JP7393748B2 - 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 - Google Patents

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 Download PDF

Info

Publication number
JP7393748B2
JP7393748B2 JP2018226508A JP2018226508A JP7393748B2 JP 7393748 B2 JP7393748 B2 JP 7393748B2 JP 2018226508 A JP2018226508 A JP 2018226508A JP 2018226508 A JP2018226508 A JP 2018226508A JP 7393748 B2 JP7393748 B2 JP 7393748B2
Authority
JP
Japan
Prior art keywords
time window
function
training
transient
type
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.)
Active
Application number
JP2018226508A
Other languages
English (en)
Other versions
JP2019130289A5 (ja
JP2019130289A (ja
Inventor
フェン チャン，
チェン チェン，
チンイ シュー，
ベイベイ ワン，
チェンシュー ウー，
ハンファン チャン，
チャウ－ワイ ワン，
デーヴィッド エヌ． クラフィ，
チュン－イ チェン，
ハン－コック， デュック ライ，
ジュン－ハン ウー，
ミン ウー，
イ ハン，
オスカー チ－リム オウ，
ケー． ジェイ． レイ リウ，
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Origin Wireless Inc
Original Assignee
Origin Wireless Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from US15/861,422 external-priority patent/US11025475B2/en
Priority claimed from US15/873,806 external-priority patent/US10270642B2/en
Priority claimed from US16/101,444 external-priority patent/US10291460B2/en
Priority claimed from US16/200,616 external-priority patent/US10495725B2/en
Priority claimed from US16/200,608 external-priority patent/US10735298B2/en
Priority claimed from US16/203,317 external-priority patent/US10397039B2/en
Priority claimed from US16/203,299 external-priority patent/US10374863B2/en
Application filed by Origin Wireless Inc filed Critical Origin Wireless Inc
Publication of JP2019130289A publication Critical patent/JP2019130289A/ja
Publication of JP2019130289A5 publication Critical patent/JP2019130289A5/ja
Publication of JP7393748B2 publication Critical patent/JP7393748B2/ja
Application granted granted Critical
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0273—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves using multipath or indirect path propagation signals in position determination
    • 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
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0205—Details
    • G01S5/0218—Multipath in signal reception
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
    • G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0222—Estimation of channel variability, e.g. coherence bandwidth, coherence time, fading frequency
    • 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
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0224—Channel estimation using sounding signals

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Physiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Dentistry (AREA)
  • Evolutionary Computation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Alarm Systems (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Emergency Alarm Devices (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Description

