CN108141837A - 用于跟踪的装置和方法 - Google Patents
用于跟踪的装置和方法 Download PDFInfo
- Publication number
- CN108141837A CN108141837A CN201680054953.3A CN201680054953A CN108141837A CN 108141837 A CN108141837 A CN 108141837A CN 201680054953 A CN201680054953 A CN 201680054953A CN 108141837 A CN108141837 A CN 108141837A
- Authority
- CN
- China
- Prior art keywords
- path loss
- determining
- current
- location
- locations
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000005259 measurement Methods 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000000875 corresponding effect Effects 0.000 description 26
- 230000006870 function Effects 0.000 description 15
- 238000012549 training Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000007476 Maximum Likelihood Methods 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 108700026140 MAC combination Proteins 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
Classifications
-
- 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
- G01S5/01—Determining conditions which influence positioning, e.g. radio environment, state of motion or energy consumption
- G01S5/011—Identifying the radio environment
-
- 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
-
- 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
- G01S5/0278—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 involving statistical or probabilistic considerations
-
- 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
- G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
一种用于跟踪装置的方法确定装置的位置之间的相关，位置包括装置的一组先前位置和装置的当前位置的初始估计；并且对于各接入点(AP)，使用对于装置的先前位置确定的先前路径损耗指数和装置的位置之间的相关确定装置的当前位置的当前路径损耗指数。方法使用在当前位置从各AP接收的信号的接收信号强度(RSS)和对于各AP确定的当前路径损耗指数根据路径损耗模型确定装置的当前位置。使用装置的当前位置和从对应AP接收的信号的RSS更新对于各AP的当前路径损耗指数。
Description
技术领域
本发明总体涉及室内定位，更具体地涉及使用接收信号强度(RSS)测量结果和路径损耗指数估计进行的装置的非监管定位。
背景技术
诸如无线局域网(WLAN)的无线网络被广泛使用。在诸如WLAN的无线通信网络中定位无线电收发设备启用新且增强的特征，诸如基于位置的服务和位置感知管理。基于位置的服务包括例如无线装置的定位或跟踪、指定例如离WLAN的无线站最近的打印机这样的装置、以及基于无线装置的位置控制无线装置。
因为在全球定位系统(GPS)信号传播穿过诸如屋顶、地板、墙壁以及家具的障碍物时被衰减，所以使用基于卫星的GPS的准确室内定位难以实现。因此，信号强度对于室内环境中的定位变得太低。
同时，嵌入在诸如计算机、智能电话、立体声音响以及电视的不同装置内的WiFi射频(RF)芯片集的巨大发展激起对基于或利用现有WiFi信号(即，基于电气与电子工程师(IEEE)802.11标准的任意信号)的WiFi装配装置的室内定位方法的需要。用于室内定位的一些方法使用信号强度测量结果，并且假定接收信号功率是距离的可逆函数，由此接收功率的知识暗示距信号发送器的距离。其他方法尝试连同机器学习的进步一起进一步利用WiFi装置的大规模部署，并且提出连同自定位和映射一起的指纹识别。
然而，对于室内定位仅依赖传统Wi-Fi芯片集的方法使用从Wi-Fi芯片集获得的所测量的接收信号强度(RSS)电平。这些方法需要训练，该训练包括在室内环境中离线地测量RSS电平。然后在在线使用期间向定位方法供应测量结果。
与训练关联的一个限制是离线测量结果经常是不可靠的。这是因为环境中的RSS电平例如由于占有者的数量、家具以及AP位置的变化而随着时间的过去而动态变化。这暗示在每当环境变化时需要重复训练。
另外，离线方法连同RSS电平的在线测量结果在路径损耗模型中使用事前求出的路径损耗指数来确定室内位置。在事前求出的这些路径损耗指数之后，路径损耗指数的值对于位置跟踪的整个过程保持相同，并且假定对于环境的整个区段相同。
因此，期望以非监管方式即没有训练地执行基于RSS的定位。
发明内容
发明的一些实施方式提供了用于通过测量由设置在封闭环境中的一组接入点(AP)发送的信号的接收信号强度(RSS)电平来定位装置的系统和方法。方法使用针对RSS电平的路径损耗模型。对数距离路径损耗模型是将信号在封闭环境中遭遇的路径损耗预测为距离的函数的无线传播模型。根据该模型，所接收的由特定AP发送的基准信号的RSS电平依赖于到该AP的距离和关联的路径损耗指数。路径损耗指数是未知模型参数。在给定位置处对于各AP存在单个模型参数。
