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。本研究采用多普勒传感方案，因其运动检测信号鲁棒性强，且能同时适应设备播放音频与静默状态。
信号复杂性分析
多普勒频移信号受目标距离、尺寸、吸收系数、房间声学特性及温湿度等多因素影响。人体运动时，不仅会因身体各部位不同速度运动产生多重多普勒分量，还会因反射产生分量重复。实际接收信号远非单一频移的纯净信号，而呈现复杂频谱特征。
移动物体（如风扇、窗帘）会产生干扰性多普勒频移，需有效区分。下图展示了仅旋转风扇与同时存在风扇和人体运动时的频谱对比，可见二者难以直接区分：
深度学习解决方案
传统信号处理技术难以从多普勒频移信号中识别人体运动，因此采用深度学习模型识别信号中的异构模式。USPD算法整体流程如下：
- 发射设备与环境自适应的最优超声波信号
- 通过麦克风阵列捕获移动物体反射信号
- 信号预处理后输入神经网络分类器进行运动检测
误报抑制策略
降低误报率面临AI长尾问题的挑战：大量罕见事件可能触发误报，但这些事件在训练数据中占比极低。解决方案包括：
- 使用小规模数据训练初始模型
- 通过初始模型筛选大量数据提取罕见事件
- 利用罕见事件数据训练模型自动捕获低频事件 最终通过针对性数据收集实现极低误报率
部署挑战与创新
硬件差异与环境适应
使用设备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自适应调整发射频率和电平，在控制成本的同时保证用户体验一致性。
音乐播放并发处理
音乐低频内容（如低音）与超声波信号同时播放时会产生失真噪声。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相差异，实现失真识别与消除。下图为音乐播放时有无运动的信号频谱对比：
主要与次要运动检测
将人体运动分为主要运动（行走）和次要运动（取物、翻书等）。次要运动信噪比低，检测难度大但对持续存在感知至关重要。开发基于上下文的灵敏度调节算法，在检测到主要运动后提高灵敏度以捕捉次要运动。
低功耗实现
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和代码优化满足实时计算要求。采用检测延迟（约50毫秒）与精度权衡策略，并结合自定义DSP实现。在非必要时段（如检测到存在后）禁用超声波发射以降低功耗。
这项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了创新解决方案。