JP2020144115A - 無線歩容認識のための方法、装置及びシステム - Google Patents
無線歩容認識のための方法、装置及びシステム Download PDFInfo
- Publication number
- JP2020144115A JP2020144115A JP2020024532A JP2020024532A JP2020144115A JP 2020144115 A JP2020144115 A JP 2020144115A JP 2020024532 A JP2020024532 A JP 2020024532A JP 2020024532 A JP2020024532 A JP 2020024532A JP 2020144115 A JP2020144115 A JP 2020144115A
- Authority
- JP
- Japan
- Prior art keywords
- acceleration
- average
- statistic
- speed
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 521
- 230000005021 gait Effects 0.000 title claims abstract description 189
- 230000033001 locomotion Effects 0.000 claims abstract description 922
- 238000012544 monitoring process Methods 0.000 claims abstract description 89
- 230000004044 response Effects 0.000 claims abstract description 83
- 230000001020 rhythmical effect Effects 0.000 claims abstract description 68
- 230000006870 function Effects 0.000 claims description 328
- 230000001133 acceleration Effects 0.000 claims description 161
- 230000008859 change Effects 0.000 claims description 105
- 238000005311 autocorrelation function Methods 0.000 claims description 103
- 238000009826 distribution Methods 0.000 claims description 75
- 230000000737 periodic effect Effects 0.000 claims description 66
- 230000009184 walking Effects 0.000 claims description 65
- 230000015654 memory Effects 0.000 claims description 64
- 239000006185 dispersion Substances 0.000 claims description 53
- 230000009466 transformation Effects 0.000 claims description 50
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 43
- 239000013598 vector Substances 0.000 claims description 41
- 230000006399 behavior Effects 0.000 claims description 33
- 230000003252 repetitive effect Effects 0.000 claims description 32
- 238000012935 Averaging Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 29
- 230000009471 action Effects 0.000 claims description 20
- 239000002131 composite material Substances 0.000 claims description 18
- 230000001052 transient effect Effects 0.000 claims description 17
- 230000000241 respiratory effect Effects 0.000 claims description 14
- 230000033764 rhythmic process Effects 0.000 claims description 9
- 230000004886 head movement Effects 0.000 claims description 8
- 230000009183 running Effects 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 7
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 210000000707 wrist Anatomy 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 5
- 230000004069 differentiation Effects 0.000 claims description 4
- 230000005057 finger movement Effects 0.000 claims description 4
- 239000007788 liquid Substances 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 2
- 230000008034 disappearance Effects 0.000 claims description 2
- 230000000306 recurrent effect Effects 0.000 claims 10
- 206010044565 Tremor Diseases 0.000 claims 2
- 230000000541 pulsatile effect Effects 0.000 claims 2
- 230000003247 decreasing effect Effects 0.000 claims 1
- 210000001097 facial muscle Anatomy 0.000 claims 1
- 238000005086 pumping Methods 0.000 claims 1
- 239000000523 sample Substances 0.000 description 172
- 238000001514 detection method Methods 0.000 description 150
- 238000004458 analytical method Methods 0.000 description 143
- 238000001914 filtration Methods 0.000 description 78
- 230000000694 effects Effects 0.000 description 74
- 230000005540 biological transmission Effects 0.000 description 70
- 238000012545 processing Methods 0.000 description 56
- 238000012549 training Methods 0.000 description 56
- 238000005259 measurement Methods 0.000 description 53
- 230000007958 sleep Effects 0.000 description 52
- 210000002683 foot Anatomy 0.000 description 47
- 238000003860 storage Methods 0.000 description 47
- 238000012795 verification Methods 0.000 description 46
- 238000004891 communication Methods 0.000 description 45
- 238000000354 decomposition reaction Methods 0.000 description 43
- 238000006243 chemical reaction Methods 0.000 description 40
- 230000000875 corresponding effect Effects 0.000 description 38
- 230000011664 signaling Effects 0.000 description 31
- 230000005484 gravity Effects 0.000 description 29
- 230000036541 health Effects 0.000 description 27
- 230000008569 process Effects 0.000 description 27
- 230000001360 synchronised effect Effects 0.000 description 26
- 210000002414 leg Anatomy 0.000 description 23
- 238000005457 optimization Methods 0.000 description 22
- 238000005192 partition Methods 0.000 description 22
- 230000004461 rapid eye movement Effects 0.000 description 22
- 241001465754 Metazoa Species 0.000 description 21
- 230000003044 adaptive effect Effects 0.000 description 20
- 230000002354 daily effect Effects 0.000 description 20
- 230000007613 environmental effect Effects 0.000 description 20
- 238000000605 extraction Methods 0.000 description 19
- 238000012797 qualification Methods 0.000 description 19
- 238000013528 artificial neural network Methods 0.000 description 17
- 238000012937 correction Methods 0.000 description 17
- 238000004422 calculation algorithm Methods 0.000 description 16
- 235000019504 cigarettes Nutrition 0.000 description 16
- 238000010801 machine learning Methods 0.000 description 16
- 238000000513 principal component analysis Methods 0.000 description 16
- 238000005070 sampling Methods 0.000 description 16
- 239000003826 tablet Substances 0.000 description 16
- 239000000463 material Substances 0.000 description 15
- 238000007781 pre-processing Methods 0.000 description 15
- 238000004519 manufacturing process Methods 0.000 description 14
- 239000011159 matrix material Substances 0.000 description 14
- 239000000047 product Substances 0.000 description 14
- 230000001276 controlling effect Effects 0.000 description 13
- 230000014509 gene expression Effects 0.000 description 13
- 230000003068 static effect Effects 0.000 description 13
- 238000007726 management method Methods 0.000 description 12
- 230000036387 respiratory rate Effects 0.000 description 12
- 238000001709 templated self-assembly Methods 0.000 description 12
- 238000013480 data collection Methods 0.000 description 11
- 238000012880 independent component analysis Methods 0.000 description 11
- 230000003287 optical effect Effects 0.000 description 11
- 238000012805 post-processing Methods 0.000 description 11
- 238000004088 simulation Methods 0.000 description 11
- 238000012360 testing method Methods 0.000 description 11
- 238000009423 ventilation Methods 0.000 description 11
- 230000008878 coupling Effects 0.000 description 10
- 238000010168 coupling process Methods 0.000 description 10
- 238000005859 coupling reaction Methods 0.000 description 10
- 238000009434 installation Methods 0.000 description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 241000282412 Homo Species 0.000 description 9
- 238000013459 approach Methods 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 8
- 210000004027 cell Anatomy 0.000 description 8
- 230000001413 cellular effect Effects 0.000 description 8
- 230000008451 emotion Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 239000011521 glass Substances 0.000 description 8
- 230000007774 longterm Effects 0.000 description 8
- 238000013139 quantization Methods 0.000 description 8
- 239000004984 smart glass Substances 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 8
- 238000004378 air conditioning Methods 0.000 description 7
- 230000007423 decrease Effects 0.000 description 7
- 239000000284 extract Substances 0.000 description 7
- 239000012530 fluid Substances 0.000 description 7
- 235000013305 food Nutrition 0.000 description 7
- 230000004927 fusion Effects 0.000 description 7
- 238000013507 mapping Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- 238000012706 support-vector machine Methods 0.000 description 7
- 230000007704 transition Effects 0.000 description 7
- 238000004140 cleaning Methods 0.000 description 6
- 238000010411 cooking Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 210000003128 head Anatomy 0.000 description 6
- 238000010438 heat treatment Methods 0.000 description 6
- 230000001788 irregular Effects 0.000 description 6
- 230000004807 localization Effects 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 238000010295 mobile communication Methods 0.000 description 6
- 230000006855 networking Effects 0.000 description 6
- 230000008667 sleep stage Effects 0.000 description 6
- 239000000779 smoke Substances 0.000 description 6
- 238000003786 synthesis reaction Methods 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 241000282472 Canis lupus familiaris Species 0.000 description 5
- 230000010267 cellular communication Effects 0.000 description 5
- 239000003086 colorant Substances 0.000 description 5
- 238000007906 compression Methods 0.000 description 5
- 230000006835 compression Effects 0.000 description 5
- 230000003111 delayed effect Effects 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 5
- 230000002996 emotional effect Effects 0.000 description 5
- 210000004247 hand Anatomy 0.000 description 5
- 230000003862 health status Effects 0.000 description 5
- 238000012886 linear function Methods 0.000 description 5
- 229910052751 metal Inorganic materials 0.000 description 5
- 239000002184 metal Substances 0.000 description 5
- 239000000123 paper Substances 0.000 description 5
- 238000013439 planning Methods 0.000 description 5
- 208000024891 symptom Diseases 0.000 description 5
- 230000002123 temporal effect Effects 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 5
- 230000003442 weekly effect Effects 0.000 description 5
- 238000012952 Resampling Methods 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 230000008921 facial expression Effects 0.000 description 4
- 238000007667 floating Methods 0.000 description 4
- 230000008452 non REM sleep Effects 0.000 description 4
- 238000013442 quality metrics Methods 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- -1 siding Substances 0.000 description 4
- 238000000060 site-specific infrared dichroism spectroscopy Methods 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- JIAARYAFYJHUJI-UHFFFAOYSA-L zinc dichloride Chemical compound [Cl-].[Cl-].[Zn+2] JIAARYAFYJHUJI-UHFFFAOYSA-L 0.000 description 4
- 101150012579 ADSL gene Proteins 0.000 description 3
- 102100020775 Adenylosuccinate lyase Human genes 0.000 description 3
- 108700040193 Adenylosuccinate lyases Proteins 0.000 description 3
- 101000666901 Oxyuranus scutellatus scutellatus Kunitz-type serine protease inhibitor taicotoxin Proteins 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 3
- 210000000617 arm Anatomy 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 3
- 235000019994 cava Nutrition 0.000 description 3
- 230000003750 conditioning effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 3
- 238000005034 decoration Methods 0.000 description 3
- 210000003414 extremity Anatomy 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 244000144992 flock Species 0.000 description 3
- 210000000548 hind-foot Anatomy 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 239000007943 implant Substances 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000009191 jumping Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 239000006187 pill Substances 0.000 description 3
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000000844 transformation Methods 0.000 description 3
- 210000001364 upper extremity Anatomy 0.000 description 3
- 239000002023 wood Substances 0.000 description 3
- 241000282326 Felis catus Species 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 238000012614 Monte-Carlo sampling Methods 0.000 description 2
- 208000016285 Movement disease Diseases 0.000 description 2
- 229910005580 NiCd Inorganic materials 0.000 description 2
- 229910005813 NiMH Inorganic materials 0.000 description 2
- 241000269400 Sirenidae Species 0.000 description 2
- BPKGOZPBGXJDEP-UHFFFAOYSA-N [C].[Zn] Chemical compound [C].[Zn] BPKGOZPBGXJDEP-UHFFFAOYSA-N 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000013019 agitation Methods 0.000 description 2
- 230000037007 arousal Effects 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000004397 blinking Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 235000021152 breakfast Nutrition 0.000 description 2
- 239000011449 brick Substances 0.000 description 2
- 239000000872 buffer Substances 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 230000000739 chaotic effect Effects 0.000 description 2
- 230000006999 cognitive decline Effects 0.000 description 2
- 208000010877 cognitive disease Diseases 0.000 description 2
- 239000004567 concrete Substances 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000008909 emotion recognition Effects 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 230000004424 eye movement Effects 0.000 description 2
- 238000011010 flushing procedure Methods 0.000 description 2
- 238000005755 formation reaction Methods 0.000 description 2
- 239000003205 fragrance Substances 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000001976 improved effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 150000002739 metals Chemical class 0.000 description 2
- 230000037230 mobility Effects 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 239000010813 municipal solid waste Substances 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 235000013550 pizza Nutrition 0.000 description 2
- 239000011505 plaster Substances 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 230000004622 sleep time Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000032258 transport Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 230000036642 wellbeing Effects 0.000 description 2
- 235000005074 zinc chloride Nutrition 0.000 description 2
- 239000011592 zinc chloride Substances 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 238000004956 CI calculation Methods 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 241000283086 Equidae Species 0.000 description 1
- 239000004606 Fillers/Extenders Substances 0.000 description 1
- 108700026140 MAC combination Proteins 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 206010027940 Mood altered Diseases 0.000 description 1
- 241000699666 Mus <mouse, genus> Species 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 241000283984 Rodentia Species 0.000 description 1
- 208000022249 Sleep-Wake Transition disease Diseases 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 238000002679 ablation Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000012884 algebraic function Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 230000002612 cardiopulmonary effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 239000013065 commercial product Substances 0.000 description 1
- 238000002939 conjugate gradient method Methods 0.000 description 1
- 238000012885 constant function Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000012888 cubic function Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 210000002249 digestive system Anatomy 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000011094 fiberboard Substances 0.000 description 1
- 230000009187 flying Effects 0.000 description 1
- 210000004744 fore-foot Anatomy 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000005714 functional activity Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 230000002650 habitual effect Effects 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000968 intestinal effect Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 210000002751 lymph Anatomy 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000010297 mechanical methods and process Methods 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- HAHMABKERDVYCH-ZUQRMPMESA-N neticonazole hydrochloride Chemical compound Cl.CCCCCOC1=CC=CC=C1\C(=C/SC)N1C=NC=C1 HAHMABKERDVYCH-ZUQRMPMESA-N 0.000 description 1
- 238000010397 one-hybrid screening Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 206010033675 panniculitis Diseases 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000005158 plant movement Effects 0.000 description 1
- 229920000582 polyisocyanurate Polymers 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000011150 reinforced concrete Substances 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 201000002859 sleep apnea Diseases 0.000 description 1
- 230000004617 sleep duration Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 238000009450 smart packaging Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000007920 subcutaneous administration Methods 0.000 description 1
- 210000004304 subcutaneous tissue Anatomy 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 230000003319 supportive effect Effects 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 229940081330 tena Drugs 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 210000003371 toe Anatomy 0.000 description 1
- 210000000515 tooth Anatomy 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
- 125000000391 vinyl group Chemical group [H]C([*])=C([H])[H] 0.000 description 1
- 229920002554 vinyl polymer Polymers 0.000 description 1
- 230000009278 visceral effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 210000002268 wool Anatomy 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
- A61B5/103—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
- A61B5/02—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
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1112—Global tracking of patients, e.g. by using GPS
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
- G01S13/56—Discriminating between fixed and moving objects or between objects moving at different speeds for presence detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/415—Identification of targets based on measurements of movement associated with the target
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/117—Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4812—Detecting sleep stages or cycles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/683—Means for maintaining contact with the body
- A61B5/6831—Straps, bands or harnesses
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/886—Radar or analogous systems specially adapted for specific applications for alarm systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/887—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/22—Electrical actuation
- G08B13/24—Electrical actuation by interference with electromagnetic field distribution
- G08B13/2491—Intrusion detection systems, i.e. where the body of an intruder causes the interference with the electromagnetic field
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
- G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0469—Presence detectors to detect unsafe condition, e.g. infrared sensor, microphone
Abstract
【課題】無線歩容認識についての方法、デバイス及びシステムを提供する。【解決手段】システムは、送信機、受信機及びプロセッサを含む。送信機は場所の無線マルチパスチャネルを介して場所におけるオブジェクトへ向かって第１無線信号を送信するように構成される。受信機は送信機と受信機との間の無線マルチパスチャネルを介して第２無線信号を受信するように構成される。第２無線信号は、オブジェクトの律動的な動きにより影響される無線マルチパスチャネルのために第１無線信号と異なる。プロセッサは、第２無線信号に基づいて無線マルチパスチャネルのチャネル情報（ＣＩ）の時系列を取得し、ＣＩの時系列（ＴＳＣＩ）に基づいてオブジェクトの律動的な動きを監視し、監視の結果に基づいて応答動作をトリガするように構成される。【選択図】図１Ａ
Description
関連出願への相互参照次のケースのそれぞれについて開示と優先権主張の全てを参照により本出願に組み入れる。
（ａ）「無線歩容認識のための方法、装置、及びシステム」と題された２０１９年２月１５日出願の米国仮特許出願６２／８０６６８８、
（ｂ）「アウトドアでの目標追跡のための方法、装置及びシステム」と題された２０１９年２月１５日出願の米国仮特許出願６２／８０６６９４、
（ｃ）「無線信号に基づいてライフログを処理し提供するための方法、装置及びシステム」と題された２０１９年５月１２日出願の米国仮特許出願６２／８４６６８８、
（ｄ）「無線センシングシステムのトポロジを向上するための方法、装置及びシステム」と題された２０１９年７月１２日出願の米国仮特許出願６２／８７３７８１、
（ｅ）「認定無線センシングシステム」と題された２０１９年９月１５日出願の米国仮特許出願６２／９００５６５、
（ｆ）「無線センシングのための自動かつ最適化されたデバイス−クラウド接続のための方法、装置及びシステム」と題された２０１９年９月１８日出願の米国仮特許出願６２／９０２３５７、
（ｇ）「目標測位のための方法、装置及びシステム」と題された２０１９年１２月１８日出願の米国仮特許出願６２／９５００９３、
（ｈ）「無線歩容認識のための方法、装置及びシステム」と題された２０２０年２月１３日出願の米国特許出願１６／７９０６１０、
（ｉ）「アウトドア目標追跡のための方法、装置及びシステム」と題された２０２０年２月１３日出願の米国特許出願１６／７９０６２７。
（ａ）「無線歩容認識のための方法、装置、及びシステム」と題された２０１９年２月１５日出願の米国仮特許出願６２／８０６６８８、
（ｂ）「アウトドアでの目標追跡のための方法、装置及びシステム」と題された２０１９年２月１５日出願の米国仮特許出願６２／８０６６９４、
（ｃ）「無線信号に基づいてライフログを処理し提供するための方法、装置及びシステム」と題された２０１９年５月１２日出願の米国仮特許出願６２／８４６６８８、
（ｄ）「無線センシングシステムのトポロジを向上するための方法、装置及びシステム」と題された２０１９年７月１２日出願の米国仮特許出願６２／８７３７８１、
（ｅ）「認定無線センシングシステム」と題された２０１９年９月１５日出願の米国仮特許出願６２／９００５６５、
（ｆ）「無線センシングのための自動かつ最適化されたデバイス−クラウド接続のための方法、装置及びシステム」と題された２０１９年９月１８日出願の米国仮特許出願６２／９０２３５７、
（ｇ）「目標測位のための方法、装置及びシステム」と題された２０１９年１２月１８日出願の米国仮特許出願６２／９５００９３、
（ｈ）「無線歩容認識のための方法、装置及びシステム」と題された２０２０年２月１３日出願の米国特許出願１６／７９０６１０、
（ｉ）「アウトドア目標追跡のための方法、装置及びシステム」と題された２０２０年２月１３日出願の米国特許出願１６／７９０６２７。
本開示は、一般に歩容認識に関する。より具体的には、本開示は、無線チャネル情報に基づいて、その律動的な動き、例えば歩容を認識することによって、屋内環境内のオブジェクトまたは個人を識別することと、マッシブ多入力多出力（MIMO）システムから取得された無線チャネル情報に基づいて、屋外の対象を位置特定及び追跡することとに関する。
歩行の方法である歩容は、必須のバイタルサインだけでなく、有効なバイオメトリックマーカとしてもますます認識されている。一方、歩容、特に歩行速度は、機能低下や全身の健康状態をモニタリング・評価するのに適切な妥当で感度の高い尺度と考えられ、６番目のバイタルサインとして指定されるに至っている。歩容は機能的及び生理的変化の両方を反映し、移動障害、リハビリテーションへの反応、転倒、及び認知機能低下などを含む多くの健康状態の指標及び予測因子であることが示されている。歩容の進行は、生活の質及び健康状態における臨床的に意味のある変化と関係している。そのため、時折、院内臨床検査ではなく、家庭での歩容の継続的モニタリングは、個人の医療にとって非常に興味深い。
一方、歩容は個人の独特な生体計測的特徴を提供し、ヒト同定の有望な方法の根底にある。複雑な機能的活動として、多くの要因が自分の歩容に影響を与え、独特の行動特性とする。研究により、歩容認識は顔認識よりもさらに信頼性が高いことが示されたが、それは、歩容に絡まった識別特性が数十あるためであり、可能であれば、誰か他の人の歩行パターンを偽装することが極めて困難になるからである。他の人間認識システムと比較して、歩容認識は、個人の積極的な協力なしに、遠隔的に、受動的に、及び非侵入的に動作することができるので、特に魅力的である。歩容とは、（例えば、２つの足を有する人、または２つ、４つ、もしくは複数の足を有する動物の）歩行の方法または様式をいう。歩行は、複雑な骨及び関節構造上で多くの筋肉を調和させ、生体力学的移動をもたらす、単純ではあるが微細な振付機能である。人の歩容サイクルは、２つのフェーズ、すなわち、スタンスフェーズ及び揺動フェーズと、さらに７つのステージとを含む。スタンス相は、１つの足の最初のかかと接触から始まり、同じ足のつま先が地面から離れたときに終了する。揺動位相は、脚が前方に揺動する動作に直ちに続き、次のかかと接触まで続く。
２脚動物（例えば、ヒトまたは鳥類）の場合、２本の足は交互の動きで動くことができる。左足が地面に触れると、右足は前方に揺動し、その逆も同様である。４脚動物（例えば、ウマ、ネコ、イヌ）の場合、１回の歩行では、前２本の脚（及び／または後２本の脚）は、交互の動きを有してもよい（例えば、ウマのトロットの場合）。別の歩容では、前２本の脚（及び／または後２本の脚）は、同時に地面に接触するか、または同時に前方にスイングすることができる（例えば、馬がギャロップするとき）。多脚生物（例えば、キャタピラ）の場合、歩容パターンは、さらに複雑になり得る。例えば、脚部の連続する対は、協調して（例えば、波面で）動くことができる。各対の2つの脚部は、様々な程度の位相差／遅れを有することができる。歩行は、バイタルサイン及びバイオメトリックキュー（ｂｉｏｍｅｔｒｉｃ ｃｕｅ）として役立ち得る。歩容は、健康及び機能状態を反映することが示されており、移動障害、リハビリテーションへの応答、転倒、及び認知低下などを含むいくつかの健康状態を示し、予測することができる。歩容の進行は、生活の質及び健康状態における臨床的に意味のある変化と関係している。従って、時折の院内臨床試験ではなく、家庭での歩容の連続的なモニタリングは、個人、特に介護者（例えば、配偶者、子供、親族、友人、長期介護提供者）の健康及び健康管理にとって非常に興味深い。歩行速度とも呼ばれる歩容速度は、医療のために測定され、関係する最も重要な情報である。これは、幸福の実用的かつ不可欠な臨床的指標として推奨されている。
歩容関連情報をキャプチャするために、カメラ、床センサ、及び／または着用可能なセンサ（例えば、加速度計）に基づく、いくつかの既存の非無線歩行測定及び認識システムがある。既存の無線以外のシステムには、いくつかの欠点がある。第１に、典型的には、これらのシステムでは、目標被写体（例えば、人）は、協力しなければならず、例えば、特定の方向に、指定された経路で、又は特定の方法で歩かなければならない。第２に、既存の非無線システム、例えば、床マット内／床マット下に設置された床センサを有する計装歩道、または設置されたカメラによって覆われた領域によって、特定の制限された領域のみを監視することができる。制限された領域は非常に小さく、見通し線（ＬＯＳ）内の短い距離内になければならない。したがって、このようなシステムは、日常的な使用における無制限の領域（例えば、人の家、モール、駅、または老人介護施設）には適していない。これらは、スマートホーム及びスマートビルにおいて、ユビキタス・アプリケーションに十分な利便性及び／又は快適性を有していない。第３に、既存のシステムを使用して歩容監視のために領域を計測する場合、デバイスは高価すぎ、設置は労働集約的すぎる可能性がある。第４に、カメラシステムは、ユーザにプライバシー問題を引き起こす。第５に、床センサは、かなりの設置労力及びハードウェアコストを必要とする。第６に、着用可能物は、人が監視されるべき着用を忘れたり避けたりする場合には役に立たない。
ドップラー効果及びレーダーに基づく幾つかの既存の無線歩容監視システムがある。既存の無線／ＲＦベースのシステムの欠点には、以下が含まれる：（ａ）高価で保守が難しい特別なハードウェアを必要とするシステム；（ｂ）非常に広い帯域幅を必要とするシステム；（ｃ）特別なフェーズドアンテナを必要とするものもある；（ｄ）ドップラーベースのシステムは、全速度ではなく特定の方向に射影された部分速度のみを反映する；（ｅ）ドップラーベースのシステムは、狭いＬＯＳエリア（典型的には４〜５メートル以内）でのみ動作することができる；（ｆ）歩容に遠隔的にしか関係しない機能を測定するシステムもある；（ｇ）特徴は、位置／場所に依存することができ、すなわち、それらは、１つの場所で機能することができるが、別の場所では働かないことができ、したがって、すべての異なる場所について再訓練を必要とする。
屋内及び屋外を含む標的の位置特定（ｌｏｃａｌｉｚａｔｉｏｎ）及び追跡は、現代のナビゲーション及び捜索救難システムにおける重要な役割のために、数十年にわたって対応する研究者の関心事であった。一般に、正確な屋内位置特定システムは、乗客を空港ゲートにナビゲートするなど、人々の生活を大幅に改善することができ、顧客が大型モールで好みのアイテムを見つけるのを助けることができる。さらに、プログラムされたロボットを誘導して、重いオブジェクトを我々の望ましい目的地に移動させることもでき、これは、退屈で時間を浪費する作業から人々を解放するだけでなく、現代の自動生産ラインの効率を大幅に改善することができる。他方、最も有名な全地球測位システム（ＧＰＳ）のような信頼性のある屋外ロケーションシステムは、世界中の民間、軍事及び商業用途で広く使用されている。しかし、ＧＰＳは、少なくとも４つのＧＰＳ衛星への障害物のない見通し線（ＬＯＳ）経路を必要とし、対応する目標の位置を計算する。民間及び商業サービスによって利用され得るＧＰＳ資源は、厳しく制限されている。したがって、センチメートルであるにもかかわらず、毎日の活動において１０メートルの精度しか提供しない。
一般に、屋外位置決め方法は、受信機に関する目標の範囲を計算するために到来時間（ＴＯＡ）の間、方位を測定するために到来方向（ＤＯＡ）を使用する。明らかに、それらは実際には歪みと雑音に非常に敏感な正確な時間測定を必要とする。さらに、ＤＯＡとＡＯＡに基づく屋外位置決め性能も、設置されたアンテナの開口、寸法及び素子に関係するその角度分解能によって強く制限される。既存の方法は、データから直接ソース位置を計算した。より正確な結果を得るために、それらは、多くの場合、データ関連付けまたはセンタフュージョンプロセスを必要とし、これは、通常、ＮＰ困難な問題になる。そのような種類の質問に対する最適な解を見つけることは、計算禁止か、または特別なデバイスを必要とする。
最近、マッシブＭＩＭＯと呼ばれる第５世代（５Ｇ）技術が導入され、主にスペクトル効率、資源割当て、通信複雑性、内部ユーザ干渉、チャネル容量及び推定のような通信関連問題に焦点を当てた。しかしながら、屋外の目標位置決めと追跡のための効率的な方法を開発するためにマッシブＭＩＭＯを使用する方法に関する関連した研究はまだオープンである。ナビゲーション・システムは、ＧＰＳが最もポピュラーなものであるが、現代のアプリケーションにおいて広く使用されてきた。しかしながら、ＧＰＳは、４つ以上のＧＰＳ衛星に対する妨害されない見通し線（ＬＯＳ）を必要とするため、非見通し線（ＮＬＯＳ）状況ではうまく機能することができない。その結果、慣性航法システム（ＩＮＳ）は自蔵航法技術であるため、ＧＰＳの補完とみなされてきた。ＩＮＳでは、移動物体の位置を推測航法するために移動速度と方向の推定が必要である。その結果、対象の移動速度と方向をどのように推定するかについても検討された。
加速度計、ジャイロスコープ、磁力計は、ＩＮＳで最もよく使用される３つのセンサである。一般に、ＩＮＳは、目標の移動速度と方向を推定するために、異なるセンサから抽出した情報を共同利用するために、ある種のデータ融合法を採用した。それらは、標的が比較的安定している場合に正確であり得る。しかしながら、それらは、不可避の機械的抵抗又は磁気干渉に悩まされ、それは、特に長時間にわたり、真実から離れた遠い累積誤差を引き起こす。
カメラ装置によって支援される視覚／画像ベースの方法は、地下鉄車両のための移動速度と方向を検出するための別の種類のポピュラーな方法である。例えば、路面テクスチャの連続画像系列を解析し、車両速度と方向推定を得た。高フレームレート要求を解決するために、画像を同時に撮影するために２つの並列車載装置を採用した。次いで、画像マッチングとパラメータキャリブレーション方式により、車両速度と移動方向を抽出した。これらの視覚ベースの方法は、改善のラウンド後に良好な精度を達成することができるが、十分な画像解像度及び計算能力の要求は、リアルタイムアプリケーションにおいて障害となる。
さらに、ギガヘルツ周波数での超広帯域幅と、ギガヘルツのデータレートを提供するための大きなアンテナアレイを備えた、第５世代（５Ｇ）ネットワークが配備される予定である。しかし、５Ｇネットワークのための有効な測位方法は開示されていない。このように、対象の測位と追跡のための既存のシステムと方法は完全に満足できるものではなく、高精度の屋外位置決めを可能にすることができる補完技術が望まれる。
本開示は、概して、歩容のような律動的な動きを監視するためのシステムに関する。一実施形態では、本開示は、歩行運動によって影響を受ける無線マルチパスチャネルの無線信号及びチャネル情報に基づいて歩容を監視するためのシステムに関する。システムは、歩容を認識し、それに応じて個人を識別し、検証することもできる。別の実施形態では、本開示は、マッシブ多入力多出力（ＭＩＭＯ）システムから得られる無線チャネル情報に基づいて、屋外で目標を位置決めし追跡することを開示する。
一実施形態では、律動的（リズミカル）な運動モニタリングのためのシステムが説明される。このシステムは、送信機と、受信機と、プロセッサとを備える。送信機は、場所の無線マルチパスチャネルを介して場所のオブジェクトに向けて第１の無線信号を送信するように構成される。受信機は、送信機と受信機との間の無線マルチパスチャネルを通じて第２の無線信号を受信するように構成される。第２の無線信号は、オブジェクトの律動的な動きによって影響を受ける無線マルチパスチャネルのために、第１の無線信号とは異なる。プロセッサは、第２の無線信号に基づいて無線マルチパスチャネルのチャネル情報（ＣＩ）の時系列を取得し、ＣＩ （ＴＳＣＩ）の時系列に基づいてオブジェクトの律動的な動きを監視し、監視の結果に基づいて応答動作をトリガするように構成される。様々な実施形態によれば、プロセッサは、送信機及び受信機のうちの少なくとも１つに物理的に結合され得る。
別の実施形態では、律動的モーションモニタリングのための説明される装置は、送信機及び受信機が配置される場所にある。説明される装置は、プロセッサと、送信機及び受信機のうちの少なくとも１つとを備える。送信機は、場所の無線マルチパスチャネルを介して第１の無線信号を送信するように構成される。受信機は、無線マルチパスチャネルを介して第２の無線信号を受信するように構成される。第２の無線信号は、場所のオブジェクトの律動的な動きによって影響を受ける無線マルチパスチャネルのために、第１の無線信号とは異なる。プロセッサは、第２の無線信号に基づいて無線マルチパスチャネルのチャネル情報（ＣＩ）の時系列を取得し、ＣＩ の時系列（ＴＳＣＩ）に基づいてオブジェクトの律動的な動きを監視し、監視の結果に基づいて応答動作をトリガするように構成される。
一実施形態では、装置は受信機を含むが、送信機を含まない。受信機は、第２の無線信号を受信し、律動的モーションモニタリングを実行するために、ＣＩ、例えばチャネル状態情報（ＣＳＩ）を抽出する。別の実施形態では、装置は送信機を含むが、受信機を含まない。ＣＳＩは、受信機によって抽出され、律動的モーションモニタリングのためにプロセッサによって取得される。さらに別の実施形態では、装置は送信機を含むが、受信機を含まない。ＣＳＩは、ＣＳＩを送信機に送信する受信機において抽出される。律動的モーションモニタリングは、送信機において実行される。
別の実施形態では、プロセッサによって実現される方法、プロセッサと通信可能に結合されるメモリ、及びプロセッサによって実行されるべきメモリに格納される一連の命令が説明される。この方法は、場所の無線マルチパスチャネルのチャネル情報（ＣＩ）の時系列を取得することを含む。送信機は、場所の無線マルチパスチャネルを介して場所のオブジェクトに向けて第１の無線信号を送信する。受信機は、無線マルチパスチャネルを介して第２の無線信号を受信し、第２の無線信号に基づいて無線マルチパスチャネルのＣＩの時系列（ＴＳＣＩ）を計算する。第２の無線信号は、場所のオブジェクトの律動的な動きによって影響を受ける無線マルチパスチャネルのために、第１の無線信号とは異なる。本方法は、ＴＳＣＩに基づいて対象物の律動的な動きを監視するステップと、監視の結果に基づいて応答動作をトリガすることとをさらに含む。
一実施形態では、追跡システムが説明される。追跡システムは、送信機と、受信機と、プロセッサとを備える。送信機は、無線マルチパスチャネルを介して第１の無線信号を送信するように構成される。受信機は、送信機と受信機との間の無線マルチパスチャネルを通じて第２の無線信号を受信するように構成される。送信機及び受信機の一方は、既知の位置にあるデバイスである。送信機と受信機のもう一方は移動デバイスである。第２の無線信号は、移動デバイスの移動によって影響を受ける無線マルチパスチャネルのために、第１の無線信号とは異なる。送信機及び受信機のうちの少なくとも１つは、多数のアンテナを備える。この数は閾値よりも大きい。プロセッサは、第２の無線信号に基づいて無線マルチパスチャネルのチャネル情報（ＣＩ）の複数の時系列を取得し、ＣＩの複数の時系列（ＴＳＣＩ）及び過去のＳＴＩのうちの少なくとも１つに基づいて移動デバイスの空間−時間情報（ＳＴＩ）を計算し、ＳＴＩに基づいて移動デバイスを追跡するように構成される。様々な実施形態によれば、プロセッサは、送信機及び受信機のうちの少なくとも１つに物理的に結合され得る。
一実施形態では、追加の送信機をリセット位置（例えば、入口、またはドアフレームの上部）に設置し、そこで追加の無線信号を特定のエリア（例えば、ドア開口部）に繰り返しブロードキャストすることができる。追加の無線信号は、灯台からのビーコンのように機能する。ビーコン信号を受信する受信機なら、それがどこにいるか分かっている。
位置は、対象領域の近くにあり、移動デバイスの高さ及び高さの可能性のうちの少なくとも1つに基づいて適応的に決定される。追加の送信機は、ビーコン信号を下方に向けるドアフレームの頂部にあってもよい。カバレージエリアは、基本的に、受信機の位置の比較的大きな不確実性を有するビームまたはコーンである。レシーバ（移動デバイス）の高さがわかっている場合、移動デバイスの位置を絞り込むことができる。すなわち、高さに基づいてカバレッジエリアを狭くすることができる。
一実施形態では、追加の送信機は静止している。別の実施形態では、追加の送信機（及び／又は送信機）は、静止しておらず、指向性アンテナを使用しない。その代わりに、追加の送信機（及び／または送信機）が動き回り、オムニアンテナを使用することができる。追加の送信機（及び／または送信機）は、その瞬間的な位置（例えば、ＧＰＳ、Ｂｌｕｅｔｏｏｔｈに基づく）を得る方法を有する。受信機は、追加の送信機（及び／または送信機）からビーコン信号を受信すると、追加の送信機（及び／または送信機）の瞬間位置に基づいて「リセット」位置を得ることができる。追加の送信機（及び／または送信機）の瞬間的な位置を追跡し、その位置を移動デバイスと共有するサーバ（位置データベース）があってもよい。
一実施形態では、オブジェクトは、複雑な動き（例えば、脚の動きと手の動きの両方）を有することができる。無線信号は、人の脚の動きを捕捉することができ、追加の無線信号は、人の手の動きを捕捉することができる。
一実施形態では、２つの異なる送信機からのサウンディング信号を受信するウェアラブル受信機は１つだけである。マルチパスが異なるので、２つの受信された無線（サウンディング）信号は、人の異なる動きによって支配され得る。１台の送信機が低い位置にある場合、無線信号は主に足／脚の動きを捕らえることができる。おそらく、第２の送信機は、第２の無線信号が主に手の動きを支配的に捉えることができるように、高い位置にある。
別の実施形態では、オブジェクト追跡のための装置が開示される。説明される装置は、プロセッサと、送信機及び受信機のうちの少なくとも１つとを備える。送信機は、無線マルチパスチャネルを介して第１の無線信号を送信するように構成される。受信機は、無線マルチパスチャネルを介して第２の無線信号を受信するように構成される。送信機と受信機の１つは、配置されたデバイスである。送信機と受信機のもう１つはオブジェクトと一緒に動く移動デバイスである。第２の無線信号は、オブジェクトの動きによって影響を受ける無線マルチパスチャネルのために、第１の無線信号とは異なる。送信機及び受信機のうちの少なくとも１つは、少なくとも１６個のアンテナを備える。プロセッサは、第２の無線信号に基づいて無線マルチパスチャネルのチャネル情報（ＣＩ）の複数の時系列ＣＩ（ｔｉｍｅ ｓｅｒｉｅｓ ｏｆ ｃｈａｎｎｅｌ ｉｎｆｏｒｍａｔｉｏｎ）を取得することと、ＣＩ の複数の時系列（ＴＳＣＩ）のＣＩの多くのペアに関連する類似性スコアのセットに基づいて、移動デバイスの現在の移動の中間量（ＩＱ）を計算することであって、各ペアは複数のＴＳＣＩの、ＴＳＣＩの２つの時間的に隣接するＣＩを備えることと、移動デバイスの現在の移動の空間−時間情報（ＳＴＩ）を次のうちの少なくとも１つに基づいて、計算することと、を行うように構成される：ＩＱと、複数のＴＳＣＩと、現在の動きに関連する時間量と、過去のＩＱと、過去のＳＴＩと、ＳＴＩに基づく追跡と、移動デバイスとオブジェクトとのうちの少なくともひとつを含む。
一実施形態では、装置は受信機を含むが、送信機を含まない。受信機は、第２の無線信号を受信し、オブジェクト追跡を実行するためのＣＩ、例えばチャネル状態情報（ＣＳＩ）を抽出する。別の実施形態では、装置は送信機を含むが、受信機を含まない。ＣＳＩは、受信機によって抽出され、オブジェクト追跡のためにプロセッサによって取得される。さらに別の実施形態では、装置は送信機を含むが、受信機を含まない。ＣＳＩは、ＣＳＩを送信機に送信する受信機において抽出される。オブジェクト追跡は送信機で実行される。
異なる実施形態では、方法が説明される。この方法は、プロセッサ、プロセッサと通信可能に結合されたメモリ、及びプロセッサによって実行されるべきメモリ内に記憶された命令のセットを使用して、無線マルチパスチャネルの複数の時系列チャネル情報（ＣＩ）を取得することを含む。複数の時系列ＣＩ（ＴＳＣＩ）は、無線マルチパスチャネルを介して送信機と受信機との間で送信される無線信号から抽出される。複数のＴＳＣＩの各々は、送信機上の一対の送信アンテナ及び受信機上の受信アンテナに関連付けられる。送信機及び受信機の一方は、既知の位置にある装置である。送信機と受信機のもう１つはオブジェクトと一緒に動く移動デバイスである。無線マルチパスチャネルは、オブジェクトの動きによって影響を受ける。送信機及び受信機の少なくとも１つは、１６以上のアンテナを備える。この方法は、複数のＴＳＣＩ及び過去のＳＴＩのうちの少なくとも１つに基づいて移動デバイスの空間−時間情報（ＳＴＩ）を計算することと、ＳＴＩに基づいてオブジェクトを追跡することとをさらに含む。
他の概念は、リッチ散乱環境における無線律動的モーションモニタリング及びオブジェクト追跡についての本開示を実施するためのソフトウェアに関する。追加の新規な特徴は、以下の説明に部分的に記載され、当業者には、以下の図面及び添付の図面を検討することによって部分的に明らかになるか、または実施例の製造または操作によって学習され得る。本開示の新規な特徴は、以下に論じられる詳細な実施例に記載される方法、手段、及び組み合わせの様々な態様の実施または使用によって実現及び達成され得る。
方法、システム及び／又はデバイスは例示的な実施形態に関してさらに説明がされる。これら例示的な実施形態は図面を参照して詳細に説明される。これらの実施形態は、非限定的な例示的な実施形態であり、図面のいくつかの図を通して、同様の参照番号は同様の構造を表す。
以下の詳細な説明では、関連する開示の完全な理解を提供するために、多数の特定の詳細が、例として記載される。しかしながら、本開示は、そのような詳細なしに実施され得ることは、当業者に明らかであるべきである。他の例では、本開示の態様を不必要に不明瞭にすることを避けるために、周知の方法、手順、構成要素、及び／または回路が、詳細なしに、比較的高レベルで記載されている。
以下の詳細な説明では、関連する開示の完全な理解を提供するために、多数の特定の詳細が、例として記載される。しかしながら、本開示は、そのような詳細なしに実施され得ることは、当業者に明らかであるべきである。他の例では、本開示の態様を不必要に不明瞭にすることを避けるために、周知の方法、手順、構成要素、及び／または回路が、詳細なしに、比較的高レベルで記載されている。
一実施形態では、本開示は、無線監視システムの方法、装置、デバイス、システム、及び／またはソフトウェア（方法／装置／デバイス／システム／ソフトウェア）を開示する。無線マルチパスチャネルの時系列チャネル情報（ＣＩ）は、プロセッサ、プロセッサと通信可能に結合されたメモリ、及びメモリに記憶された一連の指示を使用して（例えば、動的に）得られ得る。ＣＩの時系列（ＴＳＣＩ）は、チャネルを介して場所でタイプ１異種（ｈｅｔｅｒｏｇｅｎｅｏｕｓ）無線装置（たとえば、無線送信機、ＴＸ）とタイプ２異種無線装置（たとえば、無線受信機、ＲＸ）との間で送信される無線信号（信号）から抽出され得る。チャネルは、場所のオブジェクトの表現（例えば、動き、動き、表現、及び／または位置／ポーズ／形状／表現の変化）によって影響され得る。オブジェクト及び／またはオブジェクトの運動特性及び／または空間−時間情報（ＳＴＩ、例えば、動き情報）は、ＴＳＣＩに基づいて監視され得る。課題は、特性及び／またはＳＴＩに基づいて実行され得る。タスクに関連付けられたプレゼンテーションは、ユーザのデバイス上のユーザインターフェース（ＵＩ）において生成されてもよい。ＴＳＣＩは、無線信号ストリームであってもよい。ＴＳＣＩまたは各ＣＩは、前処理され得る。装置は、ステーション（ＳＴＡ）であってもよい。記号「Ａ／Ｂ」は、本開示における「Ａ及び／又はＢ」を意味する。
表現（ｅｘｐｒｅｓｓｉｏｎ）は、配置、移動可能な部分の配置、場所、位置、向き、同定可能な場所、領域、空間座標、プレゼンテーション、状態、表現、静的な表現、サイズ、長さ、幅、高さ、角度、スケール、形状、カーブ、表面、面積、体積、ポーズ、姿勢、兆候、体表現、動的な表現、動的な体言、運動、動きシーケンス、ジェスチャ、伸長、収縮、歪み、変形、身体表現（例えば、頭部、顔面、目、口、舌、髪、声、首、肢、腕、手、脚、足、筋肉、可動部分）、表面表現（例えば、形状、質感、材料、色、電磁気（ＥＭ）特性、視覚パターン、湿度、反射率、半透明度、柔軟性）、材料特性（例えば、生きている組織、毛、織物、金属、木、皮革、プラスチック、金属、人工材料、固体、液体、ガス、温度）、動き、活動、ふるまい、表現の変化、及び／又は 何らかの組み合わせ、を含むことができる。
無線信号は、送信／受信信号、ＥＭ放射、ＲＦ信号／送信、認可された／無免許／ＩＳＭ帯域内の信号、帯域制限信号、ベースバンド信号、無線／移動／セルラ通信信号、無線／移動／セルラネットワーク信号、メッシュ信号、光信号／通信、ダウンリンク／アップリンク信号、ユニキャスト／マルチキャスト／ブロードキャスト信号、標準（例えばＷＬＡＮ、ＷＷＡＮ、ＷＰＡＮ、ＷＢＡＮ、国際、国内、業界、デファクト、ＩＥＥＥ、ＩＥＥＥ ８０２、８０２．１１／１５／１６、ＷｉＦｉ、８０２．１１ｎ／ａｃ／ａｘ／ｂｅ、３Ｇ／４Ｇ／ＬＴＥ／５Ｇ／６Ｇ／７Ｇ／８Ｇ、３ＧＰＰ、ｂｌｕｅ ｔｏｏｔｈ、ＢＬＥ、Ｚｉｇｂｅｅ、ＲＦＩＤ、ＵＷＢ、ＷｉＭａｘ）準拠シグナル、プロトコル信号、標準フレーム、ビーコン／パイロット／探索／問い合わせ／確認／ハンドシェイク／同期シグナル、管理／制御／データ信号、標準化された無線／セルラ通信プロトコル、基準シグナル、ソースシグナル、モーションプローブ／検出／ センシングシグナル、及び／または一連のシグナル、を含むことができる。無線信号は、見通し線（ＬＯＳ）、及び／または非ＬＯＳ構成要素（または経路／リンク）を含み得る。各ＣＩは、タイプ２デバイスのレイヤ（例えば、ＯＳＩモデルのＰＨＹ／ＭＡＣレイヤ）において抽出／生成／計算／検出され、アプリケーション（例えば、ソフトウェア、ファームウェア、ドライバ、アプリ、無線監視ソフトウェア／システム）によって得られ得る。
無線マルチパスチャネルは、以下を含むことができる：通信チャネル、アナログ周波数チャネル（例えば、７００／８００／９００ＭＨｚ、１．８／１．８／２．４／３／５／６／２７／６０ＧＨｚ付近のアナログ搬送周波数、）、符号化チャネル（例えば、ＣＤＭＡ）、及び／または無線ネットワーク／システムのチャネル（例えば、ＷＬＡＮ、ＷｉＦｉ、メッシュ、ＬＴＥ、４Ｇ／５Ｇ、Ｂｌｕｅｔｏｏｔｈ、Ｚｉｇｂｅｅ、ＵＷＢ、ＲＦＩＤ、マイクロ波）。それは、２つ以上のチャネルを含み得る。チャネルは連続（隣接／重なり帯域など）または非連続チャネル（重なりのないＷｉＦｉ チャネル、１つは２．４ＧＨｚ で、１つは５ＧＨｚ）である可能性がある。
ＴＳＣＩは、タイプ２デバイスのレイヤ（例えば、ＯＳＩ参照モデルのレイヤ、物理レイヤ、データリンクレイヤ、論理リンク制御レイヤ、メディアアクセス制御（ＭＡＣ）レイヤ、ネットワークレイヤ、トランスポートレイヤ、セッションレイヤ、プレゼンテーションレイヤ、アプリケーションレイヤ、ＴＣＰ／ＩＰレイヤ、インターネットレイヤ、リンクレイヤ）において、無線信号から抽出することができる。ＴＳＣＩは、無線信号（例えば、ＲＦ信号）から導出された導出信号（例えば、ベースバンド信号、動き検出信号、動きセンシング信号）から抽出されてもよい。それは、既存のメカニズム（例えば、無線／セルラ通信標準／ネットワーク、３Ｇ／ＬＴＥ／４Ｇ／５Ｇ／６Ｇ／７Ｇ／８Ｇ、ＷｉＦｉ、ＩＥＥＥ ８０２．１１／１５／１６）を使用する、通信プロトコル（例えば、標準化されたプロトコル）によって検出される（無線）測定であり得る。導出された信号は、プリアンブル、ヘッダ及びペイロード（例えば、無線リンク／ネットワークにおけるデータ／制御／管理のための）のうちの少なくとも１つを有するパケットを含み得る。ＴＳＣＩは、パケット中のプローブシグナル（例えば、トレーニングシーケンス、ＳＴＦ、ＬＴＦ、Ｌ−ＳＴＦ、Ｌ−ＬＴＦ、Ｌ−ＳＩＧ、ＨＥ−ＳＴＦ、ＨＥ−ＬＴＦ、ＨＥ−ＳＩＧ−Ａ、ＨＥ−ＳＩＧ−Ｂ、ＣＥＦ）から抽出され得る。動き検出／センシング信号は、プローブ信号に基づいて認識／識別されてもよい。パケットは、標準準拠プロトコルフレーム、管理フレーム、コントロールフレーム、データフレーム、サウンディングフレーム、エキサイテーションフレーム、イルミネーションフレーム、ヌルデータフレーム、ビーコンフレーム、パイロットフレーム、プローブフレーム、要求フレーム、応答フレーム、関連付けフレーム、再関連付けフレーム、離脱フレーム、認証フレーム、アクションフレーム、レポートフレーム、ポールフレーム、アナウンスフレーム、拡張フレーム、問い合わせフレーム、確認応答フレーム、ＲＴＳフレーム、ＣＴＳフレーム、ＱｏＳフレーム、ＣＦ−Ｐｏｌｌフレーム、ＣＦ−Ａｃｋフレーム、ブロック確認応答フレーム、参照フレーム、トレーニングフレーム、及び／または同期フレームであり得る。
パケットは、制御データ及び／または動き検出プローブを含み得る。ペイロードからデータ（例えば、タイプ１デバイスのＩＤ／パラメータ／特性／設定／制御信号／命令／指示／通知／放送関連情報）を取得することができる。無線信号は、タイプ１デバイスによって送信され得る。それは、タイプ２デバイスによって受け取られ得る。データベース（例えば、ローカル・サーバ、ハブ・デバイス、クラウド・サーバ、ストレージ・ネットワークにおける）は、ＴＳＣＩ、特性、ＳＴＩ、署名、パターン、挙動、傾向、パラメータ、分析、出力応答、識別情報、ユーザ情報、デバイス情報、チャネル情報、場所（例えば、地図、環境モデル、ネットワーク、近接デバイス／ネットワーク）情報、タスク情報、クラス／カテゴリ情報、プレゼンテーション（例えば、ＵＩ）情報、及び／または他の情報を記憶するために使用され得る。
タイプ１／タイプ２デバイスは、エレクトロニクス、回路、送信機（ＴＸ）／受信機（ＲＸ）／トランシーバ、ＲＦインターフェース、「オリジンサテライト」／「トラッカーボット」、ユニキャスト／マルチキャスト／ブロードキャストデバイス、無線電源デバイス、電源／デスティネーションデバイス、無線ノード、ハブデバイス、対象デバイス、動き検出デバイス、センサデバイス、遠隔／無線センサデバイス、無線通信デバイス、無線対応デバイス、標準準拠デバイス、及び／または受信機のうちの少なくとも１つを含み得る。タイプ１（またはタイプ２）装置は、タイプ１（またはタイプ２）装置の複数の例が存在する場合、異なる回路、エンクロージャ、構造、目的、補助機能性、チップ／ＩＣ、プロセッサ、メモリ、ソフトウェア、ファームウェア、ネットワーク接続性、アンテナ、ブランド、モデル、外観、形態、形状、色、材料、及び／または仕様を有し得るため、異種であり得る。タイプ１／タイプ２デバイスは、アクセスポイント、ルータ、メッシュルータ、物のインターネット（ＩｏＴ）デバイス、無線端末、１つ以上の無線／ＲＦサブシステム／無線インターフェース（例えば、２．４ＧＨｚ無線、５ＧＨｚ無線、フロントホール無線、バックホール無線）、モデム、ＲＦフロントエンド、ＲＦ／無線チップまたは集積回路（ＩＣ）を含み得る。
タイプ１デバイス、タイプ２デバイス、それらの間のリンク、オブジェクト、特性、ＳＴＩ、動きの監視、及びタスクのうちの少なくとも１つは、ＵＵＩＤなどの識別（ＩＤ）に関連付けられ得る。タイプ１／タイプ２／別のデバイスは、ＴＳＣＩを取得／保存／検索／アクセス／前処理／条件／プロセス／分析／監視／適用することができる。タイプ１及びタイプ２デバイスは、無線信号と並列に他のチャネル（例えば、イーサネット、ＨＤＭＩ（登録商標）、ＵＳＢ、Ｂｌｕｅｔｏｏｔｈ、ＢＬＥ、ＷｉＦｉ、ＬＴＥ、他のネットワーク、無線マルチパスチャネル）でネットワークトラフィックを通信することができる。 タイプ２デバイスは、タイプ１デバイスとの接続（例えば、関連付け／認証）を確立することなく、またはタイプ１デバイスからサービスを要求することなく、無線マルチパスチャネルにおいてタイプ１デバイスからの無線信号を受動的に観察／監視／受信し得る。
送信機（すなわち、タイプ１デバイス）は、受信機（すなわち、タイプ２デバイス）として、一時的に、散発的に、連続的に、反復的に、交換可能に、交互に、同時に、並列に、及び／または同時に、機能する（その役割を果たす）ことができ、逆もまた同様である。装置は、一時的に、散発的に、連続的に、繰り返して、同時に、並列に及び／または同時的に、タイプ１デバイス（送信機）及び／またはタイプ２デバイス（受信機）として機能し得る。それぞれがタイプ１（ＴＸ）及び／またはタイプ２（ＲＸ）装置である複数の無線ノードが存在する場合がある。ＴＳＣＩは、無線信号を交換／通信するとき、２つのノードごとに取得され得る。オブジェクトの特性及び／またはＳＴＩは、ＴＳＣＩに基づいて個別に、または２つ以上（例えば、すべて）のＴＳＣＩに基づいて共同で監視され得る。オブジェクトの動きは、能動的に（そのタイプ１デバイス、タイプ２デバイス、またはその両方は、オブジェクトの着用可能／関連付けられる点で）及び／または受動的に（タイプ１デバイス及びタイプ２デバイスの両方はオブジェクトの着用可能ではない／関連付けられないという点で）監視され得る。それは、オブジェクトがタイプ１デバイス及び／またはタイプ２デバイスに関連付けられていない可能性があるため、受動的であり得る。オブジェクト（例えば、ユーザ、自動誘導車両またはＡＧＶ）は、いかなる装着物／固定具も持ち運ぶ／設置する必要はないかもしれない（すなわち、タイプ１デバイス及びタイプ２デバイスは、オブジェクトがタスクを実行するために持ち運ぶ必要がある装着可能／取り付けられた装置ではない）。これは、オブジェクトがタイプ１デバイスまたはタイプ２デバイスのいずれかに関連付けられている可能性があるため、アクティブになっている可能性がある。オブジェクトは、装着可能／取付け具（例えば、タイプ１デバイス、タイプ２デバイス、タイプ１デバイスまたはタイプ２デバイスのいずれかと通信可能に結合された装置）を運ぶ（または設置する）ことができる。
プレゼンテーションは、ビジュアル、オーディオ、画像、ビデオ、アニメーション、グラフィックプレゼンテーション、テキストなどである。タスクの計算は、タイプ１デバイスのプロセッサ（または論理ユニット）、タイプ１デバイスのＩＣのプロセッサ（または論理ユニット）、タイプ２デバイスのプロセッサ（または論理ユニット）、タイプ２デバイスのＩＣのプロセッサ、ローカルサーバ、クラウドサーバ、データ解析サブシステム、信号解析サブシステム、及び／または別のプロセッサによって実行することができる。この作業は、無線フィンガードプリントまたはベースライン（例えば、収集、処理、処理、送信、及び／またはトレーニングフェーズ／前回の調査／最新の調査／初期の無線調査、受動指摘書）、トレーニング、プロフィール、訓練されたプロフィール、静態的プロフィール、静態的プロフィール、調査、初期無線調査、初期設定、設置、再トレーニング、更新及びリセット）を用いて／しないで実施することができる。
タイプ１デバイス（ＴＸ装置）は、少なくとも１つの異種無線送信機を備えることができる。タイプ２デバイス（ＲＸデバイス）は、少なくとも１つの異種無線受信機を含み得る。タイプ１デバイス及びタイプ２デバイスは、コロケーションされ得る。タイプ１デバイスとタイプ２デバイスは同じ装置であってもよい。 任意の装置は、データ処理ユニット／装置、計算ユニット／システム、ネットワークユニット／システム、プロセッサ（例えば、論理ユニット）、プロセッサと通信可能に結合されたメモリ、及びプロセッサによって実行されるべきメモリに記憶された命令のセットを有し得る。一部のプロセッサ、メモリ、及び一連の指示は、協調することができる。同じタイプ２デバイス（または複数のタイプ２デバイス）と相互作用する（例えば、通信する、交換信号／制御／通知／他のデータ）複数のタイプ１デバイスが存在してもよく、及び／または同じタイプ１デバイスと相互作用する複数のタイプ２デバイスが存在してもよい。複数のタイプ１デバイス／タイプ２デバイスは、同期及び／または非同期、同じ／異なるウインドウ幅／サイズ及び／または時間シフト、同じ／異なる同期開始時間、同期終了時間などであり得る。複数のタイプ１デバイスによって送信される無線信号は、散発的、一時的、連続的、反復的、同期的、同時的、同時的、及び／または同時的であってもよい。複数のタイプ１デバイス／タイプ２デバイスは、独立して、及び／または協働して動作し得る。タイプ１及び／またはタイプ２のデバイスは、異種ハードウェア回路（例えば、無線信号を生成／受信し、受信信号からＣＩを抽出し、またはＣＩを利用可能にすることができる異種チップまたは異種ＩＣ）を有する／備えることができる。それらは、同一または異なるサーバ（例えば、クラウドサーバ、エッジサーバ、ローカルサーバ、ハブ装置）に通信可能に結合され得る。
１つの装置の動作は、動作、状態、内部状態、記憶装置、プロセッサ、メモリ出力、物理的位置、計算リソース、別の装置のネットワークに基づくことができる。相違装置は、直接的に、及び／または別の装置／サーバ／ハブ装置／クラウドサーバを介して通信し得る。装置は、１ 人以上のユーザに関連付けられ、関連付けられた設定を持つことができる。設定は、一度選択され、事前にプログラムされ、及び／または経時的に変更され得る（例えば、調整され、変化され、修正され）／変化され得る。方法には、さらなるステップが存在し得る。方法のステップ及び／または追加のステップは、示された順序で、または別の順序で実行され得る。任意のステップは、並行して、反復して、または他の方法で反復して、または別の方法で実行され得る。使用者は、ヒト、成人、高齢成人、男性、女性、幼児、子供、乳児、ペット、動物、生物、機械、コンピュータモジュール／ソフトウェアなどであり得る。
１つまたは複数のタイプ２デバイスと相互作用する１つまたは複数のタイプ１デバイスの場合、任意の処理（例えば、時間領域、周波数領域）は、異なるデバイスについて異なることができる。処理は、位置、向き、方向、役割、ユーザ関連特性、設定、構成、利用可能なリソース、利用可能な帯域幅、ネットワーク接続、ハードウェア、ソフトウェア、プロセッサ、コプロセッサ、メモリ、バッテリ寿命、利用可能な電力、アンテナ、アンテナの種類、アンテナの指向性／一方向特性、電力設定、及び／または装置の他のパラメータ／特性に基づくことができる。
無線受信機（例えば、タイプ２デバイス）は、無線送信機（例えば、タイプ１デバイス）から信号及び／または別の信号を受信し得る。無線受信機は、別の無線送信機（例えば、第２のタイプ１デバイス）から別の信号を受信することができる。無線送信機は、信号及び／または別の信号を別の無線受信機（例えば、第２のタイプ２のデバイス）に送信することができる。無線送信機、無線受信機、別の無線受信機及び／または別の無線送信機は、オブジェクト及び／または別のオブジェクトと共に移動してもよい。別のオブジェクトを追跡することができる。
タイプ1及び／またはタイプ2デバイスは、少なくとも2つのタイプ2及び／またはタイプ1デバイスと無線結合することが可能であり得る。タイプ１デバイスは、場所の別の位置で、タイプ２デバイスから第2のタイプ２デバイスへの無線結合（例えば、関連付け、認証）を切り替える／確立するように引き起こされ得る／制御され得る。同様に、タイプ２デバイスは、場所のさらに別の場所で、タイプ１デバイスから第2のタイプ１デバイスへの無線結合を切り替える／確立するように、引き起こされ／制御され得る。スイッチングは、サーバ（またはハブ装置）、プロセッサ、タイプ１デバイス、タイプ２デバイス、及び／または別の装置によって制御できる。切り替え前後に使用する無線機は異なっていてもよい。第２の無線信号（第２の信号）は、チャネルを通して、タイプ１デバイスと第２のタイプ２デバイスとの間（またはタイプ２デバイスと第２のタイプ１デバイスとの間）に送信され得る。第２の信号から抽出されたチャネルの第２のＴＳＣＩが得られ得る。第２の信号は、第１の信号であってもよい。オブジェクトの特性、ＳＴＩ及び／または別の量は、第２のTSCIに基づいて監視され得る。タイプ１デバイスとタイプ２デバイスは同じであってもよい。異なるタイムスタンプを有する特性、STI及び／または別の量は、波形を形成し得る。波形は、プレゼンテーションで表示することができる。
無線信号及び／または別の信号は、データが埋め込まれていてもよい。無線信号は、一連のプローブ信号（例えば、プローブ信号の繰り返し送信、１つまたは複数のプローブ信号の再使用）であってもよい。プローブ信号は、時間の経過とともに変化／変化しうる。プローブ信号は、規格準拠信号、プロトコル信号、標準化無線プロトコル信号、制御信号、データ信号、無線通信ネットワーク信号、セルラーネットワーク信号、ＷｉＦｉ信号、ＬＴＥ／５Ｇ／６Ｇ／７Ｇ信号、基準信号、ビーコン信号、動き検出信号、及び／または動きセンシング信号であってもよい。プローブ信号は、無線ネットワーク標準（例えば、ＷｉＦｉ）、セルラーネットワーク標準（例えば、ＬＴＥ／５Ｇ／６Ｇ）、または別の標準に従ってフォーマットされ得る。プローブ信号は、ヘッダ及びペイロードを有するパケットを含み得る。プローブ信号は、データが埋め込まれていてもよい。ペイロードは、データを含むことができる。プローブ信号は、データ信号に置き換えられてもよい。プローブ信号は、データ信号に埋め込まれてもよい。無線受信機、無線送信機、別の無線受信機及び／または別の無線送信機は、少なくとも１つのプロセッサ、それぞれのプロセッサと通信可能に結合されたメモリ、及び／または実行されたときにプロセッサに、オブジェクトのＳＴＩ（例えば、動き情報）、初期ＳＴＩ、初期時間、方向、瞬間位置、瞬間角度、及び／または速度を決定するために必要な任意のステップ及び／またはすべてのステップを実行させる、メモリに記憶されたそれぞれの命令セットに関連付けられてもよい。プロセッサ、メモリ及び／または命令のセットは、タイプ１デバイス、少なくとも１つのタイプ２デバイス、オブジェクト、オブジェクトに関連付けられた装置、場所に関連付けられた別の装置、クラウドサーバ、ハブ装置、及び／または別のサーバに関連付けられ得る。
タイプ１デバイスは、場所のチャネルを通して少なくとも１つのタイプ２デバイス（単数または複数）に放送方式で信号を送信することができる。信号は、任意のタイプ２デバイスとの無線接続（例えば、関連付け、認証）を確立するタイプ１デバイスなしで、及びタイプ１デバイスからのサービスを要求するタイプ２デバイスなしで送信される。タイプ１デバイスは、複数のタイプ２デバイスに共通の特定のメディアアクセスコントロール（ＭＡＣ）アドレスに送信できる。各タイプ２ デバイスは、そのＭＡＣアドレスを特定のＭＡＣ アドレスに調整できる。特定のＭＡＣアドレスは、場所に関連付けられ得る。関連付けは、関連付けサーバ（例えば、ハブデバイス）の対応付けテーブルに記録され得る。場所は、特定のＭＡＣアドレス、一連のプローブ信号、及び／またはプローブ信号から抽出された少なくとも１つのＴＳＣＩに基づいて、タイプ１デバイス、タイプ２デバイス及び／または別の装置によって識別され得る。例えば、タイプ２デバイスは、場所の新しい位置に（例えば、別の場所から）移動され得る。タイプ１デバイスは、タイプ１及びタイプ２デバイスが互いに認識しないように、場所に新たに設定され得る。セットアップ中、タイプ１デバイスは、一連のプローブ信号を特定のＭＡＣアドレスに送るように、指示され／ガイドされ／引き起こされ／制御され得る（例えば、ダミー受信機を使用すること、ハードウェアピン設定／接続を使用すること、保存された設定を使用すること、ローカル設定を使用すること、リモート設定を使用すること、ダウンロードされた設定を使用すること、ハブ装置を使用すること、またはサーバを使用すること）。電源を投入すると、タイプ２デバイスは、異なる場所（例えば、ハウス、オフィス、エンクロージャ、フロア、多層ビル、店舗、空港、モール、スタジアム、ホール、ステーション、地下鉄、ロット、地域、領域、区域、地方、都市、国、大陸などの異なる場所に使用される異なるＭＡＣアドレス）でブロードキャストするために使用され得るＭＡＣアドレスのテーブル（例えば、指定されたソース、サーバ、ハブデバイス、クラウドサーバに記憶された）に従って、プローブ信号をスキャンし得る。タイプ２デバイスが、特定のＭＡＣアドレスに送られたプローブ信号を検出すると、タイプ２デバイスは、ＭＡＣアドレスに基づいて場所を識別するために、テーブルを使用することができる。場所のタイプ２デバイスの位置は、特定のＭＡＣアドレス、一連のプローブ信号、及び／またはプローブ信号からタイプ２デバイスによって得られる少なくとも１つのＴＳＣＩに基づいて計算され得る。計算は、タイプ２デバイスによって実行されてもよい。特定のＭＡＣアドレスは、経時的に変更（例えば、調整、変更、修正）され得る。それは、予定表、ルール、方針、モード、条件、状況及び／または変化に従って変更され得る。特定のＭＡＣアドレスは、ＭＡＣアドレスの利用可能性、予め選択されたリスト、衝突パターン、トラフィックパターン、タイプ１デバイスと他の装置との間のデータトラフィック、有効な帯域幅、ランダム選択、及び／またはＭＡＣアドレススイッチングプランに基づいて選択することができる。特定のＭＡＣアドレスは、第２の無線デバイス（例えば、ダミー受信機、またはダミー受信機として機能する受信機）のＭＡＣアドレスであり得る。
タイプ１デバイスは、一組のチャネルから選択されたチャネルにおいて、プローブ信号を送信してもよい。選択されたチャネルの少なくとも1つのCIは、選択されたチャネルにおいて送信されるプローブ信号から、それぞれのタイプ２デバイスによって取得され得る。選択されたチャネルは、経時的に変更（例えば、調整、変更、修正）され得る。変更は、予定表、ルール、方針、モード、条件、状況、及び／または変化に従うことができる。選択されたチャネルは、チャネルの利用可能性、ランダム選択、予め選択されたリスト、同一チャネル間干渉、チャネル間干渉、チャネルトラフィックパターン、タイプ1デバイスと別のデバイスとの間のデータトラフィック、チャネルに関連する有効帯域幅、セキュリティ基準、チャネルスイッチングプラン、基準、品質基準、信号品質条件、及び／または考慮に基づいて選択され得る。
特定のＭＡＣアドレス及び／または選択されたチャネルの情報は、ネットワークを介してタイプ１デバイスとサーバ（例えば、ハブ装置）との間で通信することができる。特定のＭＡＣアドレス及び／または選択されたチャネルの情報は、別のネットワークを介してタイプ２デバイスとサーバ（例えば、ハブ装置）との間で通信することもできる。タイプ２デバイスは、特定のＭＡＣアドレス及び／または選択されたチャネルの情報を別のタイプ２デバイス（例えば、メッシュネットワーク、Ｂｌｕｅｔｏｏｔｈ、ＷｉＦｉ、ＮＦＣ、ＺｉｇＢｅｅなどを介して）に通信することができる。特定のＭＡＣアドレス及び／または選択されたチャネルは、サーバ（例えば、ハブ装置）によって選択され得る。特定のＭＡＣアドレス及び／または選択されたチャネルは、タイプ１デバイス、タイプ２デバイス及び／またはサーバ（例えば、ハブ装置）によってアナウンスメントチャネル内でシグナリングされ得る。通信される前に、任意の情報が前処理され得る。
タイプ１デバイスと別の無線装置との間の無線接続（例えば、関連付け、認証）は、（例えば、シグナルハンドシェイクを使用して）確立され得る。タイプ１デバイスは、第１のハンドシェイク信号（例えば、サウンディングフレーム、プローブ信号、送信要求ＲＴＳ）を別の装置に送ることができる。別のデバイスは、第２のハンドシェイク信号（例えば、コマンド、または送信可ＣＴＳ）をタイプ１デバイスに送信することによって応答することができ、いずれのタイプ２デバイスとの接続を確立することなく、複数のタイプ２デバイスにブロードキャスト方式で信号（例えば、一連のプローブ信号）を送信するようにタイプ１デバイスをトリガする。第２のハンドシェイク信号は、第１のハンドシェイク信号に対する応答または確認応答（例えば、ＡＣＫ）であり得る。第２のハンドシェイク信号は、場所、及び／またはタイプ１デバイスの情報を有するデータを含み得る。別の装置は、タイプ１デバイスとの無線接続を確立し、第１の信号を受信し、及び／または第２の信号を送るための目的（例えば、一次目的、二次目的）を有するダミー装置であり得る。別の装置は、タイプ１デバイスに物理的に取り付けられてもよい。
別の例では、別の装置は、いずれのタイプ２デバイスとの接続（例えば、関連付け、認証）を確立することなく、信号（例えば、一連のプローブ信号）を複数のタイプ２デバイスにブロードキャストすることをタイプ１デバイスにトリガする第３のハンドシェイク信号をタイプ１デバイスに送ることができる。タイプ１デバイスは、第４のハンドシェイク信号を他の装置に送信することにより第３の特別信号に応答することができる。別の装置は、複数のタイプ１デバイスがブロードキャストすることをトリガするために使用され得る。トリガは、連続的、部分的に連続的、部分的に並列、または完全に並列であってもよい。別の装置は、複数の送信機を並列にトリガするために、複数の無線回路を有してもよい。並列トリガはまた、少なくとも１つのさらに別の装置を使用して、別の装置と並行して（別の装置が行うのと同様の）トリガを実行することによって達成され得る。別の装置は、タイプ１デバイスとの接続を確立した後、タイプ１デバイスと通信（または通信を一時停止）できない。一時停止した通信が再開される場合がある。別の装置は、タイプ１デバイスとの接続を確立した後、非アクティブモード、休眠モード、スリープモード、スタンバイモード、低電力モード、ＯＦＦモード及び／またはパワーダウンモードに入ることができる。別の装置は、タイプ１デバイスが信号を特定のＭＡＣアドレスに送信するように、特定のＭＡＣアドレスを有してもよい。タイプ１デバイス及び／または別の装置は、タイプ１デバイスに関連付けられた第１のプロセッサ、別の装置に関連付けられた第２のプロセッサ、指定されたソースに関連付けられた第３のプロセッサ、及び／または別の装置に関連付けられた第４のプロセッサによって制御及び／または調整されてもよい。第１及び第２のプロセッサは、互いに調整することができる。
第１の一連のプローブ信号は、第１の場所の第１のチャネルを通して、タイプ１デバイスの第１のアンテナによって少なくとも１つの第１のタイプ２デバイスに送信されてもよい。第２の一連のプローブ信号は、第２の場所の第２のチャネルを通して、タイプ１デバイスの第２のアンテナによって、少なくとも１つの第２のタイプ２デバイスに送信されてもよい。第１の一連のプローブ信号及び第２の一連のプローブ信号は、異なっていてもよい／異なっていなくてもよい。少なくとも１つの第１のタイプ２デバイスは、少なくとも１つの第２のタイプ２デバイスと異なっていてもよい／異なっていなくてもよい。第１及び／または第２の一連のプローブ信号は、タイプ１デバイスと任意のタイプ２デバイスとの間で確立された接続（例えば、関連付け、認証）なしにブロードキャストされ得る。第１及び第２のアンテナは、同じ／異なるものであってもよい。２つの場所は、異なるサイズ、形状、マルチパス特性を有することができる。第１及び第２の場所は、重複してもよい。第１及び第２のアンテナの近傍のそれぞれの直近の領域は、重複することができる。第１及び第２のチャネルは、同じ／異なることができる。例えば、第１のものはＷｉＦｉであってもよく、第２のものはＬＴＥであってもよい。または、両方ともＷｉＦｉであってもよいが、最初のものは２．４ＧＨｚのＷｉＦｉであってもよく、２番目は５ＧＨｚのＷｉＦｉであってもよい。または、両方とも２．４ＧＨｚ ＷｉＦｉであってもよいが、異なるチャネル番号、ＳＳＩＤ名、及び／またはＷｉＦｉ設定を有する。
各タイプ２デバイスは、それぞれの一連のプローブ信号から少なくとも１つのＴＳＣＩを取得することができ、ＣＩは、タイプ２デバイスとタイプ１デバイスとの間のそれぞれのチャネルである。いくつかの第１のタイプ２デバイス（単数または複数）及びいくつかの第２のタイプ２デバイス（単数または複数）は、同じであり得る。第１及び第２の一連のプローブ信号は、同期／非同期であってもよい。プローブ信号は、データと送信されてもよく、またはデータ信号で置き換えられてもよい。第１のアンテナと第２のアンテナは同じであってもよい。第１の一連のプローブ信号は、第１の速度（例えば、３０Ｈｚ）で送信されてもよい。第２の一連のプローブ信号は、第２の速度（例えば、２００Ｈｚ）で送信されてもよい。第１及び第２の速度は、同じ／異なることができる。第１及び／または第２の速度は、経時的に変更（例えば、調整、変化、修正）され得る。変更は、予定表、ルール、方針、モード、条件、状況、及び／または変化に従うことができる。任意の速度は、経時的に変更（例えば、調整、変更、修正）され得る。第１及び／または第２の一連のプローブ信号は、それぞれ、第１のＭＡＣアドレス及び／または第２のＭＡＣアドレスに送信され得る。２つのＭＡＣ アドレスは同じ／異なる場合がある。第１の一連のプローブ信号は、第１のチャネル内で送信されてもよい。第２の一連のプローブ信号は、第２のチャネルで送信されてもよい。２つのチャネルは、同じ／異なることができる。第１または第２のＭＡＣアドレス、第１または第２のチャネルは、時間の経過と共に変化し得る。任意の変更は、予定表、ルール、方針、モード、状態、状況、及び／または変化に従うことができる。
タイプ１の装置及び別の装置は、制御及び／または調整され、共通の装置に物理的に取り付けられ、または共通の装置のもの／共通の装置の中であり得る。それらは、共通のデータプロセッサークにより制御され／へ接続され、又は、共通のバスインターコネクト／ネットワーク／ＬＡＮ／Ｂｌｕｅｔｏｏｔｈネットワーク／ ＮＦＣネットワーク／ ＢＬＥ／有線ネットワーク／無線ネットワーク／メッシュネットワーク／モバイルネットワーク／クラウドに接続されてもよい。それらは、共通メモリを共有することができ、あるいは、共通ユーザ、ユーザ装置、プロファイル、アカウント、アイデンティティ（ＩＤ）、識別子、家庭、住宅、物理アドレス、位置、地理座標、ＩＰサブネット、ＳＳＩＤ、家庭装置、オフィス装置、及び／または製造装置と関連付けることができる。各タイプ１デバイスは、それぞれのタイプ２デバイスのセットの信号源であり得る（すなわち、それは、それぞれの信号（例えば、それぞれの一連のプローブ信号）をそれぞれのタイプ２デバイスのセットに送る）。各タイプ２デバイスは、その信号源として全てのタイプ１デバイスの中からタイプ１デバイスを選択する。各タイプ２デバイスは非同期に選択できる。少なくとも１つのＴＳＣＩは、タイプ１デバイスからのそれぞれの一連のプローブ信号から、それぞれのタイプ２デバイスによって取得され得、ＣＩは、タイプ２デバイスとタイプ１デバイスとの間のチャネルである。それぞれのタイプ２デバイスは、すべてのタイプ１デバイスの中から、アイデンティティ（ＩＤ）またはタイプ１／タイプ２デバイスの識別子、実行されるべきタスク、過去の信号源、履歴（例えば、過去の信号源、タイプ１デバイス、別のタイプ１デバイス、それぞれのタイプ２受信機、及び／または別のタイプ２受信機の）、信号源を切り替えるための閾値、及び／またはユーザの情報、アカウント、アクセス情報、パラメータ、特性、及び／または信号強度（例えば、タイプ１デバイス及び／またはそれぞれのタイプ２受信機に関連する）に基づいて、タイプ１デバイスをその信号源として選択する。最初に、初回で、タイプ１デバイスは、初期のそれぞれのタイプ２デバイスのセット（すなわち、タイプ１デバイスは、初期のそれぞれのタイプ２デバイスのセットにそれぞれの信号（一連のプローブ信号）を送る）の信号源であり得る。各初期のそれぞれのタイプ２デバイスは、その信号源として、すべてのタイプ１デバイスの中からタイプ１デバイスを選択する。
特定のタイプ２デバイスの信号源（タイプ１デバイス）は、次の場合に変更（例えば、調整、変更、修正）され得る、（１）タイプ２デバイスの現在の信号源から受信される２つの隣接するプローブ信号（例えば、現在のプローブ信号とすぐ前のプローブ信号との間、または次のプローブ信号と現在のプローブ信号との間）の間の時間間隔は、第一の閾値を超える、（２）タイプ２デバイスの現在の信号源に関連する信号強度は、第２の閾値未満である、（３） タイプ２デバイスの現在の信号源に関連する処理済み信号強度が第３の閾値未満であり、信号強度は、ローパスフィルタ、バンドパスフィルタ、メジアンフィルタ、移動平均フィルタ、加重平均フィルタ、線形フィルタ及び／または非線形フィルタで処理される、及び／または（４） タイプ２デバイスの現在の信号源に関連する信号強度（または処理された信号強度）は、最近のタイムウインドウのかなりのパーセンテージ（例えば、７０％、８０％、９０％）に対して、第４の閾値を下回っている。パーセンテージは、第５の閾値を超えることができる。第１、第２、第３、第４及び／または第５の閾値は、時間変化し得る。
条件（１）は、タイプ１デバイスとタイプ２デバイスとが徐々に互いに遠くになるときに起こり得、その結果、タイプ１デバイスからのいくつかのプローブ信号が弱すぎて、タイプ２デバイスによって受信されないようになる。条件（２）〜（４）は、信号強度が非常に弱くなるように、２つのデバイスが互いに遠く離れると発生する可能性がある。
タイプ２デバイスの信号源は、他のタイプ１デバイスが、現在の信号源のファクタ（例えば、１、１．１、１．２、または１．５）よりも弱い信号強度を有する場合、変わらなくてもよい。信号源が変更された場合（調整、変更、修正など）、新しい信号源は近い将来（例えば、それぞれの次回）に有効になることがある。新しい信号源は、最も強い、信号強度及び／または処理された信号強度、を有するタイプ１デバイスであってもよい。現在の信号源と新しい信号源は同じでも、異なってもよい。
使用可能なタイプ１デバイスのリストは、各タイプ２デバイスにより初期化及び保持されうる。リストは、タイプ１デバイスのそれぞれのセットに関連する信号強度及び／または処理された信号強度を調べることによって更新され得る。タイプ２デバイスは、第１のタイプ１デバイスからの第１の一連のプローブ信号と、第２のタイプ１デバイスからの第２の一連のプローブ信号との間で、それぞれのプローブ信号レート、ＭＡＣアドレス、チャネル、特徴／特性／状態、タイプ２デバイスによって実行されるべきタスク、第１及び第２の一連の信号強度、及び／または別の考慮事項に基づいて選択することができる。
一連のプローブ信号は、一定の速度（例えば、１００Ｈｚ）で送信されてもよい。一連のプローブ信号は、規則的な間隔（例えば、１００Ｈｚに対して０．０１ｓ）でスケジュールされ得るが、各プローブ信号は、おそらく、タイミング要件、タイミング制御、ネットワーク制御、ハンドシェイキング、メッセージパッシング、衝突回避、キャリアセンシング、輻輳、リソースの利用可能性、及び／または別の考慮事項に起因して、小さな時間摂動を経験し得る。レートは、変更され得る（例えば、調整され、変更され、修正され得る）。変更は、予定表（例えば、１時間ごとに変更される）、規則、方針、モード、条件及び／または変化（例えば、ある事象が発生したときにいつでも変更される）に従うことができる。たとえば、レートは通常１００Ｈｚであるが、要求の厳しい状況では１０００Ｈｚに変更され、低電力／スタンバイ状況では１Ｈｚに変更される。プローブ信号は、バーストで送信されてもよい。
プローブ信号レートは、タイプ１デバイスまたはタイプ２デバイスによって実行されるタスクに基づいて変化する場合がある（例えば、タスクは通常１００Ｈｚ、２０秒間について一時的に１０００Ｈｚを必要とする場合がある）。一例では、送信機（タイプ１デバイス）、受信機（タイプ２デバイス）、及び関連するタスクは、クラス（例えば、低優先度、高優先度、緊急、クリティカル、通常、特権、非加入、加入、有料、及び／または非課金であるクラス）に適応的に（及び／または動的に）関連付けられ得る。（トランスミッターの）レートは、いくつかのクラス（例えば、高優先度クラス）のために調整され得る。そのクラスの必要性が変化した場合、レートを変更することができる（例えば、調整、変更、修正）。受信機が臨界的に低い電力を有する場合、レートは、プローブ信号に応答するために受信機の電力消費を低減するために低減されてもよい。１つの例では、プローブ信号を使用して、電力を無線で受信機（タイプ２デバイス）に転送し、レートを調整して、受信機に転送される電力の量を制御してもよい。
レートは、以下によって（またはそれに基づいて）変更することができる：サーバ（例えば、ハブデバイス）、タイプ１デバイス及び／またはタイプ２デバイス。制御信号は、それらの間で通信されてもよい。サーバは、タイプ２デバイスの必要性及び／又はタイプ２デバイスによって実行されるタスクを監視、追跡、予測及び／又は予想し、かつレートを変更するためにタイプ１デバイスを制御することができる。サーバは、予定表に従って、レートにスケジュールされた変更を行うことができる。サーバは、緊急事態を検知し、直ちにレートを変更することができる。サーバは、発展状態を検出し、レートを徐々に調整することができる。特性及び／またはＳＴＩ（例えば、動き情報）は、特定のタイプ１デバイス及び特定のタイプ２デバイスに関連するＴＳＣＩに基づいて個別に監視され得るか、及び／または特定のタイプ１デバイス及び任意のタイプ２デバイスに関連する任意のＴＳＣＩに基づいて共同で監視され得るか、及び／または特定のタイプ２デバイス及び任意のタイプ１デバイスに関連する任意のＴＳＣＩに基づいて共同で監視され得るか、及び／または任意のタイプ１デバイス及び任意のタイプ２デバイスに関連する任意のＴＳＣＩに基づいてグローバルに監視され得る。任意の共同モニタリングは、以下に関連し得る：ユーザ、ユーザアカウント、プロファイル、家庭、場所の地図、場所の環境モデル、及び／またはユーザ履歴、など。
タイプ１デバイスとタイプ２デバイスとの間の第１のチャネルは、別のタイプ１デバイスと別のタイプ２デバイスとの間の第２のチャネルとは異なりうる。２つのチャネルは、異なる周波数帯域、帯域幅、搬送波周波数、変調、無線規格、コーディング、暗号化、ペイロード特性、ネットワーク、ネットワークＩＤ、ＳＳＩＤ、ネットワーク特性、ネットワーク設定、及び／またはネットワークパラメータなどに関連し得る。２つのチャンネルは、異なる種類の無線システム（例えば次の、ＷｉＦｉ、ＬＴＥ、ＬＴＥ−Ａ、ＬＴＥ−Ｕ、２．５Ｇ、３Ｇ、３．５Ｇ、４Ｇ、ビヨンド４Ｇ、５Ｇ、６Ｇ、７Ｇ、携帯ネットワーク規格、ＵＭＴＳ、３ＧＰＰ、ＧＳＭ、ＥＤＧＥ、ＴＤＭＡ、ＦＤＭＡ、ＣＤＭＡ、ＷＣＤＭＡ（登録商標）、ＴＤ−ＳＣＤＭＡ、８０２．１１システム、８０２．１５システム、８０２．１６システム、メッシュネットワーク、Ｚｉｇｂｅｅ、ＮＦＣ、ＷｉＭａｘ、Ｂｌｕｅｔｏｏｔｈ、ＢＬＥ、ＲＦＩＤ、ＵＷＢ、マイクロ波システム、レーダー類似システム、の内の２つ）に関連することができる。例えば、一方はＷｉＦｉであり、他方はＬＴＥである。２つのチャネルは、同様の種類の無線システムに関連付けられている場合があるが、ネットワークが異なる。例えば、第１のチャネルは、２０ＭＨｚの帯域幅を有する２．４ＧＨｚ帯域で「Ｐｉｚｚａ及びＰｉｚｚａ」と命名されたＷｉＦｉネットワークに関連付けられ得、一方、第２のチャネルは、４０ＭＨｚの帯域幅を有する５ＧＨｚ帯域で「ＳｔａｒＢｕｄホットスポット」のＳＳＩＤを有するＷｉＦｉネットワークに関連付けられ得る。２つのチャネルは、同じネットワーク内で異なるチャネルになる場合がある（「ＳｔａｒＢｕｄ ホットスポット」ネットワークなど）。
一実施形態では、無線監視システムは、複数の事象に関連付けられたトレーニングＴＳＣＩに基づいて、場所の複数の事象の分類器（ｃｌａｓｓｉｆｉｅｒ）を訓練することを含むことができる。事象に関連するＣＩまたはＴＳＣＩは、その事象（及び／または場所、環境、オブジェクト、オブジェクトの動き、状態／感情状態／精神状態／状態／ステージ／ジェスチャ／歩容／アクション／動き／活動／日常活動／履歴／オブジェクトの事象など）に関連する無線サンプル／特性／フィンガプリントを考慮／含むことができる。既知の事象に関連するそれぞれの訓練（例えば、調査、無線調査（ｗｉｒｅｌｅｅ ｓｕｒｖｅｙ）、初期無線調査）時間において場所で起こる複数の既知の事象の各々について、それぞれのトレーニング無線信号（例えば、それぞれの一連のトレーニングプローブ信号）は、第１のタイプ１デバイスのプロセッサ、メモリ、及び命令のセットを使用する第１のタイプ１異種無線装置のアンテナによって、それぞれの訓練時間において場所の無線マルチパスチャネルを通して少なくとも１つの第１のタイプ２異種無線装置に送信され得る。
トレーニングＣＩの少なくとも１つのそれぞれの時系列（トレーニングＴＳＣＩ）は、（それぞれの）トレーニング信号から、少なくとも１つの第１のタイプ２デバイスのそれぞれによって非同期的に取得され得る。ＣＩは、既知の事象に関連するトレーニング時間において、第１のタイプ２デバイスと第１のタイプ１デバイスとの間のチャネルのＣＩであり得る。少なくとも１つのトレーニングＴＳＣＩは、前処理され得る。トレーニングは、無線調査（例えば、タイプ１デバイス及び／またはタイプ２デバイスの設置の間の）であり得る。
現在の期間において場所内で起こる現在の事象について、現在の無線信号（例えば、一連の現在のプローブ信号）は、第２のタイプ１デバイスのプロセッサ、メモリ、及び命令のセットを使用する第２のタイプ１異種無線装置のアンテナによって、現在の事象に関連する現在の期間において場所のチャネルを通して少なくとも１つの第２のタイプ２異種無線装置に送信され得る。現在のＣＩの少なくとも１つの時系列（現在のＴＳＣＩ）は、現在の信号（例えば、一連の現在のプローブ信号）から少なくとも１つの第２のタイプ２デバイスの各々によって非同期的に取得され得る。ＣＩは、現在の事象に関連する現在の期間において、第２のタイプ２デバイスと第２のタイプ１デバイスとの間のチャネルのＣＩであり得る。少なくとも１つの現在のＴＳＣＩは、前処理され得る。
分類器（ｃｌａｓｓｉｆｉｅｒ）は、少なくとも１つの第２のタイプ２デバイスによって、一連の現在のプローブ信号から得られる少なくとも１つの現在のＴＳＣＩを分類するために、特定の現在のＴＳＣＩの少なくとも１部分を分類するために、及び／または特定の現在のＴＳＣＩの少なくとも１部分と別のＴＳＣＩの別の部分との組み合わせを分類するために、適用され得る。分類器は、ＴＳＣＩ （または特徴／ＳＴＩまたは他の分析または出力応答）をクラスタに分割し、クラスタを特定の事象／オブジェクト／対象／位置／動き／活動に関連付けることができる。ラベル／タグは、クラスタについて生成され得る。クラスタは、記憶及び検索することができる。分類器は、現在のＴＳＣＩ （または、おそらく現在の事象に関連する特性／ＳＴＩまたは他の分析／出力応答）を、以下と関連付けるために適用され得る：クラスタ、既知／特定の事象、クラス／カテゴリ／グループ／グループ化／リスト／クラスタ、既知の事象のセット／対象／位置／移動／アクティビティ、未知事象、クラス／カテゴリ／グループ／グループ化／リスト／クラスタ／未知事象のセット／対象／位置／移動／アクティビティ、及び／または別の事象／対象／位置／移動／アクティビティ／クラス／カテゴリ／グループ／グループ化／リスト／クラスタ。各ＴＳＣＩは、それぞれがそれぞれのタイムスタンプに関連する少なくとも１つのＣＩを含み得る。２つのタイプ２デバイスに関連する２つのＴＳＣＩは、異なる開始時間、持続時間、停止時間、ＣＩの量、サンプリング頻度、サンプリング期間、によって異なる。それらのＣＩは、異なる特徴を有し得る。第１及び第２のタイプ１デバイスは、場所の同じ位置にあってもよい。それらは、同じ装置であってもよい。少なくとも１つの第２のタイプ２デバイス（またはそれらの位置）は、少なくとも１つの第１のタイプ２デバイス（またはそれらの位置）の置換であり得る。特定の第２のタイプ２デバイス及び特定の第１のタイプ２デバイスは、同じ装置であり得る。第１のタイプ２デバイスのサブセットと第２のタイプ２デバイスのサブセットは同じであってもよい。少なくとも１つの第２のタイプ２デバイス及び／または少なくとも１つの第２のタイプ２デバイスのサブセットは、少なくとも１つの第１のタイプ２デバイスのサブセットであり得る。少なくとも１つの第１のタイプ２デバイス及び／または少なくとも１つの第１のタイプ２デバイスのサブセットは、少なくとも１つの第２のタイプ２デバイスのサブセットの置換であり得る。少なくとも１つの第２のタイプ２デバイス及び／または少なくとも１つの第２のタイプ２デバイスのサブセットは、少なくとも１つの第１のタイプ２デバイスのサブセットの置換であり得る。少なくとも１つの第２のタイプ２デバイス及び／または少なくとも１つの第２のタイプ２デバイスのサブセットは、少なくとも１つの第１のタイプ２デバイスのサブセットと同じそれぞれの位置であり得る。少なくとも１つの第１のタイプ２デバイス及び／または少なくとも１つの第１のタイプ２デバイスのサブセットは、少なくとも１つの第２のタイプ２デバイスのサブセットと同じそれぞれの位置であり得る。
タイプ１デバイスのアンテナ及び第２のタイプ１デバイスのアンテナは、場所の同じ位置にあってもよい。少なくとも１つの第２のタイプ２デバイスのアンテナ及び／または少なくとも１つの第２のタイプ２デバイスのサブセットのアンテナは、少なくとも１つの第１のタイプ２デバイスのサブセットのそれぞれのアンテナと同じそれぞれの位置であり得る。少なくとも１つの第１のタイプ２デバイスのアンテナ及び／または少なくとも１つの第１のタイプ２デバイスのサブセットのアンテナは、少なくとも１つの第２のタイプ２デバイスのサブセットのそれぞれのアンテナと同じそれぞれの位置であり得る。
第１のＴＳＣＩの第１の持続時間の第１のセクションと、第２のＴＳＣＩの第２のセクションの第２の持続時間の第２のセクションとを整列させてもよい。第１セクションのアイテムと第２セクションのアイテムとの間のマップを計算することができる。第１のセクションは、第１の開始／終了時間を有する第１のＴＳＣＩの第１のセグメント（例えば、サブセット）、及び／または処理された第１のＴＳＣＩの別のセグメント（例えば、サブセット）を含み得る。処理された第１のＴＳＣＩは、第１の操作によって処理された第１のＴＳＣＩであってもよい。第２のセクションは、第２の開始時間及び第２の終了時間を有する第２のＴＳＣＩの第２のセグメント（例えば、サブセット）、ならびに処理された第２のＴＳＣＩの別のセグメント（例えば、サブセット）を含み得る。処理された第２のＴＳＣＩは、第２の操作によって処理された第２のＴＳＣＩであってもよい。第１の操作及び／または第２の操作は、サブサンプリング、再サンプリング、補間、フィルタリング、変換、特徴抽出、前処理、及び／または別の操作を含み得る。
第１のセクションの第１のアイテムは、第２のセクションの第２のアイテムにマッピングされ得る。第１セクションの第１アイテムはまた、第２セクションの別のアイテムにマッピングされ得る。第１セクションの別のアイテムはまた、第２セクションの第２アイテムにマッピングされ得る。マッピングは、１対１、１対多、多対１、多対多であり得る。第１のＴＳＣＩの第１のセクションの第１のアイテム、第１のＴＳＣＩの別のアイテム、第１のアイテムのタイムスタンプ、第１のアイテムの時間差、第１のアイテムの時間差、第１のアイテムの隣接タイムスタンプ、第１のアイテムの隣接タイムスタンプ、第１のアイテムに関連する別のタイムスタンプ、第２のＴＳＣＩの第２のセクションの第２のアイテム、第２のＴＳＣＩの別のアイテム、第２のアイテムのタイムスタンプ、第２のアイテムの時間差、第２のアイテムの時間差、第２のアイテムの隣接タイムスタンプ、及び第２のアイテムに関連する別のタイムスタンプのうちの少なくとも１つの少なくとも１つの関数は、少なくとも１つの制約を満たすことができる。
１つの制約は、第１のアイテムのタイムスタンプと第２のアイテムのタイムスタンプとの間の差が、適応的（及び／または動的に調整された）上側閾値によって上限され得、適応的下側閾値によって下限され得ることであり得る。
最初のセクションは、最初のＴＳＣＩ全体であってもよい。第２のセクションは、第２のＴＳＣＩ全体であってもよい。第１の時間持続時間は、第２の時間持続時間に等しくてもよい。ＴＳＣＩの時間持続時間のセクションは、適応的に（及び／または動的に）決定され得る。ＴＳＣＩの仮セクションを計算することができる。セクション（例えば、仮セクション、セクション）の開始時間及び終了時間を決定することができる。セクションは、仮セクションの開始部分及び終了部分を除去することによって決定することができる。仮セクションの開始部分は、以下のように決定することができる。反復的に、タイムスタンプの増加に伴う仮セクションのアイテムは、一度に１つのアイテムである現在のアイテムと見なすことができる。
各反復において、少なくとも１つの活動尺度／指標が計算及び／または考慮され得る。少なくとも１つの活動尺度は、現在のタイムスタンプに関連する現在のアイテム、現在のタイムスタンプよりも大きくないタイムスタンプをもつ仮セクションの過去のアイテム、及び／または現在のタイムスタンプよりも小さくないタイムスタンプをもつ仮セクションの将来のアイテムのうちの少なくとも１つに関連することができる。少なくとも１つの活動尺度に関連する少なくとも１つの基準（例えば、品質基準、信号品質条件）が満たされる場合、現在のアイテムは、仮セクションの開始部分に追加されてもよい。
活動尺度に関連する少なくとも１つの基準は、以下のうちの少なくとも１つを含み得る：（ａ）活動尺度は適応的な（動的に調整される）上側閾値よりも小さい。（ｂ）活動尺度は適応的な下側閾値よりも大きい。（ｃ）活動尺度は、少なくとも連続したタイムスタンプの所定の量に対して連続して適応的上限閾値よりも小さい、（ｄ）活動尺度は、少なくとも連続したタイムスタンプの別の所定の量に対して連続して適応的下側閾値よりも大きい、（ｅ）活動尺度は、少なくとも連続したタイムスタンプの所定の量の所定のパーセンテージに対して連続して適応的な上側閾値よりも小さい、（ｆ）活動尺度は、少なくとも連続したタイムスタンプの別の所定の量の別の所定のパーセンテージに対して連続して適応的な下側閾値よりも大きい、（ｇ）現在のタイムスタンプに関連した別のタイムスタンプに関連した別の活動尺度は、別の適応的上側閾値よりも小さく、別の適応的下側閾値よりも大きい、（ｈ）現在のタイムスタンプに関連した少なくとも１つのそれぞれのタイムスタンプに関連した少なくとも１つの活動尺度は、それぞれの上側閾値よりも小さく、それぞれの下側閾値よりも大きい。（ｉ）現在のタイムスタンプに関連付けられた一組のタイムスタンプにおける、それぞれの上限閾値よりも小さく、それぞれの下限閾値よりも大きい、活動尺度に関連付けられたタイムスタンプのパーセンテージが、閾値を超える、及び（ｊ）別の基準（例えば、品質基準、信号品質条件）。
時間Ｔ１におけるアイテムに関連する活動尺度／指標は、以下の少なくとも１つを含み得る：（１） 時間Ｔ１でのアイテム及び時間Ｔ１−Ｄ１でのアイテムの第１の関数であって、ここで、Ｄ１は、所定の正の量（例えば、一定時間オフセット）、（２）時間Ｔ１でのアイテム及び時間Ｔ１＋Ｄ１でのアイテムの第２の関数、（３）時間Ｔ１でのアイテム及び時間Ｔ２でのアイテムの第３の関数であり、ここで、Ｔ２は、所定の量（例えば、固定された初期基準時間； Ｔ２は、時間とともに変更（例えば、調整、変化、修正）され得る； Ｔ２は、周期的に更新され得る；Ｔ２は、期間の開始であり得、Ｔ１は、期間におけるスライディングタイムであり得る）、ならびに（４）時間Ｔ１でのアイテム及び他のアイテムの第４の関数。
第１の関数、第２の関数、第３の関数、及び／または第４の関数のうちの少なくとも１つは、少なくとも２つの引数Ｘ及びＹを持つ関数（例えば、Ｆ（Ｘ、Ｙ、．．．））であり得る。 ２つの引数は、スカラーであってもよい。関数（例えば、Ｆ）は、Ｘ、Ｙ、（Ｘ−Ｙ）、（Ｙ−Ｘ）、ａｂｓ（Ｘ−Ｙ）、Ｘ＾ａ、Ｙ＾ｂ、ａｂｓ（Ｘ＾ａ−Ｙ＾ｂ）、（Ｘ−Ｙ）＾ａ、（Ｘ／Ｙ）、（Ｘ＋ａ）／ （Ｙ＋ｂ）、（Ｘ＾ａ／Ｙ＾ｂ）、及び（（Ｘ／Ｙ）＾ａ−ｂ）のうちの少なくとも１つの関数であり得、ここでａ及びｂは、ある所定量であり得る。例えば、この関数は、単にａｂｓ（Ｘ−Ｙ）、または（Ｘ−Ｙ）＾２、（Ｘ−Ｙ）＾４とすることができる。この関数は、頑強な関数であってもよい。例えば、関数は、ａｂｓ（Ｘ−Ｙ）が閾値Ｔよりも小さい場合には（Ｘ−Ｙ）＾２であり、ａｂｓ（Ｘ−Ｙ）がＴよりも大きい場合には（Ｘ−Ｙ）＋ａである。あるいは、ａｂｓ（Ｘ−Ｙ）がＴより大きい場合、関数は定数であってもよい。また、ａｂｓ（Ｘ−ｙ）がＴより大きい場合、関数はゆっくりと増加する関数によって制限され得、その結果、外れ値は、結果に重大な影響を及ぼすことができない。この関数の別の例は、（ａｂｓ（Ｘ／Ｙ）−ａ）（式中、ａ＝１）であり得る。このようにして、Ｘ＝Ｙ （すなわち、変更または活動なし）の場合、関数は０の値を与える。ＸがＹより大きい場合、（Ｘ／Ｙ）は１より大きくなり（ＸとＹが正であると仮定）、関数はポジティブとなる。ＸがＹより小さい場合、（Ｘ／Ｙ）は１より小さくなり、関数はネガティブになる。別の例では、引数ＸとＹの両方が、Ｘ＝（ｘ＿１、ｘ＿２、．．．、ｘ＿ｎ）とＹ＝（ｙ＿１、ｙ＿２、．．．、ｙ＿ｎ）となるｎ−タプル（ｎ−ｔｕｐｌｅｓ）であってもよい。この関数は、ｘ＿ｉ，ｙ＿ｉ，（ｘ＿ｉ−ｙ＿ｉ），（ｙ＿ｉｘ＿ｉ）， ａｂｓ（ｘ＿ｉ−ｙ＿ｉ），ｘ＿ｉ＾ａ， ｙ＿ｉ＾ｂ，ａｂｓ（ｘ＿ｉ＾ａ−ｙ＿ｉ＾ｂ）， （ｘ＿ｉ−ｙ＿ｉ）＾ａ，（ｘ＿ｉ／ｙ＿ｉ），（ｘ＿ｉ＋ａ）／（ｙ＿ｉ ＋ｂ），（ｘ＿ｉ＾ａ／ｙ＿ｉ＾ｂ），及び（（ｘ＿ｉ／ｙ＿ｉ）＾ａ−ｂ）のうち少なくとも１つの関数であってもよく、ここで、ｉは、ｎ−タプルＸ及びＹの成分指数であり、１＜＝ｉ＜＝ｎである。例えば、ｘ＿１ の成分インデックスはｉ＝１で、ｘ＿２の成分インデックスはｉ＝２ である。関数は、ｘ＿ｉ，ｙ＿ｉ，（ｘ＿ｉ−ｙ＿ｉ），（ｙ＿ｉｘ＿ｉ），ａｂｓ（ｘ＿ｉ−ｙ＿ｉ），ｘ＿ｉ＾ａ，ｙ＿ｉ＾ｂ，ａｂｓ（ｘ＿ｉ＾ａ−ｙ＿ｉ＾ｂ），（ｘ＿ｉ−ｙ＿ｉ）＾ａ，（ｘ＿ｉ／ｙ＿ｉ），（ｘ＿ｉ＋ａ）／（ｙ＿ｉ ＋ｂ），（ｘ＿ｉ ＾ａ／ｙ＿ｉ＾ｂ），及び（（ｘ＿ｉ／ｙ＿ｉ）＾ａ−ｂ）のうちの少なくとも１つのコンポーネントごとの別の関数の合計を含むことができ、ｉは、ｎタプルＸ及びＹのコンポーネントインデックスである。例えば、この関数は、ｓｕｍ＿｛ｉ＝１｝＾ｎ（ａｂｓ（ｘ＿ｉ／ｙ＿ｉ）−１）／ｎ，又はｓｕｍ＿｛ｉ＝１｝＾ｎｗ＿ｉ＊（ａｂｓ（ｘ＿ｉ／ｙ＿ｉ）−１） の形式である可能性がある。ここで、ｗ＿ｉはコンポーネントｉの重みである。
マップは、動的時間伸縮法（ＤＴＷ）を使用して計算され得る。ＤＴＷは、マップ、第１のＴＳＣＩのアイテム、第２のＴＳＣＩのアイテム、第１の持続時間、第２の持続時間、第１のセクション、及び／または第２のセクションのうちの少なくとも１つに対する制約を含み得る。マップで、ｉ＾｛ｔｈ｝ ドメインアイテムがｊ＾｛ｔｈ｝ 範囲アイテムにマップされているとする。制約は、ｉとｊとの許容可能な組み合わせ（ｉとｊとの間の関係に関する制約）上であり得る。第１のＴＳＣＩの第１の持続時間の第１のセクションと、第２のＴＳＣＩの第２の持続時間の第２のセクションとの間のミスマッチコストを計算することができる。
第１のセクション及び第２のセクションは、複数のリンクを含むマップが、第１のＴＳＣＩの第１のアイテムと第２のＴＳＣＩの第２のアイテムとの間で確立され得るように、整列され得る。各リンクでは、第１のタイムスタンプを持つ第１のアイテムの１つと、２番目のタイムスタンプを持つ２番目のアイテムの１つを関連付けることができる。整列された第１のセクションと整列された第２のセクションとの間のミスマッチコストが計算され得る。ミスマッチコストは、マップの特定のリンクによって関連付けられる第１のアイテムと第２のアイテムとの間のアイテムに関するコストと、マップの特定のリンクに関連付けられるリンクに関するコストとの関数を含むことができる。
整列された第１のセクション及び整列された第２のセクションは、それぞれ、同じベクトル長の第１のベクトル及び第２のベクトルとして表され得る。ミスマッチコストは、第１のベクトルと第２のベクトルとの間の、内積、内積様量、相関に基づく量、相関インジケータ、共分散に基づく量、識別スコア、距離、ユークリッド距離、絶対距離、Ｌｋ距離（例えば、Ｌ１、Ｌ２、・・・）、加重距離、距離様量及び／または別の類似値のうちの少なくとも１つを含み得る。ミスマッチコストは、それぞれのベクトル長によって正規化され得る。
第１のＴＳＣＩの第１の持続時間の第１のセクションと、第２のＴＳＣＩの第２の持続時間の第２のセクションとの間のミスマッチコストから導出されるパラメータは、統計的分布でモデル化され得る。統計的分布のスケールパラメータ、位置パラメータ及び／または別のパラメータのうちの少なくとも１つを推定することができる。第１のＴＳＣＩの最初の持続時間の第１のセクションは、第１のＴＳＣＩのスライディングセクションであり得る。第２のＴＳＣＩの第２の持続時間の第２のセクションは、第２のＴＳＣＩのスライディングセクションであってもよい。第１のスライディングウインドウは、第１のＴＳＣＩに適用され得、対応する第２のスライディングウインドウは、第２のＴＳＣＩに適用され得る。第１のＴＳＣＩの第１スライディングウインドウと第２のＴＳＣＩの対応する第２のスライディングウインドウとは、整列され得る。
第１のＴＳＣＩの整列された第１のスライディングウインドウと、第２のＴＳＣＩの対応する整列された第２のスライディングウインドウとの間のミスマッチコストを計算することができる。現在の事象は、ミスマッチコストに基づいて、既知の事象、未知の事象及び／または別の事象のうちの少なくとも１つに関連付けられてもよい。
分類器は、少なくとも１つの仮分類結果を得るために、第１のＴＳＣＩの第１の持続時間の各第１のセクション、及び／または第２のＴＳＣＩの第２の持続時間の各第２のセクション、のうちの少なくとも１つに適用され得る。各仮分類結果は、それぞれの第１のセクション及びそれぞれの第２のセクションに関連付けられ得る。
現在の事象は、ミスマッチコストに基づき、既知の事象、未知の事象、クラス／カテゴリ／グループ／グループ化／リスト／未知事象のセット、及び／または別の事象、のうちの少なくとも１つに関連することができる。現在の事象は、第１のＴＳＣＩの複数のセクション及び対応する第２のＴＳＣＩの複数のセクションにおける最も多数の仮分類結果に基づいて、既知の事象、未知の事象及び／または別の事象、の少なくとも１つに関連し得る：。例えば、ミスマッチコストが、Ｎ回の連続した（例えば、Ｎ＝１０）特定の既知の事象を指し示す場合、現在の事象は、特定の既知の事象に関連付けられ得る。別の例では、現在の事象は、特定の既知の事象を指し示すＮ回の連続した直前のＮ個内のミスマッチコストのパーセンテージが、所定の閾値（例えば、＞８０％）を越える場合、特定の既知の事象に関連付けられ得る。別の例では、現在の事象は、時間内の最も多くの回数について最小のミスマッチコストを達成する既知の事象に関連付けられ得る。現在の事象は、少なくとも１つの第１のセクションに関連する少なくとも１つのミスマッチコストの加重平均である、最小の全体的ミスマッチコストを達成する既知の事象に関連付けられ得る。現在の事象は、別の全体的なコストの最小を達成する特定の既知の事象に関連付けられ得る。現在の事象は、既知の事象のいずれも、少なくとも１つの第１のセクションの十分なパーセンテージにおいて、第１の閾値Ｔ１よりも低いミスマッチコストを達成しない場合、「未知の事象」と関連付けられ得る。現在の事象はまた、いずれの事象も第２の閾値Ｔ２よりも低い全体的なミスマッチコストを達成しない場合、「未知の事象」に関連付けられ得る。現在の事象は、第１のＴＳＣＩの少なくとも１つの追加セクション及び第２のＴＳＣＩの少なくとも１つの追加セクションに関連するミスマッチコスト及び追加のミスマッチコストに基づいて、既知の事象、未知の事象及び／または別の事象、のうちの少なくとも１つに関連付けられ得る。既知の事象は、ドア閉め事象、ドア開け事象、窓閉め事象、窓開け事象、マルチ状態事象、オン状態事象、オフ状態事象、中間状態事象、連続状態事象、離散状態事象、人の存在事象、人の不在事象、生命存在事象、及び／または生命不存在事象のうちの少なくとも１つを含み得る。
各ＣＩのための射影（ｐｒｏｊｅｃｔｉｏｎ）は、トレーニングＴＳＣＩに基づく次元削減方法を使用してトレーニングされ得る。次元削減法は、主成分分析（ＰＣＡ）、異なるカーネルを有するＰＣＡ、独立成分分析（ＩＣＡ）、フィッシャー線形判定式、ベクトル量子化、教師あり学習、教師なし学習、自己組織化マップ、オートエンコーダ、ニューラルネットワーク、ディープニューラルネットワーク、及び／または別の方法のうちの少なくとも１つを含み得る。射影は、分類器のための、少なくとも１つの事象に関連するトレーニングＴＳＣＩ、及び／または現在のＴＳＣＩのうちの少なくとも１つに適用され得る。少なくとも１つの事象のための分類器は、少なくとも１つの事象に関連する射影及び関連するトレーニングＴＳＣＩに基づいてトレーニングされ得る。少なくとも１つの現在のＴＳＣＩは、射影及び現在のＴＳＣＩに基づいて分類／カテゴリ化され得る。射影は、トレーニングＴＳＣＩ、射影を再トレーニングする前の少なくとも１つの現在のＴＳＣＩ、及び／または追加のトレーニングＴＳＣＩのうちの少なくとも１つに基づいて、次元削減方法、及び別の次元削減方法のうちの少なくとも１つを使用して、再トレーニングされ得る。別の次元削減方法は、主成分分析（ＰＣＡ）、異なるカーネルを有するＰＣＡ、独立成分分析（ＩＣＡ）、フィッシャー線形判定式、ベクトル量子化、教師あり学習、教師なし学習、自己組織化マップ、オートエンコーダ、ニューラルネットワーク、ディープニューラルネットワーク、及び／またはさらに別の方法のうちの少なくとも１つを含み得る。少なくとも１つの事象の分類器は、再トレーニングされた射影、少なくとも１つの事象に関連するトレーニングＴＳＣＩ、及び／または少なくとも１つの現在のＴＳＣＩのうちの少なくとも１つに基づいて、再トレーニングされ得る。少なくとも１つの現在のＴＳＣＩは、再トレーニングされた射影、再トレーニングされた分類器、及び／または現在のＴＳＣＩに基づいて分類され得る。
各ＣＩは、複素数値のベクトルを含み得る。各複素数値は、複素数値の大きさを与えるために前処理され得る。各ＣＩは、対応する複素数値の大きさを含む非負の実数のベクトルを与えるために前処理され得る。各トレーニングＴＳＣＩは、射影のトレーニングにおいて重み付けされ得る。射影は、複数の射影構成要素を含み得る。射影は、少なくとも１つの最も有意な射影構成要素を含むことができる。射影は、分類器に有益であり得る少なくとも１つの射影された構成要素を含み得る。
チャネル情報（ＣＩ）は、信号強度、信号振幅、信号位相、スペクトルパワー尺度、モデムパラメータ（例えば、ＷｉＦｉ、４Ｇ／ＬＴＥなどのデジタル通信システムにおける変調／復調に関連して使用される）、動的ビームフォーミング情報、伝達関数コンポーネント、無線状態（例えば、デジタルデータ、ベースバンド処理状態、ＲＦ処理状態などを復号するためにデジタル通信システムで使用される）、測定可能変数、センシングデータ、層の粗視化／細粒度情報（例えば、物理層、データリンク層、ＭＡＣ層など）、デジタル設定、利得設定、ＲＦフィルタ設定、ＲＦフロントエンドスイッチ設定、ＤＣオフセット設定、ＤＣ補正設定、ＩＱ補正設定、伝搬中の環境（例えば場所）による無線信号への影響、入力信号（タイプ１デバイスによって送信される無線信号）の出力信号（タイプ２デバイスによって受信される無線信号）への変換、環境の安定した挙動、状態プロファイル、無線チャネル測定、受信信号強度インジケータ（ＲＳＳＩ）、チャネル状態情報（ＣＳＩ）、チャネルインパルス応答（ＣＦＲ）、チャネル周波数応答（ＣＦＲ）、帯域幅における周波数成分（例えばサブキャリア）の特性、チャネル特性、チャネル応答、タイムスタンプ、補助情報、データ、メタデータ、ユーザデータ、アカウントデータ、アクセスデータ、セキュリティデータ、セッションデータ、ステータスデータ、監督データ、家庭データ、識別（ＩＤ）、識別子、装置データ、ネットワークデータ、近傍データ、環境データ、リアルタイムデータ、センサデータ、記憶されたデータ、暗号化データ、圧縮データ、保護されたデータ、及び／または別のチャネル情報、に関連付けられる／含みうる。各ＣＩは、タイムスタンプ、及び／または到達時間に関連付けられ得る。ＣＳＩは、マルチパスチャネル効果（送信チャネル）を等化し／元に戻し／最小化し／低減し、マルチパス・チャネルを通して送信機によって送信されたものと同様の信号を復調することができる。ＣＩは、チャネルを通る信号の周波数帯域、周波数シグネチャ、周波数位相、周波数振幅、周波数トレンド、周波数特性、周波数様特性、時間領域要素、周波数領域要素、時間−周波数領域要素、直交分解特性、及び／または非直交分解特性に関連する情報に関連付けられ得る。ＴＳＣＩは、無線信号（例えば、ＣＩ）のストリームであり得る。
ＣＩは、前処理、処理、後処理、格納（例えば、ローカルメモリ、ポータブル／モバイルメモリ、リムーバブルメモリ、ストレージネットワーク、クラウドメモリに、揮発性の方法で、不揮発性の方法で）、検索、送信及び／または受信され得る。１つ以上のモデムパラメータ及び／または無線状態パラメータを一定に保つことができる。モデムパラメータは、無線サブシステムに適用することができる。モデムパラメータは無線状態を表すことができる。動き検出信号（例えば、ベースバンド信号、及び／またはベースバンド信号から復号／復調されたパケットなど）は、記憶されたモデムパラメータによって表される無線状態を使用して、無線サブシステムによって第１の無線信号（例えば、ＲＦ／ＷｉＦｉ／ＬＴＥ／５Ｇ信号）を処理（例えば、ダウンコンバート）することによって取得され得る。モデムパラメータ／無線状態は、（例えば、以前のモデムパラメータまたは以前の無線状態を使用して）更新することができる。前の及び更新されたモデムパラメータ／無線状態の両方が、デジタル通信システムの無線サブシステムに適用され得る。前回及び更新されたモデムパラメータ／無線状態の両方を、タスクで比較／解析／処理／監視することができる。
チャネル情報はまた、無線信号を処理するために使用されるモデムパラメータ（例えば、記憶された、または新しく計算された）であり得る。無線信号は、複数のプローブ信号を含んでもよい。複数のプローブ信号を処理するために、同じモデムパラメータを使用することができる。同じモデムパラメータを使用して、複数の無線信号を処理することもできる。モデムパラメータは、無線センサデバイスの無線サブシステムまたはベースバンドサブシステム（またはその両方）の動作のための設定または全体構成を示すパラメータを含むことができる。モデムパラメータは、利得設定、ＲＦフィルタ設定、ＲＦフロントエンドスイッチ設定、ＤＣオフセット設定、または無線サブシステムのためのＩＱ補償設定、またはデジタルＤＣ補正設定、デジタル利得設定、及び／またはデジタルフィルタリング設定（例えば、ベースバンドサブシステムのための）、のうちの１つまたは複数を含み得る。ＣＩはまた信号の、時間、時間シグネチャ、タイムスタンプ、時間振幅、時間位相、時間トレンド、及び／または時間特性に関連する情報に関連してもよい。ＣＩは信号の、時間−周波数分割、シグネチャ、振幅、位相、トレンド、及び／または特性に関連する情報に関連付けられ得る。ＣＩは、信号の分解に関連し得る。ＣＩは、方向、到達角度（ＡｏＡ）、指向性アンテナの角度、及び／またはチャネルを通る信号の位相に関連する情報に関連し得る。ＣＩは、チャネルを通る信号の減衰パターンに関連し得る。各ＣＩは、タイプ１デバイス及びタイプ２デバイスに関連付けられ得る。各ＣＩは、タイプ１デバイスのアンテナ及びタイプ２デバイスのアンテナに関連付けられ得る。
ＣＩは、ＣＩを提供することができる通信ハードウェア（例えば、タイプ２デバイス、またはタイプ１デバイス）から得ることができる。通信ハードウェアは、ＷｉＦｉ対応チップ／ＩＣ （集積回路）、８０２．１１または８０２．１６または他の無線／無線標準に準拠したチップ、次世代ＷｉＦｉ対応チップ、ＬＴＥ対応チップ、５Ｇ対応チップ、６Ｇ／７Ｇ／８Ｇ対応チップ、Ｂｌｕｅｔｏｏｔｈ対応チップ、ＮＦＣ（近距離無線通信）対応チップ、ＢＬＥ （Ｂｌｕｅｔｏｏｔｈ低電力）対応チップ、ＵＷＢチップ、他の通信チップ（例えば、Ｚｉｇｂｅｅ、ＷｉＭａｘ、メッシュネットワーク）などであり得る。通信ハードウェアはＣＩを計算し、ＣＩをバッファメモリに保存して、ＣＩを抽出に使用できるようにする。ＣＩは、チャネル状態情報（ＣＳＩ）に関連するデータ及び／または少なくとも１つのマトリックスを含み得る。少なくとも１つのマトリックスは、チャネル等化、及び／またはビームフォーミングなどのために使用され得る。チャネルは、場所に関連付けられ得る。減衰は、場所における信号伝搬、空気（例えば、場所の空気）を通る／での／近傍の信号伝搬／反射／屈折／回折、壁、ドア、家具、障害物及び／または障壁などの屈折媒体／反射面などに起因し得る。減衰は、床、天井、家具、備品、オブジェクト、人、ペットなどの表面及び障害物（例えば、反射面、障害物）における反射によるものであり得る。各ＣＩは、タイムスタンプに関連付けられうる。各ＣＩは、Ｎ１個の成分（例えば、ＣＦＲにおけるＮ１個周波数ドメイン成分、ＣＩＲにおけるＮ１個時間ドメイン成分、またはＮ１個分解成分）を含み得る。各成分は、成分インデックスに関連付けられ得る。各成分は、実数、虚数、または複素数量、大きさ、位相、フラグ、及び／またはセットであり得る。各ＣＩは、複素数のベクトルまたはマトリックス、混合量のセット、及び／または少なくとも１つの複素数の多次元の集合を含み得る。
特定の成分インデックスに関連するＴＳＣＩの成分は、それぞれのインデックスに関連するそれぞれの成分時系列を形成し得る。ＴＳＣＩは、Ｎ１個の成分時系列に分けられ得る。各個別の成分時系列は、それぞれの成分インデックスに関連付けられる。オブジェクトの動きの特性／ＳＴＩは、成分時系列に基づいて監視することができる。１つの例では、ＣＩ成分の１つ以上の範囲（例えば、成分１１から成分２３までの１つの範囲、成分４４から成分５０までの２番目の範囲、及び１つの成分のみを有する３番目の範囲）は、さらなる処理のための幾つかの基準／コスト関数／信号品質メトリック（例えば、信号対雑音比、及び／又は干渉レベルに基づいて）に基づいて選択され得る。
ＴＳＣＩの成分−特徴時系列の成分ごとの特性を計算してもよい。成分に関する特性は、スカラー（例えば、エネルギー）であってもよいし、ドメインと範囲を持つ関数（例えば、自己相関関数、変換、逆変換）であってもよい。オブジェクトの動きの特性／ＳＴＩは、成分に関する特性に基づいて監視され得る。ＴＳＣＩの全特性（例えば、集約された特性）は、ＴＳＣＩの各成分時系列の成分に関する特性に基づいて計算され得る。全特性は、成分に関する特性の加重平均であってもよい。オブジェクトの動きの特性／ＳＴＩは、全特性に基づいて監視され得る。総量は、個々の量の加重平均であってもよい。
タイプ１デバイス及びタイプ２デバイスは、ＷｉＦｉ、ＷｉＭａｘ、３Ｇ／３Ｇビヨンド、４Ｇ／４Ｇビヨンド、ＬＴＥ、ＬＴＥ−Ａ、５Ｇ、６Ｇ、７Ｇ、Ｂｌｕｅｔｏｏｔｈ、ＮＦＣ、ＢＬＥ、Ｚｉｇｂｅｅ、ＵＷＢ、ＵＭＴＳ、３ＧＰＰ、ＧＳＭ、ＥＤＧＥ、ＴＤＭＡ、ＦＤＭＡ、ＣＤＭＡ、ＷＣＤＭＡ、ＴＤ−ＳＣＤＭＡ、メッシュネットワーク、独自の無線システム、ＩＥＥＥ ８０２．１１規格、８０２．１５規格、８０２．１６規格、３ＧＰＰ規格、及び／または別の無線システムをサポートし得る。
共通の無線システム及び／または共通の無線チャネルは、タイプ１トランシーバ及び／または少なくとも１つのタイプ２トランシーバによって共有され得る。少なくとも１つのタイプ２トランシーバは、共通無線システム及び／または共通無線チャネルを使用して、同時（または：非同期、同期、散発的、連続、繰り返し、並行、同時及び／または一時に）にそれぞれの信号を送信することができる。タイプ１トランシーバは、共通無線システム及び／または共通無線チャネルを使用して、信号を少なくとも１つのタイプ２トランシーバに送信することができる。
各タイプ１デバイス及びタイプ２デバイスは、少なくとも１つの送受信アンテナを有することができる。各ＣＩは、タイプ１デバイスの送信アンテナのうちの１つ、及びタイプ２デバイスの受信アンテナのうちの１つに関連付けられ得る。送信アンテナ及び受信アンテナの各ペアは、リンク、経路、通信経路、信号ハードウェア経路などに関連付けられ得る。例えば、タイプ１デバイスがＭ（例えば、３）の送信アンテナを有し、タイプ２デバイスがＮ（例えば、２）の受信アンテナを有する場合、Ｍ ｘ Ｎ （例えば、３ ｘ ２＝６）のリンクまたは経路があり得る。各リンクまたはパスは、ＴＳＣＩに関連付けられ得る。
少なくとも１つのＴＳＣＩは、タイプ１デバイスとタイプ２デバイスとの間の種々のアンテナの対に対応し得る。タイプ１デバイスは、少なくとも１つのアンテナを有することができる。タイプ２デバイスも、少なくとも１つのアンテナを有してもよい。各ＴＳＣＩは、タイプ１デバイスのアンテナ及びタイプ２デバイスのアンテナに関連付けられ得る。アンテナリンクにわたる平均化または重み付け平均化を実行してもよい。平均化または重み付け平均化は、少なくとも１つのＴＳＣＩにわたってもよい。平均化は、オプションとして、アンテナ対のサブセットに対応する少なくとも１つのＴＳＣＩのサブセットに対して実行され得る。
ＴＳＣＩの一部のＣＩのタイムスタンプは、不規則であり得、時間補正されたＣＩの補正されたタイムスタンプが時間的に均一に間隔を空けられ得るように補正され得る。複数のタイプ１デバイス及び／または複数のタイプ２デバイスの場合、修正されたタイムスタンプは、同じクロックまたは異なるクロックに関係している可能性がある。ＣＩの各々に関連するオリジナルなタイムスタンプが決定され得る。オリジナルなタイムスタンプは、時間的に均一な間隔ではないかもしれない。現在のスライディングタイムウインドウにおける特定のＴＳＣＩの特定の部分のすべてのＣＩのオリジナルなタイムスタンプは、時間補正されたＣＩの補正されたタイムスタンプが時間的に均一な間隔にできるように補正され得る。
特性及び／またはＳＴＩ（例えば、動き情報）は、位置、位置の座標、位置の変化、位置（例えば初期位置、新しい位置）、マップ上の位置、高さ、水平位置、垂直位置、距離、変位、速度、加速度、回転速度、回転加速度、方向、動き角、方位、運動の方向、回転、経路、変形、変換、収縮、伸長、歩容、歩容サイクル、頭部運動、繰り返し運動、周期的運動、擬似周期的運動、インパルス運動、突然の動き、転倒運動、過渡的運動、挙動、過渡的挙動、運動周期、動きの頻度、時間傾向、時間的プロファイル、時間的特性、発生、変化、時間的変化、ＣＩの変化、周波数の変化、タイミングの変化、歩容サイクルの変化、タイミング、開始時間、始まり時間、終了時間、継続時間、動きの履歴、動きの種類、動きの分類、周波数、周波数スペクトル、周波数特性、存在、不存在、近接、近接する、後退する、オブジェクトの識別／識別子、オブジェクトの構成物、頭部運動速度、頭部運動方向、口に関連するレート、目に関連するレート、呼吸速度、心拍数、一回換気量、呼吸の深さ、吸入時間、吐き出し時間、吸入対掃き出し時間比、空気流量、心拍間隔、心拍数変動、手の動きレート、手の運動方向、脚の運動、身体の動き、歩行速度、手の動き速度、位置の特性、オブジェクトの動きに関連する特性（例えば位置／場所の変化）、工具の動き、機械の動き、複合運動、及び／または多重運動の組み合わせ、事象、信号統計値、信号動態、異常、運動統計、運動パラメータ、動き検出の表示、動きの大きさ、動きの位相、類似性スコア、距離スコア、ユークリッド距離、加重距離、Ｌ＿１ノルム、Ｌ＿２ノルム、ｋ＞２のためのＬ＿ｋノルム、統計的距離、相関、相関インジケータ、 自己相関、共分散、自己共分散、相互共分散、内積、直積、動き信号変換、動き特徴、動きの存在、動きの不存在、動きの局在化、運動識別、動きの認識、対象物の存在、対象物の不存在、オブシェクトの入り口、オブシェクトの出口、オブジェクトの変化、動作サイクル、動き回数、歩容周期、動きリズム、動き変形、ジェスチャ、手書き、頭部動き、口の動き、心臓運動、体内臓運動、動きトレンド、サイズ、長さ、領域、容量、容量、形状、形態、タグ、開始／開始位置、終了位置、開始／開始量、終了量、事象、転倒事象、セキュリティ事象、事故事象、ホーム事象、オフィス事象、工場事象、ウェアハウス事象、製造事象、組立ライン事象、保守事象、カー関連事象、ナビゲーション事象、追跡事象、ドア事象、ドア開け事象、ドアクローズ事象、窓事象、窓開け事象、窓閉め事象、繰り返し可能事象、ワンタイム事象、消費量、未消費量、状態、物理的状態、健康状態、快適状態、感情状態、精神状態、別の事象、分析、出力応答、及び／または別の情報、を含みうる。特性及び／またはＳＴＩは、ＣＩまたはＴＳＣＩから計算された特徴（例えば、特徴計算／抽出）に基づいて計算／監視され得る。静的セグメントまたはプロファイル（及び／または動的セグメント／プロファイル）は、特徴の分析に基づいて、同定／計算／分析／監視／抽出／取得／マーク／提示／指示／強調／記憶／通信され得る。分析は、動き検出／動き評価／存在検出を含み得る。計算ワークロードは、タイプ１デバイス、タイプ２デバイス、及び別のプロセッサで共有できる。
タイプ１デバイス及び／またはタイプ２デバイスは、ローカルデバイスであり得る。ローカルデバイスは、スマートフォン、スマートデバイス、ＴＶ、サウンドバー、セットトップボックス、アクセスポイント、ルータ、リピータ、無線信号リピータ／エクステンダー、リモコン、スピーカ、ファン、冷蔵庫、マイクロ波オーブン、コーヒーマシン、熱湯ポット、器具、テーブル、椅子、ライト、ランプ、ドアロック、カメラ、マイクロホン、動きセンサ、防犯装置、消火栓、ガレージドアスイッチ、電源アダプタ、コンピュータ、ドングル、コンピュータ周辺、電子パッド、ソファ、タイル、アクセサリ、家庭デバイス、車両デバイス、オフィスデバイス、建築設備、製造設備、腕時計、ガラス、時計、テレビ、オーブン、エアコンディショナー、アクセサリ、ユーティリティ、電気器具、スマートマシン、スマートビークル、物のインターネット（ＩｏＴ）、スマートハウス、スマートオフィス、スマートビル、スマート駐車場、スマートシステム、及び他のデバイス、でありうる。
各タイプ１デバイスは、それぞれの識別子（例えば、ＩＤ）に関連付けられてもよい。各タイプ２デバイスはまた、それぞれの識別（ＩＤ）に関連付けられ得る。ＩＤは、数字、テキストと数字の組み合わせ、名前、パスワード、アカウント、アカウントＩＤ、ウェブリンク、ウェブアドレス、何らかの情報へのインデックス、及び／または別のＩＤ、を含むことができる。ＩＤを割り当てることができる。ＩＤは、ハードウェア（例えば、ハードワイヤード、ドングル及び／または他のハードウェアを介して）、ソフトウェア及び／またはファームウェアによって割り当てることができる。ＩＤは、記憶されうる（例えば、データベース内、メモリ内、サーバ内（例えば、ハブ装置）内、クラウド内、ローカルに記憶され、リモートに記憶され、永久に記憶され、一時的に記憶され）、そして検索され得る。ＩＤは、少なくとも１つのレコード、アカウント、ユーザ、家庭、住所、電話番号、社会保障番号、顧客番号、別のＩＤ、別の識別子、タイムスタンプ、及び／またはデータの収集、に関連付けられ得る。タイプ１デバイスのＩＤ及び／またはＩＤの一部は、タイプ２デバイスに利用可能にされ得る。ＩＤは、タイプ１デバイス及び／またはタイプ２デバイスによって、登録、初期化、通信、識別、検証、検出、認識、認証、アクセス制御、クラウドアクセス、ネットワーキング、ソーシャルネットワーキング、ロギング、記録、カタログ、分類、タグ付け、アソシエーション、ペアリング、トランザクション、電子トランザクション、及び／または知的所有権制御、に使用され得る。
オブジェクトは、人、ユーザ、対象、乗客、子供、老人、幼児、睡眠中の幼児、車両中の幼児、患者、労働者、高価値労働者、専門家、専門医、ウエイター、モールにおける顧客、空港／電車ステーション／バスターミナル／出荷ターミナルの旅行者、工場／モール／スーパーマーケット／オフィス／職場におけるスタッフ／労働者／顧客サービス職員、下水／空気換気システム／リフトウェルにおけるサービス職員、リフトウェルにおけるリフト、エレベータ、被収容者、追跡／モニタリングされる人、動物、植物、生物、ペット、イヌ、猫、スマートフォン、電話付属物、コンピュータ、タブレット、携帯コンピュータ、ドングル、コンピュータ付属装置、ネットワーク設備、ＷｉＦｉ装置、ＩｏＴ装置、スマートウォッチ、スマート眼鏡、スマートデバイス、スピーカ、キー、スマートキー、札入れ、財布、ハンドバッグ、バックパック、商品、貨物、荷物、装置、モータ、機械、空気調和機、ファン、空調機器、照明器具、可動式ライト、テレビ、カメラ、オーディオ及び又はビデオ装置、 ステーショナリ、監視装置、パーツ、看板、道具、カート、チケット、駐車券、通行チケット、飛行機チケット、クレジットカード、プラスチックカード、アクセスカード、食品包装、器具、テーブル、椅子、洗浄器具／道具、車両、自動車、駐車施設の車両、倉庫／店舗／スーパーマーケット／流通センター内の商品、ボート、自転車、飛行機、ドローン、リモコン車／飛行機／ボート、ロボット、製造装置、組立ライン、工場フロア上の材料／未完成部品／ロボット／ワゴン／輸送手段、空港／ショッピングマート／スーパーマーケット内の追跡対象物、非対象物、対象物の非存在、対象物の存在、形状のあるオブジェクト、形状を変化させたオブジェクト、形状のないオブジェクト、流体の質量、液体の質量、気体／煙の質量、火、火炎、電磁（ＥＭ）源、ＥＭ媒体、及び／または他のオブジェクト、でありうる。オブジェクト自体は、ＷｉＦｉ、ＭｉＦｉ、３Ｇ／４Ｇ／ＬＴＥ／５Ｇ／６Ｇ／７Ｇ、Ｂｌｕｅｔｏｏｔｈ、ＮＦＣ、ＢＬＥ、ＷｉＭａｘ、Ｚｉｇｂｅｅ、ＵＭＴＳ、３ＧＰＰ、ＧＳＭ、ＥＤＧＥ、ＴＤＭＡ、ＦＤＭＡ、ＣＤＭＡ、ＷＣＤＭＡ、ＴＤ−ＳＣＤＭＡ、メッシュネットワーク、アドホックネットワーク、及び／または他のネットワークなどのいくつかのネットワークと通信可能に結合され得る。オブジェクト自体はＡＣ電源でかさばることがあるが、設置、清掃、メンテナンス、リフォームなどの際に移動する。またオブジェクトは、リフト、パッド、可動式、プラットフォーム、エレベータ、コンベアベルト、ロボット、ドローン、フォークリフト、自動車、ボート、車両などの可動式プラットフォームに設置することもできる。オブジェクトは、複数の部分を有することができ、各部分は、異なる動き（例えば、場所／位置の変化）を有する。例えば、オブジェクトは、前を歩く人であってもよい。歩行中、彼の左手と右手は、異なる瞬間速度、加速度、動きを有して異なる方向に移動し得る。
無線送信機（例えば、タイプ１デバイス）、無線受信機（例えば、タイプ２デバイス）、別の無線送信機及び／または別の無線受信機は、（例えば、前の移動、現在の移動及び／または将来の移動において）オブジェクト及び／または別のオブジェクトと共に移動し得る。それらは、１つ以上の近くのデバイスに通信可能に結合され得る。それらは、ＴＳＣＩ及び／またはＴＳＣＩに関連する情報を、近くのデバイスに、及び／または互いに送信することができる。それらは、近くの装置と一緒であってもよい。無線送信機及び／又は無線受信機は、小型（例えば、コインサイズ、タバコ箱サイズ、又は更に小型の）軽量携帯装置の一部であってもよい。ポータブルデバイスは、近くのデバイスと無線で結合されてもよい。
近くの装置（ｎｅａｒｂｙ ｄｅｖｉｃｅ）は、スマートフォン、ｉＰｈｏｎｅ（登録商標）、Ａｎｄｒｏｉｄフォン、スマートデバイス、スマートアプライアンス、スマートビークル、スマートガジェット、スマートＴＶ、スマート冷蔵庫、スマートスピーカ、スマートウォッチ、スマート眼鏡、スマートパッド、ｉＰａｄ（登録商標）、コンピュータ、ウェアラブルコンピュータ、ノートブックコンピュータ、ゲートウェイであり得る。近くの装置は、クラウドサーバ、ローカルサーバ（例えば、ハブ装置）及び／又は他のサーバに、インターネット、有線インターネット接続及び／又は無線インターネット接続を介して接続することができる。近くの装置は携帯型であってもよい。ポータブルデバイス、近くの装置、ローカルサーバ（例えば、ハブデバイス）、及び／またはクラウドサーバは、タスク（例えば、ＴＳＣＩを取得し、オブジェクトの移動（例えば、位置／位置の変化）に関連するオブジェクトの特性／ＳＴＩを決定し、電力（例えば、信号強度）情報の時系列の計算を行い、特定の関数を決定／計算し、局所極値を探索し、分類、オフセット時間の特定値を識別し、雑音除去し、処理、単純化、クリーニング、無線スマートセンシングタスク、信号からのＣＩの抽出、スイッチング、セグメント化、軌跡／経路／追跡を推定し、マップを処理し、環境モデル／制約／制限に基づく軌跡／経路／追跡の処理、補正、補正調整、調整、マップベース（またはモデルベース）補正、誤差検出、境界ヒットについての確認、閾値化）及び情報（例えば、ＴＳＣＩ）についての計算及び／又は格納を共有することができる。近くの装置は、オブジェクトとともに動かない場合がある。近くの装置は、携帯型／非携帯型／移動型／非移動型であり得る。近くの装置は、電池電力、太陽光、ＡＣ電源及び／または他の電源を使用することができる。近くの装置は、交換可能／交換不可能バッテリ、及び／または充電可能／非充電可能バッテリを有してもよい。近くの装置は、オブジェクトに類似していてもよい。近くの装置は、オブジェクトと同一の（及び／又は同様の）ハードウエア及び／又はソフトウェアを有することができる。近くの装置は、スマートデバイス、ネットワーク対応デバイス、ＷｉＦｉ／３Ｇ／４Ｇ／５Ｇ／６Ｇ／ Ｚｉｇｂｅｅ／ Ｂｌｕｅｔｏｏｔｈ／ ＮＦＣ／ ＵＭＴＳ／３ＧＰＰ／ ＧＳＭ／ ＥＤＧＥ／ ＴＤＭＡ／ ＦＤＭＡ／ ＣＤＭＡ／ ＷＣＤＭＡ／ ＴＤ−ＳＣＤＭＡ／アドホックネットワーク／他のネットワークへの接続を有する装置、スマートスピーカ、スマートウオッチ、スマート時計、スマートアプライアンス、スマートマシン、スマート機器、スマートツール、スマートビークル、物のインターネット（ＩｏＴ）装置、インターネット対応デバイス、コンピュータ、ポータブルコンピュータ、タブレット、及び他のデバイスであり得る。 無線受信機、無線送信機、別の無線受信機、別の無線送信機及び／またはクラウドサーバ（クラウド内）に関連する近くのデバイス及び／または少なくとも１つのプロセッサは、オブジェクトの初期ＳＴＩを決定し得る。それらのうちの２つ以上は、共同して初期空間−時間情報を決定し得る。それらのうちの２つ以上は、初期ＳＴＩ （例えば、初期位置）の決定において中間情報を共有し得る。
一例では、無線送信機（例えば、タイプ１デバイス、またはトラッカーボット）は、オブジェクトと共に移動する。無線送信機は、信号を無線受信機（例えば、タイプ２デバイス、またはオリジンレジスタ（Ｏｒｉｇｉｎ Ｒｅｇｉｓｔｅｒ））に送るか、またはオブジェクトの初期ＳＴＩ （例えば、初期位置）を決定することができる。無線送信機はまた、信号及び／または別の信号を、オブジェクトの動き（空間−時間情報）の監視のために、別の無線受信機（例えば、別のタイプ２デバイス、または別のオリジンレジスタ）に送ることができる。また、無線受信機は、オブジェクトの動きを監視するために、無線送信機及び／又は別の無線送信機からの信号及び／又は別の信号を受信してもよい。無線受信機及び／または別の無線受信機の位置は、分かりうる。別の例では、無線受信機（例えば、タイプ２デバイス、またはトラッカーボット）は、オブジェクトと共に移動し得る。無線受信機は、オブジェクトの初期空間−時間情報（例えば、初期位置）を決定するために、無線送信機（例えば、タイプ１デバイス、またはオリジンレジスタ）から送信された信号を受信しうる。無線受信機はまた、オブジェクトの現在の動き（例えば、空間−時間情報）の監視のために、別の無線送信機（例えば、別のタイプ１デバイス、または別のオリジンレジスタ）から信号及び／または別の信号を受信してもよい。無線送信機はまた、信号及び／または別の信号を、オブジェクトの動きを監視するために、無線受信機及び／または別の無線受信機（例えば、別のタイプ２デバイス、または別のトラッカーボット）に送信してもよい。無線送信機及び／又は別の無線送信機の位置は知ることができる。
場所は、センシング領域、部屋、家屋、事務所、財産、作業空間、廊下、リフト、リフトウェル、エスカレータ、エレベータ、下水道、換気システム、階段、集合領域、ダクト、空気ダクト、管、閉鎖空間、閉鎖構造、半閉鎖構造、少なくとも１つの壁を有する閉鎖領域、植物、機械、エンジン、構造物、木材を有する構造、ガラスを有する構造物、金属を有する構造物、壁を有する構造物、ドアを有する構造物、隙間を有する構造物、反射面を有する構造物、液体を有する構造、建物、屋上、店舗、工場、アセンブリライン、ホテルの部屋、博物館、教室、学校、大学、政府の建物、倉庫、ガレージ、モール、空港、駅、バス端末、ハブ、交通ハブ、貨物ターミナル、庁舎、公共施設、学校、大学、エンターテイメント施設、レクリエーション施設、病院、小児／新生児病棟などの空間、老人ホーム、老人介護施設、老人施設、コミュニティセンター、スタジアム、遊び場、フィールド、バスケットボールコート、テニスコート、サッカースタジアム、野球場、体育館、ガレージ、ショッピングマート、ノール、スーパーマーケット、製造施設、パーキング施設、建設現場、鉱山施設、輸送施設、幹線道路、道路、谷間、森林、木、地形、景観、ほら穴、パティオ、陸地、道路、アミューズメントパーク、都市部、農村部、郊外エリア、大都市部、庭、四角い広場、広場、音楽ホール、ダウンタウン施設、解放施設、半開放施設、閉領域、電車プラットフォーム、電車駅、配給センター、倉庫、店、配給センター、貯蔵施設、地下空間、空間（例えば、地上部、宇宙）施設、フローティング施設、洞窟、トンネル施設、屋内施設、屋外施設、いくつかの壁／ドア／反射バリアを有する屋外施設、開放施設、セミオープン施設、自動車、トラック、バス、バン、コンテナ、船舶／ボート、潜水艦、列車、電車、飛行機、乗り物、移動ホーム、洞穴、トンネル、パイプ、チャネル、大都市圏、比較的高い建物がある繁華街エリア、谷、井戸、ダクト、経路、ガスライン、油管、水管、相互接続経路／アレイ／道路／チューブ／空洞／洞窟／パイプ様構造／空間／流体スペース、人体、動物のからだ、体腔、器官、骨、歯、軟組織、硬組織、堅い組織、非硬組織、血液／体液管、風管、空気ダクト、巣穴、などの領域である。場所は、室内空間、屋外空間であってもよく、場所は、空間の内側及び外側の両方を含んでもよい。例えば、場所は、建物の内側及び建物の外側の両方を含むことができる。例えば、場所は、１階または複数階を有するビルであり得、ビルの一部は、地下であり得る。建物の形状は、例えば、丸形、正方形、長方形、三角形、又は不規則な形状とすることができる。これらは単なる例である。本開示は、他のタイプの場所または空間における事象を検出するために使用することができる。
無線送信機（例えば、タイプ１デバイス）及び／または無線受信機（例えば、タイプ２デバイス）は、オブジェクトと共に移動し得る（例えば、前の移動及び／または現在の移動において）ポータブルデバイス（例えば、モジュール、またはモジュールを有するデバイス）に埋め込まれ得る。ポータブルデバイスは、有線接続（例えば、ＵＳＢ、マイクロＵＳＢ、ファイアワイヤ、ＨＤＭＩ、シリアルポート、パラレルポート、及び他のコネクタを介して）及び／または接続（例えば、Ｂｌｕｅｔｏｏｔｈ、Ｂｌｕｅｔｏｏｔｈ Ｌｏｗ Ｅｎｅｒｇｙ （ＢＬＥ）、ＷｉＦｉ、ＬＴＥ、ＮＦＣ、ＺｉｇＢｅｅ）を使用して、オブジェクトと通信可能に結合され得る。ポータブルデバイスは、軽量な装置であってもよい。ポータブルは、電池、充電池及び／またはＡＣ電源により電力を供給され得る。ポータブルデバイスは、非常に小さくてもよく（例えば、サブミリメートルスケール及び／またはサブセンチメートルスケールで）、及び／または小さくてもよい（例えば、コインサイズ、カードサイズ、ポケットサイズ、またはそれより大きい）。携帯装置は、大型で、サイズが大きく、及び／または、かさばる（例えば、設置された重機械）ことがある。ポータブルデバイスは、ＷｉＦｉホットスポット、アクセスポイント、モバイルＷｉＦｉ（ＭｉＦｉ）、ＵＳＢ／マイクロＵＳＢ／ファイアワイヤ／他のコネクタ付きドングル、スマートフォン、ポータブルコンピュータ、コンピュータ、タブレット、スマートデバイス、物のインターネット（ＩｏＴ）デバイス、ＷｉＦｉ対応デバイス、ＬＴＥ対応デバイス、スマートウォッチ、スマートガラス、スマートミラー、スマートアンテナ、スマートバッテリ、スマートライト、スマートペン、スマートリング、スマートドア、スマートウインドウ、スマートクロック、スマートバッテリ、スマート札入れ、スマートベルト、スマートハンドバッグ、スマートクロス／ガーメント、スマートオーナメント、スマートパッケージング、スマートペーパー／ブック／マガジン／ポスター／印刷物／サイネージ／ディスプレイ／明るくされたシステム／照明システム、スマートキー／ツール、スマートブレスレット／チェーン／ネックレス／衣服／アクセサリ、スマートパッド／クッション、スマートタイル／ブロック／ブリック／建材／他の材料、 スマートゴミ缶／廃棄物容器、スマート食料キャリッジ／格納、スマートボール／ラケット、スマートチェア／ソファ／ベッド、スマート靴／履物／カーペット／マット／靴棚、スマート手袋／ハンドウェア／リング／ハンドウェア、スマートハット／帽子／化粧品／ステッカー／タトウ、スマートミラー、スマート玩具、スマートピル、スマート調理器具、スマートボトル／食品容器、スマートツール、スマートデバイス、ＩｏＴデバイス、ＷｉＦｉ対応デバイス、ネットワーク対応デバイス、３Ｇ／４Ｇ／５Ｇ／６Ｇ対応デバイス、ＵＭＴＳデバイス、３ＧＰＰデバイス、ＧＳＭデバイス、ＥＤＧＥデバイス、ＴＤＭＡデバイス、ＦＤＭＡデバイス、ＣＤＭＡデバイス、ＷＣＤＭＡデバイス、ＴＤ−ＳＣＤＭＡデバイス、埋め込みデバイス、埋め込み可能なデバイス、エアコン、冷蔵庫、ヒータ、炉、家具、オーブン、調理デバイス、テレビ／セットトップボックス（ＳＴＢ）／ＤＶＤプレーヤー／オーディオプレーヤー／ビデオプレーヤー／リモコン、ハイファイ、オーディオデバイス、スピーカ、ランプ／ライト、壁、ドア、窓、屋根、瓦／屋根板／構造／屋根裏構造／デバイス／特徴／設置／固定具、芝刈り機／園具／工具／機械工具／ガレージ用具、ごみかん／コンテナ、２０フィート／４０フィートコンテナ、貯蔵容器、工場／生産／製造装置、修理工具、流体容器、機械、設置された機械、車両、カート、ワゴン、倉庫車両、自動車、自転車、オートバイ、ボート、船舶、飛行機、バスケット／箱／バッグ／バケット／容器、スマートプレート／カップ／ボウル／ポット／マット／器具／台所用具／台所用品／キッチンアクセサリ／キャビネット／テーブル／椅子／タイル／ライト／水道管／蛇口／ガスレンジ／オーブン／食器洗浄機／、などでありうる。ポータブルデバイスは、交換可能、交換不可能、再充電可能、及び／または非再充電可能であり得るバッテリを有し得る。ポータブルデバイスは、無線で充電されてもよい。ポータブルデバイスは、スマートペイメントカードであってもよい。ポータブルデバイスは、駐車場、高速道路、エンターテイメントパーク、または支払いを必要とする他の場所／施設で使用されるペイメントカードであってもよい。ポータブルデバイスは、上述のように、アイデンティティ（ＩＤ）／識別子を有することができる。
事象はＴＳＣＩに基づいて監視され得る。事象は、オブジェクト（例えば、人及び／または疾病者）の転倒、回転、躊躇、休息、衝撃（例えば、人がサンドバッグ、ドア、窓、ベッド、椅子、テーブル、机、キャビネット、箱、別の人、動物、鳥、飛行、テーブル、椅子、ボール、ボウリングボール、テニスボール、フットボール、サッカーボール、野球、バスケットボール、バレーボールをたたく）、二体作用（例えば、バルーンを放置し、魚を捕らえ、粘土を成形し、論文を書き、人がコンピュータに入力する）、自動車をガレージで移動させる、スマートフォンを携帯し、空港／モール／官庁／オフィス／などを歩き回る人、周りを移動する自律移動可能なオブジェクト／機械（例えば、バキュームクリーナー、ユーティリティービークル、カー、ドローン、自走自動車）などのオブジェクト関連事象であり得る。タスクまたは無線スマートセンシングタスクは、オブジェクト検出、存在検出、近接検出、オブジェクト認識、アクティビティ認識、オブジェクト検証、オブジェクト計数、日常アクティビティモニタリング、健康モニタ、生命兆候モニタリング、健康状態モニタリング、ベビーモニタリング、老人モニタリング、睡眠モニタリング、睡眠段階モニタリング、歩行モニタリング、動きモニタリング、ツール検出、ツール認識、ツール検証、患者検出、患者モニタリング、患者検証、機械検出、機械検証、人間検出、人間認識、人間検証、ベビー検出、ベビー認識、ベビー検証、人間呼吸検出、人間呼吸認識、人間呼吸推定、人間呼吸検証、人間心拍検出、人間心拍認識、人間心拍推定、人間心拍検証、転倒検出、転倒認識、転倒推定、転倒検証、感情検出、感情認識、感情推定、感情検証、動き検出、動き度合い推定、運動認識、動き推定、動作検証、周期的運動検出、周期的運動推定、周期的運動検証、繰り返し動き検出、周期運動認識、反復運動推定、反復運動検証、静止運動認識、静止運動検出、静止運動推定、静止運動検証、周期定常（ｃｙｃｒｏｓｔａｔｉｏｎａｒｙ）運動検出、周期定常運動認識、周期定常運動推定、周期定常運動検証、過渡運動検出、過渡運動認識、過渡運動推定、過度運動検証、トレンド検出、トレンド認識、トレンド推定、トレンド検証、呼吸検出、呼吸認識、呼吸推定、ヒト生体計測検出、ヒト生体計測学的認識、ヒト生体計測学的推定、ヒト生体計測学的検証、環境情報学的検出、環境情報学的認識、環境情報学的推定、環境情報学的検証、歩容検出、歩容認識、歩容推定、歩容検証、ジェスチャ検出、ジェスチャ認識、ジェスチャ推定、ジェスチャ検証、機械学習、教師有り学習、教師なし学習 半教師有り学習、クラスタ化、特徴抽出、特徴トレーニング、主成分分析、固有値分解、周波数分解、時間分解、 時間−周波数分解、函数分解、他の分解、トレーニング、識別トレーニング、教師有りトレーニング、教師なしトレーニング、半教師ありトレーニング、ニューラルネットワーク、突然の動きの検出、転倒検出、危険検出、生命−脅威検出、規則的運動検出、静止運動検出、周期定常運動検出、侵入検出、怪しい動き検出、セキュリティ、安全性モニタリング、ナビゲーション、ガイダンス、地図ベースの処理、地図ベースの補正、モデルベースの処理／補正、不規則性検出、位置特定、部屋センシング、追跡、複数オブジェクト追跡、室内追跡、室内位置決め、室内ナビゲーション、エネルギー管理、電力伝送、無線電力伝送、オブジェクト計数、パーキングガレージにおける自動車追跡、デバイス／システムの起動（例えば、防犯システム、アクセスシステム、警報、サイレン、スピーカ、テレビ、娯楽システム、カメラ、ヒータ／空調（ＨＶＡＣ）システム、換気システム、照明システム、ゲームシステム、コーヒーマシン、調理器具、クリーニング装置、ハウスキーピング装置）、幾何学的推定 、拡張現実、無線通信、データ通信、信号ブロードキャスト、ネットワーキング、調整、管理、暗号化、保護、クラウド計算、他の処理及び／または他のタスク、を含んでもよい。タスクは、タイプ１デバイス、タイプ２デバイス、別のタイプ１デバイス、別のタイプ２デバイス、近くの装置、ローカルサーバ（ハブ装置など）、エッジサーバ、クラウドサーバ、及び／または別の装置によって実行できる。 このタスクは、タイプ１デバイスとタイプ２デバイスの任意の対の間のＴＳＣＩに基づくことができる。タイプ２デバイスは、タイプ１デバイスであってもよく、逆もまた同様である。タイプ２デバイスは、タイプ１デバイスの役割（例えば、機能性）を、一時的に、連続的に、散発的に、同時に、及び／または同時的に、及び／またはその逆に、果たし得る。タスクの第１の部分は、前処理、処理、信号調整、信号処理、後処理、散発的／連続的／同時／同時的／動的／適応的／オンデマンド的／必要に応じた処理、較正、ノイズ除去、特徴抽出、コーディング、暗号化、変換、マッピング、動き検出、動き推定、動作変化検出、動きパターン検出、動きパターン推定、動きパターン認識、バイタルサイン検出、バイタルサイン推定、バイタルサイン認識、周期的動き検出、周期的動き推定、反復動作検出／推定、呼吸数検出、呼吸数推定、呼吸パターン検出、呼吸パターン推定、呼吸パターン認識、心拍検出、心拍推定、心臓パターン検出、心臓パターン推定、心臓パターン認識、ジェスチャ検出、ジェスチャ推定、ジェスチャ認識、速度検出、速度推定、オブジェクト位置決め、オブジェクト追跡、ナビゲーション、加速度推定、加速度検出、転倒検出、変化検出、侵入者（及び／または不法行為）検出、ベビー検出、ベビーモニタリング、患者モニタリング、オブジェクト認識、無線電力伝送、及び／または無線充電、のうちの少なくとも１つを含み得る
タスクの第２の部分は、スマートホームタスク、スマートオフィスタスク、スマートビルディングタスク、スマートファクトリータスク（例えば、機械または組立ラインを用いた製造）、スマート物のインターネット（ＩｏＴ）タスク、スマートシステムタスク、スマートホームオペレーション、スマートオフィスオペレーション、スマートビルディングオペレーション、スマート製造オペレーション（例えば、機械／組立ラインへの供給品／部品／原材料の移動）、ＩｏＴオペレーション、スマートシステムオペレーション、ライトの点灯、ライトの消灯、部屋、領域、及び／または場所の少なくとも１つでの光の制御、サウンドクリップの再生、部屋、領域、及び／または場所の少なくとも１つでのサウンドクリップの再生、ウェルカム、グリーティング、別れ、第１のメッセージ、及び／またはタスクの第１の部分に関連する第２のメッセージのうちの少なくとも１つのサウンドクリップの再生すること、家電製品をオンにする、家電製品をオフにする、 部屋、領域、及び／または場所の少なくとも１つにおいて電気製品を制御すること、電気システムをオンにすること、電気システムをオフにすること、部屋、領域、及び／または場所の少なくとも１つにおいて電機システムを制御すること、防犯システムをオンにすること、防犯システムをオフにすること、部屋、領域、及び／または場所の少なくとも１つにおいて防犯システムを制御すること、機械システムをオンにすること、機械システムをオフにすること、部屋、領域、及び／または場所の少なくとも１つにおいて機械システムを制御すること、及び／または空調システム、暖房システム、換気システム、照明システム、暖房装置、ストーブ、エンターテイメントシステム、ドア、塀、窓、ガレージ、コンピュータシステム、ネットワーク化された装置、ネットワーク化されたシステム、家電機器、事務機器、照明装置、ロボット（例えば、ロボットアーム）、スマートビークル、スマートマシン、 アセンブリライン、スマートデバイス、物のインターネット（ＩｏＴ）デバイス、スマートホームデバイス、及び／またはスマートオフィスデバイスの少なくとも１つを制御すること、のうちの少なくとも１つを含みうる。
このタスクは、ユーザの帰宅を検知し、ユーザの外出を検知し、１つの部屋から別の部屋へ移動するユーザを検知し、窓／ドア／ガレージドア／ガレージドア／ブラインド／カーテン／パネル／ソーラーパネル／サンシェードをコントロール／ロック／解除／オープン／クローズ／部分的にオープンすることを検知し、ペットを検知し、ユーザが何か（例えば、ソファで寝ていること、寝室で寝ていること、トレッドミルで走ること、調理していること、ソファで座っていること、ＴＶを見ること、台所で食事をすること、食堂で食事を食べること、階段を上り下りすること、外出／戻ること、洗面所にいること）することを検出／監視し、ユーザ／ペットの位置を監視／検知し、検知すると自動的に何か（例えば、メッセージを送ること、人に知らせること／報告すること）、を行い、ユーザを検知するとユーザに対して何かを行うこと、ライトをオン／オフ／暗くすること、音楽／ラジオ／ホームエンターテイメントシステムをオン／オフし、テレビ／ハイファイ／セットトップボックス（ＳＴＢ）／ホームエンターテイメントシステム／スマートスピーカ／スマートデバイスをオン／オフ／調整／制御し、エアコンシステムをオン／オフ／調整し、換気システムをオン／オフ／調整し、暖房システムをオン／オフ／調整し、カーテン／ライトシェードを調整／コントロールし、コンピュータをオン／オフ／起動し、コーヒーマシン／温水ポットをオン／オフ／プレヒート／制御し、クッカー／オーブン／電子レンジ／他の調理機器をオン／オフ／プレヒート／制御し、温度をチェック／調整し、天気予報をチェックし、電話メッセージボックスをチェックし、メールのチェックをし、システムをチェックし、システムを制御／調整し、防犯システム／ベビーモニタをチェック／制御／用意／解除し、冷蔵庫をチェック／制御し、報告すること（例えば、グーグルホーム、アマゾンエコーなどのスピーカを通して、ウェブページ／電子メール／メッセージングシステム／通知システムを介し。）、を含みうる。
例えば、ユーザが自宅に車内に到着した場合、そのタスクは、ユーザまたはその乗り物が近づいていることを自動的に検出し、検出時にガレージドアを開き、ユーザがガレージに近づくにつれて私設車道／ガレージにライトを点灯させ、空調装置／ヒータ／ファンをオンさせるなどであってもよい。ユーザが家に入るにつれて、そのタスクは、自動的に、入口ライトをオンにし、私設車道／ガレージのライトをオフにし、ユーザをウェアカムするグリーティングメッセージを発し、音楽をオンにし、ラジオをオンにし、ユーザの好きなラジオニュースチャネルに合わせて調整し、カーテン／ブラインドを開き、ユーザの気分を監視し、ユーザの気分またはユーザの毎日のカレンダー上の現在／差し迫った事象（例えば、ユーザが１時間でガールフレンドと食事する予定であるため、ロマンチックな照明及び音楽を行う）に応じて照明及び音環境を調整し、ユーザが朝に準備した食品をマイクロウェーブで暖め、ハウス内の全てのシステムの診断チェックを行い、明日の作業のための天気予報をチェックし、ユーザの興味のあるニュースをチェックし、ユーザのカレンダー、ｔｏ−ｄｏリスト。リマインダをチェックし、電話応答システム、メッセージングシステム、電子メールをチェックし、対話システム／音声合成を使って口頭報告を伝え、ユーザの母の誕生日を思い出させる（例えば、スピーカ、ハイファイ、音声合成、サウンド、声、音楽、歌、音場、背景音場、対話システムなどの聞こえるツールを使い、ＴＶ／エンターテイメントシステム／コンピュータ／ノートブック／スマートパッド／ディスプレイ／光／色／明るさ／パターンなどの視覚ツールを使用し、触覚ツール／仮想現実ツール／ジェスチャ／ツールを使用し、スマートデバイス／器具／材料／家具／備品を使用し、ウェブツール／サーバ／ハブデバイス／クラウドサーバ／フォグサーバ／エッジサーバ／ホームネットワーク／メッシュネットワークを使用し、メッセージングツール／通知ツール／通信ツール／スケジューリングツール／電子メールを使用し、ユーザインターフェース／ＧＵＩを使用し、香り／匂い／芳香／味を使用し、神経ツール／神経システムツールを使用し、組合せを使用し）、報告書を作成し、報告書を提供する（例えば、上述のように思い出させるためのツールを使用する）。タスクは、事前に空調装置／ヒータ／換気システムを起動したり、事前にスマートサーモスタットの温度設定を調整したりすることがある。ユーザが玄関からリビングに移動するとき、そのタスクは、リビングルームライトを点灯し、リビングルームカーテンを開き、窓を開き、ユーザの背後にある玄関の光を消し、ＴＶとセットトップボックスをオンにし、セットトップボックスをオンにし、ＴＶをユーザの好みのチャネルに設定し、ユーザの好み及び条件／状態に応じて器具を調整する（例えば、照明を調整し、ロマンチックな雰囲気を構築するために音楽を選択／再生する）ことなどであり得る。
別の例は、以下であり得る。ユーザが朝、目を覚ましたとき、そのタスクは、ベッドルーム内を動き回るユーザを検出し、ブラインド／カーテンを開き、窓を開き、目覚まし時計をオフにし、室内温度プロファイルを夜間温度プロファイルから昼間温度プロファイルに調整し、ベッドルームライトをオンにし、ユーザがトイレに近づくにつれてトイレライトをオンにし、ラジオまたはストリーミングチャネルをチェックし、朝のニュースを再生し、コーヒーマシンをオンにし、水を予熱し、防犯システムをオフにするなどすることであり得る。ユーザがベッドルームから台所へ歩くとき、そのタスクは、台所及び廊下灯を点灯させ、ベッドルーム及びトイレの照明を消し、音楽／メッセージ／リマインダをベッドルームから台所に移動させ、台所のＴＶを点灯させ、ＴＶを朝のニュースチャネルに変更し、台所ブラインドを下げ、新鮮な空気をもたらすために台所窓を開け、ユーザがバックヤードをチェックするためにバックドアを解錠し、台所の温度設定を調整することなどであり得る。別の例は、以下であり得る。ユーザが仕事のために家から離れるとき、そのタスクは、ユーザが離れることを検出し、別れをし、及び／または、良い一日を過ごすようにとメッセージを発し、ガレージドアを開閉し、ガレージ灯及び私設車道灯をオン／オフにし、エネルギーを節約するためにオフ／暗くし（ユーザが失敗した場合にのみ）、全ての窓／ドアを閉じ／ロックし（ユーザが失敗した場合にのみ）、器具（特に、ストーブ、オーブン、電子レンジ）をオフにし、侵入者に対して家の防護のために家の防犯システムをオン／装備し、エネルギーを節約するために「家から離れた」プロファイルに空調／暖房／換気システムを調整し、警告／報告／更新をユーザのスマートフォンに送るなどであり得る。
動きは、動きなし、休息の動き、動きのない動作、動き、場所／位置の変化、決定論的動き、過渡的動き、転倒動き、繰り返し動き、周期的動き、疑似周期的動き、呼吸に関連する周期的／繰り返し動き、心拍に関連する周期的／繰り返し動き、生物に関連する周期的／繰り返しの動き、機械に関連する周期的／繰り返し動き、人工物体に関連する周期的／繰り返し動き、自然に関連する周期的／繰り返しの動き、過渡的要素及び周期的要素に関連する複雑な動き、反復動き、非決定論的動き、確率論的動き、カオス動き、ランダムな動き、非決定論的要素及び決定論的要素を有する複雑な動き、定常ランダム動き、疑似定常ランダム動き、周期定常ランダム動き、非定常ランダム動き、周期的自己相関関数（ＡＣＦ）を有する非定常ランダム動き、期間に対する周期的ＡＣＦを伴ったランダム動き、期間に対する疑似定常的なランダム動き、瞬間ＡＣＦが期間に対して疑似周期的／反復的要素を持つランダム動き、機械運動、メカニカルな動き、ビークルの動き、ドローンの動き、空気関連の動き、風関連の動き、天気関連動作、水関連動作、流体関連動作、地面関連運動、磁気特性の変化、地表面下運動、地震動、植物の動き、動物の動き、動物の運動、人体の運動、正常な動き、異常な動き、危険な動き、警告動作、疑わしい動き、雨、火災、洪水、津波、爆発、衝突、差し迫った衝突、人体運動、頭部運動、顔面運動、眼運動、口腔運動、舌運動、首運動、指の動き、手の動き、腕の動き、肩の動き、体動、胸の動き、腹部の動き、腰の運動、脚の動き、足の動き、体関節運動、膝の動き、ひじの動き、上体の動き、下半身の動き、皮膚の動き、皮下の動き、皮下組織運動、 血管の動き、静脈運動、臓器運動、心臓の動き、肺の動き、胃ぼ動き、腸の動き、便通運動、摂食運動、呼吸運動、顔の表情、眼の表情、口の表情、声の動き、歌う動き、摂食運動、ジェスチャ、手のジェスチャ、腕のジェスチャ、キーストローク、タイピングストローク、ユーザインターフェースジェスチャ、マンマシン相互作用、歩容、ダンスの動き、協調運動、及び／または協調身体運動、のうちの少なくとも１つを含んでもよい。
タイプ１デバイス及び／または任意のタイプ２受信機の異種ＩＣは、低雑音増幅器（ＬＮＡ）、電力増幅器、送信−受信スイッチ、メディアアクセスコントローラ、ベースバンド無線機、２．４ＧＨｚ無線機、３．６５ＧＨｚ無線機、４．９ＧＨｚ無線機、５ＧＨｚ無線機、５．９ＧＨｚ無線機、６ＧＨ未満の無線機、６０ＧＨｚ無線機、６０ＧＨｚ未満無線機及び／または別の無線機を含み得る。異種ＩＣは、プロセッサと、プロセッサと通信可能に結合されたメモリと、プロセッサによって実行されるメモリに記憶された命令のセットとを含み得る。ＩＣ及び／または任意のプロセッサは、汎用プロセッサ、特殊目的プロセッサ、マイクロプロセッサ、マルチプロセッサ、マルチコアプロセッサ、並列プロセッサ、ＣＩＳＣプロセッサ、ＲＩＳＣプロセッサ、マイクロコントローラ、中央処理ユニット（ＣＰＵ）、グラフィカルプロセッサユニット（ＧＰＵ）、デジタルシグナルプロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、埋め込みプロセッサ（例えばＡＲＭ）、論理回路、他のプログラマブル論理デバイス、ディスクリートロジック及び／または組み合わせ、のうちの少なくとも１つを含み得る。異種ＩＣは、ブロードバンドネットワーク、無線ネットワーク、モバイルネットワーク、メッシュネットワーク、セルラーネットワーク、無線ローカルエリアネットワーク（ＷＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、メトロポリタネリアネットワーク（ＭＡＮ）、ＷＬＡＮ標準、ＷｉＦｉ、ＬＴＥ、ＬＴＥ−Ａ、ＬＴＥ−Ｕ、８０２．１１規格、８０２．１１ａ、８０２．１１ｂ、８０２．１１ｇ、８０２．１１ｎ、８０２．１１ａｃ、８０２．１１ａｆ、８０２．１１ａｈ、８０２．１１ａｘ、８０２．１１ａｙ、メッシュネットワーク標準８０２．１６、３Ｇ、３．５Ｇ、４Ｇ、ビヨンド４Ｇ、４．５Ｇ、６Ｇ、７Ｇ、８Ｇ、９Ｇ、ＵＭＴＳ、３ＧＰＰ、ＧＳＭ、ＥＤＧＥ、ＴＤＭＡ、ＦＤＭＡ、ＣＤＭＡ、ＷＣＤＭＡ、ＴＤ−ＳＣＤＭＡ、Ｂｌｕｅｔｏｏｔｈ、Ｂｌｕｅｔｏｏｔｈ Ｌｏｗ−Ｅｎｅｒｇｙ （ＢＬＥ）、ＮＦＣ、Ｚｉｇｂｅｅ、ＷｉＭａｘ、その他の無線ネットワークプロトコル、をサポートしうる。
プロセッサは、汎用プロセッサ、特別目的プロセッサ、マイクロプロセッサ、マイクロコントローラ、組込みプロセッサ、デジタルシグナルプロセッサ、中央処理装置、グラフィカル処理ユニット（ＧＰＵ）、マルチプロセッサ、マルチコアプロセッサ、及び／またはグラフィック能力を有するプロセッサ、及び／または組み合わせ、を含むことができる。メモリは、揮発性、不揮発性、ランダムアクセスメモリ（ＲＡＭ）、リードオンリーメモリ（ＲＯＭ）、プログラム可能ＲＯＭ（ＥＰＲＯＭ）、電気的に消去可能なプログラマブルＲＯＭ（ＥＥＰＲＯＭ）、ハードディスク、フラッシュ・メモリ、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、磁気記憶装置、光記憶装置、有機記憶装置、記憶システム、記憶ネットワーク、ネットワーク記憶装置、クラウド記憶装置、エッジ記憶装置、ローカル記憶装置、外部記憶装置、内部記憶装置、または技術的に知られている他の形態の非一時的記憶媒体であってもよい。方法のステップに対応する命令のセット（マシン実行可能コード）は、ハードウェア、ソフトウェア、ファームウェア、またはそれらの組み合わせで直接実施可能である。指示のセットは、組み込み、プリロード、ブート時にロード、オンザフライでロード、オンデマンドでロード、プリインストール、インストール、及び／またはダウンロードすることができる。
プレゼンテーションは、視覚的な方法（例えば、視覚、グラフィックス、テキスト、シンボル、色、シェード、ビデオ、アニメーション、サウンド、音声、音響などの組み合わせを使用する）、グラフィカルな方法（例えば、ＧＵＩ、アニメーション、ビデオを使用する）、テキスト的な方法（例えば、テキスト付ウェブページ、メッセージ、アニメーションテキスト）、記号的な方法（例えば、絵文字、サイン、手のジェスチャ）、または機械的な方法（例えば、バイブレーション、アクチュエータの動き、触覚など）によるプレゼンテーションであってもよい。
この方法に関連する計算ワークロードは、プロセッサ、タイプ１異種無線装置、タイプ２異種無線装置、ローカルサーバ（例えば、ハブ装置）、クラウドサーバ、及び他のプロセッサの間で共有される。
操作、前処理、処理及び／または後処理は、データ（例えば、ＴＳＣＩ、自己相関、ＴＳＣＩの特徴）に適用され得る。操作には、前処理、処理及び／または後処理がありうる。前処理、処理及び／または後処理は、操作であってもよい。操作は、前処理、処理、後処理、スケーリング、信頼係数の計算、視線（ＬＯＳ）量の計算、非ＬＯＳ （ＮＬＯＳ）量の計算、ＬＯＳ及びＮＬＯＳを含む量の計算、単一リンク（例えば、パス、通信経路、送信アンテナと受信アンテナの間のリンク）量の計算、多重リンクを含む量の計算、オペランドの関数を計算すること、フィルタリング、線形フィルタリング、非線形フィルタリング、フォールディング、グルーピング、エネルギー計算、ローパスフィルタリング、バンドパスフィルタリング、ハイパスフィルタリング、メジアンフィルタリング、ランクフィルタリング、四分位フィルタリング、パーセンタイルフィルタリング、有限インパルス応答（ＦＩＲ）フィルタリング、無限インパルス応答（ＩＩＲ）フィルタリング、移動平均（ＭＡ）フィルタリング、自己回帰（ＡＲ）フィルタリング、自己回帰移動平均（ＡＲＭＡ）フィルタリング、選択フィルタリング、適応フィルタリング、補間、デシメーション、サブサンプリング、アップサンプリング、リサンプリング、時間補正、時間ベース補正、位相補正、大きさ補正、位相洗浄、振幅洗浄、マッチドフィルタリング、エンハンスメント、復元、ノイズ除去、スムージング、信号調整、エンハンスメント、復元、線形変換、非線形変換、逆変換、周波数変換、逆周波数変換、フーリエ変換（ＦＴ）、離散時間ＦＴ （ＤＴＦＴ）、離散ＦＴ（ＤＦＴ）、高速ＦＴ（ＦＦＴ）、ウェーブレット変換、ラプラス変換、ヒルバート変換、ハダマール変換、トリゴノメトリック変換、シン変換、コサイン変換、ＤＣＴ、２のべき乗変換、スパース変換、グラフベース変換、グラフ信号処理、高速変換、ゼロパディングと組み合わせた変換、サイクリックパディング、パディング、ゼロパディング、特徴抽出、分解、射影、直交射影、非直交射影、過剰射影（ｏｅｃｏｍｌｅｅ ｏｊｅｃｉｏｎ）、固有分解、特異値分解（ＳＶＤ）、原理成分分析（ＩＣＡ）、独立成分分析（ＩＣＡ）、グループ化、仕分け、閾値化、ソフト閾値化、ハード閾値化、クリッピング、ソフトクリッピング、一次微分、二次微分、高次微分、畳み込み、乗算、分割、加算、減算、積分、最大化、最小化、最小二乗誤差、再帰最小二乗、制約付き最小二乗法、バッチ最小二乗、最小絶対偏差、最小平均二乗偏差、最小絶対偏差、局所最大化、局所最小化、コスト関数の最適化、ニューラルネットワーク、認識、ラベリング、トレーニング、クラスタリング、機械学習、教師有り学習、教師なし学習、半教師あり学習、他のＴＳＣＩとの比較、類似度スコア計算、量子化、ベクトル量子化、マッチング追跡、圧縮、暗号化、符号化、記憶、送信、正規化、時間正規化、周波数領域正規化、分類、クラスタリング、ラベリング、タグ付け、学習、検出、推定、学習ネットワーク、マッピング、再マッピング、拡張、記憶、検索、送信、受信、表現、結合、合併すること、分割、追跡、監視、マッチドフィルタリング、カルマンフィルタリング、粒子フィルタリング、内挿、外挿、ヒストグラム推定 、重要度サンプリング、モンテカルロサンプリング、圧縮センシング、表現、合併、結合、分割、スクランブリング、エラー保護、前方エラー訂正、何もしない、時間変動処理、調整平均化、加重平均化、算術平均、幾何平均、調和平均、選択された周波数にわたる平均化、アンテナリンクにわたる平均化、論理的操作、置換、組合せ、ソーティング、ＡＮＤ、ＯＲ、ＸＯＲ、結合、交差、ベクトル加算、ベクトル減算、ベクトル乗算、ベクトル除算、逆、ノルム、距離、及び／または別の演算、を含みうる。操作は、前処理、処理、及び／または後処理であり得る。動作は、複数の時系列または関数上で共同して適用され得る。
関数（例えばオペランドの関数）は、スカラー関数、ベクトル関数、離散関数、連続関数、多項式関数、特性、特徴、大きさ、位相、指数関数、対数関数、三角関数、超越関数、論理関数、線形関数、代数的関数、非線形関数、区分関数、実数関数、複素関数、ベクトル値関数、逆関数、導関数、積分関数、円形関数、他の関数の関数、１対１関数、１対多関数、多対１関数、多対多関数、ゼロクロス、絶対関数、指標関数、平均、モード、中央値、範囲、統計、ヒストグラム、分散、標準偏差、変化の尺度、拡大、分散、偏差、ダイバージェンス、範囲、四分位範囲、全偏差、絶対偏差、算術平均、幾何平均、調和平均、トリム平均、パーセンタイル、二乗、立方、平方根、パワー、サイン、コサイン、タンジェント、コタンジェント、楕円関数、放物線関数、双曲線関数、ゲーム関数、ゼータ関数、絶対値、閾値、制限関数、フロア関数、丸め関数、符号関数、量子化、区分定数関数、合成関数、関数の関数、演算で処理される時間関数（例えばフィルタリング）、確率論的関数、推計学的関数、決定論的関数、周期関数、反復関数、変換、周波数変換、逆周波数変換、離散時間変換、ラプラス変換、ヒルベルト変換、正弦変換、余弦変換、三角変換、ウェーブレット変換、整数変換、２のべき乗変換、スパース変換、射影、分解、主成分分析（ＰＣＡ）、ニューラルネットワーク、特徴抽出、移動関数、時系列の隣接項目の移動窓の関数、フィルタリング関数、畳み込み、平均関数、ヒストグラム、分散／標準偏差関数、統計関数、短時間変換、離散変換 、離散フーリエ変換、離散コサイン変換、離散サイン変換、アダマール変換、固有値分解、固有値、特異値分解（ＳＶＤ）、特異値、直交分解、マッチング追求、スパース変換、任意の分解、グラフベース処理、グラフベース変換、グラフ信号処理、分類、クラス／グループ／カテゴリの識別、ラベリング、学習、機械学習、検出、推定、特徴抽出、学習ネットワーク、特徴抽出、雑音除去、信号強調、符号化、暗号化、マッピング、再マッピング、ベクトル量子化、ローパスフィルタリング、ハイパスフィルタリング、バンドパスフィルタリング、マッチドフィルタリング、カルマンフィルタリング、前処理、後処理、粒子フィルタリング、ＦＩＲフィルタリング、ＩＩＲフィルタリング、自己回帰（ＡＲ）フィルタリング、適応的フィルタリング、一次導関数、高次導関数、積分、ゼロ交差、スムージング、メディアンフィルタリング、モードフィルタリング、サンプリング、ランダムサンプリング、リサンプリング関数、ダウンサンプリング、ダウンコンバーティング、アップサンプリング、アップコンバーティング、内挿、外挿、重要度サンプリング、モンテカルロサンプリング、圧縮センシング、統計学、 短期統計、長期統計、自己相関関数、相互相関、積率母関数、時間平均、加重平均、特殊関数、ベッセル関数、誤差関数、相補誤差関数、ベータ関数、ガンマ関数、積分関数、ガウス関数、ポアソン関数など、を含みうる。本開示のステップ（または各ステップ）には、機械学習、トレーニング、識別トレーニング、ディープラーニング、ニューラルネットワーク、連続時間処理、分散計算、分散記憶、ＧＰＵ／ＤＳＰ／コプロセッサ／マルチコア／マルチプロセッシングを使用するアクセラレーション、が適用され得る。
周波数変換は、フーリエ変換、ラプラス変換、アダマール変換、ヒルベルト変換、サイン変換、コサイン変換、三角変換、ウェーブレット変換、整数変換、２のべき乗変換、ゼロパディング及び変換の組み合わせ、ゼロパディングを有する電力フーリエ変換、及び／または別の変換を含んでもよい。変換の高速バージョン及び／または近似バージョンが実行され得る。変換は、浮動小数点、及び／または固定小数点演算を使用して行うことができる。
逆周波数変換は、逆フーリエ変換、逆ラプラス変換、逆アダマール変換、逆ヒルベルト変換、逆サイン変換、逆コサイン変換、逆三角変換、逆ウェーブレット変換、逆整数変換、逆２のべき乗変換、ゼロパディング及び変換の組み合わせ、ゼロパディングを有する逆フーリエ変換、及び／または別の変換を含むことができる。変換の高速バージョン及び／または近似バージョンが実行され得る。変換は、浮動小数点、及び／または固定小数点演算を使用して行うことができる。
ＴＳＣＩからの量／特徴を計算することができる。量は、運動、位置、マップ座標、高さ、速度、加速度、移動角度、回転、寸法、体積、時間トレンド、ワンタイムパターン、反復パターン、発展パターン、時間パターン、相互に除外されるパターン、関連／相関パターン、原因−効果、短期／長期相関、傾向、傾き、好み、統計、典型的挙動、非典型的挙動、時間トレンド、時間プロファイル、周期的運動、反復運動、反復、傾向、変化、急激な変化、ゆるやかな変化、頻度、過渡的、呼吸、歩容、行動、事象、疑わしい事象、危険事象、警告事象、警告、信念、近接、衝突、電力、信号、信号電力、信号強度、信号量、受信信号強度指標（ＲＳＳＩ）、信号振幅、信号位相、信号周波数成分、信号周波数帯域成分、チャネル状態情報（ＣＳＩ）、マップ、時間、周波数、時間−周波数、分解、直交分解、非直交分解、追跡、呼吸、動悸、統計パラメータ、心肺統計／分析（例えば、出力応答）、日常活動統計／分析、慢性疾患統計／分析、医療統計／分析、早期（または瞬間または同時または遅延）指示／示唆／兆候／標識／検証器／検出／症状／条件／状態、生体計測、ベビー、患者、機械、デバイス、温度、車両、駐車場、場所、リフト、エレベータ、空間、道路、流体流、家庭、室、事務所、家屋、建物、倉庫、保管、システム、換気、ファン、パイプ、ダクト、人々、人間、車、ボート、トラック、飛行機、ドローン、ダウンタウン、群集、衝動的事象、周期定常、環境、振動、材料、表面、３次元、２次元、局所、全体、存在、及び／または他の測定可能な量／変数、のうちの少なくとも１つの統計量を含みうる。
スライディングタイムウインドウは、時間変化するウインドウ幅を有し得る。迅速な獲得を可能にするためには、最初はより小さくてもよく、定常状態サイズまで経時的に増加してもよい。定常状態サイズは、監視される周波数、反復運動、過渡的運動、及び／またはＳＴＩに関連し得る。定常状態においてさえ、ウインドウサイズは、電池寿命、電力消費、利用可能な計算パワー、対象の量の変化、監視される動きの性質などに基づいて、適応的に（及び／または動的に）変化され得る（例えば、調整され、変化され、修正され）。
隣接する時間事例における２つのスライディングタイムウインドウ間の時間シフトは、時間にわたって（経時的に）一定／可変／局所的に適応／動的に調節され得る。より短い時間シフトが使用される場合、任意の監視の更新は、より頻繁であり得、これは、迅速に変化する状況、オブジェクトの動き、及び／またはオブジェクトのために使用され得る。より長い時間シフトは、より遅い状況、オブジェクトの動き、及び／またはオブジェクトのために使用され得る。ウインドウ幅／サイズ及び／または時間シフトは、ユーザの要求／選択に応じて変更（例えば、調整、変更、修正）され得る。時間シフトは、自動的に（例えば、プロセッサ／コンピュータ／サーバ／ハブ装置／クラウドサーバによって制御されるように）及び／または適応的に（及び／または動的に）変更することができる。
関数（例えば、自己相関関数、自己共分散関数、相互相関関数、相互共分散関数、パワースペクトル密度、時間関数、周波数ドメイン関数、周波数変換）の少なくとも１つの特性（例えば、特性値、または特性点）は、（例えば、オブジェクト追跡サーバ、プロセッサ、タイプ１異種デバイス、タイプ２異種デバイス、及び／または別の装置によって）決定され得る。この関数の少なくとも１つの特性は、最大、最小、極値、局所的最大値、局所的最小値、局所的極値、正の時間オフセットを有する局所的極値、正の時間オフセットを有する第１の局所的極値、正の時間オフセットを有するｎ番目の局値、負の時間オフセットを有する第１の局所的極値、制限された最大、制限された最小、制限された極値、有意な最大、有意な最小、有意な極値、勾配、導関数、高次の導関数、最大勾配、最小勾配、局所最大勾配、正の時間オフセットを有する局所的最大勾配、局所的最小勾配、制限された最大の勾配、制限された最小勾配、最大の高次の導関数、最小の高次の導関数、制限された高次の導関数、ゼロ交差、正の時間オフセットを有するゼロ交差、正の時間オフセットを有するｎ番目のゼロ交差、負の時間オフセットを有するゼロ交差、負の時間オフセットを有するｎ番目のゼロ交差、制限されたゼロ交差、勾配のゼロ交差、高次の導関数の勾配のゼロ交差、及び／またはその他の特性、を含みうる。関数の少なくとも１つの特性に関連する関数の少なくとも１つの引数が、識別され得る。ある量（例えば、オブジェクトの空間的−時間的情報）は、関数の少なくとも１つの引数に基づいて決定され得る。
特性（例えば場所におけるオブジェクトの動き特性）は、瞬時特性、短期特性、反復特性、繰返し特性、履歴、増分特性、変化特性、偏差特性、位相、振幅、度合い、時間特性、周波数特性、時間周波数特性、分解特性、直交分解特性、非直交分解特性、決定論的特性、確率特性、推計学的な特性、自己相関関数（ＡＣＦ）、平均、分散値、標準偏差、変化の尺度、広がり、ばらつき、偏差、ダイバージェンス、範囲、四分位数範囲、全変動、絶対偏差、全偏差、統計、持続時間、時期、トレンド、周期特性、反復特性、長期特性、履歴特性、平均特性、最新特性、過去特性、将来特性、予測特性、位置、距離、高さ、速度、方向、ベロシティ、加速度、加速度の変化、角度、角速度（ａｎｇｕｌａｒ ｓｐｅｅｄ）、角速度（ａｎｇｕｌａｒ ｖｅｌｏｃｉｔｙ）角速度の変化、オブジェクトの 角加速度、角加速度の変化、オブジェクトの方向、回転の角度、オブジェクトの変形、オブジェクトの形状、オブジェクトの形状の変化、オブジェクトの大きさの変化、オブジェクトの構造の変化、及び／またはオブジェクトの特性の変化、のうちの少なくとも１つを含む。
関数の少なくとも１つの極大値及び少なくとも１つの極小値が識別され得る。少なくとも１つの局所信号対雑音比類似（ＳＮＲ類似）パラメータは、隣接する極大値及び極小値の各対に対して計算されてもよい。ＳＮＲ類似パラメータは、極小値の同じ量にわたる極大値の量（例えば、電力、大きさ）の分数（ｆｒａｃｔｉｏｎ）の関数（例えば、線形、対数、指数関数、単調関数）であり得る。それはまた、極大値の量と極小値の同じ量との間の差の関数であり得る。有意な局所ピークを識別または選択することができる。各有意な局所ピークは、閾値Ｔ１より大きいＳＮＲ類似パラメータを有する極大、及び／または閾値Ｔ２より大きい振幅を有する極大であり得る。周波数領域内の少なくとも１つの極小値及び少なくとも１つの極小値は、持続性に基づくアプローチを使用して識別／計算され得る。
選択された有意な局所的ピークのセットは、選択基準（例えば、品質基準、信号品質状態）に基づいて、識別された有意な局所的ピークのセットから選択され得る。オブジェクトの特性／ＳＴＩは、選択された有意な局所的ピークのセット及び選択された有意な局所的ピークのセットに関連する頻度値（ｆｒｅｑｕｅｎｃｙ ｖａｌｕｅｓ）に基づいて計算され得る。１つの例において、選択基準は、範囲内の最も強いピークを選択することに常に対応し得る。最も強いピークが選択されてもよいが、選択されていないピークは、依然として有意であり得る（むしろ強い）。
未選択の有意なピークは、将来のスライディングタイムウインドウにおける将来の選択において使用するための「予約」ピークとして保存及び／または監視され得る。一例として、経時的に一貫して現れる特定のピーク（特定の周波数における）が存在し得る。最初は、有意であっても選択されない場合がある（他のピークがより強くなる可能性があるため）。しかし、後の時間には、ピークがより強く、より支配的になり、選択され得る。「選択」となった場合は、時間的に逆トレースされ、有意であるが選択されていない早い時期に「選択」されたとすることができる。このような場合、逆トレースされたピークは、早い時期に、以前に選択されたピークを置き換えることができる。置換されたピークは、比較的弱いピーク、または時間的に分離して現れる（すなわち、時間的に短時間のみ現れる）ピークであり得る。
その他の例では、選択基準は、範囲内の最も強いピークを選択することに対応しない場合がある。その代わりに、ピークの「強さ」だけでなく、過去に起こった可能性のあるピーク、特に長い間識別されたピークの「トレース」を考慮してもよい。例えば、有限状態機械（ＦＳＭ）が使用される場合、それは、ＦＳＭの状態に基づいてピークを選択し得る。決定閾値は、ＦＳＭの状態に基づいて適応的に（及び／または動的に）計算され得る。
類似性スコア及び／または成分類似性スコアは、ＴＳＣＩの一対の時間的に隣接するＣＩに基づいて（例えば、サーバ（例えば、ハブ装置）、プロセッサ、タイプ１デバイス、タイプ２デバイス、ローカルサーバ、クラウドサーバ、及び／または別の装置によって）計算され得る。対は、同じスライディングウインドウまたは２つの異なるスライディングウインドウから得られ得る。類似性スコアはまた、二つの異なるＴＳＣＩからの一対の、時間的に隣接しているか、それほど隣接していない、ＣＩに基づいてもよい。類似性スコア及び／または成分類似性スコアは、時間反転共鳴強度（ｔｉｍｅ ｒｅｖｅｒｓａｌ ｒｅｓｏｎａｔｉｎｇ ｓｔｒｅｎｇｔｈ（ＴＲＲＳ））、相関、相互相関、自己相関、相関インジケータ、共分散、相互共分散、自己共分散、２つのベクトルの内積、距離スコア、ノルム、メトリック、品質メトリック、信号品質条件、統計特性、識別スコア、ニューラルネットワーク、ディープラーニングネットワーク、機械学習、トレーニング、識別、加重平均、前処理、ノイズ除去、信号調整、フィルタリング、時間補正、時間調整、位相オフセット補償、変換、成分ごとの操作、特徴抽出、有限状態機械、及び／または別のスコア、でありうる／含み得る。特性及び／またはＳＴＩは、類似性スコアに基づいて決定され／計算され得る。
任意の閾値は、有限状態機械によって予め決定され、適応的に（及び／または動的に）決定され、及び／または決定され得る。適応的決定は、時間、空間、位置、アンテナ、経路、リンク、状態、バッテリ寿命、バッテリ残量、利用可能電力、利用可能な計算資源、利用可能なネットワーク帯域幅などに基づいてもよい。
２つの事象（または２つの条件、または２つの状況、または２つの状態）、Ａ及びＢを区別するために試験統計に適用される閾値は、決定され得る。データ（例えば、ＣＩ、チャネル状態情報（ＣＳＩ）、電力パラメータ）は、トレーニングの場面においてＡの下及び／またはＢの下で収集され得る。試験的統計値は、データに基づいて計算することができる。Ａの下の試験的統計値の分布は、Ｂの下の試験的統計値の分布（リファレンス分布）と比較することができ、閾値は、いくつかの基準に従って選択することができる。判定基準は、最尤推定（ＭＬ）、最大事後確率（ＭＡＰ）、識別トレーニング、所与のタイプ２誤差についての最小タイプ１誤差、所与のタイプ１誤差についての最小タイプ２誤差、及び／または他の判定基準（例えば、品質基準、信号品質条件）を含み得る。閾値は、Ａ、Ｂ、及び／または別の事象／条件／場面／状態に対する異なる感度を達成するように調整され得る。閾値調整は、自動、半自動及び／または手動であってもよい。閾値調整は、１回、時には、しばしば、周期的に、繰り返し、時折、散発的に、及び／またはオンデマンドで適用され得る。閾値調整は、適応的（及び／または動的に調整され得る）であり得る。閾値調整は、オブジェクト、オブジェクト移動／位置／方向／動作、オブジェクト特性／ ＳＴＩ／サイズ／特性／形質／習慣／挙動、場所、場所における／場所での／場所の、特徴／備品／家具／バリア／材料／機械／生物／物体／オブジェクト／境界／表面／媒体、マップ、マップの制約（または環境モデル）、事象／状態／場面／条件、時間、タイミング、持続時間、現在の状態、過去の履歴、ユーザ、及び／または個人的な好みなどに依存し得る。
反復アルゴリズムの停止基準（またはスキップまたはバイパスまたはブロッキングまたは一時停止または通過または拒否する基準）は、反復における更新における現在のパラメータ（例えば、オフセット値）の変化が閾値未満であることであり得る。閾値は、０．５、１、１．５、２、または別の数であり得る。閾値は、適応的（及び／または動的に調整される）であり得る。それは、反復が進行するにつれて変化し得る。オフセット値に関して、適応的閾値は、タスク、初回の特定の値、現在の時間オフセット値、回帰ウインドウ、回帰分析、回帰関数、回帰誤差、回帰関数の凸性、及び／または反復数に基づいて決定され得る。
局所極値は、回帰ウインドウにおける回帰関数の対応する極値として決定され得る。局所極値は、回帰ウインドウ内の時間オフセット値のセット及び関連する回帰関数値のセットに基づいて決定され得る。時間オフセット値のセットに関連する関連する回帰関数値のセットの各々は、回帰ウインドウにおける回帰関数の対応する極値からの範囲内であり得る。
局所極値の探索は、ロバスト探索、最小化、最適化、最適化、統計的最適化、双対最適化、制約最適化、凸最適化、大域最適化、局所最適化、エネルギー最小化、線形回帰、二次回帰、高次回帰、線形計画法、非線形計画法、確率的プログラミング、コンビナトリアル最適化、制約プログラミング、制約充足、バリエーションの計算、最適制御、動的計画法、数理計画法、多目的最適化、マルチモーダル最適化、選言的プログラミング、空間マッピング、無限次元最適化、ヒューリスティク、メタヒューリスティク、凸計画法、半正定値計画問題、円錐計画法、二次錐計画問題、整数計画法、二次計画法、フラクショナルプログラミング、数値解析、シンプレックスアルゴリズム、反復法、勾配降下、部分勾配法、座標勾配法、共役勾配法、ニュートンのアルゴリズム、逐次二次計画法、内点法、楕円法、縮小勾配法、準ニュートン法、同時摂動確率近似、補間法、パターン探索法、線探索、非微分最適化、遺伝的アルゴリズム、進化的アルゴリズム、動的緩和 山登り法、粒子群最適化、重力探索アルゴリズム、シミュレーテッドアニーリング、ミームティック（ｍｅｍｅｔｉｃ）アルゴリズム、差分進化、動的緩和、確率的トンネリング、タブ探索、反応探索最適化、曲線あてはめ、最小二乗、シミュレーションベース最適化、変分計算、及び／または変形、を含みうる。局所的極値の検索は、目的関数、損失関数、コスト関数、効用関数、フィットネス関数、エネルギー関数、及び／またはエネルギー関数に関連しうる。
回帰は、回帰ウインドウにおいて、サンプリングされたデータ（例えば、ＣＩ、ＣＩの特徴、ＣＩの成分）または別の関数（例えば、自己相関関数）に適合させるために、回帰関数を使用して実施され得る。少なくとも１つの反復において、回帰ウインドウの長さ及び／または回帰ウインドウの位置が変化し得る。回帰関数は、線形関数、二次関数、三次関数、多項式関数、及び／又は別の関数であり得る。回帰分析は、誤差、集計誤差、成分誤差、射影領域における誤差、選択された軸における誤差、選択された直交軸における誤差、絶対誤差、二乗誤差、絶対偏差、二乗偏差、高次誤差（例えば、三次、四次）、ロバスト誤差（例えば、より小さい大きさの誤差のため及びより大きい誤差のための絶対誤差に対する二乗誤差、またはより小さい大きさの誤差のための第１の種類の誤差及びより大きい大きさの誤差のための第２の種類の誤差）、別の誤差、絶対／二乗誤差の加重和（または加重平均）（例えば、複数のアンテナを有する無線送信機及び複数のアンテナを有する無線受信機の場合、送信機アンテナ及び受信機アンテナの各対はリンクを形成する）、平均絶対誤差、平均二乗誤差、平均絶対偏差、及び／または平均二乗偏差、のうちの少なくとも１つを最小化し得る。異なるリンクに関連する誤差は、異なる重みを有し得る。１つの可能性は、いくつかのリンク及び／またはより大きな雑音またはより低い信号品質メトリックを有するいくつかの構成要素が、より小さいまたはより大きな重みを有し得ることである。（二乗誤差の加重和、高次誤差の加重和、ロバスト誤差の加重和、別の誤差の加重和、絶対コスト、二乗コスト、高次コスト、ロバストコスト、別のコスト、絶対コストの加重和、二乗コストの加重和、高次コストの加重和、ロバストコストの加重和、及び／または別のコストの加重和）。決定される回帰誤差は、絶対誤差、二乗誤差、高次誤差、ロバスト誤差、さらに別の誤差、絶対誤差の加重和、二乗誤差の加重和、高次誤差の加重和、ロバスト誤差の加重和、及び／またはさらに別の誤差の加重和であり得る。
回帰ウインドウ内の特定の関数に関する回帰関数の最大回帰誤差（または最小回帰誤差）に関連する時間オフセットは、反復における更新された現在の時間オフセットとなり得る。
局所極値は、２つの異なる誤差の差（例えば、絶対誤差と二乗誤差との間の差）を含む量に基づいて検索することができる。２つの異なる誤差の各々は、絶対誤差、二乗誤差、高次誤差、ロバスト誤差、別の誤差、絶対誤差の加重和、二乗誤差の加重和、高次誤差の加重和、ロバスト誤差の加重和、及び／または別の誤差の加重和を含み得る。
量は、Ｆ−分布、中心Ｆ−分布、別の統計的分布、閾値、確率／ヒストグラムに関連する閾値、偽ピークを発見する確率／ヒストグラムに関連する閾値、Ｆ−分布に関連する閾値、中心Ｆ−分布に関連する閾値、及び／または別の統計的分布に関連する閾値などの参照データまたは参照分布と比較され得る。
回帰ウインドウ（ｒｅｇｒｅｓｓｉｏｎ ｗｉｎｄｏｗ）は、オブジェクトの移動（例えば、場所／位置の変化）、オブジェクトに関連する量、オブジェクトの移動に関連するオブジェクトの少なくとも１つの特性及び／またはＳＴＩ、局所的極値の推定位置、ノイズ特性、推定ノイズ特性、信号品質メトリック、Ｆ分布、中心Ｆ分布、別の統計的分布、閾値、事前設定しきい値、確率／ヒストグラムに関連する閾値、所望の確率に関連する閾値、誤ったピークを発見する確率に関連する閾値、Ｆ分布に関連する閾値、中心Ｆ分布に関連する閾値、別の統計的分布に関連する閾値、窓中心におけるその量が回帰窓内で最大である条件、回帰窓内で初めて特定の値についての特定の関数の局所的極値のうちの１つのみが存在する条件、別の回帰窓、及び／または他の条件、うちの少なくとも１つに基づいて決定されうる。
回帰ウインドウの幅は、検索される特定の局所極値に基づいて決定され得る。局所的極値は、第１の局所最大、第２の局所最大、高次の局所最大、正の時間オフセットを有する第１の局所最大、正の時間オフセット値を有する第２の局所最大、正の時間オフセット値を有する高次の局所最大、負の時間オフセット値を有する第１の局所最大、負の時間オフセット値を有する第２の局所最大、負の時間オフセット値を有する第２の局所最大、負の時間オフセット値を有する高次の局所最大、第１の局所最小、第２の局所最小、高次の局所的最小、正の時間オフセット値を有する第１の局所最小、正の時間オフセット値を有する第２の局所最小、正の時間オフセット値を有する高次の局所最小、負の時間オフセット値を有する第１の局所最小、負の時間オフセット値を有する第２の局所最小、負の時間オフセット値を有する高次の局所最小、第１の局所的極値、第２の局所的極値、高次の局所極値、正の時間オフセット値を有する第１の局所極値、正の時間オフセット値を有する第２の局所極値、負の時間オフセット値を有する第１の局所極値、負の時間オフセット値を有する第２の局所極値、負及び／または 負の時間オフセット値を有する高次の極値、を含みうる。
現在のパラメータ（例えば、時間オフセット値）は、ターゲット値、対象プロファイル、トレンド、過去のトレンド、現在のトレンド、目標速度、速度プロファイル、目標速度プロファイル、過去の速度トレンド、オブジェクトの運動または移動（例えば、場所／位置の変化）、オブジェクトの動きに関連するオブジェクトの少なくとも１つの特性及び／またはＳＴＩ、オブジェクトの位置量、オブジェクトの動きに関連するオブジェクトの初期速度、事前定義された値、回帰ウインドウの初期幅、持続時間、信号の搬送波周波数に基づく値、信号のサブ搬送波周波数に基づく値、信号の帯域幅、チャネルに関連するアンテナの総計、雑音特性、信号ｈメトリック、及び／または適応（及び／または動的に調整された）値に基づいて初期化され得る。現在の時間オフセットは、回帰ウインドウの中心、左側、右側、及び／または別の固定相対位置にあってもよい。
プレゼンテーションでは、情報は、場所の地図（または環境モデル）と共に表示され得る。情報は、位置、ゾーン、領域、領域、カバレッジ領域、補正された位置、おおよその位置、場所の地図に関する（ｗ．ｒ．ｔ．）位置、分割された場所に関する位置、方向、経路、マップ及び／またはセグメンテーションに関する経路、トレース（例えば、過去５秒、または過去１０秒などのタイムウインドウ内の位置、タイムウインドウ持続時間を適応的に（及び／または動的に）調整することができ、タイムウインドウ持続時間は、適応的に（及び／または動的に）速度、加速度に関して調整されうる）、経路の履歴、経路に沿った近似領域／ゾーン、過去の位置の履歴／概要、過去の関心位置の履歴、頻繁に訪れた領域、顧客トラフィック、群れの布、群れの挙動、群れの制御情報、速度、加速度、運動統計、呼吸速度、心拍数、運動の存在／不在、 人またはペットまたはオブジェクトの有無、バイタルサインの有無、ジェスチャ制御（ジェスチャを用いた装置の制御）、位置ベースのジェスチャ制御、位置ベースの操作の情報、関心のあるオブジェクト（例えば、ペット、人、自己ガイド式機械／デバイス、車両、ドローン、カー、ボート、自転車、無人車、ファン付き機械、空調機、ＴＶ、可動部を備えた機械）のアイデンティティ（ＩＤ）または識別子、ユーザの識別（例えば、人）、ユーザの情報、位置／速度／加速／方向／動き／ジェスチャ／ジェスチャ制御／動きトレース、ユーザのＩＤまたは識別子、ユーザの活動、ユーザの状態、ユーザの睡眠／休息特性、ユーザの感情状態、ユーザの生命サイン、場所の環境情報、場所の天気情報、地震、爆発、暴風雨、雨、火災、温度、衝突、衝撃、振動、事象、ドア開け事象、ドア閉め事象、窓開け事象、窓閉め事象、転倒事象、燃焼事象、凍結事象、水関連事象、風関連事象、空気移動事象、事故事象、擬似周期的事象（例えば、トレッドミル上での走行、ピョンピョン跳ねる、縄跳び、でんぐり返しなど）、繰り返し事象、群れる事象、車両事象、ユーザのジェスチャ（例えば、手ジェスチャ、アームジェスチャ、足ジェスチャ、足ジェスチャ、身体ジェスチャ、頭部ジェスチャ、顔ジェスチャ、口のジェスチャ、目のジェスチャなど）、を含みうる。位置は、２次元（例えば、２Ｄ座標を用いて）、３次元（例えば、３Ｄ座標を用いて）であり得る。位置は、相対的（例えば、地図または環境モデルに関して）または関係的（例えば、点Ａと点Ｂとの間の中間、角の周り、上の階、テーブルの上、天井、床上、ソファ上、点Ａに近い、点Ａからの距離Ｒ、点ＡからのＲの半径内など）であり得る。位置は、直交座標、極座標、及び／または別の表現で表現され得る。
情報（例えば、場所）は、少なくとも１つのシンボルでマークされ得る。シンボルは、時間変化してもよい。シンボルは、色／強度を変化させても変化させなくても点滅及び／または脈動してもよい。サイズは、経時的に変化し得る。シンボルの向きは、経時的に変化し得る。シンボルは、瞬時量（例えば、ユーザのバイタルサイン／呼吸数／心拍数／ジェスチャ／状況／状態／動作／動き、温度、ネットワークトラフィック、ネットワーク接続性、デバイス／機械の状態、デバイスの残り電力、デバイスの状態など）を反映する数であってもよい。変化速度、サイズ、配向、色、強度及び／またはシンボルは、それぞれの運動を反映し得る。情報は、視覚的に提示され、及び／または口頭で説明され得る（例えば、事前に記録された音声、または音声合成を使用して）。情報は、テキストで記述することができる。情報はまた、機械的な方法（例えば、アニメーション化されたガジェット、可動部分の動き）で提示され得る。
ユーザインターフェース（ＵＩ）デバイスは、スマートフォン（例えば、ｉＰｈｏｎｅ、Ａｎｄｒｏｉｄ ｐｈｏｎｅ）、タブレット（例えば、ｉＰａｄ）、ラップトップ（例えば、ノートパソコン）、パーソナルコンピュータ（ＰＣ）、グラフィックユーザインターフェース（ＧＵＩ）を有するデバイス、スマートスピーカ、音声／音／スピーカ能力を有する装置、仮想リアリティ（ＶＲ）装置、拡張リアリティ（ＡＲ）装置、スマートカー、車内ディスプレイ、音声アシスタント、車内音声アシスタントなどであり得る。地図（または環境モデル）は、２次元、３次元及び／またはより高次元であってもよい。（例えば、時間的に変化する２Ｄ／３Ｄマップ／環境モデル）、壁、窓、ドア、入口、出口、禁止区域は、地図またはモデルにマークされることがある。地図は、施設のフロアプランを含むことができる。マップまたはモデルは、１つまたは複数のレイヤー（オーバーレイ）を有することができる。地図／モデルは、水道管、ガス管、配線、ケーブル配線、エアダクト、クロールスペース、天井レイアウト、及び／または地下レイアウトを含むメンテナンス地図／モデルとすることができる。場所は、ベッドルーム、リビングルーム、貯蔵室、歩行路、台所、食堂、ホワイエ、ガレージ、１階、２階、トイレ、事務所、会議室、受付エリア、各種事務所エリア、各種倉庫エリア、各種施設エリアなどのような、複数のゾーン／領域／地理的領域／セクタ／セクション／テリトリー／地区／行政上の区域／現場／近隣／エリア／ストレッチ（ｓｔｒｅｔｃｈ）／広々した場所に区分／細分化／領域化／グループ化することができる。セグメント／領域／区域は、マップ／モデルで提示することができる。異なる領域は、色分けされてもよい。異なる領域は、特性（例えば、色、明るさ、色強度、テクスチャ、アニメーション、点滅、点滅速度など）をもって提示されてもよい。場所の論理的セグメンテーションは、少なくとも１つの異種タイプ２デバイス、またはサーバ（例えば、ハブ装置）、またはクラウドサーバなどを使用して行うことができる。
ここでは、開示されるシステム、装置、及び方法の一例である。ステファンと彼の家族は、開示された無線動き検出システムを設置して、ワシントン州シアトルの２０００平方フィートの２階建てタウンハウス内での運きを検出したいと考えている。彼の家は二階建てであるので、ステファンは１つのタイプ２デバイス（Ａという名前のもの）と２つのタイプ１デバイス（ＢとＣという名のもの）を１階に使うことにした。１階は台所、食堂、居間の３部屋を中心に、食堂は真ん中に、直線に並んで配置されている。台所と居間は家の反対側にある。彼は、タイプ２デバイス（Ａ）を食堂に置き、１台のタイプ１デバイス（Ｂ）を台所に置き、もう１台のタイプ１デバイス（Ｃ）を居室に置いた。この装置の設置に伴い、動き検知システムを用いて、彼は具体的には１階を３区域（食堂、居室、台所）に区画化している。動きがＡＢ対及びＡＣ対によって検出される場合、システムは、動き情報を分析し、動きを３つのゾーンのうちの１つに関連付ける。
ステファンと彼の家族が週末に外出するとき（例えば、長い週末にキャンプに行くとき）、ステファンは携帯電話アプリ（例：ＡｎｄｒｏｉｄフォンアプリやｉＰｈｏｎｅアプリ）を使って動き検出システムをオンにした。システムが動きを検出すると、警告信号がステファンへ送信される（例えば、ＳＭＳテキストメッセージ、電子メール、携帯電話アプリへのプッシュメッセージなど）。ステファンが月々の料金（例えば、１０ドル／月）を払う場合、サービス会社（例えば、セキュリティ会社）は、有線ネットワーク（例えば、ブロードバンド）または無線ネットワーク（例えば、家庭用ＷｉＦｉ、ＬＴＥ、３Ｇ、２．５Ｇなど）を通して警告信号を受信し、ステファンのためのセキュリティ手順を実行する（例えば、問題を確認させるために彼に電話し、ある人に家をチェックするために送り、ステファンに代わって警察に連絡する、など）。ステファンは彼の年をとった母親が大好きで、家に一人でいるときは彼女の幸せを気にかけている。家族の残りが外出中（例えば、仕事に行く、ショッピングに行く、または休みに行く）に母親が家に一人でいる場合、ステファンは、母親が大丈夫でいることを確実にするために、彼のモバイルアプリを使用して動き検出システムをオンにする。その後、彼はモバイルアプリを使って、家の中での母親の動きをモニタリングする。ステファンがモバイルアプリを使って、母親が３つの領域の間で家の中を動き回っているのを見ると、彼女の日々のルーチンによれば、ステファンは母親が大丈夫であることを知っている。ステファンは、動き検出システムが、彼が家から離れている間、彼の母親の幸福を監視するのを助けることができることに感謝している。
典型的な日には、母親は午前７時頃に目覚める。彼女は約２０分間で台所で朝食を作るつもりだった。それから食堂で朝食を３０分くらい食べた。それから、居間のソファーに座って、自分の好きなテレビ番組を見る前に、リビングルームで毎日の運動をしていた。動き検出システムは、ステファンが家の３つの領域のそれぞれにおける動きのタイミングを見ることを可能にする。動きが毎日のルーチンに合致するとき、ステファンは母親が上手くやっているはずであることを大まかに知っている。しかし、運動パターンが異常に見えると（例えば、ＡＭ１０時まで運動がないか、長く台所に滞在しすぎるか、長く動かないままであるか、など）、ステファンは何かが違っていると疑い、母親をチェックするために母親に電話をする。ステファンは、誰か（例えば、家族、近所の人、有給の職員、友人、ソーシャルワーカー、サービス提供者）に母親を確認してもらうことさえある。
時には、ステファンはタイプ２デバイスの位置を変えるように感じる。彼は、単に装置を元のＡＣ電源プラグから抜き、別のＡＣ電源プラグに差し込むだけである。彼は、無線動き検出システムがプラグアンドプレイであり、再配置がシステムの動作に影響しないことを満足している。電源を入れると、すぐに機能する。またの機会には、ステファンは、われわれの無線動き検出システムが、非常に高い精度と非常に低い警報で運動を実際に検出できることを確信しており、実際にモバイルアプリを使用して、１階の運動を監視することができる。彼は、２階の寝室を監視するために、２階に同様の構成（すなわち、１つのタイプ２デバイス及び２つのタイプ１デバイス）を設置することを決定する。再び、彼は、タイプ２デバイス及びタイプ１デバイスを２階のＡＣ電源プラグに単に差し込む必要があるので、システムセットアップが極めて容易であることを発見した。特別な設置は必要ない。そして、同じモバイルアプリを使用して、１階と２階の動きを監視することができる。１階／２階の各タイプ２デバイスは、１階と２階の両方のタイプ１デバイスすべてと相互に作用することができる。ステファンは、タイプ１デバイス及びタイプ２デバイスへの投資を２倍にするにつれて、組み合わされたシステムの２倍以上の能力を有することを見て幸せである。
様々な実施形態によれば、各ＣＩ（ＣＩ）は、チャネル状態情報（ＣＳＩ）、周波数ドメインＣＳＩ、ＣＳＩの周波数表現、少なくとも１つのサブバンドに関連する周波数ドメインＣＳＩ、時間領域ＣＳＩ、ドメイン内ＣＳＩ、チャネル応答、チャネル応答推定、チャネルインパルス応答（ＣＩＲ）、チャネル周波数応答（ＣＦＲ）、チャネル特性、チャネルフィルタ応答、無線マルチパスチャネルのＣＳＩ、無線マルチパスチャネルの情報、タイムスタンプ、補助情報、データ、メタデータ、ユーザデータ、アカウントデータ、アクセスデータ、セキュリティデータ、セッションデータ、ステータスデータ、管理データ、家族データ、アイデンティティ（ＩＤ）、識別子、デバイスデータ、ネットワークデータ、近傍データ、環境データ、リアルタイムデータ、センサデータ、記憶データ、暗号化データ、圧縮データ、保護データ、及び／または別のＣＩのうちの少なくとも１つを含み得る。一実施形態では、開示されるシステムは、ハードウェア構成要素（例えば、アンテナを備えた無線送信機／受信機、アナログ回路、電源、プロセッサ、メモリ）及び対応するソフトウェア構成要素を有する。本開示の様々な実施形態によれば、開示されるシステムは、バイタルサイン検出及びモニタリングのためのＢｏｔ（タイプ１デバイスと呼ばれる）及びオリジン（Ｏｒｉｇｉｎ）（タイプ２デバイスと呼ばれる）を含む。各デバイスは、トランシーバと、プロセッサと、メモリとを備える。
開示されたシステムは、多くの場合に適用することができる。一例では、タイプ１デバイス（送信機）は、テーブル上に載置される小さなＷｉＦｉ対応装置であってもよい。また、ＷｉＦｉ対応テレビ（ＴＶ）、セットトップボックス（ＳＴＢ）、スマートスピーカ（例えば、Ａｍａｚｏｎエコー）、スマート冷蔵庫、スマート電子レンジ、メッシュネットワークルータ、メッシュネットワークサテライト、スマートフォン、コンピュータ、タブレット、スマートプラグなどであってもよい。一例では、タイプ２（受信機）は、テーブル上に置かれるＷｉＦｉ対応デバイスであってもよい。また、ＷｉＦｉ対応テレビ（ＴＶ）、セットトップボックス（ＳＴＢ）、スマートスピーカ（例えば、Ａｍａｚｏｎエコー）、スマート冷蔵庫、スマート電子レンジ、メッシュネットワークルータ、メッシュネットワークサテライト、スマートフォン、コンピュータ、タブレット、スマートプラグなどであってもよい。タイプ１デバイス及びタイプ２デバイスは、人々を数えるために、会議室の中／近くに配置され得る。タイプ１デバイス及びタイプ２デバイスは、日常活動及び症状の任意の徴候（例えば、認知症、アルツハイマー病）を監視するための高齢者についての健康監視システムであり得る。タイプ１デバイス及びタイプ２デバイスは、生きている幼児のバイタルサイン（呼吸）を監視するための幼児モニタにおいて使用され得る。タイプ１デバイス及びタイプ２デバイスは、睡眠の質及び任意の睡眠時無呼吸を監視するために、寝室に配置され得る。タイプ１デバイス及びタイプ２デバイスは、乗客及び運転手の健康を監視し、運転手の睡眠を検出し、自動車内に残されたすべての赤ちゃんを検出するために、自動車内に配置され得る。タイプ１デバイス及びタイプ２デバイスは、トラック及びコンテナに隠された人間を監視することによって、人身売買を防止するために、物流において使用され得る。タイプ１デバイス及びタイプ２デバイスは、がれきの中の捕われたた被害者を探索するために、災害地域の救急サービスによって配備され得る。タイプ１デバイス及びタイプ２デバイスは、任意の侵入者の呼吸を検出するために、ある領域に配置され得る。装着型ではない無線呼吸モニタリングには、多数のアプリケーションがある。
ハードウェアモジュールは、タイプ１トランシーバ及び／またはタイプ２トランシーバを含むように構成されてもよい。ハードウェアモジュールは、最終的な市販品を設計、構築、及び販売するために、バリアブルブランドで販売／使用され得る。開示されたシステム及び／または方法を使用する製品は、家庭／事務セキュリティ製品、睡眠監視製品、ＷｉＦｉ製品、メッシュ製品、ＴＶ、ＳＴＢ、エンターテイメントシステム、ＨｉＦｉ，スピーカ、家電製品、ランプ、ストーブ、オーブン、電子レンジ、テーブル、椅子、ベッド、棚、工具、器具、トーチ、バキュームクリーナー、煙検知器、ソファ、ピアノ、ファン、ドア、窓、ドア／窓ハンドル、ロック、煙検出装置群、カーアクセサリ、コンピューティングデバイス、事務用品、エアコン、ヒータ、パイプ、コネクタ、監視カメラ、アクセスポイント、コンピュータ装置群、モバイル装置、ＬＴＥ装置、３Ｇ／４Ｇ／５Ｇ／６Ｇデバイス、ＵＭＴＳデバイス、３ＧＰＰ装置、ＧＳＭ装置、ＥＤＧＥ装置、ＴＤＭＡ装置、ＦＤＭＡ装置、ＣＤＭＡ装置、ＷＣＤＭＡ装置、ＴＤ−ＳＣＤＭＡ装置、ゲーム装置、めがね、ガラスパネル、ＶＲゴーグル、ネックレス、腕時計、ウェストバンド、ベルト、ウォレット、ペン、ハット、インプラント用具、タグ、パーキングチケット、スマートフォン、等、でありうる。
要約は、以下を含むことができる：分析、出力応答、選択したタイムウインドウ、サブサンプリング、変換、及び／または射影。プレゼンテーションは、月／週／日毎のビュー、簡略化／詳細のビュー、断面ビュー、小型／大型フォームファクタビュー、色分けビュー、比較ビュー、要約ビュー、動画、ウェブビュー、音声アナウンス、及び繰り返し動きの周期的／反復特性に関連する別のプレゼンテーション、のうちの少なくとも１つを提示することを含み得る。
タイプ１／タイプ２デバイスは、アンテナ、アンテナを有するデバイス、ハウジングを有するデバイス（例えば、無線機、アンテナ、データ／信号処理ユニット、無線ＩＣ、回路のための）、別のデバイス／システム／コンピュータ／電話／ネットワーク／データアグリゲータにインターフェース／付属／接続／リンクされるデバイス、ユーザインターフェース（ＵＩ）／グラフィカルＵＩ／ディスプレイを有するデバイス、無線送受信機を有するデバイス、無線送信機を有するデバイス、無線受信機を有するデバイス、インターネットオブスイング（ＩｏＴ）デバイス、無線ネットワークを有するデバイス、有線ネットワーク機能及び無線ネットワーク機能の両方を有するデバイス、無線集積回路（ＩＣ）を有するデバイス、Ｗｉ−Ｆｉデバイス、Ｗｉ−Ｆｉチップを有するデバイス（例えば、８０２．１１ａ／ｂ／ｇ／ｎ／ａｃ／ａｘ規格に準拠する）、Ｗｉ−Ｆｉアクセスポイント（ＡＰ）、Ｗｉ−Ｆｉクライアント、ＷｉＦｉルータ、 Ｗｉ−Ｆｉリピータ、ＷｉＦｉハブ、ＷｉＦｉメッシュネットワークルータ／ハブ／ＡＰ、無線メッシュネットワークルータ、アドホックネットワークデバイス、無線メッシュネットワークデバイス、モバイルデバイス（例えば、２Ｇ／２．５Ｇ／３Ｇ／３．５Ｇ／４Ｇ／ＬＴＥ／５Ｇ／６Ｇ／７Ｇ、ＵＭＴＳ、３ＧＰＰ、ＧＳＭ、ＥＤＧＥ、ＴＤＭＡ、ＦＤＭＡ、ＣＤＭＡ、ＷＣＤＭＡ、ＴＤ−ＳＣＤＭＡ）、セルラーデバイス、基地局、モバイルネットワーク基地局、モバイルネットワークハブ、モバイルネットワーク互換デバイス、ＬＴＥデバイス、ＬＴＥモジュールを有するデバイス、モバイルモジュール（例えば、Ｗｉ−Ｆｉチップ、ＬＴＥチップ、ＢＬＥチップ、のようなモバイルイネーブルチップ（ＩＣ）を有する回路基板）、モバイルモジュールを有するデバイス、スマートホン、スマートフォン用のコンパニオンデバイス（例えばドングル、アタッチメント、プラグイン）専用デバイス、プラグインデバイス、ＡＣ電源方式デバイス、バッテリ電源方式デバイス、プロセッサ／メモリ／命令のセットを有するデバイス、スマートデバイス／ガジェット／アイテム：時計、ステーショナリ、ペン、ユーザインターフェース、紙、マット、カメラ、テレビ（ＴＶ）、セットトップボックス、マイクロホン、スピーカ、冷蔵庫、オーブン、マシン、電話、財布、家具、ドア、窓、天井、床、壁、テーブル、椅子、ベッド、ナイトスタンド、エアコンディショナー、ヒータ、パイプ、ダクト、ケーブル、カーペット、装飾、ガジェット、ＵＳＢデバイス、プラグ、ドングル、ランプ／ライト、タイル、装飾品、ボトル、車両、自動車、ＡＧＶ、ドローン、ロボット、ラップトップ、タブレット、コンピュータ、ハードディスク、ネットワークカード、機器、ラケット、ボール、靴、着用可能装置、衣類、眼鏡、帽子、ネックレス、食品、錠剤、生き物の体内（例えば、血管、リンパ液、消化システム）で移動する小型デバイス、及び／又は別のデバイスでありうる。タイプ１デバイス及び／またはタイプ２デバイスは、インターネット、インターネットにアクセスする別の装置（例えば、スマートフォン）、クラウドサーバ（例えば、ハブ装置）、エッジサーバ、ローカルサーバ、及び／またはストレージと通信可能に結合され得る。タイプ１デバイス及び／またはタイプ２デバイスは、ローカル制御で動作してもよく、有線／無線接続を介して別の装置によって制御されてもよく、自動的に動作してもよく、またはリモート（例えば、家から離れた）にある中央システムによって制御されてもよい。
一実施形態において、タイプＢデバイスは、オリジン（タイプ２デバイス、Ｒｘデバイス）及びボット（タイプ１デバイス、Ｔｘデバイス）の双方として実行してもよい送受信機であってもよく、すなわち、タイプＢデバイスはタイプ１（Ｔｘ）デバイス及びタイプ２（Ｒｘ）デバイスの双方であってもよく（例えば、同時に又は交互に）、例えばメッシュデバイス、メッシュルータ等であってもよい。一実施形態において、タイプＡデバイスは、ボット（Ｔｘデバイス）としてのみ機能してもよい送受信機であってもよく、すなわち、タイプ１デバイスのみ又はＴｘのみであってもよく、例えば単純なＩｏＴデバイスであってもよい。これはオリジン（タイプ２デバイス、Ｒｘデバイス）の機能を有してもよいが、実施形態においては何らかの形でボットとしてのみ機能している。全てのタイプＡデバイス及びタイプＢデバイスは、ツリー構造を形成する。ルート（ｒｏｏｔ）は、ネットワーク（例えば、インターネット）にアクセスできるタイプＢデバイスであってもよい。例えば、これは有線接続（例えば、イーサネット、ケーブルモデム、ＡＤＳＬ／ＨＤＳＬモデム）接続又は無線接続（例えば、ＬＴＥ、３Ｇ／４Ｇ／５Ｇ、ＷｉＦｉ、Ｂｌｕｅｔｏｏｔｈ、マイクロ波リンク、衛星リンク等）を介してブロードバンドサービスに接続されてもよい。一実施形態において、全てのタイプＡデバイスはリーフノードである。各タイプＢデバイスはルートノード、非リーフノード又はリーフノードであってもよい。
本開示は、無線信号と歩容運動の影響を受ける無線マルチパスチャネルのチャネル情報とに基づいて歩容等の律動的な動きを監視するためのシステムを開示する。また、システムは、歩容を認識し、それに従って個人を識別及び認証してもよい。
歩容認識は、離れた場所でユーザが能動的に協力せずに達成可能であるため、人間の識別を必要とする様々なユビキタスアプリケーションにとって特に魅力的である。例えばスマートビルは、許可されたユーザが入館する際に扉を自動的に開く。スマートホームは、認識されたユーザに合わせて温度及び周囲の光を変更する。スマートホーム内のスマートテレビは、認識されたユーザのお気に入りの番組で反応する。Ｇｏｏｇｌｅ Ｈｏｍｅ及びＡｍａｚｏｎ Ａｌｅｘａ等のスマートホームデバイスは、認識されたユーザとより親密な方法で直接対話することができる。これら全てを機能させるために、ユーザは空間内をいつもどおり歩くだけでよい。しかし、継続的且つ受動的な歩容認識には、配置が容易であり且つ便利なシステムが必要とされる。
従来の歩容測定／認識システムは、通常、歩容情報を取り込むためにカメラ、フロアセンサ及び／又はウェアラブルデバイスに依存する。対象の被検者は、制限された領域内（通常は、計装された通路のみ）を歩くか又は身体センサ（例えば、加速度計）を着用する必要がある。したがって、それらは主に研究及び臨床使用に限定されており、スマートホーム及びスマートビルにおけるユビキタスアプリケーションに使用するには利便性及び快適性が不十分である。近年、無線信号を使用する新しい種類の歩容認識が始められている。無線信号（例えば、ＷｉＦｉ）はあらゆる場所に存在し、壁や家具等の障害物を通過でき、壁を介した歩容検知の可能性を支えるものである。しかし、既存の方法は、被検者が事前に定義された経路を事前に定義された方向に歩くことを必要とする。したがって、それらは強い見通し線（ＬＯＳ）状態の限られた領域（例えば、５メートルの廊下のような狭い経路）にのみ適している。更に、既存の技術の殆どは、歩容を物理的に測定するものではない。それらは、歩行パターンを表すと考えられるＲＦに基づく特徴を抽出するにすぎず、そのようなＲＦ特徴は通常は周囲の環境と密接に関係するため、既存の技術は場所及び環境に依存する。最も重要なことは、これらのシステムはどれも、壁を介した検知は言うまでもなく、非ＬＯＳ（ＮＬＯＳ）の場合に機能できないことである。
本開示で開示される無線／ＲＦに基づくシステムは、以下の多くの利点を達成できる。例えば、（ａ）開示されるシステムは、ＬＯＳ状態及び非見通し線（ＮＬＯＳ）状態の双方で動作できる。（ｂ）開示されるシステムは、監視される人間の協力を必要としない（すなわち、本人が歩きたい方法で自由に歩くことができる）。（ｃ）開示されるシステムは、一般的な既製（ＣＯＴＳ（ｃｏｍｍｏｎ ｏｆｆ−ｔｈｅ−ｓｈｅｌｆ））の構成要素を使用するため、高価ではない。（ｄ）開示されるシステムにおいて使用される各デバイスは、広い領域を範囲に含むことができる。（ｅ）開示されるシステムは設置が容易である。（ｆ）開示されるシステムは、プライバシーを侵害するカメラを必要としない。（ｇ）開示されるシステムは、人間がウェアラブルデバイスを着用する必要がない。（ｈ）開示される装置は、場所に依存しない。
開示されるシステムの１つの目標は、ウェアラブルデバイスの着用及び歩き方に対する制約等の制約を監視対象者に課すことなく、チャネル状態情報（ＣＳＩ）から計算可能で認識／認証に適した特徴を取得することである。一般に、開示されるシステムは、時系列のＣＩに基づいて対象の律動的な動きを監視できる。例えば、呼吸は周期的であり律動的である。歩容はある程度周期的であるが、異なる歩容サイクルは周期が異なる場合がある。左足が地面に触れることに対応する「ステップ」位相は、右足に対応する「ステップ」位相と異なる場合がある。左足の一歩と右足の一歩との間の非対称性（例えば、片足を負傷している場合）は、多くの健康関連の問題を評価するための重要な特徴である。したがって、歩容運動は実際は、基本となる左右の足の交互の動きを伴い律動的に生成されるため、これを周期的ではなく律動的（ｒｈｙｔｈｍｉｃ）と呼ぶ。以下、例示のために歩容を律動的な動きの一例として使用するが、本開示における開示されるシステム及び方法はあらゆる律動的な動きに適用可能である。
タイプ１デバイス及び／又はタイプ２デバイス（無線信号、ＴＳＣＩ、プロセッサ、メモリ、命令セットと共に）は、一時的な動き（例えば、転倒、ジェスチャ、書く動作、身体の動き、人々の動き、車両の動き、車内での活動）等の他の種類の動きを監視するためにも使用可能である。
タイプ１デバイス及び／又はタイプ２デバイスは、スタンドアロンデバイス又は組み込みデバイスであってもよい。これは、ＵＳＢ（例えば、タイプＡ／Ｂ／Ｃ／Ｄ／Ｅ、マイクロＵＳＢ、ミニＵＳＢ等）、Ｔｈｕｎｄｅｒｂｏｌｔ、Ｆｉｒｅｗｉｒｅ、Ｌｉｇｈｔｎｉｎｇ（例えば、ｉＰｈｏｎｅ、ｉＰａｄ、ＡｉｒＰｏｄｓ等のＡｐｐｌｅデバイスにおいて）、ＯＢＤ（オンボード診断ポート）、シガレットライターポート（例えば、１２Ｖ）、ＰＣＩ（例えば、ＰＣＩ、ＰＣＩ Ｅｘｐｒｅｓｓ等）、ＶＧＡ、ＤＶＩ、ＨＤＭＩ、パラレルポート、シリアルポート、ＡＤＡＴ、ＢＮＣ、Ｄ−ＳＵＢ、Ｆ、ＭＩＤＩ、ＵＨＦ、ＭＣＸ、Ｎ、ＰＳ／２、ＲＣＡ、ＳＡＴＡ、Ｓビデオ、ＳＡＴＡ、ｍＳＡＴＡ、ｍ.２、ＳＭＡ、ＳＭＢ、ＳＭＣ、Ｓ／ＰＤＩＦ、ＲＪ−１１、ＲＪ−４５、ＳＣＳＩ、ＴＮＣ、ＴＳ、ＴＲＳ、ＵＨＦ、ミニＵＨＦ、ＸＬＲ、同軸、光学、イーサネット、ディスプレイポート等のコネクタ／ポートを使用して、別のシステムに接続されてもよい（電力供給、信号伝送、ネットワークアクセス等のために）。
デバイスはいずれも、バッテリ（例えば、単三電池、単四電池、コイン電池、ボタン電池、小型電池、バッテリバンク、モバイルバッテリ、自動車バッテリ、ハイブリッドバッテリ、車両バッテリ、コンテナバッテリ、非充電式バッテリ、充電式バッテリ、ＮｉＣｄ電池、ＮｉＭＨ電池、リチウムイオン電池、亜鉛カーボン電池、塩化亜鉛電池、鉛酸電池、アルカリ電池、無線充電器付きバッテリ、スマートバッテリ、太陽電池、船舶バッテリ、航空機バッテリ、その他のバッテリ、一時的なエネルギー貯蔵装置、コンデンサ、フライホイール）により電力供給されてもよい。
デバイスはいずれも、ＤＣ又は直流により（例えば、１．２Ｖ、１．５Ｖ、３Ｖ、５Ｖ、６Ｖ、９Ｖ、１２Ｖ、２４Ｖ、４０Ｖ、４２Ｖ、４８Ｖ、１１０Ｖ、２２０Ｖ、３８０Ｖ等の様々な電圧で上記のバッテリ、発電機、電力変換器、ソーラーパネル、整流器、ＤＣ−ＤＣ変換器から）電力供給されてもよく、したがって、ＤＣコネクタを有してもよく、あるいは少なくとも１つのＤＣ電源用ピンを有するコネクタを有してもよい。
デバイスはいずれも、ＡＣ又は交流（例えば、１００Ｖ、１１０Ｖ、１２０Ｖ、１００−１２７Ｖ、２００Ｖ、２２０Ｖ、２３０Ｖ、２４０Ｖ、２２０−２４０Ｖ、１００−２４０Ｖ、２５０Ｖ、３８０Ｖ、５０Ｈｚ、６０Ｈｚ等の様々な電圧で家庭内の壁ソケット、変圧器、インバータ、陸上電力等）により電力供給されてもよく、したがって、ＡＣコネクタを有してもよく、あるいは少なくとも１つのＡＣ電源用ピンを有するコネクタを有してもよい。タイプ１デバイス及び／又はタイプ２デバイスは、場所内又は場所外に位置決め（例えば、設置、配置、移動）されてもよい。
例えば、車両（例えば、自動車、トラック、大型トラック、バス、特殊車両、トラクタ、掘起機、掘削機、テレハンドラ、ブルドーザ、クレーン、フォークリフト、電動トロリー、ＡＧＶ、緊急車両、貨物、ワゴン、トレーラ、コンテナ、船舶、フェリー、船、潜水艦、航空機、飛行船、リフト、モノレール、電車、路面電車、軌条車両、鉄道車両等）において、タイプ１デバイス及び／又はタイプ２デバイスは、車両に組み込まれた組み込みデバイスであってもよく、車両内のポート（例えば、ＯＢＤポート／ソケット、ＵＳＢポート／ソケット、アクセサリポート／ソケット、１２Ｖ補助電源コンセント及び／又は１２Ｖシガレットライターポート／ソケット）に差し込まれたアドオンデバイス（例えば、後付けデバイス）であってもよい。
例えば、一方のデバイス（例えば、タイプ２デバイス）は（例えば、自動車／トラック／車両の）１２Ｖシガレットライター／アクセサリポート又はＯＢＤポート又はＵＳＢポートに差し込まれてもよく、他方のデバイス（例えば、タイプ１デバイス）は１２Ｖシガレットライター／アクセサリポート又はＯＢＤポート又はＵＳＢポートに差し込まれてもよい。ＯＢＤポート及び／又はＵＳＢポートは、（自動車／トラック／車両の）電力、信号伝送及び／又はネットワークを提供できる。２つのデバイスは、車内の子ども／乳児を含む乗客を共同で監視できる。それらは、乗客を数え、運転者を認識し、車両内の特定の座席／位置にいる乗客の存在を検出するために使用されてもよい。
別の例において、一方のデバイスは自動車／トラック／車両の１２Ｖシガレットライター／アクセサリポート又はＯＢＤポート又はＵＳＢポートに差し込まれてもよく、他方のデバイスは別の自動車／トラック／車両の１２Ｖシガレットライター／アクセサリポート又はＯＢＤポート又はＵＳＢポートに差し込まれてもよい。
別の例において、多くの異なる機種の車両／ポータブルデバイス／スマートガジェット（例えば、自動誘導車両／ＡＧＶ、ショッピング／荷物／移動カート、駐車券、ゴルフカート、自転車、スマートフォン、タブレット、カメラ、記録装置、スマートウォッチ、ローラースケート、靴、ジャケット、ゴーグル、帽子、アイウェア、ウェアラブル、セグウェイ、スクータ、荷物タグ、清掃機、掃除機、ペットのタグ／首輪／ウェアラブル／インプラント）内に同じタイプＡ（例えば、タイプ１又はタイプ２）の多くのデバイスが存在してもよく、各デバイスは、車両の１２Ｖアクセサリポート／ＯＢＤポート／ＵＳＢポートに差し込まれるか又は車両に組み込まれてもよい。ガソリンスタンド、街灯柱、街角、トンネル、立体駐車場、工場／スタジアム／駅／ショッピングモール等の広い領域を範囲に含むための散在する場所等の場所に設置された他方のタイプのＢデバイス（例えば、Ａがタイプ２の場合はタイプ１のＢ、Ａがタイプ１の場合はタイプ２のＢ）が１つ以上存在してもよい。タイプＡデバイスは、ＴＳＣＩに基づいて位置特定、追跡又は監視されてもよい。
一実施形態において、対象がリンクから最大１０メートル離れている場合及び／又は壁の反対側に存在する場合に速度を取り込むことができる受動的速度推定のための散乱モデルに加えて、統計的手法を導出するために散乱マルチパスモデルが検討される。提案されるモデルは、屋内無線センシングの新しい方向と機会を提供する。更に、「ＧａｉｔＷａｙ」と呼ばれる歩容認識システムが歩行速度のみに基づいて構築される。物理的に妥当な様々な特徴を抽出することにより、ＧａｉｔＷａｙは、場所、姿勢、環境、及びユーザの衣服に依存せずに被検者の歩容を認識できる。
多数のマルチパスが与えられる場合、開示されるシステムは、開示される方法に基づいて全てのマルチパスをまとめて考慮することにより、チャネル特性を統計的に調べることができる。対象の移動速度は、ＣＳＩのＡＣＦから計算可能である。多数のマルチパスの統計的特性に基づいて構築された場合、開示される方法は、環境、場所及びユーザの姿勢に依存しない。開示される方法は、ユーザの通常の活動の間の安定期間を自動的に検出する。開示されるシステムは、速度のＡＣＦを使用して、そのような歩行周期性を測定できる。開示されるシステムは、歩容サイクル時間を推定し、一歩毎に速度系列をセグメント化できる。被検者の歩容を監視及び評価するために、開示されるシステムは、３つの単純な特性、すなわち、平均歩行速度、歩容サイクル時間及びストライド長を調べることができる。更に、開示されるシステムは、歩容の進行を評価するために、例えば調和比である安定性及び対称性の尺度を採用することもできる。開示されるシステムは、サポートベクトルマシン（ＳＶＭ）を活用して、速度、加速度、対称性、律動性及び歩調、滑らかさ、反復定量分析、並びにＡＣＦ特徴を含む速度推定値から抽出された特徴に基づいて様々な歩容を認識できる。
２足動物（例えば、人間）は、１つの歩容サイクルに対して２つのステップセグメントを有する。例えば、第１のステップセグメントは左足の前方への動きに対応してもよく、第２のステップセグメントは右足の前方への動きに対応してもよい。４足動物（例えば、犬）は、１つの歩容サイクルに対して４つのステップセグメントを有する。各ステップセグメントは、各足の動きに対応してもよい。ステップセグメントは異なる長さを有してもよい。
開示されるシステムは、開示される方法を適用するために散乱が明確で豊富（ｒｉｃｈ）なマルチパスモデルを調べることができる。図１Ａに示すようにモデルドップラー周波数シフト（ＤＦＳ）において１つの主要な反射経路のみを生成する単一の反射体としてオブジェクト（例えば、人体）を単純化する代わりに、図１Ｂは、本開示のいくつかの実施形態に従って、オブジェクトが信号を散乱させて複数の経路を生成する散乱が豊富な屋内環境における例示的なマルチパスモデルを示す。図１Ｂに示すように、人体１１０は、様々な方向に信号を反射する複数の散乱体として見られ、それらの信号はあらゆる方向からの他のオブジェクトにより散乱された信号と共にＴｘ１２０で重ね合わされる。多数のマルチパスが与えられた場合、特定の反射経路を幾何学的に分析したり、他の経路を無視して主要な経路を仮定するのではなく、開示されるシステムは、全てのマルチパスをまとめて考慮することにより、チャネル特性を統計的に調べることができる。それにより、対象の移動速度をＣＳＩのＡＣＦから計算できる。多数のマルチパスの統計的特性に基づいて構築されるため、開示される方法は環境、場所及びユーザの姿勢に依存しない。マルチパスが豊富な環境で機能しない以前の反射モデルとは対照的に、提案されるモデルは、マルチパスが多いほど適切に機能し、壁を介した検知をサポートする。
開示されるシステムは、壁を介して速度を追跡することもできる。各々が全方向性アンテナを備える無線送信対について考える。時間ｔにおけるマルチパスチャネルのチャネル周波数応答（ＣＦＲ）は、チャネル状態情報（ＣＳＩ）とも呼ばれ、一般に次式のようにモデル化されてもよい。
式中、ａｌ（ｔ）及びτｌ（ｔ）はそれぞれ、ｌ番目のマルチパス成分（ＭＰＣ）の複素振幅と伝搬遅延を表し、ΩはＭＰＣのセットを表す。
式中、ａｌ（ｔ）及びτｌ（ｔ）はそれぞれ、ｌ番目のマルチパス成分（ＭＰＣ）の複素振幅と伝搬遅延を表し、ΩはＭＰＣのセットを表す。
タイミング、周波数同期オフセット及び付加的熱ノイズのため、
式中、α（ｔ）とβ（ｔ）はそれぞれ、時間ｔにおけるランダム初期歪みと線形位相歪みである。
式中、α（ｔ）とβ（ｔ）はそれぞれ、時間ｔにおけるランダム初期歪みと線形位相歪みである。
無線信号は、壁、天井、床、家具、人体等の多数の散乱体により散乱される。ＥＭ波の重ね合わせの原理により、ＣＳＩであるＨ（ｔ，ｆ）を次式のように分解できる。
式中、Ωｓ（ｔ）は静的散乱体のセットを示し、Ωｄ（ｔ）は動的散乱体のセットを示し、Ｈｉ（ｔ，ｆ）はｉ番目の散乱体が寄与する部分を表す。ε（ｔ，ｆ）はノイズ項であり、これは分散σ２（ｆ）の付加的白色ガウスノイズ（ＡＷＧＮ）として近似可能であり、Ｈｉ（ｔ，ｆ）から統計的に独立している。分解は、受信したＥＭ波を全方向に拡散する「仮想Ｔｘ」として各散乱体を扱うことができ、これらのＥＭ波は屋内の内部オブジェクトに跳ね返った後に受信アンテナにて合算されるということを直感的に示す。その結果、Ｈ（ｔ，ｆ）は実際は、全ての受信ＥＭ波の電界の合計を測定する。実際は、十分に短い期間内では、Ωｓ（ｔ）のセット及びΩｄ（ｔ）のセットの双方が時間とともに変化する速度は遅く、それらを時間不変セットとして近似できると仮定するのが妥当である。
式中、Ωｓ（ｔ）は静的散乱体のセットを示し、Ωｄ（ｔ）は動的散乱体のセットを示し、Ｈｉ（ｔ，ｆ）はｉ番目の散乱体が寄与する部分を表す。ε（ｔ，ｆ）はノイズ項であり、これは分散σ２（ｆ）の付加的白色ガウスノイズ（ＡＷＧＮ）として近似可能であり、Ｈｉ（ｔ，ｆ）から統計的に独立している。分解は、受信したＥＭ波を全方向に拡散する「仮想Ｔｘ」として各散乱体を扱うことができ、これらのＥＭ波は屋内の内部オブジェクトに跳ね返った後に受信アンテナにて合算されるということを直感的に示す。その結果、Ｈ（ｔ，ｆ）は実際は、全ての受信ＥＭ波の電界の合計を測定する。実際は、十分に短い期間内では、Ωｓ（ｔ）のセット及びΩｄ（ｔ）のセットの双方が時間とともに変化する速度は遅く、それらを時間不変セットとして近似できると仮定するのが妥当である。
全ての散乱体が同一水平面内に存在する２Ｄ散乱モデルを考えることができる。チャネル相反性（ｃｈａｎｎｅｌ ｒｅｃｉｐｒｏｃｉｔｙ）により、両方向に進むＥＭ波は同じ物理的摂動（すなわち、反射、屈折、回折等）を受ける。したがって、受信機がＥＭ波を送信している場合、ｉ番目の散乱体又は「仮想Ｔｘ」で「測定」されるＣＩＳはＨｉ（ｔ，ｆ）と同じになる。ｉ番目の散乱体の速度がｖｉである場合、Ｈｉ（ｔ，ｆ）の連続制限表現を次式のように表すことができる。
式中、Ｆｉ（θ，ｆ）はｉ番目の散乱体に対する方向θからのＭＰＣの複素チャネル利得を示し、
式中、Ｆｉ（θ，ｆ）はｉ番目の散乱体に対する方向θからのＭＰＣの複素チャネル利得を示し、
反響空洞のために開発されたＥＭ場の統計理論は屋内環境を適切に近似する。これに基づくと、∀ｉの場合のＦｉ（θ，ｆ）は、以下に示す特性を有する確率変数として表すことができる。∀θの場合、Ｆｉ（θ，ｆ）は同じ分散σＦ２（ｆ）の円対称ガウス確率変数であり、∀θ１／＝θ２の場合、Ｆｉ（θ１，ｆ）とＦｉ（θ２，ｆ）とは統計的に独立し、∀ｉ／＝ｊ∈Ωｄの場合、Ｆｉ（θ１，ｆ）とＦｉ（θ２，ｆ）とは∀θ１と∀θ２に対して統計的に独立している。
上記の特性を用いて、ＣＳＩのＡＣＦが速度ｖｉにどのように関係するかを調べることができる。Ｈｉ（ｔ，ｆ）の平均はゼロに等しく、すなわち、Ｅ［Ｈｉ（ｔ，ｆ）］＝０である。式中、Ｅ［・］は期待演算子を示す。その場合、タイムラグτを有する２つのＣＳＩの共分散を次式のように書くことができる。
タイムラグτを有するＨｉ（ｔ，ｆ）のＡＣＦをρＨｉ（τ，ｆ）とすると、次式のように導出される。
タイムラグτを有するＨｉ（ｔ，ｆ）のＡＣＦをρＨｉ（τ，ｆ）とすると、次式のように導出される。
同様に、タイムラグτを有するＣＳＩであるＨ（ｔ，ｆ）のＡＣＦをρＨ（τ，ｆ）とすると、次式のように取得できる。
式中、δ（・）はディラックのデルタ関数である。式からわかるように、ρＨ（τ，ｆ）はＨｉ（ｔ，ｆ）のＡＣＦの線形結合であり、各項の重みは対応する散乱体により散乱されたエネルギに等しい。
式中、δ（・）はディラックのデルタ関数である。式からわかるように、ρＨ（τ，ｆ）はＨｉ（ｔ，ｆ）のＡＣＦの線形結合であり、各項の重みは対応する散乱体により散乱されたエネルギに等しい。
１人だけが監視領域内で移動している場合を考える。全ての散乱体の速度は同じであると近似でき、すなわち、∀ｉ∈Ωｄの場合、ｖｉ＝ｖである。
その場合、ρＨ（τ，ｆ）を以下のように簡略化できる。
式中、α（ｆ）は各副搬送波ｆの利得として定義される。式（８）は、人体の移動速度とＣＳＩの２次統計値、すなわちＡＣＦとを橋渡しする。
式中、α（ｆ）は各副搬送波ｆの利得として定義される。式（８）は、人体の移動速度とＣＳＩの２次統計値、すなわちＡＣＦとを橋渡しする。
実際は、ＡＣＦの推定値であるサンプルＡＣＦが代わりに使用され、ＡＣＦの推定ノイズを示すためにｎ（τ，ｆ）を使用できる。すなわち、次式のように表される。
式（９）の項Ｊ０（ｋｖτ）は移動速度ｖの関数であるため、以下、これを速度信号と呼ぶ。
しかし実際は、特に、監視されている人間がリンクから遠いか又は壁の反対側に存在する場合、人間の動きにより変調された各副搬送波における速度信号の信号対ノイズ比（ＳＮＲ）は非常に低い可能性がある。２次統計値として、ＡＣＦは位相の問題を回避し、全ての副搬送波にわたり同期される。これにより、異なる副搬送波で測定されたＡＣＦを直接合成できる。以下では、速度信号のＳＮＲが最大になるように最適な方法で複数の副搬送波で測定された速度信号を合成する最大比合成（ＭＲＣ）に基づいて、新規の方式が提案される。ＭＲＣは、複数のアンテナで受信された信号を合成することによりＳＮＲを最適化するテレコミュニケーションにおけるダイバーシティ合成方法であり、本明細書中では副搬送波を受信ダイバーシティとして扱うことによりＭＲＣを適用できる。
しかし実際は、特に、監視されている人間がリンクから遠いか又は壁の反対側に存在する場合、人間の動きにより変調された各副搬送波における速度信号の信号対ノイズ比（ＳＮＲ）は非常に低い可能性がある。２次統計値として、ＡＣＦは位相の問題を回避し、全ての副搬送波にわたり同期される。これにより、異なる副搬送波で測定されたＡＣＦを直接合成できる。以下では、速度信号のＳＮＲが最大になるように最適な方法で複数の副搬送波で測定された速度信号を合成する最大比合成（ＭＲＣ）に基づいて、新規の方式が提案される。ＭＲＣは、複数のアンテナで受信された信号を合成することによりＳＮＲを最適化するテレコミュニケーションにおけるダイバーシティ合成方法であり、本明細書中では副搬送波を受信ダイバーシティとして扱うことによりＭＲＣを適用できる。
α（ｆ）が小さい場合、すなわち、Ｈ（ｔ，ｆ）における白色ノイズの割合が大きい場合、ＡＣＦの各タップは平均分散が１／Ｎであるゼロ平均正規分布に従い、すなわち、
である。式中、ＮはＡＣＦ推定において使用されるサンプル数である。したがって、式（９）のｎ（τ，ｆ）の分散は、異なる副搬送波で同じである。異なる副搬送波のノイズ項が統計的に独立しているということを考慮すると、ＭＲＣ方式が速度信号Ｊ０（ｋｖτ）のＳＮＲの最大値を達成することを示すことができる。すなわち、次式のように表される。
式中、Ｓ（τ）は合成速度信号と呼ばれ、ｗ＊（ｆ）は副搬送波ｆの最適合成重みを示し、ｗ＊（ｆ）は利得α（ｆ）に線形に比例する。
である。式中、ＮはＡＣＦ推定において使用されるサンプル数である。したがって、式（９）のｎ（τ，ｆ）の分散は、異なる副搬送波で同じである。異なる副搬送波のノイズ項が統計的に独立しているということを考慮すると、ＭＲＣ方式が速度信号Ｊ０（ｋｖτ）のＳＮＲの最大値を達成することを示すことができる。すなわち、次式のように表される。
式中、Ｓ（τ）は合成速度信号と呼ばれ、ｗ＊（ｆ）は副搬送波ｆの最適合成重みを示し、ｗ＊（ｆ）は利得α（ｆ）に線形に比例する。
しかし、各副搬送波における利得α（ｆ）は、ＣＳＩから直接取得できない。好都合なことに、Ｊ０（ｋｖτ）がタイムラグ０において連続的であるため、すなわち、ｌｉｍτ→０ Ｊ０（ｋｖτ）＝１であるため、式（８）に従ってα（ｆ）=ｌｉｍτ→０ ρＨ（τ，ｆ）を得ることができる。したがって、チャネルサンプリングレートＦｓが十分に高い場合、
ＭＲＣがＳＮＲを最大化するということは、全ての副搬送波を適切に合成する場合、それらのノイズ項が独立しているため、「適切な」副搬送波が信号をブーストする一方で、「不適切な」副搬送波はノイズを減衰させるのに役立つということを直感的に示す。
図２Ａは、合成速度信号の一例を示し、図２Ｃは、合成速度信号のマトリクスを示す。図中、マトリクスの各列が合成速度信号に対応する。図２Ａに示すように、合成速度信号の形状はｘ＝ｋｖτであるベッセル関数Ｊ０（ｘ）に類似し、それらの主要な特徴、例えば第１のピーク又は底の場所を一致させることにより速度ｖを抽出できる。ＧａｉｔＷａｙの一実施形態において第１のピークを使用することができ、すなわち、速度は次式で計算される。
式中、ｘ０はベッセル関数Ｊ０（ｘ）の第１のピークに対応する定数値であり、
は合成速度信号における第１のピークに対応するタイムラグであり、図２Ｃにおいて点２１０で示される。
式中、ｘ０はベッセル関数Ｊ０（ｘ）の第１のピークに対応する定数値であり、
は合成速度信号における第１のピークに対応するタイムラグであり、図２Ｃにおいて点２１０で示される。
一実施形態において、速度推定を向上するために２つのステップが更に実行される。第１に、ピークを見つけやすくするために、図２Ｂ及び図２Ｄに示すように合成速度信号の差分が使用される。この場合、ｘ０はＪ０（ｘ）の導関数の第１のピークに対応する場所になる。第２に、開示されるシステムは、２つの受信アンテナ間の位相差を使用して、生の位相における誤差を排除することができる。ＡＣＦのおかげで、開示される方法は初期位相オフセットの影響を受けない。図３は、ユーザが連続的に歩行する間の１０秒間の期間における速度推定値を示す。図３は、ＭＲＣが速度推定を大幅に向上することを更に示す。
開示されるシステムは、ＤＦＳに基づく方法を実現し、提案される方法とそれとを実際の測定値により比較することができる。具体的には、開示されるシステムは、一方がＬＯＳ状態であり他方がＮＬＯＳ状態である２つのリンク（１つのＴｘと２つのＲｘが一列に存在する）を設定できる。ユーザは、リンクに向かって歩くように求められ、２つの受信機はＣＳＩを同時に測定できる。図４は、歩容ウェイ（ＧａｉｔＷａｙ）に基づく方法及びＤＦＳに基づく方法でそれぞれ推定された速度を示す。図からわかるように、ＧａｉｔＷａｙはＬＯＳリンク又はＮＬＯＳリンクのいずれかを使用して速度を正確に取り込み、正確なインステップ速度の変化を保存する。双方のリンクの速度推定値は整合性が高く、絶対値の差異は僅かしかない。しかし、ＤＦＳに基づく方法では、ＬＯＳの場合及びＮＬＯＳの場合の双方で正確な速度を取り込めない。
事前に定義された直線経路に沿ってほぼ一定の速度で歩くことのみをユーザに許可し、安定した歩行中に全てのデータが収集されると仮定するのではなく、開示されるシステムは、自由で自然な歩行に対する歩容情報を取得することを目的とする。ユーザは、歩く、座る、立つ及びタイピングする等の様々な活動を実行してもよい。また、特に、立ち止まった状態から歩き始める場合、進行方向を変更する場合又は止まろうとしている場合等は、ユーザは異なる速度で歩くだろう。これらの期間中、歩行速度は最も特徴的で安定した歩容特徴を必ずしも反映しない。したがって、歩容分析／認識の第１のステップは、被検者がいつものペースで普通に歩く安定歩行期間を識別することである。
ユーザの通常の活動中の安定期間を自動的に検出するアルゴリズムを考案することができる。ユーザがスムーズに歩いているとき、観察される速度は一定の範囲に達し、周期的な歩リズムによる反復パターンになる。
開示されるシステムは、速度のＡＣＦを使用して、そのような歩行の周期性を測定できる。図５に示すように、ユーザが安定して歩いている場合、速度のＡＣＦから明確なピークが観察される。対照的に、変動する歩行に対してＡＣＦはより平坦になる。開示されるシステムは、速度推定値にスライディングウインドウ（例えば、３秒）を適用して、各ウインドウのＡＣＦを計算できる。その場合、開示されるシステムは、速度のＡＣＦに対してピーク検出を使用して第１のピークを調べることができる。連続した一連の信頼性の高いピークが観察された場合のみ、期間は安定した歩行であると考えられる。
よりロバストであるために、開示されるシステムは更に、歩行速度の平均中心傾向をチェックすることができる。平均速度が特定の値（例えば、１．０ｍ／ｓ〜２．０ｍ／ｓである通常の人間の歩行速度より小さい０．７ｍ／ｓ）より大きい場合のみ、歩行期間は歩容分析に使用される。図７は、識別された安定歩行期間の一例を示す。速度は、ユーザが１０メートルの廊下を２往復する際に測定される。この場合、各安定期間は、速度系列Ｖ＝［ｖ（ｔｉ）、ｉ＝１，２，．．．，Ｍ］の歩容インスタンスになる。
また、開示されるシステムは、歩行中に同一の踵が地面に当たる２つの連続する事象間の期間として定義される歩容サイクルを推定できる。開示されるシステムは、歩容サイクル時間を推定するだけでなく、速度系列を一歩毎にセグメント化する。通常の人間の歩行中、被検者の速度は増加した後に減少し、その結果、一歩毎に速度のピークが発生する。したがって、開示されるシステムは、図６に示すように、速度系列に対して単純なピーク検出を実行することで歩を識別できる。ノイズ及び外れ値を除去するために、特定の制約（ピークの突出度及び高さを含む）がピーク検出に適用される。全ての歩が識別されると、開示されるシステムは、最初のピークの前の期間と最後のピークの後の期間とを削除することにより、歩行期間を切り出すことができる。残った軌跡は、ＧａｉｔＷａｙの一実施形態において更に分析するための有効な歩容インスタンスになる。
また、開示されるシステムは、個々の歩容を分析できる。歩行速度及び識別された歩容サイクルから、種々の歩容特性を分析できる。被検者の歩容を監視及び評価するために、開示されるシステムは３つの特性、すなわち、平均歩行速度、歩容サイクル時間及びストライド長を調べることができる。更に、開示されるシステムは、歩容の進行を評価するために、安定性及び対称性の尺度、すなわち調和比を採用することもできる。ストライドは完全な歩容サイクルであり、２足動物の場合は２つのステップセグメントを含み、３足の場合は３つのステップセグメントを含み、４足の場合は４つのステップセグメントを含む。
一実施形態において、平均歩行速度は、ユーザの歩行速度の瞬時推定値の平均値として単純に取得される。図８に示すように、開示される測定値は、異なるユーザが異なる習慣的速度を有し、ユーザの歩行速度が時間とともに変動することを示す。
一実施形態において、歩容サイクル時間は、連続する２歩毎の平均継続時間として計算される。図８の中段は、異なる場所及び時間に測定された２人のユーザの歩行インスタンスの平均サイクル時間を示す。２０個の軌跡にわたり、２人のユーザにそれぞれ０．７ミリ秒と０．６ミリ秒の分散が観察される。
一実施形態において、ストライド長の推定は、開示されるシステムによっても実行することができる。正確な速度推定のおかげで、各歩の継続時間にわたって速度推定値を積分することによりストライド長を直感的に導出できる。図８の下段は、２人のユーザの推定ストライド長を示す。
調和比（ＨＲ）は、歩行の滑らかさの定量的尺度として採用されてもよい。ＨＲ技術を使用して、種々の病理の影響を研究したりリハビリテーションを監視することへの関心が高まっている。ＨＲは、所定のストライドの加速度の調和成分を定量化することにより、ストライド内の歩間の対称性を調べる。最初に、各ストライド内の加速度に対して離散フーリエ変換（ＤＦＴ）を実行する。ＨＲは、奇数高調波の振幅の合計に対する偶数高調波の振幅の合計の比として定義されてもよい。開示されるシステムは、最初の２０個の高調波を使用してＨＲを計算できる。これは、電力の大部分が１０Ｈｚ未満で発生する通常の歩調に対して正当である。図９は、７サイクル（１４歩）の歩行軌跡のＨＲを示し、歩行中の歩間の対称性の進行を示す。
開示されるシステムは、ストライド長、ストライド時間及び歩行速度の間のペアワイズ関係を調べ、歩行者の推測航法に関連する研究に注目することができる。この目的のために、開示されるシステムは、異なる状況で収集された６人のユーザの測定値を統合し、関係を図１０に視覚化することができる。図示されるように、ストライド長は、異なるグレースケールで示される異なるユーザの歩行速度に対して明らかに変化する。したがって、ストライド長が固定されていると仮定すると、重大な誤差が生じるため、歩行者の推測航法に関する多くの従来の技術で行われているように、ストライド長に歩数を乗算して歩行距離が導き出される。
更に、開示される測定では、事前に定義された経路又は事前に定義された方向に沿って歩くこと、あるいは意図的な速度で歩くことを求めることなく、被検者が自由に歩き回る際にデータが自動的に収集及び抽出される。実際には、関係する被検者はデータ収集を認識する必要すらない。これは、継続的歩行監視／認識システムを支える重要な特性である。人間認識のために環境的に再現可能な特徴を取得するため又はＤＦＳを導出するために被検者に上記の制約の一部又は全てを課す従来の技術と大きく異なる。
ＣＳＩ測定値から妥当性が低く環境に依存する特徴を含むデータ主導の特徴を直接抽出する代わりに、開示されるシステムは、速度推定値から物理的に妥当性が高く環境に無関係な真の歩容特徴を抽出することにより人間識別を実行する。上述した歩容監視のパラメータに加えて、開示されるシステムは、人間の歩容パターンの種々の側面を特徴付ける多くの特徴を考案できる。
歩容速度について、被検者の速度が時間とともに大きく変動するため、開示されるシステムは平均歩行速度を特徴として直接使用しない。開示されるシステムは、平均歩行速度に依存しない特徴を利用できる。図１１Ａに示すように、開示されるシステムは、最初に平均中心速度を減算することにより、絶対速度をトレンド除去できる。次に、開示されるシステムは、速度偏差の様々なパーセンタイル値を計算できる（例えば、ＧａｉｔＷａｙの一実施形態において、図１１Ｂに示すように９５％タイル、７５％タイル及び５０％タイルを取得することにより）。具体的には、開示されるシステムは、正の偏差、負の偏差、全偏差の絶対値のそれぞれに対して上記のパーセンタイル値を取得できる。
加速度は速度の導関数として計算されてもよい。開示されるシステムは、加速度の最大値、最小値及び分散を取得できる。歩行加速度も正弦波状パターンを示すため、開示されるシステムは、加速度シーケンスのピーク及び谷を識別し、それぞれの分散を計算することもできる。
対称性のレベルも歩容の特徴である。開示されるシステムは、左足と右足の歩時間及びストライド長をそれぞれ計算し、それらの平均及び標準偏差を特徴として取得できる。各特徴の右足と左足との間の差分は、歩容の対称性の尺度として導出される。
律動性及び歩調は、歩容に基づいて測定可能である。図５を再度参照すると、開示されるシステムは歩行速度のＡＣＦを計算できる。ユーザが通常通り律動的に歩く場合、速度ＡＣＦは複数の顕著なピークを示し、ゆっくり減衰する。したがって、ＡＣＦは歩行の律動性又は動的安定性を具現化する。したがって、開示されるシステムは、速度のＡＣＦに基づいていくつかの特徴を開発できる。一実施形態において、開示されるシステムであるＧａｉｔＷａｙは、スライディングウインドウを適用して各歩行インスタンスの一連のＡＣＦを計算することができ、その結果、速度ＡＣＦマトリクスを取得できる。そこから、開示されるシステムは、最初に各ＡＣＦの顕著なピーク及びそれに対応する遅延を識別した後、単一値の特徴、すなわち、ＡＣＦの第１のピークの値の平均及び分散、識別された顕著なピークの数、ピークサイクルの分散（すなわち、連続する歩サイクル時間の差分に対応する各ＡＣＦのピーク遅延の差分）、並びに顕著な第１のピークが観察されないマトリクス内のＡＣＦの比を抽出できる。
一実施形態において、調和比（ＨＲ）は歩容の滑らかさの尺度として使用される。開示されるシステムは、歩行中における歩容サイクル毎に１つのＨＲ値を取得できる。歩行軌跡の単一値の特徴を取得するために、開示されるシステムは、ＨＲ値の中央値及び分散を取得できる。
歩容の変動性を定量化するために、開示されるシステムは、その位相空間軌道により提示される動的システムの反復の数及び継続時間を定量化する非線形データ分析の方法である再帰定量化分析（ＲＱＡ）を採用できる。それは、動的システムの位相空間軌道が位相空間のほぼ同じ領域に現れる時間を全て視覚化して明らかにするリカレンスプロット（ＲＰ）を分析することにより、再帰特性を記述する。そのようなＲＰはＮ＊Ｎ行列Ｒ：
として数学的に表される。
ＧａｉｔＷａｙの一実施形態において、状態空間軌道Ｘは、埋め込み次元が５であり且つ１０サンプル分の遅延を有する速度系列｛ｖｉ、ｉ＝１，２，．．．，Ｌ｝から構築される。図１２は、２人の異なるユーザに対する２つの例示的なＲＰを示す。上方のＲＰは、より安定した周期的歩行を示すより多くの対角線を提示する。ＲＱＡによりＲＰに基づいて多くの尺度を導き出せる。ＧａｉｔＷａｙの一実施形態において、ＲＰの様々な特性を反映するために、（１）ＲＰにおける再帰点の百分率である再帰率、（２）対角線を形成する再帰点の百分率である判定論、（３）対角線の長さの確率分布のシャノンエントロピ、並びに（４）対角線の長さの平均という４つの尺度を利用できる。測定値は、４つの歩容サイクルにわたって計算された場合にＲＱＡが安定した値に到達することを示す。これは、安定歩行期間の検出のための最短の長さを提案する。実際には、開示されるシステムは、利用可能なデータをより多く収集するために、最小で３サイクル（すなわち、６歩）に緩和することができる。３サイクル未満の歩行期間は、歩行認識に考慮されなくてもよい。
として数学的に表される。
ＧａｉｔＷａｙの一実施形態において、状態空間軌道Ｘは、埋め込み次元が５であり且つ１０サンプル分の遅延を有する速度系列｛ｖｉ、ｉ＝１，２，．．．，Ｌ｝から構築される。図１２は、２人の異なるユーザに対する２つの例示的なＲＰを示す。上方のＲＰは、より安定した周期的歩行を示すより多くの対角線を提示する。ＲＱＡによりＲＰに基づいて多くの尺度を導き出せる。ＧａｉｔＷａｙの一実施形態において、ＲＰの様々な特性を反映するために、（１）ＲＰにおける再帰点の百分率である再帰率、（２）対角線を形成する再帰点の百分率である判定論、（３）対角線の長さの確率分布のシャノンエントロピ、並びに（４）対角線の長さの平均という４つの尺度を利用できる。測定値は、４つの歩容サイクルにわたって計算された場合にＲＱＡが安定した値に到達することを示す。これは、安定歩行期間の検出のための最短の長さを提案する。実際には、開示されるシステムは、利用可能なデータをより多く収集するために、最小で３サイクル（すなわち、６歩）に緩和することができる。３サイクル未満の歩行期間は、歩行認識に考慮されなくてもよい。
また、開示されるシステムは、特徴抽出のためにＣＳＩのＡＣＦ（図２Ａ〜図２Ｄに図示）を調べることができる。ＡＣＦは歩行速度に密接に関係するが場所及び環境に依存しないため、歩容分類のシグネチャとして機能する。具体的には、歩行期間内の全てのＡＣＦを使用するのではなく、図６において識別されるように速度ピークに対応するＡＣＦを考慮することができる。尚、ピーク速度は歩行軌跡内で異なる可能性があり、すなわち、ＡＣＦの第１のピークの場所は時間とともに変動する。したがって、開示されるシステムは、全てのＡＣＦを平均ピーク速度に対応するスケールに合わせることができる。より明確にするために、開示されるシステムは、各ＡＣＦの差分を取得し、次に、スケーリングされたＡＣＦの差分を平均することができる。図１３は、スケーリングされたＡＣＦの差分の一例を示す。開示されるシステムは、開示されるシステムにおける特徴ベクトルとして最初の５０タップを使用できる。
開示されるシステムは、上記の全ての特徴をまとめることができ、その結果、歩行インスタンス毎に９０次元の特徴ベクトルが得られる。開示されるシステムは、潜在的な次元演繹のために以下の２つのステップを実行することができる。第１に、開示されるシステムは、これらの特徴が互いに相関しているかを調べることができる。開示されるシステムは、全ての特徴（全体として取られる５０次元ＡＣＦ特徴を除く）のペアワイズ相関を計算し、図１４のように相関マトリクスを描くことができる。抽出された特徴の殆どは互いに独立している。相関マトリクスの対角線に沿う４つのクラスタ化された領域１４１０で示されるように、いくつかの特徴は他の特徴よりも相関が高い。例えば、特徴＃２〜＃８は全てサイクル時間に関連しているため、相関が高い。同様に、特徴＃１６〜＃２３は速度偏差の異なる測定値である。特徴＃３０〜＃３４は加速度に関連し、特徴＃３８〜＃４０は全てＲＱＡにより抽出される。開示されるシステムは、分類のために、高度に相関する特徴の各対の一方を除去できる。第２に、開示されるシステムは、特徴選択のために、結果に基づく方法を採用できる。具体的には、開示されるシステムは、特定の特徴を用いて及び用いずに１０回相互検証を実行し、出力分類精度が向上した場合のみ、当該特徴を保持できる。
抽出された特徴が与えられると、開示されるシステムは、歩容パターンによってユーザを（他の人間から）識別できる。歩容認識に続いて、ユーザが対象被検者か又は未知の他人であるかを検証する単一ユーザ認証と、候補者セットの中でユーザがどの対象被検者であるかを識別する複数ユーザ認識という２つの識別の場合を考えることができる。開示されるシステムは、この目的のために、分類技術であるサポートベクトルマシン（ＳＶＭ）を活用できる。ここでの主な目標が歩容認識に対する速度推定値と物理的に妥当性が高い特徴の有効性を示すことであるため、開示されるシステムは、一般的なディープラーニング技術の代わりにＳＶＭを使用できる。一実施形態において、開示されるシステムにおいてディープラーニングの適用を続けることができる。
単一ユーザ認証の場合、開示されるシステムは、被検者の歩容インスタンスをポジティブクラスと見なし且ついくつかのベンチマークユーザをネガティブクラスと見なすバイナリ分類子を作成することにより、被検者の歩容モデルを訓練できる。ベンチマークデータは、利用可能な標準のパブリックデータベースから取得できる。ＧａｉｔＷａｙの一実施形態において、それらは実験参加者からランダムに選択される。対象者を認証するために、開示されるシステムは、インスタンスが対象クラスに適合する確率を計算できる。確率が閾値より高い場合、テスト用歩容インスタンスは対象の被検者に属すると見なされ、確率が閾値以下の場合、当該インスタンスは却下される。実際には、閾値は、種々の認証アプリケーションに適合するために、ユーザによる種々の機密レベルとして定義できる。
複数のユーザを認識するために、開示されるシステムは、対象ユーザからの歩容インスタンスをポジティブクラスとし且つ他の全ての候補者からのインスタンスをネガティブクラスとして、各ユーザに対して１対全部のバイナリ分類子を訓練できる。その場合、テスト用歩容インスタンスが与えられると、開示されるシステムはそれを全ての分類子に入力し、インスタンスが各クラスに属する適合確率を取得できる。歩容インスタンスは、最も高い適合確率が観察される分類子を有するユーザに割り当てられてもよい。一実施形態において、開示されるシステムは、放射基底関数（ＲＢＦ）カーネルと共にＳＶＭツールを使用することができる。パラメータγ及びｃの最適値は、１０回相互検証を使用したグリッド検索によって選択される。分類のために、特徴を［０，１］にスケーリングしてもよい。
一実施形態において、オブジェクトの律動的な動き、例えば人間の歩容は、無線マルチパスチャネルのチャネル情報に基づいて開示されるシステムにより計算される時系列の中間量（ＩＱ）に基づいて監視できる。無線マルチパスチャネルは、オブジェクトの律動的な動きの影響を受ける。一実施形態において、時系列の速度（ＩＱ）が取得された後、安定した歩行運動（例えば、律動的な動き）のタイムウインドウを求めて、時系列の速度が分析される。安定した歩容がある場合、平均（平均）速度は小さすぎず且つＩＱの自己相関関数に強い極大値が存在するはずである。別の実施形態において、オブジェクトの安定した律動的な動きのタイムウインドウにおける速度の極大値を計算するために、ピーク検出が実行される。
一実施形態において、タイムウインドウの「ステップ」セグメントは、極大値から次の極大値までの時間として定義される。ステップセグメントは地面に触れる左足にほぼ対応してもよく、次のステップセグメントは地面に触れる右足にほぼ対応してもよい。最大速度（ＩＱ）の時に必ずしも踵が地面に触れるか又は地面から離れるわけではないため、「ほぼ対応する」とする。２つの連続するステップセグメントを組み合わせて、歩容サイクル又は運動サイクルを定義できる。別の実施形態において、本請求項で極大値を極小値に置き換えることができる。別の実施形態において、律動的な動きはタイムウインドウの両端において完全に安定していないか又は定常状態にない場合があるため、例えばタイムウインドウの両端から一部のＩＱをプルーニング／削除することにより安定した律動的な動きのタイムウインドウが調整されてもよい。被検者が動いていない状態から歩き始める場合、タイムウインドウ内の最初のいくつかの瞬間にはまだ「加速」モードである場合があり、タイムウインドウの最後のいくつかの瞬間には既に「減速」モードである場合がある。これらの非定常状態のＩＱを識別する１つの方法は、隣接する極大値間の時間差が増加又は減少していることであってもよい。定常状態では、時間差はある程度安定しているはずである。歩容速度に関連する特徴がいくつかある。歩容速度（例えば、歩行速度）自体は、健康関連の監視にとって重要である。しかし、歩容速度は歩容認識（すなわち、歩容に基づく人間の認識）にはあまり役立たない場合がある。代わりに、速度偏差、ピーク分散、谷分散、調和比等の歩容速度から導出された分析がより重要である場合がある。歩容特徴又は運動特徴は、ステップセグメント（例えば、２足動物の場合は運動サイクルの半分、４足動物の場合は運動サイクルの４分の１、あるいはＮ足動物の場合は運動サイクルの１／Ｎ）に関連する場合がある。Ｎ足動物が前進すると、Ｎ本の足が最大前進（又は正の）速度を順次有する。Ｎ足動物の運動サイクルにおいて、ＩＱ（速度）はＮ個の極大値を有してもよい。ステップセグメントは、極大値から次の極大値までの期間又は当該期間の位相シフトバージョンを含んでもよい。
２足の人間の場合、運動サイクルは２つのステップセグメントを有する。奇数のステップセグメントは左足の動き（又は運動サイクルにおける左歩）に対応してもよく、偶数のステップセグメントは右足の動き（又は運動サイクルにおける右歩）に対応してもよい。一例として、各左歩は、左足が地面に触れてから右足が地面に触れるまでの期間に対応してもよい。各右歩は、右足が地面に触れてから左足が地面に触れるまでの期間に対応してもよい。あるいは、各左歩は、左足が地面を離れてから右足が地面を離れるまでの期間に対応してもよい。各右歩は、右足が地面を離れてから左足が地面を離れるまでの期間に対応してもよい。
いくつかの動き特徴は、ストライド又は運動サイクルに関連する。４足動物の場合、奇数の運動サイクルは２本の足に対応してもよく、偶数サイクルは他の２本の足に対応してもよい。ギャロッピングでは、例えば、奇数サイクルが２本の前足に対応してもよく、偶数サイクルが２本の後足に対応してもよい。トロッティングでは、奇数サイクルが左前足及び右後足に対応してもよく、偶数サイクルが左後足及び右前足に対応してもよい。いくつかの動き特徴はＮ個のステップセグメントに関連する（例えば、３足デバイスは３個のステップセグメントを有してもよい）。運動サイクルは、３つの位相を有する波面を形成してもよい。位相１（サイクル１、４、７、．．．）は足１（又は足２及び足３）に対応してもよい。位相２（サイクル２、５、８、．．．）は足２（又は足１及び足３）に対応してもよい。位相３（サイクル３、６、９、．．．）は足３（又は足１及び足２）に対応してもよい。
図１５は、本開示のいくつかの実施形態による歩容認識の例示的な方法１５００を示す。図１５に示すように、最初に、動作１５０２において、無線マルチパスチャネルのチャネル状態情報（ＣＳＩ）が収集される。無線マルチパスチャネルは、動いている人間又は動物の歩容の影響を受ける。動作１５０４において、ＣＳＩは前処理される。前処理に基づいて、動作１５０６において、例えばＭＲＣに基づいて、最大ＳＮＲを達成するように速度信号が最大化される。動作１５０８において、最大ＳＮＲに基づいて歩行速度が推定される。
動作１５１０において、安定歩行期間が検出される。動作１５１２において、安定歩行期間に基づいて歩容サイクルが推定される。次に、動作１５１４において、歩容サイクルから歩容関連特徴が抽出される。動作１５１６において、抽出された歩容特徴に基づいて歩容が認識される。例えば、歩容特徴をデータベースに格納されている特徴と比較することにより、当該歩容で移動しているユーザのユーザＩＤが判定される。
開示されるシステムであるＧａｉｔＷａｙは、商品であるＷｉＦｉデバイスに実装可能であり、約５，０００平方フィートの面積を有する一般的な建物で実験を行うことができる。一実施形態において、データ収集の複数のセッションの間にＷｉＦｉ Ｔｘ及びＲｘを異なる場所に配置することにより、異なる設定を検討できる。一実施形態において、開示されるシステムは６つの異なる設定を有することができ、Ｔｘ及びＲｘは約１ｍの高さのスタンドに設置される。全ての設定において、Ｔｘ及びＲｘは８〜１１メートル離間され、１つ又は複数の壁により遮断される。ＴｘとＲｘはどちらも、市販のＷｉＦｉネットワークインターフェースカード及び変更されていない無指向性チップアンテナを備えた市販のラップトップである。開示されるシステムは、４０ＭＨｚの帯域幅で５．８ＧＨｚチャネル（デフォルトではチャネル１６１）を使用することができる。同じチャネル上に多数のＷｉＦｉデバイスが共存している。
一実施形態において、開示されるシステムは、５人が女性で６人が男性である１１人の被検者から歩容インスタンスを収集できる。データ収集中、ユーザは自然な歩き方で継続的に自由に歩き回っていた。また、ユーザは任意の領域を自由に歩くことができた。ニュースを読んだり、モバイルゲームをプレイしたり、歩きながら電話で話すユーザもいた。実験は、６か月の期間にわたり４つの異なる日に行われた。開示されるシステムは、各日において異なる時間に２つのセッションのデータを収集した。開示されるシステムは、それぞれ異なる設定で合計８セッションのデータを取得した。ユーザは、データ収集の異なるセッションの間に異なる服（夏服〜秋服）を着用した。各セッションにおいて、開示されるシステムは、各被検者について約１０〜２０分の歩行を測定した。データ収集に関わる全ての被検者はＩＲＢにより承認された。データはプライバシー保護のために匿名化された。開示されるシステムは、１１人の参加者から合計で約１０３０分の歩行データを収集でき、開示されるシステムは、それから約９７０分の歩行を抽出できる（すなわち、被検者がリンクの有効範囲の外にいる場合及び速度が取り込まれない時間が約６０分ある）。これらのデータから、開示されるシステムは、有効な安定歩行の５，２８３個の歩行インスタンスを抽出できる。これは約６８０分であり、全歩行時間の約６７％を占める。また、ユーザが頻繁に立ち止まったり歩き始めたり、進行方向を変えたりと自由に歩き、それらは信頼できる歩行測定値として役立たないため、データ収集では有効な割合が制限される。実際には、ユーザが歩容測定に協力的であれば、訓練データの収集はより効率的である。ユーザが一定の経路を繰り返し歩く必要がある多くの従来の技術と比較して、開示されるシステムであるＧａｉｔＷａｙは、タスクを大幅に簡略化し、歩行収集の規模を大幅に向上させる。
単一ユーザ認証、２人のユーザの区別、複数ユーザ認識の特別な状況及び一般的な複数ユーザ認識である３つの場合の性能を別々に研究することができる。上述の歩容認識に続いて、開示されるシステムは、受信機の他人許可率（Ｆａｌｓｅ Ａｃｃｅｐｔａｎｃｅ Ｒａｔｅ（ＦＡＲ））及び本人拒否率（Ｆａｌｓｅ Ｒｅｊｅｃｔｉｏｎ Ｒａｔｅ（ＦＲＲ））に対する動作曲線（Ｒｅｃｅｉｖｅｒ‘ｓ Ｏｐｅｒａｔｉｎｇ Ｃｕｒｖｅ（ＲＯＣ））と、認証を評価するためのＲＯＣ上でＦＡＲとＦＲＲとが等しい点である等価誤り率（Ｅｑｕａｌ Ｅｒｒｏｒ Ｒａｔｅ（ＥＥＲ））と、認識評価のための認識率（Ｒｅｃｏｇｎｉｔｉｏｎ Ｒａｔｅ（ＲＲ））とを使用できる。開示されるシステムであるＧａｉｔＷａｙの以下の全ての結果は、１０回検証に基づいて取得される。
単一ユーザ認証に対するＧａｉｔＷａｙの性能を評価するために、開示されるシステムは、他の全てのユーザの歩容インスタンスをネガティブクラスとして使用することにより、データセット内の各被検者をテストすることができる。開示されるシステムは、訓練データとテストデータとを１０回シャッフルして、統合された結果を示すことができる。一実施形態において、ＧａｉｔＷａｙは、訓練用歩容インスタンスの７０％を使用する場合に１２．５８％のＥＥＲを達成する。一実施形態において、時間にわたりより多くのセッションが含まれる場合、性能は若干低下する。
実際は２人が事務室を共有したり、２人の住人が１つのアパートに住んでいることが非常に一般的であるため、複数ユーザ認識を評価する前に、ユーザが２人である特別な場合を研究することは興味深い。開示されるシステムが２人を区別できる場合、これは特に有用である。開示されるシステムは、データセット内の全ての被検者対に対してバイナリ分類を実行できる。各グループの一方のユーザをポジティブクラスとして扱い且つ他方をネガティブクラスとして扱うことにより、精度及び再現率を検討できる。一実施形態において、ＧａｉｔＷａｙは、訓練用データの７０％を使用する場合、５５対のユーザに対して９４．８４％の平均精度及び９５．２１％の再現率という優れた性能を達成する。訓練用データの２０％を用いるだけで９０％を超える精度を達成できる。自動データ収集／歩容抽出を使用すると、このような量のデータを約２０分の歩行で容易に収集できる。このことから、ＧａｉｔＷａｙはユーザ登録に使用しやすい。
複数ユーザの認識は、検証又は２人の区別より困難である。一実施形態において、ＲＲは異なるセッションが含まれる場合に歩容の変動と共に変化し、セッション数が増加するにつれて性能が低下する。これは、ユーザの歩容速度が時間とともに大きく変動する場合があるためである。例えば実験において、あるユーザの歩行速度は、あるセッションで約０．８ｍ／ｓであり、別のセッションで約１．４ｍ／ｓであった。ＧａｉｔＷａｙは絶対速度の使用を避けるが、開示されるシステムが歩行速度のみに基づいて構築されるため、性能は依然として歩行速度の大きな変化の影響を受ける可能性がある。特に指示されない限り、開示されるシステムであるＧａｉｔＷａｙは、以下の評価において全８セッションのデータを使用できる。
データは自動的に収集及び抽出されるため、各歩容インスタンスの継続時間及び歩数は異なる。したがって、開示されるシステムは、歩行サンプルの長さが認識精度に影響を与えるかを分析できる。開示されるシステムは、全てのテスト歩容インスタンスの長さ分布を分析できる。被検者の歩容は非常に長い歩行の間に変化する可能性があるが、短すぎるインスタンスは歩容特徴を包括的に具体化しない。
開示されるシステムは、異なるセッションからのデータにわたる誤差源分布を調べることにより、異なるセッションの影響を分析できる。一実施形態において、殆どのデータセッションは同様の性能を示すが、セッション＃３はわずか４２．１９％という最低の性能を示す。これは、Ｔｘ−Ｒｘリンクが２つの壁に加えて、約１ｍ×１ｍの鉄筋コンクリート製の主柱で大きく遮られているため、Ｒｘが散乱信号を取り込むことが困難であるためである。セッション＃３からの速度推定を検査することで、他のセッションよりノイズが多いことが確認できる。
被検者数の影響を研究するために、１１人の被検者の２０３６通りの可能な組み合わせの全てを網羅して図１６の結果を統合することができる。一般に、関係するユーザの増加に伴い、ＲＲは徐々に減少する。開示されるシステムであるＧａｉｔＷａｙは、被検者が５人の場合に８０％を超える優れたＲＲを維持するため、通常は家の住人が数人であるスマートホームに対する有望な可能性を示す。一実施形態において、ＲＲが低い被検者は、他の被検者より相対的に大きいＦＡＲ及びＦＲＲを有し、これは、そのような被検者の歩容パターンが弁別しにくいことを示す。
開示されるシステムであるＧａｉｔＷａｙは、パーソナルコンピュータ上でリアルタイムに実行できる。１分のデータの場合、処理に合計で約２７秒（速度推定に２０秒、安定期間識別に６秒、特徴抽出に１秒未満）かかる。ＳＶＭは、１，０００個のインスタンスを用いる場合、訓練とテストにそれぞれ１６４秒と２秒かかる。訓練はオフラインで行えるため、このコストはごくわずかである。
開示されるシステム及び方法に基づく歩容／律動的運動認識は、離れた場所でユーザが能動的に協力せずに達成可能であるため、人間の識別を必要とする様々なユビキタスアプリケーションにとって特に魅力的である。例えばスマートビルは、許可されたユーザが入館する際に扉を自動的に開く。スマートホームは、認識されたユーザに合わせて温度及び周囲の光を変更する。スマートホーム内のスマートテレビは、認識されたユーザのお気に入りの番組で反応する。Ｇｏｏｇｌｅ Ｈｏｍｅ及びＡｍａｚｏｎ Ａｌｅｘａ等のスマートホームデバイスは、認識されたユーザとより親密な方法で直接対話することができる。本開示の種々の実施形態によると、これら全てを機能させるために、ユーザは空間内をいつもどおり歩くだけでよい。
一実施形態において、開示されるシステムは、無線マルチパスチャネルのチャネル情報に基づいてオブジェクトの律動的な動きを監視し、監視の結果に基づいて応答動作をトリガすることができる。種々の実施形態によると、オブジェクトは人間であってもよく、監視される律動的な動きは人間の歩容又は手の動き又は呼吸であってもよい。監視は、オブジェクトの識別を含んでもよい。人を識別すると、開示されるシステムは、その人に合わせた動作の生成及び／又はその人に関連付けられた設定に基づくデバイスの制御等の応答動作をトリガしてもよい。設定は、時刻／日付、月／季節、又は日次／週次／月次／年次ルーチンに基づいてもよい。例えば、開示されるシステムは、その人に関連付けられた好ましい設定、お気に入りの設定又は時間設定に基づいて、ランプ／照明／窓／窓のブラインド／ファン／ＴＶ／オーディオ／掃除機のオン／オフ又はそれらの設定の調整、挨拶用の会話／推薦／提案／報告／簡単な報告／日付のお知らせの生成、スマートスピーカ又はユーザインターフェースでの音楽／ラジオの再生、ラジオ／ＴＶ／ストリーミングデバイス／メディアプレーヤのチャンネル／ソースの調整、コーヒーマシン／オーブン／調理デバイス／自動車の余熱／開始、自動車／車両／ガレージの準備、ドアの解錠、アラームのオン／オフ、何らかのシステムの開始／停止、エアコン／暖房の特定の温度への設定、コンピュータの電源のオン、食品の温め／調理等を行うために信号を送出してもよい。
一例において、律動的な動きは、多くの単純な協調した動き（例えば、人間の頭の動き、首の動き、左手／右手の動き、右手首／左手首の動き、左指／右指の動き、左腕／右腕の動き、左肩／右肩の動き、腰回りの動き、腰の動き、左脚の動き、左足の動き、右脚の動き等）より形成される複雑な律動的な動き（例えば、人のダンスの動き）であってもよい。ストライドは、複雑な律動的な動きの周期又はサイクルに対応してもよい。ステップセグメントは、ストライド内の単純な動き（複雑な動きのサイクル内の「ステップ」）に対応してもよい。ストライドは、一連のＮ個の連続するステップセグメントを組み合わせることで形成されてもよい。ストライドは、Ｎ個のステップセグメントに分解されてもよい。ステップセグメントは、単純な動き又は動きがないことに対応してもよい。一実施形態において、監視は、例えば、転倒した人、急いで行動している人、人が踊っている、遊んでいる、座る、立ち上がる、飛び跳ねている、ジャンプしている、良い／悪い気分／特定の感情の状態にいる等の何らかの事象／動作を検出することを含んでもよい。応答は、介護者／管理人／管理者／警察／医師／緊急応答サービス又はチームに警告すること、健康状態を監視する目的で活動を記録／監視すること、歩数を数えること、毎日の活動／運動目標が達成されるかを判定すること、あるいはユーザに好ましい動作（例えば、運動中に相応しい音楽を再生すること）又は環境の設定を行うように促すことを含んでもよい。一実施形態において、オブジェクトは犬であってもよく、律動的な動きは歩容であってもよい。応答動作は、ドッグフード／ドリンク、水の準備、ドアの施錠／解錠、温度／窓／ファンの調整等であってもよい。
一実施形態において、律動的な動きを監視するためのシステムが説明される。システムは、送信機、受信機及びプロセッサを備える。送信機は、場所の無線マルチパスチャネルを介して場所のオブジェクトに向けて第１の無線信号を送信するように構成される。受信機は、送信機と受信機との間の無線マルチパスチャネルを介して第２の無線信号を受信するように構成される。無線マルチパスチャネルがオブジェクトの律動的な動きの影響を受けるため、第２の無線信号は第１の無線信号と異なる。プロセッサは、第２の無線信号に基づいて無線マルチパスチャネルの時系列のチャネル情報（ＣＩ）を取得し、時系列のＣＩ（ＴＳＣＩ）に基づいてオブジェクトの律動的な動きを監視し、監視の結果に基づく応答動作をトリガするように構成される。種々の実施形態によると、プロセッサは、送信機及び受信機の少なくとも一方に物理的に結合されてもよい。
一実施形態において、プロセッサは、ＴＳＣＩに基づいて時系列の中間量（ＩＱ）を計算し、時系列のＩＱに基づいてオブジェクトの律動的な動きを監視するように更に構成される。一実施形態において、システムは、追加の無線マルチパスチャネルを介して第３の無線信号を送信するように構成された追加の送信機と、追加の無線マルチパスチャネルを介して第４の無線信号を受信するように構成された追加の受信機とを更に備え、追加の無線マルチパスチャネルが場所のオブジェクトの律動的な動きの影響を受けるため、第４の無線信号は第３の無線信号と異なり、プロセッサは、第４の無線信号に基づいて追加の無線マルチパスチャネルの追加のＴＳＣＩを取得し、追加のＴＳＣＩに基づいて追加の時系列のＩＱを計算し、時系列のＩＱと追加の時系列のＩＱとに基づいて律動的な動きを監視するように更に構成される。一実施形態において、追加の送信機は送信機であり、第３の無線信号は第１の無線信号である。別の実施形態において、追加の受信機は受信機である。
一実施形態において、プロセッサは、安定した律動的な動きのタイムウインドウ内のＩＱの少なくとも１つの局所的特徴を計算するように更に構成され、少なくとも１つの局所的特徴は、極大値、極小値、ゼロ交差、ＩＱの導関数の極大値、導関数の極小値及び導関数のゼロ交差の少なくとも１つを含み、ＩＱの少なくとも１つの局所的特徴に関連するタイムスタンプに基づいてタイムウインドウを少なくとも１つのステップセグメントにセグメント化するように更に構成され、各ステップセグメントは、局所的特徴に関連する時間から次の局所的特徴に関連する別の時間にわたり、各運動サイクルがＮを正の整数とするＮ個の連続するステップセグメントを含む少なくとも１つの運動サイクルを識別するように更に構成される。別の実施形態において、少なくとも１つの局所的特徴はそれぞれ局所最大値である。
本開示は更に、屋外環境において時間反転及び大規模ＭＩＭＯに基づいて対象又はオブジェクトを追跡するためのシステムを開示する。屋外環境はマルチパスが不足又は不十分であることが知られており、時間反転を適用することは困難である。本開示は、屋外環境において時間反転（ＴＲ）を実現する代替の方法、すなわち追加のマルチパスに寄与するために大規模ＭＩＭＯアンテナアレイを使用することを開示する。屋外環境では、各アンテナに対してマルチパスが豊富ではない場合があるが、大規模ＭＩＭＯではアンテナ数が大量であるため、マルチパスを組み合わせると豊富になる場合がある。屋内環境で時間反転により達成される空間「集束ボール」と同様に、時間反転と大規模ＭＩＭＯとを組み合わせることにより空間「集束ビーム」を実現できる。この空間集束ビームに基づいて、本開示は、屋外環境に適した高精度の対象位置特定方法を開示する。広範なシミュレーション結果は、開示されるシステムが屋外での位置特定及び追跡に対してセンチメートルの精度を得ることができることを示す。
ＧＰＳに基づく追跡及びナビゲーションシステムに対する開示されるシステムの１つの主な利点は、ＮＬＯＳ動作である。ＧＰＳは、宇宙空間の複数のＧＰＳ衛星との直接ＬＯＳを必要とするため、フットボールスタジアム（例えば、上部が開いたスーパーボウルスタジアム）、駐車場、高い建物／高層ビルが密集したダウンタウン地区（例えば、ニューヨーク市のマンハッタン地区）、樹木／植生がやや密集した森林、迷路、峡谷／谷等の部分的に覆われた／遮断された領域では動作しない。開示されるシステムは、ＬＯＳ状態及びＮＬＯＳ状態の双方で等しく良好に動作できる。したがって、ＧＰＳとは異なり、開示されるシステムは、ＧＰＳでは問題のあるこれらの領域で完全に良好に動作できる。
一次設定において、無線送信機（タイプ１デバイス）は大量のアンテナ（例えば、２１個以上）を有する固定デバイス（例えば、設置されたルータ又はアクセスポイント、ＡＰ）であり、無線受信機（タイプ２デバイス）は少なくとも１つのアンテナを有する移動デバイス（例えば、スマートフォン、自動車、ＡＧＶ）である。移動デバイス（タイプ２デバイス）は、場所を追跡されるデバイスである。
別の実施形態における代替の設定では、無線送信機（タイプ１デバイス）は少なくとも１つのアンテナを有する固定デバイス（例えば、設置されたルータ又はアクセスポイント、ＡＰ）であり、無線受信機（タイプ２デバイス）は大量のアンテナ（例えば、２１個以上）を有する移動デバイス（例えば、スマートフォン、自動車、ＡＧＶ）である。移動デバイス（タイプ２デバイス）は、追跡されるデバイスである。別の実施形態における代替の設定では、無線受信機（タイプ２デバイス）は大量のアンテナ（例えば、２１個以上）を有する固定デバイス（例えば、設置されたルータ又はアクセスポイント、ＡＰ）であり、無線送信機（タイプ１デバイス）は少なくとも１つのアンテナを有する移動デバイス（例えば、スマートフォン、自動車、ＡＧＶ）である。移動デバイス（タイプ１デバイス）は、追跡されるデバイスである。別の実施形態における代替の設定では、無線受信機（タイプ２デバイス）は少なくとも１つのアンテナを有する固定デバイス（例えば、設置されたルータ又はアクセスポイント、ＡＰ）であり、無線送信機（タイプ１デバイス）は大量のアンテナ（例えば、２１個以上）を有する移動デバイス（例えば、スマートフォン、自動車、ＡＧＶ）である。移動デバイス（タイプ１デバイス）は、追跡されるデバイスである。
別の実施形態において、「距離」の代わりに、移動デバイスの現在の動きの「速度」又は「加速度」が計算される。更に別の実施形態において、「距離」の代わりに、「距離」、「速度」及び／又は「加速度」の関数が計算される。一実施形態において、「距離」は、自己相関集束強度（ＡＣＦＳ）に基づいてもよい。
「第１の時空間情報」又は第１のＳＴＩは、距離、高さ、深さ、変位、場所、速度、加速度、角度、角速度、角加速度、導関数、高次導関数、積分、方向、時間、期間、タイミング、時間的傾向、時空間情報（ＳＴＩ）の増分変化、ＳＴＩの総変化、ＳＴＩの定時変化、ＳＴＩのセット、並びに／又は別の時空間的な量のうちの少なくとも１つを含んでもよい。同様に、第２のＳＴＩは、距離、高さ、深さ、変位、場所、速度、加速度、角度、角速度、角加速度、導関数、高次導関数、積分、方向、時間、期間、タイミング、時間的傾向、時空間情報（ＳＴＩ）の増分変化、ＳＴＩの総変化、ＳＴＩの定時変化、ＳＴＩのセット、並びに／又は別の時空間的な量のうちの少なくとも１つを含んでもよい。第２のＳＴＩは、第１のＳＴＩに基づいて計算されてもよい。例えば第１のＳＴＩは、距離、方向距離又は特定の方向における距離の射影であってもよい。一実施形態において、第１のＳＴＩは「軸」の直交方向における距離であってもよい。軸は、固定デバイス（例えば、基地局）のＭＩＭＯアンテナの中心と移動デバイス（又はオブジェクト）のアンテナの中心を接続する。別の例において、移動デバイスはＭＩＭＯアンテナ（例えば５０個、１００個、２００個、１，０００個又は１０，０００個等の多数のアンテナ）を有してもよく、固定デバイスは少数のアンテナ（例えば、１個、２個、３個又は４個）を有してもよい。
第１のＳＴＩは、「集束ビーム原理」に基づいて計算されてもよい。すなわち、時間反転共鳴強度又は自己相関集束強度等のＣＳＩに基づく特徴は、直交方向の距離のｓｉｎｃ関数であってもよい。ＣＳＩに基づく特徴は、軸の周りにビームを形成する場合があり、ビーム強度は半径距離のｓｉｎｃ関数である。ＣＳＩに基づく特徴（例えば、ＡＣＦＳ）を最初に計算してもよく、次にＣＳＩに基づく特徴及びｓｉｎｃ関数に基づいて（例えば、テーブルルックアップを使用するか又は逆ｓｉｎｃ関数を計算／推定することにより）第１のＳＴＩ（距離等）を計算してもよい。
ＡＣＦＳは、時間ｔにおける現在のＣＳＩと時間ｔ−ｋ（ｋは整数である）における過去のＣＳＩとの間で計算されてもよい。時間ｔにおけるＣＳＩと時間ｔ−ｋにおけるＣＳＩとの間のＡＣＦＳがＡＣＦＳの特徴点（例えば、極小値、極大値、第１の極小値、第１の極大値等）になるようなｋを探すために、ｋは１から２、２から３等と変更されてもよい。
第１のＳＴＩは、固定デバイス（例えば、基地局）のＭＩＭＯアンテナの軸と別の軸との間の角度の三角関数に基づいて計算されてもよい（例えば三角関数は、正弦、余弦、正接、逆正弦、逆余弦、逆正接、正割、余割、余接又は他の三角関数のうちの少なくとも１つを含んでもよい）。例えば、ＭＩＭＯアンテナは等間隔に配置されたアンテナの１次元アレイであってもよく、別の軸はアンテナアレイにより形成される直線であってもよく、軸は固定デバイスのアンテナアレイの中心を移動デバイスに接続してもよい。第１のＳＴＩは、時間ｔ−ｋと時間ｔとの間に移動デバイスが直交方向に移動した距離（例えば、移動デバイスが移動した距離の直交方向への射影）であってもよい。第１のＳＴＩは、ＭＩＭＯアンテナの開口に基づいて計算されてもよい。直線にｄで等間隔に配置されたＬ個のアンテナがある場合、開口は（Ｌ−１）ｄであってもよい。アンテナは等間隔に配置されなくてもよい。ＭＩＭＯアンテナは１次元構成でなくてもよい。例えばＭＩＭＯアンテナはいくつかのアンテナグループを含むことができ、各グループは直線を形成する。直線は同一平面上にあってもなくてもよい。別の例において、ＭＩＭＯアンテナは２次元格子又は３次元格子内にあってもよい。別の例において、ＭＩＭＯアンテナは、２Ｄ又は３Ｄ領域内の疑似ランダム位置にあってもよい。第１のＳＴＩは、アンテナアレイの中心と移動デバイスとの間の距離に基づいて計算されてもよい（例えば、時間ｔ−ｋにおいて）。第２のＳＴＩは場所であってもよい。移動デバイスの場所（第２のＳＴＩ）（又はオブジェクトの場所）は第１のＳＴＩに基づいて計算されてもよい。第２のＳＴＩは、軸に平行であり且つ軸から第１のＳＴＩの距離にある線上の点として計算されてもよい。第１のＳＴＩ及び第２のＳＴＩは、例えば１Ｈｚ、２Ｈｚ、３Ｈｚ、５Ｈｚ、１０Ｈｚ、２０Ｈｚ、３０Ｈｚ、５０Ｈｚ、１００Ｈｚ、２００Ｈｚ、３００Ｈｚ、５００Ｈｚ、１０００Ｈｚ、１５００Ｈｚ、２０００Ｈｚ、３０００Ｈｚ、５０００Ｈｚ、１００００Ｈｚ等の異なるレートで計算されてもよい。例えば、第１のＳＴＩは１００Ｈｚで計算されてもよく、第２のＳＴＩは１Ｈｚで計算されてもよい。
「オブジェクト」は、人間、動物、別のデバイス、車両、機械、可動構造、力（例えば、風、地震、振動、衝撃、応力、張力、浮力、流体の流れ等）を受ける構造／材料、ロボット装置、ＡＧＶであってもよい。別の実施形態において、「距離」は、計算されて且つ第２のＳＴＩを計算するために使用される第１のＳＴＩであってもよい。
ＴＲは、深刻なマルチパス信号を伴う環境でも対象の位置を正確に特定するのに有効であることが証明されている。空間領域における共鳴現象を更に調べることにより、高精度の屋内速度推定システムが開発されている。この有望な特性に触発されて、本開示は、長距離の場合において、大規模ＭＩＭＯがＴＲと同様の空間集束ビームを収集できることを開示する。そのため、高精度の対象位置特定方法が開発される。
本開示は、将来の５Ｇ大規模ＭＩＭＯアンテナを備えた複数の分散基地局の集束ビームを使用する対象速度推定を更に開示する。更に、速度推定結果に基づいて、新規の対象位置特定方法が開示される。広範な数値シミュレーションは、この新規の方法が、いくつかの極端な環境では少なくともサブメートルの精度であるが、いくつかの理想的な状態ではセンチメートルの精度を達成できることを示す。
一実施形態において、ＡＣＦＳ分布の計算が受信データサイズに線形に比例するため、開示される方法は複雑性が低い。速度推定に基づいて、ＢＳ配置情報を更に使用することにより移動方向を推定する方法が開示される。ＤＯＡ推定法等の既存の技術の殆どは、対象の局所方向しか推定できないが、開示される方法は絶対方向を取得できる。更に、開示される方法は、ＮＬＯＳ成分が存在する場合に２度未満の精度を達成でき、ベンチマーク方法より優れている。
別の実施形態において、方法／システム／デバイスの何らかの下位層の詳細（例えば、モード、動作、送信、測定、機能、情報、フィードバック）は、上位層アプリケーション（例えば、ソフトウェア）が無線センシングを実行できるようにしてもよい。無線センシング有効化（Ｗｉｒｅｌｅｓｓ ｓｅｓｎｓｉｎｇ ｅｎａｂｌｅｍｅｎｔ（ＷＳＥ））は、無線センシングを可能にするするためのものである。アプリケーション（例えば、ソフトウェアアプリケーション、モバイルアプリ、組み込みソフトウェア、ファームウェア等）が、何らかの下位層で取得された何らかの無線データ（例えば、ＷＳＥ測定値）に基づいて無線センシングを実行したいとする。本開示において、ＷＳＥは、アプリケーションが無線センシングを実行できるようにする何らかのタイプ１の異種の無線デバイス（送信機又はＴｘ）又はタイプ２の異種の無線デバイス（受信機又はＲＸ）又は別のデバイス（例えば、ローカルサーバ、クラウドサーバ）の物理（ＰＨＹ）層、媒体アクセス（ＭＡＣ）層、又はアプリケーション層より下の他の層におけるあらゆるもの（例えば、モード、機能、無線送信、測定、動作、情報、フィードバック）を指す。
ナビゲーションシステムは、移動速度及び方向推定が２つの重要なステップである現代のアプリケーションにおいて広く使用されている。加速度計及び磁力計等の従来のデバイスに基づく姿勢センサを使用して移動方向を推定する代わりに、本開示は、５Ｇ大規模多入力多出力（ＭＩＭＯ）システムを使用することによる新規の無線周波数（ＲＦ）信号に基づく移動方向センシング方式を開示する。本明細書では、近距離の場合と長距離の場合の双方において大規模ＭＩＭＯにおける受信信号のエネルギー分布を作成する。本明細書中、近距離におけるエネルギー分布は、アンテナ配置の幾何学的形状に非常に関連することが証明される。対照的に、長距離の場合、エネルギー分布は変化しないｓｉｎｃ状集束ビームであることがわかる。そのような観察に触発されて、単一の基地局に対して移動対象の速度を推定する新規の方法が開示される。速度推定結果と、対象と周辺の基地局との間の場所の幾何学的特性とを共に考慮することにより、移動方向を更に判定できる。最後に、数値シミュレーションは、開示されるＲＦに基づく方法が、移動速度推定誤差が１．５ｍ／ｓ未満であり移動方向推定誤差が２度以内である高精度を達成できることを示す。
本開示は、時間反転共振強度（ｔｉｍｅ−ｒｅｖｅｒｓａｌ ｒｅｓｏｎａｔｉｎｇ ｓｔｒｅｎｇｔｈ（ＴＲＲＳ））を利用する。これは、受信機の周囲において変化しない且つ場所に依存しない集束ボール形状の分布であることが証明される。このような観察を活用することにより、センチメートルレベルの精度を有する対象追跡方法が開示され、広範な実験により検証されている。
本開示では、大規模ＭＩＭＯシステムは、複数のアンテナを利用して、散乱が豊富な環境におけるマルチパスと同様の役割を果たす多数の信号成分を物理的に生成する。更に、大規模ＭＩＭＯにより生成された入射信号は、送信機側から受信機にのみ到達できる。長距離の場合では、受信機の周囲の受信信号の自己相関関数強度（ａｕｔｏｃｏｒｒｅｌａｔｉｏｎ ｆｕｎｄｔｉｏｎ ｓｔｒｅｎｇｔｈ（ＡＣＦＳ））分布が空間領域においてｓｉｎｃ状ビームを示すことを証明でき、これは方向情報を提供できる。５Ｇ大規模ＭＩＭＯ基地局（ＢＳ）の高密度配置を更に使用することにより、新規の無線周波数（ＲＦ）信号に基づく移動速度／方向推定方法が開示される。更に、受信信号の自然な重畳特性を利用して、計算負荷を大幅に軽減する。
一実施形態において、近距離の場合と長距離の場合の双方における大規模ＭＩＭＯ通信システムの受信信号のＡＣＦＳ分布が導出される。近距離の場合、ＡＣＦＳ分布はアンテナアレイの幾何学的パラメータに密接に関連するが、長距離の場合、変化しないｓｉｎｃ状ビームを示す。
一実施形態において、実際の長距離の場合を考えると、前述のＡＣＦＳ分布を使用することにより移動速度推定アルゴリズムが開発される。これは、速度推定誤差が１．５ｍ／ｓ未満という高精度を達成する。受信信号のＡＣＦＳ分布は安定しているため、ＡＣＦＳを計算するための計算の複雑さは受信データサイズに線形に比例し、開示される速度推定アルゴリズムの複雑性も低い。
一実施形態において、速度推定に基づいて、ＢＳ配置情報を更に使用することにより移動方向を推定する方法が開示される。数値シミュレーションは、方法が環境に依存せず、移動方向推定誤差がベンチマーク方法より優れた２度未満であることを示す。
一実施形態の信号モデルでは、Ｍ個のアンテナの大規模ＭＩＭＯアレイを備える基地局（ＢＳ）は、移動オブジェクトに固定された受信機と通信する。一般的なダウンリンクシステムでは、ＢＳはプローブ信号を送信し、これは受信機により記録される。図１７は通信システムの設定を示し、「Ｂ」は及び「Ｒ」はそれぞれ基地局の中心及び受信機を表す。ＨＢはＢＳの高度を示し、ＬＢＲはＢＳと受信機との間の水平距離を示す。ＡｅはアンテナＡの開口である。
内部要素空間をｄとすると、開口はＡｅ＝（Ｍ−１）ｄと表すことができる。ここで、ｄ＝λは送信信号の波長に等しい。次に、長距離の場合では、
が成立することは合理的である。
更に、全てのトランスデューサは無指向性アンテナと共に配置されていると仮定できる。境界のない自由空間では、ベースバンドでの受信信号を次式のように表すことができる。
初期位相と、内部システム干渉、伝搬減衰、リフレクタ等に起因する位相誤差とを含むｍ番目の伝搬経路の合成位相歪みである。一般に、この合成位相歪みは、全てのｍ＝１，２，．．．，Ｍについて、［−π，π）にわたるｉ．ｉ．ｄ均一分布であると仮定できる。
が成立することは合理的である。
更に、全てのトランスデューサは無指向性アンテナと共に配置されていると仮定できる。境界のない自由空間では、ベースバンドでの受信信号を次式のように表すことができる。
初期位相と、内部システム干渉、伝搬減衰、リフレクタ等に起因する位相誤差とを含むｍ番目の伝搬経路の合成位相歪みである。一般に、この合成位相歪みは、全てのｍ＝１，２，．．．，Ｍについて、［−π，π）にわたるｉ．ｉ．ｄ均一分布であると仮定できる。
ＴＲは、マルチパス信号に埋め込まれたチャネル状態情報（ＣＳＩ）を利用しようとする信号処理技術である。屋内や都市部等の散乱の多い環境を考えた場合、通常は送信機と受信機との間に多くの障害物があり、非見通し線（ＮＬＯＳ）マルチパス伝搬が生じるのは避けられない。十分に広い帯域幅が与えられた場合、これらのマルチパス成分（ＭＰＣ）を離散時間における異なるタップに分解できる。ここで、ｋ番目のタップにおける送信機Ｔから受信機Ｒへのチャネルインパルス応答（ＣＩＲ）をｈ（ｋ；Ｔ→Ｒ）と表すことができる。通常、無線通信システムでは、受信機Ｒが最初にパイロットインパルスを送信し、送信機Ｔがこれを取り込む。その場合、送信機により収集された信号と元のパイロットインパルスとの間の関係を分析することにより、ＣＩＲであるｈ（ｋ；Ｒ→Ｔ）を容易に推定できる。次に、送信機ＴはＣＩＲの反転共役バージョン、すなわちｈ＊（−ｋ；Ｒ→Ｔ）を送り返す。ここで、* は複素共役演算である。実験により検証されたチャネル相反性が成立する場合、位置ＲＳにおける受信信号は次式のように与えられる。
送信機Ｔが通常は固定されているため、以降、ｈ（ｋ；Ｔ→ＲＳ）をｈ（ｋ；ＲＳ）と簡略化できる。更に、ＣＩＲの長さＬはチャネル状態及び送信信号の帯域幅に関連する。式（１４）から、ＲＳ＝Ｒ且つｋ＝０の場合のみ、
これは、全てのＭＰＣが正確な位置Ｒと特定の時間インスタンスにおいてコヒーレントに加算されることを意味する。他の位置又はタイムスタンプにおいて、あるいは時間及び場所の双方が異なる場合、受信信号のエネルギーの減衰は異なる。これは、ＴＲシステムにおける、いわゆる時空間集束である。
送信機Ｔが通常は固定されているため、以降、ｈ（ｋ；Ｔ→ＲＳ）をｈ（ｋ；ＲＳ）と簡略化できる。更に、ＣＩＲの長さＬはチャネル状態及び送信信号の帯域幅に関連する。式（１４）から、ＲＳ＝Ｒ且つｋ＝０の場合のみ、
これは、全てのＭＰＣが正確な位置Ｒと特定の時間インスタンスにおいてコヒーレントに加算されることを意味する。他の位置又はタイムスタンプにおいて、あるいは時間及び場所の双方が異なる場合、受信信号のエネルギーの減衰は異なる。これは、ＴＲシステムにおける、いわゆる時空間集束である。
一実施形態において、ｋ＝０を固定して、空間領域でのＴＲ集束効果を主に研究することができる。その場合、対象の速度及び場所を推定できる。ＴＲ集束強度（ＴＲＦＳ）を更に定量化するために、場所ＲＳにおける受信信号の正規化エネルギーを次のように定義できる。
ＴＲＦＳに関する前述の説明から、豊富なマルチパス信号は、ＴＲＦＳ効果を得るために必要な条件の１つであると容易に結論付けることができる。信号処理の分野において、ＴＲ方式は、散乱が豊富な環境に自然に存在するマルチパスを分解して各々を制御するために広い帯域幅を使用する。しかし、道路、広場又は屋外駐車場等の屋外環境では、通常、十分なマルチパス信号が存在しない。更に、実際の通信システムでは帯域幅が制限される。急成長している大規模ＭＩＭＯ技術のおかげで、屋外位置特定問題のためのＴＲシステムと同様の性能を達成できる優れた代替案を探すことができる。直感的に、大規模ＭＩＭＯシステムは、複数のアンテナを利用して、散乱が豊富な環境におけるマルチパスと同様の役割を果たす多数の信号成分を物理的に生成する。ＴＲＦＳを計算する代わりに、受信信号の自己相関関数（ａｕｔｏｃｏｒｒｅｌａｔｉｏｎ ｆｕｎｃｔｉｏｎ（ＡＣＦ））を計算することで小さな変更を加えることができる。その理由は、自動平均化処理により、ＡＣＦは実際のシステムにおけるノイズに対してより耐性があるためである。ボールであるＴＲＦＳと異なり、大規模ＭＩＭＯシステムにおけるＡＣＦ分布は集束ビームになる。これを以前のＴＲＦＳと区別するために、自己相関集束強度（ａｕｔｏｃｏｒｒｅｌａｔｉｏｎ ｆｏｃｕｓｉｎｇ ｓｔｒｅｎｇｔｈ（ＡＣＦＳ））と呼ぶことができる。これは、以下のように導出される。
式（１３）を再度参照すると、２つの異なるタイムスタンプｔ０及びｔＳにおける移動オブジェクトの位置をそれぞれｒ０及びｒＳと表すことができる。その場合、ｒ０とｒＳとの間の受信エネルギーの自己相関関数（ＡＣＦ）は以下のように与えられる。
ＳＮＲが高い場合、信号に依存しないため、ガウスノイズｎ（ｔ）は受信信号のＡＣＦ分布に影響を与えない。しかし、ＳＮＲが低下すると、ｎ（ｔ）はＡＣＦ分布にある程度影響する。これはシミュレーション部分で解釈される。
しかし、波数係数ｋ＝２π／λが更にあるため、同様の近似を式（１６）の分子に適用することはできない。
５Ｇ通信システムでは、搬送波周波数fc （２８ＧＨｚであり得る）が通常は非常に高いため、λ＝１／ｆｃは非常に小さい。次の導出処理において、式（１６）の分母部分は長距離の場合は定数と見なすことができるため、簡略化のためにこれを省略できる。
ＳＮＲが高い場合、信号に依存しないため、ガウスノイズｎ（ｔ）は受信信号のＡＣＦ分布に影響を与えない。しかし、ＳＮＲが低下すると、ｎ（ｔ）はＡＣＦ分布にある程度影響する。これはシミュレーション部分で解釈される。
しかし、波数係数ｋ＝２π／λが更にあるため、同様の近似を式（１６）の分子に適用することはできない。
５Ｇ通信システムでは、搬送波周波数fc （２８ＧＨｚであり得る）が通常は非常に高いため、λ＝１／ｆｃは非常に小さい。次の導出処理において、式（１６）の分母部分は長距離の場合は定数と見なすことができるため、簡略化のためにこれを省略できる。
次に、式（１６）を２つの異なる場合、
図１７から、ｍ番目の送信アンテナ要素の座標は（ｍｄ／２，０、ＨＢ）の場合、次式を得られる。
長距離の場合、ＬＢＲは通常はＨＢの１０倍以上である。
その結果、図１８Ａに示される３次元信号伝搬ジオメトリを図１８Ｂに示すように簡略化できる。
その結果、図１８Ａに示される３次元信号伝搬ジオメトリを図１８Ｂに示すように簡略化できる。
図１８Ｂに示すように、ｒ０とｒＳとの間のユークリッド空間距離はｐである。しかし、電磁波は単なるスケーラ（ｓｃａｌｅｒ）ではなく、係数及び方向の双方を含むベクトルである。アンテナ伝搬理論から、ｒＳ（基準点として機能するｒ０）における受信信号の位相に最終的に影響を与える伝搬経路の差は、
式（２３）を式（２２）に挿入すると、
式（１７）及び式（１８）を参照すると、
したがって、
式（１９）における定義から、Ｘｍ＝ｍｄ／２及びｄは非常に小さい（開口Ａｅ＝Ｍｄ／２及びＬと比較して）。その結果、式（２６）における総和を次式のように表される積分で近似できる。
式（１６）の分析と同様に、式（２９）の分母及び対応する定数項を省略できる。その場合、式（２９）の（ｉ，ｍ）対を次式から得られる。
添え字ｉとｍとを交換すると、次式のように、式（３０）の対称な（ｍ，ｉ）対を得られる。
式（３０）及び式（３１）の和は以下のように簡略化される。
その場合、式（３２）の期待値を以下のように再定式化できる。
式（３５）及び式（３６）と同様に、
式（１６）、式（２８）及び式（３７）を組み合わせ、
位置ｒ０と位置ｒＳとの間の受信信号のＡＣＦを計算することにより、時間反転方式におけるＴＲＦＳと同様の自己相関集束強度（ＡＣＦＳ）を得ることができる。この結論を検証するために、５０個の要素を有する大規模ＭＩＭＯアンテナアレイを使用して数値シミュレーションシステムを構築できる。また、搬送波周波数ｆ０＝２８ＧＨｚの５Ｇ通信システムを検討できる。図１９では、ｒ０が正方形の中心として設定されている。空間領域におけるｒ０の周囲のＡＣＦＳ分布が図１９Ａに示され、図１９Ｂはビームと交差する方向に沿ったＡＣＦＳ分布を特に示す。図１９Ｂにおいて、式（１６）により得られた数値シミュレーションＡＣＦを赤色の実線で示し、式（３８）により得られた導出されたＡＣＦを青色の実線で示す。図１９は、導出されたＡＣＦＳが理論上のＡＣＦＳとピーク及び谷の位置において十分一致することを直感的に示す。
対象が動き続けると、
この場合、式（３８）の有効開口ＡｅをＡｅｃｏｓβに変更する必要がある。それに対応して、距離ＬをＬ／ｃｏｓβに置き換える必要がある。この変数変換は、アンテナの伝搬及び電磁気において使用される有効開口の定義とも一致する。また、関心がある場合は、この変数変換処理について理解を深めるために式（２７）を参照できる。次に、取得されたＡＣＦＳに基づいて速度推定／対象位置特定方法を導入できる。
この場合、式（３８）の有効開口ＡｅをＡｅｃｏｓβに変更する必要がある。それに対応して、距離ＬをＬ／ｃｏｓβに置き換える必要がある。この変数変換は、アンテナの伝搬及び電磁気において使用される有効開口の定義とも一致する。また、関心がある場合は、この変数変換処理について理解を深めるために式（２７）を参照できる。次に、取得されたＡＣＦＳに基づいて速度推定／対象位置特定方法を導入できる。
本開示は、大規模ＭＩＭＯシステムのために導出されたＡＣＦＳを使用することによる新規の対象速度推定方法を開示する。説明を明確にするために、２つの方向、すなわち、図１９Ａに示すようにビームに沿った方向とビームと交差する方向とを定義することから始めることができる。更に、ピーク距離ｐと、対象が基準位置（ｔ＝０）から第１のピーク（時間インデックスｔ）に移動する時間である対応する移動時間Ｔとを図１９Ｃに示す。
式（３８）を再度参照すると、ＡＣＦＳ分布の形状（図１９Ａに図示）は、
換言すると、初期点が選択されると、選択された初期点の周囲の近傍領域においてＡＣＦＳを計算する場合、L を定数と見なすことができる。したがって、初期点に関してＡＣＦＳ分布を判定する唯一のパラメータは
対象がビームと交差する方向に沿って一定の速度ｖで移動し、対象に固定された受信機が大規模ＭＩＭＯアレイにより送信された信号を一定のサンプリングレートで記録し続けるという特別な場合を考える。その場合、図１９Ｂに示すように、受信機で測定されるＡＣＦＳは、
これは、シミュレーション実験から得られた結果ｐ＝１．４３ｍに非常に近い。
換言すると、初期点が選択されると、選択された初期点の周囲の近傍領域においてＡＣＦＳを計算する場合、L を定数と見なすことができる。したがって、初期点に関してＡＣＦＳ分布を判定する唯一のパラメータは
対象がビームと交差する方向に沿って一定の速度ｖで移動し、対象に固定された受信機が大規模ＭＩＭＯアレイにより送信された信号を一定のサンプリングレートで記録し続けるという特別な場合を考える。その場合、図１９Ｂに示すように、受信機で測定されるＡＣＦＳは、
これは、シミュレーション実験から得られた結果ｐ＝１．４３ｍに非常に近い。
次に、速度ｖを推定するために、受信機が初期点から第１のピークに移動する移動時間ｔを得ることができる。これは、ＡＣＦＳ分布の第１のピークに対応する
を探すことで実現可能である。
この速度推定方法の重要なステップである。
を探すことで実現可能である。
この速度推定方法の重要なステップである。
よりロバストな結果を得るために、局所回帰法を採用して、最初にＡＣＦＳ分布曲線を当てはめることができる。それにより、統計上のピークを見つけることができる。実際には真のピークがノイズ又は他の歪みによって破損する場合があるため、この前処理が必要である。したがって、ピークを直接探すと、予期しない時間推定誤差が発生し、速度推定性能が大幅に低下する可能性がある。図２１における数値シミュレーションは、信号が破損している場合、破損した信号のＡＣＦに多くのグリッチが存在するため、真のピークを正確に見つけることが困難であることを示す。しかし、局所回帰処理の後は、推定されたピークは実際のピークに非常に近く、局所回帰処理の有効性を示す。一方、式（３８）で与えられるＡＣＦ分布のため、真のピークは基準点（ｔ＝０）に近すぎないはずである。実際は、移動速度は当然制限される（過度に速いはずがない）。これは、隣接する２つの測定の間に基地局と受信機の中心との間の距離が大きく変化しないことを意味する。その結果、最後の位置を使用して、ピーク距離ｐの大まかな推定値を得ることができる。これは、図２１に示す明らかな偽ピークを除去するための新しい制約として機能する。
前者の特別な場合では、対象がビームと交差する方向に沿って移動するという仮定して、速度推定結果を容易に取得できる。しかし、通常、この仮定は実際には成立しない。
前述の特別な場合１）で紹介したのと同じ方法で速度を推定できる場合、実際に取得できるのは実際の速度ｖではなくｖ’の推定値である。これは、図１９Ｃで定義されたピーク距離ｐが
したがって、この場合、ｖ’の推定値しか得られない。この問題を解決するために、図２２に示すように、もう１つの基地局を導入することができる。これら２つの基地局からの速度推定結果を組み合わせると、次式を得られる。
前述の特別な場合１）で紹介したのと同じ方法で速度を推定できる場合、実際に取得できるのは実際の速度ｖではなくｖ’の推定値である。これは、図１９Ｃで定義されたピーク距離ｐが
したがって、この場合、ｖ’の推定値しか得られない。この問題を解決するために、図２２に示すように、もう１つの基地局を導入することができる。これら２つの基地局からの速度推定結果を組み合わせると、次式を得られる。
しかし、式（３９）だけではθ１及びθ２ の値を取得できない。基地局の中心Ｂ１、Ｂ２の位置と初期位置ｒ０について更に分析すると、θ１及びθ２を解くための有望な方法が得られる。具体的には、Ｂ１、Ｂ２及びｒｏの三角関係から新しい式（４０）を得ることができる。
式（３９）及び式（４０）により構成される方程式群が既に得られているので、問題は完全に解決したように思われる。一方で、図２３に示すように、角度の曖昧さが新たな問題となる。詳細には、式（３９）から比
はわかるが和θ１＋θ２を判定できないため、全ての（θ１、θ２）対についてカップリング対（θ１’、θ２’）が存在する。換言すると、更なる事前情報がないと、
例えば（θ１＋θ２）＝（５０°、７０°）と仮定できる場合、次のカップリング方程式群が得られてもよい。
はわかるが和θ１＋θ２を判定できないため、全ての（θ１、θ２）対についてカップリング対（θ１’、θ２’）が存在する。換言すると、更なる事前情報がないと、
例えば（θ１＋θ２）＝（５０°、７０°）と仮定できる場合、次のカップリング方程式群が得られてもよい。
次に、図２４に示すように更に１つの基地局を導入することにより、角度の曖昧さの問題を最初に解決することができる。第３の基地局の機能をより理解するために、１つの特定の場合を一例とすることができる。図２４において、（θ１、θ２、θ３）＝（５０°、７０°、３０°）が真値であると仮定できる。上述の処理によると、基地局１及び基地局２を使用するだけで以下の結果を得ることができる。
同様に、基地局１及び基地局３を使用することで別の値対を得ることができる。
θ１の真値は一意である。換言すると、式（４３）及び式（４４）から得られるθ１の値は同じである必要がある。したがって、これら２つの結果対を比較することにより、θ１の値を正確に選択できる。順次、θ２及びθ３を更に判定できる。
（θ１、θ２、θ３）の初期値が得られると、新しい制約を得ることができるため、次の処理では第３の基地局を省略できる。具体的には、デバイス（受信機に埋め込まれている）の移動速度と高いサンプリングレートに関する当然の制限により、１つの特定の移動オブジェクトの方向を２つの隣接する場所の間で急激に変更することはできない。図２５は、新しい制約を直感的に示す。値（θ１、θ２）＝（５０°、７０°）が既知である場合、
２つの基地局のみを使用して角度の曖昧さを効果的に排除できる。その結果、実速度ｖを推定できる。
２つの基地局のみを使用して角度の曖昧さを効果的に排除できる。その結果、実速度ｖを推定できる。
図２６Ａに示すように、（θ１、θ２）の初期角度がわかっても、青色で示される反対の垂直角度対（θ１’、θ２’）と区別できない。この場合、更なる基地局Ｂ３を単に追加することは有効でない。図２６Ｂは、θ３に対して別の反対の垂直角度θ３’が存在するという理由を直感的に示す。これは基地局数に依存しない幾何学的な曖昧さの問題であることは明らかである。この問題は、図２７に示す連続移動処理を考慮することによって解決される。シーケンスｒ０、ｒ１、・・・ｒｎが移動する対象の真の位置であるとすると、２つの隣接する位置ｒｉ−１、ｒｉの間のピーク距離を
と表すことができる。その結果、対象が基準基地局Ｂ１に近づくか又は遠ざかるにつれて、ｐ（ｉ−１，ｉ）は減少又は増加する。本質的な理由は、ピーク距離ｐが基地局の中心と受信機との間の距離L に比例することを示す式（３８）において表されるＡＣＦＳ分布に由来する。この観点から、ｐ（ｉ−１，ｉ）の変動傾向（増加又は減少）は移動方向を判断する符号として機能する。尚、受信信号のドップラー周波数は、対象が基地局に近づくと増加し、対象が基地局から遠ざかると減少するため、移動方向を判断する別の方法であってもよい。次に、以下の方法で対象の場所を推定できる。
と表すことができる。その結果、対象が基準基地局Ｂ１に近づくか又は遠ざかるにつれて、ｐ（ｉ−１，ｉ）は減少又は増加する。本質的な理由は、ピーク距離ｐが基地局の中心と受信機との間の距離L に比例することを示す式（３８）において表されるＡＣＦＳ分布に由来する。この観点から、ｐ（ｉ−１，ｉ）の変動傾向（増加又は減少）は移動方向を判断する符号として機能する。尚、受信信号のドップラー周波数は、対象が基地局に近づくと増加し、対象が基地局から遠ざかると減少するため、移動方向を判断する別の方法であってもよい。次に、以下の方法で対象の場所を推定できる。
θ１の正確な値、ピーク距離ｐ１及び基地局（図２８に示す基地局１を一例とする）の符号（近づく又は遠ざかる）を取得できると、ｘ’Ｏｙ’デカルト座標における新しい位置ｒ１の座標を以下のように計算できる。
次に、以下のように単純な座標系変換により（ｒｘ１，ｒｙ１）を絶対座標系ｘＯｙに変換できる。
その結果、基地局の中心Ｂ１を原点とするｘＯｙ座標系に対するｒ１の新しい位置を得ることができる。５Ｇシステムにおける基地局位置情報はアプリオリであるため、ｒ１の正確な位置も容易に計算できる。ｒ１を新しい初期点として更新して前述の位置特定処理を繰り返すことにより、対象を適宜追跡する新しい位置シーケンスｒ２、ｒ３、・・・ｒｎを得ることができる。
図３０は、移動軌跡に沿った３つの連続する隣接点ｒ０、ｒ１及びｒ２を示す。ｒ０は初期点であり、Δθは方向変更角度である。式（３９）及び式（４０）からθ１、θ２の推定値及び真の速度ｖを取得できる。したがって、
を得ることができ、対象とＢＳとの間の距離を以下のように得られる。
を得ることができ、対象とＢＳとの間の距離を以下のように得られる。
次に、式（３９）及び式（４０）を更新できる。最後に、
をそれぞれ推定してもよい。一実施形態において、ｒ０が初期位置であり、対象がｒ０からｒ１に移動すると仮定すると、開示される方法による大規模ＭＩＭＯアルゴリズムの主なステップを以下のステップとして要約できる。
をそれぞれ推定してもよい。一実施形態において、ｒ０が初期位置であり、対象がｒ０からｒ１に移動すると仮定すると、開示される方法による大規模ＭＩＭＯアルゴリズムの主なステップを以下のステップとして要約できる。
ステップ１：基地局Ｂ１、Ｂ２とｒ０の初期位置情報を取得し、初期距離
を計算する。
を計算する。
ステップ２：Ｂ１、Ｂ２、ｒ０の位置情報に従って、θ１＋θ２を計算する。「ｓｉｎ（・）」とするとθ１＋θ２が鋭角でも鈍角でも同じになるため、最初の反復ではθ１＋θ２が鋭角か又は鈍角かを判定するために第３の基地局が必要である。しかし、最初の反復後、θ１＋θ２が鋭角か又は鈍角かを判定するのに有用な補助制約として以前のθ１＋θ２を使用できるため、第３のＢＳは不要になる。
ステップ３：受信信号に基づいてＡＣＦＳを計算し、ピーク幅ｄ１及びｄ２を取得する。
ステップ４：対象がｒ０からｒ１に移動する場合、以下の式（Ａ１）及び式（Ａ２）を使用して、θ１、θ２及び絶対移動速度ｖを計算する。
ステップ５：移動距離ｐ＝ｖ・Ｔｗｉｎを計算する。Ｔｗｉｎは事前に設定されたパラメータである。
ステップ６：ｐ、θ１及びθ２が取得されると、ｒ０の場所を次式により推定できる。
ステップ７：次式（Ａ４）により（ｒｘ１、ｒｙ１）を絶対座標系ｘＯｙに変換して、ｒ１の場所を取得する。
ステップ８：ステップ１及びステップ２に戻り、
及びθ１＋θ２を更新し、対象の追跡を続行する。
及びθ１＋θ２を更新し、対象の追跡を続行する。
将来の５Ｇ通信システムを使用することによる開示される方法の速度／位置推定性能を検証するために、シミュレーションが行われる。搬送波周波数はｆｃ＝２８ＧＨｚと設定される。基地局と受信機との間の距離は２００ｍ以内と仮定される。内部要素距離は信号の波長λ０と設定される。
アンテナ数が速度／位置推定性能に与える影響を調べるために、ＳＮＲを１０ｄＢに固定した広範なモンテカルロシミュレーションを実行して、図２９Ａ〜図２９Ｃに示すように対応する推定結果の二乗平均平方根誤差（ＲＭＳＥ）を得ることができる。アンテナ数が増加すると、速度と位置の双方の推定精度が向上する。具体的には、アンテナ数が１００未満の場合、移動速度が速すぎると（例えば、図２９Ａ〜図２９Ｃではｖ＝３０ｍ／ｓ）、良好に機能しないことがある。しかし、開示されるシステムは、アンテナ数が１００以上の場合、様々な速度の場合に０．３ｍ以内の精度で対象の位置を特定できる。しかし、Ｍが特定の閾値より大きい場合、すなわち、Ｍ＝２００の場合、この近似の向上は明確でなくなる。尚、アンテナ数Ｍが４００に近づくと、位置推定誤差は８ｃｍと小さく、これは別の側面ではセンチメートルの精度を示す。
開示される方法は、アンテナ数が５０より大きい場合に特に良好に機能する。直感的には、いわゆるＴＲＦＳ現象を観察するのに十分な信号成分を収集できない。数学上、Ｍが小さすぎる場合、式（２７）の近似は成立しない。開示される屋外追跡は、５Ｇに基づく大規模ＭＩＭＯ配置が適用可能な場合及びＧＰＳ衛星信号が都市部において建物により遮断される場合の屋外対象位置特定の新しい候補である。開示されるシステムは、ＧＰＳが確実に機能することを妨害する高層ビルが道路沿いに密に存在する典型的な大都市圏において、センチメートルの精度で歩行者を目的地に誘導できる。開示されるシステムは、ユーザの歩行速度を推定することもでき、これは健康監視に使用できる。特定の領域における歩行者の収集された歩行情報は、地理に基づく行動及び活動を分析するためにも使用できる。
一実施形態において、方法／システム／デバイスの何らかの下位層の詳細（例えば、モード、動作、送信、測定、機能、情報、フィードバック）は、上位層アプリケーション（例えば、ソフトウェア）が無線センシングを実行できるようにしてもよい。ＷＳＥは、無線センシングを可能にすることを意味する。アプリケーション（例えば、ソフトウェアアプリケーション、モバイルアプリ、組み込みソフトウェア、ファームウェア等）が、何らかの下位層で取得された何らかの無線データ（例えば、ＷＳＥ測定値）に基づいて無線センシングを実行したいとする。本開示において、ＷＳＥは、プリケーションが無線センシングを実行できるようにする何らかのタイプ１の異種の無線デバイス（送信機又はＴｘ）又はタイプ２の異種の無線デバイス（受信機又はＲＸ）又は別のデバイス（例えば、ローカルサーバ、クラウドサーバ）の物理（ＰＨＹ）層、媒体アクセス（ＭＡＣ）層、又はアプリケーション層より下の他の層におけるあらゆるもの（例えば、モード、機能、無線送信、測定、動作、情報、フィードバック）を指す。
ＷＳＥモードは、無線センシングを可能にするモードである。これは、ＰＨＹ層、ＭＡＣ層、又はアプリケーション層より下の他の層における標準に準拠したモードであってもよい。ＷＳＥモードにおいて、標準に準拠したデバイス（例えば、タイプ１デバイス及び／又はタイプ２デバイス）は、ＷＳＥ動作の実行、ＷＳＥ送信の要求／設定、ＷＳＥ送信に基づくＷＳＥ測定値の生成（例えば、ＣＳＩの計算）、無線センシングのためにアプリケーションが使用できるＷＳＥ測定値、情報及びフィードバックの生成を実行してもよい。ＷＳＥ機能は、無線センシングを可能にするデバイスの機能である。タイプ１デバイス及び／又はタイプ２デバイス及び／又は別のデバイスは、ＷＳＥ動作の実行、ＷＳＥ送信の要求／設定／実行／処理、ＷＳＥ測定値の生成、ＷＳＥ情報の計算／生成／処理等が可能なため、ＷＳＥ機能を有してもよい。ＷＳＥモードの標準に準拠したデバイスは、自動的にＷＳＥ対応になる。ＷＳＥ送信は、無線センシングを可能にする（無線）送信である。タイプ１デバイスからタイプ２デバイスに送出される無線信号（例えば、プローブ信号、ビーコン信号、ヌルデータパケット等）は、特にＷＳＥモードにおいてタイプ２デバイスがＷＳＥ測定値（例えば、ＣＳＩ）を生成できるようにするＷＳＥ送信である。ＷＳＥ測定値は、無線センシングを可能にする測定値である。例えば、タイプ２デバイスは、タイプ１デバイスから無線信号を受信し、受信した無線信号に基づいてＷＳＥ測定値（例えば、ＣＳＩ）を計算してもよい。ＷＳＥ動作は、無線センシングを可能にする動作である。この動作は、ＷＳＥ送信の要求／設定、ＷＳＥ送信に基づくＷＳＥ測定値の生成（例えば、ＣＳＩの計算）、無線センシングのためにアプリケーションが使用できるＷＳＥ測定値、情報及びフィードバックの生成を含んでもよい。ＷＳＥ情報は、ＷＳＥ測定値に関連する情報である。ＷＳＥフィードバックは、ＷＳＥ測定値、ＷＳＥ送信、ＷＳＥ動作に関連するフィードバックである。
一実施形態において、無線センシングを実行するアプリケーションは、ＭＡＣ層より上層のインターフェースを使用して、ＭＡＣ層及び／又はＰＨＹ層におけるＷＳＥ送信及びＷＳＥ測定値の要求、制御（例えば、設定、アラートの設定）及び取得を実行してもよい。要求と制御により、タイプ１デバイス及び／又はタイプ２デバイス（どちらもＷＳＥ機能を備えたデバイス）が標準に準拠したＷＳＥモードで動作するようされてもよい。タイプ１デバイス及びタイプ２デバイスはＷＳＥ機能を交換（例えば、ハンドシェイク）してもよい。標準に準拠したＷＳＥモードでは、タイプ１デバイスがタイプ２デバイスへ無線信号を送信する。無線信号はＷＳＥ送信である。無線信号は、互換性のあるタイプ２デバイスであればＷＳＥ測定値を生成できるＷＳＥ送信であることの指示（例えば、ビット又はフラグ）を含んでもよい。タイプ１デバイスによるＷＳＥ送信は、タイプ２デバイス又は別のデバイスにより要求されてもよい。ＷＳＥ送信も要求されなくてもよい（すなわち、タイプ２デバイス又は別のデバイスから要求されずにタイプ１デバイスにより送信されてもよい）。ＷＳＥ送信は、一部が要求され且つ／又は一部が要求されなくもてもよい。ＷＳＥ測定値、ＷＳＥ情報及び／又はＷＳＥフィードバックは、タイプ２デバイスと別のデバイス（例えば、タイプ１デバイス、ローカルサーバ、クラウドサーバ）、アプリケーション及び／又は別のアプリケーションとで交換されてもよい。交換はセキュリティ保護されてもよい。ＷＳＥ測定値はセキュリティ保護された形式であってもよい。ＷＳＥ測定値の送信はセキュリティ保護されてもよい。
一実施形態において、５Ｇネットワークを考えた場合、受信機は複数の５Ｇ基地局からの受信信号強度（ＲＳＳ）及びビーム方向情報（到来角、ＡｏＡとも呼ばれる）を測定する。ＲＳＳ測定値をＲ＝｛ｒ１、ｒ２、・・・ｒｎ｝と示し、ＡｏＡを
と示す。ｒｉ及びθｉは、ｉ番目の可聴基地局ｂｉのＲＳＳ及びＡｏＡであり、Ｎは近くの基地局の総数である。Ｎ個の基地局の場所は、Ｘ＝｛ｘ１、ｘ２、・・・、ｘＮ｝として既知である。測位タスクは、ｘで示される受信機の場所推定値を取得することである。図３１は、ＡｏＡ測定値により形成された凸包を示す。
と示す。ｒｉ及びθｉは、ｉ番目の可聴基地局ｂｉのＲＳＳ及びＡｏＡであり、Ｎは近くの基地局の総数である。Ｎ個の基地局の場所は、Ｘ＝｛ｘ１、ｘ２、・・・、ｘＮ｝として既知である。測位タスクは、ｘで示される受信機の場所推定値を取得することである。図３１は、ＡｏＡ測定値により形成された凸包を示す。
ＡｏＡ測定値は、ｘの可能な区域を凸包として判定できる。不完全なビームパターンと測定ノイズの双方から生じるＡｏＡ推定値の誤差項を考慮すると、基地局ｂｉに対する可能な方向は
になり、ｘの候補場所に対して円錐領域を形成する。ＡｏＡ推定値が正確であると仮定すると、このような複数の基地局の区域は、受信機の真の場所が含まれる
で表される凸包と交差する。
指向性ビームを示し、Δθは、基地局の既知のビーム幅と測定ノイズを説明する小さい誤差項とを加算したものである。
になり、ｘの候補場所に対して円錐領域を形成する。ＡｏＡ推定値が正確であると仮定すると、このような複数の基地局の区域は、受信機の真の場所が含まれる
で表される凸包と交差する。
指向性ビームを示し、Δθは、基地局の既知のビーム幅と測定ノイズを説明する小さい誤差項とを加算したものである。
ＲＳＳ測定値Ｒは、特定の信号伝搬モデルを介して距離推定値に変換できる。５Ｇネットワークの高い搬送波周波数のおかげで、通常はミリ波の周波数帯域で、信号はマルチパスの影響を殆ど受けずに主に見通し線で伝搬し、ＲＳＳからの高精度距離推定を支える。ＡｏＡと同様に、そのような距離制約が十分に正確である場合、距離制約はｘの可能区域である領域と交差する。図３２は、ＲＳＳに基づく測距による対象測位方法を示す。受信機の場所はＡｏＡ又はＲＳＳ測定値のいずれかにより個別に取得できるが、潜在的な測定誤差により精度が制限される場合がある。したがって、ＡｏＡ及びＲＳＳ情報の双方を使用して受信機を正確に測位するアルゴリズムが開示される。
ＲＳＳに基づく距離推定値は、５Ｇネットワークにおいて妥当な精度で対数正規のシャドーイング経路損失モデルから導出される。
式中、ＰＬ（ｄ０）は、基地局からの基準距離ｄ０におけるｄＢｍでの既知の基準電力値であり、
式中、ＰＬ（ｄ０）は、基地局からの基準距離ｄ０におけるｄＢｍでの既知の基準電力値であり、
タスクは最適化問題として定式化される。
異なる基地局からのＲＳＳ測定値及びＡｏＡ測定値は互いに独立していると仮定すると、
式中、Ｇｉ（θｉ）は、基地局ｂｉのθｉに関連する特定のビームパターンでのビームフォーミング利得を示す。上記の問題は、期待値最大化（ＥＭ）アルゴリズム、交互方向乗算法、遺伝的アルゴリズム又はシミュレーテッドアニーリングアルゴリズム等の多くの解決法で解決できる。
は、１つの理論上のパス損失モデルで表される。他のモデル、特に５Ｇネットワークのチャネル伝搬特性を説明するモデルを使用することもできる。経路損失モデルは、理論上のモデルでなく実験によるデータ測定値から導出することもできる。異なるモデルを使用しても、上記の問題の定式化は変更されず、解決法も変わらない。
は、１つの理論上のパス損失モデルで表される。他のモデル、特に５Ｇネットワークのチャネル伝搬特性を説明するモデルを使用することもできる。経路損失モデルは、理論上のモデルでなく実験によるデータ測定値から導出することもできる。異なるモデルを使用しても、上記の問題の定式化は変更されず、解決法も変わらない。
開示されるアルゴリズムはＡｏＡ及びＲＳＳに限定されず、利用可能であれば飛行時間（ＴｏＦ）等のチャネルパラメータの他の次元を説明するために拡張できる。一実施形態において、開示される方法は、第１に、対象／オブジェクト／デバイスがＮ個の基地局（ＢＳ）（Ｎ＞＝３）からの無線信号を受信することと、第２に、対象（又は何らかのサーバ）上の計算部がＮ個の基地局からの無線信号の特徴に基づいて（例えば、ＡｏＡ、ＴｏＦ、ＲＳＳ等に基づいて）可能領域を計算することと、第３に、計算部が最適化問題を解くことにより対象の位置を計算することとを含み、目的関数は、位置が可能領域内にある期待尤度確率である。最適化問題はＲＳＳ及びＡｏＡを利用することで解かれる。これは、例えば利得を方向Ｇｉ（θｉ）の関数として検討する点で新しい。
図３３は、本開示のいくつかの実施形態に係る無線オブジェクト追跡の例示的な方法３３００のフローチャートを示す。動作３３０２において、無線信号が送信機により無線マルチチャネルを介して送信される。動作３３０４において、無線信号が無線マルチチャネルを介して受信機により受信される。この場合、無線マルチチャネルは、送信機及び受信機の一方である移動デバイスの影響を受ける。動作３３０６において、受信無線信号に基づいて、チャネルのチャネル情報（ＣＩ）のセットが取得される。動作３３０８において、多くの時間的に隣接するＣＩ対に関連する類似性スコアのセットが計算される。動作３３１０において、類似性スコアのセットに基づいて類似性曲線が計算される。
動作３３１２において、類似性曲線の変換と類似性スコアの基準曲線とを合わせる。動作３３１４において、類似性曲線と一致した基準曲線の特徴点に基づいて、ＩＱ射影が計算される。動作３３１６において、ＩＱ射影に基づいて、移動デバイスの現在の移動のＩＱが計算される。動作３３１８において、ＩＱ及び／又は過去のＩＱに基づいて、移動デバイスの時空間情報（ＳＴＩ）が計算される。動作３３２０において、ＳＴＩに基づいて移動デバイスが追跡される。種々の実施形態によると、図３３における動作の順序は変更されてもよい。
以下の番号付けされた項は、追加の実施例を提供する。
第１項：無線マルチパスチャネルを介して第１の無線信号を送信するように構成された送信機と、前記送信機と受信機との間の前記無線マルチパスチャネルを通して第２の無線信号を受信するように構成された前記受信機とを備え、前記送信機及び前記受信機のうちの一方は既知の位置に配置された装置であり、前記送信機及び前記受信機のうちの他方は移動デバイスであり、前記第２の無線信号は前記移動デバイスの移動によって影響を受ける前記無線マルチパスチャネルのために前記第１の無線信号とは異なっており、前記送信機及び前記受信機のうちの少なくとも１つは多数のアンテナを含み、その数は閾値よりも大きく、および、プロセッサが、前記第２の無線信号に基づいて前記無線マルチパスチャネルのチャネル情報（ＣＩ）の複数の時系列を取得し、前記複数のＣＩの時系列（ＴＳＣＩ）及び過去のＳＴＩのうちの少なくとも１つに基づいて前記移動デバイスの空間−時間情報（ＳＴＩ）を計算し、前記ＳＴＩに基づいて移動デバイスを追跡するように構成される、追跡システム。
第２項：前記閾値は、１０、１６、２０のうちの１つであり、前記複数のＴＳＣＩのそれぞれは、前記送信機上の送信アンテナと前記受信機上の受信アンテナとの対に関連付けられ、前記配置されたデバイスは、固定位置に静止しているか、または前記プロセッサに既知の位置で移動している、第１項に記載の追跡システム。
第３項：ＳＴＩは、位置、座標、水平位置、地図座標、高さ位置、高さマップ、マップ位置、位置決め、相対位置、ナビゲーション、ガイダンス、方向、角度、方角、ベース距離、方向距離、半径距離、範囲、長さ、領域、地域、体積、容積、排水量、変位量、速度、ベロシティ、加速度、回転速度、角速度、回転加速度、角加速度、動作サイクル、運動出現、運動再出現、歩容サイクル、存在、周期、頻度、カウント、数量、リズム、呼吸数、心拍数、運動タイプ、動き分類、動き特性、運動シグネチャ、運動状態、落下、危険、侵入、ジェスチャ、表現、目標の運動、身体表現、運動、動きシーケンス、事象、定期事象、突然運動、一時的な動き、衝動運動、周期運動、周期運動の周期、周期運動の頻度、発生レート、発生タイミング、タイミング、タイムスタンプ、開始時間、終了時間、期間、タイムウインドウ、スライディングタイムウインドウ、時間トレンド、日々のトレンド、履歴、頻度トレンド、空間−時間トレンド、変化、空間−時間変化、及び別の分析、のうちの少なくとも１つを含む、第１項に記載の追跡システム。
第４項：前記移動デバイスは、オブジェクトと共に移動しており、前記プロセッサは、前記移動デバイスを追跡することに基づいて、オブジェクトを追跡するようにさらに構成される、第１項に記載の追跡システムであり；前記オブジェクト及び前記移動デバイスの少なくとも１つを追跡することは、以下のうちの少なくとも１つを含む：地図位置の決定、位置の追跡、他の分析の追跡、ナビゲーティング、軌道に沿った動きの案内、障害物を避けるための案内、動きの追跡、挙動の追跡、挙動の識別、存在の検出、動きの検出、動きの識別、バイタルサインの検出、周期的運動の検出、呼吸の検出、鼓動の検出、呼吸の監視、鼓動の監視、事象の検出、転倒の検出、侵入の検出、カウント、ジェスチャの認識、活動の認識、状態の認識、通常動作の偏差の検出、異常の検出、タイミングの監視、トレンドの監視、及び次のうちの少なくともの提示の生成：ＩＱ、ＳＴＩ、地図位置、位置、分析、ナビゲーション、軌道、ガイダンス、障害物、動き、挙動、アイデンチフィケーション、存在、動き、バイタルサイン、周期的動き、呼吸、心拍、事象、転倒、侵入、計数、ジェスチャ、活動、状態、偏差、異常、 タイミング、トレンド、位置の提示の生成、ユーザデバイス上でのグラフィック表示、及び別のプレゼンテーション。
第５項：前記プロセッサは、前記複数のＴＳＣＩに基づいて前記移動デバイスの現在の運動の中間量（ＩＱ）を計算し、前記ＩＱ及び過去のＩＱのうちの少なくとも１つに基づいて前記ＳＴＩを計算するようにさらに構成され、前記ＩＱは次の少なくとも１つを含む：時間スタンプ、開始時間、終了時間、タイムコード、タイミング、期間、継続時間、頻度、周期、サイクル、リズム、ペース、計数、インジケータ、発生、状態、セット、位置、距離、偏位、方向、速度、ベロシティ、加速度、角距離、角速度、角加速度、位置の変化、方向の変化、速度の変更、加速度の変化、近接、存在、非存在、外観、消滅、場所、統計値、動き統計、呼吸統計、距離統計、速度統計、加速度統計、メトリック、ｌ＿ｋ距離メトリック、ｌ＿０距離メトリック、ｌ＿１距離メトリック、絶対距離メトリック、ｌ＿２距離メトリック、ユークリッド距離メトリック、ｌ＿無限距離メトリック、経路、体積、質量、表面積、形状、姿勢、エネルギー、トレンド、タイムシーケンス、ラベル、タグ、クラス、カテゴリ、時間プロファイル、時間量、頻度量、一時的な量、増分量、瞬間量、平均量、局所的に平均化された量、フィルタされた量、量の変化、反復量、事象、識別された事象、式×された動きシーケンス、ジェスチャ、手ぶり、指のジェスチャ、手首のジェスチャ、肘ジェスチャ、腕ジェスチャ、肩ジェスチャ、頭部ジェスチャ、顔のジェスチャ、首ジェスチャ、腰ジェスチャ、脚ジェスチャ、足ジェスチャ、最大、最小、制約された最大、制約された最小、局所的に最大、局所的に最小、最初の局所的最大、最初の局所的最小、ｋ番目の局所的最大、ｋ番目の局所的最小、平均、重み付けされた平均、パーセンタイル、平均、中央値、モード、トリミングされた平均、条件付き平均、条件付き統計、順序付けされた統計、分散、歪度、尖度、モーメント、高次モーメント、累積、相関、共分散、共歪度、共尖度、一次統計、二次統計、三次統計、高次統計、ロバスト量、他の量と関連する引数、ＣＩの特徴、 ＣＩの複合構成要素（ｃｏｍｐｌｅｘ ｃｏｍｐｏｎｅｎｔ）、複合構成要素の大きさ、複合構成要素のフェーズ、ＣＩの複合構成要素の関数、複合構成要素の大きさの多項式、複合構成要素の大きさの二乗、ＣＩの特徴の時系列、ＣＩの特徴の自己相関関数、及び別の量の関数。
第６項：前記プロセッサは、補足量（ＳＱ）を取得し、前記補足量は、追加の送信機と追加の受信機との間で送信される追加無線信号から抽出される追加の複数のＴＳＣＩに基づいて計算される前記移動デバイスの前記現在の移動の追加のＩＱ、及びＳＴＩ計算に必要とされるがＩＱには必要とされない前記移動デバイスの現在の移動の追加の量（ＡＱ）、のうちの少なくとも１つを含み、前記ＡＱは、方向、距離、速度、加速度、マップ、移動制約、境界、及び センサ、慣性センサ、加速度計、ジャイロスコープ、磁力計、ＧＰＳデバイス、赤外線センサ、レーダー、近接センサ、周辺光センサ、マイクロホン、カメラ、タッチスクリーンセンサ、指紋センサ、歩数計、バーコードセンサ、ＱＲコード（登録商標）センサ、バロメータ、心拍数センサ、温度計、湿度センサ、及びガイガーカウンタのうちの少なくとも１つからのセンサ量と、ＳＴＩ、ＩＱ、ＳＱ、追加ＩＱ、ＡＱ、及びセンサ量、ならびに前記ＳＴＩ、前記ＩＱ、前記ＳＱ、前記追加ＩＱ、ＡＱ、及びセンサ量のうちの少なくとも１つに関連する初期量、を含み、前記ＩＱ及び前記ＳＱの両方に基づいて前記ＳＴＩを計算すること、をするようにさらに構成されている、第５項に記載の追跡システム。
第７項：前記プロセッサは、前記複数のＴＳＣＩに基づいてＩＱ射影を計算し、前記ＩＱ射影を前記ＩＱ射影に基づいて計算するようにさらに構成され、前記ＩＱ射影は、前記ＩＱの、ベースラインとして前記ビームに沿う方向と、前記ベースラインに直交するビーム横断方向と、前記ベースラインに対する方向と、前記位置決めされたデバイスの少なくとも１つのアンテナの方向と、前記移動デバイスの少なくとも１つのアンテナの方向と、前記アンテナの数の方向と、のうちの少なくとも１つへの射影であり、前記ベースラインは、前記移動デバイスの前記少なくとも１つのアンテナと前記位置決めされたデバイスの前記少なくとも１つのアンテナとに基づいて決定され、前記移動デバイスが動くにつれて時間変化し、ベースラインは、移動デバイスの少なくとも１つのアンテナに関連付けられた領域と位置決めされたデバイスの少なくとも１つのアンテナに関連付けられた領域の間のラインであり、前記ラインは、曲線と、パスと、伝送路と、区分的な直線及び線形なラインと、局所的な直線と、局所的な線形ラインと、直線と、前記移動デバイスの少なくとも１つのアンテナに関連する領域と位置決めされたデバイスの少なくとも１つのアンテナに関連する領域を接続する面、ここで前記面は、非線形面と、多様体（ｍａｎｉｆｏｌｄ）と、線形面と、局所的線形面と、非線形表面と、線形表面と、局所的線形表面と、超平面と、１次元平面と、２次元平面及び高次元平面のうちの少なくとも１つの面であり、移動デバイスのアンテナと位置決めされたデバイスのアンテナとを接続する線と、前記移動デバイスのアンテナと位置決めされたデバイスの少なくとも１つのアンテナの特徴位置とを接続する線と、前記移動デバイスのアンテナと位置決めされたデバイスの少なくとも１つのアンテナの中心とを接続する線と、移動デバイスの少なくとも１つのアンテナの特徴位置と位置決めされたデバイスのアンテナとを接続する線と、移動デバイスの少なくとも１つのアンテナの特徴位置と位置決めされたデバイスの少なくとも１つのアンテナの特徴位置とを接続する線と、 移動デバイスの少なくとも１つのアンテナ中心とを接続する線と、移動デバイスの少なくとも１つのアンテナの中心位置と位置決めされたデバイスの少なくとも１つのアンテナの中心とを接続する線と、移動デバイスの少なくとも１つのアンテナの中心と位置決めされたデバイスのアンテナとを接続する線と、移動デバイスの少なくとも１つのアンテナの中心と位置決めされたデバイスの少なくとも１つのアンテナの特徴位置とを接続する線と、及び移動デバイスの少なくとも１つのアンテナの中心と位置決めされたデバイスの少なくとも１つのアンテナの中心とを接続する線、のうちの少なくとも１つである、第５項に記載の追跡システム。
第８項：前記プロセッサは、前記複数のＴＳＣＩのうちの１つの時間的に隣接するＣＩの多くのペアに関連する類似性スコアのセットを計算し、各ペアは、複数のＴＳＣＩのうちの１つの２つの時間的に隣接するＣＩを含み、類似性スコアに基づいてＩＱを計算するようにさらに構成され、前記類似性スコアのそれぞれは、時間反転共鳴強度（ＴＲＲＳ）、相関、相互相関、自己相関、自己相関関数（ＡＣＦ）、自己相関フォーカシングストレングス、共分散、相互共分散、自己共分散、２つのベクトルの内積、距離スコア、ノルム、メトリック、統計的特性、識別スコア、メトリック、ニューラルネットワーク出力、ディープラーニングネットワーク出力、及び類似の別の尺度のうちの少なくとも１つを含み、前記類似性スコアのセットを計算することは、類似性計算、機械学習、トレーニング、識別、重み付け平均化、前処理、ノイズ除去、信号調整、フィルタリング、時間補正、タイミング補償、位相オフセット補償、変換、構成要素に関する演算、特徴抽出、有限状態機械、及び別の演算のうちの少なくとも１つを含む、第５項に記載の追跡システム。
第９項：前記プロセッサは、前記類似性スコアのセットに基づいて類似性曲線を計算することと、前記類似性曲線及び前記類似性スコアのセットのうちの少なくとも１つに基づいて前記ＩＱを計算することと、をさらに含むように構成される、第８項に記載の追跡システム。
第１０項： 前記プロセッサは、前記類似性曲線及び前記類似性スコアのセットのうちの少なくとも１つに基づいてＩＱ射影を計算するようにさらに構成され、 前記ＩＱ射影は、方向へのＩＱの射影であり、前記ＩＱを前記ＩＱ射影に基づいて計算する、第９項に記載の追跡システム。
第１１項：ＩＱ射影を計算することは、前記類似性曲線の変換を、前記類似性スコアのセットに関連する基準曲線にマッチングさせることを含み、変換は、スカラー関数、１次元関数、ベクトル関数、多変量関数、線形関数、非線形関数、大きさ、位相、多項式、大きさの関数、位相の関数、指数関数、対数関数、三角関数、逆関数、絶対値、閾値関数、ステップ関数、インジケータ関数、及び別の変換のうちの少なくとも１つに関連付けられ、基準曲線は、三角関数、正接関数、正弦関数、コサイン関数、逆関数、逆三角関数、逆正接関数、逆サイン関数、アークコサイン関数、双曲線正接関数、シンク関数、対数関数、指数関数、放物線関数、指数関数 多項式、放物線関数、楕円関数、双曲線関数、楕円関数、多項式、テーラー級数、漸近展開、別の級数、特殊関数、ベッセル関数、シグモイド関数、ロジスティック関数、ジェネラライズドロジスティック関数、誤差関数、補完誤差関数、ガウス誤差関数、グーデルマン関数、平滑ステップ関数、ガウス関数、一般化ガウス関数、双曲線関数、超幾何函数、ブラシウス関数、デブルジン（ｄｅ Ｂｒｕｊｉｎ）関数、ブッチスタブ（Ｂｕｃｈｓｔａｂ）関数、ドーソン（Ｄａｗｓｏｎ）関数、ハンケル（Ｈａｎｋｅｌ）関数、ハイネ（Ｈｅｉｎｅ）関数、ゼータ関数、ケルビン関数、リカッチーベッセル（Ｒｉｃｃａｔｉ−Ｂｅｓｓｅｌ）関数、リーマンーゼータ（Ｒｉｅｍａｎｎ ｚｅｔａ）関数、ストルーフェ（Ｓｔｒｕｖｅ）関数、ワンジェリン（Ｗａｎｇｅｒｅｉｎ）関数、ウェーバ（Ｗｅｂｅｒ）関数、ワイエルシュトラス（Ｗｅｉｅｒｓｔｒａｓｓ）関数、ウイテカー（Ｗｈｉｔｔａｋｅｒ）関数、第２の関数の第１の関数、及び別の関数、のうちの少なくとも１つに関連する、第１０項に記載の追跡システム。
第１２項：第１１項に記載の追跡システムであって、前記プロセッサは、前記類似性曲線の変換が、前記基準曲線の特徴点に一致することを決定するようにさらに構成され、前記特徴点は、極大、極小、局所的極値、正の引数を持つ局所的極値、正の引数を持つ最初の局所的極値、正の引数を持つｎ番目の局所的極値、負の引数を持つ局所的極値、負の引数を持つ最初の局所的極値、負の引数を持つｎ番目の局所的極値、制約された最大、制約された最小、制約された極値、最大勾配、最小勾配、局所的最大勾配、局所的最小勾配、正の引数を持つ局所的最大勾配、正の引数を持つ局所的最小勾配、制約された最大勾配、制約された最小勾配、最大高次導関数（ ｍａｘｉｍｕｍ ｈｉｇｈｅｒ ｏｒｄｅｒ ｄｅｒｉｖａｔｉｖｅ）、最小高次導関数、制約された高次導関数、ゼロ交差、２つのゼロ交差間の距離、正の引数を持つゼロ交差、正の引数を持つｎ番目のゼロ交差、負の引数を持つゼロ交差、負の引数を持つｎ番目のゼロ交差、制約付きゼロ交差、勾配のゼロ交差、高次導関数のゼロ交差、高次導関数の特性点、及び別の特性、のうちの少なくとも１つを含み、ＩＱ射影は、基準曲線の特徴点、基準曲線の特徴点の性質、のうちの少なくとも１つに基づいて計算され、前記性質は、時間、時間オフセット、タイミング、持続時間、及び時間範囲、基準曲線の特徴点を達成するための基準曲線の引数、基準曲線の特徴点に関連する時間オフセット、位置決めされたデバイスの少なくとも１つのアンテナを有する領域と移動デバイスの少なくとも１つのアンテナを有する領域との間の線の長さ、位置決めされたデバイスに関連する領域と移動デバイスに関連する領域とを接続する表面上の線の長さ、位置決めされたデバイスと移動デバイスとの間の距離、ベースラインに沿った位置決めされたデバイスと移動デバイスとの間の距離、ベースラインのセグメントの長さ、 前記ベースラインと前記アンテナの数との間の角度、前記ベースラインと前記移動デバイスの前記少なくとも１つのアンテナの方向との間の角度、ベースラインと前記位置決めされたデバイスの前記少なくとも１つのアンテナの方角との間の角度、前記移動デバイスの前記少なくとも１つのアンテナの方向と前記位置決めされたデバイスの前記少なくとも１つのアンテナの前記方向との間の角度、移動デバイスの現在の動きの方向とベースラインとの間の角度、移動デバイスの現在の移動方向と移動デバイスの少なくとも１つのアンテナの方向との間の角度、移動デバイスの現在の移動方向と位置決めされたデバイスの少なくともアンテナの方向との角度、アンテナの数の有効口径、ベースラインとアンテナの数との間の角度に基づくスケーリングファクタ、ベースラインとアンテナ数との間の角度の三角関数を含むスケーリングファクタ、ベースラインとアンテナ数との間の角度のコサインを含むスケーリングファクタ、スケーリングファクタによりスケールされたアンテナ数の有効口径、スケーリングファクタによりスケールされた位置決めされたデバイスと移動デバイスとの間の距離、及び第２無線信号の搬送波周波数、のうちの少なくとも１つを含む。
第１３項：第１２項に記載の追跡システムであって、前記ＩＱ射影は、前記類似性曲線、前記類似性曲線の変換、前記基準曲線、及び前記基準曲線の特徴点に関連する時間量に基づいて計算され、前記時間量は、タイミング、タイムスタンプ、現在の時間、前の時間、スライディングタイム、類似性曲線の変換に対する基準曲線の特徴点のマッチングに関連する時間、類似性曲線の変換に対する前記基準曲線の別の特徴点のマッチングに関連する時間、及び、特徴点、別の特徴点、及び過去の類似性曲線の変換に対する前記基準曲線のさらに別の特徴点、の少なくとも１つのマッチングに関連する時間、条件、マッチング、状態、状況、場面及び事象のうちの少なくとも１つに関連する時間、最初の条件、最初のマッチング、最初の状況、最初の状態、最初の場面、及び最初の事象及び、２番目の条件、２番目のマッチング、２番目の状態、２番目の状況、２番目の場面、２番目の事象、時間オフセット、時間差、持続時間、期間、増分する時間、掲示された量のうちの１つに関連するタイミング、のうちの少なくとも１つを含む。
第１４項：前記プロセッサは、前記ＩＱに含まれる距離、前記距離の導関数、前記距離を横断するのにかかる持続時間で割った前記距離、前記距離を増分時間で割ったもの、及び、関連する増分時間にわたる前記距離に関連する増分距離の一部分のうちの少なくとも１つに基づいて速度を計算するようにさらに構成される、第５項に記載の追跡システム。
第１５項：前記プロセッサは、距離、距離の導関数の導関数、距離の二次導関数、速度の導関数、速度の導関数、距離を横切るのに要する持続時間で割った速度、速度変化を達成するのに要する持続時間で割った速度の変化、速度変化に関連する持続時間で割った速度の変化、時間間隔の持続時間で割った時間間隔の速度の変化、（ａ）前記速度と以前の速度との間の差、（ｂ）前記距離を横切るのに要する持続時間にわたる、部分、（ｃ）前記速度と以前の速度との間の差、（ｄ）前記速度と以前の速度とに関連する持続時間にわたる、部分、及び（ｅ）前記速度と以前の速度との間の差、（ｆ）速度に関連する時間と前の速度に関連する別の時間との間の差にわたる、部分、の少なくとも１つに基づいて加速度を計算するようにさらに構成されている、第１４項に記載の追跡システム。
第１６項：プロセッサは、方向への距離の射影である距離射影を計算することと、距離射影に基づいて距離を計算することと、方向への速度の射影である速度射影を計算することと、速度射影に基づいて速度を計算することと、をするようにさらに構成され、前記速度射影は、距離射影、距離射影の導関数、方向への距離の導関数の射影、及び方向への速度の射影のうちの少なくとも１つに基づいて計算される、第１４項に記載の追跡システム。
第１７項：前記プロセッサは、送信機と追加の受信機との間で送信される追加の無線信号から抽出される追加の複数のＴＳＣＩ、追加の送信機と受信機との間で送信される追加の無線信号から抽出される追加の複数のＴＳＣＩ、追加の位置づけされたデバイスから移動デバイスへ送信される追加の無線信号から抽出される追加の複数のＴＳＣＩ、移動デバイスから追加の位置決めされたデバイスへ送信される追加の無線信号から抽出される追加の複数のＴＳＣＩ、送信機と複数の異種受信機のそれぞれの１つとの間で送信されるそれぞれの無線信号から抽出されるＴＳＣＩの各セットの複数のセット、複数の異種送信機のそれぞれの１つから受信機へ送信されるそれぞれの無線信号から抽出されるＴＳＣＩの各セットの複数のセット、複数の位置決めされたデバイスのそれぞれの１つと移動デバイスとの間で送信されたそれぞれのむ線信号から抽出されたＴＳＣＩの各セットの複数のセット、ＩＱ、ＩＱ射影、ＳＴＩ、上記ＴＳＣＩの少なくとも１つに基づいて算出された別のＩＱ、上記ＴＳＣＩの少なくとも１つに基づく別のＩＱ射影、上記ＴＳＣＩの少なくとも１つに基づく別のＳＴＩ、及び少なくとも１つの補充的量、の少なくとも１つに基づいて前記移動デバイスの前記ＩＱ、前記ＩＱ射影、及び前記ＳＴＩの少なくとも１つの曖昧性を解決するようにさらに構成されている、第７項に記載の追跡システム。
第１８項：前記プロセッサは、複数のＴＳＣＩについて、移動デバイスの現在の移動に関連する時間ｔに関連するそれぞれのＴＳＣＩの基準ＣＩを判定し、時間ｔに関連する類似性スコアのシリーズを計算することであって、各類似性スコアが基準ＣＩに基づき、時間ｔの近傍のタイムウインドウの中のそれぞれのＴＳＣＩの一時的に隣接するＣＩのシリーズの１つである、計算し、類似性スコアのシリーズに関連するそれぞれの類似曲線を判定するようにさらに構成されており、移動デバイスのＳＴＩは、多くの類似曲線を結合することにより得られた結合された曲線の最初の結合特徴点、それぞれのＴＳＣＩと類似性スコアのそのそれぞれのシリーズとに関連する各類似曲線、多くの特徴点の結合によって得られる２番目の結合特徴点、それぞれのＴＳＣＩと類似性スコアのそのそれぞれのシリーズとに関連する類似曲線のそれぞれ、のうちの１つに基づいて算出され、特徴点の少なくとも１つ及び結合された特徴点は、局所的最大値、局所的最小値、局所的極値、正の引数を持つ局所的極値、正の引数を持つ最初の局所的極値、正の引数を持つｎ＾番目の局所的極値、負の引数を持つ局所的極値、負の引数を持つ最初の局所的極値、負の引数を持つｎ＾番目の局所的極値、制約された最大値、制約された最小値、制約された極値、勾配、導関数、高次導関数、最大勾配、最小勾配、局所最大勾配、局所的最小勾配、正の引数を持つ局所的最大勾配、正の引数を持つ局所的最小勾配、制約された最大勾配、制約された最小勾配、最大高次導関数、最小高次導関数、制約された高次導関数、ゼロ交差、２つのゼロ交差の間の距離、正の引数を持つゼロ交差、正の引数を持つｎ＾番目のゼロ交差、負の引数を持つゼロ交差、負の引数を持つｎ＾番目のゼロ交差、制約されたゼロ交差、ゼロ交差の勾配、高次導関数のゼロ交差、及び／又は他の特性のうちの少なくとも１つを含み、前記多くの類似曲線及び／又は前記多くの特徴点は、平均、重み付け平均、平均値、中央値、モード、算術平均値、幾何平均、調和平均、加重平均、トリム平均、重み付け中央値、最大比結合（ＭＲＣ）、主成分分析（ＰＣＡ）、異なるカーネルを持つＰＣＡ、独立成分分析（ＩＣＡ）、固有値分解、フィッシャー線形判別法、ベクトル量子化、機械学習、教師有り学習、教師なし学習、クラスタリング、自己組織化写像、オートエンコーダ、ニューラルネットワーク、ディープニューラルネットワーク、及び他の方法、に基づいて結合される、第１項に記載の追跡システム。
第１９項：前記プロセッサは、複数のＴＳＣＩのうちの少なくとも２つを組み合わせて、合成ＣＩの時系列を形成し、各合成ＣＩは、少なくとも２つのＴＳＣＩのそれぞれからのＣＩを含む、組み合わせること、移動デバイスの現在の移動に関連付けられた時間ｔに関連付けられた基準合成ＣＩを決定すること、前記時間ｔに関連付けられた一連の合成類似性スコアを計算することをするようにさらに構成され、各合成類似性スコアは、時間ｔの近傍のタイムウインドウ内の前記基準合成ＣＩ及び一連の時間的に隣接する合成ＣＩのうちの１つに基づいて計算され、一連の複合類似曲線に関連する類似曲線を決定し、前記移動デバイスの前記ＳＴＩは、類似性曲線の特徴点に基づいて計算される、第１項に記載の追跡システム。
第２０項：前記プロセッサは、合成ＣＩ（ＣＣＩ）の少なくとも１つの異種時系列を計算するようにさらに構成され、各異種時系列ＣＣＩ（ＴＳＣＣＩ）は少なくとも１つのそれぞれのＴＳＣＩに関連し、ＴＳＣＣＩの各ＣＣＩは少なくとも１つのＴＳＣＩのそれぞれからの重み付けされたＣＩを含み、重み付けされたＣＩはそれぞれのＴＳＣＩに関連するそれぞれの重みにより重み付けされ、各異種ＴＳＣＩについて、移動デバイスの現在の移動に関連する時間ｔに関連するＴＳＣＣＩの基準ＣＣＩを決定し、時間ｔに関連する一連の合成類似性スコアを計算し、ここで各合成類似性スコアは、基準ＣＣＩと時間ｔの近傍のタイムウインドウの中のＴＳＣＣＩの一時的隣接ＣＣＩに基づいて算出され、一連の合成類似性スコアに関連する類似曲線を決定し、ここで前記移動デバイスの前記ＳＴＩは、それぞれのＴＳＣＣＩと一連の合成類似スコアそのそれぞれに関連する少なくとも１つの類似曲線を結合することによって得られる合成曲線の最初の合成特徴点、それぞれのＴＳＣＣＩと一連の合成類似性スコアのそのそれぞれと関連する、少なくとも１つの特徴点を結合することによって得られる２番目の複合特徴点のうちの少なくとも１つに基づいて計算され、少なくとも１つの特徴点及び結合された特徴点は、局所的最大、局所ｔ．駅最小、正の引数を持つ局所的極値、正の引数を持つ最初の局所的極値、ｎ＾番目の正の引数を持つ局所的極値、負の引数を持つ局所的極値、負の引数を持つ最初の局所的極値、負の引数を持つｎ＾番目の局所的極値、制約された最大、制約された最小、制約された極値、勾配、導関数、高次導関数、最大勾配、最小勾配、局所的最大勾配、局所的最小勾配、正の引数を持つ局所的最小勾配、正の引数を持つ局所的最小勾配、制約された最大勾配、制約された最小勾配、最大高次導関数、最小高次導関数、制約された高次導関数、ゼロ交差、２つのゼロ交差の間の距離、正の引数を持つゼロ交差、ｎ＾番目の正の引数を持つゼロ交差、負の引数を持つゼロ交差、ｎ＾番目の負の引数を持つゼロ交差、制約されたゼロ交差、勾配のゼロ交差、高次導関数のゼロ交差、及び／又は別の特性、の少なくとも１つを含み、前記少なくとも１つの類似性曲線及び／又は前記少なくとも１つの特徴点は、重み付け平均、平均値、中央値、モード、算術平均、幾何平均、調和平均、重み付け平均、トリム平均、重み付け中央値、パーセンタイル、最大比合成（ＭＲＣ）、主成分分析（ＰＣＡ）、異なるカーネルを持つＰＣＡ，独立成分分析（ＩＣＡ）、固有値分解、フィッシャー線形識別法、ベクトル量子化、機械学習、教師有り学習、教師なし学習、クラスタリング、自己組織化写像、オートエンコーダ、ニューラルネットワーク、ディープニューラルネットワーク、及び他の方法、に基づいて結合される、第１項に記載の追跡システム。
第２１項：前記プロセッサは、前記複数のＴＳＣＩに基づいて、前記移動デバイスの現在の移動に関連付けられた類似性スコアを計算することと、前記移動デバイスが静止しており、前記現在の移動が、前記類似性スコアが閾値よりも大きい場合に、ヌル移動であると判定することと、をさらに含むように構成される、第１項に記載の追跡システム。
第２２項：前記プロセッサは、前記複数のＴＳＣＩを前処理し、前処理は、なにもしないこと、ノイズ除去、平滑化、コンディショニング、増大、復元、特徴抽出、重み付け平均、ローパスフィルタリング、バンドパスフィルタリング、ハイパスフィルタリング、メディアンフィルタリング、ランクフィルタリング、四分位フィルタリング、パーセンタイルフィルタリング、モードフィルタリング、線形フィルタリング、非線形フィルタリング、有限インパルス応答（ＦＩＲ）フィルタリング、無限インパルス応答（ＩＩＲ）フィルタリング、移動平均（ＭＡ）フィルタリング、自己回帰（ＡＲ）フィルタリング、自己回帰移動平均（ＡＲＭＡ）フィルタリング、閾値処理、ソフト閾値処理、ハード閾値処理、ソフトクリッピング、局所的最大化、局所的最小化、コスト関数最適化、ニューラルネットワーク、機械学習、教師有り学習、教師なし学習、半教師有り学習、変形、フーリエ変換、ラプラス、アダマール変換、変換、分解、選択フィルタリング、適応フィルタリング、導関数、１次導関数、２次導関数、高次導関数、積分、ゼロ交差、指示関数、絶対値変換、畳み込み、乗算、除算、別の変形、別の処理、別のフィルタ、３番目の関数、及び他の処理、のうちの少なくとも１つを含む、前処理をし、前処理された複数のＴＳＣＩに基づいて類似性スコアを計算し、ここでＳＴＩは類似性スコア及び前処理されたＴＳＣＩの少なくとも１つに基づいて計算され、類似性スコアは、時間反転共鳴強度（ＴＲＲＳ）、相関、相互相関、自己相関、共分散、相互共分散、自己共分散、２つのベクトルの内積、距離スコア、判別スコア、メトリック、ニューラルネットワーク出力、ディープラーニングネットワーク出力、及び別のスコア、のうちの少なくとも１つを含み、無線マルチパスチャネルの各ＣＩは、信号強度、信号振幅、信号位相、無線マルチパスチャネルを通過する無線信号の減衰、受信信号強度インジケータ（ＲＳＳＩ）、チャネル状態情報（ＣＳＩ）、チャネルインパルス応答（ＣＩＲ）、チャネル周波数応答（ＣＦＲ）、イコライザ情報、タイムドメイン伝達関数、周波数ドメイン伝達関数、及び周波数帯域、周波数シグネチャ、周波数位相、周波数振幅、周波数トレンド、周波数特性、周波数様特性、直交分解特性、及び非直交分解特性のうちの１つに関連する情報、及び期間、時間シグネチャ、時間位相、時間トレンド、及び時間特性の少なくとの１つに関連する情報、及び時間−周波数区分、時間−周波数シグネチャ、時間−周波数振幅、時間−周波数位相、時間−周波数トレンド、時間−周波数特性の少なくとも１つに関連する情報、及び方向、到来角度、指向性アンテナの角度、及び位相の少なくとも１つに関連する情報、及び別のＣＩ、のうちの少なくとも１つを含む、第１項に記載の追跡システム。
第２３項：前記プロセッサは、初期時間に追加の送信機から追加の無線マルチパスチャネルを介して追加の受信機に送信された追加の無線信号に基づいて前記初期時間での前記移動デバイスの初期位置を決定し、前記追加の受信機は前記移動デバイスの近くで前記移動デバイスと共に移動し、前記移動デバイスの現在の移動の前の前記初期時間における前記初期位置に基づいて前記移動デバイスの位置を計算するようにさらに構成され、前記移動デバイスは、前記移動デバイスの位置に基づいて追跡され、前記初期位置は、前記追加の送信機及び前記初期時間で受信された追加の無線信号のうちの少なくとも１つの識別を取得することと、識別を位置データベースに基づいて既知の位置に関連付けることと、クエリデバイスにクエリを送信することとのうちの少なくとも１つに基づいて、前記追加の無線信号に関連付けられた既知の位置であると決定され、クエリデバイスは、位置データベース及び前記位置データベースに基づく関連付けられたクエリサービスを含む、第１項に記載の追跡システム。
第２４項：前記追加の送信機は静止し、追加の無線信号が対象エリアに向けられるような指向性アンテナを備えており、前記追加の受信機は、前記追加の受信機が前記対象エリア内にあるときに追加の無線信号を受信し、及び前記既知の位置は、前記追加の送信機の設置位置、前記設置位置付近の位置、前記追加の無線信号に関連する前記対象エリア、前記対象エリア付近の位置、及び前記対象エリア付近で移動デバイスの高さ及び高さの尤度のうちの少なくとも１つに基づいて適応的に決定される位置のうちの少なくとも１つである、第２３項に記載の追跡システム。
第２５項：前記追加の送信機が移動しており、前記追加の送信機の以前の位置が既知であり、前記位置データベースが前記追加の送信機の更新された位置を含む、第２３項に記載の追跡システム。
第２６項：プロセッサと通信可能に結合されたプロセッサと、前記プロセッサと通信可能に結合されたメモリと、プロセッサによって実行される前記メモリに記憶された命令の設定とを使用して、無線マルチパスチャネルの複数の時系列チャネル情報（ＣＩ）を取得することを含むオブジェクト追跡方法であって、前記複数の時系列のＣＩ（ＴＳＣＩ）は、前記無線マルチパスチャネルを介して送信機と受信機との間で送信される無線信号から抽出され、複数のＴＳＣＩのそれぞれは、送信機上の送信アンテナと受信機上の受信アンテナとの対に関連付けられ、前記送信機及び前記受信機のうちの一方は、既知の位置に配置されたデバイスであり、前記送信機及び前記受信機のうちの他方は、オブジェクトと共に移動する移動デバイスであり、前記無線マルチパスチャネルは、前記オブジェクトの移動によって影響を受け、前記送信機及び前記受信機のうちの少なくとも一方は、１６本を超えるアンテナを備え、前記複数のＴＳＣＩ及び過去のＳＴＩのうちの少なくとも１つに基づいて移動デバイスの空間時間情報（ＳＴＩ）を計算し、ＳＴＩに基づいてオブジェクトの追跡をする、方法。
第２７項：前記送信機に、前記受信機から追加の受信機への無線結合を切り替えさせることと、前記オブジェクトの現在の移動によって影響を受ける前記無線マルチパスチャネルを介して前記送信機と前記追加の受信機との間で追加の無線信号を送信させることと、前記追加の無線信号から前記無線マルチパスチャネルの追加の複数のＴＳＣＩを抽出することと、前記追加の複数のＴＳＣＩに基づいて前記移動デバイスの現在の移動の中間量（ＩＱ）を計算することと、前記追加の複数のＴＳＣＩ及び前記ＩＱに基づいて前記移動デバイスの前記ＳＴＩを計算すること、をさらに含む、第２６項に記載の方法。
第２８項：前記受信機に、前記送信機から追加の送信機への無線結合を切り替えさせることと、追加の無線信号を、前記オブジェクトの現在の移動によって影響を受ける前記無線マルチパスチャネルを介して前記追加の送信機と前記受信機との間で送信させることと、前記追加の無線信号から前記無線マルチパスチャネルの追加の複数のＴＳＣＩを抽出することと、追加の複数のＴＳＣＩに基づいて移動デバイスの現在の移動の中間量（ＩＱ）を計算することと、前記追加の複数のＴＳＣＩ及び前記ＩＱに基づいて前記移動デバイスの前記ＳＴＩを計算することと、をさらに含む、第２６項に記載の方法。
第２９項：第２６項に記載の方法であって、前記複数のＴＳＣＩに基づいて一連の電力情報（ＰＩ）の少なくとも１つを計算することであって、各ＰＩはＣＩに関連づけられており、振幅、振幅の二乗、位相、実数部、虚数部及びＣＩの他の演算のうちの少なくとも１つに基づいて計算される実部を有する、計算すること、前記ＰＩの時系列（ＴＳＰＩ）の少なくとも１つの関数を計算することであって、前記関数は、自己相関関数（ＡＣＦ）、自己相関関数の二乗、自己共分散関数、自己共分散関数の二乗、内積、自己相関関数様関数、及共分散様関数を含み、前記演算は、多項式関数、線形関数、非線形関数、フィルタリング、ノイズ除去、平滑化、コンディショニング、増大、復旧、特徴抽出、重み付け平均、ハイパスフィルタリング、ローパスフィルタリング、バンドパスフィルタリング、メディアンフィルタリング、四分位フィルタリング、パーセンタイルフィルタリング、モードフィルタリング、線形フィルタリング、非線形フィルタリング、有限インパルス応答（ＦＩＲ）フィルタリング、無限インパルス応答（ＩＩＲ）フィルタリング、移動平均（ＭＡ）フィルタリング、自己回帰（ＡＲ）フィルタリング、自己回帰移動平均（ＡＲＭＡ）フィルタリング、選択的フィルタリング、適応フィルタリング、閾値処理、ソフト閾値処理、ハード閾値処理、ソフトクリッピング、１次導関数、２次導関数、高次導関数、局所的最大化、局所的最小化、コスト関数の最適化、ニューラルネットワーク、機械学習、教師有り学習、教師なし学習、半教師有り学習、ゼロ交差、絶対値関数、指示関数、フーリエ変換、ラプラス変換、アダマール変換、別の変換、変形、分解、導関数、１次導関数、２次導関数、高次導関数、畳み込み、乗算、除算、ゼロ交差、指示関数、アブソリュートコンバージョン、処理、後処理、及び別の演算、を含む、計算することと、前記関数の特性の少なくとも１つを決定することであって、前記少なくとも１つの特性は、局所的最大、局所的最小、局所的極値、制約された最大、制約された最小、制約された極値、最大勾配、最小勾配、制約付き最大勾配、制約付き最小勾配、最大高次導関数、最小高次導関数、制約付き高次導関数、ゼロ交差、制約付きゼロ交差、勾配のゼロ交差、高次導関数のゼロ交差、及び別の特性を含む、決定することと、少なくとも１つの前記関数の特性に関連する少なくとも１つの前記関数の引数を識別することであって、移動デバイスのＳＴＩは、少なくとも１つの引数、前記複数のＴＳＣＩ，少なくとも１つのＴＳＰＩ，前記ＴＳＰＩの関数のうちの少なくとも１つに基づいて計算され、前記ＳＴＩを計算する作業量は前記プロセッサで共有され、前記送信機と前記受信機、前記移動デバイスと共に動く前記オブジェクトのＳＴＩは前記少なくとも１つの関数の引数で決定される、識別すること、をさらに含む方法。
第３０項：送信機及び受信機のうちの少なくとも１つを備えるオブジェクト追跡装置であって、前記送信機は、無線マルチパスチャネルを介して第１の無線信号を送信するように構成され、前記受信機は、前記無線マルチパスチャネルを介して第２の無線信号を受信するように構成され、前記送信機及び前記受信機のうちの一方は、位置決めされたデバイスであり、前記送信機及び前記受信機のうちの他方は、オブジェクトとともに移動する移動デバイスであり、前記第２の無線信号は、前記オブジェクトの移動によって影響を受ける前記無線マルチパスチャネルによって前記第１の無線信号とは異なり、前記送信機及び前記受信機のうちの少なくとも１つは、少なくとも１６のアンテナを備え、プロセッサは、前記第２の無線信号に基づいて、前記無線マルチパスチャネルのチャネル情報（ＣＩ）の複数の時系列を取得することと、前記複数の時系列ＣＩ（ＴＳＣＩ）のＣＩの多くの対に関連する類似性スコアのセットに基づいて、前記移動デバイスの現在の移動の中間量（ＩＱ）を計算し、各対は複数のＴＳＣＩのあるＴＳＣＩの２つの一時的に隣接するＣＩを含む計算することと、ＩＱ、前記複数のＴＳＣＩ、現在の移動に関連する時間量、過去のＩＱ、及び過去のＳＴＩのうちの少なくとも１つに基づいて、前記移動デバイスの前記現在の移動の空間−時間情報（ＳＴＩ）を計算することと、前記ＳＴＩに基づいて、前記移動デバイス及び前記オブジェクトのうちの少なくとも１つを追跡することと、を含むオブジェクト追跡装置。
無線メッシュネットワーク（ＷＭＮ）は、メッシュトポロジで編成された無線ノードで構成された通信ネットワークである。また、無線アドホックネットワークの一形態でもある。メッシュは、デバイスまたはノード間の豊富な相互接続を指す。無線メッシュネットワークには、多くの場合、メッシュクライアント、メッシュルータ、ゲートウェイが含まれる。ノードのモビリティはあまり頻繁ではない。ノードが常時、または頻繁に移動する場合、メッシュはデータの配信よりもルートの更新に多くの時間を費やす。無線メッシュネットワークでは、トポロジはより静的である傾向があり、ルート計算が収束でき、宛先へのデータの配信が生じうる。従って、これは無線アドホックネットワークの低モビリティ集中形態である。さらに、ゲートウェイとして機能するために静的ノードに依拠することもあるため、それは本当に無線アドホックネットワークではない。メッシュクライアントは、多くの場合、ラップトップ、携帯電話、及びその他の無線デバイスである。メッシュルータはゲートウェイとの間でトラフィックを転送するが、インターネットに接続する必要はない。１つのネットワークとして機能するすべての無線ノードのカバレッジエリアは、メッシュクラウドと呼ばれることもある。このメッシュクラウドへのアクセスは、無線ネットワークを作成するために連携する無線ノードに依存する。メッシュネットワークは信頼性があり、冗長性を提供する。１つのノードが動作できなくなっても、残りのノードは、直接または１つ以上の中間ノードを介して互いに通信できる。無線メッシュネットワークは、自己形成及び自己回復することができる。無線メッシュネットワークは、８０２．１１、８０２．１５、８０２．１６、セルラーテクノロジなどの異なる無線テクノロジと連携して動作し、いずれか１つのテクノロジまたはプロトコルに制限される必要はない。
半導体産業の著しい成長に伴い、強力な処理能力及びネットワーク能力を有する小型デバイスを作り出すことは、もはやエンジニアにとって夢ではない。ＩｏＴ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）は、無線通信分野の産学両分野で最も注目されている話題の１つとなっている。今日、ＩｏＴ対応デバイスの研究の大部分は、主に、データ収集及び処理ユニット、すなわち、新しいセンサの作成である。しかしながら、ＩｏＴデバイスをインターネットに統合するネットワークは、通常、ＷＬＡＮまたはＢｌｕｅｔｏｏｔｈなどの既存のコンピュータネットワークソリューションを単に使用することによって、手をつけられずに残される。これらのコンピュータネットワークは、これらのＩｏＴデバイスすらリモートセンサがミニコンピュータであるとみなされていても、低電力デバイス用に設計されていない。これらのネットワークの故障の性質の１つのポイントは、センサが、ある到達しにくい場所に配備される必要がある場合があるので、災害又は困難な環境になると、システム全体を極めて脆弱にする。さらに、ネットワークの中央ハブ／ルータの容量も、ＩｏＴデバイスによって提供されるサービスのカバレージを制限する可能性があり、範囲も同じ要因によって制約される。 これらのリモートＩｏＴデバイスの大部分は小型であり、デバイスは通常バッテリ駆動であるため、セルラーネットワークまたは衛星を使用するなどの電力消費の多いネットワークの候補も、ＩｏＴネットワーク内のリモートシナリオの大部分にとって理想的ではない。単純な構成を有する無線メッシュネットワークの分散ネットワークの性質は、より小さいネットワークモジュールを使用してハードウェア設計を最小限に保つだけでなく、その拡張された範囲を利用するためにＩｏＴネットワークを実装するのに理想的である。また、このようなネットワークは、ネットワークが１つの故障の中心点を伴わずに分散されるので、過酷な環境において、よりロバストである。
本開示は、例えば、無線チャネル情報に基づいて、無線センシングシステムのトポロジ及びアーキテクチャをどのように改善するかをさらに開示する。ＷＭＮにおけるＩｏＴの無線センシング能力をどのように分配するかについて詳細に開示する。本開示では、タイプＢデバイスは、オリジン（タイプ２デバイス、Ｒｘデバイス）及びボット（タイプ１デバイス、Ｔｘデバイス）の両方として実行することができるトランシーバとすることができ、すなわち、タイプＢデバイスは、タイプ１（Ｔｘ）デバイスとタイプ２（Ｒｘ）デバイスの両方（例えば、同時にまたは交替に）とすることができ、たとえば、メッシュデバイス、メッシュルータなどとすることができる。本開示では、タイプＡデバイスは、ボット（Ｔｘデバイス）としてのみ機能し得るトランシーバ、すなわち、タイプ１デバイスのみ、またはＴｘのみ、例えば、単純なＩｏＴデバイスであり得る。これは、オリジン（タイプ２デバイス、Ｒｘデバイス）の能力を有することができるが、本開示では何らかの形でボットとしてのみ機能する。すべてのタイプＡ及びタイプＢデバイスは、ツリー構造を形成する。ルートは、ネットワーク（例えば、インターネット）アクセスをもつタイプＢデバイスでありうる。例えば、有線接続（例えば、イーサネット、ケーブルモデム、ＡＤＳＬ／ＨＤＳＬモデム）または無線接続（例えば、ＬＴＥ、３Ｇ／４Ｇ／５Ｇ、ＷｉＦｉ、Ｂｌｕｅｔｏｏｔｈ、マイクロ波リンク、衛星リンクなど）を介してブロードバンドサービスに接続することができる。すべてのタイプＡ デバイスはリーフノードである。各種類 デバイスは、ルートノード、非リーフノード、またはリーフノードにすることができる。
ペアワイズ（ｐａｉｒｗｉｓｅ）無線リンクは、ツリー構造を形成して、多くのデバイスのペアの間に確立されてもよい。各ペア（及び関連するリンク）において、デバイス（第２のデバイス）は、非リーフ（タイプＢ）であってもよい。他のデバイス（第１のデバイス）は、リーフ（タイプＡまたはタイプＢ）または非リーフ（タイプＢ）であってもよい。リンクにおいて、第１のデバイスは、無線マルチパスチャネルを介して第２のデバイスに無線信号（例えば、プローブ信号）を送信するためのボット（タイプ１デバイスまたはＴｘデバイス）として機能する。第２のデバイスは、無線信号を受信し、ＴＳＣＩを取得し、ＴＳＣＩに基づいて「リンク式（ｌｉｎｋｗｉｓｅ）分析」を計算するためのオリジン（タイプ２デバイスまたはＲｘデバイス）として機能してもよい。
ペアリンクＬｉｎｋ１が２つのタイプＢデバイスを含むとき（すなわち、第１のデバイスと第２のデバイスの両方がタイプＢデバイスであるとき）、図３４に示すように、何か特別なことが起こる。現在のリンクにおいて、Ｂ１を第１のデバイス（Ｔｘ、プローブ信号を送信）とし、Ｂ２を第２のデバイス（Ｒｘ、ＴＳＣＩの取得、リンクごとの分析の計算）とする。現在のリンクに加えて、Ｂ１は、追加リンク（例えば、Ｂ１をＡ３と呼ばれるタイプＡデバイスに接続するＬｉｎｋ２、Ｂ１をＢ３と呼ばれる別のタイプＢデバイスに接続するＬｉｎｋ３）であってもよい。Ｌｉｎｋ２では、Ａ３はＴｘであり、Ｂ１がＲｘである間にプローブ信号を送信し、リンク（ｌｉｎｋｗｉｓｅ）の分析を計算する。このリンクの分析は、Ｌｉｎｋ１でＢ１からＢ２に送信される。Ｌｉｎｋ３では、Ｂ３はＴｘであり、プローブ信号を送信し、一方、Ｂ１がＲｘであり、リンクの分析を計算する。このリンクの分析は、Ｌｉｎｋ１でＢ１からＢ２に送信される。さらに、Ｂ３は、いくつかのリンクの分析を取得しており、Ｌｉｎｋ３内のＢ１に沿って送信／渡すことができる。これらのリンクの分析は、Ｌｉｎｋ１でＢ１からＢ２に送信することができる。
別の例示的なシステム（メッシュネットワーク）トポロジが図３５に示されている。２つのタイプ１デバイス（送信機、またはＴｘ、またはＢｏｔ）は、いくつかの無線インターフェースリンクＬ１及びＬ２を介して１つのタイプ２デバイス（受信機、またはＲｘ、またはＯｒｉｇｉｎ）にリンクされる。ルーティングフォーマットは、”ＴｘＩＤ：ｉｆｎａｍｅ：ｈｗａｄｄｒ”のようになる。ここで、”ＴｘＩｄ”はデバイスの識別子（一意でありうる）、”ｉｆｎａｍｅ”はインターフェース名、”ｈｗａｄｄｒ”は通信に使用されるＭＡＣアドレスである。次に、図３４に示すトポロジのためのルーティングテーブルは、ｒｏｕｔｉｎｇ ＝ ｛Ｔｘ１：Ｌ１：Ｔｘ１＿ｍａｃ、Ｔｘ２：Ｌ２：Ｔｘ２＿ｍａｃ｝とすることができる。
センシング出力をクラウドに渡すために、追加の機能をＲｘに関連付けることができる。この場合、Ｒｘは「マスターオリジン」であってもよい。例えば、図３６において、マスタ・オリジン（ＭＯ）は、デーモン・モジュール、フュージョン・モジュール、及びクライアント・モジュールから構成することができる。デーモンモジュールは、センシングのために、他のデバイス、例えば、ボットから送信されたチャネル状態情報（ＣＳＩ）／チャネル情報（ＣＩ）を受信することができる。ＭＯは、運動エンジン、呼吸エンジン等のような、運動統計値、呼吸レートを出力することができる様々なアプリケーションをサポートする基本エンジンから構成することができる。これらの出力は、無線信号から抽出されたＣＳＩに基づいて計算されるアナリティックであるため、「無線アナリティック」とも呼ばれることがある。次いで、これらの出力は、ホームセキュリティ、睡眠モニタリング、健康モニタリング、子供の存在検出などの様々な用途のために、フュージョン・モジュールに供給される。最終結果はフュージョンモジュールで決定され、ハブを通してイーサネットコネクションを介してクラウドに送られるクライアントモジュールに供給される。別のクラウドフュージョンモジュールをクラウド内で実行することができる。
図３５は、メッシュネットワーク内に存在するただ１つのデーモンモジュールの例を示す。場合によっては、計算能力を高めるために複数のデーモン・モジュールが必要になることがある。複数のオリジンデーモンの理由は、マスタオリジン（ＭＯ）への直接リンクを有さないリンク上で基本エンジンがセンシングを実行するためである。ローカル無線ＬＡＮ（ＷＬＡＮ）ドライバからチャネル状態情報（ＣＳＩ）を受信し、ＣＳＩを消費する基本エンジン出力を計算するために、オリジンデーモンモジュールを有する必要がある。基本エンジンの融合は、ＭＯにおけるオリジンフュージョンモジュールに帰着する。
２つ以上のデーモン・モジュールを有する別の例を図３７に示す。１つのマスターオリジン（ＭＯ）、２つのチャイルドオリジン（ＣＯ）、及び３つのボットがある。ＭＯとは異なり、ＣＯは、フュージョン・モジュール及びクライアント・モジュールを有さず、デーモン・モジュールのみを含むことができる。ＭＯは、クライアントモジュールを介してすべてのローカルデバイスをクラウドに接続する。ここで、Ｌ１、Ｌ２、Ｌ３、Ｌ４、Ｌ５は、２つのデバイスを接続する無線インターフェースリンクである。ルーティング形式は「ＴｘＩＤ：ｏｒｉｇｉｎｄａｅｍｏｎ＿ＩＰ：ｉｆｎａｍｅ：ｈｗａｄｄｒ」のようになる。ここで、「ＴｘＩｄ」は送信デバイスの識別子（一意である必要がある）、「ｏｒｉｇｉｎｄａｅｍｏｎ＿ＩＰ」はローカルオリジンデーモンを実行している受信ノードのローカルエリアネットワーク（ＬＡＮ） ＩＰ アドレス、「ｉｆｎａｍｅ」はＴｘＩＤ デバイスへの無線リンクのインターフェイス名、「ｈｗａｄｄｒ」は無線ＬＡＮ （ＷＬＡＮ） ドライバ内のデバイスを識別するために使用されるＭＡＣ アドレスである。このトポロジのルーティングテーブルは、｛ＣＯ１：ＭＯ＿ＩＰ：Ｌ１：ＣＯ１＿ｍａｃ，ＣＯ２：ＣＯ１＿ＩＰ：Ｌ２：ＣＯ２＿ｍａｃ，Ｂ１：ＣＯ２＿ＩＰ：Ｌ３：Ｂ１＿ｍａｃ， Ｂ２：ＣＯ１＿ＩＰ：Ｌ４：Ｂ２＿ｍａｃ， Ｂ３：ＣＯ２＿ＩＰ：Ｌ５：Ｂ３＿ｍａｃ｝、となる。ＩＰアドレスを使用して、ＭＯとローカルＬＡＮ上のすべてのデーモンモジュール間のＵＤＰソケット接続を開くのに利用されうる。
図３８には、２つのＭＯ｛ＭＯ１、ＭＯ２｝、２つのＣＯ｛ＣＯ１、ＣＯ２｝、及び５つのボットＢ１〜Ｂ５がある、別の例示的なトポロジが示されている。ＭＯ１及びＭＯ２の両方は、ハブを介してクラウドに最終結果を送信することができる。クラウドからの出力は、ユーザアプリまたはＷｅｂ ＵＩ の一部のユーザインターフェース（ＵＩ） に送信される場合がある。
以下の番号付けされた節は、追加の実施例を提供する。
第Ａ１項：ツリー構造の無線センシングシステムの方法であって、場所における複数の無線デバイスが存在することを決定することであって、各デバイスは、タイプＡ異種無線デバイス及びタイプＢ異種無線デバイスの少なくとも１であり、各タイプＡデバイスはＲＦ信号の送信が可能な少なくとも１つの無線送信機を有し、各タイプＢデバイスはＲＦ信号の送信と受信の両方が可能な少なくとも１つの無線トランシーバを有する、決定することと、複数の無線デバイスのツリー相互接続構造を決定することであって、複数の無線デバイスは、前記ツリーのリーフである各タイプＡデバイスを持つ前記ツリーのノードである全ての無線デバイス、ツリーのリーフか非リーフであるタイプＢデバイス、ツリーのルートであるタイプＢデバイス、それぞれが前記ツリーのブランチである少なくとも１つのペアワイズ（ｐａｉｒｗｉｓｅ）無線リンク、を含み、各無線リンクは少なくとも一方がタイプＢデバイスである無線デバイスのペアを接続する、決定することと、複数の無線デバイスとツリー相互接続構造の情報をデータベースに記憶することと、各ペアワイズ無線リンクで第１のデバイスと第２のデバイスとを接続することであって前記第１のデバイスは、タイプＡデバイスと非ルートタイプＢデバイスのうちの少なくとも１つであり、第２のデバイスはタイプＢデバイスである、接続することと、前記第１のデバイスのプロセッサ、メモリ、インストラクションのセットを使用して前記第１のデバイスによって前記第２のデバイスへ場所の無線マルチパスチャネルを介して無線信号を送信することであって、無線マルチパスチャネルは場所のオブジェクトのオブジェクト動きにより影響される、送信することと、前記第２のデバイスのプロセッサ、メモリ及びインストラクションのセットを使って前記第２のデバイスにより無線信号を受信することと、前記無線信号から前記無線マルチパスチャネルのチャネル情報（ＣＩ）の時系列を取得することと、ＣＩの時系列（ＴＳＣＩ）に基づいて前記オブジェクトの動きを監視することと、前記ＴＳＣＩに基づいて前記オブジェクトの動きに関係するリンクワイズ分析を計算することと、を含む方法。
第Ａ２項： 第Ａ１項に記載のツリー構造無線センシングシステムの方法であって、前記ルートタイプＢデバイスは、有線ネットワーク接続及び無線ネットワーク接続のうちの少なくとも１つを介したネットワークアクセスを有するゲートウェイデバイスであり、前記ネットワークアクセスは、インターネット、ＰＡＮ、ＬＡＮ、ＷＬＡＮ、ＣＡＮ、ＭＡＮ、ＷＡＮ、ＳＡＮ、及び別のネットワークのうちの少なくとも１つへのアクセスを含み、前記有線ネットワーク接続は、イーサネット、トークンリング、ＦＤＤＩ、光ファイバ、ケーブルモデム、ＤＳＬモデム、ＡＤＳＬモデム、ＨＤＳＬモデム、及び別の有線ネットワーク接続のうちの少なくとも１つを含み、前記無線ネットワーク接続は、ＷｉＦｉ、ＬＴＥ、３Ｇ、４Ｇ、５Ｇ、６Ｇ、Ｂｌｕｅｔｏｏｔｈ、ＢＬＥ、ＲＦＩＤ、マイクロ波リンク、衛星リンク、及び別の無線ネットワーク接続のうちの少なくとも１つを含む、方法。
第Ａ３項：第Ａ１項に記載のツリー構造無線センシングシステムの方法であって、前記複数の無線デバイスと前記ツリー相互接続構造の前記情報とをサーバの前記データベースに記憶することと、前記サーバにおいて前記データベースを更新することと、をさらに含み、前記サーバは、前記複数の無線デバイス、ローカルデバイス、クラウドデバイス、専用デバイス、及び他のデバイスのうちの少なくとも１つである、方法。
第Ａ４項：第Ａ１項に記載のツリー構造無線センシングシステムの方法であって、前記データベースの複数の無線デバイス及び前記ツリー相互接続構造の情報は、前記ツリーの識別子（ＩＤ）、前記ツリーのアドレス、前記ツリーの設定、前記ツリーの属性、前記ツリーの構造、前記ツリーに関係する場所の識別子（ＩＤ）、前記ツリーに関係する場所の物理的位置、前記ツリーに関係する場所のアドレス、前記ツリーに関連するコスト、別のツリーの関連、複数の無線デバイスのそれぞれの識別子（ＩＤ）、及びＩＰアドレス、ＭＡＣアドレス、他のアドレスのうちの少なくとも１つを含む無線デバイスのアドレス、無線デバイスの設定、各無線デバイスの属性、各無線デバイスに関連する場所の物理的位置、各無線デバイスに関連する場所の領域、各無線デバイスに関係するコスト、各無線デバイスの他の関連、ルートデバイスのＩＤ、及び各ペアワイズ無線リンクの記載はリンクの識別子（ＩＤ）、リンクの設定、リンクの属性、リンクに関係する場所の物理的位置、リンクに関連する場所の物理的領域、リンクに関連する事象、リンクに関連するコスト、リンクの他の関連のうちの少なくとも１つ、タイプ１異種無線デバイス、送信無線デバイス、Ｔｘデバイス、送信無線デバイスのＩＤ、及びタイプ２異種無線デバイス、受信無線デバイス、Ｒｘデバイス、受信無線デバイスのＩＤ、受信無線デバイスのＭＡＣアドレス、及びルーチングテーブルは、ペアワイズ無線リンクの記載、ペアワイズ無線リンクを介してある無線デバイスから別の無線デバイスへデータをルーチングすること、のうちの少なくとも１つ、及びリンクワイズルーチング分析は、宛先デバイス、ルートデバイス、ローカルサーバ及びクラウドサーバ、各無線デバイスからルートデバイスへの距離、及び各無線デバイスと宛先デバイスとの間のペアワイズ無線リンクの数の内の少なくとも１つに対する、のうちの少なくとも１つを含む方法。
第Ａ５項：第Ａ１項に記載のツリー構造無線センシングシステムの方法であって、前記情報及びルーティングテーブルのうちの少なくとも１つを更新することをさらに含む、方法。
第Ａ６項：第Ａ１項に記載のツリー構造無線センシングシステムの方法は、前記情報、ルーティングテーブル、要件、及び基準のうちの少なくとも１つに基づいて、前記ツリーの前記ノードを介して宛先デバイスに向けてデータを送信するための経路を見つけることをさらに含む。
第Ａ７項：第Ａ６項に記載のツリー構造無線センシングシステムの方法は、更新された宛先、更新された情報、更新されたルーティングテーブル、更新された要件、及び更新された基準のうちの少なくとも１つに基づいて経路を変更することをさらに含む。
第Ａ８項：第Ａ１項に記載のツリー構造無線センシングシステムの方法は、ルーティングテーブルと、複数の無線デバイス及びツリー相互接続構造の情報とのうちの少なくとも１つに基づいて、前記ツリーの前記ルートデバイスに向かってリンクワイズ分析をルーティングすることをさらに含む、方法。
第Ａ９項：第Ａ８項に記載のツリー構造無線センシングシステムの方法は、更新された宛先、更新された情報、更新されたルーティングテーブル、更新された要件、及び更新された基準のうちの少なくとも１つに基づいて前記ルーティングを更新することをさらに含む。
第Ａ１０項：第Ａ１項に記載のツリー構造無線センシングシステムの方法は、ルーティングテーブル、前記複数の無線デバイスの情報、及び前記ツリー相互接続構造のうちの少なくとも１つに基づいて、前記ツリーのいくつかのノードを介して前記ツリーの前記ルートデバイスにリンワイズアナリスティックを送信することをさらに含む。
第Ａ１１項：第Ａ１項に記載のツリー構造無線センシングシステムの方法は、前記情報及びルーティングテーブルのうちの少なくとも１つに基づいて、前記場所の対象領域に関連付けられた前記ツリーの少なくとも１つのペアワイズ無線リンクを識別することをさらに含む。
第Ａ１２項：第Ａ１項に記載のツリー構造無線センシングシステムの方法は、前記情報及びルーティングテーブルのうちの少なくとも１つに基づいて、前記場所の前記オブジェクトの前記オブジェクトの動きに関連付けられた前記ツリーの少なくとも１つのペアワイズ無線リンクを識別することをさらに含む。
第Ａ１３項：第Ａ１項に記載のツリー構造無線センシングシステムの方法は、前記情報及びルーティングテーブルのうちの少なくとも１つに基づいて、前記場所を通って移動する前記オブジェクトの跡に関連付けられる前記ツリーの少なくとも１つのペアワイズ無線リンクを識別することをさらに含む。
第Ａ１４項：第１のデバイス及び第２のデバイスの両方がタイプＢデバイスである、前記第１の無線デバイスと前記第２の無線デバイスとを接続する各ペアワイズ無線リンクにおいて、前記第１のデバイスによって場所の前記オブジェクトの前記オブジェクトの動きに関連する少なくとも１つのリンクワイズ分析を前記第２のデバイスに送信することと、前記第２のデバイスによって少なくとも１つのリンクワイズ分析を受信することと、前記少なくとも１つのリンクワイズ分析に基づいて前記オブジェクトの動きを監視することと、をさらに備える、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ１５項：無線信号が前記第１のデバイスによって第２のデバイスに送信される、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ１６項：無線信号が前記第２のデバイスによって第１のデバイスに送信される、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ１７項：第Ａ１項に記載のツリー構造無線センシングシステムの方法であって、 前記ルートデバイスによる全ての前記リンクワイズ分析を取得することと、 全ての前記リンクワイズ分析に基づいて前記ルートデバイスによる前記オブジェクトの動きを監視することと、全ての前記リンクワイズ分析に基づいて、前記ルートデバイスによる少なくとも１つの全体分析を計算することと、をさらに含む方法。
第Ａ１８項：前記複数の無線デバイスのうちの少なくとも１つからルートデバイスによって少なくとも１つの無線信号を受信することと、少なくとも１つの無線信号から前記ルートデバイスによって少なくとも１つのＴＳＣＩを取得することと、前記少なくとも１つのＴＳＣＩに基づいて前記ルートデバイスによって少なくとも１つのリンクワイズ分析を計算することとをさらに備える、第Ａ１７項に記載のツリー構造無線センシングシステムの方法。
第Ａ１９項：前記ルートデバイスによってネットワークを介して利用可能な、前記データベース内の前記複数の無線デバイス及びツリー相互接続構造の情報の全体分析、リンクワイズ分析、及び一部のうちの少なくとも１つを作成することをさらに含む、第Ａ１７項に記載のツリー構造無線センシングシステムの方法。
第Ａ２０項：前記ルートデバイスによるメッセージを、前記データベース内の前記複数の無線デバイス及び前記ツリー相互接続構造の全体的な分析、前記リンワイズ分析、及び前記情報に基づいて、ネットワークを介してユーザデバイスに送信することをさらに含む、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ２１項：タイプＡデバイスが少なくとも１つの無線受信機を有する、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ２２項：タイプＢデバイスが、第１の無線デバイスから第１の無線信号を受信し、同時方式、並行方式、代替方式、同時存在方式、及び非同期方式のうちの少なくとも１つで第２の無線デバイスに第２の無線信号を送信する、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ２３項：タイプＢデバイスが、第１の無線デバイスから第１の無線信号を受信するために第１の無線機を使用し、第２の無線信号を同時にかつ非同期に第２の無線デバイスに送信するために第２の無線機を使用するように、少なくとも２つの無線機を有する、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ２４項：複数の無線デバイスのうちの１つが、２つ以上のペアワイズ無線リンク内にあり、前記デバイスが、第１のリンク内の第１のタイプＢデバイスに第１の無線信号を送信し、前記デバイスが、第２のリンク内の第２のタイプＢデバイスに第２の無線信号を送信し、前記第１及び第２のタイプＢデバイスのそれぞれが、それぞれの前記無線信号を受信し、それぞれの前記無線信号からそれぞれのＴＳＣＩを取得し、前記それぞれのＴＳＣＩに基づいてそれぞれのリンクワイズ分析を計算する、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ２５項：前記デバイスが、前記第１のタイプＢデバイス及び前記第２のタイプＢデバイスのうちの少なくとも１つに、少なくとも１つのペアワイズ分析を送信する、第Ａ２４項に記載のツリー構造無線センシングシステムの方法。
第Ａ２６項：前記複数の無線デバイスのうちの１つが、２以上のペアワイズ無線リンク内にあり、前記デバイスが、前記２以上のペアワイズ無線リンクに関連する２以上のそれぞれのタイプＢデバイスにブロードキャスト方式で無線信号を送信し、前記２以上のタイプＢデバイスのそれぞれが、前記無線信号を受信し、前記無線信号からそれぞれのＴＳＣＩを取得し、前記それぞれのＴＳＣＩに基づいてそれぞれのリンクワイズ分析を計算する、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ２７項：前記デバイスは、少なくとも１つのペアワイズ分析を前記２以上のタイプＢデバイスのうちの少なくとも１つに送信する、第Ａ２６項に記載のツリー構造無線センシングシステムの方法。
第Ａ２８項：新たな無線デバイスを追加することなく、または既存の無線デバイスを除去することなく、ペアワイズ無線リンクを修正することによって前記ツリーを修正することと、前記データベース内の前記複数の無線デバイス及び前記ツリー相互接続構造の前記情報を更新することとをさらに含む、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ２９項：前記複数の無線デバイスのセットの構成を変更せずに維持しながら、前記複数の無線デバイスのセットの中で前記ペアワイズ無線リンクを再配置することによって前記ツリーを修正することと、前記データベース内の前記複数の無線デバイス及び前記ツリー相互接続構造の前記情報を更新することと、をさらに含む、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ３０項：新しい無線デバイスを追加すること、及び既存の無線デバイスを除去することのうちの少なくとも１つによって前記ツリーを修正することをさらに含み、前記新しい無線デバイスは、タイプＡデバイス及びタイプＢデバイス、リーフノード、非リーフノード及びルートノード、のうちの少なくとも１つであり、前記既存の無線デバイスは、タイプＡデバイス及びタイプＢデバイス、リーフノード、非リーフノード及びルートノード、のうちの少なくとも１つであり、データベース内の前記複数の無線デバイス及び前記ツリー相互接続構造の前記情報を更新する、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ３１項：さらに、前記ルートデバイスを変更することによって前記ツリーを修正し、前記複数の無線デバイスのうちの別の無線デバイスによってツリーを置き換えることと、前記データベース内の複数の無線デバイス及びツリー相互接続構造の前記情報を更新することとを含む、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ３２項：前記複数の無線デバイスの中から新しいルートデバイスを選択し、少なくとも１つのペアワイズ無線リンクを変更することによって前記ツリーを修正することと、前記データベース内の前記複数の無線デバイス及び前記ツリー相互接続構造の前記情報を更新することとをさらに備える、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ３３項：新しいペアワイズ無線リンクを追加すること、及び既存のペアワイズ無線リンクを除去すること、のうちの少なくとも１つにより前記ツリーを修正し、前記データベース内の前記複数の無線デバイス及び前記ツリー相互接続構造の前記情報を更新すること、をさらに含む、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ３４項：前記ツリーのどの無線デバイスを除去することなく、前記ツリーの既存のペアワイズ無線リンクを除去することによって前記ツリーを修正することと、前記データベース内の前記複数の無線デバイスオブジェクト及び前記ツリー相互接続構造の前記情報を更新することと、をさらに含む、第Ａ３３項に記載のツリー構造無線センシングシステムの方法。
第Ａ３５項：前記ツリーの無線デバイスを除去することによって前記ツリーの既存のペアワイズ無線リンクを除去することによって前記ツリーを修正することと、前記データベース内の前記複数の無線デバイス及び前記ツリー相互接続構造の前記情報を更新することと、をさらに含む、条項Ａ３３に記載のツリー構造無線センシングシステムの方法。
第Ａ３６項：第Ａ３３項に記載のツリー構造無線センシングシステムの方法であって、前記ツリーにどの新たな無線デバイスを追加することなく、前記ツリーの新たなペアワイズ無線リンクを追加することによって前記ツリーを修正することと、前記データベース内の前記複数の無線デバイス及び前記ツリー相互接続構造の前記情報を更新することと、をさらに含む、方法。
第Ａ３７項：新しい無線デバイスを前記ツリーに追加することによって前記ツリーの新しいペアワイズ無線リンクを追加することによって前記ツリーを修正することと、前記データベース内の前記複数の無線デバイス及び前記ツリー相互接続構造の前記情報を更新することとをさらに備える、第Ａ３３項に記載のツリー構造無線センシングシステムの方法。
第Ａ３８項：新しい無線デバイスをツリーのノードとして前記複数の無線デバイスに追加する要求を前記サーバに送信することと、前記新しい無線デバイスと前記少なくとも１つの既存のデバイスとの間で少なくとも１つのペアワイズ無線リンクが確立されるように、制御信号を前記新しい無線デバイス及び前記ツリーの少なくとも１つの既存のデバイスに送信することと、前記データベース内のルーティングテーブル、及び複数の無線デバイスと前記ツリー相互接続構造との前記情報のうちの少なくとも１つを更新することと、をさらに備える、第Ａ３項に記載のツリー構造無線センシングシステムの方法。
第Ａ３９項：前記少なくとも１つのペアワイズ無線リンクのうちの１つにおける前記少なくとも１つの既存のデバイスのうちの１つに、前記新しい無線デバイスによって無線信号を送信することをさらに含み、前記既存のデバイスは、タイプＢデバイスである、第Ａ３８項に記載のツリー構造無線センシングシステムの方法。
第Ａ４０項：前記新しい無線デバイスにより、前記オブジェクトの動きに関連する少なくとも１つのリンクワイズ分析を、前記ペアワイズ無線リンク内の前記既存のデバイスに送信することをさらに含み、前記新しい無線デバイスは、タイプＢデバイスである、第Ａ３９項に記載のツリー構造無線センシングシステムの方法。
第Ａ４１項：前記少なくとも１つのペアワイズ無線リンクのうちの別の１つの中の前記少なくとも１つの既存のデバイスのうちの別の１つに、前記新しい無線デバイスによって別の無線信号を送信することをさらに含み、前記別の既存のデバイスは、タイプＢデバイスである、第Ａ３９項に記載のツリー構造無線センシングシステムの方法。
第Ａ４２項：新しい無線デバイスがタイプＢデバイスであり、前記少なくとも１つのペアワイズ無線リンクのうちの１つにおいて、前記少なくとも１つの既存のデバイスのうちの１つからの無線信号を前記新しい無線デバイスによって受信することと、をさらに備える、第Ａ３８項に記載のツリー構造無線センシングシステムの方法。
第Ａ４３項：前記ペアワイズ無線リンク内の既存のデバイスから、前記オブジェクトの動きに関連する少なくとも１つのリンクワイズ分析を受信することをさらに含み、前記既存のデバイスがタイプＢデバイスである、第Ａ４２項に記載のツリー構造無線センシングシステムの方法。
第Ａ４４項：既存の無線デバイスを前記ツリーから除去する要求を前記サーバに送信することと、前記既存の無線デバイスに関連付けられた少なくとも１つのペアワイズ無線リンクが除去されるように、制御信号を前記既存の無線デバイス及び前記ツリーの少なくとも１つの別のデバイスに送信することと、をさらに備える、第Ａ３項に記載のツリー構造無線センシングシステムの方法。
第Ａ４５項：既存の無線デバイスを前記ツリーから除去する要求を前記サーバに送信することと、前記既存の無線デバイスとツリーの第１のデバイスとに、それらの間の第１のペアワイズ無線リンクが除去されるように制御信号を送信することと、前記無線デバイスとツリーの第２のデバイスとに、それらの間の第２のペアワイズ無線リンクが除去されるように、制御信号を送信することと、前記第１のデバイスと前記第２のデバイスとに、それらの間に新しいペアワイズ無線リンクが確立されるように、制御信号を送信することと、をさらに備える、第Ａ３項に記載のツリー構造無線センシングシステムの方法。
第Ａ４６項：前記第１のデバイスが、前記第１のペアワイズ無線リンクにおいて前記無線デバイスに第１の無線信号を送信し、前記無線デバイスが、前記第２のペアワイズ無線リンクにおいて前記第２のデバイスに第２の無線信号を送信し、前記第１のデバイスが、前記新しいペアワイズ無線リンクにおいて前記第２のデバイスに第３の無線信号を送信する、第Ａ４５項に記載のツリー構造無線センシングシステムの方法。
第Ａ４７項：前記ツリーのリーフノードとして前記複数の無線デバイスに新しい無線デバイスを追加することをさらに含み、前記新しい無線デバイスは、タイプＡデバイス及びタイプＢデバイスのうちの少なくとも１つである、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ４８項：前記ツリーのノードとして前記複数の無線デバイスに新しい無線デバイスを追加することと、前記新しいデバイスと前記ツリーの既存の無線デバイスとの間の新しいペアワイズ無線リンクを追加することと、前記データベース内の前記複数の無線デバイス及び前記ツリー相互接続構造の前記情報を更新することと、前記新しいデバイスにより無線信号を前記既存のデバイスに送信することと、前記既存のデバイスにより前記無線信号を受信することと、前記無線信号から前記既存のデバイスによりＴＳＣＩを取得することと、前記ＴＳＣＩに基づいて前記既存のデバイスによりオブジェクトの動きを監視することと、前記ＴＳＣＩに基づいて前記既存のデバイスによりリンクワイズ分析を計算することと、をさらに備える、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ４９項：前記既存のデバイスがタイプＡデバイスであり、前記既存のデバイスをタイプＢデバイスに変換することをさらに含む、第Ａ４８項に記載のツリー構造無線センシングシステムの方法。
第Ａ５０項：前記新しいデバイスがタイプＢデバイスであり、前記新しいデバイスと前記ツリーの別の既存の無線デバイスとの間の別の新しいペアワイズ無線リンクを追加することと、前記別の既存のデバイスから前記新しいデバイスにより無線信号を受信することと、前記無線信号から前記新しいデバイスによりＴＳＣＩを取得することと、前記ＴＳＣＩに基づいて前記新しいデバイスにより前記オブジェクトの動きを監視することと、前記ＴＳＣＩに基づいて前記新しいデバイスによりリンクワイズ分析を計算することと、をさらに備える、第Ａ４８項に記載のツリー構造無線センシングシステムの方法。
第Ａ５１項：前記新しいデバイスがタイプＢデバイスであり、前記新しいデバイスによって別のデバイスから少なくとも１つのリンクワイズ分析を受信することをさらに含む、第Ａ４８項に記載のツリー構造無線センシングシステムの方法。
第Ａ５２項：前記ツリーに非リーフノードとして前記複数の無線デバイスに新しい無線デバイスを追加することをさらに含み、前記新しいデバイスはタイプＢデバイスである、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ５３項：前記ツリーに非リーフノードとして前記複数の無線デバイスに新しい無線デバイスを追加することであって、前記新しいデバイスがタイプＢデバイスであることと、前記新しいデバイスと前記ツリーの既存の無線デバイスとの間の新しいペアワイズ無線リンクを追加することと、前記データベース内の前記複数の無線デバイス及び前記ツリー相互接続構造の前記情報を更新することと、前記既存のデバイスから前記新しいデバイスにより無線信号を受信することと、前記無線信号から前記新しいデバイスによりＴＳＣＩを取得することと、前記ＴＳＣＩに基づいて前記新しいデバイスによりオブジェクトの動きを監視することと、前記ＴＳＣＩに基づいて前記新しいデバイスによりリンクワイズ分析を計算することと、をさらに備える、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ５４項：前記新しいデバイスにより前記リンクワイズ分析を別の既存のデバイスに送信することをさらに含む、第Ａ５３項に記載のツリー構造無線センシングシステムの方法。
第Ａ５５項：前記既存のデバイスがタイプＢデバイスであり、前記既存のデバイスから前記新しいデバイスにより少なくとも１つのリンクワイズ分析を受信することをさらに含む、第Ａ５３項に記載のツリー構造無線センシングシステムの方法。
第Ａ５６項：すべてのリンクワイズ分析に共同で基づいて、前記新しいデバイスによるオブジェクトの動きを監視することをさらに含む、第Ａ５５項に記載のツリー構造無線センシングシステムの方法。
第Ａ５７項：前記新しいデバイスにより少なくとも１つのリンクワイズ分析を別の既存のデバイスに転送することをさらに含む、第Ａ５５項に記載のツリー構造無線センシングシステムの方法。
第Ａ５８項：前記既存のデバイスが前記既存のツリーの前記既存のルートであり、前記新しいデバイスが、前記既存のデバイスを前記ツリーの前記新しいルートとして置き換える、第Ａ５３項に記載のツリー構造無線センシングシステムの方法。
第Ａ５９項：前記ツリーから既存の無線デバイスを除去することと、前記既存の無線デバイスが無線信号を別の既存のデバイスに送信するペアワイズ無線リンクを除去することと、前記データベース内の前記複数の無線デバイス及びツリー相互接続構造の前記情報を更新することと、をさらに含む、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ６０項：既存のデバイスがタイプＢデバイスである前記既存の無線デバイスを前記ツリーから除去することと、前記既存の無線デバイスが別の既存のデバイスから無線信号を受信するペアワイズ無線リンクを除去することと、前記複数の無線デバイス及び前記ツリー相互接続構造の前記データベース内の前記情報を更新することと、をさらに含む、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ６１項：既存のデバイスがタイプＢデバイスである前記既存の無線デバイスを前記ツリーから除去することと、前記既存の無線デバイスが第１の既存のデバイスから第１の無線信号を受信するペアワイズ無線リンクを除去することと、前記既存の無線デバイスが第２の既存のデバイスに第２の無線信号を送信するペアワイズ無線リンクを除去することと、前記第１の既存のデバイスが前記第２の既存のデバイスに第３の無線信号を送信するペアワイズ無線リンクを追加することと、前記データベース内の前記複数の無線デバイス及び前記ツリー相互接続構造の前記情報を更新することと、をさらに備える、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ６２項：前記ツリーの第１の既存のデバイスと第２の既存のデバイスとの間にペアワイズ無線リンクを追加することと、前記複数の無線デバイス及び前記ツリー相互接続構造の前記データベース内の前記情報を更新することと、をさらに含む、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ６３項：前記ツリーの第１の既存のデバイスと第２の既存のデバイスとの間にペアワイズ無線リンクを追加することと、前記データベース内の前記複数の無線デバイス及び前記ツリー相互接続構造の前記情報を更新することと、前記第１のデバイスによって前記第２のデバイスに無線信号を送信することと、前記第２のデバイスによって前記無線信号を受信することと、前記第２のデバイスによって前記無線信号からＴＳＣＩを取得することと、前記第２のデバイスによって前記ＴＳＣＩに基づいて前記オブジェクトの動きを監視することと、前記第２のデバイスによって前記ＴＳＣＩに基づいてリンクワイズ分析を計算することと、をさらに備える、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ６４項：前記ツリーの第１の既存のデバイスと第２の既存のデバイスとの間の既存のペアワイズ無線リンクを除去することと、前記複数の無線デバイス及び前記ツリー相互接続構造の前記データベース内の前記情報を更新することと、をさらに含む、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ６５項：前記ツリーの第１の既存のデバイスと第２の既存のデバイスとの間の既存のペアワイズ無線リンクを除去することと、前記データベース内の複前記数の無線デバイス及び前記ツリー相互接続構造の前記情報を更新することと、前記第１のデバイスによる前記第２のデバイスへの無線信号の送信を停止することと、前記第２のデバイスによる前記無線信号の受信を停止することと、前記第２のデバイスによる前記無線信号からのＴＳＣＩの取得を停止することと、前記第２のデバイスによる前記ＴＳＣＩに基づく前記オブジェクトの動きの監視を停止することと、前記第２のデバイスによる前記ＴＳＣＩに基づくリンクワイズ分析の計算を停止することと、をさらに含む第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ６６項：ルーティングテーブル、ならびに前記データベース内の前記複数の無線デバイス及び前記ツリー相互接続構造の前記情報うちの少なくとも１つを更新することと、前記更新を前記複数の無線デバイスに伝搬することと、をさらに含む、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ６７項：前記ツリー相互接続構造は、２以上のルートを有し、前記ツリーの前記２以上のルートの各々は、タイプＢデバイスである、第Ａ１項に記載のツリー構造無線センシングシステムの方法。
第Ａ６８項：前記ツリーの第１のノードから前記ツリーの第２のノードへの２つ以上のルートがある。システム、デバイス、及びソフトウェアの項は、タイプＡデバイスの観点、リーフノードとしてのタイプＢデバイスの観点、非リーフノードとしてのタイプＢデバイスの観点、ルートノードとしてのタイプＢデバイスの観点、サーバの観点から成る。第Ａ１項に記載のツリー構造無線センシングシステムの方法。
本開示はまた、無線センシングを達成するために無線システムをどのように適格とするか、及びＷＭＮにおいてＩｏＴの無線センシング能力をどのように分配するかを開示する。８０２．１１センシング、またはＷｉＦｉセンシングは、８０２．１１信号を使用して環境内の事象／変化を検知（例えば、検出）することである。信号処理や機械学習と共に使用できる。
一実施形態では、無線送信機（Ｔｘ）は、マルチパスリッチな場所において、８０２．１１信号を無線受信機（Ｒｘ）に送信する。８０２．１１信号は、場所で前後に跳ね返り、多数のマルチパスを生成する。通信には望ましくないが、８０２．１１信号の跳ね返りは、場所を効果的に「スキャン」または「センシング」する。マルチパスを（例えば、ＣＳＩを介して）監視することによって、開示されたシステムは、場所における対象事象及び変化を検出することができる。この開示された動き検出方法は、送信機と受信機との間に見通し線（ＬＯＳ）を必要とせず、ＬＯＳと非ＬＯＳ （ＮＬＯＳ）の両方の状況で動作できる。ほとんどの場合、送信機と受信機はウェアラブルデバイスである必要はない。これは、８０２．１１対応デバイス（例えば、ＴＶ、スピーカ、ルータ、ＩｏＴデバイス）及び設備（スタジアム、ホール、部屋、倉庫、工場）に新しい機能性を提供し、すべての８０２．１１関連会社（コンポーネント／デバイス／サービス）に新しい業界全体のビジネスチャンスを提供する。開示されたシステムは、専用のハードウェアを必要としない。
受動赤外線（ＰＩＲ）動きセンサは、ＬＯＳシナリオでのみ動作する可能性があり、機械学習をサポートしない。それは、家全体をカバーするために多くの（例えば、６つの） ＰＩＲセンサを必要とする。モーションセンシングに基づくビデオカメラは、ＬＯＳシナリオにおいてのみ機能することができ、メモリ及び計算の面で集約的である。ビデオの監視または記録は、人間のプライバシーを侵害する。対照的に、８０２．１１センシングは、ＬＯＳ及びＮＬＯＳシナリオの両方で機能することができ、住宅全体をカバーするために１対の送信機及び受信機のみを必要とし、機械学習をサポートすることができ、モーションセンシングに基づくビデオカメラと比較して、記憶要件及び計算要件がはるかに低い。さらに、８０２．１１センシングにおいてプライバシーを侵害するビデオはない。
８０２．１１センシングは、多くのシナリオ、例えば、侵入者検出、セキュリティ、スマートＩｏＴのための動き検出、睡眠モニタリング、健康、介護のための呼吸モニタリング、スマートファクトリ、屋内ＧＰＳコンパニオン、交通計画のための位置特定／追跡、高齢者、事故検出、介護のための転倒検出、スマートカーのためのホットカーにおける子供検出、事故防止、会議室、利便性、スマートＩｏＴのための存在／近接検出、ユーザ識別、個人化、スマートＩｏＴのための人間識別、スマートオフィスのためのジェスチャ認識、及びユーザインターフェースのための活動認識に適用することができる。これらのアプリケーションの多くは、ウェアラブルデバイスを必要とせず、非接触モードで動作することができ、ビデオまたはＬＯＳ要件を必要としない。
８０２．１１センシングは、サービスプロバイダ、デバイス製造業者（例えば、スマートホーム／ＩｏＴデバイス、家庭用電子機器、コンピューティングデバイス、家庭電化製品、照明、アクセサリの製造業者）、及びコンポーネントプロバイダにビジネスチャンスを与えることができる。例えば、開示された方法は、従来のモード（例えば、ブロードバンド、モバイル、ストリーミング、ケーブル）または新しいモード（例えば、スマートデバイスメーカー）において、日常生活、安全性、生活スタイル、利便性、個人化、介護、デジタルヘルスなどに関する「８０２．１１センシング」サービス、ファームウェア、ソフトウェア、及び／またはデバイスの新しい波を提供することができる。
図３９は、本開示のいくつかの実施形態による、受動赤外線（ＰＩＲ）センシング及びＷｉＦｉセンシングに基づく動き検出の例示的性能を示す。ＰＩＲとの長期的な並列比較において、６つの専門的に設置されたＰＩＲと１対の８０２．１１ Ｔｘ／Ｒｘによってカバーされるテストハウスにおいて、８０２．１１モーションセンシングは、ＰＩＲよりも良好に動作する。図３９に示すように、ＰＩＲセンシング及び８０２．１１センシングは、同様の誤警報率を有するが、８０２．１１センシングは、ＰＩＲセンシングよりも良好な検出率を有する。
図４０は、本開示のいくつかの実施形態による、呼吸監視のための例示的なセットアップを示す。他の呼吸センサ（圧力センサ、レーダーセンサ、ＰＳＧがグラウンドトゥルースである）との複数夜の並列比較では、８０２．１１呼吸監視（非接触）は、ステージ（覚醒（ａｗａｋｅ）／ＲＥＭ／ＮＲＥＭ）検出レート、及びメジアン（ａｂｓ）誤差に関して、圧力センサ及びレーダーセンサより性能が優れている。建物内の経路に沿った歩行実験では、８０２．１１追跡（８０２．１１信号に基づく追跡）は、ＮＬＯＳ操作において、２０〜３０ｃｍ未満の平均（ａｂｓ）追跡誤差で、高い追跡精度を示す。
８０２．１１信号の跳ね返りは、任意のオブジェクトの動き、事象、及び変更を含む、環境を効果的にスキャンまたはセンシングするマルチパスを生成する。マルチパスは、チャネル状態情報（ＣＳＩ）でキャプチャすることができる。８０２．１１センシングでは、様々な信号処理／機械学習アルゴリズム及びシステムを適用して、ＣＳＩの変化を検出することによる動き検出、ＣＳＩの周期的挙動を検出することによる呼吸検出、ＣＳＩ認識による位置特定など、動き／事象／変化に関する様々なタスクを達成するためにＣＳＩを取得及び分析することができる。ＣＳＩ生成、タイミング、精度、一貫性、プロトコルなどに関するシステムの標準化が必要とされることがある。インターフェースも標準化することができる。一部の８０２．１１センシングデモは、１／１０／１００／１０００Ｈｚで周期的な調査／ＣＳＩ生成を使用し、１０Ｈｚで利用可能なデータ帯域幅の０．１％未満のサウンディングオーバーヘッドを有する。プロトコルは、ＣＳＩの生成、繰り返しレート、タイミングの精度、アンテナ選択及び８０２．１１センシングのためのプローブを、ＣＳＩの一貫性、精度、及びフォーマットを用いて制御することを決定することができる。
以下の番号付けされた項は、追加の実施例を提供する。
第Ｂ１項：認定（ｑｕａｌｉｆｉｅｄ）無線システムの方法であって、場所の無線マルチパスチャネルを介してタイプ１異種無線デバイスからタイプ２異種無線デバイスに無線信号を送信することと、タイプ２異種無線デバイスによって前記無線信号を受信することと、前記タイプ２デバイスのプロセッサと、前記プロセスと通信可能に結合されたメモリと、前記メモリに格納された命令のセットとに基づいて前記無線マルチパスチャネルのチャネル情報（ＣＩ）時系列を取得することと、タスクのために前記ＴＳＣＩを利用可能にすることとを含み、前記タイプ１デバイス、前記タイプ１デバイスのモジュール、前記タイプ１デバイスの集積回路（ＩＣ）、前記タイプ２デバイス、前記タイプ２デバイスのモジュール、及び前記タイプ２デバイスのＩＣのうちの少なくとも１つが、それぞれの資格基準が満たされる場合に認定される、方法。
第Ｂ２項：第Ｂ１項に記載の認定無線システムの方法であって、前記タイプ１デバイス及び前記タイプ２デバイスは、場所の２つの異なる場所に配置される方法。
第Ｂ３項：第Ｂ１項に記載の認定無線システムの方法であって、前記タイプ１デバイス及び前記タイプ２デバイスが並置され、場所の類似な位置に配置される方法。
第Ｂ４項：第Ｂ３項に記載の認定無線システムの方法であって、前記タイプ１デバイスと前記タイプ２のデバイスとが同じデバイスである、方法。
第Ｂ５項：第Ｂ１項に記載の認定無線システムの方法であって、場所に２対以上のタイプ１デバイス及びタイプ２デバイスが存在し、対のそれぞれのタイプ２デバイスは、前記対の前記それぞれのタイプ１デバイスから非同期にそれぞれの無線信号を受信し、それぞれのＴＳＣＩを非同期に取得し、第１の対の前記タイプ１デバイス及び前記タイプ２デバイスは並置され、第２の対の前記タイプ１デバイス及び前記タイプ２デバイスは、場所の２つの異なる位置に配置される、方法。
第Ｂ６項：第Ｂ１項に記載の認定無線システムの方法であって、前記タイプ１デバイス及び前記タイプ２デバイスのうちの少なくとも１つを識別情報（ＩＤ）に関連付ける、方法。
第Ｂ７項：前記ＩＤは、名前、番号、英数字ＩＤ、テキストの列、番号と記号、ファイル、データベース、データベースの項目、項目への指標、ウェブページへのリンク、記憶装置へのリンク、ＭＡＣアドレス、ＩＰアドレス、ネットワークアドレス、ネットワークＩＤ、ドメインＩＤ、ウェブＩＤ、インターネットＩＤ、モバイルネットワークＩＤ、ＬＡＮＩＤ、 プラットフォームＩＤ、ソフトウェアＩＤ、ソフトゥエアアプリケーションＩＤ、管理ＩＤ、監督ＩＤ、ハードウェアＩＤ、デバイスＩＤ、デバイスプロファイル、ハードウェアコンポーネントＩＤ、コンピュータＩＤ、プロセッサＩＤ、記憶装置ＩＤ、プロセスＩＤ、シリアル番号、タスクＩＤ、クラス、クラス情報、カテゴリ、カテゴリ情報、パフォーマンス情報、能力情報、ポリシー情報、前記タイプ１デバイスと前記タイプ２デバイスのペアＩＤ、ペアプロファイル、リンクＩＤ、リンクプロファイル、アンテナＩＤ、システムＩＤ、ユーザ、顧客、スーパバイザ、スーパーユーザ、管理者、守護者、サービス、アカウント、パスワード、サービスアカウント、ユーザアカウント、ユーザプロファイル、ユーザ名、ユーザのパスワード、ユーザ情報、ユーザＩＤ、サービスプロバイダ、サービスプロファイル、製造者情報、販売チャネル、ベンダー、小売業者、物流チャネル、コンテンツチャネル、アップルＩＤ、 アマゾンＩＤ、サムスンＩＤ、グーグルＩＤ、フェイスブックＩＤ、マイクロソフトＩＤ、カンパニＩＤ、サービスＩＤ、サービスプロバイダＩＤ、サービスＩＤ、アクセスＩＤ、他のＩＤのハッシュ、ユーザ関連づけ、ユーザグループ、アカウント権限、 ユーザ履歴、タスク、タスクＩＤ、タスク情報、タスク要件、タスクに関連するユーザ、物理アドレス、物理的位置、ホーム、家庭、オフィス、会社、学校、倉庫、商店、工場、駅、スタジアム、ホール、構内、場所、サイト、地域、ゾーン、領域、範囲、近接場所、近隣、地図、マップ位置、位置ベースの情報、通り、市、郡、州、省、管区、県、国、大陸、ジップコード、郵便コード、ＧＰＳ座標、他のコード、電話番号、ペイメントカード情報、分類、格付け、カテゴリ、及び他のＩＤ、のうちの少なくとも１つを含む、第Ｂ６項に記載の認定無線システムの方法。
第Ｂ８項：さらに、前記タイプ１デバイス、前記タイプ２デバイス、別の無線異種デバイス、及びユーザデバイスのうちの任意の２つの間でＩＤを共有することを含む、第Ｂ６項に記載の認定無線システムの方法。
第Ｂ９項：標準、ＷｉＦｉ標準、ＷＬＡＮ標準、メッシュネットワーク標準、ＩＥＥＥ標準、ＩＥＥＥ ８０２標準、ＩＥＥＥ ８０２．１１標準、ＩＥＥＥ ８０２．１５標準、 ＩＥＥＥ ８０２．１６標準、ＷｉＦｉアライアンス仕様、３ＧＰＰ標準、移動通信標準、３Ｇ／４Ｇ／ＬＴＥ／５Ｇ／６Ｇ／７Ｇ／８Ｇ、国際標準、国家標準、業界標準、デファクト標準、 プロトコル、ハンドシェイク、問い合わせ、応答、肯定応答、データベース、別のフォーマット、別のチャネル、別の交換及び別のメカニズムのうちの１つに基づいてＩＤを共有することをさらに含む、第Ｂ８項に記載の認定無線システムの方法。
第Ｂ１０項：前記ＩＤは、時間変化する、第Ｂ６項に記載の認定無線システムの方法。
第Ｂ１１項：時間変化ＩＤが、標準、プロトコル、確立されたプロトコル、相互運用可能なプロトコル、仕様、要件、資格要件、資格基準、タイプ１デバイス及びタイプ２デバイスによって合意されたプロトコル、前記タイプ１デバイス及び前記タイプ２デバイスによって合意されたタイミング、標準規格及びプロトコルに基づくタイミング、ストラテジ、タイムテーブル、ユーザ設定、 ユーザ要求、サーバによる制御、前記タイプ１デバイス、前記タイプ２デバイス、別のデバイス、前記サーバ、及び前記タイプ１デバイス、前記タイプ２デバイス、前記別のデバイス、 前記サーバ、別のタイプ１デバイス、別のタイプ２デバイス、状況、無線マルチパスチャネルの状態、別の基準、及び別のメカニズムのうちの２つの間で通信される制御信号、のうちの少なくとも１つに基づいて時間にわたって変化する、第Ｂ１０項に記載の認定無線システムの方法。
第Ｂ１２項：前記タイプ１デバイスの第１の搬送波周波数、第１のチャネル、第１のアンテナ、及び第１のアンテナ群のうちの少なくとも１つを使用して、前記タイプ１デバイスによって前記無線信号の第１の部分を送信することと、前記タイプ１デバイスの第２の搬送波周波数、第２のチャネル、第２のアンテナ、及び第２のアンテナ群のうちの少なくとも１つを使用して、前記タイプ１デバイスによって前記無線信号の第２の部分を送信することと、をさらに備える、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１３項：前記無線信号の前記第１の部分及び前記第２の部分が、以下の方法、すなわち、協調、非協調、独立、共に、非分離、分離、同時、同時期、 非同時、同じ時間に、異なる時間に、同期、及び非同期のうちの少なくとも１つで前記タイプ１デバイスによって送信されることをさらに含む、第Ｂ１２項に記載の認定無線システムの方法。
第Ｂ１４項：前記第１の搬送波周波数及び前記第２の搬送波周波数が、同じ及び異なるうちの少なくとも１つである、第Ｂ１２項に記載の認定無線システムの方法。
第Ｂ１５項：前記第１のチャネル及び前記第２のチャネルが、同じチャネル、重複するチャネル、及び異なるチャネルのうちの少なくとも１つである、第Ｂ１２項に記載の認定無線システムの方法。
第Ｂ１６項：前記第１のアンテナ及び前記第２のアンテナが、同じアンテナ及び異なるアンテナのうちの少なくとも１つである、第Ｂ１２項に記載の認定無線システムの方法。
第Ｂ１７項：前記第１のアンテナ群及び前記第２のアンテナ群は、アンテナの同じ群、アンテナの重複する群、及びアンテナの別々の群のうちの少なくとも１つである。
第Ｂ１８項：前記無線信号の前記第１の部分の第１の特性及び前記無線信号の前記第２の部分の第２の特性は、前記タイプ１デバイス、前記タイプ２デバイス及び別のデバイスのうちの少なくとも２つの間で、決定される、計画される、交換される、ハンドシェイクされる、共有される、ネゴシエートされる、配置される、及び調整される、うちの少なくとも１つである、第Ｂ１２項に記載の認定無線システムの方法。
第Ｂ１９項：前記無線信号の前記第１の部分の前記第１の特性及び前記無線信号の前記第２の部分の前記第２の特性は、標準、プロトコル、確立されたプロトコル、相互運用プロトコル、仕様、要件、 資格要件、資格基準、タイプ１デバイス及びタイプ２デバイスによって合意されたプロトコル、タイプ１デバイス及びタイプ２デバイスによって合意されたタイミング、 標準及びプロトコルのうちの少なくとも１つに基づくタイミング、ストラテジ、タイムテーブル、ユーザ設定、ユーザ要求、サーバによる制御、前記タイプ１デバイス、前記タイプ２デバイス、別のデバイス、前記サーバ、及び前記タイプ１デバイス、前記タイプ２デバイス、前記別のデバイス、前記サーバ、別のタイプ１デバイス、 別のタイプ２デバイスのうちの２つの間で通信される制御信号、状況、無線マルチパスチャネルの状態、別の基準、及び別のメカニズム、の内の少なくとも１つに基づいて、決定、計画、交換、ハンドシェイク、共有、ネゴシエート、配置、及び調整のうちの少なくとも１つをされる、第Ｂ１８項に記載の認定無線システム。
第Ｂ２０項：前記タイプ２デバイスの前記第１の搬送波周波数、前記第１のチャネル、第３のアンテナ、及び第３のアンテナ群のうちの少なくとも１つを使用して、前記タイプ２デバイスによって前記無線信号の第１の部分を受信することと、前記タイプ２デバイスの 前記第２の搬送波周波数、前記第２のチャネル、第４のアンテナ、及び第４のアンテナ群のうちの少なくとも１つを使用して、前記タイプ２デバイスによって前記無線信号の第２の部分を受信することと、をさらに備える、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ２１項：前記無線信号の前記第１の部分及び前記第２の部分は、以下の方法のうちの少なくとも１つでタイプ２デバイスによって受信される、すなわち、協調、非協調、独立、一緒、非分離、 分離、同時、同時期、非同時、同じ時間に、異なる時間に、同期して、及び非同期、である第Ｂ２０項に記載の認定無線システムの方法。
第Ｂ２２項：前記タイプ２デバイスの前記第３のアンテナ及び前記第４のアンテナが、同じアンテナ及び異なるアンテナのうちの少なくとも１つである、第Ｂ２０項に記載の認定無線システムの方法。
第Ｂ２３項：第Ｂ２０項に記載の認定無線システムの方法であって、前記タイプ２デバイスのアンテナの前記第３の群及び前記第４の群は、アンテナの同じ群、アンテナの重複する群、及びアンテナの別々の群のうちの少なくとも１つである、方法。
第Ｂ２４項：前記タイプ１デバイスから第２のタイプ２デバイスに前記無線信号を送信することであって、前記無線信号の第１の部分は、前記第２のタイプ２デバイスに向けられており、前記無線信号の第２の部分は、前記第２のタイプ２のデバイスに向けられている送信することと、前記タイプ１デバイスの第１の搬送波周波数、第１のチャネル、第１のアンテナ、及び第１のアンテナ群のうちの少なくとも１つを使用して、前記タイプ１デバイスによって前記無線信号の前記第１の部分を送信することと、前記タイプ１のデバイスの第２の搬送波周波数、第２のチャネル、第２のアンテナ、及び第２のアンテナ群のうちの少なくとも１つを使用して前記タイプ１デバイスによって前記無線信号の前記第２の部分を送信することと、をさらに備える、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ２５項：前記無線信号の前記第１の部分及び前記第２の部分は、以下の方法のうちの少なくとも１つで前記タイプ１デバイスによって送信される第Ｂ２４項に記載の認定無線システムの方法、すなわち、協調、非協調、独立、一緒、非分離、分離、同時、同時期、非同時、同じ時間に、異なる時間に、同期、及び非同期。
第Ｂ２６項：前記第１の搬送波周波数及び前記第２の搬送波周波数が、同じ及び異なるうちの少なくとも１つである、第Ｂ２４項に記載の認定無線システムの方法。
第Ｂ２７項：前記第１のチャネル及び前記第２のチャネルが、同じチャネル、重複チャネル、及び異なるチャネルのうちの少なくとも１つである、第Ｂ２４項に記載の認定無線システムの方法。
第Ｂ２８項：前記タイプ１デバイスの前記第１のアンテナ及び前記第２のアンテナが、同じアンテナ及び異なるアンテナのうちの少なくとも１つである、第Ｂ２４項に記載の認定無線システムの方法。
第Ｂ２９項：前記タイプ１デバイスのアンテナの前記第１の群及びアンテナの前記第２の群は、アンテナの同じ群、アンテナの重複する群、及びアンテナの別々の群のうちの少なくとも１つである、第Ｂ２４項に記載の認定無線システムの方法。
第Ｂ３０項：前記タイプ１デバイス、前記タイプ２デバイス、前記第２のタイプ２デバイス、及び別のデバイスのうちの少なくとも２つの間で、前記無線信号の前記第１の部分の第１の特性及び前記無線信号の前記第２の部分の第２の特性が、決定、計画、交換、ハンドシェイク、共有、ネゴシエート、配置、及び調整のうちの少なくとも１つがされる、第Ｂ２４項に記載の認定無線システムの方法。
第Ｂ３１項：前記無線信号の前記第１の部分の前記第１の特性及び前記無線信号の前記第２の部分の前記第２の特性は、標準、 プロトコル、確立されたプロトコル、相互運用プロトコル、仕様、要件、資格要件、資格基準、タイプ１デバイス及びタイプ２デバイスによって合意されたプロトコル、タイプ１デバイス及びタイプ２デバイスによって合意されたタイミング、標準及びプロトコルのうちの少なくとも１つに基づくタイミング、ストラテジ、タイムテーブル、ユーザ設定、ユーザ要求、及びサーバ、前記タイプ１デバイス、前記タイプ２デバイス、別のデバイス、前記サーバによる制御、及び前記タイプ１デバイス、前記タイプ２デバイス、前記別のデバイス、前記サーバ、別のタイプ１デバイス、別のタイプ２デバイスのうちの２つの間で通信される制御信号、状況、無線マルチパスチャネルの状態、別の基準、及び別のメカニズム、の内の少なくとも１つに基づいて、決定、計画、交換、ハンドシェイク、共有、ネゴシエート、配置、及び調整のうちの少なくとも１つをされる、第Ｂ３０項に記載の認定無線システムの方法。
第Ｂ３２項：前記無線信号の前記第１の部分は、前記タイプ２デバイスの前記第１の搬送波周波数、前記第１のチャネル、第３のアンテナ、及び第３のアンテナ群のうちの少なくとも１つを使用して前記タイプ２デバイスによって受信され、前記無線信号の前記第２の部分は、前記第２のタイプ２デバイスの前記第２の搬送波周波数、前記第２のチャネル、第４のアンテナ、及び第４のアンテナ群のうちの少なくとも１つを使用して前記第２のタイプ２デバイスによって受信される第Ｂ２４項に記載の認定無線システムの方法。
第Ｂ３３項：第２のタイプ１デバイスから前記タイプ２デバイスに第２の無線信号を送信することと、前記タイプ２デバイスの第１の搬送波周波数、第１のチャネル、第１のアンテナ、及び第１のアンテナ群のうちの少なくとも１つを使用して前記タイプ２デバイスによって無線信号を受信することと、前記タイプ２デバイスの第２の搬送波周波数、第２のチャネル、第２のアンテナ、及び第２のアンテナ群のうちの少なくとも１つを使用して前記タイプ２デバイスによって第２の無線信号を受信することと、をさらに備える、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ３４項：前記第１の無線信号及び前記第２の無線信号が、以下の方法のうちの少なくとも１つで前記タイプ１デバイス及び前記第２のタイプ１デバイスによってそれぞれ送信される、すなわち、協調、非協調、独立、一緒、非分離、分離、同時、同時期、非同時、 同じ時間に、異なる時間に、同期、及び非同期である、第Ｂ３３項に記載の認定無線システムの方法。
第Ｂ３５項：前記第１の搬送波周波数及び前記第２の搬送波周波数が、同じ及び異なるうちの少なくとも１つである、第Ｂ３１項に記載の認定無線システムの方法。
第Ｂ３６項：前記第１のチャネル及び前記第２のチャネルが、同じチャネル、重複するチャネル、及び異なるチャネルのうちの少なくとも１つである、第Ｂ３１項に記載の認定無線システムの方法。
第Ｂ３７項：前記タイプ２デバイスの前記第１のアンテナ及び前記第２のアンテナが、同じアンテナ及び異なるアンテナのうちの少なくとも１つである、第Ｂ３１項に記載の認定無線システムの方法。
第Ｂ３８項：、前記タイプ２デバイスのアンテナの前記第１の群及びアンテナの前記第２の群は、同じアンテナ群、アンテナの重なり合う群、及びアンテナの別々の群のうちの少なくとも１つである、第Ｂ３１項に記載の認定無線システムの方法。
第Ｂ３９項：前記無線信号の第１の特性及び前記第２の無線信号の第２の特性のうちの少なくとも１つが、前記タイプ１デバイス、前記第２のタイプ１デバイス、前記タイプ２デバイス、及び別のデバイスのうちの少なくとも２つの間で、決定、計画、交換、ハンドシェイク、共有、ネゴシエート、配置、調整、のうちの少なくとも１つがされる、第Ｂ３１項に記載の認定無線システムの方法。
第Ｂ４０項：前記無線信号の前記第１の特性及び前記第２の無線信号の前記第２の特性は、標準、プロトコル、確立されたプロトコル、相互運用プロトコル、仕様、要件、資格要件、資格基準、 タイプ１デバイス及びタイプ２デバイスによって合意されたプロトコル、タイプ１デバイス及びタイプ２デバイスによって合意されたタイミング、標準及びプロトコルのうちの少なくとも１つに基づくタイミング、ストラテジ、タイムテーブル、ユーザ設定、ユーザ要求、及びサーバ、前記タイプ１デバイス、前記タイプ２デバイス、別のデバイス、前記サーバによる制御、及び前記タイプ１デバイス、前記タイプ２デバイス、前記別のデバイス、前記サーバ、別のタイプ１デバイス、別のタイプ２デバイスのうちの２つの間で通信される制御信号、状況、無線マルチパスチャネルの状態、別の基準、及び別のメカニズム、の内の少なくとも１つに基づいて、決定、計画、交換、ハンドシェイク、共有、ネゴシエート、配置、及び調整のうちの少なくとも１つをされる、第Ｂ３９項に記載の認定無線システムの方法。
第Ｂ４１項：前記無線信号は、電磁（ＥＭ）波、無線周波数（ＲＦ）信号、ＲＦ送信、１つ以上の送信アンテナによって送信されたＲＦ信号、１つ以上の受信アンテナによって受信されたＲＦ信号、ＲＦリピータによって中継されたＲＦ信号、ＲＦリピータによって再送信されたＲＦ信号、 ８００／９００ＭＨｚ信号、１．８／１．９ＧＨｚ信号、２．４ＧＨｚ信号、５ＧＨｚ信号、６ＧＨｚ信号、２４ＧＨｚ信号、７６〜８１ＧＨｚ信号、２８ＧＨｚ信号、６０ＧＨｚ信号、 １２２ＧＨｚ信号、２４４Ｇｈｚ信号、 マイクロ波信号、赤外線信号、光信号、紫外線信号、オーディオ信号、ＯＦＤＭ信号、ＣＤＭＡ信号、ＦＤＭＡ信号、ＴＤＭＡ信号、ＯＦＤＭＡ信号、ＭＩＭＯ信号、ＭＵ−ＭＩＭＯ信号、ＱＡＭ信号、４−ＱＡＭ。８−ＱＡＭ、１６−ＱＡＭ、 ３２−ＱＡＭ、６４−ＱＡＭ、２５６−ＱＡＭ、５１２−ＱＡＭ、１０２４−ＱＡＭ、２０４８−ＱＡＭ、４０９６−ＱＡＭ、８１９２−ＱＡＭ、１６３８４−ＱＡＭ、３２７６８−ＱＡＭ、６５５３６−ＱＡＭ、ＷｉＦｉ信号、ＩＥＥＥ８０２準拠信号、ＩＥＥＥ ８０２．１１信号、８０２．１５信号、ＩＥＥＥ ８０２．１６信号、標準準拠信号、無線ローカルエリアネットワーク（ＷＬＡＮ）信号、Ｚｉｇｂｅｅ信号、Ｂｌｕｅｔｏｏｔｈ信号、ＲＦＩＤ信号、セルラーネットワーク信号、３ＧＰＰ準拠信号、３Ｇ／４Ｇ／ＬＴＥ／５Ｇ／ ７Ｇ／８Ｇ信号、セルラー通信信号、ＩＳＭ帯域を使用するＲＦ信号、無認可帯域を使用するＲＦ信号、認可帯域を使う信号、ＧＰＳ信号、ベースバンド信号、帯域制限された信号、 超広帯域（ＵＷＢ）信号、無線標準準拠信号、周波数ホッピング信号、バースト信号、信号の列、安定なストリーム信号、不規則なタイミングを有する信号のストリーム、規則的なタイミングを有する信号のストリーム、ヌル信号、プロトコル信号、プロトコル準拠信号、データ信号、制御信号、ビーコン信号、パイロット信号、プローブ信号、励起信号、照明信号、基準信号、トレーニング信号、同期信号、要求信号、問い合わせ信号、応答信号、肯定応答信号、ダウンリンク信号、アップリンク信号、ユニキャスト信号、マルチキャスト信号、ブロードキャスト信号、パルス信号、バースト信号、モーションプローブ信号、モーション検出信号、モーションセンシング信号、見通し線（ＬＯＳ）信号、非見通し線（ＮＬＯＳ）信号、信号の組合せ、信号の混合、信号の連続、一連の信号、及び別の無線信号、のうちの少なくとも１つである第Ｂ１項に記載の認定無線システム。
第Ｂ４２項：前記無線信号は、前記第１のデバイスに対して、前記第２のデバイス、別のタイプ１デバイス、別のタイプ２デバイス、及び別の無線デバイスの少なくとも１つから送信される第２の無線信号への応答、前記タイプ１デバイスにより受信される要求信号、クエリ信号、プローブ要求信号、コマンド信号、制御信号、データ信号、非無線信号、電気信号、及び別の信号のうちの少なくとも１つに対する応答、別の無線信号への肯定応答、プロトコル信号、ハンドシェイク信号、問い合わせ信号、要求信号、クエリ信号、プローブ要求信号、コマンド信号、制御信号、データ信号、応答信号、プローブ応答信号、肯定応答信号、返信信号、ビーコン信号、パイロット信号、プローブ信号、サウンディング信号、ブロードキャスト、信号列、及び前記タイプ１デバイスと前記タイプ２デバイスとの間のハンドシェイクの一部への肯定応答、のうちの少なくとも１つを含む、第Ｂ４１項に記載の認定無線システムの方法。
第Ｂ４３：前記無線信号は、前記第２の無線信号に基づいて、前記無線信号の前記サウンディング信号のタイミング、出現、生成、繰り返し、発生の繰り返し、規則的発生、サイクル発生、周期的発生、規則的間隔を有する発生、サウンディング間隔、サウンディング期間、サウンディングレート、サウンディングタイミング、及び別の態様のうちの少なくとも１つを制御する、一連のサウンディング信号をさらに含む、第Ｂ４２項に記載の認定無線システムの方法。
第Ｂ４４項：前記第２の無線信号は一連のプローブ要求信号を含み、各サウンディング信号は前記第２の無線信号のそれぞれのプローブ要求信号に対するプローブ応答信号であり、前記第２の無線信号の前記プローブ要求信号のタイミング、出現、生成、反復、反復、規則的な出現、周期的な出現、周期的な出現、規則的な間隔での出現、サウンディング間隔、サウンディング率、サウンディングタイミング、及び別の態様 のうちの少なくとも１つを制御することによって、前記無線信号の前記サウンディング信号の、タイミング、出現、生成、反復、発生の繰り返し、規則的な発生、サイクリック発生、周期的な発生、規則的な間隔での発生、サウンディング間隔、サウンディング期間、サウンディングレート、サウンディングタイミング、及び別の態様、のうちの少なくとも１つを制御する、第Ｂ４３項に記載の認定無線システムの方法。
第Ｂ４５項：前記無線信号が、第２の無線信号に対する応答、返信、肯定応答、及びハンドシェイクのうちの少なくとも１つであり、前記第２の無線信号の対応する特性を制御することによって前記無線信号の特性を制御することをさらに含む、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ４６項：前記第２の無線信号の少なくとも１つのタイミングを制御することによって、前記無線信号の少なくとも１つのタイミングを制御することをさらに備える、第Ｂ４２項に記載の認定無線システムの方法。
条項Ｂ４７：前記第２の無線信号の少なくとも１つの対応するレートを制御することによって、前記無線信号の少なくとも１つのレートを制御することをさらに備える、第Ｂ４２項に記載の認定無線システムの方法。
第Ｂ４８項：前記無線信号は、一連のプローブ信号（または、サウンディング信号またはビーコン信号またはパイロット信号）を含み、前記ＴＳＣＩの各ＣＩは、対応するプローブ信号に基づいて取得される、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ４９項：一連のプローブ信号が、プローブ信号の安定なストリーム、局所的に安定なプローブ信号、局所的に不在のプローブ信号、瞬間的に安定なプローブ信号、瞬間的に存在しないプローブ信号、バーストプローブ信号、一時停止プローブ信号、第１のレートに関連するプローブ信号の第１の安定なストリーム（又は波、列、又は連続）、第２のレートに関連するプローブ信号の第２の安定なストリーム（又は波、列、又は連続）、目標送信時間に関連するプローブ信号、目標送信時間に前記タイプ１デバイスにより送信されるプローブ信号、遅れたプローブ信号、目標送信時間の後に送信されたプローブ信号、無線マルチパスチャネルの混雑のために遅れた遅延プローブ信号、他のデバイスにより前記無線マルチパスチャネルが使われていたので遅れたプローブ信号、前記タイプ２デバイスで正常に受信されなかったプローブ信号、プロトコル信号、データ信号、制御信号、ビーコン信号、パイロット信号、励起信号、照明信号、参照信号、トレーニング信号、同期信号、ハンドシェイク信号、要求信号、問い合わせ信号、応答信号、プローブ要求信号、プローブ問い合わせ信号、プローブ応答信号、工程応答信号、同期信号、トレーニング信号、基準信号、ユニキャスト信号、ユニキャスト信号、マルチキャスト信号、ブロードキャスト信号、アップリンク信号、ダウンリンク信号、パルス信号、信号バースト、データフレーム、制御フレーム、ビーコンフレーム、パイロットフレーム、プライマリチャネル内のビーコンフレーム、プローブ要求フレーム、プローブ応答フレーム、ユニキャストフレーム、マルチキャストフレーム、ブロードキャストフレーム、ヘッダ付きフレーム、プリアンブル付きフレーム、データペイロード付きフレーム、ＩＥＥＥ ８０２ １．１１フレーム、ＦＨＳＳフレーム、ＤＳＳＳフレーム、ＯＦＤＭフレーム、ＤＳＳＳ−ＯＦＤＭフレーム、ＥＲＰ−ＰＢＣＣフレーム、ＨＴ−ＯＦＤＭフレーム、ＶＨＴ−ＯＦＤＭフレーム、ＨＥ−ＯＦＤＭフレーム、ＤＭＧフレーム、ＥＤＭＧフレーム、ＴＶＨＴフレーム、ＳＩＧフレーム、ＷＵＲフレーム、ＩＲフレーム、ＩＥＥＥ ８０２．１１ ＭＡＣプロトコルデータユニット（ＭＰＤＵ）、ＩＥＥＥ ８０２．１１ ＰＨＹプロトコルデータユニット（ＰＰＤＵ）、ＩＥＥＥ ８０２．１１ ＰＬＣＰサービスデータユニット（ＰＳＤＵ）、及び別のフレーム、を含む第Ｂ４３項に記載の認定無線システムの方法。
第Ｂ５０項：タイミングは、前記一連のプローブ信号の前記ＴＳＣＩ、前記タイプ１デバイスによる前記一連のプローブ信号の前記送信、前記タイプ２デバイスによる前記一連のプローブ信号の前記受信、のうちの少なくとも１つ、チャネル状態、チャネルの様子、無線マルチパスチャネルのチャネル使用情報のうちの少なくとも１つ、及び前記ＴＳＣＩの状態及び様子のうちの少なくとも１つに連付けられ、ここでタイミングは、前記タイプ１デバイスからのプローブ信号の前記送信に関連付けられたタイミング、前記タイプ２デバイスによる前記プローブ信号の受信に関連付けられたタイミング、前記タイプ１デバイスによる前記一連のプローブ信号の受信に関連付けられたタイミング、前記タイプ２デバイスによる前記一連のプローブ信号の前記受信に関連付けられたタイミング、前記タスクに関連付けられたタイミング、前記タスクの要件に関連付けられたタイミング、前記タスクのユーザ要件に関連付けられたタイミング、性能レベルを達成するために前記タスクに要求されるタイミング、周波数、期間、開始時間、終了時間、休止、待機、パワーダウン、スリープ、ウェイクアップ、アラーム、通知、スケジュール、プラン、タイムテーブル、制御、シグナリング、要求、問い合わせ、肯定応答、応答、事象、トリガ事象、トリガ条件、トリガ状況、及び別のタイミング特徴のうちの少なくとも１つに関連する前記タスクの要件に関連するタイミング、前記タスクに基づく、要求、問い合わせ、応答、及び肯定応答のうちの少なくとも１つに関連するタイミング、前記タイプ１デバイス、前記タイプ２デバイス、及び別のデバイスのうちの少なくとも２つの間で送信される制御信号に関連するタイミング、変化時間、状態遷移時間、周波数、期間、 開始時間、停止時間、休止時間、スタンバイ時間、電力供給停止時間、待機時間、電力供給開始時間、起床時間、アラーム時間、待機時間、通知時間、予定時間、予定時間、タイムテーブル、シグナリング時間、要求時間、照会時間、肯定応答時間、応答時間、事象時間、トリガ時間、状態／状況が、変化する、留まる、変化しない、状態に入る、状態に留まる、開始する、停止、休止、待機、事象を検出する、事象に応答する、トリガ、電力ダウン、スリープ、パワーアップ、起床、アラート、アラーム、通知、スケジュール、時限事象をセットアップし、及び別のアクションを実行する、の内の少なくと１つ、期間、前記タスクに基づく期間、通常期間、高アラート期間、低アラート期間、 ２つ以上の関連するタイミング、及び別の無線信号、別の一連のプローブ信号、及び別のＴＳＣＩのうちの少なくとも１つに関連する別のタイミングに関連するタイミング、のうちの少なくとも１つに関連するタイミング、のうちに少なくとも１つを含む、第Ｂ４３項に記載の認定無線システムの方法。
第Ｂ５１項：さらに、前記タイプ１デバイス、前記タイプ２デバイス、及び別のデバイスのうちの少なくとも２つの間で、前記一連のプローブ信号、前記ＴＳＣＩ、前記タスク、及び前記タスクのユーザ要件のうちの少なくとも１つのタイミング、をシグナリングすることを含む、第Ｂ４３項に記載の認定無線システムの方法。
第Ｂ５２項：前記一連のプローブ信号、前記ＴＳＣＩ、前記タスク、及び前記タスクのユーザ要件のうちの少なくとも１つの情報を、前記タイプ１デバイス、前記タイプ２デバイス、及び別のデバイスのうちの少なくとも２つの間でシグナリングすることをさらに含む、第Ｂ４３項に記載の認定無線システムの方法。
第Ｂ５３項：前記無線信号を使用して、前記タイプ１デバイスと前記タイプ２デバイスとの間で、前記一連のプローブ信号、前記ＴＳＣＩ、前記タスク、及び前記タスクのユーザ要件のうちの少なくとも１つの情報をシグナリングすることをさらに備える、第Ｂ４７項に記載の認定無線システムの方法。
条項Ｂ５４：一連のプローブ信号、ＴＳＣＩ、タスク、及びタスクのユーザ要件のうちの少なくとも１つの要件を、タイプ１デバイス、タイプ２デバイス、及び別のデバイスのうちの少なくとも２つの間でシグナリングすることをさらに含む、条項Ｂ４３に記載の認定無線システムの方法。
第Ｂ５５項：前記一連のプローブ信号、前記ＴＳＣＩ、前記タスク、及び前記タスクのユーザ要件のうちの少なくとも１つの要件に関する能力を、前記タイプ１デバイス、前記タイプ２デバイス、及び別のデバイスのうちの少なくとも２つの間でシグナリングすることをさらに含む、第Ｂ４９項に記載の認定無線システムの方法。
第Ｂ５６項：前記一連のプローブ信号、前記ＴＳＣＩ、前記タスク、及び前記タスクのユーザ要件のうちの少なくとも１つのタイミングを、前記タイプ１デバイス、前記タイプ２デバイス、及び別のデバイスのうちの少なくとも２つの間でネゴシエートすることをさらに含む、第Ｂ４３項に記載の認定無線システムの方法。
第Ｂ５７項：前記一連のプローブ信号、前記ＴＳＣＩ、前記タスク、及び前記タスクのユーザ要件のうちの少なくとも１つのタイミングを、前記タイプ１デバイス、前記タイプ２デバイス、及び別のデバイスのうちの少なくとも２つの間で調整することをさらに含む、第Ｂ４３項に記載の認定無線システムの方法。
第Ｂ５８項：前記タイプ１デバイス、前記タイプ２デバイス、及び別のデバイスのうちの少なくとも２つの間で、前記一連のプローブ信号、前記ＴＳＣＩ、前記タスク、及び前記タスクのユーザ要件のうちの少なくとも１つのタイミングを決定することをさらに含む、第Ｂ４３項に記載の認定無線システムの方法。
第Ｂ５９項：前記一連のプローブ信号、前記ＴＳＣＩ、前記タスク、及び前記タスクのユーザ要件のうちの少なくとも１つのタイミングに関する情報を、前記タイプ１デバイス、前記タイプ２デバイス、及び別のデバイスのうちの少なくとも２つの間でシグナリングすることをさらに含む、第Ｂ４３項に記載の認定無線システムの方法。
第Ｂ６０項：前記一連のプローブ信号、前記ＴＳＣＩ、前記タスク、及び前記タスクのユーザ要件のうちの少なくとも１つのタイミングに関する能力を、前記タイプ１デバイス、前記タイプ２デバイス、及び別のデバイスのうちの少なくとも２つの間でシグナリングすることをさらに備える、第Ｂ４３項記載の認定無線システムの方法。
第Ｂ６１項：前記一連のプローブ信号、前記ＴＳＣＩ、前記タスク、及び前記タスクのユーザ要件のうちの少なくとも１つのタイミングに関する情報を、前記タイプ１デバイス、前記タイプ２デバイス、及び別のデバイスのうちの少なくとも２つの間でネゴシエートすることをさらに含む、第Ｂ４３項に記載の認定無線システムの方法。
第Ｂ６２項：前記一連のプローブ信号、前記ＴＳＣＩ、前記タスク、及び前記タスクのユーザ要件のうちの少なくとも１つのタイミングの情報を、前記タイプ１デバイス、前記タイプ２デバイス、及び別のデバイスのうちの少なくとも２つの間で調整することをさらに含む、前記Ｂ４３項に記載の認定無線システムの方法。
第Ｂ６３項：前記一連のプローブ信号、前記ＴＳＣＩ、前記タスク、及び前記タスクのユーザ要件のうちの少なくとも１つのタイミングの情報を、前記タイプ１デバイス、前記タイプ２デバイス、及び別のデバイスのうちの少なくとも２つの間で決定することをさらに含む、第Ｂ４３項に記載の認定無線システムの方法。
第Ｂ６４項：前記一連のプローブ信号、前記一連のプローブ信号に基づいて取得されるＴＳＣＩ、前記ＴＳＣＩに基づいて実行されるタスク、及び前記タスクのユーザ要件のうちの少なくとも１つに関連する統計値を計算することをさらに含み、前記統計値は、周波数、レート、サウンディングレート、前記タスクに関連するサウンディングレート、期間、前記タスクに関連する期間、精度、規則性、一貫性、不規則性、偏差、誤差、ヒットレート、ミスレート、検出、偽警報、偽陽性、平均、分散値、高次統計、タイミング精度、タイミング規則性、周波数制度、周波数規則性、タイミング不規則性、周波数不規則性、偏差、周波数偏差、タイミング偏差、性能、パフォーマンス指標、パフォーマンス統計値、タイムウインドウ、現在のタイムウインドウに関連する関連する現在の統計値、現在の周波数、現在のレート、及び現在の期間、のうちの少なくとも１つを含む、第Ｂ４３項に記載の認定無線システムの方法。
第Ｂ６５項：さらに、タイプ１デバイス、タイプ２デバイス、及び別のデバイスのうちの少なくとも２つの間で統計値をシグナリングすることを含む、第Ｂ５９項に記載の認定無線システムの方法。
第Ｂ６６項：前記タイプ１デバイス、前記タイプ２デバイス、及び別のデバイスのうちの少なくとも２つの間で統計値をネゴシエートすることをさらに含む、第Ｂ５９項に記載の認定無線システムの方法。
第Ｂ６７項：前記統計値、前記タスク、及び前記タスクのユーザ要件のうちの少なくとも１つに関連する要件を達成するために、前記タイプ１デバイス、前記タイプ２デバイス、及び別のデバイスのうちの少なくとも１つの設定をネゴシエートすることをさらに備える、第Ｂ５９項に記載の認定無線システムの方法。
第Ｂ６８項：前記統計値、前記タスク、及び前記タスクのユーザ要件のうちの少なくとも１つに関連するパフォーマンスを達成するために、前記タイプ１デバイス、前記タイプ２デバイス、及び別のデバイスのうちの少なくとも２つを調整することをさらに備える、第Ｂ５９項に記載の認定無線システムの方法。
第Ｂ６９項：さらに、前記タイプ１デバイス、前記タイプ２デバイス、及び別のデバイスのうちの少なくとも２つの間の統計値を決定することを含む、第Ｂ５９項に記載の認定無線システムの方法。
第Ｂ７０項：前記ＴＳＣＩが前記タスクに適しているかどうかをチェックする、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ７１項：前記無線信号は、一連のプローブ信号を含み、前記一連のプローブ信号及び前記ＴＳＣＩのうちの少なくとも１つの情報を取得することをさらに含む、第Ｂ６５項に記載の認定無線システムの方法。
第Ｂ７２項：前記情報は、前記ＴＳＣＩ及び前記ＴＳＣＩのＣＩの少なくとも１つに関連する、ＣＩの属性、サイズ、寸法、カーディナリティ、部品量、部品の少なくとも１つ、前記ＴＳＣＩ、前記ＴＳＣＩのＣＩ及び前記ＣＩの成分のうちの少なくとも１つに関連する、特性、プロパティ、特徴、機能、データタイプ、精度レベル、データ構造、振幅、位相、及び電力のうちの少なくとも１つ、タイムスタンプ、タイミング、持続時間、サウンディングレート、サウンディング期間、サウンディングタイミング、規則性、精度、一貫性、不規則性、タイミングジッタ、変動、偏差、誤差、チャネル状態、雑音電力、干渉、及び、前記ＴＳＣＩ、前記ＴＳＣＩのＣＩ、前記ＣＩの成分、前記無線信号、前記無線信号のプローブ信号、前記無線マルチパスチャネル、前記タイプ１デバイスと前記タイプ２デバイスのうちの少なくとも１つに関連する他のチャネル情報、のうちの少なくとも１つ、送信アンテナの量、送信アンテナのタイプ、送信アンテナの情報、アンテナ利得、少なくとも１つの送信アンテナの群、送信無線の情報、ハードウェア、プロセッサ、ハードウェアアクセラレータ、メモリ、センサ、モジュール、ソフトウェア、オペレーティングシステム、アプリケーションソフトウェア、ファームウェア、命令セットのバージョン、前記命令セットの更新履歴、接続性、ネットワーク近傍、能力、利用可能なコンピューティングパワー、メモリ帯域幅、データ転送能力、記憶容量、ウェイクアップタイミング、動作条件、設定、標準準拠、バッテリレベル、電力設定、システム設定、及び前記タイプ１デバイスの位置、のうちの少なくとも１、受信アンテナの量、受信アンテナのタイプ、受信アンテナの情報、アンテナ利得、少なくとも１つの受信アンテナの群、受信アンテナの情報、ハードウェア、プロセッサ、ハードウェアアクセラレータ、メモリ、センサ、モジュール、ソフトウェア、オペレーティングシステム、アプリケーションソフトウェア、ファームウェア、命令セットのバージョン、前記命令セットの更新履歴、接続性、ネットワーク近傍、能力、利用可能なコンピューティングパワー、メモリ帯域幅、データ転送能力、記憶容量、ウェイクアップタイミング、動作条件、設定、バッテリレベル、電力設定、システム設定、及びタイプ２のデバイスの位置、のうちの少なくとも１つ、前記ＴＳＣＩ、前記ＴＳＣＩのＣＩ、前記ＣＩの成分、前記無線信号、前記マルチパスチャネル、及び前記タイプ１デバイスのうちの少なくとも１つに関連する無線中継デバイスであって、前記無線信号は前記タイプ１デバイスから前記タイプ２デバイスへ送信中に前記無線中継デバイスにより中継される前記無線中継デバイスの、送信アンテナの量、受信アンテナの量、送信アンテナのタイプ、受信アンテナのタイプ、少なくとも１つの送信アンテナの群、少なくとも１つの受信アンテナの群、プロセッサ、メモリ、ソフトウェア、ファームウェア、命令セットのバージョン、前記命令セットの更新履歴、接続性、ネットワーク近傍、能力、及び位置、の少なくとも１つ、前記ＴＳＣＩ、前記ＴＳＣＩのＣＩ、前記ＣＩの成分、前記無線マルチパスチャネル、タイプ１デバイスとタイプ２デバイス、のうちの少なくとも１つに関連する雑音状態、前記ＴＳＣＩ、前記ＴＳＣＩのＣＩ、前記ＣＩの成分、前記無線信号、前記無線マルチパスチャネル、前記タイプ１デバイスと前記タイプ２デバイスのうちの少なくとも１つに関連する信号対雑音状態、前記ＴＳＣＩ、前記ＴＳＣＩのＣＩ、前記ＣＩの成分、前記無線信号、前記無線マルチパスチャネル、前記タイプ１デバイスと前記タイプ２デバイス、のうちの少なくとも１つに関連する帯域幅、前記ＴＳＣＩ、前記ＴＳＣＩのＣＩ、前記ＣＩの成分、前記無線信号、前記無線マルチパスチャネル、前記タイプ１デバイスと前記タイプ２デバイス、のうちの少なくとも１つに関連する帯域幅、前記ＴＳＣＩ、前記ＴＳＣＩのＣＩ、のうちの少なくとも１つに関連する量、前記ＴＳＣＩ、及び前記ＴＳＣＩのＣＩ、及び他の情報のうちの少なくとも１つに関連するタイプ、のうちの少なくとも１つを含む、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ７３項：第Ｂ１項に記載の認定無線システムＢ１の方法であって、プリミティブ、サービスプリミティブ、ＰＨＹレイヤプリミティブ、ＭＡＣレイヤプリミティブ、教育的な命令、設定セット、命令のセット、ファームウェア、ファームウェアドライバ、ファームウエアコール、ソフトウェア、ソフトウェアドライバ、ソフトウェアコール、オペレーティングシステム（ＯＳ）、ＯＳドライバ、ＯＳコール、システムコール、ファームウェアインターフェイス、機能コール、ソフトウェアインターフェイス、及びパラメータ、データフィールド、上記のうちの１つの入力データ及び出力データのうちの少なくとも１つ、及びプリミティブ、教育的命令、構成、命令、ファームウェア、ソフトウェア、ファームウェアドライバ、ソフトウェアドライバのうちの少なくとも１つの集合、及びデバイス、デバイスのハードウェア、及びデバイスのＩＣのうちの少なくとも１つを、備え、実施し、低レベルの制御を達成する上記のいずれか、及びタイプ１デバイス、タイプ１デバイスのＩＣ、タイプ２デバイス、タイプ２デバイスのＩＣ、他のデバイス及び他のデバイスのＩＣの少なくとも１つの上記のいずれか、前記ＴＳＣＩのフォーマットまたは情報、前記ＴＳＣＩの表示又は情報、前記ＴＳＣＩの圧縮方式または前記ＴＳＣＩの情報、前記ＴＳＣＩの暗号化方式または情報、前記ＴＳＣＩのファイルフォーマットまたは記憶スキームまたは前記ＴＳＣＩの情報、前記ＴＳＣＩの伝送フォーマット／ スキーム又はストリーミングフォーマット／スキーム又は前記ＴＳＣＩの情報、及びタスクに基づくＣＩ精度要件、ＣＩタイムスタンプ要件、前記ＴＳＣＩまたは前記無線信号のタイミング要件、前記ＴＳＣＩまたは前記無線信号のタイミング精度要件、前記ＴＳＣＩ又は前記無線信号のタイミング規則性、前記ＴＳＣＩ又は前記無線信号のサウンンディングレート、送信アンテナ及び受信アンテナの要件、前記ＴＳＣＩまたは前記無線信号に関連する帯域幅、前記ＴＳＣＩまたは前記無線信号に関連する有効帯域幅、ＴＳＣＩの量、資格基準、及び、前記ＴＳＣＩ、前記タイプ１デバイス、前記タイプ１デバイスの前記ＩＣ、前記タイプ２デバイス、前記タイプ２デバイスの前記ＩＣ、及びその他の要件のうちの少なくとも１つの要件、の少なくとも１つに基づいて前記ＴＳＣＩまたは前記ＴＳＣＩの情報を取得する、方法。
第Ｂ７４項：前記ＴＳＣＩの特性を前記タスクの要件と比較する、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ７５項：前記タスクに基づいて前記ＴＳＣＩを要求する、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ７６項：前記タスクに対する前記ＴＳＣＩの要求を行う、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ７７項：要件（精度、タイミング、サウンディングレート）を伴う前記ＴＳＣＩの要求を行う、第Ｂ７項に記載の認定無線システムの方法。
第Ｂ７８項：特定の表示において特定のＴＳＣＩを要求する、第Ｂ１２項に記載の認定無線システムの方法。
第Ｂ７９項：特定の精度で特定のＴＳＣＩを要求する、第Ｂ１２項に記載の認定無線システムの方法。
条項Ｂ８０：前記場所に複数の対のタイプ１デバイス及びタイプ２デバイスが存在し、それぞれのタイプ２デバイスが、それぞれの前記タイプ１デバイスからそれぞれの無線信号を非同期に受信し、それぞれのＴＳＣＩを非同期に取得し、２つ以上の対が共通のタイプ２デバイスを共有する、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ８１項：前記共通タイプ２デバイスは、前記２つ以上のペアにおいて交代にアクティブである、第Ｂ６項に記載の認定無線システムの方法。
第Ｂ８２項：前記共通タイプ２デバイスは、前記２つ以上のペアにおける同じ無線チャネルにおいて交代にアクティブである、第Ｂ７項に記載の認定無線システムの方法。
第Ｂ８３項：前記共通のタイプ２デバイスは、前記２つ以上のペアにおいて同時にまたは同時期にアクティブである、第Ｂ６項に記載の認定無線システムの方法。
第Ｂ８４項：前記共通タイプ２デバイスは、前記２つ以上のペアにおいて、同じ無線チャネルにおいて同時にまたは同時期にアクティブである、第Ｂ９項に記載の認定無線システムの方法。
第Ｂ８５項：複数のＴＳＣＩを個別に利用可能にすることをさらに含み、各それぞれのＴＳＣＩは、それぞれのタイプ １デバイスから前記共通のタイプ２デバイスに送信されるそれぞれの無線信号に基づいて取得される、第Ｂ６項に記載の認定無線システムの方法。
第Ｂ８６項：特定のＴＳＣＩを要求することであって、前記特定のＴＳＣＩは、特定のタイプ１デバイスから前記共通のタイプ２デバイスに送信される特定の無線信号に基づいて取得される、第Ｂ６項に記載の認定無線システムの方法。
第Ｂ８７項：前記特定のＴＳＣＩを要求する、第Ｂ１２項に記載の認定無線システムの方法。
第Ｂ８８項：第Ｂ１２項に記載の認定無線システムの方法：特定の要件（精度、タイミング、サウンディングレート）を有する前記特定のＴＳＣＩを要求する、第Ｂ１２項に記載の認定無線システムの方法。
第Ｂ８９項：特定の表示において前記特定のＴＳＣＩを要求する、第Ｂ１２項に記載の認定無線システムの方法。
条項Ｂ９０：特定の精度を持つ前記特定のＴＳＣＩを要求する、第Ｂ１２項に記載の認定無線システムの方法。
第Ｂ９１項：前記要求に基づいて前記特定のＴＳＣＩを利用可能にする、第Ｂ１２項に記載の認定無線システムの方法。
第Ｂ９２項：前記特定のＴＳＣＩに対するソフトウェア要求を行う、第Ｂ１２項に記載の認定無線システムの方法。
第Ｂ９３項：前記特定のＴＳＣＩをバッファリングする、第Ｂ１２項に記載の認定無線システムの方法。
第Ｂ９４項：前記特定のＴＳＣＩを取得する、第Ｂ６項に記載の認定無線システムの方法。
第Ｂ９５項：前記特定のＴＳＣＩを取得する、第Ｂ６項に記載の認定無線システムの方法。
第Ｂ９６項：第１のタイプ１デバイスから前記共通のタイプ２デバイスに送信された第１の無線信号に基づいて取得された第１のＴＳＣＩに基づいて第１のタスクを実行することと、第２のタイプ１デバイスから前記共通のタイプ２デバイスに送信された第２の無線信号に基づいて取得された第２のＴＳＣＩに基づいて第２のタスクを実行することと、をさらに備える第Ｂ６項に記載の認定無線システムの方法。
第Ｂ９７項：複数のＴＳＣＩを利用可能にすることをさらに含み、各それぞれのＴＳＣＩは、それぞれのタイプ １デバイスから前記共通のタイプ２デバイスに送信されるそれぞれの無線信号に基づいて取得される、第Ｂ６項に記載の認定無線システムの方法。
第Ｂ９８項：前記複数のＴＳＣＩを共同タスクのために利用可能にすることをさらに含む、第Ｂ１１項に記載の認定無線システムの方法。
第Ｂ９９項：共同タスクに利用可能な前記複数のＴＳＣＩを要求することをさらに含む、第Ｂ１１項に記載の認定無線システムの方法。
第Ｂ１００項：前記複数のＴＳＣＩに基づいて前記共同タスクを共同で実行することをさらに含む、第Ｂ１１項に記載の認定無線システムの方法。
第Ｂ１０１項：前記複数のＴＳＣＩに基づいて共同タスクを共同で実行することをさらに含む、第Ｂ１１項に記載の認定無線システムの方法。
第Ｂ１０２項：前記複数のペアに基づいて取得されたすべてのＴＳＣＩに基づいて、前記場所のオブジェクトの動きを共同で監視することをさらに含み、各ＴＳＣＩは、それぞれのペアから別々に取得される、第Ｂ６項に記載の認定無線システムの方法。
第Ｂ１０３項：複数のペアのうちの１つで取得されたＴＳＣＩにそれぞれ基づいて、前記場所のオブジェクトの動きを個別に監視することと、個々のモニタを組み合わせることによって、動きを共同で監視することとをさらに含む、第Ｂ６項に記載の認定無線システムの方法。
第Ｂ１０４項：前記場所に複数の対のタイプ１デバイス及びタイプ２デバイスが存在し、各それぞれのタイプ２デバイスが、前記それぞれのタイプ１デバイスからそれぞれの無線信号を非同期に受信し、それぞれのＴＳＣＩを非同期に取得する、方法であって、複数の対が、共通のタイプ１デバイスを共有する、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１０５項：前記共通のタイプ１デバイスは、前記複数のペアにおいて交代にアクティブである、第Ｂ７項に記載の認定無線システムの方法。
第Ｂ１０６項：第Ｂ８項に記載の認定された無線システムの方法であって、前記共通のタイプ１デバイスは、前記複数のペアにおける前記同じ無線チャネルにおいて交代にアクティブである、第Ｂ７項に記載の認定無線システムの方法。
第Ｂ１０７項：前記共通のタイプ１デバイスは、前記複数のペアにおいて同時にまたは同時期にアクティブである、第Ｂ７項に記載の認定無線システムの方法。
第Ｂ１０８項：前記共通のタイプ１デバイスは、前記複数のペアにおいて、前記同じ無線チャネルにおいて同時にまたは同時期にアクティブである、条項Ｂ１０に記載の認定無線システムの方法。
第Ｂ１０９項：前記共通のタイプ１デバイスは、前記複数の対の中の複数のタイプ２デバイスにブロードキャストし、前記複数のタイプ２デバイスのすべてに共通の無線信号を送信する、第Ｂ７項に記載の認定無線システムの方法。
第Ｂ１１０項：前記ブロードキャストの情報がアナウンスされる、第Ｂ１２項に記載の認定無線システムの方法。
第Ｂ１１１項：前記ブロードキャストの情報が、データフレーム、制御フレーム、ビーコンフレーム、プライマリチャネル内のビーコンフレーム、プローブ要求フレーム、プローブ応答フレーム、肯定応答フレーム、マルチキャストフレーム、ブロードキャストフレーム、ヘッダ付きフレーム、ＦＨＳＳフレーム、ＤＳＳＳフレーム、ＯＦＤＭフレーム、ＨＲ−ＤＳＳＳフレーム、ＥＲＰ−ＯＦＤＭフレーム、ＤＳＳＳ−ＯＦＤＭフレーム、ＥＲＰ−ＰＢＣＣフレーム、ＨＴ−ＯＦＤＭフレーム、ＶＨＴ−ＯＦＤＭフレーム、ＨＥ−ＯＦＤＭフレーム、ＤＭＧフレーム、ＥＤＭＧフレーム、ＴＶＨＴフレーム、ＳＩＧフレーム、ＷＵＲフレーム、別のフレーム、サーバ、クラウドサーバ、ローカルサーバ、ウェブサーバ、データベース、一般にアクセス可能なサイト、公開サイト、アナウンスチャネル、ハンドシェイクチャネル、照会チャネル、シグナリング・チャネル、 １次チャネル、２次チャネル、サイドチャネル、アナウンス、ハンドシェイク、問い合わせ、シグナリング、無線信号、過去の無線信号、及び別のチャネル、の内の少なくとも１つでアナウンスされる、第Ｂ１２項に記載の認定無線システムの方法。
第Ｂ１１２項：前記共通のタイプ１デバイスは、前記複数のペア内の複数のタイプ２デバイスにブロードキャストし、前記共通のタイプ１デバイスは、前記共通の無線信号を共通の宛先アドレスに送信し、前記複数のタイプ２デバイスのそれぞれは、前記共通の無線信号を受信するために、そのアドレスを共通の宛先アドレスとして設定する、第Ｂ１２項に記載の認定無線システムの方法。
第Ｂ１１３項：前記共通の宛先アドレスと、前記共通の無線信号に関連付けられた放送チャネルの情報とのうちの少なくとも１つがアナウンスされる、第Ｂ１５項に記載の認定無線システムの方法。
第Ｂ１１４項：前記共通のタイプ１デバイスは、前記複数のペア内の複数のタイプ２デバイスにブロードキャストし、 前記共通のタイプ１デバイスは、前記共通の無線信号をユニバーサル宛先アドレスに送信し、前記複数のタイプ２デバイスのそれぞれは、前記ユニバーサル宛先アドレスに応答し、前記共通の無線信号を受信するように構成される、第Ｂ１２項に記載の認定無線システムの方法。
第Ｂ１１５項：前記共通のタイプ１デバイスは、前記複数のペア内の複数のタイプ２デバイスにブロードキャストし、前記共通のタイプ１デバイスは、共通の無線信号を送信し、前記複数のタイプ２デバイスのそれぞれは、前記共通の無線信号に応答し、前記共通の無線信号を受信するように構成される、条項Ｂ１２に記載の認定無線システムの方法。
第Ｂ１１６条：前記無線チャネルを介した前記タイプ１デバイスからの前記無線信号の前記送信の情報は、データフレーム、制御フレーム、ビーコンフレーム、プライマリチャネル内のビーコンフレーム、プローブ要求フレーム、マルチキャストフレーム、ブロードキャストフレーム、ヘッダ付きフレーム、ＦＨＳＳフレーム、ＤＳＳＳフレーム、ＯＦＤＭフレーム、ＨＲ−ＤＳＳＳフレーム、ＥＲＰ−ＯＦＤＭフレーム、ＤＳＳＳ−ＯＦＤＭフレーム、ＥＲＰ−ＰＢＣＣフレーム、ＨＴ−ＯＦＤＭフレーム、ＶＨＴ−ＯＦＤＭフレーム、ＨＥ−ＯＦＤＭフレーム、ＤＭＧフレーム、ＥＤＭＧフレーム、ＴＶＨＴフレーム、ＳＩＧフレーム、ＷＵＲフレーム、ＩＲフレーム、サーバ、クラウドサーバ、ローカルサーバ、ウェブサーバ、データベース、一般にアクセス可能なサイト、公開サイト、アナウンスチャネル、ハンドシェイクチャネル、問い合わせチャネル、シグナリングチャネル、一次チャネル、二次チャネル、サイドチャネル、アナウンスメント、ハンドシェイク、問い合わせ、シグナリング、前記無線信号、過去の無線信号、及び別のチャネル、のうちの少なくとも１つにおいて部分的にアナウンスされる、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１１７項：前記タイプ １デバイスと前記タイプ２デバイスとの間で情報を交換することをさらに含む、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１１８項：前記無線マルチパスチャネルを使用して前記タイプ１デバイスと前記タイプ２デバイスとの間で前記情報を交換することをさらに含む、第Ｂ２０項に記載の認定無線システムの方法。
第Ｂ１１９項：標準化されたプロトコルに基づいて前記情報を交換することをさらに含む、第Ｂ２０項に記載の認定無線システムの方法。
第Ｂ１２０項：前記タイプ１デバイスと前記タイプ２デバイスとの間の合意された設定のセットを判定することをさらに含む、第Ｂ２０項に記載の認定無線システムの方法。
第Ｂ１２１項：タスクのための前記タイプ１デバイスと前記タイプ２デバイスとの間の前記合意された設定のセットを判定することをさらに含む、第Ｂ２３項に記載の認定無線システムの方法。
第Ｂ１２２項：前記合意された設定のセットが前記タスクの要件を満たすことを判定することをさらに含む、第Ｂ２４項に記載の認定無線システムの方法。
第Ｂ１２３項：前記タスクが前記場所に関連付けられる、第Ｂ２４項に記載の認定無線システムの方法。
第Ｂ１２４項：前記場所における動きを監視するために、前記タイプ１デバイスと前記タイプ２デバイスとの間で前記合意された設定のセットを判定することをさらに含む、第Ｂ２３項に記載の認定無線システムの方法。
第Ｂ１２５項：前記合意された設定のセットが、前記場所の動きを監視するための要件を満たしていると判定することをさらに含む、第Ｂ２７項に記載の認定無線システムの方法。
第Ｂ１２６項：前記動きは、前記場所のオブジェクトの動きである、第Ｂ２７項に記載の認定無線システムの方法。
第Ｂ１２７項：前記合意された設定のセットは、前記タイプ１デバイスから前記タイプ２デバイスへの前記無線信号の前記送信のための設定のセットである、第Ｂ２３項に記載の認定無線システムの方法。
第Ｂ１２８項：標準化されたプロトコルに基づいて、前記タイプ１デバイスと前記タイプ２デバイスとの間の前記合意された設定のセットを判定する、条項Ｂ２３の認定無線システムの方法。
第Ｂ１２９項：前記合意された設定のセットに基づいて前記無線信号を前記送信することをさらに含む、第Ｂ２３項に記載の認定無線システムの方法。
第Ｂ１３０項：前記合意された設定のセットに基づいて前記無線信号をブロードキャストすることをさらに含む、第Ｂ２３項に記載の認定無線システムの方法。
第Ｂ１３１項：前記タイプ１デバイス及び前記タイプ２デバイスの設定がタスクの要件を満たすことができないことを判定することをさらに含む、第Ｂ２０項に記載の認定無線システムの方法。
第Ｂ１３２：標準化されたプロトコルに基づいて判定する、第Ｂ３４項に記載の認定無線システムの方法。
第Ｂ１３３項：前記タスクは、前記場所に関連するモニタリングタスクである、第Ｂ３４項に記載の認定無線システムの方法。
第Ｂ１３４項：前記タスクは、前記場所のオブジェクトの動きを監視することをさらに含む、第Ｂ３４項に記載の認定無線システムの方法。
第Ｂ１３５項：前記無線信号の前記送信の前に，前記タイプ１デバイスと前記タイプ２デバイスとの間で情報を交換することをさらに含む、第Ｂ２０項に記載の認定無線システムの方法。
第Ｂ１３６項：前記無線信号の前記送信の間に前記タイプ１デバイスと前記タイプ２デバイスとの間で前記情報を交換することをさらに含む、第Ｂ２０項に記載の認定無線システムの方法。
第Ｂ１３７項：前記無線信号の前記送信の後に、前記タイプ１デバイスと前記タイプ２デバイスとの間で前記情報を交換することをさらに含む、第Ｂ２０項に記載の認定無線システムの方法。
第Ｂ１３８項：前記情報は、前記タイプ１デバイス、前記タイプ２デバイス、または前記タイプ１デバイスまたは前記タイプ２デバイスと通信可能に結合されたデバイスの、メタデータ、デバイス情報、製造情報、モデル情報、バージョン情報、登録情報、識別情報、分類、カテゴリ、グループ化、制約、使用情報、サービスプロバイダ情報、サービス情報、販売情報、ロジスティック情報、システム情報、コンパニオンシステム情報、能力情報、電力情報、計算情報、プロセッサ情報、ストレージ情報、サポートされるシステム情報、サポートされるタスク情報、性能要件、搬送周波数、周波数情報、タイミング情報、アンテナ情報、位置ベース情報、ソフトウェアまたはファームウェア情報、更新情報、ハードウェア情報、コンポーネント情報、ネットワーク情報、無線ネットワーク情報、アドレス情報、アクセス情報、セキュリティ保護情報、暗号化情報、インターネット情報、及びほかの情報、のうちの少なくとも１つを含む、第Ｂ２０項に記載の認定無線システムの方法。
第Ｂ１３９項：前記方法は、データストリーム、ポイント・ツー・ポイントストリーム、マルチキャストストリーム、ブロードキャストストリーム、ファイル、ファイルのヘッダ、ファイルのフィールド、ファイルの名前、ファイルのメタデータ、ファイルのディレクトリ、標準化されたフォーマットに基づくファイル、データベース、ストレージネットワークのデータベース、データネットワーク、サーバのデータベース、クラウドサーバのデータベース、ローカルサーバのデータベース、データパケット、データレコード、データ構造、標準に基づくデータ構造、データベースのフィールド、データレコードのフィールド、データ構造のフィールド、データパケットのフィールド、サーバ、クラウドサーバ、ローカルサーバ、ウェブサーバ、データベース、一般にアクセス可能なサイト、公開サイト、フレーム、データストリームのフレーム、ファイルのフレーム、フレームのプリアンブル、フレームのヘッダ、フレームのペイロード、フレームのフラグ、フレームのフィールド、プリアンブルのフィールド、ヘッダーのフィールド、制御フィールド、シグナリングフィールド、プロトコルフィールド、データフィールド、ペイロードフィールド、シグナルフィールド、サービスフィールド、タイミングフィールド、継続フィールド、拡張フィールド、トレイラーフィールド、データフレーム、制御フレーム、ビーコンフレーム、プライマリチャネルのビーコンフレーム、セコンダリチャネルのビーコンフレーム、プローブ要求フレーム、プローブ応答フレーム、マルチキャストフレーム、ブロードキャストフレーム、ヘッダ付きフレーム、問い合わせフレーム、肯定応答フレーム、ＦＨＳＳフレーム、ＤＳＳＳフレーム、ＯＦＤＭフレーム、ＨＲ−ＤＳＳＳフレーム、ＥＲＰ−ＯＦＤＭフレーム、ＤＳＳＳ−ＯＦＤＭフレーム、ＥＲＰ−ＰＢＣＣフレーム 、ＨＴ−ＯＦＤＭフレーム、ＶＨＴ−ＯＦＤＭフレーム、ＨＥ−ＯＦＤＭフレーム、ＤＭＧフレーム、ＥＤＭＧフレーム、ＴＶＨＴフレーム、ＳＩＧフレーム、ＷＵＲフレーム、ＩＲフレーム、別のフレーム、０．０１及び１０００００ＭＨｚ の間の帯域幅を持つ複数の無線周波数（ＲＦ）帯、前記タイプ１デバイスから前記タイプ２デバイスへ送信される前記無線信号のレート以下のデータレート、フレームの短いプリアンブル、フレームの長いプリアンブル、０．０１と１０００００Ｍｂｐｓの間のデータレートで送信されるプリアンブル、無線マルチパスチャネルの物理層でサポートされる最低レートで送信されるプリアンブル、及び無線プロトコル、無線ネットワーク標準、無線ｍｅｓｓネットワーク標準、無線通信標準、ＷｉＦｉ、ＷｉＭａｘ、ＷＬＡＮ、ＷｉＧｉＧ、ＷＭＡＮ、 ＩＥＥＥ ８０２標準、 ＩＥＥＥ ８０２．１１標準、ＩＥＥＥ ８０２．１５標準、８０２．１６標準、モバイル通信標準、セルラ通信規格、モバイルネットワーク標準、３ＧＰＰ 規格、ＧＳＭ、ＥＤＧＥ、ＷＣＤＭＡ、ＬＴＥ、２Ｇ／３Ｇ／４Ｇ／５Ｇ／６Ｇ／７Ｇ／８Ｇ 関連規格／システム／プロトコル、のうちの少なくとも１つに準拠ずるフレーム又はプロトコル、及び時分割多元接続（ＴＤＭＡ）、周波数分割多元接続（ＦＤＭＡ）、符号分割多元接続（ＣＤＭＡ）、直交周波数分割多重（ＯＦＤＭ）、多入力多出力（ＭＩＭＯ）、キャリアアグリゲーション（ＣＡ）、直交周波数分割多元接続（ＯＦＤＭＡ）、マルチユーザＭＩＭＯ（ＭＵ−ＭＩＭＯ）、ビームフォーミング（ＢＦ）、送信ビームフォーミング（ＴｘＢＦ）、受信ビームフォーミング（ＲｘＢＦ）、ターゲットウェイクタイム（ＴＷＴ）、空間ストリーム（ＳＳ）、ＢＳＳカラーリング、 直交振幅変調（ＱＡＭ）、高速フーリエ変換（ＦＦＴ）、前記チャネル情報（ＣＩ）、チャネル状態情報（ＣＳＩ）、送信アンテナと受信アンテナに関連付けられたＣＳＩ、チャネルインパルス応答（ＣＩＲ）、チャネル周波数応答（ＣＦＲ）、圧縮されたＣＳＩ、非圧縮ＣＳＩ、前記無線マルチパスチャネルのＣＳＩを計算する無線通信プロトコル、デファクトスタンダード、工業規格、国際標準、国家標準、Ｂｌｕｅｔｏｏｔｈ標準、 ＢＬＥ、ＵＷＢ 標準、ＮＦＣ、ＺｉｇＢｅｅ、及び別の標準、アナウンス、アナウンスチャネル、ハンドシェイクチャネル、問い合わせ、問い合わせチャネル、シグナリングチャネル、シグナリングチャネル、プライマリチャネル、セコンダリチャネル、サイドチャネル、前記無線信号、無線信号が送信される前の信号交換、前記タイプ１デバイスと前記タイプ２デバイスとの間の信号交換、前記タイプ１デバイスとサーバとの間の信号交換、前記タイプ２デバイスとサーバとの間の信号交換、及び別の手段、の内の少なくとも１つを含む標準又はプロトコル、のうちの少なくとも１つを使って前記情報の一部を交換することをさらに含む第Ｂ２０項に記載の認定無線システムの方法。
第Ｂ１４０項：前記交換された情報に基づいて前記無線信号を送信することをさらに含む、第Ｂ２０項に記載の認定無線システムの方法。
第Ｂ１４１項：前記交換された情報に基づいて前記無線信号をブロードキャストすることをさらに含む、第Ｂ２０項に記載の認定無線システムの方法。
第Ｂ１４２項：前記場所に複数の対のタイプ１デバイス及びタイプ２デバイスがあり、各それぞれのタイプ２デバイスは、前記それぞれのタイプ１デバイスから非同期にそれぞれの無線信号を受信し、前記それぞれのＴＳＣＩを非同期に取得し、デバイスは、第１の対のタイプ１デバイスとして、及び第２の対のタイプ２デバイスとして機能する、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１４３項：第Ｂ１項認定無線システムの方法であって、前記タイプ２のデバイスの前記ＩＣに基づいて前記無線信号を受信することと、前記ＩＣに基づいて前記ＴＳＣＩを計算することと、前記ＩＣから前記ＴＳＣＩを取得することであって、前記タイプ２デバイスの前記ＩＣの認定のための資格基準が、各ＣＩの推定誤差要件、前記ＴＳＣＩの推定誤差要件、各ＣＩの精度要件、前記ＴＳＣＩの精度要件、前記ＴＳＣＩの表示要件、前記ＴＳＣＩの符号化要件、前記ＴＳＣＩのリアルタイム要件、前記ＴＳＣＩのバッファリング要件、前記ＴＳＣＩのメモリ要件、前記ＴＳＣＩの安定性要件、前記ＴＳＣＩの時間的一貫性要件、前記ＴＳＣＩの相関要件、前記ＴＳＣＩの異常値要件、前記ＴＳＣＩの偏差要件、前記ＴＳＣＩの末端要件、前記ＴＳＣＩのパーセンタイル要件、前記ＴＳＣＩの分位点要件、前記ＴＳＣＩのスケーラビリティ要件 、及びＣＩ、最近のＣＩの群、及びＴＳＣＩ全体のうちの少なくとも１つの可用性を伝えるインジケータ、複数の連続するＣＩの計算の精度要件、の少なくとも１つを含む、取得することと、前記ＴＳＣＩを別のメモリに格納された別の命令セットに利用可能とすることであって、前記別の命令セットは実行されると別のプロセッサに前記場所のオブジェクトの動きを監視させると、利用可能にすることと、をさらに含む方法。
第Ｂ１４４項：前記無線信号がプローブ信号の時系列（ＴＳＰＳ）を含み、制御信号のフィールドが、前記ＴＳＰＳのパラメータ、宛先アドレス、周波数、タイミング、許容周波数、及び許容期間のうちの少なくとも１つを示す、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１４５項：前記制御信号が、前記タイプ１デバイス及び別のデバイスのうちの少なくとも１つによって送信されることをさらに含む、第Ｂ１８項に記載の認定無線システムの方法。
第Ｂ１４６項：前記制御信号が、規則的なやり方、繰り返しのやり方、時折のやり方、オンデマンドのやり方、照会に対する肯定応答のやり方、及びブロードキャストのやり方のうちの少なくとも１つで送信されることをさらに含む、第Ｂ１９項に記載の認定無線システムの方法。
第Ｂ１４７項：さらに、前記タイプ１デバイス及び前記タイプ２デバイスを調整することを含む、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１４８項：さらに、前記タイプ１デバイスと前記タイプ２デバイスとの間のシグナリングを含む、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１４９項：前記無線信号が、少なくとも１つのプローブ信号を含み、前記プローブ信号が、プリアンブルフィールド、ヘッダフィールド、データフィールド、データフレーム、ＭＡＣフレーム、同期フィールド、トレーニングフィールド、デリミタフィールド、ヘッダフィールド、信号フィールド、サービスフィールド、長さフィールド、エラー制御フィールド、及び別のフィールドのうちの少なくとも１つを有するフレームを含み、前記タイプ１デバイスから前記タイプ２デバイスに前記少なくとも１つのプローブ信号を送信することをさらに含む、第Ｂ１項に記載の認定無線システムの方法。
条項Ｂ１５０：第１のデータ速度で第１の変調で送信されるプリアンブルと、第２のデータ速度で第２の変調で送信されるヘッダと、第３のデータ速度で第３の変調の物理レイヤペイロードとのうちの少なくとも１つを備える物理レイヤパケットを前記タイプ１デバイスから前記タイプ２デバイスに送信することをさらに備える、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１５１項：前記プリアンブル、前記ヘッダ、及び前記物理レイヤペイロードのうちの少なくとも１つが、無線センシングに関連するフィールドを含む、第Ｂ６項に記載の認定無線システムの方法。
第Ｂ１５２項：前記プリアンブル、前記ヘッダ、及び前記物理レイヤペイロードのうちの少なくとも１つが、前記ＴＳＣＩに基づく前記場所のセンシングに関連するフィールドを含む、第Ｂ６項に記載の認定無線システムの方法。
第Ｂ１５３項：前記プリアンブル、前記ヘッダ、及び前記物理レイヤペイロードのうちの少なくとも１つは、前記ＴＳＣＩに基づく前記場所におけるオブジェクトの動きの前記モニタに関連するフィールドを含む、第Ｂ６項に記載の認定無線システムの方法。
第Ｂ１５４項：Ｂ５に記載の認定無線システムの方法であって、さらに、前記タイプ２デバイスに、前記ＴＳＣＩを利用可能にすること、前記ＴＳＣＩが利用可能にすることをシグナリングすること、前記ＴＳＣＩを処理されること、前記処理されたＴＳＣＩを利用可能にすること、前記処理されたＴＳＣＩが利用可能であることをシグナリングすること、利用可能にすること、処理されたＴＳＣＩを利用可能にすること、前記ＴＳＣＩに基づき分析を計算すること、前記分析を利用可能にすること、分析が利用可能であることをシグナリングすること、前記分析に基づくタスクを実行すること、別のタイプ１デバイス及び別のタイプ２デバイスのうちの少なくとも１つと共同でタスクを実行すること、及び別の操作、のうちの少なくとも１つを実行することを含む、方法。
第Ｂ１５５項：前記タイプ１デバイス及び前記タイプ２デバイスのうちの少なくとも１つをシグナリングすることをさらに含む、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１５６項：要求、コマンド、応答、返信、及びシグナリングのうちの少なくとも１つを、前記タイプ１デバイス及び前記タイプ２デバイスのうちの少なくとも１つに通信することをさらに含む、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１５７項：第Ｂ１項に記載の認定無線システムの方法であって、前記タイプ１デバイスに前記無線信号を前記タイプ２デバイスに送信させることをさらに含む、方法。
第Ｂ１５８項：前記ＴＳＣＩがそれぞれの資格基準を満たすように、前記タイプ１デバイスに前記無線信号を前記タイプ２デバイスへ送信させることをさらに含む、第Ｂ４項に記載の認定無線システムの方法。
第Ｂ１５９項：第Ｂ１項に記載の認定無線システムの方法であって、前記タイプ２デバイスに前記タイプ１デバイスからの前記無線信号を受信させることをさらに含む、方法。
第Ｂ１６０項：前記タイプ２デバイスに前記無線信号に基づいて前記ＴＳＣＩを取得させることをさらに含む、第Ｂ６項に記載の認定無線システムの方法。
第Ｂ１６１項：第Ｂ７項に記載の認定無線システムの方法であって、 前記タイプ２デバイスに、前記ＴＳＣＩに基づいて、前記場所のオブジェクトの動きを監視させることをさらに含み、前記無線マルチパスチャネルは、前記場所の前記オブジェクトの前記動きによって影響を受ける、方法。
第Ｂ１６２項：前記ＴＳＣＩに基づいて前記オブジェクトの前記動きの特性を計算するように前記タイプ２デバイスに要求することをさらに含む、第Ｂ７項に記載の認定無線システムの方法。
第Ｂ１６３：前記ＴＳＣＩに基づいて計算された前記オブジェクトの前記動きの前記特性に基づいてタスクを実行するように前記タイプ２デバイスに要求することをさらに含む、第Ｂ９項に記載の認定無線システムの方法。
第Ｂ１６４項：さらに、前記タイプ１デバイスと前記タイプ２デバイスとの間でネゴシエーションを実行することを含む、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１６５項：第Ｂ１項に記載の認定無線システムの方法であって、 前記資格基準は、前記場所が変化を有さず、オブジェクトの動きを有さないときに適用される、方法。
第Ｂ１６６項：それぞれの資格基準は、前記場所の要件、前記無線マルチパスチャネルの要件、前記無線信号の要件、前記タイプ１デバイスと前記タイプ２デバイスとの間のシグナリングの要件、前記タイプ１デバイスの要件、前記タイプ２デバイスの要件、前記タイプ１デバイスの前記無線送信機の要件、前記タイプ２デバイスの前記無線受信機の要件、前記タイプ１デバイスの前記アンテナの要件、前記タイプ２デバイスの前記アンテナの要件、前記タイプ１デバイスのアンテナの数の要件、前記タイプ２デバイスのアンテナの数の要件、前記タイプ１デバイスの配置の要件、前記タイプ２デバイスの配置の要件、前記タイプ１デバイスのモジュールの要件、前記タイプ２デバイスのモジュールの要件、前記タイプ１デバイスの前記ＩＣの要件、前記タイプ２デバイスの前記ＩＣの要件、及び資格のタイプ、のうちの少なくとも１つを含む第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１６７項：前記場所の要件は、屋内、屋外、半屋外、地下、家屋、事務所、倉庫、実験室、特別試験施設、及び別の場所の種類のうちの少なくとも１つの場所のタイプの要件と、塗り壁，３、乾式工法の壁、ファイバーボード、羽目板、石膏、木材、金属、ビニル、漆喰、屋根板、アスファルト、レンガ、石材、石積み、コンクリート、セメント、タイル、セラミックタイル、ガラス及び他の仕切りの種類のうちの少なくとも１つの仕切りのタイプの要件と、体積、面積、幅、長さ、高さ、深さ、厚さ、層状化、及び別の場所のサイズのうちの少なくとも１つを含む場所のサイズの要件と、家具、支持構造、柱、梁、テーブル、椅子、棚、戸棚、車両、及び別の構造のうちの少なくとも１つを含む構造の要件と、その場所のマルチパスリッチ要件と、その場所の状態要件と、その場所の動き要件と、その場所の構成要件と、その場所は少なくとも一時的に変化せず、その場所は一時的に安定で、その場所は一時的に動かず、一時的にその場所で動くオブジェクトはなく、及び別の場所関連要件と、のうちの少なくとも１つを含む、第Ｂ３項に記載の認定無線システムの方法。
第Ｂ１６８項：前記無線マルチパスチャネルの要件は、１０ＭＨｚ、２０ＭＨｚ、３０ＭＨｚ、４０ＭＨｚ、５０ＭＨｚ、６０ＭＨｚ、７０ＭＨｚ、８０ＭＨｚ、１００ＭＨｚ、１６０ＭＨｚ、３２０ＭＨｚ、及び別の帯域幅のうちの少なくとも１つを含む帯域幅要件と、６．７８ＭＨｚ、１３．５６ＭＨｚ、２７．１２ＭＨｚ、４０．６８ＭＨｚ、４．５ＧＨｚ、３３．９３ＭＨｚ、９１５ＧＨｚ、２．４５ＧＨｚ、５．ＧＨｚ、５．８ＧＨｚ、 ２４．１２５ＧＨｚ、６１．２５ＧＨｚ、１２２．５ＧＨｚ、及び２４５ＧＨｚ、移動通信バンド、移動通信チャネル、３Ｇ、４Ｇ、ＬＴＥ、５Ｇ、６Ｇ、７Ｇ、ＷｉＦｉ帯域と、ＷｉＦｉチャネル、及び他の搬送波周波数のうちの少なくとも１つを中心とする搬送波周波数要件と、ＷＬＡＮ、ＷｉＦｉ、８０２．１１規格、８０２．１５規格、８０２．２０規格、移動通信規格、３ＧＰＰ規格、３Ｇ、４Ｇ、ＬＴＥ、５Ｇ、６Ｇ、７Ｇ、８Ｇ、Ｂｌｕｅｔｏｏｔｈ規格、ＯＦＤＭを使用する規格、前記ＣＩの計算を含む規格、及び別の規格、のうちの少なくとも１つを含む標準準拠要件と、プロトコル要件と、ネットワーク要件と、シグナリング要件と、信号ハンドシェイキング要件と、多元接続要件と、チャネルトラフィック要件と、チャネル可用性要件と、周波数ホッピング要件と、データ送信要件と、及び別のチャネル関連要件と、のうちの少なくとも１つを含む、第Ｂ３項に記載の認定無線システムの方法。
第Ｂ１６９項：無線信号の要件は、前記無線信号がプローブ信号の時系列（ＴＳＰＳ）含むこと、プロトコル要件、ネットワーク要件、シグナリング要件、信号ハンドシェイキング要件、多元接続要件、チャネルトラフィック要件、変調要件、周波数ホッピング要件、データ送信要件、前記ＴＳＰＳの送信電力要件、前記ＴＳＰＳのプローブ周波数要件、前記ＴＳＰＳのプローブタイミング要件、前記ＴＳＰＳのサウンディング周波数要件、前記ＴＳＰＳのサウンディングタイミング要件、前記ＴＳＰＳのタイミング要件、前記ＴＰＲＳの早いタイミング要件、前記ＴＳＰＳのパルスタイミング要件、前記ＴＰＲＳのプログレッシブタイミング要件、前記ＴＳＰＳの時間変動タイミング要件、前記ＴＳＰＳのタイミングジッタ要件、各プローブ信号に関連するブロードキャスト要件、各プローブ信号に関連するシグナリング要件、各プローブ信号に関連するプロトコル要件、各プローブ信号に関連するハンドシェイク要件、プローブ信号を送信するために前記タイプ１デバイスをトリガする先行信号の要件、プローブ信号がハンドシェイクにおける肯定応答である先行信号の要件、プローブ信号がハンドシェイクにおける応答である先行信号の要件、前記タイプ２デバイスによるＣＩの取得を引き起こすプローブ信号のデータフィールド要件、前記タイプ２デバイスによるＣＩの前記取得を引き起こすプローブ信号のヘッダフィールド要件、前記タイプ２デバイスによるＣＩの前記取得を引き起こすプローブ信号のパケットのデータフィールド要件、前記タイプ２デバイスによるＣＩの前記取得を引き起こすプローブ信号の制御データフィールド要件、及び別の信号関連要件、のうちの少なくとも１つを含む、第Ｂ３項に記載の認定無線システムの方法。
第Ｂ１７０条：前記タイプ１デバイスの要件は、配置要件、設置要件、プロセッサ要件、メモリ要件、ソフトウェア要件、システム要件、電力要件、インターフェース要件、送信要件、ハウジング要件、シグナリング要件、環境要件、アンテナタイプ要件、アンテナカウント要件、アンテナ利得要件、アンテナ配置要件、アンテナ放射要件、アンテナ材質要件、アンテナ構造要件、及び別のタイプ１デバイス要件のうちの少なくとも１つを含む、第Ｂ３項に記載の認定無線システムの方法。
第Ｂ１７１項：タイプ２デバイスの要件は、配置要件、設置要件、プロセッサ要件、メモリ要件、ソフトウェア要件、システム要件、電力要件、インターフェース要件、送信要件、ハウジング要件、シグナリング要件、環境要件、アンテナタイプ要件、アンテナカウント要件、アンテナ利得要件、アンテナ配置要件、アンテナ放射要件、アンテナ材質要件、アンテナ構造要件、及び別のタイプ２デバイス要件のうちの少なくとも１つを含む、第Ｂ３項に記載の認定無線システムの方法。
第Ｂ１７２項：前記ＴＳＣＩの第１のＣＩが、第１の時間に前記タイプ２デバイスによって取得され、前記ＴＳＣＩの第２のＣＩが、第２の時間に前記タイプ２デバイスによって取得され、資格基準は、前記第１のＣＩと前記第２のＣＩとの間で類似、前記第１のＣＩと前記第２のＣＩとの間で変動がほとんどない、前記第１のＣＩが前記第２のＣＩの近傍、前記第１のＣＩと前記第２のＣＩとの間の類似性スコアが閾値よりも大きい、前記第１のＣＩと前記第２のＣＩとの間の変動スコアが閾値よりも小さい、前記第１のＣＩと前記第２のＣＩとの間の距離スコアが閾値よりも小さい、前記第１のＣＩと前記第２のＣＩとに基づく前記第１のＣＩの予測因子とが類似、前記第１のＣＩと前記予測因子との間の変動がほとんどない、前記第１のＣＩが前記予測因子の近傍、前記第１のＣＩと前記予測因子との間の類似性スコアが閾値より大きい、前記第１のＣＩと前記予測因子との間の変動スコアが閾値より小さい、前記第１のＣＩと前記予測因子との間の距離スコアは閾値よりも小さい、前記第１のＣＩの特徴は前記第２のＣＩの特徴の近傍に、前記第１のＣＩの特徴と前記第２のＣＩの特徴は閾値より大きい、前記第１のＣＩの特徴と前記第２のＣＩの特徴の間の変動スコアは閾値より小さい、前記第１のＣＩの特徴と前記第２のＣＩの特徴との間の距離スコアは閾値より小さい、前記第１のＣＩの前記特徴と前記第２のＣＩに基づく前記第１のＣＩの予測因子は類似、前記ＣＩの前記特徴は前記予測因子の近傍、前記第１のＣＩの前記特徴と前記予測因子の前記特徴の類似性スコアは閾値より大きい、前記第１のＣＩと前記予測因子の前記特徴との間の変動スコアは閾値より小さい、前記第１のＣｉと前記予測因子の前記特徴との間の距離スコアは閾値より小さい、第１の時間と第２の時間は類似、前記第１の時間は前記第２の時間の近傍、前記第１のＣＩと前記第２のＣＩは前記ＴＳＣＩの近傍ＣＩ、前記第の時間と前記第２の時間とは、前記タイプ２デバイスの近傍サンプリング時間、前記第１の時間と前記第２の時間との差は閾値未満、及び他の資格基準、のうちの少なくとも１つを含む、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１７３項：前記無線信号がプローブ信号の時系列（ＴＳＰＳ）を含み、第１の送信時刻に前記タイプ１デバイスによって送信された第１のプローブ信号が、第１の時刻に前記タイプ２デバイスによって取得された前記ＴＳＣＩの第１のＣＩに関連付けられ、第２の送信時刻に前記タイプ１デバイスによって送信された第２のプローブ信号が、第２の時刻に前記タイプ２デバイスによって取得された前記ＴＳＣＩの第２のＣＩに関連付けられ、前記資格基準が、前記第１の送信時刻と前記第２の送信時刻とが類似、前記第１の送信時刻と前記第２の送信時刻との間の変動がほとんどない、前記第１の送信時刻が前記第２の送信時刻の近傍、第１のプローブ信号と第２のプローブ信号とがプローブ信号の時系列における近接プローブ信号、前記第１の送信時刻と前記第２の送信時刻との差が閾値未満、前記第１の送信時間のうちの２つ、第１の送信時間、第２の送信時間、及び第２の時間は類似しており、２つの時間の間にはほとんど変動がない、２つの時間は互いに近傍、２つの時間の間の差は閾値未満、及び別の資格基準、のうちの少なくとも１つを含む、第Ｂ１項に記載の認定無線システムの方法。
条項Ｂ１７４：ある期間前記にＴＳＣＩの複数のＣＩが存在し、資格基準が、前記複数のＣＩが類似、前記複数のＣＩが一致、前記複数のＣＩの間にほとんど変動がない、前記複数のＣＩの間に外れ値がほとんどない、前記複数のＣＩのすべてが近傍、前記複数のＣＩのすべてが密クラスタ内、前記複数のＣＩの類似性スコアが閾値よりも大きい、前記複数のＣＩの変動スコアが閾値よりも小さい、前記複数のＣＩの距離スコアが閾値よりも小さく、前記複数のＣＩの類似性スコアが、前記期間の少なくともパーセンテージの間に閾値よりも大きい、前記複数のＣＩの変動スコアが、前記期間の少なくともパーセンテージの間に閾値よりも小さい、前記複数のＣＩの距離スコアが、前記期間の少なくともパーセンテージの間に閾値より小さい、前記複数のＣＩの類似性スコアが前記期間のせいぜいパーセンテージの間に閾値より小さい、前記複数のＣＩの変動スコアが前記期間の多くてもパーセンテージの間に閾値より大きい、前記複数のＣＩの距離スコアは前記期間の多くてもパーセンテージの間に閾値よりも大きい、前記複数のＣＩのペアワイズ類似性スコアの平均は閾値より大きい、前記ＣＩの前記ペアワイズ類似性スコアの中央値は閾値より大きい、前記複数のＣＩのペアワイズ類似性スコアの最頻値は閾値より大きい、前記複数のＣＩの前記ペアワイズ類似性スコアのパーセンタイル値は閾値より大きい、前記複数のＣＩの最小のエパワイズ類似性スコアは閾値より大きい、前記複数のＣＩの前記ペアワイズ類似性スコアの重み付け平均は閾値より大きい、前記複数のＣｉの前記ペアワイズ類似性スコアの分散は閾値より小さい、前記複数のＣＩの重心からの前記複数のＣＩのペアワイズ類似性スコアの平均は閾値より大きい、重心からの前記複数のＣＩのペアワイズ類似性スコアの中央値は閾値より大きい、重心からの前記複数の前記ペアワイズ類似性スコアの最頻値は閾値より大きい、重心からの前記複数のＣＩの前記ペアワイズ類似性スコアのパーセンタイル値は閾値より大きい、重心からの前記複数のＣＩの最小ペアワイズ類似性スコアは閾値より大きい、重心からの前記複数のＣＩの前記ペアワイズ類似性スコアの重み付き平均は閾値より大きい、重心からの前記複数のＣＩの前記ペアワイズ類似性スコアの分散は閾値より小さい、前記複数のＣＩの分散は閾値より小さい、重心からの前記複数のＣＩの平均距離は閾値より小さい、前記複数のＣＩの中心モーメントは閾値より小さい、前記複数のＣＩの尖度は閾値より小さい、前記複数のＣＩのｔａｉｌｅｄｎｅｓｓ ｍｅａｓｕｒｅは閾値より小さい、前記複数の外れ値の測定は閾値より小さい、及び他の資格基準、のうちの少なくとも１つを含む、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１７５項：ある期間に前記ＴＳＣＩの複数のＣＩが存在し、前記資格基準は、前記複数のＣＩの各々の特徴が類似、前記複数のＣＩの各々の特徴が一致、前記複数のＣＩ間の特徴の変動がほとんどない、前記複数のＣＩの特徴の外れ値がほとんどない、前記複数のＣＩの前記特徴が近傍、前記複数のＣＩの前記特徴が密集したクラスタ内、前記複数のＣＩの前記特徴の類似性スコアが閾値よりも大きい、前記複数のＣＩの特徴の変動スコアが閾値よりも小さい、前記複数のＣＩの前記特徴の距離スコアが閾値よりも小さい、前記複数のＣＩの前記特徴の類似性スコアが前記期間の少なくともパーセンテージの間に閾値よりも大きい、前記複数のＣＩの前記特徴の変動スコアが前記期間の少なくともパーセンテージの間に閾値よりも小さい、前記複数のＣＩの前記特徴の距離スコアが前記期間の少なくともパーセンテージの間に閾値より小さい、前記複数のＣＩの前記特徴の類似性スコアが前記期間の最大限のパーセンテージの間に閾値より小さい、 前記複数のＣＩの前記特徴の変動スコアが前記期間の最大限のパーセンテージの間に閾値よりも大きい、前記複数のＣＩの前記特徴の距離スコアが前記期間の最大限のパーセンテージの間に閾値よりも大きい、前記複数のＣＩの前記特徴のペアワイズ類似性スコアの平均が閾値よりも大きい、前記複数のＣＩの前記特徴のペアワイズ類似性スコアの中央値が閾値よりも大きい、前記複数のＣＩの前記特徴のペアワイズ類似性スコアの最頻値が閾値よりも大きい、 前記複数のＣＩの前記特徴のペアワイズ類似性スコアのパーセンタイル値が閾値よりも大きい、前記複数のＣＩの前記特徴の最小ペアワイズ類似性スコアは閾値よりも大きい、前記複数のＣＩの前記特徴の前記ペアワイズ類似性スコアの重み付け平均は閾値よりも大きい、前記複数のＣＩの前記特徴のペアワイズ類似性スコアの分散は閾値よりも小さい、前記複数のＣＩの重心からの前記複数のＣＩの前記特徴のペアワイズ類似性スコアの平均は閾値よりも大きい、重心からの前記複数のＣＩの前記特徴の前記ペアワイズ類似性スコアの中央値は閾値よりも大きい、重心からの前記複数のＣＩの前記特徴の前記ペアワイズ類似性スコアの最頻値は閾値より大きい、重心からの前記複数のＣＩの前記特徴の前記ペアワイズ類似性スコアのパーセンタイルは閾値よりも大きい、重心からの前記複数のＣＩの前記特徴の最小のペアワイズ類似性スコアは閾値より大きい、受信からのお前記複数のＣＩの前記特徴の前記ペアワイズ類似性スコアの重み付け平均は閾値より大きい、重心からの前記複数のＣＩの前記特徴の前記ペアワイズ類似性スコアの分散は閾値よりも小さい、前記複数のＣＩの前記特徴の分散は閾値よりも小さい、重心からの前記複数のＣＩの前記特徴の平均距離は閾値よりも小さい、前記複数のＣＩの前記特徴の中心モーメントは閾値よりも小さい、前記複数のＣＩの前記特徴の尖度は閾値よりも小さい、前記複数のＣＩの前記特徴のｔａｉｌｅｄｎｅｓｓ ｍｅａｓｕｒｅは閾値よりも小さい、前記複数のＣＩの前記特徴の外れ値尺度は閾値よりも小さい、及び別の資格基準、のうちの少なくとも１つを含む、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１７６項：第１の期間にＴＳＣＩ内に第１の組のＣＩが存在し、第２の期間にＴＳＣＩ内に第２の組のＣＩが存在し、資格基準は、前記第１の組のＣＩが自己相似、前記第１の組のＣＩが自己矛盾ない、前記第２の組のＣＩが自己相似、前記第２の組のＣＩが自己矛盾ない、前記第１の組のＣＩ及び前記第２の組のＣＩが類似、前記第１の組のＣＩ内に変動がほとんどない。前記第２の組のＣＩ内に変動がほとんどない、前記第１の組のＣＩと前記第２の組のＣＩとの間の変動がほとんどない、前記第１の組のＣＩ内に外れ値がほとんどない、前記第２の組のＣＩ内に外れ値がほとんどない、組み合わされた前記第１の組のＣＩ及び前記第２の組のＣＩ内に外れ値がほとんどない、前記第１の組のＣＩのすべてが近傍、前記第２の組のＣＩの全てが近傍、前記第１の組の全てと前記第２の組の全てが近傍、前記第１の組の全てが密クラスタ内、前記第２の組のＣＩ全てが密クラスタ内、前記第１の組のＣＩ及び前記第２の組のＣＩの全てが密クラスタ内、前記第１の組のＣＩの類似性スコアが閾値よりも大きい、前記第２の組のＣＩの類似性スコアが閾値よりも大きい、前記第１の組のＣＩ及び前記第２の組のＣＩの類似性スコアが閾値よりも大きい、前記第１の組のＣＩの変動スコアが閾値よりも小さい、前記第２の組のＣＩの変動スコアが閾値よりも小さい、前記第１の組のＣＩと前記第２の組のＣＩとの変動スコアが閾値よりも小さい、前記第１の組のＣＩの距離スコアが閾値よりも小さい、前記第２の組のＣＩの距離スコアは閾値より小さい、前記第１の組のＣＩ及び前記第２の組のＣＩの距離スコアは閾値より小さい、前記第１の組のＣＩの類似性スコアは前記期間の少なくともパーセンテージの間に閾値よりも大きい、前記第２の組のＣＩの類似性スコアは前記期間の少なくともパーセンテージの間に閾値よりも大きい、前記第１の組のＣＩと前記第２の組のＣＩとの類似性スコアは前記期間の少なくともパーセンテージの間についての閾値よりも大きい、前記第１の組のＣＩの変動スコアは前記期間の少なくともパーセンテージの間に閾値より小さい、前記第２の組のＣＩの変動スコアは前記期間の少なくともパーセンテージの間に閾値よりも小さい、前記第１の組のＣＩ及び前記第２の組のＣＩの変動スコアは前記期間の少なくともパーセンテージの間に閾値より小さい、前記第１のＣＩの組の変動スコアは前記期間の少なくともパーセンテージの間に閾値より小さい、前記第２の組のＣＩの変動スコアは前記期間の少なくともパーセンテージの間に閾値よりも小さい、前記第１の組のＣＩの類似性スコアは前記期間の最大パーセンテージの間に閾値より小さい、前記第２の組のＣＩの類似性スコアは前記期間の最大パーセンテージの間に閾値より小さい、前記第１の組のＣＩ及び前記第２の組のＣＩの類似性スコアは前記期間の最大限のパーセンテージの間に閾値より小さい、前記第１の組のＣＩの変動スコアは前記期間の最大限のパーセンテージの間に閾値よりも大きい、前記第２の組のＣＩの変動スコアは前記期間の最大限のパーセンテージの間に閾値よりも大きい、前記第１の組のＣＩ及び前記第２の組のＣＩの変動スコアは前記期間の最大限のパーセンテージの間に閾値よりも大きい、前記第１の組のＣＩの距離スコアは前記期間の最大限のパーセンテージの間に閾値より大きい、前記第２の組のＣＩの距離スコアは前記期間の最大限のパーセンテージの間に閾値より大きい、前記第１の組のＣＩ及び前記第２の組のＣＩの距離スコアは、前記期間の最大限のパーセンテージの間に閾値よりも大きい、前記第の組のＣＩのペアワイズ類似性スコアの平均は閾値よりも大きい、前記第２の組のＣＩのペアワイズ類似性スコアの平均は閾値より大きい、前記第１の組のＣＩ及び前記第２の組のＣＩのペアワイズ類似性スコアの平均は閾値よりも大きい、前記第１の組のＣＩの前記ペアワイズ類似性スコアの中央値は閾値よりも大きい、前記第２の組のＣＩの前記ペアワイズ類似性スコアの中央値は閾値よりも大きい、前記第１の組のＣＩ及び前記第２の組のＣＩのペアワイズ類似性スコアの中央値は閾値よりも大きい、前記第１の組のＣＩの前記ペアワイズ類似性スコアの最頻値は閾値よりも大きい、前記第２の組のＣＩの前記ペアワイズ類似性スコアの最頻値は閾値より大きい、前記第の組のＣＩ及び前記第２の組のＣＩの前記ペアワイズ類似性スコアの最頻値は閾値より大きい、前記第１の組のＣＩの前記ペアワイズ類似性スコアのパーセンタイルは閾値よりも大きい、前記第２の組のＣＩの前記ペアワイズ類似性スコアのパーセンタイルは閾値よりも大きい、前記第１の組のＣＩ及び前記第２の組のＣＩの前記ペアワイズ類似性スコアのパーセンタイルは閾値よりも大きい、前記第１の組のＣＩの最小ペアワイズ類似性スコアは閾値よりも大きい、前記第２のＣＩの最小ペアワイズ類似性スコアは閾値より大きい、前記第１の組のＣＩ及び前記第２の組のＣＩの最小ペアワイズ類似性スコアは閾値よりも大きい、前記第１の組のＣＩの前記ペアワイズ類似性スコアの重み付け平均は閾値よりも大きい、前記第２の組のＣＩの前記ペアワイズ類似性スコアの重み付け平均は閾値より大きい、前記第１の組のＣｉ及び前記第２の組のＣＩの前記ペアワイズ類似性スコアの重み付け平均は閾値より大きい、前記第１の組のＣＩの前記ペアワイズ類似性スコアの分散は閾値よりも小さい、前記第２の組のＣＩの前記ペアワイズ類似性スコアの分散は閾値よりも小さい、前記第１の組のＣＩ及び前記第２の組のＣＩの前記ペアワイズ類似性スコアの分散は閾値より小さい、前記複数のＣＩの重心からの前記第１の組のＣＩのペアワイズ類似性スコアの平均は閾値より大きい、 前記複数のＣＩの重心からの前記第２の組のＣＩのペアワイズ類似性スコアの平均は閾値より大きい、前記複数のＣＩの重心からの前記第１の組のＣＩ及び前記第２の組のＣＩのペアワイズ類似性スコアの平均は閾値より大きい、重心からの前記第１の組のＣＩの前記ペアワイズ類似性スコアの中央値は閾値より大きい、前記第２の組のＣＩの重心からの前記ペアワイズスコアの中央値は閾値より大きい、重心からの前記第１の組のＣＩと前記第２の組のＣＩの類似性スコアの中央値は閾値よりも大きい、重心からの前記第１の組のＣＩの前記ペアワイズ類似性スコアの最頻値は閾値よりも大きい、重心からの前記第２の組のＣＩの前記ペアワイズ類似性スコアの最頻値は閾値よりも大きい、重心からの前記第１の組のＣＩと前記第２の組のＣＩの前記ペアワイズ類似性スコアの最頻値は閾値よりも大きい、重心からの前記第１の組のＣＩの前記ペアワイズ類似性スコアのパーセンタイルは閾値よりも大きい、重心からの前記第２の組のＣＩの前記ペアワイズ類似性スコアのパーセンタイルは閾値よりも大きい、重心からの前記第１の組のＣＩと前記第２の組のＣＩの前記ペアワイズ類似性スコアのパーセンタイルは閾値よりも大きい、重心からの前記第１の組のＣＩの最小ペアワイズ類似性スコアは閾値よりも大きい、重心からの前記第２の組のＣＩの最小ペアワイズ類似性スコアは閾値よりも大きい、重心からの前記第１の組のＣＩと前記第２の組のＣＩの最小ペアワイズ類似性スコアは閾値よりも大きい、重心からの前記第１の組のＣＩの前記ペアワイズ類似性スコアの重み付け平均は閾値よりも大きい、重心からの前記第２の組のＣＩの前記ペアワイズ類似性スコアの重み付け平均は閾値よりも大きい、重心からの前記第１の組のＣＩと前記第２の組のＣＩの前記ペアワイズ類似性スコアの重み付け平均は閾値よりも大きい、重心からの前記第１の組のＣＩの前記ペアワイズ類似性スコアの分散は閾値よりも小さい、重心からの前記第２の組のＣＩの前記ペアワイズ類似性スコアの分散は閾値よりも小さい、重心からの前記第１の組のＣＩと前記第２の組のＣＩの前記ペアワイズ類似性スコアの分散は閾値よりも小さい、前記第１の組のＣＩの分散は閾値より小さい、前記第２の組のＣＩは分散は閾値より小さい、前記第１の組のＣＩ及び前記第２の組の分ＣＩの散は閾値より小さい、重心からの前記第１の組のＣＩの平均距離は閾値より小さい、重心からの前記第２の組のＣＩの平均距離は閾値より小さい、重心からの前記第１の組のＣＩ及び前記第２の組のＣＩの平均距離は閾値より小さい未満、前記第１の組のＣＩの中心モーメントは閾値より小さい、前記第２の組の中心モーメントは閾値より小さい、前記第１の組のＣＩ及び前記第２のＣＩの中心モーメントは閾値より小さい、前記第１の組のＣＩの尖度は閾値より小さい、前記第２の組のＣＩの尖度は閾値より小さい、前記第１の組のＣＩ及び前記第２の組のＣＩの尖度は閾値より小さい、前記第１の組のＣＩのｔａｉｌｅｄｎｅｓｓ ｍｅａｓｕｒｅは閾値より小さい、前記第２の組のＣＩのｔａｉｌｅｄｎｅｓｓ ｍｅａｓｕｒｅは閾値より小さい、前記第１の組のＣＩ及び前記第２の組のＣＩのｔａｉｌｅｄｎｅｓｓ ｍｅａｓｕｒｅは閾値より小さい、前記第１の組のＣＩの外れ値尺度は閾値より小さい、前記第２の組のＣＩの外れ値尺度は閾値より小さい、前記第１の組のＣＩ及び前記第２の組のＣＩの外れ値尺度は閾値より小さい、及び別の資格基準、のうちの少なくとも１つである、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１７７項：前記ＴＳＣＩに基づいてタスクを実行することをさらに含む、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１７８項：前記ＴＳＣＩに基づいて前記場所のオブジェクトの動きを監視することをさらに含み、前記無線マルチパスチャネルは、前記場所の前記オブジェクトの前記動きによって影響を受ける、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１７９項：前記ＴＳＣＩに基づいて前記オブジェクトの前記動きの特性を計算することをさらに含む、第Ｂ１６項に記載の認定無線システムの方法。
第Ｂ１８０項：前記ＴＳＣＩ及び前記オブジェクトの前記動きの過去の特性のうちの少なくとも１つに基づいて、前記オブジェクトの前記動きの現在の特性を計算することをさらに含む、第Ｂ１７項に記載の認定無線システムの方法。
条項Ｂ１８１：前記ＴＳＣＩの現在のウインドウ及び前記過去の特性のうちの少なくとも１つに基づいて、前記オブジェクトの前記動きの前記現在の特性を計算することと、前記ＴＳＣＩの過去のウインドウのうちの少なくとも１つに基づいて、前記オブジェクトの前記動きの前記過去の特性を計算することと、をさらに含む、第Ｂ１８項に記載の認定無線システムの方法。
第Ｂ１８２項：前記特性は、繰り返し運動の周波数、周波数特性、バイタル特性、呼吸数、心拍数、周波数スペクトル、繰り返し運動の周期、時間特性、時間プロファイル、時間、タイミング、開始時刻、終了時刻、期間、履歴、傾向、予想、動きの種類、動きの特性、動き強度、動きの分類、動きの尺度、識別情報、存在、近接、カウント、人数、位置、幾何学、速度、変位量、距離、範囲、方向、角度、加速度、回転速度、回転特性、前記オブジェクトの歩容サイクル、ジェスチャ、前記オブジェクトの過渡的な挙動、変化、前記動きの変化、周波数の変化、周期の変化、歩容サイクルの変化、事象、突然の動き、転倒事象、及び他の特性、のうちの少なくとも１つをふくむ、第Ｂ１７項に記載の認定無線システムの方法。
第Ｂ１８３項：第Ｂ１７項に記載の認定無線システムの方法は、前記オブジェクトの前記動きの前記特性に基づいてタスクを実行することをさらに含む。
第Ｂ１８４項：第Ｂ２１項に記載の認定無線システムの方法は、前記タスクに関連するプレゼンテーションを生成することをさらに含む。
第Ｂ１８５項：第Ｂ２２項に記載の認定無線システムの方法は、ユーザデバイスのユーザインターフェース（ＵＩ）において前記プレゼンテーションを生成することをさらに含む。
第Ｂ１８６項：前記タスクは、オブジェクト検出、存在検出、近接検出、オブジェクト認識、活動認識、オブジェクト検証、オブジェクトカウント、日々の活動モニタ、健康モニタ、バイタル信号モニタ、健康状態モニタ、ベビーモニタ、高齢者モニタ、睡眠モニタ、睡眠ステージモニタ、歩行モニタ、運動モニタ、ツール検出、ツール認識、ツールの検証（ｖｅｒｉｆｉｃａｔｉｏｎ）、患者検出、患者モニタ、患者検証、機械検出、機械の認識、機械の検証、人間検出、人間認識、人間検証、ベビー検出、ベビー認識、ベビー検証、人の呼吸の検出、人の呼吸の認識、人の呼吸の推定、人の呼吸の検証、人の鼓動の検出、人の鼓動の認識、人の鼓動の推定、人の鼓動の推定、転倒検出、転倒認識、転倒の推定、転倒の検証、感情（ｅｍｏｔｉｏｎ）検出、感情認識、感情推定、感情検証、動き検出、動きの程度の推定、動きの認識、動きの推定、動きの検証、周期的動きの検出、周期的動きの認識、周期的動きの推定、周期的動きの検証、繰り返し動きの検出、繰り返し動きの認識、繰り返し動きの推定、繰り返し動きの検証、定常的動きの検出、定常的動きの認識、定常的動きの推定、定常的動きの検証、周期定常動きの検出、周期定常動きの認識、周期定常動きの推定、周期定常動きの検証、瞬間的な動きの検出、瞬間的な動きの認識、瞬間的な動きの推定、瞬間的な動きの検証、トレンド検出、トレンド認識、トレンド推定、トレンド検証、呼吸検出、呼吸認識、呼吸推定、呼吸検証、人の生体認証検出、人の生体認証認識、人の生体認証推定、人の生体認証検証、環境情報検出、環境情報認識、環境情報推定、環境情報検証、歩容検出、歩容認識、歩容推定、歩容検証、ジェスチャ検出、ジェスチャ認識、ジェスチャ推定、ジェスチャ検証、機械学習、教師あり学習、教師なし学習、半教師あり学習、クラスタリング、特徴抽出、特徴トレーニング、主成分分析、固有値分解、周波数分解、時間分解、時間周波数分解、フラクショナル分解、他の分解、トレーニング、弁別訓練、教師有り学習、教師なし学習、半教師あり学習、ニューラルネットワーク、突然の動き検出、転倒検出、危険検知、生命の危険の検知、規則運動検出、定常運動検出、周期定常動き検出、侵入検出、怪しい動きの検出、セキュリティ、安全モニタ、ナビゲーション、ガイダンス、地図ベースの処理、地図ベースの補正、不規則性検出、場所決め、室センシング、追跡、複数オブジェクト追跡、室内追跡、室内位置決め、室内ナビゲーション、エネルギー管理、パワー伝送、無線電力伝送、オブジェクト数、駐車場の自動車追跡、デバイス／ システム（たとえば、セキュリティシステム、アクセスシステム、警報、サイレン、スピーカ、テレビ、エンターテイメントシステム、カメラ、暖房／空調（ＨＶＡＣ）システム、換気システム、照明システム、ゲームシステム、コーヒーマシン、調理デバイス、家事デバイスなど）の作動／非作動／ 起動／スリープ／制御、幾何学的推定、拡張現実、無線通信、データ通信、シグナルブロードキャスト、ネットワーキング、調整、管理、暗号化、保護、クラウド、クラウドコンピューティング、他の処理及び別のタスク、のうちの少なくとも１つを含む、第Ｂ２１項に記載の認定無線システムの方法。
第Ｂ１８７項：タイプ２異種無線デバイスによって無線信号を受信することであって、前記無線信号は、場所の無線マルチパスチャネルを介してタイプ１異種無線デバイスによって前記タイプ２デバイスへ送信されることと、前記タイプ２デバイスのプロセッサと、前記プロセスと通信可能に結合されたメモリと、前記メモリに記憶された命令のセットとを使用して前記無線信号に基づいて前記無線マルチパスチャネルのチャネル情報（ＣＩ）の時系列を取得することとを含み、前記ＣＩの時系列（ＴＳＣＩ）がそれぞれの資格基準を満たす場合、前記タイプ１デバイス及び前記タイプ２デバイスのうちの少なくとも１つが認定される、認定無線システムの方法。
第Ｂ１８８項：前記無線信号が標準規格と互換性がある、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１８９項：前記無線信号が、パイロット信号、トークン信号、制御信号、物理層信号、ＭＡＣ層信号、ハンドシェーク信号、プロービング信号、ピング信号、肯定応答信号、照会信号、応答信号、データ信号、ハイブリッド信号、標準準拠信号、ヘッダを有する信号、プロービングパターンを有するヘッダを有する信号、プロービングパターンであるデータフィールドを有する信号、ペイロードを有する信号、前記タイプ１デバイスの識別子を有する信号、前記タイプ２デバイスの識別子を有する信号、タイムスタンプを有する信号、宛先アドレスを有する信号、宛先ＭＡＣアドレスを有する信号、ＩＥＥＥ ８０２標準に互換な信号、移動通信標準に互換な信号、無線標準に互換な信号、プロトコルに準拠する信号、ポイントツーポイント信号、ブロードキャスト信号、及び他の信号、のうちの少なくとも１つを含む、第Ｂ１項に記載の認定無線システムの方法。
第Ｂ１９０項：前記プローブ信号が標準規格と互換性がある、第Ｂ３項に記載の認定無線システムの方法。
本開示は、更に、例えば、屋内環境又は都市メトロポリタンエリア、閉鎖環境、地下環境、駐車場、貯蔵所、庭、スクエア、森林、空洞、谷等のような障壁を有する屋外の場所のようなリッチな散乱環境における無線チャネル情報に基づいて、オブジェクトの動きを検出及び監視することを開示する。一実施形態では、タイプ１デバイス（送信機、またはＴｘ）及びタイプ２デバイス（受信機、またはＲｘ）は、同じデバイス（例えば、ＲＦチップ／ＩＣ）上にあってもよく、または単に同じデバイス上にあってもよい。前記デバイスは、２８ＧＨｚ、６０ＧＨｚ、７７ＧＨｚなどの高周波帯域で動作することができる。前記ＲＦチップは、専用のＴｘアンテナ（例えば、３２本のアンテナ）及び専用のＲｘアンテナ（例えば、別の３２本のアンテナ）を有することができる。
一実施形態では、１つのＴｘアンテナは、無線信号（例えば、一連のプローブ信号、恐らく１００Ｈｚで）を送信することができる。あるいは、すべてのＴｘアンテナを使用して、前記無線信号をビームフォーミング（Ｔｘ単位）で送信し、無線信号が特定の方向にフォーカスされるようにしてもよい（例えば、エネルギー効率のために、またはその方向で信号対雑音比をブーストするために、または、その方向で「走査」する場合は低電力動作、またはオブジェクトがその方向にあることが既知である場合は低電力動作をするために）。前記無線信号は、場所（例えば、部屋）内のオブジェクト（例えば、Ｔｘ／Ｒｘアンテナから４フィート離れたベッド上に横たわっている、呼吸及び心拍を持つ生きている人間、）に当たることができる。前記オブジェクトの動き（例えば、呼吸数に応じた肺の動き、または心拍に応じた血管の動き）は、前記無線信号に影響／変調を与えることができる。前記無線信号を受信するために、すべてのＲｘアンテナを使用することができる。
一実施形態では、（Ｒｘ及び／またはＴｘにおける）ビームフォーミングは、異なる方向を「走査」するために（デジタル的に）適用されてもよい。多くの方向を同時に走査または監視することができる。ビームフォーミングでは、「セクタ」（例えば、方向、方位、方面、ゾーン、領域、セグメント）は、前記タイプ２デバイスに関連して（例えば、アンテナアレイの中心位置に対する）定義されてもよい。各プローブ信号（例えば、パルス、ＡＣＫ、制御パケットなど）について、チャネル情報またはＣＩ （例えば、チャネルインパルス応答／ＣＩＲ、ＣＳＩ、ＣＦＲ）が、各セクタについて（例えば、ＲＦチップから）取得／計算される。呼吸検出では、スライディングウインドウでＣＩＲを収集することができる（例えば、３０秒、１００Ｈｚのサウンディング／プロービングレートでは、３０秒にわたり３０００ＣＩＲを有することができる）。
前記ＣＩＲは、多くのタップ（例えば、Ｎ１個の構成要素／タップ）を有することができる。各タップは、タイムラグ、または飛行時間（ＴｏＦ、例えば、４フィート離れた人を打って戻る時間）に関連付けられてもよい。人がある距離（例えば、４フィート）である方向に呼吸しているとき、前記「ある方向」で前記ＣＩＲを探すことができる。次に、前記「ある距離」に対応する前記タップを探索することができる。次に、そのＣＩＲのタップから呼吸数及び心拍数を計算することができる。前記スライディングウインドウ内の各タップ（例えば、「構成要素時系列」の３０秒ウインドウ）を時間関数（例えば、「タップ関数」、「構成要素時系列」）と見なすことができる。 強い周期的挙動（例えば、おそらく１０ｂｐｍ〜４０ｂｐｍの範囲の呼吸に対応する）を探索する際に、各タップ関数を調べることができる。
あるいは、前記タイプ１デバイス及び／または前記タイプ２デバイス（前記無線信号、ＴＳＣＩ、プロセッサ、メモリ、命令セットとともに）を使用して、過渡的な動き（例えば、存在／セキュリティ、人間の日常活動、呼吸、心拍、睡眠、転倒、人間のバイオメトリクス収集、歩容、ジェスチャ、筆記、身体運動、人間の動き、車両の動き、車内活動）などの他の種類の動きを監視することができる。
図４１に示されるように、前記タイプ１デバイス（オリジン４１０４）及び／または前記タイプ２デバイス（ボット１ ４１０２Ａ、ボット２ ４１０２Ｂ）は、スタンドアロンデバイス、または埋め込みデバイスであり得る。それは、ＵＳＢ（例えば、タイプＡ／Ｂ／Ｃ／Ｄ／Ｅ、マイクロＵＳＢ、ｍｉｎｉ−ＵＳＢ等）、Ｔｈｕｎｄｅｒｂｏｌｔ、Ｆｉｒｅｗｉｒｅ、Ｌｉｇｈｔｎｉｎｇ （例えば、ｉＰｈｏｎｅ、ｉＰａｄ、ＡｉｒＰｏｄ等のアップルデバイス）、ＯＢＤ （オンボード診断ポート）、シガレットライターポート（例えば、１２Ｖ）、ＰＣＩ （例えば、ＰＣＩ Ｅｘｐｒｅｓｓ等）、ＶＧＡ、ＤＶＩ、ＨＤＭＩ、パラレルポート、シリアルポート、ＡＤＡＴ、ＢＮＣ、Ｄ−ＳＵＢ、Ｆ、ＭＭＩＤＩ、ＵＨＦ、ＭＣＸ、ＳＭＢ、ＳＭＣ、Ｓ／ＰＤＩＦ、ＲＪ−１１、ＲＪ−４５、ＳＣＳＩ、ＴＮＣ、ＴＳ、ＴＲＳ 、ＵＨＦ、ｍｉｎｉ−ＵＨＦ、ＸＬＲ 、同軸、光、イーサネット、表示部ポートなどのコネクタ／ポートを使用して他のシステム（電源４１１６、シグナリング、ネットワークアクセスなど）へ接続されうる。例えば、図４１において、オリジン４１０４は、モバイルデバイス、パーソナルコンピュータ、家電製品、スマートスイッチ４１０８、カメラ４１１０、電球４１１２、煙検出器などに接続されてもよい。オリジン４１０４は、方向接続、オープン／パブリックＩＦＴＴ、クローズド／プライベートＡＰＩ統合などを介して、動き、呼吸、存在、セキュリティ警告、身体の動き、人の動き、車両の動き、車内活動などを検出すると、自動トリガ（例えば、電球、カメラ、電気機器、ＡＣをオン／オフする、カメラに画像／ビデオクリップを保存するなど）を行うことができる。記憶装置は、前記タイプ１及び／またはタイプ装置、例えばＳＤカード、ハードディスクなどと通信可能に関連付けられ得る。例えば、動きが検出されると、カメラがトリガされて、記憶装置に保存されているピクチャまたはビデオクリップがキャプチャされる。アラートは、エンドユーザに送信することもできる。
前記タイプ１デバイス及び／または前記タイプ２デバイスは、外部接続／リンク及び／または内部接続／リンクを有することができる。外部接続（例えば、接続４１１０）は、２Ｇ／２．５Ｇ／３Ｇ／３．５Ｇ／４Ｇ／ＬＴＥ ／５Ｇ／６Ｇ／７Ｇ／ＮＢＩｏＴ、ＵＷＢ、ＷｉＭａｘ、Ｚｉｇｂｅｅ、８０２．１６などに関連付けられてもよい。内部接続（例えば、４１１４Ａ及び４１１４Ｂ、４１１６、４１１８、４１２０）は、ＷｉＦｉ、ＩＥＥＥ ８０２．１１規格、８０２．１１ａ／ｂ／ｇ／ｎ／ａｃ／ ａｄ／ａｆ／ａｇ／ａｈ／ａｉ／ａｊ／ａｑ／ａｘ／ａｙ、 Ｂｌｕｅｔｏｏｔｈ、Ｂｌｕｅｔｏｏｔｈ １．０／１．１／１．２／２．０／ ２．１／ ３．０／４．０／４．１／４．２／５、ＢＬＥ、 メッシュネットワーク、ＩＥＥＥ ８０２．１６／１／ １ａ／１ｂ／２／２ａ／ａ／ ｂ／ｃ／ｄ／ｅ／ｆ／ｇ／ｈ／ｉ／ｊ／ｋ／ｌ／ｍ／ｎ／ ｏ／ｐ／規格に関連してもよい。前記タイプ１デバイス及び／またはタイプ２デバイスは、バッテリ（例えば、ＡＡバッテリ、ＡＡＡバッテリ、コインセルバッテリ、ボタンセルバッテリ、小型バッテリ、バッテリバンク、パワーバンク、カーバッテリ、ハイブリッドバッテリ、車両バッテリ、コンテナバッテリ、非再充電可能バッテリ、再充電可能バッテリ、ＮｉＣｄバッテリ、ＮｉＭＨバッテリ、リチウムイオンバッテリ、亜鉛炭素バッテリ、塩化亜鉛バッテリ、鉛蓄電池、アルカリバッテリ、無線充電バッテリ、スマートバッテリ、太陽電池、ボートバッテリ、平面バッテリ、他のバッテリ、一時的なエネルギー貯蔵デバイス、キャパシタ、フライホイール）によって電力供給されてもよい。
任意のデバイス（Ｔｘ及び／またはＲｘ）は、例えば、１．２Ｖ、１．５Ｖ、３Ｖ、５Ｖ、６Ｖ、９Ｖ、１２Ｖ、２４Ｖ、４０Ｖ、４２Ｖ、４８Ｖ、１１０Ｖ、 ２２０Ｖ、３８０Ｖなどの様々な電圧を有する、直流（ＤＣ）、例えば、上記のようなバッテリ、発電機、電力コンバータ、ソーラーパネル、整流器、ＤＣ−ＤＣコンバータから電力を供給されてもよく、したがって、ＤＣコネクタ、またはＤＣ電力のための少なくとも１つのピンを有するコネクタを有してもよい。任意のデバイス（Ｔｘ及び／またはＲｘ）は、交流（ＡＣ）、例えば、家庭内の壁ソケット、変圧器、インバータ、ショアパワーによって、１００Ｖ、１１０Ｖ、１２０Ｖ、１００〜１２７Ｖ、２００Ｖ、２２０Ｖ、２３０Ｖ、２４０Ｖ、 ２２０〜２４０Ｖ、１００〜２４０Ｖ、２５０Ｖ、３８０Ｖ、５０Ｈｚ、６０Ｈｚなどの様々な電圧で電力供給されてもよく、したがって、ＡＣコネクタまたはＡＣ電力用の少なくとも１つのピンを有するコネクタを有してもよい。前記タイプ１デバイス及び／または前記タイプ２デバイスは、場所または場所外に配置（例えば、設置、配置、移動）されてもよい。
一実施形態では、車両（例えば、自動車、トラック、ローリー、バス、特別車両、トラクタ、掘削機、掘削機、テレポルター、ブルドーザ、クレーン、フォークリフト、電気トリー、ＡＧＶ、緊急車両、貨車、ワゴン、トレーラ、コンテナ、ボート、フェリー、船舶、潜水船、航空機、飛行船、リフト、モノレール、列車、電車、鉄道車両、軌道車など）において、前記タイプ１デバイス及び／または前記タイプ２デバイスは、車両に埋め込まれた埋め込みデバイス、または車両内のポート（例えば、ＯＢＤポート／ ソケット、ＵＳＢポート／ソケット、付属品ポート／ソケット、付属品ポート／ソケット、１２Ｖ補助電源コンセント、及び／または１２Ｖシガレットライターポート／ソケット）に差し込まれたアドオンデバイス（例えば、アフターマーケットデバイス）であってもよい。例えば、１つのデバイス（例えば、タイプ２デバイス）は、１２Ｖシガレットライター／ アクセサリポートまたはＯＢＤポートまたはＵＳＢポート（例えば、自動車／トラック／車両の）に差し込まれてもよく、他のデバイス（例えば、タイプ１デバイス）は、１２Ｖシガレットライター／ アクセサリポートまたはＯＢＤポートまたはＵＳＢポートに差し込まれてもよい。前記ＯＢＤポート及び／またはＵＳＢポートは、（自動車／トラック／車両の）電力、シグナリング、及び／またはネットワークを提供することができる。２つのデバイスは、前記車両内の子供／赤ん坊を含む乗客を共同で監視することができる。それらは、乗客をカウントし、運転者を認識し、乗り物内の特定の座席／位置における乗客の存在を検出するために使用されてもよい。別の例では、１つのデバイスは、自動車／トラック／車両の１２Ｖシガレットライター／アクセサリポートまたはＯＢＤポートまたはＵＳＢポートに差し込まれてもよく、他のデバイスは、別の自動車／トラック／車両の１２Ｖシガレットライター／アクセサリポートまたはＯＢＤポートまたはＵＳＢポートに差し込まれてもよい。別の例では、多くの異種な車両／携帯デバイス／スマートガジェット（例えば、自動誘導車両／ＡＧＶ、ショッピング／手荷物／移動カート、駐車券、ゴルフカート、自転車、スマートフォン、タブレット、カメラ、記録デバイス、スマートウォッチ、ローラースケート、シューズ、ジャケット、ゴーグル、帽子、アイウェア、ウェアラブル、セグウェイ、スクータ、手荷物タグ、清掃機械、真空掃除機、ペットタグ／カラー／ウェアラブル／インプラント）に、同じタイプＡの多くのデバイス（例えば、タイプ１またはタイプ２）が存在し得、各デバイスは、車両の１２Ｖアクセサリポート／ＯＢＤポート／ＵＳＢポートに差し込まれるか、または車両に埋め込まれるかのいずれかである。ガソリンスタンド、街路灯、街路の隅、トンネル、多層の駐車場、工場／スタジアム／列車ステーション／ショッピングモール／建設現場のような大きなエリアをカバーするための散在する場所、のような位置に、他のタイプＢの１つ以上のデバイス（例えば、Ａがタイプ２である場合にはＢがタイプ１であり、Ａがタイプ１である場合にはＢがタイプ２である）が設置されてもよい。タイプＡデバイスは、前記ＴＳＣＩに基づいて位置特定、追跡、または監視することができる。
エリア／場所には、ブロードバンドサービス、ＷｉＦｉなどのローカル接続がない場合がある。前記タイプ１及び／またはタイプ２デバイスは、ポータブルであってもよい。前記タイプ１及び／またはタイプ２デバイスは、プラグアンドプレイをサポートすることができる。任意のデバイス（例えば、オリジン ４１０４、ボット １ ４１０２Ａ、Ｂｏｔ ２ ４１０２Ｂ）は、ＧＰＳ、ＭＡＣ層、ＰＨＹ層、Ｗｉ−Ｆｉ、ＩＥＥＥ ８０２．１１標準規格、８０２．１１ａ／ｂ／ｇ／ｎ／ａｃ ／ａｄ／ａｆ／ａｇ／ａｈ／ａｊ／ ａｘ／ａｙ、Ｂｌｕｅｔｏｏｔｈ、Ｂｌｕｅｔｏｏｔｈ １．０／１．１／１．２／２．０／２．１／３．０／ ４．０／４．１／ ４．２．５、ＢＬＥ、メッシュネットワーク、ＩＥＥＥ ８０２．１６／１／１ａ／１ｂ／２／２ａ／ｂ ／ｃ／ｄ／ｅ／ｆ／ｇ／ｈ／ｉ／ｊ／ｋ／ｌ／ｍ／ｎ／ｏ／ ｐ／、標準規格、８０２．１６、Ｚｉｇｂｅｅ、ＷｉＭａｘ、ＵＷＢ、モバイルチャネル、１Ｇ／２Ｇ／３Ｇ ／３．５Ｇ／４Ｇ／ＬＴＥ／５Ｇ／６Ｇ／７Ｇ／ＮＢＩｏＴ等に基づいて、位置情報を提供しうる。
また、本開示は、ＷｉＦｉセンシングのための自動で最適化されたデバイス対クラウド接続を開示する。一実施形態では、前記タイプ１デバイス及び／またはタイプ２デバイスは、インターネット、インターネットへのアクセスを有する別のデバイス（例えば、スマートフォン）、クラウドサーバ、エッジサーバ、ローカルサーバ、及び／またはストレージ、１Ｇ／２Ｇ／３．５Ｇ／３．５Ｇ／４Ｇ／ＬＴＥ／５Ｇ／６Ｇ ／７Ｇ／ＮＢＩｏＴなどで動作する基地局、と通信可能に結合されてもよく、それらのうちの少なくとも１つとタイプ１デバイス及び／またはタイプ２デバイスとの間のリンク／通信は、簡略化されたセットアッププロセスで確立されてもよい。これは、ユーザ体験を改善し、インターネット・サービス・プロバイダ（ＩＳＰ）、ディーラ、または技術者の操作上の労力／コストを低減することができる。一態様では、前記タイプ１デバイス及び／またはタイプ２デバイスは、ユーザアクションなしにオンにされた後、ｘ時間以内にコネクションを始める／開始することができ、ｘは、数ミリ秒、数秒、または数分とすることができる。別の側面では、前記タイプ１及び／またはタイプ２デバイスは、ユーザアクションなしで、自動的に最善の接続手段を選択し、デバイスとクラウド間の接続性を確保することができる。最適なコネクションは、トラフィックストリーム、サービスクラス（ＣｏＳ）、レイテンシー、エンドツーエンドのユーザエクスペリエンス、パケット損失、帯域幅、サポートされるデータ速度、コネクション中のアプリケーションまたはデータのタイプ、パフォーマンス及びサービスレベルアグリーメント（ＳＬＡ）、可用性、プロビジョニング時間、セキュリティ、メガビットあたりの料金、初期セットアップコストなどに基づいて決定できる。別の例では、図４２において、オリジンはハブ４２０４であってもよい。それは、データを送信／受信するために、ＰＣ ４２０８、ＩｏＴデバイス４２１０、モバイルデバイス４２１２などに接続することができる。データ速度は低くても低くなくてもよい。また、無線センシングのためにボット４２０２Ａ、４２０２Ｂに接続してもよい。
以下の番号付けされた項は、追加の実施例を提供する。
第Ｃ１項：少なくともプロセッサ及び場所の動きをセンシングするための一組の命令が格納されたメモリを有する無線センシングシステムの方法／システム／デバイス／ソフトウェアであって、場所のオブジェクトの動きによって影響を受ける無線マルチパスチャネルを介して無線信号を送信するように構成されたタイプ１異種無線デバイスと、前記場所のオブジェクトの動きによって影響を受ける無線マルチパスチャネルを介して前記無線信号を受信し、前記無線信号に基づいて無線マルチパスチャネルのチャネル情報（ＣＩ）の時系列を取得するように構成されたタイプ２異種無線デバイスと、前記オブジェクトの動きに関連する動き情報に基づいて前記場所のオブジェクトの前記動きを監視するように構成された動きセンサとを備え、前記タイプ１及び前記タイプ２無線デバイスに関連する動き情報が、動き検出器及びタイプ２無線デバイスのうちの少なくとも１つによって前記ＣＩの時系列に基づいて計算される、無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ２項：別の場所における別のオブジェクトの別の動きによって影響を受ける別の無線マルチパスチャネルを介して別の無線信号を送信するように構成された別のタイプ１異種無線デバイスと、前記場所における前記別のオブジェクトの前記別の動きによって影響を受ける前記別の無線マルチパスチャネルを介して前記別の無線信号を受信し、前記別の無線信号に基づいて前記別の無線マルチパスチャネルの別のチャネル情報（ＣＩ）の別の時系列を取得するようにさらに構成されたタイプ２異種無線デバイスと、前記別のオブジェクトの前記別の動きに関連する別の動き情報に基づいて前記別の場所における前記別のオブジェクトの前記別の動きを監視するように構成された別の動きセンサと、をさらに備える、前記別のタイプ１デバイス及び前記タイプ２無線デバイスに関連する前記別の動き情報は、前記別の動き検出器及び前記第２無線デバイスのうちの少なくとも１つによって別のＣＩの前記別の時系列に基づいて計算される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ３項：前記場所の前記オブジェクトの前記動きによって影響を受ける別の無線マルチパスチャネルを介して別の無線信号を送信するように構成された別のタイプ１異種無線デバイスをさらに含み、タイプ２異種無線デバイスは、前記場所の前記オブジェクトの前記動きによって影響を受ける前記別の無線マルチパスチャネルを介して前記別の無線信号を受信し、前記別の無線信号に基づいて前記別の無線マルチパスチャネルの別のチャネル情報（ＣＩ）の時系列を取得するようにさらに構成され、別の動きセンサは、前記オブジェクトの前記動きに関連する別の動き情報に基づいて前記場所の前記オブジェクトの前記動きを監視するようにさらに構成され、前記別のタイプ１デバイス及び前記タイプ２無線デバイスに関連する前記別の動き情報は、前記別の動き検出器及び前記第２無線デバイスのうちの少なくとも１つによって別のＣＩの前記別の時系列に基づいて計算される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ４項：前記場所の前記オブジェクトの前記動きによって影響を受ける別の無線マルチパスチャネルを介して別の無線信号を送信するように構成された別のタイプ１異種無線デバイスをさらに含み、前記タイプ２異種無線デバイスは、前記場所の前記オブジェクトの前記動きによって影響を受ける前記別の無線マルチパスチャネルを介して前記別の無線信号を受信し、前記別の無線信号に基づいて前記別の無線マルチパスチャネルの別のチャネル情報（ＣＩ）の別の時系列を取得するようにさらに構成され、前記動きセンサは、前記オブジェクトの前記動きに関連する前記動き情報及び別の動き情報に共同で基づいて前記場所の前記オブジェクトの前記動きを監視するようにさらに構成され、前記別のタイプ１デバイス及びタイプ２無線デバイスに関連する前記別の動き情報は、前記動き検出器及び前記第２無線デバイスのうちの少なくとも１つによって別のＣＩの前記別の時系列に基づいて計算される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ５項：前記場所の前記オブジェクトの前記動きによって影響を受ける前記無線マルチパスチャネルを介して別の無線信号を送信するように構成された別のタイプ１異種無線デバイスをさらに含み、前記タイプ２異種無線デバイスは、前記場所の前記オブジェクトの前記動きによって影響を受ける前記無線マルチパスチャネルを介して前記別の無線信号を受信し、前記別の無線信号に基づいて前記無線マルチパスチャネルのチャネル情報（ＣＩ）の別の時系列を取得するようにさらに構成され、前記動きセンサは、前記オブジェクトの前記動きに関連する前記動き情報及び別の動き情報に共同で基づいて前記場所の前記オブジェクトの動きを監視するようにさらに構成され、前記別のタイプ１デバイス及び前記タイプ２無線デバイスに関連する前記別の動き情報は、前記動き検出器及び前記第２無線デバイスのうちの少なくとも１つによってＣＩの前記別の時系列に基づいて計算される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ６項：さらに、別のタイプ２異種無線デバイスを含み、前記タイプ１異種無線デバイスが、前記別の場所の別のオブジェクトの別の動きによって影響を受ける別の無線マルチパスチャネルを介して別の無線信号を送信するようにさらに構成され、前記別のタイプ２異種無線デバイスが、前記別の場所で前記別のオブジェクトの前記別の動きによって影響を受ける前記別の無線マルチパスチャネルを介して前記別の無線信号を受信し、前記別の無線信号に基づいて前記別の無線マルチパスチャネルの別のチャネル情報（ＣＩ）の時系列を取得するように構成され、別の動きセンサが別のオブジェクトの別の動きに関連する別の動き情報に基づいて前記別の場所の前記別のオブジェクトの前記別の動きを監視するように構成され、前記タイプ１及び前記別のタイプ２無線デバイスに関連する前記別の動き情報は、前記別の動き検出器及び前記別のタイプ２無線デバイスのうちの少なくとも１つによって別のＣＩの前記別の時系列に基づいて計算される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ７項：別のタイプ２異種無線デバイスをさらに含み、前記タイプ１異種無線デバイスは、前記場所の前記オブジェクトの前記動きによって影響を受ける別の無線マルチパスチャネルを介して別の無線信号を送信するように構成され、前記別のタイプ２異種無線デバイスは、前記場所の前記オブジェクトの前記動きによって影響を受ける前記別の無線マルチパスチャネルを介して前記別の無線信号を受信し、前記別の無線信号に基づいて前記別の無線マルチパスチャネルの別のチャネル情報（ＣＩ）の別の時系列を取得するように構成され、前記オブジェクトの前記動きに関連する別の動き情報に基づいて前記場所の前記オブジェクトの前記動きを監視するように構成された別の動きセンサであって、前記タイプ１及び前記別のタイプ２無線デバイスに関連する前記別の動き情報が、前記別の動き検出器及び前記別のタイプ２無線デバイスのうちの少なくとも１つによって別のＣＩの前記別の時系列に基づいて計算される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ８項：別のタイプ２異種無線デバイスをさらに含み、前記タイプ１異種無線デバイスは、前記場所の前記オブジェクトの前記動きによって影響を受ける別の無線マルチパスチャネルを介して別の無線信号を送信するようにさらに構成され、前記別のタイプ２異種無線デバイスは、前記場所の前記オブジェクトの前記動きによって影響を受ける前記別の無線マルチパスチャネルを介して前記別の無線信号を受信し、前記別の無線信号に基づいて前記別の無線マルチパスチャネルの別のチャネル情報（ＣＩ）の別の時系列を取得するように構成され、前記動きセンサは、前記オブジェクトの前記動きに関連する前記動き情報と別の動き情報とに共同で基づいて前記場所の前記オブジェクトの前記動きを監視するようにさらに構成され、前記タイプ１及び前記別のタイプ２無線デバイスに関連する別の動き情報は、前記別の動き検出器及び前記別のタイプ２無線デバイスのうちの少なくとも１つによって別のＣＩの前記別の時系列に基づいて計算される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ９項：別のタイプ２異種無線デバイスをさらに含み、前記タイプ１異種無線デバイスは、前記場所の前記オブジェクトの前記動きによって影響を受ける前記無線マルチパスチャネルを介して別の無線信号を送信するようにさらに構成され、前記別のタイプ２異種無線デバイスは、前記場所の前記オブジェクトの前記動きによって影響を受ける前記無線マルチパスチャネルを介して前記別の無線信号を受信し、前記別の無線信号に基づいて前記無線マルチパスチャネルのチャネル情報（ＣＩ）の別の時系列を取得するように構成され、前記動きセンサは、前記オブジェクトの前記動き及び前記オブジェクトの前記動きに関連する別の動き情報に共同で基づいて前記場所の前記オブジェクトの前記動きを監視するようにさらに構成され、前記タイプ１及び前記別のタイプ２無線デバイスに関連する前記別の動き情報は、前記動き検出器及び前記別のタイプ２無線デバイスのうちの少なくとも１つによるＣＩの前記別の時系列に基づいて計算される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ１０項：前記タイプ２異種無線デバイスは、別の場所における別のオブジェクトの別の動きによって影響を受ける別の無線マルチパスチャネルを介して別の無線信号を送信するようにさらに構成され、別のタイプ２異種無線デバイスは、前記別の場所における前記別のオブジェクトの前記別の動きによって影響を受ける前記別の無線マルチパスチャネルを介して前記別の無線信号を受信し、前記別の無線信号に基づいて前記別の無線マルチパスチャネルの別のチャネル情報（ＣＩ）の別の時系列を取得するように構成され、別の動きセンサは、前記別のオブジェクトの前記別の動きに関連する別の動き情報に基づいて前記別の場所における前記別のオブジェクトの前記別の動きを監視するように構成され、前記タイプ２及び前記別のタイプ２無線デバイスに関連する別の動き情報は、前記別の動き検出器及び前記別のタイプ２無線デバイスのうちの少なくとも１つによって別のＣＩの前記別の時系列に基づいて計算される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ１１項：前記タイプ２異種無線デバイスは、前記場所の前記オブジェクトの前記動きによって影響を受ける別の無線マルチパスチャネルを介して別の無線信号を送信するようにさらに構成され、別のタイプ２異種無線デバイスは、前記場所の前記オブジェクトの前記動きによって影響を受ける前記別の無線マルチパスチャネルを介して前記別の無線信号を受信し、前記別の無線信号に基づいて前記別の無線マルチパスチャネルの別のチャネル情報（ＣＩ）の別の時系列を取得するように構成され、別の動きセンサが前記オブジェクトの前記動きに関連する別の動き情報に基づいて前記場所の前記オブジェクトの前記動きを監視するように構成され、前記タイプ２及び前記別のタイプ２無線デバイスに関連する前記別の動き情報は、前記別の動き検出器及び前記別のタイプ２無線デバイスのうちの宿祢区とも１つによって別のＣＩの前記別の時系列に基づいて計算される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ１２項：前記タイプ２異種無線デバイスは、前記場所における前記オブジェクトの前記動きによって影響を受ける前記無線マルチパスチャネルを介して別の無線信号を送信するようにさらに構成され、別のタイプ２異種無線デバイスは、前記場所における前記オブジェクトの前記動きによって影響を受ける前記無線マルチパスチャネルを介して前記別の無線信号を受信し、前記別の無線信号に基づいて前記無線マルチパスチャネルのチャネル情報（ＣＩ）の別の時系列を取得するように構成され、前記動きセンサは、前記オブジェクトの前記動きに関連する前記動き情報と別の動き情報とに共同で基づいて前記場所における前記オブジェクトの前記動きを監視するようにさらに構成され、前記タイプ及び前記別のタイプ２無線デバイスに関連する前記別の動き情報は、前記動き検出器及び前記別のタイプ２無線デバイスのうちの少なくとも１つによってＣＩの前記別の時系列に基づいて計算される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ１３項：別の場所における別のオブジェクトの別の動きによって影響を受ける別の無線マルチパスチャネルを介して別の無線信号を送信するように構成された別のタイプ１異種無線デバイスであって、前記タイプ１異種無線デバイスは、前記別の場所における前記別のオブジェクトの前記別の動きによって影響を受ける前記別の無線マルチパスチャネルを介して前記別の無線信号を受信し、前記別の無線信号に基づいて前記別の無線マルチパスチャネルの別のチャネル情報（ＣＩ）の別の時系列を取得するようにさらに構成される前記別のタイプ１異種無線デバイスと、前記別のオブジェクトの前記別の動きに関連する別の動き情報に基づいて前記別の現場における前記別のオブジェクトの前記別の動きを監視するように構成された別の動きセンサと、をさらに備え、前記別のタイプ１及び前記タイプ１無線デバイスに関連する前記別の動き情報は、前記別の動き検出器及び前記タイプ１無線デバイスのうちの少なくとも１つによって別のＣＩの別の時系列に基づいて計算される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ１４項：前記場所の前記オブジェクトの前記動きによって影響を受ける別の無線マルチパスチャネルを介して別の無線信号を送信するように構成された別のタイプ１異種無線デバイスであって、前記場所の前記オブジェクトの前記動きによって影響を受ける前記別の無線マルチパスチャネルを介して前記別の無線信号を受信し、前記別の無線信号に基づいて前記別の無線マルチパスチャネルの別のチャネル情報（ＣＩ）の別の時系列を取得するように構成された前記別のタイプ１異種無線デバイスと、前記 オブジェクトの前記動きに関連する別の動き情報に基づいて前記場所における前記オブジェクトの前記動きを監視するように構成された別の動きセンサと、をさらに備え、前記別のタイプ１及び前記タイプ１無線デバイスに関連する前記別の動き情報は、前記別の動き検出器及び前記タイプ１無線デバイスのうちの少なくとも１つによって別のＣＩの前記別の時系列に基づいて計算される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ１５項：前記場所における前記オブジェクトの前記動きによって影響を受ける前記無線マルチパスチャネルを介して別の無線信号を送信するように構成された別のタイプ１異種無線デバイスをさらに含み、前記タイプ１異種無線デバイスは、前記場所における前記オブジェクトの前記動きによって影響を受ける前記無線マルチパスチャネルを介して前記別の無線信号を受信し、前記別の無線信号に基づいて前記無線マルチパスチャネルのチャネル情報（ＣＩ）の別の時系列を取得するようにさらに構成され、前記動きセンサは、前記オブジェクトの前記動きに関連する前記動き情報及び別の動き情報に共同で基づいて前記場所における前記オブジェクトの前記動きを監視するようにさらに構成され、前記別のタイプ１及び前記タイプ１無線デバイスに関連する前記別の動き情報は、前記動き検出器およ前記びタイプ１無線デバイスのうちの少なくとも１つによってＣＩの前記別の時系列に基づいて計算される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ１６項：第Ｃ１項に記載の無線センシングシステムの方法／システム／ソフトウェアであって：前記タイプ１無線デバイス、前記タイプ２無線デバイス及び前記動き検出器の少なくとも１つは、外部電源、内部電源、壁電源、固定電源、携帯電源、直流（ＤＣ）電源、交流（ＡＣ）電源、蓄電デバイス、電力生成デバイス、電力変換デバイス、電力変圧デバイス、バッテリ、充電式バッテリ、燃料電池、太陽電池パネル、太陽電池セル、電源、ＵＳＢポート（例えば、タイプＡ／Ｂ／Ｃ／Ｄ／Ｅ、マイクロＵＳＢ、ｍｉｎｉ ＵＳＢ）、サンダボルトポート（ｉＰｈｏｎｅ、ｉＰａｄ、ＡｉｒＰｏｄなどのアップルデバイス内）、ファイアワイヤポート、ライトニングポート、ＯＢＤ （オンボード診断）ポート（例えば、車内）、シガレットライターポート（１２Ｖ）、ＰｏＥ（パワーオーバーイーサネット）、ＰＣＩ （例えば、ＰＣＩ、ＰＣＩ Ｅｘｐｒｅｓｓ等）、ＶＧＡ、ＤＶＩ、ＨＤＭＩ、パラレルポート、シリアルポート、ＡＤＡＴ、ＢＮＣ、Ｄ−ＳＵＢ、Ｆ、ＭＩＤＩ、ＵＨＦ、ＭＣＸ、Ｎ、ＰＳ／２、ＲＣＡ、ＳＡＴＡ、Ｓ−ｖｉｄｅｏ、ＳＡＴＡ、ｍＳＡＴＡ、ｍ．２、ＳＭＡ、ＳＭＡ、ＳＭＢ、ＳＭＣ、Ｓ／ＰＤＩＦ、ＲＪ−１１、ＲＪ−４５、ＳＣＳＩ、ＴＮＣ、ＴＳ、ＴＲＳ、ＵＨＦ、ｍｉｎｉ−ＵＨＦ、ＸＬＲ、同軸、光、イーサネット、ディスプレイポート、及び他の電源、のうちの少なくとも１つにより電力を供給される。
第Ｃ１７項：前記タイプ１無線デバイス、前記タイプ２無線デバイス、及び前記動き検出器のうちの少なくとも１つが、外部電源、内部電源、直流（ＤＣ）電源、ＤＣアダプタ、交流（ＡＣ）電源、ＡＣアダプタ、蓄電ユニット、電力発生ユニット、電力変換ユニット、電力変圧ユニット、充電ユニット、充電器、変圧器、磁気結合、電磁結合、バッテリ、充電式バッテリ、燃料電池、キャパシタ、インダクタ、オルタネータ、発電機、太陽電池パネル、太陽電池セル、電源、及び別の電力管理ユニットのうちの少なくとも１つを備える、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ１８項：前記タイプ１無線デバイス、前記タイプ２無線デバイス、及び前記動き検出器のうちの少なくとも１つは、（ａ）自動、（ｂ）完全自動、（ｃ）半自動、（ｄ）手動、（ｅ）ユーザ入力なし、（ｆ）プリセット、（ｇ）電源投入時、（ｈ）リブート時、（ｉ）リセットまたは再起動時、（ｊ）キー押下時、（ｋ）クリック時、（ｌ）セットアップ時、（ｍ）ユーザ入力時、（ｎ）直接、（ｏ）間接、及び（ｐ）別の方法、のうちの少なくとも１つの方法でリモートサーバとの通信を確立する、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ１９項：前記タイプ１無線デバイス、前記タイプ２無線デバイス、及び前記動き検出器のうちの少なくとも１つは、（ａ）自動、（ｂ）完全自動、（ｃ）半自動、（ｄ）手動、（ｅ）ユーザ入力なし、（ｆ）プリセット、（ｇ）電源投入時、（ｈ）リブート時、（ｉ）リセットまたは再起動時、（ｊ）キー押下時、（ｋ）クリック時、（ｌ）セットアップ時、（ｍ）ユーザ入力時、（ｎ）直接、（ｏ）間接、及び（ｐ）別の方法のうちの少なくとも１つの方法でリモートサーバに関連する、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ２０項：前記タイプ１無線デバイス、前記タイプ２無線デバイス、及び前記動き検出器の少なくとも１つは、有線接続性、有線ネットワーク、ＵＳＢ、サンダーボルト、ファイアワイヤ、ライトニング、ＯＢＤ、シガレットライター、ＰｏＥ、ＰＣＩ、ＶＧＡ、ＤＶＩ、ＨＤＭＩ、パラレルポート、シリアルポート、ＡＤＡＴ、ＢＮＣ、Ｄ−ＳＵＢ、Ｆ、ＭＩＤＩ、ＵＨＦ、ＭＣＸ、Ｎ、ＰＳ／２、ＲＣＡ、ＳＡＴＡ、Ｓ−ｖｉｄｅｏ、ｍＳＡＴＡ、ｍ．２、ＳＭＡ、ＳＭＢ、ＳＭＣ、Ｓ／ＰＤＩＦ、ＲＪ−１１、ＲＪ−４５、ＳＣＳＩ、ＴＮＣ、ＴＳ、ＴＲＳ、ＵＨＦ、ｍｉｎｉＵＨＦ、ＸＬＲ、同軸、光、イーサネット、ディスプレイポート、無線接続性、無線ネットワーク、ＷｉＦｉ、ＵＷＢ、メッシュネットワーク、Ｂｌｕｅｔｏｏｔｈ、ＢＬＥ、ｍｍＷａｖｅ、Ｚｉｇｂｅｅ、マイクロ波、光通信 、コネクテッドライティング、８０２．１１、８０２．１５、８０２．１６、モバイル接続性、モバイルネットワーク、２Ｇ、３Ｇ、４Ｇ、ＬＴＥ、５Ｇ、６Ｇ、７Ｇ、８Ｇ、ＷｉＭａｘ、ＬＴＥ、ＮＢＩｏＴ、３ＧＰＰ、ＷＬＡＮ、ＷＰＡＮ、ＷＭＡＮ、及び別の接続性、のうちの少なくとも１つに基づいて、遠隔サーバとの通信を確立する、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ２１項：前記タイプ１デバイス、前記タイプ２デバイス、及び前記動き検出器の少なくとも１つは、有線接続性、有線ネットワーク、ＵＳＢ、サンダーボルト、ファイアワイヤ、ライトニング、ＯＢＤ、シガレットライター、ＰｏＥ、ＰＣＩ、ＶＧＡ、ＤＶＩ、ＨＤＭＩ、パラレルポート、シリアルポート、ＡＤＡＴ、ＢＮＣ、Ｄ−ＳＵＢ、Ｆ、ＭＩＤＩ、ＵＨＦ、ＭＣＸ、Ｎ、ＰＳ／２、ＲＣＡ、ＳＡＴＡ、Ｓ−ｖｉｄｅｏ、ＳＡＴＡ、ｍＳＡＴＡ、ｍ．２、ＳＭＡ、ＳＭＢ、ＳＭＣ、Ｓ／ＰＤＩＦ、ＲＪ−１１、ＲＪ−４５、ＳＣＳＩ、ＴＮＣ、ＴＳ、ＴＲＳ、ＵＨＦ、ｍｉｎｉＵＨＦ、ＸＬＲ、同軸、光、イーサネット（登録商標）、ディスプレイポート、無線接続性、無線ネットワーク、ＷｉＦｉ、ＵＷＢ、メッシュネットワーク、Ｂｌｕｅｔｏｏｔｈ、ＢＬＥ、ｍｍＷａｖｅ、Ｚｉｇｂｅｅ、マイクロ波、光通信、コネクテッドライティング、８０２．１１、８０２．１５、８０２．１６、モバイル接続性、モバイルネットワーク、２Ｇ、３Ｇ、４Ｇ、ＬＴＥ、５Ｇ、６Ｇ、７Ｇ、８Ｇ、ＷｉＭａｘ、ＬＴＥ、ＮＢＩｏＴ、３ＧＰＰ、ＷＬＡＮ、ＷＰＡＮ、ＷＭＡＮ、及び別の接続性、のうちの少なくとも１つの接続を選択基準に基づいて選択することによって、リモートサーバとの通信を確立する、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ２２項：前記タイプ１無線デバイス、及び前記タイプ２無線デバイスのうちの少なくとも１つは、外部記憶ユニット、リムーバブルストレージ、ハードディスク、フラッシュドライブ、フラッシュメモリ、ローカルストレージ、メモリカード、メモリカートリッジ、セキュアデジタル（ＳＤ）カード、マイクロＳＤカード、コンパクトフラッシュ（登録商標）（ＣＦ）カード、スマートメディアカード、ミニチュアカード、マルチメディアカード（ＭＭＣ）、ＰＣＭＣＩＡカード、メモリスティック、ＸＤカード、Ｐ２カード、ｍ．２カード、ＳＩＭカード、及び別の記憶媒体、のうちの少なくとも１つを備える、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ２３項：前記場所は、屋内環境、密閉環境、屋外環境、外気環境、施設、倉庫、工場、製造施設、組立ライン、建物、多階建物、家、自宅、事務所、店、スーパーマーケット、カジノ、ホテル、部屋、箱、スタジアム、ホール、駅、病院、空港、港、地下鉄、車両、自動車、ボート、船舶、クルーズシップ、潜水艦、飛行機、ドローン、洞穴、トンネル、パイプ、パイピングシステム、クロールスペース、メンテナンスシステム、チューブ、空調／換気システム、流体、及び別の場所のうちの少なくとも１つを含む、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ２４項：前記場所は、人々、ペット、子供、動物、植物、隔壁、壁、乾燥壁、コンクリート壁、ブロック壁、ガラス壁、金属壁、ドア、窓、ガラス、床、天井、屋根裏、ガレージ、暖炉、駐車場、構造要素、柱、梁、可動オブジェクト、非可動物体、家具、衣裳部屋、備品、機械、デバイス、照明、カーテン、ブラインド、構造の特徴、建造の特徴、水道、エアダクト、クロールスペース、半地下室、エレベータ、階段、階段吹き抜け、廊下、保守スペース、ファン、換気システム、空調システム、熱、ＨＶＡＣ、電気配線、冷蔵庫、調理デバイス、オーブン、電子レンジ、ストーブ、テレビ、音響システム、スマートスピーカ、ライト、カーペット、制限区域、アクセス制限区域、禁止区域及び別の特徴、のうちの少なくとも１つを含む、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ２５項：前記タイプ１デバイス及び前記タイプ２デバイスの少なくとも１つは、別のデバイス、物のインターネット（ＩｏＴ）機器、スマートデバイス、スマート器具、スマート備品、スマート時計、スマートステーショナリ、スマートペン、スマートユーザインターフェース、スマートペーパー、スマートマット、スマートカメラ、スマートテレビ（ＴＶ）、セットトボックス、スマートマイク、スマートスピーカ、スマート冷蔵庫、スマートオーブン、スマートマシン、スマートフォン、スマートウォレット、スマート家具、スマートドア、スマートウインドウ、スマート天井、スマートフロア、スマート壁、スマートテーブル、スマートチェア、スマートベッド、スマートナイトスタンド、スマートエアコンディショナー、スマートヒータ、スマートパイプ、 スマート・ダクト、スマートケーブル、スマート・カーペット、スマート・デコレーション、スマートガジェット、スマート・ＵＳＢデバイス、スマート・プラグ、スマート・ドングル、スマート・ランプ／ライト、スマート・タイル、スマートオーナメント、スマート・ボトル、車両、スマート・カー、スマートＡＧＶ、ドローン、スマート・ロボット、ラップトップ、タブレット、コンピュータ、ハードディスク、ネットワーク・カード、スマートインスツルメント、スマート・ラケット、スマート・ボール、スマート・シューズ、スマート・ウェアラブル、スマート衣類、スマート・メガネ、スマート・ハット、スマート・ネックレス、スマート・フード、スマートピル、生き物の体内を移動する小型デバイス、及び他のデバイス、のうちの少なくとも１つを収容する、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ２６項：前記タイプ１デバイス及び前記タイプ２デバイスのうちの少なくとも１つは、別のデバイス、もののインターネット（ＩｏＴ）機器、スマートデバイス、スマート器具、スマート備品、スマート時計、スマートステーショナリ、スマートペン、スマートユーザインターフェース、スマートペーパー、スマートマット、スマートカメラ、スマートテレビ（ＴＶ）、セットトボックス、スマートマイク、スマートスピーカ、スマート冷蔵庫、スマートオーブン、スマートマシン、スマートフォン、スマートウォレット、スマート家具、スマートドア、スマートウインドウ、スマート天井、スマートフロア、スマート壁、スマートテーブル、スマートチェア、スマートベッド、スマートナイトスタンド、スマートエアコンディショナー、スマートヒータ、スマートパイプ、 スマート・ダクト、スマートケーブル、スマート・カーペット、スマート・デコレーション、スマート・ガジェット、スマート・ＵＳＢデバイス、スマート・プラグ、スマート・ドングル、スマート・ランプ／ライト、スマート・タイル、スマートオーナメント、スマート・ボトル、ビークル、スマート・カー、スマートＡＧＶ、ドローン、スマート・ロボット、ラップトップ、タブレット、コンピュータ、ハードディスク、ネットワーク・カード、スマートインスツルメント、スマート・ラケット、スマート・ボール、スマート・シューズ、スマート・ウェアラブル、スマート衣類、スマート・メガネ、スマート・ハット、スマート・ネックレス、スマート・フード、スマートピル、生き物の体内を移動する小型デバイスのうちの少なくとも１つをトリガする、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ２７項：前記動きセンサは、前記オブジェクトの動き、人の呼吸動作、人の周期的な動き、人の繰り返しの動き、人の転倒、人の一時的な動き、前記オブジェクトの変化、存在、不存在、動きの有無、前記オブジェクトの有無、前記オブジェクトの変化、前記オブジェクトの変形、前記オブジェクトの行動、前記オブジェクトの動き、前記オブジェクトの入口、前記オブジェクトの出口、繰り返しの動きの有無、動きの周波数、動きの周期、動きのリズム、呼吸の動きの周波数、呼吸の動きの周期、動きのサイクル、動きのカウント、動きの強さ、呼吸の動きの周期、動きの分類、歩容情報、動きシークエンス、一時的動きの有無、動き変化、動き事象情報、入口事象、出口事象、オブジェクト転倒動作、リサイジングモーション、変形モーション、ターニングモーション、並進運動、回転運動、ジェスチャ、手書きモーション、頭モーション、口モーション、ハートモーション、内臓の動作、統計モーションの存在、統計モーション量、平均、分散、自己相関、自己共分散、相互相関、相互共分散、風の動き、モーションローカライゼーション、モーションロケーション、モーション強度、モーションの存在、モーションの不存在、前記オブジェクトの有無、前記動き統計の時間履歴、前記動き統計の変化、前記動き統計の挙動、及び／または前記動き統計の傾向、出現、消失、増加、減少、 使える金額、減速、方向変更、突然の動き、衝動的動き、サイズ、長さ、面積、容積、容量、形状、形、空間量、位置、距離、空間的範囲、空間ラベル、空間タグ、空間の傾向、一時的な量、タイムスタンプ、時間ラベル、時間タグ、遅延、蛍光、時間トレンド、動きプロファイル、時間事象、時間空間量、時間周波数量、時間周波数空間量、周期的挙動、過渡挙動、周期的動き、擬周期的動き、 過渡的な動き、安定な状態の挙動、計画された動き、計画されていない動き、及び／または動揺、統計的な挙動、静止的な挙動、疑似静止的な動き、周期定常性挙動、混とんとした動き、共起、発生時刻、対話、応答、活動、活動の兆候、ジェスチャ、歩容、身体の動き、身体の一部の動き、手の動き、腕の動き、足の動き、脚の動き、頭の動き、顔の動き、口の動き、目の動き、注視、呼吸動作、心臓の動き、筆記の動き、描画の動き、指の動き、ユーザインターフェースの動き、事象、転倒事象、セキュリティ事象、事故事象、ホーム事象、オフィス事象、工場事象、倉庫事象、製造事象、組立ライン事象、メンテナンス事象、車関連事象 、ナビゲーション事象、追跡事象、ドア事象、ドアオープン事象、ドアクローズ事象、ウインドウ事象、ウインドウオープン事象、ウインドウクローズ事象、リピータブル事象、ワンタイム事象、他の事象、頻度（ｆｒｅｑｕｅｎｃｙ）特性、頻度、スペクトル、開始頻度、終了頻度、頻度変化、頻度シフト、頻度トレンド、頻度事象、ユーザ、家庭、オフィス、工場、倉庫、施設、アイデンティティ（ＩＤ）、消費量、未消費量、状態、肉体の状態、身体の状態、健康状態、感情状態、精神状態、及び他の動き情報、のうちの少なくとも１つを監視するように構成される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ２８項：前記動きセンサは、前記オブジェクトの前記動きに基づいて分析を計算するように構成される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ２９項：前記動きセンサは、前記オブジェクトの前記動きに基づいて計算された分析と、前記分析の履歴とのうちの少なくとも１つを処理するように構成される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ３０項：前記動きセンサは、前記オブジェクトの前記動きに基づいて分析を計算するように構成され、前記動きセンサは、前記 分析及び前記分析の履歴のうちの少なくとも１つを格納し、前記 分析及び前記分析の履歴のうちの少なくとも１つに基づいて別の分析を計算し、前記 分析及び前記分析の前記履歴のうちの少なくとも１つをリモートデバイスに通信し、前記別の分析及び前記別の分析の別の履歴のうちの少なくとも１つを処理し、前記 別の分析及び前記別の分析の前記別の履歴のうちの少なくとも１つをリモートデバイスに通信するうちの少なくとも１つをするようにさらに構成される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ３１項：前記動きセンサは、前記オブジェクトの前記動きに基づいて分析を計算するように構成され、前記分析及び前記分析の履歴のうちの少なくとも１つは、リモートデバイスに通信され、前記分析及び前記分析の前記履歴のうちの少なくとも１つは、前記リモートデバイスによって表示される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
第Ｃ３２項：前記動きセンサは、前記オブジェクトの前記動きに基づいて分析を計算するように構成され、前記分析及び前記分析の履歴のうちの少なくとも１つは、リモートデバイスに通信され、前記分析及び前記分析の履歴のうちの少なくとも１つは、前記リモートデバイスによって分析され、別の分析は、前記分析及び前記分析の前記履歴のうちの少なくとも１つに基づいて、前記リモートデバイスによって計算され及び処理される、第Ｃ１項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェアであって、
第Ｃ３３項：前記別の分析及び前記別の分析の別の履歴が、別のリモートデバイスに通信され、別のリモートデバイスによって表示される、第Ｃ３２項に記載の無線センシングシステムの方法／システム／デバイス／ソフトウェア。
本開示はまた、ビジュアルディスプレイまたは他のフィードバックまたはユーザインターフェース（ＵＩ）デバイスのためのタイムスタンプ付きデータの処理、コンプレーション、組織、グループ化、及び提示を開示する。本開示の様々な実施形態は、ビジュアルディスプレイ（例えば、コンピュータモニタ、スマートフォンディスプレイ、タブレット、ＴＶ、プロジェクタ、アニメーションなど）または他のフィードバックまたはユーザインターフェース（ＵＩ）デバイス（例えば、スマートフォン、コンピュータ、タブレット、サウンド対応デバイス、Ａｍａｚｏｎ Ｅｃｈｏ／Ａｌｅｘａなどのスマートスピーカを介した音声プレゼンテーション、または振動、または触覚デバイス）のためのタイムスタンプ付きデータの処理、コンピレーション、組織、グループ化、及び提示に関する。
一実施形態では、各タイムスタンプ付きデータアイテムは、スカラー、持続時間、タイミング、順序付けられたペア、ｎタプル、座標、位置、方向、角度、属性、説明、傾向、挙動、動き、動き、移動、ジェスチャ（例えば、手書き、手サイン、キーストローク、顔の表情）、バイタルサイン、特徴、オブジェクト、識別、特性、現象、事象（例えば、転倒）、状態、遷移、状況、ステージ（例えば、睡眠ステージ、覚醒（ＡＷＡＫＥ）、ＲＥＭ、ＮＲＥＭなど）、関係、ベクトル、行列、分類、検出、決定、結論、集合、グループ、コレクション、要素、サブセット、及び／またはこれらの任意の混合を含むことができる。前記タイムスタンプされたデータは、チャネル情報（ＣＩ）の１つまたは複数の時系列に関連付けられ得る。前記タイムスタンプ付きデータは、タイプ１異種無線デバイスからタイプ２異種無線デバイスに、場所の無線マルチパスチャネルを介して送信された無線信号から抽出されたＣＩ（たとえば、チャネル状態情報、またはＣＳＩ）の１つまたは複数の時系列に基づいて取得／決定／計算された１つまたは複数の分析を含みうる。
一実施形態では、タイプ１デバイスは、前記無線信号を複数のタイプ２デバイスに送信することができる。タイプ２デバイスは、複数のタイプ１デバイスから、各無線信号が対応するタイプ１デバイスからのものである複数の無線信号を受信することができる。タイプ１デバイス及びタイプ２デバイスは、同じデバイス（すなわち、レーダーシステムのように動作する）であってもよい。タイプ１デバイス及びタイプ２デバイスは、機械に／中に／上に取り付けることができる。前記無線信号は、一連のプローブ信号であってもよい。前記プローブ信号は、規則的な、基本的に規則的な、または不規則な時間間隔で送ることができる。プローブ信号は、データと共に送信されてもされなくてもよい。プローブ信号は、データパケットであってもよい。受信時の各プローブ信号は、タイムスタンプされてもよい。
一例では、１つ（または複数）のタイプ１デバイス及び１つ（または複数）のタイプ２デバイスをベッドの周り（または任意の場所）に配置して、ベッドルーム内のベッド上に横たわっている１人（または複数）の人の動き及び呼吸を監視することができる。２人が睡眠中のベッドの場合、２人の人の動き及び呼吸を同時に監視するために、タイプ１デバイスを一方の端部（例えば、左側）に配置し、他方の端部（例えば、右側）に別のタイプ１デバイスを配置することができる。前記タイプ２デバイスは、ベッドの近く（例えば、前端、後部、マットレス／ベッドの下、ベッドの上）、または家の別の場所に配置されてもよい。
別の例では、前記タイプ１デバイス及び前記タイプ２デバイスは、家屋、アパート、倉庫、駐車場、建物、モール、スタジアム、駅、インターチェンジ、オフィス、部屋、会議室、倉庫、施設、公共施設、浴室、トイレ、階段、リフトなどの様々な場所（例えば、天井、壁、床、テーブル／家具上）に配置されてもよい。前記タイプ１デバイス（複数可）及び／またはタイプ２デバイス（複数可）は、ＴＶ、遠隔制御、セットトップボックス、オーディオデバイス、スピーカ、カメラ、ルータ、アクセスポイント、機器、冷蔵庫、煙検出器、ストーブ、家具、椅子、ソファ、机、テーブル、掃除機、煙検出器、錠、ツール、ＷｉＦｉ対応デバイス、コンピュータ、プリンタ、モニタ、キーボード、マウス、マウスパッド、コンピュータアクセサリ、タブレット、電話、時計、目覚まし時計、温度計、サーモスタット、ライトデバイス、ライトスイッチ、電源ソケット、電源プラグ、ランプ、ベッドサイドランプ、ベッド、コンピュータ、電話、タブレット、スマートプラグ、充電器、拡張デバイス、電力計、玩具、子供アイテム、ベビーアイテム、ベビーモニタ、大人のアイテム、高齢者のアイテム、健康管理アイテム、ＩｏＴデバイス、別のホームデバイス、オフィスデバイス、工場デバイスなどの別のデバイスに組み込んでおいてもよい。
一実施形態では、Ｎ１個（例えば、Ｎ１＝２または６または１００または１０００００）の分析時系列（ＴＳＡ）、各時系列の各項目はタイムスタンプに関連付けられる。前記分析は、動き強度インデックス、有無、接近、後退、動きシーケンス、動きインジケータ、動き方向、位置、距離、速度、加速度、タイミング、持続時間、時間期間、周期的な動き分析、周期、頻度・周波数、期間、変換、別の分析の関数／変換、規則性、過渡測定、徴候、リベレイション、バイタルサイン、インパクト、変化、変形、手信号、ジェスチャ信号、健康症状、持続時間、カウント、動きの分類、呼吸パラメータ／特性／統計、歩容、手の動き、ジェスチャ、ボディランゲージ、ダンス動作、フォーメーション、事象、状態、ステージ、動き／事象／条件／状況／状態のインジケータ、デジタル表現（例えば、０及び１の値をとる）、連続／アナログ表現（例えば、Ａが０または別の値であってもよく、Ｂが１または別の値であってもよい、ＡとＢとの間の任意の値をとる）などでありうる。全てではないにしても、いくつかの分析は、チャネル情報（ＣＩ）に基づいて取得／決定／計算されてもよい。
任意のＴＳＡを、規則的または不規則な時間間隔でサンプリング／計算／取得することができる。ＴＳＡでは、前記分析は、ある時間の間、規則的に、ある時間の間、不規則に、ある時間の間、断続的に、またはある時間の間、自発的に取得する（サンプリングする）ことができる。分析は、ある期間（例えば、１時間）において低速（例えば、１０Ｈｚ）で、別の期間（例えば、５分）においてより高速（例えば、１０００Ｈｚ）でサンプリングされてもよい。前記サンプリングにおける時間変化は、変化（例えば、環境における、検出された動き／事象／サイン）に応答するものであってもよい。例えば、前記サンプリングレートは、スタンバイモードでは低くてもよく、警報モードまたは危険モードでは高に変更されてもよい。特定の時刻ｔについて、Ｎ１のＴＳＡの全部またはいくつかまたはどれもが、そのタイムスタンプ（すなわち、ｔ）に関連づけられた項目をもつ可能性がある。
Ｎ１のＴＳＡを提示するには２つの方法がある。第１の方法（同じグラフ提示）では、Ｎ１個の曲線（基本的には互いに重ね合わされたＮ１個のグラフ）を有する１つのグラフがあり、ｙ軸（または分析が２次元である場合はｙ軸及びｚ軸、または分析がＭ次元である場合はＭ次元）はＮ１個の分析を表し、ｘ軸は時間を表す。各分析の視覚化を最大化するために、ｙ軸のレンジは、異なる分析の異なるレンジ（例えば、第１の分析については０から１まで、第２の分析については−１０から１０まで、第３の分析については０から１００まで、第４の分析については０から１０００万までなど）にマッピングされてもよく、一方、ｘ軸は、すべてのＮ１曲線に共通の時間軸である。特定の時間ｔにおいて垂直線が引かれる場合、それは、ある点において各曲線と交差する。したがって、垂直線上にはＮ１個の交点があり、各曲線に対して１個ずつある。
Ｎ１のＴＳＡを提示する第２の方法（別個のグラフの提示）では、各分析ごとに１つずつ、Ｎ１個の別個のグラフがある。比較を容易にするために、すべてのグラフのｘ軸（時間軸）が同じ／同一であると仮定し、すべてのグラフが、便利に積み重ねることができるように、本質的に同じ「幅」で時間同期されていると仮定する。各グラフには、分析の１つの曲線のみが存在する（例えば、同じｘ軸及びｙ軸を有する同じグラフ表示で描かれた分析のそれぞれの曲線と同一であってもよい）。Ｎ１個のグラフは、垂直に積み重ねられ／配置され（例えば、上下に配置され）、グラフのｙ軸は、（直線で）同一線上にあり、各グラフのｙ軸のレンジは、同一グラフ表示におけるのと同じそれぞれのレンジにマッピングされる。グラフの時刻ｔに垂直線が引かれた場合、各グラフには１つの交点しかない。なぜなら、曲線が１つしかないからである。Ｎ１個のグラフを介して時間ｔに垂直線が引かれる場合、Ｎ１個の交点（各グラフに１つ）が存在する。
本開示の一実施形態では、Ｎ１のＴＳＡは、同じグラフ及び別個のグラフ提示の両方の特性を有する、新規なハイブリッド方式（ハイブリッド表現）で提示されてもよい。１つの方法では、Ｎ１のＴＳＡは、単一の結合されたＴＳＡとなるように結合されてもよく、結合されたＴＳＡは、単一の組み合わされた曲線を有する単一の組み合わされたグラフで提示されてもよい。別個のグラフの提示では、垂直に積み重ねられた／配置されたＮ１個のグラフ（各グラフに対して１個の曲線）にＮ１個の曲線が存在し得ることを思い出されたい。全てのグラフは、同じ時間軸又はｘ軸（同期された）を有することができる。ハイブリッド表現では、別個のグループ提示におけるＮ１個のグラフのすべてを「組み合わされたグラフ」にマージすることができる。共通時間軸は、Ｍパーティション（例えば、時間ｔ＿０から時間ｔ＿１までのパーティション１、ｔ＿１からｔ＿２までのパーティション２、．．．、時間ｔ＿｛Ｍ−１｝からｔ＿ＭまでのパーティションＭ）を形成するようにパーティション化することができる。Ｍ個のパーティションは、時間軸全体にわたる場合もあれば、わたらない場合もある。つまり、隣接するパーティション間にギャップがある場合とない場合がある。異なるパーティションの長さ（または期間）は異なる場合がある。
ハイブリッド表現では、各パーティションについて、Ｎ１個の曲線のうちの１つのみが選択され（組み合わされた曲線の一部を形成するために）、表示され得、一方、Ｎ１個の曲線の残り（残りのＮ１−１個の曲線）は表示され得ない。あるいは、選択された曲線に関連付けられた対応するＴＳＡから選択された各パーティション内の分析を用いて、新しい結合ＴＳＡを形成することができる。ハイブリッド表現は、新しい結合ＴＳＡを表示することと同等である。
１からＮ１の範囲の整数値をとるインジケータ関数Ｉ（ｔ）を定義してもよい。各パーティションについて、インジケータ関数値は、選択された曲線の値である。例えば、ｋ＾｛ｔｈ｝曲線が時間ｔにおける選択された曲線である場合、Ｉ（ｔ）＝ｋである。ｋ＝１、．．、Ｎ１でＩ＿ｋ（ｔ）を、ｋ＾｛ｔｈ｝曲線が時刻ｔで選択された場合に１の値をとり、それ以外の場合に０の値をとる、ｋ＾｛ｔｈ｝曲線の選択の指示関数（ｉｎｄｉｃａｔｏｒ ｆｕｎｃｔｉｏｎ）と定義することができる。それから数学的に、
Ｉ（ｔ）＝ ｓｕｍ＿｛ｋ＝１｝＾｛Ｎ１｝ｋ＊Ｉ＿ｋ（ｔ）
Ｉ（ｔ）＝ ｓｕｍ＿｛ｋ＝１｝＾｛Ｎ１｝ｋ＊Ｉ＿ｋ（ｔ）
ｆ＿ｋ（ｔ）をｋ＾｛ｔｈ｝曲線に対応する関数とする。
この場合、ハイブリッド表現における表示された関数ｆ（ｔ）は、実際上、以下のようになる：
ｆ（ｔ）＝ ｓｕｍ＿｛ｋ＝１｝＾｛Ｎ１｝ｆ＿ｋ＊Ｉ＿ｋ（ｔ）
この場合、ハイブリッド表現における表示された関数ｆ（ｔ）は、実際上、以下のようになる：
ｆ（ｔ）＝ ｓｕｍ＿｛ｋ＝１｝＾｛Ｎ１｝ｆ＿ｋ＊Ｉ＿ｋ（ｔ）
あるいは、指示関数Ｉ（ｔ）は、特に分析がいくつかの相互排他的状態（例えば、レム（ＲＥＭ）、ノンレム（ＮＲＥＭ）及び覚醒（ＡＷＡＫＥ）睡眠状態、または睡眠（ＳＬＥＥＰ）状態及び寝ていない（ＮＯ−ＳＬＥＥＰ）状態、または動き（ＭＯＴＩＯＮ）及び動いていない（ＮＯ−ＭＯＴＩＯＮ）状態）、または事象（洗面所へ行く）のインジケータである場合に、どの曲線（ＴＳＡ）がアクティブであるか、優勢であるか、または選択されているか、または強調されているかを示すために、ハイブリッド表示にそれ自体が表示されてもよい。
あるいは、全てのＮ１曲線は、第１のやり方で（例えば、非支配的なやり方で、微妙なやり方で、バックグラウンドのやり方で、及び／またはより目を引くやり方で、明るい色、パステル色、グレー色、不飽和色、破線、点線、より低い強度、より細い線の太さ、破線／点線のタイプ、より低い強度（例えば、ゼロ強度、すなわち、表示されない）、より高い透明度（例えば、見えない、半分可視）、及び／または断続的な線のタイプなどで）表示されてもよい。各パーティションについて、選択された曲線は、第１の方法の代わりに、第２の方法で（例えば、暗色、強色、黒、飽和色、実線、より高い強度、より太い線の太さ、強い線の種類、より強い強度、より低い透明度、及び／または連続線の種類などを用いて、優勢な方法で、微妙でない方法で、フォアグラウンドの方法で、及び／またはより目を引く方法で）表示されてもよい。これは、Ｎ１のＴＳＡを第１の方法でＮ１曲線として表示し、新しい結合ＴＳＡを第２の方法で曲線として表示することと同様である。
ハイブリッド表示の代替的な方法では、Ｎ１個の曲線は、それらが別個のグラフ表示でどのように表示されるかと同様に、依然として表示されてもよい。それらは、別個のグラフ表示と同様に、積み重ねられ、垂直に配置されてもよい。各々は、そのｘ軸（または時間軸）で表示されてもされなくてもよく、ここで、Ｎ１本のｘ軸は、軸の位置を示すために、単一の線（時間スケールを示すためのマーキングを伴う／伴わない）で置き換えられてもよい。
隣接するグラフの間隔をＰとする。次いで、Ｎ１個のグラフの積み重ねは、関数
ｆ（ｔ）＝ ｓｕｍ＿｛ｋ＝１｝＾｛Ｎ１｝ （ｆ＿ｋ＋ｋ＊Ｐ）＊Ｉ＿ｋ（ｔ）
の形成及び表示と同様であり、隣接する”曲線”がＰの距離によって分離される。
ｆ＿ｋ を表示せずにＰ＝１ を設定した場合、表示される関数は指示機能Ｉ（ｔ） となる：
Ｉ（ｔ）＝ ｓｕｍ＿｛ｋ＝１｝＾｛Ｎ１｝ ｋ＊Ｉ＿ｋ（ｔ）．
ｆ（ｔ）＝ ｓｕｍ＿｛ｋ＝１｝＾｛Ｎ１｝ （ｆ＿ｋ＋ｋ＊Ｐ）＊Ｉ＿ｋ（ｔ）
の形成及び表示と同様であり、隣接する”曲線”がＰの距離によって分離される。
ｆ＿ｋ を表示せずにＰ＝１ を設定した場合、表示される関数は指示機能Ｉ（ｔ） となる：
Ｉ（ｔ）＝ ｓｕｍ＿｛ｋ＝１｝＾｛Ｎ１｝ ｋ＊Ｉ＿ｋ（ｔ）．
より一般的には、表示される関数は、いくつかのａ＿ｋ値に対して
ｆ（ｔ）＝ ｓｕｍ＿｛ｋ＝１｝＾｛Ｎ１｝ （ｆ＿ｋ＋ａ＿ｋ）＊Ｉ＿ｋ（ｔ）
である。様々な実施形態では、ａ＿ｋはｋ＊Ｐとすることができるが、不規則とすることもできる。
ｆ（ｔ）＝ ｓｕｍ＿｛ｋ＝１｝＾｛Ｎ１｝ （ｆ＿ｋ＋ａ＿ｋ）＊Ｉ＿ｋ（ｔ）
である。様々な実施形態では、ａ＿ｋはｋ＊Ｐとすることができるが、不規則とすることもできる。
パーティション間では、曲線は、線（例えば、直線、曲線など）を使用して接続されていてもよいし、接続されていなくてもよい。２つの隣接する仕切りの間にギャップがない場合、２つの隣接する仕切りの曲線は、垂直線によって接続されてもよい。このようにして、組み合わされたグラフ内に１つの組み合わされた曲線のみが存在でき、任意の時間区分における線分がＮ１個の曲線のうちの１つの線分である。組み合わされた曲線は、異なるグラフ（または異なる曲線）の間を移動する連続関数に似ていてもよい。垂直線が（特定の区画の）時刻ｔに引かれる場合、それは（区画に関連する選択された曲線上の）１つの点のみで組み合わされた曲線と交差する。時間ｔにおいて、選択されたグラフは、「現在の」グラフと見なされてもよい。選択された曲線は、「現在の」曲線と考えることができる。パーティション／セグメントは、「現在のセグメント」と見なすことができる。セグメント及び軸は、ラベル付けされてもよい。一例では、１人暮らしのユーザの家庭内の２つのタイプ１デバイスと、１つのタイプ２デバイスとを有する健康監視アプリケーションにおいて、Ｎ１＝６ ＴＳＡである。タイプ１デバイス及びタイプ２デバイスは、ユーザのベッドの隣に配置されてもよい。他のタイプ１のデバイスは、洗面所に配置されてもよい。第１のタイプ１デバイスとタイプ２デバイスとの間に１つ、第２のタイプ１デバイスとタイプ２デバイスとの間に１つの２つの無線リンクがある。各タイプ１デバイスからタイプ２デバイスに送信される無線信号に基づく各無線リンクに対して、１つ（または複数のアンテナ／デバイスの場合は複数）のチャンネル情報の時系列（ＴＳＣＩ）を得ることができる。各無線リンクについて、分析（例えば、動き、呼吸など）は、それぞれのＴＳＣＩに基づいて計算されうる。
この例では、（Ｉ１） レム睡眠、（Ｉ２）ノンレム睡眠、（Ｉ３）覚醒（Ｉ４）洗面所、（Ｉ５）社内活動、及び（Ｉ６）存在しないという６つのインジケータを含む、Ｎ１＝６の分析が存在し得る。一般に、各インジケータは、１及び０の値をとることができる。インジケータ値１は、記述がアクティブ／発生中／アサーティブ（ａｓｓｅｒｔｉｖｅ）であることを意味することができ、０の値は、アクティブでない／発生していない／アサーティブでないことを意味することができる。（Ｉ１）が１の場合、レム （ＲＥＭ：急速眼球運動）睡眠が検出され（起こっている）うる。（Ｉ１）がゼロの場合、レム睡眠は検出されない（起こっていない）。最初の３つの分析（Ｉ１）〜（Ｉ３）は、ユーザがスリープ状態（非スリープ状態とは対照的に）にあるときに有効であり、通常、ユーザのベッド時間中にアサートされるようになっており、スリープの異なる段階（レム、ノンレム、または非レム、覚醒）を表すことができる。やり方では、（Ｉ１）〜（Ｉ３）は、睡眠状態の３つのサブ状態である。すなわち、ユーザが良好な睡眠を有する場合、覚醒ステージは存在しなくてもよい。これらの３つの分析は、ＴＳＣＩに基づく何らかの睡眠分析手順から得ることができる。状況によっては、これらの３つの分析は、レム、ノンレム、覚醒、及び眠っていない、の４つの値をとる１つの組み合わせられた睡眠分析として組み合わされてもよい。典型的には、組み合わされた睡眠分析のような機能は、単純な指示関数の加重和に分解されるか、または、単純な指示関数の加重和として表されてもよい。分析（Ｉ４）は、洗面所内で活動（例えば、動き）が検出されたときにアサートされてもよい。分析（Ｉ５）は、家の残りの部分で活動が検出されたときにアサートされてもよい。分析（Ｉ６）は、アクティビティが検出されないときにアサートされてもよい。通常、１つのインジケータのみがアクティブであり、他のインジケータはアクティブではないことに留意されたい。
別個のグラフ表示では、それぞれが関数（曲線）を有する６つのグラフが存在し得る。ｆ＿１（ｔ）を分析（Ｉ１）の関数、ｆ＿２（ｔ）を（Ｉ２）、 ．．．及びｆ＿６（ｔ）を（Ｉ６）のとする。ハイブリッド表示では、組み合わされた関数は、積み重ねられラベル付けされた元の６つのグラフを用いて表示されてもよい。例えば、（Ｉ１）の曲線は「レム」とラベル付けされ、（Ｉ２）の曲線は「ノンレム」とラベル付けされ、（Ｉ３）の曲線は「覚醒（ＡＷＡＫＥ）」とラベル付けされ、（Ｉ４）の曲線は「活動」とラベル付けされ、（Ｉ５）の曲線は「浴室」とラベル付けされ、（Ｉ６）の曲線は「活動なし」とラベル付けされる。組み合わされた関数の異なるセクションは、ラベル付けされてもよい。例えば、ユーザは、午後９時に就寝し、（Ｉ４）は午後９時の直前に、（Ｉ１）は午後９時の直後に行われる組み合わされた関数を有することができる。（Ｉ４）から（Ｉ１）への遷移は、「ベッドへ行く」とラベル付けされた垂直線であってもよい。（Ｉ５）の期間は、「浴室」とラベル付けされてもよい。同様のプロセスを続けることができる。
各インジケータは、例えば、ａ＿１に関連付けられた（Ｉ１）、ａ＿２に関連付けられた（Ｉ２）、ａ＿３に関連付けられた（Ｉ３）、ａ＿４に関連付けられた（Ｉ４）、ａ＿５に関連付けられた（Ｉ５）、及びａ＿６に関連付けられた（Ｉ６）のような値に関連付けられ得る。組み合わされた関数（または組み合わされた曲線）は、これらの値をとることができる。組み合わされた曲線は、（ａ＿１＋ｆ＿１（ｔ）＊Ｉ＿１（ｔ）＋（ａ＿２＋ｆ＿２（ｔ））＊Ｉ＿２（ｔ）＋（ａ＿３＋ｆ＿３（ｔ））＊Ｉ＿３（ｔ）＋（ａ＿４＋ｆ＿４（ｔ））＊Ｉ＿４（ｔ）＋（ａ＿５＋ｆ＿５（ｔ））＊Ｉ＿５（ｔ）＋（ａ＿６＋ｆ＿６（ｔ））＊Ｉ＿６、として表されてもよい。あるＰ に対して、可能な組み合わせは、ａ＿１＝Ｐ、ａ＿２＝２Ｐ、ａ＿３＝３Ｐ、ａ＿４＝４Ｐ、ａ＿５＝５Ｐ、ａ＿６＝６Ｐであり、Ｎ１個のグラフが離れるようにする（例えば、Ｐ離れた位置に対応するｘ 軸）。別の可能な組み合わせは、ａ＿１＝ａ＿２＝ａ＿３＝ａ＿４＝ａ＿５＝ａ＿６であり、この場合、ハイブリッド表現は、同一グラフ表現の中に縮退することがある。
別の実施形態では、分析は２次元であってよく、ＴＳＡは、２次元空間の曲線（ｘ軸は時間であり、ｙ軸は分析である）の代わりに、３次元空間の曲線（ｘ軸は時間であり、ｙ軸とｚ軸は分析である）として表現されてよい。Ｎ１のＴＳＡに対応する３−Ｄ空間におけるＮ１個の曲線は、並列に積み重ね／配置することができる。時間軸は、Ｍ個のパーティションに分割されてもよい。各パーティションにおいて、Ｎ１個の曲線のうちの１つのみが選択／表示され得、一方、他の（Ｎ１−１）個の曲線は表示されない。さらに別の実施形態では、分析は、Ｋ次元であってもよく、ＴＳＡは、Ｋ次元空間における曲線として提示されてもよい。Ｎ１のＴＳＡに対応するＮ１個の曲線は、間隔を置いて配置されてもよい。時間軸は、Ｍ個のパーティションに分割されてもよい。各パーティションでは、Ｎ１個カーブの１つだけが選択／表示／アニメーション／ハイライトされ、他の（Ｎ１−１）個の曲線は選択／表示／アニメーション／ハイライトされない。
タイムスタンプされたデータは、グラフィカルユーザインターフェース（ＧＵＩ）において提示される可能性がある。ＧＵＩは、クリックされると、例えば（Ｉ１）、（Ｉ２）、（Ｉ３）、（Ｉ４）、（Ｉ５）及び（Ｉ６）の組み合わされた曲線のような、組み合わされた曲線を示すための新しいページをトリガするボタンを有してもよい。時間スケール（または期間）は、ユーザが選択可能であってもよい（例えば、７日、２４時間、１２時間、８時間、１時間、３０分、１５分、５分、１分）。ユーザは、特定の選択された曲線を有する特定の時間区分に対応する組み合わされた曲線のセクションをクリックすることができる。クリックすると、選択した曲線を示す新しいページを表示しうる。上記の例では、ユーザが（Ｉ２） ノンレム睡眠が選択されている組み合わされたグラフをクリックすると、新しいページは、選択された曲線（Ｉ２）ノンレム睡眠を示すことができる。あるいは、新しいページは、（Ｉ１）、（Ｉ２）及び（Ｉ３）が共に睡眠状態のサブ状態であるため、（Ｉ１）レム睡眠、または（Ｉ３）覚醒などのいくつかの関連する曲線とともに、選択された曲線（Ｉ２）ノンレム睡眠を示すことができる。この場合、（Ｉ１）、（Ｉ２）、（Ｉ３）の組み合わせ曲線を表示してもよい。あるいは、（Ｉ１）、（Ｉ２）及び（Ｉ３）は、従来の同一グラフ表示、または従来の別グラフ表示を使用して表示されてもよい。組み合わされた曲線（例えば、（Ｉ１）、（Ｉ２）、（Ｉ３）、（Ｉ４）、（Ｉ５）及び／または（Ｉ６））が示されているが、ユーザは、曲線のサブセット、例えば、（Ｉ１）、（Ｉ２）及び（Ｉ３）を選択することができる。これは、（Ｉ１）、（Ｉ２）及び（Ｉ３）の組み合わせ曲線を示す新しいページを出現させ得る。あるいは、新しいページは、同一グラフ表示または別グラフ表示を使用して、（Ｉ１）、（Ｉ２）及び（Ｉ３）を示すことができる。
ＧＵＩは、（ａ）ベッドに行く時間、（ｂ）起床時間、（ｃ）睡眠の合計時間、（ｄ）主睡眠中の覚醒の回数、（ｅ）主睡眠の睡眠スコア、（ｆ）自宅または部屋にいない回数、（ｇ）浴室訪問（ｖｉｓｉｔ）の回数、（ｈ）活動時間期間、（ｉ）非活動時間期間、（ｊ）浴室時間の持続時間などの分析を示し／表示することができる。分析は、ユーザ選択可能な時間スケール（例えば、８時間、１２時間、２４時間、３日、７日、１４日、１ヶ月、３ヶ月、６ヶ月、１年）について計算されてもよい。瞬時分析を表示することができる。分析が平均、平均を上回る、または平均を下回る場合、絵文字（または良い対悪いを示すいくつかのグラフィックス）を表示することができる。分析の履歴は、ユーザ選択可能な時間スケールで、ある期間について（例えば、過去１週間）表示されてもよい。例えば、浴室の訪問回数は、１週間、１ヶ月、または１年間について表示されて、長期傾向及び任意の例外を示すことができる。
ＧＵＩの別の観点では、睡眠状態は、タイムウインドウ（例えば、７日間）について表示され得る。毎日、睡眠は、着色された棒によって表されてもよい。寝ていない（ＮＯ−ＳＬＥＥＰ）、睡眠（ＳＬＥＥＰ）、レム（ＲＥＭ）、ノンレム（ＮＲＥＭ）、及び覚醒（ＡＷＡＫＥ）期間は、異なる色によって表すことができる。例えば、ＮＯ−ＳＬＥＥＰは透明であってもよく、ＡＷＡＫＥは明るい色を有してもよく、ＮＲＥＭはより暗い色を有してもよく、ＲＥＭは最も暗い色を有してもよい。タイムウインドウは、ユーザによって変更されてもよい（例えば、前の７日間、前の７日間、次の７日間、次の７日間など）。ＧＵＩにはボタンがあり、これをクリックすると、新しいページが表示され、月表示、週表示、日表示、時間表示、またはタイムド表示が表示される。
図４３は、本開示のいくつかの実施形態による、睡眠の別個の例を示す例示的な日単位の表示を示す。ユーザは、前日または翌日の睡眠を見るために、矢印を使用して前後にトグルすることができる（これはまた、昼寝を含み、１日に複数の睡眠があり得る）。上部には、睡眠図（ｈｙｐｎｏｇｒａｍ）が表示される。これらは、一晩の間の睡眠の異なる段階である。下部のキーには、睡眠統計が表示される。睡眠スコアは、総睡眠時間及び各段階の時間を考慮に入れた、いくつかの提案されたカスタム方程式を使用して計算される。それは、ユーザがどのように眠ったかについての全体像をユーザに与えることである。
図４４Ａ及び図４４Ｂは、本開示のいくつかの実施形態による、２４時間スケールを示す例示的な週単位の表示を示す。各日の睡眠は水平に表示される。ユーザは、緑の様々な濃淡で表される（凡例を参照）、睡眠開始時間、睡眠終了時間、及び夜中の様々な段階を見ることができる。ユーザは、チャート上でズームインして、これらの睡眠段階をよりよく見ることができる。図に示すように、Ｘ軸は小さなスケールに変わる。
図４５Ａ及び図４５Ｂは、本開示のいくつかの実施形態による、リアルタイム呼吸速度及び運動指数を示す例示的なホームビューを示す。呼吸速度は、１分間当たりの呼吸数であり、これは、水平にスライドし、絶えず変化する線として現れる。動きインデックスは、睡眠中の人の動きの大まかな画像を示す。ポイントは、呼吸速度を低下させる大きな動き（例えば、急に上げたり回転）を示すことである。これにより、ユーザは、睡眠中の人が実際に呼吸を停止していないことを知ることができる。呼吸信号を混乱させるのは単に動きだけかもしれない。動きインデックスは、垂直バーとして現れる。
図４６〜５２は、本開示のいくつかの実施形態による、ライフログ表示部のより例示的な表示を示す。一実施形態では、図４３−５２の各々において、各表示の要素は、互いに関連付けられてもよい。例えば、図４３に示す睡眠図は、１日以内の睡眠監視データのためのものである。しかし、ユーザが図４３の表示の下部にある「週」ボタンをクリックすると、睡眠図は、１週間以内の睡眠監視データを示すように自動的に変更される。一実施形態では、ＦＩＧ４３−５２のいずれかに表示されたＧＵＩを介してユーザから入力を受け取った後、システムは入力に基づいてデータ処理を行い、ＧＵＩを介して表示用の更新データを生成する。例えば、ユーザが図５２の下部にある「サービス」ボタンをクリックし、１つ以上のサービスを選択した後、システムは、ユーザのスリープデータ及び／または他の健康または生活に関連するデータをこれらのサービスに関連付けることができる。したがって、システムは、ユーザの睡眠及び／またはライフデータログに基づいて、これらのサービス（例えば、自動９１１呼び出し、睡眠、起床、ランニング、薬の服用などのリマインダ）をユーザに提示することができる。さらに、システムは、上述のタイプ１及びタイプ２デバイスを介して、これらのサービスに関連するユーザのより多くのライフデータを収集し、これらのサービスのユーザ体験を改善することができる。データ収集は、所定の周期に基づいて周期的に、及び／またはユーザの入力に応答して動的に行うことができる。
以下の番号付けされた項は、追加の実施例を提供する。
第Ｄ１項：プロセッサ、プロセッサに通信可能に結合されたメモリ、及びメモリに格納された命令のセットに基づいて複数の分析の時系列（ＴＳＡ）を決定することと、前記複数のＴＳＡの共通時間軸を決定することと、前記共通時間軸に基づいてハイブリッド方式で同期して、かつ共同で前記複数のＴＳＡを提示することとを含む、プレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ２項：第１のＴＳＡが、第２のＴＳＡに関して、従属、独立、同期、及び非同期のうちの少なくとも１つである、第Ｄ１項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ３項：第１のＴＳＡのサンプリングが、第２のＴＳＡのサンプリングに関して、従属、独立、同期、及び非同期のうちの少なくとも１つである、第Ｄ１項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ４項：第１のＴＳＡのサンプリング属性が、第２のＴＳＡのサンプリング属性と同じであるか、類似しているか、異なるかのうちの少なくとも１つであり、属性が、時間、周波数、期間、間隔、タイミング、タイムラグ、タイムスタンプ、規則性、反復性、変動性、インパルス性、ポーズ、経過、タイムアウト、持続時間、ソース、タイプ、センサ、メモリ、サイズ、バッファリング、記憶装置、メカニズム、搬送波周波数、搬送波帯域幅、搬送帯、変調、精度、ダイナミックレンジ、表現、固定小数点、浮動小数点、リトルエンディアン、ビッグエンディアン、カプセル化、符号化、暗号化、スクランブリング、フィルタリング、変換、前処理、処理、後処理、ノイズフロア、ノイズ除去、不確実性、環境制御、センシング条件、センシング設定、背景属性、依存性、相互依存性、 共依存性、トリガ、優先順位、瞬間の挙動、短時間挙動、長時間挙動、及び別のセンシング属性、のうちの少なくとも１つを含む第Ｄ１項に記載のプレゼンテーションシステムの方法／システム／デバイス／ソフトウェア。
第Ｄ５項：分析は、スカラー、ベクトル、行列、ｎタプル、コレクション、集合、サブセット、要素、グループ、コレクション、混合、ブーリアン、ラベル、説明、英数字数量、ラベル数量、時間数量、頻度数量、統計値、事象量、スライド量 、タイムスタンプされた数量、処理された数量、属性、モーション強度インデックス、動き統計、ＴＲＲＳ、存在／不在、接近、後退、動きシーケンス、モーションインジケーター、動き方向、セキュリティ情報、安全情報、侵入、アラーム、アラート、場所、位置特定、距離、速度、加速度、角度、角速度、角加速度、タイミング、持続時間 、時間期間、周期運動分析、周波数、期間、変換、別の分析の関数／変換、別の２つの分析の距離尺度、規則性、依存性、一時的測定、発現、啓示、サイン、バイタルサイン、呼吸数、心拍数、影響、変化、変形、手信号、ジェスチャ信号、健康症状、持続時間、カウント、動きの分類、健康状態、生体認証、睡眠パラメータ、睡眠スコア、睡眠持続時間、睡眠タイミング、睡眠中断、 睡眠中、非睡眠、睡眠段階、急速眼球運動（ＲＥＭ）、非ＲＥＭ（ＮＲＥＭ）、覚醒、及び侵入者、人々、ユーザ、ペット、人間、子供、高齢者、患者、侵入者、ペット、動物、オブジェクト、材料、ツール、機械、デバイス、車、欠陥、障害、動き、移動、動きシーケンス、事象、プレゼンス、 近接、活動、日常活動、行動、動き、現象、履歴、傾向、変動、変化、規則性、不規則性、反復性、周期的運動、反復運動、定常運動、周期定常運動、定期運動、呼吸、心拍、バイタルサイン 、歩容、のうちの少なくとも１つに関する検出／認識／検証／追跡／監視／追跡／カウント／位置特定／ローカリゼーション／ナビゲーション／ガイダンス／発生／同時発生／関係／フィルタリング／処理／前処理／後処理／修正／アクティブ化／アクセス／パラメータ／特性／機能／ 特徴／表現／統計／状態／ステータス／ステージ／条件／状況／インジケータ／遷移／変更／タイミング／分類／情報の、又は演繹／推論／観察／要約／決定／結論、ウォーキング／ランニング／運動／運動／活動／人間と機械の相互作用の間の動き／特徴／サイクル／身体部分の特性／手／肘／腕／脚／足／手足／頭／腰／手首／目、一過性の動き、衝動性の動き、突然の動き、転倒、危険、生命の脅威、ユーザインターフェイス、ジェスチャ、ハンドサイン、手書き、キーストローク、表情、顔の特徴、感情、身体の特徴、ボディランゲージ、ダンスの動き、律動的な動き 、周期運動、チャネル情報（ＣＩ）、チャネル状態情報（ＣＳＩ）、チャネルインパルス応答（ＣＩＲ）、チャネル周波数応答（ＣＦＲ）、信号強度、到着角度（ＡｏＡ）、到着時間（ＴｏＡ ）、ビームフォーミング情報、スペクトル、ＣＩに基づく派生分析、及び別の分析、のうちの少なくとも１つをさらに含む、第Ｄ１項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ６項：複数のＴＳＡ及び共通時間軸に基づいて、ハイブリッド、同期、及びジョイント（ＨＳＪ）プレゼンテーションの少なくとも１つを計算することをさらに含み、ＨＳＪプレゼンテーションは、同じグラフプレゼンテーション、別個のグラフプレゼンテーション、及びハイブリッドプレゼンテーションのうちの少なくとも１つを含み、デバイスの少なくとも１つのＨＳＪプレゼンテーションを提示する、第Ｄ１項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ７項：共通時間軸を複数の時間セグメントに分割することをさらに含み、ＨＳＪプレゼンテーションは、ＴＳＨＡのグラフィカル表現、図形、及びプロットのうちの少なくとも１つであり、ＨＳＪプレゼンテーションにおけるＴＳＨＡの各時間セグメントは、線、線タイプ、線の色、線幅、線属性、面積、領域、シェーディングカラー、シェーディングタイプ、シェーディングテクスチャ、シェーディング属性、境界、境界タイプ、境界カラー、境界幅、境界属性、表面、表面色、表面タイプ、表面テクスチャ、表面シェーディング、表面属性、アニメーション、フラッシング、フェードイン、フェードアウト、遷移効果、ラベル、シンボル、グラフィカル効果、音声、ボリューム、ユーザインターフェース設定、音楽、音響効果、及び別のプレゼンテーション属性のうちの少なくとも１つに関連付けられる、第Ｄ６項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ８項：時間セグメントの数が連続的であり、互いに別々である、第Ｄ７項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ９項：前記複数のＴＳＡ、及び前記共通時間軸のうちの少なくとも１つに基づいて、時系列のハイブリッド分析（ＴＳＨＡ）を計算することをさらに含み、各ハイブリッド分析はタイムスタンプに関連付けられ、前記ＴＳＨＡに基づいてＨＳＪプレゼンテーションを生成する、第Ｄ６項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ１０項：前記ＨＳＪプレゼンテーションが、前記ＴＳＨＡのグラフィカル表現、アニメーション、図形、及びプロットのうちの少なくとも１つであることをさらに含む、第Ｄ９項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ１１項：前記複数のＴＳＡ、前記ＴＳＨＡ、及び前記ＨＳＪプレゼンテーション、ならびにＴＳＨＡのうちの少なくとも１つを格納することと、前記複数のＴＳＡ、前記ＴＳＨＡ、及び前記ＨＳＪプレゼンテーションのうちの少なくとも１つを前記デバイスに通信することをさらに含む、第Ｄ１０項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。前記ＴＳＨＡは、それぞれの時間セグメント（前記それぞれの時間セグメントにおいて一定であり、前記ＴＳＡに固有の値（分析ＩＤ）をとる）指示関数であってもよい。
第Ｄ１２項：前記共通時間軸をいくつかの時間セグメントに分割することと、時間セグメントの数のそれぞれについて、前記時間セグメントを前記複数のＴＳＡのうちの１つに関連付けることと、前記関連付けに基づいて前記ＴＳＨＡの前記時間セグメントを構築することとをさらに含む、第Ｄ９項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ１３項：時間セグメントの数が連続的かつ素である、第Ｄ１２項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ１４項：各ＴＳＡを固有の分析ＩＤに関連付け、各分析ＩＤは実数であることと、時間セグメントの数のそれぞれについて、前記時間セグメント内の前記ＴＳＨＡの少なくとも１つのハイブリッド分析を、前記時間セグメントに関連付けられた前記分析ＩＤに割り当てること、をさらに含む、第Ｄ１２項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ１５項： Ｎ１個のＴＳＡがあり、前記固有の分析ＩＤは、Ｎ１の連続した整数の１つである、第Ｄ１４項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ１６項：Ｎ１個のＴＳＡがあり、前記固有の分析ＩＤは、Ｎ１個の等間隔整数のうちの１つである、第Ｄ１４項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。前記ＴＳＨＡは、それぞれの時間セグメントに制限された個々のＴＳＡであってもよい。
第Ｄ１７項：前記共通時間軸をいくつかの時間セグメントに分割することと、時間セグメントの数のそれぞれについて、それぞれの時間セグメントを前記複数のＴＳＡのうちの１つに関連付けることと前記関連付けられたＴＳＡのそれぞれの時間セグメントに基づいて前記ＴＳＨＡの前記それぞれの時間セグメントを構築することと、をさらに含む、第Ｄ９項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ１８項：時間セグメントの数のそれぞれについて、前記関連付けられたＴＳＡの前記それぞれの時間セグメントから分析をコピーすることによって、前記ＴＳＨＡの前記それぞれの時間セグメントにおいてハイブリッド分析を構築することをさらに含む、第Ｄ１７項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ１９項：それぞれがＴＳＡに関連付けられた前記共通時間軸を使用して複数のグラフを計算することと、グラフが類似の幅を有するように、前記グラフを共通タイムウインドウ及び共通時間スケールに制限することによって前記複数のグラフを同期させることと、前記グラフの前記時間軸が平行かつ整列するように、前記複数の同期されたグラフを積み重ねることと、前記複数の積み重ねられた同期されたグラフをマージ（または結合）することによってＨＳＪを生成することと、をさらに含む、第Ｄ６項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ２０項：すべてのスタックされた同期されたグラフが同様の高さを有するように、各グラフに関連付けられた前記ＴＳＡをスケーリングすることをさらに含む、第Ｄ１９項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ２１項：前記共通軸をいくつかの時間セグメントに分割することと、各時間セグメントを前記複数のＴＳＡのうちの１つに関連付けることと、それぞれの時間セグメントについて、前記それぞれの時間セグメントに関連する、それぞれのスタックされ同期されたグラフをコピーすることによってハイライトグラフを構築することと、ハイライトグラフを支配的な方法で提示し、前記スタックされ同期されたグラフを従属的な方法で提示することによって前記ＨＳＪを生成することと、をさらに含む、第Ｄ２０項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ２２項：前記ハイライトされたグラフ及び前記スタックされ同期されたグラフのそれぞれが、時間セグメントにおいて、線、線タイプ、線色、線幅、線属性、面積、領域、シェーディングカラー、シェーディングタイプ、シェーディングテクスチャ、シェーディング属性、境界、境界タイプ、境界色、境界幅、境界属性、表面、表面色、表面タイプ、表面テクスチャ、表面シェーディング、表面属性、アニメーション、フラッシング、フェードイン、フェードアウト、遷移効果、ラベル、グラフィック効果、シンボル、グラフィック効果、音声、音量、ユーザインターフェース設定、音楽、音響効果、及び別のプレゼンテーション属性のうちの少なくとも１つにそれぞれ関連付けられる、第Ｄ２１項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ２３項：前記ハイライトされたグラフのセグメントが、前記ハイライトされたグラフの近傍のセグメントと接続されているか、接続されていないかのうちの少なくとも１つであり、前記接続が存在する場合には、その接続がプレゼンテーション属性と関連付けられる、第Ｄ２２項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ２４項：ユーザ定義の順序で前記複数の同期されたグラフをスタックすることをさらに含む、第Ｄ２１項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ２５項：前記グラフの前記時間軸が平行かつ整列するように、前記複数の同期されたグラフのサブセットを積み重ねることと、複数の積み重ねられた同期されたグラフの前記サブセットをマージ（または結合）することによって別のＨＳＪを生成することと、をさらに含む、第Ｄ２１項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ２６項：別の共通タイムウインドウ、別の時間スケール、別の幅、別のスケーリング、別の高さ、ＴＳＡのフィルタリング、ＴＳＡの処理、ＴＳＡのリサンプリング、別のＴＳＡ、別のグラフのうちの少なくとも１つに基づいて別のＨＳＪプレゼンテーションを生成することをさらに含む、第Ｄ２１項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ２７項：前記デバイスの前記ＨＳＪプレゼンテーションを、キー押下、ユーザ選択、デバイスユーザインターフェース、ユーザコマンド、音声コマンド、ユーザ要求、プラン、アニメーションシーケンス、変更、警告、及びサーバコマンドのうちの少なくとも１つに基づいて、別のＨＳＪプレゼンテーションに変更することをさらに含む、第Ｄ６項に記載のプレゼンテージョンシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ２８項：ＴＳＡは、無線マルチパスチャネルのチャネル情報の時系列（ＴＳＣＩ）に基づいて計算され、前記ＴＳＣＩは、タイプ１異種無線デバイスからタイプ２異種無線デバイスに、場所の無線マルチパスチャネルを介して送信される無線信号から抽出される、第Ｄ１項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ２９項：前記無線マルチパスチャネルは、前記場所のオブジェクトの動きによって影響を受けることを含み、前記ＴＳＡは、前記オブジェクトの前記動きに関連付けられた監視タスクに関連付けられる、第Ｄ２８項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
第Ｄ３０項：前記場所の前記オブジェクトの前記動きを監視することを含み、同期してかつ共同で、前記ハイブリッド方式で前記複数のＴＳＡのプレゼンテーションは、前記場所の前記オブジェクトの前記動きの前記監視に関連付けられる、条項Ｄ２９に記載の提示システムの方法／システム／ソフトウェア／デバイス。
第Ｄ３１項：監視タスクは、侵入者、人々、ユーザ、ペット、人間、子供、高齢者、患者、侵入者、ペット、動物、オブジェクト、材料、ツール、機械、デバイス、車、欠陥、障害、モーション、動き、モーションシーケンス、事象、プレゼンス、 近接、活動、日常活動、行動、動き、現象、歴史、傾向、変化、変化、規則性、不規則性、反復性、周期運動、反復運動、定常運動、周期定常運動、通常運動、呼吸、心拍、バイタルサイン、歩行、運動／特徴／周期／身体の特徴／手／肘／腕／脚／足／手足／頭／腰／手首／目 歩行中／実行中／運動／運動／活動／人間と機械の相互作用、一時的な動き、衝撃的な動き、突然の動き、転倒、危険、生命の脅威、ユーザインターフェース、ジェスチャ、手書き、キーストローク、表情、 顔の特徴、感情、身体の特徴、ボディランゲージ、ダンスの動き、律動的な動き、定期的な動き、健康、幸福、健康状態、睡眠、睡眠段階、生体認証、セキュリティ、安全性、侵入、事象、不審な事象、不審な動き、アラーム、アラート、サイレン、場所、距離、速度、加速、角度、角速度、角加速度、位置特定、マップ、エネルギー管理、電力伝送、無線電力伝送、形状推定、マップ学習、機械学習、機械学習、教師あり学習、教師なし学習、半教師あり学習、クラスタリング、特徴抽出、特徴トレーニング、主成分分析、固有分解、周波数分解、時間分解、時間−周波数分解、関数分解、その他の分解、トレーニング、差別トレーニング、教師ありトレーニング、教師なしトレーニング、半教師ありトレーニング、ニューラルネットワーク、拡張現実、無線通信、データ通信、信号ブロードキャスト、ネットワーキング、調整、管理、暗号化、保護、クラウドコンピューティング、及び別の監視タスク、のうちの少なくとも１つの検出／認識／検証／追跡／監視／追跡／カウント／位置特定／ローカリゼーション／ナビゲーション／ガイダンス／発生／同時発生／関係／フィルタリング／処理／前処理／後処理／修正／アクティブ化／アクセス／パラメータ／特性／機能／表現／統計／状態／ステータス／ステージ／条件／状況／インジケーター／遷移／変更／タイミング／分類／情報 又はそれらのうちの少なくとも１つに関する推論／推論／観察／要約／決定／結論、のうちの少なくとも１つを含む、第Ｄ３０項に記載のプレゼンテーションシステムの方法／システム／ソフトウェア／デバイス。
上記の特徴は、データ記憶システム、少なくとも１つの入力デバイス、及び少なくとも１つの出力装置からデータ及び命令を受信し、それらにデータ及び命令を送信するように結合された少なくとも１つのプログラマブルプロセッサを含むプログラマブルシステム上で実行可能な１つまたは複数のコンピュータプログラムで有利に実施することができる。コンピュータプログラムは、特定のアクティビティを実行したり、特定の結果をもたらすために、コンピュータ内で直接的または間接的に使用される一連の命令である。コンピュータ・プログラムは、コンパイルされた又は解釈された言語を含む任意の形式のプログラミング言語（例えば、Ｃ、Ｊａｖａ）で書かれてもよく、また、スタンドアロン・プログラムとして又はモジュールとして、構成要素、サブルーチン、ブラウザ・ベースのウェブ・アプリケーション、又はコンピューティング環境での使用に適した他のユニットを含む任意の形式で配置されてもよい。
命令のプログラムを実行するのに適したプロセッサは、例えば、汎用及び専用マイクロプロセッサ、デジタル信号プロセッサ、ならびに任意の種類のコンピュータの単独のプロセッサまたは複数のプロセッサまたはコアのうちの１つを含む。一般に、プロセッサは、読み出し専用可能メモリ又はランダムアクセスメモリ、あるいはその両方から命令及びデータを受信する。コンピュータの本質的な要素は、命令を実行するためのプロセッサと、命令及びデータを格納するための１つ以上のメモリである。一般に、コンピュータは、データファイルを記憶するための１つまたは複数の大容量記憶装置も含み、またはそれと通信するように動作可能に結合され、そのような装置は、磁気ディスクのような内部ハードディスク及び取外し可能ディスクな光磁気ディスク、及び光ディスクを含む。コンピュータプログラム命令及びデータを具体的に具現化するのに適した記憶装置は、例として、ＥＰＲＯＭ、ＥＥＰＲＯＭ、及びフラッシュメモリデバイスなどの半導体メモリデバイス、内部ハードディスクなどの磁気ディスク、及び光磁気ディスク、ならびにＣＤ−ＲＯＭ及びＤＶＤ−ＲＯＭディスクなどのリムーバブルディスクを含む、すべての形態の不揮発性メモリを含む。プロセッサ及びメモリは、ＡＳＩＣ（特定用途向け集積回路）によって補完されてもよく、またはＡＳＩＣに組み込まれてもよい。
本開示は、多くの具体的な実施の詳細を含むが、これらは、本開示の範囲またはクレームされ得るものに対する限定として解釈されるべきではなく、むしろ、本開示の特定の実施形態に特有の特徴の説明として解釈されるべきである。別個の実施形態の文脈で本明細書に記載される特定の特徴は、一の実施形態において組み合わせて実施されてもよい。逆に、一の実施形態の文脈で説明される様々な特徴は、複数の実施形態で別々に、または任意の適切な組合せで実装されてもよい。
同様に、動作は、特定の順序で図面に示されているが、これは、望ましい結果を達成するために、そのような動作が、示された特定の順序で、または連続的な順序で実行されること、または示されたすべての動作が実行されることを必要とするものとして理解されるべきではない。特定の状況では、マルチタスキング及び並列処理が有利であり得る。さらに、上記の実施形態における様々なシステム構成要素の分離は、すべての実施形態においてそのような分離を必要とするものとして理解されるべきではなく、説明されるプログラム構成要素及びシステムは、一般に、単一のソフトウェア製品に一緒に統合されてもよく、または複数のソフトウェア製品にパッケージ化されてもよいことを理解されたい。
主題の特定の実施形態を説明した。上述の特徴及びアーキテクチャの任意の組合せは、以下の特許請求の範囲内にあることが意図される。他の実施形態もまた、以下の特許請求の範囲内である。場合によっては、特許請求の範囲に記載されたアクションは、異なる順序で実行されてもよく、依然として望ましい結果を達成することができる。さらに、添付の図面に示されるプロセスは、所望の結果を達成するために、必ずしも示される特定の順序、または連続する順序を必要としない。いくつかの実装形態では、マルチタスキング及び並列処理が有利であり得る。
Claims (20)
- 律動的な動きを監視するためのシステムであって、
場所の無線マルチパスチャネルを介して前記場所におけるオブジェクトへ向けて第１無線信号を送信するように構成された送信機と、
前記送信機と受信機との間の前記無線マルチパスチャネルを介して第２無線信号を受信するように構成された前記受信機であって、前記第２無線信号は、前記オブジェクトの律動的な動きによって影響された前記無線マルチパスチャネルのために前記第１無線信号と異なる、前記受信機と、
前記第２無線信号に基づいて前記無線マルチパスチャネルのチャネル情報（ＣＩ）の時系列を取得し、
前記ＣＩの時系列（ＴＳＣＩ）に基づいて前記オブジェクトの前記律動的な動きを監視し、
前記監視の結果に基づいて応答動作をトリガする、
ように構成されたプロセッサと、を含むシステム。 - 請求項１に記載のシステムであって、前記律動的な動きは、
歩行動作、歩容、マーチの動き、ゆっくり歩く動き、ランニング動作、ギャロップ動作、トロッティング動作、身体動作、脚の動き、手の動き、指の動き、胴部の動き、トルソーの動き、頭部の動き、
繰り返し運動、複合型繰り返し運動、ロボットの動き、メカニックな動作、風による動き、カーテンの動き、電流誘起の動き、液体の動き、振動、地震、揺れ、シェイキング動作、震える動き、身震い動作、
音楽的な動き、ダンス運動、振動、規則的な動き、周期的な動き、呼吸運動、心拍、動悸の運動、緩和振動、増大する動き、減少する動き、拡大する動き、収縮性動作、脈動運動、ポンピング動作、打つ動作、ドスンドスンという動作、拍動性の動作、ハンマリング動作、
交互に繰り返す動作、協調的な動作、複数の繰り返される動作の組み合わせ、変調な動作、混合された動作、少なくとも１つのリズムが潜在する合成された動作、他のオブジェクトの他の律動的な動きと結合された動作、
及びリズムと結合された動き、のうちの少なくとも１つを含むシステム。 - 請求項１に記載のシステムであって、前記プロセッサは、
前記ＴＳＣＩに基づいて中間量（ＩＱ）の時系列を計算し、
前記ＩＱの時系列に基づいて前記オブジェクトの前記律動的な動きを監視する
ようにさらに構成されているシステム。 - 請求項３に記載のシステムであって、前記ＩＱは、
タイムスタンプ、開始時刻、終了時刻、タイムコード、タイミング、時間間隔、継続時間、頻度、期間、サイクル、リズム、ペース、カウント、インジケータ、発生、状態、設定、
距離、変位、方向、速さ、速度、加速度、角距離、角速度、角加速度、位置の変化、方向の変化、速度変化、加速度変化、近さ、存在、非存在、出現、消滅、位置、統計、運動統計、呼吸統計、距離統計、速度統計、加速度統計、メトリック、ｌ＿ｋ距離メトリック、ｌ＿０距離メトリック、ｌ＿１距離メトリック、絶対距離メトリック、ｌ＿２距離メトリック、ユークリッド距離メトリック、ｌ＿無限遠メトリック、パス、ボリューム、質量、表面積、形状、姿勢、エネルギー、
傾向、時系列、ラベル、タグ、クラス、カテゴリ、時間プロファイル、時間量、度数量、過渡的な量、増加量、瞬間量、平均化された量、局所的に平均化された量、フィルタされた量、量の変化、繰り返し量、
事象、認識された事象、認識された運動の順番、ジェスチャ、手ぶり、指ジェスチャ、手首ジェスチャ、肘ジェスチャ、腕ジェスチャ、肩ジェスチャ、頭部ジェスチャ、顔の筋肉を動かすジェスチャ、首ジェスチャ、ウエストジェスチャ、脚ジェスチャ、足ジェスチャ、
最大値、最小値、条件付き最大値、条件付き最小値、極大値、極小値、１番目の極大値、１番目の極小値、ｋ番目の極大値、ｋ番目の極小値、平均値、重み付き平均値、パーセンタイル値、平均値、中央値、最頻値、トリム平均値、条件付き平均値、条件付き統計量、順序統計量、分散、スキューネス、尖度、モーメント、高次モーメント、キュムラント、相関量、共分散、ｃｏ−スキューネス、ｃｏ−尖度、１次統計量、２次統計量、３次統計量、高次統計量、ロバスト量、別の量に関連する引数、
ＣＩの特徴、ＣＩの複合構成要素、前記複合構成要素の大きさ、前記複合構成要素のフェーズ、前記ＣＩの前記複合構成要素の関数、前記複合構成要素の前記大きさの多項式、前記複合構成要素の前記大きさの２乗、前記ＣＩの特徴の時系列、前記ＣＩの特徴の自己相関関数、及び他の量の関数、の内の少なくとも１つを含むシステム。 - 請求項３に記載のシステムであって、前記プロセッサは、
前記オブジェクトが安定的な律動的な動きを有するとき、タイムウインドウを特定し、
前記安定的な律動的な動きに関連するタイムスタンプを決定し、
次の、
前記タイムスタンプに関連するスライディングウインドウにおける前記ＩＱの重み付き平均が第１閾値よりも大きい、
前記タイムスタンプの周りの前記ＩＱの自己相関関数の特徴量が第２閾値より大きい、及び
前記タイムスタンプに関連する別の基準、
のうちの少なくとも１つが満足されるとき、前記タイムスタンプを前記タイムウインドウに付加するようにさらに構成されているシステム。 - 請求項５に記載のシステムであって、前記プロセッサは、
前記安定的な律動的な動きの前記タイムウインドウにおける前記ＩＱの少なくとも１つの局所的特徴を計算することであって、前記少なくとも１つの局所的特徴は、極大値、極小値、ゼロクロス、前記ＩＱの微分の極大値、前記微分の極小値、及び前記微分のゼロクロス、のうちの少なくとも１つを含む、計算すること、
前記ＩＱの少なくとも１つの局所的特徴に関連するタイムスタンプに基づいて前記タイムウインドウを少なくとも１つのステップセグメントへ分割することであって、各ステップセグメントは局所的特徴に関連する時間から次の局所的特徴に関連する別の時間にわたる、分割すること、
少なくとも１つの動作サイクルを特定することであって、各動作サイクルは、正の整数Ｎの、Ｎ連続ステップセグメントを含む、特定すること、
をするようにさらに構成されているシステム。 - 請求項６に記載のシステムであって、前記プロセッサは、
前記安定的な律動的な動きの前記タイムウインドウにおける前記ＩＱ、前記ＩＱの前記少なくとも１つの局所的特徴、前記少なくとも１つのステップセグメント、及び前記少なくとも１つの動作サイクル、のうちの少なくとも１つに基づいて少なくとも１つの動きの特徴を計算するようにさらに構成されているシステム。 - 請求項７に記載のシステムであって、
前記少なくとも１つの動きの特徴は、前記タイムウインドウにおけるタイムスタンプと前記少なくとも１つの動作サイクルのうちの少なくとも１つに関連付けられ、
前記少なくとも１つの動きの特徴は次の、
動作速度、
前記タイムスタンプの周りの前記タイムウインドウのサブウインドウにおける動作速度のＡ平均である平均速度であって、前記サブウインドウは、前記タイムウインドウの全体、スライディングウインドウ、少なくとも１つの動作サイクル、少なくとも１つのステップセグメント及び別のサブウインドウのうちの少なくとも１つであり、Ａ平均は、平均、重み付き平均及びトリム平均のうちの少なくとも１つである、平均速度、
動作速度から平均速度を減算した平均減算速度、前記サブウインドウ内での動作速度の最大である最大速度、前記サブウインドウ内での動作速度の最小である最小速度、前記サブウインドウ内での動作速度の分散である速度分散、前記サブウインドウ内での平均減算速度のサンプル分布の、Ｘは０から１００の間の、Ｘパーセンタイルである速度偏差、
前記サブウインドウにおける平均減算速度の最大である最大ポジティブ速度偏差、前記サブウインドウにおける平均減算速度の最小である最大ネガティブ速度偏差、前記サブウインドウにおける動作速度の局所的ピーク（極大値）の分散である速度ピーク分散、前記サブウインドウにおける動作速度の局所的谷間（極小値）の分散である速度谷間分散、
前記タイムスタンプでのｋ番目の速度ＡＣＦピーク（ｋ−ＳＡＰ）である少なくとも１つのｋ番目のＳＡＰであって、ＳＡＰ（速度−ＡＣＦ−ピーク）は前記タイムスタンプでの動作速度の自己相関関数（ＡＣＦ）の局所的ピークであり、ｋは非負整数であるｋ番目のＳＡＰ、前記サブウインドウにおけるｋ−ＳＡＰのＡ平均である平均ｋ−ＳＡＰ、前記サブウインドウにおけるｋ−ＳＡＰの分散であるｋ−ＳＡＰ分散、前記タイムスタンプでのｋ番目のＳＡＰと（ｋ＋１）番目のＳＡＰの差分であるｋ−ＳＡＰ差分（ｋ−ＳＡＰＤ）、前記サブウインドウにおけるｋ−ＳＡＰＤのＡ平均である平均ｋ−ＳＡＰＤ、前記サブウインドウにおけるｋ−ＳＡＰＤの分散であるｋ−ＳＡＰＤ分散、前記タイムスタンプでの有意なＳＡＰのカウントである速度ＡＣＦピークカウント（ＳＡＰＣ）、前記サブウインドウにおけるＳＡＰＣのＡ平均である平均ＳＡＰＣ、前記サブウインドウにおけるＳＡＰＣの分散であるＳＡＰＣ分散、前記サブウインドウにおけるＳＡＰＣのサンプル確率がｋであるＳＡＰＣ−ｐｄｆ、隣り合うタイムスタンプでのＳＡＰＣと別のＳＡＰＣの差分であるＳＡＰＣ差分（ＳＡＰＣＤ）、前記サブウインドウにおけるＳＡＰＣＤのＡ平均である平均ＳＡＰＣＤ、前記サブウインドウにおけるＳＡＰＣＤの分散であるＳＡＰＣＤ分散、
Ｒ（ｉ，ｊ）の２次元プロットである速度リカレントプロット（ＳＲＰ）であって、ｉとｊは前記サブウインドウの実行時間インデックスであり、Ｒ（ｉ，ｊ）は時間ｉでの第１ベクトルと時間ｊでの第２ベクトルの類似性スコアであり、第１及び第２ベクトルのそれぞれは時間ｔの周りの前記タイムウインドウのスライディングウインドウにおける少なくとも１つの速度関連特徴を含む前記時間ｔでのベクトルである、速度リカレントプロット、
前記ＳＲＰの、リカレンスレート、決定論、エントロピ、平均化斜線及び他の特徴、のうちの少なくとも１つを含むＳＲＰ特徴、
Ｒ（ｉ，ｊ）の２次元プロットである一般化リカレントプロット（ＧＲＰ）であり、ｉ及びｊは前記サブウインドウの実行時間インデックスであり、Ｒ（ｉ，ｊ）は時間ｉでの第１ベクトルと時間ｊでの第２ベクトルの類似性スコアであり、第１及び第２ベクトルのそれぞれは、前記時間ｔの周りの前記タイムウインドウのスライディングウインドウにおける少なくとも１つの動きの特徴を含む前記時間ｔでのベクトルである、一般化リカレントプロット、
前記ＧＲＰの、リカレンスレート、決定論、エントロピ、平均化斜線及び他の特徴、のうちの少なくとも１つを含むＧＲＰ特徴、
タイムスケールされたＡＣＦ（ＴＳＡ）のＴＳＡ特徴であり、前記ＴＳＡは、１番目のピークが選択されたタイムラグで発生するように前記ＡＣＦの時間軸がスケーリングされた前記タイムスタンプのサブウインドウ内の速度関連特徴のＡＣＦであるＴＳＡ特徴、
動作サイクルに関連した速度ハーモニックレシオであり、それぞれは前記動作サイクルにおける動作速度のフーリエ変換の偶数高調波の振幅の合計と前記フーリエ変換の奇数高調波の振幅の合計の比である速度ハーモニックレシオ、動作サイクルに関連する速度ハーモニック特徴であり、前記動作サイクルの動作速度の周波数変換の偶数項の関数と前記周波数変換の奇数項の関数とに基づいて計算される速度ハーモニック特徴、前記少なくとも１つの動作サイクルに関連し及び前記少なくとも１つの動作サイクルにおける速度関連特徴の変換の偶数項の第１関数と前記変換の奇数項の第２関数とに基づいて計算される一般化された速度ハーモニック特徴、前記少なくとも１つの動作サイクルに関連し及び前記少なくとも１つの動作サイクルにおける動作特徴の変換の偶数項の第１関数及び前記変換の奇数項の第２関数とに基づいて計算される一般化されたハーモニック特徴、
左右ステップ速度対称特徴、上記の特徴のうちの少なくとも１つの関数、
動作速度の微分である動作加速度、前記タイムスタンプの周りの前記タイムウインドウのサブウィンドウにおける運動加速度のＡ平均である平均加速度であり、前記サブウィンドウは、前記タイムウインドウの全体、スライディングウィンドウ、少なくとも１つの動作サイクル、少なくとも１つのステップセグメント及び別のサブウィンドウのうちの少なくとも１つであり、Ａ平均は、平均、重み付き平均及びトリム平均のうちの少なくとも１つである、平均加速度、
動作加速度から平均加速度を減算した平均減算加速度、前記サブウィンドウ内の動作加速度の最大である最大加速度、前記サブウィンドウ内の動作加速度の最小である最小加速度、前記サブウィンドウ内での動作加速度の分散である加速度分散、前記サブウィンドウ内の平均減算加速度のサンプル分布のＸパーセンタイルであり、Ｘは０と１００との間の数である加速度偏差、
前記サブウィンドウにおける平均減算加速度の最大である最大ポジティブ加速度偏差、及び前記サブウィンドウにおける平均減算加速度の最小である最大ネガティブ加速度偏差、前記サブウィンドウにおける動作加速度の局所的ピーク（極大値）の分散である加速度ピーク分散、前記サブウィンドウにおける動作加速度の局所的谷間値（極小値）の分散である加速度谷間分散、
前記タイムスタンプでのｋ番目の加速度ＡＣＦピーク（ｋ−ＡＡＰ）である少なくとも１つのｋ番目のＡＡＰであり、ｋは非負の整数であり、ＡＡＰ（加速度ＡＣＦピーク）は前記タイムスタンプでの動作加速度の自己相関関数（ＡＣＦ）の局所的ピークである、ｋ番目の加速度ＡＣＦピーク、
前記サブウィンドウにおけるｋ−ＡＡＰのＡ平均である平均ｋ−ＡＡＰ、前記サブウインドウにおけるｋ−ＡＡＰの分散であるｋ−ＡＡＰ分散、前記タイムスタンプでのｋ番目のＡＡＰと（ｋ＋１）番目のＡＡＰとの差であるｋ−ＡＡＰ差分（ｋ−ＡＡＰＤ）、前記サブウインドウにおけるｋ−ＡＡＰＤのＡ平均である平均ｋ−ＡＡＰＤ、前記サブウインドウにおけるｋ−ＡＡＰＤの分散であるｋ−ＡＡＰＤ分散、前記タイムスタンプでの有意なＡＡＰのカウントである加速度ＡＣＦピークカウント（ＡＡＰＣ）、前記サブウインドウにおけるＡＡＰＣのＡ平均である平均ＡＡＰＣ，前記サブウインドウにおけるＡＡＰＣの分散であるＡＡＰＣ分散、前記サブウインドウにおけるＡＡＰＣのサンプル確率がｋであるＡＡＰＣ−ｐｄｆ、隣り合ったタイムスタンプでの前記ＡＡＰＣと別のＡＡＰＣとの差分であるＡＡＰＣ差分（ＡＡＰＣＤ）、前記サブウインドウにおけるＡＡＰＣＤのＡ平均である平均ＡＡＰＣＤ、前記サブウインドウにおけるＡＡＰＣＤの分散であるＡＡＰＣＤ分散、
Ｒ（ｉ，ｊ）の２次元プロットである加速度リカレントプロット（ＲＰ）であり、ｉとｊが前記サブウインドウにおける実行時間インデックスであり、Ｒ（ｉ、ｊ）は時間ｉでの第１ベクトルと時間ｊでの第２ベクトルの類似性スコアであり、それぞれの第１及び第２ベクトルは時間ｔの周りの前記タイムウインドウのスライディングサブウインドウにおける少なくとも１つの歩容加速度関連特徴を含む前記時間ｔでのベクトルである、加速度リカレントプロット、
リカレンスレート、決定論、エントロピ、平均化斜線及び他の特徴、のうちの少なくとも１つをそれぞれが含む加速度リカレントプロット特徴、
タイムスケールされたＡＣＦ（ＴＳＡ）のＴＳＡ特徴であって、前記ＴＳＡは、選択されたタイムラグでその第１のピークが起きるようにスケールされた前記ＡＣＦの時間軸を持つ前記タイムスタンプのサブウインドウにおける歩容加速度関連特徴のＡＣＦであるＴＳＡ特徴、前記動作サイクルにおける動作加速度のフーリエ変換の偶数高調波の振幅の合計と前記フーリエ変換の奇数高調波の振幅の合計の比である、動作サイクルに関連した加速度ハーモニックレシオ、前記動作サイクルの動作加速度の周波数変換の偶数項の関数と前記周波数変換の奇数項の前記関数とに基づいて計算される、動作サイクルに関連した加速度ハーモニック特徴、前記少なくも１つの動作サイクルに関連し、及び前記少なくとも１つの動作サイクルにおける歩容加速度関連特徴の変換の偶数項の第１の関数及び前記変換の奇数項の第２の関数とに基づいて計算される一般化された加速度ハーモニック特徴、
左右ステップ加速度対称特徴、上記の特徴のうちの少なくとも１つの関数、及び別の特徴の関数、
のうちの少なくとも１つを含む、システム。 - 請求項７に記載のシステムであって、
前記Ｎ連続ステップセグメント（Ｎステップ）はＮフェーズを有し、
ｉ番目のフェーズセグメント（ｉ−ＳＳｅｇ）は前記Ｎステップにおけるｉ番目のステップセグメントであり、ｉはＮより大きくない正の整数であり、
前記少なくとも１つの動きの特徴は、前記タイムウインドウにおけるタイムスタンプ、前記少なくとも１つのステップセグメント（ＳＳｅｇ）及び前記少なくとも１つの動作サイクル、のうちの少なくとも１つに関連し、
前記少なくとも１つの動きの特徴は、次の、
動作速度、動作速度の微分である動作加速度、前記タイムスタンプの周りの前記ＳＳｅｇにわたる動作速度の積分であるステップ長、ＳＳｅｇの継続期間であるステップ期間、前記ステップ期間に逆比例するステップ周波数、前記ＳＳｅｇにおける動作速度のＡ平均であるステップワイズ平均速度であり、Ａ平均は、平均と重み付き平均とトリム平均のうちの少なくとも１つを含む、ステップワイズ平均速度、
前記ＳＳｅｇにおける最大動作速度であるステップワイズ最大速度、前記ＳＳｅｇにおける最小動作速度であるステップワイズ最小速度、前記ＳＳｅｇにおける動作速度の分散であるステップワイズ速度分散、前記ＳＳｅｇにおける平均減算速度のサンプル分布のＸパーセンタイルであるステップワイズ速度偏差であって、前記平均減算速度は動作速度からステップワイズ平均速度をマイナスしたものであり、Ｘは０と１００との間の数字である、ステップワイズ速度偏差、
前記ＳＳｅｇにおける動作加速度のＡ平均であるステップワイズ平均加速度、前記ＳＳｅｇにおける最大動作加速度であるステップワイズ最大加速度、前記ＳＳｅｇにおける最小動作加速度であるステップワイズ最小加速度、前記ＳＳｅｇにおける動作加速度の分散であるステップワイズ加速度分散、前記ＳＳｅｇにおける平均減算加速度のサンプル偏差のＸパーセンタイルであるステップワイズ加速度偏差であって、平均減算加速度は動作加速度からステップワイズ平均加速度をマイナスしたものである、ステップワイズ加速度偏差、
前記タイムスタンプの周りのＮステップにわたる動作速度の積分であるＮステップ長、前記Ｎステップの継続期間であるＮステップ期間、Ｎステップ期間に逆比例するＮステップ周波数、前記Ｎステップにおける動作速度のＡ平均であるＮステップ平均速度、前記Ｎステップにおける動作速度の極大値であるＮステップ最大速度、前記Ｎステップにおける動作速度の極小値であるＮステップ最小速度、前記Ｎステップにおける動作速度の分散であるＮステップ速度分散、前記Ｎステップにおける平均減算速度のサンプル分布のＸパーセンタイルであるＮステップ速度偏差であり、前記平均減算速度は動作速度からＮステップ平均速度をマイナスしたものであり、Ｘは０と１００との間の数字である、Ｎステップ速度偏差、
前記Ｎステップにおける動作加速度のＡ平均であるＮステップ平均加速度、前記Ｎステップにおける動作加速度の極大値であるＮステップ最大加速度、前記Ｎステップにおける動作加速度の極小値であるＮステップ最小加速度、前記Ｎステップにおける動作加速度の分散であるＮステップ加速度分散、前記Ｎステップにおける平均減算加速度のサンプル分布のＸパーセンタイルであるＮステップ加速度偏差であって、前記平均減算加速度は動作加速度からＮステップ平均加速度をマイナスしたものである、Ｎステップ加速度偏差、
ステップ長、ステップ期間、ステップ周波数、ステップワイズ平均速度、ステップワイズ最大速度、ステップワイズ最小速度、ステップワイズ速度分散、ステップワイズ速度偏差、ステップワイズ速度ピーク分散、ステップワイズ速度谷間分散、ｋ番目のステップワイズ速度−ＡＣＦ−ピーク（ｋ−ＳＳＡＰ）、平均ｋ−ＳＳＡＰ、ｋ−ＳＳＡＰ分散、ｋ−ＳＳＡＰ差分（ｋ−ＳＳＡＰＤ）、平均ｋ−ＳＳＡＰＤ、ｋ−ＳＳＡＰＤ分散、ステップワイズ速度−ＡＣＦ−ピーク−カウント（ＳＳＡＰＣ）、平均ＳＳＡＰＣ、ＳＳＡＰＣ分散、ＳＳＡＰＣ−ｐｄｆ、ＳＳＡＰＣ−差分（ＳＳＡＰＣＤ）、平均ＳＳＡＰＣＤ、ＳＳＡＰＣＤ分散、ステップワイズ速度リカレントプロット（ＳＳＲＰ）、ＳＳＲＰ特徴、ステップワイズ時間−スケール速度ＡＣＦ（ＳＴＳＳＡ）特徴、ステップワイズ速度ハーモニック比、ステップワイズ速度ハーモニック特徴、ステップワイズ一般化速度ハーモニック特徴、ステップワイズ速度対称性尺度、ステップワイズ平均加速度、ステップワイズ最大加速度、ステップワイズ最小加速度、ステップワイズ加速度分散、ステップワイズ加速度偏差、ステップワイズ速度ピーク分散、ステップワイズ速度谷間分散、ｋ番目のステップワイズ加速度−ＡＣＦ−ピーク（ｋ−ＳＡＡＰ）、平均ｋ−ＳＡＡＰ、ｋ−ＳＡＡＰ分散、ｋ−ＳＡＡＰ差分（ｋ−ＳＡＡＰＤ）、平均ｋ−ＳＡＡＰＤ、ｋ−ＳＡＡＰＤ分散、ステップワイズ加速度−ＡＣＦ−ピークカウント（ＳＡＡＰＣ）、平均ＳＡＡＰＣ、ＳＡＡＰＣ分散、ＳＡＡＰＣ−ｐｄｆ、ＳＡＡＰＣ差分（ＳＡＡＰＣＤ）、平均ＳＡＡＰＣＤ、ＳＡＡＰＣＤ分散、ステップワイズ加速度ＲＰ（ＳＡＲＰ）、ＳＡＲＰ特徴、ステップワイズタイムスケール加速度ＡＣＦ（ＳＴＳＡＡ）特徴、ステップワイズ加速度ハーモニック比、ステップワイズ加速度ハーモニック特徴、ステップワイズ一般化加速度ハーモニック特徴、ステップワイズ対称性尺度、Ｎ−ステップ長、Ｎ−ステップ期間、Ｎ−ステップ周波数、Ｎ−ステップ平均速度、Ｎ−ステップ最大速度、Ｎ−ステップ最小速度、Ｎ−ステップ速度分散、Ｎ−ステップ速度偏差、Ｎ−ステップ速度ピーク分散、Ｎ−ステップ速度谷間分散、ｋ番目のＮステップ速度−ＡＣＦ−ピーク（ｋ−ＮＳＡＰ）、平均ｋ−ＮＳＡＰＤ、ｋ−ＮＳＡＰＤ分散、ｋ−ＮＳＡＰ差分（ｋ−ＮＳＡＰＤ）、平均ｋ−ＮＳＡＰＤ、ｋ−ＮＳＡＰＤ分散、Ｎ−ステップ速度−ＡＣＦ−ピークカウント（ＮＳＡＰＣＤ）、平均ＮＳＡＰＣ、ＮＳＡＰＣ分散、ＮＳＡＰＣ−ｐｄｆ、ＮＳＡＰＣ差分（ＮＳＡＰＣＤ）、平均ＮＳＡＰＣＤ、ＮＳＡＰＣＤ分散、Ｎ−ステップ速度リカレントプロット（ＮＳＲＰ）、ＮＳＲＰ特徴、Ｎ−ステップタイムスケール速度ＡＣＦ（ＮＴＳＳＡ）特徴、Ｎ−ステップ速度ハーモニック比、Ｎ−ステップ速度ハーモニック特徴、Ｎ−ステップ一般化速度ハーモニック特徴、Ｎ−ステップ速度対称性尺度、Ｎ−ステップ平均加速度、Ｎ−ステップ最大加速度、Ｎ−ステップ最小加速度、Ｎ−ステップ加速度分散、Ｎ−ステップ加速度偏差、Ｎ−ステップ速度ピーク分散、Ｎ−ステップ速度谷間分散、ｋ番目のＮ−ステップ加速度−ＡＣＦ−ピーク（ｋ−ＮＡＡＰ）、平均ｋ−ＮＡＡＰＤ、ｋ−ＮＡＡＰＤ分散、ｋ−ＮＡＡＰ差分（ｋ−ＮＡＡＰＤ）、平均ｋ−ＮＡＡＰＤ、ｋ−ＮＡＡＰＤ分散、Ｎステップ加速度−ＡＣＦ−ピークカウント（ＮＡＡＰＣ）、平均ＮＡＡＰＣ、ＮＡＡＰＣ分散、ＮＡＡＰＣ−ｐｄｆ、ＮＡＡＰＣ差分（ＮＡＡＰＣＤ）、平均ＮＡＡＰＣＤ、ＮＡＡＰＣＤ分散、Ｎ−ステップ加速度ＲＰ（ＮＡＲＰ）、ＮＡＲＰ特徴、Ｎ−ステップタイムスケール加速度ＡＣＦ（ＮＴＳＡＡ）特徴、Ｎステップ加速度ハーモニック比、Ｎステップ加速度ハーモニック特徴、Ｎステップ一般化加速度ハーモニック特徴、Ｎ−ステップ対称性尺度、上記の統計量のうちの少なくとも１つの関数、別の統計量の関数、及び別のＳＦの関数であって、ｉ−ＳＦはｉ−ＳＳｅｇに関連するステップワイズＳＦである、別のＳＦの関数、のうちの少なくとも１つであるステップの特徴（ＳＦ）、
前記タイムスタンプの周りの前記タイムウインドウのサブウインドウにおけるＳＦのＡ平均である平均ＳＦであって、前記サブウインドウは、前記タイムウインドウの全体、スライディングウインドウ、少なくとも１つの動作サイクル、少なくとも１つのＳＳｅｇ及び別のサブウインドウのうちの少なくとも１つである、平均ＳＦ、
前記サブウインドウにおける奇数ＳＳｅｇの前記ＳＦのＡ平均である奇数平均ＳＦ、前記サブウインドウにおける偶数ＳＳｅｇの前記ＳＦのＡ平均である偶数平均ＳＦ、前記サブウインドウにおける前記ＳＦの最大である最大ＳＦ、前記サブウインドウにおける奇数ＳＳｅｇの前記ＳＦの最大である奇数最大ＳＦ、前記サブウインドウにおける偶数ＳＳｅｇの前記ＳＦの最大である偶数最大ＳＦ、前記サブウインドウにおける前記ＳＦの最小である最小ＳＦ、前記サブウインドウにおける奇数ＳＳｅｇの前記ＳＦの最小である奇数最小ＳＦ、前記サブウインドウにおける偶数ＳＳｅｇの前記ＳＦの最小である偶数最小ＳＦ、前記サブウインドウにおけるＳＦの分散であるＳＦ分散、前記サブウインドウにおける奇数ＳＳｅｇのＳＦの分散である奇数ＳＦ分散、前記サブウインドウにおける偶数ＳＳｅｇのＳＦの分散である偶数ＳＦ分散、前記サブウインドウにおける平均減算ＳＦのサンプル分布のＸパーセンタイルであるＳＦ偏差であって、前記平均減算ＳＦはＳＦから平均ＳＦをマイナスしたものである、ＳＦ偏差、前記サブウインドウにおける奇数ＳＳｅｇの平均減算ＳＦのサンプル分布のＸパーセンタイルである奇数ＳＦ偏差、前記サブウインドウにおける偶数ＳＳｅｇの平均減算ＳＦのサンプル分布のＸパーセンタイルである偶数ＳＦ偏差、
前記サブウインドウにおけるｉ−ＳＳｅｇ（ｉ−ＳＦ）の前記ＳＦのＡ平均である平均ｉ−ＳＦ、前記サブウインドウにおける前記ＳＦの最大である最大ＳＦ、前記サブウインドウにおける前記ｉ−ＳＦの最大である最大ｉ−ＳＦ、前記サブウインドウにおける前記ＳＦの最小である最小ＳＦ、前記サブウインドウにおける前記ｉ−ＳＦの最小である最小ｉ−ＳＦ、前記サブウインドウにおけるＳＦの分散であるＳＦ分散、前記サブウインドウにおけるｉ−ＳＦの分散であるｉ−ＳＦ分散、前記サブウインドウにおける平均減算ＳＦのサンプル分布のＸパーセンタイルであるＳＦ偏差であって、平均減算ＳＦはＳＦから平均ＳＦをマイナスしたものである、ＳＦ偏差、前記サブウインドウにおける平均減算ｉ−ＳＦのサンプル分布のＸパーセンタイルであるｉ−ＳＦ偏差であり、前記平均減算ｉ−ＳＦはｉ−ＳＦから平均ｉ−ＳＦをマイナスしたものである、ｉ−ＳＦ偏差、
平均ＳＦ、最大ＳＦ、最小ＳＦ、ＳＦ分散、ＳＦ偏差、及びＳＦの他の統計量、のうちの少なくとも１つのＳＦ統計量、
奇数平均ＳＦ、奇数最大ＳＦ、奇数最小ＳＦ、奇数ＳＦ分散、奇数ＳＦ偏差、及びＳＦの他の奇数統計量、のうちの少なくとも１つのＳＦの奇数統計量、
偶数平均ＳＦ、偶数最大ＳＦ、偶数最小ＳＦ、偶数ＳＦ分散、偶数ＳＦ偏差、及びＳＦの他の偶数統計量、のうちの少なくとも１つのＳＦの偶数統計量、
平均ｉ−ＳＦ、最大ｉ−ＳＦ、最小ｉ−ＳＦ、ｉ−ＳＦ分散、ｉ−ＳＦ偏差、及びｉ−ＳＦの他の統計量、のうちの少なくとも１つのｉ−ＳＦ統計量、
左ＳＦ、右ＳＦ、正面左ＳＦ、正面右ＳＦ、バック左ＳＦ、バック右ＳＦ、波面ＳＦ、奇数波面ＳＦ、偶数波面ＳＦ、前記ＳＦの偶数統計量と前記ＳＦの奇数統計量の比、前記ＳＦの偶数統計量と前記ＳＦの奇数統計量の差分、前記ＳＦの偶数統計量と前記ＳＦの奇数統計量の類似性尺度、並びにＳＦの統計量、ＳＦの奇数統計量、及びＳＦの偶数統計量、のうちの少なくとも１つの関数、
前記ＳＦの偶数統計量の関数と前記ＳＦの奇数統計量の関数の比、前記ＳＦの偶数統計量の第２関数の第１関数及び前記ＳＦの奇数統計量の第３関数、
ＳＦ統計量と他のＳＦ統計量の比、ｉ−ＳＦ統計量と同じｉを持つ他のｉ−ＳＦ統計量の比、ｉ−ＳＦ統計量と異なるｉを持つ他のｉ−ＳＦ統計量の比、ｉ−ＳＦ統計量と異なるｉを持つ同じｉ−ＳＦ統計量の比、ＳＦ統計量とｉ−ＳＦ統計量の比、ＳＦ統計量と他のＳＦ統計量の差分、ｉ−ＳＦ統計量と同じｉを持つ他のｉ−ＳＦ統計量の差分、ｉ−ＳＦ統計量と異なるｉを持つ他のｉ−ＳＦ統計量の差分、ｉ−ＳＦ統計量と異なるｉを持つ同じｉ−ＳＦ統計量の差分、ＳＦ統計量とｉ−ＳＦ統計量の差分、
ＳＦ統計量と他のＳＦ統計量の類似性尺度、ｉ−ＳＦ統計量と同じｉを持つ他のｉ−ＳＦ統計量の類似性尺度、ｉ−ＳＦ統計量と異なるｉを持つ他のｉ−ＳＦ統計量の類似性尺度、ｉ−ＳＦ統計量と異なるｉを持つ同じｉ−ＳＦ統計量の類似性尺度、ＳＦ統計量とｉ−ＳＦ統計量の類似性尺度、少なくとも１つのＳＦ統計量及び少なくとも１つのｉ−ＳＦ統計量のうちの少なくとも１つの関数、
ｉ−ＳＦ統計量の関数と同じｉを持つ他のｉ−ＳＦ統計量の関数との比、ｉ−ＳＦ統計量の関数と異なるｉを持つ他のｉ−ＳＦ統計量の他の関数との比、ｉ−ＳＦ統計量の関数と異なるｉを持つ同じｉ−ＳＦ統計量の関数との比、
ｉ−ＳＦ統計量の関数と同じｉを持つ他のｉ−ＳＦ統計量の他の関数の合成関数、ｉ−ＳＦ統計量の関数と異なるｉを持つ他のｉ−ＳＦ統計量の他の関数の合成関数、ｉ−ＳＦ統計量の関数と異なるｉを持つ前記同じｉ−ＳＦ統計量の他の関数の合成関数、並びに少なくとも１つのＳＦ及び少なくとも１つのｉ−ＳＦのうちの少なくとも１つの他の統計量、
の特徴のうちの少なくとも１つを含むシステム。 - 請求項７に記載のシステムであって、少なくとも１つの動きの特徴は、前記タイムウインドウにおけるタイムスタンプ及び少なくとも１つの動作サイクルのうちの少なくとも１つに関連し、
少なくとも１つの動きの特徴は次のストライド関連特徴の、
動作速度、動作速度の微分である動作加速度、前記タイムスタンプの周りの動作サイクルにわたる動作速度の積分であるストライド長、前記動作サイクルの継続期間であるストライド期間、前記ストライド期間に逆比例するストライド周波数、前記動作サイクルにおける動作速度のＡ平均であるストライドワイズ（ｓｔｒｉｄｅ ｗｉｓｅ）平均速度であって、Ａ平均は、平均、重み付き平均及びトリム平均のうちの少なくとも１つである、ストライドワイズ平均速度、
前記動作サイクルにおける最大動作速度であるストライドワイズ最大速度、前記動作サイクルにおける最小動作速度であるストライドワイズ最小速度、前記動作サイクルにおける動作速度の分散であるストライドワイズ速度分散、前記動作サイクルにおける平均減算速度のサンプル偏差のＸパーセンタイルであるストライドワイズ速度偏差であって、前記平均減算速度は動作速度からストライドワイズ平均速度をマイナスしたものであり、Ｘは０と１００の間の数である、ストライドワイズ速度偏差、
前記動作サイクルにおける動作加速度のＡ平均であるストライドワイズ平均加速度、前記動作サイクルにおける最大動作加速度であるストライドワイズ最大加速度、前記動作サイクルにおける最小動作加速度であるストライドワイズ最小加速度、前記動作サイクルにおける動作加速度の分散であるストライドワイズ加速度分散、前記動作サイクルにおける平均減算加速度のサンプル偏差のＸパーセンタイルであるストライドワイズ加速度偏差であって、前記平均減算加速度は動作加速度からストライドワイズ平均加速度をマイナスしたものである、ストライドワイズ加速度偏差、
ストライド長、ストライド期間、ストライド周波数、ストライドワイズ平均速度、ストライドワイズ最大速度、ストライドワイズ最小速度、ストライドワイズ速度分散、ストライドワイズ速度偏差、ストライドワイズ速度ピーク分散、ストライドワイズ速度谷間分散、ｋ番目のストライドワイズ速度ＡＣＦピーク（ｋ−ＳＳＡＰ）、平均ｋ−ＳＳＡＰ、ｋ−ＳＳＡＰ分散、ｋ−ＳＳＡＰ差分（ｋ−ＳＳＡＰＤ）、平均ｋ−ＳＳＡＰＤ、ｋ−ＳＳＡＰＤ分散、ストライドワイズ速度ＡＣＦピークカウント（ＳＳＡＰＣ）、平均ＳＳＡＰＣ、ＳＳＡＰＣ分散、ＳＳＡＰＣ−ｐｄｆ、ＳＳＡＰＣ差分（ＳＳＡＰＣＤ）、平均ＳＳＡＰＣＤ、ＳＳＡＰＣＤ分散、ストライドワイズ速度リカレントプロット（ＳＳＲＰ）、ＳＳＲＰ特徴、ストライドワイズタイムスケール速度ＡＣＦ（ＳＴＳＳＡ）特徴、ストライドワイズ速度ハーモニック比、ストライドワイズ速度ハーモニック特徴、ストライドワイズ一般化速度ハーモニック特徴、ストライドワイズ速度対称性尺度、ストライドワイズ平均加速度、ストライドワイズ最大加速度、ストライドワイズ最小加速度、ストライドワイズ加速度分散、ストライドワイズ加速度偏差、ストライドワイズ速度ピーク分散、ストライドワイズ速度谷間分散、ｋ番目のストライドワイズ加速度−ＡＣＦ−ピーク（ｋ−ＳＡＡＰ）、平均ｋ−ＳＡＡＰ、ｋ−ＳＡＡＰ分散、ｋ−ＳＡＡＰ差分（ｋ−ＳＡＡＰＤ）、平均ｋ−ＳＡＡＰＤ、ｋ−ＳＡＡＰＤ分散、ストライドワイズ加速度−ＡＣＦ−ピークカウント（ＳＡＡＰＣ）、平均ＳＡＡＰＣ、ＳＡＡＰＣ分散、ＳＡＡＰＣ−ｐｄｆ、ＳＡＡＰＣ差分（ＳＡＡＰＣＤ）、平均ＳＡＡＰＣＤ、ＳＡＡＰＣＤ分散、ストライドワイズ加速度ＲＰ（ＳＡＲＰ）、ＳＡＲＰ特徴、ストライドワイズタイムスケール加速度ＡＣＦ（ＳＴＳＳＡ）特徴、ストライドワイズ加速度ハーモニック比、ストライドワイズ加速度ハーモニック特徴、ストライドワイズ一般化加速度ハーモニック特徴、ストライドワイズ対称性尺度、上記の統計量の少なくとも１つの関数、他の統計量の関数、及び他のＳＦの関数、のうちの少なくとも１つであるストライド特徴（ＳＦ）、
前記タイムスタンプの周りの前記タイムウインドウのサブウインドウにおける前記ＳＦのＡ平均値である平均ＳＦであって、前記サブウインドウは、前記タイムウインドウの全体、スライディングウインドウ、少なくとも１つの動作サイクル、少なくとも１つのステップセグメント、及び他のサブウインドウのうちの少なくとも１つである、平均ＳＦ、
前記サブウインドウにおける奇数動作サイクルの前記ＳＦのＡ平均である奇数平均ＳＦ、前記サブウインドウにおける偶数動作サイクルの前記ＳＦのＡ平均である偶数平均ＳＦ、前記サブウインドウにおける前記ＳＦの最大値である最大ＳＦ、前記サブウインドウにおける奇数動作サイクルの前記ＳＦの最大である奇数最大ＳＦ、前記サブウインドウにおける偶数動作サイクルの前記ＳＦの最大である偶数最大ＳＦ、前記サブウインドウにおける前記ＳＦの最小値である最小ＳＦ、前記サブウインドウにおける奇数動作サイクルの前記ＳＦの最小値である奇数最小ＳＦ、前記サブウインドウにおける偶数動作サイクルの前記ＳＦの最小値である偶数最小ＳＦ、前記サブウインドウにおけるＳＦの分散であるＳＦ分散、前記サブウインドウにおける奇数動作サイクルのＳＦの分散である奇数ＳＦ分散、前記サブウインドウにおける偶数動作サイクルのＳＦの分散である偶数ＳＦ分散、前記サブウインドウにおける平均減算ＳＦのサンプル分布のＸパーセンタイルであるＳＦ偏差であって、前記平均減算ＳＦはＳＦから平均ＳＦをマイナスしたものである、ＳＦ偏差、前記サブウインドウにおける奇数動作サイクルの平均減算ＳＦのサンプル分布のＸパーセンタイルである奇数ＳＦ偏差、前記サブウインドウにおける偶数動作サイクルの平均減算ＳＦのサンプル分布のＸパーセンタイルである偶数ＳＦ偏差、
平均ＳＦ、最大ＳＦ、最小ＳＦ、ＳＦ分散、ＳＦ偏差及びＳＦの他の統計量、のうちの少なくとも１つであるＳＦの統計量、
奇数平均ＳＦ、奇数最大ＳＦ、奇数最小ＳＦ、奇数ＳＦ分散、奇数ＳＦ偏差、及びＳＦの他の奇数統計量、のうちの少なくとも１つであるＳＦの奇数統計量、
偶数平均ＳＦ、偶数最大ＳＦ、偶数最小ＳＦ、偶数ＳＦ分散、偶数ＳＦ偏差、及びＳＦの他の偶数統計量、のうちの少なくとも１つであるＳＦの偶数統計量、
左ＳＦ、右ＳＦ、正面左ＳＦ、正面右ＳＦ、バック左ＳＦ、バック右ＳＦ、波面ＳＦ、奇数波面ＳＦ、偶数波面ＳＦ、ＳＦの偶数統計量とＳＦの奇数統計量の比、ＳＦの偶数統計量とＳＦの奇数統計量の差分、ＳＦの偶数統計量とＳＦの奇数統計量の類似性尺度、ＳＦの統計量とＳＦの奇数統計量とＳＦの偶数統計量とのうちの少なくも１つの関数、ＳＦの偶数統計量の関数とＳＦの奇数統計量の関数の比、ＳＦの偶数統計量の第２関数と前記ＳＦの奇数統計量の第３関数の第１の関数、
及び前記ＳＦの他の統計量、
うちの少なくとも１つを含むシステム。 - 請求項６に記載のシステムであって、前記プロセッサは、
前記ＩＱの局所的特徴の量が閾値より低いときは、前記安定的な律動的な動きの前記タイムウインドウを間引くようにさらに構成されている、システム。 - 請求項７に記載のシステムであって、前記プロセッサは、
前記少なくとも１つの動きの特徴をサーバ又はユーザデバイスへ通知し、
前記少なくとも１つの動きの特徴に基づいて前記ユーザデバイスにプレゼンテーションを提供するようにさらに構成されている、システム。 - 請求項７に記載のシステムであって、
追加の無線マルチパスチャネルを介して第３無線信号を送信するように構成された追加送信機と、
前記追加の無線マルチパスチャネルを介して第４無線信号を受信するように構成された追加受信機であって、前記第４無線信号は、前記場所の前記オブジェクトの前記律動的な動きにより影響される前記追加の無線マルチパスチャネルのために前記第３無線信号と異なっている、追加受信機とを含み、
前記プロセッサは、
前記第４無線信号に基づいて前記追加の無線マルチパスチャネルの追加のＴＳＣＩを取得し、
前記追加のＴＳＣＩに基づいてＩＱの追加の時系列を計算し、
前記ＩＱの時系列と前記ＩＱの追加の時系列に共同で基づいて前記律動的な動きを監視するようにさらに構成されている、システム。 - 請求項１３に記載のシステムであって、
前記追加送信機は前記送信機であり、
前記第３無線信号は前記第１無線信号であり、又は
前記追加受信機は前記受信機である、システム。 - 請求項６に記載のシステムであって、前記プロセッサは、
平滑化フィルタを前記ＩＱへ適用し、前記オブジェクトの前記安定的な律動的な動きの前記タイムウインドウにおける平滑化されたＩＱの時系列を計算し、
前記平滑化されたＩＱに基づいて前記タイムウインドウを少なくとも１つのステップセグメントへ分割するようにさらに構成されている、システム。 - プロセッサにより実行される方法であって、前記プロセッサにより実行される命令のセットが格納されたメモリは前記プロセッサと通信可能に接続され、方法は、
場所の無線マルチパスチャネルのチャネル情報（ＣＩ）の時系列を取得することであって、
送信機は場所の前記無線マルチパスチャネルを介して前記場所のオブジェクトへ第１無線信号を送信し、
受信機は前記無線マルチパスチャネルを介して第２無線信号を受信し、前記第２無線信号に基づいて前記無線マルチパスチャネルのＣＩの前記時系列（ＴＳＣＩ）を計算し、
前記第２無線信号は、前記場所における前記オブジェクトの律動的な動きにより影響された前記無線マルチパスチャネルのために前記第１無線信号とは異なる、取得することと、
前記ＴＳＣＩに基づいて前記オブジェクトの前記律動的な動きを監視することと、
前記監視の結果に基づいて応答動作をトリガすることと、を含む方法。 - 請求項１６に記載の方法であって、
前記ＴＳＣＩに基づいて中間量（ＩＱ）の時系列を計算すること、
前記オブジェクトが安定的な律動的な動きをするときにタイムウインドウを識別すること、
前記安定的な律動的な動きに関連するタイムスタンプを決定すること、及び
前記タイムスタンプに関連するスライディングウインドウにおける前記ＩＱの重み付き平均が第１閾値よりも大きい、
前記タイムスタンプの周りの前記ＩＱの自己相関関数の特徴が第２閾値よりも大きい、
及び前記タイムスタンプに関連する他の基準、のうちの少なくとも１つが満たされたときに、前記タイムウインドウへ前記タイムスタンプを追加すること、
をさらに含む方法。 - 請求項１７に記載の方法であって、前記安定的な律動的な動きの前記タイムウインドウにおける前記ＩＱの少なくとも１つの局所的特徴を計算することであって、前記少なくとも１つの局所的特徴は、極大値、極小値、ゼロ交差、前記ＩＱの微分の極大値、前記微分の極小値、及び前記微分のゼロ交差、のうちの少なくとも１つを含む、計算することと、
前記ＩＱの前記少なくとも１つの局所的特徴に関連するタイムスタンプに基づいて前記タイムウインドウを少なくとも１つのステップセグメントへ分割することであって、各ステップセグメントは局所的特徴に関連する時間から次の局所的特徴に関連する別の時間にわたる、分割することと、
少なくとも１つの動作サイクルを識別することであって、各動作サイクルは、正の整数であるＮのＮ連続ステップセグメントを含む、識別することと、をさらに含む方法。 - 請求項１８に記載の方法であって、
前記ＩＱの局所的特徴の量が閾値より小さいときは、前記安定的な律動的な動きの前記タイムウインドウを間引くこと、
前記ＩＱに平滑化フィルタを適用して、前記オブジェクトの前記安定的な律動的な動きの前記タイムウインドウにおける平滑化されたＩＱの時系列を計算すること、
前記平滑化されたＩＱに基づいて前記タイムウインドウを少なくとも１つのステップセグメントへ分割すること、をさらに含む方法。 - 請求項１８に記載の方法であって、
前記安定的な律動的な動きの前記タイムウインドウにおける前記ＩＱ、前記ＩＱの前記少なくとも１つの局所的特徴、前記少なくとも１つのステップセグメント、及び前記少なくとも１つの動作サイクル、のうちの少なくとも１つに基づいて少なくとも１つの動きの特徴を計算することであって、
前記少なくとも１つの動きの特徴は、前記タイムウインドウにおけるタイムスタンプ、前記少なくとも１つの動作サイクル、及び前記少なくとも１つのステップセグメント、のうちの少なくとも１つに関連し、
前記少なくとも１つの動き特徴は、前記律動的な動きの速度、前記律動的な動きの前記速度の微分である加速度、ストライド、前記少なくとも１つの動作サイクル、及び前記少なくとも１つのステップセグメント、の少なくとも１つに関連する少なくとも１つの特徴を含む、計算することをさらに含む方法。
Applications Claiming Priority (18)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962806688P | 2019-02-15 | 2019-02-15 | |
| US201962806694P | 2019-02-15 | 2019-02-15 | |
| US62/806,694 | 2019-02-15 | ||
| US62/806,688 | 2019-02-15 | ||
| US201962846688P | 2019-05-12 | 2019-05-12 | |
| US62/846,688 | 2019-05-12 | ||
| US201962873781P | 2019-07-12 | 2019-07-12 | |
| US62/873,781 | 2019-07-12 | ||
| US201962900565P | 2019-09-15 | 2019-09-15 | |
| US62/900,565 | 2019-09-15 | ||
| US201962902357P | 2019-09-18 | 2019-09-18 | |
| US62/902,357 | 2019-09-18 | ||
| US201962950093P | 2019-12-18 | 2019-12-18 | |
| US62/950,093 | 2019-12-18 | ||
| US16/790,627 US11397258B2 (en) | 2015-07-17 | 2020-02-13 | Method, apparatus, and system for outdoor target tracking |
| US16/790,610 | 2020-02-13 | ||
| US16/790,627 | 2020-02-13 | ||
| US16/790,610 US11928894B2 (en) | 2012-09-18 | 2020-02-13 | Method, apparatus, and system for wireless gait recognition |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020144115A true JP2020144115A (ja) | 2020-09-10 |
| JP2020144115A5 JP2020144115A5 (ja) | 2023-01-19 |
Family
ID=69650524
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020024532A Pending JP2020144115A (ja) | 2019-02-15 | 2020-02-17 | 無線歩容認識のための方法、装置及びシステム |
Country Status (2)
| Country | Link |
|---|---|
| EP (1) | EP3695783A1 (ja) |
| JP (1) | JP2020144115A (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220072734A (ko) * | 2020-11-25 | 2022-06-02 | 고려대학교 산학협력단 | 3차원 비가시선 채널 환경에서 사각지대 차량 측위 방법 및 그 장치 |
| WO2023033378A1 (ko) * | 2021-09-01 | 2023-03-09 | 삼성전자주식회사 | 디스플레이 장치 및 그 제어 방법 |
| WO2023033379A1 (ko) * | 2021-09-01 | 2023-03-09 | 삼성전자주식회사 | 디스플레이 장치 및 그 제어 방법 |
| WO2023033317A1 (ko) * | 2021-09-01 | 2023-03-09 | 삼성전자주식회사 | 디스플레이 장치 및 그 제어 방법 |
| RU2792260C1 (ru) * | 2022-06-20 | 2023-03-21 | Борисов Юрий Александрович | Контрольно-проверочный комплекс радиолокационных станций самолёта |
| US11862062B2 (en) | 2021-09-01 | 2024-01-02 | Samsung Electronics Co., Ltd. | Display device and method for controlling the same based on determined motion within a region of the display device |
Families Citing this family (44)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI756728B (zh) * | 2020-07-01 | 2022-03-01 | 立積電子股份有限公司 | 物體辨識方法及物體辨識裝置 |
| US11909482B2 (en) * | 2020-08-18 | 2024-02-20 | Qualcomm Incorporated | Federated learning for client-specific neural network parameter generation for wireless communication |
| CN112198507B (zh) * | 2020-09-25 | 2022-09-30 | 森思泰克河北科技有限公司 | 人体跌倒特征的检测方法及装置 |
| CN112305497B (zh) * | 2020-09-27 | 2023-09-01 | 四川大学 | 一种近场麦克风阵列doa估计测向模糊消除方法 |
| CN112200259A (zh) * | 2020-10-19 | 2021-01-08 | 哈尔滨理工大学 | 一种基于分类与筛选的信息增益文本特征选择方法及分类装置 |
| CN112383882B (zh) * | 2020-11-13 | 2021-12-17 | 深圳市比特安科技有限公司 | 一种蓝牙换电中的数据传输方法及换电系统 |
| CN116997975A (zh) * | 2020-11-20 | 2023-11-03 | 亚历山大·波尔托拉克 | 多种部分冗余的生物识别感测装置 |
| CN112257680B (zh) * | 2020-11-23 | 2023-06-23 | 中国联合网络通信集团有限公司 | 脑纹身份认证识别方法、服务器及计算机可读存储介质 |
| CN112533143A (zh) * | 2020-12-02 | 2021-03-19 | 董树波 | 基于智能手机连接的地毯方向定位方法及其系统 |
| CN112429110B (zh) * | 2020-12-12 | 2021-09-21 | 佳木斯大学 | 一种基于计算机控制的机器人结构 |
| CN114696877A (zh) * | 2020-12-28 | 2022-07-01 | 华为技术有限公司 | 一种信道信息的反馈方法、通信装置及通信系统 |
| CN112925320B (zh) * | 2021-01-25 | 2022-03-11 | 河南大学 | 一种基于质心模型的双足机器人步态能耗评估方法 |
| CN112987586B (zh) * | 2021-03-01 | 2022-02-01 | 常州百芝龙智慧科技有限公司 | 一种基于活动人体感知技术的电器控制方法 |
| CN113093531B (zh) * | 2021-03-01 | 2022-03-15 | 武汉大学 | 一种基于模型预测控制的大型管-渠结合系统应急调度控制方法 |
| US20220287629A1 (en) * | 2021-03-15 | 2022-09-15 | Cognitive Systems Corp. | Generating and Displaying Metrics of Interest Based on Motion Data |
| CN112907869B (zh) * | 2021-03-17 | 2023-03-21 | 四川通信科研规划设计有限责任公司 | 基于多种传感技术的入侵检测系统 |
| CN113060305B (zh) * | 2021-03-24 | 2022-07-12 | 哈尔滨工业大学 | 一种基于能量最优的轨道转移方法、装置及存储介质 |
| CN113065451B (zh) * | 2021-03-29 | 2022-08-09 | 四川翼飞视科技有限公司 | 一种多模态融合的动作识别装置、方法和存储介质 |
| CN113189664B (zh) * | 2021-04-26 | 2022-04-22 | 拉扎斯网络科技（上海）有限公司 | 一种置物状态检测方法以及装置 |
| CN113194417B (zh) * | 2021-04-30 | 2022-03-15 | 深圳市欢太科技有限公司 | 设备连接方法、装置、计算机设备及存储介质 |
| CN113449587B (zh) * | 2021-04-30 | 2023-04-18 | 北京邮电大学 | 一种人体行为识别和身份认证方法、装置和电子设备 |
| CN115456036B (zh) * | 2021-06-08 | 2023-06-23 | 河北雄安京德高速公路有限公司 | 基于北斗数据的营运车辆异常驾驶行为识别方法及系统 |
| CN113312596B (zh) * | 2021-06-10 | 2023-04-07 | 重庆市勘测院 | 一种基于深度学习和异步轨迹数据的用户身份识别方法 |
| CN113609535B (zh) * | 2021-08-16 | 2024-02-13 | 中国信息安全测评中心 | 一种侧信道曲线特征提取方法及装置 |
| CN113515132B (zh) * | 2021-09-13 | 2021-12-28 | 深圳市普渡科技有限公司 | 机器人路径规划方法、机器人和计算机可读存储介质 |
| CN113887388B (zh) * | 2021-09-29 | 2022-09-02 | 云南特可科技有限公司 | 一种动态目标识别及人体行为分析系统 |
| US11533246B1 (en) * | 2021-10-04 | 2022-12-20 | At&T Intellectual Property I, L.P. | Network probe placement optimization |
| CN114152460B (zh) * | 2021-11-30 | 2023-04-21 | 四川虹美智能科技有限公司 | 智能空调的生产检测系统和方法 |
| CN114172809B (zh) * | 2021-12-13 | 2023-10-03 | 重庆邮电大学 | 一种基于目标追踪的视频计算云边协同任务调度方法 |
| CN114372693A (zh) * | 2021-12-31 | 2022-04-19 | 新疆大学 | 一种基于云模型和改进ds证据理论的变压器故障诊断方法 |
| CN114469079B (zh) * | 2022-01-29 | 2022-09-06 | 北京中科深智科技有限公司 | 一种利用LightHouse的身体关节测量方法 |
| CN115022962A (zh) * | 2022-05-26 | 2022-09-06 | 四川虹美智能科技有限公司 | 一种采用蓝牙aoa定位技术的新型智能空调 |
| CN114757237B (zh) * | 2022-06-13 | 2022-09-27 | 武汉理工大学 | 一种基于WiFi信号的速度无关步态识别方法 |
| CN115316984B (zh) * | 2022-10-13 | 2022-12-27 | 佛山科学技术学院 | 一种手关节活动度测量轴心位点定位方法及系统 |
| CN115475374B (zh) * | 2022-10-28 | 2023-12-26 | 歌尔科技有限公司 | 一种运动状态检测系统和方法 |
| CN115619789B (zh) * | 2022-12-20 | 2023-03-31 | 山西蒲谷香农业科技有限公司 | 用于黑芝麻丸生产的成丸控制方法 |
| CN115857703B (zh) * | 2023-03-02 | 2023-05-09 | 广州卓远虚拟现实科技有限公司 | Vr脚部摇杆控制空间移动方法及系统 |
| CN116469085B (zh) * | 2023-03-30 | 2024-04-02 | 万联易达物流科技有限公司 | 一种风险驾驶行为的监控方法及系统 |
| CN116597616B (zh) * | 2023-05-23 | 2023-11-28 | 中国建筑材料工业地质勘查中心四川总队 | 一种矿山开采区域地质灾害智能监测预警系统 |
| CN116453227B (zh) * | 2023-06-19 | 2023-09-19 | 武汉理工大学 | 一种基于双毫米波雷达的船舶环境下步态识别方法 |
| CN117202242B (zh) * | 2023-11-08 | 2024-02-06 | 南京邮电大学 | 一种基于粒子滤波模型的车联网中节点失效检测方法 |
| CN117352187B (zh) * | 2023-12-04 | 2024-01-30 | 四川互慧软件有限公司 | 一种患者身份证号码匹配方法 |
| CN117649608B (zh) * | 2024-01-29 | 2024-03-29 | 阿坝州林业和草原科学技术研究所 | 基于遥感监测的松材线虫病识别系统及方法 |
| CN117672007B (zh) * | 2024-02-03 | 2024-04-26 | 福建省高速公路科技创新研究院有限公司 | 一种基于雷视融合的道路施工区域安全预警系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10291460B2 (en) * | 2012-12-05 | 2019-05-14 | Origin Wireless, Inc. | Method, apparatus, and system for wireless motion monitoring |
-
2020
- 2020-02-17 JP JP2020024532A patent/JP2020144115A/ja active Pending
- 2020-02-17 EP EP20157771.5A patent/EP3695783A1/en active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220072734A (ko) * | 2020-11-25 | 2022-06-02 | 고려대학교 산학협력단 | 3차원 비가시선 채널 환경에서 사각지대 차량 측위 방법 및 그 장치 |
| KR102593033B1 (ko) | 2020-11-25 | 2023-10-24 | 고려대학교 산학협력단 | 3차원 비가시선 채널 환경에서 사각지대 차량 측위 방법 및 그 장치 |
| WO2023033378A1 (ko) * | 2021-09-01 | 2023-03-09 | 삼성전자주식회사 | 디스플레이 장치 및 그 제어 방법 |
| WO2023033379A1 (ko) * | 2021-09-01 | 2023-03-09 | 삼성전자주식회사 | 디스플레이 장치 및 그 제어 방법 |
| WO2023033317A1 (ko) * | 2021-09-01 | 2023-03-09 | 삼성전자주식회사 | 디스플레이 장치 및 그 제어 방법 |
| US11862062B2 (en) | 2021-09-01 | 2024-01-02 | Samsung Electronics Co., Ltd. | Display device and method for controlling the same based on determined motion within a region of the display device |
| RU2792260C1 (ru) * | 2022-06-20 | 2023-03-21 | Борисов Юрий Александрович | Контрольно-проверочный комплекс радиолокационных станций самолёта |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3695783A1 (en) | 2020-08-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2020144115A (ja) | 無線歩容認識のための方法、装置及びシステム | |
| JP7393748B2 (ja) | 無線信号に基づく転倒検出のための装置、システム及び方法 | |
| US11928894B2 (en) | Method, apparatus, and system for wireless gait recognition | |
| US20200302187A1 (en) | Method, apparatus, and system for people counting and recognition based on rhythmic motion monitoring | |
| US10742475B2 (en) | Method, apparatus, and system for object tracking sensing using broadcasting | |
| US11391830B2 (en) | Method, apparatus, and system for qualified wireless sensing | |
| US20220026519A1 (en) | Method, apparatus, and system for movement tracking | |
| US11940550B2 (en) | Method, apparatus, and system for wireless monitoring to ensure security | |
| US20200397365A1 (en) | Method, apparatus, and system for wireless sleep monitoring | |
| US11500058B2 (en) | Method, apparatus, and system for wireless proximity sensing | |
| US11770197B2 (en) | Method, apparatus, and system for accurate wireless monitoring | |
| US20200322868A1 (en) | Method, apparatus, and system for improving topology of wireless sensing systems | |
| JP2020203075A (ja) | 無線追跡、スキャニング、及び監視のための方法、装置及びシステム | |
| EP3869223A1 (en) | System and method for wireless material sensing based on multipath channel information | |
| EP3978949A2 (en) | System and method for wireless motion monitoring | |
| US20210136515A1 (en) | Method, apparatus, and system for wireless monitoring with motion localization | |
| JP2021166704A (ja) | 高周波信号を使用した無線バイタル監視の方法、装置、およびシステム | |
| US11444710B2 (en) | Method, apparatus, and system for processing and presenting life log based on a wireless signal | |
| US20220303167A1 (en) | Method, apparatus, and system for identifying and qualifying devices for wireless sensing | |
| US20220299619A1 (en) | Method, apparatus, and system for wireless sensing based on linkwise motion statistics | |
| EP4351011A2 (en) | Method, apparatus, and system for wireless sensing measurement and reporting | |
| US20230388840A1 (en) | Method, apparatus, and system for wireless sensing measurement and reporting | |
| EP4344442A1 (en) | Method, apparatus, and system for wireless sensing measurement and reporting |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200602 |
|
| AA79 | Non-delivery of priority document |
Free format text: JAPANESE INTERMEDIATE CODE: A24379 Effective date: 20200629 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230111 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230111 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240105 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240403 |