CN115917360A - 具有运动传感器融合的电子设备中的到达角能力 - Google Patents

具有运动传感器融合的电子设备中的到达角能力 Download PDF

Info

Publication number
CN115917360A
CN115917360A CN202180051342.4A CN202180051342A CN115917360A CN 115917360 A CN115917360 A CN 115917360A CN 202180051342 A CN202180051342 A CN 202180051342A CN 115917360 A CN115917360 A CN 115917360A
Authority
CN
China
Prior art keywords
electronic device
fov
aoa
information
determining
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.)
Pending
Application number
CN202180051342.4A
Other languages
English (en)
Inventor
A·V·帕达基
N·达瓦尔
H·V·阮
朱煜明
李松伟
B·L·吴
杨益
姜文锡
M·赵
金铉哲
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
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 Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN115917360A publication Critical patent/CN115917360A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/01—Determining conditions which influence positioning, e.g. radio environment, state of motion or energy consumption
    • G01S5/017—Detecting state or type of motion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0205—Details
    • G01S5/0215—Interference
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0205—Details
    • G01S5/0242—Determining the position of transmitters to be subsequently used in positioning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0249—Determining position using measurements made by a non-stationary device other than the device whose position is being determined
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0257—Hybrid positioning
    • G01S5/0268—Hybrid positioning by deriving positions from different combinations of signals or of estimated positions in a single positioning system
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0284—Relative positioning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0205—Details
    • G01S5/0218—Multipath in signal reception
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0257—Hybrid positioning
    • G01S5/0258—Hybrid positioning by combining or switching between measurements derived from different systems
    • G01S5/02585—Hybrid positioning by combining or switching between measurements derived from different systems at least one of the measurements being a non-radio measurement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/12—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves by co-ordinating position lines of different shape, e.g. hyperbolic, circular, elliptical or radial

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种方法，包括：基于在电子设备和目标设备之间传送的无线信号获得信号信息，该信号信息包括信道信息、范围信息和到达角(AoA)信息；基于电子设备的移动获得运动信息，该运动信息包括电子设备的定向；基于运动信息和信道信息识别第一位置信息，以及基于电子设备的定向和AoA信息识别第二位置信息，确定电子设备是否在运动中，以及确定目标设备是在电子设备的FoV内还是在FoV外。

