号ごとに、当該ＷｉＦｉ信号からチャネル状態情報のセットを推定することと、ここで、チャネル状態情報の前記セットは、当該ＷｉＦｉ信号に関連付けられた前記既知のイベントに関連付けられており、
    主成分分析を使用して、前記複数の既知のイベントと、当該複数の既知のイベントに関連付けられたチャネル状態情報の前記セットとに基づいて、分類器をトレーニングすることと、
    監視段階の期間中に、
    第２期間の間に前記送信機から前記受信機へ少なくとも１つのＷｉＦｉ信号を送信することと、
    前記第２期間の間に前記受信機で受信された前記ＷｉＦｉ信号から、チャネル状態情報の第２セットを判定することと、
    前記第２期間の間に前記複数の既知のイベントのいずれが発生したかを判定するために、チャネル状態情報の前記第２セット又はチャネル状態情報の前記第２セットから導出されたデータに対して、前記分類器を適用することと、を含み、
    人間の動作は、チャネルインパルス応答に含まれる２つのタップ間の時間間隔の変化をトラッキングすることによって検出される、方法。
JP2018529656A 2015-12-09 2016-12-09 無線イベント検出及び監視のための方法、装置及びシステム Active JP6623298B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2019212505A JP7320210B2 (ja) 2015-12-09 2019-11-25 無線イベント検出及び監視のための方法、装置及びシステム

Applications Claiming Priority (11)

Application Number Priority Date Filing Date Title
US201562265155P 2015-12-09 2015-12-09
US62/265,155 2015-12-09
US201662307081P 2016-03-11 2016-03-11
US62/307,081 2016-03-11
US201662316850P 2016-04-01 2016-04-01
US62/316,850 2016-04-01
US201662383235P 2016-09-02 2016-09-02
US62/383,235 2016-09-02
US201662411504P 2016-10-21 2016-10-21
US62/411,504 2016-10-21
PCT/US2016/066015 WO2017100706A1 (en) 2015-12-09 2016-12-09 Method, apparatus, and systems for wireless event detection and monitoring

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2019212505A Division JP7320210B2 (ja) 2015-12-09 2019-11-25 無線イベント検出及び監視のための方法、装置及びシステム

Publications (2)

Publication Number Publication Date
JP2019506772A JP2019506772A (ja) 2019-03-07
JP6623298B2 true JP6623298B2 (ja) 2019-12-18

Family

ID=59014341

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2018529656A Active JP6623298B2 (ja) 2015-12-09 2016-12-09 無線イベント検出及び監視のための方法、装置及びシステム
JP2019212505A Active JP7320210B2 (ja) 2015-12-09 2019-11-25 無線イベント検出及び監視のための方法、装置及びシステム

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2019212505A Active JP7320210B2 (ja) 2015-12-09 2019-11-25 無線イベント検出及び監視のための方法、装置及びシステム

Country Status (5)

Country Link
US (1) US10380881B2 (ja)
EP (1) EP3387849A4 (ja)
JP (2) JP6623298B2 (ja)
CN (1) CN108700652B (ja)
WO (1) WO2017100706A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220069885A1 (en) * 2018-12-11 2022-03-03 Nordic Semiconductor Asa Radio devices with switchable antennas

Families Citing this family (89)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10291460B2 (en) 2012-12-05 2019-05-14 Origin Wireless, Inc. Method, apparatus, and system for wireless motion monitoring
US10447094B2 (en) 2016-05-03 2019-10-15 Origin Wireless, Inc. Method, system, and apparatus for wireless power transmission based on power waveforming
US11025475B2 (en) 2012-12-05 2021-06-01 Origin Wireless, Inc. Method, apparatus, server, and systems of time-reversal technology
US10270642B2 (en) 2012-12-05 2019-04-23 Origin Wireless, Inc. Method, apparatus, and system for object tracking and navigation
US10374863B2 (en) 2012-12-05 2019-08-06 Origin Wireless, Inc. Apparatus, systems and methods for event recognition based on a wireless signal
US11202215B2 (en) * 2015-07-17 2021-12-14 Origin Wireless, Inc. Method, apparatus, and system for providing automatic assistance based on wireless monitoring
US10972155B2 (en) * 2015-11-25 2021-04-06 Hewlett Packard Enterprise Development Lp Access point selection
WO2018094502A1 (en) * 2016-11-22 2018-05-31 Aerial Technologies Device-free localization methods within smart indoor environments
US20210333351A1 (en) * 2016-04-22 2021-10-28 Azar Zandifar Systems and methods for occupancy detection using wifi sensing technologies
CN107734507A (zh) * 2016-08-12 2018-02-23 索尼公司 无线场景识别装置和方法以及无线通信设备和系统
US11818629B2 (en) 2016-11-22 2023-11-14 Aerial Technologies Device-free localization methods within smart indoor environments
US11004000B1 (en) 2017-01-30 2021-05-11 Waymo Llc Predicting trajectory intersection by another road user
US11093837B2 (en) * 2017-01-30 2021-08-17 Splunk Inc. Event forecasting
US10158504B2 (en) * 2017-02-01 2018-12-18 Roshmere, Inc. Communication transmission with super-gaussian filtering in receiver
US20180232574A1 (en) * 2017-02-14 2018-08-16 The Board Of Trustees Of The Leland Junior University Systems and Methods for Transmitting and Receiving Data Using Machine Learning Classification
US20190272725A1 (en) * 2017-02-15 2019-09-05 New Sun Technologies, Inc. Pharmacovigilance systems and methods
US10637737B2 (en) * 2017-03-28 2020-04-28 Ca Technologies, Inc. Managing alarms from distributed applications
EP3613244B1 (en) 2017-04-21 2023-11-01 Telefonaktiebolaget LM Ericsson (PUBL) Fingerprinting enhancement with multi-band aoa measurements
GB201707294D0 (en) * 2017-05-08 2017-06-21 Rajab Khalid Nodens
WO2018235563A1 (ja) * 2017-06-23 2018-12-27 株式会社村田製作所 位置推定システム
US10621855B2 (en) * 2017-09-18 2020-04-14 Google Llc Online occupancy state estimation
US10498589B2 (en) * 2017-10-04 2019-12-03 At&T Intellectual Property I, L.P. Apparatus and methods for mitigating a fault that adversely affects ultra-wideband transmissions
CN107797153B (zh) * 2017-10-23 2019-07-12 上海百芝龙网络科技有限公司 一种基于WiFi信号的门窗开闭状态检测方法
US10048350B1 (en) * 2017-10-31 2018-08-14 Cognitive Systems Corp. Motion detection based on groupings of statistical parameters of wireless signals
EP3492946B1 (en) * 2017-12-01 2021-05-12 Origin Wireless, Inc. Method, apparatus, and system for object tracking and navigation
US10108903B1 (en) * 2017-12-08 2018-10-23 Cognitive Systems Corp. Motion detection based on machine learning of wireless signal properties
TWI659639B (zh) * 2018-01-11 2019-05-11 瑞昱半導體股份有限公司 符碼時序決定裝置與方法
