用于检测运动检测系统中的新运动区的离线调整系统的制作方法

用于检测运动检测系统中的新运动区的离线调整系统
1.相关申请的交叉引用
2.本技术要求于2019年3月21日提交的标题为“用于检测运动检测系统中的新运动区的离线调整系统”的美国专利申请16/360,250的优先权，该申请的公开内容通过引用并入本文。


背景技术：

3.以下描述涉及运动检测。
4.运动检测系统已经用于检测例如房间或室外区域中的对象的移动。在一些示例运动检测系统中，红外或光学传感器用于检测该传感器视场中的对象的移动。运动检测系统已经用于安全系统、自动控制系统和其它类型的系统。
附图说明
5.图1是示出示例离线调整系统的框图。
6.图2是示出子载波的示例时间序列的图。
7.图3是示出用于识别新活动区的示例自适应模型的图。
8.图4是示出更新自适应模型中的超参数的示例的图。
9.图5是示出链路数据的示例聚合(aggregation)的图。
10.图6是示出用于识别新运动区的流程图的图。
11.图7是示出示例外部传感器装置的框图。
12.图8示出使用示例离线训练系统所进行的实际实验的输出。
具体实施方式
13.在所描述的一些方面中，识别运动检测系统的新运动区。运动区是空间中可以检测到运动并且与空间中的某个位置相关联的区域。区可以是空间中的特定房间或者房间或区域的组合。空间可以是例如房屋、企业或其它类型的建筑物。运动检测系统最初可以被训练成将检测到的运动与某些运动区相关联，这些运动区有时由用户进行系统的监督训练来确定。例如，当运动检测系统安装在空间(例如，房屋或企业)中时，可以针对该特定空间来训练该系统。例如，用户可以被指示在进行某些移动时走过该空间中的某些区域(例如，运动区)。这种类型的训练被称为监督训练。在监督训练期间，运动检测系统记录来自各个运动区的运动的读数。在一些情况下，用户为各个运动区(例如，厨房、起居室、卧室等)提供相应的标记。然而，监督训练对用户而言可能是耗时且乏味的，并且用户可能不愿意对系统进行显式训练。要求用户在不同区中行走、并且例如经由移动应用来标记各个区是繁琐的处理，并且易于发生用户错误。此外，可能要求用户例如当空间被重新组织时进行监督定期再训练，或者调整到更新的运动算法。在一些情况下，期望对系统定期训练，以自动识别新的或改变的运动区，从而需要最小的用户参与。
14.在一些实例中，本文所描述的系统和技术可以提供一个或多个优点。例如，可以改
localization in a wireless mesh network based on motion indicator values,”)的美国专利10,109,167、标题为“基于信道响应特性的运动定位”(“motion localization based on channel response characteristics,”)的美国专利10,109,168。
19.在一些情况下，离线调整系统110自动对运动检测系统120进行定期再训练，以捕获空间的环境改变(例如，家具的移动、吊扇的安装/移除、改造(remodel)等)，这些环境改变导致家庭中的多路径环境的改变。再训练还可以用于考虑由运动检测系统120所利用的检测、定位和机器学习算法的改进。在这些情况下，离线调整处理可以在不需要用户出于训练目的的主动参与的情况下实现。
20.在实现中，离线调整处理还自动识别空间中的新运动区。例如，离线调整环境可以识别并分割可以与空间中的运动检测系统120正在操作的各种区相关联的运动活动。
21.在一些实例中，每当校准事件运行时(例如，每晚)，离线调整系统110从运动检测系统120获取观察信道数据130并且确定运动区的划定。如图1所示，离线调整系统110从运动检测系统120接收实际的观察数据130。离线调整系统110离线处理所接收到的数据，即，与运动检测系统120处理数据以检测运动分开。可以按一定间隔(诸如每天、每几天或仅周末等)定期地接收和处理信道数据130。在一些情况下，该间隔可以是可由用户配置的。例如，当系统最初安装时，系统的离线调整可以每天进行。一段时间之后，可以调整该间隔以使得不太规则地进行离线调整，例如，每周、每两周、每月等。在一些实例中，离线调整系统110接收正在发生最小运动的时间期间(例如，午夜与上午3点之间)的数据。在一些实例中，当离线调整系统110识别接收数据130的某部分中的活动时，处理数据130。
22.起初，运动检测系统120可能仅能够将运动定位到安装节点附近。例如，用于运动检测的各个节点可以被实现为无线通信装置(例如，射频(rf)装置)，该无线通信装置可以承载用于运动检测的软件栈。在一些实例中，无线通信装置是运动检测系统120的一部分。最初，系统可用并且用户已知的区的数量受到运动检测系统120中的节点的数量的限制。在示例中，在安装时，可以安装两个节点，例如，一个节点在厨房中以及另一节点在起居室中。离线调整系统110进行操作以提取(pull)由运动检测系统120捕获的信道数据130，通过分析该数据来识别多个运动区，并且根据该数据来识别附加运动区。在一些实例中，附加区改进运动检测和运动的定位的准确性。
23.在一些实例中，离线调整系统110以半监督模式操作，以从用户引出人类辅助和输入，从而准确地命名新识别到的区。然而，用户不需要进行监督训练处理来识别新区域。例如，在一些实例中，离线调整系统110离线地识别区段及其发生时间，并且仅当识别出配置的改变或新的未标记区时才涉及用户。通过独立于用户进行处理，系统随时间进行迭代，从而每次改进运动检测系统120的定量性能(其是指导出信息的准确性)和定性性能(其是指提供给用户的信息的相关性，例如运动的位置)。
24.在一些实例中，通过经由用户装置140(例如，智能电话、个人数字助理、个人计算机、膝上型计算机或其它装置)上的运动检测应用的用户接口来发送消息150以提示用户进行反馈。在一些实例中，该消息提醒用户在一天中的某个时间在未标记区中检测到了运动，并且进一步询问用户是否对给予该未标记区名称(诸如“前缘走廊”、“装饰”等)感兴趣。在一些情况下，用户在命名新识别区时的偶尔、反复的参与意味着：当启动运动检测系统120时，不需要用户方面的显式训练。相反，系统可以简单地随部署时间的经过而缓慢地改进。
25.在一些实现中，离线调整系统110对新运动区的划定可以用作输入，以进一步训练运动检测系统120的机器学习系统160。例如，机器学习系统160可以使用新运动区和其它现有运动区来训练运动检测系统，以区分不同运动区(包括新运动区)中和不同运动区之间发生的运动，并将运动定位到空间中的运动区其中之一。在一些实例中，机器学习系统160提供用于将信道响应数据的瞬时(或接近瞬时，例如在短时间窗口上的)观察映射到区标识(包括由离线调整系统110识别的新区)的模型，使得运动检测系统将能够实时检测用户活动。在一些实现中，机器学习模型作为监督处理来操作，在该监督处理中，显式地向该模型提供必须与观察信道响应数据相匹配的区标识。可以使得区标识符可从离线调整系统110获得，离线调整系统110连同半监督人类干预一起可以确定数据集中的实际区及其占用间隔。
26.在一些实例中，可以基于离线调整系统110的结果在云中进行附加处理，以使得新区可用于运动检测系统120和用户装置140。例如，一旦使用监督数据集来训练机器学习模型，就可以将模型输出提供给作为机器学习模型160的前向部分来操作的分类器。在一些实例中，该分类器是基于观察信道数据来创建实际区类别的处理，而机器学习模型具有反馈回路以训练该分类器的参数。在一些实例中，一旦分类器完成，就可以(例如，在晚上或在其它时间)作为嵌入式系统服务更新传输150至用户装置140，从而使得运动检测预测可以即刻对用户可用。在一些实例中，分类器可以继续作为云服务运行，从而向用户通知活动具有比在装置上运行的延迟稍高的延迟。
27.在一些实例中，当离线调整系统110识别新运动区时，运动检测系统120被更新，使得运动检测系统120可以识别该新运动区中的对象的运动或存在。例如，离线调整系统110可以提供分布参数或如下的其它类型的数据，运动检测系统120能够使用该其它类型的数据来基于由运动检测系统收集的无线信号识别在新运动区中发生的运动。作为另一示例，离线调整系统110可以提供运动区标记或者允许运动检测系统120向其它系统提供有意义的输出的其它类型的信息。例如，运动区标记可以用于向用户、安全系统、电源管理系统或其它实体通知：运动正发生在由运动检测系统120正在监测的家庭(或其它空间)中的何处。
28.在一些实现中，离线调整系统110或机器学习系统160(或这两者)作为支持许多不同位置中的运动检测系统120的托管服务来操作。换言之，离线调整系统110和机器学习系统160没有必要一定专用于任意个体运动检测系统120。代替地，离线调整系统110和机器学习系统160可以从多个不同的系统和用户接收输入数据，并将输出数据提供给多个不同的系统和用户。
29.图2是示出子载波的示例时间序列的图。该示例示出可以从运动检测系统120接收、并通过离线调整系统110解释的观察数据130的类型。例如，运动检测系统120可以在运动检测处理期间收集信道响应数据210。在一些情况下，信道响应数据210横跨若干子载波(如x轴所示)。这里，信道响应数据210示出在频率范围(水平轴)上的无线信号的幅度(垂直轴)的快照；图中所示的频率范围包括多个子载波，其中各个子载波表示无线信号的不同频率分量。在所示的示例中，离线调整系统从总信道响应中选择子载波215用于分析。图2中的示例图示出在运动检测系统120所提供的观察时间上的所选子载波的时间序列220。在示出时间序列220的图中，水平轴示出采样时间线(以每0.1秒一个样本的速率进行采样)；并且垂直轴示出在各个采样时间点针对所选子载波的信道响应数据的幅度。信道响应值通常是
复值，并且在时间序列220中示出这些复值的幅度。
30.在图2所示的示例中，离线调整系统110识别时间序列220中的由信号中的扰动指示运动活动的某些区段230。用可以由与特有活动区相对应的统计参数表征的特有分布(例如，由平均值μ和标准偏差σ表征的高斯分布)来标记时间序列的各个所识别的区段230。在该示例中，时间序列220取自运动检测系统120所获得的示例信道响应数据130，其中用户正在空间的不同运动区中行走。如所示出的，时间序列220示出家庭(或其它空间)中的不同空间区具有不同时间签名(time signature)和大小分布(例如，μ1、σ1 230a，μ2、σ2 230b、μ3、σ3 230c)，这里被称为区分布，并且这些空间区各自表示特有活动区。在一些实例中，通过使用区分布信息，离线调整系统110可以生成具有可以学习其参数的特有分布的区的模型，然后使用该模型在时间序列中检测那些区。在图2中，与特有活动区相对应的各个区分布230a、230b、230c由高斯分布的参数(平均值μ和标准偏差σ)表示。然而，例如基于数据或模型的分析，可以使用其它类型的分布和适当的参数，并且可以是任意分布。不管应用的分布如何，图2都示出各个区中的活动映射到特性分布230，并且离线调整系统110可以学习该分布以得知何时某个运动区中的活动正在发生。
31.图3是示出由离线调整系统用于识别新运动区的示例自适应模型300的图。自适应模型300可以由接收由运动检测系统所生成的数据的计算机系统来执行。例如，自适应模型300可以由图1所示的离线调整系统110或由其它类型的计算机系统来执行。
32.在一些实例中，离线调整系统将对在一天的过程期间从运动检测系统收集到的观察信道响应数据310进行操作(例如，如图1所示)。在实现中，离线调整系统包括以某种方式为种子的随机生成器，以生成时间序列，该时间序列模拟来自针对特定子载波所收集到的数据的时间序列。在该示例中，最初假设仅存在两个运动区z1、z2。由模型300生成的运动区z的初始数量可以是在空间中安装和初始化运动检测系统期间所设置的区的数量。例如，运动检测系统可以包括放置在家庭的不同区域中的两个节点，并且各个节点最初表示运动区。在一些情况下，使运动局限于与运动区相关联的节点。在一些实例中，自适应模型300允许在没有附加设备的情况下检测附加运动区。
33.模型化的运动区z1、z2各自与表示分布的特性时刻的超参数h1、h2相关联。在实现中，随机生成器针对特定运动区z1、z2生成表示运动区中的活动的相应模型分布d1、d2(由其表示特有分布的相应超参数h1、h2给出)。在一些实例中，模型300应用表示时间坐标的另一随机变量tau。在一些情况下，tau是包括多个时间值的时间矢量。在一些实现中，tau用于确定运动区之间的切换时间。切换时间是当运动被确定为正在两个运动区之间转变时的时间点。例如，行走的用户可能离开一个运动区并进入另一个运动区。时间矢量tau指示整个时间序列中的当在运动区之间(例如，从z2到z1)来回发生切换时的时间点。
34.在示例模型300中，模型化的分布d1和d2这两者以及tau都作为输入被馈送到开关330中。开关330的输出由tau控制。例如，该开关基于tau的值和标识而使分布d1或d2流过该开关。在一些实例中，当分布d1、d2之一基于tau的值被路由到开关330的输出时，该输出分布是在该tau的时间段内被观察到活跃的分布，即，模型化的数据在tau所指定的时间段匹配分布d1或d2。在一些实例中，在tau所指示的时间的活跃分布指示与该活跃分布相关联的移动。在一些实现中，由开关330产生的输出分布表示作为输入馈送到monte carlo(蒙特卡罗)引擎380的估计信道响应数据。如图所示，monte carlo引擎380还在一整天内被供应有
来自运动检测系统120正在操作的运动检测环境(例如，家庭(或其它空间))的观察信道响应数据310。在一些情况下，monte carlo引擎380处理观察数据和估计数据，并且适配随机模型的参数，使得所生成的随机数据与观察数据一致到可接受的程度。例如，该数据可以被适配成在梯度下降的方向上移动以使误差最小化。在一些情况下，如果可以通过适配使估计数据与观察数据一致，则离线调整系统可以确定为用于对数据建模的不同分布(例如，d1、d2)的参数在统计上是准确的。在一些实现中，monte carlo引擎380在评估观察数据时连续地适配各个分布的参数、调整参数、重新生成数据、测量与观察数据的类似度，并且重复该过程。
35.当monte carlo引擎380示出收敛特性时(诸如当所估计的参数(例如，h1、h2)从一次迭代到下一次迭代保持稳定时等)，离线调整系统可以停止该模型并且检查新运动区的分布。在一些情况下，tau的检查可以示出哪些时刻最有可能触发了从一个分布到不同分布(例如，另一运动区)的改变。例如，使用tau值以及各个tau之间的特有分布，离线调整系统可以确定移动对象移位到不同运动区的实例。在一些情况下，使用各个活动区的分布，离线调整系统可以确定两个活动区有多么不同。例如，如果活动区充分分开(例如，它们的特性分布彼此充分不同)，则可以识别具有特定分布的新运动区。在一些实例中，离线调整系统可以提示用户(例如，通过经由用户装置的界面提供通知)在特有运动区中检测到移动，并询问用户是否想要标记该区以获得更好的位置和运动跟踪准确性。
36.图4是示出用于更新图3所示的自适应模型300中的超参数的示例处理400的框图。处理400可以例如通过执行图3所示的自适应模型300的计算机系统来执行。在该示例处理400中，示出可以由monte carlo引擎380调整的随机模型的所有成分。例如，示出包括n个运动区z(例如，z1、z2、z3)的分支420。运动区的数量n是超参数，这意味着运动区的数量n不是固定的并且可以在检测到新运动区时被适配。因此，运动区的数量n是可以由monte carlo引擎380调整的随机变量。在一些实例中，这允许monte carlo引擎380灵活地适配模型中的独立运动区的数量，并且还允许monte carlo引擎380在例如用户更新家庭(或其它空间)的配置和布置时定义更新的运动区。在一些实例中，每当在家庭中发生更新时，用于检测运动和运动的位置的瞬时定位器算法的性能可能以降低的准确性操作，直到自适应模型300在离线调整处理(例如，定期(例如，每天)更新处理)期间运行为止。此时，可以识别新运动区并且可以提示用户确认运动区。
37.在一些实例中，一个或多个随机区生成器440(随机区生成器各自表示一个或多个运动区)用于以不同的分布d为种子，各个分布与附加至其的一些超参数h相关联。在一些实现中，作为种子的分布生成来自各个生成器440的输出的随机样本。这些随机样本开始产生估计信道响应数据。开关330使用tau来确定输出分布，如图3所述。在实现中，最终将估计信道响应数据与实际信道响应数据(例如，观察信道响应数据310)进行比较。如图4所示，这两组数据用作输入以通过monte carlo引擎380训练自适应模型300。monte carlo引擎380的输出提供运动区的有效数量n、各个运动区的特有分布(例如，μ
n
、σ
n
)以及与转变到该特定运动区发生的时间相关联的切换时间tau。在一些情况下，来自monte carlo引擎380的数据输出490被反馈到随机生成器，从而以随机分布数据的生成为种子。如上所述，重复该自适应模型，直到在特定迭代之后模型化的数据利用实际观察信道响应数据410收敛。
38.图5是示出聚合链路数据的示例处理500的图。在一些实例中，图3和4所述的自适
应模型300可以针对信道响应数据(例如，图2中的信道响应数据210)的各个子载波(例如，图2中的子载波215)运行。在一些情况下，各个子载波215表示信号中的单个频率如何在振幅和相位上受到例如由空间中的人类运动或其它类型的运动引起的信道改变的影响。在一些实现中，在许多子载波上计算信道响应数据210。例如，在wifi 802.11a标准中，频谱的各个20mhz部分包括52个有效子载波，这些子载波可以全部用于计算信道响应数据。这些子载波可以各自被分别输入到monte carlo引擎380中并由monte carlo引擎380模型化，monte carlo引擎380随后基于各个单独的子载波来创建不同的区分布d和转变时间估计tau。
39.在一些实现中，在mimo系统中操作的各个收发器具有许多不同的传输/接收路径，各个发射器/接收器(tx/rx)对可以被称为mimo系统中的链路。在mimo系统中，mimo系统中的各个发射天线和各个接收天线计算针对该链路在整个子载波范围上的信道响应。在一些实例中，由于可以在monte carlo模拟中利用来自各个tx/rx对的子载波，因此许多monte carlo模拟可以并行启动。例如，可以基于tx/rx对的链路内的各个子载波来运行monte carlo模拟，并且这些模拟可以各自输出对区转变时间的估计。在一些实现中，各个子载波以及在一些实例中各个链路的输出的聚合可以用于形成对例如两个不同运动区之间的最终转变时间的决策。
40.图5中的示例处理500示出用于提高转变时间的检测准确性和可靠性的聚类机制。例如，在一些实例中，monte carlo模拟将针对各个不同链路的每个子载波生成tau栅格510。这在图5中被示出为方形的级联，其中x轴表示区转变估计tau(例如，推断出区转变的情况下的时间轴上的尖峰)，并且各个单独的方形表示mimo系统的单独的tx/rx链路上的信道估计。在图示中，针对各个链路的tau栅格510的3d结构被折叠成2d形状520，其中tau(或时间)维度保持相同，但是针对子载波和链路的数据已经被扁平化。换言之，链路内的所有子载波的tau估计被收集并与另一链路中的所有子载波的tau估计对齐，直到所有链路用尽为止。在一些情况下，该聚合处理产生数据以允许跨子载波和跨链路的投票类型。例如，参考图520，从底部开始且向上，观察到第一转变估计530由两个子载波(来自所有链路的所有子载波)用信号通知。在该第一转变中，收集两个投票，在该示例中，这两个投票由具有较大直径的圆540表示。类似地，分别地，下一转变估计532仅由单个子载波用信号通知，且后续转变估计534由3个子载波用信号通知，转变估计536由一个子载波用信号通知，且转变估计538由四个子载波用信号通知。这些转变估计各自基于用信号通知转变的子载波的数量而得到不同权重的圆，例如542、544、546、548。在一些实例中，基于(由图5中的圆540、542、544、546、548的直径表示的)权重，离线调整系统从数据挑选k个转变。在一些实现中，系统挑选加权最重的k个转变点(例如，具有最多投票的转变点)，并且这些转变点将用于通知运动区转变和新运动区。
41.图8示出来自使用上述离线训练系统的示例实现而进行的实际实验的示例输出800。该示例输出800根据图5所述的处理而生成。如图810所示，垂直轴对应于由monte carlo引擎(例如，monte carlo引擎380)所确定的估计时间拆分(split)(例如，由tau指示)。水平轴表示生成估计信道响应数据的各个子载波频率。各个子载波的时间序列(例如，如图2所示的子载波215的时间序列220)被输入到(例如，在图3所示的自适应模型300中的)monte carlo模拟，monte carlo模拟基于子载波的聚合变化来估计转变点。一旦已经处理了所有子载波，来自各个子载波的估计转变时间(图2中的“估计时间拆分”)就被一起收集
并且通过1维聚类算法，由此(例如，如图5中所描述的那样)扁平化针对多个子载波和多个链路的数据。在该示例中，聚类算法收集沿着tau轴的所有点并且找到最大的聚类，并且该最大的聚类之后被认为是区之间的有效转变点。图820示出来自数据中的子载波之一的信道响应。连同信道响应数据一起，图820中的水平实线表示由用户标记的区位置，并且垂直虚线示出由离线调整系统发现的区转变实例。在该示例中，这些结果示出人为标记的转变点(其中水平实线逐步增加以指示新区位置)和机器标记的转变点(由垂直虚线表示)符合高准确性。
42.图6是示出用于识别新运动区的流程图的图。流程图所示的方法600可以由离线调整系统(例如，图1中的离线调整系统110)或另一类型的计算机系统进行。在一些情况下，图6中所示的操作中的一个或多个操作被实现为包括多个操作、子处理或其它类型的例程的处理。在一些情况下，操作可以被组合、按另一顺序进行、并行进行、迭代或者以其它方式重复或以其它方式进行。
43.示例方法600可以作为自适应模型(例如，图3至图4中所描述的自适应模型)的一部分来进行。在实现中，在610处，从运动检测系统获得观察信道响应数据(例如，图2中所描述的信道响应数据210)。观察信道响应数据是基于在空间(例如，如图1所示的运动检测系统120正在操作的家庭)中的多个无线链路上传输的无线信号。观察信道响应数据可以与一段时间上的各个无线链路的多个子载波相关联。在620处，针对观察信道响应数据中的各个活动区(例如，分布230a、230b、230c)生成针对各个无线链路的多个子载波中的各个子载波(例如，图2中所描述的子载波220)的估计信道响应数据。
44.在一些实例中，活动区与观察信道响应数据的时间序列中的具有特定分布(例如，图2中所描述的区分布230a、230b、230c)的区段相对应。在一些情况下，针对观察信道响应数据中的各个活动区生成针对各个无线链路的多个子载波中的各个子载波的估计信道响应数据包括：基于活动区的分布(例如，由μ1，σ1、μ2，σ2、μ3，σ3等定义的分布)以及与活动区的分布的特性相对应的超参数(例如，图3中的超参数h1，h2)来针对各个活动区生成针对各个无线链路的多个子载波中的各个子载波(例如，图2中的各个子载波220)的随机数据(例如，图3中的分布d1和d2)。在一些实例中，活动区的数量是超参数(例如，图4中所描述的n个区)。
45.在630处，在针对无线链路的多个子载波中的各个子载波的估计信道响应数据中的活动区之间识别转变(例如，如图3至图4中的模型中所描述的tau)。在一些实例中，时间矢量包括在针对各个无线链路的多个子载波中的各个子载波的估计信道响应数据中的活动区之间所识别的转变以及各个转变的时间。
46.在640处，基于针对各个活动区的估计信道响应数据和所识别的转变来检测运动检测系统的新运动区。在一些情况下，检测运动检测系统中的新运动区包括：分析针对各个活动区所生成的随机数据(例如，图3中的d1、d2等)以及在各个活动区之间所识别的转变(例如，图3至图4中的tau)。在一些实例中，(例如，通过如图3所描述的基于tau的开关330)确定给定时间段的活跃分布。然后，(例如，通过图3中的monte carlo引擎350)可以调整各个分布的超参数，并且使用调整后的超参数重新生成随机数据(如图4中所描述来适配模型)。
47.在方法600的一些实例中，确定随机数据是否与观察信道响应数据相关。响应于确
定为随机数据与观察信道响应数据相关，离线调整系统可以针对各个无线链路的多个子载波中的各个子载波来聚合所识别的转变，并且确定为所识别的转变其中至少之一指示新运动区(例如，如图5所述)。在确定为随机数据不与观察信道响应数据相关的实例中，可以(例如，通过图4中所描述的monte carlo引擎)来适配各个分布的超参数，并且然后可以使用调整后的超参数来重新生成随机数据(例如，随机生成器生成针对各个运动区z的分布数据d)，直到该随机数据与观察信道响应数据相关为止(如在图4中的模型中所描述的那样)。
48.在方法600的一些实现中，向运动检测系统的用户提供指示新运动区的通知。响应于该通知，从用户接收新运动区的确认或新运动区的拒绝。在示例中，新运动区的确认包括由用户提供的针对新运动区的标记。在一些实例中，新运动区的位置不与运动检测系统的特定节点的位置相关联。
49.图7是示出示例离线调整装置700的框图。离线调整装置700可以被配置为如图1中所描述的离线调整系统110。如图7所示，示例装置700包括接口730、处理器710、存储器720以及电源单元740。在一些实现中，离线调整装置的接口730、处理器710、存储器720、以及电源单元740一起容纳在共用壳体或其它组装件中。在一些实现中，离线调整装置的一个或多个组件可以单独地容纳在例如单独的壳体或其它组装件中。
50.示例接口730可以通信(接收、传输、或这两者)例如来自运动检测系统120的信号。例如，接口730可以被配置为无线地接收数据，例如，根据无线通信标准(例如，wi
‑
fi或蓝牙)格式化的射频(rf)信号。在一些情况下，接口730可以被配置为传输信号，例如以向系统、服务器或其它装置传送数据。在一些实现中，接口730可以被配置为经由有线连接(例如，经由以太网等)接收和传输数据。接口730可以被实现为所示的示例接口730，或者可以用其它方式(例如，利用其它类型的组件或子系统)来实现。在一些实现中，接口730被配置为从运动检测系统接收或获得观察信道响应数据。接口730还可以被配置为将数据传输或提供给其它系统或装置，诸如运动检测系统120、机器学习系统160、或用户装置140等。
51.示例处理器710可以执行指令以例如基于数据输入生成输出数据。指令可以包括存储在存储器720中的程序、代码、脚本、模块或其它类型的数据。另外或替代地，指令可以编码为预编程或可重新编程的逻辑电路、逻辑门或其它类型的硬件或固件组件或模块。处理器710可以是通用微处理器或包括通用微处理器，作为专用协处理器或其它类型的数据处理设备。在一些情况下，处理器710进行装置700的高级操作。例如，处理器710可以被配置为执行或解释存储在存储器720中的软件、脚本、模块、程序、功能、可执行程序或其它指令。在一些实例中，处理器710可以被配置为执行用于进行方法600的步骤的指令，从而例如如图6所述的那样使得离线调整系统检测运动检测系统的新运动区。
52.示例存储器720可以包括计算机可读存储介质，例如，易失性存储器装置、非易失性存储器装置、或这两者。存储器720可以包括一个或多个只读存储器装置、随机存取存储器装置、缓冲存储器装置或这些的组合以及其它类型的存储器装置。在一些实例中，存储器的一个或多个组件可以与无线通信装置700的其它组件集成或以其它方式相关联。存储器720可以存储可由处理器710执行的指令。例如，指令可以包括用于从运动检测系统获得观察信道响应数据的指令。指令还可以包括用于以下操作的指令：诸如通过图3至图5中或图6所示的示例处理600中所描述的操作中的一个或多个操作，针对观察信道响应数据中的各个活动区生成估计信道响应数据，在估计信道响应数据中的活动区之间识别转变，并且基
于针对各个活动区的估计信道响应数据和所识别的转变来检测运动检测系统的新运动区。在一些实例中，存储器720可以包括一个或多个指令集或模块(包括上述指令)，以例如进行自适应区模型化722和/或检测新运动区724。
53.示例电源单元740向离线调整装置700的其它组件供电。例如，其它组件可以基于电源单元740通过电压总线或其它连接所提供的电力来操作。在一些实现中，电源单元740包括电池或电池系统，例如，可充电电池。在一些实现中，电源单元740包括适配器(例如，ac适配器)，该适配器(从外部源)接收外部电源信号并将该外部电源信号转换成针对外部传感器装置700的组件调节的内部电源信号。电源单元740可以包括其它组件或以另一方式操作。
54.本说明书中所描述的一些主题和操作(包括本说明书中所公开的结构及其结构等效物)可以在数字电子电路中、或者在计算机软件、模块、固件或硬件或者其中的一个或多个的组合中实现，例如，如针对离线调整装置700所描述的那样。本说明书中所描述的一些主题可以被实现为一个或多个计算机程序(即，计算机程序指令的一个或多个模块)，该一个或多个计算机程序被编码在计算机可读存储介质上，以供数据处理设备执行或用于控制数据处理设备的操作。计算机可读存储介质可以是如下装置或者可以被包括在如下装置中：计算机可读存储装置、计算机可读存储基板、随机或串行存取存储器阵列或装置、或者其中的一个或多个的组合。此外，虽然计算机可读存储介质不是传播信号，但是计算机可读存储介质可以是编码在人工生成的传播信号中的计算机程序指令的源或目的地。计算机可读存储介质也可以是一个或多个单独的物理组件或介质(例如，多个cd、盘或其它存储装置)，或者被包括在这一个或多个单独的物理组件或介质中。计算机可读存储介质可以包括多个计算机可读存储介质。计算机可读存储装置可以位于同一位置(存储在单个存储装置中的指令)，或者位于不同位置(例如，存储在分布式位置的指令)。
55.计算机程序(也已知为程序、软件、模块、软件应用、脚本或代码)可以以包括编译或解释性语言、声明或过程语言的任意形式的编程语言来编写，并且其可以以包括作为独立的程序或者作为模块、组件、子例程、对象或适合在计算环境中使用的其它单元的任意形式进行部署。计算机程序可以但无需与文件系统中的文件相对应。程序可以存储在文件的一部分中，其中该文件将其它程序或数据(例如，标记语言文件中所存储的一个或多个脚本)保持在专用于程序的单个文件中、或者保持在多个协调文件(例如，用于存储一个或多个模块、子程序或代码的一部分的文件)中。计算机程序可以被部署成在一个计算机上、或者在位于一个站点处或跨多个站点分布并且通过通信网络互连的多个计算机上执行。
56.本说明书中所描述的一些处理和逻辑流可以利用一个或多个可编程处理器来进行，其中这些一个或多个可编程处理器执行一个或多个计算机程序以通过对输入数据进行操作并生成输出来进行动作。这些处理和逻辑流还可以由专用逻辑电路进行，并且设备也可以被实现为专用逻辑电路，其中该专用逻辑电路例如是fpga(现场可编程门阵列)或asic(专用集成电路)。
57.举例而言，适合执行计算机程序的处理器包括通用微处理器和专用微处理器这两者、以及任意种类的数字计算机中的处理器。一般地，处理器将从只读存储器或随机存取存储器或这两者接收指令和数据。计算机的元件可以包括用于根据指令进行动作的处理器以及用于存储指令和数据的一个或多个存储器装置。计算机还可以包括用于存储数据的一个
或多个大容量存储装置(例如，非磁性驱动器(例如，固态驱动器)、磁盘、磁光盘或光盘)，或可操作地耦接以相对于这一个或多个大容量存储装置接收或传送数据，或者这两者。然而，计算机无需具有这种装置。此外，计算机可以嵌入在其它装置(例如，电话、平板计算机、电器、移动音频或视频播放器、游戏机、全球定位系统(gps)接收器、物联网(iot)装置、机器对机器(m2m)传感器或致动器、或者便携式存储装置(例如，通用串行总线(usb)闪存驱动器))中。适合存储计算机程序指令和数据的装置包括所有形式的非易失性存储器、介质和存储器装置，举例而言包括半导体存储器装置(例如，eprom、eeprom和闪速存储器装置等)、磁盘(例如，内部硬盘和可移动磁盘等)、磁光盘以及cd
‑
rom和dvd
‑
rom盘。在一些情况下，处理器和存储器可以由专用逻辑电路补充或者并入专用逻辑电路中。
58.为了提供与用户的交互，操作可以在具有显示装置(例如，监视器或其它类型的显示装置)以及键盘和指点装置(例如，鼠标、追踪球、触笔(stylus)、触敏屏幕或其它类型的指点装置)的计算机上实现，其中该显示装置用于向用户显示信息，用户可以通过该键盘和指点装置向计算机提供输入。其它种类的装置也可以用于提供与用户的交互；例如，被提供至用户的反馈可以是任意形式的感觉反馈(例如，视觉反馈、听觉反馈或触觉反馈)；并且可以以任意形式接收来自用户的输入(包括声学、语音或触觉输入)。另外，计算机可以通过相对于用户所使用的装置发送文档和接收文档(例如，通过响应于从用户的客户端装置上的web浏览器接收到的请求而向该web浏览器发送web页面)来与该用户进行交互。
59.计算机系统可以包括单个计算装置、或者彼此接近或一般彼此远离地进行操作并且通常通过通信网络进行交互的多个计算机。通信网络可以包括局域网(“lan”)和广域网(“wan”)、互联网(例如，因特网)、包括卫星链路的网络以及对等网(例如，自组织对等网络)中的一个或多个。客户端和服务器的关系可以根据在各个计算机上运行并且彼此具有客户端
‑
服务器关系的计算机程序而产生。
60.在所描述的一些示例的一般方面中，在运动检测系统中检测新运动区。
61.在第一示例中，获得来自运动检测系统的观察信道响应数据。该观察信道响应数据是基于在空间中的多个无线链路上传输的无线信号，并且该观察信道响应数据与一段时间上的各个无线链路的多个子载波相关联。针对该观察信道响应数据中的各个活动区生成针对各个无线链路的多个子载波中的各个子载波的估计信道响应数据。在一些实例中，在针对各个无线链路的多个子载波中的各个子载波的估计信道响应数据中的活动区之间识别转变。在一些情况下，基于针对各个活动区的估计信道响应数据和所识别的转变来检测运动检测系统的新运动区。
62.在一些情况中，第一示例的实现可以包括以下特征中的一个或多个特征。活动区与观察信道响应数据的时间序列中的具有特定分布的区段相对应，以及针对观察信道响应数据中的各个活动区生成针对各个无线链路的多个子载波中的各个子载波的估计信道响应数据包括：基于活动区的分布以及与活动区的分布的特性相对应的超参数来针对各个活动区生成针对各个无线链路的多个子载波中的各个子载波的随机数据。基于针对各个活动区的估计信道响应数据和所识别的转变来检测运动检测系统中的新活动区包括：分析针对各个活动区生成的随机数据和在各个区之间所识别的转变，确定活跃分布，调整各个分布的超参数，并且使用调整后的超参数重新生成随机数据，确定随机数据是否与观察信道响应数据相关，以及响应于确定为随机数据与观察信道响应数据相关，针对各个无线链路的
多个子载波中的各个子载波来聚合所识别的转变，并且确定为所识别的转变其中至少之一指示新运动区。
63.在一些情况下，第一示例的实现还可以包括以下特征中的一个或多个特征。响应于确定为随机数据不与观察信道响应数据相关，调整各个分布的超参数，并且使用调整后的超参数重新生成随机数据，直到随机数据与观察信道响应数据相关为止。时间矢量包括：在针对各个无线链路的多个子载波中的各个子载波的估计信道响应数据中的活动区之间所识别的转变以及各个转变的时间。活动区的数量是超参数。向运动检测系统的用户提供指示新运动区的通知，并且响应于该通知，从用户接收新运动区的确认或新运动区的拒绝。新运动区的确认包括由用户提供的针对新运动区的标记。新运动区的位置不与运动检测系统的特定节点的位置相关联。
64.在一些实现中，计算机可读介质存储指令，该指令在由数据处理设备执行时可操作以进行第一示例的一个或多个操作。在一些实现中，系统(例如，通信装置、计算机系统、其组合)包括一个或多个处理器和存储有指令的存储器，这些指令在由一个或多个处理器执行时可操作以进行第一示例的一个或多个操作。
65.虽然本说明书包含很多细节，但这些细节不应被理解为对所要求保护的范围的限制，而应被解释为特定示例所特有的特征描述。还可以组合本说明书中所描述的在单独实现的上下文中的某些特征。相反，在单个实现的上下文中描述的各种特征还可以在多个实施例中单独实现，或者以任意适合的子组合实现。
66.已经描述了多个实施例。然而，将要理解，可以进行各种修改。因此，其它实施例在所附权利要求的范围内。