KR20160096224A

KR20160096224A - 모바일 디바이스의 포지션을 추론하기 위한 디바이스들, 방법들, 및 장치들

Info

Publication number: KR20160096224A
Application number: KR1020167021101A
Authority: KR
Inventors: 레오나르드 헨리 그로콥
Original assignee: 퀄컴 인코포레이티드
Priority date: 2011-03-31
Filing date: 2012-03-30
Publication date: 2016-08-12
Also published as: US20130029681A1; JP2016039999A; JP2014515101A; CN103477192B; WO2012135726A1; CN103477192A; EP2691779A1; KR20130136575A

Abstract

활동에 참여하는 사용자와 동일 위치에 있는 모바일 디바이스의 하나 이상의 관성 센서들로부터 수신된 적어도 하나의 신호의 스펙트럼 포락선을 특성화하기 위해서 및 스펙트럼 포락선의 특성화에 적어도 부분적으로 기초하여, 활동에 참여하는 사용자에 대한 모바일 디바이스의 포지션을 추론하기 위해서 이용될 수도 있는 컴포넌트들, 방법들, 및 장치들이 제공된다.

Description

모바일 디바이스의 포지션을 추론하기 위한 디바이스들, 방법들, 및 장치들{DEVICES, METHODS, AND APPARATUSES FOR INFERRING A POSITION OF A MOBILE DEVICE}

이 특허 협력 조약 출원은 2011년 3월 31일 출원된 "Classification of User Activity Using Spectral Envelop of Sensor Signals" 라는 제목의 미국 가출원 제 61/470,001 호, 및 2012년 1월 31일 출원된 "Devices, Methods, and Apparatuses for Inferring a Position of a Mobile Device" 라는 제목의 미국 비-가출원 제 13/362,485 호에 대해 우선권을 주장하며, 이들은 참조에 의해 그들의 전체가 본원에 통합된다.

본원에 개시된 주제는 적어도 사용자에 대한 모바일 디바이스의 포지션 상태 분류를 검출하는 것에 관한 것이다.

스마트폰들과 같은 많은 모바일 통신 디바이스들은 디바이스의 모션 (motion) 을 검출하기 위해 이용될 수도 있는 가속도계와 같은 관성 센서를 포함한다. 이들 움직임들 (movements) 은 디바이스의 배향 (orientation) 을 검출하여 예를 들어 사용자에게 정보를 디스플레이할 때 디스플레이가 세로 모드 또는 가로 모드로 적절하게 배향될 수도 있도록 하는데 유용할 수도 있다. 다른 예에서, 스마트폰에 의해 수행되는 게이밍 애플리케이션은 하나 이상의 가속도계들에 의해 검출되는 움직임들에 의존하여 게임의 특징이 제어될 수도 있도록 할 수도 있다. 다른 예들에서, 가속도계에 의해 검출되는 제스처링 (gesturing) 움직임은 사용자가 지도를 스크롤하거나 메뉴를 내비게이트하거나 디바이스의 동작의 다른 양태들을 제어하도록 허용할 수도 있다.

비록 사용자 인터페이스 작업들을 보조하는데 유용하지만, 가속도계로부터의 출력 "트레이스들 (traces)" 은 모바일 디바이스 사용자들에세 보다 복잡하고 의미있는 보조를 제공하는 것에는 한계가 있었다. 예를 들어, 사용자가 격렬한 활동 (activity) 에 참여하고 있는 것을 모바일 디바이스가 검출할 수 있는 경우, 사용자를 산만하게 하지 않도록 착신 전화 호들을 바로 음성메일로 보내는 것이 유용할 수도 있다. 다른 예에서, 모바일 디바이스가 사용자의 지갑 또는 주머니에 있다는 것이 검출될 수 있는 경우, 배터리 자원을 낭비하지 않도록 디스플레이를 디스에이블 (disable) 시키는 것이 유리할 수도 있다.

몇몇 유형들의 움직임의 검출은 피크 가속도가 추정될 수도 있도록 임계화 (thresholding) 의 이용을 수반하였다. 하지만, 추정된 피크 가속도는 사용자의 활동 및 모바일 디바이스에 관한 오직 매우 제한된 정보만을 제공할 수도 있다. 가속도계 트레이스의 보다 많은 특징들을 조사함으로써, 보다 넓은 범위의 모바일 디바이스의 사용자에 대한 디바이스 포지션들 및 모션 상태들이 식별될 수 있다. 다시 말해, 이는 서비스 제공자가 사용자의 개별 요구들에 매칭하도록 모바일 디바이스의 거동 (behavior) 을 더 잘 적응시키는 것을 가능하게 할 수도 있다.

특정 구현들에서, 방법은, 사용자와 동일 위치에 있는 (co-located) 모바일 디바이스의 하나 이상의 관성 센서들 (inertial sensors) 로부터 수신된 적어도 하나의 신호의 스펙트럼 포락선 (spectral envelope) 을 특성화하는 단계, 및 스펙트럼 포락선의 특성화에 적어도 부분적으로 기초하여 활동에 참여하는 (engaged) 사용자에 대한 모바일 디바이스의 포지션 (position) 을 추론하는 단계를 포함한다.

다른 구현에서, 장치는, 모바일 디바이스의 가속도를 측정하는 수단, 가속도를 측정하는 수단으로부터 수신된 적어도 하나의 신호의 스펙트럼 포락선을 특성화하는 수단, 및 스펙트럼 포락선의 특성화에 적어도 부분적으로 기초하여 활동에 참여하는 사용자에 대한 모바일 디바이스의 포지션을 추론하는 수단을 포함한다.

또 다른 구현에서, 물품은, 모바일 디바이스의 하나 이상의 관성 센서들로부터 수신된 적어도 하나의 신호의 스펙트럼 포락선을 특성화하고, 스펙트럼 포락선의 특성화에 적어도 부분적으로 기초하여, 활동에 참여하는 사용자에 대한 모바일 디바이스의 포지션을 추론하도록, 모바일 디바이스의 프로세서에 의해 실행가능한 저장된 머신-판독가능 명령들을 포함하는 비-일시적 (non-transitory) 저장 매체를 포함한다.

또 다른 구현에서, 모바일 디바이스는, 모바일 디바이스의 가속도를 측정하기 위한 하나 이상의 센서들을 포함하고, 하나 이상의 관성 센서들로부터 수신된 적어도 하나의 신호의 스펙트럼 포락선을 특성화하는 하나 이상의 프로세서들을 포함한다. 모바일 디바이스는 또한, 스펙트럼 포락선의 특성화에 적어도 부분적으로 기초하여, 활동에 참여하는 사용자에 대한 모바일 디바이스의 포지션을 추론할 수도 있다.

다양한 도면들 전체에 걸쳐 동일한 참조 부호들은 동일한 부분들을 지칭하는 다음의 도면들을 참조하여 비제한적이고 비망라적인 양태들이 설명된다.
도 1 은 일 구현에 따라 모바일 디바이스에 적용될 수도 있는 예시적인 좌표 시스템이다.
도 2 는 일 구현에 따른, 시간의 함수로서 모바일 디바이스의 가속도의 플롯 (plot) 과 함께 손에 모바일 디바이스를 가지고 걷는 사용자를 나타낸다.
도 3 은 일 구현에 따른, 시간의 함수로서 모바일 디바이스의 가속도의 플롯과 함께 히프 포켓에 모바일 디바이스를 가지고 걷는 사용자를 나타낸다.
도 4 는 일 구현에 따른, 센서 신호의 스펙트럼 포락선을 특성화하는 프로세스의 다이어그램이다.
도 5 는 일 구현에 따른, 분류기 (classifier) 를 훈련시킨 결과로서 형성되는 결정 영역들을 나타내는 플롯이다.
도 6 은 일 구현에 따른, 모바일 디바이스와 연관된 예시적-컴퓨팅 환경을 나타내는 개략도이다.
도 7 은 일 구현에 따른, 활동에 참여하는 사용자에 대한 모바일 디바이스의 포지션을 추론하는 프로세스를 나타내는 흐름도이다.

활동에 참여하는 사용자에 대한 모바일 디바이스의 적어도 포지션 상태 (position state) 를 추론하기 위해 다양한 모바일 디바이스들에서 구현될 수도 있는 디바이스들, 방법들, 및 장치들이 제공된다. 구현들에서, 모바일 디바이스 내에 포함되는, 가속도계와 같은 관성 센서의 하나 이상의 출력 트레이스들에 신호-처리 알고리즘들이 적용될 수도 있다.

특정 구현에서, 분류기는, 모바일 디바이스에 위치된, 하나 이상의 가속도계들과 같은 관성 센서들로부터 수신된 신호들에 적어도 부분적으로 기초하여 활동에 참여하는 모바일 디바이스 사용자의 활동 상태를 추론할 수도 있다. 특정 예들에서, 모바일 디바이스 사용자의 특정 활동 상태를 나타내거나 시사할 수도 있는 "특징들 (features)" 을 계산 또는 추출하기 위해 하나 이상의 관성 센서들로부터의 신호들이 처리될 수도 있다. 또한, 하나 이상의 관성 센서들로부터 추출된 특징들은 활동에 참여하는 사용자에 대한 모바일 디바이스의 포지션을 추론하기 위해 처리될 수도 있다.

관성 센서들로부터 계산된 특징들은, 서있는 것 대 앉아 있는 것, 모바일 디바이스를 조작하고 있는 것, 걷고 있는 것, 달리고 있는 것, 운전하고 있는 것, 자전거를 타고 있는 것 등과 같은 특정 활동을 추론하기 위해 분류 엔진에 적용될 수도 있다. 일 구현에서, 분류 엔진은, 계산된 또는 추출된 특징들로부터 특정 활동을 추론하기 위해서 및 활동에 참여하는 사용자에 대한 모바일 디바이스의 포지션을 추론하기 위해서 패턴 인식을 적용할 수도 있다.

특정 구현에서, 사용자가 활동에 참여하는 동안 모바일 디바이스와 동일한 위치에 있는 사용자의 활동을 추론하는데 사용하기 위해 센서 신호로부터 추가적인 특징들이 획득되거나 추출될 수도 있다. 예를 들어, 파형으로서 관성 센서로부터의 신호를 처리함으로써, "스펙트럼 포락선 (spectral envelope)" 이 특성화될 수도 있다. 스펙트럼 포락선의 특성화는, 활동에 참여하는 사용자에 대한 모바일 디바이스의 포지션을 추론하고, 및/또는, 사용자의 활동을 추론하는데 적용될 수도 있다. 이 문맥에서, 사용자는, 단지 몇가지 예만 들어보면, 모바일 디바이스를 잡는 것, 그 또는 그녀의 손목 또는 상완에 모바일 디바이스를 착용하는 것, 모바일 디바이스를 그/그녀의 주머니에 갖는 것, 모바일 디바이스와 바로 부근 환경에 있는 것에 의해 모바일 디바이스와 동일 위치에 있을 수도 있다.

특정 예들에서, 스펙트럼 포락선은, 퓨리에 (Fourier) 진폭 스펙트럼으로부터 도출된 주파수-진폭 평면에서의 신호의 스펙트럼적 특성들을 나타낼 수도 있다. 이하 논의되는 바와 같이, 켑스트럴 (Cepstral) 필터링과 같은, 스피치 처리에 사용되는 신호들의 스펙트럼 포락선을 특성화하기 위한 어떤 기술들이 관성 센서들에 의해 생성되는 신호들의 특징들을 특성화하는데 또한 적용될 수도 있다.

도 1 은, 일 구현에 따른 가속도계 출력 트레이스들을 이용하여, 예를 들어 사용자가 활동에 참여하고 있는 동안, 모바일 디바이스 (102) 와 같은 모바일 디바이스의 사용자와 관련되어 활동 분류의 개입을 용이하게 하거나 지원하기 위해 전체적으로 또는 부분적으로 사용될 수도 있는 예시적인 좌표 시스템 (100) 을 나타낸다. 하지만, 가속도계는, 그로부터 사용자 활동이 분류될 수도 있는 관성 센서의 단지 일예이고, 청구된 주제는 이에 제한되는 것이 아니라는 것을 이해하여야 한다. 단지 몇가지 예를 들어 보면, 다른 관성 센서들 (예를 들어, 자이로스코프들, 자기계들 등), 압력 센서들, 주변광 센서들, 촬상 센서들, 온도 센서들과 같은 다른 유형들의 센서들로부터의 신호들이 모바일 디바이스와 동일 위치에 있는 사용자의 활동을 분류하기 위해 처리될 수도 있다. 도시된 바와 같이, 예시적인 좌표 시스템 (100) 은 예를 들어 3-차원 데카르트 좌표계를 포함할 수도 있지만, 청구된 주제는 거기에 한정되지 않는다. 여기서, "트레이스 (trace)" 라는 용어는 시간 종속적 센서 출력 정보를 지칭하고, 트레이스 형태로 획득/디스플레이될 연속적인 출력 정보를 요구하지는 않는다.

도 1 의 도시에서, 예를 들어 가속도 진동을 나타내는 모바일 디바이스 (102) 의 모션은, 적어도 부분적으로, 예시적인 좌표 시스템 (100) 의 원점 (104) 에 대한 3 개의 선형 차원들 또는 축들 X, Y, 및 Z 에 관하여 검출되거나 측정될 수도 있다. 예시적인 좌표 시스템 (100) 은 모바일 디바이스 (102) 의 바디 (body) 와 정렬될 수도 있고 또는 정렬되지 않을 수도 있다. 어떤 구현들에서, 원통형 또는 구형 좌표 시스템, 또는 필요한 수의 차원들을 정의하는 다른 좌표 시스템과 같는 비-데카르트 좌표 시스템이 이용될 수도 있다는 것에 또한 유의한다.

도 1 에 도시된 바와 같이, 예를 들어 모바일 디바이스 (102) 의 회전 모션은 적어도 부분적으로 1 또는 2 개의 차원들에 관하여 검출 또는 측정될 수도 있다. 예를 들어, 하나의 특정 구현에서, 모바일 디바이스 (102) 의 회전 모션은, 좌표들 (φ, τ) 의 면에서 검출 또는 측정될 수도 있고, 여기서 파이 (φ) 는 화살표 (106) 로 일반적으로 도시된 바와 같이 X-축에 관한 회전 또는 피치 (pitch) 를 나타내며, 타우 (τ) 는 화살표 (108) 에 의해 일반적으로 도시되는 바와 같이 Z-축에 관한 회전 또는 롤 (roll) 을 나타낸다. 따라서, 일 구현에서, 3-D 가속도계 (예를 들어, 3 개의 차원들에서 가속도를 측정할 수 있는 가속도계) 는 적어도 부분적으로 예를 들어 가속도 진동의 레벨 및 롤 차원에서 또는 피치 차원에서의 중력에 대한 변화를 검출 또는 측정할 수도 있고, 따라서, 5 개의 차원들의 관찰 가능성 (X, Y, Z, φ, τ) 을 제공한다. 하지만, 이들은 예시의 좌표 시스템 (100) 에 관하여 검출되거나 측정될 수도 있는 다양한 모션들의 단지 예들일 뿐이고, 청구된 주제는 이들 특정 모션들에 또는 상기 식별된 좌표 시스템들에 한정되는 것은 아니라는 것을 이해하여야 한다.

도 2 (200) 는, 일 구현에 따른, 시간의 함수로서 모바일 디바이스 상의 가속도계의 출력 트레이스를 나타내는 플롯과 함께 손에 모바일 디바이스를 지니고 걷는 사용자를 나타낸다. 도 2 에서, 사용자 (210) 는 그의 오른 손에 모바일 디바이스를 가지고 보통 걸음걸이로 걷고 있는 것이 도시된다. 사용자 (210) 의 우측에 도시된 플롯 (220) 은 적어도 부분적으로, 사용자 (210) 에 의해 운반되는 3-축 가속도계에 의해 생성된 출력 신호들로부터의 결과들이다.

도 3 (250) 은 일 구현에 따른, 시간의 함수로서 모바일 디바이스 상의 가속도계의 출력 트레이스를 나타내는 플롯과 함께 손에 모바일 디바이스를 가지고 걷고 있는 사용자를 나타낸다. 도 3 에서, 사용자 (260) 는 사용자의 히프 포켓에 모바일 디바이스를 가지고 평균 걸음걸이로 걷고 있는 것으로 도시된다. 사용자 (260) 의 우측에 도시된 플롯 (270) 은 적어도 부분적으로, 모바일 디바이스 내에 3-축 가속도계에 의해 생성된 출력 신호들로부터의 결과들이다.

따라서, 도 2 및 도 3 의 구현들에서 도시된 바와 같이, 사용자가 걷고 있는 동안 사용자의 히프 포켓에 위치된 모바일 디바이스는, 사용자가 모바일 디바이스를 그의 또는 그녀의 손에 쥐고 운반하는 것으로부터 발생할 수도 있는 가속도계 트레이스와는 상이한 가속도계 트레이스를 발생시킬 수도 있다. 이 예에서, 플롯 (270) 에서 나타난 바와 같이, 사용자의 주머니에 위치된 모바일 디바이스는 사용자가 걸음에 따라 수직 (±Z) 방향으로 구분되고 주기적인 가속도를 경험할 수도 있지만, ±X 또는 ±Y 방향들에서 매우 작은 가속도를 경험할 수도 있다. 따라서, 일 예에서, 상기 사용자가 상기 사용자의 주머니에 상기 모바일 디바이스를 가지고 걷고 있다는 것을 추론하는 것은, 제 2 및 제 3 방향들에서의 가속도 피크들보다 더 클 수도 있는 제 1 방향에서의 가속도 피크들을 검출하는 것에 적어도 부분적으로 기초할 수도 있다.

반면, 플롯 (220) 에서 나타난 바와 같이 사용자가 걷는 동안 사용자의 손에 위치된 모바일 디바이스는 수직 (±Z) 방향에서 보다 큰 가속도를 경험할 수도 있지만, 예를 들어 ±X 또는 ±Y 방향들에서 증가된 가속도를 경험할 수도 있다. 따라서, 일 예에서, 사용자의 손에 모바일 디바이스를 가지고 사용자가 걷고 있는 것을 추론하는 것은, ±X 또는 ±Y 방향들에서의 가속도보다 클 수도 있는 ±Z 방향에서의 모바일 디바이스의 가속도를 검출하는 것에 적어도 부분적으로 기초할 수도 있다.

상기 논의에 이어, 3-D 가속도계는, 예를 들어 디바이스와 동일 위치에 있는 사용자의 활동에 응답하여, 다양한 움직임들로 인한 3-차원 공간에서의 가속도들을 검출 또는 측정할 수도 있다.

통상적으로, 반드시 필수적으로 그러한 것은 아니지만, 가속도 진동들은, 엔진들, 바퀴들, 및 도로의 고르지 못함 등에 의해 생성되는 진동들로부터 적어도 부분적으로 초래되는 예를 들어 자동차, 오토바이, 자전거, 버스, 또는 기차와 같은 이동하는 차량과 같이 하나 이상의 다양한 후보 활동 분류들과 연관될 수도 있다. 가속도 진동들은 또한, 모바일 디바이스가 사용자의 손에서 운반되고, 사용자의 손목 또는 팔에 매여 있고, 사용자의 셔츠 또는 코트 주머니에 위치되는 등의 동안, 사용자가 걷는 것 또는 뛰는 것과 같은 활동에 참여하고 있는 동안, 사용자에 대한 모바일 디바이스의 후보 포지션 상태들과 연관될 수도 있다. 가속도 진동들은 또한, 모바일 디바이스가 사용자의 지갑, 배낭, 휴대용 가방, 사용자의 벨트 또는 의복에 부착된 홀스터 (holster) 등에서 운반되면서 사용자가 활동에 참여하고 있는 동안의 후보 포지션 상태들과 연관될 수도 있다. 후보 포지션 상태들은, 상기 사용자에 의해 운반되거나 상기 사용자에 의해 바퀴가 굴려지는 여행용 가방 또는 서류 가방과 같은 임의의 다른 유형의 가방에 있는 것을 포함할 수도 있다. 이들은 사용자에 대한 모바일 디바이스의 후보 포지션 상태들의 단지 예들이고, 청구되는 주제는 거기에 한정되는 것이 아니라는 것에 유의하여야 한다.

특정 구현에서, 분류기는, 가속도계들과 같은, 모바일 디바이스 상의 하나 이상의 관선 센서들로부터 수신된 신호들에 적어도 부분적으로 기초하여, 사용자가 활동에 참여하는 동안 모바일 디바이스와 동일 위치에 있는 사용자의 특정 활동 상태를 추론할 수도 있다. 여기서, 가속도계는, 특정 선형 차원을 따른 (예를 들어, X, Y, 또는 Z 축들을 따른) 가속도를 나타낼 수도 있는, 하나 이상의 출력 트레이스들 (시간에 걸친 가속도계 출력) 을 발생시킬 수도 있다. 이하 논의되는 바와 같이, 사용자가 앉는 것, 서는 것, 디바이스를 조작하는 것, 걷는 것, 조깅하는 것, 자전거를 타는 것, 달리는 것, 먹는 것 등과 같은 특정 활동을 수행하고 있을 가능성의 측정치를 계산하기 위해 가속도계 트레이스들이 처리될 수도 있다. 가속도계 트레이스들은 또한 모바일 디바이스의 포지션 상태를 추론하기 위해 프로세싱될 수도 있다.

상기 지적된 바와 같이, 모바일 디바이스와 동일 위치에 있는 사용자의 활동은 관성 센서 트레이스의 스펙트럼 포락선의 특성화에 적어도 부분적으로 기초하여 추론될 수도 있다. 특정 구현에서, 센서 신호의 스펙트럼 포락선을 특성화하기 위해 관성 센서 신호로부터 이하의 특징들이 추출될 수도 있다:

1. 켑스트럴 계수 (CC) 들;

2. 멜-주파수 (Mel-Frequency) 켑스트럴 계수 (MFCC) 들;

3. 델타 켑스트럴 계수 (dCC) 들;

4. 델타 멜-주파수 켑스트럴 계수 (dMFCC) 들;

5. 액셀 (accel) 켑스트럴 계수 (d2CC) 들;

6. 액셀 멜-주파수 켑스트럴 계수 (d2MFCC) 들;

7. 선형 예측 계수 (LPC) 들;

8. 델타 선형 예측 계수 (dLPC) 들; 및

9. 액셀 선형 예측 계수 (dLPC) 들.

하지만, 이들은 (예를 들어, 모바일 디바이스와 동일 위치에 있는 사용자의 활동 및/또는 사용자에 대한 모바일 디바이스의 포지션을 분류하는데 이용하기 위해) 스펙트럼 포락선을 특성화하기 위해 신호로부터 추출될 수도 있는 특징들의 단지 예들이라는 것을 이해하여야 한다. 청구된 주제는 이에 한정되는 것은 아니다.

관성 센서 출력의 스펙트럼 포락선을 특성화하기 위한 특징들의 추출에 관해, CC 들 또는 MFCC 들은 파형의 스펙트럼 포락선의 파라미터화를 제공할 수도 있다. 따라서, CC 들 또는 MFCC 들은, 모바일 디바이스가 사용자에 대해 상이한 로케이션들에 위치된 상태에서, 사용자의 걸음 또는 걸음걸이와 같은 상이한 유형들의 모션들로부터 발생하는 파형들을 구분하는데 유용할 수도 있다. 일 구현에서, CC 들은 관성 센서 신호로부터 특성화되는 특징들을 추출하기 위해 이용될 수도 있고, 여기서, 관심 주파수 대역들에 동등한 강조 (즉, 무게) 가 적용된다. 다른 구현들에서, MFCC 특징 추출에서 사용될 수도 있는 것과 같이, 보다 낮은 주파수 신호들이 강조될 수도 있는 반면 보다 높은 주파수 신호들이 덜 강조될 수도 있다. "트레이스" 라는 용어에서와 같이, "파형 (waveform)" 이라는 용어는 연속적/디스플레이될 필요가 없는 센서의 출력을 지칭하고; 스펙트럼 포락선 정보는 하나 이상의 모션 센서들의 연속적 또는 이산 (discrete) 출력으로부터 결정될 수 있다.

일 구현에서, 델타 CC 들은, 정적 CC 들에 추가하여 중첩하는 윈도우 (window) 들에 걸친 각각의 CC 의 속도 (예를 들어, 시간에 대한 변화율) 를 고려함으로써 CC 들의 성능을 강화하기 위해 이용될 수도 있다. 액셀 CC 들은, 중첩하는 윈도우들에 걸친 하나 이상의 정적 CC 들의 가속도 (예를 들어, 시간에 대한 속도의 변화율) 를 추가적으로 고려함으로써 CC 들의 성능을 추가적으로 강화할 수도 있다.

구현들에서, 델타 MFCC 들 및 액셀 MFCC 들에 대한 파라미터들은 관성 센서 출력 신호들로부터 CC 들을 계산함에 있어 정확도를 증가시키기 위해 적용될 수도 있다. 예를 들어, 델타 및 액셀 필터링을 적용하기 위해, 정적 MFCC 들은, 관성 센서 신호로부터 관심 대상의 주파수 대역들의 사전-강조 (pre-emphasis) 필터링 방식에 의해 계산될 수도 있다. 델타 및 액셀 필터링은 그 다음, 하나 이상의 MFCC 들의 (시간의 함수로서) 속도 및 가속도를 관찰하기 위해, 계산된 MFCC 들에 대해 수행될 수도 있다.

구현들에서, 선형 예측 계수 (LPC) 들은, 기초가 되는 관성 센서 신호가 올-폴 (all-pole) 자동회귀 프로세스에 의해 생성되는 경우, 스펙트럼 포락선을 특성화하기 위해 이용될 수도 있다. 일 구현에서, LPC 는 이전 출력 신호 샘플들의 근사 선형 조합으로서 시간에서의 특정 포인트에서 관성 센서의 출력 신호들을 모델링할 수도 있다. 일 예에서, 하나 이상의 데이터 윈도우들 동안 출력 신호들을 설명하는 계수들의 셋트에 에러 신호가 부가될 수도 있다.

일 구현에서, LPC 들로부터 MFCC 들로의 일-대-일 맵핑 (mapping) 이 존재할 수도 있다. 델타 LPC 들은, 중첩하는 윈도우들에 걸친 각 계수들의 속도 (예를 들어, 시간의 함수로서의 변화율) 를 추가적으로 고려함으로써 LPC 들의 성능을 강화할 수도 있다. 액셀 LPC 들은, 중첩하는 윈도우들에 걸친 각 계수의 가속도 (예를 들어, 시간의 함수로서 속도의 변화율) 를 추가적으로 고려함으로써 LPC 들의 성능을 추가적으로 강화할 수도 있다.

대안적인 구현에서, 모바일 디바이스와 동일 위치에 있는 사용자의 활동을 특성화하는데 사용하기 위해 (예를 들어, 스펙트럼 포락선의 특성화와 결합하여 또는 그 대신에) 관성 센서 신호로부터 다른 특징들이 추출될 수도 있다. 이들은 다음의 것들을 포함할 수도 있다:

1. 피치 (Pitch);

2. 스펙트럴 엔트로피 (Spectral Entropy);

3. 제로 크로싱 레이트 (Zero Crossing Rate; ZCR);

4. 스펙트럴 중심 (Spectral Centroid; SC);

5. 대역폭 (BW);

6. 밴드 에너지들 (Band Energies; BEs);

7. 스펙트럴 플럭스 (Spectral Flux; SF); 및

8. 스펙트럴 롤-오프 (Spectral Roll-off; SR).

일 구현에서, 주기적 모션의 기본적인 주파수를 정의할 수도 있는 피치가 관성 센서 신호로부터 측정될 수도 있다. 예를 들어 피치의 측정은, 예를 들어 조깅 대 뛰는 것, 산책 대 빠른 걸음 등과 같이 상이한 레이트들로 발생하는 유사한 모션들을 갖는 동작들 사이에 또는 중에 구별함에 있어서 유용할 수도 있다.

일 구현에서, 확률 분포로서 정규화되고 보이는 경우에 관성 센서 신호의 단기 주파수 스펙트럼에 대응할 수도 있는 스펙트럴 엔트로피가 측정될 수도 있다. 예를 들어, 스펙트럴 엔트로피의 측정은 신호의 주기성의 정도의 파라미터화를 가능하게 할 수도 있다. 일 예에서, 가속도계 트레이스로부터 계산된 보다 낮은 스펙트럴 엔트로피는, 사용자가 걷기, 조깅, 자전거 타기 등과 같은 주기적인 활동에 참여하고 있다는 것을 나타낼 수도 있다. 다른 한편으로, 보다 높은 스펙트럴 엔트로피는, 사용자가 디바이스를 조작하는 것 또는 고르지 못한 도로에서 자동차를 운전하는 것과 같은 비주기적 활동 분류에 참여하고 있다는 것에 대한 표시자일 수도 있다.

일 구현에서, 관성 센서 신호가 어떤 시간 윈도우에서 그것의 평균 값을 가로지르는 초 당 횟수를 설명할 수도 있는 제로 크로싱 레이트가 측정될 수도 있다. 제로 크로싱 레이트의 측정은, 양 및 음의 값들 사이의 보다 느린 변동들에 의해 표시될 수도 있는 걷기 대 양 및 음의 값들 사이의 보다 빠른 변동들에 의해 표시될 수도 있는 달리기와 같이, 상이한 레이트들로 변동하는 관성 센서 신호들을 생성하는, 사용자에 대한 모션들 또는 디바이스 포지션들 사이에 구분하는데 유용할 수도 있다.

일 구현에서, 관성 센서 신호의 단기 주파수 스펙트럼의 평균 주파수를 나타낼 수도 있는 스펙트럴 중심이 측정될 수도 있다. 서브밴드 (subband) 스펙트럴 중심들은, 관성 센서 신호의 전력 스펙트럼에 필터뱅크를 적용하고, 그 다음, 각 서브밴드에 대해 제 1 모멘트 (moment) (또는 중심) 를 계산함으로써 발견될 수도 있다. 신호 주파수 범위는 그 다음 다수의 빈들 (bins) 로 분할될 수도 있다. 각 서브밴드에 대한 대응하는 빈이 계산되고 1 만큼 증분될 수도 있다. 켑스트럴 계수들은 그 다음 결과적인 히스토그램의 이산 코사인 변환을 이용하여 계산될 수도 있다.

일 구현에서, 관성 센서 신호의 단시간 주파수 스펙터럼의 표준 편차로서 표현될 수도 있는 대역폭이 측정될 수도 있다. 일 예에서, 관성 센서 신호의 대역폭은 본원에 설명된 것들과 같은 하나 이상의 다른 측정들을 보완하기 위해 이용될 수도 있다. 일 구현에서, 관성 센서 신호의 단기 주파수 스펙트럼의 상이한 주파수 밴드들에서의 에너지들을 나타낼 수도 있는 밴드 에너지들이 측정될 수도 있다.

다양한 구현들에서, 스펙트럴 중심, 대역폭 및/또는 밴드 에너지들의 측정들은, 예를 들어, 주파수 스펙트럼의 상이한 부분들에서의 에너지 집중들을 나타낼 수도 있는 관성 센서 출력 신호들을 생성하는 사용자에 대한 모션들 또는 디바이스 포지션들 (예를 들어, 높은 주파수 활동들 대 낮은 주파수 활동들) 사이 또는 중에 구분하는데 유용할 수도 있다. 몇몇 구현들에서, 다른 측정들과 함께 이루어진 이들 추가적인 측정들은, 관성 센서 신호에 기초하여 정확한 활동 검출의 확률을 증가시키기 위해 이용될 수도 있다.

일 구현에서, 관성 센서 신호의 2 개의 연속적인 윈도우들에 걸친 단시간 주파수 스펙트럼들 사이의 차이의 평균일 수도 있는 스펙트럴 플럭스가 측정될 수도 있다. 스펙트럴 플럭스의 측정은, 예를 들어, 특정 주기적 거동이 변화하고 있는 속도를 특성화함에 있어서 (예를 들어, 활동 레벨이 단시간에 상당히 변화할 수도 있는 에어로빅 활동을 특성화함에 있어서) 이용될 수도 있다.

일 구현에서, 그 아래에 신호 에너지의 일정한 부분이 상주하는 주파수일 수도 있는 스펙트럴 롤-오프가 측정될 수도 있다. 일 예에서, 스펙트럴 롤-오프는, 다른 측정들과 결합되는 경우 사용자 활동을 결정하는데 유용할 수도 있는 주파수 스펙트럼의 형상을 특성화하는데 유용할 수도 있다.

관성 센서의 스펙트럼 포락선을 특성화하는 특징들의 추출의 특정 예들이 이하 제공된다. 여기서, N 개 샘플 윈도우에 걸쳐 x 축에 대한 가속도계 읽기를 a _x (0),..., a _x (N - 1) 에 의해 표시한다. 단순함을 위해, 이하의 논의는 x-축을 따른 움직임에 응답하는 관성 센서 신호들로부터 특징들을 추출하는 것에 초점을 맞춘다. 여기서, (예를 들어, 사용자 활동을 특성화하는데 사용하기 위해) x-축을 따른 움직임에 응답하는 가속도계 트레이스들에 추가하여 또는 대신에, 다른 선형 차원들을 따른 (예를 들어, y-축 및/또는 z-축을 따른) 움직임에 응답하는 가속도계 트레이스들로부터 특징들이 유사하게 추출될 수도 있다는 것을 이해하여야 한다. 특징들은 예를 들어 3 개의 선형 차원들에서 관성 센서 신호들의 함수들로부터 유사하게 추출될 수도 있고, 크기 신호를 추적하기 위해 이용될 수도 있는 수식은 다음을 포함할 수도 있다:

,...,

임의의 특정 가속도계 축들에 대해 (예를 들어, 각각의 이러한 가속도계 축에 대해) CC 들 및/또는 MFCC 들과 같은 특징들의 추출을 위해, N _c 멜-주파수 켑스트럴 계수들의 셋트가 계산될 수도 있다. 예를 들어 x-축에 대해, 이들은 c _x (0),..., c _x ( N _c - 1) 로서 표시될 수도 있다. y 및 z-축에 대해 계산된 유사한 계수들과 함께, 이는 집합적으로 3N _c 특징들을 산출할 것이다. 특정 상황들에서, 이들 특징들은 축들 간에 상관될 수도 있다. 특정 구현에서, N _c 멜-주파수 켑스트럴 계수들의 셋트는, x, y, 및 z 차원들을 따른 움직임에 각각 응답하는 가속도계 트레이스들 a _x (n), a _y (n), 및 a _z (n) 의 각각의 단기 퓨리에 변환들의 크기의 로그의 역 이산 퓨리에 변환을 취함으로써 대략적으로 계산될 수도 있다. CC 들 대 MFCC 들을 계산함에 있어서의 한 가지 차이점은 주파수 대역 사전-강조에 있고, 여기서, 특정 구현에 대해 이하 설명되는 바와 같이 보다 높은 주파수 대역들은 보다 낮은 주파수 대역들에 대해 덜 강조된다.

특정 예시적 구현에서, N _c MFCC 들은 다음과 같이 계산될 수도 있다:

1. N-포인트 가속도계 입력을 제로 패딩 (zero padding) 함으로써 N'-포인트 이산 퓨리에 변환을 계산한다.

,

.

일반적으로,

,

, 예를 들어,

.

2. 멜-주파수 사전-강조에 따라 이격된 M 개의 필터뱅크들

의 중심 주파수 인덱스들을 계산, 즉,

;

여기서, α 및 β 는 적절하게 선택된다.

CC 들에 대해 (즉, 멜-주파수 사전-강조 없이), 셋트

;

, 여기서, γ 는 적절하게 선택된다.

3. M 개의 필터뱅크들의 출력 계수들을 계산,

,

여기서,

는 다음과 같은 삼각형 윈도우 함수들임:

4. MFCC 들을 계산

,

제 1 계수는 로그 에너지를 나타낼 수도 있다. 이 계산은 도 4 (400) 에서 도시된 바와 같이 시퀀스

의 역 이산 퓨리에 변환 (IDFT) 을 취하는 것과 동등할 수도 있다. 통상적으로 N _c = 13 CC 들 또는 MFCC 들이 계산된다. 또한, 일 구현에서, 도 4 의 시간축은, 도 4 의 kHz 시간축과는 대조적으로, 수십 또는 수백 Hz 로 측정될 수도 있는 관성 센서들의 출력 신호들의 관심 주파수에 보다 가깝게 대응하도록 조정될 수도 있다.

다시, 상기 지적한 바와 같이, 연관된 N _c MFCC 들을 획득하기 위해 y 및 z-축들에서의 가속도계 트레이스들에 동일한 계산이 적용될 수도 있다.

도 2 (200) 의 예에 대해, MFCC 들은 사용자의 손에 지니고 있는 모바일 디바이스 상의 가속도계의 출력 트레이스를 나타낼 수도 있는 플롯 (220) 에 대해 계산될 수도 있다. 예시적인 플롯 (220) 에 대해, MFCC 넘버들 1-4 에 대한 값들이 아래의 표 1 에서 표현된다:

[표 1]

도 3 (250) 의 예에 대해, MFCC 들은, 사용자의 히프 포켓에서 운반되고 있는 모바일 디바이스 상의 가속도계의 출력 트레이스를 나타낼 수도 있는 플롯 (270) 에 대해 계산될 수도 있다. 예시적인 플롯 (270) 에 대해, MFCC 넘버들 1-4 에 대한 값들은 아래 표 2 에 표현된다:

[표 2]

델타 켑스트럴 계수들, 델타 MFCC 들, 액셀 캡스트럴 계수들, 및 액셀 MFCC 들의 계산에 관해, x-축 가속도계 값들의 제 1 윈도우는 a _x (0),...,a _x (N - 1) 에 의해 표시하고, 그들의 CC 들 및 MFCC 들은 c _x,1 (0),...,c _x,1 (Nc - 1) 에 의해 표시한다. 또한, x-축 가속도계 값들의 제 2 윈도우는 a _x (F),..., a _x (F + N - 1) 에 의해 표시하고, 그들의 CC 들 또는 MFCC 들은 c _x,2 (0),..., c _x,2 (N _c - 1) 에 의해 표시한다. 여기서 F 는 제 1 로부터 제 2 윈도우의 오프셋을 나타낸다. F = N 인 경우, 중첩은 존재하지 않을 수도 있고, F = N/2 인 경우, 50% 의 중첩이 존재할 수도 있다. 유사하게, x-축 가속도계 값들의 제 3 윈도우는 a_x(2F),..., a_x(2F + N - 1) 에 의해, 그들의 CC 들 또는 MFCC 들은 c_x,3(0),..., c_x,3(N_c - 1) 에 의해 표시한다.

제 2 윈도우에 대한 델타 CC 들 또는 MFCC 들은 그 다음 다음과 같이 계산될 수 있다:

;

유사하게 제 3 윈도우에 대한 델타 CC 들 또는 MFCC 들은 그 다음 다음과 같이 계산될 수 있다:

;

제 3 윈도우에 대한 액셀 CC 들 또는 MFCC 들은 그 다음 다음과 같이 계산될 수 있다:

;

CC 들 또는 MFCC 들은 제 4 및 제 5 윈도우들 등에 대해 유사하게 계산될 수도 있다.

특정 구현에서, 스펙트럴 엔트로피는 다음과 같이 계산될 수도 있다:

1. N-포인트 이산 퓨리에 변환을 다음과 같이 계산:

2. 계산된 N-포인트 이산 퓨리에 변환을 다음과 같이 정규화:

3. 스펙트럴 엔트로피를 다음과 같이 표현:

.

상기 지적한 바와 같이, 본원에서 논의된 기술들을 이용하여 센서 신호로부터 추출된 특징들은, 활동에 참여하는 사용자에 대한 모바일 디바이스의 포지션을 추론하기 위해서 및/또는 특정 사용자 활동을 추론하기 위해서 분류기 또는 분류 엔진에 의한 처리를 위해 특징 벡터들을 형성할 수도 있다. 예를 들어, 상기 설명된 특징들의 공동 통계들은 가우시안 혼합 모델 (Gaussian Mixture Model; GMM) 로 모델링될 수도 있고, 풀 베이지안 분류기 (Full Bayesian classifier) 에서 사용될 수도 있다. 대안적으로, 특정 단일 추출된 특징은 그것의 통계들이 모델링되는 것과 독립적으로 다루어질 수도 있고, 나이브 베이지안 분류기 (Naive Bayesian classifier) 에서 사용될 수도 있다. 다른 구현들에서, 특징들의 몇몇 서브셋트들 사이의 또는 중의 종속성들은, 다른 서브셋트들은 독립적인 것으로서 다루면서, 모델링될 수도 있다.

특히, 구현들에서, 분류기는 시간에 걸쳐 훈련될 수도 있다. 가속도계 데이터의 매 3 초에 대해, 특정 예시적인 구현에서, 축 당 150 개의 샘플들 (샘플링 주파수 = 50Hz), 총 450 개의 샘플들이 모일 수도 있고, 이를 다음과 같이 x 라고 부른다:

x = {a_x(1),..., a_x(150), a_y(1),..., a_y(150), a_z(1),..., a_z(150)}.

이들 샘플들 (x) 로부터, 특징 벡터 f(x) 가 계산될 수도 있다. 아래의 특정 예에서, 2 개의 특징들 f1 및 f2 가 존재하고, 따라서, 이 특징 벡터는 다음과 같이 2 개의 차원들을 갖는다:

f(x) = [f1(x)], [f2(x)].

특정 구현에서, 이들 2 개의 차원들은 예를 들어 피치, 및 가속도의 평균 크기를 계산하는 것에 대응할 수도 있다.

도 5 는 일 구현에 따른, 분류기를 훈련시킨 결과로서 형성되는 결정 영역들을 나타내는 플롯이다. 분류기를 훈련시키기 위해, 복수의 미리정의된 활동 분류들의 각각에 대한 데이터가 수집될 수도 있다. 특정 예에서, 다음의 3 가지 미리 정의된 활동 분류들이 존재할 수도 있다: 1) 손에 디바이스를 가지고 걷는 것, ω₁ 으로서 표시될 수도 있는 분류, 2) 주머니에 디바이스를 가지고 걷는 것, ω₂ 로서 분류될 수도 있는 분류, 및 3) 주머니에 디바이스를 가지고 뛰는 것, ω₃ 로서 표시될 수도 있는 분류. 2-차원 특징 공간에서의 데이터는 특정 예에 대해 도 5 에 도시된 바와 같이 플로팅될 수도 있다. 통계적 모델은 2-D 공간에서 매 포인트 x 에 대해 할당하는 각각의 정의된 분류에 대해 훈련될 수도 있고, 포인트 x 의 확률은 그 분류에 대한 통계적 모델에 의해 생성되며, 이는 우도 함수 (likelihood function) 로서 지칭될 수도 있다. 이들 우도 함수들은 전술한 3 개의 미리 정의된 활동 분류들에 대해 P(f(x)| ω = ω₁), P(f(x)| ω = ω₂), 및 P(f(x)| ω = ω₃) 로 표시될 수도 있다. 각 우도 함수는 입력들로서 2 개의 특징들, f1(x) 및 f2(x) 를 취하고, 단일 확률 값 (0 과 1 사이의 수) 을 제공한다.

훈련 (training) 후에 (예를 들어, 실시간 동작 동안), 분류기는 입력으로서 미지의 데이터 포인트 x (예를 들어, 전술한 450 개의 가속도계 샘플들) 를 수신할 수도 있고, 그 데이터 포인트 f(x) 에 대해 대응하는 특징 벡터를 계산할 수도 있다. 분류기는 그 다음 예를 들어 다음과 같이 표현되는, 그 포인트 x 에 대해 가장 높은 우도를 갖는 활동 분류를 선택할 수도 있다:

= argmax

_{

상기 식은, 분류 1 에 대한 우도가 분류 2 의 우도보다 높고 또한 분류 3 의 우도보다 높은 경우, 예를 들어, P(f(x)|ω₁)>P(f(x)|ω₂) 및 P(f(x)|ω₁)>P(f(x)|ω₃) 인 경우, 출력 값

을 ω1 으로 설정한다 (예를 들어, 분류 1 = 손에 디바이스를 가지고 걷는 것). 마찬가지로 분류 2 는 그것이 분류 1 및 분류 3 보다 높은 우도를 갖는 경우에 선택되고, 마찬가지로 분류 3 은 그것의 우도가 가장 높은 경우에 선택된다. 그림을 이용하여 이것은 도 5 에서 2-D 특징 공간 (x-축 = f1, y-축 = f2) 에서 도시된다. 결정 영역 1, 결정 영역 2, 및 결정 영역 3 에서의 포인트들의 셋트들은 특정 예에 대한 훈련 데이터를 나타낸다. 훈련 데이터에 적어도 부분적으로 기초하여, 하나 이상의 통계적 모델들이 형성 또는 생성될 수도 있다. 이들 모델들은, 실시간 데이터 포인트 x 가 결정 영역 1 에 놓이는 경우 (이는 P(f(x)|ω₁) 이 P(f(x)|ω₂) 및 P(f(x)|ω₃) 양자 모두보다 더 큰 영역으로서) 선택되는 분류 1 (포인트들 10 의 셋트) 을 특성화할 수도 있다. 마찬가지로 분류 2 는 실시간 데이터 포인트 x 가 결정 영역 2 에 놓이는 경우에 선택될 수도 있으며, 분류 3 은 실시간 데이터 포인트 x 가 결정 영역 3 에 놓이는 경우에 선택될 수도 있다.

도 6 은, 관성 센서 신호들에 적어도 부분적으로 기초하여 모바일 디바이스와 동일 위치에 있는 사용자의 활동을 분류하기 위한 하나 이상의 프로세스들을 부분적으로 또는 실질적으로 구현 또는 지원할 수 있는 하나 이상의 네트워크들 또는 디바이스들을 포함할 수도 있는 예시적인 컴퓨팅 환경 (500) 의 구현을 나타내는 개략도이다. 본원에서 설명된 바와 같은, 컴퓨팅 환경 (500) 에서 도시된 다양한 디바이스들 또는 네트워크들, 프로세스들, 또는 방법들의 전부 또는 일부는 다양한 하드웨어, 펌웨어, 또는 소프트웨어와 함께 그들의 임의의 결합을 이용하여 구현될 수도 있다는 것을 이해하여야 한다.

컴퓨팅 환경 (500) 은 예를 들어, 셀룰러 전화 네트워크, 인터넷, 모바일 애드-혹 (ad-hoc) 네트워크, 무선 센서 네트워크 등과 같은 적합한 통신 네트워크를 통해, 임의의 수의 다른 디바이스들, 모바일 또는 다른 것에 통신가능하게 커플링될 수도 있는 모바일 디바이스 (502) 를 포함할 수도 있다. 일 구현에서, 모바일 디바이스 (502) 는, 임의의 적합한 통신 네트워크를 통해 정보를 교환할 수도 있는 임의의 전자 디바이스, 기기, 또는 머신을 나타낼 수도 있다. 예를 들어, 모바일 디바이스 (502) 는 셀룰러 전화기들, 위성 전화기들, 스마트폰들, 개인 정보 단말기 (PDA) 들, 랩톱 컴퓨터들, 퍼스널 엔터테인먼트 시스템들, e-북 리더들, 태블릿 퍼스널 컴퓨터들 (PC), 퍼스널 오디오 또는 비디오 디바이스들, 퍼스널 내비게이션 디바이스들 등과 연관된 하나 이상의 컴퓨팅 디바이스들 또는 플랫폼들을 포함할 수도 있다. 어떤 예시적인 구현들에서, 모바일 디바이스 (502) 는 다른 디바이스에서의 사용을 위해 동작가능하게 인에이블될 수도 있는 하나 이상의 집적 회로들, 회로 기판들의 형태를 취할 수도 있다. 도시되지는 않았지만, 선택적으로 또는 대안적으로, 컴퓨팅 환경 (500) 과 연관된 하나 이상의 프로세스들을 용이하게 하거나 그 외에 지원하기 위해 모바일 디바이스 (502) 에 통신가능하게 커플링되는 추가적인 디바이스들, 모바일 또는 다른 것들이 존재할 수도 있다. 따라서, 다르게 진술되지 않는 한, 논의를 단순화하기 위해, 다양한 기능성들, 엘리먼트들, 컴포넌트들 등이 모바일 디바이스 (502) 를 참조하여 이하 설명되고, 또한 예시적인 컴퓨팅 환경 (500) 과 연관된 하나 이상의 프로세스들을 지원하도록 도시되지 않은 다른 디바이스들에 적용가능할 수도 있다.

컴퓨팅 환경 (500) 은 예를 들어, 포지셔닝 시스템, 로케이션-기반 서비스 등과 연관된 하나 이상의 무선 신호들에 적어도 부분적으로 기초하여 모바일 디바이스 (502) 에 관해 포지션 (position) 또는 로케이션 (location) 정보를 제공할 수 있는 다양한 컴퓨팅 또는 통신 자원들을 포함할 수도 있다. 도시되지는 않았지만, 어떤 예시적인 구현들에서, 모바일 디바이스 (502) 는 예를 들어, (예를 들어, 삼변 측량, 열 지도 시그내쳐 매칭 등을 통해) 배향, 포지션 정보 등의 전부 또는 일부를 획득 또는 제공할 수 있는 로케이션-인식 또는 추적 유닛을 포함할 수도 있다. 이러한 정보는, 사용자 명령들, 제어된 모션들 등에 응답하여 하나 이상의 프로세스들을 지원하는데 제공될 수도 있고, 이는 예를 들어 하나 이상의 임계 값들 등과 같은 다른 적합한 또는 소망된 정보와 함께, 메모리 (504) 에 저장될 수도 있다.

메모리 (504) 는 임의의 적합한 또는 소망된 정보 저장 매체를 나타낼 수도 있다. 예를 들어, 메모리 (504) 는 프라이머리 (primary) 메모리 (506) 및 세컨더리 (secondary) 메모리 (508) 를 포함할 수도 있다. 프라이머리 메모리 (506) 는 예를 들어 랜덤 액세스 메모리, 판독 전용 메모리 등을 포함할 수도 있다. 이 예에서는 프로세싱 유닛 (510) 으로부터 분리된 것으로서 도시되지만, 프라이머리 메모리 (506) 의 전부 또는 일부는 프로세싱 유닛 (510) 내에 제공되거나 그 외에 프로세싱 유닛 (510) 과 동일위치/커플링될 수도 있다는 것을 이해하여야 한다. 세컨더리 메모리 (508) 는 예를 들어, 디스크 드라이브, 광학 디스크 드라이브, 테이프 드라이브, 솔리드 스테이트 메모리 드라이브 등과 같은, 프라이머리 메모리 또는 하나 이상의 정보 저장 디바이스들 또는 시스템들과 동일 또는 유사한 유형의 메모리를 포함할 수도 있다. 어떤 구현들에서, 세컨더리 메모리 (508) 는 비-일시적 컴퓨터-판독가능 매체 (512) 를 동작가능하게 수용할 수도 있거나, 그 외에, 거기에 커플링되도록 인에이블될 수도 있다.

컴퓨터-판독가능 매체 (512) 는 예를 들어, 컴퓨팅 환경 (500) 과 연관된 하나 이상의 디바이스들에 대해 정보, 코드, 또는 명령들을 저장하거나 그들에 대한 액세스를 제공할 수 있는 임의의 매체 (예를 들어, 제조 물품 (article of manufacture) 등) 를 포함할 수도 있다. 예를 들어, 컴퓨터-판독가능 매체 (512) 는 프로세싱 유닛 (510) 에 의해 제공되거나 액세스될 수도 있다. 이와 같이, 어떤 예시적인 구현들에서, 방법들 또는 장치들은 컴퓨터-수행가능 명령들을 저장하여 포함할 수도 있는 컴퓨터-판독가능 매체의 형태를 전체 또는 부분적으로 취할 수도 있고, 이 명령들은, 적어도 하나의 프로세싱 유닛 또는 기타 회로에 의해 실행되는 경우, 프로세싱 유닛 (510) 또는 기타 회로가, 포지션 결정 프로세스들, 센서-기반 또는 센서-지원 측정들 (예를 들어, 가속, 감속, 배향, 경사, 회전 등), 관성 센서 신호들로부터 특징들의 추출/계산, 모바일 디바이스의 사용자와 동일 위치의 활동을 분류하는 것, 또는 모바일 디바이스 (502) 의 나머지 검출을 용이하게 하거나 그외에 지원하기 위한 임의의 유사한 프로세스들의 전부 또는 부분들을 수행하는 것을 가능하게 할 수도 있다. 어떤 예시적인 구현들에서, 프로세싱 유닛 (510) 은 통신들, 게이밍 등과 같은 다른 기능들을 수행 또는 지원 가능할 수도 있다.

프로세싱 유닛 (510) 은 하드웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수도 있다. 프로세싱 유닛 (510) 은 정보 컴퓨팅 기술 또는 프로세스의 적어도 일부분을 수행할 수 있는 하나 이상의 회로들을 나타낼 수도 있다. 한정이 아닌 예시로서, 프로세싱 유닛 (510) 은 하나 이상의 프로세서들, 제어기들, 마이크로프로세서들, 마이크로제어기들, 애플리케이션 특정 집적 회로들, 디지털 신호 프로세서들, 프로그래머블 로직 디바이스들, 필드 프로그래머블 게이트 어레이들, 또는 기타, 또는 이들의 임의의 조합을 포함할 수도 있다.

모바일 디바이스 (502) 는 컴퓨팅 환경 (500) 과 연관된 하나 이상의 프로세스들을 용이하게 하거나 그 외에 지원하기 위해 예를 들어 하나 이상의 가속도계들 (513), 또는 마그네틱 콤파스, 자이로스코프, 비디오 센서, 중력계 등과 같은 다양한 다른 센서(들) (514) 등과 같은 다양한 컴포넌트들 또는 회로를 포함할 수도 있다. 예를 들어, 이러한 센서들은 프로세싱 유닛 (510) 에 아날로그 또는 디지털 신호들을 제공할 수도 있다. 도시되지는 않았지만, 모바일 디바이스 (502) 는 하나 이상의 센서들로부터의 아날로그 신호들을 디지털화하기 위한 아날로그-대-디지털 변환기 (ADC) 를 포함할 수도 있다는 것에 유의하여야 한다. 선택적으로 또는 대안적으로, 이러한 센서들은 각각의 출력 신호들을 디지털화하기 위해 지정된 (예를 들어, 내부의 등) ADC(들)을 포함할 수도 있고, 하지만, 청구된 주제는 그에 한정되는 것은 아니다.

도시되지는 않았지만, 모바일 디바이스 (502) 는 또한, 이전에 언급한 바와 같이, 가속도계 측정 정보 (예를 들어, 가속도계 트레이스들) 등과 같은 적합한 또는 소망된 정보를 수집하기 위해 메모리 또는 정보 버퍼를 포함할 수도 있다. 모바일 디바이스는 또한 예를 들어, 모바일 디바이스 (502) 의 컴포넌트들 또는 회로의 일부 또는 전부에 전력을 제공하기 위해, 전원을 포함할 수도 있다. 전원은 예를 들어 배터리와 같은 휴대용 전원일 수도 있고, 또는, (예를 들어, 가정, 충전 스테이션 등에서의) 콘센트와 같은 고정된 전원을 포함할 수도 있다. 전원은 (예를 들어, 독립형 등) 모바일 디바이스 (502) 에 의해 그 내에 통합될 수도 있고 (예를 들어, 내장형 등), 또는 그 외에 그 모바일 디바이스에 의해 지원될 수도 있다.

모바일 디바이스 (502) 는, 다양한 회로들을 함께 동작가능하게 커플링하기 위한 하나 이상의 연결 버스 (516) (예를 들어, 버스들, 회선들, 도체들, 광 섬유들 등), 및 사용자 입력을 수신, 센서-관련 신호 측정들을 용이하게 하거나 지원, 또는 정보를 사용자에게 제공하기 위한 사용자 인터페이스 (518) (예를 들어, 디스플레이, 터치 스크린, 키패드, 버튼들, 손잡이들, 마이크로폰, 스피커, 트랙볼, 데이터 포트 등) 를 포함할 수도 있다. 모바일 디바이스 (502) 는, 지시되었던 바와 같은 하나 이상의 적합한 통신 네트워크들을 통해 하나 이상의 다른 디바이스들 또는 시스템들과의 통신을 허용하기 위한 통신 인터페이스 (520) (예를 들어, 무선 송신기 또는 수신기, 모뎀, 안테나 등) 를 더 포함할 수도 있다.

도 7 은 일 구현에 따른, 활동에 참여하는 사용자에 대한 모바일 디바이스의 포지션 상태를 추론하는 프로세스를 나타내는 흐름도 (550) 이다 (여기서, 포지션 상태는 GPS 또는 다른 포지셔닝 기술들에 의해 계산되는 것과 같은 절대적 포지션이라기보다는 포지션의 분류를 지칭한다). 도 6 의 실시형태가 도 7 의 방법을 수행하기에 적합할 수도 있지만, 구조들 및 컴포넌트들의 대안적인 배열들을 이용하여 그 방법을 수행하는 것을 아무것도 방해하지 않는다. 일 구현에서, 이 방법의 애플리케이션 동안, 걷는 것, 뛰는 것, 자전거를 타는 것 등과 같은 율동적인 행동을 갖는 몇몇 형태의 움직임에 사용자가 참여할 것이라는 것이 상상될 수 있고, 하지만 청구된 주제는 이에 한정되는 것은 아니다.

도 7 의 방법은 블록 (560) 에서 시작하고, 여기서, 활동에 참여하는 사용자와 동일 위치에 있는 모바일 디바이스의 하나 이상의 관성 센서들로부터 수신된 적어도 하나의 신호의 스펙트럼 포락선이 특성화된다. 블록 (570) 에서, 스펙트럼 포락선의 특성화에 적어도 부분적으로 기초하여 사용자에 대한 모바일 디바이스의 포지션 상태가 추론된다.

본원에 설명된 방법론들은 특정 특징들 또는 예들에 따른 애플리케이션들에 의존하여 다양한 수단들에 의해 구현될 수도 있다. 예를 들어, 이러한 방법론들은 하드웨어, 펌웨어, 소프트웨어, 이산/고정 로직 회로, 이들의 임의의 조합, 및 기타 등등으로 구현될 수도 있다. 예를 들어 하드웨어 또는 로직 회로 구현에서, 프로세싱 유닛은, 몇 가지 예만 들어보면, 하나 이상의 애플리케이션 특정 집적 회로 (ASIC) 들, 디지털 신호 프로세서 (DSP) 들, 디지털 신호 프로세싱 디바이스 (DSPD) 들, 프로그래머블 로직 디바이스 (PLD) 들, 필드 프로그래머블 게이트 어레이 (FPGA) 들, 프로세서들, 제어기들, 마이크로-제어기들, 마이크로프로세서들, 전자 디바이스들, 본원에서 설명된 기능들을 수행하도록 설계된 다른 디바이스들 또는 유닛들 내에서 구현될 수도 있다.

펌웨어 또는 소프트웨어 구현에 있어서, 방법론들은 본원에서 설명된 기능들을 수행하는 명령들을 갖는 모듈들 (예를 들어, 절차들, 함수들 등) 로 구현될 수도 있다. 명령들을 유형적으로 포함하고 있는 임의의 머신-판독가능 매체가 본원에서 설명된 방법론들을 구현함에 있어서 이용될 수도 있다. 예를 들어, 소프트웨어 코드들은 메모리에 저장되고 프로세서에 의해 실행될 수도 있다. 메모리는 프로세서 내에 구현될 수도 있고 프로세서 외부에 있을 수도 있다. 본원에서 사용된 바와 같은 "메모리" 라는 용어는 임의의 유형의 장기, 단기, 휘발성, 비휘발성, 또는 기타 메모리를 지칭하고, 임의의 특정 유형의 메모리 또는 메모리들의 수, 또는 메모리가 저장되는 매체의 유형에 한정되지 않는다. 적어도 몇몇 구현들에서, 본원에서 설명된 저장 매체의 하나 이상의 부분들은 저장 매체의 특정 상태에 의해 표현되는 데이터 또는 정보를 나타내는 신호들을 저장할 수도 있다. 예를 들어, 데이터 또는 정보를 나타내는 전자적 신호는, 바이너리 정보 (예를 들어, 1 들 및 0 들) 로서 데이터 또는 정보를 나타내기 위해 저장 매체의 이러한 부분들의 상태에 영향을 미치거나 변화시킴으로써 저장 매체 (예를 들어, 메모리) 의 부분에 "저장" 될 수도 있다. 이와 같이, 특정 구현에서, 데이터 또는 정보를 나타내는 신호를 저장하기 위한 저장 매체의 부분의 상태의 이러한 변화는 저장 매체의 상이한 상태 또는 상황으로의 변환을 구성한다.

지시되었던 바와 같이, 하나 이상의 예시적 구현들에서, 설명된 기능들은 하드웨어, 소프트웨어, 펌웨어, 이산/고정 로직 회로, 이들의 몇몇 조합, 및 기타 등등으로 구현될 수도 있다. 소프트웨어로 구현되는 경우, 기능들은 하나 이상의 명령들 또는 코드들로서 물리적인 컴퓨터-판독가능 매체에 저장될 수도 있다. 컴퓨터-판독가능 매체는 물리적인 컴퓨터 저장 매체를 포함한다. 저장 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 이용가능한 물리적 매체일 수도 있다. 한정이 아닌 예시로서, 이러한 컴퓨터-판독가능 매체는, RAM, ROM, EEPROM, CD-ROM 또는 다른 광학적 디스크 스토리지, 자기 디스크 스토리지 또는 다른 자기 스토리지 디바이스들, 또는 명령들 또는 데이터 구조들의 형태로 원하는 프로그램 코드를 저장하기 위해 이용될 수 있고 그것의 컴퓨터 또는 프로세서에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있다. 본원에서 사용된 바와 같은 디스크 (disk) 및 디스크 (disc) 는 컴팩트 디스크 (CD), 레이저 디스크, 광학 디스크, 디지털 다용도 디스크 (DVD), 플로피 디스크, 및 블루-레이 디스크를 포함하고, 여기서 디스크 (disk) 들은 데이터를 통상적으로 자기적으로 재생하는 반면, 디스크 (disc) 들은 데이터를 레이저들을 이용하여 광학적으로 재생한다.

전술한 바와 같이, 모바일 디바이스는, 하나 이상의 무선 통신 기술들을 이용하여 다양한 통신 네트워크들을 통한 정보의 무선 송신 또는 수신을 통해 하나 이상의 다른 디바이스들과 통신할 수도 있다. 여기서, 예를 들어, 무선 통신 기술들은, 무선 광역 네트워크 (WWAN), 무선 로컬 영역 네트워크 (WLAN), 무선 개인 영역 네트워크 (WPAN) 등을 이용하여 구현될 수도 있다. "네트워크" 및 "시스템" 이라는 용어는 본원에서 상호교환 가능하게 사용될 수도 있다. WWAN 은, 코드 분할 다중 액세스 (CDMA) 네트워크, 시간 분할 다중 액세스 (TDMA) 네트워크, 주파수 분할 다중 액세스 (FDMA) 네트워크, 직교 주파수 분할 다중 액세스 (OFDMA) 네트워크, 단일-캐리어 주파수 분할 다중 액세스 (SC-FDMA) 네트워크, 롱 텀 에볼루션 (LTE) 네트워크, WiMAX (IEEE 802.16) 네트워크 등일 수도 있다. CDMA 네트워크는, 단지 몇 가지 무선 기술들만 들어보자면, cdma2000, 광대역-CDMA (WCDMA), 시간 분할 동기식 코드 분할 다중 액세스 (TD-SCDMA) 와 같은 하나 이상의 라디오 액세스 기술 (RAT) 들을 구현할 수도 있다. 여기서, cdma2000 은 IS-95, IS-2000, 및 IS-856 표준들에 따라 구현되는 기술들을 포함할 수도 있다. TDMA 네트워크는 모바일 통신들을 위한 글로벌 시스템 (GSM), 디지털 어드밴스드 모바일 폰 시스템 (D-AMPS), 또는 몇몇 다른 RAT 를 구현할 수도 있다. GSM 및 W-CDMA 는 "제 3 세대 파트너쉽 프로젝트" (3GPP) 로 명명된 컨소시엄으로부터의 문헌들에 설명되어 있다. cdma2000 은 "제 3 세대 파트너쉽 프로젝트 2" (3GPP2) 로 명명된 컨소시엄으로부터의 문헌들에 설명되어 있다. 3GPP 및 3GPP2 문헌들은 공중이 이용가능하다. WLAN 은 IEEE 802.11x 네트워크를 포함할 수도 있고, WPAN 은 예를 들어 블루투스 네트워크, IEEE 802.15x, 또는 몇몇 다른 유형의 네트워크를 포함할 수도 있다. 본 기술들은 또한, WWAN, WLAN, 또는 WPAN 의 임의의 조합과 함께 구현될 수도 있다. 무선 통신 네트워크들은 예를 들어 롱 텀 에볼루션 (LTE), 어드밴스드 LTE, WiMAX, 울트라 모바일 브로드밴드 (UMB) 등과 같은, 소위 차세대 기술들 (예를 들어, "4G") 을 포함할 수도 있다.

일 특정 구현에서, 모바일 디바이스는 예를 들어, 그것의 로케이션, 방위, 속도, 가속도 등을 추정할 목적으로 모바일 디바이스와의 통신들을 용이하게 하거나 지원하는 하나 이상의 펨토셀들과 통신 가능할 수도 있다. 본원에서 사용된 "펨토셀" 은, 예를 들어 디지털 가입자 회선 (DSL) 또는 케이블과 같은 브로드밴드를 통해 예를 들어 서비스 제공자의 네트워크에 접속하도록 인에이블될 수도 있는 하나 이상의 보다 작은 사이즈의 셀룰러 기지국들을 지칭할 수도 있다. 필수적인 것은 아니지만 통상적으로, 펨토셀은, 예를 들어 많은 가능한 것들 중에서 몇 가지 예들만 들어 보면, 유니버셜 모바일 원격통신 시스템 (UTMS), 롱 텀 에볼루션 (LTE), 에볼루션-데이터 옵티마이즈드 또는 에볼루션-데이터 온리 (EV-DO), GSM, WiMAX (Worldwide Interoperability for Microwave Access), 코드 분할 다중 액세스(CDMA)-2000, 또는 시간 분할 동기식 코드 분할 다중 액세스 (TD-SCDMA) 등과 같은 다양한 유형들의 무선 통신 기술을 이용하거나 그 외에 그들과 호환가능할 수도 있다. 어떤 구현들에서, 펨토셀은 예를 들어 집적된 WiFi 를 포함할 수도 있다. 하지만, 펨토셀들에 관련된 이러한 상세들은 단지 예들이고, 청구된 주제는 이에 한정되는 것은 아니다.

또한, 컴퓨터-판독가능 코드 또는 명령들은 송신기로부터 수신기로 물리적인 송신 매체를 통한 신호들을 통해 (예를 들어, 전기적 디지털 신호들을 통해) 송신될 수도 있다. 예를 들어, 소프트웨어는, 동축 케이블, 광 섬유 케이블, 트위스트 페어, 디지털 가입자 회선 (DSL), 또는 적외선, 라디오, 및 마이크로웨이브와 같은 무선 기술들의 물리적 컴포넌트들을 이용하여 웹사이트, 서버, 또는 다른 원격 소스로부터 송신될 수도 있다. 상기의 것들의 조합들 또한 물리적 송신 매체의 범위 내에 포함될 수도 있다. 이러한 컴퓨터 명령들 또는 데이터는 상이한 시간들에서 (예를 들어, 제 1 및 제 2 시간들에서) 부분들 (예를 들어, 제 1 및 제 2 부분들) 로 송신될 수도 있다. 이 상세한 설명의 일부 부분들은 구체적인 장치 또는 특수 목적 컴퓨팅 디바이스 또는 플랫폼의 메모리 내에 저장된 바이너리 디지털 신호들에 대한 동작들의 알고리즘들 또는 기호적 표현들의 면에서 제공되었다. 이 특정 명세서의 문맥에서, 구체적인 장치 등이라는 용어는 일단 프로그램 소프트웨어로부터의 명령들에 따른 특별한 기능들을 수행하도록 프로그래밍되면 범용 컴퓨터를 포함한다. 알고리즘적 설명 또는 기호적 표현들은, 신호 처리 또는 관련 기술들에서의 당해 기술분야에서 통상의 지식을 가진 자 (이하, '당업자' 라 함) 가 다른 당업자에게 그들의 작업의 실체를 전달하기 위해 그 당업자에 의해 이용되는 기술들의 예들이다. 여기서 일반적으로 알고리즘은 원하는 결과로 이끄는 동작들 또는 유사한 신호 처리의 자기 일치 시퀀스인 것으로 고려된다. 이러한 맥락에서, 동작들 또는 처리는 물리적인 양들의 물리적인 조작을 수반한다. 반드시 필수적인 것은 아니지만 통상적으로, 이러한 양들은 저장, 전송, 결합, 비교, 또는 그 외에 조작될 수 있는 전기적 또는 자기적 신호들의 형태를 취할 수도 있다.

이러한 신호들을 비트, 정보, 값, 엘리먼트, 심볼, 문자, 변수, 용어, 번호, 숫자 등으로서 지칭하는 것이, 주로 통상적인 사용의 이유들을 위해 때로 편리한 것으로 증명되었다. 하지만, 이들 또는 유사한 용어들의 모두는 적절한 물리적 양들과 연관되어야 하고, 단지 편리한 라벨들일 뿐이라는 것을 이해하여야 한다. 구체적으로 달리 진술되지 않는 한, 이 명세서 전체에 걸쳐, 상기 논의로부터 명백한 바와 같이, "처리 (processing)", "컴퓨팅", "계산", "결정", "확인", "식별", "연관", "측정", "수행" 등과 같은 용어들을 이용한 논의들은, 특수 목적 컴퓨터 또는 유사한 특수 목적 전자적 컴퓨팅 디바이스와 같은, 구체적인 장치의 행위들 또는 프로세스들을 지칭한다. 따라서, 이 명세서의 문맥에서, 특수 목적 컴퓨터 또는 유사한 특수 목적 전자적 컴퓨팅 디바이스는, 그 특수 목적 컴퓨터 또는 유사한 특수 목적 전자적 컴퓨팅 디바이스의 메모리들, 레지스터들, 또는 다른 정보 저장 디바이스들, 송신 디바이스들, 또는 디스플레이 디바이스들 내의 물리적 전자적, 전기적, 또는 자기적 양들로서 통상적으로 표현되는 신호들을 조작 또는 전송할 수 있다.

본원에서 사용된 "및" 그리고 "또는" 이라는 용어들은 이러한 용어들이 사용된 문맥에 적어도 부분적으로 의존하도록 또한 예상되는 다양한 의미들을 포함할 수도 있다. 통상적으로, A, B, 또는 C 와 같은 리스트를 연관시키기 위해 사용된 경우의 "또는" 은 포함적 의미로 사용된 A, B, 및 C 뿐만 아니라 배타적 의미로 사용된 A, B, 또는 C 도 의미하는 것으로 의도된다. 또한, 본원에서 사용된 "하나 이상" 이라는 용어는 임의의 특징, 구조, 또는 특성을 단수형으로 설명하기 위해 이용될 수도 있고, 또는 특징들, 구조들, 또는 특성들의 몇몇 조합을 설명하기 위해 이용될 수도 있다. 하지만, 이것은 단지 예시적인 예일 뿐이고, 청구된 주제는 이 예에 한정되는 것은 아니다.

일정한 예시적인 기술들이 다양한 방법들 또는 시스템들을 이용하여 본원에서 설명되고 나타났지만, 청구된 주제로부터 벗어남이 없이 다양한 다른 변형들이 이루어질 수도 있고, 균등물들이 치환될 수도 있다는 것을 당업자는 이해할 것이다. 또한, 본원에서 설명된 중심 개념으로부터 벗어남이 없이 청구된 주제의 교시들에 특정 상황을 적응시키도록 많은 변형들이 이루어질 수도 있다. 따라서, 청구된 주제는 개시된 특정 예들에 한정되지 아니하고, 이러한 청구된 주제는 첨부된 청구항들 및 그들의 균등물들의 범위에 속하는 모든 구현들을 또한 포함할 수도 있는 것으로 의도된다.

Claims

본원 발명의 설명에 기재된 방법.