[发明专利]使用雷达和机器学习的射频（RF）对象检测

说明书

本文描述的实施例可以通过使用雷达机器学习来解决射频(RF)执行对象识别(包括面部辨识)，从而解决这些和其它问题。具体地，各实施例可以通过利用相应的多个发射机天线元件和接收机天线元件发送和接收多个数据分组来获得IQ样本，其中，多个数据分组中的每个数据分组包括一个或多个互补的Golay序列对。然后可以使用用于指示从对多个数据分组的发送和接收中获得的、识别区域的信道冲激响应的I/Q样本，以利用随机森林模型来识别在识别区域中的物理对象。

背景技术

面部识别可以被各种不同类型的电子设备(例如，移动电话、平板设备、膝上型计算机、PC、电视机和其它电子设备)用于认证和/或其它功能。这种识别通常是以如下方式完成的：使用具有光学深度传感器的相机，以实现3D成像(以避免通过显示2D图像的简单黑客行为)并且由于在两个传感器之间的融合而改善验证的性能。使用具有光学深度传感器的相机的技术可以更广泛地应用于识别不同于人脸(或者除了人脸之外)的对象。

然而，这些识别技术并非没有其缺点。与其它传感器相比，对相机和光学深度传感器的利用可能使用相对大量的功率，这可能使其并不期望在功率敏感的设备(例如，移动电话和其它设备)中使用。此外，传感器可能是非常光敏感的，这使得在各种光照条件下进行识别是困难的。此外，使用相机还可能引起隐私顾虑，并且对于由相机捕获视频和/或图像和/或存储由相机捕获的视频和/或图像可能存在法律影响。

发明内容

本文描述的实施例可以通过使用雷达(radar)机器学习来解决射频(RF) 执行对象辨识(包括面部识别)，从而解决这些和其它问题。具体地，各实施例可以通过利用相应的多个发射机天线元件和接收机天线元件来发送和接收多个数据分组，来获得IQ样本，其中，多个数据分组中的每个数据分组包括一个或多个互补的Golay序列对。然后可以使用从对多个数据分组的发送和接收中获得的、用于指示识别区域的信道冲激响应的I/Q样本，以利用随机森林模型来识别在识别区域中的物理对象。

根据描述，一种在电子设备处使用射频(RF)信号来执行对象辨识的方法的示例包括：通过以下方式来获得I/Q样本集：利用电子设备在扫描时段内，利用多个发射机天线元件无线地发送多个数据分组，并且在多个接收机天线元件处接收多个数据分组，使得多个接收机天线元件中的每个接收机天线元件从多个发射机天线元件中的每个发射机天线元件接收至少一个数据分组，其中，多个数据分组中的每个数据分组包括互补的Golay序列对，以及每个I/Q样本指示识别区域的至少一部分的信道冲激响应，信道冲激响应是从由发射机天线元件发送的并且由接收机天线元件接收的分组中获得的。方法还包括：利用电子设备的处理单元从来自I/Q样本集的样本子集中选择值；以及利用电子设备的处理单元，对从样本子集中选择的值使用随机森林模型，以识别在识别区域中的物理对象。

根据描述，一种示例电子设备，包括：多个发射机天线元件；多个接收机天线元件；存储器；以及处理单元，其与多个发射机天线元件、多个接收机天线元件和存储器通信地耦合。处理单元被配置为：通过以下方式来获得I/Q样本集：在扫描时段内，利用多个发射机天线元件无线地发送多个数据分组，并且在多个接收机天线元件处接收多个数据分组，使得多个接收机天线元件中的每个接收机天线元件从多个发射机天线元件中的每个发射机天线元件接收至少一个数据分组，其中，多个数据分组中的每个数据分组包括互补的Golay序列对，以及每个I/Q样本指示识别区域的至少一部分的信道冲激响应，信道冲激响应是从由发射机天线元件发送的并且由接收机天线元件接收的分组中获得的。处理单元还被配置为：从来自I/Q样本集的样本子集中进行选择；以及对从样本子集中选择的值使用随机森林模型，以识别在识别区域中的物理对象。