DE102011007486B4

DE102011007486B4 - Verfahren zum rechnergestützten Lernen einer Referenzkarte basierend auf Messungen von Merkmalen eines Funknetzes

Info

Publication number: DE102011007486B4
Application number: DE102011007486.4A
Authority: DE
Inventors: Joachim Bamberger; Marian Grigoras; Andrei Szabo; Tobias Weiherer
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 2011-04-15
Filing date: 2011-04-15
Publication date: 2015-03-26
Anticipated expiration: 2031-04-16
Also published as: WO2012139929A1; DE102011007486A1

Abstract

Verfahren zum rechnergestützten Lernen einer Referenzkarte basierend auf Messungen von Merkmalen eines Funknetzes, wobei die Messungen derart erfolgt sind, dass für ein mobiles Objekt (O), welches über das Funknetz mit einer Mehrzahl von Basisstationen (BS1, BS2, BS3) des Funknetzes kommuniziert, an einer Vielzahl von unbekannten Objektpositionen (OP) des mobilen Objekts (O) jeweilige Merkmalsvektoren (Cmeas) des Funknetzes gemessen werden und hierdurch eine Messreihe aus einer Vielzahl von zeitlich aufeinander folgenden Merkmalsvektoren (Cmeas) für jeweilige Objektpositionen (OP) zu jeweiligen Messzeitpunkten erhalten wird, wobei die Referenzkarte eine Vielzahl von räumlichen Referenzpositionen (RP) enthält, wobei basierend auf der Messreihe die jeweiligen Merkmalsvektoren (C) des Funknetzes an den jeweiligen Referenzpositionen (RP) der Referenzkarte gelernt werden, wobei: a) basierend auf einem Musterabgleich, welcher die jeweiligen Merkmalsvektoren (Cmeas) der Messreihe mit den Merkmalsvektoren (CRM) an den Referenzpositionen (RP) der Referenzkarte vergleicht, die jeweiligen Objektpositionen (OP), an denen die Merkmalsvektoren (Cmeas) des Funknetzes gemessen wurden, geschätzt werden; b) basierend auf einer Optimierung einer Kostenfunktion optimierte geschätzte Objektpositionen (OP) ermittelt werden, wobei in der Optimierung eine oder mehrere Randbedingungen berücksichtigt werden, welche durch ein vorbestimmtes Bewegungsmodell für das mobile Objekt (O) vorgegeben sind, wobei das vorbestimmte Bewegungsmodell unter Verwendung der zeitlichen Reihenfolge der Messzeitpunkte der Messreihe eine oder mehrere Beschränkungen für die Objektbewegung im Hinblick auf die vergangene und/oder die zukünftige Bewegung des mobilen Objekts (O) festlegt; c) mittels der optimierten geschätzten Objektpositionen (OP) aktualisierte Merkmalsvektoren C) des Funknetzes an den Referenzpositionen (RP) der Referenzkarte ermittelt werden.

Description

Die Erfindung betrifft ein Verfahren zum rechnergestützten Lernen einer Referenzkarte basierend auf Messungen von Merkmalen eines Funknetzes sowie eine entsprechende Vorrichtung. Ferner betrifft die Erfindung ein Verfahren zur rechnergestützten Lokalisation eines mobilen Objekts sowie eine entsprechende Vorrichtung. Darüber hinaus betrifft die Erfindung ein Computerprogrammprodukt.
Die Erfindung betrifft das technische Gebiet der Lokalisation von mobilen Objekten unter Verwendung von Merkmalen eines Funknetzes. Aus dem Stand der Technik sind verschiedene Ansätze bekannt, wie mobile Objekte über die Erfassung von Merkmalen eines Funknetzes geortet werden können. Dabei wird das Funknetz durch eine Vielzahl von Basisstationen gebildet, welche Funksignale aussenden und/oder empfangen können. Die Basisstationen kommunizieren mit einer Sende- und/oder Empfangseinheit in dem zu lokalisierenden mobilen Objekt. Aus den Merkmalen der ausgetauschten Funksignale kann die Position des mobilen Objekts ermittelt werden.
Bekannte Verfahren nutzen zur Lokalisation die absolute Laufzeit bzw. Laufzeitdifferenzen von Funksignalen zwischen den jeweiligen Basisstationen und dem mobilen Objekt. Ebenso existieren Verfahren, welche die sog. Round-Trip-Time verwenden, d. h. die Laufzeit eines Funksignals von einem mobilen Objekt hin zur Basisstation und wieder zurück zum mobilen Objekt bzw. von einer Basisstation zu einem mobilen Objekt und wieder zurück zur Basisstation. In einer weiteren Klasse von Verfahren wird der Ankunftswinkel von Funksignalen beim Empfänger bzw. der Sendewinkel von Funksignalen beim Aussenden verwendet, um hierdurch Objekte zu lokalisieren. Ferner existieren Verfahren, bei denen über die Signalstärke von Funksignalen eine Lokalisation von mobilen Objekten erfolgt.
Bekannte Lokalisationsverfahren werden ferner dahingehend unterschieden, ob die Lokalisation basierend auf einem sog. Finger-Printing oder durch die Auswertung von geometrischen Eigenschaften zwischen dem mobilen Objekt und den Basisstationen erfolgt. Die Auswertung von geometrischen Eigenschaften beruht dabei basierend auf Tri- oder Multilateration. Bei der Lokalisation basierend auf Finger-Printing werden in der Regel Kalibrationsdaten in der Form von Merkmalen des Funknetzes aus verschiedenen bekannten Referenzpositionen in einer Trainingsphase gesammelt, um anschließend basierend auf einem Musterabgleich (engl. pattern matching) mittels eines Vergleichs entsprechend gemessener Merkmale des Funknetzes mit den Merkmalen an den Referenzpositionen ein Objekt zu lokalisieren. Die einzelnen Referenzpositionen bilden eine sog. Referenzkarte, welche auch als Radio-Map bezeichnet wird. Anstatt diese Referenzkarte vorab im Rahmen einer Kalibration zu bestimmen, gibt es im Stand der Technik ferner Ansätze, bei denen die Referenzkarte anfänglich initialisiert wird und online im Rahmen der Lokalisation durch neu hinzukommende Messdaten gelernt wird. Ein solches Verfahren ist in der Druckschrift WO 2007/118518 A1 beschrieben. Im Unterschied zu Verfahren, bei denen die Lokalisation über geometrische Eigenschaften erfolgt, weisen Finger-Printing-Verfahren eine höhere Genauigkeit auf. Jedoch erfordern sie eine aufwändige manuelle Kalibrationsphase, in der ein mobiles Objekt an einer Vielzahl von vorbestimmten räumlichen Positionen anzuordnen ist und an diesen Positionen die Merkmale des Funknetzes zu messen sind.
Die Druckschrift DE 10 2008 038 451 A1 offenbart ein Verfahren zur rechnergestützten Lokalisation eines mobilen Objekts basierend auf einer probabilistischen Ortung, bei der eine Referenzkarte verwendet wird, welche an entsprechenden Stützstellen jeweils eine probabilistische Verteilung angibt.
Aufgabe der Erfindung ist es, ein Verfahren zum rechnergestützten Lernen einer Referenzkarte basierend auf Messungen von Merkmalen eines Funknetzes zu schaffen, welches einfach ohne aufwändige Kalibrierung umzusetzen ist und gute Lokalisationsergebnisse liefert.
Diese Aufgabe wird durch die unabhängigen Patentansprüche gelöst. Weiterbildungen der Erfindung sind in den abhängigen Ansprüchen definiert.
Das erfindungsgemäße Verfahren dient zum rechnergestützten Lernen einer Referenzkarte basierend auf Messungen von Merkmalen eines Funknetzes, wobei das Funknetz in einer besonders bevorzugten Ausführungsform ein lokales Funknetz und insbesondere ein WLAN-Netz ist. Die zum Lernen verwendeten Messungen sind dabei derart erfolgt, dass für ein mobiles Objekt, welches über das Funknetz mit einer Mehrzahl von Basisstationen des Funknetzes kommuniziert, an einer Vielzahl von unbekannten Objektpositionen des mobilen Objekts jeweilige Merkmalsvektoren des Funknetzes gemessen werden und hierdurch eine Messreihe aus einer Vielzahl von zeitlich aufeinander folgenden Merkmalsvektoren für jeweilige Objektpositionen zu jeweiligen Messzeitpunkten erhalten wird. Das Lernverfahren kann nach Abschluss der Messungen bzw. auch parallel während der Messung online durchgeführt werden. Die zu lernende Referenzkarte enthält eine Vielzahl von räumlichen Referenzpositionen, wobei basierend auf der Messreihe die jeweiligen Merkmalsvektoren des Funknetzes an den jeweiligen Referenzpositionen der Referenzkarte gelernt werden. D. h., es werden diejenigen Merkmalsvektoren geeignet abgeschätzt, welche sich dann ergeben, wenn das mobile Objekt an einer entsprechenden Referenzposition angeordnet ist. Die Referenzkarte zeichnet sich somit durch entsprechende Merkmalsvektoren an den einzelnen Referenzpositionen der Karte aus.
Im Rahmen des erfindungsgemäßen Verfahrens werden in einem Schritt a) basierend auf einem Musterabgleich, welcher die jeweiligen Merkmalsvektoren der Messreihe mit den Merkmalsvektoren an den Referenzpositionen der Referenzkarte vergleicht, die jeweiligen Objektpositionen, an denen die Merkmalsvektoren des Funknetzes gemessen wurden, geschätzt. Dabei wird davon ausgegangen, dass zu Beginn des Verfahrens eine geeignete Initialisierung der Referenzkarte vorgesehen ist, welche anfänglich bei dem Musterabgleich verwendet wird. Verfahren zum Musterabgleich sind hinlänglich aus dem Stand der Technik bekannt und werden üblicherweise auch als Pattern Matching bezeichnet. Sie beruhen darauf, dass Ähnlichkeiten bzw. Übereinstimmungen zwischen vorbestimmten Mustern, welche erfindungsgemäß als Merkmalsvektoren einer Referenzkarte vorliegen, und gemessenen Merkmalsvektoren identifiziert werden und hierüber die Objektposition bestimmt wird.
In einem Schritt b) des erfindungsgemäßen Verfahrens werden basierend auf einer Optimierung einer Kostenfunktion optimierte geschätzte Objektpositionen ermittelt, wobei in der Optimierung eine oder mehrere Randbedingungen berücksichtigt werden, welche durch ein vorbestimmtes Bewegungsmodell für das mobile Objekt vorgegeben sind, wobei das vorbestimmte Bewegungsmodell unter Verwendung der zeitlichen Reihenfolge der Messzeitpunkte der Messreihe eine oder mehrerer Beschränkungen für die Objektbewegung festlegt. Schließlich werden in einem Schritt c) mittels der optimierten geschätzten Objektpositionen aktualisierte Merkmalsvektoren des Funknetzes an den Referenzpositionen der Referenzkarte ermittelt.
Das erfindungsgemäße Verfahren zeichnet sich dadurch aus, dass im Rahmen des Lernens der Referenzkarte auch die zeitliche Reihenfolge der Messzeitpunkte einfließt und in einem geeigneten Bewegungsmodell berücksichtigt wird. Das Bewegungsmodell kann dabei im Rahmen der Messreihe sowohl Beschränkungen im Hinblick auf die vergangene Bewegung des mobilen Objekts als auch im Hinblick auf die zukünftige Bewegung des mobilen Objekts geeignet berücksichtigen. Die sich aus der Optimierung ergebenden verbesserten geschätzten Objektpositionen bilden anschließend eine gute Grundlage zur Approximation der entsprechenden Merkmalsvektoren an den Referenzpositionen der Referenzkarte.
In dem erfindungsgemäßen Verfahren kann auf eine anfängliche Kalibrierung der Referenzkarte verzichtet werden. Vielmehr ist eine geeignete Initialisierung der Referenzkarte ausreichend, und durch mehrmaliges Wiederholen der Lernschritte kann eine immer genauere Referenzkarte gelernt werden.
Das erfindungsgemäße Verfahren kann für laufzeitbasierte Messungen eingesetzt werden, bei denen die Merkmalsvektoren des Funknetzes als Einträge laufzeitbasierte Größen umfassen, welche jeweils von einer Laufzeit von einem oder mehreren Funksignalen des Funknetzes abhängen. Die Laufzeit des oder der Funksignale kann dabei die Ein-Wege-Laufzeit eines Funksignals zwischen einer jeweiligen Basisstation und dem mobilen Objekt sein. Ebenso kann die Laufzeit eine Zwei-Wege-Laufzeit (auch als Round-Trip-Time bezeichnet) eines Funksignals von dem mobilen Objekt zu einer jeweiligen Basisstation und von dort zurück zur jeweiligen Basisstation sein bzw. die Zwei-Wege-Laufzeit eines Funksignals von einer jeweiligen Basisstation zu dem mobilen Objekt und von dort zurück zur jeweiligen Basisstation. In einer besonders bevorzugten Ausführungsform der Erfindung hängen die laufzeitbasierten Größen jedoch von einer Laufzeit in der Form einer Laufzeitdifferenz ab. Die Laufzeitdifferenz ist dabei für jeweilige Paare von Basisstationen definiert und stellt den Unterschied zwischen einer ersten und einer zweiten Laufzeit dar, wobei die erste Laufzeit die Laufzeit eines Funksignals zwischen dem mobilen Objekt und der einen Basisstation des Paars und die zweite Laufzeit die Laufzeit eines Funksignals zwischen dem mobilen Objekt und der anderen Basisstation des Paars darstellt.
In einer besonders bevorzugten Ausführungsform sind die laufzeitbasierten Größen in den Einträgen der Merkmalsvektoren des Funknetzes sog. Kanalimpulsantworten. Diese können für die oben beschriebenen Laufzeiten bzw. Laufzeitdifferenzen erfasst werden und stellen die in Abhängigkeit der Laufzeit bzw. Laufzeitdifferenz detektierte Amplitude des Funksignals in Antwort auf einen Sendeimpuls dar. In einer besonders bevorzugten Ausführungsform ist die Kanalimpulsantwort in einem jeweiligen Eintrag eines Merkmalsvektors die Kanalimpulsantwort für die Laufzeitdifferenz für ein jeweiliges Paar von Basisstationen. Das heißt, über die entsprechenden Amplituden der an den Basisstationen erfassten Funksignale für unterschiedliche Laufzeitdifferenzen wird die Kanalimpulsantwort detektiert.
In einer besonders bevorzugten Ausführungsform, bei der die laufzeitbasierten Größen die Kanalimpulsantworten für jeweilige Paare von Basisstationen sind, wird die Referenzkarte zu Beginn des Verfahrens derart initialisiert, dass für eine jeweilige Referenzposition die Kanalimpulsantwort für ein jeweiliges Paar von Basisstationen durch eine Normalverteilung repräsentiert wird, deren Mittelwert einer Laufzeitdifferenz basierend auf geschätzten Abständen zwischen der jeweiligen Referenzposition und den Basisstationen des jeweiligen Paars ist. Die Normalverteilung wird vorzugsweise derart normiert, dass das Integral über die Normalverteilung 1 ergibt, so dass die Impulsantworten als Wahrscheinlichkeiten für das Auftreten bestimmter Laufzeitdifferenzen aufgefasst werden können.
In einer weiteren Ausführungsform des erfindungsgemäßen Verfahrens wird im Rahmen des Musterabgleichs in Schritt a) eine Anzahl von Merkmalsvektoren an Referenzpositionen mit der größten Übereinstimmung mit dem gemessenen Merkmalsvektor an einer jeweiligen Objektposition ermittelt, wobei basierend auf der oder den Referenzpositionen für die Anzahl von Merkmalsvektoren, insbesondere durch Mittelung der Referenzpositionen, die jeweilige Objektposition geschätzt wird. Dieses Verfahren beruht auf der an sich bekannten Suche nach den k nächsten Nachbarn, wobei k der Anzahl von Merkmalsvektoren entspricht.
In einer weiteren, besonders bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens werden im Rahmen des Musterabgleichs parallel die Merkmalsvektoren der Referenzkarte aktualisiert, indem die Merkmalsvektoren der Referenzkarte für Referenzpositionen in einer vorbestimmten Umgebung um eine über den Musterabgleich geschätzten Objektposition jeweils mit einem Korrekturterm korrigiert werden, wobei der Korrekturterm von der Differenz zwischen dem Merkmalsvektor an der über den Musterabgleich geschätzten Objektposition und dem jeweils zu korrigierenden Merkmalsvektor der Referenzkarte abhängt. Vorzugsweise wird dabei das in dem Dokument WO 2007/118518 A1 beschriebene Verfahren eingesetzt.
In einer besonders bevorzugten Variante der soeben beschriebenen Ausführungsform nimmt die Größe des Korrekturterms mit zunehmendem Abstand der jeweiligen Referenzposition in der vorbestimmten Umgebung von der über den Musterabgleich geschätzten Objektposition ab. Vorzugsweise hängt der Korrekturterm dabei von einer Gaußfunktion mit Zentrum an der über den Musterabgleich geschätzten Position ab.
In einer weiteren, besonders bevorzugten Ausführungsform wird das Verfahren zum Lernen der Referenzkarte iterativ durchgeführt, wobei nach einer Anzahl von Aktualisierungen der Merkmalsvektoren der Referenzkarte in Schritt a) die Schritte b) und c) durchgeführt werden und anschließend zu Schritt a) zurückgegangen wird, sofern ein vorbestimmtes Abbruchkriterium, wie z. B. eine vorbestimmte Anzahl an Iterationen, noch nicht erfüllt ist.
Das in Schritt b) verwendete vorbestimmte Bewegungsmodell ist in geeigneter Weise an das betrachtete mobile Objekt angepasst. In einer bevorzugten Ausführungsform legt das Bewegungsmodell eine Maximalgeschwindigkeit für die Bewegung des mobilen Objekts als Beschränkung fest. Diese Maximalgeschwindigkeit kann dann in geeigneter Weise innerhalb der Messreihe für aufeinander folgende Messzeitpunkte derart berücksichtigt werden, dass zwei geschätzte Objektpositionen an aufeinander folgenden Messzeitpunkten nicht weiter auseinander liegen dürfen, als dies gemäß der Maximalgeschwindigkeit des mobilen Objekts möglich ist.
In einer weiteren Ausführungsform des erfindungsgemäßen Verfahrens ist die in Schritt b) verwendete Kostenfunktion eine Summe von Gaußfunktionen, welche jeweils von der betragsmäßigen Differenz zwischen der jeweiligen, über den Musterabgleich geschätzten Objektposition und der zu ermittelnden optimierten geschätzten Objektposition abhängen.
In einer weiteren Ausführungsform des erfindungsgemäßen Verfahrens werden in Schritt c) die aktualisierten Merkmalsvektoren des Funknetzes an den Referenzpositionen der Referenzkarte derart ermittelt, dass diejenige optimierte geschätzte Objektposition, welche den geringsten Abstand zu einer jeweiligen Referenzposition der Referenzkarte aufweist, bestimmt wird und der Merkmalsvektor an der jeweiligen Referenzposition durch den gemessenen Merkmalsvektor an der optimierten geschätzten Objektposition mit dem geringsten Abstand zu der jeweiligen Referenzposition der Referenzkarte ersetzt wird. Hierdurch wird eine besonders einfache Aktualisierung der Merkmalsvektoren in der Referenzkarte erreicht.
In einer weiteren Ausführungsform des erfindungsgemäßen Verfahrens werden in Schritt c) die aktualisierten Merkmalsvektoren des Funknetzes an den Referenzpositionen der Referenzkarte derart ermittelt, dass für eine jeweilige Referenzposition eine gewichtete Summe aus gemessenen Merkmalsvektoren an optimierten geschätzten Objektpositionen ermittelt wird, wobei die gewichtete Summe den aktualisierten Merkmalsvektor an der jeweiligen Referenzposition darstellt und wobei die jeweiligen Gewichte der Summanden in der Summe um so kleiner sind, je weiter eine geschätzte optimierte Objektposition von der jeweiligen Referenzposition entfernt ist. Vorzugsweise werden die Gewichte der gewichteten Summe durch Gaußfunktionen modelliert, wobei eine jeweilige Gaußfunktion vom betragsmäßigen Abstand zwischen einer jeweiligen Referenzposition und der jeweiligen optimierten geschätzten Objektposition abhängt.
Um das erfindungsgemäße Lernen zu stabilisieren und somit eine Rotation bzw. Verschiebung der Referenzkarte an bestimmten Referenzpositionen zu vermeiden, werden in einer bevorzugten Ausführungsform im Rahmen der Durchführung von Schritt a) und/oder Schritt b) Fixpunkte mit festen räumlichen Positionen und Merkmalsvektoren berücksichtigt, wobei in der Messreihe eine oder mehrere Objektpositionen vorab Fixpunkten zugeordnet sind und/oder gemessenen Merkmalsvektoren der Messreihe Fixpunkte zugeordnet werden, z. B. indem ein Merkmalsvektor, dessen Übereinstimmung mit einem Merkmalsvektor eines jeweiligen Fixpunkts eine vorbestimmte Schwelle überschreitet, mit dem jeweiligen Fixpunkt gleichgesetzt wird. Dabei werden die räumlichen Positionen von Fixpunkten in Schritt a) als geschätzte Objektpositionen behandelt bzw. in Schritt b) als optimierte geschätzte Objektpositionen behandelt. Das heißt, die räumlichen Positionen der Fixpunkte werden als gegeben betrachtet und nicht mittels einer Schätzung in Schritt a) bestimmt. Ebenso werden die Fixpunkte bei der Optimierung in Schritt b) nicht als freie Parameter berücksichtigt.
In einer besonders bevorzugten Ausführungsform der Erfindung werden gemessenen Merkmalsvektoren der Messreihe Fixpunkte über eine Heuristik zugeordnet, wobei ein Beispiel einer solchen Heuristik in der detaillierten Beschreibung dargelegt wird. In einer weiteren Ausführungsform entsprechen die räumlichen Positionen der Fixpunkte den räumlichen Positionen der Basisstationen.
Neben dem oben beschriebenen Verfahren zum rechnergestützten Lernen einer Referenzkarte umfasst die Erfindung ferner ein Verfahren zur rechnergestützten Lokalisation eines mobilen Objekts basierend auf einer solchen gelernten Referenzkarte. Dabei wird ein Merkmalsvektor des Funknetzes an der zu lokalisierenden Objektposition gemessen. Basierend auf einem Musterabgleich, welcher den gemessenen Merkmalsvektor mit Merkmalsvektoren an den Referenzpositionen der gelernten Referenzkarte vergleicht, wird anschließend die Objektposition bestimmt.
Die Erfindung umfasst ferner eine Vorrichtung zum rechnergestützten Lernen einer Referenzkarte basierend auf Messungen von Merkmalen eines Funknetzes, wobei die Messungen derart erfolgt sind, dass für ein mobiles Objekt, welches über das Funknetz mit einer Mehrzahl von Basisstationen des Funknetzes kommuniziert, an einer Vielzahl von unbekannten Objektpositionen des mobilen Objekts jeweilige Merkmalsvektoren des Funknetzes gemessen werden und hierdurch eine Messreihe aus einer Vielzahl von zeitlich aufeinander folgenden Merkmalsvektoren für jeweilige Objektpositionen zu jeweiligen Messzeitpunkten erhalten wird. Die Referenzkarte umfasst dabei eine Vielzahl von räumlichen Referenzpositionen und die Vorrichtung enthält eine Verarbeitungseinheit, mit der im Betrieb der Vorrichtung basierend auf der Messreihe die jeweiligen Merkmalsvektoren des Funknetzes an den jeweiligen Referenzpositionen die Referenzkarte mit dem oben beschriebenen erfindungsgemäßen Verfahrens gelernt werden.
Die Erfindung betrifft ferner eine Vorrichtung zur rechnergestützten Lokalisation eines mobilen Objekts, basierend auf einer Referenzkarte, welche mit dem oben beschriebenen Lernverfahren gelernt ist. Dabei umfasst die Vorrichtung eine Mess- und Verarbeitungseinrichtung, mit der ein Merkmalsvektor des Funknetzes an der zu lokalisierenden Objektposition gemessen wird und mit der basierend auf einem Musterabgleich, welcher den gemessenen Merkmalsvektor mit den Merkmalsvektoren an den Referenzpositionen der gelernten Referenzkarte vergleicht, die Objektposition bestimmt wird.
Die Erfindung umfasst darüber hinaus ein Computerprogrammprodukt mit einem auf einem maschinenlesbaren Träger gespeicherten Programmcode zur Durchführung des oben beschriebenen erfindungsgemäßen Verfahrens zum Lernen einer Referenzkarte bzw. zur Lokalisation eines mobilen Objekts, wenn das Programm auf einem Rechner läuft.
Ausführungsbeispiele der Erfindung werden nachfolgend anhand der beigefügten Figuren detailliert beschrieben.
Es zeigen:
1 eine schematische Darstellung einer räumlichen Umgebung, anhand der das erfindungsgemäße Lernen der Referenzkarte für Referenzpositionen in dieser räumlichen Umgebung erläutert wird;
2 ein Diagramm, welches beispielhaft den Verlauf der in einer Ausführungsform der Erfindung verwendeten Kanalimpulsantwort als Eintrag von Merkmalsvektoren verdeutlicht;
3 eine schematische Darstellung, welche den iterativen Ablauf einer Ausführungsform des erfindungsgemäßen Verfahrens wiedergibt; und
4 ein Diagramm, welches Ergebnisse des erfindungsgemäßen Verfahrens mit anderen Verfahren vergleicht.
Nachfolgend werden Ausführungsformen des erfindungsgemäßen Verfahrens basierend auf Merkmalsvektoren eines Funknetzes beschrieben, welche als Einträge sog. Kanalimpulsantworten für eine Laufzeitdifferenz von Funksignalen zwischen Basisstationen von entsprechenden Paaren von Basisstationen des Funknetzes enthalten. In einer bevorzugten Variante ist das Funknetz ein WLAN-Netz, in dem die Basisstationen entsprechende Access-Points darstellen. Dabei sendet ein mobiles Objekt über den entsprechenden Standard des Funknetzes Funksignale aus, deren Kanalimpulsantwort in Abhängigkeit von der Laufzeitdifferenz für jeweilige Paare von Basisstationen gemessen wird. Basierend darauf werden dann die zu erwartenden Merkmalsvektoren für eine Vielzahl von räumlichen Referenzpositionen einer Referenzkarte bestimmt, wobei die Referenzkarte anschließend z. B. zur Lokalisation eines mobilen Objekts über sog. Pattern-Matching genutzt werden kann. Im Rahmen dieses Pattern-Matchings wird der entsprechende Merkmalsvektor für ein mobiles Objekt an einer unbekannten Position gemessen, woraufhin durch Vergleich des gemessenen Merkmalsvektors mit den entsprechenden Merkmalsvektoren an den Referenzpositionen in geeigneter Weise die Objektposition bestimmt wird.
1 verdeutlicht allgemein den Ablauf des erfindungsgemäßen Verfahrens zum Lernen einer Referenzkarte. Dabei ist beispielhaft eine räumliche Umgebung R in der Form eines rechteckigen Raums gezeigt, in dem eine Vielzahl von regelmäßig beabstandeten und bekannten Referenzpositionen RP einer Referenzkarte enthalten sind. Die entsprechenden Merkmalsvektoren an diesen Referenzpositionen sind im Rahmen des Lernens der Referenzkarte zu bestimmen. Die Referenzpositionen sind in 1 durch entsprechende Kreuze angedeutet, wobei aus Übersichtlichkeitsgründen nur zwei der Referenzpositionen mit Bezugszeichen RP bezeichnet sind. Der an diesen Positionen vorliegende Merkmalsvektor ist mit C_RM bezeichnet. Beispielhaft sind in 1 drei Basisstationen BS1, BS2 und BS3 des Funknetzes angedeutet, welche mit einem entsprechenden mobilen Objekt O an einer Objektposition OP kommunizieren, wobei für die Objektposition OP der Merkmalsvektor C_meas gemessen wird.
Das erfindungsgemäße Verfahren beruht auf Messungen innerhalb eines vorbestimmten Messzeitraums, in dem sich das Objekt O in der räumlichen Umgebung R bewegt und dabei zu einer Vielzahl von Messzeitpunkten die Merkmalsvektoren C_meas an den entsprechenden Objektpositionen OP erfasst werden. Diese Objektpositionen sind nicht bekannt, d. h. es handelt sich bei der Messung nicht um einen Kalibriervorgang im eigentlichen Sinne, bei dem entsprechende Merkmalsvektoren an bekannten Positionen erfasst werden. Ein gemessener Merkmalsvektor enthält einen Eintrag für jedes mögliche Paar von zwei Basisstationen des Funknetzes, d. h. in dem Szenario der 1 einen Eintrag für das Paar aus Basisstationen BS1 und BS2, für das Paar aus Basisstationen BS1 und BS3 und für das Paar aus Basisstationen BS2 und BS3. Beispielhaft ist in 1 eine entsprechende Messung eines Merkmalsvektors für das Paar aus Basisstationen BS1 und BS2 verdeutlicht. Die Messung beruht dabei auf der Laufzeitdifferenz LD von Funksignalen zwischen einer ersten Laufzeit L1 von dem Objekt O hin zur Basisstation BS1 und einer zweiten Laufzeit L2 vom Objekt O hin zur Basisstation BS2. Dabei wird die Summe der entsprechenden Amplituden der Funksignale, welche von den jeweiligen Basisstationen BS1 und BS2 erfasst werden, in Abhängigkeit von einer Distanz bzw. der entsprechenden Laufzeitdifferenz zwischen den Basisstationen erfasst. Die sich hieraus ergebende Kurve stellt dabei die sog. Kanalimpulsantwort dar, welche beispielhaft in 2 verdeutlicht ist.
In dem Diagramm der 2 ist entlang der Abszisse der Abstand d angedeutet, der verschiedene (mit der Signalgeschwindigkeit multiplizierte) Laufzeitdifferenzen der Funksignale für ein Paar von Basisstationen wiedergibt. Entlang der Ordinate ist die Amplitude AP aufgetragen, welche sich aus den Amplituden der Funksignale zusammensetzt, welche an jeder Basisstation des Paars für den jeweiligen Abstand zu empfangen sind. Die Kanalimpulsantwort ist als durchgezogene Kurve K1 wiedergegeben. Der maximale Wert der Kanalimpulsantwort entspricht in der Regel der Laufzeitdifferenz für eine Sichtverbindung zwischen den Basisstationen und dem mobilen Objekt. Die anderen Maxima der Kurve sind in der Regel durch Mehrwegeausbreitungen aufgrund von Reflexionen hervorgerufen. In 2 ist ferner eine weitere gestrichelte Kurve K2 wiedergegeben. Diese Kurve wird als eine Initialisierung für die Kanalimpulsantworten an einer Referenzposition der Referenzkarte verwendet und deren Berechnung wird weiter unten näher erläutert.
Im Folgenden werden detailliert die einzelnen Schritte einer Ausführungsform des erfindungsgemäßen Verfahrens zum Lernen einer Referenzkarte basierend auf Kanalimpulsantworten für Laufzeitdifferenzen für Paare von Basisstationen erläutert. Wie bereits erwähnt, basiert das Lernen der Referenzkarte auf einer Messreihe aus einer Vielzahl von Merkmalsvektoren, welche für unterschiedliche Messpositionen gemessen wurden. Für eine jeweilige Messposition bzw. einem entsprechenden Messzeitpunkt i ergibt sich folgender Merkmalsvektor: C (i) / meas = [c (i) / meas;BS1,2, ..., c (i) / meas;BS1,N, ..., c (i) / meas;BS2,3, ..., c (i) / meas;BS2,N, ..., c (i) / meas;BS(N–1),N]
Die einzelnen Einträge des Merkmalsvektors C (i) / meas sind dabei die Kanalimpulsantworten in der Zeitdomäne, welche durch eine inverse Fourier-Transformation einer Kanalschätzung in der Frequenzdomäne approximiert sind. Jeder Eintrag des obigen Vektors enthält die Kanalimpulsantwort in der Form von L Amplitudenwerten zu entsprechenden Laufzeitdifferenzen 1·T, 2·T, L·T, welche in diesem Sinne Stützstellen der in 2 gezeigten kontinuierlichen Kanalimpulsantwort für entsprechende Laufzeitdifferenzen bzw. Distanzen darstellen. Mathematisch wird ein entsprechender Eintrag für ein Paar aus Basisstationen BSm und BSn wie folgt beschrieben: c (i) / meas;BSm,n = [a (i) / meas;BSm,n;1·T, ..., a (i) / meas;BSm,n;L·T]
Das diskrete Zeitintervall T der Kanalimpulsantwort hängt dabei vom Messaufbau ab. Um den Einfluss von unregelmäßigen Messwerten (sog. Outliers) zu reduzieren, können die Amplitudenwerte von mehreren Messungen um die tatsächliche Position vor dem nachfolgend beschriebenen Lernen gemittelt werden.
Um das Lernen der Referenzkarte zu beginnen, ist es erforderlich, dass zunächst eine geeignete Initialisierung der Referenzkarte vorliegt, d. h. dass ein aussagekräftiger Satz von K Referenzpositionen mit entsprechenden initialisierten Merkmalsvektoren vorgegeben wird. Zu Beginn des Verfahrens existiert ein Positionsvektor P_RM = [p (1) / RM, ..., p (K) / RM]^T mit entsprechenden k Referenzpositionen der Referenzkarte. Im vorliegenden Fall werden zweidimensionale räumliche Positionen betrachtet, welche den Ort des Objekts mit x- und y-Koordinate innerhalb eines Raums ohne Berücksichtigung seiner Höhe beschreibt. Gegebenenfalls ist auch möglich, das Verfahren auf drei Dimensionen zu erweitern.
Die k-te Referenzposition in der Referenzkarte wird somit durch folgenden Positionsvektor beschrieben: p (k) / RM = [x (k) / RM, x (k) / RM]
Wie in 1 angedeutet, sind die einzelnen Positionen vorzugsweise die Eckpunkte eines äquidistanten Gitters. Zu Beginn des Verfahrens liegen für jede der K Referenzpositionen initialisierte Merkmalsvektoren C (k) / RM der Referenzkarte RM (RM = Radio Map) vor, so dass die Referenzkarte durch folgende Matrix aus initialisierten Merkmalsvektoren beschrieben wird: R = [C (l) / RM, ..., C (k) / RM, ..., C (K) / RM]
In der hier beschriebenen Ausführungsform wird eine spezielle Initialisierung der einzelnen Merkmalsvektoren basierend auf einer Gaußschen Schätzung verwendet. Alternativ ist es auch möglich, dass zur Initialisierung eine bestimmte Anzahl von Kalibrationsmessungen verwendet wird, wobei Merkmalsvektoren für räumliche Positionen zwischen Kalibrationsmessungen durch lineare Interpolation ermittelt werden. Die in der hier beschriebenen Ausführungsform verwendete Gaußsche Schätzung beruht auf der geometrischen Anordnung der jeweiligen Referenzpositionen in Bezug auf die einzelnen Basisstationen. Dabei sind die Koordinaten aller Basisstationen bekannt. Diese werden durch folgenden. Positionsvektor P_BS mit entsprechenden zweidimensionalen Positionen p (k) / BS beschrieben: P_BS = [p (l) / BS, ...,p (N) / BS]^T P (k) / BS = [x (k) / BS, y (k) / BS]
N bezeichnet dabei die Anzahl an Basisstationen. Es wird der tatsächliche Distanzunterschied d für ein Paar von Basisstationen n, m und einer entsprechenden Referenzposition k basierend auf folgender Formel berechnet:
Basierend auf der Annahme, dass die Basisstationen und die jeweilige Referenzposition in Sichtlinie zueinander liegen, sowie unter der Annahme von Gaußschen Messfehlern und einer Propagationsgeschwindigkeit v (üblicherweise die Lichtgeschwindigkeit) werden die Amplituden der entsprechenden Kanalimpulsantworten für Laufzeitdifferenzen v·l·T durch folgende Formel approximiert: a (k) / RM;BSm,n;l·T = α·N(v·l·T; d, σ)
Diese Amplitude ist beispielhaft für eine Kanalimpulsantwort als Kurve K2 in 2 wiedergegeben. N bezeichnet dabei die Normalverteilung mit einer geeigneten Standardabweichung σ und einem Normalisierungsfaktor a. Der Normalisierungsfaktor ist derart gewählt, dass das Integral über die Normalverteilung 1 ist und somit die einzelnen Amplitudenwerte als Wahrscheinlichkeiten für eine bestimmte Distanzdifferenz zwischen zwei Basisstationen interpretiert werden können.
Im Rahmen des erfindungsgemäßen Lernens der Referenzkarte werden nunmehr für alle gemessenen Kanalimpulsantworten entsprechende geschätzte Objektpositionen mit einem an sich bekannten Musterabgleich (engl. Pattern-Matthing) bestimmt. Dabei wird die quadratische Differenz zwischen einem gemessenen Merkmalsvektor C (i) / meas und allen Einträgen C (k) / RM der Referenzkarte wie folgt ermittelt:
Im Rahmen eines an sich bekannten ”k nearest neighbours” Algorithmus wird dann eine vorbestimmte Anzahl von Einträgen der Referenzkarte mit den geringsten Abständen zu dem aktuellen gemessenen Merkmalsvektor ausgewählt. Die endgültige geschätzte Position p (i) / PM = [x (i) / PM, y (i) / PM] für die Messung i, wird durch die Mittelung der entsprechenden Referenzpositionen gemäß der vorbestimmten Anzahl an Einträgen der Referenzkarte bestimmt.
Basierend auf der initialisierten Referenzkarte und unter Verwendung der geschätzten Objektpositionen erfolgt schließlich das Lernen der Referenzkarte durch iterative Aktualisierung ihrer Einträge, wobei eine Messreihe von Merkmalsvektoren an I Messzeitpunkten bzw. Messpositionen berücksichtigt wird, welche durch folgende Matrix beschrieben wird: C_meas = [C (l) / meas, ..., C (i) / meas, ...,C (l) / meas]
Jeder einzelnen Messung ist dabei ein entsprechender Zeitstempel mit dem Messzeitpunkt zugeordnet, was durch folgenden Vektor beschrieben werden kann: t_meas = [t (l) / meas, ..., t (i) / meas, ...,t (l) / meas]
In der hier beschriebenen Ausführungsform der Erfindung wird ein iteratives Lernen eingesetzt, welches sog. selbstorganisierende Karten (engl. Self Organizing Maps) verwendet. Dieses Lernen wird nachfolgend auch als SOM-Lernen bezeichnet und stellt eine Adaption von den an sich bekannten Kohonen Self Organizing Maps dar. Darüber hinaus wird im erfindungsgemäßen Lernen eine Optimierung eingesetzt, welche ein Bewegungsmodell für das mobile Objekt in geeigneter Weise für die komplette Messreihe berücksichtigt. Diese Optimierung wird im Folgenden auch als ”Complete Track Optimization” bezeichnet und mit CTO abgekürzt. Das CTO-Verfahren stellt eine wesentliche Komponente des erfindungsgemäßen Verfahrens dar, welche in der hier beschriebenen Ausführungsform mit dem zusätzlichen SOM-Lernen kombiniert wird. Besonders gute Ergebnisse werden durch die Kombination dieser beiden Lernverfahren erhalten.
3 zeigt beispielhaft ein Ablaufdiagramm, welche das iterative Lernen basierend auf einer Kombination des SOM-Lernens und des CTO-Lernens wiedergibt. It bezeichnet dabei den Iterationsschritt. Zu Beginn des Verfahrens (it = 0) wird zunächst eine komplette Aktualisierung der entsprechenden Merkmalsvektoren der Referenzkarte basierend auf dem SOM-Lernen durchgeführt. Nach jedem Iterationsschritt (it = it + 1) wird in einem Überprüfungsschritt A überprüft, ob eine vorbestimmte Anzahl von Iterationsschritten it_cto erreicht ist. Ist dies nicht der Fall, wird eine nochmalige Aktualisierung der Referenzkarte basierend auf dem SOM-Lernen durchgeführt (Zweig B2). Ergibt die Überprüfung A, dass die vorbestimmte Anzahl an Iterationen erreicht ist, wird ein CTO-Lernschritt durchgeführt (Zweig B1). Anschließend erfolgt wiederum das SOM-Lernen für eine vorbestimmte Anzahl an Iterationsschritten it_cto. Die Iteration wird schließlich bei Erreichen einer vorbestimmten Gesamtanzahl n von Iterationsschritten (Zweig B3) beendet.
Im Folgenden wird zunächst das SOM-Lernen beschrieben. Wie bereits erwähnt, ist die Lernregel von sog. Kohonen Self Organizing Maps adaptiert. Eine Variante des SOM-Lernens wurde bereits in der Druckschrift WO 2007/118518 A1 beschrieben und wird nunmehr im Rahmen der Erfindung in geeigneter Weise an laufzeitbasierte Merkmalsvektoren angepasst.
Wie oben erläutert, wurde durch Pattern-Matching für jeden gemessenen Merkmalsvektor C (i) / meas eine geschätzte Objektposition p (i) / PM ermittelt. Diese Position fungiert nunmehr als Zentrum für ein Akualisierungsverfahren der entsprechenden Merkmalsvektoren der Referenzkarte mit Referenzpositionen in der Umgebung um die entsprechende, über Pattern-Matching ermittelte Objektposition. Dabei wird der sog. Nachbarschaftsfehler als eine Differenz zwischen dem aktuell betrachteten gemessenen Merkmalsvektor C (i) / meas und den einzelnen Merkmalsvektoren der Referenzkarte wie folgt definiert: ΔC^(k) = C (i) / meas – C (k) / RM
Basierend auf der Distanz
zwischen der vorbestimmten Position p (i) / PM, welche für die entsprechende Messung durch Pattern-Matching ermittelt wurde, und den vorbekannten Referenzpositionen, wird der Einfluss des oben berechneten Fehlers ΔC^(k ⁾ in geeigneter Weise in Abhängigkeit von dem Abstand zwischen Objektposition und Referenzposition adaptiert. Dies geschieht dadurch, dass eine Gewichtungsfunktion f verwendet wird, welche durch eine Gaußsche Fläche in Kombination mit einem zusätzlichen Lernraten-Parameter κ beschrieben wird, wobei diese Funktion f in der hier beschriebenen Ausführungsform wie folgt definiert ist:
Basierend auf dieser Funktion werden alle Einträge der Referenzkarte über die sog. Kohonen Aktualisierungsregel wie folgt aktualisiert: C (k) / RM = C (k) / RM + f(r^(k))·ΔC(k)
Man erkennt, dass somit die entsprechende Korrektur des Merkmalsvektors der Referenzkarte umso kleiner ist, je weiter entfernt die Referenzposition von der geschätzten Objektposition ist. In einer besonders bevorzugten Ausführungsform wird zur recheneffizienten Umsetzung des Verfahrens die tatsächliche Aktualisierung nur innerhalb eines Bereichs von 3σ um die geschätzte Objektposition p (i) / PM betrachtet, denn die Gaußglocke kann praktisch als Null angesehen werden, wenn sie weiter als das Dreifache der Standardabweichung von ihrem Zentrum entfernt ist.
Die oben beschriebene Aktualisierung kann iterativ mehrmals wiederholt werden, wobei bei jeder Iteration vorzugsweise in zufälliger Reihenfolge alle entsprechenden Messzeitpunkte bzw. gemessenen Merkmalsvektoren betrachtet werden. Jede einzelne Iteration verwendet dabei immer die neu berechneten Merkmalsvektoren der Referenzkarte.
Wie bereits oben erwähnt, wird nach einer vorbestimmten Anzahl von Iterationsschritten das CTO-Verfahren durchgeführt, welches nachfolgend dargelegt wird. Dabei wird die sequentielle zeitliche Reihenfolge der Messungen, welche sich aus dem oben beschriebenen Messzeitpunktvektor t_meas ergibt, in geeigneter Weise zur Formulierung eines Optimierungsproblems unter Verwendung eines vorbestimmten Bewegungsmodells für das mobile Objekt berücksichtigt. Ziel ist es dabei, die einzelnen Einträge der Referenzkarte im Kontext der gesamten Messreihe und des damit verbundenen Tracks des mobilen Objekts zu verbessern.
Ausgangspunkt der CTO-Optimierung ist dabei wiederum der Positionsvektor der über das Pattern-Matching geschätzten Objektpositionen, der wie folgt lautet: P_PM = [p (l) / PM, ..., p (i) / PM, ..., p (l) / PM]^T
Im Rahmen der Optimierung werden diese Positionen approximiert, wodurch verbesserte geschätzte Objektpositionen erhalten werden, wobei bei der Approximation berücksichtigt wird, dass vorbestimmte Bewegungsbeschränkungen des mobilen Objekts nicht verletzt werden. Diese Bewegungsbeschränkungen sind innerhalb eines vorbestimmten Bewegungsmodells festgelegt. Das Bewegungsmodell kann je nach verwendetem mobilen Objekt geeignet festgelegt sein. In der hier beschriebenen Ausführungsform beruht das Bewegungsmodell auf der Annahme, dass sich das mobile Objekt höchstens mit einer maximalen Geschwindigkeit v_MM von beispielsweise 2 m/s bewegen kann. Unter dieser Annahme wird eine zur Optimierung verwendete Kostenfunktion g und eine (I-1) dimensionale Beschränkungsfunktion h festgelegt. Diese Funktionen hängen von möglichen Positionen des mobilen Objekts an den einzelnen Messzeitpunkten ab. Diese Positionen sind durch folgenden Vektor definiert: P = [p^(l), ..., p⁽ⁱ⁾, ..., p^(l)]^T p⁽ⁱ⁾ = [x⁽ⁱ⁾, y^(l)]
Die Kostenfunktion g für diesen zu optimierenden Positionsvektor P mit den entsprechenden Beschränkungsfunktionen h_i für aufeinanderfolgende Messzeitpunkten i lautet dabei wie folgt:
Ziel der Optimierung ist die Minimierung der obigen Kostenfunktion g(P) ohne die Beschränkungen des Bewegungsmodells dahingehend zu verletzen, dass die obige Beschränkungsfunktion h_i(P) kleiner null wird. Auf diese Weise wird berücksichtigt, dass sich ein mobiles Objekt zwischen zwei aufeinander folgenden Messzeitpunkten nicht schneller als mit der obigen Maximalgeschwindigkeit v_MM bewegen kann.
Das soeben beschriebene Optimierungsproblem kann mit aus dem Stand der Technik bekannten Algorithmen, wie z. B. dem Active-Set-Algorithmus, gelöst werden. Durch das manuelle Zuführen von Gradienten sowohl der Kostenfunktion als auch der Beschränkungsfunktion kann die Rechenzeit für die Optimierung signifikant reduziert werden. In einer bevorzugten Ausführungsform werden die obigen Positionen P mit Hilfe eines an sich bekannten Partikel-Filters initialisiert, um hierdurch die Ergebnisse zu verbessern. Die soeben beschriebene Optimierung kann als eine Art von Tracking-Algorithmus angesehen werden, in dem die komplette Historie und Zukunft des Datensatzes der Messreihe berücksichtigt wird.
Nach der Durchführung der obigen Optimierung wird als Ergebnis der Positionsvektor P_opt erhalten, der als Einträge die entsprechenden optimierten geschätzten Positionen für die einzelnen Messzeitpunkte enthält. Mit Hilfe dieses Vektors wird in einer bevorzugten Variante der Erfindung für jede Referenzposition in der Referenzkarte die nächstliegende optimierte Position aus dem Vektor P_opt wie folgt bestimmt:
Schließlich wird der entsprechende Merkmalsvektor der Referenzkarte durch die erhaltene nächstliegende Messung wie folgt ersetzt:
C (k) / RM ist somit der aktualisierte Merkmalsvektor für die Referenzposition k der Referenzkarte. In einer Abwandlung erfolgt die Bestimmung eines aktualisierten Merkmalsvektors der Referenzkarte nicht durch das Ersetzen des Merkmalsvektors mit dem nächstliegenden gemessenen Merkmalsvektors, sondern unter Verwendung einer gewichteten Summe, welche durch folgende Gleichung repräsentiert wird:
Dabei bezeichnet α einen Normalisierungsfaktor. Die A-Posteriori-Wahrscheinlichkeit in obiger Gleichung ist bei der Verwendung von Partikel-Filtern direkt verfügbar, kann jedoch auch durch Gaußsche Kurven um die Positionen P_opt wie folgt modelliert werden:
Von den Erfindern durchgeführte Simulationen haben gezeigt, dass die Aktualisierung der Referenzkarte mit dem Merkmalsvektor gemäß der nächstliegenden Objektposition etwas bessere Ergebnisse liefert als die gerade beschriebene Aktualisierung.
Um die Stabilität des oben beschriebenen Lernverfahrens zu verbessern, werden in einer bevorzugten Ausführungsform sog. Fixpunkte berücksichtigt, welche räumliche Positionen im Bereich der Referenzkarte darstellen und vorbestimmte Zuordnungen zwischen gemessenen Merkmalsvektoren und ihren tatsächlichen Positionen beschreiben. Die Fixpunkte können dabei manuell vorab im Rahmen der Messungen der Merkmalsvektoren festgelegt werden, d. h. in diesem Fall werden entsprechende Messungen vorbestimmten räumlichen Positionen von Fixpunkten zugewiesen. Diese räumlichen Positionen werden dann bei den nachfolgenden Optimierungen nicht mehr verändert. Ebenso können entsprechende Fixpunkte auch automatisch aus den Messdaten ermittelt werden. Hierzu kann z. B. eine geeignete Heuristik zur automatischen Detektion dieser Fixpunkte verwendet werden. Ein Beispiel einer solchen Heuristik wird weiter unter beschrieben.
Sowohl bei der manuellen Festlegung als auch bei der automatischen Ermittlung von Fixpunkten werden diese Fixpunkte durch einen räumlichen Positionsvektor P_fix mit F Einträgen für die jeweiligen räumlichen Positionen der einzelnen Fixpunkte sowie den zugeordneten Merkmalsvektoren in der Form der Matrix C_fix beschrieben. Es gilt somit: P_fix = [p (l) / fix, ..., p (f) / fix, ..., p (F) / fix] C_fix = [C] (l) / fix, ..., C (f) / fix, ..., C (F) / meas]
Im Rahmen einer automatischen Erkennung von Fixpunkten wird während des Lernens ein entsprechender gemessener Merkmalsvektor einem Fixpunkt dann zugewiesen, wenn die quadratische Differenz zwischen dem Merkmalsvektor der Messung und der vorgegebenen Messung am Fixpunkt unterhalb einer vorbestimmten Schwelle d_fix liegt, d. h. wenn gilt:
Messungen, welche Fixpunkten zugeordnet werden, werden im Rahmen des oben beschriebenen Verfahrens nicht geschätzt, sondern als vorgegeben betrachtet. Insbesondere werden in dem oben beschriebenen SOM-Lernen die über Pattern-Matching ermittelten Positionen p (i) / PM durch die Fixpunkt-Positionen p (f) / fix ersetzt, was im Rahmen des SOM-Lernens in den meisten Fällen zu einer korrekten Position des Zentrums der Aktualisierungsflächen führt. Diese Ersetzung wird auch im Rahmen der CTO-Optimierung vorgenommen. Dabei ist die entsprechende Fixpunkt-Position kein freier Parameter der Optimierung mehr, so dass nach der Optimierung diese Fixpunkt-Position nicht verändert ist und gleichzusetzen mit einer geschätzten optimierten Objektposition ist.
In einer weiteren Abwandlung des erfindungsgemäßen Verfahrens werden Fixpunkte basierend auf einer Heuristik bestimmt, gemäß der solche gemessenen Merkmalsvektoren detektiert werden, welche nahe an einer entsprechenden Basisstation liegen. Im Rahmen dieser Heuristik wird für eine Basisstation n eine entsprechende Messposition, welche am nächsten zu der Basisstation n liegt, wie folgt ermittelt:
Für jede Messung (d. h. für jeden Messzeitpunkt i) wird bestimmt, wie groß die Laufzeitdifferenz für jedes Paar von Basisstationen ist, welches die Basisstation n enthält. Die Laufzeitdifferenz wird dabei aus der Kanalimpulsantwort dadurch abgeleitet, dass der Maximalwert der Kanalimpulsantwort als Laufzeitdifferenz verwendet wird. Die Kanalimpulsantworten werden somit als Wahrscheinlichkeiten für entsprechende Laufzeitdifferenzen betrachtet. Für jede Messung werden die Laufzeitdifferenzen für jedes Basisstationspaar, welches die Basisstation n enthält, summiert. Dabei wird in geeigneter Weise ein Vorzeichen dahingehend berücksichtigt, ob in dem entsprechenden Basisstationspaar die betrachtete Basisstation n die erste und die zweite Basisstation ist. Hierdurch wird erreicht, dass die Summe umso größer wird, je näher sich der Punkt der entsprechenden Messung an der gerade betrachteten Basisstation n befindet. Aus diesen summierten Werten wird diejenige Messung mit der größten Summe ausgewählt. Die entsprechende Messposition wird dann mit der Position der Basisstation n gleichgesetzt. Basierend auf dieser Heuristik können auf recheneffiziente Weise solche Messungen ermittelt werden, welche an Basisstationen liegen. Diese Messungen werden als Fixpunkte betrachtet und mit den räumlichen Positionen der Basisstationen gleichgesetzt.
Das erfindungsgemäße Verfahren wurde von den Erfindern basierend auf Simulationen getestet. 4 zeigt ein Diagramm, welches Ergebnisse des erfindungsgemäßen Verfahrens mit an sich bekannten Methoden vergleicht. Es wurde dabei eine mit dem erfindungsgemäßen Verfahren gelernte Referenzkarte zur Lokalisation eines mobilen Objektes verwendet und mit an sich bekannten Lokalisationsverfahren verglichen. Entlang der Abszisse des Diagramms der 4 ist der Lokalisationsfehler LE und entlang der Ordinate die kumulative Wahrscheinlichkeit P_cum für den entsprechenden Lokalisationsfehler gezeigt. Das heißt, je steiler die entsprechenden Kurven sich nach oben erstrecken, desto besser ist die entsprechende Lokalisation.
Die Kurve CU1 zeigt eine basierend auf der erfindungsgemäß gelernten Referenzkarte durchgeführte Lokalisation mittels Pattern-Matching. Demgegenüber zeigt die Kurve CU2 eine Lokalisation basierend auf Pattern-Matching mit einer manuell kalibrierten Referenzkarte. Die Kurve CU3 zeigt eine aus dem Stand der Technik bekannte Lokalisation ohne Referenzkarte, bei der für jede mögliche Position des mobilen Objekts die entsprechenden Kanalimpulsantworten der einzelnen Paare von Basisstationen multipliziert werden und der Ort mit dem Maximalwert des Produkts als Position des mobilen Objekts identifiziert wird. Demgegenüber zeigt die Kurve CU4 ein Pattern-Matching, bei dem die Referenzkarte nicht gelernt wird, sondern die ursprünglich über eine Gaußfunktion initialisierte Referenzkarte verwendet wird.
Wie sich aus dem Diagramm der 4 ergibt, werden durch eine manuelle Kalibration der Referenzkarte natürlich die besten Ergebnisse erreicht. Diese Lokalisation ist jedoch mit hohem Kalibrationsaufwand verbunden. Im Vergleich zu Verfahren, welche keine Kalibration verwenden, ist jedoch das erfindungsgemäße Verfahren gemäß der dargestellten Kurve CU1 das beste. Insbesondere führt das erfindungsgemäße Verfahren zu besseren Lokalisationsergebnissen als das oben beschriebene Verfahren gemäß dem Stand der Technik, welches durch die Kurve CU3 repräsentiert wird. Wie nicht anders zu erwarten, werden ohne Lernen einer Referenzkarte die schlechtesten Lokalisationsergebnisse erreicht, wie sich durch die flache Kurve CU4 ergibt.
Die im Vorangegangenen beschriebenen Ausführungsformen des erfindungsgemäßen Verfahrens weisen eine Reihe von Vorteilen auf. Insbesondere verbessert die mit dem Verfahren gelernte Referenzkarte laufzeitbasierte Lokalisationssysteme, ohne dass zusätzliche Kalibrierungsphasen oder weitere Messdaten benötigt werden. Darüber hinaus beinhaltet das Verfahren nicht die Nachteile der manuellen Kalibrierung, bei der mit einem hohen Aufwand an vorbestimmten bekannten räumlichen Positionen entsprechende Merkmalsvektoren des Funknetzes gemessen werden müssen. In einer bevorzugten Form des erfindungsgemäßen Verfahrens können im Rahmen des Lernens vorbestimmte Fixpunkte einfließen, welche auch automatisch detektiert werden können, beispielsweise basierend auf einer Heuristik.

Claims

Verfahren zum rechnergestützten Lernen einer Referenzkarte basierend auf Messungen von Merkmalen eines Funknetzes, wobei die Messungen derart erfolgt sind, dass für ein mobiles Objekt (O), welches über das Funknetz mit einer Mehrzahl von Basisstationen (BS1, BS2, BS3) des Funknetzes kommuniziert, an einer Vielzahl von unbekannten Objektpositionen (OP) des mobilen Objekts (O) jeweilige Merkmalsvektoren (C_meas) des Funknetzes gemessen werden und hierdurch eine Messreihe aus einer Vielzahl von zeitlich aufeinander folgenden Merkmalsvektoren (C_meas) für jeweilige Objektpositionen (OP) zu jeweiligen Messzeitpunkten erhalten wird, wobei die Referenzkarte eine Vielzahl von räumlichen Referenzpositionen (RP) enthält, wobei basierend auf der Messreihe die jeweiligen Merkmalsvektoren (C) des Funknetzes an den jeweiligen Referenzpositionen (RP) der Referenzkarte gelernt werden, wobei: a) basierend auf einem Musterabgleich, welcher die jeweiligen Merkmalsvektoren (C_meas) der Messreihe mit den Merkmalsvektoren (C_RM) an den Referenzpositionen (RP) der Referenzkarte vergleicht, die jeweiligen Objektpositionen (OP), an denen die Merkmalsvektoren (C_meas) des Funknetzes gemessen wurden, geschätzt werden; b) basierend auf einer Optimierung einer Kostenfunktion optimierte geschätzte Objektpositionen (OP) ermittelt werden, wobei in der Optimierung eine oder mehrere Randbedingungen berücksichtigt werden, welche durch ein vorbestimmtes Bewegungsmodell für das mobile Objekt (O) vorgegeben sind, wobei das vorbestimmte Bewegungsmodell unter Verwendung der zeitlichen Reihenfolge der Messzeitpunkte der Messreihe eine oder mehrere Beschränkungen für die Objektbewegung im Hinblick auf die vergangene und/oder die zukünftige Bewegung des mobilen Objekts (O) festlegt; c) mittels der optimierten geschätzten Objektpositionen (OP) aktualisierte Merkmalsvektoren C) des Funknetzes an den Referenzpositionen (RP) der Referenzkarte ermittelt werden.
Verfahren nach Anspruch 1, bei dem die Merkmalsvektoren (C_meas, C_RM) des Funknetzes als Einträge laufzeitbasierte Größen umfassen, welche jeweils von einer Laufzeit von einem oder mehreren Funksignalen im Funknetz abhängen.
Verfahren nach Anspruch 2, bei dem die Laufzeit des oder der Funksignale die Ein-Wege-Laufzeit eines Funksignals zwischen einer jeweiligen Basisstation (BS1, BS2, BS3) und dem mobilen Objekt (O) und/oder die Zwei-Wege-Laufzeit eines Funksignals von dem mobilen Objekt (O) zu einer jeweiligen Basisstation (BS1, BS2, BS3) und von dort zurück zur jeweiligen Basisstation (BS1, BS2, BS3) und/oder die Zwei-Wege-Laufzeit eines Funksignals von einer jeweiligen Basisstation (BS1, BS2, BS3) zu dem mobilen Objekt (O) und von dort zurück zur jeweiligen Basisstation (BS1, BS2, BS3) umfassen.
Verfahren nach Anspruch 2 oder 3, bei dem die Laufzeit des oder der Funksignale die Laufzeitdifferenz (LD) für ein jeweiliges Paar aus Basisstationen (BS1, BS2, BS3) umfasst, wobei die Laufzeitdifferenz (LD) den Unterschied zwischen einer ersten und einer zweiten Laufzeit (L1, L2) darstellt, wobei die erste Laufzeit die Laufzeit eines Funksignals zwischen dem mobilen Objekt (O) und der einen Basisstation (BS1, BS2, BS3) des Paars und die zweite Laufzeit die Laufzeit eines Funksignals zwischen dem mobilen Objekt (O) und der anderen Basisstation (BS1, BS2, BS3) des Paars darstellt.
Verfahren nach einem der Ansprüche 2 bis 4, bei dem die laufzeitbasierten Größen in den Einträgen der Merkmalsvektoren (C_meas, C_RM) des Funknetzes Kanalimpulsantworten sind, wobei eine Kanalimpulsantwort in einem jeweiligen Eintrag eines Merkmalsvektors (C_meas, C_RM) insbesondere die Kanalimpulsantwort für die Laufzeitdifferenz für ein jeweiliges Paar von Basisstationen (BS1, BS2, BS3) ist.
Verfahren nach Anspruch 5, bei dem zu Beginn des Verfahren die Referenzkarte derart initialisiert wird, dass für eine jeweilige Referenzposition (RP) die Kanalimpulsantwort für die Laufzeitdifferenz für ein jeweiliges Paar von Basisstationen (BS1, BS2, BS3) durch eine Normalverteilung repräsentiert wird, deren Mittelwert eine Laufzeitdifferenz (LD) basierend auf geschätzten Abständen zwischen jeweiligen Referenzpositionen (RP) und den Basisstationen (BS1, BS2, BS3) des jeweiligen Paars ist.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem im Rahmen des Musterabgleichs in Schritt a) eine Anzahl von Merkmalsvektoren (C_RM) an Referenzpositionen (RP) mit der größten Übereinstimmung mit dem gemessenen Merkmalsvektor (C_meas) an einer jeweiligen Objektposition (OP) ermittelt wird und basierend auf der oder den Referenzpositionen (RP) für die Anzahl von Merkmalsvektoren (C_RM), insbesondere durch Mittelung der Referenzpositionen (RP), die jeweilige Objektposition (OP) geschätzt wird.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem im Rahmen des Musterabgleichs n Schritt a) parallel die Merkmalsvektoren (C_RM) der Referenzkarte aktualisiert werden, indem die Merkmalsvektoren (C_RM) der Referenzkarte für Referenzpositionen (RP) in einer vorbestimmten Umgebung um eine über den Musterabgleich geschätzten Objektposition (OP) jeweils mit einem Korrekturterm korrigiert werden, wobei der Korrekturterm von der Differenz zwischen dem Merkmalsvektor (C_RM) an der über den Musterabgleich geschätzten Objektposition (OP) und dem jeweils zu korrigierenden Merkmalsvektor (C_RM) der Referenzkarte abhängt.
Verfahren nach Anspruch 8, bei dem die Größe des Korrekturterms mit zunehmendem Abstand der jeweiligen Referenzposition (RP) in der vorbestimmten Umgebung von der über den Musterabgleich geschätzten Objektposition (OP) abnimmt.
Verfahren nach Anspruch 9, bei dem der Korrekturterm von einer Gaußfunktion mit Zentrum an der über den Musterabgleich geschätzten Objektposition (OP) abhängt.
Verfahren nach einem der Ansprüche 8 bis 10, bei dem das Verfahren iterativ durchgeführt wird, wobei nach einer Anzahl von Aktualisierungen der Merkmalsvektoren (C_RM) der Referenzkarte in Schritt a) die Schritte b) und c) durchgeführt werden und anschließend zu Schritt a) zurückgegangen wird.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem das in Schritt b) verwendete vorbestimmte Bewegungsmodell eine Maximalgeschwindigkeit für die Bewegung des mobilen Objekts (O) als Beschränkung festlegt.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem die in Schritt b) verwendete Kostenfunktion eine Summe von Gaußfunktionen ist, welche jeweils von der betragsmäßigen Differenz zwischen der jeweiligen, über den Musterabgleich geschätzten Objektposition (OP) und der zu ermittelnden optimierten geschätzten Objektposition (OP) abhängen.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem in Schritt c) die aktualisierten Merkmalsvektoren (C_RM) des Funknetzes an den Referenzpositionen (RP) der Referenzkarte derart ermittelt werden, dass diejenige optimierte geschätzte Objektposition (OP), welche den geringsten Abstand zu einer jeweiligen Referenzposition (RP) der Referenzkarte aufweist, bestimmt wird und der Merkmalsvektor (C_RM) an der jeweiligen Referenzposition (RP) durch den gemessenen Merkmalsvektor (C_meas) an der optimierten geschätzten Objektposition (OP) mit dem geringsten Abstand zu der jeweiligen Referenzposition (RP) der Referenzkarte ersetzt wird.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem in Schritt c) die aktualisierten Merkmalsvektoren (C_RM) des Funknetzes an den Referenzpositionen (RP) der Referenzkarte derart ermittelt werden, dass für eine jeweilige Referenzposition (RP) eine gewichtete Summe aus gemessenen Merkmalsvektoren (C_meas) an optimierten geschätzten Objektpositionen (OP) ermittelt wird, wobei die gewichtete Summe den aktualisierten Merkmalsvektor (C_RM) an der jeweiligen Referenzposition (RP) darstellt und wobei die jeweiligen Gewichte der Summanden in der Summe umso kleiner sind, je weiter eine geschätzte optimierte Objektposition (OP) von der jeweiligen Referenzposition (RP) entfernt ist.
Verfahren nach Anspruch 15, bei dem die Gewichte der gewichteten Summe durch Gaußfunktionen modelliert werden, wobei eine jeweilige Gaußfunktion vom betragsmäßigen Abstand zwischen einer jeweiligen Referenzposition (RP) und der der jeweiligen optimierten geschätzten Objektposition (OP) abhängt.
Verfahren nach einem der vorhergehenden Ansprüche, bei dem im Rahmen der Durchführung von Schritt a) und/oder Schritt b) Fixpunkte mit festen räumlichen Positionen und Merkmalsvektoren berücksichtigt werden, wobei in der Messreihe eine oder mehrere Objektpositionen (OP) vorab Fixpunkten zugeordnet sind und/oder gemessenen Merkmalsvektoren (C_meas) der Messreihe Fixpunkte zugeordnet werden, wobei die räumlichen Positionen von Fixpunkten in Schritt a) als geschätzte Objektpositionen (OP) behandelt werden und/oder in Schritt b) als optimierte geschätzte Objektpositionen (OP) behandelt werden.
Verfahren nach Anspruch 17, bei dem gemessenen Merkmalsvektoren (C_meas) der Messreihe Fixpunkte über eine Heuristik zugeordnet.
Verfahren nach Anspruch 17 oder 18, bei dem die räumlichen Positionen der Fixpunkte den räumlichen Positionen der Basisstationen (BS1, BS2, BS3) entsprechen.
Verfahren zur rechnergestützten Lokalisation eines mobilen Objekts (O) basierend auf einer Referenzkarte, welche mit einem Verfahren nach einem der vorhergehenden Ansprüche gelernt ist, wobei ein Merkmalsvektor (C_meas) des Funknetzes an der zu lokalisierenden Objektposition (OP) gemessen wird und basierend auf einem Musterabgleich, welcher den gemessenen Merkmalsvektor (C_meas) mit Merkmalsvektoren (C_RM) an den Referenzpositionen (RP) der gelernten Referenzkarte vergleicht, die Objektposition (OP) bestimmt wird.
Vorrichtung zum rechnergestützten Lernen einer Referenzkarte basierend auf Messungen von Merkmalen eines Funknetzes, wobei die Messungen derart erfolgt sind, dass für ein mobiles Objekts (O), welches über das Funknetz mit einer Mehrzahl von Basisstationen (BS1, BS2, BS3) des Funknetzes kommuniziert, an einer Vielzahl von unbekannten Objektpositionen (OP) des mobilen Objekts (O) jeweilige Merkmalsvektoren (C_meas) des Funknetzes gemessen werden und hierdurch eine Messreihe aus einer Vielzahl von zeitlich aufeinander folgenden Merkmalsvektoren (C_meas) für jeweilige Objektpositionen (OP) zu jeweiligen Messzeitpunkten erhalten wird, wobei die Referenzkarte eine Vielzahl von räumlichen Referenzpositionen (RP) enthält, wobei die Vorrichtung eine Verarbeitungseinheit umfasst, mit der im Betrieb der Vorrichtung basierend auf der Messreihe die jeweiligen Merkmalsvektoren (C_RM) des Funknetzes an den jeweiligen Referenzpositionen (RP) der Referenzkarte mit einem Verfahren gelernt werden, bei dem: a) basierend auf einem Musterabgleich, welcher die jeweiligen Merkmalsvektoren (C_meas) der Messreihe mit den Merkmalsvektoren (C_RM) an den Referenzpositionen (RP) der Referenzkarte vergleicht, die jeweiligen Objektpositionen (OP), an denen die Merkmalsvektoren (C_meas) des Funknetzes gemessen wurden, geschätzt werden; b) basierend auf einer Optimierung einer Kostenfunktion optimierte geschätzte Objektpositionen (OP) ermittelt werden, wobei in der Optimierung eine oder mehrere Randbedingungen berücksichtigt werden, welche durch ein vorbestimmtes Bewegungsmodell für das mobile Objekt (O) vorgegeben sind, wobei das vorbestimmte Bewegungsmodell unter Verwendung der zeitlichen Reihenfolge der Messzeitpunkte der Messreihe eine oder mehrere Beschränkungen für die Objektbewegung im Hinblick auf die vergangene und/oder die zukünftige Bewegung des mobilen Objekts (O) festlegt; c) mittels der optimierten geschätzten Objektpositionen (OP) aktualisierte Merkmalsvektoren (C_RM) des Funknetzes an den Referenzpositionen (RP) der Referenzkarte ermittelt werden.
Vorrichtung nach Anspruch 21, welche derart ausgestaltet ist, dass mit der Vorrichtung ein Verfahren nach einem der Ansprüche 2 bis 19 durchführbar ist.
Vorrichtung zur rechnergestützten Lokalisation eines mobilen Objekts (O) basierend auf einer Referenzkarte, welche mit einem Verfahren nach einem der Ansprüche 1 bis 19 gelernt ist, wobei die Vorrichtung eine Mess- und Verarbeitungseinrichtung umfasst, mit der ein Merkmalsvektor (C_meas) des Funknetzes an der zu lokalisierenden Objektposition (OP) gemessen wird und mit der basierend auf einem Musterabgleich, welcher den gemessenen Merkmalsvektor (C_meas) mit den Merkmalsvektoren (C_RM) an den Referenzpositionen (RP) der gelernten Referenzkarte vergleicht, die Objektposition (OP) bestimmt wird.
Computerprogrammprodukt mit einem auf einem maschinenlesbaren Träger gespeicherten Programmcode zur Durchführung eines Verfahrens nach einem der Ansprüche 1 bis 20, wenn das Programm auf einem Rechner läuft.