関連出願の相互参照。
本出願は以下のそれぞれのケースの開示の全体を参照によって組み込み、以下のそれぞれの件に対する優先権を主張する。
(a)米国仮特許出願62/593,826、「オブジェクトの追跡及びナビゲーションをするための方法、装置及びシステム」と題された、２０１７年１２月１日の出願。
(b)米国仮特許出願62/678,207、「オブジェクトの追跡及び動きモニタのための方法、装置及びシステム」と題された、２０１８年５月３０日の出願。
(c)米国特許出願15/861,422、「時間反転技術の方法、装置、サーバ及びシステム」と題された、２０１８年１月３日の出願。
(d)米国特許願15/873,806、「オブジェクトの追跡及びナビゲーションのための方法、装置及びシステム」と題された、２０１８年１月１７日の出願。
(e)米国特許出願16/101,444、「無線動きモニタのための方法、装置及びシステム」と題された、２０１８年８月１１日の出願。
(f)米国仮出願62/734,224、「無線睡眠モニタのための方法、装置及びシステム」と題された、２０１８年９月２０日の出願。
(g)米国仮出願62/744,093、「無線近接及び存在モニタのための方法、装置及びシステム」と題された、２０１８年１０月１０日の出願。
(h)米国仮特許出願62/753,017、「人間の無線生体情報に基づく人物同定のための方法、装置及びシステム」と題された、２０１８年１０月３０日の出願。
(i)米国特許出願16/200,608、「バイタルサインの検出及びモニタのための方法、装置、サーバ及びシステム」と題された、２０１８年１１月２６日の出願。
(j)米国特許出願16/200,616、「リアルタイムのバイタルサイン検出及びモニタのための方法、装置、サーバ及びシステム」と題された、２０１８年１１月２６日の出願。
(k)米国特許出願16/203,299、「無線信号に基づくイベント認識のための装置、システム及び方法」と題された、２０１８年１１月２８日の出願。
(l)米国特許出願16/203,317、「無線信号に基づくフォールダウン検出のための装置、システム及び方法」と題された、２０１８年１１月２８日の出願。
本教示は一般に動きの検出及びモニタに関する。より具体的には、本教示は、無線信号に基づくオブジェクトの転倒動作及び他の過渡的な動きの検出及びモニタに関する。
オブジェクトの動きのトラッキング（追跡）およびモニタ（監視）に関して、屋内位置ベースのサービスは、今日ますます重要になってきている。１つの一般的なアプローチは、リアルタイムで移動オブジェクトの位置を推定するために推測航法方法を使用することである。通常、移動方向および移動距離は慣性計測デバイス（ＩＭＵ）によって推定される。しかしながら、推測航法に基づくアプローチにおける移動距離推定の性能は満足のいくものには程遠いものであり、これは、そのような屋内ナビゲーションシステムが今もなお普及していない主な理由である。ロケーションベースのサービスを支援する可能性がある屋内環境内の移動オブジェクトの速度を推定することもまた未解決の問題であり、満足のいく結果がまだ得られていない。ドップラー効果は、音波、マイクロ波、またはレーザー光を使用する様々な速度推定システムに広く適用されてきた。しかしながら、人間の歩行速度などの低速は、特に電磁（ＥＭ）波を使用して、ドップラーシフトを使用して推定することが非常に困難である。これは、最大ドップラーシフトが約Δf=v/cf0であるためであり、ここで、f0は送信信号の搬送波周波数、cは光速、vは人間の歩行速度である。通常の人間の歩行速度であるv=5.0 km/hおよびf0=5.8 GHzの下では、Δfは約26.85 Hzであり、このわずかな量を高精度で推定することは極めて困難である。加えて、これらの方法は、見通し内（LOS）状態を必要とし、豊かなマルチパス反射を伴う複雑な屋内環境ではうまく機能しない。
屋内環境ではダイレクトパス信号がマルチパス信号によって妨害され、ダイレクトパス信号の到着時間（またはドップラーシフト）を正確に推定することができないため、屋外環境でうまく機能する既存の速度推定方法のほとんどは、屋内環境で十分なパフォーマンスを提供することができない。それから、研究者は、移動速度を推定するために使用されるかもしれない最大ドップラー周波数の推定に焦点を合わせる。レベルクロッシングレート法、共分散ベースの方法、およびウェーブレットベースの方法など、さまざまな方法が提案されてきた。しかしながら、これらの推定量は、これらの推定量で使用される統計が大きな分散を有し、実際のシナリオでは場所に依存するため、満足のいく結果を提供しない。例えば、１つの既存の速度推定方法の精度は、移動局が速い速度（30 km/h以上）で移動するのか遅い速度（5 km/h以下）で移動するのかを区別するだけかも知れない。
伝統的な歩行者推測航法アルゴリズムに基づく他の種類の屋内速度推定方法は、歩数を検出して歩幅を推定するために加速度計を使用する。しかしながら、歩行者はしばしば異なる歩幅を持ち、それは同じ速度で最大40％、同じ人のさまざまな速度で50％まで変動することがある。したがって、キャリブレーションは、異なる個人についての平均歩幅を得るために必要とされ、これは実際の用途においては非実用的であり、したがって広く採用されていない。過渡的な動きは、突然かつ素早く起こる特別な種類の動きであり、モニタすることが重要である。例えば、人の転倒動作は、典型的には0.5から1秒で起こる、非常に速く起こる過渡的な動きであり、人の異常なまたは予期しない動きを示すことができる。既存のシステムは、転倒のような過渡的な動きをモニタするためにカメラまたはビデオを利用する。しかし、これらの既存のシステムは、低輝度のために暗い環境で、またはプライバシーのためにトイレのような場所では機能しない。速度推定に基づく他の既存の過渡的な動きのモニタ技術は、既存の速度推定方法に関して上述したものと同じ問題を抱えることになる。
したがって、上述の問題を解決し、上述の欠点を回避するために、動き（特に過渡的な動き）をトラッキングおよびモニタするための装置および方法が必要とされている。
本教示は、一般に、周期的な動き（例えば、人間の呼吸）の検出に関する。より具体的には、本教示は、屋内環境、都会の大都市圏、閉鎖環境、地下環境、駐車場、倉庫、庭、広場、森林、洞窟、谷などのバリアのある屋外スペースなどの豊かに散乱する無線環境における時間反転技術に基づく周期的な動き検出およびモニタに関する。
一実施形態では、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、場所内の過渡的な動きをモニタするためにメモリに格納された命令のセットとを有するシステムが開示される。このシステムは、送信機、受信機、および過渡的な動きモニタを備える。送信機は、場所内の第１の位置に配置され、場所内のオブジェクトの過渡的な動きによって影響を受けた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る。受信機は、場所内の第２の位置に配置され、場所内のオブジェクトの過渡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を介して無線信号を受信し、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）を取得するように構成される。過渡的な動きモニタは、時系列のＣＩ（ＴＳＣＩ）に基づいてオブジェクトの過渡的な動きをモニタし、モニタされたオブジェクトの過渡的な動きに基づいて応答動作をトリガするように構成される。
他の実施形態では、プロセッサ、プロセッサと通信可能に結合されたメモリ、および場所内の過渡的な動きをモニタするためにメモリに格納された命令のセットとを有する機械上で実施される方法が開示される。この方法は、場所内のオブジェクトの過渡的な動きの影響を受けた無線マルチパスチャネルを介して無線信号を受信し、無線信号に基づいて無線マルチパスチャネルのＴＳＣＩを取得すること、ＴＳＣＩに基づいてオブジェクトの過渡的な動きをモニタすること、そして、モニタされたオブジェクトの過渡的な動きに基づいて応答動作をトリガすることを含む。
さらに他の実施形態では、動きモニタシステムのモニタが開示されている。動きモニタシステムは、送信機、受信機、およびモニタを備える。モニタは、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、メモリに格納された命令のセットとを含む。一連の命令は、実行されると、プロセッサに、動きモニタシステムの受信機から無線マルチパスチャネルのＴＳＣＩを取得することであって、受信機は、場所内のオブジェクトの過渡的な動きによって影響を受けた無線マルチパスチャネルを介して、動きモニタシステムの送信機から受信した無線信号からＴＳＣＩを抽出する、取得すること、ＴＳＣＩに基づいてオブジェクトの過渡的な動きをモニタすること、モニタされたオブジェクトの過渡的な動きに基づいて応答動作をトリガすることを実行させる。
さらに他の実施形態では、動きモニタシステムの受信機が開示されている。動きモニタシステムは、送信機と、受信機と、過渡的な動きモニタとを備える。受信機は、無線回路と、無線回路と通信可能に結合されたプロセッサと、プロセッサと通信可能に結合されたメモリと、メモリに格納された命令のセットとを含む。無線回路は、場所内のオブジェクトの過渡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を介して無線信号を受信するように構成され、無線信号は、動きモニタシステムの送信機によって送信される。命令のセットは、実行されると、プロセッサに無線信号に基づいて無線マルチパスチャネルのＴＳＣＩを取得させる。ＴＳＣＩは、オブジェクトの過渡的な動きをモニタし、モニタされた過渡的な動きに基づいて応答動作をトリガするために、動きモニタシステムの過渡的な動きモニタによって使用される。
他の概念は、豊かな散乱環境における無線ＣＩに基づいて、オブジェクトの転倒動作および他の過渡的な動きを検出およびモニタすることに関する本教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説明され、そして部分的に下記および添付図面を検討することにより当業者に明らかになるであろうし、あるいは実施例の製造または動作により知り得る。本教示の新規な特徴は、以下に説明する詳細な実施例に記載された方法論、手段、及び組み合わせの様々な態様を実施または使用することによって実現および達成し得る。
本明細書に記載の方法、システム、および／またはプログラミングは、例示的な実施形態に関してさらに説明される。これらの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。
本教示の一実施形態による、場所内の過渡的な動きの検出およびモニタのための例示的なネットワーク環境を示す。
本教示の一実施形態による、動きモニタシステム内のデバイスの例示図を示す。
本教示の一実施形態による、オブジェクトのトラッキングのための例示的方法を示す。
本教示の一実施形態による、時空間情報の例を示す。
本教示の一実施形態による、時空間情報に基づいて実行されるタスクの例を示す。
本教示の一実施形態による、オブジェクトのトラッキングのための他の例示的方法を示す。
本教示の一実施形態による、アンテナマッチングに基づく速度推定のための方法を説明するフローチャートである。
本教示の一実施形態による、場所内の時空間情報に基づいてオブジェクトの動きが検出される例示的なシナリオを示す。
本教示の一実施形態による、動き検出のための例示的な方法のフローチャートを示す。
本教示の一実施形態による、第１の無線デバイスの例示的ブロック図を示す。
本教示の一実施形態による、第１の無線デバイスによって実行される例示的方法のフローチャートを示す。
本教示の一実施形態による、第２の無線デバイスの例示的なブロック図を示す。
本教示の一実施形態による、第２の無線デバイスによって実行される例示的方法のフローチャートを示す。
本教示の一実施形態による、例示的な動き検出器を示す。
本教示の一実施形態による、動き検出の例示的なアルゴリズムを示す。
本教示の一実施形態による、オブジェクト動き検出のための例示的な方法を示す。
本教示の一実施形態による、オブジェクトの動き位置特定方法の例示的フローチャートを示す。
本教示の一実施形態による、呼吸の検出および推定のために導出された自己相関関数から抽出された例示的な特徴を示す。
、 本教示の一実施形態による、ウェイク状態とスリープ状態との間の比較結果を示す。
、 本教示の一実施形態による、異なる睡眠段階の呼吸速度を示す。
本教示の一実施形態による、睡眠モニタのための例示的なネットワーク環境を示す。
本教示の一実施形態による、睡眠モニタのための例示的なアルゴリズム設計を示す。
本教示の一実施形態による、座席占有検出および人数計数のための自動車の例示的な室内鳥瞰図を示す。
、 、 、 本教示の一実施形態による、自動車内の様々な座席占有状況によるＣＩの変化を示す。
以下の詳細な説明では、関連する教示の完全な理解を提供するために、例として多数の特定の詳細が記載されている。しかしながら、本教示がそのような詳細なしで実施され得ることは当業者に明らかであるはずである。他の例では、本教示の態様を不必要にあいまいにすることを避けるために、よく知られている方法、手順、構成要素、および／または回路が詳細なしで比較的高レベルで説明されている。
本教示は、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ＴＳＣＩに基づいて、場所における過渡的なオブジェクトの動きを検出およびモニタするためのシステム、装置、および方法を開示する。様々な実施形態によれば、オブジェクトは生命体（例えば、人間、ペット、動物など）、デバイス（例えば、武器、機械など）、または土地であり得る。過渡的なオブジェクトの動きは、以下のうちの少なくとも１つを表すことができる。それは、危険な動作、危険動作、脅迫的な動作、恐ろしい動作、威嚇的な動作、打撃動作、破断動作、分解動作、粉砕動作、細分化動作、破壊動作、破砕動作、穿孔動作、穿刺動作、破裂動作、変形動作、溶融動作、気化動作、貫通動作、穿通動作、切削動作、研削動作、擦り動作、激しい動作、強力な動作、高エネルギー動作、比較的大きなオブジェクトの動作、衝動的な動作、転倒動作、衝突、ヒット、クラッシュ、事故、爆発、衝撃、スマッシュ、バンプ、レック、パイルアップ、ファイト、パンチ、キック、ヘッドパンチ、バーニング、ヒーティング、冷却、擾乱、主張、熱交換、口論、人間の過渡的な動作、ジェスチャー、ボディージェスチャー、ヘッドジェスチャー、フェイシャルジェスチャー、口、手足のジェスチャー、首のジェスチャー、肩のジェスチャー、腕のジェスチャー、手のジェスチャー、足のジェスチャー、指のジェスチャー、肘のジェスチャー、膝のジェスチャー、立ち上がる動作、座る動作、横になる動作、持ち上げる動作、動く動作、押す動作、引っ張る動作、パンチ、うなずき動作、拍手動作、お辞儀動作、ダンス動作、ポインティング動作、ウォーキング動作、ランニング動作、ジャンプ動作、ライティング動作、タイピング動作、描画動作、折り動作、繰り返しの過渡的な動作、および他の動作である。
開示されたシステムは、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ＴＳＣＩに基づいて過渡的な動きおよびその特性（例えば、速度、周波数など）をモニタすることができ、無線マルチパスチャネルは、場所のオブジェクトの過渡的な動きの影響を受ける。一実施形態では、無線信号は一連の無線プローブ信号である。一実施形態では、無線信号のプローブ周波数は１００Ｈｚより大きい。
様々な実施形態によれば、各ＣＩは以下のうちの少なくとも１つを含み得る。それは、チャネル状態情報（ＣＳＩ）、周波数領域ＣＳＩ、少なくとも１つのサブバンドに関連する周波数領域ＣＳＩ、時間領域ＣＳＩ、ドメイン内のＣＳＩ、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、モニタデータ、世帯データ、アイデンティティ（ＩＤ）、デバイスデータ、ネットワークデータ、近隣データ、環境データ、リアルタイムデータ、センサデータ、格納データ、暗号化データ、圧縮データ、保護データ、および／または他のＣＩである。一実施形態では、開示されたシステムはハードウェア構成要素（例えば、アンテナを有する無線送信機／受信機、アナログ回路、電源、プロセッサ、メモリなど）および対応するソフトウェア構成要素を有する。本教示の様々な実施形態によれば、開示されたシステムは、過渡的な動きの検出およびモニタのためのボット（タイプ１デバイスと呼ばれる）およびオリジン（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、プロセッサおよびメモリを含む。
一実施形態では、開示されたシステムは、手頃な価格で、広く入手可能で、標準規格に準拠し、相互運用可能で、FCC承認され、評判の良いブランドによる品質管理そして技術サポートを使った、通常の既製のWiFiチップからのＣＳＩを使用する。これらの構成要素（WiFiチップ、モジュール、デザインツール、ノウハウ）は、既存のシステムの高価で、テストされておらず、珍しく、専用の、限定版の実験的ハードウェア構成要素に比べて、はるかに手頃な価格で、はるかに広く入手可能で、はるかに豊富である。開示されたシステムは、大きなWiFiサービスエリアのために、大きな有効範囲を有する。開示されたシステムは、見通し内（ＬＯＳ）および見通し外（ＮＬＯＳ）状態の両方で動作することができる。開示されたシステムはまた、４Ｇ、ＬＴＥ、ＬＴＥ-Ｕ、５Ｇおよびそれ以降の関連するチップからのＣＳＩを使用することができる。
一実施形態では、開示されたシステムは、ウェアラブルなしに人の移動速度を遠隔で推定することによって、人の転倒動作をモニタし保護することができる。開示されたシステムは速度を分析して、転倒が起こったか起こっているかを決定することができる。これは例えば、重力による大きな負の加速度の検出とそれに続く床への衝突による大きな正の加速度の検出に基づいている。
開示されたシステムは、抽象的な概念よりもはるかに優れた機能を含む。ウェアラブルを使用せずにオブジェクトの移動速度（例えば、人の過渡的な移動速度）を遠隔で測定することが何十年もの間望まれてきた。開示されたシステムは、WiFi信号および関連するマルチパスパターンを用いて環境をモニタするためのセンサとして物理的WiFiチップを使用して、長期間にわたる問題を解決する。開示されたシステムは、ハードウェア構成要素（例えば、それぞれプロセッサを有するタイプ１デバイス、タイプ２デバイス、メモリ、無線トランシーバ、クラウドサーバなど）を有するＷｉ-Ｆｉ信号は、測定可能であり、決定論的構造および周波数特性を有する、空気中の電磁（ＥＭ）波である。システムは、適合するソフトウェア構成要素（例えば、タイプ１デバイス内、タイプ２デバイス内、サーバ内などの組み込みソフトウェア）を有する。ソフトウェアは、ＣＳＩを抽出するために低レベルのWiFiチップとファームウェアとのインターフェースをとることができる。実験結果は、開示されたシステムが非常に高い精度でオブジェクトの転倒を検出できることを示している。
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、テーブルの上に置かれている小型WiFi対応デバイスであり得る。それはまたＷｉ-Ｆｉ対応テレビ（ＴＶ）、セットトップボックス（ＳＴＢ）、スマートスピーカー（例えば、アマゾンエコー）、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衛星、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、テーブルの上に置かれているWiFi対応デバイスであり得る。それはまたＷｉ-Ｆｉ対応テレビ（ＴＶ）、セットトップボックス（ＳＴＢ）、スマートスピーカー（例えば、アマゾンエコー）、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衛星、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デバイスおよびタイプ２デバイスは、人数を数えるために会議室の中または近くに配置することができる。タイプ１デバイスおよびタイプ２デバイスは、高齢者の日々の活動および突然のまたは予期しない動きのあらゆる兆候をモニタするための動きモニタシステム内にあり得る。タイプ１デバイスおよびタイプ２デバイスは、赤ちゃんのモニタに使用されて、生きている赤ちゃんの突然のまたは予期しない動き（例えば転倒）をモニタすることができる。タイプ１デバイスおよびタイプ２デバイスは、ユーザの突然のまたは予期しない動きをモニタするために寝室、浴室、またはトイレに配置されてもよい。タイプ１デバイスおよびタイプ２デバイスは、乗客、運転手、および／または車内に残った赤ちゃんの突然のまたは予期しない動きをモニタするために車内に配置することができる。タイプ１デバイスおよびタイプ２デバイスは、侵入者または事故を示すオブジェクトの突然のまたは予想外の動きを検出するためにある領域に配置することができる。ウェアラブルを使用しない無線を使って過渡的な動きの速度をモニタするアプリケーションは数多くある。
ハードウェアモジュールは、タイプ１トランシーバとタイプ２トランシーバのどちらかを含むように構成できる。ハードウェアモジュールは、最終的な商品を設計、製造、販売するために、さまざまなブランドに販売されたり使用されたりしている。開示されたシステムおよび／または方法を使用する製品は、家庭用／オフィス用セキュリティ製品、動きモニタ製品、WiFi製品、メッシュ製品、テレビ、STB、エンターテイメントシステム、HiFi、スピーカー、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、道具、道具、トーチ、掃除機、煙探知機、ソファ、ピアノ、ファン、ドア、窓、ドア/窓の取っ手、ロック、煙探知機、カーアクセサリー、コンピューティングデバイス、オフィスデバイス、エアコン、ヒーター、パイプ、コネクタ、モニタカメラ、アクセスポイント、コンピューティングデバイス、モバイルデバイス、LTEデバイス、3G / 4G / 5G / 6Gデバイス、ゲームデバイス、眼鏡、ガラスパネル、VRゴーグル、ネックレス、腕時計、ウエストバンド、ベルト、財布、ペン、帽子、ウェアラブル、埋め込み型デバイス、タグ、駐車券、スマートフォンなどであり得る。
さらに、睡眠モニタは、ますます増大する要求と興味を引き付ける重要かつ困難な課題として機能する。本教示は、睡眠段階を認識して睡眠の質を評価するために周囲無線信号を利用する最初の実用的な睡眠モニタシステムである、ＳＭＡＲＳ（周囲無線信号による睡眠モニタ）のモデル、設計、および実装を開示する。これにより、被験者の身体やベッドを計測することなく、普遍的、非侵襲的かつ非接触式に日常の睡眠をモニタする将来のスマートホームが可能になる。以前のＲＦベースの手法とは異なり、本教示は、すべての反射および散乱マルチパスを説明する統計モデルを考案し、商品デバイスで達成された史上最高の性能で高精度かつ瞬時の呼吸推定を可能にする。これに基づいて、ＳＭＡＲＳはウェイクアップ、レム、ノンレムを含む異なる睡眠段階を認識する。これは、以前は専用ハードウェアでのみ可能であった。リアルタイムシステムは、市販のWiFiチップセットに実装され、6人の参加者がいる6つの家に配置され、合計32泊のデータが得られる。結果は、ＳＭＡＲＳが呼吸推定に対して0.47ｂｐｍの中央誤差およびわずか2.92ｂｐｍの95％誤差をもたらし、人がリンクから10ｍ離れているとき、または壁の後ろにいるときでさえ、確実に呼吸を検出することを示す。ＳＭＡＲＳは85％の睡眠段階精度を達成し、接触センサまたはレーダーを使用した高度なソリューションよりも優れている。さらに、ＳＭＡＲＳは最近発表された20人の患者の夜間睡眠を測定するデータセットに基づいて評価されており、これはパフォーマンスを裏付けるものである。単一のコモディティRFリンクだけで有望な結果を達成することによって、ＳＭＡＲＳは実用的な家庭内睡眠モニタソリューションのためのステージを設定する。
睡眠は、精神的にも肉体的にも、個人の健康と幸福において重要な役割を果たす。睡眠の量と質は、心血管疾患、脳卒中、腎不全、糖尿病、そして精神的な悪条件などのような健康上のリスクと基本的に関連があることがよく認識されている。残念ながら、現代社会では、多くの人々が睡眠障害に苦しんでいる。最近報告されているように、人口の10％が慢性不眠症を患っており（高齢者の間でさらに高い）、アメリカ人の1/3が十分な睡眠を取れていない。睡眠のモニタは、睡眠障害の増加を助け、管理し、診断し、治療するために、また個人の健康を定期的にモニタするために、不可欠な要求として浮上している。
しかし、睡眠モニタは、何十年にも渡って多大な努力を払ってきた挑戦的な課題である。一般に、それは睡眠時間を測定し、異なる睡眠段階、例えば、覚醒、レム（急速眼球運動）およびノンレム（非レム）を認識し、したがって個人の睡眠の質を評価する。様々な解決策が提案されてきた。医療のゴールドスタンダードは、脳の活動、呼吸、身体の動きなどのさまざまな生理学的パラメータを、患者に取り付けられた多数の有線センサによってモニタする睡眠計（PSG)に基づいている。正確で包括的ではあるが、PSGは通常高価であり、睡眠障害を引き起こす可能性がある侵襲的センサを伴うことが面倒であり、確認された患者のための臨床使用に限定されている。フォトプレチスモグラフィー（PPG）およびアクティグラフィー（ACT）を含むその他の方法では、ユーザは睡眠中に専用のセンサを装着する必要がある。心弾道図（BCG）は衝撃力を測定するために一連のEMFiセンサでマットレスを計装する必要がある。費用がかかるにもかかわらず、これらのアプローチは、特別なケアを必要とするが公衆にとって理想的ではない人々に適した解決策を提供する。モバイルコンピューティングにおける最近の取り組みは、スマートフォンおよびウェアラブルを使用した家庭内睡眠モニタを想定している。しかしながら、これらの方法は、粗粒度で精度の低い測定値を提供するだけであり、呼吸数のようなバイタルサインをモニタすることはできない。さらに、携帯電話やウェアラブルは、特に高齢者や認知症の人にとっては望ましくない。
一般的な解決策とは異なり、開示された解決策は、身体またはベッドを装備せずに、普遍的、非侵襲的、非接触、および正確な方法で日常の睡眠をモニタする将来のスマートホームを期待する。そのようなシステムに向かう機会を2つの観点から観察することができる。１）臨床研究は生理活性が異なる睡眠段階の間で変動することを示した。例えば、脳の酸素消費量はレム睡眠中に増加するので呼吸速度は不規則で速くなり、ノンレム睡眠中はより安定して遅くなり、呼吸モニタに基づく睡眠段階の実現可能性を与える。２）無線技術における最近の進歩は、環境における身体運動の非接触感知を実証した。呼吸によって引き起こされる胸部および腹部の動きは、無線信号の伝播を変化させることができ、したがって受信信号を変調することができ、そこから呼吸を解読することが可能である。二つの視点の相乗効果を探求することができ、その結果、周囲の無線信号（例えばＷｉ-Ｆｉ）を利用して、睡眠中の人の呼吸と動きを捉え、さらに睡眠行動をモニタするシステムが得られる。
初期の研究はRFベースの呼吸推定および睡眠モニタの実現可能性を調査してきたが、それらはFMCWレーダーのような特別なハードウェアに頼るか、あるいは制御された環境でのみ働く。専用無線に基づくソリューションは通常高価であり、普遍的に適用可能ではない。市販のデバイスを使用する他のものは、典型的には、使用者が無線機を胸部に非常に接近させてベッドに横たわったままでいることを必要とし、無関係の動きがある場合または見通し外（ＮＬＯＳ）シナリオで失敗することを必要とする。加えて,呼吸推定の精度に限界があるために,これらのいずれも異なる睡眠段階を識別できない。そのような制限は、それらが実際的な家庭内の睡眠モニタのための適用からそれらを妨げる。
本教示は、睡眠段階を認識し、そうでなければとらえどころのない睡眠の質を評価するために商品の周囲無線信号を活用する最初の実用的な睡眠モニタシステムであるＳＭＡＲＳのモデル、設計、および実施を開示する。ＳＭＡＲＳは、身体に接触することなく邪魔にならない方法で機能する。ユーザが行う必要のあることは、例えば、無線ルータがすでに家の中に設置されている場合に単に受信機を置くことによって、２つの商品無線機の間に単一のリンクを設定することである。ＳＭＡＲＳは、非常に正確で瞬間的な呼吸推定を可能にする新しい統計モデルによって文献を進歩させる。これに基づいて、ＳＭＡＲＳは、以前は高価な専用ハードウェアによってしか得られなかった異なる睡眠段階を区別することができる。具体的には、ＳＭＡＲＳは実用的な睡眠モニタを提供するために3つのユニークな側面で優れている。第一に、室内でのすべての反射および散乱マルチパスを活用するチャネル状態情報（ＣＳＩ）における動きに関する統計モデルを考案することができる。既存の研究は通常、いくつかのマルチパスと１つの主要なパスが人体から反射された幾何学的モデルを想定している（例えば、屋外空間用に開発された２線モデルを使用する）。しかし、現実の屋内環境では、何百ものマルチパスが存在する可能性があり、信号は空間内の人の体や他のオブジェクトを反射するだけでなく散乱することもある。結果として、従来のアプローチは、支配的な反射経路がないために、見通し外の環境および微小な動きでは失敗する。対照的に、開示されたモデルは、そのような非現実的な仮定をすることなく、ＣＳＩにおける動きの統計的特徴を調査し、呼吸を含む任意の動きの確実な検出の基礎となる。
第二に、ＳＭＡＲＳは正確な呼吸数推定を瞬時にそして確実に達成する。以前の呼吸推定スキームのほとんどは、十分な周波数分解能を得るために比較的大きな時間窓の間に一定の呼吸速度を仮定し、睡眠中のきめの細かい呼吸変動を失う。さらに、微小な呼吸運動はＣＳＩ測定ノイズに容易に埋もれてしまい、既存の哲学は異常な運動なしに並外れた（通常2～3m以内）場合にのみ有効になる。時間分解能を向上させるために、ＳＭＡＲＳは時間領域の自己相関関数（ＡＣＦ）を利用して呼吸数を推定する。これにより、1秒ごとの頻度でリアルタイムの呼吸数を報告し、瞬間的な呼吸数の変化を捉えることができる。ＡＣＦを使用することによって、ＳＭＡＲＳはまた、ノイズの多い位相や通常手作りのＣＳＩノイズ除去手順の使用を回避する。さらに重要なことに、周波数オフセットを除去し、それによって異なるサブキャリアにわたって呼吸信号を同期させることによって、ＡＣＦは最大比合成（ＭＲＣ）を実行して複数のサブキャリアを組み合わせて測定ノイズと対抗し、そして最適な方法で呼吸信号を最大化する。そうすることによって、呼吸信号対雑音比（ＳＮＲ）の限界を押し上げることができ、したがってより広い範囲およびより弱い呼吸に対する感知感度を著しく高めることができる。具体的には、ＳＭＡＲＳは、人がリンクから10m離れたとき、または壁の後ろにいるときに呼吸を確実に検出できる。これは、特殊な低出力レーダーよりも優れている。
最後に、抽出された睡眠中の呼吸数と運動統計に基づいて、さまざまな睡眠段階（覚醒、レム、ノンレムなど）を認識し、全体的な睡眠量と質を総合的に評価できる。呼吸速度と睡眠段階との間の関係の詳細な理解に基づいて、睡眠段階の分類のための特有の呼吸特徴を抽出することができる。既製のデバイスを使用している既存の研究のどれも、睡眠の段階付けという同じ目的を達成することができない。
リアルタイムシステムは、さまざまな市販のWiFiチップセットに実装されており、そのパフォーマンスは広範な実験を通じて評価されている。評価には2つの部分がある。１）６人の健康な被験者を有する６つの家にＳＭＡＲＳを展開し、32夜のデータを収集することができ、そのうち５つはＰＳＧデータが市販のデバイスによって記録されている。結果は、ＳＭＡＲＳが0.47呼吸/分（bpm）の中央呼吸推定誤差および2.92 bmpの95％タイル誤差で、優れた性能を達成することを示している。睡眠段階に関しては、ＳＭＡＲＳは85.2％という驚くべき正確さを生み出すが、一方で市販の解決策、例えば接触センサに基づくＥＭＦＩＴおよびレーダーを使用するResMedはそれぞれわずか69.8％および83.7％の精度しか有さない。２）ＲＦベースの呼吸モニタに関する最近発表されたデータセットについてＳＭＡＲＳをさらに検証することができる。このデータセットは、臨床的にラベル付けされたPSGデータを基本的な事実として使用して、4つの最先端の呼吸モニタシステムの比較評価のために20人の患者の夜間睡眠を収集した。4つのシステムすべて（それぞれZigBee、Sub-RSS無線、UWBレーダー、およびWiFi CSIに基づく）は、約2～3 bpmの有意な中央値誤差と約10 bpm以上の95％タイル誤差を生成する。比較として、ＳＭＡＲＳは中央値誤差を0.66 bpmに、95％タイル誤差を3.79 bpmに減らすことで大幅な改善を達成している。有望なパフォーマンスを達成することによって、ＳＭＡＲＳは実際に日常的にそして定期的に使用するための臨床的に意味のある睡眠モニタを提供することができ、個人の健康の日常生活をモニタする将来のスマートホームに向けて重要な一歩を踏み出す。
一言で言えば、ここでの中心的な貢献はＳＭＡＲＳであり、実際に高精度で瞬時の呼吸推定を達成することによって、スマートホームが既製品のWiFiデバイスを使用して住民の睡眠を段階付けすることを可能にする最初のシステムである。ＳＭＡＲＳはまた、ＣＳＩの動きを理解して捉えるための最初の統計モデルにも貢献している。これは、無線センシングのさまざまなアプリケーションを一新する。
システム/相互接続
一実施形態では、本教示は、無線モニタシステムの方法、装置、デバイス、システム、および／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）について開示している。無線マルチパスチャネル（チャネル）の時系列のチャネル情報（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、およびメモリ中に格納された命令セットを使用して得ることができる。時系列のＣＩ（time series of CＩ：ＴＳＣＩ）は、場所内でチャネルを通じてタイプ１（タイプ１）異種無線デバイスとタイプ２（タイプ２）異種無線デバイス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、場所内でのオブジェクトの動きにより影響を受ける場合がある。オブジェクトのおよび／またはオブジェクトの動きの特徴および／または時空間情報（例えば、動き情報）は、ＴＳＣＩに基づいてモニタされ得る。タスクは、特徴および／または時空間情報（例えば、動き情報）に基づいて実施され得る。タスクに関連する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）で生成され得る。ＴＳＣＩは、前処理され得る。
タイプ１デバイスは、少なくとも１つの異種無線送信器を含み得る。タイプ２デバイスは、少なくとも１つの異種無線受信器を含み得る。タイプ１デバイスおよびタイプ２デバイスは、同一のデバイスであり得る。任意のデバイスは、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するようにメモリ中に格納された命令セットと、を有することができる。いくつかのプロセッサ、メモリ、および命令セットは、協調し得る。同一のタイプ２デバイス（または複数のタイプ２デバイス）と相互作用する複数のタイプ１デバイスが存在する場合があり、および／または同一のタイプ１デバイスと相互作用する複数のタイプ２デバイスが存在する場合がある。複数のタイプ１デバイス／タイプ２デバイスは、同一の／異なる窓幅／サイズおよび／またはタイムシフトと同期および／または非同期であってもよい。複数のタイプ１デバイスによって送られた無線信号は、同期および／または同時存在し得る。複数のタイプ１デバイス／タイプ２デバイスは、独立しておよび／または協同で動作してもよい。タイプ１および／またはタイプ２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／受信すること、受信した信号からＣＩを抽出すること、またはＣＩを利用可能にすることが可能な異種チップまたは異種ＩＣ）を有し／を備え／であり得る。これらは、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）に通信可能に結合され得る。あるデバイスの動作は、動作、状態、内部状態、ストレージ、プロセッサ、メモリ出力、物理的な場所、計算リソース、別のデバイスのネットワークに基づき得る。様々なデバイスは、直接および／または別のデバイス／サーバ／クラウドサーバを介して、通信することができる。デバイスは、関連する設定により１人以上のユーザと関連付けることができる。設定は、一度選択されるか、事前にプログラムされるか、および／または時間の経過と共に変更され得る。１つまたは複数のタイプ１デバイスが１つまたは複数のタイプ２デバイスと相互作用する場合、任意の処理（例えば、時間領域、周波数領域）は、異なるデバイスに対して異なる場合がある。処理は、場所、配向、方向、役割、ユーザ関連特徴、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、電池寿命、利用可能な電力、アンテナ、アンテナ種類、アンテナの指向性／単指向性、電力設定、および／またはデバイスのその他のパラメータ／特徴に基づき得る。
無線受信器（例えば、タイプ２デバイス）は、無線送信器（例えば、タイプ１デバイス）から信号および／または別の信号を受信することができる。無線受信器は、別の無線送信器（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。無線送信器は、信号および／または別の信号を別の無線受信器（例えば、第２のタイプ２デバイス）に送信することができる。無線送信器、無線受信器、別の無線受信器、および／または別の無線送信器は、オブジェクトおよび／または別のオブジェクトと共に移動することができる。別のオブジェクトは、トラッキングされ得る。
タイプ１および／またはタイプ２デバイスは、少なくとも２つのタイプ２および／またはタイプ１デバイスと無線で結合することが可能であり得る。タイプ１デバイスは、場所内で別の場所でタイプ２デバイスから第２のタイプ２デバイスへの無線カップリングを切り換え／確立させることができる。同様に、タイプ２デバイスは、場所内で更に別の場所でタイプ１デバイスから第２のタイプ１デバイスへの無線カップリングを切り換え／確立させることができる。切り換えは、サーバ、プロセッサ、タイプ１デバイス、タイプ２デバイス、および／または別のデバイスによって制御することができる。切り換えの前後で使用される無線は、異なる場合がある。第２の無線信号（第２の信号）は、チャネルを介して、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）で送信させることができる。第２の信号から抽出されたチャネルの第２のＴＳＣＩを得ることができる。第２の信号は、第１の信号であり得る。オブジェクトの特徴、時空間情報、および／または別の量は、第２のＴＳＣＩに基づいてモニタすることができる。タイプ１デバイスおよびタイプ２デバイスは、同一であり得る。
信号および／または別の信号には、データが埋め込まれていてもよい。信号は、一連のプローブ信号であり得る。プローブ信号には、データが埋め込まれていてもよい。プローブ信号は、データ信号で置換され得る。無線受信器、無線送信器、別の無線受信器、および／または別の無線送信器は、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、および／またはメモリ中に格納されたそれぞれの命令セットと関連付けることができ、この命令セットは、実行されると、プロセッサに、オブジェクトの時空間情報（例えば、動き情報）、初期時空間情報、初期時間、方向、瞬間の場所、瞬間の角度、および／または速さを決めるのに必要な任意のおよび／またはすべてのステップを実施させる。プロセッサ、メモリ、および／または、命令セットは、タイプ１異種無線送受信器、少なくとも１つのタイプ２異種無線送受信器のうちの１つ、オブジェクト、オブジェクトと関連付けられたデバイス、場所と関連付けられた別のデバイス、クラウドサーバ、および／または別のサーバと関連付けることができる。
タイプ１デバイスは、場所内でのチャネルを介して、少なくとも１つのタイプ２デバイス（単数または複数）に、ブロードキャスト方式で信号を送信することができる。信号は、タイプ１デバイスが任意のタイプ２デバイスと無線接続（接続）を確立することなく送信される。タイプ１デバイスは、２つ以上のタイプ２デバイスで共通の特定の媒体アクセス制御（media access control：ＭＡＣ）アドレスに送信することができる。各タイプ２デバイスは、そのＭＡＣアドレスを特定のＭＡＣアドレスに調整することができる。
特定のＭＡＣアドレスは、場所と関連付けられ得る。関連付けは、関連付けサーバの関連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、および／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、および／または別のデバイスによって識別することができる。例えば、タイプ２デバイスは、（例えば、別の場所から）場所内の新しい場所に移動することができる。タイプ１デバイスは、タイプ１およびタイプ２デバイスが互いに認識しないように、場所内に新たにセットアップすることができる。セットアップ中に、タイプ１デバイスは、特定のＭＡＣアドレスに一連のプローブ信号を送信するように、（例えば、ダミー受信器を使用して、ハードウェアｐｉｎ設定／接続を使用して、格納された設定を使用して、ローカル設定を使用して、リモート設定を使用して、ダウンロードした設定を使用して、またはサーバを使用して）命令／誘導／引き起こし／制御され得る。電源投入すると、タイプ２デバイスは、様々な場所での放送に使用され得る（例えば、指定ソース、サーバ、クラウドサーバ中に格納された）ＭＡＣアドレス（例えば、家、オフィス、囲い地、フロア、高層ビル、ストア、空港、モール、スタジアム、ホール、駅、地下鉄、ロット、エリア、ゾーン、領域、地区、市、国、大陸などの様々な場所で使用される様々なＭＡＣアドレス）のテーブルに従って、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アドレスに送信されたプローブ信号を検出する場合、タイプ２デバイスは、テーブルを使用して、ＭＡＣアドレスに基づいて場所を識別することができる。場所内でのタイプ２デバイスの場所は、特定のＭＡＣアドレス、一連のプローブ信号、および／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た少なくとも１つのＴＳＣＩに基づいて計算することができる。計算は、タイプ２デバイスによって実施することができる。
特定のＭＡＣアドレスは、時間の経過と共に変更され得る。タイムテーブル、ルール、ポリシー、モード、条件、状況、および／または変更に従って、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、事前選択リスト、衝突パターン、トラフィックパターン、タイプ１デバイスと別のデバイスとの間のデータトラフィック、有効帯域幅、ランダム選択、および／またはＭＡＣアドレス切り換え計画に基づいて選択され得る。特定のＭＡＣアドレスは、第２の無線デバイス（例えば、ダミー受信器、またはダミー受信器として機能する受信器）のＭＡＣアドレスであり得る。タイプ１デバイスは、チャネルのセットから選択されたチャネルでプローブ信号を送信することができる。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で送信されたプローブ信号からそれぞれのタイプ２デバイスによって得られ得る。選択されたチャネルは、時間の経過と共に変更され得る。変更は、タイムテーブル、ルール、ポリシー、モード、条件、状況、および／または変更に従い得る。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、事前選択リスト、同一チャネル干渉、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、チャネルと関連付けられた有効帯域幅、セキュリティ基準、チャネル切り換え計画、基準、および／または考察に基づいて選択され得る。特定のＭＡＣアドレスおよび／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デバイスとサーバとの間で通信され得る。特定のＭＡＣアドレスおよび／または選択されたチャネルの情報はまた、別のネットワークを介して、タイプ２デバイスとサーバとの間で通信され得る。タイプ２デバイスは、特定のＭＡＣアドレスおよび／または選択されたチャネルの情報を別のタイプ２デバイスに（例えば、メッシュネットワーク、Ｂｌｕｅｔｏｏｔｈ、ＷｉＦｉなどを介して）通信することができる。特定のＭＡＣアドレスおよび／または選択されたチャネルは、サーバによって選択され得る。特定のＭＡＣアドレスおよび／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、および／またはサーバによってアナウンスチャネルにて信号で送られ得る。通信前に、任意の情報を前処理することができる。
タイプ１デバイスと別の無線デバイスとの間の無線接続は、（例えば、信号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）を別のデバイスに送信し得る。別のデバイスは、第２のハンドシェイク信号（例えば、命令、または送信可ＣＴＳ）をタイプ１デバイスに送ることと、タイプ１デバイスをトリガして、任意のタイプ２デバイスとの接続を確立することなく、信号（例えば、一連のプローブ信号）をブロードキャスト方式で複数のタイプ２デバイスに送信することと、によって返信することができる。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肯定応答（例えば、ＡＣＫ）であり得る。第２のハンドシェイク信号は、場所の情報および／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。
別のデバイスは、タイプ１デバイスと無線接続を確立する目的、第１の信号を受信する目的、および／または第２の信号を送信する目的（例えば、主要目的、副次目的）を有するダミーデバイスであり得る。別のデバイスは、タイプ１デバイスに物理的に取り付けられ得る。別の実施例では、別のデバイスは、第３のハンドシェイク信号をタイプ１デバイスに送り、タイプ１デバイスをトリガして、任意のタイプ２デバイスとの接続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し得る。タイプ１デバイスは、第４のハンドシェイク信号を別のデバイスに送信することによって、第３の特別信号に返信することができる。別のデバイスを使用して、２つ以上のタイプ１デバイスをトリガして、ブロードキャストすることができる。トリガは、順次、部分的に順次、部分的に並列、または完全に並列であり得る。別のデバイスは、複数の送信器を並行してトリガするための２つ以上の無線回路を有し得る。並列トリガはまた、別のデバイスと並行して（別のデバイスがするのと同様に）トリガを実施するために、少なくとも１つの更に別のデバイスを使用して達成され得る。別のデバイスは、タイプ１デバイスとの接続を確立後、は、タイプ１デバイスと通信しない（または通信を一時停止する）場合がある。一時停止された通信は、再開され得る。別のデバイスは、タイプ１デバイスとの接続を確立後、非アクティブモード、ハイバネーションモード、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、および／または電力ダウンモードに入ることができる。別のデバイスは、特定のＭＡＣアドレスを有することができ、これにより、タイプ１デバイスは、信号を特定のＭＡＣアドレスに送信する。タイプ１デバイスおよび／または別のデバイスは、タイプ１デバイスと関連付けられた第１のプロセッサ、別のデバイスと関連付けられた第２のプロセッサ、指定ソースと関連付けられた第３のプロセッサ、および／または別のデバイスと関連付けられた第４のプロセッサによって、制御および／または協調することができる。第１および第２のプロセッサは、互いに連係することができる。
第１の一連のプローブ信号は、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、第１の場所内の第１のチャネルを介して送信され得る。第２の一連のプローブ信号は、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、第２の場所内の第２のチャネルを介して送信され得る。第１の一連および第２の一連は、異なっていても、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デバイスとは異なっていてもよく、異なっていなくてもよい。第１および／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デバイスとの間に確立された接続なしでブロードキャストされ得る。第１および第２のアンテナは、同一であってもよく、異なっていてもよい。
２つの場所は、異なるサイズ、形状、マルチパス特徴を有し得る。第１および第２の場所は、重複し得る。第１および第２のアンテナの周りのそれぞれの近接エリアは、重複し得る。第１および第２のチャネルは、同一であってもよく、異なっていてもよい。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、両方がＷｉＦｉであってもよいが、第１のものは、２．４ＧＨｚのＷｉＦｉであってもよく、第２のものは、５ＧＨｚのＷｉＦｉであってもよい。または、両方が２．４ＧＨｚのＷｉＦｉであってもよいが、異なるチャネル番号、ＳＳＩＤ名、および／またはＷｉＦｉ設定を有していてもよい。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を得ることができ、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のものであり得る。いくつかの第１のタイプ２デバイス（単数または複数）およびいくつかの第２のタイプ２デバイス（単数または複数）は、同一であり得る。第１および第２の一連のプローブ信号は、同期／非同期であり得る。プローブ信号は、データと共に送信され得るか、またはデータ信号で置換され得る。第１および第２のアンテナは、同一であり得る。
第１の一連のプローブ信号は、第１のレート（例えば、３０Ｈｚ）で送信され得る。第２の一連のプローブ信号は、第２のレート（例えば、２００Ｈｚ）で送信され得る。第１および第２のレートは、同一であってもよく、異なっていてもよい。第１および／または第２のレートは、時間の経過と共に変更され得る。変更は、タイムテーブル、ルール、ポリシー、モード、条件、状況、および／または変更に従い得る。任意のレートは、時間の経過と共に変更され得る。第１および／または第２の一連のプローブ信号は、第１のＭＡＣアドレスおよび／または第２のＭＡＣアドレスにそれぞれ送信され得る。２つのＭＡＣアドレスは、同一であってもよく、異なっていてもよい。第１の一連のプローブ信号は、第１のチャネルで送信され得る。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得る。２つのチャネルは、同一であってもよく、異なっていてもよい。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更され得る。任意の変更は、タイムテーブル、ルール、ポリシー、モード、条件、状況、および／または変更に従い得る。
タイプ１デバイスおよび別のデバイスは、制御および／もしくは協調される場合があり、物理的に取り付けられる場合があり、または共通のデバイスであり得る／内にあり得る／であり得る。これらは、共通データプロセッサによって制御／に接続され得るか、または共通バス相互接続／ネットワーク／ＬＡＮ／Ｂｌｕｅｔｏｏｔｈネットワーク／ＢＬＥネットワーク／ワイヤードネットワーク／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得る。これらは、共通メモリで共有されるか、または、共通ユーザ、ユーザデバイス、プロファイル、アカウント、識別情報（identity：ＩＤ）、世帯、家、物理アドレス、場所、地理座標、ＩＰサブネット、ＳＳＩＤ、ホームデバイス、オフィスデバイス、および／または製造デバイスと関連付けられ得る。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信する）。各それぞれのタイプ２デバイスは、すべてのタイプ１デバイスの中から、信号源としてタイプ１デバイスを選択する。各タイプ２デバイスは、非同期的に選択できる。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各それぞれのタイプ２デバイスによって得ることができ、ＣＩは、タイプ２デバイスとタイプ１デバイスとの間のチャネルのものである。
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、タイプ１／タイプ２デバイスの識別情報（ＩＤ）、実施されるはずのタスク、過去の信号源、（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受信器、および／または別のタイプ２受信器の）履歴、信号源を切り替えるための閾値、ならびに／または（例えば、タイプ１デバイスおよび／またはそれぞれのタイプ２受信器と関連付けられた）ユーザ、アカウント、アクセス情報、パラメータ、特徴、および／もしくは信号強度の情報に基づいて、信号源としてタイプ１デバイスを選択する。最初は、タイプ１デバイスは、初期時に初期のそれぞれのタイプ２デバイスのセットの信号源であり得る（すなわち、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）を送信する）。各初期のそれぞれのタイプ２デバイスは、すべてのタイプ１デバイスの中から、信号源としてタイプ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、（１）タイプ２デバイスの現在の信号源から受信された、２つの隣接するプローブ信号間（例えば、現在のプローブ信号と直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）の時間間隔が第１の閾値を超える場合、（２）タイプ２デバイスの現在の信号源と関連付けられた信号強度が第２の閾値未満である場合、（３）タイプ２デバイスの現在の信号源と関連付けられた処理された信号強度が第３の閾値未満であり、信号強度は、低域フィルタ、帯域フィルタ、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、および／もしくは線形フィルタで処理されている場合、ならびに／または（４）タイプ２デバイスの現在の信号源と関連付けられた信号強度（または処理された信号強度）が、最近の時間窓のかなりのパーセンテージ（例えば、７０％、８０％、９０％など）について第４の閾値未満である場合、変更され得る。パーセンテージは、第５の閾値を超える場合がある。第１、第２、第３、第４、および／または第５の閾値は、経時変化する場合がある。条件（１）は、タイプ１デバイスおよびタイプ２デバイスが、互いに漸進的に離れていき、これにより、タイプ１デバイスからのいくらかのプローブ信号が、弱くなりすぎ、タイプ２デバイスによって受信されない場合に起こり得る。条件（２）～（４）は、２つのデバイスが、互いに離れていき、これにより、信号強度が非常に弱くなる場合に起こり得る。タイプ２デバイスの信号源は、その他のタイプ１デバイスが、現在の信号源の係数（例えば、１、１．１、１．２、または１．５など）より弱い信号強度を有する場合、変化しない場合がある。信号源が変化すると、新しい信号源は、近い将来（例えば、それぞれの次回）に有効になり得る。新しい信号源は、最強の信号強度および／または処理された信号強度を有するタイプ１デバイスであり得る。現在の信号源および新しい信号源は、同一であってもよく、異なっていてもよい。利用可能なタイプ１デバイスのリストは、各タイプ２デバイスによって初期化され維持され得る。リストは、それぞれのタイプ１デバイスのセットと関連付けられた信号強度および／または処理された信号強度を検査することによって更新され得る。
タイプ２デバイスは、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／プロパティ／状態、タイプ２デバイスによって実施されるはずのタスク、第１および第２の一連の信号強度、および／または別の考察に基づいて、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から選択することができる。一連のプローブ信号は、規則的なレート（例えば、１００Ｈｚ）で送信され得る。一連のプローブ信号は、規則的な間隔（例えば、１００Ｈｚで０．０１秒）でスケジュールされてもよいが、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、ハンドシェイク、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、および／または別の考察によって、短い時間の摂動を経験し得る。レートは、変更され得る。変更は、タイムテーブル（例えば、１時間に１回変更）、ルール、ポリシー、モード、条件、および／または変更（例えば、何らかのイベントが発生するたびに変更）に従い得る。例えば、レートは、通常、１００Ｈｚであり得るが、必要な状況では１０００Ｈｚに変更され、低電力／スタンバイ状況では１Ｈｚに変更され得る。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施されたタスクに基づいて変化し得る（例えば、タスクは、通常１００Ｈｚ、瞬間的に２０秒間は１０００Ｈｚが必要であり得る）。一実施例では、送信器（タイプ１デバイス）、受信器（タイプ２デバイス）、および関連するタスクは、クラス（例えば、低優先、高優先、緊急、重大、通常、特権的、非購読、購読、支払い、および／または非支払いのクラス）に適応的に関連し得る。（送信器の）レートは、いくつかのクラス（例えば、高優先クラス）のために調整されている場合がある。クラスの必要性が変化したら、レートを変更することができる。受信器の電力が非常に低い場合、プローブ信号に応答するために受信器の電力消費を削減するためにレートが低減され得る。一実施例では、プローブ信号を使用して、電力を無線で受信器（タイプ２デバイス）に伝送することができ、レートを調整して、受信器に伝送される電力量を制御することができる。レートは、サーバ、タイプ１デバイス、および／またはタイプ２デバイスによって（または基づいて）変更され得る。制御信号は、それらの間で通信され得る。サーバは、タイプ２デバイスの必要性、および／またはタイプ２デバイスによって実施されるタスクをモニタ、トラッキング、予報、および／または予期することができ、かつタイプ１デバイスを制御して、レートを変更することができる。サーバは、タイムテーブルに従ってレートを変更するようにスケジュールすることができる。サーバは、緊急事態を検出して、すぐにレートを変更することができる。サーバは、展開中の条件を検出して、徐々にレートを調整することができる。
特徴および／または時空間情報（例えば、動き情報）は、特定のタイプ１デバイスおよび特定のタイプ２デバイスと関連付けられたＴＳＣＩに基づいて、個別にモニタされるか、ならびに／または特定のタイプ１デバイスおよび任意のタイプ２デバイスと関連付けられた任意のＴＳＣＩに基づいて、連帯的にモニタされるか、ならびに／または特定のタイプ２デバイスおよび任意のタイプ１デバイスと関連付けられた任意のＴＳＣＩに基づいて、連帯的にモニタされるか、ならびに／または任意のタイプ１デバイスおよび任意のタイプ２デバイスと関連付けられた任意のＴＳＣＩに基づいて、全体的にモニタされ得る。任意の共同モニタは、ユーザ、ユーザアカウント、プロファイル、世帯、場所のマップ、および／またはユーザ履歴などに関連付けられ得る。
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得る。２つのチャネルは、異なる周波数帯域、帯域幅、搬送周波数、変調、無線規格、コーディング、暗号化、ペイロード特徴、ネットワーク、ネットワークＩＤ、ＳＳＩＤ、ネットワーク特徴、ネットワーク設定、および／またはネットワークパラメータなどと関連付けられ得る。２つのチャネルは、異なる種類の無線システム（例えば、ＷｉＦｉ、ＬＴＥ、ＬＴＥ－Ａ、２．５Ｇ、３Ｇ、３．５Ｇ、４Ｇ、４Ｇ超、５Ｇ、６Ｇ、７Ｇ、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、ＷｉＭａｘ、Ｂｌｕｅｔｏｏｔｈ、ＢＬＥ、ＲＦＩＤ、ＵＷＢ、マイクロ波システム、レーダ様システムなどのうちの２つ）と関連付けられ得る。例えば、一方は、ＷｉＦｉで、他方は、ＬＴＥである。２つのチャネルは、異なるネットワークにあるが同一の種類の無線システムと関連付けられ得る。例えば、第１のチャネルは、帯域幅が２０ＭＨｚの２．４ＧＨｚ帯の「Ｐｉｚｚａ ａｎｄ Ｐｉｚｚａ」と名付けられたＷｉＦｉネットワークと関連付けられる場合があり、一方、第２のチャネルは、帯域幅が４０ＭＨｚの５ＧＨｚ帯のＳＳＩＤが「ＳｔａｒＢｕｄ ｈｏｔｓｐｏｔ」であるＷｉＦｉネットワークと関連付けられる場合がある。２つのチャネルは、同一ネットワーク（例えば、「ＳｔａｒＢｕｄ ｈｏｔｓｐｏｔ」ネットワーク）内の異なるチャネルであり得る。
一実施形態では、無線モニタシステムは、複数のイベントと関連付けられたトレーニングＴＳＣＩに基づいて、場所内で複数のイベントの分類子をトレーニングすることを含み得る。既知のイベントと関連付けられたそれぞれのトレーニング期間における場所内で起こる複数の既知のイベントの各々について、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異種無線デバイスのアンテナによって、第１のタイプ１デバイスのプロセッサ、メモリ、および命令セットを使用して、それぞれのトレーニング期間における場所内の無線マルチパスチャネルを介して、少なくとも１つの第１のタイプ２異種無線デバイスに送信され得る。少なくとも１つのそれぞれの時系列のトレーニングＣＩ（トレーニングＴＳＣＩ）は、少なくとも１つの第１のタイプ２デバイスの各々によって、（それぞれの）トレーニング信号から非同期的に得ることができる。ＣＩは、既知のイベントと関連付けられたトレーニング期間内の第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。
場所内で現在の期間内に起きた現在のイベントについて、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異種無線デバイスのアンテナによって、第２のタイプ１デバイスのプロセッサ、メモリ、および命令セットを使用して、場所内で現在のイベントと関連付けられた現在の期間内のチャネルを介して、少なくとも１つの第２のタイプ２異種無線デバイスに送信され得る。少なくとも１つの時系列の現在のＣＩ（現在のＴＳＣＩ）は、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、現在の信号（例えば、一連の現在のプローブ信号）から非同期的に得ることができる。ＣＩは、現在のイベントと関連付けられた現在の期間内の第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。
分類子は、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た少なくとも１つの現在のＴＳＣＩを分類すること、特定の現在のＴＳＣＩの少なくとも１つの部分を分類すること、および／または特定の現在のＴＳＣＩの少なくとも１つの部分と別のＴＳＣＩの別の部分との組み合わせを分類することに適用され得る。分類子はまた、現在のイベントと、既知のイベント、未知のイベント、および／または別のイベントとを関連付けるために適用され得る。各ＴＳＣＩは、各々がそれぞれのタイムスタンプと関連付けられた少なくとも１つのＣＩを含み得る。２つのタイプ２デバイスと関連付けられた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、サンプリング周波数と異なる場合があり得る。これらのＣＩは、異なる特徴を有し得る。第１および第２のタイプ１デバイスは、場所内の同一の場所であり得る。これらは、同一のデバイスであり得る。少なくとも１つの第２のタイプ２デバイス（またはこれらの場所）は、少なくとも１つの第１のタイプ２デバイス（またはこれらの場所）の置換であり得る。特定の第２のタイプ２デバイスおよび特定の第１のタイプ２デバイスは、同一のデバイスであり得る。
第１のタイプ２デバイスの部分集合および第２のタイプ２デバイスの部分集合は、同一であり得る。少なくとも１つの第２のタイプ２デバイスおよび／または少なくとも１つの第２のタイプ２デバイスの部分集合は、少なくとも１つの第１のタイプ２デバイスの部分集合であり得る。少なくとも１つの第１のタイプ２デバイスおよび／または少なくとも１つの第１のタイプ２デバイスの部分集合は、少なくとも１つの第２のタイプ２デバイスの部分集合の置換であり得る。少なくとも１つの第２のタイプ２デバイスおよび／または少なくとも１つの第２のタイプ２デバイスの部分集合は、少なくとも１つの第１のタイプ２デバイスの部分集合の置換であり得る。少なくとも１つの第２のタイプ２デバイスおよび／または少なくとも１つの第２のタイプ２デバイスの部分集合は、少なくとも１つの第１のタイプ２デバイスの部分集合と同一のそれぞれの場所であり得る。少なくとも１つの第１のタイプ２デバイスおよび／または少なくとも１つの第１のタイプ２デバイスの部分集合は、少なくとも１つの第２のタイプ２デバイスの部分集合と同一のそれぞれの場所であり得る。
タイプ１デバイスのアンテナおよび第２のタイプ１デバイスのアンテナは、場所内の同一の場所にあり得る。少なくとも１つの第２のタイプ２デバイスのアンテナ（単数または複数）および／または少なくとも１つの第２のタイプ２デバイスの部分集合のアンテナ（単数または複数）は、少なくとも１つの第１のタイプ２デバイスの部分集合のそれぞれのアンテナ（単数または複数）と同一のそれぞれの場所にあり得る。少なくとも１つの第１のタイプ２デバイスのアンテナ（単数または複数）および／または少なくとも１つの第１のタイプ２デバイスの部分集合のアンテナ（単数または複数）は、少なくとも１つの第２のタイプ２デバイスの部分集合のそれぞれのアンテナ（単数または複数）と同一のそれぞれの場所（単数または複数）にあり得る。
第１のＴＳＣＩの第１の持続時間の第１のセクションとおよび第２のＴＳＣＩの第２のセクションの第２の持続時間の第２のセクションは、整合させることができる。第１のセクションの項目と第２のセクションの項目の間のマップが、計算され得る。第１のセクションは、第１の開始時間／終了時間を有する第１のＴＳＣＩの第１のセグメント、および／または処理された第１のＴＳＣＩの別のセグメントを含み得る。処理された第１のＴＳＣＩは、第１の演算によって処理された第１のＴＳＣＩであり得る。第２のセクションは、第２の開始時間および第２の終了時間を有する第２のＴＳＣＩの第２のセグメント、ならびに処理された第２のＴＳＣＩの別のセグメントを含み得る。処理された第２のＴＳＣＩは、第２の演算によって処理された第２のＴＳＣＩであり得る。
第１の演算および／または第２の演算には、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、および／または別の演算が含まれ得る。第１のセクションの第１の項目は、第２のセクションの第２の項目にマップされ得る。第１のセクションの第１の項目はまた、第２のセクションの別の項目にマップされ得る。第１のセクションの別の項目はまた、第２のセクションの第２の項目にマップされ得る。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の項目、第１のＴＳＣＩの別の項目、第１の項目のタイムスタンプ、第１の項目の時間差、第１の項目の時間微分、第１の項目の隣接タイムスタンプ、第１の項目と関連付けられた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の項目、第２のＴＳＣＩの別の項目、第２の項目のタイムスタンプ、第２の項目の時間差、第２の項目の時間微分、第２の項目の隣接タイムスタンプ、および第２の項目と関連付けられた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つの制約を満たし得る。
１つの制約は、第１の項目のタイムスタンプと第２の項目のタイムスタンプとの間の差が適応上限閾値で上限が決められ、適応下限閾値で下限が決められ得ることであり得る。第１のセクションは、第１のＴＳＣＩ全体であり得る。第２のセクションは、第２のＴＳＣＩ全体であり得る。第１の持続時間は、第２の持続時間に等しい場合がある。ＴＳＣＩの持続時間のセクションは、適応的に決定され得る。ＴＳＣＩの暫定的なセクションは、計算され得る。セクション（例えば、暫定的なセクション、セクション）の開始時間および終了時間は、決定され得る。セクションは、暫定的なセクションの初め部分および終わり部分を除去することにより決定され得る。暫定的なセクションの初め部分は、次のとおり決定され得る。反復的に、タイムスタンプが増加する暫定的なセクションの項目は、一度に１項目ずつ現在の項目とみなすことができる。各繰り返しにおいて、少なくとも１つの活動性尺度が計算および／または考慮され得る。少なくとも１つの活動性尺度は、現在のタイムスタンプと関連付けられた現在の項目、現在のタイムスタンプより大きくないタイムスタンプを有する暫定的なセクションの過去の項目、および／または現在のタイムスタンプより小さくないタイムスタンプを有する暫定的なセクションの将来の項目のうちの少なくとも１つと関連付けられ得る。少なくとも１つの活動性尺度と関連付けられた少なくとも１つの基準が満たされている場合、現在の項目は、暫定的なセクションの初め部分に追加され得る。
活動性尺度と関連付けられた少なくとも１つの基準は、（ａ）活動性尺度が適応上限閾値より小さい、（ｂ）活動性尺度が適応下限閾値より大きい、（ｃ）少なくとも所定の量の連続したタイムスタンプについて、活動性尺度が適応上限閾値より連続して小さい、（ｄ）少なくとも別の所定の量の連続したタイムスタンプについて、活動性尺度が適応下限閾値より連続して大きい、（ｅ）少なくとも所定の量の連続したタイムスタンプの少なくとも所定のパーセンテージについて、活動性尺度が適応上限閾値より連続して小さい、（ｆ）別の所定の量の連続したタイムスタンプの少なくとも別の所定のパーセンテージについて、活動性尺度が適応下限閾値より連続して大きい、（ｇ）現在のタイムスタンプと関連付けられた別のタイムスタンプと関連付けられた別の活動性尺度が別の適応上限閾値より小さく、かつ別の適応下限閾値より大きい、（ｈ）現在のタイムスタンプと関連付けられた少なくとも１つのそれぞれのタイムスタンプと関連付けられた少なくとも１つの活動性尺度がそれぞれの上限閾値より小さく、かつそれぞれの下限閾値より大きい、（ｉ）現在のタイムスタンプと関連付けられたタイムスタンプのセット中の、それぞれの上限閾値より小さく、かつそれぞれの下限閾値より大きい、活動性尺度と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、および（ｊ）別の基準のうちの少なくとも１つを含み得る。
時間Ｔ１での項目と関連付けられた活動性尺度は、（１）時間Ｔ１での項目および時間Ｔ１－Ｄ１での項目の第１の関数であり、Ｄ１は、所定の正の量である（例えば、一定の時間オフセット）、第１の関数（２）時間Ｔ１での項目および時間Ｔ１＋Ｄ１での項目の第２の関数、（３）時間Ｔ１での項目および時間Ｔ２での項目の第３の関数であり、Ｔ２は、所定の量である（例えば、固定の初期基準時間；Ｔ２は、時間の経過と共に変更され得る；Ｔ２は、定期的に更新され得る；Ｔ２は、期間の初めであり得、Ｔ１は、期間内のスライディング時間であり得る）、第３の関数、ならびに（４）時間Ｔ１での項目および別の項目の第４の関数、のうちの少なくとも１つを含み得る。
第１の関数、第２の関数、第３の関数、および／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およびＹを有する関数（例えば、Ｆ（Ｘ，Ｙ，．．．））であり得る。２つの引数は、スカラーであり得る。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）、および（（Ｘ／Ｙ）＾ａ－ｂ）のうちの少なくとも１つの関数であり得、式中、ａおよびｂは、いくらかの所定量であり得る。例えば、関数は、単にａｂｓ（Ｘ－Ｙ）、または（Ｘ－Ｙ）＾２、（Ｘ－Ｙ）＾４であり得る。関数は、ロバスト関数であり得る。例えば、関数は、ａｂｓ（Ｘ－Ｙ）が閾値Ｔ未満である場合、（Ｘ－Ｙ）＾２であり得、ａｂｓ（Ｘ－Ｙ）が閾値Ｔより大きい場合、（Ｘ－Ｙ）＋ａであり得る。あるいは、関数は、ａｂｓ（Ｘ－Ｙ）がＴより大きい場合、一定であり得る。関数はまた、ａｂｓ（Ｘ－ｙ）がＴより大きい場合、関数が緩やかに増加することによって制限される場合があるので、異常値が結果に深刻な影響を与えない。関数の別の例は、（ａｂｓ（Ｘ／Ｙ）－ａ）であり得、式中、ａ＝１である。この方法では、Ｘ＝Ｙ（すなわち、変化なし、または活動なし）である場合、関数は、値０を与える。ＸがＹより大きい場合、（Ｘ／Ｙ）は１より大きく（ＸおよびＹは正と仮定）、関数は正になる。そして、ＸがＹ未満である場合、（Ｘ／Ｙ）は１より小さく、関数は負になる。別の実施例では、引数ＸおよびＹの両方は、Ｘ＝（ｘ＿１，ｘ＿２，．．．，ｘ＿ｎ）およびＹ＝（ｙ＿１，ｙ＿２，．．．，ｙ＿ｎ）のようにｎタプルであり得る。関数は、ｘ＿ｉ、ｙ＿ｉ、（ｘ＿ｉ－ｙ＿ｉ）、（ｙ＿ｉ－ｘ＿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）、および（（ｘ＿ｉ／ｙ＿ｉ）＾ａ－ｂ）のうちの少なくとも１つの関数であり得、式中、ｉは、ｎタプルのＸおよびＹのコンポーネントインデックス（１≦ｉ≦ｎ）であり、例えば、ｘ＿１のコンポーネントインデックスは、ｉ＝１であり、ｘ＿２のコンポーネントインデックスは、ｉ＝２である。関数は、次のｘ＿ｉ、ｙ＿ｉ、（ｘ＿ｉ－ｙ＿ｉ）、（ｙ＿ｉ－ｘ＿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）、および（（ｘ＿ｉ／ｙ＿ｉ）＾ａ－ｂ）のうちの少なくとも１つの別の関数のコンポーネント毎の合計を含み得、式中、ｉは、ｎタプルのＸおよびＹのコンポーネントインデックスである。例えば、関数は、ｓｕｍ＿｛ｉ＝１｝＾ｎ（ａｂｓ（ｘ＿ｉ／ｙ＿ｉ）－１）／ｎ、またはｓｕｍ＿｛ｉ＝１｝＾ｎ ｗ＿ｉ×（ａｂｓ（ｘ＿ｉ／ｙ＿ｉ）－１）の形態であり得、式中、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（dynamic time warping：ＤＴＷ）を使用して計算され得る。ＤＴＷは、マップ、第１のＴＳＣＩの項目、第２のＴＳＣＩの項目、第１の持続時間、第２の持続時間、第１のセクション、および／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。マップ内で、ｉ番目のドメイン項目は、ｊ番目の範囲項目にマッピングされていると仮定する。制約は、ｉおよびｊの許容可能な組み合わせ上にあり得る（ｉとｊとの間の関係に対する制約）。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が計算され得る。第１のセクションおよび第２のセクションは、整合され得、これにより、２つ以上のリンクを含むマップを第１のＴＳＣＩの第１の項目と第２のＴＳＣＩの第２の項目との間に確立することができる。各リンクについて、第１のタイムスタンプを有する第１の項目のうちの１つは、第２のタイムスタンプを有する第２の項目のうちの１つと関連付けられ得る。整合させた第１のセクションと整合させた第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た第１の項目と第２の項目との間の項目ごとのコスト関数とマップの特定のリンクと関連付けられたリンクごとのコスト関数を含み得る。
整合させた第１のセクションおよび整合させた第２のセクションは、同一のベクトル長さの第１のベクトルおよび第２のベクトルとしてそれぞれ表現され得る。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（inner-product-like quantity）、相関に基づく量、共分散に基づく量、判別スコア、距離、ユークリッド距離、絶対距離、Ｌｋ距離（例えば、Ｌ１、Ｌ２，．．．）、重み付き距離、距離様量（distance-like quantity）、および／または別の相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さ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たパラメータは、統計的分布でモデル化できる。統計的分布の、スケールパラメータ、場所パラメータ、および／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の第１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り得る。第１のスライディング窓は、第１のＴＳＣＩに適用され得、対応する第２のスライディング窓は、第２のＴＳＣＩに適用され得る。第１のＴＳＣＩの第１のスライディング窓および第２のＴＳＣＩの対応する第２のスライディング窓は、整合され得る。第１のＴＳＣＩの整合された第１のスライディング窓と第２のＴＳＣＩの対応する整合された第２のスライディング窓との間のミスマッチコストが計算され得る。現在のイベントは、ミスマッチコストに基づいて、既知のイベント、未知のイベント、および／または別のイベントのうちの少なくとも１つと関連付けられ得る。
分類子は、少なくとも１つの暫定的な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のセクションおよび／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。各暫定的な分類結果は、それぞれの第１のセクションおよびそれぞれの第２のセクションと関連付けられ得る。現在のイベントは、ミスマッチコストに基づいて、既知のイベント、未知のイベント、および／または別のイベントのうちの少なくとも１つと関連付けられ得る。現在のイベントは、第１のＴＳＣＩの２つ以上のセクションにおいて、かつ第２のＴＳＣＩのより多くのセッションの対応する暫定的な分類結果の最大数に基づいて、既知のイベント、未知のイベント、および／または別のイベントのうちの少なくとも１つと関連付けることができる。例えば、ミスマッチコストがＮ回連続して（例えば、Ｎ＝１０）特定の既知のイベントを指す場合、現在のイベントは、特定の既知のイベントと関連付けられ得る。別の実施例では、特定の既知のイベントを指す直前のＮ個の連続Ｎ内のミスマッチコストのパーセンテージが特定の閾値を超える（例えば、＞８０％）場合、現在のイベントは、特定の既知のイベントと関連付けられ得る。
別の実施例では、現在のイベントは、期間内のほとんどの時間でミスマッチコストを最小にする既知のイベントと関連付けられ得る。現在のイベントは、全体のミスマッチコストを最小にする既知のイベントと関連付けられ得る。ここで、全体のミスマッチコストとは、少なくとも１つの第１のセクションと関連付けられた少なくとも１つのミスマッチコストの加重平均のことである。現在のイベントは、別の全体コストのうちの最小を達成する特定の既知のイベントと関連付けられ得る。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で第１の閾値Ｔ１より小さいミスマッチコストを達成する既知のイベントがない場合、現在のイベントは、「未知のイベント」と関連付けられ得る。第２の閾値Ｔ２より小さい全体のミスマッチコストを達成するイベントがない場合、現在のイベントはまた、「未知のイベント」と関連付けられ得る。現在のイベントは、第１のＴＳＣＩの少なくとも１つの追加のセクションおよび第２のＴＳＣＩの少なくとも１つの追加のセクションと関連付けられたミスマッチコストならびに追加のミスマッチコストに基づいて、既知のイベント、未知のイベント、および／または別のイベントのうちの少なくとも１つと関連付けられ得る。既知のイベントは、ドアクローズイベント、ドアオープンイベント、窓クローズイベント、窓オープンイベント、マルチステートイベント、オンステートイベント、オフステートイベント、中間ステートイベント、連続ステートイベント、離散ステートイベント、人間の存在イベント、人間の不在イベント、人気の存在イベント、および／または人気の不在イベントのうちの少なくとも１つを含み得る。各ＣＩについての射影は、トレーニングＴＳＣＩに基づいて次元削減方法を使用して、トレーニングされ得る。次元削減方法は、主コンポーネント分析（principal component analysis：ＰＣＡ）、異なるカーネルによるＰＣＡ、独立コンポーネント分析（independent component analysis：ＩＣＡ）、Ｆｉｓｈｅｒ線形判別分析、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、および／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、分類子についての、少なくとも１つのイベントと関連付けられたトレーニングＴＳＣＩおよび／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つのイベントの分類子は、射影および少なくとも１つのイベントと関連付けられたトレーニング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、射影および現在のＴＳＣＩに基づいて、分類され得る。射影は、トレーニングＴＳＣＩ、射影の再トレーニング前の少なくとも１つの現在のＴＳＣＩ、および／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、次元削減方法およ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、主コンポーネント分析（ＰＣＡ）、異なるカーネルによるＰＣＡ、独立コンポーネント分析（ＩＣＡ）、Ｆｉｓｈｅｒ線形判別分析、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、および／または更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つのイベントの分類子は、再トレーニングされた射影、少なくとも１つのイベントと関連付けられたトレーニングＴＳＣＩ、および／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子、および／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。複素数値の大きさを与えるように、各複素数値を前処理できる。対応する複素数値の大きさを含む負でない実数のベクトルを与えるように、各ＣＩを前処理できる。各トレーニングＴＳＣＩは、射影のトレーニングにおいて加重され得る。射影は、２つ以上の射影されたコンポーネントを含み得る。射影は、少なくとも１つの最も有意な射影されたコンポーネントを含み得る。射影は、分類子にとって有益であり得る少なくとも１つの射影されたコンポーネントを含み得る。
チャネル／チャネル情報／場所／時空間情報／動き／オブジェクト
チャネル情報（channel information：ＣＩ）は、信号強度、信号振幅、信号位相、受信信号強度インジケータ（received signal strength indicator：ＲＳＳＩ）、チャネル状態情報（channel state information：ＣＳＩ）、チャネルインパルス応答（channel impulse response：ＣＩＲ）、チャネル周波数応答（channel frequency response：ＣＦＲ）、チャネル特徴、チャネルフィルタ応答、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、モニタデータ、世帯データ、識別情報（ＩＤ）、デバイスデータ、ネットワークデータ、近隣データ、環境データ、リアルタイムデータ、センサデータ、格納データ、暗号化データ、圧縮データ、保護データ、および／または別のチャネル情報と関連付けられ得る／を含み得る。ＣＩは、チャネルを介する信号の、周波数帯域、周波数シグニチャ、周波数位相、周波数振幅、周波数傾向、周波数特徴、周波数様特徴（frequency-like characteristics）、時間領域要素、周波数領域要素、時間周波数領域要素、直交分解特徴、および／または非直交分解特徴と関連付けられた情報と関連付けられ得る。
ＣＩは、信号の期間、時間シグニチャ、タイムスタンプ、時間振幅、時間位相、時間的傾向、および／または時間的特徴と関連付けられた情報と関連付けられ得る。ＣＩは、信号の時間周波数分割、シグニチャ、振幅、位相、傾向、および／または特徴と関連付けられた情報と関連付けられ得る。ＣＩは、信号の分解と関連付けられ得る。ＣＩは、チャネルを介する信号の、方向、到達角度（angle of arrival：ＡｏＡ）、指向性アンテナの角度、および／または位相と関連付けられた情報と関連付けられ得る。ＣＩは、チャネルを介した信号の減衰パターンと関連付けられ得る。各ＣＩは、タイプ１デバイスおよびタイプ２デバイスと関連付けられ得る。各ＣＩは、タイプ１デバイスのアンテナおよびタイプ２デバイスのアンテナと関連付けられ得る。ＣＩは、ＣＩを提供できる通信ハードウェア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または別の無線／無線規格に準拠したチップ、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、ＢＬＥ（Ｂｌｕｅｔｏｏｔｈ ｌｏｗ ｐｏｗｅｒ）対応チップ、ＵＷＢチップ、別の通信チップ（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を計算して、バッファメモリにＣＩを格納して、ＣＩを抽出に利用可能にする。ＣＩは、チャネル状態情報（ＣＳＩ）に関するデータおよび／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つのマトリックスをチャネルイコライゼーション、および／またはビーム形成などに使用することができる。
チャネルは、場所と関連付けられ得る。減衰は、場所内での信号伝播、空気（例えば、場所の空気）を通じた／における／中の信号の伝播／反射／屈折／回折、屈折媒体／反射面（例えば、壁、ドア、家具、障害物、および／またはバリアなど）が原因であり得る。減衰は、フロア、天井、家具、作り付け家具、オブジェクト、人々、ペットなどの表面および障害物（例えば、反射面、障害物）での反射が原因であり得る。各ＣＩは、タイムスタンプと関連付けられ得る。各ＣＩは、Ｎ１個のコンポーネント（例えば、ＣＦＲのＮ１個の周波数領域コンポーネント、ＣＩＲのＮ１個の時間領域コンポーネント、またはＮ１個の分解コンポーネント）を含み得る。各コンポーネントは、コンポーネントインデックスと関連付けられ得る。各コンポーネントは、実数、虚数、または複素数、大きさ、位相、フラグ、および／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、および／または少なくとも１つの複素数の多次元コレクションを含み得る。
特定のコンポーネントインデックスと関連付けられたＴＳＣＩのコンポーネントは、それぞれのインデックスと関連付けられたそれぞれのコンポーネント時系列を形成し得る。ＴＳＣＩは、Ｎ１個のコンポーネント時系列に分けられ得る。各それぞれのコンポーネント時系列は、それぞれのコンポーネントインデックスと関連付けられている。オブジェクトの動きの特徴／時空間情報は、コンポーネント時系列に基づいてモニタされ得る。
コンポーネント－特徴時系列のＴＳＣＩのコンポーネント毎の特徴が計算され得る。コンポーネント毎の特徴は、スカラー（例えば、エネルギ）またはドメインおよび範囲を有する関数（例えば、自己相関関数、変換、逆変換）であり得る。オブジェクトの動きの特徴／時空間情報は、コンポーネント毎の特徴に基づいてモニタされ得る。ＴＳＣＩの全体特徴は、ＴＳＣＩの各コンポーネント時系列のコンポーネント毎の特徴に基づいて計算され得る。全体特徴は、コンポーネント毎の特徴の加重平均であり得る。オブジェクトの動きの特徴／時空間情報は、全特徴に基づいてモニタされ得る。
タイプ１デバイスおよびタイプ２デバイスは、ＷｉＦｉ、ＷｉＭａｘ、３Ｇ／３Ｇ超、４Ｇ／４Ｇ超、ＬＴＥ、５Ｇ、６Ｇ、７Ｇ、Ｂｌｕｅｔｏｏｔｈ、ＢＬＥ、Ｚｉｇｂｅｅ、ＵＷＢ、メッシュネットワーク、独自の無線システム、ＩＥＥＥ８０２．１１規格、８０２．１５規格、８０２．１６規格、３ＧＰＰ規格、および／または別の無線システムをサポートし得る。共通無線システムおよび／または共通無線チャネルは、タイプ１送受信器および／または少なくとも１つのタイプ２送受信器によって共有され得る。少なくとも１つのタイプ２送受信器は、共通無線システムおよび／または共通無線チャネルを使用して、それぞれの信号を同時期に送信し得る。タイプ１送受信器は、少なくとも１つのタイプ２送受信器に、共通無線システムおよび／または共通無線チャネルを使用して、信号を送信し得る。タイプ１デバイスは、一時的にタイプ２デバイスとして機能し得、その逆も同様であり得る。デバイスは、同時に、タイプ１デバイス（無線送信器）およびタイプ２デバイス（無線受信器の両方として機能し得る。各タイプ１デバイスおよびタイプ２デバイスは、少なくとも１つの送信／受信アンテナを有し得る。各ＣＩは、タイプ１デバイスの送信アンテナのうちの１つおよびタイプ２デバイスの受信アンテナのうちの１つと関連付けられ得る。
少なくとも１つのＴＳＣＩは、タイプ１デバイスとタイプ２デバイスとの間の様々なアンテナ対に対応し得る。タイプ１デバイスは、少なくとも１つのアンテナを有し得る。タイプ２デバイスもまた、少なくとも１つのアンテナを有し得る。各ＴＳＣＩは、タイプ１デバイスのアンテナおよびタイプ２デバイスのアンテナと関連付けられ得る。アンテナリンクについて平均化または加重平均化を実施できる。平均化または加重平均化は、少なくとも１つのＴＳＣＩについてであり得る。平均化は、アンテナ対の部分集合に対応する少なくとも１つのＴＳＣＩの部分集合で、任意で実施されてもよい。ＴＳＣＩの一部のＣＩのタイムスタンプは、不規則である場合があり、かつ修正されている場合があり、これにより、時間修正されたＣＩの修正されたタイムスタンプは、時間的に均一に間隔を開けられている場合がある。複数のタイプ１デバイスおよび／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、同一または異なるクロックに関し得る。ＣＩの各々と関連付けられた元のタイムスタンプが決定され得る。元のタイムスタンプは、時間的に均一に間隔を開けられている場合がある。現在のスライディング時間窓内の特定のＴＳＣＩの特定の部分のすべてのＣＩの元のタイムスタンプは、修正されている場合があり、これにより、時間修正されたＣＩの修正されたタイムスタンプは、時間的に均一に間隔を開けられている場合がある。
特徴および／または時空間情報（例えば、動き情報）には、場所、場所の座標、場所の変更、位置（例えば、初期位置、新しい位置）、地図上の位置、高さ、水平場所、垂直場所、距離、変位、速さ、加速度、回転速さ、回転加速度、動きの角度、方位、動きの方向、回転、パス、変形、変換、縮小、拡大、歩行、歩行サイクル、頭の動き、繰り返しの動き、周期的動き、疑似の周期的動き、衝撃的動き、突然の動き、転倒の動き、過渡的動き、行動、過渡的行動、動きの周期、動きの頻度、時間的傾向、時間的プロファイル、時間的特徴、発生、変化、頻度の変化、タイミングの変化、歩行サイクルの変化、タイミング、開始時間、終了時間、持続時間、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、周波数特徴、存在、不在、近接、接近、後退、オブジェクトの識別情報、オブジェクトの構成、頭の動きのレート、頭の動きの方向、口腔関連レート、眼球関連レート、呼吸数、心拍数、手の動きのレート、手の動きの方向、脚の動き、体の動き、歩行レート、手の動きのレート、位置特徴、オブジェクトの運動と関連付けられた特徴、ツールの動き、機械の動き、複雑な動き、および／もしくは複数の動きの組み合わせ、イベント、動き統計、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、重み付き距離、ｋ＞２のＬ＿１ノルム、Ｌ＿２ノルム、Ｌ＿ｋノルム、統計的距離、相関、自己相関、共分散、自己共分散、相互共分散、内積、外積、動き信号変換、動き特徴、動きの存在、動きの不在、動きの位置特定、動き識別、動き認識、オブジェクトの存在、オブジェクトの不在、オブジェクトの侵入、オブジェクトの退出、オブジェクトの変更、動きサイクル、動きカウント、歩行サイクル、動きリズム、変形運動、ジェスチャー、筆跡、頭の動き、口の動き、心臓の動き、内臓の動き、動きの傾向、サイズ、長さ、面積、体積、容量、形状、形態、タグ、開始場所、終了場所、開始量、終了量、イベント、転倒イベント、セキュリティイベント、事故イベント、ホームイベント、オフィスイベント、工場イベント、倉庫イベント、製造イベント、組み立てラインイベント、メンテナンスイベント、自動車関連イベント、ナビゲーションイベント、トラッキングイベント、ドアイベント、ドアオープンイベント、ドアクローズイベント、窓イベント、窓オープンイベント、窓クローズイベント、繰り返し可能イベント、ワンタイムイベント、消費量、未消費量、状態、物理的状態、健康状態、幸福状態、感情状態、精神状態、別のイベント、ならびに／または別の情報が含まれ得る。プロセッサは、タイプ１異種無線デバイスおよびタイプ２異種無線デバイスと計算作業負荷を共有する。
タイプ１デバイスおよび／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、リモコン、スピーカ、ファン、冷蔵庫、電子レンジ、オーブン、コーヒーメーカ、湯沸かしポット、台所用品、テーブル、椅子、照明、ランプ、ドアロック、カメラ、マイク、動きセンサ、セキュリティデバイス、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、コンピュータ周辺装置、電子パッド、ソファ、タイル、アクセサリ、スマートホームデバイス、スマートビークルデバイス、スマートオフィスデバイス、スマート建物デバイス、スマート製造デバイス、スマートウォッチ、スマートグラス、スマートクロック、スマートテレビ、スマートオーブン、スマート冷蔵庫、スマートエアコンディショナ、スマート椅子、スマートテーブル、スマートアクセサリ、スマートユーティリティ、スマートアプライアンス、スマート機械、スマートビークル、モノのインターネット（ＩｏＴ）デバイス、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、スマートハウス、スマートオフィス、スマート建物、スマート駐車場、スマートシステム、および／または別のデバイスであり得る。各タイプ１デバイスは、それぞれの識別情報（ＩＤ）と関連付けられ得る。各タイプ２デバイスもまた、それぞれの識別情報（ＩＤ）と関連付けられ得る。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、何かの情報のインデックス、および／または別のＩＤを含み得る。ＩＤは、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、ドングルおよび／またはその他のハードウェアを介して）、ソフトウェア、および／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、格納することができ（例えば、データベースに、メモリに、サーバに、クラウドに、ローカルに格納、リモートで格納、永久に格納、一時的に格納）、かつ取り返すことができる。ＩＤは、少なくとも１つの記録、アカウント、ユーザ、世帯、住所、電話番号、社会保障番号、顧客番号、別のＩＤ、タイムスタンプ、および／またはデータのコレクションと関連付けられ得る。タイプ１デバイスのＩＤおよび／またはＩＤの一部は、タイプ２デバイスで利用可能にされてもよい。ＩＤは、タイプ１デバイスおよび／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、ログ取り、記録、カタログ作コンポーネント類、タグ付け、関連付け、ペアリング、トランザクション、電子トランザクション、および／または知的財産制御のために使用され得る。
オブジェクトは、人、乗客、子供、老人、乳児、寝ている乳児、ビークル内の乳児、患者、労働者、高価値労働者、専門家、スペシャリスト、ウェイター、モールの客、空港／鉄道駅／バスターミナル／船舶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／職場のスタッフ／労働者／カスタマーサービス担当者、下水／換気システム／リフト昇降路のサービスマン、リフト昇降路内のリフト、エレベーター、収監者、トラッキング／モニタ対象の人々、動物、植物、生き物、ペット、犬、猫、スマートフォン、フォンアクセサリ、コンピュータ、タブレット、ポータブルコンピュータ、ドングル、計算アクセサリ、ネットワークデバイス、ＷｉＦｉデバイス、ＩｏＴデバイス、スマートウォッチ、スマートグラス、スマートデバイス、スピーカ、キー、スマートキー、ウォレット、パース、ハンドバッグ、バックパック、商品、貨物、荷物、機材、モータ、機械、エアコンディショナ、ファン、エアコンディショニング機材、作り付け照明、可動照明、テレビ、カメラ、オーディオおよび／もしくはビデオ機材、ステーショナリ（stationary）、モニタ機材、部品、看板、ツール、カート、チケット、駐車券、市外交換証、航空券、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、台所用品、テーブル、椅子、クリーニング機材／ツール、ビークル、自動車、駐車施設内の自動車、倉庫／ストア／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、リモコン自動車／飛行機／ボート、ロボット、製造デバイス、組み立てライン、工場での材料／未完成の部品／ロボット／ワゴン／輸送、空港／ショッピングマート／スーパーマーケットでトラッキング対象のオブジェクト、非オブジェクト、オブジェクトの不在、オブジェクトの存在、形態を有するオブジェクト、形態が変化するオブジェクト、形態のないオブジェクト、流体の質量、液体の質量、ガス／煙の質量、火、炎、電磁（ＥＭ）源、ＥＭ媒体、ならびに／または別のオブジェクトであり得る。
オブジェクト自体は、ＷｉＦｉ、ＭｉＦｉ、３Ｇ／４Ｇ／ＬＴＥ／５Ｇ、Ｂｌｕｅｔｏｏｔｈ、ＢＬＥ、ＷｉＭａｘ、Ｚｉｇｂｅｅ、メッシュネットワーク、アドホックネットワーク、および／またはその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。オブジェクト自体が、ＡＣ電源を備えて嵩高い場合があるが、設置、クリーニング、メンテナンス、修復などの間は移動される。また、可動プラットフォーム、例えば、リフト、パッド、ムーバブル、プラットフォーム、エレベーター、コンベヤベルト、ロボット、ドローン、フォークリフト、自動車、ボート、ビークルなどに設置され得る。オブジェクトは、複数の部分を有し得、各部分が、異なる運動を行う。例えば、オブジェクトは、歩いて前進する人であり得る。歩行中、左手および右手は、異なる瞬間速さ、加速度、動きなどで、異なる方向に動き得る。
無線送信器（例えば、タイプ１デバイス）、無線受信器（例えば、タイプ２デバイス）、別の無線送信器、および／または別の無線受信器は、（例えば、前の運動、現在の運動、および／または、将来の運動においてオブジェクトおよび／または別のオブジェクトと共に動くことができる。これらは、１つ以上の近くのデバイスに通信可能に結合され得る。これらは、ＴＳＣＩおよび／またはＴＳＣＩと関連付けられた情報を、近くのデバイスに、および／または互いに送信し得る。これらは、近くのデバイスを有し得る。無線送信器および／または無線受信器は、小型（例えば、コインサイズ、タバコの箱サイズ、またはもっと小さいサイズ）軽量ポータブルデバイスの一部であり得る。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得る。
近くのデバイスは、スマートフォン、ｉＰｈｏｎｅ、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、スマートグラス、スマートパッド、ｉＰａｄ、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。近くのデバイスは、インターネット、ワイヤードインターネット接続、および／または無線インターネット接続を介して、クラウドサーバ、ローカルサーバ、および／またはその他のサーバに接続され得る。近くのデバイスは、ポータブルであり得る。ポータブルデバイス、近くのデバイス、ローカルサーバ、および／またはクラウドサーバは、タスク（例えば、ＴＳＣＩを得る、オブジェクトの運動と関連付けられたオブジェクトの特徴／時空間情報の決定、時系列の電力情報の計算、特定の関数の決定／計算、局所的極値の探索、分類、時間オフセットの特定の値を識別、ノイズ除去、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ＣＩ抽出、切り換え、セグメンテーション、軌道の推定、地図の処理、補正、補正調整、調整、地図による補正、誤差の検出、境界ヒット（boundary hitting）のチェック、閾値法など）および情報（例えば、ＴＳＣＩ）のために計算および／またはストレージを共有し得る。
近くのデバイスは、オブジェクトと共に動いてもよいし、動かなくてもよい。近くのデバイスは、ポータブル／ポータブルでない／可動／非可動であってもよい。近くのデバイスは、バッテリ電源、ソーラーパワー、ＡＣ電源、および／またはその他の電源を使用することができる。近くのデバイスは、交換可能／交換不可能バッテリおよび／または充電可能／充電不可能バッテリを有し得る。近くのデバイスは、オブジェクトに類似していてもよい。近くのデバイスは、オブジェクトと同一の（および／または同様の）ハードウェアおよび／またはソフトウェアを有し得る。近くのデバイスは、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／アドホックネットワーク／その他のネットワークへの接続を有するデバイス、スマートスピーカ、スマートウォッチ、スマートクロック、スマートアプライアンス、スマート機械、スマート機材、スマートツール、スマートビークル、モノのインターネット（internet-of-thing：ＩｏＴ）デバイス、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、および別のデバイスであり得る。
無線受信器と関連付けられた、近くのデバイスおよび／または少なくとも１つのプロセッサ、無線送信器、別の無線受信器、別の無線送信器、および／または、クラウドサーバ（クラウド内）は、オブジェクトの初期時空間情報を決定し得る。それらのうちの２つまたはそれ以上は、連帯的に初期時空間情報を決定し得る。それらのうちの２つまたはそれ以上は、初期時空間情報（例えば、初期位置）の決定において、中間情報を共有し得る。一実施例では、無線送信器（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動くことができる。無線送信器は、無線受信器（例えば、タイプ２デバイス、またはオリジン登録器）に信号を送信するか、またはオブジェクトの初期時空間情報（例えば、初期位置）を決定し得る。無線送信器はまた、オブジェクトの動き（時空間情報）をモニタするために、別の無線受信器（例えば、別のタイプ２デバイス、または別のオリジン登録器）に信号および／または別の信号を送信し得る。無線受信器はまた、オブジェクトの動きをモニタするために、無線送信器および／または別の無線送信器から信号および／または別の信号を受信し得る。無線受信器および／または別の無線受信器の場所は、既知であり得る。別の実施例では、無線受信器（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動くことができる。無線受信器は、オブジェクトの初期時空間情報（例えば、初期位置）を決定するために、無線送信器（例えば、タイプ１デバイス、またはオリジン登録器）から送信された信号を受信し得る。無線送信器はまた、オブジェクトの現在の動き（例えば、時空間情報）をモニタするために、別の無線送信器（例えば、別のタイプ１デバイス、または別のオリジン登録器）から信号および／または別の信号を受信し得る。無線送信器はまた、オブジェクトの動きをモニタするために、無線受信器および／または別の無線受信器（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）に信号および／または別の信号を送信し得る。無線送信器および／または別の無線送信器の場所は、既知であり得る。
場所は、部屋、家、オフィス、職場、廊下、歩道、リフト、リフト昇降路、エスカレーター、エレベーター、下水システム、換気システム、階段、集合エリア、ダクト、エアダクト、パイプ、チューブ、密閉構造、半密閉構造、密閉エリア、少なくとも１つの壁を有するエリア、プラント、機械、エンジン、木でできた構造、ガラスでできた構造、金属でできた構造、壁を有する構造、ドアを有する構造、隙間を有する構造、反射面を有する構造、流体を有する構造、建物、ルーフトップ、ストア、工場、組み立てライン、ホテルの部屋、美術館、教室、学校、大学、政府の建物、倉庫、ガレージ、モール、空港、鉄道駅、バスターミナル、ハブ、交通ハブ、船舶ターミナル、政府施設、公共施設、学校、大学、エンタテイメント施設、レクリエーション施設、病院、老人ホーム、介護施設、コミュニティセンター、スタジアム、遊び場、公園、フィールド、スポーツ施設、水泳施設、トラックおよび／またはフィールド、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、野球スタジアム、体育館、ホール、ガレージ、ショッピングマート、モール、スーパーマーケット、製造施設、駐車施設、建設現場、採掘施設、輸送施設、高速道路、道路、谷、森林、木、土地、地形、小部屋、パティオ、地面、小道、アミューズメントパーク、市街地、田舎、郊外エリア、都市圏、ガーデン、広場、プラザ、音楽ホール、ダウンタウン施設、オーバーエア施設、セミオープン施設、閉鎖エリア、鉄道のホーム、鉄道駅、流通センター、倉庫、ストア、流通センター、ストレージ施設、地下施設、宇宙（例えば、地上、宇宙空間）施設、フローティング施設、洞窟、トンネル施設、屋内施設、野外施設、いくつかの壁／ドア／反射バリアを有する屋外施設、オープン施設、半オープン施設、自動車、トラック、バス、バン、コンテナ、船／ボート、潜水艇、列車、トラム、飛行機、ビークル、移動住宅、洞穴、トンネル、パイプ、チャネル、大都市圏、比較的高い建物のあるダウンタウンエリア、谷、井戸、ダクト、細道、ガスライン、オイルライン、送水管、細道／小路／道路／チューブ／空洞／洞穴／パイプ状構造／空域／流体域，を相互接続するネットワーク、人体、動物の体、体腔、臓器、骨、歯、軟組織、硬組織、硬質組織、非硬質組織、血管／体液管、気管、エアダクト、小部屋などのスペースであり得る。場所は、屋内、屋外であり得る。場所は、空間の内側および外側の両方を含み得る。例えば、場所は、建物の内側および建物の外側の両方を含み得る。例えば、場所は、１階または複数階の建物であることができ、建物の一部は、地下であることができる。建物の形状は、例えば、円形、正方形、矩形、三角形、または不規則な形状であり得る。これらは、単なる例である。本開示を使用して、その他の種類の場所または空間内のイベントを検出することができる。
無線送信器（例えば、タイプ１デバイス）および／または無線受信器（例えば、タイプ２デバイス）は、（例えば、前の運動および／または現在の運動において）オブジェクトと共に動くことができる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備えたデバイス）内に埋め込まれ得る。ポータブルデバイスは、ワイヤード接続（例えば、ＵＳＢ、マイクロＵＳＢ、Ｆｉｒｅｗｉｒｅ、ＨＤＭＩ、シリアルポート、パラレルポート、およびその他のコネクタを介して）および／または接続（例えば、Ｂｌｕｅｔｏｏｔｈ、Ｂｌｕｅｔｏｏｔｈ Ｌｏｗ Ｅｎｅｒｇｙ（ＢＬＥ）、ＷｉＦｉ、ＬＴＥ、ＺｉｇＢｅｅなど）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、軽量デバイスであり得る。ポータブルは、バッテリ、充電可能バッテリ、および／またはＡＣ電源によって電力供給され得る。ポータブルデバイスは、超小型（例えば、１ミリメートル未満のスケールおよび／もしくは１センチメートル未満のスケール）、ならびに／または小型（例えば、コインサイズ、カードサイズ、ポケットサイズ、もしくはそれ以上）であり得る。ポータブルデバイスは、大型、大きい、および／または嵩高（例えば、設置される重機）であり得る。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／ファイアワイア（Firew1ire）／その他のコネクタを備えるドングル、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、モノのインターネット（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、スマートグラス、スマートミラー、スマートアンテナ、スマートバッテリ、スマート照明、スマートペン、スマートリング、スマートドア、スマート窓、スマートクロック、小バッテリ、スマートウォレット、スマートベルト、スマートハンドバッグ、スマート衣服／衣料品、スマートオーナメント、スマート包装、スマートペーパー／本／雑誌／ポスター／印刷物／看板／ディスプレイ／照明付きシステム／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／ウェアラブル／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／れんが／建物材料／その他の材料、スマートゴミ箱／廃棄物コンテナ、スマートフードキャリッジ／ストレージ、スマートボール／ラケット、スマート椅子／ソファ／ベッド、スマート靴／履物／カーペット／マット／シューラック、スマートグローブ／手袋／リング／ハンドウェア（hand ware）、スマートハット／ヘッドウェア／メイクアップ／ステッカー／タトゥ、スマートミラー、スマートトイ、スマートピル、スマートキッチン用品、スマートボトル／フードコンテナ、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、埋め込みデバイス、インプラント型デバイス、エアコンディショナ、冷蔵庫、ヒーター、暖炉、家具、オーブン、クッキングデバイス、テレビ／セットトップボックス（set-top box：ＳＴＢ）／ＤＶＤプレイヤ／オーディオプレイヤ／ビデオプレイヤ／リモコン、ｈｉ－ｆｉ、オーディオデバイス、スピーカ、ランプ／照明、壁、ドア、窓、ルーフ、ルーフタイル／屋根板／構造／屋根裏構造／デバイス／特徴／設備／作り付け家具、芝刈機／ガーデンツール／庭ツール／工具／ガレージツール／、ゴミ箱／コンテナ、２０フィート／４０フィートコンテナ、ストレージコンテナ、工場／製造／生産デバイス、修理ツール、流体コンテナ、機械、設置される機械、ビークル、カート、ワゴン、倉庫ビークル、自動車、自転車、オートバイ、ボート、大型船、飛行機、バスケット／ボックス／バッグ／バケツ／コンテナ、スマートプレート／カップ／ボウル／ポット／マット／キッチン用品／キッチンツール／キッチンデバイス／キッチンアクセサリ／キャビネット／テーブル／椅子／タイル／照明／送水管／蛇口／ガスレンジ／オーブン／食器洗い機／などであり得る。ポータブルデバイスは、交換可能、交換不可能、充電可能、および／または充電不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、無線で充電できる。ポータブルデバイスは、スマートペイメントカードであり得る。ポータブルデバイスは、駐車場、高速道路、娯楽公園、または支払いが必要なその他の場所／施設で使用されるペイメントカードであり得る。ポータブルデバイスは、上記のように、識別情報（ＩＤ）を有することができる。
イベントは、ＴＳＣＩに基づいてモニタされ得る。イベントは、オブジェクト関連イベント、例えば、オブジェクト（例えば、人および／または病人）の転倒、回転、逡巡、一時停止、衝撃（例えば、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、はえ、テーブル、椅子、ボール、ボーリングボール、テニスボール、フットボール、サッカーボール、野球ボール、バスケットボール、バレーボールなどをたたく人）、ツーボディアクション（例えば、風船を放す人、魚を捕まえる、粘度を成形する、書類を書く、コンピュータでタイピングする人など）、ガレージ内を動く自動車、スマートフォンを持ちながら空港／モール／政府の建物／オフィス／などを歩き回る人、自律的な可動オブジェクト／動き回る機械（例えば、真空掃除機、ユーティリティビークル、自動車、ドローン、自動運転車など）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には、オブジェクト検出、存在検出、オブジェクト認識、オブジェクト検証、ツール検出、ツール認識、ツール検証、機械検出、機械認識、機械検証、人間検出、人間認識、人間検証、乳児検出、乳児認識、乳児検証、人間呼吸検出、動き検出、動き推定、動き検証、周期的動き検出、周期的動き推定、周期的動き検証、定常動き検出、定常動き推定、定常動き検証、周期的定常動き検出、周期的定常動き推定、周期的定常動き検証、過渡的動き検出、過渡的動き推定、過渡的動き検証、トレンド検出、トレンド推定、トレンド検証、呼吸検出、呼吸推定、呼吸推定、人間バイオメトリクス検出、人間バイオメトリクス推定、人間バイオメトリクス検証、環境情報検出、環境情報推定、環境情報検証、歩行検出、歩行推定、歩行検証、ジェスチャー検出、ジェスチャー推定、ジェスチャー検証、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、主コンポーネント分析、固有値分解、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、識別トレーニング、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、突然の動き検出、転倒検出、危険検出、生命の脅威検出、規則的な動き検出、定常動き検出、周期的定常動き検出、侵入検出、不審な動き検出、セキュリティ、安全モニタ、ナビゲーション、ガイダンス、地図による処理、地図による補正、不規則性検出、場所特定、トラッキング、複数のオブジェクトトラッキング、屋内トラッキング、屋内位置、屋内ナビゲーション、電力伝送、無線電力伝送、オブジェクトカウント、パーキングガレージ中での自動車トラッキング、患者検出、患者モニタ、患者検証、無線通信、データ通信、信号放送、ネットワーキング、コーディネーション、管理、暗号化、保護、クラウドコンピューティング、その他の処理および／またはその他のタスクが含まれ得る。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、近くのデバイス、ローカルサーバ、エッジサーバ、クラウドサーバ、および／または他のデバイスによって実施され得る。
タスクの第１の部分には、前処理、信号調整、信号処理、後処理、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、動き変化検出、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、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、ジェスチャー検出、ジェスチャー推定、ジェスチャー認識、速さ検出、速さ推定、オブジェクト場所特定、オブジェクトトラッキング、ナビゲーション、加速推定、加速検出、転倒検出、変化検出、侵入者検出、乳児検出、乳児モニタ、患者モニタ、オブジェクト認識、無線電力伝送、および／または無線充電のうちの少なくとも１つが含まれ得る。
タスクの第２の部分には、スマートホームタスク、スマートオフィスタスク、スマート建物タスク、スマート工場タスク（例えば、機械または組み立てラインを使用する製造）、スマートモノのインターネット（ＩｏＴ）タスク、スマートシステムタスク、スマートホーム動作、スマートオフィス動作、スマート建物動作、スマート製造動作（例えば、資材／部品／原材料を機械／組み立てラインに移動）、ＩｏＴ動作、スマートシステム動作、部屋、領域および／もしくは場所のうちの少なくとも１つにおいて照明をオン、照明をオフ、照明を制御、サウンドクリップを再生、部屋、領域および／もしくは場所のうちの少なくとも１つにおいてサウンドクリップを再生、歓迎、グリーティング、別れ、第１のメッセージ、および／もしくはタスクの第１の部分と関連付けられた第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を再生、部屋、領域および／もしくは場所のうちの少なくとも１つにおいてアプライアンスをオン、アプライアンスをオフ、アプライアンスを制御、部屋、領域および／もしくは場所のうちの少なくとも１つにおいて電気システムをオン、電気システムをオフ、電気システムを制御、部屋、領域および／もしくは場所のうちの少なくとも１つにおいてセキュリティシステムをオン、セキュリティシステムをオフ、セキュリティシステムを制御、部屋、領域および／もしくは場所のうちの少なくとも１つにおいて機械システムをオン、機械システムをオフ、機械システムを制御、ならびに／またはエアコンディショニングシステム、暖房システム、換気システム、照明システム、暖房デバイス、ストーブ、エンタテイメントシステム、ドア、フェンス、窓、ガレージ、コンピュータシステム、ネットワークデバイス、ネットワークシステム、ホームアプライアンス、オフィス機材、照明デバイス、ロボット（例えば、ロボットアーム）、スマートビークル、スマート機械、組み立てライン、スマートデバイス、モノのインターネット（ＩｏＴ）デバイス、スマートホームデバイス、および／もしくはスマートオフィスデバイスのうちの少なくとも１つを制御、のうちの少なくとも１つが含まれ得る。
タスクとしては、ユーザの帰宅を検出、ユーザの外出を検出、ユーザの部屋から部屋への移動を検出、窓／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／日除けを検出／制御／ロック／アンロック／開く／閉じる／部分的に開く、ペットを検出、何かをしているユーザを検出／モニタ（例えば、ソファで寝る、ベッドルームで寝る、トレッドミルで走る、調理する、ソファに座る、ＴＶを観る、キッチンで食事をする、ダイニングルームで食事をする、階上／階下へ行く、外出する／帰宅する、トイレにいるなど）、ユーザ／ペットの場所をモニタ／検出、検出時に自動的に何かをする、ユーザを検出時に自動的にユーザのために何かをする、照明をオン／オフ／薄暗くする、音楽／無線／ホームエンタテイメントシステムをオン／オフ、ＴＶ／ＨｉＦｉ／セットトップボックス（ＳＴＢ）／ホームエンタ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、エアコンディショニングシステムをオン／オフ／調整、換気システムをオン／オフ／調整、暖房システムをオン／オフ／調整、カーテン／照明シェードを調整／制御、コンピュータをオン／オフ／起動、コーヒーメーカ／湯沸かしポットをオン／オフ／予熱／制御、調理器具／オーブン／電子レンジ／別のクッキングデバイスをオン／オフ／制御／予熱、温度をチェック／調整、天気予報をチェック、電話メッセージボックスをチェック、メールをチェック、システムチェックを行う、システムを制御／調整、セキュリティシステム／ベビーモニターをチェック／制御／準備／解除、冷蔵庫をチェック／制御、報告の実施（例えば、Ｇｏｏｇｌｅ ｈｏｍｅ、Ａｍａｚｏｎ Ｅｃｈｏなどのスピーカを通して、ディスプレイ／スクリーン上で、ウェブページ／ｅメール／メッセージシステム／通知システムなどを介して）を挙げてもよい。
例えば、ユーザが自動車で家に着いたとき、タスクは、自動的に、ユーザまたは彼の自動車が接近しているのを検出する、検出するとすぐにガレージドアを開く、ユーザがガレージに近づくとドライブウェイ／ガレージ照明をオンする、エアコンディショナ／ヒーター／ファンをオンする、などをすることであり得る。ユーザが家に入ると、タスクは、自動的に、エントランス照明をオンする、ドライブウェイ／ガレージ照明をオフする、ユーザを歓迎するためにグリーティングメッセージを再生する、音楽をつける、ラジオをつけてユーザの好みのラジオニュースチャンネルに合わせる、カーテン／ブラインドを開ける、ユーザの気分をモニタする、ユーザの気分またはユーザの毎日のカレンダーにある現在の／差し迫ったイベントに応じて照明およびサウンド環境を調整する（例えば、ユーザは、１時間後にガールフレンドとディナーを食べることになっているので、ロマンチックな照明および音楽にする）、ユーザが朝に準備した電子レンジ内の食べ物を温める、家の中のすべてのシステムの診断チェックをする、明日の仕事のために天気予報をチェックする、ユーザの関心のあるニュースをチェックする、ユーザのカレンダーおよびｔｏ－ｄｏリストをチェックしてリマインドする、電話応答システム／メッセージシステム／ｅメールをチェックして対話システム／音声合成を使用して口頭で報告する、（例えば、スピーカ／ＨｉＦｉ／音声合成／音声／声／音楽／歌／音場／背景音場／対話システムなどの可聴ツールを使用して、ＴＶ／エンタ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／照明／色／輝度／パターン／記号などの視覚ツールを使用して、触覚ツール／バーチャルリアリティーツール／ジェスチャー／ツールを使用して、スマートデバイス／アプライアンス／用具／家具／作り付け家具を使用して、ｗｅｂツール／サーバ／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て、メッセージツール／通知ツール／通信ツール／スケジューリングツール／ｅメールを使用して、ユーザインターフェース／ＧＵＩを使用して、香り／匂い／芳香／味を使用して、神経ツール／神経系ツールを使用して、組み合わせを使用して、など）ユーザの母親の誕生日をリマインドして彼女に電話する、（例えば、上述のようにリマインドのためにツールを使用して）報告を準備して報告を実施する、ことであり得る。タスクは、あらかじめエアコンディショナ／ヒーター／換気システムをオンするか、またはあらかじめスマートサーモスタットの温度設定を調整し得る。ユーザがエントランスからリビングルームに移動すると、タスクは、リビングルーム照明をオンする、リビングルームカーテンを開く、窓を開く、ユーザの後ろのエントランス照明をオフする、ＴＶおよびセットトップボックスをオンする、ＴＶをユーザのお気に入りのチャンネルに設定する、ユーザの好みおよび条件／状態に従ってアプライアンスを調整する（例えば、照明を調整し、かつ音楽を選択／再生して、ロマンチックな雰囲気を作る）、などをすることであり得る。
別の例は、以下であり得る。ユーザが朝目覚めると、タスクは、ユーザがベッドルーム内を動いていることを検出する、ブラインド／カーテンを開く、窓を開く、アラームクロックをオフする、夜間温度プロファイルから日中温度プロファイルへと屋内温度を調整する、ベッドルーム照明をオンする、ユーザがレストルームに近づくとレストルーム照明をオンする、無線またはストリーミングチャネルをチェックして朝のニュースを再生する、コーヒーメーカをオンして水を予熱する、セキュリティシステムをオフする、などをすることであり得る。ユーザがベッドルームからキッチンへ歩いているとき、タスクは、キッチンおよび廊下の照明をオンする、ベッドルームおよびレストルームの照明をオフする、ベッドルームからキッチンに音楽／メッセージ／リマインダーを移動する、キッチンのＴＶをオンする、ＴＶを朝のニュースチャンネルに変える、キッチンのブラインドを下げてキッチンの窓を開け新鮮な空気を入れる、ユーザが裏庭をチェックするために裏口をアンロックする、キッチンの温度設定を調整する、などをすることであり得る。別の例は、以下であり得る。ユーザが仕事のために家を出ると、タスクは、ユーザの外出を検出する、送別および／またはいってらっしゃいメッセージを再生する、ガレージドアを開く／閉じる、ガレージ照明およびドライブウェイ照明をオンする／オフする、エネルギ節約のために照明をオフする／薄暗くする（万が一ユーザが忘れている場合）、すべての窓／ドアを閉じる／ロックする（万が一ユーザが忘れている場合）、アプライアンスをオフする（特に、ストーブ、オーブン、電子レンジ）、侵入者に対して家を守るためにホームセキュリティシステムをオンする／装備する、エネルギ節約のために、エアコンディショニング／暖房／換気システムを「外出中」プロファイルに調整する、ユーザのスマートフォンにアラート／レポート／アップデートを送信する、などをすることであり得る。
動きには、動きなし、静止の動き、動かない動き、決定論的動き、過渡的動き、転倒の動き、繰り返しの動き、周期的動き、疑似の周期的動き、呼吸と関連付けられた周期的動き、心拍と関連付けられた周期的動き、生物と関連付けられた周期的動き、機械と関連付けられた周期的動き、人工物と関連付けられた周期的動き、自然と関連付けられた周期的動き、過渡的要素および周期的要素を含む複雑な動き、反復性の動き、非決定論的動き、確率論的動き、無秩序な動き、ランダム動き、非決定論的要素および決定論的要素を含む複雑な動き、定常ランダム動き、疑似定常ランダム動き、周期的定常ランダム動き、非定常ランダム動き、周期的自己相関関数（autocorrelation function：ＡＣＦ）による定常ランダム動き、ある期間にわたる周期的ＡＣＦによるランダム動き、ある期間にわたって疑似定常であるランダム動き、瞬間ＡＣＦがある期間にわたって疑似の周期的要素を有するランダム動き、機械の動き、機械的な動き、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、気象関連の動き、水関連の動き、流体関連の動き、地面関連の動き、電磁気特徴の変化、地表下の動き、地震の動き、植物の動き、動物の動き、人間の動き、通常の動き、異常な動き、危険な動き、警告の動き、不審な動き、雨、火、洪水、津波、爆発、衝突、差し迫った衝突、人体の動き、頭の動き、顔の動き、眼の動き、口の動き、舌の動き、首の動き、指の動き、手の動き、腕の動き、肩の動き、体の動き、胸の動き、腹部の動き、腰の動き、脚の動き、足の動き、体の関節の動き、膝の動き、肘の動き、上半身の動き、下半身の動き、皮膚の動き、皮膚下の動き、皮下組織の動き、血管の動き、静脈内の動き、臓器の動き、心臓の動き、肺の動き、胃の動き、腸の動き、はらわたの動き、摂食の動き、呼吸の動き、顔の表情、眼の表情、口の表情、会話の動き、歌唱の動き、摂食の動き、ジェスチャー、手のジェスチャー、腕のジェスチャー、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のジェスチャー、人と機械の相互作用、歩行、ダンス運動、協調運動、ならびに／または協調身体運動のうちの少なくとも１つが含まれ得る。タイプ１デバイスおよび／または任意のタイプ２受信器の異種ＩＣは、低ノイズアンプ（ＬＮＡ）、パワーアンプ、送受信スイッチ、媒体アクセスコントローラ、ベースバンド無線、２．４ＧＨｚ無線、３．６５ＧＨｚ無線、４．９ＧＨｚ無線、５ＧＨｚ無線、５．９ＧＨｚ無線、６ＧＨｚ未満無線、６０ＧＨｚ未満無線、および／または別の無線を含み得る。
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するようにメモリ中に格納された命令セットと、を備えることができる。ＩＣおよび／または任意のプロセッサには、汎用プロセッサ、専用プロセッサ、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、中央処理装置（central processing unit：ＣＰＵ）、グラフィカルプロセッサユニット（graphical processor unit：ＧＰＵ）、デジタル信号プロセッサ（digital signal processor：ＤＳＰ）、特定用途向け集積回路（application specific integrated circuit：ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（field programmable gate array：ＦＰＧＡ）、組込みプロセッサ（例えば、ＡＲＭ）、論理回路、その他のプログラマブルロジックデバイス、個別論理、および／または組み合わせのうちの少なくとも１つが含まれ得る。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（wireless local area network：ＷＬＡＮ）、ワイドエリアネットワーク（wide area network：ＷＡＮ）、およびメトロポリタンエリアネットワーク（metropolitan area network：ＭＡＮ）、ＷＬＡＮ規格、ＷｉＦｉ、ＬＴＥ、８０２．１１規格、８０２．１１ａ、８０２．１１ｂ、８０２．１１ｇ、８０２．１１ｎ、８０２．１１ａｃ、８０２．１１ａｄ、８０２．１１ａｆ、８０２，１１ａｈ、８０２．１１ａｘ、８０２．１１ａｙ、メッシュネットワーク規格、８０２．１５規格、８０２．１６規格、セルラーネットワーク規格、３Ｇ、３．５Ｇ、４Ｇ、４Ｇ超、４．５Ｇ、５Ｇ、６Ｇ、７Ｇ、８Ｇ、９Ｇ、Ｂｌｕｅｔｏｏｔｈ、Ｂｌｕｅｔｏｏｔｈ Ｌｏｗ－Ｅｎｅｒｇｙ（ＢＬＥ）、Ｚｉｇｂｅｅ、ＷｉＭａｘ、および／または別の無線ネットワークプロトコルをサポートし得る。プロセッサは、汎用プロセッサ、専用プロセッサ、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、デジタル信号プロセッサ、中央処理装置（ＣＰＵ）、グラフィカルプロセッシングユニット（ＧＰＵ）、マルチプロセッサ、マルチコアプロセッサ、および／またはグラフィック機能を備えたプロセッサ、および／または組み合わせを含み得る。メモリは、揮発性、不揮発性、ランダムアクセスメモリ（random access memory：ＲＡＭ）、読み取り専用メモリ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ：ＲＯＭ）、電気的プログラマブルＲＯＭ（Electrically Programmable ROM：ＥＰＲＯＭ）、電気的消去可能プログラマブルＲＯＭ（Electrically Erasable Programmable ROM：ＥＥＰＲＯＭ）、ハードディスク、フラッシュメモリ、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、磁気ストレージ、光ストレージ、有機ストレージ、ストレージシステム、ストレージネットワーク、ネットワークストレージ、クラウドストレージ、エッジストレージ、ローカルストレージ、外部ストレージ、内部ストレージ、またはその他の形態の当該技術分野において既知の非一過性のストレージメディアであり得る。方法ステップに対応する命令セット（機械実行可能コード）は、ハードウェア中、ソフトウェア中、ファームウェア中、またはこれらの組み合わせ中に直接埋め込まれ得る。命令セットは、埋め込まれ、事前にロードされ、起動時にロードされ、オンザフライでロードされ、要望に応じてロードされ、事前にインストールされ、インストールされ、および／またはダウンロードされ得る。プレゼンテーションは、視聴覚的方法、グラフィカルな方法（例えば、ＧＵＩを使用した）、テキストの方法、記号の方法、または機械的方法によるプレゼンテーションであり得る。
基本的計算
本方法と関連付けられた計算作業負荷は、プロセッサ、タイプ１異種無線デバイス、タイプ２異種無線デバイス、ローカルサーバ、クラウドサーバ、および別のプロセッサ間で共有される。動作、前処理、処理、および／または後処理をデータ（例えば、ＴＳＣＩ、自己相関）に適用できる。動作は、前処理、処理、および／または後処理であり得る。前処理、処理、および／または後処理は、動作であり得る。動作には、前処理、処理、後処理、オペランド関数の計算、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、折畳み、グループ化、エネルギ消費、低域フィルタリング、帯域フィルタリング、高域フィルタリング、メジアンフィルタリング、ランクフィルタリング、四分位数フィルタリング、百分位数フィルタリング、モードフィルタリング、有限インパルス応答（finite impulse response：ＦＩＲ）フィルタリング、無限インパルス応答（infinite impulse response：ＩＩＲ）フィルタリング、移動平均（moving average：ＭＡ）フィルタリング、自己回帰（autoregressive：ＡＲ）フィルタリング、自己回帰移動平均（filtering,autoregressive moving averaging：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、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、時間軸補正、位相補正、大きさ補正、相クリーニング、大きさクリーニング、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、平滑化、信号調整、エンハンスメント、復元、スペクトル分析、線形変換、非線形変換、周波数変換、逆周波数変換、フーリエ変換、ウェーブレット変換、ラプラス変換、ヒルベルト変換、アダマール変換、三角関数変換、サイン変換、コサイン変換、２のべき乗変換、スパース変換、グラフベース変換（graph-based transform）、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、循環パディング（cyclic padding）、パディング、ゼロパディング、特徴抽出、分解、射影、正射影、非正射影、オーバーコンプリート射影（over-complete projection）、固有値分解、特異値分解（singular value decomposition：ＳＶＤ）、主コンポーネント分析（principle component analysis：ＰＣＡ）、独立コンポーネント分析（independent component analysis：ＩＣＡ）、グループ化、ソート、閾値法、ソフト閾値法、ハード閾値法、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、除算、加算、減算、積分、最大化、最小化、極大化、極小化、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、訓練、クラスタリング、機械学習、教師あり学習、教師なし学習、半教師あり学習、別のＴＳＣＩとの比較、類似性スコアの計算、量子化、ベクトル量子化、マッチングトラッキング、圧縮、暗号化、コーディング、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、リマッピング、拡張、記憶、取り返す、送信、受信、表現、マージ、結合、分割、トラッキング、モニタ、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、内挿、外挿、重点サンプリング、モンテカルロサンプリング、圧縮センシング、表現、マージ、結合、分割、スクランブリング、誤り保護、前方誤り訂正、何もしない、経時変化処理、調整平均、加重平均、算術平均、幾何平均、調和平均、選択された周波数での平均、アンテナリンクでの平均、論理演算、置換、組み合わせ、ソート、ＡＮＤ、ＯＲ、ＸＯＲ、和集合、論理積、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、および／または別の動作が含まれ得る。動作は、前処理、処理、および／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に連帯的に適用され得る。
関数（例えば、オペランド関数）には、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、特徴、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、代数関数、非線形関数、区分線形関数、実関数、複素関数、ベクトル値関数、逆関数、関数の微分、関数の積分、円関数、別の関数の関数、１対１関数、１対多関数、多対１関数、多対多関数、ゼロ交差、絶対値関数、指示関数、平均、最頻値、メジアン、範囲、統計、分散、算術平均、幾何平均、調和平均、トリムド平均、百分位数、平方、立方、根、累乗、サイン、コサイン、タンジェント、コタンジェント、正割、余割、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、閾値法、制限関数、床関数、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（例えば、フィルタリング）で処理された時間関数、確率論的関数、確率関数、ランダム関数、エルゴード関数、定常関数、確定関数、周期関数、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、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、スパース変換、射影、分解、主コンポーネント分析（ＰＣＡ）、独立コンポーネント分析（ＩＣＡ）、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関数、フィルタリング関数、畳み込み、平均関数、分散関数、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、マッチングトラッキング、スパース変換、スパース近似、任意分解、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、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、ノイズ除去、信号強調、コーディング、暗号化、マッピング、リマッピング、ベクトル量子化、低域フィルタリング、高域フィルタリング、帯域フィルタリング、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、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、適応フィルタリング、一次微分、高次微分、積分、ゼロ交差、平滑化、メジ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、アップサンプリング、補間、外挿、重点サンプリング、モンテカルロサンプリング、圧縮センシング、統計、短期統計、長期統計、平均、分散、自己相関関数、相互相関、積率母関数、時間平均化、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、整関数、ガウス関数、ポアソン関数などが含まれ得る。
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、分散コンピューティング、分散ストレージ、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した加速は、本開示のステップ（または各ステップ）に適用され得る。周波数変換としては、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、ゼロパディングおよび変換の組み合わせ、ゼロパディング付きフーリエ変換、ならびに／または別の変換が挙げられ得る。変換の高速バージョンおよび／または近似バージョンが実施され得る。変換は、浮動小数点演算および／または固定小数点演算を使用して実施され得る。逆周波数変換としては、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、ゼロパディングおよび変換の組み合わせ、ゼロパディング付き逆フーリエ変換、ならびに／または別の変換が挙げられ得る。変換の高速バージョンおよび／または近似バージョンが実施され得る。変換は、浮動小数点演算および／または固定小数点演算を使用して実施され得る。
ＴＳＣＩからの量を計算することができる。量は、動き、場所、地図座標、高さ、速さ、加速度、運動角度、回転、サイズ、体積、時間的傾向、時間的傾向、時間プロファイル、周期的動き、頻度、過渡的、呼吸、歩行、アクション、イベント、不審なイベント、危険なイベント、警報イベント、警告、信念、近接、衝突、電力、信号、信号電力、信号強度、受信信号強度インジケータ（received signal strength indicator：ＲＳＳＩ）、信号振幅、信号位相、信号周波数コンポーネント、信号周波数帯域コンポーネント、チャネル状態情報（ＣＳＩ）、地図、時間、周波数、時間周波数、分解、直交分解、非直交分解、トラッキング、呼吸、心拍、バイオメトリクス、乳児、患者、機械、デバイス、温度、ビークル、駐車場、場所、リフト、エレベーター、空間、道路、流体の流れ、家庭、部屋、オフィス、家、建物、倉庫、ストレージ、システム、換気、ファン、パイプ、ダクト、人々、人間、自動車、ボート、トラック、飛行機、ドローン、ダウンタウン、群衆、衝撃的イベント、周期的定常、環境、振動、材料、表面、３次元、２次元、ローカル、グローバル、存在、および／または別のもののうちの少なくとも１つの統計を含み得る。
スライディング窓／アルゴリズム
スライディング時間窓は、経時変化窓幅を有し得る。高速に取得できるように初めは小さくてもよく、時間の経過と共に定常状態サイズまで増加することができる。定常状態サイズは、モニタされる周波数、繰り返しの動き、過渡的運動、および／または時空間情報に関し得る。定常状態であっても、窓サイズは、電池寿命、電力消費、利用可能な計算力、ターゲットの量の変化、モニタされる動きの性質などに基づいて、適応的に変化され得る。隣接する時間インスタンスでの２つのスライディング時間窓間のタイムシフトは、時間の経過と共に、一定／変更可能／局所的に適応的であり得る。より短いタイムシフトが使用される場合、任意のモニタの更新をより頻繁になってもよく、これは、高速に変化する状況、オブジェクトの動き、および／またはオブジェクトに使用され得る。より長いタイムシフトは、より遅い状況、オブジェクトの動き、および／またはオブジェクトに使用され得る。窓幅／サイズおよび／またはタイムシフトは、ユーザの要求／選択に応じて変更されてもよい。タイムシフトは、自動的に（例えば、プロセッサ／コンピュータ／サーバ／クラウドサーバによって制御される）および／または適応的に変更されてもよい。
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、周波数領域関数、周波数変換）の少なくとも１つの特徴が（例えば、オブジェクトトラッキングサーバ、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、および／または別のデバイスによって）決定され得る。関数の少なくとも１つの特徴としては、極大値、極小値、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番目の局所的極値、負の時間オフセットを有する局所的極値、負の時間オフセットを有する第１の局所的極値、負の時間オフセットを有するｎ番目の局所的極値、制約付き（制約内の引数を有する）最大、最小、制約付き最大、制約付き最小、制約付き極値、傾き、微分、高次微分、最大傾き、最小傾き、極大値傾き、正の時間オフセットを有する極大値傾き、極小値傾き、制約付き最大傾き、制約付き最小傾き、最大高次微分、最小高次微分、制約付き高次微分、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、制約付きゼロ交差、傾きのゼロ交差、高次微分のゼロ交差、および／または別の特徴が挙げられる。関数の少なくとも１つの特徴と関連付けられた、関数の少なくとも１つの引数を識別することができる。いくらかの量（オブジェクトの例えば、時空間情報）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。
特徴（例えば、場所内のオブジェクトの動きの特徴）は、瞬時特徴、短期特徴、反復特徴、繰り返し特徴、履歴、増分特徴、変動特徴、偏差特徴、位相、大きさ、時間特徴、周波数特徴、時間周波数特徴、分解特徴、直交分解特徴、非直交分解特徴、決定論的特徴、確率論的特徴、確率的特徴、自己相関関数（ＡＣＦ）、平均、分散、統計、持続時間、タイミング、傾向、周期的特徴、長期特徴、履歴特徴、平均特徴、現在の特徴、過去の特徴、将来特徴、予測特徴、場所、距離、高さ、速さ、方向、速度、加速度、加速度の変化、角度、角速さ、角速度、オブジェクトの角加速度、角加速度の変化、オブジェクトの配向、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、オブジェクトのサイズの変化、オブジェクトの構造の変化、および／またはオブジェクトの特徴の変化のうちの少なくとも１つを含み得る。
関数の少なくとも１つの極大値および少なくとも１つの極小値を識別することができる。少なくとも１つの局所的信号対雑音比様（local signal-to-noise-ratio-like）（ＳＮＲ様）パラメータは、隣接する極大値および極小値の各対について計算され得る。ＳＮＲ様パラメータは、極小値と同一の量である極大値の量（例えば、電力、大きさなど）の分数の関数（例えば、線形、ｌｏｇ、指数関数、単調関数）であり得る。これはまた、極大値の量と同一量の極小値の量との間の差の関数でもあり得る。
有意な局所的ピークを識別または選択することができる。各有意な局所的ピークは、閾値Ｔ１より大きいＳＮＲ様パラメータの極大値および／または閾値Ｔ２より大きい振幅の極大値であり得る。永続性系アプローチを使用して、周波数領域における少なくとも１つの極小値および少なくとも１つの極小値を識別／計算することができる。選択された有意な局所的ピークのセットは、選択基準に基づいて、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。オブジェクトの特徴／時空間情報は、選択された有意な局所的ピークのセットと関連付けられた、選択された有意な局所的ピークおよび周波数値のセットに基づいて計算され得る。
一実施例では、選択基準は常に、ある範囲内で最強のピークを選択するように対応し得る。最強のピークが選択され得るが、選択されていないピークは、依然として有意（かなり強い）であり得る。選択されていない有意なピークは、将来のスライディング時間窓内において将来の選択に使用するための、「確保された」ピークとして格納および／またはモニタされ得る。一例として、特定のピーク（特定の周波数にて）が、時間の経過と共に、均一に現れる場合がある。最初は、有意であるが選択されない場合がある（その他のピークが強い場合があるため）。しかし、後になって、ピークは、より強くより支配的になる場合があり、選択される場合がある。「選択された」状態になると、時間的に後戻りして、有意であるが選択されなかった場合に早くから「選択された」状態になり得る。かかる場合、後戻りしたピークは、早くに以前に選択されたピークで置き換わる場合がある。置き換えられたピークは、比較的弱いか、または、時間的に孤立して現れるピークである場合がある（すなわち、時間的に短時間だけ現れる）。別の実施例では、選択基準は、ある範囲内で最強のピークを選択するよう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、ピークの「痕跡」を考慮する場合があり、このピークは、過去に起きたことがあるピーク、特に長期間識別されていたピークである。例えば、有限状態機械（finite state machine：ＦＳＭ）が使用される場合、ＦＳＭの状態に基づいてピーク(単数または複数)を選択することができる。決定閾値は、ＦＳＭの状態に基づいて、適応的に計算することができる。
ＴＳＣＩの一次的に隣接するＣＩの対に基づいて、類似性スコアおよび／またはコンポーネント類似性スコアを（例えば、サーバ、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、および／または別のデバイスによって、）計算することができる。この対は、同一のスライディング窓または２つの異なるスライディング窓由来であり得る。類似性スコアはまた、２つの異なるＴＳＣＩからの、一時的に隣接するまたは隣接しないＣＩの対に基づき得る。類似性スコアおよび／またはコンポーネント類似スコアは、時間反転共鳴強度（time reversal resonating strength：ＴＲＲＳ）、相関、相互相関、自己相関、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、統計的特徴、判別スコア、メトリック、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、判別、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、タイミング補償、位相オフセット補償、変換、コンポーネント毎の演算、特徴抽出、有限状態機械、および／または別のスコアであり得る／を含み得る。特徴および／または時空間情報は、類似性スコアに基づいて決定／計算することができる。任意の閾値は、事前に決定され得る、適応的に決定され得る、および／または有限状態機械によって決定され得る。適応決定は、時間、空間、場所、アンテナ、パス、リンク、状態、電池寿命、残りの電池寿命、利用可能な電力、利用可能な計算リソース、利用可能なネットワーク帯域幅などに基づき得る。２つのイベント（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およびＢを区別するために試験統計量に適用される閾値が決定され得る。データ（例えば、ＣＩ、チャネル状態情報（ＣＳＩ））は、訓練状況においてＡの下および／またはＢの下で収集され得る。試験統計量は、データに基づいて計算され得る。Ａの下の試験統計量の分布は、Ｂの下の試験統計量の分布と比較され得、閾値は、いくつかの判定基準に基づいて選択され得る。判定基準は、最尤法（maximum likelihood：ＭＬ）、最大事後確率推定法（maximum aposterior probability：ＭＡＰ）、識別訓練、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、および／またはその他の判定基準を含み得る。閾値は、Ａ、Ｂ、および／または別のイベント／条件／状況／状態に対して異なる感度を得るために調整され得る。閾値調整は、自動、半自動、および／または手動であり得る。閾値調整は、一度、時々、しばしば、定期的に、たまに、時折、および／または要望に応じて適用できる。閾値調整は、適応性であり得る。閾値調整は、オブジェクト、場所内の／場所での／場所のオブジェクトの運動／場所／方向／アクション、オブジェクトの特徴／時空間情報／サイズ／プロパティ／習性／習慣／行動、場所、フィーチャ／作り付け家具／家具／バリア／材料／機械／生き物／物／オブジェクト／境界／表面／媒体、地図、地図の制約、イベント／状態／状況／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、および／または個人的な好みなどに依存し得る。
繰り返しアルゴリズムの停止基準は、繰り返し中の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、または別の数字であり得る。閾値は、適応性であり得る。繰り返しが進むにつれて変化することがある。オフセット値について、適応閾値は、タスク、第１の時間の特定の値、現在の時間オフセット値、回帰窓、回帰分析、回帰関数、回帰誤差、回帰関数の凸性、および／または繰り返し数に基づいて決定され得る。局所的極値は、回帰窓における回帰関数の対応する極値として決定され得る。局所的極値は、回帰窓内の時間オフセット値のセットおよ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と関連付けられた関連する回帰関数値のセットの各々は、回帰窓内の回帰関数の対応する極値からの範囲内であり得る。
局所的極値の探索には、ロバスト探索、最小化、最大化、最適化、統計的最適化、二重最適化、制約最適化、凸最適化、大局的最適化、局所的最適化、エネルギ最小化、線形回帰、二次回帰、高次回帰、線形計画法、非線形計画法、確率的計画法、組合せ最適化、制約プログラミング、制約充足、変分法、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、離接計画法、空間マッピング、無限次元最適化、ヒューリスティックス、メタヒューリスティックス、凸計画法、半正定値計画法、錐線形計画法、錐計画法、整数計画法、二次計画法、分数計画法、数値解析、シンプレックスアルゴリズム、反復法、勾配降下法、劣勾配法、座標降下法、共役勾配法、ニュートンアルゴリズム、逐次二次計画法、内点法、楕円体法、縮小勾配法、準ニュートン方法、同時摂動確率近似、内挿法、パターン探索法、直線探索、微分不可能最適化、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、焼きなまし法、ミメティックアルゴリズム、差分進化、動的緩和、確率論的トンネリング、タブー探索法、反応探索最適化（reactive search optimization）、曲線あてはめ、最小二乗法、シミュレーションに基づく最適化、変分法、および／または変形が含まれ得る。局所的極値の探索は、目的関数、損失関数、コスト関数、効用関数、適合関数、エネルギ関数、および／またはエネルギ関数と関連付けられ得る。回帰は、サンプリングされたデータ（例えば、ＣＩ、ＣＩの特徴、ＣＩのコンポーネント）または回帰窓内の別の関数（例えば、自己相関関数）に適合するように回帰関数を使用して実施され得る。少なくとも１回の繰り返しにおいて、回帰窓の長さおよび／または回帰窓の場所は、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、および／または別の関数であり得る。
回帰分析は、絶対誤差、二乗誤差、高次誤差（例えば、三次、四次など）、ロバスト誤差（例えば、誤差の大きさが小さい場合は二乗誤差、誤差の大きさが大きい場合は絶対誤差、または誤差の大きさが小さい場合は第１種誤差、誤差の大きさが大きい場合は第２種誤差）、別の誤差、絶対誤差の加重和（例えば、複数のアンテナを有する無線送信器および複数のアンテナを有する無線受信器について、送信器アンテナおよび受信器アンテナの各対がリンクを形成する。異なるリンクと関連付けられた誤差は、異なる重みを有し得る。１つの可能性としては、大きなノイズを有するいくつかのリンクおよび／またはいくつかのコンポーネントが、より小さいかまたはより大きい重みを有し得る。）、加重平方和誤差、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、加重平方和コスト、高次コストの加重和、ロバストコストの加重和、および／または別のコストの加重和を最小化し得る。
決定された回帰誤差は、絶対誤差、二乗誤差、高次誤差、ロバスト誤差、更に別の誤差、絶対誤差の加重和、加重平方和誤差、高次誤差の加重和、ロバスト誤差の加重和、および／または更に別の誤差の加重和であり得る。回帰窓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）と関連付けられた時間オフセットは、繰り返し中に更新された現在の時間オフセットであり得る。局所的極値は、２つの異なる誤差の差（例えば、絶対誤差と二乗誤差との差）を含む量に基づいて探索され得る。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、加重平方和誤差、高次誤差の加重和、ロバスト誤差の加重和、および／または別の誤差の加重和であり得る。量は、Ｆ分布、中心Ｆ分布、別の統計的分布、閾値、確率と関連付けられた閾値、誤ったピークを見つける確率と関連付けられた閾値、Ｆ分布と関連付けられた閾値、中心Ｆ分布と関連付けられた閾値、および／または別の統計的分布と関連付けられた閾値と比較され得る。
回帰窓は、オブジェクトの運動、オブジェクトと関連付けられた量、オブジェクトの運動と関連付けられたオブジェクトの少なくとも１つの特徴および／もしくは時空間情報、局所的極値の推定場所、雑音特徴、推定ノイズ特徴、Ｆ分布、中心Ｆ分布、別の統計的分布、閾値、事前設定閾値、確率と関連付けられた閾値、所望の確率と関連付けられた閾値、誤ったピークを見つける確率と関連付けられた閾値、Ｆ分布と関連付けられた閾値、中心Ｆ分布と関連付けられた閾値、別の統計的分布と関連付けられた閾値、窓中心での量が回帰窓内で最大であるという条件、窓中心での量が回帰窓内で最大であるという条件、回帰窓、別の回帰窓内の第１の時間の特定の値について、特定の関数の局所的極値のうちの１つのみがあるという条件、ならびに／または別の条件のうちの少なくとも１つに基づいて決定され得る。回帰窓の幅は、探索されるはずの特定の局所的極値に基づいて決定され得る。局所的極値は、第１の極大値、第２の極大値、高次の極大値、正の時間オフセット値を有する第１の極大値、正の時間オフセット値を有する第２の極大値、正の時間オフセット値を有するより高い極大値、負の時間オフセット値を有する第１の極大値、負の時間オフセット値を有する第２の極大値、負の時間オフセット値を有するより高い極大値、第１の極小値、第２の極小値、より高い極小値、正の時間オフセット値を有する第１の極小値、正の時間オフセット値を有する第２の極小値、正の時間オフセット値を有するより高い極小値、負の時間オフセット値を有する第１の極小値、負の時間オフセット値を有する第２の極小値、負の時間オフセット値を有するより高い極小値、第１の局所的極値、第２の局所的極値、より高い局所的極値、正の時間オフセット値を有する第１の局所的極値、正の時間オフセット値を有する第２の局所的極値、正の時間オフセット値を有するより高い局所的極値、負の時間オフセット値を有する第１の局所的極値、負の時間オフセット値を有する第２の局所的極値、および／または負の時間オフセット値を有するより高い局所的極値を含み得る。
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、ターゲットプロファイル、傾向、過去の傾向、現在の傾向、ターゲット速さ、速さプロファイル、ターゲット速さプロファイル、過去の速さ傾向、オブジェクトの運動、オブジェクトの運動と関連付けられたオブジェクトの少なくとも１つの特徴および／もしくは時空間情報、オブジェクトの位置量、オブジェクトの運動と関連付けられたオブジェクトの初速度、既定義値、回帰窓の初期幅、持続時間、信号の搬送周波数に基づく値、信号の帯域幅、チャネルと関連付けられたアンテナ量、ノイズ特徴、ならびに／または適応値に基づいて初期化され得る。現在の時間オフセットは、回帰窓の中央、左側、右側、および／または別の固定の相対場所であり得る。
プレゼンテーションでは、情報は、場所の地図に表示され得る。情報には、場所、ゾーン、領域、エリア、修正された場所、おおよその場所、場所の地図に関する場所、場所のセグメンテーションに関する場所、方向、パス、地図および／またはセグメンテーションに関するパス、小道（例えば、過去５秒、または過去１０秒などの時間窓内の場所、時間窓持続時間は、適応的に調整され得る、時間窓持続時間は、速さ、加速度などに関して適応的に調整され得る）、パスの履歴、パスに沿ったおおよその領域／ゾーン、過去の場所の履歴／サマリー、関心のある過去の場所の履歴、頻繁に訪れるエリア、顧客のトラフィック、群衆の分布、群衆の行動、群衆の制御情報、速さ、加速度、動き統計、呼吸数、心拍数、動きの存在／不在、人々の存在／不在、バイタルサインの存在／不在、ジェスチャー、ジェスチャー制御（ジェスチャーを使用するデバイスの制御）、場所に基づくジェスチャー制御、場所に基づく動作の情報、関係するオブジェクトの識別情報（ＩＤ）（例えば、ペット、人、自動運転機械／デバイス、ビークル、ドローン、自動車、ボート、自転車、自動運転ビークル、ファン付き機械、エアコンディショナ、ＴＶ、可動部を有する機械）、ユーザ（例えば、人）の識別、ユーザの情報、ユーザの場所／速さ／加速度／方向／動き／ジェスチャー／ジェスチャー制御／動きトラッキング、ユーザのＩＤ、ユーザの活動、ユーザの状態、ユーザの睡眠／休息特徴、ユーザの感情状態、ユーザのバイタルサイン、場所の環境情報、場所の天気情報、地震、爆発、嵐、雨、火、温度、衝突、衝撃、振動、イベント、ドアオープンイベント、ドアクローズイベント、窓オープンイベント、窓クローズイベント、転倒イベント、バーニングイベント、フリージングイベント、水関連のイベント、風関連のイベント、空気運動イベント、事故イベント、疑似の周期的イベント（例えば、トレッドミルでのランニング、上下ジャンプ、縄跳び、宙返りなど）、群衆イベント、ビークルイベント、ユーザのジェスチャー（例えば、手のジェスチャー、腕のジェスチャー、足のジェスチャー、脚のジェスチャー、体のジェスチャー、頭のジェスチャー、顔のジェスチャー、口のジェスチャー、眼のジェスチャーなど）が含まれ得る。
場所は、２次元（例えば、２次元座標による）、３次元（例えば、３次元座標による）であり得る。場所は、相対的（例えば、地図に関する）、または関係的（例えば、点Ａと点Ｂとの間の中間点、コーナーの周り、階段の上、テーブルの上、天井にて、フロアの上、ソファの上、点Ａの近く、点Ａからの距離Ｒ、点Ａから半径Ｒの範囲内、など）であり得る。場所は、直交座標、極座標、および／または別の表現で表示され得る。情報（例えば、場所）は、少なくとも１つの記号でマークされ得る。記号は、経時変化し得る。記号は、色／強度を変えながらまたは変えずに、点滅および／または振動し得る。サイズは、時間の経過と共に変化し得る。記号の配向は、時間の経過と共に変化し得る。記号は、瞬間の量（例えば、ユーザのバイタルサイン／呼吸数／心拍数／ジェスチャー／状態／ステータス／アクション／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／機械のステータス、デバイスの残電力、デバイスのステータスなど）を反映する数字であり得る。変化率、サイズ、配向、色、強度、および／または記号は、それぞれの動きを反映し得る。情報は、視覚的に表示および／または（例えば、事前に録音された音声、または音声合成を使用して）口頭で説明され得る。情報は、テキストで記載され得る。情報はまた、機械的な方法（例えば、アニメーション化ガジェット、可動部の運動）で表示され得る。
ユーザインターフェース（user-interface：ＵＩ）デバイスは、スマートフォン（例えば、ｉＰｈｏｎｅ、Ａｎｄｒｏｉｄフォン）、タブレット（例えば、ｉＰａｄ）、ラップトップ（例えば、ノートブックコンピュータ）、パーソナルコンピュータ（personal computer：ＰＣ）、グラフィカルユーザインターフェース（graphical user interface：ＧＵＩ）を有するデバイス、スマートスピーカ、ボイス／オーディオ／スピーカ機能を有するデバイス、バーチャルリアリティー（ＶＲ）デバイス、拡張現実感（augmented reality：ＡＲ）デバイス、スマートカー、車内ディスプレイ、ボイスアシスタント、車内ボイスアシスタントなどであり得る。地図は、２次元、３次元、および／または高次元であり得る。（例えば、経時変化２Ｄ／３Ｄ地図）壁、窓、ドア、入口、出口、禁止エリアが地図上にマークされ得る。地図は、施設の間取り図を含み得る。地図は、１つ以上の層（オーバーレイ）を有し得る。地図は、送水管、ガスパイプ、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、および／または地下レイアウトを含むメンテナンス地図であり得る。場所は、複数のゾーン、例えば、ベッドルーム、リビングルーム、ストレージルーム、通路、キッチン、ダイニングルーム、ロビー、ガレージ、１階、２階、トイレ、オフィス、会議室、レセプションエリア、様々なオフィスエリア、様々な倉庫領域、様々な施設エリアなどに分けられてもよい。セグメント／領域／エリアは、地図中に表示され得る。異なる領域は、色分けすることができる。異なる領域は、特徴（例えば、色、明るさ、色の濃さ、質感、アニメーション、点滅、点滅速度など）とともに提示され得る。場所の論理的な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、またはクラウドサーバなどを使用して、行われ得る。
これは、開示されたシステム、装置、および方法の例である。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にある２０００平方フィートの２階建てタウンハウスにて動き検出をしたいと考えている。彼の家は２階建てなので、ステファンは、１階で１つのタイプ２デバイス（Ａと名付けた）および２つのタイプ１デバイス（ＢおよびＣと名付けた）を使用すると決めた。彼の家の１階には、主に３つの部屋がある。キッチン、ダイニングルーム、およびリビングルームがまっすぐに並び、ダイニングルームが真ん中にある。キッチンおよびリビングルームは、家の両端にある。彼は、ダイニングルームにタイプ２デバイス（Ａ）を置き、キッチンに１つのタイプ１デバイス（Ｂ）、リビングルームに他のタイプ１デバイス（Ｃ）を置いた。デバイスをこのように配置することで、彼は、動き検出システムを使用して、実用的上、１階を３ゾーン（ダイニングルーム、リビングルーム、およびキッチン）に仕切っている。動きがＡＢ対およびＡＣ対によって検出されると、システムは、動き情報を分析して、動きを３つのゾーンのうちの１つに関連付けるだろう。
ステファンと彼の家族が（例えば、長い週末休みにキャンプに行くために）週末に外出する際、ステファンは、モバイルフォンアプリ（例えば、ＡｎｄｒｏｉｄフォンアプリまたはｉＰｈｏｎｅアプリ）を使用して、動き検出システムをオンにする。システムが動きを検出すると、警告信号がステファンに送信される（例えば、ＳＭＳテキストメッセージ、ｅメール、モバイルフォンアプリへのプッシュメッセージなど）。ステファンが月額料金（例えば、１０ドル／月）を払えば、サービス会社（例えば、セキュリティ会社）がワイヤードネットワーク（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）を介して警告信号を受信し、ステファンのためにセキュリティ手順を実施する（例えば、問題を確認するために彼に電話する、家の中をチェックするために誰かを送る、ステファンの代わりに警察に連絡するなど）。ステファンは、彼の年老いた母親を愛しており、彼女が家で１人でいるときの彼女の幸福について気にかけている。母親が１人でおり、残りの家族が外出しているとき（例えば、仕事もしくは買い物に行く、または休暇に行く）、ステファンは、母親が無事かを確認するために、彼のモバイルフォンアプリを使用して動き検出システムをオンにする。次いで、彼は、モバイルアプリを使用して、家の中の彼の母親をモニタする。ステファンが、モバイルアプリを使用して、母親が、彼女の毎日のルーティンに従って家の中を３つの領域の間を動いているのを見ると、ステファンは、彼の母親が元気にしていることがわかる。ステファンは、彼が外出中に動き検出システムが彼の母親の幸福をモニタするのを助けることができることに感謝している。
標準的な日では、母親は午前７時ごろに起きるだろう。彼女は、約２０分間キッチンで朝食を作るだろう。次いで、彼女は、約３０分間ダイニングルームで朝食を食べるだろう。次いで、彼女は、リビングルームで毎日のエクササイズをし、その後、リビングルームのソファに座り、彼女のお気に入りのＴＶ番組を観るだろう。動き検出システムにより、ステファンは、家の３つの領域の各々における運動のタイミングを見ることを可能にする。動きが毎日のルーティンに一致すると、ステファンは、母親が元気に違いないことがおおよそわかる。しかし、動きパターンが異常が現れた場合（例えば、午前１０時まで動きがない、または彼女がキッチンにいる時間が長すぎる、または彼女が動かない時間が長すぎるなど）、ステファンは、何かがおかしいと疑い、母親に電話して彼女にチェックするだろう。ステファンは、更に誰か（例えば、家族、近所の人、有給の人員、友人、ソーシャルワーカー、サービスプロバイダ）に彼の母親をチェックさせ得る。
いつか、ステファンは、タイプ２デバイスの位置変更をしたいと思っている。彼は、デバイスを元の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、位置変更がシステムの動作に影響せず、嬉しく思う。電源を入れると、すぐに動作する。後日、ステファンは、当社の無線動き検出システムが非常に高精度および非常に低い警報で動きを本当に検出でき、彼は、モバイルアプリを使用して、１階の動きを本当にモニタできることを確信する。彼は、２階のベッドルームをモニタするために、２階に同様のセットアップ（すなわち、タイプ２デバイス１つおよびタイプ１デバイス２つ）を設置することを決める。もう１度、彼は、彼がタイプ２デバイスおよびタイプ１デバイスを２階のＡＣ電源プラグに差し込む必要があるだけで、システムセットアップが極めて簡単であることがわかる。特別な設置は、必要ない。そして、彼は、同一のモバイルアプリを使用して、１階および２階の動きをモニタすることができる。１階／２階の各タイプ２デバイスは、１階および２階の両方にあるすべてのタイプ１デバイスと相互作用することができる。ステファンは、彼が、タイプ１およびタイプ２デバイスへの投資を２倍にすると、組み合わせたシステムの能力が２倍以上になることを知り、嬉しく思う。
様々な実施形態によれば、各ＣＩ（ＣＩ）には、チャネル状態情報（ＣＳＩ）、周波数領域ＣＳＩ、少なくとも１つのサブバンドと関連付けられた周波数領域ＣＳＩ、時間領域ＣＳＩ、領域内のＣＳＩ、チャネルインパルス応答（ＣＩＲ）、チャネル周波数応答（ＣＦＲ）、チャネル特徴、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、モニタデータ、世帯データ、識別情報（ＩＤ）、デバイスデータ、ネットワークデータ、近隣データ、環境データ、リアルタイムデータ、センサデータ、格納データ、暗号化データ、圧縮データ、保護データ、および／または別のＣＩのうちの少なくとも１つが含まれ得る。一実施形態では、開示されたシステムは、ハードウェアコンポーネント（例えば、アンテナを有する無線送信器／受信器、アナログ回路、電源供給、プロセッサ、メモリなど）と、対応するソフトウェアコンポーネントと、を有する。本教示の様々な実施形態によれば、開示されたシステムは、バイタルサインの検出およびモニタのために、ボット（タイプ１デバイスと称される）とオリジン（タイプ２デバイスと称される）とを含む。各デバイスは、送受信器と、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、適用可能である。一実施例では、タイプ１デバイス（送信器）は、テーブルの上に置かれている小型ＷｉＦｉ対応デバイスであり得る。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 ｅｃｈｏ）、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もあり得る。一実施例では、タイプ２（受信器）は、テーブルの上に置かれているＷｉＦｉ対応デバイスであり得る。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 ｅｃｈｏ）、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もあり得る。タイプ１デバイスおよびタイプ２デバイスを会議室内／付近に置き、人数を数えることができる。タイプ１デバイスおよびタイプ２デバイスは、高齢者の健康モニタシステム内にあり得、彼らの日常の行動と症状（例えば、認知症、アルツハイマー病）のあらゆるサインをモニタする。タイプ１デバイスおよびタイプ２デバイスをベビーモニターに使用して、生きている乳児のバイタルサイン（呼吸）をモニタすることができる。タイプ１デバイスおよびタイプ２デバイスをベッドルームに置いて、睡眠の質および睡眠時無呼吸をモニタすることができる。タイプ１デバイスおよびタイプ２デバイスを車内に置いて、乗客とドライバーの健康をモニタし、ドライバーの睡眠を検出し、車内に残された乳児を検出することができます。タイプ１デバイスおよびタイプ２デバイスを物流に使用して、トラックおよびコンテナに隠れているあらゆる人間をモニタすることにより人身売買を防ぐことができる。タイプ１デバイスおよびタイプ２デバイスは、被災地にて救急隊によって配備され、がれきのなかに閉じ込められた被災者を探索することができる。タイプ１デバイスおよびタイプ２デバイスは、エリア内に配備され、あらゆる侵入者の呼吸を検出することができる。ウェアラブルでない無線呼吸モニタの用途は、数多くある。
ハードウェアモジュールは、タイプ１送受信器およびタイプ２送受信器のいずれかを含むように構成することができる。ハードウェアモジュールは、最終商品を設計、構築、および販売するために、様々なブランドに販売されたり、使用されたりする場合がある。開示されたシステムおよび／または方法を使用する製品は、ホーム／オフィスセキュリティ製品、睡眠モニタ製品、ＷｉＦｉ製品、メッシュ製品、ＴＶ、ＳＴＢ、エンタテイメントシステム、ＨｉＦｉ、スピーカ、ホームアプライアンス、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、ツール、台所用品、トーチ、真空掃除機、煙検出器、ソファ、ピアノ、ファン、ドア、窓、ドア／窓ハンドル、ロック、煙検出器、カーアクセサリ、計算デバイス、オフィスデバイス、エアコンディショナ、ヒーター、パイプ、コネクタ、モニタカメラ、アクセスポイント、計算デバイス、モバイルデバイス、ＬＴＥデバイス、３Ｇ／４Ｇ／５Ｇ／６Ｇデバイス、ゲーミングデバイス、メガネ、ガラスパネル、ＶＲゴーグル、ネックレス、ウォッチ、ウエストバンド、ベルト、ウォレット、ペン、ハット、ウェアラブル、インプラント型デバイス、タグ、駐車券、スマートフォンなどであり得る。
サマリーは、分析、選択された時間窓、サブサンプリング、変換、射影などのうちの少なくとも１つを含み得る。表示には、月毎の図、週毎の図、日ごとの図、簡略図、詳細図、断面図、スモールフォームファクタ図、ラージフォームファクタ図、色分け図、比較図、サマリー図、アニメーション、ｗｅｂ図、音声アナウンスメント、および繰り返しの動きの周期的特徴に関する別のプレゼンテーションのうちの少なくとも１つの表示を含み得る。
タイプ１デバイスおよび／またはタイプ２デバイスは、アンテナ、アンテナを有するデバイス、アンテナに取り付ける／接続する／リンクするインターフェースを有するデバイス、無線送受信器を有するデバイス、無線送信器を有するデバイス、無線受信器を有するデバイス、モノのインターネット（ＩｏＴ）デバイス、無線ネットワークを有するデバイス、ワイヤードネットワーキングおよび無線ネットワーキングの両方の機能を有するデバイス、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規格準拠など）、Ｗｉ－Ｆｉアクセスポイント（ＡＰ）、Ｗｉ－Ｆｉクライアント、Ｗｉ－Ｆｉルータ、Ｗｉ－Ｆｉリピータ、Ｗｉ－Ｆｉハブ、Ｗｉ－Ｆｉ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など）、セルラーデバイス、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対応デバイス、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チップなどのモバイル対応チップ（ＩＣ）を有する回路基板）、Ｗｉ－Ｆｉチップ（ＩＣ）、ＬＴＥチップ、ＢＬＥチップ、モバイルモジュールを有するデバイス、スマートフォン、スマートフォンのため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電源デバイス、バッテリ電源デバイス、プロセッサ／メモリ／命令セットを有するデバイス、スマートクロック、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）、セットトップボックス、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、スマート機械、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、スマート窓、スマートシーリング、スマートフロア、スマート壁、スマートテーブル、スマート椅子、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、スマートヒーター、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／照明、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、スマートインストルメント、スマートラケット、スマートボール、スマート靴、スマートウェアラブル、スマート衣服、スマートグラス、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、生物の体内を動く小型デバイス（例えば、血管内、リンパ液内、消化系など）であり得る。タイプ１デバイスおよび／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、および／またはストレージと通信可能に結合され得る。
図１は、本教示の一実施形態による、場所での過渡的な動き検出およびモニタのための例示的なネットワーク環境１００を示す。図１に示すように、例示的なネットワーク環境１００は、送信機１１０、アンテナ１１２、無線チャネル１３０、アンテナ１２２、および受信機１２０を含む。アンテナ１１２は送信機１１０に電気的に結合されている。アンテナ１２２は受信機１２０に電気的に結合されている。
一実施形態では、送信機１１０は場所の第１の位置に配置され、受信機１２０は場所の第２の位置にある。送信機１１０は、無線チャネル１３０を介して無線信号を送信するように構成される。この例における無線チャネル１３０は、場所のオブジェクトの過渡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である。様々な実施形態によれば、オブジェクトは人間（例えば赤ちゃん１４２、または患者１４６）またはペット（例えば子犬１４４）であり得る。この例における受信機１２０は、無線マルチパスチャネル１３０を介して無線信号を受信し、無線信号に基づいて無線マルチパスチャネルの少なくとも１つのＴＳＣＩを取得する。オブジェクトの動きは、無線信号が送信される無線マルチパスチャネルに影響を与えるので、無線信号から抽出されたＣＩ１２５は、オブジェクトの動きに関する情報を含む。
様々な実施形態において、送信機１１０は場所に配置されたボットまたはタイプ１デバイスの一部であり、受信機１２０は場所に配置されたオリジンまたはタイプ２デバイスの一部であり得る。様々な実施形態において、ボットおよび／またはオリジンは、複数の送信機、複数の受信機、および／または複数のトランシーバを含み得る（図示せず）。一実施形態では、アンテナ112及び/又はアンテナ122は、それぞれが異なる方向を指す複数のビームサーチを形成することができるマルチアンテナアレイに置き換えられる。送信機１１０は、異なる種類または機能を有する信号を無線で送信するように構成することができる。同様に、受信機１２０は、異なる種類または機能を有する無線信号を受信するように構成される。一実施形態では、送信機１１０は少なくとも１つのアンテナを有し、受信機１２０は少なくとも１つのアンテナを有する。少なくとも１つのＴＳＣＩの各々は、送信機１１０の少なくとも１つのアンテナのうちの１つと受信機１２０の少なくとも１つのアンテナのうちの１つと関連付けられる。
図２は、本教示の一実施形態による、動きモニタシステム内のデバイス２００の例示図を示す。デバイス２００は、本明細書に記載の様々な方法を実施するように構成することができるデバイスの一例である。様々な実施形態によれば、デバイスは、送信機を含むボットであるタイプ１デバイス、受信機を含むオリジンであるタイプ２デバイス、過渡的動作モニタ、および／または図１および図３～図２２の他の構成要素であり得る。図２に示すように、デバイス２００は、プロセッサ２０２、メモリ２０４、送信機２１２および受信機２１４を含むトランシーバ２１０、同期コントローラ２０６、電力モジュール２０８、およびオペレーションモジュール２０９を含むハウジング２４０を含む。この実施形態では、プロセッサ２０２は、デバイス２００の一般的な動作を制御し、中央処理デバイス（ＣＰＵ）および／または汎用マイクロプロセッサ、マイクロコントローラ、デジタルシグナルプロセッサ（DSP）、フィールドプログラマブルゲートアレイ（FPGA）、プログラマブルロジックデバイス（PLD）、コントローラ、ステートマシン、ゲートロジック、ディスクリートハードウェア構成要素、専用ハードウェア有限ステートマシン、またはデータの計算または他の動作を実行することができる任意の他の適切な回路、デバイス、および/または構造の任意の組み合わせなどの１つ以上の処理回路またはモジュールを含むことができる。
読み出し専用メモリ（ＲＯＭ）とランダムアクセスメモリ（ＲＡＭ）の両方を含むことができるメモリ２０４は、命令およびデータをプロセッサ２０２に提供することができる。メモリ２０４の一部は、不揮発性ランダムアクセスメモリ（ＮＶＲＡＭ）も含み得る。プロセッサ２０２は、通常、メモリ２０４内に格納されているプログラム命令に基づいて論理演算および算術演算を実行する。メモリ２０４に格納されている命令（別名、ソフトウェア）は、本明細書に記載の方法を実行するためにプロセッサ２０２によって実行することができる。プロセッサ２０２およびメモリ２０４は一緒になって、ソフトウェアを格納し実行する処理システムを形成する。本明細書で使用するとき、「ソフトウェア」は、ソフトウェア、ファームウェア、ミドルウェア、マイクロコードなどと呼ばれるかにかかわらず、１つ以上の所望の機能またはプロセスを実行するように機械またはデバイスを構成できる任意のタイプの命令を意味する。命令は、コード（例えば、ソースコードフォーマット、バイナリコードフォーマット、実行可能コードフォーマット、または他の任意の適切なコードフォーマット）を含み得る。命令は、１つ以上のプロセッサによって実行されると、処理システムに本明細書に記載のさまざまな機能を実行させる。
送信機２１２および受信機２１４を含むトランシーバ２１０は、デバイス２００が遠隔デバイス（例えばオリジンまたはボット）との間でデータを送受信することを可能にする。アンテナ２５０は、通常、ハウジング２４０に取り付けられ、トランシーバ２１０に電気的に結合されている。様々な実施形態において、デバイス２００は、複数の送信機、複数の受信機、および複数のトランシーバを含む（図示せず）。一実施形態では、アンテナ２５０は、それぞれが異なる方向を向く複数のビームサーチを形成することができるマルチアンテナアレイ２５０と置き換えられる。送信機２１２は、異なる種類または機能を有する信号を無線で送信するように構成することができ、そのような信号はプロセッサ２０２によって生成される。同様に、受信機２１４は、異なる種類または機能を有する無線信号を受信するように構成され、プロセッサ２０２は、複数の異なる種類の信号を処理するように構成される。
一実施形態では、デバイス２００は、動きモニタシステムのボットまたはオリジンであり得る。動きモニタシステムは、少なくとも１つのボットと少なくとも１つのオリジンとを含み得る。この例における同期制御デバイス２０６は、デバイス２００の動作を制御して他のデバイス、例えば他のオリジンまたは他のボットと同期させるか又は非同期させるように構成することができる。一実施形態では、デバイス２００およびシステム内の他のボットまたはオリジンのそれぞれは、無線信号を個別にかつ非同期的に送信または受信することができる。この例におけるオペレーションモジュール２０９は、過渡的な動きの検出およびモニタのために１つ以上の動作を実行することができる。オペレーションモジュール２０９は、本明細書に開示されているさまざまな方法を実施するための１つ以上のサブモジュールを含み得る。一実施形態では、デバイス２００は、動作モニタシステムの過渡的な動きモニタとすることができ、オペレーションモジュール２０９は、過渡的な動き、例えば、転倒動作をモニタするための１つ以上の構成要素を含む。電力モジュール２０８は、１つ以上の電池などの電源と、図２の上述のモジュールのそれぞれに調整電力を供給するための電力調整器とを含むことができる。いくつかの実施形態では、デバイス２００が専用の外部電源（例えば壁のコンセント）に結合されている場合、電力モジュール２０８は変圧器および電力調整器を含むことができる。上述した様々なモジュールはバスシステム２３０によって互いに結合されている。バスシステム230は、データバスに加えて、データバス、例えば、パワーバス、制御信号バス、および/またはステータス信号バスを含むことができる。デバイス２００のモジュールは、任意の適切な技術および媒体を使用して互いに動作可能に結合することができることが理解される。
多数の別個のモジュールまたは構成要素が図２に示されているが、当業者は、１つ以上のモジュールを組み合わせることができ、または一般的に実施することができることを理解するであろう。例えば、プロセッサ２０２は、プロセッサ２０２に関して上述した機能を実現するだけでなく、オペレーションモジュール２０９に関して上述した機能を実現することもできる。逆に、図２に示す各モジュールは、複数の別々の構成要素または要素を使用して実施することができる。一実施形態では、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、場所内の過渡的な動きをモニタするためにメモリに格納された一組の命令とを有するシステムが開示される。このシステムは、送信機、受信機、および過渡的な動きモニタを備える。送信機、受信機、および過渡的な動きモニタのそれぞれは、デバイス２００として実装することができる。送信機は、場所内の第１の位置に配置され、場所内のオブジェクトの過渡的な動きによって影響を受けた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る。受信機は、場所内の第２の位置に配置され、場所内のオブジェクトの過渡的な動きによって影響を受けた無線マルチパスチャネルを介して無線信号を受信し、無線信号に基づいて無線マルチパスチャネルのＴＳＣＩを取得するように構成される。過渡的な動きモニタは、ＴＳＣＩに基づいてオブジェクトの過渡的な動きをモニタし、モニタされたオブジェクトの過渡的な動き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、オブジェクトは人である。過渡的な動きは、人の転倒動作を表す。過渡的な動きモニタは、送信機、受信機、追加の送信機、追加の受信機、クラウドサーバ、フォグサーバ、ローカルサーバ、およびエッジサーバのうちの少なくとも１つに結合される。一実施形態では、応答動作は、以下のうちの少なくとも１つを含む。それは、オブジェクトの過渡的な動きに関連するデータの提示、データの視覚的な表示、データに関連する音声の再生、データのアニメ化、アラームの提示、アラームの表示、アラームを鳴らすこと、アラームのアニメ化、指定されたユーザへのメッセージの送信、緊急サービスの通知、緊急サービスの要求、是正措置の実行、予防措置の実行、緊急対応手順の開始、対抗措置の起動、オブジェクトの制御、オブジェクトの過渡的な動きの制御、オブジェクトの次の動きの制御、オブジェクトの速度の制御、オブジェクトの方向の制御、オブジェクトの歩容の制御、オブジェクトの状態の制御、オブジェクトの過渡的な動きに応じて第２のデバイスの制御、第２のデバイスをオンにすること、第２のデバイスをオフにすること、第２のデバイスをオフにし、第３のデバイスをオンにすること、第４のデバイスへデータの送信、第４のデバイスに協調的に応答するようにトリガすること、第４のデバイスにデータの提示すること、第４デバイスにデータを視覚的に表示すること、オーディオを再生して第４のデバイスのデータの表示すること、第４のデバイスでアラームを鳴らすことである。一実施形態では、過渡的な動きモニタはさらに以下のように構成される。それは、オブジェクトの過渡的な動きに匹敵する持続時間を有するスライディング時間窓を決定し、スライディング時間窓における時系列のＣＩに基づいて中間量（ＩＱ）を計算することである。ここで、オブジェクトの過渡的な動きは、ＩＱに基づいてモニタされる。一実施形態では、スライディング時間窓の持続時間は、オブジェクトの過渡的な動き、過渡的な動きにおけるオブジェクトの速度、ＩＱ、無線信号の搬送波周波数、無線信号の搬送波波長、無線信号のサウンディングレート、無線信号における１秒当たりのプローブ回数、無線信号の帯域幅、および他の要因のうちの少なくとも１つに基づいて決定される。例えば、スライディング時間窓の持続時間を計算するために開示されたシステムで使用される式は、T_0=(0.54 lambda/v)+(M/F_s)であり、ここで、T_0は持続時間、lambdaは搬送波波長、vはオブジェクトの速度、F_sはサウンディングレート、Mは平均化のためのサンプル数である。一実施形態では、目標ＩＱはオブジェクトの速度プロファイルである。開示されたシステムは、転倒を検出するために速度を計算し分析することができる。開示されたシステムはまた他のイベントおよびパターンを検出するために速度を分析することができる。例えば、開示されたシステムは、歩行歩容を認識するために速度の繰り返しパターンを分析することができる。例えば、ゼロに近い速度は運動がないことを示唆し、繰り返しの速度パターンは歩容周期を示唆する。ＩＱは、速度を計算するために使用される中間値にすることもできる。例えば、ＣＳＩは、ＣＦＲ（チャネル周波数応答）のベクトルであり得る。ＩＱは、ＣＳＩの各ＣＦＲ成分の大きさまたは大きさの二乗、ＣＳＩのＣＦＲ成分の大きさの二乗の自己相関関数（ＡＣＦ）、ＡＣＦの第１の極大値、ＡＣＦの第１の極大値に対応する時間オフセットであり得る。ＩＱは、転倒を検出するために使用される速度の特徴でもあり、例えば時間窓内の最大速度、時間窓内の加速度の最大変化を含み得る。
一実施形態では、ＩＱは、以下のうちの少なくとも１つを含む。それは、タイムスタンプ、タイミング、時間周期、継続期間、頻度、期間、周期、リズム、ペース、カウント、インジケータ、発生、状態、セット、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、速度の変化、加速度の変化、近接、存在、不在、出現、消失、場所、統計、動作統計、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_∞距離メトリック、パス、体積、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、頻度量、過渡量、増分量、瞬間的数量、平均数量、局所平均量、フィルタリング量、量変化、繰り返し量、イベント、認識されたイベント、認識された動作シーケンス、ジェスチャー、手のジェスチャー、指のジェスチャー、手首のジェスチャー、肘のジェスチャー、腕のジェスチャー、肩のジェスチャー、頭のジェスチャー、顔のジェスチャー、首のジェスチャー、腰のジェスチャー、足のジェスチャー、足のジェスチャー、最大、最小、制約付き最大値、制約付き最小値、極大値、極小値、第１極大値、第１極小値、第k極大値、第k極小値、平均値、加重平均値、パーセンタイル値、平均値、中央値、最頻値、トリミング平均値、条件付き平均値、条件付き統計値、順序付き統計値、分散、歪度、尖度、モーメント、高次モーメント、キュムラント、相関、共分散、共歪、共尖度、1次統計、2次統計、3次統計、高次統計、ロバスト量、他の量に関連する引数、ＣＩの特徴、ＣＩの複素成分、複素成分の大きさ、複素成分の位相、ＣＩの複素成分の関数、複素成分の大きさの多項式、複素成分の大きさの2乗、ＣＩの特徴の時系列、ＣＩの特徴の自己相関関数、他の量の関数である。一例では、ＣＩに基づいてＩＱを計算することは、スライディング時間窓における時系列のＣＩに基づいてオートファンクション（ＡＦ）を計算すること、ＡＦのＩＱ関連特徴を計算すること、および前記ＡＦの前記ＩＱ関連特徴に基づいて前記ＩＱを計算することを含む。ここで、ＡＦは、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、微分関数、微分自己相関、微分自己共分散、微分相互相関、微分相互共分散、周波数変換、周波数スペクトル、パワースペクトル密度のうちの少なくとも１つを含む。
一実施形態では、ＡＦを計算することは、スライディング時間窓内の時系列の各ＣＩを変換し、スライディング時間窓内で各変換ＣＩのＡＦを計算することを含む。各ＣＩを変換することは、ＣＩに対して以下のうちの少なくとも１つを実行することを含み得る。それは、スカラー演算、大きさ、位相、非線形写像、線形写像、区分的線形写像、関数、線形関数、非線形関数、区分的線形関数、実関数、複素関数、ベクトル値関数、逆関数、関数の微分、関数の積分、他の関数の関数、1対1の関数、1対多の関数、多対1関数、多対多関数、対数関数、指数関数、三角関数、円関数、代数関数、超越関数、べき関数、根関数、多項式、平方、立方体、正弦、余弦、正接、余接、正割、余割、楕円関数、放物線関数、双曲線関数、ガンマ関数、ゼータ関数、絶対値、閾値処理、量子化、区分的定数関数、区分的線形関数、テーブルルックアップ、集合演算、ヒストグラム、組み合わせ、順列、サブセット、包含、論理演算、OR、ADD、XOR、和集合、交差、セットの差、対称の差デカルト積、電力セット、基数、平均、加重平均、平均、分散、範囲、トリム平均、統計、百分位数、ベクトル演算、ノルム、メトリック、ベクトル加算、ベクトル減算、ベクトル乗算、ベクトル除算、内積、外積、算術演算、数学動作、部分空間、射影、分解、ベクトル変換、基底の変更、回転、平行移動、ベクトル関数、射影、主成分、カーネル主成分、独立成分、近傍成分、連結成分、線形変換、非線形変換、フーリエ変換、ラプラス変換、ヒルベルト変換、サイン変換、コサイン変換、ウェーブレット変換、アダマール変換、スラント変換、高速フーリエ変換（FFT）、離散コサイン変換（DCT）、周波数変換、周波数分解、逆変換、時間変換、時間分解、周波数、スペクトル、周期、時間、行列演算、階数、転置、行列式、行列加算、行列減算、行列乗算、行列分割、逆行列、基底ベクトル、基底、固有値、固有ベクトルである。
一実施形態では、各ＣＩは少なくとも１つの成分を有する。ＡＦの計算は、スライディング時間窓内の時系列の各ＣＩの少なくとも１つの成分のそれぞれを変換し、各成分について、スライディング時間窓内の時系列の各ＣＩの対応する変換成分に基づいて成分自動関数（ＣＡＦ）を計算し、加重平均に基づいて、少なくとも１つの成分に関連付けられた少なくとも１つのＣＡＦ（各ＣＡＦは少なくとも１つの成分のうちの１つに関連付けられる）を集約することによってＡＦを計算することを含む。ＡＦのＩＱ関連特徴を計算することは、ＡＦの引数の窓内で、ＡＦ内のＩＱ関連特徴を含む特徴のクラスの存在を判定し、そしてＡＦの引数の窓におけるＡＦのＩＱ関連の特徴を計算することを含み得る。ＡＦの引数の窓内に特徴のクラスの存在を決定することは、ＡＦの引数の窓内でＡＦの第１回帰と、第１回帰に対応する第１回帰誤差とを計算すること、ＡＦの引数の窓内でＡＦの第２回帰と、第２回帰に対応する第２回帰誤差とを計算すること、第１の回帰誤差および第２の回帰誤差の関数を計算すること、その関数を閾値と比較することによってＡＦ内の特徴のクラスの存在を判定することを含むことができる。ＡＣＦのＩＱ関連特徴は、以下のＡＣＦのうちの少なくとも１つを含み得る。それは、最大値、最小値、制約付き最大値、制約付き最小値、極大値、極小値、第１極大値、第１極小値、第k極大値、第k極小値、平均値、加重平均値、パーセンタイル値、平均値、中央値、最頻値、トリミング平均値、条件付き平均値、および他の数量に関連付けられた引数である。一実施形態では、ＡＦのＩＱ関連特徴に基づいてＩＱを計算することは、ＩＱ関連特徴に対応するＡＦの引数の窓において、ＡＦのＩＱ関連の引数を決定すること、ＩＱ関連特徴、ＩＱ関連引数、およびＡＦの引数の窓のうちの少なくとも１つに基づいてＩＱを計算することを含む。
一実施形態では、ＩＱ関連特徴は最大である。特徴のクラスにはすべての最大値と最小値が含まれている。ＡＣＦの各窓（「ＡＦの引数の窓」）には、線形回帰（次数1）と二次回帰（次数2）を適用できる。最大値または最小値がある場合、2次の回帰誤差は1次の回帰誤差よりはるかに小さいはずである。したがって、開示されたシステムは、次数２の回帰誤差と次数１の回帰誤差の関数を比較することによって特徴の種類の存在を検出することができる。システムが窓に最大または最小の値があることを検出したとき、局所ピーク、例えば2次回帰の最大値を見つけるために何らかのアルゴリズムが適用されてもよい。一実施形態では、ＩＱは速度である。開示されたシステムは、式：v = 0.54 lambda/tに基づいて速度を計算する。ここで、vは速度、lambdaは搬送波波長、tはＡＣＦの最初の局所最大値に関連する時間である。
一実施形態では、過渡的な動きモニタはさらに、オブジェクトの過渡的な動きがＩＱの少なくとも１つの特徴に基づいてモニタされ、少なくとも１つの特徴が分析時間枠内のＩＱ、最大値、最小値、極大値、極小値、目標範囲内のＩＱ、閾値処理、増分変化、変化率、一次微分、二次微分、高次微分、平均、中央値、最頻値、分散、合計変動、フィルタ処理されたＩＱ、ローパスフィルタ処理されたＩＱ、ハイパスフィルタ処理されたＩＱ、非線形フィルタ処理されたＩＱ、変換されたＩＱ、およびＩＱの関数のうち少なくとも１つを含むＩＱの少なくとも１つの特徴を計算するように構成される。一実施形態では、過渡的な動きモニタはさらに、ＩＱの特徴を閾値と比較し、ＩＱの特徴が閾値より大きいときにオブジェクトの過渡的な動きを検出し、ここで、検出されたオブジェクトの過渡的な動きに基づいて応答動作がトリガされるように構成される。
一実施形態では、システムは速度を分析することによって転倒を検出する。例えば、（1）0.5秒窓内の最大加速度変化、および（2）0.5秒窓内の最大速度の2つの量を計算することによって検出する。2つの数量のそれぞれに閾値を設定できる。両方がそれらの対応する閾値よりも大きければ、システムは転倒が検出されたと判断する。一実施形態では、過渡的な動きモニタはさらに観察時間窓内のＩＱの第１の有意な割合が第１の目標範囲内にあり、観察時間窓内のＩＱの変化率の第２の有意な割合が第２の目標範囲内にあると判定するように構成される。過渡的な動きは、オブジェクトの一連の反復歩容サイクルの一部である。観察時間窓、第１の目標範囲、および第２の目標範囲のそれぞれは、対象の反復された歩容周期に関連する。オブジェクトの過渡的な動きは、観察時間窓内のＩＱを分析し、観察時間窓内のＩＱに基づいてオブジェクトの反復歩容サイクルの情報を推定することによってモニタされる。情報は、少なくとも以下の１つを含む。それは、周期持続時間、サイクル周期、周期頻度、歩容強度、歩容周期の段階、歩容開始時間、歩容終了時間、歩容周期の時間傾向、歩容の分類、歩容に関連する行動、歩容に関連する活動、歩容に関連する意味、歩容に関連するオブジェクトの状態、歩容の変化、通常歩容、通常の歩容からの偏差、および反復された歩容周期とは異なる特徴を有する他の歩容である。一実施形態では、観測時間窓内でＩＱを分析することは、以下の特性ＩＱ特徴のうちの少なくとも１つを識別することを含む。それは、ＩＱの重要な特徴、目標範囲内のＩＱの特徴、目標ＩＱ範囲内の大きさを持つＩＱ、ＩＱの局所平均、ＩＱの局所分散、ＩＱの局所挙動、ＩＱの局所統計、ＩＱの大域的統計、極大ＩＱ、極小ＩＱ、ＩＱのゼロクロス、平均減算ＩＱのゼロクロス、隣接する極大ＩＱと極小ＩＱの対、識別された特徴的なＩＱ特徴に関連するタイムスタンプ、トレーニングパターンと一致するＩＱの窓である。そして、識別された少なくとも１つの特性ＩＱ特徴に基づいて情報を計算する。
一実施形態では、過渡的な動きモニタはさらに少なくとも１つの第１のタイムスタンプを含む第１の窓長の第１の分析時間窓を決定し、少なくとも１つの第１のタイムスタンプのそれぞれをそれぞれのスライディング時間窓に関連付け、それぞれのスライディング時間窓内の時系列のＣＩに基づいて、それぞれが第１の分析時間窓内のそれぞれの第１のタイムスタンプに関連付けられた少なくとも１つの第１の中間量（ＩＱ）を計算し、第１の分析時間窓内の少なくとも１つの第１のＩＱを第２の窓長の第２の分析時間窓内の少なくとも１つの第２のＩＱと比較し、少なくとも１つの第２のＩＱのそれぞれは、第２の分析時間窓内のそれぞれの第２のタイムスタンプと関連付けられ、第１の分析時間窓内の少なくとも１つの第１のＩＱと第２の分析時間窓内の少なくとも１つの第２のＩＱとに基づいて、第１分析時間窓内の少なくとも１つの第１タイムスタンプと第２分析時間窓内の少なくとも１つの第２タイムスタンプとの間の第１の非線形マッピングを計算し、第１の非線形マッピングに基づいて、第１の分析時間窓内の少なくとも１つの第１のＩＱと第２の分析時間窓内の少なくとも１つの第２のＩＱとの間の第１のマッチングスコアを計算し、第１のマッチングスコアに基づいてオブジェクトの過渡的な動きをモニタし、第１のマッチングスコアが閾値以下であるときに、オブジェクトの過渡的な動きを検出するように構成される。
様々な実施形態において、システムは、２つのイベントにそれぞれ関連付けられたマッチングスコアを比較することによって、２つのイベント（例えば、転倒していることと立っていること）を決定することができる。これはN個のイベントを認識するように一般化することができる。一実施形態では、過渡的な動きモニタはさらに以下のように構成される。第１の分析時間窓内の少なくとも１つの第１のＩＱと第３の分析時間窓内の少なくとも１つの第３のＩＱに基づいて、第１の分析時間窓内の少なくとも１つの第１のタイムスタンプと第３の分析時間窓内の少なくとも１つの第３のタイムスタンプ間の第２の非線形マッピングを計算し、少なくとも１つの第３のＩＱのそれぞれは、第３の分析時間窓内の少なくとも１つの第３のタイムスタンプのうちの１つに関連付けられ、第２の非線形マッピングに基づいて、第１の分析時間窓内の少なくとも１つの第１のＩＱと第３の分析時間窓内の少なくとも１つの第３のＩＱとの間の第２のマッチングスコアを計算し、第１のマッチングスコアと第２のマッチングスコアを比較して比較結果を生成し、比較結果に基づいて、オブジェクトの過渡的な動作を第１の基準動作と第２の基準動作の少なくともいずれかとして識別する。ここで、第１の基準動作は、第２の分析時間窓内の少なくとも１つの第２のＩＱと関連付けられ、第２の基準動作は、第３の分析時間窓内の少なくとも１つの第３のＩＱと関連付けられる。一実施形態では、システムは、トレーニング段階において少なくとも１つの時系列のトレーニングＣＩを取得するための少なくとも１つの異種送信機および少なくとも１つの異種受信機をさらに備える。少なくとも１つの異種送信機のそれぞれは、それぞれのトレーニング場所内に配置され、トレーニング段階のそれぞれのトレーニング場所内のそれぞれのトレーニングオブジェクトのそれぞれのトレーニング過渡的な動きにより影響を受ける無線マルチパスチャネルを介してそれぞれの無線信号を送信するように構成されている。少なくとも１つの異種受信機のそれぞれは、それぞれのトレーニング場所に配置され、無線マルチパスチャネルを介してそれぞれの無線信号を受信し、それぞれの無線信号に基づいて無線マルチパスチャネルのそれぞれの時系列のトレーニングＣＩを取得するように構成され、ここでトレーニングＣＩのそれぞれの時系列のそれぞれの時間窓は、それぞれのトレーニング過渡的な動きに関連付けられる。過渡的な動きモニタはさらに、それぞれのタイムスタンプに関連付けられたスライディング時間窓内のそれぞれの時系列のトレーニングＣＩに基づいて、それぞれの時間窓内のそれぞれのタイムスタンプにそれぞれ関連付けられた少なくとも１つのトレーニングＩＱを計算し、トレーニングＣＩの少なくとも１つの時間系列の各々に関連する少なくとも１つのトレーニングＩＱに基づいて、第２の窓長の第2の分析時間窓内の少なくとも１つの第２のＩＱを計算するように構成される。
一実施形態では、過渡的な動きモニタはさらに以下のように構成される。トレーニングＣＩの第１の時系列に関連する第１の時間窓内の少なくとも１つの第１のトレーニングＩＱと、トレーニングＣＩの第２の時系列に関連する第２の時間窓内の少なくとも１つの第２のトレーニングＩＱとに基づいて、第１の時間窓のタイムスタンプと第２の時間窓のタイムスタンプとの間の第３の非線形マッピングを計算し、第３の非線形マッピングに基づいて、第１の時間窓内の少なくとも１つの第１のトレーニングＩＱと第２の時間窓内の少なくとも１つの第２のトレーニングＩＱとの間の第３のマッチングスコアを計算し、第３のマッチングスコア、第３の非線形マッピング、少なくとも１つの第１のトレーニングＩＱおよび少なくとも１つの第２のトレーニングＩＱのうち少なくとも１つに基づいて、第２の窓長の第２の分析時間窓において少なくとも１つの第２のＩＱを計算する。
システムは、タイムスタンプの非線形マッピングを計算することによって、２つ以上（Ｎ＞１）のＩＱ特徴（例えば、速度＋加速度）に基づいて過渡的な動きをモニタすることができる。一実施形態では、過渡的な動きモニタはさらに以下のように構成される。少なくとも１つの第１のタイムスタンプを含む第１の窓長の第１の分析時間窓を決定し、少なくとも１つの第１のタイムスタンプのそれぞれは、それぞれのスライディング時間窓に関連付けられ、第１の分析時間窓内の各第１のタイムスタンプに対して、タイムスタンプに関連付けられたそれぞれのスライディング時間窓における時系列のＣＩに基づいて、第１のタイムスタンプに関連付けられたＩＱ_１、ＩＱ_２、…、およびＩＱ_Ｎを含むＮ個の第１の中間量（ＩＱ）のセットを計算し、ここでＮは１より大きく、第１の分析時間窓内の各第１のタイムスタンプに関連付けられたＮ個の第１のＩＱのセットを、第２の窓長の第２の分析時間窓内の少なくとも１つの第２のタイムスタンプの１つに関連付けられたＮ個の第２のＩＱのセットと比較し、第１の分析時間窓内のすべての第１のＩＱおよび第２の分析時間窓内のすべての第２のＩＱに基づいて、第１の分析時間窓内の少なくとも１つの第１のタイムスタンプと第２の分析時間窓内の少なくとも１つの第２のタイムスタンプとの間の非線形マッピングを計算し、非線形マッピングに基づいて、第１の分析時間窓内の第１のＩＱと第２の分析時間窓内の第２のＩＱとの間のマッチングスコアを計算し、マッチングスコアに基づいてオブジェクトの過渡的な動きをモニタし、マッチングスコアが閾値以下であるとき、オブジェクトの過渡的な動きを検出する。
一実施形態では、システムはさらに、場所内のオブジェクトの過渡的な動きの影響を受けた無線マルチパスチャネルを介して無線信号を受信し、その無線信号に基づいて無線マルチパスチャネルの追加のＴＳＣＩを取得するように構成された追加の受信機を含む。過渡的な動きモニタはさらに、ＴＳＣＩおよび追加のＴＳＣＩに基づいてオブジェクトの過渡的な動きをモニタするように構成される。一実施形態では、システムはさらに場所内のオブジェクトの一時的動作よって影響を受ける無線マルチパスチャネルを介して追加の無線信号を送信するように構成された追加の送信機を含む。受信機はさらに無線マルチパスチャネルを介して追加の無線信号を受信し、追加の無線信号に基づいて無線マルチパスチャネルの追加のＴＳＣＩを取得するように構成される。過渡的な動きモニタはさらに、ＴＳＣＩおよび追加のＴＳＣＩに基づいてオブジェクトの過渡的な動きをモニタするように構成される。一実施形態では、過渡的な動きモニタはさらに、送信機の場所、受信機の場所、無線マルチパスチャネルを介して送信機から無線信号を受信するための場所内の追加の受信機と、無線マルチパスチャネルを介して受信機に追加の無線信号を送信するための場所内の追加の送信機との少なくともいずれかのデバイスの場所のうちの少なくとも１つに基づいてオブジェクトの過渡的な動きの位置を計算するように、そして、ＴＳＣＩと追加の受信機によって受信された無線信号から抽出された追加のＴＳＣＩ、および追加の送信機によって送信された追加の無線信号から抽出された追加のＴＳＣＩの少なくとも１つに基づくオブジェクトの過渡的な動きの共同モニタをするように構成される。様々な実施形態では、転倒が発生する場所は、任意の数の送信機および任意の数の受信機について上記の方法を使用して見つけることができる。
本開示の一態様は、速度、加速度、歩容周期、歩容、オブジェクトの動き、およびイベントなどのオブジェクトの１つ以上の特性および/または時空間情報の推定に関する。より具体的には、本教示は、豊かな散乱環境における時間反転技術に基づいて、対象の少なくとも１つの特性および／または時空間情報を決定することに関する。
イベントは、オブジェクト（例えば、人および／または病人）の転倒、回転、ためらい、一時停止、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、他の人、動物、鳥、ハエ、テーブル、椅子、ボール、ボーリングボール、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、バレーボール等を打つ)、ツーボディアクション（例えば、人が風船を放す、魚を捕まえる、粘土を成形する、紙を書く、コンピュータに入力するなど）、ガレージを移動する車、スマートフォンを持ち歩く人、空港/ショッピングモール/政府庁舎/オフィスなどを移動している自律的に移動可能な物体／機械（例えば、掃除機、実用車、自動車、無人機、自動運転車など）などのオブジェクト関連イベントであり得る。
