CN103477192B - 用于推断移动装置的位置的装置、方法和设备 - Google Patents

用于推断移动装置的位置的装置、方法和设备 Download PDF

Info

Publication number
CN103477192B
CN103477192B CN201280016957.4A CN201280016957A CN103477192B CN 103477192 B CN103477192 B CN 103477192B CN 201280016957 A CN201280016957 A CN 201280016957A CN 103477192 B CN103477192 B CN 103477192B
Authority
CN
China
Prior art keywords
user
mobile device
signal
partially
location status
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.)
Expired - Fee Related
Application number
CN201280016957.4A
Other languages
English (en)
Other versions
CN103477192A (zh
Inventor
里昂纳德·亨利·葛罗科普
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.)
Qualcomm Inc
Original Assignee
Qualcomm Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qualcomm Inc filed Critical Qualcomm Inc
Publication of CN103477192A publication Critical patent/CN103477192A/zh
Application granted granted Critical
Publication of CN103477192B publication Critical patent/CN103477192B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P13/00—Indicating or recording presence, absence, or direction, of movement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G01C22/006—Pedometers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/1613—Constructional details or arrangements for portable computers
    • G06F1/1633—Constructional details or arrangements of portable computers not specific to the type of enclosures covered by groups G06F1/1615 - G06F1/1626
    • G06F1/1684—Constructional details or arrangements related to integrated I/O peripherals not covered by groups G06F1/1635 - G06F1/1675
    • G06F1/1694—Constructional details or arrangements related to integrated I/O peripherals not covered by groups G06F1/1635 - G06F1/1675 the I/O peripheral being a single or a set of motion sensors for pointer control or gesture input obtained by sensing movements of the portable computer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Telephone Function (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Navigation (AREA)
  • Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明提供可用以进行以下操作的组件、方法和设备：表征从与参加活动的用户处于相同位置的移动装置的一个或一个以上惯性传感器接收的至少一个信号的频谱包络，以及至少部分地基于所述频谱包络的所述表征来推断所述移动装置相对于参加活动的所述用户的位置。

Description

用于推断移动装置的位置的装置、方法和设备
对相关申请案的交叉参考
本专利合作条约申请案主张以下申请案的优先权：2011年3月31日申请的题为“使用传感器信号的频谱包络的用户活动的分类(Classification of User Activity UsingSpectral Envelop of Sensor Signals)”的第61/470,001号美国临时申请案，以及2012年1月31日申请的题为“用于推断移动装置的位置的装置、方法和设备(Devices，Methods，andApparatuses for Inferring a Position of a Mobile Device)”的第13/362,485号美国非临时申请案，所述申请案由此以其全文引用的方式并入本文中。
技术领域
本文中揭示的标的物涉及至少检测移动装置相对于用户的位置状态分类。
背景技术
信息
例如智能手机等许多移动通信装置包含可用以检测装置的运动的惯性传感器，例如加速度计。这些移动可用于检测装置的定向使得在向用户显示信息时，可例如在纵向模式或横向模式中适当地定向显示器。在另一实例中，借助于智能手机执行的游戏应用程序可依赖于通过一个或一个以上加速度计检测的移动，使得可控制游戏的特征。在其它实例中，通过加速度计检测的做手势移动可允许用户滚动地图，导览菜单或控制装置的操作的其它方面。
尽管可用于辅助简单用户接口任务，但来自加速度计的输出“轨迹”已受限而不能向移动装置用户提供更复杂且有意义的辅助。举例来说，如果移动装置可检测到用户参加剧烈活动，那么立即将传入电话呼叫引导到语音邮件以便不分散用户的注意可为有用的。在另一实例中，如果可检测到移动装置在用户的钱包或口袋中，那么停用显示器以便不浪费电池资源可为有利的。
对于一些类型的移动的检测涉及使用阈值化以使得可估计峰值加速度。然而，所估计的峰值加速度仅提供关于用户的活动和移动装置的非常有限的信息。通过检查加速度计轨迹的更多特征，可鉴别出关于移动装置的用户的较广范围的运动状态和装置位置。反过来，此情形可使得服务提供者能够更好地调适移动装置的行为以匹配用户的个别需要。
发明内容
在特定实施方案中，一种方法包括：表征从与用户处于相同位置的移动装置的一个或一个以上惯性传感器接收的至少一个信号的频谱包络，以及至少部分地基于频谱包络的表征来推断移动装置相对于参加活动的用户的位置。
在另一实施方案中，一种设备包括：用于测量移动装置的加速度的装置；用于表征从用于测量加速度的装置接收的至少一个信号的频谱包络的装置；以及用于至少部分地基于频谱包络的表征来推断移动装置相对于参加活动的用户的位置的装置。
在另一实施方案中，一种物品包括非暂时性存储媒体，其包括存储于其上的机器可读指令，所述机器可读指令可由移动装置的处理器执行以表征从移动装置的一个或一个以上惯性传感器接收的至少一个信号的频谱包络，以及至少部分地基于频谱包络的表征来推断移动装置相对于参加活动的用户的位置。
在另一实施方案中，一种移动装置包括用于测量移动装置的加速度的一个或一个以上传感器，且包括表征从所述一个或一个以上惯性传感器接收的至少一个信号的频谱包络的一个或一个以上处理器。所述移动装置可至少部分地基于频谱包络的表征来进一步推断移动装置相对于参加活动的用户的位置。
附图说明
参看以下图式描述非限制性且非详尽方面，其中相似参考标号贯穿各图指代相似部分。
图1为根据实施方案的可应用于移动装置的实例坐标系。
图2展示根据实施方案的正行走的手中持有移动装置的用户以及移动装置的加速度依据时间的曲线图。
图3展示根据实施方案的正行走的臀部口袋中装有移动装置的用户以及移动装置的加速度依据时间的曲线图。
图4为根据实施方案的用于表征传感器信号的频谱包络的过程的图。
图5为说明根据实施方案的由于训练分类器而形成的决策区的曲线图。
图6为说明根据实施方案的与移动装置相关联的实例计算环境的示意图。
图7为说明根据实施方案的推断移动装置相对于参加活动的用户的位置的过程的流程图。
具体实施方式
提供可在各种移动装置中实施以至少推断移动装置相对于参加活动的用户的位置状态的装置、方法和设备。在实施方案中，可对包含于移动装置内的例如加速度计等惯性传感器的一个或一个以上输出轨迹应用信号处理算法。
在特定实施方案中，分类器可至少部分地基于从位于移动装置上的例如一个或一个以上加速度计等惯性传感器接收的信号来推断参加活动的移动装置用户的活动状态。在特定实例中，可处理来自一个或一个以上惯性传感器的信号以计算或提取可能指示或暗示移动装置用户的特定活动状态的“特征”。另外，可处理从一个或一个以上惯性传感器提取的特征以推断移动装置相对于参加活动的用户的位置。
可将根据惯性传感器计算的特征应用于分类引擎以推断特定活动，例如，站立还是坐着、正操纵移动装置、正行走、正奔跑、正驾驶、正骑自行车等。在一个实施方案中，分类引擎可应用模式辨识以从所计算或所提取特征推断特定活动，且推断移动装置相对于参加活动的用户的位置。
在特定实施方案中，可从传感器信号获得或提取额外特征以用于在与移动装置处于相同位置(co-located)的用户参加活动时推断用户的活动。举例来说，可通过将来自惯性传感器的信号作为波形来处理以表征“频谱包络”。可在推断用户的活动中和/或在推断移动装置相对于参加活动的用户的位置中应用频谱包络的表征。在此上下文中，用户可通过以下方式与移动装置处于相同位置：仅举例来说，例如，握着移动装置，在其腕部或上臂上佩戴移动装置，将移动装放置于其口袋中，处于与移动装置紧密接近环境中。
在特定实例中，频谱包络可表示从傅立叶幅度频谱导出的频率振幅平面中的信号的频谱性质。如下文所论述，在表征由惯性传感器产生的信号的特征中还可应用表征用于话音处理中的信号的频谱包络的某些技术，例如，倒频谱滤波。
图1说明根据实施方案的实例坐标系100，其可整体地或部分地用以例如在移动装置(例如，移动装置102)的用户使用加速度计输出轨迹参加活动时，促进或支持与用户有关的活动分类的推断。然而，应理解，加速度计仅为可对用户活动进行分类的惯性传感器的一个实例，且所主张的标的物不限于此方面。举例来说，可处理来自例如其它惯性传感器(例如，陀螺仪、磁强计等)、压力传感器、环境光传感器、成像传感器、温度传感器等(仅举例来说)其它类型的传感器的信号，以用于对与移动装置处于相同位置的用户的活动进行分类。如所说明，实例坐标系100可包括例如三维笛卡尔坐标系，但所主张的标的物不受如此限制。本文中，术语“轨迹”指代相依于时间的传感器输出信息且并不需要以轨迹形式获得/显示连续输出信息。
在图1的说明中，可至少部分地参考相对于实例坐标系100的原点104的三个线性维度或轴线X、Y和Z来检测或测量表示例如加速度振动的移动装置102的运动。应了解，实例坐标系100可能或可能不与移动装置102的主体对准。还应注意，在某些实施方案中，可使用非笛卡尔坐标系，例如圆柱坐标系或球面坐标系，或定义必要数目的维度的其它坐标系。
还如图1中所说明，例如，可至少部分地参考一个维度或两个维度来检测或测量移动装置102的旋转运动。举例来说，在一个特定实施方案中，可依据坐标来检测或测量移动装置102的旋转运动，其中phi表示围绕X轴的间距或旋转，如用106处的箭头大体说明，且tau(τ)表示围绕Z轴的滚动或旋转，如用箭头108大体说明。因此，在实施方案中，例如，3-D加速度计(例如，能够测量三个维度上的加速度的加速度计)可至少部分地检测或测量加速度振动的水平以及关于重力在滚动或间距维度上的改变，从而提供五个维度的可观测性(X，Y，Z，τ)。然而，应理解，此等实例仅为可参考实例坐标系统100检测或测量的各种运动的实例，且所主张的标的物不限于这些特定运动或不限于上文所识别的坐标系。
图2 200展示根据实施方案的正行走的手中持有移动装置的用户以及展示移动装置上的加速度计随时间而变的输出轨迹的曲线图。在图2中，展示正以典型步法行走的右手持有移动装置的用户210。在用户210的右侧展示的曲线图220至少部分地由用户210所携带的三轴加速度计产生的输出信号而产生。
图3 250展示根据实施方案的正行走的臀部口袋中装有移动装置的用户以及展示移动装置上的加速度计随时间而变的输出轨迹的曲线图。在图3中，展示正以平均步法行走的在用户的臀部口袋内装有移动装置的用户260。在用户260的右侧展示的曲线图270至少部分地由移动装置内的三轴加速度计产生的输出信号而产生。
因此，如图2和3的实施方案中所展示，在用户正行走时定位于用户的臀部口袋中的移动装置可产生不同于可由用户在其手中携带移动装置而产生的加速度计轨迹的加速度计轨迹。在此实例中，如曲线图270中所展示，定位于用户的口袋中的移动装置在用户行走时在垂直(±Z)方向上可经历相异的且周期性的加速度，但在±X或±Y方向上可经历非常小的加速度。因此，在实例中，可至少部分地基于在第一方向上检测到加速度峰值而推断出所述用户正行走且所述移动装置在所述用户的口袋中，所述加速度峰值可大于在第二和第三方向上的加速度峰值。
与此对比，例如，如曲线图220中所展示，在用户行走时定位于用户的手中的移动装置可在垂直(±Z)方向上经历较大加速度，但可在±X或±Y方向上经历增加的加速度。因此，在实例中，可至少部分地基于在±Z方向上检测到移动装置的加速度而推断出用户正行走且移动装置在用户的手中，所述加速度可大于在±X或±Y方向上的加速度。
