【超声】Elliptic Labs的超声方案和应用

以下由GPT-5.3生成

 

一、核心方案：用“音频硬件 + 软件算法”做虚拟传感器

Elliptic Labs 的核心思路其实很“反直觉”：
👉 不用新增专用传感器，而是复用手机已有的扬声器 + 麦克风 + DSP

工作机制（本质类似声学雷达）

  • 发射：扬声器发出超声波（>20kHz）
  • 传播：遇到手、人、物体发生反射
  • 接收：麦克风接收回波
  • 算法：通过时延 / 多普勒 /波形变化识别动作或距离

👉 本质就是一个低成本声学FMCW / ToF / Doppler融合系统

📌 特点：

  • 不依赖光（黑暗可用）
  • 无需视线（可绕射）
  • 低功耗
  • 360°或大视场感知

二、典型产品/方案体系

1）Virtual Proximity Sensor（虚拟距离传感器）

代表：INNER BEAUTY

👉 用超声替代传统红外距离传感器

作用：

  • 打电话贴耳 → 自动灭屏
  • 检测 4–8 cm 近距离

价值：

  • 去掉实体传感器（全面屏关键）
  • 降BOM成本

📌 已在小米等量产机使用

2）Touchless Gesture（空中手势）

👉 用超声识别手势动作

典型能力：

  • 挥手翻页 / 接电话
  • 空中拍照
  • 游戏控制

📌 特性：

  • 最大距离 ~2米
  • 180°交互范围

3）Presence Detection（存在检测）

代表：INNER PEACE

👉 检测“人是否在场 / 是否移动”

应用：

  • 智能音箱唤醒
  • 房间有人自动开灯
  • 老人监护

📌 覆盖范围：

  • 可达整房间（360°）

4）AI Virtual Sensor Platform（软件平台）

统一能力：

  • Gesture
  • Proximity
  • Presence
  • Connection（超声配对）

👉 本质：把多个传感器虚拟化成软件模块

三、经典应用场景（工程落地）

📱 手机

  • 距离感应（替代红外）
  • 手势控制
  • 屏下/无开孔设计

💻 PC / Laptop

  • 离开自动锁屏
  • 靠近自动唤醒

🏠 IoT / 智能家居

  • 灯光/空调自动控制
  • 无接触交互
  • 安防检测

🚗 汽车

  • 手势控制中控
  • 驾驶员监测

四、依赖硬件（关键点）

Elliptic Labs 最大卖点：不加硬件

但实际上有“隐含硬件要求”👇

1）发射端（Speaker）

  • 必须支持超声频段输出
  • 常见方案：
    • 听筒（receiver）
    • 外放扬声器

👉 AAC 等厂商专门优化支持超声

2）接收端（Microphone）

  • MEMS麦克风需支持 >20kHz
  • 多麦阵列更好（做空间定位）

3）音频链路（Audio Path）

  • Codec/DSP支持高采样率（≥48kHz）
  • 低延迟回环（loopback）

4）计算单元

  • CPU / DSP / NPU
  • Snapdragon NPE等平台支持

五、超声“经典频点”设计

这是你可能最关心的工程细节👇

1）频段范围

一般使用：

  • 20 kHz – 24 kHz（最常见）
  • 有些方案到：
    • 30–40 kHz（但手机难支持）

📌 原因：

  • 20kHz 人耳不可听

  • 手机音频硬件上限有限

2）典型工作频点（行业经验）

常见设计：

类型频点
单频CW ~21–22 kHz
多频OFDM 20–24 kHz
FMCW 扫频 20→24 kHz
Chirp 18–24 kHz（边界设计）

3）为什么不用更高频（40kHz）？

  • 手机扬声器/麦克风带宽不够
  • 衰减太大
  • 功耗更高

👉 所以Elliptic Labs强调：
“复用音频器件” → 必须用“音频可支持的超声”

4）关键设计权衡

距离 vs 分辨率

  • 高频 → 分辨率高
  • 低频 → 传播远

带宽 vs 精度

  • 宽带（chirp）→ 距离精度高
  • 窄带（CW）→ 功耗低

多普勒 vs ToF

  • 手势识别 → Doppler为主
  • 距离测量 → ToF / FMCW

六、与其他方案对比（理解其定位）

技术优点缺点
超声（Elliptic） 低成本 / 无光依赖 精度有限
ToF红外 精度高 成本高
摄像头 信息丰富 隐私/功耗
毫米波 最强感知 成本高

👉 Elliptic Labs定位：
“最低成本的人机交互感知方案”

七、一句话总结

Elliptic Labs 的本质不是“超声硬件公司”，而是：

👉 用软件把“扬声器+麦克风”变成雷达级传感器

核心价值：

  • 去硬件（降成本）
  • 全场景（手机/PC/IoT）
  • 低功耗

一、总体专利技术路线（统一底座）

Elliptic Labs 的专利不是“单一算法”，而是一个体系化专利族：

核心专利方向（抽象层）

  1. Ultrasound signal generation（发射设计）
  2. Echo processing（回波处理）
  3. Doppler / ToF / phase tracking（物理特征提取）
  4. Machine learning classification（手势/状态识别）
  5. Audio HW reuse（扬声器+麦克风复用）

