用于使用毫米波雷达传感器的占用检测的系统和方法与流程

本发明一般地涉及用于使用毫米波雷达传感器进行占用检测的系统和方法。

背景技术：

由于低成本半导体技术(诸如硅锗(sige)和精细几何互补金属氧化物半导体(cmos)工艺)的快速发展，近年来在毫米波频域中的应用引起了人们的极大兴趣。高速双极和金属氧化物半导体(mos)晶体管的可用性使得对用于60ghz、77ghz和80ghz以及100ghz以上的毫米波应用的集成电路的需求日益增长。例如，这样的应用包括汽车雷达系统和多吉比特通信系统。

在一些雷达系统中，雷达和目标之间的距离通过发射频率调制信号、接收频率调制信号的反射以及基于频率调制信号的发射和接收之间的时延和/或频率差而确定距离来被确定。因此，一些雷达系统包括发射rf信号的发射天线、接收rf的接收天线以及用于生成发射信号和接收rf信号的相关rf电路。在一些情况下，可以使用多个天线来使用相位阵列技术来实现定向波束。具有多个芯片集的mimo配置可用于执行相干和非相干信号处理。

技术实现要素：

根据优选实施例，一种用于存在检测的方法包括：执行第一扫描，包括使用毫米波雷达传感器扫描第一区域以产生第一集合的雷达数据；基于第一集合的雷达数据识别第一集合的目标；执行第二扫描，包括使用毫米波雷达传感器扫描第一区域的与第一集合的目标相对应的部分，并且对第一区域的所述部分执行微多普勒(micro-doppler)测量；以及基于微多普勒测量来确定第一集合的目标中的哪些目标满足第一集合的标准。

附图说明

为了更全面地理解本发明及其优点，现在参考结合附图的以下描述，附图中：

图1a示出了一个示例性占用检测系统；图1b示出了显示如何通过示例性占用检测系统对对象进行分类的示例的表格；

图2a示出了示例性毫米波雷达传感器的框图，以及图2b和图2c示出了示例性毫米波雷达传感器电路的平面图；

图3a示出了示例性占用检测方法；以及图3b示出了显示如何通过示例性占用检测方法对对象进行分类的示例的表格；

图4a、图4b和图4c示出了根据本发明实施例的发射的线性调频波(chirp)的序列的帧图；

图5a、图5b和图5c示出了示例性占用检测方法的流程图；以及

图6示出了可用于实现示例性占用检测系统的各部分的处理系统的框图。

除非另有说明，否则不同附图中的相应数字和符号通常表示对应的部分。绘制这些附图以清楚地示出优选实施例的相关方面，而不一定按比例绘制。为了更清楚地说明特定实施例，表示相同结构、材料或处理步骤的变化的字母可跟随附图号。

具体实施方式

下面详细讨论当前优选实施例的制造和使用。然而，应当理解，本发明提供了许多可应用的发明概念，这些概念可以在各种特定上下文中具体化。所讨论的具体实施例仅是制造和使用本发明的具体方法，并不限制本发明的范围。

将参照特定上下文(使用毫米波雷达传感器进行占用检测的系统和方法)中的优选实施例来描述本发明。本发明还可应用于执行检测一个或多个对象的存在的其他基于rf的系统和应用。

在本发明的实施例中，基于毫米波的传感器用于通过从雷达测量中提取诸如心率和呼吸等生命体征来检测区域中的人的存在。如果所检测的对象被确定为显示与典型人类的心率和呼吸一致的运动，则所检测的对象被占用检测系统分类为人。在操作期间，毫米波雷达传感器首先使用宏多普勒(macro-doppler)技术执行粗略测量，以确定移动和非移动对象的存在。(在一些实施例中，使用宏多普勒技术对非生命运动进行分类。)接下来，毫米波雷达系统使用微多普勒技术对检测到的对象执行一系列更具针对性的测量，以确定这些检测到的对象是否显示出人类预期范围内的心率和呼吸。基于这些测量，一个示例性系统可以检测被测区域内的人的数量。此外，示例性系统可以使用毫米波测量来对检测到的对象的身份进行分类。示例性雷达信号处理技术还可用于将人与诸如动物、机器人、机械等其他移动对象区分开。

例如，示例性占用检测系统的优点包括：在黑暗和较差照明条件下检测人和对象的存在的能力以及以计算有效的方式执行基于雷达的占用检测。

图1a示出了基于雷达的占用系统100的框图。如图所示，基于雷达的占用系统100包括毫米波雷达传感器102和处理器104，处理器104控制毫米波雷达传感器102的操作并且对由毫米波雷达传感器102产生的数据执行各种雷达信号处理操作。在操作期间，毫米波雷达传感器102发射毫米波rf信号，这些信号被存在于区域110内的各种对象112、114、116和120反射。这些接收的rf信号被转换为数字表示，并且被处理器104进行处理，以确定例如区域110内人的数量以及/或者识别区域110内的对象112、114、116和120的运动或分类。该处理的结果产生各种数据(由信号data表示)，其指示区域110内的各种对象112、114、116和120的存在和分类。

