KR20200092480A - Em 신호의 특징을 등록하여 외부 장치를 식별하는 방법 및 상기 방법을 적용한 전자 장치 - Google Patents

Em 신호의 특징을 등록하여 외부 장치를 식별하는 방법 및 상기 방법을 적용한 전자 장치 Download PDF

Info

Publication number
KR20200092480A
KR20200092480A KR1020190002893A KR20190002893A KR20200092480A KR 20200092480 A KR20200092480 A KR 20200092480A KR 1020190002893 A KR1020190002893 A KR 1020190002893A KR 20190002893 A KR20190002893 A KR 20190002893A KR 20200092480 A KR20200092480 A KR 20200092480A
Authority
KR
South Korea
Prior art keywords
external device
electronic device
signal
feature data
information
Prior art date
Application number
KR1020190002893A
Other languages
English (en)
Inventor
이유원
민황기
최성현
강두석
김승년
Original Assignee
삼성전자주식회사
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
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020190002893A priority Critical patent/KR20200092480A/ko
Priority to PCT/KR2019/017846 priority patent/WO2020145536A1/ko
Priority to US17/421,156 priority patent/US11768233B2/en
Publication of KR20200092480A publication Critical patent/KR20200092480A/ko

Links

Images

Classifications

    • G06K9/6201—
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/08—Measuring electromagnetic field characteristics
    • G01R29/0807—Measuring electromagnetic field characteristics characterised by the application
    • G01R29/0814—Field measurements related to measuring influence on or from apparatus, components or humans, e.g. in ESD, EMI, EMC, EMP testing, measuring radiation leakage; detecting presence of micro- or radiowave emitters; dosimetry; testing shielding; measurements related to lightning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/08—Measuring electromagnetic field characteristics
    • G01R29/0864—Measuring electromagnetic field characteristics characterised by constructional or functional features
    • G01R29/0871—Complete apparatus or systems; circuits, e.g. receivers or amplifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G06K9/46—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Electromagnetism (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Telephone Function (AREA)

Abstract

전자 장치가 외부 장치와 연동하는 방법에 있어서, 외부 장치로부터 EM 신호를 획득하는 동작, 상기 획득한 EM 신호를 특징 추출 모델에 통과시켜 특징 데이터를 추출하는 동작, 상기 외부 장치와 관련된 정보를 입력 받는 동작, 상기 추출된 특징 데이터 및 상기 외부 장치와 관련된 정보에 기반하여 등록 정보를 생성하는 동작, 및 상기 생성된 등록 정보를 메모리의 데이터 베이스에 저장하는 동작을 포함하고, 상기 외부 장치와 관련된 정보를 입력 받는 동작은, 상기 외부 장치와 관련된 정보를 입력하기 위한 입력 인터페이스를 제공하거나 또는 적어도 하나의 미리 저장된 외부 장치와 관련된 정보를 보여주는 방법이 개시될 수 있다. 이 외에도 명세서를 통해 파악되는 다양한 실시 예가 가능하다.

