CN104813379A - 检测设备在水平或垂直方向的位置的变化 - Google Patents
检测设备在水平或垂直方向的位置的变化 Download PDFInfo
- Publication number
- CN104813379A CN104813379A CN201380061894.9A CN201380061894A CN104813379A CN 104813379 A CN104813379 A CN 104813379A CN 201380061894 A CN201380061894 A CN 201380061894A CN 104813379 A CN104813379 A CN 104813379A
- Authority
- CN
- China
- Prior art keywords
- position value
- value
- signal
- change
- minimum
- 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.)
- Granted
Links
Classifications
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
- G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
-
- 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
- A61B5/1116—Determining posture transitions
- A61B5/1117—Fall detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
- G01P15/18—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration in two or more dimensions
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/08—Elderly
-
- 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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
-
- 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
- A61B5/7242—Details of waveform analysis using integration
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Telephone Function (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
- Navigation (AREA)
Abstract
提供了一种用于确定设备的水平或垂直位置的变化的方法,所述方法包括:获得表示对所述设备随时间在水平或垂直方向的位置的估计的信号;从表示对所述设备的所述位置的所述估计的所述信号的选定的部分识别最大位置值和最小位置值;以及将所述信号的所述选定的部分上的所述位置的变化确定为识别出的最大位置值与识别出的最小位置值之间的差。
Description
技术领域
本发明涉及一种用于检测设备(例如能够由用户穿戴或携带的设备)在垂直或水平方向的位置的变化的方法和装置,并且尤其涉及一种用于从对设备的移动的测量结果检测设备的位置的变化的方法和装置。
背景技术
跌倒是对老年人的照护中可能导致发病和死亡的重要问题。从生理的角度看,跌倒引起损伤;而从心理的角度看,跌倒引起对跌倒的恐惧,这继而导致社会孤立和抑郁。
跌倒检测设备和系统可用以能够提供一种用于检测用户在何时跌倒了的自动且可靠的手段。如果检测到跌倒,则设备或系统发出警报,其召唤对用户的帮助。这为用户保证了在跌倒发生时将采取足够的措施。
一般地,跌倒检测器基于加速度计(通常是测量在三个维度的加速度的3D加速度计),加速度计是要被附着到用户的身体的设备的部分。处理来自加速度计的信号以确定跌倒是否已发生。
能够通过利用另外的传感器来改善跌倒检测的可靠性,所述另外的传感器能够被用于检测为跌倒所特有的各种不同特征。重要特征包括用户在跌倒期间与地面的碰撞、随着用户跌倒的取向变化,以及传感器单元在地面之上的高度的降低。在EP 1642248中,提出了使用气压传感器来检测由设备测量的相对高度的变化。
当前可用的气压传感器提供了在相对海拔中大约10cm的分辨率。然而,这些压力传感器的性质意味着它们的测量结果对重力,并因此对传感器单元的取向敏感。这能够通过针对传感器单元的取向来补偿压力传感器测量结果来解决,如在WO 2009/101566中描述的。此外,气压传感器也明显地响应于环境中的气压波动,并且因此跌倒检测器需要证实由气压测量结果所表明的高度变化是否是由(或能够由)传感器单元和用户的运动产生。气压传感器的另外的问题在于,它们增加了安置传感器的设备的机械构造的复杂度。尤其地,需要设备具有在设备内部的气压传感器与外部的环境空气之间的快速响应通道,该通道也被屏蔽湿气、光和其他污染物。该通道的存在可能在保持设备卫生清洁中造成问题,这在设备被用在医院或其他健康照护环境中时尤其重要。
确定针对高度的变化的测量结果的另一途径是使用加速度计信号。通过对垂直加速度信号进行积分,能够获得针对垂直速度的度量,并且通过对垂直速度信号进行积分,能够获得针对位置/高度的度量。积分通常需要对初始垂直速度和初始位置/高度的知识。
由于在跌倒检测中的一个目的是检测高度的变化,即两个时间的位置之间的差,事实上能够无需对初始位置的值的知识地执行积分,因为该值在求差公式中抵消了。
此外,在跌倒检测中,如果正确选择了“初始”时刻,则初始垂直速度是零。在常见的日常情况中,这能够是在跌倒发生之前的任何点。然而,将注意到,真实的物理垂直速度)从零的任何偏差都在所选择的范围上积分到位置/高度估计中的误差。
然而,使用对加速度信号的双积分的另一个问题关系到因重力产生的加速度从因用户的运动产生的加速度的分量的恰当分离。为了达到在高度测量中在1秒上10cm的精确度,加速度信号中残留的重力分量应保持在0.2ms-2以内。给定重力大致为10ms-2,需要以几个百分点的准确度分离重力。
由于传感器单元的取向可能随着用户跌倒而变化,关于传感器单元的坐标系的垂直的方向也将变化。因此,出现了同样的问题。取向估计中的误差引起了在对加速度的非重力垂直分量的计算中的误差。出于相同的原因,取向中的误差也暗含了对相应的重力分量的计算中的误差。这些误差意味着真实的垂直加速度被低估,同时存在的任何水平加速度将“串扰”到对垂直加速度的估计中。这些误差在垂直加速度估计中以及因此也在所估计的设备的高度(或高度的变化)中显现出来。
此外,如果加速度传感器未被恰当校准,或者已随时间失去校准,则所感测的重力也将随着传感器单元的取向而变化。
发明内容
在以皇家飞利浦电子有限公司之名于2012年8月17日递交的国际专利申请号PCT/IB2012/054192中,描述了一种能够克服以上问题的系统和方法。所述系统和方法利用两个滤波器,一个在第一积分步骤(即在对加速度计信号进行积分以获得速度时)之前并且另一个在之后,两个滤波器中的至少一个是非线性滤波器。所述滤波器被用于从积分之前的加速度计信号去除因重力产生的加速度的分量,并且用于从积分的结果去除偏移和漂移。
一个或两个非线性滤波器的使用实现了瞬变的减少(瞬变在其他情况下将起因于在该过程中仅使用线性滤波器),并且允许对绝对位置的估计(由于使用所述过程估计的位置值在位置变化之前和之后恒定,所述值大致相差该位置变化的大小)。
然而,当仅使用线性滤波器时,尽管在所述过程中估计的位置值也将在位置变化之前和之后恒定,但它们的差由于瞬变而可能是零,这意味着实际位置变化被掩盖。这在图1中得到图示,图1针对被升高约0.5m(由箭头40指示)并然后在短时间后被降低相同距离(由箭头42指示)的加速度计。线44表示在使用两个移动平均(线性)滤波器时该过程的输出,并且可见,使用这些滤波器的作用在于加速度计的位置(在该情况中即为高度)没有持续变化(即在高度的每次实际变化之前和之后所估计的高度在零附近)。相反,至少一个非线性滤波器的使用意味着,高度的变化在得到的高度信号中是明显的,其在图1中被标记为线46。
由于估计或简单地检测设备的位置变化而非设备的绝对位置,在许多应用中可能就足够了,例如检测跌倒中的高度变化或身体活动检测,对于要提供的方法和装置或系统来说,合乎期望的是允许进行对位置变化的检测或估计,即使是在实际位置变化被掩盖在位置信号内时,例如在线性滤波器被用于对加速度计信号的处理时。
因此,根据本发明的第一方面,提供了一种用于确定设备的水平或垂直位置的变化的方法,所述方法包括:获得表示对所述设备随时间在水平或垂直方向的位置的估计的信号;从表示对所述设备的所述位置的所述估计的所述信号的选定的部分识别最大位置值和最小位置值;以及将所述信号的所述选定的部分上的所述位置的变化确定为识别出的最大位置值与识别出的最小位置值之间的差。该方法使得能够找到位置的变化,即使是在所述位置变化被掩盖在位置信号内时(但是在位置变化使用常规方法更容易可见或可识别时,其也能够被用于寻找信号中的位置的变化)。
在优选的实施方式中,所述最大位置值是对应于所述信号中的最大值的位置值,并且所述最小位置值是对应于所述信号中的最小值的位置值。在备选的实施方式中,所述最大位置值是所述信号中指示的多个最高位置值的平均,并且所述最小位置值是所述信号中指示的多个最低位置值的平均。在另外的备选实施方式中,所述最小位置值对应于第一排列值(rankvalue)并且所述最大位置值对应于第二排列值,在以渐增的值的次序变更(permute)所述信号的所述选定的部分中的所述信号值之后,所述第一排列值和第二排列值对应于在第一排列次序(rank order)位置和第二排列次序位置的各自的值,并且其中,所述第一排列次序位置在所述第二排列次序位置之前。这些备选实施方式使得即使是在所估计的位置信号内有离群值时,所述方法也能够确定位置的变化。
在一些实施例中,所述方法还包括确定所确定的位置的变化发生时的时间的步骤。在这些实施例中,确定所确定的位置的变化发生时的时间的所述步骤能够包括:确定识别出的最大位置值和最小位置值出现时的时间;以及将所确定的位置的变化发生时的所述时间确定为识别出的最大位置值与最小位置值的所述时间之间的时间点。
在一些实施方式中,所述方法还包括以下步骤:确定在其中识别出的最大位置值和最小位置值在所述信号中出现的时间次序;以及基于所确定的时间次序来确定所确定的位置变化的方向。
在所述信号表示对所述设备的高度的估计时,确定所确定的位置变化的方向的所述步骤优选地包括:如果识别出的最小位置值出现在识别出的最大位置值之前,则确定所述位置变化是高度增加;并且如果识别出的最小位置值出现在识别出的最大位置值之后,则确定所述位置变化是高度降低。
在备选的实施例中,从表示对所述设备的所述位置的所述估计的所述信号的选定的部分识别最大位置值和最小位置值的所述步骤包括:识别最大位置值和最小位置值以给出所述设备在预定义方向的位置的变化,其中识别出的最大位置值和识别出的最小位置值是所述信号中具有最大差的位置值,其中,识别出的最小位置值和识别出的最大位置值在所述信号中以预定义的时间次序出现。该实施例(以及以下实施例)在本发明被用于识别在特定方向的移动时有用,例如在跌倒检测的情况中为高度下降(继之以由于所述设备的用户起来的高度上升),或在离床监测的情况中为高度上升。
在特定的备选实施例中,从表示对所述设备的所述位置的所述估计的所述信号的选定的部分识别最大位置值和最小位置值的所述步骤包括:识别最大位置值和最小位置值,以给出所述设备在第一方向的位置的变化,其中,识别出的最大位置值和识别出的最小位置值是所述信号中具有最大差的位置值,其中,识别出的最小位置值在所述信号中出现在识别出的最大位置值之前。
在一些实施方式中,识别最大位置值和最小位置值以给出所述设备在第一方向的位置的变化的所述步骤能够包括,针对所述选定的部分中的每个局部最小值,确定在所述局部最小值的值与所述选定的部分中出现在所述局部最小值之后的最高信号值之间的位置的差;以及将所述最小位置值和所述最大位置值确定为具有最大差的局部最小值与最高信号值对的值。
在所述信号表示对所述设备的高度的估计时,以上实施方式中的所述最大位置值和所述最小位置值被识别为使得它们表示高度的增加。
在另一特定的备选实施例中,从表示对所述设备的所述位置的所述估计的所述信号的选定的部分识别最大位置值和最小位置值的所述步骤包括:识别最大位置值和最小位置值以给出所述设备在第二方向的位置的变化,其中,识别出的最大位置值和识别出的最小位置值是所述信号中具有最大差的位置值,其中,识别出的最小位置值在所述信号中出现在识别出的最大位置值之后。
在一些实施方式中,识别最大位置值和最小位置值以给出所述设备在第二方向上的位置的变化的所述步骤包括:针对所述选定的部分中的每个局部最大值,确定在所述局部最大值的值与所述选定的部分中出现在所述局部最大值之后的最低信号值之间的位置的差;以及将所述最大位置值和所述最小位置值确定为具有最大差的所述局部最大值和最低信号值对的值。
在所述信号是对所述设备的高度的估计时,以上实施方式中的所述最大位置值和所述最小位置值被识别为使得它们表示高度的降低。
在一些实施方式中,提供了一种用于确定设备的水平或垂直位置的变化的方法,包括:如上所述地确定所述设备在第一方向的位置的变化;如上所述地确定所述设备在与所述第一方向相反的第二方向的位置的变化;比较所确定的在所述第一方向的位置的变化与所确定的在所述第二方向的位置的变化;如果所确定的在所述第一方向的位置的变化大于所确定的在所述第二方向的位置的变化,则确定在所述第二方向的所述位置的变化是否是所述信号的伪迹,并且如果是的话,则输出所确定的在所述第一方向的位置的变化为所述选定的部分中的位置变化,否则输出所确定的在所述第一方向的位置的变化和所确定的在所述第二方向的位置的变化两者作为在所述选定的部分中发生的位置变化;并且如果所确定的在所述第一方向的位置的变化小于所确定的在所述第二方向的位置的变化,则确定在所述第一方向的所述位置的变化是否是所述信号的伪迹,并且如果是的话,则输出所确定的在所述第二方向的位置的变化作为所述选定的部分中的位置变化,否则输出所确定的在所述第一方向的位置的变化和所确定的在所述第二方向的位置的变化两者作为在所述选定的部分中发生的位置变化。该实施方式对于以下是有用的:确定在所述信号的特定选定的部分中是否有多个位置变化事件,或者所述位置变化事件中的一个是否是所述信号的伪迹。
根据本发明的第二方面,提供了一种装置,所述装置包括处理器件,所述处理器件被配置为:获得表示对所述设备随时间在水平或垂直方向的位置的估计的信号;从表示对所述设备的所述位置的所述估计的所述信号的选定的部分识别最大位置值和最小位置值;以及将所述信号的所述选定的部分上的位置的变化确定为识别出的最大位置值与识别出的最小位置值之间的差。
也预期所述装置的各种具体实施例,其中,所述处理器件被配置为执行在上述方法中包含的步骤。
根据本发明的第三方面,提供了一种被配置为由用户穿戴的设备,所述设备包括加速度计,所述加速度计测量在三个维度中作用在所述设备上的加速度;以及如上所述的装置,其中,所述处理器件被配置为使用来自所述加速度计的测量结果获得表示对所述设备随时间的位置的估计的信号。
根据本发明的第四方面,提供了一种系统,所述系统包括被配置为由用户穿戴的设备和基础单元(base unit),所述设备包括加速度计,所述加速度计测量在三个维度中作用在所述设备上的加速度,所述基础单元被配置为与所述设备通信,并且所述基础单元包括如上所述的装置,其中,所述处理器件被配置为使用来自所述加速度计的测量结果获得表示对所述设备随时间的位置的估计的所述信号。
根据本发明的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括具有被实现在其中的计算机程序代码的计算机可读介质,所述计算机程序代码被配置为使得,在被计算机或处理器运行时,所述计算机或处理器执行上述方法中的任一个。
附图说明
现在将参考以下附图,仅通过举例的方式,描述本发明的特定实施例,附图中:
图1是图示使用线性和非线性滤波器获得的所估计的绝对高度的图;
图2(a)和图2(b)分别是根据本发明的实施例的设备和系统的方框图;
图3是图示根据本发明的实施例检测高度的变化的方法的流程图;
图4是图示根据本发明的实施例处理加速度计信号以确定高度变化的方框图;
图5(a)至图5(f)是示出在进行处理以确定高度信号的各个阶段的信号的一系列图;
图6是图示使用图4中示出的过程使用常规线性滤波器获得的高度信号和从气压传感器获得的高度信号的图;
图7是图示从图6中示出的高度信号获得的高度变化信号的图;
图8是图示根据本发明的实施例的第一非线性最大最小滤波器的操作的流程图;
图9是图示使用图8中示出的方法估计的高度变化的一系列图;
图10是图示根据本发明的备选实施例的第二非线性最大最小滤波器的操作的流程图;
图11是图示根据使用图4中示出的过程使用常规线性滤波器获得的高度信号使用图10中图示的非线性滤波器获得的高度变化信号以及从气压传感器获得的高度变化信号的图;
图12是图示根据本发明的另一备选实施例的第三非线性最大最小滤波器的操作的流程图;
图13是图示操作图12中的第三非线性最大最小滤波器的备选方式的流程图;
图14是图示根据使用图4中示出的过程使用常规线性滤波器获得的高度信号使用图12或图13中图示的“定向为下降”非线性滤波器获得的高度变化信号以及从气压传感器获得的高度变化信号的图;
图15是图示根据使用图4中示出的过程使用常规线性滤波器获得的高度信号使用图12或图13中图示的“定向为下降”非线性滤波器获得的高度变化信号以及从气压传感器获得的高度变化信号的图;并且
图16是图示根据本发明的又另一备选实施例的第四非线性最大最小滤波器的操作的流程图。
具体实施方式
下面将就其在用于检测用户的跌倒的装置或设备中的应用,来描述本发明(其中,加速度计信号被积分以获得估计由用户穿戴的设备的高度的信号),但将认识到,本发明能够被用于其他应用中,例如监测用户的生理活动(例如计算在活动期间消耗的能量或施加的力量,或者计算活动的类型,例如行走、坐着、躺着以及站立),或者监测装置或设备能够被附着到的其他对象的移动。在这些其他类型的设备中,额外于或代替确定垂直位置(即高度)的变化,确定设备的水平位移的变化可能是有用的。下文对本发明的描述主要是在对加速度的垂直分量的估计,并因此导出高度的变化方面提出的,但本领域技术人员将认识到,所描述的技术能够被用于确定加速度的水平分量以及因此表示沿水平轴的位置的信号,根据本发明的滤波器从该位置信号确定水平位置是否已有变化。
此外,尽管在下文描述的跌倒检测应用中,从加速度测量结果估计设备/用户的高度的变化以确定跌倒是否已发生,但所估计的设备的高度的变化也能够被用于确定用户在跌倒之后是否正起来(在该情况中潜在地能够撤销跌倒警报),或者用户已躺在地板上的时间长度。
图2(a)图示示范性设备2,其出于跌倒检测的目的实施根据本发明的确定高度的变化的方法。设备2采取要被用户穿戴的传感器单元的形式。设备2能够被提供为带有用于绕用户的颈部放置的颈索的悬挂物的形式,但备选地设备2能够被配置为被穿戴在用户的身体的不同部分处或上,例如手腕、腰部、躯干、骨盆或胸部,并且将包括用于将设备2附着到身体的该部分的合适布置(例如束带或缚带)。设备2能够备选地被提供为移动通信设备或任意其他类型的可穿戴或便携式电子设备的形式,例如移动电话、个人数字助理(PDA)、平板计算机、卫星导航设备或智能手机。
设备2被用于测量用户经历的加速度并处理测量结果以确定设备2的高度,并然后检测设备2的高度是否已有变化(以及因此用户的高度的变化)。尽管未在本文中描述,但将认识到,设备2可以执行对加速度测量结果的额外处理,以识别跌倒的其他特性,例如撞击或撞击之后的静止期。也将认识到,设备2可以包括另外的传感器,例如陀螺仪、磁力计、气压传感器和/或气流传感器,它们的信号能够被处理以确定,或辅助确定与跌倒相关联的高度、取向或其他特性。
设备2包括加速度计4,加速度计4测量沿三个正交轴的加速度。由加速度计4输出的信号被提供到处理器6以供分析。如所图示,设备2包括声音警报单元8,声音警报单元8能够在检测到跌倒时由处理器6触发。该警报能够召唤对用户的帮助。然而,将认识到,设备2中声音警报单元的存在是可选的。另外的可选部件是帮助按钮,其能够被用户按压以召唤帮助。
设备2还包括发射器或收发器电路9和关联天线10,其能够被用于处理的结果传输到远程(基本)单元或者用于在检测到跌倒时或者在帮助按钮(如果存在的话)已被按下时向呼叫中心进行紧急呼叫以召唤帮助。
设备2也任选地包括存储器11,存储器11被用于存储来自加速度计4的测量结果,以及用于存储处理器6的处理的结果。
在一些实施例中,加速度计4是微机电系统(MEMS)加速度计。
能够以30Hz的速率采样加速度计4经历的加速度,但是应认识到,能够使用许多其他采样频率(例如50Hz)。
在本发明的备选实施例中,如图2(b)中图示的,设备2是系统12的部分,其中,对加速度计测量结果的处理能够在基础单元13中执行,基础单元独立于由用户穿戴的设备2。在该情况中,加速度计测量结果能够经由收发器电路9从设备/传感器单元2被传输到基础单元13。
基础单元13包括收发器电路14和用于接收来自设备2的传输(例如加速度计测量结果)的天线15以及用于根据本发明处理测量结果的处理器16。
基础单元13也任选地包括存储器17,存储器17被用于存储从设备2接收的加速度计测量结果,以及用于存储处理器16的处理的结果。
收发器电路17可以被配置用于无线地向呼叫中心进行紧急呼叫,和/或可以被配置用于经由端口18连接到常规PSTN线路。
在另外的备选中,设备2可以在将结果传输到基础单元13之前,执行对加速度计测量结果的初始处理步骤中的一些,例如,完成处理并估计设备2的高度的变化。
将认识到,在图2(a)和图2(b)中仅图示了设备2(以及系统12)中用于解释本发明所需要的部件,并且根据本发明的设备2(或系统12)可以包括除本文中描述的那些以外的另外的部件和功能。例如,将认识到,设备2(和基础单元13)将包括某种形式的电源或电力供应和电路,用于控制设备2(和基础单元13)的操作。
本发明的以下描述参考图2(a)中示出的设备2,但本领域技术人员将容易地认识到,本发明能够如何适用于图2(b)中示出的系统12。
在方法的第一个步骤——步骤101中,获得对设备2(以及因此设备2被附着到的或由其携带的用户或目标)随时间的垂直或水平位置的估计。图1中的线44和46是在步骤101中获得的对设备2随时间的垂直位置(高度)的估计的范例。
如下面参考图4和图5更详细地描述的,步骤101能够包括使用3D加速度计4来测量设备2随时间的加速度,以及对加速度测量结果进行滤波和积分以提供表示对设备2的垂直或水平位置的估计的信号。
在一些实施例中,额外的传感器(例如气压传感器、陀螺仪和/或磁力计)被用于提供有关设备2的位置和/或取向的额外信息,该额外信息与加速度测量结果一起被处理以确定表示对设备2随时间的垂直或水平位置的估计的信号。在备选的实施例中,步骤101能够包括使用另一种或多种类型的传感器——例如气压传感器,其输出能够被转换成对设备2的位置的估计(例如在气压传感器的情况中为高度或海拔)——测量设备2随时间的高度。
图4是图示在其中来自加速度计4的测量结果能够被处理以获得对设备2随时间的垂直或水平位置的估计的示范性方式的方框图。本领域技术人员将意识到能够获得用于本发明的位置信号的其他方式。
简言之,在一些实施例中,步骤101能够包括:使用加速度计4获得在垂直或水平方向作用在设备2上的加速度的测量结果;使用第一滤波器以从所获得的测量结果去除因重力引起的加速度,以给出对因设备2的运动而在垂直或水平方向作用的加速度的估计;将对因设备的运动而在垂直或水平方向作用的加速度的估计进行积分,以给出对垂直或水平速度的估计;以及使用第二滤波器以从垂直或水平速度去除偏移和/或漂移,以给出经滤波的垂直或水平速度。第一滤波器能够是线性或非线性滤波器,并且第二滤波器能够是线性或非线性滤波器。在一些情况中,能够省略第二滤波器。
图5(a)-(f)是图示针对在其中第一和第二滤波器中的每个都是线性的实施方式以及在其中第一和第二滤波器中的每个都是非线性的实施方式,在图4中示出的处理的各个阶段的信号的图。
本领域技术人员将认识到,图4中示出的处理框能够在设备2的处理器6内得以实施,或者作为单独的电子部件。
作为初始步骤,收集作用在加速度计4(以及因此设备2)上的加速度的一系列测量结果。如上文指示的,加速度计4测量三个维度上的加速度,并输出针对测量轴中的每个的各自信号。
加速度计测量结果被提供到第一处理框22,其处理测量结果以识别加速度中在垂直方向作用的分量。该处理能够以许多中不同方式来执行。
为了做出对垂直加速度的准确估计,合乎期望的是获得对加速度计4(以及因此设备2)的取向的准确估计,从而能够对加速度计测量结果应用坐标变换(旋转)。
能够在设备2包括另外的传感器(例如陀螺仪和/或磁力计)时获得该取向估计,并且来自这些传感器的输出,可能与来自加速度计4的一起,被用于确定要被应用于加速度计测量结果的坐标变换(旋转)。备选地,设备2能够包括多个加速度计,并且能够根据在加速度计的各自位置处感测到的不同加速度来估计取向。在坐标变换之后,能够容易地识别加速度的垂直分量。
备选地,因重力产生的加速度(其根据定义在垂直方向起作用)能够被估计为加速度测量结果的低通分量(确保低通分量的大小恒定),并且该分量起作用的方向能够被用于确定加速度计4的(垂直)取向。在低通滤波的加速度的方向的加速度将对应于在垂直方向的加速度。作为又另外的备选,类似于由处理框24在使用下文描述的非线性滤波器时执行的过程的输出能够被用于获得对重力以及因此其方向的估计(其现在在三维加速度计信号的分量中的每个上操作,在此意义上是类似的)。
估计加速度的垂直分量的较简单的方式是计算3D加速度测量结果的范数。针对三个测量轴中的每个的信号输出包括重力,其指向垂直方向,并且能够被假设为相对于因运动产生的加速度具有相对大的幅值。因运动和因重力产生的加速度组合为向量和。在计算该向量和的范数时,水平分量的贡献相对地小,这是因为它们正交于重力分量并且与该重力分量相比幅值小。在垂直方向的加速度将出现在具有不变幅值的范数中,条件是,当它们在向下方向时,它们不超过重力(否则该范数将把净负分量转化成正的,其中向上加速度,例如仅靠重力的,被定义为正的)。因此,范数是对垂直加速度(包括重力)的具有成本效益的估计量。然而,如上文所表明的,显著的水平加速度和大的向下加速度(即超过重力)将在所估计的垂直加速度中引入扭曲。
如果设备2被实施为,例如,要被穿戴在用户的颈部周围的悬挂物,则设备2将通常处于一个特定取向,并且该取向的知识能够被用于从加速度计测量结果识别加速度的垂直分量。然而,将认识到,如果设备2未被恰当穿戴或者如果在正常使用期间或在跌倒期间其取向发生变化,则该途径可能会有大的误差。
在WO 2010/035191中描述了另一种途径,该申请描述了一种用于从具有任意取向的3D加速度计信号来估计加速度的垂直分量的技术。根据该技术,通过(i)检查来自加速度计的信号以识别具有最高加速度分量的加速度计的轴,(ii)通过确定作用在加速度计上的加速度(该加速度被假设为一般是由重力引起的)与具有最高加速度分量的轴之间的角度,来确定加速度计的取向,以及(iii)使用所估计的加速度计的取向来从对加速度的测量结果确定在垂直方向的加速度,来估计加速度的垂直分量。
由第一处理框22输出的加速度的垂直分量在图4中被指代为accz,并且在图5(a)中示出示范性垂直分量信号。该信号覆盖在其中发生高度的增加的时间段(约1368秒时间);其中设备已从在桌上或被握在手中的静止位置被举起,这引起一些振动。加速度的垂直分量被提供到第二处理框24并到加法/减法框26。
处理框24使用第一滤波器估计在加速度的垂直分量中因重力产生的加速度。
在简单的实施例中,处理框24使用针对重力的恒定值。该值可以是9.81ms-2,但其可以是不同的值,取决于加速度计4的特定特性或校准。例如,加速度计4输出在实际值之外0.2ms-2或更多的加速度的值并不罕见,并且这可能作为影响所使用的恒定值的因素来考虑。这能够在图5(a)看到,其中恒定值大于10ms-2。在该简单实施例中,处理框24能够将估计量应用到加速度的垂直分量,其输出针对重力的恒定值(例如9.81ms-2)。如所示,除恒定输出以外,估计量能够被理解为滤波器。
在备选的实施例中,处理框24能够对加速度的垂直分量应用线性滤波器,以提供针对重力的估计。线性滤波器能够使具有合适的截止频率的低通滤波器。例如,滤波器能够是移动平均(MA)滤波器。
如已知的,线性滤波器以其脉冲响应曲线为特征。在其输入的脉冲得到在时间上展宽的信号。因此,加速度的突然变化——其发生在跌倒期间——能够被视为被叠加在连续感测的重力信号上的脉冲。因此,在使用线性滤波器估计重力分量时,将存在因脉冲展宽造成的高估和低估。高估和低估的严重度取决于滤波器的带宽(或脉冲响应的长度)。这些高估和低估将在后续的积分步骤中被处理为因运动产生的垂直加速度的部分,并因此将得到错误的速度估计,以及因此也错误的位置估计。
此外,在加速度计4的取向变化时,重力沿加速度计4的测量轴中的每个的分量发生变化。该变化表现为在所估计的重力中的瞬时误差。瞬时误差类似于脉冲响应并且具有相同的传播(更确切地,其为阶跃响应)。该传播也造成速度以及在积分步骤之后的位置估计中的误差。该类型的误差在其中使用范数的实施例中不存在——假设没有校准误差,这是因为范数对取向不敏感。
在估计加速度的垂直分量时(如在上述过程中),该取向变化被考虑在内,并且影响被减小到在通过框22估计的取向中的误差的水平。在来自加速度计4的测量结果包括偏移时,取向的变化将引起由于该偏移造成的所感测的重力分量的幅值的变化。这是能够引起瞬时误差的另一作用,其再次可以表现为高度估计中的误差。
如在国际专利申请号PCT/IB2012/054192中所描述的,处理框24能够对加速度的垂直分量应用非线性滤波器,以提供针对重力的估计。非线性滤波器更有能力“忽略”在跌倒期间发生的加速度的突然变化,或者更有能力遵循在取向的变化时发生的瞬变。
该非线性滤波器能够是中值滤波器。如已知的,中值滤波器处理轮流输入信号中的每个样本,利用许多相邻样本的中值代替每个样本。每个阶段考虑的样本的数据由滤波器的窗口大小来确定。典型的半窗大小能够是1.6秒(因此窗口涵盖在当前样本之前1.6秒的样本和在当前样本之后的1.6秒的样本)。
中值滤波器因抑制视频图像中的椒盐噪声而著称,即抑制短持续时间的(黑白)信号尖峰。在跌倒期间经历的加速度能够被视为加速度信号中具有(相对)短持续时间的尖峰,并且因此使用中值滤波器去除该尖峰将因此产生对重力的好得多的估计,并且不遭受与线性滤波器相关联的响应展宽问题。
非线性滤波器能备选地为递归中值滤波器。该类型的滤波器具有其倾向于保留其(对重力的)先前估计的性质。以此方式,加速度中的波动不会立即表现为对重力分量的估计的串扰,同时仍追踪变化,例如因加速度计4的取向变化或差的校准造成的阶跃。
如已知的,递归中值滤波器类似于中值滤波器,除了在计算针对特定样本的中值时其使用在样本窗口中的已计算的中值,而非信号中的原始样本值。
递归中值滤波器能够是向前或向后递归中值滤波器,其确定在其中垂直加速度分量被滤波的方向。向前递归中值滤波器将试图保持过去的值(即保持它们恒定),而向后递归中值将试图保持未来的值。取决于信号的性质,这些类型的递归中值滤波器的输出能够不同。例如,在其中脉冲之前的信号具有比脉冲之后的信号更低的值时,向前递归中值滤波器将倾向于使用较低的值,而向后递归中值滤波器将倾向于使用较高的值,并且两个结果之间将存在差。因此,有可能对垂直加速度信号分别应用两个滤波器,并对结果取平均以获得重力分量。备选地,能够使用在其中两个滤波器输出有分歧的点之间的线性插值。有可能以不同方式组合两个结果。
非线性滤波器能够备选地为加权中值滤波器,其中各自的权重被应用于滤波器窗口中的每个样本,或者为模式滤波器,其取当前窗口中的样本值中的大多数最接近的样本值。
在其他情况中,混合型的版本能够被用于对垂直加速度进行滤波。该滤波器能够估计重力,并且决策过程运行以决定使用哪个值。例如,该决策能够是使用由不同滤波器的估计组合,或者是在运动的水平超过阈值时冻结所估计的重力。
图5(b)示出在线性低通(移动平均)滤波器被应用于垂直加速度信号时(由线50表示)以及在非线性中值滤波器被应用于垂直加速度信号时(由线60表示),对因由处理框24输出的重力引起的加速度的估计。
尽管未在图4中图示,但有可能将另外的滤波器应用到对重力加速度的估计,以对信号进行平滑。
在设备2也被配置为处理加速度计测量结果以确定用户是否在检测到的跌倒之后正起来,有可能将所估计的因重力引起的加速度时移一或两秒。当用户躺在地板上时,针对重力分量的信号相对平滑(即恒定)。因此,通过对重力估计进行时移,能够在其中用户可能正起来时的时期期间使用恒定值。
对因由处理框24输出的重力引起的加速度的估计被提供到加法/减法框26,在这里将其从由第一处理框22输出的加速度的垂直分量减去,以留下因设备2的运动引起的在垂直方向的加速度。由框26输出的所估计的因运动引起的垂直加速度(在减去使用移动平均滤波器获得的重力估计之后——被标记为51,以及在减去使用非线性中值滤波器获得的重力估计之后——被标记为61)被示于图5(c)中。
将认识到,处理框24的输出可以由于处理框24的处理所需要的时间,而相对于被直接提供到加法/减法框26的对垂直加速度的估计被延迟。因此,到框26的输出能够被同步(例如通过将延迟引入到垂直加速度估计accz中)。
也将认识到,被应用于垂直加速度信号的非线性中值滤波器24和随后的加法/减法框26能够被单个滤波器代替,该单个滤波器在本文中被称做“互补”中值滤波器,其以相反的方式作用于中值滤波器,即其使信号中被中值滤波器阻挡的部分通过,并且阻挡信号中被中值滤波器通过的部分。因此,“互补”中值滤波器使表示因设备2的运动引起的垂直加速度的短持续时间的脉冲通过,并且去除垂直加速度信号中的重力加速度。能够在其中滤波器24是线性滤波器的实施例中提供类似的“互补”移动平均滤波器。
然后由处理框28关于时间积分表示因设备2的运动引起的垂直加速度的信号,以给出对垂直方向的速度的估计。被输入到积分框28的初始速度值v(t0)是未知的,但通常被假设为零。在任何情况中,接下来的滤波阶段(下文中进一步进行描述)——并且其可以如上文指出的被省略——去除了垂直速度信号汇总的偏移和漂移,并且因此初始速度分量(如果非零的话)将基本上被去除。
已发现,无重力加速度信号(图5(c)中示出的)不是对因设备2的物理移动引起的加速度的完美表示。信号被扭曲,有效地引起了积分框28的输出中的额外速度分量。扭曲可能是由处理框22执行的取向估计过程引起的,并且也可能是由串扰到垂直估计中的水平加速度引起的。尤其地,在使用范数作为估计量时,将存在串扰。而且,该串扰将具有正号(即总是增大垂直分量的值),因此速度分量中的阶跃常常是正的,如在脉冲之后图5(d)的线62所示。该扭曲不是恒定的,但与移动信号有关,并且因此不能作为由处理框24的重力估计的部分被滤波。然而,在由框28的积分之后,该扭曲主要引起单调分量。这能够例如在图5(d)中被标记为62的线中看到,其中积分在速度中留下了约0.25ms-1的偏移。如果在重力估计阶段使用了线性滤波器,则在因滤波器响应展宽造成的所估计的重力中的误差引起显著的速度分量(示于图5(d)中被标记为52的线中)。
因此,表示垂直速度的信号被提供到第四处理框30,其对垂直速度信号应用滤波器,以估计该信号中存在的偏移和任何漂移分量。该滤波的结果是表示单调(即偏移和漂移)分量的波动的信号。
获得DC(恒定)或缓慢变化的(偏移和漂移)分量的传统线性滤波器包括低通滤波器和移动平均滤波器(其也呈现低通行为)。这些滤波器影响在对应于滤波器的整个时间响应中的相邻样本。因此,尽管偏移可以被移出,但补偿“鬼影偏移”可以出现在对样本的校正拉伸之前和之后。这些“鬼影偏移”能够显著模糊积分对样本的校正拉伸的结果,以获得高度的变化。然而,图3的步骤103中使用的非线性滤波器允许从高度信号提取高度的变化。
作为对线性滤波器的使用的备选,非线性滤波器能够被处理框30应用于垂直速度信号,以去除信号中存在的偏移和漂移。该非线性滤波器可以是中值滤波器。如上文描述的,中值滤波器有效地阻抗信号中的脉冲和振荡,同时使常数和边界(即偏移和漂移)通过。针对该滤波器的典型半窗口大小能够是0.8秒(因此该窗口涵盖当前样本之前的0.8秒的样本和当前样本之后的0.8秒的样本)。正如上面的第一滤波器,在第二滤波器是非线性滤波器时,该滤波器可以备选地是加权中值滤波器或模式滤波器。
在被处理框24应用的滤波器是非线性滤波器时,第四处理框30能够将线性滤波器应用到垂直速度信号,以取决于使用得到的速度或高度估计的应用,来估计偏移和漂移。如在图5(d)中可见,处理框24中的非线性滤波器的应用已限制了获得的速度的展宽。线性滤波器用于去除偏移和漂移的应用将引起一些展宽,但其可以是在可接受的限度范围内的。
使用线性移动平均滤波器获得的并且包括如上所述的“鬼影偏移”的表示垂直速度信号中的偏移和漂移的信号在图5(d)中被示为虚线53。使用非线性中值滤波器获得的并且是处理框30的输出的表示垂直速度信号中的偏移和漂移的信号在图5(d)中被示为虚线63。
来自处理框30的信号与来自积分框28的垂直速度信号一起被输入到加法/减法框32,其在这里被从垂直速度信号减去,以给出无偏移和漂移的垂直速度信号。通过对垂直速度的估计应用线性移动平均滤波器获得的垂直速度在图5(e)中由线54示出,并且可见速度中的传播的部分已被去除,但在峰值附近保留有显著的反转分量。通过非线性中值滤波器的使用获得的垂直速度在图5(e)中由线64示出,并且可见在较早的处理阶段期间应用的非线性滤波器得到了对设备2的实际垂直速度的更准确估计。
对于加法/减法框26,对加法/减法框32的输入可能需要被同步以补偿由处理框30引入的延迟。
对于在处理步骤24中的滤波,将认识到,被应用到垂直速度信号的非线性中值滤波器30以及后续的加法/减法框32能够被单个滤波器代替,该单个滤波器在本文中被称作“互补”中值滤波器,其以与中值滤波器相反的方式起作用,即其使信号中被中值滤波器阻挡的部分通过,并阻挡信号中被中值滤波器通过的部分。因此,“互补”中值滤波器使表示设备2的实际速度的具有短持续时间的脉冲通过,并移除垂直速度信号中存在的偏移和漂移。如上文,能够在其中滤波器30部分是线性滤波器的实施例中提供类似的“互补”移动平均滤波器。
然后由处理框34关于时间积分无偏移和漂移的垂直速度信号,以给出估计设备2的高度的信号。被输入到对积分框34的初始位置值p(t0)通常将是未知的,但在积分的结果被用于确定高度的变化时,初始位置的知识是不必要的。如果期望计算实际高度,则将需要某种校准或初始化以设定p(t0)。
图5(f)示出在处理期间使用线性滤波器时(线55)和在处理期间使用非线性滤波器时(线65)所估计的高度信号。将指出,图5(f)示出了类似于在图1的左右边发现的那些的信号。从线65可见,已发生了高度的“持续”增加,但被引入到使用线性滤波器获得的信号中的瞬变得到在该信号中被掩盖的高度变化(线55)。
如参考图4所描述的,作用在垂直方向的加速度是从三维加速度计测量结果(例如通过取加速度计测量结果的范数)估计的,并且然后滤波器被应用到移位垂直加速度估计,以估计因重力产生的加速度。在备选的实施方式中,第一滤波器能够被应用于来自加速度计4的测量轴中的每个的信号,以在对加速度的垂直分量的估计之前,估计在三个维度由重力产生的加速度。该三维重力估计能够然后被用于估计在三维加速度计测量结果中加速度的垂直分量,此后,从所估计的垂直分量减去重力估计(或者使用——与第一滤波器相同或不同类型的——另外的滤波器获得的另一重力估计),以给出所估计的因设备的运动产生的垂直加速度。此外,使用该途径,能够估计(因运动产生的)水平加速度,并以类似的方式处理它以估计水平速度和位置。
现在返回到图3,在步骤101中已获得了高度信号后,滤波器被应用到对设备2的高度的估计,以检测设备2的高度是否已有变化。在一些实施例中,滤波器的输出能够是对已有的高度的变化是否大于预定量的指示。在其他实施例中,滤波器的输出能够是对高度的实际变化(以及该变化是否是高度的增加或高度的降低)的指示。
常规地,通过计算在信号中的特定(当前)样本处的高度估计与在当前样本之前预定时间段的较早样本之间的差,来检测和估计高度的变化。这种检测和计算高度的变化的方式对应于线性滤波器的应用。然而,如上文讨论的,该类型的滤波器不能检测图1中示出的这样的线44的高度信号中的高度的变化,其中高度信号中的瞬变掩盖了实际高度变化。在图6和图7中图示了该问题。图6示出利用为线性滤波器的滤波器24和滤波器30,使用图4中图示的过程,从加速度计测量结果获得的高度信号70(其类似于图1中示出的信号44)。图6也示出了从气压传感器以常规方式获得的高度信号72,并且可见有两个事件,在两个事件中设备2升高并然后降低,尽管高度信号70显示设备2的高度总体上没有变化。
图7示出从图6中的高度信号72导出的高度变化信号74,以及从图6中的高度信号70导出的高度变化信号76。在两种情况中,高度变化信号74、76都是使用线性滤波器获得的,线性滤波器分别让图6中的高度信号72、70通过。在该范例中,线性滤波器计算当前高度估计与高度信号中5.5秒之前的高度估计之间的差。因此,在信号76中可见,尽管所描述的滤波器操作将给出增加和降低两者,但并不容易识别已发生了何种高度变化。尤其是在现实生活情境中(其中高度信号将是连续变化的),将难以从全部得到的降低和增加确定真实(物理)高度是怎样的,如果发生了任何变化的话。
因此,根据本发明,被应用到所估计的位置信号的滤波器是非线性滤波器,因为这允许在位置信号中检测(并量化)位置变化,即使是在位置变化被信号中的瞬变掩盖的情况中。在优选的实施例中,非线性滤波器是基于“最大最小”的滤波器,其在下文中更详细地进行讨论。
简言之,滤波器从信号窗口化部分的识别最大位置值和最小位置值(图3中的步骤103),并将位置变化确定为识别出的值之间的差(步骤105)。如下文更详细描述的,识别出的最大位置值和最小位置值是在所估计的位置信号上运算的函数的结果,其中,结果值与最大和最小位置值中的某个中心点相关联。在一些实施例中,最大位置值和最小位置值可以是窗口化部分中的全局最大和最小信号,它们可以是根据特定规则识别的窗口化部分中的全部和/或局部最大和最小信号值,它们可以分别是多个最高和最低信号值的平均值,或者它们可以是窗口化部分中的特定排列位置中的信号值。也能够使用获得表示最大和最小值的中心点的其他形式。两种形式不需要是相同的。
本文中提出的各种非线性滤波器利用了以下事实,即位置变化自身在使用两个线性滤波器获得的位置信号中仍是可见的。如在图1的线44中和图5(f)的线55中可见,实际高度升高被表示在信号中,但其之前和之后是明显的高度降低(本文中也被称作下降)。类似地,实际高度下降之前和之后是高度升高。如上文指出的,这些伪迹起因于在位置信号的导出中应用的线性滤波器的瞬变。
在图8中图示步骤103中使用的第一非线性滤波器的操作,其能够被用于检测是否已有位置的变化(后文称为高度)或者用于输出已发生的高度的特定变化。该第一优选类型的非线性滤波器在本文中被称作“最大最小”滤波器。
最大最小滤波器的原理是在高度信号上限定预定义大小的窗口(被指代为diffSz),并计算发生在该窗口内的最大高度与最小高度之间的差。最大高度与最小高度之间的差是对在被窗口覆盖的时间段上的高度变化的估计。
因此,在图8的第一个步骤,步骤111中,对高度信号应用窗口,以选择高度信号中用于由滤波器分析的部分。
在步骤113中,识别在所选择的部分中出现的最大高度。换言之,识别该窗口内具有最高值的高度信号中的样本。
在步骤113中识别最大高度的一种方式是:(i)将所选择部分中的第一个样本的值存储为参数maxT,(ii)取得所选择部分中的下一个样本,并将该样本的值与所存储的maxT的值进行比较,(iii)如果新的值较大,则将新的值存储为maxT,否则,将maxT的值维持为其当前值,并且(iv)从步骤(ii)开始重复。对应于该过程的伪代码如下所示:
int k0=选定的部分中第一个样本的索引
int k1=选定的部分中最后一个样本的索引
double maxT=sig[k0];
for(int k=k0;k<=k1;k++)if(sig[k]>maxT)maxT=sig[k];
return maxT;
类似地,识别选定的部分中出现的最小高度(即具有最低值的样本)(步骤115)。将认识到,尽管对最大高度和最小高度的识别在图8中被示为单独的顺序的步骤,但处理器6通常将轮流分析窗口中的每个样本,并且力图在数据上的单个周期内识别最大高度和最小高度。
在已识别出最大高度和最小高度后,处理器6将在被窗口覆盖的时间段中的高度变化确定为最大高度与识别出的最小高度之间的差(步骤117)。该步骤能够包括从识别出的最大高度对识别出的最小高度的简单减法。
在一些实施方式中,处理器6能够估计所确定的高度变化发生时的时间(步骤119)。处理器6能够估计高度变化发生时的时间是对应于正被分析的高度信号的部分中的中心样本,或者备选地,位于识别出的最大高度与识别出的最小高度之间的中间的样本的时间。备选方式能够是记住对最大和最小样本的索引,并且使用它们以导出高度变化的位置(索引)。
在该阶段,所确定的高度变化(以及所估计的高度变化发生时的时间,如果确定了的话)能够被滤波器/处理器6输出,并被用于任何后续处理中(例如确定设备2的用户是否已跌倒,等)。
在步骤121中,沿所估计的高度信号位移窗口,并且针对窗口中的高度信号的新的部分重复步骤113-119。在步骤121中能够位移窗口单个样本,或者多个样本或设定的时间段。
因此,该“最大最小”滤波器的使用允许识别高度变化,即使是在所估计的高度信号中的高度变化被信号中的伪迹掩盖时。
图9中的图示出如上参考图8描述的最大最小滤波器的操作和输出。图9(a)-(f)中的每个示出对应于已针对各自的时刻k0-k5被窗口化的高度下降的示范性高度信号80(其中窗口82被集中在特定时刻)。这些时刻是示范性的,能够使用其他间距。信号中在每个时刻的窗口化部分被标记为82并且被示于垂直虚线之间。每个图中的框84都与窗口82宽度相同,并且框84的上下两边分别对应于窗口82中的最大高度值和最小高度值。将认识到,针对信号80的窗口化部分82的高度的变化由框84的垂直高度来表示。
图9(g)图示最大最小滤波器在信号80上的输出,即分别在图9(a)-(f)中示出的每个时刻k0-k5时,从信号80的窗口化部分82确定的高度的变化。
在图10中图示能够被用于检测是否已有高度的变化或者被用于输出已发生的高度的特定变化的第二非线性滤波器的操作。在该第二种优选类型的非线性滤波器中,步骤111-121与以上在图8中描述的“最大最小”滤波器相同,除了该滤波器包括在步骤117(在其中确定高度变化的步骤)与可选的步骤119(在其中估计高度变化的时间)之间的额外步骤。
在该额外步骤中,在图10中被标记为步骤123,处理器6确定识别出的最大高度和识别出的最小高度的时间顺序,以确定高度变化是上升或下降。从图1的信号44和图6的信号70可见,当高度变化是上升时(左侧),最大值出现在最小值之后,并且当高度变化是下降时(右侧),最大值出现在最小值之前。因此,在步骤123中,如果处理器6确定最大值出现在最小值之后,则其将所确定的高度变化归类为上升,并且如果处理器6确定最大值出现在最小值之前,则其将高度变化归类为下降。在一些实施方式中,处理器6能够为所确定的高度变化分配一符号(例如+或-),以指示其是上升或下降。该滤波器在本文中被称作“带符号最大最小”滤波器。带符号最大最小滤波器可以被用于跌倒检测器。例如,由于经仅考虑带负号的输出。反之亦然,在检测正站立的用户时,带负号的输出将不引起触发站立检测器。符号因此能够被归类器(或检测器)用于优化其准确度。
图11图示带符号最大最小滤波器在其通过图6中的高度信号70时的输出78。信号74示出从如图7中的气压传感器测量结果导出的高度变化。因此可见,带符号最大最小滤波器的使用意味着能够更容易地识别高度变化。
表示带符号最大最小滤波器的操作的伪代码如下所示:
int N=sig.length;
int minT=0;
double minV=sig[0];
for(int k=0;k<N;k++)if(sig[k]<minV){minT=k;minV=sig[k];}
int maxT=0;
double maxV=sig[0];
for(int k=0;k<N;k++)if(sig[k]>maxV){maxT=k;maxV=sig[k];}
if(minT<maxT)return maxV-minV;
else return minV-maxV;
图12中图示能够被用于检测是否已有高度的变化或者用于输出已发生的高度的特定变化的第三非线性滤波器的操作。该滤波器被称作“定向最大最小”滤波器,因为滤波器被“定向”为寻找高度上升或高度下降。以此方式定向滤波器可以取决于设备2处于其中的应用而是有用的。例如,在设备是跌倒检测器时,处理器6能够配置滤波器/处理为寻找高度下降,并且在其想要检测用户在跌倒后是否再次站起时,其开始寻找上升。在另一范例中,其中设备2是离床检测器时,处理器6能够配置滤波器/处理为寻找上升,例如在姿势变化附近的(其能够使用何时的处理技术从加速度计信号检测到)。如同带符号最大最小滤波器,定向最大最小能够帮助改善后续归类器或检测器的准确度。
定向最大最小滤波器在其寻找上升时的原理是,找到窗口化部分内所估计的高度信号中的样本之间的最大差,其中两个“最大值”应出现在“最小值”之后(每个样本都表示在该时刻所估计的高度值)。在其寻找下降时,“最小值”需要出现在“最大值”之后。由于时间顺序被约束,因此“最大值”和“最小值”不必须是在整个窗口部分上的最大值或最小值。而且,注意到搜索的是最大差,其中最大差不必须是窗口部分中在数字上的最大差,而能够以与最大值和最小值被定义的类似的方式被定义。例如,能够选择第二最大差或平均值。这样的定义能够使优选的,例如,以降低可能的离群值的影响。下面给出定向最大最小滤波器的操作的范例。
假设以下局部最大或局部最小样本出现在所估计的高度信号的窗口化部分中:
s[k0]=-7,s[k1]=7,s[k2]=-9,s[k3]=6,s[k4]=-10,
其中,k0<k1<k2<k3<k4指示样本索引(不必须一个接一个,但是时间增加)。以上参考图8描述的最大最小滤波器将返回17,并且以上参考图10描述的带符号最大最小滤波器将返回-17。定向最大最小,在寻找下降时,将也返回值-17。然而,在寻找上升时,其将返回15。这是因为在k0时的样本与在k1时的样本配对得到为14的最大(考虑到k0)上升,但在k2时的样本与在k3配对得到15,其更大。k2不是窗口中的总体最小值,并且k3不是窗口中的总体最大值。在k2时的样本将不与在k1时的一个配对,因为时间次序与上升方向相反。
在图12中描绘定向最大最小的实施例。在图12中,流程图的具有以“a”结尾的步骤标记的左手边部分对应于被定向为寻找高度降低(下降)的滤波器的操作,并且流程的具有以“b”结尾的步骤标记的右手边部分对应于被定向为寻找高度增加(上升)的滤波器的操作。
该滤波器的操作中的第一个步骤(步骤111),对所估计的高度信号的窗口化,与上述针对两个其他滤波器的相同。
在接下来的步骤(步骤125)中,其是可选的(但有助于使后续的处理步骤更有效),识别所估计的高度信号中的所有局部最大值和局部最小值。
当滤波器被定向为识别高度降低时,接下来的步骤(步骤127a)包括,针对窗口中的每个局部最大值,识别出现在正被考虑的局部最大值之后的最低高度。该“最低高度”将对应于高度信号的窗口化部分中的局部最小值(并且可能备选地被描述为高度信号的窗口化部分中在正被考虑的局部最大值之后的剩余部分的局部最小值)。此外,针对每个局部最大值,确定局部最大值的高度与各自的最低高度之间的差。
在已针对信号的窗口化部分中的局部最大值中的每个已确定了高度的差后,过程移动到步骤129a,在其中将针对窗口化部分的高度的降低确定为在步骤127a中确定的高度的最大差。该高度的降低形成了定向为下降的最大最小滤波器的输出。
可选地,能够以与图6中的步骤119类似的方式在步骤131a中识别高度降低时的时间。
然后能够以与图6类似的方式在步骤121中位移窗口,并且针对经位移的窗口中的样本重复处理。
当滤波器被定向为识别高度增加时(其可以在以检测到跌倒之后使用,并且处理器6监测用户以确定他们是否已起来,或检测离床),第一个步骤,步骤127b,包括,针对窗口中的每个局部最小值,处理器6识别出现在正被考虑的局部最小值之后的最大高度。该“最大高度”将对应于窗口化信号中在正被考虑的最小高度之后的剩余部分中的局部最大值(并且能够备选地被描述为高度信号的窗口化部分中在正被考虑的局部最小值之后的剩余部分中的局部最大值)。此外,针对每个局部最小值,确定各自的最高高度与局部最小值的高度之间的差。
在步骤129b中,针对信号的窗口化部分高度增加的量被确定为是在步骤127b中找到的最大差。该高度的增加形成了定向为上升的最大最小滤波器的输出。再次,可选地,能够以与图6中的步骤119类似的方式在步骤131b中识别高度增加时的时间。
在定向最大最小滤波器(上升或下降)的情况中,将认识到,在以上图3的步骤103中所称的最大位置值和最小位置值对应于产生在步骤129a或129b中找到的高度的最大差的识别出的最大值和最小值的高度值。
图13图示实施来自图12的定向为上升的最大最小滤波器的备选方法。图13中的步骤代替图12中的步骤125-129。尽管图13涉及定向为上升的最大最小滤波器,但本领域技术人员将认识到所图示的过程能够如何适于搜索高度降低。
针对被定向为识别高度增加的滤波器,在窗口化高度信号之后的第一个步骤,步骤141,是初始化三个参数的值。参数“当前_min”被设定为信号的窗口化部分中的第一个样本的高度值,参数“当前_max”被设定为窗口中的“最大值”的高度值,例如如以上在图8步骤113中描述的,并且参数“最大_高度_上升”被设定为“当前_min”与“当前_max”的值之间的差。在下文的描述中,“当前_min”和“当前_max”也被用于指示窗口中的时间索引/时刻。
然后,在随后的步骤,步骤143中,处理器6在“当前_min”样本与“当前_max”样本之间搜索最小高度值。在步骤145中,将最小高度值与“当前_min”的值进行比较,并确定最小高度值是否小于“当前_min”的值。
如果最小高度值小于“当前_min”的值,则方法移动到步骤147,其中参数“当前_min”被设定到最小高度值,并且从针对“当前_min”的新的值和针对“当前_max”的先前设定的值,重新计算参数“最大_高度_上升”。方法然后进行到步骤149。
如果在步骤145中,发现最小高度值大于“当前_min”的值,则方法跳过步骤147并直接进行到步骤149。
在步骤149中,确定对应于针对“当前_max”的值的样本是否是窗口中的最后一个样本。如果其不是窗口中的最后一个样本,则过程移动到步骤151,在其中识别窗口中在“当前_max”样本之后的下一个最大值。
该下一个最大值的值被设定为针对参数“当前_max”的值(步骤153)。方法然后返回到步骤143,并重复。
如果在步骤149中,确定对应于针对“当前_max”的值的样本是窗口中的最后一个样本,则方法移动到步骤155,并且输出针对参数“最大_高度_上升”的当前值作为高度上升。然后能够确定所确定的高度变化发生的时间(图12中的步骤131)并沿信号对窗口进行移位(图12中的步骤121)。
注意到,在步骤143和步骤151中,“当前_min”和“当前_max”被排除搜索。由于所述形式中的搜索可以返回到下一个样本,并将针对许多迭代这么做,因此能够实现进一步的优化,如本领域技术人员将清楚的。
在定向为上升的最大最小滤波器的另一备选实施方式中,在窗口化高度信号之后的下一个步骤是识别将得到相对于所估计的高度信号的部分中的第一个样本的最大高度上升的样本索引和高度值。后文中该识别的样本称为“最大值”。该步骤与图8中的步骤113实质相同(其中此外还存储样本索引)。然而,在随后的步骤中(对应于步骤127a),处理器6然后搜索在第一个之后的小于该第一个样本的样本。这样的样本——被称作“较小”样本,可以形成比目前为止所发现的上升更大的上升。如果所记住的“最大值”样本在该新发现的“较小”样本之后,当然是这样。如果“最大值”在所发现的“较小”之前,其要进行是否能找到具有“更小”样本的另一对的新的测试,其中,该对形成比目前位置所发现的差更大的差。在以上范例中,在发现对k0-k1之后,样本k2更小,并且其能够与k3配对得到更大的(上升)高度差。
表示定向最大最小滤波器的伪代码如下所示:
图14图示定向最大最小滤波器在其通过图6中的高度信号70时被定向为识别下降时的输出80。信号74示出从如图7和图11的气压传感器测量结果导出的高度变化。可见,在下降定向的最大最小滤波器的输出信号80中清楚地定义了高度的降低。
图15图示定向最大最小滤波器在其通过图6中的高度信号70时被定向为识别上升时的输出82。信号74示出从如图7、图11和图13的气压传感器测量结果导出的高度变化。可见,在下降定向的最大最小滤波器的输出信号80中清楚地定义了高度的增加。
在图16中图示了能够被用于检测是否已有高度的变化或者被用于输出已发生的高度的特定变化的第四非线性滤波器的操作。该滤波器基于图12和图13中示出的并且如上所述的“定向最大最小”滤波器。在第四非线性滤波器中,计算两个定向最大最小值(即执行图12的步骤127a-129a和步骤127b-129b/131b,或者执行图13中针对上升和下降两者的步骤),这从所估计的高度信号的特定窗口化部分获得上升和下降两者。
如图1的线44中以及图5(f)的线55中所示,高度上升之前和之后是明显的高度下降(并且针对高度下降反之亦然)。已观察到,之前和之后的伪迹是比所期望的高度变化大小更小。当在所估计的高度信号上恰当定位滤波器的窗口时,两种伪迹都将被处理器6找到。因此,在该非线性滤波器中,下降紧密地在具有更大大小的上升之前或之后时,则该下降被去除。类似地,上升紧密地在具有更大大小的下降之前或之后时,则该上升被去除。以此方式,因滤波器瞬变引起的下降或上升将不被滤波器输出,并因此将不被用于后续处理。
图16中示出的步骤发生在图12或图13中针对“定向最大最小”滤波器示出的步骤之后。因此,高度降低和高度增加两者都已被确定,并且在步骤161中将它们进行比较以识别哪个最大(即具有最高幅值)。
如果所确定的高度增加大于所确定的高度降低,则方法移动到步骤163,在其中确定所确定的高度降低是否可能是加速度计的处理的伪迹或其他移动信号,或者其是否对应于设备2的实际(物理)高度增加。例如,高度降低在其出现在(在时间上)接近所确定的高度增加时,更可能是伪迹。因此,在一些实施例中,步骤163包括确定所确定的高度降低是否出现在所确定的高度增加的预定时间段内。换言之,确定高度增加与高度降低的发生之间的时间差是否小于预定时间段。该时间段被指代为Δt并且能够在一秒的量级(例如0.1至1秒)。
如果高度增加和高度降低的发生之间的时间差小于预定时间段(即降低接近增加而发生),则丢弃所确定的高度降低(步骤165),并且滤波器输出所确定的高度增加作为当前窗口内的高度变化(步骤167)。
如果高度增加与高度降低的发生之间的时间差大于预定时间段(即降低并不接近增加而发生),则所确定的高度增加和所确定的高度降低两者都能够被滤波器指示为针对当前窗口的分别的高度变化事件(步骤169)。
返回到步骤161,如果所确定的高度增加小于所确定的高度降低,则方法移动到步骤171(其类似于以上步骤163),在步骤171中确定所确定的高度增加是否可能是加速度计的处理的伪迹或其他移动信号,或者其是否对应于设备2的实际(物理)高度增加。因此,在一些实施例中,步骤171包括确定所确定的高度增加是否发生在所确定的高度降低的预定时间段内,即确定高度增加与高度降低的发生之间的时间差是否小于预定时间段。如上,该时间段被指代为Δt并且能够在一秒的量级,例如在0.1与1秒之间。
如果高度增加与高度降低的发生之间的时间差小于预定时间段(即增加接近于降低而发生),则丢弃所确定的高度增加(步骤173),并且滤波器输出所确定的高度降低作为当前窗口内的高度变化(步骤175)。
如果高度降低与高度增加的发生之间的时间差大于预定时间段(即增加并不接近降低而发生),则所确定的高度降低和所确定的高度增加两者都能够被滤波器视之为针对当前窗口的分别的高度变化时间(步骤169)。
如同前述滤波器,在已确定了(一个或多个)高度变化后,能够对窗口进行移位(步骤121)并重复滤波器的操作。
在上述非线性滤波器中的任一种中,被应用到高度信号的窗口的大小能够使适合于设备2已被置于其中的应用的时间段,例如针对跌倒检测器设备为5秒或在2至12秒之间的任意其他时间。通过用该持续时间乘以采样频率给出窗口中的高度信号中的样本的数据。
将认识到,在上述优选的滤波器类型中的任一种中,能够通过仅分析窗口中的样本的子集,例如仅每隔一个样本,或者可能能够分析窗口的中心部分中的样本的全部连同窗口中的剩余样本的子集,来降低处理器6上的计算负荷。
也将认识到,所描述的非线性滤波器的备选实施方式是可能的。例如,识别最大高度和最小过渡的步骤(例如步骤113和115)能够包括取窗口中的样本中分别具有最大或最小高度值的预定数目(例如3个)的平均或中值。
备选地,识别最大高度和最小高度的步骤能够被泛化为识别窗口化部分中的第m和第n排序的样本,其中第m排序对应于低值样本或最低值样本(即最小值)并且第n排序对应于高值样本或最高值样本(即最大值)。在该实施方式中,在对高度的变化的计算方面,第m排序被视为高度的“最小”值(由于通过取第m排序,有效地丢弃了具有最低的m-1个高度值的样本)并且第n排序被视为高度的“最大”值(因为取第n排序,有效地丢弃了具有最高的N-n个高度值的样本,N是窗口化部分中样本的数目),其中,高度变化是使用识别出的“最大值”和识别出的“最小值”来确定的。m和n的合适值能够取决于预计出现在所估计的高度信号中的离群值或噪声的水平。例如,m和n的值能够被选择为使得分别丢弃所估计的高度样本中高达最低和最高的5%。识别第m和第n排序的样本(其中第m和第n排序的样本并不分别是最低和最高值样本)能够在所估计的高度信号包含离群值和噪声时有用,因为有可能第m和第n排序的使用将意味着这些离群值在确定高度变化时被忽略。在一些实施方式中,m和n的值可以适于所估计的高度信号中的实际特性,或者例如在跌倒检测的情况中,适于观察到的撞击。
在一些实施例中,通过变化窗口大小和/或通过观察滤波器在窗口的后续时间的响应(即当在信号上滑动窗口时),能够并入高度估计的进一步细化。如果,例如,出现上升,则当窗口在该事件上移动时滤波器的响应将显示该上升。当窗口首先接触到上升时,返回的值将是小的,但其将在窗口覆盖事件的更多时增大。最终,当窗口已经过该时间时输出再次下降。在图9、图11、图13和图15中示出了该作用。类似地,代替移动窗口(窗口的大小保持恒定),能够扩大窗口(即窗口的位置保持固定)。并入更多个样本,如果窗口的扩大引起窗口接触到信号中的上升(或下降),将影响结果。
可见,上述非线性滤波器的使用在被用在当第一和第二滤波器是线性滤波器(例如移动平均滤波器)时使用图4中示出的过程获得的高度信号上时尤其有利,因为与如上所述和在欧洲/国际专利申请号PCT/IB2012/054192中的使用非线性滤波器相比,图4的过程中线性滤波器的使用更容易且需要更少的处理能力。然而,将认识到,非线性滤波器也能够在被用于使用两个非线性滤波器获得的高度信号上时提供对高度的变化的指示。
当高度变化检测/估计算法被用于跌倒检测器中时,有多种在其中所检测或估计的高度的变化能够被用在用于检测跌倒的决策逻辑中的方式。例如,能够确定所估计的高度的变化是否超过(向下)阈值,并且如果是,则该高度变化能够被用于启动对移动信号的额外处理,以识别信号是否包含或指示跌倒的任何另外的特征。例如,如果所计算的高度变化下降到某一阈值以下,例如-0.5m,则跌倒检测算法能够从移动信号计算其他特征值,例如撞击和取向变化,并将它们组合在被训练用于区别跌倒与非跌倒的归类器中。
在另一设计中,另一特征,例如撞击,能被用于触发对其他特征值的计算。在该情况中,非线性滤波器的高度估计和高度变化计算可能仅被应用在对在对应于撞击加速度的样本或多个样本附近的加速度信号的分割上(并且在该情况中,可以使用如上所述具有变化的大小的窗口)。在其中滤波器仅被应用在对样本附近的信号的分割上时,所描述的细化能够被进一步优化。例如,由于检测器正在寻找跌倒,非线性滤波器能够被定向为识别(在撞击样本附近/之前的)降低,其然后被用于另外的跌倒归类器。此外,非线性滤波器能够被定向为寻找上升,优选地大于在识别出的降低之后一时间段(例如30秒)中指定的量(例如0.5-1米)。如果,例如,识别的上升具有比识别出的下降更大的值,或者大于所指定的量,则跌倒检测算法能决定暂停对移动信号的该部分的另外的处理,并确定没有发生跌倒。
因此提供了一种用于基于对设备经历的移动的测量来检测设备的位置的变化的方法和装置。
尽管已在附图和前面的描述中详细图示并描述了本发明,但要将这样的图示和描述示为说明性或示范性的而非限制性的;本发明不限于所公开的实施例。
本领域技术人员在实践要求保护的发明时,通过研究附图、公开内容和权利要求书,能够理解并实现所公开实施例的变型。本发明的一些方面以及实施例的特征总结如下:
根据本发明的第一个方面,提供了一种用于确定设备的水平或垂直位置的变化的方法,所述方法包括:
获得表示对设备随时间在水平或垂直方向的位置的估计的信号;
从表示对设备的位置的估计的信号中的选定的部分识别最大位置值和最小位置值;以及
将信号中的选定的部分上的位置的变化确定为识别出的最大位置值与识别出的最小位置值之间的差。
实施例1:根据本发明的第一个方面限定的方法,其中,最大位置值是对应于信号中的最大值的位置值,并且最小位置值是对应于信号中的最小值的位置值。
实施例2:根据本发明的第一个方面限定的方法,其中,最大位置值是信号中指示的多个最高位置值的平均,并且最小位置值是信号中指示的多个最低位置值的平均。
实施例3:根据本发明的第一个方面限定的方法,其中,最小位置值对应于第一排列值并且最大位置值对应于第二排列值,在按增大的值的次序变更信号的选定的部分中的信号值之后,第一排列值和第二排列值对应于在第一排列次序位置和第二排列次序位置的各自值,并且其中,第一排列次序位置先于第二排列次序位置。
实施例4:根据本发明的第一个方面或实施例1-3中任一个中限定的方法,还包括以下步骤:
确定所确定的位置变化发生时的时间。
实施例5:如实施例4中限定的方法,其中,确定所确定的位置变化发生时的时间的步骤包括:
确定识别出的最大位置值和最小位置值发生时的时间;以及
将所确定的位置变化发生时的时间确定为在识别出的最大位置值与最小位置值的时间之间的时间点。
实施例6:如根据本发明的第一个方面或在前述实施例中任一个中限定的方法,还包括以下步骤:
确定在信号中识别出的最大位置值和最小位置值发生的时间顺序;以及
基于所确定的时间顺序确定所确定的位置变化的方向。
实施例7:如实施例6中限定的方法,其中,信号表示对设备的高度的估计,并且确定所确定的位置变化的方向的步骤包括:如果识别出的最小位置值发生在识别出的最大位置值之前,则确定该位置变化是高度增加,并且如果识别出的最小位置值发生在识别出的最大位置值之后,则确定该位置变化是高度降低。
实施例8:根据本发明的第一个方面或实施例1-5中任一个中限定的方法,其中,从表示对设备的位置的估计的信号的选定的部分识别最大位置值和最小位置值的步骤包括:
识别最大位置值和最小位置值以给出设备在预定义方向的位置的变化,其中,识别出的最大位置值和识别出的最小位置值是信号中具有最大差的位置值,其中,信号中识别出的最小位置值和识别出的最大位置值以预定义的时间顺序发生。
实施例9:根据本发明的第一个方面或在实施例1-5中任一个中限定的方法,其中,从表示对设备的位置的估计的信号的选定的部分识别最大位置值和最小位置值的步骤包括:
识别最大位置值和最小位置值以给出设备在第一方向的位置的变化,其中,识别出的最大位置值和识别出的最小位置值是信号中具有最大差的位置值,其中,信号中识别出的最小位置值发生在识别出的最大位置值之前。
实施例10:如实施例9中限定的方法,其中,识别最大位置值和最小位置值以给出设备在第一方向的位置的变化的步骤包括:
针对选定的部分中的每个局部最小值,确定在局部最小值的值与在局部最小值之后发生在选定的部分中的最高信号值之间的位置的差;以及
将最小位置值和最大位置值确定为具有最大差的局部最小值与最高信号值对的值。
实施例11:如实施例9或实施例10中限定的方法,其中,信号表示对设备的高度的估计,并且其中,最大位置值和最小位置值被识别为使得它们表示高度的增加。
实施例12:根据本发明的第一个方面或在实施例1-5中的任一个中限定的方法,其中,从表示对设备的位置的估计的信号中的选定的部分识别最大位置值和最小位置值的步骤包括:
识别最大位置值和最小位置值,以给出设备在第二方向的位置的变化,其中,识别出的最大位置值和识别出的最小位置值是信号中具有最大差的位置值,其中,信号中所识别最小位置值发生在识别出的最大位置值之后。
实施例13:如实施例12中限定的方法,其中,识别最大位置值和最小位置值以给出设备在第二方向的位置变化的步骤包括:
针对选定的部分中的每个局部最大值,确定在局部最大值的值与在局部最大值之后发生在选定的部分中的最低信号值之间的位置的差;以及
将最大位置值和最小位置值确定为具有最大差的局部最大与最低信号值对的值。
实施例14:如实施例11或12中限定的方法,其中,信号表示对设备的高度的估计,并且其中,最大位置值和最小位置值被识别为使得它们表示高度的降低。
实施例15:用于确定设备的水平或垂直位置的变化的方法,包括:
确定设备在第一方向的位置变化,第一方向如在实施例9-11中的任一个中限定的;
确定设备在第二方向的位置变化,第二方向与第一方向相反,如在实施例12-14中任一个中限定的;
将所确定的在第一方向的位置变化与所确定的在第二方向的位置变化进行比较;
如果所确定的在第一方向的位置变化大于所确定的在第二方向的位置变化,则确定在第二方向的位置变化是否是信号的伪迹,并且如果是的话,则输出所确定的在第一方向的位置变化作为在选定的部分中的位置变化,否则输出所确定的在第一方向的位置变化和在第二方向的位置变化两者作为在选定的部分中发生的位置变化;并且
如果所确定的在第一方向的位置变化小于所确定的在第二方向的位置变化,则确定在第一方向的位置变化是否是信号的伪迹,并且如果是的话,则输出所确定的在第二方向的位置变化作为在选定的部分中的位置变化,否则输出所确定的在第一方向的位置变化和所确定的在第二方向的位置变化两者作为发生在选定的部分中的位置变化。
根据本发明的第二个方面,提供了一种计算机程序产品,包括具有被实现在其中的计算机程序代码的计算机可读介质,所述计算机程序代码被配置为使得,所述计算机或处理器在被计算机或处理器运行时,执行根据本发明的第一个方面或在实施例1至15中限定的所述方法。
在权利要求中,词语“包括”不排除其他元件或步骤,并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以履行权利要求中记载的几个项目的功能。尽管在互不相同的从属权利要求中记载了特定措施,但是这并不指示不能有利地使用这些措施的组合。计算机程序可以被存储/分布在合适的介质上,例如与其他硬件一起或作为其他硬件的部分提供的光学存储介质或固态介质,但也可以被分布为其他形式,例如经由互联网或者其他有线或无线电信系统。权利要求中的任何附图标记不应被解释为对范围的限制。
Claims (15)
1.一种用于确定设备的水平或垂直位置的变化的方法,所述方法包括:
-获得表示对所述设备随时间在水平或垂直方向的位置的估计的信号;
-从表示对所述设备的所述位置的所述估计的所述信号的选定的部分识别最大位置值和最小位置值;并且
-将所述信号的所述选定的部分上的所述位置的变化确定为识别出的最大位置值与识别出的最小位置值之间的差。
2.如权利要求1所述的方法,其中,所述最大位置值是对应于所述信号中的最大值的位置值,并且所述最小位置值是对应于所述信号中的最小值的位置值。
3.如权利要求1所述的方法,其中,所述最大位置值是所述信号中指示的多个最高位置值的平均,并且所述最小位置值是所述信号中指示的多个最低位置值的平均。
4.如权利要求1所述的方法,其中,所述最小位置值对应于第一排列值并且所述最大位置值对应于第二排列值,在以渐增的值的次序变更所述信号的所述选定的部分中的所述信号值之后,所述第一排列值和所述第二排列值对应于在第一排列次序位置和第二排列次序位置的各自的值,并且其中,所述第一排列次序位置先于所述第二排列次序位置。
5.如权利要求1-4中的任一项所述的方法,还包括以下步骤:
-确定所确定的位置的变化发生时的时间。
6.如权利要求5所述的方法,其中,确定所确定的位置的变化发生时的时间的所述步骤包括:
-确定识别出的最大位置值和最小位置值出现时的时间;并且
-将所确定的位置的变化发生时的所述时间确定为在识别出的最大位置值与最小位置值的所述时间之间的时间点。
7.如前述权利要求中的任一项所述的方法,还包括以下步骤:
-确定识别出的最大位置值和最小位置值在所述信号中出现的时间次序;并且
-基于所确定的时间次序来确定所确定的位置变化的方向。
8.如权利要求7所述的方法,其中,所述信号表示对所述设备的高度的估计,并且确定所确定的位置变化的所述方向的所述步骤包括:如果识别出的最小位置值出现在识别出的最大位置值之前,则确定所述位置变化是高度增加;并且如果识别出的最小位置值出现在识别出的最大位置值之后,则确定所述位置变化是高度降低。
9.如权利要求1-6中的任一项所述的方法,其中,从表示对所述设备的所述位置的所述估计的所述信号的选定的部分识别最大位置值和最小位置值的所述步骤包括:
-识别最大位置值和最小位置值以给出所述设备在预定义方向的位置的变化,其中,识别出的最大位置值和识别出的最小位置值是所述信号中具有最大差的位置值,其中,识别出的最小位置值和识别出的最大位置值在所述信号中以预定义的时间次序出现。
10.如权利要求1-6中的任一项所述的方法,其中,从表示对所述设备的所述位置的所述估计的所述信号的选定的部分识别最大位置值和最小位置值的所述步骤包括:
-识别最大位置值和最小位置值以给出所述设备在第一方向的位置的变化,其中,识别出的最大位置值和识别出的最小位置值是所述信号中具有最大差的位置值,其中,识别出的最小位置值在所述信号中出现在识别出的最大位置值之前。
11.如权利要求1-6中的任一项所述的方法,其中,从表示对所述设备的所述位置的所述估计的所述信号的选定的部分识别最大位置值和最小位置值的所述步骤包括:
-识别最大位置值和最小位置值以给出所述设备在第二方向的位置的变化,其中,识别出的最大位置值和识别出的最小位置值是所述信号中具有最大差的位置值,其中,识别出的最小位置值在所述信号中出现在识别出的最大位置值之后。
12.一种装置,包括:
-处理器件,其被配置为:
-获得表示对所述设备随时间在水平或垂直方向的位置的估计的信号;
-从表示对所述设备的所述位置的所述估计的所述信号的选定的部分识别最大位置值和最小位置值;并且
-将所述信号的所述选定的部分上的所述位置的变化确定为识别出的最大位置值与识别出的最小位置值之间的差。
13.一种被配置为由用户穿戴的设备,所述设备包括:
-加速度计,其测量在三个维度中作用在所述设备上的加速度;以及
-如权利要求12所述的装置,其中,所述处理器件被配置为使用来自所述加速度计的测量结果来获得表示对所述设备随时间的所述位置的所述估计的所述信号。
14.一种系统,包括:
-被配置为由用户穿戴的设备,所述设备包括加速度计,所述加速度计测量在三个维度中作用在所述设备上的加速度;以及
-基础单元,其被配置为与所述设备通信,并且所述基础单元包括如权利要求12所述的装置,其中,所述处理器件被配置为使用来自所述加速度计的测量结果来获得表示对所述设备随时间的所述位置的所述估计的所述信号。
15.一种计算机程序产品,包括具有被实现在其中的计算机程序代码的计算机可读介质,所述计算机程序代码被配置为使得,在被计算机或处理器运行时,所述计算机或处理器执行如权利要求1至11中的任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261730133P | 2012-11-27 | 2012-11-27 | |
US61/730,133 | 2012-11-27 | ||
PCT/IB2013/060077 WO2014083465A1 (en) | 2012-11-27 | 2013-11-12 | Detecting changes in position of a device in a horizontal or vertical direction |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104813379A true CN104813379A (zh) | 2015-07-29 |
CN104813379B CN104813379B (zh) | 2018-07-17 |
Family
ID=49766138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380061894.9A Expired - Fee Related CN104813379B (zh) | 2012-11-27 | 2013-11-12 | 检测设备在水平或垂直方向的位置的变化 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20150317890A1 (zh) |
EP (1) | EP2926327A1 (zh) |
JP (1) | JP6433909B2 (zh) |
CN (1) | CN104813379B (zh) |
WO (1) | WO2014083465A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106539564A (zh) * | 2017-01-25 | 2017-03-29 | 深圳贝特莱电子科技股份有限公司 | 一种基于睡眠带的上下床监测方法 |
CN107687711A (zh) * | 2016-08-04 | 2018-02-13 | 青岛经济技术开发区海尔热水器有限公司 | 一种热水器安全监测装置及方法 |
CN112665104A (zh) * | 2021-01-26 | 2021-04-16 | 吴祖荣 | 一种智能建筑外遮阳卷帘系统的控制方法 |
CN113227829A (zh) * | 2018-12-19 | 2021-08-06 | 罗伯特·博世有限公司 | 用于车辆的对象识别传感器、尤其是超声传感器的非线性接收滤波器 |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9367770B2 (en) | 2011-08-30 | 2016-06-14 | Digimarc Corporation | Methods and arrangements for identifying objects |
US11288472B2 (en) | 2011-08-30 | 2022-03-29 | Digimarc Corporation | Cart-based shopping arrangements employing probabilistic item identification |
US10664795B1 (en) | 2013-09-20 | 2020-05-26 | Amazon Technologies, Inc. | Weight based item tracking |
US10515309B1 (en) * | 2013-09-20 | 2019-12-24 | Amazon Technologies, Inc. | Weight based assistance determination |
US10657411B1 (en) | 2014-03-25 | 2020-05-19 | Amazon Technologies, Inc. | Item identification |
US10713614B1 (en) | 2014-03-25 | 2020-07-14 | Amazon Technologies, Inc. | Weight and vision based item tracking |
US10652696B2 (en) * | 2014-07-30 | 2020-05-12 | Trusted Positioning, Inc. | Method and apparatus for categorizing device use case for on foot motion using motion sensor data |
DE102015202857A1 (de) * | 2015-02-17 | 2016-08-18 | Robert Bosch Gmbh | Persönliches Gerät zur Erkennung und Meldung einer Unfallsituation und Verfahren zur automatischen Erkennung einer Unfallsituation |
US9959732B2 (en) * | 2015-10-20 | 2018-05-01 | Micron Electronics LLC | Method and system for fall detection |
WO2017071988A1 (en) * | 2015-10-28 | 2017-05-04 | Koninklijke Philips N.V. | Monitoring activities of daily living of a person |
US10564177B2 (en) * | 2016-08-01 | 2020-02-18 | Samsung Electronics Co., Ltd. | System and method for user activity recognition using accelerometer |
JP2020504806A (ja) * | 2016-10-05 | 2020-02-13 | マイ メディック ウォッチ プロプライエタリー リミテッドMy Medic Watch Pty Ltd | アラートシステム |
DE102017203672A1 (de) | 2017-03-07 | 2018-09-13 | Robert Bosch Gmbh | Verfahren zur Erkennung eines Sturzes einer Person und Vorrichtung zur Durchführung des Verfahrens |
US10950112B2 (en) | 2017-09-29 | 2021-03-16 | Koninklijke Philips N.V. | Wrist fall detector based on arm direction |
US10367932B1 (en) * | 2018-04-05 | 2019-07-30 | Polaris Wireless, Inc. | Calibration of measurement bias of a barometric sensor in a wireless terminal |
EP3657456A1 (en) | 2018-11-26 | 2020-05-27 | Koninklijke Philips N.V. | A method and system for monitoring a user |
WO2022053377A1 (en) * | 2020-09-08 | 2022-03-17 | Koninklijke Philips N.V. | Methods and systems for accurate nocturnal movement classification |
US11995917B2 (en) * | 2021-09-09 | 2024-05-28 | Sensormatic Electronics, LLC | Systems and methods for detecting a slip, trip or fall |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100052896A1 (en) * | 2008-09-02 | 2010-03-04 | Jesse Bruce Goodman | Fall detection system and method |
CN102027517A (zh) * | 2008-05-12 | 2011-04-20 | 皇家飞利浦电子股份有限公司 | 跌倒检测系统中的位移测量 |
WO2011055255A1 (en) * | 2009-11-03 | 2011-05-12 | Koninklijke Philips Electronics N.V. | Method and system for revoking a fall alarm field of the invention |
CN102227189A (zh) * | 2008-11-28 | 2011-10-26 | 皇家飞利浦电子股份有限公司 | 跌倒检测方法和装置 |
US20120259577A1 (en) * | 2011-04-11 | 2012-10-11 | Transrex Ag | Fall Detection Methods and Devices |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FI114246B (fi) | 2003-06-25 | 2004-09-15 | Ist Oy | Laite kaatumisen ilmaisua varten |
JP5014623B2 (ja) * | 2005-12-12 | 2012-08-29 | 三菱電機株式会社 | エレベーターの地震管制運転システム及びエレベーターの地震管制運転方法 |
US8206325B1 (en) * | 2007-10-12 | 2012-06-26 | Biosensics, L.L.C. | Ambulatory system for measuring and monitoring physical activity and risk of falling and for automatic fall detection |
WO2009101566A1 (en) | 2008-02-15 | 2009-08-20 | Koninklijke Philips Electronics N.V. | Compensating pressure sensor measurements |
US20110172951A1 (en) | 2008-09-23 | 2011-07-14 | Koninklijke Philips Electronics N.V. | Methods for processing measurements from an accelerometer |
EP2504825B1 (en) * | 2009-11-25 | 2016-04-20 | Koninklijke Philips N.V. | Method for estimating velocities and/or displacements from accelerometer measurement samples |
US8666693B2 (en) * | 2011-02-24 | 2014-03-04 | Qualcomm Incorporated | Low average velocity pedestrial motion identification |
EP2702575A1 (en) * | 2011-04-29 | 2014-03-05 | Koninklijke Philips Electronics N.V. | An apparatus for use in a fall detector or fall detection system, and a method of operating the same |
US9835644B2 (en) * | 2011-08-18 | 2017-12-05 | Koninklijke Philips N.V. | Estimating velocity in a horizontal or vertical direction from acceleration measurements |
JP5862400B2 (ja) * | 2012-03-26 | 2016-02-16 | オムロンヘルスケア株式会社 | 睡眠状態管理装置、睡眠状態管理方法、及び睡眠状態管理プログラム |
-
2013
- 2013-11-12 US US14/646,591 patent/US20150317890A1/en not_active Abandoned
- 2013-11-12 CN CN201380061894.9A patent/CN104813379B/zh not_active Expired - Fee Related
- 2013-11-12 WO PCT/IB2013/060077 patent/WO2014083465A1/en active Application Filing
- 2013-11-12 EP EP13805965.4A patent/EP2926327A1/en not_active Withdrawn
- 2013-11-12 JP JP2015543545A patent/JP6433909B2/ja not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102027517A (zh) * | 2008-05-12 | 2011-04-20 | 皇家飞利浦电子股份有限公司 | 跌倒检测系统中的位移测量 |
US20100052896A1 (en) * | 2008-09-02 | 2010-03-04 | Jesse Bruce Goodman | Fall detection system and method |
CN102227189A (zh) * | 2008-11-28 | 2011-10-26 | 皇家飞利浦电子股份有限公司 | 跌倒检测方法和装置 |
WO2011055255A1 (en) * | 2009-11-03 | 2011-05-12 | Koninklijke Philips Electronics N.V. | Method and system for revoking a fall alarm field of the invention |
US20120259577A1 (en) * | 2011-04-11 | 2012-10-11 | Transrex Ag | Fall Detection Methods and Devices |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107687711A (zh) * | 2016-08-04 | 2018-02-13 | 青岛经济技术开发区海尔热水器有限公司 | 一种热水器安全监测装置及方法 |
CN107687711B (zh) * | 2016-08-04 | 2020-05-26 | 青岛经济技术开发区海尔热水器有限公司 | 一种热水器安全监测装置及方法 |
CN106539564A (zh) * | 2017-01-25 | 2017-03-29 | 深圳贝特莱电子科技股份有限公司 | 一种基于睡眠带的上下床监测方法 |
CN113227829A (zh) * | 2018-12-19 | 2021-08-06 | 罗伯特·博世有限公司 | 用于车辆的对象识别传感器、尤其是超声传感器的非线性接收滤波器 |
US11982742B2 (en) | 2018-12-19 | 2024-05-14 | Robert Bosch Gmbh | Non-linear reception filter for an object recognition sensor for vehicles, in particular, ultrasonic sensor |
CN112665104A (zh) * | 2021-01-26 | 2021-04-16 | 吴祖荣 | 一种智能建筑外遮阳卷帘系统的控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104813379B (zh) | 2018-07-17 |
JP2016508039A (ja) | 2016-03-17 |
JP6433909B2 (ja) | 2018-12-05 |
EP2926327A1 (en) | 2015-10-07 |
US20150317890A1 (en) | 2015-11-05 |
WO2014083465A1 (en) | 2014-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104813379A (zh) | 检测设备在水平或垂直方向的位置的变化 | |
JP6795980B2 (ja) | 加速度の測定値を処理して、ユーザによるステップを識別する方法及び対応するコンピュータプログラム、並びに加速度の測定値を処理して、ユーザによるステップを識別する装置及びそのような装置を備えるデバイス | |
JP6155276B2 (ja) | エレベータ運動検出のための方法及び装置 | |
CN103733078B (zh) | 从加速度测量估计水平或垂直方向的速度 | |
EP2925213B1 (en) | Method and apparatus for identifying transitions between sitting and standing postures | |
JP5623294B2 (ja) | 外的な動き因子により誘発された加速に影響を受けない行動監視システム | |
CN104244821B (zh) | 离床监测装置 | |
CN101354265B (zh) | 计步方法及计步装置 | |
JP6253660B2 (ja) | ユーザの転倒リスクを推定するコンピュータプログラム、装置、デバイス及びシステム | |
JP6567658B2 (ja) | ユーザーの活動を分類し及び/又はユーザーの歩数をカウントするデバイス及び方法 | |
CN103455170A (zh) | 一种基于传感器的移动终端运动识别装置及方法 | |
US10330494B2 (en) | Method to determine a pressure noise metric for fall detection systems | |
EP3090685A1 (en) | Pedometer and method for analyzing motion data | |
JP2010257395A (ja) | 歩数計及び歩数計数方法 | |
CN105741491B (zh) | 基于卡尔曼滤波与knn算法的跌倒检测报警系统及方法 | |
TWI502167B (zh) | 計步方法及其電子裝置 | |
KR20120016236A (ko) | 이동 요소의 동작을 결정하기 위한 시스템 및 방법 | |
JP5699717B2 (ja) | 歩数検出装置、電子機器及びプログラム | |
JP4899725B2 (ja) | 歩数計測装置 | |
CN104274165B (zh) | 确定设备和确定方法 | |
CN114341947A (zh) | 用于使用可穿戴设备的锻炼类型辨识的系统和方法 | |
CN110801214A (zh) | 一种心率实时检测方法及系统 | |
KR101773140B1 (ko) | 식사 시간 산출 방법 및 장치 | |
CN108710432A (zh) | 一种动作捕捉设备的抗磁方法、姿态确定方法及装置 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180717 Termination date: 20211112 |