CN103026780B - 用于控制传感器的调用的方法和设备 - Google Patents

用于控制传感器的调用的方法和设备 Download PDF

Info

Publication number
CN103026780B
CN103026780B CN201080067820.2A CN201080067820A CN103026780B CN 103026780 B CN103026780 B CN 103026780B CN 201080067820 A CN201080067820 A CN 201080067820A CN 103026780 B CN103026780 B CN 103026780B
Authority
CN
China
Prior art keywords
sensor
context
probability
determined
described sensor
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
CN201080067820.2A
Other languages
English (en)
Other versions
CN103026780A (zh
Inventor
曹欢欢
李学英
田继雷
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.)
Nokia Technologies Oy
Original Assignee
Nokia Technologies Oy
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 Nokia Technologies Oy filed Critical Nokia Technologies Oy
Publication of CN103026780A publication Critical patent/CN103026780A/zh
Application granted granted Critical
Publication of CN103026780B publication Critical patent/CN103026780B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
    • H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H04W52/0251—Power saving arrangements in terminal devices using monitoring of local events, e.g. events related to user activity
    • H04W52/0258—Power saving arrangements in terminal devices using monitoring of local events, e.g. events related to user activity controlling an operation mode according to history or models of usage information, e.g. activity schedule or time of day
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W80/00—Wireless network protocols or protocol adaptations to wireless operation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M2250/00—Details of telephonic subscriber devices
    • H04M2250/12—Details of telephonic subscriber devices including a sensor for measuring a physical value, e.g. temperature or motion

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Environmental & Geological Engineering (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Telephone Function (AREA)
  • Power Sources (AREA)
  • User Interface Of Digital Computer (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

提供一种用于控制传感器的调用的方法和设备。一种方法可以包括访问至少部分地基于历史上下文数据而生成的上下文概率模型。所述方法可以进一步包括使用所述上下文概率模型，以确定由传感器的输出表明的上下文将与由所述传感器的先前输出表明的上下文不同的概率。可以至少部分地基于观察的上下文信息进行所述确定。所述方法可以附加地包括至少部分地基于所述确定的概率，控制所述传感器的调用。还公开了相对应的设备。