如图所示，为了说明的目的，区域110内的对象被表示为家具112、风扇114、静态人116和移动人120。应当理解，在本发明的各个实施例中，其他对象类型可被基于雷达的实施例占用系统检测。例如，示例性基于雷达的占用检测系统可以用于检测特定区域内的动物、机器人、机械和其他对象的存在和计数。区域110表示毫米波雷达传感器102的视场内的任何有限区域，并且可以表示例如会议室、办公室、汽车、商店、公共区域、私人区域或对象的存在被检测的任何其他物理区域。

在一些实施例中，使用两步处理来检测和识别区域110内的对象112、114、116和120。在第一步骤中，执行粗略识别，检测每个对象112、114、116和120的位置和运动。在该粗略识别处理期间，每个对象112、114、116和120在离散距离波门(rangegate)内被解析。虽然为了说明的目的在图1a中显示了四个距离波门，但是应当理解，根据特定实施例及其规则，可以使用任意数量的距离波门。除了在距离波门内定位每个对象之外，基于雷达的占用系统还对由毫米波雷达传感器102产生的雷达数据进行宏多普勒分析，以确定每个对象的运动。在利用调频连续波(fmcw)雷达传感器的实施例中，可以通过获取由毫米波雷达传感器102产生的基带雷达信号的范围fft来找到距离波门内的每个对象112、114、116和120的位置，并且例如通过进行进一步的fft来确定各个对象的运动，以使用本领域已知的多普勒分析技术确定每个对象的速度。在毫米波雷达传感器102包括接收天线阵列的实施例中，还可以使用进一步的fft来确定每个对象112、114、116和120相对于毫米波雷达传感器102的方位。在所示示例中，家具112在距离波门1中被识别为静态对象，风扇114在距离波门2中被识别为移动对象，静态人116在距离波门3中被识别为静态对象，以及移动人120在距离波门4中被识别为移动对象。

在第二步骤中，微多普勒技术用于检测每个对象112、114、116和120的小运动。这些检测到的小运动被分析，以确定这些运动是否指示人的心率和呼吸。在第二步骤中，毫米波雷达传感器102进行更具体地指向每个对象112、114、116和120的一系列雷达测量。例如，在毫米波雷达传感器102包括发射天线阵列的实施例中，这些定向测量通过使用相位阵列雷达技术控制由毫米波雷达传感器102产生的雷达波束来执行。基于在第二步骤期间进行的这些更有针对性的雷达测量，处理器104确定每个对象112、114、116和120是否经历与人体生命体征(诸如心率和呼吸)一致的小运动。在所示示例中，家具112在距离波门1中被识别为静态对象，风扇114在距离波门2中被识别为移动对象，静态人116在距离波门3中被识别为静态对象，以及移动人120在距离波门4中被识别为移动对象。

图1b示出了一个表格，该表格显示示例性基于毫米波的雷达占用检测系统如何对图1a所示的对象112、114、116和120进行分类的概况。如图所示，家具112不被识别为移动对象并且不显示出类似人的生命体征；风扇114被识别为移动对象，但不显示出由毫米波雷达传感器102测量的类似人的生命体征；以及移动人120经由宏多普勒分类器被识别为人对象，意味着移动人120的运动显示出类似人的运动。静态人116不被识别为移动对象，但表现出类似人的生命体征。

图2a示出了可用于在各种公开的实施例中实施毫米波雷达传感器电路的毫米波雷达传感器系统200的框图。毫米波雷达传感器系统200包括毫米波雷达传感器电路202和处理电路204。例如，示例性毫米波雷达传感器电路可以使用测量对象112、114、116和120的位置和相对速度的二维毫米波相位阵列雷达来实现。毫米波相位阵列雷达在20ghz到122ghz的范围内发射和接收信号。可替换地，也可以使用在该范围之外的频率。在一些实施例中，毫米波雷达传感器电路202操作为具有多个发射和接收信道的调频连续波(fmcw)雷达传感器。可替换地，可以使用诸如脉冲雷达、mcfw和nlfm的其他类型的雷达系统来实现毫米波雷达传感器电路202。

毫米波雷达传感器电路202发射和接收用于检测对象112、114、116和120在三维空间中的存在和运动的无线电信号。例如，毫米波雷达传感器电路202发射入射rf信号201并接收rf信号203，rf信号203是入射rf信号从对象112、114、116和120中的一个或多个的反射。接收到的反射rf信号203被毫米波雷达传感器电路202下变频以确定拍频信号。这些拍频信号可用于确定对象112、114、116和120在三维空间中的诸如位置、速度、角度等信息。在fmcw雷达的具体示例中，拍频与毫米波雷达传感器电路202和被感测对象之间的距离成比例。

在各种实施例中，毫米波雷达传感器电路202被配置为经由发射天线212朝向对象112、114、116和120发射入射rf信号201，并且经由接收天线214从对象112、114、116和120接收反射rf信号203。毫米波雷达传感器电路202包括耦合至发射天线212的发射器前端电路208以及耦合至接收天线214的接收器前端电路210。

在操作期间，发射器前端电路208可以根据操作阶段使用波束成形来同时或单独地朝向对象112、114、116和120发射rf信号。虽然图2a示出了两个发射器前端电路208，但是应当理解，毫米波雷达传感器电路202可以包括大于两个的发射器前端电路208。因此，在各种实施例中，发射器的数量可以扩展到n×m。每个发射器前端电路208都包括被配置为产生入射rf信号的电路。例如，这种电路可以包括rf振荡器、上变频混频器、rf放大器、可变增益放大器、滤波器、变压器、功率分配器和其他类型的电路。

接收器前端电路210接收和处理来自对象112、114、116和120的反射rf信号。如图2a所示，接收器前端电路210被配置为耦合至四个接收天线214，这四个接收天线214例如可被配置作为2×2天线阵列。在替代实施例中，接收器前端电路210可被配置为耦合至大于或小于四个的天线，其中所得到的天线阵列具有取决于特定实施例及其规则的各种n×m尺寸。例如，接收器前端电路210可以包括rf振荡器、上变频混频器、rf放大器、可变增益放大器、滤波器、变压器、功率合成器和其他类型的电路。

雷达电路206向发射器前端电路208提供将被发射的信号，从接收器前端电路210接收信号，并且可以被配置为控制毫米波雷达传感器电路202的操作。在一些实施例中，雷达电路206包括但不限于频率合成电路、上变频和下变频电路、可变增益放大器、模数转换器、数模转换器、用于基带信号的数字信号处理电路、偏置生成电路和电压调节器。

雷达电路206可从处理电路204接收基带雷达信号，并且基于所接收的基带信号来控制rf振荡器的频率。在一些实施例中，该接收到的基带信号可以表示将被发射的fmcw频率芯片。雷达电路206可以通过将与所接收的基带信号成比例的信号施加到锁相环的频率控制输入来调整rf振荡器的频率。可替换地，从处理电路204接收的基带信号可以使用一个或多个混频器来被上变频。雷达电路206可以经由数字总线(例如，usb总线)发射并数字化基带信号，经由模拟信号路径发射和接收模拟信号，以及/或者向/从处理电路204发射和/或接收模拟和数字信号的组合。

处理电路204获取由雷达电路206提供的基带信号，并将获取的基带信号格式化以传输至示例性信号处理单元。例如，这些获取的基带信号可以表示拍频。在一些实施例中，处理电路204包括总线接口(未示出)，用于将数据传送至占用检测系统内的其他部件。可选地，处理电路204还可以执行由示例性占用检测系统使用的信号处理步骤，诸如快速傅立叶变换(fft)、短时傅立叶变换(stft)、宏多普勒分析、微多普勒分析、生命体征分析、对象分类、机器学习等。除了处理所获取的基带信号之外，处理电路204还可以控制毫米波雷达传感器电路202的多个方面，诸如控制由毫米波雷达传感器电路202产生的传输。

毫米波雷达传感器系统200的各个部件可以以各种方式进行划分。例如，毫米波雷达传感器电路202可以在一个或多个rf集成电路(rfic)上实现，天线212和214可以设置在电路板上，并且处理电路204可以使用设置在一个或多个集成电路/半导体衬底上的处理器、微处理器、数字信号处理器和/或定制逻辑电路来实现。处理电路204可以包括处理器，其执行存储在非暂态计算机可读存储介质(诸如存储器)中的可执行程序中的指令，以执行处理电路204的功能。然而，在一些实施例中，处理电路204的全部或部分功能可以被合并在毫米波雷达传感器电路202被设置的相同集成电路/半导体衬底上。

在一些实施例中，毫米波雷达传感器电路202的部分或全部部分可以在包含发射天线212、接收天线214、发射器前端电路208、接收器前端电路210和/或雷达电路206的封装中实现。在一些实施例中，毫米波雷达传感器电路202可被实现为设置在电路板上的一个或多个集成电路，并且发射天线212和接收天线214可被实现在与集成电路相邻的电路板上。在一些实施例中，发射器前端电路208、接收器前端电路210和雷达电路206形成在同一雷达前端集成电路(ic)管芯上。发射天线212和接收天线214可以是雷达前端ic管芯的一部分，或者可以实现为设置在雷达前端ic管芯之上或邻近雷达前端ic管芯的独立天线。雷达前端ic管芯还可以包括导电层，诸如再分布层(rdl)，用于路由和/或用于实现毫米波雷达传感器电路202的各种无源或有源器件。在一个实施例中，发射天线212和接收天线214可以使用雷达前端ic管芯的rdl来实现。

图2b示出了可用于实现毫米波雷达传感器电路202的毫米波雷达传感器电路220的平面图。如图所示，毫米波雷达传感器电路220被实现为耦合至发射天线212的rfic224，并且接收天线214被实现为设置在衬底222上或内的贴片天线。在一些实施例中，衬底222可以使用电路板实现，毫米波雷达传感器电路202设置在该电路板上，并且发射天线212和接收天线214使用电路板的导电层实现在该电路板上。可替换地，衬底222表示晶圆衬底，一个或多个rdl设置在晶圆衬底上，并且发射天线212和接收天线214使用一个或多个rdl上的导电层实现在晶圆衬底上。

图2c示出了毫米波雷达传感器电路232的平面图，其包括耦合至衬底236上设置的rfic234的发射天线212的阵列和接收天线214的阵列。在各种实施例中，发射天线212可以形成m个天线的阵列，而接收天线214可以形成n个天线的阵列。m个发射天线212中的每一个都耦合至rfic234上的对应引脚，并且耦合至rfic234内的对应发射电路；并且n个接收天线214中的每一个都耦合至rfic234上的对应引脚，并且耦合至rfic234内的对应接收电路。在各种实施例中，发射天线212的阵列和接收天线214的阵列可实现为任何尺寸的均匀阵列或线性阵列。应当理解，图2b和图2c的实施方式仅仅是可以实现示例性毫米波雷达传感器电路的许多方式中的两个示例。

图3a示出了用于检测占用的方法300的框图。在步骤302中，执行粗略目标选择，其中使用毫米波雷达传感器(诸如分别如图1a、图2a、图2b和图2c所示的毫米波雷达传感器102、202、220和232)来识别第一集合的目标。在利用fmcw雷达的各种实施例中，基带雷达系统进行fft，并且在各种距离波门内识别对象。在一些实施例中，在多个相邻距离波门内检测到的对象被聚集在一起，以帮助防止单个对象被计为多个对象。在一些实施例(诸如使用多个接收天线的那些实施例)中，执行附加的fft来解决跨方位和范围的检测到的对象。在粗略目标选择步骤302期间，可以通过毫米波雷达传感器发送和接收多个线性调频波。

在步骤304中，使用本领域已知的宏多普勒滤波技术对用于执行粗略目标选择的雷达数据进行宏多普勒滤波。在一些实施例中，可以采取在慢时间上范围fft的二维fft，以确定每个检测到的对象的速度。可替换地，每个对象的速度可以通过其他波形技术来被确定，包括但不限于三角线性调频波和交错脉冲重复时间(prt)。

在步骤306中，执行微多普勒感测，其中附加的、更具针对性的雷达测量被执行以检测来自在粗略目标选择阶段302中检测到的各种对象的生命信号，诸如脉搏和心率。使用多个天线的发射波束成形可用于基于在粗略目标选择阶段302中作出的方位确定开将雷达测量引导至识别的目标。

在步骤308中，基于宏多普勒滤波的结果，对识别的目标进行分类以便确定检测到的对象的身份。在一些实施例中，宏多普勒滤波的结果被输入机器学习算法，诸如但不限于随机森林算法、自适应增强(adaboost)算法和/或神经网络算法，以便识别被检测对象的类型。类似地，除了宏多普勒数据之外，在微多普勒感测阶段306中确定的生命信号也可以被输入机器学习算法，以区分和识别诸如移动人的对象和诸如机器人和动物的其他对象。

图3b示出了一个表格，该表格示出如何将图3a所示的方法300的每个步骤的输出考虑到关于图1a所示的对象112、114、116和120是否被识别为人的判定中。关于家具112，粗略目标检测步骤302识别家具112的位置，宏多普勒滤波步骤304确定家具112不移动，以及微多普勒感测阶段306确定家具112不显示任何生命信号。因此，分类器阶段308确定家具112是非人类。关于风扇114，粗略目标检测步骤302识别风扇114的位置，以及宏多普勒滤波步骤304表征风扇114的运动。基于宏多普勒滤波步骤304的输出，分类器阶段308确定风扇114是非人类，并且不执行微多普勒分析。在替换实施例中，可以对风扇114执行微多普勒分析。

关于静态人116，粗略目标检测步骤302识别静态人116的位置，以及宏多普勒滤波步骤304将静态人116表征为不移动，以及微多普勒感测阶段306确定静态人116显示出人类的预期范围内的生命信号。因此，分类器阶段308确定静态人类116是人类。

关于移动人120，粗略目标检测步骤302识别运动人体的位置，以及宏多普勒滤波步骤304表征移动人的运动。基于宏多普勒滤波步骤304的输出，分类器阶段308确定移动人实际上是人类，并且不进行或不分析微多普勒分析。在替代实施例中，也可以对移动人120执行微多普勒分析。

图4a示出了帧图400，其示出了根据本发明实施例的发射的线性调频波的序列。如图所示，每个示例性检测循环都包括检测各个对象的存在的粗略目标选择帧以及对检测到的对象执行微多普勒检测的m个存在检测帧。粗略目标选择帧可以在第一扫描402期间出现，并且存在检测帧可以在第二扫描404期间出现。在一些实施例中，m个存在检测帧中的每一个对应于不同的检测到的对象。在m个存在检测帧中的每一个中，波束成形被用于将rf波束导向被检测的对象。在替代实施例中，在检测到的对象的数量与存在检测帧的数量之间可能不存在一对一的对应关系。例如，当在执行粗略目标选择时识别非人对象以及/或者当在存在检测阶段期间单个rf波束内可见一个检测到的对象时，可能出现这种情况。

粗略目标选择帧包括n1个线性调频波，其中根据所示实施例，n1可以在16到n的值的范围内。在一些实施例中，n是2的幂，以便适应在雷达数据的处理中适用fft的使用。n2是存在检测帧期间使用的线性调频波的数目。可以根据在粗略目标选择阶段识别的对象/目标的数量来适应性地选择线性调频波的数量n2。在一些实施例中，线性调频波的数量n2取决于在粗略目标选择帧中识别的潜在目标的数量。在替代实施例中，存在检测帧仅被定向/波束成形到仅一个潜在目标，并且后续帧被定向/波束成形到在粗略目标选择帧中识别的其他潜在目标，这如图4b所示，其显示了示出发送的线性调频波的序列的帧图430。帧图430类似于图4a所示的帧图400，除了在第二扫描404期间发生的每个存在检测帧在存在检测帧期间维持相同的波束成形配置bf1-bfn，而不是在存在检测期间改变。

图4a和图4b所示的帧结构基于时间复用，但是这种帧结构可以扩展到空间复用域，如图4c所示，其示出了帧图450。在一些实施例中，存在检测系统包括mimo雷达传感器阵列和相控阵列雷达传感器。mimo用于执行粗略目标选择，而相控阵列雷达传感器用于执行如上所述的存在检测。通过使用独立的mimo和相控阵列雷达传感器，可以同时执行粗略目标选择和存在检测。如图所示，由mimo雷达传感器阵列执行的粗略目标选择帧452与由相控阵列雷达传感器执行的存在检测帧456同时发生。类似地，由mimo雷达传感器阵列执行的粗略目标选择帧454与由相控阵列雷达传感器执行的存在检测帧458同时发生。

图4c示出了帧图430，其示出根据本发明另一实施例的发射的线性调频波的序列。如图所示，在从存在检测帧458开始的后续存在检测帧期间，进一步分析在选择帧452期间识别的目标。应当理解，图4a、图4b和图4c所示的帧图400、430和450仅仅是如何可组织示例性存在检测帧的几个示例。

图5a、图5b和图5c示出了可被本文公开的占用检测系统的各个实施例使用的示例性占用检测方法的流程图。图5a覆盖了在粗略选择处理500以及自适应发射波束成形518直到来自波束成形的雷达数据520的产生期间执行的步骤；图5b覆盖了存在检测处理，其中基于来自波束成形的雷达数据520来检测人的数量；以及图5c示出了示例性分类方法。

转到图5a，粗略目标选择处理500以第一扫描501开始，包括一系列的粗略目标选择测量。在一个实施例中，通过毫米波雷达传感器(诸如分别如图1a、图2a、图2b和图2c所示的毫米波雷达传感器102、202、220和232)发送和接收一系列的线性调频波。这些雷达测量(可包括基带拍频)被数字化并且存储为雷达数据502。

在步骤504中，执行信号调节和范围预处理。在步骤504期间，对雷达数据502进行滤波，去除dc分量，以及清除if数据。在一些实施例中，if数据通滤波波来被清除，以去除tx-rx自干扰，并且可选地对干扰有色噪声进行预滤波。在一些实施例中，滤波包括去除数据离群值，这些数据离群值与其他相邻的距离波门测量值显著不同。在具体示例中，在每个距离波门处向滑动窗应用hampel滤波器来去除这些离群值。可替换地，可以使用本领域已知的用于范围预处理的其他滤波。

在步骤506中，对步骤504产生的滤波雷达数据进行范围fft。在一个实施例中，具有线性调频波长度(例如，256个样本)的带窗fft可针对由第一扫描产生的数据沿每个波形来被计算，或者可针对与在步骤501期间执行的第一扫描的一部分相对应的数据来被计算。范围fft的每个点表示毫米波传感器与检测到的对象之间的距离，并且对应于距离波门。在一些实施例中，对接收天线阵列中的每个接收天线产生的雷达数据执行范围fft。

在步骤508中，将范围fft步骤506产生的数据重新布置在虚拟阵列中。这里，使用本领域已知的方法将多个接收器数据缝合在一起以用于提高角分辨率。在步骤510，使用本领域已知的高阶波束成形和超分辨率技术来对步骤508中产生的虚拟阵列数据执行方位fft。在各种实施例中，范围fft提供关于检测到的对象相对于毫米波雷达传感器的位置的角度位置的指示。在替代实施例中，除了用于步骤506和步骤510的范围和方位fft的fft之外，可以使用其他变换类型，诸如离散傅立叶变换(dft)或其他变换类型(诸如z变换)。

在步骤512中，实施距离波门选择策略，以便确定哪些距离波门表示检测到的对象。在一些实施例中，平均值大于其视场中的所有其他距离波门的平均值的距离波门被选为潜在的目标距离波门。在各种实施例中，距离波门选择策略还确定检测到的目标相对于毫米波雷达传感器的角度或方位以及它们与毫米波雷达传感器的范围或距离。一旦确定哪些距离波门代表检测到的对象，就产生包括每个检测到的对象的范围和方位的粗略目标列表514。

在步骤516中，对粗略目标列表514中的检测到的对象执行聚类。当使用高分辨率雷达(诸如示例性毫米波雷达传感器)时，可以将单个人类目标分解成多个范围。将这些多个范围成组在一起，聚类相邻或最近的邻居范围。检测到的距离波门/方位的这种聚类有助于防止单个目标成为多个目标的解决方案。

在步骤518中，执行第二扫描，其中针对从粗略目标列表514导出的检测到的(和聚类的)对象进行一系列扫描。在第二扫描期间，执行自适应发射波束成形/空间滤波，以将波束指向在粗略目标选择步骤500期间识别的目标的方向。例如，可以通过经由多个发射天线来发射不同相位的发射信号来实现波束形成。在一些实施例中，波束成形可以利用离散长椭球序列(dpss)方法或本领域已知的其他波束成形方法。在一些实施例中，执行一系列扫描或存在检测帧，以便执行每个检测到的对象的定向测量。通过使用波束成形，可以进行目标的隔离测量，并且可以减少来自相邻噪声源的干扰。在步骤518期间所产生的雷达测量值被存储为来自波束成形的雷达数据520。

