技术领域
[0001] 本
发明涉及操作雷达
传感器系统来确定车辆乘客车厢内的乘客数量的方法，以及涉及自动执行该方法的雷达
传感器系统。
[0002] 发明背景
[0003] 在客运技术并且特别是在
汽车技术领域中，对于许多应用，必须检测座椅上是否有人。为此，本领域提出使用雷达技术用于座椅乘员检测系统。与其他占用检测方法相比，基于雷达技术的占用传感器提供了优势，因为它们的操作是无
接触的，并且对车辆乘员来说是不可察觉的。此外，雷达传感器可以很容易地集成在车辆内部，例如塑料
覆盖物和纺织物后面。
[0004] 举例来说，
国际申请WO 2015/140333 A1描述了用于判断无人看管的儿童是否在汽车内的方法，该方法使用雷达传感器系统，该雷达传感器系统包括发射器和至少一个传感器及处理
电路，并利用由雷达
信号检测(例如，通过应用自相关和峰值查找)到的呼吸运动。该方法包括：用
辐射照射车内至少一个可占用的
位置，该辐射表现为单频或多频；从作为发射的辐射的结果而反射的辐射中生成雷达传感器信号，多个雷达传感器信号对应于不同
频率；操作处理电路来基于雷达传感器信号生成第一指标值，该第一指标值指示与可占用位置相关联的运动程度；确定第一指标值是否满足第一预定标准；如果第一指标值满足第一预定标准，则基于雷达传感器信号生成第二指标值，该第二指标值指示雷达传感器信号内的重复模式的程度；并且如果第二指标值满足第二预定标准，则确定无人看管的儿童在汽车内。第二指标值可包括呼吸签名，该呼吸签名指示了传感器信号指示检测到运动的程度，该运动代表了婴儿呼吸。
[0005] 在在2016年美国Fajardo(Porto Rico)举行的2016年6月IEEE APS 2016会议中Ting Zhang等人的论文“使用鲁棒优化
算法进行60GHz人体生命体征监测的非接触估计”(AP-S/URSI 2016
)中，描述了利用60GHz多普勒雷达来估计与生命活动相关的身体动作的方法，该方法使用包括信号自相关分析的鲁棒优化算法以从雷达信号中提取心率和呼吸信息。[0006] 因此，本领域已知的是，可以通过进行电磁测量(例如多普勒雷达技术)以测量例如乘客的呼吸或心跳来检测单个乘客的存在。不幸的是，接收到的雷达信号会被噪声破坏，例如，如果车辆在粗糙的路面上行驶、遇到强阵
风或
发动机振动。与希望检测的乘客的信号相比可为高振幅的这种噪声将不可避免地导致检测误差。
[0007] 在汽车技术的技术领域中，对于许多应用，必须进一步确定车辆乘客车厢内的乘客数量。乘客人数的信息可例如用于系统中防止儿童和婴儿被遗留。对于高级驾驶员辅助系统(ADAS)，乘客数量可是有价值的信息。其他可想到应用是当地公共交通运输、火车或飞机的技术领域，例如用于避免火车、公共汽车等中的过度拥挤。
[0008] 例如，
国际申请WO 2016/038148 A1描述了用于感测汽车内占用状态的方法。该方法使用包括天线系统、至少一个传感器和处理电路的雷达传感器系统。该方法包括通过使用天线系统，用输出的雷达信号照射车辆内的至少一个可占用位置，并通过使用至少一个传感器接收由于输出的雷达信号所反射的至少一个传感器信号。该方法进一步包括从至少一个
加速计获取加速计数据值，其中加速计数据包含关于汽车的振动或运动的信息，并向处理电路提供加速计数据。操作该处理电路以基于至少一个传感器信号和加速计数据来生成一个或多个占用状态信号，其中占用状态信号指示与至少一个可占用位置相关的属性。
[0009] 而且，在2017年的第11届欧洲天线与传播(EUCAP)IEEE会议上由Zhangi Ting等人的论文“用于非平稳生命体征监测的60GHz多普勒雷达的基于小波的分析”中，提出了60GHz的多普勒雷达实施方式，用于生命体征(呼吸和心跳)的非接触监测，以提供老年人的持续监测以避免事故，并且降低与住院
治疗有关的
费用。生命体征的实时检测被认为是提供患者健康状况的重要信息，从而
预防重大事件或在发生后及时地和有效地采取行动。为了提供对非平稳生命体征和重大事件的实时检测，所使用的估计技术借助了对接收信号的
小波变换。此外，通过小波变换可以推断出相关生命运动的振幅，从而使有用的信号与噪声和非期望运动区分开来。
[0010] 发明目的
[0011] 因此，本发明的目的是提供具有高
精度和可靠性的通用非接触式检测方法，该方法能够估计静止的或移动的车辆乘客车厢内存在的乘客数量。
[0012] 发明的一般说明
[0013] 在本发明的一个方面中，通过操作雷达传感器系统以确定车辆乘客车厢中的乘客数量的方法来实现该目标。该雷达传感器系统包括：雷达发射单元，该雷达发射单元具有至少一个雷达发射天线，并且配置成向车辆乘客车厢发射雷达波；雷达接收单元，其具有至少一个雷达接收天线，并配置成接收由雷达发射单元发射的且由车辆乘客车厢内存在的一个或多个乘客反射的雷达波；以及评估和控制单元，该评估和控制单元至少配置成评估来自由雷达接收单元接收的雷达波的多普勒信息。
[0014] 该方法至少包括以下步骤：
[0015] -操作雷达发射单元，以向车辆乘客车厢发射雷达波，
[0016] -操作雷达接收单元，以接收由雷达发射单元发射的且由车辆乘客车厢内存在的一个或多个乘客反射的雷达波，
[0017] -操作该雷达接收单元，以从接收到的雷达波中生成接收到的雷达信号，[0018] -数学分解接收到的雷达信号为多个接收信号分量，其中每个接收信号分量具有关于至少一个特征参数的不同的值，
[0019] -向分类器提供关于至少一个特征参数的接收信号分量的值，该分类器已通过使用表示车辆乘客车厢中具有不同乘客数量的多个场景的数据进行监督式学习来被训练，[0020] -基于所提供的关于至少一个特征参数的接收信号分量的值，识别经过训练的场景之一，以及
[0022] 如在本申请中使用的，短语“被配置为”应特别理解为被特别地编程、布置、提供或安排。如在本申请中使用的术语“车辆”应特别地理解为包括客车、
卡车、公共汽车、飞机和渡轮。如在本申请中使用的短语“评估多普勒信息”应特别地理解为评估接收到的雷达波，以用于
运动检测目的。
[0023] 通过使用所提出的方法，可能检测和提取由至少一个内部雷达接收天线所接收的嘈杂的雷达信号中的人特征。训练后的分类器能够基于这些特征性多普勒特性的存在或不存在，即例如呼吸或心跳等生命特征，对接收到的雷达信号进行分类。而且，利用所提出的方法，可以在非平稳场景中检测人特征，其中由至少一个内部雷达接收天线接收到的雷达波被噪声污染，并且可以完成噪声和存在于车辆乘客车厢中的
生物之间的明确区分。
[0024] 可通过监督式学习进行训练的适当的分类器可以作为商业产品轻松获得，例如作为 模
块。
[0025] 优选地，雷达发射单元配置成向车辆乘客车厢中的这些区域发射雷达波，在这些区域中，可以从车辆乘客车厢内的座椅位置预料到潜在乘客的胸部区域和/或腹部区域。
[0026] 在优选的
实施例中，数学分解接收到的雷达信号的步骤包括实施
离散小波变换。而且，至少一个特征参数由小波的层(level of the wavelets)形成，并且关于至少一个特征参数的值由包含在小波的特定层中的单个
能量给出。
[0027] 呼吸信号的基于小波的分析在生命体征监测领域是已知的，例如来自Zhangi，Ting等人的论文“用于非平稳生命体征监测的60GHz多普勒雷达的基于小波的分析”，之前已被引用为
现有技术，并且在此应通过引用将其全部并入，对允许通过引用并入的司法解释有效。
[0028] 小波变换是处理时间相关信号的公知的工具，并且可在教科书中找到详细说明，例如D.B.Percival和A.T.Walden：“时间序列分析的小波方法”，剑桥统计与概率数学丛书，剑桥大学出版社，2000年(ISBN:9780521640688)。
[0029] 小波变换的重要特性是能量守恒
[0030]
[0031] 其中X是接收到的雷达信号，Wj是第j层小波并且VJ0是第J0层缩放
滤波器。这意味着接收到的雷达信号的能量分布在分解的结果层之中。这是本发明的见解的一部分，即来自生命源(例如呼吸、心跳、血流等)的能量很有可能分布在分解的某些特定层，而噪声的能量则分布在其他层中。
[0032] 优选地，在方法步骤中要执行的离散小波变换是极大重叠离散小波变换(MODWT)。S.Olhede和A.T.Walden在论文“通过小波投影的希尔伯特谱”(《皇家学会学报A：数学、物理和工程科学》，460，955-975(2004))中详细描述了MODWT，在此，应通过引用将其全文并入，对于允许通过引用并入的司法解释有效。
[0033] 在优选的实施例中，对接收到的雷达信号进行数学分解的步骤包括执行离散小波变换，并且进一步包括计算不同层的小波的希尔伯特变换的步骤，以确定由不同层的小波的瞬时频率给出的至少一个特征参数。
[0034] 同样，这是本发明的见解的一部分，即对于由生物特征性地反射的雷达信号，有很高的可能性频域中的特征参数值(即瞬时频率)会分布在某些特定范围内，而来自噪声的瞬时频率值分布在其他某些范围内。
[0035] 优选地，对接收到的雷达信号进行数学分解的步骤包括执行离散傅里叶变换。本文中，至少一个特征参数由频率给出，并且关于至少一个特征参数的值由傅里叶系数给出。如前所述，本发明的见解的一部分是，来自人的信号分量和来自无生命物体以及来自外部事件产生的噪声的信号分量的值对于至少一个特征参数有很高可能性差异地分布，因此可用于区分存在于车辆乘客车厢中的一名或多名乘客和外部事件产生的噪声。
[0036] 优选地，由
支持向量机或神经网络形成的分类器来执行识别经过训练的场景之一的步骤。这样，可以容易地提供用于识别经过训练的场景之一的经过训练的分类器。
[0037] 优选地，表示用于训练分类器的多种场景的数据包括模拟至少一种路面粗糙度状况的数据。由此可以在真实条件下对分类器进行有效地训练，并且可以实现识别车辆乘客车厢内具有特定数量的乘客的场景的高准确率。
[0038] 在该方法的优选实施例中，其中该车辆乘客车厢是客车车厢，向使用表示具有不同乘客数量的多个场景的数据通过监督式学习来训练的分类器提供关于至少一个特征参数的接收信号分量的值的步骤包括使用多个场景训练分类器的步骤，场景的每一个至少包括：
[0039] -驾驶员座位；
[0040] -前排乘客座位；以及
[0041] -三个座位的后排长座椅。
[0042] 本文中，在各种场景中，乘客的数量是不同的，从驾驶员占据驾驶座和一个乘客占据其他座位之一而其他座位未被占用开始，加上另一乘客占据其他座位中另一个，直至驾驶员占据驾驶座并且四名乘客占据其他座位。这样，可以提供确定客车车厢中的乘客数量的有效方法。需要注意的是，虚拟的(模拟的)
训练数据也可以用于训练该系统。
[0043] 在本发明的另一方面中，提供了用于确定车辆乘客车厢中的乘客数量的雷达传感器系统。该雷达传感器系统包括雷达发射单元，该雷达发射单元具有至少一个雷达发射天线，并且配置成向车辆乘客车厢发射雷达波。该雷达传感器系统进一步包括雷达接收单元，该雷达接收单元具有至少一个雷达接收天线，并且配置成接收由雷达发射单元发射并由存在于车辆乘客车厢中的乘客反射的雷达波。此外，该雷达传感器系统包括评估和控制单元，该评估和控制单元配置为评估来自由雷达接收单元接收的雷达波的多普勒信息，并且自动执行本文公开的方法的步骤。
[0044] 在本文提出的方法的上下文中描述的优点完全地适用于雷达传感器系统。
[0045] 优选地，该评估和控制单元包括处理器单元和处理器单元对其具有数据
访问的数字数据存储单元。这样，可以在雷达传感器系统内执行本文公开的方法的步骤，以确保快速的且不受干扰的
信号处理和评估。
[0046] 优选地，发射的雷达波的雷达
载波频率位于2GHz到130GHz之间的
频率范围内，并且更优选地位于57GHz到64GHz之间的频率范围内。这样，对于评估的多普勒信息，雷达传感器系统以经济的方式实现足够的空间
分辨率。
[0047] 在本发明的另一个方面中，提供了用于控制本文公开的方法的自动执行的
软件模块。
[0048] 要进行的方法步骤被转换为
软件模块的程序代码，其中该程序代码可在雷达传感器系统的数字存储单元或单独的控制单元中实现，并可由雷达传感器系统的处理器单元或单独的控制单元执行。优选地，该数字存储单元和/或处理器单元可以是雷达传感器系统的控制和评估单元的数字存储单元和/或处理单元。替代地或补充地，该处理器单元可以是另一处理器单元，该另一处理器单元被特别地分配以执行方法步骤中的至少一些。
[0049] 软件模块能够实现方法的鲁棒的和可靠的自动执行，并允许在需要时对方法步骤的快速
修改。
[0050] 本发明的这些和其他方面将从下文所述的实施例中显而易见并参考下文所述的实施例进行阐明。
[0051] 应当指出，前述中单独详细说明的特征和措施可以以任何技术上有意义的方式彼此结合，并且示出了本发明的进一步实施例。本
说明书特别结合
附图来表征和说明本发明。
附图说明
[0052] 从参考附图的非限制性实施例的下列详细描述中，本发明的更多的细节和优点将变得显而易见，其中：
[0053] 图1示意性地以侧视图示出了在执行用于确定车辆乘客车厢中的乘客数量的操作方法时，根据本发明的雷达传感器系统的实施例的配置，
[0054] 图2示出了由根据图1的雷达传感器系统的雷达接收天线所接收的同相雷达信号的图绘，观察了两名乘客在行驶通过街上颠簸处的汽车存在振动的情况下的呼吸运动，并且
[0055] 图3示出了根据图2的雷达信号的最大重叠离散小波变换的图绘；
[0056] 图4是根据本发明的方法的实施例的
流程图，该方法操作根据图1的雷达传感器系统以确定车辆乘客车厢中的乘客数量。
[0057] 优选实施例说明
[0058] 图1示意性地示出了在执行用于确定由轿车型客车的客车车厢形成的车辆乘客车厢30中的乘客数量的操作方法时，根据本发明的雷达传感器系统10的实施例的配置。图1示出了占用驾驶员座位的乘客24的侧视图。可能会存在更多的乘客(未示出)，占据乘客前排座位和/或客车的三座后排长座椅中的每个座位。
[0059] 雷达传感器系统10包括具有两个雷达发射天线的雷达发射单元。雷达发射单元配置成向两个雷达发射天线提供具有雷达载波频率的雷达波。前端雷达发射天线12安装在
车顶内衬的前部区域，后端雷达发射天线(未示出)安装在
车顶内衬的中心区域。两个雷达发射天线12都指向后方。雷达发射单元配置成经由雷达发射天线12向车辆乘客车厢30发射雷达波14，并且更特别体地向驾驶员和其他潜在存在的乘客的胸部26和腹部区域28发射雷达波14。在这个具体的实施例中，雷达传感器系统10的雷达载波频率在2GHz到130GHz之间的雷达频率范围内是可选择的，并且更优选地在57GHz到64GHz之间的频率范围内是可选择的。
[0060] 雷达传感器系统10进一步包括雷达接收单元，该雷达接收单元具有两个雷达接收天线16，并且配置成用于接收由雷达发射单元发射的并由车辆乘客车厢30中存在的乘客24中的一个或多个反射的雷达波18。
[0061] 雷达发射天线12中的每一个与雷达接收天线16中的一个
配对，以单站布置的方式共同
定位，这在图1中通过使用组合符号来指示。在这个具体的实施例中，雷达发射器单元和雷达接收单元构成收发器单元20的完整部分，共享公共
电子电路和公共外罩。在其他实施例中，雷达发射器单元和雷达接收单元可以被设计为单独的单元。
[0062] 此外，雷达传感器系统10包括评估和控制单元22，该评估和控制单元22配置成评估来自由雷达接收单元接收的雷达波18的多普勒信息。评估和控制单元22连接到雷达发射单元，用于控制雷达发射单元的操作。评估和控制单元22还连接到雷达接收单元，用于接收由雷达接收单元生成的雷达信号。评估和控制单元22包括处理器单元和处理器单元对其具有数据访问的数字数据存储单元(未示出)。评估和控制单元22配置成在数字数据存储单元中记录由雷达接收单元生成的接收到的雷达信号。此外，如下文所述，评估和控制单元22包括用于信号处理的分类器。
[0063] 在下文中，将参考图1和提供该方法流程图的图4来描述操作雷达传感器系统10以确定车辆乘客车厢30中的乘客24数量的方法的实施例。在操作雷达传感器系统10的准备中，应理解，所有涉及的单元和设备都处于运行状态，并且如图1所示进行配置。
[0064] 为了能够自动地且以受控的方式执行该方法，评估和控制单元22包括软件模块。要进行的方法步骤被转换为软件模块的程序代码。程序代码在评估和控制单元22的数字数据存储单元中实施，并且可由评估和控制单元22的处理器单元执行。
[0065] 可以通过打开客车点火
开关来开始方法的执行。在该方法的第一步骤36中，雷达发射单元由评估和控制单元22操作，向车辆乘客车厢30发射雷达波14。在另一步骤38中，雷达接收单元由评估和控制单元22操作，接收由雷达发送单元发送的且由车辆乘客车厢30中存在的一个或多个乘客24反射的雷达波18，更具体地，由一个或多个乘客24的胸部和腹部区域反射的雷达波18。
[0066] 在另一步骤40中，雷达接收单元由评估和控制单元22操作，用于从接收到的雷达波18生成接收到的雷达信号32。生成接收到的雷达信号32的步骤40包括以常规方式进行低通滤波和混频。
[0067] 图2所示为当观察行驶在街上颠簸处的客车振动的情况下两名乘客24(仅示出了一名乘客)的呼吸运动时接收到的同相雷达信号32的图绘。
[0068] 在下一步骤42中，由评估和控制单元22将接收到的雷达信号32数学分解为多个接收信号分量。数学分解接收的雷达信号32的步骤42包括执行最大重叠离散小波变换(MODWT)34(图3)。在这个具体的实施例中，使用了公知的具有45个消失矩的
正交Daubechies小波，但原则上可以采用适合于本领域技术人员的其他小波变换。
[0069] 多个接收信号分量中的每个接收信号分量具有关于特征参数的不同的值，该特征参数在多个接收信号分量中是唯一的，该特征参数由Daubechies小波的层给出。关于特征参数的值由包含在Daubechies小波中的特定层的单个能量给出。
[0070] 再次参考图4，在该方法的另一步骤44中，将多个接收信号分量的关于包含在Daubechies小波的特定层中的能量的不同值作为输入提供给评估和控制单元22的分类器。该分类器由支持向量机构成，并使用表示车辆乘客车厢30中具有不同数量的乘客24的多个场景的数据，通过监督式学习得到了训练。
[0071] 在前述的步骤50中进行了该训练。表示用于训练分类器的各种场景的数据包括模拟路面粗糙度状况的数据。基于Feng Tyan等人的论文“随机道路剖面的生成”(高级工程杂志4.2(2009))，已经实现了道路粗糙度等级A到E。道路粗糙度等级C表示具有平均道路粗糙度的垂直道路剖面。
[0072] 此外，在用于训练分类器的步骤50的各种场景中，乘客24的数量是不同的，从驾驶员占据驾驶座和一个乘客占据其他座位之一而其他座位未被占用开始，加上另一乘客占据其他座位中的另一个，直至驾驶员占据驾驶座并且四名乘客占据其他座位。
[0073] 必须将足够的训练
水平应用于分类器以执行该方法，但是额外的训练数据可以在以后的任何时间点传输到分类器，例如作为客车维护期间的软件更新，以提高确定存在于车辆乘客车厢30中的乘客24的数量的准确性。
[0074] 在该方法的另一步骤46中，基于多个接收信号分量关于Daubechies小波的特定层中的能量的不同值，分类器识别经过训练的场景之一。
[0075] 在该方法的下一步骤48中，评估和控制单元22生成指示所识别的场景的输出信号。该输出信号可以传输到客车的ADAS以供进一步使用。
[0076] 所有接收到的雷达信号、接收信号分量中关于特征参数的值以及表示本说明书中提到的具有不同数量的乘客的多个场景的训练数据可以至少暂时驻留在评估和控制单元22的数字数据存储单元中，并且可以容易地被评估和控制单元22的处理器单元提取。
[0077] 通过进行模拟，检验了所提出方法的有效性，在模拟中使用了一组不同的可能场景，由以下给出：
[0078] 1、两个乘客坐在前排座位，
[0079] 2、一名乘客和一个空座位，以及
[0080] 3、两个空座位。
[0081] 这组可能的场景包括第一训练数据集中的路面粗糙度等级A到E，以及第二训练数据集中的路面粗糙度等级A到C。
[0082] 使用随机呼吸频率、分别为4mm和5mm的呼吸振幅以及每个乘客胸部0.34m2的雷达截面来模拟每个乘客的呼吸运动。模拟了1440组接收到的雷达信号，其中数据集的一半用于以监督式方式训练分类器的步骤，并使用先前提到的特征参数和具有45个消失矩的Daubechies小波变换。数据集的另一半用于检验方法的有效性。
[0083] 对于具有道路粗糙度等级为A到E的第一个训练数据集，对于由分类器正确识别的场景，可以达到82.9％的比例。对于具有道路粗糙度等级为A到C的第二个训练数据集，各自的比例是99％。
[0084] 虽然已经在附图和前述描述中详细地阐明和描述了本发明，但是这种阐明和描述应当被认为是说明性的或示例性的，而不是限制性的；本发明不限于所公开的实施例。
[0085] 根据附图、公开和所附
权利要求的研究，本领域技术人员在实践要求保护的发明时可以理解和实现所公开的实施例的其他变化。在权利要求中，“包括”一词不排除其他要素或步骤，并且不定词“一”或“一个”不排除多个，这表示至少两个的数量。在互不相同的
从属权利要求中记载某些措施的事实并不表明不能有利地使用这些措施的组合。权利要求书中的任何参考标记都不应被解释为限制性的范围。
[0086] 参考符号列表
[0087] 10 雷达传感器系统
[0088] 12 雷达发射天线
[0089] 14 发射的雷达波
[0090] 16 雷达接收天线
[0091] 18 接收到的雷达波
[0092] 20 收发器单元
[0093] 22 评估和控制单元
[0094] 24 乘客
[0095] 26 胸部
[0096] 28 腹部区域
[0097] 30 车辆乘客车厢
[0098] 32 接收到的雷达信号
[0099] 24 最大重叠小波变换
[0100] 方法步骤
[0101] 36 发射雷达波
[0102] 38 接收反射的雷达波
[0103] 40 生成接收到的雷达信号
[0104] 42 分解接收到的雷达信号
[0105] 44 向分类器提供包含在小波层中的能量的值
[0106] 46 基于提供的能量值识别经过训练的场景
[0107] 48 生成输出信号
[0108] 50 通过监督式学习训练分类器
