class UWBCPDDetection:
    """
    NXP Trimension NCJ29D6 UWB CPD 检测原理
    
    UWB 雷达模式：
    1. 发射 UWB 脉冲（6.5-8 GHz 宽带信号）
    2. 接收车内反射回波
    3. 通过时延差构建距离剖面
    4. 提取微动信号（呼吸/心跳）
    5. 分类：有人/无人
    """
    
    def __init__(self):
        self.params = {
            'frequency_range': (6.5, 8.0),  # GHz
            'bandwidth': 0.5,  # GHz
            'range_resolution': 0.3,  # m (c / (2 * B) = 3e8 / (2 * 5e8) ≈ 0.3m)
            'max_range': 5.0,  # m（车内足够）
            'detection_target': 'micro-motion',
            'min_motion_amplitude': 0.5,  # mm（呼吸幅度）
            'breathing_freq_range': (0.2, 0.5),  # Hz (12-30 次/分)
            'heart_rate_range': (1.0, 2.0),  # Hz (60-120 次/分)
        }
    
    def detect_presence(self, radar_returns):
        """
        UWB CPD 检测流程
        
        Args:
            radar_returns: UWB 回波信号序列
        Returns:
            is_present: bool
            confidence: float
            motion_type: str ('breathing', 'heartbeat', 'movement', 'none')
        """
        # 1. 静态背景消除
        background = np.mean(radar_returns, axis=0)
        dynamic_signal = radar_returns - background
        
        # 2. 距离剖面构建
        range_profile = np.fft.fft(dynamic_signal, axis=1)
        
        # 3. 微动提取（相位变化）
        phase_var = np.var(np.angle(range_profile), axis=0)
        
        # 4. 频域分析
        fft_motion = np.fft.fft(phase_var)
        freqs = np.fft.fftfreq(len(phase_var), d=1/self.params['frame_rate'])
        
        # 5. 呼吸频段能量
        breath_mask = (freqs >= 0.2) & (freqs <= 0.5)
        breath_energy = np.sum(np.abs(fft_motion[breath_mask])**2)
        
        # 6. 心跳频段能量
        hr_mask = (freqs >= 1.0) & (freqs <= 2.0)
        hr_energy = np.sum(np.abs(fft_motion[hr_mask])**2)
        
        # 7. 判定
        threshold = self.params['min_motion_amplitude']
        if breath_energy > threshold:
            return True, breath_energy, 'breathing'
        elif hr_energy > threshold:
            return True, hr_energy, 'heartbeat'
        elif np.max(phase_var) > threshold * 10:
            return True, np.max(phase_var), 'movement'
        else:
            return False, 0, 'none'

class BMW_UWB_Strategy:
    """BMW UWB 部署的商业逻辑分析"""
    
    def __init__(self):
        self.benefits = {
            'cost': {
                'digital_key_hardware': '已在 Digital Key Plus 中部署',
                'cpd_marginal_cost': '~$0（复用硬件）',
                'vs_dedicated_radar': '节省 $15-30/车'
            },
            'functionality': {
                'primary': '数字钥匙（CCC 3.0 兼容）',
                'secondary': 'CPD 存在检测',
                'future': ['踢传感', '入侵报警', '自动充电']
            },
            'market': {
                'regulatory': '应对 Euro NCAP 2026 CPD 评估',
                'brand': 'BMW Digital Key Plus 品牌差异化',
                'user_experience': '手机解锁 + 安全检测一体化'
            }
        }
    
    def roi_analysis(self):
        """投资回报分析"""
        return {
            'hardware_cost': '$3-5/芯片（UWB 单芯片）',
            'vs_mmwave': '$15-30/芯片（60GHz 模块）',
            'savings_per_vehicle': '$12-25',
            'bmw_annual_volume': '~2.5M 辆',
            'total_savings': '$30-62.5M/年',
            'limitation': '新生儿检测需要补充传感器',
            'supplement_cost': '$5-10/车（增加 60GHz 模块用于婴儿座椅场景）',
            'net_savings': '$17.5-50M/年（即使补充传感器）'
        }