Description

用于控制传感器的调用的方法和设备
技术领域
本发明的实施例通常涉及上下文感测技术，尤其涉及用于控制传感器的调用的方法和设备。
背景技术
现代计算时代带来了计算功率的急剧扩展以及计算设备的增加可购性。计算功率的扩展已经导致计算设备尺寸的降低，并且产生了能够执行仅由最先进的桌面计算机提供的仅几年前要求的处理功率的功能性的新一代移动设备。结果，具有小规格的移动计算设备变为无所不在，并且用于执行宽范围的应用。
移动计算设备的广泛采用以及该移动计算设备经过其通信的无线网络的扩展能力进一步助长了由移动计算设备提供的功能性的扩展。除了提供电信服务，许多移动计算设备现在提供诸如导航服务、照相机和视频捕捉能力、数字音乐和视频回放以及网页浏览的功能性。现代移动计算设备提供的一些扩展的功能性和应用允许捕获这样的用户上下文信息，即该用户上下文信息可以通过应用调整以向用户提供附加值的基于上下文的服务。为此，移动计算设备可以实现对用户的当前上下文做出响应而提供自适应服务的应用，这可以通过传感器和/或在移动计算设备上实现的其它应用捕获的数据进行确定。
尽管由移动计算设备提供的功能性的扩展已经是革命性的，但是现代移动计算设备提供的功能性的实现和使用对于移动计算设备的开发者和使用者具有一些问题。为此，移动计算设备提供的这些新的功能性要求附加的功率。在许多情况下，由功能性要求的附加功耗会是相当可观的。该增加的功耗对于电池供电的移动计算设备会是相当有问题。为此，尽管改善了电池寿命，但是电池寿命的改善还没有与移动设备能力的实际指数增长同步。因此，移动计算设备的用户会被迫频繁对电池充电或者限制其使用，这会明显降低用户体验。
发明内容
这里提供了用于控制传感器的调用的方法、设备和计算机程序产品。根据各种实施例的方法、设备和计算机程序产品可以为计算设备和计算设备用户提供多个优点。一些示例实施例利用对于设备的历史上下文数据生成上下文概览模型。所述上下文概率模型由一些示例实施例调整，以确定由传感器的输出表明的上下文将与由所述传感器的先前输出表明的上下文不同的概率。例如，一些示例实施例可以调整从活动传感器获得的上下文信息作为到上下文概率模型的输入，以确定由无源传感器的输出表明的上下文将与在所述传感器先前被调用时由所述传感器的输出表明的上下文不同的概率。为此，一些示例实施例可以基于所述确定的概率控制传感器的调用，如果被调用，所述传感器的输出将表明上下文与由所述传感器的先前输出表明的上下文不同。因此，可以避免传感器的不必要的采样和激活，这可以降低诸如移动计算设备的上下文感知设备的功耗，同时仍然提供可以具有对于上下文感知应用和服务当前的高概率的上下文信息。例如，在一些示例实施例中，传感器可以被激活以在并且仅在由所述传感器捕捉的所述上下文信息能够其它明显的信息或者值时检测上下文。为此，如果至少存在所述上下文信息将不对于先前捕捉的上下文信息多余(例如发生上下文的改变)的阈值概率，则由传感器捕捉的上下文信息可以提供明显的信息或者值。因此，通过预测由传感器捕捉的上下文信息何时多余，一些示例实施例可以在提供有意义的上下文信息的同时，降低传感器激活并且因而降低功耗。
在第一示例实施例中，提供一种方法，所述方法包括访问至少部分地基于历史上下文数据而生成的上下文概率模型。该示例实施例的所述方法进一步包括使用所述上下文概率模型确定由传感器的输出表明的上下文将与由所述传感器的先前输出表明的上下文不同的概率。至少部分地基于观察的上下文信息进行该示例实施例的所述确定。该示例实施例的所述方法进一步包括至少部分地基于所述确定的概率控制所述传感器的调用。
在另一示例实施例中，提供一种设备。该示例实施例的所述设备包括至少一个处理器和存储计算机程序代码的至少一个存储器，其中利用所述至少一个处理器配置所述至少一个存储器和所存储的计算机程序代码以使所述设备至少访问至少部分地基于历史上下文数据而生成的上下文概率模型。利用所述至少一个处理器配置所述至少一个存储器和所存储的计算机程序代码以进一步使该示例实施例的所述设备使用所述上下文概率模型，以确定由传感器的输出表明的上下文将与由所述传感器的先前输出表明的上下文不同的概率。至少部分地基于观察的上下文信息进行该示例实施例的所述确定。利用所述至少一个处理器配置所述至少一个存储器和所存储的计算机程序代码以附加地使该示例实施例的设备至少部分地基于所述确定的概率，控制所述传感器的调用。
在另一示例实施例中，提供一种计算机程序产品。该示例实施例的所述计算机程序产品包括具有存储在其上的计算机可读程序指令的至少一个计算机可读存储介质。该示例实施例的所述程序指令包括被配置以访问至少部分地基于历史上下文数据而生成的上下文概率模型的程序指令。该示例实施例的所述程序指令进一步包括被配置以使用所述上下文概率模型，确定由传感器的输出表明的上下文将与由所述传感器的先前输出表明的上下文不同的概率的程序指令。至少部分地基于观察的上下文信息进行该示例实施例的所述确定。该示例实施例的所述程序指令还包括被配置以至少部分地基于所述确定的概率，控制所述传感器的调用的程序指令。
在另一示例实施例中，提供一种承载计算机可读程序指令的计算机可读存储介质。该示例实施例的所述程序指令包括被配置以访问至少部分地基于历史上下文数据而生成的上下文概率模型的程序指令。该示例实施例的所述程序指令进一步包括被配置以使用所述上下文概率模型，确定由传感器的输出表明的上下文将与由所述传感器的先前输出表明的上下文不同的概率的程序指令。至少部分地基于观察的上下文信息进行该示例实施例的所述确定。该示例实施例的所述程序指令还包括被配置以至少部分地基于所述确定的概率，控制所述传感器的调用的程序指令。
在另一示例实施例中，提供一种设备，所述设备包括用于访问至少部分地基于历史上下文数据而生成的上下文概率模型的模块。该示例实施例的所述设备进一步包括用于使用所述上下文概率模型，以确定由传感器的输出表明的上下文将与由所述传感器的先前输出表明的上下文不同的概率的模块。至少部分地基于观察的上下文信息进行所述该示例实施例的所述确定。该示例实施例的所述设备还包括用于至少部分地基于所述确定的概率，控制所述传感器的调用的模块。
仅出于总结本发明的一些示例实施例以提供对本发明一些方面的基本理解的目的提供上面的总结。因此，应当认识的是，上述示例实施例只是示例并且不应该被解释为以任何方式缩窄本发明的范围或者精神。应当认识的是，本发明的范围包含许多潜在的实施例，除了这里总结的之外，下面将进一步描述其中的一些。
附图说明
因而以通用形式描述了本发明的实施例，现在将参照不必按照比例绘制的附图，其中：
图1示意了根据本发明的示例实施例的用于控制传感器的调用的上下文感知设备的方框图；
图2是根据本发明的示例实施例的移动终端的示意性方框图；
图3示意了根据本发明的示例实施例的传感器调用的示例时序图；
图4示意了根据本发明的示例实施例的用于控制传感器的调用的示例方法流程图；并且
图5示意了可以在其上实现本发明的示例实施例的芯片组或者芯片。
具体实施方式
以下将参照附图更加充分地描述本发明的一些实施例，其中示出了本发明的一些而非全部实施例。实际上，本发明可以按照许多不同的形式实现并且不应该被解释为局限于这里阐述的实施例；而且提供这些实施例以使得本公开将满足可应用的合法要求。整个附图中类似的附图标记指代类似的单元。如这里使用的，术语“数据”、“内容”、“信息”和类似的术语可以被互换使用以指代能够根据本发明的实施例被传输、接收和/或存储的数据。因而，任何这样的术语的使用不应该被认为限制本发明实施例的精神和范围。如这里限定的，指代非暂态物理存储介质(例如易失性或者非易失性存储器设备)的“计算机可读存储介质”能够与指代电磁信号的“计算机可读传输介质”不同。
如这里使用的，术语“电路”指代(a)仅硬件电路实现(例如模拟电路和/或数字电路中的实现)；(b)一起工作以使设备执行在此描述的一个或者多个功能的电路和包括存储在一个或者多个计算机可读存储器上的软件和/或固件指令的一个或者多个计算机程序产品的组合；以及(c)例如以即使软件或者固件没有物理地存在也要求所述软件或者固件用于操作的一个或者多个微处理器或者一个或者多个微处理器的一部分为例的电路。该“电路”的限定这里应用于该术语的全部使用，包括在任何权利要求中。作为进一步示例，如这里使用的，术语“电路”也包括包含一个或者多个处理器和/或其一个或者多个部分以及相关的软件和/或固件的实现。作为另一示例，这里使用的术语“电路”还例如包括用于移动电路的基带集成电路或者应用处理器集成电路，或者服务器、蜂窝网络设备、其它网络设备和/或其它计算设备中的类似集成电路。
上下文感知技术用于向用户提供智能、个性化的上下文感知应用。移动上下文感测是在其上实现上下文感知技术的平台的示例，上下文感知应用会需要根据各种上下文源认识用户的上下文，并且然后以所认识的上下文为基础采取行动。
然而，电池供电的上下文感知设备中的任何应用面临由电池功率剩余量施加的离散功率限制。不幸的是，由于上下文感测被自然地功能化为常开，因此，降低上下文感知设备中的功耗是重要的问题。然而，移动用户的上下文改变不必是连续的，并且会是离散的。为此，移动用户的上下文流会被分段为几个上下文(情形)。每一个上下文会持续几分钟或者甚至几小时。这样的示例上下文可以包括“等公共汽车”、“乘坐公共汽车”、“在办公室工作”等等。因而，在特定上下文内，一些上下文数据(例如位置、交通)会是稳定的并且不会需要被持续或者甚至频繁地感测。
