CN103975538A - 确定设备的情景的方法和*** - Google Patents
确定设备的情景的方法和*** Download PDFInfo
- Publication number
- CN103975538A CN103975538A CN201280045029.0A CN201280045029A CN103975538A CN 103975538 A CN103975538 A CN 103975538A CN 201280045029 A CN201280045029 A CN 201280045029A CN 103975538 A CN103975538 A CN 103975538A
- Authority
- CN
- China
- Prior art keywords
- transducer
- probability
- equipment
- given
- sight
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
- H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3206—Monitoring of events, devices or parameters that trigger a change in power modality
- G06F1/3231—Monitoring the presence, absence or movement of users
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0251—Power saving arrangements in terminal devices using monitoring of local events, e.g. events related to user activity
- H04W52/0254—Power saving arrangements in terminal devices using monitoring of local events, e.g. events related to user activity detecting a user operation or a tactile contact or a motion of the device
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2250/00—Details of telephonic subscriber devices
- H04M2250/10—Details of telephonic subscriber devices including a GPS signal receiver
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2250/00—Details of telephonic subscriber devices
- H04M2250/12—Details of telephonic subscriber devices including a sensor for measuring a physical value, e.g. temperature or motion
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Telephone Function (AREA)
- User Interface Of Digital Computer (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
描述了用于确定设备当前在给定情景内的方法和***。设备可以包括耦合到设备的多个传感器。可以为每个传感器确定传感器效用值,所述传感器效用值将传感器的功耗率与准确度得分进行组合,准确度得分指示传感器可以提供指示设备当前在给定情景内的输出的程度。基于传感器效用值,可以对耦合到设备的多个传感器进行排序。可以基于传感器的排序识别传感器。可以将与设备当前在给定情景内的确定相关的概率分配给传感器。可以识别更多的传感器,从而以增大的概率和增大的功率要求确定设备当前在给定情景内。
Description
相关申请的交叉参考
本申请要求于2011年11月16日提交的美国专利申请序列号13/297,425的优先权,其全部内容通过引用的方式并入本申请,如同在本说明书中被充分阐述一样。
背景技术
在计算中,情景(context)感知指代计算设备(例如移动计算设备)检测其当前环境的一个或多个属性的能力。在一些情况下,这样的设备可以检测和/或接收与其当前境况有关的信息,并基于预定的一个或多个规则或策略的集合,执行一个或多个操作,提供预定的功能等。
例如,移动电话可以配备有全球定位***(GPS)天线,所述全球定位***天线被配置为提供与移动电话的当前位置有关的信息。在该示例中,移动电话可以至少部分地基于移动电话的当前位置定制数据输出和/或功能,其由在移动电话执行的应用程序提供。更具体地,在移动电话执行的天气应用程序可以-在漫游用户输入位置信息的情况下—输出与移动电话的当前位置相关的天气信息。
发明内容
本申请公开了***和方法,用于确定计算设备(例如移动计算设备)是否当前位于、处于和/或存在于给定情景,和/或给定情景内。在一些实施例中,***和方法可以确定计算设备是否当前没有位于、处于和/或存在于给定情景,和/或给定情景内。在一个方案中,公开了一种方法。该方法可以包括为耦合到设备的传感器的子集中的每一个传感器确定该传感器的相应的功耗率。该方法还可以包括为传感器的子集中的每一个传感器确定相应的准确度得分。相应的准确度得分可以指示与该传感器相关的信息指示给定情景的程度。该方法可以进一步包括为传感器的子集中的每一个传感器确定传感器效用值,每一个相应的传感器效用值都至少部分地基于该传感器相应的功耗率和该传感器的准确度得分。基于传感器的子集中的每一个传感器的传感器效用值,该方法可以进一步包括识别给定传感器,接收由给定传感器输出的信息。基于由给定传感器输出的信息,该方法还可以包括确定设备当前在给定情景内的概率。当概率超过预定阈值时,该方法可以进一步包括确定设备当前在给定情景内。
在另一个方面中,说明一种非暂时性计算机可读介质,具有存储于其上的指令,所述指令可由计算设备执行以使得计算设备执行功能。功能可以包括:为耦合到设备的传感器的子集中的每一个传感器确定该传感器的相应的功耗率。功能还可以包括为传感器的子集中的每一个传感器确定相应的准确度得分。相应的准确度得分可以指示与该传感器相关的信息指示给定情景的程度。功能可以进一步包括为传感器的子集中的每一个传感器确定传感器效用值,每一个相应的传感器效用值都至少部分地基于该传感器相应的功耗率和该传感器的准确度得分。基于传感器的子集中的每一个传感器的传感器效用值,功能可以进一步包括识别给定传感器,接收由给定传感器输出的信息。基于由给定传感器输出的信息,功能还可以包括确定与设备当前在给定情景内的确定相关的概率。当概率超过预定阈值时,功能可以进一步包括确定设备当前在给定情景内。
在又一个方面中,公开了一种***。该***包括效用函数模块和概率模块。效用函数模块可以被配置为,为耦合到设备的传感器的子集中的每一个传感器接收与该传感器的相应的功耗率相关的信息并且为传感器的子集中的每一个传感器接收相应的准确度得分。相应的准确度得分可以指示与该传感器相关的信息指示给定情景的程度。效用函数模块还可以被配置为,为传感器子集的每一个传感器确定传感器效用值,每一个相应的传感器效用值都至少部分地基于该传感器相应的功耗率和该传感器的准确度得分。概率模块可以与效用函数模块通信,并可以被配置为基于传感器子集的每一个传感器的传感器效用值,识别给定传感器,接收由给定传感器输出的信息。基于由给定传感器输出的信息,概率模块可以被配置为确定设备当前在给定情景内的概率。当概率超过预定阈值时,概率模块可以被配置为确定设备当前在给定情景内。
前面的概述仅是示例性的而并非旨在以任何方式进行限制。除了上述例示的方面、实施例和特征以外,通过参考附图和以下的详细说明,进一步的方面、实施例和特征将变得显而易见。
附图说明
图1是示出根据本文所述的至少某些实施例的示例性设备的框图。
图2是示出用于确定设备当前在给定情景内的示例性方法的流程图。
图3是示出在确定设备当前在给定情景内中所包括的示例性推断级的框图。
图4是示出用以推断设备当前在给定情景内的示例性时间统计推断图的框图。
图5是示出根据本文所述的至少某些实施例而设置的计算***中所使用的示例性计算设备的功能框图。
图6是示出示例性计算机程序产品的概念局部图的示意图,所述计算机程序产品包括用于在根据本文所述的至少某些实施例而设置的计算设备上执行计算机过程的计算机程序。
具体实施方式
以下的详细说明参考附图描述了公开的***和方法的多个特征和功能。在附图中,相似的符号标识相似的部件,除非上下文规定有所不同。本文所述的示例性***和方法实施例并非意图是限制性的。应当理解,公开的***和方法的某些方面能够被设置并组合到多种不同配置中,本文设想了全部这些变型。
本公开内容可以特别公开了用于确定设备在给定情景内的***和方法。设备可以包括耦合到设备的多个传感器。可以为每个传感器确定传感器效用值,其组合了传感器的功耗率和准确度得分,准确度得分指示相应传感器可以提供指示设备在给定情景中的输出的程度。基于传感器效用值,可以排序耦合到设备的多个传感器。可以基于传感器的排序来识别传感器。与确定设备在给定情景内相关的概率可以分配给传感器。更多传感器可以用于以增大的概率和增大的功率要求来确定设备当前在给定情景内。
在一些示例中,设备可以包括执行多个参数(例如设备位置、加速度、旋转等)的连续实时感测的多个传感器。耦合到设备的处理器可以被配置为从多个传感器接收信息,执行计算,其使得设备适当地执行设备的功能。由处理器执行的连续实时感测和计算可以导致设备消耗功率。配置设备以使能传感器,从传感器接收信息,并执行计算可以使得设备更有效地运行。
作为特定的示例,确定设备在给定情景内(例如,设备的环境和位置,诸如用户的口袋中、用户的手中、背包内部、在用户的臀部上、臂上安装的、在会议室中等)可以使得设备被配置为以为给定情景定制的方式来运行。例如,确定移动电话的给定情景是会议室的移动电话可以拒绝或忽略呼入。在另一个示例中,在设备在用户的口袋中时,用户可以不得益于全球定位***(GPS)模块的操作。如果设备确定设备在用户的口袋中,设备就可以禁用GPS天线/模块以省电。在给定情景不适合时,确定设备在给定情景内可以使得设备禁止传感器消耗功率。设备还可以在检测到给定情景的适合性后使能传感器和特征。
能够通过接收信息来确定设备的情景,所述信息由耦合到设备的一传感器或多个传感器输出。在一个示例中,从一个传感器接收的信息可能足以确定设备当前在给定情景内。在另一个示例中,耦合到设备的多个传感器或传感器的子集可以用于确定设备当前在给定情景内。例如,耦合到设备的相机或光传感器可能不能辨别设备是在用户的口袋中,还是位于黑暗环境中的表面上,还是由设备所在的表面覆盖。例如,诸如加速度计之类的另一个传感器可以用于通过检测运动的量来确认或增大确定设备可能在用户的口袋中的概率。
耦合到设备的多个传感器可以按照功耗和准确度等级来排序,传感器可以借助所述准确度等级来提供指示设备在给定情景中的信息。例如相机会比陀螺仪耗费更多的功率,但在确定给定情景中时,相机可以比陀螺仪更为确定。为了确定情景,例如设备可以使用与第一传感器相关的信息,其在功耗的排序中可以较低,指示第一传感器比其他传感器耗费更少的功率。但由第一传感器输出的信息可能无法毫无疑义地或以高概率指示设备在给定情景内。由第二传感器输出的信息可以用于以增大的概率指示设备在给定情景内。第二传感器在功耗方面的排序可以高于第一传感器,但也可以在准确度等级方面的排序较高,由第二传感器提供的信息可以借助所述准确度等级来指示设备在给定情景内。从第一和第二传感器接收的组合信息可能仍无法使得设备毫无疑义地确定设备当前在给定情景内。可以使用由第三传感器输出的信息。使用由其他传感器输出信息可以继续直到毫无疑义地确定设备在给定情景内或者确定设备具有超过预定阈值的概率等级。
传感器排序可以取决于到设备的输入而变化。例如,相机可以提供信息,其可以在白天比夜晚以更高的准确度指示设备可以在用户的口袋中。例如,设备使用来自时钟的输入来确定一天的时间,并改变传感器排序。在一个示例中,GPS模块可以指示设备的位置,包括维度和经度。设备可以从网络接收与针对该维度和经度的日落时间相关的信息。设备可以使用时钟时间和与日落时间相关的信息,确定设备的环境是否是黑暗的,并相应地改变传感器排序。传感器排序方面的变化可以称为动态排序。
I.用于确定设备当前在给定情景内的***
图1是示出示例性设备100的框图。设备100包括效用函数模块102以及概率模块106,所述函数模块被配置为接收由传感器104A-N输出的信息,所述传感器可以耦合到设备100。效用函数模块102和概率模块106可以彼此通信。到设备100的输入可以传送到效用函数模块102和概率模块106。输入可以在设备100的外部或内部。也可以使用多个输入。在一些实施例中,设备100例如可以是移动电话、个人数字助理(PDA)、膝上型电脑、笔记本电脑、或上网本电脑、平板计算设备等。
效用函数模块102可以被配置为确定与一个或多个传感器104A-N相关的传感器效用值。传感器104A-N可以包括耦合到设备100的全部传感器,或者可以包括耦合到设备100的传感器的子集。每一个传感器104A-N都在使用相应的传感器时消耗功率。一个传感器的功耗率可以与其他传感器的功耗率不同。如果设备100例如是移动电话,耦合到移动电话的传感器可以包括相机和陀螺仪。例如相机可以比陀螺仪消耗更多的电功率。不同的设备可以具有不同的传感器和传感器的子集。效用函数模块102可以被配置为确定耦合到设备100的传感器的类型并相应地确定相应的传感器效用值。
由每一个传感器104A-N输出的信息可以使得设备100以给定的准确度等级确定设备100的当前情景。对于每一个传感器104A-N,可以确定或分配准确度得分。准确度得分可以指示给定传感器可以提供指示设备100当前在给定情景内的输出的程度。效用函数模块102可以被配置为确定与每一个传感器104A-N相关的传感器效用值。传感器效用值可以包括用于相应传感器的功耗率和与相应传感器相关的准确度得分的加权组合。传感器效用值可以由如下的数学表达式来计算:
传感器效用值(i)=α.f(功耗率(i))+β.f(准确度得分(i))等式(1)等式(1)说明了与给定传感器(i)相关的传感器效用值的计算,其包括由系数α加权的用于传感器(i)的功耗率的函数与由系数β加权的与传感器(i)相关的准确度得分的函数的加权组合。传感器效用值等式(1)可以包括其他元素。例如,传感器可以在设备上处于使用中,处理器可以从传感器接收信息。可以将元素添加到等式(1)以增大用于该传感器的传感器效用值的数值,因为使用该传感器可以不包括使能传感器,这可能耗费额外的功率量。
传感器效用值等式(1)可以包括归一化系数,以便建立与等式(1)的元素相关的量级(例如功耗率和准确度得分),从而没有任何元素使得传感器效用值有偏差。在另一个示例中,与用于传感器的功耗率相关的函数可以包括用于传感器的功耗率的倒数。在该示例中,用于传感器的功耗率越低,与该传感器相关的传感器效用值就越高。
系数α和β可以是包括到设备100的输入的函数的常数或变量。准确度得分也可以包括到设备100的输入的函数。例如,相机可以提供信息,其可以以在白天比在夜晚以更高的准确度等级指示设备100的给定情景。设备100可以使用来自时钟的输入来确定一天的时间,效用函数模块102可以被配置为相应地改变与相机相关的准确度得分,或改变系数β或二者。因此,与给定传感器相关的传感器效用值可以作为到设备100的输入的函数而变化。效用函数模块102可以基于与传感器104A-N相关的相应传感器效用值来排序传感器104A-N。传感器104A-N的排序可以是动态的并可以作为到设备100的输入的函数而变化。
概率模块106可以被配置为直接地或者通过与效用函数模块102的通信来接收由传感器104A-N输出的信息。基于传感器104A-N的排序,概率模块106可以被配置为识别给定的或第一传感器。可以基于由效用函数模块102确定的、与第一传感器相关的传感器效用值来识别第一传感器。第一传感器例如可以与相比于耦合到设备100的其他传感器的功耗率的最低功耗率相关联。概率模块106可以被配置为基于由第一传感器输出的信息,确定与设备100当前在给定情景内的确定的第一概率。例如,第一传感器可以是耦合到移动电话的加速度计。如果加速度计指示运动,移动电话就可以在用户的口袋中,但也可以在用户的手中,或者固定到奔跑中的用户的肩膀上。例如,如果由概率模块106分配给加速度计的第一概率没有超过第一预定阈值,则可能无法毫无疑义地确定移动电话的当前情景。
概率模块106可以将设备在给定情景中的概率与第一传感器的功耗率相组合,以确定与第一传感器确定设备100当前在给定情景内的有效性相关的有效性参数。有效性参数可以由以下等式来确定:
等式(2)说明了用于给定传感器(i)的有效性参数。有效性参数可以通过将概率Pi除以传感器(i)的功耗率来确定,其中概率Pi是基于从传感器(i)接收的信息分配给传感器(i)的设备在给定情景中(例如,情景=真)的概率。分配给传感器(i)的概率Pi越高,与传感器(i)的相关的有效性参数就越高。此外,传感器(i)的功耗率越低,与传感器(i)的相关的有效性参数就越高。在一个示例中,有效性参数可以用于替代或结合等式(1)中所述的传感器效用值来确定传感器排序。
概率模块106可以被配置为识别第二传感器。可以基于由效用函数模块102确定的、与第二传感器相关的传感器效用值来识别第二传感器。也可以基于与第二传感器相关的有效性参数来识别第二传感器。第二传感器可以比第一传感器耗费更多的功率,但可以以更高的概率提供指示设备的当前情景的信息。概率模块106可以被配置为基于由第二传感器输出的信息来确定与设备100当前在给定情景内的确定相关的第二概率。例如,耦合到移动电话的第二传感器可以是相机或光传感器。如果由相机或光传感器输出的信息指示黑暗环境,并且从到设备100的时钟输入接收的时间指示白天时间,概率模块106就可以被配置为在确定移动电话的当前情景的情况下分配与第二传感器相关的高概率。
概率模块106可以被配置为组合第一概率和第二概率以确定组合概率。例如,概率模块106可以被配置为将第一概率与第二概率相加,以确定组合概率。概率模块106可以被配置为确定第一概率与第二概率的加权组合。与第一概率和第二概率的加权组合相关的权重可以是固定的,或者可以与到设备100的输入相关联地改变。如果组合概率不超过第二预定阈值,那么就无法毫无疑义地确定设备100当前在给定情景内。概率模块106可以被配置为从第三传感器接收信息,并确定要与第一概率和第二概率向组合的第三概率。可以使用更多的传感器,直到组合概率超过预定阈值并确定设备100当前在给定情景内。
例如,概率模块106可以被配置为在预定时间期间上求组合概率的平均值,以滤除可能包含于瞬时的组合概率信息中的噪声或失真。设备100的功能的操作可以适应于当前在给定情景中的设备100。例如,如果设备100是确定为在用户的口袋中、在背包或钱包内、或用户可能不使用移动电话的其他区域的移动电话,移动电话和在移动电话执行的应用程序就可以例如通过禁用传感器并减少移动电话的功能来加以适应,移动电话可以更有效地运行。在另一个示例中,当情景适合时,设备可以使能传感器并增加功能。
设备100的一个或多个所述功能或部件可以分割为附加的功能部件或物理部件,或者组合为更少的功能部件或物理部件。在一些进一步的示例中,附加的功能部件和/或物理部件可以添加到图1所示的示例。再进一步地,效用函数模块102和概率模块106的任意一个都可以包括处理器(例如,微处理器、数字信号处理器(DSP)等)或以处理器的形式提供,处理器被配置为执行程序代码,其包括一条或多条指令,用于实现本文所述的逻辑功能。例如,设备100可以进一步包括任何类型的计算机可读介质(非暂时性介质),例如包括磁盘或硬盘驱动器的存储设备,用以储存程序代码。在其他示例中,设备100可以包含于其他***内。
II.确定设备当前在给定情景内的方法
图2是示出用于确定设备当前在给定情景内的方法的流程图。
方法200可以包括一个或多个操作、功能、或动作,如由一个或多个块202、204、206、208、210、212或214所示的。尽管按照顺序示出了块,但这些块在一些示例中可以并行执行,和/或按照与本文所述的不同顺序执行。此外,基于预期的实施方式,可以将多个块组合为较少的块,分割为附加的块,和/或去除。
另外,对于方法200及本文所述的其他过程和方法,流程图显示了本实施例的一个可能的实施方式的功能和操作。在这点上,每一个块都可以代表程序代码的模块、段或一部分,其包括一条或多条指令,可由处理器执行,用于实现过程中的特定逻辑功能或步骤。例如程序代码可以存储在任何类型的计算机可读介质上,例如包括磁盘或硬盘驱动器的存储设备。例如计算机可读介质可以包括非暂时性计算机可读介质,例如短期存储数据的计算机可读介质,如寄存器、处理器高速缓存或随机存取存储器(RAM)。计算机可读介质还可以包括非暂时性介质,例如辅助或永久的长期存储设备,例如像只读存储器(ROM)、光或磁盘、光盘只读存储器(CD-ROM)。计算机可读介质还可以是任何其他易失性或非易失性存储***。例如计算机可读介质可以认为是计算机可读存储介质、实体存储设备、或其他制品。
另外,对于方法200及本文所述的其他过程和方法,图2中的每一个块都可以代表电路,对其布线以执行过程中的特定逻辑功能。
在块202处,方法200包括为每一个传感器确定功耗率或准确度得分。多个传感器可以耦合到设备。在使用中时,每一个传感器都可以耗费一定量的功率。由每一个传感器输出的信息可以用于以给定准确度等级确定设备的当前情景。可以为每一个传感器分配或确定准确度得分,以指示各个传感器可以提供指示设备当前在给定情景中的输出的程度。例如,设备可以为耦合到设备的多个传感器的子集的每一个传感器确定功耗率和准确度得分,或者设备可以从服务器接收与每一个传感器的功耗率和准确度得分相关的信息。对于不同设备,传感器的子集可以不同。依据设备的配置,包括耦合到设备的传感器的类型或数量,可以确定传感器的子集。
在块204处,方法200包括确定与功耗率或准确度得分相关的传感器效用值。设备可以包括处理器。处理器可以为传感器的子集的每一个传感器确定传感器效用值。传感器效用值可以包括相应传感器的功耗率和与相应传感器相关的准确度得分的加权组合。传感器效用值可以通过以上等式(1)所述的数学表达式来计算。
与传感器的功耗率或准确度得分的加权组合相关的权重可以与到设备的输入相关联地变化。例如,在确定设备的当前情景时,在白天可以比夜晚为相机分配相比于其他传感器的高准确度得分。设备可以使用来自时钟的输入来相应地增大与相机相关的准确度得分,或者改变与相机的准确度得分相关的权重。因此,与给定传感器相关的传感器效用值可以作为到设备的输入的函数而变化。如等式(1)中所示的,传感器效用值可以包括与传感器相关的功耗率的函数和准确度得分的函数。
在块206处,方法200包括识别传感器。基于与耦合到设备的传感器相关的传感器效用值,可以排序传感器。例如,处理器可以比较传感器相关的传感器效用值,并相应地排序传感器。传感器的排序可以是动态的,作为到设备的一个输入或多个输入的函数而变化。排序也可以按照设备的配置而变化,其包括与设备相关的传感器的类型和数量。基于传感器的排序,处理器可以识别第一传感器。第一传感器例如可以与相比于与耦合到设备100的其他传感器相关的功耗率的最低功耗率相关联。
在块208处,方法200包括接收由传感器输出的信息。对于在块206处识别的第一传感器,可以接收由第一传感器输出的信息。例如,处理器可以使能传感器,以接收由第一传感器输出的信息。例如,如果识别的第一传感器是光传感器,那么处理器就可以使能光传感器,并以来自传感器的输出的形式,接收与设备暴露于光相关的信息。
在块210处,方法200包括确定与设备当前在给定情景内的确定相关的概率或组合概率。基于由第一传感器输出的信息,可以确定与设备当前在给定情景内的确定相关的概率,或者分配给第一传感器。例如,第一传感器可以是耦合到移动电话的陀螺仪。如果陀螺仪指示高的旋转运动速率,那么移动电话固定到奔跑中的用户的肩膀的概率就比移动电话在用户的口袋中的概率更高。例如,在此情况下,耦合到移动电话的处理器可以被配置为为陀螺仪分配低的移动电话在用户的口袋中的概率。例如概率可以是数值(例如,来自0和1之间数值范围的0.2),或者可以是定性地描述(例如“低”)。
在决定块212处,方法200包括:确定概率是否超过阈值以确定分配给第一传感器的概率是否超过第一阈值。第一阈值可以与确定设备当前在给定情景内的确定性等级相关。
例如,如果分配给第一传感器的概率超过第一阈值,在方法200的块214处就可以确定设备当前在给定情景内。
如果概率没有超过第一阈值,就无法毫无疑义地确定设备当前在给定情景内。方法200可以在块206处识别第二传感器。可以基于与在块204处确定的第二传感器相关的传感器效用值来识别第二传感器。第二传感器可以比第一传感器耗费更大的功率量,但可以以高于第一传感器的概率提供指示设备的当前情景的输出。可以在块208处接收由第二传感器输出的信息。在块210处,基于由第二传感器输出的信息,可以确定与设备当前在给定情景内的确定相关的第二概率,或者利用分配给第二传感器。例如,耦合到移动电话的第二传感器可以是相机或光传感器。例如,如果由相机或光传感器输出的信息指示黑暗环境,从与设备相关的时钟接收的时间指示白天时间,就可以将高的移动电话的当前情景是用户的口袋或背包的概率分配给第二传感器。
在块210处,方法200可以包括组合第一概率和第二概率,以确定组合概率。例如,确定组合概率可以包括将第一概率与第二概率相加。也可以确定第一概率与第二概率的加权组合。权重可以是固定的,或者可以与到设备的输入相关联地变化。
如果在方法200的块212处组合概率超过第二预定阈值,那么就可以以高确定性等级确定设备当前在给定情景内。如果不是,就可以在块206处识别第三传感器,并可以重复方法。可以使用更多的传感器,直到组合概率超过预定阈值,并以预定的高确定性等级来确定设备当前在给定情景内。
III.推断级
在另一个示例中,借助三个推断级中的一个或多个来说明设备当前在给定情景内的确定。图3是示出在确定设备当前在给定情景内中所包括的示例性推断级的框图。
第一推断级可以包括单个传感器信息。图3为了举例说明仅显示了三个传感器302A、302B和302C。取决于包括耦合到设备的传感器的类型和数量的设备的类型和配置,可以使用更多或更少的传感器。单个传感器可以提供指示设备的当前情景的信息。但单个传感器信息在确定设备当前在给定情景内时可能不是决定性的。例如,光传感器可以用于推断移动电话是否在用户的口袋中。使用由光传感器输出的信息会不足以毫无疑义地确定移动电话在用户的口袋中。光传感器可以检测少量的光或者无光,这可以指示移动电话可能在用户的口袋中,但也可以指示电话可能放置在黑暗环境中的表面中。因此,单个传感器级推断可能不是决定性的。
概率推断级304可以使用由单个传感器输出的信息,来推断设备当前在给定情景内。概率推断级304可以使用由一个传感器输出的信息,并确定由传感器输出的信息可以指示设备当前可能在给定情景中的概率。概率可以不超过阈值,可能无法毫无疑义地确定设备当前在给定情景中。概率推断级304可以使用由第二传感器输出的信息,并确定由组合的两个传感器输出的信息可以指示设备当前在给定情景内的组合概率。在一个示例中,概率推断级304可以在增大概率并增大功耗率的情况下,继续顺序地或并行地使用由更多传感器输出的信息,直到可以以预定准确度等级来确定设备当前在给定情景内。
时间统计推断级306可以进一步使用从概率推断级304输出的信息,来确定设备当前在给定情景内。时间推断级306可以包括推断模型,其基于诸如维特比算法、部分可观察马尔可夫决策过程、和朴素贝叶斯分类之类的算法。推断模型可以将单个传感器认为是单个要素且将设备的不同情景认为是不同状态。推断模型可以假定每一个传感器输出都可以独立于其他传感器的输出,且传感器输出独立地对设备的状态或情景的概率起作用。
图4是示出用以推断设备当前在给定情景内的示例性时间统计推断图的框图。例如,状态402A和402B可以是两个可能的设备的情景。例如,设备可以是在用户的口袋中的移动电话,状态I402A,或者可以在用户的口外外面,状态II402B。设备的状态或可能的情景可以认为是隐藏的或未观察到的状态,其可以从与传感器输出状况或值404A-C相关的可观察信息来确定。传感器输出值或状况404A-C利用可以包括耦合到移动电话的相机的三个输出状况或输出值。图4为了举例说明仅显示了用于传感器的三个离散的输出值404A-C。输出值的数量可以取决于传感器的类型。例如,输出值可以由离散的数值来表示。示例性地,相机的输出值可以归一化为在0和1之间的值。三个输出值404A-C例如可以为0.2、0.5和0.8。在另一个示例中,可以使用与相机的输出相关的定性描述,例如“黑暗”。
概率P1和P2可以包括设备在给定情景中的起始概率或平均可能性。例如,如果设备平均60%的时间处于状态402A,40%的时间处于状态402B,那么P1就可以为0.6,P2可以为0.4。概率P3-P8可以称为发射概率。例如,如果具有输出值404A-C的传感器是耦合到移动电话的相机,且状态I402A是移动电话在用户的口袋中的状态,那么P5就可以表示当移动电话处于状态I402A中时相机输出是404C的概率或可能性。例如,传感器输出404C可以是“黑暗”,或者表示光量的数值。
示例性的时间统计推断(temporal statistical inference)方法可以通过观察或接收与传感器输出(例如404A-C)相关的信息来确定与设备在设备的给定未观察状态(例如402A或402B)中相关的概率。例如,在一开始算法时,观察状态或传感器输出值或状况404C可以以概率(P1x P5)指示设备当前在情景或状态I402A中。图3中的时间统计推断级306可以包括随时间过去而执行这种计算,滤除噪声和失真,并确定设备当前在给定状态内的概率。计算可以一次针对一个传感器来执行,或者组合或级联其他传感器输出的信息,以便以增大的概率确定设备当前在给定情景内。
可以通过训练来确定图4中的概率P1-P8。例如,可以进行多次实验,其中,设备可以位于不同的可能状态或情景中,并可以记录相应的传感器输出值或状况。可以为记录的输出值创建高斯分布,以便为设备的不同状态或情景确定传感器输出值的平均值和方差。基于平均值和方差,可以确定或分配概率。使用从实验确定的高斯分布,设备在给定状态中的概率可以被确定或分配给定的传感器输出值。
IV.示例性***和计算机程序产品
图5是示出用于根据本文所述的至少一些实施例而设置的计算***中的示例性计算设备500的功能框图。计算设备可以是个人计算机、移动电话、蜂窝电话、电子游戏***、或全球定位***,并可以实施为客户端设备、服务器、***、其组合,或者作为图1中所述的一部分部件。在基本配置502中,计算设备500可以包括一个或多个处理器510和***存储器520。存储器总线530可以用于在处理器510与***存储器520之间进行通信。取决于预期的配置,处理器510可以是任意类型,包括但不限于微处理器(μP)、微控制器(μC)、数字信号处理器(DSP)、或其组合。存储器控制器515也可以与处理器510一起使用,或者在一些实施方式中,存储器控制器515可以是处理器510的内部部件。
取决于预期的配置,***存储器520可以是任意类型,包括但不限于易失性存储器(例如RAM)、非易失性存储器(例如ROM、闪存等)或者其任意组合。***存储器520可以包括一个或多个应用程序522和程序数据524。根据本公开内容,应用程序522可以包括设备确定算法523的情景,其被设置为提供到电子电路的输入。程序数据524可以包括内容信息525,其可以针对任意数量的数据类型。在一些示例性实施例中,应用程序522可以被设置为与程序数据524一起在操作***上操作。
计算设备500可以具有附加的特征或功能,以及附加的接口,以有利于在基本配置502与任何设备及接口之间通信。例如,可以提供数据存储设备540,包括可移动存储设备542、不可移动存储设备544或其组合。可移动存储设备和不可移动存储设备的示例包括磁盘设备,例如软盘驱动器和硬盘驱动器(HDD),光盘驱动器,例如只读光盘(CD)驱动器或数字多用途盘(DVD)驱动器,固态驱动器(SSD)和磁带驱动器,仅列举几个。计算机存储介质可以包括在用于诸如计算机可读指令、数据结构、程序模块或其他数据的存储的任何方法或技术中实现的易失性和非易失性的、非暂时性的、可移动和不可移动的介质。
***存储器520和存储设备540是计算机存储介质的示例。计算机存储介质包括但不限于,RAM、ROM、EEPROM、闪存或其他存储技术、CD-ROM、数字多用途盘(DVD)或其他光存储设备、盒式磁带、磁带、磁盘存储或其他磁存储设备,或者任何其他介质,其可以用于存储预期的信息,并且其可以由计算设备500存取。任何这种计算机存储介质都可以是设备500的一部分。
计算设备500还能够包括输出接口550,其可以包括图形处理单元552,可以被配置为经由一个或多个A/V端口554或通信接口570向诸如显示设备560或扬声器的各种外部设备通信。通信接口570可以包括网络控制器752,其可以被设置为有利于经由一个或多个通信端口574,通过网络通信与一个或多个其他计算设备580和一个或多个传感器582通信。将一个或多个传感器582显示为在计算设备500的外部,但也可以在设备的内部。通信连接是通信介质的一个示例。通信介质可以由计算机可读指令、数据结构、程序模块或调制数据信号中的其他数据,例如载波或其他传输机制来体现,并包括任何信息传递介质。调制数据信号可以是具有以为了在信号中编码信息的方式而设置或改变的一个或多个其特性的信号。示例性但非限制性地,通信介质可以包括有线介质,例如有线网络或直通线连接,和无线介质,例如声学的、射频(RF)、红外(IR)及其他无线介质。
计算设备500能够实施为小形化便携式(或移动)电子设备的一部分,例如蜂窝电话、个人数字助理(PDA)、个人媒体播放器设备、无线上网设备、个人耳机设备、特定应用设备、或混合设备,其包括任何以上的功能。计算设备500还可以实施为个人计算机,包括笔记本电脑和非笔记本电脑配置。
在一些实施例中,公开的方法可以实施为计算机程序指令,所述计算机程序指令以机器可读格式编码在计算机可读存储介质上,或者在其他非暂时性介质或制品上。图6是示出示例性计算机程序产品600的概念局部图的示意图,其包括用于在根据本文提供的至少一些实施例而设置的计算设备上执行计算机过程的计算机程序。在一个实施例中,使用信号承载介质601来提供示例性计算机程序产品600。信号承载介质601可以包括一条或多条程序指令602,在由一个或多个处理器执行时,其可以提供以上相对于图1-5所述的功能或部分功能。这样,例如,参考图2中所示的实施例,块202-214的一个或多个特征可以由与信号承载介质601相关的一条或多条指令来承担。另外,图6中的程序指令602也说明了示例性的指令。
在一些示例中,信号承载介质601可以包含计算机可读介质603,例如但不限于,硬盘驱动器、只读光盘(CD)、数字视频盘(DVD)、数字磁带、存储器等。在一些实施方式中,信号承载介质601可以包含计算机可记录介质604,例如但不限于,存储器、读/写(R/W)CD、R/W DVD等。在一些实施方式中,信号承载介质601可以包含通信介质605,例如但不限于。数字和/或模拟通信介质(例如,光缆、波导、有线通信链路、无线通信链路等)。这样,例如,信号承载介质601可以由无线形式的通信介质605来传送(例如,符合IEEE802.11标准或其他传输协议的无线通信介质)。
一个或多个编程指令602例如可以使计算机可执行和/或逻辑实施的指令。在一些示例中,诸如图5的计算设备500的计算设备可以被配置为响应于由计算机可读介质603、计算机可记录介质604和/或通信介质605中的一个或多个传送到计算设备500的编程指令602而提供各种操作、功能、或动作。
应当理解,本文所述的设置仅出于示例性的目的。因而本领域技术人员应当理解,其他设置和其他要素(例如,机器、接口、功能、命令和功能的分组等)也可以替代地使用,根据预期的结果,一些要素可以完全省略。此外,说明的许多要素是功能实体,这些功能实体可以实施为分立的或分布式部件,或以任意适合的组合和位置与其他部件相结合。
尽管本文公开了多个方面和实施例,但其他方面和实施例对于本领域技术人员来说是显而易见的。对于由以下权利要求书指明的真实范围以及给与这些权利要求的等同形式的全部范围,本文公开的多个方面和实施例是为了例示的目的而并非旨在进行限制。还应当理解,本文使用的术语仅为了说明特定实施例的目的,而并非旨在进行限制。
Claims (23)
1.一种方法,包括:
为耦合到设备的传感器的子集中的每一个传感器确定该传感器的相应的功耗率;
为所述传感器的子集中的每一个传感器确定相应的准确度得分,所述相应的准确度得分指示与该传感器相关的信息指示给定情景的程度;
为所述传感器的子集中的每一个传感器确定该传感器的传感器效用值,每一个相应的传感器效用值都至少部分地基于该传感器的所述相应的功耗率和该传感器的所述相应的准确度得分;
基于所述传感器的子集中的每一个传感器的所述传感器效用值来识别给定传感器;
接收由所述给定传感器输出的信息;
基于由所述给定传感器输出的所述信息来确定所述设备当前在所述给定情景内的概率;以及
当所述概率超过预定阈值时,确定所述设备当前在所述给定情景内。
2.根据权利要求1所述的方法,其中,所述给定传感器是第一传感器,所述概率是第一概率,且所述预定阈值是第一预定阈值,所述方法进一步包括:
当所述第一概率不超过所述第一预定阈值时:(i)基于所述传感器的子集中的每一个传感器的所述传感器效用值来识别第二传感器,(ii)接收由所述第二传感器输出的信息,(iii)基于由所述第二传感器输出的所述信息来确定所述设备当前在所述给定情景内的第二概率,(iv)将所述第一概率与所述第二概率进行组合,以及(v)当所组合的概率超过第二预定阈值时,确定所述设备当前在给定情景内。
3.根据权利要求2所述的方法,其中,所述第一传感器的所述相应的功耗率低于所述第二传感器的所述相应的功耗率。
4.根据权利要求2所述的方法,其中,所述第二概率高于所述第一概率。
5.根据权利要求2所述的方法,其中,组合所述第一概率与所述第二概率包括:确定所述第一概率与所述第二概率的加权组合,并且其中,与所述第一概率和所述第二概率的所述加权组合相关的权重与到所述设备的输入相关联地变化。
6.根据权利要求5所述的方法,其中,所述权重与所述设备的配置相关联地变化,并且其中,所述设备的所述配置包括耦合到所述设备的传感器的类型和数量。
7.根据权利要求1所述的方法,其中,每一个传感器的所述传感器效用值包括该传感器的所述相应的功耗率和该传感器的所述相应的准确度得分的加权组合,并且其中,与所述相应的功耗率和所述相应的准确度得分的加权组合相关的权重与到所述设备的输入相关联地变化。
8.根据权利要求1所述的方法,进一步包括:
基于每一个相应的传感器的每一个传感器效用值,基于每一个相应的传感器的每一个相应的功耗率来对所述传感器的子集进行排序。
9.根据权利要求1所述的方法,其中,每一个相应的准确度得分与到所述设备的输入相关联地改变。
10.一种非暂时性计算机可读介质,所述非暂时性计算机可读介质具有储存于其上的指令,所述指令能够由计算设备执行以使得所述计算设备执行功能,所述功能包括:
为耦合到设备的传感器的子集中的每一个传感器确定该传感器的相应的功耗率;
为所述传感器的子集中的每一个传感器确定相应的准确度得分,所述相应的准确度得分指示与该传感器相关的信息指示给定情景的程度;
为所述传感器的子集中的每一个传感器确定该传感器的传感器效用值,每一个相应的传感器效用值都至少部分地基于该传感器的所述相应的功耗率和该传感器的所述相应的准确度得分;
基于所述传感器的子集中的每一个传感器的所述传感器效用值来识别给定传感器;
接收由所述给定传感器输出的信息;
基于由所述给定传感器输出的所述信息来确定所述设备当前在所述给定情景内的概率;以及
当所述概率超过预定阈值时,确定所述设备当前在所述给定情景内。
11.根据权利要求10所述的非暂时性计算机可读介质,其中,所述给定传感器是第一传感器,所述概率是第一概率,且所述预定阈值是第一预定阈值,并且其中,所述指令进一步能够由所述计算设备执行以使得所述计算设备执行功能,所述功能包括:
当所述第一概率不超过所述第一预定阈值时:(i)基于所述传感器的子集中的每一个传感器的所述传感器效用值来识别第二传感器,(ii)接收由所述第二传感器输出的信息,(iii)基于由所述第二传感器输出的所述信息来确定所述设备当前在所述给定情景内的第二概率,(iv)将所述第一概率与所述第二概率进行组合,以及(v)当所组合的概率超过第二预定阈值时,确定所述设备当前在给定情景内。
12.根据权利要求10所述的非暂时性计算机可读介质,其中,所述指令进一步能够由所述计算设备执行以使得所述计算设备执行功能,所述功能包括:确定所述设备当前在一情景内,所述情景描述其中用户没有使用所述设备的区域。
13.根据权利要求12所述的非暂时性计算机可读介质,其中,所述指令进一步能够由所述计算设备执行以使得所述计算设备执行功能,所述功能包括:
基于确定所述设备当前在一情景内而禁用耦合到所述设备的至少一个传感器,所述情景描述其中用户没有使用所述设备的区域。
14.根据权利要求12所述的非暂时性计算机可读介质,其中,所述指令进一步能够由所述计算设备执行以使得所述计算设备执行功能,所述功能包括:
基于确定所述设备当前在一情景内而减少所述设备的功能,所述情景描述其中用户没有使用所述设备的区域。
15.根据权利要求10所述的非暂时性计算机可读介质,其中,每一个传感器的所述传感器效用值包括该传感器的所述相应的功耗率和该传感器的所述相应的准确度得分的加权组合,并且其中,与所述相应的功耗率和所述相应的准确度得分的所述加权组合相关的权重与到所述设备的输入相关联地变化。
16.一种***,包括:
效用函数模块,所述效用函数模块被配置为,为耦合到设备的传感器的子集中的每一个传感器接收与该传感器相应的功耗率相关的信息并为所述传感器的子集中的每一个传感器接收相应的准确度得分,所述相应的准确度得分指示与该传感器相关的信息指示给定情景的程度,其中,所述效用函数模块进一步被配置为,为所述传感器的子集中的每一个传感器确定传感器效用值,每一个相应的传感器效用值都至少部分地基于该传感器的所述相应的功耗率和该传感器的所述相应的准确度得分;以及
概率模块,所述概率模块与所述效用函数模块进行通信,所述概率模块被配置为,基于所述传感器的子集中的每一个传感器的所述传感器效用值来识别给定传感器,接收由所述给定传感器输出的信息,并且基于由所述给定传感器输出的所述信息来确定所述设备当前在所述给定情景内的概率,其中,所述概率模块被配置为当所述概率超过预定阈值时,确定所述设备当前在所述给定情景内。
17.根据权利要求16所述的***,其中,所述给定传感器是第一传感器,所述概率是第一概率,且所述预定阈值是第一预定阈值,并且其中,所述概率模块进一步被配置为:
当所述第一概率不超过所述第一预定阈值时:(i)基于所述传感器的子集中的每一个传感器的所述传感器效用值来识别第二传感器,(ii)接收由所述第二传感器输出的信息,(iii)基于由所述第二传感器输出的所述信息来确定所述设备当前在所述给定情景内的第二概率,(iv)将所述第一概率与所述第二概率进行组合,以及(v)当所组合的概率超过第二预定阈值时,确定所述设备当前在给定情景内。
18.根据权利要求16所述的***,进一步包括时间统计推断模块,所述时间统计推断模块与所述效用函数模块和所述概率模块进行通信,所述时间统计推断模块被配置为在所述给定传感器输出信息的情况下,确定与所述设备在给定情景中相关的所述概率,其中,所述概率至少包括发射概率,所述发射概率包括在所述给定传感器输出所述信息的情况下,所述设备当前在所述给定情景内的可能性。
19.根据权利要求18所述的***,其中,所述时间统计推断模块进一步被配置为,将由多个传感器输出的信息和与所述多个传感器相关的发射概率进行组合,从而以增大的概率来确定所述设备当前在所述给定情景内。
20.根据权利要求18所述的***,其中,所述概率包括起始概率和所述发射概率的乘积,其中,所述起始概率包括所述设备当前在所述给定情景内的平均概率。
21.根据权利要求18所述的***,其中,所述概率模块通过对机器学习***进行训练来确定所述发射概率,并且其中,所述训练包括:
将所述设备置于所述给定情景中;
接收随时间经过的、由所述传感器的子集中的每一个传感器输出的信息;以及
确定统计分布,所述统计分布包括每一个传感器的所述输出的平均值和方差。
22.根据权利要求16所述的***,其中,所述概率模块被配置为,当所述设备当前在一情景内时,禁用耦合到所述设备的至少一个传感器并减少所述设备的功能,所述情景描述其中用户没有使用所述设备的区域。
23.根据权利要求16所述的***,其中,所述概率模块被配置为,当所述设备当前在一情景内时,使能耦合到所述设备的至少一个传感器并增加所述设备的功能,所述情景描述其中用户使用所述设备的区域。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/297,425 US8180583B1 (en) | 2011-11-16 | 2011-11-16 | Methods and systems to determine a context of a device |
US13/297,425 | 2011-11-16 | ||
PCT/US2012/033746 WO2013074140A1 (en) | 2011-11-16 | 2012-04-16 | Methods and systems to determine a context of a device |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103975538A true CN103975538A (zh) | 2014-08-06 |
CN103975538B CN103975538B (zh) | 2016-05-18 |
Family
ID=46033288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280045029.0A Active CN103975538B (zh) | 2011-11-16 | 2012-04-16 | 确定设备的情景的方法和*** |
Country Status (7)
Country | Link |
---|---|
US (1) | US8180583B1 (zh) |
KR (1) | KR101444925B1 (zh) |
CN (1) | CN103975538B (zh) |
AU (2) | AU2012337366B2 (zh) |
DE (1) | DE112012004787B4 (zh) |
GB (1) | GB2508124B (zh) |
WO (1) | WO2013074140A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108116408A (zh) * | 2016-11-29 | 2018-06-05 | 福特全球技术公司 | 多传感器概率对象和自动制动 |
CN112189229A (zh) * | 2018-05-23 | 2021-01-05 | 微软技术许可有限责任公司 | 针对计算机化个人助手的技能发现 |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
PL398136A1 (pl) * | 2012-02-17 | 2013-08-19 | Binartech Spólka Jawna Aksamit | Sposób wykrywania kontekstu urzadzenia przenosnego i urzadzenie przenosne z modulem wykrywania kontekstu |
IN2015KN00213A (zh) | 2012-07-17 | 2015-06-12 | Intertrust Tech Corp | |
US20140122170A1 (en) * | 2012-10-26 | 2014-05-01 | Disney Enterprises, Inc. | Detection of guest position |
US9659333B2 (en) | 2012-10-26 | 2017-05-23 | Disney Enterprises, Inc. | Dining experience management |
US20140122396A1 (en) * | 2012-10-29 | 2014-05-01 | Qualcomm Incorporated | Rules engine as a platform for mobile applications |
US9740773B2 (en) * | 2012-11-02 | 2017-08-22 | Qualcomm Incorporated | Context labels for data clusters |
WO2014128021A1 (en) | 2013-02-19 | 2014-08-28 | Thomson Licensing | Method and apparatus for notifying missed events |
US9594411B2 (en) * | 2013-02-28 | 2017-03-14 | Qualcomm Incorporated | Dynamic power management of context aware services |
US9268399B2 (en) * | 2013-03-01 | 2016-02-23 | Qualcomm Incorporated | Adaptive sensor sampling for power efficient context aware inferences |
US9910828B2 (en) * | 2013-03-12 | 2018-03-06 | Qualcomm Incorporated | Spectrometer for personal context |
ES2739817T3 (es) | 2013-12-17 | 2020-02-04 | Tyco Fire Products Lp | Sistema y método para detectar y suprimir un incendio usando información acerca del viento |
US10119864B2 (en) | 2014-03-11 | 2018-11-06 | Google Technology Holdings LLC | Display viewing detection |
US20150261315A1 (en) * | 2014-03-11 | 2015-09-17 | Google Technology Holdings LLC | Display viewing detection |
US20160077892A1 (en) * | 2014-09-12 | 2016-03-17 | Microsoft Corporation | Automatic Sensor Selection Based On Requested Sensor Characteristics |
US9412361B1 (en) * | 2014-09-30 | 2016-08-09 | Amazon Technologies, Inc. | Configuring system operation using image data |
CN108089691A (zh) * | 2015-06-01 | 2018-05-29 | 中兴通讯股份有限公司 | 一种降低终端设备功耗的方法及装置 |
US11042174B2 (en) * | 2017-02-03 | 2021-06-22 | Qualcomm Incorporated | System and method for thermal management of a wearable computing device based on proximity to a user |
US11301022B2 (en) * | 2018-03-06 | 2022-04-12 | Motorola Mobility Llc | Methods and electronic devices for determining context while minimizing high-power sensor usage |
EP3887925A4 (en) | 2018-11-30 | 2022-08-17 | Magic Leap, Inc. | MULTIMODAL HANDHELD LOCATION AND ORIENTATION TO AVATAR MOVEMENT |
WO2020222988A1 (en) | 2019-04-30 | 2020-11-05 | Apple Inc. | Utilizing context information with an electronic device |
US11438452B1 (en) | 2019-08-09 | 2022-09-06 | Apple Inc. | Propagating context information in a privacy preserving manner |
CN110475023B (zh) * | 2019-08-19 | 2021-04-09 | Oppo广东移动通信有限公司 | 情景数据处理方法、装置、电子设备及计算机可读介质 |
US11821732B2 (en) * | 2021-01-07 | 2023-11-21 | Stmicroelectronics S.R.L. | Electronic device including bag detection |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060167647A1 (en) * | 2004-11-22 | 2006-07-27 | Microsoft Corporation | Sensing and analysis of ambient contextual signals for discriminating between indoor and outdoor locations |
US20100235667A1 (en) * | 2009-09-02 | 2010-09-16 | Apple Inc. | Motion sensor data processing using various power management modes |
US20100302028A1 (en) * | 2009-05-26 | 2010-12-02 | Qualcomm Incorporated | Power management of sensors within a mobile device |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6178141B1 (en) * | 1996-11-20 | 2001-01-23 | Gte Internetworking Incorporated | Acoustic counter-sniper system |
US7439872B2 (en) | 2003-02-06 | 2008-10-21 | Nokia Corporation | Method and mobile device for non-visually signaling the state of a mobile device |
US7162026B2 (en) | 2003-07-25 | 2007-01-09 | William J Furnas | Alert muting method through indirect contact for portable devices |
CN2859943Y (zh) | 2005-12-14 | 2007-01-17 | 锡盛通讯有限公司 | 一种移动终端提醒归位结构 |
US20070161410A1 (en) | 2006-01-11 | 2007-07-12 | Inventec Corporation | Mobile phone capable of controlling keyboard lock and method therefor |
US20080119217A1 (en) | 2006-11-16 | 2008-05-22 | Sony Ericsson Mobile Communications Ab | Portable communication having accidental key press filtering |
US8843181B2 (en) * | 2009-05-27 | 2014-09-23 | Qualcomm Incorporated | Sensor uses in communication systems |
US20110071759A1 (en) * | 2009-09-22 | 2011-03-24 | Texas Instruments Incorporated | Performance of a Navigation Receiver Operating in a Power-Save Mode with the Aid of Sensors |
-
2011
- 2011-11-16 US US13/297,425 patent/US8180583B1/en not_active Expired - Fee Related
-
2012
- 2012-04-16 KR KR1020147006913A patent/KR101444925B1/ko active IP Right Grant
- 2012-04-16 GB GB1404531.4A patent/GB2508124B/en not_active Expired - Fee Related
- 2012-04-16 WO PCT/US2012/033746 patent/WO2013074140A1/en active Application Filing
- 2012-04-16 CN CN201280045029.0A patent/CN103975538B/zh active Active
- 2012-04-16 DE DE112012004787.7T patent/DE112012004787B4/de active Active
- 2012-04-16 AU AU2012337366A patent/AU2012337366B2/en not_active Ceased
-
2014
- 2014-06-26 AU AU2014203479A patent/AU2014203479B2/en not_active Ceased
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060167647A1 (en) * | 2004-11-22 | 2006-07-27 | Microsoft Corporation | Sensing and analysis of ambient contextual signals for discriminating between indoor and outdoor locations |
US20100302028A1 (en) * | 2009-05-26 | 2010-12-02 | Qualcomm Incorporated | Power management of sensors within a mobile device |
US20100235667A1 (en) * | 2009-09-02 | 2010-09-16 | Apple Inc. | Motion sensor data processing using various power management modes |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108116408A (zh) * | 2016-11-29 | 2018-06-05 | 福特全球技术公司 | 多传感器概率对象和自动制动 |
CN108116408B (zh) * | 2016-11-29 | 2022-11-08 | 福特全球技术公司 | 多传感器概率对象和自动制动 |
CN112189229A (zh) * | 2018-05-23 | 2021-01-05 | 微软技术许可有限责任公司 | 针对计算机化个人助手的技能发现 |
CN112189229B (zh) * | 2018-05-23 | 2024-03-29 | 微软技术许可有限责任公司 | 针对计算机化个人助手的技能发现 |
Also Published As
Publication number | Publication date |
---|---|
US8180583B1 (en) | 2012-05-15 |
WO2013074140A1 (en) | 2013-05-23 |
CN103975538B (zh) | 2016-05-18 |
AU2014203479B2 (en) | 2015-09-10 |
GB2508124B (en) | 2014-11-19 |
DE112012004787B4 (de) | 2016-03-31 |
KR101444925B1 (ko) | 2014-09-26 |
GB2508124A (en) | 2014-05-21 |
AU2012337366A1 (en) | 2014-03-06 |
AU2012337366B2 (en) | 2014-03-27 |
DE112012004787T5 (de) | 2014-09-18 |
GB201404531D0 (en) | 2014-04-30 |
KR20140043166A (ko) | 2014-04-08 |
AU2014203479A1 (en) | 2014-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103975538A (zh) | 确定设备的情景的方法和*** | |
US20210329412A1 (en) | Method for detecting context of a mobile device and a mobile device with a context detection module | |
KR101831210B1 (ko) | 데이터 클러스터들에 대한 컨텍스트 라벨들의 할당에 의한 모바일 디바이스에서의 컨텍스트 모델의 관리 | |
EP2962171B1 (en) | Adaptive sensor sampling for power efficient context aware inferences | |
US10539586B2 (en) | Techniques for determination of a motion state of a mobile device | |
CN106062661A (zh) | 用于常开常听的语音识别***的位置感知功率管理方案 | |
CN107977074A (zh) | 用于移动或可穿戴设备用户的上下文感知的方法和装置 | |
KR20130096732A (ko) | 상황 정보를 분류하는 방법 및 장치 | |
KR20150091121A (ko) | 콘텍스트상의 추론들의 의미론적인 융합 | |
WO2019062341A1 (zh) | 后台应用清理方法、装置、存储介质及电子设备 | |
CN112673367A (zh) | 用于预测用户意图的电子设备和方法 | |
WO2019000468A1 (zh) | 用户位置识别方法、装置、存储介质及电子设备 | |
CN115577287B (zh) | 数据处理方法、设备及计算机可读存储介质 | |
Choujaa et al. | Activity recognition from mobile phone data: State of the art, prospects and open problems | |
CN116897358A (zh) | 使用在多个应用之间共享的机器学习模型的设备和方法 | |
CN111881242A (zh) | 一种轨迹点的基础语义识别方法及相关设备 | |
CN111797391A (zh) | 高风险进程的处理方法、装置、存储介质及电子设备 | |
CN117115596B (zh) | 对象动作分类模型的训练方法、装置、设备及介质 | |
CN116027934B (zh) | 展示卡片的方法及装置 | |
EP2756658B1 (en) | Detecting that a mobile device is riding with a vehicle | |
Saponas et al. | Human-activity recognition (HAR) everywhere: Embedded, mobile, desktop, home & cloud | |
WO2018132949A1 (zh) | 一种信号的控制方法和终端 | |
US20080162966A1 (en) | System and method for handling access to memory modules | |
WO2018132942A1 (zh) | 一种信号的控制方法和终端 | |
CN117787652A (zh) | 园区电力需求预测方法、相关装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder |
Address after: American California Patentee after: Google limited liability company Address before: American California Patentee before: Google Inc. |
|
CP01 | Change in the name or title of a patent holder |