超声波存在检测原理
基于超声波的存在检测（USPD）通过设备内置扬声器发射超声波信号（≥32 kHz），并监测麦克风接收信号的变化来检测运动。超声波传感器主要分为多普勒传感和飞行时间传感两类。
多普勒传感通过检测发射信号频谱中的频移来识别运动，该频移由移动物体反射信号产生，类似于警笛声在接近或远离时产生的频率变化。飞行时间传感则通过监测反射信号到达时间的变化来检测环境变化。由于多普勒传感在运动检测信号鲁棒性及同时播放音频时的通用性优势，最终采用该方案。
信号复杂性分析
多普勒频移信号强度受目标距声源距离、目标尺寸与吸收系数、房间吸声特性乃至温湿度等因素影响。当人在密闭空间移动时，不仅会因身体各部位以不同速度方向运动产生多重多普勒分量，还会因反射产生分量重复。
实际接收的信号远非单一频移的纯净音调，而更接近复杂频谱图。此外，风扇、窗帘等移动物体会产生干扰性多普勒频移，需被排除以避免误报。
深度学习解决方案
传统信号处理难以从多普勒频移信号中识别人体运动，因此采用深度学习识别信号中的异构模式。USPD算法流程如下：
- 设备与环境自适应的最优超声波信号通过扬声器发射
- 移动物体反射信号被麦克风阵列捕获
- 信号经预处理后输入神经网络分类器进行运动检测
误报率优化
最大算法挑战是在保持高检测精度同时降低误报率。针对AI长尾问题（罕见事件训练数据不足），采用种子模型筛选海量数据提取罕见事件，再通过罕见事件训练模型自动捕获内部数据收集过程中的低频事件，最终实现极低误报率。
部署挑战与解决方案
硬件差异与环境适应
使用内置扬声器和麦克风需应对可变声学特性。通过设计自动设备校准模块，根据硬件特性和房间声学特性调整发射频率与电平，确保跨设备一致性体验。
音乐播放并发感知
音乐低频内容（如低音）与超声波信号同时播放时，失真会以噪声形式出现在超声频段。开发自适应算法利用失真与运动特征在不同麦克风上的幅度相位差异进行识别和消除。
主要与次要运动检测
主要运动（如行走）与次要运动（如翻书页）的超声频谱信噪比差异显著。开发基于上下文（如上一次主要运动时间）的动态灵敏度调节算法，在检测到人员进入后启用高灵敏度次要运动检测。
低功耗模式
在数字信号处理器（DSP）上实现解决方案，通过神经网络架构优化与定制DSP实现的结合，以50毫秒检测延迟换取更高精度。非必要时段（如检测到存在后）自动关闭超声发射。
技术实现价值
远场超声波运动传感技术的推出为用户日常自动化需求提供便捷解决方案，展现了在现有硬件基础上通过算法创新实现功能突破的技术路径。