CN111142095A - 一种室内定位系统、方法和装置 - Google Patents
一种室内定位系统、方法和装置 Download PDFInfo
- Publication number
- CN111142095A CN111142095A CN202010046047.7A CN202010046047A CN111142095A CN 111142095 A CN111142095 A CN 111142095A CN 202010046047 A CN202010046047 A CN 202010046047A CN 111142095 A CN111142095 A CN 111142095A
- Authority
- CN
- China
- Prior art keywords
- signal
- sound
- beacon node
- upper computer
- node generator
- 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
Images
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
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/14—Systems for determining distance or velocity not using reflection or reradiation using ultrasonic, sonic, or infrasonic waves
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明实施方式公开了一种室内定位系统、方法和装置。该系统包括:信标节点发生器,布置在室内空间中的待定位设备上,所述信标节点发生器与预定频率相对应;上位机,用于接收针对所述待定位设备的定位指令,基于所述定位指令控制所述信标节点发生器发出具有所述预定频率的第一声音信号;信号接收器,布置在适配于从所述信标节点发生器接收声音的预定位置处,用于将采集到的第二声音信号发送到所述上位机;其中所述上位机,还用于当从所述第二声音信号中提取出具有预定频率的第一声音信号时,基于所述预定位置为所述待定位设备定位。本发明实施方式通过提取特定声音确定待定位设备的位置,尤其适用于室内环境,而且不受工作场合网络的影响。
Description
技术领域
本发明涉及设备定位技术领域,更具体的说,涉及一种室内定位系统、方法和装置。
背景技术
随着信息技术的发展,楼宇内拥有人员综合性信息化的管理平台已成为必然。然而,现在的楼宇设备管理大多数仍为人工模式。传统的人工管理模式管理效率低,管理方法繁琐。特别是,大型的集团办公、医院、研究所由于工作需求经常移动,传统的登记制度并不能很好的管理,不能清楚掌握设备的位置情况,给设备管理人员的管理带来一定的难度。
在室内环境无法使用卫星定位时,室内定位技术作为卫星定位的辅助定位,可以解决卫星信号到达地面时较弱、不能穿透建筑物的问题。常见的室内无线定位技术包括Wi-Fi定位。Wi-Fi定位采用经验测试和信号传播模型相结合的方式,对已接入的移动设备进行位置定位。然而,Wi-Fi接入点通常都只能覆盖半径90米左右的区域,而且很容易受到周边网络信号的干扰,从而影响其精度。
发明内容
本发明提出一种室内定位系统和方法,不受周边网络信号的干扰,提高定位精度。
本发明实施方式的技术方案如下:
一种室内定位系统,该系统包括:
信标节点发生器,布置在室内空间中的待定位设备上,所述信标节点发生器与预定频率相对应;
上位机,用于接收针对所述待定位设备的定位指令,基于所述定位指令控制所述信标节点发生器发出具有所述预定频率的第一声音信号;
信号接收器,布置在适配于从所述信标节点发生器接收声音的预定位置处,用于将采集到的第二声音信号发送到所述上位机;
其中所述上位机,还用于当从所述第二声音信号中提取出具有所述预定频率的第一声音信号时,基于所述预定位置为所述待定位设备定位。
在一个实施方式中,所述信标节点发生器的数目为N,所述待定位设备的数目为N,每个信标节点发生器与该信标节点发生器布置到的待定位设备一一对应;所述N为至少为2的正整数;其中所述信号接收器的数目与所述室内空间中的预定区域的数目相同。
在一个实施方式中,其中所述预定区域中布置有至少两个信号接收器;
所述上位机,还用于当从所述预定区域中的至少两个信号接收器所提供的、各自的第二声音信号中分别提取出具有所述预定频率的第一声音信号时,基于所述至少两个信号接收器的各自位置确定所述待定位设备的位置。
在一个实施方式中,所述上位机,用于基于具有深度神经网络结构的标定声音分离模型,从所述第二声音信号中提取出具有所述预定频率的第一声音信号;
其中所述标定声音分离模型被训练数据所训练,所述训练数据包括噪声与标定语音基于预定的信噪比的叠加语音。
在一个实施方式中,所述深度神经网络结构包含输入层、池化层及布置在所述输入层与所述池化层之间的一维卷积层;其中所述一维卷积层适配于提取隐藏在语音信号中的抽象特征。
一种室内定位方法,包括:
使能上位机接收针对布置在室内空间中的待定位设备的定位指令,基于所述定位指令控制布置在所述待定位设备上的、与预定频率相对应的信标节点发生器发出具有所述预定频率的第一声音信号;
使能布置在适配于从所述信标节点发生器接收声音的预定位置处的信号接收器将采集到的第二声音信号发送到所述上位机;
使能当所述上位机从所述第二声音信号中提取出具有所述预定频率的第一声音信号时,基于所述预定位置为所述待定位设备定位。
在一个实施方式中,所述信标节点发生器的数目为N,所述待定位设备的数目为N,每个信标节点发生器与该信标节点发生器布置到的待定位设备一一对应;所述N为至少为2的正整数;其中所述信号接收器的数目与所述室内空间中的预定区域的数目相同。
在一个实施方式中,所述述预定区域中布置有至少两个信号接收器;该方法还包括:
