在高中物理课上，我们做了一个实验。以今天的标准来看，它太粗糙了，回想起来，我觉得它就像化石一样。我们有一种纸带之类的东西，当你把纸带拉过去时，它会在纸带上留下记号。它以恒定的频率标记，所以如果你拉胶带的速度更快，点之间的距离就会更远。所以点间距成为了速度的衡量标准。
实验由两部分组成。在第一个实验中，我们拿着带子走了一段距离，像平常一样摆动手臂。在第二组中，我们以同样的速度走了同样的距离，但我们的手臂不动。
在第一种情况下，这些点讲述了加速和减速的故事，当我们的手臂向前和向后移动时，这些点一遍又一遍地重复。第二个案例没有显示出这种变化;速度是一致的。但诀窍是，如果你平均第一个的速度，你最终会得到和第二个完全相同的速度*。这一点很明显:这是我们实际行走的速度。
这是一个早期的案例，嗯，不是传感器融合，但是，如果我们称之为“隐含信号提取”如何。在这种情况下，只有一个传感器(磁带)，这就是为什么没有融合。但在现代，这种提取可能涉及核聚变。
事情是这样的:纸带直接测量我们的手的速度，而我们真正感兴趣的是我们移动的身体的速度。通过平均手部运动，我们能够从包含大量潜在误导的人工制品的原始手部运动信号中提取隐含的身体运动信号。
这在今天的导航/定位业务中正在发生。对于那些已经努力解决这个问题一段时间的人来说，这是显而易见的，但我们其他人可能没有意识到这有多困难。我们希望，有了手机，我们现在有了一种简单的导航方式，因为我们有了手机。
但是把你的手机放在你的手里。现在向前伸出你的手臂:根据手机显示，你刚刚向前移动了一英尺左右。但你没有:你的手臂向前移动手机;你哪儿也没去。现在把你的手机放在后面的口袋里，向外显示。根据你的手机记录，你刚转身。但你没有:当你把手机放进口袋时，你把它转了个身。(见鬼，如果你把手机倒挂在口袋里，它甚至会认为你是倒立着的。)
这是关于方向到轨迹管理的艺术，这是我在Sensors Expo上与Movea的Tim Kelliher讨论的主题，也是Movea正在致力于的内容。不像我在高中的场景，如果做得好，我们基本上是在平均一个控制良好的正弦运动，当我们站在一个地方时，我们的手机到处乱飞。我们把它捡起来，把它转过来调整方向，换手，放下它，把它放进一个口袋或另一个口袋里，当我们试图用拿着手机的手拍走蜜蜂时，随机挥舞它。
哦，我们还可以边走边做这些。或运行。或跳舞。或者当我们试图逃离蜜蜂的时候，我们的手仍然在摇摆。
仔细想想，评估手机上的所有传感器输入并从中提取出描述手机支架移动方式的信号是非常困难的。我越想越觉得我不知道如何开始。可能会涉及到一些启发，但即使这样，它也不明显。
例如，如果接近传感器正在发射，那么你可能会认为你可能正在打电话，因此得出结论，手机相对于身体是静止的，在你的耳朵附近。这可能在90%的情况下是正确的，但有些傻瓜会为了开玩笑或笑，在他或她的身体上撩人地上下移动手机，把它放在身边。“在通话中”启发式会决定我们正在山上走上走下。
因此，当这个问题的解决方案最终公布时，我可以想象上述那些傻瓜类型会尝试各种各样的方法，看看他们是否能愚弄系统。典型的愚蠢，但它也提供了关于算法如何工作的线索。
对于我们其他人来说，不要认为这是理所当然的。这是一个难题，任何有效的解决方案都来之不易。
*实际上这对我不起作用;我的老师沮丧地说，我需要学会以稳定的速度走路。不确定我是否已经掌握了;这在我的遗愿清单上并不高…
