**对比文件名称**：发明公开 US2013245986A1 DETECTING THAT A MOBILE DEVICE IS RIDING WITH A VEHICLE
**特征比对表格**
| 技术特征描述及公开性质 | 对比文件原文引用 | 公开性论述 | ||
| **A. 一种用于分类移动装置的运动状态的方法**<br>《直接公开》 | 说明书第[0014]段：“The term ‘present state’ or ‘present motion state’ may refer to the current state among a plurality of states in, e.g. a state machine enumerating a series of motion states, e.g. a walk state, run state, autoStop state, autoMove state, etc.”<br>说明书第[0017]段：“Techniques are described herein for classifying the motion and/or position state of a mobile device...”<br>图10及对应说明（第[0073]-[0077]段）描述了“a process 1000 of classifying the motion state of a mobile device”。 | 对比文件明确公开了用于分类移动装置运动状态的技术和方法，其通过状态机（如walk, run, autoStop, autoMove等）来枚举一系列运动状态，并详细描述了分类过程（如图10的流程）。这与目标专利权利要求主题“一种用于分类移动装置的运动状态的方法”完全对应，属于直接公开。 | ||
| **B. 确定与最高概率值且与大于第一阈值的第一置信度水平相关联的第一运动状态**<br>《隐含公开》 | 说明书第[0027]段：“These models may apply the data from the feature extraction module to compute a set of likelihoods reflecting probabilities of what state the user is in, at module 204. The output set of likelihoods may be a vector of probabilities encompassing each of the possible device states... The filtered states are then provided to a confidence test block 210 which removes low confidence decisions, as a result of which the device state is output as the most likely state identified by the filtering block 208.”<br>说明书第[0031]段：“At each time instant t=1, 2, . . . , the HMM takes as input a set of likelihood values p(x(t)\ | ωi) for the current time t... The HMM of some embodiments outputs K posterior values p(ωi\ | x(t−L)) corresponding to the probability of being in each state ωi at time t−L...”<br>说明书第[0052]段：“...the driving detection decision may be discarded if the posterior probabilities of the two most probable states are comparable to one another (corresponding to a high degree of uncertainty in the decision). Discarding of decisions is based on a confidence threshold...” | 对比文件公开了基于统计模型（如GMM、HMM）计算各运动状态的似然值或后验概率（即“概率值”），并通过置信度测试模块（confidence test block）来剔除低置信度的决策，最终输出最可能的状态。虽然未明确使用“最高概率值”和“大于第一阈值的第一置信度水平”的表述，但其技术实质是：从一组概率值中选出最可能的状态，并确保该选择的置信度（例如，通过比较最可能状态与次可能状态的概率差）高于某个阈值（confidence threshold），以避免在不确定性高时做出决策。这对本领域技术人员而言，隐含公开了“确定与最高概率值且与大于第一阈值的第一置信度水平相关联的第一运动状态”这一技术特征。在对比文件中，该特征的作用是提高运动状态分类的准确性和可靠性，与目标专利中为解决准确分类运动状态的技术问题所起的作用相同。 |
| **C. 进入第一运动状态**<br>《隐含公开》 | 说明书第[0025]段：“Classifier module 18 may then keep track of what is the current state, based on data from motion detector(s) 12... Module 18 may also determine a change in state... using the transitions and types of states provided by state machine 16.”<br>说明书第[0038]段：“Thus, if the user is driving and comes to a stop at a traffic light, the HMM will report autoStop rather than sit...”<br>图4、5所示的状态机及对应的状态转移描述。 | 对比文件公开了基于分类器决策和状态机规则，将移动装置的运动状态设置为或报告为某个特定状态（如autoStop）。这个过程即意味着系统“进入”了该运动状态。虽然未使用“进入”一词，但根据状态机的运作原理，确定当前状态即意味着系统处于该状态，这隐含了“进入”的步骤。在对比文件中，该特征的作用是更新并记录设备的当前运动状态，以便后续处理和应用程序使用，与目标专利中为跟踪和响应运动状态变化所起的作用相同。 | ||
| **D. 当第一运动状态处于作用中时，确定与最高概率值且与大于第一阈值的第二置信度水平相关联的第二运动状态，第二运动状态不同于第一运动状态**<br>《隐含公开》 | 说明书第[0031]段：“...at each time instant t=1, 2, . . . , the HMM takes as input a set of likelihood values p(x(t)\ | ωi) for the current time t at times t=1, 2, . . . . The HMM of some embodiments outputs K posterior values p(ωi\ | x(t−L)) corresponding to the probability of being in each state ωi at time t−L...”<br>结合说明书第[0027]、[0052]段关于持续计算概率和进行置信度测试的描述。 | 对比文件公开的系统（如HMM）会持续地（at each time instant）基于新的传感器数据计算各状态的概率分布（即确定“最高概率值”的状态），并进行置信度评估。当系统当前处于某个状态（即“第一运动状态处于作用中”）时，这一持续的计算和评估过程自然包括基于新数据确定一个可能与当前状态不同的、具有高置信度的新状态（即“第二运动状态”）。这隐含公开了特征D。在对比文件中，该特征的作用是实现运动状态的动态监测和潜在的状态转换准备，与目标专利中为在状态持续期间检测可能的状态变化所起的作用相同。 |
| **E. 确定是否将进入第二运动状态**<br>《隐含公开》 | 说明书第[0037]段：“The transition probability matrix for the state machine in FIG. 4 can be represented in various manners.”<br>表1：“Example transition matrix for a motion state classifier.” 该矩阵定义了状态间转移的概率规则。<br>说明书第[0052]段：“Discarding of decisions is based on a confidence threshold...” | 对比文件通过状态转移概率矩阵（如表1）和置信度测试机制，为状态转换设定了规则。系统在计算出第二运动状态的概率和置信度后，需要根据这些预定义的规则（例如，是否允许从当前状态转移到新状态，以及新状态的置信度是否足够高）来判断是否实际执行状态转换。这个过程即隐含了“确定是否将进入第二运动状态”。在对比文件中，该特征的作用是控制状态转换的合理性和稳定性，防止错误或频繁的状态跳变，与目标专利中为管理状态转换逻辑所起的作用相同。 | ||
| **F. 响应于确定将进入第二运动状态，进入第二运动状态**<br>《隐含公开》 | 说明书第[0038]段：“Thus, if the user is driving and comes to a stop at a traffic light, the HMM will report autoStop rather than sit, as the previous state was autoMove and it is not possible to transition from autoMove to sit.”<br>结合状态机（图4、5）和状态转移矩阵（表1）的描述，当满足转移条件时，系统状态会发生改变。 | 对比文件公开了在满足状态转移条件（如根据转移概率矩阵和置信度判断）后，系统会报告或进入新的状态（如从autoMove变为autoStop）。这隐含了“响应于确定将进入第二运动状态，进入第二运动状态”这一逻辑步骤。在对比文件中，该特征的作用是执行经过验证的状态转换，使系统当前状态与实际情况保持一致，与目标专利中为实现最终状态更新所起的作用相同。 | ||
| **G. 其中当出现以下情况时，将进入第二运动状态：1)第二置信度水平大于第二阈值，第二阈值大于第一阈值，或2)当第一运动状态处于作用中时，第二运动状态在预定时间周期内连续地与最高概率值且与大于第一阈值但小于第二阈值的第二置信度水平相关联。**<br>《隐含公开》 | 说明书第[0052]段：“Discarding of decisions is based on a confidence threshold, which can be based on a minimum acceptable difference between most probable states...”<br>说明书第[0031]段：“The HMM of some embodiments outputs K posterior values p(ωi\ | x(t−L)) corresponding to the probability of being in each state ωi at time t−L (i.e., L time steps ago), where K is the number of lower level states and L is a tunable parameter corresponding to the system latency.”<br>说明书第[0043]段：“The extended state machine breaks one or more existing states into a set of consecutive sub-states which the system must pass through before exiting that state. This adds stickiness to the system by reshaping the distribution of the state duration...” | 对比文件公开了基于置信度阈值（confidence threshold）来决定是否采纳某个状态决策，这对应于“置信度水平大于阈值”的条件。虽然没有明确区分“第一阈值”和“第二阈值”，但本领域技术人员可以理解，可以设置不同严格程度的阈值来触发不同的行为（如立即转换或延迟转换）。其次，对比文件引入了“延迟因子L”（latency factor L）和“扩展状态机”（extended state machine）的概念，其目的正是为了增加状态的“粘性”（stickiness），防止因瞬时波动导致状态频繁切换。扩展状态机要求系统在退出一个状态前必须通过一系列连续的子状态，这实质上要求新状态（第二运动状态）的概率/置信度在**一段时间内（即预定时间周期）连续**保持较高水平（即“连续地与最高概率值...相关联”），才能完成最终的状态转换。这隐含公开了特征G的第二种情况。在对比文件中，这些机制的作用是平衡分类的准确性与响应速度，确保状态转换的可靠性和稳定性，与目标专利中为解决相同技术问题所起的作用相同。 |
<<<A>>><<<b>>><<<c>>><<<d>>><<<e>>><<<f>>><<<g>>>