CN107548033B - 定位装置、方法及电子设备 - Google Patents
定位装置、方法及电子设备 Download PDFInfo
- Publication number
- CN107548033B CN107548033B CN201610474143.5A CN201610474143A CN107548033B CN 107548033 B CN107548033 B CN 107548033B CN 201610474143 A CN201610474143 A CN 201610474143A CN 107548033 B CN107548033 B CN 107548033B
- Authority
- CN
- China
- Prior art keywords
- time
- moment
- current
- motion model
- observed quantity
- 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
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明实施例提供一种定位装置、方法及电子设备,在包括当前时刻以及之前至少一个时刻的时间窗口内,根据各个时刻之后所有时刻的无线定位观测量以及运动模型观测量来计算各个时刻的观测概率,根据最大路径转移概率确定各个时刻的最佳观测量,并根据最佳观测量进行粒子滤波,能够在目标终端快速移动或无线定位信号采样率较低的情况下实现高精度的实时定位追踪,同时可应用于慢速与静态模式下的定位追踪,另外,对获取无线定位观测量的方法没有限制,可应用于各种室内外的定位场景。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种定位装置、方法及电子设备。
背景技术
近年来,对于基于位置服务的需求与日俱增,从而定位技术的应用也逐渐广泛。而滤波技术有益于提高动态的连续的定位追踪的精度性能。
目前,常用的用于定位追踪的滤波技术包括卡尔曼滤波、粒子滤波等,卡尔曼滤波受限于线性高斯系统,而粒子滤波定位追踪技术在非线性非高斯系统中具有更好的滤波效果。
现有的粒子滤波定位追踪技术基于一阶隐马尔科夫(Hidden Markov Model,HMM)模型,其主要应用于指纹定位算法中,通过采集参考点处的无线信号特征信息的大量样本来设置HMM模型中的状态转移概率,并将此状态转移概率应用于粒子滤波模型中状态转移概率的度量中,以改进各粒子加权因子模型。
应该注意,上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明,并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
当利用现有的基于一阶隐马尔科夫模型的粒子滤波定位追踪技术对目标终端进行定位时,需要采集大量的样本来得到状态转移概率模型,并且,在目标终端快速移动时,定位精度较低。
本发明实施例提供一种定位装置、方法及电子设备,在包括当前时刻以及之前至少一个时刻的时间窗口内,根据各个时刻之后所有时刻的无线定位观测量以及运动模型观测量来计算各个时刻的观测概率,根据最大路径转移概率确定各个时刻的最佳观测量,并根据最佳观测量进行粒子滤波,能够在目标终端快速移动或无线定位信号采样率较低的情况下实现高精度的实时定位追踪,同时可应用于慢速与静态模式下的定位追踪,另外,对获取无线定位观测量的方法没有限制,可应用于各种室内外的定位场景。
根据本发明实施例的第一方面,提供一种定位装置,包括:初步定位单元,其用于通过预设的接入点对目标终端进行初步定位,获得当前时刻以及当前时刻之前至少一个时刻的无线定位观测量;第一计算单元,其用于根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量以及运动模型,计算当前时刻以及当前时刻之前至少一个时刻的运动模型观测量;设置单元,其用于设置当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻到各个时刻的状态转移概率;第二计算单元,其用于根据当前时刻以及当前时刻之前至少一个时刻中、各个时刻之后所有时刻的无线定位观测量以及运动模型观测量,计算各个时刻的观测概率;第三计算单元,其用于根据各个时刻的观测概率以及各个时刻的前一时刻到各个时刻的状态转移概率,计算各个时刻的前一时刻到各个时刻的至少两个路径转移概率;第一确定单元,其用于根据各个时刻的前一时刻到各个时刻的至少两个路径转移概率中的最大路径转移概率,确定各个时刻的最佳观测量;第一粒子滤波单元,其用于根据各个时刻的最佳观测量进行粒子滤波,获得所述目标终端在当前时刻的位置估计。
根据本发明实施例的第二方面,提供一种电子设备,包括根据本发明实施例的第一方面所述的装置。
根据本发明实施例的第三方面,提供一种定位方法,包括:通过预设的接入点对目标终端进行初步定位,获得当前时刻以及当前时刻之前至少一个时刻的无线定位观测量;根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量以及运动模型,计算当前时刻以及当前时刻之前至少一个时刻的运动模型观测量;设置当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻到各个时刻的状态转移概率;根据当前时刻以及当前时刻之前至少一个时刻中、各个时刻之后所有时刻的无线定位观测量以及运动模型观测量,计算各个时刻的观测概率;根据各个时刻的观测概率以及各个时刻的前一时刻到各个时刻的状态转移概率,计算各个时刻的前一时刻到各个时刻的至少两个路径转移概率;根据各个时刻的前一时刻到各个时刻的至少两个路径转移概率中的最大路径转移概率,确定各个时刻的最佳观测量;根据各个时刻的最佳观测量进行粒子滤波,获得所述目标终端在当前时刻的位置估计。
本发明的有益效果在于:在包括当前时刻以及之前至少一个时刻的特定时间窗口内,根据各个时刻之后所有时刻的无线定位观测量以及运动模型观测量来计算各个时刻的观测概率,根据最大路径转移概率确定各个时刻的最佳观测量,并根据最佳观测量进行粒子滤波,能够在目标终端快速移动或无线定位信号采样率较低的情况下实现高精度的实时定位追踪,同时可应用于慢速与静态模式下的定位追踪,另外,对获取无线定位观测量的方法没有限制,可应用于各种室内外的定位场景。
参照后文的说明和附图,详细公开了本发明的特定实施方式,指明了本发明的原理可以被采用的方式。应该理解,本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内,本发明的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
所包括的附图用来提供对本发明实施例的进一步的理解,其构成了说明书的一部分,用于例示本发明的实施方式,并与文字描述一起来阐释本发明的原理。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本发明实施例1的定位装置的一示意图;