继续图5b，其示出了存在检测处理的方法，在步骤522期间对来自波束成形的雷达数据520执行范围信息预处理。范围预处理可以包括以类似于上述步骤504的方式去除具有与其他相邻距离波门测量值显著不同的值的数据离群值。例如，可以在每个距离波门处利用滑动窗口施加hampel滤波器来去除这些离群值。可替换地，可以使用本领域已知的用于范围预处理的其他滤波。

在步骤524中，对来自波束成形的预处理雷达数据520执行环境变化滤波。在一个实施例中，使用基于阈值的方法，以通过检查距离波门的移动方差的短时能量来确定距离波门窗口测量的片段是否包含大的身体移动/环境变化。该方差能量可以在一些实施例中根据经验计算。落在由距离波门的移动方差的短时能量建立的阈值以下的距离波门测量被认为是静态对象的代表，而落在该阈值以上的距离波门测量被认为是移动对象或环境变化的代表。在一些实施例中，对被确定为移动对象的对象的先前测量生命测量值被读出，以考虑由于大移动而引起的干扰和生命数据的可能的不可靠性。可以针对每个存在检测帧执行单独的环境变化滤波步骤。在一些实施例中，在步骤524期间对来自波束成形的雷达数据520执行附加范围fft和方位fft，以便确定更新的距离波门和目标的方向。

在步骤526中，基于步骤524中的环境变化滤波，确定是否针对特定测量对象检测到主要的身体或环境变化。如果检测到主要的身体或环境的变化，则使用例如机器学习算法(诸如但不限于随机森林算法、自适应增强(adaboost)算法和/或神经网络算法)对存在检测帧执行宏多普勒签名分类操作528。如果宏多普勒数据的特征与人类的特征相匹配，则在步骤530中增加分析区域中的人数。

如果没有检测到主要的身体或环境变化，则执行微多普勒提取/滤波分析：呼吸微多普勒滤波分析532和心率微多普勒滤波分析550。在一个实施例中，采用两个固定的、校准的低带宽滤波器来从所选距离波门提取心跳信号和呼吸信号。与静态无生命目标(诸如椅子、电视等)相关联的雷达数据在经过这些滤波器之后不产生生命信号，而与人类目标相关联的雷达数据在通过这些实施例滤波器之后产生生命信号。因此，这些滤波器的输出可用于确定与检测到的目标相关联的雷达数据是否与人类对应。在呼吸微多普勒滤波分析532期间，在步骤534、536、538、540、542和544中，从来自波束成形的雷达数据520中提取与呼吸相对应的运动。在步骤534中，执行呼吸循环微多普勒滤波。例如，来自特定/识别的目标距离波门的慢时间雷达信号被馈入带通滤波器以确定呼吸速率。例如，可以使用以0.4hz为中心、带宽为0.5hz的带通滤波器。可替换地，可以使用其他中心频率和带宽。

在步骤536中，例如使用savitzky-golay滤波器对微多普勒滤波步骤534的输出进行滤波以平滑数据。在步骤538中，例如通过执行平滑滤波器步骤536的输出的自相关以确定滤波的微多普勒结果的周期性，来估计呼吸周期的估计值。将该自相关的结果与表示标称呼吸速率的参考信号564进行比较。在一些实施例中，参考是参考呼吸信号。可替换地，可以使用其他参考。在步骤540中，将估计的呼吸周期与阈值或多个阈值进行比较。如果估计的呼吸周期不在与正常人呼吸相对应的预定范围(例如，在大约12次呼吸每分钟和大约35次呼吸每分钟之间)内，则确定目标不是人，并且检测到的人的数量不增加(步骤568)。如果确定的呼吸在预定范围内，则在步骤542中，使用目标范围聚类信息570和本领域已知的移动平均算法，将得到的估计与近期测量一起平均。

根据范围聚类信息，所有相应的范围盒被馈送到呼吸速率滤波器中，以分析它们是否具有呼吸速率信号。在各种实施例中，移动平均表示大约一秒到两秒的滤波呼吸测量。可替换地，移动平均可以在其他时间段上执行。基于步骤542产生的移动平均的结果，在步骤544中执行精细的呼吸循环。在精细呼吸速率估计循环中，积累更多的慢时间数据以获得呼吸速率的更精细估计。可替换地，可以使用fft方法确定呼吸速率。例如，对慢时间滤波的呼吸数据执行加窗口(hanning或kaiser窗口)化后的fft。如果存在大量的呼吸频率分量，则粗略检测阶段应用阈值，并且精细检测阶段将最大频率分量作为估计的呼吸速率。如果粗略阈值检测不具有与期望阈值交叉的呼吸频率分量，则可以跳过精细检测估计阶段。