在上述论述之后，3-D加速度计可检测或测量归因于各种移动(例如，响应于与装置处于相同位置的用户的活动)的在三维空间中的加速度。通常，但未必，加速度振动可与以下各种候选活动类别中的一者或一者以上相关联：例如，至少部分地由引擎、车轮和道路上的不平坦等产生的振动所产生的关于移动的车辆(例如，汽车、摩托车、自行车、公共汽车，或火车)的活动。加速度振动还可与在以下情形时的移动装置相对于用户的候选位置状态相关联：用户参加例如行走或奔跑等活动，同时移动装置携带在用户的手中，紧固到用户的腕部或臂，放置于用户的衬衫或外套口袋中等。加速度振动还可与在以下情形时的候选位置状态相关联：用户参加活动，同时移动装置携带在用户的钱包、背包、随身携带的手提包、附接到用户的皮带或衣服上的皮套等中。候选位置状态可包含处于任何其它类型的包中，例如由所述用户携带的或带行走轮的手提皮箱或公文包等。应注意，此等实例仅为移动装置相对于用户的候选位置状态的实例，且所主张的标的物不受如此限制。
在特定实施方案中，分类器可至少部分地基于从移动装置上的例如加速度计等一个或一个以上惯性传感器接收的信号来推断在用户参加活动时与移动装置处于相同位置的用户的特定活动状态。此处，加速度计可产生一个或一个以上输出轨迹(随时间的加速度计输出)，其可指示沿着特定线性维度(例如，沿着X轴、Y轴或Z轴)的加速度。如下文所论述，可处理加速度计轨迹以计算对用户正执行例如坐着、站立、操纵装置、行走、慢跑、骑自行车、奔跑、吃等特定活动的可能性的测量。还可处理加速度计轨迹以推断移动装置的位置状态。
如上文所指出，可至少部分地基于惯性传感器轨迹的频谱包络的表征而推断与移动装置处于相同位置的用户的活动。在特定实施方案中，可从惯性传感器信号提取以下特征中的一者或一者以上以表征传感器信号的频谱包络：
1.倒频谱系数(CC)；
2.梅尔频率倒频谱系数(MFCC)；
3.增量倒频谱系数(dCC)；
4.增量梅尔频率倒频谱系数(dMFCC)；
5.加速度倒频谱系数(d2CC)；
6.加速度梅尔频率倒频谱系数(d2MFCC)；
7.线性预测系数(LPC)；
8.增量线性预测系数(dLPC)；以及
9.加速度线性预测系数(dLPC)。
然而，应理解，此等实例仅为可从信号提取以表征频谱包络的特征(例如，用于对与移动装置处于相同位置的用户的活动和/或移动装置相对于用户的位置进行分类)的实例。所主张的标的物不限于此方面。
关于表征惯性传感器输出的频谱包络的特征的提取，CC或MFCC可提供波形的频谱包络的参数化。因此，CC或MFCC可用于区分由例如用户的行走或步法等不同类型的运动(其中移动装置定位于相对于用户的不同位置处)而引起的波形。在实施方案中，CC可用以提取从惯性传感器信号表征的特征，其中对所关注频带应用同等程度的加重(即，权重)。在例如可用于MFCC特征提取等的其它实施方案中，可加重较低频率信号，而对较高频率信号去加重。应注意，如同术语“轨迹”，术语“波形”指代不需要为连续的/显示的传感器的输出；可从一个或一个以上运动传感器的连续或离散输出确定频谱包络信息。
在实施方案中，增量CC可用以通过考虑跨越重叠窗的每一CC以及静态CC的速度(例如，相对于时间的改变速率)来提高CC的性能，加速度CC可通过额外地考虑跨越重叠窗的一个或一个以上静态CC的加速度(例如，相对于时间的速度的改变速率)来进一步提高CC的性能。
在实施方案中，可应用用于增量MFCC和加速度MFCC的参数以增加根据惯性传感器输出信号计算CC的准确度。举例来说，为了应用增加和加速度滤波，可借助于对所关注频带进行预先加重滤波来根据惯性传感器信号计算静态MFCC。可接着对所计算的MFCC执行增量和加速度滤波以观测一个或一个以上MFCC的速度和加速度(依据时间)。
在实施方案中，如果基础惯性传感器信号是由全极点自回归过程产生，那么可使用线性预测系数(LPC)来表征频谱包络。在实施方案中，LPC可将特定时间点的惯性传感器输出信号模型化为先前输出信号样本的近似线性组合。在实例中，可将误差信号添加到描述在一个或一个以上数据窗期间的输出信号的系数集合。
在实施方案中，从LPC到MFCC可存在一对一映射。增量LPC可通过额外考虑跨越重叠窗的每一系数的速度(依据时间的改变速率)来提高LPC的性能。加速度LPC可通过额外考虑跨越重叠窗的每一系数的加速度(依据时间的速度的改变速率)来进一步提高LPC的性能。
在替代实施方案中，可从惯性传感器信号提取其它特征以用于在表征与移动装置处于相同位置的用户的活动中使用(例如，代替或结合频谱包络的表征)。此等特征可包含：
1.间距；
2.频谱熵；
3.过零率(ZCR)；
4.频谱质心(SC)
5.带宽(BW)
6.带能(BE)；
7.频谱通量(SF)；以及
8.频谱滚降(SR)。
在实施方案中，可从惯性传感器信号测量可定义周期性运动的基频的间距。间距的测量可用于例如区分以不同速率发生的具有类似运动的活动，例如，慢跑对奔跑、散步对快步走等。
在实施方案中，可测量频谱熵，其在经正规化和查看为概率分布的情况下可对应于惯性传感器信号的短持续时间频谱。举例来说，频谱熵的测量可实现信号的周期性的程度的参数化。在实例中，根据加速度计轨迹计算的较低频谱熵可指示用户参加例如行走、慢跑、骑自行车等周期性活动。另一方面，较高频谱熵可为以下情形的指示符：用户参加例如在不平坦道路上操纵装置或乘坐汽车等非周期性活动类别。
在实施方案中，可测量过零率，其可描述在某个时间窗内惯性传感器信号越过其平均值的每秒次数。过零率的测量可用于区分产生以不同速率浮动的惯性传感器信号的相对于用户的运动或装置位置，例如，行走对奔跑，行走可通过正值与负值之间的较慢浮动来指示，奔跑可通过正值与负值之间的较快浮动来指示。
在实施方案中，可测量频谱质心，其可表示惯性传感器信号的短持续时间频谱的平均频率。次能带频谱质心可通过对惯性传感器信号的功率谱应用滤波器组且接着计算每一次能带的一阶矩(或质心)来找到。可接着将信号频率范围分割成若干频格。可计算每一次能带的对应频格且使其递增一。可接着使用合成直方图的离散余弦变换来计算倒频谱系数。
在实施方案中，可测量带宽，其可表示为惯性传感器信号的短时频谱的标准差。在实例中，可使用惯性传感器信号的带宽来补充一个或一个以上其它测量，例如本文中所描述的测量。在实施方案中，可测量带能，其可描述惯性传感器信号的短持续时间频谱的不同频带的能量。
在各种实施方案中，频谱质心、带宽和/或带能的测量可用于例如区分产生可指示频谱的不同部分的能量浓度(例如，高频活动对低频活动)的惯性传感器输出信号的相对于用户的运动或装置位置。在一些实施方案中，结合其它测量进行的这些额外测量可用以增加基于惯性传感器信号的正确活动检测的概率。
在实施方案中，可测量频谱通量，其可为跨越惯性传感器信号的两个连续窗的短时频谱之间的差的平均值。频谱通量的测量可用于例如表征特定周期性行为改变的速度(例如，用于表征活动级别可在短时间内显著改变的非周期性活动)。
在实施方案中，可测量频谱滚降，其可为信号能量的某一分数驻留所低于的频率。在实例中，频谱滚降可用于表征频谱的形状，其在结合其它测量的情况下可用于确定用户活动。
下文提供提取表征惯性传感器的频谱包络的特征的特定实例。此处，用ax(0)，...，ax(N-1)来表示在N个样本窗内的x轴的加速度计读数。为了简单起见，下文的论述集中在响应于沿着x轴的移动而从惯性传感器信号提取特征。此处，应理解，除响应于沿着x轴的移动而从加速度计轨迹提取特征(例如，用于表征用户活动)之外或代替响应于沿着x轴的移动而从加速度计轨迹提取特征，可响应于沿着其它线性维度(例如，沿着y轴和/或z轴)的移动而类似地从加速度计轨迹提取特征。可类似地从惯性传感器信号在三个线性维度上的函数来提取特征，例如，可用以跟踪幅度信号的表达式可包含：
对于例如CC和/或MFCC等特征的提取，对于任何特定加速度计轴线(例如，对于每一个此加速度计轴线)，可计算Nc个梅尔频率倒频谱系数的集合。对于x轴，例如，可将这些系数表示为cx(0)，...，cx(Nc-1)。连同针对y轴和z轴计算的类似系数一起，此将共同地产生3NC个特征。在特定情形下，这些特征可在轴线之间相关。在特定实施方案中，可通过分别响应于沿着x维度、y维度和z维度的移动而进行加速度计轨迹ax(n)、ay(n)和az(n)中的每一者的短持续时间傅立叶变换的幅度的对数的离散傅立叶逆变换来粗略地计算Nc个梅尔频率倒频谱系数的集合。计算CC与MFCC之间的一个差别是在频带预先加重中，其中相对于较低频带来说对较高频带经去加重，如下文针对特定实施方案所描述。
在特定实例实施方案中，可如下来计算Nc个MFCC：
1.通过对N点加速度计输入进行零填充来计算N′点离散傅立叶变换。
一般来说，N′＝KN，其中K＞＞1，例如N′＝16N。
2.计算根据梅尔频率预先加重而隔开的M个滤波器组k0，...，kM-1的中心频率索引，即
ki＝α(10βi-1) i＝0，...，M-1
其中α和β经适当地选择。
对于CC(即，无梅尔频率预先加重)，设定
ki＝γi i＝0，...，M-1其中γ经适当地选择。
3.计算M个滤波器组的输出系数
其中Hi(k)为三角形窗函数，如下
4.计算MFCC
第一系数可表示对数能量。此计算可等效于对序列进行离散傅立叶逆变换(IDFT)
如图4 400中所说明。通常，计算Nc＝13个CC或MFCC。另外，在实施方案中，可调整图4的时基以更密切地对应于惯性传感器的输出信号的可以数十或数百Hz来测量的所关注的频率，与图4的kHz时基形成对比。
此外，如上文所指出，可对y轴和z轴中的加速度计轨迹应用相同计算以用于获得相关联的Nc个MFCC。
对于图2200的实例，可针对曲线图220计算MFCC，曲线图220可表示在用户的手中携带的移动装置上的加速度计的输出轨迹。对于实例曲线图220，按下文的表1来表达用于MFCC数目1到4的值：
表1
对于图3250的实例，可针对曲线图270计算MFCC，曲线图270可表示在用户的臀部口袋中携带的移动装置上的加速度计的输出轨迹。对于实例曲线图270，按下文的表2来表达用于MFCC数目1到4的值：
