JP7228375B2 - オブジェクト追跡とナビゲーションのための方法、装置及びシステム - Google Patents

オブジェクト追跡とナビゲーションのための方法、装置及びシステム Download PDF

Info

Publication number
JP7228375B2
JP7228375B2 JP2018226506A JP2018226506A JP7228375B2 JP 7228375 B2 JP7228375 B2 JP 7228375B2 JP 2018226506 A JP2018226506 A JP 2018226506A JP 2018226506 A JP2018226506 A JP 2018226506A JP 7228375 B2 JP7228375 B2 JP 7228375B2
Authority
JP
Japan
Prior art keywords
type
time
smart
filtering
wireless
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2018226506A
Other languages
English (en)
Other versions
JP2019179020A (ja
Inventor
フェン チャン，
チェン チェン，
チンイ シュー，
ベイベイ ワン，
チェンシュー ウー，
ハンファン チャン，
チャウ－ワイ ワン，
デーヴィッド エヌ． クラフィ，
チュン－イ チェン，
ハン－コック， デュック ライ，
ジュン－ハン ウー，
ミン ウー，
イ ハン，
オスカー チ－リム オウ，
ケー． ジェイ． レイ リウ，
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Origin Wireless Inc
Original Assignee
Origin Wireless Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from US15/861,422 external-priority patent/US11025475B2/en
Priority claimed from US15/873,806 external-priority patent/US10270642B2/en
Priority claimed from US16/101,444 external-priority patent/US10291460B2/en
Priority claimed from US16/200,608 external-priority patent/US10735298B2/en
Priority claimed from US16/200,616 external-priority patent/US10495725B2/en
Priority claimed from US16/203,299 external-priority patent/US10374863B2/en
Priority claimed from US16/203,317 external-priority patent/US10397039B2/en
Application filed by Origin Wireless Inc filed Critical Origin Wireless Inc
Publication of JP2019179020A publication Critical patent/JP2019179020A/ja
Priority to JP2023020188A priority Critical patent/JP2023075094A/ja
Publication of JP7228375B2 publication Critical patent/JP7228375B2/ja
Application granted granted Critical
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0273—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves using multipath or indirect path propagation signals in position determination
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0205—Details
    • G01S5/0218—Multipath in signal reception
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
    • G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0222—Estimation of channel variability, e.g. coherence bandwidth, coherence time, fading frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0224—Channel estimation using sounding signals

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Signal Processing (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Physiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Alarm Systems (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Emergency Alarm Devices (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Description

