作者：TalkingData俞多

目前很多设备都支持抬起唤醒。使用支持抬起唤醒功能的手机，在屏幕熄灭时，不用点击手机按钮，只需拿起手机就可以点亮屏幕，为很多人提供了方便，同时也延长了手机按键的寿命。

(资料图)

手机是如何知道你想点亮屏幕的呢，或者说，手机是如何知道你拿起了它呢？

当我们拿起手机时，手机的传感器数据会跟随拿起的动作产生变化。传感器数据是连续的信号数据，观察一段时间内的传感器变化会更有意义。

这里我做了一个简单的数据采样，可以看一下当设备静止时，加速度传感器和陀螺仪的数据表现：

加速度X，Y，Z轴数据：

陀螺仪X，Y，Z轴数据：

当拿起手机时，加速度传感器和陀螺仪的数据表现：

加速度X，Y，Z轴数据：

陀螺仪X，Y，Z轴数据：

对比两组数据可以看出，当拿起手机时传感器数据的变化非常明显。那我们就可以假设手机系统中有一个特殊的模块，可以根据传感器的数据变化，来识别用户拿起手机的动作。该模块中接收到的传感器数据的变化规律类似上图，那么就可以判断用户当前已经拿起了手机，进而把识别结果传递给显示模块，最终点亮屏幕。

这里的变化规律指的是连续数据的特征值， 如统计学中的均值、方差、最值等。

通过用户在操作手机时产生的传感器数据，我们提取出了每组数据的均值、方差。把每组数据的均值（x轴）、方差（y轴）以散点图的形式展现出来（如下图），可以观察到，抬起动作的特征数据（蓝色点）基本都在蓝色圈的范围之内，而其它动作产生的特征数据（除蓝色点外其它颜色的点）都分散在坐标系的各个位置。

有了这一规律，我们就可以基本确定抬起动作的特征数据范围，通过编写程序来判断本次操作是否为抬起动作。

综上所述，想要判断抬起动作，需要预先收集大量的（拿起手机行为的）传感器数据，把这些传感器的特征值提取并归纳，看这些值都在怎样的范围波动。

有了取值范围，就可以编写程序来判断新产生的数据的特征值是否在这个范围之内，综合多个特征的判断可以给出一个总体评分，来识别用户新产生的数据属于抬起动作的概率为多少。

最终的识别结果被传递给手机显示模块，如果被识别为抬起动作，则唤醒屏幕。如下图所示：

通过以上步骤，可以简单实现一个抬起唤醒的功能。但目前实际应用的抬起唤醒功能要比上述过程复杂的多，大多数都是通过机器学习来实现的，并且不仅要考虑到存储资源及电量的消耗、还要考虑行为识别的准确率。