📌 官方明确：

  • 技术基于 ultrasound + AI + sensor fusion
  • 复用speaker + microphone 实现感知

👉 这意味着四类应用在专利上是同一套声学感知框架的不同应用层

二、Gesture（手势识别）

1）是否使用超声

✔ 明确使用超声（核心技术）

  • 官方直接表述：gesture technology is powered by ultrasound
  • 使用 >20kHz 声波实现手势识别

2）专利方法（典型）

Gesture相关专利通常覆盖：

(1) 多普勒检测（核心）

  • 手移动 → 频移（Doppler shift）
  • 区分：
    • 靠近 / 远离
    • 左右挥动
    • 速度变化

👉 这是最关键专利点

(2) 时序+轨迹识别

  • 连续帧 tracking
  • 轨迹分类（Swipe / Tap / Circle）

(3) 3D空间建模

  • 多麦阵列
  • 相位差 → 角度估计

(4) 手势空间定义（MLI）

  • 180° interaction zone

👉 专利重点：“空间区域+手势映射”

3）频点（Gesture）

实际工程频段：

👉 20–24 kHz（主流）

原因：

  • 明确使用“ultrasound spectrum (>20kHz)”
  • 手机音频链路限制

常见信号形式：

  • 单频 CW（~21–22kHz）
  • Chirp（20→24kHz）
  • OFDM-like多频

三、Proximity（距离感知）

代表：INNER BEAUTY

1）是否使用超声

✔ 是（核心替代红外）

  • 明确为 Ultrasound Virtual Proximity Sensor

2）专利方法

(1) ToF（Time-of-Flight）

  • 测量回波延迟 → 距离

(2) Envelope detection

  • 检测信号强度变化（近距离）

(3) 阈值判决（Binary classification）

  • near / far（4–8cm）

👉 专利重点：

  • 低功耗连续检测
  • 贴耳检测鲁棒性（头发/皮肤）

3）频点

👉 同样：20–24kHz

但特点不同：

特性GestureProximity
带宽 宽 窄
频率 多频 单频
目标 运动 距离

👉 Proximity更偏：

  • 单频CW或窄带chirp

四、Presence（存在检测）

1）是否使用超声

✔ 是

  • 官方明确 presence detection 属于 ultrasound sensing

2）专利方法（关键差异）

Presence是最“算法密集”的部分：

(1) 微动检测（micro-motion）

  • 呼吸
  • 身体微移动

👉 依赖：

  • 相位变化（phase shift）
  • 微多普勒（micro-Doppler）

(2) 长时间积分

  • 区分：
    • 静止人 vs 无人
    • 人 vs 物体

(3) AI分类（核心专利）

  • 环境噪声建模
  • 动态背景消除

3）频点

👉 仍在：

  • 20–24 kHz

但关键不同：

指标Presence
SNR要求 极高
分辨率 微米级位移
带宽 可较窄
调制 高频稳定波

👉 更偏：

  • 稳定CW + 相位跟踪

五、Connection（连接/配对）

这是最容易被忽略但很有意思的模块。

1）是否使用超声

✔ 是（但不是“雷达”，而是通信）

2）专利思路

(1) Ultrasonic data transmission

  • 用超声传输：
    • pairing token
    • device ID

👉 类似：

  • 声学 NFC / 声学 BLE

(2) Directional pairing

  • 只对准某设备
  • 避免误连接

(3) 安全机制

  • 短距离传播
  • 不可听信道

3）频点

👉 同样使用：

  • 18–22kHz 或 20–24kHz

原因：

  • 手机扬声器支持
  • 避免人耳听到

👉 类似技术在行业也常用：

  • Google Nearby / Chirp-like方案

六、四类应用的频点总结（核心结论）

应用是否超声主频范围信号形式
Gesture ✔ 20–24 kHz 多频 / Doppler
Proximity ✔ 20–24 kHz 单频 / ToF
Presence ✔ 20–24 kHz CW / 相位
Connection ✔ 18–24 kHz 调制通信

七、为什么全部锁死在20–24kHz？

关键不是算法，而是硬件约束：

1）扬声器限制

  • 手机receiver带宽 ~22kHz
  • AAC已专门优化支持超声

2）麦克风限制

  • MEMS mic响应到 ~24kHz

3）采样率限制

  • 48kHz → Nyquist = 24kHz

👉 所以专利设计必须围绕：
“音频系统边界内的超声”

八、专利层面的真正壁垒（重点）

Elliptic Labs 的护城河不在“用超声”——而在：

1）音频复用（最关键专利）

  • 不加硬件
  • 用speaker+mic做雷达

2）多场景统一框架

同一套信号 →
Gesture / Presence / Proximity 全覆盖

3）AI建模

  • 环境自适应
  • 噪声鲁棒性

4）低功耗always-on

  • mA级运行

九、最终判断（一句话结论）

👉 Elliptic Labs 的 Gesture / Proximity / Presence / Connection：

✔ 全部基于超声（ultrasound）
✔ 统一工作在 20–24 kHz 音频超声频段
✔ 差异主要在信号处理和AI，而不是频点本身

posted @ 2026-04-25 15:53  沃若炻  阅读(13)  评论(0)    收藏  举报