用于功率高效的情境感知推断的自适应传感器取样的制作方法

文档序号:9332615阅读:409来源:国知局
用于功率高效的情境感知推断的自适应传感器取样的制作方法
【技术领域】
[0001] 本文所揭示的标的物大体涉及功率管理技术及传感器启动调度。
【背景技术】
[0002] 电子装置能够装备多种传感器和输入以监视及发现关于装置的环境的信息。例 如,装置可以利用加速度计以测量装置移动的方面或麦克风以测量装置的附近的音频环 境。
[0003] 在装置上运行的程序或应用可以从传感器来处理数据以便提供增强的用户体验。 装置能够基于传感器数据推断情境。然而,传感器数据可能有时为不明确的或误导性的,且 当基于来自单个传感器的输出推断情境时可发生误报。然而,启动多个数据传感器可有损 于功率效率的目标。
[0004] 因此,新的和改良的传感器管理技术为合乎需要的。

【发明内容】

[0005] 本文所揭示的实施例可以涉及一种用于执行针对移动装置的情境推断的方法。所 述方法包含接收来自至少第一传感器的数据,执行来自至少第一传感器的数据的第一分 类,且确定第一分类的置信度值。所述方法进一步包含基于确定第一分类的置信度值未能 满足置信度阈值而启动第二传感器,且联合来自至少第一传感器的数据执行来自第二传感 器的第二数据样本的第二分类。
[0006] 本文所揭示的实施例还可以涉及一种机器可读非暂时性存储媒体,其具有执行针 对移动装置的情境推断的指令。所述方法包含接收来自至少第一传感器的数据,执行来自 至少第一传感器的数据的第一分类,且确定第一分类的置信度值。所述方法进一步包含基 于确定第一分类的置信度值未能满足置信度阈值而启动第二传感器,且联合来自至少第一 传感器的数据执行来自第二传感器的第二数据样本的第二分类。
[0007] 本文所揭示的实施例还可以涉及一种设备,其包含用于接收来自至少第一传感器 的数据的装置,用于执行来自至少第一传感器的数据的第一分类的装置,及用于确定第一 分类的置信度值的装置。所述设备进一步包含用于基于确定第一分类的置信度值未能满足 置信度阈值而启动第二传感器的装置,及用于联合来自至少第一传感器的数据执行来自第 二传感器的第二数据样本的第二分类的装置。
[0008] 本文所揭示的实施例可以进一步涉及一种包含处理器及存储装置的数据处理系 统,所述存储装置可配置以存储用以执行针对数据处理系统的情境推断的指令。所述指令 致使所述处理器接收来自至少第一传感器的数据,执行来自至少第一传感器的数据的第一 分类,且确定第一分类的置信度值。所述指令进一步致使所述处理器基于确定第一分类的 置信度值未能满足置信度阈值而启动第二传感器,且联合来自至少第一传感器的数据执行 来自第二传感器的第二数据样本的第二分类。
[0009] 其它特征及优点将从附图及从详细描述显而易见。
【附图说明】
[0010] 图1为可在其中实践本发明的方面的系统的框图;
[0011] 图2说明在一个实施例中的情境感知传感器管理器的流程图;
[0012] 图3说明在一个实施例中的传感器数据分类的图;
[0013] 图4说明在一个实施例中的当检测到指定分类过渡时传感器启动的流程图;及
[0014] 图5说明在另一实施例中的情境感知传感器管理器的流程图。
【具体实施方式】
[0015] 装置概述
[0016] 图1为说明可在其中实践本发明的实施例的示范性数据处理系统的框图。所述 系统可为装置100,其可包含一或多个处理器101、存储器105、I/O控制器125及网络接口 110。装置100还可包含耦合到一或多个总线或信号线而进一步耦合到处理器101的若干 装置传感器。应了解装置100还可包含显示器120、用户接口(例如,键盘、触摸屏或类似装 置)、功率装置121 (例如,电池)以及通常与电子装置相关联的其它组件。
[0017] 在一些实施例中,装置100可为移动或非移动装置。网络接口 110还可耦合到若 干无线子系统115(例如,蓝牙、WiFi、蜂窝式或其它网络)以经由无线链路将数据流发射到 无线网络/从无线网络接收数据流,或可为用于直接连接到网络(例如,因特网、以太网或 其它无线系统)的有线接口。因此,装置100可为:移动装置、无线装置、手机、个人数字助 理、移动计算机、平板计算机、个人计算机、膝上型计算机,或任何类型的具有处理能力的装 置。
[0018] 装置100可包含传感器,例如近程传感器130、环境光传感器(ALS) 135、加速度计 140、陀螺仪145、磁力计150、气压传感器155和/或全球定位传感器(GPS) 160。在一些实 施例中,麦克风165、相机170和/或无线子系统115用作传感器以分析装置100的环境。 例如,麦克风165能够提供音频数据以用于确定装置100是否在移动的汽车内部或在安静 的办公室中。每一传感器可在相同或不同的子系统上实施。当在不同及分离的子系统上实 施时,每一传感器可具有专用电力使得每一传感器能够独立地通电或断电。独立的分离子 系统传感器可仍然经由上文所描述的信号线或总线与彼此及装置100中的其它组件通信。
[0019] 存储器105可耦合到处理器101以存储指令供处理器101执行。在一些实施例中, 存储器105为非暂时性的。存储器105还可存储一或多个模型或模块以实施下文描述的实 施例。存储器105还可存储来自集成或外部传感器的数据。另外,存储器105可存储下文 更详细地描述的用于存取一或多个模块171 (例如,内容感知传感器管理器模块)的应用程 序接口(API)。存储器105还可存储描述预定义特征调度信息、训练数据样本、传感器数据 样本或与类别或特征相关的功率分布的配置文件。
[0020] 应了解,如下文将描述的本发明的实施例可通过装置100的处理器101和/或装 置100的其它电路经和/或其它装置由执行例如存储在存储器105或其它元件中的指令而 实施。确切地说,装置100的电路(包含但不限于处理器101)可在程序、例程或指令的执 行的控制下操作以执行根据本发明的实施例的方法或过程。例如,此程序可在固件或软件 中实施(例如,存储在存储器105和/或其它位置中)且可由处理器来实施,例如,处理器 101和/或装置100的其它电路。另外,应了解,术语"处理器"、"微处理器"、"电路"、"控制 器"等是指能够执行逻辑、命令、指令、软件、固件、功能性等的任何类型的逻辑或电路。
[0021] 此外,应了解,本文所描述的一些或所有功能、引擎或模块可由装置100本身执 行,且/或本文所描述的一些或所有功能、引擎或模块可由通过I/O控制器125或网络接口 110 (以无线方式或有线方式)连接到装置100的另一系统执行。因此,一些和/或所有功 能可由另一系统执行,且结果或中间计算可传递回到装置100。在一些实施例中,此另一装 置可包括经配置以实时或准实时处理信息的服务器。在一些实施例中,另一装置经配置以 例如基于装置100的已知配置预先确定结果。
[0022] 内容感知传感器管理器概述
[0023] 装置传感器能够提供关于用户及环境的情境数据。如本文中所使用,情境可为可 用以表征用户的情况的任何信息。例如,情境可以描述用户正在做什么,用户的环境/周围 情况,用户所处的位置或用户可能有什么意图。
[0024] 在一个实施例中,内容感知传感器管理器(CASM)(例如,实施为模块171或引擎能 够机会性地接通、上电或启动在同一子系统或其它子系统上的额外传感器)以改进情境感 知推断的性能。在一些情况下,单个传感器数据样本可能不足以提供精确的情境推断或分 类。因此,可启动一或多个额外传感器流。
[0025] 例如,基于加速度计数据样本,CASM或专用分类器可确定移动装置放置在桌子或 工作台的表面上。加速度计可确定装置的表面相对于重力的取向。取向可以间距及辊的角 度测量结果为特征。基于装置的取向(例如,与在桌子位置上的平坦处一致而形成角度)和 /或缺乏由加速度计记录的可检测运动,CASM或专用分类器可推断装置在桌子表面上是固 定的。然而,在桌子上的位置的分类的置信度可较低,且CASM能够启动额外传感器以验证 所述分类。例如,来自GPS 160的启动及分类数据可推断用户在公共道路上,其中移动装置 放置在车辆仪表板上。当用户在街道或道路上时,用户及移动装置不大可能在桌子处。加 速度计140及GPS 160的组合能够具有相关联的联合置信度值,指示用户是否最可能(即, 具有高置信度)在桌子处或在车辆中驾驶。在一些情况下两个或更多个传感器的额外传感 器数据及分类能够提供特定分类中的更高置信度。
[0026] 在另一实例中,加速度计可确定用户将移动装置放在口袋中,如通过与口袋位置 一致的角度所指示。再次,CASM可能不具有足够高置信度以确定用户是否坐在工作环境中 (例如,在桌子处),或坐在车辆中而所述车辆即刻为静止的。如上所述,可启动额外传感器 并对其进行分类以便解决分类不明确性。下文更详细地描述其它细节。
[0027] CASM或专用分类器能够对一或多个传感器流(例如,在一或多个分类迭代中)分 类直到确定用户的情境的最终确定为止。在一个实施例中,CASM能够处理或计算来自传感 器数据样本的特征,且输出分类(例如,状态或情境感知推断)。例如,当CASM接收传感器 数据时,代表数据的差别方面的有意义的特征可以被计算并被匹配到模型以确定最佳拟合 分类。因为传感器数据样本可能提供不明确的或不精确的分类,所以CASM可触发或启动一 或多个额外传感器以验证或加强初始分类,或当分类与相关联的置信度低于预定阈值时这 样做。
[0028] 在一个实施例中,可以在模型分类中使用贝叶斯概率。例如,CASM可确定哪个类 别具有最高概率且作为置信度输出所述最大概率。替代地,CASM可输出在最大概率分类与 作为概率的下一最可能(即,第二最大)分类之间的差。例如,第一分类概率可为.6
当前第1页1 2 3 4 5 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1