用于对多个装置状态分类的方法和设备的制作方法
【专利摘要】本文描述用于使用单独贝叶斯分类器来对多个装置状态分类的技术。本文所描述的方法的实例包含:存取装置的传感器信息,其中所述传感器信息中的至少一些用于第一特征集中且所述传感器信息中的至少一些用于第二特征集中;使用经配置以确定第一状态类型的第一建议状态和第二状态类型的第一建议状态的第一分类算法来处理所述第一特征集;使用经配置以确定所述第一状态类型的第二建议状态和所述第二状态类型的第二建议状态的第二分类算法来处理所述第二特征集;以及将装置的建议状态确定为所述第一状态类型的所述第一建议状态和所述第二状态类型的所述第二建议状态。
【专利说明】用于对多个装置状态分类的方法和设备
[0001]相关申请案的交叉参考
[0002]本专利申请案主张2011年5月27日申请且题为“对多个装置状态分类(CLASSIFYING MULTIPLE DEVICE STATES) ” 的第 61 / 490,999 号美国临时申请案的权利,所述申请案的全部内容以引用的方式并入本文。
【技术领域】【背景技术】
[0003]无线通信装置在现今社会中日益普及。举例来说,人们使用蜂窝式电话、智能电话、个人数字助理、膝上型计算机、寻呼机、平板计算机等来从无数位置无线地发送及接收数据。此外,无线通信技术的进步已大大增加了现今无线通信装置的多功能性,使得用户能够从单个便携式装置执行常规上需要多个装置或较大非便携式设备的广泛范围的任务。
[0004]智能电话和其它移动装置可含有传感器。这些传感器可包含(但不限于)运动传感器(例如加速度计、回转仪等)和环境传感器(例如温度计、光传感器、麦克风等)。装置的运动传感器的输出指示装置的移动。装置移动含有关于用户的运动状态(例如,坐、站、走、跑等)和相对于用户的装置位置(例如,口袋、背包、手、桌子等)的信息。
[0005]可了解对应于特定传感器输出的状态,使得传感器数据可随后用以确定未知的装置状态。举例来说,在训练过程期间,经配置以执行分类算法的装置(例如,贝叶斯(Bayesian)分类器等)可暴露于运动状态/装置位置组合的实例,且可处理对应传感器数据以了解每一组合的模型。接着,当呈现出针对未知运动状态/装置位置的新的传感器信息集时,分类器将选择具有最高计算似然性(或在已知先验概率的情况下,为后验概率)的运动状态和装置位置。
[0006]此些分类算法可基于所识别特征和给定统计模型来操作。举例来说,可利用具有16个混合分量的高斯混合模型(GMM)来估计运动状态。作为另一实例,可利用具有2个混合分量的GMM来估计装置位置。需要提供装置状态分类的进一步改进的技术。
【发明内容】
[0007]本文所描述的对装置的多个状态类型分类的方法的实例包含:存取装置的传感器信息,其中所述传感器信息中的至少一些用于第一特征集中,且所述传感器信息中的至少一些用于第二特征集中;使用第一分类算法来处理所述第一特征集,其中所述第一分类算法经配置以确定第一状态类型的第一建议状态和第二状态类型的第一建议状态;使用第二分类算法来处理所述第二特征集,其中所述第二分类算法经配置以确定第一状态类型的第二建议状态和第二状态类型的第二建议状态;以及将装置的建议状态确定为所述第一状态类型的所述第一建议状态和所述第二状态类型的所述第二建议状态。
[0008]方法的实施方案可包含以下特征中的一者或一者以上。所述第一状态类型为运动状态,且所述第二状态类型为位置状态。用于所述第一特征集中的所述传感器信息包含加速度计输出,且所述第一特征集包含加速度计输出在时间间隔内的差异。用于所述第二特征集中的所述传感器信息包含针对具有至少第一轴和第二轴的多轴加速度计的多个加速度计轴的加速度计输出,且所述第二特征集包含所述多轴加速度计的两个加速度计轴之间的加速度的平均比率。所述第一分类算法包含使用所述第一特征集和第一概率分布函数的最大化联合似然算法。所述第一分类算法包含使用所述第一特征集和第一概率分布函数的最大化边缘后验算法。所述第二分类算法包含使用所述第二特征集和第二概率分布函数的最大化联合似然算法。所述第二分类算法包含使用所述第二特征集和第二概率分布函数的最大化边缘后验算法。所述第一分类算法和所述第二分类算法各自包含贝叶斯分类器。
[0009]本文所描述的移动装置的实例包含:一个或一个以上传感器,其经配置以产生传感器输出;特征集产生器模块,其以通信方式耦合到所述一个或一个以上传感器且经配置以使指示所述传感器输出的相应传感器信息与第一特征集和第二特征集中的至少一者相关联;以及分类模块,其以通信方式耦合到所述特征集产生器模块。所述分类模块经配置以执行以下操作,所述操作包含:使用第一分类算法来处理所述第一特征集,其中所述第一分类算法经配置以确定第一状态类型的第一建议状态和第二状态类型的第一建议状态;使用第二分类算法来处理所述第二特征集,其中所述第二分类算法经配置以确定所述第一状态类型的第二建议状态和所述第二状态类型的第二建议状态;以及将所述装置的建议状态确定为所述第一状态类型的所述第一建议状态和所述第二状态类型的所述第二建议状态。
[0010]移动装置的实施方案可包含以下特征中的一者或一者以上。所述第一状态类型为运动状态,且所述第二状态类型为位置状态。所述一个或一个以上传感器包含一个或一个以上加速度计,用于所述第一特征集中的所述传感器信息包含加速度计输出,且所述第一特征集包含加速度计输出在时间间隔内的差异。所述一个或一个以上传感器包含一个或一个以上加速度计,用于所述第二特征集中的所述传感器信息包含针对具有至少第一轴和第二轴的多轴加速度计的多个加速度计轴的加速度计输出,且所述第二特征集包含所述多轴加速度计的两个加速度计轴之间的加速度的平均比率。所述第一分类算法包含使用所述第一特征集和第一概率分布函数的最大化联合似然算法。所述第一分类算法包含使用所述第一特征集和第一概率分布函数的最大化边缘后验算法。所述第二分类算法包含使用所述第二特征集和第二概率分布函数的最大化联合似然算法。所述第二分类算法包含使用所述第二特征集和第二概率分布函数的最大化边缘后验算法。所述第一分类算法和所述第二分类算法各自包含贝叶斯分类器。
[0011]本文所描述的移动装置的另一实例包含:用于存取所述装置的传感器信息的装置;用于使所述传感器信息中的至少一些与第一特征集相关联的装置;用于使所述传感器信息中的至少一些与第二特征集相关联的装置;用于使用第一分类算法来处理所述第一特征集的装置,其中所述第一分类算法经配置以确定第一状态类型的第一建议状态和第二状态类型的第一建议状态;用于使用第二分类算法来处理所述第二特征集的装置,其中所述第二分类算法经配置以确定所述第一状态类型的第二建议状态和所述第二状态类型的第二建议状态;以及用于将所述装置的建议状态确定为所述第一状态类型的所述第一建议状态和所述第二状态类型的所述第二建议状态的装置。
[0012]上述移动装置的实施方案可包含以下特征中的一者或一者以上。所述第一状态类型为运动状态,且所述第二状态类型为位置状态。与所述第一特征集相关联的所述传感器信息包含加速度计输出,且所述第一特征集包含加速度计输出在时间间隔内的差异。与所述第二特征集相关联的所述传感器信息包含针对具有至少第一轴和第二轴的多轴加速度计的多个加速度计轴的加速度计输出,且所述第二特征集包含所述多轴加速度计的两个加速度计轴之间的加速度的平均比率。所述第一分类算法包含最大化联合似然算法或最大化边缘后验算法中的至少一者,且所述第一分类算法使用所述第一特征集和第一概率分布函数。所述第二分类算法包含最大化联合似然算法或最大化边缘后验算法中的至少一者,且所述第二分类算法使用所述第二特征集和第二概率分布函数。
[0013]本文所描述的计算机程序产品的实例驻留于处理器可读媒体上且包含处理器可读指令,所述处理器可读指令经配置以致使处理器进行以下动作:存取装置的传感器信息,其中所述传感器信息中的至少一些用于第一特征集中,且所述传感器信息中的至少一些用于第二特征集中;使用第一分类算法来处理所述第一特征集,所述第一分类算法经配置以确定第一状态类型的第一建议状态和第二状态类型的第一建议状态;使用第二分类算法来处理所述第二特征集,所述第二分类算法经配置以确定所述第一状态类型的第二建议状态和所述第二状态类型的第二建议状态;以及将所述装置的建议状态确定为所述第一状态类型的所述第一建议状态和所述第二状态类型的所述第二建议状态。
[0014]计算机程序产品的实施方案可包含以下特征中的一者或一者以上。所述第一状态类型为运动状态,且所述第二状态类型为位置状态。用于所述第一特征集中的所述传感器信息包含加速度计输出,且所述第一特征集包含加速度计输出在时间间隔内的差异。用于所述第二特征集中的所述传感器信息包含针对具有至少第一轴和第二轴的多轴加速度计的多个加速度计轴的加速度计输出,且所述第二特征集包含所述多轴加速度计的两个加速度计轴之间的加速度的平均比率。所述第一分类算法包含最大化联合似然算法或最大化边缘后验算法中的至少一者,且所述第一分类算法使用所述第一特征集和第一概率分布函数。所述第二分类算法包括最大化联合似然算法或最大化边缘后验算法中的至少一者,且所述第二分类算法使用所述第二特征集和第二概率分布函数。
【专利附图】
【附图说明】
[0015]图1是计算装置的组件的框图。
[0016]图2是用于多个装置状态的分类的系统的框图。
[0017]图3-4是与各种状态分类技术相关联的相应分类器的说明性视图。
[0018]图5是用于使用单独分类器来对装置的多个状态联合分类的系统的框图。
[0019]图6是对与装置相关联的多个状态分类的过程的方框流程图。
【具体实施方式】
[0020]本文描述用于通过利用多个分类器来对多个装置状态类型分类的技术。在一实施例中,使用对应数目个分类器来对多个装置状态类型分类,其中每一分类器针对一个特定状态而优化且输出用于一个特定状态的建议状态值。或者,在另一实施例中,使用多个装置状态的单独联合分类器。在其中对运动和位置状态分类的实例中,第一分类器使用已针对对运动状态分类而优化的特征集和统计模型,而第二分类器使用已针对对装置位置分类而优化的特征集和统计模型。每一分类器输出对运动状态和装置位置的联合估计,但第一分类器(即,运动状态分类器)丢弃或忽视其针对装置位置的输出,且第二分类器(即,装置位置分类器)丢弃或忽视其针对运动状态的输出。虽然本文的各种实例呈现于对位置和运动状态分类的上下文中,但本发明并不既定限于任何特定实例,且其它状态的分类也是可能的。
[0021 ] 本文所描述的项目及/或技术可提供以下能力中的一者或一者以上以及未提及的其它能力。可以改进的性能和准确性来执行装置状态分类。可在单组操作中执行多个装置状态(例如运动和位置)的估计而不会损害所述估计的准确性。移动装置和经配置以在移动装置上运行的应用程序可以增加的灵活性和对周围环境的改变的适应性来操作。虽然已描述至少一个项目/技术效应对,但通过不同于所述项目/技术的项目/技术来实现所述效应可为可能的,且所述项目/技术可能未必产生所述效应。
[0022]参看图1,实例计算装置12包括处理器20、包含软件24的存储器22、输入/输出(I / O)装置26 (例如,显示器、扬声器、小键盘、触摸屏或触摸板等)、以及一个或一个以上定向传感器28。另外,装置12可包含图1中未说明的其它组件,例如促进装置12与一个或一个以上网络实体之间的双向通信的网络接口,和/或任何其它合适组件。
[0023]处理器20为智能硬件装置,例如中央处理单元(CPU)(例如由丨mdO公司或AMD?制造的CPU)、微控制器、专用集成电路(ASIC)等。存储器22包含非皙时性存储媒体,例如随机存取存储器(RAM)和只读存储器(ROM)。存储器22存储软件24,其为含有指令的计算机可读、计算机可执行软件代码,所述指令经配置以在被执行时致使处理器20执行本文所述的各种功能。或者,软件24可不由处理器20直接执行,但可经配置以在被编译和执行时致使计算机执行所述功能。
[0024]定向传感器28经配置以收集与装置12的运动、位置和/或定向相关的数据以及此类特性随时间推移的改变。还参看图2,定向传感器28可包含(例如)一个或一个以上加速度计42、回转仪(陀螺仪)44、磁力计46或类似者。定向传感器28经配置以提供信息,可根据所述信息来确定装置12的运动、位置和/或定向。可使用与装置12相关联的相应定向传感器28来测量单个轴或多个轴。对于多轴测量,可使用多个单轴加速度计和/或多轴(例如,两轴或三轴)加速度计来测量相对于线性轴的运动(例如,x-y-z、大地坐标系(north-east-down)等),且可使用多个单轴回转仪和/或多轴回转仪来测量相对于角轴的运动(例如,滚动、俯仰或偏转)。
[0025]定向传感器28可随着时间推移(例如,周期性地)而提供信息,使得可比较目前与过去的定向、位置和/或运动方向以确定装置12的运动方向、位置和/或定向的改变。回转仪44可提供关于影响定向的装置12的运动的信息。加速度计42经配置以提供关于重力加速度的信息,使得可确定重力相对于装置12的方向。磁力计46经配置以提供磁北方向在三维中相对于装置12(例如,相对于真北或磁北)的指示。可利用基于磁偏角的转换机构和/或其它合适装置来将相对于真北的方向转换为相对于磁北的方向,以及将相对于磁北的方向转换为相对于真北的方向。
[0026]如上所述,计算装置12(例如,智能电话、膝上型或平板计算机、个人数字助理(PDA)等)含有提供各种类型的信息的传感器。举例来说,定向传感器28提供指示相关联装置12的移动的输出。继而,装置移动含有关于装置用户的运动状态(例如,坐、站、走、跑等)和相对于用户的装置位置(例如,口袋、背包、手、桌子等)的信息。[0027]如上文进一步论述,可了解对应于特定传感器输出的状态,使得传感器数据可随后用以确定未知的装置状态。举例来说,在训练过程期间,经配置以执行分类算法的装置可暴露于运动状态/装置位置组合的实例,且可处理对应传感器数据以了解每一组合的模型。随后,当呈现出针对未知运动状态/装置位置的新的传感器信息集时,分类器选择具有最高计算似然性(或在已知先验概率的情况下,为后验概率)的运动状态和装置位置。
[0028]可使用例如贝叶斯分类器等分类算法来基于传感器信息对多个装置状态分类。举例来说,可将来自一个或一个以上传感器的信息提供到贝叶斯分类器以基于传感器信息来对运动状态和装置位置联合分类。这可通过以下动作来完成:例如,(I)挑选具有最高联合似然性或后验概率的特定运动状态/装置位置组合,或(2)最初使装置位置边缘化(即,对似然性求和),计算具有最高边缘似然性或后验概率的运动状态,且接着对运动状态边缘化且计算具有最高边缘似然性/后验概率的装置位置。
[0029]可如下总结上文概述的两种方法。首先参考使联合似然性最大化,首先根据下式来选择运动状态^ 和装置位置今__:
【权利要求】
1.一种对装置的多个状态类型分类的方法,所述方法包括: 存取所述装置的传感器信息,其中所述传感器信息中的至少一些用于第一特征集中,且所述传感器信息中的至少一些用于第二特征集中; 使用第一分类算法来处理所述第一特征集,其中所述第一分类算法经配置以确定第一状态类型的第一建议状态和第二状态类型的第一建议状态; 使用第二分类算法来处理所述第二特征集,其中所述第二分类算法经配置以确定所述第一状态类型的第二建议状态和所述第二状态类型的第二建议状态;以及 将所述装置的建议状态确定为所述第一状态类型的所述第一建议状态和所述第二状态类型的所述第二建议状态。
2.根据权利要求1所述的方法,其中所述第一状态类型为运动状态,且所述第二状态类型为位置状态。
3.根据权利要求2所述的方法,其中: 用于所述第一特征集中的所述传感器信息包含加速度计输出,且 所述第一特征集包含加速度计输出在时间间隔内的差异。
4.根据权利要求2所述的方法,其中: 用于所述第二特征集中的所述传感器信息包含针对具有至少第一轴和第二轴的多轴加速度计的多个加速度计轴的加速度计输出,且 所述第二特征集包含所述多轴加速度计的两个加速度计轴之间的加速度的平均比率。
5.根据权利要求1所述的方法,其中所述第一分类算法包括使用所述第一特征集和第一概率分布函数的最大化联合似然算法。
6.根据权利要求1所述的方法,其中所述第一分类算法包括使用所述第一特征集和第一概率分布函数的最大化边缘后验算法。
7.根据权利要求1所述的方法,其中所述第二分类算法包括使用所述第二特征集和第二概率分布函数的最大化联合似然算法。
8.根据权利要求1所述的方法,其中所述第二分类算法包括使用所述第二特征集和第二概率分布函数的最大化边缘后验算法。
9.根据权利要求1所述的方法,其中所述第一分类算法和所述第二分类算法各自包括贝叶斯分类器。
10.一种移动装置,其包括: 一个或一个以上传感器,其经配置以产生传感器输出; 特征集产生器模块,其以通信方式耦合到所述一个或一个以上传感器且经配置以使指示所述传感器输出的相应传感器信息与第一特征集和第二特征集中的至少一者相关联;以及 分类模块,其以通信方式耦合到所述特征集产生器模块且经配置以执行以下操作,所述操作包括: 使用第一分类算法来处理所述第一特征集,其中所述第一分类算法经配置以确定第一状态类型的第一建议状态和第二状态类型的第一建议状态, 使用第二分类算法来处理所述第二特征集,其中所述第二分类算法经配置以确定所述第一状态类型的第二建议状态和所述第二状态类型的第二建议状态,以及将所述装置的建议状态确定为所述第一状态类型的所述第一建议状态和所述第二状态类型的所述第二建议状态。
11.根据权利要求10所述的装置,其中所述第一状态类型为运动状态,且所述第二状态类型为位置状态。
12.根据权利要求11所述的装置,其中: 所述一个或一个以上传感器包含一个或一个以上加速度计, 用于所述第一特征集中的所述传感器信息包含加速度计输出,且 所述第一特征集包含加速度计输出在时间间隔内的差异。
13.根据权利要求11所述的装置,其中: 所述一个或一个以上传感器包含一个或一个以上加速度计, 用于所述第二特征集中的所述传感器信息包含针对具有至少第一轴和第二轴的多轴加速度计的多个加速度计轴的加速度计输出,且 所述第二特征集包含所述多轴加速度计的两个加速度计轴之间的加速度的平均比率。
14.根据权利要求10所述的装置,其中所述第一分类算法包括使用所述第一特征集和第一概率分布函数的最大化联合似然算法。
15.根据权利要求10所述的装置,其中所述第一分类算法包括使用所述第一特征集和第一概率分布函数的最大化边缘后验算法。
16.根据权利要求10所·述的装置,其中所述第二分类算法包括使用所述第二特征集和第二概率分布函数的最大化联合似然算法。
17.根据权利要求10所述的装置,其中所述第二分类算法包括使用所述第二特征集和第二概率分布函数的最大化边缘后验算法。
18.根据权利要求10所述的装置,其中所述第一分类算法和所述第二分类算法各自包括贝叶斯分类器。
19.一种移动装置,其包括: 用于存取所述装置的传感器信息的装置; 用于使所述传感器信息中的至少一些与第一特征集相关联的装置; 用于使所述传感器信息中的至少一些与第二特征集相关联的装置; 用于使用第一分类算法来处理所述第一特征集的装置,其中所述第一分类算法经配置以确定第一状态类型的第一建议状态和第二状态类型的第一建议状态; 用于使用第二分类算法来处理所述第二特征集的装置,其中所述第二分类算法经配置以确定所述第一状态类型的第二建议状态和所述第二状态类型的第二建议状态;以及用于将所述装置的建议状态确定为所述第一状态类型的所述第一建议状态和所述第二状态类型的所述第二建议状态的装置。
20.根据权利要求19所述的装置,其中所述第一状态类型为运动状态,且所述第二状态类型为位置状态。
21.根据权利要求20所述的装置,其中: 与所述第一特征集相关联的所述传感器信息包含加速度计输出,且 所述第一特征集包含加速度计输出在时间间隔内的差异。
22.根据权利要求20所述的装置,其中:与所述第二特征集相关联的所述传感器信息包含针对具有至少第一轴和第二轴的多轴加速度计的多个加速度计轴的加速度计输出,且 所述第二特征集包含所述多轴加速度计的两个加速度计轴之间的加速度的平均比率。
23.根据权利要求19所述的装置,其中: 所述第一分类算法包括最大化联合似然算法或最大化边缘后验算法中的至少一者,且 所述第一分类算法使用所述第一特征集和第一概率分布函数。
24.根据权利要求19所述的装置,其中: 所述第二分类算法包括最大化联合似然算法或最大化边缘后验算法中的至少一者,且 所述第二分类算法使用所述第二特征集和第二概率分布函数。
25.一种驻留于处理器可读媒体上且包括处理器可读指令的计算机程序产品,所述处理器可读指令经配置以致使处理器进行以下动作: 存取装置的传感器信息,其中所述传感器信息中的至少一些用于第一特征集中,且所述传感器信息中的至少一些用于第二特征集中; 使用第一分类算法来处理所述第一特征集,所述第一分类算法经配置以确定第一状态类型的第一建议状态和第二状态类型的第一建议状态; 使用第二分类算法来处理所述第二特征集,所述第二分类算法经配置以确定所述第一状态类型的第二建议状态和所述第二状态类型的第二建议状态;以及 将所述装置的建议状态确定为所述第一状态类型的所述第一建议状态和所述第二状态类型的所述第二建议状态。
26.根据权利要求25所述的计算机程序产品,其中所述第一状态类型为运动状态,且所述第二状态类型为位置状态。
27.根据权利要求26所述的计算机程序产品,其中: 用于所述第一特征集中的所述传感器信息包含加速度计输出,且 所述第一特征集包含加速度计输出在时间间隔内的差异。
28.根据权利要求26所述的计算机程序产品,其中: 用于所述第二特征集中的所述传感器信息包含针对具有至少第一轴和第二轴的多轴加速度计的多个加速度计轴的加速度计输出,且 所述第二特征集包含所述多轴加 速度计的两个加速度计轴之间的加速度的平均比率。
29.根据权利要求25所述的计算机程序产品,其中: 所述第一分类算法包括最大化联合似然算法或最大化边缘后验算法中的至少一者,且 所述第一分类算法使用所述第一特征集和第一概率分布函数。
30.根据权利要求25所述的计算机程序产品,其中: 所述第二分类算法包括最大化联合似然算法或最大化边缘后验算法中的至少一者,且 所述第二分类算法使用所述第二特征集和第二概率分布函数。
【文档编号】G06F3/01GK103597424SQ201280027088
【公开日】2014年2月19日 申请日期:2012年5月21日 优先权日:2011年5月27日
【发明者】里昂纳德·H·葛罗科普, 安东尼·萨拉 申请人:高通股份有限公司