[发明专利]在存在饱和的情况下检测用户姿势的基于智能设备的雷达系统

说明书

描述了实现能够在存在饱和的情况下检测用户姿势的基于智能设备的雷达系统的技术和装置。特别地，雷达系统104采用机器学习来补偿由饱和引起的失真。这使得能够在雷达系统104的接收器304饱和时执行姿势识别。因此，雷达系统104可以放弃集成自动增益控制电路以防止接收器304变得饱和。此外，雷达系统104可以在不增加额外天线的情况下以更高增益操作以增加灵敏度。通过使用机器学习，雷达系统104的动态范围增加，这使得雷达系统104能够检测各种不同类型的姿势，该姿势具有小或大的雷达横截面并且在距雷达系统104的不同距离处被执行。

背景技术

基于雷达的姿势识别可以使用户无需使用虚拟键盘或基于屏幕的姿势即可与小屏幕智能设备(诸如智能手机或智能手表)进行交互。在许多情况下，雷达传感器可以取代笨重且昂贵的传感器(诸如相机)，并在存在不同环境条件(诸如低光照和雾)或具有移动或重叠目标的情况下提供改进的姿势识别性能。虽然使用雷达传感器可能是有利的，但存在与将雷达传感器集成到商业设备中以及使用雷达传感器进行姿势识别相关联的许多挑战。

一个这样的问题涉及小型消费设备可能对雷达传感器的设计施加的限制。例如，为了满足尺寸或布局限制，雷达传感器内的硬件电路可以通过减少天线元件的数量或取消某些硬件组件(诸如自动增益控制电路)来缩小尺寸。因此，雷达传感器的动态范围被减小，这限制了雷达传感器执行姿势识别的能力。例如，使用较少的天线元件，雷达可能无法识别更远距离的姿势。此外，如果没有自动增益控制电路，则近距离范围的姿势会使雷达传感器的接收器饱和并导致信号削波。当接收器饱和时，接收器的本底噪声会增加，从而降低测量精度，增加误报率，并降低雷达传感器的灵敏度性能。

发明内容

描述了实现能够在存在饱和的情况下检测用户姿势的基于智能设备的雷达系统的技术和装置。特别是，雷达系统包括饱和补偿模块，该模块采用机器学习来提高雷达系统的动态范围。更具体地，饱和补偿模块接受雷达接收信号的饱和版本并生成雷达接收信号的非饱和版本。使用这种非饱和版本，雷达系统可以准确地确定对象的距离、多普勒频率、角度和雷达横截面以进行姿势识别。因此，雷达系统可以检测用户在使雷达系统接收器饱和的近距离范围内执行的姿势。

通过使用机器学习以补偿由饱和接收器引起的失真，雷达系统可以避免与集成自动增益控制电路相关联的额外硬件复杂性和成本以防止接收器变得饱和。此外，可以训练机器学习以恢复与各种不同姿势相关联并受不同信号削波量影响的运动分量信号。为了进一步提高动态范围，雷达系统可以以更高的增益运行以提高灵敏度，尽管接收器变得饱和的可能性增加。这样，在不增加天线数量的情况下，提高了雷达系统的灵敏度。通过改进的动态范围，雷达系统可以检测各种不同类型的姿势，这些姿势具有小的或大的雷达横截面并且在距雷达系统的不同距离处被执行。

下面描述的各方面包括具有雷达系统的装置。雷达系统包括至少一个天线、收发器、饱和补偿模块和姿势识别模块。收发器耦合到至少一个天线并且被配置为经由至少一个天线发射雷达发射信号。收发器还被配置为经由至少一个天线接收雷达接收信号，该雷达接收信号包括被用户反射的雷达发射信号的一部分。收发器还被配置为基于雷达接收信号生成具有削波幅度的饱和雷达接收信号。饱和补偿模块耦合到收发器并且被配置为基于饱和雷达接收信号和使用机器学习生成预测信号，该预测信号包括正弦信号。姿势识别模块耦合到饱和补偿模块并且被配置为基于预测信号确定由用户执行的姿势。

下面描述的各方面还包括一种用于执行能够在存在饱和的情况下检测用户姿势的基于智能设备的雷达系统的操作的方法。该方法包括发射雷达发射信号和接收雷达接收信号。雷达接收信号包括被用户反射的一部分雷达发射信号。该方法还包括基于雷达接收信号生成具有削波幅度的饱和雷达接收信号。该方法还包括基于饱和雷达接收信号并使用机器学习模块来生成预测信号，该预测信号包括正弦信号。该方法还包括基于预测信号确定由用户执行的姿势。