感官地板系统和包括感官地板系统的感官地板

1.本发明总体上涉及一种感官地板系统和一种包括感官地板系统的感官地板。特别地，本发明涉及但不限于地板垫监视系统和能量采集系统的最小化电极设计。


背景技术：

2.为了响应智能家居、智能建筑或智能国家的愿景，将附加功能整合到物理环境的现有特征中会很有用。例如，地板垫可以配备有用于感测功能和能量采集功能的先进传感器。
3.由于地板的面积通常很大，所以感官条款通常采用地板垫阵列来实现感测目标。在当前设备中，地板垫阵列的每个感测像素具有单独的顶/底电极或行/列电极来执行感测功能。对于具有n
×
n像素的大型阵列，电极的总数可能与n一样重要，即对于顶/底电极或行/列电极构造分别为2n2或2n。如此大量的电极会导致系统布局、电信号读出和处理变得非常复杂。
4.因此，期望提供一种避免电极的大量和复杂布局的感官地板系统或感官地板。
5.在一些安全应用中，相机监控是期望的，但由于隐私问题而难以实现。为了保护公司在监控活动期间不侵犯人们的隐私，并且还保护人们在例如视频捕捉期间隐私不被侵犯，已经提出了诸如激光束扫描之类的光学方法作为潜在的解决方案。使用这种方法获取的感官信息有限，并且激光束很容易被其他物体阻挡。这导致信息丢失和感测不准确。此外，这种系统的实施和操作成本高且耗电。因此，它与智能建筑/家居的可持续发展相悖。
6.因此，通过减少隐私考虑事项的影响，期望提供一种可替选的机制来出于安全目的监视多个区域。


技术实现要素：

7.公开了一种感官地板系统，包括：
8.多个地板段；和
9.用于每个地板段的一个或多个电极部，每个电极部响应于施加到地板段的力，
10.其中，地板段的至少一个电极部与另一个地板段的至少一个电极部形成电极，并且
11.其中，每个地板段包括一个或多个电极部的独有编码。
12.本文中使用的术语“编码”可以指诸如使用各种叉指方案的物理编码、诸如使用网格像素覆盖的变化的空间编码、包括将不同传感器连接在一起的连接性编码等。
13.每个地板段的每个电极部可以与另一个地板段的至少一个电极部电连接，以形成电极。所连接的电极部可以是常见类型的。常见类型可以是压力传感器和能量采集器中的一种或多种。针对每种常见类型，所有地板段的所有电极部被连接以形成单个电极。换言之，可以连接相同类型的所有电极部以形成单个电极。
14.每个地板段可以被覆盖地板段的面积的独有比例的每个地板段的一个或多个电
极部独具地编码。独有比例可以包括地板段的面积的百分比。地板段的面积的比例可以被一个或多个电极部随机覆盖。
15.每个地板段可以通过下列方式被独具地编码：
16.地板段的一个或多个电极部覆盖地板段的面积的独有比例；和
17.地板段的电极部中的至少一个的材料不同于另一个地板段的电极部中的至少一个的材料。
18.每个地板段可以包括两个或更多个电极部，并且通过在地板段被施加力时，具有两个或更多个电极部的功率输出的特定比率，每个地板段被独具地编码。每个地板段可以包括两个电极部。每个地板系统的电极部可以是叉指型的或被交叉的。可以选择一个或多个电极部的宽度以优化特定比率的一致性。例如，宽度可以选择性地保持较小，因此施加力的方向(例如由用户施加)或一致的落脚面积(例如)实质上不会影响该比率。
19.两个或更多个电极部可以是感测电极部。
20.每个地板段可以包括至少一个感测电极部和至少一个参考电极部，并且通过在地板段被施加力时，当与至少一个参考电极部的功率输出相比时的至少一个感测电极部的功率输出的特定比率，每个地板段被独具地编码。至少一个感测电极部可以包括具有两个或更多个感测电极部的第一传感器，并且对于每个地板段，两个或更多个感测电极部的不同组合被电连接，并且未被电连接的电极部是冗余的。至少一个感测电极部可以作为代替或另外包括第一传感器和第二传感器，每个传感器包括一个或多个感测电极部，并且对于每个地板段，两个或更多个感测电极部的不同组合被电连接，未被电连接的电极部是冗余的。
21.每个地板段可以进一步包括至少一个能量采集电极。
22.本文也公开了一种感官地板，包括：
23.上述感官地板系统；
24.接收器，用于从由地板段的一个或多个电极部形成的一个或多个电极接收电输出；和
25.处理器，用于分析电输出并辨识产生电输出的地板段。
26.感官地板可以进一步包括用于确定感官地板周围的至少一种环境条件的至少一个环境传感器，处理器被配置为基于来自至少一个环境传感器的信号来调整电输出的分析。
27.处理器可以被配置为检测电输出的幅度和产生电输出的地板段的序列中的至少一个的模式。处理器可以进一步被配置为基于模式辨识人。例如，处理器可以基于地板段的电输出独具地辨识特定的人。处理器可以包括神经网络，神经网络被配置为基于从每个对应电极的输出中提取的特征来检测与特定的人相对应的特征。可以基于从一个或多个人穿过感官地板的多次试验获得的数据来训练神经网络。
28.处理器可以被配置为根据电输出的幅度来辨识在感官地板上的人的特定位置。
29.有利地，一些实施例使得能够检测到跌倒——例如，其中在感官地板上的人的位置是可检测的实施例。
30.有利地，本文公开的系统使用摩擦电材料，使电极中的信号能够自生成，并为制造商和用户提供广泛的材料选择。
31.有利地，本文公开的系统具有很少的电极。与具有大量电极的系统相比，这提高了
制造的便利性。
32.有利地，本系统可以是薄的。这使它们能够灵活并易于附接到地板上。
33.有利地，本发明的实施例能够被丝网印刷。因而，它们可以制造用来大面积应用。
附图说明
34.现在将参考附图以非限制性示例的方式描述本发明的实施例，其中：
35.图1示意性地示出了包括感官地板系统的感官地板；
36.图2a是智能地板监视系统以及位置感测、活动监视和个体识别在智能建筑/家居场景中的潜在应用的概念图；
37.图2b是具有3
×
4排列的组装摩擦电dles垫阵列的特写图；
38.图2c示出了地板垫阵列，以及具有40％电极覆盖率的单个地板垫的插图；
39.图2d示出了具有不同电极覆盖率的地板段的详细电极布局；
40.图2e和图2f示出了当人走上/走下电极覆盖率较小(图2e)和电极覆盖率较大(图2f)的地板垫时并联连接的地板垫阵列的运行机制，其中分别生成幅度相对较小和较大的输出信号；
41.图3a至图3f示出了具有0％(图3a)、20％(图3b)、40％(图3c)、60％(图3d)、80％(图3e)和100％(图3f)覆盖率的单个dles垫的输出性能；
42.图3g示出了从图3a至图3f得出的最大电压、最小电压和峰-峰电压——误差条表示标准偏差；
43.图3h示出了穿戴ptfe鞋的不同用户对输出性能的影响；
44.图3i示出了相同用户穿戴的不同接触材料对输出峰-峰电压的影响；
45.图3j和图3k示出了具有1mω外部负载(图3j)和100mω外部负载(图3k)的垫的电压响应和输出；
46.图4a至图4j涉及电极连接方案的研究，其中，图4a是将12个dles垫并联连接成一个输出电极的示意图，图4b至图4e示出了在1mω(图4b和图4c)和100mω(图4d和图4e)外部负载上进行两轮前后行走产生的输出电压和相应的峰-峰电压幅度，图4f是所有dles垫间隔并联连接成两个输出电极的示意图，图4g至图4j示出了在1mω(图4g和图4h)和100mω(图4i和图4j)外部负载上进行两轮前后行走产生的输出电压和相应的峰-峰电压幅度；
47.图5a至图5g示出了用于位置/轨迹检测和活动监视的dles垫阵列，其中，图5a是构建的具有两个输出电极的3
×
4dles垫阵列的示意图，图5b至图5f示出了在dles垫阵列上的两轮前后行走轨迹期间产生的电压，图5g示出了根据输出信号幅度和频率对慢走、正常走、快走、跑步和跳跃的活动监视；
48.图6a到6f示出了具有集成深度学习辅助数据分析的智能地板监视系统(感官地板)，其中，图6a是用于在智能建筑/家居应用中进行实时位置感测和个体识别的智能地板监视系统的整体结构和数据流；图6b是卷积神经网络(cnn)训练模型的详细结构，图6c示出了10个不同用户的个体识别的混淆矩阵，示出了96％的高准确度，图6d至图6f揭示了实时位置感测和个体识别的不同阶段，其中，人在位置1(图6d)、位置2(图6e)和位置3(图6f)；
49.图7是具有网格电极设计的地板垫阵列，其中，电极覆盖率从10％至90％不等，增量为10％；
50.图8a至图8g示出了图7的网格电极设计的输出性能，其中，图8a和图8b示出了来自10％地板垫的八个测试方向的输出电压；图8c和图8d示出了来自50％地板垫的八个测试方向的输出电压，图8e和图8f示出了来自90％地板垫的八个测试方向的输出电压，图8g示出了来自八个方向的输出的幅度比较，以及图8h是来自电极覆盖率为10％至90％的不同地板垫的输出；
51.图9示出了具有idt电极设计的地板垫，其中示出了三个不同电极宽度比率；
52.图10a至图10f示出了idt电极设计的输出性能，其中左梳状电极为8mm，右梳状电极为4mm，其中，图8a示出了从左右电极以100mω负载测量的电压，图8b示出了v8mm/v4mm的计算电压比率，图8c示出了不同力、频率、位置和角度下的v4mm/v8mm，图8d示出了从左右电极以1mω负载测量的电压，图8e示出了v8mm/v4mm的计算电压比率，图8f示出了不同力、频率、位置和角度下的v4mm/v8mm，示出了更稳定的输出性能；
53.图11示出了具有编码电极设计的地板垫；
54.图12a至图12i示出了在100mω负载下具有不同感测电极连接(编码)的制作的地板垫的输出性能、连接示意图、来自所有电极的电压波形以及感测电极与参考电极的电压比率，以用于不同的编码s1：s1-1；s2：s2-1(图8a至图8c)，s1：s1-1 s1-2(图8d至图8f)和s2：s2-1 s2-2，和s1：s1-1 s1-2 s1-3，和s2：s2-1 s2-2 s2-3(图8g至图8i)；以及
55.图13示出了在1mω负载下具有不同感测电极连接(编码)的制作的地板垫的输出性能、来自所有电极的电压波形以及感测电极与参考电极的电压比率，以用于不同的编码s1：s1-1；s2：s2-1(图13a至图13c)，s1：s1-1 s1-2(图13d至图13f)和s2：s2-1 s2-2，和s1：s1-1 s1-2 s1-3，和s2：s2-1 s2-2 s2-3(图13g至图13i)，示出了对于不同编码的更高变化。
具体实施方式
56.本文公开了诸如智能地板系统的感官地板系统、以及采用那些系统的感官地板。当将电极结合到地板、地板垫等中时，地板系统采用各种设计方案。这样的地板系统可以用于本文所讨论的各种目的，包括监视人员的通过，并且在一些实施例中包括辨识个人。
57.出于安全目的，一些建筑和区域需要视频监控或激光扫描监控。这样的系统容易侵犯它们正在监控的个人的隐私，成本高，并且经常消耗大量的电。因此，此类系统与开发智能建筑的一般概念背道而驰。另一方面，地板作为人们最频繁交互的界面，可以实施有嵌入式传感器，以从诸如人类步行的活动中采集丰富的感官信息，包括室内位置、活动状态、个人身份等。
58.检测到的感官信息在特定应用中非常重要，诸如护理老人(例如，通过监视时域中的不规则输出信号——短时间内异常输出，然后无输出——来检测跌倒)，空调/照明的家居自动化以及安全监视。并入此类地板系统中的传感器涉及转换机制，诸如电阻、电容、压电和摩擦电机制。在这些机制中，压电和摩擦电机制特别有利。通过响应于机械刺激而自行生成电信号，系统级功耗降低，并且地板最终可被设计成可自我维持。
59.为了扩大现有的感官地板系统以覆盖大面积，感测像素和信号收集电极/通道的数量需要显著增加，从而在电极布局、互连和信号读出/处理/分析中引入极端复杂性。此外，制造大面积传统电阻式、电容式和压电传感器的成本是感官地板系统实际实施的主要
障碍。
