用于管理电子设备的运动检测的系统和方法以及相关联的电子设备与流程

用于管理电子设备的运动检测的系统和方法以及相关联的电子设备
1.相关申请的交叉引用
2.本技术要求2021年1月8日提交的美国专利申请no.17/145,007和2021年1月8日提交的美国专利申请no.17/145,134的权益，其各自由此通过引用整体并入本文。
技术领域
3.本公开涉及管理电子设备上的传感器操作，更具体地，涉及管理各种传感器的操作和处理对应传感器数据的算法。


背景技术：

4.本文中提供的背景描述是为了总体呈现本公开的场境的目的。目前署名的发明人的工作，就其在本背景技术部分中描述的程度以及否则在提交时可能不符合现有技术的描述的方面而言，既没有明确也没有暗示地被承认为相对于本公开的现有技术。
5.电子设备，诸如智能手机和其他设备，在技术上不断改进。一般而言，电子设备并入更多和/或改进的传感器以促进与电子设备相关联的各种功能、模式和应用。随着附加和/或改进的传感器以及增加的设备能力，设备资源管理变得更加困难。特别是，附加传感器使用会消耗更多的功率并利用更多的中央处理单元(cpu)带宽以及其他增加的资源使用。
6.为了适应这种增加的功率和cpu需求，电子设备通常被设计为具有足够的cpu和存储器能力。然而，这能够增加与制造电子设备相关的硬件成本。另外，在最高信噪比(snr)模式下主动运行的传感器增加其他设备的环境噪声。此外，由于设备通常设计有足够的散热以补偿最坏的工作条件，因此最终的设备通常比所需的要大，这能够限制物理设计并增加用户期望，带来潜在的不利市场影响。


技术实现要素：

7.根据实施方式，电子设备可以管理处理来自一个或多个传感器(例如雷达传感器和/或超声传感器)的数据的多种算法。(多个)传感器可以连续地生成一组传感器数据，初始运动识别算法可以分析该组传感器数据，并且基于该分析来检测电子设备附近的目标的运动变化。当检测到运动变化时，电子设备可以将该组传感器数据缓存在存储器中并发起处理来自传感器的数据的补充运动识别算法。电子设备还可以促进“杂波移除”(“clutter removal”)，其中，可以从缓存在存储器中的该组传感器数据中移除不指示运动的该组传感器数据的一部分。
8.补充运动识别算法可以分析缓存在存储器中的一组传感器数据，并且基于该分析，确认由初始运动识别算法初始检测到的运动变化。如果补充运动识别算法没有确认运动变化，则由初始运动识别算法初始检测到的运动变化可以被视为误报。
9.在检测到误报的情况下，电子设备可以停止补充运动识别算法。因此，电子设备可
以恢复为仅执行初始运动识别算法，这节省了计算、存储器、功率和/或热资源。
10.在运动变化被确认的情况下，补充运动识别算法可以处理由传感器生成的附加传感器数据并且促进各种功能。例如，补充运动识别算法可以是可以检测在电子设备附近执行的用户手势的手势识别算法。
11.在其他实施方式中，传感器可以在第一模式下操作并且生成对应的第一组第一模式传感器数据。初始算法可以分析第一组第一模式传感器数据并检测电子设备附近的目标的运动变化。作为响应，传感器可以另外在第二模式下操作并且生成可以被缓存在存储器中的对应的一组第二模式传感器数据。
12.电子设备可以发起检索并分析缓存的传感器数据的补充算法。基于在缓存的传感器数据中检测到的任何运动，电子设备可以继续或终止补充算法的操作。
13.在附加的实施方式中，传感器可以在较低灵敏度模式下操作并且生成对应的一组较低灵敏度传感器数据。初始算法可以分析该组较低灵敏度传感器数据并检测电子设备附近的目标的运动变化。
14.电子设备可以开始暂停窗口，并且在暂停窗口期间，相同的传感器或不同的传感器可以在较高灵敏度模式下操作并且生成对应的一组较高灵敏度传感器数据。电子设备可以进一步发起补充算法，该算法处理该组较高灵敏度传感器数据并确认最初检测到的运动变化。
15.另外，初始算法可以分析在暂停窗口期间生成的附加的一组较低敏感度传感器数据并确定在暂停窗口期间没有检测到附加的运动。结果，电子设备可以确定由该组较高灵敏度传感器数据初始确认的运动变化实际上是误报。
16.在所公开的主题的一些实施例中，提供了一种管理电子设备上的运动检测特征的计算机实现的方法。该计算机实现的方法包括：通过处理器从电子设备的传感器检索一组传感器数据；基于通过处理器对一组传感器数据进行分析来检测目标相对于电子设备的运动变化；将一组传感器数据缓存在电子设备的存储器中；基于检测到运动变化，通过处理器发起补充运动识别算法；通过由处理器发起的补充运动识别算法来分析缓存在存储器中的一组传感器数据；并且，基于对缓存在存储器中的一组传感器数据进行分析通过补充运动识别算法来确认运动变化。
17.在一些实施例中，计算机实现的方法进一步包括移除缓存在存储器中的一组传感器数据的至少一部分，其中，该一组传感器数据的该至少一部分不指示运动。
18.在一些实施例中，分析缓存在存储器中的一组传感器数据包括通过由处理器发起的补充运动识别算法来分析从其中移除了该至少一部分的一组传感器数据。
19.在一些实施例中，计算机实现的方法还包括通过处理器从电子设备的传感器检索附加的一组传感器数据；以及通过补充运动识别算法来分析附加的一组传感器数据。
20.在一些实施例中，计算机实现的方法进一步包括：未能基于通过补充运动识别算法对附加的一组传感器数据进行分析来检测附加运动变化；以及终止补充运动识别算法。
21.在一些实施例中，计算机实现的方法进一步包括：通过处理器从电子设备的附加传感器检索附加的一组传感器数据；以及通过补充运动识别算法分析附加的一组传感器数据。
22.在一些实施例中，检测运动变化包括基于通过由处理器执行的初始运动识别算法
对一组传感器数据进行分析来检测目标相对于电子设备的运动变化。
23.在所公开的主题的一些实施例中，提供了一种电子设备。该电子设备包括传感器、存储器以及与传感器和存储器接口的处理器，其中，该处理器被配置为：从传感器检索一组传感器数据；基于对该一组传感器数据进行分析来检测目标相对于电子设备的运动变化；使存储器缓存该一组传感器数据；基于检测到运动变化，发起补充运动识别算法；从存储器中检索缓存的一组传感器数据；通过补充运动识别算法分析缓存在存储器中的一组传感器数据；以及基于对缓存在存储器中的一组传感器数据进行分析通过补充运动识别算法来确认运动变化。
24.在一些实施例中，处理器进一步被配置为移除缓存在存储器中的该一组传感器数据的至少一部分，其中，该一组传感器数据的该至少一部分不指示运动。
25.在一些实施例中，处理器通过补充运动识别算法来分析从其中移除了该至少一部分的一组传感器数据。
26.在一些实施例中，处理器进一步被配置为：从传感器检索附加的一组传感器数据，并且通过补充运动识别算法分析附加的一组传感器数据。
27.在一些实施例中，处理器进一步被配置为：未能基于通过补充运动识别算法对附加的一组传感器数据进行分析来检测附加运动变化，以及终止补充运动识别算法。
28.在一些实施例中，电子设备进一步包括附加传感器，并且处理器还被配置为：从附加传感器检索附加的一组传感器数据，以及通过补充运动识别算法分析该附加的一组传感器数据。
29.在一些实施例中，处理器通过初始运动识别算法对该一组传感器数据进行分析来检测目标相对于电子设备的运动变化。
30.在所公开的主题的一些实施例中，提供了一种管理电子设备上的运动检测特征的计算机实现的方法。该计算机实现的方法包括：通过处理器从在第一灵敏度模式下操作的电子设备的传感器检索第一组第一模式传感器数据；基于通过初始运动识别算法对第一组第一模式传感器数据进行分析来检测目标相对于电子设备的运动变化；基于检测到运动变化：通过处理器从在第二灵敏度模式下操作的传感器检索一组第二模式传感器数据，将该一组第二模式传感器数据缓存在电子设备的存储器中，通过处理器从在第一灵敏度模式下操作的传感器检索第二组第一模式传感器数据，以及通过处理器发起补充运动识别算法；以及通过由处理器发起的补充运动识别算法来分析缓存在存储器中的一组第二模式传感器数据。
31.在一些实施例中，计算机实现的方法进一步包括通过初始运动识别算法分析第二组第一模式传感器数据。
32.在一些实施例中，计算机实现的方法还包括：通过处理器从在第二灵敏度模式下操作的传感器检索附加的一组第二模式传感器数据；以及通过补充运动识别算法分析该附加的一组第二模式传感器数据。
33.在一些实施例中，计算机实现的方法进一步包括移除缓存在存储器中的一组第二模式传感器数据的至少一部分，其中，该一组第二模式传感器数据的该至少一部分不指示运动，并且其中，缓存在存储器中的一组第二模式传感器数据包括通过由处理器发起的补充运动识别算法来分析从其中移除了该至少一部分的一组第二模式传感器数据。
34.在一些实施例中，计算机实现的方法还包括通过处理器终止补充运动识别算法。
35.在一些实施例中，终止补充运动识别算法包括：未能基于通过补充运动识别算法对缓存在存储器中的一组第二模式传感器数据进行分析来检测到相对于电子设备的运动变化；以及终止补充运动识别算法。
