CN101924986A - 用于无线通信系统的定位方法及其相关装置 - Google Patents

Abstract

用于无线通信系统中估测目标装置的位置的定位方法，包含有接收该目标装置进入一区域时所测量的对应于多个基站的多个接收信号强度数据；以及根据该多个接收信号强度数据，利用图形模型估测该目标装置的位置。

Description

用于无线通信系统的定位方法及其相关装置

技术领域

本发明是指一种用于无线通信系统的定位方法及其相关装置，尤指一种用于无线通信系统中根据接收信号强度数据，以图形模型估测一目标装置的位置的方法及其相关装置。

背景技术

在无线通信系统中，定位(Positioning)技术广泛应用于急难救助系统、位置导向式付费系统(Location-based Billing Service)、长者及病患的看护服务、以及消防或战地勤务中人员的定位等，以取得目标物(Target)的位置。收讯时间法(或称信号传送时间，Time ofArrival，TOA)、收讯角度法(AngleofArrival，AOA)及收讯强度法(Received Signal Strength，RSS)为常见的定位技术，收讯时间法是以三个基站所测量的接收信号的传播时间乘上传播速度，分别求得基站与目标物的距离，接着以各个基站为圆心，与目标物的距离为半径画圆，三圆的交会点即目标物的位置；收讯角度法是决定两个基站所测量的接收信号的来源方向，并以各个基站的位置为起点形成直线，两直线的交会点即目标物的位置；收讯强度法是利用三个基站所测量的接收信号强度及预先建立的信号传输衰减模型，分别求得基站与目标物的距离，接着以各个基站为圆心，与目标物的距离为半径画圆，决定目标物的位置。在后文中，可进行定位运算的无线通信系统简称为定位系统。

在室内环境中，由于摆设复杂，其中的无线电信号传播多属于非直视(或称非视线可及，Non-Line of Sight，NLOS)传播，并且多路径(Multipath)效应也相当明显。上述收讯时间法及收讯角度法受多路径效应的影响较大，估测目标物的位置时容易产生误差。相对来说，当目标物移动时，其接收信号强度的变化容易预测，因此收讯强度法较收讯时间法及收讯角度法更适用于室内定位系统。

在室内定位系统中，使用接收信号强度数据定位的算法主要分为两类：样式辨认(Pattern-recognition)算法及模型式(Model-based)算法。在样式辨认算法中，目标物的位置是根据目标物的接收信号强度与已知的多个训练序列点(Training Point)所对应的接收信号强度推算而得，如RADAR算法及LANDMARC算法，详细内容请参考论文“RADAR：An in-building RF-baseduser location and tracking system”in Proc.IEEE INFOCOM 2000，vol.2，Mar.2000及论文“LANDMARC：Indoor location sensing using active RFID”in PerCom’03，Mar.2003。请参考图1，图1为现有技术的无线通信网路10的示意图。无线通信网路10包含有定位系统100、目标装置102及基站(Basestation)AP₁～AP₄。图1中定义基站AP₁～AP₄所在的室内环境为测试区域，划分为多个方形且面积均等的单元，每个单元的四个顶点即训练序列点。于目标装置102尚未进入测试区域时，各基站会先进行离线训练(OfflineTraining)，以取得每一训练序列点的位置所对应的接收信号强度数据，并将这些接收信号强度数据传送至定位系统100中的位置数据库。训练序列点所对应的接收信号强度数据假设为零误差。当目标装置102进入测试区域，目标装置102将会回报对应于各个基站的接收信号强度数据至定位系统100；接着，定位系统100根据接收到的接收信号强度数据，进行RADAR算法或LANDMARC算法，求出目标装置102的位置。

RADAR算法是从位置数据库中，找出与目标装置102所传送的接收信号强度数据最接近的k个接收信号强度数据所对应的k个训练序列点，进行训练序列点的位置的平均运算，以决定目标装置102的位置。然而，每个进行平均的k个训练序列点的数据可靠度不一定相同，取平均将导致定位结果与实际的目标位置之间的误差很大。LANDMARC算法则是进一步对k个训练序列点的位置分配以不同的权重值，再对加权过后的位置取加权平均值，以决定目标装置102的位置；权重值为目标装置102所传送的接收信号强度数据与k个训练序列点中各个训练序列点所对应的接收信号强度数据之间的欧几里得距离(Euclidean Distance)。然而，接收信号强度的欧几里得距离无法正确反映地理上的距离。此外，上述RADAR算法及LANDMARC算法皆未考虑接收信号强度的测量误差，对于定位的精确度的提升效果有限。

