附图说明
附图是示意性的并且未按比例绘制。不同的附图中的相同参考数字指代相似的部件。
图1是现有技术中已知的到达角定位方案的示范性图示。
图2是现有技术中已知的到达时间差定位方案的示范性图示。
图3示出根据本发明的实施例的具有四个节点的基于统一的到达时间差和到达角的协议的第一阶段。
图4示出根据本发明的实施例的基于统一的到达时间差和到达角的协议的第二阶段。
图5示出使用具有四个参考节点且无频率分集(diversity)的统一的到达时间差和到达角协议的仿真结果。
图6示出使用具有四个参考节点和两个频率分集的统一的到达时间差和到达角协议的仿真结果。
图7示出使用统一的到达时间差和到达角协议的具有升高的节点的三维视图。
图8示出根据本发明的实施例的具有四个节点的基于统一的到达时间差和邻近的接收的信号强度指标(index)的协议的基本原理。
图9示出在根据本发明的一个实施例的基于统一的到达时间差和邻近的接收的信号强度指标的协议中当照明单元发射时在四个参考节点中的每一个中的到达时间记录。
图10示出在基于统一的到达时间差和邻近的接收的信号强度的协议中当一个照明单元发射时估计接收的信号强度指标的邻近节点。
图11示出本发明的一个实施例,其中在根据本发明的基于统一的到达时间差和邻近的接收的信号强度指标的协议中每个照明单元在其发射包中包含邻近节点的接收的信号强度指标信息。
图12示出在根据本发明实施例的基于统一的到达时间差和邻近的接收的信号强度指标的协议中采集到达时间和邻近的接收的信号强度指标信息的参考节点。
图13示出使用具有四个参考节点和每个节点中两个天线的统一的到达时间差和接收的信号强度指标协议的仿真结果。
图14示出使用具有四个参考节点和每个节点中两个天线的统一的到达时间差和接收的信号强度指标协议的仿真结果。
图15a示出根据本发明的一个实施例的拓扑图。
图15b示出根据本发明的一个实施例的tanner图。
具体实施方式
在照明系统中,且特别是在诸如温室或商用建筑物之类的大规模照明系统中,无线节点形成无线网络,例如网状网络。可以从包含例如计算机、PDA、远程控制器或光开关的控制点发送命令到网络中的任何照明单元。为了将命令发送到照明单元,控制点必须知道该单元的位置。一个或多个照明单元的位置在这些系统中使用定位系统和方法确定以实现高精确度的定位。这种高精确度是通过使用合并了至少两个用于每个照明单元的定位协议(利用至少两个参考节点)的位置估计策略(例如最大似然(ML)位置估计策略)来确定的。然而,应当理解,在系统中可以使用两个或更多个参考节点以达到相似的确定。所述定位系统和方法利用统一的协议方法提供了更加精确的、覆盖范围更高的、节省成本的方案。
到达时间差(TDOA)和到达角(AOA)的统一
在本发明的这个实施例中,TDOA和AOA协议被组合使用以提供与常规方法相比具有更大精确度和更高覆盖范围的定位估计。在示范性系统中,每个照明单元或照明单元节点能够无线通信。例如,每个照明单元可以配备有天线(例如单个全方向天线)和低功率无线电设备(例如ZigBeeTM无线电设备)。还应当理解,每个照明单元可以合并使得这些单元能够执行除光控制之外的多种功能的附加硬件和/或软件。例如,照明单元或照明单元节点可以包含处理器、运动检测器、警报器或任何其他公知的设备或软件。类似地,参考节点包括硬件和软件的任意组合以提供相似于照明单元或照明单元节点或与之兼容的功能。还应当理解,照明单元本身可以由前述设备和/或软件中任何一个所取代。
图3中示出示范性的基于统一的TDOA和AOA的定位系统。在该示范性系统中,每个照明单元在时域中顺序地发射数据包。参考节点位于(0,0)、(0,L)、(L,L)和(L,0)处,其中每个参考节点具有天线阵列,其估计从每个照明单元发射的信号的到达角θi, 。一个这样的照明单元在坐标(x*,y*)处示出。每个参考节点还记录由照明单元发射的信号的到达时间(TOA),并且TOA被发送到其他参考节点中的每一个。每个参考节点然后使用TOA差(TDOA)与光速的乘积来计算从该照明单元到每个参考节点的距离差。TDOA和AOA信息被发送到参考节点,其中通过位置估计方法(例如ML位置估计算法)使用TDOA和AOA计算位置,如图4中所示。应当理解,多个参考节点可以执行该计算,尽管使用一个参考节点简化了该过程。
使用ML位置估计算法,找到用于统一的TDOA和AOA定位协议的偏导数矩阵G。该偏导数矩阵G包括两个子矩阵,它们被称为子矩阵A和子矩阵B,其分别是AOA和TDOA的导数矩阵。
对于子矩阵A,第i行中的元素是θi 分别相对于x和y的偏导数函数,其中插入了(plugged-in)初始坐标(x*,y*)。这在数学上表示为:
对于子矩阵B,第i行中的元素是从照明单元到每个参考节点的第i对距离差gi分别相对于x和y的偏导数函数,其中插入了初始坐标(x*,y*)。这在数学上表示为:
每个照明单元的最大似然位置估计为:
其中“N”是总误差向量(vector)的协方差矩阵,且r(.)是八维列向量,其被表示为
。
实际的定位是迭代过程:
子矩阵A的每一行含有来自特定照明单元的参考节点处测量的到达角相对于该特定照明单元的x和y位置的偏导数。在该实施例中,使用四个参考节点,L×L(例如100×400)米的矩形网格的每个角落中一个参考节点。因此,每个照明单元将贡献4×2维子矩阵A。
每个参考节点记录来自每个照明单元的信号TOA并且将所记录的信息传输到其他参考节点。每个参考节点然后计算“距离差(g)”,其为两个参考节点之间的TDOA与光速的乘积。子矩阵B包括在每个参考节点处测量的距离差相对于特定照明单元的x和y位置的偏导数。因此,每个照明单元将导致最大4×2维的子矩阵B。
图5示出使用没有频率分集的统一的TDOA和AOA协议的结果。在示范性实施例中,通过使用在100米×100米矩形网格的四个角落中的四个参考节点示出定位性能。在该实例中,天线阵列可以以三度标准差的精确度估计到达角。这些结果表明,与传统的TDOA和AOA方法相比,单独发现的定位误差显著降低。参见图的中部,获得0.65米的精确度,且在四个角落处精确度达到0.5米。为了甚至进一步增加精确度,无线电设备中的不同频率的子信道可以用于估计位置并计算平均位置以实现额外的频率分集。图6示出使用两频率分集的统一的TDOA和AOA的结果。这里,误差标准差在中部、四个边或四个角落不超过0.5米。
在本发明的另一个实施例中,如图7中所示,参考节点位于从地面升高的位置,这与天花板上典型位置相对。将节点定位在该位置改进了照明单元节点与参考节点之间的信道的视线。这在TDOA和AOA测量中提供了更好的精确度而没有任何附加的系统复杂性。
到达时间差(TDOA)和接收的信号强度指标(RSSI)的统一
在本发明的另一个实施例中,统一的TDOA和RSSI被组合使用以提供与常规方法相比具有更大精确度和更高覆盖范围的定位估计。在示范性系统中,每个照明单元能够无线通信。例如,每个照明单元可以配备有天线(例如单个全方向天线)和低功率无线电设备(例如ZigBeeTM无线电设备)。还应当理解,每个照明单元可以合并使得这些单元能够执行除光控制之外的多种功能的附加硬件和/或软件。例如,照明单元或照明单元节点可以包括处理器、运动检测器、警报器或任何其他公知的设备或软件。类似地,参考节点包括硬件和软件的任意组合以提供相似于照明单元或照明单元节点的功能。还应当理解,照明单元本身可以由前述设备和/或软件中任何一个所取代。
图8中示出示范性的基于统一的TDOA和RSSI的定位系统。在该示范性系统中,每个照明单元顺序地发射数据包,如图9所示。没有发射的其他照明单元收听发射包,估计信号强度并记录RSSI,如图10所示。然后RSSI被嵌入在存储在紧邻所述发射照明单元的照明单元中的数据包中。因此,每个照明单元发射来自邻近照明单元(其先前已进行了发射)的RSSI,如图11所示。然后,参考节点估计每个照明单元的TOA,并且解码从每个照明单元发送的数据包,以便获得每个照明单元与其邻近的照明单元之间的记录的RSSI。在参考节点中所有积累的关于来自所有照明单元节点的TOA和RSSI数据的信息被传递到参考节点之一,如图12所示,其中针对每个照明单元执行位置估计方法,例如ML位置估计算法。在不需要任何额外包或任何新硬件的情况下获得RSSI。
ML位置估计算法使用TDOA和邻近节点(即邻近照明单元)RSSI信息这二者。每个邻近照明单元的实际位置被定义为(x,y),其中x和y是m个邻近照明单元的m维列向量。为了找到ML位置估计,使用用于统一的TDOA和邻近RSSI定位协议的偏导数矩阵G。该导数矩阵G包括三个子矩阵:子矩阵A、子矩阵B和子矩阵C。
该导数矩阵G采取这样的形式:。
子矩阵A、B、C是TDOA、每个照明单元与其邻近照明单元之间的RSSI以及每个照明单元与参考节点之间的RSSI的导数矩阵。TDOA的导数矩阵以m个子矩阵(其中每个子矩阵是每个邻近照明单元的导数矩阵)写为:
。
第i个照明单元的导数矩阵被写为:
子矩阵B表示每个照明单元与其邻近照明单元之间的RSSI的偏导数。因此,子矩阵B的每一行含有两个邻近照明单元之间的测量的RSSI相对于它们的x和y位置的偏导数。因此,导数矩阵B的维数是
。该矩阵被定义为:
导数矩阵C用于每个照明单元与每个参考节点之间的RSSI,该矩阵可以以m个子矩阵(其中每个子矩阵是每个邻近照明单元的导数矩阵)写为:
对于每个子矩阵Ci,该矩阵被表示为:
每个照明单元的ML位置估计如下:
其中“N”是总误差向量的协方差矩阵,且r(.)是八维列向量,其被表示为
。
在统一的TDOA和邻近RSSI算法中实际的定位是迭代过程:
每个参考节点记录来自每个照明单元的信号TOA并且将所存储的信息传输到其他参考节点。每个参考节点然后计算“距离差”
,其为两个参考节点之间的“到达时间差”与光速的乘积。子矩阵A包括在每个参考节点处测量的距离差相对于特定照明单元的x和y位置的偏导数。因此,每个照明单元将导致最大4×2维的子矩阵A。
子矩阵C用于每个照明单元与每个参考节点之间的RSSI。每个参考节点记录用于每个照明单元的RSSI,。在该实例中,如图9所示,使用四个参考节点,100米×400米的矩形网格的每个角落一个参考节点。因此,每个照明单元将贡献4×2维的子矩阵C。
在示范性实施例中,说明了使用在100米×100米网格的四个角落中的每一个中的四个参考节点和在每个参考节点中的两个接收天线的定位性能,其中每个参考节点具有2×2个邻近节点(图13)或3×3个邻近节点(图14)。在第一种情况下,其中2×2个邻近节点相互帮助细化它们的位置,合成(resultant)图的中部获得0.7米的精确度。在第二种情况下,其中3×3邻近节点相互帮助,合成图的中部实现0.47米的精确度。例如可以通过增加给定邻域中的照明单元的数量来进一步增强定位精确度。
类似于TDOA和AOA协议,参考节点可以位于从地面升高的位置,其与天花板上的典型位置相对。
具有提高的精确度和降低的复杂性的基于统一的TDOA和RSSI的定位方法
在先前描述的统一的TDOA和邻近RSSI协议中,使用最大似然(ML)位置估计算法。该ML位置估计算法具有“m的立方”的计算复杂度,其中“m”是邻近节点的数量。对应于“m”的高阶复杂度限制了可以用于精确地检测照明单元的位置的邻近节点的数量。然而,由于该性质的系统典型地在密区(dense area)具有大量的节点,所以关于邻近节点的数量的限制浪费了更高位置精确度的潜能。
在该实施例中,引入了用于统一的TDOA和邻近RSSI协议的不同的位置估计算法。该位置估计算法(下文为“位置估计算法”或“算法”)可以在只有对应于邻近节点的数量的线性计算复杂度的情况下使用邻近节点之间的所有RSSI信息。该算法(或方法)是简单的并且具有几乎最优的性能。
此外,该算法可以以分布式和分散式的方式应用。
在该实施例中,位置估计算法从低密度奇偶校验(LDPC)信道码的消息传递解码算法导出。参照图15a和15b,网络连通性图被转换为Tanner图,其常规地用于LDPC解码。在图15a的网络连通性图中,使网络中的每个无线节点1到5对应于相应的校验节点(其中位置信息被计算)和可变节点(其中来自不同路径的信息被组合)。一条边连接在每个对应的校验节点与可变节点之间。如果两个节点之间的RSSI强于预定义的阈值,则在两个对应的可变节点与校验节点之间添加边。
一旦例如如图15b中所示构造了Tanner图,则该图用于根据下述过程执行消息传递位置估计:
步骤1:针对每个节点计算使用TDOA的ML位置估计。使用TDOA计算的位置被用作LDPC解码中的信道似然比(LLR),其中每条边使用根据TDOA的位置作为初始输出。
步骤2:每个校验节点使用连接的边和通过该边表达的两个节点之间的RSSI的输出作为输入并且执行ML估计。每个可变节点的位置在该边上输出。
步骤3:每个可变节点使用边输出位置和根据TDOA计算的初始位置执行最大比率组合。如果迭代的最大数量被超过(例如,预定义的常数,如5),则该过程停止并且给出最终的位置输出。否则,每条边的输出被设置为最大比率组合的位置。
如同LDPC码的设计,Tanner图中的短循环是成问题的。因此周长为4的短循环显著降低了系统性能。因此Tanner图的构造应当删除导致短循环的边。
下面参照图15a和15b提供一个实例。在该实例中,校验节点1连接到可变节点2、4和5,由于具有相同标记的校验节点和可变节点(例如,校验节点1和可变节点1)是相同的实体,所以它们能够访问相同的信息,例如具有方差的初始TDOA位置,和在迭代之后具有方差的最大比率组合的位置。另一方面,可变节点2、4和5中每一个具有初始的TDOA位置估计并且将信息传送到它们的相应校验节点(即节点2、4和5)。同时,可变节点2、4和5与校验节点1之间的测量的RSSI也将被传送到相应的校验节点2、4和5。校验节点2、4和5然后将信息传递到与校验节点1相同的可变节点1。因此,校验节点1获取所有下述信息:节点2、4和5的初始位置估计和从节点1测量的节点2、4和5处的RSSI。校验节点1将使用该信息并且形成由节点1到2、1到4和1到5之间的RSSI的偏导数构成的偏导数矩阵“G”(其与统一的TDOA和RSSI方案中的子矩阵Ai相同)。在校验节点1处的最大似然位置估计如下:
其中
●(x,y)是待计算的节点2、4和5的位置。因此,在该实例中,偏导数矩阵为3×2矩阵;
● (x*, y*)是节点2、4和5的初始的TDOA位置估计,在该实例中,也是3×2矩阵;以及
●“G”是大小为3×6的偏导数矩阵,因为节点1连接到3个节点(即,节点2、4和5)并且对于每个RSSI测量偏导数而言具有二维(x和y)。
作为基于位置估计算法的计算的结果,校验节点1提供对于节点2、4和5的细化的位置估计,它比基于初始TDOA的估计更精确。校验节点1将所述信息递送给可变节点1。相似地,每个其他校验节点将使用初始TDOA和RSSI偏导数矩阵执行位置估计。应当注意,每个可变节点可以接收多于一个的对每个节点的位置估计。即,每个可变节点可以从它所连接到的每个校验节点接收位置估计。然后,所述可变节点将组合(例如最大比率组合)从所有连接的校验节点传递的信息以输出不同节点的精确位置估计。尽管在该实例中使用了校验节点和可变节点,但是应当理解,在一个或多个参考节点处执行计算。
还应当注意,该实施例提供与先前描述的实施例相比显著的差异和优势。例如:
● 尽管消息传递算法使用TDOA信息取代最大似然算法来估计每个节点的位置,参考节点也可以使用例如简单的MMSE估计方法;
● 使用来自所有邻近节点的附加RSSI信息进一步细化每个节点的近似位置。每个照明单元然后发射信号,该信号包含在来自所有其前面的单元的单元处测量的RSSI。因此,参考节点具有所有的和任意两个照明单元之间的RSSI测量结果;
● 每个参考节点记录来自每个照明单元的信号(发射的信号)TOA并且在其他参考节点之间共享该信息。参考节点之一被分配来执行计算,其使用每个照明单元的TDOA来估计其位置;
● 参考节点(被分配来执行所有过程)具有任何两个节点之间的RSSI信息。因此,作为算法的一部分,它可以产生拓扑结构(网络)和Tanner图(图15a和15b);
● 作为在照明单元之间连通性的结果,如Tanner图(图15b)中所示,每个校验节点可以计算与其连接的其他节点的位置。
应当理解,对于本领域技术人员而言,对本文所描述的当前优选实施例的各种改变和修改将是显然的。在不背离本主题的精神和范围且不减少其预期优点的情况下,可以进行这样的改变和修改。因此,预期这样的改变和修改被所附权利要求覆盖。