関連出願への相互参照
本出願は以下のそれぞれのケースの開示の全体を参照によって組み込み、以下のそれぞれの件に対する優先権を主張する。
(a)米国仮特許出願62／593,826、「オブジェクト追跡とナビゲーションのための方法、装置及びシステム」と題された、2017年12月1日の出願。
(b)米国仮特許出願62/678,207、「オブジェクト追跡と動きモニタのための方法、装置及びシステム」と題された、2018年5月30日の出願。
(c)米国特許出願15／861，422、「時間反転技術の方法、装置、サーバ及びシステム」と題された、2018年1月3日の出願。
(d)米国特許願15／873，806、「オブジェクト追跡とナビゲーションのための方法、装置及びシステム」と題された、2018年1月17日の出願。
(e)米国特許出願16／101，444、「無線動きモニタのための方法、装置及びシステム」と題された、2018年8月11日の出願。
(f)米国仮出願62/734，224、「無線睡眠モニタのための方法、装置及びシステム」と題された、2018年9月20日の出願。
(g)米国仮出願62/744，093、「無線近接及び存在モニタのための方法、装置及びシステム」と題された、2018年10月10日の出願。
(h)米国仮特許出願62/753，017、「人間の無線生体情報に基づく人物同定のための方法、装置及びシステム」と題された、2018年10月30日の出願。
(i)米国特許出願16／200，608、「バイタルサインの検出及びモニタのための方法、装置、サーバ及びシステム」と題された、2018年11月26日の出願。
(j)米国特許出願16／200，616、「リアルタイムのバイタルサイン検出及びモニタのための方法、装置、サーバ及びシステム」と題された、2018年11月26日の出願。
(k)米国特許出願16/203,299、「無線信号に基づくイベント認識のための装置、システム及び方法」と題された、2018年11月28日の出願。
(l)米国特許出願16/203,317、「無線信号に基づく転倒検出のための装置、システム及び方法」と題された、2018年11月28日の出願。
本教示は広くオブジェクト追跡に関する。より具体的には、本教示は、豊かな散乱のある環境における時間反転技術に基づくオブジェクト追跡及びモニタに関する。
オブジェクト追跡および監視に関して、屋内位置ベースのサービスは今日ますます重要になりつつある。１つの一般的なアプローチは、リアルタイムで移動オブジェクトの位置を推定するために推測航法を使用することである。通常、移動方向および移動距離は慣性計測装置（ＩＭＵ）によって推定される。しかしながら、推測航法に基づくアプローチにおける移動距離推定の性能は、満足のいくものには程遠いものであり、これは、そのような屋内ナビゲーションシステムが今もなお普及していない主な理由である。ロケーションベースのサービスを支援することができる屋内環境における移動オブジェクトの速度を推定することもまた未解決の問題であり、満足のいく結果がまだ現れていない。ドップラー効果は、音波、マイクロ波、またはレーザ光を使用する様々な速度推定システムに広く適用されてきた。しかしながら、人間の歩行速度のような低速は、特に電磁（ＥＭ）波を使用して、ドップラーシフトを使用して推定することが非常に難しい。これは、最大のドップラーシフトが概ねΔｆ=ｖ／ｃｆ０であるためである。ここで、ｆ０は送信信号の搬送波周波数、ｃは光速、ｖは人間の歩行速度である。通常の人間の歩行速度ｖ＝５．０ｋｍ／ｈおよびｆ０＝５．８ＧＨｚでは、Δｆは約２６．８５Ｈｚであり、このわずかな量を高精度で推定することは極めて困難である。加えて、これらの方法は、エルオーエス（line-of-sight: LOS）状態を必要とし、豊かなマルチパス反射を伴う複雑な屋内環境ではうまく機能しない。
ダイレクトパス信号は屋内環境でのマルチパス信号によって妨害され、ダイレクトパス信号の到来時間（またはドップラーシフト）は正確に推定することができないため、屋外環境でうまく機能する既存の速度推定方法の大部分は屋内環境で満足のいく性能を提供できない。そして、研究者は、移動速度を推定するために使用できる最大ドップラー周波数の推定に焦点を当てている。レベルクロッシングレート法、共分散ベースの方法、およびウェーブレットベースの方法など、さまざまな方法が提案されている。しかしながら、これらの推定量で使用される統計値は大きな分散を有し、実際のシナリオでは場所に依存するため、これらの推定量は満足のいく結果を提供しない。例えば、１つの既存の速度推定方法の精度は、移動端末が速い速度（３０ｋｍ／ｈ以上）で移動するか遅い速度（５ｋｍ／ｈ以下）で移動するかを区別することしかできない。
伝統的な歩行者推測航法アルゴリズムに基づく他の種類の屋内速度推定方法は、歩数を検出して歩幅を推定するために加速度計を使用することである。しかしながら、歩行者はしばしば異なる歩幅を持ち、それは同じ速度で最大４０％、同じ人の様々な速度で５０％まで変化する。したがって、キャリブレーションは、異なる個人についての平均歩幅を得るために必要とされるが、これは実際の用途においては非実用的であり、したがって広く採用されていない。現在、オブジェクトの動き検出はますます重要になっている。例えば、セキュリティ及び／又は管理目的のために、ユーザはユーザの家の中のどんなオブジェクトの動きも検出したいかもしれない、スーパーマーケットの管理者はスパーマーケットの中のどんなオブジェクトの動きも検出したいかもしれない、病院の看護師は病院の中の患者のどんな動きも検出したいかもしれない。
オブジェクトの動きを検出するための既存のシステムおよび方法は、十分な精度を提供することができず、しばしば誤ったアラームにつながる。既存のアプローチには、パッシブ赤外線（ＰＩＲ）、アクティブ赤外線（ＡＩＲ）および超音波に基づくものが含まれる。ＰＩＲセンサは、移動する人々が発する熱と背景の熱の差を感知することによって人間の動きを検出するホームセキュリティシステムで最も広く使用されているモーションセンサである。しかしながら、ＰＩＲセンサに基づく解決策は、高温/低温空気流および太陽光のような環境変化に対する感度のために誤った警報を起こしやすい。それらは体の熱の放出をブロックする（断熱全身スーツを着て）ことにより簡単に失敗する。また、その範囲は限られており、エルオーエス（ＬＯＳ）を必要とするため、複数の装置が必要となる。ＡＩＲベースのアプローチでは、ＩＲエミッタはＩＲレシーバによって受信されるIRビームを送信する。ビームが遮断されると、動きが検出される。しかしながら、この種のアプローチは、通常のカメラまたはIR検出機構を用いて容易に見ることができ、範囲も限られ、ＬＯＳが必要である。超音波センサは、超音波を空間に送り、そこから戻ってくる速度を測定することで人間の動きを検出し、周波数変化があれば動きを検出することができる。しかし、このようなアプローチは、無響服を着用することによって失敗する。また、超音波は、家具や箱などの固体物を貫通することができず、検出フィールドに隙間を生じさせる。泥棒によるゆっくりとした動きでも警報が発せられない可能性がある。したがって、オブジェクトの動きを検出するための既存のシステムおよび方法は、完全に満足できるものではない。
本教示は広くオブジェクト追跡に関する。より具体的には、本開示は、屋内環境または都市大都市圏、閉鎖環境、地下環境、駐車場、倉庫、庭、広場、森林、洞窟、谷などのような障壁を有する野外の場所における、豊かな散乱する環境の時間反転技術に基づくオブジェクト追跡およびモニタに関する。
一実施形態では、オブジェクト追跡システムの方法は、プロセッサと、プロセッサと通信可能に結合されたメモリと、メモリに格納された命令のセットを使用して無線マルチパスチャネルの１つ以上の時系列チャネル情報（ＣＩ）を取得することを含む。少なくとも１つ以上の時系列チャネル情報（ＴＳＣＩ）は、場所内の第１の位置にあるタイプ１異種無線デバイスと場所内の第２の位置にあるタイプ２異種無線デバイスとの間で無線マルチパスチャネルを介して送信される無線信号から抽出される。無線マルチパスチャネルは、場所内のオブジェクトの現在の動きによって影響を受ける。方法はまた、オブジェクトの時空間情報を、少なくとも１つのＴＳＣＩ、現在の運動と関連付けられた時間パラメータ、およびオブジェクトの過去の時空間情報（info）のうちの少なくとも１つに基づいて決定する。１つ以上のＴＳＣＩが前処理される。時空間情報（ｉｎｆｏ）は、位置、水平位置、垂直位置、長さ、面積、体積、容量、距離、方向、変位、速さ、速度、加速度、回転速度、回転加速度、歩行周期、運動タイプ、運動分類、運動特性、突然の運動、過渡的な動き、周期的動き、周期的動きの周期、周期的動きの周波数、過渡的な動き、時間傾向、タイムスタンプ、期間、時間窓、スライディング時間窓、履歴、周波数傾向、時空間傾向、時空間変化、イベントおよび／または他の情報などを含む。本方法と関連付けられた計算は、プロセッサ、タイプ１異種無線デバイス、およびタイプ２異種無線デバイスの間で共有される。
オブジェクトの現在の動きの距離は、ＣＩの１つ以上の時系列に基づいて（例えば、オブジェクト追跡サーバ、プロセッサ、タイプ１異種デバイス、タイプ２異種デバイス、および／または別のデバイスによって）決定され得る。オブジェクトの現在の動きの推定方向を取得してもよい。オブジェクトの時空間情報（情報）は、オブジェクトの現在の動きの距離および／または推定された方向に基づいて決定されてもよい。少なくとも１つの類似性スコアが（例えば、オブジェクト追跡サーバ、プロセッサ、タイプ１異種デバイス、タイプ２異種デバイス、および／または別のデバイスによって）計算されてもよい。各類似性スコアは、オブジェクトの現在の動きに関連するＴＳＣＩの一対の時間的に隣接するＣＩ（例えば１１１Ａ、１１１Ｂ）に基づいてよい。特徴的な類似性スコアは、少なくとも１つの類似性スコアに基づいて計算されてもよい。オブジェクトの現在の動きの距離は、特徴的な類似スコアを基準減衰曲線と比較することに基づいて決定されてもよい。オブジェクトの時空間情報は、オブジェクトの現在の動きの距離に基づいて決定されてもよい。
少なくとも１つの最新のＣＩが（例えば、オブジェクト追跡サーバ、プロセッサ、タイプ１異種デバイス、タイプ２異種デバイス、および／または別のデバイスによって）決定され得る。最新のＣＩ（例えば１１１Ａ、１１１Ｂ）はそれぞれ、１つ以上のＴＳＣＩのうちの１つにおいて最新のものであり得る。１つ以上の時系列の類似性スコアが計算されてもよい。各類似性スコアは、類似性スコアに関連する特定の時系列の２つのＣＩに基づいて計算されてもよい。２つのＣＩは、オブジェクトの現在の動きに関連付けられた時間窓内の、最新のＣＩ及び時間的に隣接するＣＩであってよい。少なくとも１つを曲線を計算することができる。各曲線は、時系列の類似のスコアに基づいて決定されてよい。曲線の少なくとも１つの特徴点が識別されてよい。オブジェクトの時空間情報は、少なくとも１つの特徴点に基づいて決定／計算されてよい。少なくとも１つの特徴点は、局所的最大値、局所的最小値、第１の局所的最大値、第２の局所的最大値、別の局所的最大値、第１の局所的最小値、第２の局所的最小値、別の局所的最小値、ゼロ交差、第１のゼロ交差、第２のゼロ交差、他のゼロ交差、第２の特徴点と所定の関係を有する点、および／または他の特徴点を含んでよい。少なくとも１つの第２の類似性スコアが（例えば、オブジェクト追跡サーバ、プロセッサ、タイプ１異種デバイス、タイプ２異種デバイス、および／または別のデバイスによって）計算されてもよい。各類似性スコアは、初期ＣＩおよび現在のＣＩに基づいて計算されてよい。初期ＣＩは現在の動きの開始時に時間的に近くてよい。現在のＣＩは現在の動きの終了時または現時点に時間的に近くてよい。特徴的な第２の類似性スコアは、少なくとも１つの第２の類似性スコアに基づいて決定されてもよい。特徴的な第２の類似性スコアが閾値よりも大きい（または「以上」、「未満」、または「以下」）場合、オブジェクトは静止していると判定され、そして現在の動きは、ゼロの動き、小さな動き、および／または無視できるほど小さな動きであると判定され得る。
オブジェクトの現在の移動の前の初期時間におけるオブジェクトの初期時空間情報が、オブジェクトの以前の移動に関連する他のＣＩの他の時系列に基づいて（例えば、オブジェクト追跡サーバ、プロセッサ、タイプ１異種デバイス、タイプ２異種デバイス、および／またはによって）決定され得る。別のＣＩの別の時系列は、場所内の第３の位置（例えば４０８）にある第２のタイプ１異種デバイスと場所内の第４の位置にある第２のタイプ２異種デバイスとの間で無線マルチパスチャネルを通じて送信される第２無線信号から抽出され得る。無線マルチパスチャネルは、オブジェクトの以前の動きによって影響を受け得る。初期時におけるオブジェクトの初期時空間情報は、第２のタイプ１異種デバイスおよび／または第２のタイプ２異種デバイスに関連する既知の場所であると決定され得る。期間が決定されてもよい。その期間内で、他のＣＩの他の時系列の本質的に全て（例えば少数を除く全て、又は異常値を除く全て）の対応するＣＩは第１の適応的閾値より大きく、第２の適応的閾値よりも小さくてよい。初期時間は、期間の特徴点として決定されてもよい。オブジェクトの時空間情報は、初期のオブジェクトの初期時空間情報に基づいて決定されてもよい。期間の特徴点は、次の点であってよい。それは、中点、四分位点、百分位数点、始点、終点、他のＣＩ（例えば１１１Ａ、１１１Ｂ）が極大となる点、他のＣＩが局所的に最小となる点、他のＣＩが特定の特性を有する点、および／または他の特性点である。
オブジェクトの以前の移動中の初期時点では、第２のタイプ１異種デバイスおよび第２のタイプ２異種デバイスのうちの１つは、オブジェクトの前回の移動中にオブジェクトに空間的に接近し、オブジェクトと共に移動し得る。初期時点では、第２のタイプ１異種デバイスおよび第２のタイプ２異種デバイスのうちの他方は指向性アンテナを有し得る。初期時点におけるオブジェクトの初期時空間情報は、（例えば、オブジェクト追跡サーバ、プロセッサ、タイプ１異種デバイス、タイプ２異種デバイス、および／または別のデバイスによって）、指向性アンテナを有する第２のタイプ１異種デバイスおよび第２のタイプ２異種デバイスの他方と関連付けられる既知の位置であると決定され得る。
第１のタイプ１異種デバイスおよび第１のタイプ２異種デバイスのうちの１つは、オブジェクトの移動中にオブジェクトに空間的に接近し、オブジェクトと共に移動し得る。第１のタイプ１異種デバイスおよび第１のタイプ２異種デバイスのうちの一方は、ネットワークサーバと通信可能に結合されてもよく、および／またはネットワークサーバと通信可能に結合され得るローカルデバイスと通信可能に結合されてもよい。ローカルデバイスは、スマートフォン、スマートデバイス、スマートスピーカー、スマートウォッチ、スマートメガネ、スマートクロック、スマートテレビ、スマートオーブン、スマート冷蔵庫、スマートエアコン、スマートデバイス、椅子、スマートテーブル、スマートアクセサリー、スマートユーティリティ、スマートアプライアンス、スマートマシーン、スマートビークル、モノのインターネット（IoT）デバイス、インターネット対応デバイス、コンピューター、ポータブルコンピューター、タブレット、スマートハウス、スマートオフィス、スマートビル、スマートパーキング、スマートシステム、および／または他の装置であり得る。
１つ以上の時系列の電力情報（ＰＩ）は、１つ以上のＴＳＣＩに基づいて（たとえば、オブジェクト追跡サーバ、プロセッサ、タイプ１異種デバイス、タイプ２異種デバイス、および／または別のデバイスによって）計算され得る。各ＰＩはＣＩと関連付けられてもよい。ＰＩは複素数であってもよい。電力情報（ＰＩ）の実部は、ＣＩの大きさ、大きさの二乗、位相、実部、虚部、および他の関数に基づいて計算されてよい。１つ以上の時系列のＰＩの第１の関数が計算され得る。第１の関数は、自己相関関数、自己相関関数の二乗、自己共分散関数、自己共分散関数の二乗、内積、自己相関的な関数、および／または共分散のような関数の演算を含んでよい。
他の実施形態では、オブジェクト追跡サーバは、プロセッサ、プロセッサと通信可能に接続されたメモリ及びメモリに格納された１組の命令を含む。プロセッサによってメモリを用いて命令セットが実行されると、オブジェクト追跡サーバは無線マルチパスの１つ以上のＴＳＣＩを取得するように構成される。少なくとも１つのＴＳＣＩは、場所内の第１の位置にあるタイプ１異種無線デバイスと場所内の第２の位置（例えば４０６）にあるタイプ２異種無線デバイスとの間で無線マルチパスチャネルを介して送信される無線信号から抽出される。無線マルチパスチャネルは、場所内のオブジェクトの現在の動きによって影響を受ける。オブジェクト追跡サーバは、少なくとも１つのＴＳＣＩ、現在の運動と関連付けられた時間パラメータ、およびオブジェクトの過去の時空間情報（info）のうちの少なくとも１つに基づいて決定する。１つ以上のＴＳＣＩが前処理される。
更なる他の実施形態では、オブジェクト追跡サーバのシステムは、場所内の第１の位置のタイプ１異種無線出デバイス、無線マルチパスチャネルを介してタイプ１異種デバイスと接続可能な場所内の第２の位置（例えば４０６）のタイプ２異種無線デバイス、および／またはオブジェクト追跡サーバを含む。オブジェクト追跡サーバは、プロセッサ、プロセッサと通信可能に接続されたメモリ及びメモリに格納された１組の命令を備える。
オブジェクト追跡サーバ、タイプ１異種デバイスおよびタイプ２異種デバイスは、無線マルチパスチャネルの少なくとも１つのＴＳＣＩを取得するように構成される。少なくとも１つのＴＳＣＩは、タイプ１異種デバイスとタイプ２異種無線デバイスとの間で無線マルチパスチャネルを介して送信される無線信号から抽出される。無線マルチパスチャネルは、場所内のオブジェクトの現在の動きによって影響を受ける。オブジェクトの時空間情報は、少なくとも１つのＴＳＣＩ、現在の運動と関連付けられた時間パラメータ、および／またはオブジェクトの過去の時空間情報に基づいて決定される。
他のコンセプトは、十分な散乱環境における時間反転技術に基づくオブジェクト追跡および監視（周期的なオブジェクトの動き監視を含む）に関する本教示を実施するためのソフトウェアに関する。他の新規な特徴は、以下の記述に部分的に記載されており、そして部分的に下記および添付の図面を検討することにより当業者に明らかになるであろうし、あるいは実施例の製造または操作により知ることができる。 本教示の新規な特徴は、以下に考察される詳細な実施例に記載される方法論、手段および組み合わせの様々な態様の実践または使用によって実現され達成され得る。
本教示は一般にオブジェクトの動き検出及びモニタに関する。より具体的には、本開示は、屋内環境または都市大都市圏、閉鎖環境、地下環境、駐車場、倉庫、庭、広場、森林、洞窟、谷などのような障壁を有する野外の場所における、豊かな散乱する環境において無線ＣＩに基づくオブジェクト追跡およびモニタに関する。
一実施形態では、少なくとも１つのプロセッサと、場所内でのオブジェクトの動きを検出するための命令セットが中に記憶されたメモリとを有するシステムが開示されている。本システムは、場所内でのオブジェクトの動きにより衝撃を受けた無線マルチパスチャネルを介して無線信号を送信するように構成された第１の無線デバイスと、第１の無線デバイスとは異なるタイプであって、場所内でのオブジェクトの動きにより衝撃を受けた無線マルチパスチャネルを介して無線信号を受信し、かつ無線信号に基づいて無線マルチパスチャネルのＴＳＣＩを得るように構成された第２の無線デバイスと、オブジェクトの動きに関する動き情報に基づいて場所内でのオブジェクトの動きを検出するように構成された動き検出器と、を備え、第１および第２の無線デバイスと関連付けられた動き情報は、動き検出器および第２の無線デバイスのうちの少なくとも１つにより、ＴＳＣＩに基づいて計算される。
さらに別の実施携帯では、無線モニタリングシステムの方法が開示される。無線モニタシステムは、少なくとも１つの非同期異種タイプ１無線デバイスと、少なくとも１つの非同期異種タイプ２無線デバイスと、を備える。無線モニタシステムは、タイプ１およびタイプ２デバイスの少なくとも１つの対を備える。各対は、少なくとも１つの非同期異種タイプ１無線デバイスのうちの１つと、少なくとも１つの非同期異種タイプ２無線デバイスのうちの１つと、を備える。少なくとも１つのタイプ２無線デバイスの各々は、タイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対にある。各タイプ２無線デバイスは、タイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対を介して、少なくとも１つのそれぞれの特定のタイプ１無線デバイスと関連付けられている。各タイプ２無線デバイスについて、ならびにタイプ２無線デバイスを備えるタイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対の各々について、本方法は、場所内でのオブジェクトの動きにより衝撃を受けた無線マルチパスチャネルの少なくとも１つのそれぞれのＴＳＣＩを非同期的に得ることを含み、タイプ１およびタイプ２無線デバイスの特定の対と関連付けられた少なくとも１つのそれぞれのＴＳＣＩ（ＴＳＣＩ）は、それぞれの非同期異種無線信号から非同期的に抽出され、それぞれの非同期異種無線信号は、少なくとも１つのそれぞれの特定のタイプ１無線デバイスのうちのそれぞれ１つから、タイプ１無線デバイスのそれぞれの第１の異種プロセッサ、それぞれの第１の異種メモリ、およびそれぞれの第１の異種命令セットを使用して、少なくとも１つの非同期異種タイプ２無線デバイスに、無線マルチパスチャネルを介して非同期的に送信される。本方法は、タイプ３デバイスの第３のプロセッサ、第３のメモリ、および第３の命令セットを使用して、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられたＴＳＣＩに基づいて、場所内でのオブジェクトの動きを個別にかつ非同期的にモニタすることと、特定のタイプ２無線デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられたＴＳＣＩに基づいて、オブジェクトの動きを連帯的にかつ非同期的にモニタすることと、少なくとも１つのそれぞれの特定のタイプ１無線デバイスのうちの１つと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられたＴＳＣＩに基づいて、オブジェクトの動きを連帯的にかつ非同期的にモニタすることと、タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられたＴＳＣＩに基づいて、オブジェクトの動きを全体的にかつ非同期的にモニタすることと、のうちの少なくとも１つを更に含む。
更に別の実施例では、無線モニタシステムの特定の非同期異種タイプ２デバイスが開示されている。無線モニタシステムは、少なくとも１つの非同期異種タイプ１デバイスと、少なくとも１つの非同期異種タイプ２デバイスと、を備える。無線モニタシステムはタイプ１デバイスとタイプ２デバイスの少なくとも１つの対を備え、各対は少なくとも１つのタイプ１デバイスの１つと少なくとも１つのタイプ２デバイスの１つを備える。特定の非同期異種タイプ２デバイスは、無線モニタシステムのタイプ１およびタイプ２デバイスの少なくとも１つの特定の対である。特定のタイプ２デバイスは、タイプ１およびタイプ２デバイスの少なくとも１つの特定のペアリングを介して、少なくとも１つの特定のタイプ１デバイスとグループ化される。特定の非同期異種タイプ２デバイスは、少なくとも１つの非同期異種無線信号を非同期的に受信するための無線回路であって、各非同期異種無線信号は、少なくとも１つの特定のタイプ１デバイスのうちの１つによって、タイプ１デバイスのそれぞれの第１の異種プロセッサ、それぞれの第１の異種メモリ、およびそれぞれの第１の異種命令セットを使用して、少なくとも１つの非同期異種タイプ２デバイスにサイト内の質量の運動により影響を受けた無線マルチパスチャネルを介して、非同期的に送信される、無線回路と、無線回路と通信可能に結合された第２の異種プロセッサと、第２の異種プロセッサと通信可能に結合された第２の異種メモリと、第２の異種メモリ中に記憶された第２の異種命令セットであって、実行されると、第２の異種プロセッサに、タイプ１およびタイプ２デバイスの少なくとも１つの特定のペアリングの各々について、無線マルチパスチャネルの少なくとも１つのそれぞれの一連のＣＩ（ＴＳＣＩ）を非同期的に保護させ、タイプ１およびタイプ２デバイスの特定のペアリングと関連付けられた少なくとも１つのそれぞれのＴＳＣＩは、無線回路によって非同期的に受信されたそれぞれの非同期異種無線信号から非同期的に導出されている、第２の異種メモリ中に記憶された第２の異種命令セットと、を備え、サイト内の質量の運動は、タイプ３デバイスの第３のプロセッサ、第３のメモリ、および第３の命令セットを使用して、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスのペアリングと関連付けられたＴＳＣＩに基づいて、個別にかつ非同期的にモニタされる、質量の運動は、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの任意のペアリングと関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的にモニタされる、質量の運動は、少なくとも１つの特定のタイプ１デバイスのうちの１つを含むタイプ１およびタイプ２デバイスの任意のペアリングと関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的にモニタされる、ならびに質量の運動は、タイプ１およびタイプ２デバイスの任意のペアリングと関連付けられたＴＳＣＩに基づいて、全体的にかつ非同期的にモニタされる、のうちの少なくとも１つが含まれる。
更に別の実施例では、無線モニタシステムの特定の非同期異種タイプ１デバイスが開示されている。無線モニタシステムは、少なくとも１つの非同期異種タイプ１デバイスと、少なくとも１つの非同期異種タイプ２デバイスと、を備える。無線モニタシステムはタイプ１デバイスとタイプ２デバイスの少なくとも１つの組み合わせを備え、各組み合わせは少なくとも１つのタイプ１デバイスのうちの１つと少なくとも１つのタイプ２デバイスのうちの１つを備える。特定の非同期異種タイプ１デバイスは、無線モニタシステムのタイプ１およびタイプ２デバイスの少なくとも１つの特定の組み合わせである。特定のタイプ１デバイスは、タイプ１およびタイプ２デバイスの少なくとも１つの特定の組み合わせを介して、少なくとも１つの特定のタイプ２デバイスと対にされる。特定の非同期異種タイプ１デバイスは、無線回路と、無線回路と通信可能に結合された第１のプロセッサと、第１のプロセッサと通信可能に結合された第１のメモリと、第１のメモリ中に記憶された第１の命令セットと、を備える。第１の命令セットは、実行されると、第１のプロセッサに、無線回路を使用して、非同期異種無線信号を特定のタイプ１デバイスから少なくとも１つの特定のタイプ２デバイスに、サイト内の物質の動きにより影響を受けた無線マルチパスチャネルを介して非同期的に送信させ、少なくとも１つの特定のタイプ２デバイスの各々について、無線回路によって送信された非同期異種無線信号から収集された無線マルチパスチャネルの少なくとも１つの一連のＣＩ（ＴＳＣＩ）は、タイプ２デバイスの第２のプロセッサ、第２のメモリ、および第２の命令セットを使用して、タイプ２デバイスによってフェッチされる。サイト内の物質の動きは、タイプ３デバイスの第３のプロセッサ、第３のメモリ、および第３の命令セットを使用して、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの組み合わせと関連付けられたＴＳＣＩに基づいて、個別にかつ非同期的に追跡される、物質の動きは、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的に追跡される、物質の動きは、少なくとも１つの特定のタイプ２デバイスのうちの１つを含むタイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的に追跡される、ならびに物質の動きは、タイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられたＴＳＣＩに基づいて、全体的にかつ非同期的に追跡される、のうちの少なくとも１つが含まれる。
更に別の実施例では、無線モニタシステムの特定の非同期異種タイプ３デバイスが開示される。無線モニタシステムは、少なくとも１つの非同期異種タイプ１デバイスと、少なくとも１つの非同期異種タイプ２デバイスと、を備える。無線モニタシステムは、タイプ１およびタイプ２デバイスの少なくとも１つのダブレットを備え、各ダブレットは、少なくとも１つの非同期異種タイプ１デバイスのうちの１つと、少なくとも１つの非同期異種タイプ２デバイスのうちの１つと、を備える。特定の非同期異種タイプ３は、少なくとも１つの非同期異種タイプ１デバイスおよび少なくとも１つの非同期異種タイプ２デバイスのうちの少なくとも１つと通信可能に結合された第３のプロセッサと、第３のプロセッサと通信可能に結合された第３のメモリと、第３のメモリ中に記憶された第３の命令セットと、を備える。第３の命令セットは、実行されると、第３のプロセッサに、各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのダブレットの各々について、タイプ２デバイスのそれぞれの第２のプロセッサ、それぞれの第２のメモリ、およびそれぞれの第２の命令セットを使用して、タイプ２デバイスによって非同期的に受信されたある場所でのアイテムの動きにより影響を受けた、無線マルチパスチャネルの少なくとも１つのそれぞれのＴＳＣＩ（ＴＳＣＩ）を非同期的に受信させ、ここで、タイプ１およびタイプ２デバイスのそれぞれのダブレットと関連付けられた少なくとも１つのそれぞれのＴＳＣＩは、それぞれのダブレットのそれぞれのタイプ１デバイスから、それぞれのタイプ１デバイスのそれぞれの第１のプロセッサ、それぞれの第１のメモリ、およびそれぞれの第１の命令セットを使用して、少なくとも１つの非同期異種タイプ２デバイスに、無線マルチパスチャネルを介して送信されたそれぞれの非同期異種無線信号から非同期的に得られ、ならびに第３のプロセッサに、特定のタイプ２デバイスおよび特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの特定のダブレットと関連付けられたＴＳＣＩに基づいて、ある場所でのアイテムの動きを個別にかつ非同期的に追跡することと、特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つのダブレットのいずれかと関連付けられたＴＳＣＩに基づいて、アイテムの動きを連帯的にかつ非同期的に追跡することと、特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つのダブレットのいずれかと関連付けられたＴＳＣＩに基づいて、アイテムの動きを連帯的にかつ非同期的に追跡することと、タイプ１およびタイプ２デバイスの少なくとも１つのダブレットのいずれかと関連付けられたＴＳＣＩに基づいて、アイテムの動きを全体的にかつ非同期的に追跡することと、のうちの少なくとも１つを行わせる。
本教示の一実施形態に従う、無線信号（例えば１４０）を使用してオブジェクトの第１の位置を決定するための例示的な環境を示す図。
本教示の一実施形態に従う、少なくとも１つのアンテナを有する無線送信機（例えば１０８）の１つのアンテナと、少なくとも１つのアンテナを有する無線受信機（例えば１０９）の１つのアンテナとによってそれぞれ形成される複数のリンクを示す図。
一実施形態に従う、初期時間を決定するために使用される少なくとも１つの時間インスタンス（たとえば１１６）と、初期位置を決定するために使用される少なくとも１つの関連ＣＩ（たとえば１１１Ａ、１１１Ｂ）とに関連付けられる期間を示す図。
一実施形態に従う、決定される第１の装置の初期方向、初期位置および初期時間（例えば１１６）で、９０度未満の角度で第２の装置と第３の装置との間を移動する第１の装置を示す図。
一実施形態による、決定される第１の装置の初期方向、初期位置および初期時間（例えば１１６）で、９０度の角度で第２の装置と第３の装置との間を移動する第１の装置を示す図。
一実施形態による、決定される第１の装置の初期方向、初期位置および初期時間（例えば１１６）で、９０度を超える角度で第２の装置と第３の装置との間を移動する第１の装置を示す図。
本発明の一実施形態による、オブジェクト追跡のための例示的な方法を示す。
本発明の一実施形態による時空間情報の例を示す。
本教示の一実施形態による、時空間情報に基づいて実行されるタスクの例を示す。
本発明の一実施形態による、オブジェクト追跡のための他の例示的な方法を示す。
本発明の一実施形態による、場所における時空間情報の例示的な提示を示す。また、本発明の一実施形態による、場所内の時空間情報に基づいてオブジェクトの動きが検出される例示的なシナリオを示す。
本発明の一実施形態による、速度推定に基づくアンテナマッチングの例示。
本発明の一実施形態による、速度推定に基づくアンテナマッチングのための方法を示すフローチャート。
本発明の一実施形態による、速度推定に基づくアンテナマッチングの例示を示す。
速度推定に基づくアンテナマッチングの例示的なフローチャートを示す。
本発明の一実施形態による、動き検出のための例示的な方法のフローチャートを示す。
本発明の一実施形態による、第１の無線デバイスの例示的なブロック図を示す。
本発明の一実施形態による、第１の無線デバイスによって実行される例示的な方法のフローチャートを示す。
本発明の一実施形態による、第２の無線デバイスの例示的なブロック図を示す。
本発明の一実施形態による、第２の無線デバイスによって実行される例示的な方法のフローチャートを示す。
本発明の一実施形態による、例示的な動き検出器を示す。
本発明の一実施形態による、例示的な動き検出アルゴリズムを示す。
本発明の一実施形態による、オブジェクトの動き検出のための例示的方法を示す。
本発明の一実施形態による、オブジェクトの運動位置特定方法のための例示的なフローチャートを示す。
オリジンサテライトの例示的なトポロジを示す図。本発明の一実施形態によれば、１つのダミーオリジンと１つのダミーボットがサテライトペアとして振る舞い、複数のトラッカーボットが同一の所定のＭＡＣアドレスをリッスンする。
オリジンサテライトの例示的なトポロジを示す図。本発明の一実施形態によれば、１つのダミーボットがサテライトのスタンドアロン装置として振る舞い、複数のトラッカーボットがグローバルにユニークな同一のＭＡＣアドレスをリッスンする。
本発明の一実施形態による、屋内の移動オブジェクトの位置情報を推定する例示的なフローを示す図。
本発明の一実施形態による、パーティクルフィルタベースの手法を使用して室内の移動オブジェクトの位置情報を推定する例示的なフローを示す図。
本発明の一実施形態による、複数のオリジンサテライトの間のハンドオーバーの例示的なフローを示す図。
本発明の一実施形態による、複数のオリジンサテライトの間のハンドオーバーアルゴリズムの例示的なフローを示す図。
本発明の一実施形態による、呼吸信号の抽出および最大化のための例示的なスキームを示す。
本発明の一実施形態による、実世界の測定に基づく例示的な呼吸信号を示す。
本発明の一実施形態による、呼吸信号の抽出および最大化のための開示されたスキームの利益を示す。
、 本発明の一実施形態による、ウェイク状態とスリープ状態との間の比較結果を示す。
、 本発明の一実施形態による、異なる睡眠段階の呼吸速度パフォーマンスを示す。
本発明の一実施形態による、睡眠モニタリングのための例示的なネットワーク環境を示す。
本発明の一実施形態による、睡眠モニタリングのための例示的なアルゴリズム設計を示す。
本発明の一実施形態による、座席占有検出および人数カウントのための自動車の例示的な室内鳥瞰図を示す。
、 、 、 本発明の一実施形態による、自動車内の様々な座席占有状況によるＣＩの変化を示す。
以下の詳細な説明では、関連する教示の完全な理解を提供するために、例として多数の具体的な詳細が記載されている。しかしながら、本教示がそのような詳細なしで実施されてもよいことは当業者に明らかである。他の例では、本教示の態様を不必要に曖昧にすることを避けるために、周知の方法、手順、構成要素、および／または回路が詳細なしに比較的高レベルで説明される。
システム／内部接続
一実施形態では、本教示は、無線モニタシステムの方法、装置、デバイス、システム、および／またはソフトウェア（方法／装置／デバイス／システム／ソフトウェア）について開示している。無線マルチパスチャネル（チャネル）の時系列のチャネル情報（ＣＩ）は、プロセッサ、プロセッサと通信可能に結合されたメモリ、およびメモリ中に記憶された命令セットを使用して得ることができる。時系列のＣＩ（time series of CＩ：ＴＳＣＩ）は、場所内でチャネルを通じてタイプ１（タイプ１）異種無線デバイスとタイプ２（タイプ２）異種無線デバイスとの間で送信される無線信号（信号）から抽出され得る。チャネルは、場所内でのオブジェクトの動きにより影響を受ける場合がある。オブジェクトのおよび／またはオブジェクトの動きの特性および／または時空間情報（例えば、動き情報）は、ＴＳＣＩに基づいてモニタされ得る。タスクは、特性（characteristics）および／または時空間情報（例えば、動き情報）に基づいて実施され得る。タスクに関連する提示（presentation）は、ユーザのデバイス上のユーザインターフェース（ＵＩ）で生成され得る。ＴＳＣＩは、前処理され得る。
タイプ１デバイスは、少なくとも１つの異種無線送信器を含み得る。タイプ２デバイスは、少なくとも１つの異種無線受信器を含み得る。タイプ１デバイスおよびタイプ２デバイスは、同一のデバイスであり得る。任意のデバイスは、プロセッサと、プロセッサと通信可能に結合されたメモリと、プロセッサによって実行するようにメモリ中に記憶された命令セットと、を有することができる。いくつかのプロセッサ、メモリ、および命令セットは、協調し得る。同一のタイプ２デバイス（または複数のタイプ２デバイス）と相互作用する複数のタイプ１デバイスが存在する場合があり、および／または同一のタイプ１デバイスと相互作用する複数のタイプ２デバイスが存在する場合がある。複数のタイプ１デバイス／タイプ２デバイスは、同一の／異なる窓の幅／サイズおよび／またはタイムシフトと同期および／または非同期であってもよい。複数のタイプ１デバイスによって送られた無線信号は、同期および／または同時存在し得る。複数のタイプ１デバイス／タイプ２デバイスは、独立しておよび／または協同で動作してもよい。タイプ１および／またはタイプ２デバイスは、異種ハードウェア回路（例えば、無線信号を生成／受信すること、受信した信号からＣＩを抽出すること、またはＣＩを利用可能にすることが可能な異種チップまたは異種ＩＣ）を有し／を備え／であり得る。これらは、同一または異なるサーバ（例えば、クラウドサーバ、エッジサーバ、ローカルサーバ）に通信可能に結合され得る。あるデバイスの動作は、動作、状態、内部状態、ストレージ、プロセッサ、メモリ出力、物理的な場所、計算リソース、別のデバイスのネットワークに基づき得る。様々なデバイスは、直接および／または別のデバイス／サーバ／クラウドサーバを介して、通信することができる。デバイスは、関連する設定により１人以上のユーザと関連付けることができる。設定は、一度選択されるか、事前にプログラムされるか、および／または時間の経過と共に変更され得る。１つまたは複数のタイプ１デバイスが１つまたは複数のタイプ２デバイスと相互作用する場合、任意の処理（例えば、時間領域、周波数領域）は、異なるデバイスに対して異なる場合がある。処理は、位置、向き、方向、役割、ユーザ関連特性、設定、構成、利用可能なリソース、利用可能な帯域幅、ネットワーク接続、ハードウェア、ソフトウェア、プロセッサ、コプロセッサ、メモリ、バッテリ寿命、利用可能電力、アンテナ、アンテナタイプ、アンテナの指向性／単指向性、電力設定、および／またはデバイスの他のパラメータ／特性に基づくことができる。
無線受信器（例えば、タイプ２デバイス）は、無線送信器（例えば、タイプ１デバイス）から信号および／または別の信号を受信することができる。無線受信器は、別の無線送信器（例えば、第２のタイプ１デバイス）から別の信号を受信することができる。無線送信器は、信号および／または別の信号を別の無線受信器（例えば、第２のタイプ２デバイス）に送信することができる。無線送信器、無線受信器、別の無線受信器、および／または別の無線送信器は、オブジェクトおよび／または別のオブジェクトと共に移動することができる。別のオブジェクトは、追跡され得る。別のオブジェクトがついせきされ得る。
タイプ１および／またはタイプ２デバイスは、少なくとも２つのタイプ２および／またはタイプ１デバイスと無線で結合することが可能であり得る。タイプ１デバイスは、場所内で別の場所でタイプ２デバイスから第２のタイプ２デバイスへの無線カップリングを切り換え／確立させることができる。同様に、タイプ２デバイスは、場所内で更に別の場所でタイプ１デバイスから第２のタイプ１デバイスへの無線カップリングを切り換え／確立させることができる。切り換えは、サーバ、プロセッサ、タイプ１デバイス、タイプ２デバイス、および／または別のデバイスによって制御することができる。切り換えの前後で使用される無線は、異なる場合がある。第２の無線信号（第２の信号）は、チャネルを介して、タイプ１デバイスと第２のタイプ２デバイスとの間（またはタイプ２デバイスと第２のタイプ１デバイスとの間）で送信させることができる。第２の信号から抽出されたチャネルの第２のＴＳＣＩを得ることができる。第２の信号は第１の信号であり得る。オブジェクトの特徴、時空間情報、および／または別の量は、第２のＴＳＣＩに基づいてモニタすることができる。タイプ１デバイスおよびタイプ２デバイスは、同一であり得る。
信号および／または別の信号には、データが埋め込まれていてもよい。信号は、一連のプローブ信号であり得る。プローブ信号には、データが埋め込まれていてもよい。プローブ信号は、データ信号で置換され得る。無線受信器、無線送信器、別の無線受信器、および／または別の無線送信器は、少なくとも１つのプロセッサ、それぞれのプロセッサと通信可能に結合されたメモリ、および／またはメモリ中に記憶されたそれぞれの命令セットと関連付けることができ、この命令セットは、実行されると、プロセッサに、オブジェクトの時空間情報（例えば、動き情報）、初期時空間情報、初期時間、方向、瞬間の場所、瞬間の角度、および／または速さを決めるのに必要な任意のおよび／またはすべてのステップを実施させる。プロセッサ、メモリ、および／または、命令セットは、タイプ１異種無線送受信器、少なくとも１つのタイプ２異種無線送受信器のうちの１つ、オブジェクト、オブジェクトと関連付けられたデバイス、場所と関連付けられた別のデバイス、クラウドサーバ、および／または別のサーバと関連付けることができる。
タイプ１デバイスは、場所内でのチャネルを介して、少なくとも１つのタイプ２デバイス（単数または複数）に、ブロードキャスト方式で信号を送信することができる。信号は、タイプ１デバイスが任意のタイプ２デバイスと無線接続（接続）を確立することなく送信される。タイプ１デバイスは、２つ以上のタイプ２デバイスで共通の特定の媒体アクセス制御（media access control：ＭＡＣ）アドレスに送信することができる。各タイプ２デバイスは、そのＭＡＣアドレスを特定のＭＡＣアドレスに調整することができる。
特定のＭＡＣアドレスは、場所と関連付けられ得る。関連付けは、関連付けサーバの関連付けテーブルに記録され得る。場所は、特定のＭＡＣアドレス、一連のプローブ信号、および／またはプローブ信号から抽出された少なくとも１つのＴＳＣＩに基づいて、タイプ１デバイス、タイプ２デバイス、および／または別のデバイスによって識別することができる。例えば、タイプ２デバイスは、（例えば、別の場所から）場所内の新しい場所に移動することができる。タイプ１デバイスは、タイプ１およびタイプ２デバイスが互いに認識しないように、場所内に新たにセットアップすることができる。セットアップ中に、タイプ１デバイスは、特定のＭＡＣアドレスに一連のプローブ信号を送信するように、（例えば、ダミー受信器を使用して、ハードウェアｐｉｎ設定／接続を使用して、記憶された設定を使用して、ローカル設定を使用して、リモート設定を使用して、ダウンロードした設定を使用して、またはサーバを使用して）命令／誘導／原因と／制御、され得る。電源投入すると、タイプ２デバイスは、様々な場所での放送に使用され得る（例えば、指定ソース、サーバ、クラウドサーバ中に記憶された）ＭＡＣアドレス（例えば、家、オフィス、囲い地、フロア、高層ビル、ストア、空港、モール、スタジアム、ホール、駅、地下鉄、ロット、エリア、ゾーン、領域、地区、市、国、大陸などの様々な場所で使用される様々なＭＡＣアドレス）のテーブルに従って、プローブ信号をスキャンし得る。タイプ２デバイスが特定のＭＡＣアドレスに送信されたプローブ信号を検出する場合、タイプ２デバイスは、テーブルを使用して、ＭＡＣアドレスに基づいて場所を識別することができる。場所内でのタイプ２デバイスの場所は、特定のＭＡＣアドレス、一連のプローブ信号、および／またはプローブ信号からタイプ２デバイスによって得られた少なくとも１つのＴＳＣＩに基づいて計算することができる。計算は、タイプ２デバイスによって実施することができる。
特定のＭＡＣアドレスは、時間と共に変更され得る。タイムテーブル、ルール、ポリシー、モード、条件、状況、および／または変更に従って、変更され得る。特定のＭＡＣアドレスは、ＭＡＣアドレスの利用可能性、事前選択リスト、衝突パターン、トラフィックパターン、タイプ１デバイスと別のデバイスとの間のデータトラフィック、有効帯域幅、ランダム選択、および／またはＭＡＣアドレス切り換え計画に基づいて選択され得る。特定のＭＡＣアドレスは、第２の無線デバイス（例えば、ダミー受信器、またはダミー受信器として機能する受信器）のＭＡＣアドレスであり得る。タイプ１デバイスは、チャネルのセットから選択されたチャネルでプローブ信号を送信することができる。選択されたチャネルの少なくとも１つのＣＩは、選択されたチャネルで送信されたプローブ信号からそれぞれのタイプ２デバイスによって得られ得る。選択されたチャネルは、時間と共に変更され得る。変更は、タイムテーブル、ルール、ポリシー、モード、条件、状況、および／または変更に従い得る。選択されたチャネルは、チャネルの利用可能性、ランダム選択、事前選択リスト、同一チャネル干渉、チャネル間干渉、チャネルトラフィックパターン、タイプ１デバイスと別のデバイスとの間のデータトラフィック、チャネルと関連付けられた有効帯域幅、セキュリティ基準、チャネル切り換え計画、基準、および／または考察に基づいて選択され得る。特定のＭＡＣアドレスおよび／または選択されたチャネルの情報は、ネットワークを介して、タイプ１デバイスとサーバとの間で通信され得る。特定のＭＡＣアドレスおよび／または選択されたチャネルの情報はまた、別のネットワークを介して、タイプ２デバイスとサーバとの間で通信され得る。タイプ２デバイスは、特定のＭＡＣアドレスおよび／または選択されたチャネルの情報を別のタイプ２デバイスに（例えば、メッシュネットワーク、Ｂｌｕｅｔｏｏｔｈ、ＷｉＦｉなどを介して）通信することができる。特定のＭＡＣアドレスおよび／または選択されたチャネルは、サーバによって選択され得る。特定のＭＡＣアドレスおよび／または選択されたチャネルは、タイプ１デバイス、タイプ２デバイス、および／またはサーバによってアナウンスチャネルにて信号で送られ得る。通信前に、任意の情報を前処理することができる。
タイプ１デバイスと別の無線デバイスとの間の無線接続は、（例えば、信号ハンドシェイクを使用して）確立され得る。タイプ１デバイスは、第１のハンドシェイク信号（例えば、サウンディングフレーム、プローブ信号、送信要求ＲＴＳ）を別のデバイスに送信し得る。別のデバイスは、第２のハンドシェイク信号（例えば、命令、または送信可ＣＴＳ）をタイプ１デバイスに送ることと、タイプ１デバイスをトリガして、任意のタイプ２デバイスとの接続を確立することなく、信号（例えば、一連のプローブ信号）をブロードキャスト方式で複数のタイプ２デバイスに送信することと、によって返信することができる。第２のハンドシェイク信号は、第１のハンドシェイク信号に対する応答または肯定応答（例えば、ＡＣＫ）であり得る。第２のハンドシェイク信号は、場所の情報および／またはタイプ１デバイスの情報を有するデータを含み得る。
別のデバイスは、タイプ１デバイスと無線接続を確立する目的、第１の信号を受信する目的、および／または第２の信号を送信する目的（例えば、主要目的、副次目的）を有するダミーデバイスであり得る。別のデバイスは、タイプ１デバイスに物理的に取り付けられ得る。別の実施例では、別のデバイスは、第３のハンドシェイク信号をタイプ１デバイスに送り、タイプ１デバイスをトリガして、任意のタイプ２デバイスとの接続を確立することなく、信号（例えば、一連のプローブ信号）を複数のタイプ２デバイスにブロードキャストし得る。タイプ１デバイスは、第４のハンドシェイク信号を別のデバイスに送信することによって、第３の特別信号に返信することができる。別のデバイスを使用して、２つ以上のタイプ１デバイスをトリガして、ブロードキャストすることができる。トリガは、順次、部分的に順次、部分的に並列、または完全に並列であり得る。別のデバイスは、複数の送信器を並行してトリガするための２つ以上の無線回路を有し得る。並列トリガはまた、別のデバイスと並行して（別のデバイスがするのと同様に）トリガを実施するために、少なくとも１つの更に別のデバイスを使用して達成され得る。別のデバイスは、タイプ１デバイスとの接続を確立後、は、タイプ１デバイスと通信しない（または通信を一時停止する）場合がある。一時停止された通信は、再開され得る。別のデバイスは、タイプ１デバイスとの接続を確立後、非アクティブモード、ハイバネーションモード、スリープモード、スタンバイモード、低電力モード、ＯＦＦモード、および／または電力ダウンモードに入ることができる。別のデバイスは、特定のＭＡＣアドレスを有することができ、これにより、タイプ１デバイスは、信号を特定のＭＡＣアドレスに送信する。タイプ１デバイスおよび／または別のデバイスは、タイプ１デバイスと関連付けられた第１のプロセッサ、別のデバイスと関連付けられた第２のプロセッサ、指定ソースと関連付けられた第３のプロセッサ、および／または別のデバイスと関連付けられた第４のプロセッサによって、制御および／または協調することができる。第１および第２のプロセッサは、互いに連係することができる。
第１の一連のプローブ信号は、タイプ１デバイスの第１のアンテナによって、少なくとも１つの第１のタイプ２デバイスに、第１の場所内の第１のチャネルを介して送信され得る。第２の一連のプローブ信号は、タイプ１デバイスの第２のアンテナによって、少なくとも１つの第２のタイプ２デバイスに、第２の場所内の第２のチャネルを介して送信され得る。第１の一連および第２の一連は、異なっていても、異なっていなくてもよい。少なくとも１つの第１のタイプ２デバイスは、少なくとも１つの第２のタイプ２デバイスとは異なっていてもよく、異なっていなくてもよい。第１および／または第２の一連のプローブ信号は、タイプ１デバイスと任意のタイプ２デバイスとの間に確立された接続なしでブロードキャストされ得る。第１および第２のアンテナは、同一であってもよく、異なっていてもよい。
２つの場所は、異なるサイズ、形状、マルチパス特性を有し得る。第１および第２の場所は、重複し得る。第１および第２のアンテナの周りのそれぞれの近接エリアは、重複し得る。第１および第２のチャネルは、同一であってもよく、異なっていてもよい。例えば、第１のものは、ＷｉＦｉであってもよく、第２のものは、ＬＴＥであってもよい。または、両方がＷｉＦｉであってもよいが、第１のものは、２．４ＧＨｚのＷｉＦｉであってもよく、第２のものは、５ＧＨｚのＷｉＦｉであってもよい。または、両方が２．４ＧＨｚのＷｉＦｉであってもよいが、異なるチャネル番号、ＳＳＩＤ名、および／またはＷｉＦｉ設定を有していてもよい。各タイプ２デバイスは、それぞれの一連のプローブ信号から少なくとも１つのＴＳＣＩを得ることができ、ＣＩは、タイプ２デバイスとタイプ１デバイスとの間のそれぞれのチャネルのものであり得る。いくつかの第１のタイプ２デバイス（単数または複数）およびいくつかの第２のタイプ２デバイス（単数または複数）は、同一であり得る。第１および第２の一連のプローブ信号は、同期／非同期であり得る。プローブ信号は、データと共に送信され得るか、またはデータ信号で置換され得る。第１および第２のアンテナは、同一であってもよく、異なっていてもよい。
第１の一連のプローブ信号は、第１のレート（例えば、３０Ｈｚ）で送信され得る。第２の一連のプローブ信号は、第２のレート（例えば、２００Ｈｚ）で送信され得る。第１および第２のレートは、同一であってもよく、異なっていてもよい。第１および／または第２のレートは、時間の経過と共に変更され得る。変更は、タイムテーブル、ルール、ポリシー、モード、条件、状況、および／または変更に従い得る。どのレートも時間と共に変更され得る。第１および／または第２の一連のプローブ信号は、第１のＭＡＣアドレスおよび／または第２のＭＡＣアドレスにそれぞれ送信され得る。２つのＭＡＣアドレスは、同一であってもよく、異なっていてもよい。第１の一連のプローブ信号は、第１のチャネルで送信され得る。第２の一連のプローブ信号は、第２のチャネルで送信され得る。２つのチャネルは、同一であってもよく、異なっていてもよい。第１または第２のＭＡＣアドレス、第１または第２のチャネルは時間の経過と共に変更され得る。任意の変更は、タイムテーブル、ルール、ポリシー、モード、条件、状況、および／または変更に従い得る。
タイプ１デバイスおよび別のデバイスは、制御および／もしくは協調される場合があり、物理的に取り付けられる場合があり、または共通のデバイスであり得る／内にあり得る／であり得る。これらは、共通データプロセッサによって制御／に接続され得るか、または共通バス相互接続／ネットワーク／ＬＡＮ／Ｂｌｕｅｔｏｏｔｈネットワーク／ＢＬＥネットワーク／ワイヤードネットワーク／無線ネットワーク／メッシュネットワーク／モバイルネットワーク／クラウドに接続され得る。これらは、共通メモリで共有されるか、または、共通ユーザ、ユーザデバイス、プロファイル、アカウント、識別情報（identity：ＩＤ）、世帯、家、物理アドレス、場所、地理座標、ＩＰサブネット、ＳＳＩＤ、ホームデバイス、オフィスデバイス、および／または製造デバイスと関連付けられ得る。各タイプ１デバイスは、それぞれのタイプ２デバイスのセットの信号源であり得る（すなわち、それぞれの信号（例えば、それぞれの一連のプローブ信号）をそれぞれのタイプ２デバイスのセットに送信する）。各それぞれのタイプ２デバイスは、すべてのタイプ１デバイスの中から、信号源としてタイプ１デバイスを選択する。各タイプ２デバイスは、非同期的に選択できる。少なくとも１つのＴＳＣＩは、タイプ１デバイスからのそれぞれの一連のプローブ信号から各それぞれのタイプ２デバイスによって得ることができ、ＣＩは、タイプ２デバイスとタイプ１デバイスとの間のチャネルのものである。
それぞれのタイプ２デバイスは、すべてのタイプ１デバイスの中から、タイプ１／タイプ２デバイスの識別情報（ＩＤ）、実施されるはずのタスク、過去の信号源、（例えば、過去の信号源、タイプ１デバイス、別のタイプ１デバイス、それぞれのタイプ２受信器、および／または別のタイプ２受信器の）履歴、信号源を切り替えるための閾値、ならびに／または（例えば、タイプ１デバイスおよび／またはそれぞれのタイプ２受信器と関連付けられた）ユーザ、アカウント、アクセス情報、パラメータ、特性、および／もしくは信号強度の情報に基づいて、信号源としてタイプ１デバイスを選択する。最初は、タイプ１デバイスは、初期時に初期のそれぞれのタイプ２デバイスのセットの信号源であり得る（すなわち、タイプ１デバイスは、初期のそれぞれのタイプ２デバイスのセットにそれぞれの信号（一連のプローブ信号）を送信する）。各初期のそれぞれのタイプ２デバイスは、すべてのタイプ１デバイスの中から、信号源としてタイプ１デバイスを選択する。
特定のタイプ２デバイスの信号源（タイプ１デバイス）は、（１）タイプ２デバイスの現在の信号源から受信された、２つの隣接するプローブ信号間（例えば、現在のプローブ信号と直前のプローブ信号との間、または次のプローブ信号と現在のプローブ信号との間）の時間間隔が第１の閾値を超える場合、（２）タイプ２デバイスの現在の信号源と関連付けられた信号強度が第２の閾値未満である場合、（３）タイプ２デバイスの現在の信号源と関連付けられた処理された信号強度が第３の閾値未満であり、信号強度は、低域フィルタ、帯域フィルタ、メジアンフィルタ、移動平均フィルタ、加重平均フィルタ、線形フィルタ、および／もしくは線形フィルタで処理されている場合、ならびに／または（４）タイプ２デバイスの現在の信号源と関連付けられた信号強度（または処理された信号強度）が、最近の時間窓のかなりのパーセンテージ（例えば、７０％、８０％、９０％など）について第４の閾値未満である場合、変更され得る。パーセンテージは、第５の閾値を超える場合がある。第１、第２、第３、第４、および／または第５の閾値は、経時変化する場合がある。条件（１）は、タイプ１デバイスおよびタイプ２デバイスが、互いに漸進的に離れていき、これにより、タイプ１デバイスからのいくらかのプローブ信号が、弱くなりすぎ、タイプ２デバイスによって受信されない場合に起こり得る。条件（２）～（４）は、２つのデバイスが、互いに離れていき、これにより、信号強度が非常に弱くなる場合に起こり得る。タイプ２デバイスの信号源は、その他のタイプ１デバイスが、現在の信号源の係数（例えば、１、１．１、１．２、または１．５など）より弱い信号強度を有する場合、変化しない場合がある。信号源が変化すると、新しい信号源は、近い将来（例えば、それぞれの次回）に有効になり得る。新しい信号源は、最強の信号強度および／または処理された信号強度を有するタイプ１デバイスであり得る。現在の信号源および新しい信号源は、同一であってもよく、異なっていてもよい。利用可能なタイプ１デバイスのリストは、各タイプ２デバイスによって初期化され維持され得る。リストは、それぞれのタイプ１デバイスのセットと関連付けられた信号強度および／または処理された信号強度を検査することによって更新され得る。
タイプ２デバイスは、それぞれのプローブ信号レート、ＭＡＣアドレス、チャネル、特性／プロパティ／状態、タイプ２デバイスによって実施されるはずのタスク、第１および第２の一連の信号強度、および／または別の考察に基づいて、第１のタイプ１デバイスからの第１の一連のプローブ信号と第２のタイプ１デバイスからの第２の一連のプローブ信号との間から選択することができる。一連のプローブ信号は、規則的なレート（例えば、２００Ｈｚ）で送信され得る。一連のプローブ信号は、規則的な間隔（例えば、１００Ｈｚで０．０１秒）でスケジュールされてもよいが、各プローブ信号は、おそらく、タイミング要件、タイミング制御、ネットワーク制御、ハンドシェイク、メッセージパッシング、衝突回避、キャリアセンシング、輻輳、リソースの利用可能性、および／または別の考察によって、短い時間の摂動を経験し得る。レートは、変更され得る。変更は、タイムテーブル（例えば、１時間に１回変更）、ルール、ポリシー、モード、条件、および／または変更（例えば、何らかのイベントが発生するたびに変更）に従い得る。例えば、レートは、通常、１００Ｈｚであり得るが、必要な状況では１０００Ｈｚに変更され、低電力／スタンバイ状況では１Ｈｚに変更され得る。プローブ信号は、バーストで送信されてもよい。
プローブ信号レートは、タイプ１デバイスまたはタイプ２デバイスによって実施されたタスクに基づいて変化し得る（例えば、タスクは、通常１００Ｈｚ、瞬間的に２０秒間は１０００Ｈｚが必要であり得る）。一実施例では、送信器（タイプ１デバイス）、受信器（タイプ２デバイス）、および関連するタスクは、クラス（例えば、低優先、高優先、緊急、重大、通常、特権的、非購読、購読（subscription）、支払い、および／または非支払いのクラス）に適応的に関連し得る。（送信器の）レートは、いくつかのクラス（例えば、高優先クラス）のために調整されている場合がある。クラスの必要性が変化したら、レートを変更することができる。受信器の電力が非常に低い場合、プローブ信号に応答するために受信器の電力消費を削減するためにレートが低減され得る。一実施例では、プローブ信号を使用して、電力を無線で受信器（タイプ２デバイス）に伝送することができ、レートを調整して、受信器に伝送される電力量を制御することができる。レートは、サーバ、タイプ１デバイス、および／またはタイプ２デバイスによって（または基づいて）変更され得る。制御信号は、それらの間で通信され得る。サーバは、タイプ２デバイスの必要性、および／またはタイプ２デバイスによって実施されるタスクをモニタ、追跡、予報、および／または予期することができ、かつタイプ１デバイスを制御して、レートを変更することができる。サーバは、タイムテーブルに従ってレートを変更するようにスケジュールすることができる。サーバは、緊急事態を検出して、すぐにレートを変更することができる。サーバは、展開中の条件を検出して、徐々にレートを調整することができる。
特徴および／または時空間情報（例えば、動き情報）は、特定のタイプ１デバイスおよび特定のタイプ２デバイスと関連付けられたＴＳＣＩに基づいて、個別にモニタされるか、ならびに／または特定のタイプ１デバイスおよび任意のタイプ２デバイスと関連付けられた任意のＴＳＣＩに基づいて、連帯的にモニタされるか、ならびに／または特定のタイプ２デバイスおよび任意のタイプ１デバイスと関連付けられた任意のＴＳＣＩに基づいて、連帯的にモニタされるか、ならびに／または任意のタイプ１デバイスおよび任意のタイプ２デバイスと関連付けられた任意のＴＳＣＩに基づいて、全体的にモニタされ得る。任意の共同モニタは、ユーザ、ユーザアカウント、プロファイル、世帯、場所のマップ、および／またはユーザ履歴などに関連付けられ得る。
タイプ１デバイスとタイプ２デバイスとの間の第１のチャネルは、別のタイプ１デバイスと別のタイプ２デバイスとの間の第２のチャネルとは異なり得る。２つのチャネルは、異なる周波数帯域、帯域幅、搬送周波数、変調、無線規格、コーディング、暗号化、ペイロード特徴、ネットワーク、ネットワークＩＤ、ＳＳＩＤ、ネットワーク特徴、ネットワーク設定、および／またはネットワークパラメータなどと関連付けられ得る。２つのチャネルは、異なる種類の無線システム（例えば、ＷｉＦｉ、ＬＴＥ、ＬＴＥ－Ａ、２．５Ｇ、３Ｇ、３．５Ｇ、４Ｇ、４Ｇ超、５Ｇ、６Ｇ、７Ｇ、８０２．１１システム、８０２．１５システム、８０２．１６システム、メッシュネットワーク、Ｚｉｇｂｅｅ、ＷｉＭａｘ、Ｂｌｕｅｔｏｏｔｈ、ＢＬＥ、ＲＦＩＤ、ＵＷＢ、マイクロ波システム、レーダ様システムなどのうちの２つ）と関連付けられ得る。 例えば、一方は、ＷｉＦｉで、他方は、ＬＴＥである。２つのチャネルは、異なるネットワークにあるが同一の種類の無線システムと関連付けられ得る。例えば、第１のチャネルは、帯域幅が２０ＭＨｚの２．４ＧＨｚ帯の「Ｐｉｚｚａ ａｎｄ Ｐｉｚｚａ」と名付けられたＷｉＦｉネットワークと関連付けられる場合があり、一方、第２のチャネルは、帯域幅が４０ＭＨｚの５ＧＨｚ帯のＳＳＩＤが「ＳｔａｒＢｕｄ ｈｏｔｓｐｏｔ」であるＷｉＦｉネットワークと関連付けられる場合がある。２つのチャネルは、同一ネットワーク（例えば、「ＳｔａｒＢｕｄ ｈｏｔｓｐｏｔ」ネットワーク）内の異なるチャネルであり得る。
一実施形態では、無線モニタシステムは、複数のイベントと関連付けられた訓練ＴＳＣＩに基づいて、場所内で複数のイベントの分類子を訓練することを含み得る。既知のイベントと関連付けられたそれぞれの訓練期間における場所内で起こる複数の既知のイベントの各々について、それぞれの訓練無線信号（例えば、それぞれの一連の訓練プローブ信号）は、第１のタイプ１異種無線デバイスのアンテナによって、第１のタイプ１デバイスのプロセッサ、メモリ、および命令セットを使用して、それぞれの訓練期間における場所内の無線マルチパスチャネルを介して、少なくとも１つの第１のタイプ２異種無線デバイスに送信され得る。少なくとも１つのそれぞれの時系列の訓練ＣＩ（訓練ＴＳＣＩ）は、少なくとも１つの第１のタイプ２デバイスの各々によって、（それぞれの）訓練信号から非同期的に得ることができる。ＣＩは、既知のイベントと関連付けられた訓練期間内の第１のタイプ２デバイスと第１のタイプ１デバイスとの間のチャネルのＣＩであり得る。少なくとも１つの訓練ＴＳＣＩは、前処理され得る。
場所内で現在の期間内に起きた現在のイベントについて、現在の無線信号（例えば、一連の現在のプローブ信号）は、第２のタイプ１異種無線デバイスのアンテナによって、第２のタイプ１デバイスのプロセッサ、メモリ、および命令セットを使用して、場所内で現在のイベントと関連付けられた現在の期間内のチャネルを介して、少なくとも１つの第２のタイプ２異種無線デバイスに送信され得る。少なくとも１つの時系列のカレントＣＩ（カレントＴＳＣＩ）は、少なくとも１つの第２のタイプ２デバイスの各々によって、カレント信号（例えば、一連のカレントプローブ信号）から非同期的に得ることができる。ＣＩは、現在のイベントと関連付けられた現在の期間内の第２のタイプ２デバイスと第２のタイプ１デバイスとの間のチャネルのＣＩであり得る。少なくとも１つの現在のＴＳＣＩは、前処理され得る。
分類子は、少なくとも１つの第２のタイプ２デバイスによって、一連の現在のプローブ信号から得られた少なくとも１つの現在のＴＳＣＩを分類すること、特定の現在のＴＳＣＩの少なくとも１つの部分を分類すること、および／または特定の現在のＴＳＣＩの少なくとも１つの部分と別のＴＳＣＩの別の部分との組み合わせを分類することに適用され得る。分類子はまた、現在のイベントと、既知のイベント、未知のイベント、および／または別のイベントとを関連付けるために適用され得る。各ＴＳＣＩは、各々がそれぞれのタイムスタンプと関連付けられた少なくとも１つのＣＩを含み得る。２つのタイプ２デバイスと関連付けられた２つのＴＳＣＩは、異なる開始時間、持続時間、停止時間、ＣＩの量、サンプリング頻度、サンプリング周波数と異なる場合があり得る。これらのＣＩは、異なる特徴を有し得る。第１および第２のタイプ１デバイスは、場所内の同一の場所であり得る。これらは、同一のデバイスであり得る。少なくとも１つの第２のタイプ２デバイス（またはこれらの場所）は、少なくとも１つの第１のタイプ２デバイス（またはこれらの場所）の置換（permutation）であり得る。特定の第２のタイプ２デバイスおよび特定の第１のタイプ２デバイスは、同一のデバイスであり得る。
第１のタイプ２デバイスの部分集合および第２のタイプ２デバイスの部分集合は、同一であり得る。少なくとも１つの第２のタイプ２デバイスおよび／または少なくとも１つの第２のタイプ２デバイスの部分集合は、少なくとも１つの第１のタイプ２デバイスの部分集合であり得る。少なくとも１つの第１のタイプ２デバイスおよび／または少なくとも１つの第１のタイプ２デバイスの部分集合は、少なくとも１つの第２のタイプ２デバイスの部分集合の置換であり得る。少なくとも１つの第２のタイプ２デバイスおよび／または少なくとも１つの第２のタイプ２デバイスの部分集合は、少なくとも１つの第１のタイプ２デバイスの部分集合の置換であり得る。少なくとも１つの第２のタイプ２デバイスおよび／または少なくとも１つの第２のタイプ２デバイスの部分集合は、少なくとも１つの第１のタイプ２デバイスの部分集合と同一のそれぞれの場所であり得る。少なくとも１つの第１のタイプ２デバイスおよび／または少なくとも１つの第１のタイプ２デバイスの部分集合は、少なくとも１つの第２のタイプ２デバイスの部分集合と同一のそれぞれの場所であり得る。
タイプ１デバイスのアンテナおよび第２のタイプ１デバイスのアンテナは、場所内の同一の場所にあり得る。少なくとも１つの第２のタイプ２デバイスのアンテナ（単数または複数）および／または少なくとも１つの第２のタイプ２デバイスの部分集合のアンテナ（単数または複数）は、少なくとも１つの第１のタイプ２デバイスの部分集合のそれぞれのアンテナ（単数または複数）と同一のそれぞれの場所にあり得る。少なくとも１つの第１のタイプ２デバイスのアンテナ（単数または複数）および／または少なくとも１つの第１のタイプ２デバイスの部分集合のアンテナ（単数または複数）は、少なくとも１つの第２のタイプ２デバイスの部分集合のそれぞれのアンテナ１つまたは複数のと同一のそれぞれの場所（単数または複数）にあり得る。
第１のＴＳＣＩの第１の持続時間の第１のセクションとおよび第２のＴＳＣＩの第２のセクションの第２の持続時間の第２のセクションは、整合させることができる。第１のセクションの項目と第２のセクションの項目の間のマップが、計算され得る。第１のセクションは、第１の開始時間／終了時間を有する第１のＴＳＣＩの第１のセグメント、および／または処理された第１のＴＳＣＩの別のセグメントを含み得る。処理された第１のＴＳＣＩは、第１の演算によって処理された第１のＴＳＣＩであり得る。第２のセクションは、第２の開始時間および第２の終了時間を有する第２のＴＳＣＩの第２のセグメント、ならびに処理された第２のＴＳＣＩの別のセグメントを含み得る。処理された第２のＴＳＣＩは、第２の演算によって処理された第２のＴＳＣＩであり得る。
第１の演算および／または第２の演算には、サブサンプリング、再サンプリング、補間、フィルタリング、変換、特徴抽出、前処理、および／または別の演算が含まれ得る。第１のセクションの第１の項目は、第２のセクションの第２の項目にマップされ得る。第１のセクションの第１の項目はまた、第２のセクションの別の項目にマップされ得る。第１のセクションの別の項目はまた、第２のセクションの第２の項目にマップされ得る。マッピングは、１対１、１対多、多対１、多対多であり得る。第１のＴＳＣＩの第１のセクションの第１の項目、第１のＴＳＣＩの別の項目、第１の項目のタイムスタンプ、第１の項目の時間差、第１の項目の時間微分、第１の項目の隣接タイムスタンプ、第１の項目と関連付けられた別のタイムスタンプ、第２のＴＳＣＩの第２のセクションの第２の項目、第２のＴＳＣＩの別の項目、第２の項目のタイムスタンプ、第２の項目の時間差、第２の項目の時間微分、第２の項目の隣接タイムスタンプ、および第２の項目と関連付けられた別のタイムスタンプ、のうちの少なくとも１つの少なくとも１つの関数は、少なくとも１つの制約を満たし得る。
１つの制約は、第１の項目のタイムスタンプと第２の項目のタイムスタンプとの間の差が適応上限閾値で上限が決められ、適応下限閾値で下限が決められ得ることであり得る。第１のセクションは、第１のＴＳＣＩ全体であり得る。第２のセクションは、第２のＴＳＣＩ全体であり得る。第１の持続時間は、第２の持続時間に等しい場合がある。ＴＳＣＩの持続時間のセクションは、適応的に決定され得る。ＴＳＣＩの暫定的なセクションは、計算され得る。セクション（例えば、暫定的なセクション、セクション）の開始時間および終了時間は、決定され得る。セクションは、暫定的なセクションの初め部分および終わり部分を除去することにより決定され得る。暫定的なセクションの初め部分は、次のとおり決定され得る。繰り返すが、タイムスタンプが増加する暫定的なセクションの項目は、一度に１項目ずつ現在の項目とみなすことができる。各繰り返しにおいて、少なくとも１つの活動性尺度が計算および／または考慮され得る。少なくとも１つの活動性尺度は、現在のタイムスタンプと関連付けられた現在の項目、現在のタイムスタンプより大きくないタイムスタンプを有する暫定的なセクションの過去の項目、および／または現在のタイムスタンプより小さくないタイムスタンプを有する暫定的なセクションの将来の項目のうちの少なくとも１つと関連付けられ得る。少なくとも１つの活動性尺度と関連付けられた少なくとも１つの基準が満たされている場合、現在の項目は、暫定的なセクションの初期部分に追加され得る。
活動性尺度と関連付けられた少なくとも１つの基準は、（ａ）活動性尺度が適応上限閾値より小さい、（ｂ）活動性尺度が適応下限閾値より大きい、（ｃ）少なくとも所定の量の連続したタイムスタンプについて、活動性尺度が適応上限閾値より連続して小さい、（ｄ）少なくとも別の所定の量の連続したタイムスタンプについて、活動性尺度が適応下限閾値より連続して大きい、（ｅ）少なくとも所定の量の連続したタイムスタンプの少なくとも所定のパーセンテージについて、活動性尺度が適応上限閾値より連続して小さい、（ｆ）別の所定の量の連続したタイムスタンプの少なくとも別の所定のパーセンテージについて、活動性尺度が適応下限閾値より連続して大きい、（ｇ）現在のタイムスタンプと関連付けられた別のタイムスタンプと関連付けられた別の活動性尺度が別の適応上限閾値より小さく、かつ別の適応下限閾値より大きい、（ｈ）現在のタイムスタンプと関連付けられた少なくとも１つのそれぞれのタイムスタンプと関連付けられた少なくとも１つの活動性尺度がそれぞれの上限閾値より小さく、かつそれぞれの下限閾値より大きい、（ｉ）現在のタイムスタンプと関連付けられたタイムスタンプのセット中の、それぞれの上限閾値より小さく、かつそれぞれの下限閾値より大きい、活動性尺度と関連付けられたタイムスタンプのパーセンテージが閾値を超える、および（ｊ）別の基準のうちの少なくとも１つを含み得る。
時間Ｔ１での項目と関連付けられた活動性尺度は、（１）時間Ｔ１での項目および時間Ｔ１－Ｄ１での項目の第１の関数であり、Ｄ１は、所定の正の量である（例えば、一定の時間オフセット）、第１の関数（２）時間Ｔ１での項目および時間Ｔ１＋Ｄ１での項目の第２の関数、（３）時間Ｔ１での項目および時間Ｔ２での項目の第３の関数であり、Ｔ２は、所定の量である（例えば、固定の初期基準時間；Ｔ２は、時間の経過と共に変更され得る；Ｔ２は、定期的に更新され得る；Ｔ２は、期間の初めであり得、Ｔ１は、期間内のスライディング時間であり得る）、第３の関数、ならびに（４）時間Ｔ１での項目および別の項目の第４の関数、のうちの少なくとも１つを含み得る。
第１の関数、第２の関数、第３の関数、および／または第４の関数のうちの少なくとも１つは、少なくとも２つの引数ＸおよびＹを有する関数（例えば、Ｆ（Ｘ，Ｙ，．．．））であり得る。２つの引数は、スカラーであり得る。関数（例えば、Ｆ）は、Ｘ、Ｙ、（Ｘ－Ｙ）、（Ｙ－Ｘ）、ａｂｓ（Ｘ－Ｙ）、Ｘ＾ａ、Ｙ＾ｂ、ａｂｓ（Ｘ＾ａ－Ｙ＾ｂ）、（Ｘ－Ｙ）＾ａ、（Ｘ／Ｙ）、（Ｘ＋ａ）／（Ｙ＋ｂ）、（Ｘ＾ａ／Ｙ＾ｂ）、および（（Ｘ／Ｙ）＾ａ－ｂ）のうちの少なくとも１つの関数であり得、式中、ａおよびｂは、いくらかの所定量であり得る。例えば、関数は、単にａｂｓ（Ｘ－Ｙ）、または（Ｘ－Ｙ）＾２、（Ｘ－Ｙ）＾４であり得る。関数は、ロバスト関数であり得る。例えば、関数は、ａｂｓ（Ｘ－Ｙ）が閾値Ｔ未満である場合、（Ｘ－Ｙ）＾２であり得、ａｂｓ（Ｘ－Ｙ）が閾値Ｔより大きい場合、（Ｘ－Ｙ）＋ａであり得る。あるいは、関数は、ａｂｓ（Ｘ－Ｙ）がＴより大きい場合、一定であり得る。関数はまた、ａｂｓ（Ｘ－ｙ）がＴより大きい場合、関数が緩やかに増加することによって制限される場合があるので、異常値が結果に深刻な影響を与えない。関数の別の例は、（ａｂｓ（Ｘ／Ｙ）－ａ）であり得、式中、ａ＝１である。この方法では、Ｘ＝Ｙ（すなわち、変化なし、または活動なし）である場合、関数は、値０を与える。ＸがＹより大きい場合、（Ｘ／Ｙ）は１より大きく（ＸおよびＹは正と仮定）、関数は正になる。そして、ＸがＹ未満である場合、（Ｘ／Ｙ）は１より小さく、関数は負になる。別の実施例では、引数ＸおよびＹの両方は、Ｘ＝（ｘ＿１，ｘ＿２，．．．，ｘ＿ｎ）およびＹ＝（ｙ＿１，ｙ＿２，．．．，ｙ＿ｎ）のようにｎタプルであり得る。関数は、ｘ＿ｉ、ｙ＿ｉ、（ｘ＿ｉ－ｙ＿ｉ）、（ｙ＿ｉ－ｘ＿ｉ）、ａｂｓ（ｘ＿ｉ－ｙ＿ｉ）、ｘ＿ｉ＾ａ、ｙ＿ｉ＾ｂ、ａｂｓ（ｘ＿ｉ＾ａ－ｙ＿ｉ＾ｂ）、（ｘ＿ｉ－ｙ＿ｉ）＾ａ、（ｘ＿ｉ／ｙ＿ｉ）、（ｘ＿ｉ＋ａ）／（ｙ＿ｉ＋ｂ）、（ｘ＿ｉ＾ａ／ｙ＿ｉ＾ｂ）、および（（ｘ＿ｉ／ｙ＿ｉ）＾ａ－ｂ）のうちの少なくとも１つの関数であり得、式中、ｉは、ｎタプルのＸおよびＹの成分インデックス（１≦ｉ≦ｎ）であり、例えば、ｘ＿１の成分インデックスは、ｉ＝１であり、ｘ＿２の成分インデックスは、ｉ＝２である。関数は、次のｘ＿ｉ、ｙ＿ｉ、（ｘ＿ｉ－ｙ＿ｉ）、（ｙ＿ｉ－ｘ＿ｉ）、ａｂｓ（ｘ＿ｉ－ｙ＿ｉ）、ｘ＿ｉ＾ａ、ｙ＿ｉ＾ｂ、ａｂｓ（ｘ＿ｉ＾ａ－ｙ＿ｉ＾ｂ）、（ｘ＿ｉ－ｙ＿ｉ）＾ａ、（ｘ＿ｉ／ｙ＿ｉ）、（ｘ＿ｉ＋ａ）／（ｙ＿ｉ＋ｂ）、（ｘ＿ｉ＾ａ／ｙ＿ｉ＾ｂ）、および（（ｘ＿ｉ／ｙ＿ｉ）＾ａ－ｂ）のうちの少なくとも１つの別の関数の成分毎の合計を含み得、式中、ｉは、ｎタプルのＸおよびＹの成分インデックスである。例えば、関数は、ｓｕｍ＿｛ｉ＝１｝＾ｎ（ａｂｓ（ｘ＿ｉ／ｙ＿ｉ）－１）／ｎ、またはｓｕｍ＿｛ｉ＝１｝＾ｎ ｗ＿ｉ×（ａｂｓ（ｘ＿ｉ／ｙ＿ｉ）－１）の形態であり得、式中、ｗ＿ｉは、成分ｉの重みである。
マップは、動的時間伸縮法（dynamic time warping：ＤＴＷ）を使用して計算され得る。ＤＴＷは、マップ、第１のＴＳＣＩの項目、第２のＴＳＣＩの項目、第１の持続時間、第２の持続時間、第１のセクション、および／または第２のセクションのうちの少なくとも１つに対する制約を含み得る。マップ内で、ｉ番目のドメイン項目は、ｊ番目の範囲項目にマッピングされていると仮定する。制約は、ｉおよびｊの許容可能な組み合わせ上にあり得る（ｉとｊとの間の関係に対する制約）。 第１のＴＳＣＩの第１の持続時間の第１のセクションと第２のＴＳＣＩの第２の持続時間の第２のセクションとの間のミスマッチコストが計算され得る。 第１のセクションおよび第２のセクションは、整合され得、これにより、２つ以上のリンクを含むマップを第１のＴＳＣＩの第１の項目と第２のＴＳＣＩの第２の項目との間に確立することができる。 各リンクについて、第１のタイムスタンプを有する第１の項目のうちの１つは、第２のタイムスタンプを有する第２の項目のうちの１つと関連付けられ得る。整合させた第１のセクションと整合させた第２のセクションとの間のミスマッチコストが計算され得る。ミスマッチコストは、マップの特定のリンク、およびマップの特定のリンクと関連付けられたリンク様コストによって関連付けられた、第１の項目と第２の項目との間の項目様コストの関数を含み得る。
整合させた第１のセクションおよび整合させた第２のセクションは、同一のベクトル長さの第１のベクトルおよび第２のベクトルとしてそれぞれ表現され得る。ミスマッチコストは、第１のベクトルと第２のベクトルとの間の、内積、内積様量（inner-product-like quantity）、相関に基づく量、共分散に基づく量、判別スコア、距離、ユークリッド距離、絶対距離、Ｌｋ距離（例えば、Ｌ１、Ｌ２，．．．）、重み付き距離、距離様量（distance-like quantity）、および／または別の相似値のうちの少なくとも１つを含み得る。ミスマッチコストは、それぞれのベクトル長さによって正規化され得る。
第１のＴＳＣＩの第１の持続時間の第１のセクションと第２のＴＳＣＩの第２の持続時間の第２のセクションとの間のミスマッチコストから導出されたパラメータは、統計的分布でモデル化できる。統計的分布の、スケールパラメータ、場所パラメータ、および／または別のパラメータのうちの少なくとも１つを推定することができる。第１のＴＳＣＩの第１の持続時間の第１のセクションは、第１のＴＳＣＩのスライディングセクションであり得る。第２のＴＳＣＩの第２の持続時間の第２のセクションは、第２のＴＳＣＩのスライディングセクションであり得る。第１のスライディング窓は、第１のＴＳＣＩに適用され得、対応する第２のスライディング窓は、第２のＴＳＣＩに適用され得る。第１のＴＳＣＩの第１のスライディング窓および第２のＴＳＣＩの対応する第２のスライディング窓は、整合され得る。 第１のＴＳＣＩの整合された第１のスライディング窓と第２のＴＳＣＩの対応する整合された第２のスライディング窓との間のミスマッチコストが計算され得る。 現在のイベントは、ミスマッチコストに基づいて、既知のイベント、未知のイベント、および／または別のイベントのうちの少なくとも１つと関連付けられ得る。
分類子は、少なくとも１つの暫定的な分類結果を得るために、第１のＴＳＣＩの第１の持続時間の各第１のセクションおよび／または第２のＴＳＣＩの第２の持続時間の各第２のセクションのうちの少なくとも１つに適用され得る。各暫定的な分類結果は、それぞれの第１のセクションおよびそれぞれの第２のセクションと関連付けられ得る。現在のイベントは、ミスマッチコストに基づいて、既知のイベント、未知のイベント、および／または別のイベントのうちの少なくとも１つと関連付けられ得る。現在のイベントは、第１のＴＳＣＩの２つ以上のセクションにおいて、かつ第２のＴＳＣＩのより多くのセッションの対応する暫定的な分類結果の最大数に基づいて、既知のイベント、未知のイベント、および／または別のイベントのうちの少なくとも１つと関連付けることができる。例えば、ミスマッチコストがＮ回連続して（例えば、Ｎ＝１０）特定の既知のイベントを指す場合、現在のイベントは、特定の既知のイベントと関連付けられ得る。別の実施例では、特定の既知のイベントを指す直前のＮ個の連続Ｎ内のミスマッチコストのパーセンテージが特定の閾値を超える（例えば、＞８０％）場合、現在のイベントは、特定の既知のイベントと関連付けられ得る。
別の実施例では、現在のイベントは、期間内のほとんどの時間でミスマッチコストを最小にする既知のイベントと関連付けられ得る。現在のイベントは、全体のミスマッチコストを最小にする既知のイベントと関連付けられ得る。ここで、全体のミスマッチコストとは、少なくとも１つの第１のセクションと関連付けられた少なくとも１つのミスマッチコストの加重平均のことである。現在のイベントは、別の全体コストのうちの最小を達成する特定の既知のイベントと関連付けられ得る。少なくとも１つの第１のセクションの十分なパーセンテージで第１の閾値Ｔ１より小さいミスマッチコストを達成する既知のイベントがない場合、現在のイベントは、「未知のイベント」と関連付けられ得る。第２の閾値Ｔ２より小さい全体のミスマッチコストを達成するイベントがない場合、現在のイベントはまた、「未知のイベント」と関連付けられ得る。現在のイベントは、第１のＴＳＣＩの少なくとも１つの追加のセクションおよび第２のＴＳＣＩの少なくとも１つの追加のセクションと関連付けられたミスマッチコストならびに追加のミスマッチコストに基づいて、既知のイベント、未知のイベント、および／または別のイベントのうちの少なくとも１つと関連付けられ得る。既知のイベントは、ドアクローズイベント、ドアオープンイベント、窓クローズイベント、窓オープンイベント、マルチステートイベント、オンステートイベント、オフステートイベント、中間ステートイベント、連続ステートイベント、離散ステートイベント、人間の存在イベント、人間の不在イベント、人気の存在イベント、および／または人気の不在イベントのうちの少なくとも１つを含み得る。各ＣＩについての射影（projection）は、訓練ＴＳＣＩに基づいて次元削減方法（dimension reduction method）を使用して、訓練され得る。次元削減方法は、主成分分析（principal component analysis：ＰＣＡ）、異なるカーネルによるＰＣＡ、独立成分分析（independent component analysis：ＩＣＡ）、Ｆｉｓｈｅｒ線形判別分析、ベクトル量子化、教師あり学習、教師なし学習、自己組織化マップ、オートエンコーダ、ニューラルネットワーク、ディープニューラルネットワーク、および／または別の方法のうちの少なくとも１つを含み得る。射影は、分類子についての、少なくとも１つのイベントと関連付けられた訓練ＴＳＣＩおよび／または現在のＴＳＣＩのうちの少なくとも１つに適用され得る。少なくとも１つのイベントの分類子は、射影および少なくとも１つのイベントと関連付けられた訓練ＴＳＣＩに基づいて、訓練され得る。少なくとも１つの現在のＴＳＣＩは、射影および現在のＴＳＣＩに基づいて、分類され得る。射影は、訓練ＴＳＣＩ、射影の再訓練前の少なくとも１つの現在のＴＳＣＩ、および／または追加の訓練ＴＳＣＩのうちの少なくとも１つに基づいて、次元削減方法および別の次元削減方法のうちの少なくとも１つを使用して、再訓練され得る。別の次元削減方法は、主成分分析（ＰＣＡ）、異なるカーネルによるＰＣＡ、独立成分分析（ＩＣＡ）、Ｆｉｓｈｅｒ線形判別分析、ベクトル量子化、教師あり学習、教師なし学習、自己組織化マップ、オートエンコーダ、ニューラルネットワーク、ディープニューラルネットワーク、および／または更に別の方法のうちの少なくとも１つを含み得る。または別の方法のうちの少なくとも１つを含み得る。少なくとも１つのイベントの分類子は、再訓練された射影、少なくとも１つのイベントと関連付けられた訓練ＴＳＣＩ、および／または少なくとも１つの現在のＴＳＣＩのうちの少なくとも１つに基づいて再訓練され得る。少なくとも１つの現在のＴＳＣＩは、再訓練された射影、再訓練された分類子、および／または現在のＴＳＣＩに基づいて分類され得る。各ＣＩは、複素数値のベクトルを含み得る。複素数値の大きさを与えるように、各複素数値を前処理できる。対応する複素数値の大きさを含む負でない実数のベクトルを与えるように、各ＣＩを前処理できる。各訓練ＴＳＣＩは、射影の訓練において加重され得る。射影は、２つ以上の射影された成分を含み得る。射影は、少なくとも１つの最も有意な射影された成分を含み得る。射影は、分類子にとって有益であり得る少なくとも１つの射影された成分を含み得る。
チャネル／チャネル情報／場所／時空間情報／動き／オブジェクト
チャネル情報（channel information：ＣＩ）は、信号強度、信号振幅、信号位相、受信信号強度インジケータ（received signal strength indicator：ＲＳＳＩ）、チャネル状態情報（channel state information：ＣＳＩ）、チャネルインパルス応答（channel impulse response：ＣＩＲ）、チャネル周波数応答（channel frequency response：ＣＦＲ）、チャネル特徴、チャネルフィルタ応答、タイムスタンプ、補助情報、データ、メタデータ、ユーザデータ、アカウントデータ、アクセスデータ、セキュリティデータ、セッションデータ、ステータスデータ、モニタデータ、世帯データ、識別情報（ＩＤ）、デバイスデータ、ネットワークデータ、近隣データ、環境データ、リアルタイムデータ、センサデータ、記憶データ、暗号化データ、圧縮データ、保護データ、および／または別のチャネル情報と関連付けられ得る／を含み得る。ＣＩは、チャネルを介する信号の、周波数帯域、周波数シグニチャ、周波数位相、周波数振幅、周波数傾向、周波数特徴、周波数様特徴（frequency-like characteristics）、時間領域要素、周波数領域要素、時間周波数領域要素、直交分解特徴、および／または非直交分解特徴と関連付けられた情報と関連付けられ得る。
ＣＩは、信号の期間、時間シグニチャ、タイムスタンプ、時間振幅、時間位相、時間的傾向、および／または時間的特徴と関連付けられた情報とも関連付けられ得る。ＣＩは、信号の時間周波数分割、シグニチャ、振幅、位相、傾向、および／または特徴と関連付けられた情報と関連付けられ得る。ＣＩは、信号の分解と関連付けられ得る。ＣＩは、チャネルを介する信号の、方向、到達角度（angle of arrival：ＡｏＡ）、指向性アンテナの角度、および／または位相と関連付けられた情報と関連付けられ得る。ＣＩは、チャネルを介した信号の減衰パターンと関連付けられ得る。各ＣＩは、タイプ１デバイスおよびタイプ２デバイスと関連付けられ得る。各ＣＩは、タイプ１デバイスのアンテナおよびタイプ２デバイスのアンテナと関連付けられ得る。ＣＩは、ＣＩを提供できる通信ハードウェアから得ることができる。通信ハードウェアは、ＷｉＦｉ対応チップ／ＩＣ（集積回路）、８０２．１１または８０２．１６または別の無線／無線規格に準拠したチップ、次世代ＷｉＦｉ対応チップ、ＬＴＥ対応チップ、５Ｇ対応チップ、６Ｇ／７Ｇ／８Ｇ対応チップ、Ｂｌｕｅｔｏｏｔｈ対応チップ、ＢＬＥ（Ｂｌｕｅｔｏｏｔｈ ｌｏｗ ｐｏｗｅｒ）対応チップ、ＵＷＢチップ、別の通信チップ（例えば、Ｚｉｇｂｅｅ、ＷｉＭａｘ、メッシュネットワーク）などであり得る。通信ハードウェアは、ＣＩを計算して、バッファメモリにＣＩを記憶して、ＣＩを抽出に利用可能にする。ＣＩは、チャネル状態情報（ＣＳＩ）に関するデータおよび／または少なくとも１つのマトリックスを含み得る。少なくとも１つのマトリックスをチャネルイコライゼーション、および／またはビーム形成などに使用することができる。
チャネルは、場所と関連付けられ得る。減衰は、場所内での信号伝播、空気（例えば、場所の空気）を通じた／における／中の信号の伝播／反射／屈折／回折、屈折媒体／反射面（例えば、壁、ドア、家具、障害物、および／またはバリアなど）が原因であり得る。減衰は、フロア、天井、家具、作り付け家具、オブジェクト、人々、ペットなどの表面および障害物（例えば、反射面、障害物）での反射が原因であり得る。各ＣＩは、タイムスタンプと関連付けられ得る。各ＣＩは、Ｎ１個の成分（例えば、ＣＦＲのＮ１個の周波数領域成分、ＣＩＲのＮ１個の時間領域成分、またはＮ１個の分解成分）を含み得る。各コンポーネント（component）は、コンポーネント成分インデックスと関連付けられ得る。各コンポーネントは、実数、虚数、または複素数、大きさ、位相、フラグ、および／またはセットであり得る。各ＣＩは、複素数のベクトルまたはマトリックス、混合量のセット、および／または少なくとも１つの複素数の多次元コレクション（multi-dimensional collection）を含み得る。
特定のコンポーネントインデックスと関連付けられたＴＳＣＩのコンポーネントは、それぞれのインデックスと関連付けられたそれぞれのコンポーネント時系列を形成し得る。ＴＳＣＩは、Ｎ１個のコンポーネント時系列に分けられ得る。各それぞれのコンポーネント時系列は、それぞれのコンポーネントインデックスと関連付けられている。 オブジェクトの動きの特徴／時空間情報は、コンポーネント時系列に基づいてモニタされ得る。
コンポーネント－特徴時系列のＴＳＣＩのコンポーネント毎の特徴が計算され得る。コンポーネント毎の特徴は、スカラー（例えば、エネルギ）またはドメインおよび範囲を有する関数（例えば、自己相関関数、変換、逆変換）であり得る。オブジェクトの動きの特徴／時空間情報は、コンポーネント毎の特徴に基づいてモニタされ得る。ＴＳＣＩの全体特徴は、ＴＳＣＩの各コンポーネント時系列のコンポーネント毎の特徴に基づいて計算され得る。全体特徴は、コンポーネント毎の特徴の加重平均であり得る。オブジェクトの動きの特徴／時空間情報は、全特徴に基づいてモニタされ得る。
タイプ１デバイスおよびタイプ２デバイスは、ＷｉＦｉ、ＷｉＭａｘ、３Ｇ／３Ｇ超、４Ｇ／４Ｇ超、ＬＴＥ、５Ｇ、６Ｇ、７Ｇ、Ｂｌｕｅｔｏｏｔｈ、ＢＬＥ、Ｚｉｇｂｅｅ、ＵＷＢ、メッシュネットワーク、独自の無線システム、ＩＥＥＥ８０２．１１規格、８０２．１５規格、８０２．１６規格、３ＧＰＰ規格、および／または別の無線システムをサポートし得る。共通無線システムおよび／または共通無線チャネルは、タイプ１送受信器および／または少なくとも１つのタイプ２送受信器によって共有され得る。少なくとも１つのタイプ２送受信器は、共通無線システムおよび／または共通無線チャネルを使用して、それぞれの信号を同時期に送信し得る。タイプ１送受信器は、少なくとも１つのタイプ２送受信器に、共通無線システムおよび／または共通無線チャネルを使用して、信号を送信し得る。タイプ１デバイスは、一時的にタイプ２デバイスとして機能し得、その逆も同様であり得る。デバイスは、同時に、タイプ１デバイス（無線送信器）およびタイプ２デバイス（無線受信器の両方として機能し得る。各タイプ１デバイスおよびタイプ２デバイスは、少なくとも１つの送信／受信アンテナを有し得る。各ＣＩは、タイプ１デバイスの送信アンテナのうちの１つおよびタイプ２デバイスの受信アンテナのうちの１つと関連付けられ得る。
少なくとも１つのＴＳＣＩは、タイプ１デバイスとタイプ２デバイスとの間の様々なアンテナ対に対応し得る。タイプ１デバイスは少なくとも１つのアンテナを有することができる。タイプ２デバイスも少なくとも１つのアンテナを有することができる。各ＴＳＣＩは、タイプ１デバイスのアンテナおよびタイプ２デバイスのアンテナと関連付けられ得る。アンテナリンクについて平均化または加重平均化を実施できる。平均化または加重平均化は、少なくとも１つのＴＳＣＩについてであり得る。平均化は、アンテナ対の部分集合に対応する少なくとも１つのＴＳＣＩの部分集合で、任意で実施されてもよい。ＴＳＣＩの一部のＣＩのタイムスタンプは、不規則である場合があり、かつ修正されている場合があり、これにより、時間修正されたＣＩの修正されたタイムスタンプは、時間的に均一に間隔を開けられている場合がある。複数のタイプ１デバイスおよび／または複数のタイプ２デバイスの場合、修正されたタイムスタンプは、同一または異なるクロックに関し得る。ＣＩの各々と関連付けられた元のタイムスタンプが決定され得る。元のタイムスタンプは、時間的に均一な間隔ではない可能性がある。現在のスライディング時間窓における特定のＴＳＣＩの特定の部分のすべてのＣＩの元のタイムスタンプは、時間修正されたＣＩの修正されたタイムスタンプが時間的に一様に間隔を空けられるように修正され得る。
特徴および／または時空間情報（例えば、動き情報）には、場所、場所の座標、場所の変更、位置（例えば、初期位置、新しい位置）、マップ上の位置、高さ、水平場所、垂直場所、距離、変位、速さ、加速度、回転速さ、回転加速度、動きの角度、方位、動きの方向、回転、パス、変形、変換、縮小、拡大、歩行、歩行サイクル、頭の動き、繰り返しの動き、周期的動き、疑似の周期的動き、衝撃的動き、突然の動き、転倒の動き、過渡的動き、行動、過渡的行動、動きの周期、動きの頻度、時間的傾向、時間的プロファイル、時間的特徴、発生、変化、頻度の変化、タイミングの変化、歩行サイクルの変化、タイミング、開始時間、終了時間、持続時間、動きの履歴、動きの種類、動きの分類、周波数、周波数スペクトル、周波数特徴、存在、不在、近接、接近、後退、オブジェクトの識別情報、オブジェクトの構成、頭の動きのレート、頭の動きの方向、口腔関連レート、眼球関連レート、呼吸数、心拍数、手の動きのレート、手の動きの方向、脚の動き、体の動き、歩行レート、手の動きのレート、位置特徴、オブジェクトの運動と関連付けられた特徴、ツールの動き、機械の動き、複雑な動き、および／もしくは複数の動きの組み合わせ、イベント、動き統計、動きの大きさ、動きの位相、類似性スコア、距離スコア、ユークリッド距離、重み付き距離、ｋ＞２のＬ＿１ノルム、Ｌ＿２ノルム、Ｌ＿ｋノルム、統計的距離、相関、自己相関、共分散、自己共分散、相互共分散、内積、外積、動き信号変換、動き特徴、動きの存在、動きの不在、動きの位置特定、動き識別、動き認識、オブジェクトの存在、オブジェクトの不在、オブジェクトの侵入、オブジェクトの退出、オブジェクトの変更、動きサイクル、動きカウント、歩行サイクル、動きリズム、変形運動、ジェスチャー、筆跡、頭の動き、口の動き、心臓の動き、内臓の動き、動きの傾向、サイズ、長さ、面積、体積、容量、形状、形態、タグ、開始場所、終了場所、開始量、終了量、イベント、転倒イベント、セキュリティイベント、事故イベント、ホームイベント、オフィスイベント、工場イベント、倉庫イベント、製造イベント、組み立てラインイベント、メンテナンスイベント、自動車関連イベント、ナビゲーションイベント、追跡イベント、ドアイベント、ドアオープンイベント、ドアクローズイベント、窓イベント、窓オープンイベント、窓クローズイベント、繰り返し可能イベント、ワンタイムイベント、消費量、未消費量、状態、物理的状態、健康状態、幸福状態、感情状態、精神状態、別のイベント、ならびに／または別の情報が含まれ得る。プロセッサは、タイプ１異種無線デバイスおよびタイプ２異種無線デバイスと計算作業負荷を共有する。
タイプ１デバイスおよび／またはタイプ２デバイスは、ローカルデバイスであり得る。ローカルデバイスは、スマートフォン、スマートデバイス、ＴＶ、サウンドバー、セットトップボックス、アクセスポイント、ルータ、リピータ、リモコン、スピーカ、ファン、冷蔵庫、電子レンジ、オーブン、コーヒーメーカ、湯沸かしポット、台所用品、テーブル、椅子、照明、ランプ、ドアロック、カメラ、マイク、動きセンサ、セキュリティデバイス、消火栓、ガレージドア、スイッチ、電源アダプタ、コンピュータ、ドングル、コンピュータ周辺装置、電子パッド、ソファ、タイル、アクセサリ、スマートホームデバイス、スマートビークルデバイス、スマートオフィスデバイス、スマート建物デバイス、スマート製造デバイス、スマートウォッチ、スマートグラス、スマートクロック、スマートテレビ、スマートオーブン、スマート冷蔵庫、スマートエアコンディショナ、スマート椅子、スマートテーブル、スマートアクセサリ、スマートユーティリティ、スマートアプライアンス、スマート機械、スマートビークル、モノのインターネット（ＩｏＴ）デバイス、インターネット対応デバイス、コンピュータ、ポータブルコンピュータ、タブレット、スマートハウス、スマートオフィス、スマート建物、スマート駐車場、スマートシステム、および／または別のデバイスであり得る。各タイプ１デバイスは、それぞれの識別情報（ＩＤ）と関連付けられ得る。各タイプ２デバイスもまた、それぞれの識別情報（ＩＤ）と関連付けられ得る。ＩＤは、数字、テキストと数字の組み合わせ、名前、パスワード、アカウント、アカウントＩＤ、ウェブリンク、ウェブアドレス、何かの情報のインデックス、および／または別のＩＤを含み得る。ＩＤは、割り当てることができる。ＩＤは、ハードウェア（例えば、ハードワイヤード、ドングルおよび／またはその他のハードウェアを介して）、ソフトウェア、および／またはファームウェアによって割り当てることができる。ＩＤは、記憶することができ（例えば、データベースに、メモリに、サーバに、クラウドに、ローカルに記憶、リモートで記憶、永久に記憶、一時的に記憶）、かつ取り返すことができる。ＩＤは、少なくとも１つの記録、アカウント、ユーザ、世帯、住所、電話番号、社会保障番号、顧客番号、別のＩＤ、タイムスタンプ、および／またはデータのコレクションと関連付けられ得る。タイプ１デバイスのＩＤおよび／またはＩＤの一部は、タイプ２デバイスで利用可能にされてもよい。ＩＤは、タイプ１デバイスおよび／またはタイプ２デバイスによって、登録、初期化、通信、識別、検証、検出、認識、認証、アクセス制御、クラウドアクセス、ネットワーキング、ソーシャルネットワーキング、ログ取り、記録、カタログ作コンポーネント類、タグ付け、関連付け、ペアリング、トランザクション、電子トランザクション、および／または知的財産制御のために使用され得る。
オブジェクトは、人、乗客、子供、老人、乳児、寝ている乳児、ビークル内の乳児、患者、労働者、高価値労働者、専門家、スペシャリスト、ウェイター、モールの客、空港／鉄道駅／バスターミナル／船舶ターミナルの旅行者、工場／モール／スーパーマーケット／オフィス／職場のスタッフ／労働者／カスタマーサービス担当者、下水／換気システム／リフト昇降路のサービスマン、リフト昇降路内のリフト、エレベーター、収監者、追跡／モニタ対象の人々、動物、植物、生き物、ペット、犬、猫、スマートフォン、フォンアクセサリ、コンピュータ、タブレット、ポータブルコンピュータ、ドングル、計算アクセサリ、ネットワークデバイス、ＷｉＦｉデバイス、ＩｏＴデバイス、スマートウォッチ、スマートグラス、スマートデバイス、スピーカ、キー、スマートキー、ウォレット、パース、ハンドバッグ、バックパック、商品、貨物、荷物、機材、モータ、機械、エアコンディショナ、ファン、エアコンディショニング機材、作り付け照明、可動照明、テレビ、カメラ、オーディオおよび／もしくはビデオ機材、ステーショナリ（stationary）、モニタ機材、部品、看板、ツール、カート、チケット、駐車券、市外交換証、航空券、クレジットカード、プラスチックカード、アクセスカード、食品包装、台所用品、テーブル、椅子、クリーニング機材／ツール、ビークル、自動車、駐車施設内の自動車、倉庫／ストア／スーパーマーケット／流通センター内の商品、ボート、自転車、飛行機、ドローン、リモコン自動車／飛行機／ボート、ロボット、製造デバイス、組み立てライン、工場での材料／未完成の部品／ロボット／ワゴン／輸送、空港／ショッピングマート／スーパーマーケットで追跡対象のオブジェクト、非オブジェクト、オブジェクトの不在、オブジェクトの存在、形態を有するオブジェクト、形態が変化するオブジェクト、形態のないオブジェクト、流体の質量、液体の質量、ガス／煙の質量、火、炎、電磁（ＥＭ）源、ＥＭ媒体、ならびに／または別のオブジェクトであり得る。
オブジェクト自体は、ＷｉＦｉ、ＭｉＦｉ、３Ｇ／４Ｇ／ＬＴＥ／５Ｇ、Ｂｌｕｅｔｏｏｔｈ、ＢＬＥ、ＷｉＭａｘ、Ｚｉｇｂｅｅ、メッシュネットワーク、アドホックネットワーク、および／またはその他のネットワークなどのいくつかのネットワークと通信可能に結合され得る。オブジェクト自体が、ＡＣ電源を備えて嵩高い場合があるが、設置、クリーニング、メンテナンス、修復などの間は移動される。また、可動プラットフォーム、例えば、リフト、パッド、ムーバブル、プラットフォーム、エレベーター、コンベヤベルト、ロボット、ドローン、フォークリフト、自動車、ボート、ビークルなどに設置され得る。オブジェクトは、複数の部分を有し得、各部分が、異なる運動を行う。例えば、オブジェクトは、歩いて前進する人であり得る。歩行中、左手および右手は、異なる瞬間速さ、加速度、動きなどで、異なる方向に動き得る。
無線送信器（例えば、タイプ１デバイス）、無線受信器（例えば、タイプ２デバイス）、別の無線送信器、および／または別の無線受信器は、（例えば、前の運動、現在の運動、および／または、将来の運動においてオブジェクトおよび／または別のオブジェクトと共に動くことができる。これらは、１つ以上の近くのデバイスに通信可能に結合され得る。これらは、ＴＳＣＩおよび／またはＴＳＣＩと関連付けられた情報を、近くのデバイスに、および／または互いに送信し得る。これらは、近くのデバイスを有し得る。無線送信器および／または無線受信器は、小型（例えば、コインサイズ、タバコの箱サイズ、またはもっと小さいサイズ）軽量ポータブルデバイスの一部であり得る。ポータブルデバイスは、近くのデバイスと無線で結合され得る。
近くのデバイスは、スマートフォン、ｉＰｈｏｎｅ、Ａｎｄｒｏｉｄフォン、スマートデバイス、スマートアプライアンス、スマートビークル、スマートガジェット、スマートＴＶ、スマート冷蔵庫、スマートスピーカ、スマートウォッチ、スマートグラス、スマートパッド、ｉＰａｄ、コンピュータ、ウェアラブルコンピュータ、ノートブックコンピュータ、ゲートウェイであり得る。近くのデバイスは、インターネット、ワイヤードインターネット接続、および／または無線インターネット接続を介して、クラウドサーバ、ローカルサーバ、および／またはその他のサーバに接続され得る。近くのデバイスは、ポータブルであり得る。ポータブルデバイス、近くのデバイス、ローカルサーバ、および／またはクラウドサーバは、タスク（例えば、ＴＳＣＩを得る、オブジェクトの運動と関連付けられたオブジェクトの特徴／時空間情報の決定、時系列の電力情報の計算、特定の関数の決定／計算、局所的極値の探索、分類、時間オフセットの特定の値を識別、ノイズ除去、処理、単純化、クリーニング、無線スマートセンシングタスク、信号からＣＩ抽出、切り換え、セグメンテーション、軌道の推定、マップの処理、補正、補正調整、調整、マップによる補正、誤差の検出、境界ヒット（boundary hitting）のチェック、閾値法など）および情報（例えば、ＴＳＣＩ）のために計算および／またはストレージを共有し得る。
近くのデバイスは、オブジェクトと共に動いてもよいし、動かなくてもよい。近くのデバイスは、ポータブル／ポータブルでない／可動／非可動であってもよい。近くのデバイスは、バッテリ電源、ソーラーパワー、ＡＣ電源、および／またはその他の電源を使用することができる。近くのデバイスは、交換可能／交換不可能バッテリおよび／または充電可能／充電不可能バッテリを有し得る。近くのデバイスは、オブジェクトに類似していてもよい。近くのデバイスは、オブジェクトと同一の（および／または同様の）ハードウェアおよび／またはソフトウェアを有し得る。近くのデバイスは、スマートデバイス、ネットワーク対応デバイス、ＷｉＦｉ／３Ｇ／４Ｇ／５Ｇ／６Ｇ／Ｚｉｇｂｅｅ／Ｂｌｕｅｔｏｏｔｈ／アドホックネットワーク／その他のネットワークへの接続を有するデバイス、スマートスピーカ、スマートウォッチ、スマートクロック、スマートアプライアンス、スマート機械、スマート機材、スマートツール、スマートビークル、モノのインターネット（internet-of-thing：ＩｏＴ）デバイス、インターネット対応デバイス、コンピュータ、ポータブルコンピュータ、タブレット、および別のデバイスであり得る。
無線受信器と関連付けられた、近くのデバイスおよび／または少なくとも１つのプロセッサ、無線送信器、別の無線受信器、別の無線送信器、および／または、クラウドサーバ（クラウド内）は、オブジェクトの初期時空間情報を決定し得る。それらのうちの２つまたはそれ以上は、連帯的に初期時空間情報を決定し得る。それらのうちの２つまたはそれ以上は、初期時空間情報（例えば、初期位置）の決定において、中間情報を共有し得る。一実施例では、無線送信器（例えば、タイプ１デバイス、またはトラッカーボット）は、オブジェクトと共に動くことができる。無線送信器は、無線受信器（例えば、タイプ２デバイス、またはオリジン登録器）に信号を送信するか、またはオブジェクトの初期時空間情報（例えば、初期位置）を決定し得る。無線送信器はまた、オブジェクトの動き（時空間情報）をモニタするために、別の無線受信器（例えば、別のタイプ２デバイス、または別のオリジン登録器）に信号および／または別の信号を送信し得る。無線受信器はまた、オブジェクトの動きをモニタするために、無線送信器および／または別の無線送信器から信号および／または別の信号を受信し得る。無線受信器および／または別の無線受信器の場所は、既知であり得る。別の実施例では、無線受信器（例えば、タイプ２デバイス、またはトラッカーボット）は、オブジェクトと共に動くことができる。無線受信器は、オブジェクトの初期時空間情報（例えば、初期位置）を決定するために、無線送信器（例えば、タイプ１デバイス、またはオリジン登録器）から送信された信号を受信し得る。無線送信器はまた、オブジェクトの現在の動き（例えば、時空間情報）をモニタするために、別の無線送信器（例えば、別のタイプ１デバイス、または別のオリジン登録器）から信号および／または別の信号を受信し得る。無線送信器はまた、オブジェクトの動きをモニタするために、無線受信器および／または別の無線受信器（例えば、別のタイプ２デバイス、または別のトラッカーボット）に信号および／または別の信号を送信し得る。無線送信器および／または別の無線送信器の場所は、既知であり得る。
場所は、部屋、家、オフィス、職場、廊下、歩道、リフト、リフト昇降路、エスカレーター、エレベーター、下水システム、換気システム、階段、集合エリア、ダクト、エアダクト、パイプ、チューブ、密閉構造、半密閉構造、密閉エリア、少なくとも１つの壁を有するエリア、プラント、機械、エンジン、木でできた構造、ガラスでできた構造、金属でできた構造、壁を有する構造、ドアを有する構造、隙間を有する構造、反射面を有する構造、流体を有する構造、建物、ルーフトップ、ストア、工場、組み立てライン、ホテルの部屋、美術館、教室、学校、大学、政府の建物、倉庫、ガレージ、モール、空港、鉄道駅、バスターミナル、ハブ、交通ハブ、船舶ターミナル、政府施設、公共施設、学校、大学、エンタテイメント施設、レクリエーション施設、病院、老人ホーム、介護施設、コミュニティセンター、スタジアム、遊び場、公園、フィールド、スポーツ施設、水泳施設、トラックおよび／またはフィールド、バスケットボールコート、テニスコート、サッカースタジアム、野球スタジアム、体育館、ホール、ガレージ、ショッピングマート、モール、スーパーマーケット、製造施設、駐車施設、建設現場、採掘施設、輸送施設、高速道路、道路、谷、森林、木、土地、地形、小部屋、パティオ、地面、小道、アミューズメントパーク、市街地、田舎、郊外エリア、都市圏、ガーデン、広場、プラザ、音楽ホール、ダウンタウン施設、オーバーエア施設、セミオープン施設、閉鎖エリア、鉄道のホーム、鉄道駅、流通センター、倉庫、ストア、流通センター、ストレージ施設、地下施設、宇宙（例えば、地上、宇宙空間）施設、フローティング施設、洞窟、トンネル施設、屋内施設、野外施設、いくつかの壁／ドア／反射バリアを有する屋外施設、オープン施設、半オープン施設、自動車、トラック、バス、バン、コンテナ、船／ボート、潜水艇、列車、トラム、飛行機、ビークル、移動住宅、洞穴、トンネル、パイプ、チャネル、大都市圏、比較的高い建物のあるダウンタウンエリア、谷、井戸、ダクト、細道、ガスライン、オイルライン、送水管、細道／小路／道路／チューブ／空洞／洞穴／パイプ状構造／空域／流体域，を相互接続するネットワーク、人体、動物の体、体腔、臓器、骨、歯、軟組織、硬組織、硬質組織、非硬質組織、血管／体液管、気管、エアダクト、小部屋などのスペースであり得る。場所は、屋内、屋外であり得る。場所は、空間の内側および外側の両方を含み得る。例えば、場所は、建物の内側および建物の外側の両方を含み得る。例えば、場所は、１階または複数階の建物であることができ、建物の一部は、地下であることができる。建物の形状は、例えば、円形、正方形、矩形、三角形、または不規則な形状であり得る。これらは、単なる例である。本開示を使用して、その他の種類の場所または空間内のイベントを検出することができる。
無線送信器（例えば、タイプ１デバイス）および／または無線受信器（例えば、タイプ２デバイス）は、（例えば、前の運動および／または現在の運動において）オブジェクトと共に動くことができるポータブルデバイス（例えば、モジュール、またはモジュールを備えたデバイス）内に埋め込まれ得る。ポータブルデバイスは、ワイヤード接続（例えば、ＵＳＢ、マイクロＵＳＢ、Ｆｉｒｅｗｉｒｅ、ＨＤＭＩ、シリアルポート、パラレルポート、およびその他のコネクタを介して）および／または接続（例えば、Ｂｌｕｅｔｏｏｔｈ、Ｂｌｕｅｔｏｏｔｈ Ｌｏｗ Ｅｎｅｒｇｙ（ＢＬＥ）、ＷｉＦｉ、ＬＴＥ、ＺｉｇＢｅｅなど）を使用して、オブジェクトと通信可能に結合され得る。ポータブルデバイスは、軽量デバイスであり得る。ポータブルは、バッテリ、充電可能バッテリ、および／またはＡＣ電源によって電力供給され得る。ポータブルデバイスは、超小型（例えば、１ミリメートル未満のスケールおよび／もしくは１センチメートル未満のスケール）、ならびに／または小型（例えば、コインサイズ、カードサイズ、ポケットサイズ、もしくはそれ以上）であり得る。ポータブルデバイスは、大型、大きい、および／または嵩高（例えば、設置される重機）であり得る。ポータブルデバイスは、ＷｉＦｉホットスポット、アクセスポイント、モバイルＷｉＦｉ（ＭｉＦｉ）、ＵＳＢ／マイクロＵＳＢ／ファイアワイア（Firew1ire）／その他のコネクタを備えるドングル、スマートフォン、ポータブルコンピュータ、コンピュータ、タブレット、スマートデバイス、モノのインターネット（ＩｏＴ）デバイス、ＷｉＦｉ対応デバイス、ＬＴＥ対応デバイス、スマートウォッチ、スマートグラス、スマートミラー、スマートアンテナ、スマートバッテリ、スマート照明、スマートペン、スマートリング、スマートドア、スマート窓、スマートクロック、小バッテリ、スマートウォレット、スマートベルト、スマートハンドバッグ、スマート衣服／衣料品、スマートオーナメント、スマート包装、スマートペーパー／本／雑誌／ポスター／印刷物／看板／ディスプレイ／照明付きシステム／照明システム、スマートキー／ツール、スマートブレスレット／チェーン／ネックレス／ウェアラブル／アクセサリ、スマートパッド／クッション、スマートタイル／ブロック／れんが／建物材料／その他の材料、スマートゴミ箱／廃棄物コンテナ、スマートフードキャリッジ／ストレージ、スマートボール／ラケット、スマート椅子／ソファ／ベッド、スマート靴／履物／カーペット／マット／シューラック、スマートグローブ／手袋／リング／ハンドウェア（hand ware）、スマートハット／ヘッドウェア／メイクアップ／ステッカー／タトゥ、スマートミラー、スマートトイ、スマートピル、スマートキッチン用品、スマートボトル／フードコンテナ、スマートツール、スマートデバイス、ＩｏＴデバイス、ＷｉＦｉ対応デバイス、ネットワーク対応デバイス、３Ｇ／４Ｇ／５Ｇ／６Ｇ対応デバイス、埋め込みデバイス、インプラント型デバイス、エアコンディショナ、冷蔵庫、ヒーター、暖炉、家具、オーブン、クッキングデバイス、テレビ／セットトップボックス（set-top box：ＳＴＢ）／ＤＶＤプレイヤ／オーディオプレイヤ／ビデオプレイヤ／リモコン、ｈｉ－ｆｉ、オーディオデバイス、スピーカ、ランプ／照明、壁、ドア、窓、ルーフ、ルーフタイル／屋根板／構造／屋根裏構造／デバイス／特徴／設備／作り付け家具、芝刈機／ガーデンツール／庭ツール／工具／ガレージツール／、ゴミ箱／コンテナ、２０フィート／４０フィートコンテナ、ストレージコンテナ、工場／製造／生産デバイス、修理ツール、流体コンテナ、機械、設置される機械、ビークル、カート、ワゴン、倉庫ビークル、自動車、自転車、オートバイ、ボート、大型船、飛行機、バスケット／ボックス／バッグ／バケツ／コンテナ、スマートプレート／カップ／ボウル／ポット／マット／キッチン用品／キッチンツール／キッチンデバイス／キッチンアクセサリ／キャビネット／テーブル／椅子／タイル／照明／送水管／蛇口／ガスレンジ／オーブン／食器洗い機／などであり得る。ポータブルデバイスは、交換可能、交換不可能、充電可能、および／または充電不可能であり得るバッテリを有し得る。ポータブルデバイスは、無線で充電できる。ポータブルデバイスは、スマートペイメントカードであり得る。ポータブルデバイスは、駐車場、高速道路、娯楽公園、または支払いが必要なその他の場所／施設で使用されるペイメントカードであり得る。ポータブルデバイスは、上記のように、識別情報（ＩＤ）を有することができる。
ＴＳＣＩに基づいてイベントをモニタすることができる。イベントは、オブジェクト関連イベント、例えば、オブジェクト（例えば、人および／または病人）の転倒、回転、逡巡、一時停止、衝撃（例えば、サンドバッグ、ドア、窓、ベッド、椅子、テーブル、机、キャビネット、箱、別の人、動物、鳥、はえ、テーブル、椅子、ボール、ボーリングボール、テニスボール、フットボール、サッカーボール、野球ボール、バスケットボール、バレーボールなどをたたく人）、ツーボディアクション（例えば、風船を放す人、魚を捕まえる、粘度を成形する、書類を書く、コンピュータでタイピングする人など）、ガレージ内を動く自動車、スマートフォンを持ちながら空港／モール／政府の建物／オフィス／などを歩き回る人、自律的な可動オブジェクト／動き回る機械（例えば、真空掃除機、ユーティリティビークル、自動車、ドローン、自動運転車など）であり得る。
タスクまたは無線スマートセンシングタスクには、オブジェクト検出、存在検出、オブジェクト認識、オブジェクト検証、ツール検出、ツール認識、ツール検証、機械検出、機械認識、機械検証、人間検出、人間認識、人間検証、乳児検出、乳児認識、乳児検証、人間呼吸検出、動き検出、動き推定、動き検証、周期的動き検出、周期的動き推定、周期的動き検証、定常動き検出、定常動き推定、定常動き検証、周期的定常動き検出、周期的定常動き推定、周期的定常動き検証、過渡的動き検出、過渡的動き推定、過渡的動き検証、トレンド検出、トレンド推定、トレンド検証、呼吸検出、呼吸推定、呼吸推定、人間バイオメトリクス検出、人間バイオメトリクス推定、人間バイオメトリクス検証、環境情報検出、環境情報推定、環境情報検証、歩行検出、歩行推定、歩行検証、ジェスチャー検出、ジェスチャー推定、ジェスチャー検証、機械学習、教師あり学習、教師なし学習、半教師あり学習、クラスタリング、特徴抽出、特徴訓練、主コンポーネント分析、固有値分解、周波数分解、時間分解、時間周波数分解、関数分解、その他の分解、訓練、識別訓練、教師あり訓練、教師なし訓練、半教師あり訓練、ニューラルネットワーク、突然の動き検出、転倒検出、危険検出、生命の脅威検出、規則的な動き検出、定常動き検出、周期的定常動き検出、侵入検出、不審な動き検出、セキュリティ、安全モニタ、ナビゲーション、ガイダンス、マップによる処理、マップによる補正、不規則性検出、場所特定、追跡、複数のオブジェクト追跡、屋内追跡、屋内位置、屋内ナビゲーション、電力伝送、無線電力伝送、オブジェクトカウント、パーキングガレージ中での自動車追跡、患者検出、患者モニタ、患者検証、無線通信、データ通信、信号放送、ネットワーキング、コーディネーション、管理、暗号化、保護、クラウドコンピューティング、その他の処理および／またはその他のタスクが含まれ得る。タスクは、タイプ１デバイス、タイプ２デバイス、別のタイプ１デバイス、別のタイプ２デバイス、近くのデバイス、ローカルサーバ、エッジサーバ、クラウドサーバ、および／または別のデバイスによって実施され得る。
タスクの第１の部分には、前処理、信号調整、信号処理、後処理、ノイズ除去、特徴抽出、コーディング、暗号化、変換、マッピング、動き検出、動き推定、動き変化検出、動きパターン検出、動きパターン推定、動きパターン認識、バイタルサイン検出、バイタルサイン推定、バイタルサイン認識、周期的動き検出、周期的動き推定、呼吸数検出、呼吸数推定、呼吸パターン検出、呼吸パターン推定、呼吸パターン認識、心拍検出、心拍推定、心臓パターン検出、心臓パターン推定、心臓パターン認識、ジェスチャー検出、ジェスチャー推定、ジェスチャー認識、速さ検出、速さ推定、オブジェクト場所特定、オブジェクト追跡、ナビゲーション、加速推定、加速検出、転倒検出、変化検出、侵入者検出、乳児検出、乳児モニタ、患者モニタ、オブジェクト認識、無線電力伝送、および／または無線充電のうちの少なくとも１つが含まれ得る。
タスクの第２の部分には、スマートホームタスク、スマートオフィスタスク、スマート建物タスク、スマート工場タスク（例えば、機械または組み立てラインを使用する製造）、スマートモノのインターネット（ＩｏＴ）タスク、スマートシステムタスク、スマートホーム動作、スマートオフィス動作、スマート建物動作、スマート製造動作（例えば、資材／部品／原材料を機械／組み立てラインに移動）、ＩｏＴ動作、スマートシステム動作、部屋、領域および／もしくは場所のうちの少なくとも１つにおいて照明をオン、照明をオフ、照明を制御、サウンドクリップを再生、部屋、領域および／もしくは場所のうちの少なくとも１つにおいてサウンドクリップを再生、歓迎、グリーティング、別れ、第１のメッセージ、および／もしくはタスクの第１の部分と関連付けられた第２のメッセージのうちの少なくとも１つのサウンドクリップを再生、部屋、領域および／もしくは場所のうちの少なくとも１つにおいてアプライアンスをオン、アプライアンスをオフ、アプライアンスを制御、部屋、領域および／もしくは場所のうちの少なくとも１つにおいて電気システムをオン、電気システムをオフ、電気システムを制御、部屋、領域および／もしくは場所のうちの少なくとも１つにおいてセキュリティシステムをオン、セキュリティシステムをオフ、セキュリティシステムを制御、部屋、領域および／もしくは場所のうちの少なくとも１つにおいて機械システムをオン、機械システムをオフ、機械システムを制御、ならびに／またはエアコンディショニングシステム、暖房システム、換気システム、照明システム、暖房デバイス、ストーブ、エンタテイメントシステム、ドア、フェンス、窓、ガレージ、コンピュータシステム、ネットワークデバイス、ネットワークシステム、ホームアプライアンス、オフィス機材、照明デバイス、ロボット（例えば、ロボットアーム）、スマートビークル、スマート機械、組み立てライン、スマートデバイス、モノのインターネット（ＩｏＴ）デバイス、スマートホームデバイス、および／もしくはスマートオフィスデバイスのうちの少なくとも１つを制御、のうちの少なくとも１つが含まれ得る。
タスクとしては、ユーザの帰宅を検出、ユーザの外出を検出、ユーザの部屋から部屋への移動を検出、窓／ドア／ガレージドア／ブラインド／カーテン／パネル／ソーラーパネル／日除けを検出／制御／ロック／アンロック／開く／閉じる／部分的に開く、ペットを検出、何かをしているユーザを検出／モニタ（例えば、ソファで寝る、ベッドルームで寝る、トレッドミルで走る、調理する、ソファに座る、ＴＶを観る、キッチンで食事をする、ダイニングルームで食事をする、階上／階下へ行く、外出する／帰宅する、トイレにいるなど）、ユーザ／ペットの場所をモニタ／検出、検出時に自動的に何かをする、ユーザを検出時に自動的にユーザのために何かをする、照明をオン／オフ／薄暗くする、音楽／無線／ホームエンタテイメントシステムをオン／オフ、ＴＶ／ＨｉＦｉ／セットトップボックス（ＳＴＢ）／ホームエンタテイメントシステム／スマートスピーカ／スマートデバイスをオン／オフ／調整／制御、エアコンディショニングシステムをオン／オフ／調整、換気システムをオン／オフ／調整、暖房システムをオン／オフ／調整、カーテン／照明シェードを調整／制御、コンピュータをオン／オフ／起動、コーヒーメーカ／湯沸かしポットをオン／オフ／予熱／制御、調理器具／オーブン／電子レンジ／別のクッキングデバイスをオン／オフ／制御／予熱、温度をチェック／調整、天気予報をチェック、電話メッセージボックスをチェック、メールをチェック、システムチェックを行う、システムを制御／調整、セキュリティシステム／ベビーモニターをチェック／制御／準備／解除、冷蔵庫をチェック／制御、報告の実施（例えば、Ｇｏｏｇｌｅ ｈｏｍｅ、Ａｍａｚｏｎ Ｅｃｈｏなどのスピーカを通して、ディスプレイ／スクリーン上で、ウェブページ／ｅメール／メッセージシステム／通知システムなどを介して）を挙げてもよい。
例えば、ユーザが自動車で家に着いたとき、タスクは、自動的に、ユーザまたは彼の自動車が接近しているのを検出する、検出するとすぐにガレージドアを開く、ユーザがガレージに近づくとドライブウェイ／ガレージ照明をオンする、エアコンディショナ／ヒーター／ファンをオンする、などをすることであり得る。ユーザが家に入ると、タスクは、自動的に、エントランス照明をオンする、ドライブウェイ／ガレージ照明をオフする、ユーザを歓迎するためにグリーティングメッセージを再生する、音楽をつける、ラジオをつけてユーザの好みのラジオニュースチャンネルに合わせる、カーテン／ブラインドを開ける、ユーザの気分をモニタする、ユーザの気分またはユーザの毎日のカレンダーにある現在の／差し迫ったイベントに応じて照明およびサウンド環境を調整する（例えば、ユーザは、１時間後にガールフレンドとディナーを食べることになっているので、ロマンチックな照明および音楽にする）、ユーザが朝に準備した電子レンジ内の食べ物を温める、家の中のすべてのシステムの診断チェックをする、明日の仕事のために天気予報をチェックする、ユーザの関心のあるニュースをチェックする、ユーザのカレンダーおよびｔｏ－ｄｏリストをチェックしてリマインドする、電話応答システム／メッセージシステム／ｅメールをチェックして対話システム／音声合成を使用して口頭で報告する、（例えば、スピーカ／ＨｉＦｉ／音声合成／音声／声／音楽／歌／音場／背景音場／対話システムなどの可聴ツールを使用して、ＴＶ／エンタテイメントシステム／コンピュータ／ノートブック／スマートパッド／ディスプレイ／照明／色／輝度／パターン／記号などの視覚ツールを使用して、触覚ツール／バーチャルリアリティーツール／ジェスチャー／ツールを使用して、スマートデバイス／アプライアンス／用具／家具／作り付け家具を使用して、ｗｅｂツール／サーバ／クラウドサーバ／フォグサーバ／エッジサーバ／ホームネットワーク／メッシュネットワークを使用して、メッセージツール／通知ツール／通信ツール／スケジューリングツール／ｅメールを使用して、ユーザインターフェース／ＧＵＩを使用して、香り／匂い／芳香／味を使用して、神経ツール／神経系ツールを使用して、組み合わせを使用して、など）ユーザの母親の誕生日をリマインドして彼女に電話する、（例えば、上述のようにリマインドのためにツールを使用して）報告を準備して報告を実施する、ことであり得る。タスクは、あらかじめエアコンディショナ／ヒーター／換気システムをオンするか、またはあらかじめスマートサーモスタットの温度設定を調整し得る。ユーザがエントランスからリビングルームに移動すると、タスクは、リビングルーム照明をオンする、リビングルームカーテンを開く、窓を開く、ユーザの後ろのエントランス照明をオフする、ＴＶおよびセットトップボックスをオンする、ＴＶをユーザのお気に入りのチャンネルに設定する、ユーザの好みおよび条件／状態に従ってアプライアンスを調整する（例えば、照明を調整し、かつ音楽を選択／再生して、ロマンチックな雰囲気を作る）、などをすることであり得る。
別の例は、以下であり得る。ユーザが朝目覚めると、タスクは、ユーザがベッドルーム内を動いていることを検出する、ブラインド／カーテンを開く、窓を開く、アラームクロックをオフする、夜間温度プロファイルから日中温度プロファイルへと屋内温度を調整する、ベッドルーム照明をオンする、ユーザがレストルームに近づくとレストルーム照明をオンする、無線またはストリーミングチャネルをチェックして朝のニュースを再生する、コーヒーメーカをオンして水を予熱する、セキュリティシステムをオフする、などをすることであり得る。ユーザがベッドルームからキッチンへ歩いているとき、タスクは、キッチンおよび廊下の照明をオンする、ベッドルームおよびレストルームの照明をオフする、ベッドルームからキッチンに音楽／メッセージ／リマインダーを移動する、キッチンのＴＶをオンする、ＴＶを朝のニュースチャンネルに変える、キッチンのブラインドを下げてキッチンの窓を開け新鮮な空気を入れる、ユーザが裏庭をチェックするために裏口をアンロックする、キッチンの温度設定を調整する、などをすることであり得る。別の例は、以下であり得る。ユーザが仕事のために家を出ると、タスクは、ユーザの外出を検出する、送別および／またはいってらっしゃいメッセージを再生する、ガレージドアを開く／閉じる、ガレージ照明およびドライブウェイ照明をオンする／オフする、エネルギ節約のために照明をオフする／薄暗くする（万が一ユーザが忘れている場合）、すべての窓／ドアを閉じる／ロックする（万が一ユーザが忘れている場合）、アプライアンスをオフする（特に、ストーブ、オーブン、電子レンジ）、侵入者に対して家を守るためにホームセキュリティシステムをオンする／装備する、エネルギ節約のために、エアコンディショニング／暖房／換気システムを「外出中」プロファイルに調整する、ユーザのスマートフォンにアラート／レポート／アップデートを送信する、などをすることであり得る。
動きには、動きなし、静止の動き、動かない動き、決定論的動き、過渡的動き、転倒の動き、繰り返しの動き、周期的動き、疑似の周期的動き、呼吸と関連付けられた周期的動き、心拍と関連付けられた周期的動き、生物と関連付けられた周期的動き、機械と関連付けられた周期的動き、人工物と関連付けられた周期的動き、自然と関連付けられた周期的動き、過渡的要素および周期的要素を含む複雑な動き、反復性の動き、非決定論的動き、確率論的動き、無秩序な動き、ランダム動き、非決定論的要素および決定論的要素を含む複雑な動き、定常ランダム動き、疑似定常ランダム動き、周期的定常ランダム動き、非定常ランダム動き、周期的自己相関関数（autocorrelation function：ＡＣＦ）による定常ランダム動き、ある期間にわたる周期的ＡＣＦによるランダム動き、ある期間にわたって疑似定常であるランダム動き、瞬間ＡＣＦがある期間にわたって疑似の周期的要素を有するランダム動き、機械の動き、機械的な動き、ビークルの動き、ドローンの動き、空気関連の動き、風関連の動き、気象関連の動き、水関連の動き、流体関連の動き、地面関連の動き、電磁気特徴の変化、地表下の動き、地震の動き、植物の動き、動物の動き、人間の動き、通常の動き、異常な動き、危険な動き、警告の動き、不審な動き、雨、火、洪水、津波、爆発、衝突、差し迫った衝突、人体の動き、頭の動き、顔の動き、眼の動き、口の動き、舌の動き、首の動き、指の動き、手の動き、腕の動き、肩の動き、体の動き、胸の動き、腹部の動き、腰の動き、脚の動き、足の動き、体の関節の動き、膝の動き、肘の動き、上半身の動き、下半身の動き、皮膚の動き、皮膚下の動き、皮下組織の動き、血管の動き、静脈内の動き、臓器の動き、心臓の動き、肺の動き、胃の動き、腸の動き、はらわたの動き、摂食の動き、呼吸の動き、顔の表情、眼の表情、口の表情、会話の動き、歌唱の動き、摂食の動き、ジェスチャー、手のジェスチャー、腕のジェスチャー、キーストローク、タイピングストローク、ユーザインターフェースのジェスチャー、人と機械の相互作用、歩行、ダンス運動、協調運動、ならびに／または協調身体運動のうちの少なくとも１つが含まれ得る。タイプ１デバイスおよび／または任意のタイプ２受信器の異種ＩＣは、低ノイズアンプ（ＬＮＡ）、パワーアンプ、送受信スイッチ、媒体アクセスコントローラ、ベースバンド無線、２．４ＧＨｚ無線、３．６５ＧＨｚ無線、４．９ＧＨｚ無線、５ＧＨｚ無線、５．９ＧＨｚ無線、６ＧＨｚ未満無線、６０ＧＨｚ未満無線、および／または別の無線を含み得る。
異種ＩＣは、プロセッサと、プロセッサと通信可能に結合されたメモリと、プロセッサによって実行するようにメモリ中に記憶された命令セットと、を備えることができる。ＩＣおよび／または任意のプロセッサには、汎用プロセッサ、専用プロセッサ、マイクロプロセッサ、マルチプロセッサ、マルチコアプロセッサ、並列プロセッサ、ＣＩＳＣプロセッサ、ＲＩＳＣプロセッサ、マイクロコントローラ、中央処理装置（central processing unit：ＣＰＵ）、グラフィカルプロセッサユニット（graphical processor unit：ＧＰＵ）、デジタル信号プロセッサ（digital signal processor：ＤＳＰ）、特定用途向け集積回路（application specific integrated circuit：ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（field programmable gate array：ＦＰＧＡ）、組込みプロセッサ（例えば、ＡＲＭ）、論理回路、その他のプログラマブルロジックデバイス、個別論理、および／または組み合わせのうちの少なくとも１つが含まれ得る。異種ＩＣは、ブロードバンドネットワーク、無線ネットワーク、モバイルネットワーク、メッシュネットワーク、セルラーネットワーク、無線ローカルエリアネットワーク（wireless local area network：ＷＬＡＮ）、ワイドエリアネットワーク（wide area network：ＷＡＮ）、およびメトロポリタンエリアネットワーク（metropolitan area network：ＭＡＮ）、ＷＬＡＮ規格、ＷｉＦｉ、ＬＴＥ、８０２．１１規格、８０２．１１ａ、８０２．１１ｂ、８０２．１１ｇ、８０２．１１ｎ、８０２．１１ａｃ、８０２．１１ａｄ、８０２．１１ａｆ、８０２，１１ａｈ、８０２．１１ａｘ、８０２．１１ａｙ、メッシュネットワーク規格、８０２．１５規格、８０２．１６規格、セルラーネットワーク規格、３Ｇ、３．５Ｇ、４Ｇ、４Ｇ超、４．５Ｇ、５Ｇ、６Ｇ、７Ｇ、８Ｇ、９Ｇ、Ｂｌｕｅｔｏｏｔｈ、Ｂｌｕｅｔｏｏｔｈ Ｌｏｗ－Ｅｎｅｒｇｙ（ＢＬＥ）、Ｚｉｇｂｅｅ、ＷｉＭａｘ、および／または別の無線ネットワークプロトコルをサポートし得る。プロセッサは、汎用プロセッサ、専用プロセッサ、マイクロプロセッサ、マイクロコントローラ、組込みプロセッサ、デジタル信号プロセッサ、中央処理装置（ＣＰＵ）、グラフィカルプロセッシングユニット（ＧＰＵ）、マルチプロセッサ、マルチコアプロセッサ、および／またはグラフィック機能を備えたプロセッサ、および／または組み合わせを含み得る。メモリは、揮発性、不揮発性、ランダムアクセスメモリ（random access memory：ＲＡＭ）、読み取り専用メモリ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ：ＲＯＭ）、電気的プログラマブルＲＯＭ（Electrically Programmable ROM：ＥＰＲＯＭ）、電気的消去可能プログラマブルＲＯＭ（Electrically Erasable Programmable ROM：ＥＥＰＲＯＭ）、ハードディスク、フラッシュメモリ、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、磁気ストレージ、光ストレージ、有機ストレージ、ストレージシステム、ストレージネットワーク、ネットワークストレージ、クラウドストレージ、エッジストレージ、ローカルストレージ、外部ストレージ、内部ストレージ、またはその他の形態の当該技術分野において既知の非一過性のストレージメディアであり得る。方法ステップに対応する命令セット（機械実行可能コード）は、ハードウェア中、ソフトウェア中、ファームウェア中、またはこれらの組み合わせ中に直接埋め込まれ得る。命令セットは、埋め込まれ、事前にロードされ、起動時にロードされ、オンザフライでロードされ、要望に応じてロードされ、事前にインストールされ、インストールされ、および／またはダウンロードされ得る。プレゼンテーションは、視聴覚的方法、グラフィカルな方法（例えば、ＧＵＩを使用した）、テキストの方法、記号の方法、または機械的方法によるプレゼンテーションであり得る。
基本的な計算
本方法と関連付けられた計算作業負荷は、プロセッサ、タイプ１異種無線デバイス、タイプ２異種無線デバイス、ローカルサーバ、クラウドサーバ、および別のプロセッサ間で共有される。演算、前処理、処理、および／または後処理をデータ（例えば、ＴＳＣＩ、自己相関）に適用できる。演算は、前処理、処理、および／または後処理であり得る。前処理、処理、および／または後処理は、演算であり得る。演算には、前処理、処理、後処理、オペランド関数の計算、フィルタリング、線形フィルタリング、非線形フィルタリング、折畳み、グループ化、エネルギ消費、低域フィルタリング、帯域フィルタリング、高域フィルタリング、メジアンフィルタリング、ランクフィルタリング、四分位数フィルタリング、百分位数フィルタリング、モードフィルタリング、有限インパルス応答（finite impulse response：ＦＩＲ）フィルタリング、無限インパルス応答（infinite impulse response：ＩＩＲ）フィルタリング、移動平均（moving average：ＭＡ）フィルタリング、自己回帰（autoregressive：ＡＲ）フィルタリング、自己回帰移動平均（filtering,autoregressive moving averaging：ＡＲＭＡ）フィルタリング、選択的フィルタリング、適応フィルタリング、補間、デシメーション、サブサンプリング、アップサンプリング、リサンプリング、時間補正、時間軸補正、位相補正、大きさ補正、相クリーニング、大きさクリーニング、マッチドフィルタリング、エンハンスメント、復元、ノイズ除去、平滑化、信号調整、エンハンスメント、復元、スペクトル分析、線形変換、非線形変換、周波数変換、逆周波数変換、フーリエ変換、ウェーブレット変換、ラプラス変換、ヒルベルト変換、アダマール変換、三角関数変換、サイン変換、コサイン変換、２のべき乗変換、スパース変換、グラフベース変換（graph-based transform）、グラフ信号処理、高速変換、ゼロパディングと組み合わせた変換、循環パディング（cyclic padding）、パディング、ゼロパディング、特徴抽出、分解、射影、正射影、非正射影、オーバーコンプリート射影（over-complete projection）、固有値分解、特異値分解（singular value decomposition：ＳＶＤ）、主コンポーネント分析（principle component analysis：ＰＣＡ）、独立コンポーネント分析（independent component analysis：ＩＣＡ）、グループ化、ソート、閾値法、ソフト閾値法、ハード閾値法、クリッピング、ソフトクリッピング、一次導関数、二次導関数、高次導関数、畳み込み、乗算、除算、加算、減算、積分、最大化、最小化、極大化、極小化、コスト関数の最適化、ニューラルネットワーク、認識、ラベリング、訓練、クラスタリング、機械学習、教師あり学習、教師なし学習、半教師あり学習、別のＴＳＣＩとの比較、類似性スコアの計算、量子化、ベクトル量子化、マッチング追跡、圧縮、暗号化、コーディング、記憶、送信、正規化、時間正規化、周波数領域正規化、分類、クラスタリング、ラベリング、タグ付け、学習、検出、推定、学習ネットワーク、マッピング、リマッピング、拡張、記憶、取り返す、送信、受信、表現、マージ、結合、分割、追跡、モニタ、マッチドフィルタリング、カルマンフィルタリング、粒子フィルタ、内挿、外挿、重点サンプリング、モンテカルロサンプリング、圧縮センシング、表現、マージ、結合、分割、スクランブリング、誤り保護、前方誤り訂正、何もしない、経時変化処理、調整平均、加重平均、算術平均、幾何平均、調和平均、選択された周波数での平均、アンテナリンクでの平均、論理演算、置換、組み合わせ、ソート、ＡＮＤ、ＯＲ、ＸＯＲ、和集合、論理積、ベクトル加算、ベクトル減算、ベクトル乗算、ベクトル除算、逆、ノルム、距離、および／または別の演算が含まれ得る。演算は、前処理、処理、および／または後処理であり得る。演算は、複数の時系列または関数に連帯的に適用され得る。
関数（例えば、オペランド関数）には、スカラー関数、ベクトル関数、離散関数、連続関数、多項式関数、特徴、特徴、大きさ、位相、指数関数、対数関数、三角関数、超越関数、論理関数、線形関数、代数関数、非線形関数、区分線形関数、実関数、複素関数、ベクトル値関数、逆関数、関数の微分、関数の積分、円関数、別の関数の関数、１対１関数、１対多関数、多対１関数、多対多関数、ゼロ交差、絶対値関数、指示関数、平均、最頻値、メジアン、範囲、統計、分散、算術平均、幾何平均、調和平均、トリムド平均、百分位数、平方、立方、根、累乗、サイン、コサイン、タンジェント、コタンジェント、正割、余割、楕円関数、放物線関数、双曲線関数、ゲーム関数、ゼータ関数、絶対値、閾値法、制限関数、床関数、丸め関数、符号関数、量子化、区分定数関数、合成関数、関数の関数、演算（例えば、フィルタリング）で処理された時間関数、確率論的関数、確率関数、ランダム関数、エルゴード関数、定常関数、確定関数、周期関数、変換、周波数変換、逆周波数変換、離散時間変換、ラプラス変換、ヒルベルト変換、サイン変換、コサイン変換、三角変換、ウェーブレット変換、整数変換、２のべき乗変換、スパース変換、射影、分解、主コンポーネント分析（ＰＣＡ）、独立コンポーネント分析（ＩＣＡ）、ニューラルネットワーク、特徴抽出、移動関数、時系列の隣接項目の移動窓関数、フィルタリング関数、畳み込み、平均関数、分散関数、統計関数、短時間変換、離散変換、離散フーリエ変換、離散コサイン変換、離散サイン変換、アダマール変換、固有値分解、固有値、特異値分解（ＳＶＤ）、特異値、直交分解、マッチング追跡、スパース変換、スパース近似、任意分解、グラフベース処理、グラフベース変換、グラフ信号処理、分類、ラベリング、学習、機械学習、検出、推定、特徴抽出、学習ネットワーク、特徴抽出、ノイズ除去、信号強調、コーディング、暗号化、マッピング、リマッピング、ベクトル量子化、低域フィルタリング、高域フィルタリング、帯域フィルタリング、マッチドフィルタリング、カルマンフィルタリング、前処理、後処理、粒子フィルタ、ＦＩＲフィルタリング、ＩＩＲフィルタリング、自己回帰（ＡＲ）フィルタリング、適応フィルタリング、一次導関数、高次導関数、積分、ゼロ交差、平滑化、メジアンフィルタリング、モードフィルタリング、サンプリング、ランダムサンプリング、リサンプリング関数、ダウンサンプリング、アップサンプリング、補間、外挿、重点サンプリング、モンテカルロサンプリング、圧縮センシング、統計、短期統計、長期統計、平均、分散、自己相関関数、相互相関、積率母関数、時間平均化、加重平均、特殊関数、ベッセル関数、誤差関数、相補誤差関数、ベータ関数、ガンマ関数、整関数、ガウス関数、ポアソン関数などが含まれ得る。
機械学習、訓練、識別訓練、ディープラーニング、ニューラルネットワーク、連続時間処理、分散コンピューティング、分散ストレージ、ＧＰＵ／ＤＳＰ／コプロセッサ／マルチコア／マルチプロセッシングを使用した加速は、本開示のステップ（または各ステップ）に適用され得る。周波数変換としては、フーリエ変換、ラプラス変換、アダマール変換、ヒルベルト変換、サイン変換、コサイン変換、三角変換、ウェーブレット変換、整数変換、２のべき乗変換、ゼロパディングおよび変換の組み合わせ、ゼロパディング付きフーリエ変換、ならびに／または別の変換が挙げられ得る。変換の高速バージョンおよび／または近似バージョンが実施され得る。変換は、浮動小数点演算および／または固定小数点演算を使用して実施され得る。逆周波数変換としては、逆フーリエ変換、逆ラプラス変換、逆アダマール変換、逆ヒルベルト変換、逆サイン変換、逆コサイン変換、逆三角変換、逆ウェーブレット変換、逆整数変換、逆２のべき乗変換、ゼロパディングおよび変換の組み合わせ、ゼロパディング付き逆フーリエ変換、ならびに／または別の変換が挙げられ得る。変換の高速バージョンおよび／または近似バージョンが実施され得る。変換は、浮動小数点演算および／または固定小数点演算を使用して実施され得る。
ＴＳＣＩからの量を計算することができる。量は、動き、場所、マップ座標、高さ、速さ、加速度、運動角度、回転、サイズ、体積、時間的傾向、時間的傾向、時間プロファイル、周期的動き、頻度、過渡的、呼吸、歩行、アクション、イベント、不審なイベント、危険なイベント、警報イベント、警告、信念、近接、衝突、電力、信号、信号電力、信号強度、受信信号強度インジケータ（received signal strength indicator：ＲＳＳＩ）、信号振幅、信号位相、信号周波数コンポーネント、信号周波数帯域コンポーネント、チャネル状態情報（ＣＳＩ）、マップ、時間、周波数、時間周波数、分解、直交分解、非直交分解、追跡、呼吸、心拍、バイオメトリクス、乳児、患者、機械、デバイス、温度、ビークル、駐車場、場所、リフト、エレベーター、空間、道路、流体の流れ、家庭、部屋、オフィス、家、建物、倉庫、ストレージ、システム、換気、ファン、パイプ、ダクト、人々、人間、自動車、ボート、トラック、飛行機、ドローン、ダウンタウン、群衆、衝撃的イベント、周期的定常、環境、振動、材料、表面、３次元、２次元、ローカル、グローバル、存在、および／または別のもののうちの少なくとも１つの統計を含み得る。
スライディング窓／アルゴリズム
スライディング時間窓は、経時変化窓幅を有し得る。高速に取得できるように初めは小さくてもよく、時間の経過と共に定常状態サイズまで増加することができる。定常状態サイズは、モニタされる周波数、繰り返しの動き、過渡的運動、および／または時空間情報に関し得る。定常状態であっても、窓サイズは、電池寿命、電力消費、利用可能な計算力、ターゲットの量の変化、モニタされる動きの性質などに基づいて、適応的に変化され得る。隣接する時間インスタンスでの２つのスライディング時間窓間のタイムシフトは、時間の経過と共に、一定／変更可能／局所的に適応的であり得る。より短いタイムシフトが使用される場合、任意のモニタの更新をより頻繁になってもよく、これは、高速に変化する状況、オブジェクトの動き、および／またはオブジェクトに使用され得る。より長いタイムシフトは、より遅い状況、オブジェクトの動き、および／またはオブジェクトに使用され得る。窓幅／サイズおよび／またはタイムシフトは、ユーザの要求／選択に応じて変更されてもよい。タイムシフトは、自動的に（例えば、プロセッサ／コンピュータ／サーバ／クラウドサーバによって制御される）および／または適応的に変更されてもよい。
関数（例えば、自己相関関数、自己共分散関数、相互相関関数、相互共分散関数、パワースペクトル密度、時間関数、周波数領域関数、周波数変換）の少なくとも１つの特徴が（例えば、オブジェクト追跡サーバ、プロセッサ、タイプ１異種デバイス、タイプ２異種デバイス、および／または別のデバイスによって）決定され得る。関数の少なくとも１つの特徴としては、局所的最大値、局所的最小値、局所的極値、正の時間オフセットを有する局所的極値、正の時間オフセットを有する第１の局所的極値、正の時間オフセットを有するｎ番目の局所的極値、負の時間オフセットを有する局所的極値、負の時間オフセットを有する第１の局所的極値、負の時間オフセットを有するｎ番目の局所的極値、制約付き（制約内の引数を有する）最大、最小、制約付き最大、制約付き最小、制約付き極値、傾き、導関数、高次導関数、最大傾き、最小傾き、局所的最大値傾き、正の時間オフセットを有する極大値傾き、極小値傾き、制約付き最大傾き、制約付き最小傾き、最大高次導関数、最小高次導関数、制約付き高次導関数、ゼロ交差、正の時間オフセットを有するゼロ交差、正の時間オフセットを有するｎ番目のゼロ交差、負の時間オフセットを有するゼロ交差、負の時間オフセットを有するｎ番目のゼロ交差、制約付きゼロ交差、傾きのゼロ交差、高次導関数のゼロ交差、および／または別の特徴が挙げられる。関数の少なくとも１つの特徴と関連付けられた、関数の少なくとも１つの引数を識別することができる。いくらかの量（オブジェクトの例えば、時空間情報）は、関数の少なくとも１つの引数に基づいて決定され得る。
特徴（例えば、場所内のオブジェクトの動きの特徴）は、瞬時特徴、短期特徴、反復特徴、繰り返し特徴、履歴、増分特徴、変動特徴、偏差特徴、位相、大きさ、時間特徴、周波数特徴、時間周波数特徴、分解特徴、直交分解特徴、非直交分解特徴、決定論的特徴、確率論的特徴、確率的特徴、自己相関関数（ＡＣＦ）、平均、分散、統計、持続時間、タイミング、傾向、周期的特徴、長期特徴、履歴特徴、平均特徴、現在の特徴、過去の特徴、将来特徴、予測特徴、場所、距離、高さ、速さ、方向、速度、加速度、加速度の変化、角度、角速さ、角速度、オブジェクトの角加速度、角加速度の変化、オブジェクトの配向、回転の角度、オブジェクトの変形、オブジェクトの形状、オブジェクトの形状の変化、オブジェクトのサイズの変化、オブジェクトの構造の変化、および／またはオブジェクトの特徴の変化のうちの少なくとも１つを含み得る。
関数の少なくとも１つの局所的最大値および少なくとも１つの局所的最小値を識別することができる。少なくとも１つの信号対雑音比様（local signal-to-noise-ratio-like）（ＳＮＲ様）パラメータは、隣接する局所的最大値および局所的最小値の各対について計算され得る。ＳＮＲ様パラメータは、局所的最小値と同一の量である局所的最大値の量（例えば、電力、大きさなど）の分数の関数（例えば、線形、ｌｏｇ、指数関数、単調関数）であり得る。これはまた、局所的最大値の量と同一量の局所的最小値の量との間の差の関数でもあり得る。
有意な局所的ピークを識別または選択することができる。各有意な局所的ピークは、閾値Ｔ１より大きいＳＮＲ様パラメータの局所的最大値および／または閾値Ｔ２より大きい振幅の局所的最大値であり得る。永続性系アプローチを使用して、周波数領域における少なくとも１つの局所的最小値および少なくとも１つの局所的最小値を識別／計算することができる。選択された有意な局所的ピークのセットは、選択基準に基づいて、識別された有意な局所的ピークのセットから選択され得る。オブジェクトの特徴／時空間情報は、選択された有意な局所的ピークのセットと関連付けられた、選択された有意な局所的ピークおよび周波数値のセットに基づいて計算され得る。
一実施例では、選択基準は常に、ある範囲内で最強のピークを選択するように対応し得る。最強のピークが選択され得るが、選択されていないピークは、依然として有意（かなり強い）であり得る。選択されていない有意なピークは、将来のスライディング時間窓内において将来の選択に使用するための、「確保された」ピークとして記憶および／またはモニタされ得る。一例として、特定のピーク（特定の周波数にて）が、時間の経過と共に、均一に現れる場合がある。最初は、有意であるが選択されない場合がある（その他のピークが強い場合があるため）。しかし、後になって、ピークは、より強くより支配的になる場合があり、選択される場合がある。「選択された」状態になると、時間的に後戻りして、有意であるが選択されなかった場合に早くから「選択された」状態になり得る。かかる場合、後戻りしたピークは、早くに以前に選択されたピークで置き換わる場合がある。置き換えられたピークは、比較的弱いか、または、時間的に孤立して現れるピークである場合がある（すなわち、時間的に短時間だけ現れる）。別の実施例では、選択基準は、ある範囲内で最強のピークを選択するように対応しない場合がある。その代わりに、ピークの「強さ」だけでなく、ピークの「痕跡」を考慮する場合があり、このピークは、過去に起きたことがあるピーク、特に長期間識別されていたピークである。例えば、有限状態機械（finite state machine：ＦＳＭ）が使用される場合、ＦＳＭの状態に基づいてピーク(単数または複数)を選択することができる。決定閾値は、ＦＳＭの状態に基づいて、適応的に計算することができる。
ＴＳＣＩの一次的に隣接するＣＩの対に基づいて、類似性スコアおよび／またはコンポーネント類似性スコアを（例えば、サーバ、プロセッサ、タイプ１デバイス、タイプ２デバイス、ローカルサーバ、クラウドサーバ、および／または別のデバイスによって、）計算することができる。この対は、同一のスライディング窓または２つの異なるスライディング窓由来であり得る。類似性スコアはまた、２つの異なるＴＳＣＩからの、一時的に隣接するまたは隣接しないＣＩの対に基づき得る。類似性スコアおよび／またはコンポーネント類似スコアは、時間反転共鳴強度（time reversal resonating strength：ＴＲＲＳ）、相関、相互相関、自己相関、共分散、相互共分散、自己共分散、２つのベクトルの内積、距離スコア、ノルム、メトリック、統計的特徴、判別スコア、メトリック、ニューラルネットワーク、ディープラーニングネットワーク、機械学習、訓練、判別、加重平均、前処理、ノイズ除去、信号調整、フィルタリング、時間補正、タイミング補償、位相オフセット補償、変換、コンポーネント毎の演算、特徴抽出、有限状態機械、および／または別のスコアであり得る／を含み得る。特徴および／または時空間情報は、類似性スコアに基づいて決定／計算することができる。任意の閾値は、事前に決定され得る、適応的に決定され得る、および／または有限状態機械によって決定され得る。適応決定は、時間、空間、場所、アンテナ、パス、リンク、状態、電池寿命、残りの電池寿命、利用可能な電力、利用可能な計算リソース、利用可能なネットワーク帯域幅などに基づき得る。２つのイベント（または２つの条件、または２つの状況、または２つの状態）ＡおよびＢを区別するために試験統計量に適用される閾値が決定され得る。データ（例えば、ＣＩ、チャネル状態情報（ＣＳＩ））は、訓練状況においてＡの下および／またはＢの下で収集され得る。試験統計量は、データに基づいて計算され得る。Ａの下の試験統計量の分布は、Ｂの下の試験統計量の分布と比較され得、閾値は、いくつかの判定基準に基づいて選択され得る。判定基準は、最尤法（maximum likelihood：ＭＬ）、最大事後確率推定法（maximum aposterior probability：ＭＡＰ）、識別訓練、所与のタイプ２誤差についての最小タイプ１誤差、所与のタイプ１誤差についての最小タイプ２誤差、および／またはその他の判定基準を含み得る。閾値は、Ａ、Ｂ、および／または別のイベント／条件／状況／状態に対して異なる感度を得るために調整され得る。閾値調整は、自動、半自動、および／または手動であり得る。閾値調整は、一度、時々、しばしば、定期的に、たまに、時折、および／または要望に応じて適用できる。閾値調整は、適応性であり得る。閾値調整は、オブジェクト、場所内の／場所での／場所のオブジェクトの運動／場所／方向／アクション、オブジェクトの特徴／時空間情報／サイズ／プロパティ／習性／習慣／行動、場所、フィーチャ／作り付け家具／家具／バリア／材料／機械／生き物／物／オブジェクト／境界／表面／媒体、マップ、マップの制約、イベント／状態／状況／条件、時間、タイミング、持続時間、現在の状態、過去の履歴、ユーザ、および／または個人的な好みなどに依存し得る。
繰り返しアルゴリズムの停止基準は、繰り返し中の更新における現在のパラメータ（例えば、オフセット値）の変化が閾値未満であることであり得る。閾値は、０．５、１、１．５、２、または別の数字であり得る。閾値調整は、適応的であり得る。繰り返しが進むにつれて変化することがある。オフセット値について、適応閾値は、タスク、第１の時間の特定の値、現在の時間オフセット値、回帰窓、回帰分析、回帰関数、回帰誤差、回帰関数の凸性、および／または繰り返し数に基づいて決定され得る。局所的極値は、回帰窓における回帰関数の対応する極値として決定され得る。局所的極値は、回帰窓内の時間オフセット値のセットおよび関連する回帰関数値のセットに基づいて決定され得る。時間オフセット値のセットと関連付けられた関連する回帰関数値のセットの各々は、回帰窓内の回帰関数の対応する極値からの範囲内であり得る。
局所的極値の探索には、ロバスト探索、最小化、最大化、最適化、統計的最適化、二重最適化、制約最適化、凸最適化、大局的最適化、局所的最適化、エネルギ最小化、線形回帰、二次回帰、高次回帰、線形計画法、非線形計画法、確率的計画法、組合せ最適化、制約プログラミング、制約充足、変分法、最適制御、動的計画法、数理計画法、多目的最適化、マルチモーダル最適化、離接計画法、空間マッピング、無限次元最適化、ヒューリスティックス、メタヒューリスティックス、凸計画法、半正定値計画法、錐線形計画法、錐計画法、整数計画法、二次計画法、分数計画法、数値解析、シンプレックスアルゴリズム、反復法、勾配降下法、劣勾配法、座標降下法、共役勾配法、ニュートンアルゴリズム、逐次二次計画法、内点法、楕円体法、縮小勾配法、準ニュートン方法、同時摂動確率近似、内挿法、パターン探索法、直線探索、微分不可能最適化、遺伝的アルゴリズム、進化的アルゴリズム、動的緩和、山登り法、粒子群最適化、重力探索アルゴリズム、焼きなまし法、ミメティックアルゴリズム、差分進化、動的緩和、確率論的トンネリング、タブー探索法、反応探索最適化（reactive search optimization）、曲線あてはめ、最小二乗法、シミュレーションに基づく最適化、変分法、および／または変形が含まれ得る。局所的極値の探索は、目的関数、損失関数、コスト関数、効用関数、適合関数、エネルギ関数、および／またはエネルギ関数と関連付けられ得る。回帰は、サンプリングされたデータ（例えば、ＣＩ、ＣＩの特徴、ＣＩのコンポーネント）または回帰窓内の別の関数（例えば、自己相関関数）に適合するように回帰関数を使用して実施され得る。少なくとも１回の繰り返しにおいて、回帰窓の長さおよび／または回帰窓の場所は、変化し得る。回帰関数は、線形関数、二次関数、三次関数、多項式関数、および／または別の関数であり得る。
回帰分析は、絶対誤差、二乗誤差、高次誤差（例えば、三次、四次など）、ロバスト誤差（例えば、誤差の大きさが小さい場合は二乗誤差、誤差の大きさが大きい場合は絶対誤差、または誤差の大きさが小さい場合は第１種誤差、誤差の大きさが大きい場合は第２種誤差）、別の誤差、絶対誤差の加重和（例えば、複数のアンテナを有する無線送信器および複数のアンテナを有する無線受信器について、送信器アンテナおよび受信器アンテナの各対がリンクを形成する。異なるリンクと関連付けられた誤差は、異なる重みを有し得る。１つの可能性としては、大きなノイズを有するいくつかのリンクおよび／またはいくつかのコンポーネントが、より小さいかまたはより大きい重みを有し得る。）、加重平方和誤差、高次誤差の加重和、ロバスト誤差の加重和、別の誤差の加重和、絶対コスト、二乗コスト、高次コスト、ロバストコスト、別のコスト、絶対コストの加重和、加重平方和コスト、高次コストの加重和、ロバストコストの加重和、および／または別のコストの加重和である。
決定された回帰誤差は、絶対誤差、二乗誤差、高次誤差、ロバスト誤差、更に別の誤差、絶対誤差の加重和、加重平方和誤差、高次誤差の加重和、ロバスト誤差の加重和、および／または更に別の誤差の加重和であり得る。回帰窓内の特定の関数に関する回帰関数の最大回帰誤差（または最小回帰誤差）と関連付けられた時間オフセットは、繰り返し中に更新された現在の時間オフセットであり得る。局所的極値は、２つの異なる誤差の差（例えば、絶対誤差と二乗誤差との差）を含む量に基づいて探索され得る。２つの異なる誤差の各々は、絶対誤差、二乗誤差、高次誤差、ロバスト誤差、別の誤差、絶対誤差の加重和、加重平方和誤差、高次誤差の加重和、ロバスト誤差の加重和、および／または別の誤差の加重和であり得る。量は、Ｆ分布、中心Ｆ分布、別の統計的分布、閾値、確率と関連付けられた閾値、誤ったピークを見つける確率と関連付けられた閾値、Ｆ分布と関連付けられた閾値、中心Ｆ分布と関連付けられた閾値、および／または別の統計的分布と関連付けられた閾値と比較され得る。
回帰窓は、オブジェクトの運動、オブジェクトと関連付けられた量、オブジェクトの運動と関連付けられたオブジェクトの少なくとも１つの特徴および／もしくは時空間情報、局所的極値の推定場所、雑音特徴、推定ノイズ特徴、Ｆ分布、中心Ｆ分布、別の統計的分布、閾値、事前設定閾値、確率と関連付けられた閾値、所望の確率と関連付けられた閾値、誤ったピークを見つける確率と関連付けられた閾値、Ｆ分布と関連付けられた閾値、中心Ｆ分布と関連付けられた閾値、別の統計的分布と関連付けられた閾値、窓中心での量が回帰窓内で最大であるという条件、窓中心での量が回帰窓内で最大であるという条件、回帰窓、別の回帰窓内の第１の時間の特定の値について、特定の関数の局所的極値のうちの１つのみがあるという条件、ならびに／または別の条件のうちの少なくとも１つに基づいて決定され得る。回帰窓の幅は、探索されるはずの特定の局所的極値に基づいて決定され得る。局所的極値は、第１の局所的最大値、第２の局所的最大値、高次の局所的最大値、正の時間オフセット値を有する第１の局所的最大値、正の時間オフセット値を有する第２の局所的最大値、正の時間オフセット値を有するより高い局所的最大値、負の時間オフセット値を有する第１の局所的最大値、負の時間オフセット値を有する第２の局所的最大値、負の時間オフセット値を有するより高い局所的最大値、第１の局所的最小値、第２の局所的最小値、より高い局所的最小値、正の時間オフセット値を有する第１の局所的最小値、正の時間オフセット値を有する第２の局所的最小値、正の時間オフセット値を有するより高い局所的最小値、負の時間オフセット値を有する第１の局所的最小値、負の時間オフセット値を有する第２の局所的最小値、負の時間オフセット値を有するより高い局所的最小値、第１の局所的極値、第２の局所的極値、より高い局所的極値、正の時間オフセット値を有する第１の局所的極値、正の時間オフセット値を有する第２の局所的極値、正の時間オフセット値を有するより高い局所的極値、負の時間オフセット値を有する第１の局所的極値、負の時間オフセット値を有する第２の局所的極値、および／または負の時間オフセット値を有するより高い局所的極値を含み得る。
現在のパラメータ（例えば、時間オフセット値）は、ターゲット値、ターゲットプロファイル、傾向、過去の傾向、現在の傾向、ターゲット速さ、速さプロファイル、ターゲット速さプロファイル、過去の速さ傾向、オブジェクトの運動、オブジェクトの運動と関連付けられたオブジェクトの少なくとも１つの特徴および／もしくは時空間情報、オブジェクトの位置量、オブジェクトの運動と関連付けられたオブジェクトの初速度、既定義値、回帰窓の初期幅、持続時間、信号の搬送周波数に基づく値、信号の帯域幅、チャネルと関連付けられたアンテナ量、ノイズ特徴、ならびに／または適応値に基づいて初期化され得る。現在の時間オフセットは、回帰窓の中央、左側、右側、および／または別の固定の相対場所であり得る。
プレゼンテーションでは、情報は、場所のマップに表示され得る。情報には、場所、ゾーン、領域、エリア、修正された場所、おおよその場所、場所のマップに関する場所、場所のセグメンテーションに関する場所、方向、パス、マップおよび／またはセグメンテーションに関するパス、小道（例えば、過去５秒、または過去１０秒などの時間窓内の場所、時間窓持続時間は、適応的に調整され得る、時間窓持続時間は、速さ、加速度などに関して適応的に調整され得る）、パスの履歴、パスに沿ったおおよその領域／ゾーン、過去の場所の履歴／サマリー、関心のある過去の場所の履歴、頻繁に訪れるエリア、顧客のトラフィック、群衆の分布、群衆の行動、群衆の制御情報、速さ、加速度、動き統計、呼吸数、心拍数、動きの存在／不在、人々の存在／不在、バイタルサインの存在／不在、ジェスチャー、ジェスチャー制御（ジェスチャーを使用するデバイスの制御）、場所に基づくジェスチャー制御、場所に基づく動作の情報、関係するオブジェクトの識別情報（ＩＤ）（例えば、ペット、人、自動運転機械／デバイス、ビークル、ドローン、自動車、ボート、自転車、自動運転ビークル、ファン付き機械、エアコンディショナ、ＴＶ、可動部を有する機械）、ユーザ（例えば、人）の識別、ユーザの情報、ユーザの場所／速さ／加速度／方向／動き／ジェスチャー／ジェスチャー制御／動き追跡、ユーザのＩＤ、ユーザの活動、ユーザの状態、ユーザの睡眠／休息特徴、ユーザの感情状態、ユーザのバイタルサイン、場所の環境情報、場所の天気情報、地震、爆発、嵐、雨、火、温度、衝突、衝撃、振動、イベント、ドアオープンイベント、ドアクローズイベント、窓オープンイベント、窓クローズイベント、転倒イベント、バーニングイベント、フリージングイベント、水関連のイベント、風関連のイベント、空気運動イベント、事故イベント、疑似の周期的イベント（例えば、トレッドミルでのランニング、上下ジャンプ、縄跳び、宙返りなど）、群衆イベント、ビークルイベント、ユーザのジェスチャー（例えば、手のジェスチャー、腕のジェスチャー、足のジェスチャー、脚のジェスチャー、体のジェスチャー、頭のジェスチャー、顔のジェスチャー、口のジェスチャー、眼のジェスチャーなど）が含まれ得る。
場所は、２次元（例えば、２次元座標による）、３次元（例えば、３次元座標による）であり得る。場所は、相対的（例えば、マップに関する）、または関係的（例えば、点Ａと点Ｂとの間の中間点、コーナーの周り、階段の上、テーブルの上、天井にて、フロアの上、ソファの上、点Ａの近く、点Ａからの距離Ｒ、点Ａから半径Ｒの範囲内、など）であり得る。場所は、直交座標、極座標、および／または別の表現で表示され得る。情報（例えば、場所）は、少なくとも１つの記号でマークされ得る。記号は、経時変化し得る。記号は、色／強度を変えながらまたは変えずに、点滅および／または振動し得る。サイズは、時間の経過と共に変化し得る。記号の配向（orientation）は、時間の経過と共に変化し得る。記号は、瞬間の量（例えば、ユーザのバイタルサイン／呼吸数／心拍数／ジェスチャー／状態／ステータス／アクション／動き、温度、ネットワークトラフィック、ネットワーク接続性、デバイス／機械のステータス、デバイスの残電力、デバイスのステータスなど）を反映する数字であり得る。変化率、サイズ、配向、色、強度、および／または記号は、それぞれの動きを反映し得る。情報は、視覚的に表示および／または（例えば、事前に録音された音声、または音声合成を使用して）口頭で説明され得る。情報は、テキストで記載され得る。情報はまた、機械的な方法（例えば、アニメーション化ガジェット、可動部の運動）で表示され得る。
ユーザインターフェース（user-interface：ＵＩ）デバイスは、スマートフォン（例えば、ｉＰｈｏｎｅ、Ａｎｄｒｏｉｄフォン）、タブレット（例えば、ｉＰａｄ）、ラップトップ（例えば、ノートブックコンピュータ）、パーソナルコンピュータ（personal computer：ＰＣ）、グラフィカルユーザインターフェース（graphical user interface：ＧＵＩ）を有するデバイス、スマートスピーカ、ボイス／オーディオ／スピーカ機能を有するデバイス、バーチャルリアリティー（ＶＲ）デバイス、拡張現実感（augmented reality：ＡＲ）デバイス、スマートカー、車内ディスプレイ、ボイスアシスタント、車内ボイスアシスタントなどであり得る。マップは、２次元、３次元、および／または高次元であり得る。（例えば、経時変化２Ｄ／３Ｄマップ）壁、窓、ドア、入口、出口、禁止エリアがマップ上にマークされ得る。マップは、施設の間取り図を含み得る。マップは、１つ以上の層（オーバーレイ）を有し得る。マップは、送水管、ガスパイプ、配線、ケーブル配線、エアダクト、クロールスペース、天井レイアウト、および／または地下レイアウトを含むメンテナンスマップであり得る。場所は、複数のゾーン、例えば、ベッドルーム、リビングルーム、ストレージルーム、通路、キッチン、ダイニングルーム、ロビー、ガレージ、１階、２階、トイレ、オフィス、会議室、レセプションエリア、様々なオフィスエリア、様々な倉庫領域、様々な施設エリアなどに分けられてもよい。セグメント／領域／エリアは、マップ中に表示され得る。異なる領域は、色分けすることができる。異なる領域は、特徴（例えば、色、明るさ、色の濃さ、質感、アニメーション、点滅、点滅速度など）とともに提示され得る。場所の論理的なセグメンテーションは、少なくとも１つの異種タイプ２デバイス、またはサーバ、またはクラウドサーバなどを使用して、行われ得る。
これは、開示されたシステム、装置、および方法の例である。ステファンと彼の家族は、開示された無線動き検出システムを設置して、ワシントン州シアトルにある２０００平方フィートの２階建てタウンハウスにて動き検出をしたいと考えている。彼の家は２階建てなので、ステファンは、１階で１つのタイプ２デバイス（Ａと名付けた）および２つのタイプ１デバイス（ＢおよびＣと名付けた）を使用すると決めた。彼の家の１階には、主に３つの部屋がある。キッチン、ダイニングルーム、およびリビングルームがまっすぐに並び、ダイニングルームが真ん中にある。キッチンおよびリビングルームは、家の両端にある。彼は、ダイニングルームにタイプ２デバイス（Ａ）を置き、キッチンに１つのタイプ１デバイス（Ｂ）、リビングルームに他のタイプ１デバイス（Ｃ）を置いた。デバイスをこのように配置することで、彼は、動き検出システムを使用して、実用的上、１階を３ゾーン（ダイニングルーム、リビングルーム、およびキッチン）に仕切っている。動きがＡＢ対およびＡＣ対によって検出されると、システムは、動き情報を分析して、動きを３つのゾーンのうちの１つに関連付けるだろう。
ステファンと彼の家族が（例えば、長い週末休みにキャンプに行くために）週末に外出する際、ステファンは、モバイルフォンアプリ（例えば、ＡｎｄｒｏｉｄフォンアプリまたはｉＰｈｏｎｅアプリ）を使用して、動き検出システムをオンにする。システムが動きを検出すると、警告信号がステファンに送信される（例えば、ＳＭＳテキストメッセージ、ｅメール、モバイルフォンアプリへのプッシュメッセージなど）。ステファンが月額料金（例えば、１０ドル／月）を払えば、サービス会社（例えば、セキュリティ会社）がワイヤードネットワーク（例えば、ブロードバンド）または無線ネットワーク（例えば、家庭用ＷｉＦｉ、ＬＴＥ、３Ｇ、２．５Ｇなど）を介して警告信号を受信し、ステファンのためにセキュリティ手順を実施する（例えば、問題を確認するために彼に電話する、家の中をチェックするために誰かを送る、ステファンの代わりに警察に連絡するなど）。ステファンは、彼の年老いた母親を愛しており、彼女が家で１人でいるときの彼女の幸福（well-being）について気にかけている。母親が１人でおり、残りの家族が外出しているとき（例えば、仕事もしくは買い物に行く、または休暇に行く）、ステファンは、母親が無事かを確認するために、彼のモバイルフォンアプリを使用して動き検出システムをオンにする。次いで、彼は、モバイルアプリを使用して、家の中の彼の母親をモニタする。ステファンが、モバイルアプリを使用して、母親が、彼女の毎日のルーティンに従って家の中を３つの領域の間を動いているのを見ると、ステファンは、彼の母親が元気にしていることがわかる。ステファンは、彼が外出中に動き検出システムが彼の母親の幸福をモニタするのを助けることができることに感謝している。
標準的な日では、母親は午前７時ごろに起きるだろう。彼女は、約２０分間キッチンで朝食を作るだろう。次いで、彼女は、約３０分間ダイニングルームで朝食を食べるだろう。次いで、彼女は、リビングルームで毎日のエクササイズをし、その後、リビングルームのソファに座り、彼女のお気に入りのＴＶ番組を観るだろう。動き検出システムにより、ステファンは、家の３つの領域の各々における運動のタイミングを見ることを可能にする。動きが毎日のルーティンに一致すると、ステファンは、母親が元気に違いないことがおおよそわかる。しかし、動きパターンが異常が現れた場合（例えば、午前１０時まで動きがない、または彼女がキッチンにいる時間が長すぎる、または彼女が動かない時間が長すぎるなど）、ステファンは、何かがおかしいと疑い、母親に電話して彼女にチェックするだろう。ステファンは、更に誰か（例えば、家族、近所の人、有給の人員、友人、ソーシャルワーカー、サービスプロバイダ）に彼の母親をチェックさせ得る。
いつか、ステファンは、タイプ２デバイスの位置変更をしたいと思っている。彼は、デバイスを元のＡＣ電源プラグから抜き、別のＡＣ電源プラグに差し込むだけである。彼は、無線動き検出システムがプラグアンドプレイであり、位置変更がシステムの動作に影響せず、嬉しく思う。電源を入れると、すぐに動作する。後日、ステファンは、当社の無線動き検出システムが非常に高精度および非常に低い警報で動きを本当に検出でき、彼は、モバイルアプリを使用して、１階の動きを本当にモニタできることを確信する。彼は、２階のベッドルームをモニタするために、２階に同様のセットアップ（すなわち、タイプ２デバイス１つおよびタイプ１デバイス２つ）を設置することを決める。もう１度、彼は、彼がタイプ２デバイスおよびタイプ１デバイスを２階のＡＣ電源プラグに差し込む必要があるだけで、システムセットアップが極めて簡単であることがわかる。特別な設置は、必要ない。そして、彼は、同一のモバイルアプリを使用して、１階および２階の動きをモニタすることができる。１階／２階の各タイプ２デバイスは、１階および２階の両方にあるすべてのタイプ１デバイスと相互作用することができる。ステファンは、彼が、タイプ１およびタイプ２デバイスへの投資を２倍にすると、組み合わせたシステムの能力が２倍以上になることを知り、嬉しく思う。
様々な実施形態によれば、各ＣＩ（ＣＩ）には、チャネル状態情報（ＣＳＩ）、周波数領域ＣＳＩ、少なくとも１つのサブバンドと関連付けられた周波数領域ＣＳＩ、時間領域ＣＳＩ、領域内のＣＳＩ、チャネルインパルス応答（ＣＩＲ）、チャネル周波数応答（ＣＦＲ）、チャネル特徴、チャネルフィルタ応答、無線マルチパスチャネルのＣＳＩ、無線マルチパスチャネルの情報、タイムスタンプ、補助情報、データ、メタデータ、ユーザデータ、アカウントデータ、アクセスデータ、セキュリティデータ、セッションデータ、ステータスデータ、モニタデータ、世帯データ、識別情報（ＩＤ）、デバイスデータ、ネットワークデータ、近隣データ、環境データ、リアルタイムデータ、センサデータ、記憶データ、暗号化データ、圧縮データ、保護データ、および／または別のＣＩのうちの少なくとも１つが含まれ得る。一実施形態では、開示されたシステムは、ハードウェアコンポーネント（例えば、アンテナを有する無線送信器／受信器、アナログ回路、電源供給、プロセッサ、メモリなど）と、対応するソフトウェアコンポーネントと、を有する。本教示の様々な実施形態によれば、開示されたシステムは、バイタルサインの検出およびモニタのために、ボット（タイプ１デバイスと称される）とオリジン（タイプ２デバイスと称される）とを含む。各デバイスは、送受信器と、プロセッサと、メモリとを備える。
開示されたシステムは、多くの場合、適用可能である。一実施例では、タイプ１デバイス（送信器）は、テーブルの上に置かれている小型ＷｉＦｉ対応デバイスであり得る。ＷｉＦｉ対応テレビ（ＴＶ）、セットトップボックス（ＳＴＢ）、スマートスピーカ（例えば、Ａｍａｚｏｎ ｅｃｈｏ）、スマート冷蔵庫、スマート電子レンジ、メッシュネットワークルータ、メッシュネットワークサテライト、スマートフォン、コンピュータ、タブレット、スマートプラグなどでもあり得る。一実施例では、タイプ２（受信器）は、テーブルの上に置かれているＷｉＦｉ対応デバイスであり得る。ＷｉＦｉ対応テレビ（ＴＶ）、セットトップボックス（ＳＴＢ）、スマートスピーカ（例えば、Ａｍａｚｏｎ ｅｃｈｏ）、スマート冷蔵庫、スマート電子レンジ、メッシュネットワークルータ、メッシュネットワークサテライト、スマートフォン、コンピュータ、タブレット、スマートプラグなどでもあり得る。タイプ１デバイスおよびタイプ２デバイスを会議室内／付近に置き、人数を数えることができる。タイプ１デバイスおよびタイプ２デバイスは、高齢者の健康モニタシステム内にあり得、彼らの日常の行動と症状（例えば、認知症、アルツハイマー病）のあらゆるサインをモニタする。タイプ１デバイスおよびタイプ２デバイスをベビーモニターに使用して、生きている乳児のバイタルサイン（呼吸）をモニタすることができる。タイプ１デバイスおよびタイプ２デバイスをベッドルームに置いて、睡眠の質および睡眠時無呼吸をモニタすることができる。タイプ１デバイスおよびタイプ２デバイスを車内に置いて、乗客とドライバーの健康をモニタし、ドライバーの睡眠を検出し、車内に残された乳児を検出することができます。タイプ１デバイスおよびタイプ２デバイスを物流に使用して、トラックおよびコンテナに隠れているあらゆる人間をモニタすることにより人身売買を防ぐことができる。タイプ１デバイスおよびタイプ２デバイスは、被災地にて救急隊によって配備され、がれきのなかに閉じ込められた被災者を探索することができる。タイプ１デバイスおよびタイプ２デバイスは、エリア内に配備され、あらゆる侵入者の呼吸を検出することができる。ウェアラブルでない無線呼吸モニタの用途は、数多くある。
ハードウェアモジュールは、タイプ１送受信器およびタイプ２送受信器のいずれかを含むように構成することができる。ハードウェアモジュールは、最終商品を設計、構築、および販売するために、様々なブランドに販売されたり、使用される場合がある。開示されたシステムおよび／または方法を使用する製品は、ホーム／オフィスセキュリティ製品、睡眠モニタ製品、ＷｉＦｉ製品、メッシュ製品、ＴＶ、ＳＴＢ、エンタテイメントシステム、ＨｉＦｉ、スピーカ、ホームアプライアンス、ランプ、ストーブ、オーブン、電子レンジ、テーブル、椅子、ベッド、棚、ツール、台所用品、トーチ、真空掃除機、煙検出器、ソファ、ピアノ、ファン、ドア、窓、ドア／窓ハンドル、ロック、煙検出器、カーアクセサリ、計算デバイス、オフィスデバイス、エアコンディショナ、ヒーター、パイプ、コネクタ、モニタカメラ、アクセスポイント、計算デバイス、モバイルデバイス、ＬＴＥデバイス、３Ｇ／４Ｇ／５Ｇ／６Ｇデバイス、ゲーミングデバイス、メガネ、ガラスパネル、ＶＲゴーグル、ネックレス、ウォッチ、ウエストバンド、ベルト、ウォレット、ペン、ハット、ウェアラブル、インプラント型デバイス、タグ、駐車券、スマートフォンなどであり得る。
サマリーは、分析、選択された時間窓、サブサンプリング、変換、射影などのうちの少なくとも１つを含み得る。表示には、月毎の図、週毎の図、日ごとの図、簡略図、詳細図、断面図、スモールフォームファクタ図、ラージフォームファクタ図、色分け図、比較図、サマリー図、アニメーション、ｗｅｂ図、音声アナウンスメント、および繰り返しの動きの周期的特徴に関する別の描写のうちの少なくとも１つの表示を含み得る。
タイプ１デバイスおよび／またはタイプ２デバイスは、アンテナ、アンテナを有するデバイス、アンテナに取り付ける／接続する／リンクするインターフェースを有するデバイス、無線送受信器を有するデバイス、無線送信器を有するデバイス、無線受信器を有するデバイス、モノのインターネット（ＩｏＴ）デバイス、無線ネットワークを有するデバイス、ワイヤードネットワーキングおよび無線ネットワーキングの両方の機能を有するデバイス、無線集積回路（ＩＣ）を有するデバイス、Ｗｉ－Ｆｉデバイス、Ｗｉ－Ｆｉチップを有するデバイス（例えば、８０２．１１ａ／ｂ／ｇ／ｎ／ａｃ／ａｘ規格準拠など）、Ｗｉ－Ｆｉアクセスポイント（ＡＰ）、Ｗｉ－Ｆｉクライアント、Ｗｉ－Ｆｉルータ、Ｗｉ－Ｆｉリピータ、Ｗｉ－Ｆｉハブ、Ｗｉ－Ｆｉメッシュネットワークルータ／ハブ／ＡＰ、無線メッシュネットワークルータ、アドホックネットワークデバイス、無線メッシュネットワークデバイス、モバイルデバイス（例えば、２Ｇ／２．５Ｇ／３Ｇ／３．５Ｇ／４Ｇ／ＬＴＥ／５Ｇ／６Ｇ／７Ｇなど）、セルラーデバイス、モバイルネットワーク基地局、モバイルネットワークハブ、モバイルネットワーク対応デバイス、ＬＴＥデバイス、ＬＴＥモジュールを有するデバイス、モバイルモジュール（例えば、Ｗｉ－Ｆｉチップ、ＬＴＥチップ、ＢＬＥチップなどのモバイル対応チップ（ＩＣ）を有する回路基板）、Ｗｉ－Ｆｉチップ（ＩＣ）、ＬＴＥチップ、ＢＬＥチップ、モバイルモジュールを有するデバイス、スマートフォン、スマートフォンのためのコンパニオンデバイス（例えば、ドングル、アタッチメント、プラグイン）、専用デバイス、プラグインデバイス、ＡＣ電源デバイス、バッテリ電源デバイス、プロセッサ／メモリ／命令セットを有するデバイス、スマートクロック、スマートステーショナリ、スマートペン、スマートユーザインターフェース、スマートペーパー、スマートマット、スマートカメラ、スマートテレビ（ＴＶ）、セットトップボックス、スマートマイク、スマートスピーカ、スマート冷蔵庫、スマートオーブン、スマート機械、スマートフォン、スマートウォレット、スマート家具、スマートドア、スマート窓、スマートシーリング、スマートフロア、スマート壁、スマートテーブル、スマート椅子、スマートベッド、スマートナイトスタンド、スマートエアコンディショナ、スマートヒーター、スマートパイプ、スマートダクト、スマートケーブル、スマートカーペット、スマートデコレーション、スマートガジェット、スマートＵＳＢデバイス、スマートプラグ、スマートドングル、スマートランプ／照明、スマートタイル、スマートオーナメント、スマートボトル、ビークル、スマートカー、スマートＡＧＶ、ドローン、スマートロボット、ラップトップ、タブレット、コンピュータ、ハードディスク、ネットワークカード、スマートインストルメント、スマートラケット、スマートボール、スマート靴、スマートウェアラブル、スマート衣服、スマートグラス、スマートハット、スマートネックレス、スマートフード、スマートピル、生物の体内を動く小型デバイス（例えば、血管内、リンパ液内、消化系など）であり得る。タイプ１デバイスおよび／またはタイプ２デバイスは、インターネット、インターネットにアクセスする別のデバイス（例えば、スマートフォン）、クラウドサーバ、エッジサーバ、ローカルサーバ、および／またはストレージと通信可能に結合され得る。
一実施形態では、オブジェクト追跡システムの方法／装置／システムは、プロセッサ（例えば、１００Ａ、１００Ｂ）、プロセッサ（例えば、１００Ａ、１００Ｂ）と通信可能に接続されたメモリ（例えば、図１の１０２Ａ、１０２Ｂ）、および、メモリ（例えば１０２Ａ、１０２Ｂ）に格納された１組の命令（例えば、図１の１０４Ａ、１０４Ｂ）を用いて無線マルチパスチャネル（例えば、図１の１４４）の１つ以上のＴＳＣＩ（例えば、図１の１１１Ａ、１１１Ｂ）を取得することを含む。１つ以上のＴＳＣＩ（例えば、３００、１１１Ａ、１１１Ｂ）は、場所（例えば図１の１４２）内の第１の位置（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）にあるタイプ１異種無線デバイス（例えば、図１の１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ 、１１３Ｂ）、及び、場所（例えば図１の１４２）内の第２の位置（１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）にあるタイプ２異種無線デバイス（例えば図１の１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ）から無線マルチパスチャンネル（例えば１４４）を介して抽出／派生／取得される。無線マルチパスチャネル（例えば１４４）は、場所（例えば１４２）内のオブジェクトの現在の動き（例えば１２０）によって影響を受ける。方法／装置／システムはまた、少なくとも１つのＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）、現在の動き（例えば１２０）に関連付けられた時間パラメータ、および／またはオブジェクト（例えば１１２）の過去の時空間情報以下に基づいて、オブジェクト（例えば１１２）の時空間情報（例えば位置、スピード、速度、加速度、周期運動、時間傾向、過渡運動、周期など）を決定する。１つのＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）は前処理される。
タイプ１異種無線デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）とタイプ２異種無線デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４） とは異なってよい。異なるタイプ１異種無線デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は異なってもよい。異なるタイプ２異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は異なってもよい。これらは異なる量のアンテナ（例えば２００Ａ、２００Ｂ、２００Ｃ、２００Ｄ、２００Ｅ、２００Ｆ）を有してよい。これらのアンテナ（例えば２００Ａ、２００Ｂ、２００Ｃ、２００Ｄ、２００Ｅ、２００Ｆ）は異なってもよい。これらは、異なる回路基板、異なるチップ、および／または異なる論理を、異なる消費電力および／または異なる価格で使用してもよい。それぞれが異なる追加の機能性および／またはアップグレードされた機能性を有してもよい。これらは、異なる製造業者、異なる工場、および／または異なるブランドからのものであってよい。これらは、いくつかの共通の構成要素（例えばハードウェア、アンテナ、回路、プロセッサ（例えば１００Ａ、１００Ｂ）、メモリ（例えば１０２Ａ、１０２Ｂ）、記憶装置、ネットワーク）、いくつかの共通のソフトウェア（例えば装置内（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、クラウド内など）、および／またはいくつかの共通モジュールを共有してもよい。
オブジェクト（例えば１１２）の現在の動き（例えば１２０）の距離（例えば１２２）は、１つ以上の ＣＩの時系列（例えば、３００、１１１Ａ、１１１Ｂ）に基づいて、（例えばオブジェクト追跡サーバ、プロセッサ（例えば１００Ａ、１００Ｂ）、タイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、タイプ２異種デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、および／または他のデバイス）によって決定されてもよい。オブジェクト（例えば１１２）の現在の動き（例えば１２０）の推定方向（例えば１２３）を取得してもよい。オブジェクト（例えば１１２）の時空間情報は、オブジェクト（例えば１１２）の現在の動き（例えば１２０）の距離（例えば１２２）及び／又は推定方向（例えば１２３）に基づいて決定されてもよい。
少なくとも１つの類似のスコアが、（例えばオブジェクト追跡サーバ、プロセッサ（例えば１００Ａ、１００Ｂ）、タイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、タイプ２異種デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、および／または他のデバイス）によって計算されてもよい。各類似性スコアは、オブジェクト（例えば１１２）の現在の動き（例えば１２０）に関連するＴＳＣＩ（例えば３００）の一対の時間的に隣接するＣＩ（例えば１１１Ａ、１１１Ｂ）に基づいてよい。特徴的な類似性スコア（例えば、平均、中央値、最頻値、加重平均、重心、百分位数、四分位数、トリム平均などの代表的な類似性スコア）は、少なくとも１つの類似性スコアに基づいて計算されてよい。オブジェクト（例えば１１２）の現在の動き（例えば１２０）の距離（例えば１２２）は、特徴的な類似スコアを基準減衰曲線（例えば数学式によって生成される曲線、いくつかの学習アルゴリズムによって学習される曲線、または両方の組み合わせなど）と比較することに基づいて決定されてよい。オブジェクト（例えば１１２）の時空間情報は、オブジェクト（例えば１１２）の現在の動き（例えば１２０）の距離（例えば１２２）に基づいて決定されてもよい。少なくとも１つの最新のＣＩ（例えば１１１Ａ、１１１Ｂ）が（例えばオブジェクト追跡サーバ、プロセッサ（例えば１００Ａ、１００Ｂ）、タイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、 ４００、４０２、４０４）、タイプ２異種デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、および／または別のデバイスによって）決定されてもよい。最新のＣＩ（例えば１１１Ａ、１１１Ｂ）はそれぞれ、１つ以上のＴＳＣＩ（例えば３００）のうちの１つにおいて最新のものであり得る。「最新」は「現在」であってもよい。最新のＣＩは、最新のタイムインデックスを有するＣＩであってもよい。１つ以上の時系列の類似性スコアが計算されてもよい。各類似性スコアは、類似性スコアに関連する特定の時系列の２つのＣＩ（例えば１１１Ａ、１１１Ｂ）（ＣＩ）に基づいて計算されてもよい。２つのＣＩ（例えば１１１Ａ、１１１Ｂ）は、オブジェクト（例えば１２０）の現在の動き（例えば１２０）に関連付けられた時間窓内の、最新のＣＩ（例えば１１１Ａ、１１１Ｂ）及び時間的に隣接するＣＩ（例えば１１１Ａ、１１１Ｂ）であってよい。 時系列の類似性スコアを計算するために使用される時間的に隣接したＣＩのセットは、時間窓内のすべての最近過去ＣＩを含み得る。少なくとも１つを曲線を計算することができる。各曲線は、時系列の類似のスコアに基づいて決定されてよい。曲線の少なくとも１つの特徴点が識別されてよい。オブジェクト（例えば１１２）の時空間情報は、少なくとも１つの特徴点に基づいて決定／計算されてよい。少なくとも１つの特徴点は、局所的最大値、局所的最小値、第１の局所的最大値、第２の局所的最大値、別の局所的最大値、第１の局所的最小値、第２の局所的最小値、別の局所的最小値、ゼロ交差、第１のゼロ交差、第２のゼロ交差、他のゼロ交差、第２の特徴点と所定の関係を有する点、および／または他の特徴点を含んでよい。
少なくとも１つの類似のスコアが、（例えばオブジェクト追跡サーバ、プロセッサ（例えば１００Ａ、１００Ｂ）、タイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、タイプ２異種デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、および／または他のデバイス）によって計算されてもよい。各類似性スコアは、初期ＣＩ（例えば１１１Ａ、１１１Ｂ）および現在のＣＩ（例えば１１１Ａ、１１１Ｂ）に基づいて計算されてよい。初期ＣＩ（例えば１１１Ａ、１１１Ｂ）は現在の動き（例えば１２０）の開始時に時間的に近くてよい。現在のＣＩ（例えば１１１Ａ、１１１Ｂ）は現在の動き（例えば１２０）の終了時または現時点に時間的に近くてよい。特徴的な第２の類似性スコアは、少なくとも１つの第２の類似性スコアに基づいて決定されてもよい。特徴的な第２の類似性スコアが閾値よりも大きい（または「以上」、「未満」、または「以下」）場合、オブジェクト（例えば１１２）は静止していると判定され、そして現在の動き（例えば、１２０）は、ゼロの動き、小さな動き、および／または無視できるほど小さな動きであると判定され得る。
オリジンレジスタの初期位置の取得
オブジェクト（例えば１１２）の現在の動き（例えば１２０）より前の開始時（例えば１１６）におけるオブジェクト（例えば１１２）の時空間情報（例えば初期位置114）は、オブジェクト（例えば１１２）の前の動きと関連付けられた他のＣＩ（例えば１１１Ａ、１１１Ｂ）（ＣＩ）の他の時系列（例えば、３００、１１１Ａ、１１１Ｂ）に基づいて、（例えばオブジェクト追跡サーバ、プロセッサ（例えば１００Ａ、１００Ｂ）、タイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、タイプ２異種デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、および／または他のデバイスによって）決定されてもよい。他のＣＩ（例えば３００）の他の時系列は、場所（例えば１４２）の第３の位置（例えば４０８）にある第２のタイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）と、場所（例えば１４２）の第４の位置（例えば４１０）にある第２のタイプ２異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）と間でワイヤレスマルチパスチャネル（例えば１４４）を介して送信される第２の無線信号（例えば１４０）から抽出されてもよい。無線マルチパスチャネル（例えば１４４）は、オブジェクト（例えば１１２）の以前の動きによって影響を受ける可能性がある。初期時間（例えば１１６）におけるオブジェクト（例えば１１２）の初期時空間情報（例えば初期位置１１４）は、第２のタイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）および／または第２のタイプ２異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）と関連付けられた既知の位置となるように決定されてよい。期間が決定されてもよい。その期間内で、他のＣＩ（例えば１１１Ａ、１１１Ｂ）の他の時系列の本質的に全て（例えば少数を除く全て、又は異常値を除く全て）の対応するＣＩ（例えば１１１Ａ、１１１Ｂ）は第１の適応的閾値より大きく、第２の適応的閾値よりも小さくてよい。初期時間（例えば１１６）は、期間の特徴点として決定されてもよい。オブジェクト（例えば１１２）の時空間情報は、初期（例えば１１２）のオブジェクト（例えば１１２）の初期時空間情報（例えば初期位置１１４）に基づいて決定されてもよい。期間の特徴点は、次の点であってよい。それは、中点、四分位点、百分位数点、始点、終点、他のＣＩ（例えば１１１Ａ、１１１Ｂ）が極大となる点、他のＣＩ（例えば１１１Ａ、１１１Ｂ）が局所的に最小となる点、他のＣＩ（例えば１１１Ａ、１１１Ｂ）が特定の特性を有する点、および／または他の特性点である。
オブジェクト（例えば１１２）の以前の移動の間の初期時間（例えば１１６）において、第２のタイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）および第２のタイプ２異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）のうちの「１つ」 は、オブジェクト（例えば１１２）の以前の移動中に、オブジェクト（例えば１１２）に空間的に近接およびともに移動してもよい。初期時間（例えば１１６）に、第２のタイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）および第２のタイプ２異種デバイス（例えば１０６Ａ、 １０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）の「他の１つ」は指向性アンテナを有してよい。初期時間（例えば１１６）におけるオブジェクト（例えば１１２）の初期時空間情報（例えば初期位置１１４）は、（例えばオブジェクト追跡サーバ、プロセッサ（例えば１００Ａ、１００Ｂ）、タイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、タイプ２異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、および／または他のデバイスによって）、指向性アンテナを有する第２のタイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）および第２のタイプ２異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）のうちの他の１つと関連付けられた既知の場所であると判定されてもよい。
一例として、第２のタイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）および第２のタイプ２異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８ 、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４））のうちの「１つ」は、モジュール１ １０６Ａおよび／または無線送信機（例えば１０８）であってよく、一方、第２のタイプ１異種デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ 、 １１３Ｂ、４００、４０２、４０４）および第２のタイプ２異種デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）のうちの「他の１つ」は、モジュール２ １０６Ｂおよび／または無線受信機（例えば、１０９）であってよい。「１つ」は、スマートフォンおよび／または他の携帯用機器であり得る。オブジェクト（例えば１１２）は人であってよい。オブジェクト（例えば１１２）（人）は動き回るので、オブジェクト（例えば１１２）（人）は「１つ」（スマートフォン、人に空間的に近い）を携帯していてよい。以前の移動（例えば、ウォーキング）は、場所（例えば１４２）（例えば、空港、ターミナル、モール、スーパーマーケットなど）に入る、スマートフォンを持った人であってよい。したがって、「１つ」は、オブジェクト（例えば１１２）に空間的に近くてもよく、オブジェクト（例えば１１２）の前の移動中にオブジェクト（例えば１１２）と共に移動してもよく、オブジェクト（例えば１１２）（例えば人）に空間的に近くにあるスマートフォンまたは別の携帯デバイスであってもよい。
「他のもの」は、入口の上部または側部または底部にまたは周りまたは近くに設置されてよい。「他の１つ」の指向性アンテナは、オブジェクト（例えば１１２）によって運ばれる「１つ」が入り口を通過するときに特別な信号を拾うように、入り口を狙って／指していてよい。初期時間（例えば１１６）は、人が入り口を通過する瞬間であってよい。指向性アンテナのビーム（円錐形の有効範囲）が（例えば、人間の動きの速度と比較して）狭くなるにつれて、特別な信号が短期間（例えば０．２秒）に強くなりうる。初期時間（例えば１１６）は、期間（例えば中間点）の特徴点として決定されてもよい。初期時間（例えば１１６）における人物の初期時空間情報（例えば初期位置１１４）は、入り口の位置、または入り口付近の所定の位置であり得る。
オブジェクト（例えば１１２）の移動中の現在時刻において、第１のタイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）および第１のタイプ２異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）のうちの「１つ」は、オブジェクト（例えば１１２）の移動中に、オブジェクト（例えば１１２）に空間的に近接し共に移動してもよい。この「１つ」はスマートフォンであってよい。オブジェクト（例えば１１２）は人であってよい。当該人は、スマートフォンを運んでいてよい。オブジェクト（例えば１１２）の動きは、人が場所（例えば１４２）（例えばモール）を歩き回ることであってもよい。「１つ」（例えば、スマートフォン）は、オブジェクト（例えば、１１２）の移動中に、オブジェクト（例えば、１１２）（例えば人）に空間的に接近してもよく、および／または共に移動してもよい。
現在の時間は、オブジェクト（例えば１１２）の移動中のリアルタイムであってよい。例えば、初期時間（例えば１１６）は、現在の時間の前の秒、分、時間、日、週、月、および／または年であってよい。現在の時間において、第１のタイプ１異種デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）および第１のタイプ２異種デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９ 、 １１３Ａ、１１３Ｂ、４００、４０２、４０４）の「１つ」は、ネットワークサーバと通信可能に結合されてもよく、および／またはネットワークサーバと通信可能に結合され得るローカルデバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）と通信可能に結合されてもよい。「１つ」および／またはローカルデバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、２．５Ｇ ／ ３Ｇ ／ ４Ｇ ／ ＬＴＥ ／５Ｇ ／ ６Ｇ、ＷｉＦｉ、ＷｉＭａｘ、Ｚｉｇｂｅｅ、Ｂｌｕｅｔｏｏｔｈ、ＢＬＥ、無線ネットワークなどを使用してインターネット内のクラウドサーバに接続してよい。 「１つ」は、ローカルデバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）を介してクラウドサーバに接続してもよく、ローカルデバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）に接続することによって順にクラウドサーバに接続する。
「１つ」（例えば、スマートフォン、携帯用／移動可能デバイス、ＷｉＦｉおよび／またはＢＬＥおよび／または他の通信チャネルを介してスマートフォンと通信可能に接続された携帯用ガジェット、または携帯機器）が場所（例えば１４２）（例えばモール）内のオブジェクト（例えば１１２）（例えば人）と共に移動するとき、オブジェクト（例えば１１２）の位置（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）を無線信号（例えば１４０）から導出／抽出／取得／計算されるＣＩ（例えば１１１Ａ、１１１Ｂ）に基づいて追跡することができるように、オブジェクト（例えば１１２）および／または「１つ」の動きは、場所（例えば１４２）に関連付けられた無線マルチパスチャネルを通過する無線信号（例えば１４０）に影響を与え得る。
アンテナマッチングを用いた追跡
一例として、オブジェクト（例えば１１２）は、現在時刻Ｔ１（例えば現在時刻ｔ_Ｎ１３０）において現在位置Ｌ１（例えば新しい位置１１５Ｂ）にあり得る。現在時刻Ｔ１（例えば１３０）の直前に、オブジェクト（例えば１１２）は直前時刻Ｔ０（例えば直前時刻ｔ＿｛Ｎ－１｝１３２）において直前位置Ｌ０（例えば直前位置１１５Ａ）にあってもよい。タイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）およびタイプ２異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）のうちの「１つ」 は、オブジェクト（例えば１１２）と空間的に近接してよく、オブジェクト（例えば１１２）と共に移動してもよい。「１つ」は、互いに空間的に近接した２つのアンテナＡ１およびＡ２を含み得る。Ａ１とＡ２との間の距離はｄであってよい。 Ｔ１とＴ０との間の時間差は、ｔ ＝ Ｔ１ － Ｔ０であり得る。Ａ１とＡ２を結ぶ線は方向シータである。
オブジェクト（例えば１１２）が直前の位置Ｌ０（例えば１１５Ａ）にあり得る直前の時間Ｔ０（例えば１３２）において、２つのアンテナＡ１及びＡ２はそれぞれ位置Ｌ０Ａ１及びＬ０Ａ２にあってよく、これらの両方はＬ０（例えば１１５Ａ）に近接してよい。時刻Ｔ０において、アンテナＡ１に関連付けられたＣＩ Ｃ１０Ａ１が得られ、アンテナＡ２に関連付けられたＣＩ Ｃ１０Ａ２が得られる。
オブジェクト（例えば１１２）が直前の位置Ｌ１（例えば１１５Ａ）にあり得る現在時刻Ｔ１（例えば１３０）において、２つのアンテナＡ１及びＡ２はそれぞれ位置Ｌ１Ａ１及びＬ１Ａ２にあってよく、これらの両方はL1（例えば１１５Ｂ）に近接してよい。時刻Ｔ１において、アンテナＡ１に関連付けられたＣＩ ＣＩ１Ａ１が得られ、アンテナＡ２に関連付けられたＣＩ ＣＩ１Ａが得られる。オブジェクトの時空間情報は、ＣＩ０Ａ１、ＣＩ０Ａ２、ＣＩ１Ａ１およびＣＩ１Ａ２に基づいて決定されてよい。時空間情報は、現在の動き（例えば、現在の動き１２０）の変位、距離、方向、速度、加速度のうちの少なくとも１つを含んでよい。ＣＩ１Ａ１およびＣＩ１Ａ２は、ＣＩ０Ａ１およびＣＩ０Ａ２と比較されてよい。
ＣＩ１Ａ１が（例えば、ある閾値よりも大きい類似性スコアを用いて）ＣＩ０Ａ２と一致し得る場合、それは、アンテナＡ２（および「１つ」およびオブジェクト自体）が時刻Ｔ０において位置Ｌ０Ａ２から時刻Ｔ１における位置Ｌ１Ａ１に移動した可能性があることの指標であり得る。距離（すなわち、時空間情報）は、アンテナＡ１とＡ２の間の距離であるｄ、すなわち、Ｌ０Ａ２とＬ１Ａ１の間の距離、として決定されてよい。速度は、距離ｄを時間ｔ ＝ Ｔ１ － Ｔ０で割った値、すなわち速度＝ ｄ ／（Ｔ１ － Ｔ０）として決定されてもよい。動きの軸は、アンテナＡ１とＡ２を結ぶ軸として決定されてもよい。方向は、アンテナＡ２からＡ１への方向（例えばシータ）として決定されてもよい。
ＣＩ１Ａ２が（例えば、ある閾値よりも大きい類似性スコアを用いて）ＣＩ０Ａ１と一致し得る場合、それは、アンテナＡ１（および「１つ」およびオブジェクト自体）が時刻Ｔ０において位置Ｌ０Ａ１から時刻Ｔ１における位置L1A2に移動した可能性があることの指標であり得る。距離（すなわち、時空間情報）は、アンテナＡ１とＡ２の間の距離であるｄ、すなわち、Ｌ０Ａ１とＬ１Ａ２の間の距離、として決定されてよい。速度は、距離ｄを時間ｔ ＝ Ｔ１ － Ｔ０で割った値、すなわち速度＝ ｄ ／（Ｔ１ － Ｔ０）として決定されてもよい。動きの軸は、アンテナＡ１とＡ２を結ぶ軸として決定されてもよい。方向は、アンテナA1からA2への方向として決定されてもよい。
「１つ」は３つ以上のアンテナを有することができる。例えば、それらは、いくつかの他のアンテナ（例えば、Ｎ個のアンテナ）によって囲まれた中心のアンテナであってよい。中央のアンテナはアンテナＡ１であってよい。他のアンテナの１つはアンテナＡ２であってよい。あるいは、他のアンテナの２つはアンテナＡ１およびアンテナＡ２であってよい。他のアンテナは、等間隔（例えば、Ｎ ＝ ４の場合は角度＝ ９０度、Ｎ ＝ ６の場合は角度＝ ６０度、Ｎ ＝ ８の場合は角度＝ ４５度、Ｎ ＝ １２の場合は角度＝ ３０などの円上で等間隔である）および／または不均一な間隔（例えば、ランダムに間隔が空いている、または局所的に均一な間隔で配置されている）で配置されてもよい。中央アンテナにおいて隣接するアンテナによって維持される角度は、均一な間隔で配置されてもよく、および／または均一ではない間隔で配置されてもよい。例えば、他のアンテナは、１つ以上の多面体（例えば、正方形、五角形、六角形、七角形、八角形、非凸多面体など）の頂点において、中心アンテナから等距離に（すなわち円上に）、および／またはランダムに間隔を空けて、配置されてよい。
一例では、「１つ」は、中央のアンテナが中央にある状態で、（正方格子または方形格子上に）三目並べ構成で配置された９つのアンテナを有することができる。「１つ」は９つ（または他の任意の数の）アンテナを有し、１つは中心にあり、残りは、中心まわりに円形または楕円形または他の形状（例えば凹形状、凸形状、非凸形状、非凹形）に配置される。中心のまわりの形、不規則な形）に配置されてよい。一例では、「１つ」は、３次元配置（またはコンステレーション）に配置されたアンテナを有してもよい。例えば、アンテナは、３次元の正方形および／または長方形の格子に、および／または（地球を取り囲むＧＰＳ衛星のように）球に配置されてよい。あるいは、立方体の中心に１つ、頂点に８つである９本のアンテナでありうる。一例では、「１つ」は、中央アンテナ、中央アンテナの周りに一方向に配置された１組のアンテナ（例えばＮ１個のアンテナ）、及び中央アンテナの周りに別の方法で配置された他の組のアンテナ（例えばＮ２個のアンテナ）を有してよい。一例では、「１つ」は複数のセンタアンテナを有してよい。一例では、「１つ」は、アンテナの相対的な間隔および配置を経時的に変化させることができるように可動アンテナを有してよい。アンテナの適応間隔および配置は、現在の動き、過去の動きおよび／または将来の予測される動きに依存してよい。一例では、「マルチ」は、無線マルチパス信号が制御および／または操縦され得るように、アンテナの周りに少なくとも１つの可動／調整可能バリアを有してよい。マルチパス信号をある方向に集束／操縦されるように、バリアを移動／調整することができる。一例では、「１つ」は、共線的に配置されたＭ個のアンテナＡ１、Ａ２、…、Ｍ（またはＡｉ、ｉ ＝ １、…、Ｍ）を含むことができる。共線的に配置されているため、Ｍ個のアンテナに関連した固有の「方向」、「向き」、および／または「軸」がある。隣接するアンテナ間の距離をd 1、d 2、…、d M-1とする。ここで、diはアンテナAｉとA i + 1の間の距離であり、i = 1、…、M-1である。距離をd1、d2、…、dM-1は全てが等しくてもそうでなくてもよい。アンテナが等間隔に配置されている場合、距離ｄ１、ｄ２、…、ｄＭ － １は全てが等しくてよい。
Ｎ個の昇順時刻インスタンス、Ｔ１、T2、… 、ＴＮ（またはＴｉはｉ ＝ １、…、Ｎ）を考える。隣接する時間インスタンス間の時間差をｔ １、ｔ ２、…、ｔ Ｎ － １とする。ここで、ｉ ＝ １、２、…、Ｎ － １に対して、ｔ ｉ ＝ Ｔｉ ＋ １ － Ｔｉである。時間差ｔ １、ｔ ２、…、ｔ Ｎ － １は、経時的に等しくても等しくなくてもよい。時間インスタンスｔ １、ｔ ２、…、ｔ Ｎ － １が一様な空間である場合、時間差は全て等しくなり得る。オブジェクト（例えば１１２）はＴ１における位置Ｌ１、Ｔ２におけるＬ２、…、およびＴＮにおけるＬＮにあり得る。時間Ｔ１において、オブジェクトは位置Ｌ１にあり得る。Tiにおけるj番目のアンテナAjの位置をLi、jとすると、 i = 1、…、N、j = 1、…、Mの場合、d1、d2、…、dM-1は時間とともに変化し得る。Ｍ個のアンテナの向きは経時的に変化してもしなくてもよい。時間Ｔｉにおいて、（ｉ ＝ １、…、Ｎ、ｊ ＝ １、…、Ｍに対して）アンテナＡ ｊに関連付けられたＣＩ ＣＩｉ、ｊが取得されてよい。オブジェクトの時空間情報は、｛ＣＩｉ、ｊ：ｉ ＝ １、…Ｎ、ｊ ＝ １、…、Ｍ｝に基づいて決定されてもよい。時空間情報は、現在の動き（例えば、現在の動き１２０）の変位、距離、方向、速度、加速度のうちの少なくとも１つを含んでよい。
異なる時間シフトｋが調査／試験されてもよく、ここでｋは１からＮ － １までの範囲である。時間シフトｋについては、ｊ 1 ＝ １、…、Ｍ、ｊ ２ ＝ １、…、Ｍについて、ＣＩｉ、ｊ１をＣＩｉ ＋ ｋ、ｊ ２と比較することができる。ＣＩｉ、ｊ１がＣＩｉ ＋ ｋ、ｊ ２と一致する（例えば類似性スコアがある閾値Ｔ１よりも大きい）場合、これは、位置Ｌｉ、ｊ １が位置Ｌｉ＋ｋ、ｊ ２と同一（またはほぼ同一）であり、アンテナＡ ｊ２（および「１つ」およびオブジェクト自体と同じ）が時間Ｔｉにおける位置Ｌｉ、ｊ２から時間Ｔｉ ＋ ｋにおける位置Ｌｉ ＋ ｋ、ｊ２（すなわち、Ｌｉ、ｊ１）に移動したことの指標である。言い換えれば、オブジェクトと（そのアンテナと一緒に）「１つ」は、アンテナの「方向」または「向き」または「軸」に移動した可能性がある。例えば、ｉ ＝ １、ｋ ＝ １、ｊ１ ＝ １、ｊ２ ＝ ２の場合、ＣＩ１，１はＣＩ２，２と一致し、これは、アンテナＡ２が時間Ｔ１における位置Ｌ１，２からＴ２における位置Ｌ１，１に移動したことを示し得る。言い換えれば、（ｋ ＝ １であるので）１単位時間（１単位時間＝ Ｔ２ － Ｔ１ ＝ Ｔ３ － Ｔ２となるような一定の時間間隔を仮定する）において、オブジェクトとそのアンテナと共にある「１つ」は１単位時間ごとにアンテナ軸の方向に （アンテナが等間隔に配置されていると仮定すると、１単位の距離＝ ｄ１ ＝ ｄ２ ＝ ｄ３となる）移動し得る。
他の例として、ｉ＝１、ｋ＝１、ｊ１＝３、ｊ２＝４の場合、ＣＩ１，３はＣＩ３，４と一致し、これは、アンテナＡ４が時間Ｔ１における位置Ｌ１，４からＴ３における位置Ｌ１，３に移動したことを示し得る。言い換えれば、（ｋ ＝ ２であるので）２単位時間（１単位時間＝ Ｔ２ － Ｔ１ ＝ Ｔ３ － Ｔ２となるような一定の時間間隔を仮定する）において、オブジェクトとそのアンテナと共にある「１つ」は１単位時間ごとにアンテナ軸の方向に （アンテナが等間隔に配置されていると仮定すると、１単位の距離＝ ｄ１ ＝ ｄ２ ＝ ｄ３となる）移動し得る。
ＣＩｉ、ｊ１とＣＩｉ＋ｋ、ｊ ２との間の類似性スコアは、内積、内積的量、相関に基づく量、共分散に基づく量、識別スコア、距離、および第１のベクトルと第２のベクトルとの間のユークリッド距離、絶対距離、Ｌｋ距離、重み付き距離、距離のような量、および／または別の類似性の値を含んでよい。
統合類似性スコアは、例えば、複数の時間インスタンス、複数のアンテナ、および／または複数の「他のもの」からの複数の類似性スコアを組み合わせることによって得られてもよい。例えば、組み合わされた類似性スコアは、類似性スコアを組み合わせることによって得ることができ、各スコアは、ｌの値のセットに対して、ＣＩｉ＋ｌ、ｊ １とＣＩｉ＋ｌ＋ｋ、ｊ ２との間にある。例えば、そのセットは、｛ｌ：ｌ＝０、１、２、…、Ｎ－ｌ－ｋ｝のサブセットを含み得る
組み合わされた類似性スコアは正規化されてもよい。それは、ｌの値の集合の濃度で除算することによって正規化することができる。組み合わせ類似性スコアは、類似性スコアの平均、中央値、最頻値、加重平均、トリム平均、および／またはロバスト平均を含んでよい。組み合わされた類似性スコアは、平均値、中央値、最頻値、加重平均、トリム平均、および/またはロバスト平均の組み合わせであってもよい。
同様のスコアに対する閾値Ｔ１は適応的に決定されてもよい。それは、ｌの値の集合の濃度に依存し得る。それは、ｌの値の集合の濃度が大きい場合、閾値をより小さくしてもよい。閾値は、平均値、中央値、最頻値、加重平均、トリム平均、および/またはロバスト平均の組み合わせに依存してもよい。距離（すなわち、あり得る時空間情報）は、Ｌｉ、ｊ１とＬｉ、ｊ２との間の距離として決定されてもよく、これは、ｊ２＞ ｊ１の場合、ｄｊ１ ＋ ｄｊ１＋ｌ ＋…＋ ｄｊ２－ｌの合計であり得る。 j1＞ j2の場合、dj2 + dj2+ｌ +…+ dj1-ｌとなります。
速度（すなわちあり得る時空間情報）は、距離をＴ ｉとＴｉ＋ｋとの間の期間で割ったものとして決定され得る。時間差が等間隔である場合、期間はｋ単位時間であり得る。期間は、ｔｉ＋ ｔｉ＋ｌ＋ ｔｉ＋ｋ－ｌに等しくてもよい。動きの軸は、アンテナを結ぶ軸として決定されてもよい。方向は、アンテナＡj2からＡj1への方向として決定されてもよい。
（複数のアンテナに関連付けられた）複数のＣＩは、強力なマッチングに適合し得る。同時にCIｉ、j1がCIｉ+k、ｊ2（例えば類似度スコアがある閾値Ｔ２より大きい）と一致し、かつCIｉ、j1+１がCIｉ+k、j2+1と一致し、…、かつCIｉ、j1+ｐがCIｉ+k、j2＋Ｐと一致する場合（すなわち、ｒ＝０、１、…、Ｐに対して同時にＣＩｉ、ｊ１＋ｒがＣＩｉ＋ｋ、ｊ２＋ｒに一致し）、それは位置Ｌｉ、ｊ１＋ｒがr = 0,1、…、Pに対して位置Lｉ+ k、j2+rと同一（またはほぼ同じ）であることの指標であり、アンテナAj2+r（および「１つ」とオブジェクト自体）が時間Ｔｉにおける位置Ｌｉ、ｊ２＋ｒから時間Ｔｉ＋ｋにおける位置Ｌｉ＋ｋ、ｊ２＋ｒ（すなわち、Ｌｉ、ｊ１）に移動したことの強い指標となる。この強いマッチングのための閾値Ｔ２は、個々のマッチングのための閾値Ｔ１とは異なり得る。複数のＣＩは、ｒ ＝ ０、１、…、Ｐのサブセットについて（例えば、ある閾値Ｔ３よりも大きい類似性スコアを用いて）マッチングされ得る（すなわち、ＣＩｉ、ｊ１＋ｒは、r = 0、1、…、Pのサブセットについて同時にＣＩｉ＋ｋ、ｊ２＋ｒと一致し得る）。このマッチングは、r = 0、1、…、Pのフルセットに対するマッチングほど強くないが、個々のＣＩマッチングよりも強力である。閾値Ｔ３は、Ｔ１および／またはＴ２と異なってよい。
（複数のインスタンスに関連付けられた）複数のＣＩは、強力なマッチングのために比較され得る。同時にCIｉ、j1がCIｉ+k、ｊ2（例えば類似度スコアがある閾値Ｔ４より大きい）と一致し、かつCIｉ、j1がCIｉ+2k、j1+2(j2-j1)と一致し、…、かつCIｉ、j1がCIｉ+Pk、j1+P(j2-j1)と一致する場合（すなわち、ｒ＝０、１、…、Ｐに対してＣＩｉ、ｊ１がＣＩｉ＋rｋ、j1+r(ｊ２-j1)に一致し）、それは位置Ｌｉ、ｊ１がr = 0,1、…、Pに対して位置Lｉ+rk、j1+r(j2-j1)と同一（またはほぼ同じ）であることの指標であり、アンテナAj2（および「１つ」とオブジェクト自体）が時間Ｔｉにおける位置Ｌｉ、ｊ２から時間Ｔｉ＋ｋにおける位置Ｌｉ＋ｋ、ｊ２（すなわち、Ｌｉ、ｊ１）に移動したことの強い指標となる。これは、アンテナＡｊ１＋ｒ（j2－j1）（および「１つ」およびオブジェクト自体）が、時間Ｔｉの位置Ｌｉ、ｊ１＋ｒ（ｊ２－ｊ１）からｒ＝０，１、…、Ｐにおいて時間Ｔｉ＋ｒｋにおける位置Ｌｉ＋ｒｋ、ｊ１＋２（ｊ２－ｊ１）（すなわち、Ｌｉ、ｊ１）に移動したことを示す。 様々なアンテナの移動（ｒ＝ ０、１、…、Ｐの場合のＡｊ１＋ｒ（Ｊ２－ｊ１））がすべて同じスピードと方向を指しているため、これは強いマッチングとなる。この強いマッチングのための閾値Ｔ４は、個々のマッチングのための閾値Ｔ１、Ｔ２および／またはＴ３とは異なり得る。
複数のＣＩは、ｒ＝０、１、…、Ｐのサブセットについて（例えば、ある閾値Ｔ５よりも大きい類似性スコアを用いて）マッチングされ得る（すなわち、ＣＩｉ、ｊ１は、r = 0、1、…、PのサブセットについてＣＩｉ＋ｒｋ、ｊ１＋ｒ（ｊ２ーｊ１）と一致し得る）。このマッチングは、r = 0、1、…、Pのフルセットに対するマッチングほど強くないが、個々のＣＩマッチングよりも強力である。閾値Ｔ５は、Ｔ１、Ｔ２、Ｔ３および／またはＴ４と異なってよい。オブジェクト追跡システムの方法／装置／システムは、プロセッサ、プロセッサと通信可能に結合されたメモリ、およびメモリに格納された命令セットを使用して無線マルチパスチャネルの少なくとも２つのＴＳＣＩを取得することを含む。少なくとも１つのＴＳＣＩは、場所内の第１の位置にあるタイプ１異種無線デバイスと場所内の第２の位置にあるタイプ２異種無線デバイスとの間で無線マルチパスチャネルを介して送信される無線信号から抽出される。無線マルチパスチャネルは、場所内のオブジェクトの現在の動きによって影響を受ける。タイプ１デバイスは、オブジェクトの近くにあり、オブジェクトの現在の移動においてオブジェクトとともに移動します。タイプ１デバイスは少なくとも２つのアンテナを含む。
第１の時間において少なくとも２つの第１のＣＩが取得される。第１のＣＩのそれぞれは、タイプ１デバイスのそれぞれのアンテナと関連付けられてもよい。第２の時間において少なくとも２つの第２のＣＩが取得される。第２のＣＩのそれぞれは、タイプ１デバイスのそれぞれのアンテナと関連付けられてもよい。第１の時間は第２の時間と近くてよい。少なくとも１つの類似性スコアが計算されてよい。各類似性スコアは、少なくとも２つの第１のＣＩのうちの１つと少なくとも２つの第２のＣＩのうちの１つとの間であり得る。第１のアンテナに関連付けられた特定の第１のＣＩと、第２のアンテナに関連付けられた特定の第２のＣＩとの間の一致が識別され得る。第１のアンテナと第２のアンテナとは異なってもよい。オブジェクトの時空間情報は、特定の第１のＣＩと特定の第２のＣＩのうちの少なくとも１つに基づいて決定されてもよい。
距離、方向、および／または他の量は、第１のアンテナの位置および第２のアンテナの位置に基づいて決定されてもよい。オブジェクトの時空間情報は、距離、方向、第１の時間および第２の時間のうちの少なくとも１つに基づいて決定されてよい。オブジェクトの時空間情報は、第１の時間と第２の時間の時間差によって距離を割ることによって算出されてよい。時空間情報は、オブジェクトの速度であり得る。少なくとも１つの統合された類似性スコアが計算されてよい。統合された類似性スコアは、少なくとも２つの類似性スコア基づいてよい。オブジェクトの時空間情報は、少なくとも１つの統合された類似性スコアに基づいて決定されてよい。類似性スコアは、時間反転共鳴強度（time reversal resonating strength）（ＴＲＲＳ）、相関、相互相関、自己相関、共分散、相互共分散、自己共分散、２つのベクトルの内積、距離スコア、識別スコア、メトリック、ニューラルネットワーク出力、ディープラーニングネットワーク出力、および／または別のスコアを含んでよい。
少なくとも２つのアンテナの空間分布は、中心に配置された中心アンテナと、中心アンテナの周りに２次元構成および／または３次元構成で配置された残りのアンテナとを含んでよい。少なくとも２つのアンテナの空間分布は、中心に配置された中心アンテナと、中心アンテナの周りに一様に配置された残りのアンテナとを含んでよい。少なくとも２つのアンテナの空間分布は、矩形格子を形成するいくつかのアンテナを含み得る。少なくとも２つのアンテナの空間分布は、直線を形成するいくつかのアンテナを含み得る。少なくとも２つのアンテナの空間分布は、円形格子、楕円格子、凸形状、非凸形状、凹形形状、非凹形形状、および／または不規則形状を形成するいくつかのアンテナを含み得る。
１組の時間インスタンスのそれぞれについて少なくとも２つの第１のＣＩを取得することができ、第１のＣＩのそれぞれはタイプ１デバイスのそれぞれのアンテナに関連付けられる。少なくとも１つの類似性スコアが、それぞれ、第１の時間と第１のアンテナに関連する第１のＣＩ、および第２の時間と第２のアンテナに関連する第２のＣＩの２つのＣＩの間で計算され得る。特定の第１のアンテナと特定の第１の時間とに関連付けられた特定の第１のＣＩ、および特定の第２のアンテナと特定の第２の時間とに関連する特定の第２のＣＩとの間の一致が識別され得る。オブジェクトの時空間情報は、特定の第１のＣＩ、特定の第１のアンテナ、特定の第１の時間、関連する第１の情報、特定の第２のＣＩ、特定の第２のアンテナ、特定の第２の時間、および関連する第２の情報の少なくとも１つに基づいて決定されてよい。
少なくとも１つの結合類似性スコアが計算されてもよく、各結合類似性スコアは少なくとも２つの類似性スコアに基づいている。オブジェクトの時空間情報は、少なくとも１つの統合された類似性スコアに基づいて決定されてよい。類似性スコアは、時間反転共鳴強度（time reversal resonating strength）（ＴＲＲＳ）、相関、相互相関、自己相関、共分散、相互共分散、自己共分散、２つのベクトルの内積、距離スコア、識別スコア、メトリック、ニューラルネットワーク出力、ディープラーニングネットワーク出力、および／または別のスコアを含んでよい。
少なくとも２つの類似性スコアのうちの１つは、第１の時間に関連付けられた第１のＣＩと第２の時間に関連付けられた第２のＣＩとの間の類似性スコアであり得る。少なくとも２つの類似性スコアの残りは、第１の時間に関連付けられたＣＩと第２の時間に関連付けられたＣＩとの間の類似性スコアであり得る。少なくとも２つの類似性スコアのうちの１つは、第１の時間に関連付けられた第１のＣＩと第２の時間に関連付けられた第２のＣＩとの間の類似性スコアであり得る。少なくとも２つの類似性スコアは、それぞれ第３のＣＩと第４のＣＩとの間の少なくとも１つの類似性スコアを含み得る。第３のＣＩに関連付けられた時間インスタンスと第４のＣＩに関連付けられた時間インスタンスとの間の差は、第１の時間と第２の時間との間の差に等しくてよい。１以上の時系列の電力情報（ＰＩ）は、１つ以上のＴＳＣＩ（例えば３００）に基づいて、（例えばオブジェクト追跡サーバ、プロセッサ（例えば１００Ａ、１００Ｂ）、タイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、タイプ２異種デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、および／または他のデバイス）によって計算されてもよい。各ＰＩはＣＩと関連付けられてもよい（例えば１１１Ａ、１１１Ｂ）。ＰＩは複素数であってもよい。電力情報（ＰＩ）の実部は、ＣＩ（例えば１１１Ａ、１１１Ｂ）の大きさ、大きさの二乗、位相、実部、虚部、および他の関数に基づいて計算してよい。１つ以上の時系列のＰＩの第１の関数が計算され得る。第１の関数は、自己相関関数、自己相関関数の二乗、自己共分散関数、自己共分散関数の二乗、内積、自己相関的な関数、および／または共分散のような関数の演算を含んでよい。
第１の関数の特性が、（例えばオブジェクト追跡サーバ、プロセッサ（例えば１００Ａ、１００Ｂ）、タイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、タイプ２異種デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、および／または他のデバイス）によって決定されてもよい。タイプ１異種無線デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、（例えば、オブジェクト追跡サーバ、プロセッサ（例えば、１００Ａ、１００Ｂ）、タイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、タイプ２異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、タイプ２異種無線デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）および／または他のデバイスによって）、第２のタイプ２異種無線デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）を場所（例えば１４２）内の別の場所で切り替えるように動作する 。タイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、少なくとも２つのタイプ２異種無線デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）と無線接続が可能であり得る。第２の無線信号（例えば１４０）は、タイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）と第２のタイプ２異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）との間で、無線マルチパスチャネル（例えば１４４）を介して、送信されてもよい。無線マルチパスチャネル（例えば１４４）は、場所（例えば１４２）内のオブジェクトの現在の動き（例えば１２０）によって影響を受け得る。無線マルチパスチャネル（例えば１４４）の１つ以上の第２のＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）（ＣＩ）が取得されてもよい。１つ以上の第２のＴＳＣＩ（例えば、３００、１１１Ａ、１１１Ｂ）は、第２の無線信号（例えば、１４０）から抽出されてもよい。オブジェクト（例えば１１２）の時空間情報は、１つ以上の第２のＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）に基づいて決定されてもよい。
別の実施形態では、オブジェクト追跡サーバは、プロセッサ（例えば１００Ａ、１００Ｂ）と、プロセッサ（例えば１００Ａ、１００Ｂ）と通信可能に結合されたメモリ（例えば１０２Ａ、１０２Ｂ）と、メモリ（例えば１０２Ａ、１０２Ｂ）内に記憶され、プロセッサ（例えば１００Ａ、１００Ｂ）によって実行される命令セット（例えば１０４Ａ、１０４Ｂ）とを含む。命令セット（例えば１０４Ａ、１０４Ｂ）がメモリ（例えば１０２Ａ、１０２Ｂ）を使用してプロセッサ（例えば１００Ａ、１００Ｂ）によって実行されると、オブジェクト（例えば１１２）追跡サーバは、無線マルチパスチャネル（例えば１４４）の１つ以上のＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）（ＣＩ）を取得するように構成される。少なくとも１つのＴＳＣＩ（例えば、３００、１１１Ａ、１１１Ｂ）は、場所（例えば１４２）内の第１の位置（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）にあるタイプ１異種無線デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ 、１１３Ｂ、４００、４０２、４０４）、及び、場所（例えば１４２）内の第２の位置（１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）にあるタイプ２異種無線デバイス（例えば図１の１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）から無線マルチパスチャンネル（例えば１４４）を介して抽出される。無線マルチパスチャネル（例えば１４４）は、場所（例えば１４２）内のオブジェクトの現在の動き（例えば１２０）によって影響を受ける。オブジェクト（例えば１１２）追跡システムは、少なくとも１つのＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）、現在の動き（例えば１２０）に関連付けられた時間パラメータ、および／またはオブジェクト（例えば１１２）の過去の時空間情報に基づいて、オブジェクト（例えば１１２）の時空間情報を決定する。１つのＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）は前処理される。プロセッサ（例えば１００Ａ、１００Ｂ）は計算付加を、タイプ１異種無線デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）およびタイプ２異種無線デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）と共有する。
さらに別の実施形態では、オブジェクト追跡サーバのシステムは、場所（例えば１４２）内の第１の位置（たとえば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）におけるタイプ１異種デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、場所（例えば１４２）に関連付けられた無線マルチパスチャネル（例えば１４４）を介してタイプ１異種デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）と無線接続される、場所（例えば１４２）内の第２の位置（例えば、１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）におけるタイプ２異種無線デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、および／またはオブジェクト（例えば１１２）追跡サーバを含む。オブジェクト（例えば１１２）追跡サーバは、プロセッサ（例えば１００Ａ、１００Ｂ）と、プロセッサ（例えば１００Ａ、１００Ｂ）と通信可能に結合されたメモリ（例えば１０２Ａ、１０２Ｂ）と、メモリ（例えば１０２Ａ、１０２Ｂ）内に記憶され、プロセッサ（例えば１００Ａ、１００Ｂ）によって実行される命令セット（例えば１０４Ａ、１０４Ｂ）とを有する。
オブジェクト（例えば１１２）追跡サーバ、タイプ１異種デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、タイプ２異種デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、無線マルチパスチャネル（例えば１４４）の少なくとも１つのＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）（ＣＩ）を取得するように構成される。少なくとも１つのＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）は、タイプ１異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）とタイプ２異種デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）との間で伝送される無線信号（例えば１４０）から抽出される。無線マルチパスチャネル（例えば１４４）は、場所（例えば１４２）内のオブジェクトの現在の動き（例えば１２０）によって影響を受ける。
一例では、リアルタイム（例えば、図１の時間ｔ_Ｎ１３０、ｔ_（Ｎ － １）１３２、ｔ_（Ｎｋ）１３４、ｔ_（Ｎｋ － １）１３６）における、オブジェクト（例えば、オブジェクト１１２）の時空間情報（例えば、図１の現在の動き１２０、以前の動き１１８、位置１１５Ａ、初期位置１１４、速度、速度、加速度等）を追跡するシステム、装置、および／または方法が開示される。システム、装置および／または方法は、プロセッサ（例えば１００Ａ、１００Ｂ）と、プロセッサ（例えば１００Ａ、１００Ｂ）と通信可能に結合されたメモリ（例えば１０２Ａ、１０２Ｂ）とを含み得る。システム、装置および／または方法は、オブジェクト（例えば１１２）の移動（たとえば１２０、１１８）に先立つオブジェクト（たとえば１１２）の初期時空間情報（例えば初期位置１１４、直前の位置１１５Ａ）を取得し、そして、オブジェクト（例えば１１２）の動き（例えば１２０、１１８）によって影響を受けるマルチパスチャネル（例えば１４４）から少なくとも１つの無線信号（例えば１４０）を取得することを含む。システム、装置、および／または方法は、少なくとも１つの無線信号（たとえば１４０）からマルチパスチャネル（たとえば１４４）についてのＴＳＣＩ（たとえば１１１Ａ、１１１Ｂ、またはチャネル状態情報（ＣＳＩ）１１０Ａ ／ １１０Ｂ）を抽出することと、 ＣＳＩの時系列（例えば３００、１１０Ａ、１１０Ｂ）に基づいてオブジェクト（例えば１１２）の動き（例えば１２０）の距離（例えば１２２）を決定することとを更に含む。システム、装置および／または方法は、オブジェクト（たとえば１１２）の動き（たとえば１２０）の方向（たとえば１２３）を推定することと、新しい時空間情報（たとえば時間ｔ_Ｎ１３０に関連付けられた、動き（例えば現在の動き１２０）の後のオブジェクト（たとえば１１２）の位置１１５Ｂ）を、距離（たとえば１２２）、方向（たとえば１２３）、および初期時空間情報（たとえば初期位置１１４）に基づいて決定することとを含む。
別の例では、システム、装置および／または方法が開示される。当該システム、装置および／または方法は、オブジェクト（たとえば１１２）の現在の動き（たとえば１２０）の前の、オブジェクト（たとえば１１２）の初期時空間情報（たとえば初期位置１１４）を決定するためのものである。システム、装置および／または方法は、現在の移動（１１２）の前にオブジェクト（たとえば１１２）の以前の移動（たとえば１１８）によって影響を受けた無線マルチパスチャネル（たとえば１４４）から少なくとも１つの無線信号（たとえば１４０）を、プロセッサ（例えば１００Ａ及び／又は１００Ｂ）、プロセッサ（例えば１００Ａ、１００Ｂ）と通信可能に結合されたメモリ（例えば１０２Ａ及び／又は１０２Ｂ）、及びメモリ（例えば１０２Ａ、１０２Ｂ）に記憶された命令セット（例えば１０４Ａ、１０４Ｂ）を用いて、取得する。システム、装置および／または方法は、無線信号（例えば１４０）から無線マルチパスチャネル（例えば１４４）の少なくとも１つのＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）を抽出し、オブジェクト（例えば１１２）の現在の移動（例えば１２０）の前のオブジェクト（例えば１１２）の初期時空間情報（例えば初期位置１１４）を、オブジェクト（例えば１１８）の前の移動（例えば１１８）に関連付けられたＣＩ（例えば３００、１１１Ａ、１１１Ｂ）に基づいて決定する。オブジェクト（例えば１１２）の時空間情報（例えば現在の動き１２０）が追跡され得る。システム、装置および／または方法は、オブジェクト（たとえば１１２）の別の時空間情報（たとえば現在の動き１２０）の追跡のために時空間情報（たとえば１１４、１１５Ａ）を利用可能にしてもよい。
無線マルチパスチャネル（たとえば１４４）は、少なくとも１つの無線送信機（たとえば１０８）および少なくとも１つの無線受信機（たとえば１０９）に関連付けられてよい。プロセッサ（例えば１００Ａ、１００Ｂ）、メモリ（例えば１０２Ａ、１０２Ｂ）および命令セット（例えば１０４Ａ、１０４Ｂ）は少なくとも１つの無線送信機（例えば１０８、１１３Ｂ）のうちの１つおよび／または少なくとも１つの無線受信機の（例えば１０９、１１３Ａ）のうちの１つと関連付けられてよい。オブジェクト（例えば１１２）は少なくとも１つの無線送信機（例えば１０８、１１３Ｂ）のうちの１つおよび／または少なくとも１つの無線受信機の（例えば１０９、１１３Ａ）のうちの１つと関連付けられてよい。
無線送信機（例えば１０８、１１３Ｂ）、無線受信機（例えば１０９、１１３Ａ）、無線送信機／受信機を含む第１のデバイス（例えば１０６Ａ ／ Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）及び／又は、無線送信機／受信機を備える、（例えば、ブルートゥース、ジグビー、ＢＬＥ、ＷｉＦｉ、ＬＴＥ、３Ｇ ／ ４Ｇ ／ ５Ｇ ／ ６Ｇ ／ ７Ｇ ／８Ｇ等を介して）第１のデバイスと接続される第２のデバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、それぞれ識別子（ＩＤ）と関連付けられてもよい。
少なくとも１つの無線送信機のうちの１つ（たとえば１１８）は、少なくとも１つの送信アンテナ（たとえば図２のアンテナ２００Ａ、２００Ｂ、２００Ｃなど）を有してよい。少なくとも１つの無線受信機のうちの１つ（たとえば109）は、少なくとも１つの受信アンテナ（たとえば図２のアンテナ２０２Ａ、２０２Ｂ、２０２Cなど）を有してよい。無線マルチパスチャネル（例えば１４４）のＴＳＣＩ（例えば３００、１１１Ａ及び／又は１１１Ｂ）は、少なくとも１つの送信アンテナのうちの１つ（例えば２００Ａ、２００Ｂ、２００Ｃ）と少なくとも１つの受信アンテナのうちの１つ（例えば２０２Ａ、２０２Ｂ、２０２Ｃ）との間で接続する各リンク（例えばリンク２０２Ａ、２０２Ｂ、２０２Ｃ、２０２Ｄ、２０２Ｅ、２０２Ｆ、 ２０２Ｇ、２０２Ｇ、２０２Ｊ）の無線信号（例えば１４０）から抽出されてよい。時系列（例えば３００）の各ＣＩ（例えば１１１Ａ、１１１Ｂ）（ＣＩ）は、時間インスタンス（例えば時間１３０、１３２、１３４、１３６）及び／又は、対応する送信アンテナ（例えば２００Ａ、２００Ｂ、２００Ｃ）と対応する受信アンテナ（例えば２０２Ａ、２０２Ｂ、２０２Ｃ）との間のリンク（例えばリンク２０２Ａ、２０２Ｂ、２０２Ｃ 、２０２Ｄ、２０２Ｅ、２０２Ｆ、２０２Ｇ、２０２Ｇ、２０２Ｊ））と関連付けられてよい。
初期時空間情報（例えば初期位置１１４）は、少なくとも１つのＴＳＣＩ（例えば、３００、１１１Ａ、１１１Ｂ）の少なくとも１つの局所的特性（例えば一時的な局所的または時間に関して局所的、空間的な局所的または場所に関して局所的、周波数に関して局所的、および／または、ある分解に関して局所的等）に基づいて決定されてよい。一組の時間インスタンス（例えば、時間１３０、１３２、１３４、１３６など）を含む少なくとも１つの時系列の時間集合が識別されてよい。時間集合の各時間インスタンス（またはその前後）において、（少なくとも１つの時系列のうちの１つの）ＣＩ（たとえば１１１Ａ、１１１Ｂ）は、ある局所的特性（たとえば、時間、空間、周波数、および/または何らかの分解など）を有し得る。局所的特性は、各ＣＩ（例えば、１１１Ａ、１１１Ｂ）（例えば、ＣＩは、時間、空間、周波数、および／または何らかの分解に関連する量であり得る）が、第１の閾値より大きく、および／または第２の閾値より小さいことであってよい。局所的特性は、各ＣＩ（例えば１１１Ａ、１１１Ｂ）が一組の許容可能な情報に属するということであってよい。局所特性はまた、１つおよび／または複数のＣＩ（例えば１１１Ａ、１１１Ｂ）のある関数が第１の閾値よりも大きく、および／または第２の閾値よりも小さいことであってよい。第１の閾値および／または第２の閾値は、異なる時点で異なる値を用いた、局所的に適応的であってよい。第１の閾値および／または第２の閾値は、異なる時点で異なる値を用いた、局所的に適応的であってよい。時間集合は、連続した期間であってよい。時間集合はまた、ばらばらな連続した期間および／または個々の時間インスタンスの組み合わせであってよい。許容可能な情報は、連続的および／または離散的であってよい。局所的特性は他の要素を含んでよい。
時系列（例えば、３００）の各ＣＩ（例えば、１１１Ａ、１１１Ｂ）は、時間インスタンス（例えば、３０１）と関連付けられてもよい。初期時空間情報（例えば初期位置１１４）は、初期時間（例えば１１６）及び／又は期間（例えば図３の３１０）と関連付けられてよい。 初期時間（例えば１１６）は、その期間における時間インスタンス（例えば図３の３０１）の関数（例えば図３の３０６）であってよい。期間は、初期時間（例えば１１６）が時間Ａと時間Ｂとの間にあるように、ＡからＢまでの全時間を含み得る。期間（例えば３１０）内には、少なくとも１つのＴＳＣＩ（例えば３００）の多くの時間インスタンス（例えば３０１）があり得る。関数（例えば３０６）は、平均、中央値、最頻値、四分位数、百分位数、および／または他の関数であってよい。初期時空間情報（例えば初期位置１１４）は、期間（例えば３１２）内の対応する時間インスタンスに関連付けられた期間（例えば３１４）内のＣＩ（例えば１１１Ａ、１１１Ｂ）に基づいて決定されてもよい。
初期時空間情報（例えば初期位置１１４）は、無線送信機（例えば１０８）及び無線受信機（例えば１０９）のうちの少なくとも一つに関連付けられた少なくとも１つの既知の時空間情報（例えば位置１１７、１１９）に基づいて決定されてよい。初期位置（例えば１１４）は、場所のマップ（例えば１４２）に基づいて決定されてよい。初期時間（例えば１１６）は、現在の動き（例えば１２０）のかなり前（すなわち、時間ｔ_Ｎ１３２と時間ｔ_（Ｎ-ｋ）１３４との間の大きな差）および／または直前（すなわち時間ｔ_Ｎ１３２と時間ｔ_（Ｎ-ｋ）１３４との間の小さな差）であり得る。時間ｔ_Ｎ１３２と時間ｔ_（Ｎ － ｋ）１３４との間の差は、１秒未満、１秒から１分の間、１分から１時間の間、および／または１時間を超えてもよい。
初期時空間情報（例えば初期位置１１４）は、対応する複数の位置（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）における複数の初期時間（例えば１１６）インスタンスに関連付けられ得る。初期時間（例えば１１６）に関連付けられた初期時空間情報（例えば初期位置１１４）は、複数の初期時間（例えば１１６）インスタンス（例えば３０１）および／または対応する複数の位置（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）に基づいて決定されてよい。複数の初期時間（たとえば１１６）のインスタンス（たとえば３０１）および複数の対応する時空間情報（たとえば位置１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）は、線形回帰、いくつかの回帰、最適化、結合最適化、コスト最小化、および／または曲線フィッティング等のうちの少なくとも１つを用いて処理されてよい。初期時間（例えば、１１６）は、複数の初期時間（例えば、１１６）インスタンスおよび／または複数の対応する時空間情報（例えば、１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）に基づいて決定されてよい。
無線マルチパスチャネル（たとえば１４４）は、少なくとも１つの無線送信機（たとえば１０８）および少なくとも１つの無線受信機（たとえば１０９）に関連付けられてよい。少なくとも１つの無線送信機（例えば１０８）は、無線信号（例えば１４０）を少なくとも１つの無線受信機（例えば１０９）に送信することができる。プロセッサ（例えば１００ＡＢ）、メモリ（例えば１０２Ａ、１０２Ｂ）および命令セット（例えば１０４Ａ、１０４Ｂ）は特定の無線送信機（例えば１０８）および／または特定の無線受信機（例えば１０９）と関連付けられてよい。特定の無線送信機（例えば１０８）および／または特定の無線受信機（例えば１０９）は、オブジェクト（例えば１１２）の以前の移動（例えば１１８）、オブジェクト（例えば１１２）の現在の移動（例えば１２０）、オブジェクト（例えば１１２）の）および／またはオブジェクト（例えば１１２）の将来の移動におけるオブジェクト（例えば１１２）と共に移動してよい。
特定の無線送信機（例えば１０８）および／または特定の無線受信機（例えば１０９）は、少なくとも１つの既知の時空間情報（例えば位置１１７、１１９）と関連付けられてよい。初期時空間情報（例えば初期位置）は、特定の無線送信機（例えば１０８）及び特定の無線受信機（例えば１０９）のうちの少なくとも一つに関連付けられた少なくとも１つの既知の時空間情報（例えば位置）に基づいて決定されてよい。初期時空間情報（例えば初期位置１１４）は、少なくとも１つの既知の時空間情報（例えば位置）のうちの１つとすることができる。
初期時空間情報（例えば初期位置１１４）および／または初期時間（例えば１１６）はさらに、他の既知の時空間情報（例えば、他の既知の位置）と関連付けられた、別の特定の無線受信機（たとえば１１３Ａ）および／または別の特定の無線送信機（たとえば１１３Ｂ）に基づいて決定されてよい。初期時空間情報（例えば初期位置１１４、初期時間１１６）は、特定の無線受信機（例えば１０９）、特定の無線送信機（例えば１０８）、他の特定の無線受信機（例えば１１３Ａ）および／または他の特定の無線送信機（例えば１１３Ｂ）の両方に基づいて結合的に決定され得る。特定の無線受信機（たとえば１０９）、特定の無線送信機（たとえば１０８）、別の特定の無線受信機（たとえば１１３Ａ）、および／または別の特定の無線送信機（たとえば１１３Ｂ）は、少なくとも１つの基準に基づいて選択された少なくとも１つのＴＳＣＩ（例えば３００）から選択された少なくとも１つの時系列と関連付けられてよい。例えば、１つの基準は、時系列のいくつかのＣＩ（例えば１１１Ａ、１１１Ｂ）が第３の閾値より大きいこと、および／または第４の閾値より小さいことであり得る。
初期時空間情報（例えば初期位置）はまた、特定の無線受信機（例えば１０９）、特定の無線送信機（例えば１０８）、別の特定の無線受信機（たとえば１１３Ａ）、および／または別の特定の無線送信機（たとえば１１３Ｂ）に関連付けられた時系列における少なくとも１つの代表ＣＩ（例えば１１１Ａ、１１１Ｂ）に基づいて決定されてよい。無線受信機（例えば１０９）および／または無線送信機（例えば１０８）はそれぞれ少なくとも１つの指向性アンテナ（例えば２００Ａ、２００Ｂ、２００Ｃ、２００Ｄ、２００Ｅ、２００Ｆ）を有することができる。オブジェクト（例えば１１２）の初期時空間情報（例えば初期位置１１４）は、少なくとも１つの指向性アンテナの少なくとも１つの特性に基づいて決定することができる。特性は、指向性、角度、ビーム幅、基準信号強度、指向性アンテナの減衰特性、指向性アンテナの利得特性、および／または他の特性であり得る。
オブジェクト（例えば１１２）の初期時空間情報（例えば初期位置１１４）は、特定のＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）と、記憶されている不均一な期間の基準ＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）との比較に基づいて決定されてもよい。記憶された基準時系列は、過去に（初期時間１１６の前に）取得および／または収集されたものであってよい。記憶された基準時系列は、オブジェクト（例えば１１２）および／またはオブジェクト（例えば１１２）の別の過去の動き（例えば１１８）と関連付けられても、されなくてもよい。記憶された基準時系列は、無線受信機（例えば１０９）および／または無線送信機（例えば１０８）と関連付けられても、されなくてもよい。比較は、特定の時系列と記憶された基準時系列とを整合させること、および記憶された基準時系列の少なくとも１つの基準となる特定の特別な瞬間に整合された特定の時系列の少なくとも１つの特別な瞬間を識別することを含み得る。整合は、動的計画法、動的計画法の変形、動的タイムワープ（ＤＴＷ）、および／または少なくとも１つのミスマッチ測度に関するＤＴＷの変形に基づいてよい。オブジェクト（例えば１１２）の初期時空間情報（例えば初期位置１１４）は、特定の時系列の特定の特別な瞬間またはその周辺におけるＣＩに基づいて決定されてよい。オブジェクト（例えば１１２）の初期時空間情報（例えば初期位置１１４）は、特定の時系列の特定の特別な瞬間におけるＣＩの関数（例えば図の３０８）に基づいて決定されてよい。オブジェクト（例えば１１２）の初期時空間情報（例えば初期位置１１４）は、特定の閾値を有する特定の時系列の特定の特別な瞬間の少なくとも１つにおけるＣＩ（例えば１１１Ａ、１１１Ｂ）の少なくとも１つの機能の比較に基づいて決定されてよい。比較することは、ハード閾値および／またはソフト閾値を含み得る。少なくとも１つの時系列における少なくとも１つの他の特別な瞬間が識別され得る。オブジェクト（例えば１１２）の初期時空間情報（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）は、少なくとも１つの他の特別な瞬間に基づいて決定されてもよい。
初期時空間情報（例えば、１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）は、少なくとも１つの所定の位置（例えば、１１７および／または１１９）のうちの１つの近傍にあり得る。一例では、少なくとも１つの無線受信機（例えば１０９）および／または少なくとも１つの無線送信機（例えば108）は、オブジェクト（例えば１１２）の以前の移動（例えば１１８）、オブジェクト（例えば１１２）の現在の移動（例えば１２０）、および／またはオブジェクト（例えば１１２）の将来の移動におけるオブジェクト（例えば１１２）と共に移動してよい。少なくとも１つの無線受信機（例えば１０９）および／または少なくとも１つの無線送信機（例えば１０８）は少なくとも１つの所定の場所（例えば１１７および／または１１９）に配置されてもよい。初期時空間情報（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）は、複数の所定の時空間情報（例えば位置）に関連付けられてよい。初期時空間情報（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）は、複数の所定の時空間情報（例えば位置）に基づいて決定されてよい。初期時空間情報（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）は、複数の所定の時空間情報（例えば、位置）に基づく三角測量および／または他の融合技術によって決定されてよい。少なくとも１つの無線受信機（例えば１０９）および／または少なくとも１つの無線送信機（例えば１０８）は、少なくとも１つの所定の時空間情報（例えば位置）に関連付けられてよい。
別の例では、ワイヤレス受信機（たとえば１０９）およびワイヤレス送信機（たとえば１０８）のうちの１つを有する第１のデバイス（たとえば図１の１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、図４の４００）は、以前の動き（たとえば１１８）、現在の動き（たとえば１２０）および／または将来の動きにおいてオブジェクト（たとえば１１２）と共に動いてよい。第１の装置（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００）は、オブジェクト（例えば１１２）が移動するにつれてオブジェクト（例えば１１２）の位置（例えば１１４、１１５Ｂ、１１５Ａ）とともに変化する第１の時空間情報（例えば位置）と関連付けられてもよい。無線受信機（例えば１０９）および無線送信機（例えば１０８）のうちの他方である第２の装置（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、第２の位置上および／または周囲（たとえば図４の４０６）に位置してよい。オブジェクト（例えば１１２）が第２の位置（例えば４０６）の近くに移動すると、ＲＳＳＩのようなＣＩ（例えば１１１Ａ、１１１Ｂ）が第２の位置（例えば１１７、１１９）で、閾値よりも大きいＣＩ（例えば１１１Ａ、１１１Ｂ）の最大値を有する、最大となるように、第１のデバイス（例えば４００）と第２のデバイス（例えば４０２）は非常に接近する。オブジェクトの初期位置１１４（例えば１１２）は、対応する初期時間（例えば１１６）における第２の位置（例えば４０６）であると決定されてもよく、初期時間（例えば１１６）は,最大値に関連付けられた時間インスタンス（例えば３０１のうちの１つ）である。
別の例では、ワイヤレス受信機（たとえば１０９）およびワイヤレス送信機（たとえば１０８）のうちの１つである第１のデバイス（たとえば４００）は、以前の動き（たとえば１１８）、現在の動き（たとえば１２０）および／または将来の動きにおいてオブジェクト（たとえば１１２）と共に動いてよい。オブジェクト（例えば１１２）は、２つのデバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４０２、４０４）、すなわち第２のデバイス（例えば４０２）と第３のデバイス（例えば４０４）との間を移動してもよい。第１のデバイス（例えば４００）は、第２のデバイス（例えば４０２）及び第３のデバイス（例えば４０４）と無線で通信可能に結合されてもよい。言い換えれば、無線信号（例えば１４０）は、第１のデバイス（例えば４００）と第２のデバイス（例えば４０２）との間で送信され得る。同様に、無線信号（例えば140）は、第２のデバイス（例えば400）及び第３のデバイス（例えば４０４）の間で送信されてもよい。無線受信機（例えば１０９）および無線送信機（例えば１０８）のうちの他方である第２のデバイス（例えば４０２）は、第２の位置上および／または周囲（たとえば４０６）に位置してよい。無線受信機（例えば１０９）および無線送信機（例えば１０８）のうちの他方のインスタンスである第３のデバイス（例えば４０４）は、第３の位置上および／または周囲（たとえば４０８）に位置してよい。
第１のデバイス（例えば４００）とともにオブジェクト（例えば１１２）が第２の位置（例えば４０６）と第３の位置（例えば４０８）の間を移動する場合、第１のデバイス（例えば４００）と第２のデバイス（例えば４０２）は、第２のデバイス（例えば４０２）に対応するＲＳＳＩのようなＣＩ（例えば１１１Ａ及び／又は１１１Ｂ）が、第２の位置（例えば４０６）および第３の位置（例えば４０８）の間のどこかにある第４の位置（例えば４１０）における第４の時間インスタンス（例えば４１２）において最大値を示すように、非常に近接し得る。一方、第１のデバイス（例えば４００）と第３のデバイス（例えば４０４）は、第３のデバイス（例えば４０４）に対応するＲＳＳＩのようなＣＩ（例えば１１１Ａ及び／又は１１１Ｂ）が、第２の場所（例えば４０６）と第３の場所（例えば４０８）との間のどこかにある第５の位置（例えば４１６）における第５の時間インスタンス（例えば４１６）において最大値を示すように、非常に接近し得る。オブジェクト（例えば１１２）の動き（例えば４１８）が第２の位置（例えば４０６）と第３の位置（例えば４０８）を結ぶ直線（例えば４２０）に対して垂直である場合（すなわち図４Ｂに示すように角度（例えば４２２）が９０度である）、第４の時間インスタンス（例えば４１２）は、第５の時間インスタンス（例えば４１６）と等しくてもよく、及び／又は第４の位置（例えば４１０）は第５の位置（例えば４１４）と同一でもよい。オブジェクト（例えば１１２）の動き（例えば４１８）が、図４Ａに示すように角度（例えば４２２）が９０度未満であるように、第２の位置（例えば４０６）と第３の位置（例えば４０８）とを結ぶ直線（例えば４２０）に対してある角度（例えば４２２）である場合、第４の時間インスタンス（例えば４１２）は第５の時間インスタンス（例えば４１６）より前であってもよい。図４Ｃに示されるように、角度（例えば４２２）が９０度より大きい場合、第４の時間インスタンス（例えば４１２）は第５の時間インスタンス（例えば４１６）の後であり得る。したがって、第１のデバイス（例えば４００）の動き４１８の方向（例えば１２３）は、第４の時間インスタンス（例えば４１２）が第５の時間インスタンス（例えば４１６）に等しいか前後であるかに概ね基づいて推定し得る。第１のデバイスの移動方向４１８（例えば４００）は、式：cosθ=(vΔt/L)に基づいて角度（例えば４２２）を推定することによりさらに推定することができる。ここで、ｖは第１のデバイスの瞬間速度（例えば４００）、Δｔは第５の時間インスタンス（例えば４１６）から第４の時間インスタンス（例えば４１２）を引いた値であり、Ｌは第２のデバイス（例えば４０２）の第２の位置（例えば４０６）と第３のデバイス（例えば４０４）の第３の位置（例えば４０８）との間の距離である。
ＣＩ（例えば１１１Ａ、１１１Ｂ）はチャネル状態情報（ＣＳＩ、例えば１１０Ａ、１１０Ｂ）を含んでよい。第１のデバイスの瞬間速度ｖ（例えば４００）は、我々の以前の特許出願に記載されているように、２つの隣接ＣＳＩ間の瞬間時間反転共振強度（ＴＲＲＳ）をモデル関数と比較することによって得られる。同様に、２つの隣接ＣＳＩは、第１のデバイス（例えば４００）及び第２のデバイス（例えば４０２）の間のＣＳＩであってよい。２つの隣接ＣＳＩは、第１のデバイス（例えば４００）及び第３のデバイス（例えば４０４）の間のＣＳＩであってよい。
オブジェクト（例えば１１２）の初期位置（例えば１１４）及び初期時間（例えば１１６）は、第４の位置（例えば４１０）、第４の時間インスタンス（例えば４１２）、第５の位置（例えば４１４）および／または第５の時間インスタンス（例えば４１６）に基づいて決定されてよい。初期位置１１４はまた、第１の装置（例えば４００）、第２の装置（例えば４０２）および第３の装置（例えば４０４）に関連付けられたＣＩ（例えば１１１Ａ、１１１Ｂ）に基づいて決定されてもよい。例えば、ＣＩ（例えば１１１Ａ、１１１Ｂ）はＲＳＳＩを含むことができる。ＣＩの基準関数（例えば１１１Ａ、１１１Ｂ）が得られてもよい。第１のデバイス（例えば４００）と第２のデバイス（例えば４０２）との間の瞬間ＣＩ（例えば１１１Ａ、１１１Ｂ）は、第１のデバイス（例えば４００）と第２のデバイス（例えば４０２）との間の瞬間的な距離を推定するために、ＲＳＳＩと比較される。第１のデバイス（例えば４００）と第３のデバイス（例えば404）との間の瞬間ＣＩ（例えば１１１Ａ、１１１Ｂ）は、ＲＳＳＩと比較されて、第１のデバイス（例えば４００）と第３のデバイス（例えば４０４）との間の瞬間的な距離を推定する。オブジェクト（例えば１１２）の瞬間位置は、２つの瞬間的な距離に基づいて計算されてもよい。オブジェクト（例えば１１２）の瞬間位置は、三角測量、三角法および他の方法に基づいて計算されてもよい。
第４の時間インスタンス（例えば４１２）におけるオブジェクト（例えば１１２）の瞬間的な位置が計算されて初期位置１１４として選択されるように、初期時間（例えば１１６）が第４の時間インスタンス（例えば４１２）となるように選択されてよい。第５の時間インスタンス（例えば４１６）におけるオブジェクト（例えば１１２）の瞬間的な位置が計算されて初期位置１１４として選択されるように、初期時間（例えば１１６）が第５の時間インスタンス（例えば４１２）となるように選択されてよい。初期時間（例えば１１６）におけるオブジェクト（例えば１１２）の瞬間的な位置が計算されて初期位置１１４として選択されるように、初期時間（例えば１１６）が第４の時間インスタンス（例えば４１２）および／または第５の時間インスタンス（例えば４１２）となるように選択されてよい。内挿および／または外挿を使用して、初期時間（たとえば１１６）におけるオブジェクト（たとえば１１２）の瞬間的な位置を計算してもよい。初期時間（例えば１１６）が第４の時間インスタンス（例えば４１２）と第５の時間インスタンス（例えば４１６）との間にある場合には補間を使用してよく、そうでなければ外挿を使用してよい。
第２の装置（例えば４０２）および第３の装置（例えば４０４）とは別に、近くの位置にある追加の同様の装置（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）が第１の装置と接続されて、第１の装置（例えば４００）の初期位置１１４及び初期時間（例えば１１６）を決定するために使用されてもよい。第２のデバイス（例えば４０２）、第３のデバイス（例えば４０４）および／または追加の同様のデバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）もまた通信可能に接続され得る。
第２の装置（例えば４０２）は、第２の位置（例えば４０６）の周りの異なる位置に２つ以上のアンテナ（例えば２００Ａ、２００Ｂ、２００Ｃ、２００Ｄ、２００Ｅ、２００Ｆ）を有することができる。第３の装置（例えば４０４）は、第３の位置（例えば４０８）の周りの異なる位置に２つ以上のアンテナ（例えば２００Ａ、２００Ｂ、２００Ｃ、２００Ｄ、２００Ｅ、２００Ｆ）を有することができる。第２のデバイスのアンテナ（例えば４０２）と第３のデバイスのアンテナ（例えば４０４）との間にそれぞれ複数の直線を引くことができる。線（例えば４２０）と同様に、これらの直線のそれぞれは、第１のデバイス（例えば４１８）の動きの対応する推定距離、推定される瞬間的位置及び／又は推定角度（例えば４２２）を与えることができ、これらを組み合わせることで推定値に対してより高い精度を得ることできる。
無線受信機（例えば１０９）は、無線送信機（例えば１０８）から無線信号（例えば１４０）及び／又は他の無線信号（例えば１４０）を受信することができる。無線受信機（例えば１０９）は他の無線送信機（例えば１１３Ｂ）から他の無線信号（例えば１４０）を受信することができる。無線送信機（例えば１０８）は、他の無線受信機（例えば１１３Ａ）に無線信号（例えば１４０）及び／又は他の無線信号（例えば１４０）を送信することができる。無線送信機（例えば１０８）、無線受信機（例えば１０９）、他の無線受信機（例えば１１３Ａ）および／または他の無線送信機（例えば１１３Ｂ）は、オブジェクト（例えば１１２）および／または他のオブジェクトと共に移動してよい。他のオブジェクトは追跡され得る。無線受信機（例えば１０９）は無線送信機（例えば１０８）から他の無線送信機（例えば１１３Ｂ）に同時に切り替え得る。無線送信機（例えば１０８）は無線受信機（例えば１０９）から他の無線受信機（例えば１１３Ａ）に別のときに切り替え得る。無線送信機（例えば１０８）および他の無線送信機（例えば１１３Ｂ）は同一のおよび／または異なる無線を使用することができる。無線受信機（例えば１０９）および他の無線受信機（例えば１１３Ａ）は同一のおよび／または異なる無線を使用することができる。無線信号（例えば１４０）および／または別の無線信号（例えば１４０）はデータを埋め込むことができる。無線受信機（例えば１０９）、無線送信機（例えば１０８）、他の無線受信機（例えば１１３Ａ）および／または他の無線送信機（例えば１１３Ｂ）は、少なくとも１つのプロセッサ（例えば１００Ａおよび／または１００Ｂ）、それぞれのプロセッサ（例えば１００Ａおよび／または１００Ｂ）と通信可能に接続されたメモリ（例えば１０２Ａ、１０２Ｂ）、および／またはメモリ（例えば１０２Ａ、１０２Ｂ）に格納されたそれぞれの命令セット（例えば１０４Ａ、１０４Ｂ）であって、実行されるとプロセッサ（例えば１００Ａおよび／または１００Ｂ）に、時空間情報（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）、初期時空間情報（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）、初期時間（例えば１１６）、方向（例えば１２３）、瞬時位置（例えば１１５Ｂ、４０６、４０８ 、 ４１０、４１４）、オブジェクトの瞬間角度（例えば４２２）、および／または速度（例えば１１２）を決定するための任意のおよび／またはすべてのステップを実行させる命令セットの少なくとも１つと関連付けられる。
無線送信機（例えば１０８）、無線受信機（例えば１０９）、他の無線送信機（例えば１１３Ｂ）及び／又は他の無線受信機（例えば１１３Ａ）は、前の動き（例えば１１８）、現在の動き（例えば１２０）および／または将来の動きにおいて、オブジェクト（例えば１１２）及び／又は他のオブジェクトと共に移動し得る。
無線受信機（例えば１０９）、無線送信機（例えば１０８）、別の無線受信機（例えば１１３Ａ）および／または別の無線送信機（例えば１１３Ｂ）は、１つ以上の近くのデバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）に通信可能に接続され得る。近くの装置（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）はオブジェクト（例えば１１２）と共に移動してもしなくてもよい。無線受信機（例えば１０９）、無線送信機（例えば１０８）、他の無線受信機（例えば１１３Ａ）および／または他の無線送信機（例えば１１３Ｂ）は、少なくとも１つのＴＳＣＩ（例えば１１１Ａ、１１１Ｂ）、および／または、近くのデバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）に対する少なくとも１つのＴＳＣＩ（例えば３００）、無線送信機（例えば１０８）、無線受信機（例えば１０８）、他の無線送信機（例えば１１３Ｂ）及び／又は他の無線受信機（例えば１１３Ａ）に関連付けらた情報を送信する。他の無線送信機（例えば１１３Ｂ）及び／又は他の無線受信機（例えば１１３Ａ）は近くのデバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）と一緒にいることができる。
近くのデバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、携帯型／非携帯型／移動可能／移動不能であり得る。近くの装置（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、バッテリ電力、太陽光電力、ＡＣ電力、および／または他の電源を使用することができる。近くの装置（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、交換可能／非交換可能バッテリ、および／または充電式／非充電式バッテリを有することができる。近くの装置（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）はオブジェクト（例えば１１２）と類似し得る。近くの装置（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、オブジェクトを（例えば１１２）と同一の（および／または類似の）ハードウェアおよび／またはソフトウェアを有することができる。近くの機器（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、ＷｉＦｉ ／ ３Ｇ ／ ４Ｇ ／ ５Ｇ ／ ６Ｇ ／ Ｚｉｇｂｅｅ/Ｂｌｕｅｔｏｏｔｈ/アドホックネットワーク/その他のネットワークに接続する機器、スマートスピーカー、スマートウォッチ、スマートクロック、スマートアプライアンス、スマートマシン、スマート機器、スマートツール、スマートビークル、インターネット・オブ・シングス（IoT）デバイス、インターネット対応デバイス、コンピュータ、ポータブルコンピュータ、タブレット、およびその他のデバイスとの接続を有するスマート機器、ネットワーク対応機器であり得る。
近くの装置（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）および／または無線受信機（例えば１０９）、無線送信機（例えば１０８）、他の無線受信機（例えば１１３Ａ）、他の無線送信機１１３Ｂ及び／又はクラウドサーバ（クラウド内）と関連付けられた少なくとも１つのプロセッサ（例えば１００Ａ、１００Ｂ）がオブジェクト（例えば１１２）の初期時空間情報（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）を決定してもよい 。それらのうちの２つ以上が共同で初期の時空間情報（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）を決定してもよい。それらのうちの２つ以上は、初期の時空間情報（例えば、初期位置１１４）の決定において中間情報を共有してもよい。
一例では、無線送信機（例えば１０８）は、前の移動（例えば１１８）及び／又は現在の移動（例えば１２０）においてオブジェクト（例えば１１２）と共に移動してもよい。無線送信機（例えば１０８）は、オブジェクト（例えば１１２）の初期時空間情報（例えば初期位置１１４）を決定するために無線信号（例えば１４０）を無線受信機（例えば１０９）に送信してよい。無線送信機（例えば１０８）はまた、オブジェクト（例えば１２０）の現在の動き（例えば１２０）を追跡するために、無線信号（例えば１４０）及び／又は他の無線信号（例えば１４０）を他の無線受信機（例えば１１３Ａ）に送信してもよい。無線受信機（例えば１０９）はまた、オブジェクト（例えば１２０）の現在の動き（例えば１２０）を追跡するために、無線信号（例えば１４０）及び／又は他の無線信号（例えば１４０）を、無線送信機（例えば１０８）及び／又は他の無線送信機（例えば１１３Ｂ）に送信してもよい。
他の例では、無線受信機（例えば１０９）は、前の移動（例えば１１８）及び／又は現在の移動（例えば１２０）においてオブジェクト（例えば１１２）と共に移動してもよい。無線受信機（例えば１０９）は、オブジェクト（例えば１１２）の初期時空間情報（例えば初期位置１１４）を決定するために無線信号（例えば１４０）を無線送信機（例えば１０８）から受信してよい。無線受信（例えば１０９）はまた、オブジェクト（例えば１２０）の現在の動き（例えば１２０）を追跡するために、無線信号（例えば１４０）及び／又は他の無線信号（例えば１４０）を他の無線送信機（例えば１１３Ａ）から受信してもよい。
コインサイズのボット
本開示はまた、小型（例えば、コインサイズ、タバコの箱サイズ、またはもっと小さいサイズなど）ボット／オリジンを使用した、オブジェクト追跡に関する。この開示では、無線送信機（例えば図１の１０８、１１３Ｂ）および／または無線受信機（例えば１０９、１１３Ａ）は小型軽量の第１の携帯機器（例えば１０６Ａ、１０６Ｂ、１０８、１０９Ａ、１１３Ａ、１１３Ｂ、４００、４０２、４０４）の一部であり得る。第１のポータブルデバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、第２のデバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）と無線で接続され得る。
第２のデバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、スマートフォン、ｉＰｈｏｎｅ、Ａｎｄｒｏｉｄフォン、スマートデバイス、スマートアプライアンス、スマートビークル、スマートガジェット、スマートＴＶ、スマート冷蔵庫、スマートスピーカ、スマートウォッチ、スマートグラス、スマートパッド、ｉＰａｄ、コンピュータ、ウェアラブルコンピュータ、ノートブックコンピュータ、ゲートウェイであり得る。第２のデバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、インターネット、ワイヤードインターネット接続、および／または無線インターネット接続を介して、クラウドサーバ、ローカルサーバ、および／またはその他のサーバに接続され得る。第２のデバイスは、ポータブルであり得る。
第１のポータブルデバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、第２のデバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、ローカルサーバ、および／またはクラウドサーバは、タスクのいずれか（例えば、ＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）を得る、オブジェクト（例えば１１２）の運動と関連付けられたオブジェクト（例えば１１２）の特徴を決定、時系列の電力情報の計算、特定の関数の決定／計算、局所的極値の探索、分類、時間オフセットの特定の値を識別、ノイズ除去、処理、単純化、クリーニング、無線スマートセンシングタスク、無線信号（例えば１４０）からＣＩ（例えば１１１Ａ、１１１Ｂ）抽出、切り換え、セグメンテーション、軌道の推定、マップの処理、補正、補正調整、調整、マップによる補正、誤差の検出、境界ヒットのチェック、閾値法など）および本開示と関連付けられた情報（例えば、ＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ））のために計算および／またはストレージを共有し得る。
ＣＳＩ対応チップ
本開示はまた、ＣＩを提供することが可能な通信ハードウェアに関する。通信ハードウェアは、ＷｉＦｉ対応チップ（例えば、集積回路またはＩＣ）、次世代ＷｉＦｉ対応チップ、ＬＴＥ対応チップ、５Ｇ対応チップ、６Ｇ／７Ｇ／８Ｇ対応チップなどであり得る。通信ハードウェアは、ＣＩを計算して、バッファメモリ（例えば１０２Ａ、１０２Ｂ）にＣＩ（例えば１１１Ａ、１１１Ｂ）を記憶して、ＣＩ（例えば１１１Ａ、１１１Ｂ）を抽出に利用可能にする。ＣＩ（例えば１１１Ａ、１１１Ｂ）は、チャネル状態情報（例えば、図１のＣＳＩ、１１０Ａ、１１０Ｂ）に関するデータおよび／または少なくとも１つのマトリックスを含み得る。少なくとも１つのマトリックスをチャネルイコライゼーション、および／またはビーム形成などに使用することができる。
パッシブ速度推定
本開示の別の態様は、速さ、加速度、歩行サイクル、歩行、オブジェクトの動き、およびイベントなどのオブジェクト（例えば１１２）の１つ以上の特徴および／または時空間情報（例えば１４４）の推定に関する。より具体的には、本教示は、リッチスキャッタリング環境における時間反転技術に基づいて、オブジェクト（例えば１１２）の少なくとも１つの特徴および／または時空間情報（例えば１４４）を決定することに関する。
一実施例では、オブジェクト（例えば１１２）の運動（例えば、現在の運動１２０、および／または前の運動（例えば１１８））と関連付けられた、オブジェクト（例えば、オブジェクト（例えば１１２））の少なくとも１つの特徴および／または時空間情報（例えば特性１４６）を決定するためのシステム、装置、および／または方法は、プロセッサ（例えばプロセッサ１００Ａ、および／または１００Ｂ）、プロセッサ（例えばプロセッサ１００Ａ、および／または１００Ｂ）と通信可能に結合されたメモリ（例えばメモリ１０２Ａ、および／または１０２Ｂ）、およびメモリ（例えばプロセッサ１０２Ａ、および／または１０２Ｂ）中に記憶された命令セット（例えば、命令セット１０４Ａ、および／または１０４Ｂ）を使用して、無線マルチパスチャネル（例えば、無線マルチパスチャネル１４４）の１つ以上のＴＳＣＩ（例えば、ＣＩ１１１Ａおよび／または１１１Ｂ）を得ることを含む。少なくとも１つのＴＳＣＩ（例えば、ＣＩ１１１Ａおよび／または１１１Ｂ）、またはチャネル状態情報１１０Ａおよび／または１１０Ｂ）は、無線マルチパスチャネル（例えば１４４）を介して送信された無線信号（例えば、無線信号１４０）から得られる。無線マルチパスチャネル（例えば１４４）は、オブジェクトの動き（例えば１２０）によって影響を受ける。システム、装置、および／または方法は、１つ以上のＴＳＣＩ（例えば１１０Ａ、１１０Ｂ、１１１Ａおよび／または１１１Ｂ）に基づいてオブジェクト（例えば１１２）の動き（例えば１２０）と関連付けられたオブジェクト（例えば１１２）の１つ以上の特徴および／または時空間情報（例えば１４６）を決定することを更に含む。ＣＩ（例えば１１１Ａ及び／又は１１１Ｂ）は無線マルチパスチャネル（例えば１４４）のチャネル状態情報（ＣＳＩ）（例えば１１０Ａ及び／又は１１０Ｂ）を含むことができる。無線マルチパスチャネルの各ＣＳＩ（例えば１４４）は時間と関連付けられてもよい。各ＣＳＩは、時間領域要素、周波数領域要素、および／または時間 - 周波数領域要素を含み得る。各ＣＳＩは１つ以上の要素を含み得る。ＣＳＩの各要素は、実数、虚数、複素数、大きさ、位相、フラグ、および／またはセットであり得る。各ＣＩ（例えば１１１Ａ、１１１Ｂ）（ＣＩ）は、複素数のベクトル、複素数の行列、１組の混合量、および／または少なくとも１つの複素数の多次元集合を含むことができる。
１つ以上の時系列の電力情報は、無線マルチパスチャネル（例えば１４４）の１つ以上のＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）に基づいて計算され得る。各電力情報は、無線マルチパスチャネル（例えば、１４４）のＣＩ（例えば、１１１Ａ、１１１Ｂ）に関連付けられてもよい。電力情報とＣＩ（例えば１１１Ａ、１１１Ｂ）の両方が時間と関連付けられてもよい。ＣＩ（例えば１１１Ａ、１１１Ｂ）のベクトルおよび電力情報のベクトルは、同一数の要素を有し得る。電力情報ベクトルの各実数要素は、ＣＩ（例えば１１１Ａ、１１１Ｂ）の対応する複素数要素のそれぞれの大きさ、位相、実部、虚部、および／または別の関数に基づいて計算され得る。特に、電力情報ベクトルの実数要素は、チャネル情報（例えば１１１Ａ／Ｂ）の対応する複素数要素の大きさの二乗に基づき得る。
特定の関数は、第１の時間、時間オフセット、電力情報の第１の窓、および電力情報の第２の窓に基づいて決定され得る。電力情報について本明細書で言及されているが、特定の関数をＣＩ（例えば１１１Ａ、１１１Ｂ）および／またはその他の情報に適用することができる。電力情報の第１の窓は、第１の時間と関連付けられた、特定の時系列の電力情報の第１の部分集合であり得る。電力情報の第２の窓は、第１の時間からオフセットされた時間における第２の時間と関連付けられた、特定の時系列の電力情報の第２の部分集合であり得る。第１の窓および第２の窓は、同一サイズであり得る。第２の窓は、第１の窓からオフセットされた時間である。第１の窓および第２の窓は、両方が、同一の特定の時系列の電力情報（および／またはＣＩ（例えば１１１Ａ、１１１Ｂ）、および／またはその他の情報）の窓であり得る。第１の部分集合の基数は、第２の部分集合の基数と等しい場合がある。特定の関数は、第１の時間の少なくとも１つの値について、および第１の時間の各々に対する時間オフセットの少なくとも１つの値について計算され得る。オブジェクト（例えば１１２）の運動と関連付けられた、オブジェクト（例えば１１２）の１つ以上の特徴および／または時空間情報は、時間オフセットの少なくとも１つの値を計算する関節関数（articular function）に基づいて決定され得る。第１の時間の特定の値は、オブジェクト（例えば１１２）の運動ならびにオブジェクト（例えば１１２）の少なくとも１つの特徴および／または時空間情報と関連付けられ得る。特定の関数は、共分散関数、共分散様関数（covariance-like function）、自己共分散関数、自己共分散様関数（auto-covariance-like function）、相関関数、相関様関数（correlation-like function）、自己相関関数、自己相関様関数（auto-correlation-like function）、内積、別の関数、これらの関数のいずれかと前処理関数との組み合わせ、これらの関数のいずれかと後処理関数との組み合わせ、ならびにこれらの関数のいずれかと周波数分解、時間分解、時間周波数分解、および別の分解のうちの少なくとも１つとの組み合わせのうちの少なくとも１つの第２の関数であり得る。
第２の関数は、ノイズ除去、平滑化、調整、エンハンスメント、復元、特徴抽出、加重平均、低域フィルタリング、帯域フィルタリング、高域フィルタリング、メジアンフィルタリング、ランクフィルタリング、四分位数フィルタリング、百分位数フィルタリング、モードフィルタリング、線形フィルタリング、非線形フィルタリング、有限インパルス応答（ＦＩＲ）フィルタリング、無限インパルス応答（ＩＩＲ）フィルタリング、移動平均（ＭＡ）フィルタリング、自己回帰（ＡＲ）フィルタリング、自己回帰移動平均（ＡＲＭＡ）フィルタリング、閾値法、ソフト閾値法、ハード閾値法、ソフトクリッピング、極大化、極小化、費用関数の最適化、ニューラルネットワーク、機械学習、教師あり学習、教師なし学習、半教師あり学習、変換、フーリエ変換、ラプラス、アダマール変換、変換、分解、選択的フィルタリング、適応フィルタリング、導関数、一次導関数、二次導関数、高次導関数、積分、ゼロ交差、指示関数、絶対変換、畳み込み、乗算、除算、前処理、後処理、別の変換、別の処理、別のフィルタ、および第３の関数、および第３の関数のうちの少なくとも１つであり得る。特定の関数は、無線信号（例えば１４０）の受信した電磁（electromagnetic：ＥＭ）波の電界コンポーネントの自己相関関数（ＡＣＦ）の加重平方和の推定であり得る。
電力情報は、周波数分解、時間分解、時間周波数分解、および／または別の分解を含み得る。別の関数は、周波数分解の周波数（またはその他の分解の変数／インデックス）、第１の時間、時間オフセット、電力情報の第１の窓、および電力情報の第２の窓に基づいて決定され得る。別の関数は、周波数分解の周波数の少なくとも１つの値について計算され得る。特定の関数は、周波数分解の周波数の少なくとも１つの値を計算する別の関数を平均することによって計算され得る。
別の実施例では、電力情報は、周波数サブバンド分解を含み得る。別の関数は、周波数分解の周波数サブバンド、第１の時間、時間オフセット、電力情報の第１の窓、および電力情報の第２の窓に基づいて決定される。別の関数は、周波数分解の周波数サブバンドの少なくとも１つの例について計算され得る。特定の関数は、周波数分解の周波数サブバンドの少なくとも１つの例について計算された別の関数を平均することによって計算され得る。別の実施例では、電力情報は、時間周波数分解を含み得る。別の関数は、時間周波数分解の時間周波数分割、第１の時間、時間オフセット、電力情報の第１の窓、および電力情報の第２の窓に基づいて決定され得る。別の関数は、時間周波数分解の時間周波数分割の少なくとも１つの例について計算され得る。特定の関数は、時間周波数分解の時間周波数分割の少なくとも１つの例について計算された別の関数を平均することによって計算され得る。
特定の関数の計算には、第１の時間、第３の時間、時間オフセット、電力情報の第３の窓、および電力情報の第４の窓に基づいて予備関数を決定することが含まれ得る。電力情報の第３の窓は、第３の時間と関連付けられた、特定の時系列の電力情報の第３の部分集合であり得る。電力情報の第４の窓は、第３の時間からオフセットされた時間における第４の時間と関連付けられた、特定の時系列の電力情報の第４の部分集合であり得る。予備関数は、第１の時間の特定の値、および第１の時間と近い第３の時間の少なくとも１つの値についての時間オフセットの特定の値について計算され得る。第１の時間の特定の値および時間オフセットの特定の値についての特定の関数は、第１の時間の特定の値、および第１の時間に近い第３の時間の少なくとも１つの値について計算された時間オフセットの特定の値についての予備関数を平均することによって計算され得る。
少なくとも１つの特別な特徴および／または特別な時空間情報（例えば、局所的最大値、局所的最小値、ゼロ交差など）は、第１の時間の特定の値について、決定／計算され得る。各々が、第１の時間の特定の値についての特定の関数のそれぞれの特別な特徴および／または時空間情報（例えば、局所的最大値、局所的最小値、ゼロ交差など）と関連付けられた、時間オフセットの少なくとも１つの特定の値を識別することができる。オブジェクト（例えば１１２）の運動と関連付けられた、オブジェクト（例えば１１２）の少なくとも１つの特別な特徴および／または特別な時空間情報は、時間オフセットの少なくとも１つの特定の値に基づいて決定され得る。
第１の時間の特定の値についての特定の関数の局所的極値の探索することがある。探索は、以下のステップを含み得る。（１）現在の時間オフセット値を初期化し得る。これに再帰が続く。（２）再帰の各繰り返しにおいて、現在の時間オフセット値周りの回帰窓が決定され得る。（３）現在の時間オフセット値周りの回帰窓内の特定の関数は、回帰分析を使用して回帰関数で／によって近似され得る。（４）特定の関数に関する回帰関数の回帰誤差が決定され得る。（５）現在の時間オフセット値は、回帰関数の凸性、回帰関数の別の特徴および／もしくは時空間情報、ならびに／または回帰窓内の特定の関数に関する回帰関数の回帰誤差に基づいて更新され得る。（６）少なくとも１つの停止基準が満たされるまで、再帰の繰り返しを実施する。
特定の関数の局所的極値は、回帰窓内の回帰関数の対応する極値に基づいて、第１の時間の特定の値について決定され得る。特定の関数の局所的極値と関連付けられた時間オフセットの特定の値は、回帰窓内で識別され得る。オブジェクト（例えば１１２）の運動と関連付けられたオブジェクト（例えば１１２）の少なくとも１つの特徴および／または時空間情報は、時間オフセットの特定の値に基づいて計算され得る
最初の現在時刻のオフセット値は正、負、および／またはゼロであり得る。少なくとも１回の繰り返しにおいて、回帰窓の長さおよび／または回帰窓の場所は、変化し得る。回帰関数は、線形関数、二次関数、三次関数、多項式関数、および／または別の関数であり得る。
回帰分析は、絶対誤差、二乗誤差、高次誤差（例えば、三次、四次など）、ロバスト誤差（例えば、誤差の大きさが小さい場合は二乗誤差、誤差の大きさが大きい場合は絶対誤差、または誤差の大きさが小さい場合は第１種誤差、誤差の大きさが大きい場合は第２種誤差）、別の誤差、絶対誤差の加重和（例えば、複数のアンテナ（例えば２００Ａ、２００Ｂ、２００Ｃ、２００Ｄ、２００Ｅ、２００Ｆ）を有する無線送信器（例えば１０８）および複数のアンテナ（例えば２００Ａ、２００Ｂ、２００Ｃ、２００Ｄ、２００Ｅ、２００Ｆ）を有する無線受信器（例えば１０８）について、送信器アンテナ（例えば２００Ａ、２００Ｂ、２００Ｃ）および受信器アンテナ（例えば２００Ｄ、２００Ｅ、２００Ｆ）の各対がリンクを形成する。異なるリンクと関連付けられた誤差は、異なる重みを有し得る。１つの可能性としては、大きなノイズを有するいくつかのリンクおよび／またはいくつかのコンポーネントが、より小さいかまたはより大きい重みを有し得る。）、加重平方和誤差、高次誤差の加重和、ロバスト誤差の加重和、別の誤差の加重和、絶対コスト、二乗コスト、高次コスト、ロバストコスト、別のコスト、絶対コストの加重和、加重平方和コスト、高次コストの加重和、ロバストコストの加重和、および／または別のコストの加重和。回帰窓内の特定の関数に関する回帰関数の最大回帰誤差と関連付けられた時間オフセットは、繰り返し中に更新された現在の時間オフセットであり得る。
一実施例では、回帰関数が回帰窓内で局所的に凸状である場合、回帰窓内の特定の関数に関する回帰関数の最大回帰誤差と関連付けられた時間オフセットは、更新された現在の時間オフセットとなり得る。別の実施例では、回帰関数が回帰窓内で局所的に凹状である場合、回帰窓内の特定の関数に関する回帰関数の最大回帰誤差と関連付けられた時間オフセットは、更新された現在の時間オフセットとなり得る。新された現在の時間オフセットとなり得る。
回帰関数が回帰窓内で局所的に凸状である場合、回帰窓の両端と関連付けられた時間オフセットのうちの少なくとも１つは、更新された現在の時間オフセットとなり得る。回帰関数が回帰窓内で局所的に凹状である場合、回帰窓の両端と関連付けられた時間オフセットのうちの少なくとも１つは、更新された現在の時間オフセットとなり得る。
回帰窓の両端と関連付けられた時間オフセットのうちの少なくとも１つは、回帰窓内の回帰関数の局所的凸性に基づいて更新された現在の時間オフセットになり得る。回帰が窓の一部で局所的に凸状であり、窓の別の一部で局所的に凹状である場合、窓サイズは、縮小し得る。回帰窓内の特定の関数に関する回帰関数の最大回帰誤差と関連付けられた時間オフセットに近い時間オフセットは、条件に基づいて更新された現在の時間オフセットになり得る。
オブジェクト（例えば１１２）の運動と関連付けられたオブジェクト（例えば１１２）の少なくとも１つの特徴および／または時空間情報のうちの１つは、オブジェクト（例えば１１２）の速さであり得る。オブジェクト（例えば１１２）の速さは、回帰窓内の第１の時間の特定の値についての特定の関数の局所的極値と関連付けられた、時間オフセットの特定の値に基づいて、計算され得る。
ある時間におけるオブジェクト（例えば１１２）の速さは、回帰窓内の第１の時間の特定の値についての特定の関数の局所的極値と関連付けられた、時間オフセットの特定の値に基づいて、計算され得る。第１の時間の特定の値は、その時間と等しくてもよい。
特定の時間におけるオブジェクト（例えば１１２）の加速度は、特定の時間に近い各時間におけるオブジェクト（例えば１１２）の速さの少なくとも１つの値に基づいて決定され得る。特定の時間におけるオブジェクト（例えば１１２）の加速度は、オブジェクト（例えば１１２）の運動と関連付けられたオブジェクト（例えば１１２）の少なくとも１つの特徴および／または時空間情報のうちの１つであり得る。特定の時間におけるオブジェクト（例えば１１２）の加速度は、特定の時間に近い１つ以上の各時間におけるオブジェクト（例えば１１２）の速さの少なくとも１つの値に基づいて決定され得る。特定の時間におけるオブジェクト（例えば１１２）の加速度の決定には、時間関数によって１つ以上の時間にてオブジェクト（例えば１１２）の速さを近似することと、特定の時間に近い時間関数の１つ以上の傾きを決定することと、時間関数の１つ以上の傾きに基づいて加速度を計算することと、が含まれ得る。加速度は、時間関数の１つ以上の傾きの関数として、計算され得る。関数は、平均、加重平均、メジアン、最頻値、四分位数、百分位数、ロバスト関数、線形関数、非線形関数、および／または別の関数であり得る。
時間関数の１つ以上の傾きのうちの１つは、２つの隣接する時間におけるオブジェクト（例えば１１２）の速さの２つの値の間の差を２つの隣接する時間値の差で割ったものとして決定され得る。時間関数は、区分線形関数であり得る。加速度は、特定の時間における区分線形関数の傾きとして計算され得る。１つ以上の時間は、特定の時間の周りの時間窓内であり得る。１つ以上の時間は、特定の時間の周りの時間窓を含み得る。
オブジェクト（例えば１１２）の加速度は、特定の時間におけるオブジェクト（例えば１１２）の運動と関連付けられたオブジェクト（例えば１１２）の加速度であり得る。特定の時間におけるオブジェクト（例えば１１２）の加速度は、特定の時間に近い時間の複数の値で計算されたオブジェクト（例えば１１２）の速さに基づいて決定され得る。オブジェクト（例えば１１２）の速さは、少なくとも１つのＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）に基づいて決定されたオブジェクト（例えば１１２）の運動と関連付けられたオブジェクト（例えば１１２）の少なくとも１つの特徴および／または時空間情報のうちの１つであり得る。
オブジェクト（例えば１１２）の速さは、第１の時間の特定の値（第１の時間の特定の値は、特定の時間に近い時間の複数の値のうちの１つである）および時間オフセットの少なくとも１つの値について計算された特定の関数に基づいて決定された、オブジェクト（例えば１１２）の運動と関連付けられたオブジェクト（例えば１１２）の少なくとも１つの特徴および／または時空間情報のうちの１つであり得る。オブジェクト（例えば１１２）の速さはまた、回帰窓内の第１の時間の特定の値（第１の時間の特定の値は、時間と等しい）についての特定の関数の局所的極値と関連付けられた時間オフセットに基づいて決定された、オブジェクト（例えば１１２）の運動と関連付けられたオブジェクト（例えば１１２）の少なくとも１つの特徴および／または時空間情報のうちの１つでもあり得る。第１の時間の特定の値におけるオブジェクト（例えば１１２）の速さは、回帰窓内の特定の関数の局所的極値と関連付けられた時間オフセットの特定の値で割った量として計算され得る。
別の実施例では、少なくとも１つの特徴および／または時空間情報のうちの１つは、オブジェクト（例えば１１２）の速さであり得る。第１の時間におけるオブジェクト（例えば１１２）の速さは、回帰窓内の特定の関数の局所的極値と関連付けられた、時間オフセットの特定の値に基づいて、計算され得る。局所的極値は、正の時間オフセットを有する第１の局所的最大値および／または負の時間オフセットを有する第１の局所的最大値であり得る。特定の関数は、時間オフセットに関する特有の自己相関関数の導関数であり得る。ＣＩ（例えば１１１Ａ、１１１Ｂ）は、周波数分解と関連付けられたＣＳＩであり得る。各ＣＳＩは、周波数分解の周波数に各々対応する複素コンポーネントのベクトルであり得る。コンポーネント毎の自己相関関数は、ＣＳＩの特定の時系列に基づいて、周波数分解の各周波数について計算され得る。特徴自己相関は、周波数分解の周波数にわたるコンポーネント毎の自己相関関数の平均として計算され得る。
繰り返しは、少なくとも１つの極値を得るために少なくとも１回適用され得る。各極値は、それぞれの繰り返しにおける、それぞれの現在の時間オフセット値、それぞれの回帰窓、それぞれの回帰関数、および／またはそれぞれの特定の時間オフセット値と関連付けられ得る。オブジェクト（例えば１１２）の運動と関連付けられたオブジェクト（例えば１１２）の少なくとも１つの特徴および／または時空間情報は、回帰窓内の特定の関数のそれぞれの特定の時間オフセット値のうちの少なくとも１つに基づいて計算され得る。繰り返しは、第１の局所的極値および第２の局所的極値を得るために２回適用され得る。第１の局所的極値は、第１の現在の時間オフセット値、第１の回帰窓、第１の回帰関数、および／または第１の特定の時間オフセット値と関連付けられ得る。第２の局所的極値は、第２の現在の時間オフセット値、第２の回帰窓、第２の回帰関数、および／または第２の特定の時間オフセット値と関連付けられ得る。オブジェクト（例えば１１２）の運動と関連付けられたオブジェクト（例えば１１２）の少なくとも１つの特徴および／または時空間情報は、回帰窓内の特定の関数の第１の特定の時間オフセット値および／または第２の特定の時間オフセット値に基づいて計算され得る。繰り返しは、正の時間オフセットを有する第１の局所的最大値である第１の局所的極値および負の時間オフセットを有する第１の局所的最大値である第２の局所的極値を得るために２回適用され得る。第１の局所的極値は、第１の現在の時間オフセット値、第１の回帰窓、第１の回帰関数、および／または第１の特定の時間オフセット値と関連付けられ得る。第２の局所的極値は、第２の現在の時間オフセット値、第２の回帰窓、第２の回帰関数、および／または第２の特定の時間オフセット値と関連付けられ得る。オブジェクト（例えば１１２）の運動と関連付けられたオブジェクト（例えば１１２）の少なくとも１つの特徴および／または時空間情報は、回帰窓内の特定の関数の第１の特定の時間オフセット値および／または第２の特定の時間オフセット値に基づいて計算され得る。
オブジェクト（例えば１１２）の歩行サイクルは、オブジェクト（例えば１１２）の速さの少なくとも１つの値および／またはオブジェクト（例えば１１２）の加速度の少なくとも１つの値に基づいて決定され得る。オブジェクト（例えば１１２）の少なくとも１つの歩行サイクルはまた、オブジェクト（例えば１１２）の速さの少なくとも１つの値および／またはオブジェクト（例えば１１２）の加速度の少なくとも１つの値に基づいて決定され得る。少なくとも１つの歩行サイクルは、正の加速度の期間および負の加速度の期間の連続を検出することによって決定され得る。少なくとも１つの歩行サイクルは、速さが増加する期間および速さが減少する期間の連続を検出することによって決定され得る。少なくとも１つの歩行サイクルは、正の速さの期間および負の速さの期間の連続を検出することによって決定され得る。少なくとも１つの歩行サイクルは、関連する期間における、オブジェクト（例えば１１２）の速さの基礎をなす周期的行動、オブジェクト（例えば１１２）の速さ変化、および／またはオブジェクト（例えば１１２）の加速度を検出することによって決定され得る。少なくとも１つの歩行サイクルは、関連する期間における、オブジェクト（例えば１１２）の極大速さの基礎をなす周期的行動、オブジェクト（例えば１１２）の極小速さ、オブジェクト（例えば１１２）の極大加速度、オブジェクト（例えば１１２）の極小加速度、オブジェクト（例えば１１２）の極大速さ変化、および／またはオブジェクト（例えば１１２）の極小速さ変化を検出することによって決定され得る。少なくとも１つの歩行サイクルは、期間と関連付けられるよう決定されてもよい。オブジェクト（例えば１１２）の速さおよび／またはオブジェクト（例えば１１２）の加速度の関数は、期間と関連付けられた場所にて局所的最大値を示し得る。少なくとも１つの歩行サイクルは、期間と関連付けられるよう決定されてもよい。オブジェクト（例えば１１２）の速さおよび／またはオブジェクト（例えば１１２）の加速度の関数は、期間と関連付けられた、関連する複数の対のピーク場所における、局所的最大値および局所的最小値の複数の対を有するピーク局在化を示すように決定され得る。
期間は、関数の、２つの隣接する局所的最大値、２つの隣接する局所的最小値、隣接する局所的最大値および局所的最小値の対、所定の数の最大値によって分離された２つの局所的最大値、所定の数の最小値によって分離された２つの局所的最小値、ならびに所定の数の極値によって分離された局所的最大値および局所的最小値の対のうちの少なくとも１つの間の距離に基づいて決定され得る。関数には、自己相関関数、自己相関様関数（auto-correlation like function）、自己共分散関数、自己共分散様関数（auto-covariance like function）、速さとシフトされたバージョンの加速度との積、速さと既知の期間のシフトされたバージョンの周期的関数との積、加速度と既知の期間のシフトされたバージョンの周期的関数との積、コスト関数の最適化、コスト関数の制約付き最適化、コスト関数の制約なし最適化、フーリエ変換、ラプラス変換、別の変換、および／または別の関数が含まれ得る。
オブジェクト（例えば１１２）の少なくとも１つの歩行サイクルは、オブジェクト（例えば１１２）の速さの少なくとも１つの値およびオブジェクト（例えば１１２）の加速度の少なくとも１つの値に基づいて決定され得る。オブジェクト（例えば１１２）の速さは、少なくとも１つのＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）に基づいて決定されたオブジェクト（例えば１１２）の運動と関連付けられたオブジェクト（例えば１１２）の少なくとも１つの特徴および／または時空間情報のうちの１つであり得る。オブジェクト（例えば１１２）の加速度は、オブジェクト（例えば１１２）の速さに基づいて決定され得る。オブジェクト（例えば１１２）の少なくとも１つの歩行サイクルは、オブジェクト（例えば１１２）の速さの少なくとも１つの値およびオブジェクト（例えば１１２）の加速度の少なくとも１つの値に基づいて決定され得る。オブジェクト（例えば１１２）の速さは、第１の時間の特定の値（第１の時間の特定の値は、特定の時間に近い時間の複数の値のうちの１つである）および時間オフセットの少なくとも１つの値について計算された特定の関数に基づいて決定された、オブジェクト（例えば１１２）の運動と関連付けられたオブジェクト（例えば１１２）の少なくとも１つの特徴および／または時空間情報のうちの１つであり得る。オブジェクト（例えば１１２）の加速度は、オブジェクト（例えば１１２）の速さに基づいて決定され得る。オブジェクト（例えば１１２）の少なくとも１つの歩行サイクルは、オブジェクト（例えば１１２）の速さの少なくとも１つの値およびオブジェクト（例えば１１２）の加速度の少なくとも１つの値に基づいて決定され得る。オブジェクト（例えば１１２）の速さは、回帰窓内の第１の時間の特定の値（第１の時間の特定の値は、時間と等しい）についての特定の関数の局所的極値と関連付けられた時間オフセットに基づいて決定された、オブジェクト（例えば１１２）の運動と関連付けられたオブジェクト（例えば１１２）の少なくとも１つの特徴および／または時空間情報のうちの１つであり得る。オブジェクト（例えば１１２）の加速度は、オブジェクト（例えば１１２）の速さに基づいて決定され得る。オブジェクト（例えば１１２）の歩行および／またはイベントは、ＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）の少なくとも１つのセグメント、時系列のチャネル状態情報（ＣＳＩ）の少なくとも１つのセグメント、特定の関数の少なくとも１つの値、オブジェクト（例えば１１２）の速さの少なくとも１つの値、および／または各々がオブジェクト（例えば１１２）の速さの少なくとも１つの値に基づく、オブジェクトの加速度の少なくとも１つの値のうちの少なくとも１つに基づいて検出され得る。オブジェクト（例えば１１２）の歩行および／またはイベントは、ＣＩ（例えば１１１Ａ、１１１Ｂ）、チャネル状態情報（ＣＳＩ、例えば図１の１１０Ａ、１１０Ｂ）、特定の関数、オブジェクト（例えば１１２）の速さ、および／またはオブジェクト（例えば１１２）の加速度のうちの少なくとも１つの時間的傾向に基づいて検出され得る。オブジェクト（例えば１１２）の歩行および／またはイベントの検出は、オブジェクト（例えば１１２）の速さの時間的傾向に基づいてエンジンを使用して、オブジェクト（例えば１１２）の歩行および／またはイベントを決定することを含み得る。エンジンへの入力は、ＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）の少なくとも１つのセグメント、時系列のチャネル状態情報（ＣＳＩ、例えば図１の１１０Ａ、１１０Ｂ）の少なくとも１つのセグメント、特定の関数の少なくとも１つの値、オブジェクトの速さの少なくとも１つの値、オブジェクトの加速度の少なくとも１つの値のうちの少なくとも１つを含み得る。エンジンは、ニューラルネットワークおよび／または分類エンジンであり得る。エンジンは、訓練フェーズで訓練入力により訓練され、オブジェクト（例えば１１２）の既知の歩行および既知のイベントと関連付けられた、少なくとも１つの基準時間的傾向を生成し得る。エンジンの訓練入力は、オブジェクト（例えば１１２）の既知の歩行および既知のイベントと関連付けられ得る。訓練は、識別訓練、判定帰還型訓練、機械学習、教師あり学習、教師なし学習、シャローラーン（shallow learn）、ディープラーニング、および／または別の訓練のうちの少なくとも１つであり得る。
エンジンを使用したオブジェクト（例えば１１２）の歩行および／またはイベントの決定は、時間的傾向を得ることと、時間的傾向と基準時間的傾向の各々と比較することと、第１の持続時間の時間的傾向と異種持続時間の少なくとも１つの基準時間的傾向の各々とを整合させることと、を含む。時間的傾向とそれぞれの整合された基準時間的傾向との間の少なくとも１つの類似性スコア各々を計算することと、ならびに／または少なくとも１つの類似性スコアに基づいて、オブジェクト（例えば１１２）の既知の歩行のうちの１つおよび／もしくは既知のイベントのうちの１つとして、オブジェクト（例えば１１２）の歩行および／もしくはイベントを決定することと、を更に含み得る。
オブジェクト（例えば１１２）の速さは、少なくとも１つのＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）に基づいて決定されたオブジェクト（例えば１１２）の運動と関連付けられたオブジェクト（例えば１１２）の少なくとも１つの特徴および／または時空間情報のうちの１つであり得る。オブジェクト（例えば１１２）の速さは、第１の時間の特定の値（第１の時間の特定の値は、特定の時間に近い時間の複数の値のうちの１つである）および時間オフセットの少なくとも１つの値について計算された特定の関数に基づいて決定された、オブジェクト（例えば１１２）の運動と関連付けられたオブジェクト（例えば１１２）の少なくとも１つの特徴および／または時空間情報のうちの１つであり得る。
少なくとも１つの閾値が決定され得る。オブジェクト（例えば１１２）の少なくとも１つの特徴および／または時空間情報は、少なくとも１つの閾値に基づいて決定され得る。少なくとも１つの閾値は、第２のプロセッサ（例えば１００Ａ、１００Ｂ）、第２のプロセッサ（例えば１００Ａ、１００Ｂ）と通信可能に結合された第２のメモリ（例えば１０２Ａ、１０２Ｂ）、および第２のメモリ（例えば１０２Ａ、１０２Ｂ）中に記憶された第２の命令セット（例えば１０４Ａ、１０４Ｂ）を使用して、無線マルチパスチャネル（例えば１４４）の訓練ＣＩ（例えば１１１Ａ、１１１Ｂ）（ＣＩ）の少なくとも１つの時系列に基づいて決定され得る。第２のプロセッサ（例えば１００Ａ、１００Ｂ）は、第１のプロセッサ（例えば１００Ａ、１００Ｂ）、第１のプロセッサ（例えば１００Ａ、１００Ｂ）の一部、および／または第１のプロセッサ（例えば１００Ａ、１００Ｂ）と接続されたものであり得る。第２のプロセッサ（例えば１００Ａ、１００Ｂ）のいくつかのリソース（ハードウェア、ネットワーク、通信、ユーザインターフェース、および／またはソフトウェア）は、第１のプロセッサ（例えば１００Ａ、１００Ｂ）と共有され得る。第２のメモリ（例えば１０２Ａ、１０２Ｂ）は、第１のメモリ（例えば１０２Ａ、１０２Ｂ）、第１のメモリ（例えば１０２Ａ、１０２Ｂ）の一部、第１のメモリ（例えば１０２Ａ、１０２Ｂ）と接続されたもの、および／または第１のメモリ（例えば１０２Ａ、１０２Ｂ）と共有されたものであり得る。第２の命令セット（例えば１０４Ａ、１０４Ｂ）は、第１の命令セット（例えば１０４Ａ、１０４Ｂ）、および／または第１の命令セット（例えば１０４Ａ、１０４Ｂ）の一部であり得る。第２の命令セット（例えば１０４Ａ、１０４Ｂ）および第１の命令セット（例えば１０４Ａ、１０４Ｂ）は、いくつかのソフトウェアライブラリ、いくつかのソフトウェアルーチン、いくつかのハードウェアリソース、いくつかの通信リソースおよび／またはその他のリソースを共有し得る。第２の命令セット（例えば１０４Ａ、１０４Ｂ）および第１の命令セット（例えば１０４Ａ、１０４Ｂ）は、独立して、協同で、連帯的に、順次、並行して、交互に、および／または対話式で、動くことができる。
無線マルチパスチャネル（例えば、１４４）の少なくとも１つの時系列の訓練ＣＩ（例えば１１１Ａ、１１１Ｂ）（ＣＩ）は、訓練フェーズ中に無線マルチパスチャネル（例えば、１４４）を介して送信された第２の無線信号（例えば、１４０）から得ることができる。無線マルチパスチャネル（例えば、１４４）は、訓練フェーズにおける第２のオブジェクトの訓練運動により影響を受ける場合がある。訓練フェーズは、訓練セッションであり得、これは、１回、たまに、定期的に、および／または要望に応じて実施され得る。訓練フェーズ中の第２のオブジェクトのターゲットポジティブ訓練運動と関連付けられた、無線マルチパスチャネル（例えば、１４４）の少なくとも１つの時系列の第１の訓練ＣＩ（例えば、１１１Ａ、１１１Ｂ）を得ることとができる。ポジティブ訓練運動は、認識され、モニタされ、測定され、研究され、処理され、検出され、推定され、検証され、および／または捕捉されるはずのターゲット運動であり得る。訓練フェーズ中の第２のオブジェクトのターゲットネガティブ訓練運動と関連付けられた、無線マルチパスチャネル（例えば、１４４）の少なくとも１つの時系列の第２の訓練ＣＩ（例えば、１１１Ａ、１１１Ｂ）を得ることとができる。ネガティブ訓練運動は、無視される、逃される、モニタされない、検出されない、推定されない、認識されない、検証されない、捕捉されない、測定されない、および／または研究されないはずのターゲット運動であり得る。
少なくとも１つの時系列の第１のトレーニングＣＩ（例えば１１１Ａ、１１１Ｂ）からの少なくとも１つの第１の量、及び／又は少なくとも１つの時系列の第２のトレーニングＣＩ（例えば１１１Ａ、１１１Ｂ）からの少なくとも１つの第２の量が計算され得る。少なくとも１つの第１の量および／または少なくとも１つの第２の量は、運動統計、位置統計、マップ座標統計、高さ統計、速度統計、加速度統計、移動角度統計、回転統計、サイズ統計、体積統計、時間を含み得る。傾向、時間傾向統計、時間プロファイル統計、周期的運動統計、頻度統計、過渡統計、呼吸統計、歩行統計、行動統計、事象統計、疑わしい事象統計、危険事象統計、警報事象統計、警告統計、信念統計、近接統計、衝突統計、電力統計、信号統計、信号電力統計、信号強度統計、受信信号強度インジケータ（ＲＳＳＩ）、信号振幅、信号位相、信号周波数成分、信号周波数帯域成分、チャネル状態情報（ＣＳＩ、例えば図１の１１０Ａ、１１０Ｂ）（ＣＳＩ）、ＣＳＩ統計、マップ統計、ｔｉｍ電子統計、周波数統計、時間 - 周波数統計、分解統計、直交分解統計、非直交分解統計、追跡統計、呼吸統計、心拍統計、バイオメトリック統計、赤ちゃん統計、患者統計、機械統計、機器統計、温度統計、車両統計、駐車場統計、会場統計、リフト統計、エレベーター統計、空間統計、道路統計、流体統計、住宅統計、部屋統計、オフィス統計、住宅統計、建物統計、倉庫統計、保管統計、システム統計、換気統計、ファン統計、パイプ統計、ダクト統計、人統計、人間統計、自動車統計、ボート統計、トラック統計、飛行機統計、ドローン統計、ダウンタウン統計、群衆統計、衝動的イベント統計、サイクロ定常統計、環境統計、振動統計学、材料統計学、表面統計学、３次元統計学、２次元統計学、ローカル統計学、グローバル統計学、プレゼンス統計学、および／または他の統計学を含む。
少なくとも１つの閾値は、少なくとも１つの第１の量および／または少なくとも１つの第２の量に基づいて決定され得る。少なくとも１つの閾値は、第１の量の第１のパーセンテージが、第１の閾値（少なくとも１つの閾値ではない）より大きい、それに等しい、および／またはそれ未満であるように、決定され得る。少なくとも１つの閾値は、第２の量の第２のパーセンテージが、第２の閾値（少なくとも１つの閾値ではない）より大きい、それに等しい、および／またはそれ未満であるように、決定され得る。第１の閾値は、第２の閾値より大きい、それに等しい、および／またはそれ未満であり得る。第１の閾値は、第２の閾値であり得る。第１のパーセンテージは、第２のパーセンテージより大きい、それに等しい、および／またはそれ未満であり得る。
無線マルチパスチャネル（例えば１１４）の少なくとも１つの時系列の第１の訓練ＣＩ（例えば、１１１Ａ、１１１Ｂ）は、訓練フェーズ中にモニタエリア内の第２のオブジェクトの訓練運動と関連付けられ得る。第２のオブジェクトのターゲットポジティブ訓練運動は、モニタエリア内の第２のオブジェクトの訓練運動であり得る。無線マルチパスチャネル（例えば、１４４）の少なくとも１つの時系列の第２の訓練ＣＩ（例えば、１１１Ａ、１１１Ｂ）は、訓練フェーズ中のモニタエリア外の第２のオブジェクトの訓練運動と関連付けられ得る。第２のオブジェクトのターゲットネガティブ訓練運動は、モニタエリア外の第２のオブジェクトの訓練運動であり得る。
第２のオブジェクトは第１のオブジェクトであり得る。第２のオブジェクトは、第１のオブジェクトの模造品、取り換え品、バックアップ、および／またはレプリカであり得る。第２のオブジェクトは、第の１オブジェクトと同様の他のオブジェクトであり得る。第２のオブジェクトは、構造、サイズ、形状、機能性、周期性、変形特性、動き特性、速度、加速度、歩行、傾向、習慣、無線特性、および他の特徴に関して第１のオブジェクトと類似していてもよい。
ハンドオーバー技術
本開示はまた、無線センシングハンドオーバーに関する。無線センシングハンドオーバのシステム、装置および／または方法は、場所（たとえば１４２）に関連付けられた無線マルチパスチャネル（たとえば１４４）を介して少なくとも１つのタイプ２異種無線送受信機と無線で接続されるタイプ１異種無線送受信機と、及び／又は場所（例えば１４２）のそれぞれの位置にある少なくとも１つのタイプ２異種無線送受信機を含む。それ（すなわちシステム、装置および／または方法）は更に、プロセッサ（例えば１００Ａ、１００Ｂ）、プロセッサ（例えば１００Ａ、１００Ｂ）と通信可能に結合されたメモリ（例えば１０２Ａ、１０２Ｂ）、及び／又は、メモリ（例えば１０２Ａ、１０２Ｂ）内に記憶され、実行されるとプロセッサ（例えば１００Ａ、１００Ｂ）に以下を実行させる命令セット（例えば１０４Ａ、１０４Ｂ）を有する。それは、タイプ１送受信機に、場所（例えば１４２）に関連付けられた無線マルチパスチャネル（例えば１４４）を通して、場所（例えば１４２）の第１の位置で第１のタイプ２送受信機との無線接続を確立させる。無線マルチパスチャネル（例えば１４４）は、場所（例えば１４２）内のオブジェクトによって影響を受ける。それ（すなわち、システム、装置および／または方法）はさらに、タイプ１送受信機に、第１のワイヤレス信号（たとえば１４０）を第１のタイプ２送受信機に送信させ、および／または第１のタイプ２送受信機から第２のワイヤレス信号（たとえば１４０）を受信させる。それは、第１の無線信号（例えば１４０）および／または第２の無線信号（例えば１４０）から少なくとも１つの第１のＣＩ（例えば１１１Ａ、１１１Ｂ）を抽出する。それは、少なくとも１つの第１のＣＩ（例えば１１１Ａ、１１１Ｂ）に基づいて、場所内のオブジェクトに関連付けられた無線スマートセンシングタスクを実行する。それはさらに、タイプ１送受信機に、少なくとも１つの第１のＣＩ（例えば１１１Ａ、１１１Ｂ）に基づいて、第１のタイプ２送受信機から、場所の第２の位置（例えば１４２）における第２のタイプ２送受信機に無線接続を切り替えさせる。それはさらに、タイプ１送受信機に、第３のワイヤレス信号（たとえば１４０）を第２のタイプ２送受信機に送信させ、および／または第２のタイプ２送受信機から第４のワイヤレス信号（たとえば１４０）を受信させる。それは、第３の無線信号および／または第４の無線信号（たとえば１４０）からの少なくとも１つの第２のＣＩ（たとえば１１１Ａ、１１１Ｂ）を抽出し、および／または 少なくとも１つの第２のＣＩ（例えば１１１Ａ、１１１Ｂ）に基づいて、場所（例えば１４２）内のオブジェクト（たとえば１１２）に関連付けられた無線スマートセンシングタスクを実行する。
タイプ１送受信機は、異種であり得る複数のタイプ２送受信機と無線で通信し得る。タイプ２送受信機は、異種であり得る複数のタイプ１送受信機と無線で通信し得る。無線マルチパスチャネル（例えば１４４）は、場所（例えば１４２）内のオブジェクト（例えば１１２）、オブジェクト（例えば１１２）の存在、場所（例えば１４２）内のオブジェクト（例えば１１２）の位置（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）、オブジェクト（例えば１１２）の状態、オブジェクト（例えば１１２）の動き、オブジェクト（例えば１１２）の変化、オブジェクト（例えば１１２）の変形、オブジェクト（例えば１１２）の速度、オブジェクト（例えば１１２）の特性、および／またはオブジェクト（例えば１１２）の時空間情報によって影響を受け得る。無線接続は、ＷｉＦｉ、ＷｉＭａｘ、３Ｇ ／ ３Ｇ超、４Ｇ ／ ４Ｇ超、ＬＴＥ、５Ｇ、６Ｇ、７Ｇ、Ｂｌｕｅｔｏｏｔｈ、Ｚｉｇｂｅｅ、独自の無線システム、および／または他の無線システムに基づいてよい。
プロセッサ（例えば１００Ａ、１００Ｂ）、メモリ（例えば１０２Ａ、１０２Ｂ）および／または命令セット（例えば１０４Ａ、１０４Ｂ）は、タイプ１異種無線送受信機、少なくとも１つのタイプ２異種無線送受信機のうちの１つ、オブジェクト（例えば１１２）、オブジェクト（例えば１１２）に関連付けられた装置（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、場所（例えば１４２）に関連付けられた他の装置（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）、クラウドサーバ、および／または他のサーバに関連付けられてよい。
第１の場所の第１のタイプ２送受信機から第２の場所の第２のタイプ２送受信機への切り替えは、信号強度、信号振幅、信号位相、受信信号強度インジケータ（ＲＳＳＩ）、チャネル状態情報（ＣＳＩ、例えば図１の１１０Ａ 、１１０Ｂ）、マップ、タイプ１送受信機の現在位置、以下の少なくとも１つと関連付けられた情報、とに基づき得る。当該情報は、周波数帯域、周波数シグネチャ、周波数位相、周波数振幅、周波数トレンド、周波数特性、周波数的特性、直交分解特性、および／または非直交分解特性を含む。更に、期間、時間シグネチャ、時間振幅、時間位相、時間傾向、および／または時間特性のうちの少なくとも１つに関連する情報、および／または以下のうちの少なくとも１つに関連する情報を含む。それは、時間-周波数区分、時間-周波数シグネチャ、時間-周波数振幅、時間 - 周波数位相、時間 - 周波数傾向、および/または時間-周波数特性、方向、到来角、指向性アンテナの角、および／または位相、および／または他の情報に関連付けられた情報を含む。
Ｔｙｐｅ１送受信機は、少なくとも１つの第１のＣＩ（例えば１１１Ａ、１１１Ｂ）および／または少なくとも１つの第２のＣＩ（例えば１１１Ａ、１１１Ｂ）から導出された量が切り替え条件を満たし得る場合、第１の場所の第１のＴｙｐｅ２送受信機から第２の場所の第２のＴｙｐｅ２送受信機に無線接続を切り替えることができる。
ダミーオリジン
特定のタイプ２（トランシーバ）デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、一連のプロービング信号を１以上のタイプ１（送受信）デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）にブロードキャストしてよい。特定のタイプ２デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、ＷｉＦｉアクセスポイント、ＬＴＥ基地局、Ｂｌｕｅｔｏｏｔｈデバイス、および／またはＢＬＥデバイスであってよい。デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）が、ブロードキャストモードで一連のプロービング信号を送信するように、最初にまたは定期的に、または時折、またはリセット時に、特定のＴｙｐｅ２デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）のブロードキャストモードをトリガ／開始するための手順を適用されてよい。開始手順において、タイプ２デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は一時的にタイプ１デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）として機能してよく 、一時的にタイプ２デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ 、１１３Ｂ、４００、４０２、４０４）として機能する他のデバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）に、少なくとも１つのプロービング信号をタイプ２デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）に送信させてよい。他のデバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、開始手順においてタイプ２デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）と通信する専用のダミーデバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）であり得る。他の装置（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は他の便利な機能を有し得る。
トラッカーボットＩＤ
特定のタイプ２（トランシーバ）デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、一連のプロービング信号を１以上のタイプ１（送受信）デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）にブロードキャストしてよい。特定のタイプ２デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、ＷｉＦｉアクセスポイント、ＬＴＥ基地局、Ｂｌｕｅｔｏｏｔｈデバイス、および／またはＢＬＥデバイスであってよい。タイプ２デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）が、ブロードキャストモードで一連のプロービング信号を送信するように、最初にまたは定期的に、または時折、またはリセット時に、特定のＴｙｐｅ２デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）のブロードキャストモードをトリガ／開始するための手順が適用されてよい。開始手順において、タイプ２デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は一時的にタイプ１デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）として機能してよく 、一時的にタイプ２デバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ 、１１３Ｂ、４００、４０２、４０４）として機能する他のデバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）に、少なくとも１つのプロービング信号をタイプ２デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）に送信させてよい。他のデバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は、開始手順においてタイプ２デバイス（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）と通信する専用のダミーデバイス（例えば、１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）であり得る。他の装置（例えば１０６Ａ、１０６Ｂ、１０８、１０９、１１３Ａ、１１３Ｂ、４００、４０２、４０４）は他の便利な機能を有し得る。
マップベースの補正
本開示はまた、追跡および／またはナビゲーション補正（追跡および／またはナビゲーションの補正）に関する。追跡及び／又はナビゲーションの補正のシステム、装置および／または方法は、プロセッサ（例えば１００Ａ、１００Ｂ）、プロセッサ（例えば１００Ａ、１００Ｂ）と通信可能に結合されたメモリ（例えば１０２Ａ、１０２Ｂ）、及び／又は、メモリ（例えば１０２Ａ、１０２Ｂ）内に記憶され、実行されるとプロセッサ（例えば１００Ａ、１００Ｂ）に以下を実行させる命令セット（例えば１０４Ａ、１０４Ｂ）を有する。それ（追跡補正のシステム、装置および／または方法）は、場所（例えば１４２）内の軌道に沿ったオブジェクトの動きを決定する。無線信号（例えば１４０）は、場所（例えば１４２）の無線マルチパスチャネル（例えば１４４）を通して送信される。場所（例えば１４２）内の無線マルチパスチャネル（例えば１４４）は、場所（例えば１４２）内のオブジェクト（例えば１２０）の動きによって影響を受ける。少なくとも１つのＴＳＣＩ（例えば、３００、１１１Ａ、１１１Ｂ）が無線信号（例えば、１４０）から抽出される。それ（追跡補正のシステム、装置および／または方法）はさらに、少なくとも１つのＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）に基づいて推定される、オブジェクト（たとえば、１４２）の移動に関連付けられた場所（たとえば、１４２）内のオブジェクト（たとえば１１２）の推定軌道経路（および／またはナビゲーション経路）を決定し、オブジェクト（例えば１１２）の推定された軌道（および／またはナビゲーション経路）に補正的調整を適用する。
無線信号（例えば１４０）は、場所（例えば１４２）内の無線マルチパスチャネル（例えば１４４）を介して、２つの異種無線送受信機の間で送信されてよい。２つの異種無線送受信機のうちの１つは、オブジェクト（例えば１１２）および／またはオブジェクトの動き（例えば１１２）に関連付けられてもよい。オブジェクト（例えば１１２）の推定された軌跡は、１つ以上の第２のＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）に基づいて推定されてよい。
場所（例えば１４２）に関連付けられたマップを取得することができる。マップは、二次元、三次元、および／またはより高い次元であり得る。マップ内の点は、経度座標、緯度座標などの他の時空間情報と関連付けられてもよい。場所（例えば１４２）に関連するマップは、以下に基づいて取得することができる。これは、場所の間取り図の写真（例えば１４２）、場所の間取り図の画像（例えば１４２）、場所の間取り図の写真（例えば１４２）、例えば、１４２）、場所の少なくとも１つの画像（例えば１４２）、場所の少なくとも１つのビデオ（例えば１４２）、場所の少なくとも１つの走査データ（例えば１４２）、場所の少なくとも１つのキャプチャデータ（例えば１４２）、場所の記録された説明（例えば、１４２）、場所の音声による説明（例えば、１４２）、場所の赤外線による説明（例えば、１４２）、場所の音波による説明（例えば、１４２）、場所（例えば１４２）の超音波記述（例えば１４２）、場所（例えば１４２）の可視光記述（例えば１４２）、場所（例えば１４２）の無線周波数記述（例えば１４２）、場所（例えば１４２）の周波数記述（例えば１４２）、場所（例えば１４２）の時間周波数記述（例142）、場所（例えば１４２）の2次元記述、場所（例えば１４２）の3次元記述、より高い次元会場の正式な説明、場所（例えば１４２）の記述情報が、グローバル座標、ローカル座標、エレベータ、傾斜、傾斜、地形記述、主要構造記述、壁の説明、ドアの説明、床の説明、天井の説明、窓の説明、カップリングの説明、多層説明、地下室の説明、屋根の説明、材料の説明、植生の説明、器具の説明、電気配線の説明、照明の説明、換気の説明、エアコンの説明、配水管の説明、下水の説明、設置の説明、移動可能な設置の説明、移動不可能な設置の説明、家具の説明、部屋の説明、オフィスの説明、パブリックエリアの説明、オープンエリアの説明、クローズドエリアの説明、セミクローズドエリア説明、棚の説明、通路の説明、歩行者用エリアの説明、制限付きエリアの説明、制限付きアクセスエリアの説明、アクセス制御の説明、高さの説明、建物のレイアウトの説明、人の流れの説明、ワイヤレスの設置説明、周辺エリアの説明、屋外エリアの説明、エアケースの説明、リフトの説明、エレベータの説明、火災計画の説明、災害計画の緊急時計画の説明、毎日の日常の説明、毎月の定期の説明、年間の定期の説明、時間パターンの説明、時間に関する説明、保守の説明、一時的な説明、非一時的な配置の説明、イベントの説明、将来のイベントの説明、差し迫ったイベントの説明、浮遊の説明、浮遊の説明、水没の説明、天気の説明、周囲の環境の説明、および歴史的な説明（例えば１４２）、場所のグラフィックス記述（例えば１４２）、場所の電子表現（例えば１４２）、開催地の関係記述（例えば１４２）および他の開催地（例えば１４２）、および／または開催地の他の記述（例えば１４２のうちの少なくとも１つを含む。
マップ上のオブジェクト（例えば１１２）を登録することができる。オブジェクト（例えば１１２）は、対応するタイムスタンプと共にマップ上の初期時空間情報（例えば初期位置１１４）と関連付けられてもよい。オブジェクト（例えば１１２）は人であってよい。オブジェクト（例えば１１２）の次の時空間情報および／または次の位置（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）は、オブジェクト（例えば１１２）の現在の時空間情報、オブジェクト（例えば１１２）の現在の時空間情報および／または位置（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）、オブジェクト（例えば１１２）の現在の方向、オブジェクト（例えば１１２）の現在の速度、オブジェクト（例えば１１２）の現在の加速度、オブジェクト（例えば１１２）の現在の特性および／または時空間情報、オブジェクト（例えば１１２）の能力、オブジェクト（例えば１１２）の制約、オブジェクト（例えば１１２）の状態、オブジェクト（例えば１１２）の周囲の制限、オブジェクト（例えば１１２）の挙動、オブジェクト（例えば１１２）の習慣、オブジェクト（例えば１１２）の傾向、オブジェクト（例えば１１２）のモデル、および／またはオブジェクト（例えば１１２）の履歴に基づいて、予測され得る。
マップは、オブジェクト（例えば１１２）の推定軌跡を決定し、オブジェクト（例えば１１２）の推定軌跡を補正的に調整するために処理されてよい。マップの処理は、拡大縮小、サイズ変更、回転、変換、変形、マッピング、ラベリング、着色、タグ付け、タイムスタンプ、他のマップとのマッチング、および／または他のマップとの同期を含んでよい。場所（例えば１４２）内のオブジェクト（例えば１１２）の推定軌跡が処理され得る。補正的調整は、場所（例えば１４２）に関連付けられたマップ、および／またはマップに関連付けられた少なくとも１つの制約に基づいて、オブジェクト（例えば１１２）の推定軌道に適用され得る。
オブジェクト（例えば１１２）の推定軌道は少なくとも１つのセグメントにセグメント化されてもよい。補正的調整は、少なくとも１つのセグメントに適用され得る。少なくとも１つのセグメントのそれぞれは、セグメント識別情報（ＩＤ）と関連付けられてもよい。推定軌道は、各セグメントが１つまたは複数のセグメンテーションタイプと関連付けられ得るように分類され得る。補正的調整は、場所（例えば１４２）に関連付けられたマップ、および／またはマップに関連付けられた少なくとも１つの制約に基づいて、少なくとも１つのセグメントに適用され得る。オブジェクト（例えば１１２）の推定軌道は、それぞれがセグメント化タイプ、タイムスタンプ、および／またはセグメント識別子（ＩＤ）に関連付けられた少なくとも１つのセグメントに、セグメント化され分類され得る。補正的調整は、セグメンテーションタイプ、セグメントＩＤ、移動距離（例えば１２２）、移動方向角、場所（例えば１４２）のマップおよび／またはマップに関連付けられた少なくとも1つの制約に基づいて、少なくとも１つの分類されたセグメントに適用され得る。
分類は、セグメント化タイプの直線セグメント、セグメント化タイプのＡＲＣセグメント、および／または別のセグメント化タイプを含んでよい。分類は、初期分類および／または洗練された分類を含み得る。
オブジェクト（例えば１１２）の推定軌道は、それぞれが初期分類における初期分割タイプおよび／または初期セグメント識別（ＩＤ）に関連付けられた少なくとも１つの初期セグメントに分割され得る。洗練された分類は、マップを拡大縮小すること、拡大縮小率を用いてマップを拡大縮小すること、局所拡大縮小率を用いてマップを洗練すること、および／または、それぞれが洗練されたセグメンテーションタイプおよび洗練されたセグメント識別子（ＩＤ）に関連付けられた少なくとも一つの洗練されたセグメントを取得するための少なくとも一つの初期セグメントを再分類することによって、マップが統合され、マージされ、分割され、再組織化され、再構成され、洗練されて得られ得る。
マップベースの補正は、ガイドベースの補正、低レベルの補正、および／または高レベルの補正を含み得る。ガイドベースの補正は、オブジェクト（例えば１１２）が直線に沿って移動していると判定され得る場合、補正された軌跡が直線経路と平行になるようにオブジェクト（例えば１１２）の推定軌跡の角度が補正されることを含み得るが、推定された軌跡は直線軌跡と平行でなくてもよい。ガイドベースの補正は、推定された軌道が禁止構造に近すぎる場合、推定軌道を禁止構造からより遠くになるように調整することを含み得る。
直線路は、以下を含んでよい。それは、通路、道路、路地、車線、通路、通路、ライン、私道、ギャップ、谷、歩道、舗装、トラック、ダクト、パイプ、はしご、階段、トンネル、川、水路、通路、棚の間の通路、商品の間の通路、席の間の通路、設置の間の通路、倉庫の通路、車両の通路、工場の通路、オフィスの通路、家の通路、建物の通路、庭の小道、2つの平行な壁で部分的に囲まれたエリア、2つの直線で囲まれたエリア、2つの平行な境界で囲まれたエリア、2つの平行な境界で囲まれたエリア2つの局所的に平行な境界、2つの直線状の境界によって囲まれる領域、2つのほぼまっすぐな境界によって囲まれる領域、2つの柔軟な直線状の境界によって囲まれる領域、2つの平行な境界によって囲まれる領域、2つの局所的な平行界面によって囲まれる領域、二つの直線インタフェースによって囲まれ２つのほぼ直線状の界面で囲まれた領域、２つの柔軟な直線状の界面で囲まれた領域、対称軸を持つ領域、局所対称軸を持つ領域、および／または対称軸に近い領域を含む。
禁止構造は、壁、境界、境界面、廊下側、道路側、車線側、通路側、通路側、ライン、車道境界、ギャップ側、谷側、歩道境界、舗装境界、トラック境界、ダクト、パイプ、梯子の端、階段の端、トンネルの側、河川側、水路の境界、通路の境界、オブジェクトの列、席の列、棚、インストール、組立ライン、柵で囲まれた領域、保護区域、立ち入り禁止区域、備品、家具機器、マシン、ドア、フェンス、天井、床、地面、岩、ダクト、パイプ、コーナー、ターニングポイント、カーブ、アーク、直線、分離、崖、海岸線、禁止区域、道路の構造、および／または禁止構造を含み得る。
推定軌道と禁止構造との間の距離が閾値よりも小さい場合、推定軌道は禁止構造に近すぎる可能性がある。推定軌道は、禁止構造から最小距離を保つことによってさらに遠くになるように調整されてもよい。最小距離は、ゼロ、正の量、および負の量であり得る。最小距離は、禁止構造の少なくとも１つの特性および／または時空間情報に基づいて決定される適応量であり得る。
現在のセグメントが調整された後、少なくとも１つの前のセグメントが、連続するセグメント間の食い違いおよび／または一貫性の欠如についてチェックされ得る。食い違いおよび／または一貫性の欠如が検出された場合、低レベルの補正および／または高レベルの補正を含む追加のマップベースの補正が適用され得る。低レベル調整は、推定軌跡の現在のセグメントに関連する誤差を局所的に補正することであって、推定軌跡の現在のセグメントに関連する誤差条件が決定される、ことと、補正された軌跡ではエラー状態が発生しないように現在のセグメントおよび／または直前のセグメントを調整することとを含む。
エラー条件は、禁止された構造にぶつかる現在のセグメント、禁止された構造に関連付けられた境界にぶつかる現在のセグメント、オブジェクト依存の禁止構造の属性がオブジェクト（例えば１１２）の特性および／または時空間情報に基づいているオブジェクト依存の禁止構造にぶつかる現在のセグメント、一時的に禁止された構造にぶつかる現在のセグメント、貫通不可能な構造を通過する現在のセグメント、以下の少なくとも１つを通過する現在のセグメントであって、それは天井、床、壁、構造、機械、家具、および備品を含む、現在のセグメント、マップの境界にぶつかる現在のセグメント、監視領域にぶつかる現在のセグメント、異常な行動に関連付けられた現在のセグメント、オブジェクト（例えば１１２）の異常な行動に関連付けられた現在のセグメント、不当な高さに達する現在のセグメント、および／または他のエラー条件を含み得る。
高レベル調整は、推定軌跡の現在のセグメントに関連付けららた誤差を全体的に補正することであって、推定軌跡の現在のセグメントに関連付けられた誤差条件が決定され、誤差条件は低レベル調整では補正されない、ことと、補正された軌跡ではエラー状態が発生しないように現在のセグメントおよび／または直前のセグメントを調整することとを含む。
スケーリングファクタは、推定軌跡、マップ、および／またはマップの少なくとも１つの制約に基づいて交差点-通路（ＩＣ）グラフを決定することによって、得ることができる。交差点-通路グラフは、１組の頂点および／または１組の辺を含んでよい。交差点-通路（ＩＣ）グラフの一連の頂点および／またはエッジに対応し、また推定軌道の少なくとも１つの区間にも対応する場所内の通路（たとえば１４２）が決定され得る。通路の正確な長さは、マップおよび／またはマップの少なくとも１つの制約に基づいて計算されてよい。通路の第２の長さは、推定軌跡の少なくとも１つのセクション、および／または通路に対応するＩＣグラフの頂点および／またはエッジに基づいて計算されてもよい。倍率は、正確な長さおよび／または第２の長さに基づいて計算されてもよい。オブジェクト（例えば１１２）が少なくとも１回通路に沿って移動している間に得られた無線信号（例えば１４０）に基づいて推定軌道を計算することによって、倍率がさらに得られ得る。倍率は、場所（例えば１４２）の無線マルチパスチャネル（例えば１４４）を通して送信された第２の無線信号（例えば１４０）から抽出された（例えば１１１Ａ、１１１Ｂ）少なくとも１つの時系列の第２のＣＩに基づいて、少なくとも１度の、経路に沿った第２のオブジェクトの第２の動きに関連付けられた、場所（例えば１４２）内の第２のオブジェクトの第２の推定起動を決定することによって得られ得る。第２のオブジェクトの第２の動きに関連付けられた場所（例えば１４２）内の第２のオブジェクトの第２の推定軌道は、少なくとも１つの時系列の第２のＣＩ（例えば１１１Ａ、１１１Ｂ）に基づいて計算されてよい。１組の頂点および／または１組のエッジを含む交差点-通路グラフは、マップおよび／またはマップの少なくとも１つの制約に基づいて決定されてもよい。経路が交差点-通路（ＩＣ）グラフの一連の頂点および／またはエッジ、および／または第２の起動の少なくとも１つのセクションとも対応することが判定されてよい。経路の正確な長さは、交差点‐通路グラフおよび／またはマップに基づいて計算されてよい。経路の第２の長さは、推定軌跡の少なくとも１つのセクション、および／または経路に対応するＩＣグラフの頂点および／またはエッジに基づいて計算されてよい。倍率は、正確な長さおよび／または第２の長さに基づいて計算されてもよい。
第２のオブジェクトは、経路に沿って複数回移動し得る。経路の第２の長さは、第２のオブジェクトが経路に沿って移動し得る複数回に関連付けられた経路の長さの加重平均に基づいて、計算することができる。推定軌道、マップ、および／またはマップの少なくとも１つの制約は、スケーリングファクタを用いてスケーリングされてよい。
頂点の集合は、コーナ、転換点、制御点、円弧の終点、直線の終点、チェックポイント、ゲート、出口、ドア、交差点、２つの経路の交点、インタセクション、および／または他のポイントの特徴を表し得る。１組のエッジは、廊下、道路、路地、車線、経路、線、直線、弧、曲線、私道、ギャップ、谷、歩道、舗装、トラック、ダクト、パイプ、梯子、階段、トンネル、川、水路、通路、部分的に２つの壁で囲まれた領域、２つの境界で囲まれた領域、２つの界面で囲まれた領域、および対称軸を持つ領域を表し得る。
交差-通路（ＩＣ）グラフのエッジは、無向、有向、単向、および／または双方向であり得る。交差-通路グラフの各頂点は、頂点コストと関連付けられてもよい。各エッジは、エッジの方向性に基づいて少なくとも１つのエッジコストと関連付けられてもよい。
１組の命令（たとえば１０４Ａ、１０４Ｂ）はさらに、オブジェクト（たとえば１１２）の推定軌道を、それぞれがタイムスタンプ、セグメント識別子（ＩＤ）、および／または少なくとも１つのセグメントタイプに関連付けられた少なくとも１つのセグメントに、セグメント化および分類し得る。オブジェクト（例えば１１２）の推定軌道は、それぞれタイムスタンプと推定位置とに関連付けられた時系列の軌道点を含み得る。軌道点の各々は、他の軌道点、移動距離（例えば１２２）、移動方向、少なくとも１つのＴＳＣＩ（例えば３００、１１１Ａ、１１１Ｂ）、および／または他の量に基づいて決定されてもよい。１組の命令（例えば１０４Ａ、１０４Ｂ）は、新しい軌跡点に関連付けられた推定移動方向角と過去の軌跡点に関連付けられた別の推定移動方向角との間の差に基づいて、デルタ角を計算することができる。現在のセグメントは、新しい軌跡点の直前に少なくとも１つの軌跡点を含んでよい。現在のセグメントは過去の軌跡点を含んでよい。新しい軌跡点は、推定移動距離（例えば１２２）および推定移動方向角に関連付けられてよい。一組の命令（例えば１０４Ａ、１０４Ｂ）は、新しい軌道点、デルタ角、現在のセグメント、および／または過去のセグメントに基づいて、新しい軌道点をセグメント化および分類してよい。少なくとも１つのセグメンテーションタイプは、直線（ＳＴＲＡＩＧＨＴ ＬＩＮＥ）タイプおよび／または弧（ＡＲＣ）タイプなどを含むことができる。現在のセグメンテーションタイプが直線であり、デルタ角がゼロを中心としたマージン内である場合に、１組の命令（例えば１０４Ａ、１０４Ｂ）は現在の軌跡点を現在のセグメントに追加してもよい。
現在のセグメンテーションタイプが直線タイプであり、デルタ各がゼロの周囲のマージンの外側にあって現在のセグメントが少なくとも1回はゼロと交差する場合、命令セット（例えば１０４Ａ、１０４Ｂ）は現在の軌跡点を現在のセグメントに追加し、現在のセグメンテーションタイプを弧タイプに変更し、バレーファインダ（valley finder）をリセットしてよい。１組の命令（例えば１０４Ａ、１０４Ｂ）は、現在のセグメンテーションタイプが直線タイプであり、デルタ角はゼロを中心としたマージンの外側にあり、そして現在のセグメントが少なくとも1回ゼロで交差する場合、現在のセグメントを前部分と後部分に分割し、分割された現在のセグメントの後部分を使用して新しいセグメントを形成し、現在の軌跡点を新しいセグメントに追加してもよい。１組の命令（例えば１０４Ａ、１０４Ｂ）は、現在のセグメンテーションタイプが弧タイプであり、デルタ角がソフトゼロにあたる場合、直線タイプのセグメンテーションタイプで新しいセグメントを開始して、現在の軌跡点を現在のセグメントに追加してよい。デルタ角がゼロからのマージン内にある場合、デルタ角はソフトゼロにあたってよい。１組の命令（例えば１０４Ａ、１０４Ｂ）は、現在のセグメンテーションタイプが弧タイプであり、デルタ角がソフトゼロにあたらない場合、現在の軌道点を現在のセグメントに追加し、現在の軌道点をバレーファインダに追加してよい。バレーがバレーファインダによって確認され得る、および／またはデルタ角の絶対値が閾値よりも大きくなり得る場合、その場合には一連の命令（例えば１０４Ａ、１０４Ｂ）が現在のセグメントを前部分と次の部分とに分割し、後半部分を使用して新しいセグメントを作成し、バレーファインダをリセットしてもよい。
現在のセグメントが直線タイプであり、現在のセグメントの長さが短く、現在のセグメントの前の直前のセグメントが弧タイプである場合、１組の命令（例えば104A、104B）は現在のセグメントと前のセグメントを結合されたセグメントとして一時的に結合し、結合されたセグメントにマップとマップの制約との少なくとも一方に基づいて弧タイプのヒット補正を再帰的に適用し、結合されたセグメントを前部分と後部分とに分離する。前部分は前のセグメントと関連付けられ、後部分は現在のセグメントと関連付けられてもよい。現在のセグメントが弧タイプのものである場合、命令セット（例えば１０４Ａ、１０４Ｂ）は弧ヒッティングタイプ（arc-hitting type）を取得し、弧ヒットタイプと、マップおよび少なくとも１つのマップの制約とに基づいて、弧タイプヒット補正を再帰的に適用してよい。現在のセグメントが直線タイプであり、かつ、現在のセグメントの長さが短くないことと現在のセグメントの前の直前のセグメントが弧タイプではないこととの少なくとも1つである場合、命令のセット（例えば104A、104B） ）は、マップおよびマップの少なくとも１つの制約に基づいて、現在のセグメントに直線セグメント補正を適用してよい。
現在のセグメントに対する直線セグメント補正は、マップの境界の方向および／またはマップの少なくとも１つの制約と現在のセグメントに関連する移動方向との間のデルタ角を計算することを含むことができる。デルタ角が閾値より小さい場合、補正は平行カットイン補正を適用することができる。そうでない場合、補正は直交ヒット補正であってよい。
平行カットイン補正は、移動方向が境界の方向と平行であるように、および／または境界の方向に近づくように、デルタ角に基づいて、現在のセグメントに関連付けられた移動方向を補正することを含んでよい。直交ヒット補正は、現在のセグメントに関連付けられた移動方向を変更することなく、現在のセグメントに関連付けられた移動距離を１未満の倍率によって縮小することを含んでよい。倍率は、０．９、０．８、０．７、０．６、０．５、０．４、０．３、０．２、０．１、０．０および／または別の数であってよい。弧ヒットタイプは、出口ヒットタイプ、入口ヒットタイプおよび／または接線タイプを含んでよい。出口ヒットタイプは、出口に関連付けられ得る。出口ヒットタイプは、直線部分および／または弧部分と関連付けられてよい。出口ヒットタイプに対する弧タイプヒット補正は、出口に向かう直線部分の長さを調整すること、および／または出口に向かう弧部分をシフトさせることを含んでよい。セグメントが出口をオーバーシュートすると、直線部分の長さは減少する場合がある。セグメントが出口をアンダーシュートすると、直線部分の長さは増加する場合がある。入口ヒットタイプは、推定軌跡の現在のセグメントに関連付けられた現在の境界と、現在の境界に対するある角度でマップ上の現在のセグメントに隣接する隣接境界とに関連付けられてよい。出口ヒットタイプに対する弧タイプヒット補正は、現在のセグメントの直線部分が現在の境界と一致する場合に、推定軌跡の現在のセグメントが隣接する境界の隣の経路に向けられるように、隣接する境界に向かう現在のセグメントの直線部分の長さを調整することを含み得る。セグメントが経路をオーバーシュートすると、直線部分の長さは減少する場合がある。セグメントが経路をアンダーシュートすると、直線部分の長さは増加する場合がある。接線ヒットタイプは、推定軌跡の現在のセグメントによってヒットされている前方境界と関連付けられてもよい。接線ヒットタイプに対する弧タイプヒット補正は、前方境界に当たることを回避するように現在のセグメントの直線部分を短くすることを含んでよい。
命令セット（例えば１０４Ａ、１０４Ｂ）は、マップ上の推定軌道がマップに関連付けられた境界およびマップの少なくとも１つの拘束にぶつかるときに、オブジェクト（例えば１１２）の推定軌道に修正調整を適用することができる。命令セット（例えば１０４Ａ、１０４Ｂ）は、調整された推定軌道が境界にぶつからずに境界の距離内に留まるように推定軌道を調整することができる。命令セット（例えば１０４Ａ、１０４Ｂ）は、調整された現在のセグメントが境界にぶつからずに境界の距離内に留まるように推定軌道の現在のセグメントを調整することができる。
推定された軌跡が衝突する可能性があるとき、マップおよびマップの少なくとも1つの制約に関連付けられた開口は、位置（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）の近くにあってもよい。命令セット（例えば１０４Ａ、１０４Ｂ）は、調整された推定軌道が境界にぶつからずに開口に向かうように、推定軌道を調整することができる。
推定された軌跡が境界と衝突する場合、マップおよび／またはマップの少なくとも1つの制約に関連付けられた他の境界は、位置（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）の近くの開口と関連付けられてもよい。命令セット（例えば１０４Ａ、１０４Ｂ）は、調整された推定軌道が境界にぶつからずに開口をぬけて他の境界に向かうように推定軌道を調整することができる。
推定された軌跡が衝突するとき、マップおよびマップの少なくとも1つの制約に関連付けられた角（corner）は、位置（例えば１１４、１１５Ｂ、１１５Ａ、１１７、１１９、４０６、４０８、４１０、４１４）の近くにあってもよい。命令セット（例えば１０４Ａ、１０４Ｂ）は、調整された推定軌道が境界にぶつからずに角の周辺を通るように、推定軌道を調整することができる。
補正調整は、推定軌道の現在のセグメントの長さを変更すること、現在のセグメントの方向を変更すること、現在のセグメントの局所的な曲率を変更すること、現在のセグメントの形状を変形すること、および／または現在のセグメントのタイムスタンプを変更することを含む。
推定軌跡の軌跡点は、統計的領域と関連付けられてもよい。軌跡点は、統計的領域内にとどまるように調整されてもよい。推定軌跡の現在のセグメントの軌跡点はそれぞれ、それぞれの統計的領域と関連付けられてもよい。現在のセグメントは、修正調整後に調整された現在のセグメントになり得る。調整された現在のセグメントの軌跡点はそれぞれ、現在のセグメントのそれぞれの軌跡点の統計的領域内にあり得る。
命令セット（例えば１０４Ａ、１０４Ｂ）は、調整された推定軌道の調整された現在のセグメントになるように推定軌道の現在のセグメントを調整することができる。推定軌跡の現在のセグメントの軌跡点は、一組の許容領域と関連付けられてもよい。命令セット（例えば１０４Ａ、１０４Ｂ）は、調整された許容領域セットになるように許容領域セットを調整することができる。現在のセグメントは、調整された現在のセグメントの軌跡点がそれぞれ調整された許容領域内にあるように調整されてもよい。命令セット（例えば１０４Ａ、１０４Ｂ）は、調整された推定軌道の調整された現在のセグメントになるように推定軌道の現在のセグメントを調整することができる。推定軌道の現在のセグメントに接続された推定軌道の将来のセグメントは、調整された推定軌道の調整された現在のセグメントに接続された調整推定軌道の調整未来セグメントになるように調整され得る。命令セット（例えば１０４Ａ、１０４Ｂ）は、マップに関連する境界およびマップの少なくとも１つの制約に衝突する、推定軌跡の現在のセグメントに関連するアークヒットタイプ（arc-hitting type）を決定することができる。命令セット（例えば１０４Ａ、１０４Ｂ）は、アークヒットタイプに基づいて、調整された推定軌道の調整された現在のセグメントになるように現在のセグメントを調整することができ、現在のセグメントはＡＲＣタイプとして分類され得る。命令セット（例えば１０４Ａ、１０４Ｂ）は、現在の数量と過去の数量とに基づいてアークヒットタイプを決定することができる。現在の量は、境界の現在の法線方向と現在のセグメントに関連する推定軌道の現在の方向との間の現在の角度に基づいて決定され得る。過去の量は、過去の境界の法線方向と過去の推定軌跡の方向との過去の角度に基づいて決定され得る。
現在の量が過去の量よりも大きい場合、アークヒットタイプはTANGENT HITタイプであり得る。現在の数量が過去の数量より大きくなく、現在のセグメントが境界に当たる現在のセグメントの終点が通路に関連付けられていない場合、アークヒットタイプはFREE SPACE EXIT HITタイプになり得る。現在の量が過去の量よりも大きくない場合、現在のセグメントが境界に達する現在のセグメントの終点が最初の通路に関連付けられ、最初の通路が最初の通路に関連付けられている場合、アークヒットタイプはEXIT HITタイプとなり得、第１の通路は現在のセグメントの始点に関連付けられている第２の通路と同一である。現在の量が過去の量よりも大きくない場合、現在のセグメントが境界に当たる現在のセグメントの終点が最初の通路に関連付けられ、最初の通路が次の場合、アークヒットタイプはDOOR ENTRY HITタイプとなり得、第１の通路は現在のセグメントの始点に関連付けられた２番目の通路と同一ではなく、現在のセグメントの終点は２番目の通路に関連付けられたドアの近くにある。現在の量が過去の量よりも大きくない場合、アークヒットタイプはNON-DOOR ENTRY HITタイプであり得、現在のセグメントが境界に当たる現在のセグメントの終点は、第１の通路に関連付けられる。第１の通路は現在のセグメントの始点に関連付けられた第２の通路と同じではなく、現在のセグメントの終点は第２の通路に関連付けられたドア以外の近くにある。
命令セット（例えば１０４Ａ、１０４Ｂ）は、アークヒットタイプに基づいて現在のセグメントについてターゲットチェックポイントおよび／またはターゲット方向を決定することができる。推定軌跡の過去のセグメントの長さは、ターゲットチェックポイント、ターゲット方向、および／またはアークヒットタイプに基づいて調整することができる。過去のセグメントは、STRIGHT LINEタイプとして分類され得る。推定軌跡の過去のセグメントの長さは、現在のセグメントがターゲットチェックポイントおよび／またはターゲット方向に向かって進むことができるように調整され得る。
アークヒットタイプがＴＡＮＧＥＮＴ ＨＩＴである場合、過去のセグメントの長さは、固定量、適応量、百分率量、および／または別の量によって短縮され得、その結果、現在のセグメントは境界に衝突しない可能性がある。アークヒットタイプがFREE SPACE EXIT HITタイプである場合、ターゲット方向は、どの通路にも関連していない境界を超えた点に向かっていると決定され得る。過去のセグメントの長さは、現在のセグメントの終わりが一般に目標方向に向くように、固定量、適応量、百分率量、および／または他の量によって調整することができる。アークヒットタイプがFREE SPACE EXIT HITタイプである場合、ターゲットチェックポイントは、どの通路にも関連していない境界を超えた点であると決定され得る。過去のセグメントの長さは、現在のセグメントの終わりが一般に目標チェックポイントに向くように、固定量、適応量、百分率量、および／または他の量によって調整することができる。アークヒットタイプがEXIT HITタイプである場合、目標方向は、境界に関連付けられる第１の通路とは異なる第２の通路に向かうと決定されてもよい。過去のセグメントの長さは、現在のセグメントの終わりが一般に目標方向に向くように、固定量、適応量、百分率量、および／または他の量によって調整することができる。アークヒットタイプがEXIT HITタイプである場合、目標チェックポイントは、境界に関連付けられる第１の通路とは異なる第２の通路内の点であると決定されてもよい。過去のセグメントの長さは、現在のセグメント終わりが一般に目標チェックポイントに向くように、固定量、適応量、百分率量、および他の量の少なくとも１つによって調整することができる。アークヒットタイプがDOOR ENTRY HITタイプである場合、目標方向は、境界の開口部に関連するドアに向かうと決定されてもよい。過去のセグメントの長さは、現在のセグメントの終わりが一般に目標方向に向くように、固定量、適応量、百分率量、および／または他の量によって調整することができる。アークヒットタイプがDOOR ENTRY HITタイプである場合、目標チェックポイントは、境界の開口部に関連するドアに関連するポイントとして決定されてもよい。過去のセグメントの長さは、現在のセグメントの終わりが一般に目標チェックポイントに向くように、固定量、適応量、百分率量、および／または他の量によって調整することができる。アークヒットタイプがNON-DOOR ENTRY HITタイプである場合、目標方向は、第２の通路に関連付けられる非ドアに向かうと決定され得る。過去のセグメントの長さは、現在のセグメントの終わりが一般に目標方向に向くように、固定量、適応量、百分率量、および／または他の量によって調整することができる。アークヒットタイプがNON-DOOR ENTRY HITタイプである場合、目標チェックポイントは、第２の通路に関連する非ドアに関連するポイントとして決定されてもよい。過去のセグメントの長さは、現在のセグメントの終点が一般に目標チェックポイントに向くように、固定量、適応量、百分率量、および／または他の量によって調整することができる。
マップに関連するマップ点の（２Ｄ、３Ｄおよび／またはより高次元の）アレイが決定されてもよい。マップに関連する少なくとも１つの通路が決定されてもよい。各通路に関連する少なくとも１つのマップポイントが決定されてもよい。推定軌道に関連するマップポイントもまた決定することができる。少なくとも１つのマップポイントは、通路に関連する少なくとも１つの境界矩形に基づいて各通路に関連すると決定され得る。通路に関連する少なくとも１つのマップポイントがユーザによってタグ付けされてもよい。
マップ、通路、ドア、および／またはドア以外のものに関連付けられた仮想ゲートを決定することができる。補正中には、仮想ゲート付近の推定軌道は、仮想ゲートを通過するように調整され得る。マップ、通路、ドア、および／またはドア以外のものに関連付けられたチェックポイントが決定され得る。補正中には、仮想ゲート付近の推定軌道は、チェックポイントを通過するように調整され得る。仮想ゲートは、マップ、通路、交差点、Ｔ字路、交差点、交差点、角交差点、角、開口、経路、リフト、エレベータ、入口、出口、傾斜路、ゲート、舗装、歩道、チェックポイント、交通渋滞エリア、ウィンドウ、ドア、ドア以外、待合室、座席、椅子、ソファ、ガレージ、駐車スペース、トランジションエリア、共用エリア、公共エリア、キッチン、トイレ、部屋、家、建物、階段、コンパートメント、オフィス、および/または住宅と関連付けられるように決定されてもよい。仮想ゲート付近の推定軌道のセグメントは、調整されたセグメントが仮想ゲートを通るように調整されてもよい。
一例では、決定されるべき少なくとも１つの閾値が存在し得る。量（例えば、類似性スコア、信号、機能、信号の機能、ＣＩの構成要素、ＣＩの機能、チャネル状態情報（ＣＳＩ）の構成要素、ＣＳＩの機能、電力情報（ＰＩ）の構成要素、ＰＩの機能、出力動作、時間量、周波数量、時空間量など）をしきい値と比較することができる。少なくとも１つの閾値が適応的に決定され得る。量の学習データは、少なくとも１つのターゲットケース（例えば、「ドアオープン」のターゲットケース、「ドアクローズ」のターゲットケース、「ドア半開」のターゲットケースなど）について取得することができる。少なくとも１つの閾値は、第１のターゲットケースの第１の割合に対する肯定的反応、第２のターゲットケースの第２の割合に対する肯定的反応、第３のターゲットケースの第３の割合に対する否定的反応、および 第４のターゲットケースの第４の割合に対する否定的反応の少なくとも１つがあるように適応的に決定され得る。
一例では、第１のターゲットケースは、「保護領域内を歩いている（または何か動いている）誰か」であり得る（例えば、保護領域は、家、オフィス、アパート、および／または任意の領域であり得る）。第３のターゲットケースは、「保護地域外を歩いている（または何か動いている）人」であり得る（例えば、誰かが家、オフィス、アパート、および／または地域の外を歩いている可能性がある）。閾値は、大部分（例えば９９．９９％）の第１のターゲットケースが検出され、大部分（または最大量）の第３のターゲットケースが検出されないように適応的に調整されてもよい。
一対のデバイス（すなわち、第１のデバイスおよび第２のデバイス）は、一対の装置間で送信される無線信号から取得／抽出されたＣＩを使用して共同でタスクを実行することができる。性能を向上させ、望ましくないソースからの干渉を低減するために特定の方向により大きな電力を放射／受信する指向性アンテナを、一対のデバイスに使用することができる。一対のデバイスは、デバイス、無線送信機（例えば１０８）、無線受信機（例えば１０９）、タイプ１異種無線デバイス、タイプ２異種無線デバイス、および／または他のデバイスを含むことができる。
第１のデバイスは、特定の方向を向くように（例えば、機械的に、電子的におよび／またはデジタル的に）制御される少なくとも１つの指向性アンテナ（例えば位相アレイ）を含み得る。指向性アンテナおよび／または特定の方向は、おそらくは少なくとも１つの要因（たとえば、オブジェクトおよび／または第２のデバイスの移動などの外部要因、オブジェクトおよび／または第２のデバイスの可能な場所、マップに関連する位置／方向、第２のデバイスの特性／状態（たとえば電池レベル、距離、相対方向）、干渉が少ない可能性がある方向、および／または電池レベルなどの内部要因、計時遅れなど）に応じて適応的に調整／操縦／変更することができる。指向性アンテナおよび／または特定の方向は、予めプログラムされた方法で、経時的に調整／操縦／変更されてもよい。
一例では、第１のデバイスの指向性アンテナは、場所内の特定のエリア（例えば、会議室、寝室、居間、ダイニングエリア、オフィス、歩道、待合室、入り口／出口、高セキュリティエリアなど））に向けられてもよい。指向性アンテナ（および関連するＣＩ）は、特定のエリア（ただし、特定のエリアの外側ではない、例えば、会議室、寝室、居間、ダイニング領域、オフィス、通路、待機エリア、出入り口エリア、高セキュリティエリアなど）および/または特定のエリアの方向で発生したイベントの検出を可能にすることができる。
イベントは、オブジェクトの移動、特定の動作シーケンスを受けるオブジェクト、周期的動作、過渡的動作、ドアの開閉、窓の開閉、人が落ちる動作シーケンス、ロボットが動作シーケンスを行うこと（例えば組立ラインで作業を行うロボットアーム）、特定の動作シーケンスを実行する哺乳動物、歩く人/ジョギング/ランニングする人、泣いている赤ん坊、施設に出入りする老人、医療機関内で移動する患者/医師/看護師、警備員による巡回、チェックポイント（特定の領域）に現れた（第２のデバイスを持ち運ぶ）人、配達人が配達する、郵便物を配達する郵便配達人、用務員の仕事をする管理人など、を含むことができる。
一対のデバイス（すなわち、第１のデバイスおよび第２のデバイス）は、一対の装置間で送信される無線信号から取得／抽出されたＣＩを使用して共同でタスクを実行することができる。無線送信機、無線受信機、無線デバイス、タイプ１異種無線デバイス、タイプ２異種無線デバイスおよび／または他のデバイスのアンテナの電力／電力利得は、タスクが場所内の特定のエリア（例：会議室、寝室、リビングルーム、ダイニングエリア、オフィス、通路、待合室、出入り口エリア、高セキュリティエリアなど）に限定されるように、制御／調整され得る。タスクは特定のエリアに制限されているが特定のエリア外にはないかもしれない。
一例では、特定のエリア内で発生するタスク（例えば、動き検出）のためのトレーニングデータ（例えば、「会議室における動きの検出」のためのトレーニングデータ）は、屋外の特定のエリア（例えば、「会議室外の動きの検出」のためのトレーニングデータ）で発生するタスクのためのトレーニングデータと共に使用され得る。２つのタイプのトレーニングデータは、タスク（例えば動き検出）が特定のエリアに限定されるが特定のエリアの外側にはならないように少なくとも１つの閾値を決定するために一緒に使用されてもよい。
データ処理を含む上記の機能は、データストレージシステム、少なくとも１つの入力デバイス、および少なくとも１つの出力デバイスからのデータおよび命令を受信し、ならびにこれらにデータおよび命令を送信するように結合された少なくとも１つのプログラマブルプロセッサを含む、プログラマブルシステム上で実行可能な１つ以上のコンピュータプログラム内に有利に実装できる。コンピュータプログラムは、特定の活動を実施するか、または特定の結果をもたらすために、コンピュータ内で直接的または間接的に使用することができる命令セットである。コンピュータプログラムは、コンパイル型言語またはインタプリタ型言語を含む、任意の形態のプログラミング言語（例えば、Ｃ、Ｊａｖａ）で書くことができ、スタンドアロンプログラム、またはモジュール、コンポーネント、サブルーチン、ブラウザベースウェブアプリケーション、もしくはコンピューティング環境で使用するのに好適なその他のユニットを含む、任意の形態で配布され得る。
命令のプログラムを実行するのに好適なプロセッサとしては、例えば、汎用マイクロプロセッサおよび専用マイクロプロセッサの両方、デジタル信号プロセッサ、ならびに任意の種類のコンピュータの唯一のプロセッサ、または複数のプロセッサもしくはコアのうちの１つが挙げられる。一般に、プロセッサは、読取り専用メモリもしくはランダムアクセスメモリまたはその両方から命令およびデータを受信することになる。コンピュータの必須要素は、命令を実行するためのプロセッサ、ならびに命令およびデータを記憶するための１つ以上のメモリである。一般に、コンピュータはまた、データファイルを記憶するための１つ以上大容量ストレージデバイスを含む、または通信するように動作可能に結合され、このようなデバイスには、磁気ディスク、例えば、内部ハードディスクおよび取外し可能ディスク、光磁気ディスク、光学ディスク、およびソリッドステートドライブ等を含む。コンピュータプログラム命令およびデータを実態的に具現化するのに好適なストレージデバイスは、例として、ＥＰＲＯＭ、ＥＥＰＲＯＭ、およびフラッシュメモリデバイスなどの半導体メモリデバイス、内部ハードディスクおよび取外し可能ディスクなどの磁気ディスク、光磁気ディスク、ならびにＣＤ－ＲＯＭおよびＤＶＤ－ＲＯＭディスクを含む、すべての形態の不揮発性メモリを含む。プロセッサおよびメモリは、ＡＳＩＣ（特定用途向け集積回路）によって補足するかまたはその中に組み込み得る。
本明細書は多くの具体的な実装の詳細を含むが、これらはいかなる開示の範囲または主張され得るものに対する限定としてではなく、むしろ特定の開示の特定の実施形態に特有の特徴の説明として解釈されるべきである。別個の実施形態との関連で本明細書に記載されたある特定の特徴はまた、単一の実施形態において組み合わせて実装され得る。逆に、単一の実施形態との関連で記載された様々な特徴はまた、複数の実施形態において別個に、または任意の適切な部分的組み合わせで、実装され得る。
同様に、動作は、特定の順番で図面に示されるが、これは、好ましい結果を達成するために、そのような動作が示された特定の順番でまたは逐次的に実施されること、あるいは、すべての図示された動作が実施されることを必要とするものとして理解されるべきではない。ある特定の状況では、マルチタスキングおよび並行処理が、有利であることがある。更に、前述の実施形態における様々なシステム構成要素の分離は、すべての実施形態でそのような分離が必要とされるものとして理解されるべきではなく、記載されているプログラム構成要素およびシステムは、一般に、単一のソフトウェア製品においてともに統合されてもよく、または複数のソフトウェア製品にパッケージ化されてもよいことを理解されたい。
本主題の特定の実施形態について説明した。その他の実施形態はまた、以下の特許請求の範囲内である。場合によっては、本特許請求の範囲に列挙されるアクションは、異なる順番で実行され、望ましい結果をやはり達成することがある。加えて、添付の図面に記載された工程は、望ましい結果を達成するために、示された特定の順番、または逐次的順番を必ずしも必要としない。ある特定の実装例では、マルチタスキングおよび並行処理が、有利であることがある。
本開示の多くの実装例について説明してきた。それにもかかわらず、本開示の精神と範囲から逸脱することなしに、様々な変更を行うことができると理解することができる。例えば、無線送信器、無線受信器、アンテナ、指向性アンテナ、無線送信、マルチパスチャネル、無線信号、オブジェクト、オブジェクト、プロセッサ、メモリ、命令セット、ＣＩ、チャネル状態情報（ＣＳＩ）、電力情報（ＰＩ）、ＣＩ／ＣＳＩ／ＰＩのフォーマット／特徴／コンポーネント／コンテキスト、ＣＩ／ＣＳＩ／ＰＩの圧縮／表現／ストレージ／送信／暗号化／処理／前処理／後処理、時系列フォーマット／順序／シーケンス、無線信号からのＣＩの抽出、時空間情報、過去の情報、初期情報、時間量、空間量、時空間量、推定方向、類似性スコア、オブジェクト、距離、オブジェクトの運動、特徴ポイント、ローカルデバイス、および／または計算作業負荷共有は、上記のようなものとは異なる場合がある。
アンテナマッチングに基づく速さ推定の例示的なフロー図を図６に示す。ステップ１３０２において、主要（lead）アンテナに対するCFR結合の詳細な式は、Ｈlead（ｔ１）＝［Ｈ２（ｔ１），Ｈ３（ｔ１），Ｈ２（ｔ１＋Δｔ），Ｈ３（ｔ１＋Δｔ），．．．，Ｈ２（ｔ１＋（Ｎ－１）Δｔ），Ｈ３（ｔ１＋（Ｎ－１）Δｔ）］である。ステップ１３０４において、追従アンテナのためのCFR結合の詳細な式は、Ｈfollow（ｔ２）＝［Ｈ１（ｔ２），Ｈ２（ｔ２），Ｈ１（ｔ２＋Δｔ），Ｈ２（ｔ２＋Δｔ），．．．，Ｈ１（ｔ２＋（Ｎ－１）Δｔ），Ｈ２（ｔ２＋（Ｎ－１）Δｔ）］である。
ステップ１３０６では、各タイムスロットｔ１に対して、２つのフィンガプリントであるＨlead（ｔ１）とＨfollow（ｔ２）との間のTRRSγ（ｔ１，ｔ２)が異なるｔ２近傍のｔ１のために計算される。ステップ１３０８では、γ（ｔ１，ｔ２)の最大値を与えるｔ２が決定され、そして、主要アンテナのグループと追従アンテナのグループとの間の遅延τは従ってτ=ｔ２-ｔ１である。ステップ１３１０では、速度推定は従って、ｖ＝ｄ／τであり、ここで、ｄは任意の２つの隣接する別々のアンテナの間の距離を表す。したがって、その他の実施形態は、以下の特許請求の範囲内である。
ＴＳＣＩの一部のＣＩのタイムスタンプは、不規則である場合があり、かつ修正されている場合があり、これにより、時間修正されたＣＩの修正されたタイムスタンプは、時間的に均一に間隔を開けられている場合がある。複数のタイプ１デバイスおよび／または複数のタイプ２デバイスの場合には、修正されたタイムスタンプは同じまたは異なるクロックに関してあり得る。ＣＩの各々と関連付けられた元のタイムスタンプが決定され得る。元のタイムスタンプは、時間的に均一な間隔ではない可能性がある。現在のスライディング時間窓における特定のＴＳＣＩの特定の部分のすべてのＣＩの元のタイムスタンプは、時間修正されたＣＩの修正されたタイムスタンプが時間的に一様に間隔を空けられるように修正され得る。少なくとも１つのＴＳＣＩは、タイプ１デバイスとタイプ２デバイスとの間の様々なアンテナ対に対応し得る。タイプ１デバイスは少なくとも１つのアンテナを有することができる。タイプ２デバイスはまた少なくとも１つのアンテナを有することができる。少なくとも１つのＴＳＣＩのそれぞれは、タイプ１デバイスの少なくとも１つのアンテナのうちの１つと、タイプ２デバイスのうちの少なくとも１つのアンテナのうちの１つとに関連付けられ得る。アンテナリンクについて平均化を実施できる。少なくとも１つのＴＳＣＩにわたって平均化し得る。平均化は、アンテナ対のサブセットに対応する少なくとも１つのＴＳＣＩのサブセットに対して任意に実行されてもよい。
少なくとも１つのタイプ１デバイスが少なくとも１つのタイプ２デバイスと相互作用する場合、処理、前処理、後処理、および／または他の処理は装置ごとに異なり得る。処理／前処理／後処理／他の処理は、位置、向き、方向、役割、ユーザ関連特性、設定、構成、利用可能なリソース、利用可能な帯域幅、ネットワーク接続、ハードウェア、ソフトウェア、プロセッサ、コプロセッサ、メモリ、バッテリ寿命、利用可能電力、アンテナ、アンテナタイプ、アンテナの指向性／一方向性の特性、電力設定、および／またはデバイスの他のパラメータ／特性に基づくことができる。
粒子フィルタベースの追跡
別の実施形態は、無線監視システムの方法／装置／デバイス／システム／ソフトウェアであり、（１）プロセッサ、メモリ、および命令セットを使用して、場所内の無線マルチパスチャネルを介して少なくとも１つの異種ターゲット無線受信器へ第１の無線デバイスのアンテナによって一連のプローブ信号を送信することと、（２）少なくとも１つの異種ターゲット無線受信機のそれぞれによって、一連のプローブ信号から少なくとも１つのＴＳＣＩ（ＴＳＣＩ）を非同期に取得することであって、ＣＩは、異種ターゲット無線受信機と第１の無線デバイスとの間の無線マルチパスチャネルである、取得することと、（３）それぞれの異種ターゲット無線受信機によって一連のプローブ信号から得られたそれぞれの少なくとも１つのＴＳＣＩに基づいてそれぞれのマップに対してそれぞれのオブジェクトに関連するそれぞれの動きを反復的に非同期に監視することと、（４）それぞれの少なくとも１つのＴＳＣＩに基づいてそれぞれの増分時間期間（ΔＴ）内にそれぞれのオブジェクトが移動したそれぞれの増分距離（ΔＤ）を反復的に決定することと、（５）それぞれの現在時刻（Ｔ２）におけるそれぞれのオブジェクトのそれぞれの現在位置、それぞれの増分距離（ΔＤ）、および／またはそれぞれの増分期間中のそれぞれの動きのそれぞれの方向（シータ）、の少なくとも１つに基づいて、それぞれのマップにおけるそれぞれの次の時間（Ｔ１）におけるそれぞれのオブジェクトのそれぞれの次位置を繰り返し計算することと、を含む。
特定のオブジェクトの特定の動きは、２つ以上の異種ターゲット無線受信機によって取得されたＴＳＣＩに基づいて監視されていてもよい。例えば、全ての異種ターゲット無線受信機によって得られたＴＳＣＩは、共通の対象物の共通の動きを監視するために使用されてもよい。監視は、個別監視および／または共同監視であり得る。すべての異種ターゲット無線受信機によって取得されたＴＳＣＩは、非同期および／または同期であり得る。
特定の（共通の）マップに対して、２つ以上のそれぞれのオブジェクトに関連する２つ以上のそれぞれの動きを監視することができる。例えば、異なるオブジェクトの動きを共通のマップに関して監視することができる。あるいは、少なくとも１つの共通の位置を共有する２つ以上のマップに対して、２つ以上のそれぞれのオブジェクトに関連する２つ以上のそれぞれの動きを監視することができる。
増分期間（ΔＴ）は、一連のプローブ信号のうちの２つのプローブ信号間の時間差であり得る。例えば、増分期間は、一連のプローブ信号内の２つの連続するプローブ信号（例えば、時間インデックス＝ １０を有するものと時間インデックス＝ １１を有するものとの間）の間の時間差であり得る。それはまた、一連のプローブ信号におけるプローブ信号（例えば、時間インデックス＝ １０）と他のプローブ信号（例えば、時間インデックス＝ １３、または時間インデックス＝ ２０、または時間インデックス＝ １０００）との間の時間差であり得る。
それぞれの増分期間は、それぞれの次の時間とそれぞれの現在の時間との間の時間差（ΔＴ ＝ Ｔ１ － Ｔ２）とすることができる。異なるオブジェクトに関連付けられている現在時刻は異なる場合があります。それらは非同期かもしれません。異なるオブジェクトに関連付けられている次時刻は異なってもよい。それらは非同期であり得る。それぞれの増分期間は、オブジェクトごとに異なる場合があります。それぞれの増分期間は、変化し得る。それぞれの増分期間は、１単位時間、１年、４分の１年、１ヶ月、１週間、１日、１時間、１分、１秒、０．１秒、０．０１秒、０．００１秒 、０．０００１秒、０．００００１秒、０．０００００１秒、および/またはより小さい時間単位の持続時間を有することができる。増分期間中に一連のプローブ信号のうちの０、１、２、またはそれ以上のプローブ信号があってもよい。オブジェクトの異なる増分期間は異なる期間を有し得る。
それぞれの増分期間中のそれぞれの動きのそれぞれの方向（シータ）は、それぞれの現在の時間（Ｔ２）におけるそれぞれの動きのそれぞれの方向、それぞれの時間におけるそれぞれの動きのそれぞれの方向、それぞれの次の時間（Ｔ１）および／または別の時間におけるそれぞれの動きのそれぞれの方向のそれぞれの関数であり得る。例えば、それぞれの方向は、Ｔ１における瞬間方向およびＴ２における瞬間方向の平均および／または加重平均であり得る。それぞれの方向は、それぞれの増分期間の平均方向でもあり得る。それはまた、それぞれの増分期間におけるサンプリングされた方向の加重平均であり得る。
それぞれのマップ内のそれぞれの次の時点におけるそれぞれのオブジェクトのそれぞれの次の位置は、粒子フィルタを使用して計算することができる。それぞれのオブジェクトのそれぞれの初期数のそれぞれの初期候補位置は、それぞれの初期時間（Ｔ０）に初期化され得る。例えば、それぞれの初期数は、１０００、１００、または１０であり得る。各初期候補位置は、何らかの確率密度関数に従ってランダムにサンプリングされ得る。確率密度関数（ｐｄｆ）は、ガウス分布、ラプラシアン分布、一様分布、他のｐｄｆ、特定の領域に限定された他のｐｄｆ、および／またはそれぞれの多次元マップに関連する制約を受ける他のｐｄｆのような対称分布であり得る。制約の一例は、多次元マップの到達不可能な位置がゼロの確率を有することであり得る。関連する配列要素ａを有する部分的に到達可能な位置は、配列要素ａに基づく位置でｐｄｆを減少させることができる。例えば、ｐｄｆはガウス分布であり得る。到達不能な場所では、pdfはゼロになるように強制され得る。関連する配列要素ａ ＝ ０．３を有する部分的に到達可能な位置において、その位置におけるガウスｐｄｆ値に変換が適用され得る。ガウスpdf値がbであるとする場合、変換されたpdf値は、ある実数値cに対してはa*b、（a^2）*b、または（a^c）*b、あるいはある関数に対してはf（a、b）である。
各オブジェクトのそれぞれの第１の候補位置の第１の動的数（Ｎ１）は、現時点でのそれぞれのオブジェクトのそれぞれの第２の候補位置の第２の動的数（Ｎ２）に基づいて、次回に反復して計算され得る。次回のそれぞれの次の位置は、Ｎ１個のそれぞれの第１の候補位置に基づいて計算され得る。現在のそれぞれの現在位置は、Ｎ１個のそれぞれの第１の候補位置に基づいて計算され得る。Ｎ２個のそれぞれの第２の候補位置は、現在時刻におけるそれぞれの現在位置を計算するために使用され得る。第１の候補位置が一度に１つずつ定義され、追加されおよび／または作成され得るため、瞬間Ｎ１は経時的に変化し得る（すなわち動的に変化する）。最終のＮ１は、最終のＮ２と同じであっても同じでなくてもよい。言い換えれば、候補位置の数は時間とともに変化し得る（すなわち動的に変化する）。
第１の候補位置は、第２の候補位置に関連し得る。いくつかの第１の候補位置は、いくつかの対応する第２の候補位置の次の位置であり得る。次の位置は、第２の候補位置からそれぞれの方向（シータ）にそれぞれの増分距離（ΔＤ）だけ移動した終点であり得る。いくつかの第１候補位置は、いくつかのｐｄｆに基づいて生成された（第２候補位置と比較して）新しい位置であり得る。ｐｄｆは、第２の候補位置に関連し得る。
それぞれの次回における、それぞれのオブジェクトのそれぞれの次の位置は、それぞれの次回における、それぞれの第１の候補位置の第１の動的数、および／またはそれぞれの現在時刻における第２の候補位置のそれぞれの第２の動的数のうちの少なくとも１つに基づいて計算され得る。それぞれのオブジェクトは、それぞれの多次元マップによって表されるそれぞれの領域内のそれぞれの時間経過期間中に移動し得る。それぞれの多次元マップは、それぞれの多次元配列Ａとして表すことができ、それによって各領域のそれぞれの位置の到達可能性が、０から１の間の論理値（または確率値）を有し得る対応する配列要素ａによって表され得る。例えば、配列要素ａは０から１０までの間の値を取り得、これは論理的に０から１までの論理値と等しい。ある位置に関連付けられた配列要素ａは、その位置に到達する確率を定義し得る。配列要素ａ ＝ ０（確率ゼロ、これは制限された位置または禁止された位置を暗示し得る）である場合、位置は到達不可能であり禁止されている可能性がある。ａ ＝ １（任意の時間に自由にアクセスすることができる制限されていない位置を意味する可能性がある、単一確率）であれば、位置は完全に到達可能であり得る。０ ＜ａ ＜１の場合、位置は部分的に到達可能であり得る。より大きな配列要素ａは、その位置がより到達可能またはアクセス可能であり得ることを暗示し得る。
それぞれの次の位置、それぞれの現在の位置、Ｎ１個のそれぞれの第１の候補位置、および／またはＮ２個のそれぞれの第２の候補位置、のそれぞれは、それぞれの領域内のポイントであり、ａ＞０である、対応する配列要素ａとして表され得る。それぞれの次の位置、それぞれの現在の位置、Ｎ１個のそれぞれの第１の候補位置、および／またはＮ２個のそれぞれの第２の候補位置、のそれぞれは、完全に到達可能および／または部分的に到達可能であり得るが、禁止され得ない。
それぞれの任意の位置におけるそれぞれのオブジェクトのそれぞれの動きのそれぞれの方向は、いくつかの許容される方向のうちの１つとして局所的に表され得る。例えば、マップは、二次元配列として表すことができる二次元マップとすることができる。許容される方向は、４つの連結方向：左、右、上および下を含み得る。許容される方向は他の方向を含み得る。例えば、許容される方向は、左、右、上、下、右上、左上、右下および左下の８つの連結方向を含み得る。
別の例では、マップは三次元配列として表される三次元マップであり得る。許容可能な局所方向は、左、右、上、下、上、および下など、軸のうちの１つに平行ないくつかの方向を含み得る。許容される方向は他の方向を含み得る。例えば、許容される方向は、右上、左上、右下、左下、上上、上下、下上、下下、左上、左下、右上、右下、上右上、上右下、上左上、上左下、下左上、下左下、下右上、および/または下右下など、約４５度の方向を含むことができる。
マップは時変であるため４次元であり得る。許容可能な局所的方向は、時間とともに（例えば時間適応的に）変化することがあり、したがって４次元であることもある。マップはより高次元でもよく、許容可能な局所的方向はマップの次元以下の次元でもよい。例えば、マップは３次元であり得るが、許容される方向は２ － Ｄ平面（例えば水平面）内に定義されてもよい。
合計Ｎ１個（第１の動的数）の重みが計算され得る。各重みは、それぞれの第１の候補位置に関連付けられてもよい。重みは、それぞれの現在位置、それぞれの第１の候補位置、それぞれの第１の候補位置に関連付けられるそれぞれの第２の候補位置の対応関係、それぞれの動きのそれぞれの方向、および／または、それぞれの方向におけるそれぞれの第１の候補位置と第１の到達不能配列要素ａとの間の距離のうちの少なくとも１つの関数であり得る。
それぞれのオブジェクトのそれぞれの次の位置は、それぞれの第１の候補位置の第１の動的数（Ｎ１）に基づいて計算され、そして重みの第１の動的数（Ｎ１）に関連付けられ得る。各重みは、それぞれの方向における、それぞれの第１の候補位置と第１の到達不能配列要素ａとの間の距離についての単調減少しない関数であり得る。一般に、重みは、距離が長いほど大きくなり得る。各重みは距離の有界関数であり得る。重みは正規化され得る。それぞれのオブジェクトのそれぞれの次の位置は、重みに基づいて、それぞれの第１の候補位置の第１の動的数の加重平均として計算され得る。それぞれのオブジェクトのそれぞれの次の位置は、それぞれの第１の候補位置のうちの１つとして計算され得る。それぞれの第１の候補位置の第１の動的数の残りについての、それぞれの第１の候補位置の重み付けコストが計算され得る。加重コストは、それぞれの第１の候補位置とそれそれの第１の候補位置の残りのそれぞれとの間のペア毎の距離の加重和であり得る。各第１候補位置に関連付けられた重みのセットは異なってもよい。各重みのセットは正規化され得る。それぞれのオブジェクトのそれぞれの次の位置は、最小の重み付きコストを有するそれぞれの第１の候補位置として選択され得る。
それぞれの第１の候補位置と別の第１の候補位置との間のペア毎の距離に対する重みは、第１の候補位置に関連する重み（Ｗ１）および／または別の第１の候補位置に関連する重み（Ｗ２）の関数であり得る。関数は、Ｗ １、Ｗ ２、Ｗ １ ＊ Ｗ ２、Ｗ １ ＋ Ｗ ２、ａ ＊ Ｗ １ ＋ ｂ ＊ Ｗ ２、（Ｗ １）＾ ａ ＊（Ｗ ２）＾ ｂ、および／またはＷ １およびＷ ２の別の関数であり得る。
ペア毎の距離は、ユークリッド距離（Ｌ２距離）、絶対距離（Ｌ１距離）、ロバスト距離、および／または別の距離であり得る。ロバスト距離は、基本的に、小さい場合には１つの距離関数（例えばユークリッド距離）であり、大きい場合には別の距離関数がより遅い増加率（例えばＬ１距離と同様に線形）となる。距離は、ユークリッド距離（Ｌ２距離）、絶対距離（Ｌ１距離）、および／または別の距離の単調増加関数であり得る。多次元マップは二次元であってもよい。配列Ａは、２次元配列であり得る。各配列要素aは２つのインデックスを持ち得る。多次元マップは３次元であり得る。配列Ａは、３次元配列であり得る。各配列要素ａは３つのインデックスを持ち得る。
予測値は、第２の候補位置、それぞれの増分距離（ΔＤ）、および／またはそれぞれの増分期間（ΔT）のうちの少なくとも１つに基づいて、それぞれのオブジェクトの第２の候補位置ごとに計算され得る。 第２の候補位置の予測値が（関連するアレイ要素ａ ＝ １で）完全に到達可能である場合、それぞれのオブジェクトの第１の候補位置は、第２の候補位置の予測値に基づいて生成され得る。第２の候補位置の予測値が関連付けられた配列要素ａ ＝ ０で禁止されている場合、第２の候補位置は、第１の候補位置を作成することなく「拒否」としてラベル付けされてもよい。第２候補位置の予測値が、関連付けられた配列要素０ ＜ａ ＜１で部分的に到達可能である場合、０と１との間の乱数が生成され得る。乱数がａより小さい場合、それぞれのオブジェクトの第１の候補位置は、第２の候補位置の予測値に基づいて生成され得る。
第１の候補位置の量がしきい値よりも小さい場合、それぞれのオブジェクトの新しい第１の候補位置は、予測値に関連する重み、第２の候補位置に関連する重み、予測値に関連する多次元配列Ａの配列要素、第２の候補位置に関連する多次元配列Ａの配列要素及び／又は他の確率分布のうちの少なくとも１つに基づく確率分布で、拒否されていない第２の候補位置の予測値を採用して確率的に作成され得る。第１の候補位置の量が閾値よりも小さい場合、それぞれのオブジェクトの新しい第１の候補位置は、拒否されていない2番目の候補地の予測値に関連する重みに基づく確率で、拒否されない第２の候補位置を確率的に採用して確率的に作成され得る。第１候補位置の量が閾値よりも小さい場合、第１候補位置の量に基づいて暫定的な次の位置を計算することができ、および／またはそれぞれのオブジェクトの新しい第１候補位置を、確率分布に基づいて暫定的な次の位置の近傍に確率的に作成し得る。第１の候補位置の量が閾値よりも小さい場合、確率分布に基づいてそれぞれの現在位置の近傍でサンプリングされた位置の予測子として、それぞれのオブジェクトの新しい第１の候補位置を確率的に生成し得る。
近傍は、拒否されていない第２の候補位置のうちの少なくとも１つを含み得る。近隣は、拒否されていない第２の候補位置の大部分または全部を含み得る。確率分布は、拒否されない様々な第２の候補位置を中心とする１組のｐｄｆの加重和であり得る。pdfのセットのうち2つ、いくつか、またはすべてが共通のpdfになり得る。共通確率は、ガウス分布、ラプラシアン分布、または一様分布などの１次元ｐｄｆであり得る。もう一つはおそらく２次元のpdfであり得る。それは一次元のpdfの積であり得る。それは円対称のpdfであり得る。それは、ガウス分布、二変量ガウス分布、円対称ガウス分布などの積であり得る。それは、３次元またはより高次元であり得る。加重和における第２の候補位置に関連付けられた各ｐｄｆの重みは、第２の候補位置に関連付けられた配列要素の関数であり得る。それぞれの候補位置の動的数はいつでも維持することができる。各候補位置の動的数は、少なくとも１つの各候補位置の初期化、少なくとも１つの各候補位置の更新、少なくとも１つの各候補位置の追加、少なくとも１つの各候補位置の一時停止、少なくとも１つの一時停止した各候補位置の再開、少なくとも１つの停止した各候補位置を停止し、少なくとも１つの停止した各候補位置を再初期化し、および／または少なくとも１つの各候補位置を除去することの少なくとも１つによって変更され得る。
それぞれの次回における、それぞれのオブジェクトのそれぞれの次の位置は、それぞれの次回における、それぞれの第１候補位置の第１の動的数、および／または他の時刻における候補位置のそれぞれの動的数のうちの少なくとも１つに基づいて計算され得る。それぞれの次回におけるそれぞれのオブジェクトのそれぞれの次の位置は、それぞれの次回におけるそれぞれの候補位置の動的数、過去の１つまたは複数の時刻のそれぞれの候補位置の動的数、 1つまたは複数の将来の時点におけるそれぞれの候補場所の動的数、のいくつかまたはすべてに基づいて計算され得る。それぞれの次回におけるそれぞれのオブジェクトのそれぞれの次の位置は、候補位置の加重平均として計算され得る。各それぞれの候補位置に関連する重みは、それぞれの候補位置、およびそれぞれの方向におけるそれぞれの候補位置と第１の到達不能配列要素ａとの間の距離に基づいて計算され得る。それぞれのオブジェクトのそれぞれの次の位置は、それぞれの第１の候補位置の第１の動的数および関連する重みに基づいて計算され得る。例えば、それぞれのオブジェクトのそれぞれの次の位置は、それぞれの候補位置の動的数の加重平均として計算され得る。
それぞれの候補位置の総数は、いつか、それぞれの現在時刻、それぞれの次回、またはそれぞれのすべての時間において上限によって制限されるように維持され得る。それぞれの候補位置の総数は、いつか、それぞれの現在時刻、それぞれの次回、またはそれぞれのすべての時間において加減によって制限されるように維持され得る。上限および／または下限は時変であり得る。上限および／または下限は、ユーザ入力、システム状態、および／または他の条件のうちの少なくとも１つに従って調整され得る。それぞれの候補場所の総数が下限を下回ると、いくつかの候補場所が追加され得る。 候補位置の平均数は、定常状態数付近で制御され得る。
別の例では、それぞれのオブジェクトのそれぞれの次の位置は、候補位置のうちの１つとして計算されてもよい。それぞれのオブジェクトのそれぞれの次の位置は、他の候補位置からの最小の正規化された重み付き距離を有する特定の候補位置として計算され得る。
正規化された重み付き距離は、特定の候補位置と残りの候補位置のそれぞれとの間の距離の重み付き合計であり得る。特定候補位置と別の候補位置との間の距離に対する重みは、特定候補位置に関連する重み（Ｗ１）および／または別の候補位置に関連する重み（Ｗ２）の関数であり得る。関数は、Ｗ １、Ｗ ２、Ｗ １ ＊ Ｗ ２、Ｗ １ ＋ Ｗ ２、ａ ＊ Ｗ １ ＋ ｂ ＊ Ｗ ２、（Ｗ １）＾ ａ ＊（Ｗ ２）＾ ｂ、および／またはＷ １およびＷ ２の別の関数であり得る。重みは正規化され得る。それらは、和が単位量になるように正規化され得る重みＷ２は、各候補位置に対して正規化されてもされなくてもよい。Ｗ１もまた正規化されてもされなくてもよい。
距離は、ユークリッド距離（Ｌ２距離）、絶対距離（Ｌ１距離）、ロバスト距離、および／または別の距離であり得る。ロバスト距離は、基本的に、小さい場合には１つの距離関数（例えばユークリッド距離）であり、大きい場合には別の距離関数（例えばＬ１距離と同様に線形）となる。距離は、ユークリッド距離（Ｌ２距離）、絶対距離（Ｌ１距離）、および／または別の距離の単調増加関数であり得る。
マップエンジン
場所の少なくとも一部は、少なくとも1つのスキャン装置を使用してスキャンされてもよい。少なくとも１つのスキャンされた多次元画像が取得され得る。少なくとも１つのスキャン装置は、異なるスキャン様式を使用し、異種の解像度／特性を有する異種のものとすることができる。マップ（例えば街路図、グーグルマップ、手描きマップ、屋内レイアウト図、建築設計図／レイアウト図／消防士のマップ、整備図、下水図、配管図、換気図、ナビゲーション図など）を取得され、スキャンされ/キャプチャされ得る。多次元マップに関連付けられた場所の少なくとも１つのスキャン／キャプチャ済み多次元画像を取得し得る。多次元配列Ａは、それぞれの多次元マップの少なくとも１つのスキャンされた多次元画像に基づいて生成され得る。スキャン画像は、一次元、二次元、三次元、四次元またはそれ以上の次元であってよい。
スキャン画像は、カメラ、２Ｄスキャナ、写真／画像スキャナ、３Ｄスキャナ、ＬＩＤＡＲ（光検出および測距）、深度センサ、赤外線、超音波、レーダ等を使用するセンサ／スキャナを使用してキャプチャ／スキャン／サンプリングすることができる。ノイズ除去、復元、強調、補正、色補正、幾何学的補正、変換、回転、拡大縮小、リサンプリング、特徴抽出などを含む画像前処理を適用することができる。センサ統合が適用され得る。信号調整、信号処理、トレーニング、分類、認識、検証、クラスタリング、コンピュータビジョン、機械学習、符号化、圧縮／解凍、誤り訂正、暗号化／復号化、スクランブル、スクランブル解除、送信、記憶が適用され得る。
スキャンされた多次元画像は、多次元パッチの多次元配列に細分されてもよい。パッチの形状は、規則的または不規則的であり得る。いくつかのパッチの形状は、円形、楕円形、長方形、対称形、非対称形、細長い形、局所的な凹形および凸形の曲線／表面／マニホルドなどを有する星形であり得る。パッチは中空であり得る。パッチに関連する形態学的操作（例えば、パッチ形状、境界幅、位置など）を適用することができる。
多次元パッチは重なっていても、重なっていなくてもよい。各多次元パッチは、多次元アレイＡの配列要素ａと関連付けられてもよい。したがって、各配列要素ａは、多次元インデックスを有し得る。各多次元パッチの少なくとも１つの特徴を抽出することができる。配列要素ａは、少なくとも１つの特徴に基づいて計算され得る。多次元パッチの少なくとも１つの特徴のうちの１つは、特徴、ヒストグラム、パッチのローパス特徴、回転不変特徴、スケール不変特徴、および他の特徴であり得る。
第２の一連のプローブ信号は、プロセッサ、メモリ、および第２の無線デバイスの命令セットを使用して、場所内の既知の場所において第２の無線デバイスのアンテナによって送信され得る。少なくとも１つの第２のＴＳＣＩ（ＴＳＣＩ）は、第２の一連のプローブ信号から少なくとも１つの異種ターゲット無線受信機のそれぞれによって非同期に取得され得、ＣＩは異種ターゲット無線受信機と第２無線デバイスとの間の無線マルチパスチャネルである。
それぞれの初期時間におけるそれぞれのオブジェクトのそれぞれの初期候補位置のそれぞれの初期数は、少なくとも１つの第２のＴＳＣＩに基づいて初期化され得る。初期候補位置は、第２の無線デバイスの既知の位置の近くにあり得る。初期候補位置は、確率密度関数（probability density function(ｐｄｆ)）に基づいて、第２の無線デバイスの既知の位置の近傍で確率的にサンプリングされ得る。近傍は規則的または不規則な形状をし得る。近傍の形状は、局所的に凹状、局所的に凸状、円形、長方形、星形、楕円形、細長い、対称、対称、および／または中空であり得る。ｐｄｆは、一様分布、ガウス分布、ラプラシアン分布、デルタ関数（指標ｐｄｆ）、または近傍に限定された他の分布であり得る。ｐｄｆの中心は、第２の無線デバイスの既知の場所の近くに/あり得る。
第２の無線デバイスへのそれぞれのオブジェクトの最も近い接近は、第２のＴＳＣＩに基づいて決定され得る。それぞれの初期時間は、最も近いアプローチに関連する時間に基づいて決定され得る。オブジェクトの加速度は、オブジェクトの速さに基づいて決定され得る。pdfの中心は最も近い接近に基づいて決定され得る。最も近い近接は、特徴が局所的最大値（または最小値）である（達成する）として決定され得る。それぞれの初期時間は、特徴が局所的に最大になる時間として決定され得る。ｐｄｆおよびｐｄｆの中心は、それが最大であるときの特徴の大きさに基づいて決定され得る。それぞれの初期時間におけるそれぞれのオブジェクトの初速度は、第２のＴＳＣＩ、および第２のＴＳＣＩの一連の特徴のうちの少なくとも１つに基づいて推定され得る。それぞれの初期時間におけるそれぞれのオブジェクトの推定トレースの長さは、第２のＴＳＣＩ、および第２のＴＳＣＩの一連の特徴のうちの少なくとも１つに基づいて推定され得る。それぞれのオブジェクトの位置は、それぞれのオブジェクトの位置がマップ上にオーバーレイされた状態でＧＵＩ上に表示され得る。短いスライド期間にわたるそれぞれのオブジェクトの位置がリアルタイムで同時に表示されるとき、それぞれのオブジェクトの推定軌跡が表示されてもよい。推定されたトレースはリアルタイムで移動され更新されてもよい。
それぞれの初期時間におけるそれぞれのオブジェクトの初期方向は、第２のＴＳＣＩ、第２のＴＳＣＩの一連の特徴、既知の位置、場所、および２番目のワイヤレスデバイスのインストール設定情報のうちの少なくとも１つに基づいて推定することができる。第２の一連のプローブ信号の各々は、第２の無線デバイスの識別、第２の無線デバイスの既知の位置、および／または第２の無線デバイスの向きのうちの少なくとも１つを含み得る。第２の無線デバイスの識別、第２の無線デバイスの既知の位置、および／または第２の無線デバイスの向きは、取得／格納／送信／受信／圧縮／暗号化／シグナリング／で取得されてもよい。
トラッカーボットＩＤ
それぞれの方向（シータ）は、それぞれの方向を向いているそれぞれの方向デバイスによって捉えられてよい。例えば、方向デバイスは、自然な前向き方向を有するスマートフォンのジャイロスコープ（ジャイロ）であり得る。時には、ユーザは、スマートフォンを直立させて前向き方向と同じ方向（シータ）に前方に歩くことがある。ユーザはまた、スマートフォンを水平に保持し、前向き方向とは全く異なる方向（シータ）に前方に歩くこともできる。動きの方向が前向き方向と異なる場合、ジャイロセンサおよび他のセンサは異なる特性を有し得る。従って補正が必要となり得る。それぞれの方向デバイスのそれぞれの前向き方向が判定され得る。それぞれの前向き方向がそれぞれの方向と異なると判定された場合、補正が、それぞれの方向および前向き方向の少なくとも１つに基づいて（例えばジャイロ出力、加速度計出力に）適用され得る。
改良されたストレートヒットマップ補正
一例では、常に１つの候補位置のみが存在し得る。Ｎ１＝１のそれぞれの次回についてただ１つの第１の候補位置が存在し、Ｎ２＝１のそれぞれの現在の時間についてただ１つの第２候補位置が存在し得る。各候補位置は、少なくとも１つの以前の候補位置に基づいて計算された予測値であり得る。第１の候補位置は、第２の候補位置に基づいて計算された予測値であり得る。
セグメントは、第１の候補位置、第２の候補位置、それぞれの現在時刻以前の少なくとも１つの過去の候補位置、およびそれぞれの次回以降の少なくとも１つの将来の候補位置のうちの少なくとも１つに基づいて形成され得る。セグメント内の候補位置はトレースを形成し得る。修正は、セグメント内の候補位置に対して適用され得る。それぞれのマップ内のそれぞれの次の時点におけるそれぞれのオブジェクトのそれぞれの次の位置は、補正された第１の候補位置に基づいて計算され得る。セグメント内の全候補位置が完全に到達可能である場合、修正は必要とされない／適用されない可能性がある。セグメント内の任意の候補位置が到達可能またはでない、および／または禁止されている場合、補正がそのセグメントに適用され得る。補正は、それぞれのセグメント内の候補位置と別のセグメント内の候補位置とに一緒に適用され得る。少なくとも１つのそれぞれの将来の候補位置はそれぞれのセグメントに追加され得る。
セグメント内の候補ロケーションの１つに到達できないかもしれない。例えば、第１の候補位置は到達不能であり（禁止され）得る。到達不能な候補位置は、局所的に平坦な禁止構造に対して、到達不能な候補位置における法線方向を有する局所的に平坦な禁止構造の一部であり得る。例えば、禁止位置は、かなりの長さ／面積の禁止された壁／表面／線の一部であり得る。禁じられた位置は長くまっすぐな禁止構造の一部であり得る。法線方向は、禁止壁または長く直線状の／平坦な禁止構造（例えば、直線、平面、超平面）に関して、禁止位置において定義されてもよい。法線は局所的に平坦な禁制構造に対して垂直であり得る。
ある状況では、禁止位置にぶつかるという問題が、長さ／距離の不正確な推定値に起因することがある（すなわち、それぞれの増分距離（ΔＤ）は不正確であり得る）。この場合、長さが修正され得る。セグメントの直線部分が識別されて良く、直線部分／セグメントの長さが増減してもよい。ある状況では、禁止位置にぶつかるという問題が、不正確な方向に起因することがある（すなわち、それぞれの方向（シータ）は不正確であり得る）。この場合、トレースの角度が補正され得る。セグメントの直線部分が識別されてもよく、直線部分の角度は、禁止壁に対して局所的に平行、または長く直線的な／平坦な禁止構造に対して局所的に平行になるように調整されてもよい。この角度は、過去のトレースに接続したままセグメントの直線部分を回転させることによって調整され得る。「未来の」トレースは、未来のトレースが直線部分に接続されたままであるように、直線部分と共に回転され得る。
それぞれのセグメントの候補方向の直線部分は、以下の少なくとも１つによって決定され得、それは、セグメントの直線部分が識別されるのを待つこと、必要ならば将来の候補位置を追加すること、および／またはセグメントの直線部分を識別することである。補正は、直線部分の長さを調整すること、および／または直線部分の角度を調整することのうちの少なくとも１つによって、それぞれのセグメントに適用され得る。セグメントの残りの部分は、調整された直線部分に接続されたままで直線部分に対して同じ相対位置に留まるように調整され得る。直線部分の角度は、セグメントの直線部分を回転させることによって調整され得る。直線部分の長さは、直線部分から候補位置を除去すること、および／または直線部分に候補位置を追加することのうちの少なくとも１つによって調整され得る。
セグメントのトレースと禁止壁の法線との間の角度を「打撃角度」とする。打撃角度が第１の閾値（例えば、３０°、４０°、４５°、５０°、６０°）より大きい場合、それは「平行カットイン」の場合として分類され得る。これは不正確な方向が原因であり得、角度補正はセグメントの直線部分に適用され得る。平行カットイン補正は、セグメントに適用され得る。打撃角度が第１の閾値（例えば、３０°、４０°、４５°、５０°、６０°）より小さな場合、それは「直交ヒット」の場合として分類され得る。これは不正確な長さ/距離が原因であり得る。長さ補正は、セグメントの直線部分に適用され得る。直交カットイン補正は、セグメントに適用され得る。セグメントの直線部分が識別され得る。必要であれば、直線部分が識別されるまで（すなわち、待ちが生じ得る）、少なくとも１つの将来の候補位置がセグメントに追加され得る。
直交カットイン補正は、直線部分から候補位置を除去すること、および／または直線部分に候補位置を追加することのうちの少なくとも１つによって、セグメントの直線部分の長さを調整することによって、セグメントを補正することを含み得る。セグメントの残りの部分は、調整された直線部分に接続されたままで、調整された直線部分に対して同じ相対位置になるように調整され得る。平行カットイン補正は、セグメントの直線部分の角度を調整すること、およびセグメントの直線部分を回転させることによってセグメントを補正することを含み得る。セグメントの残りの部分は、調整された直線部分に接続されたまま調整された直線部分に対して同じ相対位置に留まるように調整され得る。平行カットイン補正はまた、セグメントの候補位置をセグメントの主方向に対して垂直な方向に移動させて、移動されたすべての候補位置に到達できないことを確実にすることによってセグメントを補正することを含み得る。セグメント全体がまっすぐである場合、主方向は動き方向であり得る。主方向は、セグメントの直線部分の方向であり得る。セグメントの候補位置のうちの少なくとも１つから、到達不可能な位置の近傍において任意の禁止境界点までの符号付き距離を計算することができる。セグメントの候補位置は、すべての符号付き距離が負にならないことを確実にするため、セグメントの直線部分に垂直な方向に移動され得る。
ナビゲーションモジュール
それぞれの現在位置（またはそれぞれの次の位置）から場所の目標位置へのパスが決定され得る。それぞれの次の場所から目標位置の場所への更新されたパスが計算されてもよい。それぞれの次の場所から目標位置の場所への更新されたパスがユーザの表示デバイス上に表示されてもよい。表示デバイスは、スマートフォン、タブレット、ラップトップ、ＰＣ、ディスプレイを有するスマートデバイス、音声合成を有するスマートデバイスであり得る。例えば、更新されたパスはスマートスピーカにおいて音声を用いて表現され（表示され）てよい。
パスは、それぞれの現在の場所から目標位置の場所までの多次元配列Ａ上で決定されてもよい。それぞれの次の場所から目標位置の場所への更新されたパスが計算されてもよい。場所内の少なくとも１つの場所の特徴が、走査された多次元画像に基づいて検出され得る。少なくとも１つの場所の特徴は多次元配列Ａ上にマークされ得る。少なくとも１つの場所の特徴は多次元配列Ａに印を付けることができ、少なくとも１つの場所の特徴に関連する情報はユーザによって入力できる。少なくとも１つの場所の特徴は、壁、ドア、角、廊下、窓、および他の特徴のうちの少なくとも１つを含み得る。多次元配列Ａの少なくとも１つの場所特徴が識別され得る。多次元配列内の各場所の特徴の線は、それらが他の線と交差するまで延長されてもよい。多次元配列Ａの配列要素の矩形ブロックは、少なくとも１つの場所特徴から延びる直線に基づいて決定され得る。Aの配列要素の矩形ブロックは、２つ以上の小さな矩形ブロックに分割され得る。Ａのアレイ要素の各矩形ブロックは、「スーパー」アレイＢの「スーパー」アレイ要素として関連付けることができる。コストは、スーパーアレイＢの各スーパーアレイ要素に関連付けることができる。コストは、スーパーアレイBの隣接スーパーアレイ要素の対のそれぞれと関連付けられ得る。
最小コストを有するスーパーパスは、スーパーアレイＢ上で、それぞれの現在位置から目標位置の場所まで決定され得る。それぞれの次の位置から目標位置の場所までの最小コストでのスーパーアレイＢ上の更新されたスーパーパスが計算され得る。スーパーアレイＢ上のスーパーパスに対応するアレイＡ上のパスが決定され得る。スーパーアレイＢ上の更新されたスーパーパスに対応するアレイＡ上の更新されたパスが決定され得る。
スマートトラッキングのためのハンドオーバー
以下では、屋内オブジェクト追跡システムのカバレッジを拡張するための受信信号強度インジケータ／信号強度レベル（ＲＳＳＩ ／ ＳＳＬ）ベースのハンドオーバアルゴリズムの例が提示される。図２７に示すように、
開始：ハンドオーバモジュールの開始
初期状態：最初の着信パケットを待ち、プリセット期間例えば１００ｍｓの間に、ＲＳＳＩ／ＳＳＬの最大中央値を有する衛星を現在の衛星として選択
現在のサテライトの可用性チェック：実行時に、隣接する２つの着信パケット間の時間間隔に基づいて、現在のサテライトの可用性をチェックします。間隔がプリセット値を超えている場合は、現在の衛星に対応するキュー内のCSIを空にして、「初期化状態」モジュールに進む。そうでなければ、現在の衛星のＣＳＩの待ち行列が一杯になったとき、「現在の衛星のリンク品質チェック」モジュールに移動
現在の衛星のリンク品質チェック：現在の衛星のＲＳＳＩ ／ ＳＳＬの品質が低い場合は、「衛星交換アルゴリズム」に進み、詳細は次のセクションで説明する。品質が良ければ、「現在の衛星の利用可能性チェック」モジュールに戻る。システムは、２つの隣接するパケット間の時間差に従って代替衛星の待ち行列も更新することに注意する。
図２８に示す衛星スイッチングアルゴリズムタイムスロットｎにおいて、Ｓが現在のトラッカーＢｏｔに対する観察可能な起点の集合を示すとする。riraw [n]が、対応するキュー内のオリジン衛星 ｉからの時刻nにおける未加工のRSSI / SSL読み取り値を示すものとします。 メディアンフィルタと移動平均フィルタをriraw [n]に適用してフィルタ処理された値ri [n]を取得することで、RSSI / SSLの読み取り値を平滑化することができる。curは、ボットが現在関連付けられているオリジンサテライトのインデックスを表し、rcurmax [n]がそのキュー内の最大RSSI / SSLを示す。rcurmax [n]が事前設定された閾値γを下回る場合に、フルキューを有する他の代替衛星の最小RSSI / SSLの最大値、すなわち、raltermin [n]←max {min {ri [n-m]、m = 0、…、M-1},i≠cur}を計算する。raltermin [n] ≧ rcurmax [n]の場合、ボットはその新しい衛星に切り替える。それ以外の場合、以前の衛星のままとなる。
一例として、オブジェクトの追跡は、時間Ｔにてオブジェクトの初期場所を得ることと、次いで、少なくとも１つのＴＳＣＩに基づいて、時間Ｔ＋ΔＴにてオブジェクトの更新された場所を計算することと、によって達成され得る。
時間Ｔでのオブジェクトの初期場所は、エントランスにいくつかの指向性アンテナを設置することによって得ることができ、これにより、オブジェクトが指向性アンテナ下を動いていると、オブジェクトが指向性アンテナと関連付けられた場所にあることを示す無線信号を受信し得る。
オブジェクトの更新された場所は、増分時間ΔＴ内にオブジェクトが移動した距離を計算することと、変位ベクトルを得るために距離とオブジェクト動き方向（例えば、オブジェクトと関連付けられたジャイロスコープから得られた）とを結合することと、によって計算され得る。変位ベクトルを時間Ｔにて場所に追加して、時間Ｔ＋ΔＴでのオブジェクトの更新された場所を得ることができる。
タイプ１異種無線デバイスは、第１のタイプの異種無線デバイス（例えば、第１のプロービング信号（インパルスなど）を送信する無線送信器、第２のプロービング信号を受信する無線受信器、ボットとして機能する無線デバイス、またはオリジンとして機能する無線デバイス）であり、タイプ２異種無線デバイスは、第２のタイプの異種無線デバイス（例えば、第１のプロービング信号を受信する無線受信器、第２のプロービング信号を送信する無線送信器、または無線送受信器、またはオリジンとして機能する無線デバイス、またはボットとして機能する無線デバイス）である。タイプ１デバイスは、一方がプロービング信号を送信し、もう一方がそれを受信するように、タイプ２デバイスと協調して動作し得る。Ｔｙｐｅ１デバイスおよび／またはＴｙｐｅ２デバイスは、スマートスピーカー、スマートフォン、電話への接続、別のデバイスに差し込むためのポータブルドングル、ＵＳＢドングル、コンピュータ、ＷｉＦｉルータ、ＬＴＥ基地局、ＷｉＦｉリピータ、ＬＴＥリピータ、ＴＶ、ＤＶＤプレーヤ、ＨｉＦｉ、オーディオ機器、照明器具、時計、ランプ、冷蔵庫、電子レンジ、家電製品、調理器具、トーチ、防犯カメラ、専用セキュリティボックス、装飾品等であり得る。
本教示の様々な実施形態によれば、オブジェクトの追跡およびナビゲーションのためのシステムにおいて、オリジンは、送受信器であり得、ボットは、別の送受信器であり得る。 オリジンおよびボットの各々は、タイプ１またはタイプ２異種無線デバイスであり得る。各ＣＩは、タイムスタンプ、タイプ１デバイスの少なくとも１つの第１アンテナ、タイプ１デバイスのＩＤ、タイプ２デバイスの少なくとも１つの第２アンテナ、タイプ２デバイスのＩＤ、ＳＳＩＤ、ＭＡＣアドレス、インターネットプロトコル（ＩＰ）アドレス、場所、空間位置、ジオタグ、環境情報、周波数、周波数帯、周波数チャネル、ＷｉＦｉ周波数チャネル、ＬＴＥチャネル、モバイルチャネル、分解の周波数特性、オブジェクト、オブジェクトのＩＤ、ユーザ、ユーザのＩＤ 、場所、場所のＩＤ、ローカルエリアネットワーク（ＬＡＮ）、ＬＡＮのＩＤ、タイプ１デバイスおよび／またはタイプ２デバイスによって観察可能なＳＳＩＤ、と関連付けられ得る。
図１７は本発明の一実施形態による、オブジェクト追跡のための例示的な方法を示す。動作１７０２にて、プロセッサ、メモリ、およびメモリ中に記憶された命令セットを使用して、無線マルチパスチャネルの少なくとも１つのＴＳＣＩが得られる。少なくとも１つのＴＳＣＩは、無線マルチパスチャネルを介して、場所内の第１の位置にあるタイプ１異種無線デバイスと場所内の第２の位置にあるタイプ２異種無線デバイスとの間で送信された無線信号から抽出される。無線マルチパスチャネルは、場所内でのオブジェクトの現在の運動により影響を受ける。動作１７０４にて、オブジェクトの時空間情報は、少なくとも１つのＴＳＣＩ、現在の運動と関連付けられた時間パラメータ、およびオブジェクトの過去の時空間情報のうちの少なくとも１つに基づいて決定される。動作１７０６にて、タスクは、時空間情報に基づいて実施される。
図１８は、本発明の一実施形態による時空間情報１８０２の例を示す。図１９は、本発明の一実施形態による、時空間情報に基づいて実行されるタスク１８０４の例を示す。
図２０は、本発明の一実施形態による、オブジェクト追跡のための他の例示的な方法を示す。図２０にて示すように、ＴＳＣＩ１１１Ａ／１１１Ｂを得て、動作２００２にて距離を決定することができ、これにより、現在のオブジェクトの運動の距離情報２００４を得ることができる。並行して、いくつかのメカニズムを使用して、現在のオブジェクトの運動の推定方向２００６を得ることができる。そのように、時空間情報は、距離情報２００４および推定方向２００６に基づいて、図17にて示す動作１７０４と同様に決定されて、図１８に示すような時空間情報１８０２を得ることができる。
一般的に、タスクは、図１７の動作１７０６にて示すように、時空間情報に基づいて実施され得る。一実施形態では、タスクは、時空間情報のプレゼンテーションを含み得る。これは、視聴覚的方法、グラフィカルな方法、テキストの方法、記号の方法、または機械的方法によって表示され得る。例えば、時空間情報は、家の異なる部屋内のオブジェクトの動きの検出であり得る。グラフィカルユーザインターフェース（ＧＵＩ）は、家の中のオブジェクトの位置を示すように構成することができる。例えば、オブジェクトは、人であり得る。オブジェクトの場所またはおおよその場所を示す／マークすることができる。そして、ＧＵＩで家を、リビングルームエリア、ファミリールームエリア、ダイニングルームエリア、ベッドルーム１エリア、ベッドルーム２エリアなどに仕切ることができる。各エリアに色を割り当て、および／または色で網掛けすることができる。各エリアは、アニメーション化され得る（例えば、エリアのサイズ、エリアの形状、エリアの色、エリアの色の強度、テキスト表示、記号表示など）。または、ＧＵＩは、マップの有無にかかわらず各領域を別の表現にできる。表現は、アニメーション化であり得る。アニメーションは、リアルタイムまたは後であり得る。予測オブジェクト（ユーザ）行動／活動もまた、アニメーション化され得る。プレゼンテーションはまた、時空間情報を反映するために、振動、機械的フィードバック、物理的フィードバック、触覚フィードバック、照明、陰影、形状などの形態であり得る。時空間情報は、２つ以上の分析、例えば、人数、動きの存在、動きの強度、動きの持続時間、動きの頻度、「異常な」または「予期しない」動き、バイタルサイン、生／死、動かない、眠り、不審なイベント、および／または転倒などを含み得る。例えば、動きが大きい場合、色は、暗いか（黒／グレー要素が多い）、またはより鮮明か、またはより明るくなり得る。動きが小さい場合、色は、より明るいか、または鮮明さが低くなるか、または薄暗くなり得る。人が家に入ると、ＧＵＩは、彼が、フロントロビーエリア、リビングルーム、ベッドルーム１などにいることを示すことができる。ＧＵＩは、コンピュータ／タブレット用のソフトウェア、スマートフォン（例えば、ｉＰｈｏｎｅ、Ａｎｄｒｏｉｄ ｐｈｏｎｅなど）のアプリ、スマートデバイス（例えば、スマートグラス、スマートウォッチなど）内のアプリであり得る。
図２１は、本発明の一実施形態による、場所における時空間情報の例示的な提示を示す。例えば、図２１にて示すように、２ベッドルームアパートメント２１００において、オリジン２２０１（または２１０１）は、リビングルームエリア２２０２（または２１０２）に置くことができ、ボット２２１０（または２１１０）は、ベッドルーム１エリア２２１２（または２１１２）に置くことができ、ボット２２２０（または２１２０）は、ダイニングルームエリア２２２２（または２１２２）に置くことができる。ボット１ ２１１０およびボット２ ２１２０の両方が動き／活動を検出する場合、活動／動き／人／ユーザは、リビングルームエリア２１０２内にあり得る。ボット１ ２１１０のみが動き／活動を検出する場合、活動／動き／人／ユーザは、ベッドルーム－１エリア２１１２内にあり得る。ボット２ ２１２０のみが動き／活動を検出する場合、活動／動き／人／ユーザは、ダイニングルームエリア２１２２内にあり得る。２つのボットのいずれも動き／活動を検出しない場合、アパートメント２１００内に誰もいないことがある。活動／動き／人／ユーザが検出された対応するエリアは、所定のパターンまたは色でマークされ得る。本開示の多くの実装例について説明してきた。それにもかかわらず、本開示の精神と範囲から逸脱することなしに、様々な変更を行うことができると理解されるであろう。例えば、無線送信器、無線受信器、アンテナ、指向性アンテナ、無線送信、マルチパスチャネル、無線信号、オブジェクト、オブジェクト、プロセッサ、メモリ、命令セット、ＣＩ、チャネル状態情報（ＣＳＩ）、電力情報（ＰＩ）、ＣＩ／ＣＳＩ／ＰＩのフォーマット／特徴／コンポーネント／コンテキスト、ＣＩ／ＣＳＩ／ＰＩの圧縮／表現／ストレージ／送信／暗号化／処理／前処理／後処理、時系列フォーマット／順序／シーケンス、無線信号からのＣＩの抽出、時空間情報、過去の情報、初期情報、時間量、空間量、時空間量、推定方向、類似性スコア、オブジェクト、距離、オブジェクトの運動、特徴ポイント、ローカルデバイス、および／または計算作業負荷共有は、上記のようなものとは異なる場合がある。時空間情報は、速さであり得る。速さ推定方法の例示的な説明は、以下のとおりである。３つの受信アンテナは、図２２にて示すように、移動方向と平行な線上に整列させることができる。図２２は、本教示の一実施形態による、アンテナマッチングに基づく速さ推定の例示的な図である。更に、受信アンテナの速さは、時間的にゆっくり変化することができる、すなわち、短時間内に、速さは、一定の値ｖに近似することができる。受信アンテナＲｘ２およびＲｘ３をグループ化して主要アンテナと呼び、受信アンテナＲｘ１およびＲｘ２をグループ化して追従アンテナまたは後続アンテナと呼ぶことができる。これは、追従アンテナ（または後続アンテナ）が主要アンテナと同一の軌道を通ることができるが、未知の遅延ττがあるためである。速さは、関係
Figure 0007228375000001
 によって推定することができ、式中、ｄは、隣接するアンテナ間の間隔（等しい間隔）である。したがって、速さ推定問題は、τの推定に変換することができる。以下で、ＴＲＲＳを使用して、τを推定することができる。Ｈｉ（ｔ）は、ｉ番目の受信アンテナで時間ｔに測定されたＣＳＩ（またはＣＩ ＣＩ）を表し、Δｔは、２つの隣接するＣＳＩ測定間の持続時間を意味する。各時間ｔ１について、基準ＣＳＩを形成でき、これは、主要アンテナによって測定され、Ｈlead（ｔ１）＝［Ｈ２（ｔ１），Ｈ３（ｔ１），Ｈ２（ｔ１＋Δｔ），Ｈ３（ｔ１＋Δｔ），．．．，Ｈ２（ｔ１＋（Ｎ－１）Δｔ），Ｈ３（ｔ１＋（Ｎ－１）Δｔ）］として示され、式中、Ｎは、１，２，３．．．であり、かつ比較のためのＣＳＩを形成でき、これは、追従アンテナ（または後続アンテナ）によって測定され、Ｈfollow（ｔ）＝［Ｈ１（ｔ），Ｈ２（ｔ），Ｈ１（ｔ＋Δｔ），Ｈ２（ｔ＋Δｔ），．．．，Ｈ１（ｔ＋（Ｎ－１）Δｔ），Ｈ２（ｔ＋（Ｎ－１）Δｔ）］として示される。ＴＲＲＳγ（ｔ１，ｔ)値ならびに／またはＨlead（ｔ１）とＨfollow（ｔ）との間のいくつかの類似性測定値および／もしくはいくつかの距離測定値を計算できる。追従アンテナが時間ｔ１に対応する主要アンテナの場所に到達すると、γ（ｔ１，ｔ)は、変数ｔにわたりその最大値を達成し得る。本実施例では、ｔ＝ｔ２を有することができるため、推定
Figure 0007228375000002
 を有することができる。
アンテナマッチングに基づく速さ推定の例示的なフロー図を図１１に示す。動作１１０２では、リードアンテナのＣＦＲ連結の詳細な定式化は、Ｈlead（ｔ１）＝［Ｈ２（ｔ１），Ｈ３（ｔ１），Ｈ２（ｔ１＋Δｔ），Ｈ３（ｔ１＋Δｔ），．．．，Ｈ２（ｔ１＋（Ｎ－１）Δｔ），Ｈ３（ｔ１＋（Ｎ－１）Δｔ）］である。動作１１０４では、追従アンテナのＣＦＲ連結の詳細な定式化は、Ｈfollow（ｔ２）＝［Ｈ１（ｔ２），Ｈ２（ｔ２），Ｈ１（ｔ２＋Δｔ），Ｈ２（ｔ２＋Δｔ），．．．，Ｈ１（ｔ２＋（Ｎ－１）Δｔ），Ｈ２（ｔ２＋（Ｎ－１）Δｔ）］である。動作１１０６では、各タイムスロットｔ１について、２つのＣＦＲフィンガープリントＨlead（ｔ１）およびＨfollow（ｔ２）の間のＴＲＲＳγ（ｔ１，ｔ２）が異なるｔ２の近くのｔ１について計算される。動作１１０８では、γ（ｔ１，ｔ２）の最大値を与えるｔ２を決定することができるので、次いで、主要アンテナの群と追従アンテナの群との間の遅延τは、τ＝ｔ２－ｔ１である。つまり、動作１１１０では、速さ推定は、ｖ＝ｄ／τであり、ｄは、任意の２つの隣接する均一に間隔を開けられたアンテナの間の距離である。したがって、その他の実施形態は、以下の特許請求の範囲内である。
動き検出
以下の詳細な説明では、関連する教示の完全な理解を提供するために、例として多数の具体的な詳細が記載されている。 しかしながら、本教示がそのような詳細なしで実施されてもよいことは当業者に明らかである。 他の例では、本教示の態様を不必要に曖昧にすることを避けるために、よく知られている方法、手順、コンポーネント、および／または回路が詳細なしで比較的高レベルで説明されている。
本教示は、オブジェクトの動きにより影響を受ける無線マルチパスチャネルのＣＩに基づいて、場所内でのオブジェクトの動きを検出するためのシステム、デバイス、および方法について開示している。一実施形態では、オブジェクトの動きは、無線マルチパスチャネルのＴＳＣＩに基づいて計算された動き情報に基づいて検出される。 動き情報は、ＴＳＣＩの現在の時間窓と過去の時間窓との間の異種類似性スコアを含み得る。
一実施形態では、開示されたシステムは、場所内のオブジェクトの動きにより影響を受けた無線マルチパスチャネルを介して無線信号を送信するために構成された第１の無線デバイスと、第１の無線デバイスのタイプとは異なるタイプを有する第２の無線デバイスと、を備える。第２の無線デバイスは、場所内でのオブジェクトの動きにより影響を受けた無線マルチパスチャネルを介して無線信号を受信し、かつ無線信号に基づいて無線マルチパスチャネルのＴＳＣＩを得るように構成されている。開示されたシステムは、オブジェクトの動きに関する動き情報に基づいて場所内でのオブジェクトの動きを検出するように更に構成されている。第１および第２の無線デバイスと関連付けられた動き情報は、動き検出器と第２の無線デバイスとのうちの少なくとも１つによってＴＳＣＩに基づいて計算される。
動き検出器は、第１の無線デバイスと、第２の無線デバイスと、第１の無線デバイスと同一の種類の第３の無線デバイスと、第２の無線デバイスと同一の種類の第４の無線デバイスと、クラウドサーバと、フォグサーバと、ローカルサーバと、エッジサーバと、のうちの少なくとも１つに結合され得る。一実施形態では、第１の無線デバイスは、タイプ１のタイプ１デバイスとであり、第２の無線デバイスは、タイプ２のタイプ２デバイスであり、システムは、少なくとも１つの追加のタイプ１デバイスおよび少なくとも１つの追加のタイプ２デバイスのうちの少なくとも１つを更に備え、タイプ１デバイスおよびタイプ２デバイスは、複数のタイプ１およびタイプ２デバイスの対を形成する。タイプ１デバイスおよびタイプ２デバイスを含むタイプ１およびタイプ２デバイスの各対について、それぞれのタイプ１デバイスは、場所内でのオブジェクトの動きにより影響を受けた無線マルチパスチャネルを介してそれぞれの無線信号を送信するように構成することができ、それぞれのタイプ２デバイスは、無線マルチパスチャネルを介してそれぞれの無線信号を受信し、それぞれの無線信号に基づいて無線マルチパスチャネルのそれぞれのＴＳＣＩを得るように構成することができ、動き検出器およびそれぞれのタイプ２デバイスのうちの少なくとも１つは、それぞれのＴＳＣＩに基づいてオブジェクトの動きに関するそれぞれの異種動き情報を非同期的に計算するように構成することができ、動き検出器およびタイプ２デバイスのうちの少なくとも１つは、タイプ１およびタイプ２デバイスの対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを個別にかつ非同期的にモニタすることと、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの任意の対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを連帯的にかつ非同期的にモニタすることと、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの任意の対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを連帯的にかつ非同期的にモニタすることと、タイプ１およびタイプ２デバイスの任意の対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを全体的にかつ非同期的にモニタすることと、のうちの少なくとも１つを実施するように構成されている。
本教示の様々な実施形態によれば、オブジェクトの動き検出およびモニタのための開示されたシステムにおいて、オリジンは、送受信器であることができ、ボットは、別の送受信器であることができる。ボットおよびオリジンの各々は、タイプ１またはタイプ２異種無線デバイスであり得る。
一実施形態では、それぞれのＴＳＣＩの各ＣＩは、少なくとも１つのそれぞれのコンポーネントを有し得る。各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対の各々について、ならびに少なくとも１つのそれぞれのコンポーネントの各々について、以下を行うことができる。（ａ）それぞれのＴＳＣＩのコンポーネントのそれぞれの現在のコンポーネント窓は、それぞれの現在の窓に基づいて、非同期的に決定され得る、（ｂ）それぞれのＴＳＣＩのコンポーネントのそれぞれの過去のコンポーネント窓は、それぞれの過去の窓に基づいて、非同期的に決定され得る、（ｃ）それぞれの現在のコンポーネント窓は、それぞれの過去のコンポーネント窓とコンポーネント毎に非同期的に比較され得る、（ｄ）オブジェクトの動きは、それぞれの現在のコンポーネント窓とそれぞれの過去のコンポーネント窓との非同期的なコンポーネント毎の比較に基づいて、コンポーネント毎にモニタされ得る。オブジェクトの動きは、非同期のコンポーネント毎の比較に基づいて検出され得る。
一実施形態では、開示されたシステムは、対（タイプ１デバイスおよびタイプ２デバイス）で動作する、ハードウェアコンポーネント（例えば、アンテナを有する無線送信器／受信器、アナログ回路、ＲＦ／ＩＦ／ベースバンド要素、低ノイズアンプ、電源供給、プロセッサ、メモリなど）と、対応するソフトウェアコンポーネントと、を有する。開示されたシステムは、非常に高い検出率および非常に低い誤警報率で場所内のオブジェクトの動きを検出することが可能である。特に、開示されたシステムは、セキュリティシステム内で広く使用されている動きセンサである既存の受動型赤外線（ＰＩＲ）センサよりもはるかに優れている。
第１に、開示されたシステムは、動き検出範囲がかなり大きい。一実施形態では、開示された無線動き検出システムは、環境（場所）を探査するために無線信号（Ｗｉ－ＦｉまたはＬＴＥなど）を使用し、Ｗｉ－Ｆｉによって約１０，０００平方フィートの広い固有範囲を有する。ＰＩＲは、赤外線信号を使用することによって、約１００～２００平方フィートの範囲よりかなり狭い範囲を有する。
第２に、開示されたシステムは、コーナーの周りの動きを検出できる。ＰＩＲセンサは、視線（line-of-sight：ＬＯＳ）操作に依存しているが、これは、壁の後ろ、またはコーナーの周り、または障害物（例えば、ＴＶ、ソファ、窓、パーティションなど）の後ろの動きを検出できない。対照的に、開示されたシステムは、視線（ＬＯＳ）および非視線（non-line-of-sight：ＮＬＯＳ）条件の両方で働く。開示されたシステムは、複数の壁の後ろ、複数のコーナーの周り、および障害物の後ろの動きを完全に検出することが可能である。セキュリティアプリケーションでは、侵入者が暗闇でまさに隠れており悪事をするのを待っている可能性があるため、コーナーの周りおよび壁の後ろの動きを検出できることが、極めて重要である。
第３に、開示されたシステムは、とても優れた誤警報率を有する。誤警報とは、実際に動きがないのに、システムが動きを検出することを意味する。このような誤警報は、オペレータや警察を非常に煩わせる。開示されたシステムは、０．１％未満の非常に低い誤警報率を有し、一方、ＰＩＲ系検出器の誤警報率は、１０％以上の範囲内である。一方、ＰＩＲ系検出器は、例えば、強い日光などによる温度変化に敏感であるが、開示されたシステムは、日光または温度変化に敏感ではない。
第４に、開示されたシステムは、ＰＩＲ系検出器のような特別な設置は必要ない。ＰＩＲ系検出器は、特別な設置が必要である。一度設置されると、動かすことはできない。ＰＩＲ系検出器は、非常に限られた範囲を有するので、多くのＰＩＲデバイスは、労働集約的で、時間がかかり、かつ高価である。加えて、故障したＰＩＲデバイスの交換には、更なる労力を必要とする。開示されたシステムは、既存のＷｉ－ＦｉまたはＬＴＥを使用して、動き検出を実施することができる。言い換えると、特別な設置は必要ない。開示されたシステムは、単にいくつかの既存のＷｉ－Ｆｉ準拠デバイス、例えば、Ｗｉ－Ｆｉルータ、スマートフォン、スマートスピーカ（例えば、Ａｍａｚｏｎ Ｅｃｈｏ、Ｇｏｏｇｌｅ Ｈｏｍｅなど）、スマートデバイス（例えば、スマート温度計、スマートカメラ、スマートＴＶ、スマートセットトップボックス、スマート冷蔵庫など）を使用することができる。タイプ１デバイスおよびタイプ２デバイスは、プラグアンドプレイデバイスであることができ、特別な設置は必要ない。プラグアンドプレイの性質が故に、開示された無線動き検出システムは、デバイスが消費者によって移動されても（例えば、リビングルームからファミリールーム、またはあるプラグから別のプラグ）、依然として動く。
更に、開示されたシステムは、Ｗｉ－ＦｉおよびＬＴＥなどの既存の規格準拠大量販売用インフラストラクチャを活用できる。したがって、開示されたシステムの多くの構成要素が、典型的には大量生産品であるため、低コストで、消費者市場ならびにニッチ市場に好適である。
一実施形態では、オブジェクトの動きに関するタスクは、少なくとも１つのＴＳＣＩに基づいた、オブジェクトのいくつかの時空間情報（例えば、場所、速さ、速度、加速度、周期的動き、時間的傾向、過渡的運動、期間、特徴など）、現在の運動と関連付けられた時間パラメータ、および／またはオブジェクトの過去の時空間情報に基づいて実施され得る。少なくとも１つの現在のＴＳＣＩは、前処理され得る。一実施形態では、タスクは、時空間情報のプレゼンテーションを含み得る。これは、視聴覚的方法、グラフィカルな方法、テキストの方法、記号の方法、または機械的方法によって表示され得る。例えば、時空間情報は、家の異なる部屋内のオブジェクトの動きの検出を示すことができる。グラフィカルユーザインターフェース（ＧＵＩ）は、家の中のオブジェクトの位置を示すように構成することができる。例えば、オブジェクトは、人であり得る。オブジェクトの場所またはおおよその場所を示すかマークすることができる。
ＧＵＩで家を、リビングルームエリア、ファミリールームエリア、ダイニングルームエリア、ベッドルーム１エリア、ベッドルーム２エリアなどに仕切ることができる。各エリアに色を割り当て、および／または色で網掛けすることができる。各エリアは、アニメーション化され得る（例えば、エリアのサイズ、エリアの形状、エリアの色、エリアの色の強度、テキスト表示、記号表示など）。または、ＧＵＩは、マップの有無にかかわらず各領域を別の表現にできる。表現は、アニメーション化であり得る。アニメーションは、リアルタイムまたは後であり得る。予測オブジェクト（ユーザ）行動／活動もまた同様に、アニメーション化され得る。プレゼンテーションはまた、時空間情報を反映するために、振動、機械的フィードバック、物理的フィードバック、触覚フィードバック、照明、陰影、形状などの形態であり得る。時空間情報は、２つ以上の分析、例えば、人数、動きの存在、動きの強度、動きの持続時間、動きの頻度、「異常な」または「予期しない」動き、バイタルサイン、生／死、動かない、眠り、不審なイベント、および／または転倒などを含み得る。例えば、動きが大きい場合、色は、暗いか（黒／グレー要素が多い）、またはより鮮明か、またはより明るくなり得る。動きが小さい場合、色は、より明るいか、または鮮明さが低くなるか、または薄暗くなり得る。人が家に入ると、ＧＵＩは、彼が、フロントロビーエリア、リビングルーム、ベッドルーム１などにいることを示すことができる。ＧＵＩは、コンピュータ／タブレット様のソフトウェア、スマートフォン（例えば、ｉＰｈｏｎｅ、Ａｎｄｒｏｉｄ ｐｈｏｎｅなど）のアプリ、スマートデバイス（例えば、スマートグラス、スマートウォッチなど）内のアプリによって実装され得る。
図９は、本教示の一実施形態による、場所内での時空間情報に基づいてオブジェクトの動きを検出する例示的なシナリオを示す。図９はまた、場所内での時空間情報の例示的なプレゼンテーションを示す。例えば、図９にて示すように、２ベッドルームアパートメント９００において、オリジン９０１は、リビングルームエリア９０２に置くことができ、ボット１ ９１０は、ベッドルーム１エリア９１２に置くことができ、ボット２ ９２０は、ダイニングルームエリア９２２に置くことができる。ボット１ ９１０およびボット２ ９２０の各々は、無線信号をオリジン９０１に送信することができ、オリジン９０１は、無線信号に基づいて無線マルチパスチャネルのＣＩを得ることができる。オリジン９０１は、それ自身によって、または動き検出器の様な第３のデバイスを介して、ＣＩに基づいて動き情報を計算し、動き情報に基づいてオブジェクトの動き／活動を検出することができる。これは、オリジン９０１が、それ自身によって、または動き検出器の様な第３のデバイスを介して、ボット１ ９１０および／またはボット２ ９２０によって送信された無線信号に基づいてオブジェクトの動き／活動を検出することができる。オブジェクトの動き／活動が、ボット１ ９１０およびボット２ ９２０の両方によって送信された無線信号に基づいて検出される場合、活動／動きまたはオブジェクト（例えば、人／ユーザ）は、リビングルームエリア９０２内であり得る。オブジェクトの動き／活動が、ボット１ ９１０によって送信された無線信号のみに基づいて検出される場合、活動／動きまたはオブジェクト（例えば、人／ユーザ）は、ベッドルーム－１ ９１２内であり得る。オブジェクトの動き／活動が、ボット２ ９２０によって送信された無線信号のみに基づいて検出される場合、活動／動きまたはオブジェクト（例えば、人／ユーザ）は、ダイニングルームエリア９２２内であり得る。オブジェクトの動き／活動が、ボット１ ９１０またはボット２ ９２０のいずれかによって送信された無線信号に基づいて検出できない場合、アパートメント９００内には誰もおらずオブジェクトもないと判断され得る。活動／動き／人／ユーザが検出された対応するエリアは、所定のパターンまたは色でマークされ得る。
図２は、本教示の一実施形態による、無線ＣＩに基づいて動き検出器によって実施される動き検出のための例示的な方法のフロー図を示す。動作２０２にて、無線信号は、オブジェクトの動きにより影響を受けた無線マルチパスチャネルを介して受信される。動作２０４にて、チャネルの少なくとも１つのコンポーネントを有するＴＳＣＩは、無線信号に基づいて得られる。コンポーネントのそれぞれの現在のコンポーネント窓は、現在の時間窓に基づいて、動作２０６にて、非同期的に決定される。コンポーネントのそれぞれの過去のコンポーネント窓は、過去の時間窓に基づいて、動作２０８にて、非同期的に決定される。動作２１０にて、それぞれの現在のコンポーネント窓は、それぞれの過去のコンポーネント窓とコンポーネント毎に非同期的に比較して、比較結果を生成する。動作２１２にて、オブジェクトの動きは、非同期のコンポーネント毎の比較結果に基づいて検出される。任意で動作２１４にて、オブジェクトの動きは、連続的に生成された比較結果に基づいてモニタされる。
図１５は、本教示の一実施形態による、第１の無線デバイス（例えば、ボット１５００）の例示的なブロック図を示す。ボット１５００は、本明細書記載の様々な方法を実装するように構成することができるデバイスの一例である。図１５にて示すように、ボット１５００は、プロセッサ１５０２、メモリ１５０４、送信器１５１２及び受信器１５１４を含む送受信器１５１０、同期コントローラ１５０６、電力モジュール１５０８、キャリアコンフィギュレータ１５２０、並びに無線審号発生器１５２２を含むハウジング１５４０を含む。
本実施形態では、プロセッサ１５０２は、ボット１５００の生成動作を制御して、１つ以上の処理回路またはモジュール、例えば、中央処理装置（ＣＰＵ）、ならびに／または汎用マイクロプロセッサ、マイクロコントローラ、デジタル信号プロセッサ（ＤＳＰ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プログラマブルロジックデバイス（programmable logic device：ＰＬＤ）、コントローラ、状態機械、ゲート論理、離散ハードウェアコンポーネント、専用ハードウェア有限状態機械、またはデータの算出またはその他の操作を実施できる任意のその他の好適な回路、デバイスおよび／もしくは構造の任意の組み合わせを含むことができる。
読み取り専用メモリ（ＲＯＭ）およびランダムアクセスメモリ（ＲＡＭ）の両方を含み得るメモリ１５０４は、命令およびデータをプロセッサ１５０２に提供することができる。メモリ１５０４の一部はまた、不揮発性ランダムアクセスメモリ（non-volatile random access memory：ＮＶＲＡＭ）を含み得る。プロセッサ１５０２は通常、メモリ１５０４内に記憶されているプログラム命令に基づいて論理演算および算術演算を実行する。メモリ１５０４に格納されている命令（別名、ソフトウェア）は、本明細書で説明されている方法を実行するためにプロセッサ１５０２によって実行することができる。プロセッサ１５０２およびメモリ１５０４は一緒にソフトウェアを格納し実行する処理システムを形成する。本明細書で使用されるとき、「ソフトウェア」は、ソフトウェア、ファームウェア、ミドルウェア、マイクロコードなどと呼ばれるかにかかわらず、１つまたは複数の所望の機能またはプロセスを実行するように機械または装置を構成できる任意のタイプの命令を意味する。命令は、コード（例えば、ソースコードフォーマット、バイナリコードフォーマット、実行可能コードフォーマット、または任意の他の適切なコードフォーマット）を含み得る。命令は、１つまたは複数のプロセッサによって実行されると、処理システムに本明細書に記載のさまざまな機能を実行させる。
送受信器１５１０（送信器１５１２および受信器１５１４を含む）により、ボット１５００が、リモートデバイス（例えば、オリジンまたは別のボット）との間でデータを送信および受信できるようになる。アンテナ１５５０は、通常、ハウジング１５４０に取り付けられており、トランシーバ１５１０に電気的に結合されている。様々な実施形態では、ボット１５００は、（図示せず）複数の送信器、複数の受信器、および複数の送受信器を含む。一実施形態では、アンテナ１５５０は、それぞれが異なる方向を向く複数のビームを形成することができるマルチアンテナアレイ１５５０と置き換えられる。送信機１５１２は、プロセッサ１５０２が生成する、異なる種類または機能を有する信号を無線で送信するように構成することができる。同様に、受信機１５１４は、異なる種類または機能を有する無線信号を受信するように構成され、プロセッサ１５０２は、複数の異なる種類の信号を処理するように構成される。
本実施例のボット１５００は、場所内でのオブジェクトの動きを検出するため、図１のボット１ １１０またはボット２ １２０として機能し得る。例えば、無線信号発生器１５２２は、無線信号を生成し、送信器１５１２によって場所内でのオブジェクトの動きにより影響を受けた無線マルチパスチャネルを介して送信することができる。無線信号は、チャネルの情報を運ぶ。チャネルは、動きにより影響を受けたため、ＣＩは、オブジェクトの動きを表現できる動き情報を含む。そのように、動きは、無線信号に基づいて示すおよび検出することができる。無線信号発生器１５２２での無線信号の生成は、別のデバイス（例えば、オリジン）からの動き検出要求に基づくか、またはシステムの事前設定に基づき得る。すなわち、ボット１５００は、送信された無線信号を使用して動きを検出するであろうことを知っているか知らない場合がある。
一実施形態では、ボット１５００は、無線モニタシステムの特定の非同期異種タイプ１デバイスであり得る。無線モニタシステムは、少なくとも１つの非同期異種タイプ１デバイスおよび少なくとも１つの非同期異種タイプ２デバイスを備え得る。無線モニタシステムはタイプ１デバイスとタイプ２デバイスの少なくとも１つの組み合わせを備え、各組み合わせは少なくとも１つのタイプ１デバイスのうちの１つと少なくとも１つのタイプ２デバイスのうちの１つを備える。特定の非同期異種タイプ１デバイスは、無線モニタシステムのタイプ１およびタイプ２デバイスの少なくとも１つの特定の組み合わせである。特定のタイプ１デバイスは、タイプ１およびタイプ２デバイスの少なくとも１つの特定の組み合わせを介して、少なくとも１つの特定のタイプ２デバイスと対にされる。特定の非同期異種タイプ１デバイスは、無線回路と、無線回路と通信可能に結合された第１のプロセッサと、第１のプロセッサと通信可能に結合された第１のメモリと、第１のメモリ中に記憶された第１の命令セットであって、これは、実行されると、第１のプロセッサに、無線回路を使用して、非同期異種無線信号を特定のタイプ１デバイスから少なくとも１つの特定のタイプ２デバイスにサイト内の物質の動態により影響を受けた無線マルチパスチャネルを介して非同期的に送信させる、第１のメモリ中に記憶された第１の命令セットと、を備える。少なくとも１つの特定のタイプ２デバイスの各々について、無線回路によって送信された非同期異種無線信号から収集された無線マルチパスチャネルの少なくとも１つの一連のＣＩ（ＴＳＣＩ）は、タイプ２デバイスの第２のプロセッサ、第２のメモリ、および第２の命令セットを使用して、タイプ２デバイスによってフェッチされる。一実施例では、サイト内の物質の動態は、タイプ３デバイスの第３のプロセッサ、第３のメモリ、第３の命令セットを使用して、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの組み合わせと関連付けられたＴＳＣＩに基づいて、個別にかつ非同期的に追跡される。別の実施例では、物質の動態は、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的に追跡される。別の実施例では、物質の動態は、少なくとも１つの特定のタイプ２デバイスのうちの１つを含むタイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的に追跡される。別の実施例では、物質の動態は、タイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられたＴＳＣＩに基づいて、全体的にかつ非同期的に追跡される。
別の実施形態では、各タイプ１デバイスについて、ならびにタイプ１デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つの組み合わせの各々について、タイプ１およびタイプ２デバイスのそれぞれの組み合わせと関連付けられたそれぞれの異種類似性スコアは、タイプ１およびタイプ２デバイスのそれぞれの組み合わせと関連付けられた、少なくとも１つのそれぞれのＴＳＣＩのそれぞれの現在の窓とそれぞれの過去の窓との比較に基づいて、非同期的に計算される。一実施例では、サイト内の物質の動態は、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの組み合わせと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、個別にかつ非同期的に追跡される。別の実施例では、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの組み合わせと関連付けられた異種類似性スコアが、個別の閾値より大きいおよび／または等しい場合、サイト内の物質の動態は、個別にかつ非同期的に検出される。別の実施例では、サイト内の物質の動態は、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、連帯的にかつ非同期的に追跡される。別の実施例では、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられた異種類似性スコアに基づいて計算された第１の共同スコアが、第１の共同の閾値以上であるもののうちの少なくとも１つである場合、サイト内の物質の動態は、連帯的にかつ非同期的に検出される。別の実施例では、少なくとも１つの特定のタイプ２デバイスのうちの１つと関連付けられた、タイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、サイト内の物質の動態は、連帯的にかつ非同期的に追跡される。別の実施例では、少なくとも１つの特定のタイプ２デバイスのうちの１つと関連付けられたタイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられた異種類似性スコアに基づいて計算された第２の共同スコアが、第２の共同の閾値以上であるもののうちの少なくとも１つである場合、サイト内の物質の動態は、連帯的にかつ非同期的に検出される。別の実施例では、サイト内の物質の動態は、タイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、全体的にかつ非同期的に追跡される。別の実施例では、タイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられた異種類似性スコアに基づいて計算された第３の共同スコアが、第３の共同の閾値より大きいおよび／または等しい場合、サイト内の物質の動態は、全体的にかつ非同期的に検出される。
本実施例の同期コントローラ１５０６は、別のデバイス（例えば、オリジン、または別のボット）と同期または非同期するようにボット１５００の動作を制御するように構成することができる。一実施形態では、同期コントローラ１５０６は、ボット１５００によって送信された無線信号を受信するオリジンと同期するようにボット１５００を制御することができる。別の実施形態では、同期コントローラ１５０６は、その他のボットと非同期的に無線信号を送信するようにボット１５００を制御することができる。別の実施形態では、ボット１５００およびその他のボットの各々は、個別にかつ非同期的に無線信号を送信することができる。
本実施例のキャリアコンフィギュレータ１５２０は、無線信号発生器１５２２によって生成された無線信号を送信するための送信リソース（例えば、時間およびキャリア）を構成し得る。一実施形態では、ＴＳＣＩの各ＣＩは、各々が、無線信号の送信のキャリアまたはサブキャリアに対応する１つ以上のコンポーネントを有する。動きの検出は、コンポーネントのうちの任意の１つまたは任意の組み合わせにおける動き検出に基づき得る。
電源モジュール１５０８は、１つまたは複数の電池などの電源と、図１５の上記のモジュールのそれぞれに調整された電力を供給するための電力レギュレータ（power regulator）とを含むことができる。いくつかの実施形態では、ボット１５００が専用外部電源（例えば、壁電気コンセント）に結合されている場合、電力モジュール１５０８は、変圧器および電力レギュレータを含むことができる。上述した様々なモジュールはバスシステム１５３０によって互いに結合されている。バスシステム１５３０は、データバス、ならびにデータバスに加えて、例えば、電力バス、制御信号バス、および／またはステータス信号バスを含み得る。ボット１５００のモジュールは、任意の好適な技術および媒体を使用して、互いに動作可能に結合することができると理解されている。多くの別々のモジュールまたは構成要素が図１５にて図示されているが、当業者は、モジュールのうちの１つ以上を組み合わせるまたは一般に実装することができることを理解するであろう。例えば、プロセッサ１５０２は、プロセッサ１５０２に関して上記の機能を実装できるだけでなく、無線信号発生器１５２２に関して上記の機能も実装できる。逆に、図１５に示されたモジュールの各々は、複数の個別の構成要素または要素を使用して実装することができる。
図１６は、本開示のいくつかの実施形態に従い、第１の無線デバイス（例えば、図１５のボット１５００）によって実施された例示的な方法１６００のフロー図を示す。任意で、動作１６０２にて、ボットは、マルチパスチャネル環境における動き検出のための要求を受信する。動作１６０４にて、ボットは、無線マルチパスチャネルを介する無線送信のためのキャリアまたはサブキャリアを決定する。動作１６０６にて、ボットは、無線送信のための同期情報を決定することができる。動作１６０８にて、ボットは、無線送信のための異種無線信号を生成することができる。動作１６１０にて、ボットは、無線マルチパスチャネルを介して異種無線信号を送信する。
図１７は、本教示の一実施形態による、第２の無線デバイス（例えば、オリジン１７００）の例示的なブロック図を示す。オリジン１７００は、本明細書記載の様々な方法を実装するように構成することができるデバイスの一例である。図１７にて示すように、オリジン１７００は、プロセッサ１７０２、メモリ１７０４、送信器１７１２および受信器１７１４を含む送受信器１７１０、電力モジュール１７０８、同期コントローラ１７０６、ＣＩ抽出器１７２０、ならびに任意の動き検出器１７２２を含むハウジング１７４０を含む。
本実施形態では、プロセッサ１７０２、メモリ１７０４、送受信器１７１０、および電力モジュール１７０８は、ボット１５００内のプロセッサ１５０２、メモリ１５０４、送受信器１５１０、および電力モジュール１５０８と同様に動く。アンテナ１７５０またはマルチアンテナアレイ１７５０は、典型的には、ハウジング１７４０に取り付けられ、送受信器１７１０に電気的に結合される。
オリジン１７００は、第１の無線デバイス（ボット１５００）のタイプとは異なるタイプを有する第２の無線デバイスであり得る。特に、オリジン１７００内のＣＩ抽出器１７２０は、場所内でのオブジェクトの動きにより影響を受けた無線マルチパスチャネルを介して無線信号を受信し、かつ無線信号に基づいて無線マルチパスチャネルのＴＳＣＩを得るように構成されている。ＣＩ抽出器１７２０は、場所内でのオブジェクトの動きを検出するために、任意の動き検出器１７２２に、またはオリジン１７００の外側の動き検出器に抽出されたＣＩを送信し得る。
動き検出器１７２２は、オリジン１７００における任意構成要素である。一実施形態では、図１７にて示すように、オリジン１７００内にある。別の実施形態では、オリジン１７００の外側および別のデバイス（ボット、別のオリジン、クラウドサーバ、フォグサーバ、ローカルサーバ、およびエッジサーバであり得る）中にある。任意の動き検出器１７２２は、オブジェクトの動きに関する動き情報に基づいて場所内でのオブジェクトの動きを検出するように構成されていてもよい。第１および第２の無線デバイスと関連付けられた動き情報は、動き検出器１７２２、またはオリジン１７００の外側の別の動き検出器によってＴＳＣＩに基づいて計算される。
一実施形態では、オリジン１７００は、無線モニタシステムの特定の非同期異種タイプ２デバイスである。無線モニタシステムは、少なくとも１つの非同期異種タイプ１デバイスおよび少なくとも１つの非同期異種タイプ２デバイスを備え得る。無線モニタシステムは、タイプ１およびタイプ２デバイスの少なくとも１つのペアリングを備えることができ、各ペアリングは、少なくとも１つのタイプ１デバイスのうちの１つと少なくとも１つのタイプ２デバイスのうちの１つとを備える。特定の非同期異種タイプ２デバイスは、無線モニタシステムのタイプ１およびタイプ２デバイスの少なくとも１つの特定のペアリングにある。各タイプ２デバイスは、タイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対を介して、少なくとも１つの特定のタイプ１無線デバイスとグループ化されている。一実施例では、特定の非同期異種タイプ２デバイスは、少なくとも１つの非同期異種無線信号を非同期的に受信するための無線回路と、無線回路と通信可能に結合された第２の異種プロセッサと、第２の異種プロセッサと通信可能に結合された第２の異種メモリと、第２の異種メモリ中に記憶された第２の異種命令セットと、を備える。各非同期異種無線信号は、少なくとも１つの特定のタイプ１デバイスのうちの１つによって、タイプ１デバイスのそれぞれの第１の異種プロセッサ、それぞれの第１の異種メモリ、およびそれぞれの第１の異種命令セットを使用して、少なくとも１つの非同期異種タイプ２デバイスに、サイト内の質量の運動により影響を受けた無線マルチパスチャネルを介して、非同期的に送信される。第２の異種命令セットは、実行されると、第２の異種プロセッサに、タイプ１およびタイプ２デバイスの少なくとも１つの特定のペアリングの各々について、無線マルチパスチャネルの少なくとも１つのそれぞれの一連のＣＩ（ＴＳＣＩ）を非同期的に保護させる。
一実施形態では、タイプ１およびタイプ２デバイスの特定のペアリングと関連付けられた少なくとも１つのそれぞれのＴＳＣＩは、無線回路によって非同期的に受信されたそれぞれの非同期異種無線信号から非同期的に導出されている。一実施例では、サイト内の質量の運動は、タイプ３デバイスの第３のプロセッサ、第３のメモリ、および第３の命令セットを使用して、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスのペアリングと関連付けられたＴＳＣＩに基づいて、個別にかつ非同期的にモニタされる。別の実施例では、質量の運動は、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの任意のペアリングと関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的にモニタされる。別の実施例では、質量の運動は、少なくとも１つの特定のタイプ１デバイスのうちの１つを含むタイプ１およびタイプ２デバイスの任意のペアリングと関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的にモニタされる。別の実施例では、質量の運動は、タイプ１およびタイプ２デバイスの任意のペアリングと関連付けられたＴＳＣＩに基づいて、全体的にかつ非同期的にモニタされる。
一実施形態では、各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのペアリングの各々について、タイプ１およびタイプ２デバイスのそれぞれのペアリングと関連付けられたそれぞれの異種類似性スコアは、タイプ１およびタイプ２デバイスのペアリングと関連付けられた、少なくとも１つのそれぞれのＴＳＣＩのそれぞれの現在の窓とそれぞれの過去の窓との比較に基づいて、非同期的に計算される。一実施例では、サイト内の質量の運動は、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスのペアリングと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、個別にかつ非同期的にモニタされる。別の実施例では、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられた異種類似性スコアが、個別の閾値以上であるもののうちの少なくとも１つである場合、サイト内の質量の運動は、個別にかつ非同期的に検出される。別の実施例では、サイト内の質量の運動は、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの任意のペアリングと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、連帯的にかつ非同期的にモニタされる。別の実施例では、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの任意のペアリングと関連付けられた異種類似性スコアに基づいて計算された第１の共同スコアが、第１の共同の閾値以上であるもののうちの少なくとも１つである場合、サイト内の質量の運動は、連帯的にかつ非同期的に検出される。別の実施例では、少なくとも１つの特定のタイプ１デバイスのうちの１つと関連付けられた、タイプ１およびタイプ２デバイスの任意のペアリングと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、サイト内の質量の運動は、連帯的にかつ非同期的にモニタされる。別の実施例では、第２の共同スコアが、少なくとも１つの特定のタイプ１デバイスのうちの１つと関連付けられた、タイプ１およびタイプ２デバイスの任意のペアリングと関連付けられた、異種類似スコアに基づいて計算された場合、サイト内の質量の運動は、連帯的にかつ非同期的に検出される。別の実施例では、サイト内の質量の運動は、タイプ１およびタイプ２デバイスの任意のペアリングと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、全体的にかつ非同期的にモニタされる。別の実施例では、タイプ１およびタイプ２デバイスの任意のペアリングと関連付けられた異種類似性スコアに基づいて計算された第３の共同スコアが、第３の共同の閾値以上であるもののうちの少なくとも１つである場合、サイト内の質量の運動は、全体的にかつ非同期的に検出される。
本実施例の同期コントローラ１７０６は、別のデバイス（例えば、ボット、別のオリジン、または個別の動き検出器）と同期または非同期するようにオリジン１７００の動作を制御するように構成することができる。一実施形態では、同期コントローラ１７０６は、無線信号を送信するボットと同期するようにオリジン１７００を制御することができる。別の実施形態では、同期コントローラ１７０６は、その他のオリジンと非同期的に無線信号を受信するようにオリジン１７００を制御することができる。別の実施形態では、オリジン１７００およびその他のオリジンの各々は、個別にかつ非同期的に無線信号を受信することができる。一実施形態では、任意の動き検出器１７２２またはオリジン１７００の外側の動き検出器は、それぞれのＴＳＣＩに基づいてオブジェクトの動きに関するそれぞれの異種動き情報を非同期的に計算するように構成されている。一実施例では、任意の動き検出器１７２２またはオリジン１７００の外側の動き検出器は、タイプ１およびタイプ２デバイスの対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを個別にかつ非同期的にモニタおよび／または検出するように構成されている。別の実施例では、任意の動き検出器１７２２またはオリジン１７００の外側の動き検出器は、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの任意の対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを連帯的にかつ非同期的にモニタおよび／または検出するように構成されている。別の実施例では、任意の動き検出器１７２２またはオリジン１７００の外側の動き検出器は、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの任意の対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを連帯的にかつ非同期的にモニタおよび／または検出するように構成されている。別の実施例では、任意の動き検出器１７２２またはオリジン１７００の外側の動き検出器は、タイプ１およびタイプ２デバイスの任意の対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを全体的にかつ非同期的にモニタおよび／または検出するように構成されている。任意の動き検出器１７２２またはオリジン１７００の外側の動き検出器の詳細な構造は、図１９に関して記載されている。
上述した様々なモジュールは、バスシステム１７３０によって一緒に結合される。バスシステム１７３０は、データバス、ならびにデータバスに加えて、例えば、電力バス、制御信号バス、および／またはステータス信号バスを含み得る。オリジン１７００のモジュールは、任意の好適な技術および媒体を使用して、互いに動作可能に結合することができると理解されている。多くの別々のモジュールまたは構成要素が図１７にて図示されているが、当業者は、モジュールのうちの１つ以上を組み合わせるまたは一般に実装することができることを理解するであろう。例えば、プロセッサ１７０２は、プロセッサ１７０２に関して上記の機能を実装できるだけでなく、ＣＩ抽出器１７２０に関して上記の機能も実装できる。逆に、図１７に示されたモジュールの各々は、複数の個別の構成要素または要素を使用して実装することができる。一実施形態では、ボット１５００およびオリジン１７００に加えて、システムはまた、場所内でのオブジェクトの動きにより影響を受けた追加の無線マルチパスチャネルを介して追加の異種無線信号を送信するように構成された第３の無線デバイス（例えば、別のボット）と、第３の無線デバイスのタイプとは異なるタイプを有する第４の無線デバイス（例えば、別のオリジン）と、を備え得る。第４の無線デバイスは、場所内でのオブジェクトの動きにより影響を受けた追加の無線マルチパスチャネルを介して追加の異種無線信号を受信し、かつ追加の異種無線信号に基づいて追加の無線マルチパスチャネルの時系列の追加のＣＩを得るように構成されていてもよい。追加の無線マルチパスチャネルの追加のＣＩは、無線マルチパスチャネルのＣＩと関連付けられたものとは異なるプロトコルまたは構成と関連付けられている。例えば、無線マルチパスチャネルは、ＬＴＥと関連付けられており、一方、追加の無線マルチパスチャネルは、Ｗｉ-Ｆｉと関連付けられている。この場合、任意の動き検出器１７２２またはオリジン１７００の外側の動き検出器は、第１および第２の無線デバイスと関連付けられた動き情報と、追加の動き検出器および時系列の追加のＣＩに基づく第４の無線デバイスのうちの少なくとも１つによって計算された、第３および第４の無線デバイスと関連付けられた追加の動き情報との両方に基づいて場所内のオブジェクトの動きを検出するように構成されている。
図１８は、本開示のいくつかの実施形態に従い、第２の無線デバイス（例えば、図１７のオリジン１７００）によって実施された例示的な方法のフロー図を示す。動作１８０２にて、オリジンは、オブジェクトの動きにより影響を受けた無線マルチパスチャネルを介して、無線信号を受信および分析する。動作１８０４にて、オリジンは、無線信号に基づいてチャネルのＴＳＣＩを得る。オプションとして、動作１８０６にて、オリジンは、ＴＳＣＩの少なくとも１つの時間窓および／または少なくとも１つのコンポーネントを決定する。オプションとして、動作１８０８にて、オリジンは、ＴＳＣＩに基づいてオブジェクトの動きに関する動き情報を計算する。オプションとして、動作１８１０にて、オリジンは、計算された動き情報に基づいてオブジェクトの動きを検出する。オプションとして、動作１８１２にて、オリジンは、オブジェクトの動きと関連付けられた位置を推定する。
図１９は、本発明の一実施形態による、例示的な動き検出器を示す。動き検出器１９００は、オリジン内の動き検出器（例えば、任意の動き検出器１７２２）、または任意のオリジンの外側の単独の動き検出器として機能し得る。図１９にて示すように、本実施例の動き検出器１９００は、動き情報決定器１９０２、動き決定器１９０６、時間窓決定器１９０４、および任意の動き場所推定器１９０８を含む。様々な実施形態によれば、動き検出器１９００は、オブジェクトの動きを検出およびモニタするために、第１の無線デバイスと、第２の無線デバイスと、第１の無線デバイスと同一の種類の第３の無線デバイスと、第２の無線デバイスと同一の種類の第４の無線デバイスと、クラウドサーバと、フォグサーバと、ローカルサーバと、エッジサーバと、のうちの少なくとも１つに結合され得る。
一実施形態では、動き検出器１９００は、ＣＩ抽出器１７２０からＴＳＣＩを受信して、ＴＳＣＩに基づいて動き情報を計算し得る。例えば、動き情報決定器１９０２は、オリジンからそれぞれのＴＳＣＩを受信し、それぞれのＴＳＣＩに基づいてオブジェクトの動きに関連したそれぞれの異種動き情報を非同期的に計算することができる。一実施例では、動き情報決定器1902は、距離スコア、絶対距離、ユークリッド距離、ノルム、メトリック、統計的特徴、時間反転共鳴強度（ＴＲＲＳ）、相互相関、自己相関、共分散、自己共分散、２つのベクトルの内積、前処理、信号調整、ノイズ除去、位相補正、タイミング補正、タイミング補償、位相オフセット補償、変換、射影、フィルタリング、特徴抽出、有限状態機械、過去の類似性スコアの履歴、少なくとも１つのＴＳＣＩの別の過去の窓、コンポーネント毎の演算、機械学習、ニューラルネットワーク、ディープラーニング、訓練、判別、加重平均、および別の動作のうちの少なくとも１つに基づいて、ＴＳＣＩの現在の時間窓と過去の時間窓との間の異種類似性スコアを計算し、これにより、計算された異種類似性スコアに基づいて、場所内のオブジェクトの動きを検出することができる。動き情報決定器１９０２は、オブジェクトの動きを検出およびモニタするために、計算された動き情報を動き決定器１９０６に送信し得る。
一実施形態では、時間窓決定器１９０４は、ＴＳＣＩの現在の窓および過去の窓を決定し、現在の時間窓および過去の時間窓を動き情報決定器１９０２に送信することができる。次いで、動き情報決定器１９０２は、ＴＳＣＩの現在の窓と過去の窓との間の異種類似性スコアを非同期的に計算することができ、これにより、場所内でのオブジェクトの動きは、動き情報および異種類似性スコアに基づいて検出される。
本実施例の動き決定器１９０６は、動き情報決定器１９０２から計算された動き情報を受信し、オブジェクトの動きに関連した動き情報に基づいて、場所内でのオブジェクトの動きを検出することができる。一実施形態では、少なくとも１つのコンポーネントの各々について、時間窓決定器１９０４は、現在の時間窓に基づいてコンポーネントのそれぞれの現在のコンポーネント窓を非同期的に決定し、過去の時間窓に基づいてコンポーネントのそれぞれの過去のコンポーネント窓を非同期的に決定し、それぞれの現在のコンポーネント窓およびそれぞれの過去のコンポーネント窓についての情報を動き決定器１９０６に送信できる。動き決定器１９０６は、それぞれの現在内のコンポーネント窓とそれぞれの過去のコンポーネント窓とをコンポーネント毎に非同期的に比較して、比較結果を生成し、比較結果に基づいてオブジェクトの動きをコンポーネント毎にモニタし、非同期のコンポーネント毎の比較に基づいて場所内のオブジェクトの動きを検出することができる。
一実施形態では、少なくとも１つのコンポーネントの各々について、動き情報決定器１９０２は、距離スコア、ノルム、メトリック、統計的特徴、時間反転共鳴強度（ＴＲＲＳ）、相互相関、自己相関、共分散、自己共分散、２つのベクトルの内積、前処理、信号調整、ノイズ除去、位相補正、タイミング補正、タイミング補償、位相オフセット補償、変換、射影、フィルタリング、特徴抽出、有限状態機械、過去の類似性スコアの履歴、少なくとも１つのＴＳＣＩの別の過去の窓、コンポーネント毎の演算、機械学習、ニューラルネットワーク、ディープラーニング、訓練、判別、加重平均、および別の動作のうちの少なくとも１つに基づいて、それぞれの現在のコンポーネント窓およびそれぞれの過去のコンポーネント窓と関連付けられたコンポーネント類似性スコアを非同期的に計算することができる。次いで、動き情報決定器１９０２は、少なくとも１つのコンポーネント類似性スコアの異種関数に基づいて、異種類似性スコアを非同期的に計算できる。異種関数は、代表値、標準値、加重平均、百分位数、最大、最小、４０％四分位数、５０％四分位数、６０％四分位数、平均、中央値、最頻値、和、積、根、算術平均、幾何平均、調和平均、一般化平均、順序統計量、トリム平均、統計的関数、期待値、分散、選択されたもの、および別の関数のうちの少なくとも１つを含む。動き決定器１９０６は、異種類似性スコアが第１の閾値以上である場合、場所内でのオブジェクトの動きを検出できる。
他の実施形態では、少なくとも１つのコンポーネントの各々について、動き情報決定器１９０２は、距離スコア、ノルム、メトリック、統計的特徴、時間反転共鳴強度（ＴＲＲＳ）、相互相関、自己相関、共分散、自己共分散、２つのベクトルの内積、前処理、信号調整、ノイズ除去、位相補正、タイミング補正、タイミング補償、位相オフセット補償、変換、射影、フィルタリング、特徴抽出、有限状態機械、過去の類似性スコアの履歴、少なくとも１つのＴＳＣＩの別の過去の窓、コンポーネント毎の演算、機械学習、ニューラルネットワーク、ディープラーニング、訓練、判別、加重平均、および別の動作のうちの少なくとも１つに基づいて、それぞれの現在のコンポーネント窓およびそれぞれの過去のコンポーネント窓と関連付けられたコンポーネント類似性スコアを非同期的に計算し得る。次いで、少なくとも１つのコンポーネントの各々について、動き決定器１９０６は、それぞれのコンポーネント類似性スコアがそれぞれのコンポーネント閾値よりも大きいまたは等しい場合、オブジェクトの動きをコンポーネント毎に非同期的に検出し、コンポーネントの選択されたグループにおけるコンポーネント毎の動き検出のパーセンテージが第２の閾値以上である場合、場所内でのオブジェクトの動きを検出することができる。
一実施形態では、第１の無線デバイスは、タイプ１を有するタイプ１デバイスであり、第２の無線デバイスは、タイプ２を有するタイプ２デバイスである。一実施例では、動き決定器１９０６は、タイプ１およびタイプ２デバイスの対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを個別にかつ非同期的にモニタおよび／または検出し得る。別の実施例では、動き決定器１９０６は、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの任意の対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを連帯的にかつ非同期的にモニタおよび／または検出し得る。ニタおよび／または検出するように構成されている。別の実施例では、動き決定器１９０６は、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの任意の対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを連帯的にかつ非同期的にモニタおよび／または検出し得る。別の実施例では、動き決定器１９０６は、タイプ１およびタイプ２デバイスの任意の対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを全体的にかつ非同期的にモニタおよび／または検出し得る。
一実施形態では、タイプ１デバイスおよびタイプ２デバイスを含むタイプ１およびタイプ２デバイスの各対について、それぞれのタイプ２デバイスまたは動き検出器１９００内の動き情報決定器１９０２は、それぞれのＴＳＣＩのそれぞれの現在の窓とそれぞれの過去の窓との間のそれぞれの異種類似性スコアを非同期的に計算するように構成されている。次いで、動き決定器１９０６またはタイプ２デバイスは、タイプ１およびタイプ２デバイスの対と関連付けられたそれぞれの異種類似性スコアの第１の関数がそれぞれの個別の閾値より大きいまたは等しい場合、場所内でのオブジェクトの動きを個別にかつ非同期的に検出し、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの任意の対と関連付けられた異種類似性スコアの第２の関数がそれぞれの共同の閾値より大きいまたは等しい場合、場所内でのオブジェクトの動きを連帯的にかつ非同期的に検出し、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの任意の対と関連付けられた異種類似性スコアの第３の関数が別のそれぞれの共同の閾値より大きいまたは等しい場合、場所内でのオブジェクトの動きを連帯的にかつ非同期的に検出し、ならびに／またはタイプ１およびタイプ２デバイスの任意の対と関連付けられた異種類似性スコアの第４の関数がそれぞれのグローバル閾値より大きいまたは等しい場合、場所内でのオブジェクトの動きを全体的にかつ非同期的に検出できる。
本実施例の任意の動き場所推定器１９０８は、動き検出器１９００内の任意の構成要素である。一実施形態では、任意の動き場所推定器１９０８は、動き検出器１９００の外側にある場合があり、モニタデバイスとして機能することができ、これは、場所のマップを複数の領域に仕切るように、および／またはタイプ２無線デバイスから受信した異種動き情報に基づいて、オブジェクトの動きと場所のマップの複数の領域のうちの少なくとも１つとを非同期的に関連付けるように構成されている。一実施形態では、動き検出器１９００およびタイプ２デバイスのうちの少なくとも１つは、異種動き情報の各々のそれぞれの特徴空間を複数のそれぞれの特徴セグメントに仕切ることと、各それぞれの特徴セグメントと場所のマップの複数の領域のうちの少なくとも１つとを関連付けるそれぞれのマッピングを構成することと、それぞれのマッピングに基づいて、オブジェクトの動きと場所のマップの複数の領域のうちの少なくとも１つとを個別に非同期的に関連付けることと、複数のタイプ１およびタイプ２デバイスの対と関連付けられた異種動き情報の共同特徴空間を複数の共同特徴セグメントに仕切ることと、各共同特徴セグメントと場所のマップの複数の領域のうちの少なくとも１つとを関連付ける共同マッピングを構成することと、共同マッピングに基づいて、オブジェクトの動きと場所のマップの複数の領域のうちの特定の１つとを連帯的に非同期的に関連付けることと、のうちの少なくとも１つを実施するように構成されている。
一実施形態では、動き検出器１９００は、無線モニタシステムのタイプ３デバイスとして機能し得る。無線モニタシステムは、少なくとも１つの非同期異種タイプ１デバイスおよび少なくとも１つの非同期異種タイプ２デバイスを備え得る。無線モニタシステムは、タイプ１およびタイプ２デバイスの少なくとも１つのダブレットを備えることができ、各ダブレットは、少なくとも１つの非同期異種タイプ１デバイスのうちの１つと少なくとも１つの非同期異種タイプ２デバイスのうちの１つとを備える。タイプ３デバイスは、少なくとも１つの非同期異種タイプ１デバイスおよび少なくとも１つの非同期異種タイプ２デバイスのうちの少なくとも１つと通信可能に結合された第３のプロセッサと、第３のプロセッサと通信可能に結合された第３のメモリと、第３のメモリ中に記憶された第３の命令セットと、を備え得る。第３の命令セットは、実行されると、第３のプロセッサに、各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのダブレットの各々について、タイプ２デバイスのそれぞれの第２のプロセッサ、それぞれの第２のメモリ、およびそれぞれの第２の命令セットを使用して、タイプ２デバイスによって非同期的に受信されたある場所でのアイテムの動きにより影響を受けた、無線マルチパスチャネルの少なくとも１つのそれぞれのＴＳＣＩ（ＴＳＣＩ）を非同期的に受信させる。タイプ１およびタイプ２デバイスのそれぞれのダブレットと関連付けられた少なくとも１つのそれぞれのＴＳＣＩは、それぞれのダブレットのそれぞれのタイプ１デバイスから、それぞれのタイプ１デバイスのそれぞれの第１のプロセッサ、それぞれの第１のメモリ、およびそれぞれの第１の命令セットを使用して、少なくとも１つの非同期異種タイプ２デバイスに、無線マルチパスチャネルを介して送信されたそれぞれの非同期異種無線信号から非同期的に得られる。加えて、第３の命令セットは、実行されると、第３のプロセッサに、特定のタイプ２デバイスおよび特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの特定のダブレットと関連付けられたＴＳＣＩに基づいて、ある場所でのアイテムの動きを個別にかつ非同期的に追跡することと、特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つのダブレットのいずれかと関連付けられたＴＳＣＩに基づいて、アイテムの動きを連帯的にかつ非同期的に追跡することと、特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つのダブレットのいずれかと関連付けられたＴＳＣＩに基づいて、アイテムの動きを連帯的にかつ非同期的に追跡することと、タイプ１およびタイプ２デバイスの少なくとも１つのダブレットのいずれかと関連付けられたＴＳＣＩに基づいて、アイテムの動きを全体的にかつ非同期的に追跡すること、のうちの少なくとも１つを実施させる。
一実施形態では、システムは、場所のマップ、マップの複数の仕切られた領域、任意の検出されたオブジェクトの動きと関連付けられた領域、タイプ１およびタイプ２デバイスの少なくとも１つの対と関連付けられた異種動き情報、コンポーネント毎の類似性スコア、異種類似性スコア、過去の動き情報、過去の類似性スコア、別の過去の情報、タイプ１デバイス、およびタイプ２デバイスのうちの少なくとも１つと関連付けられた情報を非同期的に信号で伝えるように構成されたモニタデバイスを備え得る。一実施例では、モニタデバイスは、検出またはモニタ結果を表示するためのアプリまたはＧＵＩを実行するモバイルフォンであり得る。その他の実施例では、モニタデバイスは、デスクトップ、ラップトップ、タブレット、ＩｏＴデバイス、またはスマートスピーカであり得る。
図２０は、本発明の一実施形態による、例示的な動き検出アルゴリズムを示す。図２０では、Ｇ（ｆ；ｔ）は、タイムスロットｔでのサブキャリアｆのＣＳＩ（またはＣＩ）振幅を表すことができる。Ｍ×Ｎアンテナ構成を有するシステムについて、サブキャリアの総数は、Ｆ＝ＭＮＬであり、式中、Ｌは、各アンテナ対のサブキャリア数である。各サブキャリアｆについて、一次のサンプル自己相関係数について動き統計を計算することができ、式中、Ｔは、動き統計を計算するための時間窓の長さである。動き統計の物理的意味は、動き統計が高いほど、動きが強いということである。各サブキャリアには、例えば、サンプル自己相関係数が既定義閾値より大きい場合に、動きを検出するために算出された動き統計が存在する。システムのＦ個のサブキャリアからすべての決定を融合するために多数決が適用され得る。利用可能なサブキャリアの総数の半分超がエレベーター内の人間の動きを検出する場合、システムは、その動きを検出し、そうでなければ、動きを検出しない。別の実施形態では、Ｇ（ｆ；ｔ）は、タイムスロットｔでのサブキャリアｆにおけるＣＩの別の関数、例えば、（ＣＳＩ振幅）＾２、（ＣＳＩ振幅）＾４、位相オフセットクリーニング後のＣＳＩの実部／虚部と定義され得る。次数が時間窓の長さＴの４分の１未満である場合、動き統計はまた、別の次数のサンプル自己相関係数として定義することもできる。個々の決定の加重結合などのその他の決定融合ルールもまた、採用され得る。
図２１は、本発明の一実施形態による、オブジェクトの動き検出のための例示的方法を示す。動作２１０２にて、プロセッサ、メモリ、およびメモリ中に記憶された命令セットを使用して、無線マルチパスチャネルの少なくとも１つのＴＳＣＩが得られる。少なくとも１つのＴＳＣＩは、無線マルチパスチャネルを介して、場所内の第１の位置にあるタイプ１異種無線デバイスと場所内の第２の位置にあるタイプ２異種無線デバイスとの間で送信された無線信号から抽出される。無線マルチパスチャネルは、場所内でのオブジェクトの動きにより影響を受ける。動作２１０４にて、オブジェクトの時空間情報は、少なくとも１つのＴＳＣＩ、動きと関連付けられた時間パラメータ、およびオブジェクトの過去の時空間情報のうちの少なくとも１つに基づいて決定される。動作２１０６にて、タスクは、時空間情報に基づいて実施される。時空間情報は、動き情報の形態であり得、動き情報は、時空間情報の形態であり得る。タイプ１デバイスは、第１のデバイスであり得、タイプ２デバイスは、第２のデバイスであり得る。前述の「タスク」は、「動きをモニタ」することおよび／または「動きを検出」することであり得る。
図２２は、本発明の一実施形態による、オブジェクトの運動位置特定方法のための例示的なフローチャートを示す。図２２のオブジェクトの動きの位置特定は、２つのボット（タイプ１デバイス）に基づいており、特定のオリジン（タイプ２デバイス）と対にされている。まず、各ボットについて、各ボット-オリジン対（２２０２Ａおよび２２０２Ｂ）と関連付けられた動き情報／統計が算出される。次いで、算出された動き情報の各々をノイズ除去プロセッサ（例えば、低域フィルタ）に通して、ノイズを除去する（２２０４Ａおよび２２０４Ｂ）。次いで、いくつかの関数に従って、動き尤度（１００６）を算出する。動き尤度は、ボットの近くまたはオリジンの近くで発生する動きの確率を表し得る。尤度はまた、ノイズが多い場合があるため、例えば、動きが発生すると急速に変化するため、尤度値は、別のノイズ除去プロセッサ２２０８を通過し得る。最後に、動きの位置特定の決定は、動きが起こる場所で行われる。
動き情報と尤度のマッピングの例示的な関数は、次のとおり定義され得る。時間ｔでのボットｉ－オリジン対について算出した動き情報は、ｍｉ（ｔ）と表す。時間ｔでのボットｉ付近の動き尤度の一例は、次のとおり算出され得る。
Figure 0007228375000003
 Ｌｉ（ｔ）は、どちらのボットも動きを検出しない場合、定義されない。動きの位置特定決定ルールの一例をノイズ除去した後の尤度は、
Figure 0007228375000004
 と表し、下記のようであり得る。
Figure 0007228375000005
Figure 0007228375000006
 の両方が未定義である場合、モニタエリア内に動きは存在しない。
本開示の様々な実施形態は、以下に詳細に記述されている。本開示における実施形態および実施例の特徴は、矛盾しない方法で互いに組み合わせることができることに注意する。
一実施形態では、無線（またはｒａｄｉｏまたはＲＦ）モニタシステムは、少なくとも１つの非同期異種タイプ１無線（またはｒａｄｉｏまたはＲＦ）デバイス（または装置）と、少なくとも１つの非同期異種タイプ２無線（またはｒａｄｉｏまたはＲＦ）デバイスと、を備える。無線（またはｒａｄｉｏまたはＲＦ）モニタシステムは、タイプ１およびタイプ２デバイスの少なくとも１つの対（またはペアリング、またはカップル、またはデュオ、または組み合わせ、またはダブレット、またはコンボ、またはマッチ、またはチーム）を備え、各対は、少なくとも１つの非同期異種タイプ１デバイスのうちの１つと少なくとも１つの非同期異種タイプ２デバイスのうちの１つとを備える。少なくとも１つのタイプ２デバイスの各々は、タイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対にある。各タイプ２デバイスは、タイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対を介して、少なくとも１つのそれぞれの特定のタイプ１デバイスと関連付けられる（またはグループ化される、または結合される、または対にされる、または連合される、または組み合わされる、または合併する、または組まれる）。
一実施形態では、無線（またはｒａｄｉｏまたはＲＦ）モニタシステムの開示された方法には、各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対の各々について、場所（または現地、または場所、またはサイト、または状況、または敷地）内でのオブジェクト（または物品、または本体、または商品、またはガジェット、またはアイテム、または事柄、または物質、または実体、または質量）の動き（または運動、または行動、またはジェスチャー、または変化、またはドリフト、または動態、または流れ、または変動、または流動、または身振り、またはキネティックス、またはロコモーション、または移動性、または運動、またはオシレーション、または通過、または進行、または撹拌、または動揺）によって影響を受けた（または影響を受けた）無線マルチパスチャネルの少なくとも１つのそれぞれのＴＳＣＩ（またはチャネルデータ）を非同期的に得ること（または受信すること、または取ること、または収集すること、または取り返すこと、または確保すること、またはフェッチすること）が含まれる。タイプ１およびタイプ２デバイスの特定の対と関連付けられた少なくとも１つのそれぞれのＴＳＣＩ（ＴＳＣＩ）は、それぞれの非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号から非同期的に抽出される（または得られる、または導出される、または収集される、または集められる、または獲得される）。それぞれの非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号は、少なくとも１つのそれぞれの特定のタイプ１デバイスのうちのそれぞれの１つから、タイプ１デバイスのそれぞれの第１の異種プロセッサ、それぞれの第１の異種メモリ、およびそれぞれの第１の異種命令セットを使用して、少なくとも１つの非同期異種タイプ２デバイスに、無線マルチパスチャネルを介して、非同期的に送信される。
場所内でのオブジェクトの動きは、タイプ３デバイスの第３のプロセッサ、第３のメモリ、および第３の命令セットを使用して、次の４つの方法のうちの少なくとも１つで、モニタされる（または追跡される、またはチェックされる、または観察される、または監督される、または観察される、または調査される）。（ａ）場所内でのオブジェクトの動きは、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられたＴＳＣＩに基づいて、個別にかつ非同期的にモニタされる、（ｂ）オブジェクトの動きは、特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的にモニタされる、（ｃ）オブジェクトの動きは、少なくとも１つのそれぞれの特定のタイプ１デバイスのうちの１つと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的にモニタされる、ならびに（ｄ）オブジェクトの動きは、タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられたＴＳＣＩに基づいて、全体的にかつ非同期的にモニタされる。
例えば、２つ以上の非同期異種タイプ１デバイスは、これらのそれぞれの非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号を同一のタイプ２デバイスに非同期的に送信し得る。（タイプ１デバイスのいくつかは、２つ以上のタイプ２デバイスに送信していることがあります。）これらの送信は、瞬間的に同期され得る。これらの送信は、非同期であり得るが、時々、タイプ１デバイスのうちの２つの無線（またはｒａｄｉｏまたはＲＦ）信号は、時間が重複し得る。これらの送信は、協調し得る。オブジェクトの動きは、タイプ２デバイスと２つ以上の非同期タイプ１デバイスのうちの１つとを備える、タイプ１およびタイプ２デバイスのＴＳＣＩに関連付けられた対に基づいて、連帯的にモニタされ得る。
別の実施例では、非同期異種タイプ１デバイスは、非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号を２つ以上の非同期異種タイプ２デバイスに送信し得る。非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号は、非同期的に、またはほぼ同期的に、または単に同期的に受信され得る。ＴＳＣＩは、受信した非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号から非同期的に抽出できる。オブジェクトの動きは、タイプ１およびタイプ２デバイスのＴＳＣＩに関連付けられた対に基づいて、連帯的にモニタされ得、各々は、非同期異種タイプ１デバイスと２つ以上の非同期異種タイプ２デバイスのうちの１つとを備える。
ＣＩは、タイプ２デバイスによって受信されたプローブ信号（マルチパスによる）、タイプ２デバイスの集積回路（ＩＣ、またはチップ）（例えば、Ｗｉ－Ｆｉチップ、ＬＴＥチップ、セルラーネットワークチップ、無線ネットワークチップ、メッシュネットワークチップ、Ｂｌｕｅｔｏｏｔｈチップ、ＵＷＢチップなど）から抽出され得る。プローブ信号は、データを含んでも含まなくてもよい。２つ以上のＣＩが受信プローブ信号から抽出され得る。送信アンテナおよび受信アンテナの各対について、１つのＣＩを抽出することができる。例えば、３つの送信アンテナを有するタイプ１デバイスおよび２つの受信アンテナを有するタイプ２デバイスについて、合計で６つのＣＩが、各プローブ信号から抽出され得る。
ＣＩは、送信アンテナおよび受信アンテナの２つ以上の対からのチャネルの情報を含み得る。ＣＩは、タイプ２デバイスから別のデバイス（例えば、近隣デバイス、コンパニオンデバイス、ペアデバイス、エッジデバイス、クラウドデバイス）に送信され得る。別のデバイスは、タイプ２デバイスと通信可能に結合され得る。別のデバイスは、別のタイプ２デバイス、タイプ１デバイス、および／または別のタイプ１デバイスであり得る。異なる異種タイプ２デバイスが場所内の異なる場所にあり得るため、異なる異種タイプ２デバイスによって得られたＣＩは、異なる場合があり、これにより、これらは、異なるマルチパスパターンを経験し得る。言い換えると、それぞれの異種タイプ２デバイスによって経験されるそれぞれの無線マルチパスチャネルは、異なり得る。ＣＩは、場所の情報（例えば、動き、周期的動き、形状、サイズ、体積、パス、方向、距離、速さ、加速度、変化、変化率など）および／または場所内の任意のオブジェクト（人々、ペット、生物、機械、可動部を有するデバイス、ドア、窓、壁、パーティション、家具、作り付け家具、配管、エアコンディショニング、暖房、ファンなど）を捕捉することができる。ＣＩは、ノイズ、位相誤差、タイミング誤差などのいくらかの固有の不完全性を有し得る。ＣＩは、前処理、処理、および／または後処理され得る。
少なくとも１つのタイプ１デバイスが少なくとも１つのタイプ２デバイスと相互作用する場合、処理、前処理、後処理、および／または他の処理は装置ごとに異なり得る。処理／前処理／後処理／その他の処理は、場所、配向、方向、役割、ユーザ関連特徴、設定、構成、利用可能なリソース、利用可能な帯域幅、ネットワーク接続、ハードウェア、ソフトウェア、プロセッサ、コプロセッサ、メモリ、電池寿命、利用可能な電力、アンテナ、アンテナ種類、アンテナの指向性／単指向性、電力設定、および／またはデバイスのその他のパラメータ／特徴に基づき得る。
任意の前処理、処理、および／または後処理は１つ以上の閾値を必要とし得る。任意の閾値は、事前に決定され、適応的に決定され、および／または有限状態機械によって決定され得る。適応的な決定は、時間、空間、位置、アンテナ、パス、リンク、状態、バッテリ寿命、残バッテリ寿命、使用可能電力、使用可能計算資源、使用可能ネットワーク帯域幅に基づき得る。
異種タイプ１デバイスから異種タイプ２デバイスに送信された無線（またはｒａｄｉｏまたはＲＦ）信号は、一連のプローブ信号であり得る。各プローブ信号は、インパルス、多くの（例えば、２、３、４、またはそれ以上）インパルス、または別の信号波形であり得る。別の信号波形は、無線マルチパスチャネルに基づき得る。インパルス数の時間間隔は、時間の経過と共に変化し得る。（例えば、第２および第３のインパルスの間の時間間隔は、第１および第２のインパルスの間の時間間隔とは異なり得る）。異なるインパルスの大きさは、異なり得る（例えば、第１のインパルスは、第２のインパルスよりも強いまたは弱い）。異なるインパルスの形状は、異なり得る。（例えば、第１のインパルスは、狭い三角波形を有し得、一方、第２のインパルスは、更に別の波形を有し得る）。プローブ信号は、時間の経過と共に適応するように変化し得る。プローブ信号（単数または複数）は、異なるチャネル、異なる空間時間周波数チャネル、異なるアンテナなどに対して異なり得る。プローブ信号（単数または複数）は、異なるタイプ１デバイスおよび／またはタイプ２デバイスに対して異なり得る。プローブ信号は、（例えば、１つ以上のタイプ２デバイスからの）フィードバック信号に基づいて変更され得る。プローブ信号（単数または複数）は、データを含んでもよい。いくつかのプローブ信号は、データを含み得るが、いくつかのその他のプローブ信号は、データを含まない場合がある。
一連のプローブ信号は、規則的な間隔（例えば、隣接するプローブ信号間の間隔が２５ｍｓ（１／４０秒）で、１秒当たり４０プローブ信号）または不規則的な間隔（例えば、無線チャネルがそれほどビジーではないかビジーではないときに送られるプローブ信号、または適応的にまたは要望に応じて、短く／長く／長いバーストで送られるプローブ信号）であり得る。各プローブ信号と関連付けられた規則的な間隔および／または波形は、時間の経過と共に変化し得る。例えば、プローブ信号は、ある期間（例えば、１日、１時間、または２０秒）に対して１秒当たり４０プローブ信号であり得、別の期間に対して１秒当たり2200プローブ信号に変更され得る。変更は、ユーザ入力、システム命令、タスク、タスクの変更、場所、場所の変更、それぞれのオブジェクト、それぞれのオブジェクトの変更、それぞれのオブジェクトのそれぞれの動き、それぞれのオブジェクトのそれぞれの動きの変更、および／またはそれぞれのオブジェクトのそれぞれのオブジェクト／それぞれの動きのモニタに基づき得る。それぞれのオブジェクトの２つは同じオブジェクトであり得る。それぞれのオブジェクトのいずれも同じオブジェクトであり得る。
２つ以上の異種タイプ１デバイスが存在し得る。タイプ１デバイス（および／またはタイプ２デバイス）は、異種であり得る。例えば、タイプ１デバイス（および／もしくはタイプ２デバイス）は、Ｗｉ－Ｆｉアクセスポイントであり得、別のタイプ１デバイス（および／もしくはタイプ２デバイス）は、スマートＴＶであり得、ならびに／または更に別のタイプ１デバイスは、一連のプローブ信号を送るための専用のシンプルデバイスであり得る（および／もしくは更に別のタイプ２デバイスは、一連のプローブ信号を受信し、それらを通過させるための専用のシンプルデバイスであり得る）。異なるタイプ１デバイス（および／またはタイプ２デバイス）は、様々な機能、ブランド（例えば、Ｓｏｎｙ、Ｓａｍｓｕｎｇ、Ｐｈｉｌｉｐｓ、Ａｐｐｌｅなど）、モデル、サイズ、フォームファクタ、形状、色、モジュール、アンテナ、回路、論理回路、プロセッサ、クロック、バス、メモリ、メモリバス、ストレージ、命令セット、電源（例えば、ＡＣまたはＤＣ、充電可能バッテリなど）、チップ（ＩＣ）、チップセット、ファームウェア、ソフトウェア、ネットワーク接続、優先度、アクセス権、セキュリティ設定などを有し得る。
デバイスは、タイプ１デバイスおよびタイプ２デバイスとして機能し得る。デバイスは、一時はタイプ１デバイスとして機能し、別の時にタイプ２デバイスとして機能し得る。デバイスは、同時にタイプ１デバイスおよびタイプ２デバイスとして機能し得る。
異種タイプ１デバイスおよび／または異種タイプ２デバイスは、集積回路（ＩＣ）を備えることができる。ＩＣは、規格に準拠し得る。ＩＣは、２つ以上の規格／プロトコル（例えば、８０２．１１ａ／ｂ／ｅ／ｇ／ｎ／ａｃ／ａｘ、２Ｇ／２．５Ｇ／３Ｇ／３．５Ｇ／４Ｇ／ＬＴＥ／５Ｇ／６Ｇ、８０２．１６、メッシュネットワーク、アドホックネットワーク、４Ｇ超、Ｂｌｕｅｔｏｏｔｈ、ＢＬＥ、別のネットワーク、ＵＷＢ、ＲＦＩＤなど）をサポートし得る。タイプ１またはタイプ２デバイスは、動きを検出し、別のデバイス（例えば、ＴＶ、ファン、無線、スピーカ、照明、エアコンディショナ、ヒーター、電気器具、セキュリティシステムなど）を制御することができる。異種タイプ１デバイスおよび／またはタイプ２デバイスは、２つ以上のアンテナを備えることができる。アンテナは、異種であり得る。アンテナは、指向性または全指向性であり得る。アンテナは、円／楕円状、直線状、格子状、または別のパターン、または別の配置順に配置され得る。特定の異種タイプ１デバイスは、特定のタイプ２デバイスとの通信リンクを確立してもしなくてもよい。タイプ３デバイスは、ネットワークサーバ、クラウドサーバ、フォグサーバ、エッジサーバ、ローカルサーバ、ローカルクライアント、スマートデバイス、スマートフォン、モノのインターネットデバイスであり得る。タイプ３プロセッサは、異種タイプ１デバイスまたは異種タイプ２デバイスであり得る。
各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対の各々について、タイプ１およびタイプ２デバイスのそれぞれの特定の対と関連付けられた少なくとも１つのそれぞれのＴＳＣＩに基づいて、オブジェクトの動きと関連付けられた少なくとも１つのそれぞれの異種動き情報を非同期的に計算する（または得る、または算出する、または推定する、または決定する、または評価する）ことができる。
場所内でのオブジェクトの動きは、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられた、非同期的に計算された異種動き情報に基づいて、個別にかつ非同期的にモニタされ得る。オブジェクトの動きは、特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種動き情報に基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、それぞれの特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種動き情報に基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種動き情報に基づいて、全体的にかつ非同期的にモニタされ得る。例えば、少なくとも１つの組み合わされたスコアは、全スコアに基づいて計算され得、オブジェクトの動きは、少なくとも１つの組み合わされたスコアに基づいて連帯的にモニタされ得る。計算は、第１のプロセッサ、第２のプロセッサ、第３のプロセッサ、コンパニオンプロセッサ、クラウドサーバ、フォグサーバ、および／またはローカルサーバ間で共有され得る。
各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対の各々について、無線デバイスのそれぞれの特定の対と関連付けられた少なくとも１つのそれぞれのＴＳＣＩのそれぞれの現在の窓とそれぞれの過去の窓との間のそれぞれの異種類似性スコアは、非同期的に計算され得る。
場所内でのオブジェクトの動きは、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられた、非同期的に計算された異種類似性スコアに基づいて、個別にかつ非同期的にモニタされ得る。オブジェクトの動きは、特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、それぞれの特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、全体的にかつ非同期的にモニタされ得る。
１つの（または２つ以上の、またはすべての）ＴＳＣＩの現在の窓および過去の窓の各々は、ベクトルとして表現され得るか、またはベクトルに変換され得る。類似性スコアは、絶対距離、ユークリッド距離、またはその他の距離などの２つのベクトル間の距離であり得る。ＣＩ（またはＣＩの窓、またはＣＩのスライディング窓）は、確率プロセスとみなすことができる。類似度は、相互共分散（cross-covariance）または自己共分散（auto-covariance）であり得る。１に近い共分散は、非常に類似した（または相関が高い）２つのＣＩ（またはＣＩの２つの窓）を意味する場合がある。平均がゼロであるＣＩの場合、共分散は、相関となり得る。内積は、相関を計算する方法の１つであり得る。
２つのベクトルの内積：各ＣＩについてＮ個のコンポーネントを仮定する。ＣＩと関連付けられたベクトルは、Ｎ個のコンポーネントを含むＮタプルであり得る。２つ以上のＴＳＣＩが存在することができ、Ｍ≧１でのＭ個の時系列である。特定の時間でのＭ ＣＩ時系列と関連付けられたベクトルは、特定の時間でのＭ ＣＩのＮ個のコンポーネントを含むＫタプル（Ｋ＝Ｍ×Ｎ）であり得る。Ｐ≧１のＰ ＣＩを含むＴＳＣＩの窓を考慮する。窓と関連付けられたベクトルは、窓のＰ ＣＩのＮ個のコンポーネントを含むＫタプル（Ｋ＝Ｐ＊Ｎ）であり得る。各ＴＳＣＩのＰ≧１のＰ ＣＩの窓を含むＭ ＣＩ（ＣＩ）時系列の合成窓（composite window）を考慮する。合成窓と関連付けられたベクトルは、Ｍ時系列の各々の窓のＰ ＣＩのＮ個のコンポーネントを含むＫタプル（Ｋ＝Ｐ＊Ｍ＊Ｎ）であり得る。ｉ番目（ｉ＝１，．．．，Ｍ）のＴＳＣＩのＰ＿ｉ≧１でのＰ＿ｉ ＣＩの窓を含むＭ ＣＩ時系列の合成窓を考慮する。合成窓と関連付けられたベクトルは、ｉ番目（ｉ＝１，２，．．．，Ｍ）のＴＳＣＩの窓のＰ＿ｉ ＣＩのＮ個のコンポーネントを含む、Ｋタプル（Ｋ＝（Ｐ＿１＋Ｐ＿２＋．．．＋Ｐ＿Ｍ）＊Ｎであり得る。
少なくとも１つのそれぞれのＴＳＣＩは、少なくとも１つのそれぞれのコンポーネントを有し得る。各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対の各々について、ならびに少なくとも１つのそれぞれのコンポーネントの各々について、以下を行うことができる。（ａ）少なくとも１つのそれぞれのＴＳＣＩのコンポーネントのそれぞれの現在のコンポーネント窓は、それぞれの現在の窓に基づいて、非同期的に決定され得る、（ｂ）少なくとも１つのそれぞれのＴＳＣＩのコンポーネントのそれぞれの過去のコンポーネント窓は、それぞれの過去の窓に基づいて、非同期的に決定され得る、（ｃ）それぞれの現在のコンポーネント窓は、それぞれの過去のコンポーネント窓とコンポーネント毎に非同期的に比較され得る、（ｄ）オブジェクトの動きは、それぞれの現在のコンポーネント窓とそれぞれの過去のコンポーネント窓との非同期的なコンポーネント毎の比較に基づいて、コンポーネント毎にモニタされ得る。
場所内でのオブジェクトの動きは、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられた、非同期的なコンポーネント毎の比較に基づいて、個別にかつ非同期的にモニタされ得る。オブジェクトの動きは、特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的なコンポーネント毎の比較に基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、それぞれの特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的なコンポーネント毎の比較に基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的なコンポーネント毎の比較に基づいて、全体的にかつ非同期的にモニタされ得る。
例えば、各ＣＩは、Ｎ個の要素（コンポーネント）を有する集合／レコード、Ｎ個の項目／特徴／特徴／行動測定（コンポーネント）のコレクション、Ｎタプル、Ｎ列のマトリックス（各列がコンポーネントである）、Ｎ行のマトリックス（各行がコンポーネントである）、Ｎコンポーネントベクトル、Ｎコンポーネントチャネル応答、Ｎコンポーネント時間信号、Ｎコンポーネントチャネル、Ｎコンポーネントチャネルインパルス応答（ＣＩＲ）、Ｎコンポーネント周波数信号、Ｎコンポーネントチャネル周波数応答（ＣＦＲ）などを含み得る。Ｎ個のコンポーネントは、同種または異種であり得る。
各コンポーネントは、異なっていてもよい。例えば、あるコンポーネントは、複素数であってもよく、別のコンポーネントは、論理値であってもよい。各コンポーネントは、周波数、周波数サブキャリア、周波数帯域、時間、タイムラグ、時間窓、期間、および／またはカウントのうちの少なくとも１つと関連付けられ得る。現在の窓（または現在のコンポーネント窓）内のＣＩの量および／または過去の窓（または過去のコンポーネント窓）内のＣＩの量は、同一かまたは異なり得る。現在の窓および／または過去の窓内のＣＩの量は、経時変化し得る。複素共役を適用することができる。複素共役を適用することができる。
比較には、前処理、信号調整、ノイズ除去、位相補正、タイミング補正、タイミング補償、位相オフセット補償、変換、射影、フィルタリング、特徴抽出、有限状態機械、機械学習、ニューラルネットワーク、ディープラーニング、訓練判別、加重平均などが含まれ得る。例えば、過去の動き情報は、過去のＣＩ、オブジェクトの動きと関連付けられた過去のＣＩ、過去の比較、過去の動き決定、過去の動き統計、過去のスコア、過去の類似性スコア、過去のコンポーネント類似性スコア、過去のデバイス毎の類似性スコアなどであり得る。
各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対の各々について、少なくとも１つのコンポーネントの各々について、コンポーネント類似性スコアは、それぞれの現在のコンポーネント窓およびそれぞれの過去のコンポーネント窓に基づいて、非同期的に計算され得る。
それぞれの異種類似性スコアは、少なくとも１つのコンポーネント類似性スコアの異種関数として、非同期的に計算され得る。異種関数は、代表値、標準値、加重平均、百分位数、最大、最小、４０％四分位数、５０％四分位数、６０％四分位数、平均、メジアン、最頻値、和、積、根、算術平均、幾何平均、調和平均、一般化平均、順序統計量、トリムド平均、統計的関数、期待値、分散、選択されたもの、および／または別の関数のうちの少なくとも１つを含み得る。
場所内でのオブジェクトの動きは、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられた、異種類似性スコアおよび少なくとも１つのコンポーネント類似性スコアのうちの少なくとも１つに基づいて、個別にかつ非同期的にモニタされ得る。オブジェクトの動きは、特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、異種類似性スコアおよび少なくとも１つのコンポーネント類似性スコアの少なくとも１つに基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、それぞれの特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、異種類似性スコアおよび少なくとも１つのコンポーネント類似性スコアのうちの少なくとも１つに基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、異種類似性スコアおよび少なくとも１つのコンポーネント類似性スコアのうちの少なくとも１つに基づいて、全体的にかつ非同期的にモニタされ得る。
関数は、代表値、標準値、加重平均、百分位数、最大、最小、１０％四分位数、２０％四分位数、３０％四分位数、４０％四分位数、５０％四分位数、６０％四分位数、７０％四分位数、８０％四分位数、９０％四分位数、平均、メジアン、最頻値、和、積、根、算術平均、幾何平均、調和平均、一般化平均、順序統計量、トリムド平均、統計的関数、期待値、分散、閾値法、カウント、および／または選択されたもののうちの少なくとも１つを含み得る。
特徴抽出は、サンプリングされた特徴、統計的特徴、時間領域特徴、周波数領域特徴、分解、特異値分解、主コンポーネント分析、独立コンポーネント分析、前処理、信号処理、後処理、変換、線形処理、非線形処理、信号調整、信号処理、代表値、標準値、加重平均、百分位数、最大、最小、１０％四分位数、２０％四分位数、３０％四分位数、４０％四分位数、５０％四分位数、６０％四分位数、７０％四分位数、８０％四分位数、９０％四分位数、平均、メジアン、最頻値、和、積、根、算術平均、幾何平均、調和平均、一般化平均、順序統計量、トリムド平均、統計的関数、期待値、分散、閾値法、クラスタリング、訓練、機械学習、ニューラルネットワーク、ディープラーニング、カウント、および／またはロバスト処理などのうちの少なくとも１つを含み得る。
各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対の各々について、少なくとも１つのコンポーネントの各々について、それぞれのコンポーネント類似性スコアがそれぞれのコンポーネント閾値以上であるもののうちの少なくとも１つである場合、オブジェクトの動きは、コンポーネント毎に非同期的に検出され得る。
場所内でのオブジェクトの動きは、次のうちの少なくとも１つである場合、個別にかつ非同期的に検出され得る。特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられた異種類似性スコアの第１の関数が、それぞれの第１の個別の閾値以上であるもののうちの少なくとも１つである、ならびに／または特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられたコンポーネントの第１の選択されたグループにおけるコンポーネント毎の動き検出の第１のパーセンテージがそれぞれの第２の個別の閾値以上であるもののうちの少なくとも１つである。オブジェクトの動きは、次のうちの少なくとも１つである場合、連帯的にかつ非同期的に検出され得る。特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた異種類似性スコアの第２の関数がそれぞれの第１の共同の閾値以上であるもののうちの少なくとも１つである、ならびに／または特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられたコンポーネントの第２の選択されたグループにおけるコンポーネント毎の動き検出の第２のパーセンテージがそれぞれの第２の共同の閾値以上であるもののうちの少なくとも１つである。オブジェクトの動きは、次のうちの少なくとも１つである場合、連帯的にかつ非同期的に検出され得る。それぞれの特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた異種類似性スコアの第３の関数がそれぞれの第３の共同の閾値以上であるもののうちの少なくとも１つである、ならびに／またはそれぞれの特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられたコンポーネントの第３の選択されたグループにおけるコンポーネント毎の動き検出の第３のパーセンテージがそれぞれの第４の共同の閾値以上であるもののうちの少なくとも１つである。オブジェクトの動きは、次のうちの少なくとも１つである場合、全体的にかつ非同期的に検出され得る。タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた異種類似性スコアの第４の関数がそれぞれの第１のグローバル閾値以上であるもののうちの少なくとも１つである、ならびに／またはタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられたコンポーネントの第４の選択されたグループにおけるコンポーネント毎の動き検出の第４のパーセンテージがそれぞれの第２のグローバル閾値以上であるもののうちの少なくとも１つである。
第１の関数、第２の関数、第３の関数、および／または第４の関数は、線形関数、非線形関数、平均、加重平均、算術平均、幾何平均、調和平均、一般化平均、トリムド平均、ロバスト平均、加重平均（weighted mean）、メジアン、最頻値、および／または別の関数であり得る。第１の関数、第２の関数、第３の関数、および／または第４の関数のうちの２つまたはそれ以上は、数学的に同様であり得る。個別の閾値および／または共同の閾値は、０．１、０．２、０．３、０．４、０．５、０．６、０．７、０．８、０．９、および／または別の閾値であり得る。それは、経時変化し得る。２つまたはそれ以上の閾値は、いくつかの現在の時間で同一または異なる場合がある。
場所内でのオブジェクトの動きは、場所内でのオブジェクトの動きにより影響を受けた別の無線マルチパスチャネルの別のＴＳＣＩに更に基づいて、非同期的にモニタすることができる。別のＴＳＣＩは、非同期異種タイプ３無線デバイスから非同期異種タイプ４無線デバイスに別の無線マルチパスチャネルを介して送信された別の非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号から抽出することができる。例えば、タイプ１およびタイプ２デバイスは、Ｗｉ－Ｆｉデバイスであり得、一方、タイプ３およびタイプ４デバイスは、ＬＴＥ、ＢＬＥ、ＲＦＩＤ、または別のＷｉ－Ｆｉデバイスであり得る。例えば、タイプ１およびタイプ２は、２．４ＧＨｚのＷｉ－Ｆｉであり得、一方、タイプ３およびタイプ４デバイスは、５ＧＨｚのＷｉ－Ｆｉであり得る。
選択されたコンポーネントのグループ（例えば、第１の、第２の、第３の、第４の選択されたコンポーネントのグループ）は、有意なコンポーネントのグループ、有意でないコンポーネントのグループ、重要なコンポーネント、重要でないコンポーネント、改善コンポーネント、減衰コンポーネント、良コンポーネント、悪コンポーネント、ある行動／傾向を有するコンポーネント、意見に影響するコンポーネント、ターゲットコンポーネント、有意なエネルギを有するコンポーネント、有意なエネルギを有する分解コンポーネントのグループ、モニタのために有意な／有用な／敏感なコンポーネントのグループ、訓練段階で学習されたコンポーネントのグループ、何らかの方法で選択されたコンポーネントのグループであり得る。例えば、選択されたコンポーネントは、モニタされるいくつかのターゲットイベントに対して敏感であり／明らかであり／区別され／識別され得る。第１の、第２の、第３の、第４の選択されたコンポーネントのグループのうちの２つまたはそれ以上は、重複していてもよく、および／または同一であってもよい。例えば、多数決は、閾値が０．５（５０％）で実施できる。パーセンテージが５０％より大きい場合、動きは、検出され得る。
各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対の各々について、タイプ１およびタイプ２デバイスのそれぞれの特定の対と関連付けられた少なくとも１つのそれぞれのＴＳＣＩに基づいて、オブジェクトの動きと関連付けられた少なくとも１つのそれぞれの異種動き情報を非同期的に計算することができる。
少なくとも１つのそれぞれのＴＳＣＩのそれぞれの過去の窓を有する無線デバイスのそれぞれの特定の対と関連付けられた少なくとも１つのそれぞれのＴＳＣＩのそれぞれの現在の窓を、非同期的に比較できる。少なくとも１つのそれぞれのＴＳＣＩのそれぞれの現在の窓とそれぞれの過去の窓との間のそれぞれの異種類似性スコアは、非同期的に計算され得る。
場所内でのオブジェクトの動きは、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられた、非同期的に計算された異種動き情報および異種類似性スコアに基づいて、個別にかつ非同期的にモニタされ得る。オブジェクトの動きは、特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種動き情報および異種類似性スコアに基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、それぞれの特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種動き情報および異種類似性スコアに基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種動き情報および異種類似性スコアに基づいて、全体的にかつ非同期的にモニタされ得る。
例えば、タイプ１およびタイプ２デバイスは、（Ｗｉ－Ｆｉ信号である無線（またはｒａｄｉｏまたはＲＦ）信号を有する）Ｗｉ－Ｆｉデバイスであり得、一方、タイプ３およびタイプ４デバイスは、（ＬＴＥ信号である別の無線（またはｒａｄｉｏまたはＲＦ）信号を有する）ＬＴＥデバイスであり得る。別の実施例では、タイプ１およびタイプ２デバイスは、第１のＳＳＩＤ（例えば、「ｍｙ ｈｏｍｅ ｎｅｔｗｏｒｋ」）を有するＷｉ－Ｆｉネットワークを使用するＷｉ－Ｆｉデバイスであってもよく、一方、タイプ３およびタイプ４デバイスは、第２のＳＳＩＤ（例えば、「Ｙｏｕｒ Ｎｅｉｇｈｂｏｒｈｏｏｄ」）を有するＷｉ－Ｆｉネットワークを使用するＷｉ－Ｆｉデバイスであってもよい。別の実施例では、タイプ１、タイプ２、タイプ３、およびタイプ４デバイスは、同一のＷｉ－Ｆｉネットワーク内にあってもよい。タイプ１およびタイプ２デバイスは、２０ＭＨｚの帯域幅を使用している場合があり、一方、タイプ３およびタイプ４デバイスは、４０ＭＨｚの帯域幅を使用している場合がある。
タイプ１デバイスおよびタイプ３デバイスは、同一のデバイスまたは異なるデバイスであり得る。タイプ２デバイスおよびタイプ４デバイスは、同一のデバイスであり得る。タイプ１デバイスは、タイプ３デバイスであり得、その逆も同様であり得る。タイプ２デバイスは、タイプ４デバイスであり得、その逆も同様であり得る。
場所のマップは、２つ以上の領域に仕切ることができる。オブジェクトの動きは、次のうちの少なくとも１つに基づいて、場所のマップの２つ以上の領域のうちの少なくとも１つと非同期的に関連付けられ得る。（ａ）特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられた、非同期的に計算された異種動き情報、（ｂ）特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種動き情報、（ｃ）それぞれの特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種動き情報、ならびに（ｄ）タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種動き情報。
それぞれの類似性スコアは、少なくとも１つのそれぞれの動き情報のうちの１つであり得る。それぞれの現在の窓は、それぞれの過去の窓として同一または異なる持続時間（または長さ）を有し得る。異なるタイプ２デバイスと関連付けられた現在の窓は、異なっている場合がある。異なるタイプ２デバイスと関連付けられた過去の窓もまた、異なっている場合がある。現在の窓および過去の窓は、同一量のＣＩ、同一の持続時間、同一の前処理、同一の処理、同一の後処理、および／または同一の設定を有し得る。現在の窓および過去の窓は、異なる量のＣＩ、異なる持続時間、異なる前処理、異なる処理、異なる後処理、および／または異なる設定を有し得る。
タイプ１およびタイプ２デバイスの各それぞれの対について、少なくとも１つのそれぞれの異種動き情報のそれぞれの特徴空間は、タイプ１およびタイプ２デバイスのそれぞれの対と関連付けられて２つ以上のそれぞれの特徴セグメントに仕切ることができる。各それぞれの特徴セグメントと場所のマップの２つ以上の領域のうちの少なくとも１つとを関連付けるそれぞれのマッピングを構成することができる。オブジェクトの動きは、それぞれのマッピングに基づいて、場所のマップの２つ以上の領域のうちの少なくとも１つと非同期的に個別に関連付けられ得る。タイプ１およびタイプ２デバイスの２つ以上の対と関連付けられた異種動き情報の共同特徴空間を２つ以上の共同特徴セグメントに仕切ることができる。各共同特徴セグメントと場所のマップの２つ以上の領域のうちの少なくとも１つとを関連付ける共同マッピングを構成することができる。オブジェクトの動きは、共同マッピングに基づいて、場所のマップの２つ以上の領域のうちの特定の１つと関連付けられ得る。
２つ以上の領域のうちの２つまたはそれ以上は、重複していてもよい。領域は、別の領域の部分集合であり得る。領域は、２つ以上のその他の領域の和集合であり得る。領域の場所は、１つ以上のタイプ２デバイスの場所に関する場合がある。マップおよび／または領域は、１次元、２次元、３次元、または高次元であり得る。２Ｄ領域は、矩形、正方形、円形、楕円形、またはその他の形状であってもよい。領域は、凹状または凸状であり得る。いくつかの領域は、大きい場合がある。いくつかは、小さい場合がある。２つ以上の領域は、独立した領域への場所の分解（例えば、多解像度分解）または重複領域を含み得る。２つ以上の領域は、規則的または不規則的であり得る。
タイプ１およびタイプ２デバイスの各それぞれの対について、タイプ１およびタイプ２デバイスのそれぞれの特定の対と関連付けられた少なくとも１つのそれぞれのＴＳＣＩのそれぞれの現在の窓とそれぞれの過去の窓との間のそれぞれの異種類似性スコアは、非同期的に計算され得る。
特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられた異種類似性スコアの第１の関数がそれぞれの個別の閾値以上であるもののうちの少なくとも１つである場合、場所内でのオブジェクトの動きは、個別にかつ非同期的に検出され得る。特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた異種類似性スコアの第２の関数がそれぞれの共同の閾値以上であるもののうちの少なくとも１つである場合、場所内でのオブジェクトの動きは、連帯的にかつ非同期的に検出され得る。それぞれの特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた異種類似性スコアの第３の関数が別のそれぞれの共同の閾値以上であるもののうちの少なくとも１つである場合、場所内でのオブジェクトの動きは、連帯的にかつ非同期的に検出され得る。タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた異種類似性スコアの第４の関数がそれぞれのグローバル閾値以上であるものうちの少なくとも１つである場合、場所内でのオブジェクトの動きは、全体的にかつ非同期的に検出され得る。
特徴は、動き情報、または１つ以上の動き情報の特徴／特徴／関数であり得る。特徴は、異種であり得る。例えば、ある特徴は実数であってもよく、別の特徴はブーリアンであってもよく、別のものは複素数／ベクトルであってもよく、別のものは集合であってもよく、更に別のものは物のコレクションであってもよい。特徴は、１つ以上の動き情報に演算を適用することによって得られ得る。特徴空間は、空間または部分空間であり得る。特徴空間は、特徴のうちの１つ以上によって広がり得る。いくつかの特徴セグメントは、超平面および／または多様体によって、仕切られ／束縛され／定義され得る。いくつかの特徴セグメントは、スカラー量子化および／またはベクトル量子化によって、仕切られ／定義され得る。特徴空間は、セル（例えば、すべての次元で均一な長さの「矩形」）に分解／分割され得る。特徴セグメントは、隣接するセルまたは近接していないセルの和集合であり得る。共同特徴空間は、それぞれの特徴空間の和集合であり得る。異なるタイプ２デバイスの特徴空間の次元は、異なっていてもよい。それぞれのマッピングまたは共同マッピングは、１対１、１対多、多対１、または多対多であり得る。マッピングは、上書きされ得る。
情報は、モニタデバイスによって非同期的に信号で送られ、提示され、表示され、再生され、送信され、記憶され得る。情報は、場所のマップ、マップの２つ以上の仕切られた領域、任意の検出されたオブジェクトの動きと関連付けられた領域、タイプ１およびタイプ２デバイスの少なくとも１つの対と関連付けられた異種動き情報、コンポーネント類似性スコア、異種類似性スコア、過去の動き情報、過去の類似性スコア、別の過去の情報、タイプ１デバイス、タイプ２デバイス、タイプ３デバイス、および／またはタイプ４デバイスのうちの少なくとも１つと関連付けられ得る。信号で伝えること（signaling）には、分析すること、分解すること、変換すること、処理すること、フィルタすること、順序付けすること、整列すること、フォーマットすること、整理すること、プレゼンテーションすること、表示すること、再生すること、送信すること、および／または記憶することを含み得る。
場所は、２次元（例えば、２次元座標による）、３次元（例えば、３次元座標による）であり得る。場所は、相対的（例えば、マップに関する）、または関係的（例えば、点Ａと点Ｂとの間の中間点、コーナーの周り、階段の上、テーブルの上、天井にて、フロアの上、ソファの上、点Ａの近く、点Ａからの距離Ｒ、点Ａから半径Ｒの範囲内、など）であり得る。場所は、直交座標、極座標、および／または別の表現で表示され得る。
情報（例えば、場所）は、少なくとも１つの記号でマークされ得る。記号は、経時変化し得る。記号は、色／強度を変えながらまたは変えずに、点滅および／または振動し得る。サイズは、時間の経過と共に変化し得る。記号の配向（orientation）は、時間の経過と共に変化し得る。記号は、瞬間の量（例えば、ユーザのバイタルサイン／呼吸数／心拍数／ジェスチャー／状態／ステータス／アクション／動き、温度、ネットワークトラフィック、ネットワーク接続性、デバイス／機械のステータス、デバイスの残電力、デバイスのステータスなど）を反映する数字であり得る。変化率、サイズ、配向、色、強度、および／または記号は、それぞれの動きを反映し得る。情報は、（例えば、事前に録音された音声、または音声合成を使用して）口頭で説明され得る。情報は、テキストで記載され得る。情報はまた、機械的な方法（例えば、アニメーション化ガジェット、可動部の運動）で表示され得る。
ユーザインターフェース（user-interface：ＵＩ）デバイスは、スマートフォン（例えば、ｉＰｈｏｎｅ、Ａｎｄｒｏｉｄフォン）、タブレット（例えば、ｉＰａｄ）、ラップトップ（例えば、ノートブックコンピュータ）、パーソナルコンピュータ（personal computer：ＰＣ）、グラフィカルユーザインターフェース（graphical user interface：ＧＵＩ）を有するデバイス、スマートスピーカ、ボイス／オーディオ／スピーカ機能を有するデバイス、バーチャルリアリティー（ＶＲ）デバイス、拡張現実感（augmented reality：ＡＲ）デバイス、スマートカー、車内ディスプレイ、ボイスアシスタント、車内ボイスアシスタントなどであり得る。
マップは、二次元マップ、三次元マップおよび／または高次元マップであり得る。（例えば、経時変化２Ｄ／３Ｄマップ）壁、窓、ドア、入口、出口、禁止エリアがマップ上にマークされ得る。マップは、施設の間取り図を含み得る。マップは、１つ以上の層（オーバーレイ）を有し得る。マップは、配水管、ガス管、配線、ケーブル配線、送風管、クロールスペース、天井レイアウト、地下レイアウトのうちの少なくとも１つを含むメンテナンスマップであり得る。
別の実施形態では、無線（またはｒａｄｉｏまたはＲＦ）モニタシステムは、少なくとも１つの非同期異種タイプ１無線（またはｒａｄｉｏ）デバイスと、少なくとも１つの非同期異種タイプ２無線（またはｒａｄｉｏまたはＲＦ）デバイスと、を備える。無線（またはｒａｄｉｏまたはＲＦ）モニタシステムは、タイプ１およびタイプ２デバイスの少なくとも１つの対を備え、各対は、少なくとも１つのタイプ１デバイスのうちの１つと少なくとも１つのタイプ２デバイスのうちの１つとを備える。
特定の非同期異種タイプ２デバイスは、無線（またはｒａｄｉｏまたはＲＦ）モニタシステムのタイプ１およびタイプ２デバイスの少なくとも１つの特定の対にある。特定のタイプ２デバイスは、タイプ１およびタイプ２デバイスの少なくとも１つの特定の対を介して、少なくとも１つの特定のタイプ１デバイスと関連付けられる。
無線（またはｒａｄｉｏ）モニタシステムの特定の非同期異種タイプ２デバイスは、無線回路と、第２の異種プロセッサと、第２の異種メモリと、第２の異種命令セットと、を備える。
無線回路は、少なくとも１つの非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号を非同期的に受信する。各非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号は、少なくとも１つの特定のタイプ１デバイスのうちの１つによって、タイプ１デバイスのそれぞれの第１の異種プロセッサ、それぞれの第１の異種メモリ、およびそれぞれの第１の異種命令セットを使用して、少なくとも１つの非同期異種タイプ２デバイスに、場所内でのオブジェクトの動きにより影響を受けた無線マルチパスチャネルを介して、非同期的に送信される。
第２の異種プロセッサは、無線回路と通信可能に結合される。第２の異種メモリは、第２の異種プロセッサと通信可能に結合される。第２の異種命令セットは、第２の異種メモリに記憶され、これは、実行されると、第２の異種プロセッサに、タイプ１およびタイプ２デバイスの少なくとも１つの特定の対の各々について、無線マルチパスチャネルの少なくとも１つのそれぞれの一連のＣＩ（ＴＳＣＩ）を非同期的に得させる。タイプ１およびタイプ２デバイスの特定の対と関連付けられた少なくとも１つのそれぞれのＴＳＣＩは、無線回路によって非同期的に受信されたそれぞれの非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号から非同期的に抽出されている。
次のうちの１つが実施される。（ａ）場所内でのオブジェクトの動きは、タイプ３デバイスの第３のプロセッサ、第３のメモリ、および第３の命令セットを使用して、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられたＴＳＣＩに基づいて、個別にかつ非同期的にモニタされる、（ｂ）オブジェクトの動きは、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの任意の対と関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的にモニタされる、（ｃ）オブジェクトの動きは、少なくとも１つの特定のタイプ１デバイスのうちの１つを含むタイプ１およびタイプ２デバイスの任意の対と関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的にモニタされる、ならびに／または（ｄ）オブジェクトの動きは、タイプ１およびタイプ２デバイスの任意の対と関連付けられたＴＳＣＩに基づいて、全体的にかつ非同期的にモニタされる。
別の実施形態では、無線（またはｒａｄｉｏまたはＲＦ）モニタシステムは、少なくとも１つの非同期異種タイプ１無線（またはｒａｄｉｏ）デバイスと、少なくとも１つの非同期異種タイプ２無線（またはｒａｄｉｏまたはＲＦ）デバイスと、を備える。無線（またはｒａｄｉｏ）モニタシステムは、タイプ１およびタイプ２デバイスの少なくとも１つの対を備え、各対は、少なくとも１つのタイプ１デバイスのうちの１つと少なくとも１つのタイプ２デバイスのうちの１つとを備える。
特定の非同期異種タイプ１デバイスは、無線（またはｒａｄｉｏ）モニタシステムのタイプ１およびタイプ２デバイスの少なくとも１つの特定の対にある。特定のタイプ１デバイスは、タイプ１およびタイプ２デバイスの少なくとも１つの特定の対を介して、少なくとも１つの特定のタイプ２デバイスと関連付けられる。
無線（またはｒａｄｉｏ）モニタシステムの特定の非同期異種タイプ１デバイスは、無線回路と、第１のプロセッサと、第１のメモリと、第１の命令セットと、を備える。第１のプロセッサは、無線回路と通信可能に結合される。第１のメモリは、第１のプロセッサと通信可能に結合される。第１の命令セットは、第１のメモリ中に記憶され、これは、実行されると、第１のプロセッサに、無線回路を使用して、非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号を特定のタイプ１デバイスから少なくとも１つの特定のタイプ２デバイスに場所内でのオブジェクトの動きにより影響を受けた無線マルチパスチャネルを介して非同期的に送信させる。
少なくとも１つの特定のタイプ２デバイスの各々について、無線回路によって送信された非同期異種無線信号（またはｒａｄｉｏまたはＲＦ）から抽出された無線マルチパスチャネルの少なくとも１つの一連のＣＩ（ＴＳＣＩ）は、タイプ２デバイスの第２のプロセッサ、第２のメモリ、および第２の命令セットを使用して、タイプ２デバイスによって得られる。
次のうちの少なくとも１つが実施される。（ａ）場所内でのオブジェクトの動きは、タイプ３デバイスの第３のプロセッサ、第３のメモリ、および第３の命令セットを使用して、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられたＴＳＣＩに基づいて、個別にかつ非同期的にモニタされる、（ｂ）特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの任意の対と関連付けられたＴＳＣＩに基づいて、オブジェクトの動きを連帯的にかつ非同期的にモニタすることと、（ｃ）少なくとも１つの特定のタイプ２デバイスのうちの１つを含むタイプ１およびタイプ２デバイスの任意の対と関連付けられたＴＳＣＩに基づいて、オブジェクトの動きを連帯的にかつ非同期的にモニタすることと、（ｄ）タイプ１およびタイプ２デバイスの任意の対と関連付けられたＴＳＣＩに基づいて、オブジェクトの動きを全体的にかつ非同期的にモニタすること。
別の実施形態では、無線（またはｒａｄｉｏまたはＲＦ）モニタシステムは、少なくとも１つの非同期異種タイプ１無線（またはｒａｄｉｏ）デバイスと、少なくとも１つの非同期異種タイプ２無線（またはｒａｄｉｏまたはＲＦ）デバイスと、を備える。無線（またはｒａｄｉｏ）モニタシステムは、タイプ１およびタイプ２デバイスの少なくとも１つの対を備え、各対は、少なくとも１つの非同期異種タイプ１デバイスのうちの１つと少なくとも１つの非同期異種タイプ２デバイスのうちの１つとを備える。
無線（またはｒａｄｉｏ）モニタシステムのタイプ３デバイスは、第３のプロセッサ、第３のメモリ、および第３の命令セットを含む。第３のプロセッサは、少なくとも１つの非同期異種タイプ１デバイスおよび少なくとも１つの非同期異種タイプ２デバイスのうちの少なくとも１つと通信可能に結合される。第３のメモリは、第３のプロセッサと通信可能に結合される。第３の命令セットは、第３のメモリ中に記憶される。
実行されると、第３の命令セットは、第３のプロセッサに、各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つの対の各々について、場所内でのオブジェクトの動きにより影響を受けた無線マルチパスチャネルの少なくとも１つのそれぞれのＴＳＣＩ（ＴＳＣＩ）を非同期的に受信させる。
各ＴＳＣＩは、タイプ２デバイスによって、タイプ２デバイスのそれぞれの第２のプロセッサ、それぞれの第２のメモリ、およびそれぞれの第２の命令セットを使用して、非同期的に得られる。タイプ１およびタイプ２デバイスのそれぞれの対と関連付けられた少なくとも１つのそれぞれのＴＳＣＩは、それぞれの非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号から非同期的に抽出される。それぞれの非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号は、それぞれのタイプ１デバイスのそれぞれの対から、それぞれのタイプ１デバイスのそれぞれの第１のプロセッサ、それぞれの第１のメモリ、およびそれぞれの第１の命令セットを使用して、少なくとも１つの非同期異種タイプ２デバイスに、無線マルチパスチャネルを介して、送信される。実行されると、第３の命令セットは、第３のプロセッサに、次のうちの少なくとも１つを更に行わせる。（ａ）特定のタイプ２デバイスおよび特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの特定の対と関連付けられたＴＳＣＩに基づいて、場所内でのオブジェクトの動きを個別にかつ非同期的にモニタすることと、（ｂ）特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられたＴＳＣＩに基づいて、オブジェクトの動きを連帯的にかつ非同期的にモニタすることと、（ｃ）特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられたＴＳＣＩに基づいて、オブジェクトの動きを連帯的にかつ非同期的にモニタすることと、ならびに／または（ｄ）タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられたＴＳＣＩに基づいて、オブジェクトの動きを全体的にかつ非同期的にモニタすること。
加えて、睡眠モニタは、増加している需要および興味を引き付ける重大で困難なタスクである。本教示は、周囲無線信号を活用して、睡眠段階を認識し睡眠品質を査定する、第１の実用的な睡眠モニタシステムである、ＳＭＡＲＳ（Sleep Monitoring via Ambient Radio Signals）（周囲無線信号による睡眠モニタ）のモデル、設計、および実装について開示している。これは、被験者の体またはベットに用具を取り付けることなく、遍在する非侵襲性および非接触の方式で毎日の睡眠をモニタする将来のスマートホームが可能になる。以前のＲＦ系アプローチとは異なり、本教示は、すべての反射および散乱マルチパスの説明となる統計的モデルを考案し、これにより、コモディティデバイス上で史上最高のパフォーマンスを達成しながら、高精度なおよび瞬間の呼吸推定を可能にする。これに基づいて、ＳＭＡＲＳは、覚醒、ＲＥＭ、およびＮＲＥＭを含む様々な睡眠段階を認識し、これは、以前は専用ハードウェアでのみ可能であった。リアルタイムシステムは、市販のＷｉＦｉチップセット上に実装され、６人の参加者がいる６つの家に配置され、合計で３２晩のデータを得た。結果は、ＳＭＡＲＳが呼吸推定について、０．４７ｂｐｍのメジアン誤差および２．９２ｂｐｍのみの９５％誤差をもたらし、人がリンクから１０ｍ離れている、または壁の後ろにいる場合であっても、しっかりと呼吸を検出することを示す。ＳＭＡＲＳは、８５％の睡眠段階精度を達成し、接触センサまたはレーダを使用する進んだソリューションよりも優れている。更に、ＳＭＡＲＳは、２０人の患者の夜間の睡眠を測定する、最近リリースされたデータセットで評価され、これにより、パフォーマンスを確認する。単に、単一のコモディティＲＦリンクで有望な結果を得るために、ＳＭＡＲＳは、実用的な家庭内睡眠モニタソリューションのための段階を設定する。
睡眠は、精神的および肉体的の両方で、個人の健康および幸福で重要な役割を担う。睡眠量および睡眠品質は、心臓血管疾患、脳卒中、腎不全、糖尿病、および精神状態の悪化などのような健康リスクに基本的に関連していることは、よく認識されている。残念なことに、現代社会では、多くの人が睡眠障害に苦しんでいる。最近報告されたように、人口の１０％が慢性不眠症（高齢者の間では更に高い）に苦しんでおり、アメリカ人の１／３は、十分な睡眠を取っていない。睡眠をモニタすることは、増加している睡眠障害のグループを助け、管理し、診断し、および治療するために、ならびに個人の健康を定期的にモニタするために不可欠な要求として現れる。
しかし、睡眠モニタは、何十年も途方もない努力をしてきた困難なタスクである。一般に、これは、睡眠時間を測定し、様々な睡眠段階、例えば、覚醒、ＲＥＭ（Ｒａｐｉｄ Ｅｙｅ Ｍｏｖｅｍｅｎｔ）（急速眼球運動）、およびＮＲＥＭ（非ＲＥＭ）を認識し、それに応じて、個々の睡眠品質を評価する。様々なソリューションが提案されてきた。医学的な判定基準は、睡眠ポリグラフ（Polysomnography：ＰＳＧ）に頼っており、これは、患者に取り付けられた多くのワイヤードセンサによって、脳活動、呼吸、および体の運動などの様々な生理学的パラメータをモニタする。正確でかつ広範囲にわたるが、ＰＳＧは通常、高価であり、かつ睡眠困難を引き起こし得る侵襲性センサを伴うため厄介であり、確認された患者への臨床的使用に制限されている。フォトプレチスモグラフィ（photoplethysmography：ＰＰＧ）およびアクチグラフィ（actigraphy：ＡＣＴ）を含むその他のアプローチでは、ユーザに睡眠中に専用センサを付ける必要がある。心弾動図（Ballistocardiogram：ＢＣＧ）は、弾道力を測定するために、ＥＭＦｉセンサのアレイを有するマットレスを備える必要がある。コストにかかわらず、これらのアプローチは、特別なケアが必要だが一般の人には理想的とは言えない人に好適なソリューションを提供する。モバイルコンピューティングにおける近年の試みでは、スマートフォンおよびウェアラブルを使用する家庭内睡眠モニタを構想している。しかし、これらの方法は、粒度が粗く、精度が低い測定値を提供するだけであり、呼吸数のようなバイタルサインをモニタできない。加えて、モバイルおよびウェアラブルは、特に高齢者および認知症の高齢者には望ましくない。
主流となっているソリューションとは異なり、開示されたソリューションは、体またはベッドに取り付けずに、遍在する、非侵襲性、非接触および正確な方式で毎日の睡眠をモニタする将来のスマートホームを期待する。次の２つの観点によってこのようなシステムの可能性を観測できる。１）臨床研究は、生理活性が異なる睡眠段階の間で変化することを示した。例えば、呼吸数は、ＲＥＭ睡眠中に脳の酸素消費が増加することにより不規則かつ高速になり、ＮＲＥＭ睡眠中はより安定しかつ遅くなり、呼吸モニタに基づいて睡眠段階の実現性を表している。２）最近の無線技術の進歩は、環境内の体の動きの非接触感知を実証した。呼吸によって引き起こされる胸部および腹部の動きは、無線信号伝播を変更することができ、したがって受信された信号を変調することができ、そこから、呼吸を解読することができる。２つの観点間の相乗効果を探すことができ、その結果、周囲無線信号（例えば、ＷｉＦｉ）活用して、睡眠中の人の呼吸および動きを捕捉し、かつ更に睡眠行動をモニタするシステムをもたらす。
初期の研究では、ＲＦ系呼吸推定および睡眠モニタの実現性を調査してきたが、これらは、ＦＭＣＷレーダのような専用のハードウェアに依存しているか、または制御された環境でのみ動くか、のいずれかである。専用無線に基づくソリューションは通常、高価であり、遍在して適用できない。コモディティデバイスを使用するその他の物は、典型的には、ユーザに、自分の胸部に極めて近いところで無線を有するベット上に横になることを要求し、かつ無関係な動きが存在する中、または見通し外（ＮＬＯＳ）シナリオで失敗する。加えて、呼吸推定における精度が限定されているため、異なる睡眠段階を識別できるものはない。このような限定は、これらの実用的な家庭内睡眠モニタのための用途を妨げる。
本教示は、コモディティの周囲無線信号を活用して、睡眠段階を認識し捕らえどころがない睡眠品質を査定する、第１の実用的な睡眠モニタシステムである、ＳＭＡＲＳのモデル、設計、および実装について開示している。ＳＭＡＲＳは、体に接触することなく、目立たない方法で動く。無線ルータが既に家の中に設置されている場合、ユーザがやる必要があることは、例えば、単に受信器を置くことによって、２つのコモディティ無線間の１つの単一のリンクを設定することである。ＳＭＡＲＳは、高精度なおよび瞬間の呼吸推定を可能にする新しい統計的モデルによって、文献を進歩させる。これに基づいて、ＳＭＡＲＳは、様々な睡眠段階を認識することができ、これは、以前は高価な専用ハードウェアでのみ得ることができる。具体的には、ＳＭＡＲＳは、実用的な睡眠モニタを行うために３つの特有な態様が秀でている。第１に、屋内のすべての反射および分散マルチパスを活用する、チャネル状態情報（ＣＳＩ）における動きの統計的モデルを考案できる。既存の動きは通常、いくつかのマルチパスおよび人体から反射される１つの主要パスを有する幾何学的モデル（例えば、屋外空間用に開発された２線モデル）を仮定する。しかし、実世界の屋内環境下では、数百のマルチパスが存在する場合があり、信号は、空間内の人の体およびその他のオブジェクトで反射するだけでなく散乱する場合がある。結果として、優位な反射経路を欠いているために、以前のアプローチは、ＮＬＯＳ環境で、および微細な動きで失敗する。対照的に、開示されたモデルは、このような非現実的な仮定をせずに、ＣＳＩにおける動きの統計的特徴を調査し、呼吸を含む任意の動きのロバストな検出の基礎をなす。
第２に、ＳＭＡＲＳは、正確な呼吸数推定を瞬時にかつ強固に達成する。以前の呼吸推定スキームのほとんどは、十分な周波数分解能を得るために、比較的大きい時間窓間に一定の呼吸数を仮定して、睡眠中のきめ細かい呼吸変動を失う。加えて、微細な呼吸の動きは、ＣＳＩ測定ノイズに容易に埋まる場合があり、既存の理念は、無関係な動きなしで途方もなく近く近接している（典型的には、２～３ｍ内）場合にのみ有効になる。時間分解能を向上させるため、ＳＭＡＲＳは、呼吸数を推定するために、時間領域自己相関関数（ＡＣＦ）を活用し、これは、１秒ごとの頻度でリアルタイム呼吸数を報告し、瞬間の呼吸数変化を捕捉することができる。ＡＣＦを使用することによって、ＳＭＡＲＳはまた、ノイズの多い位相および通常ハンドクラフトされるＣＳＩノイズ除去手順の使用を回避する。より重要なことに、周波数オフセットを排除して、これにより異なるサブキャリア上の呼吸信号を同期させることによって、ＡＣＦは、最大比合成（ＭＲＣ）を実施できるようにして、複数のサブキャリアを組み合わせ、測定ノイズを駆除して、最適な方法で呼吸信号を最大化する。そうすることにより、呼吸信号対雑音比（ＳＮＲ）の限度を押し上げて、したがって、広い範囲ならびに弱い呼吸についての感知感度を著しく増加させることができる。具体的には、ＳＭＡＲＳは、人がリンクから１０ｍ離れている、または壁の後ろにいる場合、呼吸を確実に検出でき、これは、専用の低電力レーダよりも更に優れている。
最後に、睡眠中に抽出された呼吸数および動き統計に基づいて、様々な睡眠段階（覚醒、ＲＥＭ、およびＮＲＥＭを含む）を認識して、全体的な睡眠の量および質を包括的に評価することができる。呼吸数と睡眠段階との間の関係の深い理解に基づいて、睡眠段階の分解のための特有の呼吸特徴を抽出できる。既製のデバイスを使用する既存の動きは、睡眠の段階分けという同一のゴールに到達できない。
リアルタイムシステムは、様々な市販のＷｉＦｉチップセット上に実装されており、そのパフォーマンスは、広範囲にわたる実験を通して評価される。評価には、次の２つの部分が含まれる。１）ＳＭＡＲＳを６人の健康な被験者がいる６つの家に配置し、３２晩のデータを収集でき、そのうちの５件は、市販のデバイスにより記録されたＰＳＧデータを有する。結果は、ＳＭＡＲＳが１分当たり０．４７呼吸（ｂｐｍ）のメジアン呼吸推定誤差および２．９２ｂｍｐの９５％タイル誤差で、優れたパフォーマンスを達成することを示す。睡眠の段階分けに関しては、ＳＭＡＲＳは、８５．２％の驚くべき精度であり、一方、市販のソリューション、例えば、接触センサに基づくＥＭＦＩＴおよびレーダを使用するＲｅｓＭｅｄは、それぞれたった６９．８％および８３．７％の精度を有する。２）ＲＦ系呼吸モニタが最近リリースしたデータセットでＳＭＡＲＳを更に実証できる。データセットは、グラウンドトルースとして臨床的にラベル付けされたＰＳＧデータを使用して、４つの最先端の呼吸モニタシステムを比較評価するために２０人の患者の一晩の睡眠を収集した。４つのシステムすべて（それぞれＺｉｇＢｅｅ、Ｓｕｂ－ＲＳＳ無線、ＵＷＢレーダ、およびＷｉＦｉ ＣＳＩに基づく）は、約２～３ｂｐｍの有意なメジアン誤差および１０ｂｐｍあたりまたは約１０ｂｐｍの９５％タイル誤差を生成する。比較として、ＳＭＡＲＳは、メジアン誤差は０．６６ｂｐｍまで、および９５％タイル誤差は３．７９ｂｐｍまで減少させることによって有意な向上を達成する。有望なパフォーマンスを達成することによって、ＳＭＡＲＳは、毎日および定期的に実際に使用するために臨床的に意味のある睡眠モニタを提供することができ、日常生活で個人の健康をモニタする将来のスマートホームに向けて重要なステップを進んでいる。
ごく簡潔に言うと、ここでのコアコントリビューションは、ＳＭＡＲＳであり、これは、コモディティの既製のＷｉＦｉデバイスを使用して、使用場所で高精度なおよび瞬間の呼吸推定を達成することによって、スマートホームに住人の睡眠を段階分けできるようにする最初のシステムである。ＳＭＡＲＳはまた、ＣＳＩにおける動きを理解および捕捉するために第１の統計的モデルに寄与し、無線感知の様々な用途を一新する。
一実施形態では、本教示は、睡眠モニタのための方法、装置、およびシステムを開示する。 開示された方法は、プロセッサと、プロセッサと通信可能に結合されたメモリと、メモリに格納された命令のセットとを使用して無線マルチパスチャネルのＴＳＣＩを取得すること、およびＴＳＣＩに基づいてユーザの睡眠関連動作をモニタすることを含む。ＴＳＣＩは、無線マルチパスチャネルを介して、場所内でタイプ１異種無線デバイスとタイプ２異種無線デバイスとの間で送信された無線信号から抽出される。無線マルチパスチャネルは、場所内でのユーザの睡眠関連の動きにより影響を受ける。
睡眠関連の動きをモニタすることには、ユーザの、睡眠タイミング、睡眠持続時間、睡眠段階、睡眠品質、睡眠時無呼吸、睡眠問題、睡眠障害、呼吸問題、喘ぎ、窒息、歯ぎしり、睡眠の一時停止、不眠、不眠症、睡眠中の不安、過眠症、睡眠時異常行動、日中の眠気、睡眠場所、運転中の睡眠、睡眠中断、悪夢、夜驚症、睡眠歩行、ＲＥＭ睡眠行動障害、概日リズム障害、非２４時間睡眠覚醒障害、周期的四肢運動障害、交替勤務睡眠障害、ナルコレプシー、錯乱性覚醒、睡眠麻痺、別の睡眠関連状態、および／または別の睡眠関連行動のうちの少なくとも１つをモニタすることが含まれる。睡眠タイミングには、ベッドに行く、睡眠開始、起床、ＲＥＭ開始、ＮＲＥＭ開始、睡眠段階移行の開始、睡眠障害、睡眠問題、呼吸問題、不眠症、過眠症、睡眠時異常行動、睡眠ヒプノグラム関連イベント、睡眠中断、睡眠時無呼吸、睡眠中のいびき、ベッドではない場所での睡眠、日中の睡眠、睡眠歩行、睡眠関連イベント、睡眠関連状態、および／または、睡眠関連行動などのうちの少なくとも１つのタイミングが含まれる。ユーザの、呼吸数の時間関数および動き統計の時間関数のうちの少なくとも１つは、ＴＳＣＩに基づいて計算され得る。呼吸が時間ｔにおいて検出されない場合、時間ｔにおける呼吸数は、ゼロとして計算され得る。ユーザの睡眠関連の動きは、ユーザの、呼吸数の時間関数および／または動き統計の時間関数のうちの少なくとも１つに基づいて、モニタされ得る。
ユーザの、呼吸比率の時間関数および動き比率の時間関数のうちの少なくとも１つは、一連のＣＩに基づいて計算され得る。呼吸数の時間関数が時間ｔを含む第１の時間窓においてゼロでない場合、時間ｔにおける呼吸比率は、時間のパーセンテージとして計算され得る。動き統計の時間関数が時間ｔを含む第２の時間窓内の第１の閾値より大きい場合、時間ｔにおける動き比率は、時間のパーセンテージとして計算され得る。ユーザの睡眠関連の動きは、ユーザの、呼吸比率の時間関数および／または動き比率の時間関数のうちの少なくとも１つに基づいて、モニタされ得る。
動き比率が第２の閾値より大きい、および／または呼吸比率が第３の閾値未満である、のうちの少なくとも１つである場合、睡眠段階は、「目覚め」と分類することができる。動き比率が第２の閾値未満である、および／または呼吸比率が第３の閾値より大きい、のうちの少なくとも１つである場合、睡眠段階は、「眠り」と分類することができる。「眠り」段階は、急速眼球運動（ＲＥＭ）段階および／または非ＲＥＭ（ＮＲＥＭ）段階のうちの少なくとも１つを含み得る。
呼吸数傾向関数（breathing rate trend function）は、呼吸数の時間関数を低域フィルタリングすることによって計算され得る。傾向除去された呼吸数関数は、呼吸数の時間関数から呼吸数傾向関数を減算することによって計算され得る。呼吸数分散の時間関数は、スライディング時間窓内の傾向除去された呼吸数関数の分散を計算することによって計算され得る。ユーザの睡眠関連の動きは、呼吸数分散の時間関数に基づいて、モニタされ得る。
平均ＮＲＥＭ呼吸数は、一晩の期間における「眠り」段階において呼吸数の時間関数のヒストグラムのピークを識別することによって計算され得る。（例えば、一晩中、または一晩中から「目覚め」期間を差し引く）。呼吸数偏差の時間関数は、スライディング時間窓内の呼吸数の平均ＮＲＥＭと百分位数との間の距離を計算することによって計算され得る。睡眠段階は、呼吸数偏差の時間関数に基づいて、ＲＥＭ段階および／またはＮＲＥＭ段階のうちの少なくとも１つに分類することができる。
呼吸数分散の時間関数は、第１のスライディング時間窓内の傾向除去された呼吸数関数の分散を計算することによって計算され得る。呼吸数偏差の時間関数は、第２のスライディング時間窓内の呼吸数の平均ＮＲＥＭと百分位数との間の距離を計算することによって計算され得る。睡眠段階は、呼吸数分散の時間関数および呼吸数偏差の時間関数に基づいて、ＲＥＭ段階、および／またはＮＲＥＭ段階のうちの少なくとも１つに分類することができる。
分類子は、機械学習を使用して、呼吸数、分散、および呼吸数偏差のうちの少なくとも１つに基づいて訓練され得る。機械学習は、教師あり学習、教師なし学習、半教師あり学習、能動学習、強化学習、サポートベクターマシン、ディープラーニング、特徴学習、クラスタリング、回帰、および／または次元削減のうちの少なくとも１つを含み得る。睡眠段階は、分類子に基づいて、ＲＥＭ段階、および／またはＮＲＥＭ段階のうちの少なくとも１つに分類することができる。
ユーザの睡眠関連の動きに関する品質は、ＴＳＣＩに基づいて、計算され得る。ユーザの睡眠関連の動きは、品質に基づいてモニタすることができる。品質は、ユーザがベッドに行く時間、ユーザがベッドから出る時間、睡眠開始時間、ユーザが眠りに落ちるまでにかかる総時間、起床時間、睡眠障害時間、睡眠中断期間の数、平均中断持続時間、中断持続時間の分散、ベッドでの総時間、ユーザが眠っている総時間、ＲＥＭの期間、ＮＲＥＭの期間、目が覚めている期間、ＲＥＭの総時間、ＮＲＥＭの総時間、ＲＥＭ期間の数、ＮＲＥＭ期間の数、ベッド内で寝返りする時間、寝返りの持続時間、ヒプノグラム、無呼吸の期間、いびきの期間、無呼吸の総持続時間、無呼吸期間の数、無呼吸期間の平均持続時間、呼吸問題の期間、睡眠品質スコア、日中睡眠、日中睡眠の期間、日中睡眠の総持続時間、日中睡眠の期間の数、日中睡眠の期間の平均持続時間、および別の品質のうちの少なくとも１つを含み得る。
図２９は、呼吸信号抽出および最大化について提案されたスキームについてまとめている。図２９の左側部分は、人がモニタ領域内で正常に呼吸しているときのチャネル電力応答の測定されたＡＣＦの分析を示す一方、右側部分は呼吸信号のＡＣＦのＳＮＲを高めるためのＭＲＣ方式を示す。図３０は、実世界の測定に基づく例示的な実施例を示しており、これは呼吸信号のＳＮＲが、最大分散によって示された最良のサブキャリアと比較して２．５ｄＢ増幅され、すべてのサブキャリアを直接平均することと比較して３．７ｄＢ増幅される。図３１は、開示されたＡＣＦ系ＭＲＣスキームの利得を更に実証し、振幅およびその分散は、サブキャリア選択についてメトリックが効果的ではないという本明細書での観測を確認する。見られるように、動き（すなわち、最大の動き統計を保持する）に最も敏感なサブキャリアは、非常に小さい振幅および低分散を経験し得る。
睡眠段階認識
ＳＭＡＲＳは、一晩の睡眠の連続した動きおよび呼吸推定を３００秒のエポックに分割する。各エポックについて、ＳＭＡＲＳは、３つの異なる睡眠段階、すなわち、覚醒、ＲＥＭ睡眠、およびＮＲＥＭ睡眠を認識する。段階分けは、２つのステップで実施される。第１に、ＳＭＡＲＳは、主に体の動きによって睡眠から覚醒を区別する。第２に、ＲＥＭおよびＮＲＥＭ段階を睡眠期間中に更に識別する。
睡眠／覚醒検出 ＳＭＡＲＳは、最初に、睡眠覚醒検出器を実装し、睡眠状態および覚醒状態を識別する。重要な洞察としては、被験者が目覚めた時は、体の運動がより頻繁に観測され、一方、被験者が眠っている時は、主に呼吸の動きが存在することである。身体運動は呼吸の動きよりも著しく強く、それらの両方は容易に補足でき、かつ本明細書で定義された動き統計によって定量化できるので、ＳＭＡＲＳは、それを利用して、睡眠状態と覚醒状態とを区別する。
具体的には、動き統計
Figure 0007228375000007
 が事前設定閾値より大きい場合、時間のパーセンテージとして動き比率を定義することができる。従って、覚醒状態では、図３２Ａにて示すように、より高い動き比率が期待されている。同様に、呼吸信号が検出されるときの時間のパーセンテージとして呼吸比率を定義することもできる。身体運動は、環境動態の周期性を破壊するため、図３２Ｂにて示すように、被検者が目覚めているときは呼吸比率はより低くなる。
上記の２つの特徴を組み合わせて、ＳＭＡＲＳは、動き比率が既定義閾値より小さくかつ呼吸比率がその他の閾値より大きい場合にのみ、エポックを睡眠と識別する。両閾値は、図３２Ａおよび図３２Ｂのように実験的に決定される。開示されたモデルは、統計的には屋内のすべてのマルチパスを考慮するため、両閾値の値は、異なる環境および被験者に一般化される。
ＲＥＭ／ＮＲＥＭ認識 ＳＭＡＲＳは、以下の臨床的事実を活用して、したがって、ＲＥＭ／ＮＲＥＭ段階分類についての呼吸数推定から２つの特有の特徴を抽出する。ＲＥＭ段階では、呼吸数が通常速く、かつ変動性がより高く不規則なパターンが存在し、一方、ＮＲＥＭ段階では、より安定しかつ遅い。
ＮＲＥＭ段階は、典型的な健康な大人の全睡眠の大部分（約７５％～８０％）を構成するため、ＮＲＥＭ段階中の平均呼吸数は、図３３Ａにて示すように、一晩の呼吸数推定のヒストグラムのピークを局所化することによって推定できる。これに基づいて、ＮＲＥＭ段階の呼吸数からＲＥＭ段階の呼吸数の偏差を定量化するために、各エポックについて、呼吸数偏差、推定平均ＮＲＥＭ呼吸数と呼吸数の９０％タイルとの間の距離を定義できる。
各エポックの呼吸数の変動性を抽出するために、低域フィルタを一晩の呼吸推定に適用することにより、最初に呼吸数の傾向を推定することができ、元の呼吸数推定から傾向を減算することにより、傾向除去された呼吸数推定を得ることができる。次いで、呼吸数変動性は、各エポックについて定義され、かつエポックの長さによって正規化された傾向除去された推定の分散として算出される。
図３３Ｂは、ＮＲＥＭおよびＲＥＭ睡眠それぞれの下で提案された２つの特徴の分布を視覚化している。図３３Ｂからわかるように、ＮＲＥＭ睡眠の呼吸数変動性および呼吸数偏差の大部分は、ＲＥＭ睡眠のそれらよりかなり小さい。これらの２つの特徴に基づいて、ＲＥＭ睡眠とＮＲＥＭ睡眠とを区別するために、広く使用されているバイナリ分類子であるサポートベクターマシン（ＳＶＭ）を訓練することができる。
睡眠品質評価
睡眠全体の覚醒段階、ＲＥＭ段階、およびＮＲＥＭ段階の推定を得ると、臨床的な診療に使用される以下の標準的アプローチによって、ユーザの捕らえどころがない睡眠品質を評価することができる。特に、以下のとおり、認識された睡眠段階に基づいて、各晩について睡眠スコアを算出できる。ＴＮ、ＴＲ、およびＴＷは、それぞれ、ＮＲＥＭ睡眠、ＲＥＭ睡眠、および覚醒の持続時間（時間単位）を表す。睡眠スコア計算には標準的な公式がないため、睡眠スコアの簡単な式がＳＭＡＲＳに適用される。
Figure 0007228375000008
 これは、より長く睡眠すると、ＲＥＭ睡眠の時間がより長くなり、ベット内で目覚めている時間が短くなり、睡眠スコアがより良くなることを意味する。最近の研究によると、ＲＥＭ睡眠は、精神的回復のために非常に重要であり、したがって、より多くの部分がＲＥＭ睡眠に割り当てられる。
ＳＭＡＲＳは、毎日の家庭内での使用のための実用的な睡眠モニタを構想している。様々なユーザ間で睡眠スコアを比較することにはあまり意味がないが、特定のユーザの睡眠スコアの傾向または履歴は、その人の睡眠品質の変化を反映する。このような結果は、魅力的な方法で、睡眠障害の診断を助け、個人の健康を管理するために、臨床的に有意性のある証拠を提供する。図３４は、本教示の一実施形態による、睡眠モニタのための例示的なネットワーク環境を示す。図３５は、本教示の一実施形態による、睡眠モニタのための例示的なアルゴリズム設計を示す。
図３６は本発明の一実施形態による、座席占有検出および人数カウントのための自動車の例示的な室内鳥瞰図を示す。一例では、１つ以上のタイプ１デバイスおよび複数のタイプ２デバイス（例えば、Ｎ＝４）は、人を保持できる固定の場所（立つ、座る、ひざまずく、横になるなどのための空間であり得る）にて、複数の「シート」を有する限られたエリア（例えば、自動車、会議室、バス、飛行機、または映画館などの閉鎖エリア、窓が開いたバス、または屋外テーブルの周りの８脚の屋外椅子を有するバルコニーなどの半開放エリア）に置くことができる。タイプ１デバイスからタイプ２デバイスに送られた無線信号から抽出されたＴＳＣＩに基づいて、１つ以上の「シート」に人が存在することが検出され得る。
図３６は、前列に２シートおよび後列に２シートを備えた４シートの自動車の特定の例を示す。各シートは、人が座るための「シートベッド」および人がもたれるための「シートバック」を有することに注意する。タイプ１デバイスは、フロントのダッシュボード上に置くことができる。４つのタイプ２デバイスは、４つのシートの各々に１つずつ配置することができる（例えば、シートベッド中／上／下、またはシートベッド中／上／下）。シートＡ（例えば、運転席、または前列の右シート、または後列の左シートなど）がドライバーまたは乗客またはチャイルドシートに乗った乳児によって占有されている場合、占有されたシートＡと関連付けられたＣＩ（ＣＩ）は、空のシートＡと関連付けられたＣＩとは異なる（例えば、小さくなるまたは大きくなる）動作をし得る。したがって、ＣＩを検査することによって各シートのシート占有率を検出することができる。すべてのシートにこのような試験を実施することによって、車内の人数をカウントできる。人が標準的でない場所（例えば、２つのシートの間、後列の中央、前列の中央、またはチャイルドシートに乗った乳児）に座っている場合、ＣＩに関連付けられた複数のタイプ２デバイスは、連帯的に分析され、そこに人がいるかどうかを判定することができる。チャイルドシートに乗った乳児のシグニチャ（signature ）が大人または子供とは異なり得るため、大人／子供／乳児の分類をＣＩに基づいて実施することができる。
タスクは、上記のシート占有率に基づいて実施され得る。例えば、タスクは、シートが占有されている場合は、エアバッグを準備するが、シートが占有されていない場合は、エアバッグを解除することであり得る。並のサイズの大人の代わりに小さいサイズの人（例えば、子供）が検出される場合、大人用に設計されたエアバッグは準備されない場合がある。暖房／エアコンディション設定は、調整され得る。タスクは、窓、照明、オーディオシステム、エンタテイメントシステム（例えば、ビデオ）、ノイズキャンセリング、衝撃吸収システム、安定化サイズ、自動車回避システム、安全機能、タイヤ空気圧、任意のその他の自動車サブシステムなどを制御することであり得る。例えば、乗客が右前シートに検出された場合、その領域（右前）の温度を事前設定レベルに制御することができる。シートが空である場合、温度を異なって調整することができる。
図３７Ａ－図３７Ｄは、本発明の一実施形態による、自動車内の様々な座席占有状況によるＣＩの変化を示す。図３７Ａは、占有されているシートがない場合のＣＩを示す。図３７Ｂは、シート１（例えば、図３６のボットアンテナ１を有するシート）が占有されている場合のＣＩを示す。図３７Ｃは、シート３（例えば、図３６のボットアンテナ３を有するシート）が占有されている場合のＣＩを示す。図３７Ｄは、シート１およびシート３の両方が占有されている場合のＣＩを示す。
上記の機能は、データストレージシステム、少なくとも１つの入力デバイス、および少なくとも１つの出力デバイスからのデータおよび命令を受信し、ならびにこれらにデータおよび命令を送信するように結合された少なくとも１つのプログラマブルプロセッサを含む、プログラマブルシステム上で実行可能な１つ以上のコンピュータプログラム内に有利に実装できる。コンピュータプログラムは、特定の活動を実施するか、または特定の結果をもたらすために、コンピュータ内で直接的または間接的に使用することができる命令セットである。コンピュータプログラムは、コンパイル型言語またはインタプリタ型言語を含む、任意の形態のプログラミング言語（例えば、Ｃ、Ｊａｖａ）で書くことができ、スタンドアロンプログラム、またはモジュール、コンポーネント、サブルーチン、ブラウザベースウェブアプリケーション、もしくはコンピューティング環境で使用するのに好適なその他のユニットを含む、任意の形態で配布され得る。
命令のプログラムを実行するのに好適なプロセッサとしては、例えば、汎用マイクロプロセッサおよび専用マイクロプロセッサの両方、デジタル信号プロセッサ、ならびに任意の種類のコンピュータの唯一のプロセッサ、または複数のプロセッサもしくはコアのうちの１つが挙げられる。一般に、プロセッサは、読取り専用メモリもしくはランダムアクセスメモリまたはその両方から命令およびデータを受信することになる。コンピュータの必須要素は、命令を実行するためのプロセッサ、ならびに命令およびデータを記憶するための１つ以上のメモリである。一般に、コンピュータはまた、データファイルを記憶するための１つ以上大容量ストレージデバイスを含む、または通信するように動作可能に結合され、このようなデバイスには、磁気ディスク、例えば、内部ハードディスクおよび取外し可能ディスク、光磁気ディスク、ならびに光ディスクを含む。コンピュータプログラム命令およびデータを実態的に具現化するのに好適なストレージデバイスは、例として、ＥＰＲＯＭ、ＥＥＰＲＯＭ、およびフラッシュメモリデバイスなどの半導体メモリデバイス、内部ハードディスクおよび取外し可能ディスクなどの磁気ディスク、光磁気ディスク、ならびにＣＤ－ＲＯＭおよびＤＶＤ－ＲＯＭディスクを含む、すべての形態の不揮発性メモリを含む。プロセッサおよびメモリは、ＡＳＩＣ（特定用途向け集積回路）によって補足するかまたはその中に組み込むことができる。
本教示は、多数の特定の実装詳細を含むが、これらは、本教示の範囲または特許請求され得る範囲の制限として解釈されるべきではなく、本教示の特定の実施形態に固有である特徴の説明として解釈されるべきである。別個の実施形態との関連で本明細書に記載されたある特定の特徴はまた、単一の実施形態において組み合わせて実装され得る。逆に、単一の実施形態との関連で記載された様々な特徴はまた、複数の実施形態において別個に、または任意の適切な部分的組み合わせで、実装され得る。
同様に、動作は、特定の順番で図面に示されるが、これは、好ましい結果を達成するために、そのような動作が示された特定の順番でまたは逐次的に実施されること、あるいは、すべての図示された動作が実施されることを必要とするものとして理解されるべきではない。ある特定の状況では、マルチタスキングおよび並行処理が、有利であることがある。更に、前述の実施形態における様々なシステム構成要素の分離は、すべての実施形態でそのような分離が必要とされるものとして理解されるべきではなく、記載されているプログラム構成要素およびシステムは、一般に、単一のソフトウェア製品においてともに統合されてもよく、または複数のソフトウェア製品にパッケージ化されてもよいことを理解されたい。
本主題の特定の実施形態について説明した。上記の特徴およびアーキテクチャの任意の組み合わせは、下記の特許請求の範囲の範囲内であることが意図されている。その他の実施形態はまた、以下の特許請求の範囲内である。場合によっては、本特許請求の範囲に列挙されるアクションは、異なる順番で実行され、望ましい結果をやはり達成することがある。加えて、添付の図面に記載された工程は、望ましい結果を達成するために、示された特定の順番、または逐次的順番を必ずしも必要としない。ある特定の実装例では、マルチタスキングおよび並行処理が、有利であることがある。

