具体实施方式

下面详细讨论所公开的实施例的制造和使用。然而，应该理解，本发明提供了许多可应用的发明构思，这些发明构思可以在各种特定的上下文中实施。所讨论的具体实施例仅仅是对构成和使用本发明的具体方式的说明，而不限制本发明的范围。

下面的描述示出各种具体细节，以提供对根据说明书的若干示例实施例的深入理解。可以在没有一个或多个具体细节的情况下，或者利用其它方法、组件、材料等来获得实施例。在其它情况下，没有详细示出或描述已知的结构、材料或操作，以免混淆实施例的不同方面。在本说明书中对“实施例”的引用指示关于该实施例描述的特定配置、结构或特征被包括在至少一个实施例中。因此，可能出现在本说明书的不同点处的诸如“在一个实施例中”的短语不一定精确地指代相同的实施例。此外，在一个或多个实施例中，可以以任何适当的方式组合特定的形式、结构或特征。

将在特定的上下文中描述本发明的实施例，即使用运动检测的基于雷达的人体跟踪系统和方法。本发明的实施例可以用于跟踪其它类型的目标，诸如动物(例如狗)或自主对象，诸如机器人。

在本发明的实施例中，毫米波雷达通过每个距离仓的移动调查来执行目标检测，以替代执行常规的距离FFT峰值搜索。通过在同相(I)和正交(Q)平面中的微多普勒评估来执行移动调查，以替代使用常规的多普勒快速傅里叶变换(FFT)。在一些实施例中，毫米波雷达使用多个状态来跟踪一个或多个目标。

诸如毫米波雷达之类的雷达可以用于检测和跟踪人体。常规的调频连续波(FMCW)雷达系统顺序地发射被称为啁啾信号的线性增加的频率波形，该频率波形在被对象反射之后由接收天线来收集。雷达可以作为单基地雷达或双基地雷达操作，在单基地雷达中，单个天线同时作为发射和接收天线工作，在双基地雷达中，专用天线分别用于发射和接收雷达信号。

然后，在RF部分中将发射和接收的信号彼此混合，生成使用模数转换器(ADC)数字化的中频(IF)信号。

IF信号被称为差拍信号，并且包含所有目标的差拍频率。在对IF信号进行带通滤波之后，对数字化和滤波的IF信号应用快速傅里叶变换(FFT)，以从雷达数据中提取所有目标的距离信息。这个过程被称为距离FFT并且生成距离数据。

距离数据的第一维度包括每啁啾信号(快速时间)的所有样本，以用于距离估计。距离数据的第二维度包括来自帧(慢速时间)中的不同啁啾信号的相同距离比特的数据，以用于速度估计。

常规地，基于在距离数据的快速时间维度上的峰值搜索来检测目标，其中当距离仓的幅度高于阈值时检测目标。通过使用所谓的多普勒FFT沿着对应距离仓(检测到目标的距离仓)的慢速时间维度来估计目标速度。

在本发明的实施例中，毫米波雷达通过每个距离仓的移动调查来执行目标检测。在一些实施例中，移动调查包括确定每个距离仓的短期移动(STM)值和长期移动(LTM)值。基于单个帧的I信号和Q信号为每个距离仓确定短期移动值。基于多个帧上的I信号和Q信号为每个距离仓确定长期移动值。执行峰值搜索以识别高于预先确定的STM阈值的短期移动峰值和高于预先确定的LTM阈值的长期移动峰值。基于STM峰值和LTM峰值识别一个或多个目标。

图1示出根据本发明的实施例的雷达系统100。雷达系统100包括毫米波雷达102和处理器104。在一些实施例中，毫米波雷达102包括处理器104。

在正常操作期间，毫米波雷达102使用发射器(TX)电路120向场景108发射多个辐射脉冲106，诸如啁啾信号。在一些实施例中，啁啾信号是线性啁啾信号(即，啁啾信号的瞬时频率随时间线性变化)。

所发射的辐射脉冲106被场景108中的对象反射。反射的辐射脉冲(图1未示出)也称为回波信号，该辐射脉冲由毫米波雷达102使用接收器(RX)电路122接收，并且由处理器104处理，以例如检测和跟踪目标、例如人体。

场景108中的对象可以包括静止的人体，诸如躺着的人体110，表现出低且不频繁的运动的人体，诸如站立的人体112，以及移动的人体，诸如行走的人114和跑步的人116。场景108中的对象也可以包括静止对象(未示出)，诸如家具、墙壁和周期性移动设备。其它对象也可以存在于场景108中。

处理器104使用信号处理技术来分析回波数据以确定人体的位置。例如，在一些实施例中，处理器104通过对距离数据的每个距离仓的移动调查来执行目标检测。在一些实施例中，处理器104通过特定距离仓的IQ平面中的微多普勒评估来执行针对特定距离仓的移动调查。在一些实施例中，处理器104例如使用多个状态来跟踪检测到的(一个或多个)目标。在一些实施例中，诸如使用α-β滤波器的跟踪算法可以用于跟踪(一个或多个)目标。在一些实施例中，可以使用其它跟踪算法，例如使用卡尔曼滤波器的算法。

处理器104可以被实现为通用处理器、控制器或数字信号处理器(DSP)，处理器包括例如耦合至存储器的组合电路。在一些实施例中，处理器104可以用例如ARM架构来实现。在一些实施例中，处理器104可以被实现为定制专用集成电路(ASIC)。一些实施例可以被实现为硬件加速器和在DSP或通用微控制器上运行的软件的组合。其它实现方式也是可能的。

毫米波雷达102作为FMCW雷达操作，FMCW雷达包括毫米波雷达传感器电路和一个或多个天线。毫米波雷达102经由一个或多个天线(未示出)在20GHz到122GHz范围内发射(使用TX 120)和接收(使用RX 122)信号。例如，在一些实施例中，毫米波雷达102在24.025GHz至24.225GHz的频率范围内工作时具有200MHz的带宽。一些实施例可以使用该范围外的频率，例如1GHz和20GHz之间的频率，或者122GHz和300GHz之间的频率。

在一些实施例中，由毫米波雷达102接收的回波信号在模拟域中以本领域已知的方式使用带通滤波器(BPF)、低通滤波器(LPF)、混频器、低噪声放大器(LNA)和中频(IF)放大器来处理。然后使用一个或多个ADC将回波信号数字化以用于进一步处理。其它实现方式也是可能的。

图2示出根据本发明实施例的由TX电路120发射的辐射脉冲106的序列。如图2所示，辐射脉冲106被组织在多个帧中，并且可以被实现为上啁啾信号。一些实施例可以使用下啁啾信号或上啁啾信号与下啁啾信号的组合。

帧的啁啾信号之间的时间通常称为脉冲重复时间(PRT)。在一些实施例中，PRT为5ms。也可以使用不同的PRT，例如小于5ms，例如4ms、2ms或更小，或大于5ms，例如6ms或更大。

啁啾信号106的帧包括多个啁啾信号。例如，在一些实施例中，啁啾信号的每个帧包含16个啁啾信号。一些实施例可以包括每帧多于16个啁啾信号，例如20个啁啾信号、32个啁啾信号，或者更多，或者每帧少于16个啁啾信号，例如10个啁啾信号、8个啁啾信号，或者更少。在一些实施例中，啁啾信号的每个帧包括单个啁啾信号。

帧每隔FT时间重复一次。在一些实施例中，FT时间为50ms。也可以使用不同的FT时间，例如大于50ms，例如60ms、100ms、200ms或更大，或小于50ms，例如45ms、40ms或更小。

在一些实施例中，FT时间被选择为使得帧n的最后一个啁啾信号的开始与帧n+1的第一个啁啾信号的开始之间的时间等于PRT。其它实施例可以使用或导致不同的时序。

图3示出根据本发明的实施例的用于检测和跟踪人体目标的实施例方法300的流程图。方法300可以例如由处理器104执行。

在步骤302期间，毫米波雷达102使用TX电路120发射例如被组织在帧中的线性啁啾信号(如图2所示)。例如，具有带宽B和持续时间T的发射啁啾信号的频率可以表示为

其中，f_c是斜坡开始频率。

在从对象反射之后，RX电路122在步骤304期间接收反射的啁啾信号。

在步骤306期间，以常规方式在模拟域中处理在步骤304期间接收到的反射的啁啾信号，以生成IF信号。例如，反射的啁啾信号与发射信号的副本混合，从而生成差拍信号。

在步骤308期间，IF信号被转换到数字域(使用ADC)，以生成用于进一步处理的原始数据。

在步骤310期间，对原始数据执行距离离散傅里叶变换(DFT)，例如距离FFT，以生成距离数据。例如，在一些实施例中，原始数据被补零，并且应用快速傅里叶变换(FFT)来生成距离数据，距离数据包括所有目标的距离信息。在一些实施例中，距离FFT的最大不模糊距离基于PRT、每啁啾信号的样本数目、啁啾信号时间、以及模数转换器(ADC)的采样速率。在一些实施例中，ADC具有12比特。也可以使用具有不同分辨率(例如，10比特、14比特或16比特)的ADC。

在一些实施例中，距离FFT被应用于啁啾信号的所有样本。

在步骤312期间，通过每个距离仓的移动调查来执行目标检测。目标检测基于短期移动(STM)检测和/或长期移动(LTM)检测。因此，步骤312包括步骤314和/或步骤316。步骤314包括步骤314a和314b。步骤316包括步骤316a和316b。

在步骤314a期间，通过以下公式为当前帧的每个距离仓R_r确定STM移动

其中，R表示距离FFT的复数输出值，R_r是在特定距离仓r处的复数值，M_STM,r表示距离仓r的当前帧的短期移动，PN表示每帧啁啾信号的数目，并且c表示啁啾信号索引，使得R_r,c是关联到啁啾信号c的距离仓R_r的复数(具有I和Q分量)，并且R_r,c+1是关联到啁啾信号c+1的距离仓R_r的复数(具有I和Q分量)。在一些实施例中，PN可以是等于或高于2的值，例如8或16。

公式2也可以被理解为使用当前帧的啁啾信号所生成的I-Q曲线图的所有边缘的相加(例如，如图13、15、17、19、21、23、25、27中所示)。在此I-Q曲线图中，边缘是连接节点的直线，其中节点中的每个节点表示当前帧的特定啁啾信号c的(I，Q)分量。值M_STM,r也可以被称为强度值并且指示短期移动(值越高，对于当前帧在快速时间中在距离仓r中检测到的移动越多)。

在步骤314b期间，在所有短期移动值M_STM,r上执行峰值搜索，并且识别高于预先确定的STM阈值T_M,STM的(局部)峰值。由于在步骤314b期间识别的峰值的强度涉及短期移动，因此静止对象通常关联到低于预先确定的STM阈值T_M,STM的强度值(例如，如图29-34所示)。

在步骤316a期间，通过以下公式沿着最后的W帧的第一啁啾信号确定LTM移动

其中，M_LTM,r表示距离仓r的当前帧的短期移动，w表示帧索引，使得R_r,1,w是关联到帧w的第一啁啾信号的距离仓R_r的复数(具有I和Q分量)，并且R_r,1,w+1是关联到帧w+1的第一啁啾信号的距离仓R_r的复数(具有I和Q分量)。一些实施例可以使用不同于第一啁啾信号的啁啾信号索引来计算M_LTM,r。在一些实施例中，W可以是等于或高于2的值，例如10或20。

公式3也可以被理解为使用来自最后的W帧中的每个帧的单个啁啾信号(例如，第一啁啾信号)生成的I-Q曲线图(例如，在图14、16、18、20、22、24、26、28中所示)的所有边缘的相加。在此I-Q曲线图中，边缘是连接节点的直线，其中节点中的每个节点表示特定帧w的单个啁啾信号c的(I，Q)分量。值M_LTM,r也可以被称为强度值并且指示长期移动(值越高，在最后的W个帧的慢速时间中在距离仓r中检测到的移动越多)。

在步骤316b期间，在所有长期移动值M_LTM,r上执行峰值搜索，并且识别高于预先确定的LTM阈值T_M,LTM的(局部)峰值。由于在步骤316b期间识别的峰值的强度与长期移动有关，因此在某些情况下(例如由于阴影效应)，静止对象可以关联到高于预先确定的LTM阈值T_M,LTM的强度值(如图29-34所示)。

在步骤314b和/或316b期间，排序统计(OS)恒虚警率(CFAR)(OS-CFAR)检测器可以用于识别局部峰值(在预先确定的STM阈值T_M,STM或LTM阈值T_M,LTM上方的峰值)。也可以使用其它搜索算法。

在一些实施例中，T_M,LTM不同于T_M,STM。在其它实施例中，T_M,LTM等于T_M,STM。作为非限制性示例，在实施例中，T_M,LTM等于50，并且T_M,STM等于200。

在步骤314a和/或316b期间识别的峰值代表潜在的或实际的目标。在步骤318期间，跟踪一些或所有的潜在或实际目标。

在一些实施例中，状态机(例如，在处理器104中实现的)可以用于跟踪目标(例如，在步骤318期间)。例如，图4示出根据本发明的实施例的用于跟踪人体目标的状态图400。在一些实施例中，在每个帧n评估目标状态。

状态图400包括停滞状态402、不确定状态404、移动状态406和静止状态408。停滞状态402关联到未被跟踪的人体目标(例如，因为相应的轨迹已被终止或尚未被创建)。不确定状态404关联到潜在的人体目标。移动状态406关联到正在移动的实际人体目标。静止目标408关联到静止的实际人体目标。

如稍后将更详细描述的，在一些实施例中，当目标第一次从不确定状态404转换到移动状态406时，目标被激活(并因此从潜在目标转换成实际目标)。因此，在一些实施例中，在没有首先被激活的情况下，目标无法从停滞状态402转换到不确定状态404，并且然后直接转换到静止状态408。如稍后将更详细描述的，由于目标在处于静止状态408之前处于移动状态406，因此一些实施例有利地防止主动跟踪静止目标(例如，诸如墙壁)，其可能有时地看似移动(例如，由于阴影效应)。

如图4所示，在一些实施例中，目标不能直接从移动状态406转换到停滞状态402，从而有利地允许跟踪例如由于噪声或由于目标停止移动而可能暂时消失(例如，在步骤312期间，目标变得未被检测到)的实际目标。

图5A-5D示出根据本发明的实施例的、用于在状态图400的状态之间转换的实施例方法500、520、550和570。可以根据图5A-5D来理解图4。

如图5A-5D所示，方法500示出用于从停滞状态402转换的流程图；方法520示出用于从不确定状态404转换的流程图；方法550示出用于从移动状态406转换的流程图；并且方法570示出从静止状态408转换的流程图。

如图5A所示，当目标处于停滞状态402并且在步骤504(例如，其对应于步骤312)期间检测到目标时，如果在步骤506期间确定关联到所检测到的目标的峰值是STM峰值(例如，在步骤314b期间确定)，则创建轨迹并且目标从停滞状态402转换到不确定状态404(步骤510)。

如稍后将更详细描述的，彼此接近的LTM峰值和STM峰值可以关联到同一目标。因此，如果在步骤506期间确定该峰值是LTM峰值(例如，在步骤316b期间确定)，则创建轨迹，并且如果在步骤508期间确定LTM峰值不关联到任何STM峰值，则目标从停滞状态402转换到不确定状态404(步骤510)。

如图5B所示，当目标处于不确定状态404时，在步骤524期间确定在当前帧中检测到的目标峰值是否关联到该轨迹。如果没有峰值关联到该轨迹，则在步骤526期间确定定时器是否已经失效。在一些实施例中，定时器对跟踪目标的轨迹还没有关联到该轨迹的任何峰值(或任何STM峰值)的时间(例如，帧数)进行计数。

如果在步骤526期间确定定时器已经失效，则在步骤528期间终止该轨迹。否则，在步骤530期间，目标保持在不确定状态404。通过在终止轨迹之前等待(例如，通过使用定时器)，一些实施例有利地允许临时保持轨迹有效，并且因此允许保持跟踪可能例如由于噪声或由于目标停止移动而临时消失(例如，在步骤312期间目标变得未被检测到)的实际目标。

如果在步骤524期间确定存在关联到轨迹的峰值，则在步骤532期间确定峰值的类型。如果关联到轨迹的峰值是STM峰值，则在步骤538期间激活轨迹(从而从跟踪潜在目标转换为跟踪实际目标)，并且在步骤540期间状态从不确定状态404转换为移动状态406。在一些实施例中，可以仅在呈现关联到该轨迹的STM峰值的多个帧之后激活该轨迹。

如果关联到该轨迹的峰值是LTM峰值，则如果在步骤534期间确定该轨迹已被激活，则在步骤536期间该状态从不确定状态404转换到静止状态408。否则，执行步骤526。在一些实施例中，轨迹可以仅在轨迹的多个帧处于不确定状态404之后从不确定状态404转换到静止状态408。

如图5C所示，当目标处于移动状态406时，在步骤554期间确定在当前帧中检测到的目标峰值是否关联到该轨迹。如果没有峰值关联到轨迹，则在步骤556期间，目标从移动状态406转换到不确定状态404。

如果在步骤554期间确定峰值关联到轨迹，则在步骤558期间确定峰值的类型。如果在步骤558期间确定关联到轨迹的峰值是STM峰值，则在步骤560期间目标保持在移动状态408。否则，如果关联到轨迹的峰值是LTM峰值，则在步骤556期间，目标从移动状态406转换到不确定状态404。

如图5D所示，当目标处于静止状态408时，在步骤574期间确定在当前帧中检测到的目标峰值是否关联到该轨迹。如果没有峰值关联到该轨迹，则在步骤576期间确定定时器是否已经失效(例如，以与步骤526中类似的方式)。如果在步骤576期间确定定时器已经失效，则在步骤578期间终止该轨迹。否则，在步骤580期间，目标保持在静止状态404。

如果在步骤574期间确定峰值关联到轨迹，则在步骤582期间确定峰值的类型。如果在步骤582期间确定关联到轨迹的峰值是STM峰值，则在步骤584期间，目标从静止状态408转换到不确定状态404。否则，如果关联到该轨迹的峰值是LTM峰值，则在步骤580期间目标保持在静止状态408中。

图6示出根据本发明的实施例的、用于使用状态机400来跟踪人体的实施例方法600的流程图。步骤318可以被实现为方法600。

如图6所示，方法600包括用于更新所有有效轨迹的步骤602、用于终止失效轨迹的步骤612、用于分配新轨迹的步骤614、以及用于为每个被跟踪目标生成估计距离和速度的步骤620。步骤602是针对每个有效(未终止)轨迹执行的，并且包括步骤604、606、608和610。步骤614包括步骤616和618。

在步骤604期间，例如通过以下公式预测由轨迹跟踪的目标的距离

R_pred＝R_w-1-FT·S_w-1 (4)

其中，R_pred是当前帧的预测距离，FT是帧时间，并且w是帧索引，使得R_w-1表示先前的(最后的)帧中目标的距离(例如704)，S_w-1表示先前的(最后的)帧中目标的速度(例如708)。

在步骤606期间，将合适的STM峰值关联到有效轨迹。例如，在一些实施例中，当关联到STM峰值的距离R_STM(例如，在步骤314b中识别的)比预先确定的STM距离R_{STM_th}更接近轨迹的预测距离R_pred时(即，如果R_STM与R_pred之间的偏差低于R_{STM_th})，则STM峰值关联到轨迹。在一些实施例中，最接近轨迹的预测距离R_pred的STM峰值关联到该轨迹。

在步骤608期间，将合适的LTM峰值关联到有效轨迹。例如，在一些实施例中，当关联到LTM峰值的距离R_LTM(例如，在步骤316b中识别的)比预定LTM距离R_{LTM_th}更接近轨迹的预测距离R_pred时(即，如果R_LTM与R_pred之间的偏差低于R_{LTM_th})，则STM峰值关联到轨迹。在一些实施例中，最接近该轨迹的预测距离R_pred的LTM峰值关联到该轨迹。

在一些实施例中，相对于关联到轨迹的R_STM而不是相对于R_pred来测量偏差。在一些实施例中，阈值R_{STM_th}等于阈值R_{LTM_th}。在其它实施例中，阈值R_{STM_th}与阈值R_{LTM_th}不同。

在步骤610期间，基于相关联的STM峰值和LTM峰值来更新轨迹的状态。例如，如果存在关联到轨迹的STM峰值，则步骤506、532、558和582输出“STM”，而不管是否存在关联到轨迹的LTM峰值。如果存在关联到该轨迹的LTM峰值，并且没有关联到该轨迹的STM峰值，则步骤506、532、558和582输出“LTM”。如果轨迹没有任何与其相关联的峰值，则步骤524、554和574输出“否”。

在步骤612期间，终止失效的轨迹。例如，在步骤612期间，对于每个有效轨迹，如果适用的话，执行步骤528和578。

在步骤616期间，为不关联到任何轨迹的每个STM峰值创建新轨迹(例如，在步骤510期间)。类似地，在步骤618期间，为不关联到任何轨迹的每个LTM峰值创建新轨迹(例如，在步骤510期间)。在一些实施例中，当在步骤616期间STM峰值被分配给新的轨迹时，在步骤616期间，对应的LTM峰值(例如，最接近R_STM的LTM峰值)也被分配给相同的新的轨迹。在将所有STM峰值和对应的LTM峰值分配给各个轨迹之后，在步骤618期间，为任意剩余的无关联的LTM峰值分配新的轨迹。

在步骤620期间，对于每个有效轨迹，生成当前帧的估计距离和速度。例如，在一些实施例中，当前帧的距离R_w可以通过以下公式计算

R_w＝β·R_est+(1-β)·R_w-1 (5)

其中

R_est＝α·R_meas+(1-α)·R_pred (6)

其中，α和β是可以预先确定的因子，其中，R_pred使用公式4计算，并且其中，如果存在关联到目标的STM峰值(步骤606)，则使用公式7确定R_meas，如果不存在关联到目标的STM峰值但是存在关联到目标的LTM峰值(步骤608)，则使用公式8确定R_meas，并且如果目标不具有与其相关联的STM峰值或LTM峰值，则使用公式9确定R_meas。

R_meas＝R_STM (7)

R_meas＝R_LTM (8)

R_meas＝R_pred (9)

在一些实施例中，当前帧S_w的目标的速度可以通过以下公式计算

其中，FT是帧时间，并且SL表示用于速度确定的帧的数目。在一些实施例中，SL为10。也可以使用SL的其它值，例如低于10(例如，9、8或更低)，或高于10，例如11、12或更高。

