1. 从“动”到“在”存在传感器到底解决了什么做了这么多年智能硬件我见过太多刚开始接触这个领域的人把“人体传感器”和“存在传感器”混为一谈。这两者听起来差不多实际用起来完全是两个世界。传统的人体传感器核心就一个字——动。它靠检测红外热辐射的瞬间变化来判断有没有人人只要坐在沙发上看书、躺在床上一动不动它就认为房间里没人了。聪明的厂商会加一个延时策略比如五分钟内没检测到动作就不判定为离开但这依然是掩耳盗铃看书超过五分钟的人照样被判定为“不存在”灯灭了、空调关了人还得挥手示意“我还在”。存在传感器的本质是把判断逻辑从“你有没有动”升级成“你到底在不在”。哪怕你蹲在墙角一声不吭呼吸带来的胸腔起伏、心跳带来的微动、甚至转头时肌肉产生的位移都能被它捕捉到。这个能力看上去只是检测维度的变化实际上彻底改变了自动化场景的可用性。举一个最直观的例子卫生间。传统方案下人在马桶上刷手机超过五分钟灯就灭了你得伸个懒腰让它重新亮起来——这个体验极其糟糕。而存在传感器测的是“有没有人的生物特征”哪怕你安静地坐着、低着头呼吸信号一直存在灯就一直保持点亮。这种从“动”到“在”的升级才是智能家居真正能说自己是“智能”而不是“自动化”的关键分水岭。再说得大一点存在传感器不仅仅是家居产品它是整个智能空间感知体系里的核心引擎。一个空间里有多少人、人在哪个区域、人是静止还是活动状态这些数据被采集上来之后可以驱动的不只是开关灯还有全屋的能耗策略、安防联动、适老化监护、甚至办公空间的工位调度。这也是为什么近两年行业里“存在传感器”这个词热度飙升大家都意识到它是智能空间从“被动响应”走向“主动感知”的关键底座。围绕这个方向我梳理了自己在选型、安装、调试、场景设计上踩过的坑和沉淀下来的经验从技术原理讲到落地实操尽量用大白话讲清楚让刚入行的朋友少走弯路。2. 四种主流技术路线的底层逻辑与选型对比2.1 红外热释电PIR便宜但天然“视觉缺陷”PIR是被动红外传感器它的工作原理并不复杂所有高于绝对零度的物体都会向外辐射红外线人体表面温度在36到37度左右和环境温度有明显差异。PIR传感器内部有一个热释电元件上面覆盖着菲涅尔透镜可以把空间划分成多个明暗交替的感应区域。当人体在镜片视野内移动时红外辐射焦点在不同区域间切换热释电元件会输出一个变化的电信号从而判断“有人在动”。这个机制的先天缺陷在于它检测的是“变化的红外辐射”。一个人如果完全静止红外辐射在热释电元件上就是一个稳定的输入没有任何信号变化——传感器就认为人走了。所有的PIR算法优化本质上都是在和这个缺陷博弈加长延时、加微波辅助、加数秒内的微小信号判断但都不彻底。PIR另一个问题是对小动物不友好猫狗体温同样是红外辐射源气流、窗帘飘动时的温度变化也容易触发误报。所以我要给一个非常明确的建议如果你做的是居家卫生间、卧室这类需要长时间无人干预的空间不要用纯PIR来做人存在判断。它在走廊、玄关这种“人只会路过”的场景里很合适但凡是“人会待着不动”的场景它的能力边界就很明显了。2.2 毫米波雷达当前存在检测的最优解毫米波雷达的原理是用特殊频段的电磁波通常是24GHz、60GHz部分高端方案做到77GHz甚至更高发射到空间里再接收物体反射回来的回波。这听起来和普通雷达一样但它的精妙之处在于可以同时提取多种信息速度信息利用多普勒效应物体朝向或远离雷达运动时回波频率会发生偏移偏移量和运动速度成正比。距离信息波发射和接收之间存在时间差乘以光速就能算出目标离雷达多远。角度信息通过阵列天线中不同通道之间的相位差可以计算出目标在空间中的方位角。