JP2016039999A - 携帯デバイスの位置を推論するデバイス、方法、および装置 - Google Patents

携帯デバイスの位置を推論するデバイス、方法、および装置 Download PDF

Info

Publication number
JP2016039999A
JP2016039999A JP2015229470A JP2015229470A JP2016039999A JP 2016039999 A JP2016039999 A JP 2016039999A JP 2015229470 A JP2015229470 A JP 2015229470A JP 2015229470 A JP2015229470 A JP 2015229470A JP 2016039999 A JP2016039999 A JP 2016039999A
Authority
JP
Japan
Prior art keywords
user
mobile device
portable device
signal
position state
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
JP2015229470A
Other languages
English (en)
Inventor
レオナルド・ヘンリー・グロコップ
Henry Grokop Leonard
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.)
Qualcomm Inc
Original Assignee
Qualcomm Inc
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 Qualcomm Inc filed Critical Qualcomm Inc
Publication of JP2016039999A publication Critical patent/JP2016039999A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P13/00—Indicating or recording presence, absence, or direction, of movement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/1613—Constructional details or arrangements for portable computers
    • G06F1/1633—Constructional details or arrangements of portable computers not specific to the type of enclosures covered by groups G06F1/1615 - G06F1/1626
    • G06F1/1684—Constructional details or arrangements related to integrated I/O peripherals not covered by groups G06F1/1635 - G06F1/1675
    • G06F1/1694—Constructional details or arrangements related to integrated I/O peripherals not covered by groups G06F1/1635 - G06F1/1675 the I/O peripheral being a single or a set of motion sensors for pointer control or gesture input obtained by sensing movements of the portable computer
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—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
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Telephone Function (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Navigation (AREA)
  • Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

【課題】ユーザに対する携帯デバイスの少なくとも1つの位置状態の分類を検出する。【解決手段】活動に従事しているユーザと同じ場所に位置する携帯デバイスの1つまたは複数の慣性センサから受け取った少なくとも1つの信号のスペクトル包絡を特徴付け、スペクトル包絡の特徴付けに少なくとも部分的に基づいて、活動に従事しているユーザに対する携帯デバイスの位置を推論するために使用できる構成要素、方法、および装置が提供される。【選択図】図２

Description

関連出願の相互参照。
本特許協力条約出願は、その全体が参照により本明細書に組み込まれている、2011年3月31日出願の「Classification of User Activity Using Spectral Envelop of Sensor Signals」という名称の米国仮特許出願第61/470,001号、および2012年1月31日出願の「Devices, Methods, and Apparatuses for Inferring a Position of a Mobile Device」という名称の米国特許出願第13/362,485号の優先権を主張するものである。
本明細書に開示する主題は、ユーザに対する携帯デバイスの少なくとも1つの位置状態の分類を検出することに関する。
スマートフォンなどの多くの携帯通信デバイスは、加速度計などの慣性センサを含み、この慣性センサを使用してデバイスの運動を検出することができる。これらの動きは、ユーザに情報を表示するとき、たとえば人物または風景モードでディスプレイを適切な向きにするために、デバイスの向きを検出するのに有用となり得る。別の例では、スマートフォンを用いて実行されるゲーミングアプリケーションは、1つまたは複数の加速度計によって検出される動きに依拠することができ、その結果、ゲームの特徴を制御することができる。他の例では、加速度計によって身ぶりを検出することで、ユーザが地図をスクロールし、メニューをナビゲートし、またはデバイスの動作の他の態様を制御することを可能にすることができる。
加速度計からの出力の「トレース」は、簡単なユーザインターフェースタスクを支援するには有用であるが、より高性能かつ有意義な支援を携帯デバイスのユーザに提供するには制限されてきた。たとえば、ユーザが活発な活動に従事していることを携帯デバイスが検出した場合、ユーザの気をそらさないように電話の着呼をただちにボイスメールへ誘導することが有用となることがある。別の例では、携帯デバイスがユーザの財布またはポケットに入っていることを検出した場合、電池資源を無駄にしないようにディスプレイを無効にすることが有利になることがある。
いくつかのタイプの動きの検出には、ピーク加速度を推定できるように閾値処理を使用することを伴ってきた。しかし、推定されたピーク加速度は、ユーザおよび携帯デバイスの活動に関して非常に制限された情報しか提供することができない。加速度計トレースのより多くの特徴を調査することによって、携帯デバイスのユーザに対するより広い範囲の運動状態およびデバイス位置を識別することができる。これにより、サービス提供者が携帯デバイスの挙動によりよく適合して、ユーザの個々の必要に合わせることを可能にすることができる。
特定の実装形態では、方法は、ユーザと同じ場所に位置する携帯デバイスの1つまたは複数の慣性センサから受け取った少なくとも1つの信号のスペクトル包絡を特徴付けるステップと、スペクトル包絡の特徴付けに少なくとも部分的に基づいて、活動に従事しているユーザに対する携帯デバイスの位置を推論するステップとを含む。
別の実装形態では、装置は、携帯デバイスの加速度を測定する手段と、加速度を測定する手段から受け取った少なくとも1つの信号のスペクトル包絡を特徴付ける手段と、スペクトル包絡の特徴付けに少なくとも部分的に基づいて、活動に従事しているユーザに対する携帯デバイスの位置を推論する手段とを備える。
別の実装形態では、コンピュータ可読記録媒体は、携帯デバイスのプロセッサによって実行可能な機械可読命令が記憶された一時的でない記憶媒体を備え、携帯デバイスの1つまたは複数の慣性センサから受け取った少なくとも1つの信号のスペクトル包絡を特徴付け、スペクトル包絡の特徴付けに少なくとも部分的に基づいて、活動に従事しているユーザに対する携帯デバイスの位置を推論する。
別の実装形態では、携帯デバイスは、携帯デバイスの加速度を測定する1つまたは複数のセンサと、1つまたは複数の慣性センサから受け取った少なくとも1つの信号のスペクトル包絡を特徴付ける1つまたは複数のプロセッサとを備える。この携帯デバイスは、スペクトル包絡の特徴付けに少なくとも部分的に基づいて、活動に従事しているユーザに対する携帯デバイスの位置をさらに推論することができる。
以下の図を参照して、非限定的かつ非包括的な態様について説明する。様々な図全体にわたって、同じ参照番号は同じ部分を指す。
一実装形態による携帯デバイスに適用できる例示的な座標系を示す図である。 一実装形態による携帯デバイスを手に持って歩いているユーザを、時間に応じた携帯デバイスの加速度のグラフとともに示す図である。 一実装形態による携帯デバイスを尻ポケットに入れて歩いているユーザを、時間に応じた携帯デバイスの加速度のグラフとともに示す図である。 一実装形態によるセンサ信号のスペクトル包絡を特徴付ける処理の図である。 一実装形態による分類器を訓練した結果として形成される決定領域を示すグラフである。 一実装形態による携帯デバイスに関連する例示的な演算環境を示す概略図である。 一実装形態による活動に従事しているユーザに対する携帯デバイスの位置を推論する処理を示す流れ図である。
活動に従事しているユーザに対する携帯デバイスの少なくとも1つの位置状態を推論するために様々な携帯デバイスで実施できるデバイス、方法、および装置が提供される。実装形態では、携帯デバイス内に含まれる加速度計などの慣性センサの1つまたは複数の出力トレースに、信号処理アルゴリズムを適用することができる。
特定の実装形態では、分類器が、携帯デバイス上に位置する1つまたは複数の加速度計などの慣性センサから受け取った信号に少なくとも部分的に基づいて、活動に従事している携帯デバイスユーザの活動状態を推論することができる。特定の例では、1つまたは複数の慣性センサからの信号を処理して、携帯デバイスのユーザの特定の活動状態を指示または示唆する「特徴」を演算または抽出することができる。さらに、1つまたは複数の慣性センサから抽出した特徴を処理して、活動に従事しているユーザに対する携帯デバイスの位置を推論することもできる。
慣性センサから演算した特徴を分類エンジンに適用して、座っているのと対比して立っている、携帯デバイスを操作している、歩いている、走っている、運転している、自転車に乗っているなど、特定の活動を推論することができる。一実装形態では、分類エンジンはパターン認識を適用して、演算または抽出された特徴から特定の活動を推論し、活動に従事しているユーザに対する携帯デバイスの位置を推論することができる。
特定の実装形態では、ユーザが活動に従事している間に、携帯デバイスと同じ場所に位置するユーザの活動を推論するのに使用するためのセンサ信号から、追加の特徴を獲得または抽出することができる。たとえば、慣性センサからの信号を波形として処理することによって、「スペクトル包絡」を特徴付けることができる。スペクトル包絡の特徴付けは、ユーザの活動を推論し、かつ/または活動に従事しているユーザに対する携帯デバイスの位置を推論するのに適用することができる。この文脈では、いくつかの例を挙げるだけでも、たとえば携帯デバイスを手に持つ、携帯デバイスを手首または上腕に着用する、携帯デバイスをポケットに入れる、携帯デバイスにすぐ近くの環境にいることによって、ユーザは携帯デバイスと同じ場所に位置することができる。
特定の例では、スペクトル包絡は、フーリエ振幅スペクトルから導出される周波数振幅面内の信号のスペクトル特性を表すことができる。以下に論じるように、慣性センサによって生成される信号の特徴を特徴付けるには、ケプストラム(Cepstral)のフィルタリングなど、音声処理で使用される信号のスペクトル包絡を特徴付ける特定の技法を適用することもできる。
図1は、一実装形態による加速度計出力トレースを使用して、ユーザが活動に従事している間に、たとえば携帯デバイス102などの携帯デバイスのユーザに関連する活動分類の推論を促進または支援するために全体的または部分的に使用できる例示的な座標系100を示す。しかし、加速度計はユーザの活動を分類できる慣性センサの単なる一例であり、主張する主題がこれに関して限定されるものではないことを理解されたい。たとえば、いくつかの例を挙げるだけでも、他の慣性センサ(たとえば、ジャイロスコープ、磁力計など)、圧力センサ、周囲光センサ、撮像センサ、温度センサなどの他のタイプのセンサからの信号を処理して、携帯デバイスと同じ場所に位置するユーザの活動を分類することができる。図示のように、例示的な座標系100は、たとえば3次元のデカルト座標系を含むことができるが、主張する主題はそのように限定されるものではない。本明細書で「トレース」という用語は、時間に依存するセンサ出力情報を指しており、連続する出力情報をトレース方式で獲得/表示する必要はない。
図1では、例示的な座標系100の原点104に対する3つの線形の次元、すなわち軸X、Y、およびZを参照して、たとえば加速度振動を表す携帯デバイス102の運動を少なくとも部分的に検出または測定することができる。例示的な座標系100は、携帯デバイス102の本体と位置合わせしてもしなくてもよいことを理解されたい。特定の実装形態では、円筒座標系もしくは球面座標系、または必要な数の次元を規定する他の座標系など、非デカルト座標系を使用できることにも留意されたい。
同じく図1に示すように、1つまたは2つの次元を参照して、たとえば携帯デバイス102の回転運動を少なくとも部分的に検出または測定することができる。たとえば、1つの特定の実装形態では、座標
Figure 2016039999
に関して、携帯デバイス102の回転運動を検出または測定することができる。上式で、ファイ
Figure 2016039999
は、概して矢印106によって示すX軸の周りの縦揺れまたは回転を表し、タウ(τ)は、概して矢印108によって示すZ軸の周りの横揺れまたは回転を表す。したがって、一実装形態では、3D加速度計(たとえば、加速度を3次元で測定することが可能な加速度計)を用いると、加速度振動レベル、ならびに、たとえば横揺れ次元または縦揺れ次元における重力に対する変化を少なくとも部分的に検出または測定することができ、したがって5次元の可観測性
Figure 2016039999
を提供することができる。しかし、これらは例示的な座標系100を参照して検出または測定できる様々な運動の単なる例であり、主張する主題はこれらの特定の運動または上記で特定した座標系に限定されるものではないことを理解されたい。
図2(200)は、一実装形態による携帯デバイスを手に持って歩いているユーザを、時間に応じた携帯デバイス上の加速度計の出力トレースを示すグラフとともに示す。図2では、携帯デバイスを右手に持って典型的な歩様で歩いているユーザ210を示す。ユーザ210の右側に示すグラフ220は、ユーザ210が携帯している3軸加速度計によって生成される出力信号から少なくとも部分的に得られた結果である。
図3(250)は、一実装形態による携帯デバイスを手に持って歩いているユーザを、時間に応じた携帯デバイス上の加速度計の出力トレースを示すグラフとともに示す。図3では、携帯デバイスをユーザの尻ポケットに入れて平均的な歩様で歩いているユーザ260を示す。ユーザ260の右側に示すグラフ270は、携帯デバイス内の3軸加速度計によって生成される出力信号から少なくとも部分的に得られた結果である。
したがって、図2および図3の実装形態に示すように、ユーザが歩いている間に携帯デバイスがユーザの尻ポケット内に位置決めされることによって得られる加速度計トレースは、ユーザが携帯デバイスを手に携帯していることから得られる加速度計トレースとは異なる。この例では、グラフ270に示すように、ユーザのポケット内に位置決めされた携帯デバイスは、ユーザが歩くと垂直(±Z)方向に明確かつ周期的な加速度を受ける可能性があるが、±X方向または±Y方向に加速度を受ける可能性はほとんどない。したがって、一例では、第2および第3の方向の加速度ピークより大きい第1の方向の加速度ピークを検出することに少なくとも部分的に基づいて、前記ユーザが前記携帯デバイスを前記ユーザのポケットに入れて歩いていると推論することができる。
対照的に、ユーザが歩いている間にユーザの手の中に位置決めされている携帯デバイスは、グラフ220に示すように、垂直(±Z)方向により大きい加速度を受ける可能性があるが、たとえば±X方向または±Y方向の加速度も増大する可能性がある。したがって、一例では、±X方向または±Y方向の加速度より大きい携帯デバイスの+Z方向の加速度を検出することに少なくとも部分的に基づいて、ユーザが携帯デバイスをユーザの手に持って歩いていると推論することができる。
上記の議論に従って、3D加速度計は、デバイスと同じ場所に位置するユーザの活動に応じて、たとえば様々な動きによる3次元空間における加速度を検出または測定することができる。通常、必ずしも必要ではないが、加速度振動は、たとえば、エンジン、車輪、および道路のでこぼこなどによって生成される振動に少なくとも部分的に起因する自動車、自動二輪車、自転車、バス、または列車などの動いている車両との様々な活動クラス候補の1つまたは複数に関連付けることができる。加速度振動はまた、携帯デバイスはユーザの手に携帯されている間、ユーザの手首または腕に固定されている間、ユーザのシャツまたはコートのポケット内に配置されている間など、ユーザが歩くまたは走るなどの活動に従事している間のユーザに対する携帯デバイスの位置状態候補に関連付けることができる。加速度振動はまた、携帯デバイスがユーザの財布、バックパック、機内持込み鞄、ユーザのベルトまたは衣類に取り付けられたホルスター内に携帯されている間など、ユーザが活動に従事している間の位置状態候補に関連付けることができる。位置状態候補は、前記ユーザが携帯または運搬しているスーツケースまたはブリーフケースなど、任意の他のタイプの鞄の中に入っていることを含むことができる。これらはユーザに対する携帯デバイスの位置状態候補の単なる例であり、主張する主題はそのように限定されるものではないことに留意されたい。
特定の実装形態では、分類器は、加速度計などの携帯デバイス上の1つまたは複数の慣性センサによって受け取った信号に少なくとも部分的に基づいて、ユーザが活動に従事している間に、携帯デバイスと同じ場所に位置するユーザの特定の活動状態を推論することができる。ここで、加速度計は、特定の線形の次元(たとえば、X軸、Y軸、またはZ軸)に沿った加速度を示すことができる1つまたは複数の出力トレース(経時的な加速度計出力)を生成することができる。以下に論じるように、加速度計トレースを処理して、ユーザが座る、立つ、デバイスを操作する、歩く、軽く駆け足する、自転車に乗る、走る、食べるなどの特定の活動を実行している尤度の測定を演算することができる。また、加速度計トレースを処理して、携帯デバイスの位置状態を推論することもできる。
上記で指摘したように、慣性センサトレースのスペクトル包絡線の特徴付けに少なくとも部分的に基づいて、携帯デバイスと同じ場所に位置するユーザの活動を推論することができる。特定の実装形態では、慣性センサ信号から以下の特徴の1つまたは複数を抽出して、センサ信号のスペクトル包絡を特徴付けることができる。
1.ケプストラム係数(CC)、
2.メル周波数ケプストラム係数(MFCC)、
3.デルタケプストラム係数(dCC)、
4.デルタメル周波数ケプストラム係数(dMFCC)、
5.加速ケプストラム係数(d2CC)、
6.加速メル周波数ケプストラム係数(d2MFCC)、
7.線形予測係数(LPC)、
8.デルタ線形予測係数(dLPC)、および
9.加速線形予測係数(dLPC)。
しかし、これらはスペクトル包絡を特徴付ける(たとえば、携帯デバイスと同じ場所に位置するユーザの活動および/またはユーザに対する携帯デバイスの位置を分類するのに使用する)ために信号から抽出できる特徴の単なる例であることを理解されたい。主張する主題はこれに関して限定されるものではない。
慣性センサ出力のスペクトル包絡を特徴付けるために特徴を抽出することに関連して、CCまたはMFCCを用いて、波形のスペクトル包絡のパラメータ表示を提供することができる。したがって、CCまたはMFCCは、携帯デバイスがユーザに対して異なる位置で位置決めされている状態で、ユーザの歩行または歩様などの異なるタイプの運動から生じる波形を区別するのに有用となりうる。一実装形態では、CCを使用して、慣性センサ信号から特徴付けた特徴を抽出することができ、等しい強調(すなわち、重み)が当該周波数帯域に適用される。MFCC特徴抽出で使用できる実装形態などの他の実装形態では、周波数がより高い信号をあまり強調しないで、周波数がより低い信号を強調することができる。「トレース」という用語の場合と同様に、「波形」という用語は、連続/表示する必要のないセンサの出力を指し、スペクトル包絡情報は、1つまたは複数の運動センサの連続または離散の出力から判定できることに留意されたい。
一実装形態では、デルタCCを使用して、静的CCに加えて、重複している窓における各CCの速度(たとえば、時間に対する変化率)を考慮することによって、CCの性能を強化することができる。加速CCを用いると、重複している窓における1つまたは複数の静的CCの加速度(たとえば、時間に対する速度の変化率)をさらに考慮することによって、CCの性能をさらに強化することができる。
実装形態では、デルタMFCCおよび加速MFCCに対するパラメータを適用して、慣性センサ出力信号からCCを演算する精度を増大させることができる。たとえば、デルタおよび加速フィルタリングを適用するには、慣性センサ信号からの当該周波数帯域のプリエンファシスフィルタリングを用いて、静的MFCCを計算することができる。次いで、計算されたMFCC上でデルタおよび加速フィルタリングを実行し、1つまたは複数のMFCCの速度および加速度を(時間に応じて)観測することができる。
実装形態では、下位の慣性センサ信号が全極自己回帰過程によって生成された場合、線形予測係数(LPC)を使用して、スペクトル包絡を特徴付けることができる。一実装形態では、LPCを用いると、慣性センサの出力信号を前の出力信号サンプルの近似線形結合として特定の時点でモデル化することができる。一例では、1つまたは複数のデータ窓における出力信号を記述する1組の係数に誤差信号を加算することができる。
一実装形態では、LPCとMFCCを1対1でマッピングすることができる。デルタLPCを用いると、重複している窓における各係数の速度(たとえば、時間に応じた変化率)をさらに考慮することによって、LPCの性能を強化することができる。加速LPCを用いると、重複している窓における各係数の加速度(たとえば、時間に応じた速度の変化率)をさらに考慮することによって、LPCの性能をさらに強化することができる。
代替的実装形態では、携帯デバイスと同じ場所に位置するユーザの活動を特徴付けるのに使用するための他の特徴を(たとえば、スペクトル包絡の特徴付けの代わりに、またはスペクトル包絡の特徴付けと組み合わせて)、慣性センサ信号から抽出することができる。これらの特徴は、以下を含むことができる。
1.縦揺れ、
2.スペクトルエントロピー、
3.ゼロ交差率(ZCR)、
4.スペクトルセントロイド(SC)、
5.帯域幅(BW)、
6.帯域エネルギー(BE)、
7.スペクトル流束(SF)、および
8.スペクトルロールオフ(SR)。
一実装形態では、慣性センサ信号から縦揺れを測定することができ、縦揺れにより、周期運動の基本周波数を規定することができる。縦揺れの測定は、たとえば軽く駆け足することと走ること、ぶらぶら歩くことと軽快に歩くことなど、たとえば異なる速度で行われる類似の運動を有する活動を区別するのに有用となりうる。
一実装形態では、スペクトルエントロピーを測定することができ、スペクトルエントロピーは、確率分布として正規化および表示される場合の慣性センサ信号の短期間周波数スペクトルに対応することができる。たとえば、スペクトルエントロピーの測定により、信号の周期度のパラメータ表示を可能にすることができる。一例では、加速度計トレースから計算されるスペクトルエントロピーがより低い場合、ユーザが歩いている、軽く駆け足している、自転車に乗っているなど、周期的な活動に従事していることを示すことができる。他方では、スペクトルエントロピーがより高い場合、ユーザがデバイスを操作している、またはでこぼこの道路上で自動車を運転しているなど、非周期的な活動クラスに関与していることを示すことができる。
一実装形態では、ゼロ交差率を測定することができ、ゼロ交差率により、特定の時間窓内において、慣性センサ信号がその平均値と交差する1秒当たりの回数を記述することができる。ゼロ交差率の測定は、正の値と負の値との間の変動がより速いことによって示されうる走行と対比して、正の値と負の値の間の変動がより遅いことによって示されうる歩行のような、異なる率で変動する慣性センサ信号を生じさせるユーザに対するデバイスの位置か運動かを区別するのに有用となりうる。
一実装形態では、スペクトルセントロイドを測定することができ、スペクトルセントロイドにより、慣性センサ信号の短期間周波数スペクトルの平均周波数を表すことができる。慣性センサ信号のパワースペクトルにフィルタバンクを適用し、次いで各副帯域に対する第1のモーメント(またはセントロイド)を計算することによって、副帯域のスペクトルセントロイドを見つけることができる。次いで、信号周波数範囲を複数の瓶に分割することができる。各副帯域に対応する瓶を演算し、1だけ増分することができる。次いで、その結果得られるヒストグラムの離散コサイン変換を使用して、ケプストラム係数を演算することができる。
一実装形態では、帯域幅を測定することができ、帯域幅は、慣性センサ信号の短時間周波数スペクトルの標準偏差として表すことができる。一例では、慣性センサ信号の帯域幅を使用して、本明細書に記載する測定などの1つまたは複数の他の測定を補完することができる。一実装形態では、慣性センサ信号の短期間周波数スペクトルの異なる周波数帯域におけるエネルギーを記述できる帯域エネルギーを測定することができる。
様々な実装形態では、スペクトル中心、帯域幅、および/または帯域エネルギーの測定は、たとえば慣性センサ出力信号を生じさせる運動またはユーザに対するデバイスの位置を区別するのに有用となりえ、慣性センサ出力信号により、周波数スペクトルの異なる部分(たとえば、周波数の高い活動と周波数の低い活動)におけるエネルギー濃度を示すことができる。いくつかの実装形態では、これらの追加の測定を他の測定とともに使用すると、慣性センサ信号に基づいて正しい活動が検出される確率を増大させることができる。
一実装形態では、スペクトル流束を測定することができ、スペクトル流束は、慣性センサ信号の2つの連続する窓における短時間周波数スペクトル間の差の平均とすることができる。たとえば、スペクトル流束の測定を使用して、特定の周期的挙動が変化している速度を特徴付ける(たとえば、活動レベルが短時間で著しく変化しうる有酸素活動を特徴付ける)ことができる。
一実装形態では、スペクトルロールオフを測定することができ、スペクトルロールオフとは、信号エネルギーの特定の部分がその下に存在する周波数とすることができる。一例では、スペクトルロールオフは、周波数スペクトルの形状を特徴付けるのに有用となりえ、これは、他の測定と組み合わせた場合、ユーザの活動を判定するのに有用となりうる。
慣性センサのスペクトル包絡を特徴付ける特徴の抽出の特定の例を以下に提供する。ここで、本発明者らは、サンプル数Ｎの窓におけるx軸に対する加速度計の読取りを、ax(0),...,ax(N-1)によって示す。話を簡単にするために、以下の議論では、x軸に沿った動きに応じた慣性センサ信号から特徴を抽出することに焦点を当てる。ここで、x軸に沿った動きに応じた加速度計トレースに加えて、またはその代わりに、他の線形の次元(たとえば、y軸および/またはz軸)に沿った動きに応じた加速度計トレースからも特徴を同様に抽出できることを理解されたい(たとえば、ユーザの活動を特徴付けるのに使用するため)。3つの線形の次元における慣性センサ信号の関数から特徴を同様に抽出することができ、たとえば振幅信号を追跡するために使用できる数式は、次式を含むことができる。
Figure 2016039999
任意の特定の加速度計軸(たとえば、上記の加速度計軸各々)に対してCCおよび/またはMFCCなどの特徴を抽出する場合、1組のNc個のメル周波数ケプストラム係数を演算することができる。たとえば、x軸の場合、これらをcx(0),...,cx(Nc-1)として示すことができる。これにより、y軸およびz軸に対して演算される類似の係数とともに、3Nc個の特徴が集合的に得られるはずである。特定の状況では、軸と軸の間でこれらの特徴を相関させることができる。特定の実装形態では、それぞれx次元、y次元、およびz次元に沿った動きに応じて、それぞれの加速度計トレースax(n)、ay(n)、およびaz(n)の短期間フーリエ変換の振幅の対数の逆離散フーリエ変換をとることによって、1組のNc個のメル周波数ケプストラム係数を大まかに演算することができる。CCとMFCCの演算における1つの違いは周波数帯域プリエンファシスであり、特定の実装形態に関して後述するように、周波数がより低い帯域に比べて、周波数がより高い帯域はあまり強調されない。
特定の例示的な実装形態では、次のようにNc個のMFCCを演算することができる。
1.N’点の加速度計入力をゼロ詰めすることによって、N'点の離散フーリエ変換を演算する。
Figure 2016039999
通常、N'=KNであり、ここでK>>1、たとえばN'=16Nである。
2.メル周波数プリエンファシスに従って隔置されたM個のフィルタバンクk0,...,kM-1の中心周波数指数を演算する。すなわち、
i=0,...,M-1の場合、ki=α(10βt-1)であり、
上式でαおよびβは適当に選択される。
CC(すなわち、メル周波数プリエンファシスを用いない)では、
i=0,...,M-1の場合、ki=γiを設定し、上式でγは適当に選択される。
3.M個のフィルタバンクの出力係数を演算する。
Figure 2016039999
上式でHi(k)は、次のような3角形の窓関数である。
Figure 2016039999
4.MFCCを演算する。
Figure 2016039999
第1の係数は、対数エネルギーを表すことができる。この演算は、図4(400)に示すように、以下のシーケンスの逆離散フーリエ変換(IDFT)をとることと同等とすることができる。
Figure 2016039999
通常、Nc=13個のCCまたはMFCCが演算される。さらに、一実装形態では、図4の時間基準を調整して、慣性センサの出力信号の当該周波数により密接に対応することができ、これは、図4のkHz時間基準とは対照的に、数十または数百Hz単位で測定することができる。
この場合も、上記で指摘したように、同じ演算をy軸およびz軸の加速度計トレースに適用して、関連するNc個のMFCCを獲得することができる。
図2(200)の例では、ユーザの手に携帯されている携帯デバイス上の加速度計の出力トレースを表すことができるグラフ220に対して、MFCCを演算することができる。例示的なグラフ220に関して、MFCC番号1〜4に対する値を以下のTable 1(表1)に示す。
Figure 2016039999
図3(250)の例では、ユーザの尻ポケット内に携帯されている携帯デバイス上の加速度計の出力トレースを表すことができるグラフ270に対して、MFCCを演算することができる。例示的なグラフ270に関して、MFCC番号1〜4に対する値を以下のTable 2(表2)に示す。
Figure 2016039999
デルタケプストラム係数、デルタMFCC、加速ケプストラム係数、および加速MFCCの演算に関連して、本発明者らは、x軸加速度計値の第1の窓をax(0),...,ax(N-1)によって示し、そのCCまたはMFCCをcx,1(0),...,cx,1(Nc-1)によって示す。本発明者らはまた、x軸加速度計値の第2の窓をax(F),...,ax(F+N-1)によって示し、そのCCまたはMFCCをcx,2(0),...,cx,2(Nc-1)によって示す。ここで、Fは第1の窓からの第2の窓のオフセットを表す。F=Nの場合、重複は存在しないが、F=N/2の場合、50%の重複が存在する可能性がある。同様に、x軸加速度計値の第3の窓をax(2F),...,ax(2F+N-1)によって示し、そのCCまたはMFCCをcx,3(0),...,cx,3(Nc-1)によって示す。
次いで、第2の窓に対するデルタCCまたはMFCCを次のように演算することができる。
n=0,...,Nc-1の場合、Δcx,2(n)=cx,2(n)-cx,1(n)
同様に、次いで、第3の窓に対するデルタCCまたはMFCCを次のように演算することができる。
n=0,...,Nc-1の場合、Δcx,3(n)=cx,3(n)-cx,2(n)
次いで、第3の窓に対する加速CCまたはMFCCを次のように演算することができる。
n=0,...,Nc-1の場合、
Δ2cx,3(n)=Δcx,3(n)-Δcx,2(n)=cx,3(n)-2cx,2(n)+cx,1(n)
同様に、第4および第5の窓などに対しても、CCまたはMFCCを演算することができる。
特定の実装形態では、次のようにスペクトルエントロピーを演算することができる。
1.N点の離散フーリエ変換を次のように演算する。
Figure 2016039999
2.演算したN点の離散フーリエ変換を次のように正規化する。
Figure 2016039999
3.スペクトルエントロピーを次のように表す。
Figure 2016039999
上記で指摘したように、本明細書に論じる技法を使用してセンサ信号から抽出された特徴は、特定のユーザ活動の推論および/または活動に従事しているユーザに対する携帯デバイスの位置の推論のために分類器または分類エンジンによって処理される特徴ベクトルを形成することができる。たとえば、前述の特徴の結合統計は、混合ガウスモデル(GMM)でモデル化することができ、完全ベイズ分類器で使用することができる。別法として、特定の単一の抽出された特徴を独立して取り扱い、その統計をGMMによってモデル化し、単純ベイズ分類器で使用することもできる。他の実装形態では、特徴のいくつかの部分集合間の従属性をモデル化しながら、他の部分集合を独立したものとして取り扱うことができる。
特定の実装形態では、時間とともに分類器を訓練することができる。特定の例示的な実装形態では、次のように、3秒の加速度計データごとに1つの軸につき150個のサンプル(サンプリング周波数=50Hz)、すなわち計450個のサンプルを集めることができ、これを本発明者らはxと呼ぶ。
x={ax(1),...,ax(150), ay(1),...,ay(150), az(1),...,az(150)}
これらのサンプル(x)から、特徴ベクトルf(x)を演算することができる。以下の特定の例には2つの特徴f1およびf2があり、したがってこの特徴ベクトルは次のように2つの次元を有する。
f(x)=[f1(x)], [f2(x)]
特定の実装形態では、これらの2つの次元は、たとえば縦揺れ、および加速度の平均振幅を演算することに対応することができる。
図5は、一実装形態による分類器を訓練する結果として形成された決定領域を示すグラフである。分類器を訓練するために、複数の事前定義された活動分類のそれぞれに対してデータを収集することができる。特定の例では、1)デバイスを手に持って歩く、すなわちω1と示すことができるクラス、2)デバイスをポケットに入れて歩く、すなわちω2と示すことができるクラス、および3)デバイスをポケットに入れて走る、すなわちω3と示すことができるクラスという、3つの事前定義された活動分類を用いることができる。図5に示すように、特定の例に対して、2次元の特徴空間内のデータをグラフ化することができる。事前定義された各クラスに対して統計モデルを訓練することができ、2D空間内のすべての点xに対して、その点xがそのクラスに対して統計モデルによって生成される確率を割り当てる。これを尤度関数と呼ぶことができる。これらの尤度関数は、前述の3つの事前定義された活動クラスに対して、P(f(x)|ω=ω1)、P(f(x)|ω=ω2)、およびP(f(x)|ω=ω3)と表すことができる。各尤度関数は入力として2つの特徴、すなわちf1(x)およびf2(x)をとり、単一の確率値(0と1のどちらかの数)を提供することに留意されたい。
訓練した後(たとえば、リアルタイム動作中)、分類器は、入力として、未知のデータ点x(たとえば、前述の450個の加速度計サンプル)を受け取り、そのデータ点に対応する特徴ベクトルf(x)を演算することができる。次いで分類器は、たとえば以下に表すように、その点xに対して最も高い尤度を有する活動分類を選択することができる。
Figure 2016039999
上記の数式では、クラス1に対する尤度がクラス2の尤度より高く、かつクラス3の尤度より高い場合、たとえばP(f(x)|ω1)>P(f(x)|ω2)かつP(f(x)|ω1)>P(f(x)|ω3)である場合、出力値
Figure 2016039999
をω1(たとえば、クラス1=デバイスを手に持って歩く)に設定する。同様に、クラス2は、クラス1およびクラス3より高い尤度を有する場合に選択され、また同様に、クラス3も、尤度が最も高い場合に選択される。これを図5に2D特徴空間(x軸=f1、y軸=f2)で図示する。決定領域1、決定領域2、および決定領域3内の複数組の点は、特定の例に対する訓練データを表す。この訓練データに少なくとも部分的に基づいて、1つまたは複数の統計モデルを公式化または生成することができる。これらのモデルでは、リアルタイムのデータ点xが決定領域1に着いた場合(決定領域1はP(f(x)|ω1)がP(f(x)|ω2)およびP(f(x)|ω3)より大きい領域であるため)、クラス1(1組の点10)が選択されると特徴付けることができる。同様にクラス2は、リアルタイムのデータ点xが決定領域2に着いた場合に選択することができ、クラス3は、リアルタイムのデータ点xが決定領域3に着いた場合に選択することができる。
図6は、例示的な演算環境500を示す一実装形態を示す概略図である。演算環境500は、慣性センサ信号に少なくとも部分的に基づいて、携帯デバイスと同じ場所に位置するユーザの活動を分類する1つまたは複数の処理を部分的または実質上実施または支援することが可能な1つまたは複数のネットワークまたはデバイスを含むことができる。演算環境500に示す様々なデバイスもしくはネットワーク、本明細書に記載する処理、または方法のすべてまたは一部は、様々なハードウェア、ファームウェア、またはこれらの任意の組合せをソフトウェアとともに使用して実施できることを理解されたい。
演算環境500は、たとえば携帯デバイス502を含むことができ、携帯デバイス502は、セルラー式電話ネットワーク、インターネット、モバイルアドホックネットワーク、無線センサネットワークなどの適した通信ネットワークを介して、任意の数の他の携帯デバイスまたは他の方式のデバイスに通信可能に結合することができる。一実装形態では、携帯デバイス502は、任意の適した通信ネットワークを介して情報を交換することが可能な任意の電子デバイス、機器、または機械を代表することができる。たとえば、携帯デバイス502は、たとえばセルラー式電話、衛星電話、スマートフォン、個人デジタルアシスタント(PDA)、ラップトップコンピュータ、個人娯楽システム、電子書籍リーダ、タブレットパーソナルコンピュータ(PC)、個人音声またはビデオデバイス、個人ナビゲーションデバイスなどに関連する1つまたは複数の演算デバイスまたはプラットホーム含むことができる。特定の例示的な実装形態では、携帯デバイス502は、1つまたは複数の集積回路、回路基板、または別のデバイスで使用するために動作可能なものなどの形をとることができる。図示しないが、任意選択で、または別法として、演算環境500に関連する1つまたは複数の処理を促進し、または他の方法で支援するために、携帯デバイス502に通信可能に結合された携帯電話機または他の形式の追加のデバイスを用いることもできる。したがって、別段の指示がない限り、議論を簡略化するために、携帯デバイス502を参照して後述する様々な機能性、要素、構成要素などは、例示的な演算環境500に関連する1つまたは複数の処理を支援するために、図示していない他のデバイスにも適用することができる。
演算環境500は、たとえば、位置決めシステム、位置に基づくサービスなどに関連する1つまたは複数の無線信号に少なくとも部分的に基づいて、携帯デバイス502に関する位置または位置情報を提供することが可能な様々な演算または通信資源を含むことができる。図示しないが、特定の例示的な実装形態では、携帯デバイス502は、たとえば、向き、位置情報(たとえば、3辺測量、ヒートマップ特徴マッチングなどを介する)などのすべてまたは一部を、獲得または提供することが可能な位置認識または追跡ユニットを含むことができる。そのような情報は、ユーザの命令、運動制御による命令または他の方式による命令に応じた1つまたは複数の処理の支援に提供することができる。これらの命令は、たとえばメモリ504内に、1つまたは複数の閾値などの他の好適または所望の情報とともに記憶することができる。
メモリ504は、任意の好適または所望の情報記憶媒体とすることができる。たとえば、メモリ504は、1次メモリ506および2次メモリ508を含むことができる。1次メモリ506は、たとえば、ランダムアクセスメモリ、読取り専用メモリなどを含むことができる。この例では処理ユニット510とは別個のものとして示すが、1次メモリ506のすべてまたは一部は、処理ユニット510内に設けることができ、または他の形で処理ユニット510と同じ場所に配置/処理ユニット510と結合できることを理解されたい。2次メモリ508は、たとえば1次メモリと同じもしくは類似のタイプのメモリ、またはたとえばディスクドライブ、光ディスクドライブ、テープドライブ、固体メモリドライブなどの1つもしくは複数の情報記憶デバイスもしくはシステムを含むことができる。特定の実装形態では、2次メモリ508は、一時的でないコンピュータ可読記録媒体512を動作可能に受容することができ、または他の形で一時的でないコンピュータ可読記録媒体512に結合できるようにすることができる。
コンピュータ可読記録媒体512は、たとえば、演算環境500に関連する1つまたは複数のデバイスに対する情報、コード、または命令(たとえば、製造品など)を記憶でき、または当該情報、コード、または命令へのアクセスを提供できる任意の媒体を含むことができる。たとえば、コンピュータ可読記録媒体512は、処理ユニット510によって提供またはアクセスされうる。したがって、特定の例示的な実装形態では、これらの方法または装置は、全体的または部分的に、コンピュータ-実施可能命令を記憶できるコンピュータ可読記録媒体の形をとることができる。これらの命令が少なくとも1つの処理ユニットまたは他の同様の回路によって実行された場合、処理ユニット510または他の同様の回路は、位置判断処理、センサに基づく測定もしくはセンサに支援された測定(たとえば、加速度、減速、向き、傾斜、回転など)、慣性センサ信号からの特徴の抽出/演算、携帯デバイスのユーザと同じ場所に位置する活動の分類、または、携帯デバイス502の残りの検出を促進または他の方法で支援する任意の同様の処理のすべてまたは一部分を実行することが可能になる。特定の例示的な実装形態では、処理ユニット510は、通信、ゲーミングなどの他の機能を実行または支援することが可能である。
処理ユニット510は、ハードウェアまたはハードウェアとソフトウェアの組合せで実施することができる。処理ユニット510は、情報演算技法または処理の少なくとも一部分を実行することが可能な1つまたは複数の回路を代表することができる。限定ではないが例として、処理ユニット510は、1つまたは複数のプロセッサ、コントローラ、マイクロプロセッサ、マイクロコントローラ、特定用途向け集積回路、デジタル信号プロセッサ、プログラマブル論理デバイス、フィールドプログラマブルゲートアレイなど、またはこれらの任意の組合せを含むことができる。
携帯デバイス502は、演算環境500に関連する1つまたは複数の処理を、促進または他の方法で支援するために、たとえば、1つもしくは複数の加速度計513などの様々な構成要素もしくは回路、または磁気コンパス、ジャイロスコープ、ビデオセンサ、比重計などの様々な他のセンサ514を含むことができる。たとえば、そのようなセンサは、アナログまたはデジタル信号を処理ユニット510に提供することができる。図示しないが、携帯デバイス502は、1つまたは複数のセンサからのアナログ信号をデジタル化するために、アナログ-デジタル変換器(ADC)を含むことができることに留意されたい。任意選択で、または別法として、そのようなセンサは、それぞれの出力信号をデジタル化するために指定(たとえば、内部など)のADCを含むことができるが、主張する主題はそのように限定されるものではない。
図示しないが、携帯デバイス502はまた、前述のように、たとえば加速度計の測定情報(たとえば、加速度計トレース)などの好適または所望の情報を収集するために、メモリまたは情報バッファを含むことができる。携帯デバイスはまた、たとえば、携帯デバイス502の構成要素または回路の一部またはすべてに電力を提供するために、電源を含むことができる。電源は、たとえば電池などの携帯型の電源とすることができ、またはアウトレット(たとえば、屋内、充電ステーションなど)などの固定の電源を構成することもできる。電源は、(たとえば、独立型などの)携帯デバイス502に組み込むことができ(たとえば、内臓など)、または携帯デバイス502によって他の方法で支援することができることを理解されたい。
携帯デバイス502は、様々な回路をともに動作可能に結合するための1つまたは複数の接続バス516(たとえば、バス、線、導体、光ファイバなど)と、ユーザ入力を受け取り、センサ関連信号の測定を促進もしくは支援し、または情報をユーザに提供するためのユーザインターフェース518(たとえば、ディスプレイ、タッチスクリーン、キーパッド、ボタン、つまみ、マイクロフォン、スピーカ、トラックボール、データポートなど)とを含むことができる。携帯デバイス502は、前述したように、1つまたは複数の好適の通信ネットワークを介して1つまたは複数の他のデバイスまたはシステムとの通信を可能にするための通信インターフェース520(たとえば、無線送信器または受信器、モデム、アンテナなど)をさらに含むことができる。
図7は、一実装形態による活動に従事しているユーザに対する携帯デバイスの位置状態を推論する処理を示すフローチャート(550)である(位置状態とは、GPSまたは他の位置決め技法によって演算される位置などの絶対的な位置ではなく、位置の分類を指す)。図6の実施形態は図7の方法を実行するのに適しているが、構造および構成要素の代替構成を使用して方法を実行することを妨げるものはない。一実装形態では、この方法の適用中に、ユーザが歩いている、走っている、自転車を漕いでいるなど、律動的な挙動を伴う何らかの形の動きに関与していることを想定しているが、主張する主題はこれに関して限定されるものではない。
図7の方法はブロック560から始まり、活動に従事しているユーザと同じ場所に位置する携帯デバイスの1つまたは複数の慣性センサから受け取った少なくとも1つの信号のスペクトル包絡を特徴付ける。ブロック570で、スペクトル包絡の特徴付けに少なくとも部分的に基づいて、ユーザに対する携帯デバイスの位置状態を推論する。
本明細書に記載する方法論は、特定の特徴または例による適用分野に応じて、様々な手段によって実施することができる。たとえば、そのような方法論は、ハードウェア、ファームウェア、ソフトウェア、ディスクリート/固定論理回路、これらの任意の組合せなどで実施することができる。たとえば、ハードウェアまたは論理回路の実装形態では、処理ユニットは、いくつかの例を挙げるだけでも、1つまたは複数の特定用途向け集積回路(ASIC)、デジタル信号プロセッサ(DSP)、デジタル信号処理デバイス(DSPD)、プログラマブル論理デバイス(PLD)、フィールドプログラマブルゲートアレイ(FPGA)、プロセッサ、コントローラ、マイクロコントローラ、マイクロプロセッサ、電子デバイス、本明細書に記載する機能を実行するように設計された他のデバイスもしくはユニット、またはこれらの組合せ内で実施することができる。
ファームウェアまたはソフトウェアの実装形態の場合、これらの方法論は、本明細書に記載する機能を実行する命令を有するモジュール(たとえば、手順、機能など)とともに実施することができる。本明細書に記載する方法論を実施するには、命令を有形に実施する任意の機械可読記録媒体を使用することができる。たとえば、メモリ内にソフトウェアコードを記憶し、プロセッサによって実行することができる。メモリは、プロセッサ内で実施してもプロセッサ外で実施してもよい。本明細書では、「メモリ」という用語は、任意のタイプの長期的、短期的、揮発性、不揮発性、または他のメモリを指し、メモリの特定のタイプもしくはメモリの数、またはメモリが記憶される媒体のタイプにも限定されるものではない。少なくともいくつかの実装形態では、本明細書に記載する記憶媒体の1つまたは複数の部分は、記憶媒体の特定の状態によって表されるデータまたは情報を表す信号を記憶することができる。たとえば、データまたは情報を表す電子信号は、記憶媒体(たとえば、メモリ)の一部分内に、データまたは情報を2値情報(たとえば、1および0)として表すように記憶媒体のそのような部分の状態に影響を与え、またはその状態を変化させることによって、「記憶」することができる。したがって、特定の実装形態では、データまたは情報を表す信号を記憶するように記憶媒体の部分の状態をそのように変化させることで、記憶媒体を異なる状態または異なるものに変換することになる。
前述したように、1つまたは複数の例示的な実装形態では、記載した機能は、ハードウェア、ソフトウェア、ファームウェア、ディスクリート/固定論理回路、これらの何らかの組合せなどで実施することができる。ソフトウェアで実施した場合、これらの機能は、物理的なコンピュータ可読記録媒体上に1つまたは複数の命令またはコードとして記憶することができる。コンピュータ可読記録媒体は、物理的コンピュータ記憶媒体を含む。記憶媒体は、コンピュータがアクセスできる任意の利用可能な物理媒体とすることができる。限定ではなく例として、そのようなコンピュータ可読記録媒体は、RAM、ROM、EEPROM、CD-ROM、もしくは他の光ディスク記憶装置、磁気ディスク記憶装置、もしくは他の磁気記憶デバイス、または命令もしくはデータ構造の形で所望のプログラムコードを記憶するために使用でき、コンピュータもしくはそのプロセッサがアクセスできる任意の他の媒体を含むことができる。本明細書では、ディスク(disk)およびディスク(disc)には、コンパクトディスク(CD)、レーザディスク、光ディスク、デジタル多用途ディスク(DVD)、フレキシブルディスク、およびブルーレイディスクが含まれ、通常、ディスク(disk)はデータを磁気的に再現し、ディスク(disc)はレーザを用いてデータを光学的に再現する。
上記で論じたように、携帯デバイスは、1つまたは複数の無線通信技法を使用して、様々な通信ネットワークによる情報の無線送受信を介して、1つまたは複数の他のデバイスと通信することが可能である。ここではたとえば、無線ワイドエリアネットワーク(WWAN)、無線ローカルエリアネットワーク(WLAN)、無線パーソナルエリアネットワーク(WPAN)などを使用して、無線通信技法を実施することができる。本明細書では、「ネットワーク」および「システム」という用語を区別なく使用することができる。WWANは、符号分割多元接続(CDMA)ネットワーク、時分割多元接続(TDMA)ネットワーク、周波数分割多元接続(FDMA)ネットワーク、直交周波数分割多元接続(OFDMA)ネットワーク、Single-Carrier周波数分割多元接続(SC-FDMA)ネットワーク、Long Term Evolution(LTE)ネットワーク、WiMAX(IEEE 802.16)ネットワークなどとすることができる。CDMAネットワークは、いくつかの無線技術の例を挙げるだけでも、cdma2000、Wideband-CDMA(WCDMA、登録商標)、Time Division Synchronous Code Division Multiple Access(TD-SCDMA)などの1つまたは複数の無線アクセス技術(RAT)を実施することができる。ここで、cdma2000は、IS-95、IS-2000、およびIS-856標準に従って実施される技術を含むことができる。TDMAネットワークは、Global System for Mobile Communications(GSM、登録商標)、Digital Advanced Mobile Phone System(D-AMPS)、または何らかの他のRATを実施することができる。GSMおよびW-CDMAは、「3rd Generation Partnership Project」(3GPP)という名称の団体からの文献に記載されている。Cdma2000は、「3rd Generation Partnership Project 2」(3GPP2)という名称の団体からの文献に記載されている。3GPPおよび3GPP2の文献は、公に入手可能である。WLANは、IEEE 802.11xネットワークを含むことができ、WPANは、たとえばBluetooth（登録商標）ネットワーク、IEEE 802.15x、または何らかの他のタイプのネットワークを含むことができる。これらの技法はまた、WWAN、WLAN、またはWPANの任意の組合せとともに実施することができる。無線通信ネットワークは、たとえば、Long Term Evolution(LTE)、Advanced LTE、WiMAX、Ultra Mobile Broadband(UMB)などのいわゆる次世代技術(たとえば、「4G」)を含むことができる。
1つの特定の実装形態では、携帯デバイスは、たとえば、携帯デバイスの位置、向き、速度、加速度などを推定する目的で、携帯デバイスとの通信を促進または支援する1つまたは複数のフェムトセルと通信することが可能である。本明細書では、「フェムトセル」とは、たとえばDigital Subscriber Line(DSL)またはケーブルなどのブロードバンドを介してたとえばサービス提供者のネットワークに接続することが可能な1つまたは複数のより小型のセルラー式基地局を指すことができる。通常、必ずしも必要ではないが、フェムトセルは、多くの可能なものの中からいくつかの例を挙げるだけでも、たとえばUniversal Mobile Telecommunications System(UTMS)、Long Term Evolution(LTE)、Evolution-Data OptimizedもしくはEvolution-Data only(EV-DO)、GSM、Worldwide Interoperability for Microwave Access(WiMAX)、Code division multiple access(CDMA)-2000、またはTime Division Synchronous Code Division Multiple Access(TD-SCDMA)などの様々なタイプの通信技術を利用し、またはこれらの通信技術に他の形で適合することができる。特定の実装形態では、フェムトセルは、たとえば組込み式のWiFiを含むことができる。しかし、フェムトセルに関するそのような詳細は単なる例であり、主張する主題はそのように限定されるものではない。
また、コンピュータ可読コードまたは命令は、送信器から受信器へ物理的伝送媒体による信号を介して(たとえば、電気デジタル信号を介して)伝送することができる。たとえば、ソフトウェアは、同軸ケーブル、光ファイバケーブル、撚り対線、デジタル加入者線(DSL)、または赤外線、無線、およびマイクロ波などの無線技術の物理的構成要素を使用して、ウェブサイト、サーバ、または他の遠隔源から伝送することができる。上記の組合せはまた、物理的伝送媒体の範囲内に含むことができる。そのようなコンピュータ命令またはデータは、複数の部分(たとえば、第1の部分および第2の部分)に分けて、異なる時点(たとえば、第1の時点および第2の時点)で伝送することができる。この詳細な説明のいくつかの部分は、特定装置または特定用途向けの演算デバイスまたはプラットホームのメモリ内に記憶されている2値デジタル信号上の動作の象徴またはアルゴリズムに関して提示されている。本明細書では、特定装置という用語などには、プログラムソフトウェアからの命令に従って特定の機能を実行するようにプログラムされた汎用コンピュータが含まれる。アルゴリズムの説明または象徴は、信号処理または関連技術において当業者が作業の内容を他の当業者に伝えるために使用される技法の例である。ここでは、アルゴリズムとは概略的に、所望の結果をもたらす自己矛盾のない一連の動作または類似の信号処理とみなされる。この文脈では、動作または処理には物理量の物理的な操作を伴う。通常、必ずしも必要ではないが、そのような量は、記憶、伝達、結合、比較、または他の操作が可能な電気または磁気信号の形をとることができる。
主に一般的な用法のため、そのような信号をビット、情報、値、要素、記号、文字、変数、項、数、数値などと呼ぶことが、ときに好都合であることが示されている。しかし、これらの用語または類似の用語はすべて適当な物理量に関連するものであり、単に好都合な標識であることを理解されたい。別段の指定がない限り、上記の議論から明らかなように、本明細書全体にわたって、「処理」、「演算」、「計算」、「判定」、「確認」、「識別」、「関連付け」、「測定」、「実行」などの用語を利用する議論は、特殊目的のコンピュータまたは類似の特殊目的の電子演算デバイスなどの特有の装置の行動または処理を指すことが理解されよう。したがって、本明細書では、特殊目的のコンピュータまたは類似の特殊目的の電子演算デバイスは、特殊目的のコンピュータまたは類似の特殊目的の電子演算デバイスのメモリ、レジスタ、もしくは他の情報記憶デバイス、伝送デバイス、または表示デバイス内で、通常は物理的、電子的、電気的、または磁気的な量で表される信号を、操作または変換することが可能である。
本明細書では、「および」および「または」という用語は様々な意味を含むことができ、そのような用語が使用される文脈に少なくとも部分的に依存することも予期される。通常、「または」とは、A、B、またはCなどのリストに関連して使用される場合、ここでは包括的な意味で使用されるA、B、およびC、ならびにここでは排他的な意味で使用されるA、B、またはCを意味するものとする。さらに、本明細書では、「1つまたは複数」という用語は、単数の任意の特徴、構造、もしくは特性について説明するために使用することができ、または特徴、構造、もしくは特性のいくつかの組合せを説明するために使用することができる。しかし、これは単なる例示であり、主張する主題はこの例に限定されるものではないことに留意されたい。
特定の例示的な技法について、様々な方法またはシステムを使用して本明細書に説明および図示したが、主張する主題から逸脱することなく、様々な他の修正を加えることができ、また均等物に置き換えることができることが、当業者には理解されよう。さらに、本明細書に記載する中心的な概念から逸脱することなく、主張する主題の教示に特定の状況を適合させるように、多くの修正を加えることができる。したがって、主張する主題は開示する特定の例に限定されるものではなく、そのような主張する主題はまた、添付の特許請求の範囲の範囲内に入るすべての実装形態およびその均等物を含むことができるものとする。
100 例示的な座標系
102 携帯デバイス
104 原点
106 X軸
108 Z軸
210 ユーザ
220 グラフ
260 ユーザ
270 グラフ
500 演算環境
502 携帯デバイス
504 メモリ
506 1次メモリ
508 2次メモリ
510 処理ユニット
512 コンピュータ可読メモリ
513 加速度計
514 他のセンサ
516 接続バス
518 ユーザインターフェース
520 通信インターフェース

Claims (23)

  1. 携帯デバイスの1つまたは複数の慣性センサを使用して、前記携帯デバイスの動きを示す少なくとも1つの信号を獲得するステップと、
    活動に従事しているユーザと同じ場所に位置する携帯デバイスの1つまたは複数の慣性センサから受け取った前記少なくとも1つの信号のスペクトル包絡を特徴付ける1つまたは複数のパラメータを判定するステップと、
    前記スペクトル包絡の前記特徴付けに少なくとも部分的に基づいて、前記ユーザに対する前記携帯デバイスの位置状態を分類することによって、前記携帯デバイスの挙動に変化を生じさせるステップであって、前記位置状態は前記ユーザに対する前記携帯デバイスの位置を示す、ステップと
    を含む方法。
  2. 前記位置状態を分類するステップが、ベイズ分類器を使用して複数の位置状態候補から前記位置状態を推論するステップを含む、請求項1に記載の方法。
  3. 前記位置状態を分類するステップが、
    前記ユーザの手の中にある、
    前記ユーザが歩いている、走っている、または自転車に乗っている間に、前記ユーザの手首または腕に固定されている、
    前記ユーザが歩いている、走っている、または自転車もしくは自動二輪車に乗っている間に、前記ユーザのシャツまたはコートのポケットに入っている、
    前記ユーザが歩いている、走っている、または自転車に乗っている間に、前記ユーザのズボンのポケットに入っている、
    前記ユーザのベルトまたは衣類に取り付けられたホルスターに入っている、又は、
    前記ユーザが携帯または運搬している鞄、スーツケース、またはブリーフケースに入っている
    のうちの少なくとも1つを含む前記ユーザに対する複数の位置状態候補から、前記位置状態を推論するステップを含む、請求項1に記載の方法。
  4. 1つの方向に前記携帯デバイスの加速度を検出したことに少なくとも部分的に基づいて、前記ユーザが前記携帯デバイスを前記ユーザの手に持って歩いていると推論するステップをさらに含み、前記1つの方向の前記加速度が少なくとも第2および第3の方向の加速度より大きい、
    請求項3に記載の方法。
  5. 第1の方向の加速度ピークを検出したことに少なくとも部分的に基づいて、前記ユーザが前記携帯デバイスを前記ユーザのポケットに入れて歩いていると推論するステップをさらに含み、前記加速度ピークが第2および第3の方向の加速度ピークより大きい、
    請求項3に記載の方法。
  6. スペクトル包絡を特徴付ける1つまたは複数のパラメータを判定する前記ステップが、
    前記少なくとも1つの信号に少なくとも部分的に基づいてケプストラム係数を演算するステップをさらに含む、請求項1に記載の方法。
  7. スペクトル包絡を特徴付ける1つまたは複数のパラメータを判定する前記ステップが、
    前記少なくとも1つの信号に少なくとも部分的に基づいて、
    メル周波数ケプストラム係数の演算、デルタケプストラム係数の演算、デルタメル周波数ケプストラム係数の演算、加速ケプストラム係数の演算、加速メル周波数ケプストラム係数の演算、線形予測係数の演算、デルタ線形予測係数の演算、および加速線形予測係数の演算からなる群から選択される1つまたは複数の演算を実行するステップを含む、請求項1に記載の方法。
  8. 前記少なくとも1つの信号の縦揺れを測定するステップと、
    前記測定された縦揺れに少なくとも部分的に基づいて前記位置状態を推論するステップと
    をさらに含む、請求項1に記載の方法。
  9. 前記少なくとも1つの信号のスペクトルエントロピーを測定するステップと、
    前記測定されたスペクトルエントロピーに少なくとも部分的に基づいて前記位置状態を推論するステップと
    をさらに含む、請求項1に記載の方法。
  10. 前記少なくとも1つの信号のゼロ交差率を測定するステップと、
    前記測定されたゼロ交差率に少なくとも部分的に基づいて前記位置状態を推論するステップと
    をさらに含む、請求項1に記載の方法。
  11. 前記少なくとも1つの信号のスペクトル中心を測定するステップと、
    前記測定されたスペクトル中心に少なくとも部分的に基づいて前記位置状態を推論するステップと
    をさらに含む、請求項1に記載の方法。
  12. 前記少なくとも1つの信号の帯域幅を測定するステップと、
    前記測定された帯域幅に少なくとも部分的に基づいて前記位置状態を推論するステップと
    をさらに含む、請求項1に記載の方法。
  13. 前記少なくとも1つの信号の帯域エネルギーを測定するステップと、
    前記測定された帯域エネルギーに少なくとも部分的に基づいて前記位置状態を推論するステップと
    をさらに含む、請求項1に記載の方法。
  14. 前記少なくとも1つの信号のスペクトル流束を測定するステップと、
    前記測定されたスペクトル流束に少なくとも部分的に基づいて前記位置状態を推論するステップと
    をさらに含む、請求項1に記載の方法。
  15. 前記少なくとも1つの信号のスペクトルロールオフを測定するステップと、
    前記測定されたスペクトルロールオフに少なくとも部分的に基づいて前記位置状態を推論するステップと
    をさらに含む、請求項1に記載の方法。
  16. 携帯デバイスの動きを感知する手段と、
    動きを感知する前記手段から受け取った少なくとも1つの信号のスペクトル包絡を特徴付ける手段と、
    前記スペクトル包絡の前記特徴付けに少なくとも部分的に基づいて、ユーザに対する前記携帯デバイスの位置状態を分類することによって、前記携帯デバイスの挙動に変化を生じさせる手段であって、前記位置状態は前記ユーザに対する前記携帯デバイスの位置を示す、手段と
    を備える装置。
  17. 前記スペクトル包絡の前記特徴付けに少なくとも部分的に基づいて、前記ユーザの活動を推論する手段をさらに備える、請求項16に記載の装置。
  18. 特徴付ける前記手段が、
    前記少なくとも1つの信号に少なくとも部分的に基づいてケプストラム係数を演算する手段をさらに備える、請求項17に記載の装置。
  19. 携帯デバイスのプロセッサによって実行可能である機械可読命令が記憶された一時的でない記憶媒体であって、前記機械可読命令が、
    前記携帯デバイスの1つまたは複数の慣性センサを使用して、前記携帯デバイスの動きを示す少なくとも1つの信号を獲得し、
    携帯デバイスの1つまたは複数の慣性センサから受け取った前記少なくとも1つの信号のスペクトル包絡を特徴付け、
    前記スペクトル包絡の前記特徴付けに少なくとも部分的に基づいて、活動に従事しているユーザに対する前記携帯デバイスの位置状態を分類することによって、前記携帯デバイスの挙動に変化を生じさせ、
    前記位置状態は前記ユーザに対する前記携帯デバイスの位置を示す、一時的でない記憶媒体。
  20. 携帯デバイスの運動を測定するように構成された1つまたは複数の慣性センサと、
    1つまたは複数のプロセッサと
    を備え、前記プロセッサが、
    前記1つまたは複数の慣性センサから受け取った少なくとも1つの信号のスペクトル包絡を特徴付け、
    前記スペクトル包絡の前記特徴付けに少なくとも部分的に基づいて、活動に従事しているユーザに対する携帯デバイスの位置状態を分類することによって、前記携帯デバイスの挙動に変化を生じさせる
    ように構成され、前記位置状態は前記ユーザに対する前記携帯デバイスの位置を示す、携帯デバイス。
  21. 前記1つまたは複数のプロセッサが、
    前記ユーザが活動に従事している間に、前記ユーザの手の中にある、前記ユーザの手首または腕に固定されている、前記ユーザのシャツ、コート、もしくはズボンのポケットに入っている、または前記ユーザの鞄に入っている、のうちの少なくとも1つを含む前記ユーザに対する複数の位置状態候補から、前記ユーザに対する前記携帯デバイスの前記位置状態をさらに推論するように構成された、請求項20に記載の携帯デバイス。
  22. 前記1つまたは複数のプロセッサが、歩く、走る、自転車に乗る、および自動車に乗る、バスに乗る、列車に乗る、または自動二輪車に乗るからなる複数の候補活動から前記活動をさらに分類するように構成された、請求項21に記載の携帯デバイス。
  23. 前記1つまたは複数のプロセッサが、前記少なくとも1つの信号に少なくとも部分的に基づいてケプストラム係数をさらに演算するように構成された、請求項21に記載の携帯デバイス。
JP2015229470A 2011-03-31 2015-11-25 携帯デバイスの位置を推論するデバイス、方法、および装置 Pending JP2016039999A (ja)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201161470001P 2011-03-31 2011-03-31
US61/470,001 2011-03-31
US13/362,485 US20130029681A1 (en) 2011-03-31 2012-01-31 Devices, methods, and apparatuses for inferring a position of a mobile device
US13/362,485 2012-01-31

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2014502864A Division JP2014515101A (ja) 2011-03-31 2012-03-30 携帯デバイスの位置を推論するデバイス、方法、および装置

Publications (1)

Publication Number Publication Date
JP2016039999A true JP2016039999A (ja) 2016-03-24

Family

ID=46028136

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2014502864A Pending JP2014515101A (ja) 2011-03-31 2012-03-30 携帯デバイスの位置を推論するデバイス、方法、および装置
JP2015229470A Pending JP2016039999A (ja) 2011-03-31 2015-11-25 携帯デバイスの位置を推論するデバイス、方法、および装置

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2014502864A Pending JP2014515101A (ja) 2011-03-31 2012-03-30 携帯デバイスの位置を推論するデバイス、方法、および装置

Country Status (6)

Country Link
US (1) US20130029681A1 (ja)
EP (1) EP2691779A1 (ja)
JP (2) JP2014515101A (ja)
KR (2) KR20130136575A (ja)
CN (1) CN103477192B (ja)
WO (1) WO2012135726A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6258442B1 (ja) * 2016-10-28 2018-01-10 三菱電機インフォメーションシステムズ株式会社 動作特定装置、動作特定方法及び動作特定プログラム

Families Citing this family (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160131484A1 (en) * 2008-04-21 2016-05-12 Invensense, Inc. System and method for device position classification
US10199726B2 (en) 2011-06-29 2019-02-05 Pismo Labs Technology Limited Systems and methods providing assisted aiming for wireless links through a plurality of external antennas
US9055455B2 (en) * 2011-06-29 2015-06-09 Pismo Labs Technology Ltd. Systems and methods providing assisted aiming for wireless links
US20130231889A1 (en) * 2012-03-01 2013-09-05 Lockheed Martin Corporation Method and apparatus for an inertial navigation system
JP5978687B2 (ja) * 2012-03-22 2016-08-24 富士ゼロックス株式会社 移動状況判定プログラム及び移動状況判定装置
CN105074381B (zh) * 2013-01-21 2018-12-14 可信定位股份有限公司 确定设备与行人之间的未对准的方法和装置
WO2014145122A2 (en) * 2013-03-15 2014-09-18 Aliphcom Identification of motion characteristics to determine activity
JP6048242B2 (ja) * 2013-03-18 2016-12-21 富士通株式会社 食動作検出装置、食動作検出方法及びプログラム
US20140288867A1 (en) * 2013-03-21 2014-09-25 Sony Corporation Recalibrating an inertial navigation system
US20140222568A1 (en) * 2013-04-04 2014-08-07 Madtivity, Inc. Targeted advertisement distribution to mobile devices
US10716073B2 (en) 2013-06-07 2020-07-14 Apple Inc. Determination of device placement using pose angle
US9699739B2 (en) 2013-06-07 2017-07-04 Apple Inc. Determination of device body location
US9510318B2 (en) 2013-06-27 2016-11-29 Google Technology Holdings LLC Method and apparatus for ascertaining a location of a personal portable wireless communication device
CN103505195B (zh) * 2013-09-02 2015-06-17 展讯通信（上海）有限公司 人体脉搏测量方法、装置和移动终端
JP6358889B2 (ja) * 2013-09-26 2018-07-18 株式会社メガチップス 歩行者観測システム、プログラムおよび進行方向推定方法
US10456622B2 (en) 2013-11-04 2019-10-29 Intel Corporation Detection of biking, walking, and running
JP6496996B2 (ja) * 2013-11-05 2019-04-10 セイコーエプソン株式会社 運動諸量算出方法、運動諸量算出装置及び携帯機器
CN103900567B (zh) * 2014-03-08 2017-01-25 哈尔滨工程大学 一种基于贝叶斯递推滤波的重力辅助捷联惯性导航方法
US10653339B2 (en) * 2014-04-29 2020-05-19 Nxp B.V. Time and frequency domain based activity tracking system
EP2950596B1 (en) * 2014-05-30 2019-06-26 Apple Inc. Method and system for determining whether device is on user's body
US9497592B2 (en) * 2014-07-03 2016-11-15 Qualcomm Incorporated Techniques for determining movements based on sensor measurements from a plurality of mobile devices co-located with a person
KR102130801B1 (ko) * 2014-07-22 2020-08-05 엘지전자 주식회사 손목 스탭 검출 장치 및 그 방법
RU2622880C2 (ru) * 2014-08-22 2017-06-20 Нокиа Текнолоджиз Ой Обработка информации датчика
WO2016077286A1 (en) * 2014-11-10 2016-05-19 Invensense, Inc. System and method for device position classification
CN104605859B (zh) * 2014-12-29 2017-02-22 北京工业大学 一种基于移动终端传感器的室内导航步态检测方法
US10197416B2 (en) * 2015-01-21 2019-02-05 Quicklogic Corporation Multiple axis wrist worn pedometer
US10260877B2 (en) * 2015-02-26 2019-04-16 Stmicroelectronics, Inc. Reconfigurable sensor unit for electronic device
CN104689551B (zh) * 2015-03-19 2017-06-16 东软集团股份有限公司 一种运动状态监测方法及装置
CN106139559B (zh) * 2015-03-23 2019-01-15 小米科技有限责任公司 运动数据采集方法、测量装置和运动装置
US9752879B2 (en) * 2015-04-14 2017-09-05 Invensense, Inc. System and method for estimating heading misalignment
CN105180959B (zh) * 2015-09-01 2017-12-26 北京理工大学 一种适用于腕式计步器的抗干扰计步方法
US10802158B2 (en) * 2015-09-30 2020-10-13 Apple Inc. Dynamic coherent integration
US20170153760A1 (en) * 2015-12-01 2017-06-01 Apple Inc. Gain-based error tracking for force sensing
US10254870B2 (en) 2015-12-01 2019-04-09 Apple Inc. Force sensor-based motion or orientation determination in a device
CN105651302A (zh) * 2016-01-15 2016-06-08 广东欧珀移动通信有限公司 提高计步精度的方法、装置及移动终端
US10527736B2 (en) * 2016-03-17 2020-01-07 Cm Hk Limited Methods and mobile devices with electric vehicle transportation detection
US10118696B1 (en) 2016-03-31 2018-11-06 Steven M. Hoffberg Steerable rotating projectile
US10523281B2 (en) * 2016-06-10 2019-12-31 Qualcomm Incorporated Sensor based beam tracking for wireless communication
US10018469B2 (en) * 2016-06-21 2018-07-10 Bae Systems Information And Electronic Systems Integration Inc. Method for terrain mapping and personal navigation using mobile gait analysis
US10743777B2 (en) * 2016-12-08 2020-08-18 Qualcomm Incorporated Cardiovascular parameter estimation in the presence of motion
CN107392106B (zh) * 2017-06-26 2021-03-02 辽宁大学 一种基于双门限的人体活动端点检测方法
CN107506035B (zh) * 2017-08-21 2020-03-27 中国电子科技集团公司第二十九研究所 一种基于移动平台的手势化频谱分析方法及系统
KR102363974B1 (ko) * 2018-01-12 2022-02-16 라인플러스 주식회사 메시징 서비스 환경에서의 사용자 상황 감지 및 사용자 상황에 기반한 메시징 서비스와의 인터랙션
CN108387757B (zh) * 2018-01-19 2021-07-27 百度在线网络技术（北京）有限公司 用于检测可移动设备的移动状态的方法和装置
US11712637B1 (en) 2018-03-23 2023-08-01 Steven M. Hoffberg Steerable disk or ball
US10573273B2 (en) * 2018-06-13 2020-02-25 Mapsted Corp. Method and system for device placement based optimization techniques
CN109124646B (zh) * 2018-09-26 2021-06-18 北京壹氢科技有限公司 一种适用于配带智能手机行人的步态检测方法
WO2020075825A1 (ja) * 2018-10-12 2020-04-16 洋紀 山本 動き推定装置、電子機器、制御プログラム及び動き推定方法
KR102345646B1 (ko) * 2021-07-13 2021-12-30 포항공과대학교 산학협력단 가속도 정보를 처리하는 웨어러블 디바이스 및 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10113343A (ja) * 1996-07-03 1998-05-06 Hitachi Ltd 動作及び行動の認識方法及び装置及びシステム
JP2005242759A (ja) * 2004-02-27 2005-09-08 National Institute Of Information & Communication Technology 行動・意図推定システム、行動・意図推定方法、行動・意図推定プログラムおよびそのプログラムを記録したコンピュータ読み取り可能な記録媒体
JP2007079389A (ja) * 2005-09-16 2007-03-29 Yamaha Motor Co Ltd 音声分析方法および音声分析装置
JP2010197862A (ja) * 2009-02-26 2010-09-09 Toshiba Corp 信号帯域拡張装置
JP2010286344A (ja) * 2009-06-11 2010-12-24 Kddi Corp 携帯端末装置の移動状態を推定する方法及びシステム
JP2011002703A (ja) * 2009-06-19 2011-01-06 National Institute Of Information & Communication Technology スペクトル分析装置及びスペクトル演算装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69736622T2 (de) * 1996-07-03 2007-09-13 Hitachi, Ltd. System zur Bewegungserkennung
CN1168057C (zh) * 1996-08-14 2004-09-22 挪拉赫梅特·挪利斯拉莫维奇·拉都包夫 追踪并显示使用者在空间的位置与取向的方法,向使用者展示虚拟环境的方法以及实现这些方法的系统
EP1444948B1 (en) * 1997-09-05 2014-04-30 Seiko Epson Corporation Optical diagnostic measurement device
US6369794B1 (en) * 1998-09-09 2002-04-09 Matsushita Electric Industrial Co., Ltd. Operation indication outputting device for giving operation indication according to type of user's action
AU2003900863A0 (en) * 2003-02-26 2003-03-20 Commonwealth Scientific & Industrial Research Organisation Inertial and radiolocation method
DE202007010056U1 (de) * 2007-07-17 2007-09-13 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. System zur Bestimmung der körperlichen Aktivität eines Lebewesens
EP2208370B1 (en) * 2007-11-09 2018-06-13 Google LLC Activating applications based on accelerometer data
WO2011092639A1 (en) * 2010-01-29 2011-08-04 Nokia Corporation Systems, methods, and apparatuses for providing context-based navigation services

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10113343A (ja) * 1996-07-03 1998-05-06 Hitachi Ltd 動作及び行動の認識方法及び装置及びシステム
JP2005242759A (ja) * 2004-02-27 2005-09-08 National Institute Of Information & Communication Technology 行動・意図推定システム、行動・意図推定方法、行動・意図推定プログラムおよびそのプログラムを記録したコンピュータ読み取り可能な記録媒体
JP2007079389A (ja) * 2005-09-16 2007-03-29 Yamaha Motor Co Ltd 音声分析方法および音声分析装置
JP2010197862A (ja) * 2009-02-26 2010-09-09 Toshiba Corp 信号帯域拡張装置
JP2010286344A (ja) * 2009-06-11 2010-12-24 Kddi Corp 携帯端末装置の移動状態を推定する方法及びシステム
JP2011002703A (ja) * 2009-06-19 2011-01-06 National Institute Of Information & Communication Technology スペクトル分析装置及びスペクトル演算装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6258442B1 (ja) * 2016-10-28 2018-01-10 三菱電機インフォメーションシステムズ株式会社 動作特定装置、動作特定方法及び動作特定プログラム
JP2018073081A (ja) * 2016-10-28 2018-05-10 三菱電機インフォメーションシステムズ株式会社 動作特定装置、動作特定方法及び動作特定プログラム

Also Published As

Publication number Publication date
CN103477192A (zh) 2013-12-25
CN103477192B (zh) 2017-05-24
WO2012135726A1 (en) 2012-10-04
KR20160096224A (ko) 2016-08-12
EP2691779A1 (en) 2014-02-05
KR20130136575A (ko) 2013-12-12
JP2014515101A (ja) 2014-06-26
US20130029681A1 (en) 2013-01-31

Similar Documents

Publication Publication Date Title
JP2016039999A (ja) 携帯デバイスの位置を推論するデバイス、方法、および装置
JP5756561B2 (ja) 時間基準の特徴の時間的スケーリングを用いる活動分類のための、方法、デバイス、および装置
JP5923593B2 (ja) モバイルデバイスの尤度関数値を結合して用いる、ユーザ活動を分類するためのシステム、方法、および装置
Gu et al. Accurate step length estimation for pedestrian dead reckoning localization using stacked autoencoders
US20130046505A1 (en) Methods and apparatuses for use in classifying a motion state of a mobile device
US10302434B2 (en) Method and apparatus for determining walking direction for a pedestrian dead reckoning process
US10652696B2 (en) Method and apparatus for categorizing device use case for on foot motion using motion sensor data
US20140309964A1 (en) Internal Sensor Based Personalized Pedestrian Location
US11045116B1 (en) Enhanced determination of cadence for control in mobile
Oshin et al. ERSP: An energy-efficient real-time smartphone pedometer
Oshin et al. Energy-efficient real-time human mobility state classification using smartphones
Elhoushi et al. Online motion mode recognition for portable navigation using low‐cost sensors
CN107270931A (zh) 一种IOS和android平台通用的步态自相关计步器
KR101584458B1 (ko) 혼합 센서 데이터 기반 실시간 행위인지 및 자세인지 장치 및 그 방법
KR101609813B1 (ko) 스마트폰 환경에서 보행 수 검출 장치 및 방법
Zeng et al. A novel step counting algorithm based on acceleration and gravity sensors of a smart-phone
Saeedi et al. Context aware mobile personal navigation services using multi-level sensor fusion
Miyamoto et al. Human activity recognition system including smartphone position
Suksuganjana et al. Improved step detection with smartphone handheld mode recognition

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20170116

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170412

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20170529

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170828

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20171002