Claims (20)

  1. オブジェクト追跡システムによって実行される方法であって、
    場所内で追跡されるオブジェクトの現在の動きによって影響を受ける無線マルチパスチャネルのチャネル情報（ＣＩ）の時系列（ＴＳＣＩ）の少なくとも２つを、プロセッサと、前記プロセッサと通信可能に結合されたメモリと、前記メモリ中に記憶された命令セットとを使用して検出することであって、
    前記少なくとも２つのＴＳＣＩは、前記場所内の第１の位置にあるタイプ１異種無線デバイスと前記場所内の第２の位置にあるタイプ２異種無線デバイスとの間で前記無線マルチパスチャネルを介して送信される無線信号から検出され、前記タイプ１異種無線デバイス及び前記タイプ２異種無線デバイスの１つは、前記オブジェクトの前記現在の動きの現在の方向と類似するアンテナ方向に沿って共線的に配置され、前記アンテナ方向に既知のアンテナ間隔を有する、少なくとも２つの共線アンテナを含み、各ＴＳＣＩは、前記タイプ１異種無線デバイスの個別のアンテナ及び前記タイプ２異種無線デバイスの個別のアンテナと関連付けられる、検出することと、
    第１の共線アンテナに関連付けられた第１のＴＳＣＩの第１のＣＩと第２の共線アンテナに関連付けられた第２のＴＳＣＩの第２のＣＩとの間の類似性スコアに基づいて、前記既知のアンテナ間隔に等しい横断距離を横断する前記オブジェクトの前記現在の動きについての持続時間を連続的に計算することであって、前記第１のＣＩと前記第２のＣＩは、前記現在の動きと関連付けられ、且つ時間的に隣接する、計算することと、
    前記少なくとも２つのＴＳＣＩ、前記類似性スコア、前記持続時間、前記既知のアンテナ間隔、および前記オブジェクトの過去の時空間情報、のうちの少なくとも１つに基づいて、前記オブジェクトの時空間情報をモニタすることであって、
    前記時空間情報は、前記オブジェクトの前記現在の動きに関連し、且つ、位置、水平位置、垂直位置、長さ、面積、体積、容量、距離、方向、変位、速さ、速度、加速度、回転速度、回転加速度、歩行周期、動きのタイプ、動きの分類、動きの特性、突然の動き、過渡的な動き、周期的動き、周期的動きの周期、周期的動きの周波数、過渡的な動き、時間傾向、タイムスタンプ、期間、時間窓、スライディング時間窓、履歴、周波数傾向、時空間傾向、時空間変化、およびイベントの少なくとも１つを含む、モニタすることと、
    前記時空間情報に基づいて前記オブジェクトを追跡することと、を含み、
    前記オブジェクトを追跡することは、前記オブジェクトの前記位置を追跡すること、前記オブジェクトの前記速度を追跡すること、地図についての前記オブジェクトの位置を追跡すること、前記地図上の軌道についての前記オブジェクトの前記位置を追跡すること、前記軌道に沿った前記オブジェクトの動きをガイドすること、障害物に関連付けられた位置を回避するために前記軌道に沿った前記オブジェクトの動きをガイドすること、前記オブジェクトの動きを追跡すること、前記オブジェクトの挙動を追跡し識別すること、前記オブジェクト前記動きを検出すること、周期的な前記オブジェクトの前記動きを検出すること、前記オブジェクトの前記現在の動き及び前記挙動に関連付けられるイベントを検出すること、前記オブジェクトの転倒する動きを検出すること、前記オブジェクトの前記位置又は前記速度を示すこと、および前記オブジェクトの前記位置又は前記速度をグラフィカル表示すること、の少なくとも１つを含む、方法。
  2. 請求項１に記載の方法であって、更に、
    前記少なくとも２つのＴＳＣＩに基づいて、前記横断距離と前記持続時間とを決定することと、
    前記オブジェクトの前記現在の動きの推定された現在の方向を取得することと、を含み、
    前記オブジェクトの前記時空間情報は、前記横断距離、前記持続時間及び前記オブジェクトの前記現在の動きの前記推定された現在の方向の少なくとも１つに基づいて決定される、方法。
  3. 請求項１に記載の方法であって、前記持続時間を連続的に計算することは、
    それぞれの類似性スコアが個別の第１の共線アンテナに関連付けられた個別の第１のＴＳＣＩの個別の第１のＣＩと個別の第２の共線アンテナに関連付けられた個別の第２のＴＳＣＩの個別の第２のＣＩとに基づく、候補持続時間についての少なくとも１つの類似性スコアを計算することであって、前記個別の第１のＣＩと前記個別の第２のＣＩとは前記候補持続時間と等しい時間差で時間的に近接する、計算することと、
    前記少なくとも１つの類似性スコアに基づいて前記候補持続時間についての特徴的な類似性スコアを計算することと、
    前記特徴的な類似スコアを閾値と比較することに基づいて、前記候補持続時間となる前記持続時間を決定することと、を含む方法。
  4. 請求項１に記載の方法であって、更に、
    複数の候補持続時間を決定することと、
    前記複数の候補持続時間のそれぞれについて、
    候補持続時間のそれぞれについての少なくとも１つの類似性スコアを計算することであって、各類似性スコアは、２つの関連付けられた共線アンテナに関連付けられた２つの個別のＴＳＣＩの２つの個別のＣＩに基づいて計算され、前記２つの個別のＣＩの間の時間差は前記候補持続時間と等しい、計算することと、
    前記少なくとも１つの類似性スコアに基づいて前記候補持続時間についての個別の特徴的な類似スコアを計算することと、
    特定の特徴的な類似性スコアを識別し前記特定の特徴的な類似性スコアを閾値と比較することにより、前記特定の特徴的な類似性スコアに関連付けられた特定の候補持続時間となる前記持続時間を計算することと、を含み、
    前記特定の特徴的な類似性スコアは、局所最大値、局所最小値、第１の最大値、第２の最大値、他の最大値、第１の最小値、第２の最小値、他の最小値、ゼロ交差、第１のゼロ交差、第２のゼロ交差、および他のゼロ交差の少なくとも１つに基づいて識別される、方法。
  5. 請求項１に記載の方法であって、更に、
    それぞれが個別の第１の共線アンテナに関連付けられた個別の第１のＴＳＣＩの個別の初期ＣＩと個別の第２の共線アンテナに関連付けられた個別の第２のＴＳＣＩの個別の現在のＣＩとに基づく、少なくとも１つの第２の類似性スコアを計算することであって、
    前記個別の初期ＣＩは時間的に前記現在の動きの始めに近く、
    前記個別の現在のＣＩは時間的に前記現在の動きの終わりに近く、前記個別の初期ＣＩとは時間的に隣接しない、計算することと、
    前記少なくとも１つの第２の類似性スコアに基づいて、特徴的な第２の類似性スコアを決定することと、
    前記特徴的な第２の類似性スコアが閾値よりも大きい場合、前記オブジェクトが停止しており、前記現在の動きが無の動きであることを判定することと、を含む方法。
  6. 請求項１に記載の方法であって、更に、
    前記少なくとも２つのＴＳＣＩを処理することであって、前記処理することは、ノイズ除去、平滑化、調整、エンハンスメント、復元、特徴抽出、加重平均、低域フィルタリング、帯域フィルタリング、高域フィルタリング、メジアンフィルタリング、ランクフィルタリング、四分位数フィルタリング、百分位数フィルタリング、モードフィルタリング、線形フィルタリング、非線形フィルタリング、有限インパルス応答（ＦＩＲ）フィルタリング、無限インパルス応答（ＩＩＲ）フィルタリング、移動平均（ＭＡ）フィルタリング、自己回帰（ＡＲ）フィルタリング、自己回帰移動平均（ＡＲＭＡ）フィルタリング、閾値法、ソフト閾値法、ハード閾値法、ソフトクリッピング、局所最大化、局所最小化、コスト関数の最適化、ニューラルネットワーク、機械学習、教師あり学習、教師なし学習、半教師あり学習、フーリエ変換、ラプラス、アダマール変換、分解、選択的フィルタリング、適応フィルタリング、微分、一次微分、二次微分、高次微分、積分、ゼロ交差、指示関数、絶対変換、畳み込み、乗算、および除算のうちの少なくとも１つを含む、処理することと、
    ２つの特定のＴＳＣＩの時間的に隣接したＣＩの対に基づいて類似性スコアを計算することと、を含み、
    前記類似性スコアは、時間反転共鳴強度（ＴＲＲＳ）、相関、相互相関、自己相関、共分散、相互共分散、自己共分散、２つのベクトルの内積、距離スコア、識別スコア、ニューラルネットワーク出力、およびディープラーニングネットワーク出力の少なくとも１つであり、
    前記ＣＩは、前記無線マルチパスチャネルを介した前記無線信号の
    信号強度、信号振幅、信号位相、
    前記無線マルチパスチャネルを介した前記無線信号の減衰、
    受信信号強度インジケータ（ＲＳＳＩ）、
    チャネル状態情報（ＣＳＩ）、
    イコライザ情報、
    チャネルインパルス応答、
    周波数領域変換関数、
    周波数帯域、周波数シグネチャ、周波数位相、周波数振幅、周波数傾向、周波数特性、周波数的な特性、直交分解特性、および非直交分解特性のうちの少なくとも１つに関連付けられる情報、
    期間、時間シグネチャ、時間振幅、時間位相、時間傾向、および時間特性の少なくとも１つに関連付けられる情報、
    時間周波数分割、時間周波数シグネチャ、時間周波数振幅、時間周波数位相、時間周波数傾向、および時間周波数特性の少なくとも１つに関連付けられる情報、
    方向、到達角度、方向アンテナの角度、および位相と関連付けられる情報、
    の少なくとも１つに関連付けられており、
    前記オブジェクトの前記時空間情報は、前記類似性スコアに基づいて決定される、方法。
  7. 請求項１に記載の方法であって、更に、
    前記オブジェクトの前記過去の時空間情報は、初期時点における前記オブジェクトの初期時空間情報を含み、
    前記オブジェクトの前の動きに関連付けられた他の時系列の他のＣＩに基づいて、前記オブジェクトの前記現在の動きより前の前記初期時点の動きにおける前記オブジェクトの前記初期時空間情報を決定することであって、
    前記他の時系列の前記他のＣＩは、前記場所内の第３の位置にある第２のタイプ１異種デバイスと場所内の第４の位置にある第２のタイプ２異種デバイスとの間で前記無線マルチパスチャネルを通じて送信される第２無線信号から抽出され、
    前記無線マルチパスチャネルは前記オブジェクトの前記前の動きによって影響を受ける、決定することと、
    前記初期時点における前記オブジェクトの前記初期時空間情報が、前記第２のタイプ１異種デバイスと前記第２のタイプ２異種デバイスとの少なくとも１つに関連付けられる既知の時空間情報であると決定することと、
    前記他の時系列の前記他のＣＩの対応する全てのＣＩが本質的に条件を満たす期間を決定することと、
    前記期間の特徴点としての前記初期時点を決定することと、を含み、
    前記期間の前記特徴点は、中点、四分位点、百分位点、始点、終点、前記他のＣＩが局所的最大となる点、前記他のＣＩが局所的最小となる点、前記他のＣＩが特定の特徴を有する点、および他の特徴点のうちの少なくとも１つである、方法。
  8. 請求項７に記載の方法であって、
    前記オブジェクトの前の動き中における初期時点では、前記第２のタイプ１異種デバイスと前記第２のタイプ２異種デバイスのうちの１つは、前記オブジェクトに空間的に接近して前記オブジェクトと共に移動し、
    前記初期時点では、前記第２のタイプ１異種デバイスと前記第２のタイプ２異種デバイスのうちの他の１つは指向性アンテナを有し、
    前記既知の時空間情報は、前記指向性アンテナを有する、前記第２のタイプ１異種デバイスと前記第２のタイプ２異種デバイスとうちの前記他の一方に関連付けられ、
    前記オブジェクトの前記現在の動き中における現時点では、前記タイプ１異種デバイスと前記タイプ２異種デバイスのうちの１つは、前記オブジェクトに空間的に接近して前記オブジェクトと共に移動し、
    前記現時点では、前記第１のタイプ１異種デバイスと前記第１のタイプ２異種デバイスのうち１つは、
    ネットワークサーバと通信可能に接続され、
    前記ネットワークサーバと通信可能に接続されるローカルデバイスと通信可能に接続され、
    前記ローカルデバイスは、スマートフォン、スマートデバイス、スマートスピーカー、スマートウォッチ、スマートメガネ、スマートクロック、スマートテレビ、スマートオーブン、スマート冷蔵庫、スマートエアコン、スマートチェア、スマートテーブル、スマートアクセサリ、スマートユーティリティ、スマートアプライアンス、スマートマシーン、スマートビークル、モノのインターネット（IoT）デバイス、インターネット対応デバイス、コンピュータ、ポータブルコンピュータ、タブレット、スマートハウス、スマートオフィス、スマートビル、スマートパーキング、およびスマートシステムの少なくとも１つである、方法。
  9. 請求項１に記載の方法であって、更に、
    前記少なくとも２つのＴＳＣＩに基づいて、電力情報（ＰＩ）の少なくとも２つの時系列を計算することであって、
    各ＰＩはＣＩと関連付けられており、各ＰＩは、前記ＣＩの振幅、振幅の二乗、位相、実部、虚部および他の関数のうちの少なくとも１つに基づいて計算されるＰＩの実部を有する、計算することと、
    ＰＩの前記少なくとも２つの時系列の第１の関数を計算することであって、
    前記第１の関数は、自己相関関数、自己相関関数の二乗、自己共分散関数、自己共分散関数の二乗、内積、自己相関的関数、および共分散的関数の少なくとも１つの演算を含み、
    前記演算は、多項式関数、線形関数、非線形関数、フィルタリング、ノイズ除去、平滑化、調整、強調、復元、特徴抽出、加重平均、高域フィルタリング、低域フィルタリング、バンドパスフィルタリング、メディアンフィルタリング、四分位フィルタリング、パーセンタイルフィルタリング、モードフィルタリング、線形フィルタリング、非線形フィルタリング、有限インパルス応答（ＦＩＲ）フィルタリング、無限インパルス応答（ＩＩＲ）フィルタリング、移動平均（ＭＡ）フィルタリング、自動回帰（ＡＲ）フィルタリング、自己回帰移動平均（ＡＲＭＡ）フィルタリング、選択的フィルタリング、適応フィルタリング、閾値処理、ソフト閾値処理、ハード閾値値処理、ソフトクリッピング、一次微分、二次微分、高次微分、局所最大化、局所最小化、コスト関数の最適化、ニューラルネットワーク、機械学習、教師あり学習、教師なし学習、半教師あり学習、ゼロ交差、絶対関数、指示関数、フーリエ変換、ラプラス変換、アダマール変換、他の変換、変換、分解、微分、一次微分、二次微分、高次微分、畳み込み、乗算、除算、ゼロ交差、指示関数、絶対変換、前処理、後処理、その他の演算のうちの少なくとも１つを含む、計算することと、
    前記第１の関数の少なくとも１つの特性を決定するであって、
    前記少なくとも１つの特性は、局所最大値、局所最小値、極値、制約付き（制約内の引数を含む）最大値、制約付き最小値、制約付き極値、最大勾配、最小勾配、制約付き最大勾配、制約付き最小勾配、最大高次微分、最小高次微分、制約付き高次微分、ゼロ交差、制約付きゼロ交差、勾配のゼロ交差、高次微分のゼロ交差、およびその他の特性を含む少なくとも１つの特性である、決定することと、
    前記第１の関数の前記少なくとも１つの特性と関連付けられた、前記第１の関数の少なくとも１つの引数を識別することと、を含み、
    前記横断距離を横断する前記持続時間は、前記第１の関数の前記少なくとも１つの引数に基づいて決定される、方法。
  10. 請求項１に記載の方法であって、更に、
    前記タイプ１異種無線デバイスに、前記場所内の別の位置において前記タイプ２異種無線デバイスから第２のタイプ２異種無線デバイスへ無線接続を切り換えさせることとであって、
    前記タイプ１異種デバイスは少なくとも２つのタイプ２異種デバイスと無線接続が可能である、切り換えさせることと、
    前記場所内で前記オブジェクトの前記現在の動きによって影響を受ける前記無線マルチパスチャネルを介して前記タイプ１異種デバイスと前記第２のタイプ２異種デバイスとの間で第２の無線信号が送信されるようにすることと、
    前記無線マルチパスチャネルの少なくとも２つの第２のＴＳＣＩを取得することであって、
    前記少なくとも２つの第２のＴＳＣＩは前記第２の無線信号から抽出される、取得することと、
    前記少なくとも２つの第２のＴＳＣＩに基づいて、前記オブジェクトの前記時空間情報を決定することと、を含む方法。
  11. オブジェクト追跡サーバであって、
    プロセッサと、
    前記プロセッサと通信可能に接続されるメモリと、
    前記メモリ内に格納される命令セットと、を含み、前記命令セットは、前記プロセッサによって実行されると前記オブジェクト追跡サーバに、
    場所内のオブジェクトの現在の動きによって影響を受ける無線マルチパスチャネルの少なくとも２つのＴＳＣＩを検出させることであって、
    前記少なくとも２つのＴＳＣＩは、前記場所内の第１の位置にあるタイプ１異種無線デバイスと前記場所内の第２の位置にあるタイプ２異種無線デバイスとの間で前記無線マルチパスチャネルを介して送信される無線信号から検出され、前記タイプ１異種無線デバイス及び前記タイプ２異種無線デバイスの１つは、前記オブジェクトの前記現在の動きの現在の方向と類似するアンテナ方向に沿って共線的に配置され、前記アンテナ方向に既知のアンテナ間隔を有する、少なくとも２つの共線アンテナを含み、各ＴＳＣＩは、前記タイプ１異種無線デバイスの個別のアンテナ及び前記タイプ２異種無線デバイスの個別のアンテナと関連付けられる、検出させることと、
    第１の共線アンテナに関連付けられた第１のＴＳＣＩの第１のＣＩと第２の共線アンテナに関連付けられた第２のＴＳＣＩの第２のＣＩとの間の類似性スコアに基づいて、前記既知のアンテナ間隔に等しい横断距離を横断する前記オブジェクトの前記現在の動きについての持続時間を連続的に計算させることであって、前記第１のＣＩと前記第２のＣＩは、前記現在の動きと関連付けられ、且つ時間的に隣接する、計算させることと、
    前記少なくとも２つのＴＳＣＩ、前記類似性スコア、前記持続時間、前記既知のアンテナ間隔および前記オブジェクトの過去の時空間情報、のうちの少なくとも１つに基づいて、前記オブジェクトの時空間情報をモニタさせることであって、
    前記時空間情報は、前記オブジェクトの前記現在の動きに関連し、且つ、位置、水平位置、垂直位置、長さ、面積、体積、容量、距離、方向、変位、速さ、速度、加速度、回転速度、回転加速度、歩行周期、動きのタイプ、動きの分類、動きの特性、突然の動き、過渡的な動き、周期的動き、周期的動きの周期、周期的動きの周波数、過渡的な動き、時間傾向、タイムスタンプ、期間、時間窓、スライディング時間窓、履歴、周波数傾向、時空間傾向、時空間変化、およびイベントの少なくとも１つを含む、モニタさせることと、
    前記時空間情報に基づいて前記オブジェクトを追跡させることと、をさせ、
    前記オブジェクトを追跡させることは、前記オブジェクトの前記位置を追跡すること、前記オブジェクトの前記速度を追跡すること、地図についての前記オブジェクトの位置を追跡すること、前記地図上の軌道についての前記オブジェクトの前記位置を追跡すること、前記軌道に沿った前記オブジェクトの動きをガイドすること、障害物に関連付けられた位置を回避するために前記軌道に沿った前記オブジェクトの動きをガイドすること、前記オブジェクトの動きを追跡すること、前記オブジェクトの挙動を追跡し識別すること、前記オブジェクト前記動きを検出すること、周期的な前記オブジェクトの前記動きを検出すること、前記オブジェクトの前記現在の動き及び前記挙動に関連付けられるイベントを検出すること、前記オブジェクトの転倒する動きを検出すること、前記オブジェクトの前記位置又は前記速度を示すこと、および前記オブジェクトの前記位置又は前記速度をグラフィカル表示すること、の少なくとも１つを含む、オブジェクト追跡サーバ。
  12. 請求項１１に記載のオブジェクト追跡サーバであって、前記命令セットは、前記オブジェクト追跡サーバに更に、
    前記少なくとも２つの時系列の前記ＣＩに基づいて、前記横断距離と前記持続時間とを決定させることと、
    前記オブジェクトの前記現在の動きの推定された現在の方向を取得させることと、をさせ、
    前記オブジェクトの前記時空間情報は、前記横断距離、前記持続時間及び前記オブジェクトの前記現在の動きの前記推定された現在の方向の少なくとも１つに基づいて決定される、オブジェクト追跡サーバ。
  13. 請求項１１に記載のオブジェクト追跡サーバであって、前記命令セットは、前記オブジェクト追跡サーバに更に、
    それぞれの類似性スコアが個別の第１の共線アンテナに関連付けられた個別の第１のＴＳＣＩの個別の第１のＣＩと個別の第２の共線アンテナに関連付けられた個別の第２のＴＳＣＩの個別の第２のＣＩとに基づく、候補持続時間についての少なくとも１つの類似性スコアを計算させることであって、前記個別の第１のＣＩと前記個別の第２のＣＩとは前記候補持続時間と等しい時間差で時間的に近接する、計算させることと、
    前記少なくとも１つの類似性スコアに基づいて前記候補持続時間についての特徴的な類似性スコアを計算させることと、
    前記特徴的な類似スコアを閾値と比較することに基づいて、前記候補持続時間となる前記持続時間を決定させることとをさせる、オブジェクト追跡サーバ。
  14. 請求項１１に記載のオブジェクト追跡サーバであって、前記命令セットは、前記オブジェクト追跡サーバに更に、
    複数の候補持続時間を決定させることと、
    前記複数の候補持続時間のそれぞれについて、
    候補持続時間のそれぞれについての少なくとも１つの類似性スコアを計算させることであって、各類似性スコアは、２つの関連付けられた共線アンテナに関連付けられた２つの個別のＴＳＣＩの２つの個別のＣＩに基づいて計算され、前記２つの個別のＣＩの間の時間差は前記候補持続時間と等しい、計算させることと、
    前記少なくとも１つの類似性スコアに基づいて前記候補持続時間についての個別の特徴的な類似スコアを計算させることと、
    特定の特徴的な類似性スコアを識別し前記特定の特徴的な類似性スコアを閾値と比較することにより、前記特定の特徴的な類似性スコアに関連付けられた特定の候補持続時間となる前記持続時間を計算させることと、をさせ、
    前記特定の特徴的な類似性スコアは、局所最大値、局所最小値、第１の最大値、第２の最大値、他の最大値、第１の最小値、第２の最小値、他の最小値、ゼロ交差、第１のゼロ交差、第２のゼロ交差、および他のゼロ交差の少なくとも１つに基づいて識別される、オブジェクト追跡サーバ。
  15. 請求項１１に記載のオブジェクト追跡サーバであって、前記命令セットは、前記オブジェクト追跡サーバに更に、
    それぞれが個別の第１の共線アンテナに関連付けられた個別の第１のＴＳＣＩの個別の初期ＣＩと個別の第２の共線アンテナに関連付けられた個別の第２のＴＳＣＩの個別の現在のＣＩとに基づく、少なくとも１つの第２の類似性スコアを計算させることであって、
    前記個別の初期ＣＩは時間的に前記現在の動きの始めに近く、
    前記個別の現在のＣＩは時間的に前記現在の動きの終わりに近く、前記個別の初期ＣＩとは時間的に隣接しない、計算させることと、
    前記少なくとも１つの第２の類似性スコアに基づいて、特徴的な第２の類似性スコアを決定させることと、
    前記特徴的な第２の類似性スコアが閾値よりも大きい場合、前記オブジェクトが停止しており、前記現在の動きが無の動きであることを判定させることと、をさせるオブジェクト追跡サーバ。
  16. 請求項１１に記載のオブジェクト追跡サーバであって、前記命令セットは、前記オブジェクト追跡サーバに更に、
    前記少なくとも２つのＴＳＣＩを処理させることであって、前記処理させることは、ノイズ除去、平滑化、調整、エンハンスメント、復元、特徴抽出、加重平均、低域フィルタリング、帯域フィルタリング、高域フィルタリング、メジアンフィルタリング、ランクフィルタリング、四分位数フィルタリング、百分位数フィルタリング、モードフィルタリング、線形フィルタリング、非線形フィルタリング、有限インパルス応答（ＦＩＲ）フィルタリング、無限インパルス応答（ＩＩＲ）フィルタリング、移動平均（ＭＡ）フィルタリング、自己回帰（ＡＲ）フィルタリング、自己回帰移動平均（ＡＲＭＡ）フィルタリング、閾値法、ソフト閾値法、ハード閾値法、ソフトクリッピング、局所最大化、局所最小化、コスト関数の最適化、ニューラルネットワーク、機械学習、教師あり学習、教師なし学習、半教師あり学習、フーリエ変換、ラプラス、アダマール変換、分解、選択的フィルタリング、適応フィルタリング、微分、一次微分、二次微分、高次微分、積分、ゼロ交差、指示関数、絶対変換、畳み込み、乗算、および除算のうちの少なくとも１つである、処理させることと、
    前記２つの特定のＴＳＣＩの時間的に隣接したＣＩの対に基づいて類似性スコアを計算させることと、をさせ、
    前記類似性スコアは、時間反転共鳴強度（ＴＲＲＳ）、相関、相互相関、自己相関、共分散、相互共分散、自己共分散、２つのベクトルの内積、距離スコア、識別スコア、ニューラルネットワーク出力、およびディープラーニングネットワーク出力の少なくとも１つであり、
    前記ＣＩは、前記無線マルチパスチャネルを介した前記無線信号の
    信号強度、信号振幅、信号位相、
    前記無線マルチパスチャネルを介した前記無線信号の減衰、
    受信信号強度インジケータ（ＲＳＳＩ）、
    チャネル状態情報（ＣＳＩ）、
    イコライザ情報、
    チャネルインパルス応答、
    周波数領域変換関数、
    周波数帯域、周波数シグネチャ、周波数位相、周波数振幅、周波数傾向、周波数特性、周波数的な特性、直交分解特性、および非直交分解特性のうちの少なくとも１つに関連付けられる情報、
    期間、時間シグネチャ、時間振幅、時間位相、時間傾向、および時間特性の少なくとも１つに関連付けられる情報、
    時間周波数分割、時間周波数シグネチャ、時間周波数振幅、時間周波数位相、時間周波数傾向、および時間周波数特性の少なくとも１つに関連付けられる情報、
    方向、到達角度、方向アンテナの角度、および位相と関連付けられる情報、
    の少なくとも１つに関連付けられており、
    前記オブジェクトの前記時空間情報は、前記類似性スコアに基づいて決定される、オブジェクト追跡サーバ。
  17. 請求項１１に記載のオブジェクト追跡サーバであって、前記命令セットは、前記オブジェクト追跡サーバに更に、
    前記オブジェクトの前記過去の時空間情報は、初期時点における前記オブジェクトの初期時空間情報を含み、
    前記オブジェクトの前の動きに関連付けられた他の時系列の他のＣＩに基づいて、前記オブジェクトの前記現在の動きより前の前記初期時点の動きにおける前記オブジェクトの初期時空間情報を決定させることであって、
    前記他の時系列の前記他のＣＩは、前記場所内の第３の位置にある第２のタイプ１異種デバイスと場所内の第４の位置にある第２のタイプ２異種デバイスとの間で前記無線マルチパスチャネルを通じて送信される第２無線信号から抽出され、
    前記無線マルチパスチャネルは前記オブジェクトの前記前の動きによって影響を受ける、決定させることと、
    前記初期時点における前記オブジェクトの前記初期時空間情報が、前記第２のタイプ１異種デバイスと前記第２のタイプ２異種デバイスとの少なくとも１つに関連付けられる既知の時空間情報であると決定させることと、
    前記他の時系列の前記他のＣＩの対応する全てのＣＩが本質的に条件を満たす期間を決定させることと、
    前記期間の特徴点としての前記初期時点を決定させることと、をさせ、
    前記期間の前記特徴点は、中点、四分位点、百分位点、始点、終点、前記他のＣＩが局所的最大となる点、前記他のＣＩが局所的最小となる点、前記他のＣＩが特定の特徴を有する点、および他の特徴点のうちの少なくとも１つである、オブジェクト追跡サーバ。
  18. 請求項１７に記載のオブジェクト追跡サーバであって、
    前記オブジェクトの前の動き中における初期時点では、前記第２のタイプ１異種デバイスと前記第２のタイプ２異種デバイスのうちの１つは、前記オブジェクトに空間的に接近して前記オブジェクトと共に移動し、
    前記初期時点では、前記第２のタイプ１異種デバイスと前記第２のタイプ２異種デバイスのうちの他の１つは指向性アンテナを有し、
    前記既知の時空間情報は、前記指向性アンテナを有する、前記第２のタイプ１異種デバイスと前記第２のタイプ２異種デバイスとうちの前記他の一方に関連付けられ、
    前記オブジェクトの前記現在の動き中における現時点では、前記第１のタイプ１異種デバイスと前記第１のタイプ２異種デバイスのうちの１つは、前記オブジェクトに空間的に接近して前記オブジェクトと共に移動し、
    前記現時点では、前記第１のタイプ１異種デバイスと前記第１のタイプ２異種デバイスのうち１つは、
    ネットワークサーバと通信可能に接続され、
    前記ネットワークサーバと通信可能に接続されるローカルデバイスと通信可能に接続され、
    前記ローカルデバイスは、スマートフォン、スマートデバイス、スマートスピーカー、スマートウォッチ、スマートメガネ、スマートクロック、スマートテレビ、スマートオーブン、スマート冷蔵庫、スマートエアコン、スマートチェア、スマートテーブル、スマートアクセサリ、スマートユーティリティ、スマートアプライアンス、スマートマシーン、スマートビークル、モノのインターネット（IoT）デバイス、インターネット対応デバイス、コンピュータ、ポータブルコンピュータ、タブレット、スマートハウス、スマートオフィス、スマートビル、スマートパーキング、およびスマートシステムの少なくとも１つである、オブジェクト追跡サーバ。
  19. 請求項１１に記載のオブジェクト追跡サーバであって、前記命令セットは、前記オブジェクト追跡サーバに更に、
    前記少なくとも２つのＴＳＣＩに基づいて、電力情報（ＰＩ）の少なくとも２つの時系列を計算させることであって、
    各ＰＩはＣＩと関連付けられており、各ＰＩは、前記ＣＩの振幅、振幅の二乗、位相、実部、虚部および他の関数のうちの少なくとも１つに基づいて計算されるＰＩの実部を有する、計算させることと、
    ＰＩの前記少なくとも２つの時系列の第１の関数を計算させることであって、
    前記第１の関数は、自己相関関数、自己相関関数の二乗、自己共分散関数、自己共分散関数の二乗、内積、自己相関的関数、および共分散的関数のうちの少なくとも１つの演算を含み、
    前記演算は、多項式関数、線形関数、非線形関数、フィルタリング、ノイズ除去、平滑化、調整、強調、復元、特徴抽出、加重平均、高域フィルタリング、低域フィルタリング、バンドパスフィルタリング、メディアンフィルタリング、四分位フィルタリング、パーセンタイルフィルタリング、モードフィルタリング、線形フィルタリング、非線形フィルタリング、有限インパルス応答（ＦＩＲ）フィルタリング、無限インパルス応答（ＩＩＲ）フィルタリング、移動平均（ＭＡ）フィルタリング、自動回帰（ＡＲ）フィルタリング、自己回帰移動平均（ＡＲＭＡ）フィルタリング、選択的フィルタリング、適応フィルタリング、閾値処理、ソフト閾値処理、ハード閾値値処理、ソフトクリッピング、一次微分、二次微分、高次微分、局所最大化、局所最小化、コスト関数の最適化、ニューラルネットワーク、機械学習、教師あり学習、教師なし学習、半教師あり学習、ゼロ交差、絶対関数、指示関数、フーリエ変換、ラプラス変換、アダマール変換、他の変換、変換、分解、微分、一次微分、二次微分、高次微分、畳み込み、乗算、除算、ゼロ交差、指示関数、絶対変換、前処理、後処理、その他の演算のうちの少なくとも１つを含む、計算させることと、
    前記第１の関数の少なくとも１つの特性を決定させることと、
    前記少なくとも１つの特性は、局所最大値、局所最小値、極値、制約付き（制約内の引数を含む）最大値、制約付き最小値、制約付き極値、最大勾配、最小勾配、制約付き最大勾配、制約付き最小勾配、最大高次微分、最小高次微分、制約付き高次微分、ゼロ交差、制約付きゼロ交差、勾配のゼロ交差、高次微分のゼロ交差、およびその他の特性を含む少なくとも１つの特性であり、
    前記第１の関数の前記少なくとも１つの特性と関連付けられた、前記第１の関数の少なくとも１つの引数を識別させることと、をさせ、
    前記横断距離を横断する前記持続時間は、前記第１の関数の前記少なくとも１つの引数に基づいて決定される、オブジェクト追跡サーバ。
  20. 請求項１１に記載のオブジェクト追跡サーバであって、前記命令セットは、前記オブジェクト追跡サーバに更に、
    前記無線マルチパスチャネルの少なくとも２つの第２のＴＳＣＩを取得させることであって、
    前記少なくとも２つの第２のＴＳＣＩは第２の無線信号から抽出される、取得させることと、
    前記少なくとも２つの第２のＴＳＣＩに基づいて、前記オブジェクトの前記時空間情報を決定させることであって、
    前記タイプ１異種デバイスは複数のタイプ２異種デバイスと無線接続が可能であり、
    前記タイプ１異種無線デバイスが、前記場所内の別の位置において前記タイプ２異種無線デバイスから第２のタイプ２異種無線デバイスへ無線接続を切り換え、
    前記場所内で前記オブジェクトの前記現在の動きによって影響を受ける前記無線マルチパスチャネルを介して前記タイプ１異種デバイスと前記第２のタイプ２異種デバイスとの間で前記第２の無線信号が送信されるようにする、決定させることとをさせる、オブジェクト追跡サーバ。
JP2018226506A 2017-12-01 2018-12-03 オブジェクト追跡とナビゲーションのための方法、装置及びシステム Active JP7228375B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2023020188A JP2023075094A (ja) 2017-12-01 2023-02-13 オブジェクト追跡とナビゲーションのための方法、装置及びシステム

Applications Claiming Priority (24)

Application Number Priority Date Filing Date Title
US201762593826P 2017-12-01 2017-12-01
US62/593,826 2017-12-01
US15/861,422 2018-01-03
US15/861,422 US11025475B2 (en) 2012-12-05 2018-01-03 Method, apparatus, server, and systems of time-reversal technology
US15/873,806 2018-01-17
US15/873,806 US10270642B2 (en) 2012-12-05 2018-01-17 Method, apparatus, and system for object tracking and navigation
US201862678207P 2018-05-30 2018-05-30
US62/678,207 2018-05-30
US16/101,444 US10291460B2 (en) 2012-12-05 2018-08-11 Method, apparatus, and system for wireless motion monitoring
US16/101,444 2018-08-11
US201862734224P 2018-09-20 2018-09-20
US62/734,224 2018-09-20
US201862744093P 2018-10-10 2018-10-10
US62/744,093 2018-10-10
US201862753017P 2018-10-30 2018-10-30
US62/753,017 2018-10-30
US16/200,608 2018-11-26
US16/200,616 2018-11-26
US16/200,616 US10495725B2 (en) 2012-12-05 2018-11-26 Method, apparatus, server and system for real-time vital sign detection and monitoring
US16/200,608 US10735298B2 (en) 2012-12-05 2018-11-26 Method, apparatus, server and system for vital sign detection and monitoring
US16/203,299 US10374863B2 (en) 2012-12-05 2018-11-28 Apparatus, systems and methods for event recognition based on a wireless signal
US16/203,317 US10397039B2 (en) 2012-12-05 2018-11-28 Apparatus, systems and methods for fall-down detection based on a wireless signal
US16/203,299 2018-11-28
US16/203,317 2018-11-28

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2023020188A Division JP2023075094A (ja) 2017-12-01 2023-02-13 オブジェクト追跡とナビゲーションのための方法、装置及びシステム

Publications (2)

Publication Number Publication Date
JP2019179020A JP2019179020A (ja) 2019-10-17
JP7228375B2 true JP7228375B2 (ja) 2023-02-24

Family

ID=66284909

Family Applications (6)

Application Number Title Priority Date Filing Date
JP2018226507A Active JP7353006B2 (ja) 2017-12-01 2018-12-03 無線信号に基づいてイベントを認識するための装置、システム及び方法
JP2018226505A Active JP7278682B2 (ja) 2017-12-01 2018-12-03 周期的な動き検出とモニタのためのシステム及び方法
JP2018226506A Active JP7228375B2 (ja) 2017-12-01 2018-12-03 オブジェクト追跡とナビゲーションのための方法、装置及びシステム
JP2018226508A Active JP7393748B2 (ja) 2017-12-01 2018-12-03 無線信号に基づく転倒検出のための装置、システム及び方法
JP2023020188A Pending JP2023075094A (ja) 2017-12-01 2023-02-13 オブジェクト追跡とナビゲーションのための方法、装置及びシステム
JP2023076862A Pending JP2023109822A (ja) 2017-12-01 2023-05-08 周期的な動き検出とモニタのための方法、装置及びシステム

Family Applications Before (2)

Application Number Title Priority Date Filing Date
JP2018226507A Active JP7353006B2 (ja) 2017-12-01 2018-12-03 無線信号に基づいてイベントを認識するための装置、システム及び方法
JP2018226505A Active JP7278682B2 (ja) 2017-12-01 2018-12-03 周期的な動き検出とモニタのためのシステム及び方法

Family Applications After (3)

Application Number Title Priority Date Filing Date
JP2018226508A Active JP7393748B2 (ja) 2017-12-01 2018-12-03 無線信号に基づく転倒検出のための装置、システム及び方法
JP2023020188A Pending JP2023075094A (ja) 2017-12-01 2023-02-13 オブジェクト追跡とナビゲーションのための方法、装置及びシステム
JP2023076862A Pending JP2023109822A (ja) 2017-12-01 2023-05-08 周期的な動き検出とモニタのための方法、装置及びシステム

Country Status (2)

Country Link
EP (6) EP3879298A3 (ja)
JP (6) JP7353006B2 (ja)

Families Citing this family (81)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6680838B2 (ja) * 2018-08-10 2020-04-15 セントラル警備保障株式会社 警備システムにおけるモード設定方法
CN110334785B (zh) * 2019-06-19 2023-05-09 深圳数联天下智能科技有限公司 物体移动路径的确定方法及相关装置
KR20210007238A (ko) 2019-07-10 2021-01-20 삼성전자주식회사 흔들림 보정을 통한 물체 인식 방법 및 그 전자 장치
CN110377872B (zh) * 2019-07-20 2022-12-13 中国科学院上海天文台 一种基于通用计算显卡的多普勒数据处理方法
CN112285688A (zh) * 2019-07-22 2021-01-29 财团法人工业技术研究院 讯号感测系统与方法
CN110298605A (zh) * 2019-07-30 2019-10-01 浙江长元科技有限公司 一种基于物联网的智慧消防安全决策方法及系统
CN112333128B (zh) * 2019-08-05 2021-09-17 四川大学 一种基于自编码器的Web攻击行为检测系统
CN110689700A (zh) * 2019-09-11 2020-01-14 天津市英贝特航天科技有限公司 一种基于x4m200的婴儿监护设备
CN112654066B (zh) * 2019-10-11 2023-03-14 维沃移动通信有限公司 一种测量上报配置方法、设备及系统
CN110751082B (zh) * 2019-10-17 2023-12-12 烟台艾易新能源有限公司 一种智能家庭娱乐系统手势指令识别方法
CN110941191B (zh) * 2019-10-22 2023-08-18 青岛海尔科技有限公司 基于物联网操作系统的设备控制方法、装置及存储介质
CN110988933B (zh) * 2019-10-31 2023-03-28 太原理工大学 一种基于模拟退火和梯度下降的选星方法
CN110801355B (zh) * 2019-11-06 2022-05-03 佛山市顺德区孝德嘉医疗科技有限公司 一种安全起床训练器及训练方法
CN110852266A (zh) * 2019-11-11 2020-02-28 重庆邮电大学 一种基于无线信号的步态特征提取方法
CN110995376B (zh) * 2019-11-21 2021-05-04 北京邮电大学 一种基于WiFi信道状态信息的空中手写输入方法
CN112949344B (zh) * 2019-11-26 2023-03-31 四川大学 一种用于异常检测的特征自回归方法
CN111083206A (zh) * 2019-12-02 2020-04-28 广东马上信息科技有限公司 一种基于物联网的智慧校园中枢控制系统
CN111134637B (zh) * 2019-12-06 2023-04-07 深圳绿米联创科技有限公司 信号处理方法、装置、电子设备及存储介质
CN111128315B (zh) * 2019-12-13 2023-08-11 桂林理工大学 一种基于引力搜索算法的地聚物混凝土配合比方法
CN111027524B (zh) * 2020-01-03 2023-09-01 成都中科大旗软件股份有限公司 在线客流监测分析数据误差修正方法
CN111292261B (zh) * 2020-01-17 2023-04-18 杭州电子科技大学 一种基于多传感器融合的集装箱检测及锁定方法
CN113138409A (zh) * 2020-01-19 2021-07-20 中国石油天然气集团有限公司 一种三维叠后地震数据处理方法及装置
CN113222489B (zh) * 2020-02-06 2023-09-29 北京京东振世信息技术有限公司 一种设定物品传送速度的方法和装置
EP3872520A3 (en) * 2020-02-25 2021-11-03 Origin Wireless, Inc. Device and method for vehicle related wireless monitoring based on multipath channel information
CN111428782B (zh) * 2020-03-20 2022-06-21 国网浙江省电力公司 一种根据负荷历史电流数据还原负荷工作状态的方法
US11163372B2 (en) 2020-04-01 2021-11-02 Toyota Motor North America, Inc Transport gait and gesture interpretation
CN111458698B (zh) * 2020-04-02 2022-07-15 哈尔滨工程大学 一种被动声纳稀疏阵位优化方法
CN111541505B (zh) * 2020-04-03 2021-04-27 武汉大学 一种面向ofdm无线通信系统的时域信道预测方法及系统
US11202121B2 (en) * 2020-05-13 2021-12-14 Roku, Inc. Providing customized entertainment experience using human presence detection
US20210382479A1 (en) * 2020-06-09 2021-12-09 Insurance Services Office, Inc. Systems and Methods for Controlling Automated Systems Using Integer Programming and Column Generation Techniques
CN111753686A (zh) * 2020-06-11 2020-10-09 深圳市三旺通信股份有限公司 基于csi的人数识别方法、装置、设备及计算机存储介质
CN111898442B (zh) * 2020-06-29 2023-08-11 西北大学 一种基于多模态特征融合的人体动作识别方法及装置
CN111917360B (zh) * 2020-06-30 2023-05-05 中国电力科学研究院有限公司 基于级数分解确定伺服电机定子故障状态指标的方法及系统
JP7349683B2 (ja) * 2020-07-20 2023-09-25 日本電信電話株式会社 物体検知システム、物体検知装置、物体検知方法および物体検知プログラム
CN111830465B (zh) * 2020-07-27 2023-07-07 重庆大学 二维牛顿正交匹配追踪压缩波束形成方法
CN111856490B (zh) * 2020-07-29 2022-06-28 中国科学院光电技术研究所 一种非视域目标探测时中介面回波的抑制方法
CN112363171B (zh) * 2020-08-18 2022-07-05 中国船舶重工集团公司第七一五研究所 一种解决被动警戒画面目标航迹交叉的自主跟踪方法
CN112082558A (zh) * 2020-09-14 2020-12-15 哈尔滨工程大学 基于多项式拟合的uuv海底地形跟踪路径滚动生成方法
CN112082557A (zh) * 2020-09-14 2020-12-15 哈尔滨工程大学 基于贝塞尔拟合的uuv海底地形跟踪路径滚动生成方法
CN112113570B (zh) * 2020-09-15 2022-05-17 电子科技大学 一种基于深度迁移和模型参数集成的室内定位方法
CN112407321B (zh) * 2020-10-30 2022-05-31 中国直升机设计研究所 一种基于直升机旋翼转速生成方位角信号的方法
CN112465847A (zh) * 2020-11-27 2021-03-09 深圳点猫科技有限公司 一种基于预测清晰边界的边缘检测方法、装置及设备
TWI745259B (zh) * 2020-12-03 2021-11-01 國立虎尾科技大學 應用於5g智慧製造設備的天線信號均優化方法
US20220210605A1 (en) * 2020-12-28 2022-06-30 Robert Bosch Gmbh Systems and methods for assisting drivers and riders to locate each other
CN112651349B (zh) * 2020-12-30 2022-01-07 西南交通大学 一种无线干扰检测方法、装置、设备及可读存储介质
EP4274475A1 (en) 2021-01-07 2023-11-15 Signify Holding B.V. Detection system and method for detecting motion of a subject
CN112911704B (zh) * 2021-01-21 2022-04-05 北京邮电大学 基于动态融合特征的csi室内指纹定位方法及装置
CN114792461B (zh) * 2021-01-25 2024-01-16 广州汽车集团股份有限公司 一种车内求救信号发送的方法及装置
CN112773342A (zh) * 2021-01-27 2021-05-11 山东体育学院 体育运动参数测试方法及系统
CN113126050B (zh) * 2021-03-05 2022-08-19 沃尔夫曼消防装备有限公司 一种基于神经网络的生命探测方法
CN113192283B (zh) * 2021-04-27 2022-04-15 中国地质大学（武汉） 一种多传感器信息融合的无线火灾预警系统
US11589297B2 (en) 2021-05-12 2023-02-21 Cognitive Systems Corp. Systems and methods for time domain channel representation information for Wi-Fi sensing
CN113341406A (zh) * 2021-06-15 2021-09-03 中铁隧道局集团有限公司 一种隧道病害检测系统的检测方法
CN113507745B (zh) * 2021-06-23 2023-04-18 电子科技大学 一种基于时间反演无线输能的多用户功率分配方法及系统
CN113671910B (zh) * 2021-07-21 2022-09-27 华南理工大学 一种集成多agv柔性作业车间调度方法、装置及介质
CN115702993B (zh) * 2021-08-12 2023-10-31 荣耀终端有限公司 跳绳状态的检测方法及电子设备
CN117795967A (zh) 2021-09-01 2024-03-29 三星电子株式会社 显示装置及其控制方法
KR20230033285A (ko) * 2021-09-01 2023-03-08 삼성전자주식회사 디스플레이 장치 및 그 제어 방법
WO2023031875A1 (en) * 2021-09-03 2023-03-09 Cognitive Systems Corp. Methods and systems for compressed csi for virtual wideband channels
US20230072377A1 (en) * 2021-09-08 2023-03-09 Nami Ai Pte Ltd. Onboarding a Sensing System
CN113553141B (zh) * 2021-09-17 2021-12-21 支付宝(杭州)信息技术有限公司 一种基于云边端架构的终端保活管理方法及装置
CN113870528A (zh) * 2021-09-17 2021-12-31 四川华能宝兴河水电有限责任公司 一种通过智能安全帽对危险事件进行快速感知的方法
CN113866739B (zh) * 2021-09-17 2024-05-14 西安电子科技大学 基于glct-gptf的多旋翼目标参数估计方法
CN113936253B (zh) * 2021-12-16 2022-03-01 深圳致星科技有限公司 料件搬运作业周期生成方法、存储介质、电子设备及装置
CN114224320B (zh) * 2021-12-31 2023-01-17 深圳融昕医疗科技有限公司 自适应多通道信号融合的鼾声检测方法、设备及系统
WO2023136112A1 (ja) * 2022-01-12 2023-07-20 株式会社村田製作所 演算装置および演算プログラム
US20230309053A1 (en) * 2022-03-25 2023-09-28 Viavi Solutions Inc. Utilizing machine learning models to estimate user device spatiotemporal behavior
CN115134477A (zh) * 2022-04-29 2022-09-30 西安应用光学研究所 一种光电系统同步定位方法
US20230387994A1 (en) * 2022-05-24 2023-11-30 Samsung Electronics Co., Ltd. Multi-antenna wifi based breathing rate estimation
CN115014765B (zh) * 2022-07-11 2023-04-07 浙江大学 一种通过声信号提取滚动轴承保持架故障特征的方法
CN114973589B (zh) * 2022-07-26 2022-10-28 中关村科学城城市大脑股份有限公司 火情信息生成方法、装置、电子设备和计算机可读介质
CN115486833B (zh) * 2022-08-22 2023-06-06 华南师范大学 呼吸状态检测方法、装置、计算机设备以及存储介质
CN115277249B (zh) * 2022-09-22 2022-12-20 山东省计算中心（国家超级计算济南中心） 一种多层异构网络协同的网络安全态势感知方法
CN115587291B (zh) * 2022-09-26 2023-05-30 华中科技大学 一种基于裂纹超声散射矩阵的去噪表征方法及系统
CN115453489B (zh) * 2022-10-28 2023-03-24 长沙莫之比智能科技有限公司 一种毫米波雷达室内多径判别方法
CN116367305B (zh) * 2023-06-01 2023-08-29 华中师范大学 一种基于掩码自编器和信号引导的无线定位方法及系统
CN116616817B (zh) * 2023-07-21 2023-10-03 深圳华声医疗技术股份有限公司 超声心率检测方法、装置、超声设备及存储介质
CN116653770B (zh) * 2023-07-27 2023-11-21 浙江省标准化研究院(金砖国家标准化(浙江)研究中心、浙江省物品编码中心) 一种道路机动车用光源安全评估预警系统
CN117111018B (zh) * 2023-10-24 2024-02-13 珠海正和微芯科技有限公司 人体微动检测方法
CN117129947B (zh) * 2023-10-26 2023-12-26 成都金支点科技有限公司 一种基于miniunet的平面变换法雷达信号识别方法
CN117607864B (zh) * 2024-01-15 2024-03-29 江西核工业工程地质勘察院有限公司 一种用于三维雷达综合检测车的扫描定位装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015219222A (ja) 2014-05-21 2015-12-07 住友電気工業株式会社 監視装置、監視システム、監視方法および監視プログラム
WO2016103394A1 (ja) 2014-12-25 2016-06-30 三菱電機株式会社 状態検知システム、空調制御システム、及び、状態検知方法
WO2017180698A1 (en) 2016-04-14 2017-10-19 Origin Wireless, Inc. Methods, apparatus, servers, and systems for object tracking

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5131657B2 (ja) 2007-09-05 2013-01-30 公益財団法人北九州産業学術推進機構 呼吸監視方法及び装置
US20100152600A1 (en) * 2008-04-03 2010-06-17 Kai Sensors, Inc. Non-contact physiologic motion sensors and methods for use
KR20110008080A (ko) 2008-04-03 2011-01-25 카이 메디컬, 아이엔씨. 비접촉식 생리학적 모션 센서 및 모션 센서의 사용 방법
WO2017100706A1 (en) * 2015-12-09 2017-06-15 Origin Wireless, Inc. Method, apparatus, and systems for wireless event detection and monitoring
WO2017155634A1 (en) * 2016-03-11 2017-09-14 Origin Wireless, Inc. Methods, devices, servers, apparatus, and systems for wireless internet of things applications
WO2010099268A1 (en) 2009-02-25 2010-09-02 Xanthia Global Limited Wireless physiology monitor
WO2015168093A1 (en) * 2014-04-28 2015-11-05 Massachusetts Institute Of Technology Vital signs monitoring via radio reflections
EP3195541B1 (en) 2014-07-17 2021-11-03 Origin Wireless, Inc. Wireless positioning systems
US9648211B2 (en) * 2015-05-14 2017-05-09 Xerox Corporation Automatic video synchronization via analysis in the spatiotemporal domain
US20170086202A1 (en) 2015-09-21 2017-03-23 Qualcomm Incorporated Wi-fi indoor radar
JP6943365B2 (ja) 2016-01-18 2021-09-29 学校法人慶應義塾 情報処理装置、情報処理システム、計測装置、計測システム、情報処理方法及びプログラム
JP6900390B2 (ja) 2016-03-11 2021-07-07 オリジン ワイヤレス， インコーポレイテッドＯｒｉｇｉｎ Ｗｉｒｅｌｅｓｓ， Ｉｎｃ． バイタルサインを検出及び監視する方法、装置、サーバ及びシステム
US9743294B1 (en) * 2017-03-16 2017-08-22 Cognitive Systems Corp. Storing modem parameters for motion detection

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015219222A (ja) 2014-05-21 2015-12-07 住友電気工業株式会社 監視装置、監視システム、監視方法および監視プログラム
WO2016103394A1 (ja) 2014-12-25 2016-06-30 三菱電機株式会社 状態検知システム、空調制御システム、及び、状態検知方法
WO2017180698A1 (en) 2016-04-14 2017-10-19 Origin Wireless, Inc. Methods, apparatus, servers, and systems for object tracking

Also Published As

Publication number Publication date
EP3869219A1 (en) 2021-08-25
JP7278682B2 (ja) 2023-05-22
EP3492944A1 (en) 2019-06-05
JP2019179020A (ja) 2019-10-17
EP3879298A3 (en) 2021-12-08
EP3492945B1 (en) 2023-08-09
EP3492946A1 (en) 2019-06-05
JP7353006B2 (ja) 2023-09-29
EP3492944B1 (en) 2021-05-05
JP7393748B2 (ja) 2023-12-07
EP3492945A1 (en) 2019-06-05
JP2019133639A (ja) 2019-08-08
JP2019111321A (ja) 2019-07-11
JP2019130289A (ja) 2019-08-08
EP3879298A2 (en) 2021-09-15
JP2023109822A (ja) 2023-08-08
EP4233709A2 (en) 2023-08-30
EP4233709A3 (en) 2023-11-15
JP2023075094A (ja) 2023-05-30
EP3492946B1 (en) 2021-05-12

Similar Documents

Publication Publication Date Title
JP7228375B2 (ja) オブジェクト追跡とナビゲーションのための方法、装置及びシステム
US10742475B2 (en) Method, apparatus, and system for object tracking sensing using broadcasting
US10397039B2 (en) Apparatus, systems and methods for fall-down detection based on a wireless signal
US11340345B2 (en) Method, apparatus, and system for wireless object tracking
US20220091231A1 (en) Method, apparatus, and system for human identification based on human radio biometric information
US11408978B2 (en) Method, apparatus, and system for vital signs monitoring using high frequency wireless signals
US11439344B2 (en) Method, apparatus, and system for wireless sleep monitoring
US10374863B2 (en) Apparatus, systems and methods for event recognition based on a wireless signal
US10866302B2 (en) Method, apparatus, and system for wireless inertial measurement
US10845463B2 (en) Method, apparatus, and system for wireless object scanning
US20200202117A1 (en) Method, apparatus, and system for wireless gait recognition
US11500058B2 (en) Method, apparatus, and system for wireless proximity sensing
US11770197B2 (en) Method, apparatus, and system for accurate wireless monitoring
US11448727B2 (en) Method, apparatus, and system for human recognition based on gait features
US11906659B2 (en) Method, apparatus, and system for wireless micro motion monitoring
US11953618B2 (en) Method, apparatus, and system for wireless motion recognition
US20200366386A1 (en) Method, apparatus, and system for processing and presenting life log based on a wireless signal
JP2022191191A (ja) サウンドセンシング及び無線センシングのための方法、装置及びシステム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20211022

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220729

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220808

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221108

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230113

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230213

R150 Certificate of patent or registration of utility model

Ref document number: 7228375

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150