一例では、オブジェクトの動き（例えば、現在の動き、および／または前の動き）に関連するオブジェクトの少なくとも１つの特性および／または時空間情報を決定するためのシステム、装置、および／または方法は、プロセッサ、プロセッサと通信可能に結合されたメモリ、およびメモリに格納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（例えば無線マルチパスチャネル）の１つ以上のＴＳＣＩを取得することを含む。少なくとも１つのＴＳＣＩは、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取得される。無線マルチパスチャネルは、オブジェクトの動きの影響を受ける。システム、デバイス、および／または方法は、１つ以上のＴＳＣＩに基づいて、オブジェクトの動きに関連付けられたオブジェクトの１つ以上の特性および／または時空間情報を決定することをさらに含む。
無線マルチパスチャネルの１つ以上のＴＳＣＩに基づいて、１つ以上の時系列の電力情報を計算することができる。各電力情報は、無線マルチパスチャネルのＣＩと関連付けられてもよい。電力情報とＣＩの両方が時間と関連付けられてもよい。ＣＩのベクトルと電力情報のベクトルは、同じ数の要素を有することができる。電力情報ベクトルの各実数要素は、それぞれの大きさ、位相、実数部分、虚数部分、および／またはＣＩの対応する複素数要素の他の関数に基づいて計算することができる。特に、電力情報ベクトルの実数要素は、ＣＩの対応する複素数要素の大きさの二乗に基づくことができる。特定の関数は、第１の時間、時間オフセット、電力情報の第１の窓および電力情報の第２の窓に基づいて決定され得る。ここでは電力情報が述べられているが、特定の関数はＣＩおよび／または他の情報に適用されてもよい。電力情報の第１の窓は、第１の時間に関連する電力情報の特定の時系列の第１のサブセットであり得る。電力情報の第２の窓は、第１の時間からオフセットした時間にある第２の時間に関連する電力情報の特定の時系列の第２のサブセットであり得る。第１の窓と第２の窓は同じサイズであり得る。第２の窓は、第１の窓からの時間オフセットである。第１の窓および第２の窓は両方とも、同じ特定の時系列の電力情報（および／またはＣＩ、および／または他の情報）の窓であり得る。第１のサブセットの濃度は、第２のサブセットの濃度と等しくてもよい。
特定の関数は、第１の時間の少なくとも１つの値について、および第１の時間のそれぞれについての時間オフセットの少なくとも１つの値について計算することができる。オブジェクトの動きに関連するオブジェクトの１つ以上の特性および／または時空間情報は、時間オフセットの少なくとも１つの値について計算された関節関数に基づいて決定されてもよい。第１の時間の特定の値は、オブジェクトの動き、およびオブジェクトの少なくとも１つの特性および／または時空間情報に関連付けられてもよい。
特定の関数は、共分散関数、共分散類似関数、自己共分散関数、自己共分散類似関数、相関関数、相関類似関数、自己相関関数、自己相関的関数、内積、他の関数、これらの関数のいずれかと前処理関数との組み合わせ、これらの関数のいずれかと後処理関数との組み合わせ、および周波数分解、時間分解、時間周波数分解、およびその他の分解の関数のうちの少なくとも１つとの組み合わせのうちの少なくとも１つの第２の関数であり得る。
第２の関数は、以下のうち少なくとも１つであり得る。それは、ノイズ除去、スムージング、調整、強調、復元、特徴抽出、加重平均、ローパスフィルタ、バンドパスフィルタ、ハイパスフィルタ、中央値フィルタ、ランクフィルタ、四分位フィルタ、パーセンタイルフィルタ、モードフィルタ、線形フィルタ、非線形フィルタ、有限インパルス応答（FIR）フィルタ、無限インパルス応答（IIR）フィルタ、移動平均（MA）フィルタ、自動回帰（AR）フィルタ、自動回帰移動平均（ARMA）フィルタ、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、機械学習、教師つき学習、教師なし学習、半教師つき学習、変換、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、微分、一次微分、二次微分、高次微分、積分、ゼロクロス、指標関数、絶対変換、たたみ込み、乗算、除算、前処理、後処理、その他の変換、他の処理、他のフィルタ、および第３の関数、ならびに第３の関数である。特定の関数は、無線信号の受信電磁（ＥＭ）波の電界成分の自己相関関数（ＡＣＦ）の重み付き二乗和の推定値であり得る。
電力情報は、周波数分解、時間分解、時間周波数分解、および／または他の分解を含み得る。他の関数は、周波数分解の周波数（または他の分解の変数／インデックス）、第１の時間、時間オフセット、電力情報の第１の窓、および電力情報の第２の窓に基づいて決定され得る。他の関数は、周波数分解の周波数の少なくとも１つの値について計算することができる。特定の関数は、周波数分解の周波数の少なくとも１つの値について計算された他の関数を平均することによって計算されてもよい。
他の例では、電力情報は周波数サブバンド分解を含み得る。他の関数は、周波数分解の周波数サブバンド、第１の時間、時間オフセット、電力情報の第１の窓および電力情報の第２の窓に基づいて決定される。他の関数は、周波数分解の周波数サブバンドの少なくとも１つのインスタンスについて計算されてもよい。特定の関数は、周波数分解の周波数サブバンドの少なくとも１つの例について計算された他の関数を平均することによって計算されてもよい。他の例では、電力情報は時間周波数分解を含み得る。他の関数は、時間周波数分解の時間周波数部分、第１の時間、時間オフセット、電力情報の第１の窓および電力情報の第２の窓に基づいて決定されてもよい。他の関数は、時間周波数分解の時間周波数部分の少なくとも１つのインスタンスについて計算されてもよい。特定の関数は、時間周波数分解の時間周波数区分の少なくとも１つのインスタンスについて計算された他の関数を平均することによって計算されてもよい。
特定の関数の計算は、第１の時間、第３の時間、時間オフセット、電力情報の第３の窓、および電力情報の第４の窓に基づいて予備関数を決定することを含み得る。電力情報の第３の窓は、第３の時間に関連する電力情報の特定の時系列の第３のサブセットであり得る。電力情報の第４の窓は、第３の時間からオフセットされた時間における第４の時間に関連する電力情報の特定の時系列の第４のサブセットであり得る。予備関数は、第１の時間の特定の値、および第１の時間に近い第３の時間の少なくとも１つの値についての時間オフセットの特定の値について計算することができる。第１の時間の特定の値に対する特定の関数および時間オフセットの特定の値は、第１の時間の特定の値に対する予備関数と第１の時間に近い第３の時間のうち少なくとも１つの値に対して計算される時間オフセットの特定の値とを平均することによって計算することができる。
少なくとも１つの特別な特性および／または特別な時空間情報（例えば、極大値、極小値、ゼロクロスなど）が、第１の時間の特定の値について決定／計算されてもよい。第１の時間の特定の値についての特定の関数のそれぞれの特別な特性および／または時空間情報（例えば極大値、極小値、ゼロクロスなど）にそれぞれ関連する時間オフセットの少なくとも１つの特定の値は識別され得る。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つの特別な特性および／または特別な時空間情報は、時間オフセットの少なくとも１つの特定の値に基づいて決定されてもよい。
第１の時間の特定の値に対する特定の関数の少なくとも１つの特別な特性および／または特別な時空間情報は、以下を含み得る。それは、極大値、正の時間オフセットを持つ極大値、正の時間オフセットを持つ第１の極大値、負の時間オフセットを持つ極大値、負の時間オフセットを持つ第１の極大値、極小値、正の時間オフセットを持つ極小値、正の時間オフセットを持つ第１の極小値、負の時間オフセットを持つ極小値、負の時間オフセットを持つ第１の極小値、極値、正の時間オフセットを持つ極値、正の時間オフセットを持つ第１の極値、負の時間オフセットを持つ第１の極値、負の時間オフセットを持つ第１の極値、ゼロクロス、正の時間オフセットを持つゼロクロス、正の時間オフセットを持つ第１のゼロクロス、負の時間オフセットを持つ第１のゼロクロス、負の時間オフセットを持つ第１のゼロクロス、極大勾配、正の時間オフセットをもつ極大勾配、正の時間オフセットをもつ極大勾配、負の時間オフセットをもつ極大勾配、負の時間オフセットをもつ極大勾配、極小勾配、正の時間オフセットをもつ極小勾配、正の時間オフセットをもつ極小勾配、負の時間オフセットをもつ極小勾配、負の時間オフセットをもつ極小勾配、極大二次微分、極小二次微分、極大高次微分、極小高次微分、ゼロクロス、勾配のゼロクロス、二次微分のゼロクロス、高次微分のゼロクロス、および／または他の特性および／または時空間情報である。
第１の時間の特定の値について特定の関数の極値を探すことがある。探索は、以下の動作を含み得る。（１）現在時刻オフセット値を初期化してもよい。これに再帰が続く。（２）再帰の各反復において、現在の時間オフセット値の周りの回帰窓が決定されてもよい。（３）現在の時間オフセット値の周りの回帰窓内の特定の関数は、回帰分析を使用して回帰関数で／によって近似することができる。（４）特定の関数に対する回帰関数の回帰誤差を求めることができる。（５）現在の時間オフセット値は、回帰関数の凸性、回帰関数の他の特性及び/又は時空間情報、及び/又は回帰窓内の特定の関数に関する回帰関数の回帰誤差に基づいて更新することができる。（６）少なくとも１つの停止基準が満たされるまで再帰の反復を実行する。
特定の関数の極値は、回帰窓内の回帰関数の対応する極値に基づいて、第１の時間の特定の値について決定されてもよい。特定の関数の極値に関連する時間オフセットの特定の値は、回帰窓内で識別することができる。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つの特性および／または時空間情報は、時間オフセットの特定の値に基づいて計算されてもよい。
極値は、少なくとも次のうちの１つである。それは、極大値、正の時間オフセットのある極大値、正の時間オフセットのある第１の極大値、負の時間オフセットのある極大値、負の時間オフセットのある第１の極大値、極小値、正の時間オフセットを持つ極小値、正の時間オフセットを持つ第１の極小値、負の時間オフセットを持つ極小値、負の時間オフセットを持つ第１の極小値、極大勾配、正の時間オフセットをもつ極大勾配、正の時間オフセットをもつ第１の極大勾配、負の時間オフセットをもつ極大勾配、負の時間オフセットをもつ第１の極大勾配、極小勾配、正の時間オフセットをもつ極小勾配、正の時間オフセットをもつ第１の極小勾配、負の時間オフセットをもつ極小勾配、負の時間オフセットを有もつ第１の極小勾配、極大の２次微分、極小の２次微分、極大の高次微分、および／または極小の高次微分である。
初期現在時間オフセット値は、正、負、および／またはゼロであり得る。少なくとも１回の反復において、回帰窓の長さおよび／または回帰窓の位置は変化し得る。回帰関数は、線形関数、二次関数、三次関数、多項式関数、および／または他の関数であり得る。
回帰分析は絶対誤差、二乗誤差、高次誤差（例えば、三次、四次など）、ロバスト誤差（例えば、誤差の大きさが小さい場合は二乗誤差、誤差の大きさが大きい場合は絶対誤差、誤差の大きさが小さい場合は第１種の誤差、誤差が大きい場合は第２種の誤差）、他の誤差、絶対誤差の加重和（例えば、複数のアンテナを有する無線送信機および複数のアンテナを有する無線受信機の場合、送信機アンテナと受信機アンテナの各対はリンクを形成する。異なるリンクに関連するエラーは異なる重みを持つことがある。１つの可能性は、より大きなノイズを持ついくつかのリンクおよび/またはいくつかのコンポーネントがより小さなまたはより大きな重みを持つことがある。）、加重二乗和、高次誤差の加重和、ロバスト誤差の加重和、他の誤差の加重和、絶対コスト、二乗コスト、高次コスト、ロバストコスト、他のコスト、絶対コストの加重合計、二乗コストの加重合計、高次コストの加重合計、ロバストコストの加重合計、および/または他のコストの加重合計を最小限に抑えることができる。決定された回帰誤差は、絶対誤差、二乗誤差、高次誤差、ロバスト誤差、さらに他の誤差、絶対誤差の加重和、加重二乗誤差の和、高次誤差の加重和、ロバスト誤差の加重和、および／またはさらに他の誤差の加重和であり得る。回帰窓内の特定の関数に対する回帰関数の最大回帰誤差に関連する時間オフセットは、反復中の更新された現在の時間オフセットになり得る。
一例では、回帰関数が回帰窓内で局所的に凸形である場合、回帰窓内の特定の関数に対する回帰関数の最大回帰誤差に関連する時間オフセットは、更新された現在の時間オフセットになり得る。他の例では、回帰関数が回帰窓内で局所的に凹形である場合、回帰窓内の特定の関数に対する回帰関数の最大回帰誤差に関連する時間オフセットは、更新された現在の時間オフセットになり得る。回帰関数が回帰窓内で局所的に凸形である場合、回帰窓の両端に関連する時間オフセットのうちの少なくとも１つが、更新された現在の時間オフセットになり得る。回帰関数が回帰窓内で局所的に凹形である場合、回帰窓の両端に関連する時間オフセットのうちの少なくとも１つが、更新された現在の時間オフセットになり得る。
回帰窓の両端に関連する時間オフセットのうちの少なくとも１つは、回帰窓内の回帰関数の局所的凸性に基づいて更新された現在の時間オフセットになり得る。回帰が窓の一部で局所的に凸形で、窓の他の部分で局所的に凹形である場合、窓サイズは縮小され得る。極値は、２つの異なる誤差の差（例えば、絶対誤差と2乗誤差との間の差）を含む量に基づいて探索することができる。２つの異なる誤差は、絶対誤差、二乗誤差、高次誤差、ロバスト誤差、他の誤差、絶対誤差の加重和、加重二乗和誤差、高次誤差の加重和、ロバスト誤差の加重和、および／または他の誤差の加重和を含み得る。
回帰窓内の特定の関数に対する回帰関数の最大回帰誤差に関連するタイムオフセットに近いタイムオフセットが、条件に基づいて更新された現在のタイムオフセットになり得る。停止基準は、第１の時間の特定の値、現在の時間オフセット値、回帰窓、回帰分析、回帰関数、回帰誤差、回帰関数の凸性、および／または繰り返し数に基づいて適応的に決定されてもよい。停止基準は、現在の時間オフセット値の変化が閾値より小さいことであり得る。閾値は、１、２、３、または他の数であり得る。極値は、回帰窓内の回帰関数の対応する極値として決定することができる。極値は、回帰窓内の一組の時間オフセット値および一組の関連する回帰関数値に基づいて決定することができる。一組の時間オフセット値に関連する一組の関連回帰関数値のそれぞれは、回帰窓内の回帰関数の対応する極値からの範囲内にあってもよい。
特定の関数は、ノイズ除去、平滑化、調整、強調、復元、特徴抽出、加重平均、ローパスフィルタ、バンドパスフィルタ、ハイパスフィルタ、中央値フィルタ、ランクフィルタ、四分位フィルタ、パーセンタイルフィルタ、モードフィルタ、線形フィルタ、非線形フィルタ、有限インパルス応答（FIR）フィルタ、無限インパルス応答（IIR）フィルタ、移動平均（MA）フィルタ、自己回帰（AR）フィルタ、自己回帰移動平均（ARMA）フィルタ、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、機械学習、教師つき学習、教師なし学習、半教師つき学習、変換、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、微分、一次微分、二次微分、高次微分、積分、ゼロクロス、指標関数、絶対変換、畳み込み、乗算、除算、前処理、後処理、他の変換、他の処理、他のフィルタ、および第３の関数を含み得る。極値の探索は、ロバスト探索、最小化、最大化、最適化、統計的最適化、二重最適化、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、確率計画法、組合せ最適化、制約プログラミング、制約充足、変動の計算、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、ヒューリスティック、メタヒューリスティック、凸プログラミング、半正定値計画法、円錐計画法、円錐計画法、整数計画法、2次計画法、分数計画法、数値解析、シンプレックスアルゴリズム、反復法、勾配降下法、部分勾配法、座標降下法、共役勾配法、ニュートンアルゴリズム、逐次二次計画法、内点法、楕円体法、縮小勾配法、準ニュートン法、同時摂動確率近似、内挿法、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、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、ミームアルゴリズム、微分進化、動的緩和、確率的トンネリング、タブー探索、反応探索最適化、曲線当てはめ、最小二乗法、シミュレーションに基づく最適化、変分法、および／または変形を含み得る。局所極値の探索は、目的関数、損失関数、コスト関数、効用関数、適合度関数、エネルギー関数、および／またはエネルギー関数を含み得る。
回帰窓の幅は、探索される特定の極値に基づいて決定されてもよい。極値は、第１の極大値、第２の極大値、高次の極大値、正の時間オフセット値を有する第１の極大値、正の時間オフセット値を持つ第２の極大値、正の時間オフセット値を持つより高い極大値、負の時間オフセット値を持つ第１の極大値、負の時間オフセット値を持つ第２の極大値、負の時間オフセット値を持つ第２の極大値、第１の極小値、第２の極小値、より高い極小値、正の時間オフセット値を持つ第１の極小値、負の時間オフセット値を持つ第２の極小値、負の時間オフセット値を持つ第２の極小値、第１の極値、第２の極値、より高い極値、正の時間オフセット値を有する第１の極値、正の時間オフセット値を有する第２の極値、正の時間オフセット値を有するより高い極値、負の時間オフセット値を持つ第１の極値、負の時間オフセット値を持つ第２の極値、および/または負の時間オフセット値を持つより高い極値を含み得る。
現在の時間オフセット値は、目標値、目標プロファイル、傾向、過去の傾向、現在の傾向、目標速度、速度プロファイル、目標速度プロファイル、過去の速度傾向、オブジェクトの動き、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つの特性および／または時空間情報、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、回帰窓の初期幅、持続時間、無線信号のキャリア周波数、無線信号の帯域幅、無線マルチパスチャネルに関連するアンテナの量、雑音特性、および／または適応値に基づいて初期化することができる。現在の時間オフセットは、回帰窓の中央、左側、右側、および／または他の固定相対位置にあり得る。
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つの特性および／または時空間情報のうちの１つは、オブジェクトの速度であり得る。オブジェクトの速度は、回帰窓内の第１の時間の特定の値に対する特定の関数の極値に関連する時間オフセットの特定の値に基づいて計算することができる。一度にオブジェクトの速度は、回帰窓内の第１の特定の値に対する特定の関数の極値に関連する時間オフセットの特定の値に基づいて計算されてもよい。第１の時間の特定の値は時間に等しいかもしれない。特定の時間におけるオブジェクトの加速度は、それぞれ特定の時間に近い時間におけるオブジェクトの速度の少なくとも１つの値に基づいて決定することができる。特定の時間におけるオブジェクトの加速度は、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つの特性および／または時空間情報のうちの１つとすることができる。特定の時間におけるオブジェクトの加速度は、それぞれ特定の時間に近い１つ以上の時間におけるオブジェクトの速度の少なくとも１つの値に基づいて決定され得る。特定の時間におけるオブジェクトの加速度の決定は、時間関数によって１つ以上の時間におけるオブジェクトの速度を近似し、特定の時間に近い時間関数の１つ以上の勾配を決定し、時間関数の１つ以上の勾配に基づいて加速度を計算することを含み得る。
時間関数は、連続関数、連続微分可能関数、線形関数、区分線形関数、二次関数、区分的2次関数、多項式、区分的連続多項式、区分的連続微分可能多項式、回帰関数、自己回帰関数、適応関数、時間適応関数、時間周波数関数、他の関数、最適化関数、制約付き最適化関数、制約なし最適化関数、速度のローパスフィルタ関数、速度のバンドパスフィルタ関数、速度のハイパスフィルタ関数、および／または速度の他のフィルタ関数であり得る。時間関数は、オブジェクトの速度に関連したコスト関数の最適化によって得られてもよい。最適化は、制約されてもよく、および／または制約されなくてもよい。
加速度は、時間関数の１つ以上の勾配の関数として計算することができる。関数は、平均、加重平均、中央値、最頻値、四分位数、パーセンタイル、ロバスト関数、線形関数、非線形関数、および／または他の関数であり得る。時間関数の１つ以上の勾配のうちの１つは、２つの隣接する時間におけるオブジェクトの速度の２つの値の間の差を２つの隣接する時間値の差で割ったものとして決定され得る。時間関数は区分的線形関数であり得る。加速度は特定の時間における区分的線形関数の勾配として計算することができる。１つ以上の時間は、特定の時間の周りの時間窓内にあり得る。１つ以上の時間は、特定の時間周りの時間窓を含み得る。
オブジェクトの加速度は、特定の時間におけるオブジェクトの運動と関連付けられたオブジェクトの加速度であり得る。特定の時間におけるオブジェクトの加速度は、特定の時間に近い時間の複数の値で計算されたオブジェクトの速さに基づいて決定され得る。オブジェクトの速さは、少なくとも１つのＴＳＣＩに基づいて決定されたオブジェクトの運動と関連付けられたオブジェクトの少なくとも１つの特徴および／または時空間情報のうちの１つであり得る。
オブジェクトの速さは、第１の時間の特定の値（第１の時間の特定の値は、特定の時間に近い時間の複数の値のうちの１つである）および時間オフセットの少なくとも１つの値について計算された特定の関数に基づいて決定された、オブジェクトの運動と関連付けられたオブジェクトの少なくとも１つの特徴および／または時空間情報のうちの１つであり得る。オブジェクトの速さはまた、回帰窓内の第１の時間の特定の値（第１の時間の特定の値は、時間と等しい）についての特定の関数の局所的極値と関連付けられた時間オフセットに基づいて決定された、オブジェクトの運動と関連付けられたオブジェクトの少なくとも１つの特徴および／または時空間情報のうちの１つでもあり得る。第１の時間の特定の値におけるオブジェクトの速さは、回帰窓内の特定の関数の局所的極値と関連付けられた時間オフセットの特定の値で割った量として計算され得る。
別の実施例では、少なくとも１つの特徴および／または時空間情報のうちの１つは、オブジェクトの速さであり得る。第１の時間におけるオブジェクトの速さは、回帰窓内の特定の関数の局所的極値と関連付けられた、時間オフセットの特定の値に基づいて、計算され得る。局所的極値は、正の時間オフセットを有する第１の極大値および／または負の時間オフセットを有する第１の極大値であり得る。特定の関数は、時間オフセットに関する特有の自己相関関数の微分であり得る。ＣＩは、周波数分解と関連付けられたＣＳＩであり得る。各ＣＳＩは、周波数分解の周波数に各々対応する複素コンポーネントのベクトルであり得る。コンポーネント毎の自己相関関数は、ＣＳＩの特定の時系列に基づいて、周波数分解の各周波数について計算され得る。特徴自己相関は、周波数分解の周波数にわたるコンポーネント毎の自己相関関数の平均として計算され得る。
繰り返しは、少なくとも１つの極値を得るために少なくとも１回適用され得る。各極値は、それぞれの繰り返しにおける、それぞれの現在の時間オフセット値、それぞれの回帰窓、それぞれの回帰関数、および／またはそれぞれの特定の時間オフセット値と関連付けられ得る。オブジェクトの運動と関連付けられたオブジェクトの少なくとも１つの特徴および／または時空間情報は、回帰窓内の特定の関数のそれぞれの特定の時間オフセット値のうちの少なくとも１つに基づいて計算され得る。繰り返しは、第１の局所的極値および第２の局所的極値を得るために２回適用され得る。第１の局所的極値は、第１の現在の時間オフセット値、第１の回帰窓、第１の回帰関数、および／または第１の特定の時間オフセット値と関連付けられ得る。第２の局所的極値は、第２の現在の時間オフセット値、第２の回帰窓、第２の回帰関数、および／または第２の特定の時間オフセット値と関連付けられ得る。オブジェクトの運動と関連付けられたオブジェクトの少なくとも１つの特徴および／または時空間情報は、回帰窓内の特定の関数の第１の特定の時間オフセット値および／または第２の特定の時間オフセット値に基づいて計算され得る。繰り返しは、正の時間オフセットを有する第１の極大値である第１の局所的極値および負の時間オフセットを有する第１の極大値である第２の局所的極値を得るために２回適用され得る。第１の局所的極値は、第１の現在の時間オフセット値、第１の回帰窓、第１の回帰関数、および／または第１の特定の時間オフセット値と関連付けられ得る。第２の局所的極値は、第２の現在の時間オフセット値、第２の回帰窓、第２の回帰関数、および／または第２の特定の時間オフセット値と関連付けられ得る。オブジェクトの運動と関連付けられたオブジェクトの少なくとも１つの特徴および／または時空間情報は、回帰窓内の特定の関数の第１の特定の時間オフセット値および／または第２の特定の時間オフセット値に基づいて計算され得る。
オブジェクトの歩行サイクルは、オブジェクトの速さの少なくとも１つの値および／またはオブジェクトの加速度の少なくとも１つの値に基づいて決定され得る。オブジェクトの少なくとも１つの歩行サイクルはまた、オブジェクトの速さの少なくとも１つの値および／またはオブジェクトの加速度の少なくとも１つの値に基づいて決定され得る。少なくとも１つの歩行サイクルは、正の加速度の期間および負の加速度の期間の連続を検出することによって決定され得る。少なくとも１つの歩行サイクルは、速さが増加する期間および速さが減少する期間の連続を検出することによって決定され得る。少なくとも１つの歩行サイクルは、正の速さの期間および負の速さの期間の連続を検出することによって決定され得る。少なくとも１つの歩行サイクルは、関連する期間における、オブジェクトの速さの基礎をなす周期的行動、オブジェクトの速さ変化、および／またはオブジェクトの加速度を検出することによって決定され得る。少なくとも１つの歩行サイクルは、関連する期間における、オブジェクトの極大速さの基礎をなす周期的行動、オブジェクトの極小速さ、オブジェクトの極大加速度、オブジェクトの極小加速度、オブジェクトの極大速さ変化、および／またはオブジェクトの極小速さ変化を検出することによって決定され得る。少なくとも１つの歩行サイクルは、期間と関連付けられるよう決定されてもよい。オブジェクトの速さおよび／またはオブジェクトの加速度の関数は、期間と関連付けられた場所にて極大値を示し得る。少なくとも１つの歩行サイクルは、期間と関連付けられるよう決定されてもよい。オブジェクトの速さおよび／またはオブジェクトの加速度の関数は、期間と関連付けられた、関連する複数の対のピーク場所における、極大値および極小値の複数の対を有するピーク局在化を示すように決定され得る。
期間は、関数の、２つの隣接する極大値、２つの隣接する極小値、隣接する極大値および極小値の対、所定の数の最大値によって分離された２つの極大値、所定の数の最小値によって分離された２つの極小値、ならびに所定の数の極値によって分離された極大値および極小値の対のうちの少なくとも１つの間の距離に基づいて決定され得る。
関数には、自己相関関数、自己相関様関数（auto-correlation like function）、自己共分散関数、自己共分散様関数（auto-covariance like function）、速さとシフトされたバージョンの加速度との積、速さと既知の期間のシフトされたバージョンの周期的関数との積、加速度と既知の期間のシフトされたバージョンの周期的関数との積、コスト関数の最適化、コスト関数の制約付き最適化、コスト関数の制約なし最適化、フーリエ変換、ラプラス変換、別の変換、および／または別の関数が含まれ得る。
オブジェクトの少なくとも１つの歩行サイクルは、オブジェクトの速さの少なくとも１つの値およびオブジェクトの加速度の少なくとも１つの値のうちの少なくとも１つに基づいて決定され得る。オブジェクトの速さは、少なくとも１つのＴＳＣＩに基づいて決定されたオブジェクトの運動と関連付けられたオブジェクトの少なくとも１つの特徴および／または時空間情報のうちの１つであり得る。オブジェクトの加速度は、オブジェクトの速さに基づいて決定され得る。オブジェクトの少なくとも１つの歩行サイクルは、オブジェクトの速さの少なくとも１つの値およびオブジェクトの加速度の少なくとも１つの値のうちの少なくとも１つに基づいて決定され得る。オブジェクトの速さは、第１の時間の特定の値（第１の時間の特定の値は、特定の時間に近い時間の複数の値のうちの１つである）および時間オフセットの少なくとも１つの値について計算された特定の関数に基づいて決定された、オブジェクトの運動と関連付けられたオブジェクトの少なくとも１つの特徴および／または時空間情報のうちの１つであり得る。オブジェクトの加速度は、オブジェクトの速さに基づいて決定され得る。オブジェクトの少なくとも１つの歩行サイクルは、オブジェクトの速さの少なくとも１つの値およびオブジェクトの加速度の少なくとも１つの値のうちの少なくとも１つに基づいて決定され得る。オブジェクトの速さは、回帰窓内の第１の時間の特定の値（第１の時間の特定の値は、時間と等しい）についての特定の関数の局所的極値と関連付けられた時間オフセットに基づいて決定された、オブジェクトの運動と関連付けられたオブジェクトの少なくとも１つの特徴および／または時空間情報のうちの１つであり得る。オブジェクトの加速度は、オブジェクトの速さに基づいて決定され得る。オブジェクトの歩行および／またはイベントは、ＴＳＣＩの少なくとも１つのセグメント、時系列のチャネル状態情報（ＣＳＩ）の少なくとも１つのセグメント、特定の関数の少なくとも１つの値、オブジェクトの速さの少なくとも１つの値、および／または各々がオブジェクトの速さの少なくとも１つの値に基づく、オブジェクトの加速度の少なくとも１つの値のうちの少なくとも１つに基づいて検出され得る。オブジェクトの歩行および／またはイベントは、ＣＩ、チャネル状態情報（ＣＳＩ）、特定の関数、オブジェクトの速さ、および／またはオブジェクトの加速度のうちの少なくとも１つの時間的傾向に基づいて検出され得る。
オブジェクトの歩行および／またはイベントの検出は、オブジェクトの速さの時間的傾向に基づいてエンジンを使用して、オブジェクトの歩行および／またはイベントを決定することを含み得る。エンジンへの入力は、ＴＳＣＩの少なくとも１つのセグメント、時系列のチャネル状態情報（ＣＳＩ）の少なくとも１つのセグメント、特定の関数の少なくとも１つの値、オブジェクトの速さの少なくとも１つの値、オブジェクトの加速度の少なくとも１つの値のうちの少なくとも１つを含み得る。エンジンは、ニューラルネットワークおよび／または分類エンジンであり得る。エンジンは、訓練フェーズで訓練入力により訓練され、オブジェクトの既知の歩行および既知のイベントと関連付けられた、少なくとも１つの基準時間的傾向を生成し得る。エンジンの訓練入力は、オブジェクトの既知の歩行および既知のイベントと関連付けられ得る。訓練は、識別訓練、判定帰還型訓練、機械学習、教師あり学習、教師なし学習、シャローラーン（shallow learn）、ディープラーニング、および／または別の訓練のうちの少なくとも１つであり得る。エンジンを使用したオブジェクトの歩行および／またはイベントの決定は、時間的傾向を得ることと、時間的傾向と基準時間的傾向の各々と比較することと、第１の持続時間の時間的傾向と異種持続時間の少なくとも１つの基準時間的傾向の各々とを整合させることと、を含む。時間的傾向とそれぞれの整合された基準時間的傾向との間の少なくとも１つの類似性スコア各々を計算することと、ならびに／または少なくとも１つの類似性スコアに基づいて、オブジェクトの既知の歩行のうちの１つおよび／もしくは既知のイベントのうちの１つとして、オブジェクトの歩行および／もしくはイベントを決定することと、を更に含み得る。
オブジェクトの速さは、少なくとも１つのＴＳＣＩに基づいて決定されたオブジェクトの運動と関連付けられたオブジェクトの少なくとも１つの特徴および／または時空間情報のうちの１つであり得る。オブジェクトの速さは、第１の時間の特定の値（第１の時間の特定の値は、特定の時間に近い時間の複数の値のうちの１つである）および時間オフセットの少なくとも１つの値について計算された特定の関数に基づいて決定された、オブジェクトの運動と関連付けられたオブジェクトの少なくとも１つの特徴および／または時空間情報のうちの１つであり得る。
少なくとも１つの閾値が決定されてもよい。オブジェクトの少なくとも１つの特性および／または時空間情報は、少なくとも１つの閾値に基づいて決定されてもよい。少なくとも１つの閾値は、第２のプロセッサと、第２のプロセッサと通信可能に結合された第２のメモリと、第２のメモリに格納された第２の命令セットとを用いて、無線マルチパスチャネルの少なくとも１つの時系列のトレーニングＣＩに基づいて決定され得る。第２のプロセッサは、第１のプロセッサ、第１のプロセッサの一部であり得、および／または第１のプロセッサと接続されていてもよい。第２のプロセッサのいくつかのリソース（ハードウェア、ネットワーク、通信、ユーザインターフェース、および／またはソフトウェア）は、第１のプロセッサと共有されてもよい。第２のメモリは、第１のメモリ、第１のメモリの一部であり得、第１のメモリに接続され、および／または第１のメモリと共有されていてもよい。第２の命令セットは、第１の命令セット、および／または第１の命令セットの一部であり得る。第２の命令セットおよび第１の命令セットは、いくつかのソフトウェアライブラリ、いくつかのソフトウェアルーチン、いくつかのハードウェアリソース、いくつかの通信リソース、および／または他のリソースを共有することができる。第２の命令セットおよび第１の命令セットは、独立して、協調的に、共同で、順次に、並行して、交互に、および／または対話的に動作することができる。
無線マルチパスチャネルの少なくとも１つの時系列のトレーニングＣＩは、トレーニングフェーズにおいて無線マルチパスチャネルを介して送信された第２の無線信号から取得され得る。無線マルチパスチャネルは、トレーニングフェーズにおける第２のオブジェクトのトレーニング動作によって影響を受け得る。トレーニングフェーズはトレーニングセッションであり得、これは１回、時折、定期的に、および／または要求に応じて実行され得る。トレーニングフェーズにおける第２のオブジェクトの正の目標トレーニング動作に関連する無線マルチパスチャネルの少なくとも１つの時系列の第１のトレーニングＣＩが取得され得る。正のトレーニング動作は、認識され、モニタされ、測定され、研究され、処理され、検出され、推定され、検証され、および／または捕捉されるべき目標動作であり得る。トレーニングフェーズにおける第２のオブジェクトの負の目標トレーニング動作に関連する無線マルチパスチャネルの少なくとも１つの時系列の第２のトレーニングＣＩが取得され得る。負のトレーニング動作は、無視される、逃される、モニタされない、検出されない、推定されない、認識されない、捕捉されない、測定されない、および／または研究されない目標動作であり得る。
少なくとも１つの時系列の第１のトレーニングＣＩからの少なくとも１つの第１の量および／または少なくとも１つの時系列の第２のトレーニングＣＩからの少なくとも１つの第２の量を計算することができる。少なくとも１つの第１の量および／または少なくとも１つの第２の量は、動き統計、位置統計、マップ座標統計、高度統計、速度統計、加速度統計、移動角度統計、回転統計、サイズ統計、ボリューム統計、時間傾向、時間傾向統計、時間プロファイル統計、周期的動き統計、周波数統計、過渡統計、呼吸統計、歩行統計、動作統計、イベント統計、不審なイベント統計、危険なイベント統計、警戒イベントの統計、警告統計、信念統計、近接統計、衝突統計、電力統計、信号統計、信号電力統計、信号強度統計、受信信号強度インジケータ（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）、ＣＳＩ統計、マップ統計、時間統計、周波数統計、時間-周波数統計、分解統計、直交分解統計、非直交分解統計、トラッキング統計、呼吸統計、ハートビート統計、バイオメトリック統計、赤ちゃんの統計、患者の統計、機械の統計、デバイスの統計、温度の統計、車両の統計、駐車場の統計、場所の統計、リフト統計、エレベータ統計、空間統計、道路統計、流体流量統計、住宅統計、部屋統計、オフィス統計、住宅統計、建物統計、倉庫統計、ストレージ統計、システム統計、換気統計、ファン統計、パイプ統計、ダクト統計、人の統計、人の統計、自動車の統計、ボート統計、トラック統計、飛行機統計、ドローン統計、ダウンタウン統計、群衆統計、衝動的イベント統計、サイクロ定常統計、環境統計、振動統計、材料統計、表面統計、3次元統計、2次元統計、ローカル統計、グローバル統計、プレゼンス統計、および／または他の統計を含み得る。
少なくとも１つの閾値は、少なくとも１つの第１の量および／または少なくとも１つの第２の量に基づいて決定されてもよい。少なくとも１つの閾値は、第１の量の第１の割合が第１の閾値よりも大きい、等しい、および／または小さい（少なくとも１つの閾値ではない）ように決定されてもよい。少なくとも１つの閾値は、第２の量の第２の割合が第２の閾値よりも大きい、等しい、および／または小さい（少なくとも１つの閾値ではない）ように決定されてもよい。第１の閾値は、第２の閾値より大きくても、等しくても、かつ／または小さくてもよい。第１の閾値は第２の閾値であり得る。第１の割合は、第２の割合よりも大きくても、等しくても、および／またはそれより少なくてもよい。
無線マルチパスチャネルの少なくとも１つの時系列の第１のトレーニングＣＩは、トレーニングフェーズにおけるモニタ領域内の第２のオブジェクトのトレーニング動作に関連付けられてもよい。第２のオブジェクトの正の目標トレーニング動作は、モニタ領域内の第２のオブジェクトのトレーニング動作であり得る。無線マルチパスチャネルの少なくとも１つの時系列の第２のトレーニングＣＩは、トレーニングフェーズにおけるモニタ領域外の第２のオブジェクトのトレーニング動作に関連付けられてもよい。第２のオブジェクトの負の目標トレーニング動作は、モニタ領域外の第２のオブジェクトのトレーニング動作であり得る。
第２のオブジェクトは第１のオブジェクトであり得る。第２のオブジェクトは、第１のオブジェクトの模造品、交換品、バックアップ、および／またはレプリカであり得る。第２オブジェクトは、第１オブジェクトと同様の他のオブジェクトであり得る。第２のオブジェクトは、構造、サイズ、形状、機能性、周期性、変形特性、動き特性、速度、加速度、歩行、傾向、習慣、無線特性、および他の特性に関して第１のオブジェクトと同様であり得る。
本開示はまた、ＣＩを提供することができる通信ハードウェアに関する。通信ハードウェアはＷｉ-Ｆｉ対応チップ（例えば、集積回路またはＩＣ）、次世代ＷｉＦｉ対応チップ、ＬＴＥ対応チップ、５Ｇ対応チップ、６Ｇ／７Ｇ／８Ｇ対応チップなどであり得る。これらのＣＳＩレディチップは、転倒のような過渡的な動きをモニタするために上に開示された受動的速度推定を実行するために使用されることができる。通信ハードウェアはＣＩを計算し、そのＣＩをバッファメモリに格納し、そのＣＩを抽出に利用可能にする。ＣＩは、チャネル状態情報（ＣＳＩ）に関連するデータおよび／または少なくとも１つの行列を含み得る。少なくとも１つの行列は、チャネル等化、および／またはビームフォーミングなどに使用され得る。
図３は、本教示の一実施形態による、オブジェクトのトラッキングのための例示的な方法を示す。動作３０２において、プロセッサ、メモリ、およびメモリに格納されている命令のセットを使用して、無線マルチパスチャネルの少なくとも１つのＴＳＣＩが取得される。少なくとも１つのＴＳＣＩは、場所内の第１の位置にあるタイプ１異種無線デバイスと場所内の第２の位置にあるタイプ２異種無線デバイスとの間で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。無線マルチパスチャネルは、場所内のオブジェクトの現在の動きによって影響を受ける。動作３０４では、オブジェクトの時空間情報が、少なくとも１つのＴＳＣＩ、現在の動きに関連する時間パラメータ、およびオブジェクトの過去の時空間情報のうちの少なくとも１つに基づいて決定される。動作３０６において、タスクは時空間情報に基づいて実行される。
図４は、本教示の一実施形態による、時空間情報４０２の例を示す。したがって、図５は、本教示の一実施形態による、時空間情報に基づいて実施されるタスク４０４の例を示す。
図６は、本教示の一実施形態による、オブジェクトトラッキングのための他の例示的な方法を示す。図６にて示すように、ＴＳＣＩを得て、動作６０２にて距離を決定することができ、これにより、現在のオブジェクトの運動の距離情報６０４を得ることができる。並行して、いくつかのメカニズムを使用して、現在のオブジェクトの運動の推定方向６０６を得ることができる。そのように、時空間情報は、距離情報６０４および推定方向６０６に基づいて、図３にて示す動作３０４と同様に決定されて、図４に示すような時空間情報４０２を得ることができる。
一般的に、タスクは、図３の動作３０６にて示すように、時空間情報に基づいて実施され得る。一実施形態では、タスクは、時空間情報の描写を含み得る。これは、視聴覚的方法、グラフィカルな方法、テキストの方法、記号の方法、または機械的方法によって表示され得る。例えば、時空間情報は、家の異なる部屋内のオブジェクトの動きの検出であり得る。グラフィカルユーザインターフェース（ＧＵＩ）は、家の中のオブジェクトの位置を示すように構成することができる。例えば、オブジェクトは、人であり得る。オブジェクトの場所またはおおよその場所を示す、またはマークすることができる。そして、ＧＵＩで家を、リビングルームエリア、ファミリールームエリア、ダイニングルームエリア、ベッドルーム１エリア、ベッドルーム２エリアなどに仕切ることができる。各エリアに色を割り当て、および／または色で網掛けすることができる。各エリアは、アニメーション化され得る（例えば、エリアのサイズ、エリアの形状、エリアの色、エリアの色の強度、テキスト表示、記号表示など）。または、ＧＵＩは、マップの有無にかかわらず各領域を他の表現にできる。表現は、アニメーション化であり得る。アニメーションは、リアルタイムまたは後であり得る。予測オブジェクト（ユーザ）行動／活動もまた、アニメーション化され得る。描写はまた、時空間情報を反映するために、振動、機械的フィードバック、物理的フィードバック、触覚フィードバック、照明、陰影、形状などの形態であり得る。時空間情報は、２つ以上の分析、例えば、人数、動きの存在、動きの強度、動きの持続時間、動きの頻度、「異常な」または「予期しない」動き、バイタルサイン、生／死、動かない、眠り、不審なイベント、および／または転倒などを含み得る。例えば、動きが大きい場合、色は、暗いか（黒／グレー要素が多い）、またはより鮮明か、またはより明るくなり得る。動きが小さい場合、色は、より明るいか、または鮮明さが低くなるか、または薄暗くなり得る。人が家に入ると、ＧＵＩは、彼が、フロントロビーエリア、リビングルーム、ベッドルーム１などにいることを示すことができる。ＧＵＩは、コンピュータ／タブレット用のソフトウェア、スマートフォン（例えば、ｉＰｈｏｎｅ、Ａｎｄｒｏｉｄ ｐｈｏｎｅなど）のアプリ、スマートデバイス（例えば、スマートグラス、スマートウォッチなど）内のアプリであり得る。
アンテナマッチングに基づく速度推定の一例では、速度推定は、２つの隣接するＣＳＩ間の時間反転共振強度（ＴＲＲＳ）をモデル関数と比較することによって得ることができる。Ｈｉ（ｔ）は、ｉ番目の受信アンテナで時間ｔに測定されたＣＳＩ（またはＣＩ ＣＩ）を表し、Δｔは、２つの隣接するＣＳＩ測定間の持続時間を意味する。各時間ｔ１について、基準ＣＳＩを形成でき、これは、主要アンテナによって測定され、Ｈlead（ｔ１）＝［Ｈ２（ｔ１），Ｈ３（ｔ１），Ｈ２（ｔ１＋Δｔ），Ｈ３（ｔ１＋Δｔ），．．．，Ｈ２（ｔ１＋（Ｎ－１）Δｔ），Ｈ３（ｔ１＋（Ｎ－１）Δｔ）］として示され、式中、Ｎは、１，２，３．．．であり、かつ比較のためのＣＳＩを形成でき、これは、追従アンテナ（または後続アンテナ）によって測定され、Ｈfollow（ｔ）＝［Ｈ１（ｔ），Ｈ２（ｔ），Ｈ１（ｔ＋Δｔ），Ｈ２（ｔ＋Δｔ），．．．，Ｈ１（ｔ＋（Ｎ－１）Δｔ），Ｈ２（ｔ＋（Ｎ－１）Δｔ）］として示される。ＴＲＲＳγ（ｔ１，ｔ)値および／またはＨlead（ｔ１）とＨfollow（ｔ）との間のいくつかの類似性測定値および／もしくはいくつかの距離測定値を計算できる。
アンテナマッチングに基づく速さ推定の例示的なフロー図を図７に示す。動作７０２では、主要アンテナのＣＦＲ連結の詳細な定式化は、Ｈlead（ｔ１）＝［Ｈ２（ｔ１），Ｈ３（ｔ１），Ｈ２（ｔ１＋Δｔ），Ｈ３（ｔ１＋Δｔ），．．．，Ｈ２（ｔ１＋（Ｎ－１）Δｔ），Ｈ３（ｔ１＋（Ｎ－１）Δｔ）］である。動作７０４では、追従アンテナのＣＦＲ連結の詳細な定式化は、Ｈfollow（ｔ２）＝［Ｈ１（ｔ２），Ｈ２（ｔ２），Ｈ１（ｔ２＋Δｔ），Ｈ２（ｔ２＋Δｔ），．．．，Ｈ１（ｔ２＋（Ｎ－１）Δｔ），Ｈ２（ｔ２＋（Ｎ－１）Δｔ）］である。動作７０６では、各タイムスロットｔ１について、２つのＣＦＲフィンガープリントＨlead（ｔ１）およびＨfollow（ｔ２）の間のＴＲＲＳγ（ｔ１，ｔ２）が異なるｔ２の近くのｔ１について計算される。動作７０８では、γ（ｔ１，ｔ２）の最大値を与えるｔ２を決定することができるので、次いで、主要アンテナの群と追従アンテナの群との間の遅延τは、τ＝ｔ２－ｔ１である。つまり、動作７１０では、速さ推定は、ｖ＝ｄ／τであり、ｄは、任意の２つの隣接する均一に間隔を開けられたアンテナの間の距離である。
本教示はまた、オブジェクトの動きの影響を受ける無線マルチパスチャネルのＣＩに基づいて、場所内でのオブジェクトの動きを検出するためのシステム、デバイス、および方法について開示している。一実施形態では、オブジェクトの動きは、無線マルチパスチャネルのＴＳＣＩに基づいて計算された動き情報に基づいて検出される。動き情報は、ＴＳＣＩの現在の時間窓と過去の時間窓との間の異種類似性スコアを含み得る。
一実施形態では、開示されたシステムは、場所内のオブジェクトの動きの影響を受けた無線マルチパスチャネルを介して無線信号を送信するために構成された第１の無線デバイスと、第１の無線デバイスのタイプとは異なるタイプを有する第２の無線デバイスと、を備える。第２の無線デバイスは、場所内でのオブジェクトの動きの影響を受けた無線マルチパスチャネルを介して無線信号を受信し、かつ無線信号に基づいて無線マルチパスチャネルのＴＳＣＩを得るように構成されている。開示されたシステムは、オブジェクトの動きに関する動き情報に基づいて場所内でのオブジェクトの動きを検出するように更に構成されている。第１および第２の無線デバイスと関連付けられた動き情報は、動き検出器と第２の無線デバイスとのうちの少なくとも１つによってＴＳＣＩに基づいて計算される。
動き検出器は、第１の無線デバイスと、第２の無線デバイスと、第１の無線デバイスと同一の種類の第３の無線デバイスと、第２の無線デバイスと同一の種類の第４の無線デバイスと、クラウドサーバと、フォグサーバと、ローカルサーバと、エッジサーバと、のうちの少なくとも１つに結合され得る。一実施形態では、第１の無線デバイスは、タイプ１のタイプ１デバイスとであり、第２の無線デバイスは、タイプ２のタイプ２デバイスであり、システムは、少なくとも１つの追加のタイプ１デバイスおよび少なくとも１つの追加のタイプ２デバイスのうちの少なくとも１つを更に備え、タイプ１デバイスおよびタイプ２デバイスは、複数のタイプ１およびタイプ２デバイスの対を形成する。タイプ１デバイスおよびタイプ２デバイスを含むタイプ１およびタイプ２デバイスの各対について、それぞれのタイプ１デバイスは、場所内でのオブジェクトの動きの影響を受けた無線マルチパスチャネルを介してそれぞれの無線信号を送信するように構成することができ、それぞれのタイプ２デバイスは、無線マルチパスチャネルを介してそれぞれの無線信号を受信し、それぞれの無線信号に基づいて無線マルチパスチャネルのそれぞれのＴＳＣＩを得るように構成することができ、動き検出器およびそれぞれのタイプ２デバイスのうちの少なくとも１つは、それぞれのＴＳＣＩに基づいてオブジェクトの動きに関するそれぞれの異種動き情報を非同期的に計算するように構成することができ、動き検出器およびタイプ２デバイスのうちの少なくとも１つは、タイプ１およびタイプ２デバイスの対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを個別にかつ非同期的にモニタすることと、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの任意の対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを連帯的にかつ非同期的にモニタすることと、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの任意の対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを連帯的にかつ非同期的にモニタすることと、タイプ１およびタイプ２デバイスの任意の対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを全体的にかつ非同期的にモニタすることと、のうちの少なくとも１つを実施するように構成されている。
本教示の様々な実施形態によれば、オブジェクトの動き検出およびモニタのための開示されたシステムにおいて、オリジンは、送受信器であることができ、ボットは、他の送受信器であることができる。ボットおよびオリジンの各々は、タイプ１またはタイプ２異種無線デバイスであり得る。
一実施形態では、それぞれのＴＳＣＩの各ＣＩは、少なくとも１つのそれぞれの成分を有し得る。各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対の各々について、ならびに少なくとも１つのそれぞれの成分の各々について、以下を行うことができる。（ａ）それぞれのＴＳＣＩの成分のそれぞれの現在の成分窓は、それぞれの現在の窓に基づいて、非同期的に決定され得る、（ｂ）それぞれのＴＳＣＩの成分のそれぞれの過去の成分窓は、それぞれの過去の窓に基づいて、非同期的に決定され得る、（ｃ）それぞれの現在の成分窓は、それぞれの過去の成分窓と成分毎に非同期的に比較され得る、（ｄ）オブジェクトの動きは、それぞれの現在の成分窓とそれぞれの過去の成分窓との非同期的な成分毎の比較に基づいて、成分毎にモニタされ得る。オブジェクトの動きは、非同期の成分毎の比較に基づいて検出され得る。
一実施形態では、開示されたシステムは、対（タイプ１デバイスおよびタイプ２デバイス）で動作する、ハードウェアコンポーネント（例えば、アンテナを有する無線送信器／受信器、アナログ回路、ＲＦ／ＩＦ／ベースバンド要素、低ノイズアンプ、電源供給、プロセッサ、メモリなど）と、対応するソフトウェアコンポーネントと、を有する。開示されたシステムは、非常に高い検出率および非常に低い誤警報率で場所内のオブジェクトの動きを検出することが可能である。特に、開示されたシステムは、セキュリティシステム内で広く使用されている動きセンサである既存の受動型赤外線（ＰＩＲ）センサよりもはるかに優れている。
第１に、開示されたシステムは、動き検出範囲がかなり大きい。一実施形態では、開示された無線動き検出システムは、環境（場所）を探査するために無線信号（Ｗｉ-ＦｉまたはＬＴＥなど）を使用し、Ｗｉ-Ｆｉによって約１０，０００平方フィートの広い固有範囲を有する。ＰＩＲは、赤外線信号を使用することによって、約１００～２００平方フィートの範囲よりかなり狭い範囲を有する。
第２に、開示されたシステムは、コーナーの周りの動きを検出できる。ＰＩＲセンサは、見通し内（line-of-sight：ＬＯＳ）の動作に依存しているが、これは、壁の後ろ、またはコーナーの周り、または障害物（例えば、ＴＶ、ソファ、窓、パーティションなど）の後ろの動きを検出できない。対照的に、開示されたシステムは、見通し内（ＬＯＳ）および見通し外（non-line-of-sight：ＮＬＯＳ）条件の両方で働く。開示されたシステムは、複数の壁の後ろ、複数のコーナーの周り、および障害物の後ろの動きを完全に検出することが可能である。セキュリティアプリケーションでは、侵入者が暗闇でまさに隠れており悪事をするのを待っている可能性があるため、コーナーの周りおよび壁の後ろの動きを検出できることが、極めて重要である。
第３に、開示されたシステムは、とても優れた誤警報率を有する。誤警報とは、実際に動きがないのに、システムが動きを検出することを意味する。このような誤警報は、オペレータや警察を非常に煩わせる。開示されたシステムは、０．１％未満の非常に低い誤警報率を有し、一方、ＰＩＲ系検出器の誤警報率は、１０％以上の範囲内である。一方、ＰＩＲ系検出器は、例えば、強い日光などによる温度変化に敏感であるが、開示されたシステムは、日光または温度変化に敏感ではない。
第４に、開示されたシステムは、ＰＩＲ系検出器のような特別な設置は必要ない。ＰＩＲ系検出器は、特別な設置が必要である。一度設置されると、動かすことはできない。ＰＩＲ系検出器は、非常に限られた範囲を有するので、多くのＰＩＲデバイスは、労働集約的で、時間がかかり、かつ高価である。加えて、故障したＰＩＲデバイスの交換には、更なる労力を必要とする。開示されたシステムは、既存のＷｉ-ＦｉまたはＬＴＥを使用して、動き検出を実施することができる。言い換えると、特別な設置は必要ない。開示されたシステムは、単にいくつかの既存のＷｉ-Ｆｉ準拠デバイス、例えば、Ｗｉ-Ｆｉルータ、スマートフォン、スマートスピーカー（例えば、Ａｍａｚｏｎ Ｅｃｈｏ、Ｇｏｏｇｌｅ Ｈｏｍｅなど）、スマートデバイス（例えば、スマート温度計、スマートカメラ、スマートＴＶ、スマートセットトップボックス、スマート冷蔵庫など）を使用することができる。タイプ１デバイスおよびタイプ２デバイスは、プラグアンドプレイデバイスであり得ることができ、特別な設置は必要ない。プラグアンドプレイの性質が故に、開示された無線動き検出システムは、デバイスが消費者によって移動されても（例えば、リビングルームからファミリールーム、またはあるプラグから他のプラグ）、依然として動く。更に、開示されたシステムは、Ｗｉ-ＦｉおよびＬＴＥなどの既存の規格準拠大量販売用インフラストラクチャを活用できる。したがって、開示されたシステムの多くの構成要素が、典型的には大量生産品であるため、低コストで、消費者市場ならびにニッチ市場に好適である。
一実施形態では、オブジェクトの動きに関するタスクは、少なくとも１つのＴＳＣＩに基づいた、オブジェクトのいくつかの時空間情報（例えば、場所、速さ、速度、加速度、周期的動き、時間的傾向、過渡的な動き、期間、特性など）、現在の運動と関連付けられた時間パラメータ、および／またはオブジェクトの過去の時空間情報に基づいて実施され得る。１つ以上のＴＳＣＩは、前処理され得る。一実施形態では、タスクは、時空間情報の描写を含み得る。これは、視聴覚的方法、グラフィカルな方法、テキストの方法、記号の方法、または機械的方法によって表示され得る。例えば、時空間情報は、家の異なる部屋内のオブジェクトの動きの検出を示すことができる。グラフィカルユーザインターフェース（ＧＵＩ）は、家の中のオブジェクトの位置を示すように構成することができる。例えば、オブジェクトは、人であり得る。オブジェクトの場所またはおおよその場所を示すかまたはマークすることができる。
ＧＵＩで家を、リビングルームエリア、ファミリールームエリア、ダイニングルームエリア、ベッドルーム１エリア、ベッドルーム２エリアなどに仕切ることができる。各エリアに色を割り当て、および／または色で網掛けすることができる。各エリアは、アニメーション化され得る（例えば、エリアのサイズ、エリアの形状、エリアの色、エリアの色の強度、テキスト表示、記号表示など）。または、ＧＵＩは、マップの有無にかかわらず各領域を他の表現にできる。表現は、アニメーション化であり得る。アニメーションは、リアルタイムまたは後であり得る。予測オブジェクト（ユーザ）行動／活動もまた同様に、アニメーション化され得る。描写はまた、時空間情報を反映するために、振動、機械的フィードバック、物理的フィードバック、触覚フィードバック、照明、陰影、形状などの形態であり得る。時空間情報は、２つ以上の分析、例えば、人数、動きの存在、動きの強度、動きの持続時間、動きの頻度、「異常な」または「予期しない」動き、バイタルサイン、生／死、動かない、眠り、不審なイベント、および／または転倒などを含み得る。例えば、動きが大きい場合、色は、暗いか（黒／グレー要素が多い）、またはより鮮明か、またはより明るくなり得る。動きが小さい場合、色は、より明るいか、または鮮明さが低くなるか、または薄暗くなり得る。人が家に入ると、ＧＵＩは、彼が、フロントロビーエリア、リビングルーム、ベッドルーム１などにいることを示すことができる。ＧＵＩは、コンピュータ／タブレット様のソフトウェア、スマートフォン（例えば、ｉＰｈｏｎｅ、Ａｎｄｒｏｉｄ ｐｈｏｎｅなど）のアプリ、スマートデバイス（例えば、スマートグラス、スマートウォッチなど）内のアプリによって実装され得る。
図８は、本教示の一実施形態による、場所内での時空間情報に基づいてオブジェクトの動きを検出する例示的なシナリオを示す。図８はまた、場所内での時空間情報の例示的な描写を示す。例えば、図８にて示すように、２ベッドルームアパートメント８００において、オリジン８０１は、リビングルームエリア８０２に置くことができ、ボット１ ８１０は、ベッドルーム１エリア８１２に置くことができ、ボット２ ８２０は、ダイニングルームエリア８２２に置くことができる。ボット１ ８１０およびボット２ ８２０の各々は、無線信号をオリジン８０１に送信することができ、オリジン８０１は、無線信号に基づいて無線マルチパスチャネルのＣＩを得ることができる。オリジン８０１は、それ自身によって、または動き検出器の様な第３のデバイスを介して、ＣＩに基づいて動き情報を計算し、動き情報に基づいてオブジェクトの動き／活動を検出することができる。これは、オリジン８０１が、それ自身によって、または動き検出器の様な第３のデバイスを介して、ボット１ ８１０および／またはボット２ ８２０によって送信された無線信号に基づいてオブジェクトの動き／活動を検出することができる。
オブジェクトの動き／活動が、ボット１ ８１０およびボット２ ８２０の両方によって送信された無線信号に基づいて検出される場合、活動／動きまたはオブジェクト（例えば、人／ユーザ）は、リビングルームエリア８０２内であり得る。オブジェクトの動き／活動が、ボット１ ８１０によって送信された無線信号のみに基づいて検出される場合、活動／動きまたはオブジェクト（例えば、人／ユーザ）は、ベッドルーム１エリア８１２内であり得る。オブジェクトの動き／活動が、ボット２ ８２０によって送信された無線信号のみに基づいて検出される場合、活動／動きまたはオブジェクト（例えば、人／ユーザ）は、ダイニングルームエリア８２２内であり得る。オブジェクトの動き／活動が、ボット１ ８１０またはボット２ ８２０のいずれかによって送信された無線信号に基づいて検出できない場合、アパートメント８００内には誰もおらずオブジェクトもないと判断され得る。活動／動き／人／ユーザが検出された対応するエリアは、所定のパターンまたは色でマークされ得る。
図９は、本教示の一実施形態による、無線ＣＩに基づいて動き検出器によって実施される動き検出のための例示的な方法のフロー図を示す。動作９０２にて、無線信号は、オブジェクトの動きにより影響を受けた無線マルチパスチャネルを介して受信される。動作９０４にて、チャネルの少なくとも１つの成分を有するＴＳＣＩは、無線信号に基づいて得られる。成分のそれぞれの現在の成分窓は、現在の時間窓に基づいて、動作９０６にて、非同期的に決定される。成分のそれぞれの過去の成分窓は、過去の時間窓に基づいて、動作９０８にて、非同期的に決定される。動作９１０にて、それぞれの現在の成分窓は、それぞれの過去の成分窓と成分毎に非同期的に比較して、比較結果を生成する。動作９１２にて、オブジェクトの動きは、非同期の成分毎の比較結果に基づいて検出される。任意で動作９１４にて、オブジェクトの動きは、連続的に生成された比較結果に基づいてモニタされる。
図１０は、本教示の一実施形態による、第１の無線デバイス、例えば、ボット１０００、の例示的なブロック図を示す。ボット１０００は、本明細書記載の様々な方法を実装するように構成することができるデバイスの一例である。図１０にて示すように、ボット１０００は、プロセッサ１００２、メモリ１００４、送信器１０１２および受信器１０１４を含む送受信器１０１０、同期コントローラ１００６、電力モジュール１００８、キャリアコンフィギュレータ１０２０、ならびに無線信号発生器１０２２を含むハウジング１０４０を含む。
本実施形態では、プロセッサ１００２は、ボット１０００の生成動作を制御して、１つ以上の処理回路またはモジュール、例えば、中央処理デバイス（ＣＰＵ）、ならびに／または汎用マイクロプロセッサ、マイクロコントローラ、デジタル信号プロセッサ（ＤＳＰ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プログラマブルロジックデバイス（programmable logic device：ＰＬＤ）、コントローラ、状態機械、ゲート論理、離散ハードウェアコンポーネント、専用ハードウェア有限状態機械、またはデータの算出またはその他の動作を実施できる任意のその他の好適な回路、デバイスおよび／もしくは構造の任意の組み合わせを含むことができる。
読み取り専用メモリ（ＲＯＭ）およびランダムアクセスメモリ（ＲＡＭ）の両方を含み得る、メモリ１００４は、命令およびデータをプロセッサ１００２に提供できる。メモリ１００４の一部はまた、不揮発性ランダムアクセスメモリ（non-volatile random access memory：ＮＶＲＡＭ）を含み得る。プロセッサ１００２は、典型的には、メモリ１００４内に格納されたプログラム命令に基づいて、論理演算および算術演算を実施する。メモリ１００４中に格納された命令（別名ソフトウェア）は、本明細書記載の方法を実施するために、プロセッサ１００２によって実行され得る。プロセッサ１００２およびメモリ１００４は一緒に、ソフトウェアを格納し実行する処理システムを形成する。本明細書で使用されるとき、「ソフトウェア」は、ソフトウェア、ファームウェア、ミドルウェア、マイクロコードなどと呼ばれるかにかかわらず、１つまたは複数の所望の機能またはプロセスを実行するように機械またはデバイスを構成できる任意のタイプの命令を意味する。命令は、コード（例えば、ソースコードフォーマット、バイナリコードフォーマット、実行可能コードフォーマット、または任意の他の適切なコードフォーマット）を含み得る。命令は、１つ以上のプロセッサによって実行されると、処理システムに本明細書に記載のさまざまな機能を実行させる。
送信器１０１２および受信器１０１４を含む送受信器１０１０により、ボット１０００が、遠隔デバイス（例えば、オリジンまたは他のボット）との間でデータを送信および受信できるようになる。アンテナ１０５０は、典型的には、ハウジング１０４０に取り付けられ、送受信器１０１０に電気的に結合される。様々な実施形態では、ボット１０００は、（図示せず）複数の送信器、複数の受信器、および複数の送受信器を含む。一実施形態では、アンテナ１０５０は、各々が異なる方向を指している複数のビームを形成することができるマルチアンテナアレイ１０５０によって置き換えられている。送信器１０１２は、異なるタイプまたは機能を有する信号を無線で送信するように構成することができ、このような信号は、プロセッサ１００２によって生成される。同様に、受信器１０１４は、異なるタイプまたは機能を有する無線信号を受信するように構成され、プロセッサ１００２は、複数の異なる種類の信号を処理するように構成される。
本実施例のボット１０００は、場所内でのオブジェクトの動きを検出するため、図２２のボット１ ８１０またはボット２ ８２０として機能し得る。例えば、無線信号発生器１０２２は、場所内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、送信機１０１２を介して無線信号を生成して送信し得る。無線信号はチャネルの情報を搬送する。チャネルは動きの影響を受けているため、ＣＩにはオブジェクトの動きを表すことができる動き情報が含まれている。そのように、動きは無線信号に基づいて指示され検出されることができる。無線信号発生器１０２２における無線信号の生成は、他のデバイス（例えば、オリジン）からの動き検出の要求に基づくか、あるいはシステムの事前設定に基づき得る。すなわち、ボット１０００は、送信された無線信号が動きを検出するために使用されることを知っているか知らない場合がある。
一実施形態では、ボット１０００は、無線モニタシステムの特定の非同期異種タイプ１デバイスであり得る。無線モニタシステムは、少なくとも１つの非同期異種タイプ１デバイスおよび少なくとも１つの非同期異種タイプ２デバイスを備え得る。無線モニタシステムは、タイプ１およびタイプ２デバイスの少なくとも１つの組み合わせを備えることができ、各組み合わせは、少なくとも１つのタイプ１デバイスのうちの１つと少なくとも１つのタイプ２デバイスのうちの１つとを備える。特定の非同期異種タイプ１デバイスは、無線モニタシステムのタイプ１およびタイプ２デバイスの少なくとも１つの特定の組み合わせにある。特定のタイプ１デバイスは、タイプ１およびタイプ２デバイスの少なくとも１つの特定の組み合わせを介して、少なくとも１つの特定のタイプ２デバイスと対にされる。特定の非同期異種タイプ１デバイスは、無線回路と、無線回路と通信可能に結合された第１のプロセッサと、第１のプロセッサと通信可能に結合された第１のメモリと、第１のメモリ中に格納された第１の命令セットであって、これは、実行されると、第１のプロセッサに、無線回路を使用して、非同期異種無線信号を特定のタイプ１デバイスから少なくとも１つの特定のタイプ２デバイスにサイト内の物質の動態により影響を受けた無線マルチパスチャネルを介して非同期的に送信させる、第１のメモリ中に格納された第１の命令セットと、を備える。少なくとも１つの特定のタイプ２デバイスの各々について、無線回路によって送信された非同期異種無線信号から収集された無線マルチパスチャネルの少なくとも１つの一連のＣＩ（ＴＳＣＩ）は、タイプ２デバイスの第２のプロセッサ、第２のメモリ、および第２の命令セットを使用して、タイプ２デバイスによってフェッチされる。一実施例では、サイト内の物質の動態は、タイプ３デバイスの第３のプロセッサ、第３のメモリ、第３の命令セットを使用して、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの組み合わせと関連付けられたＴＳＣＩに基づいて、個別にかつ非同期的にトラッキングされる。他の実施例では、物質の動態は、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的にトラッキングされる。他の実施例では、物質の動態は、少なくとも１つの特定のタイプ２デバイスのうちの１つを含むタイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的にトラッキングされる。他の実施例では、物質の動態は、タイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられたＴＳＣＩに基づいて、全体的にかつ非同期的にトラッキングされる。
他の実施形態では、各タイプ１デバイスについて、ならびにタイプ１デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つの組み合わせの各々について、タイプ１およびタイプ２デバイスのそれぞれの組み合わせと関連付けられたそれぞれの異種類似性スコアは、タイプ１およびタイプ２デバイスのそれぞれの組み合わせと関連付けられた、少なくとも１つのそれぞれのＴＳＣＩのそれぞれの現在の窓とそれぞれの過去の窓との比較に基づいて、非同期的に計算される。一実施例では、サイト内の物質の動態は、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの組み合わせと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、個別にかつ非同期的にトラッキングされる。他の実施例では、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの組み合わせと関連付けられた異種類似性スコアが、個別の閾値より大きいおよび／または等しい場合、サイト内の物質の動態は、個別にかつ非同期的に検出される。他の実施例では、サイト内の物質の動態は、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、連帯的にかつ非同期的にトラッキングされる。他の実施例では、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられた異種類似性スコアに基づいて計算された第１の共同スコアが、第１の共同の閾値以上であるもののうちの少なくとも１つである場合、サイト内の物質の動態は、連帯的にかつ非同期的に検出される。他の実施例では、少なくとも１つの特定のタイプ２デバイスのうちの１つと関連付けられた、タイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、サイト内の物質の動態は、連帯的にかつ非同期的にトラッキングされる。他の実施例では、少なくとも１つの特定のタイプ２デバイスのうちの１つと関連付けられたタイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられた異種類似性スコアに基づいて計算された第２の共同スコアが、第２の共同の閾値以上であるもののうちの少なくとも１つである場合、サイト内の物質の動態は、連帯的にかつ非同期的に検出される。他の実施例では、サイト内の物質の動態は、タイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、全体的にかつ非同期的にトラッキングされる。他の実施例では、タイプ１およびタイプ２デバイスの任意の組み合わせと関連付けられた異種類似性スコアに基づいて計算された第３の共同スコアが、第３の共同の閾値より大きいおよび／または等しい場合、サイト内の物質の動態は、全体的にかつ非同期的に検出される。
本実施例の同期コントローラ１００６は、他のデバイス、例えば、オリジン、または他のボット、と同期または非同期するようにボット１０００の動作を制御するように構成することができる。一実施形態では、同期コントローラ１００６は、ボット１０００によって送信された無線信号を受信するオリジンと同期するようにボット１０００を制御することができる。他の実施形態では、同期コントローラ１００６は、その他のボットと非同期的に無線信号を送信するようにボット１０００を制御することができる。他の実施形態では、ボット１０００およびその他のボットの各々は、個別にかつ非同期的に無線信号を送信することができる。
本実施例のキャリアコンフィギュレータ１０２０は、無線信号発生器２６２２によって生成された無線信号を送信するための送信リソース（例えば、時間およびキャリア）を構成し得る。一実施形態では、ＴＳＣＩの各ＣＩは、各々が、無線信号の送信のキャリアまたはサブキャリアに対応する１つ以上の成分を有する。動きの検出は、成分のうちの任意の１つまたは任意の組み合わせにおける動き検出に基づき得る。
電力モジュール１００８は、１つ以上のバッテリなどの電源、および図１０の上述したモジュールの各々に調整した電力を提供するための電力レギュレータを含むことができる。いくつかの実施形態では、ボット１０００が専用外部電源（例えば、壁電気コンセント）に結合されている場合、電力モジュール１００８は、変圧器および電力レギュレータを含むことができる。上述した様々なモジュールは、バスシステム１０３０によって一緒に結合される。バスシステム１０３０は、データバス、ならびにデータバスに加えて、例えば、電力バス、制御信号バス、および／またはステータス信号バスを含み得る。ボット１０００のモジュールは、任意の好適な技術および媒体を使用して、互いに動作可能に結合することができると理解されている。
多くの別々のモジュールまたは構成要素が図１０にて図示されているが、当業者は、モジュールのうちの１つ以上を組み合わせるまたは一般に実装することができることを理解するであろう。例えば、プロセッサ１００２は、プロセッサ１００２に関して上記の機能を実装できるだけでなく、無線信号発生器１０２２に関して上記の機能も実装できる。逆に、図１０に示されたモジュールの各々は、複数の個別の構成要素または要素を使用して実装することができる。
図１１は、本開示のいくつかの実施形態に従い、第１の無線デバイス、例えば、図１０のボット１０００、によって実施された例示的な方法１１００のフロー図を示す。任意で、動作１１０２にて、ボットは、マルチパスチャネル環境における動き検出のための要求を受信する。動作１１０４にて、ボットは、無線マルチパスチャネルを介する無線送信のためのキャリアまたはサブキャリアを決定する。動作１１０６にて、ボットは、無線送信のための同期情報を決定することができる。動作１１０８にて、ボットは、無線送信のための異種無線信号を生成することができる。動作１１１０にて、ボットは、無線マルチパスチャネルを介して異種無線信号を送信する。
図１２は、本教示の一実施形態による、第２の無線デバイス（例えば、オリジン１２００）の例示的なブロック図を示す。オリジン１２００は、本明細書記載の様々な方法を実装するように構成することができるデバイスの一例である。図１２にて示すように、オリジン１２００は、プロセッサ１２０２、メモリ１２０４、送信器１２１２および受信器１２１４を含む送受信器１２１０、電力モジュール１２０８、同期コントローラ１２０６、ＣＩ抽出器１２２０、および任意の動き検出器１２２２を含むハウジング２８４０を含む。本実施形態では、プロセッサ１２０２、メモリ１２０４、送受信器１２１０、および電力モジュール１２０８は、ボット１０００内のプロセッサ１００２、メモリ１００４、送受信器１０１０、および電力モジュール１００８と同様に動作する。アンテナ１２５０またはマルチアンテナアレイ１２５０は、典型的には、ハウジング１２４０に取り付けられ、送受信器１２１０に電気的に結合される。
オリジン１２００は、第１の無線デバイス（ボット１０００）のタイプとは異なるタイプを有する第２の無線デバイスであり得る。特に、オリジン１２００内のＣＩ抽出器１２２０は、場所内でのオブジェクトの動きにより影響を受けた無線マルチパスチャネルを介して無線信号を受信し、かつ無線信号に基づいて無線マルチパスチャネルのＴＳＣＩを得るように構成されている。ＣＩ抽出器１２２０は、場所内でのオブジェクトの動きを検出するために、任意の動き検出器１２２２に、またはオリジン１２００の外側の動き検出器に抽出されたＣＩを送信し得る。
動き検出器１２２２は、オリジン１２００における任意構成要素である。一実施形態では、図１２にて示すように、オリジン１２００内にある。他の実施形態では、オリジン１２００の外側および他のデバイス（ボット、他のオリジン、クラウドサーバ、フォグサーバ、ローカルサーバ、およびエッジサーバであり得る）中にある。任意の動き検出器１２２２はオブジェクトの動きに関する動き情報に基づいて場所内でのオブジェクトの動きを検出するように構成されていてもよい。第１および第２の無線デバイスと関連付けられた動き情報は、動き検出器１２２２、またはオリジン１２００の外側の他の動き検出器によってＴＳＣＩに基づいて計算される。
一実施形態では、オリジン１２００は、無線モニタシステムの特定の非同期異種タイプ２デバイスである。無線モニタシステムは、少なくとも１つの非同期異種タイプ１デバイスおよび少なくとも１つの非同期異種タイプ２デバイスを備え得る。無線モニタシステムは、タイプ１およびタイプ２デバイスの少なくとも１つのペアリングを備えることができ、各ペアリングは、少なくとも１つのタイプ１デバイスのうちの１つと少なくとも１つのタイプ２デバイスのうちの１つとを備える。特定の非同期異種タイプ２デバイスは、無線モニタシステムのタイプ１およびタイプ２デバイスの少なくとも１つの特定のペアリングにある。特定のタイプ２デバイスは、タイプ１およびタイプ２デバイスの少なくとも１つの特定のペアリングを介して、少なくとも１つの特定のタイプ１デバイスとグループ化される。一実施例では、特定の非同期異種タイプ２デバイスは、少なくとも１つの非同期異種無線信号を非同期的に受信するための無線回路と、無線回路と通信可能に結合された第２の異種プロセッサと、第２の異種プロセッサと通信可能に結合された第２の異種メモリと、第２の異種メモリ中に格納された第２の異種命令セットと、を備える。各非同期異種無線信号は、少なくとも１つの特定のタイプ１デバイスのうちの１つによって、タイプ１デバイスのそれぞれの第１の異種プロセッサ、それぞれの第１の異種メモリ、およびそれぞれの第１の異種命令セットを使用して、少なくとも１つの非同期異種タイプ２デバイスに、サイト内の質量の運動により影響を受けた無線マルチパスチャネルを介して、非同期的に送信される。第２の異種命令セットは、実行されると、第２の異種プロセッサに、タイプ１およびタイプ２デバイスの少なくとも１つの特定のペアリングの各々について、無線マルチパスチャネルの少なくとも１つのそれぞれの一連のＣＩ（ＴＳＣＩ）を非同期的に保護させる。
一実施形態では、タイプ１およびタイプ２デバイスの特定のペアリングと関連付けられた少なくとも１つのそれぞれのＴＳＣＩは、無線回路によって非同期的に受信されたそれぞれの非同期異種無線信号から非同期的に導出されている。一実施例では、サイト内の質量の運動は、タイプ３デバイスの第３のプロセッサ、第３のメモリ、および第３の命令セットを使用して、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスのペアリングと関連付けられたＴＳＣＩに基づいて、個別にかつ非同期的にモニタされる。他の実施例では、質量の運動は、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの任意のペアリングと関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的にモニタされる。他の実施例では、質量の運動は、少なくとも１つの特定のタイプ１デバイスのうちの１つを含むタイプ１およびタイプ２デバイスの任意のペアリングと関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的にモニタされる。他の実施例では、質量の運動は、タイプ１およびタイプ２デバイスの任意のペアリングと関連付けられたＴＳＣＩに基づいて、全体的にかつ非同期的にモニタされる。
一実施形態では、各タイプ２デバイスについて、およびタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのペアリングの各々について、タイプ１およびタイプ２デバイスのそれぞれのペアリングと関連付けられたそれぞれの異種類似性スコアは、タイプ１およびタイプ２デバイスのペアリングと関連付けられた、少なくとも１つのそれぞれのＴＳＣＩのそれぞれの現在の窓とそれぞれの過去の窓との比較に基づいて、非同期的に計算される。一実施例では、サイト内の質量の運動は、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスのペアリングと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、個別にかつ非同期的にモニタされる。他の実施例では、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられた異種類似性スコアが、個別の閾値以上であるもののうちの少なくとも１つである場合、サイト内の質量の運動は、個別にかつ非同期的に検出される。他の実施例では、サイト内の質量の運動は、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの任意のペアリングと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、連帯的にかつ非同期的にモニタされる。他の実施例では、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの任意のペアリングと関連付けられた異種類似性スコアに基づいて計算された第１の共同スコアが、第１の共同の閾値以上であるもののうちの少なくとも１つである場合、サイト内の質量の運動は、連帯的にかつ非同期的に検出される。他の実施例では、少なくとも１つの特定のタイプ１デバイスのうちの１つと関連付けられた、タイプ１およびタイプ２デバイスの任意のペアリングと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、サイト内の質量の運動は、連帯的にかつ非同期的にモニタされる。他の実施例では、異種類似性スコアが、少なくとも１つの特定のタイプ１デバイスのうちの１つと関連付けられた、タイプ１およびタイプ２デバイスの任意のペアリングと関連付けられた、第２の共同スコアに基づいて計算された場合、サイト内の質量の運動は、連帯的にかつ非同期的に検出される。他の実施例では、サイト内の質量の運動は、タイプ１およびタイプ２デバイスの任意のペアリングと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、全体的にかつ非同期的にモニタされる。他の実施例では、タイプ１およびタイプ２デバイスの任意のペアリングと関連付けられた異種類似性スコアに基づいて計算された第３の共同スコアが、第３の共同の閾値以上であるもののうちの少なくとも１つである場合、サイト内の質量の運動は、全体的にかつ非同期的に検出される。
本実施例の同期コントローラ１２０６は、他のデバイス（例えば、ボット、他のオリジン、または個別の動き検出器）と同期または非同期するようにオリジン１２００の動作を制御するように構成することができる。一実施形態では、同期コントローラ１２０６は、無線信号を送信するボットと同期するようにオリジン１２００を制御することができる。他の実施形態では、同期コントローラ１２０６は、その他のオリジンと非同期的に無線信号を受信するようにオリジン１２００を制御することができる。他の実施形態では、オリジン１２００およびその他のオリジンの各々は、個別にかつ非同期的に無線信号を受信することができる。一実施形態では、任意の動き検出器１２２２またはオリジン１２００の外側の動き検出器は、それぞれのＴＳＣＩに基づいてオブジェクトの動きに関するそれぞれの異種動き情報を非同期的に計算するように構成されている。一実施例では、任意の動き検出器１２２２またはオリジン１２００の外側の動き検出器は、タイプ１およびタイプ２デバイスの対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを個別にかつ非同期的にモニタおよび／または検出するように構成されている。他の実施例では、任意の動き検出器１２２２またはオリジン１２００の外側の動き検出器は、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの任意の対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを連帯的にかつ非同期的にモニタおよび／または検出するように構成されている。他の実施例では、任意の動き検出器１２２２またはオリジン１２００の外側の動き検出器は、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの任意の対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを連帯的にかつ非同期的にモニタおよび／または検出するように構成されている。他の実施例では、任意の動き検出器１２２２またはオリジン１２００の外側の動き検出器は、タイプ１およびタイプ２デバイスの任意の対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを全体的にかつ非同期的にモニタおよび／または検出するように構成されている。任意の動き検出器１２２２またはオリジン１２００の外側の動き検出器の詳細な構造は、図１４に関して記載されている。上記の様々なモジュールはバスシステム１２３０によって互いに結合されている。バスシステム１２３０は、データバスと、例えば、データバスに加えて、電力バス、制御信号バス、および／またはステータス信号バスとを含むことができる。オリジン１２００のモジュールは、任意の適切な技術および媒体を使用して互いに動作可能に結合することができることが理解される。
図１２にはいくつかの別々のモジュールまたは構成要素が示されているが、当業者は、１つまたは複数のモジュールを組み合わせるか、または一般的に実施することができることを理解するであろう。例えば、プロセッサ１２０２は、プロセッサ１２０２に関して上記の機能を実装するだけでなく、ＣＩ抽出器１２２０に関して上記の機能を実装することもできる。逆に、図１２に示す各モジュールは、複数の別々の構成要素または要素を使用して実施することができる。一実施形態では、ボット１０００およびオリジン１２００に加えて、システムはまた、場所内のオブジェクトの動きによって影響を受ける追加の無線マルチパスチャネルを介して追加の異種無線信号を送信するように構成された第３の無線デバイス（例えば他のボット）、および第３の無線デバイスとは異なるタイプを有する第４の無線デバイス（例えば他のオリジン）を含み得る。第４の無線デバイスは、場所内のオブジェクトの動きの影響を受けた追加の無線マルチパスチャネルを介して追加の異種無線信号を受信し、追加の異種無線信号に基づいて、追加の無線マルチパスチャネルの時系列の追加のＣＩを取得するように構成され得る。追加の無線マルチパスチャネルの追加のＣＩは、無線マルチパスチャネルのＣＩに関連付けられているものとは異なるプロトコルまたは構成に関連付けられている。例えば、無線マルチパスチャネルはＬＴＥと関連付けられており、追加の無線マルチパスチャネルはＷｉ-Ｆｉと関連付けられている。この場合、任意の動き検出器１２２２またはオリジン１２００の外側の動き検出器は、第１および第２の無線デバイスに関連付けられた動き情報と、追加の動き検出器および時系列の追加のＣＩに基づく第４の無線デバイスのうちの少なくとも１つによって計算された、第３および第４の無線デバイスに関連付けられた追加の動き情報との両方に基づいて、場所内のオブジェクトの動きを検出するように構成される。
図１３は、本開示のいくつかの実施形態に従い、第２の無線デバイス（例えば、図１２のオリジン１２００）によって実施された例示的な方法のフロー図を示す。動作１３０２にて、オリジンは、オブジェクトの動きにより影響を受けた無線マルチパスチャネルを介して、無線信号を受信および分析する。動作１３０４にて、オリジンは、無線信号に基づいてチャネルのＴＳＣＩを得る。所望により、動作１３０６にて、オリジンは、ＴＳＣＩの少なくとも１つの時間窓および／または少なくとも１つの成分を決定する。所望により、動作１３０８にて、オリジンは、ＴＳＣＩに基づいてオブジェクトの動きに関する動き情報を計算する。所望により、動作１３１０にて、オリジンは、計算された動き情報に基づいてオブジェクトの動きを検出する。所望により、動作１３１２にて、オリジンは、オブジェクトの動きと関連付けられた位置を推定する。
図１４は、本教示の一実施形態による、例示的な動き検出器１４００を示す。動き検出器１４００は、オリジン内の動き検出器（例えば、任意の動き検出器１２２２）、または任意のオリジンの外側の単独の動き検出器として機能し得る。図１４にて示すように、本実施例の動き検出器１４００は、動き情報決定器１４０２、動き決定器１４０６、時間窓決定器１４０４、および任意の動き場所推定器１４０８を含む。様々な実施形態によれば、動き検出器１４００は、オブジェクトの動きを検出およびモニタするために、第１の無線デバイスと、第２の無線デバイスと、第１の無線デバイスと同一の種類の第３の無線デバイスと、第２の無線デバイスと同一の種類の第４の無線デバイスと、クラウドサーバと、フォグサーバと、ローカルサーバと、エッジサーバと、のうちの少なくとも１つに結合され得る。
一実施形態では、動き検出器１４００は、ＣＩ抽出器１２２０からＴＳＣＩを受信して、ＴＳＣＩに基づいて動き情報を計算し得る。例えば、動き情報決定器１４０２は、オリジンからそれぞれのＴＳＣＩを受信し、それぞれのＴＳＣＩに基づいてオブジェクトの動きに関連したそれぞれの異種動き情報を非同期的に計算することができる。一実施例では、動き情報決定器１４０２は、距離スコア、絶対距離、ユークリッド距離、ノルム、メトリック、統計的特性、時間反転共鳴強度（ＴＲＲＳ）、相互相関、自己相関、共分散、自己共分散、２つのベクトルの内積、前処理、信号調整、ノイズ除去、位相補正、タイミング補正、タイミング補償、位相オフセット補償、変換、射影、フィルタリング、特徴抽出、有限状態機械、過去の類似性スコアの履歴、少なくとも１つのＴＳＣＩの他の過去の窓、成分毎の演算、機械学習、ニューラルネットワーク、ディープラーニング、訓練、判別、加重平均、および他の動作のうちの少なくとも１つに基づいて、ＴＳＣＩの現在の時間窓と過去の時間窓との間の異種類似性スコアを計算し、これにより、計算された異種類似性スコアに基づいて、場所内のオブジェクトの動きを検出することができる。動き情報決定器１４０２は、オブジェクトの動きを検出およびモニタするために、計算された動き情報を動き決定器１４０６に送信し得る。
一実施形態では、時間窓決定器１４０４は、ＴＳＣＩの現在の窓および過去の窓を決定し、現在の時間窓および過去の時間窓を動き情報決定器１４０２に送信することができる。次いで、動き情報決定器１４０２は、ＴＳＣＩの現在の窓と過去の窓との間の異種類似性スコアを非同期的に計算することができ、これにより、場所内でのオブジェクトの動きは、動き情報および異種類似性スコアに基づいて検出される。
本実施例の動き決定器１４０６は、動き情報決定器１４０２から計算された動き情報を受信し、オブジェクトの動きに関連した動き情報に基づいて、場所内でのオブジェクトの動きを検出することができる。一実施形態では、少なくとも１つの成分の各々について、時間窓決定器１４０４は、現在の時間窓に基づいて成分のそれぞれの現在の成分窓を非同期的に決定し、過去の時間窓に基づいて成分のそれぞれの過去の成分窓を非同期的に決定し、それぞれの現在の成分窓およびそれぞれの過去の成分窓についての情報を動き決定器１４０６に送信できる。動き決定器１４０６は、それぞれの現在の成分窓とそれぞれの過去の成分窓とを成分毎に非同期的に比較して、比較結果を生成し、比較結果に基づいてオブジェクトの動きを成分毎にモニタし、非同期の成分毎の比較に基づいて場所内のオブジェクトの動きを検出することができる。
一実施形態では、少なくとも１つの成分の各々について、動き情報決定器１４０２は、距離スコア、ノルム、メトリック、統計的特性、時間反転共鳴強度（ＴＲＲＳ）、相互相関、自己相関、共分散、自己共分散、２つのベクトルの内積、前処理、信号調整、ノイズ除去、位相補正、タイミング補正、タイミング補償、位相オフセット補償、変換、射影、フィルタリング、特徴抽出、有限状態機械、過去の類似性スコアの履歴、少なくとも１つのＴＳＣＩの他の過去の窓、成分毎の演算、機械学習、ニューラルネットワーク、ディープラーニング、訓練、判別、加重平均、および他の動作のうちの少なくとも１つに基づいて、それぞれの現在の成分窓およびそれぞれの過去の成分窓と関連付けられた成分類似性スコアを非同期的に計算することができる。次いで、動き情報決定器１４０２は、少なくとも１つの成分類似性スコアの異種関数に基づいて、異種類似性スコアを非同期的に計算できる。異種関数は、代表値、標準値、加重平均、百分位数、最大、最小、４０％四分位数、５０％四分位数、６０％四分位数、平均、メジアン、最頻値、和、積、根、算術平均、幾何平均、調和平均、一般化平均、順序統計量、トリムド平均、統計的関数、期待値、分散、選択されたもの、および他の関数のうちの少なくとも１つを含む。動き決定器１４０６は、異種類似性スコアが第１の閾値より大きいまたは等しい場合、場所内でのオブジェクトの動きを検出できる。
他の実施形態では、少なくとも１つの成分の各々について、動き情報決定器１４０２は、距離スコア、ノルム、メトリック、統計的特性、時間反転共鳴強度（ＴＲＲＳ）、相互相関、自己相関、共分散、自己共分散、２つのベクトルの内積、前処理、信号調整、ノイズ除去、位相補正、タイミング補正、タイミング補償、位相オフセット補償、変換、射影、フィルタリング、特徴抽出、有限状態機械、過去の類似性スコアの履歴、少なくとも１つのＴＳＣＩの他の過去の窓、成分毎の演算、機械学習、ニューラルネットワーク、ディープラーニング、訓練、判別、加重平均、および他の動作のうちの少なくとも１つに基づいて、それぞれの現在の成分窓およびそれぞれの過去の成分窓と関連付けられた成分類似性スコアを非同期的に計算し得る。次いで、少なくとも１つの成分の各々について、動き決定器１４０６は、それぞれの成分類似性スコアがそれぞれの成分閾値よりも大きいまたは等しい場合、オブジェクトの動きを成分毎に非同期的に検出し、成分の選択されたグループにおける成分毎の動き検出のパーセンテージが第２の閾値より大きいまたは等しい場合、場所内でのオブジェクトの動きを検出することができる。
一実施形態では、第１の無線デバイスは、タイプ１を有するタイプ１デバイスであり、第２の無線デバイスは、タイプ２を有するタイプ２デバイスである。一実施例では、動き決定器１４０６は、タイプ１およびタイプ２デバイスの対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを個別にかつ非同期的にモニタおよび／または検出し得る。他の実施例では、動き決定器１４０６は、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの任意の対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを連帯的にかつ非同期的にモニタおよび／または検出し得る。他の実施例では、動き決定器１４０６は、特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの任意の対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを連帯的にかつ非同期的にモニタおよび／または検出し得る。他の実施例では、動き決定器１４０６は、タイプ１およびタイプ２デバイスの任意の対と関連付けられた、非同期的に計算された異種動き情報に基づいて、場所内でのオブジェクトの動きを全体的にかつ非同期的にモニタおよび／または検出し得る。
一実施形態では、タイプ１デバイスおよびタイプ２を含むタイプ１およびタイプ２デバイスの各対について、それぞれのタイプ２デバイスまたは動き検出器１４００内の動き情報決定器１４０２は、それぞれのＴＳＣＩのそれぞれの現在の窓とそれぞれの過去の窓との間のそれぞれの異種類似性スコアを非同期的に計算するように構成されている。次いで、動き決定器３００６またはタイプ２デバイスは、タイプ１およびタイプ２デバイスの対と関連付けられたそれぞれの異種類似性スコアの第１の関数がそれぞれの個別の閾値より大きいまたは等しい場合、場所内でのオブジェクトの動きを個別にかつ非同期的に検出し、特定のタイプ２デバイスを含むタイプ１デバイスとタイプ２デバイスの任意の対に関連する異種類似性スコアの第２の関数がそれぞれの共同の閾値より大きいまたは等しい場合、場所内のオブジェクトの動きを連体的および非同期的に検出し、特定のタイプ１デバイスを含むタイプ１デバイスとタイプ２デバイスの任意の対に関連する異種類似性スコアの第３の関数が他のそれぞれの共同の閾値より大きいまたは等しい場合、場所内のオブジェクトの動きを連体的および非同期的に検出し、および／またはタイプ１およびタイプ２デバイスの任意の対と関連付けられた異種類似性スコアの第４の関数がそれぞれのグローバル閾値より大きいまたは等しい場合、場所内でのオブジェクトの動きを全体的にかつ非同期的に検出できる。
本実施例の任意の動き場所推定器１４０８は、動き検出器１４００内の任意の構成要素である。一実施形態では、任意の動き場所推定器１４０８は、動き検出器１４００の外側にある場合があり、モニタデバイスとして機能することができ、これは、場所のマップを複数の領域に仕切るように、および／またはタイプ２無線デバイスから受信した異種動き情報に基づいて、オブジェクトの動きと場所のマップの複数の領域のうちの少なくとも１つとを非同期的に関連付けるように構成されている。一実施形態では、動き検出器１４００およびタイプ２デバイスのうちの少なくとも１つは、異種動き情報の各々のそれぞれの特徴空間を複数のそれぞれの特徴セグメントに仕切ることと、各それぞれの特徴セグメントと場所のマップの複数の領域のうちの少なくとも１つとを関連付けるそれぞれのマッピングを構成することと、それぞれのマッピングに基づいて、オブジェクトの動きと場所のマップの複数の領域のうちの少なくとも１つとを個別に非同期的に関連付けることと、複数のタイプ１およびタイプ２デバイスの対と関連付けられた異種動き情報の共同特徴空間を複数の共同特徴セグメントに仕切ることと、各共同特徴セグメントと場所のマップの複数の領域のうちの少なくとも１つとを関連付ける共同マッピングを構成することと、共同マッピングに基づいて、オブジェクトの動きと場所のマップの複数の領域のうちの特定の１つとを連帯的に非同期的に関連付けることと、のうちの少なくとも１つを実施するように構成されている。
一実施形態では、動き検出器１４００は、無線モニタシステムのタイプ３デバイスとして機能し得る。無線モニタシステムは、少なくとも１つの非同期異種タイプ１デバイスおよび少なくとも１つの非同期異種タイプ２デバイスを備え得る。無線モニタシステムは、タイプ１およびタイプ２デバイスの少なくとも１つのダブレットを備えることができ、各ダブレットは、少なくとも１つの非同期異種タイプ１デバイスのうちの１つと少なくとも１つの非同期異種タイプ２デバイスのうちの１つとを備える。タイプ３デバイスは、少なくとも１つの非同期異種タイプ１デバイスおよび少なくとも１つの非同期異種タイプ２デバイスのうちの少なくとも１つと通信可能に結合された第３のプロセッサと、第３のプロセッサと通信可能に結合された第３のメモリと、第３のメモリ中に格納された第３の命令セットと、を備え得る。第３の命令セットは、実行されると、第３のプロセッサに、各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのダブレットの各々について、タイプ２デバイスのそれぞれの第２のプロセッサ、それぞれの第２のメモリ、およびそれぞれの第２の命令セットを使用して、タイプ２デバイスによって非同期的に受信されたある場所でのアイテムの動きにより影響を受けた、無線マルチパスチャネルの少なくとも１つのそれぞれのＴＳＣＩ（ＴＳＣＩ）を非同期的に受信させる。タイプ１およびタイプ２デバイスのそれぞれのダブレットと関連付けられた少なくとも１つのそれぞれのＴＳＣＩは、それぞれのダブレットのそれぞれのタイプ１デバイスから、それぞれのタイプ１デバイスのそれぞれの第１のプロセッサ、それぞれの第１のメモリ、およびそれぞれの第１の命令セットを使用して、少なくとも１つの非同期異種タイプ２デバイスに、無線マルチパスチャネルを介して送信されたそれぞれの非同期異種無線信号から非同期的に得られる。加えて、第３の命令セットは、実行されると、第３のプロセッサに、特定のタイプ２デバイスおよび特定のタイプ１デバイスを含むタイプ１およびタイプ２デバイスの特定のダブレットと関連付けられたＴＳＣＩに基づいて、ある場所でのアイテムの動きを個別にかつ非同期的にトラッキングすることと、特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つのダブレットのいずれかと関連付けられたＴＳＣＩに基づいて、アイテムの動きを連帯的にかつ非同期的にトラッキングすることと、特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つのダブレットのいずれかと関連付けられたＴＳＣＩに基づいて、アイテムの動きを連帯的にかつ非同期的にトラッキングすることと、タイプ１およびタイプ２デバイスの少なくとも１つのダブレットのいずれかと関連付けられたＴＳＣＩに基づいて、アイテムの動きを全体的にかつ非同期的にトラッキングすること、のうちの少なくとも１つを実施させる。
一実施形態では、システムは、場所のマップ、マップの複数の仕切られた領域、任意の検出されたオブジェクトの動きと関連付けられた領域、タイプ１およびタイプ２デバイスの少なくとも１つの対と関連付けられた異種動き情報、成分毎の類似性スコア、異種類似性スコア、過去の動き情報、過去の類似性スコア、他の過去の情報、タイプ１デバイス、およびタイプ２デバイスのうちの少なくとも１つと関連付けられた情報を非同期的に信号で伝えるように構成されたモニタデバイスを備え得る。一実施例では、モニタデバイスは、検出またはモニタ結果を表示するためのアプリまたはＧＵＩを実行するモバイルフォンであり得る。その他の実施例では、モニタデバイスは、デスクトップ、ラップトップ、タブレット、ＩｏＴデバイス、またはスマートスピーカーであり得る。
図１５は、本教示の一実施形態による、動き検出の例示的なアルゴリズムを示す。図１５では、Ｇ（ｆ；ｔ）は、タイムスロットｔでのサブキャリアｆのＣＳＩ（またはＣＩ）振幅を表すことができる。Ｍ×Ｎアンテナ構成を有するシステムについて、サブキャリアの総数は、Ｆ＝ＭＮＬであり、式中、Ｌは、各アンテナ対のサブキャリア数である。各サブキャリアｆについて、一次のサンプル自己相関係数について動き統計を計算することができ、式中、Ｔは、動き統計を計算するための時間窓の長さである。動き統計の物理的意味は、動き統計が高いほど、動きが強いということである。各サブキャリアには、例えば、サンプル自己相関係数が既定義閾値より大きい場合に、動きを検出するために算出された動き統計が存在する。システムのＦ個のサブキャリアからすべての決定を融合するために多数決が適用され得る。利用可能なサブキャリアの総数の半分超がエレベータ内の人間の動きを検出する場合、システムは、その動きを検出し、そうでなければ、動きを検出しない。他の実施形態では、Ｇ（ｆ；ｔ）は、タイムスロットｔでのサブキャリアｆにおけるＣＩの他の関数、例えば、（ＣＳＩ振幅）＾２、（ＣＳＩ振幅）＾４、位相オフセットクリーニング後のＣＳＩの実部／虚部と定義され得る。次数が時間窓の長さＴの４分の１未満である場合、動き統計はまた、他の次数のサンプル自己相関係数として定義することもできる。個々の決定の加重結合などのその他の決定融合ルールもまた、採用され得る。
図１６は、本教示の一実施形態による、オブジェクト動き検出のための例示的な方法を示す。動作１６０２にて、プロセッサ、メモリ、およびメモリ中に格納された命令セットを使用して、無線マルチパスチャネルの少なくとも１つのＴＳＣＩが得られる。少なくとも１つのＴＳＣＩは、無線マルチパスチャネルを介して、場所内の第１の位置にあるタイプ１異種無線デバイスと場所内の第２の位置にあるタイプ２異種無線デバイスとの間で送信された無線信号から抽出される。無線マルチパスチャネルは、場所内でのオブジェクトの動きにより影響を受ける。動作１６０４にて、オブジェクトの時空間情報は、少なくとも１つのＴＳＣＩ、動きと関連付けられた時間パラメータ、およびオブジェクトの過去の時空間情報のうちの少なくとも１つに基づいて決定される。動作１６０６にて、タスクは、時空間情報に基づいて実施される。時空間情報は、動き情報の形態であり得、動き情報は、時空間情報の形態であり得る。タイプ１デバイスは、第１のデバイスであり得、タイプ２デバイスは、第２のデバイスであり得る。前述の「タスク」は、「動きをモニタ」することおよび／または「動きを検出」することであり得る。
図１７は、本教示の一実施形態による、オブジェクトの動きの位置特定の方法のための例示的なフロー図を示す。図１７のオブジェクトの動きの位置特定は、２つのボット（タイプ１デバイス）に基づいており、特定のオリジン（タイプ２デバイス）と対にされている。第１に、各ボットについて、各ボット－オリジン対（１７０２Ａおよび１７０２Ｂ）と関連付けられた動き情報／統計が算出される。次いで、算出された動き情報の各々をノイズ除去プロセッサ（例えば、低域フィルタ）に通して、ノイズを除去する（１７０４Ａおよび１７０４Ｂ）。次いで、いくつかの関数に従って、動き尤度（１７０６）を算出する。動き尤度は、ボットの近くまたはオリジンの近くで発生する動きの確率を表し得る。尤度はまた、ノイズが多い場合があるため、例えば、動きが発生すると急速に変化するため、尤度値は、他のノイズ除去プロセッサ１７０８を通過し得る。最後に、動きの位置特定の決定は、動きが起こる場所で行われる。
動き情報と尤度のマッピングの例示的な関数は、次のとおり定義され得る。時間ｔでのボットｉ－オリジン対について算出した動き情報は、ｍｉ（ｔ）と表す。時間ｔでのボットｉ付近の動き尤度の一例は、次のとおり算出され得る。
Figure 0007393748000001
 Ｌｉ（ｔ）は、どちらのボットも動きを検出しない場合、定義されない。動きの位置特定決定ルールの一例をノイズ除去した後の尤度は、
Figure 0007393748000002
 と表し、下記のようであり得る。
Figure 0007393748000003
Figure 0007393748000004
 の両方が未定義である場合、モニタエリア内に動きは存在しない。
本開示の様々な実施形態は、以下に詳細に記述されている。本開示における実施形態および実施例の特徴は、矛盾しない方法で互いに組み合わせることができることに注意する。
一実施形態では、無線（またはｒａｄｉｏまたはＲＦ）モニタシステムは、少なくとも１つの非同期異種タイプ１無線（またはｒａｄｉｏまたはＲＦ）デバイス（または装置）と、少なくとも１つの非同期異種タイプ２無線（またはｒａｄｉｏまたはＲＦ）デバイスと、を備える。無線（またはｒａｄｉｏまたはＲＦ）モニタシステムは、タイプ１およびタイプ２デバイスの少なくとも１つの対（またはペアリング、またはカップル、またはデュオ、または組み合わせ、またはダブレット、またはコンボ、またはマッチ、またはチーム）を備え、各対は、少なくとも１つの非同期異種タイプ１デバイスのうちの１つと少なくとも１つの非同期異種タイプ２デバイスのうちの１つとを備える。少なくとも１つのタイプ２デバイスの各々は、タイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対にある。各タイプ２デバイスは、タイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対を介して、少なくとも１つのそれぞれの特定のタイプ１デバイスと関連付けられる（またはグループ化される、または結合される、または対にされる、または連合される、または組み合わされる、または合併する、または組まれる）。
一実施形態では、無線（またはｒａｄｉｏまたはＲＦ）モニタシステムの開示された方法には、各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対の各々について、場所（または現地、または場、またはサイト、または状況、または敷地）内でのオブジェクト（または物品、または本体、または商品、またはガジェット、またはアイテム、または事柄、または物質、または実体、または質量）の動き（または運動、または行動、またはジェスチャー、または変化、またはドリフト、または動態、または流れ、または変動、または流動、または身振り、またはキネティックス、またはロコモーション、または移動性、または運動、またはオシレーション、または通過、または進行、または撹拌、または動揺）によって影響を受けた（または影響を受けた）無線マルチパスチャネルの少なくとも１つのそれぞれのＴＳＣＩ（またはチャネルデータ）を非同期的に得ること（または受信すること、または取ること、または収集すること、または取り返すこと、または確保すること、またはフェッチすること）が含まれる。タイプ１およびタイプ２デバイスの特定の対と関連付けられた少なくとも１つのそれぞれのＴＳＣＩ（ＴＳＣＩ）は、それぞれの非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号から非同期的に抽出される（または得られる、または導出される、または収集される、または集められる、または獲得される）。それぞれの非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号は、少なくとも１つのそれぞれの特定のタイプ１デバイスのうちのそれぞれの１つから、タイプ１デバイスのそれぞれの第１の異種プロセッサ、それぞれの第１の異種メモリ、およびそれぞれの第１の異種命令セットを使用して、少なくとも１つの非同期異種タイプ２デバイスに、無線マルチパスチャネルを介して、非同期的に送信される。
場所内でのオブジェクトの動きは、タイプ３デバイスの第３のプロセッサ、第３のメモリ、および第３の命令セットを使用して、次の４つの方法のうちの少なくとも１つで、モニタされる（またはトラッキングされる、またはチェックされる、または観察される、または監督される、または観察される、または調査される）。（ａ）場所内でのオブジェクトの動きは、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられたＴＳＣＩに基づいて、個別にかつ非同期的にモニタされる、（ｂ）オブジェクトの動きは、特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的にモニタされる、（ｃ）オブジェクトの動きは、少なくとも１つのそれぞれの特定のタイプ１デバイスのうちの１つと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的にモニタされる、ならびに（ｄ）オブジェクトの動きは、タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられたＴＳＣＩに基づいて、全体的にかつ非同期的にモニタされる。
例えば、２つ以上の非同期異種タイプ１デバイスは、これらのそれぞれの非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号を同一のタイプ２デバイスに非同期的に送信し得る。（タイプ１デバイスのいくつかは、２つ以上のタイプ２デバイスに送信し得る。）これらの送信は、瞬間的に同期され得る。これらの送信は、非同期であり得るが、時々、タイプ１デバイスのうちの２つの無線（またはｒａｄｉｏまたはＲＦ）信号は、時間が重複し得る。これらの送信は、協調し得る。オブジェクトの動きは、タイプ２デバイスと２つ以上の非同期タイプ１デバイスのうちの１つとを備える、タイプ１およびタイプ２デバイスのＴＳＣＩに関連付けられた対に基づいて、連帯的にモニタされ得る。
他の実施例では、非同期異種タイプ１デバイスは、非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号を２つ以上の非同期異種タイプ２デバイスに送信し得る。非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号は、非同期的に、またはほぼ同期的に、または単に同期的に受信され得る。ＴＳＣＩは、受信した非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号から非同期的に抽出できる。オブジェクトの動きは、タイプ１およびタイプ２デバイスのＴＳＣＩに関連付けられた対に基づいて、連帯的にモニタされ得、各々は、非同期異種タイプ１デバイスと２つ以上の非同期異種タイプ２デバイスのうちの１つとを備える。
各ＣＩには、チャネル状態情報（ＣＳＩ）、周波数領域ＣＳＩ、少なくとも１つのサブバンドと関連付けられた周波数領域ＣＳＩ、時間領域ＣＳＩ、領域内のＣＳＩ、チャネルインパルス応答（ＣＩＲ）、チャネル周波数応答（ＣＦＲ）、チャネル特徴、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、モニタデータ、世帯データ、識別情報（ＩＤ）、デバイスデータ、ネットワークデータ、近隣データ、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、および／または他のＣＩのうちの少なくとも１つが含まれ得る。
ＣＩは、タイプ２デバイスによって受信されたプローブ信号（マルチパスによる）、タイプ２デバイスの集積回路（ＩＣ、またはチップ）（例えば、Ｗｉ-Ｆｉチップ、ＬＴＥチップ、セルラーネットワークチップ、無線ネットワークチップ、メッシュネットワークチップ、Ｂｌｕｅｔｏｏｔｈチップ、ＵＷＢチップなど）から抽出され得る。プローブ信号は、データを含んでも含まなくてもよい。２つ以上のＣＩが受信プローブ信号から抽出され得る。送信アンテナおよび受信アンテナの各対について、１つのＣＩを抽出することができる。例えば、３つの送信アンテナを有するタイプ１デバイスおよび２つの受信アンテナを有するタイプ２デバイスについて、合計で６つのＣＩが、各プローブ信号から抽出され得る。
ＣＩは、送信アンテナおよび受信アンテナの２つ以上の対からのチャネルの情報を含み得る。ＣＩは、タイプ２デバイスから他のデバイス（例えば、近隣デバイス、コンパニオンデバイス、ペアデバイス、エッジデバイス、クラウドデバイス）に送信され得る。他のデバイスは、タイプ２デバイスと通信可能に結合され得る。他のデバイスは、他のタイプ２デバイス、タイプ１デバイス、および／または他のタイプ１デバイスであり得る。異なる異種タイプ２デバイスが場所内の異なる場所にあり得るため、異なる異種タイプ２デバイスによって得られたＣＩは、異なる場合があり、これにより、これらは、異なるマルチパスパターンを経験し得る。言い換えると、それぞれの異種タイプ２デバイスによって経験されるそれぞれの無線マルチパスチャネルは、異なり得る。ＣＩは、場所の情報（例えば、動き、周期的動き、形状、サイズ、体積、パス、方向、距離、速さ、加速度、変化、変化率など）および／または場所内の任意のオブジェクト（人々、ペット、生物、機械、可動部を有するデバイス、ドア、窓、壁、パーティション、家具、作り付け家具、配管、エアコンディショニング、暖房、ファンなど）を捕捉することができる。ＣＩは、ノイズ、位相誤差、タイミング誤差などのいくらかの固有の不完全性を有し得る。ＣＩは、前処理、処理、および／または後処理され得る。
任意の前処理、処理および／または後処理は、何もしないこと、ゼロパディング、時間領域処理、周波数領域処理、時間周波数処理、空間的に変化する処理、時間的に変化する処理、適応処理、ノイズ除去、平滑化、調整、強調、復元、特徴抽出、加重平均、アンテナリンクの平均、選択した周波数の平均、選択されたコンポーネントの平均、量子化、ベクトル量子化、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、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、自動回帰（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、機械学習、教師つき学習、教師なし学習、半教師つき学習、変換、マッピング、変換、逆変換、整数変換、2のべき乗変換、実変換、浮動小数点変換、固定小数点変換、複素変換、高速変換、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、変換、分解、選択フィルタリング、適応フィルタリング、微分、一次微分、二次微分、高次微分、積分、ゼロクロッシング、指標関数、絶対変換、畳み込み、乗算、除算、他の変換、他の処理、他のフィルタ、他の機能、および／または他の前処理を含み得る。
任意の前処理、処理および／または後処理は、正規化、時間正規化、周波数正規化、振幅補正、位相補正、位相クリーニング、ＣＩに関連する位相のクリーニング、ＣＩに関連するコンポーネントの正規化、ＣＩの周波数成分の位相のクリーニング、周波数成分の正規化、再サンプリング、ラベリング、タグ付け、トレーニング、ソート、グループ化、折りたたみ、閾値処理、整合フィルタリング、スペクトル分析、クラスタリング、量子化、ベクトル量子化、時間補正、タイムベース補正、タイムスタンプ補正、サンプリングレートアップコンバージョン/ダウンコンバート、補間、内挿、外挿、サブサンプリング、間引き、圧縮、展開、暗号化、復号化、コーディング、格納、取得、送信、受信、表現、マージ、結合、分割、トラッキング、モニタ、射影、直交射影、非直交射影、オーバーコンプリート射影、分解、固有値分解、主成分分析（PCA）、スパース近似、マッチング追跡、その他の動作などを含み得る。
少なくとも１つのタイプ１デバイスが少なくとも１つのタイプ２デバイスと相互作用する場合、処理、前処理、後処理、および／またはその他の処理は、異なるデバイスに対して異なり（異種になり）得る。処理／前処理／後処理／その他の処理は、場所、配向、方向、役割、ユーザ関連特徴、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、電池寿命、利用可能な電力、アンテナ、アンテナ種類、アンテナの指向性／単指向性、電力設定、および／またはデバイスのその他のパラメータ／特徴に基づき得る。
任意の処理、処理、および／または後処理は、１つ以上の閾値を必要とし得る。任意の閾値は、事前に決定され、適応的に決定され、および／または有限状態機械によって決定され得る。適応決定は、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、利用可能計算資源、利用可能ネットワーク帯域幅などに基づき得る。
異種タイプ１デバイスから異種タイプ２デバイスに送信された無線（またはｒａｄｉｏまたはＲＦ）信号は、一連のプローブ信号であり得る。各プローブ信号は、インパルス、多くの（例えば、２、３、４、またはそれ以上）インパルス、または他の信号波形であり得る。他の信号波形は、無線マルチパスチャネルに基づき得る。インパルス数の時間間隔は、時間の経過と共に変化し得る。（例えば、第２および第３のインパルスの間の時間間隔は、第１および第２のインパルスの間の時間間隔とは異なり得る）。異なるインパルスの大きさは、異なり得る（例えば、第１のインパルスは、第２のインパルスよりも強いまたは弱い）。異なるインパルスの形状は、異なり得る。（例えば、第１のインパルスは、狭い三角波形を有し得、一方、第２のインパルスは、更に別の波形を有し得る）。プローブ信号は、時間の経過と共に適応するように変化し得る。プローブ信号（単数または複数）は、異なるチャネル、異なる空間時間周波数チャネル、異なるアンテナなどに対して異なり得る。プローブ信号（単数または複数）は、異なるタイプ１デバイスおよび／またはタイプ２デバイスに対して異なり得る。プローブ信号は、（例えば、１つ以上のタイプ２デバイスからの）フィードバック信号に基づいて変更され得る。プローブ信号（単数または複数）は、データを含んでもよい。いくつかのプローブ信号は、データを含み得るが、いくつかのその他のプローブ信号は、データを含まない場合がある。
一連のプローブ信号は、規則的な間隔（例えば、隣接するプローブ信号間の間隔が２５ｍｓ（１／４０秒）で、１秒当たり４０プローブ信号）または不規則的な間隔（例えば、無線チャネルがそれほどビジーではないかビジーではないときに送られるプローブ信号、または適応的にまたは要望に応じて、短く／長く／長いバーストで送られるプローブ信号）であり得る。各プローブ信号と関連付けられた規則的な間隔および／または波形は、時間の経過と共に変化し得る。例えば、プローブ信号は、ある期間（例えば、１日、１時間、または２０秒）に対して１秒当たり４０プローブ信号であり得、他の期間に対して１秒当たり１０００プローブ信号に変更され得る。変更は、ユーザ入力、システム命令、タスク、タスクの変更、場所、場所の変更、それぞれのオブジェクト、それぞれのオブジェクトの変更、それぞれのオブジェクトのそれぞれの動き、それぞれのオブジェクトのそれぞれの動きの変更、および／またはそれぞれのオブジェクトのそれぞれのオブジェクト／それぞれの動きのモニタに基づき得る。
無線マルチパスチャネルは、メディアアクセス制御（ＭＡＣ）層、物理（ＰＨＹ）層、Ｗｉ-Ｆｉ、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規格、ＩＥＥＥ ８０２．１６/１/１ａ/１ｂ/２/２ａ/ａ/ｂ/ｃ/ｄ/ｅ/ｆ/ｇ/ｈ/ｉ/ｊ/ｋ/ｌ/ｍ/ｎ/ｏ/ｐ、スタンダード、８０２．１６、Ｚｉｇｂｅｅ、ＷｉＭａｘ、ＵＷＢ、モバイルチャンネル、１Ｇ/２Ｇ/３Ｇ/３．５Ｇ/４Ｇ/ＬＴＥ/５Ｇ/６Ｇ/７Ｇなどに関連付けられ得る。
場所は、屋内環境、閉鎖環境、屋外環境、屋外環境（例えば屋外駐車場）、施設、倉庫、工場、製造施設、組立ライン、建物、高層ビル、家、家、オフィス、店舗、スーパーマーケット、カジノ、ホテル、部屋、ボックス、スタジアム、ホール、駅、空港、港、地下鉄、乗り物、車、ボート、船、クルーズ船、軍用車両、潜水艦、飛行機、無人機、洞窟、トンネル、パイプ、配管システム、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、流体などを含み得る。場所は、人々、ペット、子供、動物、植物、仕切り、壁、乾燥壁、コンクリート壁、レンガ壁、ガラス壁、金属製の壁、ドア、窓、ガラス、床、天井、屋根裏部屋、ガレージ、暖炉、駐車場、構造要素、柱、梁、可動物体、不動物体、家具、ワードローブ、備品、機械、装置、照明、カーテン、ブラインド、建築設備、建築設備、配水管、エアダクト、クロールスペース、地下室、エレベータ、階段、階段井戸、廊下、コリドー、メンテナンススペース、扇風機、換気システム、空調システム、熱、HVAC、電気配線、冷蔵庫、調理器具、オーブン、電子レンジ、コンロ、テレビ、サウンドシステム、スマートスピーカー、ライト、カーペット、立ち入り禁止区域、立ち入り禁止区域、禁止区域などを含み得る。
オブジェクトは、人、群衆、人々の集まり、人々のグループ、赤ちゃん、病気の人、年上の人、若い人、侵入者、不審な人、消費者、上司、プロ、スポーツ選手、ウェイター、買い物客、スタッフ、役員、顧客、管理者、大切な人、対象者、医師、患者、ゲスト、警備員、旅行者、ペット、動物、乗り物、無人搬送車（AGV）、無人車、オートバイ、自転車、ボート、船、トラック、車、電車、路面電車、電気自動車、飛行機、無人機、空中装置、地下鉄の電車、トランスポート、線路上の乗り物、機械、備品、家具、可動物体、移動不可能な物体、リフト、椅子、テーブル、貴重な物体、宝石類、ロボット、ロボットアーム、モーションキャプチャ装置、道具、人体、頭、首、肩、腕、肘、手、指、冷蔵庫、エアコン、掃除機、スマートデバイス、スマートファブリック、スマートマテリアル、スマートフォン、電話、電気機器、電子機器、テレビ、メディア機器、加熱装置、電子レンジ、オーブン、ストーブ、発光装置、音発生装置、スピーカー、光捕捉装置、カメラ、赤外線センサ、音捕捉装置、マイクロホン、可動物体、不動物体、剛体、非剛体、流体、変形体、ファン、中空体、箱、部屋、液体、流体、プラズマ、粒子などを含み得る。
それぞれのオブジェクトのうちの２つは同じオブジェクトであり得る。それぞれのオブジェクトのいずれも同じオブジェクトであり得る。動きは、動きなし、不活動、アイドリング、不動、休息、よどみ、安息、衝動、衝突、衝撃、爆発、硬化、弛緩、移動、誘発的な動き、反動的な動き、能動的な動き、突然の動き、定常的な動き、手を振る動き、動きシーケンス、定常的な動きシーケンス、反復可能な動き、変化的な動き、時限的な動き、振動、周期的な動き、擬似周期的な動き、並進的な動き、回転的な動き、規則的な動き、不規則的な動き、過渡的な動き、サイズ変更、変形、複雑な動き、振動、揺れ、地震、衝撃、事象、カオス的動き、統計的動き、静止的な動き、非静止的な動き、頭部の動き、首の動き、肩の動き、腕の動き、手の動き、指の動き、腰の動き、足の動き、足の動き、体の動き、感情表示、行為、ジェスチャー、歩行、横臥の動き、起床の動き、座る、立つ、ウォーキング、ランニング、ジョギング、ジャンプ、ダンス、弓、カーティ、サイン、表現、表示、会話、歌、風の動き、乱れ、ドアの動き、窓の動き、機械の動き、可動オブジェクトの動き、機械の設置、モーターに関連した動き、車の動き、ブレーキ、ターン、方向転換、ドリフト、揺れ、かき混ぜ、揺らぎ、外乱、フラックス、かき混ぜ、かき回し、右回転、左回転、風による動き、心拍、呼吸の動き、水の動き、流体の動き、流れ、ゆらぎ、柔軟/非剛体の動き、温度関連の動き、膨張、収縮、群衆の動き、混乱、不安などを含み得る。
特性はさらに、位置、位置タグ、位置ラベル、開始位置、終了位置、水平位置、垂直位置、長さ、面積、体積、容量、距離、方向、変位、変位ベクトル、速度、速度、速度ベクトル、加速度、加速度ベクトル、回転速度、回転加速度、歩容周期、動きタイプ、動き分類、動き特性、突然の動き、2つの特性間の相関、2つの特性間の類似性、2つの特性の共起、2つの特性、時間特性、タイミング、タイムスタンプ、期間、タイムウィンドウの時限発生、スライディング時間窓、時間遅延、タイムマッピング、タイムラベル、タイムタグ、開始時間、終了時間、時間プロファイル、時間履歴、傾向、時空間傾向、周波数傾向、周波数特性、周波数、時間周波数、空間周波数、時空間周波数、周波数範囲、開始周波数、終了周波数、時間的範囲、空間的範囲、空間的 - 時間的変化、空間的変化、時間的変化、周波数変化、周波数シフト、周期的な動きの情報、過渡的な動きの情報、時間の傾向、周波数傾向、空間傾向、時変特性、定常特性、過渡特性、消費特性、残余特性、定常特性、サイクロ定常特性、擬似定常特性、ベント、時間的イベント、空間的イベント、周波数イベント、空間的時間的イベント、および／または他の情報を含み得る。
異種タイプ１デバイスおよび／または異種タイプ２デバイスは、アンテナ、アンテナを有するデバイス、アンテナを接続／接続／リンクするインターフェースを有するデバイス、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、モノのインターネット（ＩｏＴ）デバイス、無線ネットワークを備えたデバイス、ワイヤードネットワーキングとワイヤレスネットワーキングの両方を備えたデバイス、ワイヤレス集積回路（ＩＣ）を備えたデバイス、Ｗｉ-Ｆｉ装置、Ｗｉ-Ｆｉチップを有する装置（例えば、８０２．１１ａ／ｂ／ｇ／ｎ／ａｃ／ａｘ規格準拠など）、Ｗｉ-Ｆｉアクセスポイント（ＡＰ）、Ｗｉ-Ｆｉクライアント、Ｗｉ-Ｆｉルータ、Ｗｉ-Ｆｉリピーター、Ｗｉ-Ｆｉハブ、Wi-Fi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など）、セルラーデバイス、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対応デバイス、ＬＴＥ装置、ＬＴＥモジュールを有する装置、モバイルモジュール（例えば、Ｗｉ - Ｆｉチップ、ＬＴＥチップ、ＢＬＥチップなどのモバイル対応チップ（ＩＣ）を有する回路基板）、Ｗｉ - Ｆｉチップ（ＩＣ）、ＬＴＥチップ、ＢＬＥチップ、モバイルモジュールを有するデバイス、スマートフォン、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）、専用装置、プラグイン装置、AC電源装置、電池式装置、プロセッサ/メモリ/命令セットを備えた装置、スマートクロック、スマートステーショナリー、スマートペン、スマートユーザーインターフェース、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）、セットトップボックス、スマートマイク、スマートスピーカー、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、スマートウィンドウ、スマート天井、スマートフロア、スマートウォール、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、スマートヒーター、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、自動車、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、スマート楽器、スマートラケット、スマートボール、スマートシュー、スマートウェアラブル、スマートウェア、スマートメガネ 、スマート帽子、スマートネックレス、スマートフード、スマートピル、生き物の体の中で動く小さな装置（例えば血管の中、リンパ液の中、消化器系など）であり得る。タイプ１デバイスおよび／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他のデバイス（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、および／またはストレージと通信可能に結合され得る。
２つ以上の異種タイプ１デバイスが存在し得る。タイプ１デバイス（および／またはタイプ２デバイス）は、異種であり得る。例えば、タイプ１デバイス（および／もしくはタイプ２デバイス）は、Ｗｉ－Ｆｉアクセスポイントであり得、他のタイプ１デバイス（および／もしくはタイプ２デバイス）は、スマートＴＶであり得、ならびに／または更に別のタイプ１デバイスは、一連のプローブ信号を送るための専用のシンプルデバイスであり得る（および／もしくは更に別のタイプ２デバイスは、一連のプローブ信号を受信し、それらを通過させるための専用のシンプルデバイスであり得る）。異なるタイプ１デバイス（および／またはタイプ２デバイス）は、様々な機能、ブランド（例えば、Ｓｏｎｙ、Ｓａｍｓｕｎｇ、Ｐｈｉｌｉｐｓ、Ａｐｐｌｅなど）、モデル、サイズ、フォームファクタ、形状、色、モジュール、アンテナ、回路、論理回路、プロセッサ、クロック、バス、メモリ、メモリバス、ストレージ、命令セット、電源（例えば、ＡＣまたはＤＣ、充電可能バッテリなど）、チップ（ＩＣ）、チップセット、ファームウェア、ソフトウェア、ネットワーク接続、優先度、アクセス権、セキュリティ設定などを有し得る。
デバイスは、タイプ１デバイスおよびタイプ２デバイスとして機能し得る。デバイスは、一時はタイプ１デバイスとして機能し、別の時にタイプ２デバイスとして機能し得る。デバイスは、同時にタイプ１デバイスおよびタイプ２デバイスとして機能し得る。異種タイプ１デバイスおよび／または異種タイプ２デバイスは、集積回路（ＩＣ）を備えることができる。ＩＣは、規格に準拠し得る。ＩＣは、２つ以上の規格／プロトコル（例えば、８０２．１１ａ／ｂ／ｅ／ｇ／ｎ／ａｃ／ａｘ、２Ｇ／２．５Ｇ／３Ｇ／３．５Ｇ／４Ｇ／ＬＴＥ／５Ｇ／６Ｇ、８０２．１６、メッシュネットワーク、アドホックネットワーク、４Ｇ超、Ｂｌｕｅｔｏｏｔｈ、ＢＬＥ、別のネットワーク、ＵＷＢ、ＲＦＩＤなど）をサポートし得る。タイプ１またはタイプ２デバイスは、動きを検出し、別のデバイス（例えば、ＴＶ、ファン、無線、スピーカー、照明、エアコンディショナ、ヒーター、電気器具、セキュリティシステムなど）を制御することができる。異種タイプ１デバイスおよび／またはタイプ２デバイスは、２つ以上のアンテナを備えることができる。アンテナは、異種であり得る。アンテナは、指向性または全指向性であり得る。アンテナは、円／楕円状、直線状、格子状、または別のパターン、または別の配置順に配置され得る。特定の異種タイプ１デバイスは、特定のタイプ２デバイスとの通信リンクを確立してもしなくてもよい。タイプ３デバイスはネットワークサーバ、クラウドサーバ、フォグサーバ、エッジサーバ、ローカルサーバ、ローカルクライアント、スマートデバイス、スマートフォン、ＩｏＴデバイスであり得る。タイプ３プロセッサは異種タイプ１デバイス又は異種タイプ２デバイスであり得る。
第１のプロセッサ、第２のプロセッサ、および／または第３のプロセッサは、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、中央処理装置（ＣＰＵ）、グラフィカルプロセッサユニット（ＧＰＵ）、デジタル信号プロセッサ（ＤＳＰ）、ＦＰＧＡ、組込みプロセッサ（例えば、ＡＲＭ）、論理回路などであり得る。第３のプロセッサは、第１のプロセッサ、第２のプロセッサ、または他のプロセッサであり得る。第１のメモリ、第２のメモリ、および／または第３のメモリは、ＲＡＭ、ＲＯＭ、ＰＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ハードディスク、フラッシュメモリ、ストレージネットワーク、内部ストレージ、外部ストレージ、ローカルストレージ、エッジストレージ、および／またはクラウドストレージであり得る。第１のメモリ、第２のメモリ、および／または第３のメモリは、揮発性および／または不揮発性であり得る。第１の命令セット、第２の命令セット、および／または第３の命令セットは、埋め込まれ、事前にロードされ、起動時にロードされ、オンザフライでロードされ、要望に応じてロードされ、事前にインストールされ、インストールされ、および／またはダウンロードされ得る。各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対の各々について、タイプ１およびタイプ２デバイスのそれぞれの特定の対と関連付けられた少なくとも１つのそれぞれのＴＳＣＩに基づいて、オブジェクトの動きと関連付けられた少なくとも１つのそれぞれの異種動き情報を非同期的に計算する（または得る、または算出する、または推定する、または決定する、または評価する）ことができる。
場所内でのオブジェクトの動きは、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられた、非同期的に計算された異種動き情報に基づいて、個別にかつ非同期的にモニタされ得る。オブジェクトの動きは、特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種動き情報に基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、それぞれの特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種動き情報に基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種動き情報に基づいて、全体的にかつ非同期的にモニタされ得る。例えば、少なくとも１つの組み合わされたスコアは、全スコアに基づいて計算され得、オブジェクトの動きは、少なくとも１つの組み合わされたスコアに基づいて連帯的にモニタされ得る。計算は、第１のプロセッサ、第２のプロセッサ、第３のプロセッサ、コンパニオンプロセッサ、クラウドサーバ、フォグサーバ、および／またはローカルサーバ間で共有され得る。
各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対の各々について、無線デバイスのそれぞれの特定の対と関連付けられた少なくとも１つのそれぞれのＴＳＣＩのそれぞれの現在の窓とそれぞれの過去の窓との間のそれぞれの異種類似性スコアは、非同期的に計算され得る。
それぞれの異種類似性スコアは、距離スコア、絶対距離（例えば、ｌ＿１ノルム）、ユークリッド距離、ノルム、メトリック、統計的特徴、時間反転共鳴強度（ＴＲＲＳ）、相互相関、自己相関、共分散、自己共分散、および／または２つのベクトルの内積のうちの少なくとも１つに基づいて計算され得る。それぞれの異種類似性スコアはまた、前処理、信号調整、ノイズ除去、位相補正、タイミング補正、タイミング補償、位相オフセット補償、変換、射影、および／またはフィルタリングのうちの少なくとも１つに基づいて計算され得る。それぞれの異種類似性スコアはまた、特徴抽出、有限状態機械、過去の類似性スコアの履歴、少なくとも１つのＴＳＣＩの別の過去の窓、コンポーネント毎の演算、機械学習、ニューラルネットワーク、ディープラーニング、トレーニング、判別、加重平均、および／または別の演算のうちの少なくとも１つに基づいて計算され得る。
場所内でのオブジェクトの動きは、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられた、非同期的に計算された異種類似性スコアに基づいて、個別にかつ非同期的にモニタされ得る。オブジェクトの動きは、特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、それぞれの特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種類似性スコアに基づいて、全体的にかつ非同期的にモニタされ得る。
１つの（または２つ以上の、またはすべての）ＴＳＣＩの現在の窓および過去の窓の各々は、ベクトルとして表現され得るか、またはベクトルに変換され得る。類似性スコアは、絶対距離、ユークリッド距離、またはその他の距離などの２つのベクトル間の距離であり得る。ＣＩ（またはＣＩの窓、またはＣＩのスライディング窓）は、確率プロセスとみなすことができる。類似度は、相互共分散または自己共分散であり得る。１に近い共分散は、非常に類似した（または相関が高い）２つのＣＩ（またはＣＩの２つの窓）を意味する場合がある。平均がゼロであるＣＩの場合、共分散は、相関となり得る。内積は、相関を計算する方法の１つであり得る。
２つのベクトルの内積：各ＣＩについてＮ個のコンポーネントを仮定する。ＣＩと関連付けられたベクトルは、Ｎ個のコンポーネントを含むＮタプルであり得る。２つ以上のＴＳＣＩが存在することができ、Ｍ≧１でのＭ個の時系列である。特定の時間でのＭ ＴＳＣＩと関連付けられたベクトルは、特定の時間でのＭ ＣＩのＮ個のコンポーネントを含むＫタプル（Ｋ＝Ｍ×Ｎ）であり得る。Ｐ≧１のＰ ＣＩを含むＴＳＣＩの窓を考慮する。窓と関連付けられたベクトルは、窓のＰ ＣＩのＮ個のコンポーネントを含むＫタプル（Ｋ＝Ｐ＊Ｎ）であり得る。各ＴＳＣＩのＰ≧１のＰ ＣＩ（ＣＩ）の窓を含むＭ ＴＳＣＩの合成窓を考慮する。合成窓と関連付けられたベクトルは、Ｍ時系列の各々の窓のＰ ＣＩのＮ個のコンポーネントを含むＫタプル（Ｋ＝Ｐ＊Ｍ＊Ｎ）であり得る。ｉ番目（ｉ＝１，．．．，Ｍ）のＴＳＣＩのＰ＿ｉ≧１でのＰ＿ｉ ＣＩの窓を含むＭ ＴＳＣＩの合成窓を考慮する。合成窓と関連付けられたベクトルは、ｉ番目（ｉ＝１，２，．．．，Ｍ）のＴＳＣＩの窓のＰ＿ｉ ＣＩのＮ個のコンポーネントを含むＫタプル（Ｋ＝（Ｐ＿１＋Ｐ＿２＋．．．＋Ｐ＿Ｍ）＊Ｎであり得る。
少なくとも１つのそれぞれのＴＳＣＩの各々のＣＩは、少なくとも１つのそれぞれのコンポーネントを有し得る。各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対の各々について、ならびに少なくとも１つのそれぞれのコンポーネントの各々について、以下を行うことができる。（ａ）少なくとも１つのそれぞれのＴＳＣＩのコンポーネントのそれぞれの現在のコンポーネント窓は、それぞれの現在の窓に基づいて、非同期的に決定され得る、（ｂ）少なくとも１つのそれぞれのＴＳＣＩのコンポーネントのそれぞれの過去のコンポーネント窓は、それぞれの過去の窓に基づいて、非同期的に決定され得る、（ｃ）それぞれの現在のコンポーネント窓は、それぞれの過去のコンポーネント窓とコンポーネント毎に非同期的に比較され得る、（ｄ）オブジェクトの動きは、それぞれの現在のコンポーネント窓とそれぞれの過去のコンポーネント窓との非同期的なコンポーネント毎の比較に基づいて、コンポーネント毎にモニタされ得る。
場所内でのオブジェクトの動きは、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられた、非同期的なコンポーネント毎の比較に基づいて、個別にかつ非同期的にモニタされ得る。オブジェクトの動きは、特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的なコンポーネント毎の比較に基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、それぞれの特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的なコンポーネント毎の比較に基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的なコンポーネント毎の比較に基づいて、全体的にかつ非同期的にモニタされ得る。
例えば、各ＣＩは、Ｎ個の要素（コンポーネント）を有する集合／レコード、Ｎ個の項目／特徴／特徴／行動測定（コンポーネント）のコレクション、Ｎタプル、Ｎ列のマトリックス（各列がコンポーネントである）、Ｎ行のマトリックス（各行がコンポーネントである）、Ｎコンポーネントベクトル、Ｎコンポーネントチャネル応答、Ｎコンポーネント時間信号、Ｎコンポーネントチャネル、Ｎコンポーネントチャネルインパルス応答（ＣＩＲ）、Ｎコンポーネント周波数信号、Ｎコンポーネントチャネル周波数応答（ＣＦＲ）などを含み得る。Ｎ個のコンポーネントは、同種または異種であり得る。
各コンポーネントは、異なっていてもよい。例えば、あるコンポーネントは、複素数であってもよく、他のコンポーネントは、論理値であってもよい。各コンポーネントは、周波数、周波数サブキャリア、周波数帯域、時間、タイムラグ、時間窓、期間、および／またはカウントのうちの少なくとも１つと関連付けられ得る。現在の窓（または現在のコンポーネント窓）内のＣＩの量および／または過去の窓（または過去のコンポーネント窓）内のＣＩの量は、同一かまたは異なり得る。現在の窓および／または過去の窓内のＣＩの量は、経時変化し得る。複素共役を適用することができる。
比較には、前処理、信号調整、ノイズ除去、位相補正、タイミング補正、タイミング補償、位相オフセット補償、変換、射影、フィルタリング、特徴抽出、有限状態機械、機械学習、ニューラルネットワーク、ディープラーニング、トレーニング判別、加重平均などが含まれ得る。
例えば、過去の動き情報は、過去のＣＩ、オブジェクトの動きと関連付けられた過去のＣＩ、過去の比較、過去の動き決定、過去の動き統計、過去のスコア、過去の類似性スコア、過去のコンポーネント類似性スコア、過去のデバイス毎の類似性スコアなどであり得る。
各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対の各々について、少なくとも１つのコンポーネントの各々について、コンポーネント類似性スコアは、それぞれの現在のコンポーネント窓およびそれぞれの過去のコンポーネント窓に基づいて、非同期的に計算され得る。
各コンポーネント類似性スコアは、距離スコア、ノルム、メトリック、統計的特徴、時間反転共鳴強度（ＴＲＲＳ）、相互相関、自己相関、共分散、自己共分散、２つのベクトルの内積、前処理、信号調整、ノイズ除去、位相補正、タイミング補正、タイミング補償、位相オフセット補償、変換、射影、フィルタリング、特徴抽出、有限状態機械、過去の類似性スコアの履歴、少なくとも１つのＴＳＣＩの別の過去の窓、コンポーネント毎の動作、機械学習、ニューラルネットワーク、ディープラーニング、トレーニング、判別、加重平均、および／または他の動作のうちの少なくとも１つに基づいて計算され得る。
それぞれの異種類似性スコアは、少なくとも１つのコンポーネント類似性スコアの異種関数として、非同期的に計算され得る。異種関数は、代表値、標準値、加重平均、百分位数、最大、最小、４０％四分位数、５０％四分位数、６０％四分位数、平均、メジアン、最頻値、和、積、根、算術平均、幾何平均、調和平均、一般化平均、順序統計量、トリムド平均、統計的関数、期待値、分散、選択されたもの、および／または別の関数のうちの少なくとも１つを含み得る。
場所内でのオブジェクトの動きは、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられた、異種類似性スコアおよび少なくとも１つのコンポーネント類似性スコアのうちの少なくとも１つに基づいて、個別にかつ非同期的にモニタされ得る。オブジェクトの動きは、特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、異種類似性スコアおよび少なくとも１つのコンポーネント類似性スコアの少なくとも１つに基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、それぞれの特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、異種類似性スコアおよび少なくとも１つのコンポーネント類似性スコアのうちの少なくとも１つに基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、異種類似性スコアおよび少なくとも１つのコンポーネント類似性スコアのうちの少なくとも１つに基づいて、全体的にかつ非同期的にモニタされ得る。
関数は、代表値、標準値、加重平均、パーセンタイル、最大、最小、１０％四分位数、２０％四分位数、３０％四分位数、４０％四分位数、５０％四分位数、６０％四分位数、７０％四分位数、８０％四分位数、９０％四分位数、平均、メジアン、最頻値、和、積、根、算術平均、幾何平均、調和平均、一般化平均、順序統計量、トリムド平均、統計的関数、期待値、分散、閾値法、カウント、および／または選択されたもののうちの少なくとも１つを含み得る。
特徴抽出は、サンプリングされた特徴、統計的特徴、時間領域特徴、周波数領域特徴、分解、特異値分解、主コンポーネント分析、独立コンポーネント分析、前処理、信号処理、後処理、変換、線形処理、非線形処理、信号調整、信号処理、代表値、標準値、加重平均、パーセンタイル、最大、最小、１０％四分位数、２０％四分位数、３０％四分位数、４０％四分位数、５０％四分位数、６０％四分位数、７０％四分位数、８０％四分位数、９０％四分位数、平均、メジアン、最頻値、和、積、根、算術平均、幾何平均、調和平均、一般化平均、順序統計量、トリムド平均、統計的関数、期待値、分散、閾値法、クラスタリング、トレーニング、機械学習、ニューラルネットワーク、ディープラーニング、カウント、および／またはロバスト処理などのうちの少なくとも１つを含み得る。
各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対の各々について、少なくとも１つのコンポーネントの各々について、それぞれのコンポーネント類似性スコアがそれぞれのコンポーネント閾値以上であるもののうちの少なくとも１つである場合、オブジェクトの動きは、コンポーネント毎に非同期的に検出され得る。
場所内でのオブジェクトの動きは、次のうちの少なくとも１つである場合、個別にかつ非同期的に検出され得る。特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられた異種類似性スコアの第１の関数がそれぞれの第１の個別の閾値以上であるもののうちの少なくとも１つである、ならびに／または特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられたコンポーネントの第１の選択されたグループにおけるコンポーネント毎の動き検出の第１のパーセンテージがそれぞれの第２の個別の閾値以上であるもののうちの少なくとも１つである。オブジェクトの動きは、次のうちの少なくとも１つである場合、連帯的にかつ非同期的に検出され得る。特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた異種類似性スコアの第２の関数がそれぞれの第１の共同の閾値以上であるもののうちの少なくとも１つである、ならびに／または特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられたコンポーネントの第２の選択されたグループにおけるコンポーネント毎の動き検出の第２のパーセンテージがそれぞれの第２の共同の閾値以上であるもののうちの少なくとも１つである。オブジェクトの動きは、次のうちの少なくとも１つである場合、連帯的にかつ非同期的に検出され得る。それぞれの特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた異種類似性スコアの第３の関数がそれぞれの第３の共同の閾値以上であるもののうちの少なくとも１つである、ならびに／またはそれぞれの特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられたコンポーネントの第３の選択されたグループにおけるコンポーネント毎の動き検出の第３のパーセンテージがそれぞれの第４の共同の閾値以上であるもののうちの少なくとも１つである。オブジェクトの動きは、次のうちの少なくとも１つである場合、全体的にかつ非同期的に検出され得る。タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた異種類似性スコアの第４の関数がそれぞれの第１のグローバル閾値以上であるもののうちの少なくとも１つである、ならびに／またはタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられたコンポーネントの第４の選択されたグループにおけるコンポーネント毎の動き検出の第４のパーセンテージがそれぞれの第２のグローバル閾値以上であるもののうちの少なくとも１つである。
第１の関数、第２の関数、第３の関数、および／または第４の関数は、線形関数、非線形関数、平均、加重平均、算術平均、幾何平均、調和平均、一般化平均、トリムド平均、ロバスト平均、加重平均（weighted mean）、メジアン、最頻値、および／または別の関数であり得る。第１の関数、第２の関数、第３の関数、および／または第４の関数のうちの２つまたはそれ以上は、数学的に同様であり得る。
個別の閾値および／または共同の閾値は、０．１、０．２、０．３、０．４、０．５、０．６、０．７、０．８、０．９、および／または他の閾値であり得る。それは、経時変化し得る。２つまたはそれ以上の閾値は、いくつかの現在の時間で同一または異なる場合がある。
場所内でのオブジェクトの動きは、場所内でのオブジェクトの動きにより影響を受けた他の無線マルチパスチャネルの別のＴＳＣＩに更に基づいて、非同期的にモニタすることができる。他のＴＳＣＩは、非同期異種タイプ３無線デバイスから非同期異種タイプ４無線デバイスに他の無線マルチパスチャネルを介して送信された他の非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号から抽出することができる。例えば、タイプ１およびタイプ２デバイスは、Ｗｉ－Ｆｉデバイスであり得、一方、タイプ３およびタイプ４デバイスは、ＬＴＥ、ＢＬＥ、ＲＦＩＤ、または他のＷｉ－Ｆｉデバイスであり得る。例えば、タイプ１およびタイプ２は、２．４ＧＨｚのＷｉ－Ｆｉであり得、一方、タイプ３およびタイプ４デバイスは、５ＧＨｚのＷｉ－Ｆｉであり得る。
選択されたコンポーネントのグループ（例えば、第１の、第２の、第３の、第４の選択されたコンポーネントのグループ）は、有意なコンポーネントのグループ、有意でないコンポーネントのグループ、重要なコンポーネント、重要でないコンポーネント、改善コンポーネント、減衰コンポーネント、良コンポーネント、悪コンポーネント、ある行動／傾向を有するコンポーネント、意見に影響するコンポーネント、ターゲットコンポーネント、有意なエネルギーを有するコンポーネント、有意なエネルギーを有する分解コンポーネントのグループ、モニタのために有意な／有用な／敏感なコンポーネントのグループ、トレーニング段階で学習されたコンポーネントのグループ、何らかの方法で選択されたコンポーネントのグループであり得る。例えば、選択されたコンポーネントは、モニタされるいくつかのターゲットイベントに対して敏感であり／明らかであり／区別され／識別され得る。第１の、第２の、第３の、第４の選択されたコンポーネントのグループのうちの２つまたはそれ以上は、重複していてもよく、および／または同一であってもよい。例えば、多数決は、閾値が０．５（５０％）で実施され得る。パーセンテージが５０％より大きい場合、動きは、検出され得る。
各タイプ２デバイスについて、ならびにタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つのそれぞれの特定の対の各々について、タイプ１およびタイプ２デバイスのそれぞれの特定の対と関連付けられた少なくとも１つのそれぞれのＴＳＣＩに基づいて、オブジェクトの動きと関連付けられた少なくとも１つのそれぞれの異種動き情報を非同期的に計算することができる。
少なくとも１つのそれぞれのＴＳＣＩのそれぞれの過去の窓を有する無線デバイスのそれぞれの特定の対と関連付けられた少なくとも１つのそれぞれのＴＳＣＩのそれぞれの現在の窓を、非同期的に比較できる。少なくとも１つのそれぞれのＴＳＣＩのそれぞれの現在の窓とそれぞれの過去の窓との間のそれぞれの異種類似性スコアは、非同期的に計算され得る。
場所内でのオブジェクトの動きは、特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられた、非同期的に計算された異種動き情報および異種類似性スコアに基づいて、個別にかつ非同期的にモニタされ得る。オブジェクトの動きは、特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種動き情報および異種類似性スコアに基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、それぞれの特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種動き情報および異種類似性スコアに基づいて、連帯的にかつ非同期的にモニタされ得る。オブジェクトの動きは、タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種動き情報および異種類似性スコアに基づいて、全体的にかつ非同期的にモニタされ得る。
例えば、タイプ１およびタイプ２デバイスは、（Ｗｉ－Ｆｉ信号である無線（またはｒａｄｉｏまたはＲＦ）信号を有する）Ｗｉ－Ｆｉデバイスであり得、一方、タイプ３およびタイプ４デバイスは、（ＬＴＥ信号である他の無線（またはｒａｄｉｏまたはＲＦ）信号を有する）ＬＴＥデバイスであり得る。他の実施例では、タイプ１およびタイプ２デバイスは、第１のＳＳＩＤ（例えば、「ｍｙ ｈｏｍｅ ｎｅｔｗｏｒｋ」）を有するＷｉ－Ｆｉネットワークを使用するＷｉ－Ｆｉデバイスであってもよく、一方、タイプ３およびタイプ４デバイスは、第２のＳＳＩＤ（例えば、「Ｙｏｕｒ Ｎｅｉｇｈｂｏｒｈｏｏｄ」）を有するＷｉ－Ｆｉネットワークを使用するＷｉ－Ｆｉデバイスであってもよい。他の実施例では、タイプ１、タイプ２、タイプ３、およびタイプ４デバイスは、同一のＷｉ－Ｆｉネットワーク内にあってもよい。タイプ１およびタイプ２デバイスは、２０ＭＨｚの帯域幅を使用し、一方、タイプ３およびタイプ４デバイスは、４０ＭＨｚの帯域幅を使用してもよい。
タイプ１デバイスおよびタイプ３デバイスは、同一のデバイスまたは異なるデバイスであり得る。タイプ２デバイスおよびタイプ４デバイスは、同一のデバイスであり得る。タイプ１デバイスは、タイプ３デバイスであり得、その逆も同様であり得る。タイプ２デバイスは、タイプ４デバイスであり得、その逆も同様であり得る。
場所のマップは、２つ以上の領域に仕切ることができる。オブジェクトの動きは、（ａ）特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられた、非同期的に計算された異種動き情報、（ｂ）特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種動き情報、（ｃ）それぞれの特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種動き情報、ならびに（ｄ）タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた、非同期的に計算された異種動き情報、のうちの少なくとも１つに基づいて、場所のマップの２つ以上の領域のうちの少なくとも１つと非同期的に関連付けられ得る。
それぞれの類似性スコアは、少なくとも１つのそれぞれの動き情報のうちの１つであり得る。それぞれの現在の窓は、それぞれの過去の窓として同一または異なる持続時間（または長さ）を有し得る。異なるタイプ２デバイスと関連付けられた現在の窓は、異なっている場合がある。異なるタイプ２デバイスと関連付けられた過去の窓もまた、異なっている場合がある。現在の窓および過去の窓は、同一量のＣＩ、同一の持続時間、同一の前処理、同一の処理、同一の後処理、および／または同一の設定を有し得る。現在の窓および過去の窓は、異なる量のＣＩ、異なる持続時間、異なる前処理、異なる処理、異なる後処理、および／または異なる設定を有し得る。
動き情報および／または過去の動き情報は、以下のうちの少なくとも１つに関連する情報を含み得る。それは、動き統計、動きの大きさ、動きの位相、位置、位置座標、位置の変化、動作、変位、距離、動きの微分、速度、速度差、速度の変化、方向の変化、速度、加速度、動き閾値、類似性スコア、距離スコア、距離、ユークリッド距離、重み付き距離、ノルム、L_1（またはl_1）ノルム、L_2（またはl_2）ノルム、k ＞ 2のL_k（またはl_k）ノルム、統計距離、相関、自己相関、共分散、自己共分散、相互共分散、内積、外積、動き信号変換、動き信号分解、動き信号多重解像度信号分解、動き信号スパース主成分分析、特異値分解、切り捨て特異値分解、主成分分析、独立成分分析、因子分析、辞書学習、スカラー量子化、ベクトル量子化、マッチングトラッキング、動き信号非負行列因数分解、潜在的ディリクレ配分（ＬＤＡ）、動きクラスタリング、動き認識、動き識別、動き局在化、動き特徴抽出、サンプル平均、加重平均、トリミング平均、ロバスト平均、サンプル分散、存在、不在、動きの存在、動きの不在、オブジェクトの存在、オブジェクトの不在、オブジェクトの変化、オブジェクトの変形、オブジェクトの動作、オブジェクトの動き、オブジェクトの入口、オブジェクトの出口、反復動きの存在、動き周波数、動き期間、動きリズム、呼吸の動きの周波数、呼吸の動きの期間、動きのサイクル、動きのカウント、動きの強度、呼吸の動きの期間、動きの分類、歩行情報、動きシーケンス、過渡的な動きの存在、動きの変化、動きイベント情報、入口イベント、出口イベント、オブジェクトの転倒の動き、サイズ変更の動き、変形の動き、回転の動き、並進の動き、回転の動き、ジェスチャー、手書き動作、頭の動き、口の動き、心臓の動き、臓器の動き、統計的な動きの存在、統計的な動きの量、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、動きの位置特定、動きの位置、動きの強さ、動きの存在、動きの不在、オブジェクトの存在、オブジェクトの不在、動き統計の時間履歴、動き統計の変化、動き統計の挙動、および／または動き統計の傾向、出現、消滅、増減、支出、減速、方向転換、急な動き、衝動的な動き、大きさ、長さ、面積、体積、容量、形状、形状、空間量、位置、距離、空間範囲、空間ラベル、空間タグ、開始位置、終了位置、速度、加速度、回転、角動作、微分、方向、空間的傾向、時間量、タイムスタンプ、タイムラベル、タイムタグ、開始量、終了数量、開始時間、終了時間、持続時間、カウント、期間、時間窓、レート、タイミング、時間遅延、傾向、時間傾向、動きプロファイル、タイムイベント、時間空間量、時間周波数量、時間周波数空間量、周期的挙動、過渡的挙動、周期的な動き、擬似周期的な動き、過渡的な動き、定常的な振る舞い、計画された動き、計画外の動き、および/または摂動、統計的な振る舞い、定常的な振る舞い、準定常的な振る舞い、サイクロ定常的振る舞い、カオス的振る舞い、共起、時限発生、相互作用、反応、活動、活動のしるし、ジェスチャー、歩容、体の動き、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、視線、呼吸の動き、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、イベント、転倒イベント、セキュリティイベント、事故イベントホームイベント、オフィスイベント、工場イベント、倉庫イベント、製造イベント、組立ラインイベント、メンテナンスイベント、自動車関連イベント、ナビゲーションイベント、トラッキングイベント、ドアイベント、ドアを開くイベント、ドアを閉めるイベント、窓のイベント、窓を開くイベント、窓を閉じるイベント、繰り返し可能なイベント、１度だけのイベント、他のイベント、周波数特性、周波数、スペクトル、開始周波数、終了頻度、変更頻度、頻度シフト、頻度傾向、頻度イベント、ユーザ、世帯、オフィス、工場、倉庫、施設、識別情報（ID）、消費量、未消費量、状態、身体的状態、健康状態、幸福状態、感情状態、精神状態、および／または他の動きの情報である。それぞれの類似性スコアは、タイプ２デバイスごとに異なる場合がある。
タイプ１およびタイプ２デバイスの各それぞれの対について、少なくとも１つのそれぞれの異種動き情報のそれぞれの特徴空間は、タイプ１およびタイプ２デバイスのそれぞれの対と関連付けられて２つ以上のそれぞれの特徴セグメントに仕切ることができる。各それぞれの特徴セグメントと場所のマップの２つ以上の領域のうちの少なくとも１つとを関連付けるそれぞれのマッピングを構成することができる。オブジェクトの動きは、それぞれのマッピングに基づいて、場所のマップの２つ以上の領域のうちの少なくとも１つと非同期的に個別に関連付けられ得る。タイプ１およびタイプ２デバイスの２つ以上の対と関連付けられた異種動き情報の共同特徴空間を２つ以上の共同特徴セグメントに仕切ることができる。各共同特徴セグメントと場所のマップの２つ以上の領域のうちの少なくとも１つとを関連付ける共同マッピングを構成することができる。オブジェクトの動きは、共同マッピングに基づいて、場所のマップの２つ以上の領域のうちの特定の１つと関連付けられ得る。
２つ以上の領域のうちの２つまたはそれ以上は、重複していてもよい。領域は、別の領域の部分集合であり得る。領域は、２つ以上のその他の領域の和集合であり得る。領域の場所は、１つ以上のタイプ２デバイスの場所に関する場合がある。マップおよび／または領域は、１次元、２次元、３次元、または高次元であり得る。２Ｄ領域は、矩形、正方形、円形、楕円形、またはその他の形状であってもよい。領域は、凹状または凸状であり得る。いくつかの領域は、大きい場合がある。いくつかは、小さい場合がある。２つ以上の領域は、独立した領域への場所の分解（例えば、多解像度分解）または重複領域を含み得る。２つ以上の領域は、規則的または不規則的であり得る。
タイプ１およびタイプ２デバイスの各それぞれの対について、タイプ１およびタイプ２デバイスのそれぞれの特定の対と関連付けられた少なくとも１つのそれぞれのＴＳＣＩのそれぞれの現在の窓とそれぞれの過去の窓との間のそれぞれの異種類似性スコアは、非同期的に計算され得る。
特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの対と関連付けられた異種類似性スコアの第１の関数がそれぞれの個別の閾値以上であるもののうちの少なくとも１つである場合、場所内でのオブジェクトの動きは、個別にかつ非同期的に検出され得る。特定のタイプ２デバイスを含むタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた異種類似性スコアの第２の関数がそれぞれの共同の閾値以上であるもののうちの少なくとも１つである場合、場所内でのオブジェクトの動きは、連帯的にかつ非同期的に検出され得る。それぞれの特定のタイプ１デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた異種類似性スコアの第３の関数が他のそれぞれの共同の閾値以上であるもののうちの少なくとも１つである場合、場所内でのオブジェクトの動きは、連帯的にかつ非同期的に検出され得る。タイプ１およびタイプ２デバイスの少なくとも１つの対のいずれかと関連付けられた異種類似性スコアの第４の関数がそれぞれのグローバル閾値以上であるもののうちの少なくとも１つである場合、場所内でのオブジェクトの動きは、全体的にかつ非同期的に検出され得る。
特徴は、動き情報、または１つ以上の動き情報の特徴／特性／関数であり得る。特徴は、異種であり得る。例えば、ある特徴は実数であってもよく、他の特徴はブーリアンであってもよく、他のものは複素数／ベクトルであってもよく、他のものは集合であってもよく、更に他のものは物のコレクションであってもよい。特徴は、１つ以上の動き情報に演算を適用することによって得られ得る。特徴空間は、空間または部分空間であり得る。特徴空間は、特徴のうちの１つ以上によって広がり得る。
いくつかの特徴セグメントは、超平面および／または多様体によって、仕切られ／束縛され／定義され得る。いくつかの特徴セグメントは、スカラー量子化および／またはベクトル量子化によって、仕切られ／定義され得る。特徴空間は、セル（例えば、すべての次元で均一な長さの「矩形」）に分解／分割され得る。特徴セグメントは、隣接するセルまたは近接していないセルの和集合であり得る。
共同特徴空間は、それぞれの特徴空間の和集合であり得る。異なるタイプ２デバイスの特徴空間の次元は、異なっていてもよい。それぞれのマッピングまたは共同マッピングは、１対１、１対多、多対１、または多対多であり得る。マッピングは、上書きされ得る。
情報は、モニタデバイスによって非同期的に信号で送られ、提示され、表示され、再生され、送信され、記憶され得る。情報は、場所のマップ、マップの２つ以上の仕切られた領域、任意の検出されたオブジェクトの動きと関連付けられた領域、タイプ１およびタイプ２デバイスの少なくとも１つの対と関連付けられた異種動き情報、コンポーネント類似性スコア、異種類似性スコア、過去の動き情報、過去の類似性スコア、別の過去の情報、タイプ１デバイス、タイプ２デバイス、タイプ３デバイス、および／またはタイプ４デバイスのうちの少なくとも１つと関連付けられ得る。信号で伝えることには、分析すること、分解すること、変換すること、処理すること、フィルタすること、順序付けすること、整列すること、フォーマットすること、整理すること、プレゼンテーションすること、表示すること、再生すること、送信すること、および／または記憶することを含み得る。
情報は、場所のマップと共に表示されてもよい。情報は、位置、ゾーン、地域、領域、修正された位置、おおよその位置、場所のマップに関する位置、場所のセグメンテーションに関する位置、方向、経路、マップおよび／またはセグメンテーションに関する経路、軌跡（例えば過去５秒、または過去１０秒などの時間窓内の位置であり、時間窓期間は適応的に調整されてもよく、速度、加速度などに関して、時間窓期間は適応的に調整されてもよい。）、経路の履歴、経路に沿ったおおよその地域/ゾーン、過去の位置の履歴/要約、過去の関心のある位置の履歴、頻繁に訪れる地域、顧客のトラフィック、群衆の分布、群衆の行動、群衆制御情報、速度、加速度、運動統計、呼吸数、心拍数、運動の有無、人の有無、バイタルサインの有無、ジェスチャー、ジェスチャー制御（ジェスチャーを使用したデバイスの制御）、位置に基づくジェスチャー制御、位置に基づく動作の情報、尊重オブジェクトの識別情報（ＩＤ）（ペット、人、自走式機械/デバイス、車両、無人機、自動車、ボート、自転車、自走式車両、ファン付き機械、エアコン、テレビ可動部を有する機械）、ユーザ（例えば人）の識別、ユーザの情報、ユーザの位置／速度／加速度／方向／動作／ジェスチャー／ジェスチャー制御／動作トレース、ユーザのＩＤ、ユーザの活動、ユーザの状態、ユーザの睡眠／安静特性、ユーザの感情状態、ユーザのバイタルサイン、場所の環境情報、場所の天気情報、地震、爆発、嵐、雨、火、温度、衝突、衝撃、振動、イベント、ドアを開けるイベント、ドアを閉じるイベント、窓を開くイベント、窓を閉じるイベント、転倒イベント、燃焼イベント、凍結イベント、水関連イベント、風関連イベント、空気移動イベント、事故イベント、擬似周期的イベント（例：ルームランナーでの走行、上下へのジャンプ、縄跳び、宙返りなど）、群衆イベント、車両イベント、ユーザのジェスチャー（例えば、手のジェスチャー、腕のジェスチャー、足のジェスチャー、足のジェスチャー、身体のジェスチャー、頭のジェスチャー、顔のジェスチャー、口のジェスチャー、目のジェスチャーなど）であり得る。
位置は、二次元（例えば二次元座標を有する）、三次元（例えば三次元座標を有する）であり得る。位置は、相対的（例えばマップに関して）または関係的（例えば、A点とB点の中間、角の周り、階段の上、テーブルの上、天井、床の上、ソファの上、A点から近い、A点からの距離R、A点からの半径Rの範囲内など）であり得る。位置は、直交座標、極座標、および／または他の表現で表され得る。
情報（例えば位置）は少なくとも１つのシンボルでマークされてもよい。シンボルは、時間的に変化してもよい。シンボルは、色/強度を変えても変えなくても点滅および/または脈動してもよい。サイズは時間とともに変化してもよい。シンボルの向きは時間の経過とともに変わってもよい。シンボルは瞬時量を反映する数であってもよい（例えば、バイタルサイン／呼吸数／心拍数／ジェスチャー／様子／状態／動作／ユーザの動き、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、デバイスの残量、デバイスの様子など）。変化率、サイズ、向き、色、強度および／またはシンボルは、それぞれの動きを反映してもよい。情報は口頭で（例えば、事前に録音された音声を使用して、または音声合成を使用して）説明されてもよい。情報はテキストで記述されてもよい。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）で提示されてもよい。
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フォン）、タブレット（例えば、iPad）、ラップトップ（例えば、ノートブックコンピュータ）、パーソナルコンピュータ（ＰＣ）、グラフィカルユーザインタフェース（ＧＵＩ）を有するデバイス、スマートスピーカー、ボイス／オーディオ／スピーカー機能を有するデバイス、仮想現実（ＶＲ）デバイス、拡張現実（ＡＲ）デバイス、スマートカー、車内ディスプレイ、音声アシスタント、車内ボイスアシスタントであり得る。
マップは、二次元マップ、三次元マップ、および／またはより高次元のマップであり得る。（例えば、時変２Ｄ／３Ｄマップ）壁、窓、ドア、入り口、出口、立ち入り禁止区域がマップ上でマークされ得る。マップは施設の間取り図を含み得る。マップには１つ以上のレイヤー（オーバーレイ）があり得る。マップは、配水管、ガス管、配線、ケーブル配線、送風管、クロールスペース、天井レイアウト、地下レイアウトのうちの少なくとも１つを含むメンテナンスマップであり得る。
場所は、寝室、リビング、収納室、通路、キッチン、ダイニング、ホワイエ、ガレージ、１階、２階、トイレ、オフィス、会議室、レセプションエリア、各種オフィスエリア、各種倉庫地域、各種施設区域などの複数のゾーンに分割されてもよい。セグメンテーション／領域／区域はマップに提示されてもよい。異なる領域を色分けすることができる。異なる領域が特性（例えば、色、明るさ、色の濃さ、質感、アニメーション、点滅、点滅速度など）と共に提示されてもよい。場所の論理的セグメンテーションは、少なくとも１つの異種のタイプ２デバイス、またはサーバ、またはクラウドサーバなどを使用して行われ得る。
他の実施形態では、無線（またはｒａｄｉｏまたはＲＦ）モニタシステムは、少なくとも１つの非同期異種タイプ１無線（またはｒａｄｉｏ）デバイスと少なくとも１つの非同期異種タイプ２無線（またはｒａｄｉｏまたはＲＦ）デバイスとを備える。無線（またはｒａｄｉｏまたはＲＦ）モニタシステムは、タイプ１およびタイプ２デバイスの少なくとも１つの対を含み、各対は、少なくとも１つのタイプ１デバイスのうちの１つと、少なくとも１つのタイプ２デバイスのうちの１つとを含む。
特定の非同期異種タイプ２デバイスは、無線（またはｒａｄｉｏまたはＲＦ）モニタシステムのタイプ１およびタイプ２デバイスの少なくとも１の特定の対内にある。特定のタイプ２デバイスは、タイプ１デバイスとタイプ２デバイスの少なくとも１つの特定の対を介して、少なくとも１つの特定のタイプ１デバイスに関連づけられる。
無線（またはｒａｄｉｏ）モニタシステムの特定の非同期異種タイプ２デバイスは、無線回路、第２の異種プロセッサ、第２の異種メモリ、および第２の異種命令セットを含む。
無線回路は少なくとも１つの非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号を非同期的に受信する。各非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号は、場所内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少なくとも１つの非同期異種タイプ２デバイスに、それぞれの第１の異種プロセッサ、それぞれの第１の異種メモリ、およびタイプ１デバイスのそれぞれの第１異種セットの命令を使用して、少なくとも１つの特定のタイプ１デバイスの１つによって非同期的に送信される。
第２の異種プロセッサは、無線回路と通信可能に結合されている。第２の異種メモリは、第２の異種プロセッサと通信可能に結合されている。第２の異種命令セットは第２の異種メモリに格納され、実行されると、第２の異種プロセッサに、タイプ１およびタイプ２デバイスの少なくとも１つの特定の対のそれぞれに対して、無線マルチパスチャネルの少なくとも１つのそれぞれの一連のＣＩ（ＴＳＣＩ）を非同期的に取得させる。タイプ１およびタイプ２デバイスの特定の対に関連する少なくとも１つのそれぞれのＴＳＣＩは、無線回路によって非同期的に受信されたそれぞれの非同期異種無線（またはｒａｄｉｏまたはRF）信号から非同期的に抽出されている。
以下のいずれかが実行される。すなわち（ａ）特定のタイプ２デバイスを構成するタイプ１デバイスおよびタイプ２デバイスの任意の対に関連するＴＳＣＩに基づいて、場所内のオブジェクトの動きを、第３のプロセッサ、第３のメモリ、およびタイプ３デバイスの第３の命令セットを使用して、個別にかつ非同期的にモニタすること、（ｂ）特定のタイプ２デバイスを構成するタイプ１デバイスおよびタイプ２デバイスの任意の対に関連するＴＳＣＩに基づいて、オブジェクトの動きを、連帯的にかつ非同期的にモニタすること、（ｃ）少なくとも１つの特定のタイプ１デバイスのうちの１つを含むタイプ１およびタイプ２デバイスの任意の対に関連するＴＳＣＩに基づいて、オブジェクトの動きを、連帯的にかつ非同期的にモニタこと、および／または（ｄ）タイプ１およびタイプ２デバイスの任意の対に関連するＴＳＣＩに基づいて、オブジェクトの動きを、全体的にかつ非同期的にモニタすることである。
他の実施形態では、無線（またはｒａｄｉｏまたはＲＦ）モニタシステムは、少なくとも１つの非同期異種タイプ１無線（またはｒａｄｉｏまたはＲＦ）デバイスと少なくとも１つの非同期異種タイプ２無線（またはｒａｄｉｏまたはＲＦ）デバイスとを含む。無線（またはｒａｄｉｏ）モニタシステムは、タイプ１およびタイプ２デバイスの少なくとも１つの対を含み、各対は、少なくとも１つのタイプ１デバイスのうちの１つと、少なくとも１つのタイプ２デバイスのうちの１つとを含む。
特定の非同期異種タイプ１デバイスは、無線（またはｒａｄｉｏ）モニタシステムのタイプ１およびタイプ２デバイスの少なくとも１つの特定の対にある。特定のタイプ１デバイスは、タイプ１とタイプ２デバイスの少なくとも１つの特定の対を介して少なくとも１つの特定のタイプ２デバイスと関連付けられている。
無線（またはｒａｄｉｏ）モニタシステムの特定の非同期異種タイプ１デバイスは、無線回路と、第１のプロセッサと、第１のメモリと、第１の命令セットとを含む。第１のプロセッサは無線回路と通信可能に結合されている。第１のメモリは第１のプロセッサと通信可能に結合されている。第１の命令セットは第１のメモリに格納され、実行されると、第１のプロセッサは、場所内のオブジェクトの動きに影響を受ける無線マルチパスチャネルを介して、特定のタイプ１デバイスから少なくとも１つの特定のタイプ２デバイスへ非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号を無線回路を用いて非同期送信する。
少なくとも１つの特定のタイプ２デバイスのそれぞれについて、無線回路によって送信された非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号から抽出された無線マルチパスチャネルの少なくとも１つの一連のＣＩ（ＴＳＣＩ）は、第２のプロセッサ、第２のメモリ、およびタイプ２デバイスの第２の命令セットを使用してタイプ２デバイスによって取得される。
次のうち少なくとも１つが実行される。すなわち（ａ）特定のタイプ１デバイスを構成するタイプ１とタイプ２のデバイスの対に関連するＴＳＣＩに基づいて、場所内のオブジェクトの動きを、タイプ３デバイスの第３のプロセッサ、第３のメモリおよび第３の命令セットを使用して個別にかつ非同期的にモニタすること、（ｂ）特定のタイプ１デバイスを構成するタイプ１デバイスとタイプ２デバイスの任意の対に関連するＴＳＣＩに基づいて、オブジェクトの動きを連帯的にかつ非同期的にモニタすること、（ｃ）少なくとも１つの特定のタイプ２デバイスのうちの１つを含むタイプ１およびタイプ２デバイスの任意の対に関連するＴＳＣＩに基づいて、オブジェクトの動きを連帯的におよび非同期的にモニタすること、および（ｄ）タイプ１とタイプ２デバイスの任意の対に関連するＴＳＣＩに基づいて、全体的にかつ非同期的にオブジェクトの動きをモニタすることである。
他の実施形態では、無線（またはｒａｄｉｏまたはＲＦ）モニタシステムは、少なくとも１つの非同期異種タイプ１無線（またはｒａｄｉｏまたはＲＦ）デバイスと少なくとも１つの非同期異種タイプ２無線（またはｒａｄｉｏまたはＲＦ）デバイスとを備える。無線（またはｒａｄｉｏ）モニタシステムは、タイプ１およびタイプ２デバイスの少なくとも１つの対を含み、各対は、少なくとも１つの非同期異種タイプ１デバイスのうちの１つと、非同期異種タイプ２デバイスのうちの１つを含む。
無線（またはｒａｄｉｏ）モニタシステムのタイプ３デバイスは、第３のプロセッサ、第３のメモリ、および第３の命令セットを含む。第３のプロセッサは、少なくとも１つの非同期異種タイプ１デバイス、および少なくとも１つの非同期異種タイプ２デバイスのうちの少なくとも１つと通信可能に結合されている。第３のメモリは、第３のプロセッサと通信可能に結合されている。第３の命令セットは第３のメモリに格納されている。
実行されると、第３の命令セットは、第３のプロセッサに、各タイプ２デバイスに対して、およびタイプ２デバイスを構成するタイプ１およびタイプ２デバイスの少なくとも１つの対に対して、場所内のオブジェクトの動きの影響を受ける無線マルチパスチャネルの少なくとも１つのそれぞれのＴＳＣＩ（ＴＳＣＩ）を非同期的に受信させる。
各ＴＳＣＩは、タイプ２デバイスのそれぞれの第２のプロセッサ、それぞれの第２のメモリおよびそれぞれの第２の命令セットを使用してタイプ２デバイスによって非同期的に取得される。タイプ１およびタイプ２デバイスのそれぞれの対に関連付けられた少なくとも１つのそれぞれのＴＳＣＩは、それぞれの非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号から非同期的に抽出される。それぞれの非同期異種無線（またはｒａｄｉｏまたはＲＦ）信号は、それぞれの第１のプロセッサ、それぞれの第１のメモリ、およびそれぞれのタイプ１デバイスのそれぞれの第１の命令セットを使用して、それぞれの対のそれぞれのタイプ１デバイスから、少なくとも１つの非同期異種タイプ２デバイスに、無線マルチパスチャネルを介して送信される。実行されると、第３の命令セットはさらに、第３のプロセッサに以下のうちの少なくとも１つを実行させる。それは（ａ）特定のタイプ２デバイスと特定のタイプ１デバイスとを含むタイプ１デバイスおよびタイプ２デバイスの特定の対に関連するＴＳＣＩに基づいて、場所内のオブジェクトの動きを個別にかつ非同期的にモニタすること、（ｂ）特定のタイプ２デバイスと関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のうちのいずれかと関連付けられたＴＳＣＩに基づいて、オブジェクトの動きを連帯的にかつ非同期的にモニタすること、（ｃ）特定のタイプ１デバイスに関連付けられたタイプ１およびタイプ２デバイスの少なくとも１つの対のうちのいずれかに関連付けられたＴＳＣＩに基づいて、連帯的にかつ非同期的にオブジェクトの動きをモニタすること、および／または（ｄ）タイプ１およびタイプ２デバイスの少なくとも１つの対のうちのいずれかに関連付けられたＴＳＣＩに基づいて、全体的にかつ非同期的にオブジェクトの動きをモニタすることである。
上記の開示されたシステムおよび方法を実施するための例として、スティーブンおよび彼の家族は、ワシントン州シアトルにある彼らの２０００平方フィートの２階建てのタウンハウスにおいて動きを検出するために開示された無線動き検出システムを設置したい。彼の家には2階建てであるため、スティーブンは１階に１つのタイプ２デバイス（Aという名前）と2つのタイプ１デバイス（ＢおよびＣという名前）を使用することにした。1階には主にキッチン、ダイニング、リビングの３つの部屋が一直線に並んであり、ダイニングルームは真ん中にある。キッチンとリビングは家の反対側にある。彼はタイプ２デバイス（A）をダイニングに置き、一方のタイプ１デバイス（B）をキッチンに、もう一方のタイプ１デバイス（Ｃ）をリビングに置いた。このようなデバイスの配置により、彼は、動き検出システムを使用して、実際的に１階を３つのゾーン（ダイニング、リビング、キッチン）に分割している。動きがＡＢ対およびＡＣ対によって検出されると、システムはその動き情報を分析し、その動きを３つのゾーンのうちの１つと関連付ける。
スティーブンと彼の家族が週末に外出すると（例えば、長い週末にキャンプに行く）、スティーブンは動き検出システムをオンにするために携帯電話のアプリ（例えばAndroidフォンのアプリやiPhoneのアプリ）を使用するだろう。システムが動きを検出すると、警告信号がスティーブンに送信される（例えば、ＳＭＳテキストメッセージ、電子メール、携帯電話アプリケーションへのプッシュメッセージなど）。スティーブンが毎月の料金（例：１００ドル/月）を支払う場合、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け取ると、スティーブンのためのセキュリティ手順を実行する（例えば、問題を確かめるために彼に電話をする、家をチェックするために誰かを送る、スティーブンに代わって警察に連絡するなど）。スティーブンは、年をとっている母親を愛し、家に一人でいるときの彼女の健康状態を気にかけている。家族が外出中に母親が一人で家にいるとき（例えば、仕事に行く、買い物に行く、休暇に行くなど）、スティーブンは自分の携帯アプリを使って動き検出システムをオンにし、母親が無事であるかを確認する。それから彼は家の中で母親の動きをモニタするためにモバイルアプリを使う。スティーブンがモバイルアプリを使用して、母親が３つの地域の間で家の中を移動していることを確認すると、彼女の毎日のルーチンによると、スティーブンは母親が無事であることをわかる。スティーブンは、家を留守にしている間も、この動き検出システムが母親の健康状態をモニタするのに役立つことに感謝している。
典型的な日では、母親は午前７時頃に目を覚ますだろう。彼女は台所で20分ほど朝食を作るだろう。それから彼女は３０分ほどダイニングで朝食を食べるだろう。それから彼女はリビングのソファに座って彼女のお気に入りのテレビ番組を見る前に、リビングルームで彼女の日課の体操をするだろう。動き検出システムはスティーブンが家の３つの地域のそれぞれで動きのタイミングを確認することを可能にする。その動きが日課に一致すると、スティーブンは母親が元気であると大体わかる。しかし、動きのパターンが異常に見える場合（例えば、午前１０時まで動きがない、または彼女がキッチンに長時間いた、または彼女があまりにも長時間動かない、など）、スティーブンは何か問題があるのではないかと疑い、母親を確認するために、彼女に電話を掛けるだろう。スティーブンは、誰か（例えば、家族、隣人、有給の人員、友人、ソーシャルワーカー、サービス提供者）に、彼の母親を確認させることさえも可能である。
スティーブンは、タイプ２デバイスを再配置したいと思うこともある。彼は単に元のAC電源プラグからデバイスを外して他の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嬉しく思う。電源を入れるとすぐに起動する。しばらくして、スティーブンは、私たちの無線動き検出システムは非常に高い精度と非常に低いアラームで動きを検出することができ、本当に1階の動きをモニタするためにモバイルアプリを使うことができることを確信する。彼は、２階の寝室をモニタするために２階に同様のデバイス（つまり、1台のタイプ２デバイスと2台のタイプ１デバイス)を2階に設置することを決定した。ここでも、彼は、タイプ２デバイスとタイプ１デバイスを2階のAC電源プラグに差し込むだけでよいため、システムのセットアップが非常に簡単であることがわかった。特別な設置は必要ない。また、同じモバイルアプリを使用して、1階と2階の動きをモニタできる。1階／2階の各タイプ２デバイスは、1階と2階の両方のすべてのタイプ１デバイスと相互作用できる。スティーブンは、タイプ１とタイプ２デバイスへの投資を倍増させることで、統合システムの能力を2倍以上にすることができたことを喜んでいる。
一実施形態では、本教示は、睡眠モニタのための方法、装置、およびシステムを開示する。開示された方法は、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、メモリに格納された命令のセットとを使用して無線マルチパスチャネルのＴＳＣＩを取得すること、およびＴＳＣＩに基づいてユーザの睡眠関連の動きをモニタすることを含む。ＴＳＣＩは、無線マルチパスチャネルを介して、場所内でタイプ１異種無線デバイスとタイプ２異種無線デバイスとの間で送信された無線信号から抽出される。無線マルチパスチャネルは、場所内でのユーザの睡眠関連の動きにより影響を受ける。
睡眠関連の動きをモニタすることには、ユーザの、睡眠タイミング、睡眠持続時間、睡眠段階、睡眠品質、睡眠時無呼吸、睡眠問題、睡眠障害、呼吸問題、喘ぎ、窒息、歯ぎしり、睡眠の一時停止、不眠、不眠症、睡眠中の不安、過眠症、睡眠時異常行動、日中の眠気、睡眠場所、運転中の睡眠、睡眠中断、悪夢、夜驚症、睡眠歩行、ＲＥＭ睡眠行動障害、概日リズム障害、非２４時間睡眠覚醒障害、周期的四肢運動障害、交替勤務睡眠障害、ナルコレプシー、錯乱性覚醒、睡眠麻痺、別の睡眠関連状態、および／または別の睡眠関連行動のうちの少なくとも１つをモニタすることが含まれる。
睡眠タイミングには、ベッドに行く、睡眠開始、起床、ＲＥＭ開始、ＮＲＥＭ開始、睡眠段階移行の開始、睡眠障害、睡眠問題、呼吸問題、不眠症、過眠症、睡眠時異常行動、睡眠ヒプノグラム関連イベント、睡眠中断、睡眠時無呼吸、睡眠中のいびき、ベッドではない場所での睡眠、日中の睡眠、睡眠歩行、睡眠関連イベント、睡眠関連状態、および／または、睡眠関連行動などのうちの少なくとも１つのタイミングが含まれる。睡眠段階は、覚醒、急速眼球運動（ＲＥＭ）、および／または非ＲＥＭ（ＮＲＥＭ）のうちの少なくとも１つを含む。ユーザの、呼吸数の時間関数および動き統計の時間関数のうちの少なくとも１つは、一連のＣＩに基づいて計算され得る。呼吸が時間ｔにおいて検出されない場合、時間ｔにおける呼吸数は、ゼロとして計算され得る。ユーザの睡眠関連の動きは、ユーザの呼吸数の時間関数、および／または動き統計の時間関数のうちの少なくとも１つに基づいてモニタされ得る。
ユーザの呼吸比の時間関数および動き比率の時間関数のうちの少なくとも１つは、一連のＣＩに基づいて計算され得る。時間ｔにおける呼吸比率は、呼吸数の時間関数が時間ｔを含む第１の時間窓においてゼロでないときの時間の割合として計算され得る。時間ｔにおける動き比率は、動き統計の時間関数が時間ｔを含む第２の時間窓内の第１の閾値よりも大きいときの時間の割合として計算され得る。ユーザの睡眠関連の動きは、ユーザの呼吸比率の時間関数、および／または運動比率の時間関数のうちの少なくとも１つに基づいてモニタされ得る。動き比率が第２の閾値より大きい、および／または呼吸比率が第３の閾値未満である、のうちの少なくとも１つである場合、睡眠段階は、「目覚め」と分類することができる。動き比率が第２の閾値未満である、および／または呼吸比率が第３の閾値より大きい、のうちの少なくとも１つである場合、睡眠段階は、「眠り」と分類することができる。「眠り」段階は、急速眼球運動（ＲＥＭ）段階および／または非ＲＥＭ（ＮＲＥＭ）段階のうちの少なくとも１つを含み得る。
呼吸数傾向関数は、呼吸数の時間関数を低域フィルタリングすることによって計算され得る。傾向除去された呼吸数関数は、呼吸数の時間関数から呼吸数傾向関数を減算することによって計算され得る。呼吸数分散の時間関数は、スライディング時間窓内の傾向除去された呼吸数関数の分散を計算することによって計算され得る。ユーザの睡眠関連の動きは、呼吸数分散の時間関数に基づいて、モニタされ得る。
平均ＮＲＥＭ呼吸数は、一晩の期間における「眠り」段階において呼吸数の時間関数のヒストグラムのピークを識別することによって計算され得る。（例えば、一晩中、または一晩中から「目覚め」期間を差し引く）。呼吸数偏差の時間関数は、スライディング時間窓内の呼吸数の平均ＮＲＥＭと百分位数との間の距離を計算することによって計算され得る。睡眠段階は、呼吸数偏差の時間関数に基づいて、ＲＥＭ段階および／またはＮＲＥＭ段階のうちの少なくとも１つに分類することができる。呼吸数分散の時間関数は、第１のスライディング時間窓内の傾向除去された呼吸数関数の分散を計算することによって計算され得る。呼吸数偏差の時間関数は、第２のスライディング時間窓内の呼吸数の平均ＮＲＥＭとパーセンタイルとの間の距離を計算することによって計算され得る。睡眠段階は、呼吸数分散の時間関数および呼吸数偏差の時間関数に基づいて、ＲＥＭ段階、および／またはＮＲＥＭ段階のうちの少なくとも１つに分類することができる。
分類子は、機械学習を使用して、呼吸数、分散、および呼吸数偏差のうちの少なくとも１つに基づいてトレーニングされ得る。機械学習は、教師あり学習、教師なし学習、半教師あり学習、能動学習、強化学習、サポートベクターマシン、ディープラーニング、特徴学習、クラスタリング、回帰、および／または次元削減のうちの少なくとも１つを含み得る。睡眠段階は、分類子に基づいて、ＲＥＭ段階、および／またはＮＲＥＭ段階のうちの少なくとも１つに分類され得る。
ユーザの睡眠関連の動きに関する量は、ＴＳＣＩに基づいて計算され得る。その量に基づいて、ユーザの睡眠関連の動きはモニタされ得る。その量は、ユーザがベッドに行く時間、ユーザがベッドから出る時間、睡眠開始時間、ユーザが眠りに落ちるまでにかかる総時間、起床時間、睡眠障害時間、睡眠中断期間の数、平均中断持続時間、中断持続時間の分散、ベッドでの総時間、ユーザが眠っている総時間、ＲＥＭの期間、ＮＲＥＭの期間、目が覚めている期間、ＲＥＭの総時間、ＮＲＥＭの総時間、ＲＥＭ期間の数、ＮＲＥＭ期間の数、ベッド内で寝返りする時間、寝返りの持続時間、ヒプノグラム、無呼吸の期間、いびきの期間、無呼吸の総持続時間、無呼吸期間の数、無呼吸期間の平均持続時間、呼吸問題の期間、睡眠品質スコア、日中睡眠、日中睡眠の期間、日中睡眠の総持続時間、日中睡眠の期間の数、日中睡眠の期間の平均持続時間、および別の品質のうちの少なくとも１つを含み得る。
呼吸の検出と推定。計算されたＡＣＦとその固有の特性に基づいて、ＳＭＡＲＳは最初に呼吸の有無を検出し、提示されている場合は、正確かつ瞬時に呼吸数を推定する。図１８に示されるように、周波数ｆを有するサブキャリアについて、動き検出に加えて、呼吸検出のために、ρ ^_G (τ,f)から合計５つの特徴を抽出することができる。１．ピークの顕著性：ピーク値と隣接する谷の最大の高さとの間の垂直距離であり、これはピークの存在の可能性を測定する。２．ピーク幅：２つの隣接する谷間の水平距離であり、これはまたピークの存在の可能性を測定する。３．ピーク振幅：ピークの高さであり、これは呼吸信号のＡＣＦの振幅を測定し、呼吸の動きのみが存在する場合の動き統計値に匹敵する。４．運動干渉比：動き統計とピーク振幅との間の比であり、これは、環境内での、体の動き、歩行、起立、タイピングキーボードなどの非呼吸運動の干渉の程度を測定する。５．ピーク位置：原点とピークとの間の水平距離（すなわち、タイムラグ）であり、これは呼吸周期を測定する。
睡眠段階認識
ＳＭＡＲＳは、一晩の睡眠の連続した動きおよび呼吸推定を３００秒のエポックに分割する。各エポックについて、ＳＭＡＲＳは、３つの異なる睡眠段階、すなわち、覚醒、ＲＥＭ睡眠、およびＮＲＥＭ睡眠を認識する。段階分けは、２つのステップで実施される。第１に、ＳＭＡＲＳは、主に体の動きによって睡眠から覚醒を区別する。第２に、ＲＥＭおよびＮＲＥＭ段階を睡眠期間中に更に識別する。
睡眠／覚醒検出。ＳＭＡＲＳは、最初に、睡眠覚醒検出器を実装し、睡眠状態および覚醒状態を識別する。重要な洞察としては、被験者が目覚めた時は、体の運動がより頻繁に観測され、一方、被験者が眠っている時は、主に呼吸の動きが存在することである。身体運動は呼吸の動きよりも著しく強く、それらの両方は容易に補足でき、かつ本明細書で定義された動き統計によって定量化できるので、ＳＭＡＲＳは、それを利用して、睡眠状態と覚醒状態とを区別する。
具体的には、動き統計
Figure 0007393748000005
 が事前設定閾値より大きい場合、時間のパーセンテージとして動き比率を定義することができる。従って、覚醒状態では、図１９Ａにて示すように、より高い動き比率が期待されている。同様に、呼吸信号が検出されるときの時間のパーセンテージとして呼吸比率を定義することもできる。身体運動は、環境動態の周期性を破壊するため、図１９Ｂにて示すように、被検者が目覚めているとき、呼吸比率はより低くなる。
上記の２つの特徴を組み合わせて、ＳＭＡＲＳは、動き比率が既定義閾値より小さくかつ呼吸比率がその他の閾値より大きい場合にのみ、エポックを睡眠と識別する。両閾値は、図１９Ａおよび図１９Ｂのように実験的に決定される。開示されたモデルは、統計的には屋内のすべてのマルチパスを考慮するため、両閾値の値は、異なる環境および被験者に一般化される。
ＲＥＭ／ＮＲＥＭ認識。ＳＭＡＲＳは、以下の臨床的事実を活用して、したがって、ＲＥＭ／ＮＲＥＭ段階分類についての呼吸数推定から２つの特有の特徴を抽出する。ＲＥＭ段階では、呼吸数が通常速く、かつ変動性がより高く不規則なパターンが存在し、一方、ＮＲＥＭ段階では、より安定しかつ遅い。
ＮＲＥＭ段階は、典型的な健康な大人の全睡眠の大部分（約７５％～８０％）を構成するため、ＮＲＥＭ段階中の平均呼吸数は、図２０Ａにて示すように、一晩の呼吸数推定のヒストグラムのピークを局所化することによって推定できる。これに基づいて、ＮＲＥＭ段階の呼吸数からＲＥＭ段階の呼吸数の偏差を定量化するために、各エポックについて、呼吸数偏差、推定平均ＮＲＥＭ呼吸数と呼吸数の９０％タイルとの間の距離を定義できる。
各エポックの呼吸数の変動性を抽出するために、ローパスフィルタを一晩の呼吸推定に適用することにより、最初に呼吸数の傾向を推定することができ、元の呼吸数推定から傾向を減算することにより、傾向除去された呼吸数推定を得ることができる。次いで、呼吸数変動性は、各エポックについて定義され、かつエポックの長さによって正規化された傾向除去された推定の分散として算出される。
図２０Ｂは、ＮＲＥＭおよびＲＥＭ睡眠それぞれの下で提案された２つの特徴の分布を視覚化している。図２０Ｂからわかるように、ＮＲＥＭ睡眠の呼吸数変動性および呼吸数偏差の大部分は、ＲＥＭ睡眠のそれらよりかなり小さい。これらの２つの特徴に基づいて、ＲＥＭ睡眠とＮＲＥＭ睡眠とを区別するために、広く使用されているバイナリ分類子であるサポートベクターマシン（ＳＶＭ）をトレーニングすることができる。
睡眠品質評価
睡眠全体の覚醒段階、ＲＥＭ段階、およびＮＲＥＭ段階の推定を得ると、臨床的な診療に使用される以下の標準的アプローチによって、ユーザの捕らえどころがない睡眠品質を評価することができる。特に、以下のとおり、認識された睡眠段階に基づいて、各晩について睡眠スコアを算出できる。ＴＮ、ＴＲ、およびＴＷは、それぞれ、ＮＲＥＭ睡眠、ＲＥＭ睡眠、および覚醒の持続時間（時間単位）を表す。睡眠スコア計算には標準的な公式がないため、睡眠スコアの簡単な式がＳＭＡＲＳに適用される。
Figure 0007393748000006
 これは、より長く睡眠すると、ＲＥＭ睡眠の時間がより長くなり、ベッド内で目覚めている時間が短くなり、睡眠スコアがより良くなることを意味する。最近の研究によると、ＲＥＭ睡眠は、精神的回復のために非常に重要であり、したがって、より多くの部分がＲＥＭ睡眠に割り当てられる。
ＳＭＡＲＳは、毎日の家庭内での使用のための実用的な睡眠モニタを構想している。様々なユーザ間で睡眠スコアを比較することにはあまり意味がないが、特定のユーザの睡眠スコアの傾向または履歴は、その人の睡眠品質の変化を反映する。このような結果は、魅力的な方法で、睡眠障害の診断を助け、個人の健康を管理するために、臨床的に有意性のある証拠を提供する。図２１は、本教示の一実施形態による、睡眠モニタのための例示的なネットワーク環境を示す。図２２は、本教示の一実施形態による、睡眠モニタのための例示的なアルゴリズム設計を示す。
一実施形態では、開示されたシステムは、能動的モニタおよび／または受動的モニタに基づいて転倒動作を検出およびモニタすることができる。システムは、送信機を含むボットであるタイプ１デバイス、受信機を含むオリジンであるタイプ２デバイスを含むことができる。送信機は、無線信号、例えば、1500Hzサウンディングレートの一連のプロービング信号を受信機に送信する。受信機は無線信号からＣＳＩの時系列を抽出することができる。転倒は非常に速く、典型的には０．５から１．０秒で起こるので、転倒の詳細を捉えるためには高いサウンディングレート（例えば１５００Ｈｚ）が必要とされるだろう。（重複する）分析窓もまた短くなければならない（例えば０．１秒）。
能動的モニタのために、送信機および受信機の一方は静止しているかまたは固定されている。もう一つは人間の動きをモニタするために人によって運ばれる。これは、ユーザが車の中で運転して人/車の動きをモニタしている間にスマートフォンで実行されるGoogleマップに似ている。送信機と受信機の一方が動いているオブジェクトと共に動いているので、このモニタは「能動的」である。好ましい設定は、送信機を固定し、システム内のすべての受信機にブロードキャストすることであり、これは「サテライトモード」と呼ばれる。受動的モニタのために、人間（移動オブジェクト）が動き回る間、送信機と受信機の両方が静止しているか固定されている。送信機も受信機も移動オブジェクトと共に移動していないので、このモニタは「受動的」である。一実施形態では、転倒検出アルゴリズムは２つのステップを含み得る。瞬時速度は第１のステップで計算され、速度は第２のステップで分析されて転倒事象を検出する。
第１のステップでは、ＣＳＩの時系列を重複する短い分析窓または観測窓に分割する。一実施形態では、窓幅（例えば０．１２秒）を計算するために式が使用される。各ＣＳＩはＮ個の周波数成分を有する(N~=128)。各成分に対して、振幅の二乗が計算され、その成分の自己相関関数が分析窓内で計算される。次に自己相関関数の第１の極大値が識別される。移動オブジェクトの瞬時速度は、第１の極大値に関連する時間に基づいて計算される。
第２のステップでは、転倒は、速度プロファイルの特別な「シグネチャ」によって特徴付けられる。人が転倒すると、重力により約9.8m/sで加速する。その後急停止（急減速）する。したがって、速度について他の分析窓（例えば０．５秒）を使用することができる。窓内で、（ａ）最大加速度変化、および（ｂ）最大加速度変化期間中の最大速度を計算することができる。（ａ）が閾値よりも大きく（ｂ）が他の閾値よりも大きい場合、システムは、転倒が検出されたと判断することができる。
一実施形態では、過渡的な動きは、オブジェクトの一連の反復歩容サイクルの一部である。歩容周期を計算するために、上記アルゴリズムの第２のステップは、速度の極大値および極小値を見つけることを実行するように修正され得る。１歩行（例えば、歩くこと）の周期は、１つの最大値から次の最大値まで、または１つの最小値から次の最小値までであり得る。周期の期間は、タイムスタンプの差を計算することによって求めることができる。複数のサイクルからのそのような期間は、精度を向上させるために平均化され得る。
他の実施形態では、第２のステップは、以下の３つの動作（２ａ）、（２ｂ）、（２ｃ）によって置き換えることができる。動作（２ａ）において、第１のステップで計算された速度に基づいて、システムは加速度（例えば、速度の微分、または速度の勾配）を計算する。システムは短時間（例えば５秒間）で速度と加速度を集めて「現在の速度プロファイル」と「現在の加速度プロファイル」を形成する。両方のプロファイルは同じ期間を持ち、同期されている。動作（２ｂ）において、トレーニングフェーズにおいて、それは転倒の「レファレンス速度プロファイル」および「レファレンス加速度プロファイル」を得る。両方のプロファイルは同じ期間を持っている（現在のプロファイルとは異なる）。動作（２ｃ）において、システムは現在の速度プロファイル／加速度プロファイルとレファレンス速度プロファイル／加速度プロファイルとの間の距離を比較する。現在のプロファイルとレファレンスプロファイルとは異なる期間を有するので、現在のプロファイルとレファレンスプロファイルとの間の距離を計算することができるように、２つの時間軸の非線形マッピングを確立するためにアルゴリズムを使用することができる。システムは、処理後の距離が閾値を下回ったときに転倒を検出する。２つのプロファイル間のマッチングスコアは窓長によって正規化することができ、それによって同じ閾値を異なる窓長に対して使用することができる。
一例では、システムは以下のようにテンプレートまたはレファレンスプロファイルを計算することができる。対象イベントが転倒である場合、トレーニング段階では、複数の人々（成人、子供、高齢者、男性、女性、太った、痩せている、大きい、小さい）がさまざまな方法で（例えば、ベッドからの落下、椅子からの落下、スリップ、衝突、転倒、階段からの転倒、厚手の服で、細い服で、金属元素を含む服で、重い荷物、食料品を持ってなど）、家のさまざまな場所で（例えば、カーペット敷きの床、堅木張りの床、タイル張りの床、キッチン、トイレ、ガレージ、リビング、ダイニング、寝室、廊下、階段、地下室、上階、下階など）、そして多くの異なる家で（一戸建て住宅、タウンハウス、アパート、異なるレイアウト、大きなオフィスビル、大きな大学講堂、ジムなど）、繰り返し落ちるように求められることがある。各転倒により、１つの時系列のトレーニングＣＩが生成される。現在のプロファイルを計算するために使用されるのと同じアルゴリズムをテンプレート／レファレンスプロファイルの計算に使用することができ、それぞれが時系列のトレーニングＣＩに関連する少なくとも２つのトレーニングＩＱ窓に適用することができる。
図２３は、本教示の一実施形態による、シート占有率検出および人数カウントのための自動車の例示的な室内鳥瞰図を示す。一例では、１つ以上のタイプ１デバイスおよび複数のタイプ２デバイス（例えば、Ｎ＝４）は、人を保持できる固定の場所（立つ、座る、ひざまずく、横になるなどのための空間であり得る）にて、複数の「シート」を有する限られたエリア（例えば、自動車、会議室、バス、飛行機、または映画館などの閉鎖エリア、窓が開いたバス、または屋外テーブルの周りの８脚の屋外椅子を有するバルコニーなどの半開放エリア）に置くことができる。タイプ１デバイスからタイプ２デバイスに送られた無線信号から抽出されたＴＳＣＩに基づいて、１つ以上の「シート」に人が存在することが検出され得る。
図２３は、前列に２シートおよび後列に２シートを備えた４シートの自動車の特定の例を示す。各シートは、人が座るための「シートベッド」および人がもたれるための「シートバック」を有することに注意する。タイプ１デバイスは、フロントのダッシュボード上に置くことができる。４つのタイプ２デバイスは、４つのシートの各々に１つずつ配置することができる（例えば、シートベッド中／上／下、またはシートベッド中／上／下）。シートＡ（例えば、運転席、または前列の右シート、または後列の左シートなど）がドライバーまたは乗客またはチャイルドシートに乗った乳児によって占有されている場合、占有されたシートＡと関連付けられたＣＩ（ＣＩ）は、空のシートＡと関連付けられたＣＩとは異なる（例えば、小さくなるまたは大きくなる）動作をし得る。したがって、ＣＩを検査することによって各シートのシート占有率を検出することができる。すべてのシートにこのような試験を実施することによって、車内の人数をカウントできる。人が標準的でない場所（例えば、２つのシートの間、後列の中央、前列の中央、またはチャイルドシートに乗った乳児）に座っている場合、ＣＩに関連付けられた複数のタイプ２デバイスは、連帯的に分析され、そこに人がいるかどうかを判定することができる。チャイルドシートに乗った乳児のシグニチャが大人または子供とは異なり得るため、大人／子供／乳児の分類をＣＩに基づいて実施することができる。
タスクは、上記のシート占有率に基づいて実施され得る。例えば、タスクは、シートが占有されている場合は、エアバッグを準備するが、シートが占有されていない場合は、エアバッグと解除することであり得る。並のサイズの大人の代わりに小さいサイズの人（例えば、子供）が検出される場合、大人用に設計されたエアバッグは準備されない場合がある。暖房／エアコンディション設定は、調整され得る。タスクは、窓、照明、オーディオシステム、エンターテイメントシステム（例えば、ビデオ）、ノイズキャンセリング、衝撃吸収システム、安定化サイズ、自動車回避システム、安全機能、タイヤ空気圧、任意のその他の自動車サブシステムなどを制御することであり得る。例えば、乗客が右前シートに検出された場合、その領域（右前）の温度を事前設定レベルに制御することができる。シートが空である場合、温度を異なって調整することができる。
図２４Ａ～２４Ｄは、本教示の一実施形態による、車内の様々なシート占有状況による、ＣＩの変化を示す。図２４Ａは、占有されているシートがない場合のＣＩを示す。図２４Ｂは、シート１（例えば、図６１のボットアンテナ１を有するシート）が占有されている場合のＣＩを示す。図２４Ｃは、シート３（例えば、図６１のボットアンテナ３を有するシート）が占有されている場合のＣＩを示す。図２４Ｄは、シート１およびシート３の両方が占有されている場合のＣＩを示す。
上記の機能は、データストレージシステム、少なくとも１つの入力デバイス、および少なくとも１つの出力デバイスからのデータおよび命令を受信し、ならびにこれらにデータおよ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つ以上のコンピュータプログラム内に有利に実装できる。コンピュータプログラムは、特定の活動を実施するか、または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することができる命令セットである。コンピュータプログラムは、コンパイル型言語またはインタプリタ型言語を含む、任意の形態のプログラミング言語（例えば、Ｃ、Ｊａｖａ）で書くことができ、スタンドアロンプログラム、またはモジュール、コンポーネント、サブルーチン、ブラウザベースウェブアプリケーション、もしくはコンピューティング環境で使用するのに好適なその他のユニットを含む、任意の形態で配布され得る。
命令のプログラムを実行するのに好適なプロセッサとしては、例えば、汎用マイクロプロセッサおよび専用マイクロプロセッサの両方、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唯一のプロセッサ、または複数のプロセッサもしくはコアのうちの１つが挙げられる。一般に、プロセッサは、読取り専用メモリもしくはランダムアクセスメモリまたはその両方から命令およびデータを受信することになる。コンピュータの必須要素は、命令を実行するためのプロセッサ、ならびに命令およびデータを記憶するための１つ以上のメモリである。一般に、コンピュータはまた、データファイルを記憶するための１つ以上大容量ストレージデバイスを含む、または通信するように動作可能に結合され、このようなデバイスには、磁気ディスク、例えば、内部ハードディスクおよび取外し可能ディスク、光磁気ディスク、ならびに光ディスクを含む。コンピュータプログラム命令およびデータを実態的に具現化するのに好適なストレージデバイスは、例として、ＥＰＲＯＭ、ＥＥＰＲＯＭ、およ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および取外し可能ディスクなどの磁気ディスク、光磁気ディスク、ならびにＣＤ－ＲＯＭおよびＤＶＤ－ＲＯＭディスクを含む、すべての形態の不揮発性メモリを含む。プロセッサおよびメモリは、ＡＳＩＣ（特定用途向け集積回路）によって補足するかまたはその中に組み込むことができる。
本教示は、多数の特定の実装詳細を含むが、これらは、本教示の範囲または特許請求され得る範囲の制限として解釈されるべきではなく、本教示の特定の実施形態に固有である特徴の説明として解釈されるべきである。別個の実施形態との関連で本明細書に記載されたある特定の特徴はまた、単一の実施形態において組み合わせて実装され得る。逆に、単一の実施形態との関連で記載された様々な特徴はまた、複数の実施形態において別個に、または任意の適切な部分的組み合わせで、実装され得る。
同様に、動作は、特定の順番で図面に示されるが、これは、好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番でまたは逐次的に実施されること、あるいは、すべての図示された動作が実施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。ある特定の状況では、マルチタスキングおよび並行処理が、有利であることがある。更に、前述の実施形態における様々なシステム構成要素の分離は、すべての実施形態でそのような分離が必要とされるものとして理解されるべきではなく、記載されているプログラム構成要素およびシステムは、一般に、単一のソフトウェア製品においてとも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。
本主題の特定の実施形態について説明した。上記の特徴およびアーキテクチャの任意の組み合わせは、下記の特許請求の範囲の範囲内であることが意図されている。その他の実施形態はまた、以下の特許請求の範囲内である。場合によっては、本特許請求の範囲に列挙されるアクションは、異なる順番で実行され、望ましい結果をやはり達成することがある。加えて、添付の図面に記載された工程は、望ましい結果を達成するために、示された特定の順番、または逐次的順番を必ずしも必要としない。ある特定の実装例では、マルチタスキングおよび並行処理が、有利であることがある。

Claims (17)

  1. 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、場所内の過渡的な動きをモニタするために前記メモリに格納された命令セットと、を有するシステムであって、
    前記場所内の第１の位置に配置され、前記場所内のオブジェクトの前記過渡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を介して無線信号を送信するように構成される送信機と、
    前記場所内の第２の位置に配置され、
    前記場所内の前記オブジェクトの前記過渡的な動きによって影響を受けた前記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前記無線マルチパスチャネルの時系列チャネル情報（ＴＳＣＩ）を取得する、
    ように構成された受信機と、
    過渡的な動きモニタであって、
    前記ＴＳＣＩに基づいて前記オブジェクトの前記過渡的な動きをモニタし、
    前記オブジェクトの前記モニタされた過渡的な動きに基づいて応答動作をトリガする、
    ように構成された過渡的な動きモニタと、を含み、
    前記過渡的な動きモニタはさらに、
    前記オブジェクトの前記過渡的な動きを検出するためのスライディング時間窓の幅を決定し、
    前記ＴＳＣＩに含まれる前記スライディング時間窓内の時系列のチャネル情報（ＣＩ）に基づいて中間量（ＩＱ）を計算する、ように構成され、前記ＩＱは前記過渡的な動きをモニタするための量であり、前記オブジェクトの前記過渡的な動きは、前記ＩＱに基づいてモニタされ、
    前記ＣＩに基づいて前記ＩＱを計算することは、
    前記スライディング時間窓内の前記時系列の前記ＣＩに基づいてオートファンクション（ＡＦ）を計算し、
    前記計算されたＡＦに基づいて前記スライディング時間窓内の特徴のクラスの存在を判定し、
    前記判定されたクラスに基づいて前記スライディング時間窓内の前記ＡＦのＩＱ関連特徴を計算し、
    前記スライディング時間窓内の前記ＡＦの前記ＩＱ関連特徴に基づいて前記ＩＱを計算することを含み、前記ＡＦは、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、微分関数、微分自己相関、微分自己共分散、微分相互相関、および微分相互共分散のうちの少なくとも１つを含み、
    前記時系列の各ＣＩは少なくとも１つの成分を有し、
    前記ＡＦを計算することは、
    前記スライディング時間窓内の前記時系列の各ＣＩの前記少なくとも１つの成分のそれぞれを変換し、
    前記スライディング時間窓内の前記時系列の各ＣＩの対応する変換された成分に基づいて各成分について、成分オートファンクション（component auto function:ＣＡＦ）を計算することを含み、
    前記ＡＦの前記ＩＱ関連特徴は、前記ＡＦの、最大値、制約付き最大値、極大値、第１極大値、および第ｋ極大値のうちの少なくとも１つを含み、
    前記ＩＱは、タイミング、時間周期、継続期間、頻度、速さ、速度、加速度、角速度、角加速度、位置の変化、方向の変化、速度の変化、加速度の変化、速度統計、および加速度統計のうちの少なくとも１つを含む、システム。
  2. 請求項１に記載のシステムであって、
    前記各ＣＩの前記少なくとも１つの成分を変換することは、前記ＣＩに対して、
    スカラー演算、振幅、位相、非線形写像、線形写像、区分的線形写像、関数、線形関数、非線形関数、区分的線形関数、実関数、複素関数、ベクトル値関数、逆関数、関数の微分、関数の積分、他の関数の関数、１対１の関数、１対多の関数、多対１の関数、多対多の関数、対数関数、指数関数、三角関数、円関数、代数関数、超越関数、べき関数、根関数、多項式、平方、立方、正弦、余弦、正接、余接、割線、余割、楕円関数、放物線関数、双曲線関数、ガンマ関数、ゼータ関数、絶対値、閾値処理、量子化、区分的定数関数、区分的線形関数、テーブルルックアップ、
    集合演算、ヒストグラム、組み合わせ、置換、サブセット、包含、論理演算、ＯＲ、ＡＤＤ、ＸＯＲ、和集合、交差、集合差、対称差デカルト積、パワーセット、カーディナリティー、平均、加重平均、平均値、分散、範囲、トリム平均、統計、パーセンタイル、
    ベクトル演算、ノルム、メトリック、ベクトル加算、ベクトル減算、ベクトル乗算、ベクトル除算、ドット積、内積、外積、算術演算、数学演算、部分空間、射影、分解、ベクトル変換、基底の変更、回転、並進、ベクトル関数、射影、主成分、カーネル主成分、独立成分、近傍成分、連結成分、
    線形変換、非線形変換、フーリエ変換、ラプラス変換、ヒルベルト変換、サイン変換、コサイン変換、ウェーブレット変換、アダマール変換、スラント変換、高速フーリエ変換（ＦＦＴ）、離散コサイン変換（ＤＣＴ）、周波数変換、周波数分解、逆変換、時間変換、時間分解、周波数、スペクトル、周期、時間、
    行列演算、階数、転置、行列式、行列加算、行列減算、行列乗算、行列分割、逆行列、基底ベクトル、基底、固有値、および固有ベクトル、のうちの少なくとも１つを実行することを含むシステム。
  3. 請求項１又は２に記載のシステムであって、前記特徴のクラスの前記存在を判定することは、
    前記ＡＦの引数の前記スライディング時間窓内で、前記ＡＦの第１回帰と、前記第１回帰に対応する第１回帰誤差とを計算し、
    前記ＡＦの引数の前記スライディング時間窓内で、前記ＡＦの第２回帰と、前記第２回帰に対応する第２回帰誤差とを計算し、
    前記第１回帰誤差と前記第２回帰誤差の関数を計算し、
    閾値と前記関数を比較することによって、前記ＡＦにおける前記特徴のクラスの前記存在を判定することを含む、システム。
  4. 請求項１乃至３のいずれか１項に記載のシステムであって、前記ＡＦの前記ＩＱ関連特徴に基づいて前記ＩＱを計算することは、
    前記ＩＱ関連特徴に対応する前記ＡＦの引数の前記スライディング時間窓内で、前記ＩＱ関連特徴に関連する前記ＡＦの引数を決定し、
    前記ＩＱ関連特徴に関連する前記ＡＦの前記引数に基づいて前記ＩＱを計算することを含むシステム。
  5. 請求項１乃至４のいずれか１項に記載のシステムであって、前記過渡的な動きモニタは更に、
    前記ＩＱの少なくとも１つの特徴を計算するように構成され、前記オブジェクトの前記過渡的な動きは、前記ＩＱの前記少なくとも１つの特徴に基づいてモニタされ、前記少なくとも１つの特徴は、分析時間窓内のＩＱ、最大値、最小値、局所最大値、局所最小値、目標範囲内のＩＱ、閾値処理、増分変化、変化率、一次微分、二次微分、高次微分、平均値、中央値、最頻値、分散、トータルバリエーション、フィルタ処理されたＩＱ、ローパスフィルタ処理されたＩＱ、ハイパスフィルタ処理されたＩＱ、非線形フィルタ処理されたＩＱ、変換されたＩＱ、およびＩＱの関数、の少なくとも１つを含むシステム。
  6. 請求項５に記載のシステムであって、前記過渡的な動きモニタはさらに、
    前記ＩＱの特徴を閾値と比較し、
    前記ＩＱの特徴が前記閾値よりも大きい場合、前記オブジェクトの前記過渡的な動きを検出する、ように構成され、前記応答動作は、検出された前記オブジェクトの前記過渡的な動きに基づいてトリガされる、システム。
  7. 請求項１乃至６のいずれか１項に記載のシステムであって、前記過渡的な動きモニタはさらに、
    観測時間窓内のＩＱの第１の有意な割合が第１の目標範囲内にあり、前記観測時間窓内のＩＱの変化率の第２の有意な割合が第２の目標範囲内にあると判定するように構成され、
    前記過渡的な動きは前記オブジェクトの一連の反復される歩行周期の一部であり、
    前記観測時間窓、前記第１の目標範囲、および前記第２の目標範囲のそれぞれは、前記オブジェクトの前記反復される歩行周期に関連し、
    前記オブジェクトの前記過渡的な動きは、前記観測時間窓内の前記ＩＱを分析し、前記観測時間窓内の前記ＩＱに基づいて前記オブジェクトの前記反復される歩行周期の情報を推定することによってモニタされ、
    前記情報は、周期持続時間、周期期間、周期頻度、歩行強度、歩行周期の段階、歩行開始時間、歩行終了時間、前記歩行周期の時間傾向、歩行の分類、前記歩行に関連する振る舞い、前記歩行に関連する活動、前記歩行に関連する意味、前記歩行に関連する前記オブジェクトの状態、歩行の変化、定常歩行、定常歩行からの偏差、および前記反復される歩行周期とは異なる特性を有する他の歩行、のうちの少なくとも１つを含むシステム。
  8. 請求項７に記載のシステムであって、前記観測時間窓内で前記ＩＱを分析することは、
    ＩＱの重要な特徴、目標範囲内のＩＱの特徴、目標ＩＱ範囲内の振幅を有するＩＱ、ＩＱの局所平均、ＩＱの局所分散、ＩＱの局所的振舞い、ＩＱの局所的統計、ＩＱの大域的統計、ＩＱの大域的振舞い、局所最大ＩＱ、局所最小ＩＱ、ＩＱのゼロクロス、平均減算ＩＱのゼロクロス、隣接する局所最大ＩＱおよび局所最小ＩＱの対、識別された特徴的なＩＱ特徴に関連するタイムスタンプ、トレーニングパターンと一致するＩＱの窓、である特徴的なＩＱの特徴のうちの少なくとも１つを識別し、
    前記識別された少なくとも１つの特徴的なＩＱ特徴に基づいて、前記情報を計算することを含むシステム。
  9. 請求項１乃至８のいずれか１項に記載のシステムであって、前記過渡的な動きモニタはさらに、
    少なくとも１つの第１のタイムスタンプを含む第１の窓長の第１の分析時間窓を決定し、前記少なくとも１つの第１のタイムスタンプのそれぞれは、それぞれのスライディング時間窓に関連付けられ、
    前記それぞれのスライディング時間窓内の前記時系列のＣＩに基づいて、それぞれが前記第１の分析時間窓内のそれぞれの第１のタイムスタンプに関連する少なくとも１つの第１の中間量（ＩＱ）を計算し、
    前記第１の分析時間窓内の前記少なくとも１つの第１のＩＱを第２の窓長の第２の分析時間窓内の少なくとも１つの第２のＩＱと比較し、前記少なくとも１つの第２のＩＱのそれぞれは、前記第２の分析時間窓内のそれぞれの第２のタイムスタンプと関連付けられ、
    前記第１の分析時間窓内の前記少なくとも１つの第１のＩＱと前記第２の分析時間窓内の前記少なくとも１つの第２のＩＱに基づいて、前記第１の分析時間窓内の前記少なくとも１つの第１のタイムスタンプと前記第２の分析時間窓内の前記少なくとも１つの第２のタイムスタンプとの間の第１の非線形マッピングを計算し、
    前記第１の非線形マッピングに基づいて、前記第１の分析時間窓内の前記少なくとも１つの第１のＩＱと前記第２の分析時間窓内の前記少なくとも１つの第２のＩＱとの間の第１のマッチングスコアを計算し、
    前記第１のマッチングスコアに基づいて、前記オブジェクトの前記過渡的な動きをモニタし、
    前記第１のマッチングスコアが閾値以下であるときに前記オブジェクトの前記過渡的な動きを検出するように構成されるシステム。
  10. 請求項９に記載のシステムであって、前記過渡的な動きモニタはさらに、
    前記第１の分析時間窓内の前記少なくとも１つの第１のＩＱと第３の分析時間窓内の少なくとも１つの第３のＩＱに基づいて、前記第１の分析時間窓内の前記少なくとも１つの第１のタイムスタンプと前記第３の分析時間窓内の少なくとも１つの第３のタイムスタンプとの間の第２の非線形マッピングを計算し、前記少なくとも１つの第３のＩＱのそれぞれは、前記第３の分析時間窓内の前記少なくとも１つの第３のタイムスタンプのうちの１つに関連付けられ、
    前記第２の非線形マッピングに基づいて、前記第１の分析時間窓内の前記少なくとも１つの第１のＩＱと前記第３の分析時間窓内の前記少なくとも１つの第３のＩＱとの間の第２のマッチングスコアを計算し、
    比較結果を生成するために、前記第１のマッチングスコアと前記第２のマッチングスコアを比較し、
    前記比較結果に基づいて、前記オブジェクトの前記過渡的な動きを第１の基準動作および第２の基準動作のうちの１つとして識別するように構成され、前記第１の基準動作は、前記第２の分析時間窓内の前記少なくとも１つの第２のＩＱと関連付けられ、前記第２の基準動作は、前記第３の分析時間窓内の前記少なくとも１つの第３のＩＱと関連付けられる、システム。
  11. 請求項９又は１０に記載のシステムであって、トレーニング段階において少なくとも１つの時系列のトレーニングＣＩを取得するための少なくとも１つの異種送信機および少なくとも１つの異種受信機をさらに含み、
    前記少なくとも１つの異種送信機のそれぞれは、それぞれのトレーニング場所内に配置され、前記トレーニング段階において前記それぞれのトレーニング場所内のそれぞれのトレーニングオブジェクトのそれぞれのトレーニングの過渡的な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、それぞれの無線信号を送信するように構成され、
    前記少なくとも１つの異種受信機のそれぞれは、前記それぞれのトレーニング場所に配置されて、
    前記無線マルチパスチャネルを介して前記それぞれの無線信号を受信し、
    前記それぞれの無線信号に基づいて前記無線マルチパスチャネルのそれぞれの時系列のトレーニングＣＩを取得するように構成され、前記それぞれの時系列のトレーニングＣＩのそれぞれの時間窓は、前記それぞれのトレーニングの過渡的な動きに関連付けられ、
    前記過渡的な動きモニタはさらに、
    それぞれのタイムスタンプに関連付けられたスライディング時間窓内の前記それぞれの時系列のトレーニングＣＩに基づいて、前記それぞれの時間窓内の前記それぞれのタイムスタンプにそれぞれ関連付けられた少なくとも１つのトレーニングＩＱを計算し、
    前記少なくとも１つの時系列のトレーニングＣＩのそれぞれに関連付けられた前記少なくとも１つのトレーニングＩＱに基づいて、前記第２の窓長の前記第２の分析時間窓において前記少なくとも１つの第２のＩＱを計算するように構成されるシステム。
  12. 請求項９乃至１１のいずれか１項に記載のシステムであって、前記過渡的な動きモニタはさらに、
    第１の時系列のトレーニングＣＩに関連する第１の時間窓内の少なくとも１つの第１のトレーニングＩＱと、第２の時系列のトレーニングＣＩに関連する第２の時間窓内の少なくとも１つの第２のトレーニングＩＱに基づいて、前記第１の時間窓のタイムスタンプと前記第２の時間窓のタイムスタンプとの間の第３の非線形マッピングを計算し、
    前記第３の非線形マッピングに基づいて、前記第１の時間窓内の前記少なくとも１つの第１のトレーニングＩＱと前記第２の時間窓内の前記少なくとも１つの第２のトレーニングＩＱとの間の第３のマッチングスコアを計算し、
    前記第３のマッチングスコア、前記第３の非線形マッピング、前記少なくとも１つの第１のトレーニングＩＱ、および前記少なくとも１つの第２のトレーニングＩＱのうちの少なくとも１つに基づいて、前記第２の窓長の前記第２の分析時間窓において前記少なくとも１つの第２のＩＱを計算するように構成される、システム。
  13. 請求項１乃至８のいずれか１項に記載のシステムであって、前記過渡的な動きモニタはさらに、
    少なくとも１つの第１のタイムスタンプを含む第１の窓長の第１の分析時間窓を決定し、前記少なくとも１つの第１のタイムスタンプのそれぞれは、それぞれのスライディング時間窓に関連付けられ、
    前記第１の分析時間窓内のそれぞれの第１のタイムスタンプに対して、前記第１のタイムスタンプに関連付けられた前記それぞれのスライディング時間窓における前記時系列のＣＩに基づいて、前記第１のタイムスタンプに関連するＩＱ_１、ＩＱ_２、…、およびＩＱ_Ｎを含む、Ｎが１より大きいＮ個の第１の中間量（ＩＱ）のセットを計算し、
    前記第１の分析時間窓内のそれぞれの第１のタイムスタンプに関連付けられた前記Ｎ個の第１のＩＱのセットを、第２の窓長の第２の分析時間窓内の少なくとも１つの第２のタイムスタンプの１つに関連付けられたＮ個の第２のＩＱのセットと比較し、
    前記第１の分析時間窓内の全ての第１のＩＱと前記第２の分析時間窓内の全ての第２のＩＱに基づいて、前記第１の分析時間窓内の前記少なくとも１つの第１のタイムスタンプと前記第２の分析時間窓内の前記少なくとも１つの第２のタイムスタンプとの間の非線形マッピングを計算し、
    前記非線形マッピングに基づいて、前記第１の分析時間窓内の前記第１のＩＱと前記第２の分析時間窓内の前記第２のＩＱとの間のマッチングスコアを計算し、
    前記マッチングスコアに基づいて、前記オブジェクトの前記過渡的な動きをモニタし、
    前記マッチングスコアが閾値以下である場合に前記オブジェクトの前記過渡的な動きを検出する、ように構成されるシステム。
  14. 請求項１乃至１３のいずれか１項に記載のシステムであって、
    前記オブジェクトは人であり、
    前記過渡的な動きは、前記人の転倒動作を表し、
    前記過渡的な動きモニタは、前記送信機、前記受信機、追加の送信機、追加の受信機、クラウドサーバ、フォグサーバ、ローカルサーバ、およびエッジサーバのうちの少なくとも１つに結合され、
    前記応答動作は、
    前記オブジェクトの前記過渡的な動きに関連するデータを提示すること、前記データを視覚的に表示すること、前記データに関連する音を再生すること、前記データをアニメーション化すること、
    警報を提示すること、警報を表示すること、警報を鳴らすこと、警報をアニメーション化すること、指定されたユーザへのメッセージを送信すること、緊急サービスを通知すること、緊急サービスを要求すること、是正措置を実行すること、予防措置を実行すること、緊急対応手順を開始すること、対抗措置を起動すること、
    前記オブジェクトを制御すること、前記オブジェクトの前記過渡的な動きを制御すること、前記オブジェクトの次の動きを制御すること、前記オブジェクトの速度を制御すること、前記オブジェクトの方向を制御すること、前記オブジェクトの歩行を制御すること、前記オブジェクトの状態を制御すること、
    前記オブジェクトの前記過渡的な動きに応じて第２のデバイスを制御すること、前記第２のデバイスをオンにすること、前記第２のデバイスをオフにすること、前記第２のデバイスをオフにし、第３のデバイスをオンにすること、
    データを第４のデバイスに送信すること、前記第４のデバイスが協調的に応答するようにトリガすること、前記データを前記第４のデバイスに提示すること、前記データを前記第４のデバイスに視覚的に表示すること、前記第４のデバイスに前記データを提示するために、音を再生すること、および前記第４のデバイスに警報を鳴らすこと、のうちの少なくとも１つを含むシステム。
  15. 請求項１乃至１４のいずれか１項に記載のシステムであって、
    追加の受信機であって、
    前記場所内の前記オブジェクトの前記過渡的な動きによって影響を受けた前記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前記無線マルチパスチャネルの追加のＴＳＣＩを取得するように構成される、追加の受信機を含み、
    前記過渡的な動きモニタはさらに、前記ＴＳＣＩおよび前記追加のＴＳＣＩに共に基づいて前記オブジェクトの前記過渡的な動きをモニタするように構成されるシステム。
  16. 請求項１乃至１５のいずれか１項に記載のシステムであって、さらに、
    前記場所内の前記オブジェクトの前記過渡的な動きによって影響を受けた前記無線マルチパスチャネルを介して追加の無線信号を送信するように構成された追加の送信機を含み、
    前記受信機はさらに、
    前記無線マルチパスチャネルを介して前記追加の無線信号を受信し、
    前記追加の無線信号に基づいて前記無線マルチパスチャネルの追加のＴＳＣＩを取得するように構成され、
    前記過渡的な動きモニタはさらに、前記ＴＳＣＩおよび前記追加のＴＳＣＩに共に基づいて前記オブジェクトの前記過渡的な動きをモニタするように構成されるシステム。
  17. 請求項１乃至１６のいずれか１項に記載のシステムであって、前記過渡的な動きモニタはさらに、
    前記送信機の場所と、
    前記受信機の場所と、
    デバイスの場所であって、前記デバイスが
    前記無線マルチパスチャネルを介して前記送信機から前記無線信号を受信するための前記場所内の追加の受信機と、
    前記無線マルチパスチャネルを介して追加の無線信号を前記受信機に送信するための前記場所内の追加の送信機と、の少なくともいずれかである、デバイスの場所と、
    前記ＴＳＣＩと、前記追加の受信機によって受信された前記無線信号から抽出された追加のＴＳＣＩ及び前記追加の送信機によって送信された前記追加の無線信号から抽出された追加のＴＳＣＩの少なくとも１つと、に基づいて、前記オブジェクトの前記過渡的な動きを共同モニタすること、
    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過渡的な動きの位置を計算するように構成されるシステム。
JP2018226508A 2017-12-01 2018-12-03 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 Active JP7393748B2 (ja)

Applications Claiming Priority (24)

Application Number Priority Date Filing Date Title
US201762593826P 2017-12-01 2017-12-01
US62/593,826 2017-12-01
US15/861,422 US11025475B2 (en) 2012-12-05 2018-01-03 Method, apparatus, server, and systems of time-reversal technology
US15/861,422 2018-01-03
US15/873,806 US10270642B2 (en) 2012-12-05 2018-01-17 Method, apparatus, and system for object tracking and navigation
US15/873,806 2018-01-17
US201862678207P 2018-05-30 2018-05-30
US62/678,207 2018-05-30
US16/101,444 2018-08-11
US16/101,444 US10291460B2 (en) 2012-12-05 2018-08-11 Method, apparatus, and system for wireless motion monitoring
US201862734224P 2018-09-20 2018-09-20
US62/734,224 2018-09-20
US201862744093P 2018-10-10 2018-10-10
US62/744,093 2018-10-10
US201862753017P 2018-10-30 2018-10-30
US62/753,017 2018-10-30
US16/200,616 2018-11-26
US16/200,608 US10735298B2 (en) 2012-12-05 2018-11-26 Method, apparatus, server and system for vital sign detection and monitoring
US16/200,608 2018-11-26
US16/200,616 US10495725B2 (en) 2012-12-05 2018-11-26 Method, apparatus, server and system for real-time vital sign detection and monitoring
US16/203,299 2018-11-28
US16/203,317 US10397039B2 (en) 2012-12-05 2018-11-28 Apparatus, systems and methods for fall-down detection based on a wireless signal
US16/203,299 US10374863B2 (en) 2012-12-05 2018-11-28 Apparatus, systems and methods for event recognition based on a wireless signal
US16/203,317 2018-11-28

Publications (3)

Publication Number Publication Date
JP2019130289A JP2019130289A (ja) 2019-08-08
JP2019130289A5 JP2019130289A5 (ja) 2023-10-12
JP7393748B2 true JP7393748B2 (ja) 2023-12-07

Family

ID=66284909

Family Applications (6)

Application Number Title Priority Date Filing Date
JP2018226507A Active JP7353006B2 (ja) 2017-12-01 2018-12-03 無線信号に基づいてイベントを認識するための装置、システム及び方法
JP2018226508A Active JP7393748B2 (ja) 2017-12-01 2018-12-03 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
JP2018226505A Active JP7278682B2 (ja) 2017-12-01 2018-12-03 周期的な動き検出とモニタのためのシステム及び方法
JP2018226506A Active JP7228375B2 (ja) 2017-12-01 2018-12-03 オブジェクト追跡とナビゲーションのための方法、装置及びシステム
JP2023020188A Pending JP2023075094A (ja) 2017-12-01 2023-02-13 オブジェクト追跡とナビゲーションのための方法、装置及びシステム
JP2023076862A Pending JP2023109822A (ja) 2017-12-01 2023-05-08 周期的な動き検出とモニタのための方法、装置及びシステム

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2018226507A Active JP7353006B2 (ja) 2017-12-01 2018-12-03 無線信号に基づいてイベントを認識するための装置、システム及び方法

Family Applications After (4)

Application Number Title Priority Date Filing Date
JP2018226505A Active JP7278682B2 (ja) 2017-12-01 2018-12-03 周期的な動き検出とモニタのためのシステム及び方法
JP2018226506A Active JP7228375B2 (ja) 2017-12-01 2018-12-03 オブジェクト追跡とナビゲーションのための方法、装置及びシステム
JP2023020188A Pending JP2023075094A (ja) 2017-12-01 2023-02-13 オブジェクト追跡とナビゲーションのための方法、装置及びシステム
JP2023076862A Pending JP2023109822A (ja) 2017-12-01 2023-05-08 周期的な動き検出とモニタのための方法、装置及びシステム

Country Status (2)

Country Link
EP (6) EP3492946B1 (ja)
JP (6) JP7353006B2 (ja)

Families Citing this family (82)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6680838B2 (ja) * 2018-08-10 2020-04-15 セントラル警備保障株式会社 警備システムにおけるモード設定方法
CN110334785B (zh) * 2019-06-19 2023-05-09 深圳数联天下智能科技有限公司 物体移动路径的确定方法及相关装置
KR20210007238A (ko) 2019-07-10 2021-01-20 삼성전자주식회사 흔들림 보정을 통한 물체 인식 방법 및 그 전자 장치
CN110377872B (zh) * 2019-07-20 2022-12-13 中国科学院上海天文台 一种基于通用计算显卡的多普勒数据处理方法
CN112285688A (zh) * 2019-07-22 2021-01-29 财团法人工业技术研究院 讯号感测系统与方法
CN110298605A (zh) * 2019-07-30 2019-10-01 浙江长元科技有限公司 一种基于物联网的智慧消防安全决策方法及系统
CN112333128B (zh) * 2019-08-05 2021-09-17 四川大学 一种基于自编码器的Web攻击行为检测系统
CN110689700A (zh) * 2019-09-11 2020-01-14 天津市英贝特航天科技有限公司 一种基于x4m200的婴儿监护设备
CN112654066B (zh) * 2019-10-11 2023-03-14 维沃移动通信有限公司 一种测量上报配置方法、设备及系统
CN110751082B (zh) * 2019-10-17 2023-12-12 烟台艾易新能源有限公司 一种智能家庭娱乐系统手势指令识别方法
CN110941191B (zh) * 2019-10-22 2023-08-18 青岛海尔科技有限公司 基于物联网操作系统的设备控制方法、装置及存储介质
CN110988933B (zh) * 2019-10-31 2023-03-28 太原理工大学 一种基于模拟退火和梯度下降的选星方法
CN110801355B (zh) * 2019-11-06 2022-05-03 佛山市顺德区孝德嘉医疗科技有限公司 一种安全起床训练器及训练方法
CN110852266A (zh) * 2019-11-11 2020-02-28 重庆邮电大学 一种基于无线信号的步态特征提取方法
CN110995376B (zh) * 2019-11-21 2021-05-04 北京邮电大学 一种基于WiFi信道状态信息的空中手写输入方法
CN112949344B (zh) * 2019-11-26 2023-03-31 四川大学 一种用于异常检测的特征自回归方法
CN111083206A (zh) * 2019-12-02 2020-04-28 广东马上信息科技有限公司 一种基于物联网的智慧校园中枢控制系统
CN111134637B (zh) * 2019-12-06 2023-04-07 深圳绿米联创科技有限公司 信号处理方法、装置、电子设备及存储介质
CN111128315B (zh) * 2019-12-13 2023-08-11 桂林理工大学 一种基于引力搜索算法的地聚物混凝土配合比方法
CN111027524B (zh) * 2020-01-03 2023-09-01 成都中科大旗软件股份有限公司 在线客流监测分析数据误差修正方法
CN111292261B (zh) * 2020-01-17 2023-04-18 杭州电子科技大学 一种基于多传感器融合的集装箱检测及锁定方法
CN113138409A (zh) * 2020-01-19 2021-07-20 中国石油天然气集团有限公司 一种三维叠后地震数据处理方法及装置
CN113222489B (zh) * 2020-02-06 2023-09-29 北京京东振世信息技术有限公司 一种设定物品传送速度的方法和装置
EP3872520A3 (en) * 2020-02-25 2021-11-03 Origin Wireless, Inc. Device and method for vehicle related wireless monitoring based on multipath channel information
CN111428782B (zh) * 2020-03-20 2022-06-21 国网浙江省电力公司 一种根据负荷历史电流数据还原负荷工作状态的方法
US11163372B2 (en) 2020-04-01 2021-11-02 Toyota Motor North America, Inc Transport gait and gesture interpretation
CN111458698B (zh) * 2020-04-02 2022-07-15 哈尔滨工程大学 一种被动声纳稀疏阵位优化方法
CN111541505B (zh) * 2020-04-03 2021-04-27 武汉大学 一种面向ofdm无线通信系统的时域信道预测方法及系统
US11202121B2 (en) * 2020-05-13 2021-12-14 Roku, Inc. Providing customized entertainment experience using human presence detection
US20210382479A1 (en) * 2020-06-09 2021-12-09 Insurance Services Office, Inc. Systems and Methods for Controlling Automated Systems Using Integer Programming and Column Generation Techniques
CN111753686A (zh) * 2020-06-11 2020-10-09 深圳市三旺通信股份有限公司 基于csi的人数识别方法、装置、设备及计算机存储介质
CN111898442B (zh) * 2020-06-29 2023-08-11 西北大学 一种基于多模态特征融合的人体动作识别方法及装置
CN111917360B (zh) * 2020-06-30 2023-05-05 中国电力科学研究院有限公司 基于级数分解确定伺服电机定子故障状态指标的方法及系统
JP7349683B2 (ja) * 2020-07-20 2023-09-25 日本電信電話株式会社 物体検知システム、物体検知装置、物体検知方法および物体検知プログラム
CN111830465B (zh) * 2020-07-27 2023-07-07 重庆大学 二维牛顿正交匹配追踪压缩波束形成方法
CN111856490B (zh) * 2020-07-29 2022-06-28 中国科学院光电技术研究所 一种非视域目标探测时中介面回波的抑制方法
CN112363171B (zh) * 2020-08-18 2022-07-05 中国船舶重工集团公司第七一五研究所 一种解决被动警戒画面目标航迹交叉的自主跟踪方法
CN112082557A (zh) * 2020-09-14 2020-12-15 哈尔滨工程大学 基于贝塞尔拟合的uuv海底地形跟踪路径滚动生成方法
CN112082558A (zh) * 2020-09-14 2020-12-15 哈尔滨工程大学 基于多项式拟合的uuv海底地形跟踪路径滚动生成方法
CN112113570B (zh) * 2020-09-15 2022-05-17 电子科技大学 一种基于深度迁移和模型参数集成的室内定位方法
CN112407321B (zh) * 2020-10-30 2022-05-31 中国直升机设计研究所 一种基于直升机旋翼转速生成方位角信号的方法
CN112465847A (zh) * 2020-11-27 2021-03-09 深圳点猫科技有限公司 一种基于预测清晰边界的边缘检测方法、装置及设备
TWI745259B (zh) * 2020-12-03 2021-11-01 國立虎尾科技大學 應用於5g智慧製造設備的天線信號均優化方法
US20220210605A1 (en) * 2020-12-28 2022-06-30 Robert Bosch Gmbh Systems and methods for assisting drivers and riders to locate each other
CN112651349B (zh) * 2020-12-30 2022-01-07 西南交通大学 一种无线干扰检测方法、装置、设备及可读存储介质
EP4274475A1 (en) 2021-01-07 2023-11-15 Signify Holding B.V. Detection system and method for detecting motion of a subject
CN112911704B (zh) * 2021-01-21 2022-04-05 北京邮电大学 基于动态融合特征的csi室内指纹定位方法及装置
CN114792461B (zh) * 2021-01-25 2024-01-16 广州汽车集团股份有限公司 一种车内求救信号发送的方法及装置
CN112773342A (zh) * 2021-01-27 2021-05-11 山东体育学院 体育运动参数测试方法及系统
CN113126050B (zh) * 2021-03-05 2022-08-19 沃尔夫曼消防装备有限公司 一种基于神经网络的生命探测方法
CN113192283B (zh) * 2021-04-27 2022-04-15 中国地质大学（武汉） 一种多传感器信息融合的无线火灾预警系统
KR20230175228A (ko) 2021-05-12 2023-12-29 코그니티브 시스템스 코퍼레이션 Ｗｉ-ｆｉ 감지를 위한 시간 도메인 채널 표현 정보를 위한 시스템들 및 방법들
CN113341406A (zh) * 2021-06-15 2021-09-03 中铁隧道局集团有限公司 一种隧道病害检测系统的检测方法
CN113507745B (zh) * 2021-06-23 2023-04-18 电子科技大学 一种基于时间反演无线输能的多用户功率分配方法及系统
CN113671910B (zh) * 2021-07-21 2022-09-27 华南理工大学 一种集成多agv柔性作业车间调度方法、装置及介质
CN115702993B (zh) * 2021-08-12 2023-10-31 荣耀终端有限公司 跳绳状态的检测方法及电子设备
CN117795967A (zh) 2021-09-01 2024-03-29 三星电子株式会社 显示装置及其控制方法
KR20230033285A (ko) * 2021-09-01 2023-03-08 삼성전자주식회사 디스플레이 장치 및 그 제어 방법
WO2023031875A1 (en) * 2021-09-03 2023-03-09 Cognitive Systems Corp. Methods and systems for compressed csi for virtual wideband channels
US20230072377A1 (en) * 2021-09-08 2023-03-09 Nami Ai Pte Ltd. Onboarding a Sensing System
CN113870528A (zh) * 2021-09-17 2021-12-31 四川华能宝兴河水电有限责任公司 一种通过智能安全帽对危险事件进行快速感知的方法
CN113866739B (zh) * 2021-09-17 2024-05-14 西安电子科技大学 基于glct-gptf的多旋翼目标参数估计方法
CN113553141B (zh) * 2021-09-17 2021-12-21 支付宝(杭州)信息技术有限公司 一种基于云边端架构的终端保活管理方法及装置
CN113936253B (zh) * 2021-12-16 2022-03-01 深圳致星科技有限公司 料件搬运作业周期生成方法、存储介质、电子设备及装置
CN114224320B (zh) * 2021-12-31 2023-01-17 深圳融昕医疗科技有限公司 自适应多通道信号融合的鼾声检测方法、设备及系统
WO2023136112A1 (ja) * 2022-01-12 2023-07-20 株式会社村田製作所 演算装置および演算プログラム
US20230309053A1 (en) * 2022-03-25 2023-09-28 Viavi Solutions Inc. Utilizing machine learning models to estimate user device spatiotemporal behavior
CN115134477A (zh) * 2022-04-29 2022-09-30 西安应用光学研究所 一种光电系统同步定位方法
US20230387994A1 (en) * 2022-05-24 2023-11-30 Samsung Electronics Co., Ltd. Multi-antenna wifi based breathing rate estimation
CN115014765B (zh) * 2022-07-11 2023-04-07 浙江大学 一种通过声信号提取滚动轴承保持架故障特征的方法
CN114973589B (zh) * 2022-07-26 2022-10-28 中关村科学城城市大脑股份有限公司 火情信息生成方法、装置、电子设备和计算机可读介质
CN115486833B (zh) * 2022-08-22 2023-06-06 华南师范大学 呼吸状态检测方法、装置、计算机设备以及存储介质
CN115277249B (zh) * 2022-09-22 2022-12-20 山东省计算中心（国家超级计算济南中心） 一种多层异构网络协同的网络安全态势感知方法
CN115587291B (zh) * 2022-09-26 2023-05-30 华中科技大学 一种基于裂纹超声散射矩阵的去噪表征方法及系统
CN115453489B (zh) * 2022-10-28 2023-03-24 长沙莫之比智能科技有限公司 一种毫米波雷达室内多径判别方法
CN116367305B (zh) * 2023-06-01 2023-08-29 华中师范大学 一种基于掩码自编器和信号引导的无线定位方法及系统
CN116616817B (zh) * 2023-07-21 2023-10-03 深圳华声医疗技术股份有限公司 超声心率检测方法、装置、超声设备及存储介质
CN116653770B (zh) * 2023-07-27 2023-11-21 浙江省标准化研究院(金砖国家标准化(浙江)研究中心、浙江省物品编码中心) 一种道路机动车用光源安全评估预警系统
CN117111018B (zh) * 2023-10-24 2024-02-13 珠海正和微芯科技有限公司 人体微动检测方法
CN117129947B (zh) * 2023-10-26 2023-12-26 成都金支点科技有限公司 一种基于miniunet的平面变换法雷达信号识别方法
CN117607864B (zh) * 2024-01-15 2024-03-29 江西核工业工程地质勘察院有限公司 一种用于三维雷达综合检测车的扫描定位装置
CN117979237B (zh) * 2024-03-29 2024-05-28 国网四川省电力公司电力应急中心 一种基于北斗卫星定位的应急装备精细化管理系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017531811A (ja) 2014-07-17 2017-10-26 オリジン ワイヤレス， インコーポレイテッドＯｒｉｇｉｎ Ｗｉｒｅｌｅｓｓ， Ｉｎｃ． 無線測位システム

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5131657B2 (ja) * 2007-09-05 2013-01-30 公益財団法人北九州産業学術推進機構 呼吸監視方法及び装置
US20100152600A1 (en) * 2008-04-03 2010-06-17 Kai Sensors, Inc. Non-contact physiologic motion sensors and methods for use
EP2265169A4 (en) * 2008-04-03 2013-01-09 Kai Medical Inc NON-CONTACT PHYSIOLOGICAL MOTION SENSORS AND METHODS OF USE
WO2017155634A1 (en) * 2016-03-11 2017-09-14 Origin Wireless, Inc. Methods, devices, servers, apparatus, and systems for wireless internet of things applications
WO2010099268A1 (en) * 2009-02-25 2010-09-02 Xanthia Global Limited Wireless physiology monitor
EP3136961A4 (en) * 2014-04-28 2018-03-14 Massachusetts Institute Of Technology Vital signs monitoring via radio reflections
JP2015219222A (ja) 2014-05-21 2015-12-07 住友電気工業株式会社 監視装置、監視システム、監視方法および監視プログラム
WO2016103394A1 (ja) 2014-12-25 2016-06-30 三菱電機株式会社 状態検知システム、空調制御システム、及び、状態検知方法
US9648211B2 (en) * 2015-05-14 2017-05-09 Xerox Corporation Automatic video synchronization via analysis in the spatiotemporal domain
US20170086202A1 (en) 2015-09-21 2017-03-23 Qualcomm Incorporated Wi-fi indoor radar
US10380881B2 (en) * 2015-12-09 2019-08-13 Origin Wireless, Inc. Method, apparatus, and systems for wireless event detection and monitoring
JP6943365B2 (ja) * 2016-01-18 2021-09-29 学校法人慶應義塾 情報処理装置、情報処理システム、計測装置、計測システム、情報処理方法及びプログラム
JP6900390B2 (ja) * 2016-03-11 2021-07-07 オリジン ワイヤレス， インコーポレイテッドＯｒｉｇｉｎ Ｗｉｒｅｌｅｓｓ， Ｉｎｃ． バイタルサインを検出及び監視する方法、装置、サーバ及びシステム
JP6971254B2 (ja) * 2016-04-14 2021-11-24 オリジン ワイヤレス, インコーポレイテッドOrigin Wireless, Inc. 物体追跡のための方法、装置、サーバ及びシステム
US9743294B1 (en) * 2017-03-16 2017-08-22 Cognitive Systems Corp. Storing modem parameters for motion detection

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017531811A (ja) 2014-07-17 2017-10-26 オリジン ワイヤレス， インコーポレイテッドＯｒｉｇｉｎ Ｗｉｒｅｌｅｓｓ， Ｉｎｃ． 無線測位システム

Also Published As

Publication number Publication date
JP7278682B2 (ja) 2023-05-22
JP2023075094A (ja) 2023-05-30
EP3492945B1 (en) 2023-08-09
JP2023109822A (ja) 2023-08-08
JP2019111321A (ja) 2019-07-11
EP3492945A1 (en) 2019-06-05
EP4233709A3 (en) 2023-11-15
JP2019133639A (ja) 2019-08-08
EP3879298A2 (en) 2021-09-15
EP3492946B1 (en) 2021-05-12
EP3492946A1 (en) 2019-06-05
EP4233709A2 (en) 2023-08-30
EP3879298A3 (en) 2021-12-08
JP2019179020A (ja) 2019-10-17
JP2019130289A (ja) 2019-08-08
EP3869219A1 (en) 2021-08-25
JP7353006B2 (ja) 2023-09-29
EP3492944B1 (en) 2021-05-05
JP7228375B2 (ja) 2023-02-24
EP3492944A1 (en) 2019-06-05

Similar Documents

Publication Publication Date Title
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
US10397039B2 (en) Apparatus, systems and methods for fall-down detection based on a wireless signal
US20220091231A1 (en) Method, apparatus, and system for human identification based on human radio biometric information
US10742475B2 (en) Method, apparatus, and system for object tracking sensing using broadcasting
US11408978B2 (en) Method, apparatus, and system for vital signs monitoring using high frequency wireless signals
US11340345B2 (en) Method, apparatus, and system for wireless object tracking
US11439344B2 (en) Method, apparatus, and system for wireless sleep monitoring
US10495725B2 (en) Method, apparatus, server and system for real-time vital sign detection and monitoring
US10735298B2 (en) Method, apparatus, server and system for vital sign detection and monitoring
US11928894B2 (en) Method, apparatus, and system for wireless gait recognition
US10374863B2 (en) Apparatus, systems and methods for event recognition based on a wireless signal
US20200302187A1 (en) Method, apparatus, and system for people counting and recognition based on rhythmic motion monitoring
US11770197B2 (en) Method, apparatus, and system for accurate wireless monitoring
US11500058B2 (en) Method, apparatus, and system for wireless proximity sensing
US11448727B2 (en) Method, apparatus, and system for human recognition based on gait features
US11906659B2 (en) Method, apparatus, and system for wireless micro motion monitoring
US11953618B2 (en) Method, apparatus, and system for wireless motion recognition
US20220386945A1 (en) Method, apparatus, and system for radio based sleep tracking

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20211022

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220905

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221202

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230213

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230501

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20230602

A524 Written submission of copy of amendment under article 19 pct

Free format text: JAPANESE INTERMEDIATE CODE: A524

Effective date: 20230920

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20231002

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20231027

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231113

R150 Certificate of patent or registration of utility model

Ref document number: 7393748

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150