采集 → FFT → 点云
复用雷达侧信号处理，通过数据接口发送点云。
PRESENCE / LEARN FROM THE OUTPUT
从几个点，
到有人 / 无人。
先不用理解射频。移动一个人、关闭一个区间，
看数据怎样一步步变成产品状态。
交互方案 · 教学模拟
点云是构造输入，人物与风扇的位置是场景真值。判断逻辑只看点的位置、类型、信噪比与时间，不读取“这是人”的标签。
这里没有真实模块、射频仿真或人体识别算法。模拟结果不代表任何产品性能。
一个点不是一个人，一帧没有点也不等于无人。
绿色点代表构造的移动点，橙色点代表构造的存在点。点击“播放”，观察同一片位置反复出现的点。下面的状态机才负责把它们变成有人 / 无人。
试一试：播放后，把人物 A 从“移动”切到“静坐”，看移动点和存在点怎样交接。
模拟输出无人0.0 s
LIVE WORKBENCH
同一个房间，逐层看结果。
场景与模拟点云
移动点存在点过滤 / 过期图标为场景真值
拖动图标改变位置；键盘方向键每次移动 0.1 m（Shift 为 0.5 m）。图标位置固定时，“移动”表示该位置附近有肢体运动。场景与信号均为示意。
暂停会冻结模拟时间，便于检查每一帧。页面隐藏时自动暂停。
区间开关与本次检测
按离雷达的直线距离划分，每格 0.5 m，覆盖 [0, 4) m。勾选表示参与检测。亮色表示当前有效点，不是最终有人状态。
01 输入0 个点移动 / 存在独立采样
02 筛选0 个点保留范围、开关与门限
03 时间确认0 个区间连续证据达到确认条件
04 产品状态无人有人保持与无人延时
展开一帧点云：输入与过滤理由
这是教学数据表，不是厂商协议格式。灰色点包含被过滤或超过有效期的点。表格显示当前全部构造点，最多 18 个。
| 类型 | X / Y（m） | 距离（m） | SNR（dB） | 处理 |
|---|
BACKGROUND / AN INTENTIONAL LIMIT
点云层教学规则背景学习也会带来取舍。
关闭人物、打开风扇，观察误判；再采集 4 模拟秒的背景点，将各距离区间的门限设为观测到的最大 SNR + 2 dB。这个规则能抑制示例风扇，也可能漏掉同一区间内更弱的人体点。
请先关闭人物 A、B，让已知模拟场景为空房。
这不是底噪学习，也不是自动识别人和风扇。程序只对模拟点云统计门限；真实系统还需确认输入能力、人体误抑制风险、学习条件和参数是否生效。移动场景对象或改变输入状态会取消正在进行的学习。
模块分工，不等于芯片边界。
下面切换的是部署示意，不会改变当前算法或模拟功耗。我们的点云处理代码也可以运行在雷达芯片上，前提是能开发对应固件并有足够资源。
点云帧 + 时间与状态接口与实际带宽需要验证 →
分区 → 检测 → 人存状态
处理点云，管理有人保持、无人延时、配置和通信。
数据接入
完整帧、单位、坐标、去重、丢帧与重启。数据失效必须与正常无人分开。
检测判断
区域筛选、局部点群与时间证据。移动和存在分别统计；SNR 不是“是人的概率”。
产品状态
进入与保持用不同条件。无人延时只有一个负责人；刷新的是新证据时间。
配置与学习
统一管理前级与后级参数。被前级过滤掉的点，无法靠降低后级门限找回来。
产品接口
上报状态与区间，调试时才查看完整点云。这里的输出卡片不代表真实网络上报。
验证与恢复
保存输入、规则和时间线，回放复现。配置变化、学习、重启后重新建立有效历史。
状态变化时间线
最近 60 次状态变化 · 模拟时间“等待无人”期间输出仍为有人。规则修改和重新开始会清空时间线；场景变化与输入故障保留时间线。
模型边界、判断规则与公开参考
本实验从构造的点云开始，不模拟 ADC、FFT、天线方向图、反射衰减或厂商检测算法。人物移动 / 静坐与风扇仅控制构造点的类型、数量和 SNR；不计算速度或做人体分类。点数与距离无物理性能关系。
教学规则：移动样本每 0.2 模拟秒更新，存在样本每 1 秒更新；各自有效期为 0.4 / 1.2 秒。每个区间至少有两次不同采样时间的有效点，且持续达到确认时长才触发。确认后的新证据刷新整体保持时间。存在样本重复送达不会刷新采样时间。正常空帧会清除相应通路的当前点；失联 2 秒显示未知，恢复后重新判断。
当前方案不实现多人身份跟踪、完整聚类、可靠人体分类、原始信号底噪学习或真实协议通信。基于区域点云的检测仍可能把环境干扰判为有人。页面状态仅保留在内存中，无上传、存储或设备连接。
- 公开参考：点云、区域映射与人存状态机 · 本页规则为独立教学实现，并未复现参考实现。
- 雷达基础课堂：继续理解采样、FFT 与距离谱
- 低功耗预算：观察活动频率怎样影响平均电流