DE69928333T2

DE69928333T2 - Mustererkennungsbasierte Positionsbestimmung

Info

Publication number: DE69928333T2
Application number: DE69928333T
Authority: DE
Inventors: Byron Whippany Hua Chen; Tung Berkeley Heights Ching Chiang; John Madison Freindenfelds
Original assignee: Lucent Technologies Inc
Current assignee: Nokia of America Corp
Priority date: 1998-08-25
Filing date: 1999-08-17
Publication date: 2006-06-29
Anticipated expiration: 2019-08-18
Also published as: CA2275911A1; DE69928333D1; KR100605781B1; CN1255812A; JP2000092556A; US6496701B1; EP0982964B1; BR9903778A; EP0982964A2; KR20000017489A; AU4466899A; EP0982964A3

Description

Erfindungsgebiet
Die vorliegende Erfindung betrifft eine Technik zum Durchführen von Geolocation auf Mustererkennungsbasis unter verschiedenen HF-Ausbreitungsbedingungen und insbesondere eine Technik zum Lokalisieren eines mobilen Anrufers innerhalb eines Mobildienstbereichs unter verschiedenen HF-Ausbreitungsbedingungen.
Beschreibung des verwandten Stands der Technik
Ein Mobiltelephonsystem muß in der Lage sein, einen mobilen Anrufer innerhalb eines Mobildienstbereichs unter verschiedenen HF-Ausbreitungsbedingungen zu lokalisieren.
Herkömmliche Verfahren basieren entweder auf einer Triangulationstechnik, die Signale von oder zu drei oder mehr Basisstationen erfordert, oder einer Winkelankunftstechnik, die mindestens zwei Basisstationen erfordert. In vielen Bereichen liegt die Anzahl der Basisstationen, die von der Mobileinheit detektiert werden können oder die die Mobileinheit detektieren können, unter zwei. Zudem leiden sowohl die Triangulations- als auch die Ankunftswinkeltechnik unter Ungenauigkeiten und Signalschwund, die sich aus einer Mehrwegeausbreitung ergeben.
WO-A-92/02 105 betrifft eine Ortsbestimmung und einen Basisstationswechsel bei mobilen Funksystemen und offenbart ein System zum Bestimmen des Orts einer mobilen Einheit zu einem Punkt auf einer Straße oder zum Bestimmen des Orts einer mobilen Einheit innerhalb einer Mikrozelle. Die Basisstation benötigt Informationen über die Entfernung der mobilen Einheit von der Basisstation und die von der mobilen Einheit empfangene Signalstärke. Sie kann dann diese Informa tionen mit verschiedenen Profilen in einer Nachschlagetabelle vergleichen, um eine Übereinstimmung zu erhalten. Das Ordnungspaar aus Entfernung und Signalstärke weist eine Übereinstimmung auf, die einem der Straßenprofile entspricht.
EP-A-0 631 453 betrifft ein Verfahren zum Lokalisieren einer mobilen Station in einem digitalen Telephonnetz, insbesondere einem GSM-Netz. Auf relevanten Verkehrsstrecken werden Referenzmessungen mit Hilfe eines Meßmobils ausgeführt, um Positionsinformationen hinsichtlich gemessener Signale bereitzustellen. Mit Hilfe dieser Referenzdaten und der Positionsinformationen wird ein adaptives neuronales Netz trainiert, das mit Hilfe entsprechender Meßdaten, die von der Mobilstation zu einer jeweiligen Basisstation übertragen werden, die Lokalisierung der Mobilstation durchführt.
Kurze Darstellung der Erfindung
Ein Verfahren und ein Prozessor gemäß der Erfindung sind so, wie in den unabhängigen Ansprüchen dargelegt. Bevorzugte Formen sind in den abhängigen Ansprüchen dargelegt.
Die vorliegende Erfindung löst die obigen Probleme durch Bereitstellen eines Verfahrens und eines Prozessors, die Geolocation auf Mustererkennungsbasis verwenden, um einen mobilen Anrufer innerhalb eines Funkdienstbereichs unter verschiedenen HF-Ausbreitungsbedingungen zu lokalisieren.
Die vorliegende Erfindung stellt Übereinstimmungen der beobachteten HF-Charakteristiken, die mit dem von einer mobilen Einheit übertragenen Signal assoziiert sind (oder einem von einer mobilen Einheit empfangenen und zur Basisstation zurückberichteten Signal), mit einer bekannten Menge von HF-Charakteristiken und anderen Informationen eines bestimmten Orts her. Der Ort der mobilen Einheit wird bestimmt oder geschätzt, wenn ein gutes Übereinstimmungsmuster gefunden wird. Mustererkennungstechnologie wird verwendet, um das übereinstimmende Muster zu finden. Bei einer Ausführungsform ist die Mustererkennungstechnik eine Bayes'sche Formel zur optimalen Schätzung. Die Hauptvorteile der vorliegenden Erfindung bestehen darin, die Notwendigkeit zum Detektieren mehr als einer Basisstation und durch Mehrwegeausbreitung verursachte Ungenauigkeiten zu eliminieren.
Kurze Beschreibung der Zeichnungen
1 veranschaulicht einen in Zellen unterteilten Funkdienstbereich;
2 veranschaulicht die Zellen von 1, weiter in Teilzellen unterteilt;
3 veranschaulicht eine Ausführungsform der vorliegenden Erfindung und
4 veranschaulicht die Struktur und Felder, die bei einer Ausführungsform die Musterdatenbank bilden.
Ausführliche Beschreibung der Erfindung
1 zeigt einen Funk- (oder PCS-)Dienstbereich 10 mit mehreren Zellen 12. 1 veranschaulicht auch mehrere Basisstationen BS₁ ... BS_N und mindestens eine Mobilvermittlungsstelle (MSC) 16. 2 zeigt die Zellen 12 des Dienstbereichs 10 in Teilzellen 20 unterteilt, die durch die durch die Gitterlinien ausgebildeten Quadrate dargestellt werden. Die gezeigten Zahlen stellen die Teilzelle C₁, C₂, C₄, C₅ bzw. C₆ dar. 3 zeigt die Hardwarearchitektur zum Bestimmen des Orts einer mobilen Einheit 30 in einer Ausführungsform.
Insbesondere veranschaulicht 3 ein Mobiltelephon 30, drei Basisstationen BS₁, BS₂, BS₃, eine Mobilvermittlungsstelle 16, einen Geolocation-Server 32 und eine Datenbank 34.
Wie in 1 und 2 dargestellt, ist der Funkdienstbereich 10 in Zellen 12 und dann Teilzellen C₁ ... C_M unterteilt. Eine Menge detektierbarer HF-Charakteristiken sind für jede Teilzelle definiert, die als die Attribute/Eigenschaften der Teilzelle bezeichnet werden. Die mobile Einheit 30 mißt die HF-Signale, die mit den Attributen/Eigenschaften assoziiert sind, und berichtet dann die Ergebnisse an eine Primärbasisstation BS₁, die wiederum über die MSC 16 an den in 3 dargestellten Geolocation-Server 32 berichtet. Der Geolocation-Server 32 vergleicht statistisch die Meßwerte mit den bekannten Attributwerten aller Teilzellen in einem vordefinierten Bereich. Die Teilzelle, die die am besten übereinstimmende Menge von Attributwerten mit den Meßwerten aufweist, ist diejenige, von der die mobile Einheit 30 wiederholt wird, darin zu sein. Die bekannte Menge von Attributwerten in der Datenbank 34 für jede Teilzelle berücksichtigt statistisch Wetterbedingungen, Tageszeit und andere Umweltschwankungen, die die HF-Charakteristiken beeinflussen könnten. Wenn sich die mobile Einheit 30 bewegt, wird der Vergleich periodisch durchgeführt und der Ort der mobilen Einheit 30 kann zu jeder gegebenen Zeit bestimmt werden. Infolgedessen kann das Problem der Geolocation durch Mustererkennung gelöst werden.
Mehr im Detail sei angenommen, daß S der Bereich ist, in dem sich die mobile Einheit 30 bekannterweise befindet. Beispielsweise kann S ein Sektor sein, der von der existierenden Technologie bestimmt werden kann, wo sich die mobile Einheit 30 befindet. Weiterhin sei angenommen, daß {C₁, C₂, C₃ ..., C_m} eine Menge von Teilzellen ist, die eine Unterteilung von S ist, so daß
und A = {A₁, A₂, A₃, ..., A_n} die Menge von Attributen von C_i für i = 1 bis m ist. Beispielsweise ist A₁ der PN-Code, der eine bestimmte Basisstation Bs_x identifiziert, A₂ ist die Stärke des PN-Signals und A₃ ist die Phasenverschiebung. A₁ ... A_n sind Zufallsvariablen. D_i ist die Domäne von A_i, die alle möglichen Werte von A_i enthält, und a_j bezeichnet eine Eigenschaft, die derart definiert ist, daß das Attribut A_j einen bestimmten Wert oder Wertemenge aufweist, der oder die zum Charakterisieren einer Teilzelle verwendet werden kann. Beispielsweise kann a_j A_j = v oder A_j > v darstellen, wobei v ein Wert in D_j ist. Falls P(a_i) die Wahrscheinlichkeit des Auftretens von a_i über alle Teilzellen ist, dann ist P(a_i|C_j) die Wahrscheinlichkeit des Auftretens von a_I in C_j, P(C_j) die Wahrscheinlichkeit, daß sich die mobile Einheit 30 in C_j unabhängig von Eigenschaften befindet, und P(C_j|a_i) ist die Wahrscheinlichkeit, daß sich die mobile Einheit 30 bei einer gegebenen beobachteten Eigenschaft von a_i in C_j befindet. Das Ziel der vorliegenden Erfindung besteht darin, den höchsten Wert P(C_i|A*) zu finden, nämlich die höchste Wahrscheinlichkeit, daß die mobile Einheit 30 sich bei einem gegebenen Satz von Meß- oder beobachteten Werten A* in C_i befindet, wobei A* = {a₁, a₂, a₃, ..., a_n}. Bei einer Ausführungsform kann P(C_i|A*) unter Verwendung der folgenden Bayes'schen Formel erhalten werden: P(Ci|A*) = P(Ci)P(A*|Ci)/P(A*).
Anfänglich kann angenommen werden, daß P(C_i) 1/m ist, eine gleichförmige Verteilung, da es keine a priori Kenntnis darüber gibt, wo sich die mobile Einheit 30 befinden könnte. P(A*) kann erhalten werden über: P(A*) = Σ P(Cs)P(A*|Cs),S = 1, ..., m und
P(A*|C_i) kann erhalten werden über: P(A*|Ci) = P(a1|Ci)P(a2|Ci)P(a3|Ci) ... P(an|Ci).
Wenn sich die mobile Einheit 30 bewegt, erfolgt die Messung zum Zeitpunkt t + Δt, und P(C_i) wird mit P(C_i|A*_t) aktualisiert, wobei A*_t die bei t + Δt beobachtete Menge von Eigenschaften ist.
Die Datenbank 34 für die Teilzellen wird durch eine Menge von Attributen definiert. Die Datenbank 34 kann als ein Zusatzserver bei der MSC 16 oder eine beliebige Basisstation BS₁ ... BS_N implementiert werden, auf der ein beliebiges, kommerziell erhältliches Datenbankmanagementsystem läuft. Die Datenbank 34 ist in Zellen und in Sektoren organisiert, um effiziente Suchverfahren bereitzustellen. Die Attributwerte können über eine Erkundung des Abdeckungsbereichs erhalten werden, und die Wahrscheinlichkeitsverteilungsfunktion für A* kann auf der Basis der Erkundungsergebnisse konstruiert werden.
Angesichts dessen, daß eine regelmäßige Zelle einen Radius mit einer Größe von 2 km bis 25 km aufweist, wird die Größe einer Teilzelle mit einem Radius von 125 m zu einer annehmbaren Größe für die Datenbank führen. Wenn beispielsweise die Zelle einen Radius von 25 km aufweist, wird die Anzahl der Teilzellen in einer Zelle etwa 40 000 betragen. Somit gibt es 40 000 Aufzeichnungen pro Basisstation, was eine relativ kleine Datenbank ist.
Es gibt mindestens zwei verfahren, mit denen die Datenbank 34 erstellt werden kann.
Eine Möglichkeit besteht darin, speziell ausgeführtes Gerät zu verwenden, um den Dienstbereich 10 gründlich zu erkunden. Das Gerät wird dazu verwendet, HF-Charakteristiken für einen Ort zu sammeln und die Daten aufzuzeichnen. Die Datenaufzeichnungen werden dann verarbeitet, um die Datenbank 34 zu erstellen. Dieser Prozeß wird über ein Computerprogramm zum Sammeln von Daten und Erstellen der Datenbank 34 automatisiert. Dieses Verfahren liefert eine präzise Datenbank.
Die Datenbank 34 kann auch über die Konstruktion eines statistischen Modells erstellt werden. Das statistische Modell wird unter Verwendung einer HF-Ausbreitungsformel konstruiert. Die Parameter in dem Modell werden über eine begrenzte Anzahl von Beobachtungen der HF-Charakteristiken an Stichpunktorten in dem Dienstbereich 10 verifiziert. Die Wahrscheinlichkeit einer bestimmten Beobachtung kann dann berechnet und in der Datenbank 34 gespeichert werden.
4 zeigt ein Beispiel der Datenbank 34, die die statistischen Daten für C₁, C₂, C₃, C₄, C₅ und C₆ wie in der ersten Spalte enthält. Die zweite Spalte stellt die Attribute BS₁ und ihre Werte dar, und die dritte Spalte ist die mit p1 bezeichnete Wahrscheinlichkeit, daß ein bestimmter Attributwert in einer Teilzelle beobachtet werden könnte. Beispielsweise weist BS₁ = 161/232/16 eine Wahrscheinlichkeit von 1 in der Teilzelle C₁ auf. Mit anderen Worten soll a₁ gleich BS₁ = 161/232/16 sein, dann weist P(a₁/C₁) den Wert 1 auf. Die Zahlen 161/232/16 beispielsweise, getrennt durch einen "/", stellen die Basisstations-ID, die Piloten-ID und die Mittlere-Pilot-Stärke für die Basisstation bzw. den Piloten dar. Analog stellen die vierte Spalte und die fünfte Spalte die Attributwerte für BS₂ und ihre mit p2 bezeichneten Wahrscheinlichkeiten und so weiter für BS₃ und p3 dar. Die vier in den letzteren Beispielen durch "/" getrennten Zahlen stellen die Basisstations-ID, die Pilot-ID, den Chipoffset bzw. die Pilotstärke dar.
Beispiel
Wenn eine relevante Beobachtung A* = (BS₁ = 178/416/24, BS₂ = 161/64/3/33, BS₃ = 172/208/3/25) lautet, kann die Wahrscheinlichkeit, daß diese Beobachtung von einer bestimmten Zelle ist, wie folgt berechnet werden: P(A*/C1) = 0·0·0 = 0 P(A*/C2) = 0·0·0 = 0 P(A*/C3) = (21,6/24·1)·(26/33·0,18)·(24/25·0,18) = 0,022 P(A*/C4) = (23,3/24·1)·(0)·(0) = 0 P(A*/C5) = (19,25/24·1)·(0)·(0) = 0 P(A*/C6) = (24,8/24·1)·(0)·(0) = 0
Man beachte, daß P(A*/C_i) ≥ P(A*/C_j) für i ≠ j => P(C_i/A*) ≥ P(C_j/A*). Deshalb wird geschlossen, daß A* eine Beobachtung von C₃ ist. Man beachte außerdem, daß die Wahrscheinlichkeit von P(a2/C₃) um einen Wert 0,79 verstellt wird, der abgeleitet ist von 26/33, da a2 nicht präzise mit dem Muster von BS₂ in C₃ übereinstimmt. Bei einer Ausführungsform verwendet die vorliegende Erfindung das Verhältnis der in der Datenbank 34 gespeicherten Pilotstärke zu der beobachteten Pilotstärke, um das Maß für die Nähe zwischen den beiden Werten zu definieren.
Bei der obigen Ausführungsform sind die HF-Attribute diskrete Attribute wie etwa mittlere Pilotstärke, Chipoffset oder Pilotstärke. Bei einer anderen Ausführungsform jedoch können kontinuierliche Attribute oder Merkmale verwendet werden wie etwa Signaturwellenformen.
Die Menge von Attributen kann durch die Signaturen der Meßsignalwellenformen entweder ersetzt oder verbessert werden. Andere Mustererkennungstechniken wie etwa Fuzzy Logic können dann angewendet werden, um die kontinuierlichen Attribute zu analysieren.
Die Verwendung der Technik auf Mustererkennungsbasis oder der Fuzzy-Logic-Technik, oben beschrieben, kann unter Verwendung nur einer Basisstation oder mehr als einer Basisstation durchgeführt werden.

Claims

Verfahren zum Identifizieren eines geographischen Orts eines mobilen Endgeräts (30), gekennzeichnet durch: Vergleichen einer Menge diskreter HF-Charakteristiken von dem mobilen Endgerät mit einer Menge diskreter HF-Attribute für jede von mehreren Teilzellen (C_1-m); und Identifizieren einer Teilzelle (C) der mehreren Teilzellen, deren Menge diskreter HF-Attribute der Menge diskreter HF-Charakteristiken von dem mobilen Endgerät am besten entspricht, als die Teilzelle, in der sich das mobile Endgerät befindet.
Verfahren nach Anspruch 1, wobei der vergleichende Schritt weiterhin die Menge diskreter HF-Charakteristiken von dem mobilen Endgerät mit der Menge diskreter HF-Attribute für jede der mehreren Teilzellen und einer Wellenform von dem mobilen Endgerät mit mindestens einer Signaturwellenform für jede der mehreren Teilzellen vergleicht; und wobei der identifizierende Schritt eine Teilzelle der mehreren Teilzellen, deren Menge diskreter HF-Attribute und mindestens eine Signaturwellenform der Menge diskreter HF-Charakteristiken und der Wellenform von dem mobilen Endgerät am besten entsprechen, als die Teilzelle identifiziert, in der sich das mobile Endgerät befindet.
Prozessor (32) zum Identifizieren eines geographischen Orts eines mobilen Endgeräts (30), gekennzeichnet durch: eine vergleichende Einheit zum Vergleichen einer Menge diskreter HF-Charakteristiken von dem mobilen Endgerät mit einer Menge diskreter HF-Attribute für jede von mehreren Teilzellen (C_1-m); und eine identifizierende Einheit zum Identifizieren einer Teilzelle (C) der mehreren Teilzellen, deren Menge diskreter HF-Attribute der Menge diskreter HF-Charakteristiken von dem mobilen Endgerät am besten entspricht, als die Teilzelle, in der sich das mobile Endgerät befindet.
Prozessor nach Anspruch 3, wobei die vergleichende Einheit weiterhin die Menge diskreter HF-Charakteristiken von dem mobilen Endgerät mit der Menge diskreter HF-Attribute für jede der mehreren Teilzellen und einer Wellenform von dem mobilen Endgerät mit mindestens einer Signaturwellenform für jede der mehreren Teilzellen vergleicht; und wobei die identifizierende Einheit eine Teilzelle der mehreren Teilzellen, deren Menge diskreter HF-Attribute und mindestens eine Signaturwellenform der Menge diskreter HF-Charakteristiken und der Wellenform von dem mobilen Endgerät am besten entsprechen, als die Teilzelle identifiziert, in der sich das mobile Endgerät befindet.
Verfahren nach Anspruch 1 oder der Prozessor nach Anspruch 3, wobei die Menge diskreter HF-Attribute für jede der mehreren Teilzellen bei einer Mobilsystembasisstation (BS1) oder bei einer Mobilvermittlungsstelle (16) gespeichert wird.
Verfahren oder Prozessor nach Anspruch 5, wobei nur eine Mobilsystembasisstation erforderlich ist, um den Ort des mobilen Endgeräts zu identifizieren.
Verfahren nach Anspruch 1 oder der Prozessor nach Anspruch 3, wobei die vergleichenden und identifizierenden Schritte oder Einheiten Muster erkennung verwenden.
Verfahren nach Anspruch 1 oder der Prozessor nach Anspruch 3, wobei die Menge diskreter HF-Attribute für jede der mehreren Teilzellen auf der Basis von Wetterbedingungen, Tageszeit und Umgebungsfaktoren variiert.
Verfahren nach Anspruch 1 oder der Prozessor nach Anspruch 3, wobei die vergleichenden und identifizierenden Schritte oder Einheiten wiederholt über die Zeit hinweg fungieren, wenn sich das mobile Endgerät bewegt.
Verfahren nach Anspruch 1 oder der Prozessor nach Anspruch 3, wobei die Menge diskreter HF-Charakteristiken von dem mobilen Endgerät Pilotinformationen enthält.
Verfahren oder Prozessor nach Anspruch 10, wobei die Pilotinformationen mindestens eines der folgenden enthalten: Pilotstärke-Informationen, Pilotstärke-Verhältnisinformationen, beobachtete-Pilotstärke-Informationen, mittlere-Pilotstärke-Informationen und Chipoffset.
Verfahren nach Anspruch 1 oder der Prozessor nach Anspruch 3, wobei der identifizierende Schritt oder die identifizierende Einheit bedingte Wahrscheinlichkeit verwendet, um die Teilzelle der mehreren Teilzellen zu identifizieren, deren Menge von HF-Attributen der Menge von HF-Charakteristiken von dem mobilen Endgerät am besten entspricht.
Verfahren oder Prozessor nach Anspruch 12, wobei die bedingte Wahrscheinlichkeit den Bayes'schen Satz beinhaltet.