图2是本发明实施例1的在相邻时刻发生状态转移的一示意图;
图3是本发明实施例1的整条最优路径的一示意图;
图4是本发明实施例1的检测单元110的一示意图;
图5是本发明实施例2的电子设备的一示意图;
图6是本发明实施例2的电子设备的系统构成的一示意框图;
图7是本发明实施例3的定位方法的一示意图;
图8是本发明实施例4的定位方法的一示意图。
具体实施方式
参照附图,通过下面的说明书,本发明的前述以及其它特征将变得明显。在说明书和附图中,具体公开了本发明的特定实施方式,其表明了其中可以采用本发明的原则的部分实施方式,应了解的是,本发明不限于所描述的实施方式,相反,本发明包括落入所附权利要求的范围内的全部修改、变型以及等同物。
实施例1
图1是本发明实施例1的定位装置的一示意图。如图1所示,该装置100包括:
初步定位单元101,其用于通过预设的接入点对目标终端进行初步定位,获得当前时刻以及当前时刻之前至少一个时刻的无线定位观测量;
第一计算单元102,其用于根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量以及运动模型,计算当前时刻以及当前时刻之前至少一个时刻的运动模型观测量;
设置单元103,其用于设置当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻到各个时刻的状态转移概率;
第二计算单元104,其用于根据当前时刻以及当前时刻之前至少一个时刻中、各个时刻之后所有时刻的无线定位观测量以及运动模型观测量,计算各个时刻的观测概率;
第三计算单元105,其用于根据各个时刻的观测概率以及各个时刻的前一时刻到各个时刻的状态转移概率,计算各个时刻的前一时刻到各个时刻的至少两个路径转移概率;
第一确定单元106,其用于根据各个时刻的前一时刻到各个时刻的至少两个路径转移概率中的最大路径转移概率,确定各个时刻的最佳观测量;
第一粒子滤波单元107,其用于根据各个时刻的最佳观测量进行粒子滤波,获得目标终端在当前时刻的位置估计。
在本实施例中,定位装置100获得的是目标终端在当前时刻的位置估计,通过相同的方法获得一段时间内的各个时刻的位置估计,从而能够对目标终端进行实时的动态追踪定位。
由上述实施例可知,在包括当前时刻以及之前至少一个时刻的时间窗口内,根据各个时刻之后所有时刻的无线定位观测量以及运动模型观测量来计算各个时刻的观测概率,根据最大路径转移概率确定各个时刻的最佳观测量,并根据最佳观测量进行粒子滤波,能够在目标终端快速移动或无线定位信号采样率较低的情况下实现高精度的实时定位追踪,同时可应用于慢速与静态模式下的定位追踪,另外,对获取无线定位观测量的方法没有限制,可应用于各种室内外的定位场景。
在本实施例中,初步定位单元101用于通过预设的接入点对目标终端进行初步定位,获得当前时刻以及当前时刻之前至少一个时刻的无线定位观测量。其中,该接入点(Access Point,AP)可以表示为发射机,其数量为N,N≥1,发射机的数量和位置可根据实际需要而设置和选择。
在本实施例中,初步定位单元101可使用现有方法进行初步定位以获得无线定位观测量,例如,可以根据在当前时刻接收到的特征参量,利用多边定位法、指纹定位法、区域定位法等现有定位方法确定目标终端的初始位置,即无线定位观测量。其中,特征参量例如是接收信号场强(Received Signal Strength,RSS)、到达时间(time-of-arrival,TOA)、到达时间差(time difference of arrival,TDOA)、到达角(angle-of-arrival,AOA)以及惯导信息中的一个或多个。
在本实施例中,假设当前时刻为t,当前时刻之前至少一个时刻包括当前时刻之前n个时刻t-1,t-2,…t-n,n为正整数,例如,n=4。那么,获得的当前时刻以及之前n个时刻共n+1个时刻的无线定位观测量序列可表示为
第一计算单元102用于根据n+1个时刻的无线定位观测量以及运动模型,计算当前时刻以及当前时刻之前至少一个时刻的运动模型观测量,例如,第一计算单元102用于根据n+1个时刻的无线定位观测量以及第一运动模型和/或第二运动模型,获得n+1个时刻的第一运动模型观测量和/或第二运动模型观测量,其中,第一运动模型是根据无线定位观测量拟合得到的运动模型,第二运动模型是根据来自目标终端的传感器数据得到的运动模型。
在本实施例中,根据无线定位观测量拟合得到第一运动模型以及根据来自目标终端的传感器数据得到第二运动模型均可以使用现有方法。
例如,当目标终端具有惯性测量单元时,根据惯性测量单元的传感器获得的数据建立第二运动模型。
在本实施例中,当目标终端不具有惯性测量单元时,运动模型观测量可以仅包括由第一运动模型得到的n+1个时刻的第一运动模型观测量序列 当目标终端具有惯性测量单元时,运动模型观测量可以是包括由第一运动模型得到的n+1个时刻的第一运动模型观测量序列以及由第二运动模型得到的n+1个时刻的第二运动模型观测量序列 另外,即使目标终端具有惯性测量单元,也可以不使用第二运动模型观测量序列而仅使用第一运动模型观测量序列
在本实施例中,设置单元103用于设置当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻到各个时刻的状态转移概率,即,用于设置n+1个时刻中各个时刻的前一时刻到各个时刻的状态转移概率。以下对本实施例的设置状态转移概率的方法,进行示例性的说明。
图2是本发明实施例1的在相邻时刻发生状态转移的一示意图。如图2所示,在t-τ-1时刻,可能的两种状态为在t-τ时刻,可能的两种状态为从t-τ-1时刻的状态到t-τ时刻的状态的状态转移概率为从t-τ-1时刻的状态到t-τ时刻的状态的状态转移概率为从t-τ-1时刻的状态到t-τ时刻的状态的状态转移概率为从t-τ-1时刻的状态到t-τ时刻的状态的状态转移概率为0≤τ≤n-1。
在本实施例中,当第一计算单元102获得n+1个时刻的第一运动模型观测量时,设置单元103将各个时刻的前一时刻到各个时刻的状态转移概率设置为等概率。
例如,设置单元103可根据以下的公式(1)设置状态转移概率:
在本实施例中,当第一计算单元102获得当前时刻以及当前时刻之前至少一个时刻,即n+1个时刻的第一运动模型观测量和第二运动模型观测量,或者获得n+1个时刻的第二运动模型观测量时,设置单元103根据传感器数据的置信度来设置各个时刻的前一时刻到各个时刻的状态转移概率。
例如,设置单元103可根据以下的公式(2)设置状态转移概率:
在本实施例中,传感器数据的置信度α可以根据实际情况而设置。
在本实施例中,第二计算单元104用于根据n+1个时刻中各个时刻之后所有时刻的无线定位观测量以及运动模型观测量,计算各个时刻的观测概率。
在本实施例中,各个时刻的观测概率可以通过各个时刻的观测量与各个时刻之后所有时刻的观测量的欧氏距离来表示,例如,第二计算单元104可以根据以下的公式(3)计算各个时刻的观测概率:
其中,表示t-τ时刻状态的观测概率,表示t-τ+1时刻的无线定位观测量或第一运动模型观测量,例如为无线定位观测量;表示t-τ时刻的无线定位观测量或第一运动模型观测量,表示第t-n时刻的无线定位观测量或第一运动模型观测量。