如公式10所示，使用距离的导数而不是使用多普勒FFT来确定被跟踪目标的速度。

在一些实施例中，在步骤620期间生成的实际距离和速度是使用公式5和10计算的距离和速度的滤波版本。例如，在一些实施例中，在最后的I个帧上使用中值滤波器来确定在步骤620期间生成的实际距离和速度，其中，I大于1，例如3或10。在一些实施例中，I等于SL。

图7示出根据本发明的实施例的由使用方法600跟踪的每个轨迹所跟踪的参数的框图700。

如图7所示，每个有效轨迹(例如，在步骤510期间创建的并且未被终止)具有轨迹识别码702。每个有效轨迹跟踪潜在目标或实际目标，并且这种轨迹状态由参数714跟踪。跟踪实际目标的轨迹被称为激活的轨迹(A＝1)，并且跟踪潜在目标的轨迹被称为非激活的轨迹(A＝0)。

如图7所示，每个有效轨迹跟踪被跟踪目标的最后的距离(704)和速度(708)(例如，在步骤620期间确定)。每个轨迹还具有被跟踪目标的可以用于公式10的距离历史(706)，以及被跟踪目标的速度历史(710)。在一些实施例中，在步骤620期间，距离历史706和/或速度历史710也可以用于生成距离和速度的滤波版本。

每个轨迹还跟踪被跟踪目标的当前状态(712)，当前状态是状态402、404、406和408中的一个状态。每个轨迹还具有计数器(716)，计数器例如用于实现定时器(例如，如在步骤526和576中使用的)。每个轨迹还具有例如在公式6中使用的阿尔法因子(718)。

图8A-8D示出根据本发明的实施例的、使用参数700的状态图400的状态之间的转换。图8A示出根据实施例的从停滞状态402的转换，并且示出方法500的可能实现方式。图8B示出根据实施例的从不确定状态404的转换，并且示出方法520的可能实现方式。图8C示出根据实施例的从移动状态406的转换，并且示出方法550的可能实现方式。图8D示出根据实施例的从停滞状态408的转换，并且示出方法570的可能实现方式。

如图8A所示，当STM峰值关联到目标(STM＝＝1)时，例如，如步骤506所示，目标从停滞状态402转换到不确定状态404(步骤510)，而不管是否存在关联到目标的LTM峰值(LTM＝＝X)。在这种转换期间，阿尔法因子α(718)被设置为1，并且计数器(716)被设置为1(C＝1)。如图8A所示，轨迹未被激活(A＝0)。

还如图8A所示，当LTM峰值关联到不具有相关联的STM峰值的目标(LTM＝＝1)时，例如，如步骤506所示，目标从停滞状态402转换到不确定状态404(步骤510)。在这种转换期间，阿尔法因子α(718)被设置为0.5，并且计数器(716)被设置为2(C＝2)。如图8A所示，轨迹未被激活(A＝0)。

如图8B所示，当计数器大于0(C＞0)并且没有STM峰值关联到目标(STM＝＝0)，并且没有LTM峰值关联到目标(LTM＝0)或者轨迹未被激活(A＝＝0)时，则计数器递减(C＝C-1)。当计数器达到0(从步骤526输出“是”)并且没有关联到轨迹的LTM峰值(LTM＝＝0)时，终止轨迹(步骤528)。如果当计数器达到0(C＝＝0)时，存在关联到轨迹的LTM峰值(LTM＝＝1)(步骤532输出“LTM”)，并且如果轨迹已经被激活(A＝＝1)，则计数器被设置为计数T_SC(C＝T_SC)，阿尔法因子α被设置为0.5(α＝0.5)，并且目标从不确定状态404转换到静止状态408(步骤536)。

如果存在关联到轨迹的STM峰值(STM＝＝1)，则将阿尔法因子α设置为1(α＝1)，并且计数器递增(C＝C+1)，直到计数器达到预先确定的计数T_SC。当计数器达到计数T_SC时，例如，如步骤538所示，激活轨迹(A＝1)，将阿尔法因子α设置为0.8(α＝0.8)，并且目标从不确定状态404转换到移动状态406。

在一些实施例中，计数T_SC等于5。也可以将不同的值用于计数T_SC，例如6、7或更高，或者4、3或更低。

如图8B所示，目标在变成实际目标(A＝1)之前保持是至少T_SC帧的潜在目标。在一些实施例中，在激活轨迹之前等待多个帧(例如，3个帧)有利地允许终止关联到非人体目标(诸如幻象目标)的轨迹。

如图8C所示，当目标处于移动状态406时，目标将保持在移动状态，同时具有相关联的STM峰值(步骤558的输出等于“STM”)。当目标不再具有相关联的STM峰值(步骤558的输出等于“LTM”或步骤554的输出等于“否”)时，计数器递减(C＝C-1)，并且阿尔法因子α被设置为0.2，并且目标从移动状态406转换到不确定状态404(步骤556)。如图8C所示，当目标在移动状态406到不确定状态404之间转换时，计数器被设置为T_SC-1(因为目标进入移动状态406，其中计数器被设置为T_SC，并且当目标处于移动状态406时计数器值不改变)。

如图8D所示，当没有STM峰值关联到目标(STM＝＝0)时，目标将保持在静止状态408中。然而，当也没有关联到目标的LTM峰值(LTM＝＝0)时，计数器递减(C＝C-1)。当计数器达到0(C＝＝0；步骤576的输出等于“是”)时，轨迹被终止(步骤578)。由于目标在计数器等于T_SC的情况下进入静止状态408，因此对于至少T_SC帧，轨迹不被终止。在一些实施例中，避免在多个帧(例如，3个)内终止轨迹有利地允许暂时保持轨迹有效，并且因此允许保持跟踪可能暂时停止移动的实际目标。

如图8D所示，当STM峰值关联到目标(步骤582的输出等于“STM”)时，计数器递减(C＝C-1)，阿尔法因子α被设置为0.8(α＝0.8)，并且目标从静止状态408转换到不确定状态404(步骤584)。

图9示出根据本发明的实施例的、用于生成距离数据的实施例方法900的流程图。步骤310可以被实现为方法900。

在步骤902期间，数据被校准。在一些实施例中，校准数据是具有一个啁啾信号的大小的存储的原始数据。这些数据可以通过仅记录一个啁啾信号或者融合一帧的几个啁啾信号等来生成。在步骤902期间，从所获取的原始数据中减去这些校准数据。

在步骤904期间，通过DC偏移补偿步骤(也称为均值去除)去除DC偏移。在一些实施例中，DC偏移补偿有利地允许去除由RF非理想性引起的DC偏移。

在步骤906期间，执行加窗操作(例如，使用布莱克曼窗)以例如增加信噪比(SNR)。

在步骤908期间，执行补零，以例如提高距离FFT输出的精度，并且因此提高距离估计的精度。在一些实施例中，因子4用于补零操作。

在步骤910期间，通过对该补零的数据应用FFT来执行距离FFT以生成该距离数据。距离FFT被应用于啁啾信号的所有样本。其它实现方式也是可能的。

应当理解，所公开的一些步骤，例如步骤902、904、906和/或908，可以是可选的并且可以不被实现。

图10-48示出根据本发明实施例的实验结果。除非另有说明，否则与图10-48相关联的测量数据是在50ms的帧时间FT情况下获得的。

图10示出根据本发明实施例的地图1000，该地图示出朝向和远离毫米波雷达102行走的人114的每帧的每个距离仓的短期移动。图10中所示的短期移动M_STM,r是使用公式2确定的。

