KR101636635B1 - 이동 디바이스에서의 센서에 대한 사용 중 자동 교정 방법 - Google Patents

Abstract

휴대용 디바이스에서의 가속도계를 교정하는 방법, 시스템 및 컴퓨터 판독 가능 매체가 개시된다. 방법, 시스템 및 컴퓨터 판독 가능 매체는 가속도계로부터 데이터를 수신하는 것, 및 특정 기준들을 만족시키는 데이터를 순응적으로 선택하는 하나 이상의 선택 규칙들에 기반하여 데이터로부터의 가속도계 샘플들을 제공하는 것을 포함한다. 방법 시스템 및 컴퓨터 판독 가능 매체는 또한 가속도계 샘플들을 수학적 모드에 맞추는 것을 포함한다. 방법 시스템 및 컴퓨터 판독 가능 매체는 수학적 모델의 중심에 기반하여 가속도계의 바이어스를 제공하는 것을 더 포함한다.

Description

이동 디바이스에서의 센서에 대한 사용 중 자동 교정 방법{IN-USE AUTOMATIC CALIBRATION METHODOLOGY FOR SENSORS IN MOBILE DEVICES}

본 발명은 일반적으로 가속도계에 대한 교정 방법에 관한 것으로, 보다 상세하게는 이동 디바이스에서의 가속도계에 대한 사용 중 교정 방법에 관한 것이다.

관련출원에 대한 교차 참조

본 출원은 “이동 디바이스에서의 가속도계(및/또는 자력계)에 대한 사용 중 자동 교정 방법"이라는 명칭으로 2012년 1월 26일자로 출원된 미국 가출원 제 61/590,924호의 35 USC 119(e) 하에서의 이익을 주장하며, 이는 그 전체가 본원에 참조로 포함된다. 본 출원은 "자력계 바이어스 및 이상 검출기"라는 명칭으로 2012년 8월 10일자로 출원된 미국 특허 출원 제 13/572,441호(일건 서류 # IVS-170/5046P), 및 "신속한 센서 모션 판단"이라는 명칭으로 2011년 6월 20일자로 출원된 미국 특허 출원 제 13/164,136호(일건 서류 # IVS-158)에 관한 것으로, 이들 모두는 그 전체가 본원에 참조로 포함된다.

전자 기기 및 기구의 속성상, MEMS 기반 가속도계들은 바이어스(오프셋) 및 감도 에러들을 갖는 경향이 있다. 이러한 에러들은 온도, 습도, 조립 응력 및 주변 조건들에서의 다른 변화들로 인해 표류하고/하거나 변화될 수 있다. 부정확한 바이어스는 센서 융합, 자세(피치, 롤, 및 요) 추정, 방향 기준 및 센서들의 출력들의 정확도에 의존하는 다른 파라미터들에서 문제를 야기한다. 구체적으로, 원시 데이터를, 예를 들어, 가속도에서 속도로 또는 각속도에서 각으로 적분하는 것이 요구된다면, 바이어스 표류 문제는 상당히 확대된다.

통상의 해결법은 공장 라인에서 각각의 유닛에 대해 각각의 축에 대한 각각의 센서를 교정하는 것이다. 그러나, 이러한 해결법은 유닛 상의 각각의 센서가 개별적으로 교정되어야 하므로, 부가 비용을 더한다. 교정은 또한 온도와 같은 다양한 원인들로 인해 시간이 지나면 변화시킬 필요가 있을 수 있다.

가속도계들에 대한, 교정의 통상의 해결법은 센서 보드를 평평하고 절대적으로 수평인 테이블 상에 놓고, 그것이 절대적으로 정지 상태에 있을 때, 위쪽으로 향하는 유닛의 출력을 측정하고, 그 다음 동일한 비움직임 조건 하에서 아래쪽으로 향할 때, 그것을 다시 측정하는 것이다. 이것은 3개의 상이한 축들 마다 반복된다. 그러나, 실제로, 이러한 가정들(평평한 표면, 수평 테이블, 절대적으로 움직임 없음)에서 임의의 벗어남은 교정의 정확도를 저하시킬 것이다. 게다가, 이러한 교정 방법은 실험실 사용 또는 공장 교정에만 적합하다. 최종 사용자는 움직임이 없는 평평한 수평 테이블 상에 스마트폰, 태블릿, 또는 호환 가능 디바이스와 같은 휴대용 디바이스를 놓을 수 없다.

MEMS 기반 가속도계들 둘 다의 경우, 바이어스 표류는 센서의 수명에 걸쳐 큰 초기 값 비율을 가질 수 있다. 그것들은 시간이 지남에 따라 또는 온도와 같은 그것들의 주변 조건이 변함에 따라, 공장 교정 값들에서 상당히 가변된다.

따라서, 가속도계들의 사용 중 교정에 대한 시스템들 및 방법들을 제공하는 것이 바람직하다.

휴대용 디바이스에서의 가속도계를 교정하는 방법, 시스템 및 컴퓨터 판독 가능 매체가 개시된다. 방법, 시스템 및 컴퓨터 판독 가능 매체는 가속도계로부터 데이터를 수신하는 것, 및 특정 기준들을 만족시키는 데이터를 순응적으로 선택하는 하나 이상의 선택 규칙들에 기반하여 데이터로부터 가속도계 샘플들을 제공하는 것을 포함한다. 방법, 시스템 및 컴퓨터 판독 가능 매체는 또한 가속도계 샘플들을 수학적 모델에 맞추는 것을 포함한다. 방법, 시스템 및 컴퓨터 판독 가능 매체는 수학적 모델의 중심에 기반하여 가속도계의 바이어스를 제공하는 것을 더 포함한다. 수학적 모델은 구 및 타원체를 포함히지만 이에 제한되지 않는다.

본 발명에 따른 방법, 시스템 및 컴퓨터 판독 가능 매체는 이동 디바이스들 상의 가속도계 교정의 문제를 해결한다. 방법은 배경 기술에서의 사용 중 교정 프로세스이어서, 프로세스가 실행될 때, 사용자가 프로세스를 알아차리지 못한다. 본 발명에 따른 방법, 시스템 및 컴퓨터 판독 가능 매체는 실험실 장비, 및 평평한 수평 정지 표면에 대한 필요를 없앤다.

도 1은 일 실시예에 따른 가속도계 교정 알고리즘을 활용하는 시스템의 블록도이다.
도 2는 가속도계 교정 알고리즘(100)의 실시예의 블록도이다.
도 3은 디바이스의 움직임에서의 가속도계 데이터에 맞춰지는 3-D 구 모델의 예를 도시한다.
도 4는 X-Y 평면으로 투영되는 도 2의 가속도계 데이터의 3-D 구 모델의 예를 도시한다.
도 5는 사용자의 손에서의 디바이스의 정상 움직임 하에서 디바이스(11)의 배향의 데이터 지점들을 도시한다.
도 6은 사용자의 손의 정상 움직임 하에서의 디바이스의 모션의 일 실시예의 도면이다.
도 7은 구 모델이 데이터에 맞춰진 후의 가속도계 측정 상의 잡음을 도시하는 도면이다.
도 8은 손의 빠른 플립핑(flipping) 후의 데이터를 도시한다.
도 9는 전화기의 신속한 90도 회전을 도시한다.
도 10a는 단일 바이어스 추정 알고리즘에 대한 동작 데이터 흐름을 도시한다.
도 10b는 구의 x-y 평면 상의 16(4x4)개의 그리드들을 도시한다.
도 11은 추정된 바이어스로부터 모든 샘플의 거리의 도표를 도시한다.
도 12는 가속도계 파라미터 학습 관리자에서의 4개의 상태들을 도시한다.
도 13은 선형 가속도 및 구심 가속도를 받아들이지 않는 샘플 선택 규칙을 도시한다.
도 14는 사용 중 자동 교정에서의 4개의 단계들의 통상적 흐름을 도시한다.
도 15는 상이한 단계들에서의 가속도계 바이어스 추정을 도시한다.

설명된 실시예들은 일반적으로 가속도계들에 대한 교정 방법에 관한 것으로, 보다 상세하게는 이동 디바이스들에서의 가속도계들에 대한 사용 중 교정 방법에 관한 것이다. 이하의 설명이 당업자가 본 발명을 만들고 사용하는 것을 가능하게 하도록 제시되고 제공된다. 설명된 실시예 및 본원에 설명된 일반적인 원리들 및 특징들에의 다양한 변경들이 당업자에게 손쉽게 자명할 것이다. 따라서, 본 발명은 도시된 실시예들에 제한되도록 의도되지 않고, 본원에 설명된 원리들 및 특징들과 일치하는 가장 넓은 범위에 따를 것이다.

가속도계 파라미터 교정에 대한 통상의 방법

가속도계에 대한 통상의 파라미터 교정 방법은 3개의 상이한 과정들로 각각의 축에 대한 축 측정 값들을 격리하고 가속도계 바이어스 및 감도를 획득하는 것이다.

우선, 센서 보드는 Z 축이 위쪽을 향하는 평평한 테이블 상에 위치된다. 그러므로, 모든 중력이 Z 축 상에 있는 반면에, X 및 Y 축들은 중력 성분들을 가지지 않는다. 이하의 식은 이러한 측정으로 성립된다:

식 1

다음에, 센서 보드는 Z 축이 아래쪽을 향한 상태로 플립핑된다. 중력은 또한 Z 축에 집중되는 반면에, X 및 Y 축들은 제로 중력을 받을 것이다.

식 2

2개의 위의 식들로, 2개의 파라미터들, c(바이어스) 및 k _z (Z 축 상의 감도)가 획득되며, 여기서

은 2개의 상이한 위치들 상의 가속도계 센서 측정 값이다.

식 3

식 4

감도(k _z )는 가속도계 판독을 지면의 표면 중력인 "g"의 단위로 변환할 것이다.

방법은 유사한 방식으로 X 및 Y 축에 직접 적용될 수 있다.

이러한 방법에서, 중력이 각각의 측정에서 하나의 축에 쏠리도록 센서 보드의 위치가 완전히 제어된다는 점이 가정된다. 게다가, 교차 축 효과는 다른 축들 상의 측정 값이 제로가 되도록(또는 제로에 근접하도록) 충분히 작다.

이러한 방법은 단지 이론상 작용하지만, 실제로 이러한 가정들로부터의 임의의 벗어남은 파라미터 교정 정확도를 저하시킬 것이다. 게다가, 이러한 단순한 방법은 실험실 또는 공장 사용에만 적합하다. 이것은 최종 사용자들에 의해 사용될 수 없다. 일반적으로, 이동 디바이스들(휴대폰, 태블릿 PC, 휴대용 전자 기기)는 이동성을 위해 설계된다. 사용자들은 절대적으로 어떤 움직임도 없는 평평한 수평 표면을 갖는 장소를 용이하게 찾을 수 없다. 게다가, 대부분의 사용자들은 단지 디바이스를 교정하는 그들의 방식을 벗어나지 않고도 그들의 디바이스가 잘 작동하는 것을 선호할 것이다.

설명된 실시예들에 따른 시스템 및 방법은 이동 디바이스들 상의 가속도계 교정의 문제를 해결한다. 따라서, 프로세스가 실행할 때, 사용자가 프로세스를 알아차리지 못하도록 배경 기술에서의 사용 중 자동 교정 프로세스가 필요하다. 따라서, 교정을 위한 실험실 장비 및 평평한 수평 정지 표면이 필요없게 된다. 본 발명의 특징들을 보다 상세히 설명하기 위해, 이제 첨부 도면들과 함께 이하의 설명을 참조한다.

도 1은 일 실시예에 따른 가속도계 교정 알고리즘(100)을 활용하는 시스템(10)의 블록도이다. 시스템(10)은 디바이스(11)를 포함한다. 디바이스(11)는 휴대폰, 태블릿 PC, 또는 다른 타입의 휴대용 전자 디바이스를 포함하지만 이에 제한되지 않는 임의의 타입의 이동 디바이스를 포함할 수 있다. 디바이스(11)는 가속도계(12)로부터 입력 데이터를 수신한다. 디바이스(11)는 또한 알고리즘의 수행의 개선을 위해 자이로스코프(14)로부터의 센서 데이터를 사용할 수 있지만, 이것이 요구되지는 않는다. 디바이스(11)는 센서들(12 및 14)에서의 입력들로부터 데이터를 수신하는 메모리를 포함한다. 메모리는 또한 설명된 실시예들에 따른 가속도계 교정 알고리즘(100)을 포함할 수 있지만 이에 제한되지 않는다. 프로세서(24)는 센서들(12)로부터 수신되는 데이터 상에서 동작하는 알고리즘(100)을 실행시킨다. 프로세서(24)는 개선된 수행을 위해 센서(14)로부터의 데이터 상에서 동작할 수도 있다. 프로세서(24)는 실행된 데이터를 센서 융합 시스템(16)에 제공한다. 센서 융합 시스템(16)은 디바이스의 배향 정보를 제공한다. 일 실시예에서, 센서 융합 시스템(16)은 시스템(11) 외부에 상주할 수 있다. 다른 실시예에서, 센서 융합 시스템은 시스템(11) 내부에 상주할 수 있다.

도 2는 설명된 실시예들에 따른 가속도계 교정 알고리즘(100)의 블록도이다. 가속도계 교정 알고리즘(100)은 제어기(관리자)(102)를 포함하며, 이는 선택 규칙 모듈(104), 추정기 모듈(106) 및 평가기 모듈(108)을 제어한다. 수학 모델 맞춤 모듈(110)은 선택 규칙들(104) 모듈, 추정기 모듈(106) 및 평가기 모듈(108)에 결합된다. 제어기(102)는 센서 융합 시스템(16) 모듈(112)에 결합된다. 결국, 센서 융합 시스템 모듈(16)은 센서 융합 피드백 데이터 모듈(118)을 제어한다. 센서 융합 시스템은 디바이스의 배향을 제공하기 위해 자이로스코프, 가속도계들 및 자력계들을 포함한다. 가속도계(12) 및 자이로스코프(14)는 원시 데이터를 선택 규칙 모듈(104)에 제공한다.

가속도계 교정 알고리즘(100)은 사용자가 그것을 끊임 없이 사용함에 따라, 끊임 없이 실시간으로 작동한다. 가속도계 교정 알고리즘(100)은 임의의 실험실 장비를 필요로 하지 않고, 어떤 움직임도 없는 평평한 수평 표면을 필요로 하지도 않는다.

본 발명에 따른 가속도계 교정 알고리즘을 활용하는 시스템은 완전히 하드웨어 구현, 완전히 소프트웨어 구현, 또는 하드웨어 및 소프트웨어 요소들 둘 다를 포함하는 구현의 형태를 취할 수 있다. 하나의 구현에서, 이러한 검출 절차는 소프트웨어로 구현되며, 이는 애플리케이션 소프트웨어, 펌웨어, 상주 소프트웨어, 마이크로 코드 등을 포함하지만 이에 제한되지 않는다.

더욱이, 가속도계 교정 알고리즘은 컴퓨터 또는 임의의 명령어 실행 시스템에 의해 또는 이들과 연결되어 사용되는 프로그램 코드를 제공하는 컴퓨터 사용 가능 또는 컴퓨터 판독 가능 매체로부터 액세스 가능한 컴퓨터 프로그램 제품의 형태를 취할 수 있다. 설명된 실시예들에서, 컴퓨터 사용 가능 또는 컴퓨터 판독 가능 매체는 명령어 실행 시스템, 장치 또는 디바이스에 의해 또는 이들과 연결되어 사용되는 프로그램을 포함하거나, 저장하거나, 통신하거나, 전파하거나, 전송할 수 있는 임의의 장치일 수 있다.

매체는 전자, 자기, 광, 전자기, 적외선, 또는 반도체 시스템(또는 장치 또는 디바이스) 또는 전파 매체일 수 있다. 컴퓨터 판독 가능 매체의 예로는 반도체 또는 고체 상태 메모리, 자기 테이프, 제거 가능 컴퓨터 디스켓, RAM(random access memory), ROM(read-only memory), 강성 자기 디스크 및 광 디스크가 있다. 광 디스크의 현재의 예로는 DVD, CD-ROM(compact disk-read-only memory) 및 CD-R/W(compact disk?ead/write)이 있다. 본 발명의 특징들을 보다 상세히 설명하기 위해, 이제 첨부 도면들과 함께 이하의 설명을 참조한다.

1. 수학 모델 맞춤

3-축 가속도계 파라미터 교정에 대한 수학 모델

어떤 모션도 없는 (또는 정적인 경우인) 동안, 3-축 가속도계는 중력(1g)을 측정하며, 이는 모션 센서의 배향에 따라 3개의 축 성분들(X, Y, Z)로 분포된다. 이러한 X, Y, Z 측정 값들은 이하의 식을 만족시킨다:

= 1 식 5

위의 식에서, 가속도계 측정의 교차 축 효과는 포함되지 않는다. 교차 축 효과를 포함하기 위해, 행렬 기반 2차 형식이 이하와 같이 사용된다:

식 6

여기서, v =

은 3-D 벡터이며, 이는 바이어스-프리 가속도계 측정 데이터를 포함한다. 행렬(A^-1)은 3x3 감도 행렬이다.

모션 동안 (또는 동적인 경우에), 선형 가속도 및 원심력이 중력에 부가된다. 가속도 및 원심력 측정값들은 가속도계를 통한 중력 측정에서의 왜곡으로 작용할 것이다.

특수 신호 처리 알고리즘은 중력 측정에서의 왜곡들을 감소시키기 위해 개발된다. 이것은 전처리 로직이다. 전처리 로직으로, 수집된 가속도계 데이터는 구 형상 또는 타원체 형상을 형성할 것이다.

이러한 구 또는 타원체 모델로, 추정된 파라미터의 정확도가 검사될 수 있다. 현재의 학습 프로세스로부터의 더 양호한 파라미터들만이 시스템으로 업데이트된다. 그러므로, 시스템의 관점에서 볼 때, 학습된 파라미터들은 참(true) 값들에 단조적으로 접근하도록 보장된다.

측정 및 전처리 에러로 인해, 일부 왜곡들은 중력 측정에 여전히 포함될 수 있다. 이러한 구 모델은 열악한 샘플을 식별하기 위해 사용될 수 있고 이상치 알고리즘은 모델 데이터로부터 열악한 샘플을 제거할 것이다.

최신 가속도계 교정 방법에 대한 엄격한 요건들을 회피하는 본 발명에 따른 모델 기반 학습 방법이 나타내어진다. 가속도계들에 대한 통상의 모델은 바이어스 및 감도 파라미터를 갖는 식이며, 이는 파라미터화된 모델로 호칭된다. 그때 설명되는 실시예들에서, 전처리 로직을 거친 후의 충분한 중력 샘플들로, 가속도계 파라미터들은 구 또는 타원체 모델에 의해 완전히 특성화될 수 있다. 이러한 모델들은 단순히 양호하게 정리된 방식의 중력 샘플들일 수 있다. 설명되는 실시예들은 모델에 대한 중력 데이터가 어떻게 정리되는지 그리고 추정된 파라미터들이 어떻게 평가되는지를 보여준다. 모델의 이상치는 모델 데이터가 정확한 가속도계 파라미터들을 일관되게 생성하도록 제거된다.

상이한 배향들을 갖는 중력 샘플들은 구 또는 타원체를 형성할 수 있다. 이러한 샘플들은 가속도계 파라미터 학습 및 평가를 위한 모델로서 역할을 할 수 있다. 이러한 모델 데이터에 대한 메모리 크기를 감소시키기 위해, 양자화 (또는 그리드) 접근법이 채택된다.

이러한 모델 데이터는 모션 디바이스의 수명 동안 업데이트될 수 있다. 사용자의 주의를 수반하지 않고, 상이한 배향들을 갖는 중력 데이터가 학습 알고리즘에 기반하여 수집되고 제거될 것이다.

이러한 모델 데이터에 대한 메모리 사용이 제한된다. 파라미터 추정의 정확도에 따라, 모델의 크기는 설정될 수 있다. 현재의 기준 설계의 경우, 3-축 중력 데이터에 대한 8x8x2 = 128의 최대 샘플들이 채택된다. 각각의 중력 샘플이 6 바이트를 취한다고 가정하면, 모델에 요구되는 메모리는 128x6 = 768 바이트이다. 파라미터 추정 정확도는 20 mg 미만이다. 메모리(18) 사용은 생산을 위해 유사한 정확도를 달성하도록 더욱 감소된다.

도 3은 디바이스의 움직임으로부터의 3-D 구 모델 데이터의 예를 도시한다. 도 4는 X-Y 평면으로 투영되는 도 2의 3-D 구 모델 데이터의 예를 도시한다. 중력 모델 데이터 구성의 목적은 상이한 배향들에서 중력 데이터 샘플들을 모니터링하는 것이다.

(가속도계 측정 데이터의 전처리 후의) 중력 샘플은 3-D 배열이다. 3-D 데이터가 구를 형성하므로, 중력 샘플에서 실제로 2 자유도가 있다. 그러므로, 2-D 매핑은 상이한 배향에서 완전한 중력 샘플들을 저장하기에 충분하다.

중력 샘플 배향을 카운팅하기 위해, (x, y) 매핑 방법이 이러한 방법에서 채택된다. 동일한 (x, y) 지점 마다, z 성분들에 대한 2 가지 가능성들, 정 또는 부가 있다. (x, y) 평면이 8x8개의 그리드로 디지털화되면, (8x8x2) 불(Boolean) 행렬의 매핑이 상이한 배향을 카운팅하기 위해 필요하다.

새로운 중력 샘플이 이러한 예에서 이용 가능할 때, x 및 y 데이터는 8개의 그리드로 디지털화되고 z 데이터는 2개의 그리드로 디지털화된다. 디지털화된 데이터는 중력 모델이 유사한 배향을 이미 포함하는지를 체크하기 위해 불 행렬 매핑과 비교된다. 그러한 배향에 대한 불 행렬 매핑이, 모델이 이러한 배향을 갖지 않는 것을 의미하는 제로가 되면, 중력 샘플은 모델 배열에 저장되고 불 행렬은 그러한 배향에서 1로 설정된다. 동시에, 카운트는 1만큼 증분된다. 실제 메모리 사용은 이상치 제거 알고리즘을 도입함으로써 감소될 수 있어, 모델에서 중력 샘플의 수는 제한될 것이다.

2. 선택 규칙들

이론적으로, 파라미터화되지 않은 모델링은 어떤 선형 가속도 또는 구심 가속도도 없다면, 완벽하게 작동한다. 실제로, MEMS 가속도계들은 사용자가 디바이스를 움직일 때마다 그리고 디바이스(11)가 순수 회전 모션에 있지 않을 때, 또는 구심 가속도가 도입될 때 예를 들어 디바이스(11)가 회전의 피벗에 있지 않으면, 선형 가속되는 경향이 있다.

도 5는 사용자의 손에서의 디바이스의 정상 움직임 하에서 디바이스(11)의 배향의 데이터 지점들을 도시한다. 보여지는 바와 같이, 점들(500)로 나타내어지는 데이터의 상당수는 구로부터 벗어난다. 이러한 데이터가 "파라미터화되지 않은 모델"에 연결된다면, 결과들은 전적으로 잘못될 것이다.

일 실시예에서, 샘플 선택 규칙들은 "양호한 데이터"를 픽업하고 "열악한 데이터"를 엄격히 배제하기 위해 활용된다. 규칙들은 이하를 포함한다:

(1) 거의 일정한 선형 가속도 선택 규칙;

(2) 가속도 도함수 규칙;

(3) 로우-모션 선택 규칙; 및

(4) 확률적 선택 규칙; 및

(5) 회전 속도 선택 규칙.

이러한 규칙들 각각은 본원에서 상세히 후술될 것이다. 규칙들이 사용할 지점들을 선택하기 위해 사용되면, 그러한 데이터 세트는 형상에 맞추기 위해 사용될 수 있다. 구 또는 타원체와 같은 형상으로의 맞춤은 본원에서 상세히 후술될 것이다. 후술되는 맞춤은 구 또는 타원체와 지점들의 데이터 세트 사이의 최소 제곱 에러를 최소화하는 핏(fit)을 나타낼 것이다. 게다가, 2개의 지점들 및 측정값들의 데이터 세트의 각각의 2개의 조합으로부터 생성되는 법선으로부터 생성되는 평면들의 세트의 지점과 그러한 동일한 라인의 중간 지점 사이의 거리를 최소화하는 것이 가능하다. 데이터 세트에서 N개의 지점들을 가정하면, N*(N-1)/2개의 평면들이 생성될 것이다.

거의 일정한 선형 가속도 선택 규칙

선형 가속도는 가속도계 측정값들에서 추정된 중력을 감산함으로써 계산될 수 있다. 추정된 중력은 배향의 추정을 가짐으로써 결정될 수 있다. 배향의 추정은 가속도계들 및/또는 자이로스코프들로부터의 데이터를 집계함으로써 행해질 수 있다. 디바이스의 배향은 단위 4원수(또한 4원수로 지칭됨) 또는 회전 행렬을 사용하여 설명될 수 있다. 4원수의 4개의 요소들을 먼저 벡터 부분이 뒤따르는 스칼라 항으로 기록하면, 선형 가속도는 가속도(acc_x acc_y, acc_z)가 g의 것에 있을 때, 이하의 식들에 의해 나타내어지는 바와 같이 4원수로부터 유도될 수 있다.

4원수 = quat (q₀, q₁, q₂, q₃) 식 7

식 8

이상적으로, 선형 가속도가 제로이면, 그때 샘플 상태는 정적이거나 순수하게 회전 모드이며, 이는 파라미터화되지 않은 중력 모델에 대해 "양호한 데이터"로 정의된다. 그러나, 바이어스 및 감도 에러들과 같은 가속도계들 상의 에러들, 및 배향 상의 에러들 때문에, 선형 가속도는 디바이스가 정적이거나 단지 회전 모드일 때에도 비-제로이다.

본 발명에 따른 시스템 및 방법은 이러한 문제를 해결한다. 가속도계 원시 데이터에서의 알려지지 않은 큰 바이어스로도, 선형 가속도의 제로 또는 비제로 일정 출력은 어떤 선형 가속도도 아니라는 지표이다. 정상 동작에서, 장기간 일정 선형 가속도를 생성하는 것은 가능하지 않다. 그러므로, 거의 일정한 선형 가속도 선택 규칙은 선형 가속도를 갖는 작은 세트의 데이터 샘플들을 받아들이지 않기 위해 사용될 수 있다.

가속도 도함수 규칙

순수 회전 움직임에서, 도 6에 도시된 바와 같이, 가속도계 데이터의 도함수는 회전 속도와 상관된다. 가속도계 도함수 및 회전 속도 둘다가 결정될 수 있으므로, 순수하게 회전하는 모션은 그것들이 스케일링(scaling) 후 그리고 변환 후와 동일해진다면, 암시될 수 있다. 임계값은 그 다음 측정값들 상에 잡음 및 다른 에러들이 있기 때문에, 그 양들을 비교하기 위해 활용된다. 대개의 경우 사용자가 디바이스를 움직이고 있는 경우, 임계값이 수용하기 위해 조정될 수 있는 적은 양들이 용인될 수 있을 때, 일부 선형 가속도 및 구심 가속도가 존재할 것이다. 임계값을 선택하는 것에 또한 영향을 줄 회전 속도를 측정하기 위해 자이로스코프를 사용할 때 흔히 오프셋이 있다. 선택적으로 임계값은 가속도계 바이어스를 보다 정확하게 결정하는 것 대 가속도계 바이어스를 결정하는 것에서의 속도의 균형을 이루기 위해 조정될 수 있다.

본 명세서에서, 4원수 곱셈은 식 9로 정의되고 "*"은 4원수 곱셈을 나타낸다.

식 9

4원수 역원은 통상적으로 문헌에서 보이는 바와 같이 식 10으로 정의된다.

식 10

가속도 도함수와 회전 속도 사이의 관계는 수개의 방식들로 정의될 수 있다. 일 실시예에서 4원수들이 사용될 것이다. 단위 4원수는 디바이스를 바디 프레임 시스템에서 월드 프레임 시스템으로 어떻게 회전시킬지를 설명한다. 여기서, 바디 프레임은 센서에 고정되는 좌표 프레임 시스템이다. 월드 프레임은 하나의 축이 지면의 중력에 평행하고 다른 2개의 직교하는 축들이 지면의 중력에 수직인 상태에서 지면의 표면에 고정된다.

월드 프레임에서 중력은 [0, 0, g]일 것이며, 여기서 g는 지면의 중력에 대한 값이다. 식 11에서 정의되는 4원수에 의해 정의되는 디바이스의 배향 및 식 12로 나타낸 바와 같이 월드 프레임에서 정의되는 중력으로 시작하여 그 다음 바디 프레임에서의 중력은 4원수들을 사용하여 식 13으로 나타낸 바와 같이 유도될 것이다.

식 11

식 12

` 식 13

4원수 형태의 회전 속도는 식 15로 정의되는 4원수의 도함수와 함께 식 14로 정의된다.

식 14

식 15

식 13으로

의 도함수를 취하고 그 다음 식 15로부터의 4원수의 도함수에 연결시켜, 식 16을 얻는다.

식 16

4원수 요소들의 제곱들의 합은 식 17로 나타낸 바와 같이 1이다.

식 17

식 16은 식 17을 사용하여 간략화되어 식 18을 얻을 수 있다.

식 18

4원수를 회전 행렬로 변환하여 식 19를 얻는다.

식 19

회전 행렬 요소들을 가속도의 도함수로 연결시켜 식 20을 얻고, 여기서 "x"는 외적이다.

식 20

식 20은 가속도의 도함수가 디바이스의 프레임에서의 지면의 중력과 각속도의 외적과 동등함을 보여준다.

가속도계 데이터의 도함수의 추정은 연속적인 샘플들간의 차이와 시간 차이로의 나눗셈에 의해 제공된다. 이러한 추정이 잡음이 있으므로, 데이터는 차이를 취하기 전 또는 후에 필터링함으로써 평탄화될 수 있다. 알 수 있는 바와 같이, 식은 다수의 형태들로 유도되고 조작될 수 있지만, 가속도계의 도함수를 회전 속도 및 배향의 함수와 비교하는 기본 관념은 남는다. 디바이스의 배향에 대해 4원수를 사용하여, 식 18은 가속도 도함수가 순수 회전 상태에서 무엇이 될 것인지를 나타낸다. 다른 실시예에서 회전 행렬을 사용하여, 식 20은 가속도 도함수가 순수 회전 속도에서 무엇이 될 것인지를 나타낸다.

가속도계의 도함수, 회전 속도 및 배향을 포함하는 함수들이 임계값 내에서 비교한다면, 가정은 디바이스가 순수 회전 모션으로 (또는 이것에 근접하게) 있으므로, 가속도계 바이어스에 대한 해결을 위한 해결법으로 가속도계 데이터가 사용될 수 있다는 것이다.

로우-모션 선택 규칙

가속도계 데이터를 형상에 맞추는 해결법에 가속도계 데이터를 언제 허용할 지를 판단하는 다른 측정 기준은 사용자가 디바이스를 움직이고 있지 않거나 서서히 움직이고 있을 때이다. 통상적으로 디바이스가 움직이고 있지 않으면, 센서 데이터는 가우시안에 근접하다. 센서 데이터는 가속도계 데이터, 자이로스코프 데이터, 또는 자력계 데이터 또는 유도된, 예를 들어 선형 가속도일 수 있다. 통상적으로 가속도계를 교정할 때, 가속도계 데이터는 사용될 것이지만, 그것은 가속도계로 제한되지 않는다. 선형 가속도의 추정은 또한 로우 모션 측정 기준에 사용하기에 양호한 선택이다. 샘플들의 세트가 가우시안에 가까운지 아닌지를 판단하기 위해, 처음 4개의 샘플 모멘트는 식 21, 식 22, 식 23 및 식 24로 나타낸 바와 같이 추정되며, 여기서 N은 한 번에 분석할 샘플들의 수이다. 가우시안 신호에 대한 세 번째 및 더 높은 차수 모멘트들은 처음 두 개의 모멘트들로부터 유도될 수 있다. 제3 및 제4 차수의 모멘트들을 컴퓨팅하는 2개의 상이한 방법들 사이의 차이를 컴퓨팅하는 것은 모든 모멘트들이 식 21, 식 22, 식 23 및 식 24로 나타낸 바에 따라 추정되는 식 25 및 식 26으로 나타내어진다. V₃V₃ 또는 V₄V₄가 임계값 미만이면, 디바이스는 느린 모션 상태 또는 어떤 모션도 없는 상태로 있는 것으로 불리고 그러한 세트의 데이터는 가속도계 데이터를 형상에 맞추는 해결법의 일부로서 사용된다. 임계값은 사용자가 손으로 디바이스를 쥐고/쥐거나 디바이스를 약간 움직이거나 회전시킬 수 있도록 조정될 수 있다. 통상적으로 10개 내지 25개의 샘플들은 100㎐ 이하의 데이터 속도들에 대해 V₃V₃ 및 V₄V₄의 타당한 추정을 갖기에 충분하다.

식 21

T ₂ =

식 22

식 23

식 24

식 25

식 26

선형 가속도를 샘플 데이터로서 사용한다면, 선형 가속도는 4원수 데이터 및 가속도계 데이터를 사용하여 식 8로 나타낸 바와 같이 일 실시예에서 컴퓨팅될 수 있으며, 여기서 가속도계 데이터는 지면의 중력의 단위로 되어 있다. 식 25 및/또는 식 26의 식들로 선형 가속도를 사용하는 것 외에, 선형 가속도의 크기, 가속도 또는 가속도의 크기가 또한 사용될 수 있다. 식 25 및/또는 식 26이 거의 일정한 값들을 찾기 위해 사용될 수 있으므로, 저역 통과 필터가 또한 사용될 수 있다. 저역 통과 필터링된 값과 비교되는 현재의 값이 임계값 내에 있다면, 그러한 조각의 데이터는 형상 맞춤을 위해 데이터 세트에 부가될 것이다.

확률적 선택 규칙

가속도계 데이터를 형상에 맞추기 위한 형상의 양호한 추정이 있으면, 도 7에 도시된 바와 같이, 가속도계의 측정값에서 형상까지의 최소 거리를 제곱한 크기는 측정값이 형상을 결정하는 추가의 계산들에 사용될지를 판단하기 위해 사용될 수 있다. 순수 회전 상태에서, 가속도계 맞춤 형상이 해결된 후에, 최소 거리의 제곱은 식 27로 나타낸 바와 같이 가속도계 센서의 평방 편차의 합과 대략 같다. 식 27에서,

는 형상의 중심이고;

는 가속도계 측정 값이고; R은 형상의 중심에서 형상의 표면까지의 거리이고; σ_x ², σ_y ², σ_z ²σ_x ², σ_y ², σ_z ²는 가속도계 센서의 각각의 축의 평방 편차이다.

식 27

주목: 3개의 평방 편차들을 합하는 것은 차수 3의 카이 제곱 과정이다. 식 27의 좌변이 임계값 미만이면, 가속도계 측정값은 가속도계 데이터를 형상에 맞추는 것을 더 개선하기 위해 사용될 수 있다. 임계값은 형상의 맞춤 및 작은 양들의 선형 또는 구심 가속도에서의 부정확도들 및 측정 잡음의 추정들에서의 부정확도들을 허용하기 위해 증가될 수 있다.

회전 속도 선택 규칙

큰 사용자 모션들이 사용자 선형 또는 구심 가속도와 상관됨에 따라, 회전 속도는 선택 규칙으로서 사용될 수 있다. 회전 속도가 임계값 미만이면, 그 때 그것은 형상을 맞추기 위해 데이터 세트로 허용될 것이다. 회전 속도는 자이로스코프에 의해 또는 배향 4원수 또는 배향 행렬의 도함수를 취함으로써 결정될 수 있다.

3. 추정의 단계 의존

본 발명에 따른 시스템 및 방법은, 디바이스의 배향을 학습하는 4개의 단계들이 있으며, 여기서 상이한 알고리즘들이 사용되고 파라미터 추정에 대한 상이한 수준의 정교함이 달성될 수 있다. 4개의 단계들이 도 12에 도시된 바와 같이 후술된다:

a) 단계 1: 빠른 모션 중 명확한 교정.

이것은 사용자 제어된 빠른 모션 중 교정이다. 사용자는 단지 전화기를 쥐고 2 내지4 초 내에 단순한 플립(뒤집어 돌리기)를 행하는 것을 필요로 한다. 실험실 장비가 전혀 요구되지 않고, 평평한 수평 정지 표면에 대한 요구도 없다.

b) 단계 0: 순차적 단일 파라미터 추정.

이것은 빠른 모션 중 명확한 교정이 그것만으로 충분히 양호하지 않은 경우, 학습 알고리즘들에 대한 입력 지점이다.

순차적 단일 파라미터 추정은 각각의 이용 가능한 중력 샘플을 갖는 하나의 단일 축 바이어스를 순차적으로 학습하는 것으로 정의된다. 중력 성분이 샘플에서 하나의 축에 쏠릴 때(적어도 80%의 중력으로), 알고리즘은 그러한 축의 바이어스를 강력하게 추정할 수 있다. 이러한 초기 단계 동안, 사용자는 각각의 축의 바이어스를 순차적으로 추정하기 위해 3개의 직교하는 배향들 (X-Y-Z)로 센서 디바이스를 유지할 필요가 있다.

c) 단계 2: (8개의 사분면들 중에서 7개 미만의) 중력 샘플들의 부분적 커버리지.

모델에서 이용 가능한 더 많은 중력 샘플들로, 정교한 구 알고리즘은 3 축의 감도가 동일하다고 가정하여 가속도계 바이어스를 찾기 위해 사용될 수 있다. 추정된 반경(감도의 역원)이 1g에 더 근접하면, 추정된 바이어스 값들은 더 신뢰할 수 있다.

d) 단계 3: (8개의 사분면들 중에서 7개보다 더 많은) 중력 샘플들의 전체 커버리지.

이용 가능한 더 많은 중력 샘플들로, 교차 축 감도는 가속도계 바이어스 및 감도에 따라 정확하게 추정될 수 있다. 이러한 단계에서, 완전한 세트의 가속도계 파라미터들이 신뢰 가능하게 식별될 수 있다. 관리자 상태 머신은 이러한 상태에서 머무르며, 여기서 이상치 알고리즘은 열악한 샘플을 새로운 중력 샘플로 대체하기 위해 실행 중일 것이다. 이러한 방식으로, 바이어스 학습은 제한된 메모리 사용(중력 샘플들을 유지하는 것)으로 개선된다.

이하는 알고리즘의 상세한 설명이다:

3.1 빠른 모션 중 명확한 교정:

정확한 바이어스 추정을 갖기 위해, 모든 데이터 지점들은 앞서 진술된 바와 같은 선택 규칙들 중 하나 이상을 거쳐야 한다. 그러나, 규칙들이 더 많이 제한될수록, 더 적은 데이터 지점들이 거치고 수집될 수 있다. 또한 더 많은 선택 규칙들을 갖는 전체 교정 절차를 완료하는데 더 오랜 시간이 걸린다.

디바이스가 갑작스런 온도 변화를 겪을 수 있는 일부 시나리오들에서 또는 저장된 센서 바이어스 데이터, 또는 강한 기계적 흔들림에서 결함이 발생되면, 바이어스는 참값에서 멀리 벗어나고 사용자는 바이어스를 즉시 재저장하는 것을 원한다. 여기서 일 실시예에 따른 빠른 모션 중 명확한 교정 알고리즘은 부정확한 바이어스를 신속하게 재저장할 수 있다. 도 8에 도시된 바와 같이, 손으로 전화기의 빠른 플립핑(180도 변화), 또는 전화기의 신속한 90도 회전(도 9) 후에, 바이어스는 1 내지 4 초 내에 재저장될 수 있다.

방책은 도 8에서와 같은 개략적으로 미리 정해진 사용자 모션에 의한 것으로, 회전 모멘트 아암은 작다. 선형 가속도는 특정 양으로 제한된다. 그러므로 도 8에 도시된 모션을 활용하여 약 1/2의 커버리지 그리고 도 9에 도시된 모션을 활용하여 약 1/4의 커버리지를 획득하는 것이 가능하다. 또한 에러는 특정 최적화 방법들을 적용함으로써 최소화된다. 그것들은 후술된다.

3.2 순차적 단일 파라미터 추정

단일 축 바이어스는 중력이 대부분 타겟 축에 쏠리는(적어도 80%) 하나의 중력 샘플만으로 추정될 수 있다. 이러한 샘플은 센서 보드가 평평한 테이블 상에 놓이는 것을 가정하지 않는다. 디바이스는 어떤 선형 가속도도 없는 한 그리고 중력이 타겟 축에 쏠리는 배향으로, 정지해 있는 사용자에 의해 유지될 수 있다.

동일한 구 모델이 단일 파라미터를 추정하기 위해 사용된다. 그것은 단지 하나의 샘플이 식을 신뢰할 수 있게 해결하는데 충분한 이유이다. 추정 강건성은 더 많은 샘플들로(선형 가속도 없이) 개선될 수 있다. 디바이스는 사용자들의 손에 쥐어진다. 테스트하는 동안 소수의 작은 움직임들(평평한 Z 위쪽으로)만이 있다. 이러한 단일 바이어스 학습 알고리즘은 새로운 중력 샘플이 이용 가능할 때, 실행될 것이다. 알고리즘은 어떤 축이 타겟 축(중력의 80%를 넘음)인지를 체크할 것이다. 타겟 축이 선택될 때, 추정 알고리즘은 그러한 타겟 축 상에서 실행될 것이다. 도 10a는 단일 바이어스 추정 알고리즘에 대한 동작 데이터 흐름을 도시한다. (전처리 로직을 거치는) 새로운 가속도계 데이터 샘플이 이용 가능할 때, 이러한 샘플은 축 성분들 중 임의의 성분이 우세한지가(중력의 80%보다 많음) 평가된다. 그렇지 않다면, 이러한 샘플은 단일 축 바이어스를 계산하기 위해 사용되지 않을 것이다. 그렇다면, 우세한 성분을 갖는 상응하는 축의 바이어스는 계산될 것이다. 도 10a는 우세한 축 검출 알고리즘의 상세들을 도시한다,

3.3 중력 샘플들의 부분적 커버리지(구 최소 제곱 추정)

이러한 구에서, 적어도 하나의 제곱 추정으로, 중력 모델은 3개의 축들의 반경이 동일하다고 가정하여 이하의 식 28에서 설명된다. 2차 다항식 형식으로, 모델은 이하와 같다:

식 28

중력 샘플들로부터 추정하기 위해 4개의 파라미터들만이 있다. 각각의 중력 샘플은 식을 정립할 것이다. 그러므로, 이러한 방법에 대한 샘플들의 최소수는 4이다. 중력 샘플들이 더 많을수록, 더 높은 정확도가 최소 제곱법에 의해 달성될 것이다. 위의 식으로부터 4개의 파라미터들은 단순한 선형식을 통해 바이어스 및 반경으로 변환될 것이다.

바이어스 (또는 구의 중심)이

이고 구의 반경이 R이라고 가정한다. 구의 식은 이하이며:

식 29

이는 이하로 확장될 수 있다

식 30

식 31

식 32

구의 바이어스 및 반경은 이하의 식들로부터 해결될 수 있다:

식 33

위의 식을 간략화하여 이하를 얻는다:

식 34

중력 샘플들은 배향의 전체 커버리지를 필요로 하지 않는다. 키 알고리즘은 4x4 역행렬이다. 추정은 충분한 샘플들이 있다면, 잡음이 있는 중력 샘플들 상에 내성을 갖는다.

3.4 중력 샘플들의 전체 커버리지(타원체 최소 제곱 추정)

이러한 타원체 최소 제곱 추정에서, 2차 행렬 모델이 사용된다. 2차 다항식 형식으로, 모델은 이하와 같다:

식 35

이러한 예에서, 중력 샘플들로부터 추정될 9개의 파라미터들이 있다. 구 모델의 최소 제곱법과 동일한 최소 제곱법이 사용된다. 적어도 9개의 중력 샘플들이 9개의 파라미터들을 해결하기 위해 필요하게 된다.

nx9 행렬(D)은 데이터 샘플들(

)로부터 형성된다:

식 36

9x1 벡터(v)는 nx9 행렬(D)로부터 형성된다.

식 37

여기서 nx1 벡터(W)는 각각의 요소에서 1로 이루어진다. 4x4 행렬(Φ)은 v로부터 공식화된다:

식 38

타원체의 중심 (또는 바이어스)는 이하의 식을 통해 획득된다:

식 39

다른 4x4 행렬이 변환 행렬(A)를 구하기 위해 요구된다:

식 40

새로운 4x4 행렬이 공식화되며, 이는 식 43에서 변환 행렬(A^-1)을 생성할 것이다.

식 41

9개의 계수들을 추정된 파라미터들로 변환하는 식은 다양한 방식들로, 가장 통상적으로는 식 35의 제곱 에러를 최소화함으로써(최소 제곱법) 제공될 수 있다. 방법은 정확한 파라미터 추정을 제공하기 위해 충분한 샘플수를 갖는 중력 샘플들의 전체 커버리지를 통상적으로 요구한다. 일 실시예에서, 정확한 바이어스 계산을 획득할 중력 샘플의 최소 수는 모두 8개의 사분면에 분포되는 25개이다.

4. 추정 평가기 및 이상치 제거기

중력 모델 데이터는 추정된 파라미터들의 정확도를 평가하기 위해 사용될 수 있다.

샘플 공간은 2^Λn개의 동등 거리 그리드로 격자화된 구형 공간이다. 예를 들어, 32개의 그리드가 구형 표면 상에 정의될 수 있다. 그 다음 x-y 평면 상에, 16(4x4)개의 그리드가 있을 것이며, 이는 도 10b에 도시된다. 각각의 그리드는 단지 하나의 데이터 샘플을 허용할 것이다.

중력 모델 데이터에서의 그리드 샘플 공간이 충분히 클 때(예를 들어, 75%보다 많거나, 32개의 그리드 중에서 24개보다 많은 그리드들이 샘플들로 채워짐), 평가 툴은 임의의 채워진 그리드에 대해 가장 양호한 데이터를 선택하기 위해 사용된다. 이상치 제거기 알고리즘의 실제 실행 로직은 본원에서 후술될 것이다.

이상치 데이터는 샘플 공간에서의 샘플이며, 이는 일부 평가 규칙에 의해 나머지 샘플들로부터 벗어난다. 그리드들이 충분히 채워지기 전에는, 이용 가능한 확실한 이상치 제거 로직이 없을 것이다. 그러므로, 채워진 그리드 상의 새로운 샘플 데이터는 폐기되어야 한다.

모든 파라미터들은 이하의 식 42의 우변의 각각의 중력 샘플마다 평가된다.

식 42에서의 각각의 평가의 값은 중력 (또는 1g)에 근접할 것이다.

새로운 샘플 데이터가 채워진 그리드에 대해 식별된 후에, 채워진 데이터의 수가 충분히 더 클 때, 구형 반경은 이러한 새로운 샘플 및 타겟 그리드의 현재의 샘플로 평가될 것이다. 1g에 근접한 평가된 반경을 갖는 샘플은 그리드에 머무를 것인 반면에, 다른 샘플은 폐기될 것이다(이상치).

샘플에서 추정된 바이어스까지의 유클리드 거리는 하기와 같이 계산되어 반경 측정 값으로 작용한다:

식 42

여기서 (x, y, z)는 구 모델에서의 샘플이고 (a, b, c)는 추정된 바이어스이다.

교차축 감도가 고려된다면, 행렬 2차 모델은 이하의 식 43에 의해 예시되는 바와 같이 유클리드 거리를 계산하는 데 사용되어야 한다.

식 43

위의 모델은 또한 파라미터 추정에 대한 신뢰 수준을 평가하기 위해 사용될 수 있다.

추정된 파라미터들 및 현재 채용된 파라미터들은 현재의 중력 샘플 데이터와 비교될 수 있다. 위의 모델에서의 반경은 타겟 파라미터들로 채워진 그리드들에서의 각각의 중력 샘플들에 대해 계산될 수 있다. 그 다음 표준 편차가 계산된다. 새롭게 추정된 파라미터들이 현재의 파라미터들의 반경에서의 표준 편차보다 더 낮은 반경에서의 표준 편차를 갖는다면, 새로운 파라미터들은 현재의 파라미터들을 대체할 것이다.

하나의 예가 도 11에서 도표화된다. 도 11은 추정된 바이어스로부터 모든 샘플들의 거리의 도표를 도시한다. 제12 샘플은 제11 샘플과 동일한 그리드에서 가장 열악한 데이터이며, 이는 이상치 알고리즘에 의해 제거된다.

5. 지능형 관리자

본 부문에서, 제어기(102)(도 2)의 기능이 보다 상세히 설명된다. 제어기(102)는 선택 규칙들(104), o 추정기(106) 및 평가기(108)를 제어한다. 3개의 기능적 모듈들(104, 106 및 108)에 대한 상세한 기능적 설명은 각각의 부문에서 제공된다.

파라미터 학습은 순차적 프로세스이며, 이는 한정된 상태 머신으로서 모델화될 수 있다.

상태 전이는 중력 샘플의 커버리지 측정 값에 의해 구동된다. 중력 샘플 공간의 전체 구는 여덟(8)개의 사분면들로 분할된다. 중력 샘플들이 새로운 사분면을 채울 때, 사분면 카운터는 증분될 것이다.

사분면 카운팅은 제로에서 시작할 것이고, 그 다음 8까지 카운팅할 것이다.

도 12는 제어기(102)의 상태 머신의 구현의 실시예를 도시한다.

1) svlnit: 알고리즘에 대한 모든 데이터 구성을 초기화하는 초기 상태.

2) sv단계1: 빠른 모션 중 교정. 빠른 모션 중 교정은 미리 정해진 제스처: 1~3 초에서 뒤집어 돌리기로 가속도계 바이어스를 교정한다.

3) sv단계2: 단일 축 바이어스 추정 단계. 중력이 하나의 축에 쏠릴 때(중력의 80%보다 많음), 그러한 축은 바이어스 추정에 대한 타겟 축이 된다. 중력 커버리지가 4개보다 많은 사분면이면, 상태는 sv단계3으로 전이된다.

4) sv단계3: 구 최소 제곱법은 3개의 축들이 반경을 공유한다고 가정하여, 3 축 바이어스 및 반경을 추정하기 위해 사용될 것이다. 추정된 반경이 중력에 근접하면, 추정된 바이어스는 높은 신뢰도를 가질 것이다. 중력 커버리지가 7개의 사분면에 도달하면, 상태는 sv단계3로 전이된다.

5) sv단계4: 타원체 최소 제곱법은 전체 세트 가속도계 파라미터들을 추정하기 위해 사용될 것이다. 사용자가 초기 상태에서 다시 시작하기 위해 모든 중력 샘플들을 삭제할 때까지 상태는 이러한 상태에 머무를 것이다.

6. 진보적 학습 시스템

구 모델 데이터는 모션 센서 디바이스의 사용을 따라 점진적으로 구축된다. 모델 데이터 구축 프로세싱은 학습 프로세스의 중요한 부분이다.

중력 카운터는 그리드 레벨에서의 중력 샘플 커버리지를 모니터링한다. 일 예에서, 8x8의 그리드는 X-Y 평면에 대해 한정된다. 동일한 그리드에서 중력 샘플이 이미 존재한다면, 중력 카운터를 갖는 로직은 동일한 그리드 내에서 새로운 샘플을 수용하지 않을 것이다.

사분면 카운터는 중력 카운터와 동일한 방식으로 작동한다. 전체 구는 3개의 직교하는 축 평면들에 의해 8개의 동등한 부분 공간들로 분할된다. 사분면 카운터 로직은 어떤 사분면이 중력 샘플들을 갖는지를 모니터링할 것이다.

각각의 추정된 파라미터가 이용 가능할 때, 평가기(108)에서의 평가 루틴은 이러한 추정을 센서 융합 시스템(16)(도 1)에서 현재 사용되는 추정과 비교하기 위해 사용된다. 새로운 추정이 더 양호한 점수를 갖는다면, 새로운 추정된 파라미터들은 현재의 추정을 대체하기 위해 시스템에 놓여질 것이다.

일반적으로, 학습 정확도는 더 많은 데이터(또는 행위 전문 용어를 학습하는 사람의 더 많은 경험)에 의해 증가된다. 그러나, 학습 알고리즘이 정확한 파라미터 추정을 항상 생성할 것이라는 보장은 없다. 양호한 평가 툴은 현재의 추정의 정확도를 모니터링하기 위해 본 발명에 포함된다. 이러한 평가 툴을 사용하여, 추정된 파라미터들의 정확도는 모션 센서 융합 시스템에서 채용되는 정확도들과 비교될 수 있다.

현재의 추정이 현재 채용된 추정보다 더 열악하다면, 이러한 추정은 폐기될 것이다.

현재의 추정이 현재 채용된 추정보다 더 양호하다면, 이러한 추정은 모션 센서 융합 시스템에 업데이트될 것이다.

이러한 방식으로, 학습의 강건성은 중력 모델에서의 일부 열악한 데이터를 갖고도 보장된다.

도 13a 내지 도 13c는 선형 가속도 및 구심 가속도를 받아들이지 않는 통상적 샘플 선택 규칙을 도시한다. 도 13a 및 도 13b는 사용자가 무작위 움직임들로 전화기를 만지는 동안의 자이로스코프 및 가속도계의 출력이다. 도 14는 선택 규칙들이 어떻게 작용하는지: 선택 규칙들을 거쳤던 "양호한 데이터"를 갖는 데이터 지점들을 도시한다.

도 14는 사용 중 자동 교정에서의 4개의 단계들의 통상적 흐름을 도시한다.

도 15는 상이한 단계들에서의 가속도계 바이어스 추정을 도시한다.

1) 단계 2에서, 중력의 대다수가 이러한 단계 동안 Z 축에 쏠리므로, Z 바이어스는 높은 정확도로 추정되는 반면에, X 및 Y 축들은 추정을 트리거하지 않는다. 제13 중력 샘플에서, Y 축은 타겟 축이 되고 그것의 바이어스가 추정된다.

2) 단계 3에서, 구 최소 제곱법이 트리거되며, 이는 3개의 축들의 감도가 동일하면 높은 정확도로 바이어스 추정을 전달할 수 있다. 이러한 가속도계에 대해, 3개의 축의 감도는 근소하게 상이하며, 이는 구 알고리즘이 충분한 정확도를 달성하는 것을 방해한다. 이러한 디바이스에서 2% 감도 변화들이 있으므로, 구 방법은 정확한 바이어스 추정을 제공할 수 없다. 그러므로, 타원체 방법이 트리거될 때, 바이어스 추정의 범프 업(bump up)이 제공된다.

3) 단계 4에서, 충분한 중력 커버리지가 있을 때, 타원체 최소 제곱법이 트리거된다. 이러한 방법은 매우 높은 정확도로 가속도계 파라미터들의 전체 세트를 전달한다.

본 발명의 이점들은 다음과 같다:

1. 가속도계 및 자력계들 둘다에 대한 사용 중 자동 교정 방법을 제공한다. 실험실 장비가 전혀 요구되지 않고, 평평한 수평 정지 표면을 갖는 것이 또한 필요하지 않다. 알고리즘은 사용자가 디바이스를 끊임 없이 사용함에 따라, 바이어스를 자동으로 교정한다.

2. 매우 빠른 초기 교정을 제공하고, 그것은 결국 수렴한다.

3. 사용자의 행위로부터 학습하고 (온도, 습도, 조립 응력, 자기 간섭 등과 같은) 주변 조건들에 적응할 수 있는 진보적 학습 방법을 제공한다.

4. 매우 높은 정확도로 바이어스를 교정한다. 실시예들 중 하나에 따라, 그것은 소비자 등급 가속도계들에 대해 5 밀리 G(중력의 0.5%)에 도달할 수 있다.

5. 바이어스뿐만 아니라, 감도 및 교차 축 감도를 커버하며, 이는 전체 커버리지 교정인 단계 4에서 교정될 수 있다.

6. 지능형 제1 원리 및 확률적 필터들로 구성되어 바람직하지 않은 데이터를 받아들이지 않는다, 예를 들어, 가속도계들에 대해, 필터는 원하지 않는 선형/구심 가속도를 자동으로 받아들이지 않을 수 있으며; 자력계들에 대해, 그것은 예측되지 않은 자기 간섭을 받아들이지 않을 수 있다.

7. 관리 에이전트를 제공하여 교정의 정확도 및 신뢰 수준을 모니터링하고, 바이어스는 계산으로부터의 현재의 바이어스가 이전 바이어스보다 더 양호하면 업데이트될 수 있거나; 그것은 계산으로부터의 현재의 바이어스가 더 열악한 이전 바이어스이면 바이어스를 폐기할 수 있다.

8. 가속도계들 및 자력계들의 모든 파라미터들(바이어스, 감도 및 교차 축 감도)을 끊임없이 모니터링하고, 다음의 파워 온 초기화를 위해 그것을 메모리 상에 저장한다.

본 발명이 도시된 실시예들에 따라 설명되었지만, 당업자는 실시예들에 변형들이 있을 수 있고 그러한 변형들이 본 발명의 사상 및 범위 내에 있을 것이라는 점을 쉽게 인식할 것이다. 따라서, 많은 변경들이 첨부된 청구항들의 사상 및 범위를 벗어나지 않는 범위 내에서 당업자에 의해 행해질 수 있다.

Claims (28)

1. 휴대용 디바이스에서의 가속도계를 교정하는 방법으로서,
   상기 가속도계로부터 데이터를 수신하는 단계;
   특정 기준들을 만족시키는 데이터를 선택하는 하나 이상의 선택 규칙들에 기반하여 상기 데이터로부터의 가속도계 샘플들을 제공하는 단계;
   상기 가속도계 샘플들을 수학적 모델에 맞추는 단계; 및
   상기 수학적 모델의 중심에 기반하여 상기 가속도계의 바이어스를 제공하는 단계를 포함하고,
   상기 선택 규칙들은, 작은 세트의 가속도계 샘플을 선택하기 위해 선형 가속도의 변화가 임계값 미만인 규칙을 포함하는, 방법.
2. 제1항에 있어서,
   자이로스코프로부터 데이터를 수신하는 단계를 더 포함하는, 방법.
3. 제1항에 있어서,
   상기 수학적 모델은 타원체인, 방법.
4. 제3항에 있어서,
   상기 타원체의 각각의 축의 신장은 상응하는 축의 스케일링과 동등한, 방법.
5. 제1항에 있어서,
   상기 선택 규칙들은 상기 가속도계 샘플들을 제공하기 위해 상기 데이터의 서브세트를 선택하는, 방법.
6. 제2항에 있어서,
   상기 선택 규칙들은 모션 중 선택 규칙을 포함하며, 가속도의 도함수가 상기 자이로스코프 및 상기 디바이스의 배향의 함수인, 방법.
7. 제1항에 있어서,
   상기 선택 규칙들은 선형 가속도의 변화가 임계값 미만인 것을 포함하는, 방법.
8. 제2항에 있어서,
   상기 선택 규칙들은 상기 디바이스의 회전 속도를 포함하는, 방법.
9. 제8항에 있어서,
   상기 회전 속도는 상기 자이로스코프 또는 4원수 도함수로부터 결정되는, 방법.
10. 제2항에 있어서,
    자이로스코프 데이터는 상기 디바이스가 이동하지 않거나 저속 이동하는지를 판단하기 위해 사용되는, 방법.
11. 제1항에 있어서,
    선택된 데이터는, 상기 데이터의 제2, 제3 및 제4 차수를 포함하는, 방법.
12. 휴대용 디바이스에서의 가속도계를 교정하는 방법으로서,
    상기 가속도계로부터 데이터를 수신하는 단계;
    특정 기준들을 만족시키는 데이터를 선택하는 하나 이상의 선택 규칙들에 기반하여 상기 데이터로부터의 가속도계 샘플들을 제공하는 단계; 및
    다수의 가속도계 샘플들에 기반하여 상기 가속도계의 바이어스를 제공하는 단계를 포함하고,
    상기 선택 규칙들은, 작은 세트의 가속도계 샘플을 선택하기 위해 선형 가속도의 변화가 임계값 미만인 규칙을 포함하는, 방법.
13. 제12항에 있어서,
    제 1 수의 가속도계 샘플들은 측정의 제 1 축에 대한 상기 가속도계의 상기 바이어스를 결정하는, 방법.
14. 제13항에 있어서,
    제 2 수의 가속도계 샘플들은 상기 가속도계의 상기 바이어스를 결정하기 위해 곡선 맞춤 알고리즘을 적용하여 결정하며, 상기 가속도계 샘플들의 제 2 수는 상기 가속도계 샘플들의 제1 수보다 더 큰, 방법.
15. 제14항에 있어서,
    제 3 수의 가속도계 샘플들은 상기 가속도계의 상기 바이어스를 결정하기 위해 더 타이트한 임계값들을 갖는 곡선 맞춤 알고리즘을 적용하여 결정하며, 상기 가속도계 샘플들의 제 3 수는 상기 가속도계 샘플들의 제2 수보다 더 큰, 방법.
    
    
16. 삭제
17. 삭제
18. 삭제
19. 삭제
20. 삭제
21. 삭제
22. 삭제
23. 삭제
24. 삭제
25. 삭제
26. 삭제
27. 삭제
28. 삭제

Images