使能所述上位机从所述预定区域中的至少两个信号接收器所提供的、各自的第二声音信号中分别提取出具有所述预定频率的第一声音信号时,基于所述至少两个信号接收器的各自位置确定所述待定位设备的位置。
在一个实施方式中,其中所述上位机基于具有深度神经网络结构的标定声音分离模型,从所述第二声音信号中提取出具有所述预定频率的第一声音信号;所述标定声音分离模型被训练数据所训练,所述训练数据包括噪声与标定语音基于预定的信噪比的叠加语音。
在一个实施方式中,所述深度神经网络结构包含输入层、池化层及布置在所述输入层与所述池化层之间的一维卷积层;其中所述一维卷积层适配于提取隐藏在语音信号中的抽象特征。
一种室内定位装置,包括处理器和存储器;
所述存储器中存储有可被所述处理器执行的应用程序,用于使得所述处理器执行如上任一项所述的室内定位方法。
一种计算机可读存储介质,其中存储有计算机可读指令,该计算机可读指令用于执行如上任一项所述的室内定位方法。
从上述技术方案可以看出,在本发明实施方式中,该系统包括:信标节点发生器,布置在室内空间中的待定位设备上,信标节点发生器与预定频率相对应;上位机,用于接收针对待定位设备的定位指令,基于定位指令控制信标节点发生器发出具有预定频率的第一声音信号;信号接收器,布置在适配于从信标节点发生器接收声音的预定位置处,用于将采集到的第二声音信号发送到上位机;其中上位机,还用于当从第二声音信号中提取出具有预定频率的第一声音信号时,基于预定位置为待定位设备定位。可见,本发明实施方式通过提取特定声音确定待定位设备的位置,尤其适用于室内环境,而且不受工作场合网络的影响,从而提高了定位精度。
而且,本发明实施方式既可以通过单个信号接收器实现针对待定位设备的大致定位,还可以通过多个信号接收器实现针对待定位设备的精确定位。
附图说明
图1为根据本发明实施方式的室内定位系统的结构图。
图2为根据本发明实施方式室内定位系统的示范性示意图。
图3为根据本发明实施方式室内定位方法的流程图。
图4为根据本发明实施方式基于改进DNN结构的语音分离示意图。
图5为根据本发明实施方式数据预处理的示意图。
图6为根据本发明具有存储器-处理器架构的室内定位装置的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步的详细描述。
为了描述上的简洁和直观,下文通过描述若干代表性的实施方式来对本发明的方案进行阐述。实施方式中大量的细节仅用于帮助理解本发明的方案。但是很明显,本发明的技术方案实现时可以不局限于这些细节。为了避免不必要地模糊了本发明的方案,一些实施方式没有进行细致地描述,而是仅给出了框架。下文中,“包括”是指“包括但不限于”,“根据……”是指“至少根据……,但不限于仅根据……”。由于汉语的语言习惯,下文中没有特别指出一个成分的数量时,意味着该成分可以是一个也可以是多个,或可理解为至少一个。
在本发明实施方式中,提出一种基于声音提取的室内定位技术方案,尤其适用于楼宇办公场所,例如研究所的实验室区域、医院化验区域等针对重要设备的定位管理应用中。本发明实施方式采用信标节点发生器发出具有预定标定频率的音频信号,信号接收器接收包含背景噪声和该音频信号的混合音频并传输至上位机进行标定位置。相比较现有技术中广泛采用的WI-FI定位技术,本发明实施方式可以不受工作场合网络影响,从而保证高定位精度。
图1为根据本发明实施方式的室内定位系统的结构图。
如图1所示,该系统包括:
信标节点发生器102,布置在室内空间100中的待定位设备101上,信标节点发生器102与预定频率相对应;
上位机104,用于接收针对待定位设备101的定位指令,基于定位指令控制信标节点发生器102发出具有预定频率的第一声音信号;
信号接收器103,布置在适配于从信标节点发生器102接收声音的预定位置处,用于将采集到的第二声音信号发送到上位机104;
其中上位机104,还用于当从第二声音信号中提取出具有预定频率的第一声音信号时,基于预定位置为待定位设备101定位。
其中:室内空间100优选为楼宇环境中的室内空间,比如研究所的实验室区域、医院化验区域、写字楼内,等等。待定位设备101为具有定位需求的关键设备,比如可以为医院内的医疗设备,例如显微镜、心脏除颤起搏设备、人工呼吸机、超声雾化器、电磁吸铁器、玻璃体切割器、血液成人分离器,等等。待定位设备101还可以为写字楼内的办公设备,例如电脑、打印机、文件柜、保险柜,等等。
以上示范性描述了室内空间100和待定位设备101的典型实例,本领域技术人员可以意识到,这种描述仅是示范性的,并不用于对本发明实施方式的保护范围构成限定。
信标节点发生器102布置在待定位设备101上。比如,可以将信标节点发生器102通过粘结等方式固定在待定位设备101的壳体。具体地,信标节点发生器102可以实施为无源设备或有源设备。
信标节点发生器102与预定频率相对应。优选地,在信标节点发生器102中保存标定语音,该标定语音具有该预定频率。
上位机104优选包含人机交互界面(HMI)。上位机104基于HMI从本地用户或远程用户接收针对待定位设备101的定位指令,并控制信标节点发生器102发出具有预定频率的第一声音信号。
比如,定位指令中包含期望被定位设备所对应的频率。上位机104基于定位指令中所包含的频率,查询对应于该频率的信标节点发生器102,并向该信标节点发生器102发出命令,以指令信标节点发生器102发出标定语音,即发出具有预定频率的第一声音信号。
上位机104可以实施为具有运算能力的智能设备,比如包括但是不局限于:智能手机、掌上电脑、个人电脑(PC)、平板电脑或个人数字助理(PDA),等等。可选地,上位机104还可以实施为布置在云端的服务器。
在一个实施方式中,上位机104与信标节点发生器102布置在相同的局域网中,上位机104可以基于该局域网连接控制信标节点发生器102发出具有预定频率的第一声音信号。
在一个实施方式中,信标节点发生器102的数目为N,待定位设备101的数目为N,每个信标节点发生器102与该信标节点发生器102布置到的待定位设备101一一对应;其中N为至少为2的正整数;其中信号接收器103的数目与室内空间100中的预定区域的数目相同。
通常情况下,待定位设备101的数目为多个,信标节点发生器102的数目相应也为多个。各个待定位设备101的信标节点发生器102,分别对应于各不相同的预定频率。而且,可以将室内空间划分为若干个预定区域,并在每个预定区域中布置该预定区域内的所有信标节点发生器所共用的信号接收器。
举例:假定写字楼共有五层,可以将每层确定为一个预定区域,并在每层都设置一个该层内所有信标节点发生器共用的信号接收器。假定第三层的信号接收器为信号接收器A,第三层不同位置分布有10个待定位设备,分别为待定位设备1~待定位设备10。相应的,信标节点发生器的数目也为10个,分别为信标节点发生器1~信标节点发生器10。信标节点发生器1~信标节点发生器10分别布置在各自对应的待定位设备上(假定信标节点发生器的编号与所布置到的待定位设备的编号一致)。而且,每个待定位设备的信标节点发生器,分别对应于各不相同的预定频率。假定信标节点发生器1~信标节点发生器10依次对应的频率分别为11赫兹(HZ)、12HZ、13HZ、14HZ、15HZ、16HZ、17HZ、18HZ、19HZ和20HZ。
在上位机中保存有预定区域与预定区域中所布置的信号接收器的对应关系,比如保存有每个信号接收器与其布置楼层的对应关系,以及各个楼层内每个信标节点发生器的对应频率与该信标节点发生器编号之间的对应关系。而且,在上位机中优选还保存有每个信号接收器的具体位置,或上位机可以访问保存有各个信号接收器的具体位置的GIS服务器以查询各个信号接收器的具体位置。
情景1:位于上位机104附近的本地用户期望定位待定位设备。
比如,上位机104基于触摸屏形式的HMI从本地用户接收到对待定位设备5的定位指令,该定位指令中包含期望被定位设备所对应的频率(即15HZ)。上位机104基于定位指令中所包含的频率,查询出对应于该频率的信标节点发生器,即为信标节点发生器5。上位机基于局域网向该信标节点发生器5发出命令,以指令信标节点发生器5发出标定语音,即发出具有15HZ的第一声音信号。第三层的信号接收器A接收到该15HZ的第一声音信号后,向上位机发送包含信号接收器A处的背景噪声和第一声音信号的第二声音信号。优选地,在第二声音信号中包含信号接收器A的标识。
上位机从信号接收器A接收到第二声音信号后,基于信号接收器A的标识即可确定待定位设备5位于第三层,而且当从第二声音信号中提取15HZ的第一声音信号时,即可确定出第一声音信号由信标节点发生器5发出。上位机中还保存有每个信号接收器的具体位置。因此,上位机可以查询出信号接收器A的位置,即可确定待定位设备5的大致位置。
情景2:可访问上位机104的远程用户期望定位待定位设备。
比如,上位机104基于与远程用户具有互联网连接的HMI接收到对待定位设备5的定位指令,该定位指令中包含期望被定位设备所对应的频率(即15HZ)。上位机104基于定位指令中所包含的频率,查询出对应于该频率的信标节点发生器,即为信标节点发生器5。上位机基于局域网向该信标节点发生器5发出命令,以指令信标节点发生器5发出标定语音,即发出具有15HZ的第一声音信号。第三层的信号接收器A接收到该15HZ的第一声音信号后,向上位机发送包含信号接收器A处的背景噪声和第一声音信号的第二声音信号。优选地,在第二声音信号中包含信号接收器A的标识。
上位机从信号接收器A接收到第二声音信号后,基于信号接收器A的标识即可确定待定位设备5位于第三层,而且当从第二声音信号中提取15HZ的第一声音信号时,即可确定出第一声音信号由信标节点发生器5发出。GIS服务器保存有每个信号接收器的具体位置。上位机访问GIS服务器以查询出信号接收器A的位置,即可确定待定位设备5的大致位置。
以上示范性描述了定位待定位设备的典型实例,本领域技术人员可以意识到,这种描述仅是示范性的,并不用于限定本发明实施方式的保护范围。
在上述定位方式中,基于信标节点发生器所在的预定区域内的单个信号接收器确定出待定位设备的大致位置。当预定区域中布置有至少多个信号接收器时,可以针对待定位设备执行更精确的定位。
在一个实施方式中,预定区域中布置有至少两个信号接收器;上位机,还用于当从预定区域中的至少两个信号接收器所提供的、各自的第二声音信号中分别提取出具有预定频率的第一声音信号时,基于至少两个信号接收器的各自位置确定所述待定位设备的位置。具体地,当预定区域中的至少两个信号接收器接收到该预定区域中一个信标节点发生器发出的信号后,由于信标节点发生器距离至少两个信号接收器(如同人的两只耳朵)的距离不同,至少两个信号接收器接收到的声音之间就产生了强度差,其中距离远的强度弱,距离近的强度强,通过此强度差便可计算信标节点发生器的具体方位。
可见,通过至少两个信号接收器的各自位置,可以针对待定位设备的进行精确定位。
在一个实施方式中,上位机,用于基于具有深度神经网络结构(Deep NeuralNetworks,DNN)的标定声音分离模型,从第二声音信号中提取出具有预定频率的第一声音信号;其中标定声音分离模型被训练数据所训练,训练数据包括噪声与标定语音基于预定的信噪比的叠加语音。优选的,深度神经网络结构包含输入层、池化层及布置在输入层与池化层之间的一维卷积层;其中一维卷积层适配于提取隐藏在语音信号中的抽象特征。
下面结合具体实例对本发明进行具体阐述。
图2为根据本发明实施方式室内定位系统的示范性示意图。该定位系统包括信标节点发生器1、信号接收器2、上位机3、GIS地图服务器4、无线路由器5和协调器6。
如图2所示,室内定位空间可以包含多个预定区域(虚线框所示)。每个预定区域内的多个信标节点发生器1所发出的声音信号,可以被该预定区域的信号接收器2所接收。而且,多个信号接收器2对应于一个路由器。各个路由器对应于一个协调器6。
需要进行管理的重要设备分别安装有信标节点发生器1。每个信标节点发生器1都包含第一处理芯片、存储器、音频驱动电路以及音频发生器,其中存储器与第一处理芯片连接,第一处理芯片通过音频驱动电路与音频发生器连接。各个信标节点发生器1的对应频率都记录在上位机3中。当需要寻找设备时,上位机3发送命令,以控制该设备对应频率的信标节点发生器发出声音。在设备所在的各个区域(比如每个房间)内分别布置有信号接收器2,并把各个信号接收器2的位置记录在上位机3中。信号接收器2包括第二处理芯片、声源采集器以及网络通信模块;声源采集器以及网络通信模块与第二处理芯片连接;信号接收器2通过网络通信模块连接通信网关与上位机3以及GIS地图服务器4连接实现数据通信;声源采集器包括声音传感器、信号滤波器以及信号放大器,其中声音传感器、信号滤波器以及信号放大器依次电性连接并接入第二处理芯片;当上位机3发送命令时,各个信号接收器2的声源采集器对所在区域的声音进行提取。
楼宇区域内设置有若干无线路由器5,楼宇区域内的声源采集器通过无线通信模块构成无线节点与区域范围内的无线路由器在统一的通信协议下自组无线通信网络。无线路由器5连接协调器6,协调器6接入上位机3以及GIS地图服务器4的局域网关实现通信连接。
系统的信号接收处理包括:无线路由器5连接协调器6,协调器6接入上位机3以及GIS地图服务器4的局域网关以实现通信连接。当声音采集器采集到标定声音的信标节点发生器发出的声音后,通过无线通信网络向上位机3发送包含背景噪声和标定声源的采集语音。系统的结果展示处理包括:上位机3接收到声源采集器发出的信号,分离出标定声音,然后向GIS地图服务器4发送查询消息,GIS地图服务器4在接收到查询消息后,显示接收到包含该标定声音的采集语音的信号接收器的位置。
由于很多楼宇噪声较多,因此需要对采集到的声源进行分离提取。本发明优选采用对现有基于DNN的语音分离的改进方法,即在DNN结构的输入层和隐藏层之间增加一个一维的卷积层。此框架由输入层、一维卷积层、池化层和若干全连接层组成。卷积层可以对输入的语音帧级特征进行建模,自动学习隐藏在语音信号中的抽象特征;池化层利用池化函数减少中间特征的维度,能够降低神经网络训练时可能出现的过拟合的风险;全连接层用来挖掘混合语音特征和理想目标之间的非线性映射关系,从而实现语音的分离。
图4为根据本发明实施方式基于改进DNN结构的语音分离示意图。在图4中,(A)表示输入特征图组成示意图;(B)表示此框架的一半结构图(此处只画了全连接层的情况)。假设卷积预处理过程中卷积核的数量为3,卷积核的大小为5*1,池化窗口大小为2*1,第一个全连接层将上一层中的所有特征图展平,然后再和其他全连接层或者输出层连接。
首先对各个标定音频做预处理:可以采用基于IEEE Corpus的语音数据集。该语料含有720个语音样本。随机选择600条语音作为训练的语音数据,其余的120条语音作为各个信标节点发生器标定的语音数据。如若有大量的设备,可以选择另外的语料库,如Aishell-1,其中包含近100万条语料,通过深度学习可提取其特征,输出一段高维向量。训练的语音数据和标定语音数据没有重叠。训练中的噪音数据集都是来自NOISEX-92噪声库的不平稳噪声。可以选三种作为训练噪声,分别是餐厅嘈杂噪声、工厂车间噪声,和驱逐舰机舱噪声,等等。
模型参数设置:此模型的网络结构包含三个中间层,一个一维的卷积层和两个全连接层,在训练中每个全连接层都设置1024个节点,激活函数选择sigmoid函数,用标准的反向传播算法进行训练,并用随机梯度下降(SGD)算法进行优化,训练过程的最大迭代次数设置为20.选取64通道的GF特征及其以及一阶差分组合得到的特征图作为语音输入特征,特征窗口选为1,即每帧样本对应的输入特征维度为128*1。分离目标选择常用的理想二值掩蔽IBM。把噪声数据和训练语音数据进行叠加产生训练集。语音和噪声进行混合的输入信噪比选取-5dB、-2dB、0dB、5dB和10dB五种情况。将语音信号的输入特征和理想目标作为模型的输入和输出,为此需要对数据集进行预处理。
图5为根据本发明实施方式数据预处理的示意图。
由图5可见:
第一步:对已有的语音和噪音数据以16KHz(可自选)频率进行重采样,使采样频率统一。
第二步:将固定采样频率的语音和噪声数据按照设定的信噪比进行预混合,构建训练数据集。
第三步:将所有数据归一化,使每个向量维度具有零均值和单位方差。
第四步:按照交叠分段的方法进行分帧加窗。
第五步:利用时频分解法将一维的时域信号转化为二维偶的时频信号。
第六步:提取混合信号的时频特征作为模型训练的样本数据,并计算分离语音的时频掩蔽目标作为样本标签。
因此,本发明实施方式将IBM作为语音的分离目标,即把语音分离问题作为一个分类问题看待,此时分类精确度作为模型的性能评价指标是一种直观的选择,但是只用分类精确度并不能很好的说明问题,可以直接比较理想二值掩蔽和模型估计得到的理想二值掩蔽,检验分离结果的准确性,即HIT-FA(命中率-误报率)指标,可选用HIT-FA和语音感知质量评价(PESQ指标)作为系统性能的客观评价指标。HIT-FA指标越高,表明系统的分离性能越好,得到语音分离的可懂度越高。PESQ指标是对语音的主观感知质量的客观评价方式,即通过设定客观的计算指标去模拟人耳的主观感知质量。PESQ指标的取值范围一般在-0.5到4.5之间,取值越高代表语音质量越好。
示范性对比0dB信噪比分别与三种噪声混合时得到的HIT-FA结果,可以发现:当网络深度相同时,本发明实施方式明显更优。与传统的DNN相比,本发明实施方式提高了6.72%、8.31%、2.62%,说明可懂度提升。这种结果的改善主要归因于框架中的卷积预处理操作可以自动学习语音信号中的隐藏的抽象特征。其中,一维卷积层可以提取训练过程中叠加语音(作为训练数据)中的抽象的可区分性特征,也可以提取预测过程中叠加语音(作为预测数据)中的抽象的可区分性特征。
本发明实施方式还提出了一种室内定位方法。
图3为根据本发明实施方式室内定位方法的流程图。
如图3所示,该方法包括:
步骤301:使能上位机接收针对布置在室内空间中的待定位设备的定位指令,基于所述定位指令控制布置在所述待定位设备上的、与预定频率相对应的信标节点发生器发出具有所述预定频率的第一声音信号。
步骤302:使能布置在适配于从所述信标节点发生器接收声音的预定位置处的信号接收器将采集到的第二声音信号发送到所述上位机。
步骤303:使能当所述上位机从所述第二声音信号中提取出具有所述预定频率的第一声音信号时,基于所述预定位置为所述待定位设备定位。
在一个实施方式中,信标节点发生器的数目为N,所述待定位设备的数目为N,每个信标节点发生器与该信标节点发生器布置到的待定位设备一一对应;所述N为至少为2的正整数;其中所述信号接收器的数目与所述室内空间中的预定区域的数目相同。
在一个实施方式中,预定区域中布置有至少两个信号接收器;该方法还包括:
使能所述上位机从所述预定区域中的至少两个信号接收器所提供的、各自的第二声音信号中分别提取出具有所述预定频率的第一声音信号时,基于所述至少两个信号接收器的各自位置确定所述待定位设备的位置。
在一个实施方式中,上位机基于具有深度神经网络结构的标定声音分离模型,从所述第二声音信号中提取出具有所述预定频率的第一声音信号;所述标定声音分离模型被训练数据所训练,所述训练数据包括噪声与标定语音基于预定的信噪比的叠加语音。
在一个实施方式中,深度神经网络结构包含输入层、池化层及布置在所述输入层与所述池化层之间的一维卷积层;其中所述一维卷积层适配于提取隐藏在语音信号中的抽象特征。
下面参照图2所示系统架构,描述本发明的典型实施例。
实施例一:设备经常移动且不需精确只需定位某个小区域的楼宇(举例:医院)
步骤1:首先,在医院的各个区域(比如各个房间)分别安装各自的信号接收器2。上位机3和GIS地图服务器4记录各个信号接收器的位置(比如信号接收器2在医院会议室)。
步骤2:当需要添加一个新的设备如显微镜时,在显微镜上安装一个信标节点发生器1(此信标节点发生器的频率可以自行设置),并在上位机3上标记器发生声音的频率(比如发出10Hz的频率)。
步骤3:当显微镜失踪时,用户向上位机3发出定位命令。上位机3收到定位命令后,通过无线网络5向楼宇中各个信标节点发生器发出信号,但只令此10Hz的信标节点发生器中的音频发生器发出声音。
步骤4:所有的信号接收器分别采集声音,上位机接收到各个信号接收器收集的声音,通过模型分离各个语音,例如当会议室的1号信号接收器分离出10Hz的声音时,通过记录的1号信号接收器的位置即可确定显微镜的大致位置。
其工作原理大概如下:第一处理芯片读取存储器存储的标定音频数据信号作用音频驱动电路使得音频发生器发出标定的频率的声音,标定的声音信号由声音传感器采集并经过信号滤波器以及信号放大器进行滤波放大处理并传输至上位机,上位机通过模型分离出标定声音,并传输进GIS地图服务器,GIS地图服务器存储有对应的信号接收器地理位置信息以及对应的信标节点发生器标定的音频信号数据,通过数据匹配技术获得对应的信标节点发生器的地理位置。
实施例二:设备经常移动且需要精确定位的楼宇(举例:医院)。
步骤1:首先在医院各个区域比如各个房间装两个或者两个以上的信号接收器,上位机和GIS地图服务器记录各个信号接收器的位置(比如1号和2号信号接收器在医院会议室)。
步骤2:当需要添加一个新的设备如显微镜时,在显微镜上安装一个信标节点发生器(此信标节点发生器的频率可以咨询设置),并在上位机上标记器发生声音的频率(比如发出10Hz的频率)。
步骤3:当显微镜失踪时,向上位机3发出命令,上位机3收到命令,通过无线网络5向楼宇中各个信标节点发生器发出信号,但只命令此10Hz的信标节点发生器中的音频发生器发出声音。
步骤4:所有的信号接收器分别采集声音,上位机3接收到各个信号接收器收集的声音,通过模型分离各个语音。此时只有会议室的1号和2号信号接收器分离出10Hz的声音,通过记录的1号和2号信号接收器的位置即可确定设备的大致位置。当两个信号接收器接收到发出的信号,由于两个信标节点发生器距离两个信号接收器(如同人的两只耳朵)的距离不同,这在两个信号发生器接收到的声音之间就产生了强度差,距离远的强度弱,距离近的强度强。通过此强度差便可计算信标节点发生器的具体方位。
实施例三:更精确确定设备位置的楼宇(举例:办公楼)
步骤1:首先在办公楼的各个区域比如各个房间装一个信号接收器,上位机和GIS地图服务器记录各个信号接收器的位置(比如1号信号接收器在办公楼会议室)。
步骤2:当需要添加一个新的设备如电脑时,在电脑上装一个信标节点发生器(此信标节点发生器的频率可以自己设置,而且可以发出两种或者两种以上的标定声音),并在上位机上标记器发生声音的频率(比如发出10Hz或者20Hz的频率)。
步骤3:当电脑找不到时,向上位机发出命令,上位机收到命令,通过无线网络向楼宇中各个信标节点发生器发出信号,但此时只命令10Hz的信标节点发生器中的音频发生器发出声音。
步骤4:当设备发出声音后,所有的信号接收器接收声音,上位机接收到各个信号接收器收集的声音,通过模型分离各个语音。模型可能不能达到百分之百的分离,因此当经过一轮分离后,若找不到该10Hz的声音,可以再发出命令,控制20Hz的信标节点发生器发出声音,通过模型分离,可以确定20Hz的位置。通过此方式可显著增加定位的成功率。
本发明实施方式还提出了具有存储器-处理器架构的室内定位装置。
图6为根据本发明具有存储器-处理器架构的室内定位装置的结构图。
如图6所示,具有存储器-处理器架构的室内定位装置包括:处理器601和存储器602;其中存储器602中存储有可被处理器601执行的应用程序,用于使得处理器601执行如上任一项所述的折折叠屏智能设备的任务选择方法。
其中,存储器602具体可以实施为电可擦可编程只读存储器(EEPROM)、快闪存储器(Flash memory)、可编程程序只读存储器(PROM)等多种存储介质。处理器601可以实施为包括一或多个中央处理器或一或多个现场可编程门阵列,其中现场可编程门阵列集成一或多个中央处理器核。具体地,中央处理器或中央处理器核可以实施为CPU或MCU。
需要说明的是,上述各流程和各结构图中不是所有的步骤和模块都是必须的,可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的,可以根据需要进行调整。各模块的划分仅仅是为了便于描述采用的功能上的划分,实际实现时,一个模块可以分由多个模块实现,多个模块的功能也可以由同一个模块实现,这些模块可以位于同一个设备中,也可以位于不同的设备中。
各实施方式中的硬件模块可以以机械方式或电子方式实现。例如,一个硬件模块可以包括专门设计的永久性电路或逻辑器件(如专用处理器,如FPGA或ASIC)用于完成特定的操作。硬件模块也可以包括由软件临时配置的可编程逻辑器件或电路(如包括通用处理器或其它可编程处理器)用于执行特定操作。至于具体采用机械方式,或是采用专用的永久性电路,或是采用临时配置的电路(如由软件进行配置)来实现硬件模块,可以根据成本和时间上的考虑来决定。
本发明还提供了一种机器可读的存储介质,存储用于使一机器执行如本申请所述方法的指令。具体地,可以提供配有存储介质的系统或者装置,在该存储介质上存储着实现上述实施例中任一实施方式的功能的软件程序代码,且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。此外,还可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作。还可以将从存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中,随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作,从而实现上述实施方式中任一实施方式的功能。
用于提供程序代码的存储介质实施方式包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机或云上下载程序代码。
在本文中,“示意性”表示“充当实例、例子或说明”,不应将在本文中被描述为“示意性”的任何图示、实施方式解释为一种更优选的或更具优点的技术方案。为使图面简洁,各图中的只示意性地表示出了与本发明相关部分,而并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”并不表示将本发明相关部分的数量限制为“仅此一个”,并且“一个”不表示排除本发明相关部分的数量“多于一个”的情形。在本文中,“上”、“下”、“前”、“后”、“左”、“右”、“内”、“外”等仅用于表示相关部分之间的相对位置关系,而非限定这些相关部分的绝对位置。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种室内定位系统,其特征在于,该系统包括:
信标节点发生器,布置在室内空间中的待定位设备上,所述信标节点发生器与预定频率相对应;
上位机,用于接收针对所述待定位设备的定位指令,基于所述定位指令控制所述信标节点发生器发出具有所述预定频率的第一声音信号;
信号接收器,布置在适配于从所述信标节点发生器接收声音的预定位置处,用于将采集到的第二声音信号发送到所述上位机;
其中所述上位机,还用于当从所述第二声音信号中提取出具有所述预定频率的第一声音信号时,基于所述预定位置为所述待定位设备定位。
2.根据权利要求1所述的室内定位系统,其特征在于,所述信标节点发生器的数目为N,所述待定位设备的数目为N,每个信标节点发生器与该信标节点发生器布置到的待定位设备一一对应;所述N为至少为2的正整数;其中所述信号接收器的数目与所述室内空间中的预定区域的数目相同。
3.根据权利要求2所述的室内定位系统,其特征在于,其中所述预定区域中布置有至少两个信号接收器;
所述上位机,还用于当从所述预定区域中的至少两个信号接收器所提供的、各自的第二声音信号中分别提取出具有所述预定频率的第一声音信号时,基于所述至少两个信号接收器的各自位置确定所述待定位设备的位置。
4.根据权利要求1所述的室内定位系统,其特征在于,
所述上位机,用于基于具有深度神经网络结构的标定声音分离模型,从所述第二声音信号中提取出具有所述预定频率的第一声音信号;
其中所述标定声音分离模型被训练数据所训练,所述训练数据包括噪声与标定语音基于预定的信噪比的叠加语音。
5.根据权利要求4所述的室内定位系统,其特征在于,所述深度神经网络结构包含输入层、池化层及布置在所述输入层与所述池化层之间的一维卷积层;其中所述一维卷积层适配于提取隐藏在语音信号中的抽象特征。
6.一种室内定位方法,其特征在于,包括:
使能上位机接收针对布置在室内空间中的待定位设备的定位指令,基于所述定位指令控制布置在所述待定位设备上的、与预定频率相对应的信标节点发生器发出具有所述预定频率的第一声音信号;
使能布置在适配于从所述信标节点发生器接收声音的预定位置处的信号接收器将采集到的第二声音信号发送到所述上位机;
使能当所述上位机从所述第二声音信号中提取出具有所述预定频率的第一声音信号时,基于所述预定位置为所述待定位设备定位。
7.根据权利要求6所述的室内定位方法,其特征在于,所述信标节点发生器的数目为N,所述待定位设备的数目为N,每个信标节点发生器与该信标节点发生器布置到的待定位设备一一对应;所述N为至少为2的正整数;其中所述信号接收器的数目与所述室内空间中的预定区域的数目相同。
8.根据权利要求7所述的室内定位方法,其特征在于,所述述预定区域中布置有至少两个信号接收器;该方法还包括:
使能所述上位机从所述预定区域中的至少两个信号接收器所提供的、各自的第二声音信号中分别提取出具有所述预定频率的第一声音信号时,基于所述至少两个信号接收器的各自位置确定所述待定位设备的位置。
9.根据权利要求7所述的室内定位方法,其特征在于,其中所述上位机基于具有深度神经网络结构的标定声音分离模型,从所述第二声音信号中提取出具有所述预定频率的第一声音信号;所述标定声音分离模型被训练数据所训练,所述训练数据包括噪声与标定语音基于预定的信噪比的叠加语音。
10.根据权利要求9所述的室内定位方法,其特征在于,所述深度神经网络结构包含输入层、池化层及布置在所述输入层与所述池化层之间的一维卷积层;其中所述一维卷积层适配于提取隐藏在语音信号中的抽象特征。
11.一种室内定位装置,其特征在于,包括处理器和存储器;
所述存储器中存储有可被所述处理器执行的应用程序,用于使得所述处理器执行如权利要求6至10中任一项所述的室内定位方法。
12.一种计算机可读存储介质,其特征在于,其中存储有计算机可读指令,该计算机可读指令用于执行如权利要求6至10中任一项所述的室内定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010046047.7A CN111142095B (zh) | 2020-01-16 | 2020-01-16 | 一种室内定位系统、方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010046047.7A CN111142095B (zh) | 2020-01-16 | 2020-01-16 | 一种室内定位系统、方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111142095A true CN111142095A (zh) | 2020-05-12 |
CN111142095B CN111142095B (zh) | 2022-02-08 |
Family
ID=70525295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010046047.7A Active CN111142095B (zh) | 2020-01-16 | 2020-01-16 | 一种室内定位系统、方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111142095B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112767931A (zh) * | 2020-12-10 | 2021-05-07 | 广东美的白色家电技术创新中心有限公司 | 语音交互方法及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999055057A2 (en) * | 1998-04-16 | 1999-10-28 | Filetrac A/S | A system for supervision and control of objects or persons |
CN201654224U (zh) * | 2010-03-26 | 2010-11-24 | 北京物资学院 | 基于声波的空间定位系统 |
CN103889052A (zh) * | 2014-03-11 | 2014-06-25 | 南京邮电大学 | 基于特定信标传感节点的智能楼宇定位方法 |
CN104950287A (zh) * | 2015-06-12 | 2015-09-30 | 合肥工业大学 | 一种用于室内定位的超声波-ZigBee系统及方法 |
US20160202343A1 (en) * | 2015-01-09 | 2016-07-14 | Fujitsu Limited | Location information determination system |
WO2018170587A1 (en) * | 2017-03-20 | 2018-09-27 | Takemetuit Inc. | System and method for enabling determination of a position of a receiver within a space |
CN108900965A (zh) * | 2018-06-27 | 2018-11-27 | Oppo广东移动通信有限公司 | 位置提示方法、装置、存储介质及电子设备 |
CN108989551A (zh) * | 2018-06-27 | 2018-12-11 | Oppo广东移动通信有限公司 | 位置提示方法、装置、存储介质及电子设备 |
CN109800724A (zh) * | 2019-01-25 | 2019-05-24 | 国光电器股份有限公司 | 一种扬声器位置确定方法、装置、终端及存储介质 |
CN110068795A (zh) * | 2019-03-31 | 2019-07-30 | 天津大学 | 一种基于卷积神经网络的室内麦克风阵列声源定位方法 |
CN110412510A (zh) * | 2018-04-26 | 2019-11-05 | 苏州触达信息技术有限公司 | 一种预定二维空间内的定位方法和定位系统 |
-
2020
- 2020-01-16 CN CN202010046047.7A patent/CN111142095B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999055057A2 (en) * | 1998-04-16 | 1999-10-28 | Filetrac A/S | A system for supervision and control of objects or persons |
CN201654224U (zh) * | 2010-03-26 | 2010-11-24 | 北京物资学院 | 基于声波的空间定位系统 |
CN103889052A (zh) * | 2014-03-11 | 2014-06-25 | 南京邮电大学 | 基于特定信标传感节点的智能楼宇定位方法 |
US20160202343A1 (en) * | 2015-01-09 | 2016-07-14 | Fujitsu Limited | Location information determination system |
CN104950287A (zh) * | 2015-06-12 | 2015-09-30 | 合肥工业大学 | 一种用于室内定位的超声波-ZigBee系统及方法 |
WO2018170587A1 (en) * | 2017-03-20 | 2018-09-27 | Takemetuit Inc. | System and method for enabling determination of a position of a receiver within a space |
CN110412510A (zh) * | 2018-04-26 | 2019-11-05 | 苏州触达信息技术有限公司 | 一种预定二维空间内的定位方法和定位系统 |
CN108900965A (zh) * | 2018-06-27 | 2018-11-27 | Oppo广东移动通信有限公司 | 位置提示方法、装置、存储介质及电子设备 |
CN108989551A (zh) * | 2018-06-27 | 2018-12-11 | Oppo广东移动通信有限公司 | 位置提示方法、装置、存储介质及电子设备 |
CN109800724A (zh) * | 2019-01-25 | 2019-05-24 | 国光电器股份有限公司 | 一种扬声器位置确定方法、装置、终端及存储介质 |
CN110068795A (zh) * | 2019-03-31 | 2019-07-30 | 天津大学 | 一种基于卷积神经网络的室内麦克风阵列声源定位方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112767931A (zh) * | 2020-12-10 | 2021-05-07 | 广东美的白色家电技术创新中心有限公司 | 语音交互方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111142095B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106465025B (zh) | 用于助听设备的众包推荐 | |
Tarzia et al. | Indoor localization without infrastructure using the acoustic background spectrum | |
CN112020864A (zh) | 麦克风阵列中的智能波束控制 | |
GB2557404A (en) | Processing voice commands based on device topology | |
CN104094132A (zh) | 经由声波纹位置感知的基于区域的存在确定 | |
US20180095949A1 (en) | Customized and contextual translated content for travelers | |
US10642231B1 (en) | Switch terminal system with an activity assistant | |
CN105640748A (zh) | 一种振动导盲衣服 | |
KR20160072489A (ko) | 사용자 단말 장치 및 그의 대상 인식 방법 | |
CN111142095B (zh) | 一种室内定位系统、方法和装置 | |
KR101698369B1 (ko) | 사용자 음성 신호를 이용하는 정보 제공 장치 및 정보 제공 방법 | |
KR20170024631A (ko) | 비콘을 이용한 사업장 내 위치 추정 방법 및 이를 통한 위치 기반 서비스 제공 시스템 및 방법 | |
CN116092497A (zh) | 一种基于知识图谱和人工智能的语义云脑机器人 | |
CN114678117A (zh) | 用于规范手术室人员操作行为的管理方法及装置 | |
CN114360531A (zh) | 语音识别方法、控制方法、模型训练方法及其装置 | |
US11825377B2 (en) | Using Wi-Fi infrastructure to predict locations and contacts | |
Fernández et al. | Indoor location system based on zigbee devices and metric description graphs | |
Kim | Recent advancements in indoor electronic travel aids for the blind or visually impaired: a comprehensive review of technologies and implementations | |
Kojima et al. | Bird song scene analysis using a spatial-cue-based probabilistic model | |
Köping et al. | Improving indoor localization by user feedback | |
Sansano-Sansano et al. | Multimodal Sensor Data Integration for Indoor Positioning in Ambient‐Assisted Living Environments | |
US11641543B2 (en) | Sound source localization for robot | |
Kandil et al. | AmIE: an ambient intelligent environment for assisted living | |
Theodorou et al. | Human–Machine Requirements’ Convergence for the Design of Assistive Navigation Software: Τhe Case of Blind or Visually Impaired People | |
Matos et al. | Wi-Fi fingerprint similarity in collaborative radio maps for indoor positioning |
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 |