用于使用声学数据来校准距离模型的系统和方法与流程

用于使用声学数据来校准距离模型的系统和方法


背景技术：

1.本公开的领域整体涉及估计人之间的距离以促进接触者追踪，并且更具体地，涉及用于使用声学数据来校准距离模型并且然后使用经校准的距离模型来估计无线设备的用户之间的距离的系统和方法。
2.存在各种安全协议和安全装备，诸如个人防护装备(ppe)，并且许多医疗保健业工人、工业工人、公用事业工人和商业工人可能需要这些安全协议和安全装备来提供一定程度的保护，从而避免已知的风险和其他危险因素。当ppe与合适的安全协议结合使用时，在原本危险的环境和情况下，工人安全可得到加强。
3.然而，在有效地监督人员正确遵守安全协议以及在遵守所要求的安全协议期间确保ppe的适当使用方面仍然存在挑战。例如，应当理解，员工遵守特定安全协议(诸如要求员工之间的最小间隔或距离的安全协议(例如，“社交距离协议”))在一些情况下可能变得非常重要，诸如在传染病和/或全球大流行病(例如，covid-19)的传播期间，具体视情况而定。在这些情况下，合适的接触者追踪协议的重要性也会显著增加。
4.虽然有责任心并训练有素的工人将遵循ppe和其他社交距离协议，但偶尔会出现粗心和错误，这可能会产生严重后果。此外，工人的个人健康可能导致某些工人的粗心和错误。在一些情况下，个人健康可以是安全协议的一部分，目的是阻止不健康的员工执行某些任务。生病的工人可能缺乏与健康工人相同的注意力，或者遭受在执行危险任务时通常不存在的分心，但是在某种程度上，工人的个人健康是完全主观的，并且工人可能认识不到健康问题或者可能高估他们克服这些问题的能力。因此，从安全角度来看，实现健康的从业人员和遵守适用的ppe和社交距离协议是持续关注的问题，并且通常可能难以检测到对社交距离和其他接近度协议的有意或无意违反，对于大量从业人员而言尤为如此。
5.存在用于监测工人的健康和安全的至少一些计算机实现的监测系统，但许多此类系统缺乏检测与群组中的特定个人相关联的接近度问题诸如社交距离、接触者追踪和其他健康问题的能力。例如，至少一些已知的ppe监测系统缺乏确定社交距离协议是否被缺少直接监督和/或其他基本监测过程的从业人员的成员充分遵守的能力。
6.此外，由于一些基本系统可能尝试估计一对无线设备之间的距离，但这些系统通常仅能够提供非常粗略的距离估计，特别是由于许多类型的无线信号(包括蓝牙信号)在给定区域内的信号强度急剧变化的趋势。因此需要改进。
附图说明
7.参考以下附图描述非限制性和非穷举性实施方案，其中除非另外指明，否则类似的附图标记在各个视图中指代类似的部分。
8.图1是健康和安全监测系统的示例性实施方案的示意图，其可用于实时地并且基于一个或多个声学信号和/或一个或多个其他无线信号(诸如一个或多个蓝牙信号)来确定从业人员的成员的接近度。
9.图2是可在图1所示的健康和安全监测系统中使用的诸如接近度检测计算设备的
电子计算设备的示例性实施方案的示意图。
10.图3是示出图1所示的健康和安全监测系统的信号处理部分的示例性实施方案的简化系统图。
11.图4是可在图1所示的健康和安全监测系统中使用的服务器计算设备的示意图。
12.图5a是流程图的第一部分，其示出了可由图1和图3所示的健康和安全监测系统实现的过程的示例性实施方案。
13.图5b是图5a所示的流程图的第二部分。
具体实施方式
14.为了最大程度地理解下文描述的本发明概念，下文阐述了对现有技术和与个人健康和ppe合规性有关的某些长期存在的问题的讨论，然后是解决本领域中长期存在的问题的系统和方法。
15.在某些行业中，无法避免至少一些工人暴露于危险或潜在危险的工作条件，这是一个客观存在的现实。作为一个示例，电气行业的工人，并且更具体地说，在电力系统中和周围工作的工人，必须接受在适当使用ppe方面的培训，以减轻他们可能面临的电气危险。
16.除了与电击和触电相关联的危险之外，电弧闪烁事故尤其值得关注。当安装、维修和维护电气系统时，可能会经历电弧，或者两个或更多个分离的通电导体之间的电流。电弧可由电气故障情况引起，并且会在几分之一秒内在电弧点处释放大量集中的辐射能量，从而导致高温，这可能使暴露在其中的人受伤。另外，电弧情况可能会产生足以将附近工人击倒的压力爆炸，并且爆炸可能会生成弹片。
17.电力系统中的电弧可能会在无法可靠预测的各种场景下突然出现。例如，电气系统中使用的部件(包括但不限于互连电气部件和设备的电缆)的绝缘故障可能会促成电弧，以及绝缘表面上灰尘、杂质和腐蚀的积聚。在操作断路器期间、在更换保险丝期间以及在关闭故障线路上的电连接期间生成的火花也可产生电弧。由啮齿动物和害虫侵扰对部件和设备造成的损坏可能会导致电弧情况。最后，电弧可能是人为错误的不可预测的场景的结果，诸如将工具掉落到通电导体上、与通电部件或设备偶然或意外接触以及工作程序不当或错误地遵循完成任务的程序。
18.因此，已经开发出足够或足以向人提供至少最低水平的防护以免受潜在电气危险(例如电击、电弧闪烁和电弧冲击)的影响的针对几乎整个人体的ppe。穿戴此类个人防护设备的人可能会受到合理地保护，以免与通电导体和潜在危险的电弧闪烁事故意外接触，并且如果发生此类电弧闪烁事故，则此类ppe可避免或减少严重伤害的可能性。ppe物品的示例可包括安全帽、护面罩、阻燃护颈器、护耳器、nomex
tm
套装、具有皮革保护器的绝缘橡胶手套和绝缘皮革鞋类。也可提供绝缘工具以完成某些任务。此类个人防护设备可由各种材料制成，以提供隔热防护等等，以防止在高温电弧情况期间对人类肉体造成的严重伤害，并且在将发生电弧情况的情况下减轻压力爆炸和弹片以避免对工人的头部和躯干造成危及生命的伤口。不同等级的ppe可用于防范所呈现的不同程度的风险。例如，在需要在通电电路条件下更换电保险丝的情况下，与电气额定值较低的保险丝相比，电气额定值较高的保险丝可能造成更大的风险，并且例如与更换一个保险丝相比可能需要不同数量或类型的个人防护设备以用于更换另一个保险丝。
19.对于其他类型的危险环境，诸如例如炼油厂、石化厂、粮仓、废水和/或处理设施或其他工业设施(在其中的周围环境中可能存在持续或不稳定的条件，并且可能存在增加的火灾或爆炸风险和/或在腐蚀性化学品和物质下的潜在暴露)，存在类似的考虑因素，使类似的ppe物品可供使用。可使用各种不同等级的ppe，这些等级可与被设计用于电气危险的ppe的等级类似或不同，以应对不同情况所造成的不同风险。
20.在医疗保健环境中，ppe物品已经用于保护医生和护士在治疗患者时的安全，这些患者具有在执行某些程序时，会给医疗保健提供者呈现健康风险的条件。不同等级的ppe可用于应对由不同的医疗保健程序造成的不同风险。医护人员、紧急医疗技术人员(emt)、法律执行办事处、消防员和其他紧急响应人员以及军事人员也具有ppe物品和协议，以用于响应某些情况。
21.在任何需要的情况下，ppe物品都服从定义其使用的适当并详细的安全协议。这种协议可详述某些环境或此类环境内的某些任务所需的特定ppe物品(例如，防护服、面罩、手套等)、用于在多个等级可用的情况下获得适当等级的ppe的过程、用于何时需要穿戴此类ppe物品的过程、用于必须如何装饰和使用此类ppe物品的过程，以及用于应如何移除和清洁ppe以供后续使用的过程。然而，在有效监督人员在危险环境中正确使用ppe方面存在许多实际挑战。有责任心并训练有素的工人将尽职地遵循ppe协议，但偶尔会出现误解、粗心和错误，从而产生潜在的严重后果。因此，确保遵守或检测不遵守适用的ppe协议是持续关注的问题。
22.例如，工人可使用适当的ppe物品以减轻安全风险，但仍然可能以不合规并因此有风险的方式不正确地使用ppe物品。例如，在面罩的情况下，用户可能在危险位置暂时移除他或她的面罩，并且在这样做时存在很大风险而不一定意识到该风险，或者忘记在程序的要求点戴上面罩。此类事件很难被检测以便让设施管理监督员采取主动措施，诸如对违反ppe协议的受影响工人进行纪律处分或额外培训。同样，在可定位面罩能够选择性地在远离人的面部的“向上”位置或覆盖人的面部的“向下”位置操作的情况下，在执行危险任务时面罩可能无意中处于错误的位置(即，向上而不是向下)，同样出现风险，而工人未必意识到该风险。此类事件也往往非常难以检测到，因此管理层通常没有机会采取适当行动来解决相关的合规性问题，特别是对于单独执行任务的工人。
23.虽然用于一些程序的协议需要一群人一起执行任务，使得任何ppe不合规性可以被另一个工人目睹和报告，但是这并不总是可靠的安全措施。不同的工人可能会从不同的角度处理合规性问题，从而使合规性评估是主观而非客观的。某些工人可能不愿意报告，或者可能不承认或不了解确实已经发生了不合规行为。在极少数情况下，一名工人或一群工人可能会故意忽视协议中他们不喜欢的方面。
24.除非可靠并始终如一地检测到，否则可能会无限期地发生有意或无意违反ppe协议的行为，从而破坏重要的安全考虑，并且在不同区域中的执行不同任务的许多工人中，监督ppe合规性和检测不合规行为的挑战成倍增加。工业领域存在一些智能的、计算机实现的监测系统，这些系统将传感器智能地集成到ppe物品中，以在不同的工人群体中建立更大程度的工人安全态势感知，但这种类型的已知系统通常缺乏对评估上述类型的特定ppe合规性问题的关注。
25.全球“covid-19”大流行的爆发引起了对ppe的正确使用以及在covid-19之前通常
不被认为是“危险”的环境中以显示出对ppe的先行需求的方式遵守ppe协议的新关注和要求。此类环境包括与常规定义的危险隔离的工业设施区域、医疗保健设施和以前未被认为存在高风险场景的医疗保健设施区域、小学、中学、高中、学院和大学、所有类型的办公室和企业、商店和零售场所、餐饮场所、教堂、娱乐场所等。因此，这些环境中大量存在期望的ppe物品，但这些ppe物品仍然会以难以预测或控制的方式遭受不当或不合规地使用。
26.在covid-19时代，个人健康是确保病毒不会传播给附近的人的重要考虑因素。一般来讲，强烈建议具有covid-19症状的人不要与其他人互动，但在一些情况下，一个人可能会在不一定意识到的情况下具有症状。进入某个区域时的温度检查有时会作为筛选目的进行，以筛选个人进入其他人所在空间的情况，但此类温度检查在重要方面受到限制。进入时通过体温检测的人员在接受体温检测后可能会出现发烧或其他症状。在某些情况下，covid-19疾病或其他疾病可能会迅速发展，并可能突然严重损害一个人，因此及早检测症状可能很重要，但不幸的是这很少见。当发生使人衰弱的疾病或健康状况时，这些考虑对于那些恰好在常规危险环境中工作的人来说可能特别重要。现有的covid-19协议和电子工具通常本质上是被动的，而不是在这些方面是主动的。
27.保持社交距离和戴口罩是其他另一个重要的考虑因素，以解决由其他可能具有covid-19病毒或其他疾病的人造成的风险，这些病毒和疾病可被传染性地传播或传递给其他人。面罩可能足以满足口罩要求，但由于上述原因，可能会被误用，从而破坏所需的病毒防护。已经出现了一些基本接近度感应和接触者追踪技术来监测社交距离方面，并且收集可能有助于维持疾病爆发的信息，但对于某些危险的环境，接近度感应和接触者追踪技术在一些方面是不利的。例如，在禁止使用智能电话的环境中，基于智能手机的接触者追踪应用程序毫无帮助。已知的接触者追踪应用程序也独立于ppe系统运行，并且缺乏以主动方式评估健康的能力。
28.由于上述原因，需要改进的接近度检测和监测系统来更智能地解决对covid-19相关和非covid-19相关协议的合规性问题，但仍然在不同程度上涉及重要的健康和ppe合规性问题。
29.本文描述了示例性基于处理器的传感器系统，该传感器系统包括在诸如可穿戴ppe设备的可穿戴设备中的嵌入式传感器技术。传感器的组合被提供在由不同的人穿戴以进行监测的智能可穿戴ppe物品中。智能可穿戴ppe物品可被配置为在穿着智能ppe物品的人群中相互连接和通信，并且还连接到远程集中系统，该系统汇总数据以供以客观并可靠的方式审查、分析和监督或个人健康和合规性问题，从而允许主动管理人群中的健康和安全风险。
30.另外，本文所述的基于处理器的系统可在更一般的设备中实现，诸如智能电话和用户可穿戴或以其他方式随身携带的其他设备。因此，尽管本文所述的至少一些具体实施包括可穿戴ppe，但在其他实施方案中，用于检测和分析一个或多个用户的接近度的系统和方法可等同地在各种非ppe设备上实现，诸如但不限于智能电话和其他非ppe设备。
31.结合可穿戴和其他电子设备提供的传感器的组合可组合地操作以：提供可经处理和分析以共同评估至少一个人相对于另一个人的接近度的信号输入；向穿戴所述设备的人提供对所感测参数的反馈指示符；记录接触者追踪信息；并且将数据和信息输出到可由监督员经由信息仪表板显示器访问的远程设备。监督员可采取主动措施来快速并主动地响应
检测到的问题，以最大程度地减少穿戴或携带所述设备的人群所面临的风险。
32.在所设想的示例中，计算设备可被定位在诸如房间内的空间中，并且被用于确定该设备与一个或多个其他设备之间的接近度或距离。因此，为了确定设备之间的距离，诸如基于由空间内的设备接收的环境声学信号的比较，对设备所定位的空间进行声学映射。如本文所述，这些映射可促进用于一个或多个距离模型方程的最佳拟合参数的改进选择，其可被实现为基于一个或多个无线信号特性(诸如，蓝牙信号的所接收信号强度)确定人之间的距离(例如，社会距离)。
33.因此，在至少一些实施方案中，系统可接收和处理一个或多个音频信号，诸如在由一组这样的员工所占据的环境或区域内的员工中的人所携带的计算设备的处理器上。
34.可过滤和分析音频数据以获得环境指纹，该环境指纹可包含与给定区域或环境相关联的一个或多个音频特性。此外，可将给定区域的环境指纹与包含在预定义的此类指纹的数据库中的多个环境指纹进行比较，并且可从数据库中选择一个或多个相似的环境指纹。
35.所选择的环境指纹继而可与预先存储在数据库中的距离模型校准参数相关联。这些距离模型校准参数可被不同地处理(例如，作为线性插值的一部分)以获得一组最佳拟合校准参数，由此最佳拟合校准参数可被提供给距离模型方程，诸如自由空间路径损耗方程。
36.在操作期间，诸如蓝牙信号、wifi信号、红外信号、近场通信(nfc)信号和/或任何其他射频(rf)或其他无线通信信号的无线信号可由包括经校准的距离模型的计算设备接收和滤波。具体地，从蓝牙信号得出的一个或多个参数(诸如rssi)可被提供给经校准的距离模型，以获得接收蓝牙信号的计算设备与发射信号的蓝牙设备之间的距离。
37.因此，可获得诸如工作区域或工作环境中的人的人之间的距离。此外并且如本文所述，通过基于对工作环境内的声音特性(例如，音频数据)的初步分析来选择适当的距离模型参数，可显著地改进距离计算。具体地，对音频数据的分析可促进选择最适合工作区域的尺寸和其他特性的距离模型参数，这些参数可能影响工作区域或工作环境内的电磁能(包括蓝牙和其他射频信号)的传播。
38.该过程可基本上实时地并且针对空间内的任何数量的此类设备执行，以获得每个设备之间的距离。因此，可确定各种设备之间的接近度，并且由此可确定设备的用户之间的接近度，并且可根据需要监测社交距离协议。
39.在一些实施方案中，接近度和社交距离数据可被提供给后端监测系统，该后端监测系统可以直观的方式显示数据以供负责确保工作场所安全和社交距离协议合规性的个体查看。另外，尽管在一些实施方案中，描述了各自被配置用于接近度检测的各种设备之间的接近度检测，但在至少一些实施方案中，接近度检测可由被装备用于接近度检测的任何设备以及发射无线信号(诸如蓝牙信号)的任何其他设备来执行。
40.在至少一些实施方案中，用于处理无线信号的距离模型可至少部分地基于与周围或附近的发射器相关联的接收信号强度指示(rssi)。例如，所选择的距离模型可接收至少一个附近发射设备的rssi作为至少一个输入，由此可确定发射设备与接收接近度检测设备之间的距离。
41.基于此类rssi考虑，当确定与人的距离小于预定量(例如，六英尺)时，这些设备中的一者或多者中的处理器可生成输出信号，以提供反馈信号向每个人警告他们可快速纠正
的接近度违规。也可由每个设备记录接近度违规信息，以便在需要时提供有效的接触者追踪。另外，如本文所述，接近度信息可被提供给系统的后端部分，诸如服务器，其可被配置为视情况显示或控制互连的计算终端显示社交距离信息，包括如本文所述生成的任何警告。
42.本文描述的传感器和监测系统可同样适用于上述列出的任何区域；或存在类似问题或关注的其他区域，其中这些其他区域仅由于需要强制使用ppe和接近度检测的covid-19问题或其他大流行或传染病爆发，而以非常规方式被视为是危险的；和/或其他区域，这些其他区域由于风险，诸如电击、爆炸、冲击、火灾、爆破、化学烧伤和各种不期望的在潜在有害元素下的暴露，而以常规方式被视为是危险的。
43.图1是健康和安全监测系统100的示例性架构的示意图。如图所示，系统100包括诸如经由网络网关设备112与计算设备104a-c通信的远程服务器102。系统100还可包括环境指纹数据库106和距离模型数据库108。在示例性实施方案中，计算设备104a-c可包括可穿戴电子设备，或可与ppe的物品(例如，头带和面罩设备、口罩、套装或任何其他合适的ppe)结合(例如，附接到其上)穿戴的电子设备。
44.然而，在至少一些实施方案中，计算设备104a-c可包括能够发射和/或接收无线信号(诸如蓝牙信号)的各种设备中的任一种设备。例如，在一些实施方案中，计算设备104a-c可包括智能电话、智能手表、平板计算设备和/或可在用户身上携带或运送的任何其他类似的设备。
45.在所示实施方案中，示出了一个远程服务器102。然而，在其他实施方案中，存在通信地耦合在一起的多个远程服务器102(例如，在雾计算或“微云(cloudlet)”环境中)。另外，在例示的实施方案中，示出了三个接近度检测设备104a-c。然而，在其他实施方案中，系统100包括任何数量的此类设备104a-c。
46.在一些实施方案中，计算设备104a-c可被封装在壳体中并且被配置为被夹持、附接或以其他方式耦接到用户的服装物品，包括ppe物品，诸如套装、头带和/或面罩。例如，计算设备104a-c可被夹持或附接到衬衫、裤子、面罩等。类似地，在至少一些实施方案中，计算设备104a-c可被附接到挂绳和/或类似设备(诸如伸缩扣)，并且穿戴在用户的身上。
47.在例示的实施方案中，每个计算设备104a-c可如所描述的那样物理地定位在区域110内(诸如房间和/或室外区域内)的用户身上。区域110可包括各种尺寸和/或对象中的任一者，其可影响无线信号(诸如蓝牙信号)在区域110内行进和反射的方式。更具体地，诸如超高频无线电波(例如，蓝牙)的许多无线信号的信号强度可能由于诸如区域110的尺寸(例如，由于反射、干扰、障碍物等)而显著变化。
48.因此，在至少一些实施方案中，准确地估计计算设备104a-c之间的距离可能需要获知其内定位有计算设备104a-c的环境(例如，区域110)。此外，计算设备104a-c的用户可从区域110的一个区域移动到另一个区域和/或在区域110内移动。作为这些和其他因素的结果，各种环境噪声和其他声学信号可在区域110内行进和回响。
49.因此，如下文更详细描述的，健康和安全管理系统100可接收在区域110内行进的一个或多个声学信号以确定与区域110相关联的声学模式。这些声学信号可用于选择或识别与区域110相关联的最能代表区域110的声学模式或“指纹”。如本文所用，“环境指纹”、“环境模式”、“声学指纹”或“声学模式”可指由计算设备104a-c接收的声音或声学信号的模式的一个或多个特性。
50.因此，系统100可通过接收和/或读取一个或多个环境音频或声学信号并且将这些信号与预先计算的或预先确定的一组声学或环境指纹进行比较来识别环境(例如，区域110)。距离模型可使用被调整为所识别的最接近的一个或多个环境指纹的参数，并且可针对环境(例如，区域110)动态地选择和/或调整距离估计算法以改进确定或估计距离的准确性。
51.图2是示例性计算设备104a的框图。在示例性实施方案中，计算设备104a包括从用户接收至少一个输入的用户接口204。用户接口204可包括键盘206和/或使用户能够输入相关信息的另一合适的输入机构(例如，诸如图形用户界面或“gui”的软件界面)。用户接口204还可包括例如指向设备、鼠标、触笔、触摸感测面板(例如，触摸板和触摸屏)、陀螺仪、加速度计、位置检测器和/或音频输入接口(例如，包括麦克风)。
52.在示例性实施方案中，计算设备104a包括向用户呈现信息诸如输入事件和/或验证结果的呈现界面217。显示界面217还可包括耦接到至少一个显示设备210的显示适配器208。更具体地，在示例性实施方案中，显示设备210可以是视觉显示设备，诸如液晶显示器(lcd)、发光二极管(led)显示器、“电子墨水”显示器等。另选地，显示界面217可包括音频输出设备(例如，音频适配器和/或扬声器)和/或打印机。
53.计算设备104a还包括处理器214和存储器设备218。处理器214经由系统总线220耦接到用户接口204、显示界面217和存储器设备218。在示例性实施方案中，处理器214与用户通信，诸如通过经由显示界面217提示用户和/或通过经由用户接口204接收用户输入。
54.术语“处理器”通常是指任何可编程系统，包括系统和微控制器、精简指令集计算机(risc)、复杂指令集计算机(cisc)、专用集成电路(asic)、可编程逻辑电路(plc)以及能够执行本文所述功能的任何其他电路或处理器。上述示例仅为示例性的，并且因此不旨在以任何方式限制术语“处理器”的定义和/或含义。