微动信息人体胸腔起伏、心跳引起的体表微小位移都会产生极其微弱的多普勒信号高灵敏度方案能识别这种亚毫米级的运动。不同的信号组合就能实现不同的检测能力。只做运动检测的看多普勒频移就好要做存在检测的就得在微动信号上下功夫要做空间感知的则需要把距离、角度、微动三者结合输出目标级的点云或轨迹数据。60GHz频段是目前消费级存在传感的主力它的波长更短可以用更小的天线阵列实现高角度分辨率而且60GHz点云方案可以把一个人从背景中区分出来甚至区分出多个人。24GHz方案相对便宜但在角度分辨率和微小动作识别上会弱一些更适合不计较精度的场景。毫米波雷达对温度不敏感不受光照影响能穿透塑料外壳和部分非金属材料这些都让它成了“全天候存在检测”的天然选择。2.3 超声波与视觉方案的互补位置超声波传感器通过发射高频声波并接收反射回波来检测空间中的物体位置。因为声音传播速度远低于电磁波时间测量精度好做而且超声波方案对透明物体和吸音材料的表现比较差。人的衣服是很好的吸音材料所以纯超声方案对人体检测的稳定性一般。它在工业液位检测、避障等场景里更常见主动人体存在检测较少采用我自己的项目里很少用。视觉方案摄像头AI算法是目前检测维度最“厚”的方案——它不仅能检测有没有人还能做人脸识别、姿态识别、人数统计甚至判断人在睡觉还是在活动。但视觉方案的部署代价很大隐私问题最难绕开在卧室和卫生间这些核心存在检测场景里基本是禁区。它的功耗、算力、带宽成本也高不适合做低成本广覆盖的传感层。视觉更适合做局部的精细行为识别而存在检测的覆盖面用雷达来做更合理。做一个简单的选型评分表维度PIR热释电毫米波雷达超声波视觉方案静止人体检测差优一般优隐私友好度高高高低环境适应性差温度干扰优不受光照温度影响一般吸音干扰中光照影响大多目标区分差优点云方案差优成本低中高低高功耗低中中高说实话现阶段做存在传感器毫米波基本是综合最优解我自己项目里的主力方案也都在它上面。3. 毫米波存在传感器的选型要点与硬件架构3.1 频率、天线、算力——三个需要先想清楚的参数做存在传感器选型第一件事不是看宣传页上的“支持存在检测”而是把硬件参数拆开来看。频率选择上24GHz和60GHz是最常见的两个档位。24GHz的雷达模块便宜PCB天线尺寸大一些但可以做的天线数量少角度分辨率天然受限。60GHz的波长只有5毫米天线阵列可以做得很紧凑在同样大小的一块PCB上排布十几个天线通道都不难角度分辨率和目标区分能力都明显更强。如果你做的是单个房间的存在检测60GHz的体验会好很多多目标区分和区域感知都能做起来。距离分辨率方面FMCW连续波雷达的带宽越大距离分辨率越高60GHz方案通常能做到厘米级的距离分辨。算力方面现在很多模组直接把处理算法做在内部MCU上对外输出的是“有人/无人”这样干净的结论。这种方案集成度最高、开发成本最低适合快速落地。但问题在于算法黑盒你没法调整灵敏度、没法识别目标在房间的具体位置也没法做区域级别的感知。如果你的项目要的是核心引擎级别的空间感知那就得选有原始点云输出的方案外挂一颗MCU或者SoC来跑目标跟踪逻辑。3.2 天线数量与安装布置的匹配关系天线数量直接决定了传感器的空间感知上限。一个1发1收的雷达只能测距离和速度像是一个“光线笔直的手电筒”你只能知道前方多远有东西在动。TDM-MIMO多通道方案通过时分复用让多个发射天线依次工作配合多个接收天线合成一个虚拟孔径阵列可以把视角划分成多个方位角波束。我常用的一个60GHz方案有3发4收可以合成12个等效通道做到玉米型的波束覆盖90度到120度范围内的目标位置都能解算。天线方案确定之后安装设计就要跟着改。房间级安装的传感器通常需要挂顶或挂墙安装高度和倾斜角决定了雷达的覆盖范围。如果装低了波束会被家具遮挡形成大量盲区如果装高了人的微动信号衰减会变得厉害。很多模组厂商会提供安装高度建议但这个建议通常是在理想空旷环境下测出来的实际家里要打折评估。3.3 供电、通信与外壳对检测的隐藏影响存在传感器最典型的安装位置是卫生间天花板和卧室墙面。这些位置的供电条件差异很大有的地方能拉220V有的地方只能靠电池。而毫米波雷达的正常工作电流通常在几十到上百毫安级别电池供电很难支撑长期常供电设计。这是很多项目落地时没有提前规划、最后被迫改用PIR的原因之一。我做项目时会把供电能力放在需求分析的第一项在必须电池供电的场景下就得把雷达的检测周期拉长降低功耗的同时也要接受响应延迟变大。外壳方面毫米波能穿透塑料外壳但不同材质的介电损耗不一样。ABS和PC的损耗比较小PC掺了玻纤之后介质损耗明显增大会让雷达的检测距离缩水。所以外壳尽量选非玻纤增强的材料厚度控制在2毫米以内优先选择让雷达天线面和外壳内壁保持几毫米空气间隔的设计。金属外壳基本不能用法拉第笼效应会让射频信号出不去。另外还要注意通信方案的选择。Wi-Fi、蓝牙、Zigbee、Thread甚至私有2.4G协议都存在毫米波频段不受这些通信频段的直接干扰但电路板上的布局和供电会。雷达天线尽量远离通信天线不要在雷达附近走大电流的电源线。实测中电源纹波对雷达灵敏度的影响非常明显纹波大的开关电源会让信号底噪升高存在检测的距离会缩短不少。4. 从检测到感知信号处理与空间状态判断的核心逻辑4.1 一维信号到点云目标雷达输出的不同层级同样是毫米波雷达对外输出的能力层级可以差很多。最基础的模组输出的是“有目标/无目标”的逻辑电平你看不到中间发生了什么。进阶一点的模组输出的是原始的点云数据每一帧会给你一组目标点每个点带距离、速度、角度三个维度的信息。更高端的方案会在内部完成目标聚类和跟踪直接输出一个“跟踪目标ID位置速度状态”的结构化结果。从一维信号到点云目标这中间涉及几个关键处理步骤。首先是CFAR恒虚警检测雷达接收到的回波里既有目标信号也有噪声CFAR算法会根据周围的噪声底动态调整检测门限让强的杂波不会淹没有效目标。然后是距离-多普勒谱的峰值搜索找到那些同时满足距离和速度条件的峰值作为候选目标。最后通过DBSCAN这类聚类算法把空间上邻近的点聚类成一个完整的人体目标再交给跟踪算法做多帧关联。如果只是做存在检测其实不需要点云目标这么重的层级——只需要在距离-多普勒谱上做动态门限判断有持续的微多普勒信号就判定为存在。但如果要做区域感知、人数统计、姿态粗识别没有点云就不可能。4.2 存在检测为什么难在“静”而不是“动”前面提到过运动检测看的是多普勒频移而存在检测看的是微多普勒信号。人在静止时呼吸导致的胸腔起伏频率大概在0.2到0.4Hz幅度在毫米到厘米级对应的体表速度非常慢多普勒频移只有几十赫兹。这个量级的信号很容易被风扇气流、温湿度变化造成的空气扰动、甚至雷达自身的相位噪声淹没。所以雷达的微动检测能力非常看算法的功底。主要体现在两个维度一是信噪比目的是要把呼吸信号从噪声里捞出来二是判别逻辑要能区分哪些微动是人体的生理信号、哪些是环境杂波。我做对比测试时同一个房间、同一个安装位置不同方案的雷达在“静止人体”检测场景下的表现差异巨大。有的方案人坐两分钟就丢掉目标有的方案十个小时依然稳定输出“占用”。静态检测还有一个容易忽视的点雷达模块自身的温漂。雷达芯片在工作时会发热芯片温度变化会导致射频通道的相位特性发生漂移反映在信号上就像有一个虚假的慢速目标在移动。好的方案会内置温度补偿算法温度变化时自动校准。我自己实测过没有温漂补偿的模组开机前30分钟会有明显的误判窗口这个细节在产品选型时要特别注意。4.3 状态机设计从检测到“空间语义”的桥梁传感器输出的原始结论只是“存在/不存在”但智能空间需要的是更细的状态描述。我在项目里会把空间状态设计成一个五态状态机无人态空间里没有任何人体目标进入态检测到目标从无到有此时会触发“入场”事件比如开灯、调整空调活跃态目标在空间里有移动保持较高频率的检测报告静处态目标存在但长时间无明显位移此时自动降低上报频率离开态目标从有到无触发延迟确认后进行“离场”处理这个状态机的价值在于它把传感器的每一类信号变化都转换成了空间语义。活跃态可以用来判断“这里有活动”静处态可以用来判断“这里有人但可能在做专注的事”。这两个状态的时间比例可以进一步推导出空间的使用模式比如早上8点到11点长时间处于静处态说明这个房间大概率是书房深夜活跃态频繁可能就是有人在熬夜。状态切换需要设计好滞回区间防止临界状态下来回横跳。比如在离开态之前设置一个延迟时间通常可配置为30秒到10分钟不等在这段时间内如果重新检测到目标就不触发离场。对于呼吸信号稳定的存在传感器来说延迟时间可以大幅缩短到几秒但对安静场景的误判保护还不算完美延迟配置要结合具体空间的使用习惯。5. 多传感器协同从单个雷达走向真正的空间感知5.1 一室一雷达的覆盖盲区问题单个雷达的覆盖范围即使是120度扇区也存在水平盲区和遮挡死角。落地灯、大盆栽、半开放柜子这类家具对毫米波信号的遮挡效果非常明显。雷达的波束本质上是直线传播不像Wi-Fi信号可以借助墙体反射绕射。所以在一个稍大的客厅里单人沙发背后可能就是一个稳定的盲区。在做产品方案时我习惯用覆盖热力图来做部署设计。先把房间平面图画出来按0.5米网格划分然后标出每个网格内的人体可检测概率。这个概率可以通过实测标定也可以根据雷达波束方向图和家具遮挡物位置做粗略估算。凡是检测概率低于90%的网格都是需要增加第二个雷达或者调整安装位置的区域。尤其要警惕的是那些“人只会在那里停留”的盲区——比如书桌前、马桶上、床沿边这些区域一旦盲掉存在检测的体验就直接崩了。5.2 主从协同与并发占用判断多雷达协同最基础的模式是主从模式。主雷达负责空间状态机的判断从雷达定期回报自己视野内的占用状态。从雷达不参与最终决策只是给主雷达提供参考信息。这种模式实现简单但在两个雷达视野重叠区域会出现判断冲突。解决方法是加权投票重叠区域的状态以信噪比更高、目标更稳定的雷达为准。更高级的是去中心化协同每个雷达独立输出自己的目标列表由一个边缘网关统一做多源数据融合。这时候就要考虑“同一个目标被两个雷达同时看到了”的问题。空间位置聚类是把两个雷达的目标按坐标转换到同一坐标系下距离小于设定阈值的判定为同一个目标。毫米波雷达输出的目标位置不如视觉方案那么精确融合时要做一定的容差处理。还有一个容易踩的坑是并发占用判断。两个雷达看到的目标数相加就是总人数——这个逻辑在目标不重叠时是对的但目标跨雷达覆盖边界时可能被重复计数。处理方式是用目标ID做去重每个目标在融合层保持唯一身份只有当两个观测点在空间位置和运动轨迹上都满足关联条件时才判定为同一人。5.3 结合环境传感器的联动模型空间感知的最终形态不是一堆传感器各报各的数而是环境数据与人体状态一起汇入统一的场景决策模型。我在做项目落地时会把卫生间场景的传感器组合设计成这样传感器输出信息参与决策的事件存在传感器有无人体、静止/活动状态灯光开关、排风扇开关温湿度传感器温度、相对湿度排风扇转速调节、防结露策略门窗传感器门窗开合状态通风联动、安防布防光照传感器当前照度灯光亮度调节这个模型的决策逻辑不再只是“有人就开灯”而是变成“有人光照不足夜间时段→主灯开到80%”。从感知到决策的链路更完整用户的体验才是连贯的。很多朋友只盯着传感器本身忽略了这个联动层结果买了好雷达也用不出好效果。6. 典型场景的部署实践与调参经验6.1 卫生间场景最考验存在检测的战场卫生间是我觉得对存在传感器最苛刻的场景因为人在里面的活动模式极其复杂既有大动作的走动、洗浴也有长时间静坐刷手机既有高频的水汽干扰又有淋浴隔断造成的遮挡。读到的信号里往往混着花洒水流的微动、浴帘晃动、排气扇叶片旋转等大量杂波。部署上雷法优先挂顶安装要么吸顶要么藏进吊顶内壳。挂顶的好处是垂直向下的波束天然避开了大多数遮挡同时人坐着时的胸腔起伏也能被清晰捕捉。若只能壁装那位置最好选在马桶斜后方的高处让静态目标不落在波束的尖锐零陷区域。千万不要对着洗手台正面装镜子和玻璃是毫米波的大忌——反射信号会被严重扰乱。参数调校上卫生间存在传感器有四个关键量。灵敏度要尽量开高但没有误触发的临界值水汽下算法要能过滤掉非人体的恒速微动静坐保持时间设置成零卫生间不允许“存在但灯灭”的情况离场延迟尽量短3到5秒足够微动静默窗口也要调短这样人站起来时才会立刻重新稳定输出。6.2 卧室与书桌场景精准的“存在但不打扰”卧室场景的要求刚好和卫生间相反要的是“稳定存在但不打扰”。人在睡眠状态时呼吸幅度小、翻身频率低雷达要能长期锁定睡眠目标同时不能因为空调风、窗外飘动的窗帘而误亮灯。安装位置我推荐床尾上方斜向下照射这样既能看到胸部起伏又不会因为床垫弹簧或者人体压痕的微动产生误判。尽量避免正对床头安装不然头部的转动会被放大成高频微动信号稳定性和舒适度都差。书桌场景还需要注意一个细节人在桌前工作时手部动作幅度小且不规则和玩手机的场景很接近。这个场景适合用区域感知能力只对书桌前方的半圆弧区域做存在判定排除掉桌下和外走廊的干扰。如果选的是有区域设定的雷达方案就设定一个扇形关注区域内有人才判定存在能很大程度上剔除路过人群的干扰。6.3 全屋级的空间感知布局设计全屋部署的思路和单点部署完全不同。单点考虑的是“一个房间检测得好不好”全屋考虑的是“空间与空间之间如何接力”。玄关到客厅、客厅到走廊、走廊到卧室目标在移动时会途经多个雷达的覆盖范围重叠区域的交接逻辑做得不好就会出现目标“丢失”或“重复计算”。我会把全屋划分成核心长期逗留区、通道过境区、危险禁区三类区域。核心长期逗留区卧室、书房、卫生间用高灵敏度存在检测模式通道过境区走廊、玄关用运动检测模式就够目标是快速响应而不是稳定存在危险禁区窗户、阳台则叠加状态判断比如“存在门窗磁打开”视为高风险事件。这个分区策略的好处是每一类区域用最适合的检测强度和上报策略既保证了体验又不会让全屋的数据洪流压垮网关。盲目地让所有传感器都高灵敏度运作除了功耗浪费还会让误报率成倍放大。7. 避坑实录常规文档不会告诉你的十个高频问题7.1 墙体穿透与金属网的“假信号”很多人不知道雷达波有穿透能力尤其是24GHz频段穿透木板和石膏板非常轻松。如果传感器背后正好是走廊走廊里有人走过雷达就会把墙外的人当作室内目标。这个问题在卧室靠走廊的墙上特别常见。解决方式要么选60GHz频段穿透能力弱一些要么在算法里加一个“最短检测距离”的盲区设置把墙体厚度缓冲距离设为阈值低于这个距离的反射直接丢弃。金属网和金属龙骨石膏板就更麻烦了。金属网对雷达波的反射能力极强会在距离谱上形成一个持续存在的强反射峰。这个峰不仅是静态的还可能因为墙内的温度变化或轻微振动而产生相位抖动被误判为微动目标。我遇到过一次卫生间灯在深夜无人时自动亮起排查到最后发现是墙体内部的金属网在特定湿度条件下产生了形变信号。最终方案不是换雷达而是把检测区域整体向室内偏移了30厘米避开墙体反射峰。7.2 家用电器的射频干扰与假多普勒毫米波频段空间不拥挤但电子设备产生的宽带噪声同样可以影响雷达的底噪。我实测到最典型的干扰源是变频空调、超声波加湿器和电风扇。变频空调的IGBT开关频率虽然不在60GHz频段但它的高频谐波可以通过空间辐射进入雷达接收通道导致底噪抬高。更麻烦的是空调出风口的空气流动也会产生微动散射信号看起来就是“一个静止的目标在缓慢呼吸”。我排查这种问题时的做法是先关掉嫌疑设备看雷达输出的目标列表是否清空。如果清空了再逐一开机确认干扰源。确认以后的处理方式主要有三种一种是加一个窄带滤波器只保留人体呼吸频段0.2到0.6Hz附近的多普勒分量另一种是设置检测区域排除干扰源所在方位第三种最直接换安装位置——把雷达移到离空调铜管和风口更远的位置。一个容易被忽略的细节是空调遥控器的红外信号对雷达完全无干扰但空调自身的内机风扇转速变化会周期性调制室内气流在雷达输出上呈现为1到3秒周期的强度波动——这个特征要认识它别当成“有人”处理。7.3 安装高度的经验值与波束下倾角度我在多次实测后总结出一个经验公式吸顶安装时雷达离地高度建议在2.2到2.6米之间原始波束轴线和地面垂线的夹角保持在20到35度之间。这个范围的覆盖半径能控制在3到5米既能覆盖主要活动区域又不会一竿子射到门外。壁装时高度尽量在0.9到1.3米之间和人体躯干中段大致齐平。如果装得比这个位置高很多比如1.6米以上信号会更多地照射到人的肩部以上这个部位虽然也有呼吸起伏但信号强度不如胸腔如果装得低了又容易被椅子靠背挡住。还有一个我踩过的坑壁装雷达天生有零陷区角度调得太直角会在地面形成一条“死亡地带”人在这个角度上走动时偶尔会丢信号。7.4 系统联调时的延迟参数平衡存在传感器的离场延迟和误报率是一对永恒的矛盾。延迟设得太短人静坐时偶尔的信号中断就会被判为离场灯闪一下让人很烦躁延迟设得太长人走之后灯还要亮很久又觉得不够智能。我的经验是分层设计运动检测层的响应可以非常快50到200毫秒出结果存在检测层则做多帧确认2到3秒内输出“目标消失”的置信度最终的空间状态机再做一次短暂保持通常设置5到30秒。不需要所有层级都同一个反应速度而是让每一层的延迟服务于它的任务目标。这样整体体验是人走之后灯在合理时间内熄灭人静坐时绝不会误判。8. 我的实操心得与下一步想做的事做存在传感器这两年我最大的体会是硬件性能的提升速度远远快于场景理解的提升速度。现在随便一个60GHz模组都能稳定输出点云把一个人当成一个点来跟踪完全没问题。但点云出来了怎么把它变成“这个人在阅读”、“这个人在睡觉”、“这个人已经长时间没有活动需要关注”才是真正拉开产品差距的地方。有一件事我最近在尝试就是把人体的微动特征做时间序列建模。人在专注工作和困倦打盹时呼吸频率和身体姿态的微动模式有明显差异。比如阅读时头部会有细微的晃动呼吸频率相对平稳而打盹时头部基本不动呼吸频率会下降、周期变得规律。这些特征如果通过雷达成像的方式提取出来即使不用摄像头也能做到很多接近视觉方案才能做的行为判断。这条路并不好走信号维度还是比图像简单太多但值得投入。如果你刚开始接触存在传感器我的建议是先别急着买高端模组做原型找一个真实场景先把手上的PIR换成雷达体验一下“存在感知”和“运动感知”的差距。你会发现当灯不再乱灭、空调不再乱停那种“系统突然懂事”的感觉才是智能空间真正该有的样子。后面再慢慢把多传感器联动、区域感知、状态机设计这些环节加进去一步步把一个“检测器”做成真正的“感知引擎”。