图11示出根据本发明实施例的地图1100，该地图示出朝向和远离毫米波雷达102行走的同一人114的每帧的每个距离仓的长期移动。图11中所示的长期移动M_LTM,r是使用公式3确定的。

如图10和图11所示，人114的长期移动相对于人114的短期移动被延迟，例如，如距离仓79、96和115的LTM和STM距离所示。图10和图11还示出静止对象，例如处于距离毫米波雷达102大约10.5m处的墙壁由LTM(图11)捕获而非STM(图10)捕获。

如图10所示，当人体目标114转向并因此部分静止时，人体目标114在帧253处从STM距离临时消失。然而，人体目标114在帧253期间被LTM捕捉。

图12示出地图1200，该地图示出朝向和远离毫米波雷达102行走的同一人体114的最大距离的幅度。地图1200可以基于在步骤310或步骤910期间生成的距离数据来生成。图10-12是基于在步骤308期间生成的相同原始数据而生成的。

如图12所示，来自地图1200的距离数据包括关于人体目标114的移动的信息以及关于诸如墙壁等静止对象的信息。

图13-28示出根据本发明实施例的、针对地图1000和1100的不同帧的I-Q曲线图。图29-34示出根据本发明实施例的、针对地图1000、1100和1200的不同帧的距离FFT、STM和LTM的幅度曲线图。图13-34可以一起并且参考图10-12被理解。

图13-16和29对应于地图1000、1100和1200的帧79。在帧79处，人体目标114正走向毫米波雷达102并且处于距离毫米波雷达102约7m处。墙壁处于距离毫米波雷达102大约10.5m处。

如图29所示，距离FFT幅度曲线图(其对应于图12)包括对应于RF泄漏的峰值2902、对应于人体目标114的峰值2904、以及对应于墙壁的峰值2906。STM幅度曲线图(对应于图10并使用公式2来计算)包括对应于人体目标114的峰值2924。LTM幅度曲线图(对应于图11并使用公式3来计算)包括对应于人体目标114的峰值2944和对应于墙壁的峰值2946。

如图29所示，泄漏峰值不存在于STM或LTM曲线图中，如位置2922和2942所示。

还如图29所示，在距离FFT曲线图(峰值2906)和LTM曲线图(峰值2946)中存在的墙壁峰值不在STM曲线图中，如位置2926所示。例如，图15示出对于位置2926处的STM在帧79处的I-Q曲线图。图16示出峰值2946处的LTM在帧79处的I-Q曲线图。如图15和图16所示，墙壁所表现出的移动量在STM曲线图中比在LTM曲线图中小得多。这种较小的移动量导致STM强度M_STM,r低于预先确定的STM阈值T_M,STM，并且因此不被识别为峰值。LTM曲线图中的墙壁所表现出的移动量导致LTM强度M_LTM,r高于预先确定的LTM阈值T_M,LTM，并且因此被识别为峰值2946。

如图13和图14所示，行走的人114所表现出的移动量足以导致STM强度M_STM,r高于预先确定的STM阈值T_M,STM，并且LTM强度M_LTM,r高于预先确定的LTM阈值T_M,LTM。因此，位置2924和2944被识别为峰值。

图29还示出峰值2944相对于峰值2924延迟。这种延迟是用来自先前W帧的信息计算LTM曲线图(如公式3所示)而用来自当前帧w的信息计算STM曲线图(如公式2所示)的结果。

如从图29可以看出，步骤314b的输出是峰值2924，并且步骤316b的输出是峰值2944和2946。从图29的距离FFT幅度曲线图中也可以看出，依赖于距离FFT的幅度峰值的常规目标检测方法将检测到例如关联到峰值2902、2904和2906的3个目标(或者例如仅关联到峰值1902和1906的2个目标并且错过了与行走的人114相对应的峰值2904)。

图17-20和30对应于地图1000、1100和1200的帧96。在帧96处，人体目标114正走向毫米波雷达102并且处于距离毫米波雷达102约5m处。

如图30所示，距离FFT幅度曲线图(其对应于图12)包括对应于RF泄漏的峰值3002、对应于人体目标114的峰值3004、以及对应于墙壁的峰值3006。STM幅度曲线图(对应于图10并使用公式2来计算)包括对应于人体目标114的峰值3024。LTM幅度曲线图(对应于图11并使用公式3来计算)包括对应于人体目标114的峰值3044和对应于墙壁的峰值3046。

如图30所示，在位置3022和3042中(并且类似于图29)，在STM或LTM曲线图中不存在泄漏峰值。

还如图30所示，在距离FFT曲线图(峰值3006)和LTM曲线图(峰值3046)中存在的墙壁峰值不在STM曲线图中，如位置3026所示的。例如，图19示出对于位置3026处的STM在帧96处的I-Q曲线图。图20示出峰值3046处的LTM在帧96处的I-Q曲线图。如图19和图20所示，墙壁所表现出的移动量在STM曲线图中比在LTM曲线图中小得多。这种较小的移动量导致STM强度M_STM,r低于预先确定的STM阈值T_M,STM，并且因此不被识别为峰值。LTM曲线图中的墙壁所表现出的移动量导致LTM强度M_LTM,r高于预先确定的LTM阈值T_M,LTM，并且因此被识别为峰值3046。

如图17和图18所示，行走的人114所表现出的移动量足以导致STM强度M_STM,r高于预先确定的STM阈值T_M,STM，并且LTM强度M_LTM,r高于预先确定的LTM阈值T_M,LTM。因此，位置3024和3044被识别为峰值。然而，峰值3044相对于峰值3024延迟。图30还示出峰值3004相对于峰值3024延迟。

如从图30可以看出，步骤314b的输出是峰值3024，并且步骤316b的输出是峰值3044和3046。从图30的距离FFT幅度曲线图中也可以看出，依赖于距离FFT的幅度峰值的常规目标检测方法将检测到例如关联到峰值3002、3004和3006的3个目标，或者未能检测到峰值3004。

图21-24和31对应于地图1000、1100和1200的帧115。在帧115处，人体目标114正走向毫米波雷达102并且处于距离毫米波雷达102约3m处。

如图31所示，距离FFT幅度曲线图(对应于图12)包括对应于RF泄漏的峰值3102、对应于人体目标114的峰值3104、对应于墙壁的峰值3106、以及对应于幻象目标的峰值3108。STM幅度曲线图(对应于图10并使用公式2来计算)包括对应于人体目标114的峰值3124。LTM幅度曲线图(对应于图11并使用公式3来计算)包括对应于人体目标114的峰值3144和对应于墙壁的峰值3146。

如图31所示，在位置3122和3142中，在STM或LTM曲线图中不存在泄漏峰值。同样如图31所示，关联到距离FFT幅度曲线图中的幻象目标的峰值3108不存在于STM或LTM曲线图中。

还如图31所示，在距离FFT曲线图(峰值3106)和LTM曲线图(峰值3146)中存在的墙壁峰值不在STM曲线图中，如位置3126所示。例如，图23示出对于位置3126处的STM在帧115处的I-Q曲线图。图24示出峰值3146处的LTM在帧115处的I-Q曲线图。如图23和图24所示，墙壁所表现出的移动量在STM曲线图中比在LTM曲线图中小得多。这种较小的移动量导致STM强度M_STM,r低于预先确定的STM阈值T_M,STM，并且因此不被识别为峰值。LTM曲线图中的墙壁所表现出的移动量导致LTM强度M_LTM,r高于预先确定的LTM阈值T_M,LTM，并且因此被识别为峰值3146。

如图21和图22所示，行走的人114所表现出的移动量足以导致STM强度M_STM,r高于预先确定的STM阈值T_M,STM，并且LTM强度M_LTM,r高于预先确定的LTM阈值T_M,LTM。因此，位置3124和3144被识别为峰值。然而，峰值3144相对于峰值3124延迟。

如从图31可以看出，步骤314b的输出是峰值3124，并且步骤316b的输出是峰值3144和3146。从图31的距离FFT幅度曲线图中也可以看出，依赖于距离FFT的幅度峰值的常规目标检测方法将检测到例如关联到峰值3102、3104、3106和3108的4个目标。

图25-28和33对应于地图1000、1100和1200的帧253。在帧253处，人体目标114靠近墙壁并且转向以开始远离墙壁并朝向毫米波雷达102行走。图32和图34分别对应于地图1000、1100和1200的帧243和263。

如图33所示，距离FFT幅度曲线图(其对应于图12)包括对应于RF泄漏的峰值3302和对应于幻象目标的峰值3308。距离FFT幅度曲线图还包括与墙壁相对应的峰值3306，该峰值遮蔽与人体目标114相对应的峰值3304。

STM幅度曲线图(对应于图10并使用公式2来计算)包括对应于人体目标114的峰值3324。LTM幅度曲线图(对应于图11并使用公式3来计算)包括对应于墙壁的峰值3346，该峰值遮蔽对应于人体目标114的峰值3344。

如图33所示，在位置3322和3342中，在STM或LTM曲线图中不存在泄漏峰值。同样如图33所示，关联到距离FFT幅度曲线图中的幻象目标的峰值3308不存在于STM或LTM曲线图中。

还如图33所示，在距离FFT曲线图(峰值3306)和LTM曲线图(峰值3346)中存在的墙壁峰值不在STM曲线图中，如位置3326所示。例如，图27示出对于位置3326处的STM在帧253处的I-Q曲线图。图28示出峰值3346处的LTM在帧253处的I-Q曲线图。如图27和图28所示，墙壁所表现出的移动量在STM曲线图中比在LTM曲线图中小得多。这种较小的移动量导致STM强度M_STM,r低于预先确定的STM阈值T_M,STM，并且因此不被识别为峰值。LTM曲线图中的墙壁所表现出的移动量导致LTM强度M_LTM,r高于预先确定的LTM阈值T_M,LTM，并且因此被识别为峰值3346。

如图26所示，人体114行走所表现出的移动量足以导致高于预先确定的LTM阈值T_M,LTM的LTM强度M_LTM,r。然而，如图33所示，峰值3344被峰值3346遮蔽，并且仅检测到峰值3346(因为峰值3346是局部最大值)。

如图25所示，行走的人114所表现出的移动量不足以导致高于预先确定的STM阈值T_M,STM的STM强度M_STM,r。因此，峰值3322不被识别为峰值。

如从图32-34中可以看到的，峰值3324小于峰值3224和3424，因为人体目标不是在帧3324中径向移动，而是转向。因此可能的是，在一些实施例中(例如，其中STM阈值T_M,STM高于300)，步骤314b的输出是0个峰值(在步骤314b期间，对于帧253，没有检测到峰值)，并且步骤316b的输出是峰值3346。从图33的距离FFT幅度曲线图中也可以看出，依赖于距离FFT的幅度峰值的常规目标检测方法将检测到例如关联到峰值3302、3306和3308的3个目标。

如稍后将更详细地解释的，未能识别峰值3324不会导致跟踪人体目标114的轨迹终止。例如，如图32所示(对应于帧243)，STM曲线图具有峰值3224，该峰值在步骤314b中被检测为峰值。图32还显示LTM曲线图具有峰值3244，该峰值在步骤316b中被检测为峰值。因此，当STM曲线图的峰值3324在帧253中未被检测到时，LTM曲线图的峰值3346关联到目标，因为它接近帧243的峰值3244。结果，满足条件STM＝＝0&LTM＝＝1，从而使得人体目标114从移动状态406移动到不确定状态404中，并且保持在不确定状态中直到计数器C失效(或检测到新的对应STM峰值)，如图8B和图8C所示。在一些实施例中，即使没有LTM峰值关联到轨迹，人体目标114也从移动状态406移动到不确定状态404，因为如图8C所示，满足条件LTM＝＝X。

如果计数器C在检测到STM峰值之前失效，则满足条件STM＝＝0，从而使得人体目标114在条件LTM＝＝1(如图8B所示)的情况下从不确定状态404移动到静止状态408中，因为当人体目标114转换到移动状态406时该轨迹被激活(A＝＝1)，如图8D所示。一旦处于静止状态408，跟踪人体目标的轨迹未被终止，而检测到LTM峰值，如图8D所示。如图8B所示，如果当满足条件STM＝＝0且LTM＝＝0时计数器失效，则轨迹被终止。

如图34所示(对应于帧263)，STM曲线图具有峰值3424，该峰值在步骤314b中被检测为峰值。图34还示出LTM曲线图具有峰值3446，由于该峰值接近峰值3346，因此在步骤316b中被检测为峰值。因此，满足条件STM＝＝1，并且人体目标114基于计数器C从静止状态408转换到不确定状态404(如图8D所示)，然后基于计数器C从不确定状态404转换到移动状态406(如图8B所示)。

图35-37分别示出根据本发明的实施例的、如图10和图11中所捕获的行走的人114的每个轨迹的步骤620的输出的曲线图3500、3600和3700。曲线图3500还示出目标的状态(712)，而曲线图3600通过轨迹的轨迹ID(702)示出这些轨迹。

如图35-37所示，轨迹3502对应于行走的人114。如图35和图36中可见，当行走的人114靠近墙壁时，为墙壁生成第二轨迹3504。然而，因为墙壁是静止对象，所以墙壁在LTM曲线图中出现而在STM曲线图中没有出现。结果，一旦定时器失效，轨迹3504从不被激活并且被终止(步骤534和526)。最初可能被跟踪为潜在目标(例如由轨迹3516所示)的噪声类似地从不被激活，并且一旦定时器失效就被终止(步骤534和526)。

如图35所示，轨迹3502初始处于不确定状态404(如位置3506所示)。然而，在位置3510处转换到移动状态406之后，当行走的人114转向时，该轨迹在位置3508处进入不确定状态404。然而，轨迹3502没有被终止。

图35-37还分别用曲线3512和3514示出轨迹3502和3504的速度。

曲线图3700类似于曲线图3600。然而，曲线图3700仅示出激活的轨迹。由于轨迹3504从未转换到移动状态406，因此轨迹未被激活。

图38示出说明图35-37中所示的行走的人的常规跟踪的曲线图3800，其中该曲线图是通过基于距离FFT幅度曲线图的峰值(如图29-34中所示)来识别目标而生成的，并且其中使用多普勒FFT来确定目标的速度。

如图38所示，常规跟踪导致跟踪幻象目标，并且可以导致针对更高目标速度的目标分割。

如图37所示，一些实施例通过依赖于用于目标识别的STM峰值来有利地避免目标分割和跟踪幻象目标。一些实施例的额外优点包含改进的速度估计，例如，如与图38相比时由图37所示。

一些实施例的优点包括通过仅在在最小时间段内检测到初始移动之后激活轨迹来避免跟踪静止对象、诸如墙壁或家具。通过对复数距离FFT输出执行基于时域的调查而不是在距离FFT幅度中执行峰值搜索，并且通过使用基于时域的调查而不是使用多普勒FFT来执行速度确定，一些实施例有利地实现了成功的目标跟踪以及改进的距离和速度估计，该改进的距离和速度估计与使用常规的距离和速度估计方法的常规跟踪相比具有较低的计算工作量，所述常规的距离和速度估计方法例如分别是距离FFT幅度中的峰值搜索和多普勒FFT。