CN109151724B (zh) * 2018-01-22 2020-12-22 中南大学 基于信道冲击响应能量分布的视距/非视距路径识别方法
US10484208B2 (en) * 2018-02-23 2019-11-19 Wistron Neweb Corporation Anomalies detection system and method for structure
IT201800003397A1 (it) * 2018-03-09 2019-09-09 Inxpect S P A Sistema e metodo di rilevazione automatico di movimento
US10318890B1 (en) 2018-05-23 2019-06-11 Cognitive Systems Corp. Training data for a motion detection system using data from a sensor device
US11636200B2 (en) * 2018-06-11 2023-04-25 Palo Alto Research Center Incorporated System and method for remotely detecting an anomaly
JP6680838B2 (ja) * 2018-08-10 2020-04-15 セントラル警備保障株式会社 警備システムにおけるモード設定方法
US11235187B2 (en) * 2018-08-17 2022-02-01 Johnson Controls Tyco IP Holdings LLP Systems and methods for detecting building conditions based on wireless signal degradation
CN109521457B (zh) * 2018-09-25 2022-10-21 中国辐射防护研究院 一种基于信息准则的γ辐射源项划分方法及系统
US11637643B2 (en) * 2018-09-28 2023-04-25 Intel Corporation Machine learning-based link adaptation
US11610446B2 (en) 2018-10-12 2023-03-21 Inventio Ag Access control system and method for operating an access control system
CN109472239B (zh) * 2018-10-28 2021-10-01 中国人民解放军空军工程大学 一种跳频电台个体识别方法
US10845455B2 (en) * 2018-11-02 2020-11-24 Wistron Neweb Corporation Event detection system and method for vehicle
US11165462B2 (en) * 2018-11-07 2021-11-02 Samsung Electronics Co., Ltd. Motion assisted leakage removal for radar applications
CN109464075A (zh) * 2018-12-07 2019-03-15 江苏美的清洁电器股份有限公司 扫地机器人的清扫控制方法及其装置和扫地机器人
EP3871429A1 (en) 2019-01-08 2021-09-01 Google LLC Motion detection using wireless local area networks
CN111435562B (zh) * 2019-01-11 2024-05-24 开利公司 处理环境射频数据以用于活动识别的方法
IT201900001675A1 (it) * 2019-02-05 2020-08-05 Vittorio Rampa Sistema e metodo per la rilevazione di uno o più target all'interno di un'area di monitoraggio
US11789135B2 (en) * 2019-03-29 2023-10-17 Robert Bosch Gmbh Ultra-wideband intelligent sensing system and method for car states detection
US10908695B2 (en) * 2019-04-03 2021-02-02 Google Llc Gesture detection using external sensors
US11506753B2 (en) * 2019-04-08 2022-11-22 Samsung Electronics Co., Ltd. Systems and methods for radar based face authentication anti-spoofing
EP3722991B1 (en) * 2019-04-10 2024-05-29 Axis AB Method, system, and device for detecting an object in a distorted image
US11402485B2 (en) * 2019-04-30 2022-08-02 Robert Bosch Gmbh Ultra-wideband intelligent sensing system and method
US11510283B2 (en) * 2019-05-14 2022-11-22 Intel Corporation WLAN sensing using high-efficiency (HE) trigger- based (TB) PPDUs (HE TB PPDUs)
DE112019007107T5 (de) 2019-05-23 2022-01-20 Lg Electronics Inc. Elektronisches gerät zur unterstützung einer variablen kompressionsrate in abhängigkeit vom funkverbindungszustand
EP3977793A4 (en) * 2019-05-30 2023-06-07 Aerial Technologies Inc. PROXIMITY-BASED MODEL FOR INDOOR LOCATION USING WIRELESS SIGNALS
KR20210002906A (ko) * 2019-07-01 2021-01-11 삼성전자주식회사 객체를 인식하기 위한 전자 장치 및 그의 동작 방법
US20210119740A1 (en) * 2019-07-22 2021-04-22 Industrial Technology Research Institute System and method for signal sensing
US11531080B2 (en) 2019-07-24 2022-12-20 Cypress Semiconductor Corporation Leveraging spectral diversity for machine learning-based estimation of radio frequency signal parameters
US20220286213A1 (en) * 2019-08-06 2022-09-08 Signify Holding B.V. Communication technology selection for radio frequency based sensing
CN110488222B (zh) * 2019-08-19 2021-06-22 杭州电子科技大学 一种nlos条件下svm与重心坐标相结合的uwb定位方法
WO2021083855A1 (en) * 2019-11-01 2021-05-06 Signify Holding B.V. Indicating a likelihood of presence being detected via multiple indications
CN110769499B (zh) * 2019-11-05 2020-11-10 应急管理部沈阳消防研究所 一种基于双射频混合rssi指纹定位方法
CN111062322B (zh) * 2019-12-17 2023-03-14 西安电子科技大学 基于支持向量机svm的相控阵雷达行为识别方法
JP7280849B2 (ja) * 2020-03-19 2023-05-24 株式会社日立製作所 ログ統合装置、ログ統合システムおよびログ統合方法
CN111478950B (zh) * 2020-03-26 2023-04-18 微民保险代理有限公司 一种对象状态的推送方法和装置
CN111444983B (zh) * 2020-04-22 2023-10-24 中国科学院上海微系统与信息技术研究所 一种基于传感数据信息指纹的风险事件识别方法与系统
CN111770436B (zh) * 2020-05-07 2023-05-16 普联国际有限公司 一种基于CSI的室内Wi-Fi定位方法、装置及存储介质
CN111481203B (zh) * 2020-05-22 2023-05-05 哈尔滨工程大学 一种基于信道状态信息的室内静态被动人体检测方法
CN112034433B (zh) * 2020-07-09 2024-01-12 深圳市领冠检测技术有限公司 一种基于干扰信号重构的穿墙无源移动目标检测方法
US11128391B1 (en) * 2020-07-22 2021-09-21 University Of South Florida System and method for predicting wireless channel path loss
CN111914709B (zh) * 2020-07-23 2024-02-06 河南大学 针对WiFi信号行为识别的基于深度学习的动作分割框架构建方法
US11495243B2 (en) * 2020-07-30 2022-11-08 Lawrence Livermore National Security, Llc Localization based on time-reversed event sounds
NO346552B1 (en) * 2020-10-16 2022-10-03 Dimeq As An Alarm Detection System
CN112148907A (zh) * 2020-10-23 2020-12-29 北京百度网讯科技有限公司 图像数据库的更新方法、装置、电子设备和介质
WO2022139645A1 (en) * 2020-12-23 2022-06-30 Telefonaktiebolaget Lm Ericsson (Publ) Radio network node, user equipment and methods performed in a wireless communication network
CN113010805B (zh) * 2021-02-23 2023-09-01 腾讯科技（深圳）有限公司 指标数据的处理方法、装置、设备及存储介质
CN113422660B (zh) * 2021-05-14 2022-07-19 山东科技大学 基于无线信号的步数检测方法
CN117941277A (zh) * 2021-08-31 2024-04-26 上海诺基亚贝尔股份有限公司 用于信道状态信息的相位补偿
US20230099883A1 (en) * 2021-09-24 2023-03-30 Qualcomm Incorporated Phase tracking reference signal pilot allocation sizes
US20230109149A1 (en) * 2021-10-04 2023-04-06 Samsung Electronics Co., Ltd. Presence detection and recognition with wi-fi
CN113962032B (zh) * 2021-12-21 2022-04-08 中国科学院自动化研究所 空战机动决策方法及装置
WO2023126728A1 (en) * 2021-12-31 2023-07-06 Cognitive Systems Corp. Methods and systems for detection of channel variations for wi-fi sensing in unobserved bandwidth
CN114743330B (zh) * 2022-03-16 2023-04-07 大连理工大学 一种基于wi-fi信道状态信息的博物馆安全防护系统
CN114531729B (zh) * 2022-04-24 2022-08-09 南昌大学 基于信道状态信息的定位方法、系统、存储介质及设备
CN114978841A (zh) * 2022-05-16 2022-08-30 乔羽 一种基于区块链的通信基站同步方法
WO2024047528A1 (en) * 2022-09-01 2024-03-07 Cognitive Systems Corp. Wi-fi sensing taking into consideration received noise power information
WO2024053866A1 (ko) * 2022-09-07 2024-03-14 삼성전자주식회사 전자 장치 및 이의 csi 기반 센싱 방법
KR102634917B1 (ko) * 2022-09-23 2024-02-07 숙명여자대학교산학협력단 사운딩 기반 채널 상태 정보 추정 방법, 사운딩 기반 채널 상태 정보 추정 장치, 사운딩 기반 채널 상태 정보 추정 프로그램을 저장하는 저장매체
US20240103119A1 (en) * 2022-09-23 2024-03-28 Qualcomm Incorporated Personal device sensing based on multipath measurements
CN116168423B (zh) * 2023-02-17 2023-08-04 国网江苏省电力有限公司电力科学研究院 用于低压分布式电源终端设备的射频指纹提取方法及装置
CN116913045B (zh) * 2023-08-10 2024-02-06 中国铁道科学研究院集团有限公司铁道建筑研究所 一种隧道施工地质灾害预警方法及系统
CN117148309B (zh) * 2023-11-01 2024-01-30 德心智能科技(常州)有限公司 应用于社区网格巡查的毫米波雷达人体感知方法及系统

Family Cites Families (70)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2933702A (en) 1956-11-29 1960-04-19 Bell Telephone Labor Inc Time reversal delay distortion corrector
JPS5113527B1 (ja) 1971-02-25 1976-04-30
FR2642640B1 (fr) 1989-02-08 1991-05-10 Centre Nat Rech Scient Procede et dispositif de focalisation d'ultrasons dans les tissus
US5155742A (en) 1991-05-03 1992-10-13 Bell Communications Research, Inc. Time dispersion equalizer receiver with a time-reversal structure for TDMA portable radio systems
FR2696573B1 (fr) 1992-10-02 1996-08-30 Univ Paris Procede et dispositif d'examen acoustique a retournement temporel.
FR2748137B1 (fr) 1996-04-24 1998-07-03 Lewiner Jacques Procede pour optimiser la communication radio entre une base fixe et un mobile
US6301291B1 (en) 2000-02-03 2001-10-09 Tantivy Communications, Inc. Pilot symbol assisted modulation and demodulation in wireless communication systems
WO2001069283A2 (en) 2000-03-15 2001-09-20 The Regents Of The University Of California Method and apparatus for dynamic focusing of ultrasound energy
US7272192B2 (en) 2000-04-14 2007-09-18 Board Of Trustees Of The Leland Stanford Junior University Time-reversal block transmit diversity system for channels with intersymbol interference and method
US6862326B1 (en) 2001-02-20 2005-03-01 Comsys Communication & Signal Processing Ltd. Whitening matched filter for use in a communications receiver
US20020183971A1 (en) * 2001-04-10 2002-12-05 Wegerich Stephan W. Diagnostic systems and methods for predictive condition monitoring
JP2003185735A (ja) * 2001-10-12 2003-07-03 Sony Corp 侵入物検出システムおよびその方法と受信装置
US7460605B2 (en) 2001-11-15 2008-12-02 Lawrence Livermore National Security, Llc Time reversal communication system
US7463690B2 (en) 2002-11-06 2008-12-09 Lawrence Livermore National Security, Llc Multi-channel time-reversal receivers for multi and 1-bit implementations
US7184492B2 (en) 2003-02-10 2007-02-27 Ericsson Inc. Using antenna arrays in multipath environment
JP4258328B2 (ja) * 2003-09-12 2009-04-30 オムロン株式会社 ２周波ドップラ測距装置およびその装置を備えた検出システム
US7440766B1 (en) 2004-06-07 2008-10-21 University Of Hawaii Method for employing multipath propagation in wireless radio communications
EP1851924B1 (en) 2004-12-21 2012-12-05 Elliptic Laboratories AS Channel impulse response estimation
JP4572305B2 (ja) * 2005-02-08 2010-11-04 広島市 人物在圏検知システム
WO2007031088A1 (en) 2005-09-15 2007-03-22 Aalborg Universited A method for sending secure information or increasing communication capacity via coding of wavefronts and a system using said method
WO2007058302A1 (ja) * 2005-11-21 2007-05-24 Nec Corporation 位置推定システム、位置推定方法および位置推定用プログラム
US7423576B2 (en) * 2006-07-24 2008-09-09 Mitsubishi Electric Research Laboratories, Inc. System and method for radar tracking using communications packets
FR2913555A1 (fr) 2007-03-05 2008-09-12 France Telecom Traitement de symboles dans une communication bidirectionnelle par retournement temporel.
FR2925798A1 (fr) 2007-12-21 2009-06-26 France Telecom Procede de pre-egalisation d'un signal de donnees par retournement temporel
FR2925797A1 (fr) 2007-12-21 2009-06-26 France Telecom Procede de pre-egalisation par retournement temporel
US8537931B2 (en) * 2008-01-04 2013-09-17 Qualcomm Incorporated Methods and apparatus for synchronization and detection in wireless communication systems
EP2265169A4 (en) * 2008-04-03 2013-01-09 Kai Medical Inc NON-CONTACT PHYSIOLOGICAL MOTION SENSORS AND METHODS OF USE
GB0806196D0 (en) * 2008-04-04 2008-05-14 Elliptic Laboratories As Multi-range object location estimation
FR2930094A1 (fr) 2008-04-11 2009-10-16 France Telecom Procede de compensation dynamique d'un mouvement relatif d'une entite communicante.
US7587291B1 (en) 2008-05-05 2009-09-08 Artann Laboratories Focusing of broadband acoustic signals using time-reversed acoustics
US8195112B1 (en) 2008-06-18 2012-06-05 Marvell International Ltd. Time-reversal-based communication
CN102132537B (zh) 2008-06-27 2014-10-22 法国电信公司 估计通过时间反演而预均衡的信号的聚集的质量的方法
FR2933252A1 (fr) 2008-06-27 2010-01-01 France Telecom Procede de controle dynamique de la focalisation d'un signal pre-egalise par retournement temporel
US9559874B2 (en) 2013-08-16 2017-01-31 Origin Wireless, Inc. Multiuser time-reversal division multiple access uplink system with parallel interference cancellation
US9882675B2 (en) 2013-08-16 2018-01-30 Origin Wireless, Inc. Time-reversal wireless systems having asymmetric architecture
US9226304B2 (en) 2014-03-10 2015-12-29 Origin Wireless, Inc. Time-reversal wireless paradigm for internet of things
US9686054B2 (en) 2014-07-17 2017-06-20 Origin Wireless, Inc. Joint waveform design and interference pre-cancellation for time-reversal systems
US10168414B2 (en) 2014-07-17 2019-01-01 Origin Wireless, Inc. Wireless signals and techniques for determining locations of objects in multi-path environments
US9883511B1 (en) 2012-12-05 2018-01-30 Origin Wireless, Inc. Waveform design for time-reversal systems
US9407306B2 (en) 2014-04-25 2016-08-02 Origin Wireless, Inc. Quadrature amplitude modulation for time-reversal systems
WO2010042319A2 (en) 2008-10-10 2010-04-15 Ziva Corporation Techniques and systems for wireless communications
JP5004991B2 (ja) * 2009-04-02 2012-08-22 三菱電機株式会社 侵入物識別装置
WO2010126624A1 (en) * 2009-04-30 2010-11-04 Medtronic, Inc. Patient state detection based on support vector machine based algorithm
EP2427992B1 (fr) 2009-05-07 2014-10-29 Orange Procede de pre-egalisation d'un signal de donnees par retournement temporel en fdd
US8743976B2 (en) 2009-09-03 2014-06-03 Ziva Corporation Techniques and systems for communications based on time reversal pre-coding
CN102783109B (zh) 2009-11-09 2016-04-13 时间反转通讯公司 传输数字数据的方法及其实施该方法的传输基站
US8711961B2 (en) * 2010-07-15 2014-04-29 The Board Of Regents Of The University Of Texas System Communicating channel state information using predictive vector quantization
US8670752B2 (en) * 2010-09-24 2014-03-11 At&T Intellectual Property I, L.P. Providing integrated service-entity premium communication services
FR2966665A1 (fr) 2010-10-22 2012-04-27 France Telecom Procede et dispositif de communication radio pour antennes d'usager multiples
GB2487226B (en) 2011-01-14 2017-03-08 Nvidia Tech Uk Ltd Equalisation of a signal received over a wireless channel
US9119236B1 (en) 2011-03-04 2015-08-25 Alarm.Com Incorporated Monitoring system control technology
US9201132B2 (en) 2011-04-15 2015-12-01 Ziva Corporation Anti-Geolocation
US20120263056A1 (en) 2011-04-15 2012-10-18 David Smith Apparatus, methods, and articles of manufacture for wireless communications
EP2705726A4 (en) 2011-05-02 2015-04-29 Ziva Corp DISTRIBUTED COOPERATIVE NODES USING REVERSIBILITY IN TIME
JP2013016100A (ja) * 2011-07-06 2013-01-24 Sumitomo Electric Ind Ltd 侵入検知装置、侵入検知方法、侵入検知プログラムおよび侵入検知システム
US8831164B2 (en) 2011-09-15 2014-09-09 Exelis Inc Method and apparatus for cooperative communications between groups of communication units using a time reversed channel response
US9453905B2 (en) 2012-01-13 2016-09-27 Ziva Corporation Geolocation
WO2013126054A1 (en) 2012-02-22 2013-08-29 Halliburton Energy Services, Inc. Downhole telemetry systems and methods with time-reversal pre-equalization
RU2015108003A (ru) * 2012-08-07 2016-09-27 Конинклейке Филипс Н.В. Классификация популяции для набора генетических данных с помощью древовидной структуры пространственных данных
US9208676B2 (en) * 2013-03-14 2015-12-08 Google Inc. Devices, methods, and associated information processing for security in a smart-sensored home
EP2712139A1 (en) * 2012-09-24 2014-03-26 ST-Ericsson SA Symbol time offset correction via intercarrier interference detection in an OFDM receiver
US10122409B2 (en) 2012-12-03 2018-11-06 University Of Maryland At College Park Systems and methods for time-reversal division multiple access wireless broadband communications
US9313020B2 (en) 2014-02-19 2016-04-12 Origin Wireless, Inc. Handshaking protocol for time-reversal system
US9846227B2 (en) * 2013-03-15 2017-12-19 Kirill Mostov Multi-sensor surveillance system for monitoring a space and detection of objects
JP6111506B2 (ja) * 2013-05-07 2017-04-12 パナソニックＩｐマネジメント株式会社 センサ装置
JP2014228291A (ja) * 2013-05-20 2014-12-08 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． 無線検出装置及び無線検出方法
US9753796B2 (en) * 2013-12-06 2017-09-05 Lookout, Inc. Distributed monitoring, evaluation, and response for multiple devices
CN103941232A (zh) * 2014-04-26 2014-07-23 南昌航空大学 一种基于时间反转聚焦技术的声发射源定位方法
CN106664265B (zh) 2014-07-17 2020-05-01 欧利景无线有限公司 无线定位系统
US9078153B1 (en) * 2014-10-31 2015-07-07 Quantenna Communications, Inc. Wireless local area network with spatial diagnostics

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220069885A1 (en) * 2018-12-11 2022-03-03 Nordic Semiconductor Asa Radio devices with switchable antennas
US11984963B2 (en) * 2018-12-11 2024-05-14 Nordic Semiconductor Asa Radio devices with switchable antennas

Also Published As

Publication number Publication date
CN108700652B (zh) 2023-04-21
JP7320210B2 (ja) 2023-08-03
US10380881B2 (en) 2019-08-13
EP3387849A4 (en) 2019-11-27
JP2019506772A (ja) 2019-03-07
US20180365975A1 (en) 2018-12-20
JP2020065259A (ja) 2020-04-23
CN108700652A (zh) 2018-10-23
EP3387849A1 (en) 2018-10-17
WO2017100706A1 (en) 2017-06-15

Similar Documents

Publication Publication Date Title
JP6623298B2 (ja) 無線イベント検出及び監視のための方法、装置及びシステム
JP7365587B2 (ja) 無線測位システム
Qian et al. Widar: Decimeter-level passive tracking via velocity monitoring with commodity Wi-Fi
Choi et al. Deep learning based NLOS identification with commodity WLAN devices
Di Domenico et al. A trained-once crowd counting method using differential wifi channel state information
JP6029076B2 (ja) 存在・動き検出用受動レーダー
Bhargavi et al. Performance comparison of energy, matched-filter and cyclostationarity-based spectrum sensing
Wang et al. Multiantenna-assisted spectrum sensing for cognitive radio
US20170212210A1 (en) Wireless positioning systems
Chen et al. Taming the inconsistency of Wi-Fi fingerprints for device-free passive indoor localization
JP4576515B2 (ja) イベント検出装置
Ramadan et al. NLOS identification for indoor localization using random forest algorithm
WO2009033001A2 (en) Robust location distinction using teporal link signatures
Xu et al. Indoor events monitoring using channel state information time series
Huang et al. IS-WARS: Intelligent and stealthy adversarial attack to Wi-Fi-based human activity recognition systems
Zhu et al. WiseFi: Activity localization and recognition on commodity off-the-shelf WiFi devices
Bocus et al. UWB and WiFi systems as passive opportunistic activity sensing radars
Oshiga et al. Human detection for crowd count estimation using CSI of WiFi signals
Sung et al. Interference mitigation based on Bayesian compressive sensing for wireless localization systems in unlicensed band
Rocamora et al. The application of machine learning techniques on channel frequency response based indoor positioning in dynamic environments
Fu et al. Tensor-based power spectra separation and emitter localization for cognitive radio
Haniz et al. Localization of illegal radios utilizing cross-correlation of channel impulse response with interpolation in urban scenarios
Bhatti et al. Spectrum sensing using feature vectors
Xu Fast and secure RFID identification
Kianoush et al. Tracking of frequency selectivity for device-free detection of multiple targets

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180807

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190621

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190619

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20190924

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191009

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20191025

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20191125

R150 Certificate of patent or registration of utility model

Ref document number: 6623298

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250