国际上通常把65岁及以上人口占总人数7%以上，或60岁及以上人口占总人口数10%以上，作为衡量一个国家或地区是否进入老龄化社会的标准。而根据国家统z计局公布的第七次人口普查数据，我国60岁及以上人口为26402万人，占全国总人口的18.70%，其中65岁及以上人口为19064万人，占13.50%。

我国人口年龄结构变化情况（数据来源：国家统计局）

国家卫生健康委老龄健康司司长王海东表示：“目前，我国90%左右的老年人居家养老，7%左右的老年人依托社区支持养老，3%的老年人入住机构养老。”

“9073”现象的出现，是中国加速进入老龄化社会的现实反映——承受巨大工作压力的子女在父母养老方面心有余而力不足；六七十岁的老人往往还需要去照顾比自己更老的人；政府力量在老年公寓、护理院、养老中心等设施的投入上一时难以满足市场需求……一道道难题让我们开始反思老年人健康养老问题该何去何从？

于是，近两年内，不少科技厂商开始对智慧养老、居家健康管理、医疗监护类产品的市场预期抱有巨大希望。英飞凌科技大中华区电源与传感系统事业部应用市场总监李国豪日前在接受媒体采访时援引ABI Research的调研数据称，未来十年内，居家场景下健康管理(Home Healthcare)产品的安装量将由2022年的2000万台增长至2023年的1.8亿台。这其中，以毫米波雷达为代表的各类传感器扮演着关键角色。

毫米波雷达+智慧养老=？

将传统用于汽车、工业领域的毫米波雷达传感器产品应用于居家监测场景，是近几年才出现的新事物。比如，常见的60GHz毫米波雷达就能够做到以下几点：确定房间是否有人(以及有多少人)、识别运动特征以辨别跌倒事件、测量一个人的生命体征以评估睡眠质量。

让我们以老年人最常遇到的跌倒情况为例，看一看毫米波雷达和当前老年人身体状况监测常见技术路线之间的区别。

根据相关报道，跌倒死亡是中国65岁以上老年人群因伤害致死的首要原因，平均每10个人有3-4人发生过摔倒，髋关节摔伤致死率20%-30%，致残率超过70%。理想情况下，如果了解跌倒或其他与健康相关的事件何时发生，并能够快速做出反应，将有助于确保患者得到所需的护理。

但目前的实际情况是，老年人身体状况监测主要来自两条技术路线：一类是以摄像头为主的视频监控；另一类是通过佩戴智能手环、睡眠腕带等可穿戴设备，识别诸如跌倒等宏观运动，并使用连接节点联系家人或护理人员。同时，配合其他传感器(如心电图或脉搏血氧计)提供健康参数的连续视图(如生命体征或睡眠质量)。

可是，许多老年人对于直接佩戴的智能设备会存在一定的抵触心理，因为这可能会影响舒适性或可行性，而且由于记忆力的衰退，忘记佩戴或充电也是常有的事；有些型号需要患者在发生健康事件时按下按钮，但如果患者无行为能力时，便无法发挥作用；而如果采用视频监控的方式，老人又会觉得隐私受到了侵犯，也会产生抵触情绪；最后，传感器需要非常准确，以便区分跌倒事件和日常活动，比如当一个人快速坐下或拍手时，传感器不能产生误判。

通过解决久坐或移动、跌倒以及表示长期健康趋势或睡眠质量的生命体征检测等问题的技术，可帮助实现家庭健康 (图源：德州仪器)

相比之下，毫米波雷达本质上是一种基于射频的传感器，可在不接触身体的情况下进行感应。应用时无需摄像头，也不需要佩戴传统的智能手环类设备，就可以实现对老年人呼吸、心跳、睡姿等多个生命体征的监测，在应用层面将这些功能结合在一起后，有助于通过家庭监控系统获取家人的安全和健康信息，从而让亲人和护理人员放心。同时，毫米波雷达对于一些材料有很好的穿透性，不容易受客观环境如灯光、粉尘等的影响，可以更精确的识别手掌的运动和追踪，并且在外观设计更加灵活、美观。

借用一张来自英飞凌的图片，简单介绍一下毫米波雷达传感器的工作原理：从左至右依次是雷达传感器/片上天线、MCU/数字信号处理器和消费者终端，探测到的距离、速度和角度等信息以反射波的形式在处理器中进行运算，辅之以固件开发、算法处理等，可满足不同的使用者需求。

德州仪器日前在一篇文章中也对此加以了描述。按照TI的说法，距离和角度信息可用于生成“点云”，当将其输入历史跟踪器时，不仅可以确定一个房间内是否有人，还可以确定这个人在房间内的位置。以指示跌倒的雷达点云为例，下图用绿点表示点云，并为这一簇点云分配了一条红色轨迹。右侧显示了人的瞬时高度和平均高度，可以使用算法来检测一个人是否跌倒。

一个人跌倒后的雷达点云示例(图源：德州仪器)

速度信息可以测量房间内目标的运动特征。通过量身定制的算法或人工智能，这些运动特征可以识别诸如步态不稳、跌倒或近乎跌倒等行为。另一种用途是放在床边测量睡眠期间的活动，并确定睡眠模式是否发生变化。

基于RFCMOS工艺的IWR6843是TI面向非接触老人/病人监护推出的单芯片方案，集成了射频收发组件、频率源、中频处理、ADC、DSP、MCU和运算核心集成HWA硬件加速器，可以提供探测目标的距离、速度和角度信息，目标追踪后的坐标及人数信息，以及目标的生命体征估计信息。在保护用户隐私的前提下，实现了跌倒检测及生命体征检测功能。

“毫米波雷达传感器遇到的最大困难就是算法。”英飞凌科技大中华区电源与传感系统事业部高级市场经理吴柏毅说，厂商的通常做法是将距离、位置、速度、角度信息与雷达不同的工作原理和算法相结合，形成数种组合方案。当然，随着算法的不同，雷达传感器所匹配MCU或处理器也不相同，导致成本、功耗也存在差异，这些都完全取决于最终的应用场景。

图片来源：英飞凌

英飞凌雷达传感器首次进入人们的视野，是在2016年的谷歌开发者大会上(Google I/O 2016)，而BGT60LTR11AIP和BGT60LTR13C则是其最新推出的两款雷达传感器。前者基于毫米波多普勒效应打造，主要面向运动检测类应用，开启自动模式时探测距离可达5米，水平视角约80度，平均功耗小于5毫瓦；后者采用一发三收的硬件架构，平均功耗20-30毫瓦，频宽大于5GHz，解析度3厘米，搭配不同的高级算法，可以实现手势辨识、室内人员存在感知、追踪，甚至心跳监测等功能。

在清雷科技发布的“贝加安智慧康养生命支持系统”和智能呼吸睡眠监测设备中，也使用到了毫米波雷达芯片。其中，生命支持系统可以全天时全天候、非接触式地进行室内场景下的呼吸/心率等生命体征监测，实现在不侵犯隐私的前提下实时记录生命数据；而智能呼吸睡眠监测设备的最大亮点，是采用了毫米波雷达层析感知技术。通过2.5cm分辨率层析谱和100ms刷新周期，能够从睡眠、呼吸、心率、体动、睡姿等多维度进行监测，也就是被监测者睡眠过程中所有的微动数据都可以被完整记录。

睡眠中体动和呼吸事件数据报告

华为也敏锐的注意到了毫米波技术拥有的潜能。在华为全屋智能AI超感传感器中，通过搭载24G毫米波技术，不但弥补了红外传感器感知能力的缺陷，还支持与华为智能家居互联。其微动感知触发场景面积可达16m²，高精度静止感知率高达99.9%，可以精准识别老人摔倒发送警报；实时识别人体活动轨迹，让空调风避人行；监测到静卧时，避免声光干扰等。

华为全屋智能AI超感方案(图片来源：华为官网)

多传感器融合下的挑战

值得注意的是，随着应用功能多样化，单一传感器已不能满足市场需求，这就需要将不同的传感器融合到一起设计出具有先进功能的产品。一个颇具代表性的应用来自智能家居中的空调，它既可以通过毫米波雷达追踪人的行踪，也可以加入二氧化碳传感器用于室内环境监测，然后再决定是否需要改变送风角度或是否需要打开新风系统......这些功能都可以通过智慧的融合，带给用户更好的感受。

再例如，2021年3月在美国发布的某品牌智能音箱中就带有睡眠追踪功能——内部搭载的毫米波雷达可以感知到消费者的微动作，来判断其睡眠质量；麦克风可以侦测到是否有咳嗽或打鼾；温度和光传感器则将睡眠质量与环境相关联。最终，智能音箱通过对收集到的数据进行计算，可以得出一个衡量睡眠质量的数值给用户参考，并给出建议。

智能音箱中的传感器融合

在智慧养老方面，通过毫米波雷达、ToF等设备可以无接触的侦测到老年人的多种生活状态：静坐在家里时的呼吸、心率状况；老人有没有在电视机前睡着？在从客厅起身前往卫生间的过程中，老人是否有跌倒等状况。再结合市场上已经有的线上医生，甚至是保险服务，共同构成智慧医疗、智慧养老生态圈。

此外，一些智慧康养生命支持系统可面向康养机构、社区养老、居家养老、医疗机构等多种应用场景，提供危险信息及时告警，包括离床告警、跌倒告警、呼吸急促或心跳过缓告警、呼吸暂停告警等。同时，它还能实现潜在风险提前预测，包括睡眠质量分析、跌倒风险预测、生命活力评估、呼吸慢病AI辅助诊疗等功能。

“应用于健康管理、医疗监护方面的多传感器融合方案面临的最大挑战仍然来自算法，尤其是在算法相互配合和可靠性方面。未来，引入人工智能和机器学习，补充更多逻辑功能来强化数据的分析和处理，将成为重要的趋势。”李国豪说。

抛开技术因素，购买成本和安装成本是消费者关注的另一重要话题。目前不少毫米波产品仍主要面向社区养老模式，C端市场的开拓能力有限，可如果普通老百姓完全消费不起，这样就难以推广。

另一方面，“消费者其实并不关心家里到底安装了多少个传感器，是什么类型的。他们更在意的是细节，是希望拥有一个智慧管家型的家庭生态系统。”一位资深业内人士对记者表示，仅仅将现有的“物”连接到“互联网”上，其实并不能改变用户的生活方式。就像现在的智能手环，在使用初期，用户能够查看自己的运动/睡眠数据，会很有新鲜感。但久而久之，如果没有相应的“服务”功能推出，用户的使用黏性就会大大降低，非常容易造成流失。

但如果让智能手环配合手机APP、大数据分析、云计算等服务，将传感器收集到的数据加以深度挖掘，分析出用户本身需要的生活建议，那么这个智能手环就不再只是一个传感器，而是成为用户的生活教练或是生活管家。对毫米波传感器来说也是一样的道理。