60.本公开提供了一种低成本和大规模地板感测技术，该技术具有优化设计以降低用于例如智能建筑应用的系统复杂性。将低成本的摩擦电感测机制与大规模印刷技术相结合，提供了一种很有前景的解决方案。摩擦电传感器可以基于接触带电和静电感应的耦合效应产生自生电信号。这种传感器能够简化传感器配置，与当前的制造技术兼容，可扩展性高，几乎没有或没有材料限制，并且成本低。摩擦电机制和印刷技术(例如，喷墨和辊印)的结合为实现低成本、大规模和自供电的地板感测技术提供了良好的机会。在一些实施例中，本公开提供了结合这种摩擦电感测机制的地板系统。
61.本地板系统还有助于减少或最小化系统复杂性和信号收集电极/通道的数量。在一些布置中，多个电极，例如，4个电极，被布置在感测区域的边缘处。这些电极采用相对电极的输出比率来确定与感应摩擦电荷的接触位置。然而，随着感测面积的增加，由于耦合距离大，所以感应输出将变得非常小。因此，这种设计方案不适用于地板感测应用。另一可能方法是并联连接具有不同图案的不同电极，以减少总电极数量并仍保持良好的感测性能。这种布置需要来自每个电极图案的独有的类似指纹的信号。
62.现有的传感器布置和检测方法基于所采集的感测信号的时域数据分析，通常使用信号幅度和频率。这种分析方法获得一些信息，但可能会丢失感测信号中的一些重要特征，诸如身份信息。如本文所述的，为了从传感器中提取完整的感官信息，可以在监视系统中应用使用机器学习(ml)辅助数据分析的高级人工智能(ai)技术。
63.ai和iot的最近技术融合已经推动了人工智能物联网(aiot)系统的快速发展，aiot系统可以更智能地采集、分析和响应外部刺激，并在感官数据集上应用ml分析来实现个性化认证和对象/意图辨识。在一些实施例中，本发明的地板系统引入了可用于安全系统和认证、家居自动化和个性化医疗保健的ai处理功能。本文公开的支持深度学习的智能垫(dles垫，即，地板垫)可以使用摩擦电机制来实现智能、低成本和高度可扩展的地板监视系统。一般而言，本文公开的智能地板监视系统将最小化电极输出摩擦电地板垫阵列与基于高级深度学习(dl)的数据分析相结合。
64.dles垫可以通过丝网印刷和其他方法制造，这些方法在大面积应用中成本有效、高度可扩展并自我维持。在一些实施例中，为每个dles垫设计具有不同覆盖率的不同电极图案，模仿qr(快速响应)代码系统的独有标识。因而，在间隔方案中并联连接，并使用具有可区分和稳定特性的最小化电极输出(例如，两个)进行设计后，可以生产出整个dles垫阵列。
65.在一些实施例中，并联连接的dles垫使用输出信号的相对幅度(例如，输出信号的比率)用于室内定位和活动监视。此外，通过集成的基于dl的数据分析，可以使用卷积神经网络(cnn)模型从输出信号中提取与步行步态模式相关联的身份信息。同时，得益于最小化的两电极输出，与传统的图像或基于大量通道的处理相比，可以节省大量的计算资源。因此，为智能建筑/家居中的实时应用实现了更快的数据分析。
66.参考附图描述了先进的地板设计，其可以使用网格电极设计、叉指(idt)电极设计和编码电极设计中的至少一种来区分输出。图7示出了感官地板系统700的一个这样的示例。系统700包括多个地板段(例如，段702、704)。每个地板段702、704包括(电极710的)一个或多个电极部706、708。每个电极部706、708响应于施加到对应地板段702、704的力。地板段
702、704的至少一个电极部706、708与另一地板段702、704的至少一个电极部706、708形成电极710。此外，每个地板段702、704包括一个或多个电极部706、708的独有编码。
67.可以使用各种不同的技术来实现每个地板段702、704的独有编码。例如，可以使用独有的网格布置或密度，如图7中所示。在这样的实施例中，每个地板段的一个或多个电极部可以覆盖对应地板段的面积的独有比例。在进一步实施例中，使用每个都包括两个或更多个电极部的地板段实现独有编码，其中，当力被施加到地板段时，两个或更多个电极的功率输出比率对该地板段是独有的。这种独有编码可以针对每个地板段使用独有的叉指方案或设计来实现。
68.参考图1，其中示出了另一地板系统100。地板垫或段702的每个像素与每个其他像素分离。在像素中使用的电极以及因而至少部分地形成那些电极的电极部可以是使用特定编码方案的单一类型，或者可以是多种类型中的一种。电极的类型例如可以是能量采集电极、第一监视电极、第二监视电极等。在所示实施例中，来自所有像素的相同类型的电极部连接在一起以形成最小化电极输出——例如，单个电极。
69.电极由夹在摩擦或接触层106和基板108之间的金属层104形成。摩擦层106是人在对应地板段702上移动时施加接触力的行走表面。目前，具有相对高的摩擦电正性的pet薄层用作普通脚踩的摩擦表面或接触层。pet是一种具有高光学透明度的半结晶聚合物膜，厚度很薄为125μm，玻璃化转变温度为81.5℃。首先，为了生产个别地板垫，将大面积的pet薄膜切割成尺寸42cm
×
42cm的正方形。然后用底漆处理对pet薄膜的一侧进行预处理，以促进与后面印刷的电极层的粘附。之后，通过丝网印刷在经预处理的pet表面上印刷一层银浆作为电荷收集电极，然后使用热烘箱在130℃下热固化30分钟。银电极的印刷厚度约为15μm。接下来，将印刷有银电极的pet膜冷层压上一层80μm厚的pvc。pvc层用作支撑基板，在连接器焊盘上具有2cm
×
2cm的正方形开口，以用于布线。之后，铜线通过穿过开口的导电膏连接到电极，然后用薄kapton胶带密封。最后，将不同的预制地板垫粘贴在毛料地板上，并基于针对之后特征所研究的连接方案连接来自每个地板垫的电线。
70.由于每个像素的电极图案都是特定设计的，该特定设计提供了独有的编码。因此，来自像素的输出包含允许将像素与像素区分开来的自区分信息。在制造方面，可以采用喷墨印刷或丝网印刷高效地制造大面积、柔性、薄的地板垫。通过这些新颖的电极设计，只需最少数量的电极即可实现整个功能性地板垫系统。这种地板垫可以应用于涉及人类活动监视(例如，人的位置、步行/跑步/跳跃的活动类型、基于步行模式的人识别等)和从日常活动中收集能量的应用。所述的地板垫系统(即，感官地板系统)提供自生信号，具有柔性和薄的性质，允许多种材料选择，成本有效并且可以用于各种应用，诸如智能建筑、基于模式识别自动访问/拒绝访问区域、跌倒检测、安全、娱乐等。
71.在图2a中所示的感官或智能地板监视系统200中示意性地示出了采用这种地板系统100的潜在应用。感官地板200、dles垫阵列202附接到走廊地板204。当人206在dles垫阵列202上行走时，可以获取每一步的接触-分离运动产生的电信号。由每个像素或每个地板段生成的信号的独有性然后可以被用于人206的位置感测。
72.除了目前由dles垫阵列202体现的感官地板系统之外，感官地板202还包括接收器或信号采集模块208。模块208从由地板系统202的每个地板段210的一个或多个电极部形成的电极接收电输出。处理器210分析电输出并辨识产生电输出的一个或多个地板段。因而，
当人到达地板204上的特定位置时，系统可以打开相应位置上方的走廊灯212以进行照明。在一段时间没有检测到信号时，系统也可以关闭灯以节约能量。
73.通过集成的基于深度学习的数据分析，还可以根据不同的步行步态实现个体识别。所实现的个人识别可以用于自动访问或认证目的，例如，为识别的有效或认证用户打开门214。
74.根据摩擦电理论，在相同的接触条件下(例如，接触面积、压力等)，介电摩擦表面上应产生相同量的摩擦电荷。因此，在静电感应下收集的电荷根据介电表面(例如，摩擦表面106)下方的电极面积而变化。
75.通常，摩擦电传感器的输出可以通过可变电容模型进行分析。所产生的开路电压由voc＝q/c给出，其中，q是电极上的有效感应电荷(与电极面积正相关)，c是摩擦电传感器的等效电容。对于并联连接的摩擦电传感器，相同的等效电容在输出生成时共享。在这方面，具有不同电极面积的摩擦电传感器将产生不同幅度的输出，与电极上的有效感应电荷成比例，使它们在并联连接时可区分。因此，在智能地板监视系统200中，感官地板系统202的多个dles垫或段具有不同的电极覆盖率。
76.可以使用各种方法和材料来设计和制造多个段或地板系统。例如，可以通过在聚对苯二甲酸乙二醇酯(pet)膜上丝网印刷指定的电极图案并进一步用另一种聚氯乙烯(pvc)膜包装来制造。
77.在图2b中示出了感官地板系统的示意图。很明显，每个地板段包括电极部的独有编码。每个地板段的一个或多个电极部共同覆盖该地板段面积的独有比例。这被称为网格编码。每个地板段的面积的独有比例通常将包括每个地板段的百分比。例如，电极段所覆盖的段222和224的面积比例分别为100％和0％。在段226和228的情况下，被电极部覆盖的面积比例被图案化，并且在段230和232的情况下包括随机覆盖面积。
78.图2b中的放大图像说明了三个堆叠设备层，即pet摩擦层216、银(ag)电极层218和pvc基板层220。
79.图2c说明了组装好的地板垫阵列234，以及具有40％电极覆盖率的地板垫关于事件的柔韧性——在每种情况下比例尺为20cm长；
80.图2d示出了地板垫(即，地板段)的详细电极图案。使用了六种电极覆盖率，范围从0到100％，步长为20％。步长的大小在被激活(即，在使用过程中被施加力)的地板段之间的明显区别与地板段的数量之间实现了合理平衡。黑色区域表示印刷的银(ag)电极部。从每个段中黑色区域与白色区域的比例可以看出覆盖率。电极互连由贯穿地板段的均匀网格线提供。
81.竖直和水平网格电极线形成20
×
20的空方格阵列(20mm
×
20mm)，可以进一步选择空方格来填充ag以实现不同且均匀分布的电极覆盖率。尽管已经使用了20
×
20阵列，但是对于特定应用，可以使用任何适当大小的阵列。
82.在实施例中，20、40、60和80％的所有电极图案在制造期间使用相同的20％印刷掩模获得。这可以通过在应用于同一地板段的连续印刷循环期间改变印刷掩模的方向来实现。例如，在掩模朝上的情况下，印刷产生20％的覆盖率。之后，在同一段上掩模朝下进行进一步的印刷循环，覆盖率达到40％。掩模向右和向左定向的后续打印循环将分别产生60％和80％的覆盖率。因此，可能只需要一个印刷掩模，这可以降低制造成本。
83.为了以简单方式阐明组装的dles垫阵列的操作机制，以两个dles垫或感官地板段并联的配置为例——参见图2e。这里采用的pet摩擦层相对带正电。结果，最常见的材料(例如，袜子和鞋底)在与其接触后会带负电。这使pet摩擦层带正电。之后，当人踩到电极覆盖率较小的段时，如图2e中所示，一定量的电子会被排斥，通过外部电路流向大地，直到实现新的静电平衡。根据上述理论模型，流动电子的量与电极覆盖面积成比例。因而，踩在电极覆盖率较低的地板段上会产生较小的输出电流/电压脉冲。
84.当人离开地板段时，相同量的电子从地面流回电极。这在外部电路中产生反向电流/电压脉冲。
85.相比之下，当人走上和走下电极覆盖率较高的地板段时(图2f)，更大量的电子将在外部电路中流动。这产生更大的输出电流/电压脉冲。通过设计不同的电极覆盖率，因而可以采用产生的具有不同相对幅度的摩擦电信号来区分来自不同地板段(例如，dles垫)或感官地板的输出，并确定人在其上的相应行走位置。
86.在下文中，术语dles垫将与地板段互换使用。为了说明输出和连接方案：在六个制造的dles垫(0-100％)并联连接的情况下，来自每个地板垫的输出首先以穿着聚四氟乙烯(ptfe)鞋底的鞋的右脚和左脚，在四个方向(即，n，北；e，东；s，南；w，西)的重复踩踏运动为特征。图3a至图3f中示出了6个dles垫在1mω外部负载上生成的输出电压，dles垫的覆盖率分别为0％、20％、40％、60％、80％和100％。应注意，信号随着覆盖范围的增加而变大。而且，无论对应段上的踩踏方向(例如，n、s、e和w)如何，信号基本上都是一致的。
87.摩擦电dles垫的输出电压由示波器(安捷伦dso-x3034a)测量，记录阻抗为1mω和100mω，以进行波形比较。在电压和功率特性与不同电阻器负载的关系方面，不同负载上的输出电压由并联连接的吉时利6514静电计测量。使用公式p＝v2/r计算相应电阻器负载上的峰值功率，其中，p、v和r分别是电阻器负载的峰值功率、测得的输出电压和电阻。至于电容器充电，也使用与电容器并联连接的吉时利6514静电计测量不同电容器上的电压。
88.图3g总结了最大电压、最小电压和峰-峰电压的平均输出趋势。可以清楚地观察到所有三个输出电压的预期绝对幅度，示出了与电极覆盖率的正相关关系。为了最大限度地区分不同dles垫的输出，峰-峰电压用于信号分析和以后的表征。
89.图3h示出了穿着ptfe鞋的不同用户(u1、u2和u3)对输出性能的影响；尽管不同用户的输出幅度不同，但每个用户的相对输出幅度的增量趋势相似，这表明dles垫设计在个体位置感测中的适用性。用户在dles垫上的位置可以通过关于来自0％dles垫的输出的相对输出幅度来确定。
90.图3i示出了由同一用户穿戴的不同接触材料横穿感官地板的效果，感官地板包括具有用于地板段的dles垫的感官地板。实验中使用的不同材料是棉袜、乙烯醋酸乙烯酯鞋和ptfe鞋。不同材料引起从所有材料观察到的相对输出幅度的相似增量趋势。这再次演示了地板垫设计在位置监视场景中的适用性。当在100mω负载上测量所产生的输出电压时，可以实现类似结果。应注意，由于100mω负载具有更高的电阻，因此100mω负载可以实现更高的绝对幅度，但相对输出幅度表现出类似的趋势。然而，由于更高的测量电阻，所以在100mω负载上产生的输出脉冲需要更长时间来放电(rc放电)，导致整体信号在每个重复的踩踏周期中向上移动。在图3j和图3k中可以找到具有不同放电时间的1和100mω负载的详细输出波形。
91.每段有唯一的电极使它们能够被并联连接。这减少了输出电极的数量。如图4a中所示，构建了一维布置的12个dles垫(2组0-100％)的并联连接。当人随后在12个dles垫上行走时，在1mω负载和100mω负载上产生的电压分别如图4b和图4d中所示。除非另有说明，否则这里和之后均采用ptfe作为接触材料。重复两轮前后行走，第一轮左脚先踏，第二轮右脚先踏。可以看出，由于放电时间慢得多，所以100mω负载上的输出电压具有更宽的脉冲宽度。这导致相邻电压脉冲的重叠和输出信号的失真。
92.从图4b和图4d中提取的相应峰-峰电压分别绘制在图4c和图4e中。与100mω负载相比，由于1mω负载的快速放电时间，所以对于1mω负载可以观察到相对幅度的更稳定的增量-减量趋势。然而，由此产生的电压趋势仍不能令人满意，与理想的增量-减量趋势存在明显偏差。这种偏差是由来自两个同时踩踏运动的两个相反电压脉冲(即，踩上下一个dles垫产生的负脉冲和离开(脱离)前一个dles垫产生的正脉冲)的重叠引起的。
93.因此，为了提高检测到的输出电压的信号稳定性，实施间隔并联连接，如图4f中所示。通过图4g至图4j中所示的测量结果，相应的输出电压对于1mω负载和100mω负载两者表现出更稳定的增量-减量趋势。这是因为消除了相邻dles垫上行走运动的干扰。也就是说，在进入下一个与同一输出电极连接的dles垫之前，可以在一个dles垫上完全完成一次行走动作(踩上和离开)。因此，感官地板系统中的相邻地板段或像素可以与分别不同的电极相关联。例如，地板段和相关联的电极可以根据图案交替或改变，或者每个电极可以在感官地板系统的每一步或步幅长度中与单个地板段连接，或者取决于预定或预期的步幅长度在另一距离上连接。这避免了生成的信号波形中的重叠电压脉冲，并产生了更理想的增量-减量趋势。可以得出同样的结论，间隔并联连接对信号检测和分析产生了更稳定和理想的增量-减量趋势。因此，在一些实施例的感官地板系统中采用具有两个(或在一些情况下多于两个)输出电极的间隔并联连接方案，以有效地减少所需感测电极的数量，同时实现不同dles垫之间的期望区分。
94.基于上述特征，采用间隔并联连接方案来实现二维dles垫阵列，以用于实际位置感测应用。这反映在图5a中。每组六个地板垫连接到一个电极，因此整个3
×
4阵列只需要两个输出电极。示意图中的12个数字(1-12)表示dles垫沿感官地板的顺序编号。利用沿不同轨迹的两次重复的前后循环(在第一个循环中左脚先踏，在第二个循环中右脚先踏)实施步行测试，以验证dles垫阵列的位置感测能力，如图5b至图5f中所示。
95.根据在与图4a至图4j相关联的研究中获得的相对幅度趋势，具有较高峰-峰幅度的电压脉冲由具有较高电极覆盖率的dles垫产生。例如，在图5b中，人在dles垫阵列的第一行上行走，垫1(0％)和垫3(60％)连接到电极2(e2-输出v2)，垫2(100％)和垫4(40％)连接到电极1(e1-无输出v1)。从两个循环中的输出电压，可以观察到两个电极上的电压幅度有明显的趋势。从垫1向前走到垫4，首先在e2(0％)上产生幅度最低的输出电压脉冲，然后在e1(100％)上产生幅度最高的输出电压脉冲。接下来，在e2(60％)上产生幅度相对较小的输出电压脉冲。最后，在e1(40％)上产生幅度较小但仍大于第一脉冲的输出电压脉冲，直到人离开dles垫阵列并且不产生输出电压。
96.可以观察到从垫4到垫1向后行走的反向输出电压序列。在两个循环中可以观察到相同的输出电压趋势，表明dles垫阵列用于位置感测的稳定性。类似地，对于图4c至图4f中所示的其他行走轨迹，也可以基于两个输出电极上产生的电压信号及其相对幅度来实现位
置感测和行走轨迹检测。这种实时位置感测能力使dles垫阵列能够在自动化控制(诸如照明和空调)和跌倒检测(通过在短时间内检测到由于跌倒引起的快速接触导致的多个峰值的异常信号模式并在之后没有输出)的应用场景中应用。
97.除了位置感测，dles垫阵列还可以适于活动监视和我们日常活动中的潜在能量采集。图5g描绘了人在dles垫阵列的中间行以前后方式进行五种不同类型活动的输出信号，即慢走、正常走、快走、跑步和跳跃。基于输出信号的整体幅度和时间段(频率)，可以容易地区分不同类型的活动，表明活动监视能力。在这一点上，dles垫阵列可以应用于锻炼监视中的潜在医疗保健应用，包括锻炼类型、锻炼持续时间以及基于锻炼类型和持续时间的燃烧卡路里。接下来，在正常行走的情况下，测量dles垫阵列关于不同外部电阻的输出电压和功率。在正常行走时，在1.96mω时可以获得8.57μw的最大输出功率。由于dles垫阵列的大电容，根据voc＝q/c，相同踩踏运动的饱和输出电压(接近开路电压)相对低。使用更小的dles垫面积/电容，可以提高饱和电压以实现更有效的能量采集。因而，还测量了40cm
×
40cm和30cm
×
12cm的单个dles垫(100％)的输出。随着饱和电压大大提高，面积更小，但匹配电阻也增加。对于40cm
×
40cm和30cm
×
12cm的dles垫，100mω时的最大输出电压分别为55.0和144.0v，而最大输出功率为169.46μw(在9.10mω)和800.84μw(在13.79mω)。
98.在实际应用中，整流后的输出电压可以应用于为电容器充电，作为智能建筑中其他iot设备的可持续电源。在将27μf电容器充电至8v后，所存储的能量足以支持传感器的一个操作周期。这些结果表明，所开发的dles垫可以支持具有间歇性功能的iot设备的操作。
99.因此，感官地板系统或并入感官地板系统的感官地板可以包括外部负载/电阻。外部负载可以基于正常使用期间感官地板系统上连续脚步之间的预期时间来选择——例如，电容放电时间可以被设置成等于或略小于与特定电极相关联的地板段上的连续脚步/踏步之间的预期时间。
100.当将dles垫阵列与dl辅助信号分析集成时，可以实现智能地板，智能地板实现了位置/活动感测的监视功能以及个体的识别/辨识。一个人的步行步态模式与其他人不同。这种步态可以产生独有的输出信号来识别个体。
101.在图6a中示出了用于实现识别的感官地板系统的整体结构。当人走过dles垫阵列时，人类脚步的周期性接触-分离运动产生摩擦电输出信号。这些生成的信号然后由信号采集模块采集，信号采集模块在本实施例中位于arduino mega 2560微控制器中。为了生成用于个体识别的训练数据，来自每个通道的信号数据记录了1600个数据点(总共2个通道)，并为每个用户收集了100个样本(80％用于训练，20％用于测试)。完整的数据集由10个不同的用户构建，总共有1000个样本。dl模型是基于cnn创建的，以提供高识别性能，其中，用于构建cnn模型的参数在图6b中被标出。在cnn模型经过50个训练时期(epoch)的训练过程后，可以实现最大准确率，并且cnn模型能够足够泛化以避免过拟合。平均识别准确率为96.00％(图6c)，为基于dl预测的高准确率控制提供了巨大潜力。
102.还可以对不同通过状态(即，正常步行、快速步行、跑步)的同一用户进行识别测试，以演示智能地板监视系统在各种情况下的适用性。经训练的dl模型能够以89.17％的准确率区分4个用户的不同通过状态(12个类别)。此外，如果将同一用户的所有通过状态设置为一个单独的标签(仅区分用户而不知道其通过状态)，训练后的测试集的准确率达到91.47％。这些结果表明，即使用户以不同方式通过dles垫阵列，智能地板监视系统仍能以
91.47％的高准确率识别和辨识用户。
103.为了演示实际使用场景，建立了模拟真实走廊的虚拟走廊环境，以反映人在dles垫阵列上的实时状态，包括通过峰值检测进行位置感测和通过dl预测进行个体识别。与通常涉及视频拍摄的基于相机的监视不同，感官地板系统在虚拟环境中使用人的数字孪生，仅示出特定人的位置信息和身份，这是自动化、医疗保健和安全应用所需的基本参数。
104.在图6a中示出了信号采集和分析过程的总体流程。当人第一次踏上位置1上的dles垫阵列(600)时，从e1(20％垫)产生小的负峰值。接收器采集信号(602)并且感官地板的处理器的微处理器控制单元(mcu)被配置为分析包括峰值的信号(604)。mcu可以采用初始峰值或小的负峰值作为触发信号。作为响应，处理器将(用户的)数字孪生移动到第一dles垫(606)。处理器还可以打开相应的灯，灯1，或切换设备(例如，打开门)，如图6d中所示。
105.当人继续行走时，产生来自e2(80％垫，作为将数字孪生移动到第二dles垫的触发信号)的大负峰值和来自e1(20％垫)的小正峰值。然后在踏上位置2时，从e1(60％垫)产生幅度相对小于80％垫的负峰值，用作将数字孪生移动到第三dles垫并打开相应的灯2或切换设备的触发信号，如图6e中所示。在步行穿过整个dles垫阵列并到达位置3后，从两个电极生成完整周期的输出信号，如图6f中所示。这反映了人独特的步行步态。然后由经训练的dl模型分析完整周期的输出信号(608)以预测此人是否是可使用系统600控制门的房间的有效用户(步骤610)。如果此人是有效用户，则授予对房间的访问权并且门将打开。否则，访问被拒绝，门将保持关闭。
106.由于信号处理和分析所花费的时间，真实和虚拟空间中的运动之间存在小的延迟。在这种场景下，个人身份仍然会因某些隐私问题而被泄露。在只需要识别有效和无效用户的情况下，可以植入另一种方法来更好地保护隐私。在dl模型的训练阶段，将不包含带有隐私信息(如人名)的标签，而仅包含针对所有具有有效访问权的用户的“有效用户”标签。因而，感官地板处理器可以简单地区分有效用户和无效用户。因此，系统不会辨识感官地板上的特定人，而是辨识感官地板上的人是被分类为有效还是无效。当人以被识别的步行模式在dles垫阵列上行走时，可以显示“有效用户”的消息，而不会泄露此人的任何隐私信息，并且门将自动打开。然后，如果他们的步行模式未被识别，则将显示“无效用户”的消息，并且门将保持关闭状态。这样就可以在不泄露人的身份和隐私信息的情况下实现对有效和无效用户的识别。总体而言，在该演示中，可以成功实现对行走在dles垫阵列上的人的实时位置和个体识别，示出了智能地板监视系统在智能建筑相关自动控制和安全访问方面的巨大潜力。
107.在步骤608，感官地板的处理器采用dl训练模型。dl训练模型包含卷积神经网络。卷积神经网络可以具有任何适当的结构。目前，卷积神经网络包括输入、交替的卷积层序列和最大池化层，然后是完全连接的输出层。从dles垫阵列产生的摩擦电信号由arduino mega 2560微控制器中的信号采集模块实时采集。为了采集用于个体识别的训练数据，来自每个通道的信号数据记录了1600个数据点(总共2个通道)，并为每个用户的步行模式收集了100个样本。80个样本用于训练(80％)，20个样本用于测试(20％)。为10个不同的用户构建数据集，总共1000个样本。系统中使用的cnn模型配置如下：应用分类交叉熵函数作为损失函数，自适应矩估计(adam)由于其优化收敛速率而被用作更新规则，并使用预测准确度
来评估模型训练。cnn模型是用python开发的，带有keras和tensorflow后端。在标准的消费级计算机上训练基于特征的模型。可以使用keras回调在训练期间调整学习速率。
108.上图示出了如何使用感官地板，并说明了地板段的一些组成。其余的图和所附描述深入探讨了地板编码方案及其实际应用的结果。
109.在图7中示出了网格电极设计。对于每个地板垫，使用网格线金属图案来定义电极像素覆盖区域并用于所有金属图案的互连。通过用金属填充像素覆盖区域，可以实现不同的电极覆盖率，例如，0％，10％，20％，...，90％至100％。电极覆盖率被定义为每个地板垫中填充金属的像素与总像素之比。
110.图7示出了9个地板垫的阵列，电极覆盖率从10％至90％。地板垫并联连接成单个电极输出712。这使电极的数量最小化。还示出了电极覆盖像素的定义和尺寸，其中，网格线宽度可以从μm范围变化到mm范围。像素长度也可以根据应用要求和制造技术而变化。
111.图8a至图8f分别示出了在八个不同方向(北、东北、东、东南、南、西南、西和西北)上穿着棉袜脚踩时来自10％、50％和90％地板垫的输出电压。首先，由于更高的电极覆盖率和更高的摩擦电荷感应效率，输出逐渐从10％、50％增加到90％。对于同一个地板垫，由于地板垫上的填充像素随机且均匀分布，因此所有八个方向的输出都表现出相似的水平。理论上，覆盖电极像素越小，在不同方向引入的变化就越小。图8g示出了来自10％地板垫的八个方向的幅度比较，示出了48v附近的相似输出水平。就图8h中示出的不同地板垫(10％至90％)的输出而言，输出随着电极覆盖率而增大。这表明可以通过正常人行走的输出信号幅度来实现地板垫之间的区分。这里可以采用更先进的信号分析技术(诸如机器学习)，以基于上文讨论的输出信号模式来帮助识别不同的人、位置和活动状态。
112.摩擦电输出可能受到不同的操作方法和环境因素的影响。这些操作方法和环境因素影响输出信号幅度和波形模式。因此，网格电极设计可能需要具有先进的分析技术，以便于在操作时检测特定的地板垫。代替网格图案，可以使用叉指型的或交叉的(idt)电极设计。idt设计基于左梳状电极与右梳状电极的电压比，并显示出高鲁棒性和可靠性。这是通过中和两个电极的输出电压比的变化来实现的结果，因为变化对两个电极的影响是相同的。因此，感官地板系统可以被配置为使用电极部的叉指结构来抵消输出(例如，来自两个或更多个电极的电压比)的变化。
113.在图9中示出了典型的电极布局，左梳状电极宽度被定义为w1，右梳状电极宽度被定义为w2(两者都可以在μm至mm范围内)。在这种设计中，所有地板垫的左电极连接在一起，然后所有地板垫的右电极连接在一起，导致整个地板垫系统总共有两个电极。通过取电压比，检测与踩踏力、速度、频率等无关。因此，输出比计算对于位置监视、环境变化以及用户的体型和体重变化具有很高的鲁棒性。理论上，如果idt间距足够小(即，电极宽度足够小)，电压比检测也与踩踏位置、方向、角度等无关。此外，与网格电极部设计相比，可以通过idt电极部设计实现更高的能量采集效率，这是因为整个表面都覆盖有电极图案。
114.图10a至图10c示出了在棉袜踩踏时100mω负载下的电压测量结果。可以观察到，电压的绝对幅度随着踩踏力的增大而增大。然而，电压比(v8mm/v4mm和v4mm/v8mm)在不同的力(小、中、大)、频率(小、中、大)、位置(中、前、后、左、右)和角度(前、左前、右前、左、右)方面保持在相似的水平内。电压比的不理想或变化可能是由于这里采用的电极宽度较大，以及人脚接触区域的形状不规则。当使用小电极宽度时，可以减少变化。
115.图10d至图10f示出了在相同棉袜踩踏时1mω负载下的电压测量结果。由于较低的负载电阻，在较小水平的绝对幅度下可以观察到类似的趋势。在不同的力、频率、位置和角度方面，电压比(v8mm/v4mm和v4mm/v8mm)也保持在相似的水平内。此外，在v8mm/v4mm和v4mm/v8mm方面可以实现更高的变化，意味着可以实现对每个独特地板垫的更高检测准确度。
116.通过比较感测电极与参考电极的输出，编码电极设计具有与idt电极设计相同的高鲁棒性和高可靠性的优势。编码电极设计的典型电极布局如图11a中所示。每个地板垫以及整个地板垫系统使用三种类型的电极，即，参考电极、感测电极和能量采集电极。通常，需要仅一个参考电极和一个能量采集电极，但感测电极的数量可以根据系统中所需的感测像素数量而变化。每个感测电极具有并排的三个分离电极图案(s1-1、s1-2和s1-3)，第一图案s1-1的宽度小于参考电极，s1-1 s1-2的宽度与参考电极相同，然后s1-1 s1-2 s1-3的宽度比参考电极大。每个感测电极的编码可以是这样的：1)没有连接图案；2)仅连接s1-1；3)只有s1-1和s1-2并联连接；4)s1-1、s1-2、s1-3并联连接。当与参考电极相比时，这些编码变化将分别在感测电极s1中不产生输出信号、产生较小的输出信号、产生相似的输出信号以及产生较大的输出信号。通过比较感测电极和参考电极的相对幅度，位置检测与踩踏力、速度、频率、位置、方向、角度等无关，为位置监视提供了高鲁棒性。如果采用一个感测电极，可以通过电极连接编码实现四个独立的地板垫。如果采用两个感测电极，可以通过电极连接编码实现16个独立的地板垫。如果采用三个感测电极，则实现64个独立的地板垫等。图11a中的电极布局是用于两个感测电极的通用设计。除了位置监视之外，能量采集电极的设计还提供了只要有人踩在地板垫系统上就能够连续收集能量的额外优势，或者除了位置感测之外的其他监视功能，诸如模式识别。
117.图12示出了制造的地板垫在棉袜踩踏时在100mω负载下的输出性能，其中两个感测电极的编码连接不同。当前电极宽度尺寸如图12a中所示。在图12a至图12c中的s1:s1-1和s2:s2-1的连接情况下，两个感测电极的输出都小于参考电极，比率在0.8的水平左右。在图7d至图7f中的s1：s1-1 s1-2和s2：s2-1 s2-2的连接情况下，两个感测电极的输出与参考电极相似，比率在1的水平左右。
118.在图7g至图7i中的连接s1：s1-1 s1-2 s1-3和s2：s2-1 s2-2 s2-3的情况下，两个感测电极的输出都大于参考电极，比率在1.2的水平左右。这种变化和不理想的相对幅度是由于目前采用的电极宽度尺寸较大，并且脚部的不规则形状不能均匀地覆盖整个参考和感测电极图案。下一版本采用先进的制造技术和更小的电极宽度，可以预期更高的准确度和更少的变化。
119.图13示出了同一地板垫在平底鞋踩踏时在1mω负载下的输出，以便减少因电极宽度大和人脚形状不规则造成的变化。在图13a和图13b中的s1:s1-1和s2:s2-1的连接情况下，两个感测电极的输出比参考电极的输出更明显地更小，比率在0.4的水平左右。在图13c和图13d中的s1：s1-1 s1-2和s2：s2-1 s2-2的连接情况下，两个感测电极的输出仍然与参考电极相似，比率在1的水平左右。在图13e和图13f中的连接s1：s1-1 s1-2 s1-3和s2：s2-1 s2-2 s2-3的情况下，两个感测电极的输出都更明显地大于参考电极，比率在1.3的水平左右。虽然由于较小负载的灵敏度较高，电压比的变化较大，但编码连接之间的差异也更加明显。为不同的编码提供大容错性。
120.通过上述三种最小化电极设计，智能地板垫系统可以配备系统级集成的多样化功能。智能地板垫系统的基本功能是通过使用最少数量的感测电极，在踩踏时从自生成和可自区分的摩擦电信号中进行位置映射。该功能使智能地板垫系统能够应用于智能家居/建筑/医院、自动门/照明/空调的智能感测、诸如步行/跑步/跳跃的活动监视、跌倒检测等。智能地板垫系统还可应用于从其上的人类执行活动中收集能量并将能量存储在蓄能设备中。然后，所存储的能量可以用作其他传感器或电子设备(诸如温度传感器、湿度传感器、co2传感器、室内照明等)的电源，以进一步补充智能家居的实现。智能地板垫系统可以与诸如机器学习的人工智能技术相结合，实现对踩在感官地板上的不同人的模式识别。通过充分训练，可以采集在地垫系统上正常行走的人的步行模式数据集。则在实际应用中，如果一个人的步行模式与训练数据衍生的特征集相匹配，安全门就会自动打开。如果一个人的步行模式与功能集不匹配，则安全门将不会打开，并且可以发送警报信号——例如发送给保安。使用模式识别能力，如果可以根据模式识别高效地分离不同的生成峰，则还可以潜在地检测同时在地板垫系统上的多个人的行走运动。集成系统在安全、多人监视等方面显示出应用前景。另外，智能地板垫系统可以与虚拟现实/增强现实(vr/ar)技术集成，以在虚拟空间中交互或控制对象，在娱乐、游戏(诸如跳舞垫)、智能人机界面等方面具有潜在应用。
121.综上所述，针对智能建筑/家居应用开发了一种智能地板监视系统，以进行室内定位、活动监视和个体识别。在一些实施例中，该系统通过自供电摩擦电dles垫和先进的基于dl的数据分析的系统集成来实现。得益于丝网印刷制造和摩擦电感测机制，dles垫成本低、可扩展性强并且自我维持，因此对于大面积地板监视应用是理想的。另外，独有的电极图案设计可以实现不同dles垫的间隔并联连接，从而实现最小化电极输出设计，并为3
×
4dles垫阵列及以上阵列提供清晰稳定的差异化(例如，通过重复图案和在虚拟空间中沿着地板系统移动数字孪生，以检测数字孪生何时开始下一重复模式)。此外，在cnn模型中进行数据分析后，可以实现智能地板监视系统，以进行实时位置感测和身份识别。可以利用每一步的位置感测信息来控制与用户所在的地板段相对应位置的灯和其它设备，同时可以通过cnn模型分析完整的步行信号来预测此人是否是房间的有效用户，以便自动控制门禁。与基于相机和智能标签的个体识别相比，本文公开的智能地板监视系统使用动态步态引起的输出信号，并提供了一种视频隐私保护、高度方便和高度安全的识别方法。对于1000个数据样本的10人cnn模型，基于个体特定的步行步态，平均预测准确率可达96.00％，在实际、实时场景中提供了高准确率。
122.地板垫系统用于各种应用中的监视和能量采集，诸如智能家居/建筑、基于模式识别的自动访问、跌倒检测、安全、娱乐等。
123.这种开发的智能地板技术可以为智能建筑/家居中的各种应用(例如，智能自动化、医疗保健和安全)奠定使用地板作为功能界面的基础。
124.应明白，所述实施例的各个方面的许多进一步的修改和排列是可能的。因而，所述方面旨在涵盖落入所附权利要求的精神和范围内的所有这样的改变、修改和变化。
125.贯穿本说明书和所附权利要求，除非上下文另有要求，否则“包含
…”
一词以及诸如“包括
…”
和“含有
…”
的变体应被理解为暗示包括所陈述的整体或步骤或者是整体或步骤组，但不排除任何其他整体或步骤或者整体或步骤组。
126.本说明书中对任何先前出版物(或从其衍生的信息)或任何已知事项的引用不是
也不应被视为承认或认可或任何形式的暗示该先前出版物(或从其衍生的信息)或已知事项构成本说明书所涉及的致力领域中的公知常识的一部分。