发明的一些实施方式基于以下认识：对于装置的不同位置，路径损耗指数可以在封闭环境内变化。然而，一些实施方式基于以下认识：对于相邻位置的路径损耗指数之间存在相关。例如，对于当前位置的当前路径损耗指数可以被表示为先前位置的先前路径损耗指数和先前与当前位置之间的距离的函数。直观地，可以提出：先前位置与当前位置之间的距离越大，对于这些位置的路径损耗指数之间的差越大。然而，多个观测和实验展示了路径损耗指数之间的相关依赖于这些位置之间的距离。
本发明的一些实施方式基于以下认识：如果可以确定装置的当前位置的初始估计，则该初始估计可以用于确定该位置与装置的先前位置之间的相关，这些相关转而可以用于确定更新装置的位置的初始估计所需的路径损耗指数。随后，使用由各AP发送的信号的RSS电平可以修改位置的经更新的初始估计和对于该位置估计确定的路径损耗指数。为此，一些实施方式提供了用于通过使用包括当前位置的初始估计的相邻位置之间的相关和对应的一组路径损耗指数迭代地更新路径损耗指数和装置的位置来跟踪装置的系统和方法。
例如，本发明的一个实施方式使用高斯过程(GP)来估计与某一位置对应的路径损耗指数。GP对位置与和不同接入点关联的对应路径损耗指数之间的高度复杂关系建模。相关结构经由参数化的核函数来描述，核函数的超参数被实时确定。
因此，本发明的一个实施方式公开了一种用于跟踪装置的方法。方法包括以下步骤：确定装置的位置之间的相关，其中，位置包括装置的一组先前位置和装置的当前位置的初始估计；对于各个接入点(AP)，使用对于装置的先前位置确定的先前路径损耗指数和装置的位置之间的相关确定装置的当前位置的当前路径损耗指数；使用在当前位置从各AP接收的信号的接收信号强度(RSS)和对于各AP确定的当前路径损耗指数根据路径损耗模型确定装置的当前位置；以及使用装置的当前位置和从对应AP接收的信号的RSS更新对于各AP的当前路径损耗指数。方法的步骤使用处理器来执行。
另一个实施方式公开了一种用于跟踪装置的方法，其中，方法迭代地估计装置的当前位置和在当前位置与接入点(AP)对应的路径损耗指数。迭代包括：确定装置的当前位置的初始估计；确定装置的位置之间的相关，其中，位置包括装置的一组先前位置和装置的当前位置的初始估计；对于各AP，使用与装置的一组先前位置对应的先前路径损耗指数以及装置的位置之间的相关确定当前路径损耗指数；使用在当前位置从各AP接收的信号的强度电平和对于各AP确定的当前路径损耗指数根据路径损耗模型确定装置的当前位置；以及使用装置的当前位置和从对应AP接收的信号的强度电平更新对于各AP的当前路径损耗指数。方法的步骤使用处理器来执行。
又一个实施方式公开了一种装置，该装置包括：测量单元，该测量单元被配置成确定装置的当前位置的初始估计；收发器，该收发器被配置成确定在当前位置处接收的信号的强度电平，其中，信号由设置在环境中的一组接入点(AP)发送；以及控制器，该控制器被配置成通过将当前路径损耗指数应用于信号的强度电平来迭代地更新当前位置的初始估计，其中，控制器包括处理器，该处理器用于使用包括装置的一组先前位置和当前位置的初始估计在内的位置之间的相关以及对于装置的先前位置确定的先前路径损耗指数来确定当前路径损耗指数。
附图说明
[图1A]图1A是根据本发明的一些实施方式的用于使用接收信号强度(RSS)测量结果的装置定位的环境和接入点的示意图；
[图1B]图1B是根据本发明的一些实施方式的使用基准信号的RSS电平的装置定位的曲线图；
[图1C]图1C是根据本发明的一个实施方式的用于跟踪装置的方法的框图；
[图2]图2是根据本发明的一些实施方式的被跟踪的装置的框图；
[图3A]图3A是包括面积要素的网格的图形叠置的用户接口的示例；
[图3B]图3B是包括表示封闭环境的架构结构的图形叠置的用户接口的另一个示例；
[图4]图4是根据本发明的一个实施方式的用于确定装置的位置的方法的框图；以及
[图5]图5是根据本发明的一个实施方式的用于确定当前路径损耗指数的方法的框图。
具体实施方式
图1A示出了使用接入点(AP)110确定装置120在封闭环境100中的位置的根据本发明的一些实施方式的使用接收信号强度(RSS)测量结果的定位问题的示意图。封闭环境例如可以为具有诸如墙壁140、家具等的多个障碍物的住宅、建筑物、地下空间甚至都市峡谷等的内部。装置例如可以为移动机器人、智能电话、便携式计算机等。在一个实施方式中，装置沿着未知路径150移动。在确定装置的位置之后，可以根据装置的当前位置控制装置。
发明的一些实施方式提供了用于通过测量由设置在封闭环境中的一组接入点(AP)发送的信号的接收信号强度(RSS)电平来定位装置的系统和方法。方法使用针对RSS电平的路径损耗模型。对数距离路径损耗模型是将信号在封闭环境中遭遇的路径损耗预测为距离的函数的无线传播模型。根据该模型，所接收的由特定AP发送的基准信号的RSS电平依赖于到该AP的距离和关联的路径损耗指数。路径损耗指数是未知模型参数。对于各AP存在单个模型参数。
图1B图形地示出了用于使用由AP 110发送的基准信号的RSS电平121确定装置120的位置的方法。基准信号可以连续、定期或响应于装置的定位请求发送。装置可以位于与封闭环境关联的任意坐标系160中的未知位置x 122处。坐标系可以为二维或三维的。
该坐标系中的第j个AP 110的位置被表示为rj 113，其中，j＝1,…,N。AP j由在距AP径向距离d0 111处的基准接收信号强度(RSS)电平112表征。已知位置rj和在离AP距离d0处的基准RSS电平接入点相对于与封闭区域关联的坐标系的位置为已知的3维向量r1,r2,…,rM。根据从接入点发送的基准信号的所测量的接收信号强度(RSS)电平来估计未知位置。作为某一位置xn，所测量的RSS电平为z1(n),z2(n),…,zM(n)。这些测量结果被收集到列向量z(n)中，其中，n＝1,2,…对沿着某一遍历路径的定位请求进行索引。
使用由下式给出的路径损耗模型对位置xn处的RSS电平zm(n)建模：
其中，是距处于位置rm处的接入点的距离d0处的基准RSS电平，hm(n)是对应的路径损耗指数，并且vm(n)是零平均白高斯测量噪声。
除了RSS测量结果之外，还用两个连续定位请求之间的位置变化的估计来辅助位置估计。即，在第n个定位请求时，我们假定已知：
Δxn＝xn-xn-1, (2)。
该估计可以从惯性测量单元(IMU)测量结果来获得。