55.在示例性实施方案中，存储器设备218包括使得信息诸如可执行指令和/或其他数据能够被存储和检索的一个或多个设备。此外，存储器设备218包括一个或多个计算机可读介质，诸如但不限于动态随机存取存储器(dram)、静态随机存取存储器(sram)、固态磁盘和/或硬盘。在示例性实施方案中，存储器设备218存储但不限于应用程序源代码、应用程序对象代码、配置数据、附加输入事件、应用程序状态、断言语句、验证结果和/或任何其他类型的数据。在示例性实施方案中，计算设备104a还可包括经由系统总线220耦接到处理器214的通信接口230。此外，通信接口230通信地耦接到数据采集设备。
56.在操作中，诸如处理器214的处理器执行体现在存储在一个或多个计算机可读介质218上的一个或多个计算机可执行部件中的计算机可执行指令，以实施本文所述和/或所示的本公开的各方面。然而，在另选和/或附加的实施方案中，服务器系统102可结合处理器214并且/或者代替处理器214来实现本文所述的过程的任何部分。因此，如本文所述的用于距离估计的过程可由计算设备104a-c和/或服务器系统102中的任一者不同地执行。
57.除非另外指明，否则本文所示和所述的本公开的实施方案中的操作的执行顺序或执行不是必需的。即，除非另外指明，否则这些操作可以任何顺序执行，并且本公开的实施方案可包括比本文所公开的那些操作更多或更少的操作。例如，可以设想，在另一个操作之前、同时或之后执行特定操作在本公开的各方面的范围内。
58.计算设备104a还可包括诸如一个或多个传感器，例如音频传感器220和/或无线传
感器224。在示例性实施方案中，音频传感器220可包括能够接收和/或检测音频或声学信号的任何传感器，诸如麦克风或任何其他声音检测设备。在至少一些实施方案中，音频传感器220被布置成检测频率范围在约16hz至20hz之间的声音。同样地，音频传感器220可被配置为检测超声范围和/或另一适当范围内的声音。然而，在其他实施方案中，这些范围可根据需要扩大或缩小。
59.无线传感器224可包括能够接收和/或检测无线电磁信号(诸如蓝牙信号、wifi信号、射频(rf)信号等)的任何传感器。在示例性实施方案中，无线传感器224检测由一个或多个其他接近度计算设备104b-c发射的无线信号。然而，无线传感器224可检测由在电磁频谱中发射的其他设备输出的无线信号，而不管这些设备自身是否能够具有本文所述的接近度检测特征。
60.在示例性实施方案中，可通过使用一个或多个可执行指令编码操作并在存储器设备218中提供可执行指令来编程处理器214。例如，在至少一些实施方案中，处理器214被编程为确定一个或多个人(诸如区域110内的一个或多个人)之间的一个或多个距离。
61.因此，如现在参考图2和图3所示，在至少一些实施方案中，处理器214可被编程为执行与一个或多个软件模块231(诸如信号处理模块226、环境检测(或“指纹识别”)模块228、模型校准模块230和/或距离估计模块232)相关联的指令。
62.在各种实施方案中，信号处理模块226可过滤(或“清理”)一个或多个声学信号302以消除或减少干扰和/或异常。更具体地，诸如由计算设备104a接收到的声音的一个或多个音频信号302可按诸如五分钟间隔的适当间隔被读入到数字音频缓冲器233中。然而，也可根据需要实现其他间隔。
63.在至少一些实施方案中，可从缓冲器233选择和/或提取存储在数字音频缓冲器233中的音频信号302的一部分以供处理。该部分可根据需要另外选择。在至少一些实施方案中，被选择以供处理的部分可包括缓冲器233的初始部分、缓冲器233的中心或中间部分和/或缓冲器233的最后部分。在至少一个示例中，选择存储到缓冲器233的与音频信号302相关联的音频数据的最后三十秒以供处理。然而，应当理解，可选择各种缓冲器233间隔或部分以供处理。
64.为了处理从缓冲器233提取的音频数据，最初可将语音和异常滤波器应用于数据以移除或减少诸如离群值和其他不想要的数据，例如机器声音(例如，救护车和第一响应者声音、微波炉声音、打印机声音)等。在至少一些实施方案中，初始滤波过程的结果可包括第一经滤波音频信号，该第一经滤波音频信号包括主要基于环境的音频信号(例如，机器声音和其他离群声音已从其清除的音频信号)。
65.在至少一些实施方案中，可在信号处理模块226中进一步处理第一经滤波音频信号以提取诸如基础信号的一个或多个特征，例如时间、频率和/或统计特征。这些特征可包括回响特性、短期能量的平方、香农熵、标准偏差等。在一些情况下，这些特征在本文中可被称为第二经滤波音频信号，或如上所述，被称为“环境指纹”、“环境模式”、“声学指纹”或“声学模式”。
66.因此，第二经滤波音频信号可包括所提取特性的特征集合，其可被指定为xa，并且其可对应于环境指纹。在至少一些情况下，环境指纹可最主要地受环境中的回响(例如，回声)影响，诸如基于区域110的尺寸和材料构造。同样地，诸如微波炉或计算机打印机的某些
机器装备也可能影响环境指纹。
67.在示例性实施方案中，环境指纹可被提供给环境检测模块228，该环境检测模块可基于由信号处理模块226生成的环境指纹与存储在环境指纹数据库106中的多个预定义的环境指纹的比较来识别至少一个预定义的环境指纹(例如，预定义的声学模式)。
68.为此，环境指纹数据库106可包括预定义的环境指纹的集合，其可被指定为xe,i，其中i∈{1,,.,n}是n个预先记录或预先确定的环境的环境索引。为了选择性地识别一个或多个预定义的环境指纹，可使用例如相似性搜索将环境指纹xa与一个或多个预定义的环境指纹xe,i进行比较。
69.例如，可将xa的一个或多个所提取特性与一个或多个预定义的环境指纹xe,i的对应特性进行比较，以选择性地识别与xa最相似的预定义的环境指纹。因此，在至少一些实施方案中，从预定义的环境指纹xe,i的集合中选择一个或多个最相似的预定义的环境指纹。具体地，在至少一个实施方案中，选择前三个最相似的环境指纹。所选择的环境指纹可由以下集合表示：(xa,t1,xa,t2,xa,t3)。
70.在选择最相似的环境指纹的集合之后，处理器214可实现模型校准模块230，该模型校准模块可用于根据一个或多个最相似的环境指纹来选择适当的经校准的距离模型并且/或者识别一个或多个校准或距离模型参数，诸如(xa,t1,xa,t2,xa,t3)。
71.更具体地，在至少一些实施方案中，可选择和/或识别至少一个距离模型m的一个或多个参数。例如，可将所选择的环境指纹(xa,t1,xa,t2,xa,t3)与适当的模型校准参数相关联(例如，在距离模型数据库108中)，并且可将这些参数馈送到一个或多个距离模型中。
72.附加地或另选地，所选择的环境指纹(xa,t1,xa,t2,xa,t3)可与一个或多个预先校准或预先训练的距离模型相关联，并且可选择与所选择的环境指纹(xa,t1,xa,t2,xa,t3)相对应的预先训练的距离模型。另外，在一些实施方案中，所选择的环境指纹(xa,t1,xa,t2,xa,t3)的一个或多个参数可被线性内插以获得一组最终模型参数，该一组最终模型参数可被馈送到距离模型方程中，如下文所述。
73.另外，在至少一些实施方案中，距离模型可包括自由空间路径损耗方程的至少一部分，该自由空间路径损耗方程为：也就是说，在至少一些实施方案中，自由空间路径损耗方程可形成距离模型m的至少一部分，并且可选择和输入对应于环境指纹(xa,t1,xa,t2,xa,t3)的校准参数以用于距离模型m，如上所述。
74.在自由空间路径损耗方程中，d表示距离，诸如接近度计算设备104a-c与由接近度计算设备104a-c接收的电磁辐射的源之间的距离，该电磁辐射可包括由另一计算设备104a-c和/或另一无线设备发射的蓝牙信号，如本文所述。此外，在自由空间路径损耗方程中，rssi表示与无线信号相关联的接收信号强度指示，并且c0、d0和n是表示环境参数的常数。
75.在各种实施方案中，也可考虑和/或使用为距离模型m：rssi
→
d提供映射(诸如rssi与d之间的线性或非线性映射)的其他模型。例如，在一些实施方案中，可实现神经网络、支持向量回归和/或另一合适模型以提供rssi与d之间的映射。
76.因此，在示例性实施方案中，可使用模型校准参数，针对如上所述确定的一个或多个环境指纹(xa,t1,xa,t2,xa,t3)中的每个环境指纹，从距离模型数据库108选择预先训练
的距离模型。例如，对于环境指纹(xa,t1,xa,t2,xa,t3)中的每个环境指纹，可使用校准参数从数据库108选择对应的距离模型。附加地或另选地，在一些实施方案中，可从数据库108获得适当的模型校准参数并且将其馈送到自由空间路径损耗方程中以创建一个或多个预先训练的距离模型。
77.在该示例中，选择和/或形成三个距离模型，环境指纹(xa,t1,xa,t2,xa,t3)中的每个环境指纹对应一个距离模型。这三个距离模型由以下集合表示：(mt1,mt2,mt3)。另外，在一些实施方案中，模型(mt1,mt2,mt3)中的一个或多个模型可被组合以创建单个组合的距离模型，这可允许改进与环境(例如，区域110)相关联的信号特性的近似。在至少一个实施方案中，这可使用拟合到环境xa的最终校准模型m的模型(mt1,mt2,mt3)的集合来实现。
78.此外，在一些情况下，距离模型m可经训练或进一步校准以估计诸如区域110的区域内的人的数量。在各种实施方案中，可在此方式之后训练距离模型m以考虑区域110的回声特性，该回声特性可根据一个或多个因素而改变，诸如在给定时间存在于区域110内的人的数量。因此，在至少一些实施方案中，距离模型m可经训练或进一步校准，以基于从区域110的环境中的各个方向发出的声音的数量和/或特性来(例如，随着人的数量改变而实时地)估计存在于区域110内的人的数量。
79.更具体地，在至少一些实施方案中，可使用多个音频传感器222(诸如多个麦克风)来检测和量化从区域110内的各个方向发出的声音。来自多个音频传感器222的数据可用于进一步校准诸如距离模型m，例如，通过基于所收集的声音数据调整环境的预期声学行为。
80.在示例性实施方案中，处理器214还可诸如实时地实现距离估计模块232以确定计算设备104a-c之间的距离。在一些实施方案中，可接收一个或多个无线信号304(诸如蓝牙信号)并且将与其相关联的数据读取到无线缓冲器235中。处理器214可从缓冲器235接收与无线信号304相关联的数据，并且作为响应，应用多种信号处理滤波器或算法中的任一者，诸如但不限于被配置为减少信号噪声的贝叶斯滤波器。可应用的其他滤波器包括但不限于卡尔曼滤波器、粒子滤波器等。
81.在至少一些实施方案中，对于特定区域110，可将经滤波的无线信号数据提供给如上所述的最近确定的模型m，并且可确定输出(例如，自由空间路径损耗方程中的d)。同样地，在至少一些实施方案中，可将经滤波的无线信号数据提供给集合(mt1,mt2,mt3)中的每个经校准的距离模型以获得距离d的三个测量结果。可对这三个距离的测量结果取平均，或者取最大或最小距离。例如，为了谨慎起见，可使用由三个距离模型中的每个距离模型输出的最小距离d来确定人之间的距离。
82.因此，在至少一些实施方案中，可使用在无线缓冲器235中接收到的和从其读取的数据来连续地估计(实时地或基本上实时地)人之间的距离d。此外，如果距离估计是不确定的(例如，如果三个距离模型的分歧超过阈值)，则可部署多个距离估计算法来估计距离，并且可对来自每个附加算法的最终距离估计值取平均以获得最终距离估计值。
83.此外，在至少一些实施方案中，该距离估计值可被进一步处理以用于紧密接近度检测或分析，并且如本文所述(例如，经由云计算网络)在上游显示，诸如向负责管理从业人员的健康和安全、接触者追踪、确保维持适当的社交距离等的个体显示。
84.图4示出了服务器系统102(例如，一个或多个服务器计算机设备)的示例性配置。服务器计算机设备102包括用于执行指令的处理器405。例如，指令可存储在存储器区域430
中。处理器405可包括一个或多个处理单元(例如，为多核配置)。
85.处理器405操作性地耦接到通信接口415，使得服务器计算机设备102能够与诸如计算设备104a-c或另一服务器计算机设备1001中的任一者的远程设备通信。例如，通信接口415可经由因特网和/或经由网关112从计算设备104-ac接收数据。
86.处理器405还可操作性地耦接到存储设备434，诸如但不限于环境指纹数据库106和/或距离模型数据库108。在一些实施方案中，存储设备434集成在服务器计算机设备102中。例如，服务器计算机设备102可包括一个或多个硬盘驱动器作为存储设备434。在其他实施方案中，存储设备434在服务器计算机设备102外部，并且可由多个服务器计算机设备102访问。例如，存储设备434可包括处于廉价磁盘冗余阵列(raid)配置的多个存储单元，诸如硬盘和/或固态磁盘。存储设备434可包括存储区域网络(san)和/或网络附加存储(nas)系统。
87.在一些实施方案中，处理器405经由存储接口420操作地耦接到存储设备434。存储接口420是能够向处理器405提供对存储设备434的访问的任何部件。存储接口420可包括例如高级技术附件(ata)适配器、串行ata(sata)适配器、小型计算机系统接口(scsi)适配器、raid控制器、san适配器、网络适配器和/或向处理器405提供对存储设备434的访问的任何部件。
88.图5a和图5b是流程图的一部分，其示出了可由健康和安全监测系统100实现的过程500的示例性实施方案(如图1和图3所示)。因此，在该示例性实施方案中，并且如上所述，在至少一些实施方案中，音频信号302可诸如由计算设备104a接收，并且与其相关联的数据被存储到音频缓冲器233(步骤502)。可在指定时间间隔(诸如，如上所述的五分钟间隔的最后三十秒)内从音频缓冲器233检索音频数据以供处理(步骤504)。此外，在示例性实施方案中，可诸如通过信号处理模块226从音频数据滤除异常和其他离群数据(例如，机器和其他声音)，以获得包括所提取的音频特性的特征集合的环境指纹xa(步骤506和508)。
89.接着在示例性过程500中，环境指纹xa可被提供给环境检测模块228，该环境检测模块可基于由信号处理模块226生成的环境指纹与存储在环境指纹数据库106中的多个预定义的环境指纹的比较来识别至少一个预定义的环境指纹(例如，预定义的声学模式)(步骤510)。
90.如本文所述，为了选择性地识别一个或多个预定义的环境指纹，可使用例如存储在数据库106中的预定义的指纹的相似性搜索将环境指纹xa与一个或多个预定义的环境指纹xe,i进行比较(步骤512和514)。在比较之后，可从预定义的环境指纹xe,i的集合中选择一个或多个相似的预定义的环境指纹。具体地，在至少一个实施方案中，选择前三个最相似的环境指纹。所选择的环境指纹可由以下集合表示：(xa,t1,xa,t2,xa,t3)(步骤516)。
91.在选择最相似的环境指纹的集合之后，处理器214可实现模型校准模块230，该模型校准模块可用于根据一个或多个相似的环境指纹来选择适当的经校准的距离模型并且/或者识别一个或多个校准或距离模型参数，诸如(xa,t1,xa,t2,xa,t3)(步骤518)。
92.更具体地，在至少一些实施方案中，可获得所选择的环境指纹(xa,t1,xa,t2,xa,t3)的一个或多个参数(步骤520)。在至少一些实施方案中，可对这些参数进行线性内插以获得一组最终模型参数(步骤522)。此外，该最终模型参数可被馈送到距离模型方程中，诸如上述的自由空间路径损耗方程，以获得最终距离模型m(步骤524)。另外，在一些实施方案
中，可应用不同的内插技术。
93.响应于建立最终距离模型m，可执行给定计算设备104a-c与一个或多个其他计算设备104a-c之间的距离估计(步骤526)。例如，处理器214可诸如实时地实现距离估计模块232以确定计算设备104a-c之间的距离。在一些实施方案中，可接收一个或多个无线信号304(诸如蓝牙信号)并且将与其相关联的数据读取到无线缓冲器235中(步骤528)。处理器214可从缓冲器235接收与无线信号304相关联的数据，并且作为响应，应用多种信号处理滤波器或算法中的任一者(例如，平滑滤波器)，诸如但不限于被配置为减少信号噪声的贝叶斯滤波器(步骤530)。
94.在至少一些实施方案中，对于特定区域110，可将经滤波的无线信号数据提供给如上所述的最近确定的模型m，并且可确定输出(例如，自由空间路径损耗方程中的d)，其中d表示给定计算设备104a-c与至少一个其他计算设备104a-c之间的距离(步骤532)。
95.因此，描述了一种用于管理健康和安全、并且更具体地用于确定是否维持了足够的社交距离协议的系统。在各种实施方案中，系统可接收和处理一个或多个音频信号，诸如在由从业人员所占据的环境或区域内的计算设备的处理器上。
96.可过滤和分析音频数据以获得环境指纹，该环境指纹可包含与给定区域或环境相关联的一个或多个音频特性。此外，可将给定区域的环境指纹与包含在预定义的此类指纹的数据库中的多个环境指纹进行比较，并且可从数据库中选择一个或多个相似的环境指纹。
97.所选择的环境指纹继而可与预先存储在数据库中的距离模型校准参数相关联。这些距离模型校准参数可被不同地处理(例如，作为线性插值的一部分)以获得一组最佳拟合校准参数，由此最佳拟合校准参数可被提供给距离模型方程，诸如自由空间路径损耗方程。
98.在操作期间，诸如蓝牙信号的无线信号可由包括经校准的距离模型的计算设备接收和滤波。具体地，从蓝牙信号得出的一个或多个参数(诸如rs si)可被提供给经校准的距离模型，以获得接收蓝牙信号的计算设备与发射信号的蓝牙设备之间的距离。
99.因此，可获得诸如工作区域或工作环境中的人的人之间的距离。此外并且如本文所述，通过基于对工作环境内的声音特性(例如，音频数据)的初步分析来选择适当的距离模型参数，可显著地改进距离计算。具体地，音频数据的分析可促进选择最适合工作区域的尺寸和其他特性的距离模型参数，这些参数可能影响工作区域或工作环境内的电磁能(包括蓝牙和其他射频信号)的传播。
100.现在认为已根据所公开的示例性实施方案充分示出了发明构思的有益效果和优点。
101.该书面描述使用示例来公开本发明(包括最佳模式)，并且还使得本领域技术人员能够实践本发明，包括制造和使用任何装置或系统以及执行任何合并的方法。本发明的可专利范围由权利要求书限定，并且可以包括本领域技术人员想到的其他示例。如果此类其他示例具有与权利要求书的字面语言没有不同的结构元件，或者如果它们包括与权利要求书的字面语言无实质差别的等效结构元件，则此类其他示例意图在权利要求书的范围内。

技术特征：
1.一种电子设备，所述电子设备被配置为估计携带所述电子设备的至少一个人与在携带所述电子设备的所述至少一个人的一定范围内的至少一个其他人之间的距离，所述电子设备包括：至少一个音频传感器；至少一个无线传感器；存储器设备，和处理器，所述处理器被配置为执行存储在所述存储器设备中的指令，所述指令在由所述处理器执行时使得所述处理器至少：控制所述至少一个音频传感器以接收从围绕所述电子设备的环境捕获的至少一个环境声学信号；控制所述至少一个无线传感器以接收从所述环境捕获的至少一个环境无线信号；分析所述至少一个环境声学信号以确定与所述环境相关联的环境指纹，所述环境指纹与至少一个声学特性相关联；将根据所述至少一个环境声学信号的所述分析确定的所述环境指纹与预定义的环境指纹的数据库进行比较；基于所述环境指纹与预定义的环境指纹的所述数据库的所述比较来识别至少一个预定义的环境指纹；识别与根据所述环境指纹与预定义的环境指纹的所述数据库的所述比较而识别的所述预定义的环境指纹相关联的预先训练的距离模型；以及将所述至少一个环境无线信号的至少一部分提供给所述预先训练的距离模型以估计所述电子设备与所述至少一个环境无线信号的源之间的距离。2.一种用于估计电子设备之间的距离的方法，所述方法包括：由处理器控制至少一个音频传感器以接收从环境捕获的至少一个环境声学信号；由所述处理器控制至少一个无线传感器以接收从所述环境捕获的至少一个环境无线信号；由所述处理器分析所述至少一个环境声学信号以确定与所述环境相关联的环境指纹，所述环境指纹与至少一个声学特性相关联；由所述处理器将根据所述至少一个环境声学信号的所述分析确定的所述环境指纹与预定义的环境指纹的数据库进行比较；由所述处理器基于所述环境指纹与预定义的环境指纹的所述数据库的所述比较来识别至少一个预定义的环境指纹；由所述处理器识别与根据所述环境指纹与预定义的环境指纹的所述数据库的所述比较而识别的所述预定义的环境指纹相关联的预先训练的距离模型；以及由所述处理器将所述至少一个环境无线信号的至少一部分提供给所述预先训练的距离模型以估计所述电子设备与所述至少一个环境无线信号的源之间的距离。

技术总结
本发明描述了用于校准距离模型并估计一个或多个无线设备诸如一个或多个蓝牙或其他类型的无线设备之间的距离以用于社交距离和接触者追踪的系统和方法。该系统包括至少一个处理器，该至少一个处理器被配置为根据在环境诸如房间或另一区域内传播的声学信号来确定环境指纹。可将该环境指纹与预定义的环境指纹的数据库进行比较，并识别一个或多个相似的预定义的环境指纹。这些预定义的环境指纹可与一个或多个距离模型参数相关联，该一个或多个距离模型参数可用于校准距离模型。此外，这些预定义的环境指纹可与预先训练的距离模型相关联。经校准或经预先训练的距离模型可用于处理环境中的无线信号以估计无线设备的用户之间的距离。的距离。的距离。


技术研发人员：N
受保护的技术使用者：伊顿智能动力有限公司
技术研发日：2021.12.10
技术公布日：2023/8/9