Description

EM 신호의 특징을 등록하여 외부 장치를 식별하는 방법 및 상기 방법을 적용한 전자 장치{METHOD IDENTIFYING EXTERNAL DEVICE BY REGISTERING FEATURE OF ELECTROMAGNETIC SIGNAL AND ELECTRONIC DEVICE APPLING THE METHOD}
본 문서에서 개시되는 다양한 실시 예들은 외부 장치로부터 발생하는 EM 신호의 특징을 등록하고, 등록된 특징에 기반하여 외부 장치를 식별하는 기술과 관련된다.
최근의 전자 장치는 주변의 전기 장치 또는 전자 장치인 외부 장치를 식별할 수 있다. TV, 냉장고, 스피커와 같은 외부 장치들은 해당 장치의 구성 및/또는 동작 방식과 같은 특성에 따라 각각 독특한 EM(electromagnetic) 신호를 방출한다. 전자 장치는 외부 장치에서 발생하는 EM 신호를 외부 장치의 고유한 지문(fingerprint)으로서 이용하여 외부 장치의 종류 또는 모델 이름을 식별할 수 있다. 전자 장치는 외부 장치를 식별 및/또는 인식한 후 해당 외부 장치와 연결 및/또는 해당 외부 장치의 제어와 같은 연결 서비스를 제공할 수 있다.
전자 장치는 복수의 외부 장치들로부터 생성된 EM 신호들을 사전에 수집하고 학습할 수 있다. 전자 장치는 학습된 데이터를 분류기(classifier)에 적용할 수 있다. 분류기는 EM 신호가 입력된 경우, 학습 데이터에 포함된 외부 장치들 각각에 대한 적합도 또는 신뢰도 점수를 부여하는 판별 모델을 구성할 수 있다. 전자 장치는 임의의 외부 장치에서 생성된 EM 신호가 입력된 경우, 판별 모델을 이용하여 임의의 외부 장치를 식별할 수 있다.
외부 장치에서 발생되는 EM 신호를 식별하기 위해 판별 모델을 이용하는 전자 장치는 판별 모델을 생성 및/또는 갱신하는 학습 데이터에 포함된 외부 장치만 식별할 수 있다. 전자 장치는 학습 데이터에 포함되지 않은 신규 모델이나 기타 외부 장치들은 학습 데이터를 수집하기 전까지 식별할 수 없다.
또한, 학습 데이터의 범위 및 정확성을 유지하기 위해 지속적으로 학습 데이터를 수집하고 관리하기 용이하지 않을 수 있다.
또한, 전자 장치의 동작 환경에 따라 잡음(noise)에 의해 외부 장치의 EM 신호가 왜곡되어 전자 장치가 외부 장치를 식별하기 용이하지 않을 수 있다.
본 문서의 다양한 실시 예들에 따르면, 전자 장치는 학습 데이터에 포함되어 있지 않은 외부 장치를 식별할 수 있고, 학습 데이터의 수집 및 관리에 대한 부담을 감소시킬 수 있다.
본 문서의 다양한 실시 예들에 따르면, 전자 장치는 잡음에 강인한 외부 장치의 식별 방법을 제공할 수 있다.
본 문서에 개시되는 일 실시 예에 따른 전자 장치가 외부 장치와 연동하는 방법은, 외부 장치로부터 EM 신호를 획득하는 동작, 상기 획득한 EM 신호를 특징 추출 모델에 통과시켜 특징 데이터를 추출하는 동작, 상기 외부 장치와 관련된 정보를 입력 받는 동작, 상기 추출된 특징 데이터 및 상기 외부 장치와 관련된 정보에 기반하여 등록 정보를 생성하는 동작, 및 상기 생성된 등록 정보를 메모리의 데이터 베이스에 저장하는 동작을 포함하고, 상기 외부 장치와 관련된 정보를 입력 받는 동작은, 상기 외부 장치와 관련된 정보를 입력하기 위한 입력 인터페이스를 제공하거나 또는 적어도 하나의 미리 저장된 외부 장치와 관련된 정보를 보여줄 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 입력 장치, 표시 장치, 통신 모듈, EM 신호를 획득하기 위한 EM 센싱 회로, 상기 입력 장치, 상기 표시 장치, 상기 통신 모듈, 및 상기 EM 센싱 회로와 작동적으로 연결된(operationally connected) 적어도 하나의 프로세서, 및 상기 프로세서와 작동적으로 연결된 메모리를 포함하고, 상기 메모리는, 실행 시, 상기 프로세서가, 상기 EM 센싱 회로를 이용하여, 외부 장치로부터 EM 신호를 획득하고, 상기 획득한 EM 신호를 특징 추출 모델에 적용하여 특징 데이터를 추출하고, 상기 메모리에 포함된 데이터베이스에 상기 외부 장치 및 상기 전자 장치를 매핑하는 정보를 저장하고, 상기 특징 데이터에 기반하여 식별된 외부 장치에 연관된 서비스를 등록하도록 하는 인스트럭션들을 저장할 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 전자 장치가 외부 장치를 식별하는 방법은, 외부 장치로부터 EM 신호를 센싱하는 동작, 상기 센싱된 EM 신호를 학습 데이터를 이용하여 학습시킨 특징 추출 모델에 통과시켜 특징 데이터를 추출하는 동작, 상기 추출된 특징 데이터를 상기 전자 장치의 메모리에 등록된 특징 데이터와 유사도를 비교하는 동작, 및 상기 비교 결과에 기반하여, 상기 등록된 특징 데이터를 확장하거나 또는 상기 외부 장치와 관련된 정보를 등록하는 동작을 포함할 수 있다.
본 문서에 개시되는 다양한 실시 예들에 따르면, 전자 장치는 EM 신호의 특징을 이용하여 외부 장치를 식별하여, 학습 데이터에 포함되어 있지 않은 외부 장치를 식별할 수 있다.
본 문서에 개시되는 다양한 실시 예들에 따르면, 전자 장치는 외부 장치로부터 수집한 EM 신호의 특징 데이터를 추출하여 학습 데이터의 수집 및 관리에 대한 부담을 감소시킬 수 있다.
본 문서에 개시되는 다양한 실시 예들에 따르면, 전자 장치는 EM 신호 자체와 비교하여 잡음에 의한 왜곡이 감소하는 특징 데이터를 입력으로 하여 해당 특징에 부합하는 외부 장치를 식별할 수 있어, 잡음에 강한 외부 장치의 식별 방법을 제공할 수 있다.
이 외에, 본 문서의 다양한 실시 예들을 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 다양한 실시 예에 따른 네트워크 환경 내의 전자 장치를 나타낸다.
도 2는 일 실시 예에 따른 EM 신호를 획득하는 전자 장치를 나타낸 블록도이다.
도 3은 다른 실시 예에 따른 EM 신호를 획득하는 전자 장치를 나타낸 블록도이다.
도 4는 일 실시 예에 따른 전자 장치가 EM 신호를 이용하여 외부 장치들을 식별하는 개념도이다.
도 5는 일 실시 예에 따른 전자 장치의 EM 센싱을 수행하는 구성요소들을 나타낸 블록도이다.
도 6은 일 실시 예에 따른 EM 신호의 특징을 등록하여 외부 장치를 식별하는 방법을 나타낸 도면이다.
도 7은 일 실시 예에 따른 EM 신호의 특징을 등록하는 방법을 나타낸 도면이다.
도 8은 일 실시 예에 따른 전자 장치가 외부 장치를 식별하는 방법을 나타낸 도면이다.
도 9는 일 실시 예에 따른 특징 추출 모델을 나타낸 도면이다.
도 10은 다른 실시 예에 따른 특징 추출 모델을 나타낸 도면이다.
도 11a는 일 실시 예에 따른 전자 장치가 외부 장치의 EM 신호를 획득하는 방법을 나타낸 도면이다.
도 11b는 일 실시 예에 따른 전자 장치에 외부 장치와 관련된 정보를 입력하기 위한 입력 인터페이스를 제공하는 화면을 나타낸 도면이다.
도 11c는 일 실시 예에 따른 전자 장치에 외부 장치와 관련된 정보를 보여주는 화면을 나타낸 도면이다.
도 12는 일 실시 예에 따른 외부 장치의 등록 방법을 나타낸 흐름도이다.
도 13은 다른 실시 예에 따른 외부 장치의 등록 방법을 나타낸 흐름도이다.
도 14는 일 실시 예에 따른 외부 장치의 등록 및 외부 장치와 연관된 서비스 연동 방법을 나타낸 흐름도이다.
도 15는 일 실시 예에 따른 행동 패턴 분석을 이용하여 규칙을 생성하는 방법을 나타낸 흐름도이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
이하, 본 발명의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.
도 1은, 다양한 실시 예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 장치(150), 음향 출력 장치(155), 표시 장치(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시 예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 표시 장치(160) 또는 카메라 모듈(180))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시 예에서는, 이 구성요소들 중 일부들은 하나의 통합된 회로로 구현될 수 있다. 예를 들면, 센서 모듈(176)(예: 지문 센서, 홍채 센서, 또는 조도 센서)은 표시 장치(160)(예: 디스플레이)에 임베디드된 채 구현될 수 있다
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시 예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 로드하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시 예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 및 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 추가적으로 또는 대체적으로, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 또는 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 표시 장치(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시 예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 장치(150)는, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 장치(150)는, 예를 들면, 마이크, 마우스, 키보드, 또는 디지털 펜(예:스타일러스 펜)을 포함할 수 있다.
음향 출력 장치(155)는 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 장치(155)는, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있고, 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시 예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
표시 장치(160)는 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 표시 장치(160)는, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시 예에 따르면, 표시 장치(160)는 터치를 감지하도록 설정된 터치 회로(touch circuitry), 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(예: 압력 센서)를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시 예에 따르면, 오디오 모듈(170)은, 입력 장치(150)를 통해 소리를 획득하거나, 음향 출력 장치(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시 예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시 예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시 예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시 예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시 예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시 예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시 예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108))간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시 예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 및 인증할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시 예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 하나의 안테나를 포함할 수 있다. 일 실시 예에 따르면, 안테나 모듈(197)은 복수의 안테나들을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부 장치 간에 송신되거나 수신될 수 있다. 어떤 실시 예에 따르면, 방사체 이외에 다른 부품(예: RFIC)이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시 예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부 전자 장치(102, 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시 예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부 장치들(102, 104, 또는 108) 중 하나 이상의 외부 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
도 2는 일 실시 예에 따른 EM 신호(EM1, EM2)를 획득하는 전자 장치(101)를 나타낸 블록도(200)이다. 일 실시 예에 따른 전자 장치(101)는 입력 장치(150), 표시 장치(160), 통신 모듈(190), 프로세서(120), 및 EM 센싱 회로(210)를 포함할 수 있다.
일 실시 예에서, 입력 장치(150)는 사용자가 수행하는 다양한 종류의 입력을 획득할 수 있다. 입력 장치(150)는 전자 장치(101)에 입력될 명령 또는 데이터를 전자 장치(101)의 외부로부터 수신할 수 있다. 사용자의 입력에는 터치 입력, 드래그 입력, 또는 음성 입력이 포함될 수 있다.
일 실시 예에서, 표시 장치(160)는 입력 장치(150)로부터 획득한 사용자의 입력에 대한 정보를 영상 또는 텍스트로 표시할 수 있다. 예컨대, 표시 장치(160)는 획득한 음성 입력의 내용을 텍스트로 표시할 수 있다. 전자 장치(101)가 획득한 사용자의 입력에 대응하는 동작을 수행하는 경우, 표시 장치(160)는 전자 장치(101)의 수행 동작을 나타내는 영상을 표시할 수 있다.
일 실시 예에서, 통신 모듈(190)은 제2 네트워크(199)를 통해 전자 장치(101)가 갖고 있는 정보를 지능형 서버(intelligence server)(230)로 전송할 수 있다. 통신 모듈(190)은 전자 장치(101) 및 외부 장치(201, 202)와 연관된 정보를 지능형 서버(230)로 전송할 수 있다.
일 실시 예에서, 프로세서(120)는 입력 장치(150), 표시 장치(160), 통신 모듈(190), 및 EM 센싱 회로(210)와 작동적으로 연결될(operationally connected) 수 있다. 프로세서(120)는 입력 장치(150)에서 획득한 사용자의 입력을 분석하고, 입력의 내용에 따른 동작을 구현하기 위하여 준비 작업을 수행할 수 있다. 프로세서(120)는 표시 장치(160)가 영상을 표시할 수 있도록 영상 데이터를 제공할 수 있다. 프로세서(120)는 통신 모듈(190)이 송수신하는 정보의 종류 및 내용을 설정할 수 있다.
일 실시 예에서, EM 센싱 회로(210)는 적어도 하나의 외부 장치(201, 202)의 EM 신호(EM1, EM2)를 수신할 수 있다. 일 실시 예에 따르면, EM 센싱 회로(210)는 EM 신호에 기반한 EM 신호 데이터를 생성할 수 있다. EM 신호 데이터는 EM 신호의 파형에 관한 정보 또는 EM 신호를 방출한 적어도 하나의 외부 장치(201, 202)의 종류에 대한 정보를 포함할 수 있다. 예를 들어, EM 센싱 회로(210)는 제1 외부 장치(201)로부터 제1 EM 신호(EM1)를 수신하고, 제1 EM 신호(EM1)의 파형의 진폭 및 위상을 이용하여 제1 EM 신호(EM1)에 관한 제1 EM 신호 데이터를 생성할 수 있다.
일 실시 예에서, EM 센싱 회로(210)는 프로세서(120)와 작동적으로 연결될 수 있다. EM 센싱 회로(210)는 프로세서(120)로 EM 신호 데이터를 제공할 수 있다. 전자 장치(101)는 외부 장치(201, 202)에 관련된 정보를 EM 센싱 회로(210) 또는 메모리(130)에 저장할 수 있다. 전자 장치(101)는 EM 신호 데이터를 분석할 수 있다. 전자 장치(101)의 프로세서(120)는 EM 신호 데이터를 분석하는 분석부(220)를 포함할 수 있다. 분석부(220)는 EM 신호 데이터를 분석하여 EM 신호 데이터가 포함하고 있는 외부 장치(201, 202)에 관련된 정보를 알 수 있다.
일 실시 예에서, 전자 장치(101)가 사용자의 음성을 인식하고, 이를 자체적으로 또는 지능형 서버(230)를 이용하여 처리하는 시스템(예: BixbyTM)을 구축한 경우, 프로세서(120)는 외부 장치(201, 202)가 사용자가 발화한 내용에 따라 동작하도록 제어할 수 있다. 입력 장치(150)는 사용자의 발화를 입력 받는 마이크를 포함할 수 있다. 프로세서(120)는 통신 모듈(190)를 통해 입력된 음성을 지능형 서버(230)로 전송할 수 있다.
일 실시 예에서, 지능형 서버(230)는 텍스트 형태의 자연어를 기계어로 변환하는 자연어 처리(natural language processing)를 수행할 수 있다. 지능형 서버(230)는 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 지능형 서버(230)는 텍스트 데이터를 문법적(syntactic) 또는 의미적(semantic)으로 분석하여 사용자의 의도를 파악할 수 있다. 지능형 서버(230)는 사용자의 의도를 지정된 패스 룰 셋(path rule set)에 매핑시켜 동작 경로를 생성할 수 있다. 지능형 서버(230)는 대상 장치 및/또는 전자 장치(101)가 음성 입력의 내용에 기반하여 동작하도록, 즉 복수의 상태들의 시퀀스(a sequence of states)에 따라 동작할 수 있도록 제어할 수 있다.
도 3은 다른 실시 예에 따른 EM 신호(EM1, EM2)를 획득하는 전자 장치(101)를 나타낸 블록도(300)이다.
일 실시 예에서, 전자 장치(101)는 EM 센싱 회로(210)가 EM 신호(EM1, EM2)를 획득하여 생성한 EM 신호 데이터를 외부 장치(201, 202)와 관련된 정보를 갖고 있는 EM 서버(310)로 전송할 수 있다. 프로세서(120)는 EM 신호 데이터를 통신 모듈(190)를 통해 EM 서버(310)로 전송하도록 제어할 수 있다. 전자 장치(101)는 EM 서버(310)로 EM 신호 데이터 중 특징 데이터를 전송할 수 있다. EM 서버(310)는 특징 데이터를 수신할 수 있다. EM 서버(310)는 외부 장치(201, 202)에 관련된 정보에 기반하여 특징 데이터를 분석할 수 있다. EM 서버(310)는 특징 데이터를 분석한 결과를 전자 장치(101)로 전송할 수 있다. 전자 장치(101)는 통신 모듈(190)을 통해 EM 서버(310)로부터 특징 데이터를 분석한 결과를 수신할 수 있다.
일 실시 예에서, 전자 장치(101)는 EM 서버(310)로부터 특징 데이터가 포함하고 있는 외부 장치(201, 202)에 관련된 정보를 수신할 수 있다. 예를 들어, 특징 데이터는 외부 장치(201, 202)의 종류 및 모델명에 관한 정보를 포함할 수 있다. 전자 장치(101)는 EM 서버(310)로부터 외부 장치(201, 202)의 종류 및 모델명을 분석한 정보를 수신할 수 있다.
도 4는 일 실시 예에 따른 전자 장치(101)가 EM 신호를 이용하여 외부 장치들(401, 402, 403, 또는 404)을 식별하는 개념도(400)이다.
일 실시 예에서, 전자 장치(101)의 주변에는 복수의 외부 장치들(401, 402, 403, 또는 404)이 배치될 수 있다. 예컨대, 전자 장치(101)의 주변에는 TV(401), 냉장고(402), 블루투스 스피커(403), 또는 프린터(404)가 배치될 수 있다. 복수의 외부 장치들(401, 402, 403, 또는 404) 각각은 내부의 다양한 전자 부품들(electronic components)로부터 발생되는 전자기 간섭(electromagnetic interference, EMI)에 의해 다양한 EM 신호들을 방출할 수 있다. 방출된 EM 신호들은 설정된 주파수 범위 내에서 복수의 고유 신호들(f1, f2, f3, 또는 f4)을 포함할 수 있다. 전자 장치(101)는 EM 신호들 중 특정 주파수 대역의 EM 신호들을 획득할 수 있다. 예를 들어, 약 1MHz 이하의 주파수 대역에서 특정한 주파수를 갖는 EM 신호들을 EM 센싱 회로(210)를 통해 획득할 수 있다
일 실시 예에서, 전자 장치(101)가 복수의 외부 장치들(401, 402, 403, 또는 404) 중 어느 하나의 외부 장치에 근접할 경우, 전자 장치(101)는 EM 센싱 회로(210)를 통해 EM 신호를 검출할 수 있다. 전자 장치(101)는 검출한 EM 신호에 기계 학습(410)을 적용하여 식별(420)할 수 있다.
도 5는 일 실시 예에 따른 전자 장치(101)의 EM 센싱을 수행하는 구성요소들을 나타낸 블록도(500)이다.
일 실시 예에서, 전자 장치(101)는 EM 신호를 검출하기 위한 EM 검출부(510) 및 검출한 EM 신호를 분석하기 위한 EM 센싱 회로(210)를 포함할 수 있다. 일 실시 예에 따르면, 전자 장치(101)의 프로세서(120)는 EM 센싱 회로(210)로부터 제공받은 검출 정보를 이용하여 외부 장치를 식별할 수 있다.
일 실시 예에서, EM 센싱 회로(210)는 트랜스임피던스 증폭기(511)(trans-impedance amplifier, TIA), 대역 통과 필터(512)(band pass filter, BPF), 가변 이득 증폭기(513)(variable gain amplifier, VGA), 아날로그-디지털 변환기(514)(analog digital converter, ADC), 및 MCU(micro controller unit)(515)를 포함할 수 있다.
일 실시 예에서, 트랜스임피던스 증폭기(511)는 EM 검출부(510)로부터 수신된 약 1MHz 이하의 주파수를 증폭시킬 수 있다. 대역 통과 필터(512)는 트랜스임피던스 증폭기(511)로부터 증폭 수신된 신호 중 특성 패턴을 정의하는 주파수 성분을 통과시키고, 특성 패턴과 관계 없는 주파수 성분인 노이즈(noise)를 필터링(filtering)할 수 있다. 일 실시 예에 따르면, 대역 통과 필터(512)는 EM 신호에서 약 1MHz 이하의 주파수 성분을 통과시키고, 약 1MHz를 초과하는 주파수 성분을 차단시킬 수 있다.
일 실시 예에서, 가변 이득 증폭기(513)는 필터링된 신호의 잡음 특성과 외부 간섭 신호 제거 특성을 향상시키기 위하여, 미리 설정된 이득 범위에 걸쳐서 신호를 일정한 레벨로 출력할 수 있다. 일 실시 예에 따르면, 아날로그-디지털 변환기(514)는 가변 이득 증폭기(513)로부터 제공된 아날로그 신호를 디지털 신호로 변환한 후 MCU(515)로 제공할 수 있다.
일 실시 예에서, MCU(515)는 디지털 신호로 변환된 EM 신호를 전자 장치(101)에 저장된 파형 테이블과 대비하여 외부 장치를 식별할 수 있다. 예를 들어, MCU(515)는 EM 신호의 최대 진폭 및 EM 신호의 파형 형태를 파형 테이블에 저장된 복수의 파형들과 대비할 수 있다. MCU(515)는 식별된 정보를 전자 장치(101)의 프로세서(120)로 제공할 수 있다. 다른 예로, MCU(515)는 제공받은 식별된 정보를 전자 장치(101)의 프로세서(120)에 직접 제공할 수도 있다. 이 경우, 파형 비교에 의한 대상 장치의 식별 동작은 프로세서(120)에서 수행될 수도 있다.
도 6은 일 실시 예에 따른 EM(electromagnetic) 신호의 특징을 등록하여 외부 장치를 식별하는 방법을 나타낸 도면(600)이다. EM 신호는 외부 장치에서 발생하는 고유한 전자기 신호일 수 있다. 외부 장치는 전자 장치(101) 주변의 전기 장치 또는 전자 장치(예: 도 2의 제1 외부 장치(201), 제2 외부 장치(202) 또는 도 4의 복수의 외부 장치들(401, 402, 403, 또는 404))일 수 있다. 예를 들어, 외부 장치는 집 또는 사무실과 같은 전자 장치(101)와 동일한 사용자 공간(user space)에 있는 스피커 또는 TV일 수 있다. 전자 장치(101)는 외부 장치에서 발생하는 EM 신호를 획득할 수 있다.
일 실시 예에 따른 전자 장치(101) 또는 서버(108)는 동작 610에서, EM 신호의 특징을 추출하는 모델을 생성할 수 있다. 동작 610은 동작 611 및 동작 612를 포함할 수 있다.
일 실시 예에 따른 전자 장치(101) 또는 서버(108)는 동작 611에서, 외부 장치의 EM 신호와 관련된 데이터를 수집할 수 있다. 예를 들어, 전자 장치(101)는 외부 장치의 EM 신호를 수집하도록 설정될 수 있다. 다른 예로, 전자 장치(101)는 서버(108)로 획득한 EM 신호를 전달하여, 서버(108)가 EM 신호를 수집하도록 설정될 수 있다. 전자 장치(101) 또는 서버(108)는 수집한 EM 신호를 이용하여 특징 추출 모델을 생성 및/또는 갱신하는 학습 데이터를 구축할 수 있다. 특징 추출 모델은 복수의 외부 장치들로부터 획득한 EM 신호들 각각의 물리적인 특징을 추출하는 모델일 수 있다. 특징 추출 모델을 이용하여 EM 신호들 각각을 구분할 수 있다. 예를 들어, EM 신호들 각각의 진폭, 위상, 및/또는 파형을 분석하여 각각의 EM 신호를 구별할 수 있다. 이에 따라 각각의 EM 신호들에 대응하는 외부 장치를 대응시키도록 특징 추출 모델을 생성 및/또는 갱신하면서 지속적으로 학습시킬 수 있다. 학습 데이터는 복수의 외부 장치들로부터 수집한 EM 신호들의 목록 및/또는 파형 정보를 포함할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 612에서, 특징 추출 모델을 학습할 수 있다. 전자 장치(101) 또는 서버(108)는 획득한 EM 신호가 갖고 있는 특징들 중 외부 장치를 식별하는 데 필요한 특징을 추출할 수 있다. 전자 장치(101) 또는 서버(108)는 학습 데이터를 이용하여, EM 신호에 대한 특징 추출 모델을 학습시킬 수 있다. 예를 들어, 서버(108)는 단독으로 학습 데이터를 이용하여 외부 장치를 식별하는 데 필요한 특징을 추출할 수 있다. 다른 예로, 서버(108)의 감독 하에, 학습 데이터를 수집한 전자 장치(101)가 모델 학습에 참여할 수 있다.
일 실시 예에서, 전자 장치(101) 또는 서버(108)는 동작 611 및 동작 612를 일정 주기로 반복할 수 있다. 전자 장치(101) 또는 서버(108)는 복수의 외부 장치들 각각의 EM 신호들에 대한 특징을 추출하여 특징 추출 모델을 생성할 수 있다.
일 실시 예에서, 전자 장치(101) 또는 서버(108)는 생성한 특징 추출 모델을 전자 장치(101)에 적용시킬 수 있다. 특징 추출 모델의 학습이 완료된 경우, 생성한 특징 추출 모델을 서버(108)에서 전자 장치(101)로 내려 받을 수 있다. 예를 들어, 전자 장치(101)는 생성한 특징 추출 모델을 적용한 장치 등록 어플리케이션(device registration application) 및/또는 데이터베이스(data base, DB)를 서버(108)로부터 다운로드(download)할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 620에서, 특징 데이터를 등록할 수 있다. 동작 620은 동작 621 및 동작 622를 포함할 수 있다. 전자 장치(101)는 특징 데이터를 등록하기 위한 EM 신호를 수집할 수 있다. 전자 장치(101)는 수집된 EM 신호를 특징 추출 모델에 적용하여 특징 데이터를 추출할 수 있다. 전자 장치(101)는 추출된 특징 데이터를 해당하는 외부 장치와 연관시켜 저장 및 등록할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 621에서, 외부 장치의 EM 신호를 수집할 수 있다. 전자 장치(101)는 인접한 외부 장치의 EM 신호를 획득할 수 있다. 예를 들어, 등록하려는 외부 장치에 전자 장치(101) 가까이 가져가거나 태깅(tagging)함으로써 해당 외부 장치의 EM 신호를 획득할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 622에서, 특징 데이터를 추출하여 저장 및 등록할 수 있다. 전자 장치(101)는 획득한 EM 신호를 전자 장치(101)에 적용한 특징 추출 모델에 통과시켜 해당 외부 장치에 대한 특징 데이터를 추출할 수 있다. 전자 장치(101)는 추출한 특징 데이터를 해당 외부 장치에 대응시켜 저장 및 등록할 수 있다.
일 실시 예에서, 전자 장치(101)는 동작 621 및 동작 622를 하나 이상의 외부 장치들에 대해 반복할 수 있다. 전자 장치(101)는 하나 이상의 외부 장치들 각각의 특징 데이터들을 추출할 수 있다. 전자 장치(101)는 복수의 외부 장치들 및 복수의 특징 데이터들을 일대일 대응시켜 저장 및 등록할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 630에서, 외부 장치를 식별하고 연관된 서비스를 연결할 수 있다. 동작 630은 동작 631 내지 동작 634를 포함할 수 있다. 전자 장치(101)는 서비스를 연결하기 위한 임의의 외부 장치로부터 EM 신호를 획득할 수 있다. 전자 장치(101)는 획득한 EM 신호를 특징 추출 모델에 적용하여 특징 데이터를 추출할 수 있다. 전자 장치(101)는 추출된 특징 데이터를 등록된 특징 데이터들과 비교하여 임의의 외부 장치를 식별할 수 있다. 전자 장치(101)는 식별된 외부 장치와 연관된 서비스를 연결할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 631에서, 외부 장치의 EM 신호를 획득할 수 있다. 전자 장치(101)는 임의의 외부 장치로부터 EM 신호를 획득할 수 있다. 예를 들어, 전자 장치(101)를 외부 장치에 가까이 가져감으로써 해당 외부 장치의 EM 신호를 획득할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 632에서, 특징 데이터를 추출할 수 있다. 전자 장치(101)는 획득한 EM 신호를 특징 추출 모델에 통과시켜 해당 외부 장치에 대한 특징 데이터를 추출할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 633에서, 유사도(similarity)를 비교하고 외부 장치를 식별할 수 있다. 전자 장치(101)는 동작 232에서 추출한 특징 데이터를 동작 222에서 등록시킨 특징 데이터들과 유사도를 비교할 수 있다. 전자 장치(101)는 유사도 비교에 기반하여 등록된 특징 데이터들 중 가장 유사한 특징 데이터에 대응하는 외부 장치로 임의의 외부 장치를 식별할 수 있다. 예를 들어, 전자 장치(101)는 임의의 외부 장치가 가장 유사한 특징 데이터에 대응하는 외부 장치와 동일한 종류 및 모델 이름을 갖는 것으로 식별할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 634에서, 연관된 서비스에 연결할 수 있다. 전자 장치(101)는 식별된 외부 장치에 대해 갖고 있는 정보를 바탕으로 연관된 서비스에 연결할 수 있다. 전자 장치(101)는 식별된 외부 장치와 연관된 서비스를 실행할 수 있다.
도 7은 일 실시 예에 따른 EM 신호의 특징을 등록하는 방법을 나타낸 도면(700)이다.
일 실시 예에 따른 서버(710)는 학습 데이터(720)를 구축할 수 있다. 특징 추출 모델(730)을 생성하기 위해서는, 외부 장치들(751, 752)의 EM 신호(761, 762)를 사전에 수집하여 학습 데이터(720)를 구축하는 일이 선행되어야 한다. 서버(710)는 외부 장치들(751, 752)의 EM 신호(761, 762)를 수집하여 학습 데이터(720)를 구축할 수 있다.
일 실시 예에서, 학습 데이터(720)는 유형 1 또는 유형 2 중 어느 하나의 형태를 가질 수 있다. 유형 1은 EM 신호에 대한 정보 및 해당 신호가 어떤 장치의 것인지 태그(tag)가 달려 있는 형태의 데이터이고, 유형 2는 EM 신호에 대한 정보만 있고 태그가 없는 형태의 데이터일 수 있다. 유형 1은 (EM 신호, 외부 장치 이름)의 형태를 갖는 데이터일 수 있다. 예를 들어, 유형 1은 (xi, yi), i는 1 이상 N 이하인 데이터일 수 있다. xi는 EM 신호(예: 제1 EM 신호(761), 또는 제2 EM 신호(762))에 대응하는 i차원 실수 벡터일 수 있다. i차원은 디지털 공간에서의 데이터 구조의 복잡한 정도를 의미할 수 있다. yi는 외부 장치의 종류 또는 모델 이름에 대응되는 정수일 수 있다. N은 학습 데이터(720)의 개수일 수 있다. 유형 2는 (EM 신호)의 형태를 가질 수 있다. 예를 들어, 유형 2는 (xi), i는 1 이상 N 이하인 데이터일 수 있다.