另一方面，模型式算法是根据预先建立的无线信号传输模型(RadioPropagation Model)及测得的接收信号强度，先计算出目标物与三个基站之间的距离，再以三角算法决定目标位置。模型式算法的缺点在于需要庞大的信道测量数据才能建立室内的无线信号传输模型，并且由于室内环境的复杂度高，精确的无线信号传输模型不容易建立，将影响定位的准确度。除了上述样式辨认算法及模型式算法之外，室内定位系统还可根据最大相似度(Maximum Likelihood)算法求得目标位置，但最大相似度算法的运算复杂度极高，对室内定位系统来说是一大负荷。由上可知，现有技术算法所能提供的定位精确度有限。

发明内容

因此，本发明的主要目的即在于提供一种用于无线通信系统的定位方法及装置，以精确地对目标装置进行定位，同时降低运算复杂度。

本发明公开一种用于无线通信系统的定位方法，用来估测目标装置的位置，该定位方法包含有接收该目标装置进入一区域时所测量的对应于多个基站的多个接收信号强度数据；以及根据该多个接收信号强度数据，利用图形模型估测该目标装置的位置。

本发明还公开一种用于无线通信系统的装置，用来执行前述方法，以对目标装置进行定位。

附图说明

图1为现有技术的无线通信网路的示意图。

图2为本发明实施例一流程的示意图。

图3为本发明实施例一功率衰减图的示意图。

图4为本发明实施例一因子图的示意图。

图5A为无线局域网络的路由器在室内空间中的平面配置图。

图5B、图5C及图5D为图5A中路由器所对应的功率衰减图。

主要组件符号说明

10无线通信网路

100定位系统

102目标装置

AP₁～AP_N基站

20流程

200、202、204、206、208、210、212、214、216步骤

具体实施方式

本发明根据接收信号强度数据的软信息(即对应于接收信号强度数据的高斯机率密度函数)，利用一图形模型(Graphical Model)对一目标装置进行定位。

请参考图2，图2为本发明实施例一流程20的示意图，流程20用于一定位系统，用来对一目标装置进行定位。流程20假设定位系统设于一区域中，其中设有基站AP₁～AP_N。基站AP₁～AP_N可检测到进入测试区域的目标装置并且传送无线电信号至目标装置，同时，定位系统可接收来自各基站及目标装置的接收信号强度数据。流程20包含以下步骤：

步骤200：开始。

步骤202：取得每一基站AP_i进行离线训练所得的测试区域中所有训练序列点的接收信号强度数据，以建立基站AP₁～AP_N的功率衰减图(Power DecayProfile)PDP₁～PDP_N，i＝1，2，...，N。

步骤204：接收一目标装置进入该测试区域时所测量的对应于基站AP₁～AP_N的接收信号强度数据

步骤206：找出对每一基站AP_i而言该目标装置所在的该测试区域其中一单元。

步骤208：根据该单元的四个顶点的坐标及其对应的对数的接收信号强度数据

产生对应于基站AP_i的一超平面方程式，进而产生对应于基站AP₁～AP_N的N个超平面方程式。

步骤210：对接收信号强度数据

的每一接收信号强度数据

进行对数运算，产生对数的接收信号强度数据

步骤212：产生对应于对数的接收信号强度数据

的高斯机率密度函数G_z(z)₁～G_z(z)_N。

步骤214：利用一因子图(Factor Graph)估测该目标装置的位置。

步骤216：结束。

在流程20中，步骤202是定位系统于目标装置进入测试区域之前进行的工作。测试区域是定位系统及基站AP₁～AP_N所在的区域，划分为多个方形且面积均等的单元，每一单元的四个顶点即训练序列点，相关示意图请参考图1。在目标装置进入测试区域之前，每一基站AP_i会先进行离线训练，取得每一训练序列点(x_j，y_j)的位置所对应的零误差的接收信号强度数据

传送至定位系统中的位置数据库，j表示训练序列点的序号。因此，对定位系统来说，每一训练序列点的坐标以及对应的接收信号强度数据为已知。根据步骤202，定位系统根据每一训练序列点的坐标以及离线训练所得的多个接收信号强度数据

建立基站AP_i的功率衰减图PDP_i，因此得以建立基站AP₁～AP_N的功率衰减图PDP₁～PDP_N。请参考图3，图3为本发明实施例一功率衰减图的示意图。每一功率衰减图是一坐标系统为(x，y，p)的连续的三维曲面，(x，y)表示测试区域中的位置坐标，p轴为对数(Logarithm)的接收信号强度数据。以

表示训练序列点(x_j，y_j)所对应的接收信号强度数据

取对数的值，则

为功率衰减图PDP_i的三维曲面上的一点。

为了简化功率衰减图中位置坐标与对数的接收信号强度数据之间的非线性关系，本发明使用局部线性(Local Linearization)技术仿真功率衰减图，将功率衰减图的三维曲面视为多个单位曲面的集合，如图3所示。每一单位曲面的四个顶点的(x，y)坐标等于测试区域的一单元的四个顶点，即训练序列点。本发明令每一单位曲面趋近于三维平面，称为超平面(Hyperplane)，此超平面方程式表示如下：

a_x·x+a_y·y+a_p·p＝c，                (1)

其中a_x，a_y,a_p为超平面方程式的系数，c为非零的常数。

步骤204至步骤208，简言之，是产生对应于目标装置所在的单元的超平面方程式，详述如下。在目标装置进入测试区域时，定位系统接收目标装置所测量的对应于基站AP₁～AP_N的接收信号强度数据

在考虑测量误差的情形下，对应于基站AP_i的接收信号强度数据表示如下列方程式：

${\tilde{p}}_{w,i,t}={\tilde{p}}_{w,i,t}+n_i,---\left(2\right)$

其中

等于零误差的接收信号强度

与一测量误差n_l的总和，测量误差n_l为一高斯机率密度函数。

接着，定位系统在测试区域中找出一单元C_i，单元C_i的四个顶点坐标所对应的接收信号强度数据

与目标装置所测量的接收信号强度数据之间的欧几里得距离的总和为最小值，由此可知目标装置位于单元C_i中。由于训练序列点的坐标及其对应的对数的接收信号强度数据可根据已建立的功率衰减图而得知，得到以下的联立方程式：

$a_{x,i}\·x_j+a_{y,i}\·y_j+a_{p,i}\·{\tilde{p}}_{i,j}=c,i=\mathrm{1,2},...N,j=\mathrm{1,2,3,4},---\left(3\right)$

其中(x_j，y_j)为第j个训练序列点的坐标，

为对应的对数的接收信号强度数据。因此，系数a_x，i、a_y，i、a_p，i可根据式3取得，进而产生一超平面方程式如下：

a_x，i·x+a_y，i·y+a_p，i·p_i，t＝c，                      (4)

其中p_i，t表示目标装置所测量的接收信号强度数据的变量，x，y表示目标位置的变量。类似地，定位系统利用式3的联立方程式，取得对应于基站AP₁～AP_N的所有平面方程式。

在流程20中，步骤210至步骤212可与前述的步骤206至步骤208同时间进行。在步骤210中，定位系统分别对接收信号强度数据进行对数运算，产生对数的接收信号强度数据

每一对数的接收信号强度数据

表示如下列方程式：

${\hat{p}}_{i,t}=10{\log }_{10}({\tilde{p}}_{w,i,t}+n_i)---\left(5\right)$

由式5可知，在考虑测量误差的情形下，对数的接收信号强度数据

的机率密度函数趋近于一高斯机率密度函数。在步骤212中，定位系统进一步根据

产生相对应的高斯机率密度函数G_z(z)₁～G_z(z)_N。

最后，本发明利用因子图估测目标装置的位置。因子图为图形模型的一种，用来处理变量与函式间的关系，可简化位置估测及追踪时所需的复杂运算。请参考图4，图4为本发明实施例一因子图的示意图。在图4中，各函式以方块表示，又称为限制节点(Constraint Node)或代理节点(Agent Node)，用来表示局部的限制条件(Local Constraint)；变量以圆形表示，称为变量节点(Variable Node)。图4的因子图中有两种限制节点，P_i及M_i，P_i表示根据对数的接收信号强度数据

产生高斯机率密度函数G_z(z)_i的函式，M_i表示式4的超平面方程式。由图4可知，变数节点p_i，t即高斯机率密度函数G_z(z)_i；式4中的所有变量，包含坐标x，y，皆是高斯机率密度函数形式的软信息。本领域技术人员可根据图4的因子图推导得知变量节点与限制节点间互相传送的软信息的相关函式，在此不详述。当因子图的执行次数达到预定的次数时，最后的x坐标的机率密度函数的平均值及y坐标的机率密度函数的平均值，即是定位系统所估测的目标装置的坐标。

请注意，利用因子图估测目标位置仅为本发明的一实施例，在本发明其它实施例中，可用其它图形模型如常态图(Normal Graph)或坦纳图(TannarGraph)以进行目标装置的定位。上述两种图形模型皆为因子图的转换表示。在无线通信网路中，基站与被定位的目标装置是根据不同的需求而定义。就硬件实现而言，定位系统可能是独立设置，亦可能设置于基站侧或目标装置侧。例如，对全球卫星定位系统(Global Position System)而言，基站是定位卫星，目标装置则是导航装置或接收天线，定位系统通常设置于目标装置；对无线局域网络系统而言，基站是无线网络接取器(Access Point)，目标装置是无线网卡或相关网络设备，定位系统通常设置于基站；另外，对射频辨识(RFID)系统而言，射频辨识读取器(Reader)是基站，射频辨识标签(Tag)则是目标装置，定位系统可能设置于基站或独立设置。请注意，由于本发明可显著改善多路径效应造成的定位不准确，因此较合适用于室内定位系统，但不局限用于室内定位系统。

请参考图5A至第5D图，图5A为无线局域网络的路由器(Router)在一室内空间中的平面配置图，此室内空间中设置有3个路由器AP₁～AP₃，可估测一无线网络卡的位置。第5B、5C、5D图分别为路由器AP₁、AP₂、AP₃所对应的功率衰减图。在图5A至第5D图所示的环境及接收信号强度的测量误差固定为0.2483×10^-8瓦特的条件下，根据本发明实施例的流程20、现有技术4-NN(4Nearest Neighbor)算法(类似RADAR算法)、LANDMARC算法及最大相似度算法所估测的目标位置的精确度分别为1.01m、2.52m、1.42m、0.97m。使用流程20所得定位精确度明显优于现有技术4-NN算法及LANDMARC算法，并且与最大相似度算法所得相当接近。

综上所述，本发明考虑了接收信号强度数据的可靠度，在因子图中根据目标装置测量的接收信号强度数据所对应的高斯机率密度函数，估测目标装置的位置。借着因子图的可简化运算的特性，本发明大幅降低了定位系统的复杂度，同时使定位精确度接近最佳化。

以上所述仅为本发明的较佳实施例，凡依本申请权利要求范围所做的均等变化与修饰，都应属本发明的涵盖范围。

Claims (8)

1.一种用于无线通信系统的定位方法，用来估测目标装置的位置，该定位方法包含有：

接收该目标装置进入一区域时所测量的对应于多个基站的多个接收信号强度数据；以及

根据该多个接收信号强度数据，利用图形模型估测该目标装置的位置。

2.如权利要求1所述的方法，其中该图形模型包含有多个限制节点，用来表示多个平面方程式及多个用来产生对应于该多个接收信号强度数据的多个高斯机率密度函数的函式，该多个平面方程式中每一平面方程式用来根据该多个高斯机率密度函数其中一对应的高斯机率密度函数，估测该目标装置的位置。

3.如权利要求2所述的方法，其另包含有：

根据该多个接收信号强度数据及多个功率衰减图，产生该多个平面方程式，该多个功率衰减图中每一功率衰减图用来表示该区域中多个预设位置与该多个预设位置相对于该多个基站其中一基站的多个零误差的接收信号强度数据间的关系。

4.如权利要求3所述的方法，其中该多个平面方程式中每一平面方程式所形成的平面趋近于该多个功率衰减图中一对应的功率衰减图的曲面的一部分。

5.如权利要求2所述的方法，其中该多个用来产生该多个高斯机率密度函数的函式，是根据对数形式的该多个接收信号强度数据，产生该多个高斯机率密度函数。

6.如权利要求1所述的方法，其另包含有：

在该目标装置进入该区域之前，根据该区域中多个预设位置以及该多个预设位置相对于该多个基站中每一基站的多个零误差的接收信号强度数据，建立多个功率衰减图。

7.如权利要求1所述的方法，其中该图形模型是一因子图或该因子图的转换型。

8.一种用于无线通信系统的装置，用来执行权利要求1所述的方法，以对目标装置进行定位。

Images