用于汽车状态检测的超宽带智能感测系统和方法与流程

技术特征：
1.一种确定车辆状态的方法，所述方法包括：在多个接收节点处接收uwb信号；根据从所述多个接收节点接收到的uwb信号来计算多个信道脉冲响应（cir）；通过将所述多个cir与涉及多个车辆状态的参考cir的语料库进行相关来生成多个最大似然车辆矩阵；以及通过对所述多个最大似然车辆矩阵进行求和来确定车辆状态。2.根据权利要求1所述的方法，其中，车辆状态包括确定用户是否位于车辆内。3.根据权利要求1所述的方法，其中，车辆状态包括确定车窗和门的位置。4.根据权利要求1所述的方法，进一步包括：对所述多个cir进行上采样；以及通过将所述多个cir中的一个cir内的第一路径移位到参考抽头来对准所述多个cir。5.根据权利要求4所述的方法，其中，使用快速傅立叶变换（fft）算法对所述多个cir进行上采样，所述快速傅立叶变换（fft）算法在所述多个cir中的一个cir的时域上进行操作。6.根据权利要求4所述的方法，其中，第一路径被标识为发生在所述多个cir中的事件。7.根据权利要求1所述的方法，其中，最大似然车辆矩阵是在包括训练阶段和测试阶段的机器学习过程期间生成的。8.一种确定车辆状态的方法，所述方法包括：在多个接收节点处接收uwb信号；根据从所述多个接收节点接收到的uwb信号来计算多个信道脉冲响应（cir）；从所述多个cir中提取基于所选位置和幅度的多个基于峰值的特征；以及通过将所述多个cir与涉及多个车辆状态的参考cir的语料库进行相关来生成多个基于相关性的特征；以及通过使用机器学习分类算法来处理所述多个基于峰值的特征和基于相关性的特征从而确定车辆状态。9.根据权利要求8所述的方法，进一步包括：通过将所述多个cir与涉及所述多个车辆状态的参考cir的语料库进行相关来生成多个最大似然车辆矩阵；以及对所述多个最大似然车辆矩阵进行求和以生成前k车辆状态矩阵；以及通过在所述前k车辆状态矩阵内使用机器学习分类算法来处理所述多个基于峰值的特征和基于相关性的特征从而确定车辆状态。10.根据权利要求8所述的方法，其中，所述一个或多个基于峰值的特征可以基于所述多个cir的第一峰值的功率比来确定。11.根据权利要求8所述的方法，其中，所述一个或多个基于峰值的特征可以基于所述多个cir的顶部峰值的功率比来确定。12.根据权利要求8所述的方法，其中，所述一个或多个基于峰值的特征可以基于所述多个cir的第一峰值之间的相对抽头距离来确定。13.根据权利要求8所述的方法，其中，所述一个或多个基于峰值的特征可以基于所述多个cir的顶部峰值之间的相对抽头距离来确定。14.根据权利要求8所述的方法，其中，所述一个或多个基于峰值的特征可以基于所述
多个cir的最大峰值功率来确定。15.根据权利要求14所述的方法，其中，所述一个或多个基于峰值的特征可以基于所述多个cir的最大峰值功率的位置来确定。16.根据权利要求8所述的方法，其中，使用包括训练阶段和测试阶段的机器学习过程来生成机器学习分类算法。17.根据权利要求8所述的方法，其中，机器学习分类算法是随机森林分类器。18.根据权利要求8所述的方法，进一步包括：对所述多个cir进行上采样；以及通过将所述多个cir中的一个cir内的第一路径移位到参考抽头来对准所述多个cir。19.根据权利要求18所述的方法，其中，第一路径被标识为发生在所述多个cir中的事件。20.一种可操作以确定车辆状态的系统，所述系统包括：传送节点，可操作以传送超宽带（uwb）信号；多个接收节点，可操作以接收由所述传送节点传送的uwb信号；控制器，与所述传送节点和所述多个接收节点进行通信，其中所述控制器可操作以：在多个接收节点处接收uwb信号；根据从所述多个接收节点接收到的uwb信号来计算多个信道脉冲响应（cir）；通过将所述多个cir与涉及多个车辆状态的参考cir的语料库进行相关来生成多个最大似然车辆矩阵；以及通过对所述多个最大似然车辆矩阵进行求和来确定车辆状态。

技术总结
公开了用于基于在多个接收节点处接收到的UWB信号来确定特定车辆状态的系统和方法。可以根据从所述多个接收节点接收到的UWB信号来计算多个信道脉冲响应（CIR）。可以从所述多个CIR中提取基于所选位置和幅度的多个基于峰值的特征。可以通过将所述多个CIR与涉及多个车辆状态的参考CIR的语料库进行相关来生成多个基于相关性的特征。可以通过将所述多个CIR与涉及多个车辆状态的参考CIR的语料库进行相关来生成多个最大似然车辆矩阵。然后，可以通过使用机器学习分类算法来处理所述多个基于峰值的特征和基于相关性的特征从而确定车辆状态。状态。状态。


技术研发人员：V
受保护的技术使用者：罗伯特
技术研发日：2020.03.24
技术公布日：2021/11/4