发明的一些实施方式基于以下认识：对于装置的不同位置，路径损耗指数可以在封闭环境内变化。然而，一些实施方式基于以下认识：在对于相邻位置的路径损耗指数之间存在相关。例如，对于当前位置的当前路径损耗指数可以被表示为对于先前位置的先前路径损耗指数和先前位置115与当前位置120之间的距离130的函数。直观地，可以提出：先前位置与当前位置之间的距离越大，对于这些位置的路径损耗指数之间的差越大。然而，多个观测和实验展示了在一些位置处的路径损耗指数之间的相关是统计的且依赖于这些位置之间的距离之间的相关。
因此，如果可以确定装置的当前位置的初始估计，则该初始估计可以用于评价装置的位置之间的相关，并且这些相关可以用于确定对于装置位置的初始估计的路径损耗指数。随后，使用由各AP发送的信号的RSS电平可以修改位置的初始估计和对于该初始估计确定的路径损耗指数。为此，一些实施方式提供了通过使用包括当前位置的初始估计的一组相邻位置之间的相关和对应的一组路径损耗指数来迭代地更新路径损耗指数和装置的位置来跟踪装置的系统和方法。
图1C示出了根据本发明的一个实施方式的用于跟踪装置的方法的框图。该实施方式可以使用在迭代内确定的装置的位置之间的相关迭代地更新装置的一组位置和与该一组位置对应的一组路径损耗指数。
方法确定170装置的位置之间的相关175。装置的位置包括装置的一组先前位置172和装置的当前位置的初始估计171。初始估计171可以使用GPS、RSS电平的三角测量和/或使用可以测量装置与先前位置的位移的内部测量单元(IMU)来确定。
一组先前位置172可以在装置的跟踪期间来确定。例如，当前位置对于随后迭代变为先前位置。先前位置和对于这些先前位置确定的对应174路径损耗指数173是对方法的当前迭代的输入。
方法对于各个接入点(AP)，使用对于装置的先前位置确定的先前路径损耗指数和装置的位置之间的相关175来确定180装置的当前位置的当前路径损耗指数185。例如，先前路径损耗指数可以从组173来选择，作为与距组172最近的位置或最近期确定的位置对应174的路径损耗指数。
接着，方法使用在当前位置从各AP接收的信号的强度电平192和对于各AP确定的当前路径损耗指数185根据路径损耗模型191来确定装置的当前位置195。当前位置的初始估计171可以用所确定的位置195来更新。
同样，在确定当前位置195之后，方法使用装置的当前位置195和从对应AP接收的信号的强度电平192来更新199对于各AP的当前路径损耗指数。这样，对于随后迭代，可以使用位置195和对应路径损耗指数185的更准确值。
图2示出了根据本发明的一些实施方式的装置200的框图。装置200可以采用本发明的不同实施方式的原理来确定和/或跟踪其位置195和/或根据位置执行各种控制功能。
装置200包括收发器205，该收发器被配置成确定在当前位置处接收的信号的强度电平，其中，信号由设置在环境中的一组接入点(AP)发送。例如，装置可以包括无线部分201，其具有联接到包括模拟RF部分和/或数字调制解调器在内的无线收发器205的一个或更多个天线203。由此，无线部分实施物理层(PHY)。PHY 201的数字调制解调器联接到实施站的媒体访问控制(MAC)处理的MAC处理器207。MAC处理器207经由被符号地示出为单个总线子系统211的一个或更多个总线连接到主处理器213。主处理器包括连接到总线的存储子系统215，例如随机存取存储器(RAM)和/或只读存储器(ROM)。
装置200还可以包括测量单元221，该测量单元被配置成确定装置的当前位置的初始估计。测量单元221可以包括GPS、执行RSS电平的三角测量的处理器、和/或可以使用例如加速度计、陀螺仪以及磁强计测量装置与先前位置的位移的其他内部测量单元(IMU)中的一个或组合。
在一个实施方式中，MAC处理，例如IEEE 802.11MAC协议，完全在MAC处理器207处实施。处理器207包括存储使MAC处理器207实施MAC处理(以及一个实施方式中由本发明使用的另外处理的一些或全部)的指令的存储器209。该存储器通常但不是必须为ROM，并且软件通常为固件的形式。
MAC处理器受主处理器213控制。在一个实施方式中，MAC处理中的一些在MAC处理器207处来实施，并且一些在主处理器处来实施。在这种情况下，使主处理器213实施主处理器实施的MAC处理的指令存储在存储器215中。在一个实施方式中，由本发明使用的另外处理的一些或全部也由主处理器来实施。这些指令被示出为存储器的部分217。
装置200还包括控制器，该控制器被配置成通过向信号的强度电平应用当前路径损耗指数来迭代地更新当前位置的初始估计。控制器可以使用处理器来实施，例如，处理器207或213。处理器被配置成基于先前位置与当前位置的初始估计之间的相关确定当前路径损耗指数作为对于装置的先前位置确定的先前路径损耗指数的函数。处理器可操作地连接到存储器215，以访问必要的信息219，诸如当前位置的初始估计以及具有对应路径损耗指数的先前位置。
无线管理的组成部分包括被管理的AP及其客户端中的无线测量。一个实施方式使用IEEE 802.11h标准，其通过添加发送功率控制(TPC)和动态频率选择(DFS)修改了MAC协议。TPC将发送功率限于到达最远用户所需的最小值。DFS选择AP处的无线信道，以使减少与例如雷达的其他系统的干扰。
另一个实施方式通过制定AP处的任务且转而制定客户端处的任务以根据时间表自主进行无线测量来使用与当前802.11标准不同的协议。在一个实施方式中，所报告的信息对于各所检测的AP包括与检测有关的信息以及与信标/探测响应的内容有关的信息或从其获得的信息。
虽然IEEE 802.11标准规定在物理层(PHY)处确定相对RSS指示(RSSI)，但本发明的一个方面使用以下事实：许多现代无线电收发设备包括提供较准确的绝对RSS测量结果的PHY。在一个实施方式中，在PHY处测量的RSS电平用于确定位置。
本发明的一些实施方式使用装置200所位于的室内环境的模型，例如建筑物的地板平面图。整个区域中任何被管理的AP的位置已知并提供给该方法。例如，本发明的一个实施方式构造或使用包括感兴趣区域中的已知接入点的位置的用户接口。
图3A示出了包括面积要素的网格的图形叠置303的一个用户接口300。用户接口300包括指示被示出为AP1(305)、AP2(307)以及AP3(309)的三个被管理AP的位置的图形表示。
图3B示出了另一个用户接口350，该另一个用户接口除了包括网格的图形叠置303和指示被管理AP 305、307以及309的位置的表示之外，还包括表示架构结构的图形叠置311，例如作为内部的架构平面图，例如建筑物的地板平面图。另一个用户接口(未例示)可以示出地板架构但没有网格的图形表示。由此，一个实施方式使得可以在二维画面上观看AP的位置。
跟踪方法的示例
本发明的一些实施方式使用装置的位置之间的相关和对于装置的一组先前位置的一组路径损耗指数来确定路径损耗指数的统计相关，并且使用路径损耗指数的统计相关、先前路径损耗指数确定当前路径损耗指数。
例如，本发明的一个实施方式使用高斯过程(GP)来估计与某一位置对应的路径损耗指数。GP对位置与和不同接入点关联的对应路径损耗指数之间的高度复杂关系建模。相关结构经由参数化的核函数来描述，核函数的超参数被实时确定。
图4示出了根据本发明的一个实施方式的用于确定装置的位置的方法的框图。假定已知M个接入点的位置r1,r2,…,rM和基准距离d0处的基准RSS电平并且图中未明确示出。方法在第n个定位请求时被提供所测量的RSS电平z1(n),z2(n),…,zM(n)和自先前定位请求的位置变化的估计Δx。另外，来自L个先前定位请求的位置估计xn-1,xn-2,…,xn-L连同与这些位置对应的所估计的路径损耗指数用于在时间n时的定位。如图4所示，这些全部形成对处理器400的输入410。先前所估计的位置的数量L是基于封闭环境的构造、连续位置的接近性以及计算资源确定的设计参数。
方法基于先前位置的估计xn-1和两个定位请求之间的坐标的变化Δxn确定当前位置。在420中如下式评价预测位置xn：
xn＝xn-1+Δxn(3)
在下一处理阶段500中，估计在预测位置xn处与M个接入点对应的路径损耗指数，其被表示为这通过以监管方式采用高斯过程(GP)来实现，在GP中，训练数据包括L个先前位置估计和与接入点对应的关联的路径损耗指数。
在430中根据所测量的RSS电平z1(n),z2(n),…,zM(n)和预测的路径损耗指数获得时间n时的位置的估计xn。这通过从(1)观测到以下内容来实现：在观测噪声vm(n)为高斯分布的假定下，所测量的RSS电平的似然zm(n)是高斯的，其用路径损耗指数hm(n)和位置xn参数化的，即，
其中，σ2是噪声的方差。
一个实施方式根据在当前位置处的信号的接收强度电平与使用路径损耗模型和当前路径损耗指数估计的信号强度电平之间的差来优化430目标函数，以产生装置的当前位置。所测量的RSS电平上相关，并且在位置xn处取得的测量结果的联合似然模型直接由(4)产生。然后给出未知位置xn，作为联合似然模型的最大似然(ML)估计。在一个实施方式中，如下式估计430最终位置：
上述问题的解不以闭型给出。因此，我们使用基于梯度的优化技术。注意，可以以闭型计算目标函数的梯度和Hessian。该步骤产生xn，其为440中的最终位置估计。
接着，方法更新450与当前位置对应的路径损耗指数的估计。接着的L个定位请求需要这些估计。获得路径损耗指数hm(n)，作为与用于所测量的RSS电平zm(n)和所估计的位置xn的高斯似然模型(4)对应的最大似然估计。即，
其中，m＝1,2,…,M。
图5示出了根据本发明的一个实施方式的用于确定当前路径损耗指数的方法的框图。方法使用L个先前估计位置xn-1,xn-2,…,xn-L和对应的ML个路径损耗指数来估计在预测位置xn处与接入点关联的路径损耗指数。因为与不同接入点关联的路径损耗指数不相关，所以估计与位置xn对应的M个路径损耗指数(一个路径损耗指数对一个接入点)的问题被分成M个单独的估计问题。为了简化符号，通过把在各位置x1,x2,…,xL处的路径损耗指数h1,h2,…,hL当作训练数据集D来描述方法。我们的目标是预测在某一新位置x处的路径损耗指数h。该新位置和训练数据集是对方法500的输入510。
与特定接入点关联的路径损耗指数以高度复杂方式依赖于室内位置。为了对该依赖关系建模，一些实施方式使用高斯过程(GP)。根据GP，路径损耗指数h1,…,hL与平均向量μ和协方差矩阵Σ联合高斯分布，
路径损耗指数的平均相等，使得μ＝μ01，其中，1是由1组成的向量，并且μ0取根据封闭环境以及接入点的位置的某一预设值。例如，如果在封闭环境中的所有接入点与大多数位置之间存在视线且没有太多障碍物，则人可以将μ0设置为刚刚超过2。
另选地，μ0是来自训练数据集D的路径损耗指数的样本平均，在520中如下式评价：
hi与hj之间的协方差依赖于对应的位置xi与xj之间的相关，并且由核函数给出，该核函数本身依赖被收集到向量θ中的超参数，
[∑]i,j＝κ(xi,xj；θ). (9)
核函数的示例是两个指数核的和，
其中，θ＝[α1 β1 α2 β2 σ2]并且δ(i,j)是Kroneker delta(在i＝j时等于1，否则等于0)。注意，通过符号的轻微滥用，我们将白加性高斯测量噪声的方差σ2并入到超参数的向量中。例如，两个所考虑位置之间的距离是这两个位置之间的相关的一个示例。
超参数未知且从训练数据D来估计。一个实施方式确定使训练数据D的联合似然最大化的向量θ。因为路径损耗指数是联合高斯的，所以训练数据的对数似然由下式给出：
因此，超参数的向量的ML个估计由下式给出：
并且在530中评价该ML个估计。该优化问题一般不准许闭型解，因此通过采用基于梯度的求解器中的一个来数值地求解。梯度且如果必要的话还有Hessian可以以闭型来获得并提供给求解器。
在估计了超参数之后，通过注意路径损耗指数的增强向量(即，[hT h]T)遵循多元高斯分布来确定某一新位置x处的路径损耗指数h。可以根据下式确定540高斯分布的协方差矩阵：
其中，并且κ是在与位置x对应的路径损耗指数与来自训练数据D的路径损耗指数之间的协方差的向量。
如下式从核函数评价该向量：
由下式简单地给出路径损耗指数h的方差κ0：
从忽视联合高斯分布获得路径损耗指数h的分布，并且由下式给出该分布：
其中，
μx＝μ0+κT∑-1(h-μ)， (17)
并且
确定550该高斯分布的平均和方差。一些实施方式基于以下认识：路径损耗指数无法取负值，这是(16)中不排除的可能性。实际上，路径损耗指数落在hmin与hmax之间(诸如2与4之间)的范围内。因此，在hmin与hmax之间截短高斯模型(16)，并且截短的高斯分布对路径损耗指数h建模。路径损耗指数的预测值是截短的高斯分布的平均，由下式给出：
其中，φ(a)和Φ(a)分别是在点a处评价的概率密度函数(p.d.f.)和累积分布函数(c.d.f.)。在560中确定截短高斯分布的平均，并且在570中输出该平均，作为与位置x对应的当前路径损耗指数。
Claims (20)
1.一种用于跟踪装置的方法，该方法包括：
确定所述装置的位置之间的相关，其中，所述位置包括所述装置的一组先前位置和所述装置的当前位置的初始估计；
对于各个接入点AP，使用对于所述装置的所述先前位置确定的先前路径损耗指数和所述装置的所述位置之间的所述相关确定所述装置的所述当前位置的当前路径损耗指数；
使用在所述当前位置从各AP接收的信号的接收信号强度RSS和对于各AP确定的所述当前路径损耗指数根据路径损耗模型确定所述装置的所述当前位置；以及
使用所述装置的所述当前位置和从所述对应AP接收的信号的所述RSS更新对于各AP的所述当前路径损耗指数，其中，所述方法的步骤使用处理器来执行。
2.根据权利要求1所述的方法，所述方法还包括：
使用对于各迭代确定的所述装置的位置之间的所述相关，迭代地更新所述装置的一组位置和与所述一组位置对应的一组路径损耗指数。
3.根据权利要求1所述的方法，所述方法还包括：
确定所述当前路径损耗指数的概率分布；以及
使用所述概率分布确定所述装置的所述当前位置。
4.根据权利要求1所述的方法，其中，所述概率分布是截短高斯分布，该方法还包括：
至少使用所述截短高斯分布的平均确定所述装置的所述当前位置。
5.根据权利要求4所述的方法，所述方法还包括：
使用路径损耗指数的协方差矩阵确定所述当前路径损耗指数的高斯分布的平均；以及
使用所述高斯分布的所述平均确定所述截短高斯分布的平均。
6.根据权利要求3所述的方法，所述方法还包括：
确定将路径损耗指数关联到对应位置的核函数；以及
使用所述装置的位置之间的所述相关和所述核函数确定路径损耗指数的所述协方差矩阵。
7.根据权利要求6所述的方法，其中，所述核函数由超参数来参数化，该方法还包括：
通过优化所述先前路径损耗指数的联合概率分布的目标函数确定所述核函数的所述超参数。
8.根据权利要求1所述的方法，所述方法还包括：
根据所述装置的所述当前位置控制所述装置。
9.根据权利要求1所述的方法，所述方法还包括：
使用惯性测量确定所述装置的所述当前位置的所述初始估计。
10.一种用于跟踪装置的方法，其中，所述方法迭代地估计所述装置的当前位置和在所述当前位置与接入点AP对应的路径损耗指数，迭代包括：
确定所述装置的所述当前位置的初始估计；
确定所述装置的位置之间的相关，其中，所述位置包括所述装置的一组先前位置和所述装置的当前位置的所述初始估计；
对于各AP，使用与所述装置的所述一组先前位置对应的先前路径损耗指数以及所述装置的所述位置之间的所述相关确定当前路径损耗指数；
使用在所述当前位置从各AP接收的信号的强度电平和对于各AP确定的所述当前路径损耗指数根据路径损耗模型确定所述装置的所述当前位置；以及
使用所述装置的所述当前位置和从对应AP接收的信号的所述强度电平更新对于各AP的所述当前路径损耗指数，其中，所述方法的步骤使用处理器来执行。
11.根据权利要求10所述的方法，其中，确定所述装置的所述当前位置包括：
确定目标函数，该目标函数依赖于在所述当前位置处的所述信号的接收强度电平与使用所述路径损耗模型和所述当前路径损耗指数估计的所述信号的强度电平之间的差；以及
优化所述目标函数，以产生所述装置的所述当前位置。
12.根据权利要求11所述的方法，其中，所述目标函数为：
其中，M是封闭区域中的接入点的数量，zm(n)是来自第n个位置处的第m个接入点的接收信号强度，是在基准距离d0处的第m个接入点的基准信号电平，x是包含所述装置的所述位置的坐标的向量，rm是所述第m个接入点的位置向量，并且是与第n个位置处的所述第m个接入点对应的所述路径损耗指数。
13.根据权利要求10所述的方法，所述方法还包括：
对于各AP确定所述当前路径损耗指数的高斯分布的平均和方差；
在所述路径损耗指数的最小值与最大值之间截短所述高斯分布，以产生截短高斯分布；以及
至少使用所述截短高斯分布的平均确定所述装置的所述当前位置。
14.根据权利要求13所述的方法，所述方法还包括：
使用用超参数参数化的核函数和所述装置的所述位置之间的所述相关确定所述高斯分布的所述平均和所述方差。
15.根据权利要求14所述的方法，所述方法还包括：
通过优化依赖所述先前路径损耗指数的联合概率分布的目标函数来确定所述超参数。
16.根据权利要求15所述的方法，所述方法还包括：
使用所述装置的先前位置之间的所述相关确定所述联合高斯分布的协方差矩阵作为超参数的函数。
17.根据权利要求10所述的方法，所述方法还包括：
根据所述装置的所述当前位置控制所述装置。
18.一种装置，该装置包括：
测量单元，该测量单元被配置成确定所述装置的当前位置的初始估计；
收发器，该收发器被配置成确定在所述当前位置处接收的信号的强度电平，其中，所述信号由设置在环境中的一组接入点AP发送；以及
控制器，该控制器被配置成通过将当前路径损耗指数应用于所述信号的所述强度电平来迭代地更新所述当前位置的所述初始估计，其中，所述控制器包括处理器，该处理器用于使用包括所述装置的一组先前位置和所述当前位置的所述初始估计在内的位置之间的相关以及对于所述装置的所述先前位置确定的先前路径损耗指数来确定所述当前路径损耗指数。
19.根据权利要求18所述的装置，其中，所述控制器被配置成：
通过优化所述先前路径损耗指数的联合概率分布的目标函数确定核函数的超参数，其中，所述核函数将路径损耗指数与对应的位置关联；
使用所述装置的位置之间的所述相关和所述核函数确定路径损耗指数的协方差矩阵；
使用路径损耗指数的所述协方差矩阵确定所述当前路径损耗指数的概率分布；以及
使用所述概率分布确定所述装置的所述当前位置。
20.根据权利要求19所述的装置，其中，所述概率分布是截短高斯分布。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US14/860,867 US10514437B2 (en) | 2015-09-22 | 2015-09-22 | Device localization using RSS based path loss exponent estimation |
| US14/860,867 | 2015-09-22 | ||
| PCT/JP2016/072460 WO2017051607A1 (en) | 2015-09-22 | 2016-07-25 | Device and method for tracking |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108141837A true CN108141837A (zh) | 2018-06-08 |
| CN108141837B CN108141837B (zh) | 2020-05-05 |
Family
ID=56889121
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201680054953.3A Active CN108141837B (zh) | 2015-09-22 | 2016-07-25 | 用于跟踪的装置和方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US10514437B2 (zh) |
| EP (1) | EP3351041B1 (zh) |
| JP (1) | JP6410968B2 (zh) |
| CN (1) | CN108141837B (zh) |
| WO (1) | WO2017051607A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112437884A (zh) * | 2018-07-17 | 2021-03-02 | 瞻博网络公司 | 接收信号强度信息的使用 |
| CN114339912A (zh) * | 2021-12-28 | 2022-04-12 | 达闼机器人有限公司 | 网络连接方法、装置、设备和存储介质 |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10342052B1 (en) | 2016-01-18 | 2019-07-02 | Quantenna Communications, Inc. | Client steering for a wireless local area network |
| US10425842B2 (en) * | 2016-10-08 | 2019-09-24 | Zhejiang Guozi Robot Technology Co., Ltd. | Access point roaming method of wireless network for mobile robots based on path setting |
| CN108521631B (zh) * | 2018-04-13 | 2020-05-22 | 重庆邮电大学 | 一种面向室内定位的移动ap识别方法 |
| CN109143164A (zh) * | 2018-10-11 | 2019-01-04 | 哈尔滨工业大学 | 基于高斯过程回归的无线信号源定位方法 |
| US11346669B2 (en) * | 2019-11-22 | 2022-05-31 | Verizon Patent And Licensing Inc. | Systems and methods for utilizing modeling to automatically generate paths for indoor navigation |
| TWI722700B (zh) * | 2019-12-06 | 2021-03-21 | 財團法人工業技術研究院 | 測距裝置、測距方法和校正訊號功率之方法 |
| CN111132028B (zh) * | 2019-12-19 | 2021-04-20 | 歌尔科技有限公司 | 一种无线耳机寻找方法、装置、电子设备及可读存储介质 |
| US11893457B2 (en) * | 2020-01-15 | 2024-02-06 | International Business Machines Corporation | Integrating simulated and real-world data to improve machine learning models |
| CN111818446B (zh) * | 2020-06-02 | 2022-06-24 | 南京邮电大学 | 一种基于位置指纹的室内定位优化方法及系统 |
| US11805389B2 (en) * | 2020-10-27 | 2023-10-31 | International Business Machines Corporation | Evaluation of device placement |
| CN113411881B (zh) * | 2021-05-28 | 2022-06-14 | 海南大学 | Rss无人机集群分布式定位方法 |
| US12000945B2 (en) * | 2021-05-28 | 2024-06-04 | Nec Corporation | Visual and RF sensor fusion for multi-agent tracking |
| US11910423B2 (en) * | 2021-10-27 | 2024-02-20 | Cisco Technology, Inc. | Systems and methods for reducing false radar detection |
| GB2619703A (en) * | 2022-06-08 | 2023-12-20 | Briteyellow Ltd | A system and method for crowd density estimation for effective navigation and position improvement |
| WO2024005676A1 (en) * | 2022-06-27 | 2024-01-04 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and apparatus for categorizing of wireless devices |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100203839A1 (en) * | 2009-02-10 | 2010-08-12 | Chunjie Duan | Method for Estimating Condition of Wireless Channels |
| CN102680995A (zh) * | 2012-05-23 | 2012-09-19 | 江南大学 | 一种基于移动锚节点的无线传感器网络节点加权质心定位方法 |
| CN103124396A (zh) * | 2013-01-24 | 2013-05-29 | 河南科技大学 | 基于交叉粒子群的无线传感器网络移动节点定位方法 |
| CN104023391A (zh) * | 2014-05-14 | 2014-09-03 | 浙江工业大学 | 一种基于rssi动态路径损耗的定位方法 |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6990428B1 (en) | 2003-07-28 | 2006-01-24 | Cisco Technology, Inc. | Radiolocation using path loss data |
| WO2006009955A2 (en) * | 2004-06-23 | 2006-01-26 | Cognio, Inc | Self-calibrated path loss position estimation process, device and system |
| US8041469B2 (en) * | 2005-01-05 | 2011-10-18 | GM Global Technology Operations LLC | Determining relative spatial information between vehicles |
| JP4981068B2 (ja) * | 2006-01-27 | 2012-07-18 | テレフオンアクチーボラゲット エル エム エリクソン（パブル） | 経路損失ポリゴンによる測位 |
| US7683835B2 (en) * | 2006-08-15 | 2010-03-23 | Computer Associates Think, Inc. | System and method for locating wireless devices |
| US8311558B2 (en) * | 2009-03-20 | 2012-11-13 | Buzby Networks, Llc | Real-time network node location system and method |
| US8669902B2 (en) * | 2010-09-03 | 2014-03-11 | Cisco Technology, Inc. | Location estimation for wireless devices |
| EP2551695A1 (en) * | 2011-07-25 | 2013-01-30 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Concept for determining an orientation of a mobile device |
| US8879607B2 (en) * | 2011-08-12 | 2014-11-04 | Sony Corporation | Indoor positioning with rake receivers |
| EP2584849B1 (en) * | 2011-10-17 | 2019-02-27 | Commissariat à l'Énergie Atomique et aux Énergies Alternatives | Method for node positioning for a wireless network |
| US9194935B2 (en) * | 2012-05-08 | 2015-11-24 | Texas Instruments Incorporated | Wireless local area network based positioning |
| US9121931B2 (en) * | 2013-03-15 | 2015-09-01 | Blackberry Limited | Mobile device location estimation |
| EP2984502A4 (en) * | 2013-04-12 | 2016-10-12 | Hewlett Packard Entpr Dev Lp | DETERMINING THE DISTANCE OF A MOBILE DEVICE |
| US9459339B2 (en) * | 2013-06-13 | 2016-10-04 | Texas Instruments Incorporated | Kalman filter for indoor positioning |
| US20150119076A1 (en) | 2013-10-31 | 2015-04-30 | Nant Holdings Ip, Llc | Self-calibrating mobile indoor location estimations, systems and methods |
-
2015
- 2015-09-22 US US14/860,867 patent/US10514437B2/en active Active
-
2016
- 2016-07-25 WO PCT/JP2016/072460 patent/WO2017051607A1/en active Application Filing
- 2016-07-25 JP JP2017561983A patent/JP6410968B2/ja active Active
- 2016-07-25 EP EP16763105.0A patent/EP3351041B1/en active Active
- 2016-07-25 CN CN201680054953.3A patent/CN108141837B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100203839A1 (en) * | 2009-02-10 | 2010-08-12 | Chunjie Duan | Method for Estimating Condition of Wireless Channels |
| CN102680995A (zh) * | 2012-05-23 | 2012-09-19 | 江南大学 | 一种基于移动锚节点的无线传感器网络节点加权质心定位方法 |
| CN103124396A (zh) * | 2013-01-24 | 2013-05-29 | 河南科技大学 | 基于交叉粒子群的无线传感器网络移动节点定位方法 |
| CN104023391A (zh) * | 2014-05-14 | 2014-09-03 | 浙江工业大学 | 一种基于rssi动态路径损耗的定位方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112437884A (zh) * | 2018-07-17 | 2021-03-02 | 瞻博网络公司 | 接收信号强度信息的使用 |
| US11960015B2 (en) | 2018-07-17 | 2024-04-16 | Juniper Networks, Inc. | Methods and apparatus for using received signal strength information in a wireless system |
| CN114339912A (zh) * | 2021-12-28 | 2022-04-12 | 达闼机器人有限公司 | 网络连接方法、装置、设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018519506A (ja) | 2018-07-19 |
| EP3351041B1 (en) | 2019-02-06 |
| US10514437B2 (en) | 2019-12-24 |
| EP3351041A1 (en) | 2018-07-25 |
| US20170082723A1 (en) | 2017-03-23 |
| WO2017051607A1 (en) | 2017-03-30 |
| JP6410968B2 (ja) | 2018-10-24 |
| CN108141837B (zh) | 2020-05-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108141837B (zh) | 用于跟踪的装置和方法 | |
| Zhuang et al. | Autonomous smartphone-based WiFi positioning system by using access points localization and crowdsourcing | |
| US9648466B2 (en) | Generating a model for positioning | |
| US7196662B2 (en) | Probabilistic model for a positioning technique | |
| Jourdan et al. | Optimal sensor placement for agent localization | |
| TWI461082B (zh) | 有效散佈網狀網路的系統與方法 | |
| EP3404439A1 (en) | Cluster-based magnetic positioning method, device and system | |
| JP6525325B2 (ja) | デバイスのロケーションを求める方法およびデバイス | |
| US20060125693A1 (en) | Determining a position of at least one beacon in a location system | |
| WO2009099773A2 (en) | Systems and methods for providing location based services (lbs) utilizing wlan and/or gps signals for seamless indoor and outdoor tracking | |
| WO2003096055A2 (en) | Low-cost, low-power geolocation system | |
| CN109379711B (zh) | 一种定位方法 | |
| US20170131402A1 (en) | System and Method for Augmented Localization of WiFi Devices | |
| Huang et al. | RSS-based indoor positioning based on multi-dimensional kernel modeling and weighted average tracking | |
| Narzullaev et al. | Novel calibration algorithm for received signal strength based indoor real-time locating systems | |
| Yiu et al. | Locating user equipments and access points using RSSI fingerprints: A Gaussian process approach | |
| Song et al. | Implementation of android application for indoor positioning system with estimote BLE beacons | |
| Shin et al. | MRI: Model-based radio interpolation for indoor war-walking | |
| Rohrig et al. | Estimation of position and orientation of mobile systems in a wireless LAN | |
| Pan et al. | Map-aided and UWB-based anchor placement method in indoor localization | |
| Bi et al. | Inverse distance weight-assisted particle swarm optimized indoor localization | |
| Vaščák et al. | Radio beacons in indoor navigation | |
| Elbakly et al. | Robust low-overhead RF-based localization for realistic environments | |
| WO2016131467A1 (en) | Providing an indication of a heading of a mobile device | |
| CN114698094B (zh) | 一种数据处理方法及装置 |
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 |