使用静电电荷传感器的袋检测的制作方法

1.本公开涉及一种用于检测电子设备是在袋中还是正在从袋中被取出的系统和方法。


背景技术：

2.很多电子设备支持一套全面的系统范围的功率管理特征，以改善用户体验、延长电池使用时间、节省能源并且降低设备的热量和噪声。由于电源有限，电源管理特征对于便携式设备(诸如笔记本计算机、平板计算机和移动设备)尤为重要。
3.电源管理特征通常包括使设备在若干不同功率状态之间转变的选项。例如，很多设备支持处于关断状态(例如，设备完全关闭并且不消耗电力)与接通状态(例如，设备通电并且准备好供用户使用)之间的中间功率状态。中间功率状态可以包括设备处于功率降低的空闲状态的睡眠状态；以及类似于睡眠状态但功耗更低的休眠状态。当设备准备好供用户使用时，中间功率状态允许设备快速返回到接通状态。
4.很多设备利用设备上下文识别来定制功率状态之间的转变。设备上下文算法可以检测若干不同活动，诸如设备是否静止、是否由正在步行或跑步的用户持有、或其他类型的活动。设备上下文识别算法的最简单实现中的一个是基于运动传感器，诸如加速度计和陀螺仪。
5.基于检测到的活动，设备可以在功率状态之间转变。例如，膝上型计算机可以响应于检测到膝上型计算机正在被正在行走或跑步的用户持有而从接通状态切换到睡眠状态，并且响应于检测到膝上型计算机是静止的而从休眠或睡眠状态切换到接通状态。


技术实现要素：

6.本公开涉及一种设备，该设备检测该设备是在袋(例如，公文包、背包和肩包)中还是正在从袋中被取出。该设备基于由运动传感器生成的运动测量和由静电荷传感器生成的静电荷测量来确定该设备是在袋中还是正在从袋中被取出。通过使用运动测量和静电荷测量两者，该设备能够高效、准确和稳健地检测设备是在袋中还是正在从袋中被取出。
7.基于设备是在袋内还是袋外来调节设备的功率状态。例如，可以响应于检测到设备在袋内而将设备设置为关断或低功率状态，并且响应于检测到设备正在从袋中被取出而设置为接通功率状态。
附图说明
8.在附图中，相同的附图标记表示相似的特征或元件。附图中特征的大小和相对位置不一定按比例绘制。
9.图1a是根据本文中公开的实施例的设备的第一角度透视图；
10.图1b是根据本文中公开的实施例的图1a的设备的第二角度透视图；
11.图2是根据本文中公开的实施例的电荷传感器的图；
12.图3是根据本文中公开的实施例的设备的框图；
13.图4a是根据本文中公开的实施例的在静电荷传感器包括单个电极并且设备在袋内的情况下的静电荷测量信号；
14.图4b是根据本文中公开的实施例的在静电荷传感器包括单个电极并且设备在用户手中被携带的情况下的静电荷测量信号；
15.图5a是根据本文中公开的实施例的在静电荷传感器包括两个电极并且设备在袋内的情况下的静电荷测量信号；
16.图5b是根据本文中公开的实施例的在静电荷传感器包括两个电极并且设备在用户手中被携带的情况下的静电荷测量信号；
17.图6是根据本文中公开的实施例的检测设备的取向是否已经改变的方法的流程图；
18.图7a是根据本文中公开的实施例的在设备正在从袋中被取出的情况下的静电荷测量信号；
19.图7b是根据本文中公开的实施例的在设备未从袋中被取出的情况下的静电荷测量信号；
20.图8是根据本文中公开的实施例的用于手持检测器和假出袋检测器的方法的流程图；
21.图9是根据本文中公开的实施例的设备的框图；
22.图10是根据本文中公开的实施例的设备的框图；以及
23.图11是根据本文中公开的实施例的设备的框图。
具体实施方式
24.在以下描述中，阐述了某些特定细节以便提供对所公开的主题的各个方面的透彻理解。然而，可以在没有这些具体细节的情况下实践所公开的主题。在一些情况下，没有详细描述众所周知的机器学习技术、功率状态、以及制造电子设备和传感器的结构和方法，以避免混淆对本公开的其他方面的描述。
25.除非上下文另有要求，否则在随后的说明书和权利要求书中，“包括(comprise)”一词及其变体(诸如“包括了(comprises)”和“包括有(comprising)”)应当以开放的包括性的意义解释，即“包括，但不限于。”26.在整个说明书中对“一个实施例”或“实施例”的引用表示结合该实施例描述的特定特征、结构或特性被包括在至少一个实施例中。因此，短语“在一个实施例中”或“在实施例中”在整个说明书的各个地方的出现不一定都指代相同方面。此外，特定特征、结构或特性可以在本公开的一个或多个方面以任何合适的方式组合。
27.如上所述，很多设备允许制造商或用户使用设备上下文识别来定制设备的功率状态之间的转变。例如，膝上型计算机可以响应于检测到膝上型计算机正在被正在行走或跑步的用户持有而从接通状态切换到休眠或睡眠状态，并且响应于检测到膝上型计算机是静止的而从休眠状态切换到接通状态。
28.设备制造商希望通过检测用于触发功率状态转变的附加活动或事件来进一步定制功率状态转变。不需要用户直接交互的活动特别受欢迎，因为设备不必依赖于用户的动
作(例如，按下电源按钮、打开笔记本计算机、闭合笔记本计算机等)。相反，设备可以为用户抢先触发功率状态转变。结果，可以进一步改善设备的用户体验、电池使用时间、节能以及发热和噪声。
29.一些设备包括袋内检测和出袋检测，袋内检测可以检测设备是否放置在袋(例如，公文包、背包和肩包)中，出袋检测可以检测设备是否正在从袋中被取出。通常，响应于检测到设备在袋内，设备被设置为休眠状态，以减少或防止设备过热；并且响应于检测到设备正在从袋中被取出，设备被设置为接通状态，以允许操作系统快速或抢先唤醒。然而，现有技术的袋内和出袋检测方法需要大量处理并且耗时。此外，现有技术的袋内和出袋检测方法通常会导致假检测。
30.本公开涉及一种具有改善的袋内和出袋检测的设备。袋可以是公文包、背包、肩包或任何其他类型的容纳设备的容器。该设备利用一个或多个运动传感器和静电荷传感器来检测该设备是在袋中还是正在从袋中被取出。将静电荷传感器与一个或多个运动传感器结合使用可以改善袋内检测的处理时间，并且减少出袋检测的假检测。该设备随后基于检测该设备是在袋内还是在袋外而在功率状态之间转变。
31.图1a是根据本文中公开的实施例的设备10的第一角度透视图。图1b是根据本文中公开的实施例的设备10的第二角度透视图。设备10的长度沿着x轴线延伸，设备10的宽度沿着y轴线延伸，并且设备10的高度沿着z轴线延伸。一起查看图1a和图1b是有益的。
32.设备10是一种电子设备，其被配置为检测设备10是在袋中还是正在从袋中被取出。在图1a和图1b所示的实施例中，设备10是膝上型计算机。然而，设备10可以是可以在袋内存储或携带的任何类型的电子设备。例如，设备10可以是膝上型计算机、平板计算机、蜂窝电话或任何类型的移动设备。设备10包括运动传感器12、静电荷传感器14和传感器控制器16。
33.运动传感器12被配置为测量设备10的运动，并且生成指示所测量的运动的运动测量。在一个实施例中，运动测量是与所测量的运动成比例的电信号(例如，电压或电流信号)的形式。
34.运动传感器12可以是测量沿着至少一个轴线的加速度的加速度计。替代地，加速度计测量沿着三个轴线的加速度(例如，沿着图1a和图1b所示的x、y和z轴线)。
35.运动传感器12也可以是沿着至少一个轴线测量角速度或沿着三个轴线(例如，沿着图1a和图1b所示的x、y和z轴线)测量角速度的陀螺仪。
36.在一个实施例中，运动传感器12是包括加速度计和陀螺仪两者的组合传感器，其中运动传感器12测量加速度和角速度两者。下面将更详细地讨论运动传感器12的操作。
37.尽管图1a和图1b中示出了单个运动传感器12，但是设备10可以包括任何数目的运动传感器。例如，设备10包括作为加速度计的第一运动传感器和作为陀螺仪的第二运动传感器。
38.静电荷传感器14被配置为生成指示所测量的静电荷的静电荷测量。在一个实施例中，静电荷测量是与所测量的静电荷成比例的电信号(例如，电压或电流信号)的形式。
39.在一个实施例中，静电荷传感器14包括单个电极和测量由单个电极检测到的静电荷的电气组件(例如，电阻器、电容器、放大器等)。
40.在一个实施例中，静电荷传感器14包括在设备10的两个不同表面上的两个电极、
以及测量在两个电极之间检测到的静电荷的电气组件(例如，电阻器、电容器、放大器等)。图2是根据本文中公开的实施例的电荷传感器14的图。静电荷传感器14包括分别耦合到输入电极e1、e2的一对输入端子18a、18b。
41.电极e1、e2中的每个电极由导电材料制成，并且在一个实施例中涂覆有绝缘层。电极e1、e2的几何形状决定了静电荷传感器14的灵敏度和方向性。灵敏度与电极e1、e2的表面积成比例。电极e1、e2的形状和它们在空间中的定位影响静电荷传感器14的方向性。在一个实施例中，电极e1、e2是正方形的，其中边长约为2-10cm(例如，5cm)。
42.电极e1、e2位于设备10的一个或多个暴露表面上，使得电极e1、e2暴露于周围环境。例如，如图1a和图1b所示，电极e1位于设备10的上表面24上，并且电极e2位于设备10的下表面26上。电极e1、e2可以位于在设备10的任何表面上，诸如设备10的侧面上。
43.该对输入端子18a、18b从相应电极e1、e2接收输入电压vd(差分信号)，并且将输入电压vd提供给仪表放大器20。袋的存在生成静电荷变化，在被电极e1、e2检测到之后，该静电荷变化又生成输入电压vd。
44.仪表放大器20包括运算放大器op1、op2和偏置级(缓冲器)op3。偏置级op3将仪表放大器20偏置到共模电压v
cm
。
45.放大器op1的反相端子通过电阻器r2与放大器op2的反相端子电连接，跨电阻器r2的电压等于输入电压vd。因此，等于i2＝vd/r2的电流将流过该电阻器r2。电流i2并非来自运算放大器op1、op2的输入端子，并且因此流经与电阻器r2串联连接在运算放大器op1、op2的输出之间的两个电阻器r1。流经三个电阻器r
1-r
2-r1的串联的电流i2产生差分输出电压vd′
，由vd′
＝(2r1+r2)i2＝(2r1+r2)vd/r2给出。图2的电路的总增益为ad＝vd′
/vd＝(2r1+r2)/r2＝1+2r1/r2。差分增益取决于电阻器r2的值，并且因此可以通过作用于电阻器r2来修改。
46.因此，与输入端子18a、18b之间的电位vd成比例的差分输出电压vd′
被输入到模数转换器(adc)22，该adc 22输出电荷变化信号。电荷变化信号例如是高分辨率数字流(例如，16位或24位)。电荷变化信号是对周围环境中静电荷的静电荷测量。
47.在另一实施例中，省略了仪表放大器20，使得adc 22接收电极e1、e2之间的差分输出电压vd并且直接对差分输出电压vd进行采样。在另一实施例中，adc 22被省略，并且电荷变化信号是差分输出电压vd。
48.尽管图1a和图1b中示出了单个静电荷传感器14，但是设备10可以包括任何数目的静电荷传感器。例如，设备10可以包括第一静电荷传感器和第二静电荷传感器，其中第一静电荷传感器的两个电极在设备10的两个不同表面上，并且第二静电荷传感器的两个电极在设备10的另外的两个不同表面上。
49.返回到图1a和图1b，传感器控制器16通信耦合到运动传感器12和静电荷传感器14。传感器控制器16被配置为接收来自运动传感器12的运动测量和来自静电荷传感器14的静电荷测量，并且基于运动测量和静电荷测量确定设备10是在袋中还是正在从袋中被取出。传感器控制器16还被配置为调节设备10的功率状态。传感器控制器16可以是处理器、控制器、信号处理器或任何其他类型的处理单元。下面将更详细地讨论设备10内的传感器控制器16的操作和位置。
50.图3是根据本文中公开的实施例的设备10的框图。如上所述，设备10包括运动传感器12、静电荷传感器14和传感器控制器16。运动传感器12生成指示设备10的所测量的运动
的运动测量，静电荷传感器14生成指示来自设备10的电极的所测量的静电荷的静电荷测量，并且传感器控制器16基于运动测量和静电荷测量来确定设备10是在袋中还是正在从袋中被取出。
51.传感器控制器16包括袋内(in-bag)检测器28和出袋(out-from-bag)检测器30。袋内检测器28和出袋检测器30可以实现为由传感器控制器16执行的算法或软件模块。诸如被配置为执行袋内检测器28和出袋检测器30的功能的专用电路系统的硬件解决方案也是可能的。
52.袋内检测器28通信耦合到运动传感器12和静电荷传感器14。袋内检测器28接收来自运动传感器12的运动测量和来自静电荷传感器14的静电荷测量，并且基于运动测量和静电荷测量来检测设备10是否在袋内。如上所述，袋可以是公文包、背包、肩包或任何其他类型的容纳设备10的容器。袋内检测器28包括活动性检测器32、平坦检测器34、手持检测器36、和袋内检测逻辑38。
53.活动性检测器32检测设备10的活动性状态。例如，活动性检测器32检测设备10是否处于稳定状态、步行状态还是运输状态。在稳定状态下，设备10是静止的并且没有移动。在步行状态下，设备10由正在步行或跑步的用户携带。在运输状态下，设备10正在通过例如汽车、自行车、火车、公共汽车等运输。
54.活动性检测器32基于从运动传感器12接收的运动测量来检测设备10是否处于稳定状态、步行状态还是运输状态。如上所述，运动测量可以包括设备10的加速度测量、设备10的角速度测量、或设备10的加速度和角速度测量的组合。活动性检测器32将检测到的状态输出到袋内检测逻辑38。
55.在一个实施例中，活动性检测器32使用诸如决策树、神经网络和支持向量机等机器学习技术将运动测量分类为稳定状态、步行状态或运输状态。例如，活动性检测器32计算一组特征，以将当前运动测量与针对感兴趣的目标活动的多个预定义类别中的一个预定义类别的预期运动测量相匹配。这种方法利用针对希望被识别的每个活动标记的训练数据，以生成分类器。此外，深度神经网络模型也可以被使用和实现以用于活动识别。深度神经网络模型能够执行从原始传感器数据中的自动特征学习，并且出色的模型适配手工制作的领域特定特征。也可以使用统计模型(例如，马尔科夫模型等)。
56.平坦检测器34检测设备10是否处于平坦状态或是非平坦状态。在平坦状态下，设备10的底座(例如，如图1b所示的设备10的下表面26)位于诸如书桌等平坦表面上。在非平坦状态下，设备10不是水平的。即，设备10的底座没有位于平坦表面上。
57.平坦检测器34基于从运动传感器12接收的运动测量来检测设备10是否处于平坦状态或是非平坦状态。如上所述，运动测量可以包括设备10的加速度测量、设备10的角速度测量、或设备10的加速度和角速度测量的组合。平坦检测器34将检测到的状态输出到袋内检测逻辑38。
58.在一个实施例中，平坦检测器34基于沿着一个或多个轴线的加速度测量来检测平坦状态和非平坦状态。例如，参考图1，平坦检测器34响应于运动传感器12测量沿着x轴线和y轴线的接近零的加速度(即，小于第一阈值)并且测量沿着z轴线的平行于重力矢量的加速度(即，大于第二阈值)来检测平坦状态。相反，平坦检测器34响应于运动传感器12测量沿着x轴线或y轴线的非零加速度(即，大于第一阈值)或者测量沿着z轴线的横向于重力矢量的
接近零的加速度(即，小于第二阈值)来检测非平坦状态。
59.手持检测器36区分设备10实际上被携带在袋内或者由用户携带的场景，该用户携带设备10的情况下具有复制设备10在袋内的定位的位置或取向，而不是实际在袋内(例如，设备10在盖子关闭的情况下被携带在用户的手臂下)。特别地，可能存在用户必须从一个位置移动到另一位置并且用手携带设备10以便于运输的情况，而不必将设备放入袋中。为了应对这种另外的情况，手持检测器36感测设备10实际上是在袋内还是手持携带(例如，在用户的手臂下或用手保持/持有，或保持在用户的胸前)。
60.手持检测器36检测设备10是否处于手持状态或是非手持状态。在手持状态下，设备10在用户手中被携带。在非手持状态下，设备10不在用户手中被携带，而是在例如袋中被携带。在一个实施例中，手持检测器36在活动性检测器32检测到步行状态的情况下检测非手持状态。手持检测器36将检测到的状态输出到袋内检测逻辑38。
61.手持检测器36基于来自静电荷传感器14的静电荷测量来检测设备10是否处于手持状态或是非手持状态。如上所述，静电荷测量指示在设备10的电极之间测量的静电荷。
62.当设备10在袋内时，与设备10在用户手中被携带时相比，静电荷测量在运动过程中被强烈放大。例如，图4a是在静电荷传感器14包括单个电极并且设备10在袋内的情况下的静电荷测量信号40，而图4b是在电荷传感器14包括单个电极并且设备10在用户手中被携带的情况下的静电荷测量信号42。
63.在图4a和图4b中，纵轴线是静电荷测量信号的幅度，横轴线是时间轴线。幅度是来自模数转换器(adc)的输出，其满量程值(即，绝对最大值)为32,000，并且时间轴线是以60赫兹采集5秒的静电荷测量信号的样本。其他幅度和时间单位也是可能的。
64.将静电荷测量信号40与静电荷测量信号42进行比较，可以看出，静电荷测量信号40包括更大的幅度值并且具有更大的方差。这是由于当设备10运动时大量静电荷在袋内被生成。例如，当袋摩擦袋的内表面时，大量静电荷会被生成。
65.作为另一示例，图5a是在静电荷传感器14包括两个电极并且设备10在袋内的情况下的静电荷测量信号44，而图5b是在电荷传感器14包括两个电极并且设备10在用户手中被携带的情况下的静电荷测量信号46。
66.与图4a和图4b类似，在图5a和图5b所示的示例中，幅度是来自adc的输出，其满量程值为32,000，并且时间轴线是以60赫兹采集5秒的静电荷测量信号的样本。
67.将静电荷测量信号44与静电荷测量信号46进行比较，可以看出，静电荷测量信号44包括更大的幅度值并且具有更大的方差。
68.因此，手持检测器36能够通过确定由静电荷传感器14生成的静电荷测量是否被强烈放大来确定设备10是否处于手持状态或是非手持状态。
69.在一个实施例中，手持检测器36确定由静电荷传感器14生成的静电荷测量信号在设置的时间段内是否大于或等于阈值并且达到阈值次数。响应于手持检测器36确定静电荷测量信号大于或等于阈值并且到达阈值次数，手持检测器36确定设备10处于非手持状态。相对地，响应于手持检测器36确定静电荷测量信号不大于或等于阈值(即，小于阈值)并且到达阈值次数，手持检测器36确定设备10处于手持状态。
70.在一个实施例中，手持检测器36确定由静电荷传感器14生成的静电荷测量信号的方差在设置的时间段内是否大于或等于阈值。响应于手持检测器36确定方差大于或等于阈
值，手持检测器36确定设备10处于非手持状态。响应于手持检测器36确定方差不大于或等于阈值(即，小于阈值)，手持检测器36确定设备10处于手持状态。
71.返回到图3，袋内检测逻辑38从活动性检测器32、平坦检测器34和手持检测器36接收检测到的状态；并且基于检测到的状态确定设备10是否处于袋内状态。在袋内状态下，设备10被估计为在袋内。
72.在一个实施例中，在设备10处于稳定状态和非平坦状态，或者处于行走状态和非手持状态，或者处于运输状态的情况下，袋内检测逻辑38确定设备10处于袋内状态。换言之，在以下等式满足的情况下，袋内检测逻辑38确定设备10处于袋内状态：
73.(稳定状态＝真并且非平坦状态＝真)，或者
74.(行走状态＝真并且非手持状态＝真)，或者
75.(运输状态＝真)
76.在设备10包括两个表面(例如，具有屏幕和键盘的膝上型计算机、或可折叠设备)的情况下，则当设备10处于两个表面彼此接触的盖子闭合状态(例如，笔记本计算机或可折叠设备关闭)时，袋内状态被评估。在这种情况下，在以下等式满足的情况下，袋内检测逻辑38确定设备10处于袋内状态：
77.(盖子闭合状态＝真)，以及
78.((稳定状态＝真并且非平坦状态＝真)，或者
79.(行走状态＝真并且非手持状态＝真)，或者
80.(运输状态＝真))
81.如下文将更详细讨论的，由袋内检测逻辑38确定的袋内状态被输出到例如设备10的操作系统层，并且用于调节设备10的功率状态。
82.出袋检测器30通信耦合到运动传感器12和静电荷传感器14。出袋检测器30接收来自运动传感器12的运动测量和来自静电荷传感器14的静电荷测量，并且基于运动测量和静电荷测量来检测设备10是否正在从袋中被取出。与检测袋内状态的袋内检测器28相比，出袋检测器30检测设备10当前正在从袋中被取出的出袋事件。如上所述，袋可以是公文包、背包、手提袋或任何其他类型的容纳设备10的容器。出袋检测器30包括取向变化检测器48和假出袋检测器50。
83.取向变化检测器48检测设备10的取向是否已经改变。取向变化检测器48响应于检测到设备10的取向变化而将出袋事件输出到假出袋检测器50。在检测到出袋事件之后，设备10被估计为在袋外。
84.取向变化检测器48基于从运动传感器12接收的运动测量来确定设备10的取向。在一个实施例中，运动传感器12是加速度计，并且当设备10沿着至少一个轴线的加速度大于阈值并且到达阈值持续时间时，取向变化检测器48检测设备10的取向是否已经改变。图6是根据本文中公开的实施例的检测设备10的取向是否已经改变的方法52的流程图。
85.在框54中，取向变化检测器48确定设备10沿着平行于重力的轴线的加速度是否大于或等于第一阈值。在一个实施例中，第一阈值在800到900mg之间。如果设备10沿着平行于重力的轴线的加速度不大于或等于第一阈值(即，小于第一阈值)，则方法52移动到框56。如果设备10沿着平行于重力的轴线的加速度大于或等于第一阈值，该方法移动到框58。
86.在框56中，将计数值设置为0。计数值是设备10沿着平行于重力的轴线的加速度被
确定为大于或等于第一阈值的连续次数的总数。方法52返回到框54以进行进一步处理。
87.在框58中，将计数值递增1。然后方法52移动到框60。
88.在框60中，取向变化检测器48确定计数值是否大于或等于第二阈值。在一个实施例中，第二阈值在25到30之间。如果计数值不大于或等于第二阈值(即，小于第二阈值)，则该方法返回到框54以进行进一步处理。如果计数值大于或等于第二阈值，则取向变化检测器48确定设备10的取向已经改变，并且将出袋事件输出到假出袋检测器50。