36.在所公开的主题的一些实施例中，提供了一种管理电子设备中的传感器活动的计算机实现的方法。该计算机实现的方法包括：通过处理器从在较低灵敏度模式下操作的电子设备的至少一个传感器检索一组较低灵敏度传感器数据；基于通过处理器对该组较低灵敏度传感器数据进行分析来检测目标相对于电子设备的运动变化；基于检测运动变化并且持续一组时间量：通过处理器从在较高灵敏度模式下操作的至少一个传感器检索一组较高灵敏度传感器数据，通过处理器从在较低灵敏度模式下操作的至少一个传感器检索附加的一组较低灵敏度传感器数据，通过处理器分析该组较高灵敏度传感器数据和附加的一组较低灵敏度传感器数据，并且基于分析该组较高灵敏度传感器数据，确认相对于电子设备的运动变化；并且在该组时间量过去之后：基于分析该附加的一组的较低灵敏度传感器数据，确定未检测到相对于电子设备的附加运动变化，并且将基于分析该一组较高灵敏度传感器数据的运动变化的确认视为误报。
37.在一些实施例中，检索该组较低灵敏度传感器数据包括通过处理器从在较低灵敏度模式下操作的至少一个传感器中的第一传感器检索该组较低灵敏度传感器数据，其中，检索该组较高灵敏度传感器数据包括通过处理器从在较高灵敏度模式下操作的至少一个传感器中的第二传感器检索该组较高灵敏度传感器数据，并且其中，检索附加的一组较低灵敏度传感器数据包括通过处理器从在较低灵敏度模式下操作的第一传感器检索附加的一组较低灵敏度传感器数据。
38.在一些实施例中，确认相对于电子设备的运动变化包括基于对该组较高灵敏度传感器数据进行分析来检测相对于电子设备的后续运动变化。
39.在一些实施例中，计算机实现的方法进一步包括基于检测到运动变化并且持续一组时间量，通过处理器发起消耗从在较高灵敏度模式下操作的至少一个传感器检索到的一组较高灵敏度传感器数据的算法。在一些实施例中，在发起消耗该组较高灵敏度传感器数据的算法之前，该算法基于一天中的时间是不活动的。在一些实施例中，计算机实现的方法还包括终止消耗该组较高灵敏度传感器数据的算法；以及请求至少一个传感器停止生成该组较高灵敏度传感器数据。
40.在一些实施例中，分析该组较高灵敏度传感器数据和该附加的一组较低灵敏度传感器数据包括：通过该处理器使用初始算法来分析该附加的一组较低灵敏度传感器数据；以及通过处理器使用后续算法来分析该组较高灵敏度传感器数据。
41.在一些实施例中，检索该组较高灵敏度传感器数据包括：通过处理器请求该至少一个传感器生成该组较高灵敏度传感器数据；以及通过处理器从至少一个传感器接收该组较高灵敏度传感器数据。
42.在所公开的主题的一些实施例中，提供了一种电子设备。该电子设备包括被配置为在较低灵敏度模式下操作的第一传感器、被配置为在较高灵敏度模式下操作的第二传感器、以及与第一传感器和第二传感器接口的处理器，其中，该处理器被配置为：从第一传感器检索一组较低灵敏度传感器数据，基于对该组较低灵敏度传感器数据进行分析来检测目
标相对于电子设备的运动变化，基于检测运动变化发起暂停窗口；当暂停窗口处于活动状态时：从第二传感器检索一组较高灵敏度传感器数据，从第一传感器检索附加的一组较低灵敏度传感器数据，分析该组较高灵敏度传感器数据和附加的一组较低敏感度传感器数据，并且基于对该组较高敏感度传感器数据进行分析来检测相对于电子设备的附加运动变化；以及在暂停窗口过去之后：基于对附加的一组较低灵敏度传感器数据进行分析，确定未检测到相对于电子设备的运动，并且将基于分析该组较高灵敏度传感器数据的附加运动变化的检测视为误报。
43.在一些实施例中，第一传感器是雷达传感器并且第二传感器是超声传感器。
44.在一些实施例中，处理器进一步被配置为发起消耗从第二传感器检索的一组较高灵敏度传感器数据的算法。在一些实施例中，在处理器发起消耗该组较高灵敏度传感器数据的算法之前，该算法基于一天中的时间是不活动的。在一些实施例中，处理器还被配置为：终止消耗该组较高灵敏度传感器数据的算法，并且请求第二传感器停止生成该组较高灵敏度传感器数据。
45.在一些实施例中，为了分析该组较高灵敏度传感器数据和该附加的一组较低灵敏度传感器数据，该处理器还被配置为：使用初始算法来分析该附加的一组较低灵敏度传感器数据，以及使用后续算法来分析该组较高灵敏度传感器数据。
46.在一些实施例中，为了检索该组较高灵敏度传感器数据，该处理器还被配置为：请求第二传感器生成该组较高灵敏度传感器数据，以及从第二传感器接收该组较高灵敏度传感器数据。
47.在所公开的主题的一些实施例中，提供了一种在其上存储指令的非暂时性计算机可读存储器，该指令当由电子设备的一个或多个处理器执行时，使得该一个或多个处理器：从在较低灵敏度模式下操作的电子设备的至少一个传感器中检索一组较低灵敏度传感器数据；对该组较低灵敏度传感器数据进行分析来检测目标相对于电子设备的运动变化；基于检测到运动变化并且持续一组的时间量：从在较高灵敏度模式下操作的至少一个传感器检索一组较高灵敏度传感器数据，从在较低灵敏度模式下操作的至少一个传感器检索附加的一组较低灵敏度传感器数据，分析该组较高灵敏度传感器数据和该附加的一组较低灵敏度传感器数据，并且基于对该组较高灵敏度传感器数据进行分析来检测相对于电子设备的附加运动变化；以及在该组的时间量过去之后：基于对附加的一组较低灵敏度传感器数据进行分析，确定在附加的一组较低灵敏度传感器数据中没有指示相对于电子设备的进一步的运动变化，并将基于分析该组较高灵敏度传感器数据的附加运动变化的检测视为误报。
48.在一些实施例中，为了检索该组较低灵敏度传感器数据，该指令使得一个或多个处理器：从在较低灵敏度模式下操作的至少一个传感器中的第一传感器检索该组较低敏感度传感器数据，其中，为了检索该组较高敏感度传感器数据，该指令使得一个或多个处理器从在较高敏感度模式下操作的至少一个传感器中的第二传感器检索该组较高灵敏度传感器数据，并且其中，为了检索该附加的一组较低灵敏度传感器数据，该指令使得一个或多个处理器从在较低灵敏度模式下操作的第一传感器检索该附加的一组较低灵敏度传感器数据。
49.在一些实施例中，基于检测到运动变化并且持续一组时间量，该指令还使得一个或多个处理器发起消耗从在较高灵敏度模式下操作的至少一个传感器检索到的一组较高
灵敏度传感器数据的算法。
50.在一些实施例中，该指令还使得一个或多个处理器：终止消耗该组较高灵敏度传感器数据的算法；以及请求至少一个传感器停止生成一组较高灵敏度传感器数据。
51.在一些实施例中，为了分析该组较高灵敏度传感器数据和该附加的一组较低灵敏度传感器数据，该指令使得一个或多个处理器：使用初始算法来分析该附加的一组较低灵敏度传感器数据；以及使用后续算法分析该组较高灵敏度传感器数据。
附图说明
52.附图(其中，贯穿分离的视图，附图标记指代相同或在功能上类似的元件)与下面的详细描述一起被并入说明书中并形成说明书的一部分，并且用于进一步图示包括所要求保护的实施例的概念的实施例，并解释这些实施例的各种原理和优点。
53.图1图示了根据一些实施例的可以促进所描述的特征的示例电子设备。
54.图2是根据一些实施例的与用于使用存储器缓存管理传感器操作的技术相关联的示例图。
55.图3是根据一些实施例的与用于使用存储器缓存管理传感器操作的另一技术相关联的示例图。
56.图4是根据一些实施例的与管理一个或多个传感器的操作相关联的示例图。
57.图5a-5f图示了根据一些实施例的在电子设备和用户之间的交互以及基于该交互的各种传感器操作的示例表示。
58.图6是根据一些实施例的用于电子设备管理运动检测特征的方法的流程图。
59.图7是根据一些实施例的用于电子设备管理运动检测特征的另一种方法的流程图。
60.图8是根据一些实施例的用于电子设备管理传感器活动的方法的流程图。
61.图9是根据一些实施例的电子设备的框图。
具体实施方式
62.描述了用于管理电子设备中的运动检测特征的系统和方法。根据某些方面，电子设备可以被配置有一个或多个传感器，诸如(多个)雷达传感器、(多个)超声传感器和/或其他传感器。(多个)传感器可以根据各种场境和指令以不同的模式操作。类似地，电子设备可以执行处理来自在不同模式下操作的(多个)传感器的传感器数据的不同算法和应用。通常，不同的传感器模式和不同的算法消耗不同量的设备资源。因此，所描述的方面被配置为管理(多个)传感器的操作和设备算法以减少或否则增加资源消耗的效率。
63.一般而言，电子设备可以执行初始算法以基于由给定传感器生成的传感器数据来检测电子设备附近的运动或其他事件。基于检测到的运动，电子设备可以发起后续算法来处理原始传感器数据和/或附加传感器数据。替代地或附加地，电子设备可以激活附加传感器并处理由附加传感器生成的结果数据。电子设备可以利用存储器缓存来更高效且有效地确定是否继续执行后续算法。如果电子设备确定不需要后续算法，则电子设备可以终止后续算法。
64.通过管理传感器的操作、传感器模式和处理传感器数据的算法，电子设备可以更
高效且有效地管理其资源消耗。因此，可以使用更便宜的硬件组件，并且电子设备中可以需要更少的硬件组件，从而降低制造这种电子设备的成本。另外，电子设备可以经历更长的电池使用期限和更长的设备寿命。此外，可以减少这种电子设备的环境中的传感器噪声。应当理解，可以预见另外的好处。
65.图1图示了示例电子设备100，其中，可以并入所描述的实施例，和/或，可以在其上促进或实现所描述的实施例。电子设备100可以是任何类型的电子设备，诸如移动设备(例如，智能手机)、显示辅助设备、台式计算机、笔记本计算机、平板电脑、平板手机、gps(全球定位系统)或支持gps的设备、手表、眼镜、手镯、其他可穿戴电子设备、pda(个人数字助理)、寻呼机等。
66.电子设备100可以包括用户接口101，其可以被体现为触摸屏或可以显示或呈现视觉内容的其他类型的显示器。在用户接口101是触摸屏的实施例中，用户接口101可以并入一组触敏输入面板，其可以使得用户能够做出选择或者以其他方式与电子设备100交互。电子设备100还可以包括外壳102，其中，可以并入或包含各种组件(包括用户接口101)。另外，电子设备100可以包括被配置为对电子设备100及其组件供电的交流(ac)功率组件116，其中，ac功率组件116可以提供功率或者否则从电源接收功率。应当理解，可以设想附加的或替代的电源，例如一个或多个电池或其他电源。
67.根据实施例，电子设备100可以包括各种传感器、用户接口组件等。具体地，如图1所示，电子设备100可以包括一对红外图像传感器103、109以及图像传感器104。另外，电子设备100可以包括可以被配置为输出音频的扬声器106。此外，电子设备100可以包括点投影仪108和泛光照明器110。根据实施例，该对红外图像传感器103、109、点投影仪108和泛光照明器110可以由电子设备100单独使用或者组合使用，以解锁电子设备100的各种特征(例如，解锁用户接口101)以及其他功能。此外，电子设备100可以包括环境光传感器(als)105，其可以支持各种接近度检测特征。应当理解，可以设想替代和附加传感器。例如，传感器之一可以是被配置为发射超声波的超声传感器。另外，应当理解，可以以不同的布置和组合来布置传感器和组件。
68.电子设备100可以附加地包括雷达芯片107。通常，雷达芯片107可以基于远程和/或邻近物体与无线电波的相互作用来检测和测量远程和/或邻近物体的属性。雷达芯片107可以包括一组发射无线电波的发射器组件，该无线电波然后被其路径内的物体散射或重定向，其中，一部分能量反射回来并被一组接收器组件拦截。雷达芯片107可以是双向的，并且因此被配置为在两个或更多个方向上(例如，在电子设备100的前面和后面)发射信号，或者雷达芯片107可以是定向的，并且因此被配置为在一个方向上(例如，在电子设备100的前面)发射信号。处理器115或控制器可以检查或分析接收到的波形以检测物体的存在以及估计这些物体的某些属性，诸如距离和尺寸以及其他属性。
69.传统的雷达设计依赖于相对于目标尺寸的精细空间分辨率，以便解析不同的物体并区分它们的空间结构。这种空间解析度通常需要宽的传输带宽、窄的天线波束宽度和大的天线阵列。根据实施例，雷达芯片107可以采用可以基于运动而不是空间结构的感测范例，这可以使得雷达芯片107能够集成在电子设备100的顶部(或者否则集成电子设备100的在另一位置或部分)。因此，例如，与光学成像传感器相比，电子设备100可以支持可能不需要形成目标的空间结构的明确定义的图像的算法、应用等(一般地，“多个算法”)。因此，算
法可能不生成或使用目标的可区分图像用于某些目的，诸如存在检测和/或手势检测。
70.处理器115可以实现各种信号处理特征和功能来处理接收到的雷达信号中的时间变化，诸如检测和解析细微运动。在操作中，雷达芯片107可以发射特定频率或频率范围(例如，50-70ghz或其他频率或频率范围)内的调频信号，并接收(多个)附近物体或(多个)人(通常称为“目标”)的反射的叠加。处理器115可以检测从一次传输到下一次传输的目标位置的亚毫米级位移，这可以在(多个)接收到的信号中引起可区分的定时偏移。在多次传输的窗口上，这些偏移可以表现为与目标的速度成比例的多普勒频率。通过解析不同的多普勒频率，信号处理特征可以区分以不同运动模式移动的不同目标。根据实施例，信号处理特征可以包括定制滤波器和相干积分步骤的组合，其可以提高基础信噪比(snr)、减弱不需要的干扰、以及将目标的反射与噪声和杂波区分开。这些信号处理特征使得雷达芯片107能够在电子设备100的限制内以低功率操作。
71.电子设备100可以支持处理来自雷达芯片107和/或来自本文中描述的其他传感器的数据的各种模式或算法。一般而言，一个模式可以处理和分析具有第一频率(或频率范围)的信号，而另一个模式可以处理和分析具有不同于第一频率的第二频率(或频率范围)的信号。例如，模式之一可以是“存在模式”，其可以被配置为检测电子设备100附近的目标(例如，人)的存在。在该示例中，当目标进入电子设备100所在的房间时，可以检测目标的存在。另一种模式可以是“手势模式”，其可以被配置为检测和识别由接近电子设备100(例如，在用户接口101前面)的人执行的手势。在该示例中，手势可以是“宏”手势(例如，切换活动应用的手的移动)或“微”手势(例如，使用食指和拇指模拟转动转盘)。一般而言，处理器115可以使用各种机器学习技术来执行各种算法。
72.这些模式可以不同地操作，并且因此可以具有不同程度的准确度以及不同程度的资源消耗，包括计算、存储器、功率和/或热量。例如，手势模式可以处理从雷达芯片107发射的较短距离的波，并且存在模式可以处理从雷达芯片107发射的较长距离的波。另外，较短距离的波可以具有较高的snr并且可以是更准确的，而较长距离的波可以具有较低的snr，并且可以是不太准确的。然而，处理较短距离的波的手势模式可能具有较高的资源消耗，而处理较长距离的波的存在模式可能具有较低的资源消耗。
73.雷达芯片107能够同时以多种模式操作(即，在一段时间内发射较短距离的波和较长距离的波两者)，并且类似地，电子设备100的处理器115可以同时执行处理由所发射的较短距离和较长距离的波产生的接收波形的算法。根据实施例，可以通过使用从第一频率到第二频率的较慢频率扫描的调频连续波(fmcw)雷达来实现较长距离的雷达感测。相反，较短距离的雷达模式可以使用从第一频率到第二频率的更快频率扫描。为了节省资源使用，限制处理器115执行的算法的数量和类型可能是有利的。例如，在人实际上没有在电子设备100附近执行手势的情况下，处理器115停用或以其他方式不执行手势模式以例如节省各种资源是有利的。
74.根据实施例，不同的传感器模式和设备算法可以基于不同的场境来操作。具体地，可以基于一天中的时间、一周/月/年中的一天、一年中的月份、自上次运动检测以来的时间和/或其他情况来禁用或启用某些传感器模式和/或算法。例如，手势模式可以在凌晨1:00和凌晨5:00之间被停用。又例如，可以在上午9:00和晚上9:00之间停用睡眠感测模式。作为附加示例，如果自上次运动检测以来的时间超过十(10)分钟，则可以禁用较高灵敏度的传
感器模式。因此，可以基于选择性地禁用这些模式和算法来节省资源。应当理解，这些场境可以是静态的或者可以根据电子设备100的使用以及其他因素或条件来调整，或者可以由用户明确地激活或停用。
75.此外，根据实施例，某些传感器或传感器的检测可以触发其他某些传感器模式和设备算法的激活或发起。一般而言，对于给定传感器具有较低资源使用的较低灵敏度模式可以检测电子设备100附近的运动，并且可以使得具有较高资源使用的较高灵敏度模式发起，其中，较高灵敏度模式可以在给定的传感器或另一个传感器上操作。电子设备100还可以发起处理较高灵敏度传感器数据的算法。此外，由于较高灵敏度模式生成的传感器数据可以被用于确认(或不确认)初始检测到的运动。如果在较高敏感度数据中指示附加运动，则电子设备100可以继续操作发起的算法并且相应地促进操作和功能。
76.电子设备100可以包括处理器115可以与之接口的存储器120。存储器120可以包括主存储器部分以及用于临时存储处理器115可以访问的某些数据的缓存部分。根据实施例，处理器115可以将某些传感器数据(例如，来自雷达芯片107的传感器数据)存储在缓存部分中，以使处理器115能够确认某些检测到的移动或运动。附加地或替代地，处理器115可以发起访问并分析存储在缓存部分中的数据的特定算法，以能够通过特定算法更准确地检测或识别运动或移动。因为机器学习算法在准确地检测目标和运动之前需要一定量的时间，所以存储器120的缓存部分使得算法能够在目标到达区域和/或在那个区域执行特定运动或手势之前访问所需要的数据。
77.图2是与系统和方法的各种实施例相关联的信号图200。信号图200包括存储器220(诸如关于图1描述的存储器120)、处理器215(诸如关于图1描述的处理器115)以及一个或多个传感器225(例如，如关于图1所讨论的各种传感器中的一个或多个)。在实施例中，(多个)传感器225可以包括单个传感器(例如，单个雷达传感器)或多个传感器(例如，雷达传感器和超声传感器)。此外，存储器220、处理器215和(多个)传感器225可以被体现或合并在单个电子设备中。另外，存储器220可以是处理器215可访问的硬件缓存，并且被配置为缓存数据以供处理器215更快地访问。应当理解，信号图200中所示的各种功能可以相对于其他功能在不同时间或以不同的顺序发生。
78.信号图200可以在(多个)传感器225生成(230)传感器数据时开始。例如，如果传感器225是雷达传感器，则雷达传感器可以发射无线电波并检测所得波形。根据实施例，在生成传感器数据时，(多个)传感器225可以在第一操作模式下操作。例如，如果传感器225是雷达传感器，则雷达传感器可以发射具有较长距离的频率的无线电波，以诸如检测电子设备附近目标的存在。处理器215可以从(多个)传感器225检索(232)所生成的传感器数据。应当理解，(多个)传感器225可以连续地生成传感器数据，并且处理器215可以连续地检索传感器数据。
79.处理器215可以分析检索到的传感器数据并确定(234)是否检测到运动。具体地，处理器215可以分析传感器数据(例如，接收到的波形)并确定传感器数据中是否指示了运动。在分析传感器数据时，处理器215可以执行初始算法，诸如运动检测算法，其被配置为处理由在第一操作模式下操作的(多个)传感器225产生的传感器数据。如果处理器215没有检测到运动(“否”)，则处理可以返回到(230/232)、结束或前进到其他功能。否则，如果处理器215检测到运动(“是”)，则处理器215可以向存储器220提供(236)传感器数据。在接收传感
器数据之后，存储器220可以存储(缓存)(240)传感器数据以供处理器215随后访问。应当理解，当(多个)传感器225生成附加传感器数据并且处理器215检索附加传感器数据时，存储器220可以滚动地缓存传感器数据。
80.在检测到运动之后，处理器215还可以发起(238)补充运动识别算法。根据实施例，补充运动识别算法可以不同于处理器215在检测(234)中的运动时执行的初始算法。例如，处理器215可以在以存在模式操作的同时检测(234)中的运动，并且补充运动识别算法可以与手势模式相关联。一般而言，补充运动识别算法可能比初始算法消耗更多的资源(例如，计算、存储器、电和/或热资源)。
81.处理器215还可以检索(242)缓存在存储器220中的传感器数据。在某些实施例中，处理器215可以对从存储器220检索的传感器数据执行(244)“杂波移除”或背景扣除技术。在执行杂波移除时，处理器215可以分析检索到的传感器数据并从检索到的传感器数据中移除数据中不指示运动的部分。因此，剩余数据可以包括指示(或可以指示)运动的数据。
82.在执行补充运动识别算法时，处理器215可以分析(246)缓存的传感器数据，无论背景数据(即，没有检测到运动的数据)是否被移除。与分析缓存的传感器数据的补充运动识别算法相关联，处理器215可以确定在(234)中检测到的运动是否被确认。通过分析缓存的传感器数据，补充运动识别算法可以确定初始算法在(234)中的运动检测是否是误报。如果补充运动识别算法没有确认检测到的运动(“否”；即，初始算法的运动检测是误报)，则处理可以返回到(230/232)、结束或前进到其他功能。
83.如果补充运动识别算法确实确认了检测到的运动(“是”；即，初始算法的运动检测不是误报)，则处理器可以继续补充运动识别算法的操作。具体地，处理器215可以请求(249)(多个)传感器225生成并提供附加传感器数据。在接收到请求之后，(多个)传感器225可以生成(250)附加传感器数据。根据实施例，(多个)传感器225可以在以与(多个)传感器225在(230)中生成传感器数据时所操作的模式不同的模式操作时生成附加传感器数据。例如，在(230)中生成的初始传感器数据可以由在生成较长距离的波的存在模式下操作的(多个)传感器225产生，并且在(250)中生成的附加传感器数据可以由在生成较短距离的波的手势模式下操作的(多个)传感器225产生。(多个)传感器225可以向处理器215提供(251)附加传感器数据。
84.应当理解，除了在(230)中生成传感器数据的传感器之外的附加传感器可以生成附加传感器数据。因此，在该实施方式中，处理器215可以请求(249)附加传感器生成附加传感器数据，该附加传感器可以生成(250)附加传感器数据，并且附加传感器可以向处理器215提供(251)附加传感器数据。
85.在接收到附加传感器数据之后，通过处理器215执行的补充运动识别算法可以分析(252)附加传感器数据。在分析附加传感器数据时，补充运动识别算法可以促进各种功能。例如，如果补充运动识别算法与手势模式相关联，则补充运动识别算法可以检测特定手势(例如，转盘的顺时针转动)并促进基于特定手势的特定动作(例如，转动调高音乐播放应用的音量)。
86.如果补充运动识别算法未能从附加传感器数据检测到附加的运动变化，则处理器215可以终止补充运动识别算法。因此，处理器215可以恢复为单独执行初始算法，以诸如节省电子设备的各种资源。应当理解，处理器215可以在整个信号图200中连续地执行初始算
法，或者可以响应于补充运动识别算法在(248)中确认运动检测而终止初始算法。
87.图3是与系统和方法的各种实施例相关联的信号图300。信号图300包括存储器320(诸如关于图1描述的存储器120)、处理器315(诸如关于图1描述的处理器115)以及一个或多个传感器325(例如，诸如关于图1所讨论的各种传感器中的一个或多个)。在实施例中，(多个)传感器325可以包括单个传感器(例如，单个雷达传感器)或多个传感器(例如，雷达传感器和超声传感器)。另外，存储器320、处理器315和(多个)传感器325可以被体现或合并在单个电子设备中。另外，存储器320可以是处理器315可访问并且被配置为缓存数据以供处理器315更快地访问的硬件缓存。应当理解，信号图300中所图示的各种功能可以相对于其他功能在不同时间或以不同顺序发生。
88.信号图300可以在(多个)传感器325生成(330)第一模式传感器数据时开始。例如，如果传感器325是雷达传感器，则雷达传感器可以发射无线电波并检测所得波形。根据实施例，在生成第一模式传感器数据时，(多个)传感器325可以在具有第一灵敏度的第一操作模式下操作。例如，如果传感器325是雷达传感器，则雷达传感器可以发射具有较长距离的频率的无线电波，以诸如检测电子设备附近的目标的存在。处理器315可以从(多个)传感器325检索(332)所生成的第一模式传感器数据。应当理解，(多个)传感器325可以连续地生成第一模式传感器数据，并且处理器315可以连续地检索第一模式传感器数据。
89.处理器315可以分析检索到的第一模式传感器数据并确定(334)是否检测到运动。具体地，处理器315可以分析第一模式传感器数据(例如，接收到的波形)并确定是否在第一模式传感器数据中指示了运动。在分析第一模式传感器数据时，处理器315可以执行初始运动识别算法，该算法被配置为处理由在第一操作模式下操作的(多个)传感器325产生的第一模式传感器数据。如果处理器315没有检测到运动(“否”)，则处理可以返回到(330/332)、结束或前进到其他功能。
90.否则，如果处理器315检测到运动(“是”)，则处理器315可以请求(336)(多个)传感器325生成并提供第二模式传感器数据。在接收到请求之后，(多个)传感器325可以生成(338)第二模式传感器数据。根据实施例，(多个)传感器325可以在以与当在(330)中生成第一模式传感器数据时(多个)传感器325所操作的第一模式不同的第二模式操作时生成第二模式传感器数据。例如，在(330)中生成的第一模式传感器数据可以由在生成较长距离的波的存在模式下操作的(多个)传感器325产生，并且在(338)中生成的第二模式传感器数据可以由在生成较短距离的波的手势模式下操作的(多个)传感器325产生。(多个)传感器325可以向处理器315提供(340)第二模式传感器数据。
91.在一些场景中，(334)中的确定可以基于处理器315确定第一模式传感器数据是否包括高于特定速度的运动，其中，该速度可以表示可以包含手势的最低速度运动。如果处理器315确定第一模式传感器数据包括高于特定速度的运动(“是”)，则处理可以继续到(336)。如果处理器315确定第一模式传感器数据不包括高于特定速度的运动(“否”)，则处理可以返回到(330/332)、结束或前进到其他功能。
92.应当理解，除了在(330)中生成传感器数据的传感器之外的附加传感器可以生成第二模式传感器数据。因此，在该实施方式中，处理器315可以请求(336)附加传感器生成第二模式传感器数据，附加传感器可以生成(338)第二模式传感器数据，并且附加传感器可以向处理器315提供(340)第二模式传感器数据。
93.另外，处理器315可以向存储器320提供(342)第二模式传感器数据。在接收到第二模式传感器数据之后，存储器320可以存储(缓存)(348)第二模式传感器数据以供处理器315后续访问。应当理解，当(多个)传感器325生成第二模式传感器数据并且处理器315检索第二模式传感器数据时，存储器320可以滚动地缓存第二模式传感器数据。
94.处理器315可以检索(344)由在第一操作模式下操作的(多个)传感器325生成的附加第一模式传感器数据。另外，处理器315可以发起(346)补充运动识别算法。根据实施例，补充运动识别算法可以不同于处理器315检测在(334)中的运动时执行的初始运动识别算法。例如，处理器315可以在以存在模式下操作时检测(334)中的运动，并且补充运动识别算法可以与手势模式相关联。一般而言，补充运动识别算法可能比初始运动识别算法消耗更多的资源(例如，计算、存储器、电和/或热资源)。
95.处理器315还可以检索(350)缓存在存储器320中的第二模式传感器数据。在某些实施例中，处理器315可以对从存储器320检索到的第二模式传感器数据执行(352)“杂波去除”或背景扣除技术。在执行杂波移除时，处理器315可以分析检索到的第二模式传感器数据并从检索到的第二模式传感器数据中移除不指示运动的数据的一部分。因此，剩余数据可以包括指示(或可以指示)运动的数据。
96.执行补充运动识别算法的处理器315可以分析(354)所缓存的第二模式传感器数据，无论背景数据(即，没有检测到运动的数据)是否被移除。在实施例中，该步骤使得补充运动识别算法能够在位于针对补充运动识别算法定制的区域中的目标之前访问初始检测到的运动数据，这可以改进补充运动识别算法的运动检测和识别特征。另外，处理器315在执行初始运动识别算法时可以分析(356)附加第一模式传感器数据。因此，处理器315可以同时执行初始运动识别算法和补充运动识别算法。
97.处理器315可以从(多个)传感器325检索(358)附加第二模式传感器数据，其中，附加第二模式传感器数据由在第二模式下操作的(多个)传感器325生成。处理器315还可以执行补充运动识别算法以分析附加第二模式传感器数据，并且基于该分析来确定(360)是否检测到运动。根据实施例，如果处理器315基于附加第二模式传感器数据检测到运动，则在针对补充运动识别算法定制的区域中可能存在目标。例如，补充运动识别算法可以与手势模式相关联，并且检测到的运动与由目标执行的手势相关联。通过分析初始(缓存的)第二模式传感器数据和附加第二模式传感器数据两者，补充运动识别算法可以体验运动检测和识别的改进的准确度。在一些场景中，例如，当第一运动算法检测到高于特定速度的运动时，第一运动算法可以发起第二算法，其中，该速度可以表示可以包含手势的最低速度运动。另外，第二算法一旦被激活，就可以搜索/分析缓存的数据以确定缓存的数据是否包含或包括手势。
98.如果处理器315检测到运动(“是”)，则处理器315可以继续检索并分析附加第二模式传感器数据。如果处理器315没有检测到运动(“否”)，则处理器315可以终止(362)补充运动识别算法。因此，当第二模式传感器数据不指示补充运动识别算法通常处理的运动时，电子设备可以通过不执行补充运动识别算法来体验改进的资源节省。因此，处理器315可以恢复为单独执行初始动作识别算法，以诸如节省电子设备的各种资源。
99.图4是与系统和方法的各种实施例相关联的信号图400。信号图400包括处理器415(诸如参考图1描述的处理器115)和一个或多个传感器425(诸如参考图1讨论的各种传感器
中的一个或多个)。在实施例中，处理器415和(多个)传感器425可以被体现或合并在单个电子设备中。应当理解，信号图400中所图示的各种功能可以相对于其他功能在不同的时间或以不同的顺序发生。
100.在第一实施方式中，(多个)传感器425可以是两个分离的传感器。例如，传感器425可以包括被配置为检测总体运动的雷达传感器和被配置为检测呼吸速率的超声传感器。在该实施方式中，(多个)传感器425中的第一传感器可以是较低灵敏度传感器，并且可以对应地生成具有较低误报率的较低灵敏度传感器数据；(多个)传感器425中的第二传感器可以是较高灵敏度传感器，并且可以对应地生成具有较高误报率的较高灵敏度传感器数据。此外，在该实施方式中，第一传感器可以是双向的，并且因此被配置为在两个或更多个方向上(例如，在电子设备的前面和后面)发射信号，并且第二传感器可以是定向的，并且因此被配置为在一个方向上(例如，在电子设备前面)发射信号。应当理解，两个传感器可以是双向的或定向的。
101.在第二实施方式中，(多个)传感器425可以是单个传感器，例如雷达传感器。在该实施方式中，单个传感器可以以下述多种模式操作：第一模式，其生成具有较低误报率的较低灵敏度数据(例如，长距离雷达配置)；以及第二模式，其生成具有较高误报率的较高灵敏度数据(例如，短距离雷达配置)。因此，虽然图4被图示为虽然单个传感器与处理器415接口并且生成较低灵敏度和较高灵敏度传感器数据两者，但应当理解，多个传感器可以与处理器415接口并且分别生成相应的传感器数据。
102.信号图400可以在(多个)传感器425生成(430)一组较低灵敏度传感器数据时开始。例如，如果传感器425是雷达传感器，则雷达传感器可以发射无线电波并检测所得波形。根据实施例，在生成传感器数据时，(多个)传感器425可以在第一操作模式下操作。例如，如果传感器425是雷达传感器，则雷达传感器可以发射具有较长距离的频率的无线电波，以诸如检测电子设备附近目标的存在。处理器415可以从(多个)传感器425检索(432)所生成的较低灵敏度传感器数据。应当理解，(多个)传感器425可以连续地生成较低灵敏度传感器数据并且处理器415可以连续地检索较低灵敏度传感器数据。
103.处理器415可以分析检索到的较低灵敏度传感器数据并确定(434)是否检测到运动。具体地，处理器415可以分析较低灵敏度传感器数据(例如，接收到的波形)并确定较低灵敏度传感器数据中是否指示了运动。在分析较低灵敏度传感器数据时，处理器415可以执行初始算法，诸如运动检测算法，其被配置为处理由在第一操作模式下操作的(多个)传感器425产生的较低灵敏度传感器数据。如果处理器415没有检测到运动(“否”)，则处理可以返回到(430/432)、结束或前进到其他功能。
104.否则，如果处理器415检测到运动(“是”)，则处理器415可以开始(435)暂停窗口，其中，该暂停窗口可以是各种长度的(例如，十秒、二十秒或其他时间长度)。另外，处理器415可以请求(436)(多个)传感器425生成并提供较高灵敏度传感器数据。在接收到请求之后，(多个)传感器425可以生成(438)较高灵敏度传感器数据。
105.根据实施例，(多个)传感器425可以在与(多个)传感器425在(430)中生成较低灵敏度传感器数据时所操作的第一操作模式不同的后续模式下操作时生成较高灵敏度传感器数据。例如，在(430)中生成的较低灵敏度传感器数据可以由在生成较长距离的波的存在模式下操作的(多个)传感器425产生，并且在(438)中生成的较高灵敏度传感器数据可以由
在生成较短距离的波的手势模式下操作的传感器425产生。应当理解，不同的传感器可以生成较低灵敏度传感器数据和较高灵敏度传感器数据。
106.(多个)传感器425可以向处理器415提供(442)较高灵敏度传感器数据。另外，处理器425可以从传感器425检索(444)附加的较低灵敏度传感器数据。根据实施例，(多个)传感器425可以继续第一操作模式的操作，其中，(多个)传感器425可以连续地生成较低灵敏度传感器数据并且处理器415可以检索较低灵敏度传感器数据。
107.处理器415可以分析(446)附加的较低灵敏度和较高灵敏度传感器数据。在分析附加的较低灵敏度传感器数据时，处理器415可以执行初始算法，该初始算法被配置为处理由在第一操作模式下操作的(多个)传感器425产生的较低灵敏度传感器数据。此外，在分析较高灵敏度传感器数据时，处理器415可以执行后续算法，该后续算法被配置为处理由在后续操作模式下操作的(多个)传感器425产生的较高灵敏度传感器数据。处理器415可以分析较高灵敏度传感器数据以确认(447)处理器415在(434)中检测到的运动变化。根据实施例，处理器415可以通过检测在较高灵敏度传感器数据中指示的单独的或后续的运动变化来确认运动变化，该运动变化可以是在(434)中检测到的运动的延续或与其相关。
108.在(448)，处理器415可以确定在(435)中开始的时间窗口是否期满。例如，如果时间窗口是十秒，则时间窗口在十秒已经过去后期满。如果时间窗口未期满(“否”)，则处理可返回至(442)，其中，可以检索并分析附加的较低灵敏度传感器数据和较高灵敏度传感器数据。根据实施例，(多个)传感器425可以继续生成较高灵敏度和较低灵敏度传感器数据，并且处理器415可以继续分析较高灵敏度和较低灵敏度传感器数据。
109.如果时间窗口期满(“是”)，则处理器415可以确定(450)是否检测到附加运动。根据实施例，在确定是否检测到附加运动时，处理器415可以分析附加的一组较低灵敏度传感器数据。也就是说，处理器415可以确定在开始暂停窗口之后是否从在(444)中检索到的附加较低灵敏度传感器数据检测到附加运动。如果处理器415检测到附加运动(“是”)，则处理可以结束、重复或前进到其他功能。在实施例中，处理器415可以继续检索并分析由在后续操作模式下操作的(多个)传感器425生成的较高灵敏度传感器数据，并且相应地促进功能。另外，处理器415可以连续地确定是否检测到附加运动，并且如果没有，则可以前进到(452)。
110.如果处理器415没有检测到附加运动(“否”)，则处理器415可以将来自(447)的运动变化的确认视为(452)误报。换句话说，由于处理器415没有从附加的较低灵敏度传感器数据检测到附加运动，处理器415可以将从较高灵敏度传感器数据确认的运动视为误报。处理器415可以进一步终止(454)处理较高灵敏度传感器数据的后续算法。另外，处理器415可以请求(456)(多个)传感器225停止生成较高灵敏度传感器数据。然后处理可以结束、重复或前进到其他功能。
111.图5a-5f图示了电子设备和用户之间的交互以及基于交互的各种传感器操作的示例表示。在图5a-5f的每一个中，用户503被示为距设备502一定的相对距离，其中，距离标度504大体上图示了用户503距设备502有多远(例如，短距离、中距离、长距离、在距离之外或介于其间)。另外，图5a-5f中的每一个描绘了雷达传感器发射波的(一个或多个)频率以及由超声传感器发射的超声波的振幅。当用户503从设备502的范围外移动到设备502的短距离内时，可以顺序地读取图5a-5f中的表示。应当理解，图5a-5f中描绘的表示仅仅是示例并
且设想附加的或替代的表示。
112.图5a图示了位于设备502的范围之外的用户503的表示500。在该配置中，雷达传感器发射(501)较长距离的波，其通常具有较低的snr(即，不太准确)并且允许检测距设备502更远距离处的物体。此外，超声传感器可以关闭(505)。
113.图5b图示了位于距离设备502长距离处的用户503的表示506。在该配置中，雷达传感器仍然发射(507)较长距离的波，因为用户503仍然位于距设备502长距离处。另外，超声传感器保持关闭(508)。
114.图5c图示了从距离设备502中等距离处接近的用户503的表示510。在该配置中，雷达传感器发射(511)较长距离的波和中等距离的波两者。根据实施例，雷达传感器可以诸如以交替或顺序的方式在传输窗口内发射较长距离的波和中等距离的波。通过在用户503位于距设备502的中等距离之前雷达传感器发射中等距离的波，设备502可以开始关联处理中等距离的波的算法(例如，手势模式)来分析所得到的感测数据。另外，设备502可以激活能够发射(512)较高振幅的超声波的超声传感器。
115.图5d图示了位于距设备502中等距离的用户503的表示515。在该配置中，雷达传感器发射(516)较长距离的波、中等距离的波和较短距离的波。根据实施例，雷达传感器可以例如以交替或顺序的方式在传输窗口内发射较长距离的波、中等距离的波和较短距离的波。通过雷达传感器发射较短距离的波和中等距离的波两者，设备502可以开始关联处理中等距离的波和/或较短距离的波的(多个)算法(例如，“粗略”手势模式和/或“微”手势模式)来分析所得到的感测数据。另外，超声传感器可以发射(517)较高振幅的超声波。
116.图5e图示了在距设备502的短距离处接近的用户503的表示520。在该配置中，雷达传感器发射(521)较长距离的波、中等距离的波和较短距离的波。与图5d的发射(516)相比，图5e的发射(521)可以包括更多的较短距离的波(和/或更少的较长距离的波和/或中等距离的波)。根据实施例，雷达传感器可以诸如以交替或顺序的方式在传输窗口内发射较长距离的波、中等距离的波和较短距离的波。通过雷达传感器发射较短距离的波和中等距离的波两者，设备502可以开始关联处理中等距离的波和/或较短距离的波的(多个)算法(例如，“粗略”手势模式和/或“微”手势模式)来分析所得到的感测数据。另外，超声传感器可以发射(522)中等振幅超声波。
117.图5f图示了位于距设备502短距离的用户503的表示525。在该配置中，雷达传感器发射(526)较长距离波和较短距离波。与图5d的发射(516)和图5e的发射(521)相比，图5f的发射(526)可以包括更多较短距离的波(和/或更少或没有较长距离的波和/或中等距离的波)。根据实施例，雷达传感器可以诸如以交替或顺序的方式在传输窗口内发射较长距离和较短距离的波。通过雷达传感器发射较短距离的波，设备502可以开始关联处理较短距离的波的(多个)算法(例如，“微”手势模式)来分析所得到的感测数据。另外，通过雷达传感器发射较长距离的波，设备502仍可以在被配置为检测附加对象的存在模式下操作，以及在用户503从设备502撤退的情况下继续消耗传感器数据。超声传感器(527)可以发射较低振幅的超声波。
118.图6是电子设备管理运动检测特征的方法600的流程图。方法600开始于电子设备从电子设备的传感器检索(框605)一组传感器数据。根据实施例，传感器可以是雷达传感器、超声传感器或另一类型的传感器。电子设备可以分析该一组传感器数据并确定(框610)
是否检测到运动(即，该一组传感器数据是否指示目标相对于电子设备的运动变化)。在分析该一组传感器数据时，电子设备可以执行通常可以消耗较少量资源的初始运动识别算法。
119.如果电子设备没有检测到运动(“否”)，则处理可以返回到框605、结束或前进到其他功能。如果电子设备检测到运动(“是”)，则电子设备可以在存储器中缓存(框615)该一组传感器数据。一般而言，当传感器生成该一组传感器数据时，电子设备可以滚动地检索并缓存该一组传感器数据。另外，电子设备可以例如使用背景扣除或杂波移除技术来移除(框620)被缓存的一组传感器数据的至少一部分。所移除的传感器数据可以是不指示运动的传感器数据。
120.电子设备可以发起(框625)补充运动识别算法。根据实施例，补充运动识别算法通常可以比初始运动识别算法消耗更多的资源量。电子设备可以通过补充运动识别算法来分析(框630)被缓存并且从其中移除了至少该部分的一组传感器数据。
121.基于框630的分析，电子设备可以确定(框635)在框610中检测到的运动变化是否被确认(即，在框610中检测到的运动变化是否不是误报)。如果电子设备确定运动变化未被确认(“否”)，则处理可以返回到框605、结束或前进到其他功能。另外，电子设备可以终止补充运动识别算法。
122.如果电子设备确定运动变化被确认(“是”)，则电子设备可以从传感器检索(框640)附加的一组传感器数据。在另一实施方式中，电子设备可以从附加的(即，不同的)传感器检索附加的一组传感器数据。电子设备可以通过补充运动识别算法来分析(框645)附加的一组传感器数据，并且相应地促进电子设备的各种功能。
123.基于框645的分析，电子设备可以确定(框650)是否存在检测到的附加的运动变化。根据实施例，附加的运动变化可以指示执行的手势或在电子设备附近执行的其他用户移动。如果电子设备检测到附加的运动变化(“是”)，则处理可以返回到框640或者前进到其他功能。如果电子设备没有检测到附加的运动变化(“否”)，则处理可以结束、重复或前进到其他功能。另外，如果电子设备没有检测到附加的运动变化，则电子设备可以终止补充运动识别算法。
124.图7是电子设备管理运动检测特征的另一方法700的流程图。方法700开始于电子设备从在第一灵敏度模式下操作的电子设备的传感器检索(框705)第一组第一模式传感器数据。根据实施例，传感器可以是雷达传感器、超声传感器或另一类型的传感器。电子设备可以分析第一组第一模式传感器数据并确定(框710)是否检测到运动(即，第一组第一模式传感器数据是否指示目标相对于电子设备的运动变化)。在分析第一组第一模式传感器数据时，电子设备可以执行通常可以消耗较少量资源的初始运动识别算法。
125.如果电子设备没有检测到运动(“否”)，则处理可以返回到框705、结束或前进到其他功能。如果电子设备检测到运动(“是”)，则电子设备可以从在第二灵敏度模式下操作的传感器检索(框715)一组第二模式传感器数据。另外，电子设备可以将该组第二模式传感器数据缓存(框720)在存储器中。此外，电子设备可以例如使用背景扣除或杂波移除技术来移除(框725)被缓存的该组第二模式传感器数据的至少一部分。所移除的传感器数据可以是不指示运动的传感器数据。
126.电子设备可以从在第一灵敏度模式下操作的传感器检索(框730)第二组第一模式
传感器数据。此外，电子设备可以通过初始运动识别算法来分析该第二组第一模式传感器数据。因此，传感器可以继续在第一灵敏度模式下操作，并且初始运动识别算法可以继续分析所得到的传感器数据。
127.电子设备还可以发起(框735)补充运动识别算法。根据实施例，补充运动识别算法通常可以比初始运动识别算法消耗更多的资源量。电子设备可以通过补充运动识别算法来分析(框740)被缓存并且至少从其中移除了一部分的一组第二模式传感器数据。此外，电子设备可以从在第二灵敏度模式下操作的传感器检索(框745)附加的一组第二模式传感器数据，并且使用补充运动识别算法来分析该附加的一组第二模式传感器数据。
128.基于该分析，电子设备可以确定(框750)是否检测到附加运动(即，附加的一组第二模式传感器数据是否指示运动)。如果电子设备确定检测到附加运动(“是”)，则处理可以返回到框745、结束或前进到其他功能。如果电子设备确定未检测到附加运动(“否”)，则电子设备可以终止(框755)补充运动识别算法。
129.图8是电子设备管理传感器活动的方法800的流程图。方法800开始于电子设备从在较低灵敏度模式下操作的电子设备的传感器检索(框805)一组较低灵敏度传感器数据。根据实施例，传感器可以是雷达传感器、超声传感器或另一类型的传感器。电子设备可以分析该组较低灵敏度传感器数据并确定(框810)是否检测到运动(即，该组较低灵敏度传感器数据是否指示目标相对于电子设备的运动变化)。在分析该组较低灵敏度传感器数据时，电子设备可以执行通常可以消耗较少量资源的初始算法。
130.如果电子设备没有检测到运动(“否”)，则处理可以返回框805、结束或前进到其他功能。如果电子设备检测到运动(“是”)，则电子设备可以开始(815)暂停窗口，该暂停窗口的长度可以变化(例如，十秒、一分钟等)。此外，电子设备可以从在较高灵敏度模式下操作的传感器检索(框820)一组较高灵敏度传感器数据。根据实施例，电子设备可以请求传感器生成该组较高灵敏度传感器数据并发起后续算法，该算法处理该组较高灵敏度传感器数据并且通常可能比初始算法消耗更多资源量。另外，传感器可以继续在较低灵敏度模式下操作，并且电子设备可以从在较低灵敏度模式下操作的传感器检索(框825)附加的一组较低灵敏度传感器数据。
131.电子设备可以分析(框830)该组较高灵敏度传感器数据和该附加的一组较低灵敏度传感器数据。具体地，电子设备可以使用后续算法来分析该组较高灵敏度传感器数据并且使用初始算法来分析该附加的一组较低灵敏度传感器数据。基于对该组较高灵敏度传感器数据进行分析，电子设备可以确认(框835)在框810中检测到的运动变化。在确认运动变化时，电子设备可以检测相对于电子设备的后续运动变化，其可以与在框810中检测到的运动变化分离或者是该运动变化的继续，其中，运动变化可以与相同或不同的目标相关联。在一些情况下，电子设备可能不确认作为分析该组较高灵敏度传感器数据的结果的运动变化。
132.在框840，电子设备可以确定暂停窗口是否已经期满。如果暂停窗口尚未期满(“否”)，则处理可以返回到框820、结束或前进到其他功能。如果暂停窗口已期满(“是”)，则处理可以进行到框845，在框845，电子设备可以对分析附加的一组较低灵敏度传感器数据进行分析来确定是否检测到相对于电子设备的附加运动变化。如果电子设备检测到该附加的运动变化(“是”)，则处理可以结束、重复或前进到其他功能。
133.如果电子设备没有检测到附加的运动变化(“否”)，则电子设备可以将来自框835的运动变化的确认视为误报(框850)。此外，电子设备可以终止(框855)处理较高灵敏度传感器数据的后续算法。此外，在实施例中，电子设备可以请求传感器停止生成该组较高灵敏度传感器数据。
134.尽管图8将方法800描述为使用单个传感器来操作，但是应当理解，方法800可以使用多个传感器来操作。具体地，第一传感器可以在较低敏感度模式下操作并生成较低敏感度传感器数据，并且不同的第二传感器可以在较高敏感度模式下操作并生成较高敏感度传感器数据。
135.图9图示了其中可以实现本文中所讨论的功能的示例电子设备945。电子设备945可以包括处理器981或其他类似类型的控制器模块或微控制器以及存储器978。电子设备945还可以包括ac电源部件963或其他类型的电源(例如，一个或多个电池)，其被配置为向电子设备945及其组件供应或提供功率。
136.存储器978可以存储能够促进本文中所讨论的功能的操作系统979以及被配置为存储/缓存各种传感器数据和/或其他数据的缓存980。处理器981可以与存储器978接口以执行操作系统979并从缓存980检索数据，以及执行一组应用971，诸如一个或多个运动检测应用972(其也可以被存储器978存储)。例如，运动检测应用972可以包括被配置为分析各种类型的传感器数据的多个运动检测算法。存储器978可以包括一种或多种形式的易失性和/或非易失性、固定和/或可移动存储器，诸如只读存储器(rom)、电子可编程只读存储器(eprom)、随机存取存储器(ram))、可擦除电子可编程只读存储器(eeprom)和/或其他硬盘驱动器、闪存、microsd卡等。
137.电子设备945可以进一步包括通信模块975，其被配置为与一个或多个外部端口973接口以经由一个或多个网络950传送数据。例如，通信模块975可以利用外部端口973来建立用于经由wi-fi direct连接将电子设备945连接到其他电子设备的tcp连接。根据一些实施例，通信模块975可以包括根据ieee标准、3gpp标准或其他标准运行并且被配置为经由一个或多个外部端口973接收和发送数据的一个或多个收发器。更具体地，通信模块975可以包括一个或多个wwan收发器，其被配置为与包括一个或多个小区站点或基站的广域网通信，以将电子设备945通信地连接到附加设备或组件。此外，通信模块945可以包括一个或多个wlan和/或wpan收发器，其被配置为将电子设备945连接到局域网和/或个域网，诸如网络。
138.电子设备945可以进一步包括一组传感器964。具体地，该组传感器964可以包括一个或多个雷达传感器965、一个或多个超声传感器966、一个或多个接近度传感器967、一个或多个图像传感器969和/或一个或多个其他传感器969(例如，加速计、触摸传感器、nfc组件等)。电子设备945可以包括音频模块977，音频模块977包括诸如用于输出音频的扬声器985和用于检测或接收音频的麦克风986的硬件组件。电子设备945还可以包括用户接口974以向用户呈现信息和/或接收来自用户的输入。如图9所示，用户接口974包括显示屏987和i/o组件988(例如，电容式或电阻式触敏输入面板、按键、按钮、灯、led、光标控制设备、触觉设备等)。用户接口974还可以包括扬声器985和麦克风986。在实施例中，显示屏987是使用单一显示技术或显示技术的组合的触摸屏显示器，并且可以包括叠加在用户可查看的显示部分上的薄的透明触摸传感器组件。例如，这样的显示器包括电容式显示器、电阻式显示
器、表面声波(saw)显示器、光学成像显示器等。
139.一般而言，根据实施例的计算机程序产品包括计算机可读程序代码体现在其中的计算机可用存储介质(例如，标准随机存取存储器(ram)、光盘、通用串行总线(usb)驱动器等)，其中，计算机可读程序代码适用于通过处理器981执行(例如，与操作系统979结合工作)以促进如本文中所描述的功能。在这点上，程序代码可以以任何期望的语言来实现，并且可以被实现为机器代码、汇编代码、字节代码、可解释的源代码等(例如，经由c、c++、java、actionscript、objective-c、javascript、css、xml和/或其他)。
140.贯穿本说明书，多个实例可以实现被描述为单个实例的组件、操作或结构。尽管一种或多种方法的单独操作被图示并描述为分离的操作，但是单独操作中的一个或多个可以同时执行，并且不要求以所图示的顺序执行操作。在示例配置中呈现为分离的组件的结构和功能可以被实现为组合结构或组件。类似地，作为单个组件呈现的结构和功能可以被实现为分开的组件。这些和其他变化、修改、添加和改进落入本公开的主题的范围内。
141.另外，某些实施例在本文中被描述为包括逻辑或多个组件、模块或机制。模块可以构成软件模块(例如，存储在机器可读介质上的代码)或硬件模块。硬件模块是能够执行某些操作的有形单元并且可以以某种方式配置或布置。在示例实施例中，一个或多个计算机系统(例如，独立的、客户端或服务器计算机系统)或计算机系统的一个或多个硬件模块(例如，处理器或一组处理器)可以由软件(例如，应用或应用部分)配置为硬件模块，其操作以执行如本文中所描述的某些操作。
142.在各种实施例中，硬件模块可以被机械地或电子地实现。例如，硬件模块可以包括永久配置(例如，配置为专用处理器，诸如现场可编程门阵列(fpga)或专用集成电路(asic))以执行某些操作的专用电路或逻辑。硬件模块还可以包括由软件临时配置以执行某些操作的可编程逻辑或电路(例如，涵盖在通用处理器或其他可编程处理器内)。将理解，在专用且永久配置的电路中或者在临时配置的电路(例如，通过软件配置)中机械地实现硬件模块的决定可以由成本和时间考虑驱动。
143.因此，术语硬件应当被理解为涵盖有形实体，即物理构造、永久配置(例如，硬连线)或临时配置(例如，编程)以按某种方式操作或执行本文中描述的某些操作的实体。如本文中所使用的，“硬件实现的模块”指的是硬件模块。考虑其中硬件模块被临时配置(例如，编程)的实施例，硬件模块中的每一个不需要在任何一个时间实例被配置或实例化。例如，在硬件模块包括使用软件配置的通用处理器的情况下，该通用处理器可以在不同时间被配置为相应的不同硬件模块。软件可以相应地配置处理器，例如，以在一个时间实例构成特定硬件模块并且在不同时间实例构成不同的硬件模块。
144.硬件模块能够向其他硬件提供信息并从其他硬件接收信息。因此，所描述的硬件模块可以被认为是通信地耦合的。当多个这样的硬件模块同时存在时，可以通过连接硬件模块的信号传输(例如，通过适当的电路和总线)来实现通信。在多个硬件模块在不同时间被配置或实例化的实施例中，这些硬件模块之间的通信可以例如通过在多个硬件模块有权访问的存储器结构中存储和检索信息来实现。例如，一个硬件模块可以执行操作并将该操作的输出存储在其通信地耦合到的存储器设备中。另一硬件模块可以然后在稍后的时间访问存储器设备以检索并处理所存储的输出。硬件模块还可以发起与输入或输出设备的通信，并且能够对资源(例如，信息的集合)进行操作。