在心率微多普勒滤波分析550期间，在步骤552、554、556、558、560和562中，以与呼吸循环微多普勒滤波分析532类似的方式，从来自波束成形的雷达数据520中提取与心率相对应的运动。在步骤552中，执行心率微多普勒滤波。例如，来自特定/识别的目标距离波门的慢时间雷达信号被馈送到带通滤波器中以确定心率。在步骤554中，例如使用低通滤波器对微多普勒滤波步骤552的输出进行滤波，以平滑数据。在步骤556中，例如通过执行平滑滤波器步骤554的输出的自相关以确定滤波的微多普勒结果的周期性，来估计心率的估计值。将这种自相关的结果与表示心率的参考信号572进行比较。在一些实施例中，参考是标准fda认可的60次/分钟的呼吸信号。在步骤558中，将估计的心率与阈值或多个阈值进行比较。如果估计的呼吸循环不在与正常心率相对应的预定范围(例如，在大约每分钟50次跳动和大约每分钟200次跳动之间)内，则确定目标不是人，并且检测到的人的数量不增加(步骤574)。如果确定的心率在预定范围内，则在步骤560中，使用目标范围聚类信息576和本领域已知的移动平均算法，将得到的估计值与近来的测量值一起平均。

根据范围聚类信息，所有相应的范围盒被馈送到心率滤波器中，以分析它们是否具有心率信号。在各种实施例中，移动平均数表示大约一秒到两秒的滤波心率测量。可替换地，移动平均可以在其他时间段上执行。基于步骤560产生的移动平均的结果，在步骤562中执行精细的心率检测。在心率估计循环中，积累更多的慢时间数据以获得心率的更精细估计。可替换地，可以使用fft方法确定心率。例如，对慢时间滤波的心率数据执行加窗口(hanning或kaiser窗口)化后的fft。如果存在大量的心率频率分量，则粗略检测阶段应用阈值，并且精细检测阶段将最大频率分量作为估计的心率。如果粗略阈值检测不具有与期望阈值交叉的心率频率分量，则可以跳过精细检测估计阶段。

如果呼吸循环微多普勒滤波分析532和心率微多普勒滤波分析550确定各自的估计的呼吸循环和心率测量都在预定范围内，则在步骤578中增加检测到的人数。可替换地，如果确定呼吸循环和心率中的至少一个在人的范围内，则增加检测到的人数。

图5c示出了可用于对检测到的目标进行分类的示例性分类方法的流程图。更具体地，方法580是基于主要身体变化对检测到的目标进行分类的方法，并且方法590是基于检测到的生命信号对检测到的目标进行分类的方法。

在方法580的步骤582中，确定是否检测到主要的身体变化。如果是，则在步骤584中执行宏多普勒提取，并且执行分类算法，例如但不限于随机森林算法、自适应增强(adaboost)算法和/或神经网络算法，以在步骤586中确定检测到的对象的识别。可基于其检测到的运动而检测的移动对象的实例包括但不限于生物、摆动或摇摆对象，诸如椅子或移动灯具、家用电器和其他机械。方法580可用于实现图5b所示的步骤526和528。

在呼吸循环微多普勒滤波器和心率循环微多普勒滤波器的输出处执行方法590。两个滤波器输出可以一起用作针对微多普勒分类器的特征向量。在替换实施例中，单个较宽带宽的微多普勒滤波器(呼吸速率滤波器和心率滤波器的超级集合)可用于输入到微多普勒分类器中。在方法590的步骤592中，检测生命信号。这种检测可以使用上面关于图5b描述的呼吸微多普勒滤波分析532和心率微多普勒滤波分析550来完成。如果在步骤592中检测到生命信号，则在步骤594中执行宏多普勒提取，并且执行分类算法596，例如但不限于随机森林算法、自适应增强(adaboost)算法和/或神经网络算法，以确定检测到的对象的识别。可以通过分类算法596检测的对象的示例包括但不限于生物(诸如人和动物)或者非人(诸如机器人)。

现在参考图6，提供了根据本发明实施例的处理系统600的框图。处理系统600示出了通用平台以及可用于实现示例性占用检测系统的部分和/或与示例性占用检测系统交互的外部计算机或处理设备的一般部件和功能。例如，处理系统600可以包括连接至总线608的被配置为执行上述处理的中央处理单元(cpu)602、存储器604以及大容量存储设备606。如果期望或需要，处理系统600可以进一步包括：视频适配器610，用以提供与本地显示器612的连接性；以及输入输出(i/o)适配器614，用以提供用于一个或多个输入/输出设备616(诸如鼠标、键盘、打印机、带驱动、cd驱动器等)的输入/输出接口。

处理系统600还包括网络接口618，其可以使用被配置为耦合至用于与网络620通信的有线链路(诸如以太网电缆、usb接口等)和/或无线/蜂窝链路的网络适配器来实现。网络接口618还可以包括用于无线通信的适当的接收器和发射器。应该注意，处理系统600可以包括其他部件。例如，处理系统600可以包括电源、电缆、母板、可移除存储介质、外壳等。虽然未示出，但这些其他部件被认为是处理系统600的一部分。

这里总结了本发明的示例性实施例。其他实施例也可以从说明书和权利要求的整体中理解。

示例1：一种用于存在检测的方法，包括：执行第一扫描，所述第一扫描包括使用毫米波雷达传感器扫描第一区域以产生第一集合的雷达数据；基于第一集合的雷达数据识别第一集合的目标；执行第二扫描，第二扫描包括使用毫米波雷达传感器扫描第一区域的与第一集合的目标相对应的部分，并且对第一区域的该部分执行微多普勒测量；从微多普勒测量中检测第一集合的目标中的目标的生命信号；以及基于检测到的生命信号，确定第一集合的目标中的哪些目标满足第一集合的标准。

示例2：根据示例1的方法，其中执行第一扫描进一步包括对第一集合的目标执行宏多普勒测量。

示例3：根据示例1或2之一的方法，其中生命信号包括心率和呼吸。

示例4：根据示例3的方法，其中确定第一集合的目标中的哪些目标满足第一集合的标准包括：基于检测到的生命信号确定第一集合的目标中的哪些目标是人。

示例5：根据示例4的方法，进一步包括：基于检测到的生命信号确定检测到的人的数量。

示例6：根据示例4或5之一的方法，其中基于检测到的生命信号确定第一集合的目标中的哪些目标是人包括：确定每个目标的心率和呼吸是否在预定范围内。

示例7：根据示例1至6之一的方法，其中识别第一集合的目标包括：识别具有的平均值大于所有其他距离波门的平均值的距离波门，以形成识别的距离波门的集合。

示例8：根据示例7的方法，其中识别第一集合的目标包括：将相邻的识别的距离波门聚类成单个识别的目标。

示例9：根据示例1至8之一的方法，其中执行第二扫描包括：使用发射波束成形以将毫米波雷达传感器的雷达波束指向第一区域的与第一集合的目标相对应的部分。

示例10：一种系统，包括处理系统，处理系统被配置为耦合至毫米波雷达传感器，处理系统被配置为：指示毫米波雷达传感器执行第一扫描，第一扫描包括使用毫米波雷达传感器扫描第一区域以产生第一集合的雷达数据；基于第一集合的雷达数据识别第一集合的目标；指示毫米波雷达传感器执行第二扫描，第二扫描包括使用毫米波雷达传感器扫描第一区域的与第一集合的目标相对应的部分，并且对第一区域的该部分执行微多普勒测量；从微多普勒测量中检测第一集合的目标的生命信号；以及基于检测到的生命信号确定第一集合的目标中的哪些目标满足第一集合的标准。

示例11：根据示例10的系统，进一步包括毫米波雷达传感器。

示例12：根据示例10和11之一的系统，其中毫米波雷达传感器包括：多个接收天线，耦合至对应的多个rf接收电路；以及多个发射天线，耦合至对应的多个rf发射电路。

示例13：根据示例12的系统，其中在第二扫描期间，处理系统进一步被配置为指示毫米波雷达传感器使用多个发射天线将雷达波束指向第一区域的与第一集合的目标相对应的部分。

示例14：根据示例10至13中的一个的系统，其中多个接收天线和多个发射天线被布置为满足预定的视场和方位-高度分辨率规范。

示例15：根据示例10至14之一的系统，其中处理系统进一步被配置为对第一集合的目标执行宏多普勒测量，以确定第一集合的目标中的哪些目标正在移动。

示例16：根据示例10至15之一的系统，其中检测到的生命信号包括心率和呼吸。

示例17：根据示例16的系统，其中处理系统进一步被配置为通过基于检测到的生命信号确定第一集合的目标中的哪些目标是人，来确定第一集合的目标中的哪些目标满足第一集合的标准。

示例18：根据示例17的系统，其中处理系统进一步被配置为基于检测到的生命信号确定检测到的人的数量。

示例19：根据示例17或18之一的系统，其中处理系统进一步被配置为对第一集合的目标执行宏多普勒测量；并且确定第一集合的目标中的哪些目标是人进一步包括：向宏多普勒测量应用分类算法。

示例20：根据示例17至19之一的系统，其中处理系统被配置为基于检测到的生命信号通过确定每个目标的心率和呼吸是否在预定范围内来确定第一集合的目标中的哪些目标是人。

示例21：根据示例10至20之一的系统，其中处理系统被配置为通过识别具有的平均数大于所有其他距离波门的平均数的距离波门以形成识别的距离波门的集合，来识别第一集合的目标。

示例22：根据示例21的系统，其中处理系统被配置为通过将相邻的识别的距离波门聚类为单个识别的目标来识别第一集合的目标。

示例23：一种非暂态计算机可读存储介质，其上存储有可执行程序，可执行程序包括指令，该指令用以：指示毫米波雷达传感器执行第一扫描，第一扫描包括使用毫米波雷达传感器扫描第一区域以产生第一集合的雷达数据；基于第一集合的雷达数据识别第一集合的目标；指示毫米波雷达传感器执行第二扫描，第二扫描包括使用毫米波雷达传感器扫描第一区域的与第一集合的目标相对应的部分，并且对第一区域的该部分执行微多普勒测量；以及基于微多普勒测量确定第一集合的目标中的哪些目标是人。

示例24：根据示例23的非暂态计算机可读存储介质，其中可执行程序进一步包括指令，该指令用以：从微多普勒测量中检测第一集合的目标中的目标的生命信号；检测到的生命信号包括心率和呼吸；以及确定第一集合的目标中的哪些目标是人包括：确定每个目标的心率和呼吸是否在预定范围内。

示例25：根据示例23或24之一的非暂态计算机可读存储介质，其中可执行程序进一步被配置为指示毫米波雷达传感器在第二扫描期间使用多个发射天线将雷达波束指向第一区域的与第一集合的目标相对应的部分。

虽然已经参照说明性实施例描述了本发明，但这种描述并非意在限制性地解释。在参考说明书的基础上，本领域技术人员将明白说明性实施例的各种修改和组合以及本发明的其他实施例。因此，所附权利要求包含任何这样的修改或实施例。