在此描述的一些示例实施例因此便于智能控制传感器的调用。为此，一些示例实施例可以降低由上下文感知设备中的传感器调用消耗的功率，同时仍然提供被认为具有相对高信任水平的精确的上下文信息。图1示意了根据本发明的示例实施例的用于控制传感器的调用的上下文感知设备102的方框图。应当认识的是，上下文感知设备102被提供作为一个实施例的示例，并且不应该按照任何方式被解释为缩窄了本发明的范围或者精神。为此，本公开的范围包含除了这里说明和描述的实施例之外的许多潜在实施例。这样，尽管图1示意了用于控制传感器的调用的设备的配置的一个示例，但是也可以使用其它配置以实现本发明的实施例。
上下文感知设备102可以被实现为桌面计算机、膝上型计算机、移动终端、移动计算机、移动电话、移动通信设备、一个或者多个服务器、一个或者多个网络节点、游戏设备、数字照相机/摄像机、音频/视频播放器、电视设备、无线接收器、数字视频记录仪、定位设备及其任何组合等等。在示例实施例中，上下文感知设备102被实现为移动终端，如在图2中说明的。
为此，图2示意了代表上下文感知设备102的一个实施例的移动终端10的方框图。然而应该理解的是，所说明的以及之后描述的移动终端10仅说明可以实现和/或得益于本发明实施例的上下文感知设备102的一种类型，并且不应该被认为限制本发明的范围。尽管说明并且以下出于示例目的将描述电子设备的几个实施例，但是诸如移动电话、移动计算机、便携式数字助理(PDA)、寻呼机、膝上型计算机、桌面计算机、游戏设备、电视以及其它类型的电子系统的其它类型的电子设备可以采用本发明的实施例。
如图所示，移动终端10可以包括与传输器14和接收器16通信的天线12(或者多个天线12)。移动终端10也可以包括被配置以分别向所述传输器和接收器提供信号并且从所述传输器和接收器接收信号的处理器20。所述处理器20例如可以被实现为各种设备，包括电路、具有相关的一个或者多个数字信号处理器的一个或者多个微处理器、不具有相关的数据信号处理器的一个或者多个处理器、一个或者多个协处理器、一个或者多个多核处理器、一个或者多个控制器、处理电路、一个或者多个计算机、包括例如以ASIC(专用集成电路)或者FPGA(现场可编程门阵列)为例的集成电路的各种其它处理单元或者其一些组合。因此，尽管图2中说明为单个处理器，但是在一些实施例中处理器20包括多个处理器。通过处理器20发送和接收的信号可以包括根据可应用的蜂窝系统的空中接口标准，和/或任何数量的不同有线或者无线联网技术，包括但不局限于无线保真、诸如电气和电子工程师协会(IEEE)802.11、802.16等等的无线局域网(WLAN)技术的信令信息。此外，这些信号可以包括语音数据、用户生成的数据、用户请求的数据等等。为此，所述移动终端可以能够利用一个或者多个空中接口标准、通信协议、调制类型、接入类型等等进行操作。更具体地说，所述移动终端能够根据各种第一代(1G)、第二代(2G)、2.5G、第三代(3G)通信协议、第四代(4G)通信协议、互联网协议多媒体子系统(IMS)通信协议(例如会话初始化协议(SIP))等等操作。例如，所述移动终端可以能够根据2G无线通信协议IS-136(时分多址(TDMA))、全球移动通信系统(GSM)、IS-95(码分多址(CDMA))等等进行操作。而且例如，所述移动终端能够根据2.5G无线通信协议通用分组无线业务(GPRS)、增强的数据GSM环境(EDGE)等等进行操作。进而例如，所述移动终端可以能够根据诸如通用移动电信系统(UMTS)、码分多址2000(CDMA2000)、宽带码分多址(WCDMA)、时分同步码分多址(TD-SCDMA)等等的3G无线通信协议进行操作。所述移动终端可以附加地根据诸如长期演进(LTE)或者演进的通用地面无线接入网络(E-UTRAN)等等的3.9G无线通信协议进行操作。此外例如，所述移动终端能够根据第四代(4G)无线通信协议等等以及未来可以开发的类似无线通信协议进行操作。
一些窄带先进的移动电话系统(NAMPS)以及全接入通信系统(TACS)、移动终端也可以得益于本发明的实施例，这应该是双模或者更高模电话(例如数字/模拟或者TDMA/CDMA/模拟电话)。此外，所述移动终端10可以能够根据无线保真或者用于微波接入的世界互操作性(WiMAX)协议操作。
要理解的是，处理器20可以包括用于实现移动终端10的音频/视频和逻辑功能的电路。例如，处理器20可以包括数字信号处理器设备、微处理器设备、模数转换器、数模转换器等等。移动终端的控制和信号处理功能可以根据各自的能力在这些设备之间进行分配。所述处理器可以附加地包括内部语音编码器(VC)20a、内部数据调制解调器(DM)20b等等。进而，所述处理器可以包括操作可以存储在存储器中的一个或者多个软件程序的功能性。例如，处理器20可以能够操作诸如网页浏览器的连接性程序。连接性程序可以允许移动终端10根据诸如无线应用协议(WAP)、超文本传输协议(HTTP)等等的协议传输和接收诸如基于位置的内容的网页内容。移动终端10可以能够使用传输控制协议/互联网协议(TCP/IP)经过互联网或者其它网络传输和接收网页内容。
移动终端10还可以包括可以可操作地耦合到处理器20的、例如包括耳机或者扬声器24、振铃22、麦克风26、显示器28、用户输入接口等等的用户接口。为此，处理器20可以包括被配置以控制诸如以扬声器24、振铃22、麦克风26、显示器28等等为例的用户接口的一个或者多个单元的至少一些功能的用户接口电路。处理器20和/或包括处理器20的用户接口电路可以被配置，以经过存储在对于处理器20可访问的存储器(例如易失性存储器40、非易失性存储器42等等)上的计算机程序指令(例如软件和/或固件)，控制用户接口的一个或者多个单元的一个或者多个功能。尽管未示出，但是移动终端可以包括用于对与移动终端相关的各种电路，例如提供机械振动作为可检测输出的电路供电的电池34。用户输入接口可以包括允许移动终端接收数据的诸如键盘30、触摸显示器(未示出)、游戏杆(未示出)和/或其它设备的设备。在包括键盘的实施例中，键盘可以包括数字(0-9)和相关键(#、*)、和/或用于操作该移动终端的其它键。
如图2所示，移动终端10也可以包括用于共享和/或获得数据的一个或者多个模块。例如，所述移动终端可以包括短范围射频(RF)收发器和/或询问器64，因此数据可以根据RF技术与电子设备共享和/或从该电子设备可获得。移动终端可以包括其它短范围收发器，例如红外(IR)收发器66、使用由蓝牙TM专用兴趣组开发的蓝牙TM商标无线技术操作的蓝牙TM(BT)收发器68、无线通用串行总线(USB)收发器70等等。蓝牙TM收发器68可以能够根据超低功率蓝牙TM技术(例如WibreeTM)无线标准操作。为此，移动终端10，尤其是短范围收发器可以能够在移动终端附近内，例如在10米内，向电子设备传输数据和/或从电子设备接收数据。尽管未示出，但是移动终端可以能够根据各种无线联网技术向电子设备传输数据/从电子设备接收数据，包括无线保真，诸如IEEE802.11技术、IEEE802.15技术、IEEE802.16技术等等的WLAN技术。
移动终端10可以进一步包括定位传感器37。定位传感器37例如可以包括全球定位系统(GPS)传感器、辅助全球定位系统(辅助GPS)传感器等等。然而，在一个实施例中，定位传感器37包括计步器或者惯性传感器。进而，定位传感器可以以信号三角测量或者其它机制为基础确定移动终端10的位置。定位传感器37可以被配置以确定移动终端10的位置，诸如移动终端10的维度和经度坐标或者相对于诸如目的地或者开始点的基准点的位置。来自定位传感器37的信息可以被通信到移动终端10的存储器或者另一存储器设备，以被存储为位置历史或者位置信息。而且，移动终端10的存储器可以存储用于确定小区id信息的指令。为此，所述存储器可以存储用于由处理器20执行的应用程序，处理器20可以确定移动终端10与其通信的当前小区的身份(即小区id身份或者小区id信息)。结合定位传感器37，小区id信息可以用于更加精确地确定移动终端10的位置。
应当认识的是，定位传感器37被提供作为可以在移动终端10上实施的上下文传感器的一种类型的示例。为此，移动终端10可以包括除了或者包含定位传感器37的一个或者多个其它上下文传感器。
移动终端10可以包括诸如订户身份模块(SIM)38、可移除用户身份模块(R-UIM)等等的存储器，其可以存储与移动订户相关的信息要素。除了SIM，移动终端可以包括其它可移除和/或固定存储器。移动终端10可以包括易失性存储器40和/或非易失性存储器42。例如，易失性存储器40可以包括包含动态和/或静态随机访问存储器(RAM)的RAM、在芯片或者离芯片缓冲存储器等等。可以被嵌入和/或可移除的非易失性存储器42例如可以包括只读存储器、闪存、磁存储设备(例如硬驱、软盘驱动、磁带等等)、光盘驱动和/或介质、非易失性随机访问存储器(NVRAM)等等。与易失性存储器40类似，非易失性存储器42可以包括用于数据的临时存储的缓冲区域。所述存储器可以存储可以由移动终端使用用于执行该移动终端的功能的一个或者多个软件程序、指令、信息段、数据等等。例如，所述存储器可以包括能够唯一识别移动终端10的诸如国际移动设备识别(IMEI)代码的标识符。
返回图1，在示例实施例中，上下文感知设备102包括用于执行在此描述的各种功能的各种模块。这些模块可以包括处理器110、存储器112、通信接口114、用户接口116、上下文学习电路118或者传感器控制电路120中的一个或者多个。在此描述的上下文感知设备102的模块可以被实现为例如电路、硬件单元(例如适当编程的处理器、组合逻辑电路等等)、包括可由适当配置的处理设备(例如处理器110)执行的存储在计算机可读介质(例如存储器112)上的计算机可读程序指令(例如软件或者固件)的计算机程序产品，或者其一些组合。
处理器110例如可以被实现为包括具有相关的一个或者多个数字信号处理器的一个或者多个微处理器、不具有相关的数字信号处理器的一个或者多个处理器、一个或者多个协处理器、一个或者多个多核处理器、一个或者多个控制器、处理电路、一个或者多个计算机、包括例如以ASIC(专用集成电路)或者FPGA(现场可编程门阵列)为例的集成电路的各种其它处理单元，或者其一些组合的各种模块。因此，尽管在图1中被说明为单个处理器，但是在一些实施例中，所述处理器110包括多个处理器。所述多个处理器可以彼此可操作地通信，并且可以被一起配置以执行在此描述的上下文感知设备102的一个或者多个功能性。所述多个处理器可以被实现在单个计算设备上，或者分布在被一起配置以用作上下文感知设备102的多个计算设备之间。在其中所述上下文感知设备102被实现为移动终端10的实施例中，处理器110可以被实现为或者包括处理器20。在示例实施例中，处理器110被配置以执行存储在存储器112中或者以其它方式对于处理器110可访问的指令。这些指令在由处理器110执行时可以使上下文感知设备102执行在此描述的上下文感知设备102的一个或者多个功能性。这样，无论通过硬件或者软件方法配置，或者通过硬件和软件的组合配置，处理器110可以包括能够在被相应配置时执行根据各种实施例的操作的实体。因而例如，在处理器110被实现为ASIC、FPGA等等时，处理器110可以包括用于执行在此描述的一个或者多个操作的专门配置的硬件。可选地，作为另一示例，在处理器110被实现为诸如可以被存储在存储器112中的指令的执行器时，所述指令可以专门配置处理器110以执行在此描述的一个或者多个算法和操作。
存储器112例如可以包括易失性存储器、非易失性存储器或者其一些组合。尽管在图1中被说明为单个存储器，但是存储器112可以包括多个存储器。所述多个存储器可以被实现在单个计算设备上，或者可以分布在被一起配置以用作上下文感知设备102的多个计算设备之间。在各种示例实施例中，存储器112例如可以包括硬盘、随机访问存储器、缓冲存储器、闪存、压缩盘只读存储器(CD-ROM)、数字通用盘只读存储器(DVD-ROM)、光盘、被配置以存储信息的电路或者其一些组合。在其中所述上下文感知设备102被实现为移动终端10的实施例中，存储器112可以包括易失性存储器40和/或非易失性存储器42。存储器112可以被配置以存储信息、数据、应用、指令等等用以使能所述上下文感知设备102执行根据各种示例实施例的各种功能。例如，在一些示例实施例中，存储器112被配置以缓冲输入数据用以由处理器110处理。此外或者可选地，在一些示例实施例中，存储器112被配置以存储程序指令用以由处理器110执行。存储器112可以存储静态和/或动态信息形式的信息。所存储的信息例如可以包括上下文概率模型，这将在这里进行进一步描述。该存储的信息可以在执行其功能性的过程中由上下文学习电路118和/或传感器控制电路120存储和/或使用。
通信接口114可以被实现为在被配置以从/至另一计算设备接收和/或传输数据的电路、硬件、包括存储在计算机可读介质(例如存储器112)上并且通过处理器设备(例如处理器110)执行的计算机可读程序指令的计算机程序产品或者其组合中实现的任何设备或者模块。在示例实施例中，通信接口114至少部分地被实现为处理器110或者以其它方式由处理器110控制。为此，通信接口114可以与处理器110诸如经由总线通信。通信接口114例如可以包括用于使能与一个或者多个远程计算设备的通信的天线、传输器、接收器、收发器和/或支持硬件或软件。通信接口114可以被配置以使用可以用以与远程计算设备通信的任何协议接收和/或传输数据。为此，通信接口114可以被配置以使用可以用于在无线网络、有线网络、其一些组合上传输数据的任何协议接收和/或传输数据，通过所述协议，所述上下文感知设备102和一个或者多个计算设备可以通信。通信接口114可以此外诸如经由总线与存储器112、用户接口116、上下文学习电路118和/或传感器控制电路120通信。
用户接口116可以与处理器110通信以接收用户输入的表示和/或向用户提供音频、视频、机械或者其它输出。这样，用户接口116例如可以包括键盘、鼠标、游戏杆、显示器、触摸屏显示器、麦克风、扬声器和/或其它输入/输出机制。用户接口116可以诸如经由总线与存储器112、通信接口114、上下文学习电路118和/或传感器控制电路120通信。
上下文学习电路118可以被实现为各种设备，诸如电路、硬件、包括存储在计算机可读介质(例如存储器112)上、并且由处理设备(例如处理器110)执行的计算机可读程序指令的计算机程序产品、其一些组合等等。在一些实施例中，上下文学习电路118被实现为处理器110或者以其它方式由处理器110控制。在其中上下文学习电路118被实现为与处理器110分离的实施例中，上下文学习电路118可以与处理器110通信。上下文学习电路118可以诸如经由总线进一步与存储器112、通信接口114、用户接口116或者传感器控制电路120的一个或者多个通信。
传感器控制电路120可以被实现为各种模块，诸如电路、硬件、包括存储在计算机可读介质(例如存储器112)上、并且由处理设备(例如处理器110)执行的计算机可读程序指令的计算机程序产品、其一些组合等等。在一些实施例中，传感器控制电路120被实现为处理器110或者以其它方式由处理器110控制。在其中传感器控制电路120被实现为与处理器110分离的实施例中，传感器控制电路120可以与处理器110通信。传感器控制电路120可以诸如经由总线进一步与存储器112、通信接口114、用户接口116或者上下文学习电路118的一个或者多个通信。
传感器控制电路120可以进一步与一个或者多个传感器122通信。为此，上下文感知设备102可以进一步包括或者以其它方式可操作地连接到在图1中以示例方式说明的传感器1-传感器n的一个或者多个传感器，其中n是与传感器122的数量相对应的整数。在其中上下文感知设备102被实现为移动终端10的实施例中，定位传感器37可以包括传感器122。尽管传感器122在图1中被说明与传感器控制电路120直接通信，但是应当认识的是，该说明只是示例的方式。为此，传感器控制电路120可以间接耦合到传感器122，诸如经由处理器110、共享系统总线等等。因此，应当认识的是，传感器控制电路120和传感器122可以按照使能传感器控制电路120的任何结构进行配置，以控制传感器的调用。为此，传感器控制电路120可以被配置以通过直接控制传感器的调用、通过向控制传感器的调用的另一模块或者实体(例如处理器110、传感器本身等等)提供调用指令、其一些组合等等，来控制传感器的调用。
上下文感知设备102可以进一步包括功率源124，其可以提供处理器110、存储器112、通信接口114、用户接口116、上下文学习电路118、传感器控制电路120或者一个或多个传感器122的一个或者多个的功率使能操作。功率源124可以包括用于向上下文感知设备102或者其部件传送功率的任何模块。例如，功率源124可以包括被配置以向上下文感知设备102供应功率的一个或者多个电池。此外或者可选地，功率源124可以包括允许上下文感知设备102到诸如交流(AC)功率源、车辆电池等等的可选功率源的连接的适配器。为此，可选功率源可以用于为上下文感知设备102供电和/或以其它方式为上下文感知设备102供电的电池充电。在一些示例实施例中，处理器110和/或传感器控制电路120可以被配置以监视功率源124，以确定功率源(例如一个或者多个电池)中剩余的功率量、上下文感知设备102是否连接到可选功率源等等。处理器110和/或传感器控制电路120可以被配置以使用通过监视功率源124确定的这样的信息来改变上下文感知设备102的功能性。例如，可以以功率源124的状态为基础(例如以剩余的功率量为基础和/或以上下文感知设备102是否连接到可选功率源为基础)，控制传感器的调用。
根据一些示例实施例，诸如被实现在上下文感知设备102上或者以其它方式可操作地耦合到上下文感知设备102的一个或者多个传感器的传感器可以被划分为活动传感器和调用传感器。活动传感器可以包括消耗相对低量的功率和/或被要求用于除了上下文感知应用之外的应用的操作的传感器。为此，活动传感器可以包括可以在上下文感知设备102处于操作的时段期间的时间的至少明显部分内保持活动的传感器。作为说明性示例而非限制的方式，活动传感器可以包括提供蜂窝服务信息(例如小区id、全球移动通信系统(GSM)信息)、时间信息、系统信息、日历/约会信息等等的传感器。调用传感器可以包括消耗相对大量功率和/或仅被要求用于上下文感知应用的操作的传感器。作为说明性示例而非限制的方式，活动传感器可以包括提供定位(例如GPS)信息、音频信息、3D加速度计、运动传感器、加速度计、网页服务传感器、无线传感器、无线局域网(WLAN)检测传感器等等的传感器。应当认识的是，上下文感知设备102的实施例不需要包括上面阐述的说明性示例活动传感器和调用传感器的每一个或者甚至任意一个。为此，上下文感知设备102可以包括说明性示例的传感器的子集和/或可以包括除了或者包含说明性示例的传感器中的一个或者多个的其它传感器。
上下文学习电路118可以被配置以收集由传感器捕捉的或者以其它方式在上下文感知设备102上可获得的上下文信息，并且使用所收集的上下文信息生成和/或更新上下文概率模型。为此，上下文概率模型可以被配置以至少部分地以历史上下文信息为基础，便于由传感器的输出表明的上下文将与由所述传感器的先前输出表明的上下文不同的概率预测。由传感器的输出表明的上下文例如可以包括直接由所述输出表明的上下文(例如所表明的上下文可以包括所述输出的值或者其它量)。作为另一示例，由传感器的输出表明的上下文可以包括由所述传感器的输出间接表明的上下文。为此，由传感器的输出表明的上下文例如可以包括通过处理和/或分析所述传感器的输出可推导的上下文。假设在所述输出的值或者由所述输出提供的信息中存在各种差异中的任意一个或者多个，则传感器的输出可以表明与由所述传感器的先前输出表明的上下文不同的上下文。例如，如果传感器的输出在值方面(例如，在信号电平中)与先前输出不同，则传感器的输出可以表明与由该传感器的先前输出表明的上下文不同的上下文。作为另一示例，如果由传感器的输出提供的信息水平与由先前输出提供的信息水平不同，则该传感器的输出可以表明与由所述传感器的先前输出所表明的上下文不同的上下文。作为进一步示例，如果传感器的输出和/或从而表明的信息在语义上与所述传感器的先前输出和/或从而表明的信息不同，则该传感器的输出可以表明与由该传感器的先前输出表明的上下文不同的上下文。因此，所述上下文概率模型可以被配置以便于预测调用传感器将导致具有超出已经知道的附加值的信息的捕捉的概率，诸如根据由传感器的先前调用捕捉的输出。为此，在其中自从先前调用了传感器以来发生了上下文转换的实例中，调用传感器例如可以导致捕捉具有附加值的信息。
例如，所述上下文概率模型可以以历史上下文数据为基础，提供能够输出由传感器(例如调用传感器)的输出表明的上下文y随着给定的X改变的概率的概率分类器F，可以表示为P(y|X)，其中X指代可获得的观察信息。为此，可获得的观察上下文信息可以包括一个或多个活动传感器的上下文信息，例如所感测数据的值、所述数据的时间等等。可获得的观察上下文信息可以进一步包括除了y之外从调用传感器最近观察的上下文信息。为此，当前活动或者在预定时段内(例如最近)被捕捉以使得所述观察可以被认为是在可接受的精确度内作为当前的调用传感器的观察也可以被调整为由概率模型输出的概率。
因此，上下文概率模型可以根据可以在调用传感器的输出和其它可获得上下文信息之间建立关联的历史上下文信息进行推导，诸如可以根据一个或者多个活动传感器和/或一个或者多个其它调用传感器获得。例如，历史上下文信息可以建立在小区ID为2344时用户的位置(例如GPS或者其它定位传感器的输出)从上午9点到下午5点通常不改变。因而，如存在时间传感器的输出在上午9点和下午5点之间并且小区ID传感器的输出为2344时，定位传感器(例如从而表明的上下文)的输出将不改变的高概率。因此，这样的相关性可以用于生成上下文概率模型和/或训练所述上下文概率模型，以允许确定在给定可获得的观察上下文信息的情况下由传感器的输出表明的上下文将改变的概率。
可以使用任何合适的统计模型生成所述上下文概率模型。作为示例而非限制的方式，原始贝叶斯网络、逻辑回归模型、其一些组合等等可以由上下文学习电路118使用，以生成和/或更新该上下文概率模型。通过上下文学习电路118生成的上下文概率模型可以被配置以输出由多个建模传感器的任意一个的输出表明的上下文可以与由先前输出表明的上下文不同的概率。可选地，在一些示例实施例中，上下文学习电路118可以被配置以生成多个上下文概率模型，诸如通过生成对于其调用由传感器控制电路120控制的传感器子集的每一个定制的上下文概率模型。
应当认识的是，上下文发展倾向会随着时间改变，诸如在上下文感知设备102的用户改变工作、移动到新位置等等时。进而，在以在附加历史上下文信息中调整的模型为基础进行确定时，可以增加在传感器输出中改变的确定概率的精确度。因此，上下文学习电路118可以被配置以更新上下文概率模型。为此，上下文学习电路118可以收集所捕捉的上下文信息，并且使用所捕捉的上下文信息以更新上下文概率模型。这样的更新可以根据任何限定的标准来执行，诸如周期性地执行，对预定义事件的发生做出响应等等。
传感器控制电路120可以被配置以访问上下文概率模型，诸如通过访问存储在存储器112中的上下文概率模型。传感器控制电路120可以被配置以使用上下文概率模型，确定由传感器的输出表明的上下文将与由该传感器的先前输出表明的上下文不同的概率。为此，传感器控制电路120可以被配置以确定可获得的观察上下文信息，并且利用该可获得的观察上下文信息作为到上下文概率模型的输入，以确定由传感器的输出表明的上下文将与由该传感器的先前输出表明的上下文不同的概率。如上所述，观察上下文信息可以包括从一个或者多个活动传感器获得的上下文信息。此外或者可选地，观察上下文信息可以包括从调用传感器最近观察的上下文信息。为此例如，当前活动的调用传感器的观察或者在预定义时段内(例如在最近)捕捉，以使得所述观察可以在可接受的精确度内被认为最近的观察也可以由传感器控制电路使用，作为到上下文概率模型的输入。
所述传感器控制电路120可以被进一步配置以至少部分地基于所述确定的概率控制传感器的调用。在一些示例实施例中，传感器控制电路120被配置以至少部分地基于所述确定的概率确定传感器的采样速率，并且根据所确定的采样速率控制所述传感器的调用。例如，所述传感器控制电路可以被配置以计算对于传感器的采样速率y：
采样速率(y)＝C*P(y|X)，其中c为恒定值。[1]
如上所述，P(y|X)可以指代在给定X的情况下传感器(例如调用传感器)的输出y改变的概率，其中X指代可获得的观察信息。常数C的值可以是用于多个调用传感器的恒定值。可选地，常数C的值可以包括对于特定传感器(例如传感器y)专用的恒定值。作为一个示例，常数C的值可以包括对于该传感器的缺省采样速率。因此，通过以传感器的输出将与该传感器的先前输出不同的确定概率为基础，使用等式(1)或者以其他方式确定传感器的采样速率，传感器控制电路120可以被配置以调节采样速率，以使得在上下文转变的概率为低时降低该采样速率，并且在存在上下文转变的较大概率时可以增加该采样速率。
在确定了特定传感器的采样速率之后，传感器控制电路120可以被配置以通过再次使用该上下文概率模型以确定传感器的输出将与该传感器的先前输出不同的概率，来更新采样速率。传感器控制电路120可以被配置以周期性确定更新的采样速率，例如在自从采样速率的最后确定以来经过预定义的时间量之后，根据先前确定的采样速率所述传感器调用预定义的次数之后等等。例如，传感器控制电路120可以被配置以根据确定的采样速率产生传感器的调用，并且然后对该传感器的调用做出响应，该传感器控制电路120可以被配置以重新计算由该传感器的输出表明的上下文将改变的概率，并且在该传感器的随后调用之前调节所述采样速率。
作为另一示例，在一些实施例中，传感器控制电路120可以被配置以以所确定的由传感器的输出表明的上下文将与由该传感器的先前输出表明的上下文不同的概率为基础，确定是否在特定的时刻或者在特定的时间段内调用该传感器。例如，在其中所确定的优先权满足或者超过预定义的阈值概率的实例(例如自从传感器的先前调用以来存在上下文转变的相对高概率)中，传感器控制电路120可以被配置以确定调用该传感器。可选地，在其中所确定的优先权小于预定义的阈值概率的实例(例如存在自从传感器的先前调用以来发生上下文转变的相对低概率)中，传感器控制电路120可以被配置以确定不调用该传感器。在这样的实施例中，传感器控制电路120例如可以被配置以确定在每次发生离散采样时间或者采样时段(例如每5分钟一次)时是否调用该传感器。
在确定如何控制传感器的调用时，传感器控制电路120可以被进一步配置以调整从功率源124可获得的功率量。例如，如果功率源124中剩余的功率量低于预定义阈值，则传感器控制电路120可以被配置以降低该传感器的采样速率。例如，等式[1]可以被修改以考虑以功率源124中剩余的功率量为基础确定的变化值v：
采样速率(y)＝v*C*P(y|X)[2]
因此，可以以功率源124中剩余的功率量为基础调整由传感器控制电路120确定的采样速率。作为另一示例，传感器控制电路120可以被配置以在其中上下文感知设备102连接到可选功率源的时段期间增加采样速率，或者甚至使该调用传感器被激活。
作为进一步示例，传感器控制电路120可以被配置以在确定是否调用传感器时和/或在确定传感器的采样速率时，调整对于传感器的调用要求的功率量。作为示例，考虑各自的调用传感器l和m，其中l比m对于调用要求更大的功率量。在其中各自传感器1和m的输出表明上下文转变的概率相等的实例中，传感器控制电路120可以被配置，以确定低于对于传感器m确定的采样速率的传感器1的采样速率。传感器控制电路120例如可以被配置以通过使用等式[1]中的常数C，调整传感器的功耗。为此，在其中C代表传感器的缺省采样速率或者以其它方式专用于特定传感器的实施例中，C的值可以代表至少部分地以其相关联传感器的功耗为基础调整的值。
现在参照图3，图3示意了根据示例实施例的传感器调用的示例时序图。为此，图3示意了在多个采样时间(t1-t8)处五个示例传感器(传感器300-308)的激活。每一个采样时间可以代表时间上的离散时刻，或者可以代表时间窗(例如具有时间上的开始时刻和时间上的结束时刻的采样时段)。如在图3中说明的，如果被表明为“活动”，则传感器在特定采样时间处为活动。如果传感器在采样时间处没有被表明为“活动”，则所述传感器可以为不活动(例如未被调用)。在图3中传感器300、302和304被表明为“在每一个采样时间处活动”。为此，传感器300、302和304可以包括活动传感器。
传感器控制电路120例如可以使用活动传感器的输出作为到上下文概率模型的输入，以控制传感器306和308的调用。为此，传感器306和308可以包括可以以各自传感器306和308的输出将与先前输出不同的概率为基础，通过传感器控制电路120控制其调用的调用传感器。因此，如在图3中说明的，传感器306和308可以在所说明的一些时间处不被调用，例如由于由传感器306和/或传感器308的输出表明的上下文改变的相对低概率的确定。进而，如在图3中说明的，可以独立确定传感器306和308的采样速率，其中传感器306在采样时间t3处不被调用，但是传感器308在采样时间t3处被调用。此外，图3示意了传感器306在一致采样速率(例如每三个采样时间一次)处被调用，而传感器308没有在一致速率处被调用。为此，应当认识的是，由于用于确定由传感器308的输出表明的上下文的变化概率的观察上下文信息的改变，传感器控制电路120可以调节传感器308的采样速率。作为另一示例，传感器控制电路120可以确定是否在每一个采样时间调用传感器308，并且以所述确定为基础控制传感器308的调用。
在其中上下文感知应用或者服务在采样之间请求调用传感器的输出的实例中，传感器控制电路120可以被配置以提供所述传感器的先前输出和/或从而表明的上下文作为估计。因而例如，如果上下文感知应用要在采样时间t3处请求传感器306和308的输出，则传感器控制电路120可以为传感器306的输出提供在采样时间t1处捕捉的上下文感知应用，作为在采样时间t3处传感器306的输出的估计，但是可以在采样时间t3处提供传感器308的实际捕捉输出。
图4示意了根据本发明的示例实施例的用于控制传感器的调用的示例方法的流程图。在图4中说明并且关于图4描述的操作例如可以由处理器110、存储器112、通信接口114、用户接口116、上下文学习电路118或者传感器控制电路120中的一个或者多个执行，在处理器110、存储器112、通信接口114、用户接口116、上下文学习电路118或者传感器控制电路120中的一个或者多个的辅助下执行，和/或在处理器110、存储器112、通信接口114、用户接口116、上下文学习电路118或者传感器控制电路120中的一个或者多个的控制下执行。操作400可以包括访问至少部分地基于历史上下文数据而生成的上下文概率模型。操作410可以包括使用该上下文概率模型，确定由传感器的输出表明的上下文将与由该传感器的先前输出表明的上下文不同的概率。可以至少部分地以观察上下文信息为基础，诸如至少部分地以可从其它传感器获得的当前或者最近上下文信息为基础进行所述确定。操作420可以包括至少部分地基于所述确定的概率控制所述传感器的调用。
图4是根据本发明实施例的系统、方法和计算机程序产品的流程图。将理解的是，该流程图的每一个方框、该流程图中方框的组合可以通过各种模块实现，诸如硬件和/或包括具有存储在其上的计算机可读程序指令的一个或者多个计算机可读介质的计算机程序产品。例如，在此描述的一个或者多个过程可以通过计算机程序产品的计算机程序指令实现。为此，实现在此描述的过程的一个或者多个计算机程序产品可以由移动终端、服务器或者其它计算设备的一个或者多个存储器设备存储，并且由计算设备中的处理器执行。在一些实施例中，包括实现上述过程的一个或者多个计算机程序产品的计算机程序指令可以通过多个计算设备的存储器设备存储。应当认识的是，任何这样的计算机程序产品可以被加载到计算机或者其它可编程设备上以生产机器，以使得包括在计算机或者其它可编程设备上执行的指令的计算机程序产品创建用于实现在一个或者多个流程图方框中指定的功能的模块。进而，所述计算机程序产品可以包括可在其上存储计算机程序指令的一个或者多个计算机可读存储器(例如存储器112)，以使得该一个或者多个计算机可读存储器能够指示计算机或者其它可编程设备按照特定方式作用，以便所述计算机程序产品包括实现在一个或者多个流程图方框中指定的功能的制造物品。所述一个或者多个计算机程序产品的计算机程序指令也可以被加载到计算机或者其它可编程设备(例如上下文感知设备102)，以在该计算机或者其它可编程设备上执行一系列操作，产生计算机实现过程，使得在该计算机或者其它可编程设备上执行的指令实现在一个或者多个流程图方框中指定的功能。
因此，流程图的方框支持用于执行指定功能的设备的组合。也将理解的是，流程图的一个或者多个方框，以及流程图中方框的组合可以通过执行指定功能的基于硬件的计算机系统，或者专用硬件和一个或者多个计算机程序产品的组合来实现。
可以按照许多方式执行上述功能。例如，可以采用用于执行上述功能的每一个的任何适合的模块以执行本发明的实施例。在一个实施例中，被适合配置的处理器(例如处理器110)可以提供所述单元的全部或者一部分。在另一实施例中，所述单元的全部或者一部分可以通过计算机程序产品配置并且在计算机程序产品的控制下操作。用于执行本发明实施例的方法的计算机程序产品包括计算机可读存储介质，例如非易失性存储介质，和在所述计算机可读存储介质中实现的计算机可读程序代码部分，诸如一系列计算机指令。
在一些情况下，可以在芯片或者芯片组上实现示例实施例。为此，图5示意了可以在其上实现实施例的芯片组或者芯片500。在示例实施例中，芯片组500被编程以控制在此描述的传感器的调用，并且例如可以包括关于图1描述的被结合在一个或者多个物理封装(例如芯片)中的处理器、存储器和电路部件。作为示例的方式，物理封装包括一个或者多个材料、部件和/或结构组件(例如基板)上的布线的设置，以提供诸如物理强度、尺寸节约和/或点交互限制的一个或者多个特性。期望在某些实施例中，芯片组500可以被实现在单个芯片中。还期望在某些实施例中芯片组或者芯片500能够被实现为单个“芯片上系统”。还期望在某些实施例中，例如将不使用分离的ASIC，并且这里公开的全部相关功能将由一个或者多个处理器执行。芯片组或者芯片500或者其一部分构成用于执行用以控制在此描述的传感器的调用的一个或者多个操作的模块。
在一个实施例中，芯片组或者芯片500包括通信机制，例如总线501，用于在芯片组500的部件之间传输信息。根据一个实施例，处理器503具有到总线501的连接以执行指令，并且处理例如存储在存储器505中的信息。处理器503可以包括一个或者多个处理核，每一个核被配置以独立地执行。多核处理器使能单个物理封装内的多处理。多核处理器的示例包括处理核的两个、四个、八个或者更多。可选地或者此外，处理器503可以包括经由总线501被串联配置的一个或者多个微处理器，以使能指令、流水线和多线程的独立执行。处理器503也可以具有一个或者多个专用部件以执行某些处理功能和任务，例如一个或者多个数字信号处理器(DSP)507、或者一个或者多个专用集成电路(ASIC)509。DSP507典型地被配置以与处理器503独立地实时处理现实世界信号(例如声音、视频)。类似地，ASIC509能够被配置以执行由更通用处理器不能够容易执行的专用功能。辅助执行在此描述的创造性功能的其它专用部件可以包括一个或者多个现场可编程门阵列(FPGA)(未示出)、一个或者多个控制器(未示出)或者一个或者多个其它专用计算机芯片。
在一个实施例中，芯片组或者芯片500仅包括一个或者多个处理器以及支持和/或与其相关和/或用于所述一个或者多个处理器的一些软件和/或固件。
在示例实施例中，处理器503和相关的部件具有经由总线501到存储器505的连接。存储器505包括动态存储器(例如RAM、磁盘、可写入光盘等等)和静态存储器(例如ROM、CD-ROM等等)，用以存储可执行指令，所述可执行指令在被执行时，执行在此描述的创造性步骤以控制传感器的调用。存储器505还存储与创造性操作的执行相关联或者由该创造性操作的执行生成的数据。
对于本发明涉及的领域的普通技术人员，在得益于在前述描述和相关附图中呈现的教导之后，将领悟到这里阐释的本发明的许多修改和其它实施例。因此要理解的是，本发明的实施例并不局限于所公开的特定实施例，并且修改和其它实施例旨在被包括在本发明的范围内。而且，尽管前述描述和相关附图在单元和/或功能的某些示例组合的上下文中描述了示例实施例，但是应该意识到，可以在不偏离本发明范围的情况下通过可选实施例提供单元和/或功能的不同组合。为此例如，与上面简要描述的单元和/或功能的不同组合也旨在位于本发明的范围内。尽管这里采用特定的术语，但是仅出于通用和描述性意义而非出于限制目的进行使用。

Claims (26)

1.一种用于控制传感器的方法，包括：
访问至少部分地基于历史上下文数据而生成的上下文概率模型；
使用所述上下文概率模型，确定由传感器的输出表明的上下文将与由所述传感器的先前输出表明的上下文不同的概率，至少部分地基于一个或多个传感器的上下文信息进行所述确定；并且
至少部分地基于所述确定的概率，控制所述传感器的调用。
2.根据权利要求1的方法，其中控制所述传感器的调用包括：
至少部分地基于所述确定的概率，确定对于所述传感器的采样速率；并且
根据所述确定的采样速率，控制所述传感器的调用。
3.根据权利要求2的方法，其中确定对于所述传感器的采样速率包括：
进一步基于恒定值，确定所述采样速率。
4.根据权利要求3的方法，其中所述恒定值包括对于所述传感器的缺省采样速率。
5.根据权利要求1的方法，其中控制所述传感器的调用包括：
至少部分地基于所述确定的概率，确定是否调用所述传感器。
6.根据权利要求5的方法，其中确定是否调用所述传感器包括：
在其中所述确定的概率满足或者超出预定义的阈值概率的情况中，确定调用所述传感器；并且
在其中所述确定的概率小于所述预定义的阈值概率的情况中，确定不调用所述传感器。
7.根据权利要求1-6中的任意一项的方法，其中根据一个或者多个活动传感器推导所述上下文信息。
8.根据权利要求1-6中的任意一项的方法，其中控制所述传感器的调用包括：
进一步基于被配置向所述传感器提供功率的功率源中剩余的功率量，控制所述传感器的调用。
9.根据权利要求1-6中的任意一项的方法，其中控制所述传感器的调用包括：进一步基于对于所述传感器的调用所要求的功率量，控制所述传感器的调用。
10.根据权利要求1-6中的任意一项的方法，进一步包括：
收集捕捉的上下文信息；并且
至少部分地基于所述收集的捕捉的上下文信息，更新所述上下文概率模型。
11.根据权利要求1-6中的任意一项的方法，其中所述历史上下文数据包括对于移动终端的历史上下文数据，并且所述传感器被实现在所述移动终端上或者被可操作地连接到所述移动终端。
12.根据权利要求1-6中的任意一项的方法，其中使用所述上下文概率模型以确定概率包括：
处理器使用所述上下文概率模型以确定概率。
13.根据权利要求1-6中的任意一项的方法，其中使用所述上下文概率模型以确定概率包括：
传感器控制电路使用所述上下文概率模型以确定概率。
14.一种用于控制传感器的设备，包括：
用于访问至少部分地基于历史上下文数据而生成的上下文概率模型的装置；
用于使用所述上下文概率模型，以确定由传感器的输出表明的上下文将与由所述传感器的先前输出表明的上下文不同的概率的装置，至少部分地基于一个或多个传感器的上下文信息进行所述确定；以及
用于至少部分地基于所述确定的概率，控制所述传感器的调用的装置。
15.根据权利要求14的设备，其中所述用于控制所述传感器的调用的装置包括：
用于至少部分地基于所述确定的概率，确定对于所述传感器的采样速率的装置；并且
用于根据所确定的采样速率，控制所述传感器的调用的装置。
16.根据权利要求15的设备，其中所述用于确定对于所述传感器的采样速率的装置包括：
用于进一步基于恒定值确定所述采样速率的装置。
17.根据权利要求16的设备，其中所述恒定值包括对于所述传感器的缺省采样速率。
18.根据权利要求14的设备，其中所述用于控制所述传感器的调用的装置包括：
用于至少部分地基于所述确定的概率，确定是否调用所述传感器的装置。
19.根据权利要求18的设备，所述用于确定是否调用所述传感器的装置包括：
用于在其中所确定的概率满足或者超出预定义的阈值概率的情况中，确定调用所述传感器的装置；以及
用于在其中所确定概率小于所述预定义的阈值概率的情况中，确定不调用所述传感器的装置。
20.根据权利要求14-19中的任意一项的设备，其中根据一个或者多个活动传感器推导所述上下文信息。
21.根据权利要求14-19中的任意一项的设备，其中所述用于控制所述传感器的调用的装置包括：
用于进一步基于被配置向所述传感器提供功率的功率源中剩余的功率量，控制所述传感器的调用的装置。
22.根据权利要求14-19中的任意一项的设备，其中所述用于控制所述传感器的调用的装置包括：
用于进一步基于对于所述传感器的调用所要求的功率量，控制所述传感器的调用的装置。
23.根据权利要求14-19中的任意一项的设备，进一步包括：
用于收集捕捉的上下文信息的装置；以及
用于至少部分地基于所述收集的捕捉的上下文信息，更新所述上下文概率模型的装置。
24.根据权利要求14-19中的任意一项的设备，其中所述历史上下文数据包括对于移动终端的历史上下文数据，并且所述传感器被实现在所述移动终端上或者被可操作地连接到所述移动终端。
25.根据权利要求14-19中的任意一项的设备，其中使用所述上下文概率模型以确定概率包括：
处理器使用所述上下文概率模型以确定概率。
26.根据权利要求14-19中的任意一项的设备，其中使用所述上下文概率模型以确定概率包括：
传感器控制电路使用所述上下文概率模型以确定概率。
CN201080067820.2A 2010-06-30 2010-06-30 用于控制传感器的调用的方法和设备 Active CN103026780B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2010/074814 WO2012000186A1 (en) 2010-06-30 2010-06-30 Methods and apparatuses for controlling invocation of a sensor

Publications (2)

Publication Number Publication Date
CN103026780A CN103026780A (zh) 2013-04-03
CN103026780B true CN103026780B (zh) 2016-06-29

Family

ID=45401317

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080067820.2A Active CN103026780B (zh) 2010-06-30 2010-06-30 用于控制传感器的调用的方法和设备

Country Status (5)

Country Link
US (1) US20130103348A1 (zh)
EP (1) EP2589257A4 (zh)
KR (1) KR101531449B1 (zh)
CN (1) CN103026780B (zh)
WO (1) WO2012000186A1 (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9144648B2 (en) 2006-05-03 2015-09-29 Antares Pharma, Inc. Injector with adjustable dosing
KR20120122136A (ko) * 2011-04-28 2012-11-07 삼성전자주식회사 데이터 스트림 관리 시스템에서의 부하 경감을 조절하는 방법 및 장치
WO2013063778A1 (en) * 2011-11-02 2013-05-10 Nokia Corporation Method and apparatus for context sensing inference
CN104246748B (zh) * 2012-02-22 2018-02-09 诺基亚技术有限公司 用于确定情境的系统和方法
US9191442B2 (en) 2012-04-03 2015-11-17 Accenture Global Services Limited Adaptive sensor data selection and sampling based on current and future context
US9743246B2 (en) * 2012-07-17 2017-08-22 Intertrust Technologies Corporation Portable resource management systems and methods
GB2523208B (en) * 2012-12-11 2020-09-09 Intel Corp Context sensing for computing devices
KR101658698B1 (ko) * 2014-05-22 2016-09-22 숭실대학교산학협력단 모바일 디바이스에서의 콘텍스트 수집 방법 및 그 장치
US20210279735A1 (en) * 2016-10-27 2021-09-09 Sony Corporation Information processing device, information processing system, information processing method, and program
US10520919B2 (en) 2017-05-01 2019-12-31 General Electric Company Systems and methods for receiving sensor data for an operating additive manufacturing machine and mapping the sensor data with process data which controls the operation of the machine
EP3747019A1 (en) * 2018-02-02 2020-12-09 Koninklijke Philips N.V. System and method for optimal sensor placement
CN111727482A (zh) * 2018-02-02 2020-09-29 皇家飞利浦有限公司 用于最优传感器放置的系统和方法
US11301022B2 (en) * 2018-03-06 2022-04-12 Motorola Mobility Llc Methods and electronic devices for determining context while minimizing high-power sensor usage
US10887169B2 (en) 2018-12-21 2021-01-05 Here Global B.V. Method and apparatus for regulating resource consumption by one or more sensors of a sensor array
CN114258116A (zh) * 2020-09-25 2022-03-29 华为技术有限公司 功耗优化方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101207638A (zh) * 2007-12-03 2008-06-25 浙江树人大学 一种基于预测的无线传感器网络目标跟踪方法
WO2008107138A1 (en) * 2007-03-07 2008-09-12 Eastman Kodak Company Process for automatically determining a probability of image capture with a terminal using contextual data
US20090002148A1 (en) * 2007-06-28 2009-01-01 Microsoft Corporation Learning and reasoning about the context-sensitive reliability of sensors
CN101571931A (zh) * 2009-06-10 2009-11-04 南京邮电大学 一种面向普适计算的不确定性上下文的推理方法
CN101754437A (zh) * 2008-12-19 2010-06-23 英特尔公司 处理上下文感知平台中的传感器

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100492224C (zh) * 2005-06-14 2009-05-27 上海理工大学 电子设备的电源管理方法
US8804627B2 (en) * 2007-12-19 2014-08-12 Qualcomm Incorporated Method and apparatus for improving performance of erasure sequence detection
CN101241177B (zh) * 2008-03-11 2010-11-03 北京航空航天大学 一种面向三维空间的无线传感器网络定位系统
CN101458325B (zh) * 2009-01-08 2011-07-20 华南理工大学 一种基于自适应预测的无线传感器网络目标跟踪方法
US9197736B2 (en) * 2009-12-31 2015-11-24 Digimarc Corporation Intuitive computing methods and systems

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008107138A1 (en) * 2007-03-07 2008-09-12 Eastman Kodak Company Process for automatically determining a probability of image capture with a terminal using contextual data
US20090002148A1 (en) * 2007-06-28 2009-01-01 Microsoft Corporation Learning and reasoning about the context-sensitive reliability of sensors
CN101207638A (zh) * 2007-12-03 2008-06-25 浙江树人大学 一种基于预测的无线传感器网络目标跟踪方法
CN101754437A (zh) * 2008-12-19 2010-06-23 英特尔公司 处理上下文感知平台中的传感器
CN101571931A (zh) * 2009-06-10 2009-11-04 南京邮电大学 一种面向普适计算的不确定性上下文的推理方法

Also Published As

Publication number Publication date
KR101531449B1 (ko) 2015-06-24
WO2012000186A1 (en) 2012-01-05
EP2589257A4 (en) 2014-01-15
EP2589257A1 (en) 2013-05-08
CN103026780A (zh) 2013-04-03
US20130103348A1 (en) 2013-04-25
KR20130054327A (ko) 2013-05-24

Similar Documents

Publication Publication Date Title
CN103026780B (zh) 用于控制传感器的调用的方法和设备
US10440651B2 (en) Operating geographic location systesm
EP2915319B1 (en) Managing a context model in a mobile device by assigning context labels for data clusters
KR101437757B1 (ko) 콘텍스트 감지 및 융합을 위한 방법, 장치 및 컴퓨터 프로그램제품
CA2704923C (en) Activating applications based on accelerometer data
CN108304758B (zh) 人脸特征点跟踪方法及装置
EP2433416B1 (en) Context recognition in mobile devices
US20120109862A1 (en) User device and method of recognizing user context
CN103748862A (zh) 情境提取
Cardone et al. Activity recognition for smart city scenarios: Google play services vs. MoST facilities
CN112673367A (zh) 用于预测用户意图的电子设备和方法
CN110612503B (zh) 智能上下文子采样设备上系统
CN113762585B (zh) 数据的处理方法、账号类型的识别方法及装置
CN107407944A (zh) 参考传感器的发现和利用
WO2020207316A1 (zh) 设备资源配置方法、装置、存储介质及电子设备
WO2023219872A1 (en) Proactive provision of positioning information based on user context
CN114077412A (zh) 一种数据处理方法及相关设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20160119

Address after: Espoo, Finland

Applicant after: Technology Co., Ltd. of Nokia

Address before: Espoo, Finland

Applicant before: Nokia Oyj

C14 Grant of patent or utility model
GR01 Patent grant