CN115004721A - 用于在室内环境中进行物体定位的系统和方法 - Google Patents
用于在室内环境中进行物体定位的系统和方法 Download PDFInfo
- Publication number
- CN115004721A CN115004721A CN202080090685.7A CN202080090685A CN115004721A CN 115004721 A CN115004721 A CN 115004721A CN 202080090685 A CN202080090685 A CN 202080090685A CN 115004721 A CN115004721 A CN 115004721A
- Authority
- CN
- China
- Prior art keywords
- data
- signal propagation
- wireless
- indoor environment
- wireless communication
- 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.)
- Pending
Links
- 230000004807 localization Effects 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 title claims description 37
- 238000004891 communication Methods 0.000 claims abstract description 48
- 239000000284 extract Substances 0.000 claims abstract description 6
- 238000010801 machine learning Methods 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 14
- 230000002776 aggregation Effects 0.000 claims description 10
- 238000004220 aggregation Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 230000002123 temporal effect Effects 0.000 claims description 3
- 230000033001 locomotion Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 230000010363 phase shift Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
-
- 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
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/10—Small scale networks; Flat hierarchical networks
- H04W84/12—WLAN [Wireless Local Area Networks]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
- H04W88/08—Access point devices
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
一种用于在如交通工具、特别是飞行器的客舱等室内环境中进行物体定位的系统，该系统包括：无线通信基础设施，该无线通信基础设施被适配成促进室内环境内经由无线通信网络进行的无线通信并且包括被适配成提供对该室内环境内的无线通信网络的用户设备接入的至少一个无线接入点，其中，该无线接入点进一步被适配成获取在该无线通信网络上沿多条传播路径传输的无线信号的信号传播数据；以及计算元件，该计算元件被配置成分析该信号传播数据并且从该信号传播数据提取定位数据，该定位数据指定位于该室内环境内的物体的位置。
Description
技术领域
本发明涉及一种用于特别是在交通工具尤其是在飞行器的客舱中进行物体定位的系统和方法。
背景技术
尽管本发明可以用于许多应用中，但本发明及其背后的问题将结合载客飞行器进行更详细的解释。然而，所描述的方法和设备同样可以在不同交通工具中以及运输行业的所有部门中使用，例如用于道路交通工具、轨道交通工具、通用飞行器或船只。此外，本文所披露的系统和方法可以用于其他环境，比如跟踪部件流动的自动或半自动装配线。
市场上现有的绝大多数室内定位方法需要在执行定位的区域中安装附加的装备。在交通工具舱内进行物体定位的情况下这可以被认为是劣势，因为附加的装备通常意味着附加的重量和额外的认证。因此，需要找到可以与交通工具舱的具体要求相兼容的更简单的室内定位解决方案。
文档WO 2018/094502 A1描述了一种在被无线网络覆盖的室内区域(例如公寓或其他生活区域)内的智能室内环境中利用有源现成设备进行无设备定位的方法。该方法利用现有的无线通信信号和机器学习技术以便自动检测通往该区域的入口并跟踪感测区域内的移动物体的位置。
Ma等人的文档“WiFi Sensing with Channel State Information:ASurvey[利用信道状态信息进行WiFi感测：调查]”，ACM计算机调查，2019，提供了利用信道状态信息(CSI)进行WiFi感测的信号处理技术、算法、应用和性能结果的概述。CSI表示无线信号如何沿着多条路径以特定载波频率从发射器传播到接收器。例如，CSI可以是表示多路径WiFi信道的幅度衰减和相移的3D复数值矩阵。CSI测量的时间序列可以捕捉到无线信号如何在时域、频域和空间域中行进穿过周围的物体和人，并且因此它可以用于不同的无线感测应用。
发明内容
在这样的背景下，本发明的目的是找到用于例如在室内环境(比如交通工具舱)中对物体进行无源定位的简单、具成本效益和重量效益的解决方案。
这个目的通过具有如权利要求1所述的特征的系统，具有如权利要求12所述的特征的飞行器和具有如权利要求13所述的特征的方法来实现。
根据本发明的方面，一种用于在如交通工具、特别是飞行器的客舱等室内环境中进行物体定位的系统，该系统包括：无线通信基础设施，该无线通信基础设施被适配成促进室内环境内经由无线通信网络进行的无线通信并且包括被适配成提供对该室内环境内的无线通信网络的用户设备接入的至少一个无线接入点，其中，该无线接入点进一步被适配成获取在该无线通信网络上沿多条传播路径传输的无线信号的信号传播数据；以及计算元件，该计算元件被配置成分析该信号传播数据并且从该信号传播数据提取定位数据，该定位数据指定位于该室内环境内的物体的位置。
根据本发明的进一步方面，一种飞行器具有配备根据本发明的系统的客舱。
根据本发明的又一进一步方面，一种用于使用根据本发明的系统在交通工具特别是飞行器的客舱中进行物体定位的方法包括获取获取在所述无线通信网络上沿多条传播路径传输的无线信号的信号传播数据；以及分析所述信号传播数据并且从所述信号传播数据提取定位数据，所述定位数据指定位于所述客舱内的物体的位置。
本发明的一种理念是使用飞行器和其他典型交通工具舱内部已经存在的无线通信架构来对相应舱的室内环境中的可移动和不可移动的物体进行无源定位。为此，本发明利用设置在交通工具中的无线接入点的通信设备的硬件对用户设备(例如像智能手机、平板计算机的个人电子设备)进行无线互联网接入。这是基于如下发明洞察力：这些通信设备大部分能够获取存在于通过舱的无线通信网络传输的无线信号的所有信息并且适用于跟踪和/或定位舱内的物体。在许多应用中，为了使得系统能够用于物体定位，仅调整和/或更新这些无线接入点的相应通信设备的软件就足够了。用于在不同的接入点之间交换信息的射频信号(例如RF符号的幅度和相位)然后可以被用于对环境进行感测和指纹识别并且检测变化。还可以通过分析由于物体移动(例如多普勒移位)、包括振动和旋转而导致的无线电信号随时间的变化来检测变化。这些变化然后可以用于预测物体的位置。
本发明因此能够在无需附加的电子设备(无源定位)并且无需添加专用的感测装备的情况下对交通工具舱中的物体进行定位。这使得在相应物体上无需附加装备的情况下、对如乘客遗忘的行李等物体(例如，或像救生衣等安全装备)进行定位成为可能。在飞行器操作期间，本发明将减少机舱工作人员的工作量并加快周转时间。
本发明通常可以被用于定位如飞行器舱的交通工具舱内部的人、物体和小移置(例如振动)。这些定位能力可以用于使得总装配线上的飞行器装置(例如传感器)的部署变得容易，在飞行器操作期间支持机组活动(例如着陆后检查飞行器状态)，或用于预测性维护。
本发明的计算元件可以安装在如交通工具舱的室内环境内的任何地方，并且可以与无线接入点进行无线或有线数据通信。该系统因此可以提供分布式数据分析方法。然而，该计算元件也可以被设置在相应接入点处。此外，该计算元件甚至可以被设置在室内环境的外部。
在从属权利要求中可以找到本发明的有利实施例和改进。
根据本发明的实施例，无线通信基础设施可以包括多个无线接入点。该信号传播数据可以包括无线接入点的相关数据。
本发明基本上借助一个或多个接入点发挥作用。然而，在存在多个接入点时，提出的方法能够利用来自放置在如交通工具舱的室内环境内部的多个相邻的接入点的指纹的空间特征。相邻指纹之间的这种空间关系使其能够稳健地抵御信号变化。进一步，还可以应对如非视线环境的挑战性场景。基于从不同的无线接入点收集的数据，可以应用预处理和正规化过程以便提取相关特征。
为了增加系统的准确性，可以执行通过室内环境中可用的各种接入点生成的数据的相关。可以根据它们的测量时间来使收集的数据相关，以便在给定时间对环境进行共同测量。多个接入点的这种使用使得能够从不同的测量点覆盖室内环境的更大部分，这意味着已进行室内定位的区域将具有更好的覆盖。这在具有其他物体的室内环境中尤其有帮助，因为那些其他物体可能会部分阻挡RF信号的传播。多个接入点也可以用于增加视线和非视线情境中的系统的准确性。
根据本发明的实施例，信号传播数据可以包括信道状态信息(CSI)。
在无线通信中，CSI表征了无线信号如何以特定载波频率从发射器传播到接收器。这些信息表示例如散射、衰落和随距离的功率衰退等组合效应。CSI振幅和相位受到包括振幅衰减和相移等多路径效应的影响。具体地，CSI受到发射器、接收器和周围物体的移置和移动的影响。换句话说，CSI捉到环境的无线特性。借助于数学建模或机器学习算法，这些特性可以用于不同的感测应用。
根据本发明的实施例，信号传播数据可以包括客舱内的无线信号的空间、频率和/或时间变化。
例如，时域中的CSI幅度变化对于不同的移动具有不同的模式，这些模式可以用于运动(包括振动和旋转)检测。空域和频域中的CSI相移(即，发射/接收天线和载波频率)与信号传输延迟和方向有关，这可以用于物体定位和跟踪。
根据本发明的实施例，每个无线接入点可以是根据IEEE 802.11标准操作的标准商用无线设备。然而，在其他实施例中，本发明也可以依赖于其他无线标准。
例如，通信架构可以基于如IEEE 802.11n或IEEE 802.11ac等标准技术。
根据本发明的实施例，计算元件可以被配置成对信号传播数据执行机器学习算法。机器学习算法可以被配置成基于使用客舱内的物体位置测量系统生成的训练数据来提取位置数据。替代性地或附加地，机器学习算法可以被配置成基于使用客舱内的预定测试物体布置生成的训练数据来提取位置数据。相应地，该方法可以包括对所述信号传播数据执行机器学习算法，从而基于使用所述客舱内的物体位置测量系统和预定测试物体布置中的至少一个生成的训练数据来提取所述位置数据。
通过这些无线接入点获取的数据可以被传递给对室内环境中的物体的位置进行预测的机器学习算法。为了训练算法，可以首先执行训练阶段，其中，测量物体的位置。例如，为了找到这个位置，可以使用外部定位系统。这个外部定位系统可以基于标准计算机视觉方法。使用一个或多个相机和标记器，可以标记特定物体并且可以容易地提取它们的位置。另一种可能的外部定位系统可以基于加速度器或陀螺仪的使用，加速度器或陀螺仪用于通过变换外部传感器的信息来计算物体的移置。在给出物体的原始坐标(例如飞行器入口门)的情况下，可以根据方向移置来估计最终位置。
然后可以使用基于如计算机视觉或加速度器等外部定位系统计算的位置以便训练机器学习算法。然后可以在给定的目标环境中执行多次测量，其中，物体在整个环境中移动，同时记录了来自无线网络架构的原始信息。标准的优化方法然后可以被用于训练机器学习算法。一旦训练结束，便可以执行评估阶段。然后可以仅使用来自无线网络架构的直接预测物体的位置。
根据本发明的实施例，机器学习算法可以被配置成提取室内环境内的静态物体的位置。相应地，该方法可以包括提取室内环境内的静态物体的位置。然而应理解，机器学习算法也可以提取移动/行动物体的位置。
例如，可以对如客舱的室内环境内的预定测试物体布置来训练机器学习算法。一旦来自这个测试物体布置的物体在系统的操作期间被移位到舱内的不同位置或完全从舱移除，与训练阶段相比信号传播数据将发生变化。如果物体在移动后是静态的，则这些变化甚至将在信号传播数据中有所反映。此外，在训练阶段期间未考虑的舱内的附加(静态的)物体可能会影响系统的操作期间的信号传播数据。
根据本发明的实施例，信号传播数据可以被提供为无线通信基础设施的物理层上的原始数据。
例如，可以使用来自通信层的物理层(呈IQ样本的形式)的原始数据，比如信道状态信息(CSI)。此外，可以利用IQ样本的随时间的变化。在使用多个无线接入点的情况下，收集的数据可以根据它们的测量时间被相关以便在给定时间对环境进行共同测量。
根据本发明的实施例，该系统可以进一步包括数据聚合单元，该数据聚合单元与这些无线接入点无线通信并且被配置成收集这些无线接入点的信号传播数据并且将其传送到计算元件。每个无线接入点可以被配置成预处理在相应无线接入点处生成的原始数据并且将其传送到数据聚合单元。
因此，为了高效地处理来自不同接入点的数据并且避免通信基础设施因附加的感测数据而过载，可以使用分布式方法来执行处理。这个解决方案使得能够根据接入点的数量容易地扩展本发明。每个接入点可能已经在本地预处理了它的原始数据，之后才将其发送到聚合单元。该聚合单元然后将收集由所有接入点产生的预处理的数据以便对位置进行最终预测。
附图说明
将参考附图中描绘的示例性实施例更详细地解释本发明。
这些附图被包括在内以提供对本发明的进一步理解，并且被并入本说明书中且构成本说明书的一部分。附图展示了本发明的实施例，并且与本说明书一起用于解释本发明的原理。本发明的其他实施例和本发明的许多既定优点将容易理解，因为通过参考下面的详细描述这些实施例和优点将变得更容易理解。附图的元件不一定相对于彼此成比例。在附图中，除非另有说明，否则相似的附图标记表示相似的或功能上相似的部件。
图1示出了根据本发明的实施例的用于在飞行器的客舱中进行物体定位的系统的示意图。
图2示出了用于使用图1中的系统进行物体定位的方法的示意性流程图。
图3示出了具有配备有图1中的系统的客舱的飞行器的示意性侧视图。
图4示出了图1中系统的不同示意图。
具体实施方式
尽管本文中展示并描述了特定的实施例，但是本领域的普通技术人员应该理解的是，在不脱离本发明的范围的情况下，可以用各种替代性的和/或等效的实施方式来代替所示出并描述的特定实施例。一般来说，本申请旨在覆盖本文所讨论的特定实施例的任何修改或改变。
图1和图4示出了用于在室内环境101中进行物体定位的系统10的示意图。示例性地，根据本发明的实施例，结合飞行器100(例如，图3中描绘的载客飞行器100)的客舱101(作为室内环境)来解释系统10。
系统10包括无线通信基础设施，该无线通信基础设施用于促进客舱101内经由无线通信网络2进行的无线通信并且包括用于提供对客舱101内的无线通信网络2的用户设备接入的多个无线接入点1。为此，每个无线接入点1包括例如根据IEEE 802.11标准(例如IEEE 802.11n或IEEE 802.11ac或类似标准)进行操作的标准商用无线设备。这个无线通信基础设施与无线通信系统相对应，因为它们广泛用于交通工具舱、特别地飞行器舱内、为机组人员和/或乘客提供无线计算和/或通信接入(例如接入到互联网)以及用于无线传感器网络和机器对机器通信。
然而，与这些众所周知的系统相反，无线接入点1进一步被适配成获取在所述无线通信网络2上沿多条传播路径传输的无线信号3的信号传播数据。信号传播数据可以特别地包括信道状态信息(CSI)和关于客舱101内的无线信号3的空间、频率和时间变化的类似定量信息。这些数据可以用于监测被无线信号穿过的室内区域，并确定在客舱101内是否发生了物体5的位置的任何变化。
例如，可以分析在无线接入点1之间交换的射频信号的幅度和相位，以获得客舱101的指纹，并且检测这个环境内的变化，这些变化然后可以用于预测客舱101内的物体5的位置。此外，还可以分析由于物体5的移动引起的无线电信号随时间的变化(例如，经由多普勒移位)，以便跟踪客舱101内的移动物体5。首要目标是通过使用基于机器学习、来自多个测量点的数据的聚合和分布式处理的指纹识别技术在客舱101(参见图1和图4)中无源定位物体5。
为此，这些无线接入点1将信号传播数据处理为无线通信基础设施的物理层上的原始数据(例如呈IQ样本的形式)。使收集的数据根据它们的测量时间来相关。基于从不同的无线接入点1收集的数据，应用预处理和正规化过程以便提取相关特征。也是在这个步骤执行数据的格式化以供使用机器学习技术来进行处理。在图4的示例中，每个接入点1都包括用于这个预处理步骤的处理单元6(进一步参见下文)。
为了分析获取的信号传播数据，系统10进一步包括与无线接入点1无线通信的数据聚合单元6(参见图4)。数据聚合单元6接收来自无线接入点1的预处理的信号传播数据，并将其转发给被配置成分析信号传播数据并且从信号传播数据提取定位数据的中心计算元件4。例如，计算元件4可以是被集成到飞行器100的计算框架中并且可以耦接到飞行器100的舱管理系统的处理器或类似物。该定位数据指定位于客舱101内的物体5的位置以及也可能指定这些物体的移动。
计算元件4被配置成对信号传播数据执行机器学习算法以便基于训练数据来提取位置数据。例如，可以在训练阶段期间使用客舱101内的物体位置测量系统来检测和跟踪已标记的物体5来生成训练数据。同时，系统10可以不断监测客舱101内的信号传播数据。在这个测试阶段期间，这些被跟踪物体5的经记录位置信息可以与获取的信号传播数据结合使用，以便训练机器学习算法。
替代性地或附加地，如所属领域的技术人员将容易地认识到，其他训练变化形式也是可能的。另一种可能的外部定位系统可以基于加速度器或陀螺仪的使用。在另一个示例中，测试物体5的预定测试布置可以用于在训练阶段校准信号传播数据。然后可以对在系统10操作期间记录的信号传播数据执行机器学习算法。
基于这样的训练阶段，机器学习算法然后不仅能够提取客舱101内的移动物体5的位置，还能够提取客舱内的静态物体的位置。例如，训练阶段可能已在一个空舱中执行了。机器学习算法现在将注意到客舱101的这种空状态的任何变化。因此，与训练场景相比，可以在信号传播数据内的相应变化的基础上来检测客舱101内的任何新物体5。同样地，系统10在训练阶段期间将能够辨别存在于客舱101的物体5的位置的任何变化。
因此，可以检测并且可能跟踪物体5(例如乘客遗忘的行李，或如救生衣的安全装备)而不需要在客舱101内引进昂贵和沉重的附加装备。相反，已经存在的无线通讯基础设施只需例如借助于简单的软件更新来增强，就能够记录和分析在任何情况下在客舱内生成的信号传播数据。
图2示出了用于使用图1和图4中的系统10进行物体定位的方法的示意性流程图。方法M包括通过M1获取在所述无线通信网络2上沿多条传播路径传输的无线信号3的信号传播数据。方法M进一步包括通过M2分析信号传播数据和从信号传播数据提取定位数据。该方法可以包括对信号传播数据执行机器学习算法，从而基于使用客舱内的物体位置测量系统和预定测试物体布置中的至少一个生成的训练数据来提取位置数据。特别地，机器学习算法提取客舱101内的静态物体5的位置。
在前面的详细描述中，出于简化本公开的目的，各种特征在一个或多个示例中被组合在一起。应当理解的是，以上描述旨在是说明性的，而不是限制性的。其旨在涵盖所有替代性方案、修改、以及等同物。选择和描述实施例是为了最好地解释本发明的原理及其实际应用，从而使得本领域的其他技术人员能够最好地利用本发明和具有适合预期的特定用途的各种修改的各种实施例。对于本领域技术人员来说，在阅读了上述说明书时，许多其他示例将是显而易见的。
附图标记清单
1 无线接入点
2 无线通信网络
3 无线信号
4 计算元件
5 物体
6 数据聚合单元
7 处理单元
10 用于物体定位的系统
100 飞行器
101 客舱
M 方法
M1至M2 方法步骤
Claims (15)
1.一种用于在室内环境中进行物体定位的系统(10)，所述系统包括：
无线通信基础设施，所述无线通信基础设施被适配成促进所述室内环境(101)内经由无线通信网络(2)进行的无线通信，并且包括被适配成提供对所述室内环境(101)内的所述无线通信网络(2)的用户设备接入的至少一个无线接入点(1)，其中，所述无线接入点(1)进一步被适配成获取在所述无线通信网络(2)上沿多条传播路径传输的无线信号(3)的信号传播数据；以及
计算元件(4)，所述计算元件被配置成分析所述信号传播数据并且从所述信号传播数据提取定位数据，所述定位数据指定位于所述室内环境(101)内的物体(5)的位置。
2.根据权利要求1所述的系统(10)，其中，所述无线通信基础设施包括多个无线接入点(1)，其中，所述信号传播数据包括所述无线接入点(1)的相关数据。
3.根据权利要求1和2之一所述的系统(10)，其中，所述信号传播数据包括信道状态信息CSI。
4.根据权利要求1至3之一所述的系统(10)，其中，所述信号传播数据包括所述室内环境(101)内的所述无线信号(3)的空间变化、频率变化和时间变化中的至少一种。
5.根据权利要求1至4之一所述的系统(10)，其中，每个无线接入点(1)都是根据IEEE802.11标准进行操作的标准商用无线设备。
6.根据权利要求1至5之一所述的系统(10)，其中，所述计算元件(4)被配置成对所述信号传播数据执行机器学习算法，其中，所述机器学习算法被配置成基于使用所述室内环境(101)内的物体位置测量系统和预定测试物体布置中的至少一个生成的训练数据来提取位置数据。
7.根据权利要求6所述的系统(10)，其中，所述机器学习算法被配置成提取所述室内环境(101)内的静态物体(5)的位置。
8.根据权利要求1至7之一所述的系统(10)，其中，所述信号传播数据被提供为所述无线通信基础设施的物理层上的原始数据。
9.根据权利要求8所述的系统(10)，其中，所述系统进一步包括：
数据聚合单元(6)，所述数据聚合单元与所述无线接入点(1)无线通信并且被配置成收集所述无线接入点(1)的所述信号传播数据并且将其传送到所述计算元件(4)，其中，每个无线接入点(1)被配置成预处理在相应无线接入点(1)处生成的所述原始数据并且将其传送到所述数据聚合单元(6)。
10.根据权利要求1至9之一所述的系统(10)，其中，所述室内环境是交通工具的客舱(101)。
11.根据权利要求9所述的系统(10)，其中，所述交通工具是飞行器(100)。
12.一种具有配备有根据权利要求1至11之一所述的系统(10)的客舱(101)的飞行器(100)。
13.一种用于使用根据权利要求1至9之一所述的系统(10)在室内环境中特别是在交通工具、特别是飞行器(100)的客舱(101)中进行物体定位的方法(M)，所述方法(M)包括：
获取(M1)在所述无线通信网络(2)上沿多条传播路径传输的无线信号(3)的信号传播数据；以及
分析(M2)所述信号传播数据并且从所述信号传播数据提取定位数据，所述定位数据指定位于所述客舱(101)内的物体(5)的位置。
14.根据权利要求13所述的方法(M)，其中，所述计算元件(4)对所述信号传播数据执行机器学习算法，从而基于使用所述客舱(101)内的物体位置测量系统和预定测试物体布置中的至少一个生成的训练数据来提取所述位置数据。
15.根据权利要求14所述的方法(M)，其中，所述机器学习算法提取所述客舱(101)内的静态物体(5)的位置。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102019220630.1 | 2019-12-30 | ||
| DE102019220630.1A DE102019220630A1 (de) | 2019-12-30 | 2019-12-30 | System und Verfahren zur Objektlokalisierung in einer Innenumgebung |
| PCT/EP2020/086744 WO2021136676A1 (en) | 2019-12-30 | 2020-12-17 | System and method for object localization in an indoor environment |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115004721A true CN115004721A (zh) | 2022-09-02 |
Family
ID=74125196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202080090685.7A Pending CN115004721A (zh) | 2019-12-30 | 2020-12-17 | 用于在室内环境中进行物体定位的系统和方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20220329980A1 (zh) |
| EP (1) | EP4085664A1 (zh) |
| CN (1) | CN115004721A (zh) |
| DE (1) | DE102019220630A1 (zh) |
| WO (1) | WO2021136676A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4187278A1 (en) | 2021-11-30 | 2023-05-31 | Airbus SAS | System for localizing objects in an indoor environment using a wireless communication network |
| CN116527462B (zh) * | 2023-05-25 | 2024-02-02 | 兰州交通大学 | 一种基于信道状态变化csi值的无线定位方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150163633A1 (en) * | 2012-06-08 | 2015-06-11 | Google Inc. | Crowdsourced Signal Propagation Model |
| CN104883732A (zh) * | 2015-04-14 | 2015-09-02 | 哈尔滨工程大学 | 一种增强型室内无源被动人体定位方法 |
| WO2016011433A2 (en) * | 2014-07-17 | 2016-01-21 | Origin Wireless, Inc. | Wireless positioning systems |
| CN106131958A (zh) * | 2016-08-09 | 2016-11-16 | 电子科技大学 | 一种基于信道状态信息和支持向量机的室内被动定位方法 |
| KR101711791B1 (ko) * | 2016-06-09 | 2017-03-03 | 주식회사 토이스미스 | 단말의 위치를 추정하는 방법 및 장치 |
| CN106802404A (zh) * | 2017-01-18 | 2017-06-06 | 深圳大学 | 一种人体室内定位自动检测方法及系统 |
| US20190349715A1 (en) * | 2016-11-22 | 2019-11-14 | Aerial Technologies | Device-free localization methods within smart indoor environments |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10852411B2 (en) * | 2017-12-06 | 2020-12-01 | Cognitive Systems Corp. | Motion detection and localization based on bi-directional channel sounding |
| US10108903B1 (en) * | 2017-12-08 | 2018-10-23 | Cognitive Systems Corp. | Motion detection based on machine learning of wireless signal properties |
| WO2020145949A1 (en) * | 2019-01-08 | 2020-07-16 | Google Llc | Motion detection using wireless local area networks |
-
2019
- 2019-12-30 DE DE102019220630.1A patent/DE102019220630A1/de active Pending
-
2020
- 2020-12-17 EP EP20835767.3A patent/EP4085664A1/en active Pending
- 2020-12-17 CN CN202080090685.7A patent/CN115004721A/zh active Pending
- 2020-12-17 WO PCT/EP2020/086744 patent/WO2021136676A1/en unknown
-
2022
- 2022-06-29 US US17/853,397 patent/US20220329980A1/en active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150163633A1 (en) * | 2012-06-08 | 2015-06-11 | Google Inc. | Crowdsourced Signal Propagation Model |
| WO2016011433A2 (en) * | 2014-07-17 | 2016-01-21 | Origin Wireless, Inc. | Wireless positioning systems |
| CN104883732A (zh) * | 2015-04-14 | 2015-09-02 | 哈尔滨工程大学 | 一种增强型室内无源被动人体定位方法 |
| KR101711791B1 (ko) * | 2016-06-09 | 2017-03-03 | 주식회사 토이스미스 | 단말의 위치를 추정하는 방법 및 장치 |
| CN106131958A (zh) * | 2016-08-09 | 2016-11-16 | 电子科技大学 | 一种基于信道状态信息和支持向量机的室内被动定位方法 |
| US20190349715A1 (en) * | 2016-11-22 | 2019-11-14 | Aerial Technologies | Device-free localization methods within smart indoor environments |
| CN106802404A (zh) * | 2017-01-18 | 2017-06-06 | 深圳大学 | 一种人体室内定位自动检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021136676A1 (en) | 2021-07-08 |
| DE102019220630A1 (de) | 2021-07-01 |
| US20220329980A1 (en) | 2022-10-13 |
| EP4085664A1 (en) | 2022-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hayward et al. | A survey of indoor location technologies, techniques and applications in industry | |
| Li et al. | Dynamic-MUSIC: Accurate device-free indoor localization | |
| US20220329980A1 (en) | System and method for object localization in an indoor environment | |
| WO2017190205A1 (en) | Structural health monitoring system with the identification of the damage through a device based in augmented reality technology | |
| CN109917390A (zh) | 基于雷达的车辆检测方法和系统 | |
| US20220210622A1 (en) | Communication system and base station | |
| Chen et al. | SWIM: Speed-aware WiFi-based passive indoor localization for mobile ship environment | |
| Ren et al. | D-Log: A WiFi Log-based differential scheme for enhanced indoor localization with single RSSI source and infrequent sampling rate | |
| Tsang et al. | A bluetooth-based indoor positioning system: a simple and rapid approach | |
| Dang et al. | PCA-Kalman: device-free indoor human behavior detection with commodity Wi-Fi | |
| Formaggio et al. | GNSS spoofing detection techniques by cellular network cross-check in smartphones | |
| GB2586099A (en) | An apparatus and method for person detection, tracking and identification utilizing wireless signals and images | |
| JP7162192B2 (ja) | 生体数推定装置、生体数推定方法、及び、プログラム | |
| Pirzada et al. | WLAN location fingerprinting technique for device-free indoor localization system | |
| Aguilar-Garcia et al. | Enhancing localization accuracy with multi-antenna UHF RFID fingerprinting | |
| Pirzada et al. | Location fingerprinting technique for WLAN device-free indoor localization system | |
| US11495111B2 (en) | Indoor occupancy estimation, trajectory tracking and event monitoring and tracking system | |
| Boudlal et al. | An Intelligent Monitoring Approach Based on WiFi Sensing for Smart Hospital | |
| Chhetri et al. | Enhanced weighted centroid localization in RFID technology: Patient movement tracking in hospital | |
| KR101955023B1 (ko) | 네트워크 기반의 객체 위치 추적 방법 및 장치 | |
| Lejarreta-Andrés et al. | WiLD: Wireless passive moisture sensing under moving conditions for smart manufacturing | |
| US20230171728A1 (en) | System for localizing objects in an indoor environment using a wireless communication network | |
| Tran et al. | Improving infrastructure-based indoor positioning systems with device motion detection | |
| Tian et al. | Cost-effective NLOS detection for privacy invasion attacks by consumer drones | |
| US20220276333A1 (en) | Radio wave source position estimation system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20221129 Address after: Blagnac, France Applicant after: AIRBUS S.A.S. Address before: German Tao Fujixing Applicant before: CASSIDIAN FINLAND OY |
|
| TA01 | Transfer of patent application right | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |