Ovladání chytré domácnosti pomocí radarových technologií

Abstract

Tato bakalářská práce se zabývá návrhem a implementací autonomního systému pro ovládání prvků chytré domácnosti s využitím radarové technologie mmWave. Cílem této práce bylo navrhnout a vytvořit spolehlivou soukromí chránící alternativu ke kamerovým systémům, se schopností detekovat i jemné mikropohyby osob v reálném čase. Senzorická vrstva je založena na jednočipovém radaru Texas Instruments IWR6843AOP pracujícím v pásmu 60 GHz, který díky technologii edge computing zpracovává surová data přímo na čipu. Jako řídicí a komunikační jednotka byl vybrán mikropočítač Raspberry Pi Zero 2W. Jádro této vrstvy tvoří plně asynchronní softwarová architektura v jazyce Python využívající zelených vláken (Eventlet). Systém vyhodnocuje prostorová data prostřednictvím stavového automatu virtuálních zón a odesílá neblokující ovládací příkazy na sběrnici KNX. Součástí systému je také integrace do systému Google Home přes protokol MQTT a platformu Smart NORA, jež zahrnuje hybridní logiku manuální priority pro řešení konfliktů mezi automatizací a příkazy uživatele. Praktické experimenty na vzorku probandů přesně potvrdily robustnost řešení - systém dosáhl 100 \% senzitivity při prostorové detekci a 100\% specifičnosti při filtraci šumu a falešných poplachů. Pro účely vizualizace cílů a konfigurace systému bylo navrženo responzivní webové rozhraní pomocí HTML5 spojené s CSS a JavaScriptem.

This bachelor thesis focuses on the design and implementation of an autonomous smart home control system utilizing mmWave radar technology. The primary objective was to develop a reliable, privacy-respecting alternative to camera systems that is capable of detecting human micro-movements in real time. The sensory layer is based on a single-chip Texas Instruments IWR6843AOP radar operating in the 60 GHz band, which processes raw data directly on the chip using edge computing technology. A Raspberry Pi Zero 2W serves as the central control and communication unit. The core of this system is built on a fully asynchronous Python software architecture utilizing green threads (Eventlet). The system evaluates spatial data through a virtual zone state machine and dispatches non-blocking control commands to a KNX bus. Furthermore, the system integrates with Google Home via the MQTT protocol and the Smart NORA platform, incorporating a hybrid manual override logic to seamlessly resolve conflicts between automated sensing and explicit user commands. Practical experiments involving test subjects precisely confirmed the robustness of the solution, with the system achieving 100\% sensitivity in spatial detection and 100\% specificity in filtering noise and false alarms. Finally, a responsive web interface was developed using HTML5, CSS, and JavaScript for target visualization and system configuration.