Description

具有运动传感器融合的电子设备中的到达角能力
技术领域
本公开总体上涉及定位电子设备。更具体地，本公开涉及具有运动传感器融合的电子设备中的到达角能力。
背景技术
主要由于可用性、便利性、计算能力等，移动计算技术的使用已经大大扩展。近来技术发展的一个结果是电子设备变得更加紧凑，而给定设备可以执行的功能和特征的数量在增加。某些电子设备可以确定另一个设备是否在其视场内。例如，电子设备可以与其他设备发送和接收信号，并确定接收的信号的到达角(AoA)和设备之间的距离。信号可能被破坏，这可能产生不准确的AoA和范围确定。不准确的AoA和范围确定会导致电子设备不正确地确定另一个电子设备在其视场之内或在其视场之外。
本申请要求2020年8月21日提交的美国临时专利申请第63/068,694号的优先权。上述临时专利申请的全部内容在此引入作为参考。
发明内容
【技术问题】
本公开提供了电子设备中的到达角能力。
在一个实施例中，提供了一种方法。该方法包括基于在电子设备和目标设备之间传送的无线信号获得信号信息。信号信息包括信道信息、范围信息和到达角(AoA)信息。该方法还包括基于电子设备的移动获得运动信息。运动信息包括电子设备的定向。该方法还包括基于运动信息和信道信息识别第一位置信息，第一位置信息指示目标设备是否在电子设备的视场(FoV)内。另外，该方法包括基于电子设备的定向和AoA信息来识别第二位置信息，第二位置信息指示目标设备是否在电子设备的FoV内。该方法还包括确定电子设备是否在运动中。该方法还包括响应于确定电子设备不在运动中部分地基于第一位置信息，或者响应于确定电子设备在运动中部分地基于第二位置信息来确定目标设备是在电子设备的FoV内还是FoV外。
对于某些实施例，该方法还包括在不同的时刻基于信号信息识别AoA信息中指示的AoA和所述范围信息中指示的目标设备和电子设备之间的范围；以及使用跟踪过滤器，基于运动信息对AoA信息和范围信息执行平滑操作，其中识别第一位置信息包括：基于信道信息和范围信息或AoA信息中的至少一者，生成目标设备相对于电子设备的FoV的存在的初始预测，以及基于AoA信息、平滑的AoA信息和初始预测来确定目标设备是在电子设备的FoV内还是FoV外，其中信道信息包括无线信号的信道冲击响应(CIR)的特征，并且其中CIR的特征包括：在一段时间内电子设备和目标设备之间的范围的变化，AoA和定向在一段时间内的变化，CIR的第一峰值强度在一段时间内的变化，第一峰值强度和CIR的最强峰值强度之间的差值的最小值，CIR的第一峰值强度和最强峰值之间的时间差，CIR的第一峰值强度，以及AoA。
对于某些实施例，该方法还包括确定目标设备在电子设备的FoV内或FoV外包括：确定第二位置信息是否指示定向和AoA信息中指示的AoA之间的空间一致性被保持；响应于确定保持了空间一致性，基于第二位置信息确定目标设备在电子设备的FoV内或FoV外；响应于确定没有保持空间一致性，基于以下确定来识别第一结果：(i)运动信息指示电子设备在运动中，以及(ii)当前时间戳的AoA和定向不相关，或者范围信息的方差(variance)大于阈值；响应于确定没有保持空间一致性，基于范围信息的方差大于阈值并且(i)电子设备在运动中或者(ii)当前时间戳的AoA和定向不相关的确定来识别第二结果；响应于识别第一结果，确定目标设备在电子设备的FoV外；以及响应于识别第二结果，基于第一位置信息确定目标设备在电子设备的FoV内或FoV外。
对于某些实施例，该方法还包括确定电子设备是否在运动中包括基于旋转运动确定电子设备是否在运动中；并且识别第二位置信息包括：响应于确定电子设备在运动中，基于AoA信息中指示的AoA，确定目标设备是否在从电子设备的视轴方向扩展的角度的阈值范围内；响应于确定目标设备在角度的阈值范围内，识别当前时间戳的AoA和定向之间的相关值；将相关值与相关阈值进行比较；以及基于该比较用相关值更新存储器。
对于某些实施例，该方法包括，其中确定电子设备是否在运动中还包括：确定电子设备的定向的方差是否在阈值范围内；响应于确定定向的方差不在阈值范围内，确定是否保持了定向和AoA之间的空间一致性；以及响应于确定定向的方差在阈值范围内，确定目标设备是否在角度的阈值范围内。
对于某些实施例，该方法还包括响应于确定目标设备不在角度的阈值范围内，确定定向和AoA之间的空间一致性是否被保持。
对于某些实施例，该方法还包括存储器包括分别对应于不重叠的定向角范围的多个仓，其中多个仓中的每一个包括至少一个槽，并且该至少一个槽中的一个槽存储对应的时间戳处的先前识别的相关值；将当前时间戳的相关值与相关阈值进行比较包括确定相关值高于相关阈值；并且更新存储器包括将相关值和当前时间戳存储在多个仓中的一个仓的槽中。
对于某些实施例，该方法还包括：响应于确定(i)电子设备不在运动中，(ii)目标设备不在距电子设备的视轴方向的角度的阈值范围内，(iii)相关值在相关阈值以下，或者(iv)在存储器被更新之后，确定多个仓中的至少一个是否包括具有对应的时间戳的多个相关值；将与多个仓中的一个仓相关联的多个相关值的数量与阈值进行比较，以确定是否保持了定向和AoA之间的空间一致性，指示电子设备的视轴方向在空间上穿过目标设备；响应于确定保持了空间一致性，从多个仓中识别对应于电子设备的视轴方向的第一仓；响应于确定没有保持空间一致性，确定先前的空间一致性是否指示目标设备在电子设备的FoV中；响应于确定先前空间一致性指示目标设备在电子设备的FoV内并且当前AoA在FoV范围内，确定目标设备在电子设备的FoV内；以及响应于确定先前的空间一致性指示目标设备不在电子设备的FoV中，确定空间一致性是不活动的。
对于某些实施例，识别第一仓包括：识别分别与多个仓中的每一个相关联的局部衰减权重，以及分别与多个仓中的每一个相关联的全局衰减权重；分别识别多个仓中的每个仓的加权平均相关值，其中多个仓中的每个仓的加权平均相关值基于该仓的局部衰减权重和全局衰减权重；以及基于多个仓中的每个仓的加权平均相关值与预定义标准的比较，从多个仓中选择第一仓。
对于某些实施例，该方法还包括响应于确定：电子设备是静止的并且定向不在第一仓的阈值内；AoA在电子设备的FoV中并且定向在变化；基于AoA将目标设备指示为在电子设备的FoV中并且相关值在阈值以下；或者与每个仓相关联的加权平均相关值在阈值以下，确定重置存储器。
对于某些实施例，该方法还包括确定电子设备的视轴方向是否在对应于第一仓的另一阈值角度范围内；当电子设备的视轴方向在第一仓的另一阈值范围内时，确定目标设备在电子设备的FoV中；以及当电子设备的视轴方向在第一仓的另一阈值范围之外时，确定目标设备在电子设备的FoV之外。
在另一个实施例中，提供了一种电子设备。该电子设备包括处理器。处理器被配置为基于在电子设备和目标设备之间传送的无线信号来获得信号信息，信号信息包括信道信息、范围信息和AoA信息；该处理器被配置为基于电子设备的移动获得运动信息，该运动信息包括电子设备的定向。处理器被配置为基于运动信息和信道信息来识别第一位置信息，第一位置信息指示目标设备是否在电子设备的FoV内。处理器被配置为基于电子设备的定向和AoA信息来识别第二位置信息，第二位置信息指示目标设备是否在电子设备的FoV内。处理器被配置为确定电子设备是否在运动中。该处理器被配置为响应于确定电子设备不在运动中部分地基于第一位置信息，或者响应于确定电子设备在运动中部分地基于第二位置信息来确定目标设备是在电子设备的FoV内还是FoV外。
对于某些实施例，处理器还被配置为：在不同的时刻，基于信号信息，识别AoA信息中指示的AoA和所述范围信息中指示的目标设备和电子设备之间的范围；以及使用跟踪过滤器，基于运动信息对AoA信息和范围信息执行平滑操作，其中为了识别第一位置信息，处理器被配置为：基于信道信息和范围信息或AoA信息中的至少一个，生成目标设备相对于电子设备的FoV的存在的初始预测，以及基于AoA信息、平滑的AoA信息和初始预测来确定目标设备是在电子设备的FoV内还是在FoV外，信道信息包括无线信号的信道冲击响应(CIR)的特征，并且CIR的特征包括：在一段时间内电子设备和目标设备之间的范围的变化，在一段时间内AoA和定向的变化，CIR的第一峰值强度在一段时间内的变化、第一峰值强度与CIR的最强峰值强度之间的差值的最小值、CIR的第一峰值强度与最强峰值之间的时间差、CIR的第一峰值强度以及AoA。
对于某些实施例，其中为了确定目标设备在电子设备的FoV内或FoV外，处理器被配置为：确定第二位置信息是否指示定向和AoA信息中指示的AoA之间的空间一致性被保持；响应于确定保持了空间一致性，基于第二位置信息确定目标设备在电子设备的FoV内或FoV外；响应于确定没有保持空间一致性，基于以下确定来识别第一结果：(i)运动信息指示电子设备在运动中，以及(ii)当前时间戳的AoA和定向不相关，或者范围信息的方差大于阈值；响应于确定没有保持空间一致性，基于范围信息的方差大于阈值并且(i)电子设备在运动中或者(ii)当前时间戳的AoA和定向不相关的确定来识别第二结果；响应于识别第一结果，确定目标设备在电子设备的FoV之外；以及响应于识别第二结果，基于第一位置信息确定目标设备在电子设备的FoV内或FoV外。
对于某些实施例，处理器可以被配置为确定电子设备是否在运动中，处理器被配置为基于旋转运动确定电子设备是否在运动中；并且为了识别第二位置信息，该处理器还被配置为：响应于确定电子设备在运动中，基于AoA信息中指示的AoA，确定目标设备是否在从电子设备的视轴方向扩展的角度的阈值范围内；响应于确定目标设备在角度的阈值范围内，识别当前时间戳的AoA和定向之间的相关值；将相关值与相关阈值进行比较；并且基于该比较用相关值更新存储器。
对于某些实施例，处理器可以被配置为确定电子设备是否在运动中。此外，处理器被配置为：确定电子设备的定向的方差是否在阈值范围内；响应于确定定向的方差不在阈值范围内，确定是否保持了定向和AoA之间的空间一致性；并且响应于确定定向的方差在阈值范围内，确定目标设备是否在角度的阈值范围内。
对于某些实施例，响应于确定目标设备不在角度的阈值范围内，处理器被配置为确定是否保持了定向和AoA之间的空间一致性。
对于某些实施例，电子设备可以进一步包括存储器，该存储器包括分别对应于不重叠的定向角度范围的多个仓，其中多个仓中的每一个包括至少一个槽，并且该至少一个槽中的一个槽存储对应的时间戳处的先前识别的相关值；为了将当前时间戳的相关值与相关阈值进行比较，处理器被配置为确定相关值高于相关阈值；并且为了更新存储器，处理器被配置为将相关值和当前时间戳存储在多个仓中的一个仓的槽中。
对于某些实施例，处理器还可以被配置为：响应于确定(i)电子设备不在运动中，(ii)目标设备不在距电子设备的视轴方向的角度的阈值范围内，(iii)相关值在相关阈值以下，或者(iv)在存储器被更新之后，确定多个仓中的至少一个是否包括具有对应的时间戳的多个相关值；将与多个仓中的一个仓相关联的多个相关值的数量与阈值进行比较，以确定是否保持了定向和AoA之间的空间一致性，指示电子设备的视轴方向在空间上穿过目标设备；响应于确定保持了空间一致性，从多个仓中识别对应于电子设备的视轴方向的第一仓；响应于确定没有保持空间一致性，确定先前的空间一致性是否指示目标设备在电子设备的FoV中；响应于确定先前空间一致性指示目标设备在电子设备的FoV中并且当前AoA在FoV范围内，确定目标设备在电子设备的FoV中；以及响应于确定先前的空间一致性指示目标设备不在电子设备的FoV中，确定空间一致性是不活动的。
对于某些实施例，其中为了识别第一仓，处理器可以进一步被配置为：识别分别与多个仓中的每一个相关联的局部衰减权重，以及分别与多个仓中的每一个相关联的全局衰减权重；分别识别多个仓中的每一个的加权平均相关值，其中多个仓中的每一个的加权平均相关值基于该仓的局部衰减权重和全局衰减权重；并且基于多个仓中的每个仓的加权平均相关值与预定义标准的比较，从多个仓中选择第一仓。
对于某些实施例，其中处理器可以进一步被配置为：基于以下确定来生成结果：电子设备是静止的并且定向不在第一仓的阈值内，AoA在电子设备的FoV中并且定向正在变化，基于AoA将目标设备指示为在电子设备的FoV中并且相关值在阈值以下，或者与每个仓相关联的加权平均相关值在阈值以下；并且基于确定的结果确定重置存储器。
对于某些实施例，其中处理器可以被进一步配置为：确定电子设备的视轴方向是否在对应于第一仓的另一阈值角度范围内；当电子设备的视轴方向在第一仓的另一阈值范围内时，确定目标设备在电子设备的FoV中；并且当电子设备的视轴方向在第一仓的另一阈值范围之外时，确定目标设备在电子设备的FoV之外。
在又一实施例中，提供了包含指令的非暂时性计算机可读介质。指令在被执行时使得处理器基于在电子设备和目标设备之间传送的无线信号来获得信号信息，信号信息包括信道信息、范围信息和AoA信息。指令在被执行时还使得处理器基于电子设备的移动获得运动信息，运动信息包括电子设备的定向。指令在被执行时还使得处理器基于运动信息和信道信息来识别第一位置信息，第一位置信息指示目标设备是否在电子设备的FoV内。指令在被执行时还使得处理器基于电子设备的定向和AoA信息来识别第二位置信息，第二位置信息指示目标设备是否在电子设备的FoV内。这些指令在被执行时还使得处理器确定电子设备是否在运动中。指令在被执行时还使得处理器响应于确定电子设备不在运动中而部分地基于第一位置信息或者响应于确定电子设备在运动中而部分地基于第二位置信息来确定目标设备是在电子设备的FoV内还是FoV外。
例如，在另一个实施例中，可以提供包含指令的非暂时性计算机可读介质。指令在被执行时使得处理器基于在电子设备和目标设备之间传送的无线信号来获得信号信息，信号信息包括信道信息、范围信息和AoA信息。指令在被执行时还使得处理器基于电子设备的移动获得运动信息，运动信息包括电子设备的定向。指令在被执行时还使得处理器基于运动信息和信道信息来识别第一位置信息，第一位置信息指示目标设备是否在电子设备的FoV内。指令在被执行时还使得处理器基于电子设备的定向和AoA信息来识别第二位置信息，第二位置信息指示目标设备是否在电子设备的FoV内。这些指令在被执行时还使得处理器确定电子设备是否在运动中。指令在被执行时还使得处理器响应于确定电子设备不在运动中而部分地基于第一位置信息或者响应于确定电子设备在运动中而部分地基于第二位置信息来确定目标设备是在电子设备的FoV内还是FoV外。
在某些实施例中，指令在被执行时还使得处理器在不同的时刻基于信号信息识别在AoA信息中指示的AoA和所述范围信息中指示的目标设备和电子设备之间的范围，并且使用跟踪过滤器，基于运动信息对AoA信息和范围信息进行平滑操作。当被执行时使处理器识别第一位置信息的指令包括当被执行时使处理器基于信道信息和范围信息或AoA信息中的至少一个生成目标设备相对于电子设备的FoV的存在的初始预测，以及基于AoA信息、平滑的AoA信息和初始预测来确定目标设备是在电子设备的FoV内还是在电子设备的FoV外的指令。信道信息包括无线信号的信道冲击响应(CIR)的特征，并且CIR的特征包括：在一段时间内电子设备和目标设备之间的范围的变化，在一段时间内AoA和定向的变化，CIR的第一峰值强度在一段时间内的变化、第一峰值强度与CIR的最强峰值强度之间的差值的最小值、CIR的第一峰值强度与最强峰值之间的时间差、CIR的第一峰值强度以及AoA。
在某些实施例中，当被执行时使处理器确定目标设备在电子设备的FoV内或外的指令包括这样的指令，当被执行时使处理器响应于确定空间一致性被保持而确定第二位置信息是否指示定向和AoA信息中指示的AoA之间的空间一致性被保持，基于第二位置信息确定目标设备是在电子设备的FoV内还是在FoV外，响应于确定空间一致性未被保持，基于以下确定来识别第一结果：(i)运动信息指示电子设备在运动中，以及(ii)当前时间戳的AoA和定向不相关，或者范围信息的方差大于阈值，响应于确定没有保持空间一致性，基于范围信息的方差大于阈值的确定来识别第二结果，并且响应于识别第一结果，确定目标设备在电子设备的FoV外，以及响应于识别第二结果，基于第一位置信息确定目标设备在电子设备的FoV内或FoV外。
在某些实施例中，当被执行时使处理器确定电子设备是否在运动中的指令包括这样的指令，当被执行时使处理器基于旋转运动确定电子设备是否在运动中，并且当被执行时使处理器识别第二位置信息的指令包括这样的指令，当被执行时使处理器：响应于确定电子设备在运动，基于AoA信息中指示的AoA，确定目标设备是否在从电子设备的视轴方向扩展的角度的阈值范围内；响应于确定目标设备在角度的阈值范围内，识别当前时间戳的AoA和定向之间的相关值；将相关值与相关阈值进行比较；并且基于该比较用相关值更新存储器。
在某些实施例中，当被执行时使处理器确定电子设备是否在运动中的指令还包括这样的指令，当被执行时使处理器：确定电子设备的定向的方差是否在阈值范围内；响应于确定定向的方差不在阈值范围内，确定是否保持了定向和AoA之间的空间一致性；并且响应于确定定向的方差在阈值范围内，确定目标设备是否在角度的阈值范围内。
在某些实施例中，非暂时性计算机可读介质，响应于确定目标设备不在角度的阈值范围内，指令在被执行时进一步使得处理器确定定向和AoA之间的空间一致性是否被保持。
在某些实施例中，非暂时性计算机可读介质、存储器包括分别对应于不重叠的定向角范围的多个仓，其中多个仓中的每一个包括至少一个槽，并且至少一个槽中的一个槽存储在对应的时间戳处的先前识别的相关值，当被执行时使处理器将当前时间戳的相关值与相关阈值进行比较的指令包括当被执行时使处理器确定相关值高于相关阈值的指令；并且当被执行时使处理器更新存储器的指令包括当被执行时使处理器将相关值和当前时间戳存储在多个仓中的一个仓的槽中的指令。
在某些实施例中，指令在被执行时还使得处理器：响应于确定(i)电子设备不在运动中，(ii)目标设备不在距电子设备的视轴方向的角度的阈值范围内，(iii)相关值在相关阈值以下，或者(iv)在存储器被更新之后，确定多个仓中的至少一个是否包括具有对应的时间戳的多个相关值；将与多个仓中的一个仓相关联的多个相关值的数量与阈值进行比较，以确定是否保持了定向和AoA之间的空间一致性，指示电子设备的视轴方向在空间上穿过目标设备；响应于确定保持了空间一致性，从多个仓中识别对应于电子设备的视轴方向的第一仓；响应于确定没有保持空间一致性，确定先前的空间一致性是否指示目标设备在电子设备的FoV中；响应于确定先前空间一致性指示目标设备在电子设备的FoV中并且当前AoA在FoV范围内，确定目标设备在电子设备的FoV中；以及响应于确定先前的空间一致性指示目标设备不在电子设备的FoV中，确定空间一致性是不活动的。
在某些实施例中，当被执行时使处理器识别第一仓的指令包括这样的指令，当被执行时使处理器：分别识别与多个仓中的每一个相关联的局部衰减权重，以及分别与多个仓中的每一个相关联的全局衰减权重；分别识别多个仓中的每一个的加权平均相关值，其中多个仓中的每一个的加权平均相关值基于该仓的局部衰减权重和全局衰减权重；并且基于多个仓中的每个仓的加权平均相关值与预定义标准的比较，从多个仓中选择第一仓。
在某些实施例中，指令在被执行时还使得处理器：基于以下确定来生成结果：电子设备是静止的并且定向不在第一仓的阈值内，AoA在电子设备的FoV中并且定向正在变化，基于AoA将目标设备指示为在电子设备的FoV中并且相关值在阈值以下，或者与每个仓相关联的加权平均相关值在阈值以下；并且响应于确定而确定重置存储器。
在某些实施例中，指令在被执行时还使得处理器：确定电子设备的视轴方向是否在对应于第一仓的另一阈值角度范围内；当电子设备的视轴方向在第一仓的另一阈值范围内时，确定目标设备在电子设备的FoV中；并且当电子设备的视轴方向在第一仓的另一阈值范围之外时，确定目标设备在电子设备的FoV外。
根据下面的附图、描述和权利要求，其他技术特征对于本领域技术人员来说是显而易见的。
在进行下面的详细描述之前，阐述本专利文件中使用的某些单词和短语的定义可能是有利的。术语“耦合”及其派生词是指两个或多个元件之间的任何直接或间接的通信，无论这些元件是否彼此物理接触。术语“发送”、“接收”和“通信”及其派生词包括直接和间接通信。术语“包括”和“包含”以及它们的派生词意味着无限制的包含。术语“或”是包含性的，意味着和/或。短语“相关联”及其派生词是指包括、被包括在内、与互连、包含、被包含在内、连接到或与、耦合到或与、可通信、合作、交错、并置、接近、被结合到或与、具有、具有属性、与或具有关系等。术语“控制器”是指控制至少一个操作的任何设备、系统或其一部分。这种控制器可以用硬件或者硬件和软件和/或固件的组合来实现。与任何特定控制器相关联的功能可以是集中式的或分布式的，无论是本地的还是远程的。当与项目列表一起使用时，短语“至少一个”意味着可以使用一个或多个所列项目的不同组合，并且可能只需要列表中的一个项目。例如，“A、B和C中的至少一个”包括以下任意组合：A、B、C、A和B、A和C、B和C以及A和B和C。
此外，下面描述的各种功能可以由一个或多个计算机程序实现或支持，每个计算机程序由计算机可读程序代码形成并具体化在计算机可读介质中。术语“应用”和“程序”是指一个或多个计算机程序、软件组件、指令集、过程、功能、对象、类、实例、相关数据或其适于以合适的计算机可读程序代码实现的一部分。短语计算机可读程序代码包括任何类型的计算机代码，其包括源代码、目标代码和可执行代码。短语“计算机可读介质”包括能够由计算机访问的任何类型的介质，诸如只读存储器(ROM)、随机存取存储器(RAM)、硬盘驱动器、致密盘(CD)、数字视频光盘(DVD)或任何其他类型的存储器。“非瞬时性”计算机可读介质不包括传输瞬时电信号或其他信号的有线、无线、光学或其他通信链路。非暂时性计算机可读介质包括可以永久存储数据的介质和可以存储数据并在以后重写的介质，诸如可重写光盘或可擦除存储器设备。
在本专利文件中还提供了其他特定单词和短语的定义。本领域的普通技术人员应该理解，在许多(如果不是大多数)情况下，这样的定义适用于这样定义的单词和短语的先前以及将来的使用。
附图说明
为了更完整地理解本公开及其优点，现在结合附图参考以下描述，其中相同的附图标记表示相同的部件：
图1示出了根据本公开的实施例的示例通信系统；
图2示出了根据本公开的实施例的示例电子设备；
图3示出了根据本公开的实施例的示例网络配置；
图4A示出了根据本公开的实施例的确定目标设备是否在电子设备的视场(FoV)内的示例图示；
图4B示出了根据本公开的实施例的示例坐标系；
图4C示出了根据本公开的实施例的改变电子设备定向的示例；
图4D示出了根据本公开的实施例的用于视场确定的示例分级过程；
图5A、图5B和图5C示出了根据本公开的实施例的用于视场确定的信号处理图示；
图6A、图6B和图6C示出了根据本公开的实施例的图5A和图5C的FoV和跟踪操作的示例框图；
图7示出了根据本公开的实施例的初始FoV确定的示例信道冲击响应(CIR)图形；
图8示出了根据本公开的实施例的用于为初始FoV确定选择分类器的示例方法；
图9A和图9B示出了根据本公开的实施例的用于初始FoV预测的示例移动平均过滤器；
图10A、图10B、图10C和图10D示出了根据本公开的实施例的各种跟踪过滤器操作的示例方法；
图11示出了根据本公开的实施例的用于确定目标设备是否在电子设备的FoV内的示例方法；
图12示出了根据本公开的实施例的由于运动而执行重置的示例方法；
图13A和图13B示出了根据本公开的实施例的图5A和图5B的空间一致性检查操作的示例框图；
图13C、图13D、图13E、图13F、图13G、图13H、图13I、图13J、图13K、图13L和图13M示出了根据本公开的实施例的图13A的空间一致性检查操作的各种操作；
图14示出了根据本公开的实施例的组合图5A的FoV检测器和跟踪操作和空间一致性检查操作的视场判定操作的示例框图；和
图15示出了根据本公开的实施例的用于FoV确定的示例方法。
具体实施方式
下面讨论的图1至图15以及在本专利文件中用于描述本公开的原理的各种实施例仅仅是示例性的，不应该以任何方式解释为限制本公开的范围。本领域技术人员将理解，本公开的原理可以在任何适当布置的系统或设备中实现。根据本公开的实施例，电子设备可以包括个人计算机(诸如膝上型电脑、台式电脑)、工作站、服务器、电视、电器等。在某些实施例中，电子设备可以是便携式电子设备，诸如便携式通信设备(诸如智能手机或移动电话)、膝上型电脑、平板电脑、电子书阅读器(诸如电子阅读器)、个人数字助理(PDA)、便携式多媒体播放器(PMP)、MP3播放器、移动医疗设备、虚拟现实头戴设备、便携式游戏控制台、相机和可穿戴设备等。此外，电子设备可以是家具或建筑物/结构的一部分、电子板、电子签名接收设备、投影仪或测量设备中的至少一者。电子设备是上面列出的设备之一或其组合。此外，本文公开的电子设备不限于上面列出的设备，并且根据技术的发展，可以包括新的电子设备。注意，如本文所使用的，术语用户可以表示使用电子设备的人或另一设备(诸如人工智能电子设备)。
在某些实施例中，电子设备可以包括接收器(或收发器)，并且一个或多个目标设备可以包括发送器(或收发器)。电子设备的接收器(或收发器)可以是超宽带(UWB)接收器(或UWB收发器)。类似地，发送器(或收发器)目标设备可以是UWB发送器(或UWB收发器)。电子设备可以测量由目标设备发送的UWB信号的到达角(AoA)。
本公开的实施例提供了使用诸如UWB的信号来识别目标设备相对于电子设备的某个视场(FoV)在哪里的系统和方法。本公开的实施例还提供了使用诸如UWB的信号来确定目标设备是否在电子设备的FoV内的系统和方法。
FoV可以是视轴(boresight)周围的任何角度范围，在该范围内目标设备可以被定义为可识别的或存在。如果在设备和目标设备之间存在直接视线(LOS)，并且范围和到达角(AoA)测量良好，则可以基于AoA测量来识别FoV中目标设备的存在。
UWB信号可以提供厘米级测距。例如，如果目标设备在电子设备的视线(LOS)内，则电子设备可以以十厘米以内的准确度确定两个设备之间的范围(距离)。可选地，如果目标设备不在电子设备的LOS内，则电子设备可以以50厘米以内的准确度确定两个设备之间的范围。此外，如果目标设备在电子设备的LOS内，则电子设备可以以三度以内的准确度确定两个设备之间的AoA。
由于电子设备和目标设备所处的环境，UWB测量受到负面影响。基于环境，目标设备相对于电子设备的位置可能难以确定，诸如当电子设备不能确定所接收的信号是直接来自目标设备还是环境中的物体的反射时。
由于UWB测量由于电子设备和目标设备所处的环境而受到负面影响，因此目标设备相对于电子设备的位置可能难以确定。例如，当电子设备不能确定目标设备的接收的信号是直接来自目标设备还是环境中的物体的反射(称为多径效应)时，目标设备的位置可能难以确定。
因此，本公开的实施例考虑了UWB测量可能被多径和非视线(NLOS)场景破坏。例如，在没有后处理的情况下，电子设备可能无法确定接收的信号是直接来自目标设备还是该信号是反射信号。此外，非各向同性天线辐射图案也可能导致低质量的AoA测量。特别是，当在目标设备和设备之间的直接路径上接收的信号很弱时，在来自环境的反射路径上接收的信号可能会强到足以用于AoA测量。因此，那些AoA测量将给出目标设备相对于电子设备的位置的错误报告。
因此，本公开的实施例提供了用于后处理接收的信号的系统和方法。接收的信号可以包括完美的和不完美的UWB测量。后处理可用于提高测量的质量，以使电子设备能够确定目标设备是否在电子设备的FoV内。本公开的某些实施例描述了组合分类器的FoV确定和空间一致性检查操作，用于确定目标设备是否在电子设备的FoV内。当电子设备确定目标设备在其FoV内时，可以改善用户在诸如对等文件共享场景中共享数据、寻找对象和增强现实方面的体验。
图1示出了根据本公开的实施例的示例通信系统100。图1所示的通信系统100的实施例仅用于说明。在不脱离本公开的范围的情况下，可以使用通信系统100的其他实施例。
通信系统100包括网络102，网络102有助于通信系统100中各种组件之间的通信。例如，网络102可以在网络地址之间传送IP分组、帧中继帧、异步传输模式(ATM)信元或其他信息。网络102包括一个或多个局域网(LAN)、城域网(MAN)、广域网(WAN)、诸如因特网的全球网络的全部或一部分，或者在一个或多个位置的任何其他通信系统。
在该示例中，网络102促进服务器104和各种客户端设备106-114之间的通信。客户端设备106-114可以是例如智能手机、平板电脑、膝上型电脑、个人电脑、可穿戴设备、头戴式显示器等。服务器104可以代表一个或多个服务器。每个服务器104包括能够为一个或多个客户端设备(诸如客户端设备106-114)提供计算服务的任何合适的计算或处理设备。每个服务器104可以例如包括一个或多个处理设备、一个或多个存储指令和数据的存储器、以及一个或多个便于通过网络102通信的网络接口。
在某些实施例中，服务器104是被配置为从接收的信号中提取特征的神经网络。在某些实施例中，神经网络被包括在任何客户端设备106-114中。当客户端设备中包括神经网络时，客户端设备可以使用神经网络从接收的信号中提取特征，而不必通过网络102传输内容。类似地，当客户端设备中包括神经网络时，客户端设备可以使用神经网络来识别另一个客户端设备是否在包括神经网络的客户端设备的视场内。
客户端设备106-114中的每一个代表通过网络102与至少一个服务器(诸如服务器104)或(一个或多个)其他计算设备交互的任何合适的计算或处理设备。客户端设备106-114包括台式计算机106、移动电话或移动设备108(诸如智能手机)、PDA 110、膝上型计算机112和平板计算机114。然而，在通信系统100中可以使用任何其他或附加的客户端设备。智能手机代表一类移动设备108，它们是具有移动操作系统和集成的移动宽带蜂窝网络连接的手持设备，用于语音、短消息服务(SMS)和互联网数据通信。在某些实施例中，客户端设备106-114中的任何一个都可以通过测量收发器发射和收集雷达信号。在某些实施例中，客户端设备106-114中的任何一个都可以通过测量收发器发射和收集UWB信号。
在这个示例中，一些客户端设备108-114间接地与网络102通信。例如，移动设备108和PDA 110经由一个或多个基站116(诸如蜂窝基站或eNodeB(eNB))进行通信。此外，膝上型计算机112和平板计算机114经由一个或多个无线接入点118(诸如IEEE 802.11无线接入点)通信。注意，这些仅用于说明，并且每个客户端设备106-114可以直接与网络102通信，或者经由任何(一个或多个)合适的中间设备或(一个或多个)网络间接与网络102通信。在某些实施例中，客户端设备106-114中的任何一个安全有效地向另一个设备(诸如，例如，服务器104)传输信息。
如图所示，膝上型计算机112可以与移动设备108通信。基于在这两个设备之间传送的无线信号，设备(诸如，膝上型计算机112、移动设备108或另一设备，诸如服务器104)获得信道信息、范围信息和AoA信息。信道信息可以包括膝上型计算机112和移动设备108之间的无线信道的信道冲击响应(CIR)的特征。基于无线信号，该范围可以是膝上型计算机112和移动设备108之间的瞬时距离或距离的方差。类似地，基于无线信号，AoA可以是膝上型计算机112和移动设备108之间的瞬时AoA测量值或AoA测量的方差。
虽然图1示出了通信系统100的一个示例，但是可以对图1进行各种改变。例如，通信系统100可以以任何合适的布置包括任何数量的每个组件。一般而言，计算和通信系统有各种各样的配置，并且图1不将本公开的范围限制于任何特定的配置。虽然图1示出了可以使用本专利文件中公开的各种特征的一个操作环境，但是这些特征可以用于任何其他合适的系统中。
图2示出了根据本公开的实施例的示例电子设备。具体而言，图2示出了示例电子设备200，并且电子设备200可以代表图1中的服务器104或一个或多个客户端设备106-114。电子设备200可以是移动通信设备，诸如，例如移动站、用户站、无线终端、台式计算机(类似于图1的台式计算机106)、便携式电子设备(类似于图1的移动设备108、PDA 110、膝上型计算机112或平板计算机114)、机器人等。
如图2所示，电子设备200包括(一个或多个)收发器210、发送(TX)处理电路215、麦克风220和接收(RX)处理电路225。(一个或多个)收发器210可以包括例如RF收发器、蓝牙收发器、WiFi收发器、ZIGBEE收发器、红外收发器和各种其他无线通信信号。电子设备200还包括扬声器230、处理器240、输入/输出(I/O)接口(IF)245、输入250、显示器255、存储器260和传感器265。存储器260包括操作系统(OS)261和一个或多个应用262。
(一个或多个)收发器210可以包括包含许多天线的天线阵列。天线阵列的天线可以包括辐射元件，该辐射元件包括形成在基板中或基板上的导电材料或导电图案。(一个或多个)收发器210向电子设备200发送信号或电力，或者从电子设备200接收信号或电力。(一个或多个)收发器210接收从接入点(诸如基站、WiFi路由器或蓝牙设备)或网络102的其他设备(诸如WiFi、蓝牙、蜂窝、5G、LTE、LTE-A、WiMAX或任何其他类型的无线网络)发送的传入信号。(一个或多个)收发器210下变频传入RF信号以产生中频或基带信号。中频或基带信号被发送到RX处理电路225，RX处理电路225通过对基带或中频信号进行过滤、解码和/或数字化来生成经处理的基带信号。RX处理电路225将经处理的基带信号传输到扬声器230(诸如用于语音数据)或处理器240，以供进一步处理(诸如用于网络浏览数据)。
TX处理电路215从麦克风220接收模拟或数字语音数据，或者从处理器240接收其他传出基带数据。传出基带数据可以包括网络数据、电子邮件或交互式视频游戏数据。TX处理电路215对传出基带数据进行编码、复用和/或数字化，以生成经处理的基带或中频信号。(一个或多个)收发器210从TX处理电路215接收传出经处理的基带或中频信号，并将基带或中频信号上变频为要发送的信号。
处理器240可以包括一个或多个处理器或其他处理设备。处理器240可以执行存储在存储器260中的指令，诸如OS 261，以便控制电子设备200的整体操作。例如，根据众所周知的原理，处理器240可以通过(一个或多个)收发器210、RX处理电路225和TX处理电路215来控制前向信道信号的接收和反向信道信号的发送。处理器240可以包括任何合适布置的任何合适数量和类型的处理器或其他设备。例如，在某些实施例中，处理器240包括至少一个微处理器或微控制器。处理器240的示例类型包括微处理器、微控制器、数字信号处理器、现场可编程门阵列、专用集成电路和分立电路。在某些实施例中，处理器240包括神经网络。
处理器240还能够执行驻留在存储器260中的其他过程和程序，诸如接收和存储数据的操作。处理器240可以根据执行过程的需要将数据移入或移出存储器260。在某些实施例中，处理器240被配置为基于OS 261或响应于从(一个或多个)外部源或操作者接收的信号来执行一个或多个应用262。例如，应用262可以包括多媒体播放器(诸如音乐播放器或视频播放器)、电话呼叫应用、虚拟个人助理等。
处理器240还耦合到I/O接口245，I/O接口245向电子设备200提供连接到诸如客户端设备106-114的其他设备的能力。I/O接口245是这些附件和处理器240之间的通信路径。
处理器240也耦合到输入250和显示器255。电子设备200的操作者可以使用输入250将数据或输入输入到电子设备200中。输入250可以是键盘、触摸屏、鼠标、轨迹球、语音输入或能够充当用户接口以允许用户与电子设备200交互的其他设备。例如，输入250可以包括语音识别处理，从而允许用户输入语音命令。在另一示例中，输入250可以包括触摸面板、(数字)笔传感器、按键或超声波输入设备。触摸面板可以识别例如诸如电容方案、压敏方案、红外方案或超声波方案的至少一种方案中的触摸输入。输入250可以与(一个或多个)传感器265、测量收发器270、相机等相关联，它们向处理器240提供额外的输入。输入250还可以包括控制电路。在电容方案中，输入250可以识别触摸或接近。
显示器255可以是液晶显示器(LCD)、发光二极管(LED)显示器、有机LED(OLED)、有源矩阵OLED(AMOLED)或能够呈现诸如来自网站、视频、游戏、图像等的文本和/或图形的其他显示器。显示器255可以是能够创建立体显示的单个显示屏或多个显示屏。在某些实施例中，显示器255是平视显示器(heads-up display，HUD)。
存储器260耦合到处理器240。存储器260的一部分可以包括RAM，而存储器260的另一部分可以包括闪存或其他ROM。存储器260可以包括永久存储器(未示出)，其代表能够存储信息和促进信息(例如数据、程序代码和/或其他合适的信息)的检索的(一个或多个)任何结构。存储器260可以包含一个或多个支持数据长期存储的组件或设备，例如只读存储器、硬盘驱动器、闪存或光盘。
电子设备200还包括一个或多个传感器265，其可以计量物理量或检测电子设备200的激活状态，并将计量或检测的信息转换成电信号。例如，传感器265可以包括用于触摸输入的一个或多个按钮、相机、手势传感器、光学传感器、相机、一个或多个惯性测量单元(IMU)，诸如陀螺仪或陀螺仪传感器，以及加速度计。传感器265还可以包括气压传感器、磁传感器或磁力计、抓握传感器、接近传感器、环境光传感器、生物物理传感器、温度/湿度传感器、照明传感器、紫外线(UV)传感器、肌电图(EMG)传感器、脑电图(EEG)传感器、心电图(ECG)传感器、IR传感器、超声波传感器、虹膜传感器、指纹传感器、颜色传感器(诸如红绿蓝(RGB)传感器)等。传感器265还可以包括控制电路，用于控制其中包括的任何传感器。这些传感器265中的任何一个都可以位于电子设备200内或者可操作地连接到电子设备200的辅助设备内。
在该实施例中，收发器210中的一个或多个收发器之一是测量收发器270。测量收发器270被配置为发送和接收用于检测和测距目的的信号。测量收发器270可以发送和接收用于测量外部物体相对于电子设备200的范围和角度的信号。测量收发器270可以是任何类型的收发器，包括但不限于WiFi收发器，例如802.11ay收发器、UWB收发器等。在某些实施例中，测量收发器270包括传感器。例如，测量收发器270可以同时操作测量信号和通信信号。测量收发器270包括一个或多个天线阵列或天线对，每个天线阵列或天线对包括发送器(或发送器天线)和接收器(或接收器天线)。测量收发器270可以以各种频率发送信号，诸如在UWB中。测量收发器270可以从目标设备(诸如外部电子设备，也称为目标设备)接收信号，用于确定目标设备是否在电子设备200的FoV内。
测量收发器270的发送器可以发送UWB信号。测量收发器的接收器可以从其他电子设备接收UWB信号。处理器240可以基于发送信号和接收信号的时间戳来分析时间差，以测量目标物体离电子设备200的距离。基于时间差，处理器240可以生成位置信息，指示目标设备离电子设备200的距离。在某些实施例中，测量收发器270是能够检测另一电子设备的范围和AoA的传感器。例如，测量收发器270可以识别另一电子设备相对于测量收发器270的方位角(azimuth)和/或仰角(elevation)的改变。在某些实施例中，测量收发器270代表两个或更多收发器。基于每个收发器接收的信号之间的差异，处理器240可以确定与接收信号的AoA相对应的方位角和/或仰角的改变。
尽管图2示出了电子设备200的一个示例，但是可以对图2进行各种改变。例如，图2中的各种组件可以被组合、进一步细分或省略，并且可以根据特定需要添加额外的组件。作为特定示例，处理器240可以被分成多个处理器，诸如一个或多个中央处理单元(CPU)、一个或多个图形处理单元(GPU)、一个或多个神经网络等。同样，尽管图2示出了电子设备200被配置为移动电话、平板电脑或智能手机，但是电子设备200可以被配置为作为其他类型的移动或固定设备来操作。
图3示出了根据本公开的实施例的示例网络配置。图3所示的网络配置的实施例仅用于说明。图3所示的一个或多个组件可以在被配置为执行所述功能的专用电路中实现，或者一个或多个组件可以由执行指令以执行所述功能的一个或多个处理器来实现。
图3示出了示出根据各种实施例的在网络环境300中包括电子设备301的网络配置的框图。如图3所示，网络环境300中的电子设备301可以经由第一网络398(例如，短范围无线通信网络)与电子设备302通信，或者经由第二网络399(例如，长范围无线通信网络)与电子设备304或服务器308通信。第一网络398和/或第二网络399可以类似于图1的网络102。电子设备301、302和304可以类似于图1的任何客户端设备106-114，并且包括类似于图2的电子设备200的组件。服务器308可以类似于图1的服务器104。
电子设备301可以是各种类型的电子设备之一。电子设备可以包括例如便携式通信设备(例如，智能手机)、计算机设备、便携式多媒体设备、便携式医疗设备、相机、可穿戴设备或家用电器。根据本公开的实施例，电子设备不限于上述那些。
根据实施例，电子设备301可经由服务器308与电子设备304通信。根据实施例，电子设备301可以包括处理器320、存储器330、输入设备350、声音输出设备355、显示设备360、音频模块370、传感器模块376、接口377、触觉模块379、相机模块380、电力管理模块388、电池389、通信模块390、订户标识模块(SIM)396或天线模块397。在一些实施例中，可以从电子设备301中省略至少一个组件(例如，显示设备360或相机模块380)或者可以在电子设备301中添加一个或多个其他组件。在一些实施例中，一些组件可以被实现为单个集成电路。例如，传感器模块376(例如，指纹传感器、虹膜传感器或照度传感器)可以被实现为嵌入在显示设备360(例如，显示器)中。
处理器320可以执行例如软件(例如，程序340)来控制与处理器320耦合的电子设备301的至少一个其他组件(例如，硬件或软件组件)，并且可以执行各种数据处理或计算。根据一个实施例，作为数据处理或计算的至少一部分，处理器320可以将从另一组件(例如，传感器模块376或通信模块390)接收的命令或数据加载到易失性存储器332中，处理存储在易失性存储器332中的命令或数据，并将结果数据存储在非易失性存储器334中。
根据实施例，处理器320可以包括主处理器321(例如，中央处理单元(CPU)或应用处理器(AP))和辅助处理器323(例如，图形处理单元(GPU)、图像信号处理器(ISP)、传感器中枢处理器或通信处理器(CP))，辅助处理器323可以独立于主处理器321或者与主处理器321结合操作。附加地或替代地，辅助处理器323可以被适配为比主处理器321消耗更少的电力，或者专用于指定的功能。辅助处理器323可以被实现为独立于主处理器321或者作为主处理器321的一部分。
当主处理器321处于不活动(例如，睡眠)状态时，辅助处理器323可以代替主处理器321，或者当主处理器321处于活动状态(例如，执行应用)时，辅助处理器323可以与主处理器321一起，控制与电子设备301的组件中的至少一个组件(例如，显示设备360、传感器模块376或通信模块390)相关的至少一些功能或状态。根据实施例，辅助处理器323(例如，图像信号处理器或通信处理器)可以被实现为功能上与辅助处理器323相关的另一组件(例如，相机模块380或通信模块390)的一部分。
存储器330可以存储由电子设备301的至少一个组件(例如，处理器320或传感器模块376)使用的各种数据。各种数据可以包括例如软件(例如，程序340)和与其相关的命令的输入数据或输出数据。存储器330可以包括易失性存储器332或非易失性存储器334。
程序340可以作为软件存储在存储器330中。程序340可以包括例如操作系统(OS)342、中间件344或应用346。
输入设备350可以从电子设备301的外部(例如，用户)接收将由电子设备301的其他组件(例如，处理器320)使用的命令或数据。输入设备350可以包括例如麦克风、鼠标、键盘或数字笔(例如，手写笔)。在某些实施例中，输入设备350包括用于手势识别的传感器。例如，输入设备350可以包括类似于图2的测量收发器270的收发器。
声音输出设备355可以向电子设备301的外部输出声音信号。声音输出设备355可以包括例如扬声器或接收器。扬声器可用于一般目的，诸如播放多媒体或播放唱片，而接收器可用于进入呼叫。根据实施例，接收器可以被实现为独立于扬声器或者作为扬声器的一部分。
显示设备360可以向电子设备301的外部(例如，用户)可视地提供信息。显示设备360可以包括例如显示器、全息设备或投影仪以及控制显示器、全息设备或投影仪中相应一个的控制电路。根据实施例，显示设备360可以包括适配为检测触摸的触摸电路，或者适配为测量触摸引起的力的强度的传感器电路(例如，压力传感器)。显示设备360可以类似于图2的显示器255。
音频模块370可以将声音转换成电信号，反之亦然。根据实施例，音频模块370可以经由输入设备350获得声音，经由声音输出设备355输出声音，或者经由与电子设备301直接(例如，有线地)或无线地耦合的外部电子设备(例如，电子设备302)的耳机输出声音。
传感器模块376可以检测电子设备301的操作状态(例如，电力或温度)或电子设备301外部的环境状态(例如，用户的状态)，然后生成对应于检测到的状态的电信号或数据值。根据实施例，传感器模块376可包括例如手势传感器、陀螺仪传感器、大气压力传感器、磁传感器、加速度传感器、抓握传感器、接近传感器、颜色传感器、红外(IR)传感器、生物传感器、温度传感器、湿度传感器或照度传感器。传感器模块376可以类似于图2的传感器265。
接口377可以支持将用于电子设备101直接(例如，有线地)或无线地与外部电子设备(例如，电子设备302)耦合的一个或多个指定协议。根据实施例，接口377可以包括例如高清晰度多媒体接口(HDMI)、通用串行总线(USB)接口、安全数字(SD)卡接口或音频接口。
连接端子378可以包括连接器，通过该连接器，电子设备301可以与外部电子设备(例如，电子设备302)物理连接。根据实施例，连接端子378可以包括例如HDMI连接器、USB连接器、SD卡连接器或音频连接器(例如，耳机连接器)。
触觉模块379可以将电信号转换成机械刺激(例如，振动或移动)或电刺激，用户可以通过他的触觉或动觉来识别机械刺激或电刺激。根据实施例，触觉模块379可以包括例如马达、压电元件或电刺激器。
相机模块380可以捕捉静止图像或运动图像。根据实施例，相机模块380可以包括一个或多个镜头、图像传感器、图像信号处理器或闪光灯。
电力管理模块388可以管理提供给电子设备301的电力。根据一个实施例，电力管理模块388可以被实现为例如电力管理集成电路(PMIC)的至少一部分。
电池389可以向电子设备301的至少一个组件供电。根据实施例，电池389可以包括例如不可充电的原电池、可充电的二次电池或燃料电池。
通信模块390可以支持在电子设备301和外部电子设备(例如，电子设备302、电子设备304或服务器308)之间建立直接(例如，有线)通信信道或无线通信信道，并且经由建立的通信信道执行通信。通信模块390可以包括一个或多个独立于处理器320操作的通信处理器(例如，应用处理器(AP))，并且支持直接(例如，有线)通信或无线通信。
根据实施例，通信模块390可以包括无线通信模块392(例如，蜂窝通信模块、短程无线通信模块或全球导航卫星系统(GNSS)通信模块)或有线通信模块394(例如，局域网(LAN)通信模块或电力线通信(PLC)模块)。这些通信模块中对应的一个可以经由第一网络398(例如，短程通信网络，诸如蓝牙、无线保真(Wi-Fi)直连、UWB或红外数据协会(IrDA))或第二网络399(例如，远程通信网络，诸如蜂窝网络、互联网或计算机网络(例如，LAN或广域网(WAN))与外部电子设备通信。这些不同类型的通信模块可以被实现为单个组件(例如，单个芯片)，或者可以被实现为彼此分离的多个组件(例如，多个芯片)。无线通信模块392可以使用存储在订户标识模块396中的订户信息(例如，国际移动订户身份(IMSI))来识别和认证诸如第一网络398或第二网络399之类的通信网络中的电子设备301。
天线模块397可以向电子设备301的外部(例如，外部电子设备)发送信号或电力，或者从电子设备301的外部(例如，外部电子设备)接收信号或电力。根据实施例，天线模块397可以包括天线，该天线包括由形成在基板(例如，PCB)中或基板上的导电材料或导电图案构成的辐射元件。
根据实施例，天线模块397可以包括多个天线。在这种情况下，例如，可以由通信模块390(例如，无线通信模块392)从多个天线中选择适合于在诸如第一网络398或第二网络399的通信网络中使用的通信方案的至少一个天线。然后，信号或电力可以经由所选择的至少一个天线在通信模块390和外部电子设备之间发送或接收。
根据实施例，除了辐射元件之外的另一组件(例如，射频集成电路(RFIC))可以另外形成为天线模块397的一部分。
上述组件中的至少一些可以相互耦合并且经由外围设备间通信方案(例如，总线、通用输入和输出(GPIO)、串行外围设备接口(SPI)或移动工业处理器接口(MIPI))在其间传送信号(例如，命令或数据)。
根据实施例，可以经由与第二网络399耦合的服务器308在电子设备301和外部电子设备304之间发送或接收命令或数据。电子设备302和304中的每一个可以是与电子设备301相同类型或不同类型的设备。根据实施例，要在电子设备301处执行的所有或一些操作可以在一个或多个外部电子设备302、304或308处执行。例如，如果电子设备301可以自动地或响应于来自用户或另一设备的请求来执行功能或服务，则电子设备301可以，替代执行功能或服务，或者除了执行功能或服务之外，请求一个或多个外部电子设备来执行功能或服务的至少一部分。
接收该请求的一个或多个外部电子设备可以执行所请求的功能或服务的至少一部分，或者与该请求相关的附加功能或附加服务，并将执行的结果传送到电子设备301。电子设备301可以在对结果进行或不进行进一步处理的情况下提供结果，作为对请求的答复的至少一部分。为此，例如，可以使用云计算、分布式计算或客户端-服务器计算技术。
尽管图3示出了网络环境300中的电子设备301的一个示例，但是可以对图3进行各种改变。例如，图3中的各种组件可以被组合、进一步细分或省略，并且可以根据特定需要添加附加的组件。作为特定示例，处理器320可以进一步划分成附加的处理器，诸如一个或多个中央处理单元(CPU)、一个或多个图形处理单元(GPU)、一个或多个神经网络等。此外，尽管图3示出了被配置为移动电话、平板电脑或智能手机的电子设备301，但是电子设备301可以被配置为作为其他类型的移动或固定设备来操作。
图4A示出了根据本公开的实施例的确定目标设备(诸如目标设备410a或目标设备410b，统称为目标设备410)是否在电子设备402的FoV内的示例图示400。图4B示出了根据本公开的实施例的示例坐标系420。图4C示出了根据本公开的实施例改变电子设备402的定向的示例。图4D示出了根据本公开的实施例的用于视场确定的示例分级过程440。
图4A、图4B、图4C和图4D的电子设备402、图4A和图4B的目标设备410a以及图4A的目标设备410b可以是客户端设备106-114中的任何一个，并且可以包括类似于图2的电子设备200和图3的电子设备301的内部组件。例如，目标设备410a和目标设备410b可以是电话或附在特定对象上的标签。在某些实施例中，电子设备402识别目标设备410相对于电子设备402的某个FoV(诸如FoV 408a)的位置。在其他实施例中，诸如图1的服务器104或图3的服务器308的远程服务器从电子设备402接收信息，并识别目标设备410相对于电子设备402的某个FoV(诸如FoV 408a)的位置。电子设备402、目标设备410可以是任何支持无线的设备，诸如移动设备108、智能电话、智能手表、智能标签、平板计算机114、膝上型计算机112、智能恒温器、支持无线的相机、智能电视、支持无线的扬声器、支持无线的电源插座等。基于目标设备是否在电子设备的FoV内，可以用于帮助用户在附近区域找到丢失的个人物品，显示通过AR应用看到的电子设备402周围的上下文菜单。对目标设备410a或目标设备410b是否在电子设备402的视场内的确定可以由客户端设备106-114、图1的服务器104、图3的电子设备301、302、304、图3的服务器308或电子设备402中的任何一个来执行。
在某些实施例中，电子设备402、目标设备410a和目标设备410b可以包括收发器，诸如UWB收发器。可以使用任何其他合适的收发器、接收器或发送器。基于电子设备402、目标设备410a和目标设备410b之间的信号交换来获得范围和AoA信息。
如图4A所示，基于FoV的大小和形状来确定外部电子设备(诸如目标设备410a或410b)是否在另一电子设备(诸如电子设备402)的FoV内。电子设备402周围的环境的一部分被示为FoV 408a，而电子设备402周围的环境的另一部分被示为FoV 408b外部。边界404表示FoV 408a和FoV 408b外部之间的近似边界。视轴406是FoV 408a的中心。视轴406可以是电子设备402的天线(例如，定向天线)的最大增益(诸如，最大辐射电力)的轴。在一些情况下，最大增益轴与电子设备402的天线的对称轴重合。例如，对于轴向馈电碟形天线，天线视轴是抛物面天线的对称轴，天线辐射图(主瓣)关于视轴对称。大多数视轴是由它们的形状确定的，不能改变。然而，在一些实现中，电子设备402包括一个或多个相控阵列天线，其可以电子地操纵波束，通过移位由不同天线元件发射的无线电波的相对相位来改变视轴406的角度，在多个方向上辐射波束，等等。
电子设备的FoV(诸如图4A的电子设备402的FoV 408a)是围绕视轴406的角度范围，在该范围内，目标设备(诸如目标设备410a和410b)可以基于UWB测量或其他测量被定义为存在。FoV的大小和形状可以根据环境条件和电子设备本身的硬件而变化。
在某些实施例中，如果(i)在电子设备402和目标设备(诸如目标设备410a或410b)之间存在直接视线(LOS)，并且(ii)范围和AoA测量良好，则可以基于AoA测量来执行将目标的存在识别为在FoV内还是在FoV外。然而，很多时候，测量被多径和NLOS场景破坏。非各向同性天线辐射图也可能导致低质量的AoA测量。例如，当从目标设备(诸如目标设备410b)之间的直接路径接收的信号较弱时，基于环境，从反射路径接收的信号可能足够强以用于生成范围和AoA测量。基于反射信号的产生的范围和AoA测量将给出目标位置的错误结果。例如，目标设备410b可以向电子设备402发送信号。如果电子设备402使用反射信号(而不是直接信号)，则电子设备402可能错误地确定目标设备410b位于FoV 408a内，而不是在FoV408b外的其实际位置。因此，本公开的实施例解决了当目标设备和电子设备之间的UWB测量可能不是非常精确时确定目标设备是否在电子设备的FoV中的问题。
本公开的实施例描述了用于识别目标设备是否在电子设备402的FoV内(诸如目标设备410a)或者目标设备是否在电子设备402的FoV外(诸如目标设备410b)的方法。
如图4B所示，坐标系420可用于找到目标设备410a距电子设备402的距离和相对角度。当目标设备410a在电子设备402的FoV内时，目标设备410a和电子设备402之间的距离和相对角度对应于范围和AoA测量。坐标系420示出了两个设备之间的方位角和仰角。如图所示，方位角是电子设备402和目标设备410a之间的水平角。类似地，仰角是电子设备402和目标设备410a之间的垂直角度。坐标系420示出了电子设备402和目标设备410a之间的范围r(距离)。
如图4C所示，改变电子设备402的定向会导致方位角定向和仰角定向改变。例如，当电子设备402经历旋转432时，导致如图4B所示的方位角定向改变。旋转432可以类似于偏航(yaw)的变化。类似地，电子设备402经历旋转434导致如图4B所示的仰角定向改变。旋转434可以类似于俯仰(pitch)的改变。电子设备402还可以经历旋转436，导致电子设备402滚动(roll)。电子设备402的定向改变可以由一个或多个运动传感器(例如IMU传感器)来检测。
图4D示出了根据本公开的实施例的用于视场确定的示例分级过程440。电子设备402可以使用分级过程440(软件流程)来证明附近设备(诸如目标设备410)的位置信息。
当应用或服务442(诸如图2的应用262和图3的应用346)正在运行(执行)时，UWB框架444通过应用编程接口(API)提供范围和AoA数据。UWB框架444可以类似于图2的测量收发器270。UWB服务层446向UWB框架444提供服务，并管理UWB会话。可以有多个应用/服务442和多个会话在具有不同的目标设备(诸如目标设备410a和410b)的系统中同时运行。UWB服务层446可以是后处理器，用于改进从用于UWB会话的硬件抽象层(HAL)448获得的UWB测量。下面的图5A、图5B和图5C描述了可以包括在UWB服务层446中的各种后处理器。
图5A、图5B和图5C分别示出了根据本公开的实施例的用于视场确定的示例信号处理图示500a、500b和500c。在某些实施例中，信号处理图示500a、500b和500c可以由图1的客户端设备106-114或服务器104、图4A、图4B、图4C和图4D的电子设备402中的任何一个来执行，并且可以包括类似于图2的电子设备200和图3的电子设备301的内部组件。
如上所述，可以执行后处理以提高从收发器接收的测量的质量，并输出关于目标设备的FoV判定以及平滑的范围和AoA。图5A、图5B和图5C描述了用于提高从收发器接收的测量质量并确定目标设备是否在电子设备的FoV内的各种信号处理图示。
如图5A所示，信号处理图示500a包括FoV检测器和跟踪操作510(FCT操作510)、空间一致性检查(SCC)操作520和FoV判定操作530。信号处理图示500a使用独立实现FoV判定的互补组件(FCT操作510、SCC操作520)。例如，FCT操作510可能无法区分目标设备410是在电子设备402的前面(还是后面)。因此，SCC操作520通过将测量与电子设备的运动相关来补充该功能，因为当电子设备有足够的运动时，SCC操作520能够更好地确定目标设备是在FoV内还是在FoV外。
SCC操作520和FCT操作510的FoV的定义可以相同或不同。例如，当SCC操作520和FCT操作510的FoV定义不同时(并且假设图4A中的视轴为0°)，SCC操作520的FoV定义可以从-90°到+90°，而FCT操作510的FoV定义可以从-60°到+60°。
FCT操作510的输出(诸如输出512)、SCC操作520的输出(诸如输出522)可以是目标设备410a在电子设备402的FoV中的概率。例如，FCT操作510、SCC操作520可以输出指示目标设备410a是否在电子设备402的FoV中的二进制值(例如+1，-1)以及置信度值，或者指示目标设备410a是否在电子设备402的FoV中的任何其他度量或测量。在某些实施例中，正一(+1)的二进制值指示目标设备(诸如目标设备410a)在电子设备402的FoV中。类似地，负一(-1)的二进制值指示目标设备(例如目标设备410b)在电子设备402的FoV之外。
在某些实施例中，信号处理图示500a使用UWB和运动测量，使用SCC操作520以及信号(UWB)测量506和运动测量504的融合来预测目标设备410a是否在电子设备402的特定FoV中。信号处理图示500a还使用FoV分类器和跟踪的测量，并且组合这两者的判定来预测目标设备的存在是否在电子设备的FoV中，并提供置信度度量。此外，信号处理图示500a融合(i)FCT操作510的FoV分类器和跟踪的预测以及(ii)SCC操作520的预测，以做出关于目标在设备视场中的存在的最终判定。下面在图6中更详细地描述了FCT操作510。在下面的图13A中更详细地描述了SCC操作520。在下面的图14中更详细地描述了FoV判定操作530。
图5B示出了信号处理图示500b。信号处理图示500b类似于信号处理图示500a，除了FCT操作510被跟踪操作515代替。也就是说，信号处理图示500b不使用分类器或机器学习来执行FoV检测。
图5C示出了信号处理图示500c。信号处理图示500c类似于信号处理图示500a，除了省略了SCC操作520。
另外，信号处理图示500a、500b和500c描述了使用基于一个或多个跟踪过滤器的测量来跟踪目标设备的位置的方法。
信号处理图示500a、500b和500c接收信号特征502、运动测量504和信号测量506。信号特征502包括基于在电子设备和目标设备之间传送的接收信号的特征(诸如UWB特征)。信号特征502可以从信号测量506中导出。在某些实施例中，信号特征502由电子设备402自身检测和识别。在其他实施例中，从接收到信号的电子设备接收信号特征502。例如，如果远程服务器包括信号处理图示500a，则远程服务器从接收到信号的电子设备接收信号特征502。
信号特征502的特征可以从CIR导出。示例特征可以包括但不限于：来自CIR的第一峰值的信噪比(SNR)(以dB为单位，在线性域中或利用其他相对强度指示符)、来自CIR的最强峰值的SNR(以dB为单位，在线性域中或利用其他相对强度指示符)、最强峰值和第一峰值的SNR之差(以dB为单位，在线性域中或利用其他相对强度指示符)、接收的信号强度(以dB或dBm为单位)以及第一和最强峰值之间的时间差(以nsec为单位，时间样本数或其他基于时间的度量)。图7示出了描绘第一峰值和最强峰值的CIR图形700a和700b。
运动测量504基于检测到的电子设备的运动。运动测量还可以包括电子设备的定向。在某些实施例中，运动测量504由电子设备本身检测和量化，诸如由IMU传感器(类似于图2的传感器265和图3的传感器模块376)检测和量化。在其他实施例中，从检测到运动的电子设备接收运动测量504。例如，如果远程服务器包括FoV检测器和跟踪操作510，则远程服务器从检测到运动测量的电子设备接收运动测量504。
信号测量506包括基于接收信号的测量(诸如范围测量和AoA测量)，该接收信号是在电子设备和目标设备之间传送的。例如，信号测量506包括范围(例如，以米、厘米或其他基于距离的度量)和AoA(例如，以度、弧度或其他基于角度的度量)测量。在某些实施例中，信号测量506由电子设备402自身检测和识别。在其他实施例中，从接收到信号的电子设备接收信号测量506。例如，如果远程服务器包括信号处理图示500a，则远程服务器从接收到信号的电子设备接收信号测量506。
FCT操作510基于信号特征502、运动测量504和信号测量506来确定目标设备是否在电子设备的FoV中。FCT操作510还生成置信度分数，该置信度分数指示目标设备是否在电子设备的FoV中的判定的置信度水平。另外，FCT操作510对信号测量506的范围和AoA测量执行平滑操作。在某些实施例中，FCT操作510使用基于确定性逻辑或机器学习的分类技术，诸如支持向量机(Support Vector Machine，SVM)，具有从用于FoV检测和分类的信号测量506和/或运动测量504导出的特征。在图6中更详细地描述了FCT操作510。
SCC操作520基于运动测量504和信号测量506执行空间一致性检查以确定目标设备是否在电子设备的FoV中。在某些实施例中，SCC操作520检查来自目标的设备旋转和UWB测量的空间一致性，以生成FoV判定(输出522)。SCC操作520融合经由运动测量504从运动传感器(IMU)获得的定向(Ori)的信息和从信号测量506获得的AoA。通过将电子设备的定向与AoA信息融合，使得SCC操作520能够基于设备相对于目标设备的相对运动轨迹来检查不同传感器之间的测量的一致性，并确定目标设备是否在电子设备的FoV内。
对象的定向描述了它相对于三维坐标系的旋转。电子设备的定向提供了关于设备前进方向的信息。如图4C所示，获得作为以度为单位的偏航、俯仰和滚动的定向信息。
在某些实施例中，在SCC操作520中使用偏航。然而，可以利用俯仰或滚动，或者任意定向参数的组合来检查空间一致性。SCC操作520也可以利用来自运动传感器或UWB信号的其他测量。在图13中更详细地描述了SCC操作520。
信号处理图示500a、500b和500c生成输出540和最终FoV判定550。FCT操作510产生输出540。输出540可以包括平滑的范围(以米、厘米或其他基于距离的度量)。输出540还可以包括平滑的AoA(以度、弧度或其他基于角度的度量)。图10A、图10B、图10C和图10D更详细地描述了FCT操作510的跟踪过滤器操作。
最终FoV判定550由FoV判定操作530生成，并且代表最终FoV确定。基于FCT操作510、SCC操作520或其组合，最终FoV判定550指示目标设备是在电子设备的FoV内还是在FoV外。例如，FoV判定操作530组合FoV检测器和跟踪操作510的输出512和SCC操作520的输出522，以生成最终的FoV判定550，指定目标设备是在电子设备的FoV内还是FoV外。
图6A、图6B和图6C示出了根据本公开的实施例的图5A和图5C的FCT操作510的示例框图。图6A、图6B和图6C示出了FCT操作510的不同实施例。例如，图6A示出了FoV检测器和跟踪操作510a，图6B示出了FoV检测器和跟踪操作510b，图6C示出了FoV检测器和跟踪操作510c，它们统称为FCT操作510。
如图6A所示，FoV检测器和跟踪操作510a包括AoA过滤器600、粗略FoV分类器610、运动检测引擎620、跟踪过滤器操作630和精细FoV分类器640。在某些实施例中，如果运动传感器不可用(诸如当电子设备200不包括传感器265时)，则可以省略运动检测引擎620，诸如图6B的FoV检测器和跟踪操作510b和图6C的FoV检测器和跟踪操作510c所示。在某些实施例中，可以省略粗略FoV分类器610和运动检测引擎620，如图6C的FoV检测器和跟踪操作510c所示。
FoV检测器和跟踪操作510a、510b和510c接收信号特征502(诸如UWB特征)、运动测量504(诸如电子设备的运动)和信号测量506(诸如范围测量和AoA测量)。FCT操作510生成输出540(平滑/过滤的范围和AoA测量)和输出512或图6C的输出512a(FoV判定)。
输出540包括平滑的范围(例如，以米、厘米或其他基于距离的度量)和AoA(例如，以度、弧度或其他基于角度的度量)。输出512是指定目标设备是否位于电子设备的FoV中的FoV判定。在某些实施例中，FCT操作510的输入(诸如信号特征502、运动测量504和信号测量506)和输出(诸如输出540和输出512和512a)的速率可以与测距测量的速率相同。例如，测距测量的速率(可能每0.1秒发生一次)可以与生成输出的速率相同。
AoA过滤器600代表FCT操作510的输入门。例如，AoA过滤器600最初滤除具有在期望FoV角之外的AoA报告的测量。在某些实施例中，AoA过滤器600过滤(门控)输入AoA值，让预定义范围内的值前进到粗略FoV分类器610。在其他实施例中，AoA过滤器600在缓冲器中存储几个AoA值。AoA过滤器600然后使用当前的AoA值、过去的AoA值或两者，来评估条件函数以得出判定。缓冲器的大小可以存储一个或多个条目。例如，AoA过滤器600从信号测量506接收AoA信息，并确定AoA信息是否指示一个或多个AoA值在FoV角的预定义范围内。例如，AoA过滤器600可以将AoA值的绝对值与FoV角的预定范围进行比较，如下面的等式(1)中所述。
|AoA|＜θFoV   (1)
当AoA过滤器600确定一个或多个AoA值在FoV角的预定范围内时，图6A和图6B的FoV检测器和跟踪操作510a和510b进行到粗略FoV分类器610。类似地，当AoA过滤器600确定一个或多个AoA值在FoV角的预定义范围内时，则图6C的FoV检测器和跟踪操作510c进行到跟踪过滤器操作630。
或者，当AoA过滤器600确定一个或多个AoA值不在FoV角的预定义范围内时，图6A的FoV检测器和跟踪操作510a进行到图6A的运动检测引擎620。类似地，当AoA过滤器600确定一个或多个AoA值不在FoV角的预定范围内时，图6B的FoV检测器和跟踪操作510b进行到图6B的跟踪过滤器操作630。另外，当AoA过滤器600确定一个或多个AoA值不在FoV角的预定义范围内时，图6C的FoV检测器和跟踪操作510c生成指示目标设备在电子设备的FoV之外的输出512a。
图6A和图6B的粗略FoV分类器610检测目标设备是否在电子设备的前面(真实围绕视轴的角被称为“真实视轴”)。类似地，粗略FoV分类器610检测目标设备是否在电子设备后面(不真实围绕视轴的角被称为“假视轴”)。视轴周围任何预定义的值范围都可以定义为“真实视轴”，诸如[-40，40]。
粗略FoV分类器610接收信号特征502和信号测量506，用于确定目标设备是否在电子设备的真实视轴上。例如，使用范围(距离)、AoA和其他CIR特征的粗略FoV分类器610可以确定目标设备是否在设备的真实视轴中。如果粗略FoV分类器610确定目标在电子设备的真实视轴中，则粗略FoV分类器610可以随后确定目标设备在电子设备的FoV内。或者，如果粗略FoV分类器610检测到目标设备处于电子设备的假视轴中，则粗略FoV分类器610可以随后确定目标设备不在电子设备的FoV内。
也就是说，粗略FoV分类器610执行分类(或预测)操作，指示目标设备是否在电子设备的FoV中。粗略FoV分类器610基于信号特征502和信号测量506(包括UWB特征)执行关于目标设备的初始FoV或FoV外分类(或预测)。在某些实施例中，粗略FoV分类器610使用UWB测量和特征，包括范围和AoA以及其他CIR特征。在某些实施例中，粗略FoV分类器610包括多个初始FoV分类器。
在某些实施例中，粗略FoV分类器610使用(i)确定性逻辑、(ii)经典机器学习分类器、(iii)深度学习分类器、或(iv)它们的组合来生成目标设备相对于电子设备的FoV的存在的初始预测。在某些实施例中，粗略FoV分类器610的分类基于输入502将目标设备标记为在电子设备的“FoV内”或“FoV外”。可以在粗略FoV分类器610中使用的分类器包括但不限于K-最近邻(K-Nearest Neighbor，KNN)、支持向量机(SVM)、决策树、随机森林、神经网络、卷积神经网络(CNN)、长短期记忆(LSTM)等。
粗略FoV分类器610的分类器的训练数据可以通过在LOS和NLOS两种场景下在FoV中和FoV外获得电子设备和目标设备之间的多个测量来收集。为了给训练数据添加变化，可以在电子设备和目标设备之间的不同范围进行测量，直到最大可用范围。此外，数据收集的环境可能各不相同。例如，训练数据可以在开放空间环境中或者在易于出现多径的杂乱环境中收集。诸如通过改变电子设备、目标设备或两个设备的倾斜角度，也可以将附加的变化添加到训练数据中。类似地，训练数据可以包括进一步的变化，诸如通过以不同的角度旋转目标设备。可以根据应用来标记所述测量，这取决于需要将哪个场景或设置标记为FoV以及哪个场景或设置应该在FoV之外。
在某些实施例中，其中AoA值位于期望的FoV内的测量可以用于训练。这些测量可以根据应用进行标记，这取决于哪个场景或设置需要被标记为FoV或真实视轴，以及哪个被认为是FoV外或假视轴。此外，在一些情况下(例如在下面图8中描述的两步分类方法中)，为训练数据获得的一些测量可以被标记为“LOS”，而其他测量可以被标记为“NLOS”。
在某些实施例中，信号特征502和信号测量506被粗略FoV分类器610用于经典机器学习。信号测量506包括范围测量和原始AoA测量的统计，诸如均值和方差。信号特征502包括来自电子设备和目标设备之间的无线信道的CIR的特征。
例如，图7示出了根据本公开的实施例的用于初始FoV确定的示例CIR图形700a和700b。在某些实施例中，CIR图形700a和700b可以由图1的客户端设备106-114或服务器104中的任何一个创建，并且可以包括类似于图2的电子设备200和图3的电子设备301的内部组件。
图7的CIR图形700a和700b表示来自电子设备的两个不同天线的CIR曲线。例如，CIR图形700a表示来自电子设备的一个天线的CIR，CIR图形700b表示来自同一电子设备的另一个天线的CIR。CIR图形700a和700b示出了接收信号的信号电力与抽头(tap)索引的关系。范围和AoA测量可以基于CIR图中具有足够SNR的最早峰值来计算。
从CIR图形700a和700b导出的特征可以用于通过目标设备是否在电子设备的FoV中的初始预测(经由粗略FoV分类器610)来分类。信号特征502的CIR特征可以包括(i)CIR中一个或多个峰值的绝对强度，通常由SNR表示，(ii)CIR中多个峰值之间的信号强度差，通常由SNR表示，(iii)CIR中多个峰值之间的时间差，(iv)用于生成AoA信息的多个天线之间的相位关系，(v)从峰值周围的振幅和相位导出的其他特征，等等。
在某些实施例中，信号特征502中可以包括各种特征向量。粗略FoV分类器610然后使用来自信号特征502的特征向量来生成目标设备是否在电子设备的FoV内的初始预测。
例如，如果测试数据的距离或操作期间的距离超出了分类器被训练的距离，则输入UWB特征SNR第一(SNR First)和SNR主(SNR Main)可以通过基于报告的范围成比例地增加或减少它们各自的值来调整。
对于另一个示例，等式(2)-(7)描述了可以用于FoV分类的信号特征502的特征向量的不同方案。特征向量中特征的其他排序也是可能的。
Feature Vector＝[var(range)，var(AoA+Ori)，var(SnrFirst)，min(SnrMain1-SnrFirst1，SnrMain2-SnrFirst2，)，ToaGap，SnrFirst，AoA]   (2)
Feature Vector＝[var(range)，var(AoA-Ori)，var(SnrFirst)，SnrMaini-SnrFirsti，SnrFirsti，ToaGap，AoA]   (3)
Feature Vector＝[SnrFirst，SnrMain，ToAGap，AoA]   (4)
Feature Vector＝[SnrFirst，SnrMain，ToAGap，AoA，RSSI]   (5)
Feature Vector＝[var(range)，var(AoA-Ori)，var(SnrFirst)，SnrFirst，SnrMain，ToaGap，AoA]   (6)
Feature Vector＝[SnrFirst，SnrMain-SnrFirst，AoA]   (7)
特征SNRFirst对应于图7的第一峰值强度712(或第一峰值强度722)，特征SNRMain对应于图7的最强峰值强度714(或最强峰值强度724)。特征ToaGap是第一峰值强度712和最强峰值强度714之间的差。如果电子设备配备有单个天线或者仅用单个天线操作，则不能测量AoA测量，并且将仅生成单个CIR图形。
为FoV分类提供有用信息的特征包括接收的信号强度指示符(RSSI)、来自不同接收器天线的CIR特征，包括但不限于SNRFirst、SNRMain和ToaGap。注意，可以基于来自多个天线的相位差来估计AoA。前述特征对应于设备的天线。如果存在所述特征的来自多个天线的测量，则这些特征中的每一个都可以从相同天线获得，或者它可以是从不同天线获得的这些CIR特征的函数。从其使用这些特征中的每一个的天线取决于适合分类的相应硬件特征。
等式(2)中描述的特征包括(i)第一峰值强度(SNRFirst)，(ii)两个天线当中最强峰值强度(SNRMain)和第一峰值强度之间的差值的最小值，(iii)AoA，(iv)滑动窗口上用定向补偿的AoA的方差，(v)滑动窗口上范围(距离)测量的方差，(vi)最强峰值和第一峰值之间的时间差(ToaGap)，以及(vii)滑动窗口上第一峰值强度(SNRFirst)的方差被用作FoV分类的特征。注意，注意，SNRFirsti，SNRMaini是从天线i获得的CIR特征。
根据正AoA和定向方向的相对定义，在滑动窗口上用定向补偿的AoA方差的特征也可以被标识为var(AoA+Ori)或var(AoA-Ori)。在某些实施例中，也可以使用度量，诸如皮尔逊相关、协方差或捕捉AoA和定向的相对变化的任何其他度量。此外，特征向量中特征的其他排序也是可能的。例如，如果窗口大小是T，则维护缓冲器，该缓冲器存储特征的先前T个测量，在这些测量上，方差被计算并用于特征向量中。在某些实施例中，也可以使用能够量度特征分布的其他度量来代替方差。
存在粗略FoV分类器610可以使用来自信号特征502的某些特征(诸如SNRFirst、SNRMain、ToaGap等)来预测目标设备何时在电子设备的FoV中的几种方式。例如，当电子设备和目标设备之间存在直接信号路径时(诸如在LOS或FoV场景下)，SNRFirst和SNRMain接近，并且ToaGap接近零。相反，在NLOS或FoV外的场景下，代表直接信号路径的第一峰值强度712可能具有较低的幅度，并且远离代表反射信号路径的最强峰值强度714。因此，在NLOS或FoV外的场景下，SNRFirst可能小于SNRMain，而ToaGap可能很大。在信号质量差的情况下，第一峰值强度712和最强峰值强度714容易漂移，并且可能具有较小的幅度，因此SNRFirst和SNRMain之间的差以及ToaGap是目标设备是否在电子设备的FoV中的良好指示符。
等式(7)描述了由第一峰值强度712(表示为SNRFirst)、最强峰值强度714(SNRMain)和第一峰值强度712之间的差以及AoA表示的特征向量。
上面讨论的特征提供了目标设备是在电子设备402的FoV内还是FoV外的指示。例如，这些特征基于目标设备410是在FoV内还是在FoV外而显著变化。类似地，这些特征基于目标设备410是在LOS内部还是在LOS外部而显著变化。因此，这些特征在确定FoV和FoV外场景之间以及LOS和NLOS场景之间的稳定和精确的判定边界方面是有利的。
在某些实施例中，粗略FoV分类器610包括SVM分类器，用于使用等式(2)的特征向量将目标设备分类为FoV内或FoV外。此外，粗略FoV分类器610包括具有高斯核的SVM分类器，用于使用等式(2)的特征向量将目标设备分类为FoV内或FoV外。
SVM训练包括在N维特征空间中找到超平面，该超平面可以将两个类中的数据点分开。对于数据点xi，如果yi∈{1，-1}表示对应的标签，其中正标签表示FoV(真实视轴)，并且负标签表示FoV之外(假视轴)。SVM的优化问题被定义为如等式(8)所示，使得等式(9)和(10)被满足。
Figure BDA0004086510580000351
yi(wTφ(xi)+b)≥1-ξi，for all i   (9)
ξi≥0，for all i   (10)
这里，C＞0表示对误差项的惩罚，并且φ(xi)是数据点xi到更高维空间的投影。
求解这种最小化问题的一种方式是通过求解下面的等式(11)的对偶问题，使得等式(12)和(13)得到满足。
Figure BDA0004086510580000352
∑iλi yi＝0   (12)
0≤λi≤C，for all i   (13)
如果正类和负类中的训练数据不平衡，则两个类之间的误差可以通过对正类和负类使用不同的惩罚并修改如等式(14)所示的最小化问题，被均匀分布，从而满足等式(15)和(16)。例如，如果两个类中的数据不平衡，则两个类之间的误差通过用与类中的数据量成反比的值来惩罚这两个类，被平均分布。一个示例是使用如等式(17)所示的罚值。
Figure BDA0004086510580000353
yi(wTφ(xi)+b)≥1-ξi，for all i   (15)
ξi≥0，for all i   (16)
Figure BDA0004086510580000354
在某些实施例中，如果LOS和NLOS中的真实视轴/FoV特征高度不同，则粗略FoV分类器610可以使用多类分类器，该多类分类器可以区分以下类(i)LOS FoV(也称为LOS真实视轴)，(ii)NLOS FoV(也称为NLOS真实视轴)，(iii)LOS FoV之外(LOS out-of-FoV)(也称为NLOS假视轴)，以及(iv)NLOS FoV之外(NLOS out-of-FoV)(也称为NLOS假视轴)。
在某些实施例中，粗略FoV分类器610使用多类分类器来标记目标设备410。在该实施例中，分类器最初将场景标记为LOS或NLOS。在将场景标记为LOS或NLOS之后，在该特定场景中训练的分类器将目标设备标记为真实视轴或假视轴。在这个示例中，有3个不同的分类器，第一分类器用于LOS/NLOS检测，第二分类器用于LOS场景中的真/假视轴检测，第三分类器用于NLOS场景中的真/假视轴检测。这在图8中示出并在下面更详细描述。
在某些实施例中，如果FoV外数据不可用或不足以用于训练，则可以仅使用FoV数据来训练一类分类器，诸如支持向量数据描述(Support Vector Data Description，SVDD)分类器。
在某些实施例中，粗略FoV分类器610使用滑动窗口来平滑分类器的输出并移除异常值(outlier)。例如，粗略FoV分类器610可以将目标设备标记为在FoV内或在FoV外，并生成与该标记相关联的概率(置信度分数)。来自分类器的类别标签的输出概率(置信度分数)也可以用于移除异常值。可以将窗口大小中处于FoV中的平均概率与预定义的阈值进行比较。如果平均概率大于阈值，则输出为FoV，否则输出为FoV外。例如，滑动窗口可以对输出概率进行平均，并将平均值与阈值进行比较。基于该比较，粗略FoV分类器610生成目标设备是否在电子设备的FoV内的初始预测。这在下面的图9A中进行了描述。类似地，滑动窗口可以对标签进行平均，并将平均值与阈值进行比较(也称为多数投票)。基于该比较，粗略FoV分类器610生成目标设备是否在电子设备的FoV内的初始预测。这在下面的图9B中进行了描述。例如，给定某个窗口大小，如果分类器的输出为FoV的样本数大于输出为FoV外的样本数，则多数投票输出为FoV，否则为FoV外。也就是说，通过对概率、标签或两者进行平均，去除异常值并且平滑粗略FoV分类器610的最终结果。
图6A的FCT操作510还包括运动检测引擎620。如果电子设备402配备有运动传感器(诸如包括在图3的传感器模块376中的运动传感器或者包括在图2的传感器265中的运动传感器)，则可以使用来自该传感器的关于设备的运动和定向改变的信息，但是运动检测引擎620和跟踪过滤器操作630都可以进一步提高范围和AoA测量的质量。
使用来自运动传感器的运动测量504来连续检查设备运动中足够大或剧烈的变化。运动传感器可以包括陀螺仪、加速度计、磁力计(惯性测量单元)等中的一者或多者。当检测到足够大或剧烈的运动时，可以执行重置操作。
运动检测引擎620确定是否检测到超过阈值的电子设备的运动。当运动检测引擎620确定运动超过阈值时，运动检测引擎620可以发起重置。例如，运动检测引擎620监视来自电子设备的运动传感器(诸如陀螺仪、加速计、磁力计、惯性测量单元等中的一者或多者)的测量。当检测到的运动超过阈值时，运动检测引擎620可以发起重置操作。例如，突然的运动可能导致跟踪过滤器操作630漂移，这需要时间使跟踪过滤器操作630再次收敛。因此，当检测到的运动超过阈值时，运动检测引擎620可以发起重置操作，以重置跟踪过滤器操作630的一个或多个跟踪过滤器。运动检测引擎620确保无论何时执行重置，跟踪过滤器操作630都使用更新的状态。在某些实施例中，取决于运动的幅度，运动检测引擎620可以执行两种重置类型中的一种。
在某些实施例中，诸如当电子设备缺少运动传感器时，运动检测引擎620被省略。图6B的FoV检测器和跟踪操作510b和图6C的FoV检测器和跟踪操作510c省略了运动检测引擎620。图12更详细地描述了运动检测引擎620。
跟踪过滤器操作630用于平滑所述范围和AoA测量。在某些实施例中，跟踪过滤器操作630跟踪目标设备410的3D坐标。跟踪过滤器操作630使用信号特征502、运动测量504、信号测量506或其组合作为输入。如果电子设备402配备有运动传感器，则来自该传感器的关于电子设备402的运动和定向改变的信息可以用在粗略FoV分类器610和跟踪过滤器操作630中，以进一步改善分类性能、输出540的质量(平滑的范围和AoA测量)。在某些实施例中，粗略FoV分类器610的FoV判定也可以由跟踪过滤器操作630使用，诸如当做出FoV外判定时和/或当存在收发器测量的丢失时。示例跟踪过滤器包括卡尔曼过滤器、扩展卡尔曼过滤器、粒子过滤器等。跟踪过滤器操作630生成输出540。在某些实施例中，可以有一个以上的跟踪过滤器操作630，每个跟踪具有不同的假设。以下在图10A、图10B、图10C和图10D中更详细地描述了跟踪过滤器操作630。
图6A、图6B和图6C的精细FoV分类器640组合来自粗略FoV分类器610和跟踪过滤器操作630的判定，并生成关于目标设备410的输出512。输出512指示目标设备是在目标设备的FoV内还是在FoV外。在某些实施例中，精细FoV分类器640的判定是数字值。例如，当值为一(1)时，表示目标设备在电子设备的FoV内，当值为负一(-1)时，表示目标设备在电子设备的FoV之外(不在FoV内)。
在某些实施例中，来自粗略FoV分类器610和跟踪过滤器操作630的置信度分数可用于获得关于FoV判定的最终FoV置信度(输出512)。在某些实施例中，输出512的FoV判定还包括FoV置信度，其指示目标设备在FoV内或在FoV外的置信度或概率，如精细FoV分类器640所确定的。图11更详细地描述了精细FoV分类器640。
图8示出了根据本公开的实施例的用于通过粗略FoV分类器610为初始FoV确定选择分类器的示例方法800。方法800被描述为由图1的客户端设备106-114中的任何一个来实现，并且可以包括类似于图2的电子设备200和图3的电子设备301的内部组件。然而，如图8所示的方法800可以用于任何其他合适的电子设备和任何合适的系统中。
如方法800所示，粗略FoV分类器610的分类器最初将场景标记为LOS或NLOS。则在该特定场景中训练的粗略FoV分类器610的另一分类器将目标标记为在FoV内或在FoV外。也就是说，如方法800所示，粗略FoV分类器610使用三种不同的分类器。第一分类器用于LOS/NLOS检测，第二分类器用于LOS场景中的FoV/FoV外检测，第三分类器用于NLOS场景中的FoV/FoV外检测。
在步骤802中，基于信号特征502和信号测量506，粗略FoV分类器610的分类器将目标设备标记为处于LOS或NLOS。在步骤804中，粗略FoV分类器610确定在步骤802中分类器是否将目标设备分类为LOS。当目标设备被分类为LOS时，则在步骤806中，粗略FoV分类器610选择针对LOS场景训练的分类器。步骤806的所选分类器然后确定目标设备是在电子设备的FoV内还是FoV外。或者，当目标设备被分类为NLOS时，则在步骤808中，粗略FoV分类器610选择针对NLOS场景训练的分类器。步骤808的所选分类器然后确定目标设备是在电子设备的FoV内还是FoV外。
尽管图8示出了示例方法，但是可以对图8进行各种改变。例如，虽然方法800被示为一系列步骤，但是各个步骤可以重叠、并行发生、以不同的顺序发生或者发生多次。在另一个示例中，步骤可以被省略或者被其他步骤代替。
图9A和图9B示出根据本公开的实施例的用于初始FoV预测的示例移动平均过滤器图示900a和900b。在某些实施例中，移动平均过滤器图示900a和900b可以被图1的客户端设备106-114或服务器104中的任何一个使用。
如图9A所示，分类器输出902表示目标设备410在由粗略FoV分类器610的分类器确定的不同时间间隔处在FoV内的概率。滑动窗口沿着分类器输出902移动，并对窗口内的概率值进行平均。例如，在第一时间步长，滑动窗口910a对前五个概率值进行平均，并在均值输出904中输出平均值，如图所示。在第二时间步长，滑动窗口910b向右移动一个值，对五个概率值进行平均，并在均值输出904中输出平均值，如图所示。这一直持续到滑动窗口910n对最后五个概率值进行平均，并在均值输出904输出该平均值，如图所示。注意，在其他实施例中，滑动窗口可以是不同的大小。
然后将均值输出904中的每个值与阈值进行比较。如果平均概率大于阈值，则粗略FoV分类器610预测输出在FoV中。或者，如果平均概率小于阈值，则粗略FoV分类器610预测输出在FoV之外。如图9A所示，阈值为0.5。例如，均值输出904中0.5以上的每个值，输出是值1，指示目标设备在电子设备的FoV中。
如图9B所示，分类器输出920表示对目标设备在不同时刻(time instance)是在电子设备的FoV内(如值1所示)还是在FoV外(如值负1所示)的预测。在某些实施例中，分类器输出920是图9A的输出906。
滑动窗口沿着分类器输出920移动，并对窗口内的值进行平均。例如，在第一时间步长，滑动窗口920a对前五个值进行平均，并在多数表决输出930中输出平均值，如图所示。在第二时间步长，滑动窗口910b向右移动一个值，对五个概率值进行平均，并在多数表决输出930中输出平均值，如图所示。这一直持续到滑动窗口920n对最后五个概率值进行平均，并在多数投票输出930中输出该平均值，如图所示。注意，在其他实施例中，滑动窗口可以是不同的大小。
图10A、图10B、图10C和图10D分别示出了根据本公开的实施例的各种跟踪过滤器操作的示例方法1000a、1000b、1000c和1000d。方法1000a、1000b、1000c和1000d被描述为由图1的客户端设备106-114中的任何一个实现，并且可以包括类似于图2的电子设备200和图3的电子设备301的内部组件。然而，分别如图10A、图10B、图10C和图10D所示的方法1000a、1000b、1000c和1000d可以用于任何其他合适的电子设备和任何合适的系统。
图5A、图5B和图5C的跟踪过滤器操作630可以使用一个或多个不同的跟踪过滤器来提高测量质量。示例跟踪过滤器包括卡尔曼过滤器、扩展卡尔曼过滤器(EKF)、具有自适应值的EKF、粒子过滤器等。
在某些实施例中，EKF用于跟踪UWB测量。状态向量在下面的等式(18)中定义。在等式(18)中，xt，yt，zt是电子设备相对于目标设备的三维位置。观察是等式(19)中定义的函数。等式(19)的观察取决于接口和设计选择。例如，如下面的等式(20)中所定义的，所述观察可以对应于范围、AoA方位角和AoA仰角的UWB测量。用于映射所述测量和状态的函数可以在下面的等式(21)、等式(22)和等式(23)中定义。
xt＝[xt，yt，zt]T   (18)
zt＝f(xt).   (19)
Figure BDA0004086510580000401
Figure BDA0004086510580000402
Figure BDA0004086510580000403
Figure BDA0004086510580000404
当观察被定义为等式(20)时，测量和状态之间的映射函数定义为上面的等式(21)到等式(23)，以及下面的等式(24)和等式(25)。状态转移方程在下面的等式(26)中定义。注意，等式(26)的表达wt是过程噪声，状态转移模型A是单位矩阵。在某些实施例中，如果电子设备配备有运动传感器(诸如图23的传感器265或传感器模块376)，则旋转矩阵可以用作状态矩阵A(而不是单位矩阵)。旋转矩阵可用于进一步提高测量质量。
Figure BDA0004086510580000405
Figure BDA0004086510580000406
xt＝A xt-1+wt   (26)
为了解决运动模型中的缺陷，可以基于真实数据来调整代表过程噪声协方差的Q。如果P表示误差协方差矩阵，R表示测量噪声协方差矩阵，并且K表示卡尔曼增益，则R(测量噪声协方差矩阵)使用真实数据或测量来确定。一种确定R的方法是在已知真值(groundtruth)的场景下获得测量，并计算测量和真值之间的差的方差。雅可比矩阵在下面的等式(27)中描述。或者，如果测量为rt，azt，elt，则雅可比矩阵在等式(28)中描述。下面等式(29)中描述的雅可比矩阵描述了测量和状态之间的映射函数。通过使用它们之间的映射函数从当前测量
Figure BDA0004086510580000411
(上面的等式(20))计算状态[x0，y0，z0]T(上面的等式(18))来初始化过滤器，并且误差协方差矩阵被初始化为单位矩阵。
雅可比矩阵可用于计算卡尔曼增益K。
Figure BDA0004086510580000412
Figure BDA0004086510580000413
Figure BDA0004086510580000414
Figure BDA0004086510580000415
如图10A所示，方法1000a描述了用于跟踪范围和AoA测量的扩展卡尔曼过滤器。在步骤1002中，跟踪过滤器操作630确定是否达到停止标准。停止标准可以基于是否接收到新的测量。例如，只要接收到新的测量，就不会达到停止标准。
在确定没有达到停止标准时，在步骤1004中，跟踪过滤器操作630对状态
Figure BDA0004086510580000416
执行预测，如等式(30)所示，并对误差协方差矩阵
Figure BDA0004086510580000417
执行预测，如等式(31)所示。
Figure BDA0004086510580000421
Figure BDA0004086510580000422
在步骤1006中，跟踪过滤器操作630如上面在等式(27)-(29)中描述的那样识别雅可比矩阵。在步骤1010中，跟踪过滤器操作630使用(步骤1006的)雅可比矩阵来识别卡尔曼增益，如下面的等式(32)中所述。
Figure BDA0004086510580000423
在步骤1012a中，跟踪过滤器操作630识别新息(innovation)yt，如下面的等式(33)所示。新息是测量值和预测值的差。
Figure BDA0004086510580000424
在步骤1014中，跟踪过滤器操作630更新状态，如等式(34)所示，并更新误差协方差矩阵，如等式(35)所示。在步骤1020，跟踪过滤器操作630增加时间并返回到步骤1002。
Figure BDA0004086510580000425
Figure BDA0004086510580000426
在某些实施例中，过程噪声协方差Q、测量噪声协方差矩阵R或两者可以被修改(例如，修改为自适应)。例如，可以基于上述等式(33)的新息来自适应地调整过程噪声协方差Q，该新息是预测值和测量值之间的差。如果α∈[0，1]表示用于更新Q的遗忘因子，则使用等式(33)的新息如下面等式(36)那样来更新Q。
Figure BDA0004086510580000427
类似地，测量噪声协方差矩阵R可以基于残差值自适应地调整，如下面的等式(37)所述。残差值是更新值和测量值之间的差值。如果β∈[0，1]表示用于更新R的遗忘因子，则使用如下面等式(37)中所述的残差项来更新R。
εt＝zt-f(xt)   (37)
Figure BDA0004086510580000431
如图10B所示，方法1000b描述了具有自适应Q和R的扩展卡尔曼过滤器，用于跟踪范围和AoA测量。在某些实施例中，Q和R都是自适应的。在其他实施例中，Q或R是自适应的。当Q和R都是自适应的时，则执行步骤1008和1016。当只有Q是自适应的(而R不是自适应的)时，则执行步骤1016并省略步骤1008。类似地，当只有R是自适应的(而Q不是自适应的)时，执行步骤1008并省略步骤1016。
在步骤1002中，跟踪过滤器操作630确定是否达到停止标准。在确定没有达到停止标准时，在步骤1004中，跟踪过滤器操作630对状态
Figure BDA0004086510580000432
执行预测，如等式(30)所示，并对误差协方差矩阵
Figure BDA0004086510580000433
执行预测，如等式(31)所示。在步骤1006中，跟踪过滤器操作630如上面在等式(27)-(29)中描述的那样识别雅可比矩阵。在步骤1008中，跟踪过滤器操作630基于等式(37)的残差值更新测量噪声协方差矩阵R。在步骤1010中，跟踪过滤器操作630使用(步骤1006的)计算的雅可比矩阵来识别卡尔曼增益，如等式(32)中所述。在步骤1012a中，跟踪过滤器操作630识别新息yt，如等式(33)所示。新息是测量值和预测值的差。在步骤1014中，跟踪过滤器操作630更新状态，如等式(34)所示，并更新误差协方差矩阵，如等式(35)所示。在步骤1016中，跟踪过滤器操作630基于(步骤1012的)等式(33)的新息值更新过程噪声协方差Q。在步骤1018中，跟踪过滤器操作630基于等式(37)更新残差。在步骤1020，跟踪过滤器操作630增加时间并返回到步骤1002。
在某些实施例中，如果设备的定向改变不可用，则旋转矩阵或状态转移矩阵A被设置为单位矩阵，如上所述。当关于设备运动的信息不可用时，跟踪过滤器操作630使用卡尔曼过滤器来跟踪目标设备。卡尔曼过滤器的状态如等式(39)中所述被建模。状态转移矩阵A＝1。测量是错误的范围，从UWB测量获得的AoA方位角和AoA仰角在等式(40)中描述。测量矩阵H＝I。
Figure BDA0004086510580000434
zt＝[rt，azt，elt]T   (40)
如图10C所示，方法1000c描述了用于跟踪范围和AoA测量的卡尔曼过滤器。在步骤1002中，跟踪过滤器操作630确定是否达到停止标准。在确定没有达到停止标准时，在步骤1004中，跟踪过滤器操作630对状态
Figure BDA0004086510580000441
执行预测，如等式(30)所示，并对误差协方差矩阵
Figure BDA0004086510580000442
执行预测，如等式(31)所示。在步骤1010a中，跟踪过滤器操作630识别卡尔曼增益，如下面的等式(41)中所述。在步骤1012b中，跟踪过滤器操作630识别新息yt，如下面的等式(42)所示。在步骤1014a中，跟踪过滤器操作630更新状态，如等式(34)所示，并更新误差协方差矩阵，如等式(43)所示。在步骤1020，跟踪过滤器操作630增加时间并返回到步骤1002。
Figure BDA0004086510580000443
Figure BDA0004086510580000444
Figure BDA0004086510580000445
在某些实施例中，在NLOS场景期间，电子设备和目标设备之间的UWB测量可能丢失(使得电子设备不能从目标设备获得信号)。当处理测量丢失时，可以使用运动传感器(如果可用)来检测电子设备的定向改变，以跟踪AoA和范围。当没有UWB测量时，跟踪过滤器操作630可以将新息项改变为零。
如图10D所示，方法1000d描述了具有部分测量丢失的跟踪。在步骤1002中，跟踪过滤器操作630确定是否达到停止标准。在确定没有达到停止标准时，在步骤1004中，跟踪过滤器操作630对状态
Figure BDA0004086510580000446
执行预测，如等式(30)所示，并对误差协方差矩阵
Figure BDA0004086510580000447
执行预测，如等式(31)所示。在步骤1006中，跟踪过滤器操作630如上面在等式(27)-(29)中描述的那样识别雅可比矩阵。在步骤1010中，跟踪过滤器操作630使用(步骤1006的)计算的雅可比矩阵来识别卡尔曼增益，如等式(32)中所述。在步骤1011中，跟踪过滤器操作630确定UWB测量是否丢失(或未获得)。如果UWB测量丢失，则在步骤1012d，跟踪过滤器操作630将新息值yt设置为零。或者，如果接收到UWB测量值(未丢失)，则在步骤1012c中，跟踪过滤器操作630识别新息yt，如等式(33)所示。如上所述，新息值yt是测量值和预测值之间的差值。在步骤1014中，跟踪过滤器操作630更新状态，如等式(34)所示，并更新误差协方差矩阵，如等式(35)所示。在步骤1020，跟踪过滤器操作630增加时间并返回到步骤1002。
尽管图10A、图10B、图10C和图10D示出了示例过程，但是可以对图10A、图10B、图10C和图10D进行各种改变。例如，虽然方法1000a被示为一系列步骤，但是各个步骤可以重叠、并行发生、以不同的顺序发生或者发生多次。在另一个示例中，步骤可以被省略或者被其他步骤代替。
图11示出了根据本公开的实施例的用于确定目标设备是否在电子设备的FoV内的示例方法1100。方法1100被描述为由图1的客户端设备106-114中的任何一个来实现，并且可以包括类似于图2的电子设备200和图3的电子设备301的内部组件。然而，如图11所示的方法1100可以用于任何其他合适的电子设备和任何合适的系统中。
在某些实施例中，来自粗略FoV分类器610的输出(目标设备是否在电子设备的FoV中的初始预测)和跟踪过滤器操作630可以与置信度值相关联，该置信度值反映当前测量来自FoV中的目标的概率或置信度。基于(i)来自粗略FoV分类器610的判定和(ii)粗略FoV分类器610和跟踪过滤器操作630的置信度分数，精细FoV分类器确定目标设备是在电子设备的FoV内还是在FoV外。
例如，粗略FoV分类器610的FoV置信度可以是目标在FoV中的概率。例如，如果初始预测指示该目标设备更靠近FoV边界(例如图4A的边界404)，则粗略FoV分类器610的置信度低。备选地，初始预测指示该目标设备远离FoV边界(诸如图4A的边界404)，则粗略FoV分类器610的置信度高。对于SVM分类器，这个概率与测量值到分离FoV和FoV外的超平面的距离成反比。来自粗略FoV分类器610的SVM的置信度被称为SVMConfidence。
类似地，跟踪过滤器操作630也基于估计的量输出置信度。例如，使用下面等式(44)中描述的误差协方差矩阵来计算EKF置信度。
Figure BDA0004086510580000451
这里，C是常数参数，trace(Pt)是方阵Pt的迹。也就是说，EKF置信度是与跟踪状态相关联的置信度。
精细FoV分类器640通过组合粗略FoV分类器610和跟踪过滤器操作630的判定来最终确定目标设备是否在电子设备的FoV中。在某些实施例中，SVMConfidence与预定阈值进行比较。如果它位于该阈值之上，并且输入AoA和EKF输出AoA都位于视场内，则最终FoV判定指定目标设备在电子设备的FoV内，否则最终FoV判定指定目标设备在电子设备的FoV外。
图11的方法1100描述了精细FoV分类器通过组合粗略FoV分类器610和跟踪过滤器操作630的判定以及输出540(诸如平滑的AoA)来执行关于目标设备的最终FoV判定。在某些实施例中，如果来自平滑AoA的输出(输出540)位于FoV内，并且(i)来自粗略FoV分类器610的输出指示目标设备在电子设备的FoV内，或者(ii)EFKConfidence大于阈值，则输出512指示目标设备在电子设备的FoV内(诸如图4A的目标设备410a)。或者，如果来自平滑的AoA的输出(输出540)位于电子设备的FoV外，则输出512指示目标设备在电子设备的FoV外(诸如图4A的目标设备410b)。类似地，如果来自平滑的AoA的输出(输出540)位于FoV内，并且(i)来自粗略FoV分类器610的输出指示目标设备在电子设备的FoV外，以及(ii)EFKConfidence小于或等于阈值，则输出512指示目标设备在电子设备的FoV外(诸如图4A的目标设备410b)。
在步骤1102，电子设备确定是否达到停止标准。停止标准可以基于是否接收到新的测量。例如，只要接收到新的测量，就不会达到停止标准。
在确定没有达到停止标准时，电子设备在步骤1104中生成目标设备相对于电子设备的FoV的存在的初始预测。电子设备可以使用图6A或图6B的粗略FoV分类器610。初始预测可以基于SVM。在某些实施例中，电子设备生成初始预测的置信度分数。
在步骤1106，电子设备执行跟踪过滤器操作，诸如图6A、图6B和图6C的跟踪过滤器操作630。跟踪过滤器操作可以使用在图10A-图10D的方法中描述的各种过滤器。跟踪过滤器操作可以平滑范围信息和AoA信息。在某些实施例中，电子设备生成跟踪过滤器的置信度分数输出，称为EFKConfidence。
电子设备执行精细FoV分类以确定目标设备是在电子设备的FoV内还是在FoV外。该确定可以基于平滑的AoA信息以及目标设备相对于电子设备的FoV的存在的初始预测。在某些实施例中，电子设备使用图6A、图6B和图6C的精细FoV分类器640来确定目标设备是在电子设备的FoV之内还是之外。
为了确定目标设备是在电子设备的FoV之内还是FoV之外，精细FoV分类器640最初在步骤1110中确定从步骤1106的跟踪过滤器输出的平滑的AoA是否在FoV中。如果目标设备的平滑的AoA不在FoV中，则精细FoV分类器640确定目标设备不在FoV中(步骤1118)。或者，在确定平滑的AoA指示目标设备在FoV中时，在步骤1112中，精细FoV分类器640确定来自粗略FoV分类器610的输出是否指示目标设备在电子设备的FoV中。如果来自粗略FoV分类器610的输出指示目标设备不在FoV中，则在步骤1114中，精细FoV分类器640将跟踪过滤器操作630的置信度分数与阈值进行比较。如果跟踪过滤器操作630的置信度分数小于或等于阈值，则精细FoV分类器640确定目标设备在FoV外(步骤1118)。
备选地，如果来自粗略FoV分类器610的输出指示目标设备在FoV中(步骤1112)，或者如果跟踪过滤器操作630的置信度分数大于阈值(步骤1114)，则精细FoV分类器640确定目标设备在FoV中(步骤1116)。在步骤1120，时间增加时间间隔，并返回到步骤1102。
在某些实施例中，在确定目标设备在电子设备的FoV内或FoV外时，精细FoV分类器640可以移除异常值并平滑FoV确定。精细FoV分类器640可以利用滑动窗口，诸如图9A的图示900a和图9B的图示900b。
例如，步骤1116和步骤1118在一段时间内的输出被示为图9B的分类器输出920。在第一时间步长，滑动窗口920a对前五个值进行平均，并在多数投票输出930中输出平均值，如图所示。在第二时间步长，滑动窗口910b向右移动一个值，对五个概率值进行平均，并在多数投票输出930中输出平均值，如图所示。这一直持续到滑动窗口920n对最后五个概率值进行平均，并在多数投票输出930中输出该平均值，如图所示。注意，在其他实施例中，滑动窗口可以是不同的大小。
在某些实施例中，生成精细FoV分类器640的置信度分数。精细FoV分类的置信度分数基于在步骤1104中生成的置信度分数(经由粗略FoV分类器610)和在步骤1106中生成的置信度分数(经由跟踪过滤器操作630)。为了生成精细FoV分类器640的置信度分数，在下面的等式(45)中进行了描述，其中，SVMConfidence是在步骤1104中生成的置信度分数(经由粗略FoV分类器610)，EKFConfidence是在步骤1106中生成的置信度分数(经由跟踪过滤器操作630)。
Figure BDA0004086510580000471
尽管图11示出了示例方法，但是可以对图11进行各种改变。例如，虽然方法1100被示为一系列步骤，但是各个步骤可以重叠、并行发生、以不同的顺序发生或者发生多次。在另一个示例中，步骤可以被省略或者被其他步骤代替。
图12示出了根据本公开的实施例的由于运动而执行重置的示例方法1200。方法1200被描述为由图1的客户端设备106-114中的任何一个来实现，并且可以包括类似于图2的电子设备200和图3的电子设备301的内部组件。然而，如图12所示的方法1200可以用于任何其他合适的电子设备和任何合适的系统中。
如图6A所示，视场检测器和跟踪操作510a包括运动检测引擎620。当检测到的运动超过阈值时，运动检测引擎620可以发起重置操作。
有时电子设备的运动会有剧烈的改变。在这种情况下，在电子设备的突然运动发生之后，跟踪过滤器操作630的跟踪过滤器可能需要相当长的时间来收敛测量结果。因此，本公开的实施例使得电子设备能够在检测到剧烈或足够大的运动时重置过滤器的状态。
例如，加速度的方差可以从电子设备的运动传感器获得。运动检测引擎620确定电子设备的运动是否超过阈值。当一个或多个运动样本超过阈值时，运动检测引擎620触发重置操作。根据粗略FoV分类器610的输出(初始预测)是FoV还是FoV外，运动检测引擎620执行软(部分)重置或硬(完全)重置。例如，如果来自粗略FoV分类器610的输出是FoV，则执行软重置。或者，如果来自粗略FoV分类器610的输出在FoV外，则执行硬重置。
在软重置中，基于状态和测量之间的映射函数，使用当前范围和AoA测量来重新初始化(跟踪过滤器操作630的)跟踪过滤器的状态，并且误差协方差矩阵被重新初始化为单位矩阵。在硬重置中，跟踪过滤器的状态和误差协方差矩阵以与软重置相同的方式被重新初始化，并且缓冲器被重置。如果对输出执行多数投票，被重置的缓冲器包括包含粗略FoV分类器610的初始预测的缓冲器(图9B)。或者，被重置的缓冲器包括(i)如果对分类器输出进行平均概率阈值处理，则粗略FoV分类器610的置信度分数(诸如SVMConfidence)(图9A)，以及(ii)如果对输出执行多数投票，则精细FoV分类器640的输出判定的缓冲器(图9B)。
如图12所示，在步骤1202，电子设备确定是否达到停止标准。停止标准可以基于是否接收到新的测量。例如，只要接收到新的测量，就不会达到停止标准。
在确定没有达到停止标准时，电子设备在步骤1204中生成目标设备相对于电子设备的FoV的存在的初始预测。电子设备可以使用图6A和图6B的粗略FoV分类器610。初始预测可以基于SVM。在某些实施例中，电子设备生成初始预测的置信度分数。
电子设备确定检测到的运动是否需要重置跟踪过滤器操作630的跟踪过滤器、缓冲器或两者。在某些实施例中，电子设备使用运动检测引擎620来确定是否要执行重置。在步骤1208，运动检测引擎620检测运动，并将运动的加速度的方差与阈值进行比较。
当加速度的方差大于阈值时，在步骤1210中，运动检测引擎620确定步骤1204的输出(诸如粗略FoV分类器610的初始预测)是否指示目标设备在电子设备的FoV中。当粗略FoV分类器610的初始预测指示目标设备在电子设备的FoV中时，运动检测引擎620执行软重置(步骤1212)。或者，当粗略FoV分类器610的初始预测指示目标设备在电子设备的FoV外时，运动检测引擎620执行硬重置(步骤1214)。
当加速度的方差小于阈值时，或者在执行重置(例如步骤1212的软重置或步骤1214的硬重置)之后，电子设备执行步骤1216的跟踪过滤器操作630。在步骤1216，电子设备执行跟踪过滤器操作，诸如图6A、图6B和图6C的跟踪过滤器操作630。跟踪过滤器操作可以使用在图10A-图10D的方法中描述的各种过滤器。跟踪过滤器操作可以平滑范围信息和AoA信息。在某些实施例中，电子设备生成跟踪过滤器的置信度分数输出。
电子设备可以使用图6A、图6B和图6B的精细FoV分类器640来基于步骤1204的输出和步骤1216的输出确定目标设备是在电子设备的FoV内还是在电子设备的FoV外。在步骤1218，跟踪过滤器操作630增加时间并返回到步骤1202。
尽管图12示出了示例方法，但是可以对图12进行各种改变。例如，虽然方法1200被示为一系列步骤，但是各个步骤可以重叠、并行发生、以不同的顺序发生或者发生多次。在另一个示例中，步骤可以被省略或者被其他步骤代替。
图13A和图13B示出了根据本公开的实施例的图5A和图5B的SCC操作520的示例框图。特别地，图13A和图13B示出了图5A和图5B的SCC操作520的不同实施例。例如，图13A示出了SCC操作520a，图13B示出了SCC操作520b。图13C-图13M示出了根据本公开的实施例的图13A的SCC操作520a的各种操作。SCC操作520被描述为由图1的客户端设备106-114中的任何一个实现，并且可以包括类似于图2的电子设备200和图3的电子设备301的内部组件。然而，如图13和图13B所示的SCC操作520a和520b可以用于任何其他合适的电子设备和任何合适的系统中。
图13A的SCC操作520a类似于图13B的SCC操作520b。注意，SCC操作520b不包括如在图13A的SCC操作520a中描述的那样更新的存储器。为了便于解释，(i)图13A的步骤1302类似于图13B的步骤1302a，(ii)图13A的步骤1310类似于图13B的步骤1310a，(iii)图13A的步骤1320类似于图13B的步骤1320a，以及(iv)图13A的FoV判定操作1380类似于图13B的步骤1380a。
在步骤1302中，SCC操作520a确定设备是否在运动中。图13C更详细地描述了步骤1302。当电子设备在运动中时，在步骤1310中，SCC操作520a确定目标设备的AoA是否在电子设备的FoV角的阈值范围内。图13D更详细地描述了步骤1310。当目标设备的AoA在电子设备的FoV角的阈值范围内时，在步骤1320中，SCC操作520a确定目标设备的AoA和电子设备的定向是否相关。图13E更详细地描述了步骤1320。当目标设备的AoA和电子设备的定向相关时，在步骤1330中，SCC操作520a更新存储器。图13F示出了存储器的示例结构。在步骤1330中更新存储器之后，执行活动检查操作(active check operation)1340。或者，如果(i)电子设备不在运动中(如步骤1302中所确定的)，(ii)目标设备的AoA不在电子设备的FoV角的阈值范围内(如步骤1310中所确定的)，或者(iii)目标设备的AoA和电子设备的定向不相关(如步骤1320中所确定的)，则执行活动检查操作1340。图13G示出了活动检查操作1340。当SCC操作520a被确定为活动时，获取视轴仓操作1350识别视轴方向。图13H示出了获取视轴仓(bin)操作1350。一旦识别到视轴方向，SCC操作520a确定是否要对存储器执行重置操作1360。图13I、图13J和图13K示出了用于确定重置操作1360是否要执行重置的条件。响应于活动检查操作1340确定电子设备在FoV中或者重置操作1360确定不执行重置，FoV判定操作1380确定目标设备是在电子设备的FoV中还是在FoV外。图13M示出了FoV判定操作1380。FoV判定操作1380生成表示SCC操作520a的FoV判定的输出522。
在图13A和图13C的步骤1302中，SCC操作520a基于接收到的运动测量结果504执行定向变化检查，以确定电子设备是否在运动中。例如，在步骤1302中，SCC操作520a确定电子设备402是否经历了足够的旋转运动和航向变化来激活SCC操作520a并相应地更新存储器。例如，电子设备402确定电子设备的旋转运动和电子设备的航向变化是否大于阈值。因此，步骤1302充当进一步处理的输入门。图13C更详细地说明了步骤1302。
如图13C所示，步骤1302确定设备是否在运动中。在某些实施例中，定向缓冲器1304被维护用于存储定向信息。定向缓冲器1304的大小为T，其中T是T≥0并用于存储定向值，t是当前时间步长。步骤1302检查通过定向的方差识别的值(步骤1306)是否位于界限内或阈值范围内(诸如在预定义的高定向值OriH和预定义的低定向值OriL之间)。OriH和OriL可以基于在预定义范围内产生变化的最小和最大移动速度。
响应于确定给定时间间隔的运动测量在阈值范围内，SCC操作520a进行到步骤1310。或者，当给定时间间隔的运动测量不在阈值范围内时，SCC操作520a进行到活动检查操作1340。
在某些实施例中，定向缓冲器1304存储预定数量的样本。每个新样本都存储在缓冲器中。例如，在10Hz采样率的情况下(例如，在每0.1秒获得定向测量值的情况下)，定向缓冲器1304可以存储5到10个样本。向量Ori的方差在下面的等式(46)中定义，其中E(·)表示期望值或样本均值。
var(Ori)＝E(Ori2)-[E(Ori)]2   (46)
检查电子设备402的航向是否经历了大于阈值的变化的其他方式包括：对定向缓冲器的一个或多个值进行阈值处理、检查定向值的连续差异、使用基于滑动窗口上的四分位距(inter-quartile range)的因子或倍数的定向统计测量等。注意，其他统计测量或函数，诸如标准偏差、四分位距等。也可以用来检查或限制定向的变化。
响应于确定电子设备402在运动中(在步骤1302中)，SCC操作520a在步骤1310中(如图13A和图13D所示)基于接收的信号测量506确定AoA(来自目标设备)是否接近(电子设备的)FoV角的预定义范围。执行步骤1310的AoA检查以识别目标设备410是否在电子设备402的视轴方向附近。例如，步骤1310的AoA检查确定信号测量506的报告的AoA值是否在预定义范围内。步骤1310的AoA检查是SCC操作520a的进一步处理操作的输入门。
如果目标设备(诸如目标设备410b)不在电子设备402的视轴方向附近，则接收到的AoA将在预定义的值的集合之外。因此，当AoA将在预定义的值的集合之外时(诸如当目标设备不在电子设备402的视轴方向附近时)，存储器不被更新，因为当前视轴方向不是候选视轴方向之一。
如图13D所示，AoA缓冲器1312被维护用于存储来自信号测量506的AoA值。AoA缓冲器1312的长度为T≥O。在10Hz采样速率的情况下(例如，每0.1秒获得一次AoA测量)，AoA缓冲器1312可以存储5到10个样本。步骤1310的AoA检查检查最近的AoA值(存储在定向缓冲器1304中)是否在θA表示的期望的值范围内(步骤1314)。响应于确定给定时间间隔的AoA在阈值范围内，SCC操作520a进行到步骤1330。或者，当给定时间间隔的AoA不在阈值范围内时，SCC操作520a进行到活动检查操作1340。
在某些实施例中，阈值θA可以基于FoV中视轴周围的范围，在该范围内AoA具有线性横向特性。在其他实施例中，阈值θA可以限于使用FoV的感兴趣的角度。在其他实施例中，AoA上的非对称界限，诸如θAL＜Ao4＜θAH，可以用于定义阈值θA，其中θAL和θAH表示AoA范围的下限和上限。
在某些实施例中，步骤1310的AoA检查可以通过检查AoA缓冲器1312中的一个或多个AoA值(诸如(i)AoA的最近和最老的值或者(ii)存储在AoA缓冲器1312中的所有AoA值)是否在期望的范围内来执行。在其他实施例中，基于AoA缓冲器1312中的值的单变量或多变量函数可以用于执行步骤1310的AoA检查。获得AoA的值的预定义集合的其他度量包括滑动窗口上的平均AoA、滑动窗口上该预定义集合之外的至少一个AoA、滑动窗口上类四分位距的AoA的统计度量等。
响应于确定来自目标设备的AoA在电子设备402的视轴方向附近(步骤1310)，SCC操作520a在步骤1320(如图13A和图13E所示)确定AoA和定向值是否相关。在步骤1320中，AoA缓冲器1312和定向缓冲器1304之间的相关值被识别，然后与阈值进行比较。高相关性指示目标设备410在电子设备402的FoV中。相反，低相关性指示目标设备410在电子设备402的FoV之外。当相关值超过表示为ρth的阈值时，在步骤1330中更新SCC操作520a的存储器。
如图13E所示，步骤1320检查AoA缓冲器1312和定向缓冲器1304。在步骤1322中，识别两个缓冲器之间的相关性。在某些实施例中，皮尔逊系数用于识别相关性。例如，确定AoA和定向缓冲器之间的皮尔逊系数，以检查两者是否相关。皮尔逊系数(Pearson′sCoefficient)是度量两个变量X和Y之间线性相关性的统计量，也称为皮尔逊积矩相关系数(Pearson product-moment correlation coefficient，PPMCC)，或“皮尔逊相关系数”，通常简称为“相关系数”。皮尔逊系数被定义为拟合原始数据的最小二乘法的质量，并通过从数值数据集中取两个变量的协方差的比率来获得，归一化为它们的方差的平方根。等式(47)中定义了皮尔逊系数ρx，y。
Figure BDA0004086510580000531
这里，E(·)表示期望，可以近似为样本均值。
在某些实施例中，AoA和定向之间的差的方差用于检查它们是否相关。
在步骤1324中，将相关值与预定阈值ρth进行比较。皮尔逊相关的阈值的非限制性示例是ρth＝0.9。当(步骤1322的)识别的相关值大于预定阈值ρth时，在步骤1330更新存储器，否则执行活动检查操作1340。
响应于确定设备在运动中(步骤1302)，AoA值接近FoV角(步骤1310)，并且AoA和定向相关(1320)，在步骤1330更新存储器。SCC操作520a的存储器用于存储候选视轴方向和对应的相关值(步骤1320的)。图13F示出了SCC操作520a的存储器。
如图13F所示，存储器包括多个仓(bin)B，其中每个仓包括存储具有对应时间戳的相关值(在步骤1322中识别)的多个槽(slot)。360度的定向被分成B个离散的级别，每个仓代表定向角的范围。例如，当有36个仓时，每个仓代表10个定向值。仓的数量可以取决于传感器测量中的误差。例如，仓的大小可以是AoA测量中误差的大约两倍，以允许视轴仓计算中的稳定性。仓由b∈(1，B)索引，第b个仓由集合
Figure BDA0004086510580000532
表示。如果定向范围是O≤Ori≤360，则对应于定向Ori的仓在下面的等式(48)中描述。
Figure BDA0004086510580000533
每个仓包括时间戳和对应的AoA与定向缓冲器的相关值(皮尔逊系数)的有序对的集合。集
Figure BDA0004086510580000541
的有序对由k∈(1，K)索引，其中K是任何集
Figure BDA0004086510580000542
的最大基数集合。该集
Figure BDA0004086510580000543
的第k个有序对存储在仓b的第k个槽中。存储在仓b的槽k中的时间戳由
Figure BDA0004086510580000544
表示。存储在仓b的槽k中的相关系数值由
Figure BDA0004086510580000545
表示。仓b的集合在等式(49)中描述。
Figure BDA0004086510580000546
在某些实施例中，SCC操作520a的存储器包括与定向角的离散范围对应的相关值。
当任何候选视轴方向报告大于阈值(诸如阈值ρth)的相关值时，更新存储器。在某些实施例中，在满足步骤1302、1310和1320的条件下，添加由等式(48)表示的对应于Ori的仓的新的有序对，Ori是时间戳t处的定向。此后，如等式(50)和等式(51)所述，时间戳t和所计算的相关值ρ被更新为与对应的槽k中的仓对应的集合。在其他实施例中，在满足步骤1302、1310和1320中描述的一部分条件的情况下，更新仓。
Figure BDA0004086510580000547
Figure BDA0004086510580000548
在(i)确定电子设备402不在运动中(步骤1302)，(ii)确定目标设备的AoA不在电子设备的FoV角的阈值范围内(步骤1310)，(iii)确定AoA和定向不相关(步骤1320)，或者(iv)更新存储器(步骤1330)之后，活动检查操作1340确定SCC操作520a是否是活动的。图13A和图13G描述了活动检查操作1340。
在步骤1342中，当足够数量的相关值包括在至少一个候选视轴中时，活动检查操作1340确定SCC操作520a是活动的1344。例如，当存储器的至少一个仓包括数量大于阈值的槽条目时，SCC操作520a是活动的。等式(52)描述了用于确定是否满足最小数量的仓条目的条件。
Figure BDA0004086510580000549
这里，Kmin是至少一个仓
Figure BDA00040865105800005410
中最小基数的阈值。在某些实施例中，Kmin的值是2。
如果活动检查操作1340确定当存储器在一段时间内没有更新时，SCC操作520a不是活动的(非活动的)。在步骤1345中，活动检查操作1340确定(i)SCC操作520a先前是否确定目标设备在电子设备的FoV中，以及(ii)AoA在FoV值的范围内(如步骤1310中所确定的)。当两个条件都满足时，活动检查操作1340在判定1346中确定目标设备在FoV中。或者，当一个或这两个条件都不满足时(使得AoA值不接近FoV角，或者目标设备先前不在FoV中)，则活动检查操作1340在判定1348中确定SCC操作520a是不活动的。
当在给定仓的槽中填充的高相关性ρ＞ρth条目的数量大于阈值时，指示在AoA和Ori缓冲器之间存在持续的高相关性，并且电子设备402的视轴406在FoV范围内在空间上穿过目标设备410的可能性很高。
在某些实施例中，活动检查操作1340基于等式(53)中描述的条件来识别SCC是否是活动的。例如，如果满足等式(53)的条件，则活动检查操作1340确定SCC操作520a是活动的。或者，如果不满足等式(53)的条件，则活动检查操作1340确定SCC操作520a是非活动的。
βb，b∈(1，B)such that|βb|≥Kmin   (53)
在确定SCC操作520a是活动的之后，获取视轴仓操作1350(如图13A和图13H所示)从包括在存储器中的候选视轴仓中识别视轴方向。所识别的视轴方向是从存储器中所有仓中具有最高平均相关量的仓中选择的。所选择的视轴仓对应于FoV内的电子设备的视轴方向。等式(54)描述了在当前时间戳t的集合Bb的基数。
Figure BDA0004086510580000551
图13H示出了获取视轴仓操作1350。在步骤1352中，获得视轴仓操作1350识别局部衰减权重和全局衰减权重。等式(55)描述了仓b∈(1，B)的本地时间衰减加权因子。本地时间衰减加权因子表示新数据的权重高于旧数据，因此较新数据与较旧数据相比对加权平均相关性(如下所述)有更大的影响。如所描述的，等式(55)的局部时间衰减权重是指数权重，使得最小权重被分配给旧的样本。
Figure BDA0004086510580000561
这里，τL是本地衰减常数，
Figure BDA0004086510580000562
是仓b的第k个槽中的时间戳，
Figure BDA0004086510580000563
是对亏k＝Nb存储在仓b中的时间戳。
在等式(56)中描述了仓b∈(1，B)的全局时间衰减加权因子。全局时间衰减加权因子表示新数据的权重高于旧数据，因此较新数据与较旧数据相比对加权平均相关性(如下所述)具有更大的影响。如所描述的，等式(56)的全局时间衰减权重是指数权重，使得最小权重被分配给旧的样本。
Figure BDA0004086510580000564
这里，τG是全局衰减常数。
尽管在局部和全局加权因子中都使用了指数权重分布(使得低权重被分配给旧的样本)，但是也可以使用其他衰减函数(例如线性、二次衰减等)。在某些实施例中，τG＞τL并且τG中τL的每一个可以在约10秒至约30秒的范围内。
在步骤1354中，获得视轴仓操作1350识别存储器中所有仓的加权平均相关性。仓b∈(1，B)在时间t的局部和全局衰减加权平均相关由
Figure BDA0004086510580000565
表示并在等式(57)中描述。
Figure BDA0004086510580000566
在某些实施例中，选择局部和全局衰减常数，以降低存储在存储器中的旧相关值对加权平均相关的计算的贡献程度。可以选择这些值，使得槽k中仓b的加权相关性满足等式(58)的条件。
Figure BDA0004086510580000567
这里，τr基于相关值保持与用例相关的持续时间来选择。如果
Figure BDA0004086510580000568
在较低的阈值ρlow以下。在某些实施例中，τr被选择为大约10秒，并t以毫秒报告。
全局衰减因子τG的示例值可以是20,000(毫秒)，而局部衰减因子τL可以是10,000(毫秒)。平均相关性的示例较低的阈值ρlow可以是0.3。
在步骤1356中，获得视轴仓操作1350将存储器中所有仓中的最大(最高)平均相关仓识别为视轴仓。例如，如等式(59)所述，时间戳t处的视轴仓(由bint表示)被获得作为产生最大加权平均相关的仓。
Figure BDA0004086510580000571
如图13A、图13I、图13J、图13K和图13L所示，执行重置操作1360以确定是否重置存储器。当满足各种条件时，重置操作1360可以执行重置。例如，图13I描述了重置操作1360a，其基于电子设备402是否静止以及定向是否不在所识别的视轴仓的阈值附近来确定是否重置存储器。图13J描述了重置操作1360a，其确定当AoA在FoV中但定向在变化时是否重置存储器。图13K描述了重置操作1360c，其描述了如果AoA被错误地报告为在FoV中，并且相关值在阈值以下，则执行重置。图13L描述了重置操作1360d，其描述了如果最大加权平均相关(如步骤1322中所识别的)低于预定阈值，则执行重置。在某些实施例中，图13A的重置操作1360可以包括图13I的重置操作1360a、图13J的重置操作1360b、图13K的重置操作1360c、图13L的重置操作1360d或其任意组合。
如图13I所示，重置操作1360a描述了当电子设备402静止时重置存储器。在步骤1362中，重置操作1360a确定定向缓冲器1304a的所有值
Figure BDA0004086510580000572
是否都小于上限OriH。当定向值小于上限OriH时，指示电子设备402是静止的。一旦确定电子设备不是静止的，在步骤1362中，重置操作1360a确定不重置存储器，并且SCC操作520a进行到FoV判定操作1380。在确定电子设备是静止的之后，在步骤1364a中，重置操作1360a确定对应于当前定向orit的由上面的等式(48)给出的仓bt是否不接近如在获取视轴仓操作1350中识别的视轴仓bint。也就是说，如果当前定向不靠近所识别的视轴仓，则在步骤1366中重置存储器。或者，如果当前定向接近所识别的视轴仓，则SCC操作520a进行到FoV判定操作1380。
如图13J所示，重置操作1360b描述了当AoA在FoV中并且定向在变化时重置存储器。在步骤1368中，重置操作1360b确定AoA缓冲器1312中的所有AoA值是否都在预定义范围内。当确定所有AoA值都在预定义范围内时，在步骤1368中，重置操作确定不重置存储器，并且SCC操作520a进行到FoV判定操作1380。或者，在确定所有AoA值都不在预定义范围内时，在步骤1364b中，重置操作1360b确定对应于当前定向orit的由上面的等式(48)给出的仓bt是否不接近如在获取视轴仓操作1350中识别的视轴仓bint。也就是说，如果当前定向不靠近所识别的视轴仓，则在步骤1366中重置存储器。或者，如果当前定向接近所识别的视轴仓，则SCC操作520a进行到FoV判定操作1380。注意，重置操作1360b是指电子设备在目标设备周围移动但总是指向目标设备的场景。
如图13K所示，重置操作1360c描述了当AoA被错误地报告为在FoV中并且相关值低时重置存储器。当定向的方差在预定义的范围内(步骤1370)但是AoA的方差高于阈值θB(步骤1372)，并且基于等式(48)的与当前定向Orit对应的SCC仓bt接近由极限bm确定的视轴仓Bint(在获取视轴仓操作1350中识别的)(步骤1374)时，重置操作1360c确定重置存储器(步骤1366)。重置操作1360c描述了SCC操作520a停留在不正确的视轴上的场景。
如图13L所示，重置操作1360d描述了当最大加权平均相关值在阈值(表示为ρlow)以下时重置存储器。在步骤1378中，重置操作1360d将最大加权相关值(如从步骤1322中识别的)与阈值ρlow进行比较。当最大加权相关值大于阈值ρlow时，SCC操作520a进行到FoV判定操作1380。或者，当最大加权相关值小于阈值ρlow时，则在步骤1366重置存储器。
响应于确定不重置存储器，SCC操作520a执行FoV判定操作1380。图13A、图13B和图13M示出了FoV判定操作1380。FoV判定操作1380检查当前视轴是否在获得视轴仓操作1350中识别的视轴方向附近的裕度(margin)内。如果当前视轴在视轴方向附近的裕度内，则目标设备在FoV中522b。或者，如果当前视轴不在视轴方向附近的裕度内，则目标设备在FoV外522a。
在某些实施例中，对于每个时间步长，获得视轴仓操作1350输出SCC视轴仓Bint。在步骤1382中，FoV判定操作1380识别视轴定向的下限值(lower value)(由l表示)和上限值(upper value)(由u表示)。等式(60)描述了识别的下限值和上限值。
Figure BDA0004086510580000581
在步骤1384中，FoV判定操作1380包括对所识别的下限值和上限值的裕度(盈余)，表示为M。等式(61)描述了包括下限值和上限值的裕度。在某些实施例中，M是产生由±θFoV·表示的FoV的实际角度的正确范围的定向值。
L＝l-M；U＝u+M   (61)
为了生成FoV判定(输出522)，在步骤1386中，FoV判定操作1380确定定向是否在修改的上限值和下限值(包括裕度阈值的上限值和下限值)之间。当定向在修改的上限值和下限值之间时，则确定目标设备在FoV中522b。或者，当定向不在修改的上限值和下限值之间时，则目标设备被确定为在FoV之外522a。
尽管图13A和图13B示出了用于执行图5A和图5B的SCC操作520的示例方法，但是可以对图13A和图13B进行各种改变。例如，虽然显示为一系列步骤，但是各个步骤可以重叠、并行发生、以不同的顺序发生或者发生多次。在另一个示例中，步骤可以被省略或者被其他步骤代替。
图14示出了根据本公开的实施例的用于执行FoV判定操作530的示例方法，其组合了图5A的FoV检测器和跟踪操作510以及SCC操作520。方法1400被描述为由图1的客户端设备106-114中的任何一个来实现，并且可以包括类似于图2的电子设备200和图3的电子设备301的内部组件。然而，如图14所示的方法1400可以用于任何其他合适的电子设备和任何合适的系统中。
FoV判定操作530接收来自FCT操作510的输出512(目标设备是否在电子设备的FoV中的判定)和来自SCC操作520的输出522(目标设备是否在电子设备的FoV中的判定和SCC操作是否活动的指示)。FoV判定操作530将接收到的输出512和522与一些额外的逻辑相融合以减少误差，并提供最终的FoV判定550。
例如，如果SCC操作520是活动的，则来自SCC操作520的FoV判定(输出522)被用作最终FoV判定550。当SCC操作520不活动时，如果设备在运动中并且AoA和定向缓冲器不相关，或者如果滑动窗口缓冲器上的范围的方差高于阈值，则最终FoV判定550被声明为FoV外(由二进制值-1表示)。否则，当SCC操作520不活动时，FCT操作510的输出被用作最终FoV判定550。
在步骤1402中，FoV判定操作530基于输出522确定SCC操作520是否是活动的。在步骤1404中，当SCC操作520活动时，FoV判定操作530将最终FoV判定550识别为输出522。例如，当SCC操作520活动时，最终FoV判定550在FoV中，此时SCC操作520的输出522的FoV判定指示目标设备在电子设备的FoV中。可替换地，当SCC操作520活动时，当SCC操作520的输出522指示目标设备在电子设备的FoV外时，最终的FoV判定550是FoV外的。
响应于确定SCC操作不是活动的，在步骤1406中，FoV判定操作530确定相关性是否在阈值以下。如果相关性在阈值以上(如步骤1406中所确定的)，则在步骤1408中，FoV判定操作530确定电子设备是否在运动中。当SCC操作是不活动的(如步骤1402中所确定的)，相关性在阈值以下(如步骤1406中所确定的)，并且电子设备在运动中(如步骤1408中所确定的)，FoV判定操作530在步骤1412中确定目标设备在电子设备的FoV外，并且将最终FoV判定550设置为FoV外。
或者，当SCC操作是不活动的(如步骤1402中所确定的)，相关性在阈值以下(如步骤1406中所确定的)，或者电子设备不在运动中(如步骤1408中所确定的)时，FoV判定操作530在步骤1410中确定范围中的变化是否在阈值以上。当范围中的变化在阈值以上时，在步骤1412中，FoV判定操作530确定目标设备在电子设备的FoV外，并且将最终FoV判定550设置为FoV外。
当范围的变化在阈值以下时(如步骤1410中所确定的)，步骤1414中的FoV判定操作530将最终FoV判定550识别为输出512。例如，当FCT操作510的输出512指示目标设备在电子设备的FoV中时，则最终FoV判定550在FoV中。或者，当FCT操作510的输出512指示目标设备在电子设备的FoV外时，则最终的FoV判定550在FoV外。
尽管图14示出了示例方法，但是可以对图14进行各种改变。例如，虽然方法1400被示为一系列步骤，但是各个步骤可以重叠、并行发生、以不同的顺序发生或者发生多次。在另一个示例中，步骤可以被省略或者被其他步骤代替。
图15示出了根据本公开的实施例的用于FoV确定的示例方法。方法1500被描述为由图1的客户端设备106-114中的任何一个来实现，并且可以包括类似于图2的电子设备200和图3的电子设备301的内部组件。然而，如图15所示的方法1500可以用于任何其他合适的电子设备和任何合适的系统中。
在步骤1502，电子设备基于在电子设备和目标设备之间传送的无线信号获得信号信息。信号信息可以包括信道信息、范围信息和AoA信息等。在某些实施例中，电子设备包括直接从目标设备获得信号的收发器。在其他实施例中，诸如图1的服务器104的电子设备获得与在电子设备和目标设备之间传送的信号相关联的信息。
在某些实施例中，电子设备在不同的时刻基于信号信息识别AoA信息中指示的AoA和所述范围信息中指示的目标设备和电子设备之间的范围。在某些实施例中，信道信息包括无线信号的CIR的特征。CIR的特征可以包括在一段时间内电子设备和目标设备之间的范围的变化。CIR的特征还可以包括AoA和定向在一段时间内的变化。CIR的特征还可以包括CIR的第一峰值强度在一段时间内的变化。此外，CIR的特征可以包括第一峰值强度和CIR的最强峰值强度之间的差值的最小值。CIR的特征还可以包括CIR的第一峰值强度和最强峰值之间的时间差、CIR的第一峰值强度、AoA等。
在步骤1504，电子设备基于电子设备的移动获得运动信息。例如，运动信息可以来自IMU传感器，诸如加速度计、陀螺仪、磁力计等。运动信息可以包括电子设备的定向。在某些实施例中，电子设备包括获得并测量电子设备的运动的一个或多个运动传感器。在其他实施例中，诸如图1的服务器104的远程设备从电子设备获得运动信息。
在步骤1506中，电子设备基于运动信息和信道信息来识别第一位置信息。第一位置信息指示目标设备是否在电子设备的FoV内。在某些实施例中，当识别第一位置信息时，电子设备使用跟踪过滤器基于运动信息对AoA信息和范围信息执行平滑操作。在某些实施例中，第一位置信息基于在CIR的特征上操作的SVM以及范围信息或AoA信息中的至少一个。具有高斯核的SVM也可以用于使用特征向量来指示目标是在FoV内还是在FoV外。
在某些实施例中，为了识别第一位置信息，电子设备基于信道信息和范围信息或AoA信息中的至少一个，生成目标设备相对于电子设备的FoV的存在的初始预测。电子设备然后基于AoA信息、平滑的AoA信息和初始预测来确定目标设备在电子设备的FoV内还是在电子设备的FoV外。
在步骤1508中，电子设备基于电子设备的定向和AoA信息来识别第二位置信息。第二位置信息指示目标设备是否在电子设备的FoV内。为了识别第二位置信息，电子设备确定(i)电子设备在运动中，(ii)目标设备在从电子设备的视轴方向扩展的角度的阈值范围内，以及(iii)当前时间戳的AoA和定向之间的相关值与阈值的比较。
为了确定电子设备处于运动中，电子设备确定电子设备的定向的方差是否在阈值范围内。响应于确定定向的方差不在阈值范围内，电子设备确定是否保持了定向和AoA之间的空间一致性。响应于确定定向的方差在阈值范围内，电子设备确定目标设备在角度的阈值范围内。
在某些实施例中，电子设备基于定向和AoA之间的空间一致性来确定目标设备在从电子设备的视轴方向扩展的角度的阈值范围内。
在某些实施例中，电子设备包括存储器。该存储器包括对应于不重叠的定向角范围的多个仓。每个仓包括至少一个槽，用于存储在对应的时间戳处的先前识别的相关值。电子设备将当前时间戳的相关值与相关阈值进行比较包括确定相关值在相关阈值以上。基于该比较，电子设备更新存储器。
在某些实施例中，电子设备确定存储器的多个仓中的至少一个是否包括具有对应的时间戳的多个相关值。电子设备通过将与多个仓中的一个仓相关联的多个相关值的数量与阈值进行比较来确定是否保持了定向和AoA之间的空间一致性。当与多个仓中的一个仓相关联的多个相关值的数量大于阈值时，指示电子设备的视轴方向在空间上穿过目标设备。响应于确定保持了空间一致性，电子设备从多个仓中识别对应于电子设备的视轴方向的第一仓。
为了识别第一仓，电子设备基于分别与多个仓相关联的对应的局部和全局衰减权重来识别多个仓中的每一个的加权平均相关值。电子设备然后基于多个仓中的每个仓的加权平均相关值与预定义标准的比较，从多个仓中选择第一仓。在某些实施例中，预定义标准是加权平均相关的最高值。
为了识别第二位置信息，当电子设备的视轴方向在第一仓的另一阈值范围内时，电子设备确定目标设备在电子设备的FoV中。否则，第二位置信息指示目标设备在电子设备的FoV外。
在步骤1510中，电子设备确定目标设备是在电子设备的FoV内还是在FoV外。为了确定目标设备是否在电子设备的FoV内，电子设备确定电子设备是否在运动中。在某些实施例中，运动包括旋转运动。
响应于确定电子设备不在运动中，电子设备部分地基于第一位置信息来确定目标设备是否在电子设备的FoV内。或者，电子设备响应于确定电子设备处于运动中，部分基于第二位置信息来确定目标设备是否在电子设备的FoV内。
例如，响应于确定保持了空间一致性，电子设备基于第二位置信息确定目标设备在电子设备的FoV内或FoV外。响应于确定没有保持空间一致性，电子设备基于(i)运动信息是否指示电子设备在运动中，以及(ii)当前时间戳的AoA和定向是否不相关，或者范围信息的方差是否大于阈值，来确定第一结果。响应于识别第一结果，电子设备确定目标设备在电子设备的FoV之外。
或者，响应于确定没有保持空间一致性，电子设备基于确定范围信息的方差大于阈值并且(i)电子设备在运动中或者(ii)当前时间戳的AoA和定向不相关来确定第二结果。响应于识别第二结果，电子设备基于第一位置信息确定目标设备在电子设备的FoV内或FoV外。
尽管图15示出了示例方法，但是可以对图15进行各种改变。例如，虽然方法1500被示为一系列步骤，但是各个步骤可以重叠、并行发生、以不同的顺序发生或者发生多次。在另一个示例中，步骤可以被省略或者被其他步骤代替。
尽管附图图示了用户设备的不同示例，但是可以对附图进行各种改变。例如，用户设备可以以任何合适的布置包括任何数量的每个组件。一般而言，附图并不将本公开的范围限制于任何特定的配置。此外，虽然附图示出了可以使用本专利文献中公开的各种用户设备特征的操作环境，但是这些特征可以用于任何其他合适的系统中。
尽管已经用示例性实施例描述了本公开，但是本领域技术人员可以想到各种变化和修改。本公开旨在包含落入所附权利要求的范围内的这些变化和修改。本申请中的任何描述都不应被理解为暗示任何特定的元素、步骤或功能是必须包括在权利要求范围内的必要元素。专利主题的范围由权利要求限定。

Claims (15)

1.一种方法，包括：
基于在电子设备和目标设备之间传送的无线信号获得信号信息，所述信号信息包括信道信息、范围信息和到达角(AoA)信息；
基于所述电子设备的移动获得运动信息，所述运动信息包括所述电子设备的定向；
基于所述运动信息和所述信道信息来识别第一位置信息，所述第一位置信息指示所述目标设备是否在所述电子设备的视场(FoV)内；
基于所述电子设备的定向和所述AoA信息来识别第二位置信息，所述第二位置信息指示所述目标设备是否在所述电子设备的FoV内；
确定所述电子设备是否在运动中；以及
响应于确定所述电子设备不在运动中部分地基于所述第一位置信息，或者响应于确定所述电子设备在运动中部分地基于所述第二位置信息，来确定所述目标设备是在所述电子设备的FoV内还是FoV外。
2.根据权利要求1所述的方法，还包括：
在不同的时刻，基于所述信号信息，识别所述AoA信息中指示的AoA和所述范围信息中指示的所述目标设备和所述电子设备之间的范围；和
使用跟踪过滤器，基于所述运动信息，对所述AoA信息和所述范围信息执行平滑操作，
其中，识别所述第一位置信息包括：
基于所述信道信息以及所述范围信息或所述AoA信息中的至少一者，生成所述目标设备相对于所述电子设备的FoV的存在的初始预测，以及
基于所述AoA信息、平滑的AoA信息和所述初始预测，确定所述目标设备在所述电子设备的FoV内或FoV外，
其中，所述信道信息包括所述无线信号的信道冲击响应(CIR)的特征，并且
其中，所述CIR的特征包括：
所述电子设备和所述目标设备之间的范围在一段时间内的变化，
所述AoA和所述定向在所述一段时间内的变化，
所述CIR的第一峰值强度在所述一段时间内的变化，
所述第一峰值强度的强度和所述CIR的最强峰值的强度之间的差的最小值，
所述CIR的第一峰值强度和所述最强峰值之间的时间差，
所述CIR的第一峰值强度，和
所述AOA。
3.根据权利要求1所述的方法，其中，确定所述目标设备在所述电子设备的FoV内或FoV外包括：
确定所述第二位置信息是否指示保持了所述定向和所述AoA信息中指示的AoA之间的空间一致性；
响应于确定保持了所述空间一致性，基于所述第二位置信息确定所述目标设备在所述电子设备的FoV内或FoV外；
响应于确定没有保持所述空间一致性，基于以下确定来识别第一结果：
(i)运动信息指示所述电子设备在运动中，以及(ii)当前时间戳的所述AoA和所述定向不相关，或者
所述范围信息的方差大于阈值；
响应于确定没有保持所述空间一致性，基于范围信息的方差大于所述阈值并且(i)电子设备在运动中或者(ii)当前时间戳的所述AoA和所述定向不相关的确定来识别第二结果；
响应于识别所述第一结果，确定所述目标设备在所述电子设备的FoV外；和
响应于识别所述第二结果，基于所述第一位置信息确定所述目标设备在所述电子设备的FoV内或FoV外。
4.根据权利要求1所述的方法，其中：
确定所述电子设备是否在运动中包括基于旋转运动确定所述电子设备是否在运动中；以及
识别所述第二位置信息包括：
响应于确定所述电子设备在运动中，基于所述AoA信息中指示的AoA，确定所述目标设备是否在从所述电子设备的视轴方向扩展的角度的阈值范围内；
响应于确定所述目标设备在所述角度的阈值范围内，识别当前时间戳的所述AoA和所述定向之间的相关值；
将所述相关值与相关阈值进行比较；和
基于所述比较用所述相关值更新存储器。
5.根据权利要求4所述的方法，其中，确定所述电子设备是否在运动中还包括：
确定所述电子设备的定向的方差是否在阈值范围内；
响应于确定所述定向的方差不在所述阈值范围内，确定是否保持了所述定向和所述AoA之间的空间一致性；和
响应于确定所述定向的方差在所述阈值范围内，确定所述目标设备是否在角度的阈值范围内。
6.根据权利要求4所述的方法，还包括：响应于确定所述目标设备不在角度的阈值范围内，确定是否保持了所述定向和所述AoA之间的空间一致性。
7.根据权利要求4所述的方法，其中：
所述存储器包括分别对应于不重叠的定向角度的范围的多个仓，其中所述多个仓中的每个仓包括至少一个槽，并且所述至少一个槽中的槽存储在对应的时间戳处的先前识别的相关值；
将所述当前时间戳的相关值与所述相关阈值进行比较包括确定所述相关值在所述相关阈值以上；和
更新所述存储器包括将所述相关值和所述当前时间戳存储在所述多个仓中的一个仓的槽中。
8.根据权利要求7所述的方法，还包括：
响应于确定(i)所述电子设备不在运动中，(ii)所述目标设备不在距所述电子设备的视轴方向的角度的阈值范围内，(iii)所述相关值在所述相关阈值以下，或者(iv)在所述存储器被更新之后，确定所述多个仓中的至少一个是否包括具有对应的时间戳的多个相关值；
将与所述多个仓中的一个仓相关联的多个相关值的数量与阈值进行比较，以确定是否保持了所述定向和所述AoA之间的空间一致性，指示所述电子设备的视轴方向在空间上穿过所述目标设备；
响应于确定保持了所述空间一致性，从所述多个仓中识别对应于所述电子设备的视轴方向的第一仓；
响应于确定没有保持所述空间一致性，确定先前的空间一致性是否指示所述目标设备在所述电子设备的FoV中；
响应于确定先前空间一致性指示所述目标设备在所述电子设备的FoV内并且当前AoA在FoV范围内，确定所述目标设备在所述电子设备的FoV内；以及
响应于确定先前的空间一致性指示所述目标设备不在所述电子设备的FoV中，确定所述空间一致性是不活动的。
9.一种电子设备，包括：
处理器，被配置为：
基于在电子设备和目标设备之间传送的无线信号获得信号信息，所述信号信息包括信道信息、范围信息和到达角(AoA)信息；
基于所述电子设备的移动获得运动信息，所述运动信息包括所述电子设备的定向；
基于所述运动信息和所述信道信息识别第一位置信息，所述第一位置信息指示所述目标设备是否在所述电子设备的视场(FoV)内；
基于所述电子设备的定向和所述AoA信息来识别第二位置信息，所述第二位置信息指示所述目标设备是否在所述电子设备的FoV内；
确定所述电子设备是否在运动中；以及
响应于确定所述电子设备不在运动中部分地基于所述第一位置信息，或者响应于确定所述电子设备在运动中部分地基于所述第二位置信息，来确定所述目标设备是在所述电子设备的FoV内还是FoV外。
10.根据权利要求9所述的电子设备，其中：
所述处理器还被配置为：
在不同的时刻，基于所述信号信息，识别所述AoA信息中指示的AoA和所述范围信息中指示的所述目标设备和所述电子设备之间的范围；以及
使用跟踪过滤器，基于所述运动信息，对所述AoA信息和所述范围信息执行平滑操作，
其中，为了识别所述第一位置信息，所述处理器被配置为：
基于所述信道信息以及所述范围信息或所述AoA信息中的至少一者，生成所述目标设备相对于所述电子设备的FoV的存在的初始预测，以及
基于所述AoA信息、平滑的AoA信息和所述初始预测，确定所述目标设备在所述电子设备的FoV内或FoV外，
所述信道信息包括所述无线信号的信道冲击响应(CIR)的特征，并且
所述CIR的特征包括：
所述电子设备和所述目标设备之间的范围在一段时间内的变化，所述AoA和所述定向在所述一段时间内的变化，
所述CIR的第一峰值强度在所述一段时间内的变化，
所述第一峰值强度的强度和所述CIR的最强峰值的强度之间的差值的最小值，
所述CIR的第一峰值强度和所述最强峰值之间的时间差，
所述CIR的第一峰值强度，和
所述AOA。
11.根据权利要求9所述的电子设备，其中，为了确定所述目标设备在所述电子设备的FoV内或FoV外，所述处理器被配置为：
确定所述第二位置信息是否指示保持了所述定向和所述AoA信息中指示的AoA之间的空间一致性；
响应于确定保持了所述空间一致性，基于所述第二位置信息确定所述目标设备在所述电子设备的FoV内或FoV外；
响应于确定没有保持所述空间一致性，基于以下确定来识别第一结果：
(i)运动信息指示所述电子设备在运动中，以及(ii)当前时间戳的所述AoA和所述定向不相关，或者
所述范围信息的方差大于阈值；
响应于确定没有保持所述空间一致性，基于范围信息的方差大于所述阈值并且(i)电子设备在运动中或者(ii)当前时间戳的所述AoA和所述定向不相关的确定来识别第二结果；
响应于识别所述第一结果，确定所述目标设备在所述电子设备的FoV外；以及
响应于识别所述第二结果，基于所述第一位置信息确定所述目标设备在所述电子设备的FoV内或FoV外。
12.根据权利要求9所述的电子设备，其中：
为了确定所述电子设备是否处于运动中，所述处理器被配置为基于旋转运动确定所述电子设备是否在运动中；以及
为了识别所述第二位置信息，所述处理器被配置为：
响应于确定所述电子设备在运动中，基于所述AoA信息中指示的AoA，确定所述目标设备是否在从所述电子设备的视轴方向扩展的角度的阈值范围内；
响应于确定所述目标设备在所述角度的阈值范围内，识别当前时间戳的所述AoA和所述定向之间的相关值；
将所述相关值与所述相关阈值进行比较；和
基于所述比较用所述相关值更新存储器。
13.根据权利要求12所述的电子设备，其中，为了进一步确定所述电子设备是否处于运动中，所述处理器被配置为：
确定所述电子设备的定向的方差是否在阈值范围内；
响应于确定所述定向的方差不在所述阈值范围内，确定是否保持了所述定向和所述AoA之间的空间一致性；和
响应于确定所述定向的方差在所述阈值范围内，确定所述目标设备是否在所述角度的阈值范围内。
14.根据权利要求12所述的电子设备，其中，响应于确定所述目标设备不在所述角度的阈值范围内，所述处理器被配置为确定是否保持了所述定向和所述AoA之间的空间一致性。
15.根据权利要求12所述的电子设备，其中：
所述存储器包括分别对应于不重叠的定向角度的范围的多个仓，其中所述多个仓中的每个仓包括至少一个槽，并且所述至少一个槽中的槽存储在对应的时间戳处的先前识别的相关值；
为了将所述当前时间戳的相关值与所述相关阈值进行比较，所述处理器被配置为确定所述相关值在所述相关阈值以上；以及
为了更新所述存储器，所述处理器被配置为将所述相关值和所述当前时间戳存储在所述多个仓中的一个仓的槽中。
CN202180051342.4A 2020-08-21 2021-08-20 具有运动传感器融合的电子设备中的到达角能力 Pending CN115917360A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202063068694P 2020-08-21 2020-08-21
US63/068,694 2020-08-21
US17/404,911 2021-08-17
US17/404,911 US20220057471A1 (en) 2020-08-21 2021-08-17 Angle of arrival capability in electronic devices with motion sensor fusion
PCT/KR2021/011140 WO2022039560A1 (en) 2020-08-21 2021-08-20 Angle of arrival capability in electronic devices with motion sensor fusion

Publications (1)

Publication Number Publication Date
CN115917360A true CN115917360A (zh) 2023-04-04

Family

ID=80269513

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180051342.4A Pending CN115917360A (zh) 2020-08-21 2021-08-20 具有运动传感器融合的电子设备中的到达角能力

Country Status (4)

Country Link
US (1) US20220057471A1 (zh)
EP (1) EP4150375A4 (zh)
CN (1) CN115917360A (zh)
WO (1) WO2022039560A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11892550B2 (en) * 2020-12-22 2024-02-06 Samsung Electronics Co., Ltd. Three-dimensional angle of arrival capability in electronic devices
TWI770919B (zh) * 2021-03-31 2022-07-11 串雲科技有限公司 物件定位辨識系統及其方法
CN116962965A (zh) * 2022-04-20 2023-10-27 北京小米移动软件有限公司 设备确定方法及装置、电子设备、计算机可读存储介质
CN116224225B (zh) * 2023-05-10 2023-07-25 北京白水科技有限公司 应用于无线电测距的测距置信度的确定方法、装置及设备

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL124053A (en) * 1998-04-09 2001-08-08 Israel State A method for tracking the direction of arrival of multiple targets
US9536421B2 (en) * 2015-06-02 2017-01-03 Qualcomm Technologies International, Ltd. Intuitive way to point, access and control appliances and other objects in building interiors
US10718849B2 (en) * 2016-06-21 2020-07-21 Osram Sylvania Inc. Wireless beacon-enabled luminaire identification system and method for determining the position of a portable device
US10277816B2 (en) * 2016-09-28 2019-04-30 Qualcomm Incorporated Systems and methods to reduce actuator power leakage
US10754025B2 (en) * 2018-06-20 2020-08-25 Rapsodo Pte. Ltd. Radar and camera-based data fusion

Also Published As

Publication number Publication date
EP4150375A1 (en) 2023-03-22
WO2022039560A1 (en) 2022-02-24
EP4150375A4 (en) 2023-12-20
US20220057471A1 (en) 2022-02-24

Similar Documents

Publication Publication Date Title
CN115917360A (zh) 具有运动传感器融合的电子设备中的到达角能力
US9609468B1 (en) Inter-device bearing estimation based on beam forming and motion data
Liu et al. Real-time arm gesture recognition in smart home scenarios via millimeter wave sensing
US11751008B2 (en) Angle of arrival capability in electronic devices
US10674312B2 (en) Locating and tracking a wireless beacon from a wireless device
US20140244209A1 (en) Systems and Methods for Activity Recognition Training
US20220244367A1 (en) Measurements using an ultra-wideband ranging pair
US20220137204A1 (en) Interactive control with ranging and gesturing between devices
CN110785775B (zh) 用于光学跟踪的系统和方法
US11892550B2 (en) Three-dimensional angle of arrival capability in electronic devices
US11956752B2 (en) Angle of arrival determination in electronic devices with fused decision from motion
US11841447B2 (en) 3D angle of arrival capability in electronic devices with adaptability via memory augmentation
US11860298B2 (en) Radar leakage measurement update
US20220049961A1 (en) Method and system for radar-based odometry
CN113052870A (zh) 目标跟踪方法、目标检测方法和装置
US20240053464A1 (en) Radar Detection and Tracking
Zhao et al. Wear-free gesture recognition based on residual features of RFID signals
US20230246882A1 (en) System and method for distance measurement using uwb radar
CN115053204A (zh) 低剖面指向装置传感器融合
US20220360940A1 (en) Electronic device and operation method of electronic device determining location of electronic device
KR102400089B1 (ko) 통신을 제어하는 전자장치 및 동작 방법
Mostafa et al. A survey of indoor localization systems in multi-floor environments
Strecker et al. MR Object Identification and Interaction: Fusing Object Situation Information from Heterogeneous Sources
US20240045019A1 (en) Spatially-aware controller using ultra-wideband tessellation
US20230039849A1 (en) Method and apparatus for activity detection and recognition based on radar measurements

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination