CN116687346A - 用于生理测量的压力感测 - Google Patents
用于生理测量的压力感测 Download PDFInfo
- Publication number
- CN116687346A CN116687346A CN202310226187.6A CN202310226187A CN116687346A CN 116687346 A CN116687346 A CN 116687346A CN 202310226187 A CN202310226187 A CN 202310226187A CN 116687346 A CN116687346 A CN 116687346A
- Authority
- CN
- China
- Prior art keywords
- wrist
- worn device
- contact pressure
- user
- measurement
- 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
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 200
- 238000000034 method Methods 0.000 claims abstract description 113
- 210000000707 wrist Anatomy 0.000 claims abstract description 71
- 230000008859 change Effects 0.000 claims abstract description 56
- 230000033001 locomotion Effects 0.000 claims description 25
- 230000000694 effects Effects 0.000 claims description 21
- 238000009530 blood pressure measurement Methods 0.000 claims description 15
- 230000009471 action Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 7
- 230000000977 initiatory effect Effects 0.000 abstract description 2
- 238000013186 photoplethysmography Methods 0.000 description 36
- 238000004891 communication Methods 0.000 description 26
- 230000036772 blood pressure Effects 0.000 description 22
- 238000002567 electromyography Methods 0.000 description 19
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 17
- 229910052760 oxygen Inorganic materials 0.000 description 17
- 239000001301 oxygen Substances 0.000 description 17
- 230000006870 function Effects 0.000 description 15
- 230000006835 compression Effects 0.000 description 13
- 238000007906 compression Methods 0.000 description 13
- 230000001965 increasing effect Effects 0.000 description 12
- 239000000090 biomarker Substances 0.000 description 11
- 210000004369 blood Anatomy 0.000 description 10
- 239000008280 blood Substances 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 210000001519 tissue Anatomy 0.000 description 9
- 230000036760 body temperature Effects 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 230000003190 augmentative effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005452 bending Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000541 pulsatile effect Effects 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 239000000853 adhesive Substances 0.000 description 3
- 230000001070 adhesive effect Effects 0.000 description 3
- 210000001367 artery Anatomy 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 210000002321 radial artery Anatomy 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 210000002559 ulnar artery Anatomy 0.000 description 3
- 229920001621 AMOLED Polymers 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000006837 decompression Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000003205 diastolic effect Effects 0.000 description 2
- 210000001061 forehead Anatomy 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 239000004984 smart glass Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000746998 Tragus Species 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000012790 adhesive layer Substances 0.000 description 1
- 210000000709 aorta Anatomy 0.000 description 1
- 230000008321 arterial blood flow Effects 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000010601 detection of muscle activity Effects 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009532 heart rate measurement Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—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
- A61B5/6843—Monitoring or controlling sensor contact pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0247—Pressure sensors
Abstract
本发明涉及用于生理测量的压力感测。本文公开了用于生理测量的压力感测用的方法、系统和设备。在一些实施例中,方法包括:从设置在穿戴于用户的手腕上的腕戴式设备中或腕戴式设备上的一个或多个传感器获取传感器数据。该方法可以包含基于传感器数据确定腕戴式设备的底部部分在用户手腕上的接触压力的测量值。该方法可以包含基于接触压力的测量值,向用户提供一个或多个指令来调整腕戴式设备以使接触压力朝向目标接触压力或目标接触压力范围变化。该方法可以包含使用设置在腕戴式设备中或腕戴式设备上的其他传感器来启动用户的生理测量。
Description
相关申请的交叉引用
本申请要求于2022年3月2日提交的美国临时申请第63/315,801号、以及于2022年12月6日提交的美国非临时申请第18/062,309号的优先权和权益,这些申请被转让给本申请的受让人并且通过引用整体并入本文。
背景技术
诸如智能手表、健身追踪器等腕戴式设备正变得越来越普遍。腕戴式设备可以执行许多功能,包括执行生理测量、分析运动活动、分析睡眠等。这些功能可以依赖于设置在腕戴式设备中和/或腕戴式设备上的传感器。精确的生理测量和分析,例如对于用户安全和健康而言是重要的。因此,期望用于在腕戴式设备上提供精确的生理测量的方法、系统和介质。
发明内容
本文提供了用于生理测量的压力感测用的方法、系统和介质。
在一些实施例中,一种利用腕戴式设备的接触压力测量结果的方法包括:从设置在穿戴于用户的手腕上的腕戴式设备中或腕戴式设备上的一个或多个传感器获取传感器数据;基于该传感器数据,确定该腕戴式设备的底部部分在该用户的手腕上的接触压力的测量值;基于该接触压力的测量值,向该用户提供一个或多个指令来调整该腕戴式设备以使该接触压力朝向目标接触压力或目标接触压力范围变化;以及使用设置在该腕戴式设备中或该腕戴式设备上的其他传感器启动该用户的生理测量。
在一些示例中,至少部分地基于使用与该腕戴式设备相关联的另外一个或多个传感器来执行的该生理测量的类型,识别该腕戴式设备对于该用户的手腕的该目标接触压力。
在一些示例中,至少部分地基于该用户在当前时间参与的活动,识别该腕戴式设备对于该用户的手腕的该目标接触压力。
在一些示例中,至少部分地基于当前环境温度或一天中的当前时间中的一者或多者,识别该腕戴式设备对于该用户的手腕的该目标接触压力。
在一些示例中,至少部分地基于指示该用户处于运动中的运动传感器数据,识别该腕戴式设备对于该用户的手腕的该目标接触压力。
在一些示例中,向该用户提供指令来调整该腕戴式设备以实现该目标接触压力包括:提供指令以将该腕戴式设备的腕带调整一定量,所述量基于经确定的该接触压力与该目标接触压力之间的差来识别。
根据一些实施例,一种利用腕戴式设备的接触压力测量结果的方法包括:从设置在穿戴于用户的手腕上的腕戴式设备中或腕戴式设备上的一个或多个传感器获取传感器数据;基于该传感器数据,确定该腕戴式设备的底部部分在该用户的手腕上的接触压力的测量值;识别用于生理测量的该腕戴式设备的目标接触压力,该生理测量要使用该腕戴式设备进行;基于该接触压力的确定测量值与该目标接触压力之间的差,识别要做出的与执行该生理测量相关的至少一个变化;以及使用该至少一个变化执行该生理测量,以生成该用户的生理指标(physiological metric)。
在一些示例中,至少一个变化包括用于执行该生理测量的该腕戴式设备的至少一个部件的操作特性的变化。在一些示例中,该至少一个部件为光源,并且其中,该操作特性的变化包括向该光源提供的电流的变化。在一些示例中,至少一个变化包括对在执行该生理测量以生成该用户的生理指标时收集的传感器数据的分析的变化。在一些示例中,对该传感器数据的分析的变化包括:在与标准积分持续时间(standard integration timeduration)不同的持续时间内对该传感器数据进行积分,其中,至少部分地基于经确定的接触压力与该目标接触压力之间的差来确定该持续时间。
在一些示例中,该至少一个变化包括记录该生理指标的方式的变化。
在一些示例中,该至少一个变化包括利用使用该腕戴式设备的一个或多个运动传感器收集的运动传感器数据来生成该用户的生理指标。
根据一些实施例,腕戴式设备可以包括顶表面、底表面、一个或多个力传感器、以及处理器。该处理器被配置成:从该一个或多个力传感器接收传感器数据;基于接收到的传感器数据来确定该腕戴式设备的底表面对于穿戴者的手腕的接触压力的测量值;以及基于接收到的传感器数据来执行至少一个动作,其中,该至少一个动作包括以下中的至少一者:(1)至少部分地基于该接触压力的确定测量值,向该穿戴者呈现指令来调整该腕戴式设备;或者(2)至少部分地基于该接触压力的确定测量值,修改使用该腕戴式设备进行生理测量的方式。
在一些示例中,该一个或多个力传感器中的至少一个力传感器为负载传感器,该负载传感器被配置成测量该腕戴式设备的底表面的偏转。
在一些示例中,该一个或多个力传感器中的至少一个力传感器为应变仪类型传感器,该应变仪类型传感器被配置成测量应变。在一些示例中,该应变仪类型传感器被设置成靠近该腕戴式设备的底表面。在一些示例中,该应变仪类型传感器被设置成靠近腕带,该腕带连接到该腕戴式设备的底表面的一部分。
在一些示例中,该至少一个力传感器包括三个或更多个力传感器,并且其中,该处理器还被配置成基于从该三个或更多个力传感器接收到的该传感器数据来确定该穿戴者的手腕上的该腕戴式设备的盘状部(puck)的倾斜,该盘状部包括该顶表面、该底表面、以及围封在该顶表面与该底表面之间的容积。
根据一些实施例,一种利用腕戴式设备的接触压力测量结果的方法包括:从设置在穿戴于用户的手腕上的腕戴式设备中或腕戴式设备上的一个或多个传感器获取传感器数据;基于该传感器数据,确定该腕戴式设备的底部部分在该用户的手腕上的接触压力的测量值;基于该接触压力的测量值,生成指示用户的心脏信号的心冲击图信号;以及使用该心冲击图信号确定用户的至少一个生理测量。
在一些示例中,该至少一个生理测量为用户的心率。在一些示例中,确定用户的心率包括确定心冲击图信号的周期性。
在一些示例中,该腕戴式设备的底部部分被配置成靠近用户的桡动脉或尺动脉。在一些示例中,该至少一个生理测量包括用户的血压,并且其中,接触压力的测量值用于将使用除该一个或多个传感器之外的至少一个传感器获得的相对血压测量结果校准成绝对血压测量结果。在一些示例中,除该一个或多个传感器之外的至少一个传感器包括光发射器和光检测器,该光发射器和该光检测器被配置成获取光电容积描记数据。在一些示例中,该方法还包括识别心冲击图信号中的一个或多个生物标记,其中,确定该至少一个生理测量包括使用与一个或多个生物标记相关联的时序信息。在一些示例中,与一个或多个生物标记相关联的时序信息与光电容积描记信号结合使用,以确定至少一个生理测量。在一些示例中,一个或多个生物标记包括以下中的至少一者:心脏舒张点(diastolic point)和重搏切迹(dicrotic notch)。
在一些示例中,确定至少一个生理测量包括利用心冲击图信号和光电容积描记信号,并且其中,使用设置在与该腕戴式设备配对的设备中的光发射器和光检测器获得光电容积描记信号。在一些示例中,与腕戴式设备配对的设备包括以下中的至少一者:智能眼镜;或虚拟现实(virtual reality,VR)头戴式设备/增强现实(augmented reality,AR)头戴式设备。
根据一些实施例,腕戴式设备可以包括顶表面、底表面、一个或多个力传感器、以及处理器。该处理器可以被配置成:从该一个或多个力传感器接收传感器数据;基于接收到的传感器数据来确定该腕戴式设备的底表面对于穿戴者的手腕的接触压力的测量值;基于该接触压力的测量值,生成指示该用户的心脏信号的心冲击图信号;以及使用该心冲击图信号来确定该用户的至少一个生理测量。
在一些示例中,该至少一个生理测量为以下中的至少一者:穿戴者的心率;穿戴者的血压;或穿戴者的氧饱和度。在一些示例中,该至少一个生理测量包括穿戴者的血压,并且其中,该接触压力的测量值用于将使用除该一个或多个传感器之外的至少一个传感器获得的相对血压测量结果校准成绝对血压测量结果。在一些示例中,除该一个或多个传感器之外的至少一个传感器包括光发射器和光检测器,该光发射器和该光检测器被配置成获得光电容积描记数据。在一些示例中,该光发射器和该光检测器设置在该腕戴式设备的一部分中或一部分上。在一些示例中,该光发射器和该光检测器设置在与该腕戴式设备配对的用户设备的一部分中或一部分上。在一些示例中,与该腕戴式设备配对的用户设备包括增强现实(AR)头戴式设备或虚拟现实(VR)头戴式设备,并且其中,该处理器被配置成与AR/VR头戴式设备的处理器通信。
在一些示例中,该处理器还被配置成识别心冲击图信号中的一个或多个生物标记,其中,确定该至少一个生理测量包括使用与一个或多个生物标记相关联的时序信息。
附图说明
下面将参考以下附图详细地描述说明性实施例。
图1A是根据某些实施例的包括压力传感器的腕戴式设备的一部分的截面视图。
图1B是根据某些实施例的包括压力传感器的腕戴式设备的一部分的侧视图。
图1C和图1D是根据某些实施例的包括多个压力传感器的腕戴式设备的一部分的俯视图。
图1E是示出根据某些实施例的应变仪类型压力传感器的使用的示意图。
图1F是示出根据某些实施例的压缩力类型压力传感器的使用的示意图。
图2是展示了腕戴式设备的腕带松紧度对生理测量的影响的图示。
图3是根据某些实施例的用于向腕戴式设备的穿戴者提供指令以调整接触压力的示例性方法的流程图。
图4是根据某些实施例的利用针对生理测量的闭环控制的压力感测的示例性方法的流程图。
图5是利用确定至少一个生理测量的压力测量结果的示例性方法的流程图。
图6是根据某些实施例的可以被实现为移动设备和/或用户设备的一部分的计算系统的示例的简化框图。
图7是根据某些实施例的可以被实现为服务器的一部分的计算系统的示例的简化框图。
附图仅出于说明的目的描绘了本公开的实施例。本领域技术人员将从以下描述容易地认识到,在不脱离本公开的原理或所宣扬的益处的情况下,可以采用所示的结构和方法的替代实施例。
在附图中,相似的部件和/或特征可以具有相同的附图标记。此外,相同类型的各种部件可以通过在附图标记后加上破折号和第二标记来区分,该第二标记用于区分相似的部件。如果在说明书中仅使用第一附图标记,那么描述适用于具有同一第一附图标记的相似部件中的任一者,而与第二附图标记无关。
具体实施方式
诸如智能手表和健身追踪器等腕戴式设备通常包括用于执行生理测量的传感器。这种生理测量可以包括:基于光电容积描记(photoplethysmography,PPG)的测量(其可以包括心率、血压、氧饱和度等)、基于运动传感器的测量(其可以包括呼吸率等)、基于肌电图(electromyography,EMG)的测量(其可以包括与手部、手腕、手臂和/或手指相关联的肌肉活动的检测)、体温测量等。传感器可以设置在腕戴式设备中和/或腕戴式设备上,例如设置在腕戴式设备的后盖(该后盖被配置成与穿戴者的手腕接触)中和/或后盖附近、设置在腕戴式设备的腕带(该腕带被配置成与穿戴者的手腕接触)中和/或腕带附近、或类似的设置方式。例如,可以使用一个或多个光源(例如,发光二极管(light emitting diode,LED))和一个或多个光检测器来进行基于PPG的测量,该一个或多个光源和该一个或多个光检测器被定位在腕戴式设备的后盖中和/或后盖上,使得光朝向穿戴者的手腕发射并且从穿戴者的组织反射出的光被一个或多个光检测器检测到。作为另一示例,可以使用设置在腕戴式设备的后盖中和/或后盖上、腕戴式设备的腕带中和/或腕带上、或类似设置的表面EMG电极来进行基于EMG的测量。
生理测量的精确性取决于用于执行生理测量的传感器数据的质量。传感器数据的质量进而取决于(一个或多个)传感器的定位良好程度和/或(一个或多个)传感器与穿戴者的皮肤的接触质量。当传感器被设置成靠近腕戴式设备的后盖和/或腕戴式设备的腕带时,传感器定位的质量取决于腕戴式设备的配合度(fit)。例如,在腕戴式设备过松的情况下,由于腕戴式设备在穿戴者的手腕上滑移,传感器与穿戴者的皮肤的接触可能不良或不一致。相反,过紧的腕戴式设备也可能会负面地影响生理测量的质量。例如,过紧的腕戴式设备可能在用于确定体温的温度传感器测量中造成温度伪像(temperature artifact)。作为另一示例,在进行基于PPG的测量的情况下,过紧的腕戴式设备可能会阻塞动脉血液流动,从而导致动脉血液的吸收光谱的测量结果不精确,这可能导致心率、血压和/或氧饱和度测量结果的不精确。因此,腕戴式设备对于穿戴者的手腕的松紧度是使用腕戴式设备的传感器进行的生理测量的质量的关键要素。腕戴式设备对于穿戴者的手腕的松紧度可以与腕戴式设备的后盖对于穿戴者的手腕的接触压力相关。因此,在一些实施例中,腕戴式设备的后盖对于穿戴者的手腕的经测量的接触压力可以用于估计腕带松紧度。
本文所描述的技术使用设置在腕戴式设备中和/或腕戴式设备上的压力传感器来确定腕戴式设备的后盖对于穿戴者的手腕的接触压力。压力传感器可以为应变仪类型传感器和/或压缩力类型传感器,该应变仪类型传感器基于接触压力来检测该应变仪类型传感器粘附到的表面的偏转或弯曲,该压缩力类型传感器检测该压缩力类型传感器粘附到的两个表面之间的压缩力。结合图1A至图1F更加详细地描述压力传感器的类型和位置。
在一些实施例中,本文所描述的技术确定了目标接触压力。目标接触压力可以对于特定类型的生理测量是最佳的,如下面结合图2所示出和所描述的。在一些实施方式中,基于环境天气状况(例如,温度、湿度等)、基于穿戴者的当前活动状态(例如,穿戴者正在锻炼、就坐、睡眠等)、或它们的任何组合,目标接触压力可以取决于对于个体穿戴者而言是独特的、待执行的生理测量的类型。在一些实施例中,可以向穿戴者提供指令,以指示穿戴者例如通过使腕戴式设备的腕带收紧或松弛来调整腕戴式设备的松紧度(并且相应地调整设备的后盖对于穿戴者的手腕的接触压力),如下面结合图3所示出和所描述的。附加地或替代地,在一些实施例中,可以基于当前接触压力与目标接触压力之间的差对收集生理测量的方式进行改变,以产生更稳健和/或更精确的生理测量。例如,在执行基于PPG的测量的情况下,可以改变用于朝向穿戴者发射光的LED的LED电流。作为另一示例,可以增加用于进行生理测量的传感器数据的积分时间,以增加信噪比。作为又一示例,可以确定考虑了其他数据(诸如运动数据或体温数据)的生理测量,以确保更精确的生理测量。下面结合图4示出并描述了基于接触压力来修改对生理测量的收集的技术的示例。
在一些实施例中,针对特定类型的生理测量的目标接触压力可以为最佳接触压力,在该最佳接触压力下由传感器收集以执行生理测量的数据具有最高的信噪比,具有在连续测量之间相对低的方差、和/或满足传感器数据的稳健性的任何其他标准。在一些实施例中,目标接触压力可以为用于执行特定生理测量的接触压力,其中减小接触压力和增加接触压力都产生了较低质量的传感器数据。换句话说,目标接触压力可以为使传感器数据质量与接触压力相关的函数的最大值。应当注意,这种函数可以基于各种因素而变化,这些因素诸如是生理测量的类型、一天中的时间、穿戴者活动、环境天气特征、和/或人与人之间的可变性。
在一些实施例中,优化腕戴式设备的后盖对于穿戴者的手腕的接触压力(并且相应地优化腕带松紧度)可以提高各种生理测量的质量。例如,可以通过在穿戴者运动(例如,正锻炼等)时提高传感器接触质量来改善心率测量。作为另一示例,可以通过提高传感器接触质量、通过从(一个或多个)光发射器和/或(一个或多个)光检测器的视场移除静脉血液等来改善氧饱和度测量和/或血压测量。作为又一示例,可以通过提高针对穿戴者的皮肤的传感器接触质量来改善皮肤温度测量。作为又一示例,可以通过提高针对穿戴者的皮肤的传感器接触质量、和/或指示EMG电极何时不与皮肤接触来改善EMG测量。这样可以使对于错误姿势或遗漏姿势的检测得到改善。
在一些实施方式中,经确定的接触压力(例如,腕戴式设备的后盖在穿戴者的手腕上的压力)可以用于除了改善生理测量之外的目的。例如,在一些实施例中,经确定的接触压力可以用于确定腕戴式设备是否在给定时间位于穿戴者的手腕上。确定腕戴式设备是否位于穿戴者的手腕上可以触发或变化腕戴式设备的各种功能性,例如腕戴式设备的各种按钮或其他输入部的功能。作为另一示例,在一些实施例中,经确定的接触压力可以用于修改腕戴式设备的一个或多个天线的天线功率设置。举例来说,在腕戴式设备的天线被设置成靠近腕戴式设备的底盖的情况下,天线充分发射信号所需的发射功率可以取决于腕带的松紧度,例如这是由于天线发射的信号因对穿戴者皮肤的接触压力而衰减。继续该示例,在一些实施例中,可以至少部分地基于腕戴式设备对于穿戴者的手腕的接触压力来修改(例如,增加或减少)这种天线的发射功率。
应注意,如本文中所使用的术语“接触压力”通常是指设备表面的一部分(例如,腕戴式设备的后盖)在身体表面的区域(例如,腕戴式设备的穿戴者的手腕)上的力的测量值。如本文所使用的,“压力传感器”可以包括测量每单位面积的力(例如,磅/平方英寸等)的压力传感器,或测量力的力传感器。在测量力的情况下,可以基于经测量的力来确定接触压力的测量值,例如,通过将经测量的力除以已知的表面积(例如,腕戴式设备的底盖的面积等)来确定接触压力的测量值。
图1A示出了根据一些实施例的示例性腕戴式设备100的截面侧视图。如图所示,背部部分(在本文中有时称为“背部”或“后盖”部分)搁置在穿戴者的身体的身体部位101(例如,手腕表面、手臂表面等)上。腕戴式设备100包括两个腕带部分102和103,每个腕带部分(例如,经由夹子、铰链或粘接剂等)联接到封壳104的端部。封壳104的顶部部分可以包括显示屏、以及搁置在身体部位101上的底盖106。一个或多个压力传感器可以粘附到封壳104和/或嵌入封壳104内。压力传感器的示例性位置在图1A中示出。例如,压力传感器108定位在封壳104的一侧处。作为另一示例,压力传感器110和112沿着封壳104的底部部分定位,压力传感器110和112中的每一个都靠近封壳104的端部,腕带部分102或腕带部分103联接在该端部处。作为又一示例,压力传感器114沿着封壳104的底部部分且靠近底盖106定位。作为又一示例,压力传感器116定位在设置在封壳104内的芯片或电路板118上。在一些实施方式中,电路板118可以包括适于收集用于执行生理测量的数据的一个或多个传感器,诸如一个或多个发光二极管(LED)、一个或多个光检测器、一个或多个加速度计、或一个或多个陀螺仪等。在一些实施方式中,来自光发射器的光可以穿过底盖106朝向身体部位101照射,并且从身体部位101、或身体的靠近身体部位101的区域反射的光可以透射穿过底盖106并且被封壳104内的一个或多个光检测器捕获。应当注意,尽管在图1A中描绘了五个压力传感器,但是这仅仅是示例性的,并且在一些实施方式中,腕戴式设备可以包括任何合适数量的压力传感器(例如,一个、两个、三个、四个、六个或十个等)。
图1B示出了另一示例性腕戴式设备120的侧视图。如图所示,腕戴式设备120包括联接到封壳124的两个对应端部的两个腕带部分122和123。封壳124的底盖126被配置成搁置在穿戴者的手腕121的一部分上。图1B展示了可以包括在腕戴式设备120中的压力传感器的可能位置,这些压力传感器被配置成感测底盖126对于手腕121的压力。例如,压力传感器128和/或130可以定位在封壳124的靠近联接腕带部分122或腕带部分123的位置的侧部上。作为另一示例,压力传感器132和/或134可以定位成靠近底盖126被粘附到封壳124的底部部分的位置。应注意,尽管在图1B中描绘了四个压力传感器,但是这仅仅是示例性的,并且在一些实施方式中,除了图1B中所示数量的压力传感器之外,还可以使用任何合适数量的压力传感器(例如,一个、两个、三个、五个、六个或十个等)。
在一些实施例中,多个(例如,两个、三个、四个、五个、六个等)压力传感器可以被设置成靠近腕戴式设备的底盖,使得压力传感器被配置成检测跨与腕戴式设备的底盖相对应的X-Y平面的压力的变化。跨X-Y平面的压力的变化可以用于检测腕戴式设备的封壳相对于穿戴者的身体(例如,手腕表面)的倾斜。例如,跨X-Y平面的压力的变化可以检测到封壳向一侧倾斜(例如,由于腕戴式设备对于穿戴者来说过大或过小)。在一些实施方式中,跨X-Y平面的压力的变化可以用于检测穿戴者正在封壳的顶表面(例如,显示器)上进行按压或移动手指的位置。在一些实施例中,这种压力变化可以用作例如用户界面上的用户输入(例如,滚动显示器上呈现的用户界面、或调整由与腕戴式设备配对的用户设备呈现的音频内容的音量等)。
图1C和图1D示出了示例性腕戴式设备的图示,在该腕戴式设备上靠近底盖设置有多个压力传感器。在图1C所示的实施例中,每个压力传感器132、134、136、138和140被粘附到印刷电路板(printed circuit board,PCB),每个PCB被设置在靠近底盖的不同位置中。在图1D所示的示例中,压力传感器152、154、156、158、160、162、164、166和168设置在一个共同PCB上,该共同PCB进而被设置成靠近底盖。在一些实施方式中,该共同PCB可以另外包括其他传感器和/或一个或多个处理器,这些其他传感器和/或一个或多个处理器可以用于执行生理测量和/或用于任何其他合适的目的。
在一些实施方式中,压力传感器可以为应变仪类型传感器。应变仪类型传感器可以检测由于腕戴式设备的底盖在穿戴者的身体部位上的压力而引起的弯曲。例如,靠近底盖定位的应变仪类型传感器可以检测腕戴式设备的底盖的弯曲或偏转。作为另一示例,由于例如腕戴式设备的腕带在封壳的侧面上的拉动,靠近腕戴式设备的封壳的侧面定位的应变仪类型传感器可以检测到封壳的侧面的弯曲或偏转。在一些实施例中,应变仪类型传感器可以粘附到应变仪类型传感器所检测到偏转或弯曲的表面。
图1E是展示了根据一些实施例的应变仪类型传感器的使用的示意图。如图所示,应变仪传感器152经由粘接层154粘附到触摸表面156。在一些实施方式中,触摸表面156可以与腕戴式设备的底盖相对应。例如,应变仪传感器152可以粘附到触摸表面156的第一侧部(例如,在腕戴式设备的封壳的内部部分中),并且触摸表面156的第二(例如,相反)侧部可以被配置成与穿戴者的身体部位(例如,穿戴者的手腕)相接触。应当注意,在一些实施方式中,应变仪传感器可以粘附到没有一个侧部被配置成与穿戴者相接触的表面。例如,在一些实施例中,应变仪传感器152可以粘附到封壳的侧部部分,其中与粘附了应变仪传感器152的端部相对的端部对应于联接了腕带的端部。
在一些实施方式中,压力传感器可以为压缩力传感器。压缩力传感器可以定位在两个表面之间并且可以被配置成检测这两个表面之间的压缩力。例如,压缩力传感器可以定位在腕戴式设备的底盖与腕戴式设备的另一表面(例如,腕戴式设备的封壳内部内的PCB表面)之间,使得由压缩力传感器产生的信号与腕戴式设备的底盖在穿戴者的身体部位(例如,手腕)上的力成正比。
图1F是展示了根据一些实施例的压缩力传感器的使用的示意图。如图所示,压力传感器162可以粘附到橡胶元件164,该橡胶元件进而可以经由粘接剂166粘附到触摸表面168。类似于上文结合图1E所描述的内容,触摸表面168可以与腕戴式设备的底盖相对应。例如,粘接剂166可以位于触摸表面168的第一侧部上(例如,在腕戴式设备的封壳的内部部分中),并且触摸表面168的第二(例如,相反)侧部可以被配置成与穿戴者的身体部位(例如,穿戴者的手腕)相接触。在一些实施例中,橡胶元件164可以用于热隔离和/或机械隔离压力传感器162,使得压力传感器162不受触摸表面168的与穿戴者的皮肤物理接触的部分上的热变化的影响。如图1F所示,压力传感器162的相反侧部粘附到相对表面170。相对表面170可以定位在腕戴式设备的封壳的内部内。例如,相对表面170可以为位于封壳内的PCB的表面。
诸如健身追踪器或智能手表等的腕戴式设备频繁地测量穿戴者的生理特性。这些生理特性可以包括心率、氧饱和度或血压。可以使用来自腕戴式设备上的一个或多个传感器(诸如一个或多个光发射器、一个或多个光检测器、一个或多个加速度计、一个或多个陀螺仪等)的测量结果来确定这些生理特性。举例来说,PPG为可以用于确定心率、氧饱和度、血压等的技术的示例。在PPG中,向穿戴者的皮肤发射光,然后光从皮肤和/或从各种内部身体区域(例如,血管、血细胞、骨骼等)反射。然后,反射光被腕戴式设备的一个或多个光检测器捕获,并且反射光的特性(诸如不同波长光在吸收方面的变化)可以用于确定心率、氧饱和度、血压等。
在使用位于腕戴式设备上的传感器来确定生理特性的情况下,腕戴式设备的配合度是重要的。特别地,过松的配合和过紧的配合都可能会导致不精确的或次优的测量结果,这些不精确的或次优的测量结果进而会产生不精确的或次优的生理特性估计。图2展示了根据一些实施例的用于生理测量的最佳腕带松紧度的示例,这些生理测量依赖于(例如,使用PPG)检测反射光。如面板202所示,在腕戴式设备的后部(例如,腕戴式设备的底盖的表面)不与穿戴者的身体相接触的情况下,发射光可能不会到达穿戴者的组织中的血管,并且相应地,反射光也可能不会到达腕戴式设备内的光检测器。这可能导致不良的PPG数据,并且进而导致基于PPG数据确定的不良的生理测量。转向面板204,在腕戴式设备的后部与穿戴者的身体相接触的情况下,来自腕戴式设备的发射器的发射光可以穿过穿戴者的皮肤并从携带静脉血液和动脉血液两者的血管反射出。在这种情况下,基于PPG的生理测量可以是可能的,但是因为包括静脉(例如,非含氧)血液的吸收的测量可能导致不太可靠的结果,所以造成腕戴式设备刚好与穿戴者的皮肤接触的腕带松紧度可能会产生次优的(例如,不精确的)结果。转向面板206,在腕带松紧度是最佳的情况下,可以阻塞静脉血液,而允许不阻塞动脉血液。在这种情况下,通过抑制静脉血液的吸收测量,基于PPG的测量可以是最精确的。转向面板208,在腕戴式设备的腕带过紧的情况下,可能阻塞静脉血液和动脉血液这两者。由于也阻塞了动脉血液,基于PPG的测量可能不如在腕带不那么紧的情况下精确。
换句话说,如图2所示,对于生理测量而言,腕戴式设备对于穿戴者的手腕可以有最佳的接触压力(并且相应地具有最佳的腕带松紧度)。应注意,虽然图2展示了在使用经测量的反射光的特性进行生理测量的情况下的最佳接触压力的示例,但是对于使用其他技术(诸如基于加速度计等)进行的生理测量,也可能存在最佳的腕带松紧度。此外,最佳的接触压力可以基于多个因素而变化,这些因素诸如是正使用的传感器的类型、正执行的生理测量的类型、环境温度、穿戴者是否在运动中(例如,正行走、正跑步等)、或穿戴者是否正睡觉等。
在一些实施方式中,可以使用腕戴式设备的一个或多个压力传感器来确定腕戴式设备对于穿戴者的手腕的当前接触压力。当前接触压力可以与目标接触压力进行比较。目标接触压力针对不同类型的生理测量、针对不同的人、在不同的环境温度或湿度水平下、在不同的活动期间(例如,睡眠、锻炼、在计算机前工作等)可以是不同的,并且/或者目标接触压力可以基于任何其他标准而变化。在一些实施方式中,可以针对个人基于在该个人正穿戴腕戴式设备时执行的校准过程来确定目标接触压力。附加地或替代地,可以基于从多个用户收集的数据来确定目标接触压力。在一些实施例中,基于目标接触压力与当前接触压力之间的差,可以向穿戴者提供指令来改变腕戴式设备的松紧度以实现目标接触压力。例如,可以提供指令以使腕戴式设备的腕带(例如,通过建议数量的槽口)收紧、或使腕戴式设备的腕带(例如,通过建议数量的槽口)松弛等。
图3是根据一些实施例的提供指令来变化腕戴式设备的松紧度的示例性方法300的流程图。在一些实施方式中,方法300的方框可以由一个或多个处理器执行。在一些实施例中,一个或多个处理器可以位于腕戴式设备上。附加地或替代地,在一些实施例中,一个或多个处理器可以位于与腕戴式设备配对的用户设备(例如,移动电话或平板电脑等)上、位于服务器设备上或任何其他合适的设备上。在一些实施例中,可以以与图3所示的顺序不同的顺序来执行方法300的这些方框。在一些实施方式中,可以基本上并行地执行方法300的两个或更多个方框。在一些实施例中,可以省略方法300的一个或多个方框。
方法300可以从302开始,在302处从设置在腕戴式设备中和/或腕戴式设备上的一个或多个压力传感器获取传感器数据。如上文结合图1A至图1D所示并描述的,一个或多个压力传感器可以设置在腕戴式设备的后盖附近、设置在腕戴式设备的封壳的侧部附近、设置在腕戴式设备的腕带附近、并且/或者设置在任何其他合适的位置。如上文结合图1E和图1F所描述的,一个或多个压力传感器可以为应变仪类型传感器、压缩力传感器、和/或应变仪传感器和压缩力传感器的组合。传感器数据可以通过处理器获取,该处理器可以位于腕戴式设备上或远离腕戴式设备。例如,可以从腕戴式设备向与腕戴式设备配对的用户设备传送传感器数据,以用于后续分析和处理。作为另一实例,可以从腕戴式设备向服务器设备传送传感器数据,以用于后续分析和处理。
在304处,方法300可以基于传感器数据来确定腕戴式设备对于穿戴者的手腕的接触压力。例如,在一个或多个压力传感器包括应变仪类型传感器的情况下,方法300可以基于应变仪类型传感器粘附到的表面的偏转量来确定接触压力。作为另一示例,在一个或多个压力传感器包括压缩力类型传感器的情况下,方法300可以基于由压缩力传感器经历的压缩量来确定接触压力。在一些实施方式中,方法300可以通过向查找表或算法(例如,一个或多个数学函数)提供传感器数据来确定接触压力,该查找表或算法(例如,一个或多个数学函数)将传感器数据转换为接触压力测量结果。
在传感器数据包括来自两个或更多个压力传感器的传感器数据的情况下,方法300可以组合来自两个或更多个压力传感器的数据。例如,在一些实施方式中,方法300可以通过对来自两个或更多个压力传感器的数据进行平均或组合来确定集合接触压力。在一些实施方式中,响应于两个或更多个压力传感器是相同的传感器类型(例如,应变仪传感器或压缩力传感器),方法300可以集合来自两个或更多个压力传感器的传感器数据。作为另一示例,在一些实施方式中,方法300可以利用来自两个或更多个压力传感器的传感器数据来确定腕戴式设备的封壳是否在特定方向上倾斜。作为更具体的示例,在两个压力传感器设置在腕戴式设备的后盖的相反侧部处、并且两个压力传感器中的一个压力传感器相比另一压力传感器输出的传感器数据指示更大的接触压力情况下,方法300可以确定腕戴式设备的封壳朝向提供了增加的接触压力测量结果的压力传感器倾斜。
在306处,方法300可以识别腕戴式设备的目标接触压力。在一些实施方式中,可以基于要执行的生理测量、用于生理测量的传感器的类型、穿戴者的当前活动状态、当前环境温度或湿度、和/或这些因素的任何合适的组合来识别目标接触压力。在识别目标接触压力时可以考虑的生理测量的类型的示例包括心率、氧饱和度、血压、EMG感测、和/或体温。用于生理测量的传感器的类型的示例包括光发射器、光检测器、加速度计、陀螺仪或表面EMG电极等。在一些实施例中,当确定目标接触压力时,可以考虑要在反射中发射和/或捕获的光的波长。活动状态的示例可以包括步行、跑步、就坐、打字或睡眠等。
在一些实施例中,方法300可以以特定于腕戴式设备的穿戴者的方式确定目标接触压力。例如,在一些实施例中,可能已经预先针对腕戴式设备的穿戴者执行了校准技术,从而针对不同的生理测量、在不同的活动状态下、或在不同的环境温度或湿度下等,确定目标接触压力。在一些这样的实施例中,校准技术可以包含以变化的腕带松紧度执行一个或多个生理测量(例如,测量心率或氧饱和度等)。例如,校准技术可以包含指示用户将腕带调整到其优选的松紧度,执行生理测量,指示用户将腕带调整到更紧和/或更松的状态,并且再次执行生理测量。继续该示例,针对被执行的生理测量的最佳腕带松紧度可以被识别为与接触压力相对应的腕带松紧度,在该接触压力下,生理测量结果满足各种标准(例如,一系列生理测量结果的方差低于预定阈值等)。在一些实施例中,可以在不同环境温度条件下针对穿戴者重复该校准技术。
在一些实施方式中,方法300可以基于从除腕戴式设备的穿戴者之外的多个用户收集的数据来确定目标接触压力。例如,在一些实施例中,可以从多个用户的腕戴式设备收集生理测量结果,并且将这些生理测量结果与其他数据(这些数据指示例如进行生理测量时腕戴式设备的接触压力、进行生理测量时的环境温度和/或湿度、或进行生理测量时穿戴者参与的活动等)一起进行存储。继续该示例,可以基于各种标准对生理测量结果进行质量评分或评估,这些标准诸如是生理测量结果精确的可能性(例如,基于生理测量结果是否是似真值)、在相对较短的持续时间内(例如,在五秒钟内、十秒钟内、三十秒钟内或一分钟内等)收集的一系列生理测量结果的方差、和/或任何其他标准。仍继续该示例,目标接触压力可以被识别为与来自多个用户的较高得分的生理测量结果相关联的接触压力。换句话说,目标接触压力可以被识别为更有可能产生更高质量的生理测量结果的接触压力。在一些实施例中,可以使用来自多个用户的数据来训练一个或多个机器学习模型,并且可以通过提供指示要执行的一个或多个生理测量、用于执行一个或多个生理测量的传感器的类型、穿戴者的当前活动状态、和/或环境天气状况的输入来获得目标接触压力,其中目标接触压力为机器学习模型的输出。
在308处,方法300可以向穿戴者提供指令来调整腕戴式设备以实现经识别的目标接触压力。例如,在方框304处检测到的接触压力大于方框306处识别到的目标接触压力的情况下,方法300可以呈现指示用户将腕戴式设备的腕带松弛以减小当前接触压力的指令。相反,在方框304处检测到的接触压力小于方框306处识别到的目标接触压力的情况下,方法300可以呈现指示用户将腕戴式设备的腕带收紧以增加接触压力的指令。在一些实施例中,这些指令可以包括调整幅度的指示。例如,这些指令可以指示使腕带松弛或收紧的槽口的数量。举例来说,这些指令可以陈述“进一个槽口增加腕带松紧度”等。在一些实施例中,可以基于当前接触压力与经识别的目标接触压力相差的程度来确定调整幅度,其中针对当前接触压力与目标接触压力之间的更大的差,指示更大的调整,且反之亦然。
在一些实施例中,这些指令可以呈现在腕戴式设备的显示器上。附加地或替代地,这些指令可以呈现在与腕戴式设备配对的用户设备的显示器(诸如配对的移动电话或平板电脑的显示器)上。在一些实施方式中,这些指令可以结合任何合适类型的警报(诸如触觉反馈或可听音等)呈现。
在一些实施方式中,附加地或替代地,为了提供用以调整腕戴式设备的腕带的松紧度的指令,可以在基于腕戴式设备对于穿戴者的手腕的当前接触压力执行生理测量时进行一个或多个变化。在执行生理测量时进行的一个或多个变化可以允许对生理测量进行闭环控制,从而使生理测量更精确。在一些实施方式中,一个或多个变化可以包括硬件的变化。例如,一个或多个变化可以包括用于朝向穿戴者的组织发射光的LED的电流增加,诸如结合基于PPG的测量所使用的用于朝向穿戴者的组织发射光的LED的电流增加。在一些实施方式中,一个或多个变化可以包括确定生理测量的方式的变化。例如,在基于收集到的传感器数据(例如,从一个或多个光检测器收集到的数据、或从一个或多个EMG电极收集到的数据等)确定生理测量(例如,心率、氧饱和度、血压或EMG等)的情况下,一个或多个变化可以包括在比通常的持续时间更长的持续时间内对收集到的传感器数据进行积分,以例如增加信噪比。在一些实施方式中,一个或多个变化可以包括用其他数据(诸如体温数据或运动传感器数据等)增强用于确定生理测量的传感器数据,这可以提高生理测量的精确性。在一些实施方式中,响应于确定了当前接触压力偏离目标接触压力超过阈值量,可以以变化的方式报告生理测量,例如,由于腕戴式设备的不适当的腕带松紧度指示生理测量可能不精确。可替代地,在一些实施方式中,响应于当前接触压力偏离目标接触压力超过阈值量,可以丢弃生理测量(例如,不存储和/或不提供给穿戴者)。
图4是根据一些实施例的基于腕戴式设备对于穿戴者的手腕的接触压力的生理测量的闭环控制的示例性方法400的流程图。在一些实施方式中,方法400可以由一个或多个处理器执行。一个或多个处理器可以位于腕戴式设备上。附加地或替代地,一个或多个处理器中的至少一处理器可以位于与腕戴式设备配对的用户设备(例如,移动电话或平板电脑等)上、位于服务器上等。在一些实施例中,可以以与图4中所示的顺序不同的顺序执行方法400的方框。在一些实施例中,可以基本上并行地执行方法400的两个或更多个方框。在一些实施例中,可以省略方法400的一个或多个方框。
方法400可以从402开始,在402处从设置在腕戴式设备中和/或腕戴式设备上的一个或多个压力传感器获取传感器数据。类似于上文结合图3的方框302所描述的内容,一个或多个压力传感器可以设置在腕戴式设备的任何合适的位置处,并且一个或多个压力传感器可以为应变仪类型传感器、压缩力类型传感器、或它们的任何组合。
在404处,方法400可以基于传感器数据确定腕戴式设备对于穿戴者的手腕的接触压力。类似于上文结合图3的方框304所描述的内容,可以使用传感器数据,例如通过向算法或查找表提供传感器数据来确定接触压力,该算法或查找表将传感器数据转换为对应的接触压力。附加地或替代地,如上文结合图3的方框304所描述的,来自多个压力传感器的数据可以被组合以确定集合接触压力并且/或者确定腕戴式设备的封壳相对于穿戴者的手腕的倾斜。
在406处,方法400可以针对要使用腕戴式设备的传感器进行的生理测量的类型来识别腕戴式设备的目标接触压力。生理测量的类型的示例包括心率、氧饱和度、血压、呼吸率、肌肉活动测量(例如,EMG测量)和/或体温。在一些实施方式中,方法400可以通过访问查找表针对生理测量的类型识别目标接触压力,该查找表为特定类型的生理测量指定目标接触压力。附加地或替代地,在一些实施例中,方法400可以通过向机器学习模型提供生理测量的类型连同任何其他相关信息(例如,当前环境天气状况、穿戴者的当前活动状态等)来识别目标接触压力,该机器学习模型用于生成目标接触压力以作为输出。应当注意,在一些实施方式中,查找表、经训练的机器学习模型、和/或目标接触压力的任何其他来源对于腕戴式设备的穿戴者可以是特定的。在这种情况下,可以基于腕戴式设备的穿戴者执行的校准例程来生成查找表、或经训练的机器学习模型等,如上文结合图3的方框306所描述的。
在408处,方法400可以基于在方框404处确定的接触压力与在方框406处识别的目标接触压力之间的差来确定在执行生理测量时要做出的至少一个变化。在一些实施方式中,做出的至少一个变化取决于差异的方向(例如,接触压力是大于目标接触压力还是小于目标接触压力)、差异程度、和/或生理测量的类型。例如,在生理测量的类型是基于PPG的测量(例如,基于PPG信号确定心率、基于PPG信号确定血压、或基于PPG信号确定氧饱和度等)的情况下,至少一个变化可以包括用于朝向穿戴者的组织发射光的光发射器的变化。作为更具体的示例,至少一个变化可以包括LED电流的变化(例如,增加LED电流),以使朝向穿戴者的组织发射的光更明亮/更强烈,这可以使与目标接触压力不同的接触压力的负面影响得到改善。在一些实施方式中,LED电流的变化程度可以与接触压力与目标接触压力相差的程度相对应。例如,在一些实施例中,在接触压力与目标接触压力不同的情况下,LED电流可以改变更大量,且反之亦然。作为更具体的示例,在接触压力小于目标接触压力的情况下,可以增加LED电流以克服腕戴式设备的后盖与穿戴者的手腕接触不良造成的负面影响(例如,如上文结合图2的面板204所示并描述的)。作为另一个更具体的示例,在接触压力大于目标接触压力的情况下,可以减小LED电流以克服过紧的腕戴式设备造成的负面影响(例如,如上文结合图2的面板208所示并描述的)。
作为另一示例,在一些实施方式中,至少一个变化可以包括在相对于典型积分持续时间增加的持续时间内对用于执行生理测量的传感器数据进行积分。通过在更长的时间段内对传感器数据进行积分,可以对传感器数据中的噪声进行平均,从而使用于确定生理测量的传感器数据中的信噪比增加。在一些实施例中,在接触压力大于目标接触压力的情况下、以及在接触压力小于目标接触压力的情况下,可以增加持续时间。在一些实施例中,可以基于要执行的生理测量的类型来改变积分时间。例如,在生理测量对应于第一类型的生理测量(例如,心率)的情况下,积分时间可以改变第一量,而在生理测量对应于第二类型的生理测量(例如,氧饱和度)的情况下,积分时间可以改变第二量。
作为又一示例,在一些实施方式中,至少一个变化可以包括在确定生理测量时考虑其他数据。例如,其他数据可以包括运动数据(例如,从腕戴式设备的一个或多个加速度计和/或陀螺仪获得的运动数据)和/或体温数据(例如,从腕戴式设备的一个或多个温度传感器获得的体温数据)。举例来说,在确定了接触压力与目标接触压力相差超过阈值量、并且要进行的生理测量包括穿戴者的心率的情况下,可以在确定心率时考虑运动数据。这可以补偿由例如在锻炼期间过松的腕带和腕戴式设备在穿戴者的手腕上滑移造成的影响。作为另一示例,在确定了接触压力与目标接触压力相差超过阈值量、并且要进行的生理测量包括EMG测量(例如,手指、手腕、手部和/或手臂肌肉的EMG测量)的情况下,可以在确定EMG活动时考虑运动数据。这可以补偿由例如过松的腕带或过紧的腕带妨碍在手部、手指或手腕运动期间获取稳健EMG信号造成的影响。
在410处,方法400可以在实现至少一个变化时执行生理测量。例如,在生理测量包含基于PPG的测量的情况下,方法400可以使得光朝向穿戴者的组织发射,获取指示从穿戴者的组织反射的光的测量结果,并且在实现至少一个变化(例如,光发射器的LED电流的变化,在更长时间段内对光检测器的输出进行积分,考虑运动传感器数据,考虑温度传感器数据等)时基于获取的测量结果来确定生理测量。作为另一示例,在生理测量包含EMG测量的情况下,方法400可以从一个或多个EMG电极接收输出,并且在实现至少一个变化(例如,在更长时间段内对EMG电极的输出进行积分,考虑运动传感器数据,考虑温度传感器数据等)时确定一个或多个肌肉的EMG活动。在一些实施例中,可以通过向机器学习模型提供其他数据(例如,运动数据或温度数据等)而考虑这些其他数据,该机器学习模型采用传感器数据(例如,光检测器数据或EMG电极数据等)以及这些其他数据生成生理测量。
在一些实施例中,可以在随后的生理测量期间维持在执行生理测量时做出的至少一个变化。例如,可以维持至少一个变化,直到接触压力变化(例如,更接近目标接触压力)为止。作为另一示例,可以维持至少一个变化,直到至少一个其他条件变化(诸如穿戴者的活动状态的变化、或环境天气条件的变化等)为止。继续该示例,响应于检测到至少一个其他条件变化,可以确定是否继续在进行生理测量时做出的至少一个变化。举例来说,在基于PPG的测量期间增加LED电流的情况下,可以在用户的当前活动状态期间(例如,在锻炼期间)使用增加的LED电流,并且响应于检测到当前活动状态的变化(例如,在休息期间),可以重新评估在基于PPG的测量期间增加的LED电流的使用。
在一些实施方式中,接触压力信息可以用于确定至少一个生理测量。例如,接触压力信息可以指示由腕戴式设备下的用户动脉(例如桡动脉或尺动脉)的脉动变化赋予腕戴式设备的后盖的脉动压力变化。特别地,对于每个心跳,从心脏的主动脉喷射的血液可以引起远侧动脉(例如,手腕中的桡动脉和/或尺动脉)的向上和随后向下的脉动运动,其中动脉的脉动运动可以传递到腕戴式设备的后盖,并且由后盖附近的力传感器检测和/或表征。接触压力信息可以被认为是心冲击图信息。
在一些实施例中,接触压力信息可以用于确定心率。例如,接触压力信息可以与心冲击图数据相对应。继续该示例,可以基于例如心冲击图数据的周期性从这些心冲击图数据确定心率。举例来说,心率可以被确定为心冲击图信号的周期的倒数。可以使用频谱分析技术等来确定周期性信息。作为另一示例,接触压力信息可以用于结合PPG数据来确定其他生理测量,诸如血压或氧饱和度。作为更具体的示例,接触压力信息可以用于校准使用PPG数据确定的生理测量。作为另一个更具体的示例,由于接触压力信息是以压力或力为单位的,所以接触压力信息可以用于将血压测量结果从使用PPG数据确定的相对压力缩放到绝对血压。
图5是用于使用接触压力信息确定生理测量的示例性方法500的流程图。在一些实施方式中,方法500的这些方框可以使用腕戴式设备的一个或多个处理器或控制器来实现。在一些实施例中,可以基本上并行地执行方法500的两个或更多个方框。在一些实施例中,可以省略方法500的一个或多个方框。在一些实施例中,可以以与图5中所示的顺序不同的顺序执行方法500的这些方框。
方法500可以从502开始,在502处从设置在腕戴式设备中和/或腕戴式设备上的一个或多个压力传感器获取传感器数据。类似于上文结合图3的方框302所描述的内容,一个或多个压力传感器可以设置在腕戴式设备的任何合适的位置处,并且一个或多个压力传感器可以是应变仪类型传感器、压缩力类型传感器、或它们的任何组合。
在504处,方法500可以确定指示腕戴式设备相对于穿戴者的手腕的接触压力的压力信息。类似于上文结合图3的方框304所描述的内容,可以使用传感器数据,例如通过向算法或查找表提供传感器数据来确定接触压力,该算法或查找表将传感器数据转换为对应的接触压力。附加地或替代地,如上文结合图3的方框304所描述的,来自多个压力传感器的数据可以被组合以确定集合接触压力并且/或者确定腕戴式设备的封壳相对于穿戴者的手腕的倾斜。
在506处,方法500可以至少使用压力信息来确定至少一个生理测量。生理测量的示例包括心率、血压、氧饱和度或心率变异性等。在一个示例中,压力信息可以表示心冲击图。在一些实施例中,可以使用心冲击图的周期性信号,例如通过将心率确定为在心冲击图中表示的心率信号的周期的倒数来确定心率。
在一些实施方式中,从压力信息导出的信息可以用于确定生理测量。例如,在压力信息表示心冲击图的情况下,可以在心冲击图中识别到心动周期参考点或生物标记。然后,可以使用与这些生物标记相关联的时序信息来确定或校准各种生理测量,诸如血压、氧饱和度等。可以在心冲击图中识别到的生物标记的示例包括心脏舒张点或重搏切迹等。在一些实施方式中,与(例如,从压力信息获得的)心冲击图中识别到的生物标志相关联的时序信息可以结合PPG信号使用以确定生理测量。例如,PPG信号可以用识别到的生物标记来注释,并且可以基于带注释的PPG信号来识别生理测量(例如,血压、氧饱和度等)。
在一些实施例中,在至少一个生理测量包括血压的情况下,压力信息可以用于校准使用PPG信号确定的相对血压。例如,PPG信号可以用于确定相对血压,并且压力信息可以用于将使用PPG获得的相对血压测量结果修改为压力单位(例如,mmHg)。换句话说,因为压力信息是以力或压力为单位的,所以压力信息可以用于将使用PPG获得的相对血压校准或缩放为以mmHg为单元的绝对血压。
应当理解,在利用压力信息与PPG信号结合来确定至少一个生理测量的情况下,PPG信号可以从除腕戴式设备外的设备获得。例如,其他设备可以是与腕戴式设备配对或以其他方式(例如,经由蓝牙连接或其他无线通信通道)与腕戴式设备相关联的用户设备。其他设备的示例包括:智能眼镜、虚拟现实(VR)头戴式设备或增强现实(AR)头戴式设备、移动电话、可穿戴环等。举例来说,在其他设备是一副智能眼镜、或VR头戴式设备/AR头戴式设备的情况下,可以通过利用设置在眼镜/头戴式设备的框架中的光发射器和/或光检测器来获得PPG信号,使得光朝向穿戴者的前额或其头部的侧面的一部分、朝向用户的耳朵等发射。
本文中所描述的方法、系统、装置和介质可以结合各种技术(诸如人工现实系统)来使用。诸如头戴式显示器(head-mounted display,HMD)系统或平视显示器(heads-updisplay,HUD)系统等人工现实系统通常包括显示器,该显示器被配置成呈现描绘虚拟环境中的对象的人工图像。显示器可以呈现虚拟对象或将真实对象的图像与虚拟对象组合,如在虚拟现实(VR)应用、增强现实(AR)应用或混合现实(mixed reality,MR)应用中。例如,在AR系统中,用户可以通过例如透过透明显示眼镜或透镜观看(通常称为光学透视)或查看由相机捕获的周围环境的显示图像(通常称为视频透视)来查看虚拟对象的显示图像(例如,计算机生成的图像(computer-generated images,CGI))和周围环境这两者。在一些AR系统中,可以使用基于LED的显示子系统将人工图像呈现给用户。
在一些实施例中,本文描述的方法、系统、装置和介质可以结合可穿戴计算机(诸如智能手表、健身跟踪器或HMD等)来实现。例如,这种可穿戴计算机可以包括一个或多个光发射器和/或一个或多个光传感器,该一个或多个光发射器和/或该一个或多个光传感器并入可穿戴计算机的壳体的一部分中,使得光可以朝向可穿戴计算机的穿戴者的、靠近或接触可穿戴计算机的壳体的部分的组织发射。可穿戴计算机的壳体的这一部分的示例位置可以包括如下部分:该部分被配置成靠近穿戴者的耳朵(例如,靠近上耳屏、靠近上耳廓、靠近后耳廓或靠近下耳廓等)、靠近穿戴者的前额、靠近穿戴者的手腕、靠近穿戴者的指尖、靠近穿戴者的手指的根部、或靠近穿戴者的脚趾尖。
在以下描述中,出于解释的目的,阐述了具体细节以便提供对本公开的示例的透彻理解。然而,将显而易见的是,可以在没有这些具体细节的情况下实践各种示例。例如,设备、系统、结构、组件、方法和其他部件可以以框图形式显示为部件,以免不必要的细节混淆了示例。在其他情况下,为了避免混淆示例,可以在不需要细节的情况下示出公知的设备、方法、系统、结构和技术。附图和说明书不旨在是限制性的。在本公开中已经采用的术语和表达被用作描述性而非限制性的术语,并且这些术语和表达的使用无意排除所示出和描述的特征或其部分的任何等同物。词语“示例”在本文中用于是指“用作示例、实例或说明”。本文描述为“示例”的任何实施例或设计不一定被解释为比其他实施例或设计更优选或更有利。
图6是用于实现本文描述的这些示例中的一些示例的计算系统600的示例的简化框图。例如,在一些实施例中,计算系统可以用于实现用户设备(例如,移动电话、平板电脑、腕戴式设备等),该用户设备实现上文结合图3和图4所示并描述的方法300和/或方法400的这些方框。在所示的示例中,计算系统600可以包括一个或多个处理器610、以及存储器620。(一个或多个)处理器610可以被配置成执行用于在多个部件处执行操作的指令,并且(一个或多个)处理器可以为例如适合于在便携式电子设备内实现的通用处理器或微处理器。(一个或多个)处理器610可以与计算系统600内的多个部件通信地耦合。为了实现此通信耦合,(一个或多个)处理器610可以通过总线640与其他所示的部件通信。总线640可以为适于在计算系统600内传输数据的任何子系统。总线640可以包括多条计算机总线和用于传输数据的附加电路。
存储器620可以耦合到(一个或多个)处理器610。在一些实施例中,存储器620可以既提供短期存储又提供长期存储,并且存储器可以被划分成若干单元。存储器620可以是易失性的,诸如静态随机存取存储器(static random access memory,SRAM)和/或动态随机存取存储器(dynamic random access memory,DRAM);和/或存储器620可以是非易失性的,诸如只读存储器(read-only memory,ROM)和闪存等。此外,存储器620可以包括可移动存储设备,诸如安全数字(secure digital,SD)卡。存储器620可以为计算系统600提供计算机可读指令、数据结构、程序模块和其他数据的存储。在一些实施例中,存储器620可以分布到不同的硬件模块中。一组指令和/或代码可以存储在存储器620上。指令可以采取可以由计算系统600执行的可执行代码的形式,并且/或者可以采取源代码和/或可安装代码的形式,该源代码和/或可安装代码在计算系统600上编译和/或安装(例如,使用各种通常可用的编译器、安装程序、压缩/解压缩实用程序等中的任一种)时可以采取可执行代码的形式。
在一些实施例中,存储器620可以存储多个应用程序模块622至624,这些应用程序模块可以包括任意数量的应用程序。应用程序的示例可以包括游戏应用程序、会议应用程序、视频回放应用程序或其他合适的应用程序。应用程序可以包括深度感测功能或眼睛跟踪功能。应用程序模块622至624可以包括由(一个或多个)处理器610执行的特定指令。在一些实施例中,应用程序模块622至624的某些应用程序或部分可以由其他硬件模块680执行。在某些实施例中,存储器620可以额外地包括安全存储器,该安全存储器可以包括额外的安全控制以防止对安全信息的复制或其他未授权的访问。
在一些实施例中,存储器620可以包括加载在其中的操作系统625。操作系统625可以是操作的以启动由应用程序模块622至624提供的指令的执行、和/或管理其他硬件模块680以及与无线通信子系统630的接口,无线通信子系统630可以包括一个或多个无线收发器。操作系统625可以适于跨计算系统600的部件执行其他操作,包括线程化、资源管理、数据存储控制和其他类似功能。
无线通信子系统630可以包括例如红外通信设备、无线通信设备和/或芯片组(例如,蓝牙设备、IEEE 802.11设备、Wi-Fi设备、WiMax设备、蜂窝式通信设施等)、和/或类似的通信接口。计算系统600可以包括用于无线通信的一个或多个天线634,以作为无线通信子系统630的一部分或者作为耦合到系统的任何部分的单独部件。取决于期望的功能性,无线通信子系统630可以包括单独收发器,这些单独收发器用于与基站收发台、以及其他无线设备和接入点通信,这可以与不同的数据网络和/或网络类型(诸如无线广域网(wireless wide-area network,WWAN)、无线局域网(wireless local area network,WLAN)或无线个人局域网(wireless personal area network,WPAN))进行通信。WWAN可以为例如WiMax(IEEE 802.15)网络。WLAN可以为例如IEEE 802.11x网络。WPAN可以为例如蓝牙网络、IEEE 802.5x或一些其他类型的网络。本文中所描述的技术还可以用于WWAN、WLAN和/或WPAN的任何组合。无线通信子系统630可以准许与网络、其他计算机系统和/或本文中所描述的任何其他设备交换数据。无线通信子系统630可以包括用于使用(一个或多个)天线634和(一个或多个)无线链路632发送或接收数据(诸如,HMD设备的标识符、位置数据、地理地图、热图、照片或视频)的器件。无线通信子系统630、(一个或多个)处理器610和存储器620可以一起包括用于执行本文公开的一些功能的器件中的一个或多个的至少一部分。
计算系统600的实施例还可以包括一个或多个传感器690。(一个或多个)传感器690可以包括例如图像传感器、加速度计、压力传感器、温度传感器、接近度传感器、磁力计、陀螺仪、惯性传感器(例如,组合了加速度计和陀螺仪的模块)、环境光传感器、或可操作以提供传感输出并且/或者接收传感输入的任何其他类似模块(诸如深度传感器或位置传感器)。例如,在一些实施方式中,(一个或多个)传感器690可以包括一个或多个惯性测量单元(inertial measurement unit,IMU)和/或一个或多个位置传感器。IMU可以基于从多个位置传感器中的一个或多个位置传感器接收的测量信号来生成指示设备的估计位置的校准数据。位置传感器可以响应于设备的运动而生成一个或多个测量信号。位置传感器的示例可以包括但不限于一个或多个加速度计、一个或多个陀螺仪、一个或多个磁力计、另一合适类型的检测运动的传感器、用于IMU的误差校正的传感器类型、或它们的某种组合。位置传感器可以位于IMU外部、IMU内部、或它们的某种组合。至少一些传感器可以使用结构化光图案进行感测。
计算系统600可以包括显示模块660。显示模块660可以为近眼显示器,并且可以从计算系统600向用户图形化地呈现信息,诸如图像、视频和各种指令。这种信息可以从一个或多个应用程序模块622至624、虚拟现实引擎626、一个或多个其他硬件模块680、它们的组合、或任何其他合适的用于(例如,由操作系统625)解析针对用户的图形内容的器件导出。显示模块660可以使用液晶显示器(liquid crystal display,LCD)技术、发光二极管(light-emitting diode,LED)技术(例如,包括有机发光二极管(organic light-emittingdiode,OLED)、无机发光二极管(inorganic light-emitting diode,ILED)、微发光二极管(micro light-emitting diode,μLED)、有源矩阵有机发光二极管(active-matrixorganic light-emitting diode,AMOLED)、透明有机发光二极管(transparent organiclight emitting diode,TOLED)等)、发光聚合物显示器(light emitting polymerdisplay,LPD)技术、或一些其他显示技术。
计算系统600可以包括用户输入/输出模块670。用户输入/输出模块670可以允许用户向计算系统600发送动作请求。动作请求可以为执行特定动作的请求。例如,动作请求可以为开始或结束应用程序或在应用程序内执行特定动作。用户输入/输出模块670可以包括一个或多个输入设备。示例性输入设备可以包括触摸屏、触摸板、(一个或多个)麦克风、(一个或多个)按钮、(一个或多个)拨盘、(一个或多个)开关、键盘、鼠标、游戏控制器、或任何其他合适的用于接收动作请求并向计算系统600传输接收到的动作请求的设备。在一些实施例中,用户输入/输出模块670可以根据从计算系统600接收到的指令向用户提供触觉反馈。例如,可以在接收到或已经执行动作请求时提供触觉反馈。
计算系统600可以包括相机650,该相机650可以用于拍摄照片或视频。相机650可以被配置成拍摄用户的照片或视频。相机650还可以用于拍摄环境的照片或视频,例如用于VR应用、AR应用或MR应用。相机650可以包括例如具有数百万或数千万个像素的互补金属氧化物半导体(complementary metal–oxide–semiconductor,CMOS)图像传感器。在一些实施方式中,相机650可以包括可以用于捕获3D图像的两个或更多个相机。
在一些实施例中,计算系统600可以包括多个其他硬件模块680。其他硬件模块680中的每一个可以为计算系统600内的物理模块。虽然其他硬件模块680中的每一个可以永久地被配置成结构,但是其他硬件模块680中的一些可以临时地被配置成执行特定功能激活或临时激活。其他硬件模块680的示例可以包括例如音频输出和/或输入模块(例如,麦克风或扬声器)、近场通信(near field communication,NFC)模块、可充电电池、电池管理系统、有线/无线电池充电系统等。在一些实施例中,其他硬件模块680的一个或多个功能可以以软件来实现。
在一些实施例中,计算系统600的存储器620还可以存储虚拟现实引擎626。虚拟现实引擎626可以执行计算系统600内的应用程序并且从各种传感器接收位置信息、加速度信息、速度信息、预测的未来位置、或它们的某种组合。在一些实施例中,由虚拟现实引擎626接收的信息可以用于向显示模块660产生信号(例如,显示指令)。例如,如果接收到的信息指示用户已经向左看,则虚拟现实引擎626可以生成反映用户在虚拟环境中的移动的内容。另外,虚拟现实引擎626可以响应于从用户输入/输出模块670接收的动作请求而在应用程序内执行动作,并且向用户提供反馈。所提供的反馈可以是视觉反馈、听觉反馈或触觉反馈。在一些实施方式中,(一个或多个)处理器610可以包括可以执行虚拟现实引擎626的一个或多个图形处理器(graphics processing unit,GPU)。
在各种实施方式中,上述硬件和模块可以在单个设备上或在可以使用有线连接或无线连接彼此通信的多个设备上实现。例如,在一些实施方式中,诸如GPU、虚拟现实引擎626和应用程序(例如,跟踪应用程序)的一些部件或模块可以在两个或更多个配对设备或连接设备上实现。
在替代配置中,计算系统600中可以包括不同的和/或额外的部件。类似地,这些部件中的一个或多个部件的功能可以以与上述方式不同的方式分布于部件之间。例如,在一些实施例中,计算系统600可以被修改为包括其他系统环境,诸如AR系统环境和/或MR环境。
图7是根据一些实施例的可以结合服务器实现的计算系统700的示例的简化框图。例如,计算系统700可以用于实现服务器,该服务器生成识别目标接触压力的经训练的机器学习模型、存储与多个用户的腕戴式设备的接触压力相关的数据等。
在所示的示例中,计算系统700可以包括一个或多个处理器710和存储器720。(一个或多个)处理器710可以被配置成执行用于在多个部件处执行操作的指令,并且处理器可以为例如适合于在便携式电子设备内实现的通用处理器或微处理器。(一个或多个)处理器710可以与计算系统700内的多个部件通信地耦合。为了实现此通信耦合,(一个或多个)处理器710可以通过总线740与其他所示的部件通信。总线740可以为适于在计算系统700内传输数据的任何子系统。总线740可以包括多条计算机总线和用于传输数据的附加电路。在一些实施例中,(一个或多个)处理器710可以被配置以执行如上文结合图4所示并描述的方法400的一个或多个方框。
存储器720可以耦合到(一个或多个)处理器710。在一些实施例中,存储器720可以既提供短期存储又提供长期存储,并且存储器可以被划分成若干单元。存储器720可以是易失性的,诸如静态随机存取存储器(SRAM)和/或动态随机存取存储器(DRAM);和/或存储器720可以非易失性的,诸如只读存储器(ROM)和闪存等。此外,存储器720可以包括可移动存储设备,诸如安全数字(SD)卡。存储器720可以为计算系统700提供计算机可读指令、数据结构、程序模块和其他数据的存储。在一些实施例中,存储器720可以分布到不同的硬件模块中。一组指令和/或代码可以存储在存储器720上。指令可以采取可以由计算系统700执行的可执行代码的形式,和/或可以采取源代码和/或可安装代码的形式,该源代码和/或可安装代码在计算系统700上编译和/或安装(例如,使用各种通常可用的编译器、安装程序、压缩/解压缩实用程序等中的任一种)时可以采取可执行代码的形式。
在一些实施例中,存储器720可以存储多个应用程序模块722至724,这些应用程序模块可以包括任意数量的应用程序。应用程序的示例可以包括游戏应用程序、会议应用程序、视频回放应用程序或其他合适的应用程序。应用程序模块722-724可以包括要由(一个或多个)处理器710执行的特定指令。在一些实施例中,应用程序模块722-724的某些应用程序或部分可以由其他硬件模块执行。在某些实施例中,存储器720可以额外地包括安全存储器,该安全存储器可以包括额外的安全控制以防止对安全信息的复制或其他未授权的访问。
在一些实施例中,存储器720可以包括加载在其中的操作系统725。操作系统725可以是可操作的以启动由应用程序模块722到724提供的指令的执行、和/或管理其他硬件模块以及与无线通信子系统730的接口,该无线通信子系统可以包括一个或多个无线收发器。操作系统725可以适于跨计算系统700的部件执行其他操作,包括线程化、资源管理、数据存储控制和其他类似功能。
通信子系统730可以包括例如红外通信设备、无线通信设备和/或芯片组(诸如蓝牙设备、IEEE 802.11设备、Wi-Fi设备、WiMax设备、蜂窝通信设施等)、有线通信接口和/或类似的通信接口。计算系统700可以包括用于无线通信的一个或多个天线734,以作为无线通信子系统730的一部分或者作为耦合到系统的任何部分的单独部件。取决于期望的功能性,通信子系统730可以包括单独收发器,这些单独收发器用于与基站收发台以及其他无线设备和接入点通信,这可以包括与不同的数据网络和/或网络类型(诸如无线广域网(WWAN)、无线局域网(WLAN)或无线个人局域网(WPAN))进行通信。WWAN可以为例如WiMax(IEEE 802.15)网络。WLAN可以为例如IEEE 802.11x网络。WPAN可以为例如蓝牙网络、IEEE802.6x或一些其他类型的网络。本文中所描述的技术还可以用于WWAN、WLAN和/或WPAN的任何组合。通信子系统730可以准许与网络、其他计算机系统和/或本文中所描述的任何其他设备交换数据。通信子系统730可以包括用于使用(一个或多个)天线734、(一个或多个)无线链路732、或有线链路来发送或接收数据的器件。通信子系统730、(一个或多个)处理器710和存储器720可以一起包括用于执行本文公开的一些功能的器件中的一个或多个的至少一部分。
在一些实施例中,计算系统700可以包括一个或多个输出设备760和/或一个或多个输入设备770。(一个或多个)输出设备760和/或(一个或多个)输入设备770可以用于提供输出信息和/或接收输入信息。
本文所公开的实施例可以用于实现人工现实系统的部件,或者可以结合人工现实系统来实现。人工现实是在呈现给用户之前已经以某种方式调整的现实形式,该现实形式可以包括例如虚拟现实、增强现实、混合现实(mixed reality或hybrid reality)、或它们的某种组合和/或衍生物。人工现实内容可以包括完全生成的内容或与捕获的(例如,真实世界)内容组合而生成的内容。人工现实内容可以包括视频反馈、音频反馈、触觉反馈、或它们的某种组合,并且其中的任何一种都可以在单个频道中或在多个频道(诸如向观看者产生三维效果的立体视频)中呈现。另外,在一些实施例中,人工现实还可以与用于例如在人工现实中创建内容和/或以其他方式在人工现实中使用(例如,在人工现实中执行活动)的应用程序、产品、配件、服务或它们的某种组合相关联。提供人工现实内容的人工现实系统可以在各种平台上实现,包括连接到主计算机系统的HMD、独立式HMD、移动设备或计算系统、或者能够向一个或多个观看者提供人工现实内容的任何其他硬件平台。
上文所论述的方法、系统和设备为示例。各种实施例可以在适当的时候省略、替代或添加各种程序或部件。例如,在替代配置中,所描述的方法可以以与所描述的顺序不同的顺序来执行,和/或可以添加、省略和/或组合各种阶段。而且,关于某些实施例描述的特征可以在各种其他实施例中组合。实施例的不同方面和元件可以以类似的方式组合。而且,技术在发展,且因此许多元件为不将本发明的范围限制于那些特定示例的示例。
在描述中给出具体细节以提供对实施例的透彻理解。然而,可以在没有这些具体细节的情况下实践这些实施例。例如,为了避免混淆这些实施例,在不需要细节的情况下,已经示出了公知的电路、方法、系统、结构和技术。此描述仅提供示例性实施例,并不旨在限制本发明的范围、适用性或配置。而是,先前对实施例的描述将为本领域技术人员提供实现各种实施例的描述。在不脱离本公开的精神和范围的情况下,可以对元件的功能和布置进行各种变化。
而且,将一些实施例描述为描绘为流程图或框图的方法。尽管每个实施例可以将操作描述为顺序性过程,但是这些操作中的许多操作可以并行或同时执行。另外,可以重新排列这些操作的顺序。方法可以具有图中未包括的额外步骤。此外,可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或它们的任何组合来实施方法的实施例。当以软件、固件、中间件或微代码实施时,用于执行相关联任务的程序代码或代码段可以存储在诸如存储介质等计算机可读介质中。处理器可以执行相关联的任务。
对于本领域技术人员来说显而易见的是,可以根据具体要求进行实质性变化。例如,还可以使用定制的或专用的硬件,和/或以硬件、软件(包括便携式软件,例如小应用程序等)、或这两者来实现特定的元件。此外,可以采用到诸如网络输入/输出设备等其他计算设备的连接。
参照附图,可以包括存储器的部件可以包括非暂时性机器可读介质。术语“机器可读介质”和“计算机可读介质”可以指参与提供使得机器以特定方式运行的数据的任何存储介质。在上文所提供的实施例中,各种机器可读介质可以涉及将指令/代码提供给处理单元和/或(一个或多个)其他设备以供执行。附加地或替代地,机器可读介质可以用于存储和/或携带这种指令/代码。在许多实施方式中,计算机可读介质为物理存储介质和/或有形存储介质。这种介质可以采取许多形式,包括但不限于非易失性介质、易失性介质和传输介质。计算机可读介质的常见形式包括例如磁性介质和/或光学介质,例如压缩光盘(compactdisk,CD)或数字多功能光盘(digital versatile disk,DVD)、穿孔卡、纸带、具有孔图案的任何其他物理介质、RAM、可编程只读存储器(programmable read-only memory,PROM)、可擦除可编程只读存储器(erasable programmable read-only memory,EPROM)、闪存-可擦除可编程只读存储器(FLASH-EPROM)、任何其他存储器芯片或盒带、如下文所描述的载波、或计算机可从其读取指令和/或代码的任何其他介质。计算机程序产品可以包括代码和/或机器可执行指令,代码和/或机器可执行指令可以表示过程、函数、子程序、程序、例程、应用程序(App)、子例程、模块、软件包、类,或指令、数据结构或程序语句的任何组合。
本领域的技术人员将会理解的是,可以使用各种不同的技术和方法中的任何一种来表示用于传输本文所述消息的信息和信号。例如,在贯穿上文的描述中提及的数据、指令、命令、信息、信号、比特、符号和码片可以用电压、电流、电磁波、磁场或粒子、光场或粒子、或者它们的任意组合来表示。
如本文所使用的术语“和”和“或”可以包括各种含义,这些含义也预期至少部分地取决于使用这些术语的上下文。通常,“或”如果用于关联列表(诸如A、B或C),则旨在意指A、B和C(此处以包括性意义使用)以及A、B或C(此处以排他性意义使用)。另外,如本文中所使用的术语“一个或多个”可以用于描述单数形式的任何特征、结构或特性,或者可以用于描述特征、结构或特性的某种组合。然而,应注意,这仅是说明性示例,且所要求保护的主题不限于此示例。此外,术语“至少一个”如果用于关联列表(例如A、B或C),可以被解释为表示A、B和/或C的任意组合,例如A、AB、AC、BC、AA、ABC、AAB、AABBCCC等。
此外,虽然已经使用硬件和软件的特定组合描述了某些实施例,但是应当认识到,硬件和软件的其他组合也是可能的。某些实施例可以仅在硬件中实现,或者仅在软件中实现,或者使用它们的组合来实现。在一个示例中,软件可以用包括计算机程序代码或指令的计算机程序产品来实现,该计算机程序代码或指令可以由一个或多个处理器执行以用于执行本公开中描述的任何或所有步骤、操作或方法,其中计算机程序可以存储在非暂时性计算机可读介质上。本文描述的各种方法可以以任何组合在同一处理器或不同的处理器上实现。
在将设备、系统、部件或模块描述为被配置成执行某些操作或功能的情况下,可以例如通过设计电子电路以执行操作、通过编程可编程电子电路(例如微处理器)以执行操作(通过执行计算机指令或代码,或被编程为执行存储在非暂时性存储介质上的代码或指令的处理器或核心,或它们的任何组合)来实现此类配置。进程可以使用各种技术进行通信,包括但不限于用于进程间通信的常规技术,并且不同的进程对可以使用不同的技术,或者同一进程对可以在不同的时间使用不同的技术。
因此,说明书和附图被认为是说明性的而不是限制性的。然而,显而易见的是,在不脱离权利要求中阐述的更广泛的精神和范围的情况下,可以对说明书和附图进行添加、减少、删除和其他修改和变化。因此,尽管已经描述了具体实施例,但是这些实施例并不旨在是限制性的。各种修改和等同物在所附权利要求的范围内。
Claims (19)
1.一种利用腕戴式设备的接触压力测量结果的方法,所述方法包括:
从设置在穿戴于用户的手腕上的所述腕戴式设备中或所述腕戴式设备上的一个或多个传感器获取传感器数据;
基于所述传感器数据,确定所述腕戴式设备的底部部分在所述用户的手腕上的接触压力的测量值;
基于所述接触压力的测量值,向所述用户提供一个或多个指令来调整所述腕戴式设备以使所述接触压力朝向目标接触压力或目标接触压力范围变化;以及
使用设置在所述腕戴式设备中或所述腕戴式设备上的其他传感器来启动所述用户的生理测量。
2.根据权利要求1所述的方法,其中,至少部分地基于要使用与所述腕戴式设备相关联的另外一个或多个传感器来执行的生理测量的类型,识别所述腕戴式设备对于所述用户的手腕的所述目标接触压力。
3.根据权利要求1所述的方法,其中,至少部分地基于所述用户在当前时间参与的活动,识别所述腕戴式设备对于所述用户的手腕的所述目标接触压力。
4.根据权利要求1所述的方法,其中,至少部分地基于当前环境温度或一天中的当前时间中的一者或多者,识别所述腕戴式设备对于所述用户的手腕的所述目标接触压力。
5.根据权利要求1所述的方法,其中,至少部分地基于指示所述用户处于运动中的运动传感器数据,识别所述腕戴式设备对于所述用户的手腕的所述目标接触压力。
6.根据权利要求1所述的方法,其中,向所述用户提供指令来调整所述腕戴式设备以实现所述目标接触压力包括:提供指令以将所述腕戴式设备的腕带调整一定量,所述量基于经确定的所述接触压力与所述目标接触压力之间的差来识别。
7.一种利用腕戴式设备的接触压力测量结果的方法,所述方法包括:
从设置在穿戴于用户的手腕上的所述腕戴式设备中或所述腕戴式设备上的一个或多个传感器获取传感器数据;
基于所述传感器数据,确定所述腕戴式设备的底部部分在所述用户的手腕上的接触压力的测量值;
识别用于生理测量的所述腕戴式设备的目标接触压力,所述生理测量要使用所述腕戴式设备进行;
基于所述接触压力的确定测量值与所述目标接触压力之间的差,识别要做出的与执行所述生理测量相关的至少一个变化;以及
使用所述至少一个变化执行所述生理测量,以生成所述用户的生理指标。
8.根据权利要求7所述的方法,其中,所述至少一个变化包括用于执行所述生理测量的所述腕戴式设备的至少一个部件的操作特性的变化。
9.根据权利要求8所述的方法,其中,所述至少一个部件为光源,并且其中,所述操作特性的变化包括向所述光源提供的电流的变化。
10.根据权利要求7所述的方法,其中,所述至少一个变化包括对在执行所述生理测量以生成所述用户的生理指标时收集的传感器数据的分析的变化。
11.根据权利要求10所述的方法,其中,对所述传感器数据的分析的变化包括:在与标准积分持续时间不同的持续时间内对所述传感器数据进行积分,其中,至少部分地基于经确定的所述接触压力与所述目标接触压力之间的差来确定所述持续时间。
12.根据权利要求7所述的方法,其中,所述至少一个变化包括记录所述生理指标的方式的变化。
13.根据权利要求7所述的方法,其中,所述至少一个变化包括利用使用所述腕戴式设备的一个或多个运动传感器收集的运动传感器数据来生成所述用户的生理指标。
14.一种腕戴式设备,所述腕戴式设备包括:
顶表面;
底表面;
一个或多个力传感器;以及
处理器,所述处理器被配置成:
从所述一个或多个力传感器接收传感器数据;
基于接收到的所述传感器数据来确定所述腕戴式设备的底表面对于穿戴者的手腕的接触压力的测量值;以及
基于接收到的所述传感器数据来执行至少一个动作,其中,所述至少一个动作包括以下中的至少一者:(1)至少部分地基于所述接触压力的确定测量值,向所述穿戴者呈现指令来调整所述腕戴式设备;或者(2)至少部分地基于所述接触压力的确定测量值,修改使用所述腕戴式设备进行生理测量的方式。
15.根据权利要求14所述的腕戴式设备,其中,所述一个或多个力传感器中的至少一个力传感器为负载传感器,所述负载传感器被配置成测量所述腕戴式设备的底表面的偏转。
16.根据权利要求14所述的腕戴式设备,其中,所述一个或多个力传感器中的至少一个力传感器为应变仪类型传感器,所述应变仪类型传感器被配置成测量应变。
17.根据权利要求16所述的腕戴式设备,其中,所述应变仪类型传感器被设置成靠近所述腕戴式设备的底表面。
18.根据权利要求16所述的腕戴式设备,其中,所述应变仪类型传感器被设置成靠近腕带,所述腕带连接到所述腕戴式设备的底表面的一部分。
19.根据权利要求14所述的腕戴式设备,其中,所述至少一个力传感器包括三个或更多个力传感器,并且其中,所述处理器还被配置成:基于从所述三个或更多个力传感器接收到的所述传感器数据来确定所述穿戴者的手腕上的所述腕戴式设备的盘状部的倾斜,所述盘状部包括所述顶表面、所述底表面、以及围封在所述顶表面与所述底表面之间的容积。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US63/315,801 | 2022-03-02 | ||
US18/062,309 | 2022-12-06 | ||
US18/062,309 US20230270386A1 (en) | 2022-03-02 | 2022-12-06 | Pressure sensing for physiological measurements |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116687346A true CN116687346A (zh) | 2023-09-05 |
Family
ID=87832872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310226187.6A Pending CN116687346A (zh) | 2022-03-02 | 2023-03-02 | 用于生理测量的压力感测 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116687346A (zh) |
-
2023
- 2023-03-02 CN CN202310226187.6A patent/CN116687346A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220007955A1 (en) | Method for measuring biological signal and wearable electronic device for the same | |
US10334345B2 (en) | Notification and activation system utilizing onboard sensors of wireless earpieces | |
US20230297163A1 (en) | Monitoring a user of a head-wearable electronic device | |
US10244948B2 (en) | Statistical heart rate monitoring for estimating calorie expenditure | |
JP6650974B2 (ja) | 生体情報獲得のための電子装置及びその方法 | |
US10575086B2 (en) | System and method for sharing wireless earpieces | |
CN111317449B (zh) | 测量生物识别信号的电子设备和方法 | |
US8768648B2 (en) | Selection of display power mode based on sensor data | |
US8781791B2 (en) | Touchscreen with dynamically-defined areas having different scanning modes | |
US8751194B2 (en) | Power consumption management of display in portable device based on prediction of user input | |
KR102407564B1 (ko) | 생체 정보를 판단하는 전자 장치 및 이의 동작 방법 | |
US20180116607A1 (en) | Wearable monitoring device | |
EP3253277B1 (en) | Method and wearable apparatus for obtaining multiple health parameters | |
US20190101984A1 (en) | Heartrate monitor for ar wearables | |
KR20200060850A (ko) | Pwv 알고리즘을 이용하여 혈압 값을 산출하는 전자 장치 및 그 혈압 값 산출 방법 | |
KR102605835B1 (ko) | 생체 정보 검출을 위한 방법, 전자 장치 및 저장 매체 | |
US20220249027A1 (en) | Electronic device and method for correcting biometric data on basis of distance between electronic device and user, measured using at least one sensor | |
EP4248844A2 (en) | Pressure sensing for physiological measurements | |
KR102600897B1 (ko) | 전자 장치 및 전자 장치의 제어 방법 | |
CN116687346A (zh) | 用于生理测量的压力感测 | |
CN113365550A (zh) | 用于基于rem睡眠阶段计算恢复指数的方法及其电子设备 | |
WO2022111704A1 (zh) | 心率检测方法及电子设备 | |
US11553850B2 (en) | Electronic device and method for identifying occurrence of hypotension | |
CN115691754A (zh) | 一种运动指导方法及相关装置 | |
US20230368478A1 (en) | Head-Worn Wearable Device Providing Indications of Received and Monitored Sensor Data, and Methods and Systems of Use Thereof |
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 |