本文中所描述的功能、引擎或模块中的一些或全部可由经I/O控制器125或网络接口 110(无线地或有线地)连接到装置的另一系统或装置执行。因此，功能中的一些和/或全部可由另一系统执行，且结果或中间计算结果可传递回到装置。在一些实施例中，此其它装置可包括经配置以实时地或近实时地处理信息的服务器。
[0025]图2说明包含在实例装置100中的实例加速度计140的实例坐标系200。1、7和z轴分别沿实例装置100的宽度、高度和深度延伸。加速度计140实时取样并输出表示加速度分量沿正交X、y及z轴中的每一个的量值和方向的数据。
[0026]在一段时间内所收集的加速度计数据经处理和分析以确定运动情境分类。在下文中，术语“运动情境”和“运动状态”可互换使用。用于基于加速度计数据的如方差、时间相关等的这类特性来分类运动情境的常规方法在所属领域中是众所周知的。然而，所述特性的常规分析可能不足以区分在时域中呈现类似加速度特征的某些不同运动情境。例如，备受关注的是检测用户的步行或奔跑活动。用于分析加速度计数据特性的常规方法可能不足以确定用户是正在步行/奔跑还是仅仅在摆弄或摇动移动装置。
[0027]图3A为在其中用户正在摆弄装置100的情况中所获得的实例X轴加速度计数据的时域曲线图300A。图3B为在其中用户正在步行的情况中所获得的实例X轴加速度计数据的时域曲线图300B。所属领域的一般技术人员可理解，区分图3A中表示的数据与图3B中表示的数据是一个具有挑战性的任务。
[0028]本文中所描述的方法的一个实施例是基于观察结果，所述观察结果为在一边到一边方向上个人步行或奔跑的运动具有显著频率分量，所述频率分量是存在于上下方向上的显著频率分量的频率的一半。在用户步行/奔跑时，可在三轴加速度计数据中大体上观察到和检测出半步频率关系，尽管所述关系可能以不同形式显示，如下文中将展示。当装置的运动是由其它类别的用户移动(诸如摇动、摆弄装置或乘坐车辆)引起时，则可能不存在半步频率关系。已经构想出用于检测半步频率关系的各种方法。例如，在一个实施例中，可利用频域分析以检测半步频率关系。在一些其它实施例中，可利用诸如自相关函数、峰值分析、机器学习等的时域技术以确定是否存在半步频率关系。
[0029]图4说明分类移动装置的运动状态的方法400的一个实施例的流程图。在操作410处，收集表示移动装置沿正交x、y和z轴的加速度分量的加速度计数据。在一个实施例中，在时间窗口内执行加速度计数据的收集。可基于实际实施方案，最佳选择所述时间窗口的持续时间。在本文所描述的一实施例中，时间窗口的持续时间为至少三秒。还可利用较短的时间窗口(例如，一秒时间窗口)或较长的时间窗口(例如，十秒时间窗口)。时间窗口的持续时间并不限制本发明。在下一操作420处，确定x、y和z轴的数据之间半步频率关系的存在与否。半步频率关系是其中在一个频率下的峰值与在所述频率的一半下的峰值共存的一种关系。取决于所述装置相对于用户身体的相对位置和定向，所述关系可存在于一轴内的数据中，或存在于跨不同轴的数据中。已经构想出用于检测半步频率关系的各种方法。例如，在一个实施例中，在时间窗口内所收集的加速度计数据从时域变换成频域，并且在所述频域中作出半步频率关系存在或不存在的确定。用于将样本数据从时域变换成频域的方法(诸如快速傅里叶变换(FFT))和相反变换的方法在所属领域中是众所周知的。在一些其它实施例中，可利用诸如自相关函数、峰值分析、机器学习等的时域技术以确定是否存在半步频率关系。在下一操作430处，至少部分地基于半步频率关系的存在与否，确定移动装置的运动状态。在一个实施例中，运动状态的确定包括至少部分地基于半步频率关系的存在，确定步行/奔跑状态。半步频率关系的存在表明用户正在步彳丁或奔跑，而半步频率关系的不存在表明用户不在步行或奔跑，并且通过加速度计140所捕获的加速度可与一些其它类型的运动(诸如摆弄装置、乘坐车辆或故意摇动)相关联。
[0030]图5至8为在其中用户正在步行或奔跑并同时执行各种其它活动的情境中所获得的实例加速度计数据的频域曲线图。这些图进一步说明在用户正在步行/奔跑情况下存在半步频率关系。应了解，通过使用已知统计技术来分析三轴加速度计数据，除了可获得用户是否正在步行/奔跑的确定之外，还可获得运动情境推断，因为不同运动情境可与加速度计数据中的不同特征模式相关联。
[0031]图5为在其中用户正在步行/奔跑，并且同时在手持实例装置100时从装置100的实例显示器120阅读的情况中所获得的实例加速度计数据的频域曲线图500。如图5中可看出，图5中展示的数据存在半步频率关系，因为在步伐频率f = 6处的峰值502、504存在于y和z轴中的每一个上，而在半步频率f/2 = 3处的峰值506存在于X轴上。基于这种半步频率关系，装置100可确定用户正在步行/奔跑，并同时正在阅读。
[0032]图6为在其中用户正在步行/奔跑，并且同时在一只耳朵边握持实例装置100时正在经装置100进行电话对话的情况中所获得的实例加速度计数据的频域曲线图600。如图6中可看出，图6中展示的数据存在半步频率关系，因为在步伐频率f = 6处的峰值602、604存在于X和y轴中的每一个上，而在半步频率f/2 = 3处的峰值606存在于z轴上。基于这种半步频率关系，装置100可确定用户正在步行/奔跑，并且同时正在进行电话对话。
[0033]图7为在其中用户正在步行/奔跑，并且同时实例装置100与用户摆动的手臂一起摆动的情况中所获得的实例加速度计数据的频域曲线图700。如图7中可看出，图7中展示的数据存在半步频率关系，因为在步伐频率f = 6处的峰值702和在半步频率f/2 = 3处的峰值702存在于全部x、y和z轴上。基于这种半步频率关系，装置100可确定用户正在步行/奔跑，并且同时正在摆动手臂。
[0034]图8为在其中用户正在步行/奔跑，并且同时实例装置100被置于口袋或背包内的情况中所获得的实例加速度计数据的频域曲线图800。如图8中可看出，图8中展示的数据存在半步频率关系，因为在步伐频率f = 6处的峰值802存在于全部x、y和z轴上，而在半步频率f/2 = 3处的峰值804存在于z轴上。还应了解，在3f/2 = 9处的峰值存在于y和z轴中的每一个上，并且在2f = 12处的峰值存在于X和y轴中的每一个上。基于这种半步频率关系，装置100可确定用户正在步行/奔跑，并且同时将装置100置于口袋中或背包中。
[0035]从图5至8的描述中应了解，可利用在步伐频率f、半步频率f/2、频率3f/2和频率2f处的峰值的组合和这些峰值在每一个轴上的存在，以在更细化的水平上进一步分类运动情境。此分类指示用户在步行/奔跑时正在执行额外活动。例如，基于本文中所揭示的信息，可根据概率确定用户是否在步行/奔跑时正在阅读、进行电话对话、摆动手臂或将移动装置置于口袋中或背包中。