如果把消费类毫米波雷达理解成“更高级的感应开关”，很快就会踩坑。
消费类雷达真正的矛盾，不是“看得远不远”，而是：
你敢不敢让它常开？一旦常开，误报就会把一切拉回现实。
1）消费类室内雷达到底在解决什么？
室内雷达常见目标很朴素：
- 存在检测：人在不在（开灯/空调/新风/安防联动）
- 微动检测：人“几乎不动”时能不能还判断为在（静坐、睡觉）
- 安全看护：跌倒、长时间不动、夜间起身（需要极低误报）
这些需求背后有一个共同点：必须 7×24 小时常开，而且你不能打扰用户。
所以消费类雷达最关键的 KPI 往往不是“最大距离”，而是：
- 误报率（False Alarm）
- 漏报率（Miss）
- 稳定性（同样房间/同样安装，一周后还准不准）
2）为什么“误报”会成为第一矛盾？
室内环境有三个天然的“雷达克星”：
2.1 多径：你看到的不一定是“人”，可能是“墙”
墙、玻璃、走廊、金属门框……都会反射。你以为雷达看到的是人，实际上可能是“人 + 反射路径的叠加”。
2.2 生活噪声：你想不到的东西都在动
- 风扇叶片
- 窗帘摆动
- 空调出风
- 宠物活动
- 甚至热水蒸汽导致的微小扰动
这些东西对雷达来说，都是“运动目标”。
2.3 安装姿态：同一颗雷达，装法不同，像换了一个世界
顶装/壁挂/斜角/遮挡/高度变化……消费类场景很少有人按“工程标准”安装，这决定了算法必须足够“傻瓜鲁棒”。
3）一个关键认知：消费类不是“雷达问题”，是“系统工程问题”
把消费类雷达做成产品，通常要把四件事同时做好：
1）硬件：天线/封装/模组一致性（批量差异会放大误报）2）信号处理：静态杂波抑制、谱泄露控制、基础目标检测3）算法：把雷达特征映射成“人在/不在/跌倒”这种业务事件4）工程与数据：不同户型、不同家具、不同宠物、不同安装角度的真实数据闭环
“误报治理”本质上是：你必须把世界里所有会动的东西都想一遍。
4）消费类雷达怎么“减少误报”？（把问题和解法放在一起）
做室内雷达，最常见的误报大体就几类。下面按“现象→原因→解法”来写。
4.1 误报现象：明明没人，雷达说“有人”
常见原因：多径 + 静态背景没处理干净。墙、玻璃、走廊、金属门框的反射会把能量“带进来”，如果背景模型不稳，就会被当成目标。
工程解法：
- 静态杂波去除（背景减除）：用慢时间高通/指数平均，把长期不变的背景先减掉；同时允许背景缓慢更新
- 近距离保护带：离墙太近的强反射会淹没弱目标，直接把 0～0.3m（示例）设为不判定区域
- Zone（区域化）：只关注床上/门口/马桶前等关键区域，其他区域直接屏蔽
4.2 误报现象：结果抖来抖去，一会有人一会没人
常见原因：把“一帧检测”当成“事件”。室内弱信号本来就会抖，阈值一过就触发，必然抖动。
工程解法：
- 置信度累积：连续 N 帧满足才触发；连续 M 帧不满足才释放（能显著减少抖动）
- 状态机：把“空房/疑似有人/确认有人/保持/疑似离开/确认离开”流程固化，避免一帧就翻盘
- 轨迹一致性：突然出现/突然消失的点优先当噪声处理
4.3 误报现象：风扇开了就“有人”，窗帘动了就“入侵”
常见原因：生活噪声就是目标。对雷达来说，风扇叶片、窗帘摆动、空调风、蒸汽扰动都是“运动”。
工程解法：
- 速度门限 + 周期检测：风扇周期性很强，速度谱也稳定，适合用周期/模板识别后屏蔽
- 固定方位屏蔽 + Zone：窗帘通常在固定区域，先用 Zone 缩小范围，再做低速过滤
- 干扰识别：同频设备/EMI/电源噪声常有稳定“指纹”，直接标记剔除（别拿算法硬扛）
4.4 误报现象：有宠物的家里，存在检测经常“假阳性”
常见原因：宠物的运动轨迹贴地、速度快，和人的“弱目标”混在一起。
工程解法：
- 距离/区域约束：把“地面附近”的区域单独处理，宠物主要在低高度活动（有俯仰角条件更好）
- 轨迹形态筛除：宠物目标通常更贴地、更短、更碎，用跟踪后的轨迹特征过滤
- 场景黑名单策略：允许“宠物模式”，把阈值/状态机参数专门调一套
4.5 误报现象：同一台设备，装法一变效果就崩
常见原因：消费品安装不可控。顶装/壁挂/斜角/遮挡/高度变化都会改变回波结构。
工程解法：
- 安装姿态自校准：识别地面/墙面的主反射方向，反推角度偏差，自动修正 Zone 与门限
- 空房学习期：首次上电给 30～60 秒（示例）学习背景，提升后续稳定性
- 多模板预设：卫生间/卧室/客厅误报模式不同，用预设模板比让用户调参更靠谱
4.6 最后一步：没有数据闭环，误报永远治不完
典型问题：实验室很准，上线就翻车。因为上线后遇到的是“千家万户的真实世界”。
工程解法：
- 误报回放：抓取误报前后若干秒“特征数据”（不含隐私图像），离线复盘
- 场景标签：风扇/窗帘/宠物/安装高度/房间尺寸/墙体材质，至少要能分桶
- 灰度+A/B：改一个门限先 1%→10%→50% 逐步放量，盯误报/漏报与投诉指标
归根结底，消费类雷达拼的不是“某一个神奇算法”，而是一整套误报治理的工程体系：
最值钱的不是芯片参数，而是把误报压下去的工程能力。
5）对比：摄像头 vs 雷达（室内）
| 维度 | 摄像头 | 室内毫米波雷达 |
|---|---|---|
| 隐私 | 高敏感 | 相对友好 |
| 光照 | 受影响大 | 基本不受影响 |
| 误报来源 | 光影/遮挡 | 多径/风扇/窗帘/宠物 |
| 落地难点 | 算法+隐私合规 | 误报治理+安装鲁棒 |
6）结语：为什么“能用”和“好用”差一个产品周期？
你用开发板跑起来，十分钟就能做出“存在检测”。但要做到“放到千家万户都不打扰人”，往往要经历一整轮：
数据 → 误报治理 → 安装鲁棒 → 量产一致性 → 再回数据。
消费类雷达看起来像硬件，实际更像“耐心活”。
