CN116033868A - 非接触式呼吸健康监测设备 - Google Patents

Abstract

非接触式健康监测设备可以执行波束导控过程，该波束导控过程从接收到的雷达数据流创建多个经波束导控的雷达数据流。非接触式健康监测设备可以针对每个空间区域雷达数据流来与时间相关地确定用户的呼吸位移。非接触式健康监测设备可以针对每个空间区域雷达数据流来与时间相关地分析用户的呼吸位移。非接触式健康监测设备可以基于分析用户的呼吸位移来输出筛选结果。

Description

非接触式呼吸健康监测设备

对于相关申请的交叉引用

本申请与2019年5月8日提交的题为“使用低功率无线电波进行睡眠追踪和生命体征监测(“Sleep Tracking and Vital Sign Monitoring Using Low Power RadioWaves)”的PCT申请US2019/031,290相关。本申请还与2020年8月11日提交的题为“非接触式睡眠检测和障碍归因(Contactless Sleep Detection and Disturbance Attribution)”的非临时申请No.16/990,705(代理人案卷号：090421-1183285)相关。本申请还与2020年8月11日提交的题为“多用户非接触式睡眠检测和障碍归因(Contactless Sleep Detectionand Disturbance Attribution for Multiple Users)”的非临时申请No.16/990,714(代理人案卷号：090421-1183289)相关。本申请还与2020年8月11日提交的题为“非接触式咳嗽检测和归因(Contactless Cough Detection and Attribution)”的非临时申请No.16/990,720(代理人案卷号：090421-1183290)相关。本申请还与2020年8月11日提交的题为“使用非接触式睡眠追踪设备进行精确睡眠追踪(Precision Sleep Tracking Using aContactless Sleep Tracking Device)”的非临时申请No.16/990,726(代理人案卷号：090421-1190042)相关。本申请还与2020年8月11日提交的题为“在非接触式健康追踪设备上初始化睡眠追踪(Initializing Sleep Tracking on a Contactless Health TrackingDevice)”的非临时申请No.16/990,746(代理人案卷号：090421-1198051)相关。出于所有目的，这些申请的全部公开内容通过引用并入本文。

背景技术

当人们睡觉时，他们可能会经历他们不知道的健康问题，在他们倾向于独自睡觉的情况下特别如此。虽然一个人可能会出现频繁醒来、疲劳、过度嗜睡或运动表现不佳等症状，但该人可能无法识别这些症状，或可能无法将这些症状归因于当该人在睡眠时呈现其本身的医疗问题。例如，可能与睡眠呼吸暂停有关的反常呼吸会导致一个人经历一些或所有这些明显的症状。这样的人可能会从睡眠时监测其健康属性(如呼吸)中受益。

发明内容

描述了与非接触式健康监测设备相关的各种实施例。在一些实施例中，描述了非接触式健康监测设备。该设备可以包括壳体。该设备可以包括雷达传感器，该雷达传感器可以包括多个天线。雷达传感器可以由壳体容纳。该设备可以包括处理系统，该处理系统包括一个或多个处理器，该处理系统与雷达传感器通信，该处理系统由壳体容纳。处理系统可以被配置为针对多个天线中的每个天线从雷达传感器接收雷达数据流，从而接收多个雷达数据流。处理系统可以被配置为执行波束导控(beam steering)过程，该波束导控过程可以从接收到的多个雷达数据流创建多个目标空间区域雷达数据流。处理系统可以被配置为针对多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流确定用户的呼吸位移。处理系统可以被配置为针对多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流分析用户的呼吸位移。处理系统可以被配置为基于针对多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流来与时间相关地分析用户的呼吸位移来输出筛选结果。

此类设备的实施例可能包括以下一个或多个特征：筛选结果可能指示用户可能正在经历反常呼吸。波束导控过程可以包括应用加权延迟与求和(WDAS)波束导控以创建多个目标空间区域雷达数据流。处理系统被配置为针对多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流确定用户的呼吸位移可以包括处理系统被配置为针对多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流确定相位值。被配置为针对多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流分析用户的呼吸位移的处理系统可以包括处理系统被配置为应用预训练的机器学习模型。预训练的机器学习模型可以是神经网络。多个目标空间区域中的每个目标空间区域可以对应于用户身体的不同部分。多个目标空间区域可以包括至少五个目标空间区域。该处理系统还可以被配置为：使用状态机基于多个雷达数据流确定用户处于睡眠状态并且没有在移动。该设备还可以包括无线网络接口，该无线网络接口由壳体容纳并与处理系统通信。该设备还可以包括触摸屏显示器，该触摸屏显示器由壳体容纳并与处理系统通信。该设备还可以包括由壳体容纳并与处理系统通信的麦克风。该设备还可以包括扬声器，该扬声器被壳体容纳并与处理系统通信。处理系统还可以被配置为接收关于分析用户的呼吸位移的口述命令。处理系统还可以被配置为使得经由无线网络接口将该口述请求传送到基于云的服务器系统。处理系统还可以被配置为响应于将该口述请求传送到基于云的服务器系统而经由无线网络接口接收命令。处理系统可以进一步被配置为至少部分地基于接收到的命令经由触摸屏显示器输出筛选结果。

在一些实施例中，描述了执行非接触式呼吸健康监测的方法。该方法可以包括针对雷达子系统的多个天线中的每个天线接收雷达数据流，从而接收多个雷达数据流。该方法可以包括由一个或多个处理器执行波束导控过程，该波束导控过程可以从接收到的多个雷达数据流中创建多个目标空间区域雷达数据流。该方法可以包括由一个或多个处理器针对多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流确定用户的呼吸位移。该方法可以包括由一个或多个处理器针对多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流分析用户的呼吸位移。该方法可以包括由一个或多个处理器基于针对多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流来与时间相关地分析用户的呼吸位移来输出筛选结果。

这种方法的实施例可能包括以下一个或多个特征：筛选结果可能表明用户可能正在经历反常呼吸。波束导控过程可以包括应用加权延迟与求和(WDAS)波束导控以创建多个目标空间区域雷达数据流。针对多个目标空间区域雷达数据流中的每个目标空间区域的雷达数据流确定用户的呼吸位移可以包括针对多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流确定相位值。针对多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流分析用户的呼吸位移可以包括应用预训练的机器学习模型。预训练的机器学习模型可以是神经网络。多个目标空间区域中的每个目标空间区域可以对应于用户身体的不同部分。多个目标空间区域可以包括至少三个目标空间区域。该方法还可以包括：使用状态机基于多个雷达数据流确定用户处于睡眠状态并且没有在移动。

在一些实施例中，提出了一种非接触式健康监测设备。该设备可以包括壳体。该设备可以包括雷达传感器，该雷达传感器包括多个天线，其中，雷达传感器由壳体容纳。该设备可以包括处理系统，该处理系统包括一个或多个处理器，该处理系统与雷达传感器通信，该处理系统由壳体容纳。处理系统可以被配置为针对多个天线中的每个天线从雷达传感器接收雷达数据流，从而接收多个雷达数据流。处理系统可以被配置为执行波束导控过程，该波束导控过程从接收的多个雷达数据流创建多个目标空间区域雷达数据流。处理系统可以被配置为针对多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流确定用户的呼吸位移。处理系统可以被配置为针对多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流分析用户的呼吸位移。处理系统可以被配置为基于针对多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流来与时间相关地分析用户的呼吸位移来输出筛选结果。该目标空间区域雷达流中的第一目标空间区域雷达流可以对应于用户的胸部区域。目标空间区域雷达流中的第二目标空间区域雷达流可以对应于用户的腹部区域。该分析可以包括检测腹部区域的呼吸位移和胸部区域的呼吸位移之间的、足以指示反常呼吸状况的相位差。输出筛选结果可以包括表示检测到的反常呼吸状况的信息。

附图说明

可以通过参考以下附图来实现对各种实施例的性质和优点的进一步理解。在附图中，相似的部件或特征可以具有相同的附图标记。此外，可以通过在附图标记后面加上破折号和区分相似部件的第二标签来区分相同类型的各种部件。如果在说明书中仅使用第一附图标记，则该描述适用于具有相同第一附图标记的任何一个相似部件，而不管第二附图标记如何。

图1示出了定义反常呼吸的图。

图2示出了在睡眠时监测用户呼吸的示例。

图3示出了非接触式健康监测系统的实施例的框图。

图4A示出了非接触式健康监测系统的实施例。

图4B示出了由雷达子系统输出的调频连续波雷达无线电波的实施例。

图5A示出了可以用作非接触式健康监测系统的一部分的相位捕获模块的实施例。

图5B示出了监测多个空间区域的非接触式健康监测系统的实施例。

图6图示了以执行睡眠追踪的方向为目标的用于非接触式睡眠追踪设备的波束导控模块的实施例。

图7图示了可以结合非接触式睡眠追踪设备的波束导控模块使用的雷达子系统的天线布局的实施例。

图8图示了用于以执行睡眠追踪的方向为目标的波束导控模块的另一个实施例。

图9示出了健康追踪系统的一个实施例，该健康追踪系统使用雷达来检测人类交互并利用集成波束导控来执行健康监测。

图10示出了非接触式健康追踪设备的实施例的分解图。

图11示出了用于确定人何时睡觉的状态系统的实施例。

图12示出了用于执行用户呼吸的非接触式监测的方法的实施例。

具体实施方式

在反常呼吸中，一个人的胸部移动和横膈膜(或更一般而言的腹部)移动不同步。图1示出了定义反常呼吸的图100。正常呼吸示例110示出了人的胸部101和腹部102倾向于彼此大致同步地移动，如扩张的胸部/腹部130和收缩的胸部/腹腔131所示。也就是说，当人呼吸时，胸部101和腹部102倾向于大致同时向外和向内移动。在示例111中，胸部101和腹部102同步地向内和向外移动，当对表示人的胸部和人的腹部的移动的各个波形求和时，产生构造性的相加移动波形。

反常呼吸示例120涉及当腹部102向内移动时胸部101向外移动(扩张)以及当腹部102向外移动时胸部101向内移动，如胸部扩张/腹部收缩状态140和胸部收缩/腹部扩张状态141所示。这种状况会导致人肺部进出的空气减少，从而减少人肺部中存在的氧气量，并且从而降低患者血液的氧合水平。人可能从反常呼吸经历的症状可以包括：频繁醒来、疲劳、过度嗜睡(清醒时)和/或运动表现不佳。此外，反常呼吸可能是更大健康问题的症状，如睡眠呼吸暂停。在反常呼吸中，当如示例121所示的指示胸部101和腹部102移动的波形相加时，存在完全或显著的破坏性干扰。附加地或替代地，本文详细描述的实施例可以帮助识别呼吸道的呼吸努力和通畅性，因此允许估计中枢和神经(例如，大脑、脑干、脊柱)、生理(例如，遗传/化学静态(chemostatic)、心力衰竭、海拔、麻醉剂等)、内源(例如，神经、肌肉疾病)和外源(例如，阻塞性或限制性肺疾病)的问题的存在和其间的差别。

本文详细描述的实施例聚焦于非接触式健康监测设备，该设备可以确定反常呼吸或某些其他呼吸状况已经发生，并且可以向用户提供该状况的指示，其中有可能同寻求专业医疗建议的推荐一起提供。这种非接触式监测可以在用户睡觉时发生。非接触式健康监测设备可以安装在床边，并且一旦设置，可以确定用户何时睡觉，并且可以对用户监测反常呼吸和/或可以基于用户的胸部和/或腹部的移动检测到的其他呼吸状况。非接触式健康监测设备使用雷达来监测用户胸部和/或腹部的各个部分。(为简单起见，本文档的其余部分仅指用户的胸部；然而，应理解，胸部一词可被解释为至少包括用户腹部的一部分。)用户胸部不同部位发生的移动可用于确定是否发生反常呼吸。可以使用与本文详细描述的系统和方法类似的系统和方法来监测其他呼吸状况。例如，可以使用类似的系统和方法来识别浅呼吸和不规则呼吸。

图2示出了使用本文详细描述的实施例在睡觉时监测用户呼吸的实施例200。在实施例200中，用户201睡在床202上。非接触式健康监测设备210(“设备210”)位于床边，例如在床头柜上。雷达可用于检测归因于呼吸的用户201的移动。床单、毯子、衣服和其他无生命物体可能被由非接触式健康监测设备210输出的无线电波穿透，无线电波可以是毫米波。因此，尽管毯子、床单和衣服处于非接触式健康监测设备210和用户201的胸部之间的直接路径中，但可以监测用户201的呼吸。

设备210可监测空间区域220。每个空间区域220可以对应于用户201的胸部的不同区域。空间区域220可以部分重叠。在其他实施例中，空间区域220使用波束导控而间隔开得更远以增加、减少或消除重叠。在一些实施例中，两个相邻的空间区域重叠小于50％。空间区域220的数量可以根据实施例而变化。在一些实施例中，可以存在少至两个空间区域。在一些实施例中，存在3、4、5个或更多空间区域220。在其他实施例中，可以存在6个空间区域，如实施例200所示。

可以使用波束导控单独瞄准每个空间区域220(例如，空间区域220-1、220-2、220-3、220-4、220-5和220-6)。通过具有多个天线的设备210，可以使用设备210执行的处理来执行波束导控。因此，可以发射无线电波的单个雷达啁啾(chirp)，并且可以使用设备210的多个天线接收反射。从接收到的反射无线电波获得的数据可以具有被应用以有效地瞄准空间区域220的特定空间区域的波束导控过程。该相同的数据可以多次应用波束导控过程(例如，使用不同的权重)，从而允许使用相同的数据集瞄准每个空间区域220。例如，可以应用各种权重来创建到目标空间区域220-6的波束形状215。可以将单独的一组权重应用于相同的数据以执行波束导控和目标空间区域220-5。因为使用多个波束导控过程来处理基于反射无线电波的同一数据集，所以可以与在其他空间区域220的移动同时且独立地监测在一个空间区域220中发生的移动。

图3示出了非接触式健康监测系统300(“系统300”)的实施例的框图。系统300可以包括：非接触式健康监测设备301(“设备301”)；网络360；以及，基于云的服务器系统370。设备301可以表示图2的设备210的实施例。设备301可以包括：处理系统310；数据储存器318；雷达子系统320；环境传感器套件330；显示器340；无线网络接口350；以及扬声器355。通常，设备301可以包括容纳设备301的所有部件的壳体。结合图9和图10提供关于这种可能的壳体的进一步细节。

处理系统310可以包括一个或多个处理器，该一个或多个处理器被配置为执行各种功能，例如以下部分的功能：雷达处理模块312；睡眠状态检测引擎314；以及，呼吸监测引擎316。处理系统310可以包括一个或多个专用或通用处理器。这种专用处理器可以包括专门设计用于执行本文详述的功能的处理器。此类专用处理器可以是ASIC或FPGA，它们是在物理和电气上被配置以执行本文详述的功能的通用部件。这种通用处理器可以执行使用一种或多种非暂时性处理器可读介质存储的专用软件，此一种或多种非暂时性处理器可读介质例如是随机存取存储器(RAM)、闪存、硬盘驱动器(HDD)或固态驱动器(SSD)。

雷达子系统320(也称为雷达传感器)可以是发射、接收和输出指示接收到的反射波形的数据的单个集成电路(IC)。可以使用处理系统310的雷达处理模块312来分析雷达子系统320的输出。关于图4A提供关于雷达子系统320和雷达处理模块312的进一步细节。

设备301可以包括一个或多个环境传感器，例如作为环境传感器套件330的一部分提供的环境传感器的所有、一个或某种组合。环境传感器套件330可以包括：光传感器332；麦克风334；温度传感器336；以及，无源红外(PIR)传感器338。在一些实施例中，可以存在一些或所有这些传感器的多个实例。例如，在一些实施例中，可以存在多个麦克风。光传感器332可用于测量设备301的一般环境中存在的环境光量。麦克风334可用于测量设备301的一般环境中存在的环境噪声水平。温度传感器336可用于测量设备301的一般环境的周围温度。PIR传感器338可用于检测设备301的一般环境内的移动生物体(例如，人、宠物)。其他类型的环境传感器是可能的。例如，相机和/或湿度传感器可以作为环境传感器套件330的一部分被并入。作为另一个示例，可以包括有源红外传感器。在一些实施例中，可以从附近的气象站获得一些数据，例如湿度数据，该气象站具有可通过因特网获得的数据。在一些实施例中，可以实施主动声学感测方法，其包括但不限于声纳和超声波，并且包括单个或阵列声源和/或接收器。这样的布置可以用作与本文描述的其他传感器和方法合并的一种或多种附属感测模态。

在一些实施例中，环境传感器套件330的一个、一些或所有传感器可以在设备301外部。例如，一个或多个远程环境传感器可以与设备301直接(例如，经由直接无线通信方法、经由低功率网状网络)或间接(例如，通过一个或多个其他设备经由低功率网状网络、经由网络的接入点、经由远程服务器)通信。

设备301可以包括各种接口。显示器340可以允许处理系统330呈现信息以供一个或多个用户查看。无线网络接口350可以允许使用诸如基于WiFi的网络的无线局域网(WLAN)执行通信。扬声器355可以允许输出诸如合成语音的声音。例如，对通过麦克风334接收到的口述命令的响应可以通过扬声器355和/或显示器340输出。口述命令可以由设备301在本地分析或者可以经由无线网络接口350传输到基于云的服务器系统370用于分析。基于对口述命令的分析的响应可以通过无线网络接口350发送回设备301，以通过扬声器355和/或显示器340输出。附加地或替代地，扬声器355和麦克风334可以共同被配置用于主动声学感测，包括超声波声学感测。附加地或替选地，其他形式的无线通信也是可能的，例如使用低功率无线网状网络无线电和协议(例如，Thread)来与各种智能家居设备通信。在一些实施例中，诸如以太网连接的有线网络接口可用于与网络通信。此外，无线通信向第五代(5G)和第六代(6G)标准和技术的演进提供了更大的吞吐量和更低的延迟，其增强了移动宽带服务。5G和6G技术还通过控制和数据通道为车载网络(V2X)、固定无线宽带和物联网(IoT)提供新型服务。此类标准和技术可用于通过设备301的通信。

低功率无线网状网络无线电和协议可以用于与功率受限设备通信。功率受限设备可以是专门的电池供电设备。这样的设备可能完全依赖一个或多个电池供电，因此，用于通信的电量可以保持较低，以降低需要更换一个或多个电池的频率。在一些实施例中，功率受限设备可能具有通过相对高功率网络(例如，WiFi)和低功率网状网络执行通信的能力。功率受限设备可能不经常使用相对高功率的网络来节省功率。这种功率受限设备的示例包括环境传感器(例如，温度传感器、一氧化碳传感器、烟雾传感器、移动传感器、存在检测器)和其他形式的远程传感器。

值得注意的是，设备301的一些实施例不具有任何照相机或摄像机。通过不包含车载摄像头，附近的用户可以放心他们的隐私。例如，设备301通常可以安装在用户的卧室中。出于多种原因，用户不希望位于这样的私人空间或在用户睡觉时对准用户的相机。在其他实施例中，设备301可以具有相机，但是相机的镜头可能被机械镜头快门遮挡。为了使用相机，可能需要用户物理地打开快门以允许相机看到设备301的环境。当快门关闭时，可以相对于相机确保用户隐私。

无线网络接口350可以允许与网络360执行无线通信。网络360可以包括一个或多个公共和/或专用网络。网络360可以包括专用的本地有线或无线网络，例如家庭无线LAN。网络360还可以包括公共网络，例如因特网。网络360可以允许设备301与远程定位的基于云的服务器系统370通信。

基于云的服务器系统370可以为设备301提供各种服务。关于呼吸数据，基于云的服务器系统370可以包括用于呼吸相关数据的处理和存储服务。虽然图3的实施例涉及处理系统310执行睡眠状态检测和监测用户的呼吸，但是在其他实施例中，此类功能可由基于云的服务器系统370执行。此外，除将数据储存器318用于存储呼吸数据以外或作为其替选，呼吸相关数据可以由基于云的服务器系统370存储，例如映射到设备301链接到的公共用户账户。如果多个用户被监测，呼吸数据可以被存储并映射到主用户账户或对应用户的账户。

基于云的服务器系统370可以附加地或替选地提供其他基于云的服务。例如，设备301可以附加地用作家庭助理设备。家庭助理设备可以响应于来自用户的声音查询。响应于检测到正在说出的声音触发短语，设备301可以记录音频。音频流可以被传输到基于云的服务器系统370用于分析。基于云的服务器系统370可以执行语音识别过程，使用自然语言处理引擎来理解来自用户的查询，并提供将由设备301输出的响应作为合成语音、将呈现在显示器340上的输出和/或要由设备301执行(例如，提高设备301的音量)或发送到某个其他智能家居设备的命令。此外，查询或命令可以经由可以是触摸屏的显示器340提交给基于云的服务器系统370。例如，设备301可用于控制各种智能家居设备或家庭自动化设备。这样的命令可以由设备301直接发送到要控制的设备或者可以经由基于云的服务器系统370发送。

基于雷达处理模块312输出的数据，睡眠状态检测引擎314可用于确定用户是否可能睡着或醒着。睡眠状态检测引擎314可以通过状态机前进，诸如关于图11详述的，或者可以使用通过使用这种状态机识别的状态来确定用户可能醒着还是睡着了。例如，如果确定用户在床上并且静止至少一段时间，则可以将该用户识别为睡着了。睡眠状态检测引擎314的输出可由呼吸监测引擎316使用，以确定何时应分析和记录用户的呼吸和/或何时应激活或停用呼吸监测引擎314。例如，只能在用户处于睡眠和静止状态时分析用户的呼吸(由于生命体征导致的移动除外)。

可以包括一个或多个非暂时性处理器可读介质的数据储存器318可以存储从呼吸监测引擎316获得的数据。所获得的数据可以包括用户经历的异常呼吸状况(例如反常呼吸)的类型、时间、持续时间和/或强度的指示。可以追踪和存储其他呼吸相关数据，例如用户的呼吸速率(例如，每分钟呼吸次数)。可以在夜间和更长的时间段内监测呼吸速率的变化，例如几天、几周、几个月和几年。在一些实施例中，附加地或替代地，可以使用基于云的服务器系统370来存储这样的数据。

呼吸数据输出引擎319可编译或汇总从机器学习模型540接收的和/或由数据储存器318存储的数据，并可使用显示器340和/或扬声器355输出此类数据的汇总。例如，可以在早晨自动地或响应于用户请求前一晚的汇总，输出用户呼吸的汇总，包括任何观察到的医疗问题。该汇总可以包括用户的呼吸速率的可视化和/或任何识别的医疗状况的指示(以及，可能的，识别的医疗状况的定义)。该汇总还可以包括在更长时间内识别的趋势，例如医疗状况是减轻还是加剧。可以使用合成语音经由扬声器355输出该汇总的一些或全部。还可以使用数据储存器318本地地或使用基于云的服务器系统370远程地存储汇总。

图4A示出了可执行波束导控的非接触式健康监测系统400(“系统400A”)的实施例。系统400A允许进行对用户的非接触式健康评估。非接触式健康评估可以包括状态确定，例如用户是否在床上、是否在床内静止或是否在床内移动。用户的状态可用于确定是否应记录关于用户的健康数据和/或是否应激活其他系统。例如，系统500B可以仅在用户被确定在床上并且不动的情况下被激活。当确定用户在床上并且不动时，可以监测用户的小移动。用户身体的这些小移动可以对应于生命体征，如呼吸和心率。这种生命体征数据可以被记录、存储和分析。

系统400A可包括：雷达子系统405(其可代表雷达子系统320的实施例)；雷达处理模块410(其可以表示雷达处理模块312的实施例)；以及，波束导控模块430。通过使用波束导控模块430执行的波束导控可以聚焦于来自用户可能存在的区域的雷达反射，并且忽略或至少减少来自引起干扰的物体(例如附近的墙壁或其他静止物体)的雷达反射的使用。

雷达子系统405可以包括RF发射器406、RF接收器407和雷达处理电路408。RF发射器406可以例如以连续波(CW)雷达的形式发射无线电波。RF发射器406可以使用调频连续波(FMCW)雷达。FMCW雷达可以工作在突发(burst)模式中，诸如参考图4B详述的，其中，执行转换过程以创建虚拟连续样本。雷达子系统405可以工作在突发模式或连续稀疏采样模式中。在突发模式中，RF发射器406可以输出一个帧或多个啁啾串，啁啾间隔相对较短的时间段。每个帧之后可能有相对较长的时间量，直到下一个帧。在连续稀疏采样模式下，不输出帧或啁啾串，而是周期性地输出啁啾。连续稀疏采样模式中的啁啾的间隔在持续时间上可以大于突发模式的帧内啁啾之间的间隔。在一些实施例中，雷达子系统405可以以突发模式操作，但是可以将每个突发的输出原始啁啾瀑布数据组合(例如，平均)在一起以创建模拟的连续稀疏采样的啁啾瀑布数据。在一些实施例中，以突发模式收集的原始瀑布数据可能更适合手势检测，而以连续稀疏采样模式收集的原始瀑布数据可能更适合睡眠追踪、生命体征检测和一般而言的健康监测。可以由使用未示出的雷达子系统405的输出的其他硬件或软件部件来执行手势检测。

发射的无线电波的频率可能会从低频到高频(或相反)反复扫描。用于传输的功率电平可以非常低，使得雷达子系统405具有几米或更短距离的有效范围。RF接收器407可以包括一个或多个天线，并且可以接收由RF发射器406发射的无线电波从附近物体反射的无线电波。反射的无线电波可以通过雷达处理电路408解释。雷达处理电路408可以输出原始波形数据，其也可以被称为原始啁啾瀑布数据以供单独的处理实体分析。雷达子系统405可以实现为单个集成电路(IC)，或者雷达处理电路408可以是与RF发射器406和RF接收器407分开的部件。在一些实施例中，雷达子系统405集成为设备301的一部分，使得RF发射器406和RF接收器407指向与显示器340相同的方向。在其他实施例中，包括雷达子系统405的外部设备可以经由有线或无线通信与设备301连接。例如，雷达子系统405可以是家庭辅助设备的附加设备。

对于雷达子系统405，如果使用FMCW，则可以定义非模糊的FMCW范围。在此范围内，可以准确地确定到物体的距离。但是，在此范围之外，检测到的对象可能会被错误地解释为比非模糊范围内的对象更近。这种不正确的解释可能是由于混合信号的频率和雷达子系统用于将接收到的模拟信号转换为数字信号的ADC的采样率。如果混合信号的频率高于ADC的采样的Nyquist速率，则ADC输出的代表反射雷达信号的数字数据可能会被错误地表示(例如，作为表示较近的物体的较低的频率)。

当使用设备301来监测睡眠模式和生命统计数据时，可以向用户指示该用户应该是离设备301最近的人。另一个人或动物可能存在于床上。可能需要将非模糊的FMCW范围定义得足够远，例如两米，使得两个人(或大约床的宽度)落在雷达子系统405的非模糊的FMCW范围内。两米可以是理想距离，因为该距离大约是一张商用大床(例如，特大号(king size)床)的宽度。

雷达子系统405可包含多个天线以接收反射的雷达无线电波。在一些实施例中，可以存在三个天线。这些天线可以以“L”图案排列，使得两个天线水平正交，两个天线垂直正交，其中，一个天线用于水平布置和垂直布置，如关于图7详细描述的。通过分析反射无线电波中的相位差，可以应用加权以垂直和/或水平地瞄准接收的雷达波束。在其他实施例中，天线可以以不同的图案对准。

由于多种原因，可执行水平波束导控。首先，可以执行水平瞄准以补偿发射的雷达指向引起干扰的物体。例如，如果用户的床头板靠着墙壁，床头板和/或墙壁可以占据雷达子系统405的视野的重要部分。来自床头板和/或墙壁的雷达反射可能不用于确定关于用户的数据；因此，去强调来自墙壁和/或床头板的反射并强调从远离墙壁和/或者床头板获得的反射可能是有益的。因此，通过对接收到的雷达信号施加的加权，可以使接收波束水平地远离墙壁和床头板。第二，可以执行水平波束导控，以瞄准多个空间区域，例如图2的空间区域220，从而允许分析用户胸部的不同部分。

在系统400A中，波束导控模块430用于在雷达处理模块410执行处理之前，对从雷达子系统405接收的原始雷达瀑布数据进行处理。因此，波束导控模块430可以在雷达处理模块410的分析之前用作预处理模块，并且可以用于强调预期存在一个或多个用户的区域。可以使用硬件、软件或固件来实现波束导控模块430；因此，可以使用与雷达处理模块410相同的一个或多个处理器来实现波束导控模块430。

波束导控模块430可以包括信道加权引擎431和波束导控系统432。信道加权引擎431可用于执行训练过程，以确定在将接收到的雷达信号混合在一起之前要应用于来自每个天线的接收到雷达信号的一系列加权。当监测区域被确定为空时，信道加权引擎431可以执行训练过程。在此时间期间，可以分析从大型静态物体(例如，墙壁、床头板)接收到的信号的强度，并且可以设置权重以使波束水平(并且可能垂直)远离此类物体。因此，通过信道加权引擎431导控接收雷达波束，可以使静态环境中的反射量对于距设备的特定距离范围(例如，高达一米)最小化。也可以在用户在场时执行这种训练。也就是说，雷达子系统405的接收波束可以被导控到检测到移动的地方，或者具体地，被引导到用户的生命体征被检测到的地方。

波束导控系统432可以使用信道加权引擎431确定的权重来单独地向每个天线的接收反射雷达信号施加权重。来自每个天线的接收信号可以被加权，然后被混合在一起以供雷达处理模块410处理。将结合图6-8详细描述关于如何实现波束导控模块430的各种实施例的进一步细节。波束导控模块430可以与本文详述的任何其他实施例结合使用。

原始波形数据可以从波束导控模块430传递到雷达处理模块410。雷达处理模块410可以包括一个或多个处理器。可以使用一个或多个专用或通用处理器来执行雷达处理模块410的功能。专用处理器可包括专门设计用于执行本文详述的功能的处理器。此类专用处理器可以是ASIC或FPGA，它们是在物理和电气上被配置以执行本文详述的功能的通用部件。通用处理器可以执行使用一种或多种非暂时性处理器可读介质存储的专用软件，此一种或多种非暂时性处理器可读介质例如是随机存取存储器(RAM)、闪存、硬盘驱动器(HDD)或固态驱动器(SSD)。雷达处理模块410可以包括：移动滤波器411；频率强调器(emphasizer)412；距离-体征(range-vitals)变换引擎413；距离选通滤波器414；频谱求和引擎415；以及，神经网络416。可以使用软件或固件或作为专用硬件来实现雷达处理模块410的每个部件。

雷达子系统405输出并且由波束导控模块430处理的原始啁啾瀑布或波形数据可由雷达处理模块410接收并使用移动滤波器411首先执行处理。在一些实施例中，重要的是，移动滤波器411是用于执行滤波的初始部件。即，雷达处理模块410执行的处理在一些实施例中是不可交换的。通常，当被监测用户在床上正在睡觉或试图睡觉时，可以发生生命体征确定和睡眠监测。在这样的环境中，通常可能很少有移动。这种移动可能是归因于用户在床上移动(例如，在试图入睡或睡着时翻身)和用户的生命体征，包括呼吸引起的移动和因为被监测用户心跳引起的移动。在这样的环境中，从RF发射器406发射的大部分无线电波可能会被被监测用户附近的静态物体反射，例如床垫、弹簧床、床架、墙壁、家具、床上用品等。因此，从雷达子系统405接收的大部分原始波形数据可能与用户移动和用户的生命测量无关。

移动滤波器411可以包括波形缓冲器，其缓冲接收到的原始波形数据的“啁啾”或片段。例如，采样可能以10Hz的比率发生。在其他实施例中，采样可以更慢或更快。在某些实施例中，移动滤波器411可以缓冲二十秒的接收到的原始波形啁啾。在其他实施例中，更短或更长持续时间的缓冲原始波形数据被缓冲。可以对该缓冲的原始波形数据执行滤波以去除指示静止物体的原始波形数据。也就是说，对于正在移动的物体，例如被监测用户的胸部，用户的心跳和呼吸率将影响雷达子系统405执行的距离和速度测量并输出到移动滤波器411。用户的这种移动将导致在缓冲时间段内接收到的原始波形数据中的“抖动(jitter)”。更具体地说，抖动是指由移动物体反射发射的无线电波引起的相移。不是使用反射的FMCW无线电波来确定移动物体的速度，反射无线电波中的移动引起的相移可用于测量生命统计数据，包括心率和呼吸率，如本文详述。

对于固定物体，例如家具，零相移(即，无抖动)将在缓冲时间段内出现在原始波形数据中。移动滤波器411可以减去这种对应于静止物体的原始波形数据，使得指示移动的原始波形数据被传递到频率强调器412以供进一步分析。对于雷达处理模块410的剩余处理，可以丢弃或否则忽略对应于静止物体的原始波形数据。

在一些实施例中，无限脉冲响应(IIR)滤波器被并入作为移动滤波器411的一部分。具体地，可以实施单极点IIR滤波器以滤除不指示移动的原始波形数据。因此，单极点IIR滤波器可以实现为高通、低阻滤波器，其防止指示低于特定频率的移动的原始波形数据传递通过到频率强调器412。可以基于对人类生命体征的已知限制设置截止频率。例如，预期呼吸率在每分钟10次到60次呼吸之间。滤波器可以排除指示低于每分钟10次呼吸的频率的移动数据。在一些实施例中，可以实施带通滤波器以排除指示高频移动的原始波形数据，其对于人类生命体征来说是不可能的。例如，对于处于静息或接近静息状态的人来说，预计高于呼吸率的心率不太可能高于每分钟150次。可由带通滤波器滤除指示较高频率的原始波形数据。

在一些实施例中，可以进一步微调移动滤波器411传递给频率强调器412的原始波形数据的频率。例如在初始配置阶段期间，用户可以提供关于被监测用户(例如，他自己、孩子)的信息，例如年龄数据。表1指示了不同年龄的典型呼吸频率。对于心率可能存在类似的数据。滤波器可以被配置为排除在预期呼吸率、心率范围或两者之外的数据。

年龄	呼吸率范围(每分钟呼吸次数)
		出生——6周	30-60
6个月	25-40
		3岁	20-30
6岁	18-25
		10岁	17-23
成年	12-18
		65-80岁	12-28
>80岁	10-30

表格1

被测量的被监测用户的生命体征是周期性脉冲事件：用户的心率可能随时间变化，但可以预期用户的心脏会持续周期性跳动。这种跳动不是正弦函数，而是可以理解为脉冲事件，其更类似于具有相对较低占空比的方波，它会引起用户身体的移动。类似地，用户的呼吸率可能会随时间变化，但呼吸是用户身体执行的周期性功能，其类似于正弦函数，只是用户的呼气通常比他们的吸气长。此外，在任何给定时间，都会分析特定的波形数据窗口。由于正在分析波形数据的特定时间窗口，因此即使是该窗口内的完美正弦波也会导致频域中的频谱泄漏。由于这种频谱泄漏导致的频率分量应被去强调。

频率强调器412可以与距离-体征变换引擎413结合工作以确定原始波形数据的一个(例如，呼吸)或两个(例如，呼吸加心跳)频率分量。频率强调器412可以使用频率窗口化(windowing)，例如4DHamming窗(其他形式的窗口化是可能的，例如Hann窗)，以强调原始波形数据的重要频率分量并且去强调或移除可归因于定义的频率窗口之外的频谱泄漏的波形数据。这种频率窗口化可能会降低原始波形数据的幅度，这可能是由于处理伪影造成的。使用频率窗口化可以帮助减少数据相关处理伪影的影响，同时保留与能够单独确定心率和呼吸率相关的数据。

对于固定的床边基于FMCW雷达的监测设备，其可以位于被监测的一个或多个用户的1至2米范围内以检测呼吸和心率(例如，使用图4B中发射的雷达)，强调10至60bpm(0.16Hz至1Hz)呼吸频率和30至150bpm(0.5至2.5Hz)心跳频率的2D汉明窗口提供足够好的信号来进行可靠的测量，无需预先了解患者的年龄或病史。

由于心率和呼吸率是周期性的脉冲事件，频域心率和呼吸率可以由不同的基频表示，但是各自在较高频率处可能具有许多谐波分量。频率强调器412的主要目的之一可能是防止被监测用户呼吸率的谐波的频率波动影响被监测用户心率的频率测量(或相反)。虽然频率强调器412可以使用2D汉明窗，但是应该理解，可以使用其他窗函数或隔离函数来帮助将被监测用户的呼吸率的频率波动与被监测用户的心率的频率波动隔离开来。

距离-体征变换引擎413分析接收到的移动滤波波形数据以识别和量化在特定频率下的移动幅度。更具体地，距离-体征变换引擎413随时间分析相位抖动以检测由于具有相对低频率的用户生命体征(例如，呼吸率和心率)引起的相对小的移动。距离-体征变换引擎413的分析可以假定移动波形数据的频率分量是正弦曲线。此外，距离-体征变换引擎413使用的变换也可以识别频率被观察到的距离。可以确定频率、幅度和距离，至少部分地因为雷达子系统405使用FMCW雷达系统。

在应用距离-体征变换引擎413的变换之前，距离-体征变换引擎413可以执行零填充过程以将多个零添加到移动过滤的原始波形数据。通过执行零填充过程，可以有效提高频域内的分辨率，从而允许更准确的低速率测量(例如，低心率，低呼吸率)。例如，与没有零填充的每分钟一次呼吸的分辨率相比，零填充可以帮助在数值上提高分辨率以检测每分钟半次呼吸的差异。在一些实施例中，可以添加与原始波形数据的缓冲样本大小相比的三到四倍数量的零。例如，如果分析20秒的缓冲原始波形数据，则可以将60到80秒的零填充添加到样本中。具体来说，样本的三到四倍零填充范围被发现可以显著提高分辨率，同时不会使转换过程过于复杂(因此，处理器使用密集)。

为了确定要执行的零填充量，可以使用等式1-3。在等式1中，RPM_resolution理想情况下可能小于1。

n_FFT_slow_time_min＝(nearest_power_of_2)(60*chirp_rate) 等式2

在一些实施例中，可以使用30Hz的啁啾率(chirp_rate)。这样的频率可以相对于呼吸率和心率的上限的Nyquist极限有足够的余量。因此，n_FFT_slow_time_min可能为2048。给定一个20秒的窗口来估计呼吸统计数据，等式3产生值600。

n_chirps_for_respiration＝20*chirp_rate＝600 等式3

这个值600小于所需的体征-FFT(vitals-FFT)大小，并使距离-体征变换引擎413执行3x到4x零填充。执行多少零填充的平衡可以基于增加频率分辨率和执行FFT所需的计算量的相关联的增加。已发现3倍到4倍的零填充以为心率和呼吸率提供足够的分辨率，同时减少需要执行的计算量。

距离-体征变换引擎413可以执行一系列傅里叶变换(FT)以确定由频率强调器412输出的接收到的原始波形数据的频率分量。具体地，可以通过距离-体征变换引擎413执行一系列快速傅里叶变换(FFT)来确定波形数据的特定频率和波形数据在这些频率下的幅度。

可以用多个维度表示在一时间段内获得的波形数据。第一维度(例如，沿y轴)可以与来自特定啁啾的波形数据的多个样本相关，第二维度(例如，沿x轴)与跨多个啁啾收集的波形数据的特定样本索引相关。数据的第三维(例如，沿z轴)表示波形数据的强度。

可以基于波形数据的第一维和第二维执行多个FFT。可以沿着第一和第二维度中的每一个执行FFT：可以针对每个啁啾执行FFT，并且可以针对在该时间段期间出现的多个啁啾上的每个特定样本索引执行FFT。对特定反射啁啾的波形数据执行的FFT可以指示一个或多个频率，在FMCW雷达中，这些频率指示反射发射的无线电波的物体存在的距离。针对跨多个啁啾的特定样本索引执行的FFT可以测量跨多个啁啾的相位抖动的频率。因此，第一维的FFT可以提供生命统计数据存在的距离，第二维的FFT可以提供生命统计数据的频率。在两个维度上执行的FFT的输出指示：1)生命统计的频率；2)测量生命统计的范围；以及3)测量频率的大小。除了由于数据中存在的生命统计而导致的值之外，还可能存在例如使用频谱求和引擎415被过滤的噪声。噪声可能部分是由于心率和呼吸不是完美的正弦波。

为了清楚，距离-体征变换引擎413执行的变换不同于距离-多普勒(range-Doppler)变换。不是分析速度的变化(如在距离-多普勒变换中)，而是将相移随时间的周期性变化作为距离-体征变换的一部分执行分析。通过追踪相位变化(称为相位抖动)来调整距离-体征变换以识别在相对较长的时间段内发生的小移动(例如，呼吸、心率)。如前所述，执行零填充以允许足够的分辨率来准确确定心率和呼吸率。

距离选通滤波器414用于监测定义的感兴趣范围并且排除由于超出定义的感兴趣范围的移动而导致的波形数据。对于本文详述的布置，定义的感兴趣范围可以是0到1米。在一些实施例中，该定义的感兴趣范围可能不同或可能由用户设置(例如，通过培训或设置过程)或由服务提供商设置。在一些实施例中，这种布置的目标可以是监测最靠近设备的一个人(并且排除或隔离更远的任何其他人的数据，例如睡在被监测的人旁边的人)。在其他实施例中，如果两个人都将被监测，则数据可以被分离，如关于图12详细描述的。因此，距离-体征变换引擎413和距离选通滤波器414用于分离、排除或移除归因于定义的感兴趣范围之外的对象的移动数据，并对归因于定义的感兴趣范围内的对象的移动数据的能量求和。距离选通滤波器414的输出可以包括具有在距离选通滤波器414的允许范围内的确定范围的数据。该数据还可以具有频率维度和幅度。因此，数据可能具有三个维度。

频谱求和引擎415可以接收来自距离选通滤波器414的输出。频谱求和引擎415可以用于传递所测量的心率和呼吸率的谐波频率的能量并且将谐波频率能量与基频能量相加。该函数可称为谐波和频谱(HSS)。心率和呼吸率不是正弦曲线；因此，在频域中，谐波将出现在高于用户呼吸率基频和用户心率基频的频率上。频谱求和引擎415的主要目的之一是防止被监测用户呼吸率的谐波影响被监测用户心率的频率测量(或相反)。可以通过将原始频谱与频谱的下采样实例(乘以两倍的因子)相加来以二阶执行HSS。这个过程也可以应用于更高阶的谐波，使得它们各自的频谱被添加到基频处的频谱。

在此阶段，对于躺在床上静止不动的人(由于呼吸和心率引起的移动除外)，预计频率数据中将出现两个主要频率峰值。然而，如果被监测用户身体在移动，例如在床上翻身，能量将显著分布在整个频谱上(更广泛的分布)。如此大的身体移动可能在频率数据中表现为大量的小峰。如果床是空的，而不是有人在，则在本底噪声之上可能没有或几乎没有频率分量，因为移动滤波器411先前已经过滤了对应于静态对象的原始波形数据。频谱上频率峰值的分布和幅度可用于确定用户是否可能醒着或睡着了。

频谱求和引擎415可以输出指示心率(例如，以每分钟心跳为单位)和呼吸率(例如，以每分钟呼吸次数为单位)的特征向量。特征向量可以指示频率和幅度。神经网络416可用于确定在来自频谱求和引擎415的特征向量的输出中指示的心率和/或呼吸率是否应被认为是有效的。因此，频谱求和引擎415输出的心率和呼吸率可以被存储、呈现给用户和/或基于神经网络416的输出被视为有效。神经网络416可以被训练(例如，使用通过使用一组训练数据执行的监督学习)以通过执行频谱分析输出三种状态之一，例如表2中所示的状态。当确定用户存在并且检测到的移动是由于用户的生命体征时，生命统计数据可以被认为是有效的。

表2中的每个状态与不同的频谱能量和频谱稀疏度分布相关联。频谱能量是指由于监测区域内存在移动而检测到的整个频谱的能量总和。频谱稀疏度表示移动是倾向于分布在广泛的频率范围内还是集中在几个特定的频率上。例如，如果能量峰值出现在少数频率处，例如当检测到用户的生命体征(但不是其他移动)时，频谱稀疏度很高。然而，如果峰值(超过阈值)或基于至少部分地基于幅度的阈值标准的某种其他形式的确定出现在许多频率处，则频谱稀疏度低。

作为示例，由于诸如心跳的生命体征引起的移动可以指示在特定频率(例如，高频谱稀疏度)下的显著移动(例如，高频谱能量)；由于用户移动肢体而引起的移动也可能指示明显的移动(高频谱能量)，但可能具有低频谱稀疏度。可以训练神经网络以基于由频谱求和引擎415输出的频谱能量分布来区分每个状态。因此，可以向神经网络416提供两个特征，表示频谱能量的第一值，表示频谱频稀疏度的第二值。

频谱求和引擎415的输出可以表征为具有第一维频率和第二维幅度的特征向量。可以通过确定存在于由频谱求和引擎415输出的特征向量中的最大幅度来计算表示频谱能量的第一值。该最大幅度值可以归一化为0到1内的值。可以通过从最大幅度中减去特征向量的中值幅度来计算表示频谱稀疏度的第二值。同样在这里，计算出的稀疏度可以归一化为0到1之间的值。

表2表示如何将频谱能量和频谱稀疏度的特征用作受训练的神经网络的特征以对监测区域的状态执行分类的概括。

受监测区域的状态	频谱能量	频谱稀疏度
			用户存在和仅生命体征的移动	高	高
用户存在和移动(肢体和躯干移动)	高	低
			没有用户存在	低	低

表2

由神经网络416分类的监测区域的状态可以用于确定被监测用户的睡眠状态，或者更一般地，确定用户是在移动还是仍在床上。由执行的神经网络416的分类所确定的监测区域的状态可以进一步用于确定是否应该信任或忽略由频谱求和引擎415输出的生命统计数据。为了准确的生命统计确定，当神经网络416确定用户存在和静止时(即，没有大的身体移动；然而，由于呼吸和/或心跳而发生移动)，心率和呼吸率可以被识别为可能准确的。在一些实施例中，频谱求和引擎415输出的生命统计数据可以专门存储在本地(例如，以减轻隐私问题)；在其他实施例中，生命统计输出可以被传输到基于云的服务器系统370以用于远程存储(替代或补充这种数据被本地存储)。

最初可以使用大量幅度和频率特征向量的训练数据训练神经网络416，这些训练数据已经被适当地标记为将频谱能量和频谱稀疏度映射到被监测区域的对应真实状态的分类。或者，最初可以使用大量幅度和频率特征向量的训练数据训练神经网络416，这些训练数据已经被适当地分类为映射包括的频谱能量和频谱稀疏度对，每对被适当地标记为被监测区域的对应的真实状态。神经网络可以是不依赖于时间的全连接神经网络。在一些实施例中，可以使用除神经网络之外的机器学习布置、分类器或人工智能形式。

在其他实施例中，不同于将频谱能量值和频谱稀疏度值作为神经网络使用的特征，可以训练可能具有附加前端卷积层的神经网络以直接使用距离选通滤波器414的输出。相反，卷积网络的一个实施例可以分析距离选通滤波器414输出的频率和幅度数据以对用户的状态执行分类。卷积神经网络可以被训练以利用离线训练，该离线训练基于在最终用户使用系统400A之前映射到被监测区域的真实状态的一组频谱测量。

由神经网络416确定的睡眠状态可以与时间数据一起存储到数据储存器318。当神经网络416指示被监测用户存在并且静止时，可以将频谱求和引擎415输出的生命统计数据存储到生命统计数据数据库。其他生命统计数据可能会被丢弃或可能被标记以指示它不太可能是正确的。存储到数据储存器318和生命统计数据数据库的数据可以本地存储在设备301处。在一些实施例中，存储只发生在设备301。这样的实现方式可以帮助减轻对健康相关数据被传输和远程存储的担忧。在一些实施例中，被监测用户可以选择让睡眠数据和生命统计数据诸如由基于云的服务器系统370经由网络接口(例如，无线网络接口350)传输、存储和在外部分析。由基于云的服务器系统370的存储可能具有显著的好处，例如用户远程访问此类数据、允许访问医疗提供者或参与研究的能力。用户可以保留随时从基于云的服务器系统370删除或以其他方式移除数据的能力。

在一些实施例中，雷达处理模块410可以完全或部分地位于远离设备301的位置。虽然雷达子系统405可能需要在被监测用户本地，但是雷达处理模块410的处理可以移动到基于云的服务器系统370。在其他实施例中，与设备301执行本地通信(例如，经由LAN或WLAN)的智能家居设备可以执行雷达处理模块410的部分或全部处理。在一些实施例中，例如涉及网状网络的本地通信协议可用于将原始波形数据传输到将执行处理的本地设备。这样的通信协议可以包括Wi-Fi、蓝牙、Thread或IEEE 802.11和802.15.4系列的通信协议。类似于处理，睡眠数据和生命统计数据的存储可以发生在基于云的服务器系统370或设备301所在的家中的另一智能家居设备处。在其他实施例中，雷达处理模块410可以与雷达子系统405合并为单个部件或部件系统。

睡眠数据储存器318存储的睡眠数据和生命统计数据可用于通过睡眠数据编译引擎319向用户提供与他们的睡眠模式、生命统计或两者相关的短期和长期趋势。例如，每天早上，图表、统计数据和趋势可以由睡眠数据编译引擎319基于存储到睡眠数据储存器318的数据来确定并且输出以供睡眠数据编译引擎319经由显示器340显示。可以呈现来自前一晚的睡眠数据的图表以及指示前一晚期间的呼吸率和心率的一个或多个图表。睡眠数据编译引擎319可以输出类似的图表、趋势和统计数据达到明显更长的时间段，例如数周、数月、数年和甚至多年的时间段。睡眠数据和生命统计数据的其他用途可以是可能的。例如，如果触发了关于心率、呼吸率和/或睡眠模式的某些触发器，则可以通知医疗专业人员。附加地或替代地，可以向用户输出通知，其指示所收集的数据可能涉及或指示健康人。在某些情况下，可能会识别特定的睡眠问题，例如睡眠呼吸暂停。可以使用合成语音经由扬声器355输出睡眠数据(例如，响应于用户醒来、响应于口述用户命令或响应于用户经由诸如显示器340的触摸屏提供输入)。这样的睡眠数据也可以在显示器340上以图形和/或文本方式表示。

系统400A可以另外包括波束导控模块430。波束导控模块430可以包括信道加权引擎431，其可以类似于雷达处理模块410的部件使用软件、固件和/或硬件来实现。波束导控模块430被示为与雷达处理模块410分开，因为它处理从雷达子系统405接收的数据以强调从特定方向接收的数据并且去强调从其他方向接收的数据。可以使用与雷达处理模块410相同的硬件来实现波束导控模块430。例如，波束导控模块430可以是在应用移动滤波器411之前修改从雷达子系统405接收的雷达数据的软件过程。设备301可以是旨在放置在特定位置、与连续电源(例如，家用电源插座)连接并通过语音和/或触摸屏交互的表面顶部设备。因此，雷达子系统405可以在相当长的时间段(例如，数小时、数天、数周、数月)内保持指向周围环境的一部分。一般而言，波束导控模块430可用于映射设备301所处的环境(例如，房间)并将雷达子系统405的感测方向导控至雷达子系统405的视野内的最可能有用户存在的区域。

以雷达子系统405的视野内的区域为目标可以帮助减少由除用户之外的物体的移动引起的漏报和误报的数量。此外，瞄准可以帮助补偿设备301相对于用户睡觉的地方的角度和位置。(例如，设备301可能位于与用户的床高度不同的床头柜上。附加地或替代地，雷达子系统405设备301可能不会直接指向用户睡觉的床上位置。)

当例如基于表2的低频谱能量和低频谱密度确定没有用户存在时，最佳波束导控过程可以由信道加权引擎431和波束导控系统432执行。虽然没有用户存在，可以执行分析以确定雷达子系统405的哪个定向对齐提供最小的杂波。

图4B图示了由雷达子系统输出的调频连续波(FMCW)雷达无线电波的啁啾时序图400B的实施例。啁啾时序图400B未按比例绘制。雷达子系统405通常可以以啁啾时序图400B的模式输出雷达。啁啾450表示无线电波的连续脉冲，其频率从低频扫描到高频。在其他实施例中，单独的啁啾可以连续地从高频扫到低频，从低频扫到高频，然后扫回低频，或者从高频扫到低频，再扫回高频。在一些实施例中，低频是58GHz而高频是63.5GHz。(对于这样的频率，无线电波可以称为毫米波。)在一些实施例中，频率在57和64GHz之间。低频和高频可以根据实施例而变化。例如，低频和高频可以在45GHz和80GHz之间。可以至少部分地选择频率选择以符合政府法规。在一些实施例中，每个啁啾包括从低频到高频(或相反)的线性扫描。在其他实施例中，可以使用指数或某种其他模式来从低到高或从高到低扫描频率。

可以代表啁啾时序图400B中的所有啁啾的啁啾450可以具有128微秒的啁啾持续时间452。在其他实施例中，啁啾持续时间452可以更长或更短，例如在30μs和600μs之间。在一些实施例中，在发出后续啁啾之前可能会过去一段时间。啁啾之间停顿456可以是205.33微秒。在其他实施例中，啁啾间停顿456可以更长或更短，例如在10μs和1ms之间。在所示实施例中，包括啁啾450和啁啾间停顿456的啁啾周期454可以是333.33μs或500μs。该持续时间根据选定的啁啾持续时间452和啁啾之间停顿456而变化。

输出的、由啁啾间停顿分隔的多个啁啾可以称为脉冲串458或帧458。帧458可以包括二十个啁啾。在其他实施例中，帧458中的啁啾的数量可以更多或更少，例如在1和100之间。可以基于要辐射的平均功率来确定帧458中存在的啁啾的数量。FCC或其他监管机构可以设置平均地允许辐射到环境中的最大功率量。例如，可能存在占空比要求，其将任何33毫秒时间段的占空比限制为小于10％。在每帧有20个啁啾的一个特定示例中，每个啁啾可以具有128μs的持续时间，并且每个帧的持续时间为33.33ms。对应的占空比为(20帧)*(.128ms)/(33.33ms)，其约为7.8％。通过在帧间停顿之前限制帧458内的啁啾数，可以限制功率输出的总量。在一些实施例中，峰值EIRP(有效各向同性辐射功率)可以是13dBm(20mW)或更小，例如12.86dBm(19.05mW)。在其他实施例中，峰值EIRP为15dBm或更小，占空比为15％或更小。在一些实施例中，峰值EIRP为20dBm或更小。也就是说，在任何给定时间，雷达子系统辐射的平均功率量可能永远不会超过这些值。此外，可以限制在一时间段内辐射的总功率。在一些实施例中，可能不需要占空比。

可以如时间段460所示以30Hz(33.33ms)的频率传输帧。在其他实施例中，频率可以更高或更低。帧频率可能取决于帧内啁啾的数量和帧间停顿462的持续时间。例如，频率可能在1Hz和50Hz之间。在一些实施例中，可以连续发射啁啾，使得雷达子系统输出连续的啁啾流，其间穿插有啁啾间停顿。由于传输啁啾和处理接收到的啁啾反射，可以执行权衡以节省设备消耗的平均功率。帧间停顿462表示没有啁啾输出的时间段。在一些实施例中，帧间停顿462明显长于帧458的持续时间。例如，帧458的持续时间可以是6.66ms(啁啾周期454是333.33μs并且每帧20个啁啾)。如果帧之间出现33.33ms，则帧间停顿462可能是26.66ms。在其他实施例中，帧间停顿462的持续时间可以更长或更短，例如在15ms和40ms之间。

在图4B图示的实施例中，图示了单个帧458和后续帧的开始。应当理解，每个后续帧在结构上可以类似于帧458。此外，雷达子系统的传输模式可以是固定的。也就是说，无论用户是否存在、一天中的时间或其他因素如何，都可以根据啁啾时序图400B发送啁啾。因此，在一些实施例中，雷达子系统总是以单一传输模式运行，而不管环境状态或试图被监测的活动如何。可以在设备301通电时发送类似于帧458的连续帧串。

图5A示出了可以用作非接触式健康监测系统的一部分的相位捕获模块500A的实施例。相位捕获模块500A可以用作非接触式健康监测系统500B的一部分。相位捕获模块500A可以表示雷达处理模块410的修改实施例。相位捕获模块500A可以包括移动滤波器411、频率强调器412和相位分析引擎502。可以使用由一个通用或专用处理器(或多个处理器)执行的软件过程来实现这些部件中的每一个。可以实现专用硬件以执行相位捕获模块501的功能。移动滤波器411和频率强调器412可以如关于图4A的雷达处理模块410所详述的那样起作用。对于相位捕获模块500A，频率强调器412可以被配置为强调归因于呼吸的频率分量(并且，可能地，对与心率相关的频率去强调)。

相位分析引擎502通常可用于输出特定反射雷达啁啾的波束导控模块输出的波形数据中存在的相位的瞬时指示。对于由相位分析引擎502接收的波形数据，可以执行快速傅里叶变换(FFT)以确定反射的啁啾的每个频率分量的相位值(参考绝对相位值)和幅度。对于波形数据中的每个反射啁啾，相位分析引擎502输出指示频率、检测到频率的距离、频率分量的相位和频率分量的幅度的数据。

雷达子系统405可以包括模数转换器(ADC)，以将接收到的反射波形数据转换为数字波形数据。(FMCW还可以包括在模数转换之前执行的混合，在模数转换中，接收到的反射波形与正在传输的波形混合。)由于所有ADC具有有限的分辨率，到目标移动物体(例如，用户的胸部)的距离变化足以引起相位变化，从而可能需要在ADC输出的数字数据中可观察到相位差。等式2表示移动物体的距离对相位的影响。

在等式4中，对于FMCW，f₀表示啁啾的最低频率；f₁表示啁啾的最高频率，c表示光速，R表示从雷达传感器到移动物体的范围(距离)。T_chirp表示单个发射的啁啾的持续时间(以秒为单位)。如关于图4B详细描述的，在用于啁啾的频率范围上R的相对小的变化(例如由于用户胸部在呼吸期间的移动)导致相位的变化，该变化足够大以至于可以作为数字波形数据的一部分在ADC输出的数字数据中检测到它。因此，等式4确认相位可用于精确测量用户由于呼吸而引起的胸部位移。

图5B示出了监测多个空间区域的非接触式健康监测系统500B(“系统500B”)的实施例。系统500B可以利用与系统400A相同的雷达子系统405的输出。部件516可以对应于图3的呼吸监测引擎316。在一些实施例中，在使用一个或多个处理器激活和执行部件516之前，确定用户在床上并静止至少一段时间或某个其他基于时间的标准。可以使用执行专用软件的一个或多个通用处理器来执行部件516。在其他实施例中，一个或多个专用处理器可以被配置为执行系统500B的功能。

所监测的每个空间区域可以对应于用户胸部的不同目标部分，例如图2中的空间区域220。系统500B可以包括：雷达子系统405；波束导控模块430；相位捕获模块501；雷达相位处理模块510；特征束(bundle)编译器520；以及，机器学习模型540。

雷达子系统405如图4A所示起作用。雷达子系统405包括用于接收反射雷达啁啾的多个天线。为雷达子系统405的每个接收天线输出单独的波形数据。在图4A中，存在单波束导控模块430。通过存在单波束导控模块，可以将单个方向作为目标。波束导控模块430可以确定包括用户胸部的一般空间区域。一旦确定了一般空间区域，可以通过朝向一般空间区域内的多个空间区域的波束导控来更精细地解析该区域。相反，系统500中存在多个接收侧数字波束导控模块530。这些波束导控模块中的每一个可以如关于波束导控模块430所详述的那样起作用。波束导控模块530中的每一个可以使用不同的权重来朝向用户胸部的不同部分进行波束导控。例如，参考图2，波束导控模块530-1可以使用权重来聚焦于空间区域220-1，波束导控模块530-2可以使用不同的权重来聚焦空间区域220-2，等等。根据实施例，存在不同数量的波束导控模块530，例如2、3、4、5个或更多个目标模块。

每个波束导控模块530从雷达子系统405接收相同的波形数据。因此，对于特定接收的反射啁啾，波束导控模块530中的每个波束导控模块以不同的空间区域为目标。通过每个波束导控模块530基于来自雷达子系统405的相同波形数据进行操作，波束导控模块520输出的经波束导控的波形数据对应于相同的时间点。图6和图8示出了如何可以实现波束导控模块530的各种实施例。

波束导控模块430可能已用于确定用户胸部的大致方向。该方向可以用作用于确定到与用户胸部的不同部分相对应的各个空间区域的方向的基线。在波束导控模块430确定产生用户生命体征的强测量值的方向之后，该方向可以在水平方向上以固定或可变角度递增，以产生要监测的每个空间区域。基于由信道加权引擎431确定的信道权重和特定空间区域应该相对于用户胸部中心成角度的期望角度，可以由每个波束导控模块530确定权重。波束导控模块530的数量越大，空间区域之间的角度可能越小。

已对每个波束导控模块530输出的波形数据进行加权，以瞄准与用户胸部的不同重叠或非重叠区域相对应的特定空间区域。然后使用单独的相位捕获模块501处理由波束导控模块530输出的加权波形数据。相位捕获模块501中的每一个都如关于图5A的相位捕获模块500A所详述的那样起作用。由于相位捕获模块501中的每个相位捕获模块被导控到用户胸部的不同空间区域，因此由每个相位捕获模块501输出的相位、频率和幅度值对应于用户胸部的特定区域。对于每个接收到的反射啁啾，相位捕获模块501中的每个将相位、幅度和频率的指示输出到雷达相位处理模块510中的对应雷达相位处理模块。

每个雷达相位处理模块510可以包括多个部件。作为示例，指示了雷达相位处理模块510-1的部件：相位选择器511-1和相位解缠器512-1。其他雷达相位处理模块510中的每一个可以具有类似的部件，但为了简单起见未示出。

相位选择器511中的每一个，例如相位选择器511-1，可以用于选择预期与被监测的空间区域中的用户呼吸相对应的相位分量。相位选择器511-1基于从相位捕获模块501-1接收的频谱数据，确定存在的最大幅度频率信号。由于用户已经被确定为不动(例如，通过神经网络416)，环境中不存在其他移动，并且已经执行滤波以强调对应于呼吸的在特定距离范围内的频率，因此可以预期具有最大幅度的频率分量归因于用户的呼吸。具有最大幅度的该频率分量的相位由相位选择器511-1确定，并且可以丢弃其他数据。因此，相位选择器511-1的输出可以是-π和π(或0和2π)之间的相位值。当处理与多个啁啾相对应的波形数据时，可以预期相位选择器511-1输出的相位值增加或减少。

其他雷达处理模块510的相位选择器类似地起作用。可以预期由其他雷达处理模块510的相位选择器输出的相位值对应于与被监测的用户胸部的特定空间区域相对应的相位。用户胸部的移动越大，可以预期的在相位随时间的变化中观察到的变化越大。

雷达相位处理模块510中的每个雷达相位处理模块可以包括相位解缠器，例如相位解缠器512-2。由于用户的胸部可能上升和下降超过单个波长，因此可能发生相位缠绕。相位解缠器512可用于消除超过单个波长的相位变化的歧义。可以对从相位选择器511-1输出的每个啁啾的瞬时相位值使用各种相位解缠算法。例如，相位解缠器512可以使用Itoh的逐样本相位解缠算法来获得可以超过由-π和π(或0和2π)表示的单个波长范围的相位。因此，相位解缠器512-1的输出是可以大于单个波长的相位值，并且可以考虑到用户胸部在距离上大于单个波长的移动。相位解缠器512-1输出的相位值可以被馈送到特征束编译器520。

特征束编译器520接收被监测的每个空间区域的解缠相位值。被监测的空间区域的数量对应于由特征束编译器520接收的相位数据的维度的数量。对于每个维度，解缠的相位值被缓冲一段时间以创建指示随时间(例如，五秒、十秒等)变化的相位的信号。因此，在所示示例中，为特征束编译器520接收四个区域的相位值，但对于其他实施例，特征束编译器520可以接收更少或更多数量的维度。

特征束编译器520可以确定不同空间区域之间的相对相位偏移。对于接收的相位数据的每个维度，特征束编译器520可以执行FFT。每个FFT的输出可以是频率、幅度和相位。对于每个维度，特征束编译器520创建指示幅度和相位的相量(phasor)。由特征束编译器520为每个维度创建的相量被馈送到机器学习模型540，以用作将用于通过机器学习模型540执行分类的特征。

机器学习模型540可以接收由特征束编译器520创建的每个维度的相量。机器学习模型540可以是神经网络，例如前馈神经网络分类器，其可以具有三层。机器学习模型540可以接收相量的束，其中每个相量指示幅度和相位。在高级别上，机器学习模型540可以识别束包括相量的情况，其中每个相量具有显著幅度但具有显著不同的相位。例如，两个向量(每个向量对应于用户胸部的不同空间区域)可以具有显著的幅度并且具有相反或几乎相反的相位。这种情况可能表示反常的呼吸。

为了训练机器学习模型540，可以创建一组带真值标记的相量束，其中，该束是为具有已知呼吸状况(如反常呼吸)的用户和没有异常呼吸状况的人创建的。基于这样的训练数据，可以训练神经网络或其他形式的机器学习模式，以基于这样的带真值标记的训练数据执行分类。在一些实施例中，存在多于一种类型的机器学习模块，以允许监测多种类型的呼吸异常。

机器学习模型540输出的分类可以被提供给呼吸数据输出引擎319，使用数据储存器318存储，和/或由基于云的服务器系统370存储。如果机器学习模型540输出异常呼吸状况分类，则可以存储这样的数据。当用户被确定为醒着时，例如在早晨，可以呈现指示医疗专业人员应该检查用户是否有异常呼吸状况的信息。在一些实施例中，呼吸数据输出引擎319指示出现特定类型的异常呼吸状况，例如反常呼吸。在一些实施例中，呼吸数据输出引擎319使用合成语音来指示检测到的异常呼吸状况。还可以向用户提供其他数据，例如检测到异常呼吸状况的持续时间、异常呼吸状况严重程度、检测到异常的呼吸状况的天数等的指示。

图6示出了用于瞄准执行睡眠追踪和/或呼吸监测的方向的波束导控模块610的实施例600。波束导控模块610可以表示波束导控模块430或波束导控模块530的实施例。通常，波束导控模块610可以对从雷达子系统405接收的每个雷达数据流应用权重，对加权输入求和，并将组合的加权雷达数据流输出到雷达处理模块410。所应用的权重可以向特定天线的输入引入延迟，这可以通过权重是复数值来实现。通过向从天线接收的一个或多个雷达数据流引入延迟，可以有效地导控天线接收波束。

在实施例600中，从雷达子系统205接收三个数字雷达数据流620(620-1、620-2、620-3)，每个数字雷达数据与单独的天线相对应。因此，在本实施例中，三个天线作为雷达子系统205的一部分。在其他实施例中，雷达子系统205可以具有更少(例如，2个)或更多(例如，4个、5个、6个、7个或更多)的天线，每个天线具有以数字形式输出到波束导控模块610的对应原始雷达数据流。

混合器630和组合器640可以表示波束导控系统432。雷达数据流620中的每一个可以被输入到混合器630中的单独混合器。混合器630可以被数字实现，因此可以表示软件过程。混合器630-1将雷达数据流620-1与由信道加权引擎431输出的由复数值表示的权重混合。混合器630-2将雷达数据流620-2与由信道加权引擎431输出的权重(其可以与在混合器630-1处施加的权重相同或不同)混合。混合器630-3将雷达数据流620-3与由信道加权引擎431输出的权重(其可以与在混合器630-1和630-2处应用的每个权重相同或不同)混合。

可以表示软件过程的信道加权引擎431可以执行训练过程，以确定代表应该输出到每个混合器630的权重的值(例如，复数值)。在其他实施例中，信道加权引擎431可以由单独的专用硬件或作为雷达子系统405的一部分而合并的硬件来执行。表示由信道加权引擎431输出的权重的数字信号可以有效地向每个雷达数据流620施加更大或更小的延迟。经由混合器630施加的权重可以被归一化为1。因此，在实施例600中应用的三个权重的总和可以为1。

波束导控系统432和波束导控模块610可用于通过混合器630实现加权延迟与求和(WDAS)波束导控。等式5详细说明了如何实施WDAS：

在等式5中，w_i表示信道权重，其可以是引入相位延迟的复数值；x_i表示来自雷达子系统405的传入数字雷达数据(例如FMCW雷达啁啾)；a_i表示负责相位延迟具有不同幅度的不同接收天线信号的复数值权重。可以通过执行最小二乘优化过程来确定信道加权引擎431输出的加权。可以根据等式6执行最小二乘优化过程。

mininiae||y-Xw||²                      等式6

在等式6中，y表示使用目标波束生成的矢量化数据。X表示从雷达子系统405接收的雷达数据流数据；w表示要由信道加权引擎431学习的权重。作为确定以用户为目标的最有效权重的训练过程的一部分，可以测试各种权重(例如，以一模式进行，随机地进行)，以尝试获得等式6的最小化输出。例如，如果测试了足够的随机化权重，则可以预期可以在一定量的误差范围内获得最小化的输出值。通过根据最小二乘优化过程最小化输出值，可以获得对应于最接近地瞄准用户位于床内的位置的波束方向的权重。然后，这些权重可用于用户的未来监测。可以周期性地或偶尔地执行再训练，以补偿用户在床内移动和/或睡眠检测设备的取向和/或位置被改变。

在使用之前，可以离线确定权重，以补偿雷达子系统的已知倾斜，如图9所示，并由方向950和952指示。当用户在场时，例如通过扫掠或随机选择权重为用户确定最佳方向。当用户不在场时，可以确定到产生显著反射的静止物体的一个或多个方向，使得当瞄准用户时可以避免这些一个或更多个方向。

应当理解，除最小二乘优化过程之外的学习过程可以由信道加权引擎431执行。例如，在一些实施例中，用户可以通过提供指示从非接触式睡眠追踪设备到用户睡眠位置的方向的输入来辅助训练过程。在其他实施例中，可以执行不同形式的自动学习过程以将波束对准用户。

可以触发信道加权引擎431，以确定正在启动或打开的系统400A上的权重。如果系统400A例如通过机载加速计检测到移动，则可以重新计算信道权重。

组合器640可以接收由混合器630输出的加权雷达数据流635(例如，635-1、635-2和635-3)的总和。组合器640可以向雷达处理模块410输出单个求和后的输出645。通过由混合器630施加的与由混合器630所施加的其他权重不同的至少一个权重(其导致延迟)，波束在可以具有垂直和/或水平分量的方向上被有效地导控。雷达处理模块410的处理可以如关于图4A详细描述的那样执行。

图7示出了雷达子系统700的可能天线布局的实施例。雷达子系统700可以表示用作雷达子系统405的集成电路的实施例。整个IC可以具有6.5mm(长度705)乘5mm(宽度704)的尺寸。在其他实施例中，整个IC的长度705乘宽度704是在7mm乘7mm和4mm乘4mm之间。雷达子系统405的图示实施例具有三个接收天线和一个发射天线，但其他实施例可以具有更多或更少的天线数量。雷达子系统700可以具有以“L”图案分布的接收天线710-1、710-2和710-3。也就是说，如图7所示，天线710-1和710-2可以在轴701上对齐，天线710-2和710-3可以在垂直于轴701的轴702上对齐。天线710-2的中心可以位于距天线710-1的中心2.5mm或更小的位置。天线710-2的中心可以位于距天线710-3的中心2.5mm或更小的位置。

发射天线710-4可以与接收天线710-1、710-2和710-3的L形图案分开布置。即，在一些实施例中，发射天线710-4的中心不位于平行于轴701的天线710-3的轴上。在一些实施例中，发射天线710-4位于天线710-1的中心的轴703上，轴703与轴702平行。

每个天线710可以是中空矩形电介质谐振天线(DRA)。每个天线710可以具有相同的一组尺寸。替选地，接收天线710-1、710-2和710-3中的每一个可以具有相同的尺寸，并且发射天线710-4的尺寸可以与接收天线不同。在一些实施例中，发射天线710-4具有比接收天线710-1、710-2和710-3更大的宽度，例如0.2mm，但具有相同的长度。

在这种布置中，由天线710-1的雷达数据流和天线710-2的数据流之间施加的权重引入的相位延迟可能会影响接收波束的垂直方向，而由天线710-2的雷达数据流和天线710-3的雷达数据流之间的权重引入的相位延迟可能会影响到接收波束的水平方向(假设雷达子系统集成电路以大致相同的方向存在于非接触式睡眠追踪设备内)。

在一些实施例中，单独的天线用于发射和接收。例如，天线710-4可以专用于发射，而天线710-1、710-2和710-3专用于接收。

使用雷达子系统(其中，所有天线都位于单个相对紧凑的集成电路芯片上，如所述)已发现可以实现成本节约、执行接收侧波束导控的合理能力和水平面上足够宽的天线方向图的良好平衡，该方向图能够涵盖常见的床尺寸(例如，大床(queen)、特大床(king)、全床(full)、双床(twin))。同时，结合了这样的雷达子系统的设备允许将其放置在离床足够近的位置(例如，1米以内)，从而它也可以用作个人助理，包括闹钟功能(其可以代替闹钟)、家庭控制中心和/或娱乐触屏设备。

虽然实施例600的波束导控模块不考虑天线710相对于彼此之间的布置，但实施例800适应雷达子系统700的天线布置的拓扑结构。在其他实施例中，天线710可以以不同于“L”的图案布置。

图8示出了用于瞄准执行睡眠追踪和/或健康监测的方向的波束导控模块的实施例800。在实施例800中，考虑了雷达子系统405的天线布置(即，天线拓扑)。通过考虑天线拓扑，可以执行更精确的波束导控，这可以导致更精确地追踪在用户床上睡觉时的用户。天线710-1对应于雷达数据流620-1，天线710-2对应于雷达信号流620-2，天线710-3对应于雷达信息流620-3。也就是说，在雷达子系统405的天线710-2和天线710-3的数据流之间添加的相位延迟用于水平波束瞄准，而在天线710-2与天线710-1的数据流间添加的相位时延用于垂直波束瞄准。根据天线710-2的数据流是用于垂直还是水平波束瞄准，可以使用单独的数字实现的混合器来施加不同的权重。

如在实施例600中，在实施例800中，从雷达子系统405的每个天线接收单独的数字雷达数据流620。混合器830和组合器840可以表示图4A的波束导控系统432。在实施例800中，波束导控模块810具有四个混合器830(830-1、830-2、830-3和830-4)。类似于实施例600，由信道加权引擎431输出的值(例如，复数值)可以与雷达数据流620的每个雷达数据流混合。然而，不同的权重可以与雷达数据流620-2混合，其中，创建了两个加权输出，以分别用于水平和垂直波束瞄准。雷达数据流620-1可以具有经由混合器830-1施加的权重，并且可以经由组合器840-1与雷达数据流620-2(其具有经由混合器830-2施加的权重)组合。在混合器830-1和830-2处施加的权重可以相加为归一化值1。雷达数据流620-3可以具有经由混合器830-4施加的权重，并且可以经由组合器840-2与具有经由混合器830-3施加的权重的雷达数据流620-2组合。在混合器830-3和830-4处施加的权重可以相加为归一化值1。

信道加权引擎431可以与实施例600中实现的类似地实现。信道加权引擎431可以执行最小二乘优化过程或某个其他优化过程，以确定接收波束的最佳或接近最佳方向。在实施例800中，信道加权引擎431可以生成用于加权的四个输出，而不是实施例600中的三个输出。因此，如果为权重输出的模式或随机值集被用作最小二乘优化过程的一部分，则与实施例600相比，可以测试实施例800中更多数量的输出值集，以获得用于设置权重的优化输出值集。

两个输出845，输出845-1和输出845-2，可以输出到雷达处理模块850。对于睡眠分析，然后可以由雷达处理模块850对输出845-1和输出845-2执行单独的处理。在高水平上，可以对每个输出845执行雷达处理模块850的处理，直到在处理期间不再使用方向。在实施例800中，可以将移动滤波器、频率强调器和距离-体征变换引擎的单独实例应用于输出845中的每一个，然后可以将结果取平均或相加。更具体地说，输出845-1可以被输出到移动滤波器851-1，随后是频率强调器852-1，然后是距离-体征变换引擎853-1。输出845-2可以被输出到移动滤波器851-2，随后是频率强调器852-2，随后是距离-体征变换引擎853-2。移动滤波器851、频率强调器852和距离-体征变换引擎853可以如关于图4A的移动滤波器411、频率强化器412和距离-体征变换引擎413所详述的那样起作用。可以使用组合器854对距离-体征变换引擎853-1和距离-体征变换引擎853-2的输出求和或组合。组合器854的输出(其可以表示距离-体征变换引擎853的输出的平均值)可以由距离选通滤波器414和稍后的部件处理，如关于图4A详细描述的。

在第一组实施例中，为了使用实施例800分析用户的呼吸，不执行垂直方向上的波束导控。在这样的实施例中，可以仅使用通过使用来自水平分布的天线的原始波形数据的波束导控。例如，参考图7，仅从天线710-2和710-3获得的原始波形数据可用于水平波束导控。然后，来自波束导控模块810的输出845-2可以被输入到相位捕获模块501中的对应相位捕获模块。在这样的实施例中，与垂直波束形成相关的部件不被实现或者可以用于波束瞄准以用于睡眠追踪目的。

在第二组实施例中，为了使用通过使用实施例800执行的波束导控来分析用户的呼吸，可以使用波束导控模块810的输出845-1和845-2两者。在作为系统500B的一部分实现的这样的实施例中，可以使用相位捕获模块501的单独的相位捕获模块和雷达相位处理模块510的单独的雷达相位处理模块来处理这些输出中的每一个，从而创建一对解缠的相位值。然后可以将每对的两个相位值平均在一起，并将其传递给特征束编译器520。因此，为了执行实施例800的垂直和水平波束形成二者，可能需要实现双倍数量的相位捕获模块和雷达相位处理模块(除了执行平均之外)，以便监测与仅执行水平波束导控时相同数量的空间区域。

对于睡眠监测，由于可以作为由通用处理器(或多个处理器)执行的软件过程来执行雷达处理模块850和波束导控模块810，所以实现移动滤波器851、频率强调器852和距离-体征变换引擎853的更复杂的混合、权重和多个实例可能需要足够的处理能力可用。因此，假设这样的处理能力是可用的，可能不需要对非接触式睡眠追踪设备进行硬件改变来实现实施例800而不是实施例600。在一些实施例中，可以实现实施例600，并且如果睡眠追踪结果不准确，可以实现实施例800(或相反)。有利地，在非接触式健康监测设备300包括其中集成了雷达功能的智能家庭管理设备(例如，Nest Home Hub)的一些实施例中，智能家庭管理设备是智能扬声器、家庭助理和基于触摸屏的控制和/或娱乐中枢的网络连接组合，可以通过由中央云服务器根据需要通过因特网推出的现场软件更新来实现对参数计算方法甚至整个雷达处理算法的改进。

虽然分别在数字域中实现图6和图8的实施例600和800的接收侧波束导控方面，但是可以使用模拟部件在模拟域中实现波束导控模块610和810的功能。如果在模拟域中执行这样的波束导控，则可以在执行这样的模拟波束导控之后执行到数字域的转换，从而将数字数据提供给雷达处理模块410或850。

图9示出了非接触式睡眠追踪设备900(“设备900”)的实施例。替选地，设备900可以被称为非接触式呼吸追踪设备。设备900可以具有包括前透明屏940的前表面，使得显示器是可见的。这样的显示器可以是触摸屏。围绕前透明屏幕940的周围可以是光学不透明区域，称为边框930，雷达子系统405可以通过该边框具有设备900前面环境的视野。

为了紧接着的描述，术语垂直和水平通常描述相对于卧室的方向，垂直是指垂直于地板的方向，而水平是指平行于地板的方向。由于可以是

BGT60雷达芯片的雷达子系统大致是平面的，并且通常平行于边框930安装，以实现设备作为一个整体的空间紧凑性，并且由于雷达芯片内的天线位于芯片的平面内，因此，在没有波束瞄准的情况下，雷达子系统320的接收波束可以指向大致垂直于边框930的方向950。由于边框930远离纯垂直方向的偏离倾斜，这在一些实施例中被提供为大约25度以便促进与透明屏幕940的触摸屏功能的简便用户交互，方向950可以从水平方向向上指向偏离角(departure angle)951。假设设备900通常安装在与用户将在其上睡觉的床垫的顶部大致相同的高度的床边平台(例如，床头柜)上，雷达子系统320的接收波束以水平方向952或近似水平(例如，与水平成-5°到5°之间)的方向为目标可能是有益的。因此，垂直波束瞄准可用于补偿设备900中存在雷达子系统320的部分的偏离角951。

图10图示了设备900的实施例的分解图。设备900可以包括：显示器组件1001；显示器壳体1002；主电路板1003；颈部组件1004；扬声器组件1005；底板1006；网状网络通信接口1007；顶部子板1008；按钮组件1009；雷达组件1010；麦克风组件1011；摇臂开关支架1012；摇臂开关板1013；摇臂开关按钮1014；Wi-Fi组件1015；电源板1016；以及，电源支架组件1017。设备900可以代表可以如何实现设备101的实施例。

显示器组件1001、显示器壳体1002、颈部组件1004和底板1006可以共同形成容纳设备900的所有剩余部件的壳体。显示器组件1001可以包括电子显示器，其可以是触摸屏，其向用户呈现信息。因此，显示器组件1001可以包括显示屏，其可以包括可以用作接地平面的显示器的金属板。显示器组件1001可以包括远离金属板的透明部分，其允许各种传感器在显示器组件1001所面对的大致方向上有视野。显示器组件1001可以包括用作设备900的壳体的一部分的由玻璃或透明塑料制成的外表面。

显示器壳体1002可以是用作显示器组件1001的壳体的塑料或其他刚性或半刚性材料。可以在显示器壳体1002上安装各种部件，诸如主电路板1003；网状网络通信接口1007；顶部子板1008；按钮组件1009；雷达组件1010；以及，麦克风组件1011。以下部分可以使用扁线组件连接到主电路板1003：网状网络通信接口1007；顶部子板1008；雷达组件1010；以及，麦克风组件1011。显示器壳体可以使用粘合剂与显示器组件1001附接。

网状网络通信接口1007可以包括一个或多个天线并且可以实现与诸如基于Thread的网状网络的网状网络的通信。Wi-Fi组件1015可以位于距网状网络通信接口1007一定距离处以降低干扰的可能性。Wi-Fi组件1015可以实现与基于Wi-Fi的网络的通信。

可以包括雷达子系统320或雷达子系统405的雷达组件1010可以被定位使得其RF发射器和RF接收器远离显示器组件1001的金属板并且位于距网状网络通信接口1007和Wi-Fi组件1015相当远的距离处。这三个部件可以布置成近似三角形以增加部件之间的距离并减少干扰。例如，在设备900中，Wi-Fi组件1015和雷达组件1010之间可以保持至少74mm的距离。可以保持网状网络通信接口1007和雷达组件1010之间至少108mm的距离。此外，可能希望雷达组件1010和扬声器1018之间的距离最小化扬声器1018可能产生的振动对雷达组件1010的影响。例如，对于设备900，可以保持在雷达组件1010和扬声器1018之间的距离至少为79毫米。此外，可能希望麦克风和雷达组件1010之间的距离最小化麦克风对接收到的雷达信号的任何可能的干扰。顶部子板1008可以包括多个麦克风。例如，在顶部子板1008的最近的麦克风和雷达组件1010之间可以保持至少12mm。

也可以存在其他部件。可以存在第三麦克风组件，麦克风组件1011，其可以是后向的。麦克风组件1011可以与顶部子板1008的麦克风协同工作以将口述命令与背景噪声隔离。电源板1016可以将从AC电源接收的电力转换为DC以为设备900的部件供电。电源板1016可以使用电源支架组件1017安装在设备900内。摇臂开关支架1012、摇臂开关板1013和摇臂开关按钮1014可以共同用于接收用户输入，例如上/下输入。这样的输入例如可以用于调节通过扬声器1018输出的声音的音量。作为另一个用户输入，按钮组件1009可以包括用户可以致动的切换按钮。这样的用户输入可用于激活和停用所有麦克风，例如对于当用户期望隐私和/或不希望设备900响应于语音命令时。

图11图示了用于确定人何时在睡觉的状态机1100的实施例。基于雷达处理模块312输出的数据，睡眠状态检测引擎314可以使用状态机1100确定人是否在睡觉。应该理解，在一些实施例中，睡眠状态检测引擎314被合并为雷达处理模块312的功能的一部分并不作为单独的模块存在。状态机1100可以包括五种可能的睡眠状态：上床状态1101；不在床上状态1102；在床上移动状态1103；在床上无移动状态1105；以及，下床状态1104。

如果不存在移动指示波形数据，则这可以指示用户不在床上。由于其生命体征，可以预期在床上的用户总是至少有少量移动。因此，如果观察到零移动，则可以判断用户处于状态1101。在确定状态1101之后，可以确定的下一个可能的状态是状态1102。在状态1102中，被监测用户正在上床。可以感测到显著的用户移动，例如根据表2。这可以指示用户上床并且可以导致状态从状态1101转变到状态1102。

从状态1102开始，可以继续检测到例如由于用户四处滚动、定位、移动枕头、床单和/或毯子、读书等导致的床上的移动。在继续检测到此类移动同时，状态1102可以转换到状态1103。替选地，如果检测到移动，然后检测到零移动，这可以指示通过被监测用户下床而已经进入状态1105。如果这种情况发生，则状态1102可以转变到状态1105，然后回到状态1101。通常，状态1104可以被解释为用户睡着并且状态1103可以被解释为用户醒着。在一些实施例中，在状态1104中需要多于阈值时间量(或使用一种形式的至少部分地基于时间的阈值标准的某种其他形式的确定)以将用户归类为睡着，且在状态1103中需要多于阈值时间量(或使用一种形式的至少部分地基于时间的阈值标准的某种其他形式的确定)以将用户分类为清醒。例如，如果用户先前被确定为睡着了，则在床上少于五秒的移动可以被解释为用户在仍然睡着的同时移动。因此，如果用户从状态1104转换到状态1103，经历了一些移动事件，然后在小于持续时间的时间内返回到状态1104，则用户可以被识别为经历了“睡眠觉醒”，其中，用户的睡眠被打扰，但用户还没有被叫醒。这样的睡眠觉醒可以与判断用户已经完全醒来的时段一起被追踪或者可以维持与判断用户已经完全醒来的时段分离的数据。

从状态1103开始，被监测用户可以在状态1105被确定为下床并且可以在状态1104变得不动。在状态1104的“不动”指的是被监测用户没有执行大的移动，但是由于生命体征，用户继续执行小动作。在一些实施例中，只有当被监测用户的状态被确定为状态1104时，生命体征才被视为准确的和/或被存储、记录或以其他方式使用来测量用户的生命体征。在状态1103和状态1104期间收集的数据可用于确定被监测用户的一般睡眠模式(例如，辗转反侧的时间长度、睡眠质量的高低、深度睡眠何时发生、REM睡眠何时发生等)。在用户进入状态1104一段预定义的时间后，可以假定用户处于睡眠状态，直到用户退出状态1104。当用户最初转换到状态1104时，可能需要用户在状态1104中停留一定时间量，例如两到五分钟，以被认为是睡着了。如果用户处于状态1103至少一段定义的时间，则该用户可以被识别为清醒的。然而，如果用户从状态1104进入状态1103的时间少于定义的时间段，并且返回到状态1104，则用户可以被识别为只是在他们的睡眠中移动并且已经连续睡着了。

图3-11的系统、设备和状态机可用于执行各种方法。图12示出了用于执行用户呼吸的非接触式监测以确定是否存在异常呼吸状况的方法的实施例。可以使用非接触式健康监测设备301来执行方法1200。更具体地，可以使用图5B的系统500B来执行方法1200。

在块1210，发射无线电波。发射的无线电波可以是连续波雷达，例如FMCW。FMCW雷达可以发射无线电波，如关于图4B所详述的。无线电波可以由雷达子系统405的RF发射器406发射。在块1220，无线电波的反射可以被接收，例如由雷达子系统405的RF接收器440的多个天线接收。在块1220处接收的反射可以从移动物体(例如，在床上睡觉的人、在床上移动的人)和静止物体反射。

在块1230，确定用户是否有资格进行呼吸分析。可以基于机器学习分类是否确定用户在床上并且不动(除了生命体征之外)来执行块1230的确定。机器学习分类可以由神经网络416执行。因此，系统400A可以是活动的，如关于图4A详细描述的那样工作，根据状态机1100确定用户的状态，并且可能地监测生命体征，例如用户的呼吸和心率。如果块1230被确定为肯定，则方法1200可以进行到块1230，并且系统500B可以被激活。如果块1230被确定为否定，则方法1200可以返回到块1210并继续监测用户是否有资格执进行呼吸分析。

在块1235，针对接收到的反射雷达啁啾，对与用户胸部相对应的n个空间区域执行波束形成。用户胸部的大致方向可以首先由波束导控模块(例如波束导控模块430)通过确定以最大幅度检测到用户生命体征的方向来确定，如关于等式6所详述的。根据所确定的方向，可以执行n个空间区域，每个空间区域涉及不同的数字接收侧波束导控。每个目标空间区域可以基于被确定为以最大幅度检测到用户生命体征的方向的方向而间隔一定角度。空间区域可以部分重叠。

在块1240，可以确定第n数目的空间区域中的每个空间区域的呼吸位移量。可以使用相位最准确地确定用户胸部在空间区域中的移动量。对于每个空间区域，可以执行相位捕获模块，其输出与用户的呼吸相关联的频率的相位指示。可以如关于相位捕获模块501和雷达相位处理模块510所详细描述的那样确定和修改该相位值。因此，块1240的输出可以指示用户胸部的瞬时位置。该瞬时位置可以由解缠的相位值表示。

在一些实施例中，并行执行n个空间区域中的每一个的处理。在其他实施例中，处理是串行执行的。如果串行执行，则在针对第一空间区域执行了块1240之后，在块1250确定是否需要针对下一空间区域处理块1235和1240。如果是，则方法1200返回到块1235，以执行与被监测的另一空间区域相对应的接收侧波束形成(对应于相同的接收到的反射雷达啁啾)。空间区域的数量因实施例而异。实施例可以包括2、3、4、5、6、7、8、9、10个或更多空间区域。

在对于给定的接收到的反射雷达啁啾并行或串行分析所有空间区域之后，可以在块1260创建n维特征向量。块1260可以由特征束编译器520执行，如关于图5B所详述的。n维特征向量的创建可以包括将每个空间区域的相位值缓冲一段时间。对于每个缓冲的相位值集合，可以执行傅里叶变换(例如，FFT)以确定频率幅度和相位值。相位和幅度值可以用作输入到块1270的相量或特征向量。在块1260，创建n个特征向量，使得特征向量对应于被监测的n个空间区域中的每一个。

在块1270，例如使用训练的机器学习模型分析n个特征向量。训练的机器学习模型可以是神经网络。n个特征向量用作机器学习模型以用于执行分类的特征。可能已经使用与具有特定呼吸状况(例如，反常呼吸)的人和具有健康呼吸的人相对应的一组带真值标记的特征向量束来训练机器学习模型。机器学习模型可以被训练以识别具有特定异常呼吸状况的用户。在一些实施例中，可以使用不同的机器学习模型多次执行块1270，以识别不同的呼吸相关健康状况。块1270的输出可以是一个或多个分类以及从中进行分类的数据的时间戳。

在块1280，可以存储、分析和/或输出从块1270获得的分类和时间戳数据。在一些实施例中，分类数据被存储一段时间，例如一个晚上(例如，从用户睡觉到用户早上醒来，可能其中用户在夜间醒来一次或多次)。数据可以被编译、存储和/或输出。为了通知用户他可能具有异常睡眠状况，用户具有异常睡眠状况的分类可能需要在至少阈值时间段内输出，或者满足某个其他与时间相关的标准。例如，如果在整晚的过程期间仅输出几秒钟的反常呼吸分类，用户可能不会被告知该状况。然而，如果用户被分类为在夜间有超过一分钟的反常呼吸，则用户可能会收到他们经历了反常呼吸的通知。

可以向用户提供夜间报告，该报告指示用户在夜间是否经历了任何异常呼吸状况。夜间报告可以与指示生命体征相关数据(例如与心率和/或呼吸速率相关)的夜间报告相结合。如果检测到异常呼吸状况，也可以输出用户经历呼吸状况的时间量。还可以输出呼吸状况的定义。可以使用非接触设备的显示屏来呈现夜间报告，和/或可以使用合成语音来输出夜间报告。在一些实施例中，登录到基于云的服务器系统存储的账户(例如通过安装在用户的智能手机或平板电脑上的应用)的用户可以访问夜间报告数据。

附加地或替选地，可定期或偶尔向用户输出长期报告(或可根据用户的请求访问此类报告)。长期报告可能涵盖比单个晚上更长的时间段，例如多个晚上、一周、两周、一个月、六个月、一年等，该长期报告可以指示与异常呼吸状况相关的一个或多个趋势。例如，长期报告可以指示是否随着时间用户在每晚更长或更短时间内经历呼吸异常的趋势。每晚呼吸异常持续时间增加的证据可能有助于说服用户去医疗专业人员那里进行正式的诊断和治疗计划。

在一些实施例中，执行方法1200的设备可以响应于口述命令。用户可能会说出一个命令，该命令要求提供夜间报告和/或长期报告，例如“Hi Device,how was my sleepinglast night？(嗨，设备，我昨晚睡得怎么样？)”。当接收到口述命令时，设备可以经由无线网络接口将口述命令传送到基于云的服务器系统以进行解释。作为响应，基于云的服务器系统可以指示将由设备输出的数据。该设备可以从基于云的服务器系统接收数据，或者可以从基于云和服务器系统接收指示要输出的本地存储数据的命令。可以响应于包括夜间报告和/或长期报告信息的口述命令输出图形界面和/或合成语音。

各种配置可以适当地省略、替代或添加各种过程或部件。例如，在替选配置中，可以以与所描述的顺序不同的顺序执行方法，和/或可以添加、省略和/或组合各个阶段。此外，可以在各种其他配置中组合关于某些配置描述的特征。可以类似的方式组合配置的不同方面和元素。此外，技术在发展，因此，许多元素都是示例，并不限制本公开或权利要求书的范围。

在描述中给出具体细节以提供对示例配置(包括实现方式)的透彻理解。然而，可以在没有这些具体细节的情况下实施配置。例如，众所周知的电路、过程、算法、结构和技术已经在没有不必要的细节的情况下被示出以避免混淆配置。本描述仅提供示例配置，并不限制权利要求书的范围、适用性或配置。相反，配置的前述描述将为本领域的技术人员提供实现所描述的技术的使能描述。在不脱离本公开的精神或范围的情况下，可以对元件的功能和布置执行各种改变。

此外，配置可以被描述为被描绘为流程图或框图的过程。尽管每个都可以将操作描述为顺序过程，但可以并行或并发执行许多操作。此外，可以重新排列操作的顺序。过程可能有图中未包括的附加步骤。此外，可以由硬件、软件、固件、中间件、微代码、硬件描述语言或其任意组合来实现方法的示例。当以软件、固件、中间件或微代码实现时，执行必要任务的程序代码或代码段可以存储在诸如存储介质的非暂时性计算机可读介质中。处理器可以执行所描述的任务。

已经描述了若干示例配置，在不脱离本公开的精神的情况下可以使用各种修改、替选构造和等同物。例如，以上元素可以是更大系统的部件，其中，其他规则可以在本发明的应用之前或以其他方式修改本发明的应用。此外，可以在考虑上述要素之前、期间或之后采取多个步骤。

Claims (29)

1.一种非接触式健康监测设备，包括：

壳体；

雷达传感器，所述雷达传感器包括多个天线，其中，所述雷达传感器由所述壳体容纳；以及

处理系统，所述处理系统包括一个或多个处理器，所述处理系统与所述雷达传感器通信，所述处理系统由所述壳体容纳，其中，所述处理系统被配置为：

针对所述多个天线中的每个天线从所述雷达传感器接收雷达数据流，从而接收多个雷达数据流；

执行波束导控过程，所述波束导控过程从接收到的多个雷达数据流创建多个目标空间区域雷达数据流；

针对所述多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流来确定用户的呼吸位移；

针对所述多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流来分析所述用户的所述呼吸位移；以及

基于针对所述多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流来与时间相关地分析所述用户的所述呼吸位移，输出筛选结果；

其中，所述目标空间区域雷达流中的第一目标空间区域雷达流对应于所述用户的胸部区域；

其中，所述目标空间区域雷达流中的第二目标空间区域雷达流对应于所述用户的腹部区域；

其中，所述分析包括检测在所述腹部区域的所述呼吸位移和所述胸部区域的所述呼吸位移之间的、足以指示反常呼吸状况的相位差；以及

其中，输出的筛选结果包括表示检测到的反常呼吸状况的信息。

2.根据权利要求1所述的非接触式健康监测设备，其中，所述波束导控过程包括应用加权延迟与求和(WDAS)波束导控以创建所述多个目标空间区域雷达数据流。

3.根据权利要求1所述的非接触式健康监测设备，其中，所述处理系统被配置为针对所述多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流来分析所述用户的所述呼吸位移包括所述处理系统被配置为：应用预训练的机器学习模型。

4.根据权利要求3所述的非接触式健康监测设备，其中，所述预训练的机器学习模型是神经网络。

5.根据权利要求1所述的非接触式健康监测设备，其中，所述多个目标空间区域中的每个目标空间区域对应于用户的身体的不同部分。

6.根据权利要求5所述的非接触式健康监测设备，其中，所述多个目标空间区域包括至少五个目标空间区域。

7.根据权利要求1所述的非接触式健康监测设备，其中，所述处理系统还被配置为：使用状态机基于所述多个雷达数据流来确定所述用户处于睡眠状态并且没有在移动。

8.根据权利要求1所述的非接触式健康监测设备，还包括：

无线网络接口，所述无线网络接口由所述壳体容纳并与所述处理系统通信；以及

触摸屏显示器，所述触摸屏显示器由所述壳体容纳，并与所述处理系统通信。

9.根据权利要求8所述的非接触式健康监测设备，进一步包括：

麦克风，所述麦克风由所述壳体容纳并与所述处理系统通信；以及

扬声器，所述扬声器由所述壳体容纳并与所述处理系统通信，其中，所述处理系统还被配置为：

接收关于分析所述用户的所述呼吸位移的口述命令；

使得经由所述无线网络接口将所述口述请求传送到基于云的服务器系统；

响应于将所述口述请求传送到所述基于云的服务器系统，经由所述无线网络接口接收命令；以及

至少部分地基于接收到的命令来经由所述触摸屏显示器输出所述筛选结果。

10.一种非接触式健康监测设备，包括：

壳体；

雷达传感器，所述雷达传感器包括多个天线，其中，所述雷达传感器由所述壳体容纳；以及

处理系统，所述处理系统包括一个或多个处理器，所述处理系统与所述雷达传感器通信，所述处理系统由所述壳体容纳，其中，所述处理系统被配置为：

针对所述多个天线中的每个天线从所述雷达传感器接收雷达数据流，从而接收多个雷达数据流；

执行波束导控过程，所述波束导控过程从接收到的多个雷达数据流创建多个目标空间区域雷达数据流；

针对所述多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流来确定用户的呼吸位移；

针对所述多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流来分析所述用户的所述呼吸位移；以及

基于针对所述多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流来与时间相关地分析所述用户的所述呼吸位移，输出筛选结果。

11.根据权利要求10所述的非接触式健康监测设备，其中，所述筛选结果指示所述用户正在经历反常呼吸。

12.根据权利要求10所述的非接触式健康监测设备，其中，所述波束导控过程包括应用加权延迟与求和(WDAS)波束导控以创建所述多个目标空间区域雷达数据流。

13.根据权利要求10所述的非接触式健康监测设备，其中，所述处理系统被配置为针对所述多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流来确定所述用户的所述呼吸位移包括所述处理系统被配置为：

确定所述多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流的相位值。

14.根据权利要求10所述的非接触式健康监测设备，其中，所述处理系统被配置为针对所述多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流来分析所述用户的所述呼吸位移包括所述处理系统被配置为：应用预训练的机器学习模型。

15.根据权利要求14所述的非接触式健康监测设备，其中，所述预训练的机器学习模型是神经网络。

16.根据权利要求10所述的非接触式健康监测设备，其中，所述多个目标空间区域中的每个目标空间区域对应于用户的身体的不同部分。

17.根据权利要求16所述的非接触式健康监测设备，其中，所述多个目标空间区域包括至少五个目标空间区域。

18.根据权利要求10所述的非接触式健康监测设备，其中，所述处理系统还被配置为：使用状态机基于所述多个雷达数据流来确定所述用户处于睡眠状态并且没有在移动。

19.根据权利要求10所述的非接触式健康监测设备，还包括：

无线网络接口，所述无线网络接口由所述壳体容纳并与所述处理系统通信；以及

触摸屏显示器，所述触摸屏显示器由所述壳体容纳并与所述处理系统通信。

20.根据权利要求19所述的非接触式健康监测设备，进一步包括：

麦克风，所述麦克风由所述壳体容纳并与所述处理系统通信；以及

扬声器，所述扬声器由所述壳体容纳并与所述处理系统通信，其中，所述处理系统还被配置为：

接收关于分析所述用户的所述呼吸位移的口述命令；

使得经由所述无线网络接口将所述口述请求传送到基于云的服务器系统；

响应于将所述口述请求传送到所述基于云的服务器系统，经由所述无线网络接口接收命令；以及

至少部分地基于接收到的命令来经由所述触摸屏显示器输出所述筛选结果。

21.一种用于执行非接触式呼吸健康监测的方法，所述方法包括：

针对雷达子系统的多个天线中的每个天线接收雷达数据流，从而接收多个雷达数据流；

由一个或多个处理器执行波束导控过程，所述波束导控过程从接收到的多个雷达数据流创建多个目标空间区域雷达数据流；

由所述一个或多个处理器针对所述多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流来确定用户的呼吸位移；

由所述一个或多个处理器针对所述多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流来分析所述用户的所述呼吸位移；以及

由所述一个或多个处理器基于针对所述多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流来与时间相关地分析所述用户的所述呼吸位移，输出筛选结果。

22.根据权利要求21所述的用于执行非接触式呼吸健康监测的方法，其中，所述筛选结果指示所述用户正在经历反常呼吸。

23.根据权利要求21所述的用于执行非接触式呼吸健康监测的方法，其中，所述波束导控过程包括应用加权延迟与求和(WDAS)波束导控以创建所述多个目标空间区域雷达数据流。

24.根据权利要求21所述的用于执行非接触式呼吸健康监测的方法，其中，针对所述多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流来确定所述用户的所述呼吸位移包括：

确定所述多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流的相位值。

25.根据权利要求21所述的用于执行非接触式呼吸健康监测的方法，其中，针对所述多个目标空间区域雷达数据流中的每个目标空间区域雷达数据流来分析所述用户的所述呼吸位移包括应用预训练的机器学习模型。

26.根据权利要求25所述的用于执行非接触式呼吸健康监测的方法，其中，所述预训练的机器学习模型是神经网络。

27.根据权利要求21所述的用于执行非接触式呼吸健康监测的方法，其中，所述多个目标空间区域中的每个目标空间区域对应于用户的身体的不同部分。

28.根据权利要求27所述的用于执行非接触式呼吸健康监测的方法，其中，所述多个目标空间区域包括至少三个目标空间区域。

29.根据权利要求21所述的用于执行非接触式呼吸健康监测的方法，所述方法还包括：使用状态机基于所述多个雷达数据流来确定所述用户处于睡眠状态并且没有在移动。

Images