CN116113909A - 电子设备和用于控制电子设备的方法 - Google Patents

电子设备和用于控制电子设备的方法 Download PDF

Info

Publication number
CN116113909A
CN116113909A CN202080104776.1A CN202080104776A CN116113909A CN 116113909 A CN116113909 A CN 116113909A CN 202080104776 A CN202080104776 A CN 202080104776A CN 116113909 A CN116113909 A CN 116113909A
Authority
CN
China
Prior art keywords
electronic device
user
location
information
signal
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
CN202080104776.1A
Other languages
English (en)
Inventor
金载洪
吴兴龙
李根哲
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 CN116113909A publication Critical patent/CN116113909A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/038—Control and interface arrangements therefor, e.g. drivers or device-embedded control circuitry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/74—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems
    • G01S13/76—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems wherein pulse-type signals are transmitted
    • G01S13/765—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems wherein pulse-type signals are transmitted with exchange of information between interrogator and responder
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/003—Transmission of data between radar, sonar or lidar systems and remote stations
    • G01S7/006—Transmission of data between radar, sonar or lidar systems and remote stations using shared front-end circuitry, e.g. antennas
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
    • H04B13/005—Transmission systems in which the medium consists of the human body
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user
    • 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
    • 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
    • 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
    • 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
    • A61B5/1112—Global tracking of patients, e.g. by using GPS
    • 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
    • A61B5/68—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
    • A61B5/6844—Monitoring or controlling distance between sensor and tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G01C22/006—Pedometers

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Human Computer Interaction (AREA)
  • Dermatology (AREA)
  • Neurosurgery (AREA)
  • Neurology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Automation & Control Theory (AREA)
  • Computer Hardware Design (AREA)
  • Telephone Function (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

提供了一种电子设备以及用于控制该电子设备的方法。该电子设备包括：通信器，包括电路；第一传感器，被配置为检测电子设备的移动信息；存储器，包括被配置为确定用户是否携带电子设备的第一确定模块和被配置为确定用于检测用户位置的检测方法的第二确定模块；以及处理器，被配置为通过使用第一确定模块、基于由第一传感器获得的电子设备的移动信息来识别电子设备的用户是否携带电子设备，并且通过使用第二确定模块、根据用户是否携带电子设备来确定用于检测用户的位置信息的检测方法。

Description

电子设备和用于控制电子设备的方法
技术领域
本公开涉及电子设备和用于控制电子设备的方法。更具体地，本公开涉及基于用户是否携带电子设备来确定用户检测方法的电子设备以及用于控制该电子设备的方法。
背景技术
用户可以通过使用基于位置的服务来识别用户携带的用户终端设备的位置。基于位置的服务可以指代基于经由移动通信网络或全球定位系统所获得的位置信息向用户提供各种服务的系统。
然而，在采用全球定位系统的基于位置的服务的情况下，难以在室内使用。因此，在现有技术中，已经开发并且使用了下述位置确定技术：其用于使用诸如在用户终端设备中所包括的通信模块或在周围环境中所安装的无线保真(Wi-Fi)系统的网络系统来识别用户终端设备的位置。
同时，用户不总是携带用户终端设备，并且可以在将用户终端设备放置在特定位置时进行动作。当用户在不携带用户终端设备的情况下进行动作时，用户的位置不同于用户终端设备的位置。在使用假定用户携带终端设备的情形而设计的位置确定技术的情况下，存在下述限制：以劣化的精度输出用户位置估计(或定位)信息。
以上信息仅作为背景信息呈现，以帮助理解本公开。关于上述任何是否可以适用为关于本公开的现有技术，没有做出确定，也没有做出断言。
发明内容
技术问题
本公开的方面提供了一种电子设备以及用于控制该电子设备的方法，该电子设备识别用户是否携带该电子设备，并且基于识别出的结果确定用于检测用户的位置的方法。
技术方案
额外的方面将在下面的描述中部分地阐述，并且部分地将从描述中变得明显，或者可以通过实践所呈现的实施例而习得。
根据本公开的方面，提供了一种电子设备。该电子设备包括：通信器，包括电路；第一传感器，被配置为检测电子设备的移动信息；存储器，包括被配置为确定用户是否携带电子设备的第一确定模块和被配置为确定用于检测用户位置的检测方法的第二确定模块；以及处理器，被配置为通过使用第一确定模块、基于由第一传感器获得的电子设备的移动信息来识别电子设备的用户是否携带电子设备，并且通过使用第二确定模块、根据用户是否携带电子设备来确定用于检测用户的位置信息的检测方法，其中，处理器被配置为：基于用户被识别为携带电子设备，确定用于使用电子设备的移动信息或经由通信器从接入点(AP)接收的第一信号的特征信息中的至少一个来获得用户的位置信息的第一检测方法；以及基于用户被识别为没有携带电子设备，确定用于使用经由通信器从至少一个外部设备接收的第二信号的特征信息来获得用户的位置信息的第二检测方法。
处理器还可以被配置为：基于移动信息在阈值时间内没有改变，通过使用第一确定模块来识别用户没有携带电子设备，并且基于移动信息在阈值时间内改变，通过使用第一确定模块来识别用户携带了电子设备。
电子设备还可以包括第二传感器，其被配置为通过与电子设备的用户接触来检测用户的生物信号，其中，处理器还可以被配置为通过使用第一确定模块、基于是否能够经由第二传感器检测到用户的生物信号来识别电子设备的用户是否携带了电子设备。
处理器还可以被配置为：基于第二检测方法被确定，控制通信器通过使用第二检测方法模块向至少一个外部设备传送请求传送用于获得用户的位置信息的第二信号的信号，并且基于第二信号的特征信息通过经由通信器从至少一个外部设备接收第二信号而获得，通过将第二信号的特征信息输入到位置检测模型来获得用户的位置信息。
处理器还可以被配置为：基于第二检测方法被确定，控制通信器向至少一个外部设备传送请求执行获得用户的位置信息的操作的请求信号，并且其中，已经接收到请求信号的至少一个外部设备被配置为基于从另一外部设备接收的第三信号的特征信息来获得用户的位置信息。
处理器还可以被配置为，基于根据第二信号的特征信息用户被识别为不存在于距电子设备的阈值距离内，控制通信器向至少一个外部设备传送请求执行获得用户的位置信息的操作的请求信号，并且其中，已经接收到请求信号的至少一个外部设备可以被配置为基于从另一外部设备接收的第三信号的特征信息来获得用户的位置信息。
处理器还可以被配置为：识别电子设备的电池是否正在充电；通过使用第二确定模块、根据电子设备的电池是否正在充电来确定用于检测用户的位置信息的检测方法；基于电子设备的电池被识别为正在充电，确定第二检测方法，以及基于电子设备的电池被识别为没有充电，确定第一检测方法。
处理器还可以被配置为：基于电子设备的电池被识别为正在充电，通过使用从至少一个外部设备接收的第二信号来识别电子设备的位置，并且识别电子设备的位置是否是用于经由位置检测模型获得用户的位置信息的位置。
处理器还可以被配置为：基于电子设备的位置被识别为用于经由位置检测模型获得用户的位置信息的位置，通过第二检测方法来获得用户的位置信息，以及基于电子设备的位置未被识别为用于经由位置检测模型获得用户的位置信息的位置，通过使用第一检测方法来获得用户的位置信息。
处理器还可以被配置为：基于在电子设备的位置被识别为用于经由位置检测模型获得用户的位置信息的位置之后用户被识别为携带电子设备，基于电子设备的位置经由第一传感器获得电子设备的移动信息；以及基于电子设备的移动信息和经由通信器从AP接收的第三信号的特征信息训练位置检测模型。
根据本公开的另一方面，提供了一种用于控制电子设备的方法，该电子设备包括被配置为检测电子设备的移动信息的第一传感器、被配置为确定用户是否携带电子设备的第一确定模块、以及被配置为确定用于检测用户位置的检测方法的第二确定模块。该方法包括通过使用第一确定模块基于由第一传感器获得的电子设备的移动信息来识别电子设备的用户是否携带电子设备；以及通过使用第二确定模块根据用户是否携带电子设备来确定用于检测用户的位置信息的检测方法，其中，确定包括基于用户被识别为携带电子设备，确定用于使用电子设备的移动信息或从AP接收的第一信号的特征信息中的至少一个来获得用户的位置信息的第一检测方法；以及基于用户被识别为没有携带电子设备，确定用于使用从至少一个外部设备接收的第二信号的特征信息来获得用户的位置信息的第二检测方法。
识别可以包括：基于移动信息在阈值时间内没有改变，通过使用第一确定模块来识别用户没有携带电子设备，并且基于移动信息在阈值时间内改变，通过使用第一确定模块来识别用户携带了电子设备。
识别可以包括通过使用第一确定模块，基于用户的生物信号是否能够经由被配置为检测用户的生物信号的第二传感器被检测到，来识别电子设备的用户是否携带电子设备。
该方法还可以包括：基于第二检测方法被确定，通过使用第二检测方法模块向至少一个外部设备传送请求传送用于获得用户的位置信息的第二信号的信号；并且基于第二信号的特征信息通过从至少一个外部设备接收第二信号而获得，通过将第二信号的特征信息输入到位置检测模型来获得用户的位置信息。
该方法还可以包括：基于第二检测方法被确定，向至少一个外部设备传送请求执行获得用户的位置信息的操作的请求信号，其中，已经接收到请求信号的至少一个外部设备可以被配置为基于从另一外部设备接收的第三信号的特征信息来获得用户的位置信息。
该方法还可以包括：基于根据第二信号的特征信息用户被识别为不存在于距电子设备的阈值距离内，向至少一个外部设备传送请求执行获得用户的位置信息的操作的请求信号，其中，已经接收到请求信号的至少一个外部设备可以被配置为基于从另一外部设备接收的第三信号的特征信息来获得用户的位置信息。
识别可以包括：识别电子设备的电池是否正在充电；通过使用第二确定模块、根据电子设备的电池是否正在充电来确定用于检测用户的位置信息的检测方法；基于电子设备的电池被识别为正在充电，确定第二检测方法，以及基于电子设备的电池被识别为没有充电，确定第一检测方法。
该方法还可以包括，基于电子设备的电池被识别为正在充电，通过使用从至少一个外部设备接收的第二信号来识别电子设备的位置，并且识别电子设备的位置是否是用于经由位置检测模型获得用户的位置信息的位置。
识别电子设备的位置是否是用于经由位置检测模型获得用户的位置信息的位置可以包括：基于电子设备的位置被识别为用于经由位置检测模型获得用户的位置信息的位置，通过第二检测方法获得用户的位置信息，以及基于电子设备的位置未被识别为用于经由位置检测模型获得用户的位置信息的位置，通过使用第一检测方法获得用户的位置信息。
方法可以进一步包括：基于在电子设备的位置被识别为用于经由位置检测模型获得用户的位置信息的位置之后用户被识别为携带电子设备，基于电子设备的位置经由第一传感器获得电子设备的移动信息；以及基于电子设备的移动信息和从AP接收的第三信号的特征信息训练位置检测模型。
从以下结合附图公开了本公开的各种实施例的详细描述中，本公开的其它方面、优点和显著特征对于本领域技术人员将变得明显。
有益效果
根据本公开的各个实施例，电子设备可以根据用户是否携带电子设备、通过优化的方法来检测用户的位置。因此，用户可以在室内接收准确的位置确定信息。
附图说明
从以下结合附图的描述中，本公开的某些实施例的上述和其它方面、特征和优点将变得明显，其中：
图1是用于示出根据本公开的实施例的电子设备的配置和操作的框图；
图2是用于示出根据本公开的实施例的用于控制电子设备的方法的流程图；
图3是用于示出根据本公开的实施例的电子设备和外部设备之间的操作的程图；
图4是用于示出根据本公开的实施例的电子设备和多个外部设备之间的操作的流图；
图5是用于示出根据实施例的电子设备和外部设备之间的操作的流图；
图6是用于示出根据本公开的实施例的基于电子设备的电池是否正在充电来确定检测方法的过程的流程图；
图7是用于示出根据本公开的实施例的基于电子设备的电池是否正在充电以及电子设备的位置来确定检测方法的过程的流程图；
图8是用于示出根据本公开的实施例的电子设备获得用户的最终位置信息的过程的流程图；和
图9是用于具体地示出根据本公开的实施例的电子设备的配置的框图。
贯穿附图，相同的附图标记将被理解为指代相同的部件、组件和结构。
具体实施方式
提供参考附图的以下描述以帮助全面理解由权利要求及其等同物所限定的本公开的各种实施例。它包括各种具体细节以帮助理解，但这些仅被视为示例性的。因此，本领域普通技术人员将认识到，在不脱离本公开的范围和精神的情况下，可以对本文描述的各种实施例进行各种改变和修改。另外，为了清楚和简明起见，可以省略对熟知的功能和结构的描述。
在以下描述和权利要求中使用的术语和词语不限于书目含义，而是仅由发明人使用，以使得能够清楚和一致地理解本公开。因此，对于本领域的技术人员明显的是，本公开的各种实施例的以下描述仅是为了说明的目的而提供的，而不是为了限制由所附权利要求及其等同物所限定的本公开。
要理解的是，单数形式“一”、“一个”和“该”包括复数指示物，除非上下文中另有明确指示。因此，例如，对“一组件表面”的指代包括对一个或多个这样的表面的指代。
在下文中，将参考附图描述本公开的各种实施例。
图1是用于图示根据本公开的实施例的电子设备的配置和操作的框图。
参考图1，电子设备100可以包括传感器110、存储器120、通信器130和处理器140。
图1所示的配置是用于实现本公开的实施例的图，并且对本领域技术人员来说明显的适当的硬件和软件配置可以额外地包括在电子设备100中。
在描述本公开时，电子设备100可以被实现为用户终端设备，诸如智能电话、平板型个人计算机(PC)、膝上型PC、笔记本型计算机、医疗设备和可穿戴设备，但不限于此。
传感器110可以检测电子设备100的各种状态信息或者携带(或穿戴)电子设备100的用户的状态信息。传感器110可以包括用于检测电子设备100的移动信息的第一传感器110-1和用于检测关于携带或穿戴电子设备100的用户的信息的第二传感器110-2。
第一传感器110-1可以包括陀螺仪传感器、加速度传感器和地磁传感器中的至少一个。陀螺仪传感器可以检测关于电子设备100的角速度的信息。
经由陀螺仪传感器获得的关于角速度的信息可以用于识别电子设备100的倾斜角度或电子设备100的旋转角度。地磁传感器是用于检测磁力的传感器，并且经由地磁传感器获得的信息可以用于获得关于电子设备100的方位角的信息。
加速度传感器可以检测关于电子设备100的动力的信息，诸如加速度、振动、冲击等。经由加速度传感器获得的关于动力的信息可以用于识别施加到电子设备100的力或者携带电子设备100的人的脚步的信息。在本文中，操作信息可以包括关于用户是否正在带着电子设备100行走以及脚步次数的信息。
第二传感器110-2可以包括用于检测用户的生物信号的传感器(例如，血压传感器、血糖传感器、心率传感器等)。用于检测用户的生物信号的传感器可以通过与携带或穿戴电子设备100的用户的身体接触或在预设距离内与用户的身体间隔来检测各种生物信号，诸如血压、心率等。
例如，如果电子设备100被实现为可穿戴设备，则第二传感器110-2可以检测穿戴电子设备100的用户的各种生物信号，诸如血压、心率等。如果用户取下电子设备100，则第二传感器110-2可以不接触用户的身体，或者可以不在预设距离内与用户的身体间隔开。此时，第二传感器110-2可能检测不到电子设备100的用户的生物信号。
除了第一传感器110-1和第二传感器110-2之外，传感器110还可以包括用于检测位置信息的传感器(例如，全球定位系统(GPS)传感器)、用于检测电子设备100周围的环境信息的传感器(例如，温度传感器、湿度传感器、压力传感器等)、用于检测用户存在的传感器(例如，相机、UWB传感器、IR传感器、接近传感器、光学传感器等)等。
存储器120可以存储与电子设备100的至少另一元件相关的指令或数据。处理器140可以访问存储器120，并且可以执行通过处理器140对数据的读取、记录、编辑、删除或更新。
本公开中的术语“存储器”可以包括存储器120、处理器140中的ROM(未示出)和RAM(未示出)，或者安装在电子设备100上的存储卡(未示出)(例如，微型SD卡或记忆棒)。另外，存储器120可以存储用于配置要在显示器的显示区域中显示的各种屏幕的程序和数据。
存储器120可以存储与由处理器140可执行的至少一个程序相对应的指令集。该指令可以指代由处理器140直接地可执行的编程语言中的一个动作语句，并且是程序的最小执行单元或动作。
存储器120可以存储用于确定用户是否携带电子设备100的第一确定模块和用于确定用户位置检测方法的第二确定模块。第一确定模块和第二确定模块可以实现为软件模块并且由处理器140控制。然而，这仅是本公开的实施例，并且每个确定模块可以被实现为由处理器140控制的单独的硬件模块。
第一确定模块10可以是用于通过使用电子设备100的移动信息或电子设备100的用户的生物信号来确定用户是否携带电子设备100的模块。携带电子设备100的用户可以暗示用户携带、穿戴或使用电子设备100。
第二确定模块20可以是用于基于用户是否携带电子设备100或者电子设备100的电池是否正在充电来确定用于检测用户位置的检测方法的模块。
存储器120可以存储多个检测方法模块(例如，第一检测方法模块30和第二检测方法模块40)。当第二确定模块20确定了用于检测用户位置的方法时，多个检测方法模块当中与所确定的检测方法相对应的检测方法模块可以执行操作以获得用户的位置信息。每个检测方法模块的操作和功能可以由处理器140控制。稍后将描述处理器140控制每个模块以获得用户的位置信息的操作。
同时，在描述本公开时，用户的位置信息不仅可以包括关于用户所位于的区域的信息，而且还可以包括有关用户是否存在于距电子设备或外部设备的阈值距离内的信息。
存储器120可以存储多个位置检测模型(例如，第一位置检测模型、第二位置检测模型和第三位置检测模型)。
第一位置检测模型可以是使用指纹数据库作为学习数据训练的人工智能模型。第一位置检测模型可以被训练成当输入第一信号的特征信息时，从指纹数据库中识别与第一信号的特征信息相匹配的指纹，并且输出与识别的指纹相对应的用户的位置信息。
第一信号可以指代经由Wi-Fi网络接收的Wi-Fi信号。第一信号的特征信息可以包括第一信号的信道状态信息(CSI)、到达时间(TOA)、到达角度(AOA)和接收信号强度(RSS)中的至少一个。
当电子设备100位于特定位置时，指纹可以指代包括从接入点(AC)可接收的信号(例如，Wi-Fi信号)的特征信息的数据。电子设备100从AP可接收的信号的特征信息依赖于位置而变化，指纹可以根据位置而分类。AP可以指代使得无线设备能够使用Wi-Fi相关标准连接到有线网络的设备。
指纹数据库可以是其中存储和构造了针对每个位置而分类的多个指纹的数据库。指纹数据库也可以表示为无线电地图(radio map)信息。
第二位置检测模型可以是人工智能模型，其被训练为基于根据第二信号的特征信息的电子设备的多个预定义位置输出用户的当前位置信息。在本文中，第二信号可以指代经由Wi-Fi网络接收的Wi-Fi信号，并且第二信号的特征信息的类型可以与第一信号的特征信息的类型相同。电子设备的预定义位置可以指代由第二位置检测模型学习的位置。
可以使用从电子设备100的预定义位置处的外部设备接收的第二信号的特征信息和用户的当前位置信息作为学习数据来训练第二位置检测模型。
随着电子设备100的位置改变，电子设备100从其它外部设备可接收的第二信号的特征信息可能改变。可以在从用户确定的多个预定义位置处使用上述学习数据来训练第二位置检测模型。
第三位置检测模型可以是被训练为基于信号的特征信息输出电子设备的位置信息的人工智能模型。可以使用从至少一个外部设备接收的信号的特征信息和与每个特征信息相匹配的电子设备的当前位置信息作为学习数据来训练第三位置检测模型。
存储器120可以包括即使电源中断也保存存储的信息的非易失性存储器，以及需要连续的电源来保存存储的信息的易失性存储器。参考图1，易失性存储器可以以被包括在处理器140中的形式而实现为处理器140的元件，但是这仅是本公开的实施例，并且易失性存储器可以实现为与处理器140分离的元件。
通信器130可以包括电路并且与AP或外部设备通信。通信器130可以包括各种无线通信模块，并且无线通信模块可以包括Wi-Fi模块130-1。
Wi-Fi模块130-1可以从AP或各种外部设备接收Wi-Fi信号。Wi-Fi模块130-1可以在接收Wi-Fi信号的同时测量Wi-Fi信号的特征信息。例如，Wi-Fi模块130-1可以获得接收的Wi-Fi信号的信道状态信息、到达时间、到达角度、相位信息、信号强度等。
在描述本公开时，外部设备可以包括智能电话、平板型PC、桌面型PC、膝上型PC、上网本型PC、服务器、PDA、医疗设备或可穿戴设备中的至少一个。在本公开的一些实施例中，外部设备可以包括例如电视、冰箱、空调、空气净化器、机顶盒、媒体盒(例如，SAMSUNGHOMESYNCTM)中的至少一个。然而，对上述示例没有限制，并且外部设备可以被实现为各种类型的设备。
处理器140可以电连接到存储器120，以控制电子设备100的一般功能和操作。处理器140可以将多个确定模块10和20以及检测方法模块30和40从非易失性存储器加载到易失性存储器。加载可以指代将存储在非易失性存储器中的数据调用到易失性存储器以存储该数据从而使其可被处理器140访问的操作。
在本公开的实施例中，当电子设备100的电力接通时，处理器140可以将每个确定模块和检测方法模块加载到易失性存储器。在本公开的另一实施例中，当从用户输入用于激活用户位置检测功能的命令时，处理器140可以将每个确定模块和检测方法模块加载到易失性存储器。
处理器140可以使用第一确定模块10基于经由第一传感器110-1获得的电子设备100的移动信息来识别用户是否携带电子设备。
在本公开的实施例中，当经由第一传感器110-1获得的移动信息(例如，电子设备100的倾斜值、旋转角度等)在第一阈值时间内改变时，处理器140可以经由第一确定模块10识别用户携带电子设备。
在本公开的另一实施例中，当移动信息在第一阈值时间内改变预设值或更多时，处理器140可以经由第一确定模块10识别用户携带电子设备。在本文中，预设值可以由用户改变。
例如，当用户将电子设备100从垂直方向(纵向方向)旋转到水平方向(横向方向)时，处理器140可以经由第一传感器110-1识别电子设备100的旋转角度被改变。电子设备100的旋转角度的改变可以暗示用户携带和使用电子设备100。由于电子设备100的旋转角度在第一阈值时间内改变，所以处理器140可以使用第一确定模块来识别用户携带电子设备。
当经由第一传感器110-1获得的移动信息在第一阈值时间内没有改变时，处理器140可以经由第一确定模块10识别用户没有携带电子设备。第一阈值时间可以是预设时间，但是可以由用户改变。
处理器140可以通过使用第一确定模块10，基于用户的生物信号是否能够经由第二传感器110-2被检测到，来识别用户是否携带电子设备100。处理器140可以经由与电子设备100的用户接触或在预设距离内与其间隔开的第二传感器110-2来获得用户的生物信号。
如果在第二阈值时间内没有经由第二传感器110-2获得用户的生物信号，则处理器140可以经由第一确定模块10识别用户没有携带电子设备100。当经由第二传感器110-2在第二阈值时间内获得用户的生物信号时，处理器140可以经由第一确定模块10识别用户携带电子设备100。
当经由第一确定模块10识别用户是否携带电子设备时，处理器140可以通过使用第二确定模块20基于识别的结果来确定用于检测用户的位置信息的检测方法。
当识别出用户携带电子设备100时，处理器140可以确定用于通过使用电子设备的移动信息和经由通信器13从AP接收的第一信号的特征信息中的至少一个来获得用户的位置信息的第一检测方法(或设备携带检测方法)。
当确定第一检测方法时，处理器140可以使用多个检测方法模块当中与确定的第一检测方法相对应的第一检测方法模块30来获得用户的位置信息。
在本公开的实施例中，处理器140可以经由第一检测方法模块30基于来自第一检测方法的电子设备100的移动信息通过使用航位推测(dead reckoning)来获得用户的位置信息。航位推测可以是基于电子设备被用户从参考位置移动的方向和距离来估计电子设备的当前位置的方法。
具体地，处理器140可以经由加速度传感器获得操作信息，并且可以经由陀螺仪传感器或地磁传感器获得关于用户移动电子设备的方向的信息。处理器140可以经由第一检测方法模块30通过使用电子设备100的移动信息来估计电子设备从参考位置移动的方向和距离。在本文中，参考位置可以是用户在预设时间内没有移动电子设备的固定位置，或者是用户设置为参考位置的位置。
因此，处理器140可以通过使用第一检测方法模块30来获得从参考位置移动的电子设备100的当前位置信息。由于识别出用户携带电子设备100，所以电子设备100的位置信息可以指代用户的位置信息。
在本公开的另一实施例中，处理器140可以经由第一检测方法模块30使用指纹比较方法从第一检测方法中获得用户的位置信息。指纹比较方法是用于下述的方法：用于在预先存储的指纹数据库中所包括的指纹当中识别与从AP接收的信号的特征信息相匹配的指纹，并且使用所识别的指纹中所包括的位置信息来估计电子设备的当前位置信息的方法。
处理器140可以基于使用第一检测方法模块30经由通信器130获得的第一信号的特征信息，使用指纹比较方法获得用户的位置信息。具体地，处理器140可以通过将第一信号的特征信息输入到第一位置检测模型来识别与第一信号的特征信息相匹配的指纹，并且经由第一检测方法模块30获得与识别的指纹相对应的用户的位置信息。
当识别出用户没有携带电子设备100时，处理器140可以经由第二确定模块20确定用于使用从至少一个外部设备接收的第二信号的特征信息来获得用户的位置信息的第二检测方法(或无设备检测方法)。处理器140可以通过使用多个检测方法模块当中与确定的第二检测方法相对应的第二检测方法模块40来获得用户的位置信息。
处理器140可以控制通信器130经由第二检测方法模块40向外部设备传送请求传送用于获得用户的位置信息的第二信号的信号。当接收到请求信号时，外部设备可以经由各种路径发射第二信号。处理器140可以经由通信器130接收从外部设备发射的第二信号的全部或部分。
同时，从外部设备发射的第二信号的部分或全部可以被用户反射或透射穿过用户，以被传送到电子设备100。通过被用户反射的或透射穿过用户而接收的第二信号的特征信息可以不同于直接地从外部设备传送到电子设备100的信号的特征信息。
处理器140可以经由通信器130接收从外部设备发射的第二信号的部分或全部，并且获得第二信号的部分或全部的特征信息。例如，处理器140可以接收从外部设备发射的Wi-Fi信号的全部或部分，并且获得接收的Wi-Fi信号的全部或部分中的每个的CSI、RSS、AOA或TOA。经由通信器130接收的Wi-Fi信号的部分或全部可以是由用户反射或透射穿过用户的信号。
处理器140可以经由第二检测方法模块40通过将第二信号的特征信息输入到第二位置检测模型来获得用户的位置信息。第二位置检测模型已经被训练为基于学习的预定义位置输出用户的位置信息。因此，当处理器140将第二信号的特征信息输入到第二位置检测模型时，电子设备100的位置可以是由第二位置检测模型学习的预定义位置。
例如，当经由第一路径和第二路径从外部设备接收的Wi-Fi信号的CSI幅度改变量被输入到第二位置检测模型时，处理器140可以经由第二检测方法模块40基于电子设备100的当前位置获得用于测量用户的位置的用户的位置信息。
处理器140可以基于所获得的用户的位置信息来识别用户是否存在于电子设备100的阈值距离内。用户的位置信息可以包括关于用户是否存在于电子设备100的阈值距离内的信息。
当基于获得的用户的位置信息识别出用户存在于电子设备的阈值距离内时，处理器140可以执行与用户的位置信息相对应的预定义操作。例如，当基于用户的位置信息识别用户存在于被设置为危险区域的区域中时，处理器140可以将用户存在于被设置为危险区域的区域中的消息输出为语音。然而，这仅是本公开的实施例，与用户的位置信息相对应的预定义操作可以由用户不同地设置。
当识别出用户不存在于电子设备100的阈值距离内时，处理器140可以控制通信器130向至少一个外部设备传送请求执行获得用户的位置信息的操作的请求信号。换句话说，当用户不存在于电子设备100的阈值距离内或者难以确定用户是否存在于电子设备100的阈值距离内时，处理器140可以控制通信器130向至少一个外部设备传送请求信号，该请求信号请求执行采用另一外部设备获得用户的位置信息的操作。
已经接收到请求信号的至少一个外部设备可以通过使用从该另一外部设备接收的第三信号(例如，Wi-Fi信号)的特征信息来获得用户的位置信息。已经获得用户的位置信息的至少一个外部设备可以执行与用户的位置信息相对应的预定义操作。
同时，当识别出用户没有携带电子设备100时，处理器140可以控制通信器130通过使用第二检测方法模块40向至少一个外部设备传送请求执行获得用户的位置信息的操作的请求信号。换句话说，处理器140不仅可以基于从外部设备接收的信号获得用户的位置信息，还可以控制通信器130向外部设备传送用于控制执行获得用户的位置信息的操作的请求信号。
在向至少一个外部设备传送请求信号之后的预设时间段之后，处理器140可以控制通信器130经由各种路径向至少一个外部设备附近发射第四信号。第四信号可以是可以经由Wi-Fi网络传送/接收的Wi-Fi信号。
经由通信器130发射的第四信号的部分或全部可以被用户反射或透射穿过用户，以被传送到至少一个外部设备。例如，通信器130可以在处理器140的控制下经由多个路径发射Wi-Fi信号，并且所发射的Wi-Fi信号的部分或全部可以被位于电子设备100附近的用户反射或透射穿过该用户，以被传送到至少一个外部设备。
至少一个外部设备可以基于接收的第四信号的全部或部分的特征信息来获得用户的位置信息。至少一个外部设备可以执行与获得的用户的位置信息相对应的操作。例如，如果外部设备被实现为智能灯，当基于所获得的用户的位置信息识别出用户存在于距外部设备的阈值距离内时，外部设备可以接通灯的电源以照亮用户周围的区域。
同时，处理器140可以基于电子设备100的电池是否正在充电来确定用于检测用户位置的检测方法。处理器140可以识别电池是否正在通过有线充电电缆或无线充电器充电。处理器140可以使用第二确定模块20基于电池的充电状态来确定检测方法。
当识别出电子设备100的电池正在充电时，处理器140可以通过使用第二确定模块20来确定第二检测方法。通常，正在充电的电子设备100的电池的状态可以暗示用户没有携带电子设备。因此，当电子设备100的电池没有充电时，处理器140可以使用第二确定模块20来确定第一检测方法，并且使用与所确定的第一检测方法相对应的第一检测方法模块30来获得用户的位置信息。
当识别出电子设备的电池正在充电时，处理器140可以使用第二确定模块20来确定第二检测方法。处理器140可使用与所确定的第二检测方法相对应的第二检测方法模块40来获得用户的位置信息。
在本公开的又一实施例中，当识别出电子设备100的电池正在充电时，处理器140可以使用从至少一个外部设备接收的第二信号的特征信息来获得电子设备的位置信息。处理器140可以通过将经由通信器130接收的第二信号的特征信息输入到第三位置检测模型来获得电子设备的位置信息。例如，处理器140可以通过将从外部设备接收的Wi-Fi信号的RSS信息输入到第三位置检测模型来获得电子设备100的位置信息。
处理器140可以基于获得的电子设备100的位置信息，识别电子设备100的位置是否是能够使用第二位置检测模型获得用户的位置信息的位置。
使用第二位置检测模型能够获得用户的位置信息的位置可以指代由输出与输入信号的特征相匹配的用户的位置信息的第二位置检测模型学习的预定义位置。由第二位置检测模型学习的预定义位置可以由用户不同地确定。预先训练的第二位置检测模型可以基于学习的预定义位置输出与输入的第二信号的特征信息相匹配的用户的位置信息。
处理器140可以基于获得的电子设备100的位置信息来识别电子设备的当前位置是否是由第二位置检测模型学习的位置。
当识别出电子设备100的位置不是由第二位置检测模型学习的位置时，处理器140可以使用第二确定模块20在多种检测方法当中确定第二检测方法。当识别出电子设备的位置是由第二位置检测模型学习的位置时，处理器140可以使用第二确定模块20在多种检测方法当中确定第一检测方法。处理器140可以使用与确定的检测方法相对应的检测方法模块来获得用户的位置信息。
在本公开的又一实施例中，处理器140可以使用第一检测方法模块30获得第一用户位置信息，并且使用第二检测方法模块40获得第二用户位置信息。换句话说，处理器140可以分别地使用第一检测方法和第二检测方法获得第一用户位置信息和第二用户位置信息。
处理器140可以识别第一用户位置信息和第二用户位置信息之间的差是否超过阈值。当识别第一用户位置信息和第二用户位置信息之间的差超过阈值时，处理器140可以识别用户是否携带电子设备。
当分别地使用第一检测方法和第二检测方法获得的用户位置信息之间的差大时，处理器140可以识别用户是否携带电子设备100，以识别第一用户位置信息和第二用户位置信息当中的准确信息。上面已经描述了识别用户是否携带电子设备100的过程，并且因此，将不再对重复的描述进行重复。
当识别出用户携带电子设备100时，处理器140可以将使用第一检测方法获得的第一用户位置信息确定为用户的最终位置信息。当用户携带电子设备100时，使用第一检测方法获得的用户位置信息可能相对地准确。
当识别出用户携带电子设备100时，处理器140可以将使用第二检测方法获得的第二用户位置信息确定为用户的最终位置信息。当识别出用户没有携带电子设备100时，使用第二检测方法获得的用户位置信息可能相对地准确。
当识别出第一用户位置信息和第二用户位置信息之间的差没有超过阈值时，处理器140可以将第一用户位置信息确定为用户的最终位置信息。当用户没有携带电子设备100时，第一用户位置信息和第二用户位置信息之间的差很可能超过阈值。因此，当第一用户位置信息和第二用户位置信息之间的差是阈值或更小时，处理器140可以识别出用户当前携带电子设备并且将第一用户位置信息识别为用户的最终位置信息。
处理器140可以基于使用航位推测从第一检测方法获得的学习数据来训练第一位置检测模型。具体地，当识别出电子设备100的电池正在充电时，处理器140可以识别电子设备100的位置是否是能够经由第二位置检测模型获得用户的位置信息的位置。
当识别出电子设备100的位置是能够经由第二位置检测模型获得用户的位置信息的位置，并且识别出用户再次携带曾正充电的电子设备100时，处理器140可以基于电子设备100的当前位置经由第一传感器110-1获得电子设备的移动信息。例如，处理器140可以获得携带电子设备100的用户的操作信息或通过使用第一传感器110-1获得移动方向。
处理器140可以基于用户的操作信息或移动方向来识别用户带着电子设备100走过的路径。处理器140可以将所识别的路径的特定位置与从AP接收的Wi-Fi信号的特征信息进行匹配。处理器140可以通过使用路径的每个特定位置的相匹配的Wi-Fi信号的特征信息来生成每个特定位置的指纹。处理器140可以将生成的每个特定位置的指纹添加到指纹数据库中。处理器140可以使用更新的指纹数据库作为学习数据来训练第一位置检测模型。
根据本公开的与应用于人工神经网络的人工智能相关的功能由处理器140和存储器120操作。一个或多个处理器140可以根据在存储器120中所存储的预定义动作规则或人工智能模型来执行控制以处理输入数据。另外，如果一个或多个处理器是人工智能专用处理器，则人工智能专用处理器可以被设计成具有专用于处理特定人工智能模型的硬件结构。
通过训练形成预定义的动作规则或人工智能模型。本文中的通过训练形成可以指代例如通过使用多个学习数据通过学习算法训练基本人工智能模型，来形成设置为执行期望的特征(或对象)的预定义的动作规则或人工智能模型。这种训练可以在根据本公开的示范了人工智能的设备中执行，或者由单独的服务器和/或系统执行。
学习算法的示例包括监督学习、非监督学习、半监督学习或强化学习，但不限于这些示例。
人工智能模型可以包括多个人工神经网络，并且人工神经网络可以包括多个层。多个神经网络层分别具有多个权重值，并且通过前一层的处理结果和多个权重之间的处理来执行神经网络处理。多个神经网络层的多个权重可以通过人工智能模型的训练结果来优化。例如，可以更新多个权重，以减少或最小化在训练处理期间由人工智能模型获得的损失值或成本值。
人工神经网络可以包括卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)、受限玻尔兹曼机器(RBM)、深度信念网络(DBN)、双向循环深度神经网络(BRDNN)、深度Q网络等，但是本公开的人工神经网络不限于上述示例，除非另有说明。
图2是示出根据本公开的实施例的用于控制电子设备的方法的流程图。
参考图2，在操作S210中，电子设备100可以获得电子设备100的移动信息。电子设备100可以经由第一传感器(例如，陀螺仪传感器、加速度传感器、地磁传感器等)获得电子设备100的移动信息。
在操作S220，电子设备100可以使用第一确定模块来识别用户是否携带电子设备100。电子设备100可以基于移动信息是否在阈值时间内改变来识别用户是否携带电子设备100。
例如，如果移动信息在阈值时间内没有改变，则电子设备100可以使用第一确定模块识别出用户没有携带电子设备100。如果移动信息在阈值时间内改变，则电子设备100可以使用第一确定模块识别用户携带电子设备100。
在本公开的另一实施例中，电子设备100可以基于经由第二传感器110-2获得的用户的生物信号来识别用户是否携带电子设备100。上面已经描述了与其相关的实施例，并且因此，将不再对重复的描述进行重复。
在操作S230，电子设备100可以使用第二确定模块根据用户是否携带电子设备来确定用于检测用户的位置信息的检测方法。
例如，当识别出用户携带电子设备100时，电子设备100可以使用从AP接收的第一信号的特征信息中的至少一个来确定用于获得电子设备100的移动信息和用户的位置信息的第一检测方法。上面已经描述了第一检测方法，并且因此，将不再对重复的描述进行重复。
在本公开的又一实施例中，当识别出用户没有携带电子设备100时，电子设备100可以使用从至少一个外部设备接收的第二信号的特征信息来确定用于获得用户的位置信息的第二确定方法。
在操作S240，电子设备100可以基于确定的检测方法获得用户位置信息。电子设备100可以使用与确定的检测方法相对应的检测方法模块来获得用户的位置信息。
将参考图3描述电子设备100基于第二检测方法获得用户的位置信息的实施例。将参考图4和图5描述当确定第二确定方法时，电子设备100向至少一个外部设备传送用于获得用户的位置信息的命令的实施例。
同时，在本公开的又一实施例中，电子设备100可以基于电池是否正在充电来确定检测方法。将参考图6和图7描述与其相关的实施例。
图3是示出根据本公开的实施例的电子设备和外部设备之间的操作的流程图。
具体地，图3是用于说明根据本公开的实施例的电子设备100使用第二检测方法获得用户的位置信息的过程的流程图。换句话说，图3是用于示出在图2的操作S230中电子设备100确定第二检测方法之后的操作的流程图。
参考图3，在操作S310，电子设备100可以在多种检测方法当中确定第二检测方法。在操作S320，电子设备100可以经由与第二检测方法相对应的第二检测方法模块向第一外部设备50传送请求传送用于获得用户的位置信息的第二信号的信号。
当接收到请求信号时，在操作S330，第一外部设备50可以将正常模式改变为用户位置检测模式。正常模式可以指代可以执行与从用户输入的各种命令相对应的操作的操作模式。用户位置检测模式可以指代用于下述的操作模式：执行向另一设备的方向发射各种信号(例如，Wi-Fi信号等)的操作，使得该另一设备获得用户位置信息；或者基于从该另一设备接收的信号的特征信息获得用户的位置信息。
当在用户位置检测模式下操作时，在操作S340，第一外部设备50可以将第二信号发射到各种路径，以将第二信号的部分或全部传送到电子设备100。第二信号可以是Wi-Fi信号，但是这仅是实施例，并且第二信号可以包括蓝牙信号等。
在操作S350，电子设备100可以接收从第一外部设备50发射的第二信号的部分或全部，以获得第二信号的特征信息。在操作S360，电子设备100可以通过将第二信号的特征信息输入到第二位置检测模型来获得用户的位置信息。电子设备100的位置可以是由第二位置检测模型学习的多个预定义位置中的一个。
例如，电子设备100可以经由第二检测方法模块40，通过将经由第一路径和第二路径从第一外部设备50接收的Wi-Fi信号的CSI幅度改变量输入到第二位置检测模型，电子设备100获得用户的位置信息，用于基于电子设备100的预定义位置来估计用户的位置。
在操作S370，电子设备100可以基于获得的用户的位置信息来识别用户是否存在于电子设备100的阈值距离内。当识别出用户存在于阈值距离内时，在操作S380，电子设备100可以存储获得的用户的位置信息。
电子设备100可以执行与用户的位置信息相对应的预定义操作。例如，当基于用户的位置信息识别出用户存在于被设置为危险区域的区域中时，电子设备100可以作为语音输出用户存在于被设置为危险区域的区域中的消息。然而，这仅是本公开的实施例，与用户的位置信息相对应的预定义操作可以由用户不同地设置。
将参考图4描述当识别出用户不在电子设备100的阈值距离内时由电子设备100执行的操作。
图4是示出根据本公开的实施例的电子设备和多个外部设备之间的操作的流程图。
具体地，图4是示出根据本公开的实施例，当识别出用户不存在于阈值距离内时，由电子设备100执行的操作的流程图。
当基于用户的位置信息识别出用户不存在于电子设备100的阈值距离内时，电子设备100可以向至少一个外部设备传送用于请求执行获得用户的位置信息的操作的请求信号。
参考图4，在操作S410，电子设备100可以将用于请求执行获得用户的位置信息的操作的请求信号传送到第二外部设备60。在本公开的实施例中，第二外部设备60可以与第一外部设备50相同或不同。
当接收到请求信号时，在操作S420中，第二外部设备60可以向第三外部设备70传送用于请求第三外部设备70传送用于获得用户的位置信息的第三信号的信号。当接收到用于请求传送第三信号的信号时，在操作S430，第三外部设备70可以将正常模式改变为用户位置检测模式。
当在用户位置检测模式下操作时，在操作S440，第三外部设备70可以以各种路径发射第三信号，使得第三信号的部分或全部被传送到第二外部设备60。第三信号可以是Wi-Fi信号，但是这仅是本公开的实施例，并且第三信号可以包括蓝牙信号等。
在操作S450，第二外部设备60可以接收从第三外部设备70发射的第三信号的部分或全部，以获得第三信号的特征信息。在操作S460，第二外部设备60可以通过将第三信号的特征信息输入到第四位置检测模型来获得用户的位置信息。第四位置检测模型可以是用于执行与第二位置检测模型相同的操作的人工智能模型。
例如，第二外部设备60可以通过将经由第三路径和第四路径从第三外部设备70接收的Wi-Fi信号的CSI幅度改变量输入到第五位置检测模型，获得用户的位置信息，用于基于第二外部设备60的预定义位置来估计用户的位置。
图5是用于示出根据实施例的电子设备和外部设备之间的操作的流程图。
具体地，图5是用于示出根据本公开的实施例的第一外部设备50通过电子设备100获得用户的位置信息的操作的流程图。参考图5，图5是用于示出在图2的S230中电子设备100确定第二检测方法之后的操作的流程图。
在操作S510，电子设备100可在多种检测方法当中确定第二检测方法。在操作S520，电子设备100可以通过使用与第二检测方法相对应的第二检测方法模块向第一外部设备50传送用于请求执行获得用户的位置信息的操作的请求信号。
当接收到用于请求执行获得用户的位置信息的操作的请求信号时，在操作S530，第一外部设备50可以将正常模式改变为用户位置检测模式。
在传送请求信号之后的预设时间段之后，在操作S540，电子设备100可以以各种路径发射第四信号，使得第四信号的部分或全部被传送到第二外部设备60。在本文中，第四信号可以是Wi-Fi信号，但是这仅是实施例，并且第四信号可以包括蓝牙信号等。
然而，这仅是本公开的实施例，并且当正常模式改变为用户位置检测模式时，第一外部设备50可以向电子设备100传送指示操作模式已经改变的信号。当接收到指示操作模式已经改变的信号时，电子设备100可以发射第四信号，使得第四信号的部分或全部被传送到第二外部设备60。
在操作S550，第一外部设备50可以接收从电子设备100发射的第四信号的部分或全部，以获得第四信号的特征信息。在操作S560，第二外部设备60可以通过将第三信号的特征信息输入到第四位置检测模型来获得用户的位置信息。第四位置检测模型可以是用于执行与第二位置检测模型或第三位置检测模型相同的操作的人工智能模型。
例如，第一外部设备50可以通过将经由第五路径和第六路径从第四外部设备80接收的Wi-Fi信号的CSI幅度改变量输入到第五位置检测模型，获得用户的位置信息，用于基于第一外部设备50的预定义位置来估计用户的位置。
在操作S570，第一外部设备50可以基于用户的位置信息识别用户是否存在于第一外部设备的阈值距离内。当识别出用户存在于第一外部设备10的阈值距离内时，在操作S580，第一外部设备50可以存储获得的用户的位置信息。
第一外部设备50可以执行与用户的位置信息对应的预定义操作。例如，当第一外部设备50被实现为冰箱并且基于用户的位置信息识别出用户在冰箱的预设距离内时，第一外部设备50可以显示UI，该UI示出了关于冰箱中的物品的信息。然而，这仅是本公开的实施例，并且与用户的位置信息相对应的预定义操作可以由用户不同地设置。
当识别出用户不存在于第一外部设备50的阈值距离内时，在操作S590，第一外部设备50可以将用于请求改变到用户位置检测模式的信号传送到另其他外部设备。换句话说，当没有检测到用户的位置时，第一外部设备50可以向其他设备传送用于请求检测用户的位置的请求信号。已经接收到请求信号的其他设备可以通过将模式改变为用户位置检测模式来执行用于获得用户的位置信息的操作。
图6是示出根据本公开的实施例的基于电子设备的电池是否正在充电来确定检测方法的过程的流程图。
具体地，图6是用于示出根据本公开的实施例的电子设备100基于电池是否正在充电来确定检测方法的过程的流程图。
参考图6，在操作S610，电子设备100可以识别电池是否正在充电。电子设备100可以识别电池当前是否正在通过连接到供电设备的有线电缆充电或者通过无线充电方法充电。
在操作S620，电子设备100可以基于电池是否正在充电来确定用户检测方法。电池正在充电可能暗示用户很可能没有携带电子设备。当识别出电子设备100的电池正在充电时，电子设备100可以确定第二检测方法。
电池没有充电可能暗示用户很可能携带和使用电子设备100。当识别出电子设备100的电池没有充电时，电子设备100可以确定第一检测方法。
在操作S630，电子设备100可以使用与确定的检测方法相对应的检测方法模块来获得用户位置信息。上面已经描述了使用每个检测方法模块获得用户的位置信息的过程，并且因此，将不再对重复的描述进行重复。
图7是用于示出根据本公开的实施例的基于电子设备的电池是否正在充电以及电子设备的位置来确定检测方法的过程的流程图。
具体地，图7是根据本公开的实施例的流程图，用于示出由电子设备100基于电池是否正在充电来获得用户位置信息的方法。
参考图7，在操作S710，电子设备100可以识别电子设备100的电池是否正在充电。当识别出电池正在充电时，在操作S720-Y，电子设备100可以使用从至少一个外部设备接收的第二信号的特征信息来获得电子设备100的当前位置信息。
电子设备100可以通过将从至少一个外部设备接收的第二信号的特征信息输入到第三位置检测模型来获得电子设备的位置信息。例如，电子设备100可以通过将从至少一个外部设备接收的Wi-Fi信号的RSS信息输入到第三位置检测模型来获得电子设备100的位置信息。
在操作S730，电子设备100可以基于电子设备100的位置信息来识别电子设备100的当前位置是否是用于使用第二位置检测模型获得用户位置信息的位置。
可以使用在由用户确定的多个预定义位置处从外部设备接收的第二信号的特征信息以及与第二信号的特征信息相匹配的用户的位置信息来训练第二位置检测模型。用于使用第二位置检测模型获得用户位置信息的位置可以指代由第二位置检测模型学习的预定义位置。
当识别出电子设备的当前位置是用于使用第二位置检测模型获得用户位置信息的位置时，在操作S740，电子设备100可以通过将第二信号的特征信息输入到第二位置模型来获得用户的位置信息。
当没有识别出电子设备的当前位置是用于使用第二位置检测模型获得用户位置信息的位置时，在操作S720-N，电子设备100可以基于第一检测方法获得用户位置信息。
同时，当识别电池没有充电时，在操作S720-N中，电子设备100可以基于第一检测方法获得用户位置信息
图8是示出根据本公开的实施例的电子设备获得用户的最终位置信息的过程的流程图。
参考图8，在操作S810，电子设备100可以使用第一检测方法获得第一用户位置信息，并且使用第二检测方法获得第二用户位置信息。
电子设备100可以从第一检测方法使用指纹比较方法或航位推测来获得第一用户位置信息。同时地或不管顺序如何，电子设备100可以基于从至少一个外部设备接收的第二信号的特征信息获得用户的位置信息。
在操作S820，电子设备100可以识别第一用户位置信息和第二用户位置信息之间的差是否超过阈值。如果分别地使用第一检测方法和第二检测方法获得的第一用户位置信息和第二用户位置信息之间的差大，则电子设备100可以识别用户当前是否携带电子设备100，以识别第一用户位置信息和第二用户位置信息当中的准确信息。
因此，在操作S830，电子设备100可以获得电子设备100的移动信息。在操作S840，电子设备100可以基于获得的移动信息识别用户是否携带(具有)电子设备100。然而，这仅是本公开的实施例，并且电子设备100可以基于经由第二传感器获得的用户的生物信号来识别用户是否携带电子设备100。
当识别出用户携带电子设备100时，在操作S850，电子设备100可以将第一用户位置信息确定为用户的最终位置信息。第一检测方法是假设用户携带电子设备100来检测用户位置的方法。因此，当用户携带电子设备100时，使用第一检测方法获得的第一用户位置信息可以相对地准确。
当识别出用户没有携带电子设备100时，在操作S860，电子设备100可以将第二用户位置信息确定为用户的最终位置信息。第二检测方法是假设用户没有携带电子设备100来检测用户位置的方法。因此，当用户没有携带电子设备100时，使用第二检测方法获得的第二用户位置信息可以相对地准确。
同时，当识别出第一用户位置信息和第二用户位置信息之间的差没有超过阈值时，在操作S850，电子设备100可以将第一用户位置信息确定为用户的最终位置信息。
当用户没有携带电子设备100时，第一用户位置信息和第二用户位置信息之间的差很可能超过阈值。因此，当第一用户位置信息和第二用户位置信息之间的差是阈值或更小时，电子设备100可以识别出用户当前携带电子设备，并且将第一用户位置信息识别为用户的最终位置信息。
图9是用于具体地示出根据本公开的实施例的电子设备的配置的框图。
参考图9，电子设备100可以包括传感器110、存储器120、通信器130、处理器140、输入单元150、显示器160和扬声器170。上面已经参考图1描述了传感器110、存储器120、通信器130和处理器140，并且因此，将不再对重复的描述进行重复。
输入单元150可以接收用于控制电子设备100的用户输入。更具体地，输入单元150可以包括用于接收使用用户手指或手写笔的用户触摸的触摸面板、用于接收用户操纵的按钮等。另外，输入单元150可以被实现为其它输入设备(例如，键盘、鼠标、运动输入单元等)。更具体地，输入单元150可以接收用于改变以上参考图8描述的阈值的用户命令。
另外，输入单元150可以接收用于设置与用户的位置信息相对应的操作的用户命令。当经由输入单元150接收到用于设置与用户的位置信息相对应的操作的用户命令时，处理器140可以基于接收到的用户命令将与用户的位置相对应的操作存储在存储器120中。
显示器160可以根据处理器140的控制显示各种信息。显示器160可以被实现为具有触摸面板的触摸屏，或者可以被实现为柔性显示器等。
显示器160可以在处理器140的控制下显示包括用户的位置信息的UI屏幕。UI屏幕可以包括关于通过处理器140获得用户的位置信息的方法的信息。另外，UI屏幕可以包括关于与用户的当前位置相对应的要执行的操作的信息、以及用于改变或添加要执行的操作的UI。
当用户不存在于电子设备100的阈值距离内时，在处理器140的控制下，显示器160可以显示指示用户不存在于电子设备100的阈值距离内的消息或指示符。
同时，应当注意，本公开中的附图不是用于将本公开中公开的技术限制于本公开的特定实施例，而是它们应当被解释为包括本公开的实施例的所有修改、等同物和/或替代物。关于附图的解释，相似的附图标记可以用于相似的元件。
在本公开中，诸如“包括”、“可以包括”、“由……组成”或“可以由……组成”的术语在本文中用于指定相对应的特征的存在(例如，组成元件，诸如数量、功能、操作或部件)，而不排除附加特征的存在。
在本公开中，诸如“A或B”、“A[和/或]B中的至少一个”或“A[和/或]B中的一个或多个”的表述包括所列项目的所有可能组合。例如，“A或B”、“A和B中的至少一个”或“A或B中的至少一个”包括下述中的任何：(1)至少一个A，(2)至少一个B，或(3)至少一个A和至少一个B。
本公开中使用的表示“第一”、“第二”等可以指示各种元件，而不管顺序和/或重要性，并且可以用于将一个元件与另一元件相区分而不限制这些元件。
如果描述了某个元件(例如，第一元件)“可操作地或通信地耦合到/连接到”另一元件(例如，第二元件)或者“连接到”另一元件，应当理解，该某个元件可以直接地或通过又一元件(例如，第三元件)连接到该另一元件。另一方面，如果描述了某个元件(例如，第一元件)“直接地耦合到”或“直接地连接到”另一元件(例如，第二元件)，则可以理解在该某个元件和该另一元件之间没有元件(例如，第三元件)。
另外，依赖于情况，在本公开中使用的表述“配置成”可以与其它表述可互换地使用，诸如“适合于”、“具有能力来”、“设计成”、“适合于”、“制成”和“能够”。同时，表述“被配置成”不一定指代在硬件方面“被特别地设计成”的设备。相反，在某些情况下，表述“被配置成”可以指代该设备“能够”与另一设备或组件一起执行操作。例如，短语“被配置(或设置)来执行A、B和C的单元或处理器”可以指代例如但不限于用于执行相对应的操作的专用处理器(例如，嵌入式处理器)、通用处理器(例如，中央处理单元(CPU)或应用处理器)等，其可以通过执行在存储器设备中所存储的一个或多个软件程序来执行相对应的操作。
根据本公开的各种实施例的电子设备可以包括例如智能电话、平板型PC、桌面型PC、膝上型PC、上网本型PC、服务器、PDA、医疗设备或可穿戴设备中的至少一个。另外，在本公开的一些实施例中，外部设备可以包括例如电视、冰箱、空调、空气净化器、机顶盒和媒体盒(例如，SAMSUNG HOMESYNCTM、APPLE TVTM或GOOGLE TVTM)中的至少一个。
本公开的各种实施例可以被实现为包括在机器(例如，计算机)可读存储介质中所存储的指令的软件。该机器是调用在存储介质中所存储的指令并且根据所调用的指令进行操作的设备，以及可以包括根据上述实施例的服务器云。在指令由处理器执行的情况下，处理器可以直接地或者在处理器的控制下使用其它元件来执行与指令相对应的功能。该指令可以包括由编译器生成的代码或由解释器可执行的代码。机器可读存储介质可以以非暂时性存储介质的形式提供。这里，“非暂时性存储介质”是有形的并且可以不包括信号，以及它不区分数据是半永久地还是临时地存储在存储介质中。例如，“非暂时性存储介质”可以包括临时存储数据的缓冲器。
根据本公开的实施例，根据本公开中公开的各种实施例的方法可以被提供为包括在计算机程序产品中。计算机程序产品可以作为商业可用产品在卖方和买方之间交换。计算机程序产品可以以机器可读存储介质(例如，压缩盘只读存储器(CD-ROM))的形式分发，或者通过应用商店(例如，PlayStoreTM)在线分发。在在线分发的情况下，计算机程序产品的至少一部分可以至少临时存储或临时生成在存储介质中，诸如制造商的服务器的存储器、应用商店的服务器或中继服务器。
根据上述各种实施例的每个元件(例如，模块或程序)可以包括单个实体或多个实体，并且在各种实施例中可以省略上述子元件的一些子元件，或者可以进一步包括其它子元件。替代地或附加地，一些元件(例如，模块或程序)可以集成到一个实体中，以执行在集成之前由每个相应元件执行的相同或相似的功能。根据本公开的各种实施例，由模块、程序或其它元件执行的操作可以以顺序的、并行的、重复或启发式的方式执行，或者至少一些操作可以以不同的顺序执行、省略或者可以添加不同的操作。
虽然已经参考本公开的各种实施例示出和描述了本公开，但是本领域技术人员将理解，在不脱离由所附权利要求及其等同物所限定的本公开的精神和范围的情况下，可以在形式和细节上进行各种改变。

Claims (15)

1.一种电子设备，包括：
包括电路的通信器；
第一传感器，被配置为检测电子设备的移动信息；
存储器，包括：
第一确定模块，被配置为确定用户是否携带电子设备，和
第二确定模块，被配置为确定用于检测用户位置的检测方法；以及
处理器，被配置为：
通过使用第一确定模块，基于由第一传感器获得的电子设备的移动信息，识别电子设备的用户是否携带电子设备，
通过使用第二确定模块，根据用户是否携带电子设备来确定用于检测用户的位置信息的检测方法，
基于用户被识别为携带电子设备，确定用于使用电子设备的移动信息或经由通信器从接入点(AP)接收的第一信号的特征信息中的至少一个来获得用户的位置信息的第一检测方法；和
基于用户被识别为没有携带电子设备，确定用于使用经由通信器从至少一个外部设备接收的第二信号的特征信息来获得用户的位置信息的第二检测方法。
2.根据权利要求1所述的电子设备，其中，处理器还被配置为：
基于移动信息在阈值时间内没有改变，通过使用第一确定模块来识别用户没有携带所述电子设备，以及
基于移动信息在阈值时间内改变，通过使用第一确定模块识别用户携带电子设备。
3.根据权利要求1所述的电子设备，还包括：
第二传感器，被配置为通过与电子设备的用户接触来检测用户的生物信号，
其中，所述处理器还被配置为通过使用第一确定模块，基于用户的生物信号是否能够经由第二传感器被检测到来识别电子设备的用户是否携带电子设备。
4.根据权利要求1所述的电子设备，其中，所述处理器还被配置为：
基于第二检测方法被确定，控制通信器通过使用第二检测方法模块向至少一个外部设备传送请求传送用于获得用户的位置信息的第二信号的信号；和
基于通过经由通信器从至少一个外部设备接收第二信号而获得的第二信号的特征信息，通过将第二信号的特征信息输入到位置检测模型来获得用户的位置信息。
5.根据权利要求1所述的电子设备，
其中，所述处理器还被配置为基于第二检测方法被确定，控制通信器向至少一个外部设备传送请求执行获得用户的位置信息的操作的请求信号，以及
其中，已经接收到请求信号的至少一个外部设备被配置为基于从另一外部设备接收的第三信号的特征信息来获得用户的位置信息。
6.根据权利要求4所述的电子设备，
其中，处理器还被配置为，根据基于第二信号的特征信息用户被识别为不存在于距电子设备的阈值距离内，控制通信器向至少一个外部设备传送请求执行获得用户的位置信息的操作的请求信号，以及
其中，已经接收到请求信号的至少一个外部设备被配置为基于从另一外部设备接收的第三信号的特征信息来获得用户的位置信息。
7.根据权利要求1所述的电子设备，其中，所述处理器还被配置为：
识别电子设备的电池是否正在充电，
通过使用第二确定模块、根据电子设备的电池是否正在充电来确定用于检测用户的位置信息的检测方法，
基于电子设备的电池被识别为正在充电，确定第二检测方法，以及
基于电子设备的电池被识别为没有充电，确定第一检测方法。
8.根据权利要求1所述的电子设备，其中，所述处理器还被配置为：
基于电子设备的电池被识别为正在充电，通过使用从所述至少一个外部设备接收的第二信号来识别电子设备的位置，以及
识别电子设备的位置是否是用于经由位置检测模型获得用户的位置信息的位置。
9.根据权利要求8所述的电子设备，其中，所述处理器还被配置为：
基于电子设备的位置被识别为用于经由位置检测模型获得用户的位置信息的位置，通过第二检测方法获得用户的位置信息，以及
基于电子设备的位置未被识别为用于经由位置检测模型获得用户的位置信息的位置，通过使用第一检测方法来获得用户的位置信息。
10.根据权利要求8所述的电子设备，其中，所述处理器还被配置为：
基于在电子设备的位置被识别为用于经由位置检测模型获得用户的位置信息的位置之后用户被识别为携带电子设备，基于电子设备的位置经由第一传感器获得电子设备的移动信息，以及
基于电子设备的移动信息和经由通信器从AP接收的第三信号的特征信息来训练位置检测模型。
11.一种用于控制电子设备的方法，所述电子设备包括被配置为检测电子设备的移动信息的第一传感器、被配置为确定用户是否携带电子设备的第一确定模块、以及被配置为确定用于检测用户位置的检测方法的第二确定模块，所述方法包括：
通过使用第一确定模块，基于由第一传感器获得的电子设备的移动信息识别电子设备的用户是否携带电子设备；和
通过使用第二确定模块，根据用户是否携带电子设备来确定用于检测用户的位置信息的检测方法，
其中，检测方法的确定包括：
基于用户被识别为携带电子设备，确定用于使用电子设备的移动信息或从AP接收的第一信号的特征信息中的至少一个来获得用户的位置信息的第一检测方法，以及
基于用户被识别为没有携带电子设备，确定用于使用从至少一个外部设备接收的第二信号的特征信息来获得用户的位置信息的第二检测方法。
12.根据权利要求11所述的方法，其中，识别包括：
基于移动信息在阈值时间内没有改变，通过使用第一确定模块识别用户没有携带电子设备；和
基于移动信息在阈值时间内改变，通过使用第一确定模块识别用户携带电子设备。
13.根据权利要求1所述的方法，其中，识别包括通过使用第一确定模块，基于用户的生物信号是否能够经由被配置为检测用户的生物信号的第二传感器被检测到，来识别电子设备的用户是否携带所述电子设备。
14.根据权利要求11所述的方法，还包括：
基于第二检测方法被确定，通过使用第二检测方法模块向至少一个外部设备传送请求传送用于获得用户的位置信息的第二信号的信号；和
基于通过从至少一个外部设备接收第二信号而获得的第二信号的特征信息，通过将第二信号的特征信息输入到位置检测模型来获得用户的位置信息。
15.根据权利要求11所述的方法，还包括：
基于第二检测方法被确定，向至少一个外部设备传送请求执行获得用户的位置信息的操作的请求信号，
其中，已经接收到请求信号的至少一个外部设备被配置为基于从另一外部设备接收的第三信号的特征信息来获得用户的位置信息。
CN202080104776.1A 2020-07-24 2020-11-24 电子设备和用于控制电子设备的方法 Pending CN116113909A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1020200092329A KR20220013157A (ko) 2020-07-24 2020-07-24 전자 장치 및 이의 제어 방법
KR10-2020-0092329 2020-07-24
PCT/KR2020/016663 WO2022019388A1 (en) 2020-07-24 2020-11-24 Electronic device and method for controlling the electronic device

Publications (1)

Publication Number Publication Date
CN116113909A true CN116113909A (zh) 2023-05-12

Family

ID=79728814

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080104776.1A Pending CN116113909A (zh) 2020-07-24 2020-11-24 电子设备和用于控制电子设备的方法

Country Status (5)

Country Link
US (2) US11647358B2 (zh)
EP (1) EP4104040A4 (zh)
KR (1) KR20220013157A (zh)
CN (1) CN116113909A (zh)
WO (1) WO2022019388A1 (zh)

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8498811B2 (en) * 2011-02-09 2013-07-30 SenionLab AB Method and device for indoor positioning
US10270642B2 (en) 2012-12-05 2019-04-23 Origin Wireless, Inc. Method, apparatus, and system for object tracking and navigation
US8934884B2 (en) * 2012-09-21 2015-01-13 SenionLab AB Method and device for indoor position resolution
KR102073696B1 (ko) 2013-05-09 2020-02-06 삼성전자주식회사 사용자 단말 및 사용자 활동 예측 방법
WO2015037792A1 (ko) * 2013-09-10 2015-03-19 엘지전자(주) 전자기기
KR102302439B1 (ko) * 2014-02-21 2021-09-15 삼성전자주식회사 전자 장치
US10209779B2 (en) * 2014-02-21 2019-02-19 Samsung Electronics Co., Ltd. Method for displaying content and electronic device therefor
US9882396B2 (en) * 2014-07-07 2018-01-30 Samsung Electro-Mechanics Co., Ltd. Non-contact type power transmission apparatus and method thereof and location-based service system using the same
KR101808095B1 (ko) 2015-07-20 2017-12-14 아이데카 주식회사 사용자 단말의 위치 측정 방법 및 장치
CN105549045A (zh) * 2015-12-14 2016-05-04 联想(北京)有限公司 一种信息处理方法及电子设备
KR102458532B1 (ko) 2016-03-10 2022-10-26 삼성전자주식회사 위치 판단 방법 및 장치
KR20190030022A (ko) * 2017-09-13 2019-03-21 한국전자통신연구원 사용자 단말의 이동 경로와 소지 위치를 이용한 걸음걸이 인식 방법 및 이를 위한 장치
KR102652232B1 (ko) 2018-07-24 2024-03-28 삼성전자주식회사 위성 측위 회로를 이용하여 획득된 방위 정보에 기반하여, 센서를 통해 획득된 방위 정보 또는 센서를 보정하는 방법 및 이를 지원하는 전자 장치
KR102064680B1 (ko) 2018-08-01 2020-01-09 한국해양대학교 산학협력단 Wi-Fi 신호 특성과 실내 공간 구조가 고려된 비지도 및 강화학습 기반의 핑거프린트 방법 및 장치
KR102655014B1 (ko) 2018-09-10 2024-04-08 삼성전자주식회사 전자 장치 및 전자 장치에서 위치를 식별하기 위한 방법

Also Published As

Publication number Publication date
US20230239657A1 (en) 2023-07-27
US11647358B2 (en) 2023-05-09
EP4104040A1 (en) 2022-12-21
US20220030388A1 (en) 2022-01-27
EP4104040A4 (en) 2023-08-09
WO2022019388A1 (en) 2022-01-27
KR20220013157A (ko) 2022-02-04

Similar Documents

Publication Publication Date Title
CN107635204B (zh) 一种运动行为辅助的室内融合定位方法及装置、存储介质
US11170201B2 (en) Method and apparatus for recognizing object
KR102585228B1 (ko) 음성 인식 시스템 및 방법
US20210065704A1 (en) Method and apparatus for providing speech recognition service
US11217246B2 (en) Communication robot and method for operating the same
Sunny et al. Applications and challenges of human activity recognition using sensors in a smart environment
US10630827B2 (en) Electronic device and control method thereof
KR20190089628A (ko) 복수 개의 전자 디바이스를 이용하여 신경망 모델을 처리하는 방법 및 시스템
US20200264005A1 (en) Electronic apparatus and controlling method thereof
US20230290343A1 (en) Electronic device and control method therefor
US20220270605A1 (en) Electronic apparatus and assistant service providing method thereof
EP3725217A1 (en) Electronic device and method for measuring heart rate
US11468270B2 (en) Electronic device and feedback information acquisition method therefor
US11430137B2 (en) Electronic device and control method therefor
US11199409B2 (en) Method for processing measurements of at least one electronic sensor placed in a handheld device
US10551195B2 (en) Portable device with improved sensor position change detection
CN116113909A (zh) 电子设备和用于控制电子设备的方法
US20220309394A1 (en) Electronic device and operation method of the same
Shoushtari et al. L5in+: From an analytical platform to optimization of deep inertial odometry
KR20220121637A (ko) 전자 장치 및 그 동작방법
KR20240073655A (ko) 전자 장치 및 전자 장치의 제어 방법
WO2024059206A1 (en) Egocentric human body pose tracking
KR20240028225A (ko) 로봇 및 로봇의 제어 방법
KR20140083848A (ko) 센서 데이터를 활용한 제스처 인식 방법 및 장치
Feng Sensor fusion with Gaussian processes

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