事件掩蔽的制作方法

1.本说明书涉及事件掩蔽；例如，掩蔽可能不期望的事件。


背景技术：

2.例如，可以用白噪声来掩蔽噪声或者类似事件。在该领域中仍存在针对进一步发展的需要。


技术实现要素：

3.在第一方面，提供了一种装置，包括：用于基于传感器数据检测事前标记(signature，又译“签名”)的部件，其中事前标记指示第一事件的预测；用于确定对应于第一事件的事件掩蔽动作的部件；以及用于响应于事前标记的检测而导致执行用于掩蔽第一事件的事件掩蔽动作的部件。
4.还公开了一种装置，包括至少一个处理器；以及包括计算机程序代码的至少一个存储器，该至少一个存储器和该计算机程序被配置为与该至少一个处理器一起使该装置：基于传感器数据检测事前标记，其中事前事件标记指示第一事件的预测；确定对应于第一事件的事件掩蔽动作；以及响应于事前标记的检测而导致执行用于掩蔽第一事件的事件掩蔽动作。
5.在第二方面，提供了一种方法，包括：基于传感器数据检测事前标记，其中事前标记指示第一事件的预测；确定对应于第一事件的事件掩蔽动作；以及响应于事前标记的检测而导致执行用于掩蔽第一事件的事件掩蔽动作。
6.在第三方面，提供了一种计算机程序，包括指令，用于：基于传感器数据检测事前标记，其中事前标记指示第一事件的预测；确定对应于第一事件的事件掩蔽动作；以及响应于事前标记的检测而导致执行用于掩蔽第一事件的事件掩蔽动作。
7.还公开了一种计算机可读介质，其上存储有计算机可读指令，用于：基于传感器数据检测事前标记，其中事前标记指示第一事件的预测；确定对应于第一事件的事件掩蔽动作；以及响应于事前标记的检测而导致执行用于掩蔽第一事件的事件掩蔽动作。
附图说明
8.现在将仅通过示例的方式参考以下示意图来描述示例实施例，其中：
9.图1是示例系统的框图；
10.图2至图4是根据示例实施例的传感器数据图；
11.图5是示出根据示例实施例的算法的流程图；
12.图6是根据示例实施例的传感器数据图；
13.图7至图12是根据示例实施例的系统的框图；
14.图13是根据示例性实施例的系统的组件的框图；以及
15.图14a和图14b示出了有形介质，分别是存储计算机可读代码的压缩盘(cd)和可移
动非易失性存储器单元，计算机可读代码在由计算机运行时执行根据示例实施例的操作。
具体实施方式
16.本发明的各种实施例所寻求的保护范围由独立权利要求来规定。说明书中所描述的不属于独立权利要求的范围的实施例和特征(如果有的话)将被解释为对理解本发明的各种实施例有用的示例。
17.在描述和附图中，相同的参考标号自始至终指代相同的元件。
18.图1是示例系统的框图，一般性地由参考标号10指示。系统10包括从一个或多个传感器接收传感器数据2的用户设备1。一个或多个传感器中的至少一个可以被包括在用户设备1内。备选地或者另外地，一个或多个传感器中的至少一个可以是外部传感器，例如被包括在一个或多个外部设备内。传感器数据2可以包括视觉数据、听觉数据、触觉数据、运动数据、射频数据、环境数据(例如温度、湿度等)等中的一个或多个。用户设备1可以分析传感器数据2以便预测事件的发生。这将在下面更详细地解释。
19.在日常生活中，有许多事件，诸如巨大的噪声或者突然的亮光，这可能会引起干扰。可能无法防止这样的事件的发生。示例实施例描述了可以如何掩蔽这些事件以便例如降低一个或多个用户对事件的感知。
20.图2是根据示例实施例的传感器数据图，其一般性地由参考标号20指示。图20示出了传感器数据轴21和时间轴23。图20还包括第一传感器数据图24。第一传感器数据图24示出了对应于第一事件22的信号。第一事件22可以是可能对一个或多个用户造成干扰的破坏性事件。第一传感器数据图24示出了第一事件22在时间t3处的发生。如上所述，传感器数据可以包括视觉数据、听觉数据、触觉数据、运动数据、环境数据或者可由一个或多个传感器感测的任何其他数据。例如，当第一事件22是听觉事件时，传感器数据可以包括音频信号。听觉事件可以是可能对一个或多个用户造成干扰的破坏性或者嘈杂的噪声。例如，一个或多个用户可以是人类或者动物(诸如，宠物)。在另一个示例中，一个或多个用户可以包括基于语音命令操作的设备。例如，嘈杂的噪声可能导致这样的语音操作设备响应于嘈杂的噪声而执行动作(例如，输出它不理解嘈杂的噪声的通知，或者将嘈杂的噪声与输入的命令相关联)，这可能是不期望的。在其他示例中，第一事件22可以是视觉事件、听觉事件、环境事件、触觉事件或者可对一个或多个用户造成干扰的任何其他事件中的一个或多个事件。
21.图3是根据示例实施例的传感器数据图，该图一般性地由参考标号30指示。图30示出了传感器数据轴21、时间轴23、第一传感器数据图24和第一事件22，如图2中所示。图30还包括第二传感器数据图31。第二传感器数据图31可以基于可以在第一事件22之前接收到的第二传感器数据。例如，第二传感器数据可以作为信号而被接收。可以分析在第一事件22之前接收到的第二传感器数据以识别或者检测指示第一事件22的预测的一个或多个事前标记32。例如，第二传感器数据标记可以包括在t1处第二传感器数据中的上升，以及在t2处第二传感器数据中的下降。第二传感器数据标记可以被包括在对应于第一事件22的事前标记32内。因此，当第二传感器数据标记被识别或者检测时，可以确定第一事件22被预测将发生。例如，参考时间t3(第一事件22的开始时间)，时间t1可以比时间t3早两分钟，并且时间t2可以比时间t3早一分钟。因此，事前标记32可以指示在第二传感器数据开始(上升沿)之后大约两分钟，第一事件22被预测将发生。备选地或者另外地，第一事件22可以被预测在第
二传感器数据的结束(下降沿)之后大约一分钟发生。备选地或者另外地，当第二传感器数据图31示出存在第二传感器数据中的上升以及在第二传感器数据中的上升之后不到一分钟内存在第二传感器数据中的下降时，第一事件22可以被预测将发生；并且第一事件22可以被预测在第二传感器数据下降之后大约一分钟发生。备选地或者另外地，第一事件22可以被预测在第二传感器数据已经为高至少三十秒之后大约一分三十秒发生。
22.如此，事前标记32可以包括与来自一个或多个传感器的传感器数据相关联的一个或多个参数。参数可以包括传感器数据的和/或与传感器数据相关联的信号的时序、频率、幅度等中的一个或多个。例如，当传感器数据包括听觉传感器数据(例如，来自诸如麦克风之类的听觉传感器)时，参数可以包括听觉传感器数据的时序(例如，开始或者结束、上升沿或者下降沿，等)、频率(例如，音高)和幅度(例如，响度)中的一个或多个。在另一个示例中，当传感器数据包括诸如灯之类的视觉传感器数据时，参数可以包括时序(例如，灯开启或者关闭的开始或者结束、闪烁的速率、闪烁的次数等)、频率(例如，光的颜色)、波长(例如，电磁光谱上的位置；肉眼可见或者不可见)和幅度(例如光的强度或者亮度)中的一个或多个。
23.例如，第一事件22可以是听觉事件，诸如，由加热器发出的声音，例如由于加热器的材料在加热期间膨胀。来自加热器的声音可能是一种破坏性噪声，并且可能会对一个或多个用户造成干扰(例如，如果有人正在睡觉)。加热器的灯可以在第一事件22之前的阈值时间开启，也就是说，在加热器发出破坏性声音之前的阈值时间。例如，阈值时间可以是三十秒。因此，第二传感器数据图31可以示出从加热器的灯捕获的视觉传感器数据。第一事件22的事前标记(来自加热器的声音)因此可以包括第二传感器数据标记，该第二传感器数据标记是在第一事件22之前三十秒开启灯。如上所述，事前标记32可以包括与第二传感器数据相关联的一个或多个参数(由第二传感器数据图31示出)，其中这些参数可以包括时序、频率、幅度等中的一个或多个。例如，第二传感器数据标记可以被定义为使得第一事件22被预测在灯开启之后三十秒发生，并且当加热器的灯是红灯时(例如，第二传感器数据具有与红光相关联的频率(430-480thz)和/或波长(700-635nm))，以及当光具有高于阈值亮度的亮度时(例如，幅度和/或强度高于阈值幅度和/或强度)。例如，如果绿灯开启，则不会检测到(与红灯相关联的)第二传感器数据标记，并且因此不会检测到事前标记。由于未检测到事前标记，因此第一事件22可能不被预测发生。
24.图4是根据示例实施例的传感器数据图，其一般性地由参考标号40指示。图40示出了传感器数据轴21、时间轴23、第一传感器数据图24、第一事件22和第二传感器数据图31，如图2中所示。图40还包括第三传感器数据图41。第二传感器数据图31和第三传感器数据图41可以分别基于可以在第一事件22之前接收到的第二传感器数据和第三传感器数据。例如，第二传感器数据和第三信号数据可以分别作为第二信号和第三信号而被接收。可以分析在第一事件22之前接收到的第二传感器数据和第三传感器数据以确定指示第一事件22的预测的一个或多个事前标记42。例如，第三传感器数据标记可以包括在t0.5处第三传感器数据中的下降，以及在t1.5处第三传感器数据中的上升。如上面参考第二传感器数据标记所描述的，第三传感器数据标记可以包括一个或多个参数。第二传感器数据标记和第三传感器数据标记可以被包括在对应于第一事件22的事前标记42内。因此，当第二传感器数据标记和第三传感器数据标记二者被检测到时，可以确定第一事件22被预测将发生。备选地或者另外地，如果仅检测到第二传感器数据标记和第三传感器数据标记中的一个，则可
以确定第一事件22被预测将发生。备选地或者另外地，可以为与一个或多个相应事件的预测相对应的一个或多个相应事前标记定义第二传感器数据标记和第三传感器数据标记的一个或多个组合。
25.例如，第一事件22可以是听觉事件，诸如，来自加热器的声音。当加热器打开时，加热器的灯可以开启。此外，加热器可能仅开始加热，并且因此在室温降至阈值温度以下之后的阈值时间发出声音(第一事件22)。例如，阈值时间可以是三十秒，并且阈值温度可以是10摄氏度。当加热器开启(灯开)并且温度低于10摄氏度时，加热器可能会发出声音(开始加热)。如果加热器开启，但温度不低于10摄氏度，则加热器不会开始加热，并且因此可能不会发出声音(第一事件22没有发生)。如果温度低于10摄氏度，但加热器未开启(灯关)，则加热器不会开始加热，并且因此可能不会发出声音(第一事件22没有发生)。因此，第二传感器数据图31可以示出从加热器的灯捕获的视觉传感器数据，并且第三传感器数据图41可以示出用一个或多个温度传感器(例如，被包括在恒温器中)所捕获的温度传感器数据。如此，第二信号数据图31示出了灯开启的示例时序，以使得第一事件22可以被预测在灯开启之后的任何时间发生。例如，加热器可以在第一事件22之前的任何时间被开启，但第一事件22将仅在温度降至10摄氏度以下之后三十秒发生。第一事件22的事前标记(来自加热器的声音)因此可以包括第二传感器数据标记(灯开启)和第三传感器数据标记(温度降至10摄氏度以下)。
26.如早先所讨论的，可以使用被包括在用户设备1和/或一个或多个外部设备中的一个或多个传感器来收集传感器数据2。传感器数据可以被用于确定与事件相关联的传感器数据标记，以及用于确定事前标记。例如，一个或多个传感器可以包括用于感测包括音频信号在内的传感器数据2的麦克风或者麦克风阵列。备选地或者另外地，一个或多个传感器可以包括可以被用于感测传感器数据2的相机，该传感器数据2包括与视觉事件或者听觉事件相关联的视觉信号。可以了解，一个或多个传感器可以包括任何其他类型的传感器，并且不限于麦克风或者相机。
27.图5是根据示例实施例的算法的流程图，一般性地由参考标号50指示。
28.在操作51处，为第一事件检测事前标记。事前标记可以指示第一事件的预测(例如，包括第一事件的性质和时序)。事前标记可以包括以下中的一个或多个：听觉标记、视觉标记、环境标记(诸如，温度、湿度，等)和触觉标记。第一事件可以是以下中的一个或多个：视觉事件、听觉事件、触觉事件和环境事件。
29.在操作52处，为第一事件确定事件掩蔽动作。事件掩蔽动作可以是以下中的一个或多个：视觉动作、听觉动作、触觉动作和环境动作(诸如，如果温度被预测将升高，则开启空调单元，如果湿度被预测将大幅下降，则开启加湿器)。
30.在操作53处，响应于检测到事前标记，导致所确定的事件掩蔽动作被执行。因此，事件掩蔽可以由算法50基于事件的预测属性(例如，事件的时间和/或性质)来实施。预测的使用可以提供预测性掩蔽系统，其不依赖于事件的反应性掩蔽。反应性掩蔽可以包括在事件已经开始之后执行(多个)掩蔽动作。这可能致使至少事件的开始未被掩蔽。在一些场景中，事件的开始或者初始部分可能具有足够对一个或多个用户造成干扰的破坏性。对照而言，预测性掩蔽允许在事件发生之前执行(多个)掩蔽动作，以使得对一个或多个用户也掩蔽事件的开始或者初始部分。如此，事件可以对一个或多个用户造成最小的扰乱或者干扰，因为该事件被(多个)预测性掩蔽动作所掩蔽。
31.在示例实施例中，在操作53处，可以使用户设备1执行事件掩蔽动作，以使得在用户设备1处执行事件掩蔽动作。备选地或者另外地，用户设备1可以通过使另一个设备执行事件掩蔽操作来导致执行事件掩蔽操作。例如，用户设备1可以向一个或多个其他设备发送一个或多个指令以执行事件掩蔽动作。例如，事件掩蔽动作包括播放白噪声以便掩蔽听觉事件。用户设备1可以向扬声器设备发送指令，告知扬声器设备播放白噪声。扬声器设备然后可以通过播放白噪声来执行事件掩蔽动作。
32.在操作51处，可以使用标记匹配算法(例如，利用一个或多个模型)来确定事前标记。例如，一个或多个传感器数据可以由一个或多个传感器所感测，并且传感器数据可以被用于确定传感器数据是否与事前标记(包括一个或多个传感器数据标记)匹配。多个事前标记的信息可以被存储在事前标记数据库中。可以向事前标记数据库发送查询以便确定传感器数据是否与存储在事前标记数据库中的任何事前标记匹配。因此可以至少部分地基于传感器数据匹配来确定事前标记。在示例实施例中，如果传感器数据在事前标记的阈值内，则认为传感器数据与事前标记匹配。例如，可以确定相似性分数，以使得相似性分数是传感器数据与事前标记的相似程度的指示。如果相似性分数在阈值相似性分数内，则可以认为传感器数据与事前标记匹配。
33.在操作52处，可以确定用于掩蔽第一事件的事件掩蔽动作。事前标记数据库(如上所述)还可以包括对应于事前标记的一个或多个事件。当在操作51处确定事前标记时，可以确定对应的第一事件的发生。可以基于第一事件来确定事件掩蔽动作，以使得事件掩蔽动作可以减轻、取消或者减少第一事件的一些影响。
34.在示例实施例中，可以为一个或多个事件指定事件掩蔽动作，并且可以为多个事件定义多个事件掩蔽动作，并且可以将多个事件掩蔽动作存储在数据库中。
35.在操作52中确定的掩蔽操作可以与在操作51中确定的事件具有相同的类型(例如，当第一事件是视觉事件时可以使用视觉掩蔽动作，当第一事件是听觉事件时可以使用听觉掩蔽动作，等等)。然而，这对于所有示例实施例来说不是必不可少的。例如，环境事件(诸如，光照水平的变化)可以用听觉动作或者视觉动作来掩蔽。
36.在一个示例实施例中，第一事件是听觉事件，并且事件掩蔽动作包括音频抑制动作。在一个示例中，通过向数据库发送查询来确定音频抑制动作，该数据库包括针对听觉事件的理想音频抑制动作。音频抑制动作可以包括音频掩蔽和音频消除中的一个或多个。例如，可以通过产生可以对听觉事件具有掩蔽效果的声音来执行声音掩蔽。可以使用例如人工智能音乐产生器、白噪声产生器、语音产生器等来产生声音。例如，可以基于听觉事件的一个或多个属性来配置所产生的声音的一个或多个属性，以使得听觉事件可以被掩蔽。在另一个示例中，可以通过产生音频输出以消除听觉事件的一个或多个破坏性声音来执行音频消除。用于音频消除的音频可以使用定向音频系统、广播音频系统、耳机或者可以被用于消除听觉事件的声音的任何其他设备来产生。
37.在一个示例中，在用户的位置处产生用于音频消除的音频。例如，听觉事件可能发生在第一房间中，而用户可能位于第二房间中。用户可能能够听到听觉事件的一种或多种声音。可以通过在第二房间产生音频来执行音频消除。在另一个示例中，在听觉事件的位置处产生用于音频消除的音频。当听觉事件发生在第一房间中并且用户位于第二房间中时，可以通过在第一房间产生音频来执行音频消除。在听觉事件的位置处执行音频消除可以允
许为在第二房间以外的位置的一个或多个附近用户抑制听觉事件的音频。
38.图6是根据示例实施例的信号数据图，该图一般性地由参考标号60指示。图60示出了信号数据轴21、时间轴23、第一传感器数据曲线24和第一事件22，如图2中所示。图60还包括第四信号数据图61。第四信号数据图61可以表示对应于如图5的操作53处所执行的事件掩蔽动作的信号。例如，事件掩蔽动作可以在第一事件22被预测将发生之前开始，并且可以在第一事件22被预测将结束之后结束。在图9中更详细地讨论了事件掩蔽动作。
39.图7是根据示例实施例的系统的框图，一般性地由参考标号70指示。系统70图示了事前标记71可以包括听觉标记72、视觉标记73、环境标记74和触觉标记75中的一个或多个。
40.例如，听觉标记72可以包括声音的特定频率成分、幅度、时间、声音所起源的方向、声波的模式或者可以为听觉标记定义一个或多个声音的任何其他细节。视觉标记73可以包括关于任何视觉变化的信息，诸如，灯开启、灯的颜色、灯的亮度、灯关闭、灯闪烁或者闪动、任何物体的任何物理移动，等等。环境标记74可以包括关于任何环境变化的信息，诸如，温度变化、湿度变化、空气成分变化(例如，烟雾的存在)、气味变化等等。触觉标记74可以包括关于任何触觉变化的信息，诸如，振动、振动的频率、振动的幅度、振动的时间、振动所起源的设备等。
41.在一个示例中，环境变化可以包括相关环境中的任何变化，其可以包括或者可以不包括视觉、听觉或者触觉变化。
42.在一个示例中，事前标记可以包括听觉标记72、视觉标记73、环境标记74和触觉标记75中的一个或多个的组合。例如，雷暴可能引起听觉变化(雷声)、视觉变化(来自闪电的光)、环境变化(放电)和触觉变化(振动)。备选地或者另外地，包括关于任何环境变化的信息的环境特征也可以落入视觉、听觉和/或触觉标记的范围内。例如，湿度升高(环境特征)可能伴随着雾(视觉特征)。如此，任何变化都可以对应于视觉、听觉、触觉和/或环境标记中的一个或多个。
43.在示例实施例中，事前标记不限于在第一事件22发生之前发生的标记，以使得事前标记可以对应于在第一事件22期间或者之后接收到的传感器数据。例如，与听觉事件相关联的事前标记可能不一定是听觉标记并且可以是边信道标记，例如射频标记，或者可以包括来自视觉麦克风的传感器数据。在这种场景中，边信道标记可以具有比听觉事件的速度更快的速度。因此，事前标记可以在产生听觉事件的声音期间或者之后发生，但是可以在接收到听觉事件的音频信号之前接收与事前标记相关的传感器数据。由于可以在接收到听觉事件的音频信号之前接收到与事前标记相关的传感器数据，所以可以执行事件掩蔽动作以用于掩蔽、消除或者减少听觉事件的影响。
44.针对特定事件的事前标记71可以包括听觉标记72、视觉标记73、环境标记74和触觉标记75中的一个或多个的模式或者组合。
45.图8是根据示例实施例的系统的框图，一般性地由参考标号80指示。系统80图示了第一事件81(类似于第一事件22)可以包括听觉事件82、视觉事件83、环境事件84和触觉事件85中的一个或多个。例如，听觉事件82可以是噪声事件，诸如可能对用户设备1的用户和/或听到破坏性噪声的一个或多个其他用户造成干扰的破坏性噪声。视觉事件83可以是对用户或者看到该事件的一个或多个用户造成干扰的事件。例如，视觉事件83可以是灯开启、灯关闭、物体的分散注意力的移动或者任何其他可能是破坏性的事件。例如，环境事件84可以
是温度变化、湿度变化、气味变化或者可能对用户和/或一个或多个其他用户造成干扰的任何其他事件。例如，触觉事件85可以是振动、对象的移动或者用户或者一个或多个其他用户可能感觉到的任何其他破坏性事件。
46.在一个示例中，第一事件22可以是听觉事件82、视觉事件83、环境事件84和触觉事件85中的一个或多个的组合。例如，闪电事件(第一事件22)可以是雷声(听觉事件82)、闪光(视觉事件83)、放电(环境事件84)和振动(触觉事件85)的组合。
47.在一个示例中，包括任何环境变化的环境事件也可以落入视觉、听觉和/或触觉事件的范围内。环境变化可以包括环境变化，该环境变化可以包括或者可以不包括听觉、视觉或者触觉变化。例如，湿度升高(环境事件)可能伴随有雾(视觉事件)。如此，任何变化都可以对应于视觉、听觉、触觉和/或环境事件中的一个或多个。
48.图9是根据示例实施例的系统的框图，一般性地由参考标号90指示。系统90图示了事件掩蔽动作91可以包括听觉动作92、视觉动作93、环境动作94和触觉动作95中的一个或多个。
49.在示例实施例中，事件掩蔽动作可以对应于事件的类型，即可以在听觉事件82之前执行听觉动作92；可以在视觉事件83之前执行视觉动作93；可以在环境事件84之前执行环境动作94；并且可以在触觉事件85之前执行触觉动作95。
