KR20200087753A

KR20200087753A - 채널 응답 특성들에 기반한 모션 로컬화

Info

Publication number: KR20200087753A
Application number: KR1020207010810A
Authority: KR
Inventors: 스테펀 아놀드 데비슨; 모하마드 오머; 윤펑 피아오; 마르코 파울로 도스 산토스 노게이라
Original assignee: 코그니티브 시스템스 코퍼레이션
Priority date: 2017-11-16
Filing date: 2018-02-06
Publication date: 2020-07-21
Also published as: KR102607381B1; WO2019095041A1; CN111226129A; US10380856B2; US10109168B1; CA3078248A1; US20190147713A1; EP3679399A4; JP7163380B2; EP3679399A1; JP2021503071A

Abstract

일반적인 양상에서, 탐지된 모션은 채널 응답 특성들에 기반하여 로컬화된다. 몇몇 양상들에서, 무선 통신 디바이스들 사이에서 공간을 통해 전송된 무선 신호들에 기반한 채널 응답들이 획득된다. 상기 채널 응답들에 기반하여 상기 공간 내 물체의 모션을 탐지하기 위해 모션 탐지 프로세스가 실행되며, 상기 채널 응답들은 상기 공간 내 복수의 구역들 중 하나의 구역 내에서 상기 탐지된 모션의 위치를 식별하기 위해 분석된다.

Description

채널 응답 특성들에 기반한 모션 로컬화

우선권 주장

본원은 2017년 11월 16일에 출원된 "Motion Localization Based on Channel Response Characteristics" 제목의 미국 출원 No. 15/815,199에 대한 우선권을 주장하며, 이 출원의 내용들은 본원에 참조로서 편입된다.

기술분야

다음의 설명은 모션 탐지 및 모션 로컬화에 관한 것이다.

모션 탐지 시스템들은, 예를 들면, 방이나 외부 영역 내에서 물체들의 움직임을 탐지하기 위해 사용되었다. 몇몇의 예시의 모션 탐지 시스템들에서, 적외선 또는 광학 센서들이 사용되어, 센서의 시야 내에서 물체들의 움직임을 탐지한다. 모션 탐지 시스템들은 보안 시스템, 자율 제어 시스템 및 다른 유형의 시스템들에서 사용된다.

본 발명은 채널 응답 특성들에 기반한 모션 탐지 및 모션 로컬화를 제공하려고 한다.

본 발명은 모션 탐지 방법을 제공하며, 상기 모션 탐지 방법은:

무선 통신 디바이스들 사이에서 공간을 통해 전송된 무선 신호들에 기반하여 채널 응답들을 획득하는 단계;

상기 채널 응답들에 기반하여 상기 공간 내에서 물체의 모션을 탐지하기 위해 모션 탐지 프로세스를 실행하는 단계; 그리고

상기 공간 내 복수의 구역들 중 하나의 구역 내에서 상기 탐지된 모션의 위치를 식별하기 위해 상기 채널 응답들을 하나 이상의 프로세서들의 동작에 의해 분석하는 단계를 포함한다.

본 발명은 모션 탐지 시스템을 제공하며, 상기 모션 탐지 시스템은:

다수의 무선 통신 디바이스들로서, 각 무선 통신 디바이스는 다른 원격 센서 디바이스들로부터 수신된 무선 신호들의 시리즈에 기반하여 공간 내 물체의 모션을 탐지하도록 구성된, 다수의 무선 통신 디바이스들; 그리고

상기 원격 디바이스들에 통신 가능하게 결합된 데이터 프로세싱 장치를 포함하며, 상기 데이터 프로세싱 장치는:

무선 통신 디바이스들 사이에서 공간을 통해 전송된 무선 신호들에 기반하여 채널 응답들을 획득하고;

상기 채널 응답들에 기반하여 상기 공간 내에서 물체의 모션을 탐지하기 위해 모션 탐지 프로세스를 실행하며; 그리고

상기 공간 내 복수의 구역들 중 하나의 구역 내에서 상기 탐지된 모션의 위치를 식별하기 위해 상기 채널 응답들을 분석하도록 구성된다.

본 발명은 모션 탐지 방법을 더 제공하며, 상기 모션 탐지 방법은:

공간 내 별개 구역 내 물체의 모션과 연관된 채널 응답들을 획득하는 단계로, 상기 채널 응답들은 하나 이상의 무선 통신 디바이스들에 의해 상기 공간을 통해 전송된 무선 신호들에 기반하는, 획득 단계;

하나 이상의 프로세서들의 동작에 의해, 상기 채널 응답들 각각에 의해 공유된 특성을 식별하는 단계; 그리고

모션 탐지 데이터베이스에서 상기 특성을 상기 공간 내 상기 별개 구역과 연관시키는 단계를 포함한다.

본 발명은 모션 탐지 시스템을 또한 제공하며, 상기 모션 탐지 시스템은:

공간 내 별개 구역 내 물체의 모션과 연관된 채널 응답들을 획득하도록 구성되며, 상기 채널 응답들은 하나 이상의 무선 통신 디바이스들에 의해 상기 공간을 통해 전송된 무선 신호들에 기반하며;

상기 채널 응답들 각각에 의해 공유된 특성을 식별하도록 구성되며; 그리고

모션 탐지 데이터베이스에서 상기 특성을 상기 공간 내 상기 별개 구역과 연관시키도록 구성된다.

본 발명의 효과는 본 명세서의 해당되는 부분들에 개별적으로 명시되어 있다.

도 1은 예시의 무선 통신 시스템을 보여주는 도면이다.
도 2는 예시의 모션 프로브 신호를 보여주는 도면이다.
도 3a 및 도 3b는 무선 통신 디바이스들 사이에서 전달된 예시의 무선 신호들을 보여주는 도면들이다.
도 4a - 4b는 공간의 별개 구역 내 물체의 모션과 연관된 예시의 채널 응답들을 보여주는 도면들이다.
도 4c - 4d는 공간 내에서 어떤 모션도 발생하지 않는 것과 연관된 예시의 채널 응답들 상에 오버레이된 도 4a - 4b의 예시의 채널 응답들을 보여주는 플롯들이다.
도 5는 공유된 채널 응답 특성을 공간 내 별개 구역과 연관시키는 예시의 프로세스를 보여주는 흐름도이다.
도 6은 채널 응답 특성들에 기반하여 모션 로컬화의 예시의 프로세스를 보여주는 흐름도이다.

설명된 몇몇 모습들에서, 탐지된 모션은 채널 응답 특성들에 기반하여 로컬화된다. 예를 들면, 몇몇 예들에서, 모션 탐지 시스템은, 공간 내 별개 구역 내 물체의 모션을 상기 별개 구역 내에서 상기 물체의 모션이 발생할 때에 획득된 채널 응답들에 의해 공유된 특성들에 연관시키기 위해 머신 러닝 (machine learning)을 수행한다. 또한, 상기 모션 탐지 시스템은 모션 탐지 데이터베이스 내에 저장된 머신-러닝 연관들에 기반하여 상기 공간 내 별개 구역을 식별하기 위해 RF 모션 로컬화를 수행한다. 각 머신-러닝 연관은 상기 공간 내 별개 구역과 연관된 공유 채널 응답 특성을 포함한다.

여기에서 설명된 시스템들 및 기술들은 몇몇 예들에서 하나 이상의 이점들을 제공할 수 있다. 예를 들면, 공간을 통해 전송된 무선 신호들을 이용하여 모션이 탐지될 수 있다. 추가로, 모션의 위치는 두 개의 무선 통신 디바이스들만을 사용하여, 그리고 삼각측량 없이 얻어질 수 있다. 또한, 신경 네트워크는 상기 모션 탐지 시스템이, 예를 들면, 여러 트레이닝 구간들에 걸쳐서 머신 러닝 프로세스들을 반복함으로써 시간에 흐름에 따라 물체 모션이 별개 구역 내에서 발생하는 동안에 획득된 채널 응답들 내에서 공유된 특성들을 식별하기 위한 자신의 능력을 동적으로 향상시키는 것을 가능하게 할 수 있다.

도 1은 예시의 무선 통신 시스템 (100)을 도시한다. 상기 예시의 무선 통신 시스템 (100)은 세 개의 무선 디바이스들 - 제1 무선 통신 디바이스 (102A), 제2 무선 통신 디바이스 (102B) 및 제3 무선 통신 디바이스 (102C)를 포함한다. 상기 예시의 무선 통신 시스템 (100)은 추가의 무선 통신 디바이스들 및 다른 컴포넌트들 (예컨대, 추가의 무선 통신 디바이스들, 하나 이상의 네트워크 서버들, 네트워크 라우터들, 네트워크 스위치들, 케이블이나 다른 통신 링크들 등)을 포함할 수 있을 것이다.

상기 예시의 무선 통신 디바이스들 (102A, 102B, 102C)은, 예를 들면, 무선 네트워크 표준이나 다른 유형의 무선 통신 프로토콜에 따른 무선 네트워크에서 작동할 수 있다. 예를 들면, 상기 무선 네트워크는 WLAN (Wireless Local Area Network), PAN (Personal Area Network), MAN (metropolitan area network), 또는 다른 유형의 무선 네트워크로서 작동하도록 구성될 수 있다. WLAN들의 예들은 IEEE에 의해 개발된 표준들 중 802.11 패밀리 중 하나 이상에 따라 작동하도록 구성된 네트워크들 (예를 들면, Wi-Fi 네트워크들), 및 다른 것들을 포함한다. PAN들의 예들은 단거리-영역 통신 표준들 (예를 들면, BLUETOOTH®, NFC (Near Field Communication), ZigBee), 밀리미터파 통신, 및 다른 것들에 따라 작동하는 네트워크들을 포함한다.

몇몇 구현들에서, 상기 무선 통신 디바이스들 (102A, 102B, 102C)은, 예를 들면, 셀룰러 통신 네트워크 표준에 따른 셀룰러 네트워크에서 통신하도록 구성될 수 있다. 셀룰러 네트워크들의 예들은 GSM (Global System for Mobile) 및 EDGE (Enhanced Data rates for GSM Evolution)이나 EGPRS와 같은 2G 표준들; CDMA (Code Division Multiple Access), WCDMA (Wideband Code Division Multiple Access), UMTS (Universal Mobile Telecommunications System), 및 TD-SCDMA (Time Division Synchronous Code Division Multiple Access)와 같은 3G 표준들; LTE (Long-Term Evolution) 및 LTE-A (LTE-Advanced)와 같은 4G 표준들; 및 다른 것들에 따라 구성된 네트워크들을 포함한다.

도 1에 도시된 예에서, 상기 무선 통신 디바이스들 (102A, 102B, 102C)은 표준의 무선 네트워크 컴포넌트들이거나 그런 컴포넌트들을 포함할 수 있다. 예를 들면, 상기 무선 통신 디바이스들 (102A, 102B, 102C)은 상업적으로 이용 가능한 Wi-Fi 액세스 포인트들 또는 무선 액세스 포인트 (wireless access point (WAP))의 모뎀 상에 명령어들 (예를 들면, 소프트웨어나 펌웨어)로서 내장된 여기에서 설명된 하나 이상의 동작들을 수행하는 상기 무선 액세스 포인트일 수 있다. 몇몇 경우들에서, 상기 무선 통신 디바이스들 (102A, 102B, 102C)은, 예를 들면, 상업적으로 이용 가능한 메시 네트워크 시스템과 같은 무선 메시 네트워크의 노드들일 수 있다 (예를 들면, GOOGLE WIFI). 몇몇 경우들에서, 다른 유형의 표준의 또는 통상적인 Wi-Fi 전송기 디바이스가 사용될 수 있다. 상기 무선 통신 디바이스들 (102A, 102B, 102C)은 Wi-Fi 컴포넌트들 없이 구현될 수 있다; 예를 들면, 다른 유형의 표준의 또는 비-표준 무선 통신이 모션 탐지를 위해 사용될 수 있다. 몇몇 경우들에서, 상기 무선 통신 디바이스들 (102A, 102B, 102C)은 전용의 모션 탐지 시스템일 수 있으며, 또는 그것들은 전용의 모션 탐지 시스템의 일부일 수 있다. 예를 들면, 상기 전용의 모션 탐지 시스템은 허브 디바이스 및 하니 이상의 비컨 디바이스들을 (원격 센서 디바이스들로서) 포함할 수 있으며, 그리고 상기 무선 통신 디바이스들 (102A, 102B, 102C)은 상기 모션 탐지 시스템 내 허브 디바이스 또는 비컨 디바이스 중 어느 하나일 수 있다.

도 1에 도시된 것처럼, 상기 예시의 무선 통신 디바이스 (102C)는 모뎀 (112), 프로세서 (114), 메모리 (116), 및 파워 유닛 (118)을 포함한다; 무선 통신 시스템 (100) 내 상기 무선 통신 디바이스들 (102A, 102B, 102C) 중 어느 하나는 동일한, 추가의 또는 상이한 컴포넌트들을 포함할 수 있을 것이며, 그리고 그 컴포넌트들은 도 1에 도시된 것처럼 또는 다른 방식으로 동작하도록 구성될 수 있다. 몇몇 구현들에서, 무선 통신 디바이스의 모뎀 (112), 프로세서 (114), 메모리 (116), 및 파워 유닛 (118)은 공통의 하우징이나 다른 어셈블리 내에 함께 수납된다. 몇몇 구현들에서, 무선 통신 디바이스의 컴포넌트들 중 하나 이상은, 예를 들면, 분리된 하우징이나 다른 어셈블리 내에 분리하여 수납될 수 있다.

상기 예시의 모뎀 (112)은 무선 신호들을 전달 (수신, 전송, 또는 둘 모두)할 수 있다. 예를 들면, 상기 모뎀 (112)은 무선 통신 표준 (예를 들면, Wi-Fi 또는 블루투스)에 따라 포맷된 라디오 주파수 (radio frequency (RF)) 신호들을 전달하도록 구성될 수 있다. 상기 모뎀 (112)은 도 1에 도시된 무선 네트워크 모뎀 (112)으로 구현될 수 있으며, 또는 다른 방식으로, 예를 들어, 다른 유형의 컴포넌트들이나 서브시스템들을 이용하여 구현될 수 있다. 몇몇 구현들에서, 상기 예시의 모뎀 (112)은 라디오 서브시스템 및 베이스밴드 (baseband) 서브시스템을 포함한다. 일부 경우들에서, 상기 서브시스템 및 라디오 서브시스템은 공통의 칩이나 칩셋 상에서 구현될 수 있으며, 또는 그것들은 카드나 다른 유형의 조립된 디바이스에서 구현될 수 있다. 베이스밴드 서브시스템은, 예를 들면, 리드 (lead), 핀, 와이어, 또는 다른 유형의 접속에 의해 라디오 서브시스템에 결합될 수 있다.

몇몇 경우들에서, 모뎀 (112) 내 라디오 서브시스템은 하나 이상의 안테나들 및 라디오 주파수 회로를 포함할 수 있다. 상기 라디오 주파수 회로는, 예를 들면, 아날로그 신호들을 필터링하고, 증폭하고 또는 그렇지 않고 컨디셔닝하는 회로, 베이스밴드 신호들을 RF 신호들로 업-컨버트하는 회로, RF 신호들을 베이스밴드 신호들로 다운-컨버트하는 회로 등을 포함할 수 있다. 그런 회로는, 예를 들면, 필터들, 증폭기들, 믹서들, 국부 발진기 등을 포함할 수 있다. 라디오 서브시스템은 라디오 주파수 무선 신호들을 무선 통신 채널들 상으로 전달하도록 구성될 수 있다. 일 예로서, 상기 라디오 서브시스템은 라디오 칩, RF 프론트 엔드, 및 하나 이상의 안테나들을 포함할 수 있다. 라디오 서브시스템은 추가의 또는 상이한 컴포넌트들을 포함할 수 있다. 일부 구현들에서, 상기 라디오 서브시스템은 통상적인 모뎀으로부터의, 예를 들면, Wi-Fi 모뎀, 피코 기지국 모뎀 등으로부터의 라디오 전자소자들 (예를 들면, RF 프론트 엔드, 라디오 칩, 또는 유사한 컴포넌트들)이거나 그것들을 포함할 수 있다. 몇몇 구현들에서, 상기 안테나는 다수의 안테나들을 포함한다.

몇몇 경우에, 상기 예시의 모뎀 (112) 내 베이스밴드 서브시스템은, 예를 들면, 디지털 베이스밴드 데이터를 처리하도록 구성된 디지털 전자소자들을 포함할 수 있다. 일 예로서, 상기 베이스밴드 서브시스템은 베이스밴드 칩을 포함할 수 있다. 베이스밴드 서브시스템은 추가의 또는 상이한 컴포넌트들을 포함할 수 있다. 몇몇 경우들에, 상기 베이스밴드 서브시스템은 디지털 신호 프로세서 (DSP) 디바이스 또는 다른 유형의 프로세서 디바이스를 포함할 수 있다. 몇몇 경우들에서, 상기 베이스밴드 시스템은 라디오 서브시스템을 작동시키기 위해서, 라디오 서브시스템을 통해 무선 네트워크 트래픽을 전달하기 위해, 라디오 서브시스템을 통해 수신된 모션 탐지 신호들에 기반하여 모션을 탐지하기 위해 또는 다른 유형의 프로세스들을 수행하기 위해 디지털 프로세싱 로직을 포함한다. 예를 들면, 상기 베이스밴드 서브시스템은, (예를 들면, 무선 통신 표준에 따라 신호들을 디코딩함으로써, 모션 탐지 프로세스에 따라 신호들을 프로세싱함으로써, 또는 다른 방식으로) 신호들을 인코딩하여 그 인코딩된 신호들을 전송을 위해 라디오 서브시스템으로 인도하도록 구성되거나, 또는 라디오 서브시스템으로부터의 신호들 내 인코딩된 데이터를 식별하고 분석하도록 구성된 하나 이상의 칩들, 칩셋들, 또는 다른 유형의 디바이스들을 포함할 수 있다.

몇몇 예들에서, 예시의 모뎀 (112)) 내 라디오 서브시스템은 베이스밴드 서브시스템으로부터 베이스밴드 신호들을 수신하고, 그 베이스밴드 신호들을 라디오 주파수 (RF) 신호들로 업-컨버트하고, 그리고 그 라디오 주파수 신호들을 (예를 들면, 안테나를 통해서) 무선으로 전송한다. 몇몇 예들에서, 상기 예시의 모뎀 (112) 내 라디오 서브시스템은 라디오 주파수 신호들을 (예를 들면, 안테나를 통해서) 무선으로 수신하고, 그 라디오 주파수 신호들을 베이스밴드 신호들로 다운-컨버트하고, 그리고 그 베이스밴드 신호들을 베이스밴드 서브시스템으로 송신한다. 상기 라디오 서브시스템 및 상기 베이스밴드 서브시스템 사이에서 교환된 신호들은 디지털 또는 아날로그 신호들일 수 있다. 몇몇 예들에서, 상기 베이스밴드 서브시스템은 변환 회로 (예를 들면, 디지털-아날로그 컨버터, 아날로그-디지털 컨버터)를 포함하며 그리고 라디오 서브시스템과 아날로그 신호들을 교환한다. 몇몇 예들에서, 상기 라디오 서브시스템은 변환 회로 (예를 들면, 디지털-아날로그 컨버터, 아날로그-디지털 컨버터)를 포함하며 그리고 베이스밴드 서브시스템과 디지털 신호들을 교환한다.

몇몇 경우들에서, 예시의 모뎀 (112)의 베이스밴드 서브시스템은 하나 이상의 네트워크 트래픽 채널들 상으로 라디오 서브시스템을 통해 무선 통신 네트워크에서 무선 네트워크 트래픽 (예를 들면, 데이터 패킷들)을 전달할 수 있다. 상기 모뎀 (112)의 베이스밴드 서브시스템은 전용의 무선 통신 채널 상으로 라디오 서브시스템을 통해 신호들 (예를 들면, 모션 프로브 (probe) 신호들 또는 모션 탐지 신호들)을 또한 전송하거나 수신할 수 있다 (또는 둘 모두를 할 수 있다). 몇몇 예들에서, 상기 베이스밴드 서브시스템은, 예를 들면, 모션을 위한 공간을 탐사 (probe)하기 위해서 전송용의 모션 프로브 신호들을 생성한다. 몇몇 예들에서, 예를 들면, 공간 내 물체들의 모션을 탐지하기 위해 상기 베이스밴드 서브시스템은 수신한 모션 탐지 신호들 (상기 공간을 통해 전송된 모션 프로브 신호들에 기반한 신호들)을 처리한다.

예시의 프로세서 (114)는, 예를 들면, 데이터 입력들에 기반하여 출력 데이터를 생성하기 위해 명령어들을 실행할 수 있다. 상기 명령어들은 메모리 내 저장된 프로그램들, 코드들, 스크립트들, 또는 다른 유형의 데이터를 포함할 수 있다. 추가로 또는 대안으로, 상기 명령어들은 미리-프로그램되거나 재-프로그램가능 로직 회로들, 로직 게이트들, 또는 다른 유형의 하드웨어나 펌웨어 컴포넌트들로서 인코딩될 수 있다. 상기 프로세서 (114)는 범용 마이크로프로세서, 특수 보조-프로세서 또는 다른 유형의 데이터 프로세싱 장치이거나 또는 그것들을 포함할 수 있다. 몇몇 경우들에서, 상기 프로세서 (114)는 무선 통신 디바이스 (102C)의 높은 레벨 동작을 수행할 수 있다. 예를 들면, 상기 프로세서 (114)는 메모리 (116) 내에 저장된 소프트웨어, 스크립트, 프로그램, 함수들, 실행어, 또는 다른 유형의 명령어들을 실행하거나 번역하도록 구성될 수 있다. 몇몇 구현들에서, 상기 프로세서 (114)는 모뎀 (112) 내에 포함될 수 있다.

상기 예시의 메모리 (116)는 컴퓨터-판독가능 저장 매체, 예를 들면, 휘발성 메모리 디바이스, 비-휘발성 메모리 디바이스, 또는 둘 모두를 포함할 수 있다. 상기 메모리 (116)는 하나 이상의 읽기 전용 메모리 디바이스들, 랜덤-액세스 메모리 디바이스들, 버퍼 메모리 디바이스들, 또는 이것들의 조합 및 다른 유형의 메모리 디바이스들을 포함할 수 있다. 몇몇 예들에서, 상기 메모리의 하나 이상의 컴포넌트들은 상기 무선 통신 디바이스 (102C)의 다른 컴포넌트에 통합되거나 그렇지 않고 연관될 수 있다. 상기 메모리 (116)는 상기 프로세서 (114)에 의해 실행 가능한 명령어들을 저장할 수 있다. 예를 들면, 상기 명령어들은 도 6 및 도 7의 예시의 프로세스들 (600, 700)의 하나 이상의 동작들을 통한 것처럼 간섭 버퍼 및 모션 탐지 버퍼를 이용하여 신호들을 타임-정렬하기 위한 명령어들을 포함할 수 있다.

상기 예시의 파워 유닛 (118)은 무선 통신 디바이스 (102C)의 다른 컴포넌트들에 전력을 제공한다. 예를 들면, 그 다른 컴포넌트들은 전압 버스 또는 다른 연결을 통해 상기 전력 유닛 (118)에 의해 제공된 전력에 기반하여 작동할 수 있다. 몇몇 구현에서, 상기 파워 유닛 (118)은 배터리나 배터리 서브시스템, 예를 들면, 재충전가능 배터리를 포함한다. 몇몇 구현에서, 상기 파워 유닛 (118)은 (외부 소스로부터) 외부 전력 신호를 수신하여 그 외부 전력 신호를 상기 무선 통신 디바이스 (102C)의 컴포넌트를 위해 컨디셔닝된 내부 전력 신호로 변환하는 어댑터 (예를 들면, AC 어댑터)를 포함한다. 상기 파워 유닛 (118)은 다른 컴포넌트들을 포함하거나 다른 방식으로 작동할 수 있다.

도 1에 도시된 예에서, 상기 무선 통신 디바이스들 (102A, 102B)은 (예를 들면, 무선 네트워크 표준, 모션 탐지 프로토콜에 따라, 또는 다르게) 무선 신호들을 전송한다. 예를 들면, 무선 통신 디바이스들 (102A, 102B)은 무선 모션 프로브 신호들 (예를 들면, 레퍼런스 신호들, 비컨 신호들, 상태 신호들 등)을 브로드캐스트할 수 있으며, 또는 그것들은 다른 디바이스들 (예를 들면, 사용자 장비, 클라이언트 디바이스, 서버 등)로 주소 지정된 무선 신호들을 송신할 수 있으며, 그리고 상기 무선 통신 디바이스 (102C)는 물론이며 상기 다른 디바이스들 (도시되지 않음)은 상기 무선 통신 디바이스들 (102A, 102B)에 의해 전송된 무선 신호들을 수신할 수 있다. 몇몇 경우에, 상기 무선 통신 디바이스들 (102A, 102B)에 의해 전송된 상기 무선 신호들은, 예를 들면, 무선 통신 표준에 따라 주기적으로 또는 다르게 반복된다.

도시된 예에서, 상기 무선 신호들이 액세스한 공간 내에서 물체의 모션을 탐지하기 위해, 탐지된 모션의 위치를 판별하기 위해, 또는 둘 모두를 위해, 상기 무선 통신 디바이스 (102C)는 상기 무선 통신 디바이스들 (102A, 102B)로부터의 무선 신호들을 프로세싱한다. 예를 들면, 상기 무선 통신 디바이스 (102C)는 도 3 - 도 9에 관하여 아래에서 설명되는 예시의 프로세스들 또는 모션을 탐지하거나 탐지된 모션의 위치를 판별하기 위한 다른 유형의 프로세스의 하나 이상의 동작들을 수행할 수 있다. 상기 무선 신호들이 액세스한 공간은 실내 공간 또는 야외 공간일 수 있으며, 이는, 예를 들면, 하나 이상의 완전하게 또는 부분적으로 둘러싸인 영역들, 담장이 없는 개방 공간 등을 포함할 수 있다. 상기 공간은 방, 다수의 방들, 빌딩, 또는 유사한 것의 실내를 포함할 수 있다. 몇몇 경우에, 상기 무선 통신 시스템 (100)은 수정될 수 있어서, 예를 들면, 상기 무선 통신 디바이스 (102C)가 무선 신호들을 전송할 수 있도록 하며 그리고 모션을 탐지하거나 탐지된 모션의 위치를 판별하기 위해서 상기 무선 통신 디바이스들 (102A, 102B)이 상기 무선 통신 디바이스 (102C)로부터의 무선 신호들을 프로세싱할 수 있도록 한다.

모션 탐지를 위해 사용된 무선 신호들은, 예를 들면, 비컨 신호 (예를 들면, 블루투스 비컨, Wi-Fi 비컨, 다른 무선 비컨 신호들), 무선 네트워크 표준에 따른 다른 목적들을 위해 생성된 다른 표준 신호 또는 모션 탐지 또는 다른 목적들을 위해 생성된 비-표준 신호들 (예를 들면, 랜덤 신호들, 레퍼런스 신호들 등)을 포함할 수 있다. 몇몇 예들에서, 상기 무선 신호들은 움직이는 물체와의 상호작용 (interaction) 이전에 또는 이후에 어떤 물체 (예를 들면, 벽)를 통해 전파 (propagate)하며, 이는 상기 움직이는 물체 및 전송 또는 수신 하드웨어 사이의 광학적 시선 (optical line-of-sight) 없이도 그 움직이는 물체의 이동이 탐지되는 것을 가능하게 할 수 있다. 수신 신호들에 기반하여, 제3 무선 통신 디바이스 (102C)는 모션 탐지 데이터를 생성할 수 있다. 몇몇 예들에서, 상기 제3 무선 통신 디바이스 (102C)는 상기 모션 탐지 데이터를 방, 빌딩, 야외 영역 등과 같은 공간 내 움직임을 모니터하기 위한 제어 센터를 포함할 수 있을 다른 디바이스나 보안 시스템과 같은 다른 시스템으로 전달할 수 있다.

몇몇 구현들에서, 상기 무선 통신 디바이스들 (102A, 102B)은 무선 네트워크 트래픽 신호들로부터의 분리된 무선 통신 채널 (예를 들면, 주파수 채널 또는 부호화 (coded) 채널) 상으로 모션 프로브 신호들 (이 신호는, 예를 들면, 레퍼런스 신호, 비컨 신호, 또는 모션을 찾으려고 공간을 조사하기 위해 사용된 다른 신호를 포함할 수 있음)을 전송하기 위해 수정될 수 있다. 예를 들면, 모션 프로브 신호의 페이로드에 적용된 변조 및 페이로드 내 데이터의 유형이나 데이터 구조는 상기 제3 무선 통신 디바이스 (102C)에 의해 알려질 수 있으며, 이는 모션 감지를 위해 상기 제3 무선 통신 디바이스 (102C)가 수행하는 프로세싱의 양을 줄일 수 있다. 헤더는, 예를 들면, 통신 시스템 (100) 내 다른 디바이스에 의해 모션이 탐지되었는가의 여부의 표시, 변조 유형의 표시, 신호를 전송하는 디바이스 신원 등과 같은 추가 정보를 포함할 수 있다.

도 1에 도시된 예에서, 상기 무선 통신 시스템 (100)은, 각자의 무선 통신 디바이스들 (102) 각각 사이에서 무선 통신 링크들을 구비한 무선 메시 네트워크이다. 도시된 상기 예에서, 제3 무선 통신 디바이스 (102C) 및 상기 제1 무선 통신 디바이스 (102A) 사이의 무선 통신 링크는 제1 모션 탐지 필드 (110A)를 조사하기 위해 사용될 수 있으며, 제3 무선 통신 디바이스 (102C) 및 상기 제2 무선 통신 디바이스 (102B) 사이의 무선 통신 링크는 제2 모션 탐지 필드 (110B)를 조사하기 위해 사용될 수 있으며, 그리고 제1 무선 통신 디바이스 (102A) 및 상기 제2 무선 통신 디바이스 (102B) 사이의 무선 통신 링크는 제3 모션 탐지 필드 (110C)를 조사하기 위해 사용될 수 있다. 몇몇 예들에서, 각 무선 통신 디바이스 (102)는 모션 탐지 필드들 (110)을 통해 상기 무선 통신 디바이스들 (102)에 의해 전송된 무선 신호들에 기반한 수신 신호들을 프로세싱함으로써 그 디바이스가 액세스한 무선 탐지 필드들 (110) 내에서 모션을 탐지한다. 예를 들면, 도 1에서 도시된 사람 (106)이 제1 모션 탐지 필드 (110A) 및 제3 모션 탐지 필드 (110C)에서 이동할 때에, 상기 무선 통신 디바이스들 (102)은 각자의 모션 탐지 필드들 (110)을 통해 전송된 무선 신도들에 기반한 자신들이 수신했던 신호들에 기반하여 모션을 탐지할 수 있다. 예를 들면, 상기 제1 무선 통신 디바이스 (102A)는 모션 탐지 필드들 (110A, 110C) 둘 모두에서 사람의 모션을 탐지할 수 있으며, 상기 제2 무선 통신 디바이스 (102B)는 모션 탐지 필드 (110C)에서 그 사람 (106)의 모션을 탐지할 수 있으며, 그리고 상기 제3 무선 통신 디바이스 (102C)는 모션 탐지 필드들 (110A)에서 그 사람 (106)의 모션을 탐지할 수 있다.

몇몇 예들에서, 모션 탐지 필드들 (110)은 무선 전자기 신호들이 전파될 수 있는, 예를 들면, 공기, 고체 물질들, 액체들이나 다른 매질을 포함할 수 있다. 도 1에 도시된 예에서, 제1 모션 탐지 필드 (110A)는 상기 제1 무선 통신 디바이스 (102A) 및 상기 제3 무선 통신 디바이스 (102C) 사이에 무선 통신 채널을 제공하며, 제2 모션 탐지 필드 (110B)는 상기 제2 무선 통신 디바이스 (102B) 및 상기 무선 통신 디바이스 (102C) 사이에 무선 통신 채널을 제공하며, 그리고 상기 제3 모션 탐지 필드 (110C)는 상기 제1 무선 통신 디바이스 (102A) 및 상기 제2 무선 통신 디바이스 (102B) 사이에 무선 통신 채널을 제공한다. 동작의 일부 모습들에서, (네트워크 트래픽을 위한 무선 통신 채널과 분리된 또는 공유된) 무선 통신 채널 상으로 전송된 신호들은 공간 내 물체의 움직임을 탐지하기 위해 사용된다. 그 물체들은 임의 유형의 정적인 또는 이동가능 물체일 수 있으며, 그리고 생명체 또는 무생물일 수 있다. 예를 들면, 상기 물체는 인간 (예를 들면, 도 1에서 도시된 사람 (106)), 동물, 무기 물체, 또는 다른 디바이스, 장치 또는 어셈블리, 공간의 경계 모두 또는 일부를 한정하는 물체 (예를 들면, 벽, 문, 창 등), 또는 다른 유형의 물체일 수 있다. 몇몇 구현들에서, 상기 무선 통신 디바이스들로부터의 모션 정보는 탐지된 모션의 위치를 판별하기 위해 분석될 수 있다. 에를 들면, 아래에서 더 설명되는 것처럼, 상기 무선 통신 디바이스들 (102) 중 하나 (또는 상기 디바이스들 (102)에 통신 가능하게 결합된 다른 디바이스)는 상기 탐지된 모션이 특별한 무선 통신 디바이스 근방에 있다고 판별할 수 있다.

도 2는 예시의 모션 프로브 신호 (202)를 도시한다. 공간 내 모션을 모니터하기 위해서 예를 들면 무선 통신 시스템에서 상기 예시의 모션 프로브 신호 (202)가 전송될 수 있다. 몇몇의 예들에서, 상기 모션 프로브 신호 (202)는 패킷으로서 구현된다. 예컨데, 상기 모션 프로브 신호 (202)는, 아날로그 신호로 변환되고, 라디오 주파수로 업-컨버트되며, 그리고 안테나에 의해 무선으로 전송되는 이진 데이터를 포함할 수 있다.

도 2에 도시된 상기 모션 프로브 신호 (202)는 제어 데이터 (204) 및 모션 데이터 (206)를 포함한다. 모션 프로브 신호 (202)는 추가의 또는 상이한 특징들을 포함할 수 있으며, 그리고 다른 방식으로 포맷될 수 있다. 도시된 상기 예에서, 상기 제어 데이터 (204)는 통상적인 데이터 패킷 내에 포함될 제어 데이터의 유형을 포함할 수 있다. 예컨대, 상기 제어 데이터 (204)는 상기 모션 프로브 신호 (202) 내에 포함된 정보의 유형을 표시하는 프리앰블 (헤더로도 불림), 상기 모션 프로브 신호 (202)를 전송하는 무선 디바이스의 식별자, 상기 모션 프로브 신호 (202)를 전송하는 무선 디바이스의 MAC 주소, 전송 전력 등을 포함할 수 있다. 상기 모션 데이터 (206)는 상기 예시의 모션 프로브 신호 (202)의 페이로드이다. 몇몇 구현들에서, 상기 모션 데이터 (206)는, 예를 들면, 다른 유형의 레퍼런스 신호의 의사 코드이거나 그 의사 코드를 포함할 수 있다. 몇몇 구현들에서, 상기 모션 데이터 (206)는, 예를 들면, 무선 네트워크 시스템에 의해 브로드캐스트된 비컨 신호이거나 그 비컨 신호를 포함할 수 있다.

일 예에서, 상기 모션 프로브 신호 (202)는 무선 디바이스 (예를 들면, 도 1에 도시된 참조번호 102A의 무선 통신 디바이스)에 의해 전송되며 그리고 모션 탐지 디바이스 (예를 들면, 도 1에 도시된 참조번호 102C의 무선 통신 디바이스)에서 수신된다. 몇몇 경우들에서, 상기 제어 데이터 (204)는, 예를 들면, 전송의 시점 또는 업데이트된 파라미터들을 표시하기 위해 각 전송에서 변한다. 상기 모션 데이터 (206)는 상기 모션 프로브 신호 (202)의 각 전송에서 변하지 않고 남아있을 수 있다. 수신하는 무선 통신 디바이스는 상기 모션 프로브 신호 (202)의 각 전송에 기반하여 상기 수신된 신호들을 프로세싱하고, 그리고 변화들을 위해 상기 모션 데이터를 분석할 수 있다. 예를 들면, 상기 모션 데이터 (206)에서의 변화들은 상기 모션 프로브 신호 (202)의 무선 전송에 의해 액세스되는 공간에서 물체의 움직임을 표시할 수 있다. 상기 모션 데이터 (206)는, 예를 들면, 탐지된 모션에 대한 응답을 생성하기 위해 그 후에 프로세싱될 수 있다.

도 3a 및 도 3b는 무선 통신 디바이스들 (304A, 304B, 304C) 사이에서 전달된 예시의 무선 신호들을 보여주는 도면들이다. 상기 무선 통신 디바이스들 (304A, 304B, 304C)은, 예를 들면, 도 1에서 보이는 무선 통신 디바이스들 (102A, 102B, 102C), 또는 다른 유형의 무선 통신 디바이스들일 수 있다. 상기 예시의 무선 통신 디바이스들 (304A, 304B, 304C)은 공간 (300)을 통해 무선 신호들을 전송한다. 상기 예시의 공간 (300)은 완전하게 또는 부분적으로 둘러싸여질 수 있으며 또는 그 공간 (300)의 하나 이상의 경계들에서 개방될 수 있다. 상기 공간 (300)은 방, 다수의 방들, 빌딩, 실내 영역, 야외 영역, 또는 유사한 것의 내부를 포함할 수 있다. 제1 벽 (302A), 제2 벽 (302B), 및 제3 벽 (302C)은 도시된 예에서 상기 공간 (300)을 적어도 부분적으로 둘러싼다.

도 3a 및 도 3b에서 보이는 예에서, 제1 무선 통신 디바이스 (304A)는 무선 모션 프로브 신호들을 반복하여 (예를 들면, 주기적으로, 간헐적으로, 스케줄되어, 스케줄되지 않고 또는 랜덤 인터벌 등) 전송하도록 동작할 수 있다. 그 전송된 신호들은 도 2의 모션 프로브 신호 (202)와 비슷하게 또는 다른 방식으로 포맷될 수 있다. 상기 제2 및 제3 무선 통신 디바이스들 (304B, 304C)은 무선 통신 디바이스 (304A)에 의해 전송된 무선 프로브 신호들에 기반한 신호들을 수신하기 위해 작동 가능하다. 상기 무선 통신 디바이스들 (304B, 304C) 각각은, 예를 들면, 상기 공간 (300) 내 물체의 모션을 탐지하기 위해, 수신된 모션 탐지 신호들을 프로세싱하도록 구성된 모뎀 (예를 들면, 도 1에서 보이는 모뎀 (112))을 구비한다.

보이는 것처럼, 도 3a에서 제1 위치 (314A) 내에 물체가 존재하며, 그리고 그 물체는 도 3b 내 제2 위치 (314B)로 이동한다. 도 3a 및 도 3b에서, 공간 (300) 내에서 그 이동하는 물체는 사람으로서 표시되지만, 그 이동하는 물체는 다른 유형의 물체일 수 있다. 예를 들면, 그 이동하는 물체는 동물, 무기 물체 (예를 들면, 시스템, 디바이스, 장치, 또는 어셈블리), 상기 공간 (300)의 경계의 모두 또는 일부를 한정하는 물체 (예를 들면, 벽, 도어, 창 등), 또는 다른 유형의 물체일 수 있다.

도 3a 및 도 3b에서 보이듯이, 제1 무선 통신 디바이스 (304A)로부터 전송된 무선 신호들의 다수의 예시의 경로들이 파선들로 도시된다. 제1 신호 경로 (316)를 따라, 무선 신호는 제1 무선 통신 디바이스 (304A)로부터 전송되어 제1 벽 (302A)에서 제2 무선 통신 디바이스 (304B)를 향하여 반사된다. 제2 신호 경로 (318)를 따라, 무선 신호는 제1 무선 통신 디바이스 (304A)로부터 전송되어 제2 벽 (302B) 및 제1 벽 (302A)에서 제3 무선 통신 디바이스 (304C)를 향하여 반사된다. 제3 신호 경로 (320)를 따라, 무선 신호는 제1 무선 통신 디바이스 (304A)로부터 전송되어 제2 벽 (302B)에서 제3 무선 통신 디바이스 (304C)를 향하여 반사된다. 제4 신호 경로 (322)를 따라, 무선 신호는 제1 무선 통신 디바이스 (304A)로부터 전송되어 제3 벽 (302C)에서 제2 무선 통신 디바이스 (304B)를 향하여 반사된다.

도 3a에서, 제5 신호 경로 (324A)를 따라, 무선 신호는 제1 무선 통신 디바이스 (304A)로부터 전송되어 제1 위치 (314A)에서의 물체에서 제3 무선 통신 디바이스 (304C)를 향하여 반사된다. 도 3a 및 도 3b 사이에서, 물체의 표면은 공간 (300) 내 제1 위치 (314A)로부터 (예를 들면, 제1 위치 (314A)로부터 약간의 거리만큼 떨어진) 제2 위치 (314B)로 이동한다. 도 3b에서, 제6 신호 경로 (324B)를 따라, 무선 신호는 제1 무선 통신 디바이스 (304A)로부터 전송되어 제2 위치 (314B)에서의 물체에서 제3 무선 통신 디바이스 (304C)를 향하여 반사된다. 제1 위치 (314A)로부터 제2 위치 (314B)까지의 상기 물체의 이동으로 인해서, 도 3b에 도시된 상기 제6 신호 경로 (324B)는 도 3a에 도시된 제5 신호 경로 (324A)보다 더 길다. 몇몇 예들에서, 공간 내 물체의 이동으로 인해서 신호 경로는 추가되고, 제거되고, 또는 그렇지 않고 수정될 수 있다.

도 3a 및 도 3b에서 보이는 상기 예시의 무선 신호들은 자신들 각자의 경로들을 통해 감쇠 (attenuation), 주파수 시프트, 위상 시프트, 또는 다른 영향들을 겪을 수 있으며 그리고, 예를 들면, 벽들 (302A, 302B, 및 302C)을 통해 다른 방향으로 전파하는 부분들을 가질 수 있다. 몇몇 예들에서, 상기 무선 신호들은 라디오 주파수 (RF) 신호들이다. 그 무선 신호들은 다른 유형의 신호들을 포함할 수 있다.

도 3a 및 도 3b에 도시된 예들에서, 상기 제1 무선 통신 디바이스 (304A)는 무선 신호를 반복하여 전송할 수 있다. 특히, 도 3a는 제1 시각에서 제1 무선 통신 디바이스 (304A)로부터 전송되고 있는 무선 신호들을 보여주며, 그리고 도 3b는 더 나중의 제2 시각에서 상기 제1 무선 통신 디바이스 (304A)로부터 전송되고 있는 동일한 무선 신호들을 보여준다. 상기 전송된 신호는 연속해서, 주기적으로, 랜덤하게 또는 간헐적인 시각들에서 또는 유사하게, 또는 그것들의 조합으로 전송될 수 있다. 상기 전송된 신호는 주파수 대역폭에서 여러 주파수 성분들을 가질 수 있다. 상기 전송된 신호는 전방향성 (omnidirectional) 방식으로 상기 제1 무선 통신 디바이스 (304A)로부터 전송될 수 있다. 도시된 예에서, 상기 무선 신호들은 상기 공간 (300) 내에서 다수의 각자의 경로들을 통과하며, 그리고 각 경로를 따른 신호는 경로 손실, 산란, 반사, 또는 유사한 것으로 인해 감쇠될 수 있으며 그리고 위상 오프셋 또는 주파수 오프셋을 가질 수 있다.

도 3a 및 도 3b에서 도시된 것처럼, 다양한 경로들 (316, 318, 320, 322, 324A, 및 324B)로부터의 신호들은 수신 신호들을 형성하기 위해 제3 무선 통신 디바이스 (304C) 및 제2 무선 통신 디바이스 (304B)에서 결합한다. 전송된 신호들에 관한 상기 공간 (300) 내 다수의 경로들의 영향들로 인해서, 상기 공간 (300)은 상기 전송된 신호가 입력이며 상기 수신된 신호가 출력인 전달 함수로서 표현될 수 있다 (예를 들면, 필터). 물체가 공간 (300) 내에서 이동할 때에, 신호 경로 내 신호에 대해 영향을 준 감쇠 또는 위상 오프셋이 변할 수 있으며, 그래서 상기 공간 (300)의 전달 함수가 변할 수 있다. 상기 제1 무선 통신 디바이스 (304A)로부터 동일한 무선 신호가 전송된다고 가정하면, 상기 공간 (300)의 전달 함수가 변하면, 그 전달 함수의 출력 - 상기 수신된 신호 - 또한 변할 것이다. 그 수신 신호에서의 변화는 물체의 움직임을 탐지하기 위해 사용될 수 있다.

수학적으로, 상기 제1 무선 통신 디바이스 (304A)로부터 전송된 전송 신호 f(t)는 다음의 수학식 1에 따라 기술될 수 있다.

여기에서

은 전송된 신호의 n번째 주파수 성분의 주파수를 나타내며,

은 그 n번째 주파수 성분의 복소수 계수를 나타내며, 그리고 t는 시각을 나타낸다. 상기 전송된 신호 f(t)가 상기 제1 무선 통신 디바이스 (304A)로부터 전송되고 있을 때에, 경로 k로부터의 출력 신호

는 수학식 2에 따라 기술될 수 있다.

여기에서

는 경로 k를 따른 n번째 주파수 성분에 인한 감쇠 팩터 (또는, 예를 들면, 산란, 반사, 및 경로 손실들로 인한 채널 응답)를 나타내며, 그리고

는 경로 k를 따른 n번째 주파수 성분에 대한 상기 신호의 위상을 나타낸다. 그러면 무선 통신 디바이스에서의 수신 신호 R은 모든 경로들로부터 상기 무선 통신 디바이스로의 모든 출력 신호들

의 합으로서 기술될 수 있으며, 이는 수학식 3에서 보여진다.

수학식 2를 수학식 3으로 치환하면 다음의 수학식 4가 얻어진다.

무선 통신 디바이스에서의 수신 신호 R은 그 후에 분석될 수 있다. 무선 통신 디바이스에서의 수신 신호 R은, 예를 들면, 패스트 푸리에 변환 (Fast Fourier Transform (FFT))이나 다른 유형의 알고리즘을 이용하여 주파수 도메인으로 변환될 수 있다. 그 변환된 신호는 상기 수신 신호 R을 일련의 n개 복소수 값들로 나타낼 수 있으며, 그 값 하나는 (n개 주파수들

에서) 각자의 주파수 성분들 각각에 대한 것이다. 주파수

에서의 주파수 성분에 대해, 복소수 값

은 다음의 수학식 5에서처럼 표현될 수 있다.

주어진 주파수 성분

에 대한 상기 복소수 값

은 그 주파수 성분

에서 상기 수신 신호의 상대적인 진폭 및 위상 오프셋을 표시한다. 물체가 공간 내에서 이동할 때에, 상기 복소수 값

은 변하는 공간의 채널 응답

으로 인해 변한다. 따라서, 상기 채널 응답에서 탐지된 변화는 상기 통신 채널 내에서 물체의 움직임을 표시할 수 있다. 몇몇 예들에서, 잡음, 간섭, 또는 다른 현상들이 상기 수신기에 의해 탐지된 채널 응답에 영향을 줄 수 있으며, 그리고 상기 모션 탐지 시스템은 모션 탐지 능력의 정밀도 및 품질을 향상시키기 위해 그런 영향들을 줄이거나 격리시킬 수 있다.

몇몇 구현들에서, 채널 응답은 다음의 수학식처럼 표현될 수 있다.

몇몇 예들에서, 어떤 공간에 대한 채널 응답

은, 예를 들면, 추정의 수학적인 이론에 기반하여 결정될 수 있다. 예컨대, 레퍼런스 신호

는 후보 채널 응답들 (

)을 이용하여 수정될 수 있으며, 그리고 상기 수신 신호 (

)에 대한 최선 부합 (best match)을 제공하는 후보 채널을 선택하기 위해 그 후에 최대 우도 (maximum likelihood) 접근 방식이 사용될 수 있다. 몇몇 경우들에서, 추정된 수신 신호 (

)는 상기 레퍼런스 신호 (

)를 상기 후보 채널 응답들 (

)과 컨벌루션 (convolution)하는 것으로부터 얻어지며, 그리고 그 후에 상기 채널 응답 (

)의 채널 계수들은 상기 추정된 수신 신호 (

)의 제곱 오차 (squared error)를 최소로 하기 위해 변한다. 이것은 다음처럼 수학적으로 표현될 수 있다.

여기에서 최적화 기준은 다음과 같다.

이 최소화 프로세스, 또는 최적화 프로세스는 LMS (Least Mean Squares), RLS (Recursive Least Squares), BLS (Batch Least Squares) 등과 같은 적응적 필터링 기법을 활용할 수 있다. 상기 채널 응답은 FIR (Finite Impulse Response) 필터, IIR (Infinite Impulse Response) 필터, 또는 유사한 것일 수 있다. 위에서의 수학식에서 도시된 것처럼, 상기 수신 신호는 상기 레퍼런스 신호 및 상기 채널 응답의 컨벌루션으로서 간주될 수 있다. 상기 컨벌루션 연산은 상기 채널 계수들이 상기 레퍼런스 신호의 지연된 복제들 각각과 어느 정도의 상관을 가진다는 것을 의미한다. 위에서의 수학식에서 도시된 것과 같은 컨벌루션 연산은 그러므로 상기 수신된 신호가 상이한 지연 포인트들에서 나타나며, 각 지연된 복제는 상기 채널 계수만큼 가중치가 부여된다는 것을 보여준다.

도 3c - 3d는 도 3a - 3d 내 무선 통신 디바이스들 (304A, 304B, 304C) 사이에서 전달된 무선 신호들로부터 계산된 예시의 채널 응답들 (360, 370)을 보여주는 플롯들이다. 도 3c - 3d는 무선 통신 디바이스 304A에 의해 전송된 초기 무선 신호의 주파수 도메인 표현 (350)을 또한 보여준다. 보이는 예들에서, 도 3c 내 채널 응답 (360)은 상기 공간 (300) 내 어떤 모션도 존재하지 않을 때에 무선 통신 디바이스 304B에 의해 수신된 신호들을 나타내며, 그리고 도 3d 내 채널 응답 (370)은 상기 물체가 상기 공간 (300) 내에서 이동한 이후에 도 3b 내 무선 통신 디바이스 304B에 의해 수신된 신호들을 나타낸다.

도 3c - 3d에서 보이는 예에서, 예시의 목적들을 위해, 무선 통신 디바이스 304A는 주파수 도메인 표현 (350)에서 보이듯이 플랫한 (flat) 주파수 프로파일을 가진 (각 주파수 성분 f₁, f₂, and f₃ 의 크기가 동일함) 신호를 전송한다. 상기 신호의 공간 (300) (및 그 내의 물체들)과의 상호작용 때문에, 무선 통신 디바이스 304A로부터 송신된 신호에 기반하는 무선 통신 디바이스 304B에서 수신된 신호들은 상기 전송된 신호와는 상이하게 보인다. 이 예에서, 상기 전소된 신호가 플랫한 주파수 프로파일을 가지는 경우에, 상기 수신된 신호는 상기 공간 (300) 내 채널 응답을 나타낸다. 도 3c - 3d에서 보이는 것처럼, 상기 채널 응답들 (360, 370)은 상기 전송된 신호의 주파수 도메인 표현 (350)과는 상이하다. 공간 (300) 내에서 모션이 발생할 때에, 채널 응답 내에서의 변이 또한 발행할 것이다. 예를 들면, 도 3d에서 보이는 것처럼, 상기 공간 (300) 내 물체의 모션과 연관된 채널 응답 (370)은 상기 공간 (300) 내 어떤 모션도 없는 것과 연관된 채널 응답 (360)에서 벗어난다.

또한, 물체가 상기 공간 (300) 내에서 이동하면, 상기 채널 응답은 채널 응답 (370)으로부터 벗어날 수 있다. 몇몇 경우에, 상기 공간 (300)은 별개 구역들로 분할될 수 있으며 그리고 각 구역과 연관된 채널 응답들은 아래에서 설명되는 것처럼 하나 이상의 특성들 (예를 들면, 외형)을 공유할 수 있다. 그래서, 상이한 별개 구역들 내 물체의 모션은 구별될 수 있으며, 그리고 탐지된 모션의 위치는 채널 응답들 분석에 기반하여 판별될 수 있다.

도 4a - 4b는 공간 (400)의 별개 구역들 (408. 412) 내 물체 (406)의 모션과 연관된 예시의 채널 응답들 (401, 403)을 보여주는 도면들이다. 보이는 예에서, 상기 공간 (400)은 빌딩이며, 상기 공간 (400)은 복수의 별개 구역들로 - 제1 구역 (408), 제2 구역 (410), 제3 구역 (412), 제4 구역 (414), 및 제5 구역 (416)으로 분할된다. 몇몇 예들에서, 상기 예시의 공간 (400)은 추가의 또는 더 적은 구역들을 포함할 수 있다. 도 4a - 4b에서 보이듯이, 공간 내 구역들은 방들 사이의 벽들로 한정될 수 있다. 추가로, 상기 구역들은 빌딩의 바닥들 사이의 천장들에 의해 한정될 수 있다. 예를 들어, 상기 공간 (400)은 추가 방들을 가진 추가 층들을 포함할 수 있다. 추가로, 몇몇 예들에서, 공간의 복수 구역들은 다층 빌딩 내 여러 층들, 빌딩 내 여러 방들, 또는 빌딩의 특별한 층의 여러 방들이거나 그것들을 포함할 수 있다. 도 4a에 보이는 예에서, 참조번호 408 내 위치한 물체는 사람 (106)으로 표현되지만, 움직이는 물체는 동물이나 무기 물체와 같은 다른 유형의 물체일 수 있다.

보이는 예에서, 제1 무선 통신 디바이스 402A는 상기 공간 (400) 내 구역 414 에 위치하며, 제2 무선 통신 디바이스 402B는 상기 공간 (400) 내 구역 410 에 위치하며, 그리고 제3 무선 통신 디바이스 402C는 상기 공간 (400) 내 구역 416 에 위치한다. 상기 예시의 무선 통신 디바이스들 (402)는 도 1의 무선 통신 디바이스들 (102)과 동일한 또는 유사한 방식으로 작동할 수 있다. 예를 들면, 상기 무선 통신 디바이스들 (402)은 무선 신호들을 전송하고 수신하며, 그리고 그 수신한 신호들에 기반하여 상기 공간 (400) 내에 모션이 발생했는가의 여부를 탐지하도록 구성될 수 있다. 일 예로, 상기 무선 통신 디바이스들 (402)은 상기 공간 (400)을 통해 모션 프로브 신호들 (예를 들면, 도 2의 모션 프로브 신호 (202)와 유사하게 포맷된 신호들)을 주기적으로 또는 반복하여 전송할 수 있으며, 그리고 그 모션 프로브 신호들에 기반한 신호들을 수신할 수 있다. 상기 무선 통신 디바이스들 (402)은, 예를 들면, 상기 수신한 신호들에 기반하여 상기 공간과 연관된 채널 응답들을 분석하는 것처럼 상기 공간 (400) 내에서 물체가 이동했는가의 여부를 탐지하기 위해 상기 수신 신호들을 분석할 수 있다. 추가로, 몇몇 구현들에서, 상기 예시의 무선 통신 디바이스들 (402)은 상기 공간 (400) 내에서 탐지된 모션의 위치를 식별하기 위해 상기 수신 신호들을 분석할 수 있다. 예를 들면, 상기 무선 통신 디바이스들 (402)은 상기 채널 응답들이 상기 공간 (400)의 구역들 (408, 410, 412, 414, 416)과 연관된 것으로 알려진 채널 응답들과 동일하거나 유사한 특성들을 공유하는가의 여부를 판별하기 위해 상기 채널 응답의 특성들을 분석할 수 있다.

보이는 예에서, 상기 무선 통신 디바이스들 (402) 중 하나의 (또는 그 보다 많은) 무선 통신 디바이스는 모션 프로브 신호 (예를 들면, 레퍼런스 신호)를 상기 공간 (400)을 통해 반복해서 전송한다. 상기 모션 프로브 신호들은 몇몇 예들에서 제1 주파수 프로파일을 가질 수 있으며, 여기에서 각 주파수 성분 f₁, f₂, 및 f₃의 크기. 예를 들면, 상기 모션 프로브 신호들은 도 3c - 3d에서 보이는 주파수 도메인 표현 (350)과 유사한 주파수 응답을 가질 수 있다. 상기 모션 프로브 신호들은 몇몇 예들에서 상이한 주파수 프로파잉을 가질 수 있다. 상기 레퍼런스 신호의 상기 공간 (400) (및 그 내부의 물체들)과의 상호작용 때문에, 다른 무선 통신 디바이스 (402)로부터 전송된 모션 프로브 신호에 기반하는 그 다른 무선 통신 디바이스 (402)에서 수신된 신호들은 상기 전송된 레퍼런스 신호와는 상이하다.

상기 수신 신호들에 기반하여, 상기 무선 통신 디바이스들 (402)은 공간 (400)을 위한 채널 응답을 정할 수 있다. 상기 공간 내 별개 구역들 내에서 모션이 발생할 때에, 별개 특성들을 상기 채널 응답들 내에서 볼 수 있다. 예를 들면, 상기 채널 응답들이 상기 공간 (400)의 동일한 구역 내 모션에 대해서 약간 상이할 수 있지만, 별개 구역들 내 모션과 연관된 채널 응답들은 일반적으로 동일한 형상이나 다른 특성들을 공유할 수 있다. 예를 들면, 도 4a의 채널 응답 (401)은 상기 공간 (400)의 구역 (408) 내 물체 (406)의 모션과 연관된 예시의 채널 응답을 나타내며, 도 4b의 채널 응답 (403)은 상기 공간 (400)의 구역 (412) 내 물체 (406)의 모션과 연관된 예시의 채널 응답을 나타낸다. 상기 채널 응답들 (401, 403)은 상기 공간 (400) 내 동일한 무선 통신 디바이스 (402)에 의해 수신된 신호들과 연관된다.

도 4c - 4d는 상기 공간 내에서 어떤 모션도 발생하지 않는 것과 연관된 채널 응답 (460)의 예 위에 오버레이된 도 4a - 4b의 예시의 채널 응답들 (401, 403)을 보여주는 플롯들이다. 모션이 상기 공간 (400) 내에서 발생할 때에, 상기 채널 응답 내 변이는 상기의 "모션-없음" 채널 응답 (460)에 대해 발생할 것이며, 그래서, 상기 공간 (400) 내 물체의 모션은 그 채널 응답들 내 변이들을 분석함으로써 탐지될 수 있다. 추가로, 상기 공간 (400) 내 탐지된 모션의 상대적인 위치가 식별될 수 있다. 예를 들면, 모션과 연관된 채널 응답들의 형상은 공간의 별개 구역 내에서 발생했던 모션을 분류하기 위해 (예를 들면, 트레이닝된 신경 네트워크를 사용하여) 레퍼런스 정보와 비교될 수 있다.

상기 공간 (400) 내에 어떤 모션도 존재하지 않을 때에 (예를 들어, 물체 (406)가 조재하지 않을 때에), 무선 통신 디바이스 (402)는 "모션-없음" 채널 응답 (460)을 계산할 수 있다. 여러 팩터들로 인해서 채널 응답들 내에 약간의 변이들이발생할 수 있다; 그러나, 상이한 시간 구간들과 연관된 다수의 "모션-없음" 채널 응답들은 하나 이상의 특성들을 공유할 수 있다. 보이는 예에서, 상기 "모션-없음" 채널 응답 (460)은 감소하는 주파수 프로파일을 가진다 (각 주파수 성분 f₁, f₂, 및 f₃ 의 크기는 이전 것보다 작다). 모션-없음 채널 응답 (460)의 프로파일은 (예를 들면, 디바이스들 (402)의 상이한 방 레이아웃들이나 배치에 기반하여) 몇몇 예들에서 상이할 수 있다.

상기 공간 (400) 내에서 모션이 발생할 때에, 상기 채널 응답 내 변이가 발생할 것이다. 예를 들면, 도 4c - 4d에서 보이는 예들에서, (구역 (408) 내 물체 (406)의 모션과 연관된) 채럴 응답 (401)은 상기 "모션-없음" 채널 응답 (460)과 상이하며 그리고 (구역 (412) 내 물체 (406)의 모션과 연관된) 채럴 응답 (403)은 상기 "모션-없음" 채널 응답 (460)과 또한 상이하다. 채널 응답 (401)은 오목-포물선 주파수 프로파일 (중간 주파수 성분 f₂ 의 크기는 더 바깥 주파수 성분들 f₁ 및 f₃ 보다 작다)을 가지며, 반면에 채널 응답 (403)은 볼록-점근선 주파수 프로파일 (중간 주파수 성분 f₂ 의 크기는 더 바깥 주파수 성분들 f₁ 및 f₃ 보다 크다)을 가진다. 상기 채널 응답들 (401, 403)의 프로파일들은 (예를 들면, 디바이스들 (402)의 상이한 방 레이아웃들이나 배치에 기반하여) 몇몇 예들에서 상이할 수 있다.

채널 응답들을 분석하는 것은 디지털 필터를 분석하는 것과 유사한 것으로 간주될 수 있다. 다른 말로 하면, 채널 응답은 움직이는 또는 정적인 사람에 의해 생성된 반사는 물론이며 공간 내 물체들의 반사를 통해서 형성된다. 반사체 (예를 들어, 사람)가 움직일 때에, 그것은 채널 응답을 변하게 한다. 이것은 디지털 필터의 동등 탭들에서의 변화로 변역될 수 있으며, 이는 폴 (pole)들 및 영 (zero)들을 가진 것으로 생각될 수 있다 (폴들은 채널 응답의 주파수 성분들을 치솟게 하며 그리고 그 응답에서 피크들이나 높은 포인트들로서 나타나며, 반면에 영들은 채널 응답의 주파수 성분을 끌어 내리며 그리고 그 응답에서 낮은 포인트 또는 널 (null)들로서 나타난다). 디지털 필터를 변하게 하는 것은 그것의 피크들 및 밸리들의 배치라는 특징을 가질 수 있으며, 채널 응답은 그것의 피크들 및 밸리들이라는 비슷한 특징을 가질 수 있다. 예를 들면, 몇몇 구현들에서, 채널 응답의 주파수 성분들에서의 널들 및 피크들을 (예를 들어, 주파수 축 상에서의 그것들의 위치 및 그것들의 크기를 마킹함으로써) 분석하여 모션이 탐지될 수 있다.

몇몇 구현들에서, 모션을 탐지하기 위해 타임 시리즈 집계 (time series aggregation)가 사용될 수 있다. 타임 시리즈 집계는 이동하는 윈도우에 걸쳐 채널 응답의 특징들을 관찰하고 통계적인 측정들 (예를 들면, 평균, 분산, 주성분 등)을 사용하여 윈도우 결과를 집계함으로써 수행될 수 있다. 모션의 사례들 동안에, 산란계 (scattering scene)에서의 계속적인 변화로 인해서 특성 디지털-필터 특징들은 위치에 있어서 바꿔지며 몇몇 값들 사이에서 전환 (flip-flop)할 것이다. 즉, 등가의 디지털 필터는 (모션으로 인한) 자신의 피크 및 널들에 대한 값들의 범위를 나타낸다. 값들의 이 범위를 찾음으로써, 공간 내 별개 구역들에 대해 유일 "시그너처들 (signatures)" 또는 프로파일들이 식별될 수 있다.

몇몇 구현들에서, 상기 공간 (400)의 별개 구역들 내 모션과 연관된 채널 응답들의 프로파일들은 "학습될 수 (learned)" 있다. 예를 들면, 공간의 별개 구역들 내 물체의 모션으로 채널 응답 특성들을 분류하기 위해 머신 러닝 (learning)이 사용될 수 있다. 몇몇 경우에, 무선 통신 디바이스들 (402)과 연관된 사용자 (예를 들면, 상기 공간 (400)의 소유자나 다른 점유자)는 러닝 프로세스로 도울 수 있다. 예를 들어, 도 4a - 4b에서 보이는 예들을 참조하면, 사용자는 러닝 페이즈 동안에 별개 구역들 (408, 410, 412, 414, 416) 각각에서 움직일 수 있고 그리고 자신이 그 공간 내 특별한 구역들 중 하나에서 움직이고 있다는 것을 (예를 들면, 모바일 컴퓨팅 디바이스 상의 사용자 인터페이스를 통해서) 표시할 수 있다. 예를 들어, 사용자가 (예를 들면, 도 4a에서 보이는 것처럼) 구역 (408)을 통해 이동하고 있을 때에 그 사용자는 자신이 그 구역 (408)에 있다는 것을 모바일 컴퓨팅 디바이스 상으로 표시할 수 있다 (그리고 그 구역을 "침실", "거실", "부엌", 또는 빌딩의 다른 유형의 방으로 적절하게 명명할 수 있다). 그 사용자가 상기 구역을 통해서 이동할 때에 채널 응답들이 획득될 수 있으며, 그리고 그 채널 응답들은 사용자가 표시한 위치 (구역)로 "태그될 (tagged)" 수 있다. 상기 사용자는 상기 공간 (400)의 다른 구역들에 대해 동일한 프로세스를 반복할 수 있다.

태그된 채널 응답들은 그 별개 구역들 내 모션과 연관된 채널 응답들의 유일 특성들을 식별하기 위해 (예를 들면, 머신 러닝 소프트웨어에 의해) 그 후에 프로세싱될 수 있다. 일단 식별되면, 그 식별된 유일 특성들은 새롭게 계산된 채널 응답들에 대해 탐지된 모션의 위치를 판별하기 위해 사용될 수 있다. 예를 들면, (콘볼루션 또는 완전하게 연결된) 신경 네트워크는 상기 태그된 채널 응답들을 사용하여 트레이닝될 수 있으며, 그리고 일단 트레이닝되면, 새롭게 계산된 채널 응답들이 상기 신경 네트워크로 입력될 수 있으며, 그리고 상기 신경 네트워크는 상기 탐지된 모션의 위치를 출력할 수 있다. 예를 들면, 몇몇 경우에, 평균, 범위, 및 절대값들이 신경 네트워크로 입력된다. 몇몇 예들에서, 복소수 채널 응답 그 자체의 크기 및 위상 또한 입력될 수 있다. 이 값들은 상기 신경 네트워크가 공간의 별개 구역들 내 모션에 관하여 정확한 예측들을 하는 것에 가장 관련된 특징들을 잡기 위해 임의적인 프론트-엔드 필터들을 설계하는 것을 허용한다. 몇몇 구현들에서, 상기 신경 네트워크는 확률적 경사 하강법 (stochastic gradient descent)을 수행함으로써 트레이닝된다. 예를 들어, 특정 지역 동안에 가장 활성인 채널 응답 변이들은 상기 트레이닝 동안에 모니터될 수 있으며, 그리고 (형상들, 경향들 등과 상관 (correlate)하기 위해 제1 레이어 내 가중치들을 트레이닝하고 적응시킴으로써) 특정 채널 변이들은 무겁게 가중치 부여될 수 있다. 상기 가중치 부여된 채널 변이들은 사용자가 어떤 구역 내에 존재할 때에 활성화하는 메트릭 (metric)을 생성하기 위해 사용될 수 있다.

채널 응답 널들 및 피크들과 같은 추출된 특징들에 대해, (널들/피크들의) 타임-시리즈는 이동하는 윈도우 내 집계, 과거 및 현재에서 약간의 특징들의 스냅샷을 취하며, 그리고 그 집계된 값을 상기 네트워크로의 입력으로 사용하는 것을 사용하여 생성될 수 있다. 그래서, 상기 네트워크는, 자신의 가중치들을 적응시키면서, 어떤 구역 내 값들을 모으기 (cluster) 위해 그 값들을 집계하기 위해 시도하고 있을 것이며, 이는 로지스틱 분류기 기반 결정 표면들 (logistic classifier based decision surfaces)을 생성함으로써 행해질 수 있다. 상기 결정 표면들은 상이한 클러스터들을 분할하며 그리고 후속의 레이어들은 단일의 클러스터 또는 클러스터들의 조합에 기반하여 분류들을 형성할 수 있다.

몇몇 구현들에서, 신경 네트워크는 간섭의 둘 이상의 레이어들을 포함한다. 제1 레이어는 값들의 상이한 집중을 분리된 클러스터들로 분할 수 있는 로지스틱 분류기로서 행동하며, 제2 레이어는 별개 구역에 대한 카테고리를 생성하기 위해 이 클러스터들 중 몇몇을 함께 결합한다. 추가로, 후속의 레이어들은 상기 별개 구역들을 클러스터들의 둘보다 많은 카테고리들에 걸쳐서 확장하는데 있어서 도울 수 있다. 예를 들면, 완전하게 연결된 (fully-connected) 신경 네트워크는 추적되는 특징들의 개수에 대응하는 입력 레이어, (선택들 사이에서 반복하는 것을 통한) 유효 클러스터의 개수에 대응하는 중간 레이어, 및 상이한 구역들에 대응하는 최종 레이어를 포함할 수 있다. 완전한 채널 응답 정보가 상기 신경 네트워크로 입력되는 경우에, 상기 제1 레이어는 특정 형상들을 상관 (correlate)시킬 수 있는 형상 필터 (shape filter)로서 행동할 수 있다. 그래서, 상기 제1 레이어는 어떤 형상으로 고정될 수 있으며, 상기 제2 레이어는 그 형상들 내에서 발생한 변이에 대한 측정을 생성할 수 있으며, 그리고 제3 및 후속의 레이어들은 그 변이들의 결합을 생성하여 그것들을 상기 공간 내 상이한 구역들로 매핑할 수 있다. 상이한 레이어들의 출력은 융합 레이어를 통해서 그 후에 결합될 수 있다.

도 5는 공유 채널 응답 특성을 공간 (예를 들면, 도 4a - 4b의 공간 (400)) 내 별개 구역 (예를 들면, 도 4a - 4b의 구역들 (408, 412))과 연관시키는 예시의 프로세스 (500)를 보여주는 흐름도이다. 상기 예시의 프로세스 (500) 내 동작들은 무선 통신 디바이스의 데이터 프로세싱 장치 (예를 들면, 도 1의 예시의 무선 통신 디바이스 (102C)의 프로세서 (114))에 의해, 공간의 별개 구역들 (예를 들면, 상기 공간 (400)의 구역들 (408, 410, 412, 414, 416)) 내 모션과 연관된 채널 응답 특성들에 대해 수행될 수 있다. 상기 예시의 프로세스 (500)는 다른 유형의 디바이스에 의해 수행될 수 있다. 예를 들면, 상기 프로세스 (500)의 동작들은 상기 무선 통신 디바이스들에 연결된 컴퓨터 시스템처럼 상기 무선 통신 디바이스가 아닌 시스템에 의해 수행될 수 있다. 상기 예시의 프로세스 (500)는 추가의 또는 상이한 동작들을 포함할 수 있으며, 그리고 상기 동작들은 도시된 순서로 또는 다른 순서로 수행될 수 있다. 몇몇 경우에, 도 5에 도시된 동작들 중 하나 이상은, 다수의 동작들, 서브-프로세스들이나 다른 유형의 루틴들을 포함하는 프로세스들로서 구현된다. 몇몇 경우에, 동작들은 결합되거나, 다른 순서로 수행되거나, 병렬로 수행되거나, 반복되거나, 또는 그렇지 않고 다른 방식으로 수행되거나 되풀이될 수 있다.

502에서, 공간 내 별개 구역에서의 물체의 모션과 연관된 하나 이상의 채널 응답들이 획득된다. 그 채널 응답들은 무선 통신 시스템 (예를 들면, 도 1의 무선 통신 시스템 (100))의 하나 이상의 무선 통신 디바이스들에 의해 상기 공간을 통해 전송된 무선 신호들에 기반한다. 예를 들어, 도 3a - 3b에 도시된 예를 참조하면, 상기 채널 응답들은 무선 통신 디바이스 (304A)에 의해 상기 공간 (300)을 통해 전송되어 상기 무선 통신 디바이스들 (304B, 304C) 중 하나에서 수신된 무선 신호들에 기반할 수 있다. 또한, 도 4a - 4b에서 보이는 예를 참조하면, 상기 채널 응답은 무선 통신 디바이스들 (402) 중 하나 이상에 의해 상기 공간 (400)을 통해 전송되어 상기 무선 통신 디바이스들 (402) 중 하나 이상에서 수신된 무선 신호들에 기반할 수 있다.

몇몇 구현들에서, 상기 채널 응답들이 획득되며, 그때에 상기 무선 통신 시스템은 "트레이닝 모드 (training mode)"에 있다. 예를 들면, 상기 무선 통신 디바이스들 (또는 상기 무선 통신 디바이스들에 통신 가능하게 결합된 다른 컴퓨팅 디바이스, 예를 들면, 원격 서버)은 트레이밍 모드가 시작했다는 것을 또는 시작할 것이라는 것을 표시하는 사용자 입력을 수신할 수 있다. 일 예로, 상기 무선 통신 시스템은 사용자 입력을 수신할 수 있으며, 구역 식별자 (예를 들면, "부엌", "사무실 1", "사무실 2", "위층 발코니")를 사용하여 상기 공간 내 별개 구역을 특정할 수 있으며, 그리고 그 특정된 구역 내에서 움직일 것으로 사용자에게 프롬프트할 수 있다. 따라서, 트레이닝 모드 동안에 획득된 채널 응답들은 태그된 데이터가 될 수 있다. 예를 들어, 상기 채널 응답들은 상기 공간 내 별개 구역의 구역 식별자와 연관하여 태그될 수 있다.

몇몇 구현들에서, 상기 무선 통신 시스템에 트레이닝 모드에 있는 동안에 획득된 채널 응답들은 트레이닝 구간 동안에 획득된다. 예를 들면, 상기 무선 통신 시스템은 사용자에게 트레이닝 구간의 시작, 및 그 트레이닝 구간의 종료 또는 지속 시간을 통지할 수 있다. 상기 무선 통신 시스템은 트레이닝 구간 동안에 상기 공간의 별개 구역 내에서 사용자가 이동할 것을 지시하는 인디케이터를 (예를 들면, 오디오 재생이나 시각적인 디스프르레이를 경유하여) 사용자에게 제시할 수 있으며, 또는 상기 트레이닝 구간 동안에 상기 공간의 구역 내에서 어떤 모션도 제공하지 않을 것을 (예를 들면, 움직이지 말라고) 사용자에게 지시하는 다른 인디케이터를 그 사용자에게 제시할 수 있다. 예를 들면, 도 4a - 4b에서 보이는 예를 참조하면, 무선 통신 디바이스 (402)는 사용자가 참조번호 408의 구역 내에서 움직하는 것을 포함하는 제1 트레이닝 구간 동안에 상기 채널 응답 (401)과 유사한 채널 응답들을 획득할 수 있으며, 그리고 사용자가 참조번호 412의 구역 내에서 움직하는 것을 포함하는 트레이닝 구간 동안에 상기 채널 응답 (403)과 유사한 채널 응답들을 획득할 수 있다.

504에서, 상기 채널 응답들 각각에 의해 공유된 하나 이상의 특성들은 상기 획득된 채널 응답들에서 식별된다. 공유된 특성은 502에서 획득된 채널 응답들을 분석함으로써, 예를 들면, 상기 획득된 채널 응답들을 비교하여, 상기 획득된 채널 응답들을 서로 비교하여, 또는 상기 획득된 채널 응답들 각각 내의 패턴들 (예를 들면, 주파수 성분의 형상, 외형, 크기들)을 탐지하고 상기 공간과의 각 별개 구역과 연관된 반복적인 패턴들을 식별하여, 식별될 수 있다. 예를 들면, 도 4a - 4b에서 보이는 예를 참조하면, 상기 무선 통신 시스템은, 사용자가 참조번호 408의 구역에서 이동하고 있는 동안인 제1 트레이닝 구간 동안에 획득된 참조번호 401의 채널 응답들의 공유된 특성으로서 상기 오목-포물선 주파수 프로파일을 식별할 수 있으며, 그리고 사용자가 참조번호 412의 구역에서 이동하고 있는 동안인 제2 트레이닝 구간 동안에 획득된 참조번호 403의 채널 응답들의 공유된 특성으로서 상기 볼록-점근선 주파수 프로파일을 식별할 수 있다.

몇몇 구현들에서, 상기 공유된 특성들은 머신 러닝을 사용하여 판별될 수 있다. 예를 들면, (콘볼루션 또는 완전하게 연결된) 신경 네트워크는 502에서 획득된 태그된 채널 응답들을 사용하여 (예를 들면, 위에서 설명된 것처럼) 트레이닝될 수 있다. 트레이닝 동안에, 상기 신경 네트워크는 상기 공간의 별개 구역들 각각에서의 모션과 연관된 채널 응답들에 대한 상기 공유된 특성들을 "학습 (learn)"할 수 있다.

506에서, 상기 식별된 특성들은 상기 공간 내 상기 별개 구역과 연관된다. 몇몇 사례들에서, 상기 연관들은 504에서 식별된 상기 공유된 특성들에 관한 정보를 502에서 특정된 구역 식별자들과 연관된 것으로서 저장하는 모션 탐지 데이터베이스에서 만들어진다. 상기 모션 탐지 데이터베이스는 상기 무선 통신 시스템이 상기 공간의 주어진 별개 영역과 연관된 식별된 공유 특성들을 생각해내는 것을 가능하게 하며, 그리고 주어진 공유 특성이나 공유 특성들의 세트와 연관된 상기 공간의 별개 영역을 생각해내는 것을 가능하게 한다. 상기 모션 탐지 데이터베이스는 상기 무선 통신 시스템의 무선 통신 디바이스의 또는 상기 무선 통신 시스템에 통신 가능하게 결합된 다른 디바이스의 메모리 (예를 들면, 도 1에서의 메모리 (116))에 저장될 수 있다. 상기 모션 탐지 데이터베이스는 통상적인 데이터베이스로서, 또는 신경 네트워크로서 구현될 수 있다 (예를 들면, 다양한 변수들에 적용된 특정 가중치들을 이용한 함수들로, 여기에서 상기 가중치들은 신경 네트워크의 트레이닝에 기반한다).

몇몇 구현들에서, 506에서의 연관은 상기 무선 통신 시스템에 의해 신경 네트워크에 관련하여 실행된다. 예를 들면, 무선 통신 디바이스의 모뎀은 상기 모션 탐지 데이터베이스를 구현한 신경 네트워크를 포함하는 클라우드-컴퓨팅 시스템에 (인터넷과 같은 컴퓨터 네트워크를 경유하여) 연결할 수 있다. 상기 무선 통신 디바이스는 502에서 획득된 채널 응답들을 태그된 데이터로서 상기 신경 네트워크로 전송할 수 있다. 응답으로, 상기 신경 네트워크는 상기 태그된 채널 응답들을 분석하고, 상기 채널 응답들 각각에 의해 공유된 하나 이상의 특성들을 식별하고, 그리고 그 공유된 특성들을 상기 모션 탐지 데이터베이스에 (예를 들면, 다양한 가중치들을 이용한 함수로서) 저장할 수 있다. 몇몇 사례들에서, 상기 신경 네트워크는 상기 획득된 채널 응답들의 대다수에서 탐지된 패턴을 상기 공간 내 상기 별개 구역 내 물체의 모션과 연관시킬 수 있다. 신경 네트워크에 의해 생성된 상기 연관들은 클라우드-컴퓨팅 시스템들의 모션 탐지 데이터베이스 내에 저장되며, 상기 무선 통신 시스템에 통신 가능하게 결합된 다른 디바이스나 상기 무선 통신 시스템의 무선 통신 디바이스들에 의해 액세스될 수 있다. 예를 들면, 도 4a - 4b에서 보이는 예를 참조하면, 상기 무선 통신 시스템은 상기 오목-포물선 주파수 프로파일을 상기 공간 (400)의 구역 (408) 내 사람 (406)의 모션과 연관시킬 수 있으며, 그리고 상기 볼록-점근선 주파수 프로파일을 상기 공간 (400) 의 구역 (412) 내 사람 (406)의 모션과 연관시킬 수 있다.

508에서, 상기 식별된 특성들을 상기 공간의 별개 영역 내 물체의 모션과 연관시킨 이후에, 506에서 만들어진 연관들은 모션 로컬화 프로세스에서 사용된다. 몇몇 사례들에서, 508에서, 상기 무선 통신 시스템은 더 이상 "트레이닝 모드"에 있지 않다. 예를 들면, 추가의 채널 응답들이 상기 공간을 통해 전송된 무선 신호들에 기반하여 획득될 수 있다. 상기 무선 통신 시스템은 상기 추가 채널을, 예를 들면, 도 6의 프로세스 (600)와 같은, 모션 로컬화 프로세스에서 사용할 수 있다.

몇몇 구현들에서, 상기 프로세스 (500)는 채널 응답 특성들을, 탐지될 수 있을 모션의 특별한 카테고리들에 연관시키기 위해 구현될 수 있다. 예를 들면, 도 4a - 4b에서 보이는 예를 참조하면, 개가 참조번호 408의 구역 내에서 움직일 때에, 그 모션과 연관된 채널 응답은 그 구역 (408) 내 사람에 의한 모션과 연관된 채널 응답 (401)과는 상이할 수 있다. 구역 (408) 내에서 개의 이동과 연관된 채널 응답은 따라서 자기 자신의 유일한 특성들을 가질 수 있으며, 그리고 상기 프로세스 (500)는 개의 모션을 특정 특성들과 연관시키기 위해 구현될 수 있다 (예를 들면, 그래서 개 대 인간에 의한 모션이 구별될 수 있도록 한다).

도 6은 채널 응답 특성들에 기반한 모션 로컬화의 예시의 프로세스 (600)를 보여주는 흐름도이다. 상기 예시의 프로세서 (600) 내 동작들은 무선 통신 디바이스의 데이터 프로세싱 장치 (예를 들면, 도 1의 예시의 무선 통신 디바이스 (102C)의 프로세서 (114))에 의해, 공간의 별개 구역들 (예를 들면, 상기 공간 (400)의 구역들 (408, 410, 412, 414, 416))과 연관된 채널 응답 특성들에 대해 수행될 수 있다. 상기 예시의 프로세스 (600)는 다른 유형의 디바이스들에 의해 수행될 수 있다. 예를 들면, 상기 프로세스 (600)의 동작들은, 예를 들면, 상기 무선 통신 시스템에 연결된 컴퓨터 시스템과 같은 상기 무선 통신 디바이스가 아닌 시스템에 의해 수행될 수 있다. 상기 예시의 프로세스 (600)는 추가의 또는 상이한 동작들을 포함할 수 있으며, 그리고 상기 동작들은 상기 도시된 순서나 다른 순서로 수행될 수 있다. 몇몇 경우들에서, 도 6에서 보이는 동작들 중 하나 이상은 다수의 동작들, 서브-프로세스들이나 다른 유형의 루틴들을 포함하는 프로세스들로서 구현된다. 몇몇 경우에, 동작들은 결합되고, 다른 순서로 수행되고, 병렬로 수행되고, 반복되고, 또는 그렇지 않고 다른 방식으로 수행되거나 반복될 수 있다.

602에서, 무선 통신 디바이스들 사이에서 공간을 통해 전송된 무선 신호들에 기반하여 채널 응답들이 획득된다. 몇몇 사례들에서, 602에서, 상기 무선 통신 시스템은 트레이닝 모드가 아니다. 상기 채널 응답은 상기 무선 통신 시스템 내 무선 통신 디바이스들 각각에 의해, 그 무선 통신 디바이스에서 수신된 신호들에 기반하여 획득될 수 있다.

604에서, 상기 공간 내 물체의 모션을 602에서 획득된 채널 응답에 기반하여 탐지하기 위해 모션 탐지 프로세스가 실행된다. 몇몇 구현들에서, 상기 모션 탐지 프로세스는, 상기 무선 신호들에 의해 액세스된 상기 공간에서 모션이 발생했는가의 여부를 탐지하기 위해 시간상 상이한 포인트들에 획득된 채널 응답들 내 변화들을 분석할 수 있다. 즉, 상기 모션 탐지 프로세스는 상이한 타임 포인트들에 걸친 상기 채널 응답 내 변화 탐지에 응답하여 604에서 모션을 탐지할 수 있다. 상기 모션 탐지 프로세스는 상기 공간 내 모션을 탐지하기 위해 상기 수신 무선 신호들의 다른 양상들을 분석할 수 있다. 몇몇 구현들에서, 트레이닝된 신경 네트워크로 상기 채널 응답들을 제공함으로써 모션이 탐지될 수 있다. 예를 들면, 602에서 획득된 채널 응답들은 신경 네트워크로의 입력들로서 제공될 수 있으며, 상기 신경 네트워크는 상기 공간 내 모션이 존재하는가의 여부를 표시하는 출력을 제공할 수 있다. 상기 신경 네트워크의 출력은 트레이닝 프로세스 동안에 결정된 다양한 가중치들을 가진 함수에 기반할 수 있다. 상기 신경 네트워크는 콘볼루션 신경 네트워크, 완전하게 연결된 신경 네트워크, 또는 그것들의 결합일 수 있다.

606에서, 상기 채널 응답들은 상기 공간 내 복수의 구역들 중 하나의 구역 내에서 모션의 위치를 식별하기 위해 분석된다. 다른 말로 하면, 상기 공간 내 복수의 구역들 중 하나의 구역 내 모션의 위치는 상기 채널 응답들을 분석한 결과들에 기반하여 식별된다. 몇몇 구현들에서, 상기 채널 응답들은 타임 포인트의 시리즈에 걸쳐서 획득되며, 그리고 상기 모션의 위치는 상기 시리즈 내 각자의 타임 포인트들 각각으로부터의 채널 응답들에 의해 공유된 특성에 기반하여 식별된다. 도시된 예에서, 상기 공간 내 복수의 구역들 중 하나의 구역 내 모션의 위치를 식별하기 위해, 상기 채널 응답들 중 하나 이상의 특성을 612에서 식별하며 상기 식별된 특성을 상기 공간 내 다수의 별개 위치들과 연관된 레퍼런스 특성들과 비교한 것에 기반하여 상기 탐지된 모션의 위치를 614에서 식별함으로써, 채널 응답들이 분석된다.

상기 채널 응답 특성(들)은 채널 응답들의 주파수 성분들에 의해 한정된 형상이나 외형을 식별함으로써 식별될 수 있다. 외형의 형상 식별은 커브 피팅 (curve fitting) 기술들을 구현함으로써 또는 예측 추정 기술 (예를 들면, 보간법이나 외삽법)을 구현함으로써 달성될 수 있을 것이다. 예를 들면, 도 4c - 4d를 참조하면, 602에서 획득된 채널 응답들 사이에서 공유된 특성은 채널 응답 (401)의 상기 볼록-포물선 주파수 프로파일로, 채널 응답 (403)의 상기 볼록-점근선 (convex-asymptotic) 주파수 프로파일로, 또는 모션-없음 채널 응답 (460)의 감소하는 주파수 프로파일로 식별될 수 있다. 상기 레퍼런스 특성들은, 예를 들면, 상기 채널 응답 특성들 각각을, 상기 공간 내 복수의 구역들 사이로부터의 한 별개 구역에 연관시키는 모션 탐지 데이터베이스 내 엔트리들을 포함할 수 있다. 오목-포물선 주파수 프로파일이 612에서 식별되면, 새롭게 획득된 채널 응답의 오목-포물선 주파수 프로파일을, 상기 모션 탐지 데이터베이스 내에 저장되며 참조번호 408의 구역, 참조번호 412의 구역이나 상기 공간 (400) 내 다른 구역과 연관된 레퍼런스 특성들과 비교한 것에 기반하여 참조번호 408의 상기 구역은 상기 탐지된 모션의 위치로서 식별될 수 있다.

몇몇 구현들에서, 채널 응답 특성을 식별하고 레퍼런스 특성들과 비교하는 것은 602에서 획득된 채널 응답을 트레이닝된 신경 네트워크로의 입력들로서 제공하는 것을 포함하며, 그리고 상기 탐지된 모션의 위치를 식별하는 것은 상기 신경 네트워크의 출력에 기반한다. 예를 들면, 신경 네트워크는 위에서 설명된 것처럼 태그된 채널 응답들을 사용하여 트레이닝될 수 있다. 트레이닝 이후에, 새롭게 획득된 채널 응답들은 상기 트레이닝된 신경 네트워크로 입력될 수 있으며, 그 신경 네트워크는 상기 공간의 별개 구역과 연관된 식별자를 출력할 수 있다. 상기 신경 네트워크의 그 출력은 트레이닝 프로세스 동안에 결정된 다양한 가중치들을 가진 함수에 기반할 수 있다. 상기 신경 네트워크는 콘볼루션 신경 네트워크, 완전하게 연결된 신경 네트워크, 또는 그것들의 결합일 수 있다. 상기 채널 응답들은 탐지된 모션의 위치를 식별하기 위해 다른 방식으로 분석될 수 있다.

몇몇 구현들에서, 606에서 채널 응답들을 분석하는 것은 612에서 식별된 특성들에서의 변화들을 분석하는 것을 포함할 수 있다. 상기 채널 응답의 식별된 특성들에서 탐지된 변화들은 상기 모션이 변하는 위치들이라는 것을 표시할 수 있다. 시간 흐름에 다라 상기 채널 응답에서의 변화를 분석함으로써, 상기 공간을 통한 물체의 모션이 추적될 수 있다. 예를 들면, 도 4a - 4b에서 보이는 예를 참조하면, 물체 (406)가 참조번호 408의 구역으로부터 참조번호 412의 구역으로 이동하면, 상기 채널 응답은 참조번호 401의 채널 응답에서 보이는 형상으로부터 참조번호 402의 채널 응답에서 보이는 형상으로 느리게 변할 수 있다. 시간 흐름에 따른 상기 채널 응답의 특성들에서의 변화를 분석함으로써, 물체 (406)의 모션은 시간 흐름에 따라 추적될 수 있다.

본 명세서에서 설명된 특허 대상 및 동작들 일부는, 본 명세서에서 개시된 구조들 및 그 구조들의 구조적인 등가, 또는 그것들 하나 이상의 조합들을 포함하는 디지털 전자 회로로, 또는 컴퓨터 소프트웨어, 펌웨어, 또는 하드웨어로 구현될 수 있다. 본 명세서에서 설명된 특허 대상 중 몇몇은, 데이터 프로세싱 장치에 의해 또는 데이터 프로세싱 장치의 동작을 제어하기 위한 실행을 위해 컴퓨터-판독가능 저장 매체 상에 부호화된 하나 이상의 컴퓨터 프로그램들, 즉, 컴퓨터 프로그램 명령어들의 하나 이상의 모듈들로서 구현될 수 있다. 컴퓨터-판독가능 저장 매체는 컴퓨터-판독가능 저장 디바이스, 컴퓨터-판독가능 저장 기판, 랜덤 또는 시리얼 액세스 메모리 어레이나 디바이스, 또는 그것들 하나 이상의 조합들이거나 그 내부에 포함될 수 있다. 또한, 컴퓨터-판독가능 저장 매체가 전파되는 신호는 아니지만, 컴퓨터-판독가능 저장 매체는 인위적으로 생성된 전파 신호 내에 부호화된 컴퓨터 프로그램 명령어들의 소스 또는 목적지일 수 있다. 상기 컴퓨터-판독가능 저장 매체는 하나 이상의 분리된 물리적인 컴포넌트들이나 매체 (예를 들면, 다수의 CD들, 디스크들, 또는 다른 저장 디바이스들)일 수 있으며, 또는 그 내부에 포함될 수 있다. 상기 컴퓨터-판독가능 저장 매체는 다수의 컴퓨터-판독가능 저장 디바이스들을 포함할 수 있다. 상기 컴퓨터-판독가능 저장 디바이스들은 같이 위치할 수 있으며 (명령어들이 단일의 저장 디바이스 내에 저장됨), 또는 상이한 위치들에 위치할 수 있다 (명령어들이 분산된 위치들 내에 저장됨).

본 명세서에서 설명된 동작들 일부는 메모리에 (예를 들면, 하나 이상의 컴퓨터-판독가능 저장 디바이스들 상에) 저장된 또는 다른 소스들로부터 수신된 데이터에 관하여 데이터 프로세싱 장치에 의해 수행된 동작들로서 구현될 수 있다. "데이터 프로세싱 장치"의 용어는, 예로서 프로그래머블 프로세서, 컴퓨터, 시스템 온 칩, 또는 다수의 칩들 또는 전술한 것들의 조합들을 포함하는 데이터 프로세싱을 위한 모든 유형의 장치, 디바이스, 및 머신들을 망라한다. 상기 장치는 특수 목적 로직 회로, 예를 들면, FPGA (field programmable gate array) 또는 ASIC (application specific integrated circuit)을 포함할 수 있다. 상기 장치는 문제의 컴퓨터 프로그램을 위한 실행 환경을 생성하는 코드, 예를 들면, 프로세서 펌웨어, 프로토콜 스택, 데이터베이스 관리 시스템, 운영 시스템, 크로스-플랫폼 런타임 환경, 가상 머신, 또는 그것들 중 하나 이상의 조합들을 포함하는 코드를 또한 하드웨어에 추가하여 또한 포함할 수 있다. 몇몇 예들에서, 상기 데이터 프로세싱 장치는 프로세서들의 세트를 포함한다. 프로세서들의 세트는 같이 배치되거나 (예를 들면, 동일한 컴퓨팅 디바이스 내 다수의 프로세서들) 또는 서로 상이한 장소에 배치될 수 있다 (예를 들면, 분산된 컴퓨팅 디바이스 내 다수의 프로세서들). 상기 데이터 프로세싱 장치에 의해 실행된 데이터를 저장하는 메모리는 상기 데이터 프로세싱 장치와 같이 배치될 수 있으며 (예를 들면, 동일한 컴퓨팅 디바이스의 메모리 내 저장된 명령어들을 실행하는 컴퓨팅 디바이스), 또는 상기 데이터 프로세싱 장치와는 상이한 위치에 배치될 수 있다 (예를 들면, 서버 디바이스 상에 저장된 명령어들을 실행하는 클라이언트 디바이스).

컴퓨터 프로그램 (프로그램, 소프트웨어, 소프트웨어 애플리케이션, 스크립트, 또는 코드로서도 또한 알려짐)은 컴파일되거나 인터프리트된 언어들, 선언성 또는 절차성 언어들을 포함하는 임의 모습의 프로그래밍 언어로 작성될 수 있으며, 그리고 단독의 프로그램으로서 또는 모듈로서, 컴포넌트, 서브루틴, 객체, 또는 컴퓨팅 환경에서 사용하기 적합한 다른 유닛을 포함하는 임의의 모습으로 배치될 수 있다. 컴퓨터 프로그램은 파일 시스템 내 파일에 대응할 수 있지만, 그것이 필요하지는 않다. 프로그램에 전용인 단일의 파일 내에, 또는 다수의 협응된 파일들 (예를 들면, 하나 이상의 모듈들, 서브 프로그램들 또는 코드의 일부들을 저장하는 파일들) 내에 다른 프로그램들이나 데이터 (예를 들면, 마크업 언어 문서 내 저장된 하나 이상의 스크립트들)를 보유하는 파일의 일부에 프로그램이 저장될 수 있다. 컴퓨터 프로그램은 하나의 컴퓨터 상에서 또는 하나의 사이트에 위치하거나 다수의 사이트들에 걸쳐서 분포되어 통신 네트워크에 의해 상호접속된 다수의 컴퓨터들 상에서 실행되도록 배치될 수 있다.

본 명세서에서 설명된 프로세스들 및 로직 흐름들 중 일부는, 입력 데이터에 관하여 동작하고 출력을 생성함으로써 행동들을 수행하기 위해 하나 이상의 컴퓨터 프로그램들을 실행시키는 하나 이상의 프로그래머블 프로세서들에 의해 수행될 수 있다. 상기 프로세스들 및 로직 흐름들은 특수 목적 로직 회로, 예를 들면, FPGA (field programmable gate array) 또는 ASIC (application specific integrated circuit)에 의해 또한 수행될 수 있으며, 그리고 장치는 그 특수 목적 로직 회로로서 또한 구현될 수 있다.

컴퓨터 프로그램 실행을 위해 적합한 프로세서들은 예로서 범용 마이크로프로세서 및 특수 목적 마이크로프로세서 그리고 임의 유형의 디지털 컴퓨터의 프로세서들 모두를 포함한다. 일반적으로, 프로세서는 읽기-전용 메모리 또는 랜덤-액세스 메모리 또는 둘 모두로부터 명령어들 및 데이터를 수신할 것이다. 컴퓨터의 요소들은 명령어들에 따른 행동들을 수행하는 프로세서, 그리고 그 명령어들 및 데이터를 저장하는 하나 이상의 메모리 디바이스들을 포함할 수 있다. 또한 컴퓨터는 데이터를 저장하기 위한 하나 이상의 대용량 저장 디바이스, 예를 들면, 비-자기적 드라이브들 (예컨대, 솔리드-스테이트 드라이브), 자기 디스크, 마그네토 옵티컬 디스크, 또는 광학 디스크를 포함하거나, 또는 그것들로부터 데이터를 수신하거나 데이터를 전송하거나, 또는 둘 모두를 위해 작동적으로 결합될 수 있다. 그러나, 컴퓨터는 그런 디바이스들을 구비할 필요는 없다. 더욱이, 컴퓨터는 다른 디바이스, 예를 들면, 전화기, 태블릿 컴퓨터, 전자 장비, 모바일 오디오나 비디오 플레이어, 게임 콘솔, 글로벌 포지셔닝 시스템 (GPS) 수신기, 사물 인터넷 (Internet-of-Things (IoT)) 디바이스, 머신-대-머신 (machine-to-machine (M2M)) 센서나 작동기, 또는 휴대용 저장 디바이스 (예를 들면, 범용 시리얼 버스 (USB) 플래시 드라이브)에 내장될 수 있다. 컴퓨터 프로그램 명령어들 및 데이터를 저장하기에 적합한 디바이스들은 모두 비-휘발성 메모리, 매체 및 메모리 디바이스들의 모든 모습들을 포함하며, 이는 반도체 메모리 디바이스 (예를 들면, EPROM, EEPROM, 플래시 메모리 디바이스, 및 다른 것들), 자기 디스크 (예를 들면, 내장 하드디스크, 탈착가능 디스크, 및 다른 것들), 마그네토 옵디컬 디스크, 및 CD ROM과 DVD-ROM 디스크를 예로서 포함한다. 몇몇 경우들에서, 상기 프로세서 및 상기 메모리는 특수 목적 로직 회로에 의해 보충되거나 그 내부에 통합될 수 있다.

사용자와의 상호작용을 제공하기 위해, 동작들은 사용자에게 정보를 디스플레이하기 위한 디스플레이 디바이스 (예를 들면, 모니터, 또는 다른 유형의 디스플레이 디바이스) 그리고 사용자가 컴퓨터에 입력을 제공할 수 있는 키보드 및 포지셔닝 디바이스 (예를 들면, 마우스, 트랙볼, 스타일러스, 터치 감지 스크린, 또는 다른 유형의 포인팅 디바이스)를 구비한 컴퓨터에서 구현될 수 있다. 다른 유형의 디바이스들이 사용자와의 상호작용을 제공하기 위해 물론 사용될 수 있다; 예를 들어, 사용자에게 제공될 피드백은 임의 형상의 감각적인 피드백, 예컨대, 시각적인 피드백, 청각적인 피드백, 또는 촉각적인 피드백일 수 있다; 그리고 그 사용자로부터의 입력은 임의 형상으로 수신될 수 있으며, 청각적, 음성, 또는 촉각적인 입력을 포함한다. 추가로, 컴퓨터는 사용자가 사용하는 디바이스에게 문서들을 송신하고 그 디바이스로부터 문서들을 수신함으로써 사용자와 상호작용할 수 있다; 예를 들면, 사용자의 클라이언트 디바이스로부터 수신된 요청들에 응답하여 그 웹 브라우저로 웹 페이지들을 송신함으로써.

컴퓨터 시스템은 단일의 컴퓨팅 디바이스, 또는 근접하게 있거나 또는 보통은 서로에게 원격으로 작동하며 통신 네트워크를 통해 보통 상호 작용하는 다수의 컴퓨터들을 포함할 수 있다. 상기 통신 네트워크는 로컬 영역 네트워크 ("LAN") 및 광역 네트워크 ("WAN"), 인터-네트워크 (예를 들면, 인터넷), 위성 링크를 포함하는 네트워크, 및 피어-투-피어 네트워크 (예를 들면, 애드-혹 피어-투-피어 네트워크) 중 하나 이상을 포함할 수 있다. 클라이언트와 서버와의 관계는 각자의 컴퓨터들 상에서 실행되고 있으며 서로에게 클라이언트-서버 관계를 가지는 컴퓨터 프로그램에 의해 일어날 수 있다.

설명된 상기 예들 중 몇몇의 일반적인 양상에서, 공간 내 별개 구역 내 물체의 모션을, 그 별개 구역 내에서 상기 물체의 모션이 발생할 때에 획득된 채널 응답들에 공유된 특성들과 연관시키기 위해 모션 탐지 시스템이 머신 러닝을 수행한다. 또한, 상기 모션 탐지 시스템은 모션 탐지 베이스 내에 저장된 머신-러닝 연관들에 기반하여 상기 공간 내 별개 구역을 식별하기 위해 RF 모션 로컬화를 수행한다. 각 머신-러닝 연관은 상기 공간 내 별개 구역과 연관된 공유 채널 응답 특성을 포함한다.

제1 예에서, 모션 탐지 방법은 무선 통신 디바이스들 사이에서 공간을 통해 전송된 무선 신호들에 기반하여 채널 응답들을 획득하는 단계를 포함한다. 상기 방법은 상기 채널 응답들에 기반하여 상기 공간 내에서 물체의 모션을 탐지하기 위해 모션 탐지 프로세스를 실행하는 단계를 더 포함한다. 상기 방법은 상기 공간 내 복수의 구역들 중 하나의 구역 내에서 상기 모션의 위치를 식별하기 위해 상기 채널 응답들을 하나 이상의 프로세서들의 동작에 의해 분석하는 단계를 포함한다.

상기 제1 예의 구현들은, 몇몇 경우에, 다음의 특징들 중 하나 이상을 포함할 수 있다. 상기 위치를 식별하기 위해 채널 응답들을 분석하는 단계는 상기 채널 응답들 중 하나 이상의 특성을 식별하는 단계; 및 상기 식별된 특성들을 상기 공간 내 다수의 별개 위치들과 연관된 레퍼런스 특성들과 비교한 것에 기반하여 상기 위치를 식별하는 단계를 포함한다. 상기 채널 응답들 중 하나 이상의 특성을 식별하는 것은 하나 이상의 채널 응답들에 의해 한정된 외형의 형상을 식별하는 것을 포함한다. 상기 레퍼런스 특성들은, 상기 채널 응답들 각각을 상기 공간 내 복수의 구역들 중으로부터의 하나의 별개 구역과 연관시키는 모션 탐지 데이터베이스 내 엔트리들을 포함한다. 상기 특성에서의 변화는 시간 흐름에 따라 식별될 수 있으며 그리고 상기 식별된 위치 내에서의 변화는 하고 시간 흐름에 따른 상기 특성에서의 변화에 기반하여 식별될 수 있다. 상기 탐지된 모션의 위치를 식별하기 위해 채널 응답들을 분석하는 것은 상기 채널 응답들을 신경 네트워크로의 입력으로 제공하는 단계 그리고 상기 탐지된 모션의 위치를 상기 신경 네트워크의 출력에 기반하여 식별하는 단계를 포함할 수 있다.

상기 제1 예의 구현들은, 몇몇 경우에, 다음의 특징들 중 하나 이상을 포함할 수 있다. 상기 채널 응답들은 타임 포인트들의 시리즈와 연관된다. 상기 방법은, 상기 시리즈 내 별개 타임 포인트들과 연관된 채널 응답들에 의해 공유된 특성에 기반하여 상기 모션의 위치를 식별하는 단계를 더 포함한다. 상기 모션 탐지 프로세스는, 별개 타임 포인트들과 연관된 채널 응답들 사이에서, 상기 타임 시리즈에 걸친 변화들에 기반하여 상기 모션을 탐지한다.

상기 제1 예의 구현들은, 몇몇 경우에, 다음의 특징들 중 하나 이상을 포함할 수 있다. 상기 무선 신호들 각각은 제1 무선 통신 디바이스에 의해 전송되어 제2 무선 통신 디바이스에 의해 수신되며, 상기 채널 응답들 각각은 상기 제2 무선 통신 디바이스에 의해 수신된 무선 신호들 각각으로부터 생성된다.

상기 제1 예의 구현들은, 몇몇 경우에, 다음의 특징들 중 하나 이상을 포함할 수 있다. 상기 공간은 빌딩을 포함한다. 상기 공간 내 복수의 구역들 각각은: 상기 빌딩의 층, 상기 빌딩 내 방, 또는 상기 빌딩 내 방들의 세트 중 적어도 하나를 포함한다. 상기 빌딩 내 방들의 세트는 상기 빌딩 전체보다 더 작은 것을 포함한다.

제2 예에서, 모션 탐지 방법은 공간 내 별개 구역 내 물체의 모션과 연관된 채널 응답들을 획득하는 단계를 포함한다. 상기 채널 응답들은 하나 이상의 무선 통신 디바이스들에 의해 상기 공간을 통해 전송된 무선 신호들에 기반한다. 상기 방법은, 하나 이상의 프로세서들의 동작에 의해, 상기 채널 응답들 각각에 의해 공유된 특성을 식별하는 단계를 포함한다. 상기 방법은 모션 탐지 데이터베이스에서 상기 특성을 상기 공간 내 상기 별개 구역과 연관시키는 단계를 포함한다.

상기 제2 예의 구현들은, 몇몇 경우에, 다음의 특징들 중 하나 이상을 포함할 수 있다. 상기 채널 응답들은 제1 채널 응답들이며, 상기 공간 내 상기 별개 구역은 제1 구역이며, 그리고 상기 특성은 제1 특성이다. 상기 방법은 상기 공간 내 제2 별개 구역 내 물체의 모션과 연관된 제2 채널 응답들을 획득하는 단계; 상기 제2 채널 응답들 각각에 의해 공유된 제2 특성을 식별하는 단계; 그리고 상기 모션 탐지 데이터베이스에서 상기 제2 특성을 상기 제2 별개 구역과 연관시키는 단계를 더 포함한다. 상기 채널 응답들 각각에 의해 공유된 특성을 식별하는 것은, 상기 채널 응답들을 신경 네트워크로 입력으로서 제공하며, 그리고 상기 특성을 별개 구역과 연관시키는 것은 입력으로서 제공된 상기 채널 응답들에 기반하여 상기 신경 네트워크를 트레이닝시키는 것을 포함할 수 있다.

상기 제2 예의 구현들은, 몇몇 경우에, 다음의 특징들 중 하나 이상을 포함할 수 있다. 상기 방법은, 상기 특성을 상기 공간의 별개 구역 내 물체의 모션과 연관시킨 이후에, 무선 통신 디바이스들 사이에서 상기 공간을 통해 전송된 무선 신호들에 기반하여 추가 채널 응답들을 획득하는 단계; 그리고 상기 별개 구역 내 모션을 식별하기 위해 상기 모션 탐지 데이터베이스를 사용하는 단계를 더 포함한다. 상기 방법에서, 상기 별개 구역 내 모션을 식별하기 위해 상기 모션 탐지 데이터베이스를 사용하는 단계는 상기 추가 채널 응답들에 기반하여 상기 공간 내 물체의 모션을 탐지하기 위해 모션 탐지 프로세스를 실행하는 단계를 포함한다. 상기 방법에서, 상기 별개 구역 내 모션을 식별하기 위해 상기 모션 탐지 데이터베이스를 사용하는 단계는, 상기 공간 내 복수의 구역들 중 하나의 구역 내에서 상기 모션의 위치를 식별하기 위해 상기 추가 채널 응답들을 하나 이상의 프로세서들의 동작에 의해 분석하는 단계를 포함한다. 상기 공간 내 복수의 구역들 중 하나의 구역 내에서 상기 모션의 위치를 식별하기 위해 상기 추가 채널 응답들을 분석하는 단계는 상기 채널 응답들 중 하나 이상의 특성을 식별하는 단계; 그리고 상기 식별된 특성을 상기 공간 내 다수의 별개 위치들에 연관된 레퍼런스 특성들과 비교한 것에 기반하여 상기 위치를 식별하는 단계를 포함한다. 상기 레퍼런스 특성들은 상기 모션 탐지 데이터베이스 내 엔트리들을 포함한다. 상기 모션 탐지 데이터베이스는 , 상기 채널 응답 특성들 각각을 상기 공간 내 복수의 구역들 중으로부터의 하나의 별개 구역과 연관시킨다.

상기 제2 예의 구현들은, 몇몇 경우에, 다음의 특징들 중 하나 이상을 포함할 수 있다. 상기 공간은 빌딩을 포함한다. 상기 공간 내 복수의 구역들 각각은: 상기 빌딩의 층, 상기 빌딩 내 방, 또는 상기 빌딩 내 방들의 세트 중 적어도 하나를 포함한다. 상기 빌딩 내 방들의 세트는 상기 빌딩 전체 미만을 포함한다.

몇몇 구현들에서, 컴퓨터-판독가능 저장 매체는, 상기 제1 예 또는 상기 제2 예의 하나 이상의 동작들을 수행하기 위해 데이터 프로세싱 장치에 의해 실행될 때에 작동 가능한 명령어들을 저장한다. 몇몇 구현들에서, 시스템 (예를 들면, 무선 통신 디바이스, 컴퓨터 시스템, 그것들의 조합, 또는 상기 무선 통신 디바이스에 통신 가능하게 결합된 다른 유형의 시스템)은 하나 이상의 데이터 프로세싱 장치 및 메모리를 포함하며, 그 메모리는, 상기 제1 예 또는 제2 예의 하나 이상의 동작들을 수행하기 위해 상기 데이터 프로세싱 장치에 의해 실행될 때에 작동 가능한 명령어들을 저장한다.

본 명세서가 많은 상세 내용들을 포함하지만, 그 상세 내용들은 청구될 수 있는 것의 범위에 대한 제한들로 해석되지 않아야 하며, 오히려 특별한 예들에 특정한 특징들에 대한 설명으로서 해석되어야 한다. 분리된 구현들의 맥락에서 본 명세서에서 설명된 특징들은 또한 결합될 수 있다. 반대로, 단일의 구현의 맥락에서 설명된 다양한 특징들은 다수의 실시예들에서 분리하여 또는 어떤 적합한 서브조합으로 또한 구현될 수 있다.

여러 실시예들이 설명되었다. 그럼에도 불구하고, 다양한 수정들이 만들어질 수 있다는 것이 이해될 것이다. 따라서, 다른 실시예들은 다음의 청구항들의 범위 내에 존재한다.

Claims

모션 탐지 방법으로서, 상기 모션 탐지 방법은:
무선 통신 디바이스들 사이에서 공간을 통해 전송된 무선 신호들에 기반하여 채널 응답들을 획득하는 단계;
상기 채널 응답들에 기반하여 상기 공간 내에서 물체의 모션을 탐지하기 위해 모션 탐지 프로세스를 실행하는 단계; 그리고
상기 공간 내 복수의 구역들 중 하나의 구역 내에서 상기 탐지된 모션의 위치를 식별하기 위해 상기 채널 응답들을 하나 이상의 프로세서들의 동작에 의해 분석하는 단계를 포함하는, 방법.
제1항에 있어서,
상기 탐지된 모션의 위치를 식별하기 위해 상기 채널 응답들을 분석하는 단계는:
상기 채널 응답들 중 하나 이상의 특성을 식별하는 단계; 그리고
상기 식별된 특성들을 상기 공간 내 다수의 별개 위치들과 연관된 레퍼런스 특성들과 비교한 것에 기반하여 상기 위치를 식별하는 단계를 포함하는, 방법.
제2항에 있어서,
상기 채널 응답들 중 하나 이상의 특성을 식별하는 단계는 하나 이상의 채널 응답들에 의해 한정된 외형의 형상을 식별하는 단계를 포함하는, 방법.
제2항에 있어서,
상기 레퍼런스 특성들은, 상기 채널 응답들 각각을 상기 공간 내 복수의 구역들 중으로부터의 하나의 별개 구역과 연관시키는 모션 탐지 데이터베이스 내 엔트리들을 포함하는, 방법.
제2항에 있어서,
시간 흐름에 따라 상기 특성에서의 변화를 식별하고 시간 흐름에 따른 상기 특성에서의 변화에 기반하여 상기 식별된 위치 내에서의 변화를 식별하는 단계를 포함하는, 방법.
제1항 내지 제5항 중 어느 한 항에 있어서,
상기 채널 응답들은 타임 포인트들의 시리즈와 연관되며, 그리고
상기 방법은 상기 시리즈 내 별개 타임 포인트들과 연관된 채널 응답들에 의해 공유된 특성에 기반하여 상기 모션의 위치를 식별하는 단계를 포함하는, 방법.
제6항에 있어서,
상기 모션 탐지 프로세스는, 별개 타임 포인트들과 연관된 채널 응답들 사이에서, 상기 타임 시리즈에 걸친 변화들에 기반하여 상기 모션을 탐지하는, 방법.
제1항 내지 제5항 중 어느 한 항에 있어서,
상기 무선 신호들 각각은 제1 무선 통신 디바이스에 의해 전송되어 제2 무선 통신 디바이스에 의해 수신되며, 상기 채널 응답들 각각은 상기 제2 무선 통신 디바이스에 의해 수신된 무선 신호들 각각으로부터 생성되는, 방법.
제1항 내지 제5항 중 어느 한 항에 있어서,
상기 공간은 빌딩을 포함하며, 그리고
상기 공간 내 복수의 구역들 각각은:
상기 빌딩의 층, 상기 빌딩 내 방, 또는 상기 빌딩 내 방들의 세트 중 적어도 하나를 포함하며,
상기 빌딩 내 방들의 세트는 상기 빌딩 전체 미만을 포함하는, 방법.
제1항 내지 제5항 중 어느 한 항에 있어서,
상기 탐지된 모션의 위치를 식별하기 위해 채널 응답들을 분석하는 단계는 상기 채널 응답들을 신경 네트워크로의 입력으로 제공하는 단계 그리고 상기 신경 네트워크의 출력에 기반하여 상기 탐지된 모션의 위치를 식별하는 단계를 포함하는, 방법.
모션 탐지 시스템으로서, 상기 모션 탐지 시스템은:
다수의 무선 통신 디바이스들로서, 각 무선 통신 디바이스는 다른 원격 센서 디바이스들로부터 수신된 무선 신호들의 시리즈에 기반하여 공간 내 물체의 모션을 탐지하도록 구성된, 다수의 무선 통신 디바이스들; 그리고
상기 원격 디바이스들에 통신 가능하게 결합된 데이터 프로세싱 장치를 포함하며, 상기 데이터 프로세싱 장치는:
무선 통신 디바이스들 사이에서 공간을 통해 전송된 무선 신호들에 기반하여 채널 응답들을 획득하고;
상기 채널 응답들에 기반하여 상기 공간 내에서 물체의 모션을 탐지하기 위해 모션 탐지 프로세스를 실행하며; 그리고
상기 공간 내 복수의 구역들 중 하나의 구역 내에서 상기 탐지된 모션의 위치를 식별하기 위해 상기 채널 응답들을 분석하도록 구성된, 시스템.
제11항에 있어서,
상기 데이터 프로세싱 장치는:
상기 채널 응답들 중 하나 이상의 특성을 식별하며; 그리고
상기 식별된 특성들을 상기 공간 내 다수의 별개 위치들과 연관된 레퍼런스 특성들과 비교한 것에 기반하여 상기 위치를 식별함으로써,
상기 위치를 식별하기 위해 상기 채널 응답들을 분석하도록 구성된, 시스템.
제12항에 있어서,
상기 데이터 프로세싱 장치는 하나 이상의 채널 응답들에 의해 한정된 외형의 형상을 식별함으로써 상기 채널 응답들 중 하나 이상의 특성을 식별하도록 구성된, 시스템.
제12항에 있어서,
상기 레퍼런스 특성들은, 상기 채널 응답들 각각을 상기 공간 내 복수의 구역들 중으로부터의 하나의 별개 구역과 연관시키는 모션 탐지 데이터베이스 내 엔트리들을 포함하는, 시스템.
제12항에 있어서,
상기 데이터 프로세싱 장치는, 시간 흐름에 따라 상기 특성에서의 변화를 식별하고 시간 흐름에 따른 상기 특성에서의 변화에 기반하여 상기 식별된 위치 내에서의 변화를 식별하도록 구성된, 시스템.
제11항 내지 제15항 중 어느 한 항에 있어서,
상기 채널 응답들은 타임 포인트들의 시리즈와 연관되며, 그리고
상기 데이터 프로세싱 장치는 상기 시리즈 내 별개 타임 포인트들과 연관된 채널 응답들에 의해 공유된 특성에 기반하여 상기 모션의 위치를 식별하도록 구성된, 시스템.
제16항에 있어서,
상기 모션 탐지 프로세스는, 별개 타임 포인트들과 연관된 채널 응답들 사이에서, 상기 타임 시리즈에 걸친 변화들에 기반하여 상기 모션을 탐지하는 것을 포함하는, 시스템.
제11항 내지 제15항 중 어느 한 항에 있어서,
상기 공간은 빌딩을 포함하며, 그리고
상기 공간 내 복수의 구역들 각각은:
상기 빌딩의 층, 상기 빌딩 내 방, 또는 상기 빌딩 내 방들의 세트 중 적어도 하나를 포함하며,
상기 빌딩 내 방들의 세트는 상기 빌딩 전체 미만을 포함하는, 시스템.
제11항 내지 제15항 중 어느 한 항에 있어서,
상기 데이터 프로세싱 장치는, 상기 채널 응답들을 신경 네트워크로의 입력으로 제공하고 상기 신경 네트워크의 출력에 기반하여 상기 탐지된 모션의 위치를 식별함으로써, 상기 탐지된 모션의 위치를 식별하기 위해 채널 응답들을 분석하도록 구성된, 시스템.
모션 탐지 방법으로서, 상기 모션 탐지 방법은:
공간 내 별개 구역 내 물체의 모션과 연관된 채널 응답들을 획득하는 단계로, 상기 채널 응답들은 하나 이상의 무선 통신 디바이스들에 의해 상기 공간을 통해 전송된 무선 신호들에 기반하는, 획득 단계;
하나 이상의 프로세서들의 동작에 의해, 상기 채널 응답들 각각에 의해 공유된 특성을 식별하는 단계; 그리고
모션 탐지 데이터베이스에서 상기 특성을 상기 공간 내 상기 별개 구역과 연관시키는 단계를 포함하는, 방법.
제20항에 있어서,
상기 채널 응답들은 제1 채널 응답들이며, 상기 공간 내 상기 별개 구역은 제1 구역이며, 상기 특성은 제1 특성이며, 그리고 상기 방법은:
상기 공간 내 제2 별개 구역 내 물체의 모션과 연관된 제2 채널 응답들을 획득하는 단계;
상기 제2 채널 응답들 각각에 의해 공유된 제2 특성을 식별하는 단계; 그리고
상기 모션 탐지 데이터베이스에서 상기 제2 특성을 상기 제2 별개 구역과 연관시키는 단계를 포함하는, 방법.
제20항에 있어서,
상기 특성을 상기 공간의 별개 구역 내 물체의 모션과 연관시킨 이후에:
무선 통신 디바이스들 사이에서 상기 공간을 통해 전송된 무선 신호들에 기반하여 추가 채널 응답들을 획득하는 단계; 그리고
상기 별개 구역 내 모션을 식별하기 위해 상기 모션 탐지 데이터베이스를 사용하는 단계를 더 포함하는, 방법.
제22항에 있어서,
상기 별개 구역 내 모션을 식별하기 위해 상기 모션 탐지 데이터베이스를 사용하는 단계는:
상기 추가 채널 응답들에 기반하여 상기 공간 내 물체의 모션을 탐지하기 위해 모션 탐지 프로세스를 실행하는 단계; 그리고
상기 채널 응답들 중 하나 이상의 특성을 식별하며; 그리고
상기 식별된 특성을 상기 공간 내 다수의 별개 위치들에 연관된 레퍼런스 특성들과 비교한 것에 기반하여 상기 위치를 식별함으로써,
상기 공간 내 복수의 구역들 중 하나의 구역 내에서 상기 모션의 위치를 식별하기 위해 상기 추가 채널 응답들을 분석하는 단계를 포함하며,
상기 레퍼런스 특성들은, 상기 채널 응답 특성들 각각을 상기 공간 내 복수의 구역들 중으로부터의 하나의 별개 구역과 연관시키는 모션 탐지 데이터베이스 내 엔트리들을 포함하는, 방법.
제20항 내지 제23항 중 어느 한 항에 있어서,
상기 공간은 빌딩을 포함하며, 그리고
상기 공간 내 복수의 구역들 각각은:
상기 빌딩의 층, 상기 빌딩 내 방, 또는 상기 빌딩 내 방들의 세트 중 적어도 하나를 포함하며,
상기 빌딩 내 방들의 세트는 상기 빌딩 전체 미만을 포함하는, 방법.
제20항 내지 제23항 중 어느 한 항에 있어서,
상기 채널 응답들 각각에 의해 공유된 특성을 식별하는 단계는 상기 채널 응답들을 신경 네트워크로의 입력으로서 제공하는 단계를 포함하며, 그리고
상기 특성을 입력으로서 별개 구역과 연관시키는 단계는 입력으로서 제공된 상기 채널 응답들에 기반하여 상기 신경 네트워크를 트레이닝시키는 단계를 포함하는, 방법.
모션 탐지 시스템으로서, 상기 모션 탐지 시스템은:
다수의 무선 통신 디바이스들로서, 각 무선 통신 디바이스는 다른 원격 센서 디바이스들로부터 수신된 무선 신호들의 시리즈에 기반하여 공간 내 물체의 모션을 탐지하도록 구성된, 다수의 무선 통신 디바이스들; 그리고
상기 원격 디바이스들에 통신 가능하게 결합된 데이터 프로세싱 장치를 포함하며, 상기 데이터 프로세싱 장치는:
공간 내 별개 구역 내 물체의 모션과 연관된 채널 응답들을 획득하도록 구성되며, 상기 채널 응답들은 하나 이상의 무선 통신 디바이스들에 의해 상기 공간을 통해 전송된 무선 신호들에 기반하며;
상기 채널 응답들 각각에 의해 공유된 특성을 식별하도록 구성되며; 그리고
모션 탐지 데이터베이스에서 상기 특성을 상기 공간 내 상기 별개 구역과 연관시키도록 구성된, 시스템.
제26항에 있어서,
상기 채널 응답들은 제1 채널 응답들이며, 상기 공간 내 상기 별개 구역은 제1 구역이며, 상기 특성은 제1 특성이며, 그리고 상기 방법은:
상기 공간 내 제2 별개 구역 내 물체의 모션과 연관된 제2 채널 응답들을 획득하는 단계;
상기 제2 채널 응답들 각각에 의해 공유된 제2 특성을 식별하는 단계; 그리고
상기 모션 탐지 데이터베이스에서 상기 제2 특성을 상기 제2 별개 구역과 연관시키는 단계를 포함하는, 시스템.
제26항에 있어서,
상기 데이터 프로세싱 장치는, 상기 특성을 상기 공간의 별개 구역 내 물체의 모션과 연관시킨 이후에:
무선 통신 디바이스들 사이에서 상기 공간을 통해 전송된 무선 신호들에 기반하여 추가 채널 응답들을 획득하며; 그리고
상기 별개 구역 내 모션을 식별하기 위해 상기 모션 탐지 데이터베이스를 사용하도록 구성된, 시스템.
제28항에 있어서,
상기 별개 구역 내 모션을 식별하기 위해 상기 모션 탐지 데이터베이스를 사용하는 것은:
상기 추가 채널 응답들에 기반하여 상기 공간 내 물체의 모션을 탐지하기 위해 모션 탐지 프로세스를 실행하는 것; 그리고
상기 채널 응답들 중 하나 이상의 특성을 식별하며; 그리고
상기 식별된 특성을 상기 공간 내 다수의 별개 위치들에 연관된 레퍼런스 특성들과 비교한 것에 기반하여 상기 위치를 식별함으로써,
상기 공간 내 복수의 구역들 중 하나의 구역 내에서 상기 모션의 위치를 식별하기 위해 상기 추가 채널 응답들을 분석하는 것을 포함하며,
상기 레퍼런스 특성들은, 상기 채널 응답 특성들 각각을 상기 공간 내 복수의 구역들 중으로부터의 하나의 별개 구역과 연관시키는 모션 탐지 데이터베이스 내 엔트리들을 포함하는, 시스템.
제26항 내지 제29항 중 어느 한 항에 있어서,
상기 채널 응답들 각각에 의해 공유된 특성을 식별하는 것은 상기 채널 응답들을 신경 네트워크로의 입력으로서 제공하는 것을 포함하며, 그리고
상기 특성을 입력으로서 별개 구역과 연관시키는 것은 입력으로서 제공된 상기 채널 응답들에 기반하여 상기 신경 네트워크를 트레이닝시키는 것을 포함하는, 시스템.