CN107850656B - 用于确定定位目的的模型参数的方法、装置和系统 - Google Patents
用于确定定位目的的模型参数的方法、装置和系统 Download PDFInfo
- Publication number
- CN107850656B CN107850656B CN201580080832.1A CN201580080832A CN107850656B CN 107850656 B CN107850656 B CN 107850656B CN 201580080832 A CN201580080832 A CN 201580080832A CN 107850656 B CN107850656 B CN 107850656B
- Authority
- CN
- China
- Prior art keywords
- location
- model parameters
- specific function
- measurement data
- specific
- 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
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
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0252—Radio frequency fingerprinting
- G01S5/02521—Radio frequency fingerprinting using a radio-map
- G01S5/02524—Creating or updating the radio-map
- G01S5/02525—Gathering the radio frequency fingerprints
- G01S5/02526—Gathering the radio frequency fingerprints using non-dedicated equipment, e.g. user equipment or crowd-sourcing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0257—Hybrid positioning
- G01S5/0263—Hybrid positioning by combining or switching between positions derived from two or more separate positioning systems
- G01S5/0264—Hybrid positioning by combining or switching between positions derived from two or more separate positioning systems at least one of the systems being a non-radio wave positioning system
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3911—Fading models or fading generators
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
-
- 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
- H04W4/026—Services making use of location information using location based information parameters using orientation information, e.g. compass
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
特别公开了由至少一个装置执行的方法,所述方法包括:获得由发射器发送的信号的位置特定量的测量数据;获得与所述位置特定量的测量数据相关联的位置信息;以及基于获得的测量数据和获得的位置信息来确定描述依赖于位置的所述位置特定量的模型的一个或多个模型参数,其中所述模型以第一位置特定函数和第二位置特定函数的组合的形式来假定所述位置特定量的位置依赖性。
Description
技术领域
本发明涉及确定可用于定位目的模型的模型参数的领域。
背景技术
现代全球蜂窝定位技术和非蜂窝定位技术基于生成包含关于蜂窝信号与非蜂窝信号的信息的大型全球数据库。该信息可全部或部分地来源于这些定位技术的用户。这种方法也被称为“众包”。
定位是基于这样的事实,即,不同的位置具有不同的测量统计数据或“指纹”。在第一阶段或训练阶段,用户利用他们的移动终端可以以这种指纹的形式提供信息。指纹一方面可以包含基于例如接收到的全球导航卫星系统(GNSS)的卫星信号估计的位置信息,另一方面可以包含从一个或多个发射器(例如蜂窝和/或非蜂窝的地面系统的信号的无线电接口)获取的测量数据。例如,这种测量数据可包含接收信号强度(RSS)。
然而,即使在众包的帮助下,收集来自发射器的测量数据也需要大量的测量活动并不断更新所获取的数据库。因此,数据收集可能仅限于某些特定区域,这在测量数据中留下了覆盖空白(coverage gap)。此外,数据库中要包含的一些区域可能限制访问,这妨碍了收集测量数据的可能性。
因此,该数据随后可以被传送到服务器或云,服务器或云中可以收集数据并且可以基于所收集的数据生成用于定位目的的模型。这可以是连续的后台处理,在该处理中移动终端连续地向服务器报告测量数据,或者它们可以内部地离线学习无线电环境。这样的模型可以是覆盖区域估计,发射器位置和/或无线电信道模型,并且蜂窝通信系统的基站和WLAN的接入点是示例性的发射器。因此,即使是测量数据不可用的区域,也可以通过适当的内插法和外推法来估计。这里,内插是指已知数据值之间的数据值的估计,而外推是指已知值之外的数据值的估计。
例如,在第二阶段或定位阶段,这些模型可以用于估计移动终端的位置。例如,网络用户的位置可以通过将其自身的测量数据与所生成的模型的预测进行比较来估计,所生成的模型的预测导出自第一阶段或训练阶段的指纹。内插和外推处理使得用户可以在可用测量数据的覆盖区域之外定位,这降低了数据收集的要求。
然而,这些指纹不一定必须包括基于GNSS的位置信息。它们可以附加地或者可替代地包括仅基于蜂窝和/或WLAN的位置信息。这种情况下,可以例如根据服务器中的基于WLAN的定位,为指纹指派位置。如果指纹中具有蜂窝测量结果,则这种自定位指纹可被用来得知蜂窝系统信息。此外,在指纹的一组WLAN测量结果中,除了对已知WLAN接入点的测量之外,还可以存在对未知接入点的测量,并且可以通过这些自定位指纹来得知未知接入点的位置。最后,基于自定位指纹,可以为先前已知的接入点获取更多的数据。
可以注意到,即使在使用具有GNSS能力的移动终端时,用户也可以因使用蜂窝/非蜂窝定位技术而在首次定位时间(time-to-first-fix)和功耗方面获益。而且,不是所有的应用都需要基于GNSS的定位。此外,蜂窝/非蜂窝定位技术在室内同样奏效,这对于基于GNSS的技术来说通常是具有挑战的环境。
就此而言,室内与室外定位的一个显著差别是垂直方向的重要性。在室外定位中,通常使用二维模型来实现水平位置估计就足够了。然而,在室内,特别是高层建筑中,具有还能估计用户所在的楼层的能力是十分重要的。这引向在第一阶段或训练阶段以及在第二阶段或定位阶段两者中的三维数据处理。
发明内容
测量数据的建模以及内插和外推在室内场景中是非常困难的,其中必须还考虑垂直维度。这里,最重要的问题之一是建筑物在水平方向和垂直方向之间的结构属性的差异。
此外,由于室内的信号传播非常复杂,内插/外推任务在这种情况下不是简单的趋势估计问题。与户外传播相比,墙壁、走廊、家具和其他障碍物导致了大量遮蔽。因此,需要专门的技术为这种情况提供可靠的模型。
鉴于此,根据本发明的某些方面和实施例可以允许在第一阶段期间减少对测量数据收集的需求。本发明的某些方面和实施例可以改进楼层损耗时三维测量数据的内插和外推。本发明的某些方面和实施例可以允许考虑到遮蔽效应。进一步的,本发明的某些方面和实施例可以提供位置估计的不确定性。根据本发明的某些方面和实施例,可以考虑测量协方差以改善位置估计。此外,本发明的某些方面和实施例可能不需要启发式参数。
根据本发明的第一示例性方面,描述了由至少一个装置执行的方法,该方法包括:获取由发射器发送的信号的位置特定量的测量数据;获得与位置特定量的测量数据相关联的位置信息;以及,基于所获得的测量数据和所获得的位置信息来确定描述了依赖于位置的位置特定量的模型的一个或多个模型参数,其中所述模型以第一位置特定函数和第二位置特定函数的组合的形式来假定位置特定量的位置依赖性。
例如,关于发射器发送的信号的位置特定量的测量数据可由诸如蜂窝电话、膝上型计算机、平板电脑、多媒体播放器、个人数字助理等移动终端或它们的一部分来测量。例如,该装置是移动终端或形成了移动终端的一部分(例如作为模块)。
例如,与测量数据相关联的位置信息也可以由这样的移动终端或其一部分来确定,例如由相同的移动终端确定。然而,位置信息也可以由远程服务器基于由移动终端测量的所述测量数据或另外的测量数据来确定。
移动终端可以例如将测量数据和/或位置信息提供给用于执行根据第一方面的方法的一个(或多个)装置。例如,一个(或多个)装置可以从移动终端获得测量数据和/或位置信息。
因此,执行根据第一方面或其至少一部分的方法的装置可以是一个或多个服务器。服务器尤其应被理解为是指网络中的数据处理单元,其通过网络与一个或多个数据处理单元、客户端(例如移动终端)进行通信,以便为它们提供特定的服务和/或计算能力。在这种类型的客户端-服务器结构中,由服务器提供的特定服务和/或计算能力可以被多个客户端使用,使得客户端本身例如保留更少的自身计算能力,或者作为另一个示例,不需要设有更大的数据库。服务器和客户端可以指定数据处理装置和在数据处理装置上执行的程序两者。该网络例如是局域网、广域网、虚拟网络、无线电网络、电话网络和/或互联网。通信例如以无线或有线方式进行。
服务器可以例如是数据库服务器。数据库服务器的示例是Microsoft SQL服务器、Oracle服务器和MySQL服务器。例如,服务器可以是所谓的计算机云的一部分(例如“组件”),计算机云使不同的用户经由网络动态地获取网络数据处理资源。计算机云旨在被理解为特别是根据“国家标准与技术研究院”(NIST)对术语“云计算”的定义的数据处理基础设施。计算机云的一个示例是微软Windows Azure平台。
然而,作为另一示例的一个(或多个)装置也可以是移动终端,例如测量了测量数据并确定了定位信息的移动终端本身。
位置特定量被特别理解为随着位置(例如位置或定向)而变化(和/或取决于位置)的量,该量在该位置处或在该位置内被测量。但是位置特定量在某个位置不需要是唯一的。相反,还可存在多个位置,在所述多个位置处可测量到位置特定量的相同值。测量数据可包括例如可以代表发射器的信号的(特性)参数的值,例如接收信号强度。测量数据可以例如是可从在测量数据被测量的位置处的发射器的信号中导出的。
发射器例如可以是通信系统或通信网络(例如,蜂窝或非蜂窝的系统或网络)的实体(例如节点或小区(cell))。发射器可以定期地或经请求地发送一个或多个信号。例如,该信号可以是信标或无线通信的一部分。
与位置特定量的测量数据相关联的位置信息例如可以包括或代表对测量数据进行测量的位置(或对该位置的估计)。它可以可替代地或附加地包括或代表对测量数据进行测量的装置在测量期间的定向(或对该定向的估计)。位置信息可以例如代表地球表面上的某个位置。位置信息可以包括关于三维空间中的位置和/或定向的信息,例如表示三维中的位置和/或定向的三个参数。位置信息可以例如包括相对于固定点的绝对值或相对值。
测量数据和相关的位置信息可以被存储在例如数据集中。例如,数据集可包括成一对的测量数据和相应的相关位置信息。因此,作为示例,可以提供包括多个数据集的数据库或数据文件,每个数据集包括特定测量数据和相应的相关位置信息。例如,测量数据和位置信息(例如,获取测量数据的N个测量位置)的组数大于要确定的模型参数的数量。
执行根据第一方面的方法的一个(或多个)装置可以例如通过从移动终端接收测量数据和/或位置信息来获得测量数据和/或位置信息。例如,执行根据第一方面的方法的一个(或多个)装置还可以从多个移动终端获得测量数据和/或位置信息。例如,移动终端可以例如定期地或根据需要地向一个(或多个)装置提供测量数据和/或相关的位置信息。
模型描述了依赖于位置的位置特定量。因此,作为示例,如果提供位置信息,则可以基于该模型预测位置特定量(或相应的测量数据)的值。作为另一个示例,如果给定位置特定量(或相应的测量数据)的值,则可以基于该模型预测位置信息。该模型可以是这样的模型,其用于对所获得的位置特定测量数据进行内插和外推中的至少一个。例如,即使在其他位置没有可用的测量数据(例如,因为没有进行测量),也可以在更多的位置处预测另外的测量数据。
这个模型可以基于一个或多个模型参数。例如,该模型可以包括多个模型参数。模型参数可以是一维或多维的。
该模型以第一位置特定函数和第二位置特定函数的组合的形式假定位置特定量的位置依赖性。例如,第一位置特定函数和第二位置特定函数的(返回)值取决于位置。例如,第一位置特定函数和第二位置特定函数取决于一个或多个变量,其中至少一个变量是位置。因此,第一位置特定函数和/或第二位置特定函数可以被理解为空间变化函数。第一位置特定函数和第二位置特定函数可以被认为是独立的。例如,第一位置特定函数和第二位置特定函数可以描述或涉及与由发射器发射的信号的传播有关的不同物理现象。
例如,第一位置特定函数可以基于至少一个模型参数。例如,第二位置特定函数也可以基于至少一个模型参数。优选地,第一位置特定函数和第二位置特定函数各自依赖于多个模型参数。
但是,该模型不限于第一位置特定函数和第二位置特定函数。该模型还可以基于其他函数(例如第三位置特定函数)或者其他项(诸如位置无关变量)。然而,当模型仅以第一位置特定函数、第二位置特定函数和可选的位置无关变量的组合的形式假定位置特定量的位置依赖性时是优选的。
根据本发明的示例性方面的方法可以提供依赖于位置的测量数据的改进模型。这样可以获得多重优势。具体而言,由于将模型划分或分割成第一位置特定函数和第二位置特定函数,所以可以在两个单独的(例如接连的)阶段中完成对模型参数的确定。这允许第一位置特定函数和第二位置特定函数的单独适配。该方法特别允许即使在诸如室内定位的复杂场景下经济地计算模型参数。
根据按照第一方面的方法的示例性实施例,第一位置特定函数和第二位置特定函数的组合是第一位置特定函数和第二位置特定函数的线性组合。例如,模型可以被定义为
Ρ(x)=G(x)+Ψ(x)+ν,
其中,Ρ(x)代表位置特定量的测量数据,其中x是位置变量。G(x)表示第一位置特定函数,而Ψ(x)表示第二位置特定函数。第一位置特定函数和第二位置特定函数取决于位置变量x。项ν可被提供作为模型的位置无关成分,其不依赖于x。项ν可以是零均值变量,从而例如表示零均值高斯测量白噪声。函数的线性组合可以促进用于确定该模型的模型参数的计算和计算资源。
根据第一方面的方法的示例性实施例,确定模型参数包括:确定与第一位置特定函数相关联的模型参数的至少一部分;并且随后确定与第二位置特定函数相关联的模型参数的至少一部分。允许随后确定模型参数的该模型可以进一步降低用于确定模型参数和使用该模型进行定位的计算成本。例如,在第一步骤中,确定与第一位置特定函数相关联的所有必要模型参数,并且随后在第二步骤中确定与第二位置特定函数相关联的所有必要模型参数。所述确定可以例如被看作是两步或两阶段的确定。例如,与第二位置特定函数相关联的模型参数的确定可能需要事先确定第一位置特定函数的全部或一些模型参数。
在确定与第一位置特定函数相关联的模型参数之后,可以计算所确定的模型参数的方差和/或协方差,例如所确定的模型参数的协方差矩阵。
根据按照第一方面的方法的示例性实施例,第一位置特定函数描述了模型中位置特定量的位置依赖性的全局趋势。例如,全局趋势可以被理解为依赖于位置的第一位置特定函数的全局的行为或趋势。例如,第一位置特定函数可以确定或指示模型中位置特定量的位置依赖性的全局趋势。例如,第一位置特定函数可以是模型中位置特定量的位置依赖性的全局趋势的特性。例如,可以与第二位置特定函数相比较地理解术语“全局”,第二位置特定函数可不描述位置特定量的位置依赖性的全局的趋势或行为。例如,第一位置特定函数可对模型中位置特定量的总的位置依赖性具有比第二位置特定函数更大的影响。例如,第一位置特定函数可以基于对数函数。
根据按照第一方面的方法的示例性实施例,第一位置特定函数基于无线电传播模型。无线电传播模型可以例如是对数距离路径损耗模型。对数距离路径损耗模型预测信号随距离的路径损耗。这种模型对于室内或人口稠密的地区特别有利。然而,也可以使用其他无线电传播模型或其组合。作为示例,第一位置特定函数可以定义为
G0(x)=A–10n log10(||x-x AP||)。
这种情况下,第一位置特定函数取决于位置x并且具有3个模型参数,其中A是在参考距离处的路径损耗或观测到的功率水平(例如,在例如距发射器1米处的功率水平(例如以参考1mW的dB为单位)),n是路径损耗指数并且x AP是发射信号的发射器(例如接入点或基站)的(例如三维的)位置。
根据按照第一方面的方法的示例性实施例,将先验信息施加于与第一位置特定函数相关联的至少一部分模型参数。例如,这可以防止模型参数取物理上不可能的值。具体而言,先验信息可以帮助更好地确定没有可用的先验信息的模型参数。例如,先验信息可以定义各个模型参数的特定值或各个模型参数的可能值的区间。例如,先验信息可以独立于测量数据。
根据按照第一方面的方法的示例性实施例,先验信息基于以下中的至少一个:法定要求;技术要求;和经验值。例如,法定要求可限制模型参数的值,即使其他值在技术上或物理上将会是可能的。例如,发射器的最大发射功率可能受法定要求的限制。因此,先验信息可以为各个模型参数提供上限。例如,技术要求可限制模型参数的值,即使其他值将会是允许的。例如,发射器的发射功率可以具有最小发射功率,以允许技术上合理的使用。因此,先验信息可以为各个模型参数提供下限。作为另一个例子,先验信息可能受到经验值的限制。例如,经验值可以从文献中获得。例如,可以为诸如取决于无线电传播环境的路径损耗指数之类的模型参数选择文献值形式的先验信息。
根据按照第一方面的方法的示例性实施例,先验信息不直接施加于与第一位置特定函数相关联的模型参数中的至少一个,特别是表示发射器的位置的模型参数。例如,当确定模型参数时,没有可用于与第一位置特定函数相关联的至少一个模型参数的直接先验信息。然而,由于(直接)先验信息可用于一个或多个其他模型参数(如上所述)并且由于模型参数通过模型相互连接,所以这也可以间接地提供关于没有可用的直接先验信息的一个或多个模型参数的间接先验信息。通过使用与第一位置特定函数相关联的其他模型参数的(直接)先验信息,即使没有所有模型参数的(直接)先验知识,也可以确定与第一位置特定函数关联的所有模型参数。具体而言,例如,没有(直接)先验信息被用于表示发射器的位置的模型参数,例如xAP。在数学上,这可以通过使xAP的初始值具有充分大(例如,显著大于直接先验信息可用的其他参数)的协方差来实现。
然而,由于模型参数可能不是预先完全已知、而它们的值可能只是被近似的,所以与第一位置特定函数相关联的模型参数的至少一部分可以被认为是高斯分布随机变量。例如,可以为模型参数分配值和方差和/或协方差。
根据按照第一方面的方法的示例性实施例,第一位置特定函数表示信号在垂直方向(例如z方向)上的例如与水平方向(例如x方向和/或y方向)的传播相比的不同传播。例如,第一位置特定函数包括了用于考虑通过建筑物的不同楼层传播信号的项。该项可以是楼层损耗项。楼层损耗项可(仅)取决于位置的垂直分量(z分量)。以上面第一位置特定函数为例,其可以被修改为
G(x)=G0(x)–F(Δf),
其中,F(Δf)是楼层损耗项,并且Δf是描述发射器位置与测量位置之间的楼层差的整数。为此,可假设楼层高度是已知的。作为进一步的简化,也可以假设楼层高度在不同楼层之间是恒定的。
根据按照第一方面的方法的示例性实施例,确定与第一位置特定函数相关联的模型参数包括:选择与第一位置特定函数相关联的模型参数的起始值;并且使用迭代算法来确定与第一位置特定函数相关联的模型参数。例如,与第一位置特定函数相关联的模型参数的起始值(或先验值)可以被随机地选择。然而,如上述解释,与第一位置特定函数相关联的至少一些模型参数的起始值也可以由先验信息限定。与第一位置特定函数相关联的模型参数可以逐步地近似。例如,具有当前参数估计值的向量m可以通过增加当前一步的步长Δm(可选地,乘以(预定义的或适应性导出的)设计参数)来近似。如果满足停止标准,则可以停止迭代算法。例如,停止标准可以基于算法的当前一步的计算结果。例如,停止标准可以基于以下中的一个或多个:当前步长,例如,绝对步长(例如||Δm||)或相对步长(例如||Δm||/||m||);当前步长的变化,例如,通过比较两个(接连的)步骤之间的步长;一些已经执行的迭代;模型误差估计,例如,绝对模型误差(例如||r||)或相对模型误差(例如||r||/||P||);以及模型误差估计的变化,例如,通过比较两个(接连的)步骤之间的模型误差估计。在任何上述参数足够小(例如小于预定义的停止容差参数)的情况下,则可以停止迭代算法。
优选地,确定与第一位置特定函数相关联的模型参数包括非线性最小二乘法算法。例如,该算法可以是加权非线性最小二乘法算法。例如,该算法考虑了测量数据的协方差。作为示例,基于高斯-牛顿算法确定与第一位置特定函数相关联的模型参数。
根据按照第一方面的方法的示例性实施例,利用与第一位置特定函数相关联的模型参数的不同初始值来重复确定与第一位置特定函数相关联的模型参数。例如,所述确定至少被重复一次。例如,与第一位置特定相关联的模型参数的初始值的至少一部分被改变,例如,至少表示发射器的位置的模型参数的初始值。例如,与第一位置特定函数相关联的模型参数的不同初始值可以是不同的初始猜测值。例如,在针对不同初始值重复地确定与第一位置特定函数相关联的模型参数之后,可以选择与第一位置特定函数相关联的一组模型参数,该组模型参数的误差是最小的(即,最佳地描述了依赖于位置信息的测量数据的模型参数)。
根据按照第一方面的方法的示例性实施例,与第一位置特定函数相关联的模型参数包括或代表以下中的至少一种:路径损耗常数;通过损耗指数;所述发射器的位置;和楼层损耗参数。然而,与第一位置特定函数相关联的模型参数还可以包括不同的或其他的参数。模型参数将通常取决于为第一位置特定函数选择的模型。
根据按照第一方面的方法的示例性实施例,确定模型参数包括:确定与第一位置特定函数相关联的已确定的模型参数中的至少一部分的可靠性;以及仅当与第一位置特定函数相关联的已确定的模型参数中的至少一部分的可靠性高于预定可靠性阈值时,确定与第二位置特定函数相关联的模型参数中的至少一部分。例如,仅当与第一位置特定函数相关联的所有已确定的模型参数的可靠性阈值大于相应的预定可靠性阈值时,才可以确定与第二位置特定函数相关联的模型参数中的至少一部分。这可以防止可能导致与第二位置特定函数相关联的因模型参数的误差或方差太大而无法使用的模型参数的其他计算。
根据按照第一方面的方法的示例性实施例,第二位置特定函数描述了模型中位置特定量的位置依赖性的局部变化。例如,第二位置特定函数可以确定或指示模型中位置特定量的位置依赖性的局部行为。例如,第二位置特定函数可以是模型中位置特定量的位置依赖性的局部变量的特征。例如,可以与第一位置特定函数相比地理解术语“局部”,第一位置特定函数可以不是(仅)描述位置特定量的位置依赖性的局部变化或行为,还描述其全局趋势或行为。例如,与第一位置特定函数相比,第二位置特定函数可对模型中位置特定量的总的位置依赖性具有更小的影响(或没有影响)。例如,第二位置特定函数可以基于指数函数。例如,第二位置特定函数可以描述衰落,特别是阴影衰落或遮蔽。衰落被理解为意味着在信号的传播期间影响信号的衰减的偏差,并且阴影衰落或遮蔽被理解为描述来自影响信号传播的障碍物的遮蔽。
根据按照第一方面的方法的示例性实施例,第二位置特定函数基于协方差函数。例如,协方差函数是简单的平稳参数协方差函数,例如指数协方差函数。优选地,第二位置特定函数是零均值函数。例如,该协方差函数可被定义为:
Φ(d)=σ0 2exp(-d/dcorr),
其中,距离d限定了相隔d的两个位置处的两组测量数据之间的协方差,σ0是在零距离处的协方差的平方根,而dcorr是影响协方差函数的形状的设计参数。可以注意到,参数dcorr越大,邻近的测量值在模型中彼此影响越大。
根据按照第一方面的方法的示例性实施例,基于所获得的位置特定量的测量数据中的至少一部分的残差来确定第二位置特定函数的模型参数。例如,所获得的位置特定量的测量数据的残差被理解为从所获得的位置特定量的测量数据中去除第一位置特定函数之后的残差。因此,残差可被看做残余的测量数据。作为示例,残差可被定义为
Ψ(x i)=Pi(x i)–Gest(x i),
其中Gest表示在第一位置位置特定函数相关联的已确定的模型参数下估计的第一位置特定函数,并且指数i=1...N表示在不同位置xi处获得的不同的测量数据Pi。
根据按照第一方面的方法的示例性实施例,第二位置特定函数是所获得的位置特定量的测量数据的残差的加权线性组合。例如,基于内插和外推中的至少一个方法确定第二位置特定函数的模型参数,在内插和外推中内插/外推的值通过受先验协方差支配的高斯过程(Gaussian process)来建模。例如,第二位置特定函数的模型参数的确定是基于克里格(Kriging)(也称为高斯过程回归(Gaussian process regression))的。作为示例,估计的第二位置特定函数可以被写为
Ψest(x)=∑i=l...N wi(x,x i)Ψ(x i),
其中wi可以被看作是权重因子,其例如基于协方差函数。
根据按照第一方面的方法的示例性实施例,发射器是蜂窝通信系统和非蜂窝通信系统之一的一部分。
蜂窝通信系统例如是第二代(2G,例如全球移动通信系统(GSM)、通用分组无线系统(GPRS)、增强型数据速率GSM演进(EDGE)或高速电路交换数据(HSCSD))、第三代(3G,例如通用移动电信系统(UMTS)、WCDMA、TD-SCDMA或CDMA-2000)、第四代(4G,例如长期演进(LTE)系统、LTE高级(LTE-A)系统或IEEE 802.16m WiMAX系统)或第五代(5G,例如下一代移动网络(NGMN系统))通信系统。
非蜂窝(无线电)通信系统例如是WLAN网络、蓝牙(LE)系统、ZigBee系统、射频识别(RFID)系统、广播系统(例如数字视频广播(DVB)、数字音频广播(DAB)或频率调制(FM)/调幅(AM)无线电)、近场通信(NFC)系统等。
例如,蜂窝通信系统的特征可以在于利用小区(cell)基本上无缝地覆盖地理区域(通常为至少数百或数千平方千米的数量级),其中由同一运营商运营的通信系统的各个节点提供覆盖范围,该系统可以例如支持小区之间的通信切换。因此,非蜂窝通信系统可以被表征为不具有所有这些性质的通信系统。
例如,发射器可以是上述蜂窝通信系统的节点或小区或上述非蜂窝通信系统的节点,例如,比如根据IEEE 802.11系列标准中的一个或多个的接入点或基站(例如WLAN AP/BS)。WLAN可以例如工作在单个频带(根据IEEE 802.11b/g的2.4GHz或根据IEEE 802.11a/h的5.0GHz,分别代表2.4GHz至2.4835GHz和5.15GHz至5.725GHz这两个频带)上或者工作在两个频带(根据IEEE 802.11n的2.4GHz和5.0GHz,再次地,分别代表2.4GHz至2.4835GHz和5.15GHz至5.725GHz这两个频带)上。
根据按照第一方面的方法的示例性实施例,位置特定量的测量数据表示或包括以下中的至少一个:信号强度;定时测量值;到达角度;定时测量值、磁场强度和/或方向;以及发射器的标识。
例如,在关于蜂窝信号的测量的情况下,测量数据可以包含它们的(发射/接收的)信号强度和/或路径损耗和/或定时测量(如传播延迟、定时提前(TA)或往返时间(RTT))。此外,测量数据可以可替代地或附加地包含信号的到达角(AOA)和/或信号的磁场强度和/或磁场方向。可替代地或附加地,测量数据可以包含所观察的蜂窝发射器或小区的全局标识和/或本地标识。标识的非限制性示例是蜂窝小区标识符(例如移动国家代码(MCC)、移动网络代码(MNC)、局域代码(LAC)和/或2G移动通信系统的覆盖区域情况下的小区身份(CID)、3G移动通信系统情况下的UTRAN小区ID(UC-ID)、或者4G通信系统情况下的LTE小区身份)。
对于无线局域网(WLAN)信号(作为非蜂窝系统的信号的示例)的测量,测量数据可以包含接收信号的信号强度(例如,所接收的信号强度指示RSSI或以具有1mW的参考值的dBm为单位的物理Rx水平)。测量可以可替代地或附加地包含基本服务集标识(BSSID),比如所观察的接入点(AP)的媒体访问控制(MAC)地址、接入点的服务集标识符(SSID),作为发射器的标识的示例。
根据按照第一方面的方法的示例性实施例,位置信息来源于以下中的至少一个:全球导航卫星系统(GNSS);无线局域网(WLAN)系统;蓝牙(BT)系统;射频识别(RFID)系统;蜂窝网络系统;一个或多个传感器;和手动输入。例如,位置信息可由装置(例如移动终端)确定,该装置也正在(例如同时或在类似时间)测量关于发射器发射的信号的位置特定量的测量数据。传感器例如可以是加速度计、陀螺仪、磁力计、气压计或适用于提供或导出位置信息的任何其他传感器。手动输入可以由(例如,移动终端的)用户执行。例如,用户可以使用数字地图来输入当前位置信息。
根据本发明的第二示例性方面,描述了计算机程序代码,所述计算机程序代码在由处理器执行时使得装置执行根据第一方面(和/或本文描述的第一方面的任何实施例)的方法的行为。
根据本发明的第三示例性方面,描述了存储根据第二方面(和/或本文中描述的第二方面的任何实施例)的计算机程序代码的(例如,非暂时的和/或有形的)计算机可读存储介质。计算机可读存储介质可以是例如磁盘或存储器等。计算机程序代码可以以对计算机可读存储介质编码的指令的形式存储在计算机可读存储介质中。计算机可读存储介质可以用于参与装置的操作(如计算机的内部硬盘或外部硬盘),或者旨在用于分发程序代码(如光盘)。
根据本发明的第四示例性方面,描述了一种装置,其被配置为实现或者包括用于实现根据第一方面(和/或本文描述的第一方面的任何实施例)的方法的相应手段。这些装置的手段可以用硬件和/或软件来实现。例如,它们可以包括例如用于执行用于实现所需功能的计算机程序代码的处理器、存储该程序代码的存储器、或两者。可替代地,它们可以包括例如被设计为实现所需功能的电路,例如以如集成电路的芯片组或芯片来实现。
根据本发明的第五示例性方面,描述了一种装置,其包括至少一个处理器和包括计算机程序代码的至少一个存储器,所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使得装置至少执行根据第一方面(和/或本文所述的第一方面的任何实施例)的方法。
所描述的任何装置可以仅包括示出的部件或者一个或多个附加的部件。所描述的任何装置可以是用于装置的模块或组件,例如芯片。可替代地,所描述的任何装置可以是设备,例如服务器或移动终端。所描述的任何装置可以例如至少包括用户界面、通信接口和/或天线。
具体地,任何装置可以是服务器或其一部分与移动终端或其一部分中的一者。
根据本发明的第六示例性方面,描述了一种系统,其包括根据第四方面或第五方面(和/或本文描述的其任何实施例)的装置,以及以下中的至少一个:移动装置,其被配置为提供来自发射器的信号的位置特定量的测量数据,并提供与位置特定量的测量数据相关联的位置信息;存储器,其被配置为存储来自发射器的信号的位置特定量的测量数据以及存储与位置特定量的测量数据相关联的位置信息;以及存储器,其被配置为存储描述依赖于位置的位置特定量的模型的确定的模型参数。
上面描述的本发明的特征和示例实施例同样可以适于根据本发明的不同方面。
应该理解的是,本部分中对本发明的实施例的呈现仅仅是示例性的而非限制性的。
从下面结合附图考虑的详细说明中,本发明的其它特征将变得显而易见。然而,应该理解的是,附图仅仅是以说明为目的而设计的,而不是作为对本发明的限定,对本发明的限定应该参考所附权利要求。还应该理解的是,附图不是按比例绘制的,并且它们仅仅意图在概念上说明在此描述的结构和过程。
附图说明
图1是移动终端确定发射器的接收信号强度的测量数据并确定位置信息的示意图;
图2是图1中的装置2的框图;
图3是图1中的装置3的框图;
图4是示出例如由图2或图3中的装置执行的根据本发明的方法的示例性实施例的流程图;
图5是在具有多个楼层的建筑物的不同位置处测量的接收信号强度的所获得的值的示意性三维图示;
图6是根据模型的第一位置特定函数的接收信号强度的示意性三维图示;
图7是根据模型的确定的接收信号强度的示意性三维图示;
图8是图3中的确定的信号强度值的方差的示意性三维图示;以及
图9是根据本发明的有形存储介质的示例的示意图。
具体实施方式
图1示出了移动终端形式的装置2,其确定发射器4-1的接收信号强度的测量数据并确定位置信息。参考图2,更详细地描述了移动终端2的组件。在图1中,移动终端2被配置为当通信系统的发射器4-1在相应的覆盖区域6-1中提供无线电覆盖时,将取得的信号强度确定为来自发射器4-1的信号的位置特定量。在覆盖区域6-1内的不同位置处,移动终端2将测量不同的接收信号强度,这导致了接收信号强度即是位置特定量。因此,移动终端2能够确定接收信号强度的测量数据,并且例如存储测量数据。如已经描述的,通信系统的发射器的非限制性示例是蜂窝通信系统(例如2G通信系统、3G通信系统或4G通信系统)的小区、节点或基站(或其扇区),或非蜂窝通信系统(例如WLAN网络)的节点(例如接入点AP或基站BS)或信标。
移动终端2还被配置为确定与所述测量数据相关联的位置信息。例如,移动终端2可以基于例如全球导航卫星系统(GNSS)(未示出)确定位置信息(例如,移动终端2的位置)。然而,特别是对于室内情况,可能不会接收到GNSS信号,或者GNSS信号可能太弱以至于不能获得可靠的位置信息。因此,附加地或作为替代,移动终端2可基于其他来源来确定位置信息。作为示例,移动终端2可以使用发射器4-2、发射器4-3的信号来确定位置信息。发射器4-2、发射器4-3可以是与发射器4-1相同或不同的通信系统的一部分。例如,移动终端已经具有关于发射器4-2、发射器4-3的信息。例如,基于发射器4-2和发射器4-3的覆盖区域模型和/或无线电信道模型,移动终端2可以能够确定位置信息(例如其位置),例如确定为覆盖区域6-2和覆盖区域6-3的交叉点,作为非限制性示例。因此,移动终端2能够确定位置信息并且例如存储位置信息。作为另一个示例,位置信息可以可替代地或附加地与移动终端2的定向相关,其可以基于来自已知发射器4-2、发射器4-3的信号的到达角度来确定,或者基于移动终端2的传感器来确定。
因此,移动终端2被配置为确定(并存储)发射器4-1的接收信号强度的测量数据作为位置特定量并例如通过使用发射器4-2、发射器4-3的信号来确定位置信息。移动终端可以对不同位置重复该确定。移动终端2因此可以获得测量数据和位置信息,并且可以自己执行根据本发明的方法的实施例(例如,如图4所示)。
但是,优选的是,收集的测量数据和相应的位置信息被发送到服务器3。相应地,服务器3可以从移动终端2接收并由此获得测量数据和位置信息。将参考图3更详细地描述服务器3的组件。例如,测量数据和相应的位置信息可以经由互联网从移动终端2发送到服务器3。作为示例,移动终端2可以将包括一组或多组测量数据和相应位置信息的一个或多个数据文件发送到服务器3。服务器3然后可以执行根据本发明的方法的实施例,如将参考图4更详细地解释的那样。
图2是装置2(例如,图1的移动终端2)的框图。装置2是根据本发明的装置的示例实施例。例如,装置2是移动终端(例如图1的移动终端2)或者形成了移动终端的一部分(例如作为模块)。移动终端的非限制性示例是蜂窝电话、个人数字助理、膝上型计算机、平板电脑或多媒体播放器。
装置2包括处理器20。处理器20可以表示单个处理器或者例如经由总线例如至少部分地耦接的两个或更多个处理器。处理器20执行存储在程序存储器21中的程序代码(例如,当在处理器20上执行时使得装置2执行根据本发明的方法的一个或多个实施例(例如下面参考图4进一步说明的)的程序代码)并与主存储器22连接。存储器21和22中的一些或全部也可被包括在处理器20中。存储器21和存储器22中的一者或两者可以固定地连接到处理器20或者例如以存储卡或记忆棒的形式至少部分地从处理器20中可移除。程序存储器21可以例如是非易失性存储器。例如,它可以是闪速存储器(或其一部分),ROM、PROM、EPROM和EEPROM存储器(或其一部分)中的任何一个,或硬盘(或其一部分),这里仅举几个例子。程序存储器21还可以包括用于处理器20的操作系统。程序存储器20例如可以包括固定安装在装置2中的第一存储部和例如可移除的SD存储卡的形式的可以从装置2移除的第二存储部。例如在数据库中的可由装置2用于确定位置的一组或多组位置信息可以例如存储在程序存储器21中。主存储器22可以例如是易失性存储器。例如,它可以是RAM或DRAM存储器,只是给出一些非限制性的例子。它可以例如在执行操作系统和/或程序时被用作处理器20的工作存储器。
处理器20还控制被配置为接收和/或输出信息的通信接口23。例如,通信接口23可以被配置为接收信号,以与图1的系统1的实体4-1、4-2和/或4-3交换信息和/或识别实体4-1、4-2和/或4-3,和/或与系统1的服务器3交换信息(见图1)。这可以例如包括将测量数据和位置信息(或其一部分)发送到服务器3和/或从服务器3接收数据库的数据(或其一部分),例如模型信息(或其一部分)。通信可以例如基于无线连接。通信接口23因此例如可以包括电路(诸如调制器、滤波器、混频器、开关和/或一个或多个天线)以允许信号的传输和/或接收。在本发明的实施例中,通信接口23被配置为允许根据2G/3G/4G蜂窝通信系统和/或非蜂窝通信系统(例如WLAN网络)的通信。尽管如此,移动终端2和服务器3之间的通信路由可以同样地至少部分地包括有线部分。例如,服务器3可以通过例如互联网的有线系统连接到(与移动终端2相关联的)无线通信系统的骨干网。
处理器20还控制用户接口24,其被配置为向装置20的用户呈现信息和/或从这样的用户接收信息。这些信息例如可以包括关于基于已确定的模型或模型参数确定的位置估计的信息。用户接口24例如可以是标准用户界面,装置2的用户利用装置2通过该标准用户界面可以控制装置2的其他功能,诸如拨打电话、浏览互联网等。
处理器20还可以控制可选的GNSS接口25,该可选的GNSS接口25被配置为接收GNSS(例如,全球定位系统(GPS)、伽利略、全球导航卫星系统(即“Globalnaja NawigazionnajaSputnikowaja Sistema”,GLONASS)和准天顶卫星系统(QZSS))的定位信息。应该注意的是,即使在装置2具有GNSS接口25的情况下,装置2或者例如包括装置2的移动终端的用户仍然可以受益于使用基于其他源(例如通信系统的发射器(例如发射器4-2、发射器4-3))的定位技术,因为与基于GNSS的定位相比,这些技术可以缩短首次定位时间和/或降低功耗。另外,也许更重要的是,基于来自通信系统的发射器的信号的定位技术在室内奏效,这对于基于GNSS的技术通常是具有挑战性的环境。
装置2的组件21至25可以例如通过一个或多个串行和/或并行的总线的方式与处理器20连接。
图3是装置的框图,该装置也是根据本发明的装置3的示例实施例。装置3例如是服务器(例如图3中的服务器3)或形成服务器的一部分(例如作为模块)。通常,装置2和装置3中只有一个需要是根据本发明的装置的示例性实施例。例如,在装置3是根据本发明的装置的示例实施例的场景中,装置2可以是标准的移动终端。
装置3包括处理器30。处理器30可以代表单个处理器或例如经由总线例如至少部分地耦接的两个或更多个处理器。处理器30执行存储在程序存储器31中的程序代码(例如,当在处理器30执行时使得装置3执行根据本发明的方法的示例性实施例(例如下面参照图4所述)的程序代码)。处理器30还与主存储器32(例如充当工作存储器)和大容量存储34接合,所述大容量存储34可以例如存储由发射器发送的信号的位置特定量的测量数据和与所述位置特定量的所述测量数据相关联的位置信息。测量数据和位置信息可以例如被存储在数据库中。此外,服务器3也能够将模型(例如模型的相应模型参数)存储在例如大容量存储34中。模型或模型参数可以被发送到移动终端2并且由移动终端2接收。
图4是示出例如由图2和图3的装置2和/或装置3执行的根据本发明的方法的示例性实施例的流程400。
参照图4描述的根据本发明的方法的以下示例实施例考虑了具有多个楼层的建筑物的情况。但是,给出的方法可以被推广到室外场景(例如,将室外环境考虑成一层建筑,并且通过忽略楼层损耗参数来忽略由不同楼层之间的信号传播造成的损耗)。此外,在下面的实施例中,信号被假定为来自接入点(AP)的信号。然而,该实施例也适用于其他发射器,例如蜂窝系统或网络的节点。此外,在下面的实施例中,信号的位置特定量是接收信号强度(RSS),相应地,测量数据是RSS测量。然而,该实施例可以被转变为其他的位置特定量,例如,定时测量等。此外,以下实施例通常也可以用不同的模型和算法来执行。
根据该示例性模型,假设在任意位置x=[x y z]T的RSS测量值P(x)(其中x、y和z是x坐标、y坐标和z坐标)被定义为:
Ρ(x)=G(x)+Ψ(x)+ν (1)
其中G(x)是RSS值的第一位置特定函数(也称为全局趋势函数),Ψ(x)是零均值第二位置特定函数(也称为空间变化函数)并且v是零均值高斯测量白噪声。这里,根据协方差函数Φ(d)定义空间变化函数Ψ(x),其中距离d限定了相隔d的两个RSS值之间的协方差。一个常用的具有空间变化RSS数据的协方差函数是指数函数,其被描述为
Φ(d)=σ0 2exp(-d/dcorr) (2)
其中σ0是在零距离处的协方差的平方根,而dcorr是影响协方差函数的形状的设计参数。参数dcorr越大,相邻的测量值越相关。在所提出的实施方式中,假设AP天线是全向的(即,天线向所有方向均等地辐射)。但是,在定向天线的情况下,趋势函数G(x)还将取决于测量位置和AP位置之间的角度。需要注意的是,因为Ψ(x)和v都是零均值函数,所以G(x)描述了每个位置的RSS值的统计平均值。
尽管全局趋势函数G(x)捕获了依赖距离的RSS值平均值,但是空间变化函数Ψ(x)对由于无线电路径中的障碍物的不同类型而引起的空间RSS变化进行建模。由于这些函数被假定为相互独立,所以估计过程以两个不同的阶段执行:
在第一阶段中,估计全局趋势函数G(x)(如步骤404所示)。这包括估计AP位置和相应的路径损耗参数以及评估估计的可靠性,以决定是否继续下一阶段。
在第二阶段,估计空间变化函数Ψ(x)(如步骤407所示)。这包括估计空间相关遮蔽函数,它是在趋势函数被移除之后根据观测的RSS的残差估计的。
在这些之后,最后一步就是结合阶段1和阶段2来得到最终的RSS估计及其不确定性水平。
(一)、全局趋势函数G(x)的估计
假设一个通用的对数距离路径损耗模型,在位置x的平均观测RSS水平可以被确定为
G0(x)=A–10 n log10(||x–xAP ||) (3)
其中||.||代表向量范数并且||x-xAP ||给出了位置x与AP的位置x AP=[xAP yAPzAP]T之间的欧氏距离,A是描述1m距离处的RSS水平(以dB为单位)的路径损耗常数,并且n是描述函数斜率的路径损耗指数(即,RSS以每个距离单位下降的速度)。在室内情况下,水平方向和垂直方向的传播环境会有很大差异。例如,通过楼层的信号穿透损耗通常比通过墙壁的穿透损耗高得多。因此,有益的是,在公式(3)中将附加的楼层损耗参数F(Δf)考虑为
G(x)=G0(x)–F(Δf) (4)
其中Δf是描述AP位置和观察位置之间的楼层差的整数。一种模拟楼层损耗的方法是使用一个恒定的楼层损耗模型,这种情况下的楼层损耗函数是这样给出的
F(Δf)=LfΔf (5)
其中Lf是两个连续楼层之间的楼层损耗(以dB为单位)。现在将楼层损耗代入公式(4),并根据x和x AP重定Δf格式,整体趋势函数变成
G(x)=A–10 n log10(||x-x AP ||)–(Lf|z-zAP|)/h (6)
其中h是楼层高度(假设是已知的且在楼层之间不变)并且|.|表示绝对值。因此,趋势函数的值取决于四个未知参数:要估计的A、n、x AP和Lf。要特别注意,参数x AP是一个三维向量。
假定从i=0...N-1的位置x i获得N个RSS测量值Pi(xi),可以用非线性最小平方算法来执行未知参数的估计。然而,在没有提供关于估计参数的任何先验信息的情况下,相对于已知物理无线电传播环境和典型无线电网络参数,估计值可能变得没有意义。例如,已知无线电收发机的发射功率设定在一定的水平,以便实现一些合理的覆盖范围,但是不超过法定限制的最大值。尽管如此,关于未知参数的以下先验信息中的一个或多个可以是可用的:
1.关于模型参数A(在距离为lm处的RSS):模型参数A高度依赖于发射功率,该发射功率是基于法定要求和/或最小覆盖范围要求而受到限制的。如果假设第一米的自由空间路径损耗,则可以将模型参数A估计为例如有效发射功率减去1米路径损耗。
2.关于模型参数n(路径损耗指数):n取决于无线电传播环境。例如室内和室外的典型值可以从文献中找到。
3.关于模型参数Lf(楼层损耗,仅在室内场景中需要):Lf取决于建筑物和平面图。例如典型值可以从文献中找到。
从未知的模型参数中,假定AP位置参数x AP是唯一没有任何(直接)先验信息的参数。图5中示出了在具有4个楼层的建筑物内的一个AP的RSS测量数据的示例,其中示出了在x/y方向上延伸并且在z方向上彼此堆叠的四个楼层的楼层平面图,并且阴影线类型表示测量的接收信号强度的大小(即,RSS功率图)。为了说明的目的,仅为测量的接收信号强度提供四个不同的值区间。
图5所示的数据例如可以由移动终端2测量并提供给服务器3。因此服务器3可以获得发射器4-1的RSS的测量数据以及与所述测量数据相关联的位置信息。这对应于图4中的流程400中的步骤401和402。
非线性最小二乘问题可以用例如[1]中的Gauss-Newton算法迭代求解。这需要构建大小为N×6的雅可比矩阵J。更一般地说,如果用于第一位置特定函数的模型参数的数量是M,则雅可比矩阵具有大小N×M。雅可比矩阵将公式(6)中的趋势函数的解析偏导数定义为
上述偏导数可以解析地推导出。然后,可以运行下面的算法。但是,在估计过程中也可以用数值方式评估雅可比矩阵。Gauss-Newton算法可以描述如下:
1.定义每个模型参数的先验估计,并替换向量m 0中的长度为6的那些。此外,近似估计大小为6×6的参数协方差矩阵Σ0来描述参数的不确定性和依赖性。这对应于图4中的流程400中的步骤403。
2.将先验值定义为第一参数估计m est=m 0和∑est=∑0。
3.通过使用当前估计值m est来计算雅可比矩阵J中的偏导数。
4.将下一步的参数估计更新计算为
Δm=–(Σ0 -1+JT∑RSS J)-1(Σ0 -1(m est–m 0)+JT∑RSS r) (8)
其中ΣRSS是RSS测量的协方差矩阵(稍后讨论),r是当前模型趋势估计Gest(x i)与测量Pi(x i)之间的误差向量,其由下式定义:
r i =Gest(x i)–Pi(x i),i=l...N (9)
其中
Gest(x i)=Aest–10 nestlog10(||x i-xAP,est ||)–(Lf,est|z–zAP,est|)/h (10)
并且估计的参数取自m est=[Aest nest x AP,est T Lf,est]T。
5.将新的参数估计定义为m est=m est+αΔm,其中α是步长的设计参数(可以是固定的或可以自适应地修改的)。
6.如果步长||Δm||大于阈值(例如,期望的停止容忍参数),则从步骤3继续下一次迭代。否则,将当前趋势估计Gest(x i)视为最终趋势估计,即图4的步骤404。最后,估计的协方差矩阵可以计算为Σest=(Σ0 -1+JTΣRSSJ)-1,即图4的步骤405。
由于算法的收敛性是基于偏导数的,所以估计的参数朝着局部最大值收敛。因此,取决于场景,在某些情况下,利用未知模型参数(至少AP位置x AP)的不同组初始猜测来重复算法可以是有益的。在针对不同初始猜测重复该算法之后,通过选择具有最小建模误差r的估计模型(即,与测量数据最佳拟合的模型),有更高的可能性来找到全局最大值。该重复由图4的流程400中的从步骤404回到步骤403的箭头所示。
图6示出了根据图5中给出的先前示出的测量数据估计的估计全局趋势函数,其中阴影线类型表示了建模信号强度的大小。以说明为目的,楼层平面图被简化并且仅为信号强度提供四个不同的值区间。
如在图4的步骤405中计算的参数协方差矩阵∑est的对角线元素表示所估计的参数的方差。从这里可以观察到估计的模型是足够可靠以继续到估计过程的下一阶段,还是应该在这里停止过程(图4的步骤406)。例如,测量值的数目N可能太低或测量位置几何可能非常差,在这种情况下AP位置估计不能被可靠地估计。在这种情况下,进入估计过程中的阶段2是不可取的,因为RSS估计方差变大而变得无用。
(二)、空间变化函数Ψ(x)的估计
通过在去除趋势函数之后研究测量值的残差来获得空间变化函数。因此,根据公式(1),残差RSS测量值可以定义为
Ψ(x i)=Pi(x i)–Gest(x i) (11)
现在,目标是在任何希望位置x处估计空间变化函数Ψ(x)。这可以通过利用RSS测量值之间的协方差来完成。基于先前定义的协方差函数Φ(d),残差RSS测量值的协方差矩阵可以被获得为
这种方法一般被称为高斯过程回归或简单Kriging法。虽然这个过程在2D或3D中都可以进行,但这里只考虑2D场景,因为唯一的区别在于协方差函数中对距离d的定义。在实践中,2D方法对应于室外场景或具有逐楼层数据处理的室内场景。然而如前所述,与水平方向相比,无线电传播特性通常在垂直方向上是非常不同的。在定义协方差矩阵ΣRSS时应该考虑到这一点,例如,通过相对于水平方向减小在垂直方向上的公式(2)中的参数dcorr来考虑。
由公式(11)给出的估计残差函数的协方差矩阵包括原始的RSS测量值协方差和全局趋势估计的误差。这个误差可以用公式表述为
∑tot=∑RSS+∑G (13)其中,ΣG是对角矩阵,其对角元素取自矩阵J∑estJT的对角线。现在,对于任何位置x 0,空间变化函数可以被写为已知位置处的空间变化分量的线性组合:
Ψest(x 0)=∑i=1...ΝwiΨ(x i) (14)
其中
wi=∑tot -1Φ(||x 0–x i||) (15)
因此在图4的步骤407,模型的第二位置特定函数被确定。
此外,估计的方差可被定义为
σΨ 2=Φ(0)–∑i=1...N wiΦ(||x 0–x i||) (16)
值得注意的是,如果不存在接近估计位置的测量,则估计的方差将增加,反之亦然。这是直观明了的——随着到实际测量位置的距离的增加,内插/外推变得越来越不确定。
在全局趋势估计(第一位置特定函数)和空间变化函数(第二位置特定函数)被估计之后,在任意位置x 0处的整体RSS估计可以通过将之前的结果组合为下式来得到:
Pest(x 0)=Gest(x 0)+Ψ(x 0) (17)
RSS估计的整体方差是全局趋势估计和空间变化函数估计的组合方差
σ x 0 2=σG 2+σΨ 2 (18)
其中σG 2=J x 0∑RSS J x 0 T和J x 0是针对位置x 0计算的1×4雅可比矩阵。
在图7中示出了最终估计的RSS场(全局路径损耗趋势+空间变化分量),其示出了针对图5中给出的先前示出的测量值的内插和外推的RSS值,其中,阴影线的类型代表接收信号强度的大小。此外,图8中示出了相应的方差估计,其中,阴影线的类型代表了方差估计的大小。同样,为了说明的目的,楼层平面图被简化并且仅提供四个不同的值区间的信号强度和方差。可以注意到,只要估计位置从已知的测量位置进一步移动,方差就会增加。此外,由于全局趋势函数的不确定性,AP位置估计(图7中具有最高值的部分)附近的方差也处于较高水平。
模型(例如,最终估计的RSS场)或模型参数或其部分可以从服务器3传回到移动终端2。然后,移动终端2可以使用模型或模型参数(或其部分)来确定或估计移动终端2的地点或位置。
上面的实施例示出了所提出的估计方法如何能够用合理的RSS值填充测量空白(measurement gap),并且还以直观明了的方式表示了与估计相关的不确定性。
与早期的解决方案相反,所提出的方法能够估计具有包括楼层损耗在内的多个楼层的三维室内环境中的基本路径损耗参数和AP位置。整个过程可以在没有模型参数(例如AP位置)的实际知识的情况下完成。除了路径损耗参数估计之外,通过使用RSS测量之间的空间协方差来提供整体RSS估计。这使得在估计过程中能够考虑遮蔽,这在每当附近的RSS测量值可用时提高了估计质量。
有关RSS估计过程的不确定性的信息对于以后的定位阶段可以是至关重要的。与现有技术的解决方案不同,提供的整体不确定性包括路径损耗参数估计和AP位置估计的不确定性,以及空间内插的不确定性。这里不需要启发式方法,但是所提供的方差估计直接基于可用的RSS测量值以及与路径损耗参数和基于距离的协方差函数相关的假设。
因此本发明的不同方面的实施例可以:
-减少对学习数据收集活动的要求,因为可以在建筑物的更少部分收集更少的数据;
-能够在具有楼层损耗的3D室内场景中使用内插和外推;
-共同执行内插和外推,而不需要在它们之间作出区别;
-考虑估计过程中的遮蔽;
-允许位置特定量(例如RSS估计)的估计跟随局部变化的遮蔽函数,并且因此模仿建筑物楼层平面图和信号路径中的不同物理障碍物;
-为位置特定量的估计(例如RSS估计)提供不确定性;
-改进后续的定位过程,从而获得更好的位置估计;
-考虑测量值协方差;
-不需要对关于附近测量值的学习数据进行预处理或白化处理(例如,将多个RSS测量值映射到单个指纹);
-在设计中不需要启发式参数;
-得益于该方法可基于对现实生活物理无线电传播环境的假设这一事实。
图9示出了有形存储介质的示例,其可以是例如用于实现图2的程序存储器21和/或图3的程序存储器31。为此,图9显示了可以例如焊接或结合到印刷电路板的闪速存储器110、包括多个存储器芯片(例如,闪速存储器芯片)的固态驱动器(即,SSD驱动器)111、磁性硬盘驱动器112、安全数字(SD)卡113、通用串行总线(USB)记忆棒114、光存储介质115(诸如例如CD-ROM或DVD)和磁存储介质116。
以所涉及的组件可操作地耦合的方式来理解所描述的实施例中任何呈现的连接。因此,连接可以是直接的,或在具有任何数量的中间元件或中间元件的组合的情况下是间接的,并且在这些元件之间可以仅有功能关系。
此外,如在本文中所使用的,术语“电路”是指以下中的任何一个:
(a)仅硬件电路实现方式(诸如仅在模拟电路和/或数字电路中的实现方式)
(b)电路和软件(和/或固件)的组合,例如:(i)处理器的组合或(ii)处理器/软件的部分(包括数字信号处理器)、软件、和存储器,它们一起工作以使诸如移动电话的装置执行各种功能,以及
(c)需要用于操作的软件或固件(即使该软件或固件并不是物理上存在的)的电路,例如微处理器或微处理器的一部分。
“电路”的这个定义适用于该术语在本文中的全部使用,包括在任何权利要求中的使用。作为另一例子,如在本文中所使用的,术语“电路”还涵盖仅有处理器(或多个处理器)或处理器的一部分及其(或它们的)所伴随的软件和/或固件的实现方式。术语“电路”还涵盖了例如用于移动电话的基带集成电路或应用处理器集成电路。
本文中提到的任何处理器(特别是但不限于图2和图3的处理器20和30)可以是任何合适类型的处理器。任何处理器可以包括但不限于一个或多个微处理器、具有伴随的数字信号处理器的一个或多个处理器、没有伴随的数字信号处理器的一个或多个处理器、一个或多个专用计算机芯片、一个或多个现场可编程门阵列(FPGAS)、一个或多个控制器、一个或多个专用集成电路(ASICS)或一个或多个计算机。相关的结构/硬件已经以执行所描述的功能的方式被编程。
此外,可以使用通用或专用的处理器中且存储在计算机可读存储介质(例如,磁盘或存储器等)上由这种处理器执行的可执行指令来实现本文描述或示出的任意动作。对“计算机可读存储介质”的引用应该被理解为包括诸如FPGA、ASIC、信号处理装置和其他装置的专用电路。
要理解的是所有呈现的实施例仅是示例性的,并且针对特定示例性实施例呈现的任何特征可以与本发明的任何方面本身一起使用,或与针对相同示例性实施例或另一特定示例性实施例呈现的任何特征组合使用,以及/或者与其他未提及的功能组合使用。将进一步理解的是,针对特定类别中的示例实施例所呈现的任何特征也可以在任何其他类别的示例实施例中以相应的方式使用。
参考文献:
[1]H.Nurminen et al.,"Statistical path loss parameter estimation andpositioning using RSS measurements in indoor wireless networks",2012International Conference on Indoor Positioning and Indoor Navigation(IPIN),Sydney,NSW,Australia,2012,pp.1-9,doi:10.1109/IPIN.2012.6418856.(cf.https://ieeexplore.ieee.org/document/6418856)。
Claims (25)
1.一种确定模型参数的方法,所述方法包括步骤:
获得由发射器发送的信号的位置特定量的测量数据;
获得与所述位置特定量的测量数据相关联的位置信息,所述位置信息包括对所述测量数据进行测量的位置或该位置的估计值;以及,
基于获得的测量数据和获得的位置信息来确定描述与位置相关的所述位置特定量的模型的一个或多个模型参数,其中所述模型以第一位置特定函数和第二位置特定函数的组合的形式来假定所述位置特定量的位置依赖性,
其中,确定模型参数的步骤包括:
确定与所述第一位置特定函数相关联的已确定的模型参数中的至少一部分的可靠性;以及
仅当与所述第一位置特定函数相关联的已确定的模型参数中的至少一部分的可靠性高于预定可靠性阈值时,确定与所述第二位置特定函数相关联的模型参数中的至少一部分。
2.根据权利要求1所述的方法,其中,所述第一位置特定函数和所述第二位置特定函数的所述组合是所述第一位置特定函数和所述第二位置特定函数的线性组合。
3.根据权利要求1或2所述的方法,其中确定所述模型参数的步骤包括:
确定与所述第一位置特定函数相关联的模型参数的至少一部分;并且
随后确定与所述第二位置特定函数相关联的模型参数的至少一部分。
4.根据权利要求1或2所述的方法,其中,所述第一位置特定函数描述了所述模型中的所述位置特定量的所述位置依赖性的全局趋势。
5.根据权利要求1或2所述的方法,其中,所述第一位置特定函数基于无线电传播模型。
6.根据权利要求1或2所述的方法,其中,将先验信息施加于与所述第一位置特定函数相关联的模型参数的至少一部分。
7.根据权利要求6所述的方法,其中所述先验信息基于以下中的至少一个:
法定要求;
技术要求;和
经验值。
8.根据权利要求1或2所述的方法,其中,先验信息不直接施加于与所述第一位置特定函数相关联的模型参数中的至少一个。
9.根据权利要求1或2所述的方法,其中,所述第一位置特定函数表示所述信号在垂直方向上的不同传播。
10.根据权利要求3所述的方法,其中,确定与所述第一位置特定函数相关联的模型参数的步骤包括:
选择与所述第一位置特定函数相关联的模型参数的起始值;并且
使用迭代算法来确定与所述第一位置特定函数相关联的模型参数。
11.根据权利要求10所述的方法,其中,利用与所述第一位置特定函数相关联的模型参数的不同起始值来重复所述确定与所述第一位置特定函数相关联的模型参数的步骤。
12.根据权利要求1或2所述的方法,其中与所述第一位置特定函数相关联的模型参数包括以下中的至少一个:
路径损耗常数;
通过损耗指数;
所述发射器的位置;和
楼层损耗参数。
13.根据权利要求1或2所述的方法,其中,所述第二位置特定函数描述了所述模型中所述位置特定量的所述位置依赖性的局部变化。
14.根据权利要求1或2所述的方法,其中,所述第二位置特定函数基于协方差函数。
15.根据权利要求1或2所述的方法,其中,基于获得的位置特定量的测量数据中的至少一部分的残差来确定所述第二位置特定函数的模型参数。
16.根据权利要求15所述的方法,其中,所述第二位置特定函数是所述获得的位置特定量的测量数据的残差的加权线性组合。
17.根据权利要求1或2所述的方法,其中,所述发射器是以下中的一者的部分:
蜂窝通信系统;和
非蜂窝通信系统。
18.根据权利要求1或2所述的方法,其中,所述位置特定量的测量数据包括以下中的至少一种:
接收信号强度;
定时测量值;
到达角度;
磁场强度和/或方向;以及
所述发射器的标识。
19.根据权利要求1或2所述的方法,其中,所述位置信息是从以下中的至少一个中导出的:
全球导航卫星系统;
无线局域网系统;
蓝牙系统;
射频识别系统;
蜂窝网络系统;
一个或多个传感器;以及
手动输入。
20.一种计算机程序代码,所述计算机程序代码在由处理器执行时使得装置执行权利要求1至19中任一项的方法。
21.一种计算机可读存储介质,其中存储了根据权利要求20所述的计算机程序代码。
22.一种确定模型参数的装置,其被配置为实现权利要求1至19中任一项所述的方法。
23.一种确定模型参数的装置,其包括至少一个处理器和包括计算机程序代码的至少一个存储器,所述至少一个存储器和所述计算机程序代码被配置为利用所述至少一个处理器使所述确定模型参数的装置执行如权利要求1至19中任一项所述的方法。
24.根据权利要求22或23所述的装置,其中,所述装置是以下中的一个:
服务器或其一部分;以及
移动终端或其一部分。
25.一种确定模型参数的系统,其包括根据权利要求22至24中任一项所述的装置,还包括以下中的至少一个:
移动装置,其被配置为提供来自所述发射器的所述信号的所述位置特定量的所述测量数据,并提供与所述位置特定量的所述测量数据相关联的所述位置信息,所述位置信息包括对所述测量数据进行测量的位置或该位置的估计值;
存储器,其被配置为存储来自所述发射器的所述信号的所述位置特定量的所述测量数据以及存储与所述位置特定量的所述测量数据相关联的位置信息;以及
存储器,其被配置为存储描述依赖于位置的所述位置特定量的所述模型的确定的模型参数。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2015/062777 WO2016198093A1 (en) | 2015-06-09 | 2015-06-09 | Determining of model parameters for positioning purposes |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107850656A CN107850656A (zh) | 2018-03-27 |
CN107850656B true CN107850656B (zh) | 2022-06-24 |
Family
ID=53373446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580080832.1A Active CN107850656B (zh) | 2015-06-09 | 2015-06-09 | 用于确定定位目的的模型参数的方法、装置和系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10444319B2 (zh) |
EP (1) | EP3308190B1 (zh) |
CN (1) | CN107850656B (zh) |
WO (1) | WO2016198093A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017014011A1 (ja) * | 2015-07-17 | 2017-01-26 | 株式会社村田製作所 | 位置検知システムおよびコンピュータプログラム |
EP3348099B1 (en) * | 2015-09-11 | 2024-05-22 | Telefonaktiebolaget LM Ericsson (publ) | Fingerprint positioning for mobile terminals |
EP3569020B1 (en) * | 2017-02-13 | 2020-12-30 | Telefonaktiebolaget LM Ericsson (PUBL) | Method and server for positioning user equipment |
KR102304260B1 (ko) * | 2017-03-24 | 2021-09-23 | 삼성전자주식회사 | 위치 결정 방법, 전자 장치 및 저장 매체 |
CN109613830B (zh) * | 2019-01-31 | 2020-04-10 | 江南大学 | 基于递减预测步长的模型预测控制方法 |
US11217022B1 (en) * | 2019-06-28 | 2022-01-04 | Snap Inc. | Light invariant pattern mapping |
CN112632117A (zh) * | 2020-12-30 | 2021-04-09 | 广州华多网络科技有限公司 | 编号数据的处理方法、装置、电子设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104081844A (zh) * | 2012-01-31 | 2014-10-01 | 高通股份有限公司 | 用于使用移动设备方位来定位移动设备的方法和装置 |
Family Cites Families (20)
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 |
CN100403052C (zh) | 2002-09-06 | 2008-07-16 | 诺基亚公司 | 用于估计移动设备的位置的方法和系统 |
US8588808B2 (en) * | 2010-05-24 | 2013-11-19 | Nice-Systems Ltd. | Method and system for estimation of mobile station velocity in a cellular system based on geographical data |
US8077090B1 (en) | 2010-06-15 | 2011-12-13 | Microsoft Corp. | Simultaneous localization and RF modeling |
EP2584371B1 (en) | 2011-10-17 | 2016-12-21 | Commissariat à l'Énergie Atomique et aux Énergies Alternatives | Range estimation method based on RSS measurement with limited sensitivity receiver |
EP2807876B1 (en) | 2012-01-23 | 2017-03-01 | Nokia Technologies Oy | Collecting positioning reference data |
WO2013136129A1 (en) | 2012-03-15 | 2013-09-19 | Nokia Corporation | Encoding and decoding of data |
EP2825900A1 (en) | 2012-03-15 | 2015-01-21 | Nokia Corporation | Supporting storage of data |
US20190200318A1 (en) | 2012-03-15 | 2019-06-27 | Nokia Corporation | Supporting an update of stored information |
WO2013136128A1 (en) | 2012-03-15 | 2013-09-19 | Nokia Corporation | Generating radio channel models parameter values |
US9234958B2 (en) | 2012-04-19 | 2016-01-12 | Nokia Technologies Oy | Method, apparatus, and computer program product for distributed indoor three-dimensional radiomap |
US8977298B2 (en) * | 2012-12-14 | 2015-03-10 | Apple Inc. | Location fingerprinting |
US9008695B2 (en) * | 2013-01-08 | 2015-04-14 | Qualcomm Incorporated | Method, system and/or device for adjusting expected received signal strength signature values |
KR101749098B1 (ko) * | 2013-02-14 | 2017-07-03 | 한국전자통신연구원 | 기지국 위치추정 시스템 및 이의 기지국 위치추정 방법 |
GB2517201A (en) | 2013-08-16 | 2015-02-18 | Here Global Bv | 3D sectorized path-loss models for 3D positioning of mobile terminals |
CN103997717B (zh) * | 2014-06-12 | 2017-06-30 | 福建师范大学 | 一种实时室内定位系统及方法 |
US9880257B2 (en) * | 2014-09-11 | 2018-01-30 | Google Llc | Gaussian process-based approach for identifying correlation between wireless signals |
CN104501796B (zh) * | 2014-12-16 | 2017-03-08 | 重庆邮电大学 | 一种室内wlan/mems融合跨楼层3维定位方法 |
CN104619017B (zh) * | 2015-01-23 | 2018-12-18 | 杨鲲 | 基于地图辅助的室内定位系统WiFi接入点部署方案 |
CN107431894A (zh) * | 2015-03-31 | 2017-12-01 | 索尼公司 | 用于在无线电网络中定位移动终端的方法和设备 |
-
2015
- 2015-06-09 CN CN201580080832.1A patent/CN107850656B/zh active Active
- 2015-06-09 WO PCT/EP2015/062777 patent/WO2016198093A1/en active Application Filing
- 2015-06-09 EP EP15727970.4A patent/EP3308190B1/en active Active
- 2015-06-09 US US15/580,889 patent/US10444319B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104081844A (zh) * | 2012-01-31 | 2014-10-01 | 高通股份有限公司 | 用于使用移动设备方位来定位移动设备的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
EP3308190A1 (en) | 2018-04-18 |
US20180164400A1 (en) | 2018-06-14 |
EP3308190B1 (en) | 2023-08-30 |
WO2016198093A1 (en) | 2016-12-15 |
US10444319B2 (en) | 2019-10-15 |
WO2016198093A9 (en) | 2017-05-26 |
CN107850656A (zh) | 2018-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11635484B2 (en) | Frequency transformed radiomap data set | |
CN107850656B (zh) | 用于确定定位目的的模型参数的方法、装置和系统 | |
EP2959267B1 (en) | Mobile device positioning | |
EP2620024B1 (en) | Generation and use of coverage area models | |
US9664773B2 (en) | Utilizing a mobile device to learn parameters of a radio heat map | |
US9906923B2 (en) | Indoor positioning method and apparatus | |
US20140128100A1 (en) | Binning Venues Into Categories Based On Propagation Characteristics | |
EP3033632A1 (en) | 3d sectorized path-loss models for 3d positioning of mobile terminals | |
WO2009072735A1 (en) | Method of automatically generating fingerprint database for an indoor wireless location | |
Kaji et al. | Design and implementation of WiFi indoor localization based on Gaussian mixture model and particle filter | |
CN114430814A (zh) | 用于用户设备定位的方法、装置和计算机程序 | |
CN107250831B (zh) | 提供移动装置的前进方向的指示 | |
CN115734152A (zh) | 一种定位方法及装置 | |
CN108981713B (zh) | 一种混合无线自适应导航方法及装置 | |
JP6185804B2 (ja) | 判定装置、ネットワークノード、判定方法、及びプログラム | |
Martin-Escalona et al. | Software based measurement of round trip time observables for location in IEEE 802.11 networks | |
JP2015064232A (ja) | 判定装置、ネットワークノード、判定方法、及びプログラム |
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 |