CN105446480A - 可穿戴电子装置中的移动量度产生 - Google Patents

可穿戴电子装置中的移动量度产生 Download PDF

Info

Publication number
CN105446480A
CN105446480A CN201510614306.0A CN201510614306A CN105446480A CN 105446480 A CN105446480 A CN 105446480A CN 201510614306 A CN201510614306 A CN 201510614306A CN 105446480 A CN105446480 A CN 105446480A
Authority
CN
China
Prior art keywords
wearable electronics
time
exercise data
user
group
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
Application number
CN201510614306.0A
Other languages
English (en)
Other versions
CN105446480B (zh
Inventor
雅各布·安东尼·阿诺德
苏布拉马尼亚姆·文卡特拉曼
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.)
Feibit Co ltd
Original Assignee
Fitbit LLC
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 Fitbit LLC filed Critical Fitbit LLC
Priority to CN201910277916.4A priority Critical patent/CN110083236B/zh
Priority to CN202210885485.1A priority patent/CN115185380A/zh
Priority to CN202210883376.6A priority patent/CN115185379A/zh
Priority to CN201910277917.9A priority patent/CN110083237B/zh
Publication of CN105446480A publication Critical patent/CN105446480A/zh
Application granted granted Critical
Publication of CN105446480B publication Critical patent/CN105446480B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—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
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • 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
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles
    • 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
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • 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
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • 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
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0204—Operational features of power management
    • A61B2560/0209—Operational features of power management adapted for power saving
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
    • 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
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/04—Arrangements of multiple sensors of the same type
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A61B5/0531—Measuring skin impedance
    • A61B5/0533—Measuring galvanic skin response
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • 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
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range 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
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • A61B5/1122—Determining geometric values, e.g. centre of rotation or angular range of movement of movement trajectories
    • 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)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Pulmonology (AREA)
  • Anesthesiology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)

Abstract

本文论述产生量化由可穿戴电子装置产生的运动数据样本的移动量度的方面。举例来说，在一个方面中，一实施例可获得由可穿戴电子装置中的一组运动传感器产生的运动数据样本。所述可穿戴电子装置可随后基于运动数据样本的第一集合的量化产生第一移动量度。所述可穿戴电子装置还可基于运动数据样本的第二集合的量化产生第二移动量度。所述可穿戴电子装置可随后致使非暂时性机器可读存储媒体将所述第一移动量度和所述第二移动量度存储为时间系列数据。

Description

可穿戴电子装置中的移动量度产生
相关申请案的交叉参考
本申请案主张以下临时申请案的权益：2014年9月23日申请的第62/054,380号美国临时申请案，其以全文引用的方式并入本文；2014年10月14日申请的第62/063,941号美国临时申请案，其以全文引用的方式并入本文；2014年10月23日申请的第62/067,914号美国临时申请案，其以全文引用的方式并入本文；以及2014年10月24日申请的第62/068,622号美国临时申请案，其以全文引用的方式并入本文。
技术领域
实施例涉及可穿戴电子装置的领域。具体来说，实施例涉及利用可穿戴电子装置的自动移动检测。
背景技术
可穿戴电子装置在消费者当中已获得普及。可穿戴电子装置可使用多种传感器跟踪用户的活动且帮助用户维持健康的生活方式。为了确定用户的活动，可穿戴电子装置收集活动数据且对所述数据运行计算。获得用户活动的准确确定的一个困难是，这些可穿戴电子装置因为其由用户穿戴所以通常封装在含有不如较大电子装置强大的处理器(其上更难运行复杂计算)的紧凑型外壳中。
许多可穿戴电子装置可跟踪关于特定活动的量度，例如用于跑步和步行活动的步数计数量度。可由可穿戴电子装置跟踪的其它量度包含关于睡眠的量度。通常，为起始睡眠量度的跟踪，可穿戴电子装置可含有供用户提供用户计划转变到睡着状态的通知的接口(例如，经由用户推动可穿戴电子装置的按钮或在可穿戴电子装置上点击)。
发明内容
本发明的一个方面是提供一种待由用户穿戴的可穿戴电子装置。所述可穿戴电子装置包括：一组一或多个运动传感器，其用以产生表示所述可穿戴电子装置的运动的运动数据样本，所述运动数据样本包含第一时间间隔期间产生的一或多个运动数据样本的第一集合和第二时间间隔期间产生的一或多个运动数据样本的第二集合；一组一或多个处理器，其耦合到所述组运动传感器；以及非暂时性机器可读存储媒体，其耦合到所述组一或多个处理器且其中存储有指令，所述指令在由所述组一或多个处理器执行时致使所述组一或多个处理器：获得由所述组运动传感器产生的所述运动数据样本，基于运动数据样本的所述第一集合的量化产生第一移动量度，基于所述运动数据样本的所述第二集合的量化产生第二移动量度，以及致使所述非暂时性机器可读存储媒体将所述第一移动量度和所述第二移动量度存储为时间系列数据。
优选地，所述指令在由所述组一或多个处理器执行时致使所述组一或多个处理器：基于包含所述第一移动量度和所述第二移动量度的分析针对覆盖所述第一时间间隔的时间块将睡眠状态指派到所述可穿戴电子装置的所述用户。
优选地，所述指令在由所述组一或多个处理器执行时通过致使所述组一或多个处理器进行以下操作而致使所述组一或多个处理器执行包含所述第一移动量度和所述第二移动量度的所述分析：导出对应于一时间周期的特征的值，所述值是从包含所述第一移动量度和所述第二移动量度的时间窗内的移动量度计算；以及针对由所述时间块覆盖的多个时间周期基于所述特征的值的分析选择待指派到所述时间块的所述睡眠状态，所述多个周期包含所述时间周期。
优选地，所述指令在由所述组一或多个处理器执行时还通过致使所述组一或多个处理器进行以下操作而致使所述组一或多个处理器针对由所述时间块覆盖的所述多个时间周期执行所述特征的值的所述分析：确定针对所述多个时间周期的所述用户的活动的水平，其中个别时间周期的活动水平的所述确定是基于与所述个别时间周期对应的所述特征的值与阈值的比较，且所述水平在所述睡眠状态的所述选择中使用。
优选地，运动数据样本的所述第一集合的所述量化包含将运动数据样本的所述第一集合变换为单一数值。
优选地，所述运动数据的所述量化包括沿着运动轴的所述运动数据的统计量度。
优选地，所述统计量度为分位数、四分位距、离差的量度和熵的量度中的一或多者。
优选地，所述统计量度从所述运动数据的频域分析导出。
优选地，所述频域分析量化周期性运动的量且比较两个频带中的周期性运动的所述量。
优选地，所述运动数据的所述量化包括沿着轴的所述运动数据的最大值和所述运动数据的最小值的函数。
优选地，沿着所述轴的所述最大运动数据和所述最小运动数据的所述函数包括应用加权值。
优选地，所述运动数据的所述量化包括沿着轴的所述运动数据的标准偏差的计算。
优选地，所述运动数据的所述量化包括沿着轴的所述运动数据的时间导数的计算。
优选地，所述运动数据的所述量化包括沿着轴的所述运动数据的四分位距的组合。
本发明的另一方面是提供一种由可穿戴电子装置执行的方法。所述方法包括：获得由一组一或多个运动传感器产生的一或多个运动数据样本的第一集合，运动数据样本的所述第一集合在第一时间间隔期间产生；基于运动数据样本的所述第一集合的量化产生第一移动量度；获得由所述组运动传感器产生的一或多个运动数据样本的第二集合，运动数据样本的所述第二集合在第二时间间隔期间产生；基于所述运动数据样本的所述第二集合的量化产生第二移动量度；以及致使非暂时性机器可读存储媒体将所述第一移动量度和所述第二移动量度存储为时间系列数据。
优选地，所述方法进一步包括：基于包含所述第一移动量度和所述第二移动量度的分析针对覆盖所述第一时间间隔的时间块将睡眠状态指派到所述可穿戴电子装置的用户。
优选地，包含所述第一移动量度和所述第二移动量度的所述分析包含：导出对应于一时间周期的特征的值，所述值是从包含所述第一移动量度和所述第二移动的时间窗内的移动量度计算；以及针对由所述时间块覆盖的多个时间周期基于所述特征的值的分析选择待指派到所述时间块的所述睡眠状态，所述多个周期包含所述时间周期。
优选地，针对由所述时间块覆盖的所述多个时间周期的所述特征的值的所述分析包含：确定针对所述多个时间周期的所述用户的活动的水平，其中个别时间周期的活动水平的所述确定是基于与所述个别时间周期对应的所述特征的值与阈值的比较，且所述水平在所述睡眠状态的所述选择中使用。
优选地，运动数据样本的所述第一集合的量化包含将运动数据样本的所述第一集合变换为单一数值。
优选地，所述运动数据的所述量化包括沿着轴的所述运动数据的统计量度。
优选地，所述统计量度为分位数、四分位距、离差的量度和熵的量度中的一或多者。
优选地，从所述运动数据的频域分析导出所述统计量度。
优选地，所述频域分析量化周期性运动的量且比较两个频带中的周期性运动的所述量。
优选地，所述运动数据的所述量化包括沿着轴的所述运动数据的最大值和所述运动数据的最小值的函数。
本发明的另一方面是提供一种电子装置，其包括：一组一或多个处理器；以及非暂时性机器可读存储媒体，所述非暂时性机器可读存储媒体耦合到所述组一或多个处理器且其中存储有指令，所述指令在由所述组一或多个处理器执行时致使所述组一或多个处理器：获得第一移动量度，所述第一移动量度量化由被用户穿戴的可穿戴电子装置的一组一或多个运动传感器在第一时间间隔期间产生的运动数据的第一集合；获得第二移动量度，所述第二移动量度量化由被所述用户穿戴的所述可穿戴电子装置的所述组运动传感器在第二时间间隔期间产生的运动数据的第二集合；基于所述第一移动量度和所述第二移动量度的分析针对所述第一时间间隔对所述用户的活动的水平进行分类；以及使用所述活动水平确定针对覆盖所述第一时间间隔的时间块的睡眠状态。
优选地，所述指令在执行时致使所述组一或多个处理器基于导出统计特征的值分析所述第一移动量度和所述第二移动量度，所述统计特征的所述值是基于包含所述第一移动量度和所述第二移动量度的所述值的统计比较而计算得到，且所述活动水平基于所述特征的所述值来选择。
优选地，所述指令在执行时致使所述组一或多个处理器基于将所述第一时间间隔内的多维加速度数据总计为单一数值而量化运动数据的所述第一集合。
优选地，运动数据的所述第一集合的所述量化包含将运动数据的所述第一集合变换为单一数值。
优选地，所述电子装置在所述可穿戴电子装置外部且与所述可穿戴电子装置物理上分开，且所述指令在执行时致使所述组一或多个处理器基于经由无线连接从所述可穿戴电子装置接收所述第一移动量度和所述第二移动量度而获得所述第一移动量度和所述第二移动量度。
优选地，所述时间块包含除所述第一时间间隔之外的时间间隔，且所述时间间隔使用不同活动水平的混合来分类。
优选地，所述电子装置为所述可穿戴电子装置。
附图说明
本文中所描述的实施例借助于实例而非借助于限制在附图的各图中说明，附图中相同参考指示类似元件。
图1说明根据本发明的一个实施例利用移动量度的用户状态检测和用户睡眠阶段检测。
图2A说明根据本发明的一个实施例针对所关注的时刻在不同时间窗处收集的移动量度，以及确定所关注的时刻中的一者的统计特征并基于所述统计特征对所关注的所述时刻进行分类。
图2B说明根据本发明的一个实施例基于移动量度对用户活跃/非活跃状态进行分类以及进一步导出苏醒/睡着状态。
图3A说明根据本发明的一个实施例从不同时间跨度期间的数据取得的移动量度快照。
图3B说明根据本发明的一个实施例使用不同时间跨度期间的数据确定针对所关注的时刻的统计特征。
图3C说明根据本发明的一个实施例对不同时间跨度期间实况系统处的所关注的时刻处用户活跃/非活跃状态进行分类。
图3D说明根据本发明的一个实施例使用不同时间跨度期间的数据导出用户苏醒/睡着状态。
图3E说明根据本发明的其中包含非穿戴状态的一个实施例导出不同时间跨度期间实况系统处的用户活跃/非活跃/非穿戴状态。
图3F说明根据本发明的其中考虑非穿戴状态的一个实施例使用不同时间跨度期间的数据导出用户的用户苏醒/睡着状态。
图4A说明根据本发明的一个实施例确定针对所关注的时刻的不同时间窗处的统计特征，以及确定所关注的时刻中的一者的统计特征并基于所述统计特征对所关注的时刻进行分类。
图4B说明根据本发明的一个实施例确定不同时间窗处所关注的时刻的睡眠阶段的结果。
图5为说明根据本发明的一个实施例的移动量度产生以及任选用户状态检测和/或用户睡眠阶段检测的流程图。
图6为说明根据本发明的一个实施例的用户的睡眠周期的自动检测的流程图。
图7为说明根据本发明的一个实施例的用户的睡眠阶段的自动检测的流程图。
图8A为说明根据本发明的一个实施例自动减少光电容积描记传感器和运动传感器中的至少一者的功率消耗的流程图。
图8B为说明根据本发明的一个实施例自动增加光电容积描记传感器和运动传感器中的至少一者的功率消耗的流程图。
图9为说明实施根据本发明的一个实施例揭示的操作的可穿戴电子装置和电子装置的框图。
图10A说明根据本发明的一个实施例当不穿戴时其侧部放置在平坦表面上的可穿戴电子装置。
图10B说明根据本发明的一个实施例当不穿戴时其正面放置在平坦表面上的可穿戴电子装置。
图10C说明根据本发明的一个实施例当不穿戴时放置在平坦表面上使得其垂直于所述平坦表面的可穿戴电子装置。
图10D说明根据本发明的一个实施例当不穿戴时其背面放置在平坦表面上的可穿戴电子装置。
图10E说明根据本发明的一个实施例当用户参与各种活动时可穿戴电子装置的定向。
图11为说明根据本发明的一个实施例基于加速计自动检测何时并未穿戴可穿戴电子装置的流程图。
图12说明用于实施来自图11的框1104的示范性替代实施例。
图13说明根据本发明的一个实施例关于利用加速计量度的非穿戴状态检测的操作。
图14A说明根据本发明的一个实施例基于沿着加速计的轴测得的加速度数据超出连续时间周期的阈值加速度而将所述时间周期的记录为穿戴状态或非穿戴状态。
图14B说明根据本发明的一个实施例基于针对连续时间周期记录的状态导出并未穿戴可穿戴电子装置的时间跨度。
图15A说明根据本发明的一个实施例检测针对第一轴时间跨度处于非穿戴状态。
图15B说明根据本发明的一个实施例检测针对第二轴时间跨度处于非穿戴状态。
图16为说明实施根据本发明的一个实施例揭示的操作的可穿戴电子装置和电子装置的框图。
具体实施方式
本文中所描述的实施例可涉及可穿戴电子装置的操作和特征。可穿戴电子装置可经配置以测量或以其它方式检测所述可穿戴电子装置经历的运动。为论述的简单起见，此运动可参看可穿戴电子装置的显示器描述，其中所述显示器通常位于用户的前臂上，在与腕表的显示器将定位的相同的位置。虽然可参看可穿戴电子装置的显示器通常位于用户的前臂上在与腕表的显示器将定位的相同位置而描述实施例，但本发明的范围不限于此，因为可作出对可穿戴电子装置的修改使得可穿戴电子装置可穿戴在身体上的不同位置上(例如，前臂上较高处、前臂的相对侧上、腿上、躯干上、作为眼镜等等)，这将为所属领域的一般技术人员所了解。
一些实例实施例可涉及一种可穿戴电子装置，其基于由可穿戴电子装置的传感器产生的移动数据产生移动量度。如本文所使用的“移动量度”可指代量化由可穿戴电子装置的运动传感器产生的运动数据的多个样本的数据或逻辑。在许多情况下，与移动量度量化的运动数据的多个样本的总计相比，移动量度将消耗较少存储器来存储。在加速计数据的情况下，移动量度可量化沿着一或多个轴来自加速计的多个样本上的加速度数据。举例来说，移动量度可每隔30秒计算，其中移动量度量化那30秒内产生的加速计数据的样本。此外，量化可为指示针对所述多个样本在多个轴上经历的运动的程度的单一数字。
尽管移动量度可用于减少由于存储移动数据的多个样本而消耗的存储器，但应了解，移动量度不同于简单地压缩运动数据的多个样本。情况如此是因为经压缩运动数据通常将需要经历解压缩后才变得有用。也就是说，经压缩数据自身在不解压缩的情况下通常并不表示对运动数据取样的时间周期内的移动的程度。比较而言，移动量度的值自身可表示对应于运动数据的样本的计时器间隔期间经历的移动的程度的某一概念。以此方式，可将一个移动量度与另一移动量度比较以确定不同时间间隔期间经历的运动的程度的差别。
在实例实施例中，将由用户穿戴的可穿戴电子装置可包含一组一或多个运动传感器以产生表示可穿戴电子装置的运动的运动数据样本。运动数据样本包含第一时间间隔期间产生的一或多个运动数据样本的第一集合和第二时间间隔期间产生的一或多个运动数据样本的第二集合。可穿戴电子装置可经配置以(例如，通过一组一或多个处理器执行指令)获得由所述组运动传感器产生的运动数据样本。可穿戴电子装置可随后基于运动数据样本的第一集合的量化产生第一移动量度。可穿戴电子装置还可基于运动数据样本的第二集合的量化产生第二移动量度。可穿戴电子装置可将所述第一移动量度和所述第二移动量度作为时间系列数据存储在机器可读存储媒体中。
或者或另外，一些实施例可自动检测可穿戴电子装置的穿戴者睡着的时间块。此处，自动检测可指代在无来自穿戴者的显式指令的情况下发生的检测，例如遍历屏幕菜单或以其它方式输入穿戴者正在睡觉的时间周期。应了解，术语“自动”并不排除用户可启用并不表示用户在不同睡眠状态之间转变的定时的显式指令的特征或以并不表示用户在不同睡眠状态之间转变的定时的显式指令的方式作用的情况。检测穿戴者睡着的时间块的此实施例可从自一组一或多个运动传感器获得的运动数据或据此导出的数据获得用于一或多个时间周期的一组特征。从运动数据导出的数据的实例可包含上文描述的移动量度。实施例可随后基于针对所述一或多个时间周期确定的所述组特征将所述一或多个时间周期分类为用户的多个状态中的一者。所述状态指示用户的相对移动程度。在某些状况下，所述状态可为所枚举状态值，例如活跃或非活跃的，其中每一状态表示不同移动程度。在其它情况下，所述状态可为量化移动程度的数值或值范围。所述实施例可随后导出覆盖用户在此期间处于多个状态中的一者的所述一或多个时间周期的时间块。所述状态包含苏醒状态和睡着状态。
在一些情况下，一些实施例可操作以基于用户的状态调节传感器的功率消耗。举例来说，基于检测由入可穿戴电子装置跟踪的用户的状态已转变到睡着状态，一实施例可减少至少一个传感器的功率消耗。此外，基于检测用户的状态已转变离开睡着状态，一实施例可反转所述至少一个传感器的功率消耗的减少。
在一些情况下，一些实施例可操作以检测在时间上何时可穿戴电子装置并未由用户穿戴。检测何时可穿戴电子装置并未被穿戴的一些实施例可基于从一组运动传感器获得的运动数据与非穿戴简档的比较自动确定可穿戴电子装置并未被穿戴的时间周期。所述非穿戴简档可为指定指示可穿戴电子装置何时并未由用户穿戴的运动数据的样式的数据或逻辑。所述实施例可随后将使所述时间周期与非穿戴状态相关联的数据存储在非暂时性机器可读存储媒体中。
现参看各图论述实例实施例。
图1说明根据本发明的一个实施例利用移动量度的用户状态检测和用户睡眠阶段检测。图1的任务框和块可实施在可穿戴电子装置中，或分布在可穿戴电子装置与耦合到所述可穿戴电子装置的一或多个其它电子装置之间。耦合到可穿戴电子装置的电子装置可在本文中被称作次级电子装置。次级电子装置可指代服务器(包含硬件和软件)、平板计算机、智能电话(可能执行一应用(被称作app))、台式计算机或类似者。次级电子装置可实施(例如)块122/190/192。另外或作为替代，提供传感器数据的次级装置可实施(例如)块122和/或114。任务框1-5说明操作可由图1展示的组件执行的实例次序。然而，经理解，其它实施例可以不同于图1中展示的次序的次序执行任务框1-5。
在任务框1处，运动传感器(例如，多轴加速计)112产生表示多个时间间隔的运动的运动数据样本(例如，运动传感器112可在可穿戴电子装置中且所述运动数据表示所述装置的运动)。运动传感器可在一时间间隔期间产生若干运动数据样本。一时间间隔中产生的样本的数目可取决于运动传感器的取样速率和所述时间间隔的长度。在运动传感器为加速计的情况下，运动数据样本可表征沿着移动轴的加速度的量度。在一些情况下，运动数据样本可为消耗给定量的存储装置(例如，64位、32位、16位等)的数据值。样本消耗的存储装置的量可取决于实施例中使用的加速计以及用于将来自运动传感器的样本转移到可穿戴电子装置的微处理器可存取的存储器的通信接口的实施方案。
在任务框2处，移动量度产生器116基于运动数据样本产生多个移动量度。移动量度可用于减小存储表征可穿戴电子装置随时间的移动的数据所需要的存储空间。举例来说，在一种情况下，移动量度可用单一值量化针对给定时间周期(例如，30秒时间周期内)产生的运动数据样本的数目。此外，根据一些实施方案，个别移动量度与单一运动数据样本相比可消耗较少的存储空间。举例来说，移动量度可消耗4位、8位、16位、32位或任何其它存储大小。
如本文更详细地论述，存在用于产生移动量度的若干技术。举例来说，在一个实施例中，移动量度产生器116可在传感器装置产生样本的时刻处理移动数据样本，或另外或替代地可以预定频率或基于若干样本处理运动数据样本块(例如，针对一或多个时间间隔的样本)。
移动量度的产生可用于确定用户睡着/苏醒状态，因此移动量度还可被称作那些实施例的确定睡眠状态的睡眠系数。存在睡眠检测方法的至少两个基础版本。第一版本为运动传感器(例如，加速计)解决方案，其使用来自三轴运动传感器的数据。第二版本使用来自运动传感器和包含光电容积描记传感器114的光学心率监测仪(HRM)模块的数据的组合。
在任务框3处，统计测量器122可分析移动量度以导出表征用户的移动的一或多个统计特征的值的时间系列。在一些情况下，给定移动量度的特征值可取决于所述给定移动量度附近的移动量度(例如，如可由时间系列中的近程测得)。举例来说，统计测量器122的一些实施例可利用移动量度的滚动窗以产生给定移动量度的特征值。为了说明，假定所述组移动量度表示为MM＝{mm0、mm1、…、mmn、mmn+1、…mmz}，因而统计测量器122可从移动量度mmn-w-1到mmn+w-1导出mmn的特征值，其中窗大小为2*w。统计测量器可导出的统计特征的实例包含(尤其)分位数(例如，加速度数据的分位数)、四分位距、离差的量度(例如，吉尼系数)、熵的量度、频域中的信息(例如，周期性运动的量的量化和两个或两个以上频带中的周期性运动的量)。下文论述特征的其它实例。
在任选任务框1O处，任选地，可利用光电容积描记传感器114以产生光电容积描记(PPG)数据来计算心率(HR)、心率变异性(HRV)和/或呼吸速率(RR)。光电容积描记传感器通常包含光源和光检测器。共同光源为发光二极管(LED)。
在任务框4A处，一旦已经导出所述组特征的值，用户活动分类器124就可对与统计特征对应的时间周期进行分类或以其它方式用例如活跃水平或非活跃水平等活动水平进行标记。在一些情况下，用户活动分类器124对所述组特征值中的每一统计特征进行分类或以其它方式标记，而在其它情况下，用户活动分类器124可对特征的时间序列中的特征的子集进行分类或以其它方式标记(例如，每隔一个特征值、每五个特征值、每十个特征值等)。
在任务框4B处，时间块分类器126使用活动水平向时间块指派选自多个睡眠状态中的一者的休眠状态。睡眠状态可包含(尤其)苏醒状态和睡着状态。如下文更详细地描述，一些实施例可包含表示用户的不同睡眠阶段的睡眠状态。此外，一些实施例可包含表示不同类型的非睡眠活动(例如，不安状态)的睡眠状态。每一时间块可跨越由活动水平表征的时间周期中的一或多者。在一些情况下，由所述时间块覆盖的活动水平可为同构活动水平，而其它情况可允许异构活动水平。
因此，图1说明可有效和/或自动确定何时可穿戴电子装置的穿戴者正在睡眠的系统。举例来说，代替于存储从运动传感器获得的所有运动数据并直接从原始运动数据导出睡眠状态，系统可改为将针对一时间间隔的多个运动数据样本变换为由移动量度表示的单一数值。此外，在一些情况下，可从自多个时间间隔的移动量度导出的多个特征确定一时间周期内的活动水平。
现更详细地描述图1的操作和组件。
移动量度
如刚刚上文描述，实施例可使用含有运动传感器的可穿戴电子装置来测量指示可穿戴电子装置已经经历的运动的运动数据(例如，由加速计测得的加速度数据)。本文中还描述，移动量度可量化。在一些实施例中，每一移动量度为基于沿着运动传感器的一或多个轴的运动数据的分布的量化的组合(例如，加法、平均等等)产生的单一数值数字。所述单一数值数字为用户的运动的简洁表示，且如上文中描述，其可用于检测用户的状态、用户的睡眠阶段、活动水平和用户的其它类型的状态。
使用以某一间隔或频率(例如，每30秒)量化的移动量度，实施例产生表征更长时间周期(例如，10分钟)内用户的移动的信息性统计特征。在一个实施例中，移动量度量化短时间间隔(例如，30秒)内的用户移动和行为。更确切地说，此量度将沿着轴的加速度数据(一种类型的运动数据)的分布量化并将其组合为单一数值数字。假设a_x、a_y、a_z表示某一时间间隔(例如，30秒)内以某一取样速率(例如，20Hz)取样的沿着三个轴测得的加速计数据的时间系列阵列。
移动量度的一个实施例使用沿着轴的最大和最小加速度来量化沿着所述轴的加速度的分布。来自每一轴的单独值相加在一起成为每30秒间隔(其它间隔也是可能的)的单一量度。从一时间周期内产生的一组运动数据产生的移动量度可随后表达为：
MM＝max(a_x)-min(a_x)+
max(a_y)-min(a_y)+
max(a_z)-min(a_z)
此量度的的较一般形式允许沿着不同轴的不同加权和针对每一轴的不同指数幂。w_x、w_y、w_z是加权因数且exp_x、exp_y、exp_z是指数。移动量度可表达为：
MM＝w_x*(max(a_x)-min(a_x))^exp_x+
w_y*(max(a_y)-min(a_y))^exp_y+
w_z*(max(a_z)-min(a_z))^exp_z
应了解，一些实施例可对移动量度执行若干其它后处理操作。举例来说，在其它实施例中，移动量度产生器可执行利用饱和度的操作(所计算的移动量度箝位到由用于存储那些所计算值的若干位支持的边界值)。在一些实施例中，移动量度产生器可将所计算的移动量度投射到4位变量(或8位、16位)，其可在一些情况下，最小化数据卷。在一些实施例中，正饱和的所计算的移动量度的出现频率可用于确定阈值，在所述阈值以上所述投射经移位以产生移动量度(例如，以考虑致使有意义的数据处于所计算的移动量度的较高阶位中的“更大噪声”运动传感器)。举例来说，在使用4位表示移动量度的实施例中，0移位意味着移动量度的投射来自位位置3：所计算的移动量度的0；1移位意味着移动量度的投射来自位位置4：所计算的移动量度的1，等等。
在一个实施例中，所计算的移动量度包括沿着一或多个轴的运动数据的统计量度的组合。运动数据的统计量度可为分位数(例如，加速度数据的分位数)四分位距、离差的量度(例如，吉尼系数)和熵的量度中的一或多者。此外，在一个实施例中，统计量度可使用频域中的信息。频域中的信息可用于量化周期性运动的量且比较两个或两个以上频带中的周期性运动的量。
其它量化运动数据(包含加速计数据)的分布的方法也是可能的：
●使用标准偏差而非最大值减去最小值
●使用运动数据的四分位距。
其它用于量化用户移动的方法也是可能的，例如：
●使用沿着所述三个轴中的每一者的运动数据的时间导数(也被称作急推、浪涌或徘徊)。
●测量总加速度与1G(地球上海平面处的重力加速度)的偏差。
●使用加速计数据的积分(例如，第一积分为速度，第二积分为位置)。
注意，尽管由加速计测得的加速度数据给定作为运动数据的一实例，但其它传感器(例如，陀螺仪、重力传感器、旋转向量传感器或磁力计)可用于收集其它类型的运动数据以产生移动量度。
利用移动量度的优点为，其在内嵌装置上操作起来极其便宜。举例来说，在一些实施例中，移动量度的单一数值可俘获足够有意义的信息来执行本文稍后描述的确定，但需要相对较少功率来计算、需要相对较少存储空间来存储、需要较少带宽来发射，等等。此外，有限数目的位可用于表示移动量度(例如，如上文所描述，移动量度可投射到4位变量)，其最小化数据卷。如上文所论述，移动量度可传递离开可穿戴电子装置到计算机服务器，或电子装置上的应用(例如，移动电话或平板计算机上的app)以供进一步处理、例如作出用户的状态的确定。
用户移动的统计量度
如先前参看图1中展示的任务框3所描述，统计测量器122可执行统计量度以产生针对给定时间的特征值。用户的非瞬时行为可使用各种时间标度或窗大小(例如，5、10、40分钟间隔)上移动量度的分布(和分布导出的特征)来表征。统计测量器122的一个实施例使用所关注的时刻上居中的滚动窗(所述特征值指派到的时间)。举例来说，使用时间T处居中的W分钟窗的特征值FN将描述从T-W/2延伸到T+W/2的移动量度的分布的特性。在其它实施例中，统计测量器122可分别使用左或右对准到时间T的滚动窗以便仅考虑时间T之前或之后发生的数据。计算特征值的速率可对应于产生移动量度的速率、窗大小或任何其它合适的速率。举例来说，下一特征(例如，FN+1)可对应于时间T+W,T+W/X(其中X为任何数值)、T+MMI(其中MMI表示移动量度的间隔(例如，根据一些实施方案，30秒))，或T+X。
对于用户的状态的确定，在一个实施例中，可利用多组时间窗上的多组统计特征。示范性统计特征是：
●移动量度的滚动分数在阈值以下(例如，0.13g或任何其它合适的值)
●移动量度的滚动分数在阈值以上或在阈值的范围之间(例如，0.17g以上或0.17g与0.20g之间)，或任何其它合适的值
●连续移动量度的滚动分数在阈值(例如，0.2g)以上，或任何其它合适的值
●这些分布的各种滚动分位数、平均值、标准偏差和其它汇总统计。
来自光学光电容积描记(PPG)的信息
如图1中所说明，在任选任务框1O处，任选地可利用光电容积描记(PPG)传感器114以产生PPG数据来计算心率(HR)、HR变异性(HRV)和/或呼吸速率(RR)。PPG传感器通常包含光源和光检测器。共同光源为发光二极管(LED)。
PPG数据可用于通过测量峰值之间的时间或通过计算光学信号中的主导频率而计算用户的心率。对于大多数用户，心率在睡眠开始之后不久下降且在睡眠过程期间继续下降直至早晨较早时候。心率在用户苏醒时或在睡眠期间的短干扰期间上升。测量心率允许我们较好地识别睡眠的周期。此外，心率为将睡眠的周期与静躺的周期分离的良好指示符，其可迷惑比如加速计等运动传感器。一些用户并不经历睡眠时心率的此特性下降。此些用户可在其佩戴可穿戴电子装置持续几天之后识别，且可对此些用户使用不同算法。
用户的心率与他的/她的平均静止心率的差可用作他的/她的心率已下降到多低的个人化量度。PPG数据还可用于计算用户的呼吸速率。呼吸速率常常在睡眠时展示相异的改变且可用作用以识别睡眠的周期的特征。呼吸可使用若干技术计算：
●测量心跳之间的峰值间间隔中的变异性
●测量PPG信号的基线中的缓慢变异性(0.1-0.5Hz)
●测量加速度信号中的缓慢周期性信号(0.1-0.5Hz)
在一个实施例中，表示可穿戴电子装置的用户的心率、心率变异性和/或呼吸速率的数据由PPG数据分析器118计算，且所产生的数据(被称作“分析PPG数据”)为除经由统计测量器122获得的统计特征之外对用户活动分类器124和/或多类别睡眠阶段分类器128的额外输入。
分类为活动水平
如先前参看图1中展示的任务框4A论述，用户活动分类器124可对与一时间周期相关联的统计特征进行分类或以其它方式用活动水平进行标记，例如以活跃水平或非活跃水平分类。在一些实施例中，用户活动分类器124可包含基于对具有已知标记的一组样本特征(例如，与活跃状态(例如，穿戴者较可能将苏醒)或非活跃状态(例如，穿戴者较可能将睡着)相关联的特征集合)运行监督机器学习算法而产生的分类模型。
在一个实施例中，用户活动分类器为决策树，但多种其它分类器是可能的，例如(借助于实例而非限制)：
●随机森林
●支持向量机
●神经网络
●K最近邻算法
●贝叶斯
●隐式马尔可夫模型
此外，用户活动分类器可使用升高来组合这些各种机器学习分类器模型以作出更准确分类。用户活动分类器可在一个实施例中后处理分类模型以移除噪声且使用二元打开和二元闭合操作改进分类。多种其它平滑操作是可能的，包含中值平滑、加权平滑、Kriging、马尔可夫模型等。
用户状态之间的所推断转变点的准确性可使用包含边缘检测、改变点分析等的多种方法改进。
如上文所论述，用户活动分类器可使用从除运动数据外的数据导出的特征。也可并入到此分类器中的此非运动数据导出的特征包含：
●心率数据，例如PPG
●随时间的皮肤或环境温度量度或温度的改变
●皮肤电响应
●环境光量度(例如，人们倾向于在黑暗环境中睡眠)
●用以检测与睡眠相关联的样式(例如，打鼾、深呼吸或相对较少量的噪声)的声音检测。
在一个实施例中，所述多个用户活动包含表示何时装置并未被穿戴的第三检测到的状态，且所述“非穿戴”状态可用于改进准确性。此“非穿戴”状态可从自运动传感器导出的统计特征、PPG数据和/或来自例如温度传感器、环境光传感器、皮肤电响应传感器、电容性传感器、湿度传感器和声音传感器等传感器的数据来推断。
举例来说，在仅运动传感器情况中，“非穿戴”状态可在可穿戴电子装置保持在特定定向中和/或极其静止持续太长时间时检测到，因为此并非人类睡眠样式的典型特征。在运动传感器+PPG传感器情况中，“非穿戴”状态可从PPG数据的光学特性可能结合低移动状态(如使用运动传感器测得的)而检测到。睡眠开始和发生还可从“非穿戴”状态的定时和持续时间推断。睡眠估计值可响应于用户编辑睡眠开始和发生估计值(通过在产生分类预测时使用此反馈作为训练数据或作为先验)而随时间针对用户改进。虽然可使用运动传感器+PPG传感器检测“非穿戴”状态，但本文下文论述不需要PPG传感器的替代实施例。
苏醒和睡着状态的导出
如上文参看图1中展示的任务框4B所论述，时间块分类器126在一组时间周期内从活动水平导出用户处于多个睡眠状态中的一者的时间块。休眠状态可包含苏醒状态和睡着状态。所述时间块可跨越被指派一活动水平的时间周期中的一或多者。连续时间块可具有不同睡眠状态。
时间块分类器126可基于凭经验导出的逻辑将被指派一活跃水平或非活跃水平的时间周期转换为睡眠状态。通常，活跃状态暗示苏醒状态且非活跃状态暗示睡眠状态，但考虑此转换阶段期间的多种相反边缘情况。举例来说，当存在紧靠在短非活跃周期(<60分钟)之前和之后的可观的步数活动(>200步)(20分钟内)时，所述非活跃周期可分类为“苏醒”时间。关于何时此可有帮助的实例在于将期间用户静坐的一小时长的会议正确地识别为苏醒时间而非打盹。
经由用户的状态的自动检测，可穿戴电子装置的用户不再需要用户计划转变到睡着状态的显式用户指令，这对于可穿戴装置的用户来说可能是不便的且容易出错，因为用户常常忘记向可穿戴电子装置通知用户的转变。
睡眠阶段检测
返回参看图1，运动量度的统计特征可改为或也用于对用户的睡眠阶段进行分类(注意，虚线框标记的用户睡眠状态检测190和睡眠阶段分类192)。举例来说，可穿戴电子装置可实施用户睡眠状态检测190，但不实施睡眠阶段分类也不以不同方式进行此分类。作为另一实例，可穿戴电子装置可实施睡眠阶段分类192，但以不同方式实施用户睡眠状态检测或完全不实施(例如，可穿戴电子装置可含有接口，供用户提供用户计划转变到睡着状态的通知(例如，经由用户推动可穿戴电子装置的按钮或在可穿戴电子装置上点击)，且通过启用睡眠阶段分类192而响应直至用户苏醒(其转变回到苏醒状态可经由来自用户的通知或经由自动检测(如本文所描述的，或经由不同技术))。因此，用户睡眠状态检测190和睡眠阶段分类192是独立的，但可在一起使用。返回参看图1，在任务框5处，基于所述组统计特征(任选地也基于HR/HRV/RR)，多级睡眠阶段分类器128可确定用户的睡眠的阶段。
可依据离散睡眠阶段描述人类睡眠样式。在最高描述水平处，这些分裂为REM(快速眼移动)和非REM睡眠阶段，后者包含各种浅和深睡眠阶段。移动的样式、心率、心率变异性(HRV)和呼吸根据睡眠阶段改变。这些样式可使用来自运动传感器(例如三轴加速计)连同允许测量心率、HRV和呼吸的光电容积描记传感器的数据而检测。
从运动传感器和光电容积描记传感器收集的数据包含：
●用户移动的量度(参看本文上文对移动量度的论述)
●用于计算心率、心率变异性和呼吸的数据(例如，如使用来自电子可穿戴装置中的光电容积描记传感器的数据而确定)
●心率变异性的时域或频域量度。
可使用移动量度导出统计特征，且另外，原始心率数据可用于界定若干较高水平特征。举例来说：
●各种时间标度(例如，上一分钟、前5分钟等)上的滚动中值或平均心率
●如各种时间标度上测得的心率分布的滚动分位数
●心率是否在某一间隔的过程期间超出/低于某一阈值。
另外，可使用心率的时间导数导出统计特征。举例来说：
●各种时间标度上心率的滚动最大改变
●各种时间标度上心率导数的分布的滚动中值、平均值或某一其它分位数
可使用心率变异性或呼吸导出类似统计特征。举例来说：
●各种时间标度上HRV或呼吸事件超出某一阈值的次数。
●各种时间标度上HRV或呼吸的分布的滚动中值、平均值或某一其它分位数。
心率、心率的导数、心率变异性和呼吸可以每用户为基础恰当地正规化或标准化，考虑用户的自然变异。举例来说，用户的静止心率可从其瞬时心率减去。人口统计信息也可用于再正规化特征以考虑根据人口统计资料的变异。
随后，导出的统计特征可用于训练多级分类器(经由监督机器学习)128以将时间周期分类为特定睡眠阶段(例如，REM、各种非REM(NREM)的阶段，例如浅或深睡眠)。
一个实施例使用随机森林分类器。其它分类方法包含神经网络、隐藏马尔可夫模型、支持向量机、k均值集群和决策树。还可使用其它改变检测方法检测阶段之间的转变，例如改变点分析、t测试和Kolmogorov-smirnov统计。
来自先前步骤的所产生的分类标记可平滑以减少噪声。举例来说，可使用指定状态之间的转变概率的凭经验经校准马尔可夫模型处理来自随机森林分类器的所产生的分类。其它平滑操作可包含二元腐蚀/扩大、中值平滑等。
应注意，图1中说明的自动用户状态检测和用户睡眠阶段检测可在单一系统中并行地执行。用户状态检测和用户睡眠阶段检测可使用相同或不同统计特征来作出其自身的确定。
用户状态检测的说明性实例
图2A说明根据本发明的一个实施例针对所关注的时刻在不同时间窗处收集的移动量度，以及确定所关注的时刻中的一者的统计特征并基于所述统计特征对所关注的所述时刻进行分类。如本文所使用，“所关注的时刻”可指代给定时间点，例如可对应于移动量度、统计特征或状态的一时间周期，且因此，所关注的时刻可与单一时间点或时间周期的范围的任何适宜指示互换使用。针对每一时间间隔收集移动量度(参看图1，参考116和任务框2)。基于移动量度和任选地PPG数据，在时间窗内，在参考212处，实施例计算所述窗内的时刻的一或多个统计特征(参看图1，参考122和任务框3)。在一个实施例中，统计特征可利用来自多个时间窗的移动量度。移动量度可具有由预定义位数表示的离散值。在参考214处，使用针对所关注的时刻确定的统计特征F1-FN将所关注的时刻分类为用户的多个活动水平中的一者，所述活动水平包含活跃/非活跃(参看图1，参考124和任务框4A)。
注意虽然在一个实施例中一或多个统计特征的计算在落在包含所关注的时刻的时间窗内的时间间隔的连续子集处使用移动量度，但在替代实施例中可利用所述子集内的其它样式(例如，每隔一个时间间隔)的移动量度用于所述计算。
图2B说明根据本发明的一个实施例使用用户的活跃/非活跃活动水平导出苏醒/睡着阶段。如所说明，活动水平说明为随时间活跃或非活跃(每一所关注的时刻处)。实施例从活跃/非活跃水平导出不重叠的连续时间块，在其中的每一者期间，用户处于多个状态中的一者；其中所述状态包含苏醒状态和睡着状态，其中所述时间块中的每一者跨越所关注的时刻中的一或多者，且其中所述时间块的连续者具有所述多个状态中的不同者(参看图1，块126和任务块4B)。具体来说，图2B说明导出以下时间块：苏醒222、睡着224、苏醒226、睡着228、苏醒230和睡着232；其中的每一者跨越多个所关注的时刻。借助于实例，给定时间块可包含分类为不同用户状态(例如，睡着228)的时间时刻。用户的状态中的转变由时间块的边缘表示(即，当一个块结束且下一块开始时-例如，用户在时间块222结束/块224开始时从苏醒状态转变到睡眠状态)。
图3A说明根据本发明的一个实施例从不同时间跨度期间的数据取得的移动量度快照。移动量度由4位表示，因此16个不同值从0开始到15(具有+1偏移)。高于或低于所述15个值的任何值箝位到最高(15)和最低值(0)。时间跨度在下午10:00到上午10:00之间，且移动量度动态地改变。
图3B说明根据本发明的一个实施例使用不同时间跨度期间的数据确定针对所关注的时刻的统计特征。针对每30秒时间间隔使用滚动窗计算所述特征(特征1)。特征1使用过去20分钟与将来20分钟之间的移动量度。举例来说，上午4:00处特征1的计算可进行如下。上午3:40与上午4:20之间产生的移动量度存储在阵列中。如果以30秒间隔产生移动量度，那么可存在40分钟×2值/分钟+1移动量度。“+1”考虑对应于上午4:00的所关注的时刻。可确定的统计特征包含均值、标准偏差、第75分位数(或任何其它合适的分位数)等。在此实例中，统计特征为寻找大于阈值(例如12)的移动量度的数目。对于每一所关注的时刻，相关联窗内大于阈值(例如，在以上实例中，12)的移动量度的数目的百分比记录为所关注的时刻处特征1的值。也就是说，F1＝(具有>阈值(例如，12)的值的移动量度的数目)/窗的移动量度的总数。
图3C说明根据本发明的一个实施例使用不同时间跨度期间的数据对所关注的时刻处的用户活跃/非活跃活动水平进行分类。如所说明，基于本文上文论述的统计特征，确定用户活跃直至上午12:00(参考241)。用户的状态在上午12:00与上午4:00之间转到非活跃(参考242)，其后用户的状态活跃持续一时间周期(参考243)，且变回到非活跃状态(参考244)，且随后在参考245处返回活跃。然后，用户在非活跃(参考246)与活跃(参考247)之间双态切换。关于图3C，由活跃周期241覆盖的时间的时间周期可(例如)表示活跃周期241内的所关注时刻(未图示)以活跃状态分类。
图3D说明根据本发明的一个实施例使用不同时间跨度期间的数据导出用户苏醒/睡着状态。对于大多数所关注的时刻，活跃状态导致导出用户状态为苏醒，且非活跃状态导致导出用户状态为睡着。然而，图3C说明从非活跃242(表示分类为非活跃的所关注的时刻)、活跃243(表示分类为活跃的所关注的时刻)和非活跃242(表示分类为非活跃的所关注的时刻)导出睡着状态(参考252)。也就是说，对于一些所关注的时刻用户可分类为处于活跃状态，但用户仍可确定为处于睡着状态。如果满足特定准则，那么实施例可将具有“活跃”状态的时间跨度分类为睡着状态。举例来说，如果用户具有不安周期，其中其穿插活跃和静止时刻。实施例可采用大多数规则决策，在前一时间跨度分类为睡着状态，接续时间跨度具有非活跃状态且当前“活跃”时间跨度具有某一特定范围内的长度(10-120分钟)的情形中使用包括所述时间跨度的个别时刻的状态。
图3E说明根据本发明的一个其中包含非穿戴状态的实施例使用不同时间跨度期间的数据导出用户状态(例如，活跃/非活跃/非穿戴状态)。非穿戴状态在参考260处(表示分类为非穿戴的所关注的时刻(未图示))，其中实施例确定在上午大约9:00用户并未穿戴电子可穿戴装置。
图3F说明根据一个其中考虑非穿戴状态的实施例使用不同时间跨度期间的数据导出用户苏醒/睡着状态。在所说明的实施例中，基于凭经验导出的逻辑将非穿戴状态导出为苏醒状态275的一部分-在上午大约9点，很可能用户处于苏醒状态。
若干实施例可具有用于取决于腕外状态向时间块指派睡眠状态的规则。举例来说，考虑其中用户苏醒且立即脱掉其装置进行淋浴的情况。移动量度可在此时间期间保持低，因此此时间跨度将分类为非活跃且最终分类为睡着时间。但因为此时间跨度分类为非穿戴且先前状态为“睡着”且接续状态为“苏醒”，所以实施例可通过将此时间块分类为苏醒时间而校正睡着状态。相反，在用户的睡眠当中，其在某种程度上满足非穿戴准则。在此情况下，“非穿戴”时间跨度之前和之后为“睡着”时间。在此情况下，实施例可将非穿戴周期分类为睡着时间，因为不大可能用户实际上在睡眠周期当中脱掉所述装置。
用户睡眠阶段检测的说明性实例
图4A说明根据本发明的一个实施例确定针对所关注的时刻的不同时间窗处的统计特征，以及确定所关注的时刻中的一者的统计特征并基于所述统计特征对所关注的时刻进行分类。图4A类似于图3A，且相同或类似参考指示具有相同或类似功能性的元件或组件。差别是，统计特征可不同于用以确定用户状态的统计特征。针对所关注的时刻确定的统计特征F'1到F'M用于确定所述所关注的时刻的睡眠阶段。
图4B说明根据本发明的一个实施例确定不同时间窗处所关注的时刻的睡眠阶段的结果。在此实施例中，存在三个NREM阶段。其它实施例可具有不同NREM阶段。
用于移动量度产生、用户状态检测和用户睡眠阶段检测的流程图
图5为说明根据本发明的一个实施例的移动量度产生以及任选用户状态检测和/或用户睡眠阶段检测的流程图。方法500可实施在可穿戴电子装置、耦合到所述可穿戴电子装置的电子装置((例如，服务器(包含硬件和软件)/平板计算机/含有应用(在本文中被称作“app”)的智能电话)中，或分布在所述两者之间(例如，参考502和504可实施在可穿戴电子装置中，而参考506和508可实施在耦合到可穿戴电子装置的电子装置中)。
在参考502处，接收由运动传感器产生的运动数据。所述运动数据可在某些状况下为从加速计(例如，三轴加速计)接收的表示沿着三个轴的运动的加速计数据。在替代实施例中，运动传感器为陀螺仪、重力传感器、旋转向量传感器、位置检测装置(例如，GPS装置或能够使用蜂窝式电话或WiFi三角测量测量移动的装置)或磁力计。虽然在一个实施例中运动传感器在可穿戴在用户的身体(例如，手臂、脚踝或胸部)上或内嵌在用户的服装中的可穿戴电子装置中，但替代实施例可具有由另一外部电子装置产生且由可穿戴电子装置接收的运动传感器数据。运动数据可包含例如第一时间间隔和第二时间间隔等不同时间间隔期间产生的多个样本。
在参考504处，可穿戴电子装置基于相应时间间隔期间产生的运动数据的量化的组合产生时间间隔(例如，每30秒)的移动量度。举例来说，在从三轴加速计接收的加速度数据的情况下，可穿戴电子装置可在第一时间间隔期间沿着所述三个轴中的每一者量化加速度数据且随后在第二时间间隔期间沿着所述三个轴中的每一者量化加速度数据。因此，从两个不同时间间隔接收的加速度数据的多个样本每一者量化为单一数值数字。上文描述可用于量化运动数据的多个样本的不同技术。
再次，应了解，时间间隔的移动量度可为单一数值数字。此外，所述单一数值数字可由预定义位数(例如，四个位)表示。在一个实施例中，选择位数使得其足够小以便于在可穿戴电子装置内的不同模块之间或可穿戴电子装置与耦合到所述可穿戴电子装置的电子装置之间发射，且足够大以表示用于本文中所描述的后续操作的充分有意义的数据。
任选地在参考506处、基于移动量度，睡眠状态可基于移动量度指派到时间块。所述状态可包含苏醒状态和睡着状态。连续时间块可指代不同睡眠状态，例如若干针对第一时间块的睡着状态和针对第二时间块的苏醒状态。如本文中所论述，可基于基于移动量度的窗产生给定时间点的特征而确定睡眠状态。所述特征可随后用于向给定时间点指派活动水平。活动水平随后用于向所述时间块指派睡眠状态。
任选地在参考508处，对于所关注的时刻，确定用户的多个睡眠阶段中的一者。所关注的时刻中的每一者对应于时间间隔中的一者，且针对所述所关注的时刻中的每一者的确定是基于来自落在包含所述所关注的时刻的时间窗内的时间间隔的子集的移动量度。所述多个睡眠阶段包含快速眼移动(REM)阶段和多个非REM阶段。
具有所述状态和/或睡眠阶段的移动量度和/或所确定的时间块可呈现给用户(例如，在所述装置或另一电子装置(例如，平板计算机/智能电话/计算机，其接收来自可穿戴电子装置的数据，产生所述数据，或接收来自另一电子装置(例如，服务器)的数据)的显示器上)或存储在所述可穿戴电子装置中持续足以将此数据呈现或传送到次级装置的时间周期。
应注意，运动数据的分布的量化可以如本文中上文所论述的多种方式组合。
用于检测用户的睡眠周期和睡眠阶段的流程图
图6为说明根据本发明的一个实施例用于用户的睡眠周期的自动检测的方法600的流程图。方法600为图5的参考506的示范性实施方案。方法600可实施在可穿戴电子装置、耦合到所述可穿戴电子装置的电子装置((例如，服务器(包含硬件和软件)/平板计算机/含有应用(在本文中被称作“app”)的智能电话)中，或分布在所述两者之间(例如，参考602和604可实施在可穿戴电子装置中，而参考606和608可实施在耦合到可穿戴电子装置的电子装置中)。
参考602说明基于针对多个时间间隔中的每一者的沿着三个轴中的每一者的运动数据的分布的量化的组合针对所述时间间隔接收移动量度。表示沿着三个轴的运动的运动数据由运动传感器(其可在可穿戴电子装置中或由另一电子装置提供到可穿戴电子装置)产生。在一个实施例中，三个轴可为可穿戴电子装置的正交轴。运动量度可由一或多个多种运动传感器以例如本文上文关于图1和图5论述的各种方式产生。
参考604说明针对多个所关注的时刻中的每一者确定一组一或多个统计特征，其中至少一个表征针对落在包含所述所关注的时刻的时间窗内的时间间隔的子集确定的移动量度的分布。所关注的时刻可指代特定所关注的时间周期且可与短语“一时间周期”互换使用。所关注的时刻中的每一者对应于时间间隔中的一者，且所述组统计特征表征用户的移动。在一些实施例中，时间窗为相对于所关注的时刻居中、左对准或右对准的滚动窗。借助于实例，时间窗可为各种时间标度，例如5、10、40分钟间隔，而移动量度的时间间隔处于较小时间标度，例如10、30、60秒。在一个实施例中，所选择的时间间隔的子集是连续时间间隔。在替代实施例中，以例如每隔一个时间间隔或每两个时间间隔等不同样式选择时间间隔的子集。在一个实施例中，可使用不同时间标度处的多个时间窗确定所述统计特征中的一或多者。
参考606说明基于针对所述多个所关注的时刻中的每一者确定的所述组统计特征将所述时刻分类为用户的多个状态(例如，活动水平)中的一者，其中用户的状态包含活跃和非活跃。在一个实施例中，所述分类进一步基于由PPG传感器(例如，可穿戴电子装置或将所述PPG数据传送到可穿戴电子装置的另一电子装置中)产生的PPG数据。举例来说，利用来自包含所关注的时刻的时间窗的PPG数据计算用户的心率数据、心率变异性数据和/或呼吸数据(即，经分析PPG数据)中的至少一或多者。参考606可以上文关于图1、参考124和任务框4A所描述的各种方式实施。
参考608说明从所关注的时刻处用户的状态导出不重叠的连续时间块，用户在其中的每一者期间处于多个状态中的一者。所述状态包含苏醒状态和睡着状态，其中所述时间块中的每一者跨越所关注的时刻中的一或多者，且所述时间块的连续者具有所述多个状态中的不同者。参考608可以上文关于图1、参考126和任务框4B所描述的各种方式实施。
图7为说明根据本发明的一个实施例的用户的睡眠阶段的自动检测的流程图。方法700为图5的参考508的示范性实施方案。方法700可实施在可穿戴电子装置、耦合到所述可穿戴电子装置的电子装置((例如，服务器(包含硬件和软件)/平板计算机/含有应用(被称作app)的智能电话)中，或分布在所述两者之间(例如，参考702和704可实施在可穿戴电子装置中，而参考706可实施在耦合到可穿戴电子装置的电子装置中)。
参考702说明基于针对多个时间间隔中的每一者的沿着三个轴中的每一者的运动数据的分布的量化的组合针对所述时间间隔接收移动量度。在实施图6和图7两者的实施例中，参考602和702可相同。
参考704说明针对多个所关注的时刻中的每一者确定一组一或多个统计特征，其中至少一个表征针对落在包含所述所关注的时刻的时间窗内的时间间隔的子集确定的移动量度的分布。所关注的时刻中的每一者对应于时间间隔中的一者，且所述组统计特征表征用户的移动。参考704可以上文关于图1、参考122和任务框3所描述的各种方式实施。
参考706说明基于针对所述多个所关注的时刻中的每一者确定的所述组统计特征将所述所关注的时刻分类为用户的多个睡眠阶段中的一者。所述睡眠阶段包含快速眼移动(REM)阶段和多个非REM阶段。在一个实施例中，所述分类进一步基于由可穿戴电子装置中的光电容积描记传感器产生的光电容积描记(PPG)数据。举例来说，利用来自包含所关注的时刻的时间窗的PPG数据计算用户的心率数据、心率变异性数据和呼吸数据中的至少一者。参考706可以上文关于图1、参考128和任务框5所描述的各种方式实施。
注意，方法700的睡眠阶段检测可在确定用户处于睡着状态之后执行，且睡着状态的确定可以不同方式实现(例如，经由方法600、经由用户与可穿戴电子装置上的接口交互(例如，推动按钮或点击外壳))。
光电容积描记/运动传感器的自动功率消耗改变
在可自动检测用户的状态和/或用户的睡眠阶段的实施例中，所述信息可用于改变例如光电容积描记传感器和运动传感器等各种传感器的功率消耗。举例来说，心率变异性的准确量度与测量心率所必需的时间精确度相比需要信号中的更大时间精确度，因此可针对睡眠周期(和/或苏醒周期)的某一分数以较高取样速率和/或较高功率测量光电容积描记传感器的光源以实现心率变异性的较好估计值。类似地，沿着轴的运动的量度的准确性可以较高取样速率、灵敏度和/或功率电平而改进，且此可有助于确定(例如)用户的睡眠阶段。
相反，一旦检测到用户处于睡眠状态，实施例就可减小光电容积描记传感器和/或运动传感器的功率消耗。
图8A为说明根据本发明的一个实施例自动减少光电容积描记传感器和运动传感器中的至少一者的功率消耗的流程图。所述方法可由包含一组传感器的可穿戴电子装置实施，所述传感器包含运动传感器(例如，加速计)和光电容积描记传感器(其含有光源和光检测器(例如，LED))。在参考802处，响应于如可穿戴电子装置跟踪的用户的状态转变到睡着状态，可穿戴电子装置减小光电容积描记传感器和运动传感器中的至少一者的功率消耗。随后任选地在参考804处，在所述减少之后，可穿戴电子装置周期性地临时增加光电容积描记传感器和运动传感器中的所述至少一者的功率消耗以产生用于睡眠阶段检测的额外数据。在参考806处，响应于如可穿戴电子装置跟踪的用户的状态转变离开睡着状态，可穿戴电子装置反转光电容积描记传感器和运动传感器中的所述至少一者的功率消耗的减少。
在一个实施例中，功率消耗的减少包含以下中的一者：光电容积描记传感器的取样速率的减少、光电容积描记传感器的灵敏度的减少、光电容积描记传感器的光源的功率电平的减少、进入运动传感器的低精度状态、运动传感器的灵敏度减少，和运动传感器的取样速率减少。在一个实施例中，运动传感器为加速计。
在一个实施例中，功率消耗的临时增加包含以下中的至少一者：光电容积描记传感器的取样速率增加、光电容积描记传感器的灵敏度增加、光源的功率电平增加、进入运动传感器的高精度状态、运动传感器的灵敏度增加，和运动传感器的取样速率增加。
图8B为说明根据本发明的一个实施例自动增加光电容积描记传感器和运动传感器中的至少一者的功率消耗的流程图。
在参考812处，响应于如可穿戴电子装置跟踪的用户的状态转变到睡着状态，可穿戴电子装置增加光电容积描记传感器和运动传感器中的至少一者的功率消耗。如先前描述，功率消耗的增加提供额外PPG数据或运动数据用于睡眠阶段检测。
在参考814处，响应于如可穿戴电子装置跟踪的用户的状态转变离开睡着状态，可穿戴电子装置反转光电容积描记传感器和运动传感器中的所述至少一者的功率消耗的增加。
虽然在一个实施例中针对图8A或8B的方法由可穿戴电子装置跟踪用户的状态是由可穿戴电子装置执行，但在替代实施例中用户的状态的跟踪是在一或多个其它电子装置(例如，服务器(包含硬件和软件)/平板计算机/含有应用(被称作app)的智能电话，其将用户的状态实时或近实时传送回到可穿戴电子装置；以及任选地可穿戴电子装置外部的传感器(例如，用户的胸部、床垫或用户的床边柜上)，其将数据提供到所述服务器/平板计算机/智能电话以辅助检测进入和离开睡着状态的转变)的辅助下进行。这两种方法检测用户的状态且在“如由可穿戴电子装置跟踪”的含义内考虑。
虽然在一个实施例中功率消耗响应于检测用户进入和离开睡着状态的转变而改变，但替代实施例改为或另外确保功率消耗响应于睡眠阶段中的一或多者之间的转变的检测而改变。
传感器的功率消耗的改变可致使对可穿戴电子装置的可见改变。举例来说，光电容积描记传感器的功率消耗的减少可致使当光源的功率电平减小时光源发出较少光(减小其照明度)。类似地，光电容积描记传感器的功率消耗的增加可致使当光源的功率电平增加时光源发出较多光(增加其照明度)。因此，可穿戴电子装置可在转变进入和离开睡着状态后即刻改变其照明度。
实施相对于移动量度、用户的睡眠周期/阶段的自动检测和自动功率消耗改变的实施例的示范性装置
如先前描述，虽然在一些实施例中所述操作在可穿戴电子装置中实施，但替代实施例将所述操作中的不同者分布到不同电子装置(图9说明一个此类分布的实例)。图9为说明实施根据本发明的一个实施例揭示的操作的可穿戴电子装置和电子装置的框图。可穿戴电子装置(WED)902包含处理器942，其可为一组处理器。WED902包含运动传感器112，其可为如本文中上文所论述的多轴加速计、陀螺仪、重力传感器、旋转向量传感器或磁力计。WED902还可包含其它传感器914，其可包含图1中说明的光电容积描记传感器114、温度传感器921、环境光传感器922、皮肤电响应传感器923、电容性传感器924、湿度传感器925和声音传感器926。WED902还含有非暂时性机器可读存储媒体918，其包含实施上文所论述的移动量度产生器116的指令。在由处理器942执行时，移动量度产生器致使可穿戴电子装置902产生移动量度。在一个实施例中，非暂时性机器可读存储媒体918含有功率消耗调节器917，其对如本文中上文所论述的运动传感器112和PPG传感器114中的至少一者执行功率消耗调节。
在一个实施例中，其它传感器914不在可穿戴电子装置902内。这些传感器可分布在用户周围。举例来说，这些传感器可放置在用户的胸部、床垫或用户的床边柜上，同时可穿戴电子装置由所述用户穿戴。
图9还包含电子装置900(例如，服务器(包含硬件和软件)/平板计算机/执行应用(被称作app)的智能电话)。电子装置900可执行关于统计测量器122、用户活动分类器124、时间块分类器126和/或多级睡眠阶段分类器128的功能性，其中的一些或全部包含在存储在非暂时性机器可读存储媒体948中的睡眠跟踪模块(STM)950中。在由处理器952执行时，STM950致使电子装置900执行本文上文论述的对应操作。电子装置900可含有虚拟机(VM)962A到962R，其中的每一者可执行STM950的软件实例。超级监督器954可呈现用于虚拟机962A到962R的虚拟操作平台。
扩展和经启用应用
使用多种传感器的关于睡眠的多种应用和扩展是可能的。
当放置在床上或附近时来自可穿戴电子装置的数据
即使当未由用户物理上穿戴时，可穿戴电子装置也可用于监视睡眠以及睡眠阶段的开始/发生。举例来说，放置在床上、枕头上、枕头中或床边柜上的电子装置可用于测量用户的睡眠。此装置将使用加速计、麦克风、环境光传感器或摄像机测量用户的移动、心率或呼吸。此摄像机可能具有照明房间且俘获低光环境或红外条件中的视频的功能性。这些特征可随后用于推断如本文所描述的用户的睡眠和睡眠阶段的细节。
类似地，比如闹钟等壁装式装置可装备有摄像机和麦克风，其将测量用户的心率、呼吸速率和移动且用于推断关于睡眠的细节。因为用户睡着，所以用户将极其静止且此提供从视频估计心率的良好机会。此摄像机可能具有照明房间且俘获低光环境或红外条件中的视频的功能性。并且，此相机可同时俘获多个用户的心率、呼吸速率和移动。因此，移动量度和PPG数据可由可穿戴电子装置外部的传感器和数据收集装置产生，且这些移动量度和PPG数据可改为和/或另外经由可穿戴电子装置或经由较直接发射(例如，具有其自身WiFi连接、蓝牙连接或蜂窝式连接)提供到电子装置以推断如本文所描述的用户的睡眠和睡眠阶段的细节。
因为用户在睡眠期间静止，所以此提供此系统测量关于用户的较高级量度(比如呼吸速率的较小改变或(心脏的)心跳间间隔的较小改变)的机会。此信息可用于帮助检测或诊断比如睡眠呼吸暂停和心房纤颤等条件。
睡眠呼吸暂停检测
睡眠呼吸暂停可描述为睡眠期间正常呼吸的中断。给定睡眠的自动检测，可使用传感器的多种组合以多个方式检测睡眠呼吸暂停。举例来说：
●使用脉动式测氧法的血氧合的减少(例如，作为利用PPG数据的PPG系统的一部分)；
●如音频传感器测得的正常可听呼吸样式的中断
●如使用PPG系统测得的呼吸速率的改变。
●使用应变计(例如，穿戴在胸部周围)的呼吸的改变
●使用加速计(其测量呼吸的周期性加速度)的呼吸的改变
●使用直接或间接观测呼吸的摄像机的呼吸的改变
●使用检测排出二氧化碳的改变的CO2传感器的呼吸的改变。
多用户睡眠跟踪
可一次针对多个用户跟踪睡眠样式(例如，睡眠开始/发生、觉醒、睡眠阶段)。举例来说：
●位于床边柜上的图像记录装置可通过观测一或多个用户的运动状态、其是否正以符合睡眠的方式呼吸、通过借助检测其皮肤随着每一心跳的颜色的改变而测量其心率和心率变异性等来直接检测睡眠。
●图像记录装置还可直接检测一或多个睡眠用户中快速眼移动的发生或缺乏，因此直接检测REM与非REM睡眠阶段之间的差异。
●具有一或多个加速计的智能床垫可检测并分离来自多个睡眠用户的运动。
●音频传感器可一次针对多个用户检测和解疑呼吸或打鼾样式。
检测睡眠中断的原因
一些睡眠中断可由于生理(例如，睡眠呼吸暂停)和/或环境影响而产生。这些可经检测到且与睡眠中断相关，睡眠中断又可由用户使用以识别使他的/她的睡眠降级的事物或事件。举例来说：
●温度传感器(穿戴在身体上、制造为床的一部分、制造为位于床边柜上的装置的一部分等)可检测可导致睡眠中断的温度的改变。
●音频传感器可检测可打断用户的睡眠或使用户的睡眠降级的声音。
●环境光传感器可检测可打断睡眠的明亮的、持久性、断断续续的(等)光。
●湿度传感器可检测可导致不适或降级/被破坏的睡眠的湿度的改变。
●加速计可用于检测可打断睡眠的运动(例如，大卡车由地震驱动等)。
基于运动传感器自动检测何时并未穿戴可穿戴电子装置
本文论述的一些实施例可涉及能够检测何时并未穿戴可穿戴电子装置的可穿戴电子装置。举例来说，取决于外壳与可能腕带之间的布置，可穿戴电子装置可检测何时所述可穿戴电子装置已放置于所述可穿戴电子装置在未被穿戴时通常放置的若干定向中的一者中。在一些情况下，这些定向可由非穿戴简档指定。如本文所使用，“非穿戴简档”可为指定指示何时可穿戴电子装置并未由用户穿戴的运动数据的样式的数据或逻辑。在给定实施例中，运动数据的样式(例如，加速计数据)可反映由惰性传感器(例如，加速计)沿着一或多个轴检测到的重力。
虽然参考可穿戴电子装置中以特定方式定向的三轴加速计描述实施例，但替代实施例可具有不同定向，其可需要本文中所描述的技术的可预测改变，例如将运动数据从一个坐标系变换到另一坐标系。为简化实例实施例的论述，轴的负方向称为轴的反向。
借助于实例而非限制，现相对于显示器描述由加速计检测到的运动轴的特定定向。参看穿戴在用户的前臂上在与腕表的显示器将穿戴(相对于表盘)的相同位置中的可穿戴电子装置的显示器：X轴沿着形成于12与6点之间的线(正方向为12到6方向)且也可被称作顶部-底部轴；Y轴沿着形成于9与3点之间的线(也就是说，如果穿戴在左手上，从用户的肘部到手腕)(正方向在一些情况下为9到3方向)且也可被称作左-右轴；Z轴沿着垂直于表盘的线(正方向为从表盘前方出来)且也可被称作后-前轴。因此，在此实例中，X-Y轴形成含有显示器/表盘的平面，且X-Z轴形成垂直于用户的前臂的平面。
在一个实施例中，待穿戴在用户的前臂上的可穿戴电子装置具有外壳，所述外壳含有与可穿戴电子装置相关联的电子元件、供用户交互的一或多个按钮和经由所述外壳可存取/可见的一或多个显示器。根据本发明的一个实施例，可穿戴电子装置还可包含腕带以将可穿戴电子装置紧固到用户的前臂。如本文所使用，术语“腕带”可指代经设计以完全或部分环绕人的前臂在手腕关节附近的带。所述带可为连续的，例如无任何中断(其可拉伸以配合在人的手上或具有类似于时装表表带的扩展部分)；或可为不连续的，例如具有卡扣或其它连接从而允许所述带类似于表带闭合；或可简单地打开，例如具有卡扣在穿戴者的手腕的C形状。
现更详细地描述一些实例定向。
图10A-E说明根据实施例当并未穿戴时不同示范性可穿戴电子装置可放置的定向，其可由不同非穿戴简档表示。图10A-B说明根据本发明的一个实施例具有C形状且集成外壳和腕带的可穿戴电子装置。图10C-D说明根据本发明的一个实施例具有类似于时装表表带的腕带的可穿戴电子装置。图10E说明根据实施例当用户参与各种活动时由用户穿戴的可穿戴电子装置。注意，此组图中每一所描绘的可穿戴电子装置可包含加速计。
图10A说明根据本发明的一个实施例当不穿戴时其侧部放置在平坦表面上的可穿戴电子装置。当放置于此定向中时，左-右轴(Y轴)大体上平行于重力延伸，且归因于重力的沿着左-右轴的加速度将始终满足相对于当可穿戴电子装置处于此定向时沿着所述轴预期的阈值加速度的条件。虽然图10A说明其侧部中的一者上的可穿戴电子装置，但可穿戴电子装置也可通常放置在其相对侧(例如侧部1004)上。不论可穿戴电子装置静置在图10A中展示的侧还是侧1004上，重力都沿着左-右轴延伸但在相反方向中延伸。因此，在加速计的正方向从左到右测量的情况下，沿着左-右轴的加速度数据在可穿戴电子装置如图10A中所展示而定向时可测量1g，但在可穿戴电子装置经定向使得可穿戴电子装置在侧1004上时可测量-1g。因为可穿戴电子装置可静置在任一侧，所以可穿戴电子装置可将所检测的加速度数据与两个不同阈值的任一者(针对每一侧一个(例如，1g用于图10A中展示的静置侧，且-1g用于侧1004)比较，或取来自左-右轴的加速度数据的绝对值，其随后与重力阈值(例如，1g)比较。
图10B说明根据一个实施例当并未被穿戴时正面静置在平坦表面上的可穿戴电子装置。当放置于此定向中时，后-前轴(Z轴)大体上平行于重力延伸，且归因于重力的沿着后-前轴的加速度满足相对于当可穿戴电子装置处于此定向时沿着所述轴预期的阈值加速度的条件。
注意在一个实施例中，归因于形成C形状的腕带的形状和灵活性，可穿戴电子装置在并未被穿戴时将后部搁置是极其不可能的。因此，图10A-B说明当并未被穿戴时可穿戴电子装置通常放置的定向。
图10C说明根据一个实施例当并未被穿戴时可穿戴电子装置放置在平坦表面上使得可穿戴电子装置的正面垂直于所述平坦表面。当放置于此定向中时，顶部-底部轴(X轴)大体上平行于重力延伸，且归因于重力的沿着顶部-底部轴的加速度将始终满足相对于当可穿戴电子装置处于此定向时沿着所述轴预期的阈值加速度的条件。
图10D说明根据一个实施例当并未被穿戴时可穿戴电子装置经放置使得背面在平坦表面上。当放置于此定向中时，后-前轴(Z轴)大体上平行于重力延伸，且归因于重力的沿着后-前轴的加速度将始终满足相对于当可穿戴电子装置处于此定向时沿着所述轴预期的阈值加速度的条件。图10D的可穿戴电子装置的物理特性使得其还可通常放置于图10B中说明的相同定向中。比较图10D与图10B，后-前轴相对于重力在相反方向中延伸。因此，在其中正方向从后向前延伸且用于图10D的条件为加速度数据是否大于重力阈值的确定的实施例中，逻辑上用于图10B的条件将为加速度数据是否小于重力阈值的确定。当然，在其它实施例中，此逻辑可以不同方式实现，例如通过取加速度数据的绝对值且将所述绝对值与重力阈值比较。
在一个实施例中，图10A-B中的阈值加速度是基于抵消重力所需要的静止对象上的力和可接受程度的倾斜；所述倾斜可在可穿戴电子装置当并未被穿戴时通常放置于的定向中的一或多者中，以及可穿戴电子装置在上面静置的对象。举例来说，在一些实施例中，阈值加速度等于1g乘以余弦(X°)，其中X°选自0-40°范围，且更确切地说25-35°范围，且在一个特定实施例中针对至少图10A中的定向其为30°。虽然实施例可针对可穿戴电子装置当并未被穿戴时通常放置于的所有定向使用相同度数，但不同实施例可针对所述定向中的不同者选择不同倾斜度。
图10A-D说明可穿戴电子装置当并未被穿戴时可放置的若干共同定向，且在一个实施例中此些定向取决于可穿戴电子装置的特性，包含以下中的一或多者：形状、灵活性和用于将可穿戴电子装置穿戴在用户的前臂上的机制(例如，腕带)的运动范围。此外，在一个实施例中，这些定向是可穿戴电子装置与在其上放置可穿戴电子装置的对象(例如，平坦表面)形成直接物理接触的物理特性的结果。举例来说，虽然图10A-D说明平坦表面上可穿戴电子装置的定向，但一些可穿戴电子装置可经设计以在并未被穿戴时以不同方式放置，例如放置在具有倾斜表面的表盒中。因此，可穿戴电子装置当并未被穿戴时的共同定向是装置特定的，且不同实施例在选择一或多个轴时将针对给定装置考虑此(些)共同定向，沿着所述一或多个轴，重力将致使沿着那些轴的加速度始终满足相对于阈值加速度的条件。
与可穿戴电子装置当并未被穿戴时可放置的共同定向相比，图10E说明根据本发明的一个实施例当用户参与各种活动时可穿戴电子装置的定向。如所说明，用户800A正进行激烈体育运动(例如，网球)，用户800B正步行，用户800C正跑步，用户800D正练习瑜伽，用户800E正睡眠，用户800F正进行休闲体育运动(例如，高尔夫)，用户800G正骑自行车，用户800H正遛宠物，且用户800I(一只宠物)正跟主人一起步行。所有用户正穿戴可穿戴电子装置100，且除宠物外所有人的可穿戴电子装置100都穿戴在前臂上。宠物的可穿戴电子装置穿戴在腿上。因此，可穿戴电子装置经设计以以特定方式穿戴，且所述特定方式不大可能包含可穿戴电子装置保持在所述可穿戴电子装置当并未被穿戴时通常放置的所述一或多个定向中持续阈值时间量。
返回参看图10E，当用户活跃时(例如用户800A-800C和800F-800I)，由加速计测得的加速度随时间动态地变化，且更容易将其与非穿戴状态区分。然而，当用户接近静止时(如用户800D和800E)，由加速计测得的加速度极少和/或不频繁变化，从而使得更难与可穿戴电子装置并未被穿戴时区分。
然而，即使当用户相对静止时，用户将可穿戴电子装置保持在与可穿戴电子装置在并未被穿戴时将处于的定向相同/类似的定向中也可能是不常见的。举例来说，假定可穿戴电子装置100具有图10A-B中说明的可穿戴电子装置的类似特性。当用户800D正睡眠时，可穿戴电子装置100在他的身体旁边。因此，举例来说，当睡眠时，可穿戴电子装置将处于图10A中说明的定向中(在其侧部上)持续长时间周期是极其不可能的。因此，当沿着左-右轴测得的加速度满足相对于沿着所述轴预期的阈值加速度的条件时，可确定可穿戴电子装置100处于非穿戴状态。举例来说，所述条件可为，加速度沿着左-右轴超过0.7g或低于-0.7g持续可确定时间周期(例如，5分钟整)。
用于作出非穿戴状态的确定的条件可取决于可穿戴电子装置当被穿戴时将处于与可穿戴电子装置当并未被穿戴时通常放置的定向相同的定向中的可能性而选择。举例来说，可穿戴电子装置在并未被穿戴时保持在图10B中的定向中并不常见，但与图10A中的定向(例如，用户800D可睡眠，同时可穿戴电子装置面向下，持续一时间周期)相比而言较常见。因此，用于作出非穿戴状态的确定的条件可为，加速度沿着后-前轴低于-0.7g持续30分钟整。
用于基于加速计自动检测何时可穿戴电子装置并未被穿戴的流程图
图11为说明根据一个实施例基于运动数据自动检测何时可穿戴电子装置并未被穿戴的流程图。图11中展示的方法1100可实施在可穿戴电子装置中，或分布在可穿戴电子装置与另一电子装置之间。电子装置可为服务器、平板计算机、智能电话(执行应用(被称作app))、台式计算机、膝上型计算机、机顶盒，或耦合到可穿戴电子装置的任何其它计算机装置或计算机系统。在一实例中，可在WED上执行参考1102和1108，可在WED和/或另一电子装置上执行参考1104，且可在另一电子装置上执行参考1106。
现论述方法1100的操作。在参考1102处，经由可穿戴电子装置的运动传感器获得运动数据。如上文所论述，运动数据可为加速计数据(例如，沿着单一轴或沿着多个轴的加速度数据)，且运动传感器可为加速计(或多个加速计)、陀螺仪、重力传感器、旋转向量传感器、位置检测装置(例如，GPS装置，或能够使用蜂窝式电话或WiFi三角测量测量移动的装置)，或磁力计。
在参考1104处，可穿戴电子装置可基于运动数据与非穿戴简档的比较自动确定可穿戴电子装置并未被穿戴的时间周期，所述非穿戴简档指定指示何时可穿戴电子装置并未由用户穿戴的运动数据的样式。在一些情况下，非穿戴简档可包含当可穿戴电子装置静置在给定定向中时沿着一轴预期的表示重力的阈值。
在一个实施例中，时间跨度必须为最小时间长度且为可变时间长度，替代实施例实施固定长度时间跨度。在一个实施例中，可穿戴电子装置经设计以经穿戴使得可穿戴电子装置的显示器处于腕表的显示器将位于的相同位置，所述轴平行于显示器的左-右轴，且可穿戴电子装置当并未被穿戴时通常放置的定向使左-右轴大体上平行于地球的重力。用于作出自动确定的目的的唯一加速度量度沿着一个轴(在本文中也被称作单一轴)，但加速计可能够沿着多个轴测量加速度，替代实施例可以不同方式操作。举例来说，在特定此些替代实施例中，用于作出自动确定中的不同者的目的的加速度量度沿着所述轴中的不同者(独立地考虑沿着所述轴的加速度，且自动确定的时间跨度中的不同者将基于沿着所述轴中的仅一者的加速度量度)。作为另一实例，在特定此些替代实施例中，用于作出自动确定中的至少特定者的目的的加速度量度沿着所述轴中的两者或两者以上(共同地考虑沿着所述轴中的两者或两者以上的加速度，且自动确定的时间跨度将基于沿着所述轴中的仅所述两者或两者以上(在本文中也被称作集体轴)的加速度量度)。不同实施例可实施一或多个单一轴和集体轴的不同组合；例如：1)单一轴将检测第一定向中的时间跨度，且集体轴用于第二定向；以及2)多个单一轴分别用于第一和第二定向，且集体轴用于第三定向。
任选地，在参考1106处，基于指派到时间跨度的活动水平，可穿戴电子装置可将用户状态指派到时间块。用户状态的实例包含苏醒状态和睡着状态。在一些情况下，时间块的连续者具有不同状态。在一个实施例中，指派到非穿戴活动状态的时间跨度可导致可穿戴电子装置将苏醒状态指派到包含所述时间跨度的时间块的一部分。然而，其它实施例可以不同方式操作。举例来说，指派到非穿戴活动状态的时间跨度可导致可穿戴电子装置将睡着状态指派到包含所述时间跨度的时间块的一部分。
虽然在一个实施例中可如本文中早先所描述执行参考1106(且因此，基于加速计自动检测何时可穿戴电子装置并未被穿戴可结合本文较早描述的睡眠跟踪器一起使用)，但可使用其它睡眠/苏醒状态检测技术执行参考1106。
任选地，在参考1108处，基于时间跨度，作出对WED功率消耗、传感器数据的存储、数据的发射/接收和固件升级的调度中的一或多者的调节。举例来说，在一个实施例中，WED功率消耗在可穿戴电子装置并未被穿戴的时间跨度的至少部分期间减小(例如，通过(例如)减少其灵敏度或完全对其断电而减小由一或多个传感器消耗的功率)。作为另一实例，在一个实施例中，WED使用时间跨度的一部分上传和/或下载来自另一电子装置的数据。
图12说明用于实施来自图11的框1104的示范性替代实施例。虽然参看图12说明示范性替代实施例，但应理解，其它替代实施例在本发明的范围内。
参考1204说明基于沿着加速计的轴测得的加速度数据超出针对每一连续时间周期的阈值加速度将所述时间周期记录为穿戴状态或非穿戴状态。在一个实施例中，参考1204由可穿戴电子装置执行。虽然在一个实施例中连续时间周期是不重叠的，但在替代实施例中可存在一些重叠。虽然在本发明的一个实施例中时间周期是固定长度，但替代实施例可支持可变长度。虽然在本发明的一个实施例中时间周期是30秒，但替代实施例可选择(例如)5-120秒的范围内的时间周期。时间周期中的给定一者期间沿着所述轴来自加速计的所述一或多个样本共同地通过记录针对所述时间周期的单一状态(穿戴状态或非穿戴状态)来表示。此减少用于处理、存储和/或发射的数据卷。由此，选择时间周期的长度以足够减少数据卷，同时保留足够有意义的数据用于本文中所描述的后续操作。本文参看图14A进一步论述示范性实施例。
此外，虽然在一个实施例中记录时间和状态，但在替代实施例中所述时间和所记录状态经压缩从而形成表示所述状态的数据(例如，在时间周期是固定长度的情况下，数据可包含开始时间继之以各自表示时间周期中的一者期间的状态的1和0的流；还可执行额外压缩(例如运行长度编码))。
关于上文论述的一或多个单一轴和集体轴的示范性使用，在一个实施例中针对所使用的所述一或多个单一轴和集体轴中的每一者记录单独状态。举例来说，在仅使用单一轴的实施例中，将存在针对所述轴的所记录状态的单一流。相比而言，在使用两个或两个以上单一轴的实施例中，将存在针对那些单一轴中的每一者的所记录状态的分离流。作为另一实例，在使用一或多个集体轴的实施例中，将存在针对所述集体轴中的每一者的所记录状态的分离流。
虽然在示范性实施例中的一者中流程从参考1204进行到1206(参考1206由WED执行)，但在示范性实施例中的替代一者中流程从参考1206进行到参考1212-1216(参考1212由WED执行，且参考1214-1216在耦合到可穿戴电子装置的另一电子装置(例如，服务器(包含硬件和软件)/平板计算机/含有应用(被称作app)的智能电话))中执行。
参考1206说明基于针对连续时间周期记录的状态导出WED并未被穿戴的时间跨度。在一个实施例中，所述时间跨度中的每一者包含至少阈值连续数目的记录为非穿戴状态的连续时间周期。在一个实施例中，参考1206实时执行且包含检测记录为非穿戴状态的连续时间周期的至少阈值连续数目以导出时间跨度中的一者的开始(允许执行参考1108)。本文进一步参看图14A和15A-B描述参考1206的示范性实施方案。虽然在本发明的一个实施例中时间跨度中的每一者必须为最小时间长度(例如，参看图15A-B)且为可变时间长度，但替代实施例实施固定长度时间跨度。
参考1212表示将表示针对连续时间周期记录的状态的数据发射到另一电子装置。虽然在一个实施例中表示所述状态的数据包含时间和所记录状态，但在替代实施例中时间和所记录状态经压缩从而形成表示如上文所描述的状态的数据。
参考1214表示在另一电子装置处接收表示针对连续时间周期记录的状态的数据。多种技术可用于实施由参考1212-1214表示的通信，包含有线/无线和经由一或多个网络(包含因特网)。
参考1215说明基于表示针对连续时间周期记录的状态的数据导出WED并未被穿戴的时间跨度。参考1215可以与参考1206类似的方式执行，或以较高级方式(其中另一电子装置具有较多处理功率和存储装置)执行。
任选参考1216说明在确定WED当前在WED并未被穿戴的时间跨度中后将来自另一电子装置的指示发射到WED。参考1216的发射在本发明的一个实施例中由WED利用以执行参考1108。
关于自动非穿戴状态检测的操作
图13说明根据本发明的一个实施例关于利用加速计量度的非穿戴状态检测的操作。图13的任务框和块可实施在可穿戴电子装置中或分布在所述可穿戴电子装置与耦合到所述可穿戴电子装置的一或多个其它电子装置之间，其中所述一或多个其它电子装置可(例如)为用以实施块1322/1350的电子装置(例如，服务器(包含硬件和软件)/平板计算机/含有应用(被称作app)的智能电话)。任务框1-4说明根据本发明的一个实施例操作由块1312-1370展示的组件执行的次序。应了解，尽管以上参看加速计和加速度数据论述，但其它实施例可利用其它类型的运动传感器和运动数据。
在任务框1处，加速计1312产生针对一或多个轴的加速度数据。举例来说，可针对一轴以20Hz对加速度取样，其为针对所述轴每0.05秒一个样本。当加速计1312仅针对一个轴产生加速度数据时，数据将转发到第一状态记录器1314，且将不利用(乃至存在)第二状态记录器1315和第三状态记录器1316。当针对多个轴产生加速度数据且针对所述多个轴的所述加速度数据将用于自动非穿戴状态检测时，可利用一或多个其它状态记录器(例如，第二记录器1315和第三状态记录器1316)。
在任务框2处，一或多个状态记录器基于针对给定轴的加速度数据是否针对每一连续时间周期满足相对于阈值加速度的条件而将所述时间周期记录为穿戴状态或非穿戴状态。在一个实施例中，每一状态记录器以关于参考1204描述的类似方式操作。也就是说，每一记录器可将针对给定轴的运动数据与非穿戴简档比较。如本文上文中所论述，一个状态记录器可基于针对单一轴或集体轴的加速度数据记录时间周期。
如上文所论述，针对不同状态记录器的阈值加速度可具有不同值。举例来说，对于非穿戴针对共同定向A(例如，如关于图10A所论述的Y轴)的阈值加速度可高于针对另一共同定向B(例如，如本文中关于图10C所论述的X轴)的阈值加速度，因为举例来说，与共同定向B导致X轴平行于重力延伸相比，共同定向A导致Y轴更接近平行于重力而延伸。在此情况下，对应于共同定向A的状态记录器可与对应于共同定向B的状态记录器相比具有较高阈值加速度。
随后在任务框3处，非穿戴时间跨度分类器1322基于表示针对连续时间周期记录的状态的数据导出可穿戴电子装置并未被穿戴的时间跨度。本文上文例如相对于图12参考1206和1215论述用以导出所述时间跨度的各种方式。注意，针对一个轴记录为非穿戴状态的连续时间周期的阈值连续数目可针对如图15A-B中所说明的状态记录器中的不同者而不同。
应注意，状态记录器和非穿戴时间跨度分类器利用各种阈值(例如，阈值加速度和记录为非穿戴状态的连续时间周期的阈值连续数目)，且这些阈值可针对并非穿戴时可穿戴电子装置的不同共同定向而不同，如可由不同非穿戴简档指定。
任选地在任务框4A处，基于时间跨度，睡眠跟踪器1350确定时间块(可能不重叠和/或连续)，在其中的每一者期间用户处于多个状态中的一者，其中所述状态包含苏醒状态和睡着状态，其中所述时间块的连续者具有所述多个状态中的不同者。任务框4A可以相对于参考1106描述的各种方式实施。
同样任选地在任务框4B处，WED操作调节器1370调节WED功率消耗、传感器数据的存储、数据的发射/接收和固件升级的调度中的一或多者。任务框4B可以相对于参考1108描述的各种方式实施。
图14A说明根据一个实施例基于沿着加速计的轴测得的加速度数据超出连续时间周期的阈值加速度而将所述时间周期的记录为穿戴状态或非穿戴状态。在每一时间周期1402-1406中，针对所述轴产生若干加速度数据样本，且每一加速度样本与用于记录非穿戴状态的阈值加速度进行比较(参考1420)。在此实例中，当一时间周期中所有样本的值超过阈值加速度时，所述时间周期记录为非穿戴状态。为了说明，参考1432和1436处所取样的加速度全部超出阈值加速度，并且因此时间周期1402和1406记录为非穿戴周期。相比而言，时间周期1404中加速度数据的一个值低于阈值加速度，且时间周期1404记录为穿戴状态。仅当所有加速度数据超过阈值时记录非穿戴状态的实施方案可用于减少非穿戴状态的不正确检测(错误警报)。
图14B说明根据本发明的一个实施例基于针对连续时间周期记录的状态导出并未穿戴可穿戴电子装置的时间跨度。图中说明针对所述时间周期的所记录状态，其中每一时间周期记录为穿戴(黑色块)或非穿戴(白色块)状态。非穿戴的时间跨度包含可穿戴电子装置记录为非穿戴的连续时间周期。如所说明，参考1422处的时间跨度在穿戴状态的单一时间周期发生时结束。注意，对于待检测的非穿戴的时间跨度，所述时间跨度必须足够长(超过连续时间周期的阈值)。如果记录为非穿戴的一组连续时间周期在达到阈值之前间断，那么所述时间跨度导出为穿戴状态。
阈值时间周期可(例如)选自范围5分钟-2小时。并且，所述阈值时间周期可针对共同定向中的不同者而不同：举例来说，对于共同定向的第一者(例如，图10A)，阈值时间选自范围5分钟到120分钟(例如，30分钟)，而对于共同定向的第二者(例如，图10B)，范围为10到180分钟(例如，60分钟)。
图15A说明根据本发明的一个实施例检测针对第一轴时间跨度处于非穿戴状态。在所述实施例中，非穿戴状态中的时间跨度可不具有固定长度，且只要不存在检测到的穿戴状态时间周期其就延伸。能够检测可穿戴电子装置并未被穿戴的时间跨度是有利的，因此所述信息可用于例如调节如本文中上文所论述的可穿戴电子装置的操作。如参考1512中所说明的所述检测是基于针对第一轴记录为非穿戴状态的连续时间周期的至少第一阈值连续数目的检测。第一轴是基于可穿戴电子装置当并未被穿戴时通常放置于一定向中，且第一阈值连续数目是基于可穿戴电子装置当被穿戴时保持在所述定向中持续第一阈值时间量的可能性。
图15B说明根据本发明的一个实施例检测针对第二轴时间跨度处于非穿戴状态。如参考1522中所说明的所述检测是基于针对第二轴记录为非穿戴状态的连续时间周期的至少第二阈值连续数目的检测。第二轴是基于可穿戴电子装置当并未被穿戴时通常放置于一定向中，且第二阈值连续数目是基于可穿戴电子装置当被穿戴时保持在所述定向中持续第二阈值时间量的可能性。也就是说，检测针对不同轴时间跨度处于非穿戴状态可基于连续数目的时间周期的不同阈值。
实施非穿戴状态的自动检测的实施例的示范性装置
如先前描述，虽然在一些实施例中所述操作在可穿戴电子装置中实施，但替代实施例将所述操作中的不同者分布到不同电子装置(图16说明一个此类分布的实例)。图16为说明实施根据本发明的一个实施例揭示的操作的可穿戴电子装置和电子装置的框图。可穿戴电子装置(WED)1602和电子装置1600分别类似于WED902和电子装置900，且相同或类似参考指示具有相同或类似功能性的元件或组件。
WED1602包含运动传感器1312以产生运动数据，例如加速度数据。其还具有非暂时性机器可读存储媒体1618，其含有如本文中上文所论述的一或多个状态记录器1620。非暂时性机器可读存储媒体1618还可包含非穿戴时间跨度分类器1322以分类何时导出时间跨度在非穿戴状态中。类似地，非暂时性机器可读存储媒体1618还可包含睡眠跟踪器1350和WED操作调节器1370，相关联操作在WED中执行。
电子装置1600具有非暂时性机器可读存储媒体1648，其任选地含有非穿戴时间跨度分类器1622以分类何时在电子装置1600处执行导出时间跨度处于非穿戴状态；且其含有睡眠跟踪器1650，跟踪何时在电子装置1600处执行包含苏醒和睡眠状态的用户状态的确定。在一个实施例中，睡眠跟踪器1650为图9的睡眠跟踪模块950。
在由处理器1652执行时，NTSC1622致使电子装置1600执行本文上文论述的对应操作。电子装置1600可含有虚拟机(VM)1662A到1662R，其中的每一者可执行NTSC1650的软件实例。超级监督器1654可呈现用于虚拟机1662A到1662R的虚拟操作平台。
虽然本文上文的图中的流程图展示由某些实施例执行的操作的特定次序，但应理解，此次序为示范性的(例如，替代实施例可以不同次序执行所述操作，组合特定操作，重叠特定操作等)。
虽然已依据若干实施例描述本发明，但所属领域的技术人员将认识到，本发明不限于所描述的实施例，可以在所附权利要求书的精神和范围内的修改和更改来实践。因此，应将描述视为说明性而非限制性的。
替代实施例
本文已经陈述许多特定细节。然而，应理解，可以在没有这些具体细节的情况下实践实施例。在其它情况下，未详细展示众所周知的电路、结构和技术，以便不混淆对此描述的理解。然而，所属领域的技术人员应了解，可在无此些特定细节的情况下实践本发明。所属领域的一般技术人员利用所包含的描述将能够在无不当实验的情况下实施适当功能性。
本说明书中对“一个实施例”、“一实施例”、“一示范性实施例”等的参考指示所描述实施例可包含一特定特征、结构或特性，但每一实施例可能未必包含所述特定特征、结构或特性。此外，此些短语未必指代同一实施例。另外，当结合一实施例来描述一特定特征、结构或特性时，应承认，无论是否予以明确地描述，结合其它实施例来实现此特征、结构或特性均在所属领域的技术人员的知识范围内。
具有虚线边界(例如，大划线、小划线、点划线和点)的加括号的文本和块可在本文用于说明将额外特征添加到实施例的任选操作。然而，此记法不应理解为意味着这些仅是选择或任选操作，且/或在某些实施例中具有实线边界的所述块不是任选的。
在此描述和所附权利要求书中，可使用术语“耦合”和“连接”连同其衍生词。应理解，这些术语并不意图为彼此的同义语。“耦合”用以指示两个或两个以上元件(其可或可不彼此直接物理或电接触)共操作或彼此交互。“连接”用以指示彼此耦合的两个或两个以上元件之间通信的建立。如本文所使用的“集合”指代包含一个项目的任何正整数数目的项目。
流程图中的操作已经参看其它图的示范性实施例描述。然而，应理解，流程图的操作可由除参看其它图论述的那些实施例外的实施例执行，且参看这些其它图论述的实施例可执行与参看所述流程图论述的操作不同的操作。
以下借助于实例而非限制列举一些替代实施例。
实施例31。一种用于自动检测可穿戴电子装置的用户的睡眠周期的设备，所述设备包括：一组一或多个处理器；非暂时性机器可读存储媒体，其耦合到所述组一或多个处理器且其中存储有指令，所述指令在由所述组一或多个处理器执行时致使所述设备：从自一组一或多个运动传感器获得的运动数据或自其导出的数据获得针对一或多个时间周期的一组特征；基于针对所述一或多个时间周期确定的所述组特征将所述一或多个时间周期分类为所述用户的多个状态中的一者，其中所述状态指示所述用户的相对移动程度；以及导出覆盖所述时间周期的时间块，在所述时间块期间所述用户处于多个状态中的一者，其中所述状态包含苏醒状态和睡着状态。
实施例32。根据实施例31所述的设备，其中所述分类使用机器学习分类器执行。
实施例33。根据实施例31所述的设备，其中所述多个状态进一步包含非穿戴状态，在此期间所述用户并未穿戴所述可穿戴电子装置。
实施例34。根据实施例31所述的设备，其中所述设备为所述可穿戴电子装置和耦合到所述可穿戴电子装置的次级电子装置中的一者。
实施例35。根据实施例33所述的设备，其中所述运动数据的所述分布的所述量化的所述组合包括沿着所述三个轴中的每一者的所述运动数据的统计量度的组合。
实施例36。根据实施例31所述的设备，其中所述时间周期中的每一者的所述分类进一步基于来自包含所述时间周期的时间窗的光电容积描记(PPG)数据，且其中所述PPG数据由所述可穿戴电子装置中的光电容积描记传感器产生。
实施例37。根据实施例36所述的设备，其中利用所述PPG数据计算所述用户的以下中的至少一者：心率数据；心率变异性数据；以及呼吸数据。
实施例38。根据实施例31所述的设备，其中所述指令在由所述组处理器执行时还致使所述设备进一步：在所述导出所述用户处于睡着状态之后，针对所述用户处于所述睡着状态的所述时间周期确定另一组一或多个统计特征，其中至少一个表征所述用户的移动的分布；且基于针对所述所关注的时刻确定的所述组统计特征将所述时间周期中的每一者分类为所述用户的多个睡眠阶段，其中所述睡眠阶段包含快速眼移动(REM)阶段和多个非REM阶段。
实施例39。根据实施例31所述的设备，其中所述时间周期中的每一者的所述分类进一步基于由所述可穿戴电子装置中的一组额外传感器产生的数据，其中所述组包含以下各者中的一或多者：温度传感器；环境光传感器；皮肤电响应传感器；电容性传感器；湿度传感器；以及声音传感器。
实施例40。根据实施例31所述的设备，其中所述组运动传感器包含加速计。
实施例41。一种方法，其包括：从自一组一或多个运动传感器获得的运动数据或自其导出的数据获得针对一或多个时间周期的一组特征；基于针对所述一或多个时间周期确定的所述组特征将所述一或多个时间周期分类为所述用户的多个状态中的一者，其中所述状态指示所述用户的相对移动程度；以及导出覆盖所述时间周期的时间块，在所述时间块期间所述用户处于多个状态中的一者，其中所述状态包含苏醒状态和睡着状态。
实施例42。根据实施例41所述的方法，其中使用机器学习分类器执行所述分类。
实施例43。根据实施例41所述的方法，其中所述多个状态进一步包含非穿戴状态，在此期间所述用户并未穿戴所述可穿戴电子装置。
实施例44。根据实施例41所述的方法，其中所述设备为所述可穿戴电子装置和耦合到所述可穿戴电子装置的次级电子装置中的一者。
实施例45。根据实施例43所述的方法，其中所述运动数据的所述分布的所述量化的所述组合包括沿着所述三个轴中的每一者的所述运动数据的统计量度的组合。
实施例46。根据实施例41所述的方法，其中所述时间周期中的每一者的所述分类进一步基于来自包含所述时间周期的时间窗的光电容积描记(PPG)数据，且其中所述PPG数据由所述可穿戴电子装置中的光电容积描记传感器产生。
实施例47。根据实施例46所述的方法，其中利用所述PPG数据计算所述用户的以下中的至少一者：心率数据；心率变异性数据；以及呼吸数据。
实施例48。根据实施例41所述的方法，其中所述指令在由所述组处理器执行时还致使所述设备进一步：在所述导出所述用户处于睡着状态之后，针对所述用户处于所述睡着状态的所述时间周期确定另一组一或多个统计特征，其中至少一个表征所述用户的移动的分布；且基于针对所述所关注的时刻确定的所述组统计特征将所述时间周期中的每一者分类为所述用户的多个睡眠阶段，其中所述睡眠阶段包含快速眼移动(REM)阶段和多个非REM阶段。
实施例49。根据实施例41所述的方法，其中所述时间周期中的每一者的所述分类进一步基于由所述可穿戴电子装置中的一组额外传感器产生的数据，其中所述组包含以下各者中的一或多者：温度传感器；环境光传感器；皮肤电响应传感器；电容性传感器；湿度传感器；以及声音传感器。
实施例50。根据实施例41所述的方法，其中所述组运动传感器包含加速计。
实施例51。一种计算机可读存储装置，其包含指令，所述指令在由一或多个处理器执行时致使所述一或多个处理器：从自一组一或多个运动传感器获得的运动数据或自其导出的数据获得针对一或多个时间周期的一组特征；基于针对所述一或多个时间周期确定的所述组特征将所述一或多个时间周期分类为所述用户的多个状态中的一者，其中所述状态指示所述用户的相对移动程度；以及导出覆盖所述时间周期的时间块，在所述时间块期间所述用户处于多个状态中的一者，其中所述状态包含苏醒状态和睡着状态。
实施例52。根据实施例51所述的计算机可读存储装置，其中所述分类使用机器学习分类器执行。
实施例53。根据实施例51所述的计算机可读存储装置，其中所述多个状态进一步包含非穿戴状态，在此期间所述用户并未穿戴所述可穿戴电子装置。
实施例54。根据实施例51所述的计算机可读存储装置，其中所述设备为所述可穿戴电子装置和耦合到所述可穿戴电子装置的次级电子装置中的一者。
实施例55。根据实施例53所述的计算机可读存储装置，其中所述运动数据的所述分布的所述量化的所述组合包括沿着所述三个轴中的每一者的所述运动数据的统计量度的组合。
实施例56。根据实施例51所述的计算机可读存储装置，其中所述时间周期中的每一者的所述分类进一步基于来自包含所述时间周期的时间窗的光电容积描记(PPG)数据，且其中所述PPG数据由所述可穿戴电子装置中的光电容积描记传感器产生。
实施例57。根据实施例56所述的计算机可读存储装置，其中利用所述PPG数据计算所述用户的以下中的至少一者：心率数据；心率变异性数据；以及呼吸数据。
实施例58。根据实施例51所述的计算机可读存储装置，其中所述指令在由所述组处理器执行时还致使所述设备进一步：在所述导出所述用户处于睡着状态之后，针对所述用户处于所述睡着状态的所述时间周期确定另一组一或多个统计特征，其中至少一个表征所述用户的移动的分布；且基于针对所述所关注的时刻确定的所述组统计特征将所述时间周期中的每一者分类为所述用户的多个睡眠阶段，其中所述睡眠阶段包含快速眼移动(REM)阶段和多个非REM阶段。
实施例59。根据实施例51所述的计算机可读存储装置，其中所述时间周期中的每一者的所述分类进一步基于由所述可穿戴电子装置中的一组额外传感器产生的数据，其中所述组包含以下各者中的一或多者：温度传感器；环境光传感器；皮肤电响应传感器；电容性传感器；湿度传感器；以及声音传感器。
实施例60。根据实施例51所述的计算机可读存储装置，其中所述组运动传感器包含加速计。
实施例61。一种待由用户穿戴的可穿戴电子装置，所述可穿戴电子装置包括：一组传感器，其检测所述用户的生理数据或环境数据；一组一或多个处理器，其耦合到所述组传感器；以及非暂时性机器可读存储媒体，其耦合到所述组一或多个处理器且其中存储有指令，所述指令在由所述组一或多个处理器执行时致使所述可穿戴电子装置：基于检测到如所述可穿戴电子装置跟踪的所述用户的状态已转变到睡着状态，减少来自所述组传感器的至少一个传感器的功率消耗；且基于检测到如所述可穿戴电子装置跟踪的所述用户的所述状态已转变离开所述睡着状态，反转所述至少一个传感器的功率消耗的所述减少。
实施例62。根据实施例61所述的可穿戴电子装置，其中所述组传感器包含光电容积描记传感器以产生所述用户的光电容积描记(PPG)数据，其中所述光电容积描记传感器包含光源和光检测器。
实施例63。根据实施例62所述的可穿戴电子装置，其中所述功率消耗的所述减少包含以下各项中的至少一者：所述光电容积描记传感器的取样速率的减少、所述光电容积描记传感器的灵敏度的减少，和所述光源的功率电平的减少。
实施例64。根据实施例62所述的可穿戴电子装置，其中所述指令在由所述组处理器执行时还致使所述可穿戴电子装置：在所述减少之后，增加所述光电容积描记传感器的所述功率消耗以产生用于睡眠阶段检测的额外PPG数据。
实施例65。根据实施例64所述的可穿戴电子装置，其中所述光电容积描记传感器的功率消耗的所述增加包含以下各项中的至少一者：所述光电容积描记传感器的取样速率的增加、所述光电容积描记传感器的灵敏度的增加，和所述光源的功率电平的增加。
实施例66。根据实施例61所述的可穿戴电子装置，其中所述组传感器包含运动传感器以产生所述用户的运动数据。
实施例67。根据实施例66所述的可穿戴电子装置，其中所述功率消耗的所述减少包含以下各项中的至少一者：进入所述运动传感器的低精度状态、所述运动传感器的灵敏度减少，和所述运动传感器的取样速率减少。
实施例68。根据实施例66所述的可穿戴电子装置，其中所述运动传感器为加速计。
实施例69。根据实施例66所述的可穿戴电子装置，其中所述指令在由所述组处理器执行时还致使所述可穿戴电子装置：在所述减少之后和所述反转之前，周期性地临时增加所述运动传感器的所述功率消耗以产生用于睡眠阶段检测的额外运动数据。
实施例70。根据实施例69所述的可穿戴电子装置，其中所述运动传感器的功率消耗的所述增加包含以下各项中的至少一者：进入所述运动传感器的高精度状态、所述运动传感器的灵敏度增加，和所述运动传感器的取样速率增加。
实施例71。一种待由用户穿戴的可穿戴电子装置，所述可穿戴电子装置包括：一组传感器，其包含以下各项中的至少一者：用以产生所述用户的PPG数据的光电容积描记(PPG)传感器、用以产生所述用户的运动数据的运动传感器，其中所述光电容积描记传感器包含光源和光检测器；一组一或多个处理器，其耦合到所述光电容积描记传感器；非暂时性机器可读存储媒体，其耦合到所述组一或多个处理器且其中存储有指令，所述指令在由所述组一或多个处理器执行时致使所述可穿戴电子装置：基于由所述运动传感器产生的运动数据确定所述用户正睡眠；响应于所述确定所述用户正睡眠，增加所述光电容积描记传感器和所述运动传感器中的至少一者的功率消耗；基于由所述运动传感器产生的运动数据确定所述用户为苏醒；以及响应于所述确定所述用户为苏醒，反转所述光电容积描记传感器和所述运动传感器中的所述至少一者的功率消耗的所述增加。
实施例72。根据实施例71所述的可穿戴电子装置，其中功率消耗的所述增加产生由所述PPG传感器产生的PPG数据的增加，其中所述指令在由所述组一或多个处理器执行时还致使所述可穿戴电子装置计算以下各项中的至少一者：所述用户的一组心率、所述用户的一组心率变异性，和所述用户的一组呼吸速率。
实施例73。根据实施例71所述的可穿戴电子装置，其中所述额外数据为用于以时间间隔基于所述时间间隔期间沿着所述三个轴中的每一者的所述运动数据的分布的量化的组合产生移动量度的运动数据，且其中所述移动量度中的每一者为单一数值数字。
实施例74。根据实施例71所述的可穿戴电子装置，其中功率消耗的所述增加包含以下各项中的至少一者：所述光电容积描记传感器的取样速率的增加、所述光电容积描记传感器的灵敏度的增加，和所述光源的功率电平的增加。
实施例75。根据实施例71所述的可穿戴电子装置，其中功率消耗的所述增加包含以下各项中的至少一者：进入所述运动传感器的高精度状态、所述运动传感器的灵敏度增加，和所述运动传感器的取样速率增加。
实施例76。根据实施例71所述的可穿戴电子装置，其中所述光源为发光二极管(LED)。
实施例78。一种管理可穿戴电子装置的功率消耗的方法，其中所述可穿戴电子装置包含一组传感器，所述方法包括：基于检测到如所述可穿戴电子装置跟踪的所述用户的状态已转变到睡着状态，减少来自所述组传感器的至少一个传感器的功率消耗；以及基于检测到如所述可穿戴电子装置跟踪的所述用户的所述状态已转变离开所述睡着状态，反转所述至少一个传感器的功率消耗的所述减少。
实施例79。根据实施例78所述的可穿戴电子装置，其中所述组传感器包含光电容积描记传感器以产生所述用户的光电容积描记(PPG)数据，其中所述光电容积描记传感器包含光源和光检测器。
实施例80。根据实施例79所述的可穿戴电子装置，其中所述功率消耗的所述减少包含以下各项中的至少一者：所述光电容积描记传感器的取样速率的减少、所述光电容积描记传感器的灵敏度的减少，和所述光源的功率电平的减少。
实施例81。根据实施例79所述的可穿戴电子装置，其中所述指令在由所述组处理器执行时还致使所述可穿戴电子装置：在所述减少之后和所述反转之前，周期性地临时增加所述光电容积描记传感器的所述功率消耗以产生用于睡眠阶段检测的额外PPG数据。
实施例82。根据实施例81所述的可穿戴电子装置，其中所述光电容积描记传感器的功率消耗的所述增加包含以下各项中的至少一者：所述光电容积描记传感器的取样速率的增加、所述光电容积描记传感器的灵敏度的增加，和所述光源的功率电平的增加。
实施例83。根据实施例78所述的可穿戴电子装置，其中所述组传感器包含运动传感器以产生所述用户的运动数据。
实施例84。根据实施例83所述的可穿戴电子装置，其中所述功率消耗的所述减少包含以下各项中的至少一者：进入所述运动传感器的低精度状态、所述运动传感器的灵敏度减少，和所述运动传感器的取样速率减少。
实施例85。根据实施例83所述的可穿戴电子装置，其中所述指令在由所述组处理器执行时还致使所述可穿戴电子装置：在所述减少之后和所述反转之前，周期性地临时增加所述运动传感器的所述功率消耗以产生用于睡眠阶段检测的额外运动数据。
实施例86。根据实施例85所述的可穿戴电子装置，其中所述运动传感器的功率消耗的所述增加包含以下各项中的至少一者：进入所述运动传感器的高精度状态、所述运动传感器的灵敏度增加，和所述运动传感器的取样速率增加。
实施例87。一种管理可穿戴电子装置的功率消耗的方法，其中所述可穿戴电子装置包含一组传感器，包含用以产生所述用户的光电容积描记(PPG)数据的光电容积描记传感器和用以产生所述用户的运动数据的运动传感器中的至少一者，其中所述光电容积描记传感器包含光源和光检测器；所述方法包括：响应于如所述可穿戴电子装置跟踪的所述用户的状态转变到睡着状态，增加所述光电容积描记传感器和所述运动传感器中的所述至少一者的功率消耗，其中功率消耗的所述增加提供用于睡眠阶段检测的额外数据；以及响应于如所述可穿戴电子装置跟踪的所述用户的所述状态转变离开所述睡着状态，反转所述光电容积描记传感器和所述运动传感器中的所述至少一者的功率消耗的所述增加。
实施例88。根据实施例85所述的方法，其中所述额外数据为用于计算以下各项中的至少一者的PPG数据：所述用户的一组心率、所述用户的一组心率变异性，和所述用户的一组呼吸速率。
实施例89。根据实施例85所述的方法，其中所述额外数据为用于以时间间隔基于所述时间间隔期间沿着所述三个轴中的每一者的所述运动数据的分布的量化的组合产生移动量度的运动数据，且其中所述移动量度中的每一者为单一数值数字。
实施例90。根据实施例85所述的方法，其中所述增加所述功率消耗包含以下各项中的至少一者：所述光电容积描记传感器的取样速率的增加、所述光电容积描记传感器的灵敏度的增加，和所述光源的功率电平的增加。
实施例91。一种可穿戴电子装置，包括：一组一或多个运动传感器，其用以产生运动数据；一组一或多个处理器；以及非暂时性机器可读存储媒体，其耦合到所述运动传感器和所述组一或多个处理器，所述非暂时性机器可读存储媒体中存储有指令，所述指令在由所述组处理器执行时致使所述组处理器：基于所述运动数据与非穿戴简档的比较自动确定所述可穿戴电子装置并未被穿戴的时间周期，所述非穿戴简档指定指示何时所述可穿戴电子装置并未由所述用户穿戴的运动数据的样式；且将使所述时间周期与非穿戴状态相关联的数据存储在所述非暂时性机器可读存储媒体中。
实施例92。根据实施例91所述的可穿戴电子装置，其中所述运动数据包含若干运动数据样本，且所述指令在由所述组处理器执行时致使所述装置基于致使所述组处理器进行以下操作而自动确定针对所述时间周期所述可穿戴电子装置并未被穿戴：确定未能满足运动量度阈值的运动数据样本的数目低于阈值数目。
实施例93。根据实施例91所述的设备，其中所述非暂时性机器可读存储媒体还存储使额外时间周期与所述非穿戴状态相关联的额外数据，所述时间周期和所述额外时间周期一起表示连续时间周期，且其中所述指令在执行时还致使所述组处理器：基于所述数据和使连续时间周期与所述非穿戴状态相关联的所述额外数据导出覆盖所述连续时间周期的时间跨度；且将使所述时间跨度与所述非穿戴状态相关联的数据存储在所述非暂时性机器可读存储媒体中。
实施例94。根据实施例93所述的设备，其中所述时间跨度的所述导出包含指令，所述指令在执行时致使所述组处理器：从所述时间周期和与所述非穿戴状态相关联的所述额外时间周期检测所述连续时间周期包含至少阈值连续数目的时间周期。
实施例95。根据实施例91所述的设备，其中所述指令在由所述组处理器执行时还致使所述可穿戴电子装置：基于针对所述时间周期的所述非穿戴状态自动导致以下中的一或多者：所述可穿戴电子装置的功率消耗减少、来自所述可穿戴电子装置的一组一或多个传感器的传感器数据的存储的中断、数据传送到另一电子装置，和从另一电子装置接收固件更新。
实施例96。根据实施例91所述的设备，其中所述指令在由所述组处理器执行时还致使所述组处理器基于所述运动数据与另一非穿戴简档的后续比较自动确定所述可穿戴电子装置并未被穿戴的另一时间周期，所述另一非穿戴简档指定指示何时所述可穿戴电子装置并未由所述用户穿戴的运动数据的不同样式。
实施例97。根据实施例91所述的设备，其中运动数据的所述样式表征所述可穿戴电子装置的定向。
实施例98。根据实施例97所述的设备，其中运动数据的所述样式进一步表征针对所述定向的运动的可接受范围。
实施例99。根据实施例97所述的设备，其中运动数据的所述样式基于符合沿着一或多个轴施加的重力的沿着所述一或多个轴的加速度的阈值力表征所述定向。
实施例100。根据实施例97所述的设备，其中运动数据的所述样式基于符合沿着一或多个轴施加的重力的沿着所述一或多个轴的加速度的阈值力表征所述定向。
实施例101。根据实施例100所述的设备，其中加速度的所述阈值力考虑所述可穿戴电子装置的可确定倾斜度。
实施例102。根据实施例99所述的设备，其中所述一或多个轴表示跨越显示器延伸的轴。
实施例103。根据实施例99所述的设备，其中所述一或多个轴表示穿过显示器延伸的轴。
实施例104。根据实施例91所述的设备、其中所述指令在由所述组处理器执行时还致使所述组处理器：将表示所述非穿戴状态与所述时间周期的关联的数据发射到另一电子装置。
实施例105。根据实施例91所述的设备，其中所述指令在由所述组处理器执行时还致使所述组处理器：基于所述运动数据与所述非穿戴简档的后续比较自动确定所述可穿戴电子装置被穿戴的后续时间周期，所述非穿戴简档指定指示何时所述可穿戴电子装置并未由所述用户穿戴的运动数据的所述样式；以及将使所述后续时间周期与穿戴状态相关联的数据存储在所述非暂时性机器可读存储媒体中。
实施例106。一种方法，其由可穿戴电子装置的一组一或多个处理器执行，所述方法包括：获得由所述可穿戴电子装置的一组一或多个运动传感器产生的运动数据；基于所述运动数据与非穿戴简档的比较确定所述可穿戴电子装置并未被穿戴的时间周期，所述非穿戴简档指定指示何时所述可穿戴电子装置并未由所述用户穿戴的运动数据的样式；以及将使所述时间周期与非穿戴状态相关联的数据存储在所述可穿戴电子装置的非暂时性机器可读存储媒体中。
实施例107。根据实施例106所述的方法，其中所述运动数据包含若干运动数据样本，且所述确定针对所述时间周期所述可穿戴电子装置并未被穿戴包含：确定未能满足运动量度阈值的运动数据样本的数目低于阈值数目。
实施例108。根据实施例106所述的方法，其进一步包括：将使额外时间周期与所述非穿戴状态相关联的额外数据存储在所述非暂时性机器可读存储媒体中，所述时间周期和所述额外时间周期一起表示连续时间周期；基于所述数据和使连续时间周期与所述非穿戴状态相关联的所述额外数据导出覆盖所述连续时间周期的时间跨度；以及将使所述时间跨度与所述非穿戴状态相关联的数据存储在所述非暂时性机器可读存储媒体中。
实施例109。根据实施例108所述的方法，其中所述导出包括：从所述时间周期和与所述非穿戴状态相关联的所述额外时间周期检测所述连续时间周期包含至少阈值连续数目的时间周期。
实施例110。根据实施例106所述的方法，其进一步包括：基于针对所述时间周期的所述非穿戴状态导致以下中的一或多者：所述可穿戴电子装置的功率消耗减少、来自所述可穿戴电子装置的一组一或多个传感器的传感器数据的存储的中断、数据传送到另一电子装置，和从另一电子装置接收固件更新。
实施例111。根据实施例106所述的方法，其进一步包括：基于所述运动数据与另一非穿戴简档的后续比较自动确定所述可穿戴电子装置并未被穿戴的另一时间周期，所述另一非穿戴简档指定指示何时所述可穿戴电子装置并未由所述用户穿戴的运动数据的不同样式。
实施例112。根据实施例106所述的方法，其中运动数据的所述样式表征所述可穿戴电子装置的定向。
实施例113。根据实施例112所述的方法，其中运动数据的所述样式进一步表征针对所述定向的运动的可接受范围。
实施例114。根据实施例112所述的方法，其中运动数据的所述样式基于符合沿着一或多个轴施加的重力的沿着所述一或多个轴的加速度的阈值力表征所述定向。
实施例115。根据实施例112所述的方法，其中运动数据的所述样式基于符合沿着一或多个轴施加的重力的沿着所述一或多个轴的加速度的阈值力表征所述定向。
实施例116。根据实施例115所述的方法，其中加速度的所述阈值力考虑所述可穿戴电子装置的可确定倾斜度。
实施例117。根据实施例114所述的方法，其中所述一或多个轴表示跨越显示器延伸的轴。
实施例118。根据实施例114所述的方法，其中所述一或多个轴表示穿过显示器延伸的轴。
实施例119。根据实施例106所述的方法，其进一步包括：将表示所述非穿戴状态与所述时间周期的所述关联的数据发射到另一电子装置。
实施例120。根据实施例106的方法，其进一步包括：基于所述运动数据与所述非穿戴简档的后续比较自动确定所述可穿戴电子装置被穿戴的后续时间周期，所述非穿戴简档指定指示何时所述可穿戴电子装置并未由所述用户穿戴的运动数据的所述样式；以及将使所述后续时间周期与穿戴状态相关联的数据存储在所述非暂时性机器可读存储媒体中。

Claims (31)

1.一种待由用户穿戴的可穿戴电子装置，所述可穿戴电子装置包括：
一组一或多个运动传感器，其用以产生表示所述可穿戴电子装置的运动的运动数据样本，所述运动数据样本包含第一时间间隔期间产生的一或多个运动数据样本的第一集合和第二时间间隔期间产生的一或多个运动数据样本的第二集合；
一组一或多个处理器，其耦合到所述组运动传感器；以及
非暂时性机器可读存储媒体，其耦合到所述组一或多个处理器且其中存储有指令，所述指令在由所述组一或多个处理器执行时致使所述组一或多个处理器：
获得由所述组运动传感器产生的所述运动数据样本，
基于运动数据样本的所述第一集合的量化产生第一移动量度，
基于所述运动数据样本的所述第二集合的量化产生第二移动量度，以及
致使所述非暂时性机器可读存储媒体将所述第一移动量度和所述第二移动量度存储为时间系列数据。
2.根据权利要求1所述的可穿戴电子装置，其中所述指令在由所述组一或多个处理器执行时致使所述组一或多个处理器：基于包含所述第一移动量度和所述第二移动量度的分析针对覆盖所述第一时间间隔的时间块将睡眠状态指派到所述可穿戴电子装置的所述用户。
3.根据权利要求2所述的可穿戴电子装置，其中所述指令在由所述组一或多个处理器执行时通过致使所述组一或多个处理器进行以下操作而致使所述组一或多个处理器执行包含所述第一移动量度和所述第二移动量度的所述分析：
导出对应于一时间周期的特征的值，所述值是从包含所述第一移动量度和所述第二移动量度的时间窗内的移动量度计算；以及
针对由所述时间块覆盖的多个时间周期基于所述特征的值的分析选择待指派到所述时间块的所述睡眠状态，所述多个周期包含所述时间周期。
4.根据权利要求3所述的可穿戴电子装置，其中所述指令在由所述组一或多个处理器执行时还通过致使所述组一或多个处理器进行以下操作而致使所述组一或多个处理器针对由所述时间块覆盖的所述多个时间周期执行所述特征的值的所述分析：
确定针对所述多个时间周期的所述用户的活动的水平，其中个别时间周期的活动水平的所述确定是基于与所述个别时间周期对应的所述特征的值与阈值的比较，且所述水平在所述睡眠状态的所述选择中使用。
5.根据权利要求1所述的可穿戴电子装置，其中运动数据样本的所述第一集合的所述量化包含将运动数据样本的所述第一集合变换为单一数值。
6.根据权利要求1所述的可穿戴电子装置，其中所述运动数据的所述量化包括沿着运动轴的所述运动数据的统计量度。
7.根据权利要求6所述的可穿戴电子装置，其中所述统计量度为分位数、四分位距、离差的量度和熵的量度中的一或多者。
8.根据权利要求6所述的可穿戴电子装置，其中所述统计量度从所述运动数据的频域分析导出。
9.根据权利要求8所述的可穿戴电子装置，其中所述频域分析量化周期性运动的量且比较两个频带中的周期性运动的所述量。
10.根据权利要求1所述的可穿戴电子装置，其中所述运动数据的所述量化包括沿着轴的所述运动数据的最大值和所述运动数据的最小值的函数。
11.根据权利要求10所述的可穿戴电子装置，其中沿着所述轴的所述最大运动数据和所述最小运动数据的所述函数包括应用加权值。
12.根据权利要求1所述的可穿戴电子装置，其中所述运动数据的所述量化包括沿着轴的所述运动数据的标准偏差的计算。
13.根据权利要求1所述的可穿戴电子装置，其中所述运动数据的所述量化包括沿着轴的所述运动数据的时间导数的计算。
14.根据权利要求1所述的可穿戴电子装置，其中所述运动数据的所述量化包括沿着轴的所述运动数据的四分位距的组合。
15.一种由可穿戴电子装置执行的方法，所述方法包括：
获得由一组一或多个运动传感器产生的一或多个运动数据样本的第一集合，运动数据样本的所述第一集合在第一时间间隔期间产生；
基于运动数据样本的所述第一集合的量化产生第一移动量度；
获得由所述组运动传感器产生的一或多个运动数据样本的第二集合，运动数据样本的所述第二集合在第二时间间隔期间产生；
基于所述运动数据样本的所述第二集合的量化产生第二移动量度；以及
致使非暂时性机器可读存储媒体将所述第一移动量度和所述第二移动量度存储为时间系列数据。
16.根据权利要求15所述的方法，其进一步包括：
基于包含所述第一移动量度和所述第二移动量度的分析针对覆盖所述第一时间间隔的时间块将睡眠状态指派到所述可穿戴电子装置的用户。
17.根据权利要求16所述的方法，其中包含所述第一移动量度和所述第二移动量度的所述分析包含：
导出对应于一时间周期的特征的值，所述值是从包含所述第一移动量度和所述第二移动的时间窗内的移动量度计算；以及
针对由所述时间块覆盖的多个时间周期基于所述特征的值的分析选择待指派到所述时间块的所述睡眠状态，所述多个周期包含所述时间周期。
18.根据权利要求17所述的方法，其中针对由所述时间块覆盖的所述多个时间周期的所述特征的值的所述分析包含：
确定针对所述多个时间周期的所述用户的活动的水平，其中个别时间周期的活动水平的所述确定是基于与所述个别时间周期对应的所述特征的值与阈值的比较，且所述水平在所述睡眠状态的所述选择中使用。
19.根据权利要求15所述的方法，其中运动数据样本的所述第一集合的量化包含将运动数据样本的所述第一集合变换为单一数值。
20.根据权利要求15所述的方法，其中所述运动数据的所述量化包括沿着轴的所述运动数据的统计量度。
21.根据权利要求20所述的方法，其中所述统计量度为分位数、四分位距、离差的量度和熵的量度中的一或多者。
22.根据权利要求20所述的方法，其中从所述运动数据的频域分析导出所述统计量度。
23.根据权利要求22所述的方法，其中所述频域分析量化周期性运动的量且比较两个频带中的周期性运动的所述量。
24.根据权利要求15所述的方法，其中所述运动数据的所述量化包括沿着轴的所述运动数据的最大值和所述运动数据的最小值的函数。
25.一种电子装置，其包括：
一组一或多个处理器；以及
非暂时性机器可读存储媒体，其耦合到所述组一或多个处理器且其中存储有指令，所述指令在由所述组一或多个处理器执行时致使所述组一或多个处理器：
获得第一移动量度，所述第一移动量度量化由被用户穿戴的可穿戴电子装置的一组一或多个运动传感器在第一时间间隔期间产生的运动数据的第一集合；
获得第二移动量度，所述第二移动量度量化由被所述用户穿戴的所述可穿戴电子装置的所述组运动传感器在第二时间间隔期间产生的运动数据的第二集合；
基于所述第一移动量度和所述第二移动量度的分析针对所述第一时间间隔对所述用户的活动的水平进行分类；以及
使用所述活动水平确定针对覆盖所述第一时间间隔的时间块的睡眠状态。
26.根据权利要求25所述的电子装置，其中所述指令在执行时致使所述组一或多个处理器基于导出统计特征的值分析所述第一移动量度和所述第二移动量度，所述统计特征的所述值是基于包含所述第一移动量度和所述第二移动量度的所述值的统计比较而计算得到，且所述活动水平基于所述特征的所述值来选择。
27.根据权利要求25所述的电子装置，其中所述指令在执行时致使所述组一或多个处理器基于将所述第一时间间隔内的多维加速度数据总计为单一数值而量化运动数据的所述第一集合。
28.根据权利要求25所述的电子装置，其中运动数据的所述第一集合的所述量化包含将运动数据的所述第一集合变换为单一数值。
29.根据权利要求25所述的电子装置，其中所述电子装置在所述可穿戴电子装置外部且与所述可穿戴电子装置物理上分开,且所述指令在执行时致使所述组一或多个处理器基于经由无线连接从所述可穿戴电子装置接收所述第一移动量度和所述第二移动量度而获得所述第一移动量度和所述第二移动量度。
30.根据权利要求25所述的电子装置，其中所述时间块包含除所述第一时间间隔之外的时间间隔,且所述时间间隔使用不同活动水平的混合来分类。
31.根据权利要求25所述的电子装置，其中所述电子装置为所述可穿戴电子装置。
CN201510614306.0A 2014-09-23 2015-09-23 可穿戴电子装置，由其执行的方法及电脑可读存储装置 Active CN105446480B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201910277916.4A CN110083236B (zh) 2014-09-23 2015-09-23 可穿戴电子装置中的移动量度产生
CN202210885485.1A CN115185380A (zh) 2014-09-23 2015-09-23 可穿戴电子装置中的移动量度产生
CN202210883376.6A CN115185379A (zh) 2014-09-23 2015-09-23 可穿戴电子装置中的移动量度产生
CN201910277917.9A CN110083237B (zh) 2014-09-23 2015-09-23 可穿戴电子装置及管理其功率消耗的方法

Applications Claiming Priority (10)

Application Number Priority Date Filing Date Title
US201462054380P 2014-09-23 2014-09-23
US62/054,380 2014-09-23
US201462063941P 2014-10-14 2014-10-14
US62/063,941 2014-10-14
US201462067914P 2014-10-23 2014-10-23
US62/067,914 2014-10-23
US201462068622P 2014-10-24 2014-10-24
US62/068,622 2014-10-24
US14/859,192 2015-09-18
US14/859,192 US9808185B2 (en) 2014-09-23 2015-09-18 Movement measure generation in a wearable electronic device

Related Child Applications (4)

Application Number Title Priority Date Filing Date
CN202210883376.6A Division CN115185379A (zh) 2014-09-23 2015-09-23 可穿戴电子装置中的移动量度产生
CN202210885485.1A Division CN115185380A (zh) 2014-09-23 2015-09-23 可穿戴电子装置中的移动量度产生
CN201910277916.4A Division CN110083236B (zh) 2014-09-23 2015-09-23 可穿戴电子装置中的移动量度产生
CN201910277917.9A Division CN110083237B (zh) 2014-09-23 2015-09-23 可穿戴电子装置及管理其功率消耗的方法

Publications (2)

Publication Number Publication Date
CN105446480A true CN105446480A (zh) 2016-03-30
CN105446480B CN105446480B (zh) 2019-04-26

Family

ID=55066100

Family Applications (5)

Application Number Title Priority Date Filing Date
CN201510614306.0A Active CN105446480B (zh) 2014-09-23 2015-09-23 可穿戴电子装置，由其执行的方法及电脑可读存储装置
CN202210883376.6A Pending CN115185379A (zh) 2014-09-23 2015-09-23 可穿戴电子装置中的移动量度产生
CN201910277916.4A Active CN110083236B (zh) 2014-09-23 2015-09-23 可穿戴电子装置中的移动量度产生
CN201910277917.9A Active CN110083237B (zh) 2014-09-23 2015-09-23 可穿戴电子装置及管理其功率消耗的方法
CN202210885485.1A Pending CN115185380A (zh) 2014-09-23 2015-09-23 可穿戴电子装置中的移动量度产生

Family Applications After (4)

Application Number Title Priority Date Filing Date
CN202210883376.6A Pending CN115185379A (zh) 2014-09-23 2015-09-23 可穿戴电子装置中的移动量度产生
CN201910277916.4A Active CN110083236B (zh) 2014-09-23 2015-09-23 可穿戴电子装置中的移动量度产生
CN201910277917.9A Active CN110083237B (zh) 2014-09-23 2015-09-23 可穿戴电子装置及管理其功率消耗的方法
CN202210885485.1A Pending CN115185380A (zh) 2014-09-23 2015-09-23 可穿戴电子装置中的移动量度产生

Country Status (2)

Country Link
US (6) US9808185B2 (zh)
CN (5) CN105446480B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105832303A (zh) * 2016-05-11 2016-08-10 南京邮电大学 一种睡眠监测方法及系统
CN105953812A (zh) * 2016-04-22 2016-09-21 广东小天才科技有限公司 一种量化运动步数的方法及系统
CN106618611A (zh) * 2017-03-06 2017-05-10 兰州大学 基于睡眠多通道生理信号的抑郁症辅助诊断方法和系统
TWI629970B (zh) * 2016-12-22 2018-07-21 宏達國際電子股份有限公司 生理資訊量測方法與穿戴式裝置
CN108523899A (zh) * 2018-04-23 2018-09-14 深圳市友宏科技有限公司 睡眠过程中离床状态的监测方法、存储介质及装置
US10111615B2 (en) 2017-03-11 2018-10-30 Fitbit, Inc. Sleep scoring based on physiological information
CN108836343A (zh) * 2018-04-23 2018-11-20 深圳市友宏科技有限公司 睡眠过程中运动状态的监测方法、存储介质及装置
TWI644221B (zh) * 2017-01-12 2018-12-11 長庚大學 Physical activity quality assessment method and system
CN108992040A (zh) * 2018-07-30 2018-12-14 深圳智芯数据服务有限公司 一种人体睡眠状态监测方法和装置
CN109843163A (zh) * 2016-09-06 2019-06-04 飞比特公司 用于标记睡眠状态的方法和系统
CN110179444A (zh) * 2019-05-23 2019-08-30 上饶市达淋新材料有限公司 一种婴幼儿体温检测脚环系统及其检测方法

Families Citing this family (121)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160066858A1 (en) * 2014-09-08 2016-03-10 Aliphcom Device-based activity classification using predictive feature analysis
US20160066859A1 (en) * 2014-09-08 2016-03-10 Aliphcom Device-based activity classification using predictive feature analysis
US9808185B2 (en) 2014-09-23 2017-11-07 Fitbit, Inc. Movement measure generation in a wearable electronic device
US9811555B2 (en) * 2014-09-27 2017-11-07 Intel Corporation Recognition of free-form gestures from orientation tracking of a handheld or wearable device
US20170225036A1 (en) * 2014-10-22 2017-08-10 Sony Corporation Information processing device, information processing method, and program
JP6337972B2 (ja) * 2014-10-31 2018-06-06 富士通株式会社 状態表示方法、プログラム及び状態表示装置
SE538331C2 (en) * 2014-11-21 2016-05-17 Melaud Ab Earphones with sensor controlled audio output
US10004408B2 (en) 2014-12-03 2018-06-26 Rethink Medical, Inc. Methods and systems for detecting physiology for monitoring cardiac health
US9724042B1 (en) * 2014-12-18 2017-08-08 Hoyos Vsn Corp. Device, system, and method for adjusting biometric sensing rate based on available energy
CN107106085B (zh) * 2014-12-30 2021-10-01 日东电工株式会社 用于睡眠监测的设备和方法
US20190213060A1 (en) * 2015-09-30 2019-07-11 Apple Inc. Facilitating Restful Sleep Using Reminders
KR102579694B1 (ko) * 2015-11-20 2023-09-19 삼성전자주식회사 기능 운용 방법 및 이를 지원하는 전자 장치
US9439584B1 (en) * 2015-11-30 2016-09-13 Medidata Solutions, Inc. Mobile health device and method for determining patient territory as a digital biomarker while preserving patient privacy
US11210299B2 (en) 2015-12-01 2021-12-28 Amer Sports Digital Services Oy Apparatus and method for presenting thematic maps
US11215457B2 (en) 2015-12-01 2022-01-04 Amer Sports Digital Services Oy Thematic map based route optimization
US11144107B2 (en) 2015-12-01 2021-10-12 Amer Sports Digital Services Oy Apparatus and method for presenting thematic maps
US11137820B2 (en) 2015-12-01 2021-10-05 Amer Sports Digital Services Oy Apparatus and method for presenting thematic maps
US9782126B2 (en) 2015-12-07 2017-10-10 Pebble Technology, Corp. System for providing insightful lifestyle notifications
CN105559751B (zh) * 2015-12-14 2018-06-12 安徽华米信息科技有限公司 监测微活动状态的方法、装置及可穿戴设备
US11284807B2 (en) 2015-12-21 2022-03-29 Amer Sports Digital Services Oy Engaging exercising devices with a mobile device
US11838990B2 (en) 2015-12-21 2023-12-05 Suunto Oy Communicating sensor data in wireless communication systems
US11587484B2 (en) 2015-12-21 2023-02-21 Suunto Oy Method for controlling a display
FI127926B (en) * 2015-12-21 2019-05-31 Suunto Oy Sensor-based context management
US11541280B2 (en) 2015-12-21 2023-01-03 Suunto Oy Apparatus and exercising device
CA3010346A1 (en) * 2016-01-07 2017-07-13 Global Kinetics Corporation Pty Ltd System and method for assessing sleep state
KR102635868B1 (ko) * 2016-01-26 2024-02-14 삼성전자주식회사 전자 장치 및 그의 제어방법
US20170220752A1 (en) * 2016-02-01 2017-08-03 Verily Life Sciences Llc Systems and methods for probabilistic pulse rate estimation from photoplethysmographic measurements in the presence of nonstationary and nontrivial signal and noise spectra
US10420474B2 (en) * 2016-02-01 2019-09-24 Logitech Europe, S.A. Systems and methods for gathering and interpreting heart rate data from an activity monitoring device
US10537253B2 (en) 2016-02-25 2020-01-21 Samsung Electronics Company, Ltd. Detecting live tissues using signal analysis
SG11201807561YA (en) * 2016-03-09 2018-10-30 Seismic Holdings Inc System and method for automatic posture calibration
US20170296124A1 (en) 2016-04-18 2017-10-19 Koninklijke Philips N.V. System and method for detecting when a sensor is worn
AU2017252643B2 (en) 2016-04-19 2022-04-14 Inspire Medical Systems, Inc. Accelerometer-based sensing for sleep disordered breathing (SDB) care
US20170310673A1 (en) * 2016-04-20 2017-10-26 Huami Inc. Security system with gesture-based access control
US11642077B2 (en) 2016-04-29 2023-05-09 Fitbit, Inc. Sleep monitoring system with optional alarm functionality
JP6724984B2 (ja) * 2016-05-16 2020-07-15 富士通株式会社 情報処理装置、情報処理方法、及び情報処理プログラム
US10325514B2 (en) 2016-06-02 2019-06-18 Fitbit, Inc. Systems and techniques for tracking sleep consistency and sleep goals
CN105943014A (zh) * 2016-06-04 2016-09-21 浙江大学 一种基于SoC的穿戴式心率变异性监测设备
CN105943015A (zh) * 2016-06-04 2016-09-21 浙江大学 一种主动降噪的穿戴式心率变异性监测设备
US10335045B2 (en) 2016-06-24 2019-07-02 Universita Degli Studi Di Trento Self-adaptive matrix completion for heart rate estimation from face videos under realistic conditions
CN106291121B (zh) * 2016-07-29 2023-10-13 歌尔股份有限公司 一种可穿戴设备的佩戴状态检测方法和可穿戴设备
US10564177B2 (en) * 2016-08-01 2020-02-18 Samsung Electronics Co., Ltd. System and method for user activity recognition using accelerometer
USD835791S1 (en) * 2016-08-02 2018-12-11 Belun Technology Company Limited Finger mounted electronic device
USD944995S1 (en) * 2016-08-02 2022-03-01 Belun Technology Company Limited Finger mounted electronic device
US11668480B2 (en) 2016-09-09 2023-06-06 Trane International Inc. Sleep enhancement in an HVAC system
CN106333680A (zh) * 2016-09-21 2017-01-18 广州视源电子科技股份有限公司 基于多分类器融合的睡眠状态检测方法和系统
CN106333681A (zh) * 2016-09-21 2017-01-18 广州视源电子科技股份有限公司 基于自学习的睡眠状态监测方法和系统
US10521107B2 (en) 2016-09-24 2019-12-31 Apple Inc. Devices, methods, and graphical user interfaces for selecting and interacting with different device modes
EP3518736B1 (en) 2016-09-27 2021-08-18 Boston Scientific Neuromodulation Corporation System for pain management using objective pain measure
US10610688B2 (en) 2016-09-27 2020-04-07 Boston Scientific Neuromodulation Corporation Systems and methods for closed-loop pain management
JP6964132B2 (ja) 2016-09-28 2021-11-10 マジック リープ, インコーポレイテッドMagic Leap, Inc. ウェアラブルデバイスによる顔モデル捕捉
JP7090601B2 (ja) * 2016-10-05 2022-06-24 マジック リープ， インコーポレイテッド 複合現実較正のための眼球周囲試験
DE102017009171A1 (de) 2016-10-17 2018-04-19 Amer Sports Digital Services Oy Eingebettete rechenvorrichtung
WO2018080887A1 (en) 2016-10-25 2018-05-03 Boston Scientific Neuromodulation Corporation System for pain management using baroreflex sensitivity
US10631776B2 (en) 2017-01-11 2020-04-28 Boston Scientific Neuromodulation Corporation Pain management based on respiration-mediated heart rates
EP3568861A1 (en) 2017-01-11 2019-11-20 Boston Scientific Neuromodulation Corporation Pain management based on emotional expression measurements
US10631777B2 (en) 2017-01-11 2020-04-28 Boston Scientific Neuromodulation Corporation Pain management based on functional measurements
EP3568069B1 (en) 2017-01-11 2021-04-28 Boston Scientific Neuromodulation Corporation Pain management based on brain activity monitoring
US10960210B2 (en) 2017-02-10 2021-03-30 Boston Scientific Neuromodulation Corporation Method and apparatus for pain management with sleep detection
US11478189B2 (en) * 2017-03-07 2022-10-25 Beijing Shunyuan Kaihua Technology Limited Systems and methods for respiratory analysis
EP3599993A4 (en) 2017-03-20 2020-11-18 Re-Time Pty. Ltd. METHOD AND DEVICE FOR SLEEP MONITORING AND CONTROL
EP3378380A1 (en) * 2017-03-22 2018-09-26 Koninklijke Philips N.V. Sleep stage classification system
US20180293359A1 (en) 2017-04-10 2018-10-11 International Business Machines Corporation Monitoring an individual's condition based on models generated from e-textile based clothing
EP3406189B1 (en) * 2017-05-25 2024-05-29 Tata Consultancy Services Limited System and method for heart rate estimation
US11199556B2 (en) * 2017-07-04 2021-12-14 Arkray, Inc. Measuring apparatus, computer readable medium storing measuring program and measuring method
US11288353B2 (en) * 2017-07-13 2022-03-29 Western Digital Technologies, Inc. Data storage device with secure access based on motions of the data storage device
AU2018304079B2 (en) 2017-07-18 2020-12-03 Boston Scientific Neuromodulation Corporation Sensor-based pain management systems and methods
WO2019035027A1 (en) * 2017-08-16 2019-02-21 Performance Athlytics SYSTEM AND DEVICE FOR NON-INVASIVE DETECTION OF INPUT AND OUTPUT EVENTS
US20190053754A1 (en) 2017-08-18 2019-02-21 Fitbit, Inc. Automated detection of breathing disturbances
KR20200095457A (ko) * 2017-09-01 2020-08-10 엘브이엘 테크놀로지스 인코포레이티드 비외과적 음용 검출을 위한 시스템 및 디바이스
EP3488781B1 (en) 2017-11-28 2022-05-18 Current Health Limited Apparatus and method for estimating respiration rate
US10945674B2 (en) * 2017-12-13 2021-03-16 Google Llc Methods, systems, and media for predicting sensor measurement quality
US10917634B2 (en) 2018-01-17 2021-02-09 Magic Leap, Inc. Display systems and methods for determining registration between a display and a user's eyes
CA3087333A1 (en) 2018-01-17 2019-07-25 Magic Leap, Inc. Eye center of rotation determination, depth plane selection, and render camera positioning in display systems
EP3522173B1 (de) * 2018-02-01 2024-04-03 Vorwerk & Co. Interholding GmbH System mit vitaldatensensor und auswertungseinheit
CN108338778A (zh) * 2018-02-12 2018-07-31 东莞市华睿电子科技有限公司 一种用户睡眠状态检测方法
DK201870335A1 (en) 2018-05-07 2019-12-04 Apple Inc. DEVICES, METHODS, AND GRAPHICAL USER INTERFACES FOR PROACTIVE MANAGEMENT OF NOTIFICATIONS
US10820086B2 (en) * 2018-05-30 2020-10-27 Bose Corporation Audio eyeglasses with gesture control
CN112689869A (zh) 2018-07-24 2021-04-20 奇跃公司 用于确定显示器与用户的眼睛之间的配准的显示系统和方法
US11180158B1 (en) * 2018-07-31 2021-11-23 United Services Automobile Association (Usaa) Routing or driving systems and methods based on sleep pattern information
EP3829699A1 (en) * 2018-08-03 2021-06-09 Cardiac Pacemakers, Inc. Systems and methods for presenting physiologic data
US11195619B2 (en) * 2018-09-18 2021-12-07 International Business Machines Corporation Real time sensor attribute detection and analysis
USD866957S1 (en) 2018-09-21 2019-11-19 MedHab, LLC Belt clip for fall detection device
US10380866B1 (en) 2018-09-21 2019-08-13 Med Hab, LLC. Dual case system for fall detection device
USD899605S1 (en) 2018-09-21 2020-10-20 MedHab, LLC Wrist attachment band for fall detection device
US11350853B2 (en) 2018-10-02 2022-06-07 Under Armour, Inc. Gait coaching in fitness tracking systems
EP3644136B1 (fr) * 2018-10-26 2024-05-08 Tissot S.A. Procede de diffusion par une montre d'un message informatif relatif a une evaluation de la qualite du sommeil d'un porteur de ladite montre
US10558261B1 (en) * 2018-10-29 2020-02-11 Facebook Technologies, Llc Sensor data compression
EP3657456A1 (en) 2018-11-26 2020-05-27 Koninklijke Philips N.V. A method and system for monitoring a user
IT201900004689A1 (it) * 2019-03-28 2020-09-28 Microbiomed S R L Dispositivo elettronico e procedimento per rilevare automaticamente in un soggetto disturbi del comportamento durante la fase rem del sonno e/o apnee notturne
CN117694838A (zh) 2019-03-28 2024-03-15 旭日有限公司 包括感测单元和数据处理设备的用于识别睡眠障碍的系统
WO2020231014A1 (en) 2019-05-16 2020-11-19 Samsung Electronics Co., Ltd. Electronic device for performing power management and method for operating the same
US20200367811A1 (en) * 2019-05-21 2020-11-26 Firstbeat Analytics Oy Method and apparatus for detecting a sleep state
US10827972B1 (en) * 2019-06-19 2020-11-10 Bose Corporation Sleep staging using an in-ear photoplethysmography (PPG)
IL282803B (en) * 2019-07-12 2022-08-01 Hadley Allen Robertson Use of a medical device tracking system and method
JP2022542581A (ja) 2019-07-25 2022-10-05 インスパイア・メディカル・システムズ・インコーポレイテッド 検知された姿勢情報に基づいて植込み型医療デバイスを操作するためのシステムおよび方法
CN110558934B (zh) * 2019-08-02 2022-06-28 杭州连帆科技有限公司 睡眠质量评估方法、装置、电子设备及介质
WO2021045616A1 (en) * 2019-09-03 2021-03-11 Technische Universiteit Eindhoven A computer-implemented method and an apparatus for determining body positions and/or sleep stages of a person during sleep.
WO2021046342A1 (en) * 2019-09-05 2021-03-11 Emory University Systems and methods for detecting sleep activity
JP7205433B2 (ja) * 2019-09-24 2023-01-17 カシオ計算機株式会社 状態推定装置、状態推定方法及びプログラム
CN112866807B (zh) * 2019-11-12 2024-04-30 鸿富锦精密电子(郑州)有限公司 智能关机方法、装置及电子装置
US20210177300A1 (en) * 2019-12-17 2021-06-17 Koninklijke Philips N.V. Monitoring abnormal respiratory events
CN113311736A (zh) * 2020-02-27 2021-08-27 Oppo广东移动通信有限公司 可穿戴设备的控制方法、装置、电子设备和可读存储介质
EP3884863B1 (en) * 2020-03-24 2022-07-27 Tata Consultancy Services Limited Method and system for tremor assessment using photoplethysmography (ppg)
US20210345962A1 (en) * 2020-05-07 2021-11-11 City Of Hope Remote rehabilitation system
AU2020233622B2 (en) 2020-05-11 2022-03-10 Apple Inc. System, method and user interface for supporting scheduled mode changes on electronic devices
CN113749626B (zh) * 2020-06-04 2024-02-13 安徽华米健康科技有限公司 心率检测方法、装置、可穿戴设备及存储介质
US11701055B2 (en) * 2020-06-30 2023-07-18 Bose Corporation Using personalized physiological parameters for sleep/wake detection
IL276201B (en) 2020-07-21 2021-10-31 Scr Eng Ltd System and method for efficient management of power consumption of an animal monitoring device
CA3193534A1 (en) 2020-10-01 2023-03-22 Pierre MARTINOT Wearable device for decreasing the respiratory effort of a sleeping subject
WO2022103335A1 (en) * 2020-11-12 2022-05-19 Kaha Pte. Ltd. Method, system and device for monitoring a sleep condition in user
EP4288138A1 (en) 2021-02-05 2023-12-13 Theragen, Inc. Systems, methods and devices for electrical stimulation therapy
CN113180606B (zh) * 2021-04-28 2023-01-24 青岛歌尔智能传感器有限公司 可穿戴设备的信号调整方法、可穿戴设备及可读存储介质
US20220365640A1 (en) 2021-05-12 2022-11-17 Apple Inc. Devices, Methods, and Graphical User Interfaces for Adjusting the Provision of Notifications
WO2023278775A1 (en) * 2021-07-01 2023-01-05 Canary Medical Switzerland Ag Systems and methods for processing and analyzing kinematic data from intelligent kinematic devices
US11483619B1 (en) 2021-08-31 2022-10-25 Rovi Guides, Inc. Measuring sleep state of a user using wearables and deciding on the playback option for the content consumed
CN115770021A (zh) * 2021-09-06 2023-03-10 李宗谚 便携式休克检测装置
US11711690B2 (en) * 2021-09-22 2023-07-25 Capital One Services, Llc Methods and systems for facilitating variable authentication of users on mobile devices
US20230138432A1 (en) * 2021-11-01 2023-05-04 Lee Tzong Yann Portable circulatory shock detecting device
US20230227046A1 (en) * 2022-01-14 2023-07-20 Toyota Motor North America, Inc. Mobility index determination
US11882237B1 (en) 2022-11-30 2024-01-23 Gmeci, Llc Apparatus and methods for monitoring human trustworthiness
CN116115198A (zh) * 2023-04-19 2023-05-16 深圳启脉科技有限公司 一种基于生理体征的低功耗鼾声自动记录方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130018284A1 (en) * 2011-07-13 2013-01-17 Philippe Kahn Sleep Monitoring System
CN103717125A (zh) * 2011-05-18 2014-04-09 V视股份有限公司 用于确定人的睡眠和睡眠阶段的系统和方法
CN103919536A (zh) * 2013-01-15 2014-07-16 飞比特公司 便携式生物计量监测装置及其操作方法
US20140364770A1 (en) * 2013-06-06 2014-12-11 Motorola Mobility Llc Accelerometer-based sleep analysis

Family Cites Families (89)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4836219A (en) 1987-07-08 1989-06-06 President & Fellows Of Harvard College Electronic sleep monitor headgear
EP0476138B1 (en) 1990-03-09 1997-11-19 Matsushita Electric Industrial Co., Ltd. Sleep detecting device
GB2312309A (en) * 1996-04-17 1997-10-22 Richard Ian Wolman Sleep detection and alarm system
US5902250A (en) 1997-03-31 1999-05-11 President And Fellows Of Harvard College Home-based system and method for monitoring sleep state and assessing cardiorespiratory risk
EP2363061A1 (en) 2000-06-16 2011-09-07 BodyMedia, Inc. System for monitoring and managing body weight and other physiological conditions including iterative and personalized planning, intervention and reporting capability
US7689437B1 (en) * 2000-06-16 2010-03-30 Bodymedia, Inc. System for monitoring health, wellness and fitness
US6605038B1 (en) * 2000-06-16 2003-08-12 Bodymedia, Inc. System for monitoring health, wellness and fitness
BR0111918B1 (pt) * 2000-06-23 2010-11-30 aparelho para monitorar e reportar informação fisiológica humana.
US7020508B2 (en) 2002-08-22 2006-03-28 Bodymedia, Inc. Apparatus for detecting human physiological and contextual information
US6878121B2 (en) 2002-11-01 2005-04-12 David T. Krausman Sleep scoring apparatus and method
US7189204B2 (en) 2002-12-04 2007-03-13 Cardiac Pacemakers, Inc. Sleep detection using an adjustable threshold
KR100788084B1 (ko) * 2003-08-05 2007-12-21 마츠시타 덴끼 산교 가부시키가이샤 유체 가열 장치 및 그것을 이용한 세정 장치
US8606356B2 (en) 2003-09-18 2013-12-10 Cardiac Pacemakers, Inc. Autonomic arousal detection system and method
US8192376B2 (en) 2003-08-18 2012-06-05 Cardiac Pacemakers, Inc. Sleep state classification
US8002553B2 (en) 2003-08-18 2011-08-23 Cardiac Pacemakers, Inc. Sleep quality data collection and evaluation
US7396331B2 (en) * 2003-10-27 2008-07-08 Home Guardian, Llc System and process for non-invasive collection and analysis of physiological signals
US6964641B2 (en) 2003-12-24 2005-11-15 Medtronic, Inc. Implantable medical device with sleep disordered breathing monitoring
US8690751B2 (en) 2003-12-31 2014-04-08 Raphael Auphan Sleep and environment control method and system
US7306567B2 (en) 2004-01-09 2007-12-11 Loree Iv Leonor F Easy wake wrist watch
US8942779B2 (en) 2004-02-05 2015-01-27 Early Sense Ltd. Monitoring a condition of a subject
US7248915B2 (en) * 2004-02-26 2007-07-24 Nokia Corporation Natural alarm clock
US7491181B2 (en) 2004-03-16 2009-02-17 Medtronic, Inc. Collecting activity and sleep quality information via a medical device
US20050209512A1 (en) 2004-03-16 2005-09-22 Heruth Kenneth T Detecting sleep
KR100786703B1 (ko) 2004-07-24 2007-12-21 삼성전자주식회사 가속도 센서를 이용한 운동량 측정장치 및 방법
US7211187B2 (en) * 2004-10-29 2007-05-01 Steven Lumbert Mobile or stationary modular self-contained dehydration toilet, dehydration engine, and gray water recovery system
US7578793B2 (en) 2004-11-22 2009-08-25 Widemed Ltd. Sleep staging based on cardio-respiratory signals
US8376964B2 (en) 2005-02-17 2013-02-19 Seoul National University Industry Foundation Apparatus for analyzing a sleep structure according to non-constrained weight detection
JP4595651B2 (ja) 2005-04-25 2010-12-08 株式会社デンソー 生体センサ、睡眠情報処理方法、及び睡眠情報処理装置
US7473233B2 (en) 2005-06-07 2009-01-06 Streetime Technologies, Llc Automated system and method for determining drug testing
US8200320B2 (en) 2006-03-03 2012-06-12 PhysioWave, Inc. Integrated physiologic monitoring systems and methods
WO2007117402A2 (en) 2006-04-01 2007-10-18 U.S. Government As Represented By The Secretary Of The Army Human biovibrations method
US7558622B2 (en) 2006-05-24 2009-07-07 Bao Tran Mesh network stroke monitoring appliance
US8684900B2 (en) 2006-05-16 2014-04-01 Bao Tran Health monitoring appliance
US7653508B1 (en) 2006-12-22 2010-01-26 Dp Technologies, Inc. Human activity monitoring device
US20080295237A1 (en) * 2007-05-29 2008-12-04 Kurtz James D Lammers No water/graywater/selfsanitizing, valve toilet, waste recycling system
JP5073371B2 (ja) 2007-06-06 2012-11-14 株式会社タニタ 睡眠評価装置
US8112281B2 (en) 2007-12-19 2012-02-07 Enbiomedic Accelerometer-based control of wearable audio recorders
US8826575B2 (en) 2008-02-27 2014-09-09 Robert Ufer Self calibrating weapon shot counter
US20120142443A1 (en) 2008-03-17 2012-06-07 Chris Savarese Golf club apparatuses and methods
US10667715B2 (en) 2008-08-20 2020-06-02 Sensible Medical Innovations Ltd. Methods and devices of cardiac tissue monitoring and analysis
US20100099954A1 (en) 2008-10-22 2010-04-22 Zeo, Inc. Data-driven sleep coaching system
US7980470B2 (en) 2008-10-23 2011-07-19 Symbol Technologies, Inc. Adaptive power management in imaging systems
TW201019901A (en) 2008-11-17 2010-06-01 Univ Nat Yang Ming Sleep analysis system and analysis method thereof
US8487771B2 (en) 2009-05-21 2013-07-16 Silverplus, Inc. Personal health management device
GB2471902A (en) 2009-07-17 2011-01-19 Sharp Kk Sleep management system which correlates sleep and performance data
DK2543027T3 (en) 2009-12-31 2016-10-24 Nightbalance B V Sleep position monitoring system
US20110230790A1 (en) * 2010-03-16 2011-09-22 Valeriy Kozlov Method and system for sleep monitoring, regulation and planning
CN102247122A (zh) * 2010-05-20 2011-11-23 上海易酷信息技术服务有限公司 睡眠检测装置及其检测、辅助睡眠的方法
US9310909B2 (en) 2010-09-30 2016-04-12 Fitbit, Inc. Methods, systems and devices for physical contact activated display and navigation
US9188460B2 (en) 2010-09-30 2015-11-17 Fitbit, Inc. Methods, systems and devices for generating real-time activity data updates to display devices
US9167991B2 (en) * 2010-09-30 2015-10-27 Fitbit, Inc. Portable monitoring devices and methods of operating same
US8812259B2 (en) 2010-09-30 2014-08-19 Fitbit, Inc. Alarm setting and interfacing with gesture contact interfacing controls
US8948861B2 (en) 2011-03-31 2015-02-03 Toyota Motor Engineering & Manufacturing North America, Inc. Methods and systems for determining optimum wake time
JP2012226564A (ja) 2011-04-20 2012-11-15 Sony Corp 情報処理装置、情報処理方法、およびプログラム
US8793522B2 (en) * 2011-06-11 2014-07-29 Aliphcom Power management in a data-capable strapband
US20120316455A1 (en) 2011-06-10 2012-12-13 Aliphcom Wearable device and platform for sensory input
EP2718079A2 (en) 2011-06-10 2014-04-16 Aliphcom Determinative processes for wearable devices
AU2012267525A1 (en) 2011-06-10 2013-04-11 Aliphcom Motion profile templates and movement languages for wearable devices
US20130002435A1 (en) 2011-06-10 2013-01-03 Aliphcom Sleep management method and apparatus for a wellness application using data from a data-capable band
US20130042399A1 (en) * 2011-08-17 2013-02-21 Robert Fred Smith Apparatus and method for toilet odor reduction and energy generating gas vapor control
US11344460B1 (en) * 2011-09-19 2022-05-31 Dp Technologies, Inc. Sleep quality optimization using a controlled sleep surface
WO2013103994A2 (en) 2012-01-08 2013-07-11 Oppenheimer Steven Charles System and method for item self-assessment as being extant or displaced
JP5870706B2 (ja) 2012-01-20 2016-03-01 オムロンヘルスケア株式会社 睡眠表示プログラム、睡眠表示方法及び睡眠表示装置
US20140180595A1 (en) 2012-12-26 2014-06-26 Fitbit, Inc. Device state dependent user interface management
US9597014B2 (en) 2012-06-22 2017-03-21 Fitbit, Inc. GPS accuracy refinement using external sensors
US9005129B2 (en) 2012-06-22 2015-04-14 Fitbit, Inc. Wearable heart rate monitor
WO2014039567A1 (en) 2012-09-04 2014-03-13 Bobo Analytics, Inc. Systems, devices and methods for continuous heart rate monitoring and interpretation
NZ725344A (en) * 2012-09-19 2018-04-27 Resmed Sensor Tech Ltd System and method for determining sleep stage
US8827906B2 (en) 2013-01-15 2014-09-09 Fitbit, Inc. Methods, systems and devices for measuring fingertip heart rate
US10194834B2 (en) 2013-01-16 2019-02-05 Vital Connect, Inc. Detection of sleep apnea using respiratory signals
KR20140116632A (ko) * 2013-03-25 2014-10-06 삼성전자주식회사 사용자의 모션을 감지하는 웨어러블 장치 및 방법
US9298197B2 (en) 2013-04-19 2016-03-29 Google Inc. Automated adjustment of an HVAC schedule for resource conservation
JP6698521B2 (ja) 2013-07-08 2020-05-27 レスメッド センサー テクノロジーズ リミテッド 睡眠管理の方法及びシステム
US9606721B2 (en) 2013-07-22 2017-03-28 Lg Electronics Inc. Mobile terminal and control method thereof
US9554747B2 (en) 2013-08-26 2017-01-31 EveryFit, Inc. Power efficient system and method for measuring physical activity in resource constrained devices
NZ630770A (en) 2013-10-09 2016-03-31 Resmed Sensor Technologies Ltd Fatigue monitoring and management system
US20160051184A1 (en) 2013-10-24 2016-02-25 JayBird LLC System and method for providing sleep recommendations using earbuds with biometric sensors
US11298075B2 (en) * 2013-12-19 2022-04-12 Apple Inc. Physiological monitoring method and system
US10980473B2 (en) 2014-01-02 2021-04-20 Intel Corporation Identifying and characterizing nocturnal motion and stages of sleep
EP3110606B1 (en) 2014-02-24 2021-09-15 Sony Group Corporation Smart wearable devices and methods for automatically configuring capabilities with biology and environment capture sensors
CN103823562B (zh) 2014-02-28 2017-07-11 惠州Tcl移动通信有限公司 自动提醒用户睡觉的方法、系统及可穿戴设备
US20150355612A1 (en) 2014-06-05 2015-12-10 Morphy Inc. Methods and systems for controlling home appliances based on human biological signals
EP3160337B1 (en) 2014-06-30 2022-04-06 Scint B.V. Body worn measurement device
US10238222B2 (en) 2014-09-05 2019-03-26 Raj Rao Electronically controllable pillow
US9808185B2 (en) 2014-09-23 2017-11-07 Fitbit, Inc. Movement measure generation in a wearable electronic device
JP6485037B2 (ja) 2014-12-25 2019-03-20 オムロン株式会社 睡眠改善システム及びこのシステムを用いた睡眠改善方法
KR102422115B1 (ko) 2015-02-12 2022-07-18 삼성전자주식회사 수면 정보를 입력하는 전자 장치 및 그 제어 방법
US10325514B2 (en) 2016-06-02 2019-06-18 Fitbit, Inc. Systems and techniques for tracking sleep consistency and sleep goals
US11207021B2 (en) 2016-09-06 2021-12-28 Fitbit, Inc Methods and systems for labeling sleep states

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103717125A (zh) * 2011-05-18 2014-04-09 V视股份有限公司 用于确定人的睡眠和睡眠阶段的系统和方法
US20130018284A1 (en) * 2011-07-13 2013-01-17 Philippe Kahn Sleep Monitoring System
CN103919536A (zh) * 2013-01-15 2014-07-16 飞比特公司 便携式生物计量监测装置及其操作方法
US20140364770A1 (en) * 2013-06-06 2014-12-11 Motorola Mobility Llc Accelerometer-based sleep analysis

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105953812A (zh) * 2016-04-22 2016-09-21 广东小天才科技有限公司 一种量化运动步数的方法及系统
CN105832303A (zh) * 2016-05-11 2016-08-10 南京邮电大学 一种睡眠监测方法及系统
CN109843163A (zh) * 2016-09-06 2019-06-04 飞比特公司 用于标记睡眠状态的方法和系统
US11877861B2 (en) 2016-09-06 2024-01-23 Fitbit, Inc. Methods and systems for labeling sleep states
TWI629970B (zh) * 2016-12-22 2018-07-21 宏達國際電子股份有限公司 生理資訊量測方法與穿戴式裝置
TWI644221B (zh) * 2017-01-12 2018-12-11 長庚大學 Physical activity quality assessment method and system
CN106618611A (zh) * 2017-03-06 2017-05-10 兰州大学 基于睡眠多通道生理信号的抑郁症辅助诊断方法和系统
US10111615B2 (en) 2017-03-11 2018-10-30 Fitbit, Inc. Sleep scoring based on physiological information
US10555698B2 (en) 2017-03-11 2020-02-11 Fitbit, Inc. Sleep scoring based on physiological information
US10980471B2 (en) 2017-03-11 2021-04-20 Fitbit, Inc. Sleep scoring based on physiological information
US11864723B2 (en) 2017-03-11 2024-01-09 Fitbit, Inc. Sleep scoring based on physiological information
CN108836343A (zh) * 2018-04-23 2018-11-20 深圳市友宏科技有限公司 睡眠过程中运动状态的监测方法、存储介质及装置
CN108523899A (zh) * 2018-04-23 2018-09-14 深圳市友宏科技有限公司 睡眠过程中离床状态的监测方法、存储介质及装置
CN108992040A (zh) * 2018-07-30 2018-12-14 深圳智芯数据服务有限公司 一种人体睡眠状态监测方法和装置
CN110179444A (zh) * 2019-05-23 2019-08-30 上饶市达淋新材料有限公司 一种婴幼儿体温检测脚环系统及其检测方法

Also Published As

Publication number Publication date
CN110083236B (zh) 2022-08-05
US10772539B2 (en) 2020-09-15
US9675281B2 (en) 2017-06-13
US20160022203A1 (en) 2016-01-28
US20210059571A1 (en) 2021-03-04
CN105446480B (zh) 2019-04-26
CN110083236A (zh) 2019-08-02
US9808185B2 (en) 2017-11-07
CN110083237B (zh) 2020-09-11
CN110083237A (zh) 2019-08-02
US20160007934A1 (en) 2016-01-14
US10092219B2 (en) 2018-10-09
CN115185379A (zh) 2022-10-14
US11717188B2 (en) 2023-08-08
CN115185380A (zh) 2022-10-14
US20160022175A1 (en) 2016-01-28
US20190038185A1 (en) 2019-02-07
US20160022201A1 (en) 2016-01-28

Similar Documents

Publication Publication Date Title
CN105446480A (zh) 可穿戴电子装置中的移动量度产生
Vallabh et al. Fall detection monitoring systems: a comprehensive review
US11026600B2 (en) Activity classification in a multi-axis activity monitor device
Chen et al. Intelligent fall detection method based on accelerometer data from a wrist-worn smart watch
US20190385708A1 (en) Multimode sensor devices
US9681827B2 (en) Systems, methods, applications for smart sensing, motion activity monitoring, and motion activity pattern recognition
US10768196B2 (en) Determine wearing position of a wearable device
CN106030246B (zh) 用于对对象的周期性运动的循环数目进行计数的设备、方法和系统
CN109077710B (zh) 自适应心率估计的方法、装置和系统
CN110709940A (zh) 用于预测传感器测量质量的方法、系统和介质
Kavuncuoğlu et al. Investigating the performance of wearable motion sensors on recognizing falls and daily activities via machine learning
US20220322999A1 (en) Systems and Methods for Detecting Sleep Activity
Culman Energy Efficient Methods for Human Activity Recognition

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: California, USA

Patentee after: Feibit Co.,Ltd.

Address before: California, USA

Patentee before: FITBIT, Inc.

CP01 Change in the name or title of a patent holder