89.返回到图3，假出袋检测器50用于确定由取向变化检测器48检测到的出袋事件是否是假检测。假出袋检测器50通过使用静电荷测量再次检测出袋事件来确定由取向变化检测器48检测到的出袋事件是否是假检测。如果假出袋检测器50再次检测到出袋事件，则假出袋检测器50将由取向变化检测器48检测到的袋出事件验证为真实检测并且输出出袋事件。如果假出袋检测器50没有再次检测到出袋事件，则假出袋检测器50使由取向变化检测器48检测到的出袋事件无效(即，确定由取向变化检测器48检测到的出袋事件是假检测)并且不输出出袋事件。
90.假出袋检测器50基于来自静电荷传感器14的静电荷测量来验证由取向变化检测器48检测到的出袋事件。在实际的出袋事件中，存在设备10在空中移动的短暂时间段。在该时间段期间，设备10的静电荷开始放电。相反，在假出袋事件期间，设备10的静电荷不放电。例如，图7a是在设备10正在从袋中被取出的情况下的静电荷测量信号62，图7b是在设备10未从袋中被取出(即，设备10在取向变化期间保持在袋中)的情况下的静电荷测量信号64。
91.在图7a和图7b中，纵轴线是静电荷测量信号的幅度，横轴线是时间轴线。幅度是来自adc的输出，其满量程值(即，绝对最大值)为32,000，并且时间轴线是在60赫兹下采集2.5秒的静电荷测量信号的样本。其他幅度和时间单位也是可能的。
92.参考图7a，圈出的区域是设备10正在从袋中被取出的时间段。可以看出，静电荷测量信号62在圈出的区域中放电(即，静电荷测量信号62的幅度接近零)。相反，在图7b中，静电荷测量信号64没有放电，因为设备10未从袋中被取出。
93.因此，假出袋检测器50能够通过确定设备10的静电荷是否被释放来确定由取向变化检测器48检测到的出袋事件是否是假检测。
94.在一个实施例中，假出袋检测器50确定由静电荷传感器14生成的静电荷测量信号在设置的时间段内是否小于或等于阈值。响应于假出袋检测器50确定静电荷测量信号小于或等于阈值，假出袋检测器50将由取向变化检测器48检测到的出袋事件验证为真实检测并且输出出袋事件。相反，响应于假出袋检测器50确定静电荷测量信号不小于或等于阈值(即，大于阈值)，假出袋检测器50使由取向变化检测器48检测到的出袋事件无效(即，确定由取向变化检测器48检测到的出袋事件是假检测)并且不输出出袋事件。
95.由袋内检测逻辑38确定的袋内状态和由假出袋检测器50验证的出袋事件被输出到例如设备10的操作系统层。操作系统层包括设备10的操作系统，该操作系统例如控制和协调设备10的硬件组件和通信耦合到设备10的任何外围设备。
96.操作系统层基于袋内状态和出袋事件调节设备10的功率状态。设备10的功率状态可以包括现在已知或以后开发的任何类型的低、正常或高功率状态。在一个实施例中，设备10包括以下功率状态中的一种或多种：工作状态、低功率/待机状态、睡眠状态、休眠状态、软关断状态和机械关断状态。在工作状态下，设备10被完全供电并且准备好由用户使用。在
低功率/待机状态下，设备10消耗的功率比工作状态下少，并且能够快速切换到工作状态。在睡眠状态下，设备10似乎处于关断状态并且消耗的功率比低功率/待机状态下少。在休眠状态下，设备10似乎处于关断状态并且消耗的功率比休眠状态下少。在软关断状态下，设备10似乎处于关断状态并且包括完全关闭和重启周期。在机械关断状态下，设备10处于关断状态并且不消耗功率。
97.在一个实施例中，在设备10处于袋内状态并且没有经历出袋事件的情况下，操作系统层将设备10设置为低功率状态(例如，低功率/待机状态、睡眠状态、休眠状态、软关断状态等)。
98.在一个实施例中，在设备10经历出袋事件的情况下，操作系统层将设备10切换到高功率状态(例如，从休眠状态到睡眠状态，从睡眠状态到工作状态，等等)。
99.在上述实施例中，操作系统层调节设备10的功率状态。然而，设备10的其他组件也可以用于调节功率状态。例如，在一个实施例中，传感器控制器16本身基于袋内状态和出袋事件调节设备10的功率状态。
100.在一个实施例中，手持检测器36和假出袋检测器50二者都利用机器学习方法来执行检测。即，手持检测器36使用机器学习方法将静电荷测量分类为手持状态或非手持状态，并且假出袋检测器50使用机器学习方法将静电荷测量分类为出袋事件或非出袋事件。图8是根据本文中公开的实施例的用于手持检测器36和假出袋检测器50的方法66的流程图。
101.在框68中，静电荷传感器14测量设备10的静电荷，并且生成指示所测量的静电荷的静电荷测量信号。在一个实施例中，设备10包括用于存储多个静电荷测量的缓冲器，并且当缓冲器充满时使用多个静电荷测量生成静电荷测量信号。
102.在框70中，传感器控制器16从静电荷传感器14接收静电荷测量信号，并且从静电荷测量信号中提取特征。
103.所提取的特征表征静电荷测量信号的幅度和不稳定性。例如，传感器控制器16确定以下计算中的至少一种以表征静电荷测量信号：能量计算(例如，静电荷测量信号在一段时间内的总能量)、方差计算(例如，静电荷测量信号在一段时间内的方差)、过零计算(例如，静电荷测量信号在一段时间内过零的次数)、峰到峰计算(例如，静电荷测量信号在一段时间内的最大幅度与最小幅度之间的差值)、峰值计数计算(例如，静电荷测量信号在一段时间内的峰值总数)、绝对平均值计算(例如，静电荷测量信号在一段时间内的绝对平均值)、最大值计算(例如，静电荷测量信号在一段时间内的的最大值)、或最小值计算(例如，静电荷测量信号在一段时间内的最小值)。其他类型的计算也是可能的。
104.在一个实施例中，上述特征在静电荷测量信号的时间窗口内提取。例如，特征可以在2.5秒的时间窗口内计算。例如，时间窗是基于最小数目的静电测量来定义的，以确保由手持检测器36和假出袋检测器50进行的正确检测。
105.在框72中，手持检测器36基于在框70中提取的特征将静电荷测量信号分类为手持状态或非手持状态。
106.手持检测器36使用机器学习方法将静电荷测量信号分类为手持状态或非手持状态。例如，手持检测器36使用决策树、神经网络或支持向量机中的一种来分类静电荷测量信号。其他机器学习技术也是可能的。
107.在一个实施例中，下表中的决策树用于确定手持状态和非手持状态。
[0108][0109]
在上述决策树中，第一峰值计数阈值大于第二峰值计数阈值，并且第一能量阈值小于第二能量阈值。
[0110]
利用静电荷传感器测量来执行手持检测，极大地改善了手持检测器36的效率和处理时间，并且从而改善了袋内检测器28的效率和处理时间。例如，通常利用运动测量的现有技术手持检测方法计算的特征是由手持检测器36计算的特征的三倍以上，并且现有技术执行的决策树是手持检测器36执行的决策树的两倍以上。结果，袋内检测器28的电流消耗和存储器与现有技术袋内检测方法相比减少。
[0111]
在框74中，手持检测器36使用元分类器过滤框72中的静电荷测量信号的分类。手持检测器36过滤静电荷测量信号的分类以去除或减少误报。
[0112]
在一个实施例中，手持检测器36通过维持第一计数值来减少手持状态的假检测。第一计数值是手持检测器36将静电荷测量信号分类为手持状态的总次数。当总数等于或大于第一阈值计数值时，手持检测器36确定静电荷测量信号为手持状态。
[0113]
类似地，在一个实施例中，手持检测器36通过维持第二计数值来减少对非手持状
态的假检测。第二计数值是手持检测器36将静电荷测量信号分类为非手持状态的总次数。当总数等于或大于第二阈值计数值时，手持检测器36确定静电荷测量信号为非手持状态。
[0114]
注意，框74可以从方法66中去除(即，不执行)以减少手持检测器分类框72的等待时间。
[0115]
在框74之后，手持检测器36将检测结果输出到袋内检测逻辑38以供进一步处理，如上文关于图3所解释的。
[0116]
在框76中，假出袋检测器50基于框70中提取的特征将静电荷测量信号分类为出袋事件。
[0117]
与手持检测器36类似，假出袋检测器50使用机器学习方法将静电荷测量信号分类为出袋事件。例如，假出袋检测器50使用决策树、神经网络或支持向量机中的一种来对静电荷测量信号进行分类。其他机器学习技术也是可能的。
[0118]
在一个实施例中，下表中的决策树用于确定出袋事件或非出袋事件。
[0119]
[0120]
[0121]
[0122][0123]
在上述决策树中，第一峰值计数阈值大于第二峰值计数阈值，第一峰值计数阈值大于第三峰值计数阈值，第三峰值计数阈值小于第四峰值计数阈值，第一过零阈值大于第二过零阈值，第一过零阈值小于第三过零阈值，第一最大阈值大于第二最大阈值，并且第二最大阈值大于第三最大阈值。
[0124]
在框78中，假出袋检测器50使用元分类器过滤框76中的静电荷测量信号的分类。假出袋检测器50过滤静电荷测量信号的分类以去除或减少假阳性。
[0125]
在一个实施例中，假出袋检测器50通过维持第一计数值来减少出袋事件的假检测。第一计数值是假出袋检测器50将静电荷测量信号分类为出袋事件的总次数。当总数等于或大于第一阈值计数值时，假出袋检测器50确定静电荷测量信号为出袋事件。
[0126]
类似地，在一个实施例中，假出袋检测器50通过维持第二计数值来减少对非出袋事件的假检测。第二计数值是假出袋检测器50将静电荷测量信号分类为非出袋事件的总次数。当总数等于或大于第二阈值计数值时，假出袋检测器50确定静电荷测量信号为非出袋事件。
[0127]
注意，框78可以从方法66中去除(即，不执行)以减少假出袋检测器分类框76的等待时间。
[0128]
在框78之后，假出袋检测器50将检测结果输出到袋内检测逻辑38以进行进一步处理，如上文关于图3所解释的。
[0129]
注意，框72中的手持检测器分类和框76中的假出袋检测器分类都使用在框70中提取的特征来执行。换言之，相同的特征可以用于手持检测器分类和假出袋检测器分类。结果，传感器控制器16能够为手持检测器分类和假出袋检测器分类提取单个特征集，并且降低计算成本。
[0130]
上面讨论的用于执行袋内状态检测和出袋事件检测的程序或算法可以在设备10内的若干不同位置实现。图9至图11示出了设备10的不同实现。
[0131]
图9是根据本文中公开的实施例的设备10的框图。设备10包括操作系统层80、片上系统(soc)82、运动传感器12、静电荷传感器14和传感器控制器16。
[0132]
如上所述，操作系统层80包括设备10的操作系统，该操作系统例如控制和协调设备10的硬件组件和通信耦合到设备10的任何外围设备。soc 82通信耦合到操作系统层80。soc 82例如是集成电路，该集成电路包括设备10的硬件组件，诸如处理单元、存储器、输入/输出端口等。运动传感器12和静电荷传感器14通信耦合到传感器控制器16。如上所述，运动传感器12和静电荷传感器14分别向传感器控制器16传输运动测量和静电荷测量。传感器控制器16被包括在soc中82。如上所述，传感器控制器16接收来自运动传感器12的运动测量和来自静电荷传感器14的静电荷测量，并且基于运动测量和静电荷测量确定设备10是否处于袋内状态还是发生出袋事件。
[0133]
图10是根据本文中公开的实施例的设备10的框图。与图9所示的实施例类似，设备10包括操作系统层80、运动传感器12、静电荷传感器14和传感器控制器16。然而，与图9所示的实施例相比，设备10不包括soc 82。相反，传感器控制器16直接与操作系统层80通信耦合，而soc 82不是中间连接。
[0134]
图11是根据本文中公开的实施例的设备10的框图。与图10所示的实施例类似，设备10包括操作系统层80、运动传感器12和静电荷传感器14。然而，与图10所示的实施例相比，设备10不包括soc82和传感器控制器16。相反，运动传感器12和静电荷传感器14通信耦合到操作系统层80。在这个实施例中，运动传感器12和静电荷传感器14本身能够执行处理操作，并且传感器控制器16的操作直接在运动传感器12和静电荷传感器14的硬件中实现。例如，运动传感器12和静电荷传感器14被包括在具有处理能力的单个组合传感器中。单个组合传感器执行如上所述的传感器控制器16的功能。
[0135]
图9至图11所示的各种实施例具有不同的电流消耗。图9所示实施例的电流消耗大于图10所示实施例的电流消耗，图10所示实施例的电流消耗大于图11所示实施例的电流消耗。制造商可以调节本文中公开的袋内和出袋检测的实现以满足设备10的各种功率要求。
[0136]
本文中公开的各种实施例提供了一种设备，该设备检测该设备是在袋中还是正在从袋中被取出。该设备基于由至少一个运动传感器生成的运动测量和由至少一个静电荷传感器生成的静电荷测量来确定该设备是在袋中还是正在从袋中被取出。设备随后基于设备是在袋中还是正在从袋中被取出来调节设备的功率状态。与当前的袋内和出袋检测方法相比，使用静电荷测量可减少袋内检测的电流消耗和存储器，并且减少出袋事件的假检测。因此，本文中公开的设备能够高效、准确和稳健地检测设备是在袋中还是正在从袋中被取出。
[0137]
可以组合上述各种实施例以提供另外的实施例。可以根据以上详细描述对实施例进行这些和其他改变。一般而言，在以下权利要求中，所使用的术语不应当被解释为将权利要求限制为在说明书和权利要求中公开的特定实施例，而应当被解释为包括所有可能的实施例以及这样的权利要求有权享有的等同方案的全部范围。因此，权利要求不受本公开的限制。