50.例如，听觉动作92可以包括产生用于掩蔽听觉事件(第一事件22)的音频信号(例如，白噪声或者降噪音频)。
51.视觉动作93可以包括产生用于减少视觉事件的影响或者在用户和视觉事件之间创建视觉屏障的光。例如，第一事件22可以是房间中的闪光灯，并且事件掩蔽动作可以是调整房间的照明，以使房间中的用户或者一个或多个其他用户不那么被闪光灯分散注意力或者受到干扰。
52.环境动作94可以包括例如调节温度、调节湿度、产生气味等。例如，第一事件22可以是外部温度升高到期望水平之上。如果第一事件22被预测将发生(例如，外部温度被预测将升高)，则可以通过开启空调系统(在外部温度升高之前)降低温度来执行事件掩蔽动作(诸如，环境动作94)，以使得房间中的用户或者一个或多个其他用户不会受到外界温度升高的干扰。类似地，第一事件22可以是湿度下降。如果第一事件22被预测将发生(例如，湿度被预测将下降，可能低于所期望的水平)，则可以通过开启加湿器来执行事件掩蔽动作(诸如环境动作94)。
53.触觉动作95可以包括例如振动、移动、对身体施加热量、对身体施加冷却等。例如，第一事件22可以是从汽车中的汽车座椅支架移除汽车座椅的颠簸，这可能导致坐在汽车座椅中的婴儿(用户)被打扰或者从睡眠中醒来。第一事件22可以被预测将在车门被打开时发生(事前标记)。事件掩蔽动作可以包括触觉动作95。触觉动作95可以通过逐渐增加汽车座椅的振动来执行，以使得汽车座椅的移动从低级别逐渐增加到高级别。这可以减少移除汽车座椅时的颠簸，以使得将对婴儿的干扰最小化，并且减少婴儿对颠簸的感知。在另一个示例中，第一事件22可以是可能导致用户感觉到寒冷的室温下降。当房间的窗户打开并且外部温度低于阈值(事前标记)时，第一事件22可以被预测将发生。事件掩蔽动作可以包括触觉动作95，该触觉动作95可以通过向用户的身体施加热量(例如，通过电热毯)来执行。
54.在示例实施例中，事件掩蔽动作可以不同于事件的类型，例如，可以在听觉事件
82、视觉事件83、环境事件84和触觉事件85中的任何一个之前执行听觉动作92、视觉动作93、环境动作94和触觉动作95中的任何一个。例如，第一事件22是听觉事件82，诸如破坏性噪声。可以执行诸如视觉动作93之类的事件掩蔽动作以使用户或一个或多个其他用户从第一事件22(即，破坏性噪声)中分散注意力。在另一个示例中，第一事件22是视觉事件，诸如突然开启的强光，这可能会打扰用户(例如，由于光敏感性而感到不适的用户)。如果第一事件22被预测将发生，则事件掩蔽动作可以包括触觉动作95，该触觉动作95可以包括在用户身体的一个或多个压力点上施加压力。例如，在用户被暴露于突然的强光之前，对头部的太阳穴施加压力(例如，经由帽子或者包括可充气气囊的头带)可以帮助减轻用户由于光敏感性而引起的不适。
55.图10是根据示例实施例的系统的框图，一般性地由参考标号100指示。系统100包括第一模型101，该模型可以被用来确定事前标记。
56.第一模型101作为输入接收多个传感器数据以及一个或多个事件的信息。第一模型101可以被用于确定一个或多个传感器数据特征与一个或多个事件之间的相关性。可以从传感器数据输入中确定一个或多个传感器数据特征。
57.在示例实施例中，用于一个或多个事件的事前标记可以被存储在数据库中，诸如第一模型101。可以用多个传感器数据(例如，事件和传感器数据的大型数据集，其可以被包括在一个或多个事件的事前标记中)来在大的时间段上训练第一模型101。在示例实施例中，通过确定一个或多个传感器数据特征与一个或多个事件(诸如，第一事件22)之间的相关性来训练第一模型101。一个或多个传感器数据特征可以与事件(诸如，第一事件22)相关联——如果与第一事件22相关的一个或多个传感器数据特征的唯一性或者可重复性高于第一阈值。如果传感器数据特征的发生通常跟随第一事件22，则与第一事件22相关的一个或多个传感器数据特征的唯一性可能高于第一阈值。如果第一事件22的发生通常先于一个或多个传感器数据特征的发生，则与第一事件22相关的一个或多个传感器数据特征的可重复性可能高于第一阈值。然后可以使用与第一事件相关联的传感器数据特征来训练第一模型101。例如，可以使用机器学习原理来训练第一模型101。也可以例如在使用第一模型期间使用无监督学习来训练第一模型101。
58.举例来说，第一事件22可以是听觉事件，诸如在加热器处产生的声音。加热器的灯可以在第一事件22发生之前的阈值时间开启。灯的开启可能是传感器数据特征。可以在训练时间段上针对第一事件22(即来自加热器的声音)训练第一模型101。在训练时间段期间，可以基于通常(例如，加热器的灯开启时的大部分时间)灯开启后是否有声音在加热器处产生来确定灯开启的传感器数据特征的唯一性。如果确定通常(例如，灯开启时的大部分时间)在开灯之后在加热器处产生声音，则传感器数据特征的唯一性可能高于第一阈值。可以基于通常(例如，在加热器处产生声音时的大部分时间)在加热器处产生的声音是否先于灯开启来确定灯开启的信号数据特征的可重复性。如果确定通常(例如，在加热器处产生声音时的大部分时间)在加热器处产生的声音先于灯开启，则信号数据特征的可重复性可能高于第一阈值。可以了解，第一模型101的训练可以在训练时间段之后继续，以使得第一模型101可以在第一模型101的正常使用期间被改进和/或更新。备选地或者另外地，可以使用无监督学习来训练第一模型，以使得第一模型101可能不需要被预先训练。用户可以开始使用上述示例实施例的装置，并且第一模型101可以在装置处于使用中时开始学习传感器数据
特征和事件之间的相关性。例如，第一模型101可以包括神经网络。可以基于无监督学习中的机器学习原理和/或通过来自用户的手动输入来更新和/或改进第一模型101的一个或多个参数。
59.图11是根据示例实施例的系统的框图，一般性地由参考标号110指示。系统110包括用户设备121、第一设备117、第二设备118和第三设备119。第一设备117、第二设备118和第三设备119可以产生一个或多个声音或者噪声，其可以是对用户设备121的用户或者一个或多个其他用户造成干扰或可能造成干扰。例如，第一设备117可以产生噪声，其可以是第一事件112。事前标记111被确定为指示第一事件112的预测。第二设备118可以产生噪声，其可以是第二事件114。事前标记113被确定为指示第一事件114的预测。第三设备119可以产生噪声，其可以是第三事件116。事前标记115被确定为指示第三事件116的预测。用户设备121可以接收事前标记111、113和115中的每一个的传感器数据，并且因此可以预测第一事件112、第二事件114和第三事件116的发生。当用户设备121预测事件的发生时，用户设备121可以执行一个或多个事件掩蔽动作以掩蔽第一事件112、第二事件114、以及第三事件116，如图12中所示。
60.事件掩蔽动作可以用来掩蔽来自所有能够感知它们的用户的一个或多个事件。例如，调整房间中的光水平以便掩蔽房间内的视觉事件可以为存在于房间中的所有用户提供掩蔽，并且因此能够看到视觉事件。然而，在一些实施例中，可以仅对能够感知被掩蔽的事件的用户子集执行掩蔽。例如，可能希望对除单个用户之外的所有人掩蔽事件的声音。这种情况的一个示例可能是卧室，其中两个或更多用户正在睡觉，并且其中只有一个用户希望体验事件——例如，只有一个用户希望被闹钟唤醒而其他用户希望继续睡觉。
61.图12是根据示例实施例的系统的框图，一般性地由参考标号120指示。用户设备121可以执行事件掩蔽动作122以便掩蔽第二事件114(即，由第二设备118产生的噪声)。事件掩蔽动作122可以是听觉动作，诸如，例如使用用户设备121的一个或多个扬声器、一个或多个外部扬声器、或用户和/或其他用户的一个或多个头戴式耳机或耳机产生声音。所产生的声音可以导致掩蔽、消除、减轻或者减少由设备118产生的噪声对用户或者其他用户的影响。
62.为了完整起见，图13是用于实现上述算法的一个或多个模块的组件的示意图，在下文中被统称为处理系统300。处理系统300可以具有处理器302、耦合到处理器并由ram 314和rom 312组成的存储器304、以及可选的观众输入310和显示器318。处理系统300可以包括用于连接到网络的一个或多个网络接口308，例如可以是有线或者无线的调制解调器。
63.处理器302连接到每个其他组件以便控制其操作。
64.存储器304可以包括非易失性存储器、硬盘驱动器(hdd)或固态驱动器(ssd)。存储器304的rom 312尤其存储操作系统315并且可以存储软件应用316。处理器302使用存储器304的ram 314来临时存储数据。操作系统315可以包含代码，代码在由处理器执行时实现算法50的各方面。
65.处理器302可以采取任何合适的形式。例如，它可以是一个微控制器、多个微控制器、一个处理器或者多个处理器。处理器302可以包括处理器电路。
66.处理系统300可以是独立的计算机、服务器、控制台或者其网络。
67.在一些实施例中，处理系统300也可以与外部软件应用相关联。这些可以是存储在
远程服务器设备上的应用，并且可以部分地或者专门地在远程服务器设备上运行。这些应用可以被称为云托管应用。处理系统300可以与远程服务器设备通信，以便利用存储在那里的软件应用。
68.图14a和图14b示出了有形介质，分别是存储计算机可读代码的压缩盘(cd)368和可移动存储器单元365，计算机可读代码在由计算机运行时可以执行根据上述实施例的方法。可移动存储器单元365可以是记忆棒，例如usb记忆棒，具有存储计算机可读代码的内部存储器366。计算机系统可以经由连接器367访问存储器366。cd 368可以是cd-rom或者dvd或者类似物。可以使用其他形式的有形存储介质。
69.本发明的实施例可以以软件、硬件、应用逻辑或者软件、硬件和应用逻辑的组合来实现。软件、应用逻辑和/或硬件可以驻留在存储器或任何计算机介质上。在示例实施例中，应用逻辑、软件或者指令集被维持在各种传统计算机可读介质中的任何一种上。在本文档的上下文中，“存储器”或者“计算机可读介质”可以是任何非暂时性介质或装置，可以包含、存储、通信、传播或者传送指令以供指令执行系统、装置或者设备(诸如，计算机)使用或者与之结合使用。
70.在相关的情况下，对“计算机可读存储介质”、“计算机程序产品”、“有形体现的计算机程序”等或者“处理器”或者“处理电路”等的引用应被理解为不仅涵盖具有不同架构(诸如，单/多处理器架构和定序器/并行架构)的计算机，而且还涵盖专用电路，诸如，现场可编程门阵列fpga、专用电路asic、信号处理设备和其他设备。对计算机程序、指令、代码等的引用应被理解为表达用于可编程处理器固件的软件，诸如作为用于处理器的指令的硬件设备的可编程内容或者用于固定功能设备、门阵列、可编程逻辑器件等的已配置或者配置设置。
71.在本技术中，术语“电路系统”是指以下所有内容：(a)纯硬件电路实现(诸如仅在模拟和/或数字电路中的实现)和(b)电路和软件(和/或固件)的组合，诸如(如果适用的话)：(i)(多个)处理器的组合或(ii)(多个)处理器的各部分/软件(包括(多个)数字信号处理器)、软件和(多个)存储器，它们一起工作以使诸如服务器之类的装置执行各种功能，和(c)需要软件或者固件用于操作的电路(诸如(多个)微处理器或者(多个)微处理器的一部分)，即使该软件或固件实际上并不存在。
72.如果期望的话，本文讨论的不同功能可以以不同的顺序来执行和/或彼此同时执行。此外，如果期望的话，上述功能中的一个或多个可以是可选的或者可以进行组合。类似地，也应当了解，图5的流程图仅是示例并且其中描绘的各种操作可以被省略、重新排序和/或组合。
73.应当了解，上述示例实施例纯粹是说明性的并且不限制本发明的范围。在阅读本说明书后，其他变化和修改对于本领域技术人员将是显而易见的。
74.此外，本技术的公开应当被理解为包括在本文中明确或者隐含地公开的任何新颖特征或者特征的任何新颖组合或其任何概括，并且在本技术或从其衍生的任何申请的诉讼期间，新的权利要求可以被制定为覆盖任何此类特征和/或此类特征的组合。
75.尽管在独立权利要求中阐述了本发明的各个方面，但是本发明的其他方面包括来自所描述的实施例和/或从属权利要求的特征与独立权利要求的特征的其他组合，而不仅仅是在权利要求中明确阐述的组合。
76.在本文中还应注意，虽然以上描述了各种示例，但是这些描述不应被视为限制性的。相反，在不脱离如所附权利要求所限定的本发明范围的情况下，可以进行若干变化和修改。