일 실시 예에서, 서버(710)는 i차원 실수 벡터를 포함하는 학습 데이터(720)에서 i차원보다 낮은 차원을 갖는 특징을 추출하여 특징 추출 모델(730)을 생성할 수 있다. 서버(710)는 학습 데이터(720)를 i차원보다 낮은 차원으로 변화시키면서 외부 장치(예: 제1 외부 장치(751), 또는 제2 외부 장치(752))의 식별에 필요한 특징을 추출할 수 있다.
일 실시 예에서, 유형 1의 학습 데이터(720)를 사용할 경우, 특징 추출 모델(730)을 생성할 때 알고리즘의 선택폭이나 성능 면에서 유형 2의 학습 데이터(720)보다 유리할 수 있다. 그러나, 유형 1의 학습 데이터(720)는 수집하고 관리하는 데 상대적으로 많은 비용이 들 수 있다. 반면, 유형 2의 학습 데이터(720)를 사용할 경우, 학습 데이터를 수집하고 관리하는 데 더 적은 비용이 들 수 있다. 서버(710)는 선택적으로 유형 1 또는 유형 2의 학습 데이터(720)를 이용하여 특징 추출 모델(730)을 생성할 수 있다.
일 실시 예에서, 전자 장치(101)는 서버(710)로부터 특징 추출 모델(730)을 다운로드(740)할 수 있다. 전자 장치(101)는 다운로드(740)한 특징 추출 모델(730)을 장치 등록부(770)에 저장할 수 있다. 장치 등록부(770)는 도 1의 어플리케이션(146)에 포함될 수 있다. 장치 등록부(770)는 장치 등록 어플리케이션일 수 있다.
일 실시 예에서, 전자 장치(101)는 제1 외부 장치(751) 및 제2 외부 장치(752)와 동일한 사용자 공간(750)에 있을 수 있다. 전자 장치(101)는 제1 외부 장치(751) 또는 제2 외부 장치(752)에 접근할 수 있다. 전자 장치(101)는 제1 외부 장치(751)에서 방출되는 제1 EM 신호(761) 또는 제2 외부 장치(752)에서 방출되는 제2 EM 신호(762)를 획득할 수 있다.
일 실시 예에서, 전자 장치(101)의 장치 등록부(770)는 제1 외부 장치(751) 또는 제2 외부 장치(752)로부터 획득한 제1 EM 신호(761) 또는 제2 EM 신호(762)를 다운로드(740)한 특징 추출 모델(765)에 적용시킬 수 있다. 장치 등록부(770)는 제1 EM 신호(761)로부터 제1 특징 데이터(771)를 추출하고, 제2 EM 신호(762)로부터 제2 특징 데이터(772)를 추출할 수 있다. 장치 등록부(770)는 제1 특징 데이터(771) 및 제2 특징 데이터(772)를 대응하는 외부 장치에 관련된 정보와 같이 저장할 수 있다. 예를 들어, 제1 특징 데이터(771)가 스피커로부터 발생하고, 제2 특징 데이터(772)가 TV로부터 발생한 경우, 장치 등록부(770)는 제1 특징 데이터(771)를 스피커와 연관된 특징 데이터로 등록하고, 제2 특징 데이터(772)를 TV와 연관된 특징 데이터로 등록할 수 있다.
도 8은 일 실시 예에 따른 전자 장치(101)가 외부 장치를 식별하는 방법을 나타낸 도면(800)이다.
일 실시 예에서, 전자 장치(101)는 외부 장치(801)의 EM 신호(802)를 획득할 수 있다. 전자 장치(101)를 외부 장치(801)에 가까이 가져가거나 태깅하여 해당하는 외부 장치(801)의 EM 신호(802)를 획득할 수 있다.
일 실시 예에서, 전자 장치(101)의 장치 등록부(770)는 EM 신호(802)의 특징을 추출할 수 있다. 장치 등록부(770)는 획득한 EM 신호(802)를 전자 장치(101)가 내려 받은 특징 추출 모델(765)에 통과시켜 특징 데이터(810)를 추출할 수 있다.
일 실시 예에서, 전자 장치(101)는 외부 장치(801)를 식별할 수 있다. 전자 장치(101)의 장치 등록부(770)는 특징 데이터(810)와 등록해 둔 특징 데이터들(예: 제1 특징 데이터(771), 또는 제2 특징 데이터(772)) 사이의 유사도를 계산할 수 있다. 특징 데이터(801)와 등록해 둔 특징 데이터들(771, 772) 사이의 유사도는 미리 설정된 조건에 따라 계산될 수 있다. 예를 들어, 코사인 (cosine) 유사도를 적용할 경우, 특징 데이터(810) v1 및 등록해 둔 특징 데이터들(771, 772) v2 사이의 유사도는 아래의 식과 같이 계산될 수 있다.
유사도 = (v1×v2)/(│v1│×│v2│)
일 실시 예에서, 전자 장치(101)는 등록해 둔 특징 데이터들(771, 772) 중 특징 데이터(810)와의 유사도가 가장 높은 특징 데이터에 대응하는 장치로 외부 장치(801)를 식별할 수 있다. 예를 들어, 전자 장치(101)의 장치 등록부(770)는 특징 데이터(810) 및 제1 특징 데이터(771) 사이의 유사도가 0.9이고, 특징 데이터(810) 및 제2 특징 데이터(772) 사이의 유사도가 0.5인 경우, 외부 장치(801)를 제1 특징 데이터(771)에 대응하는 외부 장치(예: 스피커)로 식별할 수 있다.
일 실시 예에서, 전자 장치(101)의 장치 등록부(770)는 서비스 연결부(820)로 외부 장치(801)의 식별 정보를 전달할 수 있다. 장치 등록부(770)는 도 1의 어플리케이션(146)의 일종일 수 있다. 장치 등록부(770)는 메모리(130)에 저장될 수 있다. 예를 들어, 장치 등록부(770), 제1 특징 데이터(771), 및/또는 제2 특징 데이터(772)는 메모리(130)에 포함되어 있고, 장치 등록부(770)에서 제1 특징 데이터(771) 및/또는 제2 특징 데이터(772)를 로드(load)하여 이용할 수 있다. 서비스 연결부(820)는 식별 정보를 이용하여 연관 서비스(821)로 연결할 수 있다. 전자 장치(101)는 외부 장치(801)가 식별되는 경우 미리 설정된 규칙을 기반으로 연관 서비스(821)를 연결하여 실행할 수 있다. 예를 들어, 전자 장치(101)로 음악을 듣고 있는 상태에서 외부 장치(801)인 스피커를 식별한 경우, 전자 장치(101)는 해당 스피커를 연결하고, 듣고 있던 음악을 해당 스피커에서 실행되도록 할 수 있다. 다른 예로, 전자 장치(101)는 사용자 집 현관의 전자 잠금 장치를 외부 장치(801)로 등록할 수 있다. 이후, 전자 장치(101)가 전자 잠금 장치를 태깅한 경우, 전자 장치(101)는 집 안의 모든 IoT(internet of things) 장치들의 전원을 끄도록 원격 제어하는 규칙을 설정해서 사용할 수 있다. 일 실시 예에 따르면, 서비스 연결부(820)는 도 1의 어플리케이션(146)의 일종일 수 있다.
도 9는 일 실시 예에 따른 특징 추출 모델(930)을 나타낸 도면(900)이다.
일 실시 예에서, 서버(예: 도 7의 서버(710))는 지도 학습(supervised learning) 방법에 기반하여 특징 추출 모델(930)을 생성할 수 있다. 지도 학습 방법을 적용하기 위해 EM 신호에 대한 정보 및 해당 신호가 어떤 장치의 것인지 태그(tag)가 달려 있는 유형 1의 학습 데이터(720)를 이용할 수 있다. 지도 학습 방법을 적용할 수 있는 기계 학습 모델에는 심층 신경망(deep neural network, DNN) 또는 합성곱 신경망(convolutional neural network, CNN)과 같은 모델이 있다. 도 9에서는 CNN 분류기(classifier) 모델(910)을 이용하는 경우를 예시적으로 설명하였다.
일 실시 예에서, CNN 분류기(classifier) 모델(910)은 획득한 EM 신호 데이터(EM signal data)를 입력 받을 수 있다. CNN 분류기 모델(910)은 입력 받은 EM 신호 데이터를 합성곱 층(convolution layer)(911, 915, 919), 배치 정규화 층(batch normalization layer)(912, 916, 920), ReLU(rectified linear unit)(913, 917, 921), 및 평균 풀링 층(average pooling layer)(914, 918, 922)를 반복적으로 적용할 수 있다. CNN 분류기 모델(910)은 합성곱 층(911, 915, 919), 배치 정규화 층(912, 916, 920), 및 ReLU(913, 917, 921)를 반복적으로 적용하면서 EM 신호 데이터의 특징들을 추출할 수 있다.
일 실시 예에서, CNN 분류기 모델(910)은 합성곱 층(911, 915, 919), 배치 정규화 층(912, 916, 920), 및 ReLU(913, 917, 921)를 반복적으로 적용한 데이터를 전결합 층(full connected layer)(923)에 통과시킬 수 있다. 전결합 층(923)은 이전에 CNN 분류기 모델(910)에서 처리한 모든 특징들을 결합시켜 특징 데이터를 출력할 수 있다.
일 실시 예에서, 소프트맥스 층(softmax layer)(924)은 입력이 어떤 분류로 속할 확률을 나타내는 소프트맥스 함수를 적용하는 층일 수 있다. 소프트맥스 층(924)은 범주(category) 분류를 수행하는 함수를 적용한 층일 수 있다. 소프트맥스 층(524)은 CNN 분류기 모델(924)의 마지막 동작을 수행하는 층일 수 있다. 소프트맥스 층(924)은 특징 데이터에 기반하여 각각의 장치에 속할 확률(probability for each device)을 산출할 수 있다.
일 실시 예에서, 서버(710)는 EM 신호를 입력으로 하여 각각의 외부 장치에 대한 신뢰도를 출력해 주는 CNN 분류기 모델(910)을 구성할 수 있다. 신뢰도는 해당 EM 신호가 해당 외부 장치에서 나왔을 확률을 의미할 수 있다. 서버(710) 또는 전자 장치(101)는 학습 데이터(예: 도 2의 학습 데이터(720))를 이용하여 CNN 분류기 모델(910)을 학습시킬 수 있다. 서버(710) 또는 전자 장치(101)는 학습이 끝난 CNN 분류기 모델(910)에서 소프트맥스 층(924)을 제거한 나머지 부분을 특징 추출 모델(930)로 생성할 수 있다.
도 10은 다른 실시 예에 따른 특징 추출 모델(1030)을 나타낸 도면(1000)이다.
일 실시 예에서, 서버(예: 도 7의 서버(710))는 비지도 학습(unsupervised learning) 방법에 기반하여 특징 추출 모델(1030)을 생성할 수 있다. 비지도 학습 방법을 적용하기 위해 EM 신호에 대한 정보를 포함하는 유형 2의 학습 데이터(720)를 이용할 수 있다. 비지도 학습 방법을 적용할 수 있는 기계 학습 모델에는 자동 인코더(autoencoder, AE) 모델(1010)이 있다. 자동 인코더 모델(1010)은 입력으로 주어지는 EM 신호를 인코더(encoder)를 통해 부호화한 뒤에 디코더(decoder)(1020)를 거쳐 다시 복호화하는 모델일 수 있다.
일 실시 예에서, 서버(710)는 학습 데이터(예: 도 7의 학습 데이터(720))를 이용하여 자동 인코더 모델(1010)을 학습시킬 수 있다. 자동 인코더 모델(1010)의 출력 목표는 입력된 EM 신호 데이터일 수 있다.
일 실시 예에서, 자동 인코더 모델(1010)은 복수의 전결합(full connected) 층들(1011 내지 1017)을 포함할 수 있다. 복수의 전결합 층들(1011 내지 1017) 중 특징 데이터를 추출하기까지 적용하는 전결합 층들(1011 내지 1014)은 인코더를 구성하고, 특징 데이터를 추출하는 단계부터 재생된 EM 신호 데이터(reproduced EM signal data)를 출력하기까지 적용하는 전결합 층들(1014 내지 1017)은 디코더를 구성할 수 있다.
일 실시 예에서, 서버(710)는 학습이 끝난 자동 인코더 모델(1010)에서 인코더 부분을 남겨서 특징 추출 모델(1030)을 생성할 수 있다.
일 실시 예에서, 서버(710)는 구축된 학습 데이터(720)를 이용하여, EM 신호에 대한 특징 추출 모델(예: 도 9의 특징 추출 모델(930), 또는 특징 추출 모델(1030))을 생성할 수 있다. 도 9 및 도 10에서는 특징 추출 모델(930, 1030)을 생성하는 방법 또는 모델을 나타내고 있다. 특징 추출 모델(930, 1030)은 EM 신호가 입력으로 주어졌을 경우 EM 신호의 특징을 출력해 주는 함수일 수 있다. 특징 추출 모델(930, 1030)의 함수에는 다양한 기계 학습(machine learning) 방법들이 사용될 수 있다. 예를 들어, 서버(710)는 기계 학습 방법을 적용하여 단독으로 특징 추출 모델(930, 1030)을 생성할 수 있다. 다른 예로, 서버(310)에서 특징 추출 모델(930, 1030)을 생성하는 중 적어도 일부 학습 과정에 학습 데이터(720)를 수집한 전자 장치(101)가 참여할 수 있다.
도 11a는 일 실시 예에 따른 전자 장치(101)가 외부 장치(1110)의 EM 신호(1120)를 획득하는 방법을 나타낸 도면(1100)이다.
일 실시 예에서, 사용자는 전자 장치(101)를 통해 외부 장치(1110)의 EM 신호(1120)를 획득할 수 있다. 사용자는 태깅 동작을 통해 전자 장치(101)를 외부 장치(1110)에 근접시킬 수 있다. 전자 장치(101)는 신호 센싱 동작을 통해 외부 장치(1110)에서 발생하는 EM 신호(1120)를 획득할 수 있다.
도 11b는 일 실시 예에 따른 전자 장치에 외부 장치와 관련된 정보를 입력하기 위한 입력 인터페이스를 제공하는 화면을 나타낸 도면이다.
일 실시 예에서, 전자 장치(101)는 추출된 특징 데이터 및 외부 장치를 대응시킨 등록 정보를 등록할 수 있다. 예를 들어, 등록 정보는 EM 신호에서 추출된 특징 데이터가 있는 경우 해당 EM 신호가 어느 외부 장치로부터 발생한 것인지 일대일 대응시킨 정보일 수 있다. 전자 장치(101)는 등록 정보를 메모리(130)에 포함된 데이터베이스에 저장할 수 있다.
일 실시 예에서, 전자 장치(101)는 등록 정보를 입력하기 위한 입력 인터페이스를 제공할 수 있다. 전자 장치(101)는 표시 장치(160) 상에 하나 이상의 외부 장치를 선택할 수 있는 선택 창(1131), 최근에 연동된 외부 장치들을 표시하는 퀵 메뉴(quick menu)(1132), 사용자에게 입력할 정보를 알려 주는 알림 창(1133), 및/또는 외부 장치를 입력할 수 있는 입력 창(1134)을 표시할 수 있다.
일 실시 예에서, 전자 장치(101)는 외부 장치를 선택할 수 있는 선택 창(1131)을 표시할 수 있다. 선택 창(1131)을 선택하는 경우 전자 장치(101)는 선택 창에서 추출된 특징 데이터에 대응할 수 있는 외부 장치들을 표시할 수 있다.
일 실시 예에서, 전자 장치(101)는 퀵 메뉴(1132)로 신속하게 선택할 수 있는 외부 장치들을 표시할 수 있다. 예를 들어, 퀵 메뉴(1132)에서 전자 장치(101)와 최근에 연동된 외부 장치들을 표시할 수 있다. 사용자는 최근에 연동된 외부 장치들 중 현재 연동하려는 외부 장치를 선택할 수 있다.
일 실시 예에서, 전자 장치(101)는 사용자에게 입력할 정보를 알려 주는 알림 창(1133) 및 사용자가 직접 외부 장치를 입력할 수 있는 입력 창(1134)을 표시할 수 있다. 알림 창(1133)은 외부 장치 관련 정보를 직접 입력하라는 안내 메시지를 표시할 수 있다. 알림 창(1133)은 모델명 또는 키워드를 입력하라는 아이콘 및/또는 기호를 표시할 수 있다. 입력 창(1134)은 사용자가 직접 외부 장치를 입력할 수 있는 텍스트 창을 표시할 수 있다. 입력 창(1134)에는 사용자가 직접 외부 장치의 모델명 또는 키워드의 적어도 일부를 키보드 또는 음성 발화와 같은 입력 수단으로 입력할 수 있다. 입력 창(1134)은 모델명 또는 키워드를 입력하라는 안내 메시지를 표시할 수 있다.
도 11c는 일 실시 예에 따른 전자 장치(101)에 외부 장치와 관련된 정보를 보여주는 화면을 나타낸 도면이다.
일 실시 예에서, 전자 장치(101)는 등록 정보를 등록할 때 적어도 하나의 미리 저장된 외부 장치와 관련된 정보를 보여 줄 수 있다. 미리 저장된 외부 장치와 관련된 정보는 메모리(130)의 데이터베이스에 기 등록된 등록 정보일 수 있다.
일 실시 예에서, 전자 장치(101)는 외부 장치 관련 정보라는 것을 알리면서 미리 저장된 외부 장치들을 목록 또는 아이콘 형태로 표시할 수 있다. 전자 장치(101)는 추출된 특징 데이터와 유사한 외부 장치들을 표시할 수 있다. 예를 들어, 전자 장치(101)는 외부 장치1(1141)로 TV를 표시하고, 외부 장치2(1142)로 스피커를 표시하고, 외부 장치3(1143)으로 이어폰을 표시할 수 있다.
도 12는 일 실시 예에 따른 외부 장치(751, 752)의 등록 방법을 나타낸 흐름도(1200)이다.
일 실시 예에 따른 전자 장치(101)는 동작 1210에서, EM 신호(761, 762)를 센싱할 수 있다. 전자 장치(101)는 EM 센싱 회로(210)를 이용하여 외부 장치(751, 752)의 EM 신호(761, 762)를 센싱할 수 있다. 예를 들어, 사용자는 등록하고자 하는 외부 장치(751, 752)에 전자 장치(101)를 가까이 가져가거나 태깅함으로써 해당 외부 장치(751 또는 752)의 EM 신호(761 또는 762)를 획득할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1220에서, 특징 데이터를 추출할 수 있다. 전자 장치(101)는 특징 추출 모델(730)을 서버(710)로부터 내려 받아 장치 등록부(770)에 저장할 수 있다. 전자 장치(101)는 획득한 EM 신호를 장치 등록부(770)에 저장된 특징 추출 모델(765)에 통과시켜 특징 데이터(810)를 추출할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1230에서, 외부 장치 정보를 입력 받을 수 있다. 전자 장치(101)는 추출한 특징 데이터(810)를 해당하는 외부 장치(751, 752)의 정보와 대응시켜 저장할 수 있다. 사용자는 해당 외부 장치(751, 752)의 종류 또는 모델 이름과 같은 장치 정보를 입력할 수 있다. 전자 장치(101)는 장치 정보를 특징 데이터와 묶어서 저장 또는 등록할 수 있다. 등록된 정보는 전자 장치(101)의 메모리(130)에 저장될 수도 있고, IoT 클라우드 서버와 같은 별도의 서버(710)에 복사되어 사용자 계정 단위로 관리될 수도 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1240에서, 컨텍스트(context) 정보를 입력 받을 수 있다. 컨텍스트 정보는 장소(location), 주변 환경 정보(예: 외부 장치 정보) 또는 전자 장치(101)가 지면과 이루는 각도와 같은 전자 장치(101)의 상태와 같은 등록 상황의 정보를 포함할 수 있다. 전자 장치(101)는 사용자가 입력한 장치 정보와 함께 전자 장치(101)의 등록 시 컨텍스트 정보를 함께 저장할 수 있다.
일 실시 예에서, 컨텍스트 정보를 함께 저장하여 등록하는 경우, 전자 장치(101)는 서로 다른 사용자 공간(750)에 배치된 동일한 외부 장치를 구별할 수 있다. 예를 들어, 연결 상태 또는 전원 잡음 상태와 같은 동작 환경이 유사한 사용자 공간(750)인 가정 및 사무실에 동일한 기종의 컴퓨터가 각각 있을 때, 각각의 컴퓨터의 EM 신호는 실질적으로 동일할 수 있다. 사용자는 전자 장치(101)에 가정 및 사무실에 배치된 컴퓨터를 서로 구별하여 등록하고자 할 수 있다. 이 경우, 가정 및 사무실에 있는 동일한 기종의 컴퓨터를 각각 등록할 때, 장소 정보를 컨텍스트 정보로 추가하여 등록할 수 있다. 장소 정보를 추가한 컨텍스트 정보와 같이 저장하는 경우, 가정 및 사무실에 있는 동일한 기종의 컴퓨터를 서로 다른 외부 장치로 등록하여 사용할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1250에서, EM 신호를 발생한 외부 장치가 기존에 등록된 외부 장치(751, 752)인지 여부를 판단할 수 있다. 전자 장치(101)는 추출한 특징 데이터(810)가 입력된 외부 장치 정보에 해당하는 정보를 포함하고 있는지 판단할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1260에서, EM 신호를 발생한 외부 장치가 기존에 등록된 외부 장치(751, 752)인 경우, 등록된 외부 장치(751, 752)의 특징 데이터(771, 772)를 확장할 수 있다. 전자 장치(101)는 입력된 외부 장치 정보 및/또는 추출한 특징 데이터(810)가 등록된 외부 장치(751, 752)에서 발생한 정보인 것을 확인한 경우, 입력된 외부 장치 정보 및/또는 추출한 특징 데이터(410)를 저장하여 해당 외부 장치를 식별하는 특징 데이터(771, 772)로 활용할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1270에서, 기존에 등록된 외부 장치(751, 752)가 아닌 경우, 외부 장치와 관련된 정보를 등록할 수 있다. 전자 장치(101)는 입력된 외부 장치 정보 및/또는 추출한 특징 데이터(810)가 등록된 외부 장치(751, 752)가 아닌 새로운 외부 장치에서 발생한 정보 및/또는 추출한 특징 데이터(810)인 것을 확인한 경우, 입력된 외부 장치 정보를 새로운 외부 장치를 식별하는 특징 데이터로 활용할 수 있다.
일 실시 예에서, 전자 장치(101)는 1210 내지 1270 동작을 등록하고자 하는 복수의 외부 장치들(401~404)에 대해 반복할 수 있다.
일 실시 예에서, 전자 장치(101)는 수동으로 사용자가 외부 장치에 관련된 정보를 입력 받는 대신, IoT 서비스(예: SmartThings)에 등록된 기기 또는 블루투스/와이파이에 접속한 히스토리(history)에 기반하여 외부 장치를 제시할 수 있다.
도 13은 다른 실시 예에 따른 외부 장치(751, 752)의 등록 방법을 나타낸 흐름도(1300)이다.
일 실시 예에 따른 전자 장치(101)는 동작 1310에서, EM 신호(761, 762)를 센싱할 수 있다. 전자 장치(101)는 EM 센싱 회로(210)를 이용하여 외부 장치(751, 752)의 EM 신호(761, 762)를 센싱할 수 있다. 예를 들어, 사용자는 등록하고자 하는 외부 장치(751, 752)에 전자 장치(101)를 가까이 가져가거나 태깅함으로써 해당 외부 장치(751 또는 752)의 EM 신호(761 또는 762)를 획득할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1320에서, 특징 데이터(810)를 추출할 수 있다. 전자 장치(101)는 특징 추출 모델(730)을 서버(710)로부터 내려 받아 장치 등록부(770)에 저장할 수 있다. 전자 장치(101)는 획득한 EM 신호를 장치 등록부(770)에 저장된 특징 추출 모델(730)에 통과시켜 특징 데이터(810)를 추출할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1330에서, 추출된 특징 데이터(810)가 기존에 등록되어 있는지 여부를 확인할 수 있다. 전자 장치(101)는 특징 추출 모델(730)에서 추출한 특징 데이터(810)가 메모리(130)에 저장된 복수의 특징 데이터들(771, 772)와 일치하는지 여부를 확인할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1340에서, 특징 데이터(810)가 기존에 등록되어 있지 않은 경우 새로운 외부 장치와 관련된 정보를 등록할 수 있다. 전자 장치(101)는 추출한 특징 데이터(810)를 새로운 외부 장치를 식별하는 특징 데이터로 활용할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1350에서, 특징 데이터(810)가 기존에 등록되어 있는 경우 컨텍스트 정보를 추가로 확인할 수 있다. 컨텍스트 정보에 따라 외부 장치의 사용 형태 또는 보안 등급이 다르게 설정될 수 있다. 이에 따라 EM 신호에서 추출한 특징 데이터가 동일해도, 장소와 같은 컨텍스트 정보에 기반하여 서로 다른 장치로 등록할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1360에서, 컨텍스트 정보가 일치하는지 여부를 확인할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1370에서, 컨텍스트 정보가 일치하지 않는 경우 새로운 외부 장치와 관련된 정보를 등록할 수 있다. 전자 장치(101)는 추출한 특징 데이터(810)를 새로운 외부 장치를 식별하는 특징 데이터로 활용할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1380에서, 컨텍스트 정보가 일치하는 경우 등록된 외부 장치(751, 752)의 특징 데이터(771, 772)를 확장할 수 있다. 전자 장치(101)는 입력된 외부 장치 정보 및/또는 추출한 특징 데이터(810)를 저장하여 해당 외부 장치를 식별하는 특징 데이터(771, 772)로 활용할 수 있다.
도 14는 일 실시 예에 따른 외부 장치의 등록 및 외부 장치와 연관된 서비스 연동 방법을 나타낸 흐름도(1400)이다.
일 실시 예에 따른 전자 장치(101)는 동작 1410에서, EM 센싱 회로(210)를 이용하여 외부 장치(751, 752)로부터 EM 신호(761, 762)를 센싱할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1420에서, 기존에 등록된 외부 장치(751, 752)가 있는지 여부를 판단할 수 있다. 전자 장치(101)는 센싱한 EM 신호(761, 762)가 등록된 외부 장치(751, 752)로부터 수신된 신호인지 또는 새로운 외부 장치로부터 수신된 신호인지 여부를 판단할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1430에서, 기존에 등록된 외부 장치가 있는 경우, EM 신호(761, 762)를 구별할 수 있는지 여부를 판단할 수 있다. 전자 장치(101)는 EM 신호(761, 762)가 기존에 등록된 외부 장치에서 생성된 것으로 확정할 수 있는 신호인지 또는 기존에 등록된 외부 장치에서 생성되었으나 정확히 어떤 장치인지 확정할 수 없는 신호인지 여부를 구별할 수 있다. 예를 들어, 전자 장치(101)는 외부 장치의 동작의 변화로 인하여 EM 신호(761, 762)가 기존에 등록된 외부 장치에서 생성된 EM 신호와 지정된 범위 이상 차이가 나는 경우 또는 기존에 등록된 외부 장치에서 생성된 EM 신호 대비 노이즈(noise)의 비율이 지정된 비율 이상인 경우, 정확히 어떤 장치로부터 수신된 EM 신호인지 확정할 수 없어 EM 신호를 구별할 수 없는 상태로 판단할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1440에서, 기존에 등록된 외부 장치가 없는 경우, 새로운 외부 장치와 관련된 정보를 등록할 수 있다. 전자 장치(101)는 획득한 EM 신호가 새로운 외부 장치에서 발생한 정보인 것을 확인한 경우, 획득한 EM 신호를 새로운 외부 장치를 등록하는 데 활용할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1450에서, EM 신호를 구별할 수 있는 경우, 외부 장치와 연관된 서비스에 연동시킬 수 있다. 전자 장치(101)는 EM 신호를 이용하여 외부 장치를 식별하고, 해당 외부 장치와 연관된 서비스를 전자 장치(101)와 연동시킬 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1460에서, EM 신호를 구별할 수 없는 경우, 기존에 등록된 외부 장치(751, 752)의 특징 데이터(771, 772)에 추가할 수 있다. EM 신호를 구별할 수 없는 경우는 외부 장치의 동작의 변화로 인하여 기존에 등록된 외부 장치(751, 752)에서 발생하는 EM 신호가 변형되거나, 기존에 등록된 외부 장치(751, 752)로부터 EM 신호가 수신되는 과정에서 노이즈가 섞이는 경우일 수 있다. 전자 장치(101)는 획득한 EM 신호를 등록된 외부 장치(751, 752)에서 발생한 EM 신호와 구분할 수 없는 경우, 입력된 외부 장치 정보를 저장하여 해당 외부 장치를 식별하는 특징 데이터(771, 772)로 활용할 수 있다.
일 실시 예에서, 전자 장치(101)는 하나의 외부 장치(751)에 대해 복수 개의 EM 신호를 수집하여 특징 데이터(771)를 추출 및 등록할 수 있다. 전자 장치(101)는 복수 개의 EM 신호들의 유사도를 비교할 수 있다. 전자 장치(101)는 복수 개의 EM 신호들의 유사도가 지정된 기준 이상인 경우, 복수 개의 EM 신호들이 동일한 외부 장치로부터 수신된 것으로 판단할 수 있다. 전자 장치(101)는 복수 개의 EM 신호들로부터 추출된 특징 데이터(771)를 동일한 외부 장치에 해당하는 특징 데이터(771)로 등록할 수 있다.
일 실시 예에서, 전자 장치(101)는 EM 신호를 등록하는 단계에서 관련된 어플리케이션을 통해 EM 신호의 차이가 있음을 사용자에게 알려줄 수 있다. 전자 장치(101)는 사용자에게 EM 신호에 대응하는 외부 장치를 등록하는 단계에서 해당 EM 신호를 새로운 외부 장치로 등록할지 여부를 확인(confirm)받을 수 있다.
일 실시 예에서, 전자 장치(101)는 EM 신호를 하나의 외부 장치로 등록할 것인지 또는 다른 서비스로 등록할 것인지 알려줄 수 있다. 전자 장치(101)는 사용자에게 기존의 외부 장치들의 목록 및/또는 새로운 외부 장치를 추가할 수 있는 메뉴(menu)를 표시할 수 있다. 사용자는 기존의 외부 장치들의 목록 중 하나를 선택하거나, 새로운 외부 장치를 추가하는 메뉴를 선택할 수 있다. 전자 장치(101)는 사용자의 선택 및/또는 입력에 대응하여 해당 EM 신호를 새로운 외부 장치로 등록할 수 있다.
일 실시 예에서, 전자 장치(101)는 외부 장치(751, 752)를 등록 및 식별하는 방법을 이용하여 외부 장치(751, 752)와 연동될 수 있다. 전자 장치(101)는 외부 장치(751, 752)와 연동하여 다양한 기능을 수행할 수 있다.
일 실시 예에서, 전자 장치(101)는 외부 장치 등록 및 식별을 통해 사용자 설정 매크로 기능에 새로운 규칙(rule)을 추가할 수 있다. 규칙은 조건에 따른 동작을 수행하는 기능으로, 만약 이것인 경우(if this), 그러면 저것을 해라(then that)는 명령(command)을 포함할 수 있다. 예를 들어, 전자 장치(101)를 스피커에 태깅하는 조건이 발생하는 경우, 전자 장치(101)를 스피커에 연결하고 오디오 패스를 스피커로 변경하는 동작을 수행할 수 있다. 다른 예로, 전자 장치(101)를 TV에 태깅하는 조건이 발생하는 경우, 전자 장치(101)를 TV에 연결하고 화면 패스를 TV로 변경하거나, 전자 장치(101)의 화면을 미러링(mirroring)하는 동작을 수행할 수 있다. 또 다른 예로, 전자 장치(101)를 현관 잠금 장치에 태깅하는 조건이 발생하는 경우, 가스, TV, 에어컨과 같은 가전 IoT 장치의 전원을 끄는(turn off) 동작을 수행할 수 있다.
도 15는 일 실시 예에 따른 행동 패턴 분석을 이용하여 규칙을 생성하는 방법을 나타낸 흐름도(1500)이다. 도 15에서는 동작을 분석하여 규칙을 생성하는 과정을 서버(1510)에서 수행하는 경우를 도시하였다. 그러나 이에 한정되지 않으며, 전자 장치(101)에서 규칙 생성을 한 후 서버(1510)로 전송할 수도 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1531에서, EM 신호를 센싱할 수 있다. 전자 장치(101)는 외부 장치(1520)로부터 생성된 EM 신호를 획득할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1532에서, 외부 장치(1520)의 제품 ID(product ID)를 식별할 수 있다. 전자 장치(101)는 획득한 EM 신호를 이용하여 외부 장치(1520)의 제품 ID를 식별할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1533에서, 기 지정된 행동(action)을 실행할 수 있다. 기 지정된 행동은 전자 장치(101)가 외부 장치(1520)와 연동되어 다양한 기능을 수행하는 것을 포함할 수 있다. 또한 기 지정된 행동은 IoT 환경의 경우, 복수의 가전 기기들을 동작시키는 행동일 수 있다. 예를 들어, 기 지정된 행동은 스피커에 연결하여 오디오 경로(path)를 변경하는 행동, TV에 연결되어 화면을 제어하는 행동, 및/또는 가전 기기들의 전원을 일괄적으로 끄는 행동과 같은 행동을 포함할 수 있다. 전자 장치(101)는 기 지정된 행동을 실행할 때 서버(1510)(예: Smart ThingsTM서버) 또는 로컬 데이터베이스(local DB)를 참조할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1534에서, 식별된 외부 장치(1520)를 제어할 수 있다. 전자 장치(101)는 동작에 관련된 로그 파일(log file)을 서버(1510)로 전송할 수 있다. 예를 들어, 동작에 관련된 로그 파일은, 전자 장치(101)가 외부 장치(1520)로부터 EM 신호를 수신한 이후 수행한 동작에 관련된 정보일 수 있다.
일 실시 예에 따른 서버(1510)는 동작 1535에서, 동작을 분석할 수 있다. 일 실시 예에서, 서버(1510)는 전자 장치(101)로부터 로그 파일을 전송 받아 등록된 외부 장치(1520)를 동작시킬 수 있다. 서버(1510)는 외부 장치(1520)를 동작시킬 때 외부 장치(1520)로부터 동작 로그 파일을 전송 받을 수 있다. 예를 들어, 전자 장치(101)가 외부 IoT 전등의 조명 세기를 조절하는 행동을 하는 경우, 서버(1510)는 외부 IoT 전등의 조명 세기를 조절하는 동작에 관한 로그 파일을 외부 IoT 전등으로부터 전송 받을 수 있다. 다른 실시 예에서, 서버(1510)는 전자 장치(101)로부터 수신한 로그 파일에 기반하여, 전자 장치(101)가 제어한 외부 장치(1520)로부터 동작 로그 파일을 수신하거나 외부 장치(1520)로 동작 로그 파일을 요청하여 수신할 수 있다. 일 실시 예에 따른 서버(1510)는 전자 장치(101)의 동작에 관련된 로그 파일 및 등록된 외부 장치(1520)의 동작 로그 파일을 비교할 수 있다.
일 실시 예에 따른 서버(1510)는 동작 1536에서, 패턴을 감지할 수 있다. 패턴은 동작 로그 파일에 포함된 행동들의 특정한 형태일 수 있다. 예를 들어, 사용자가 TV를 태깅한 뒤에 외부 IoT 전등의 조명 세기를 조절하는 행동을 하는 경우, 서버(1510)는 TV를 태깅하는 경우, IoT 전등의 조명 세기를 조절하도록 원격 제어하는 패턴을 감지할 수 있다. 서버(1510)는 감지한 패턴에 관련된 데이터를 전자 장치(101)로 전송할 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1537에서, 새로운 행동이 갱신되었는지 여부를 판단할 수 있다. 전자 장치(101)는 서버(1510) 및/또는 외부 장치(1520)와 연동되어 사용자의 행동 패턴을 분석할 수 있다. 전자 장치(101)는 사용자의 행동 패턴을 분석한 데이터에 기반하여, 사용자의 행동 패턴을 새로운 행동으로 서버(1510)에 등록하거나 사용자의 행동 패턴을 기 지정된 행동으로 지정할 수 있다. 전자 장치(101)는 사용자의 행동 패턴을 분석한 데이터에 기반하여 새로운 행동이 갱신되었는지 여부를 판단할 수 있다. 전자 장치(101)는 새로운 행동이 갱신되지 않은 경우, 1531 동작으로 돌아갈 수 있다.
일 실시 예에 따른 전자 장치(101)는 동작 1538에서, 서버(1510)의 데이터베이스를 갱신할 수 있다. 예를 들어, 전자 장치(101)는 새로운 행동(action)을 한 후 서버(1510)로 전송하여 서버(1510)의 데이터베이스를 갱신할 수 있다. 서버(1510)의 데이터베이스는 전자 장치(101)가 수행하는 규칙을 저장할 수 있다.
일 실시 예에서, 전자 장치(101)는 사용자의 행동 패턴을 분석한 데이터에 기반하여, 자동으로 규칙을 생성하여 제안하거나 등록할 수 있다. 예를 들어, 전자 장치(101)가 외부 장치를 태깅한 후 일정 시간 안에 발생한 사용자 행동을 모니터링 및 분석한 결과 특정 패턴이 발견되는 경우, 전자 장치(101)는 특정 패턴을 새로운 규칙으로 제안하거나 등록할 수 있다.
일 실시 예에서, 전자 장치(101)가 모니터링하는 동작은 외부 장치(1520)의 동작을 포함할 수 있다. 예를 들어, 사용자가 전자 장치(101)를 TV에 태깅한 뒤에 IoT 전등의 조명 세기를 조절하는 동작이 로그 파일로 저장될 수 있다. 전자 장치(101)는 해당 로그 파일을 통해 'TV를 태깅하는 경우, IoT 전등의 조명 세기를 조절하도록 원격 제어한다.’는 새로운 규칙을 찾아 사용자에 제안하거나 등록할 수 있다. 이에 따라, 복수의 외부 장치들이 연결되어 있는 IoT 환경에서 전자 장치(101)를 이용하여 원하는 외부 장치(1520)를 제어할 수 있다.
다양한 실시 예에 따른 전자 장치(101)가 외부 장치(예: 도 8의 외부 장치(801))와 연동하는 방법은, 상기 외부 장치(801)로부터 EM 신호(예: 도 7의 제1 EM 신호(761) 및/또는 제2 EM 신호(762))를 획득하는 동작, 상기 획득한 EM 신호(761 및/또는 762)를 특징 추출 모델(예: 도 7의 특징 추출 모델(765))에 통과시켜 특징 데이터(예: 도 7의 제1 특징 데이터(771) 또는 제2 특징 데이터(772))를 추출하는 동작, 상기 외부 장치(801)와 관련된 정보를 입력 받는 동작, 상기 추출된 특징 데이터(771 또는 772) 및 상기 외부 장치(801)와 관련된 정보에 기반하여 등록 정보를 생성하는 동작, 및 상기 생성된 등록 정보를 메모리(예: 도 1의 메모리(130))의 데이터 베이스에 저장하는 동작을 포함하고, 상기 외부 장치(801)와 관련된 정보를 입력 받는 동작은, 상기 외부 장치(801)와 관련된 정보를 입력하기 위한 입력 인터페이스를 제공하거나 또는 적어도 하나의 미리 저장된 외부 장치(751, 752)와 관련된 정보를 보여줄 수 있다.
일 실시 예에서, 상기 외부 장치(801)와 관련된 정보를 입력하기 위한 입력 인터페이스는, 상기 외부 장치를 선택할 수 있는 선택 창(예: 도 11b의 선택 창(1131)), 최근에 연동된 외부 장치들을 표시하는 퀵 메뉴(quick menu)(예: 도 11b의 퀵 메뉴(1132)), 사용자에게 입력할 정보를 알려 주는 알림 창(예: 도 11b의 알림 창(1133)), 및/또는 상기 외부 장치를 입력할 수 있는 입력 창(예: 도 11b의 입력 창(1134))을 포함할 수 있다.
일 실시 예에서, 상기 등록 정보를 생성하는 동작은, 상기 등록 정보를 생성하는 상황, 장소, 및/또는 환경에 관련된 정보를 포함하는 컨텍스트(context) 정보를 입력 받는 동작(예: 도 12의 동작 1240)을 더 포함할 수 있다.
일 실시 예에서, 상기 등록 정보를 저장한 후 입력된 특징 데이터(예: 도 8의 특징 데이터(810))와 상기 메모리(130)에 저장된 등록 정보를 비교하여 임의의 외부 장치(801)를 식별하는 동작을 더 포함할 수 있다.
일 실시 예에서, 상기 임의의 외부 장치(801)를 식별하는 동작은, 상기 추출된 특징 데이터(771 또는 772) 및 상기 임의의 외부 장치로부터 획득한 EM 신호의 특징 데이터(810)의 유사도(similarity)를 비교하는 동작을 포함할 수 있다.
일 실시 예에서, 상기 특징 추출 모델(765)을 생성하는 동작을 더 포함하고, 상기 특징 추출 모델(765)을 생성하는 동작은, 적어도 하나의 장치(예: 도 7의 제1 외부 장치(751) 또는 제2 외부 장치(752))의 EM 신호(761 또는 762)를 사전에 수집하여 학습 데이터(예: 도 7의 학습 데이터(720))를 구축하는 동작을 포함하고, 상기 학습 데이터(720)는, 상기 EM 신호(761 또는 762)에 대한 정보 및 상기 EM 신호(761 또는 762)가 어떤 외부 장치(751 또는 752)로부터 생성되었는지 표시하는 태그(tag)가 달려 있는 형태의 유형 1 또는 EM 신호(761 또는 762)에 대한 정보만 있는 유형 2를 포함할 수 있다.
일 실시 예에서, 상기 특징 추출 모델(예: 도 9의 특징 추출 모델(965))은 지도 학습(supervised learning) 방법에 기반하여 생성하고, 상기 지도 학습 방법은 CNN 분류기(classifier) 모델(예: 도 9의 CNN 분류기(910))을 포함할 수 있다.
일 실시 예에서, 상기 특징 추출 모델(예: 도 10의 특징 추출 모델(1030))은 비지도 학습(unsupervised learning) 방법에 기반하여 생성하고, 상기 비지도 학습 방법은 자동 인코더(autoencoder)(예: 도 10의 자동 인코더(1010)) 모델을 포함할 수 있다.
다양한 실시 예에 따른 전자 장치(101)는, 입력 장치(예: 도 2의 입력 장치(150)), 표시 장치(예: 도 2의 표시 장치(160)), 통신 모듈(예: 도 2의 통신 모듈(190)), EM 신호(예: 도 2의 제1 EM 신호(EM1) 또는 제2 EM 신호(EM2))를 획득하기 위한 EM 센싱 회로(예: 도 2의 EM 센싱 회로(210)), 상기 입력 장치(150), 상기 표시 장치(160), 상기 통신 모듈(190), 및 상기 EM 센싱 회로(210)와 작동적으로 연결된(operationally connected) 적어도 하나의 프로세서(예: 도 2의 프로세서(120)), 및 상기 프로세서(120)와 작동적으로 연결된 메모리(예: 도 2의 메모리(130))를 포함하고, 상기 메모리(130)는, 실행 시, 상기 프로세서(120)가, 상기 EM 센싱 회로(210)를 이용하여, 외부 장치(예: 도 2의 제1 외부 장치(201) 또는 제2 외부 장치(202))로부터 EM 신호(EM1 또는 EM2)를 획득하고, 상기 획득한 EM 신호(EM1 또는 EM2)를 특징 추출 모델(765)에 적용하여 특징 데이터(771 또는 772)를 추출하고, 상기 메모리(130)에 포함된 데이터베이스에 상기 외부 장치(201 또는 202) 및 상기 전자 장치(101)를 매핑하는 정보를 저장하고, 상기 특징 데이터(771 또는 772)에 기반하여 식별된 외부 장치(예: 도 8의 외부 장치(801))에 연관된 서비스를 등록하도록 하는 인스트럭션들을 저장할 수 있다.
일 실시 예에서, 상기 메모리(130)는 장치 등록부(예: 도 7의 장치 등록부(770))를 포함하고, 상기 인스트럭션들은, 상기 프로세서(120)가, 상기 추출된 특징 데이터(771 또는 772)를, 상기 외부 장치(201 또는 202)에 관련된 정보와 같이 저장하도록 할 수 있다.
일 실시 예에서, 상기 인스트럭션들은, 상기 프로세서(120)가, 상기 통신 모듈(190)을 통하여, 외부의 서버(예: 도 7의 서버(710))로부터 상기 특징 추출 모델(예: 도 7의 특징 추출 모델(730))을 수신하도록 할 수 있다.
일 실시 예에서, 상기 인스트럭션들은, 상기 프로세서(120)가 상기 추출된 특징 데이터들(771 또는 772) 중 상기 EM 신호의 특징 데이터와의 유사도가 가장 높은 특징 데이터에 기반하여 상기 외부 장치를 식별하도록 할 수 있다.
일 실시 예에서, 상기 EM 센싱 회로(210)는 상기 EM 신호에 기반한 EM 신호 데이터를 생성하고, 상기 EM 신호 데이터는 상기 EM 신호(EM1 또는 EM2)의 파형에 관한 정보 또는 상기 EM 신호(EM1 또는 EM2)를 방출한 상기 외부 장치(201 또는 202)의 종류에 대한 정보를 포함할 수 있다.
일 실시 예에서, 상기 인스트럭션들은, 상기 프로세서(120)가, 상기 통신 회로(190)를 통하여, 상기 획득한 EM 신호(EM1 또는 EM2)를 상기 외부 장치(201 또는 202)와 관련된 정보를 갖고 있는 EM 서버(예: 도 3의 EM 서버(310))로 전송하고, 상기 EM 서버(310)로부터 상기 EM 신호(EM1 또는 EM2)로부터 추출된 특징 데이터(예: 도 8의 추출된 특징 데이터(810))를 수신하도록 할 수 있다.
일 실시 예에서, 상기 인스트럭션들은, 상기 프로세서(120)가, 상기 통신 회로(190)를 통하여, 상기 EM 서버(310)로부터 상기 외부 장치(201 또는 202)에 관련된 정보를 상기 특징 데이터(810)와 함께 수신하도록 할 수 있다.
다양한 실시 예에 따른 전자 장치(101)가 외부 장치(801)를 식별하는 방법은, 외부 장치(801)로부터 EM 신호(801)를 센싱하는 동작, 상기 센싱된 EM 신호(802)를 학습 데이터(720)를 이용하여 학습시킨 특징 추출 모델(765)에 통과시켜 특징 데이터(810)를 추출하는 동작, 상기 추출된 특징 데이터(810)를 상기 전자 장치(101)의 메모리(130)에 등록된 특징 데이터(771, 772)와 유사도를 비교하는 동작, 및 상기 비교 결과에 기반하여, 상기 등록된 특징 데이터(771, 772)를 확장하거나 또는 상기 외부 장치(801)와 관련된 정보를 등록하는 동작을 포함할 수 있다.
일 실시 예에서, 상기 등록된 특징 데이터(771, 772)를 확장하는 동작은, 상기 추출된 특징 데이터(810)가 상기 메모리(130)에 등록된 외부 장치(예: 도 7의 제1 외부 장치(751) 또는 제2 외부 장치(752))에서 발생한 정보인 것을 확인한 경우, 상기 추출된 특징 데이터(771, 772)를 상기 메모리(130)에 저장하여 상기 추출된 특징 데이터(771, 772)에 해당하는 외부 장치(751, 752)를 식별하는 특징 데이터로 활용하는 동작(예: 도 12의 동작 1260))을 더 포함할 수 있다.
일 실시 예에서, 상기 외부 장치(801)와 관련된 정보를 등록하는 동작은, 입력된 외부 장치 정보 및/또는 상기 추출된 특징 데이터(810)가 상기 메모리(130)에 등록된 외부 장치(751, 752)가 아닌 새로운 외부 장치에서 발생한 정보 및/또는 추출된 특징 데이터인 것을 확인한 경우, 상기 입력된 외부 장치 정보 및/또는 상기 추출된 특징 데이터(810)를 새로운 외부 장치를 식별하는 특징 데이터로 등록하는 동작(예: 도 12의 동작 1270))을 더 포함하며, 상기 새로운 외부 장치를 식별하는 특징 데이터로 등록하는 동작은 사용자에게 상기 새로운 외부 장치로 등록할지 여부를 확인(confirm)받을 수 있는 동작을 포함할 수 있다.
일 실시 예에서, 상기 추출된 특징 데이터(810)가 기존에 등록되어 있는 경우 장소(location), 주변 환경 정보, 또는 상기 전자 장치의 상태와 같은 등록 상황의 정보를 포함하는 컨텍스트(context) 정보를 추가로 확인하는 동작(예: 도 13의 동작 1350)) 및 상기 컨텍스트 정보가 상기 메모리에 등록된 외부 장치의 컨텍스트 정보와 일치하는 경우 상기 등록된 특징 데이터를 확장하는 동작(예: 도 13의 동작 1370))을 더 포함할 수 있다.
일 실시 예에서, 상기 컨텍스트 정보가 상기 메모리(130)에 등록된 외부 장치의 컨텍스트 정보와 일치하는 경우 상기 등록된 외부 장치를 상기 외부 장치에 연관된 서비스에 연동시키는 동작(예: 도 14의 동작 1450))을 더 포함할 수 있다.
본 문서에 개시된 다양한 실시 예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치 (예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시 예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시 예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시 예들로 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나",“A 또는 B 중 적어도 하나”, "A, B 또는 C", "A, B 및 C 중 적어도 하나” 및 “A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, “기능적으로” 또는 “통신적으로”라는 용어와 함께 또는 이런 용어 없이, “커플드” 또는 “커넥티드”라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일 실시 예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시 예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일 실시 예에 따르면, 본 문서에 개시된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시 예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시 예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시 예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (20)

  1. 전자 장치가 외부 장치와 연동하는 방법에 있어서,
    상기 외부 장치로부터 EM 신호를 획득하는 동작;
    상기 획득한 EM 신호를 특징 추출 모델에 통과시켜 특징 데이터를 추출하는 동작;
    상기 외부 장치와 관련된 정보를 입력 받는 동작;
    상기 추출된 특징 데이터 및 상기 외부 장치와 관련된 정보에 기반하여 등록 정보를 생성하는 동작; 및
    상기 생성된 등록 정보를 메모리의 데이터 베이스에 저장하는 동작을 포함하고,
    상기 외부 장치와 관련된 정보를 입력 받는 동작은,
    상기 외부 장치와 관련된 정보를 입력하기 위한 입력 인터페이스를 제공하거나 또는 적어도 하나의 미리 저장된 외부 장치와 관련된 정보를 보여주는 방법.
  2. 청구항 1에 있어서,
    상기 외부 장치와 관련된 정보를 입력하기 위한 입력 인터페이스는,
    상기 외부 장치를 선택할 수 있는 선택 창, 최근에 연동된 외부 장치들을 표시하는 퀵 메뉴(quick menu), 사용자에게 입력할 정보를 알려 주는 알림 창, 및/또는 상기 외부 장치를 입력할 수 있는 입력 창을 포함하는 방법.
  3. 청구항 1에 있어서,
    상기 등록 정보를 생성하는 동작은,
    상기 등록 정보를 생성하는 상황, 장소, 및/또는 환경에 관련된 정보를 포함하는 컨텍스트(context) 정보를 입력 받는 동작을 더 포함하는 방법.
  4. 청구항 1에 있어서,
    상기 등록 정보를 저장한 후 입력된 특징 데이터와 상기 메모리에 저장된 등록 정보를 비교하여 임의의 외부 장치를 식별하는 동작을 더 포함하는 방법.
  5. 청구항 4에 있어서,
    상기 임의의 외부 장치를 식별하는 동작은,
    상기 추출된 특징 데이터 및 상기 임의의 외부 장치로부터 획득한 EM 신호의 특징 데이터의 유사도(similarity)를 비교하는 동작을 포함하는 방법.
  6. 청구항 1에 있어서,
    상기 특징 추출 모델을 생성하는 동작을 더 포함하고,
    상기 특징 추출 모델을 생성하는 동작은,
    적어도 하나의 외부 장치의 EM 신호를 사전에 수집하여 학습 데이터를 구축하는 동작을 포함하고,
    상기 학습 데이터는,
    상기 EM 신호에 대한 정보 및 상기 EM 신호가 어떤 외부 장치로부터 생성되었는지 표시하는 태그(tag)가 달려 있는 형태의 유형 1 또는 EM 신호에 대한 정보만 있는 유형 2를 포함하는 방법.
  7. 청구항 6에 있어서,
    상기 특징 추출 모델은 지도 학습(supervised learning) 방법에 기반하여 생성하고,
    상기 지도 학습 방법은 CNN 분류기(classifier) 모델을 포함하는 방법.
  8. 청구항 6에 있어서,
    상기 특징 추출 모델은 비지도 학습(unsupervised learning) 방법에 기반하여 생성하고,
    상기 비지도 학습 방법은 자동 인코더(autoencoder) 모델을 포함하는 방법.
  9. 전자 장치에 있어서,
    입력 장치;
    표시 장치;
    통신 모듈;
    EM 신호를 획득하기 위한 EM 센싱 회로;
    상기 입력 장치, 상기 표시 장치, 상기 통신 모듈, 및 상기 EM 센싱 회로와 작동적으로 연결된(operationally connected) 적어도 하나의 프로세서; 및
    상기 프로세서와 작동적으로 연결된 메모리를 포함하고,
    상기 메모리는, 실행 시, 상기 프로세서가,
    상기 EM 센싱 회로를 이용하여, 외부 장치로부터 EM 신호를 획득하고,
    상기 획득한 EM 신호를 특징 추출 모델에 적용하여 특징 데이터를 추출하고,
    상기 메모리에 포함된 데이터베이스에 상기 외부 장치 및 상기 전자 장치를 매핑하는 정보를 저장하고,
    상기 특징 데이터에 기반하여 식별된 외부 장치에 연관된 서비스를 등록하도록 하는 인스트럭션들을 저장하는 전자 장치.
  10. 청구항 9에 있어서,
    상기 메모리는 장치 등록부를 포함하고,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 추출된 특징 데이터를, 상기 외부 장치에 관련된 정보와 같이 저장하도록 하는 전자 장치.
  11. 청구항 10에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 통신 모듈을 통하여, 외부의 서버로부터 상기 특징 추출 모델을 수신하도록 하는 전자 장치.
  12. 청구항 10에 있어서,
    상기 인스트럭션들은, 상기 프로세서가
    상기 추출된 특징 데이터들 중 상기 EM 신호의 특징 데이터와의 유사도가 가장 높은 특징 데이터에 기반하여 상기 외부 장치를 식별하도록 하는 전자 장치.
  13. 청구항 9에 있어서,
    상기 EM 센싱 회로는 상기 EM 신호에 기반한 EM 신호 데이터를 생성하고,
    상기 EM 신호 데이터는 상기 EM 신호의 파형에 관한 정보 또는 상기 EM 신호를 방출한 상기 외부 장치의 종류에 대한 정보를 포함하는 전자 장치.
  14. 청구항 9에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 통신 회로를 통하여, 상기 획득한 EM 신호를 상기 외부 장치와 관련된 정보를 갖고 있는 EM 서버로 전송하고,
    상기 EM 서버로부터 상기 EM 신호로부터 추출된 특징 데이터를 수신하도록 하는 전자 장치.
  15. 청구항 14에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 통신 회로를 통하여, 상기 EM 서버로부터 상기 외부 장치에 관련된 정보를 상기 특징 데이터와 함께 수신하도록 하는 전자 장치.
  16. 전자 장치가 외부 장치를 식별하는 방법에 있어서,
    외부 장치로부터 EM 신호를 센싱하는 동작;
    상기 센싱된 EM 신호를 학습 데이터를 이용하여 학습시킨 특징 추출 모델에 통과시켜 특징 데이터를 추출하는 동작;
    상기 추출된 특징 데이터를 상기 전자 장치의 메모리에 등록된 특징 데이터와 유사도를 비교하는 동작; 및
    상기 비교 결과에 기반하여, 상기 등록된 특징 데이터를 확장하거나 또는 상기 외부 장치와 관련된 정보를 등록하는 동작을 포함하는 방법.
  17. 청구항 16에 있어서,
    상기 등록된 특징 데이터를 확장하는 동작은,
    상기 추출된 특징 데이터가 상기 메모리에 등록된 외부 장치에서 발생한 정보인 것을 확인한 경우, 상기 추출된 특징 데이터를 상기 메모리에 저장하여 상기 추출된 특징 데이터에 해당하는 외부 장치를 식별하는 특징 데이터로 활용하는 동작을 더 포함하는 방법.
  18. 청구항 16에 있어서,
    상기 외부 장치와 관련된 정보를 등록하는 동작은,
    입력된 외부 장치 정보 및/또는 상기 추출된 특징 데이터가 상기 메모리에 등록된 외부 장치가 아닌 새로운 외부 장치에서 발생한 정보 및/또는 추출된 특징 데이터인 것을 확인한 경우, 상기 입력된 외부 장치 정보 및/또는 상기 추출된 특징 데이터를 새로운 외부 장치를 식별하는 특징 데이터로 등록하는 동작을 더 포함하며,
    상기 새로운 외부 장치를 식별하는 특징 데이터로 등록하는 동작은 사용자에게 상기 새로운 외부 장치로 등록할지 여부를 확인(confirm)받을 수 있는 동작을 포함하는 방법.
  19. 청구항 16에 있어서,
    상기 추출된 특징 데이터가 기존에 등록되어 있는 경우, 장소(location), 주변 환경 정보, 또는 상기 전자 장치의 상태와 같은 등록 상황의 정보를 포함하는 컨텍스트(context) 정보를 추가로 확인하는 동작; 및
    상기 컨텍스트 정보가 상기 메모리에 등록된 외부 장치의 컨텍스트 정보와 일치하는 경우 상기 등록된 특징 데이터를 확장하는 동작을 더 포함하는 방법.
  20. 청구항 19에 있어서,
    상기 컨텍스트 정보가 상기 메모리에 등록된 외부 장치의 컨텍스트 정보와 일치하는 경우 상기 외부 장치를 상기 컨텍스트 정보에 연관된 서비스에 연동시키는 동작을 더 포함하는 방법.
KR1020190002893A 2019-01-09 2019-01-09 Em 신호의 특징을 등록하여 외부 장치를 식별하는 방법 및 상기 방법을 적용한 전자 장치 KR20200092480A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020190002893A KR20200092480A (ko) 2019-01-09 2019-01-09 Em 신호의 특징을 등록하여 외부 장치를 식별하는 방법 및 상기 방법을 적용한 전자 장치
PCT/KR2019/017846 WO2020145536A1 (ko) 2019-01-09 2019-12-17 Em 신호의 특징을 등록하여 외부 장치를 식별하는 방법 및 상기 방법을 적용한 전자 장치
US17/421,156 US11768233B2 (en) 2019-01-09 2019-12-17 Method for identifying external device by registering features of EM signal and electronic device applying said method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190002893A KR20200092480A (ko) 2019-01-09 2019-01-09 Em 신호의 특징을 등록하여 외부 장치를 식별하는 방법 및 상기 방법을 적용한 전자 장치

Publications (1)

Publication Number Publication Date
KR20200092480A true KR20200092480A (ko) 2020-08-04

Family

ID=71520394

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190002893A KR20200092480A (ko) 2019-01-09 2019-01-09 Em 신호의 특징을 등록하여 외부 장치를 식별하는 방법 및 상기 방법을 적용한 전자 장치

Country Status (3)

Country Link
US (1) US11768233B2 (ko)
KR (1) KR20200092480A (ko)
WO (1) WO2020145536A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11341682B2 (en) * 2020-08-13 2022-05-24 Argo AI, LLC Testing and validation of a camera under electromagnetic interference

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2553603A4 (en) * 2010-03-29 2014-03-05 Nokia Corp METHOD AND APPARATUS FOR MODELING IMPLANT USER INTEREST
US8429153B2 (en) * 2010-06-25 2013-04-23 The United States Of America As Represented By The Secretary Of The Army Method and apparatus for classifying known specimens and media using spectral properties and identifying unknown specimens and media
KR102009928B1 (ko) 2012-08-20 2019-08-12 삼성전자 주식회사 협업 구현 방법 및 장치
US9224019B2 (en) 2012-09-27 2015-12-29 Alcatel Lucent Electromagnetic interference device identification system and method
US10141929B2 (en) 2013-08-13 2018-11-27 Samsung Electronics Company, Ltd. Processing electromagnetic interference signal using machine learning
KR101638614B1 (ko) 2014-01-08 2016-07-20 (주)매직에코 사물인터넷 지원 시스템
EP3276527B1 (en) 2014-06-02 2020-09-16 Bastille Networks, Inc. Electromagnetic threat detection and mitigation in the internet of things
US9485266B2 (en) 2014-06-02 2016-11-01 Bastille Network, Inc. Security measures based on signal strengths of radio frequency signals
US9945928B2 (en) * 2014-10-30 2018-04-17 Bastille Networks, Inc. Computational signal processing architectures for electromagnetic signature analysis
US11048739B2 (en) * 2015-08-14 2021-06-29 Nasdaq, Inc. Computer-implemented systems and methods for intelligently retrieving, analyzing, and synthesizing data from databases
US9881273B2 (en) 2015-10-28 2018-01-30 Disney Interprises, Inc. Automatic object detection and state estimation via electronic emissions sensing
US10621594B2 (en) * 2016-02-19 2020-04-14 Alitheon, Inc. Multi-level authentication
US10366118B2 (en) 2016-03-17 2019-07-30 Disney Enterprises, Inc. EM-ID: tag-less identification of electrical devices via electromagnetic emissions
KR102339443B1 (ko) * 2017-06-02 2021-12-16 현대자동차주식회사 상황 기반 동작 결정 장치, 상황 기반 동작 결정이 가능한 차량, 상황 기반 동작 결정 방법 및 상기 차량의 제어 방법

Also Published As

Publication number Publication date
US20220074982A1 (en) 2022-03-10
WO2020145536A1 (ko) 2020-07-16
US11768233B2 (en) 2023-09-26

Similar Documents

Publication Publication Date Title
KR102624327B1 (ko) IoT 기기의 위치 추론 방법, 이를 지원하는 서버 및 전자 장치
KR102483834B1 (ko) 음성 명령을 이용한 사용자 인증 방법 및 전자 장치
KR102347208B1 (ko) 외부 장치를 이용한 태스크 수행 방법 및 이를 지원하는 전자 장치, 서버 및 저장 매체
CN112331196A (zh) 管理多个智能代理的电子设备及其操作方法
KR20200073733A (ko) 전자 장치의 기능 실행 방법 및 이를 사용하는 전자 장치
KR102431817B1 (ko) 사용자 발화를 처리하는 전자 장치 및 서버
KR102512614B1 (ko) 오디오 개선을 지원하는 전자 장치 및 이를 위한 방법
US20220172722A1 (en) Electronic device for processing user utterance and method for operating same
US20190272459A1 (en) Electronic device and method for controlling external electronic device based on use pattern information corresponding to user
US11455833B2 (en) Electronic device for tracking user activity and method of operating the same
US11620996B2 (en) Electronic apparatus, and method of controlling to execute function according to voice command thereof
KR20200092480A (ko) Em 신호의 특징을 등록하여 외부 장치를 식별하는 방법 및 상기 방법을 적용한 전자 장치
US11128713B2 (en) Method of controlling external electronic device and electronic device for supporting same
KR20210045280A (ko) IoT 기기를 제어하는 방법 및 이를 위한 전자 장치
US11244676B2 (en) Apparatus for processing user voice input
KR20200119531A (ko) 자연어 응답을 생성하는 전자 장치 및 자연어 응답 생성 방법
US20200244750A1 (en) System for processing user data and controlling method thereof
KR20200067421A (ko) 데이터를 학습하여 사용자를 식별하는 사용자 예측 모델을 생성하는 방법, 상기 모델을 적용한 전자 장치, 및 상기 모델을 적용하는 방법
US20230154462A1 (en) Electronic device and method of restoring device state
KR20200044339A (ko) 전자기 검출 회로를 포함하는 전자 장치 및 상기 전자 장치를 이용한 외부 전자 장치 제어 방법
US20230169973A1 (en) Electronic device and method for providing list of suggested utterances
US11349979B2 (en) Electronic device for supporting user-customized service
KR102669114B1 (ko) Em 신호를 발생시킨 외부 전자 장치에 따라 오디오 신호의 경로를 변경하는 전자 장치 및 방법
US11443135B2 (en) Method for monitoring object and electronic device for supporting the same
KR102667498B1 (ko) 전자장치와 그의 제어방법, 및 기록매체

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal