用于在移动装置中使用似然函数值的组合对用户活动进行分类的系统、方法和设备的制作方法
【专利摘要】本发明提供可用于至少部分基于来自移动装置的一个或一个以上传感器的信号确定在两个或两个以上过去出现时间用于活动分类的活动似然函数值的组件、方法和设备。举例来说，一种方法可包括：针对多个活动分类中的每一者，确定在两个或两个以上过去出现时间用于所述多个活动分类中的每一者的活动似然函数值。所述活动似然函数值至少部分是基于来自移动装置的一个或一个以上传感器的信号。所述方法还可包含：组合所述活动似然函数值以确定在当前出现时间用于一活动分类的似然函数。所述方法还可包含：至少部分基于在所述当前出现时间用于所述活动分类的所述确定的似然函数来推断与所述移动装置处于同一位置的用户的当前活动是所述活动分类中的一者。
【专利说明】用于在移动装置中使用似然函数值的组合对用户活动进行分类的系统、方法和设备
【技术领域】
[0001]本文揭示的主题涉及在移动装置中对用户活动进行分类。
【背景技术】
[0002]例如智能电话等许多移动通信装置包含惯性传感器，例如加速计，所述惯性传感器可用于检测装置的运动。这些移动可用于确定装置的定向，使得显示器在向用户显示信息时可以恰当地定向成例如纵向或横向模式。在另一实例中，借助于智能电话执行的一种游戏应用程序可以依赖于一个或一个以上加速计检测到的移动，使得游戏的特征可以得到控制。在其它实例中，加速计检测到的手势移动可以允许用户滚动地图、导览菜单或控制装置的操作的其它方面。
[0003]虽然可以用于辅助简单的用户接口任务，但是尚不可能利用加速计的输出信号或“轨迹”向移动装置用户提供更加复杂和有意义的辅助。举例来说，如果可以检测到用户在参与紧张的活动，那么将传入的电话呼叫直接引导到语音信箱以免干扰用户可能是有用的。在另一实例中，如果可以检测到移动装置是在用户的钱包或口袋里，那么停用显示器以免浪费电池资源可能是有利的。
[0004]当试图推断例如行走、奔跑、骑自行车等等用户活动时，可以使用各种技术从惯性传感器获得信号、从获取的信号中提取特征，并且推断活动类别。然而，当估计用户的活动类别时，可能在执行对用户活动的精确估计与用及时的方式执行估计之间进行折中。总的来说，可以获得精确估计，但是只有在处理延迟之后才能获得。
【发明内容】
[0005]在特定实施方案中，一种方法包括:针对多个活动分类中的每一者，确定在两个或两个以上过去的出现时间用于所述多个活动分类中的每一者的活动似然函数值。所述活动似然函数值至少部分是基于来自移动装置的一个或一个以上传感器的信号。所述方法还包含组合所述活动似然函数值以确定在当前出现时间用于一活动分类的似然函数。所述方法还包含至少部分基于在当前出现时间用于活动分类的所确定的似然函数，推断与移动装置处于同一位置的用户的当前活动是所述活动分类中的一者。
[0006]在一个实施方案中，一种设备包括，针对多个活动分类中的每一者，用于至少部分基于来自移动装置的一个或一个以上传感器的信号、确定在两个或两个以上过去的出现时间用于所述多个活动分类中的每一者的活动似然函数值的装置。所述设备还包括:用于组合所述活动似然函数值以确定在当前出现时间用于一活动分类的似然函数的装置；以及用于至少部分基于在所述当前出现时间用于所述活动分类的所述确定的似然函数来推断与所述移动装置处于同一位置的用户的当前活动是所述多个活动分类中的一者的装置。
[0007]在一个实施方案中，一种物品包括:非暂时存储媒体，其上存储有机器可读指令，所述机器可读指令可由移动装置的处理器执行以进行以下操作:针对多个活动分类中的每一者，至少部分基于来自所述移动装置的一个或一个以上传感器的信号，确定在两个或两个以上过去的出现时间用于所述活动分类的活动似然函数值。所述处理器还组合所述活动似然函数值以确定在当前出现时间用于所述活动分类的似然函数；以及至少部分基于在所述当前出现时间用于所述活动分类的所述确定的似然函数，推断与所述移动装置处于同一位置的用户的当前活动是所述活动分类中的一者。
[0008]在一个实施方案中，一种移动装置包括一个或一个以上传感器和一个处理器，用于针对多个活动分类中的每一者，至少部分基于来自所述一个或一个以上传感器的信号、确定在两个或两个以上过去的出现时间用于所述活动分类的活动似然函数值。所述处理器可进一步组合所述活动似然函数值以确定在当前出现时间用于所述活动分类的似然函数；以及至少部分基于在所述当前出现时间用于所述活动分类的所述确定的似然函数，推断与所述移动装置处于同一位置的用户的当前活动是所述活动分类中的一者。
【专利附图】
【附图说明】
[0009]参考随后的图式描述非限制性和非详尽的方面，其中相同的参考标号贯穿各图指代相同的部分。
[0010]图1是根据一个实施方案可以应用于移动装置的实例坐标系。
[0011]图2是根据一个实施方案用于在移动装置中推断用户的活动类别的过程的图。
[0012]图3是展示图2的时间组合器的额外细节的图。
[0013]图4是展示根据一个实施方案的用于最大似然函数组合器的随观测时间而变的信任度的测量值的曲线图。
[0014]图5是图解说明根据一个实施方案的与移动装置相关联的实例计算环境的示意图。
[0015]图6是图解说明根据一个实施方案的使用时间组合对用户活动进行分类的过程的流程图。
【具体实施方式】
[0016]在特定实施方案中，分类器可以至少部分基于从移动装置上的惯性传感器接收到的信号来推断移动装置用户的活动类别。在特定实例中，可以对来自一个或一个以上惯性传感器的信号进行处理，以计算或提取“特征”，所述特征可以指示或暗示特定的活动类别。随后，可以将根据惯性传感器计算的特征应用于活动估计器以估计当前活动。可以将在给定时间活动估计器的输出状态与先前的输出状态组合，并且对所述输出状态进行滤波，以提高活动分类的推断的信任度因子。
[0017]分类器等待时间可以被定义为在分类器产生用户活动类别的推断之前观测到的连续传感器输出状态的总持续时间。举例来说，由于滤波(这可能是合乎需要的)，较高的等待时间可能使得活动分类中的信任度因子较高。然而，在制定对于活动类别的决策之前引发延迟，可能会减小活动分类器产生的决策的值。举例来说，如果用户从一个活动类别转变成另一个活动类别，则分类器可能继续提供较早的活动分类，直到经过一段等待时间周期为止。此些等待时间可能引入不精确性，这可能在用户的活动状态的变化速率比等待时间更快的情况下特别不利。在这种情况下，活动分类器可能会完全忽视短持续时间的活动。[0018]特定的实施方案可以适应具有不同等待时间要求的活动分类。在一个实例中，支持卡路里燃烧计数器的活动分类可以允许约几分钟的等待时间，因为分类器精确性可能比动态响应更重要。举例来说，对于卡路里燃烧计数应用程序来说，以高信任水平进行估计(用户持续锻炼30分钟，而报告延迟为一分钟)可能表示充分且合乎需要的结果。相比之下，可能以较低信任水平进行估计(用户交替奔跑与行走总共15分钟，各有I秒的报告延迟)可能并不表示有用的统计。在另一实例中，支持游戏应用程序的活动分类可能以约几秒(甚至一秒的一些部分)的等待时间令人满意地执行，但是可以容受较低信任水平的活动分类。
[0019]所以，在一些实施方案中，活动分类器可以针对可变的等待时间设置来配置。此夕卜，活动分类器产生具有不同等待时间的同时分类可能是有利的。在一个实施方案中，如果卡路里燃烧计数应用程序可能能够与游戏应用程序并行地在移动装置上运行，那么适应所述应用程序的不同等待时间和精确性需求的一种简单的解决方案可以是简单地执行一种分类器的多个例子，其中每一例子在一种特定的等待时间设置内操作。本文所述的实施方案可以具有优于此方法的优点。
[0020]在一个特定的实施方案中，分类器可以推断与移动装置在同一位置的用户在参与多种活动分类中的一种活动分类。在此上下文中，用户可能通过固持所述移动装置(举例来说，穿戴所述移动装置)、将移动装置放在他/她的口袋里、与移动装置直接接触(仅举几例)而与移动装置处在同一位置。在一个实施方案中，“似然函数”可以描述对数似然值或其它从用户参与多个活动类别中的一者的似然值导出的或与所述似然值有关的表达式。可以通过处理从移动装置上的传感器接收到的信号，针对循序的出现时间确定所述活动分类中的一者或一者以上的似然函数值。接着，可以组合、滤波针对特定活动分类在多个出现时间推断的似然函数值，并且可以至少部分基于组合的似然函数值来推断活动分类。在特定实施方案中，可以使用各种滤波技术来推断似然函数值，所述技术例如是时间表决、最大似然函数、最大先验值、有限脉冲响应和无限脉冲响应，仅举几例。
[0021]在一个实施方案中，分类器可经配置以调适等待时间使其适合特定应用程序。在一实例中，包括30秒等待时间的分类器可经配置以用10秒的等待时间切换到估计活动类另O。在实施方案中，这可能特别适用于在信任度要求(而不是等待时间要求)下操作的应用程序。
[0022]图1是根据一个实施方案可以应用于移动装置的实例坐标系(100)。在图1中，可以完全或部分地使用坐标系100，以促进或支持根据一个实施方案例如使用加速计输出信号配合移动装置(例如移动装置102)的用户对活动分类的推断。然而，应理解，加速计只是可以用来对用户活动进行分类的惯性传感器的一个实例，并且所主张的主题在这方面不受限制。惯性传感器的实例可包含陀螺仪、磁力计、压电装置等等。在其它实施方案中，例如压力传感器、环境光传感器、成像传感器、温度传感器(仅举几例)等其它类型的传感器可以产生输出信号，所述输出信号可以经过处理以便推断与移动装置处在同一位置的用户的活动类别。
[0023]如所图解说明，坐标系100可例如包括三维笛卡儿坐标系，但是所主张的主题不受此限制。在这个图解说明的实例中，移动装置102的运动例如表示加速度振动，所述加速度振动可能是至少部分地参照3个线性维度或轴X、Y和Z相对于实例坐标系100的原点104检测或测量的。应了解，实例坐标系100可以与或可以不与移动装置102的主体对准。还应注意，在某些实施方案中，可以使用例如圆柱形或球形坐标系等非笛卡儿坐标系，或者任何其它可以界定相互正交的维度的坐标系。
[0024]也如图1中图解说明，当装置的定向例如围绕重力变化时，可以至少部分参照一个或两个维度来检测或测量移动装置102的旋转运动。在一个实施方案中，可以用坐标(φ-τ)检测或测量移动装置102的旋转运动，其中斐(Φ)表示围绕X轴的纵摇或旋转(如总体上通过106处的箭头所图解说明)，而陶(τ)表示围绕Z轴的横摇或旋转(如总体上通过箭头108所图解说明)。所以，在一个实施方案中，三维加速计可以至少部分检测或测量加速度振动水平以及相对于例如横摇或纵摇维度围绕重力的变化，因而提供五个维度的可观测性(Χ，Υ，Ζ，φ，τ)。然而，这些只是参照实例坐标系100可以检测或测量的各种运动的实例，并且所主张的主题不限于上述运动或坐标系。
[0025]遵循以上论述，三维加速计可以归因于各种振动(例如，响应于与装置处于同一位置的用户的活动)而检测或测量在三维空间中的加速度。通常(虽然并非必须)，加速度振动可以(举例来说)与移动的车辆(例如，引擎、车轮等的振动，道路的崎岖不平等)、用户的行走或奔跑、手或手腕的颤动、有氧运动或其它一般可能在移动设置或环境中存在的现象相关联。
[0026]图2是根据一个实施方案用于在移动装置中推断用户的活动类别的过程的图(200)。在图2中，位于移动装置上的惯性传感器210可以对活动估计器220产生输出“轨迹”，其包括电或其它类型的信号。在一个实施方案中，惯性传感器210可包括加速计，所述加速计产生一个或一个以上表示移动装置沿可观测性的各个维度(例如X，Y，Ζ，φ，τ )投影的加速度的输出轨迹。
[0027]来自惯性传感器210的输出信号可以被输送到活动估计器220。在一个实施方案中，活动估计器220可以执行一个或一个以上信号处理算法以从一个或一个以上输入信号中提取特征。在一个实施方案中，活动估计器220可以实施倒谱滤波，其中将语音处理算法应用于从惯性传感器210接收到的一个或一个以上输入信号。在特定的实施方案中，可以从来自惯性传感器210的信号中提取一个或一个以上特征。这些特征包含(举例来说并且不限于):
[0028]1.倒谱系数(CC)；
[0029]2.梅尔频率倒谱系数(MFCC)；
[0030]3.Δ 倒谱系数(dCC)；
[0031]4.Δ梅尔频率倒谱系数(dMFCC)；
[0032]5.加速倒谱系数(d2CC)；
[0033]6.加速梅尔频率倒谱系数(d2MFCC)；
[0034]7.线性预测系数(LPC)；
[0035]8.Δ线性预测系数(dLPC)；
[0036]9.加速线性预测系数(dLPC)；
[0037]10.相对于加速计标准的差异；以及
[0038]11.加速计纵摇和横摇或与加速计相对于重力的定向相关联的其它角度。
[0039]然而，应理解，这些只是可以从信号中提取以表征频谱包络(例如，用于推断与移动装置处于同一位置的用户的活动类别)的特征的实例，并且所主张的主题在这方面不受限制。
[0040]关于提取特征来表征惯性传感器信号的频谱包络，CC或MFCC可以提供波形的频谱包络的参数化，并且因而可能可助于用位于用户身上的不同位置上的移动装置辨别由不同类型的运动(例如用户的行走或步态)引起的波形。在一个实施方案中，CC可用于从惯性传感器信号中提取所表征的特征，其中将相等的重要性(即权重)应用于所关注的频带。在其它实施方案中，例如可以用于MFCC特征提取的实施方案中，可以加重较低频率信号，同时不加重较高频率信号。
[0041]在一实例中，在用户正在行走时位于用户的臀部口袋中的移动装置可以产生一条加速计轨迹，所述轨迹不同于响应于用户在他或她的手中携带移动装置所产生的加速计轨迹。在此实例中，位于用户的口袋中的移动装置可能在用户行走时经历垂直(土Z)方向上的不同的周期性加速度，但是可能很少经历±x或土Y方向上的加速度。相比之下，举例来说，在用户行走时位于用户手中的移动装置可能经历垂直(土Z)方向上的较不明显的周期性加速度，但是可能经历±x或土Y方向上的提高的加速度。
[0042]在一个实施方案中，Λ CC可用于通过除了静态CC外还考虑每一 CC跨越重叠窗的速度(例如，相对于时间的变化速率)来增强CC的性能。加速CC可以进一步通过另外考虑一个或一个以上静态CC跨越重叠窗的加速度(例如，速度相对于时间的变化速率)来增强CC的性能。
[0043]在实施方案中，可以类似地应用用于Λ MFCC和加速MFCC的参数。举例来说，为了应用△和加速滤波，可以借助对来自惯性传感器信号的所关注的频带的预加重滤波来计算静态MFCC。接着，可以对计算出的MFCC执行Λ和加速滤波，以观测一个或一个以上MFCC的速度和加速度(随时间而变)。
[0044]在实施方案中， 如果是通过全极点自回归过程产生了基础惯性传感器信号，则线性预测系数(LPC)可用于表征频谱包络。在一个实施方案中，LPC可以将特定时间点的惯性传感器输出信号建模成先前输出样本的近似线性组合。在一实例中，可以向在一个或一个以上数据窗期间描述输出信号的一组系数添加误差信号。
[0045]在一个实施方案中，可以从LPC到MFCC存在一对一映射。ALPC可以通过另外考虑每一系数跨越重叠窗的速度(例如，随时间而变的变化速率)来增强LPC的性能。加速LPC可以进一步通过另外考虑每一系数跨越重叠窗的加速度(例如，速度随时间而变的变化速率)来增强LPC的性能。
[0046]在替代的实施方案中，可以从惯性传感器信号中提取其它特征，以用于表征与移动装置处于同一位置的用户的活动(例如，代替或配合对频谱包络的表征)。这些功能可以包含:
[0047]1.纵摇；
[0048]2.频谱熵；
[0049]3.过零速率(ZCR)；
[0050]4.频谱质心(SC)；
[0051]5.带宽(BW)；
[0052]6.频带能量(BE)；[0053]7.频谱通量(SF)；以及
[0054]8.频谱滚降(SR)。
[0055]在一个实施方案中，可以根据惯性传感器信号来测量纵摇，纵摇可界定周期性运动的基频。纵摇的测量可以用于(举例来说)在具有以不同速率发生的类似运动的活动之间进行区分，例如，举例来说，慢跑对奔跑，慢走对快走，等等。
[0056]在一个实施方案中，可以测量频谱熵，如果经过归一化并且被看作概率分布，则所述频谱熵可以对应于惯性传感器信号的短持续时间频谱。举例来说，频谱熵的测量可以实现对信号的周期性程度的参数化。在一实例中，根据加速计轨迹计算的较低频谱熵可以指示用户在参与例如行走、慢跑、骑自行车等等周期性活动。另一方面，较高频谱熵可以是用户在参与例如操纵装置或在崎岖不平的道路上驾驶汽车等非周期性活动的指示标志。
[0057]在一个实施方案中，可以测量过零速率，其可以描述惯性传感器信号在某一时间窗中与其平均值交叉的每秒的次数。过零速率的测量可以用于在产生以不同速率波动的惯性传感器信号的运动或装置位置(例如行走，这可以通过相对于奔跑时在正值与负值之间的较慢波动来指示，而奔跑可以通过在正值与负值之间的较快波动来指示)之间进行区分。
[0058]在一个实施方案中，可以测量频谱质心，其可以表示惯性传感器信号的短持续时间频谱的平均频率。通过将滤波器组应用于惯性传感器信号的功率谱并且接着计算每一子带的第一矩(或质心)来找到子带频谱的质心。可以接着将信号频率范围分割成多个二进位。可以确定每一子带的对应二进位，并且使其递增一。接着可以通过计算所得直方图的离散余弦变换来确定倒谱系数。
[0059]在一个实施方案中，可以测量带宽，可以将带宽表示成惯性传感器信号的短时间频谱的标准偏差。在一实例中，惯性传感器信号的带宽可用于补偿一个或一个以上其它测量值，例如本文所述的测量值。在一个实施方案中，可以测量频带能量，频带能量可以描述惯性传感器信号的短持续时间频谱的不同频带中的能量。
[0060]在各种实施方案中，频谱质心、带宽和/或频带能量的测量值可以用于(举例来说)在产生惯性传感器信号输出的运动或装置位置之间进行区分，所述测量值可以指示频谱的不同部分中的能量集中度(例如，高频活动对低频活动)。在一些实施方案中，这些额外测量与其它测量一起进行，可用于提高基于惯性传感器信号的正确活动检测的似然函数。
[0061]在一个实施方案中，可以测量频谱通量，频谱通量可以是跨越惯性传感器信号的两个连续窗的短时间频谱之间的差的平均值。举例来说，可以使用频谱通量的测量值来表征特定周期性行为的改变速度(例如，用于表征活动水平可能在短时间内明显变化的有氧活动)。
[0062]在一个实施方案中，可以测量频谱滚降，其可以是信号能量的某一部分驻留在其下方的频率。在一实例中，频谱滚降可以用于表征频谱的形状，这在与其它测量值组合时可以用于确定用户活动。
[0063]以上识别的特征提取技术中的一者或一者以上的结果和/或其它信号处理的结果是，活动估计器220可以产生表达一个或一个以上出现时间用于各种活动类别的似然函数的列向量。在一个实施方案中，所述列向量可以采用以下形式:[0064]
【权利要求】
1.一种方法，其包括: 针对多个活动分类中的每一者: 至少部分基于来自移动装置的一个或一个以上传感器的信号，确定在两个或两个以上过去出现时间用于所述多个活动分类中的每一者的活动似然函数值； 组合所述活动似然函数值以确定在当前出现时间用于一活动分类的似然函数； 以及 至少部分基于在所述当前出现时间用于所述活动分类的所述确定的似然函数，推断与所述移动装置处于同一位置的用户的当前活动是所述活动分类中的一者。
2.根据权利要求1所述的方法，其中所述活动似然函数值包括对数似然值。
3.根据权利要求1所述的方法，其中推断所述当前活动包括借助于时间表决对所述组合似然函数值进行滤波。
4.根据权利要求1所述的方法，其中推断所述当前活动包括借助于最大似然滤波对所述组合似然函数值进行 滤波。
5.根据权利要求1所述的方法，其中推断所述当前活动包括借助于最大先验滤波对所述组合似然函数值进行滤波。
6.根据权利要求1所述的方法，其中推断所述当前活动包括借助于有限脉冲响应滤波器对所述组合似然函数值进行滤波。
7.根据权利要求1所述的方法，其中推断所述当前活动包括借助于无限脉冲响应滤波器对所述组合似然函数值进行滤波。
8.根据权利要求1所述的方法，其中所述多个活动分类中的每一者是相互排斥的。
9.根据权利要求1所述的方法，其中所述一个或一个以上传感器包括至少一个加速计。
10.根据权利要求9所述的方法，其中所述一个或一个以上传感器包括三个线性维度中的每一者上的所述至少一个加速计。
11.根据权利要求1所述的方法，其中所述组合所述活动似然函数值以确定在所述当前出现时间用于所述活动分类的所述似然函数进一步包括识别在所述两个或两个以上过去出现时间最频繁地具有最高似然函数的所述活动分类。
12.根据权利要求1所述的方法，且其进一步包括: 从同时分类器产生所述组合的似然函数值。
13.—种设备,其包括: 针对多个活动分类中的每一者: 用于至少部分基于来自移动装置的一个或一个以上传感器的信号确定在两个或两个以上过去出现时间用于所述多个活动分类中的每一者的活动似然函数值的装置；以及用于组合所述活动似然函数值以确定在当前出现时间用于一活动分类的似然函数的装置；以及 用于至少部分基于在所述当前出现时间用于所述活动分类的所述确定的似然函数来推断与所述移动装置处于同一位置的用户的当前活动是所述多个活动分类中的一者的装置。
14.根据权利要求13所述的设备，其中所述用于推断所述当前活动的装置包括时间表决、最大似然滤波、最大先验滤波、有限脉冲响应滤波和无限脉冲响应滤波中的至少一者。
15.根据权利要求13所述的设备，其中所述一个或一个以上传感器包括三个线性维度中的每一者上的至少一个加速计。
16.如权利要求13所述的设备，其进一步包括: 用于从同时分类器产生组合的似然函数值的装置。
17.一种物品，其包括: 非暂时存储媒体，其上存储有机器可读指令，所述机器可读指令可由移动装置的处理器执行以进行以下操作: 针对多个活动分类中的每一者: 至少部分基于来自所述移动装置的一个或一个以上传感器的信号，确定在两个或两个以上过去出现时间用于一活动分类的活动似然函数值；以及 组合所述活动似然函数值以确定在当前出现时间用于所述活动分类的似然函数；以及至少部分基于在所述当前出现时间用于所述活动分类的所述确定的似然函数值，推断与所述移动装置处于同一位置的用户的当前活动是所述活动分类中的一者。
18.根据权利要求17所述的物品，其中所述非暂时存储媒体进一步包含存储在其上的机器可读指令，所述指令可由所述移动装置的所述处理器执行以使用时间表决来推断与所述移动装置处于同一位置的所述用户的所述当前活动。
19.根据权利要求17 所述的物品，其中所述非暂时存储媒体进一步包含存储在其上的机器可读指令，所述指令可由所述移动装置的所述处理器执行以使用最大似然滤波来推断与所述移动装置处于同一位置的所述用户的所述当前活动。
20.根据权利要求17所述的物品，其中所述非暂时存储媒体进一步包含存储在其上的机器可读指令，所述指令可由所述移动装置的所述处理器执行以使用最大先验滤波来推断与所述移动装置处于同一位置的所述用户的所述当前活动。
21.根据权利要求17所述的物品，其中所述非暂时存储媒体进一步包含存储在其上的机器可读指令，所述指令可由所述移动装置的所述处理器执行以使用有限脉冲响应滤波来推断与所述移动装置处于同一位置的所述用户的所述当前活动。
22.根据权利要求17所述的物品，其中所述非暂时存储媒体进一步包含存储在其上的机器可读指令，所述指令可由所述移动装置的所述处理器执行以使用无限脉冲响应滤波来推断与所述移动装置处于同一位置的所述用户的所述当前活动。
23.—种移动装置，其包括: 一个或一个以上传感器；以及 处理器，用于: 针对多个活动分类中的每一者: 至少部分基于来自所述一个或一个以上传感器的信号，确定在两个或两个以上过去出现时间用于所述多个活动分类的活动似然函数值； 组合所述活动似然函数值以确定在当前出现时间用于一活动分类的似然函数；以及至少部分基于在所述当前出现时间用于所述活动分类的所述确定的似然函数，推断与所述移动装置处于同一位置的用户的当前活动是所述活动分类中的一者。
24.根据权利要求23所述的移动装置，其中来自所述一个或一个以上传感器的所述信号包括在三个线性维度上的加速计轨迹。
25.根据权利要求23所述的移动装置，其中所述用于推断与所述移动装置处于同一位置的所述用户的所述当前活动的处理器实施时间表决。
26.根据权利要求23所述的移动装置，其中所述用于推断与所述移动装置处于同一位置的所述用户的所述当前活动的处理器实施最大似然滤波。
27.根据权利要求23所述的移动装置，其中所述用于推断与所述移动装置处于同一位置的所述用户的所述当前活动的处理器实施最大先验滤波。
28.根据权利要求23所述的移动装置，其中所述用于推断与所述移动装置处于同一位置的所述用户的所述当前活动的处理器实施有限脉冲响应滤波。
29.根据权利要求23所述的移动装置，其中所述用于推断与所述移动装置处于同一位置的所述用户的所 述当前活动的处理器实施无限脉冲响应滤波。
【文档编号】A61B5/11GK103460221SQ201280015733
【公开日】2013年12月18日 申请日期:2012年3月30日 优先权日:2011年3月31日
【发明者】里昂纳德·亨利·葛罗科普, 安东尼·沙尔, 桑吉夫·南达 申请人:高通股份有限公司