表2
关于增量倒频谱系数、增量MFCC、加速度倒频谱系数和加速度MFCC的计算，用ax(0)，...，ax(N-1)来表示x轴加速度计值的第一窗，且用cx，1(0)，...，cx，1(Nc-1)来表示其CC或MFCC。还用ax(F)，...，ax(F+N-1)来表示x轴加速度计值的第二窗，且用cx，2(0)，...，cx，2(Nc-1)来表示其CC或MFCC。此处，F表示第二窗距第一窗的偏移。如果F＝N，那么可能不存在重叠，如果F＝N/2，那么可能存在50％重叠。类似地，还用ax(2F)，...ax(2F+N-1)来表示x轴加速度计值的第三窗，且用cx，3(0)，...，Cx，3(Nc-1)来表示其CC或MFCC。
可接着将第二窗的增量CC或MFCC计算为：
Δcx，2(n)＝cx，2(n)-cx，1(n)，n＝0，...，Nc-1
类似地，可接着将第三窗的增量CC或MFCC计算如下：
Δcx，3(n)＝cx，3(n)-cx，2(n)，n＝0，...，Nc-1
可接着将第三窗的加速度CC或MFCC计算为：
A2cx，3(n)＝Δcx，3(n)-Δcx，2(n)＝cx，3(n)-2cx，2(n)+cx，1(n)，
n＝0，...，Nc-1
可类似地针对第四和第五窗等计算CC或MFCC。
在特定实施方案中，可计算频谱熵如下：
1.将N点离散傅立叶变换计算为：
2.将所计算的N点离散傅立叶变换正规化为：
3.将频谱熵表示为：
如上文所指出，使用本文中所论述的技术从传感器信号提取的特征可通过分类器或分类引擎而形成用于处理的特征向量，以推断特定用户活动和/或推断移动装置相对于参加活动的用户的位置。举例来说，可用高斯混合模型(GMM)来模型化上文所描述的特征的联合统计且在全贝叶斯(Bayesian)分类器中使用所述联合统计。或者，特定的单个所提取的特征可独立于用GMM来模型化且在朴素贝叶斯分类器中使用的所述统计来处理。在其它实施方案中，可模型化特征的一些子集之间的相依性，同时将其它子集视为独立的。
在特定实施方案中，可随时间而训练分类器。在特定实例实施方案中，对于每三秒的加速度计数据，可每轴线搜集150个样本(取样频率＝50Hz)，总共450个样本，将x称为如下：
x＝{ax(1)，...ax(150)，ay(1)，...，ay(150)，az(1)，...，az(150)}。
根据这些样本(x)，可计算特征向量f(x)。在下文特定实例中，存在两个特征f1和f2，因此此特征向量具有两个维度如下：
f(x)＝[f1(x)]，[f2(x)]。
在特定实施方案中，这些两个维度可对应于计算例如加速度的间距和平均幅度。
图5为说明根据实施方案的由于训练分类器而形成的决策区的曲线图。为了训练分类器，可针对多个预先定义的活动分类中的每一者而收集数据。在特定实例中，可能存在以下三个预先定义的活动分类：1)正行走且装置持在手中，可表示为ω1的类别，2)正行走且装置在口袋中，可表示为ω2的类别，以及3)正奔跑且装置在口袋中，可表示为ω3的类别。可针对特定实例如图5中所展示而绘制在二维特征空间中的数据。可针对每一预先定义的类别训练统计模型，其针对2-D空间中的每个点x指派点x是由针对所述类别的统计模型产生的概率，所述概率可被称作似然函数。针对前述三个预先定义的活动类别，这些似然函数可表示为P(f(x)|ω＝ω1)、P(f(x)|ω＝ω2)和P(f(x)|ω＝ω3)。应注意，每一似然函数取两个特征f1(x)和f2(x)作为输入，且提供单个概率值(在0和1之间的数字)。
在训练之后(例如，在实时操作期间)，分类器可接收未知的数据点x(例如，前述450个加速度计样本)作为输入，且计算针对所述数据点的对应特征向量f(x)。分类器可接着选择针对所述点x具有最高可能性的活动分类，例如，如表达为如下：
如果类别1的可能性高于类别2的可能性且还高于类别3的可能性，例如，P(f(x)|ω1)＞P(f(x)|ω2)且P(f(x)|ω1)＞P(f(x)|ω3)，那么上述表达式中的ω设定输出值为ω1(例如，类别1＝正行走且装置持在手中)。同样，如果类别2具有比类别1和类别3高的可能性，那么选择类别2，且同样，如果类别3的可能性最高，那么选择类别3。绘画般地在2-D特征空间中(x轴＝f1，y轴＝f2)在图5中说明此情形。决策区1、决策区2和决策区3中的点的集合表示特定实例的训练数据。可至少部分地基于训练数据用公式表示或产生一个或一个以上统计模型。这些模型可将类别1(点10的集合)表征为：在实时数据点x处于决策区1中的情况下选择类别1(这是因为此区为P(f(x)|ω1)大于P(f(x)|ω2)与P(f(x)|ω3)两者的区)。同样地，在实时数据点x处于决策区2中的情况下，可选择类别2，且在实时数据点x处于决策区3中的情况下，可选择类别3。
图6为说明实例计算环境500的实施方案的示意图，实例计算环境500可包含一个或一个以上网络或装置，其能够部分地或实质上实施或支持用于至少部分地基于惯性传感器信号而对与移动装置处于相同位置的用户的活动进行分类的一个或一个以上过程。应了解，计算环境500中所展示的各种装置或网络中的全部或部分、如本文中所描述的过程或方法可使用各种硬件、固件或其与软件的任何组合来实施。
计算环境500可包含例如移动装置502，其可经由合适通信网络而通信地耦合到任何数目个其它装置(移动的或其它的)，合适通信网络例如蜂窝式电话网络、因特网、移动特用网络、无线传感器网络或其类似者等。在实施方案中，移动装置502可表示可能能够经由任何合适通信网络交换信息的任何电子装置、器具或机器。举例来说，移动装置502可包含与例如以下各者相关联的一个或一个以上计算装置或平台：蜂窝式电话、卫星电话、智能电话、个人数字助理(PDA)、膝上型计算机、个人娱乐系统、电子书阅读器、平板型个人计算机(PC)、个人音频或视频装置、个人导航装置或其类似者。在某些实例实施方案中，移动装置502可采用可操作地启用以用于在另一装置中使用的一个或一个以上集成电路、电路板或其类似者的形式。尽管未展示，但任选地或替代地，可能存在通信地耦合到移动装置502以促进或以其它方式支持与计算环境500相关联的1个或1个以上过程的额外装置(移动的或其它的)。因此，除非另外陈述，否则为了简化论述，下文参考移动装置502所描述的各种功能性、元件、组件等还可适用于未展示的其它装置，以便支持与实例计算环境500相关联的一个或一个以上过程。
计算环境500可包含例如能够至少部分地基于与定位系统、基于位置的服务或其类似者相关联的一个或一个以上无线信号而提供关于移动装置502的位置信息的各种计算或通信资源。尽管未展示，但在某些实例实施方案中，移动装置502可包含例如感知位置或跟踪位置的单元，其能够获取或提供定向、位置信息(例如，经由三边测量、热图签名匹配等)等中的全部或部分。可响应于用户指令、受控制运动或其它信息而提供支持一个或一个以上过程的此信息，可将此信息例如连同其它合适的或所要信息(例如一个或一个以上阈值或其类似者等)一起存储在存储器504中。
存储器504可表示任何合适的或所要信息存储媒体。举例来说，存储器504可包含主要存储器506和次要存储器508。主要存储器506可包含例如随机存取存储器、只读存储器等。虽然在此实例中说明为与处理单元510分离，但应了解，主要存储器506中的全部或部分可提供于处理单元510内或以其它方式与处理单元510处于相同位置/耦合。次要存储器508可包含例如与主要存储器相同或类似的类型的存储器，或一个或一个以上信息存储装置或系统，例如，磁盘驱动器、光盘驱动器、磁带驱动器、固态存储器驱动器等。在某些实施方案中，次要存储器508可操作地接纳非暂时性计算机可读媒体512，或以其它方式启用以耦合到非暂时性计算机可读媒体512。
计算机可读媒体512可包含例如可存储用于与计算环境500相关联的一个或一个以上装置的信息、代码或指令(例如，制造物品等)或提供对信息、代码或指令的存取的任何媒体。举例来说，计算机可读媒体512可由处理单元510来提供或存取。因而，在某些实例实施方案中，方法或设备可整体地或部分地采用计算机可读媒体的形式，所述计算机可读媒体可包含存储于其上的计算机可实施指令，所述计算机可实施指令在由至少一个处理单元或其它类似电路执行的情况下，可使得处理单元510或其它类似电路能够执行以下各者中的全部或部分以促进或以其它方式支持移动装置502的其余检测：位置确定过程、基于传感器或传感器支持的测量(例如，加速度、减速度、定向、倾斜、旋转等)、从惯性传感器信号提取/计算特征，对与移动装置的用户处于相同位置的活动进行分类，或任何类似过程。在某些实例实施方案中，处理单元510可能能够执行或支持其它功能，例如通信、游戏或其类似者等。
处理单元510可以硬件或硬件与软件的组合来实施。处理单元510可表示能够执行信息计算技术或过程的至少一部分的一个或一个以上电路。以实例说明但非限制，处理单元510可包含一个或一个以上处理器、控制器、微处理器、微控制器、专用集成电路、数字信号处理器、可编程逻辑装置、现场可编程门阵列或其类似者或其任何组合。
移动装置502可包含例如一个或一个以上加速度计513或各种其它传感器514(例如，磁罗盘、陀螺仪、视频传感器、比重计等)等各种组件或电路，以促进或以其它方式支持与计算环境500相关联的一个或一个以上过程。举例来说，此类传感器可将模拟或数字信号提供到处理单元510。尽管未展示，但应注意，移动装置502可包含模数转换器(ADC)以用于将来自一个或一个以上传感器的模拟信号数字化。任选地或替代地，此类传感器可包含指定的(例如，内部的等)ADC以将相应输出信号数字化，但所主张的标的物不受如此限制。
尽管未展示，但移动装置502还可包含存储器或信息缓冲器以收集合适的或所要的信息，例如，如先前所提及的加速度计测量信息(例如，加速度计轨迹)等。移动装置还可包含电源例如以将电力提供到移动装置502的组件或电路中的一些或全部。电源可为例如电池等便携式电源，或可包括例如插座(例如，在房子、充电站等中)等固定电源。应了解，可将电源集成到(例如，内置等)移动装置502中或以其它方式由移动装置502支撑(例如，独立的等)。
移动装置502可包含：一个或一个以上连接总线516(例如，总线、线、导体、光纤等)，其用以将各种电路操作地耦合在一起；以及用户接口518(例如，显示器、触摸屏、小键盘、按钮、旋钮、麦克风、扬声器、轨迹球、数据端口等)，其用以接收用户输入，促进或支持与传感器有关的信号测量，或提供信息到用户。移动装置502可进一步包含通信接口520(例如，无线发射器或接收器、调制解调器、天线等)，以允许经由一个或一个以上合适通信网络与一个或一个以上其它装置或系统通信，如所指示。
图7为说明根据实施方案的推断移动装置相对于参加活动的用户的位置状态的过程的流程图550(其中位置状态指代位置的分类，而非例如用GPS或其它定位技术计算的位置等绝对位置)。尽管图6的实施例可能适于执行图7的方法，但并不防止使用结构和组件的替代布置来执行所述方法。在实施方案中，预想在应用所述方法期间用户将以例如行走、奔跑、骑自行车等有节奏的行为参加某种形式的移动，但所主张的标的物不限于此方面。
图7的方法以框560开始，在框560中，表征从与参加活动的用户处于相同位置的移动装置的一个或一个以上惯性传感器接收的至少一个信号的频谱包络。在框570处，至少部分地基于频谱包络的表征来推断移动装置相对于用户的位置状态。
本文中所描述的方法可取决于应用而根据特定特征或实例用各种装置来实施。举例来说，此类方法可以硬件、固件、软件、离散/固定逻辑电路、其任何组合等来实施。在硬件或逻辑电路实施方案中，例如，处理单元可在以下各者内实施：仅举例来说，一个或一个以上专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理装置(DSPD)、可编程逻辑装置(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、电子装置、经设计以执行本文中所描述的功能的其它装置或单元，或其组合。
对于固件或软件实施方案，所述方法可用具有执行本文中所描述的功能的指令的模块(例如，程序、函式等)来实施。有形地体现指令的任何机器可读媒体可用于实施本文中所描述的方法。举例来说，软件代码可存储在存储器中且由处理器来执行。存储器可在处理器内或在处理器外部实施。如本文中所使用，术语“存储器”指代任何类型的长期、短期、易失性、非易失性或其它存储器，且不限于任何特定类型的存储器或任何数目个存储器，或存储存储器的媒体类型。在至少一些实施方案中，本文中所描述的存储媒体中的一个或一个以上部分可存储表示如通过存储媒体的特定状态表达的数据或信息的信号。举例来说，表示数据或信息的电信号可通过影响或改变存储媒体(例如，存储器)的一部分的状态以按二进制信息(例如，一和零)表示数据或信息来“存储”在存储媒体的此类部分中。因而，在特定实施方案中，存储媒体的用以存储表示数据或信息的信号的部分的此状态改变构成存储媒体到不同状态或情况的转变。
如所指示，在一个或一个以上实例实施方案中，所描述的功能可以硬件、软件、固件、离散/固定逻辑电路、其某一组合等来实施。如果以软件来实施，那么功能可作为一个或一个以上指令或代码而存储在物理计算机可读媒体上。计算机可读媒体包含物理计算机存储媒体。存储媒体可为可通过计算机存取的任何可用物理媒体。以实例说明而非限制，此类计算机可读媒体可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁性存储装置，或可用以存储呈指令或数据结构形式的所要程序代码且可通过计算机或其处理器存取的任何其它媒体。如本文中所使用，磁盘和光盘包含紧密光盘(CD)、激光光盘、光学光盘、数字多功能光盘(DVD)、软磁盘及蓝光光盘，其中磁盘通常磁性地复制数据，而光盘使用激光光学地复制数据。
如上文所论述，移动装置可能能够使用一个或一个以上无线通信技术经由在各种通信网络上的信息的无线发射或接收而与一个或一个以上其它装置通信。此处，例如，无线通信技术可使用无线广域网(WWAN)、无线局域网(WLAN)、无线个人区域网(WPAN)或其类似者来实施。术语“网络”和“系统”可在本文中互换地使用。WWAN可为码分多址(CDMA)网络、时分多址(TDMA)网络、频分多址(FDMA)网络、正交频分多址(OFDMA)网络、单载波频分多址(SC-FDMA)网络、长期演进(LTE)网络、WiMAX(IEEE802.16)网络等。CDMA网络可实施一个或一个以上无线接入技术(RAT)，例如cdma2000、宽带-CDMA(WCDMA)、时分同步码分多址(TD-SCDMA)等，仅举例少数无线电技术。此处，cdma2000可包含根据IS-95、IS-2000和IS-856标准实施的技术。TDMA网络可实施全球移动通信系统(GSM)、数字高级移动电话系统(D-AMPS)，或某一其它RAT。GSM和W-CDMA描述于来自名为“第三代合作伙伴计划”(3GPP)的联合会的文档中。Cdma2000描述于来自名为“第三代合作伙伴计划2”(3GPP2)的联合会的文档中。3GPP和3GPP2文档可公开地得到。举例来说，WLAN可包含IEEE802.11x网络，且WPAN可包含蓝牙网络、IEEE802.15x或某一其它类型的网络。所述技术还可结合WWAN、WLAN或WPAN的任何组合来实施。无线通信网络可包含所谓的下一代技术(例如，“4G”)，例如长期演进(LTE)、高级LTE、WiMAX、超移动宽带(UMB)或其类似者等。
在一个特定实施方案中，移动装置可例如能够与一个或一个以上毫微微小区通信，从而促进或支持与移动装置的通信以用于估计移动装置的位置、定向、速度、加速度或其类似者的目的。如本文中所使用，“毫微微小区”可指代一个或一个以上大小较小的蜂窝基站，其可经启用以例如经由宽带(例如，数字订户线(DSL)或电缆等)而连接到服务提供者的网络。通常，但未必，毫微微小区可利用诸如以下各者等各种类型的通信技术或以其它方式与诸如以下各者等各种类型的通信技术兼容：通用移动电信系统(UTMS)、长期演进(LTE)、演进数据优化或仅演进数据(EV-DO)、GSM、全球互通微波接入(WiMAX)、码分多址(CDMA)-2000，或时分同步码分多址(TD-SCDMA)，仅举例许多可能的通信技术中的少数实例。举例来说，在某些实施方案中，毫微微小区可包括集成WiFi。然而，关于毫微微小区的此类细节仅为实例，且所主张的标的物不受如此限制。
而且，可经由信号在物理传输媒体上将计算机可读代码或指令从发射器发射到接收器(例如，经由电数字信号)。举例来说，可使用同轴电缆、光纤、双绞线、数字订户线(DSL)或例如红外线、无线电和微波等无线技术的物理组件从网站、服务器或其它远程源传输软件。上述各者的组合也可包含在物理传输媒体的范围内。此类计算机指令或数据可在不同时间(例如，在第一时间和第二时间)在多个部分(例如，第一部分和第二部分)中传输。此“具体实施方式”的一些部分是依据表示存储在特定设备或特殊用途计算装置或平台的存储器内的二进制数字信号上的运算的算法或符号表示来呈现。在此特定说明书的上下文中，一旦通用计算机经编程以依照来自程序软件的指令执行特定功能，术语“特定设备”或其类似者便包含通用计算机。算法描述或符号表示为由一般所属信号处理或相关技术领域的技术人员用以将其工作的实质传达给其它所属领域的技术人员的技术的实例。此处且一般地将算法视为导致所要结果的前后一致的操作序列或类似信号处理。在此上下文中，操作或处理涉及物理量的物理操纵。通常，但未必，此类量可采用能够进行存储、传送、组合、比较或以其它方式操纵的电信号或磁信号的形式。
主要由于常见用法的原因，证明以下情形时常为便利的：将此类信号称作位、信息、值、元素、符号、字符、变量、项、数目、数字或其类似者。然而，应理解，全部这些或类似术语应与适当物理量相关联且仅为便利标签。除非另外特别地叙述，否则，如从上述论述显而易见的，应了解，贯穿本说明书论述，利用例如“处理”、“计算”、“推算”、“确定”、“查明”、“识别”、“相关联”、“测量”、“执行”或其类似者等术语指代例如特殊用途计算机或类似特殊用途电子计算装置等特定设备的动作或过程。因此，在此说明书的上下文中，特殊用途计算机或类似特殊用途电子计算装置能够操纵或变换信号，所述信号通常表示为特殊用途计算机或类似特殊用途电子计算装置的存储器、寄存器或其它信息存储装置、传输装置或显示装置内的物理电子、电或磁性量。
如本文中所使用，术语“和”和“或”可包含多种意义，还期望其至少部分地取决于使用此类术语的上下文。通常，“或”在使用时与列表相关联，例如A、B或C预期意味A、B和C(此处以包含性含义来使用)，以及A、B或C(此处以排他性含义来使用)。另外，如本文中所使用的术语“一个或一个以上”可用以描述单数形式的任何特征、结构或特性，或可用以描述特征、结构或特性的某种组合。然而，应注意，此仅为说明性实例且所主张的标的物不限于此实例。
虽然已使用各种方法或系统来描述和展示某些实例技术，但所属领域的技术人员应理解，可在不脱离所主张的标的物的情况下做出各种其它修改且可替换等效物。另外，可在不脱离本文中描述的中心概念的情况下做出许多修改以使特定情形适应所主张的标的物的教示。因此，预期所主张的标的物不限于所揭示的特定实例，而是，此类所主张的标的物还可包含属于随附权利要求书的范围内的所有实施方案和其等效物。

Claims (22)

1.一种用于推断移动装置的位置的方法，其包括：
确定一个或一个以上参数，其表征从与参加活动的用户处于相同位置的移动装置的一个或一个以上惯性传感器接收的至少一个信号的频谱包络；
通过至少部分地基于所述频谱包络的所述表征而对所述移动装置相对于所述用户的位置状态进行分类，以使得所述移动装置的行为产生变化，其中所述位置状态指示所述移动装置相对于所述用户的位置；
从所述频谱包络计算包括加速度中两个方向的特征向量；以及
基于所述特征向量对所述用户的活动进行分类。
2.根据权利要求1所述的方法，其中对所述位置状态进行分类包括使用贝叶斯分类器从多个候选位置状态中推断所述位置状态。
3.根据权利要求1所述的方法，其中对所述位置状态进行分类包括从包括以下各者中的至少一者的相对于用户的多个候选位置状态中推断所述位置状态：
在所述用户的手中，
在所述用户正行走、奔跑或骑自行车时紧固到所述用户的腕部或臂，
在所述用户正行走、奔跑或骑自行车或摩托车时处于所述用户的衬衫或外套口袋中，
在所述用户正行走、奔跑或骑自行车时处于所述用户的裤子口袋中，
处于附接到所述用户的皮带或衣服的皮套中，
处于由所述用户携带或带行走轮的包、手提皮箱或公文包中，以及
处于汽车或火车中。
4.根据权利要求3所述的方法，其进一步包括：
至少部分地基于在一个方向上检测到所述移动装置的加速度而推断出所述用户正行走且所述移动装置持在所述用户的手中，在所述一个方向上的所述加速度大于在至少第二和第三方向上的加速度。
5.根据权利要求3所述的方法，其进一步包括：
至少部分地基于在第一方向上检测到加速度峰值而推断出所述用户正行走且所述移动装置在所述用户的口袋中，所述加速度峰值大于在第二和第三方向上的加速度峰值。
6.根据权利要求1所述的方法，其中所述确定表征频谱包络的一个或一个以上参数包括：
至少部分地基于所述至少一个信号而计算倒频谱系数。
7.根据权利要求1所述的方法，其中所述确定表征频谱包络的一个或一个以上参数包括执行选自由以下各者组成的群的一个或一个以上计算：
至少部分地基于所述至少一个信号，计算梅尔频率倒频谱系数，计算增量倒频谱系数，计算增量梅尔频率倒频谱系数，计算加速度倒频谱系数，计算加速度梅尔频率倒频谱系数，计算线性预测系数，计算增量线性预测系数，以及计算加速度线性预测系数。
8.根据权利要求1所述的方法，其进一步包括：
测量所述至少一个信号的间距；以及
至少部分地基于所述所测量间距而推断所述位置状态。
9.根据权利要求1所述的方法，且所述方法进一步包括：
测量所述至少一个信号的频谱熵；以及
至少部分地基于所述所测量频谱熵来推断所述位置状态。
10.根据权利要求1所述的方法，且所述方法进一步包括：
测量所述至少一个信号的过零率；以及
至少部分地基于所述所测量过零率来推断所述位置状态。
11.根据权利要求1所述的方法，且所述方法进一步包括：
测量所述至少一个信号的频谱质心；以及
至少部分地基于所述所测量频谱质心来推断所述位置状态。
12.根据权利要求1所述的方法，且所述方法进一步包括：
测量所述至少一个信号的带宽；以及
至少部分地基于所述所测量带宽来推断所述位置状态。
13.根据权利要求1所述的方法，且所述方法进一步包括：
测量所述至少一个信号的带能；以及
至少部分地基于所述所测量带能来推断所述位置状态。
14.根据权利要求1所述的方法，且所述方法进一步包括：
测量所述至少一个信号的频谱通量；以及
至少部分地基于所述所测量频谱通量来推断所述位置状态。
15.根据权利要求1所述的方法，且所述方法进一步包括：
测量所述至少一个信号的频谱滚降；以及
至少部分地基于所述所测量频谱滚降来推断所述位置状态。
16.一种用于推断移动装置的位置的设备，其包括：
用于感测移动装置的移动的装置；
用于表征从所述用于感测移动的装置接收的至少一个信号的频谱包络的装置；
用于通过至少部分地基于所述频谱包络的所述表征来对所述移动装置相对于用户的位置状态进行分类，以使得所述移动装置的行为产生变化的装置，其中所述位置状态指示所述移动装置相对于所述用户的位置；
用于从所述频谱包络计算包括加速度中两个方向的特征向量的装置；以及
用于基于所述特征向量对所述用户的活动进行分类的装置。
17.根据权利要求16所述的设备，其进一步包括用于至少部分地基于所述频谱包络的所述表征来推断所述用户的活动的装置。
18.根据权利要求17所述的设备，其中所述用于表征的装置进一步包括：
用于至少部分地基于所述至少一个信号而计算倒频谱系数的装置。
19.一种移动装置，其包括：
用于测量所述移动装置的运动的一个或一个以上惯性传感器：以及
用于进行以下操作的一个或一个以上处理器：
表征从所述一个或一个以上惯性传感器接收的至少一个信号的频谱包络；
通过至少部分地基于所述频谱包络的所述表征来对所述移动装置相对于参加活动的用户的位置状态进行分类，以使得所述移动装置的行为产生变化，其中所述位置状态指示所述移动装置相对于所述用户的位置；
从所述频谱包络计算包括加速度中两个方向的特征向量；以及
基于所述特征向量对所述用户的活动进行分类。
20.根据权利要求19所述的移动装置，其中所述一个或一个以上处理器从包括以下各者中的至少一者的相对于所述用户的多个候选位置状态中进一步推断所述移动装置相对于所述用户的所述位置状态：
在所述用户参加活动时，持在所述用户的手中，紧固到所述用户的腕部或臂，处于所述用户的衬衫、外套或裤子口袋中，或处于所述用户的包中。
21.根据权利要求20所述的移动装置，其中所述一个或一个以上处理器从由以下各者组成的多个候选活动中进一步对所述活动进行分类：行走、奔跑、骑自行车，及乘坐汽车，乘坐火车，或骑摩托车。
22.根据权利要求20所述的移动装置，其中所述一个或一个以上处理器至少部分地基于所述至少一个信号而进一步计算倒频谱系数。
CN201280016957.4A 2011-03-31 2012-03-30 用于推断移动装置的位置的装置、方法和设备 Expired - Fee Related CN103477192B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201161470001P 2011-03-31 2011-03-31
US61/470,001 2011-03-31
US13/362,485 US20130029681A1 (en) 2011-03-31 2012-01-31 Devices, methods, and apparatuses for inferring a position of a mobile device
US13/362,485 2012-01-31
PCT/US2012/031620 WO2012135726A1 (en) 2011-03-31 2012-03-30 Devices, methods, and apparatuses for inferring a position of a mobile device

Publications (2)

Publication Number Publication Date
CN103477192A CN103477192A (zh) 2013-12-25
CN103477192B true CN103477192B (zh) 2017-05-24

Family

ID=46028136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280016957.4A Expired - Fee Related CN103477192B (zh) 2011-03-31 2012-03-30 用于推断移动装置的位置的装置、方法和设备

Country Status (6)

Country Link
US (1) US20130029681A1 (zh)
EP (1) EP2691779A1 (zh)
JP (2) JP2014515101A (zh)
KR (2) KR20160096224A (zh)
CN (1) CN103477192B (zh)
WO (1) WO2012135726A1 (zh)

Families Citing this family (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160131484A1 (en) * 2008-04-21 2016-05-12 Invensense, Inc. System and method for device position classification
US9055455B2 (en) * 2011-06-29 2015-06-09 Pismo Labs Technology Ltd. Systems and methods providing assisted aiming for wireless links
US10199726B2 (en) 2011-06-29 2019-02-05 Pismo Labs Technology Limited Systems and methods providing assisted aiming for wireless links through a plurality of external antennas
US20130231889A1 (en) * 2012-03-01 2013-09-05 Lockheed Martin Corporation Method and apparatus for an inertial navigation system
JP5978687B2 (ja) * 2012-03-22 2016-08-24 富士ゼロックス株式会社 移動状況判定プログラム及び移動状況判定装置
US10371516B2 (en) * 2013-01-21 2019-08-06 Invensense, Inc. Method and apparatus for determination of misalignment between device and pedestrian
WO2014145122A2 (en) * 2013-03-15 2014-09-18 Aliphcom Identification of motion characteristics to determine activity
JP6048242B2 (ja) * 2013-03-18 2016-12-21 富士通株式会社 食動作検出装置、食動作検出方法及びプログラム
US20140288867A1 (en) * 2013-03-21 2014-09-25 Sony Corporation Recalibrating an inertial navigation system
US20140222568A1 (en) * 2013-04-04 2014-08-07 Madtivity, Inc. Targeted advertisement distribution to mobile devices
US9699739B2 (en) 2013-06-07 2017-07-04 Apple Inc. Determination of device body location
US10716073B2 (en) 2013-06-07 2020-07-14 Apple Inc. Determination of device placement using pose angle
US9510318B2 (en) 2013-06-27 2016-11-29 Google Technology Holdings LLC Method and apparatus for ascertaining a location of a personal portable wireless communication device
CN103505195B (zh) * 2013-09-02 2015-06-17 展讯通信（上海）有限公司 人体脉搏测量方法、装置和移动终端
JP6358889B2 (ja) * 2013-09-26 2018-07-18 株式会社メガチップス 歩行者観測システム、プログラムおよび進行方向推定方法
WO2015066718A2 (en) * 2013-11-04 2015-05-07 Basis Science, Inc. Detection of biking, walking, and running
JP6496996B2 (ja) * 2013-11-05 2019-04-10 セイコーエプソン株式会社 運動諸量算出方法、運動諸量算出装置及び携帯機器
CN103900567B (zh) * 2014-03-08 2017-01-25 哈尔滨工程大学 一种基于贝叶斯递推滤波的重力辅助捷联惯性导航方法
US10653339B2 (en) * 2014-04-29 2020-05-19 Nxp B.V. Time and frequency domain based activity tracking system
EP3525524B1 (en) * 2014-05-30 2021-03-10 Apple Inc. Determination of device body location
US9497592B2 (en) * 2014-07-03 2016-11-15 Qualcomm Incorporated Techniques for determining movements based on sensor measurements from a plurality of mobile devices co-located with a person
KR102130801B1 (ko) * 2014-07-22 2020-08-05 엘지전자 주식회사 손목 스탭 검출 장치 및 그 방법
RU2622880C2 (ru) * 2014-08-22 2017-06-20 Нокиа Текнолоджиз Ой Обработка информации датчика
WO2016077286A1 (en) * 2014-11-10 2016-05-19 Invensense, Inc. System and method for device position classification
CN104605859B (zh) * 2014-12-29 2017-02-22 北京工业大学 一种基于移动终端传感器的室内导航步态检测方法
US10197416B2 (en) * 2015-01-21 2019-02-05 Quicklogic Corporation Multiple axis wrist worn pedometer
US10260877B2 (en) * 2015-02-26 2019-04-16 Stmicroelectronics, Inc. Reconfigurable sensor unit for electronic device
CN104689551B (zh) * 2015-03-19 2017-06-16 东软集团股份有限公司 一种运动状态监测方法及装置
CN106139559B (zh) * 2015-03-23 2019-01-15 小米科技有限责任公司 运动数据采集方法、测量装置和运动装置
US9752879B2 (en) * 2015-04-14 2017-09-05 Invensense, Inc. System and method for estimating heading misalignment
CN105180959B (zh) * 2015-09-01 2017-12-26 北京理工大学 一种适用于腕式计步器的抗干扰计步方法
US10802158B2 (en) * 2015-09-30 2020-10-13 Apple Inc. Dynamic coherent integration
US20170153760A1 (en) * 2015-12-01 2017-06-01 Apple Inc. Gain-based error tracking for force sensing
US10254870B2 (en) 2015-12-01 2019-04-09 Apple Inc. Force sensor-based motion or orientation determination in a device
CN105651302A (zh) * 2016-01-15 2016-06-08 广东欧珀移动通信有限公司 提高计步精度的方法、装置及移动终端
US10527736B2 (en) * 2016-03-17 2020-01-07 Cm Hk Limited Methods and mobile devices with electric vehicle transportation detection
US10118696B1 (en) 2016-03-31 2018-11-06 Steven M. Hoffberg Steerable rotating projectile
US10523281B2 (en) * 2016-06-10 2019-12-31 Qualcomm Incorporated Sensor based beam tracking for wireless communication
US10018469B2 (en) * 2016-06-21 2018-07-10 Bae Systems Information And Electronic Systems Integration Inc. Method for terrain mapping and personal navigation using mobile gait analysis
JP6258442B1 (ja) * 2016-10-28 2018-01-10 三菱電機インフォメーションシステムズ株式会社 動作特定装置、動作特定方法及び動作特定プログラム
US10743777B2 (en) * 2016-12-08 2020-08-18 Qualcomm Incorporated Cardiovascular parameter estimation in the presence of motion
CN107392106B (zh) * 2017-06-26 2021-03-02 辽宁大学 一种基于双门限的人体活动端点检测方法
CN107506035B (zh) * 2017-08-21 2020-03-27 中国电子科技集团公司第二十九研究所 一种基于移动平台的手势化频谱分析方法及系统
JP7119098B2 (ja) * 2018-01-12 2022-08-16 ライン プラス コーポレーション メッセージングサービス環境におけるユーザ状況の感知と、ユーザ状況に基づくメッセージングサービスとのインタラクション
CN108387757B (zh) * 2018-01-19 2021-07-27 百度在线网络技术（北京）有限公司 用于检测可移动设备的移动状态的方法和装置
US11712637B1 (en) 2018-03-23 2023-08-01 Steven M. Hoffberg Steerable disk or ball
US10573273B2 (en) * 2018-06-13 2020-02-25 Mapsted Corp. Method and system for device placement based optimization techniques
CN109124646B (zh) * 2018-09-26 2021-06-18 北京壹氢科技有限公司 一种适用于配带智能手机行人的步态检测方法
WO2020075825A1 (ja) * 2018-10-12 2020-04-16 洋紀 山本 動き推定装置、電子機器、制御プログラム及び動き推定方法
KR102345646B1 (ko) * 2021-07-13 2021-12-30 포항공과대학교 산학협력단 가속도 정보를 처리하는 웨어러블 디바이스 및 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0816986A2 (en) * 1996-07-03 1998-01-07 Hitachi, Ltd. Method, apparatus and system for recognizing motions
CN1231753A (zh) * 1996-08-14 1999-10-13 挪拉赫梅特·挪利斯拉莫维奇·拉都色夫 追踪并显示使用者在空间的位置与取向的方法,向使用者展示虚拟环境的方法以及实现这些方法的系统
US6369794B1 (en) * 1998-09-09 2002-04-09 Matsushita Electric Industrial Co., Ltd. Operation indication outputting device for giving operation indication according to type of user's action
CN1764933A (zh) * 2003-02-26 2006-04-26 联邦科学和工业研究组织 跟踪方法和设备

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3570163B2 (ja) * 1996-07-03 2004-09-29 株式会社日立製作所 動作及び行動の認識方法及び装置及びシステム
JP3689914B2 (ja) * 1997-09-05 2005-08-31 セイコーエプソン株式会社 生体情報計測装置
JP2005242759A (ja) * 2004-02-27 2005-09-08 National Institute Of Information & Communication Technology 行動・意図推定システム、行動・意図推定方法、行動・意図推定プログラムおよびそのプログラムを記録したコンピュータ読み取り可能な記録媒体
JP2007079389A (ja) * 2005-09-16 2007-03-29 Yamaha Motor Co Ltd 音声分析方法および音声分析装置
DE202007010056U1 (de) * 2007-07-17 2007-09-13 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. System zur Bestimmung der körperlichen Aktivität eines Lebewesens
CA2704923C (en) * 2007-11-09 2016-04-05 Google, Inc. Activating applications based on accelerometer data
JP4892021B2 (ja) * 2009-02-26 2012-03-07 株式会社東芝 信号帯域拡張装置
JP5356923B2 (ja) * 2009-06-11 2013-12-04 Ｋｄｄｉ株式会社 携帯端末装置の移動状態を推定する方法及びシステム
JP5252452B2 (ja) * 2009-06-19 2013-07-31 独立行政法人情報通信研究機構 スペクトル分析装置及びスペクトル演算装置
EP2529184A4 (en) * 2010-01-29 2016-03-09 Nokia Technologies Oy SYSTEMS, METHODS AND APPARATUSES FOR DELIVERING CONTEXT-BASED NAVIGATION SERVICES

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0816986A2 (en) * 1996-07-03 1998-01-07 Hitachi, Ltd. Method, apparatus and system for recognizing motions
CN1231753A (zh) * 1996-08-14 1999-10-13 挪拉赫梅特·挪利斯拉莫维奇·拉都色夫 追踪并显示使用者在空间的位置与取向的方法,向使用者展示虚拟环境的方法以及实现这些方法的系统
US6369794B1 (en) * 1998-09-09 2002-04-09 Matsushita Electric Industrial Co., Ltd. Operation indication outputting device for giving operation indication according to type of user's action
CN1764933A (zh) * 2003-02-26 2006-04-26 联邦科学和工业研究组织 跟踪方法和设备

Also Published As

Publication number Publication date
JP2014515101A (ja) 2014-06-26
KR20130136575A (ko) 2013-12-12
US20130029681A1 (en) 2013-01-31
EP2691779A1 (en) 2014-02-05
WO2012135726A1 (en) 2012-10-04
JP2016039999A (ja) 2016-03-24
CN103477192A (zh) 2013-12-25
KR20160096224A (ko) 2016-08-12

Similar Documents

Publication Publication Date Title
CN103477192B (zh) 用于推断移动装置的位置的装置、方法和设备
CN103460221B (zh) 用于在移动装置中使用似然函数值的组合对用户活动进行分类的系统、方法和设备
CN103460722B (zh) 用于使用对以时间为基准的特征的时间定标进行活动分类的方法、设备和装置
CN108703760A (zh) 基于九轴传感器的人体运动姿态识别系统及方法
US20130046505A1 (en) Methods and apparatuses for use in classifying a motion state of a mobile device
CN105046215B (zh) 不受个体佩戴位置和佩戴方式影响的姿态行为识别方法
CN108245880A (zh) 基于多穿戴环带传感器融合的体感检测可视化方法和系统
Ballı et al. Diagnosis of transportation modes on mobile phone using logistic regression classification
CN110276384A (zh) 用于传感器数据的带注释捕获以及活动的群建模的方法、设备和系统
CN108629170A (zh) 身份识别方法以及相应的装置、移动终端
US11045116B1 (en) Enhanced determination of cadence for control in mobile
Oshin et al. ERSP: An energy-efficient real-time smartphone pedometer
Elhoushi et al. Online motion mode recognition for portable navigation using low‐cost sensors
CN107277222A (zh) 基于手机内置传感器的用户行为状态判断方法
Oshin et al. Energy-efficient real-time human mobility state classification using smartphones
KR101584458B1 (ko) 혼합 센서 데이터 기반 실시간 행위인지 및 자세인지 장치 및 그 방법
CN108827290A (zh) 一种人体运动状态反演装置及方法
CN107015647A (zh) 基于智能手机姿态行为大数据的用户性别识别方法
Miyamoto et al. Human activity recognition system including smartphone position
Bashir et al. The impact of feature vector length on activity recognition accuracy on mobile phone
Mekruksavanich et al. Placement effect of motion sensors for human activity recognition using LSTM network
Oguri et al. Recognition of a variety of activities considering smartphone positions
Dudani et al. Skill level assessment of batsman using single bluetooth low energy inertial measurement unit
Mei et al. Smartphone‐based speed acquisition and differential evolution modelling for fitness running
JP2021193526A (ja) 情報処理装置、プログラム、及び、情報処理方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170524

Termination date: 20210330

CF01 Termination of patent right due to non-payment of annual fee