来自运动和环境光分类器的装置位置估计的制作方法
【专利摘要】使用来自例如加速度计、磁力计和/或陀螺仪等运动传感器的数据和来自例如环境光传感器、接近度传感器和/或相机强度传感器等光传感器的数据来产生移动装置的位置估计。通过分析来自所述运动传感器的信息而产生具有相关联的可能性的多个所提出的位置，且基于来自所述光传感器的信息而产生候选位置列表。使用所述候选位置列表来消除所述多个所提出的位置中的至少一者，且基于剩余的所提出的位置和相关联的可能性而确定所述移动装置的位置估计。可通过从来自所述运动传感器的所述信息提取特征且使用模型产生所述所提出的位置的可能性来产生所述所提出的位置。所述可能性可随时间而被过滤。另外，可产生所估计位置的置信度度量。
【专利说明】来自运动和环境光分类器的装置位置估计
[0001]对待决临时申请案的交叉参考
[0002]本申请案主张2012年I月11日申请且题为“由运动和环境光分类器进行的装置位置估计(Device Position Estimates From Motion And Ambient Light Classifiers) ”的第13/348，497号美国申请案的优先权，所述美国申请案又依据35USC119主张2011年4月15日申请且题为“由运动和环境光分类器进行的融合装置位置估计(Fusing DevicePosition Estimates From Motion And Ambient Light Classifiers)，，的第 61/476，159号美国临时申请案的优先权，所述两个申请案转让给本案受让人，且以引用的方式并入本文中。
【技术领域】
[0003]本文中所描述的标的物的实施例大体上涉及确定移动装置的位置估计，且更确切地说，涉及使用来自两组不同的传感器的信息来确定位置估计。
【背景技术】
[0004]大多数智能手机装置含有运动传感器和光传感器两者，所述传感器可用以推断装置相对于用户的位置，例如装置在用户手中，在裤子口袋中，在衬衫口袋中，在背包中，在钱包中，搁置于桌子上等等。例如加速度计、磁力计和陀螺仪等运动传感器能够记录装置的移动和定向。例如环境光传感器、接近度传感器和相机等传感器关于装置周围的环境进行报告。确切地说，环境光传感器(ALS)报告撞击在装置的正面上的光的强度(例如，单位是勒克斯)，而接近度传感器报告反射离开靠近装置的前部的物体的所发射的红外光的强度。相机能够记录含有数百万彩色像素的详细图像，但还可用作背面光传感器，仅捕获撞击于装置的背面上的红、绿和蓝光的平均强度。
[0005]遗憾的是，典型移动装置上的例如ALS等光传感器、接近度传感器和相机具有缺陷。ALS输出经常在低层软件中被大量量化，使得高层处的可用输出采用仅少数强度值中的一者(例如，在一些当前智能手机中，其采用四个值10、325、7650和21525勒克斯中的仅一者)。在高层处的接近度传感器输出通常为O或1，笼统地表示物体是否靠近于装置的正面。相机强度通常在低层软件处经受自动增益控制(AGC)，其使得难以将输出直接映射到勒克斯值。
[0006]运动和光传感器两者各自能够提供关于装置相对于用户的位置的信息。然而，组合所述信息存在问题，这是因为所得位置估计有时将不相符。另外，由光传感器进行的位置估计可为不可靠的，这是因为其可被大量量化且固有地关联于周围环境中的光的量。举例来说，当前移动装置可在真光强度大概在O与167.5勒克斯之间时输出10勒克斯的ALS读数。因此，可能难以在正面被阻挡的情况与装置处于中度亮的起居室的情况之间进行区别。不可靠的另一实例为接近度传感器，其在许多装置中当在浅色牛仔裤的裤子口袋内时报告正读数，但当在深色牛仔裤的裤子口袋内时报告负读数。
【发明内容】
[0007]使用来自例如加速度计、磁力计和/或陀螺仪等运动传感器的数据和来自例如环境光传感器、接近度传感器和/或相机强度传感器等光传感器的数据产生移动装置的位置估计。通过分析来自运动传感器的信息而产生具有相关联的可能性的多个所提出的位置，且基于来自光传感器的信息而产生候选位置列表。使用候选位置列表来消除多个所提出的位置中的至少一者，且基于剩余的所提出的位置和相关联的可能性而确定移动装置的位置估计。可通过从来自运动传感器的信息提取特征且使用模型以产生所提出的位置的可能性来产生所提出的位置。所述可能性可随时间而被过滤。另外，可产生所估计位置的置信度度量。
[0008]在实施例中，一种确定移动装置的位置估计的方法包含:通过分析来自所述移动装置中的一个或一个以上运动传感器的信息来产生具有相关联的可能性的多个所提出的位置；处理来自所述移动装置中的一个或一个以上光传感器的信息，以产生候选位置列表；使用所述候选位置列表来消除所述多个所提出的位置中的至少一者；及基于剩余的所提出的位置和相关联的可能性来确定所述移动装置的位置估计。
[0009]在另一实施例中，移动装置包含:运动传感器；多个光传感器；存储器；及处理器，其耦合到所述存储器，且经耦合以从所述运动传感器接收数据，且经耦合以从所述多个光传感器接收数据，所述处理器经配置以基于来自一个或一个以上运动传感器的数据而产生具有相关联的可能性的多个所提出的位置；基于来自所述多个光传感器的所述数据而产生候选位置列表；使用所述候选位置列表来消除所述多个所提出的位置中的至少一者；基于剩余的所提出的位置和相关联的可能性而确定所述移动装置的位置估计；及将所述位置估计存储于所述存储器中。
[0010]在另一实施例中，一种移动装置包含:用于通过分析来自所述移动装置中的一个或一个以上运动传感器的信息来产生具有相关联的可能性的多个所提出的位置的装置；用于处理来自所述移动装置中的一个或一个以上光传感器的信息以产生候选位置列表的装置；用于使用所述候选位置列表来消除所述多个所提出的位置中的至少一者的装置；及用于基于剩余的所提出的位置和相关联的可能性来确定所述移动装置的位置估计的装置。
[0011]在又一实施例中，一种非暂时性计算机可读媒体包含存储于其上的程序代码，所述非暂时性计算机可读媒体包含:用以通过分析来自所述移动装置中的一个或一个以上运动传感器的信息来产生具有相关联的可能性的多个所提出的位置的程序代码；用以处理来自所述移动装置中的一个或一个以上光传感器的信息以产生候选位置列表的程序代码；用以使用所述候选位置列表来消除所述多个所提出的位置中的至少一者的程序代码；及用以基于剩余的所提出的位置和相关联的可能性来确定所述移动装置的位置估计的程序代码
【专利附图】
【附图说明】
[0012]图1A和图1B分别说明移动装置的正面和背面，所述移动装置能够使用来自运动传感器和光传感器的信息来得出位置估计。
[0013]图2说明供移动装置使用的分类器系统的实例。
[0014]图3说明分类器系统中的基于运动传感器的位置检测器的实施例。
[0015]图4说明具有经识别的俯仰和横滚的移动装置。[0016]图5是说明基于来自移动装置中的运动传感器和光传感器的信息来确定移动装置的位置估计的方法的流程图。
[0017]图6是能够基于来自运动传感器和光传感器的信息确定位置估计的移动装置的框图。
【具体实施方式】
[0018]图1A和图1B分别说明移动装置100的正面IOOf和背面100b，所述移动装置能够使用来自运动传感器和光传感器的信息来得出位置估计。移动装置100经说明为包含外壳101、可能为触摸屏显示器的显示器102以及扬声器104和麦克风106。移动装置100包含环境光传感器(ALS) 103，ALS103报告撞击在装置的正面上的光的强度(例如，单位是勒克斯)。移动装置100可进一步包含接近度传感器105，接近度传感器105报告反射离开接近装置的前部的物体的所发射的红外光的强度。移动装置100进一步包含相机110，相机110用以将环境成像且可被用作背面光强度传感器。在一个实施方案中，ALS103可为相机，或者移动装置100的正面IOOf上的单独前置相机可与后置相机110类似地使用。ALS103、接近度传感器105和相机110可被统称为光传感器111。另外，移动装置100中包含板载运动传感器112。运动传感器112可包含例如三轴磁力计和/或线性加速度计和/或陀螺仪，且在本文中被称作运动传感器，但一些传感器(例如，磁力计)测量定向，因为移动装置100的运动可从定向的改变得出。
[0019]光传感器111和运动传感器112各自能够提供关于移动装置100相对于用户的位置的信息。通常从运动传感器提取的位置信息为移动装置100的定向(例如，移动装置垂直地或水平地定向)和/或伴随周期性移动的移动装置100的运动模式。举例来说，移动装置100的运动模式可在用户在移动装置100在裤子口袋中的情况下行走或在移动装置100在背包中的情况下行走时不同。通常从光传感器111提取的位置信息为移动装置100的正面或背面是否被遮挡。从运动传感器和光传感器111获得的信息很大程度上是独立的，且因此是互补的。举例来说，基于装置的定向，运动传感器112可能够确定移动装置100在坐着的用户的裤子口袋中或在桌子上(因为移动装置100水平地定向)，但不在衬衫口袋中(因为此情形将对应于垂直定向)。另一方面，光传感器111可能够确定移动装置100在裤子口袋或衬衫口袋中(因为正面IOOf和背面IOOb两者皆被遮挡)，但不在桌子上(因为此情形将导致移动装置100的仅一个面被遮挡)。如图1A中所说明，移动装置100包含分类器系统120，分类器系统120在消除过程中使用来自光传感器111和运动传感器112的信息，从而以较高的准确度确定移动装置100的位置。
[0020]当融合来自光传感器111和运动传感器112的位置信息时的问题为确定指派给来自每一组传感器的估计的置信度。举例来说，来自光传感器111和运动传感器112的位置估计有时可能不相符。不同组的传感器之间的不相符使确定移动装置100的位置变得困难。
[0021]移动装置100的分类器系统120使用基于置信度水平的消除方法来融合来自光传感器111和运动传感器112的位置估计。举例来说，运动传感器112可产生移动装置100的每一可能位置的置信度水平，其在本文中有时被称作可能性。
[0022]在简单实例中，移动装置100的位置可基于来自运动传感器112的数据从最有可能到最不可能进行排序。另外，基于来自光传感器111的数据产生一组候选位置。候选位置为移动装置100的可行的位置。由光传感器111产生的具有如由运动传感器112确定的最高可能性的候选位置经选择为移动装置100的位置。换句话说，来自光传感器111的数据用以不考虑由运动传感器112确定的某些位置。
[0023]更详细地，移动装置100的可能位置可由{Pl，...，pM}表示。举例来说，P1可表示移动装置100在衬衫口袋中，P2表示在裤子口袋中，P3表示在手中等等。通过#来表示总位置估计。通过IL1,..., LmI来表示由运动传感器112产生的每一位置的可能性。通过Ic1,..., CnI表不由光传感器111产生的候选位置，其中N < M。于是总位置决策是:
[0024]P = argt,v| Li <,等式 I
[0025]即，如果N=M，那么实际上忽略光传感器111的输出。相反地，如果N=l，那么实际上忽略运动传感器112的输出。应清楚，并不需要实际可能性值Li本身以便作出总位置决策，仅需要其从最有可能到最不可能的排序。
[0026]图2说明与移动装置100 —起使用的分类器系统120的实例。分类器系统120包含基于定向的位置检测器122，位置检测器122从运动传感器112(例如，加速度计、磁力计、陀螺仪等)接收数据，且基于那些位置的可能性产生位置的排序。分类器系统120进一步包含基于光传感器的位置检测器124，位置检测器124从光传感器111 (例如，ALS103、接近度传感器105和相机110)接收输入数据，且产生候选位置。来自基于定向的位置检测器122的位置和来自基于光传感器的位置检测器124的候选位置被位置估计器126接收，位置估计器126消除不可行的位置且产生总位置估计和运动状态。
[0027]基于定向的位置检测器122可为贝叶斯分类器。常规的贝叶斯最大可能性(ML)分类器选择具有最高可能性的类别。然而，基于定向的位置检测器122可用以对移动装置100的运动状态和位置两者进行分类。类别可被视为元组(运动状态、装置位置)，其中元组元素被称作子类别。基于定向的位置检测器122可对运动状态进行分类，边缘化移动装置的位置以获得每一运 动状态的可能性，且单独地边缘化运动状态以获得移动装置的每一位置的可能性。或者，可选择具有最高可能性的运动状态和装置位置组合，然而，此方法为次优的，这是因为其假定运动状态和装置位置是独立的，一般来说并非如此。因此，基于定向的位置检测器122可输出具有最高边缘化可能性的移动装置100的位置以及具有最高边缘化可能性的运动状态两者。
[0028]基于定向的位置检测器122可计算置信度度量，所述置信度度量可基于两个最有可能子类别的对数可能性之间的间隔。置信度度量用以指示最可能子类别的边缘化可能性值何时仅极小地大于第二最可能子类别的边缘化可能性值，在所述情况下，数据同等地暗示两个不同的子类别。这常常为如下情况:用户转变活动，比方说从奔跑到行走，或将移动装置100从裤子口袋中取出；在某一时间点，运动状态或装置位置不属于这两个子类别。如果置信度度量降到某一阈值以下，那么不输出决策。可针对运动状态和位置估计两者执行置信度测试。因此，基于定向的位置检测器122可提供针对一个子类别的估计，但不提供针对另一子类别的估计。
[0029]基于定向的位置检测器122可例如通过随着时间过滤对数可能性来组合分类器输出。随着时间组合分类器输出可用以产生具有较长观察窗的较准确决策，此情形例如在特定应用具有较长等待时间目标的情况下可能为适当的。举例来说，具有Is的等待时间目标的应用将在15s延迟内过滤每一类别的过去15个对数可能性。此不仅是计算上及概念上简单的操作，而且其还是ML意义上最优的，假定用户状态在过滤周期内是恒定的。过滤的使用避免了在多个应用具有不同等待时间目标时并行地运行多个活动辨识任务的需要。 [0030]基于光传感器的位置检测器124可使用硬译码规则来确定是装置的一个面被遮挡，是两个面皆被遮挡，还是两个面皆未被遮挡。遮挡信息接着用以建构移动装置100的可行位置的列表。举例来说，如果移动装置100的两个面均被遮挡，那么装置基本上不可能被抓在手中(因为传感器的位置使得需要不自然的握法来遮挡两个面)，且同样装置基本上不可能搁置于桌子上。或者，如果移动装置100的一侧被遮挡但另一侧未遮挡，那么移动装置100极有可能是在桌子上。可行位置的列表用以消除不可行的装置位置，而分类器的基于定向的位置检测器122已计算出不可行的装置位置的对数可能性(即，对应的对数可能性值下降到-①)。
[0031]与基于定向的位置检测器122中所采取的基于机器学习/特征的方法相反，在基于光传感器的位置检测器124中使用硬译码规则的原因是双重的。第一，可用的光传感器的输出易变，其中ALS和接近度输出被大量量化，且相机输出由难以停用的AGC机制控制。第二，训练基于照明条件的统计模型是有问题的尝试。结果将很大地取决于在训练期间的照明条件与在系统操作期间存在的照明条件之间的对准。
[0032]图3说明基于定向的位置检测器122的实施例，其经说明为包含特征提取器132、可能性产生器134，可能性产生器134接收特征提取器132的输出且使用来自数据库136的模型以产生类别的可能性值，所述可能性值由过滤器138过滤以产生位置估计和运动状态估计。特征提取器132计算例如来自运动传感器112的每一秒的原始数据的特征向量。此向量中的每一特征元素对应于帮助在所要类别之间进行区分的信号的性质。举例来说，最简单特征描述I秒窗内的加速度计输出的标准偏差。当用户静止时，此特征将为小的，当用户行走时，将存在更多变化，且对应特征将较大。当用户奔跑时，仍将存在更多变化，且此特征仍将为大的。简单特征的另一实例为移动装置100的定向。当用户坐着且把装置在裤子口袋中时，移动装置100通常将平躺着，而当用户站起来时，移动装置100将为垂直的。
[0033]从原始运动传感器数据提取若干特征。可以60Hz或其它所要速率取样原始数据。举例来说，在每一时刻，特征提取器132将对应于来自运动传感器112的60个3维向量样本(x、y和z轴)的一秒的数据用作输入，出于简单起见而将运动传感器112描述为3轴加速度计。因此，一秒时刻中的净输入大小为180个样本。可从数据计算出特征的数目(例如，18个特征)。可在需要时使用更多或更少的特征。
[0034]将加速度计样本表示为a(n) = [ax(n)ay(n)az(n)]。使N=60表示在其上计算特征的窗中的向量样本的数目。可能的特征包含如下特征，但应理解可在需要时使用不同特征。
[0035]加速度计范数的标准偏差(sa)_在给定每一 3D加速度计向量的情况下，计算范数，且估计标准偏差。加速度计范数的标准偏差(sa)用于在坐着/站着、行走和奔跑运动状态之间进行区分，这是因为所述运动状态可由加速度计变化的变化程度来区分。
[0036]平均俯仰(ap)_使用加速度计，有可能知道装置的表面相对于重力的定向。此定向的特征在于被称作俯仰和横滚的两个角度。俯仰为围绕X轴且范围为(-π，JI]的旋转，如图4中所说明。平均俯仰可通过对加速度计向量求平均且接着如下计算俯仰来计算:
[0037]
【权利要求】
1.一种确定移动装置的位置估计的方法，其包括: 通过分析来自所述移动装置中的一个或一个以上运动传感器的信息来产生具有相关联的可能性的多个所提出的位置； 处理来自所述移动装置中的一个或一个以上光传感器的信息，以产生候选位置列表； 使用所述候选位置列表来消除所述多个所提出的位置中的至少一者；及 基于剩余的所提出的位置和相关联的可能性来确定所述移动装置的位置估计。
2.根据权利要求1所述的方法，其中使用所述候选位置列表来消除所述多个所提出的位置中的至少一者包括消除所述候选位置列表中不包含的任何所提出的位置。
3.根据权利要求1所述的方法，其中所述一个或一个以上运动传感器包括加速度计、磁力计和陀螺仪中的至少一者。
4.根据权利要求1所述的方法，其中所述一个或一个以上光传感器包括环境光传感器、接近度传感器和相机强度传感器中的至少一者。
5.根据权利要求1所述的方法，其中通过分析来自所述移动装置中的所述一个或一个以上运动传感器的所述信息来产生具有相关联的可能性的所述多个所提出的位置包括: 从来自所述一个或一个以上运动传感器的所述信息提取特征； 存取特征模型；及 使用所述特征和所述特征模型产生所述多个所提出的位置中的每一者的可能性。
6.根据权利要求5所述的方法，其进一步包括随时间过滤具有相关联的可能性的所述多个所提出的位置。
7.根据权利要求1所述的方法，其进一步包括产生与所述位置估计相关联的置信度度量。
8.根据权利要求7所述的方法，其中在使用至少一个候选位置消除所述多个所提出的位置中的所述至少一者之后，基于两个最有可能的所提出的位置的可能性的差来产生所述直?目度度星。
9.根据权利要求1所述的方法，其进一步包括产生与所述候选位置列表中的候选位置相关联的可能性，其中使用所述候选位置列表来消除所述多个所提出的位置中的至少一者包括:将与所述多个所提出的位置中的每一者相关联的所述可能性与和所述候选位置相关联的所述可能性相乘，以确定被用作所述位置估计的具有最高组合可能性水平的所提出的位置。
10.根据权利要求1所述的方法，其中在产生具有相关联的可能性的所述多个所提出的位置之前执行处理来自所述一个或一个以上光传感器的所述信息以产生所述候选位置列表。
11.一种移动装置，其包括: 运动传感器； 多个光传感器； 存储器；及 处理器，其耦合到所述存储器，且经耦合以从所述运动传感器接收数据，且经耦合以从所述多个光传感器接收数据，所述处理器经配置以:基于来自一个或一个以上运动传感器的数据而产生具有相关联的可能性的多个所提出的位置；基于来自所述多个光传感器的所述数据而产生候选位置列表；使用所述候选位置列表来消除所述多个所提出的位置中的至少一者；基于剩余的所提出的位置和相关联的可能性来确定所述移动装置的位置估计；及将所述位置估计存储于所述存储器中。
12.根据权利要求11所述的移动装置，其中所述处理器经配置以通过经配置以消除所述候选位置列表中不包含的任何所提出的位置而使用所述候选位置列表来消除所述多个所提出的位置中的至少一者。
13.根据权利要求11所述的移动装置，其中所述运动传感器包括加速度计、磁力计和陀螺仪中的至少一者。
14.根据权利要求11所述的移动装置，其中所述多个光传感器包括环境光传感器、接近度传感器和相机强度传感器中的至少一者。
15.根据权利要求11所述的移动装置，其中所述处理器经配置以通过经配置以进行以下操作来基于来自所述运动传感器的所述数据而产生具有相关联的可能性的所述多个所提出的位置: 从来自所述运动传感器的所述数据提取特征； 存取特征模型；及 使用所述特征和所述特征模型产生所述多个所提出的位置中的每一者的可能性。
16.根据权利要求15所述的移动装置，其中所述处理器进一步经配置以随时间过滤具有相关联的可能性的所述多个所提出的位置。
17.根据权利要求1 1所述的移动装置，其中所述处理器进一步经配置以产生与所述位置估计相关联的置信度度量。
18.根据权利要求17所述的移动装置，其中所述处理器经配置以在使用至少一个候选位置消除所述多个所提出的位置中的所述至少一者之后，基于两个最有可能的所提出的位置的可能性的差来产生所述置信度度量。
19.根据权利要求11所述的移动装置，其中所述处理器进一步经配置以产生与所述候选位置列表中的候选位置相关联的可能性，其中所述处理器经配置以通过经配置以将与所述多个所提出的位置中的每一者相关联的所述可能性与和所述候选位置相关联的所述可能性相乘以确定被用作所述位置估计的具有最高组合可能性水平的所提出的位置而使用所述候选位置列表来消除所述多个所提出的位置中的至少一者。
20.根据权利要求11所述的移动装置，其中所述处理器经配置以在产生具有相关联的可能性的所述多个所提出的位置之前产生所述候选位置列表。
21.—种移动装置，其包括: 用于通过分析来自所述移动装置中的一个或一个以上运动传感器的信息来产生具有相关联的可能性的多个所提出的位置的装置； 用于处理来自所述移动装置中的一个或一个以上光传感器的信息以产生候选位置列表的装置； 用于使用所述候选位置列表来消除所述多个所提出的位置中的至少一者的装置；及 用于基于剩余的所提出的位置和相关联的可能性来确定所述移动装置的位置估计的>j-U ρ?α装直。
22.根据权利要求21所述的移动装置，其中所述用于使用所述候选位置列表来消除所述多个所提出的位置中的至少一者的装置包括用于消除所述候选位置列表中不包含的任何所提出的位置的装置。
23.根据权利要求21所述的移动装置，其中所述一个或一个以上运动传感器包括加速度计、磁力计和陀螺仪中的至少一者。
24.根据权利要求21所述的移动装置，其中所述一个或一个以上光传感器包括环境光传感器、接近度传感器和相机强度传感器中的至少一者。
25.根据权利要求21所述的移动装置，其中所述用于通过分析来自所述移动装置中的所述一个或一个以上运动传感器的所述信息来产生具有相关联的可能性的所述多个所提出的位置的装置包括: 用于从来自所述一个或一个以上运动传感器的所述信息提取特征的装置； 用于存取特征模型的装置；及 用于使用所述特征和所述特征模型产生所述多个所提出的位置中的每一者的可能性的装置。
26.根据权利要求25所述的移动装置，其进一步包括用于随时间过滤具有相关联的可能性的所述多个所提出的位置的装置。
27.根据权利要求21所述的移动装置，其进一步包括用于在使用至少一个候选位置消除所述多个所提出的位置中的所述至少一者之后基于两个最有可能的所提出的位置的可能性的差来产生与所述位置估计相关联的置信度度量的装置。
28.根据权利要求21所述的移动装置，其进一步包括用于产生与所述候选位置列表中的候选位置相关联的可能性的装置，其中所述用于使用所述候选位置列表来消除所述多个所提出的位置中的至少一者的装置包括将与所述多个所提出的位置中的每一者相关联的所述可能性与和所述候选位置相关联的所述可能性相乘，以确定被用作所述位置估计的具有最高组合可能性水平的所提出的位置
29.一种非暂时性计算机可读媒体，其包含存储于其上的程序代码，所述非暂时性计算机可读媒体包括: 用以通过分析来自移动装置中的一个或一个以上运动传感器的信息来产生具有相关联的可能性的多个所提出的位置的程序代码； 用以处理来自所述移动装置中的一个或一个以上光传感器的信息以产生候选位置列表的程序代码； 用以使用所述候选位置列表来消除所述多个所提出的位置中的至少一者的程序代码；及 用以基于剩余的所提出的位置和相关联的可能性来确定所述移动装置的位置估计的程序代码
30.根据权利要求29所述的非暂时性计算机可读媒体，其中所述用以使用所述候选位置列表来消除所述多个所提出的位置中的至少一者的程序代码包括用以消除所述候选位置列表中不包含的任何所提出的位置的程序代码。
31.根据权利要求29所述的非暂时性计算机可读媒体，其中所述用以通过分析来自所述移动装置中的所述一个或一个以上运动传感器的所述信息来产生具有相关联的可能性的所述多个所提出的位置的程序代码包括:用以从来自所述一个或一个以上运动传感器的所述信息提取特征的程序代码； 用以存取特征模型的程序代码；及 用以使用所述特征和所述特征模型产生所述多个所提出的位置中的每一者的可能性的程序代码 '及 用以随时间过滤具有相关联的可能性的所述多个所提出的位置的程序代码。
32.根据权利要求29所述的非暂时性计算机可读媒体，其进一步包括用以产生与所述位置估计相关联的置信度度量的程序代码，所述置信度度量是基于在使用至少一个候选位置消除所述多个所提出的位置中的所述至少一者之后的两个最有可能的所提出的位置的可能性的差。
33.根据权利要求29所述的非暂时性计算机可读媒体，其进一步包括用以产生与所述候选位置列表中的候选位置相关联的可能性的程序代码，其中所述用以使用所述候选位置列表来消除所述多个所提出的位置中的至少一者的程序代码包括用以将与所述多个所提出的位置中的每一者相关联的所述可能性与和所述候选位置相关联的所述可能性相乘以确定被用作所述位置估计的 具有最高组合可能性水平的所提出的位置的程序代码
【文档编号】G01S5/16GK103477241SQ201280018584
【公开日】2013年12月25日 申请日期:2012年2月29日 优先权日:2011年4月15日
【发明者】里昂纳德·亨利·葛罗科普, 维迪亚·纳拉亚南 申请人:高通股份有限公司