本公开总体上涉及电子设备，在具体实施例中，涉及确定电子设备是否与人体接触的系统和方法。
背景技术：
随着电子设备变得无处不在以及随着个体变得更加流动，越来越需要随时提供计算能力和信息。这种需求可以至少部分地通过膝上型计算机和可佩戴电子设备来满足。
用户使用膝上型计算机通常遇到的一个方面是膝上型计算机底部的过热。膝上型计算机的电源部件可以被定位在膝上型计算机的键盘部分的底面上。在长期使用期间或高强度使用期间(例如，游戏期间)，如果膝上型计算机位于用户的膝上，则膝上型计算机的底部会过热、灼热或引起用户的不舒服。虽然提升的温度通常不会损害膝上型计算机的电子器件和电路，但这会对人体皮肤产生损伤。
为个体随时提供计算能力和信息的消费者电子设备的新领域是可佩戴电子设备。可佩戴电子设备的示例包括智能手表和无线(例如，蓝牙)耳机。此外，个体有时将它们的手机佩戴在身体上，诸如在各种活动(例如，在锻炼时)期间通过弹性套(例如，臂环或健身环)将他们的手机附接至他们的身体。在可佩戴电子行业中存在为设备供电以使它们可以长时间使用的广泛切身需求。
在膝上型计算机或可佩戴电子设备中，电子设备可以与人体皮肤接触(例如，直接或间接接触)。如此，期望提供确定电子设备是否与人体接触的系统和方法，从而使得电子设备相应地适应(改变)其行为或操作。作为说明，响应于确定膝上型计算机与人体接触，膝上型计算机可以适应其行为或操作以避免提升温度，从而防止对人体皮肤的损伤。作为另一说明，响应于确定可佩戴电子设备不与人体接触，可佩戴电子设备可以被设置为低功率模式，从而努力降低功耗并延长电池寿命。
技术实现要素：
一种系统可以包括：运动传感器，被配置为响应于电子设备的移动生成运动信号；以及至少一个特征检测电路，被配置为基于运动信号确定至少一个度量。该系统可进一步包括分类电路，其被配置为基于至少一个度量确定电子设备是否与人体接触。
一种系统可以包括：加速计，被配置为响应于电子设备的振动或定向生成输出信号。该系统可进一步包括：多个特征检测电路，其输入耦合至加速计的输出，多个特征检测电路被配置为确定指示输出信号的多个特性的多个度量。该系统可以附加地包括：分类电路，被配置为基于多个度量确定电子设备是否与人体接触；以及控制器，被配置为基于电子设备是否与人体接触来适应电子设备的操作。
一种方法可以包括：响应于电子设备的移动生成运动信号；确定运动信号的至少一个特性；生成表示运动信号的至少一个特性的至少一个度量；以及基于至少一个度量确定电子设备是否与人体接触。
附图说明
本专利或申请文件可以包含至少一幅着色图。具有着色图的本专利或专利申请公开的副本将在请求且支付必要费用时由官方提供。
为了更加完整地理解本发明及其优势，现在结合附图进行以下描述，其中：
图1示出了根据一个实施例的包括检测系统的电子设备的框图；
图2示出了根据一个实施例的由运动传感器生成的传感器数据；
图3a至图3c示出了根据一个实施例的电子设备的各种放置和定向；
图4示出了根据一个实施例的图2所示传感器数据的频谱图；
图5a至图5e示出了根据一个实施例的当电子设备与人体的各个部位接触时得到的传感器数据的频率内容的频谱图；
图6示出了根据一个实施例的特征检测电路的内部电路的框图；
图7示出了根据一个实施例的确定传感器数据的平均标准化功率的方法；
图8示出了根据一个实施例的使用图7所示方法得到的图2所示传感器数据的平均标准化功率的曲线图。
不同附图中的对应标号和符号通常表示对应部分，除非另有指定。绘制附图以清楚地示出实施例的相关方面并且不需要按比例绘制。
具体实施方式
以下详细讨论各个实施例的制造和使用。然而，应该理解，本文描述的各个实施例可应用于各种具体环境。所讨论的具体实施例仅仅是制造和使用各个实施例的具体方式，而不用于限制本发明的范围。
图1示出了根据一个实施例的包括检测系统100的电子设备101的框图。检测系统100可以位于电子设备101内、附接或耦合至电子设备101。检测系统100可用于确定电子设备101是否与人类用户的身体接触。响应于确定电子设备101与人类用户的身体接触，状态监控器112(例如，检测系统100或电子设备101的控制器)可以适应电子设备101的行为或操作，从而防止或大大减小电子设备101中提升的温度。如此，可以防止或大大减少对人体皮肤的损伤。备选地或附加地，响应于确定电子设备101不与人类用户的身体接触，状态监控器112可以被置于低功率模式，以努力降低功耗并延长电池寿命。
电子设备101可以是膝上型计算机或可佩戴电子设备(例如，智能手表、移动电话、无线耳机等)。检测系统100包括运动传感器102。运动传感器102可以是加速计或被配置为感测电子设备101的振动或加速的设备。例如，具有运动传感器102的电子设备101可以是膝上型计算机，其具有耦合或附接至膝上型计算机的底部的加速计。作为另一示例，具有运动传感器102的电子设备101可以是手机，其具有包括在手机内的加速计。在运动传感器102是加速计的示例中，检测系统100可以是基于加速计的检测系统100。运动传感器102可以生成时间序列数据，其在图1中示为传感器数据102x、102y和102z。
图2示出了根据一个实施例的由运动传感器102生成的传感器数据102x、102y、102z。在图2所示示例中，传感器数据102x、102y、102z可以是时间序列，其中，垂直轴表示加速(以重力g为单位来测量，其中，1g＝9.81m/s2)，并且其中水平轴表示时间(以秒为单位来测量)。运动传感器102可以被配置为感测电子设备101在每个运动轴上的振动或加速。例如，运动传感器102可以生成表示电子设备101在横向轴(例如，称为“x轴”)、纵向轴(例如，称为“y轴”)和垂直或法线轴(例如，称为“z轴”)上的振动或加速的传感器数据102z、102y、102z。
传感器数据102z、102y、102z可以是具有多个样本的序列数据。换句话说，传感器数据102z、102y、102z可以通过对运动传感器102感测的模拟信号进行采样来生成。在这种实施例中，运动传感器102中可以包括采样电路。采样电路可以使用本领域已知的一种或多种采样电路来实施(例如，采样保持电路)。在图2所示示例中，通过在±2g的全刻度范围内以50hz的采样频率对运动传感器102感测的模拟信号进行采样来得到传感器数据102x、102y、102z。采样频率可至少部分地取决于人体的特性振动，其如下面参照图4以及图5a至图5e所述在约5hz和约15hz之间。如此，为了满足奈奎斯特采样定理，对运动传感器102的模拟信号进行采样的速率大于或等于约30hz。
由运动传感器102生成的传感器数据102x、102y、102z可以至少部分地取决于电子设备101的放置、电子设备101的定向(例如，倾斜)以及对电子设备101执行的或使用电子设备101执行的行为。作为说明，关于电子设备101的放置，电子设备101可以被放置在人体的一部分(例如，膝盖)上或者无生命对象(例如，桌子)上。当电子设备101被放置在人体部位上时生成的传感器数据102x、102y、102z可以不同于当电子设备101被放置在无生命对象上时生成的传感器数据102x、102y、102z。作为进一步的说明，关于电子设备101的定向，电子设备101可以是平坦的(例如，当放置在平坦桌子上时)或者相对于水平面倾斜(例如，当放置在人体膝盖上时)。当电子设备101平坦时生成的传感器数据102x、102y、102z可不同于当电子设备101相对于水平面倾斜时生成的传感器数据102x、102y、102z。作为附加的说明，关于对电子设备101执行的或使用电子设备101执行的行为，电子设备101可用于被动行为、标准键入(typing)或强烈键入。当电子设备101被用于被动行为时生成的传感器数据102x、102y、102z可不同于当电子设备101被用于正常键入或强烈键入时生成的传感器数据102x、102y、102z。由于放置、定向以及对电子设备101执行的或使用电子设备101执行的行为可以影响传感器数据102x、102y、102z，所以这些特征中的每一个可以从传感器数据102x、102y、102z中确定或提取，并且单独或组合地用于确定电子设备101是否与人类用户的身体接触。
图3a至图3c示出了在电子设备101为膝上型计算机的实施例中电子设备101的各种放置和定向。电子设备101可以被放置在平坦桌子上(例如，如图3a)、以第一定向放置在人体膝盖上(例如，如图3b)或者以第二定向放置在人体膝盖上(例如，如图3c)。图2所示的传感器数据102x、102y、102z可以通过以图3a至图3c所示的各种定向放置电子设备101来生成。例如，当电子设备101被放置在平坦桌子上时(例如，如图3a)，可以在图2中的时间周期p1、p2和p3期间生成传感器数据102x、102y、102z。当电子设备101以第一定向放置在人体膝盖上时(例如，如图3b)，可以在图2中的时间周期p4、p5和p6期间生成传感器数据102x、102y、102z。当电子设备101以第二定向放置在人体膝盖上时(例如，如图3c)，可以在图2中的时间周期p7、p8和p9期间生成传感器数据102x、102y、102z。
对于给定放置，可以对电子设备101执行或者使用电子设备101执行三种不同的行为。例如，在图2所示的时间周期p1、p4和p7中，可对电子设备101不执行键入，并且电子设备101可用于诸如观看视频、听音频、阅读或网页浏览的被动行为。然而，在图2所示的时间周期p2、p5和p8中，可以对电子设备101执行或者使用电子设备101执行正常键入(例如，与回复邮件、编码或聊天相关联)。此外，在图2所示的时间周期p3、p6和p9中，可以对电子设备101执行或者使用电子设备101执行重或强烈的键入(例如，与游戏相关联)。
如上所述，对电子设备101执行或者使用电子设备101执行的行为可以影响由运动传感器102生成的传感器数据102x、102y、102z，并且这在图2所示的传感器数据102x、102y、102z中观察到。例如，当电子设备101处于平坦桌子上时(例如，在图2所示的时间周期p1、p2和p3期间)，与对电子设备101执行或者使用电子设备101执行键入时(例如，在时间周期p2和p3中)相比，当电子设备101被用于被动行为时(例如，在时间周期p1中)在传感器数据102x、102y、102z中观察到较少的振动。此外，由于在时间周期p3期间执行更加强烈的键入，所以在时间周期p3期间发生的振动具有比时间周期p2期间发生的振动更大的幅度。更进一步，由于键入在垂直方向(例如，z轴)上具有显著的矢量分量，所以在传感器数据102x、102y、102z中观察到的大量振动发生在法线轴传感器数据102z中。垂直方向上的显著矢量分量还证明其自身在时间周期p1、p2和p3期间法线轴传感器数据102z以约-1g为中心(与时间周期p1、p2和p3期间以约0g为中心的横向轴传感器数据102x和纵向轴传感器数据102y相对)。
当电子设备101以第一定向位于人体膝盖上时(例如，在图2所示的时间周期p4、p5和p6期间)，可以观察到类似的趋势。例如，与对电子设备101执行或者使用电子设备101执行键入时(例如，在时间周期p5和p6中)相比，当电子设备101被用于被动行为(例如，在时间周期p4中)时在传感器数据102x、102y、102z中观察到较少的振动。类似地，由于键入在垂直轴(例如，z轴)中具有显著的矢量分量，所以在传感器数据102x、102y、102z中观察到的大量振动发生在法线轴传感器数据102z中。垂直方向上的显著矢量分量也证明其自身在时间周期p4、p5和p6期间法线轴传感器数据102z以约-1g为中心(与时间周期p4、p5和p6期间以约0.2g为中心的横向轴传感器数据102x和以约0g为中心的纵向轴传感器数据102y相对)。
当电子设备101以第二定向位于人体膝盖上时(例如，在图2所示的时间周期p7、p8和p9期间)，也可以观察到类似的趋势。例如，与对电子设备101执行或者使用电子设备101执行键入时(例如，在时间周期p8和p9中)相比，当电子设备101被用于被动行为(例如，在时间周期p7中)时在传感器数据102x、102y、102z中观察到较少的振动。此外，由于在时间周期p9期间执行更强烈的键入，所以在时间周期p9期间发生的振动比时间周期p8期间发生的振动具有更大的幅度。类似地，由于键入在垂直轴(例如，z轴)中具有显著的矢量分量，所以在传感器数据102x、102y、102z中观察到的大量振动发生在法线轴传感器数据102z中。垂直方向上的显著矢量分量也证明其自身在时间周期p7、p8和p9期间法线轴传感器数据102z以约-1g为中心(与时间周期p7、p8和p9期间以约-0.2g为中心的横向轴传感器数据102x和以约0g为中心的纵向轴传感器数据102y相对)。
如上所述，电子设备101的定向(例如，倾斜)可以影响由运动传感器102生成的传感器数据102x、102y、102z，并且这在图2所示的传感器数据102x、102y、102z中观察到。例如，在电子设备101位于平坦桌子上的时间周期p1、p2和p3期间，膝上型计算机的底部和水平面之间的角度基本为零。电子设备101的定向或倾斜影响传感器数据102x、102y、102z。从图2观察到，横向轴传感器数据102x和纵向轴传感器数据102y在时间周期p1、p2和p3期间以约0g为中心，这是因为膝上型计算机的底部和水平面之间的角度基本为零。
另一方面，当电子设备101以第一定向位于人体膝盖上的时间周期p4、p5和p6期间，膝上型计算机的底部和水平面之间的角度基本上不为零。这也是电子设备101以第二定向位于人体膝盖上的时间周期p7、p8和p9期间的情况。电子设备101的定向或倾斜影响传感器数据102x、102y、102z。从图2观察到，横向轴传感器数据102x从0g偏移，而纵向轴传感器数据102y在时间周期p4至p9期间以约0g为中心，因为膝上型计算机的底部和水平面之间的角度基本不为零。
如图2所示，在时间周期p4、p5和p6期间，横向轴传感器数据102x与0g的偏移是正的，而在时间周期p7、p8和p9期间是负的。即，同样是由于膝上型计算机在时间周期p4、p5和p6以及时间周期p7、p8和p9中的不同定向。例如，在时间周期p4、p5和p6期间，膝上型计算机向下倾斜(例如，如图3b所示)，从而在时间周期p4、p5和p6期间引起横向轴传感器数据102x与0g的正偏移。另一方面，在时间周期p7、p8和p9期间，膝上型计算机向上倾斜(例如，如图3c所示)，从而在时间周期p7、p8和p9期间引起横向轴传感器数据102x与0g的负偏移。
基于上面的描述，可以从传感器数据102x、102y、102z中确定对电子设备101执行或者使用电子设备101执行的行为的量，并且这种确定可以用于确定电子设备101是否与人类用户的身体接触。此外，可以从传感器数据102x、102y、102z中确定电子设备101的定向(或倾斜)，并且这种定向或倾斜可用于确定电子设备101是否与人类用户的身体接触。
从而，返回参照图1，检测系统100可以包括第一特征检测电路104-1、第二特征检测电路104-2或二者。第一特征检测电路104-1和第二特征检测电路104-2中的每一个都可以被配置为接收传感器数据102x、102y、102z作为输入信号。第一特征检测电路104-1可以被配置为从传感器数据102x、102y、102z中确定对电子设备101执行或者使用电子设备101执行的行为的量。第二特征检测电路104-2可以被配置为从传感器数据102x、102y、102z中确定电子设备101的定向。
第一特征检测电路104-1的至少一部分可以包括在(例如，电子设备101的)处理器中。第一特征检测电路104-1可以输出表示对电子设备101执行或者使用电子设备101执行的行为的量的第一度量106-1。在一些实施例中，第一度量106-1可以是或者可以表示在预定时间窗(例如，约100个采样的窗口)中发生在传感器数据102x、102y、102z中的零交叉的总数。可以在大约100个采样的运行窗中计算在运动的3轴的每一个中发生的零交叉的数量，并且可以假设在运动的3轴的每一个中发生的零交叉的数量(例如，通过第一特征检测电路104-1)以产生第一度量106-1。
较大量的零交叉可以表示较大量的对电子设备101执行或者使用电子设备101执行的行为，而较少量的零交叉可以表示较少量的对电子设备101执行或者使用电子设备101执行的行为。例如，参照图2，在时间周期p1、p2和p3中发生的零交叉的数量可以大于在时间周期p4、p5和p6中或者在时间周期p7、p8和p9中发生的零交叉的数量。这可以是横向轴传感器数据102x和纵向轴传感器数据102y在时间周期p1、p2和p3期间以约0g为中心的结果，从而增加在时间周期p1、p2和p3中发生的零交叉的总数(例如，与时间周期p4、p5和p6或时间周期p7、p8和p9相比)。法线轴传感器数据102z在时间周期p1、p2和p3期间以约-1g为中心，因此对在时间周期p1、p2和p3中发生的零交叉的总数具有最小贡献，尽管其具有较大的振动幅度。
另一方面，只有纵向轴传感器数据102y可以在时间周期p4、p5和p6期间以约0g为中心。法线轴传感器数据102z在时间周期p4、p5和p6期间以约-1g为中心，因此对时间周期p4、p5和p6中发生的零交叉的总数具有最小贡献，尽管其具有较大的振动幅度。此外，在时间周期p4、p5和p6期间，横向轴传感器数据102x以约0.2g为中心并且具有小振动幅度，因此对时间周期p4、p5和p5中发生的零交叉的总数具有最小贡献。
类似地，只有纵向轴传感器数据102y在时间周期p7、p8和p9期间以约0g为中心。法线轴传感器数据102z在时间周期p7、p8和p9期间以约-1g为中心，因此对在时间周期p7、p8和p9中发生的零交叉的总数具有最小贡献，尽管其具有大振动幅度。此外，在时间周期p7、p8和p9期间，横向轴传感器数据102x以约-0.2g为中心并具有小振动幅度，因此对在时间周期p7、p8和p9中发生的零交叉的总数具有最小贡献。
从而，基于上面在预定时间窗中发生在传感器数据102x、102y、102z中的零交叉的总数的描述，较少数量的零交叉可以指示电子设备101与人类用户的身体接触。
作为在预定时间窗中发生在传感器数据102x、102y、102z中的零交叉的总数如何可用于确定电子设备101是否与人类用户的身体接触的另一示例，当电子设备101与无生命对象(例如，桌子)接触时，传感器数据102x、102y、102z可以类似于白噪声。白噪声可以典型地通过在大范围频率内发生的随机波动来表征，并且这可以在预定时间窗中产生更大数量的零交叉(例如，与电子设备101与人体接触时生成的传感器数据102x、102y、102z相比)。另一方面，当电子设备101与人体接触时，传感器数据102x、102y、102z可以包含在预定范围中具有频率分量的波动(例如，通过与人体的接触，如下所述)。从而，零交叉的数量可以低于电子设备101与人体接触时的数量(例如，与电子设备101不与人体接触时生成的传感器数据102x、102y、102z相比)。这产生指示电子设备101与人类用户的身体接触的较少量的零交叉的类似结果。
对电子设备101执行或者使用电子设备101执行的行为的量单独地可不足以或者不准确地指示电子设备101是否与人类用户的身体接触。例如，电子设备101可以被放置在倾斜桌子上并且不与人类用户的身体接触。如此，仅使用第一度量(例如，表示在预定时间窗中发生在传感器数据102x、102y、102z中的零交叉的总数)会错误地导致电子设备101与人类用户的身体接触的确定。从而，需要从传感器数据102x、102y、102z中确定或提取附加特征，以精确地确定电子设备101是否与人类用户的身体接触。
如上所述，电子设备101的定向可影响由运动传感器102生成的传感器数据102x、102y、102z，并且这可用于(例如，除了第一度量106-1之外)确定电子设备101是否与人类用户的身体接触。如上所述，第二特征检测电路104-2可被配置为根据传感器数据102x、102y、102z确定电子设备101的定向。第二特征检测电路104-2的至少一部分可以包括在(例如，电子设备101的)处理器中。第二特征检测电路104-2可以输出指示电子设备101的定向的第二度量106-2。第二度量106-2可以通过在预定时间窗(例如，具有约100个采样的窗)中计算电子设备101的平均定向(例如，平均倾斜角)来确定。
在一些实施例中，第二度量106-2可以是或者可以指示电子设备101(例如，电子设备101的底部或任何其他面)和参考面(例如，水平面或平地)之间的角度。电子设备101和参考面之间的较大角度可以指示电子设备101在倾斜平面上(例如，在人类用户的身体的一部分上)，而较小角度可以指示电子设备101在基本平坦的面上(例如，平坦桌子上)。第二度量106-2可根据横摇(roll)和纵摇(pitch)来表示。例如，运动传感器102(例如，加速计)可以测量在每个运动面中施加在电子设备101上的重力(例如，矢量accx、accy、accz)，并且电子设备101和参考面之间的角度可以根据矢量accx、accy、accz来确定。说明性地，横摇可以给定为atan(accy/accz)，而纵摇可以通过
备选地或附加地，第二度量106-2可以是电子设备和参考面之间的角度的变化率。当电子设备101被放置在无生命对象(例如，平坦或倾斜桌子)上时，电子设备101和参考面之间的角度可以不像电子设备101与人类用户的身体接触时那么频繁地变化。
电子设备101的定向单独地会不足以或者不精确地指示电子设备101是否与人类用户的身体接触。例如，电子设备101可以被放置在倾斜桌子上并且不与人类用户的身体接触。仅使用电子设备101的定向会错误地导致确定电子设备101与人类用户的身体接触。从而，可需要从传感器数据102x、102y、102z中确定或提取附加特征，以精确地确定电子设备101是否与人类用户的身体接触。如上所述，电子设备101的放置(例如，在人类的一部分上或者在无生命对象上)会影响由运动传感器102生成的传感器数据102x、102y、102z，并且这会在图2所示传感器数据102x、102y、102z的频谱中观察到。
图4示出了根据一个实施例的图2所示的传感器数据102x、102y、102z的频谱400。频谱400示出了频率相对于时间的变化，并且在图4所示频谱400中，水平轴表示频率(以hz为单位测量)以及从0hz到约25hz的范围，而垂直轴表示时间(以秒为单位测量)。频谱400是图2所示的传感器数据102x、102y、102z的基准(或量级)的短时傅里叶变换(stft)，其中，使用约100个采样的滑动窗。图4所示频谱400以默认色图来示出，如此，通过频谱400中的每个点的强度或颜色来表示特定时间处的特定频率的幅度。说明性地，暖色(例如，更多的黄色、橙色或红色)指示特定时间处的特定频率的较高幅度，而冷色(例如，更多的蓝绿或蓝色)指示特定时间处的特定频率的较低幅度。
平均来说，人体具有大约5hz到约15hz的范围内的特性振动(例如，图4示为频带fb)。如此，当电子设备101与人体接触时(例如，图2和图4中的时间周期p4至p9)，人体的这种特性振动可以通过运动传感器102来感测，并且可以在传感器数据102x、102y、102z中证明自己。
可以在频谱400被边界402和404包围的区域中，在频谱400中观察到人体的特性振动对传感器数据102x、102y、102z的贡献。具体地，对于电子设备101与人体接触的给定时间周期，频带fb中的频率与频带fb外的频率相比具有更大的幅度。例如，在时间周期p4中(例如，当电子设备101以第一定向放置在人体膝盖上并且用于被动行为时)，5hz和约15hz之间的频率与频带fb外的频率相比具有更大的幅度。类似地，在时间周期p7中(例如，当电子设备101以第二定向放置在人体膝盖上且用于被动行为时)，5hz和约15hz之间的频率与频带fb外的频率相比具有更大的幅度。相比较，在时间周期p1中(例如，当电子设备101被放置在桌子上且用于被动行为时)，5hz和约15hz之间的频率具有与频带fb外的频率类似的幅度。如此，在时间周期p1期间，对频带fb内的频率没有附加贡献，由此在时间周期p1期间，在频谱400中观察到低噪声且几乎为白噪声。
存在除人体之外的振动源，示例为对电子设备101执行或使用电子设备101执行的键入所生成的振动，或者由电子设备101中包括的风扇或冷却机制生成的振动。但是，通过风扇或冷却机制引入传感器数据102x、102y、102z的振动趋向于在频率中局部化，从而表现为传感器数据102x、102y、102z的频率响应或频谱中的峰值。此外，通过键入引入传感器数据102x、102y、102z的振动趋向于在频率中均匀地扩展，从而表现为传感器数据102x、102y、102z的频率响应或频谱中的白噪声。这也在图4所示频谱400中观察到。
具体地，对于电子设备101没有与人体接触但是发生键入的给定时间周期(例如，在时间周期p2和p3中)，0hz和约25hz的范围中的所有频率示出了增加的幅度。如此，如上所述，键入贡献增加的本底噪声，但是这种噪声几乎为白色的(例如，横跨0hz和约25hz之间的所有频率是均匀的)。另一方面，对于电子设备101与人体接触但是发生键入的给定时间周期(例如，在时间周期p5、p6、p8和p9中)，0hz和25hz之间的所有频率的幅度增加，但是能量集中在频带fb内的频谱400中(例如，在约5hz和约15hz之间)。当电子设备101与人体的手、头、手臂或胸接触时，还观察到电子设备101与人体的膝盖接触时频带fb内的频谱400的能量的集中。这在图5a至图5e所示频谱中示出。
图5a至图5e示出了根据一个实施例的频谱，其示出当电子设备101与人体的各个部位接触时得到的传感器数据102x、102y、102z的频率内容。在图5a至图5e的频谱中，水平轴表示频率(以hz为单位测量)并且范围从0hz到约25hz，而垂直轴表示时间(以秒为单位测量)。图5a至图5e的频谱是传感器数据102x、102y、102z的基准(或量级)的短时傅里叶变换(stft)。通过初始将具有运动传感器102的电子设备101放置在人体的特定部位上(例如，在图5a至图5e中表示为时间周期p10)，然后将具有运动传感器102的电子设备101放置在桌子上(例如，在图5a至图5e中表示为时间周期p11)来收集传感器数据102x、102y、102z。图5a至图5e中的频谱是示出具有默认色图，如此，通过频谱中每个点的强度或颜色来表示特定时间处的特定频率的幅度。说明性地，暖色(例如，更多的黄色、橙色或红色)指示特定时间处的特定频率的较高幅度，而冷色(例如，更多的蓝绿或蓝色)指示特定时间处的特定频率的较低幅度。
基于上面针对图4给出的描述，可以期望当电子设备101与人体的特定部位接触时(例如，在时间周期p10期间)，在频带fb(例如，在约5hz和约15hz之间)内的频谱中集中能量。另一方面，还可以期望当电子设备101被放置在桌子上时(例如，在时间周期p11期间)，频谱横跨0hz和约25hz之间的所有频率是均匀的。确实，这在图5a至图5e所示的频谱中看到。
如图5a所示，人体的特性振动在频谱中表明被边界502包围的频谱区域。当电子设备101与人体的手或手腕接触时(在时间周期p10期间)，5hz和约15hz之间的频率与频带fb外的频率相比具有更大的幅度。从而，当电子设备被放置在桌子上时(在时间周期p11期间)，5hz和约15hz之间的频率具有与频带fb外的频率类似的幅度。
如图5b所示，人体的特性振动在频谱中表明被边界504包围的频谱区域。当电子设备101与人体的手臂接触时(在时间周期p10期间)，5hz和约15hz之间的频率与频带fb外的频率相比具有更大的幅度。从而，当电子设备被放置在桌子上时(在时间周期p11期间)，5hz和约15hz之间的频率具有与频带fb外的频率类似的幅度。
如图5c所示，人体的特性振动在频谱中表明被边界506包围的频谱区域。当电子设备101与人体的胸部接触时(在时间周期p10期间)，5hz和约15hz之间的频率与频带fb外的频率相比具有更大的幅度。从而，当电子设备被放置在桌子上时(在时间周期p11期间)，5hz和约15hz之间的频率具有与频带fb外的频率类似的幅度。
如图5d所示，人体的特性振动在频谱中表明被边界508包围的频谱区域。当电子设备101与人体的头接触时(在时间周期p10期间)，5hz和约15hz之间的频率与频带fb外的频率相比具有更大的幅度。从而，当电子设备被放置在桌子上时(在时间周期p11期间)，5hz和约15hz之间的频率具有与频带fb外的频率类似的幅度。
如图5e所示，人体的特性振动在频谱中表明被边界510包围的频谱区域。当电子设备101与人体的膝盖接触时(在时间周期p10期间)，5hz和约15hz之间的频率与频带fb外的频率相比具有更大的幅度。从而，当电子设备被放置在桌子上时(在时间周期p11期间)，5hz和约15hz之间的频率具有与频带fb外的频率类似的幅度。
从而，基于上面参照图4以及图5a至图5e给出的描述，传感器数据102x、102y、102z的频谱特征还被用于确定电子设备101是否与人体接触。如此，返回参照图1，检测系统100可以包括第三特征检测电路104-3，其被配置为接收传感器数据102x、102y、102z作为输入信号。第三特征检测电路104-3可以被配置为确定传感器数据102x、102y、102z的频谱特征。
第三特征检测电路104-3的至少一部分可以包括在(例如，电子设备101的)处理器中。第三特征检测电路104-3可以输出指示频带fb中存在的频谱能量的第三度量106-3。在一些实施例中，第三度量106-3可以是或者可以指示以下至少之一：频带fb中的能量；频带fb中的能量与传感器数据102x、102y、102z的总能量的比率；频带fb中的能量与频带fb外的能量的比率；频带fb中的能量的平均值；频带fb中的能量与传感器数据102x、102y、102z的总能量的比率的平均值；或者频带fb中的能量与频带fb外的能量的比率的平均值。
图6示出了根据一个实施例的示出第三特征检测电路104-3的内部电路的框图600。此外，图7示出了根据一个实施例的确定第三度量106-3的方法700。可以通过图6所示的第三特征检测电路104-3来执行方法700。在图6和图7所示示例中，通过第三特征检测电路104-3确定的第三度量106-3可以是或者可以表示传感器数据102x、102y、102z的平均标准化功率(例如，频带fb中的能量与频带fb外的能量的比率的平均值)。如下所讨论的，可以针对预定时间窗来确定平均标准化功率。在一些实施例中，预定的时间窗可以为大约2秒，或者可以包括传感器数据102x、102y、102z的大约100个采样。
如图6所示，第三特征检测电路104-3可以包括量级计算电路602，其被配置为针对传感器数据102x、102y、102z的每个采样确定加速的量级(或基准)(例如，如方法700的步骤702)。假设通过指数n来表示每个采样，则通过accx[n]表示横向轴传感器数据102x的每个采样，通过accy[n]表示纵向轴传感器数据102y的每个采样，以及通过accz[n]表示法线轴传感器数据102z的每个采样。然后，可以通过执行以下数学运算来确定用于传感器数据102x、102y、102z的每个采样n的加速量级(表示为|acc[n]|)：
第三特征检测电路104-3可以进一步包括加法器604，其被配置为补偿由于重力引起的加速(例如，如方法700的步骤704)。如图6所示，这可以通过从用于传感器数据102x、102y、102z的每个采样n的加速量级|acc[n]|中减去1来完成。加法器604的输出可以是加速的补偿量级605。
第三特征检测电路104-3可以包括第一滤波器606-1和第二滤波器606-2，它们中的每一个都被配置为接收加速的补偿量级605作为输入。第一滤波器606-1和第二滤波器606-2可以过滤加速的补偿量级605(例如，如方法700的步骤706和707)。第一滤波器606-1和第二滤波器606-2可以具有不同的通带频率。例如，第一滤波器606-1可以是具有约5hz和约15hz之间的通带的带通滤波器。换句话说，第一滤波器606-1的通带可以是其中发生人体的特性振动的频带fb。第二滤波器606-2可以是具有约15hz的截止频率的高通滤波器。换句话说，第二滤波器606-2可以通过大于或等于约15hz的频率，同时基本消除约15hz以下的频率。
第三特征检测电路104-3可以包括第一能量计算电路608-1和第二能量计算电路608-2。第一能量计算电路608-1可以被配置为确定第一滤波器606-1的输出的能量，而第二能量计算电路608-2可以被配置为确定第二滤波器606-2的输出的能量(例如，如方法700的步骤708)。从而，第一能量计算电路608-1可以被配置为确定频带fb中的传感器数据102x、102y、102z的能量，并且第二能量计算电路608-2可以被配置为确定频带fb外的传感器数据102x、102y、102z的能量。
在一些实施例中，第一滤波器606-1和第二滤波器606-2的每一个的输出的能量可以被确定用于运行具有预定持续时间(例如，约2秒或约100个采样)的时间窗。例如，假设由指数n表示每个采样，则通过accbp[n]表示第一滤波器606-1的输出的每个采样，并且通过acchp[n]表示第二滤波器606-2的输出的每个采样。然后，第一滤波器606-1的输出的每个采样n的能量(表示为en_bp[n])可以通过执行以下数学运算来确定：
第三特征检测电路104-3可以进一步包括标准化功率计算电路610，其可以被配置为基于第一滤波器606-1的输出的能量和第二滤波器606-2的输出的能量来确定标准化功率(例如，如方法700的步骤710)。例如，标准化功率计算电路610可以被配置为确定频带fb中的传感器数据102x、102y、102z的能量与频带fb外的传感器数据102x、102y、102z的能量的比率。假设通过指数n表示每个采样，则每个采样n的标准化功率(表示为norm_pwr[n])可以通过执行以下数学运算来确定：norm_pwr[n]＝en_bp[n]/en_hp[n]。如上所述，第三特征检测电路104-3的至少一部分可以包括在(例如，电子设备101的)处理器中，并且在图6的示例中，可以通过这种处理器来实施标准化功率计算电路610以及上述数学运算。
第三特征检测电路104-3可以进一步包括平均电路612，其被配置为基于标准化功率计算电路610的输出来确定平均标准化功率(例如，如方法700的步骤712)。从而，平均电路612可以被配置为确定频带fb中的能量与频带fb外的能量的比率的平均值。假设通过指数n表示每个采样，则可以通过执行以下数学运算来确定平均标准化功率(表示为av_norm_pwr[n])：
图8示出了根据一个实施例的使用图7的方法700的图2所示传感器数据102x、102y、102z的平均标准化功率av_norm_pwr[n]的曲线图800。在曲线图800中，水平轴表示采样指数n，而垂直轴表示任意单位的平均标准化功率。如图8所示，当电子设备101与人体接触时，平均标准化功率av_norm_pwr[n](其可以是频带fb中的能量与频带fb外的能量的比率的平均值)较大。当电子设备101与人体接触时，这可以贡献人体的特性振动，增加频带fb中的频率的能量(相对于频带fb外的频率)。图8还示出了平均标准化功率av_norm_pwr[n]远高于阈值，从而建议结合平均标准化功率来使用av_norm_pwr[n]基线噪声抑制，以确定电子设备101是否与人体接触。在图8所示的示例中，阈值被设置为约1.8，尽管在其他实施例中其他阈值等级也是可以的，这取决于使用图7的方法700生成的噪声基线。
返回参照图1，检测系统100包括分类电路108，其可以被配置为至少基于第三度量106-3确定电子设备101是否与人体接触。换句话说，在一些实施例中，分类电路108可以仅使用第三度量106-3(例如，传感器数据102x、102y、102z的平均标准化功率)来确定电子设备101是否与人体接触。在其他实施例中，分类电路108可以使用第三度量106-3、以及第一度量106-1(例如，在预定时间窗中发生在传感器数据102x、102y、102z的零交叉的总数)或第二度量106-2(例如，电子设备101和参考面之间的角度)中的至少一个来确定电子设备101是否与人体接触。
分类电路108可以至少部分地基于第一度量106-1来生成判定(例如，较小量的零交叉可以指示电子设备101与人类用户的身体接触)。分类电路108可以至少部分地基于第二度量106-2来生成判定(例如，电子设备101和参考面之间较大的角度或者其较大的变化率可以指示电子设备101与人类用户的身体接触)。分类电路108可以至少部分地基于第三度量106-3来生成判定(例如，阈值之上的平均标准化功率可以指示电子设备101与人类用户的身体接触)。
分类电路108可以是使用机器学习技术实施的机器学习分类器，示例为判定树、线性回归、逻辑回归、支持向量机(svm)、朴素贝叶斯、k-最近邻、k-平均、随机森林、梯度升压等。为了进一步增强电子设备101与人体接触的确定精度，分类电路108可以实施基于时间的投票方法。在基于时间的投票方法中，分类电路108可以在每次计算度量106-1、106-2和106-3的新集合时输出临时判定。分类电路108对给定集合的度量106-1、106-2和106-3的临时判定的历史可以被保持(例如，存储在存储器中)，并且分类电路108的最终判定可以基于临时判定的这种历史。作为基于时间的投票方法的示例，可以每2秒计算度量106-1、106-2和106-3。在这种示例中，可以每2秒从分类电路108中得到新的临时判定，并且30秒的时间窗内的分类电路108的临时判定可以存储在历史中。如此，分类电路108可使用15个临时判定来提出最终判定。在这15个临时判定中，可以执行投票，并且具有最高票数的临时判定可以被宣布为分类电路108的最终判定。
分类电路108的输出110可以指示电子设备101是否与人体接触。例如，分类电路108的输出110可以被表示为三进制信号，其中，其中三进制0表示未知状态，三进制1表示电子设备101与人体接触的确定，以及三进制2表示电子设备101不与人体接触的确定。分类电路108的输出110可以每5秒或5秒以下被更新。
检测系统100可以包括状态监控器112，并且分类电路108的输出110可以被提供给状态监控器112。状态监控器112可以使用控制器和存储寄存器来实施。分类电路108的输出110可以被存储在状态监控器112的存储寄存器中，并且状态监控器112的控制器可以被配置为读取存储寄存器的内容。
响应于分类电路108的输出110指示电子设备101与人体接触，状态监控器112可以生成中断信号114，该信号可以规避高温且避免人体皮肤的灼烧的方式来适应电子设备101的行为或操作。例如，在电子设备101为膝上型计算机的实施例中，由状态监控器生成的中断信号114可以控制膝上型计算机的冷却风扇以降低膝上型计算机的内部温度，从而避免对人类皮肤的损伤。
附加地或备选地，中断信号114可以将电子设备101置于功率下降模式，从而努力降低功耗并延长电池寿命。例如，在电子设备101是一对蓝牙头戴式耳机的实施例中，中断信号114可以响应于分类电路108的输出110(指示头戴式耳机不与人体接触)将头戴式耳机置于低功率模式。作为另一示例，在电子设备101是可佩戴心率传感器的实施例中，中断信号114可以响应于分类电路108的输出110(指示传感器与人体接触)接通传感器，或者响应于分类电路108的输出110(指示传感器不与人体接触)来断开传感器。
在一些实施例中，状态监控器112存储分类电路108的先前输出110(例如，在存储寄存器中)，并且将先前输出110与分类电路108的当前输出110进行比较。这种比较可以通过状态监控器112的控制器来执行。状态监控器112可以响应于分类电路108的当前输出110不同于分类电路108的先前输出108来输出中断信号114。说明性地，中断信号114的生成对于中断信号114将电子设备101置于功率下降模式(例如，当不与人体接触时)或功率上升模式(例如，当与人体接触时)以努力降低功耗并延长电池寿命的应用来说是有用的。
总之，人体具有可使用运动传感器(如加速计)测量的特性振动。这种特性振动在约5hz至约15hz的范围内(例如，表示为频带fb)，并且可以使用由运动传感器生成的监控信号的频率响应来观察到。该特性振动可以在人体的几乎所有部位(包括手、膝盖、头、手臂和胸部)上感测。特性振动可以被分析并用于确定电子设备是否与人体接触。具体地，度量(例如，第三度量106-3)可用于指示以下至少之一：频带fb中的能量；频带fb中的能量与运动传感器生成的运动信号的总能量的比率；频带fb中的能量与频带fb外的能量的比率；频带fb中的能量的平均值；频带fb中的能量与运动传感器生成的运动信号的总能量的比率的平均值；或者频带fb中的能量与频带fb外的能量的比率的平均值。响应于确定电子设备101与人体接触，可以适应电子设备101的行为或操作(例如，使用中断信号114)来降低提升的温度或降低功耗并延长电池寿命。此外，其他度量(例如，第一度量106-1和第二度量106-2)可与指示人体的特性振动的度量组合。例如，指示电子设备101的定向和/或对电子设备101执行或使用电子设备101的行为量的度量也可以用于确定电子设备101是否与人体接触。图1所示的检测系统100以及其提供的解决方案可使用有限资源(例如，加速计)来实施并且可以被广泛使用，因为可以在电子设备与人体的任何部位接触时确定或提取每个特征(例如，定向、行为和频谱特性)。
一种系统可以包括：运动传感器，被配置为响应于电子设备的移动生成运动信号；以及至少一个特征检测电路，被配置为基于运动信号确定至少一个度量。该系统可进一步包括分类电路，其被配置为基于至少一个度量确定电子设备是否与人体接触。
一种系统可以包括加速计，其被配置为响应于电子设备的振动或定向生成输出信号。该系统可进一步包括多个特征检测电路，其输入耦合至加速计的输出，多个特征检测电路被配置为确定指示输出信号的多个特征的多个度量。该系统可附加地包括：分类电路，被配置为基于多个度量确定电子设备是否与人体接触；以及控制器，被配置为基于电子设备是否与人体接触来适应电子设备的操作。
一种方法可以包括：响应于电子设备的移动生成运动信号；确定运动信号的至少一个特性；生成指示运动信号的至少一个特性的至少一个度量；以及基于至少一个度量确定电子设备是否与人体接触。
本领域技术人员将进一步理解，结合本文公开的实施例描述的各种示例性逻辑块、模块、电路和算法可以实施为电子硬件、存储在存储器或另一计算机可读介质中且被处理器或其他处理设备执行的指令、或二者。作为示例，本文描述的设备和处理系统可用于任何电路、硬件部件、集成电路(ic)或ic芯片。本文公开的存储器可以是任何类型和尺寸的存储器，并且可以被配置为存储任何类型的期望信息。为了清楚地说明可交换性，上面一般根据它们的功能性来描述各种说明性部件、块、模块、电路和步骤。如何实施这种功能性取决于具体应用、设计选择和/或对总体系统施加的设计约束。本领域技术人员可针对每个具体应用以各种方式来实施所述功能，但是这种实施判决定不应解释为背离本发明的范围。
结合本文公开的实施例描述的各种说明性逻辑块、模块和电路可以利用被设计为执行本文所述功能的处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或其他可编程逻辑器件、分立门或晶体管逻辑、分立硬件部件或任何它们的组合来实施或执行。处理器可以是微处理器，但是备选地，处理器可以传统的处理器、控制器、微控制器或状态机。处理器还可以被实施为计算设备的组合(例如，dsp和微处理器的组合、多个微处理器、与dsp核结合的一个或多个微处理器)或任何其他这种配置。
本文公开的实施例可以硬件和存储在硬件中的指令来实施，并且例如可以驻留在随机存取存储器(ram)、闪存、只读存储器(rom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)、寄存器、硬盘、可移除盘、cd-romm或本领域已知的任何其他形式的计算机可读介质中。示例性存储介质耦合至处理器，使得处理器可以从存储介质中读取信息并将信息写入存储介质。备选地，存储介质可以集成到处理器。处理器和存储介质可以驻留在asic中。
虽然参照说明性实施例描述了本发明，但这种描述不用于限制。本领域技术人员在参考说明书的基础上将明确所示实施例的各种修改和组合以及本发明的其他实施例。因此，所附权利要求包括了任何这种修改或实施例。