一些实施例的附加优点包括通过使用α-β滤波(例如，诸如公式5和6)和/或跟踪输出(距离和/或速度)的中值滤波来实现平滑的测量数据。

图39-41分别示出根据本发明实施例的、当以步进方式跟踪离开和朝向毫米波雷达102行走的行走人体113时步骤620的输出(由轨迹ID 702跟踪)的曲线图3900、4000和4100。曲线图3900还示出目标的状态(712)，而曲线图4000通过轨迹的轨迹ID(702)示出这些轨迹。曲线图4100类似于曲线图4000。然而，曲线图4100仅示出激活的轨迹。

如图39-41所示，轨迹3902对应于行走的人113。如图39中可见，当行走的人113停止时，目标状态(712)从移动状态402转换到不确定状态404(例如，如位置3906所示)。如果行走的人113停止了很长时间，则目标状态从不确定状态404转换到静止状态408，例如，如位置3910所示。当行走的人113恢复行走时，目标状态从静止状态408转换到不确定状态404，然后从不确定状态404转换到移动状态406，分别如位置3912和3908所示。

如图39和图41所示，即使墙壁偶尔变为潜在目标(处于不确定状态404)，如潜在轨迹3904所示，这种轨迹也未被激活并且最终被终止。类似地，即使噪声可能变成潜在的轨迹(诸如由潜在轨迹3938所示)，这样的轨迹也不被激活并且最终被终止。

图39-41还分别用曲线3914和3916示出轨迹3902和3904的速度。

一些实施例可以实现跳帧模式。在更多的跳帧中，跳过一个或多个帧，例如在啁啾信号的发射期间(例如在步骤302中)。例如，在一些实施例中，当跳帧被设置为4时，发射帧1，并且接着直到帧5才发射其它帧。在其它实施例中，实际上执行跳帧，其中所有帧都由毫米波雷达102发射，但是一些帧被跳过并且不被处理，例如，用于检测和跟踪目标。例如，在一些实施例中，当跳帧被设置为4时，毫米波雷达102发射所有帧，但是每4帧中仅处理1帧。通过仅处理帧的子集，一些实施例实现了功率节省(例如，通过增加处理器的空闲时间)。

除了跳帧外，所有其它操作保持与不使用跳帧模式时相同。例如，若帧时间FT为50ms而没有跳帧，则具有4跳帧的帧时间FT为200ms。关于公式3，w是指在距离数据的生成期间(在步骤310中)使用的实际帧，而不是指跳过的帧。

一些实施例可以在使用跳帧模式时有利地实现功率节省而不会实质上降级性能。例如，图42示出根据本发明的实施例的、当使用跳帧模式跟踪如图10和图11中所捕获的行走的人114时步骤620的输出的曲线图4200。在图42的实施例中，将跳帧设置为4。曲线图4200仅示出激活的轨迹。图42中所示的数据实际上是从用于生成图35-38的相同数据生成的(通过每四个帧中仅使用一个帧，使得帧时间FT是200ms)。

如图42所示，仅展示150个帧而非图37中所示的600个帧，因为将跳帧设置为4。如图42所示，轨迹4202跟踪行走目标114，尽管与图37的轨迹3902相比稍微延迟。如曲线4212所示，行走目标114的速度也被成功地跟踪。如图42所示，没有幻象目标或静止对象例如墙壁被有效的轨迹跟踪。

一些实施例可以实现低功率模式。在低功率模式中，每个帧仅包含单个啁啾信号。因此，在低功率模式期间不使用STM峰值，STM峰值是基于每帧的多个啁啾信号使用公式2来识别的。相反，当速度S_w大于预先确定的速度阈值S_min时，在低功率模式(STM＝1)中识别STM峰值。因此，一些实施例可以在低功率模式下操作时使用状态机400。

一些实施例可以在使用低功率模式时有利地实现功率节省。图43示出根据本发明的实施例的、当使用低功率模式跟踪如图11中所捕获的行走的人114时步骤620的输出的曲线图4300。曲线图4300仅示出激活的轨迹。曲线图4300使用50ms的帧时间FT。

如图43所示，轨迹4302和4304跟踪行走目标114，尽管当行走目标在墙壁附近(在帧253周围)时发生目标分割。行走目标114的速度也被成功地跟踪，尽管也表现出目标分割，如曲线4312和4314所示。在一些实施例中，除了增加对目标分割的敏感性外，低功率模式有利地避免了用激活的轨迹来跟踪幻象目标和静止对象。

通过将在低功率模式期间输出的激活轨迹的数目限制到单个激活轨迹并且将最接近的目标关联到激活轨迹，一些实施例可以避免目标分割并且提高低功率模式中的性能(从而导致单个激活轨迹)。例如，一些实施例可以在低功率模式期间生成一个以上的激活轨迹，然而，在低功率模式期间仅输出最接近毫米波雷达102的激活轨迹。

图44示出根据本发明的实施例的、当使用低功率模式和跳帧跟踪如图10和图11中所捕获的行走的人114时步骤620的输出的曲线图4400。在图44的实施例中，将跳帧设置为4。曲线图4400仅示出激活的轨迹。

曲线图4400使用200ms的帧时间FT，并且实际上是从用于生成曲线图4300的相同数据生成的(通过每四帧仅使用一个帧)。

如图44所示，且类似于图42，仅展示150个帧，因为将跳帧设置为4。如图44所示，轨迹4402跟踪行走目标114。如曲线4412所示，行走目标114的速度也被成功地跟踪。如图44所示，没有幻象目标或静止对象例如墙壁被有效的轨迹跟踪。

如图44中可见，即使通过将轨迹的数目限制为1且通过将检测到的最接近目标关联到单个轨迹来使用低功率模式，也有利地避免了目标分割。

图45示出根据本发明的实施例的、当使用低功率模式和跳帧以步进方式跟踪人体113离开和朝向毫米波雷达102行走时的步骤620的输出的曲线图4500。在图45的实施例中，跳帧被设置为4。曲线图4500只示出激活的轨迹。曲线图4500实际上是从用于生成图39-41的相同数据生成的(通过每四个帧仅使用一个帧，使得帧时间FT是200ms)。

如图45所示，仅展示150个帧，因为将跳帧设置为4而非图41中所示的600个帧。如图45所示，轨迹4502跟踪行走目标113。如曲线4512所示，行走目标113的速度也被成功地跟踪。如图45所示，没有幻象目标或静止对象例如墙壁被有效的轨迹跟踪。

尽管在没有低功率模式和跳帧的情况下距离估计和速度估计的性能可能优于使用低功率模式和跳帧，但在一些实施例中，组合低功率模式和跳帧有利地使得功率节省，同时仍成功地跟踪目标且成功地执行距离估计和速度估计。

图46-48分别示出根据本发明实施例的、当以步进方式跟踪行走的人115离开毫米波雷达102时步骤620的输出的曲线图4600、4700和4800。曲线图4600还示出目标的状态(712)，而曲线图4700通过轨迹的轨迹ID(702)示出这些轨迹。曲线图4800类似于曲线图4700。然而，曲线图4800仅示出激活的轨迹。

如图46-48所示，轨迹4602对应于行走的人115。如图46中可以看到的，当行走的人115停止时，目标状态(712)转换为静止状态408，并且即使目标长时间保持在静止状态408(如位置4608所示)，轨迹也没有被终止。

在一些实施例中，当人体目标保持在静止状态408中长于预先确定的时间段(例如，诸如10帧)时，处理器104可以在该目标保持在静止状态408中的同时确定该人体目标的生命体征(诸如心跳速率和/或呼吸速率)。当目标从静止状态408转换出来时，处理器104可以停止监测生命体征。

在一些实施例中，可以以本领域已知的方式使用毫米波雷达102来确定生命体征。在一些实施例中，可以使用毫米波雷达102来确定生命体征，如在2020年2月19日提交且标题为“使用卡尔曼滤波器的雷达生命信号跟踪”的共同待决的美国专利申请号16/794,904中所述，和/或在2020年4月20日提交且标题为“基于雷达的生命体征估计”的共同待决的美国专利申请号16/853,011中所述，这些申请通过引用并入本文。

这里概述了本发明的示例实施例。从本文提交的说明书和权利要求书的整体也可以理解其它实施例。

示例1.一种方法包括：利用毫米波雷达接收反射的雷达信号；基于反射的雷达信号执行距离离散傅里叶变换DFT以生成多个距离仓中的每个距离仓的同相I信号和正交Q信号；对于所述多个距离仓中的每个距离仓，基于相应I信号和Q信号随时间的变化来确定相应的强度值；基于所述多个距离仓中的每个距离仓的所述相应的强度值，在所述多个距离仓上执行峰值搜索以识别峰值距离仓；并且将目标关联到所识别的峰值距离仓。

示例2.根据示例1所述的方法，其中，基于相应的所述I信号和Q信号随时间的变化来确定每个距离仓的相应的所述强度值包括基于相应的所述I信号和Q信号在单个帧上的变化来确定每个距离仓的相应的所述强度值。

示例3.根据示例1或2中任一项所述的方法，其中，基于相应的所述I信号和Q信号在单个帧上的变化来确定每个距离仓的相应的所述强度值包括：基于来确定每个距离仓的相应的所述强度值，其中，PN表示每帧的啁啾信号数，R_r,c+1表示啁啾信号c+1的距离仓R_r的值，并且R_r,c表示啁啾信号c的距离仓R_r的值。

示例4.根据示例1至3中任一项所述的方法，其中，基于相应的所述I信号和Q信号随时间的变化来确定每个距离仓的相应的所述强度值包括：基于相应的所述I信号和Q信号在多个帧上的变化来确定每个距离仓的相应的所述强度值。

示例5.根据示例1至4中任一项所述的方法，其中，基于相应的所述I信号和Q信号在所述多个帧上的变化来确定每个距离仓的相应的强度值包括基于确定每个距离仓的相应的所述强度值，其中，W表示帧数，R_r,i,w+1表示帧w+1的啁啾信号i的距离仓R_r的值，并且R_r,i,w表示帧w的啁啾信号i的距离仓R_r的值。

示例6.根据示例1至5中任一项所述的方法，其中，基于相应的所述I信号和Q信号在所述多个帧上的变化来确定每个距离仓的相应的所述强度值包括：基于与所述多个帧中的每个帧的第一啁啾信号对应的相应的所述I信号和Q信号的变化来确定每个距离仓的相应的所述强度值。

示例7.根据示例1至6中的一项所述的方法，其中，基于与所述多个帧中的每个帧的所述第一啁啾信号对应的相应的所述I信号和Q信号的变化来确定每个距离仓的相应的所述强度值包括：基于来确定每个距离仓的相应的所述强度值，其中，W表示帧的数目，R_r,1,w+1表示帧w+1的啁啾信号1的距离仓R_r的值，并且R_r,1,w表示帧w的啁啾信号1的距离仓R_r的值。

示例8.根据示例1至7中任一项所述的方法，其中，所述多个帧中的每个帧仅包括单个啁啾信号，所述方法还包括：确定目标的速度；并且当所确定的速度高于预先确定的速度阈值时，将峰值关联到所述目标。

示例9.根据示例1至8中任一项所述的方法，还包括：向所述目标分配状态；并且基于先前状态和所识别的峰值距离仓，更新所述状态。

示例10.根据示例1至9中任一项所述的方法，还包括：基于所执行的所述峰值搜索识别第二峰值距离仓；将第二目标关联到所述第二峰值距离仓；将第二状态分配给所述第二目标；并且基于先前的第二状态和所识别的第二峰值距离仓来，更新所述第二状态。

示例11.根据示例1至10中任一项所述的方法，其中，将所述状态分配给所述目标包括：从一组状态中将所述状态分配给目标，其中，所述一组状态包括不确定状态、指示目标移动的移动状态、以及指示没有目标移动的静止状态。

示例12.根据示例1至11中任一项所述的方法，还包括利用轨迹跟踪所述目标，其中当目标转换到所述移动状态中时，所述轨迹被激活，并且其中，仅在所述轨迹被激活的情况下，所述目标转换到所述静止状态中。

示例13.根据示例1至12中任一项所述的方法，还包括：利用轨迹跟踪所述目标；并且当定时器失效并且所述目标处于所述不确定状态时，终止所述轨迹。

示例14.根据示例1至13中任一项所述的方法，其中，将所述目标关联到所识别的所述峰值距离仓包括创建轨迹并且将所述目标转换到所述不确定状态。

示例15.根据示例1至14中任一项所述的方法，还包括：基于所述所识别的所述峰值距离仓确定所述目标的距离；并且基于所确定的所述距离来确定所述目标的速度。

示例16.根据示例1至15中任一项所述的方法，其中，确定所述目标的速度包括执行所述目标的所述距离的导数。

示例17.根据示例1至16中任一项所述的方法，还包括利用所述毫米波雷达发射雷达信号，其中，反射的雷达信号基于发射的所述雷达信号，并且其中，发射的所述雷达信号包括线性啁啾信号。

示例18.根据示例1至17中任一项所述的方法，其中，所述目标是人体目标。

示例19.一种设备包括：毫米波雷达，被配置为发射啁啾信号并且接收反射的啁啾信号；以及处理器，被配置为：基于反射的啁啾信号执行距离离散傅里叶变换DFT，以生成多个距离仓中的每个距离仓的同相I信号和正交Q信号，对于所述多个距离仓中的每个距离仓，基于相应I信号和Q信号随时间的变化，确定相应的强度值，基于所述多个距离仓中的每个距离仓的相应的强度值，在所述多个距离仓上执行峰值搜索以识别峰值距离仓，并且将目标关联到所识别的峰值距离仓。

示例20.一种方法包括：利用毫米波雷达接收反射的雷达信号；基于反射的雷达信号执行距离快速傅里叶变换FFT以生成多个距离仓中的每个距离仓的同相I信号和正交Q信号；对于所述多个距离仓中的每个距离仓，基于相应I信号和Q信号在单个帧中的变化来确定相应的短期移动值；基于所述多个距离仓中的每个距离仓的相应的所述短期移动值在所述多个距离仓上执行峰值搜索以识别短期峰值距离仓；并且将目标关联到所识别的短期峰值距离仓。

示例21.根据示例20的方法，还包括：对于所述多个距离仓中的每个距离仓，基于相应的I信号和Q信号在多个帧上的变化，确定相应的长期移动值；基于所述多个距离仓中的每个距离仓的相应的所述长期移动值在所述多个距离仓上执行峰值搜索以识别长期峰值距离仓；并且将所识别的长期峰值距离仓关联到所述目标。

尽管已经参考说明性实施例描述了本发明，但是本说明书不应被解释为限制性的。参考本说明书，对于本领域技术人员来说，对说明性实施例的各种修改和组合以及本发明的其它实施例将是显而易见的。因此，所附权利要求旨在涵盖任何这样的修改或实施例。