145.方法600、700、800可以包括存储在非暂时性计算机可读存储介质中并使用计算设备(例如，服务器设备、个人计算机、智能手机、平板计算机、手表、移动计算设备或其他客户端计算设备，如本文中所描述)的处理器执行的有形计算机可执行指令形式的一个或多个功能块、模块、单独功能或例程。方法600、700、800可以被包括作为例如示例环境的任何后端服务器、客户端计算设备模块的一部分，或者作为在这样的环境外部的模块的一部分。尽管为了便于解释可以参考其他图来描述图，但是方法600、700、800能够被用于其他对象和用户接口。此外，虽然上面的解释描述了由特定设备执行的方法600、700、800的步骤，但这仅是为了说明的目的而完成的。方法600、700、800的框可以由一个或多个设备或环境的其他部分执行。
146.本文中描述的示例方法的各种操作可以至少部分地由被临时配置(例如，通过软件)或永久配置为执行相关操作的一个或多个处理器来执行。无论是临时配置还是永久配置，这样的处理器都可以构成操作以执行一个或多个操作或功能的处理器实现的模块。在一些示例实施例中，本文提及的模块可以包括处理器实现的模块。
147.类似地，本文中描述的方法或例程可以至少部分地通过处理器实现。例如，一种方法的至少一些操作可以由一个或多个处理器或处理器实现的硬件模块来执行。某些操作的执行可以分布在一个或多个处理器之间，不仅驻留在单个机器内，而且部署在多个机器上。在一些示例实施例中，一个或多个处理器可以位于单个位置(例如，在家庭环境内、办公室环境内或作为服务器场)，而在其他实施例中，处理器可以分布在多个位置上。
148.一个或多个处理器还可以操作以支持“云计算”环境中或作为saas的相关操作的执行。例如，如上所指示的，至少一些操作可以由一组计算机(作为包括处理器的机器的示例)执行，这些操作可经由网络(例如，互联网)并且经由一个或多个适当的接口(例如api)访问。
149.此外，附图仅出于说明的目的描绘了示例环境的一些实施例。本领域技术人员从下面的讨论中将容易地认识到，可以在不脱离本文中描述的原理的情况下采用本文中所图示的结构和方法的替代实施例。
150.在阅读本公开后，本领域技术人员将理解用于通过本文中公开的原理管理传感器操作的附加的替代结构和功能设计。因此，虽然已经图示和描述了特定实施例和应用，但是应当理解，所公开的实施例不限于本文中所公开的精确构造和组件。在不脱离所附权利要求中限定的精神和范围的情况下，可以在本文中公开的方法和装置的布置、操作和细节上进行对本领域技术人员来说显而易见的各种修改、改变和变型。

技术特征：
1.一种管理电子设备上的运动检测特征的计算机实现的方法，所述计算机实现的方法包括：通过处理器从所述电子设备的传感器检索一组传感器数据；基于由所述处理器对所述一组传感器数据的分析来检测目标相对于所述电子设备的运动变化；将所述一组传感器数据缓存在所述电子设备的存储器中；基于检测到所述运动变化，由所述处理器发起补充运动识别算法；通过由所述处理器发起的所述补充运动识别算法来分析缓存在所述存储器中的所述一组传感器数据；以及基于对缓存在所述存储器中的所述一组传感器数据进行分析通过所述补充运动识别算法来确认所述运动变化。2.根据权利要求1所述的计算机实现的方法，还包括：移除缓存在所述存储器中的所述一组传感器数据的至少一部分，其中，所述一组传感器数据的所述至少一部分不指示运动。3.根据权利要求2所述的计算机实现的方法，其中，分析缓存在所述存储器中的所述一组传感器数据包括：通过由所述处理器发起的所述补充运动识别算法来分析从其中移除了所述至少一部分的所述一组传感器数据。4.根据权利要求1所述的计算机实现的方法，还包括：由所述处理器从所述电子设备的所述传感器检索附加的一组传感器数据；以及通过所述补充运动识别算法分析所述附加的一组传感器数据。5.根据权利要求4所述的计算机实现的方法，还包括：未能基于通过所述补充运动识别算法对所述附加的一组传感器数据进行分析来检测附加运动变化；以及终止所述补充运动识别算法。6.根据权利要求1所述的计算机实现的方法，还包括：通过所述处理器从所述电子设备的附加传感器检索附加的一组传感器数据；以及通过所述补充运动识别算法分析所述附加的一组传感器数据。7.根据权利要求1所述的计算机实现的方法，其中，检测所述运动变化包括：基于通过由所述处理器执行的初始运动识别算法对所述一组传感器数据进行分析来检测所述目标相对于所述电子设备的所述运动变化。8.一种电子设备，包括：传感器；存储器；以及与所述传感器和所述存储器接口的处理器，并且所述处理器被配置为：从所述传感器检索一组传感器数据，基于对所述一组传感器数据进行分析来检测目标相对于所述电子设备的运动变化，使所述存储器缓存所述一组传感器数据，基于检测到所述运动变化，发起补充运动识别算法，
从所述存储器中检索缓存的所述一组传感器数据，通过所述补充运动识别算法分析缓存在所述存储器中的所述一组传感器数据，以及基于对缓存在所述存储器中的所述一组传感器数据进行分析通过所述补充运动识别算法来确认所述运动变化。9.根据权利要求8所述的电子设备，其中，所述处理器进一步被配置为：移除缓存在所述存储器中的所述一组传感器数据的至少一部分，其中，所述一组传感器数据的所述至少一部分不指示运动。10.根据权利要求9所述的电子设备，其中，所述处理器通过所述补充运动识别算法来分析从其中移除了所述至少一部分的所述一组传感器数据。11.根据权利要求8所述的电子设备，其中，所述处理器进一步被配置为：从所述传感器检索附加的一组传感器数据，以及通过所述补充运动识别算法分析所述附加的一组传感器数据。12.根据权利要求11所述的电子设备，其中，所述处理器进一步被配置为：未能基于通过所述补充运动识别算法对所述附加的一组传感器数据进行分析来检测附加运动变化，并且终止所述补充运动识别算法。13.根据权利要求8所述的电子设备，进一步包括：附加传感器；其中，所述处理器进一步被配置为：从所述附加传感器检索附加的一组传感器数据，以及通过所述补充运动识别算法分析所述附加的一组传感器数据。14.根据权利要求8所述的电子设备，其中，所述处理器通过初始运动识别算法对所述一组传感器数据进行分析来检测所述目标相对于所述电子设备的所述运动变化。15.一种管理电子设备上的运动检测特征的计算机实现的方法，所述计算机实现的方法包括：通过处理器从在第一灵敏度模式下操作的所述电子设备的传感器检索第一组第一模式传感器数据；基于通过初始运动识别算法对所述第一组第一模式传感器数据进行分析来检测目标相对于所述电子设备的运动变化；基于检测到所述运动变化：由所述处理器从在第二灵敏度模式下操作的所述传感器检索一组第二模式传感器数据，将所述一组第二模式传感器数据缓存在所述电子设备的存储器中，由所述处理器从在所述第一灵敏度模式下操作的所述传感器检索第二组第一模式传感器数据，以及由所述处理器发起补充运动识别算法；以及通过由所述处理器发起的所述补充运动识别算法来分析缓存在所述存储器中的所述一组第二模式传感器数据。16.根据权利要求15所述的计算机实现的方法，进一步包括：
通过所述初始运动识别算法分析所述第二组第一模式传感器数据。17.根据权利要求15所述的计算机实现的方法，进一步包括：由所述处理器从在所述第二灵敏度模式下操作的所述传感器检索附加的一组第二模式传感器数据；以及通过所述补充运动识别算法分析所述附加的一组第二模式传感器数据。18.根据权利要求15所述的计算机实现的方法，进一步包括：移除缓存在所述存储器中的所述一组第二模式传感器数据的至少一部分，其中，所述一组第二模式传感器数据的所述至少一部分不指示运动，并且其中，缓存在所述存储器中的所述一组第二模式传感器数据包括通过由所述处理器发起的所述补充运动识别算法来分析从其中移除了所述至少一部分的所述一组第二模式传感器数据。19.根据权利要求15所述的计算机实现的方法，进一步包括：由所述处理器终止所述补充运动识别算法。20.根据权利要求19所述的计算机实现的方法，其中，终止所述补充运动识别算法包括：未能基于通过所述补充运动识别算法对缓存在所述存储器中的所述一组第二模式传感器数据进行分析来检测相对于所述电子设备的运动变化；以及终止所述补充运动识别算法。

技术总结
提供了用于管理电子设备中的传感器的操作的实施例。根据某些方面，电子设备可以根据由传感器生成的初始一组传感器数据来检测运动变化。存储器缓存可以存储该初始一组传感器数据或由传感器生成的附加传感器数据。电子设备可以发起分析缓存数据的补充算法。基于对缓存的数据的分析以及是否确认了运动变化或者是否检测到附加运动，电子设备可以管理补充算法的操作。法的操作。法的操作。


技术研发人员：安德鲁
受保护的技术使用者：谷歌有限责任公司
技术研发日：2022.01.06
技术公布日：2023/9/20