洗衣机、相关系统和方法与流程

1.本公开总体上涉及电子系统和方法，并且在特定实施例中涉及洗衣机、相关系统和方法。


背景技术：

2.洗衣机(laundry machine)(例如，清洗机(washer)、烘干机或清洗机和烘干机的组合)通常包括洗衣室。洗衣室通常包括用于在洗涤/干燥周期期间使衣物翻滚的旋转滚筒。在一些洗衣机中，洗衣室可以经由顶部装载开口从洗衣机的顶侧接近，而在其他洗衣机中，洗衣室可以经由侧面装载开口从洗衣机的侧面(例如，正面)接近。
3.衣物和洗衣机磨损的一个来源是在洗涤/干燥周期期间衣物中的外来物体(不属于衣物并且可能对衣物和洗衣机造成损坏的物体，例如，在洗衣机的操作周期期间)的存在。外来物体的典型示例包括钥匙、硬币、硬塑料、纸张、皮带扣等，这些物体可能会在将衣物装载入洗衣机之前忘记从衣物上取下。
4.衣物和洗衣机磨损的另一来源是原生物体(属于衣物的物体，但可以与衣物分离并且对衣物和洗衣机造成损坏，例如，在洗衣机的操作周期期间)与衣物的分离。原生物体的典型示例包括纽扣、拉链、钩子、带子等，它们在洗涤期间可能会从衣服上脱落或分开。
5.在不考虑织物类型(例如，羊毛、合成纤维、混合纤维、天然纤维等)的情况下，剧烈的洗涤周期(反映出高摩擦)和高温可能会导致衣物受损(例如，织物起球或棉绒形成)。在这种情况下，衣物的纤维可能会松散、缠结、断裂并且完全堆积，这可能对衣物和/或洗衣机有害。通常，已经起球的织物表面会将棉绒扩散到其他衣物上，如果棉绒在洗涤周期期间被过度释放，则可能会对机器部件有害。
6.不同织物可能会对洗衣剂(例如，洗涤剂、柔顺剂等)产生不同反应，如果洗衣周期中使用不合适的剂量或类型的洗衣剂，则最终可能导致衣物磨损。天然织物(例如，棉、羊毛、丝绸和亚麻)可以各有不同护理要求。合成织物可能对热和油敏感。
7.衣物的表面特性也可能会对衣物造成损害，如粗糙/光滑的纹理、粗糙/精细的孔、衣物的预起球表面等。例如，最好单独清洗牛仔布材料，因为它们通常非常粗糙。这可以有助于避免较轻的织物与较重的织物摩擦。出于类似的原因，在把衣服扔进洗衣机之前，拉开衣服的拉链并且扣上扣子可以是有益的。在将衣服装入洗衣机时，将牛仔裤、印花衣服和衬衫翻过来可以是有益的，因为这可以限制衣服内层的磨损。


技术实现要素：

8.根据一个实施例，一种方法包括：发射雷达信号；接收反射雷达信号；用第一天线站点(antenna site)向第二天线站点发射射频信号(rf)信号，其中第一天线站点设置在洗衣机的装载开口的边缘处，并且其中第二天线站点在装载开口的边缘处与第一天线站点相对设置；用第二天线站点接收传播rf信号；基于反射雷达信号来确定装载开口处的第一物体的存在；基于反射雷达信号和传播rf信号来确定第一物体的第一属性；以及基于第一属
性来确定洗衣机的操作周期的第一配置，或者在洗衣机的操作周期开始之前向用户提醒第一属性。
9.根据一个实施例，一种方法包括：发射雷达信号；接收反射雷达信号；用第一天线站点向第二天线站点发射射频信号(rf)信号，其中第一天线站点设置在洗衣机的装载开口的边缘处，并且其中第二天线站点在装载开口的边缘处与第一天线站点相对设置；用第二天线站点接收传播rf信号；在装载开口处生成驻波；估计指示驻波的中断的第一驻波值；基于反射雷达信号来确定装载开口处的第一物体的存在；基于传播rf信号和第一驻波值来确定第一物体的第一属性；以及基于第一属性来确定洗衣机的操作周期的第一配置，或者在洗衣机的操作周期开始之前向用户提醒第一属性。
10.根据一个实施例，一种洗衣机包括：具有装载开口的洗衣室；包括第一发射天线和第一接收天线的第一天线站点；包括第二发射天线和第二接收天线的第二天线站点，其中第一天线站点和第二天线站点在装载开口的边缘处彼此相对设置；被配置为使用第一发射天线发射雷达信号并且使用第二发射天线接收反射雷达信号的毫米波雷达传感器；被配置为使用第一天线站点和第二天线站点在装载开口处生成驻波并且估计指示驻波的中断的第一驻波值的驻波分析器；以及处理系统，该处理系统被配置为：基于反射雷达信号来确定装载开口处的第一物体的存在，以及基于第一属性来确定洗衣机的操作周期的第一配置，或者在洗衣机的操作周期开始之前向用户提醒所述第一属性。
11.根据一个实施例，一种系统包括：第一天线站点；第二天线站点，其中第一天线站点和第二天线站点在开口的边缘处彼此相对设置；被配置为使用第一天线站点发射雷达信号并且使用第二天线站点接收反射雷达信号的毫米波雷达传感器；被配置为用第一天线站点向第二天线站点发射射频信号(rf)信号并且用第二天线站点接收传播rf信号的能谱(energy spectrum)传感器；被配置为使用第一天线站点和第二天线站点在装载开口处生成驻波并且估计指示驻波的中断的第一驻波值的驻波分析器；以及处理系统，该处理系统被配置为：基于反射雷达信号来确定开口处的第一物体的存在，基于雷达反射信号、传播rf信号和第一驻波值来确定第一物体的第一属性，以及向用户提醒第一属性。
附图说明
12.为了更全面地理解本发明及其优点，现在参考以下结合附图给出的描述，在附图中：
13.图1示出了根据本发明的一个实施例的洗衣机的透视图；
14.图2示出了根据本发明的一个实施例的用于操作洗衣机的实施例方法的流程图；
15.图3示出了根据本发明的一个实施例的检测和控制系统的框图；
16.图4示出了根据本发明的一个实施例的用于在衣物被装载到洗衣室中时监测衣物的实施例方法的流程图；
17.图5示出了根据本发明的一个实施例的图1的装载开口的前视图；
18.图6示出了根据本发明的一个实施例的用于在洗衣机的操作周期期间监测衣物的实施例方法的流程图；
19.图7示出了根据本发明的一个实施例的用于使用图3的毫米波雷达传感器生成雷达图像的实施例方法的框图；
20.图8示出了根据本发明的一个实施例的用于使用图3的能谱传感器生成能谱的实施例方法的框图；
21.图9示出了根据本发明的一个实施例的用于使用图3的驻波分析器生成指示驻波中断的值的实施例方法的框图；
22.图10和图11示出了根据本发明的一个实施例的神经网络的框图；
23.图12示出了根据本发明的一个实施例的嵌入过程流程的框图；以及
24.图13示出了根据本发明的一个实施例的图3的毫米波雷达传感器的可能实施方式的示意图。
25.除非另有说明，否则不同附图中的对应数字和符号通常指代对应部分。这些图被绘制是为了清楚地说明优选实施例的相关方面，而不必按比例绘制。
具体实施方式
26.下面将详细讨论所公开的实施例的制造和使用。然而，应当理解，本发明提供了很多适用的发明概念，这些概念可以在广泛的各种特定上下文中被体现。所讨论的具体实施例仅说明了制造和使用本发明的具体方式，而不限制本发明的范围。
27.下面的描述说明了各种具体细节，以提供对根据本描述的若干示例实施例的深入理解。这些实施例可以在没有一个或多个具体细节的情况下或者使用其他方法、组件、材料等来获取。在其他情况下，未详细示出或描述已知的结构、材料或操作，以避免混淆实施例的不同方面。本说明书中对“实施例”的引用表明，与该实施例相关描述的特定配置、结构或特征被包括在至少一个实施例中。因此，可以出现在本说明书的不同位置处的诸如“在一个实施例中”等短语不一定完全指代同一实施例。此外，在一个或多个实施例中，特定的构造、结构或特征可以以任何适当方式组合。
28.本发明的实施例将在特定上下文中描述，例如洗衣机，该洗衣机能够在人工智能的辅助下使用传感器融合(sensor fusion)(例如，雷达、驻波传感器、能谱传感器)检测衣物的一个或多个属性并且基于这样的检测来配置洗衣机的操作周期。一些实施例可以用于其他应用，诸如可以受益于材料/物体分类/检测的应用。一些实施例可以使用不同传感器组合(例如，包括超声传感器和视觉传感器)进行传感器融合。
29.在本发明的一个实施例中，设置在洗衣机的装载开口的边缘(周边)的相对端的一对天线站点用于发射和接收毫米波啁啾(chirp)和射频(rf)信号(例如，使用幅移键控(ask)、频移键控或相移键控(psk)调制)，并且用于在装载开口处生成驻波。基于接收到的毫米波啁啾、接收到的rf信号和/或驻波属性的数据用于确定衣物在移动通过洗衣机的装载开口并且进入到洗衣室中时的一个或多个属性。然后，控制器基于洗衣室内的衣物的所确定的一个或多个属性来配置洗衣机的操作周期，和/或向用户提醒洗衣室内的衣物的一个或多个属性。在一些实施例中，控制器基于洗衣室内的衣物的所确定的一个或多个属性来向用户提供可能对衣物和/或洗衣机有害的(例如，外来)物体的存在的提前通知(例如，在洗衣机的操作周期开始之前的通知)，使得在开始洗涤/干燥周期之前将该物体从洗衣机移除。
30.图1示出了根据本发明的一个实施例的洗衣机100的透视图。洗衣机100包括门104、装载开口108、洗衣室116、控制和显示模块106、感测和控制电路102、主洗衣机控制器
122、以及天线站点112和114。感测和控制电路102与天线站点112和114协作形成检测和控制系统120。
31.在一些实施例中，例如，洗衣机100可以被实施为清洗机、烘干机或清洗机和烘干机的组合。在一些实施例中，如图1所示，洗衣机100可以被实施为正面装载洗衣机。在其他实施例中，洗衣机100可以被实施为顶部装载洗衣机。
32.在一些实施例中，洗衣室116是洗衣机100内用于接收衣物的室。在一些实施例中，洗衣室116包括用于在洗涤/干燥周期期间使衣物翻滚的旋转滚筒(未示出)。其他实施方式也是可能的。
33.在一些实施例中，装载开口108是衣物通过其从洗衣机100外部进入到洗衣室116中的开口。在一些实施例中，如图1所示，装载开口108被实施为具有圆角的正方形形状。也可以使用其他实施方式，诸如圆形装载开口。
34.在一些实施例中，控制和显示模块106被配置为允许用户控制洗衣机100的设置并且显示衣物和/或洗衣机100的信息。在一些实施例中，控制和显示模块106包括用于控制和显示信息的触摸屏。在一些实施例中，控制和显示模块106包括用于控制的旋钮、按钮和/或麦克风、和/或用于显示/播放信息的屏幕、投影仪和/或扬声器。其他实施方式也是可能的。
35.在一些实施例中，门104被配置为在打开时允许衣物被放置在洗衣室116内，而在关闭时防止固体、液体和气体经由装载开口108离开洗衣室116。
36.在一些实施例中，检测和控制系统120被配置为在物体通过装载开口108时检测物体(例如，衣物)的一个或多个属性。检测和控制系统120包括第一天线站点112和第二天线站点114以及感测和控制电路102。
37.如图1所示，在一些实施例中，第一天线站点112和第二天线站点114在装载开口108的边缘110处彼此相对设置。在一些实施例中，检测和控制系统120可以包括两个以上的天线站点。例如，在一些实施例中，在边缘110处可以设置有两对天线站点。例如，在一些实施例中，除天线站点112和114外，第三天线站点和第四天线站点(未示出)也可以沿着边缘110的竖直侧彼此相对设置。其他实施方式也是可能的。
38.天线站点112和114被配置为通过装载开口108向彼此发射和接收信号。天线站点112和114中的每个天线站点可以包括多个天线(例如，天线阵列)，这些天线可以被选择性地控制以发射具有不同的频率/形状的信号和/或用于执行诸如波束成形等功能。在一些实施例中，天线站点112和114中的每个天线站点包括用于控制多个天线和/或用于控制/处理由多个天线发射/接收的信号的控制电路装置(例如，多路复用器、放大器、滤波器、模数转换器等)。
39.在一些实施例中，感测和控制电路102被配置为使信号由天线站点112和114发射并且从天线站点112或114接收数据/信号，并且基于所接收的数据/信号来确定衣物/外来物体的一个或多个属性。在一些实施例中，感测和控制电路102被配置为使有关衣物/外来物体的一个或多个属性的信息被显示，例如在控制和显示模块106和/或移动设备中显示。
40.在一些实施例中，感测和控制电路102包括毫米波雷达传感器、驻波分析器和能量测量传感器。在一些实施例中，毫米波雷达传感器、驻波分析器和能量测量传感器共享天线站点(112、114)以发射/接收其相应信号(例如，同时或以循环方式)。在一些实施例中，毫米波雷达传感器、驻波分析器和能量测量传感器中的每者用相应且独立的天线站点(例如，设
置在边缘110处)来实施。
41.在一些实施例中，感测和控制电路102可以例如在洗衣机100内的印刷电路板(pcb)中实施。在一些实施例中，感测和控制电路102在洗衣机100内以分布式方式实施。例如，在一些实施例中，感测和控制电路102的部分在天线站点112和/或114内实施。在一些实施例中，感测和控制电路102可以至少部分在远程服务器中实施。其他实施方式也是可能的。
42.在一些实施例中，主洗衣机控制器122被配置为控制洗衣机的操作周期，并且被配置为从洗衣机100的一个或多个传感器接收数据，并且控制洗衣机100中的一个或多个传感器。例如，在一些实施例中，主洗衣机控制器122被配置为从门传感器(未示出)接收指示门104是打开还是关闭的信号。在一些实施例中，主洗衣机控制器122被配置为从控制和显示器106接收配置数据，并且使控制和显示器106显示信息。例如，在一些实施例中，主洗衣机控制器122可以从控制电路102接收数据，并且使控制和显示器106显示这样的数据。
43.在一些实施例中，主洗衣机控制器122可以被实施为耦合到存储器并且被配置为执行被存储在这样的存储器中的指令的通用或定制处理器或控制器。在一些实施例中，主洗衣机控制器122以及感测和控制电路102可以一起被实施(例如，通过共享处理器)。其他实施方式也是可能的。
44.图2示出了根据本发明的一个实施例的用于操作洗衣机100的实施例方法200的流程图。图2可以从图1中来理解。
45.在步骤202期间，打开门104。在一些实施例中，门104的打开激活(例如，唤醒)检测和控制电路120，使得检测和控制电路120开始针对衣物/外来物体来监测装载开口108。
46.在步骤204期间，在洗衣机100开始操作周期之前，将衣物从洗衣机100外部装载，并且装载到洗衣室116中。在将衣物从洗衣机100外部装载到洗衣室116中期间，衣物例如一件一件地或成组地通过装载开口108。当衣物通过装载开口108进入到洗衣室116中时，检测和控制系统120检测通过装载开口108的衣物和/或其他物体的一个或多个属性。检测和控制系统120可以检测的衣物和/或其他物体的属性的示例包括：衣服是否是印刷的(例如，是或否)、衣服是否是编织的(例如，紧密、中等、松散)、衣服是否具有棉绒释放的可能性(例如，是、否、可能)、衣物是否具有研磨性原生物体(例如，存在或不存在)、衣服/物体是否被隐藏有或具有隐藏的外来物体(例如，是、否、潜在地)、衣服/物体是干的还是湿的、衣服的颜色(例如，黑色或白色)和/或衣服的污垢水平(例如，高、中、低)。
47.在一些实施例中，检测和控制系统120在步骤204期间确定通过装载开口108的衣物/外来物体的移动方向(例如，速度)，并且基于这样的移动方向确定衣物/外来物体是被插入到洗衣室116中还是从洗衣室116中被移除。在一些实施例中，检测和控制系统120跟踪洗衣室116内的衣物/外来物体。
48.在一些实施例中，如果在步骤204期间(例如，当门104保持打开的同时)，检测和控制电路120检测到外来物体的存在，则检测和控制单元120在步骤208期间向用户提醒这样的外来物体的存在。在一些实施例中，通过提前估计可能对衣物和/或洗衣机有害的外来物体的存在并且向用户通知这种存在，使得在开始洗涤/干燥周期之前从洗衣机移除外来物体，可以避免衣物的磨损。
49.在一些实施例中，检测和控制电路120经由控制和显示模块106来提醒用户。在一
些实施例中，检测和控制电路120经由移动设备(例如，通过经由bluetooth、wifi和/或经由互联网与移动设备通信)来提醒用户。在一些实施例中，用户可以以其他方式被提醒，诸如使用蜂鸣器、彩灯或声音警告。
50.在一些实施例中，检测和控制电路120还在步骤206期间检测具有分离风险的原生物体的存在。在一些实施例中，通过早期估计可能分离并且对衣物和/或洗衣机有害的原生物体的存在，并且向用户通知这样的存在，使得在开始洗涤/干燥周期之前将具有原生物体的衣物从洗衣机中移除，可以避免衣物的磨损。
51.如图2所示，执行步骤204(例如，206和208)，直到门104在步骤210期间关闭。在完成将衣物装载到室116中之后(例如，在步骤210之后)，执行步骤212。
52.在一些实施例中，在步骤212期间，检测和控制系统120基于洗衣室116内的衣物的所确定的一个或多个属性来确定洗衣机100的操作周期。由检测和控制系统120控制的操作周期的示例参数包括：洗衣室116的旋转滚筒的旋转速度、旋转滚筒的旋转方向的改变频率、洗衣室116温度、在操作周期期间要使用的水/湿气的量、操作周期的持续时间、漂洗周期的持续时间和次数、溶液(例如，洗涤剂、柔软剂、漂白剂等)分配到洗衣室116中的量和时间、和/或预浸泡周期的持续时间。
53.在一些实施例中，在步骤214期间，检测和控制系统120向用户提醒装载到洗衣室116中的衣物/物体的一个或多个属性。步骤212和214可以同时或顺序地执行(例如，步骤212在步骤214之前或之后)。例如，在一些实施例中，步骤214可以与步骤204同时移动。其他实施方式也是可能的。
54.在一些实施例中，在步骤204和/或214期间被提醒的用户是正在操作洗衣机100的人。在一些实施例中，在步骤204和/或214期间被提醒的用户不是人，诸如是微控制器或机器人。
55.在步骤216期间，洗衣机100开始操作周期，例如，根据在步骤212期间确定的设置。
56.图3示出了根据本发明的一个实施例的检测和控制系统300的框图。检测和控制系统300包括天线站点312和314以及感测和控制电路302。感测和控制电路302包括毫米波雷达传感器306、驻波分析器308、能谱传感器310和处理系统304。天线站点312包括发射天线316、接收天线318和控制电路320。天线站点314包括发射天线322、接收天线324和控制电路326。检测和控制系统120可以被实施为检测和控制系统300。天线站点112和114可以分别被实施为天线站点312和314。
57.如图3所示，天线站点312和314设置在装载开口108的相对端。例如，在一些实施例中，发射天线316的视场(fov)(例如，中心)与接收天线324对准(例如，指向接收天线324)；发射天线322的fov(例如，中心)与接收天线318对准(例如，指向接收天线318)；接收天线318的fov(例如，中心)与发射天线322对准(例如，指向发射天线322)；并且接收天线324的fov(例如，中心)与接收天线316对准(例如，指向接收天线316)。
58.在一些实施例中，天线(316、318、322、324)可以被实施为定向、平板、印刷或柔性天线。在一些实施例中，天线站点的天线可以具有不同类型。例如，在一些实施例中，发射天线316包括定向、平板和印刷类型的多个天线；接收天线318包括定向、平板和印刷类型的多个天线；发射天线322包括定向、平板和印刷类型的多个天线；并且接收天线324包括定向、平板和印刷类型的多个天线。其他实施方式也是可能的。
59.在一些实施例中，控制电路320和326可以包括同步电路(例如，用于帮助同步信号，例如，用于毫米波雷达传感器306和/或驻波分析器308的操作)、选择电路(例如，用于选择用于发射/接收信号的天线子集)，和/或用于辅助信号的接收和发射的模拟前端(afe)(例如，用于毫米波雷达传感器306、驻波分析器308和/或能谱传感器310)。
60.在一些实施例中，毫米波雷达传感器306被配置为向装载开口108发射(例如，经由(一个或多个)发射天线316)雷达信号(例如，啁啾)，并且从装载开口108中的(一个或多个)物体接收相关联的反射雷达信号(例如，经由(一个或多个)接收天线318)。然后，与反射雷达信号相关联的数据由处理系统304处理，以例如生成捕获通过装载开口108的(一个或多个)物体的一个或多个雷达图像。例如，在一些实施例中，处理系统304基于反射雷达信号生成一个或多个距离角度图像(rai)和/或距离多普勒图像(rdi)。在一些实施例中，处理系统304基于与反射雷达信号相关联的雷达图像来检测通过装载口108的(一个或多个)物体的一个或多个属性，诸如(一个或多个)物体的位置、速度和/或材料属性。
61.在一些实施例中，毫米波雷达传感器306被配置为经由另一(一个或多个)发射/接收天线(诸如(一个或多个)发射/接收天线322和324)或经由另一(一个或多个)发射/接收天线(未示出))来发射和接收雷达信号。在一些实施例中，毫米波雷达传感器306可以以本领域已知的任何方式来实施。
62.能谱传感器310被配置为向装载开口108发射(例如，经由(一个或多个)发射天线316)射频(rf)信号(例如，使用诸如ask、fsk或psk等信号调制)，并且接收相关联的反射rf信号(例如，经由(一个或多个)接收天线318)和/或相关联的传播rf信号(例如，经由(一个或多个)接收天线324)。然后，与反射rf信号和/或传播rf信号相关联的数据由处理系统304处理，以例如生成测量能谱。例如，在一些实施例中，处于不同频率的rf信号用(一个或多个)发射天线316发射，并且相关联的反射rf信号由(一个或多个)接收天线318接收。反射rf信号与发射rf信号进行比较(例如，使用2d相关操作)，以确定发射信号与反射信号之间的变化(例如，幅度、频率和/或相位的变化)。这种确定的差异可以在能谱中的针对每个频率区间被捕获。在一些实施例中，与发射rf信号相关联的传播rf信号由(一个或多个)接收天线324接收。传播rf信号与重构的发射rf信号进行比较(例如，使用2d相关操作)，以确定发射信号与反射信号之间的变化(例如，幅度、频率和/或相位的变化)。这样所确定的差异可以在能谱中的针对每个频率区间被捕获。
63.在一些实施例中，能谱传感器310包括用于生成rf信号的(例如，常规)发射器、用于接收反射rf信号的(例如，常规)接收器、以及用于对反射rf信号进行数字化的adc。其他实施方式也是可能的。
64.在一些实施例中，驻波分析器308被配置为使用发射天线316和318发射例如单音调(tone)rf信号，以便通过装载开口108在发射天线316与318之间引起驻波。能谱传感器308还配置为监测所生成的驻波的属性(例如，幅度、频率和/或相位)。当物体通过装载开口108时，所生成的驻波的属性可能(例如，暂时)发生变化。这样的变化(例如，幅度、频率和/或相位的变化)用于生成指示驻波的中断的一个或多个值(例如，原始驻波幅度/频率/相位与中断的驻波幅度/频度/相位之间的差值)。
65.在一些实施例中，驻波分析器308包括用于生成单音调rf信号的(例如，常规)发射器、用于接收单音调反射/传播rf信号的(例如，常规)接收器、以及用于对所接收的单音调
rf信号进行数字化的adc。其他实施方式也是可能的。
66.在一些实施例中，处理系统304被配置为执行毫米波雷达传感器306、驻波分析器308和/或能谱传感器310的信号处理中的一些或全部。
67.在一些实施例中，处理系统304被配置为基于从毫米波雷达传感器306接收的(一个或多个)雷达图像、从能谱传感器310接收的(一个或多个)能谱、和/或指示从驻波分析器308接收的驻波的中断的一个或多个值来确定(例如，在步骤204期间)通过装载开口108的衣物/外来物体的一个或多个属性。例如，在一些实施例中，衣服的表面特性可以基于来自毫米波雷达传感器306的rai、来自能谱传感器310的能谱以及指示来自驻波分析器308的驻波的中断的值来确定。在一些实施例中，确定衣服的表面特性可以有利地允许估计衣服的污垢水平和预湿润条件。在一些实施例中，这样的信息可以有利地允许优化洗涤周期以赋予适当的摩擦(例如，通过控制滚筒的旋转速度、控制滚筒的旋转方向改变的频率等)、适当的干燥/洗涤温度、适当的漂洗周期次数和漂洗时间、干燥/洗涤周期的适当持续时间、和适当的洗涤剂的量。在一些实施例中，确定衣服的表面特性可以有利地进一步允许估计衣物的量以及这种衣物将在室116中占据的相关空间，并且洗涤周期可以基于这样的信息被优化。在一些实施例中，可以有利地使用预湿度水平来确定是使用重、中或低负荷周期以优化洗涤周期。
68.在一些实施例中，组合传感器306、308和310的输出可以有利地准确估计物体(例如，硬币、钥匙等外来物体)，诸如当该物体被隐藏在衣服内(例如，裤子口袋内)时，以及提高对衣服的表面特性的估计的分辨率(例如，多倍)。
69.在一些实施例中，通过通知和引导用户(例如，经由控制和显示模块106和/或经由移动设备中的应用)基于织物的类型和表面特性(例如，纹理)分离衣物，并且优化洗涤/干燥参数，诸如温度、洗涤负荷、洗涤剂剂量等，可以避免衣物磨损。
70.在一些实施例中，处理系统304被配置为基于被装载的衣物的所确定的一个或多个属性来确定洗衣机100的操作周期(例如，在步骤212期间)。在一些实施例中，处理系统304通过向主洗衣机控制器122发送命令来配置洗衣机100的设置。
71.在一些实施例中，处理系统304被配置为提醒用户(例如，在步骤208和/或214期间)外来物体的存在和/或衣物/外来物体的属性，例如，通过向主洗衣机控制器122发送命令以使控制和显示模块106显示/再现该信息。
72.在一些实施例中，处理系统304可以用包括例如耦合到存储器的组合电路的通用处理器、控制器或数字信号处理器(dsp)来实施。在一些实施例中，处理系统304可以被实施为专用集成电路(asic)。在一些实施例中，例如，处理系统304可以用arm、risc或x86架构来实施。在一些实施例中，处理系统304可以包括人工智能(ai)加速器。一些实施例可以使用在dsp或通用微控制器上运行的硬件加速器和软件的组合来实施处理系统304。其他实施方式也是可能的。
73.在一些实施例中，处理系统304的一部分可以由控制电路320和/或326来实施。例如，在一些实施例中，控制电路320可以实施毫米波雷达传感器306和处理系统304的一部分。例如，在一些实施例中，控制电路320可以生成雷达图像(例如，rai)。其他实施方式也是可能的。
74.图4示出了根据本发明的一个实施例的用于在衣物被装载到洗衣室116中时监测
衣物的实施例方法400的流程图。步骤204可以被实施为方法400。图4可以从图3中来理解。
75.在步骤402期间，毫米波雷达传感器306例如经由(一个或多个)发射天线316发射雷达信号(例如，啁啾)，并且例如经由(一个或多个)接收天线318接收反射雷达信号，以监测通过装载开口108的衣物/外来物体。在一些实施例中，毫米波雷达传感器306(例如，与处理系统304协作)基于向内速度矢量来检测进入洗衣室116的物体的存在。例如，在一些实施例中，进入洗衣室116的物体的存在基于rai来检测，该rai是基于从(一个或多个)接收天线318接收的反射雷达信号生成的。类似地，在一些实施例中，毫米波雷达传感器306(例如，与处理系统304协作)基于向外速度矢量(例如，基于rai来确定，该rai是基于从(一个或多个)接收天线318接收的反射雷达信号生成的)来检测离开洗衣室116的物体的存在。
76.在一些实施例中，在步骤402期间，能谱传感器310和驻波分析器308未经由天线站点312/314主动发射/接收信号。
77.一旦在步骤404期间检测到物体的存在，毫米波雷达传感器306、能谱传感器310和驻波分析器308经由天线站点312/314主动发射/接收信号，以生成相应的输出(例如，雷达图像、能谱、指示驻波的中断的值)，使得处理系统检测检测到的物体的一个或多个属性。例如，在一些实施例中，毫米波雷达传感器306、能谱传感器310和驻波分析器308以循环方式依次经由天线站点312/314主动发射/接收信号。通过依次操作毫米波雷达传感器306、能谱传感器310和驻波分析器308，一些实施例有利地允许在不引起干扰的情况下对毫米波雷达传感器306、能频谱传感器310和驻波分析器308中的两个或更多个使用相同或相似频带。
78.在一些实施例中，毫米波雷达传感器306、能谱传感器310和驻波分析器308同时经由天线站点312/314主动发射/接收信号。在一些这样的实施例中，可以通过在不同频带处操作毫米波雷达传感器306、能谱传感器310和驻波分析器308来避免雷达信号(来自毫米波雷达传感器306)、rf信号(来自能谱检测器310)与驻波信号(来自驻波分析器308)之间的干扰。例如，在一些实施例中，毫米波雷达传感器306发射在24ghz与80ghz之间(诸如57ghz与64ghz之间)的雷达信号，能谱传感器310生成在1mhz与100mhz之间的信号，并且驻波以低于1mhz的频率被生成。也可以使用其他频率范围。
79.在一些实施例中，从毫米波雷达传感器306、能谱传感器310和驻波分析器308捕获数据以生成雷达图像、能谱和指示驻波的中断的值可以比生成雷达图像、能谱和指示驻波的中断的值快得多，并且比在步骤404期间检测到的物体的一个或多个属性的确定快得多。例如，在一些实施例中，在循环实施方式期间从毫米波雷达传感器306、能谱传感器310和驻波分析器308捕获数据的时间可以小于500μs，而雷达图像、能谱和指示驻波的中断的值的生成可能需要10ms或更长时间。因此，在一些实施例中，来自毫米波雷达传感器306、能谱传感器310和驻波分析器308的数据的捕获以及这样的数据的处理可以在不同时间处进行(例如，借助于存储器来临时存储捕获的数据)。在一些实施例中，雷达图像、能谱和指示驻波的中断的值的生成可能需要小于10ms。
80.如果在步骤408期间确定物体的运动方向(在步骤402期间确定)是向内的(物体进入洗衣室116)，则该物体被认为是被装载的衣物的一部分，并且在步骤212期间被考虑用于确定洗衣机的操作周期。如果在步骤408期间确定物体的运动方向(在步骤402期间确定)是向外的(物体离开洗衣室116)，则这样的物体不被认为是被装载的衣物的一部分，并且在步骤212期间不被考虑用于确定洗衣机的操作周期。
81.图5示出了根据本发明的一个实施例的装载开口108的前视图。如图所示，天线站点312和314在边缘110处彼此相对设置，其中天线站点312的fov覆盖天线站点314，并且天线站点314的fov覆盖天线站点312。在一些实施例中，天线站点312和314的位置可以被选择，以便获取装载开口108的期望(例如，优化)fov覆盖。
82.在一些实施例中，天线站点312和/或天线站点314的fov可以朝向洗衣室116延伸。因此，一些实施例可以例如在洗衣机100的操作周期(例如，洗涤/干燥)期间继续监测洗衣室116内的衣物。
83.图6示出了根据本发明的一个实施例的用于在洗衣机100的操作周期期间监测衣物的实施例方法600的流程图。方法600包括步骤216、602、604和606。步骤216可以以关于图2所述的类似的方式执行。图6可以从图3中来理解。
84.在一些实施例中，驻波分析器308和能谱传感器310在步骤216期间不主动操作。在一些实施例中，毫米波雷达传感器306在步骤214期间保持活动，其中毫米波雷达传感器306的fov朝向洗衣室116的至少一部分延伸。
85.在步骤602期间，毫米波雷达传感器306通过经由天线站点312和/或314发射/接收雷达信号来监测洗衣室116的至少一部分。如果在步骤604期间检测到外来物体(例如，由分离的原生物体导致的)或某种其他风险(例如，过量棉绒释放等)，则可以在步骤606期间采取措施，诸如提醒用户和/或停止洗衣机100的操作周期。
86.在一些实施例中，步骤602在旋转滚筒旋转的同时执行。例如，在一些实施例中，可以使用物体的速度和轨迹(例如，由毫米波雷达传感器306检测到的)以及滚筒的旋转速度来标识物体的一个或多个属性，其中这样的属性可以在步骤604中用来标识风险。在一些实施例中，步骤602在滚筒不旋转的同时执行。
87.图7示出了根据本发明的一个实施例的用于使用毫米波雷达传感器306生成雷达图像的实施例方法700的框图。使用方法700生成的雷达图像可以用于检测物体的存在位置(例如，在步骤204、402、404期间)和/或用于检测检测到的物体的一个或多个属性(例如，在步骤204、206、212、406、408期间)。在步骤702、704、708、710和713中，从毫米波雷达传感器306收集雷达数据，并且在毫米波雷达传感器306的视场中检测物体。在步骤720和738中，部分地使用capon/mvdr分析来生成具有方位角和深度信息的2d rai。
88.在步骤702期间，从毫米波雷达传感器306收集实时雷达数据。在一些实施例中，雷达数据是从数字化基带雷达数据中收集的，并且可以包括来自多个天线(例如，来自接收天线318)的分开的基带雷达数据。在一些实施例中，这些天线可以是“虚拟天线”89.在步骤704期间，执行信号调节、低通滤波和背景移除。在步骤704期间，对在步骤702期间接收的雷达数据进行滤波，移除dc分量，并且对中频(if)数据进行滤波，例如，以移除tx-rx自干扰，并且可选地对干扰有色噪声进行预滤波。在一些实施例中，滤波包括移除具有与其他相邻距离门测量值(range-gate measurements)显著不同的值的数据异常值。因此，该滤波还用于从雷达数据中移除背景噪声。在一些实施例中，hampel滤波器在每个距离门(range-gate)处与滑动窗口一起被应用以移除这样的异常值。替代地，可以使用本领域已知的用于距离预处理的其他滤波。
90.在步骤708期间，对在步骤404期间产生的经调节的雷达数据执行一系列fft。在一些实施例中，对于数据帧中的预定数目的啁啾中的每个啁啾，沿着每个波形计算具有啁啾
长度(例如，256个样本)的开窗fft(windowed fft)。替代地，可以使用其他帧长度。每个波形或啁啾的fft可以称为“距离fft”。在替代实施例中，除了fft之外，可以使用其他变换类型，诸如离散傅里叶变换(dft)或z变换。在步骤710期间，在慢时间内(across slow time)存储每个距离fft的结果。
91.在步骤713期间，基于在慢时间内收集的一系列距离fft来导出多普勒fft。在一些实施例中，计算多普勒fft需要在慢时间内计算距离fft的开窗二维fft，以确定检测到的物体的速度和振动。
92.在各种实施例中，通过基于由不同的接收天线(例如，318)或其组合接收的多个信号对多个基带信号进行后处理，在发射器处形成波束。通过对所接收的基带信号进行后处理来实施波束成形可以允许实施低复杂度的发射器。
93.在一个示例中，毫米波雷达传感器306使用布置成线性阵列的n
t
＝2个发射(tx)元件和nr＝2个接收(rx)元件。因此，在用于方位角剖面的线性阵列配置中，从tx阵列到rx阵列有n
t
×
nr＝4个不同传播信道。如果可以在rx阵列处标识接收到的信号的发射源(tx信道)，则可以用n
t
+nr个天线元件合成n
t
×
nr个元件的虚拟相控阵列。在各种实施例中，时分复用mimo阵列为能够进行近场成像的完全填充的天线孔径提供了低成本的解决方案。
94.在空间中将tx天线元件的3d位置坐标表示为(其中i＝1、2)并且将rx天线元件的3d位置坐标表示为(其中j＝1、2)，然后在假定远场条件下，从tx元件到目标(假定为点散射体)的信号传播以及随后的从目标到rx天线元件的反射可以近似为2*x+d
ij
，其中x是目标到虚拟线性阵列中心的基本距离，d
ij
是虚拟元素到阵列中心的位置。
95.发射导向矢量可以写为：
[0096][0097]
并且接收导向矢量可以表示为：
[0098][0099]
其中λ是发射信号的波长。联合tx和rx导向矢量a(θ，φ)可以被导出作为发射和接收导向矢量的克罗内克积(kronecker)(假定i＝j＝1)：
[0100][0101]
根据联合导向矢量，可以计算以下波束空间谱，根据最小方差无失真响应(mvdr)算法，可以从波束空间谱中估计角度θ和φ：
[0102][0103]
在上面的表达式中，c＝e{x(r，d)x(r，d)h}被计算为协方差矩阵，其中e{.}是期望
算子。上述协方差矩阵可以被估计为样本矩阵指示符
[0104][0105]
其中xi(r，d)表示测量距离、多普勒数据(r，d)。
[0106]
对于考虑了方位角和距离的2d图像的生成，可以已知或假定角度φ的值，并且可以省略角度φ的确定。例如，在一些实施例中，φ等于零。在各种实施例中，mvdr算法如下应用。
[0107]
在步骤722期间，保存来自一行检测到的距离多普勒区间的所有虚拟天线的数据。在步骤724期间，如下估计检测到的距离多普勒区间的天线协方差矩阵：
[0108][0109]
其中r
r，d
是天线协方差矩阵，x
r，d
(n)表示特定(距离，多普勒)＝(r，d)上的数据，n表示跨多个帧的特定(r，d)数据(n是索引，并且n是所考虑的帧数)。在步骤726期间，使用以上导出的协方差矩阵将mvdr算法如下应用于距离和多普勒数据：
[0110][0111]
其中p(θ)表示方位角空间谱，a(θ)是视场内的针对测试角度θ的沿着方位角的虚拟天线导向矢量。在一个实施例中，发现提供p(θ)的峰值的值θ。这个确定的θ值是检测到的物体的估计方位角θ
est
。
[0112]
在步骤738期间，生成具有方位角和距离信息的rai。在一些实施例中，2d雷达图像包括所有距离区间(range bin)的信息。在其他实施例中，2d图像仅包括其中已经标识物体的范围区间中的信息。没有被标识的物体的范围区间被填充例如零。
[0113]
图8示出了根据本发明的一个实施例的用于使用能谱传感器310生成能谱的实施例方法800的框图。使用方法800生成的能谱可以例如用于检测检测到的物体的一个或多个属性(例如，在步骤204、206、212、406、408期间)。
[0114]
在步骤802期间，从能谱传感器310收集实时adc数据。例如，在一些实施例中，(一个或多个)发射天线316发射rf信号，(一个或多个)接收天线318接收相关联的反射rf信号(例如，从装载开口108中的一个或多个物体反射的rf信号)，并且(一个或多个)接收天线324接收相关联的传播rf信号(例如，从(一个或多个)发射天线316传播到(一个或多个)接收天线324的)。在步骤802期间，收集与反射rf信号和/或传播rf信号相关联的(例如，并且临时存储在存储器中的)实时数据。
[0115]
在步骤804期间，执行信号调节。例如，在一些实施例中，在步骤804期间执行信号滤波(例如，用低通/带通滤波器)、信道均衡(例如，以提高参考信号的质量)以及从数字信号中移除不需要的分量。在一些实施例中，在步骤804期间使用自适应滤波器来改善信干比(signal-to-interference ratio)(例如，通过移除干扰，例如，从直接从(一个或多个)发射天线316流到(一个或多个)接收天线318的信号中移除干扰)。
[0116]
在步骤806期间，在接收信号(例如，接收的反射rf信号或传播rf信号)与发射(或重构)信号之间执行互相关。例如，在一些实施例中，使用例如dft在发射信号与接收的反射
信号之间执行2d互相关。在一些实施例中，使用例如dft在发射信号的重构版本(例如，从存储器中检索的)与接收的传播信号之间执行2d互相关。在一些实施例中，使用发射信号的重构版本而不是发射信号来执行与传播信号的2d互相关有利地促进了2d互相关的实时执行，例如，因为发射的rf信号位于与接收的传播rf信号(例如，314)不同的站点(例如，312)处。例如，在一些实施例中，由于发射信号的属性是已知的，因此在发射信号从天线站点312的发射之前，发射信号的重构版本(例如，永久)被存储在天线站点314的(例如，非易失性)存储器中。
[0117]
由2d互相关生成的输出可以提供每个目标回波的双基地距离和/或双基地多普勒的估计(例如，当目标通过装载开口108时)。
[0118]
在一些实施例中，信号处理增益等于时间带宽乘积bt，其中b是波形带宽，t是被积分的信号序列的长度。积分时间受物体被保持在装载开口中的时间的限制(当物体例如进入到洗衣室116中时)。对互相关块的输出求和可以提供接收(反射或传播)信号的能量。
[0119]
在步骤810期间，使用雷达波束成形技术(例如，如关于图7所述)计算回波的到达方向，以在步骤812期间生成测量能谱。这样的测量能谱可以针对传播rf信号和/或针对反射rf信号而生成。
[0120]
图9示出了根据本发明的一个实施例的用于使用驻波分析器308生成指示驻波中断的值的实施例方法900的框图。
[0121]
在步骤902期间，跨装载开口108生成驻波。例如，在一些实施例中，天线站点312和314处的发射天线316和322分别向彼此发射波，以模拟两个相对的波(例如，具有相同频率和幅度)。由于所生成的波具有相同频率和幅度，因此所得到的驻波(当没有物体在装载开口108中时)在节点处具有零幅度，从而导致驻波比(swr)为无限，例如，以模拟纯驻波。在一些实施例中，发射波具有基于发射天线216与322之间的距离而选择的频率，使得发射天线316和322的位置与节点(具有最小幅度的驻波的位置)重合。
[0122]
在步骤904期间，使用接收天线318和324(例如，分别与发射天线316和322并置)(例如，分别与控制电路320和326m协作)来分别确定接收天线318和324的位置处的驻波的幅度、相位和swr。
[0123]
在步骤906期间，生成指示驻波的中断的一个或多个值。例如，在一些实施例中，参考驻波(当装载开口106中没有物体时的驻波幅度)与天线站点中的一个天线站点(例如，312或314)处的幅度/相位/swr之间的差异可以用作指示驻波中断的值。在一些实施例中，天线站点中的一个天线站点(例如，312)与另一天线站点(例如，314)处的幅度/相位/swr之间的幅度/相位/swr的差异可以用作指示驻波中断的值。这样的差异可以指示装载开口106中存在(例如，部分)反射物体。
[0124]
作为非限制性示例，步骤906的输出可以是9个不同值，即：参考驻波与天线站点312处的幅度之间的幅度差、参考驻波与天线站点314处的幅度之间的幅度差、天线站点312处的幅度与天线站点314处的幅度之间的幅度差、参考驻波与天线站点312处的相位之间的相位差、参考驻波与天线站点314处的相位之间的相位差、天线站点312处的相位与天线站点314处的相位之间的相位差、参考驻波与天线站点312处的swr之间的swr差、参考驻波与天线站点314处的swr之间的swr差、以及天线站点312处的swr与天线站点314处的swr之间的swr差。还可以使用更多的值(例如，10个或更多个)、更少的值(例如，8、7、6、5、4、3、2、1
个)和/或不同的值(比如，在天线站点312和214处测量的原始幅度、相位(例如，在同一天线站点处的发射信号与接收信号之间)和swr)。
[0125]
在一些实施例中，在步骤906中生成的一个或多个值可以有利地允许检测隐藏物体(例如，隐藏在衬衫或裤子的口袋内的)，并且用于确定穿过装载开口106的物体的一个或多个属性(例如，衣物的表面特性)。
[0126]
在一些实施例中，毫米波雷达传感器306、驻波分析器308和能谱传感器310的输出由神经网络处理，以确定通过装载开口108的物体的一个或多个属性和/或基于洗衣室116内被装载的衣物来确定洗衣机100的操作周期。例如，在一些实施例中，来自传感器306、308和310的原始数据被预处理，以构建用于拒绝未知类别的广义区分类别集群，同时能够以高精度对安全衣物类别进行分类。例如，图10示出了根据本发明的一个实施例的神经网络1000的框图。神经网络1000可以由处理系统304实施，诸如由处理系统304的ai加速器实施。
[0127]
如图10所示，神经网络1000可以被实施为深度神经网络，该深度神经网络具有卷积层1002、卷积层1004、卷积层和/或全连接层1006、全连接层1008、1010、1012、1014、1016、1018、1020和1022、以及长短期存储器(lstm)或时间卷积网络(tcn)1024。
[0128]
在正常操作期间(例如，在步骤204期间，例如，在步骤406期间)，卷积层1002从毫米波雷达传感器306接收雷达图像(例如，rai)。卷积层1002的输出被馈送到卷积层1004，并且卷积层1004的输出被馈送到卷积层和/或全连接层1006。卷积层和/或全连接层1006还从能谱传感器310接收能谱和/或从驻波分析器308接收驻波中断值。例如，在一些实施例中，对于通过装载开口108的每个给定布料，卷积层306从毫米波雷达传感器306接收rai，并且卷积层和/或全连接层1006从能谱传感器310接收能谱和/或从驻波分析器308接收(一个或多个)驻波中断值。层1006的输出被馈送到全连接层1008、1010、1012、1014、1016、1018、1020、1022。
[0129]
在一些实施例中，全连接层1008、1010、1012、1014、1016、1018、1020和1022生成与给定布料相关联的相应输出。例如，在一些实施例中，全连接层1008、1010、1012、1014、1016、1018和1020每个用softmax、支持矢量机(svm)或k近邻(k-nearest neighbor)来实施，例如，用于处理嵌入输出以分别分类：给定布料是否为印刷的；给定布料是紧密、中等还是松散编织的；给定布料是否具有棉绒释放的可能性；给定布料是否存在研磨性原生物体；给定布料是否是外来物体(例如，它是硬币、钥匙、信用卡等，而不是一块布)、给定布料是干的还是湿的；以及给定布料的污垢水平。
[0130]
在一些实施例中，在步骤206期间使用层1016的输出来确定是否存在外来物体。
[0131]
在一些实施例中，全连接层1022的输出被馈送到lstm/tcn层1024，例如，以确定洗衣室226内的衣物是安全的还是不安全的(例如，对于洗涤/干燥)，和/或针对洗衣室226中的衣物建议洗衣机的操作模式/设置(例如，在212期间)。通过使用lstm/tcn层(或者，例如，能够存储时间信息的另一层)，一些实施例有利地保持跟踪室116内的布料(例如，隐式地执行步骤408、410、412)，例如，以确定洗衣机100的操作周期的设置(例如，在步骤212期间)，和/或以评估开始操作周期是否安全(例如，由于洗衣室116内存在外来物体、不同类型的布料的混合(例如，将牛仔裤与羊毛混合)、洗衣室116中的布料的量等)。
[0132]
如图10所示，全连接层1022的输出被馈送到lstm/tcn层1024。通过使用专用的全连接层(例如，1022)将数据馈送到lstm/tcn层1024，一些实施例有利地优化了洗衣机100的
操作周期的建议设置。在一些实施例中，全连接层1022可以省略，并且层1008、1010、1012、1014、1016、1018和1020的输出可以被馈送到lstm/tcn 1024。
[0133]
在一些实施例中，神经网络1000可以适用于来自不同于传感器306、308和310的传感器的输出。例如，在一些实施例中，来自用于检测音频的音频传感器(例如，麦克风)的输出和/或来自用于检测振动和/或触觉反馈的加速计的输出也可以用作神经网络1000的输入(例如，层1002或1006的输入)，以确定布料的一个或多个属性和/或建议洗衣机1000的操作周期的设置。
[0134]
如图10所示，神经网络1000是一个多任务网络(例如，用于对衣物进行分类并且建议洗衣机100的操作周期的设置)，该网络共享层1002、1004和1006来进行多个任务。在一些实施例中，可以使用针对每个任务具有类似初始层的并行网络来代替共享层1002、1004和1006。例如，图11示出了根据本发明的一个实施例的神经网络1100的框图。神经网络1100可以由处理系统304实施，诸如由处理系统304的ai加速器实施。
[0135]
在一些实施例中，神经网络1100以与神经网络1000类似的方式实施和操作。然而，神经网络1100包括并行网络而不是共享层1002、1004和1006。例如，在一些实施例中，每个卷积层1102(例如，11021、11022、11023、11024、11025、11026、11027、11028)具有相同架构，并且每个卷积层1102的系数被约束为在l2欧几里德意义上彼此接近。类似地，在一些实施例中，每个卷积层1104(例如，11041、11042、11043、11044、11045、11046、11047、11048)具有相同架构，并且每个卷积层的系数被约束为在l2欧几里德意义上彼此接近；并且每个卷积层1106(例如，11061、11062、11063、11064、11065、11066、11067、11068)具有相同架构，并且每个卷积层1106的系数被约束为在l2欧几里德意义上彼此接近。在一些实施例中，层1102、1104和1106的约束在神经网络1100的训练期间实施，使得每个并行网络的层1102i、1104i和1106i的所得到的系数彼此接近。通过使用并行网络，一些实施例可以有利地优化布料分类的性能以及对洗衣机100的操作周期的设置的建议的性能，例如通过针对布料分类和洗衣机100的操作周期的设置的建议使用不同的(例如，优化的)嵌入矢量。
[0136]
在一些实施例中，神经网络1000和/或1100可以例如使用有监督学习来训练。例如，图12示出了根据本发明的一个实施例的嵌入过程流程的框图。图12的左侧部分1200专门用于训练阶段的嵌入过程。右侧部分1220专门用于推断阶段，在推断阶段中，使用嵌入式预测模型以及参考输入进行新输入(例如，图像和/或(一个或多个)驻波中断值)的处理和比较。神经网络1000和1100可以如图12所示训练。
[0137]
在训练阶段，与特定物体(例如，一块布料)的测量相关联的输入(例如，雷达图像、能谱和/或驻波中断值)与和该物体相关联的标签(例如，标识特定布料)配对。输入和相关标签由深度神经网络1204接收，并且深度神经网络1204的系数被更新以优化深度神经网络1204的输出，以改善分类精度。例如，在一些实施例中，基于三重丢失的深度量学习用于训练神经网络1204，例如，通过学习被保存到数据库1206中的嵌入矢量，用于以循环方式对每个历元进行一次研磨性原生物体检测、外来物体检测、干/湿检测、污垢水平检测。
[0138]
在一些实施例中，给定三元组(g
p
；ga；gn)，其中p、a、n分别表示正、锚(anchor)和负示例，由下式给出的约束
[0139]
[0140][0141]
满足以有利地确保给定物体的锚比其他物体gn的序列更接近相同类型g
p
的所有其他物体，并且在不同手势序列之间保持定义的余量(α)。
[0142]
在一些实施例中，损失函数可以由下式给出：
[0143][0144]
其中[]
+
表示最大值(0；x)。
[0145]
在一些实施例中，对一个任务进行一个历元的三元组选择，然后对下一任务进行一个历元的三元组选择，等等。在具有四个任务(例如，研磨性原生物体检测、外来物体检测、干/湿检测和污垢水平检测)和一个临时任务(例如，洗衣机100的操作周期的建议)的实施例中，在每四个历元之后，特定任务的三元组被返回。
[0146]
在一些实施例中，三元组选择被离线调节，其中在每例如100个历元之后，保存选择半硬负的三元组的检查点(其中正锚距离小于负锚的距离，但负锚距离接近正锚距离，并且负在容限内存在)。在一些实施例中，不选择硬负，因为它们可能导致早期局部极小值和较差的训练。
[0147]
在一些实施例中，神经网络1204的3d卷积层的权重初始化可以通过从具有零均值和例如为10-2
的标准偏差的正态分布中抽取样本来执行。相应偏置可以用从平均值为例如0.5而不是零的正态分布中提取的样本来初始化。密集层(全连接层)的权重可以用xavier均匀初始化器初始化，该初始化器可以从[-limit，limit]内的均匀分布中提取样本，其中该限值通过取例如为6的平方根除以权重张量中输入和输出单元的总数来计算。
[0148]
在一些实施例中，自适应矩估计(adam)优化器可以用于根据梯度的第一矩(moment)和第二矩的估计来计算学习过程中每个网络权重的自适应学习率。在配置参数中，学习率(α)可以被设置为例如0.001，并且第一(β1)和第二(β2)矩估计的指数衰减率可以被分别设置为例如0.9和0.999。计数器除以零问题的ε(epsilon)可以设置为1e-8
。
[0149]
一旦系统已经被训练(在训练阶段1200之后)，所得到的深度神经网络1204可以在推断阶段期间使用，并且可以称为预测性深度神经网络模型1224。在一些实施例中，预测性深度神经网络模型1224对应于神经网络1000或1100。
[0150]
在推断阶段(例如，在步骤204、406期间)，由预测性深度神经网络1224从传感器306、308和310接收新的(例如，实时)输入。在一些实施例中，深度神经网络1224的输出对应于全连接softmax层1008、1010、1012、1014、1016、1018、1020和1024的输出。
[0151]
在一些实施例中，用于预测(例如，在步骤212期间)衣物被顺序插入洗衣室116中之后衣物的最佳模式的任务的层(例如，层1022和1024)以类似于图12所示的方式训练。
[0152]
一些实施例的优点包括早期检测具有分离风险的外来物体或原生物体、以及估计这样的物体对衣物和洗衣机的危害程度、以及早期估计衣物和其他物体的材料、形状、尺寸、纹理、重量等，这可以通过例如在洗衣机进入操作周期之前提醒用户物体的移除和/或基于检测到的物体的特性优化操作周期的设置以防止损坏或最小化损坏，来有利地防止对衣物和洗衣机的损坏。
[0153]
一些实施例可以有利地基于研磨性原生物体的材料、纹理、位置、类型和物理性质
来标识、分类和确定其存在。一些实施例可以有利地标识和分类被装载到洗衣机的洗衣室中的衣物的表面特性以及衣物的成分(包括印刷衣物表面和系紧/松开按钮的早期标识)。一些实施例有利地基于衣物的水分含量的早期估计来估计被装载在洗衣室上的衣物的干/湿状态。一些实施例有利地估计污垢水平以及可以释放的棉绒和碎屑衣物的水平。在一些实施例中，这样的估计可以用于选择衣物的优化操作周期(例如，诸如优化参数，诸如温度、水、洗涤剂的量、重量、用于在洗涤过程中产生温和到剧烈的摩擦的洗涤周期功率等)。
[0154]
一些实施例有利地通知并且帮助用户优化负载能力和衣物类型，以避免或最小化衣物磨损。
[0155]
图13示出了根据本发明的一个实施例的毫米波雷达传感器306的可能实施方式的示意图。如图所示，毫米波雷达传感器306可以作为调频连续波(fmcw)雷达传感器操作，该fmcw雷达传感器使用(一个或多个)发射器天线316向装载开口108发射多个tx雷达信号1306，诸如啁啾。雷达信号1306是使用rf和模拟电路1330生成的。雷达信号1306可以在20ghz至122ghz范围内。
[0156]
雷达信号1306被装载开口108中的物体反射。反射雷达信号1308(也称为回波信号)由(一个或多个)接收器(rx)天线318接收。rf和模拟电路1330以本领域已知的方式使用例如带通滤波器(bpf)、低通滤波器(lpf)、混频器、低噪声放大器(lna)和/或中频(if)放大器来处理所接收的反射雷达信号1308，以生成模拟信号x
out
(t)。
[0157]
模拟信号x
out
(t)使用adc 1312转换为原始数字数据x
out_dig
(n)。原始数字数据x
out_dig
(n)随后被传输到处理系统304以进行进一步处理。
[0158]
控制器1310控制毫米波雷达传感器1302的一个或多个电路，诸如rf和模拟电路1330和/或adc 1312。例如，控制器1310可以被实施为定制数字或混合信号电路。控制器1310也可以以其他方式实施，诸如使用通用处理器或控制器。在一些实施例中，处理系统304实施控制器1310的一部分或全部。
[0159]
作为非限制性示例，rf和模拟电路1330可以例如如图13所示实施。在正常操作期间，vco 1336生成由发射天线316发射的雷达信号，诸如线性频率啁啾(例如，从57ghz到64ghz，或从76ghz到77ghz)。vco 1336由pll 1334控制，pll 1334从参考振荡器1332接收参考时钟信号(例如，80mhz)。pll 1334由包括分频器1338和放大器1340的环路控制。
[0160]
使用混频器1346将由(一个或多个)接收天线318接收的回波与由(一个或多个)发射天线316发射的发射的副本进行混频，以产生中频(if)信号x
if
(t)(也称为拍频信号(beat signal))。在一些实施例中，差拍信号x
if
(t)具有在10khz与1mhz之间的带宽。带宽低于10khz或高于1mhz的拍频信号也是可能的。
[0161]
拍频信号x
if
(t)用低通滤波器(lpf)1348滤波，并且然后由adc 1312进行采样。然后，原始数字数据x
out_dig
(n)以本领域已知的方式处理，以生成雷达图像，诸如rai或rdi，该雷达图像然后被处理(例如，由神经网络1000或1100)。
[0162]
这里总结了本发明的示例实施例。其他实施例也可以从本文中提交的说明书和权利要求的整体中来理解。
[0163]
示例1.一种方法，包括：发射雷达信号；接收反射雷达信号；用第一天线站点向第二天线站点发射射频信号(rf)信号，其中所述第一天线站点设置在洗衣机的装载开口的边缘处，并且其中所述第二天线站点在所述装载开口的所述边缘处与所述第一天线站点相对
设置；用所述第二天线站点接收传播rf信号；基于所述反射雷达信号来确定所述装载开口处的第一物体的存在；基于所述反射雷达信号和所述传播rf信号来确定所述第一物体的第一属性；以及基于所述第一属性来确定所述洗衣机的操作周期的第一配置，或者在所述洗衣机的所述操作周期开始之前向用户提醒所述第一属性。
[0164]
示例2.根据示例1所述的方法，还包括：用所述第一天线站点接收反射rf信号；在所述装载开口处生成驻波；以及估计指示所述驻波的中断的第一驻波值，其中确定所述第一属性还基于所述反射rf信号和所述第一驻波值。
[0165]
示例3.根据示例1或2所述的方法，其中发射所述雷达信号、发射所述rf信号和生成所述驻波包括：在生成所述驻波的同时从所述第一天线站点同时发射所述雷达信号和所述rf信号。
[0166]
示例4.根据示例1至3中任一项所述的方法，其中发射所述雷达信号、发射所述rf信号和生成所述驻波包括：以循环方式发射所述雷达信号、发射所述rf信号和生成所述驻波。
[0167]
示例5.根据示例1至4中任一项所述的方法，其中生成所述驻波包括使用所述第一天线站点和所述第二天线站点生成所述驻波。
[0168]
示例6.根据示例1至5中任一项所述的方法，还包括基于所述反射雷达信号、所述反射rf信号、所述传播rf信号和所述驻波值来确定多个物体的属性，其中所述多个物体包括所述第一物体，其中确定所述洗衣机的所述操作周期的所述第一配置包括基于所述多个物体的所述属性来确定所述操作的所述第一配置。
[0169]
示例7.根据示例1至6中任一项所述的方法，其中所述雷达信号是毫米波雷达信号，并且其中所述rf信号具有在1mhz与100mhz之间的频率。
[0170]
示例8.根据示例1至7中任一项所述的方法，其中确定所述第一属性包括使用神经网络。
[0171]
示例9.根据示例1至8中任一项所述的方法，还包括使用三重损失函数来训练所述神经网络。
[0172]
示例10.根据示例1至9中任一项所述的方法，还包括：基于所述反射雷达信号生成第一雷达图像；用所述神经网络的第一卷积层接收所述第一雷达图像；基于所述传播rf信号生成第一能谱；用所述神经网络的第二卷积层接收所述第一能谱，所述第二卷积层具有耦合到所述第一卷积层的输出的输入，第一全连接层具有耦合到所述第二卷积层的输出的输入和用于生成所述第一属性的指示的输出。
[0173]
示例11.根据示例1至10中任一项所述的方法，其中所述神经网络包括多个全连接层，所述多个全连接层具有耦合到所述第二卷积层的输出的输入，其中所述多个全连接层中的每个全连接层生成所述第一物体的相应属性的指示。
[0174]
示例12.根据示例1至11中任一项所述的方法，其中所述神经网络包括：用于接收所述第一雷达图像的多个第一卷积层，其中所述多个第一卷积层包括所述第一卷积层；用于接收所述第一能谱的多个第二卷积层，其中所述多个第二卷积层包括所述第二卷积层；以及具有耦合到相应第二卷积层的输出的输入的多个全连接层，其中所述多个全连接层包括所述第一全连接层，其中所述多个全连接层中的每个全连接层生成所述第一物体的相应属性的指示。
[0175]
示例13.根据示例1至12中任一项所述的方法，其中确定所述洗衣机的所述操作周期的所述第一配置包括使用所述神经网络的lstm层或tcn层。
[0176]
示例14.根据示例1至13中任一项所述的方法，其中确定所述装载开口处所述第一物体的存在包括确定所述第一物体的速度，所述方法还包括基于所述速度来确定所述第一物体在所述洗衣机的洗衣室内。
[0177]
示例15.根据示例1至14中任一项所述的方法，其中所述第一属性指示所述第一物体是外来物体。
[0178]
示例16.根据示例1至15中任一项所述的方法，其中所述第一属性指示所述第一物体是具有分离风险的原生物体。
[0179]
示例17.根据示例1至16中任一项所述的方法，其中所述第一属性指示所述第一物体的材料。
[0180]
示例18.根据示例1至17中任一项所述的方法，其中所述第一属性指示所述第一物体的阴影、所述第一物体是否是印刷的、从所述第一物件释放棉绒的可能性、所述第一物体是湿的还是干的，或者所述第一物体的污垢水平。
[0181]
示例19.根据示例1至18中任一项所述的方法，还包括：通过使所述洗衣机的屏幕或移动应用显示关于所述第一属性的信息，来向所述用户提醒所述第一属性。
[0182]
示例20.根据示例1至19中任一项所述的方法，其中所述洗衣机是顶装式清洗机或烘干机或侧装式清洗机或烘干机。
[0183]
示例21.根据示例1至20中任一项所述的方法，还包括：基于所述反射雷达信号来确定所述装载开口处的第二物体的存在；基于所述反射雷达信号和所述传播rf信号来确定所述第二物体的第二属性，其中所述第二属性指示所述第二物体是外来物体；基于所述第二属性向所述用户提醒所述第二物体是外来物体；以及基于所述反射雷达信号来检测所述第二物体从所述洗衣机的洗衣室的移除。
[0184]
示例22.根据示例1至21中任一项所述的方法，其中用所述第一天线站点发射rf信号包括使用幅移键控(ask)、频移键控(fsk)或移相键控(psk)调制来发射rf信号。
[0185]
示例23.根据示例1至22中任一项所述的方法，还包括在所述传播rf信号与重构的发射rf信号之间执行二维(2d)互相关以生成能谱，其中确定所述第一属性包括基于所述能谱来确定所述第一属性。
[0186]
示例24.根据示例1至23中任一项所述的方法，还包括根据所述第一配置操作所述洗衣机，并且在根据所述第一配置操作所述洗衣机的同时，继续发射所述雷达信号并且接收反射雷达信号，以检测所述洗衣机的洗衣室中的物体的属性；以及当所述洗衣室中的物体的属性指示外来物体时，提醒所述用户或停止所述洗衣机的所述操作周期。
[0187]
示例25.根据示例1至24中任一项所述的方法，其中所述第一天线站点包括不同类型的多个天线，以及用于选择所述多个天线的子集以发射或接收信号的选择电路。
[0188]
示例26.根据示例1至25中任一项所述的方法，其中发射所述雷达信号包括从所述第一天线站点发射所述雷达信号。
[0189]
示例27.一种方法，包括：发射雷达信号；接收反射雷达信号；用第一天线站点向第二天线站点发射射频信号(rf)信号，其中所述第一天线站点设置在洗衣机的装载开口的边缘处，并且其中所述第二天线站点在所述装载开口的所述边缘处与所述第一天线站点相对
设置；用所述第二天线站点接收传播rf信号；在所述装载开口处生成驻波；以及估计指示所述驻波的中断的第一驻波值；基于所述反射雷达信号来确定所述装载开口处第一物体的存在；基于所述传播rf信号和所述第一驻波值来确定所述第一物体的第一属性；以及基于所述第一属性来确定所述洗衣机的操作周期的第一配置，或者在所述洗衣机的所述操作周期开始之前向用户提醒所述第一属性。
[0190]
示例28.一种洗衣机，包括：洗衣室，具有装载开口；第一天线站点，包括第一发射天线和第一接收天线；第二天线站点，包括第二发射天线和第二接收天线，其中所述第一天线站点和所述第二天线站点在所述装载开口的边缘处彼此相对设置；毫米波雷达传感器，被配置为使用所述第一发射天线发射雷达信号并且使用所述第二发射天线接收反射雷达信号；驻波分析器，被配置为使用所述第一天线站点和所述第二天线站点在所述装载开口处生成驻波，并且估计指示所述驻波的中断的第一驻波值；以及处理系统，该处理系统被配置为：基于所述反射雷达信号来确定所述装载开口处第一物体的存在，基于所述反射雷达信号和所述第一驻波值来确定所述第一物体的第一属性，以及基于所述第一属性来确定所述洗衣机的操作周期的第一配置，或者在所述洗衣机的所述操作周期开始之前向用户提醒所述第一属性。
[0191]
示例29.一种系统，包括：第一天线站点；第二天线站点，其中所述第一天线站点和所述第二天线站点在开口的边缘处彼此相对设置；毫米波雷达传感器，被配置为使用所述第一天线站点发射雷达信号并且使用所述第二天线站点接收反射雷达信号；能谱传感器，被配置为用所述第一天线站点向所述第二天线站点发射射频信号(rf)信号，并且用所述第二天线站点接收传播rf信号；驻波分析器，被配置为使用所述第一天线站点和所述第二天线站点在装载开口处生成驻波，并且估计指示所述驻波的中断的第一驻波值；以及处理系统，被配置为：基于所述反射雷达信号来确定所述开口处第一物体的存在，基于所述反射雷达信号、所述传播rf信号和所述第一驻波值来确定所述第一物体的第一属性，以及向用户提醒所述第一属性。
[0192]
虽然本发明已经参考说明性实施例进行了描述，但本描述不旨在进行限制性解释。参考说明书，本领域技术人员将清楚说明性实施例的各种修改和组合以及本发明的其他实施例。因此，所附权利要求包括任何这样的修改或实施例。

技术特征：
1.一种方法，包括：发射雷达信号；接收反射雷达信号；用第一天线站点向第二天线站点发射射频信号rf信号，其中所述第一天线站点设置在洗衣机的装载开口的边缘处，并且其中所述第二天线站点在所述装载开口的所述边缘处与所述第一天线站点相对设置；用所述第二天线站点接收传播rf信号；基于所述反射雷达信号来确定所述装载开口处的第一物体的存在；基于所述反射雷达信号和所述传播rf信号来确定所述第一物体的第一属性；以及基于所述第一属性来确定所述洗衣机的操作周期的第一配置，或者在所述洗衣机的所述操作周期开始之前向用户提醒所述第一属性。2.根据权利要求1所述的方法，还包括：用所述第一天线站点接收反射rf信号；在所述装载开口处生成驻波；以及估计指示所述驻波的中断的第一驻波值，其中确定所述第一属性还基于所述反射rf信号和所述第一驻波值。3.根据权利要求2所述的方法，其中发射所述雷达信号、发射所述rf信号和生成所述驻波包括：在生成所述驻波的同时从所述第一天线站点同时发射所述雷达信号和所述rf信号。4.根据权利要求2所述的方法，其中发射所述雷达信号、发射所述rf信号和生成所述驻波包括：以循环方式发射所述雷达信号、发射所述rf信号和生成所述驻波。5.根据权利要求2所述的方法，其中生成所述驻波包括使用所述第一天线站点和所述第二天线站点生成所述驻波。6.根据权利要求2所述的方法，还包括基于所述反射雷达信号、所述反射rf信号、所述传播rf信号和所述驻波值来确定多个物体的属性，其中所述多个物体包括所述第一物体，其中确定所述洗衣机的所述操作周期的所述第一配置包括基于所述多个物体的所述属性来确定所述操作的所述第一配置。7.根据权利要求1所述的方法，其中所述雷达信号是毫米波雷达信号，并且其中所述rf信号具有在1mhz与100mhz之间的频率。8.根据权利要求1所述的方法，其中确定所述第一属性包括使用神经网络。9.根据权利要求8所述的方法，还包括使用三重损失函数来训练所述神经网络。10.根据权利要求8所述的方法，还包括：基于所述反射雷达信号生成第一雷达图像；用所述神经网络的第一卷积层接收所述第一雷达图像；基于所述传播rf信号生成第一能谱；用所述神经网络的第二卷积层接收所述第一能谱，所述第二卷积层具有耦合到所述第一卷积层的输出的输入；并且第一全连接层具有耦合到所述第二卷积层的输出的输入和用于生成所述第一属性的指示的输出。11.根据权利要求10所述的方法，其中所述神经网络包括多个全连接层，所述多个全连
接层具有耦合到所述第二卷积层的输出的输入，其中所述多个全连接层中的每个全连接层生成所述第一物体的相应属性的指示。12.根据权利要求10所述的方法，其中所述神经网络包括：用于接收所述第一雷达图像的多个第一卷积层，其中所述多个第一卷积层包括所述第一卷积层；用于接收所述第一能谱的多个第二卷积层，其中所述多个第二卷积层包括所述第二卷积层；以及多个全连接层，具有耦合到相应第二卷积层的输出的输入，其中所述多个全连接层包括所述第一全连接层，其中所述多个全连接层中的每个全连接层生成所述第一物体的相应属性的指示。13.根据权利要求8所述的方法，其中确定所述洗衣机的所述操作周期的所述第一配置包括使用所述神经网络的lstm层或tcn层。14.根据权利要求1所述的方法，其中确定所述装载开口处所述第一物体的存在包括确定所述第一物体的速度，所述方法还包括基于所述速度来确定所述第一物体在所述洗衣机的洗衣室内。15.根据权利要求1所述的方法，其中所述第一属性指示所述第一物体是外来物体。16.根据权利要求1所述的方法，其中所述第一属性指示所述第一物体是具有分离风险的原生物体。17.根据权利要求1所述的方法，其中所述第一属性指示所述第一物体的材料。18.根据权利要求1所述的方法，其中所述第一属性指示所述第一物体的阴影、所述第一物体是否是印刷的、从所述第一物件释放棉绒的可能性、所述第一物体是湿的还是干的，或者所述第一物体的污垢水平。19.根据权利要求1所述的方法，还包括：通过使所述洗衣机的屏幕或移动应用显示关于所述第一属性的信息，来向所述用户提醒所述第一属性。20.根据权利要求1所述的方法，其中所述洗衣机是顶装式清洗机或烘干机或侧装式清洗机或烘干机。21.根据权利要求1所述的方法，还包括：基于所述反射雷达信号来确定所述装载开口处的第二物体的存在；基于所述反射雷达信号和所述传播rf信号来确定所述第二物体的第二属性，其中所述第二属性指示所述第二物体是外来物体；基于所述第二属性向所述用户提醒所述第二物体是外来物体；以及基于所述反射雷达信号来检测所述第二物体从所述洗衣机的洗衣室的移除。22.根据权利要求1所述的方法，其中用所述第一天线站点发射rf信号包括使用幅移键控ask、频移键控fsk或移相键控psk调制来发射rf信号。23.根据权利要求1所述的方法，还包括在所述传播rf信号与重构的发射rf信号之间执行二维2d互相关以生成能谱，其中确定所述第一属性包括基于所述能谱来确定所述第一属性。24.根据权利要求1所述的方法，还包括根据所述第一配置操作所述洗衣机，并且在根据所述第一配置操作所述洗衣机的同时，
继续发射所述雷达信号并且接收反射雷达信号，以检测所述洗衣机的洗衣室中的物体的属性；以及当所述洗衣室中的物体的属性指示外来物体时，提醒所述用户或停止所述洗衣机的所述操作周期。25.根据权利要求1所述的方法，其中所述第一天线站点包括不同类型的多个天线，以及用于选择所述多个天线的子集以发射或接收信号的选择电路。26.根据权利要求1所述的方法，其中发射所述雷达信号包括从所述第一天线站点发射所述雷达信号。27.一种方法，包括：发射雷达信号；接收反射雷达信号；用第一天线站点向第二天线站点发射射频信号rf信号，其中所述第一天线站点设置在洗衣机的装载开口的边缘处，并且其中所述第二天线站点在所述装载开口的所述边缘处与所述第一天线站点相对设置；用所述第二天线站点接收传播rf信号；在所述装载开口处生成驻波；以及估计指示所述驻波的中断的第一驻波值；基于所述反射雷达信号来确定所述装载开口处的第一物体的存在；基于所述传播rf信号和所述第一驻波值来确定所述第一物体的第一属性；以及基于所述第一属性来确定所述洗衣机的操作周期的第一配置，或者在所述洗衣机的所述操作周期开始之前向用户提醒所述第一属性。28.一种洗衣机，包括：洗衣室，具有装载开口；第一天线站点，包括第一发射天线和第一接收天线；第二天线站点，包括第二发射天线和第二接收天线，其中所述第一天线站点和所述第二天线站点在所述装载开口的边缘处彼此相对设置；毫米波雷达传感器，被配置为使用所述第一发射天线发射雷达信号并且使用所述第二发射天线接收反射雷达信号；驻波分析器，被配置为使用所述第一天线站点和所述第二天线站点在所述装载开口处生成驻波，并且估计指示所述驻波的中断的第一驻波值；以及处理系统，被配置为：基于所述反射雷达信号来确定所述装载开口处的第一物体的存在，基于所述反射雷达信号和所述第一驻波值来确定所述第一物体的第一属性，以及基于所述第一属性来确定所述洗衣机的操作周期的第一配置，或者在所述洗衣机的所述操作周期开始之前向用户提醒所述第一属性。29.一种系统，包括：第一天线站点；第二天线站点，其中所述第一天线站点和所述第二天线站点在开口的边缘处彼此相对设置；
毫米波雷达传感器，被配置为使用所述第一天线站点发射雷达信号并且使用所述第二天线站点接收反射雷达信号；能谱传感器，被配置为用所述第一天线站点向所述第二天线站点发射射频信号rf信号，并且用所述第二天线站点接收传播rf信号；驻波分析器，被配置为使用所述第一天线站点和所述第二天线站点在装载开口处生成驻波，并且估计指示所述驻波的中断的第一驻波值；以及处理系统，被配置为：基于所述反射雷达信号来确定所述开口处的第一物体的存在，基于所述反射雷达信号、所述传播rf信号和所述第一驻波值来确定所述第一物体的第一属性，以及向用户提醒所述第一属性。

技术总结
本公开涉及洗衣机、相关系统和方法。在一个实施例中，一种方法包括：发射雷达信号；接收反射雷达信号；用第一天线站点向第二天线站点发射射频信号(RF)信号，其中第一天线站点设置在洗衣机的装载开口的边缘处，并且其中第二天线站点在装载开口的边缘处与第一天线站点相对设置；用第二天线站点接收传播RF信号；基于反射雷达信号来确定装载开口处的第一物体的存在；基于反射雷达信号和传播RF信号来确定第一物体的第一属性；以及基于第一属性来确定洗衣机的操作周期的第一配置，或者在洗衣机的操作周期开始之前向用户提醒第一属性。作周期开始之前向用户提醒第一属性。作周期开始之前向用户提醒第一属性。


技术研发人员：S
受保护的技术使用者：英飞凌科技股份有限公司
技术研发日：2023.04.10
技术公布日：2023/10/19