在本实施例中,第三计算单元105用于根据各个时刻的观测概率以及各个时刻的前一时刻到各个时刻的状态转移概率,计算各个时刻的前一时刻到各个时刻的至少两个路径转移概率。例如,第三计算单元105可根据以下的公式(4)计算路径转移概率:
在本实施例中,第一确定单元106用于根据各个时刻的前一时刻到各个时刻的至少两个路径转移概率中的最大路径转移概率,确定各个时刻的最佳观测量。
在本实施例中,可使用维特比(Viterbi)算法选择具有最大路径转移概率的路径作为最优路径,例如,可根据以下的公式(5)确定最优路径:
例如,对于时刻t-τ,根据上面的公式(4)可以获得时刻t-τ-1到时刻t-τ的4个路径转移概率,根据上面的公式(5)确定其中最大的路径转移概率,将计算该最大路径转移概率时使用的观测量作为时刻t-τ的最佳观测量。
在本实施例中,第一粒子滤波单元107用于根据各个时刻的最佳观测量进行粒子滤波,获得目标终端在当前时刻的位置估计。其中,粒子滤波的方法可以使用现有方法。例如,利用最佳观测量来对粒子滤波模型中的粒子权重进行更新,从而根据各粒子的位置及其权重进行加权累加,累加结果即为目标终端在当前时刻的位置估计。
在本实施例中,由于在各个时刻均能确定各个时刻的上一时刻到各个时刻的最大路径转移概率,因此,可以确定从时刻t-n到时刻t-n+1,从时刻t-n+1到时刻t-n+2,……,从时刻t-1到当前时刻t的所有n个最大路径转移概率,从而确定从时刻t-n到当前时刻t的整条最优路径;另外,也可以按照时序逐个确定最大路径转移概率,将各个时刻的某一时刻获取最佳观测量之后进行粒子滤波得到的该时刻的位置估计结果作为起点更新第一运动模型,从而更新该时刻的下一时刻的第一运动模型观测量并以此为基础进行下一时刻的最佳路径转移概率的计算,选取下一时刻最佳观测量,然后进行粒子滤波获取该时刻的下一时刻的位置估计。
在本实施例中,根据以上这两种确定最大路径转移概率的方法,第一粒子滤波单元107可以有两种获得目标终端在当前时刻的位置估计的方法,下面分别进行示例性的说明。
对于确定从时刻t-n到当前时刻t的整条最优路径的情况,图3是本发明实施例1的整条最优路径的一示意图。如图3所示,n=4,在时刻t-4的起始状态为粒子群初始化后的粒子滤波估计值,在各条路径上标出的数值为前一时刻到各个时刻的路径转移概率,整条最优路径为各个时刻的前一时刻到各个时刻的具有最大路径转移概率的所有路径组成的路径,在图3中用虚线标出。
在本实施例中,当获得了各个时刻都具有最大路径转移概率的整条最优路径后,根据该整条最优路径确定各个时刻的最佳观测量,从而获得了所有时刻的最佳观测量序列,第一粒子滤波单元107根据所有时刻的最佳观测量序列,依次进行粒子滤波,最终获得目标终端在当前时刻的位置估计。
对于按照时序逐个确定最大路径转移概率的情况,该装置100还可以包括:
更新单元108,其用于根据当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻的粒子滤波的位置估计,更新根据运动模型而获得的各个时刻的运动模型观测量。
在本实施例中,更新单元108为可选部件,在图1中用虚线框表示。
那么,第二计算单元104用于根据各个时刻之后所有时刻的无线定位观测量以及更新后的运动模型观测量,计算各个时刻的观测概率;
第一粒子滤波单元107用于根据各个时刻的最佳观测量进行粒子滤波,依次获得目标终端在各个时刻的位置估计,最终获得目标终端在当前时刻的位置估计。
例如,对于时刻t-τ,进行目标终端的位置估计的具体过程如下:
更新单元108根据n+1个时刻中时刻t-τ-1的粒子滤波的位置估计,更新根据运动模型而获得的时刻t-τ的运动模型观测量;例如,可以根据以下的公式(6)进行更新:
第二计算单元104根据时刻t-τ的无线定位观测量以及更新后的运动模型观测量,计算时刻t-τ的观测概率;
第三计算单元105根据时刻t-τ的观测概率以及时刻t-τ-1到时刻t-τ的状态转移概率,计算时刻t-τ-1到时刻t-τ的路径转移概率;
第一确定单元106根据时刻t-τ-1到时刻t-τ的最大路径转移概率,确定时刻t-τ的最佳观测量;
第一粒子滤波单元107根据时刻t-τ的最佳观测量,进行粒子滤波,获得时刻t-τ的位置估计。
在本实施例中,该装置100还可以包括:
第二粒子滤波单元109,其用于根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量进行粒子滤波;
检测单元110,其用于根据粒子滤波的结果进行追踪检测;
触发单元111,其用于当追踪检测的检测结果为追踪失败时,第一计算单元102计算当前时刻以及当前时刻之前至少一个时刻的运动模型观测量;当追踪检测的检测结果为追踪成功时,直接输出粒子滤波的结果作为目标终端在当前时刻的位置估计。
在本实施例中,第二粒子滤波单元109、检测单元110以及触发单元111为可选部件,在图1中用虚线框表示。
这样,通过检测是否追踪失败,在追踪失败的情况下触发第一计算单元102、设置单元103、第二计算单元104、第三计算单元105、第一确定单元106以及第一粒子滤波单元107进行工作,在追踪成功的情况下,直接输出粒子滤波结果作为位置估计的结果,能够降低计算复杂度,进一步提高定位追踪的实时性。
在本实施例中,在追踪失败的情况下,触发第一计算单元102至第一粒子滤波单元107进行工作,第一粒子滤波单元107在进行粒子滤波时对粒子群进行重新初始化,而不使用触发前的粒子位置及粒子权重。
在本实施例中,第二粒子滤波单元109可使用现有方法进行粒子滤波。例如,利用初步定位单元得到的无线定位观测量来对粒子滤波模型中的粒子权重进行更新,从而根据各粒子的位置及其权重进行加权累加,累加结果为目标终端在当前时刻的位置估计。
图4是本发明实施例1的检测单元110的一示意图。如图4所示,检测单元110包括:
第一检测单元401,其用于检测各个时刻的粒子群的有效采样尺度;
判断单元402,其用于当该有效采样尺度小于第一阈值的连续次数达到第二阈值时,判断为追踪失败。
在本实施例中,第一检测单元401可使用现有方法检测粒子群的有效采样尺度,例如,可使用以下的公式(7)计算有效采样参数Neff:
在本实施例中,判断单元402用于判断是否追踪失败的第一阈值和第二阈值可根据实际需要而设置。其中,第二阈值例如为大于等于2的正整数。
在本实施例中,该装置100还可以包括:
第二确定单元112,其用于根据目标终端在当前时刻的位置估计确定当前时刻的下一时刻初步定位单元101用于进行初步定位的接入点。在本实施例中,第二确定单元112为可选部件,在图1中用虚线框表示。
这样,能够提高获得无线定位观测量的精度,从而进一步提高追踪定位的精度。
例如,第二确定单元112将与目标终端在当前时刻的位置估计距离较近的接入点作为下一时刻初步定位单元101用于进行初步定位的接入点。
例如,第二确定单元112可以根据以下的公式(8)确定当前时刻的下一时刻用于进行初步定位的接入点:
由上述实施例可知,在包括当前时刻以及之前至少一个时刻的时间窗口内,根据各个时刻之后所有时刻的无线定位观测量以及运动模型观测量来计算各个时刻的观测概率,根据最大路径转移概率确定各个时刻的最佳观测量,并根据最佳观测量进行粒子滤波,能够在目标终端快速移动或无线定位信号采样率较低的情况下实现高精度的实时定位追踪,同时可应用于慢速与静态模式下的定位追踪,另外,对获取无线定位观测量的方法没有限制,可应用于各种室内外的定位场景。
实施例2
本发明实施例还提供了一种电子设备,图5是本发明实施例2的电子设备的一示意图。如图5所示,电子设备500包括定位装置501,其中,定位装置501的结构和功能与实施例1中的记载相同,此处不再赘述。
图6是本发明实施例2的电子设备的系统构成的一示意框图。如图6所示,电子设备600可以包括中央处理器601和存储器602;存储器602耦合到中央处理器601。该图是示例性的;还可以使用其它类型的结构,来补充或代替该结构,以实现电信功能或其它功能。
如图6所示,该电子设备600还可以包括:输入单元603、显示器604、电源605。
在一个实施方式中,实施例1所述的定位装置的功能可以被集成到中央处理器601中。其中,中央处理器601可以被配置为:通过预设的接入点对目标终端进行初步定位,获得当前时刻以及当前时刻之前至少一个时刻的无线定位观测量;根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量以及运动模型,计算当前时刻以及当前时刻之前至少一个时刻的运动模型观测量;设置当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻到各个时刻的状态转移概率;根据当前时刻以及当前时刻之前至少一个时刻中、各个时刻之后所有时刻的无线定位观测量以及运动模型观测量,计算各个时刻的观测概率;根据各个时刻的观测概率以及各个时刻的前一时刻到各个时刻的状态转移概率,计算各个时刻的前一时刻到各个时刻的至少两个路径转移概率;根据各个时刻的前一时刻到各个时刻的至少两个路径转移概率中的最大路径转移概率,确定各个时刻的最佳观测量;根据各个时刻的最佳观测量进行粒子滤波,获得所述目标终端在当前时刻的位置估计。
其中,所述根据各个时刻的最佳观测量进行粒子滤波,获得所述目标终端在当前时刻的位置估计,包括:根据当前时刻以及当前时刻之前至少一个时刻的所有时刻的最佳观测量序列,依次进行粒子滤波,最终获得所述目标终端在当前时刻的位置估计。
其中,中央处理器601还可以被配置为:根据当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻的粒子滤波的位置估计,更新根据运动模型而获得的各个时刻的运动模型观测量;所述根据当前时刻以及当前时刻之前至少一个时刻中、各个时刻之后所有时刻的无线定位观测量以及运动模型观测量,计算各个时刻的观测概率,包括:根据各个时刻之后所有时刻的无线定位观测量以及更新后的运动模型观测量,计算各个时刻的观测概率;所述根据各个时刻的最佳观测量进行粒子滤波,获得所述目标终端在当前时刻的位置估计,包括:根据各个时刻的最佳观测量进行粒子滤波,依次获得所述目标终端在各个时刻的位置估计,最终获得所述目标终端在当前时刻的位置估计。
其中,所述根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量以及运动模型,计算当前时刻以及当前时刻之前至少一个时刻的运动模型观测量,包括:根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量以及第一运动模型和/或第二运动模型,获得当前时刻以及当前时刻之前至少一个时刻的第一运动模型观测量和/或第二运动模型观测量,其中,所述第一运动模型是根据所述无线定位观测量拟合得到的运动模型,所述第二运动模型是根据来自所述目标终端的传感器数据得到的运动模型。
其中,当获得当前时刻以及当前时刻之前至少一个时刻的第一运动模型观测量和第二运动模型观测量,或者获得当前时刻以及当前时刻之前至少一个时刻的第二运动模型观测量时,所述设置当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻到各个时刻的状态转移概率包括:根据所述传感器数据的置信度来设置各个时刻的前一时刻到各个时刻的状态转移概率;当获得当前时刻以及当前时刻之前至少一个时刻的第一运动模型观测量时,所述设置当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻到各个时刻的状态转移概率包括:将各个时刻的前一时刻到各个时刻的状态转移概率设置为等概率。
其中,中央处理器601还可以被配置为:根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量进行粒子滤波;根据粒子滤波的结果进行追踪检测;当追踪检测的检测结果为追踪失败时,计算当前时刻以及当前时刻之前至少一个时刻的运动模型观测量;当追踪检测的检测结果为追踪成功时,直接输出粒子滤波的结果作为所述目标终端在当前时刻的位置估计。
其中,所述根据粒子滤波的结果进行追踪检测包括:检测各个时刻的粒子群的有效采样尺度;当所述有效采样尺度小于第一阈值的连续次数达到第二阈值时,判断为追踪失败。
其中,中央处理器601还可以被配置为:根据所述目标终端在当前时刻的位置估计确定当前时刻的下一时刻用于进行初步定位的接入点。
在另一个实施方式中,实施例1所述的定位装置可以与中央处理器601分开配置,例如可以将定位装置配置为与中央处理器601连接的芯片,通过中央处理器601的控制来实现定位装置的功能。
在本实施例中电子设备600也并不是必须要包括图6中所示的所有部件。
如图6所示,中央处理器601有时也称为控制器或操作控件,可以包括微处理器或其它处理器装置和/或逻辑装置,中央处理器601接收输入并控制电子设备600的各个部件的操作。
存储器602,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。并且中央处理器601可执行该存储器602存储的该程序,以实现信息存储或处理等。其它部件的功能与现有类似,此处不再赘述。电子设备600的各部件可以通过专用硬件、固件、软件或其结合来实现,而不偏离本发明的范围。
由上述实施例可知,在包括当前时刻以及之前至少一个时刻的时间窗口内,根据各个时刻之后所有时刻的无线定位观测量以及运动模型观测量来计算各个时刻的观测概率,根据最大路径转移概率确定各个时刻的最佳观测量,并根据最佳观测量进行粒子滤波,能够在目标终端快速移动或无线定位信号采样率较低的情况下实现高精度的实时定位追踪,同时可应用于慢速与静态模式下的定位追踪,另外,对获取无线定位观测量的方法没有限制,可应用于各种室内外的定位场景。
实施例3
本发明实施例还提供一种定位方法,其对应于实施例1的定位装置。图7是本发明实施例3的定位方法的一示意图。如图7所示,该方法包括:
步骤701:通过预设的接入点对目标终端进行初步定位,获得当前时刻以及当前时刻之前至少一个时刻的无线定位观测量;
步骤702:根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量以及运动模型,计算当前时刻以及当前时刻之前至少一个时刻的运动模型观测量;
步骤703:设置当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻到各个时刻的状态转移概率;
步骤704:根据当前时刻以及当前时刻之前至少一个时刻中、各个时刻之后所有时刻的无线定位观测量以及运动模型观测量,计算各个时刻的观测概率;
步骤705:根据各个时刻的观测概率以及各个时刻的前一时刻到各个时刻的状态转移概率,计算各个时刻的前一时刻到各个时刻的至少两个路径转移概率;
步骤706:根据各个时刻的前一时刻到各个时刻的至少两个路径转移概率中的最大路径转移概率,确定各个时刻的最佳观测量;
步骤707:根据各个时刻的最佳观测量进行粒子滤波,获得目标终端在当前时刻的位置估计。
在本实施例中,进行初步定位的方法、计算运动模型观测量的方法、设置状态转移概率的方法、计算观测概率的方法、计算路径转移概率的方法、确定最佳观测量的方法以及根据最佳观测量进行粒子滤波的方法与实施例1中的记载相同,此处不再赘述。
由上述实施例可知,在包括当前时刻以及之前至少一个时刻的时间窗口内,根据各个时刻之后所有时刻的无线定位观测量以及运动模型观测量来计算各个时刻的观测概率,根据最大路径转移概率确定各个时刻的最佳观测量,并根据最佳观测量进行粒子滤波,能够在目标终端快速移动或无线定位信号采样率较低的情况下实现高精度的实时定位追踪,同时可应用于慢速与静态模式下的定位追踪,另外,对获取无线定位观测量的方法没有限制,可应用于各种室内外的定位场景。
实施例4
本发明实施例还提供一种定位方法,其对应于实施例1的定位装置。图8是本发明实施例4的定位方法的一示意图。如图8所示,该方法包括:
步骤801:通过预设的接入点对目标终端进行初步定位,获得当前时刻以及当前时刻之前至少一个时刻的无线定位观测量;
步骤802:根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量进行粒子滤波;
步骤803:根据粒子滤波的结果进行追踪检测;
步骤804:判断追踪检测的检测结果是否为追踪失败;当判断结果为“是”时,进入步骤806;当判断结果为“否”时,进入步骤805;
步骤805:直接输出粒子滤波的结果作为目标终端在当前时刻的位置估计;
步骤806:根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量以及运动模型,计算当前时刻以及当前时刻之前至少一个时刻的运动模型观测量;
步骤807:设置当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻到各个时刻的状态转移概率;
步骤808:根据当前时刻以及当前时刻之前至少一个时刻中、各个时刻之后所有时刻的无线定位观测量以及运动模型观测量,计算各个时刻的观测概率;
步骤809:根据各个时刻的观测概率以及各个时刻的前一时刻到各个时刻的状态转移概率,计算各个时刻的前一时刻到各个时刻的至少两个路径转移概率;
步骤810:根据各个时刻的前一时刻到各个时刻的至少两个路径转移概率中的最大路径转移概率,确定各个时刻的最佳观测量;
步骤811:根据各个时刻的最佳观测量进行粒子滤波,获得目标终端在当前时刻的位置估计;
步骤812:判断是否需要继续定位,当判断结果为“是”时,进入步骤813;当判断结果为“否”时,结束进程;
步骤813:根据目标终端在当前时刻的位置估计确定当前时刻的下一时刻用于进行初步定位的接入点;
步骤814:计时器加1,即,将当前时刻的下一时刻作为当前时刻。
在本实施例中,在步骤812中,判断是否需要继续定位可根据实际需要而确定,例如,用户设定需要定位追踪的时间,则在达到该时间的结束时刻时,停止定位追踪,从而结束进程。
在本实施例中,进行初步定位的方法、根据无线定位观测量进行粒子滤波的方法、进行追踪检测的方法、计算运动模型观测量的方法、设置状态转移概率的方法、计算观测概率的方法、计算路径转移概率的方法、确定最佳观测量的方法以及根据最佳观测量进行粒子滤波的方法与实施例1中的记载相同,此处不再赘述。
由上述实施例可知,在包括当前时刻以及之前至少一个时刻的时间窗口内,根据各个时刻之后所有时刻的无线定位观测量以及运动模型观测量来计算各个时刻的观测概率,根据最大路径转移概率确定各个时刻的最佳观测量,并根据最佳观测量进行粒子滤波,能够在目标终端快速移动或无线定位信号采样率较低的情况下实现高精度的实时定位追踪,同时可应用于慢速与静态模式下的定位追踪,另外,对获取无线定位观测量的方法没有限制,可应用于各种室内外的定位场景。
另外,通过检测是否追踪失败,在追踪失败的情况下触发本发明的HMM算法进行粒子滤波定位,在追踪成功的情况下,直接输出粒子滤波结果作为位置估计的结果,能够降低计算复杂度,进一步提高定位追踪的实时性。
本发明实施例还提供一种计算机可读程序,其中当在定位装置或电子设备中执行所述程序时,所述程序使得计算机在所述定位装置或电子设备中执行实施例3或实施例4所述的定位方法。
本发明实施例还提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在定位装置或电子设备中执行实施例3或实施例4所述的定位方法。
结合本发明实施例描述的在定位装置或电子设备中执行定位方法可直接体现为硬件、由处理器执行的软件模块或二者组合。例如,图1中所示的功能框图中的一个或多个和/或功能框图的一个或多个组合,既可以对应于计算机程序流程的各个软件模块,亦可以对应于各个硬件模块。这些软件模块,可以分别对应于图7所示的各个步骤。这些硬件模块例如可利用现场可编程门阵列(FPGA)将这些软件模块固化而实现。
软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域已知的任何其它形式的存储介质。可以将一种存储介质耦接至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息;或者该存储介质可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该软件模块可以存储在移动终端的存储器中,也可以存储在可插入移动终端的存储卡中。例如,若设备(例如移动终端)采用的是较大容量的MEGA-SIM卡或者大容量的闪存装置,则该软件模块可存储在该MEGA-SIM卡或者大容量的闪存装置中。
针对图1描述的功能框图中的一个或多个和/或功能框图的一个或多个组合,可以实现为用于执行本申请所描述功能的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑器件、分立硬件组件、或者其任意适当组合。针对图1描述的功能框图中的一个或多个和/或功能框图的一个或多个组合,还可以实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、与DSP通信结合的一个或多个微处理器或者任何其它这种配置。
以上结合具体的实施方式对本发明进行了描述,但本领域技术人员应该清楚,这些描述都是示例性的,并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改,这些变型和修改也在本发明的范围内。
关于包括以上实施例的实施方式,还公开下述的附记:
附记1、一种定位装置,包括:
初步定位单元,其用于通过预设的接入点对目标终端进行初步定位,获得当前时刻以及当前时刻之前至少一个时刻的无线定位观测量;
第一计算单元,其用于根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量以及运动模型,计算当前时刻以及当前时刻之前至少一个时刻的运动模型观测量;
设置单元,其用于设置当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻到各个时刻的状态转移概率;
第二计算单元,其用于根据当前时刻以及当前时刻之前至少一个时刻中、各个时刻之后所有时刻的无线定位观测量以及运动模型观测量,计算各个时刻的观测概率;
第三计算单元,其用于根据各个时刻的观测概率以及各个时刻的前一时刻到各个时刻的状态转移概率,计算各个时刻的前一时刻到各个时刻的至少两个路径转移概率;
第一确定单元,其用于根据各个时刻的前一时刻到各个时刻的至少两个路径转移概率中的最大路径转移概率,确定各个时刻的最佳观测量;
第一粒子滤波单元,其用于根据各个时刻的最佳观测量进行粒子滤波,获得所述目标终端在当前时刻的位置估计。
附记2、根据附记1所述的装置,其中,所述第一粒子滤波单元用于根据当前时刻以及当前时刻之前至少一个时刻的所有时刻的最佳观测量序列,依次进行粒子滤波,最终获得所述目标终端在当前时刻的位置估计。
附记3、根据附记1所述的装置,其中,所述装置还包括:
更新单元,其用于根据当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻的粒子滤波的位置估计,更新根据运动模型而获得的各个时刻的运动模型观测量;
所述第二计算单元用于根据各个时刻之后所有时刻的无线定位观测量以及更新后的运动模型观测量,计算各个时刻的观测概率;
所述第一粒子滤波单元用于根据各个时刻的最佳观测量进行粒子滤波,依次获得所述目标终端在各个时刻的位置估计,最终获得所述目标终端在当前时刻的位置估计。
附记4、根据附记1所述的装置,其中,所述第一计算单元用于根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量以及第一运动模型和/或第二运动模型,获得当前时刻以及当前时刻之前至少一个时刻的第一运动模型观测量和/或第二运动模型观测量,其中,所述第一运动模型是根据所述无线定位观测量拟合得到的运动模型,所述第二运动模型是根据来自所述目标终端的传感器数据得到的运动模型。
附记5、根据附记4所述的装置,其中,
当所述第一计算单元获得当前时刻以及当前时刻之前至少一个时刻的第一运动模型观测量和第二运动模型观测量,或者获得当前时刻以及当前时刻之前至少一个时刻的第二运动模型观测量时,所述设置单元用于根据所述传感器数据的置信度来设置各个时刻的前一时刻到各个时刻的状态转移概率;
当所述第一计算单元获得当前时刻以及当前时刻之前至少一个时刻的第一运动模型观测量时,所述设置单元用于将各个时刻的前一时刻到各个时刻的状态转移概率设置为等概率。
附记6、根据附记1所述的装置,其中,所述装置还包括:
第二粒子滤波单元,其用于根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量进行粒子滤波;
检测单元,其用于根据粒子滤波的结果进行追踪检测;
触发单元,其用于当追踪检测的检测结果为追踪失败时,所述第一计算单元计算当前时刻以及当前时刻之前至少一个时刻的运动模型观测量;当追踪检测的检测结果为追踪成功时,直接输出粒子滤波的结果作为所述目标终端在当前时刻的位置估计。
附记7、根据附记6所述的装置,其中,所述检测单元包括:
第一检测单元,其用于检测各个时刻的粒子群的有效采样尺度;
判断单元,其用于当所述有效采样尺度小于第一阈值的连续次数达到第二阈值时,判断为追踪失败。
附记8、根据附记1所述的装置,其中,所述装置还包括:
第二确定单元,其用于根据所述目标终端在当前时刻的位置估计确定当前时刻的下一时刻所述初步定位单元用于进行初步定位的接入点。
附记9、一种电子设备,所述电子设备包括根据附记1所述的装置。
附记10、一种定位方法,包括:
通过预设的接入点对目标终端进行初步定位,获得当前时刻以及当前时刻之前至少一个时刻的无线定位观测量;
根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量以及运动模型,计算当前时刻以及当前时刻之前至少一个时刻的运动模型观测量;
设置当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻到各个时刻的状态转移概率;
根据当前时刻以及当前时刻之前至少一个时刻中、各个时刻之后所有时刻的无线定位观测量以及运动模型观测量,计算各个时刻的观测概率;
根据各个时刻的观测概率以及各个时刻的前一时刻到各个时刻的状态转移概率,计算各个时刻的前一时刻到各个时刻的至少两个路径转移概率;
根据各个时刻的前一时刻到各个时刻的至少两个路径转移概率中的最大路径转移概率,确定各个时刻的最佳观测量;
根据各个时刻的最佳观测量进行粒子滤波,获得所述目标终端在当前时刻的位置估计。
附记11、根据附记10所述的方法,其中,所述根据各个时刻的最佳观测量进行粒子滤波,获得所述目标终端在当前时刻的位置估计,包括:
根据当前时刻以及当前时刻之前至少一个时刻的所有时刻的最佳观测量序列,依次进行粒子滤波,最终获得所述目标终端在当前时刻的位置估计。
附记12、根据附记10所述的方法,其中,所述方法还包括:
根据当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻的粒子滤波的位置估计,更新根据运动模型而获得的各个时刻的运动模型观测量;
所述根据当前时刻以及当前时刻之前至少一个时刻中、各个时刻之后所有时刻的无线定位观测量以及运动模型观测量,计算各个时刻的观测概率,包括:根据各个时刻之后所有时刻的无线定位观测量以及更新后的运动模型观测量,计算各个时刻的观测概率;
所述根据各个时刻的最佳观测量进行粒子滤波,获得所述目标终端在当前时刻的位置估计,包括:根据各个时刻的最佳观测量进行粒子滤波,依次获得所述目标终端在各个时刻的位置估计,最终获得所述目标终端在当前时刻的位置估计。
附记13、根据附记10所述的方法,其中,所述根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量以及运动模型,计算当前时刻以及当前时刻之前至少一个时刻的运动模型观测量,包括:
根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量以及第一运动模型和/或第二运动模型,获得当前时刻以及当前时刻之前至少一个时刻的第一运动模型观测量和/或第二运动模型观测量,其中,所述第一运动模型是根据所述无线定位观测量拟合得到的运动模型,所述第二运动模型是根据来自所述目标终端的传感器数据得到的运动模型。
附记14、根据附记13所述的方法,其中,
当获得当前时刻以及当前时刻之前至少一个时刻的第一运动模型观测量和第二运动模型观测量,或者获得当前时刻以及当前时刻之前至少一个时刻的第二运动模型观测量时,所述设置当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻到各个时刻的状态转移概率包括:根据所述传感器数据的置信度来设置各个时刻的前一时刻到各个时刻的状态转移概率;
当获得当前时刻以及当前时刻之前至少一个时刻的第一运动模型观测量时,所述设置当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻到各个时刻的状态转移概率包括:将各个时刻的前一时刻到各个时刻的状态转移概率设置为等概率。
附记15、根据附记10所述的方法,其中,所述方法还包括:
根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量进行粒子滤波;
根据粒子滤波的结果进行追踪检测;
当追踪检测的检测结果为追踪失败时,计算当前时刻以及当前时刻之前至少一个时刻的运动模型观测量;当追踪检测的检测结果为追踪成功时,直接输出粒子滤波的结果作为所述目标终端在当前时刻的位置估计。
附记16、根据附记15所述的方法,其中,所述根据粒子滤波的结果进行追踪检测包括:
检测各个时刻的粒子群的有效采样尺度;
当所述有效采样尺度小于第一阈值的连续次数达到第二阈值时,判断为追踪失败。
附记17、根据附记10所述的方法,其中,所述方法还包括:
根据所述目标终端在当前时刻的位置估计确定当前时刻的下一时刻用于进行初步定位的接入点。
Claims (10)
1.一种定位装置,其特征在于,所述定位装置包括:
初步定位单元,其用于通过预设的接入点对目标终端进行初步定位,获得当前时刻以及当前时刻之前至少一个时刻的无线定位观测量;
第一计算单元,其用于根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量以及运动模型,计算当前时刻以及当前时刻之前至少一个时刻的运动模型观测量;
设置单元,其用于设置当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻到各个时刻的状态转移概率;
第二计算单元,其用于根据当前时刻以及当前时刻之前至少一个时刻中、各个时刻之后所有时刻的无线定位观测量以及运动模型观测量,计算各个时刻的观测概率;
第三计算单元,其用于根据各个时刻的观测概率以及各个时刻的前一时刻到各个时刻的状态转移概率,计算各个时刻的前一时刻到各个时刻的至少两个路径转移概率;
第一确定单元,其用于根据各个时刻的前一时刻到各个时刻的至少两个路径转移概率中的最大路径转移概率,确定各个时刻的最佳观测量;
第一粒子滤波单元,其用于根据各个时刻的最佳观测量进行粒子滤波,获得所述目标终端在当前时刻的位置估计。
2.根据权利要求1所述的装置,其中,所述第一粒子滤波单元用于根据当前时刻以及当前时刻之前至少一个时刻的所有时刻的最佳观测量序列,依次进行粒子滤波,最终获得所述目标终端在当前时刻的位置估计。
3.根据权利要求1所述的装置,其中,所述装置还包括:
更新单元,其用于根据当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻的粒子滤波的位置估计,更新根据运动模型而获得的各个时刻的运动模型观测量;
所述第二计算单元用于根据各个时刻之后所有时刻的无线定位观测量以及更新后的运动模型观测量,计算各个时刻的观测概率;
所述第一粒子滤波单元用于根据各个时刻的最佳观测量进行粒子滤波,依次获得所述目标终端在各个时刻的位置估计,最终获得所述目标终端在当前时刻的位置估计。
4.根据权利要求1所述的装置,其中,所述第一计算单元用于根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量以及第一运动模型和/或第二运动模型,获得当前时刻以及当前时刻之前至少一个时刻的第一运动模型观测量和/或第二运动模型观测量,其中,所述第一运动模型是根据所述无线定位观测量拟合得到的运动模型,所述第二运动模型是根据来自所述目标终端的传感器数据得到的运动模型。
5.根据权利要求4所述的装置,其中,
当所述第一计算单元获得当前时刻以及当前时刻之前至少一个时刻的第一运动模型观测量和第二运动模型观测量,或者获得当前时刻以及当前时刻之前至少一个时刻的第二运动模型观测量时,所述设置单元用于根据所述传感器数据的置信度来设置各个时刻的前一时刻到各个时刻的状态转移概率;
当所述第一计算单元获得当前时刻以及当前时刻之前至少一个时刻的第一运动模型观测量时,所述设置单元用于将各个时刻的前一时刻到各个时刻的状态转移概率设置为等概率。
6.根据权利要求1所述的装置,其中,所述装置还包括:
第二粒子滤波单元,其用于根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量进行粒子滤波;
检测单元,其用于根据粒子滤波的结果进行追踪检测;
触发单元,其用于当追踪检测的检测结果为追踪失败时,所述第一计算单元计算当前时刻以及当前时刻之前至少一个时刻的运动模型观测量;当追踪检测的检测结果为追踪成功时,直接输出粒子滤波的结果作为所述目标终端在当前时刻的位置估计。
7.根据权利要求6所述的装置,其中,所述检测单元包括:
第一检测单元,其用于检测各个时刻的粒子群的有效采样尺度;
判断单元,其用于当所述有效采样尺度小于第一阈值的连续次数达到第二阈值时,判断为追踪失败。
8.根据权利要求1所述的装置,其中,所述装置还包括:
第二确定单元,其用于根据所述目标终端在当前时刻的位置估计确定当前时刻的下一时刻所述初步定位单元用于进行初步定位的接入点。
9.一种电子设备,其特征在于,所述电子设备包括根据权利要求1所述的装置。
10.一种定位方法,其特征在于,所述定位方法包括:
通过预设的接入点对目标终端进行初步定位,获得当前时刻以及当前时刻之前至少一个时刻的无线定位观测量;
根据当前时刻以及当前时刻之前至少一个时刻的无线定位观测量以及运动模型,计算当前时刻以及当前时刻之前至少一个时刻的运动模型观测量;
设置当前时刻以及当前时刻之前至少一个时刻中各个时刻的前一时刻到各个时刻的状态转移概率;
根据当前时刻以及当前时刻之前至少一个时刻中、各个时刻之后所有时刻的无线定位观测量以及运动模型观测量,计算各个时刻的观测概率;
根据各个时刻的观测概率以及各个时刻的前一时刻到各个时刻的状态转移概率,计算各个时刻的前一时刻到各个时刻的至少两个路径转移概率;
根据各个时刻的前一时刻到各个时刻的至少两个路径转移概率中的最大路径转移概率,确定各个时刻的最佳观测量;
根据各个时刻的最佳观测量进行粒子滤波,获得所述目标终端在当前时刻的位置估计。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610474143.5A CN107548033B (zh) | 2016-06-24 | 2016-06-24 | 定位装置、方法及电子设备 |
JP2017121236A JP2017227640A (ja) | 2016-06-24 | 2017-06-21 | 位置確定装置、方法及び電子機器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610474143.5A CN107548033B (zh) | 2016-06-24 | 2016-06-24 | 定位装置、方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107548033A CN107548033A (zh) | 2018-01-05 |
CN107548033B true CN107548033B (zh) | 2020-05-19 |
Family
ID=60891600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610474143.5A Active CN107548033B (zh) | 2016-06-24 | 2016-06-24 | 定位装置、方法及电子设备 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2017227640A (zh) |
CN (1) | CN107548033B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108322888B (zh) * | 2018-01-30 | 2020-05-12 | 重庆大学 | 一种移动终端的室内定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101871928A (zh) * | 2010-06-17 | 2010-10-27 | 浙江工业大学 | 一种基于免疫否定选择的水质异常检测方法 |
CN103399314A (zh) * | 2013-06-17 | 2013-11-20 | 西安理工大学 | 稀疏参考标签下的无收发器对象定位追踪方法 |
CN105444769A (zh) * | 2015-11-26 | 2016-03-30 | 北京百度网讯科技有限公司 | 地图匹配方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010165305A (ja) * | 2009-01-19 | 2010-07-29 | Sony Corp | 情報処理装置、および情報処理方法、並びにプログラム |
-
2016
- 2016-06-24 CN CN201610474143.5A patent/CN107548033B/zh active Active
-
2017
- 2017-06-21 JP JP2017121236A patent/JP2017227640A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101871928A (zh) * | 2010-06-17 | 2010-10-27 | 浙江工业大学 | 一种基于免疫否定选择的水质异常检测方法 |
CN103399314A (zh) * | 2013-06-17 | 2013-11-20 | 西安理工大学 | 稀疏参考标签下的无收发器对象定位追踪方法 |
CN105444769A (zh) * | 2015-11-26 | 2016-03-30 | 北京百度网讯科技有限公司 | 地图匹配方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107548033A (zh) | 2018-01-05 |
JP2017227640A (ja) | 2017-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107132504B (zh) | 基于粒子滤波的定位追踪装置、方法及电子设备 | |
US9594150B2 (en) | Determining device locations using movement, signal strength | |
CN105549049B (zh) | 一种应用于gps导航的自适应卡尔曼滤波算法 | |
CN108020813B (zh) | 定位方法、定位装置和电子设备 | |
WO2017088196A1 (zh) | 基于无线指纹和mems传感器的融合导航装置和方法 | |
Liu et al. | Fusing similarity-based sequence and dead reckoning for indoor positioning without training | |
US8130103B2 (en) | Method of reducing power consumption of a radio badge in a boundary detection localization system | |
CN104394588B (zh) | 基于Wi‑Fi指纹和多维尺度分析的室内定位方法 | |
AU2012379101A1 (en) | Simultaneous localization and mapping using spatial and temporal coherence for indoor location | |
CN107796387B (zh) | 定位方法、定位装置和电子设备 | |
CN112367614A (zh) | 一种基于LSTM的Wi-Fi与地磁场融合的室内定位算法 | |
CN112362044A (zh) | 室内定位方法、装置、设备和系统 | |
Liu et al. | Indoor positioning using similarity-based sequence and dead reckoning without training | |
CN111225334A (zh) | 一种定位方法、终端及计算机可读存储介质 | |
CN106028450B (zh) | 室内定位方法及设备 | |
CN107548033B (zh) | 定位装置、方法及电子设备 | |
US10820152B2 (en) | Device diversity correction method for RSS-based precise location tracking | |
CN109769206B (zh) | 一种室内定位融合方法、装置、存储介质及终端设备 | |
JP6513310B1 (ja) | 航跡推定装置及び携帯情報端末 | |
KR101593679B1 (ko) | 실내 위치 추정 방법 및 장치 | |
KR101565485B1 (ko) | 위치 오차 보정 장치 및 그 방법 | |
JP2004219300A (ja) | 目標追尾装置 | |
CN111665533A (zh) | 基于卫星定位有效性的定位方法/系统、介质及设备 | |
CN113740843A (zh) | 一种跟踪目标的运动状态估计方法、系统及电子装置 | |
KR102030610B1 (ko) | 이동방향 추정 시스템 및 방법, 이를 수행하기 위한 기록매체 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |