CN106031263B - 用于位置估计的方法及系统 - Google Patents

用于位置估计的方法及系统 Download PDF

Info

Publication number
CN106031263B
CN106031263B CN201580009978.7A CN201580009978A CN106031263B CN 106031263 B CN106031263 B CN 106031263B CN 201580009978 A CN201580009978 A CN 201580009978A CN 106031263 B CN106031263 B CN 106031263B
Authority
CN
China
Prior art keywords
floor
access point
user
estimation
point apparatus
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201580009978.7A
Other languages
English (en)
Other versions
CN106031263A (zh
Inventor
潘卡伊·古普塔
斯坦纽纳坦·罗摩克里希南
贾伊加内什·巴拉克利什南
萨钦·巴德瓦杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Texas Instruments Inc
Original Assignee
Texas Instruments Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Texas Instruments Inc filed Critical Texas Instruments Inc
Publication of CN106031263A publication Critical patent/CN106031263A/zh
Application granted granted Critical
Publication of CN106031263B publication Critical patent/CN106031263B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
    • H04W4/043—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/024—Guidance services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Navigation (AREA)

Abstract

在多楼层环境中的位置估计的方法(1300)的所描述实例中，所述方法(1300)包含执行(1302)无线扫描以从来自多个接入点当中的一或多个接入点接收无线信号，所述多个接入点分别定位于来自所述多楼层环境内的多个楼层当中的一或多个楼层处的多个位置处。计算(1304)对应于所述无线信号的第一RSSI测量集合。基于所述第一RSSI测量集合及预定义目标函数而确定(1306)绝对楼层位置信息。所述预定义目标函数经配置以将用户位于一楼层处以接收所述无线信号的概率最大化。基于所述绝对楼层位置信息而确定(1308)用户楼层位置。至少部分地基于所述用户楼层位置而估计(1310)用户位置。

Description

用于位置估计的方法及系统
背景技术
近来，位置估计技术内的室内定位方法技术已变得极为普遍，此归因于其广大且各种各样的应用，例如室内导航、搜索与营救、资产跟踪、保健及移动广告。在实例性情景中，基于卫星的导航系统(或全球导航卫星系统(GNSS))是用于位置估计的最广泛使用的技术。然而，归因于较差卫星可见度及多路径相关问题，因此GNSS在室内环境中可为极不可靠的。此外，此导航系统可经配置以仅提供二维(2D)定位信息。然而，在室内环境(例如多楼层建筑物)中，仅在两个维度上给予用户位置可并不总是足够的；此外，提供用户当前进行导航所根据的楼层信息可为重要的。举例来说，在例如搜索与营救的应用中，楼层估计准确度比2D定位准确度更为重要。因此，楼层确定是综合三维室内定位解决方案的重要特征。
发明内容
在所描述实例中，针对多楼层环境中的位置估计，一种方法包含：执行无线扫描以从来自多个接入点当中的一或多个接入点接收无线信号，所述多个接入点分别定位于来自多楼层环境内的多个楼层当中的一或多个楼层处的多个位置处。计算对应于所述无线信号的第一所接收信号强度指示(RSSI)测量集合。基于所述第一RSSI测量集合及预定义目标函数而确定所述多楼层环境中的绝对楼层位置信息。所述预定义目标函数经配置以将用户位于来自所述多个楼层当中的一楼层处以接收对应于所述第一RSSI测量集合的所述无线信号的概率最大化。基于包含多个信道模型参数的三维信道模型而估计所述概率。所述方法进一步包含基于所述绝对楼层位置信息而确定用户楼层位置。此外，所述方法包含至少部分地基于所述用户楼层位置而估计所述多楼层环境中的用户位置。
在一实施例中，提供一种位置估计系统。所述位置估计系统包含收发器模块及以通信方式与所述收发器模块相关联的位置估计模块。所述收发器模块经配置以执行无线扫描以从来自多个接入点当中的一或多个接入点接收无线信号，所述多个接入点分别定位于来自多楼层环境内的多个楼层当中的一或多个楼层处的多个位置处。所述位置估计模块经配置以计算对应于所述无线信号的第一所接收信号强度指示(RSSI)测量集合。所述位置估计模块进一步经配置以基于所述第一RSSI测量集合及预定义目标函数而确定所述多楼层环境中的绝对楼层位置信息。所述预定义目标函数经配置以将用户位于来自所述多个楼层当中的一楼层处以接收对应于所述第一RSSI测量集合的所述无线信号的概率最大化。基于包含多个信道模型参数的三维信道模型而估计所述概率。所述位置估计模块经配置以基于所述绝对楼层位置信息而确定用户楼层位置。所述位置估计模块还经配置以至少部分地基于所述用户楼层位置而估计所述多楼层环境中的用户位置。
在一实施例中，所述位置估计模块进一步经配置以基于对应于所述多楼层环境中的用户移动的压力传感器测量而确定相对楼层位置信息。所述相对楼层位置信息包含相对楼层位置估计及与所述相对楼层位置估计相关联的第二不确定性估计。通过将与所述用户移动相关联的海拔高度的改变与相对楼层高度值进行比较而计算所述相对用户楼层位置估计。在一实施例中，基于所述第一不确定性估计及所述第二不确定性估计对所述绝对楼层位置估计及所述相对楼层位置估计优选地进行加权而确定所述用户楼层位置连同第三不确定性估计。
在一实施例中，所述位置估计模块进一步经配置以基于从加速度计接收的加速度计测量而检测与所述用户移动相关联的步进移动的存在。所述位置估计模块还经配置以基于所述压力传感器测量而确定垂直运动指示及垂直速度信息。所述位置估计模块进一步经配置以基于所述步进移动检测及所述所确定垂直运动指示以及所述垂直速度信息而计算所述用户位置的背景，其中所述用户位置的所述背景是以下各项中的一者：楼梯背景、电梯背景、自动扶梯背景及楼层上背景。
另外，在一实施例中，提供另一种位置估计系统。所述位置估计系统包含收发器模块及以通信方式与所述收发器模块相关联的位置估计模块。所述收发器模块经配置以接收多楼层环境内的用户楼层位置及相关联楼层位置不确定性估计。所述位置估计模块经配置以跨越所述用户楼层位置产生虚构二维网格。所述位置估计模块经配置以基于对应于从定位于所述用户楼层位置中的接入点及定位于除所述用户楼层位置以外的楼层中的接入点中的至少一者接收的无线信号的RSSI测量而计算所述用户楼层位置内的二维位置估计连同相关联不确定性度量。基于MMSE算法而计算所述二维位置估计，所述MMSE算法经配置以基于来自定位于所述用户楼层位置中的接入点及定位于除所述用户楼层位置以外的楼层中的接入点的RSSI信息而计算用户位于所述虚构二维网格中的各种位置处的经加权概率。
附图说明
图1描绘实例性情景中的第一实例性多楼层环境。
图2是一实施例中的实例性位置估计系统的经简化框图。
图3是一实施例中的第二实例性多楼层环境的透视图，其用于图解说明通过纳入不可见接入点的用户楼层位置计算的准确度的实例性改进。
图4是一实施例中的第三实例性多楼层环境的透视图，其用于图解说明几何度量的计算。
图5是一实施例中的表示对应于从接入点接收的无线信号且依据距离而测量的RSSI测量的实例性图表，其用于图解说明楼层衰减因子的计算。
图6是一实施例中的用于确定用户位置的背景的实例性过程流程的框图。
图7是一实施例中的第四实例性多楼层环境的透视图，其用于图解说明对楼梯背景的实例性确定。
图8是一实施例中的第五实例性多楼层环境的透视图，其用于图解说明对电梯背景的实例性确定。
图9是一实施例中的第六实例性多楼层环境的透视图，其用于图解说明对自动扶梯背景的实例性确定。
图10是一实施例中的第七实例性多楼层环境的透视图，其用于图解说明对来自用户楼层位置附近的楼层的接入点的实例性使用。
图11是一实施例中的用于确定多楼层环境中的用户位置的实例性过程流程的框图。
图12是图解说明一实施例中的对多个信道模型参数的值的示范性调适的框图示意。
图13是实例性实施例中的第一实例性位置估计方法的流程图。
图14A、14B及14C是实例性实施例中的第二实例性位置估计方法的流程图。
图15是一实施例中的经配置以估计多楼层环境中的用户位置的实例性集成电路的框图。
具体实施方式
在实例性情景中，基于卫星的导航系统(或全球导航卫星系统(GNSS))是用于位置估计的最广泛使用的技术。然而，归因于较差卫星可见度及多路径相关问题，因此GNSS在室内环境中可为极不可靠的。此外，此导航系统可经配置以仅提供二维(2D)定位信息，这是因为沿着第三维度的信息对于定位应用来说可为极不可靠的。然而，在室内环境(例如多楼层建筑物)中，仅在两个维度上给予用户位置可并不总是足够的；此外，提供用户当前进行导航所根据的楼层信息可为重要的。举例来说，在例如搜索与营救的应用中，楼层估计准确度比2D定位准确度更为重要。因此，楼层确定是综合三维室内定位解决方案的重要特征。参考图1解释实例性多楼层环境。
图1描绘实例性情景中的第一实例性多楼层环境100。多楼层环境100包含建筑物102。建筑物102包含多个楼层，例如楼层104、楼层106、楼层108及楼层110。本文中将建筑物102描绘为多楼层环境100的实例，且多楼层环境100可不仅限于此类建筑物结构，而是可包含任何此类多层结构。此外，出于实例目的，将建筑物102中的楼层数目描绘为四个，且建筑物102可包含更少或更多楼层。在下文中将楼层104到110称为多个楼层。
将建筑物102进一步描绘为包含多个接入点(在图1中描绘为“AP”)以用于给建筑物102中的用户提供无线接入。无线接入提供可符合无线局域网络(WLAN)规范，例如电气与电子工程师协会(IEEE)批准的802.11规范(或Wi-Fi规范)。无线接入提供可不限于如本文中所解释的无线接入点及WLAN标准，且此类提供可扩展到其它形式的无线接入，例如使用近场通信(NFC)终端、蓝牙接口及Zigbee网络的无线接入。多个接入点跨越多个楼层而分布，使得每一楼层包含来自多个接入点当中的一或多个接入点。举例来说，楼层104包含接入点112、114及116；楼层106包含接入点118及120；楼层108包含接入点122；且楼层110包含接入点124及126。接入点112到126一起配置多个接入点。每一楼层可包含比图1中所描绘更少或更多数目个接入点。此外，出于示范性目的而描绘接入点在每一楼层内的定位，且各种接入点的定位可经配置以在用户附近给所述用户提供最优信号强度无线信号。
将实例性用户128描绘为定位于楼层108处。用户128与经配置以与来自多个接入点当中的一或多个接入点通信的用户装置130相关联。用户装置130的实例可包含电子装置，例如蜂窝式电话、智能电话、膝上型计算机及平板个人计算机。由图1中的虚线箭头描绘用户装置130与一或多个接入点(例如接入点118、122及124)之间的通信。用户128可以无线方式与一或多个接入点通信以用于信息交换。所接收信号的强度可用于确定用户128距对应接入点的距离。使用一或多个此类距离计算，可确定用户128的三维(3D)位置。用于确定用户128的3D位置的此类计算针对所述确定做出若干个假定。举例来说，楼层位置计算涉及跨越若干楼层的最大接入点可见度准则(其中将第i楼层的接入点可见度计算为在第i楼层上可见的接入点数目占第i楼层上的接入点总数目当中的百分比值)。此计算假定接入点均匀地放置于每一楼层上，此并非室内环境中的通常情形。此外，此类计算假定每一楼层上的接入点的数目是相同的(即，接入点的均匀密度)，此可并非如图1中所见的情形。此外，此类计算假定所有接入点总是接通。所述计算并不计及关断的接入点。然而，各种实施例提供能够克服这些及其它障碍并提供额外益处的用于多楼层环境中的位置估计的方法及系统。本文中参考图2描述经配置以估计多楼层环境(例如多楼层环境100)中的用户位置的位置估计系统。
图2是一实施例中的实例性位置估计系统200(下文中称为系统200)的经简化框图。在一实施例中，系统200可包含于用户装置(例如图1的用户装置130)内。因此，系统200可包含于以下各项中的一者内：蜂窝式电话、智能电话、膝上型计算机及平板PC。在图2中，将系统200描绘为包含收发器模块202、位置估计模块204及存储器模块206。收发器模块202、位置估计模块204及存储器模块206经由总线208彼此以通信方式相关联。总线208的实例可包含但不限于数据总线及控制总线。举例来说，总线可为串行总线、单向总线或双向总线。在一实施例中，系统200的各种组件(例如收发器模块202、位置估计模块204、存储器模块206及总线208)可实施为硬件、软件、固件或其任何组合。在一实施例中，系统200可与传感器模块210以通信方式相关联。在一实施例中，传感器模块210可包含一或多个初始测量单元(IMU)传感器，例如压力传感器(用于感测压力)、陀螺仪(用于感测角速度)、电子罗盘(用于感测地球的磁场)及加速度计(用于感测加速度)。传感器模块210可包含于用户装置内或可在用户装置外部且与系统200以通信方式相关联。
收发器模块202经配置以用于符合WLAN标准/规范(例如IEEE 802.11a/b/c/g规范)的无线接入。在一些实施例中，收发器模块202可经扩展以符合针对NFC通信、蓝牙信息交换及/或Zigbee网络接入的规范。在一实施例中，收发器模块202经配置以执行无线扫描以从多个接入点当中的一或多个接入点接收无线信号，所述多个接入点分别定位于来自多楼层环境(例如图1的建筑物102)内的多个楼层当中的一或多个楼层处的多个位置处。
在一实施例中，位置估计模块204经配置以计算对应于所接收无线信号的第一所接收信号强度指示(RSSI)测量集合。在实例性实施方案中，位置估计模块204可为物理模块(例如，集成电路芯片或封装)或软件模块。然而，根据第二实例性实施方案，位置估计模块204是具体经配置以实施各种实施例的位置估计装置(或位置估计机器)。在一实施例中，位置估计模块204可体现为多核心处理器、单核心处理器或者一或多个多核心处理器与一或多个单核心处理器的组合。举例来说，位置估计模块204可体现为各种处理装置中的一或多者，例如协处理器、微处理器、控制器、数字信号处理器(DSP)、具有或不具有伴随DSP的处理电路系统或者包含集成电路的各种其它处理装置，举例来说，例如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、微控制器单元(MCU)、硬件加速器或专用计算机芯片。在一实施例中，位置估计模块204可经配置以执行硬译码功能性。在一实施例中，位置估计模块204可体现为软件指令的执行器，其中所述指令可具体配置位置估计模块204以在执行指令时执行本文中所描述的算法及/或操作。除其它之外，位置估计模块204可包含时钟、算术逻辑单元(ALU)及经配置以支持位置估计模块204的操作的逻辑门。在一实施例中，位置估计模块204可为高级精简指令集计算机(RISC)机器(ARM)处理器。虽然位置估计模块204(如本文中所解释)经配置以计算对应于所接收无线信号的第一RSSI测量集合，但在一些实施例中，所述计算可由位置估计系统200外部的远程装置(例如服务器)执行，所述远程装置可与位置估计模块204通信。
在一实施例中，存储器模块206经配置以存储媒体接入控制(MAC)地址及/或服务集识别(SSID)地址连同对应于来自接入点的所接收无线信号的第一RSSI测量集合。存储器模块206的实例包含但不限于随机接入存储器(RAM)、同步动态RAM(SDRAM)及双数据速率SDRAM(DDR SDRAM)。
在一实施例中，位置估计模块204经配置以在执行无线扫描之后识别来自多个接入点当中的初级接入点集合及次级接入点集合。在一实施例中，初级接入点集合对应于在无线扫描(举例来说，无线扫描的当前实例)期间从其接收无线信号的那些一或多个接入点，且次级接入点集合对应于在无线扫描之前(举例来说，无线扫描的先前实例)已确认其存在且在无线扫描的当前实例期间不从其接收无线信号的那些接入点。对应于初级接入点集合的接入点在下文中称为可见接入点，且对应于次级接入点集合的接入点在下文中称为不可见接入点。当用户在多楼层环境中进行导航时，收发器模块202可执行无线扫描以从用户附近的接入点接收无线信号。举例来说，如果用户位于图1的建筑物102的楼层108处，那么用户装置中的收发器模块202可在执行无线扫描后即刻从接入点122、124及118(即，用户128附近的接入点)接收无线信号。在无线扫描的当前实例期间由收发器模块202从其接收无线信号的此类接入点在本文中称为可见接入点。此外，收发器模块202还可知晓若干接入点(例如用户128附近的接入点126及120)的存在，但不从这些接入点接收无线信号。举例来说，可已在无线扫描的先前实例期间从一些接入点接收无线信号且在无线扫描的当前实例期间并未从所述接入点接收无线信号。此类接入点在本文中称为不可见接入点。在一实施例中，收发器模块202可由于若干个因素而知晓不可见接入点的存在。举例来说，在图1中，用户128可在到楼层108的途中已在楼层110上遇到作为可见接入点的接入点126。在到达楼层108后，来自接入点126的无线信号即刻可为不可用的，且因此可将接入点126识别为不可见接入点。在一些实施例中，已在对多楼层环境的先前访问期间遇到一或多个接入点且因此可基于信号的可用性而将所述一或多个接入点称为可见接入点或不可见接入点中的一者。
在一实施例中，多个接入点中的所有接入点的数据库连同其相应位置坐标经维持且用于将接入点识别为可见接入点及不可见接入点中的一者。在一实施例中，存储器模块206经配置以存储此数据库。在一实施例中，收发器模块202从外部源接收对应于数据库的数据且随后将信息存储于存储器模块206中。在一实施例中，收发器模块202结合存储器模块206在从来自多个接入点当中的接入点接收无线信号后即刻以持续方式动态地构建包含可见接入点及不可见接入点的表的数据库。在一实施例中，仅将在可见接入点附近的那些接入点识别为不可见接入点。举例来说，如果数据库包含100个接入点连同其对应位置坐标，且如果当前位于楼层2上的收发器模块202从五个接入点(即可见接入点)接收无线信号，那么仅将在楼层2附近(举例来说，在楼层1及3上)且不从其接收无线信号的那些接入点识别为来自100个接入点当中的不可见接入点。在一实施例中，对不可见接入点的识别及将此类接入点后续纳入用户位置计算中改进所述计算的估计准确度。参考图3解释由于纳入不可见接入点的估计准确度的实例性改进。
现在参考图3，描绘一实施例中的第二实例性多楼层环境300的透视图，其用于图解说明通过纳入不可见接入点的用户楼层位置计算的准确度的实例性改进。将多楼层环境300描绘为包含两个楼层—楼层302及楼层304。在图3中将楼层302描绘为‘楼层1’且将楼层304描绘为‘楼层2’。出于图解说明目的而将多楼层环境300描绘为包含两个楼层，且多楼层环境300可包含更多数目个楼层。在图3中，出于图解说明目的而将楼层302描绘为包含一个接入点306且将楼层304描绘为包含两个接入点308及310。与用户314相关联且包含图2的系统200的用户装置312可从多楼层环境300中的一或多个接入点接收无线信号。如果用户314当前位于楼层1处，那么用户装置312可分别从接入点306及308接收无线信号。因此，接入点306及308可称为可见接入点。用户装置312可不从接入点310接收无线信号(即，接入点310可被视为不可见接入点)。
如果仅可见接入点包含于用户楼层位置计算中且如果与来自接入点306及308的所接收无线信号相关联的RSSI是相等的，那么确定用户314当前位于的楼层是困难的，这是因为从来自两个楼层的接入点接收到相等强度信号。模糊楼层位置可使对用户楼层位置的估计降级。然而，如果不可见接入点包含于用户位置计算中，那么可排除在估计用户楼层位置时的模糊，从而改进估计用户位置的准确度。举例来说，在图3中，如果用户装置312已知接入点310的存在且不从接入点310接收无线信号(即，接入点310是不可见接入点)，那么用户位于楼层2上的可能性大体上减小，从而以相当准确的方式帮助用户楼层位置及因此用户位置估计。下文进一步解释对用户楼层位置的估计。
现在参考图2，位置估计模块204进一步经配置以基于与来自可见接入点及不可见接入点当中的每一接入点相关联的位置计算几何度量。在一实施例中，几何度量是形心度量及RSSI经加权形心度量中的一者。参考图4解释几何度量的计算。
现在参考图4，描绘一实施例中的第三实例性多楼层环境400(下文中称为多楼层环境400)的透视图，其用于图解说明几何度量的计算。将多楼层环境400描绘为包含两个楼层—楼层402及楼层404。在图4中将楼层402描绘为‘楼层4’且将楼层404描绘为‘楼层5’。出于图解说明目的而将多楼层环境400描绘为包含两个楼层，多楼层环境400可包含更多数目个楼层。在图4中，将楼层402描绘为包含接入点406、408、410、412及414且将楼层404描绘为包含接入点416、418、420、422及424。如图4中所描绘的接入点几何形状仅出于图解说明目的而包含于本文中且不可被认为限制实例性实施例的范围。
在图4中，将接入点406、408、410、412、414及420描绘为被识别为可见接入点，且将接入点416、418、422及424描绘为被识别为不可见接入点。更具体来说，收发器模块202从接入点406、408、410、412、414及420接收无线信号，且不从接入点416、418、422及424接收信号，尽管收发器模块202知晓这些接入点在附近的存在。如参考图3所解释，对不可见接入点的识别帮助估计用户楼层位置。由位置估计模块204基于可见/不可见接入点几何形状计算几何度量。举例来说，在图4中，将形心430描绘为基于可见接入点及不可见接入点的位置而计算。在一实施例中，可将权数指派给对应于可见接入点的位置的RSSI测量且经加权RSSI测量可作为因素在形心430的计算中被考虑。
现在参考图2，位置估计模块204可使用几何度量来计算用户楼层位置且接着使用用户楼层位置连同所计算RSSI测量来确定多楼层室内环境中的用户位置。在一实施例中，针对较低复杂性实施方案，位置估计模块204经配置以在所计算几何度量(例如形心430)周围产生有限大小的虚构3D网格。所述3D网格经配置以延伸跨越多楼层环境中的一或多个楼层且包含多个网格点。在一实施例中，位置估计模块204经配置以计算多个网格点中的每一网格点处的似然值。在一实施例中，计算似然值对应于计算用户位于楼层‘f’处的概率(假定由‘R’表示的所接收第一RSSI测量集合)，即，p(f/R)。
在一实施例中，位置估计模块204进一步经配置以计算预定义目标函数，所述预定义目标函数经配置以将用户位于来自多楼层室内环境中的多个楼层当中的一楼层处的概率最大化。在一实施例中，预定义目标函数是最大后验(MAP)概率分布函数。举例来说，在一实施例中，预定义目标函数‘fMap’(即，MAP概率分布函数)定义为一函数，所述函数将用户位于楼层‘f’处的概率最大化(假定由‘R’表示的所接收第一RSSI测量集合)。在以下方程式(1)中描绘此预定义目标函数：
可基于贝叶斯(Bayes)定理重新布置方程式(1)的参数以配置如下所描绘的方程式(2)：
在方程式(2)中，对应于用户接收RSSI测量‘R’的概率的函数p(R)不影响MAP概率分布函数且因此如以下方程式(3)中所描绘而重写方程式(2)：
可如以下方程式(4)中所描绘而计算基于方程式(3)的与楼层计算相关联的估计不确定性‘Unc’：
可使用分割定理如以下方程式(5)中所描绘而计算似然函数p(R/f)：
p(R/f)＝∫u∈gridp(R/f，u)p(u)du (5)
其中u＝(x,y)是形成于楼层‘f’上的虚构3D网格的网格点。
如果认为所有可见接入点的RSSI测量彼此独立，那么可如以下方程式(6)中所描绘而写出函数p(R/f,u)：
其中N是由收发器模块202检测到的可见接入点的数目且p(Ri/f,u)是从第i可见接入点接收RSSI测量(Ri)的概率(假定用户位于楼层‘f’上的网格位置u处)。
如参考图3所解释，不可见接入点帮助改进估计用户位置的准确度且对应于不可见接入点的信息可如下并入于方程式(6)中：假定可见接入点的集合V，及不可见接入点的集合可如方程式(7)中所描绘而写出将针对楼层‘f’上的每一可能位置u＝(x,y)计算的经修改方程式(6)。
其中P(Vi|u,f)是V中的第i接入点在楼层‘f’上的位置u处为可见的概率。此取决于网格点u与第i可见接入点之间的距离。类似地，表示中的第j接入点在楼层‘f’上的位置u处为不可见的概率，其也取决于u与第j不可见接入点之间的距离。
在一实施例中，基于包含多个信道模型参数的3D信道模型而估计概率P(Ri|f,u)。在一实施例中，多个信道模型参数包含以下各项中的至少一者：对数正态阴影模型参数及计及跨越多楼层环境中的若干楼层的信号衰减的参数。在一实施例中，对数正态阴影模型参数可包含参考RSSI及路径损失系数。在一实施例中，计及跨越多楼层环境中的若干楼层的信号衰减的参数的实例可为一度量，邻近楼层中的接入点的RSSI测量与相同楼层中位于距接入点相同距离处的接入点的RSSI测量相比衰减达所述度量。在一实施例中，衰减(即，楼层X处的RSSI与楼层X+1处的针对距接入点相同距离的RSSI之间的差)称作‘楼层衰减因子’(下文中称为‘FAF’)。在一实施例中，如方程式(8)中所描绘而近似估计包含对数正态阴影模型参数及楼层衰减因子的3D信道模型：
R(d,f)＝R0+10nlog10(d0/d)-Δ(f,f0)+w (8)
其中，R是位于距接入点距离d处的以dBm为单位的RSSI，R0是位于参考距离d0处的参考RSSI，n是路径损失系数，Δ是以dB为单位的楼层衰减因子(其为安装有接入点的楼层位置f0以及观察楼层f两者的函数)且w是具有方差σ2的零均值加性高斯(Gaussian)白噪声。
在一实施例中，信道模型参数可针对不同接入点而变化。举例来说，参考RSSI及/或路径损失系数可从一个接入点到另一接入点地变化。在一实施例中，位置估计模块204通过跨越多楼层环境的各种位置测量接入点的RSSI而设计适合信道模型。举例来说，楼层衰减因子可如下而计算：如果位于楼层X处的接入点与楼层X上的位于距接入点距离d处的-40分贝毫瓦(dBm)的RSSI测量相关联且相同接入点的当在楼层X+1处在距接入点相同距离d处测量时的RSSI测量是-50dBm，那么针对楼层X+1的FAF确定为10dB。在图5中参考针对一个接入点的RSSI测量解释FAF的计算。
图5描绘一实施例中的表示对应于从接入点接收的无线信号且依据距离而测量的RSSI测量的示范性图表500，其用于图解说明FAF的计算。更具体来说，在Y轴502上描绘在各种距离处从接入点接收的RSSI测量(以dBm为单位而测量且包含介于从0dBm到-120dBm的范围内的值)且在X轴504上描绘距接入点的对应距离(以米‘m’为单位而测量且包含介于从0m到100m的范围内的值)。针对楼层M上的接入点，在楼层M上的各种距离处的RSSI测量的分布标绘为‘x’，且针对相同接入点，在楼层‘M+1’上的各种距离处接收的RSSI测量的分布标绘为‘o’。对应于接入点的第一平均RSSI(由线506描绘)是依据楼层‘M’上的各种距离处的所有RSSI测量而计算。类似地，对应于相同接入点的第二平均RSSI(由线508描绘)是依据楼层‘M+1’上的各种距离处的所有RSSI测量而计算。通过对对应楼层的相同距离的所有RSSI测量求平均而计算两个平均RSSI图。可将第一平均RSSI与第二平均RSSI之间的差(描绘为20dB)确定为楼层‘M+1’的针对楼层‘M’上的所有接入点的FAF。
如参考图4所解释，位置估计模块204经配置以基于几何度量产生包含多个网格点的虚构3D网格且计算多个网格点中的每一网格点处的P(R|f,u)的值(如方程式(7)中所描绘)。使用参考方程式(8)所解释的3D信道模型参数计算P(R|f,u)的值。在一实施例中，位置估计模块204进一步经配置以识别与来自一或多个楼层当中的一楼层位置相关联的网格点集合，使得其相关联似然值在被求平均的情况下将预定义目标函数最大化。在一实施例中，位置估计模块204经配置以识别与网格点集合相关联的楼层位置信息作为绝对楼层位置信息。举例来说，如果虚构3D网格延伸跨越楼层2、3及4且针对跨越楼层2、3及4的网格点计算似然值，且确定针对对应于楼层3的网格点集合的似然函数的平均值将预定义目标函数最大化，那么将与楼层3相关联的楼层信息确定为绝对楼层位置信息。在一实施例中，绝对楼层位置信息包含绝对楼层位置估计及与绝对楼层位置估计相关联的第一不确定性估计。举例来说，所识别的绝对楼层位置信息可包含用户最可能位于的绝对楼层号码(举例来说，楼层号码3)，及与对楼层3的绝对楼层位置估计相关联的不确定性估计。举例来说，第一不确定性估计可为-10dB，指示用户在楼层3上的概率几乎是用户在多楼层环境中的任何其它楼层上的概率的十倍。
如上文所解释，基于计算几何度量且接着计算预定义目标函数的值而执行对绝对楼层位置估计的确定。基于RSSI测量，或换句话说基于所接收无线信号而依次执行对几何度量及预定义目标函数的计算。因此，对绝对楼层位置估计的确定可称作基于无线信号的楼层确定。然而，在特定情景中，观察到基于无线信号的楼层确定可不完全可靠。举例来说，在多楼层环境的中断区域(例如包含电梯或楼梯或者在电梯或楼梯附近的区域)中，接入点可见度可为较差的、不可靠的或不存在的。此外，即使在用户行走于相同楼层上时的情形中，基于无线信号的楼层确定可偶尔由来自其它楼层的与当前楼层相比具有较强RSSI的接入点偏置(举例来说，在其中用户站立于安装于当前楼层正下方的楼层上的接入点正上方的实例中)。在此类情形中，将使用压力传感器的相对楼层确定与基于无线信号的楼层确定组合改进整体用户3D定位，如下文将解释。
传感器模块210可包含压力传感器(举例来说，测高仪)，所述压力传感器可经配置以感测压力且将对应于多楼层环境中的用户移动的压力读数的改变提供给位置估计模块204。在一实施例中，位置估计模块204进一步经配置以基于从传感器模块210中的压力传感器接收的压力传感器测量而确定相对楼层位置信息。相对楼层位置信息包含相对楼层位置估计及与相对楼层位置估计相关联的第二不确定性估计。举例来说，相对楼层位置信息可包含相对楼层位置估计(例如对用户已相对于初始楼层移动五个楼层的估计)，及与对用户已穿越的楼层数目的改变的相对楼层位置估计相关联的不确定性估计。举例来说，第二不确定性估计可为30％，指示用户已移动五个楼层的概率确定为70％。
出于绝对楼层确定目的，来自传感器模块210中的压力传感器的海拔高度信息本身可为极不准确的。举例来说，出于绝对楼层确定目的，海拔高度测量可由大的随机偏置破坏，从而使绝对海拔高度信息变得无效。然而，海拔高度的相对改变是相当准确的且可用于确定用户楼层位置的相对改变。
位置估计模块204经配置以接收当前时刻处及经延迟时刻处的海拔高度测量。在一实施例中，位置估计模块204经配置以通过将与用户移动相关联的海拔高度的改变与相对楼层高度值进行比较而计算相对楼层位置估计(即，由用户穿越的楼层的数目)与所述估计的对应不确定性。在一实施例中，存储器模块206可经配置以存储多楼层环境中的所有楼层的相对高度的数据库。位置估计模块204计算在当前时刻及经延迟时刻处接收的海拔高度测量的改变且将海拔高度测量的改变与对应于多楼层环境中的不同楼层的相对高度的楼层高度值进行比较以确定用户已穿越的楼层的数目。
在一些实施例中，可在一段时间内获知且随后调适多楼层环境中的楼层的相对高度的数据库。在不存在此数据库的情况下，假定相对楼层高度的值针对一或多个建筑物中的所有楼层为相同的且其值可最初经选择为四米的典型楼层高度。然而，数据库中的相对楼层高度的值使用基于无线信号的楼层确定而随时间动态地更新，如稍后将结合图11所解释。
在一实施例中，位置估计模块204经配置以通过基于第一不确定估计及第二不确定性估计对绝对楼层位置估计及相对楼层位置估计优选地进行加权而确定用户楼层位置连同第三不确定性估计。在一实施例中，位置估计模块204可在基于卡尔曼(Kalman)滤波器的算法中基于第一不确定性估计及第二不确定性估计对绝对楼层位置估计及相对楼层位置估计优选地进行加权。如上文所解释，基于基于无线信号的楼层确定而确定绝对楼层位置信息(即，绝对楼层位置估计连同对应第一不确定性估计)且使用压力传感器测量而确定相对楼层位置信息(即，相对用户楼层估计连同对应第二不确定性估计)。在基于卡尔曼滤波器的算法中基于第一不确定性估计及第二不确定性估计对绝对楼层位置估计及相对楼层位置估计优选地进行加权以确定用户楼层位置连同第三不确定性估计。举例来说，位置估计模块204基于压力传感器测量而确定其中是在时间k-1处由用户穿越的楼层的数目(即，相对楼层位置估计)且是在时间k-1处所穿越的楼层的数目的相关联不确定性(即，第二不确定性估计)。此外，位置估计模块204基于如参考图2及3所解释的所接收RSSI测量及预定义目标函数而确定及Rk，其中是在时间k处的基于无线信号的楼层确定的输出(即，绝对楼层位置估计)且Rk是相关联不确定性(即，第一不确定性估计)。接着，卡尔曼滤波器公式化包含执行时间更新及测量更新。在时间‘k’处的时间更新涉及预测状态估计(如方程式(9)中所描绘)及预测协方差(如方程式(10)中所描绘)：
其中Q是过程噪声参数，其控制卡尔曼滤波器的带宽且针对最优性能而经调谐。在时间‘k’处的测量更新涉及测量革新或残差(如方程式(11)中所描绘)、卡尔曼增益更新(如方程式(12)中所描绘)、经更新状态估计(如方程式(13)中所描绘)及经更新状态协方差(如方程式(14)中所描绘)：
此外，对应于经优选加权楼层的状态针对最终用户楼层位置估计经量化为最接近楼层数目，如以下方程式(15)中所描绘：
在每一时刻处，卡尔曼滤波器迭代地执行时间及测量更新(如方程式(9)到(15)中所描绘)以确定用户楼层位置(由给出)连同对应第三不确定性估计(由给出)。
在一实施例中，位置估计模块204进一步经配置以基于加速度计测量及压力传感器测量而计算用户位置的背景。来自传感器模块210的测量可用于获知其中用户进行导航的用户位置背景，且背景信息可用于改进用户定位的整体准确度。在一实施例中，用户位置的背景是以下各项中的一者：楼梯背景、电梯背景、自动扶梯背景及楼层上背景。更具体来说，来自传感器模块210的测量可用于确定用户是否正在多楼层环境内的楼梯、电梯、自动扶梯上或一楼层上移动。参考图6、7、8及9进一步解释对用户位置背景的检测。
图6图解说明一实施例中的用于确定用户位置的背景的实例性过程流程600的框图。过程流程600可由图2的系统200执行以用于确定用户位置背景。更具体来说，系统200的位置估计模块204可执行过程流程600。框图进一步描绘图2的传感器模块210。将传感器模块210描绘为包含加速度计212及压力传感器214。虽然将传感器模块210描绘为仅包含加速度计212及压力传感器214，但传感器模块210可包含其它类型的传感器，例如电子罗盘及陀螺仪。
在过程流程600的602处，从加速度计212接收以加速度计测量形式的关于多楼层环境中的用户移动的信息。在602处，基于从加速度计212接收到的加速度计测量而(举例来说，通过位置估计模块204)检测与用户移动相关联的步进移动的存在。在图6中将步进移动的存在的检测的输出描绘为‘步进信息604’。
在过程流程600的606处，从压力传感器214接收对应于用户移动的压力测量且基于压力传感器测量而执行垂直速度估计以确定垂直速度信息608。接着将垂直速度信息608与垂直运动指示区块610中的预定义阈值进行比较以产生垂直运动信息612。在过程流程600的614处，基于步进信息604、垂直速度信息608及垂直运动信息612而执行多楼层环境中的用户位置的背景检测以计算用户位置背景616。更具体来说，将步进信息604(暗示用户移动)与垂直速度信息608(暗示与用户移动相关联的海拔高度的改变)及垂直运动信息612(暗示与海拔高度的改变相关联的向上或向下移动)组合以确定来自以下各项当中的一者的用户位置背景：楼梯背景、电梯背景、自动扶梯背景及楼层上背景。举例来说，如果垂直运动信息612指示表明不存在用户在多楼层环境中的垂直移动，那么推断出用户位置背景为楼层上背景，此暗示用户在多楼层环境内的一楼层上进行导航。此信息在用户位置计算期间为有用的，这是因为其滤除受绝对楼层位置估计严重影响的错误楼层改变。参考图7进一步解释对楼梯背景的确定。
图7描绘一实施例中的第四实例性多楼层环境700(下文中称为多楼层环境700)的透视图，其用于图解说明对楼梯背景的实例性确定。更具体来说，图7描绘正导航于多楼层环境700中的楼梯704上的用户702的透视图。将用户702描绘为使用多楼层环境700中的楼梯704从楼层706(在图7中描绘为楼层‘X’)导航到楼层708(在图7中描绘为楼层‘X+1’)。用户702可与包含以通信方式与传感器模块(例如传感器模块210)耦合的系统(图7中未展示)(例如图2的系统200)的用户装置相关联。传感器模块包含加速度计，所述加速度计经配置以促进对用户步进移动的检测。此外，传感器模块包含压力传感器，所述压力传感器经配置以在每当用户在多楼层环境700中执行垂直移动时感测海拔高度的改变。在一实施例中，依据经过滤海拔高度测量而估计垂直速度。接着将垂直速度估计与预定义阈值进行比较以估计垂直运动。如果步进信息指示由用户702进行的步进移动的存在且垂直运动指示表明用户702在多楼层环境700中的垂直移动，那么推断出用户位置背景为楼梯，这是因为用户702正进行与海拔高度的改变相关联的步进。在多楼层环境700中的用户定位中，对楼梯背景的确定可为有用的。举例来说，由于大多数楼梯具有单个出入点，因此确定用户位置的楼梯背景暗示用户702在仅两个出口点附近，此可基于RSSI测量及压力传感器测量、使用稳健楼层鉴别来分辨。此信息还可与地图信息混合，从而含有定位误差，所述定位误差可漂移，这是因为通常在中断区域(例如与楼梯相关联的中断区域)中无线信号接收为弱的或不可靠的。参考图8解释对电梯背景的确定。
图8描绘一实施例中的第五实例性多楼层环境800(下文中称为多楼层环境800)的透视图，其用于图解说明对电梯背景的实例性确定。更具体来说，图8描绘正导航于多楼层环境800中的电梯804中的用户802。将用户802描绘为使用多楼层环境800中的电梯804从楼层806(在图8中描绘为楼层‘X’)导航到楼层808(在图8中描绘为楼层‘X+2’)。用户802可与包含以通信方式与传感器模块(例如传感器模块210)耦合的系统(图8中未展示)(例如图2的系统200)的用户装置相关联。传感器模块包含加速度计，所述加速度计经配置以促进对用户步进移动的检测。此外，传感器模块包含压力传感器，所述压力传感器经配置以在每当用户在多楼层环境中执行垂直移动时感测海拔高度的改变。依据经过滤海拔高度测量而估计垂直速度。接着将垂直速度估计与预定义阈值进行比较以估计垂直运动。
如果垂直速度估计归属于第一预定义范围内且不存在步进检测(暗示存在以特定速度的向上移动但未进行步进)，那么推断出用户位置背景为电梯。在实例性实施例中，针对垂直速度估计的第一预定义范围可从0.38米/秒(m/s)到9m/s(即，以实证方式确定的电梯的典型垂直速度)变化。在多楼层环境800中的用户定位中，对电梯背景的确定可为有用的。举例来说，电梯背景检测连同被穿越的楼层数目(可使用相对楼层鉴别来找到)且借助于地图信息可在用户一从电梯出来时便提供当前用户位置，甚至无需等待基于新楼层上的无线测量的新2D位置估计(其可为不可靠的)。通常，接近电梯区域的无线接入点可见度为较差的且因此，可使用电梯背景检测来约束定位误差。参考图9解释对自动扶梯背景检测的确定。
图9描绘一实施例中的第六实例性多楼层环境900的透视图，其用于图解说明对自动扶梯背景的实例性确定。更具体来说，图9描绘正导航于多楼层环境900中的自动扶梯904中的用户902。将用户902描绘为使用多楼层环境900中的自动扶梯904从楼层906(在图9中描绘为楼层‘X’)导航到楼层908(在图9中描绘为楼层‘X+1’)。用户902与包含以通信方式与传感器模块(例如传感器模块210)耦合的系统(图9中未展示)(例如图2的系统200)的用户装置相关联。传感器模块包含加速度计，所述加速度计经配置以促进对用户步进移动的检测。此外，传感器模块包含压力传感器，所述压力传感器经配置以在每当用户在多楼层环境900中执行垂直移动时感测海拔高度的改变。依据经过滤海拔高度测量而估计垂直速度。接着将垂直速度估计与预定义阈值进行比较以估计垂直运动。
如果垂直速度估计归属于第二预定义范围内且不存在步进检测(暗示存在以特定速度的向上移动但未进行步进)，那么推断出用户位置背景为自动扶梯。在实例性实施例中，针对垂直速度估计的第二预定义范围可从0.2m/s到0.28m/s(即，以实证方式确定的自动扶梯的典型垂直速度)变化。在多楼层环境900中的用户定位中，对自动扶梯背景的确定可为有用的。举例来说，自动扶梯在例如商场及机场等地方较为普遍，其中接入点与特定楼层的关联性是不可能的；从而使得基于无线信号的定位解决方案较不可靠。在此类情景中，自动扶梯背景确定可用于通过进行与基于所述背景的经最新更新位置的一致性检查而约束定位误差。
在实例性实施例中，除确定用户位置的背景之外，位置估计模块204还经配置以计算用户楼层位置内的2D位置估计连同相关联第四不确定性度量。下文解释由位置估计模块204进行的2D位置估计的计算。
如参考图2到4所解释，系统200的位置估计模块204经配置以确定用户楼层位置及与用户楼层位置相关联的第三不确定性估计，此基于在基于卡尔曼滤波器的算法中基于第一不确定性估计及第二不确定性估计对绝对楼层位置估计及相对楼层位置估计优选地进行加权。位置估计模块204进一步经配置以计算一楼层内的与用户楼层位置相关联的2D位置估计连同相关联第四不确定性度量。举例来说，在确定用户楼层位置为楼层8后，位置估计模块204可即刻估计楼层8内的2D位置估计。在一实施例中，在用户楼层位置上的暂时2D位置周围产生包含多个网格点的虚构2D网格且计算用户位于每一网格点处的概率。通过在整个2D网格内求平均而计算最小均方误差(MMSE)估计，其中每一网格点由其接收RSSI测量的概率加权。在一实施例中，在观察到N RSSI测量的向量R＝[R1....RN]的情况下，如方程式(16)中所描绘而定义用户位于网格点u＝(x,y,f)处的概率：
P(R|u)＝Πi P(Ri|u) (16)
其中假定RSSI测量为统计上独立的且使用将P(Ri|u)模型化的对数正态阴影模型。可接着如方程式(17)中所描绘而定义MMSE估计量：
其中E{}是期望值算子。
在一实施例中，用户楼层位置内的2D位置估计的计算涉及识别仅与用户楼层位置相关联的可见接入点及不可见接入点。在一实施例中，来自其它楼层的可见及不可见接入点也可用于2D位置估计的计算。更具体来说，如果用户从来自当前用户楼层附近的楼层的接入点接收RSSI测量(从而暗示用户接近于所述接入点)，那么此信息可用于将用户楼层位置的虚构2D网格的大小限制为较小大小以帮助2D位置估计，且还用于帮助改进2D位置估计。
因此，在一实施例中，位置估计模块204经配置以识别来自初级接入点集合及次级接入点集合当中的与用户楼层位置附近的一或多个楼层相关联的接入点。位置估计模块204进一步经配置以基于所识别接入点而跨越用户楼层位置产生虚构2D网格。位置估计模块204进一步经配置以基于从安置于用户楼层位置中的接入点及/或安置于用户楼层位置附近的接入点接收的第二RSSI测量集合而确定用户位置的2D估计。基于最小均方误差(MMSE)算法而计算2D位置估计，所述MMSE算法经配置以计算用户位于虚构二维网格中的各种位置处的经加权概率，如参考方程式(16)及(17)所解释。参考图10进一步解释使用来自其它楼层的接入点以用于限制2D网格的大小。
图10描绘一实施例中的第七实例性多楼层环境1000(下文中称为多楼层环境1000)的透视图，其用于图解说明对来自用户楼层位置附近的楼层的接入点的实例性使用。将多楼层环境1000描绘为包含两个楼层—楼层1002及楼层1004。在图10中将楼层1002描绘为‘楼层4’且将楼层1004描绘为‘楼层5。出于图解说明目的而将多楼层环境1000描绘为包含两个楼层，且多楼层环境1000可包含更少或更多数目个楼层。在图10中，出于图解说明目的而将楼层1002描绘为包含一个接入点1006且将楼层1004描绘为包含一个接入点1008。与用户相关联且包含图2的系统200的用户装置可从多楼层环境1000中的一或多个接入点(例如接入点1006及1008)接收无线信号。如果将楼层1002确定为用户楼层位置，那么仅基于楼层1002内的接入点而确定楼层1002内的2D位置估计可涉及高量的不确定性，这是因为用户位置可在楼层1002中的虚线圆1010上的任何地方处。类似地，仅基于接入点1008而确定楼层1002内的2D位置估计可涉及高量的不确定性，这是因为用户可在楼层1002中的虚线圆1012上的任何地方处。然而，如果使用来自楼层1004中的接入点1008的无线信号连同来自楼层1002中的接入点1006的无线信号，那么不确定性减小，这是因为用户可仅在两个虚线圆的小相交区域1014中。此外，如果用户从接入点1008接收无线信号，那么暗示用户在接入点1008附近且因此可基于如图10中所描绘的两个圆1010及1012的相交区域1014而减小二维网格的大小，从而导致计算复杂性的相当大的减小。在一实施例中，对应于用户楼层位置内的接入点的RSSI测量可结合经减小2D网格使用以计算2D位置估计。在另一实施例中，对应于用户楼层位置附近的接入点的RSSI测量连同适当信道模型参数(例如参考图2及5所解释的楼层衰减因子)也可包含于2D位置估计计算中。因此，来自用户楼层位置中的楼层及所估计用户楼层位置附近的楼层的接入点(可见接入点及不可见接入点两者)可用于确定2D位置估计。
在一实施例中，用于确定用户楼层位置的虚构3D网格(参考图2及4所解释)的大小可经选择为相当粗略的(举例来说，具有五米的均匀网格步长)，而用于确定用户楼层位置内的2D位置估计的虚构2D网格的大小可经选择为相对较精细的(举例来说，具有一米的均匀网格步长)。
在一实施例中，可使用MMSE算法直接估计用户位置的3D估计，而排除了使用无线接入点的用户楼层位置确定及所确定用户楼层位置内的2D位置估计的后续确定。在此情景中，可产生包含在垂直维度上且沿着各种楼层位置的离散网格点的虚构3D网格且可使用方程式(6)、(7)、(8)及(17)沿着跨越楼层的每一网格位置计算用户位置的概率。然而，此3D用户定位技术的复杂性显著高于参考图2到10所解释的定位技术(其包含单独的基于无线及压力传感器测量的用户楼层位置确定及随后计算所确定用户楼层位置内的2D位置估计)的复杂性。举例来说，针对涉及直接3D用户位置估计的情景，需要构造精细3D网格以获得准确3D用户位置估计，而在参考图2到10所解释的定位技术中，将粗略网格用于用户楼层位置确定且将精细网格用于2D位置估计，此大体上减小网格点的数目且从而减小用以估计整体3D用户位置的计算的数目。此外，单独估计用户楼层位置及2D位置估计的模块化方法使得能够将楼层信息与压力传感器测量以及2D定位与加速度计及陀螺仪传感器组合以进一步改进3D定位准确度。
在替代实施例中，可将位置估计系统(例如位置估计系统200)设想为包含收发器模块(例如收发器模块202)及位置估计模块(例如位置估计模块204)，其中收发器模块经配置以从外部源接收用户楼层位置信息连同相关联不确定性估计且将所述用户楼层位置信息传递到位置估计模块，所述位置估计模块可接着如上文所解释而计算2D位置估计。
在一实施例中，位置估计模块204经配置以将2D位置估计连同相关联第四不确定性估计与以下各项中的至少一者融合以确定用户位置的3D估计：用户位置的背景、用户楼层位置及相关联第三不确定性估计以及与多楼层环境相关联的地图信息。参考图11解释对用户位置的3D估计的确定。
图11图解说明一实施例中的用于确定多楼层环境中的用户位置的示范性过程流程1100的框图。过程流程1100可由图2的系统200执行以用于确定用户位置。更具体来说，系统200的位置估计模块204可执行过程流程1100。框图进一步描绘图2的传感器模块210。传感器模块210经配置以将传感器测量(例如压力传感器测量及加速度计测量)提供到位置估计模块204。
在过程流程1100的1102处，如参考方程式(1)到(8)所解释而执行基于无线信号的楼层确定以产生绝对楼层位置估计1104连同对应第一不确定性估计1106的输出。在过程流程1100的1108处，如参考图2所解释而执行相对楼层确定以产生相对楼层位置估计1110连同对应第二不确定性估计1112的输出。
在过程流程1100的1116处，将绝对楼层位置估计1104与相对楼层位置估计1110混合(即，(举例来说)在基于卡尔曼滤波器的算法中基于第一不确定性估计1106及第二不确定性估计1112而对所述绝对楼层位置估计及所述相对楼层位置估计优选地进行加权)以产生用户楼层位置1118连同对应第三不确定性估计1120的输出。在过程流程1100的1122处，如参考图6、7、8及9所解释而检测多楼层环境中的用户位置的背景以确定用户位置背景1124(来自楼梯背景、电梯背景、自动扶梯背景及楼层上背景当中的一个)。在过程流程1100的1126处，如参考图2到10所解释而在用户楼层位置1118内执行基于无线信号的2D位置估计以产生2D位置估计1128及第四不确定性估计1130的输出。
如参考图2所解释，相对楼层确定涉及将海拔高度测量的所观察改变与相对楼层高度值(基于选自数据库的相对楼层高度)进行比较以用于确定相对楼层位置估计1110及第二不确定性估计1112。在1114处由位置估计模块204通过基于所确定用户楼层位置1118及相关联第三不确定性1120周期性地更新对应值而动态地调适相对楼层高度的数据库(在图11中描绘为‘自适应相对楼层数据库’)。下文进一步详细地解释对数据库中的相对楼层高度的调适。
如参考图2所解释，在不存在包含多楼层环境的相对楼层高度的数据库的情况下，可选择针对相对楼层高度的4米的典型代表值。然而，相对楼层高度的值可随后更新以对应于用户当前位于的楼层的实际相对楼层高度。举例来说，如果用户楼层位置1118的第三不确定性估计1120低于预定可接受阈值水平，那么以当前用户楼层位置1118(例如楼层5)来标记当前海拔高度测量。类似地，在稍后时间点处，在当前用户楼层位置1118为不同的(例如楼层9)连同相关联第三不确定性估计低于预定可接受阈值水平的情况下，那么以当前用户楼层位置1118(即，9)来标记当前海拔高度测量。楼层9与楼层5的所标记海拔高度测量之间的差除以其间的楼层数目(即，4个楼层)以确定多楼层建筑物中的对应于从6到9所有楼层的相对楼层高度。可因此连同所更新相对楼层高度而更新楼层高度阈值。一般来说，如果在第k时期处楼层‘i’上的用户楼层位置的第三不确定性σk低于不确定性估计的预定义可接受阈值水平(由‘Thresh’表示)，如方程式(18)中所描绘：
如果那么海拔高度(i)＝M1 (18)
且如果在k+T时期处楼层‘j’上的用户楼层位置的第三不确定性σk+T低于不确定性估计的预定义可接受阈值水平(由‘Thresh’表示)，如方程式(19)中所描绘：
如果那么海拔高度(j)＝M2 (19)
那么如方程式(20)(如下文所描绘)中所描绘而计算相对楼层高度：
其中min(i，j)＜z≤max(i，j) (20)
在一实施例中，只要在用户楼层位置确定期间遇到具有比之前在确定相对楼层高度(z)时所使用的不确定性估计好的不确定性估计的用户楼层位置，便随后调适相对楼层高度的值。
在过程流程1100的1132处，将用户楼层位置1118连同第三不确定性估计1120、用户位置背景1124及2D位置估计1128连同第四不确定性估计1130与多楼层环境的地图信息融合以产生用户位置的3D估计1134及第五不确定性估计1136的输出。在一实施例中，多楼层环境的地图信息可由收发器模块202从安置于多楼层环境的入口处的NFC/WiFi/蓝牙终端接收且随后由收发器模块202传递到位置估计模块204上。在一实施例中，基于用户位置1134及第五不确定性估计1136而迭代地调适用于计算绝对楼层位置估计1104及2D位置估计1128两者的多个信道模型参数的值。参考图12解释对多个信道模型参数的值的调适。
图12描绘图解说明一实施例中的对多个信道模型参数的值的示范性调适的框图示意1200。如方程式(8)中所描绘的信道模型参数包含对数正态阴影模型参数及计及跨越多楼层环境中的若干楼层的信号衰减的参数。更具体来说，信道模型参数包含对数正态阴影模型参数(例如参考RSSI及路径损失系数)及信号衰减参数(例如楼层衰减因子)(参考图5所解释)。信道模型参数从一个接入点到另一接入点不同且有时甚至在一段时间内针对相同接入点而不同。因此，在用户楼层位置及用户位置的计算期间，针对每一接入点而选择信道模型参数的粗略估计(举例来说，通过使用离线训练数据)。在估计用户楼层位置及用户位置后，即刻调适信道模型参数以获得仿真环境的正确信道模型参数。
基于初始信道模型参数集合及第一RSSI测量集合(依据来自多楼层环境中的一或多个接入点的所接收无线信号而计算)而产生用户位置的3D估计1134及第五不确定性估计1136(参考图11中的过程流程1100所解释)作为输出。初始信道模型参数及第一RSSI测量集合存储于存储器模块206中。在产生用户位置的3D估计后，用户位置1134及第五不确定性估计1136即刻馈送回到位置估计模块204作为输出1202。此外，初始信道模型参数及第一RSSI测量集合被进一步从存储器模块206检索且分别作为输入1204及1206提供到位置估计模块204。位置估计模块204经配置以调适多个信道模型参数的值，即，在时间‘t’处产生经更新信道模型参数1208，所述经更新信道模型参数接着用于在时间‘t+1’处估计用户楼层位置及用户2D位置估计。可如下文所解释而执行对信道模型参数的更新。
在一实施例中，针对对应于所确定用户楼层位置的可见接入点调适参考RSSI。举例来说，如果(1)用于2D定位的MMSE搜索程序中的总网格点数目为N(2)Pk表示位于第k网格点处的概率(3)第k网格点与第j接入点之间的距离由djk表示且(4)第j AP的RSSI测量由Rj表示，那么如方程式(21)中所描绘而计算经加权差：
其中求和是对特定区内部的网格点进行的。第j接入点的参考幂(referencepower)从R0 (j)更新到R0 (j)+qj。此外，参考RSSI的更新值(即，qj)可在用于更新参考RSSI之前被平滑化。在每一扫描处针对来自所确定用户楼层位置的每一可见接入点重复以上调适过程。在实例性实施例中，针对所确定用户楼层位置接入点而将楼层衰减因子的值调适为零值且仅针对所确定用户楼层位置附近的其它楼层接入点而调适其值。举例来说，如果(1)用于2D定位的MMSE搜索程序中的总网格点数目为N(2)Pk表示位于第k网格点处的概率(3)第k网格点与来自其它楼层的第j接入点之间的距离由djk表示且(4)第j AP的RSSI测量由Rj表示，那么如方程式(22)中所描绘而计算参数Deltaj：
其中求和是对特定区内部的网格点进行的。在每一扫描处针对来自其它楼层的每一可见接入点重复以上过程且针对来自相同楼层的接入点对增量(delta)值求平均以确定所有楼层的FAF。
在一实施例中，以上过程可限制于安置于所确定用户楼层位置上方及下方的预定义数目个楼层中的接入点。在一实施例中，跨越位于距所确定用户楼层位置均匀距离处的楼层对称地处理参数Deltaj。举例来说，如果无线信号是从来自楼层1、2、3、4及5的接入点接收的且所确定用户楼层位置是第2楼层，那么估计第3楼层的FAF与第1楼层的FAF相同。由于对称地处理第1楼层及第3楼层的FAF，因此对来自两个楼层的每一可见接入点的增量求平均以获得对FAF的估计。举例来说，如果第1楼层及第3楼层的的FAF为‘x’dB，那么在第2楼层上，第4楼层接入点的FAF将估计为2x且针对第5楼层接入点为3x。
在一实施例中，基于所确定用户位置、第一RSSI测量集合以及参考RSSI及FAF的经调适值而调适路径损失系数的值。在一实施例中，基于如下所描绘的方程式(23)而调适路径损失系数的值：
R(d,f)＝R0+10nlog10(d0/d)-Δ(f,f0) (23)
其中常数R0包含针对一接入点的在参考距离d0处的经调适参考RSSI，距离d是所确定用户位置与接入点位置之间的距离。路径损失系数的调适包含根据所观察RSSI及所确定用户位置更新斜率n的值。可针对每一可见接入点且针对每一无线扫描重复以上计算。在一实施例中，基于标准递归最小二乘方(RLS)算法而更新所述斜率的值。
如所解释，系统200可包含于用户装置(例如移动电话、智能电话、平板PC及膝上型计算机)内。系统200可包含用于执行本文中未描绘的各种功能的组件。举例来说，系统200可另外包含若干组件，例如输入单元(例如，触摸屏面板或键盘/小键盘)、视频显示单元(例如，液晶显示器(LCD)及阴极射线管(CRT))、光标控制装置(例如，鼠标)、驱动单元(例如，磁盘驱动器)、信号产生单元(例如，扬声器)及/或网络接口单元。驱动单元包含其上存储有体现本文中所描述的方法及/或功能中的一或多者的一或多个指令集(例如，软件)的机器可读媒体。在一实施例中，软件完全或部分地驻存于存储器模块206内及/或在通过系统200的其执行期间驻存于位置估计模块204内，使得位置估计模块204及存储器模块206还构成机器可读媒体。软件可进一步经由网络接口单元在网络上进行发射及/或接收。
举例来说，术语“机器可读媒体”可解释为包含存储一或多个指令集的单个媒体及/或多个媒体(例如，集中式及/或分布式数据库，及/或相关联高速缓冲存储器及服务器)。此外，术语“机器可读媒体”可解释为包含能够存储、编码或携载供由系统200执行且致使系统200执行各种实施例的方法中的任何一或多者的指令集的任何媒体。此外，术语“机器可读媒体”可解释为包含但不应限于固态存储器、光学及磁性媒体以及载波信号。尽管如前所述，但实例性实施例不限于任何特定定义的“机器可读媒体”。参考图13解释用于估计多楼层环境中的用户位置的位置估计方法。
图13图解说明实例性实施例中的第一实例性位置估计方法1300的流程图。举例来说，流程图中所描绘的方法1300可由参考图2到12所解释的系统200执行。举例来说，流程表的操作及流程表中的操作的组合可由硬件、固件、处理器、电路系统及/或与包含一或多个计算机程序指令的软件的执行相关联的不同装置实施。本文中借助于系统200来描述方法1300的操作。然而，方法的操作可通过使用除系统200以外的系统而描述及/或实践。方法1300以操作1302开始。
在操作1302处，执行无线扫描(举例来说，通过系统200的收发器模块202)以用于从来自多个接入点当中的一或多个接入点接收无线信号，所述多个接入点分别定位于来自多楼层环境内的多个楼层当中的一或多个楼层处的多个位置处。在操作1304处，计算对应于无线信号的第一RSSI测量集合(举例来说，通过图2的位置估计模块204)。
在操作1306处，基于第一RSSI测量集合及预定义目标函数而确定多楼层环境中的绝对楼层位置信息(举例来说，通过位置估计模块204)。在一实施例中，预定义目标函数经配置以将用户位于来自多楼层环境中的多个楼层当中的一楼层处以接收对应于第一RSSI测量集合的无线信号的概率最大化。在一实施例中，预定义目标函数最大后验概率分布函数。在一实施例中，基于包含多个信道模型参数的三维信道模型而估计概率。多个信道模型参数包含以下各项中的至少一者：对数正态阴影模型参数及计及跨越多楼层环境中的若干楼层的信号衰减的参数。在一实施例中，绝对楼层位置信息包含绝对楼层位置估计及与绝对楼层位置估计相关联的第一不确定性估计。可如参考(1)到(8)所解释而执行对绝对楼层位置信息的确定。
在操作1308处，基于绝对楼层位置信息而计算用户楼层位置。在一实施例中，基于对应于多楼层环境中的用户移动的所接收压力传感器测量而确定相对楼层位置信息。相对楼层位置信息包含相对楼层位置估计及与相对楼层位置估计相关联的第二不确定性估计。在一实施例中，通过将与用户移动相关联的海拔高度的改变与相对楼层高度值进行比较而计算相对用户楼层位置估计(即，由用户穿越的楼层数目)与所述估计的对应不确定性。在一实施例中，将海拔高度测量的改变与对应于多楼层环境中的不同楼层的相对高度的相对楼层高度值进行比较以确定用户已穿越的楼层数目。在一实施例中，通过在基于卡尔曼滤波器的算法中基于第一不确定性估计及第二不确定性估计对初始楼层位置估计及相对楼层位置估计优选地进行加权而确定用户楼层位置连同第三不确定性估计，如参考方程式(9)到(15)所解释。
在操作1310处，至少部分地基于用户楼层位置而估计多楼层环境中的用户位置。在一实施例中，基于加速度计测量及压力传感器测量而计算用户位置的背景，如参考图6到9所解释。除确定用户位置的背景之外，还计算绝对楼层位置估计内的2D位置估计连同相关联第四不确定性度量，如参考方程式(16)及(17)所解释。在一实施例中，将2D位置估计连同相关联第四不确定性估计与以下各项中的至少一者融合(举例来说，通过位置估计模块204)以确定用户位置的3D估计：用户位置的背景(举例来说，楼梯、自动扶梯、电梯或楼层上背景中的一者)、用户楼层位置及相关联第三不确定性估计以及与多楼层环境相关联的地图信息。参考图14解释估计多楼层环境中的用户位置的另一方法。
图14A、14B及14C图解说明实例性实施例中的第二实例性位置估计方法1400的流程图。举例来说，流程图中所描绘的方法1400可由参考图2到12所解释的系统200执行。举例来说，流程表的操作及流程表中的操作的组合可由硬件、固件、处理器、电路系统及/或与包含一或多个计算机程序指令的软件的执行相关联的不同装置实施。本文中借助于系统200来描述方法1400的操作。然而，方法的操作可通过使用除系统200以外的系统而描述及/或实践。方法1400以操作1402开始。
在操作1402处，执行无线扫描(举例来说，通过系统200的收发器模块202)以从来自多个接入点当中的一或多个接入点接收无线信号，所述多个接入点分别定位于来自多楼层环境内的多个楼层当中的一或多个楼层处的多个位置处。在操作1404处，计算对应于无线信号的第一所接收信号强度指示(RSSI)测量集合(举例来说，通过图2的位置估计模块204)。在操作1406处，在执行无线扫描之后识别(举例来说，通过图2的位置估计模块204)来自多个接入点当中的初级接入点集合(即，可见接入点)及次级接入点集合(即，不可见接入点)。可如参考图2及3所解释而执行对可见接入点及不可见接入点的确定。
在操作1408处，基于与来自所识别初级接入点集合及次级接入点集合当中的每一接入点相关联的位置而计算几何度量。在一实施例中，几何度量是形心度量及RSSI经加权形心度量中的一者。在操作1410处，在几何度量周围产生虚构3D网格且所述虚构3D网格经配置以延伸跨越多楼层环境中的一或多个楼层。3D网格包含多个网格点。在操作1412处，计算多个网格点中的每一网格点处的似然值(举例来说，通过图2的位置估计模块204)。在操作1414处，识别与来自一或多个楼层当中的楼层位置相关联且与似然值(其在被求平均时将预定义目标函数最大化)相关联的网格点集合(举例来说，通过位置估计模块204)。在一实施例中，预定义目标函数是最大后验(MAP)概率分布函数，所述最大后验概率分布函数经配置以将用户位于来自多楼层环境中的多个楼层当中的一楼层处以接收第一RSSI测量集合的概率最大化。可如参考方程式(1)到(7)所解释而计算预定义目标函数的值。在一实施例中，基于包含多个信道模型参数的3D信道模型而估计概率。在一实施例中，多个信道模型参数包含以下各项中的至少一者：对数正态阴影模型参数及计及跨越多楼层环境中的若干楼层的信号衰减的参数。在一实施例中，对数正态阴影模型参数可包含参考RSSI及路径损失系数。在一实施例中，计及跨越多楼层环境中的若干楼层的信号衰减的参数的实例可为一度量，邻近楼层中的接入点的RSSI测量与相同楼层中的接入点的RSSI测量相比衰减达所述度量。在一实施例中，衰减称作‘楼层衰减因子’。
在操作1416处，将与网格点集合相关联的楼层位置信息识别为绝对楼层位置信息。举例来说，如果虚构3D网格延伸跨越楼层2、3及4且针对跨越楼层2、3及4的网格点计算预定义目标函数，且确定针对对应于楼层3的网格点集合的似然值的平均值将预定义目标函数最大化，那么将与楼层3相关联的楼层信息确定为绝对楼层位置信息。在一实施例中，绝对楼层位置信息包含绝对楼层位置估计及与绝对楼层位置估计相关联的第一不确定性估计。
在操作1418处，基于对应于多楼层环境中的用户移动的所接收压力传感器测量而确定相对楼层位置信息。相对楼层位置信息包含相对楼层位置估计及与相对楼层位置估计相关联的第二不确定性估计。在一实施例中，通过将与用户移动相关联的海拔高度的改变与对应于多楼层环境中的不同楼层的相对高度的相对楼层高度值进行比较而计算相对用户楼层位置估计(即，由用户穿越的楼层数目)与所述估计的对应不确定性以确定用户已穿越的楼层数目。
在操作1420处，基于绝对楼层位置信息及相对楼层位置信息中的至少一者而确定用户楼层位置。在一实施例中，通过(举例来说)在基于卡尔曼滤波器的算法中基于第一不确定性估计及第二不确定性估计对初始楼层位置估计及相对楼层位置估计优选地进行加权而确定用户楼层位置连同第三不确定性估计，如参考方程式(11)到(17)所解释。在操作1422处，如果第三不确定性估计的相关联值低于预定义可接受不确定性估计水平，那么基于用户楼层位置的周期性估计而动态地调适相对楼层高度的值。可如参考图11所解释而执行对相对楼层高度值的动态更新。
在操作1424处，基于加速度计测量及压力传感器测量而计算用户位置的背景，如参考图6到9所解释。除确定用户位置的背景之外，在操作1426处，还计算所确定用户楼层位置内的2D位置估计连同相关联第四不确定性度量，如参考方程式(6)、(7)、(8)及(17)所解释。在操作1428处，将2D位置估计连同相关联第四不确定性估计与以下各项中的至少一者融合(或组合，举例来说，通过位置估计模块204)以确定用户位置的3D估计：用户位置的背景、用户楼层位置及相关联第三不确定性估计以及与多楼层环境相关联的地图信息。在操作1430处，基于用户位置的3D估计而迭代地调适对应于预定义目标函数的多个信道模型参数的值以帮助对用户楼层位置及用户位置的后续估计。
图15是一实施例中的经配置以估计多楼层环境中的用户位置的实例性集成电路1502的框图。在一实施例中，图2的系统200至少部分地以集成电路1502的形式体现。集成电路1502包含收发器模块1504、位置估计模块1506、存储器模块1508、传感器模块1510及显示模块1512。收发器模块1504、位置估计模块1506、存储器模块1508、传感器模块1510及显示模块1512使用数据路径1514彼此以通信方式相关联或耦合。因此，下文结合集成电路1502所描述的组件中的至少一些组件可为选用的，且因此在实例性实施例中，与结合图15的实例性实施例所描述的组件相比，集成电路1502包含较多组件、较少组件或不同组件。在一实施例中，集成电路1502可仅包含收发器模块1504、位置估计模块1506及传感器模块1510。
收发器模块1504经配置以与室内环境资源1516通信且经配置以接收信息，例如无线信号、来自多个接入点当中的接入点的数据库及相对楼层高度的数据库(用于相对楼层位置信息确定)。室内环境资源1516的实例包含但不限于：(a)接入点；(b)蓝牙终端；及(c)近场通信(NFC)终端。在一实施例中，收发器模块1504可包含天线及/或网络连接器，所述天线及/或网络连接器经配置以与有线网络(举例来说，局域网络(LAN))及无线网络(例如蜂窝式网络)或其组合(例如因特网)耦合或者连接到所述有线网络及所述无线网络或其组合。
存储器模块1508经配置以存储对应于所接收无线信号及用户楼层位置的RSSI测量连同对应海拔高度测量。在一实施例中，存储器模块1508大体上类似于图2的系统200的存储器模块206。存储器模块1508经配置以参考存储器模块206执行如图2中所论述的功能，本文中为简洁起见不再重复所述功能。存储器模块1508的实例包含但不限于RAM、双端口RAM、SDRAM及DDR SDRAM。
位置估计模块1506经配置以估计多楼层环境中的用户位置。在一实施例中，位置估计模块1506经配置以估计用户位置且将所述用户位置提供到显示模块1512以用于显示目的或提供到存储器模块1508以用于存储目的。在一实施例中，位置估计模块1506大体上类似于图2的系统200的位置估计模块204。位置估计模块1506经配置以执行如图2中所论述的功能，本文中为简洁起见不再重复所述功能。
传感器模块1510经配置以包含传感器，例如压力传感器及加速度计。传感器模块1510经配置以将压力传感器测量及加速度计测量提供到位置估计模块1506以用于促进对多楼层环境中的用户位置的估计。在一实施例中，传感器模块1510大体上类似于图2的传感器模块210。传感器模块1510经配置以执行如图2中所论述的功能，本文中为简洁起见不再重复所述功能。
显示模块1512经配置以促进所估计用户位置在显示器1518上的显示(借助或不借助于室内环境的地图)。举例来说，响应于使用用户接口(图7中未展示)接收的用户输入而促进显示器1518。显示器1518的实例包含液晶显示器(LCD)面板、等离子显示器面板及场发射显示器。
在一实施例中，集成电路1502是应用处理器芯片。在一实施例中，集成电路1502是嵌入多媒体系统内的特定或共享处理器芯片的一部分。多媒体系统的实例包含但不限于：(1)多媒体装置，举例来说，例如蜂窝式电话、数字摄像机及数字摄录像机；以及(2)数据处理装置，举例来说，例如个人计算机、膝上型计算机及个人数字助理。
本文中所揭示的实例性实施例中的一或多者的优点包含估计多楼层环境中的用户位置，所述估计多楼层环境中的用户位置包含除提供用户位置的二维估计之外，还提供用户当前正导航于其上的楼层位置。在例如搜索与营救的应用中，楼层估计准确度比2D定位准确度更为关键。因此，楼层确定启用综合三维室内定位解决方案。此外，单独估计用户楼层位置及用户位置的2D估计的模块化方法使得能够将楼层信息与压力传感器测量以及2D定位与加速度计及陀螺仪传感器组合以进一步改进3D定位准确度。此外，此估计并入与不从其接收无线信号的接入点(即，不可见接入点)相关的信息，从而改进定位准确度，如参考图3所解释。此外，通过并入来自传感器(例如压力传感器及加速度计)的测量而改进用户位置的整体定位准确度，所述测量在其中接入点可见度可为较差、不可靠或不存在的多楼层环境的中断区域(例如包含电梯或楼梯或者在电梯或楼梯附近的区域)中尤其有用。
可使用硬件电路系统(举例来说，基于互补金属氧化物半导体(CMOS)的逻辑电路系统)、固件、软件及/或硬件、固件及/或软件(举例来说，体现于机器可读媒体中)的任何组合来启用及操作本文中所描述的各种装置、模块、分析器、产生器等。举例来说，可使用晶体管、逻辑门及电路(举例来说，专用集成电路(ASIC)电路系统及/或呈数字信号处理器(DSP)电路系统)来体现各种电结构及方法。
特定来说，可使用软件及/或使用晶体管、逻辑门及电路(举例来说，例如ASIC电路系统的集成电路电路系统)来启用系统200、收发器模块202、位置估计模块204及存储器模块206。各种实施例可包含存储或以其它方式体现于计算机可读媒体上的一或多个计算机程序，其中计算机程序经配置以致使处理器或计算机执行一或多个操作。以计算机程序或类似语言存储、体现或编码的计算机可读媒体可体现为存储经配置以致使处理器或计算机执行一或多个操作的一或多个软件程序的有形数据存储装置。举例来说，此类操作可为本文中所描述的步骤或操作中的任一者。在一些实施例中，计算机程序可使用任何类型的非暂时性计算机可读媒体来存储且提供到计算机。非暂时性计算机可读媒体包含任何类型的有形存储媒体。非暂时性计算机可读媒体的实例包含：磁性存储媒体(例如软盘、磁带、硬盘驱动器等)、光学磁性存储媒体(例如磁光盘)、CD-ROM(光盘只读存储器)、CD-R(可录光盘)、CD-R/W(可重写光盘)、DVD(数字通用光盘)、BD(蓝光(注册商标)光盘)及半导体存储器(例如掩模型ROM、PROM(可编程ROM)、EPROM(可擦除PROM)、快闪ROM、RAM(随机存取存储器)等)。另外，有形数据存储装置可体现为一或多个易失性存储器装置、一或多个非易失性存储器装置及/或一或多个易失性存储器装置与非易失性存储器装置的组合。在一些实施例中，计算机程序可使用任何类型的暂时性计算机可读媒体提供到计算机。暂时性计算机可读媒体的实例包含电信号、光学信号及电磁波。暂时性计算机可读媒体可经由有线通信线路(例如，电线及光纤)或无线通信线路将程序提供到计算机。
在所描述实施例中，修改是可能的且在权利要求书的范围内，其它实施例是可能的。

Claims (14)

1.一种位置估计方法，其包括：
执行无线扫描以便从来自多个接入点装置当中的一或多个无线接入点装置接收无线信号，所述多个接入点装置分别定位于来自多楼层建筑内的多个楼层当中的一或多个楼层处的多个位置处；
计算来自所接收的无线信号的第一所接收信号强度指示RSSI测量集合；
基于所述第一RSSI测量集合及预定义目标函数而确定所述多楼层建筑中的绝对楼层位置信息，所述预定义目标函数将用户位于来自所述多个楼层当中的一楼层处以便接收来自所述第一RSSI测量集合的所述无线信号的概率最大化，其中基于包含多个信道模型参数的三维信道模型而估计所述概率；
在执行所述无线扫描之后，识别来自所述多个接入点装置当中的初级接入点装置集合及次级接入点装置集合，其中所述初级接入点装置集合对应于在所述无线扫描期间从其接收无线信号的那些一或多个接入点装置，且所述次级接入点装置集合对应于在所述无线扫描之前已确认其存在且在所述无线扫描期间不从其接收无线信号的那些接入点装置；
所述方法包括基于与来自所识别的所述初级接入点装置集合及所述次级接入点装置集合当中的接入点装置相关联的位置而计算几何度量；
基于所述几何度量而产生虚构三维网格，所述三维网格延伸跨越所述多楼层建筑中的一或多个楼层且包含多个网格点；
计算所述多个网格点装置中的每一网格点装置处的似然值；
识别具有在被求平均时将所述预定义目标函数最大化的相关联似然值的网格点装置集合，所述网格点装置集合与来自所述一或多个楼层当中的楼层位置相关联；及
将与所述网格点装置集合相关联的楼层位置信息识别为所述绝对楼层位置信息，所述绝对楼层位置信息包含绝对楼层位置估计及与所述绝对楼层位置估计相关联的第一不确定性估计；
基于来自传感器的信息而确定相对楼层位置估计；
基于所述绝对楼层位置信息和所述相对楼层位置估计而确定用户楼层位置；
使用迭代执行时间和测量更新的卡尔曼滤波器，至少部分地基于所述用户楼层位置和所述相对楼层位置估计而估计所述多楼层建筑中的用户位置。
2.根据权利要求1所述的方法，其中所述多个信道模型参数包含以下各项中的至少一者：对数正态阴影模型参数及计及跨越所述多楼层建筑中的若干楼层的信号衰减的参数。
3.根据权利要求1所述的方法，其中确定相关楼层位置信息是基于对应于所述多楼层环境中的用户移动的压力传感器测量，其中所述相对楼层位置信息包含相对楼层位置估计及与所述相对楼层位置估计相关联的第二不确定性估计，通过将与所述用户移动相关联的海拔高度改变与相对楼层高度值进行比较而计算所述相对用户楼层位置估计。
4.根据权利要求3所述的方法，其中通过基于所述第一不确定性估计及所述第二不确定性估计对所述绝对楼层位置估计及所述相对楼层位置估计优选地进行加权而确定所述用户楼层位置以及第三不确定性估计。
5.根据权利要求4所述的方法，其中如果第三不确定性估计的相关联值低于预定义可接受不确定性估计水平，那么基于所述用户楼层位置的周期性估计而动态地调适所述相对楼层高度值。
6.根据权利要求4所述的方法，其包括：
基于从加速度计接收的加速度计测量而检测与所述用户移动相关联的步进移动的存在；
基于所述压力传感器测量而确定垂直运动指示及垂直速度信息；及
基于所述步进移动检测及所述所确定垂直运动指示以及所述垂直速度信息而计算所述用户位置的背景，其中所述用户位置的所述背景是以下各项中的一者：楼梯背景、电梯背景、自动扶梯背景及楼层上背景。
7.根据权利要求6所述的方法，其中估计所述用户位置包含：
识别来自所述初级接入点装置集合及所述次级接入点装置集合当中的与所述用户楼层位置附近的一或多个楼层相关联的接入点装置；
基于所述所识别接入点装置而跨越所述用户楼层位置产生虚构二维网格；及
基于对应于从定位于所述用户楼层位置中的接入点装置及定位于所述用户楼层位置附近的接入点中的至少一者接收的无线信号的第二RSSI测量集合而计算所述用户楼层位置内的二维位置估计以及相关联第四不确定性度量，其中基于最小均方误差MMSE算法而计算所述二维位置估计，所述MMSE算法经配置以计算用户位于所述虚构二维网格中的各种位置处的经加权概率。
8.根据权利要求7所述的方法，其包括将所述二维位置估计及所述第四不确定性估计与以下各项中的至少一者融合以确定所述用户位置的三维估计：所述用户位置的所述背景、所述用户楼层位置及所述相关联第三不确定性估计以及与所述多楼层建筑相关联的地图信息。
9.根据权利要求8所述的方法，其中基于所述用户楼层位置及所述用户位置而迭代地调适所述多个信道模型参数的值以帮助对所述用户楼层位置及所述用户位置的后续估计。
10.一种位置估计系统，其包括：
收发器电路，其经配置以执行无线扫描以便从来自多个接入点装置当中的一或多个接入点装置接收无线信号，所述多个接入点装置分别定位于来自多楼层建筑内的多个楼层当中的一或多个楼层处的多个位置处；及
位置估计电路，其以通信方式与所述收发器电路相关联且经配置以：
计算对应于所述无线信号的第一所接收信号强度指示RSSI测量集合；
基于所述第一RSSI测量集合及预定义目标函数而确定所述多楼层建筑中的绝对楼层位置信息，所述预定义目标函数经配置以将用户位于来自所述多个楼层当中的一楼层处以便接收对应于所述第一RSSI测量集合的所述无线信号的概率最大化，其中基于包含多个信道模型参数的三维信道模型而估计所述概率；
在执行所述无线扫描之后，识别来自所述多个接入点装置当中的初级接入点装置集合及次级接入点装置集合，其中所述初级接入点装置集合对应于在所述无线扫描期间从其接收无线信号的那些一或多个接入点装置，且所述次级接入点装置集合对应于在所述无线扫描之前已确认其存在且在所述无线扫描期间不从其接收无线信号的那些接入点装置；
基于与来自所识别的所述初级接入点装置集合及所述次级接入点装置集合当中的接入点装置相关联的位置而计算几何度量；
基于所述几何度量而产生虚构三维网格，所述三维网格延伸跨越所述多楼层建筑中的一或多个楼层且包含多个网格点；
计算所述多个网格点中的每一网格点处的似然值；
识别具有在被求平均时将所述预定义目标函数最大化的相关联似然值的网格点集合，所述网格点集合与来自所述一或多个楼层当中的楼层位置相关联；及
将与所述网格点集合相关联的楼层位置信息识别为所述绝对楼层位置信息，所述绝对楼层位置信息包含绝对楼层位置估计及与所述绝对楼层位置估计相关联的第一不确定性估计；
基于来自传感器的信息而确定相对楼层位置估计；
基于所述绝对楼层位置信息和所述相对楼层位置估计而确定用户楼层位置；
使用迭代执行时间和测量更新的卡尔曼滤波器，至少部分地基于所述用户楼层位置和所述相对楼层位置估计而估计所述多楼层环境中的用户位置。
11.根据权利要求10所述的系统，其中所述位置估计电路进一步经配置以：
基于对应于所述多楼层环境中的用户移动的压力传感器测量而确定相对楼层位置信息，其中所述相对楼层位置信息包含相对楼层位置估计及与所述相对楼层位置估计相关联的第二不确定性估计，通过将与所述用户移动相关联的海拔高度改变与相对楼层高度值进行比较而计算所述相对用户楼层位置估计。
12.根据权利要求11所述的系统，其中通过基于所述第一不确定性估计及所述第二不确定性估计对所述绝对楼层位置估计及所述相对楼层位置估计优选地进行加权而确定所述用户楼层位置以及第三不确定性估计。
13.根据权利要求12所述的系统，其中所述位置估计电路进一步经配置以：
基于从加速度计接收的加速度计测量而检测与所述用户移动相关联的步进移动的存在；
基于所述压力传感器测量而确定垂直运动指示及垂直速度信息；及
基于所述步进移动检测及所述所确定垂直运动指示以及所述垂直速度信息而计算所述用户位置的背景，其中所述用户位置的所述背景是以下各项中的一者：楼梯背景、电梯背景、自动扶梯背景及楼层上背景。
14.根据权利要求13所述的系统，其中估计所述用户位置包含：
识别来自所述初级接入点装置集合及所述次级接入点装置集合当中的与所述用户楼层位置附近的一或多个楼层相关联的接入点装置；
基于所述所识别接入点装置而跨越所述用户楼层位置产生虚构二维网格；
基于对应于从定位于所述用户楼层位置中的接入点装置及定位于所述用户楼层位置附近的接入点装置中的至少一者接收的无线信号的第二RSSI测量集合而计算所述用户楼层位置内的二维位置估计以及相关联第四不确定性度量，其中基于最小均方误差MMSE算法而计算所述二维位置估计，所述MMSE算法经配置以计算用户位于所述虚构二维网格中的各种位置处的经加权概率；及
将所述二维位置估计及所述第四不确定性估计与以下各项中的至少一者融合以确定所述用户位置的三维估计：所述用户位置的所述背景、所述用户楼层位置及所述相关联第三不确定性估计以及与所述多楼层建筑相关联的地图信息。
CN201580009978.7A 2014-02-28 2015-03-02 用于位置估计的方法及系统 Active CN106031263B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/194,449 US9374678B2 (en) 2014-02-28 2014-02-28 Kalman filter iteratively performing time/measurement update of user/relative floor locations
US14/194,449 2014-02-28
PCT/US2015/018339 WO2015131194A1 (en) 2014-02-28 2015-03-02 Method and system for location estimation

Publications (2)

Publication Number Publication Date
CN106031263A CN106031263A (zh) 2016-10-12
CN106031263B true CN106031263B (zh) 2018-03-20

Family

ID=54007385

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580009978.7A Active CN106031263B (zh) 2014-02-28 2015-03-02 用于位置估计的方法及系统

Country Status (3)

Country Link
US (1) US9374678B2 (zh)
CN (1) CN106031263B (zh)
WO (1) WO2015131194A1 (zh)

Families Citing this family (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105705447B (zh) * 2013-10-28 2018-09-07 奥的斯电梯公司 高度敏感的目的地登入
US20150319580A1 (en) * 2014-04-30 2015-11-05 Samsung Electro-Mechanics Co., Ltd. Wireless position estimation apparatus and method
US9528837B2 (en) * 2014-06-04 2016-12-27 Qualcomm Incorporated Mobile device position uncertainty based on a measure of potential hindrance of an estimated trajectory
KR101982818B1 (ko) * 2014-08-12 2019-05-27 노키아 솔루션스 앤드 네트웍스 오와이 실내 환경에서 네트워크 엘리먼트들 및 사용자 장비의 포지션 결정
PL2993964T5 (pl) * 2014-09-08 2021-09-13 Signify Holding B.V. Sterowanie oświetleniem
US10338191B2 (en) * 2014-10-30 2019-07-02 Bastille Networks, Inc. Sensor mesh and signal transmission architectures for electromagnetic signature analysis
US9730013B2 (en) * 2014-10-31 2017-08-08 Hsiao-Tse Chang Method, recording medium and electronic device of 3D geolocation
KR101606382B1 (ko) * 2014-12-04 2016-03-25 현대모비스 주식회사 핑거프린팅 측위를 위한 데이터베이스 구축 방법 및 구축된 데이터베이스를 이용한 핑거프린팅 측위 방법
GB201506794D0 (en) * 2015-04-21 2015-06-03 Indoorz Ltd Mobile device positioning system and method
US9743254B2 (en) * 2015-04-30 2017-08-22 Mist Systems, Inc. Methods and apparatus relating to the use of received signals to determine wireless terminal location and/or refine location determination models
US10219166B2 (en) 2015-04-30 2019-02-26 Mist Systems, Inc. Methods and apparatus for generating, transmitting and/or using beacons
US9967803B2 (en) 2015-04-30 2018-05-08 Mist Systems, Inc. Dynamic virtual beacon methods and apparatus
US9363784B1 (en) 2015-04-30 2016-06-07 Mist Systems Inc. Methods and apparatus relating to the use of real and/or virtual beacons
WO2017026758A1 (ko) * 2015-08-12 2017-02-16 엘지전자 주식회사 무선 통신 시스템에서 단말 위치를 측정하기 위한 방법 및 이를 수행하는 장치
CN105357753B (zh) * 2015-10-16 2018-09-18 杭州电子科技大学 一种基于多模融合递归迭代的室内定位方法
US10312993B2 (en) * 2015-10-30 2019-06-04 The Florida International University Board Of Trustees Cooperative clustering for enhancing MU-massive-MISO-based UAV communication
CN106060926B (zh) * 2016-07-25 2019-09-17 新华三技术有限公司 一种定位方法及装置
US9843905B1 (en) * 2016-09-08 2017-12-12 Here Global B.V. Floor detection based on determined floor detection parameters
JP2018063163A (ja) * 2016-10-12 2018-04-19 富士通株式会社 情報処理装置、位置算出方法および位置算出プログラム
US11248908B2 (en) * 2017-02-24 2022-02-15 Here Global B.V. Precise altitude estimation for indoor positioning
US10542386B2 (en) * 2017-03-03 2020-01-21 Here Global B.V. Horizontal position estimate based on interfloor connectors
CN109246634B (zh) * 2017-05-19 2020-12-04 富士通株式会社 室内定位方法、室内定位装置和电子设备
US10439820B2 (en) 2017-06-19 2019-10-08 Dell Products, Lp Method and apparatus for secure access to a mobile edge computing gateway device based on a subscriber location fingerprint
US10326766B2 (en) 2017-07-13 2019-06-18 Dell Products, Lp Method and apparatus for optimizing mobile edge computing for nomadic computing capabilities as a service
CN109429331B (zh) * 2017-07-13 2021-08-10 北京嘀嘀无限科技发展有限公司 定位方法、装置及存储介质
US10452824B2 (en) 2017-07-24 2019-10-22 Dell Products, Lp Method and apparatus for optimized access of security credentials via mobile edge-computing systems
US10194320B1 (en) 2017-07-30 2019-01-29 Dell Products, Lp Method and apparatus for assignment of subscription electronic SIM credentials via local service brokers
US10802157B2 (en) * 2017-09-28 2020-10-13 Apple Inc. Three-dimensional city models and shadow mapping to improve altitude fixes in urban environments
CN107738963B (zh) * 2017-09-29 2019-12-10 上海有个机器人有限公司 一种电梯楼层自动识别方法、系统及控制终端
US10791425B2 (en) * 2017-10-04 2020-09-29 Enlighted, Inc. Mobile tag sensing and location estimation
CN110133587B (zh) * 2018-02-08 2024-04-26 上海询诺通信科技发展有限公司 一种综合蓝牙定位方法及系统
JP6415796B1 (ja) * 2018-03-02 2018-10-31 三菱電機株式会社 動態検出装置及び動態検出方法
WO2019183803A1 (zh) * 2018-03-27 2019-10-03 北京小米移动软件有限公司 蓝牙设备的测量方法及装置
CN108810799B (zh) * 2018-05-28 2020-07-24 湖南大学 一种基于线性判别分析的多楼层室内定位方法及系统
US10976424B2 (en) * 2018-06-29 2021-04-13 Otis Elevator Company Automatic determination of position and orientation of elevator device entry terminals and hallway fixtures
CN109188354B (zh) * 2018-08-29 2021-01-26 新华三技术有限公司 一种无线定位方法及装置
CN109211233B (zh) * 2018-09-25 2020-10-23 常熟理工学院 基于加速度传感器的电梯运动检测及异常位置停车判断方法
US10834548B2 (en) * 2018-10-19 2020-11-10 Pricewaterhousecoopers Llp Geolocation system
US10378907B1 (en) * 2018-11-20 2019-08-13 Pointr Limited Methods and systems for determining vertical location in enclosed spaces
EP3693699B1 (en) * 2019-02-05 2021-12-22 HERE Global B.V. Determining of absolute altitudes of floors of a structure
CN110072189B (zh) * 2019-04-24 2020-05-29 北京邮电大学 一种终端设备所处楼层的确定方法及装置
CN110234072B (zh) * 2019-06-28 2020-12-11 徐州工业职业技术学院 基于指纹量化的改进加权质心定位方法
CN110426034B (zh) * 2019-07-30 2023-03-21 上海理工大学 基于地图信息辅助惯导阵列的室内定位方法
JP2022545791A (ja) * 2019-08-23 2022-10-31 ネクストナヴ，エルエルシー モバイルデバイスの状況を判定するシステムおよび方法
CN111294746B (zh) * 2020-02-05 2021-07-27 北京爱笔科技有限公司 一种定位方法、装置及系统
CN112333627B (zh) * 2020-10-19 2023-03-21 浙江华消科技有限公司 室内定位方法和系统
US20220338158A1 (en) * 2021-04-20 2022-10-20 Nec Laboratories America, Inc. Device tracking with radio ranging and sensor functions
WO2023048608A1 (en) * 2021-09-27 2023-03-30 Telefonaktiebolaget Lm Ericsson (Publ) Measurement based identification of floors in need for network related action
US20240155549A1 (en) * 2022-11-08 2024-05-09 Qualcomm Incorporated Elevation estimation for determining operating channels and transmission parameters

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6873852B2 (en) 2002-01-10 2005-03-29 Telefonaktiebolaget Lm Ericsson (Publ) System and method of estimating the position of a mobile terminal in a radio telecommunications network
US7272394B2 (en) 2004-02-11 2007-09-18 Avaya Technology Corp. Location estimation of wireless terminals in a multi-story environment
US8019352B2 (en) 2004-07-23 2011-09-13 Wireless Valley Communications, Inc. System, method, and apparatus for determining and using the position of wireless devices or infrastructure for wireless network enhancements
US7894412B2 (en) 2007-09-07 2011-02-22 Cisco Technology, Inc. Floor determination for a wireless device
CN101493510B (zh) * 2008-01-21 2011-08-24 英华达（上海）科技有限公司 室内定位系统及方法
US8086248B2 (en) * 2008-05-16 2011-12-27 International Business Machines Corporation Estimating location using multi-antenna radio receiver
US20110256894A1 (en) * 2010-04-15 2011-10-20 Samsung Electronics Co., Ltd. User equipment and server system for updating data relating to fixed wireless nodes
US8131312B2 (en) * 2010-05-24 2012-03-06 Nice Systems Ltd. Method and system for construction of radio environment model
US9234965B2 (en) 2010-09-17 2016-01-12 Qualcomm Incorporated Indoor positioning using pressure sensors
KR101422251B1 (ko) * 2011-01-31 2014-07-22 주식회사 케이티 액세스 포인트를 이용한 실내 위치 측정 방법과 이를 위한 장치
KR102147625B1 (ko) * 2011-11-02 2020-08-24 샤이 론넨 위치지문맵의 생성 및 이용
US9234958B2 (en) 2012-04-19 2016-01-12 Nokia Technologies Oy Method, apparatus, and computer program product for distributed indoor three-dimensional radiomap
CN102821464B (zh) * 2012-08-13 2015-08-19 北京邮电大学 一种室内楼层定位方法及装置
US9121931B2 (en) * 2013-03-15 2015-09-01 Blackberry Limited Mobile device location estimation

Also Published As

Publication number Publication date
CN106031263A (zh) 2016-10-12
US9374678B2 (en) 2016-06-21
WO2015131194A1 (en) 2015-09-03
US20150249907A1 (en) 2015-09-03

Similar Documents

Publication Publication Date Title
CN106031263B (zh) 用于位置估计的方法及系统
JP5740537B2 (ja) デバイス位置のための位置表示制御
US9648466B2 (en) Generating a model for positioning
US9746327B2 (en) Fusion of sensor and map data using constraint based optimization
EP2179600B1 (en) Locating, tracking, and/or monitoring people and/or assets both indoors and outdoors
US10677883B2 (en) System and method for automating beacon location map generation using sensor fusion and simultaneous localization and mapping
US9661473B1 (en) Methods and apparatus for determining locations of devices in confined spaces
US10356562B2 (en) Systems and methods for graph-based localization and mapping
US20110178705A1 (en) Using Filtering With Mobile Device Positioning In A Constrained Environment
US10088313B2 (en) Particle filter based heading correction
WO2014151090A2 (en) Systems and methods for using three-dimensional location information to improve location services
Real Ehrlich et al. Indoor localization for pedestrians with real-time capability using multi-sensor smartphones
US20150309183A1 (en) Method of estimating the position of a device
US20150260543A1 (en) Background calibration
Štancel et al. Indoor atlas service as a tool for building an interior navigation system
Agrawal et al. Smart phone based indoor pedestrian localization system
US20230114585A1 (en) Ranging-type positioning system and ranging-type positioning method based on crowdsourced calibration
Liskovec et al. Beacon Based Localization Refined by Outputs from Mobile Sensors
Bekkelien et al. Harmonization of position providers
Kasebzadeh Parameter Estimation for Mobile Positioning Applications
Kaňa Personal navigation based on wireless networks and inertial sensors
Mathur Indoor Positioning using MEMS Sensor
CN115705349A (zh) 地图构建的方法及其装置
JP2019070640A (ja) パーティクルフィルタを使用した位置特定のために、事前分布としてグラフベースのマップ情報を利用するシステム及び方法、コンピュータ実施方法、プログラム、及びシステム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant