JP2018146473A - Estimation method and estimation device using the same - Google Patents

Estimation method and estimation device using the same Download PDF

Info

Publication number
JP2018146473A
JP2018146473A JP2017043625A JP2017043625A JP2018146473A JP 2018146473 A JP2018146473 A JP 2018146473A JP 2017043625 A JP2017043625 A JP 2017043625A JP 2017043625 A JP2017043625 A JP 2017043625A JP 2018146473 A JP2018146473 A JP 2018146473A
Authority
JP
Japan
Prior art keywords
rss
sensors
processing unit
unit
sample
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2017043625A
Other languages
Japanese (ja)
Other versions
JP6836936B2 (en
Inventor
ヌール カリマー ショフィヤティ
Nur Karrimor Shofiyati
ヌール カリマー ショフィヤティ
レザ カハル アジズ ムハンマド
Reza Kahar Aziz Muhammad
レザ カハル アジズ ムハンマド
松本 正
Tadashi Matsumoto
正 松本
Original Assignee
株式会社光電製作所
Koden Electronics Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社光電製作所, Koden Electronics Co Ltd filed Critical 株式会社光電製作所
Priority to JP2017043625A priority Critical patent/JP6836936B2/en
Publication of JP2018146473A publication Critical patent/JP2018146473A/en
Application granted granted Critical
Publication of JP6836936B2 publication Critical patent/JP6836936B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

PROBLEM TO BE SOLVED: To provide a technique for estimating the position of a radio device to be a transmission source even without information of transmission power.SOLUTION: A first acquisition part 12a acquires a TOA and an RSS. A TDOA sample measurement part 14 derives a TDOA from the TOA. A first factor graph processing part 16 uses the TDOA to derive a first estimation value of position coordinates of a radio device. A specification part 18 specifies at least four sensors 10 arranged near the first estimation value. A second acquisition part 12b acquires RSSs of a training signal. A selection part 20 selects an RSS to at least the four sensors 10 that are specified among the RSSs acquired in the second acquisition part 12b. A coefficient calculation part 22 calculates a coefficient on the basis of the selected RSS. A second factor graph processing part 24 derives a DRSS from the RSS acquired in the first acquisition part 12a, and derives a second estimation value of the position coordinates of the radio device while using the derived DRSS and the coefficient.SELECTED DRAWING: Figure 1

Description

本発明は、推定技術に関し、未知の発信源の位置を推定する推定方法およびそれを利用した推定装置に関する。   The present invention relates to an estimation technique, and relates to an estimation method for estimating the position of an unknown source and an estimation apparatus using the estimation method.
無線の位置を推定するために、TOA(Time Of Arrival)、RSS(Receive Signal Strengh)等が使用されているが、見通しがなく、かつマルチパス環境である屋内環境での使用には、RSSの方が適している。RSSによる処理を簡易にするために、超平面方程式、因子グラフも使用される(例えば、非特許文献1参照)。   In order to estimate the position of the radio, TOA (Time Of ARIval), RSS (Receive Signal Strength), etc. are used, but there is no line-of-sight and the use of RSS for indoor environment that is a multipath environment. Is more suitable. In order to simplify the processing by RSS, hyperplane equations and factor graphs are also used (see, for example, Non-Patent Document 1).
信号の送信元になる無線装置の位置をRSSをもとに推定する場合、無線装置における送信電力の情報が必要になる。しかしながら、推定対象となる無線装置が、不法無線局や未知発信源である場合、送信電力の情報を取得することが困難である。そこで、2つのセンサのそれぞれにおけるRSSを減算することによって導出されたDRSS(Differential RSS)をもとに、推定がなされる。DRSSでは、無線装置を囲むような少なくとも4つの観測スポットが必要になる。   When estimating the position of a wireless device that is a signal transmission source based on RSS, information on transmission power in the wireless device is required. However, if the wireless device to be estimated is an illegal wireless station or an unknown transmission source, it is difficult to acquire transmission power information. Therefore, estimation is performed based on DRSS (Differential RSS) derived by subtracting RSS in each of the two sensors. DRSS requires at least four observation spots that surround a wireless device.
本発明はこうした状況に鑑みてなされたものであり、その目的は、送信電力の情報がなくても、送信元になる無線装置の位置を推定する技術を提供することである。   The present invention has been made in view of such circumstances, and an object of the present invention is to provide a technique for estimating the position of a wireless device serving as a transmission source even without transmission power information.
上記課題を解決するために、本発明のある態様の推定装置は、対象となる無線装置からの信号が複数のセンサのそれぞれにおいて受信されており、各センサでのサンプルのTOA(Time Of Arrival)とRSS(Receive Signal Strength)を取得する第1取得部と、第1取得部において取得したサンプルのTOAからセンサ間のサンプルのTDOA(Time Difference Of Arrival)を導出するTDOAサンプル測定部と、TDOAサンプル測定部において導出したセンサ間のサンプルのTDOAを使用して、ピタゴラスのTDOAベースの因子グラフ処理を実行することによって、無線装置の位置座標の第1推定値を導出する第1因子グラフ処理部と、第1因子グラフ処理部において導出した第1推定値の近くに配置された少なくとも4つのセンサを特定する特定部と、既知の送信装置からのトレーニング信号が複数のセンサのそれぞれにおいて受信されており、各センサでのサンプルのRSSを取得する第2取得部と、第2取得部において取得したRSSのうち、特定部において特定した少なくとも4つのセンサに対するRSSを選択する選択部と、選択部において選択したRSSをもとに、係数を計算する係数計算部と、第1取得部において取得したサンプルのRSSからセンサ間のサンプルのDRSS(Differential RSS)を導出し、導出したDRSSと係数計算部において計算した係数とを使用しながら、DRSSベースの因子グラフ処理を実行することによって、無線装置の位置座標の第2推定値を導出する第2因子グラフ処理部と、を備える。   In order to solve the above-described problem, an estimation device according to an aspect of the present invention is configured such that a signal from a target wireless device is received by each of a plurality of sensors, and a TOA (Time Of Arrival) of a sample at each sensor. And a first acquisition unit that acquires RSS (Receive Signal Strength), a TDOA sample measurement unit that derives a TDOA (Time Difference of Arrival) between samples from the TOA of the sample acquired in the first acquisition unit, and a TDOA sample A first factor graph processing unit that derives a first estimate of the position coordinates of the wireless device by performing a Tyoa based factor graph process of Pythagoras using the TDOA of the sample between the sensors derived in the measurement unit; , First factor graph processing unit A specific unit for identifying at least four sensors arranged in the vicinity of the first estimated value derived in the above, and a training signal from a known transmitter is received by each of the plurality of sensors, and a sample at each sensor is received. Based on the second acquisition unit that acquires the RSS and the selection unit that selects the RSS for at least four sensors specified in the specification unit among the RSS acquired in the second acquisition unit, and the RSS selected in the selection unit A coefficient calculation unit for calculating a coefficient, a DRSS (Differential RSS) of the sample between sensors is derived from the RSS of the sample acquired in the first acquisition unit, and the derived DRSS and the coefficient calculated in the coefficient calculation unit are used. However, by performing DRSS-based factor graph processing, the position coordinates of the wireless device Comprising a second factor graph processing unit for deriving an estimated value.
本発明の別の態様は、推定方法である。この方法は、対象となる無線装置からの信号が複数のセンサのそれぞれにおいて受信されており、各センサでのサンプルのTOA(Time Of Arrival)とRSS(Receive Signal Strength)を取得するステップと、取得したサンプルのTOAからセンサ間のサンプルのTDOA(Time Difference Of Arrival)を導出するステップと、導出したセンサ間のサンプルのTDOAを使用して、ピタゴラスのTDOAベースの因子グラフ処理を実行することによって、無線装置の位置座標の第1推定値を導出するステップと、導出した第1推定値の近くに配置された少なくとも4つのセンサを特定するステップと、既知の送信装置からのトレーニング信号が複数のセンサのそれぞれにおいて受信されており、各センサでのトレーニング信号に対するサンプルのRSSを取得するステップと、トレーニング信号に対するサンプルのRSSのうち、特定した少なくとも4つのセンサに対するRSSを選択するステップと、選択したRSSをもとに、係数を計算するステップと、対象となる無線装置からの信号に対するサンプルのRSSからセンサ間のサンプルのDRSS(Differential RSS)を導出し、導出したDRSSと、計算した係数とを使用しながら、DRSSベースの因子グラフ処理を実行することによって、無線装置の位置座標の第2推定値を導出するステップと、を備える。   Another aspect of the present invention is an estimation method. In this method, a signal from a target wireless device is received by each of a plurality of sensors, and a sample TOA (Time Of Alignment) and RSS (Receive Signal Strength) of each sensor are obtained and obtained. Deriving a sample TDOA (Time Difference Of Arrival) between sensors from the sample TOA and performing a Pythagorean TDOA-based factor graph process using the derived TDOA of samples between the sensors. Deriving a first estimate of the position coordinates of the wireless device; identifying at least four sensors located near the derived first estimate; and a training signal from a known transmitter is a plurality of sensors Each of A sample RSS for a training signal at each sensor, a step of selecting an RSS for at least four specified sensors among the sample RSSs for the training signal, and the selected RSS. Based on the step of calculating the coefficient, the DRSS (Differential RSS) between the sensors is derived from the RSS of the sample for the signal from the target wireless device, and the derived DRSS and the calculated coefficient are used. However, a step of deriving a second estimated value of the position coordinates of the wireless device by performing DRSS-based factor graph processing is provided.
なお、以上の構成要素の任意の組合せ、本発明の表現を方法、装置、システム、記録媒体、コンピュータプログラムなどの間で変換したものもまた、本発明の態様として有効である。   It should be noted that any combination of the above-described constituent elements and a conversion of the expression of the present invention between a method, an apparatus, a system, a recording medium, a computer program, etc. are also effective as an aspect of the present invention.
本発明によれば、送信電力の情報がなくても、送信元になる無線装置の位置を推定できる。   According to the present invention, it is possible to estimate the position of a wireless device that is a transmission source without the transmission power information.
本発明の実施例に係る推定装置の構成を示す図である。It is a figure which shows the structure of the estimation apparatus which concerns on the Example of this invention. 図1の推定装置によるPTDOAベースの因子グラフ処理の手順を示すフローチャートである。It is a flowchart which shows the procedure of the PTDOA based factor graph process by the estimation apparatus of FIG. 図1の推定装置による下り処理の手順を示すフローチャートである。It is a flowchart which shows the procedure of the downlink process by the estimation apparatus of FIG. 図1の推定装置による上り処理の手順を示すフローチャートである。It is a flowchart which shows the procedure of the uplink process by the estimation apparatus of FIG. 図1の推定装置による計算処理の手順を示すフローチャートである。It is a flowchart which shows the procedure of the calculation process by the estimation apparatus of FIG. 図1の推定装置によるDRSSベースの因子グラフ処理の手順を示すフローチャートである。It is a flowchart which shows the procedure of the DRSS based factor graph process by the estimation apparatus of FIG.
本発明を具体的に説明する前に、まず概要を述べる。本発明の実施例は、不法無線局や未知発信源(以下、「無線装置」という)の位置を推定する推定装置に関する。ジオロケーションの近年のトレンドは、低価格、高精度、簡易性を確立することであるが、このジオロケーションは、未知の無線装置の位置を推定することにも使用されつつある。ここで、「未知」は、ターゲットである無線装置のTOAと送信電力が分からないことを示す。無線でのジオロケーションは、電磁波の性質を観測することによって、無線装置の地理的座標を計算する処理として定義される。無線装置の地理的位置を推定するために、TOA、RSS、TDOA(Time Difference Of Arrival)、それらの組合せにおいて電磁波の性質が観測される。   Before describing the present invention specifically, an outline will be given first. Embodiments of the present invention relate to an estimation device that estimates the position of an illegal radio station or an unknown source (hereinafter referred to as “radio device”). A recent trend in geolocation is to establish low cost, high accuracy and simplicity, but this geolocation is also being used to estimate the position of unknown wireless devices. Here, “unknown” indicates that the TOA and transmission power of the target wireless device are unknown. Wireless geolocation is defined as the process of calculating the geographic coordinates of a wireless device by observing the nature of electromagnetic waves. In order to estimate the geographical location of a wireless device, the properties of electromagnetic waves are observed in TOA, RSS, TDOA (Time Difference Of Arrival), and combinations thereof.
これまで、RSSとTOAの測定の組合せや、RSSとDOA(Direction Of Arrival)の測定の組合せが、ジオロケーションに使用されている。これらの組合せよって、RSSだけ、TOAだけ、DOAだけの場合よりも精度が向上する。しかしながら、方向角を得るために追加の構成が必要になる。また、RSSとTOAの組合せでは、未知のターゲットに対する絶対的な送信電力とタイムスタンプの情報がなければ、未知の無線装置の位置を推定できない。   So far, combinations of RSS and TOA measurements and RSS and DOA (Direction Of Arrival) measurements have been used for geolocation. By combining these, the accuracy is improved as compared with the case of only RSS, TOA, and DOA. However, additional configuration is required to obtain the directional angle. Also, with the combination of RSS and TOA, the position of an unknown wireless device cannot be estimated without the absolute transmission power and time stamp information for the unknown target.
本実施例では、未知の無線装置の位置を推定するために、PTDOA(Pythagorean Time Difference Of Arrival)因子グラフとDRSS因子グラフとが組み合わされる。因子グラフのアルゴリズム構造では、グローバル関数が複数のローカル関数に分解される。ローカル関数として、因子グラフは2種類のノードを含む。1つ目は因子ノードであり、因子ノードは、更新したソフト情報(SI)メッセージを計算する。2つ目は変数ノードであり、変数ノードは、サムプロダクトアルゴリズムを実行し、因子ノードに値を渡す。これら因子ノードと変数ノードとの間では、測定データの平均値と分散値が交換される。   In this embodiment, in order to estimate the position of an unknown wireless device, a PTDOA (Pythagorean Time Difference Of Arrival) factor graph and a DRSS factor graph are combined. In the algorithm structure of the factor graph, the global function is decomposed into a plurality of local functions. As a local function, the factor graph includes two types of nodes. The first is a factor node, which calculates an updated soft information (SI) message. The second is a variable node, which executes the sum product algorithm and passes a value to the factor node. Between the factor node and the variable node, the average value and the variance value of the measurement data are exchanged.
ジオロケーション技術において因子グラフは、TOAを使用してターゲットの位置を推定するためにサムプロダクトアルゴリズムを実行する。ガウス分布であると想定されるTOA測定結果の平均値と分散値だけがノードの間で交換される。各センサはTOAを測定し、平均値と分散値が計算される。しかしながら、因子グラフをベースとしたTOAは、ターゲットの完全な時間同期を必要とし、ターゲットが未知である場合にそれは不可能である。そのため、タイムスタンプの知識を不要とするために、因子グラフをベースとしたピタゴラスのTDOAが導入される。因子グラフをベースとしたピタゴラスのTDOAは、因子グラフをベースとしたTOAを修正したものであり、因子グラフにノードが追加される。追加されたノードでは、2つのセンサ間のTOAデータの減算が実行される。   In the geolocation technique, the factor graph performs a sum product algorithm to estimate the position of the target using TOA. Only the mean value and the variance value of the TOA measurement results assumed to be Gaussian are exchanged between the nodes. Each sensor measures the TOA, and an average value and a variance value are calculated. However, factor graph based TOA requires complete time synchronization of the target, which is not possible if the target is unknown. Therefore, Pythagorean TDOA based on a factor graph is introduced in order to eliminate the need for time stamp knowledge. Pythagorean TDOA based on a factor graph is a modification of TOA based on a factor graph, and a node is added to the factor graph. In the added node, the TOA data is subtracted between the two sensors.
因子グラフをベースとしたRSSもジオロケーション技術に使用される。いくつかの観測スポットから送信信号系列が送信され、RSSがワット単位で取得される。RSSはdB単位に変換されて因子グラフに入力される。トレーニングによって得られたRSS情報参照データは、内挿法によってPDP(Power Decay Profile)を生成するために使用される。ここで、局所的な線形性が、ターゲットの位置を推定するために利用される。これは、屋内において高精度である。   RSS based on factor graphs is also used in geolocation technology. Transmission signal sequences are transmitted from several observation spots, and RSS is acquired in watts. RSS is converted into dB units and input to the factor graph. RSS information reference data obtained by training is used to generate a PDP (Power Decay Profile) by interpolation. Here, local linearity is used to estimate the position of the target. This is highly accurate indoors.
未知の無線装置における絶対的な送信電力の知識を不要とするために、因子グラフをベースとしたDRSSが提案される。DRSSは、2つのセンサのそれぞれにおけるRSSを減算することによって、RSSを修正した技術である。この減算は、因子グラフに新たなノードの追加を必要とする。しかしながら、DRSSでは、少なくとも4つの適切な観測スポットからのRSS情報を必要とする。それは、DRSSのアルゴリズムが差分領域で動作するので、4つかそれ以上の観測スポットがないと線型方程式が縮退してしまって位置が定まらないからである。なお、線型方程式が縮退することは、マトリクスのランクが一つ下がることともいえる。   In order to obviate the knowledge of absolute transmission power in unknown wireless devices, DRSS based on factor graphs is proposed. DRSS is a technology that modifies RSS by subtracting RSS in each of the two sensors. This subtraction requires the addition of new nodes to the factor graph. However, DRSS requires RSS information from at least four appropriate observation spots. The reason is that since the DRSS algorithm operates in the difference region, the linear equation is degenerated and the position cannot be determined unless there are four or more observation spots. Note that the degeneracy of the linear equation can be said to reduce the rank of the matrix by one.
この観測スポットは、ターゲットに近い位置を有し、ターゲットを囲むように配置されなければならない。DRSS因子グラフでは、そのような適切な観測スポットが既知であり、ターゲットが観測スポットのグリッドの中に存在すべきである。実際は、多くの観測スポットが配置され、それらの中から適切な観測スポットを選択するための別のアルゴリズムを必要とする。このような別のアルゴリズムとして、RADARアルゴリズムが使用されるが、RADARアルゴリズムはターゲットの送信電力の知識を必要とする。そのため、ここでは、RADARアルゴリズムの代わりにPTDOA因子グラフを使用する。PTDOA因子グラフは、屋外環境におけるDRSS因子グラフのための観測スポットを選択するために使用される。   This observation spot has a position close to the target and must be arranged so as to surround the target. In a DRSS factor graph, such a suitable observation spot is known and the target should be in the grid of observation spots. In practice, many observation spots are arranged, and another algorithm for selecting an appropriate observation spot from among them is required. Another such algorithm is the RADAR algorithm, which requires knowledge of the target transmit power. Therefore, a PTDOA factor graph is used here instead of the RADAR algorithm. The PTDOA factor graph is used to select observation spots for the DRSS factor graph in the outdoor environment.
図1は、推定装置100の構成を示す。推定装置100は、センサ10と総称される第1センサ10a、第2センサ10b、第3センサ10c、第Nセンサ10n、取得部12、TDOAサンプル測定部14、第1因子グラフ処理部16、特定部18、選択部20、係数計算部22、第2因子グラフ処理部24を含む。取得部12は、第1取得部12a、第2取得部12bを含む。第1因子グラフ処理部16は、ユークリッド因子ノード処理部40、ユークリッド変数ノード処理部42、ユークリッド距離推定因子ノード処理部44、サムプロダクトアルゴリズム変数ノード処理部46、ピタゴラス因子ノード処理部48、ピタゴラス変数ノード処理部50、変換因子ノード処理部52、サムプロダクトアルゴリズム処理部54、判定部56、出力部58を含む。第2因子グラフ処理部24は、RSS因子ノード処理部80、RSS変数ノード処理部82、DRSS因子ノード処理部84、DRSS変数ノード処理部86、線形平面因子ノード処理部88、出力部90を含む。サムプロダクトアルゴリズム変数ノード処理部46は、下り処理部60、上り処理部62を含み、ピタゴラス因子ノード処理部48は、下り処理部64、上り処理部66を含み、ピタゴラス変数ノード処理部50は、下り処理部68、上り処理部70を含み、変換因子ノード処理部52は、下り処理部72、上り処理部74を含む。   FIG. 1 shows the configuration of the estimation apparatus 100. The estimation device 100 includes a first sensor 10a, a second sensor 10b, a third sensor 10c, an Nth sensor 10n, an acquisition unit 12, a TDOA sample measurement unit 14, a first factor graph processing unit 16, which are collectively referred to as a sensor 10. A unit 18, a selection unit 20, a coefficient calculation unit 22, and a second factor graph processing unit 24. The acquisition unit 12 includes a first acquisition unit 12a and a second acquisition unit 12b. The first factor graph processing unit 16 includes an Euclidean factor node processing unit 40, an Euclidean variable node processing unit 42, an Euclidean distance estimation factor node processing unit 44, a thumb product algorithm variable node processing unit 46, a Pythagoras factor node processing unit 48, and a Pythagoras variable. A node processing unit 50, a conversion factor node processing unit 52, a thumb product algorithm processing unit 54, a determination unit 56, and an output unit 58 are included. The second factor graph processing unit 24 includes an RSS factor node processing unit 80, an RSS variable node processing unit 82, a DRSS factor node processing unit 84, a DRSS variable node processing unit 86, a linear plane factor node processing unit 88, and an output unit 90. . The sum product algorithm variable node processing unit 46 includes a downstream processing unit 60 and an upstream processing unit 62, the Pythagorean factor node processing unit 48 includes a downstream processing unit 64 and an upstream processing unit 66, and the Pythagoras variable node processing unit 50 includes: The downlink processing unit 68 and the upstream processing unit 70 are included, and the conversion factor node processing unit 52 includes a downstream processing unit 72 and an upstream processing unit 74.
N個のセンサ10は、座標(X,Y)に配置される。ここで、hはセンサ10のインデックスを示す。これは、1000×1000mのエリアで、100mのメッシュ構成グリッドを有する。N個のセンサ10のうち、4つのセンサ10が観測スポットとされる。4つの観測スポットはターゲットを囲むように配置され、観測スポットの座標は(x,y)と示される。ここで、mは観測スポットのインデックスを示す。ここで、センサ10の位置は推定装置100に知られている。また、ターゲットの座標は(x,y)と示される。ターゲットは、静的な未知の無線装置であり、対象となる無線装置である。ターゲットから送信された信号は、センサ10に受信される。 N sensors 10 are arranged at coordinates (X h , Y h ). Here, h indicates an index of the sensor 10. This is a 1000 × 1000 m 2 area with a 100 m mesh construction grid. Of the N sensors 10, four sensors 10 are observation spots. The four observation spots are arranged so as to surround the target, and the coordinates of the observation spot are indicated as (x m , y m ). Here, m represents an index of the observation spot. Here, the position of the sensor 10 is known to the estimation device 100. In addition, the coordinates of the target are indicated as (x, y). The target is a static unknown wireless device and a target wireless device. A signal transmitted from the target is received by the sensor 10.
第1取得部12aは、各センサ10において受信された信号であって、かつターゲットから送信された信号をもとに、サンプルのTOAを取得する。TOAは、送信装置から送信され、かつ受信装置で受信された信号間の時間差を示す。ここでは、送信装置がターゲットに相当し、受信装置がセンサ10に相当する。TOAは次のように示される。
ここで、右辺の前者はセンサ10が信号を受信した受信時間であり、後者はターゲットが信号を送信した送信時間である。未知のターゲットに対して送信時間は取得できないが、受信時間は取得できる。第1取得部12aは、サンプルのTOAをTDOAサンプル測定部14に出力する。
The first acquisition unit 12a acquires a sample TOA based on a signal received by each sensor 10 and transmitted from the target. The TOA indicates a time difference between signals transmitted from the transmission device and received by the reception device. Here, the transmission device corresponds to the target, and the reception device corresponds to the sensor 10. The TOA is shown as follows:
Here, the former on the right side is a reception time when the sensor 10 receives a signal, and the latter is a transmission time when the target transmits a signal. Although the transmission time cannot be obtained for an unknown target, the reception time can be obtained. The first acquisition unit 12 a outputs the sample TOA to the TDOA sample measurement unit 14.
TDOAサンプル測定部14は、第1取得部12aからのサンプルのTOAを受けつけ、サンプルのTOAからセンサ10間のサンプルのTDOAを導出する。これは、送信時間の知識を不要にするためであり、具体的には、次のように、センサ10間のTOAを減算することによって、TDOAが導出される。
TDOAの導出はすべてのセンサ10に対してなされる。
The TDOA sample measurement unit 14 receives the TOA of the sample from the first acquisition unit 12a, and derives the TDOA of the sample between the sensors 10 from the TOA of the sample. This is to make the knowledge of the transmission time unnecessary. Specifically, the TDOA is derived by subtracting the TOA between the sensors 10 as follows.
The TDOA is derived for all sensors 10.
第1因子グラフ処理部16は、TDOAサンプル測定部14において導出したセンサ10間のサンプルのTDOAを使用して、PTDOAベースの因子グラフ処理を実行することによって、無線装置の位置座標の第1推定値を導出する。以下では、第1因子グラフ処理部16を詳細に説明する。   The first factor graph processing unit 16 uses the TDOA of the samples between the sensors 10 derived in the TDOA sample measurement unit 14 to perform PTDOA-based factor graph processing, thereby first estimating the position coordinates of the wireless device. Deriving a value. Below, the 1st factor graph process part 16 is demonstrated in detail.
第1因子グラフ処理部16におけるユークリッド因子ノード処理部40は、TDOAサンプル測定部14からTDOAを受けつける。ユークリッド因子ノード処理部40は、TDOAに電磁波の伝搬速度を乗算することによって、サンプルのTDOAをユークリッド距離の差に変換する。特に、ユークリッド因子ノード処理部40のEi,jは、K個のTDOAをユークリッド距離の差に変換し、平均値と分散値を計算する。これらは、因子グラフにおいて交換されるメッセージである。 The Euclidean factor node processing unit 40 in the first factor graph processing unit 16 receives TDOA from the TDOA sample measurement unit 14. The Euclidean factor node processing unit 40 converts the TDOA of the sample into a difference in Euclidean distance by multiplying TDOA by the propagation speed of the electromagnetic wave. In particular, E i, j of the Euclidean factor node processing unit 40 converts K TDOAs into Euclidean distance differences, and calculates an average value and a variance value. These are messages exchanged in the factor graph.
ユークリッド変数ノード処理部42には、2つの因子ノードだけが直接接続される。ユークリッド変数ノード処理部42は、ユークリッド因子ノード処理部40のEi,jからユークリッド距離推定因子ノード処理部44のDi,jへのメッセージを直接通過させる。このメッセージは、式(3)のような平均値と、式(4)のような分散値の形式で示される。
ここで、「m」が「平均値」を示し、「σ」が「分散値」を示し、矢印は、因子グラフのノード間におけるメッセージの進む方向を示す。
Only two factor nodes are directly connected to the Euclidean variable node processing unit 42. The Euclidean variable node processing unit 42 directly passes a message from E i, j of the Euclidean factor node processing unit 40 to D i, j of the Euclidean distance estimation factor node processing unit 44. This message is shown in the form of an average value as in equation (3) and a variance value as in equation (4).
Here, “m” indicates “average value”, “σ 2 ” indicates “variance value”, and an arrow indicates a direction in which a message advances between nodes of the factor graph.
ユークリッド距離推定因子ノード処理部44のDi,jは、次のようにユークリッド距離の差を等価なユークリッド距離に変換する。
D i, j of the Euclidean distance estimation factor node processing unit 44 converts the Euclidean distance difference into an equivalent Euclidean distance as follows.
サムプロダクトアルゴリズム変数ノード処理部46のrは、サムプロダクトアルゴリズムによって、ユークリッド距離推定因子ノード処理部44のDi,jとピタゴラス因子ノード処理部48のCからのメッセージを更新する。添え字hは1つ目あるいは2つ目のセンサ10のいずれかにかかわらないインデックスを示す。また、サムプロダクトアルゴリズム変数ノード処理部46は、更新したメッセージを目的地ノードに進める。 R h of sum product algorithm variable node processing unit 46, the sum product algorithm, D i of the Euclidean distance estimation factor node processing unit 44, and updates the message from the C h of j and Pythagoras factor node processing unit 48. The subscript h indicates an index that does not relate to either the first sensor 10 or the second sensor 10. Also, the thumb product algorithm variable node processing unit 46 advances the updated message to the destination node.
サムプロダクトアルゴリズム変数ノード処理部46の下り処理部60におけるrからピタゴラス因子ノード処理部48のCへの更新メッセージは式(9)と式(10)のように示される。一方、サムプロダクトアルゴリズム変数ノード処理部46の上り処理部62におけるrからユークリッド距離推定因子ノード処理部44のDi,jへの更新メッセージは式(11)と式(12)のように示される。しかしながら、このステップでの最初の繰り返しは、ピタゴラス因子ノード処理部48のCからのメッセージを示す平均値と分散値の初期値を必要とする。
ここで、hは、h=iであるかh=jである。また、h<nに対してa=Dh,n→rであり、h>nに対してa=Dn,h→rである。ノードrとDi,jとの間のメッセージの交換は、タイムスタンプの知識の必要性を除去するための重要なステップである。
Sum product algorithm variable node update message from r h in the downlink processing unit 60 of the processor 46 to C h Pythagorean factors node processing unit 48 is shown as formula (9) and (10). On the other hand, D i of the sum product algorithm variable node Euclidean distance from r h in the uplink processing part 62 of the processing unit 46 estimates factor node processing unit 44, update message to j is represented by the equation (11) and (12) It is. However, the first iteration of this step requires an initial value of the average value and variance value indicating a message from the C h Pythagorean factors node processing unit 48.
Here, h is h = i or h = j. In addition, a = D h, n → r h for h <n, and a = D n, h → r h for h> n. Exchange of messages between the node r h and D i, j is an important step to eliminate the need for knowledge of the time stamp.
ピタゴラス因子ノード処理部48のCは、メッセージにピタゴラス演算を実行する。ピタゴラス因子ノード処理部48の下り処理部64は、式(13)から式(16)で示されるように、変数ノードΔxとΔyの相対的な距離のメッセージを導出する。ピタゴラス因子ノード処理部48の上り処理部66は、式(17)と式(18)で示されるようにrのメッセージを置き換える。
ここで、m Δxh→Ch、m Δyh→Ch、δ Δxh→Ch、δ Δyh→Chの初期値は、最初の繰り返しにおいて「0」に設定される。
C h Pythagorean factors node processing unit 48 executes a Pythagorean calculation to the message. The downstream processing unit 64 of the Pythagorean factor node processing unit 48 derives a message having a relative distance between the variable nodes Δx h and Δy h , as indicated by equations (13) to (16). Up processing unit Pythagorean factors node processing unit 48 66, replaces the message r h as shown in equation (17) and equation (18).
Here, the initial values of m 2 Δxh → Ch , m 2 Δyh → Ch , δ 2 Δxh → Ch , and δ 2 Δyh → Ch are set to “0” in the first iteration.
さらに、ピタゴラス因子ノード処理部48のCにおいて交換されたメッセージの安定性を維持するために、下り処理部64は、次の制限を加える。
ここで、εは限定目的のパラメータであり、経験的に選択される。また、上り処理部66は、次の2つの制限を加える。
ここで、δも限定目的のパラメータであり、経験的に選択される。
Furthermore, in order to maintain the stability of the messages exchanged in C h Pythagorean factors node processing unit 48, a downlink processing part 64 adds the following restrictions.
Here, ε is a limited purpose parameter and is selected empirically. The upstream processing unit 66 adds the following two restrictions.
Here, δ is also a limited purpose parameter and is selected empirically.
ピタゴラス変数ノード処理部50は、ユークリッド変数ノード処理部42と同様に、相対的な距離のノードΔxとΔyに直接つながる2つのノードだけが存在するので、メッセージはそれらの間で直接交換される。つまり、ピタゴラス因子ノード処理部48のCと変換因子ノード処理部52のAとBとの間で交換される。ピタゴラス変数ノード処理部50の下り処理部68の処理は、式(19)と式(20)に示され、上り処理部70の処理は、式(21)と式(22)に示される。
ここで、平均値と分散値は、最初の繰り返しにおけて、初期値「0」にされる。
Since the Pythagorean variable node processing unit 50, like the Euclidean variable node processing unit 42, has only two nodes that are directly connected to the relative distance nodes Δx i and Δy i , messages are directly exchanged between them. The That is exchanged between the C h Pythagorean factors node processing unit 48 and A h and B h of the conversion factors node processing unit 52. The processing of the downstream processing unit 68 of the Pythagorean variable node processing unit 50 is represented by Equation (19) and Equation (20), and the processing of the upstream processing unit 70 is represented by Equation (21) and Equation (22).
Here, the average value and the variance value are set to the initial value “0” in the first iteration.
変換因子ノード処理部52のAとBは、変数ノードxinitとyinitで計算されるターゲットの位置を推定するために、相対的な距離のメッセージを変換する。変換因子ノード処理部52の下り処理部72の処理は、式(23)と式(24)に示され、上り処理部74の処理は、式(25)と式(26)に示される。
A h and B h of the conversion factor node processing unit 52 convert a relative distance message in order to estimate the position of the target calculated by the variable nodes x init and y init . The processing of the downlink processing unit 72 of the conversion factor node processing unit 52 is represented by Equation (23) and Equation (24), and the processing of the uplink processing unit 74 is represented by Equation (25) and Equation (26).
サムプロダクトアルゴリズム処理部54は、繰り返し処理において、変数ノードxinitとyinitに対して、式(27)と式(28)に示されるサムプロダクトアルゴリズムにしたがってメッセージを加算する。
initに対する式(27)と式(28)は、yinitにも同様に適用される。
The sum product algorithm processing unit 54 adds a message to the variable nodes x init and y init according to the sum product algorithm shown in the equations (27) and (28) in the iterative processing.
Equations (27) and (28) for x init apply to y init as well.
判定部56は、変換因子ノード処理部52の処理結果が収束しているかを判定する。ここでは、式(27)の計算結果、式(28)の計算結果と、それまでに導出されていた式(27)の計算結果、式(28)の計算結果との変化量がしきい値よりも小さくなった場合に、収束と判定される。なお、収束の判定はyinitに対してもなされるとともに、平均値と分散値のいずれか一方をもとになされてもよい。収束していなければ、判定部56は、サムプロダクトアルゴリズム処理部54の処理結果を変換因子ノード処理部52の上り処理部74のAとBに戻す。 The determination unit 56 determines whether the processing result of the conversion factor node processing unit 52 has converged. Here, the amount of change between the calculation result of Expression (27), the calculation result of Expression (28), the calculation result of Expression (27), and the calculation result of Expression (28) derived so far is the threshold value. If it becomes smaller than the value, it is determined that the convergence has occurred. The determination of convergence may be made for y init and may be made based on either the average value or the variance value. If not converged, the determination unit 56 returns the processing result of the sum product algorithm processing unit 54 to A h and B h of the upstream processing unit 74 of the conversion factor node processing unit 52.
出力部58では、判定部56において繰り返しが収束したと判定された場合、変数ノードxinitとyinitが、式(27)と式(28)と同様にすべての入ってくるメッセージを加算する。
initに対する演算は、式(29)と式(30)と同様である。(mxinit,myinit)の最終的な値は、PTDOA因子グラフで提供されるターゲットの荒い位置推定値を示し、前述の第1推定値に相当する。
In the output unit 58, when the determination unit 56 determines that the iteration has converged, the variable nodes x init and y init add all incoming messages in the same manner as in the equations (27) and (28).
The calculation for y init is the same as in equations (29) and (30). The final value of (m xinit , my yinit ) indicates a rough target position estimated value provided in the PTDOA factor graph, and corresponds to the first estimated value described above.
特定部18は、第1因子グラフ処理部16において導出した第1推定値の近くに配置された4つのセンサ10を観測スポットとして特定する。つまり、変数ノード(xinit,yinit)でのPTDOA因子グラフ推定アルゴリズムの結果は、DRSS因子グラフの初期位置として使用され、4つの最も適切な観測スポットを選択するためのターゲットの位置の粗い推定になる。 The specifying unit 18 specifies the four sensors 10 arranged near the first estimated value derived by the first factor graph processing unit 16 as observation spots. That is, the result of the PTDOA factor graph estimation algorithm at the variable nodes (x init , y init ) is used as the initial position of the DRSS factor graph, and a rough estimate of the target position to select the four most appropriate observation spots. become.
第2取得部12bは、既知の送信装置からのトレーニング信号が複数のセンサ10のそれぞれにおいて受信されており、各センサ10でのサンプルのRSSを取得する。既知の送信装置は、既知の位置座標に配置される。第2取得部12bは、サンプルのRSSに対して平均化処理を実行する。平均化の期間は、十分に長く、かつ十分なサンプルの量になるように設定される。これは、シャドウイングと瞬間的なフェージングの影響を低減することによって、パスロスフェージングだけが残り、エラーフリーにするためである。第2取得部12bは、平均化したサンプルのRSSを選択部20に出力する。選択部20は、第2取得部12bにおいて取得したRSSのうち、特定部18において特定した4つのセンサ10、つまり観測スポットに対するRSSを選択する。   The second acquisition unit 12b receives a training signal from a known transmission device in each of the plurality of sensors 10, and acquires the RSS of the sample in each sensor 10. A known transmitter is placed at a known position coordinate. The second acquisition unit 12b performs an averaging process on the sample RSS. The averaging period is set to be sufficiently long and a sufficient amount of sample. This is to reduce the influence of shadowing and instantaneous fading, so that only path loss fading remains and error free. The second acquisition unit 12 b outputs the averaged RSS of the sample to the selection unit 20. The selecting unit 20 selects the RSS for the four sensors 10 identified by the identifying unit 18 among the RSSs acquired by the second acquiring unit 12b, that is, the observation spot.
これまでのRTDOA因子グラフの処理に続いて、DRSS因子グラフの処理が実行される。DRSS因子グラフでは、ターゲット(x,y)の位置推定が、受信信号の電力とPDPとの間の関係を介して得られる。ここで、受信信号の電力はセンサ10および第1取得部12aで得られ、PDPは前述のトレーニング信号から得られる。また、第2取得部12bにおいて、観測スポットにおいて受信したトレーニング信号には平均がなされる。トレーニング信号とターゲットからの信号のRSSを含むすべてのRSSサンプルはガウス的仮定にしたがう。そのため、これは、十分に長い平均だけによるパスロスモデルによってモデル化される。前述のごとく、十分に長い平均によって、瞬間のフェージング変動とシャドウイングが除外されるからである。その結果は、次のように示される。
Following the processing of the RTDOA factor graph thus far, processing of the DRSS factor graph is executed. In the DRSS factor graph, the position estimate of the target (x, y) is obtained via the relationship between the power of the received signal and the PDP. Here, the power of the received signal is obtained by the sensor 10 and the first acquisition unit 12a, and the PDP is obtained from the training signal described above. In the second acquisition unit 12b, the training signals received at the observation spot are averaged. All RSS samples, including the training signal and the RSS of the signal from the target, follow Gaussian assumptions. This is therefore modeled by a path loss model with only a sufficiently long average. This is because, as described above, a sufficiently long average excludes instantaneous fading fluctuations and shadowing. The result is shown as follows.
ここで、Pはパスロスのべき指数を示し、dBを単位とする。d、d、f、f、nは、ターゲットあるいは観測スポットからh番目のセンサ10までのユークリッド距離(メートル単位)、パスロス指数モデルの参照距離(メートル単位)、キャリアの周波数(Hz単位)、光の速度(m/s)、パスロスのべき指数の係数をそれぞれ示す。 Here, P indicates the exponent of the path loss, and the unit is dB. d, d 0 , f c , f, n are the Euclidean distance (in meters) from the target or observation spot to the h-th sensor 10, the reference distance (in meters) of the path loss exponent model, and the carrier frequency (in Hz) , The speed of light (m / s), and the coefficient of the exponent of the path loss, respectively.
第1取得部12aは、各センサ10において受信された信号であって、かつターゲットから送信された信号をもとに、サンプルのRSSを取得する。第1取得部12aは、瞬間的なフェージング変動とシャドウイングを除去するために、サンプルのRSSを十分長い期間で平均化する。そのため、サンプルのRSSは、多くの独立した要因が集められることによって、測定エラーは、「0」を含まないガウスノイズでモデル化されるので、パスロス指数関数モデルで表現される。   The first acquisition unit 12a acquires the RSS of the sample based on the signal received by each sensor 10 and transmitted from the target. The first acquisition unit 12a averages the RSS of the sample over a sufficiently long period in order to remove instantaneous fading fluctuation and shadowing. Therefore, the RSS of the sample is represented by a path loss exponential model because the measurement error is modeled by Gaussian noise that does not include “0” by collecting many independent factors.
第2因子グラフ処理部24は、第1取得部12aにおいて取得したサンプルのRSSからセンサ10間のサンプルのDRSSを導出し、DRSSベースの因子グラフ処理を実行することによって、無線装置の位置座標の第2推定値を導出する。なお、DRSSベースの因子グラフ処理を実行する際に、DRSSと、係数計算部22において計算した係数とを使用するが、係数計算部22において計算した係数については後述する。以下では、第2因子グラフ処理部24を詳細に説明する。   The second factor graph processing unit 24 derives the DRSS of the sample between the sensors 10 from the RSS of the sample acquired by the first acquisition unit 12a, and executes the DRSS-based factor graph processing to thereby calculate the position coordinates of the wireless device. A second estimated value is derived. Note that, when executing the DRSS-based factor graph processing, DRSS and the coefficients calculated by the coefficient calculation unit 22 are used. The coefficients calculated by the coefficient calculation unit 22 will be described later. Below, the 2nd factor graph process part 24 is demonstrated in detail.
第2因子グラフ処理部24のRSS因子ノード処理部80のHphは、RSSサンプルをワット単位からdB単位に変換する。RSS変数ノード処理部82のNphは、RSS因子ノード処理部80のHphからDRSS因子ノード処理部84のGpi,jにメッセージを送る。
H ph of the RSS factor node processing unit 80 of the second factor graph processing unit 24 converts RSS samples from watts to dB units. N ph of RSS variable node processing unit 82 sends a message from the H ph of RSS factors node processing section 80 G pi of DRSS factors node processing unit 84, to j.
DRSS因子ノード処理部84のGpi,jは、2つのセンサ10間においてRSSサンプルを減算し、次のように、DRSSサンプルを得る。
これは、次のように示してもよい。
DRSS因子ノード処理部84は、DRSS変数ノード処理部86のFpi,jでの繰り返し処理へのDRSS入力メッセージとして使用するために次のような平均値と分散値を計算する。ここで、平均値と分散値は、測定値誤差がガウス分布にしたがうと想定されることによって導出される。
G pi, j of the DRSS factor node processing unit 84 subtracts the RSS sample between the two sensors 10 to obtain the DRSS sample as follows.
This may be shown as follows.
The DRSS factor node processing unit 84 calculates the following average value and variance value for use as a DRSS input message for the iterative processing at F pi, j of the DRSS variable node processing unit 86. Here, the average value and the variance value are derived by assuming that the measurement value error follows a Gaussian distribution.
DRSS変数ノード処理部86のNpi,jは、次のように、DRSS因子ノード処理部84のGpi,jからのメッセージを線形平面因子ノード処理部88のFpi,jに直接渡す。
N pi, j of the DRSS variable node processing unit 86 directly passes the message from G pi, j of the DRSS factor node processing unit 84 to F pi, j of the linear plane factor node processing unit 88 as follows.
係数計算部22は、選択部20において選択したRSSをもとに、係数を計算する。具体的に説明すると、係数計算部22は、次のように、4つの適切な観測スポットから送られたトレーニング信号のRSSからセンサ10間のサンプルのDRSSを導出する。
係数計算部22は、4つの適切な観測スポットから送られたトレーニング信号をもとに、線形平面最小2乗(LS)方程式を解くことによってPDPを生成する。線形平面最小2乗(LS)方程式は次のように示される。
ここで、axi,j、ayi,j、aPi,jは、平面方程式の係数である。xとyはターゲットの位置を示す。
The coefficient calculation unit 22 calculates a coefficient based on the RSS selected by the selection unit 20. More specifically, the coefficient calculation unit 22 derives the DRSS of the sample between the sensors 10 from the RSS of the training signals sent from four appropriate observation spots as follows.
The coefficient calculator 22 generates a PDP by solving a linear plane least squares (LS) equation based on training signals sent from four appropriate observation spots. The linear plane least squares (LS) equation is shown as follows:
Here, a xi, j , a yi, j , and a Pi, j are coefficients of a plane equation. x and y indicate the position of the target.
また、係数のベクトルa、観測スポットの座標とDRSSの行列B、定数の行列Cは、次のように示される。
その結果、LS解は次のように示される。
その結果、係数計算部22において導出される係数は次の通りである。
The coefficient vector a, the observation spot coordinates, the DRSS matrix B, and the constant matrix C are expressed as follows.
As a result, the LS solution is shown as follows.
As a result, the coefficients derived by the coefficient calculation unit 22 are as follows.
線形平面因子ノード処理部88のFpi,jは、ターゲットの位置を近似するために線形平面を生成する。線形平面因子ノード処理部88は、DRSS変数ノード処理部86から平均値と分散値とを入力するとともに、係数計算部22から係数も入力する。線形平面因子ノード処理部88は、入力した平均値、分散値、係数をもとに、無線装置の位置座標x、yの平均値と分散値とを次のように導出する。
F pi, j of the linear plane factor node processing unit 88 generates a linear plane to approximate the target position. The linear plane factor node processing unit 88 inputs an average value and a variance value from the DRSS variable node processing unit 86 and also inputs a coefficient from the coefficient calculation unit 22. The linear plane factor node processing unit 88 derives the average value and the variance value of the position coordinates x and y of the wireless device based on the input average value, variance value, and coefficient as follows.
さらに、線形平面因子ノード処理部88は、導出した平均値と分散値とに対してサムプロダクトアルゴリズムを実行する。
式(46)、式(47)は、xに対するサムプロダクトアルゴリズムを示すが、yに対するサムプロダクトアルゴリズムも同様に示される。線形平面因子ノード処理部88は、サムプロダクトアルゴリズムの実行結果のメッセージが収束するまで、処理を繰り返し実行する。収束についての条件は前述の通りであるので、ここでは説明を省略する。
Further, the linear plane factor node processing unit 88 executes a sum product algorithm on the derived average value and variance value.
Equations (46) and (47) show the sum product algorithm for x, but the sum product algorithm for y is also shown. The linear plane factor node processing unit 88 repeatedly executes the processing until the sum product algorithm execution result message converges. Since the conditions for convergence are as described above, a description thereof is omitted here.
出力部90は、線形平面因子ノード処理部88において収束した平均値と分散値とを入力する。出力部90は、入力した平均値と分散値とに対してサムプロダクトアルゴリズムを実行する。
式(48)、式(49)は、xに対するサムプロダクトアルゴリズムを示すが、yに対するサムプロダクトアルゴリズムも同様に示される。繰り返し回数が終了しなければ、線形平面因子ノード処理部88に戻される。繰り返し回収が終了した場合、平均値が、ターゲットの位置(x,y)とされる。このターゲットの位置が第2推定値に相当する。
The output unit 90 inputs the average value and the variance value converged in the linear plane factor node processing unit 88. The output unit 90 executes the sum product algorithm on the input average value and variance value.
Equations (48) and (49) show the sum product algorithm for x, but the sum product algorithm for y is also shown. If the number of repetitions does not end, the process returns to the linear plane factor node processing unit 88. When the repeated collection is completed, the average value is set as the target position (x, y). This target position corresponds to the second estimated value.
この構成は、ハードウエア的には、任意のコンピュータのCPU、メモリ、その他のLSIで実現でき、ソフトウエア的にはメモリにロードされたプログラムなどによって実現されるが、ここではそれらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックがハードウエアのみ、ソフトウエアのみ、またはそれらの組合せによっていろいろな形で実現できることは、当業者には理解されるところである。   This configuration can be realized in terms of hardware by a CPU, memory, or other LSI of any computer, and in terms of software, it can be realized by a program loaded in the memory, but here it is realized by their cooperation. Draw functional blocks. Accordingly, those skilled in the art will understand that these functional blocks can be realized in various forms by hardware only, software only, or a combination thereof.
以上の構成による推定装置100の動作を説明する。図2は、推定装置100によるPTDOAベースの因子グラフ処理の手順を示すフローチャートである。式(1)、式(2)が実行される(S10)。式(3)、式(4)が実行される(S12)。式(5)〜式(8)が実行される(S14)。第1因子グラフ処理部16は下り処理を実行する(S16)。収束していれば(S18のY)、式(29)、式(30)が実行される(S20)。繰り返しが終了すれば(S22のY)、第1推定値が出力される(S26)。収束していない場合(S18のN)、あるいは繰り返しが終了していない場合(S22のN)、第1因子グラフ処理部16は上り処理を実行する(S24)。ステップ14に戻る。   The operation of the estimation apparatus 100 having the above configuration will be described. FIG. 2 is a flowchart showing a procedure of PTDOA-based factor graph processing by the estimation apparatus 100. Expressions (1) and (2) are executed (S10). Expressions (3) and (4) are executed (S12). Expressions (5) to (8) are executed (S14). The first factor graph processing unit 16 executes a downlink process (S16). If converged (Y of S18), Formula (29) and Formula (30) will be performed (S20). If the repetition is completed (Y in S22), the first estimated value is output (S26). If it has not converged (N in S18), or if the repetition has not ended (N in S22), the first factor graph processing unit 16 executes an upstream process (S24). Return to step 14.
図3は、推定装置100による下り処理の手順を示すフローチャートである。式(9)、式(10)が実行される(S50)。mrh→Ch<εでなければ(S52のN)、式(13)〜式(16)が実行される(S56)。mrh→Ch<εであれば(S52のY)、mrh→Ch=εとされ(S54)、式(13)〜式(16)が実行される(S56)。式(19)、式(20)が実行される(S58)。式(23)、式(24)が実行される(S60)。式(27)、式(28)が実行される(S62)。 FIG. 3 is a flowchart showing a procedure of downlink processing by the estimation apparatus 100. Expressions (9) and (10) are executed (S50). If mrh → Ch <ε is not satisfied (N in S52), Expressions (13) to (16) are executed (S56). If m rh → Ch <ε (Y in S52), m rh → Ch = ε is set (S54), and Expressions (13) to (16) are executed (S56). Expressions (19) and (20) are executed (S58). Expressions (23) and (24) are executed (S60). Expressions (27) and (28) are executed (S62).
図4は、推定装置100による上り処理の手順を示すフローチャートである。式(25)、式(26)が実行される(S100)。式(21)、式(22)が実行される(S102)。m rh→Ch−mΔxh→Ch<0である場合(S104のY)、mΔxh→Ch=sign(mΔxh→Ch)×(abs(m rh→Ch)−δ)とされる(S106)。これはyに対してもなされる。m rh→Ch−mΔxh→Ch<0でない場合(S104のN)、ステップ106がスキップされる。式(17)、式(18)が実行される(S108)。σ Ch→rh>max(σ Dh→rh)である場合(S110のY)、σ Ch→rh=max(σ Dh→rh)とされる(S112)。σ Ch→rh>max(σ Dh→rh)でない場合(S110のN)、ステップ112がスキップされる。式(11)、式(12)が実行される(S114)。観測スポットが特定される(S116)。 FIG. 4 is a flowchart showing the procedure of the uplink processing by the estimation apparatus 100. Expressions (25) and (26) are executed (S100). Expressions (21) and (22) are executed (S102). When m 2 rh → Ch −m Δxh → Ch <0 (Y in S104), m Δxh → Ch = sign (m Δxh → Ch ) × (abs (m 2 rh → Ch ) −δ) ( S106). This is also done for y. If m 2 rh → Ch −m Δxh → Ch <0 is not satisfied (N in S104), step 106 is skipped. Expressions (17) and (18) are executed (S108). When σ 2 Ch → rh > max (σ 2 Dh → rh ) (Y in S110), σ 2 Ch → rh = max (σ 2 Dh → rh ) is set (S112). If σ 2 Ch → rh > max (σ 2 Dh → rh ) is not satisfied (N in S110), step 112 is skipped. Expressions (11) and (12) are executed (S114). An observation spot is specified (S116).
図5は、推定装置100による計算処理の手順を示すフローチャートである。式(37)が実行される(S150)。式(38)、式(39)が実行される(S152)。式(40)が実行される(S154)。式(41)が実行される(S156)。   FIG. 5 is a flowchart showing a procedure of calculation processing by the estimation apparatus 100. Expression (37) is executed (S150). Expressions (38) and (39) are executed (S152). Expression (40) is executed (S154). Expression (41) is executed (S156).
図6は、推定装置100によるDRSSベースの因子グラフ処理の手順を示すフローチャートである。式(32)が実行される(S200)。式(33)〜式(35)が実行される(S202)。式(36)が実行される(S204)。式(42)〜式(45)が実行される(S206)。式(46)、式(47)が実行される(S208)。収束していれば(S210のY)、式(48)、式(49)が実行される(S212)。繰り返しが終了すれば(S214のY)、第2推定値が出力される(S216)。収束してない場合(S210のN)、あるいは繰り返しが終了していない場合(S214のN)、ステップ206に戻る。   FIG. 6 is a flowchart showing a procedure of DRSS-based factor graph processing by the estimation apparatus 100. Expression (32) is executed (S200). Expressions (33) to (35) are executed (S202). Expression (36) is executed (S204). Expressions (42) to (45) are executed (S206). Expressions (46) and (47) are executed (S208). If converged (Y of S210), Formula (48) and Formula (49) will be performed (S212). If the repetition is completed (Y in S214), the second estimated value is output (S216). If not converged (N in S210), or if the repetition has not ended (N in S214), the process returns to Step 206.
本発明の実施例によれば、PTDOAを使用するので、タイムスタンプの知識を不要にできる。また、PTDOAを実行するので、ターゲットの位置を粗く推定できる。また、ターゲットの位置が粗く推定されるので、複数のセンサから、4つの観測スポットを選択できる。また、ターゲットを囲むような4つの観測スポットが選択されるので、DRSSを実行できる。また、各センサでのサンプルのRSSをもとに、センサ間のサンプルのDRSSを導出して処理を実行するので、相対的な値を使用できる。また、相対的な使用するので、絶対的な送信電力の情報を不要にできる。また、絶対的な送信電力の情報が不要になるので、送信電力の情報がなくても、RSSをベースにして送信元になるターゲットの位置を推定できる。また、送信元になるターゲットの位置が推定されるので、不法無線局や未知発信源を探索できる。   According to the embodiment of the present invention, since PTDOA is used, knowledge of the time stamp can be made unnecessary. Moreover, since PTDOA is executed, the target position can be roughly estimated. In addition, since the target position is roughly estimated, four observation spots can be selected from a plurality of sensors. Also, since four observation spots surrounding the target are selected, DRSS can be executed. Moreover, since the process is executed by deriving the DRSS of the samples between the sensors based on the RSS of the samples at each sensor, a relative value can be used. Moreover, since it uses relatively, the information of absolute transmission power can be made unnecessary. Also, since absolute transmission power information is not required, the position of a target serving as a transmission source can be estimated based on RSS even without transmission power information. In addition, since the position of the target serving as the transmission source is estimated, illegal radio stations and unknown transmission sources can be searched.
以上、本発明を実施例をもとに説明した。この実施例は例示であり、それらの各構成要素の組合せにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。   In the above, this invention was demonstrated based on the Example. This embodiment is an exemplification, and it will be understood by those skilled in the art that various modifications can be made to combinations of the respective constituent elements, and such modifications are also within the scope of the present invention.
本実施例において、特定部18は4つのセンサ10を観測スポットとして特定している。しかしながらこれに限らず例えば、特定部18は、4つ以上のセンサ10を観測スポットとして特定してもよい。本変形例によれば、推定精度を向上できる。   In the present embodiment, the specifying unit 18 specifies four sensors 10 as observation spots. However, the present invention is not limited to this. For example, the specifying unit 18 may specify four or more sensors 10 as observation spots. According to this modification, the estimation accuracy can be improved.
10 センサ、 12 取得部、 14 TDOAサンプル測定部、 16 第1因子グラフ処理部、 18 特定部、 20 選択部、 22 係数計算部、 24 第2因子グラフ処理部、 40 ユークリッド因子ノード処理部、 42 ユークリッド変数ノード処理部、 44 ユークリッド距離推定因子ノード処理部、 46 サムプロダクトアルゴリズム変数ノード処理部、 48 ピタゴラス因子ノード処理部、 50 ピタゴラス変数ノード処理部、 52 変換因子ノード処理部、 54 サムプロダクトアルゴリズム処理部、 56 判定部、 58 出力部、 60 下り処理部、 62 上り処理部、 64 下り処理部、 66 上り処理部、 68 下り処理部、 70 上り処理部、 72 下り処理部、 74 上り処理部、 80 RSS因子ノード処理部、 82 RSS変数ノード処理部、 84 DRSS因子ノード処理部、 86 DRSS変数ノード処理部、 88 線形平面因子ノード処理部、 90 出力部、 100 推定装置。   DESCRIPTION OF SYMBOLS 10 sensor, 12 acquisition part, 14 TDOA sample measurement part, 16 1st factor graph process part, 18 specification part, 20 selection part, 22 coefficient calculation part, 24 2nd factor graph process part, 40 Euclidean factor node process part, 42 Euclidean variable node processing unit, 44 Euclidean distance estimation factor node processing unit, 46 sum product algorithm variable node processing unit, 48 Pythagoras factor node processing unit, 50 Pythagoras variable node processing unit, 52 transform factor node processing unit, 54 sum product algorithm processing Unit, 56 determination unit, 58 output unit, 60 downstream processing unit, 62 upstream processing unit, 64 downstream processing unit, 66 upstream processing unit, 68 downstream processing unit, 70 upstream processing unit, 72 downstream processing unit, 74 upstream processing unit, 80 RSS factor Node processing unit, 82 RSS variable node processing unit, 84 DRSS factor node processing unit, 86 DRSS variable node processing unit, 88 linear plane factor node processing unit, 90 output unit, 100 estimation device.

Claims (2)

  1. 対象となる無線装置からの信号が複数のセンサのそれぞれにおいて受信されており、各センサでのサンプルのTOA(Time Of Arrival)とRSS(Receive Signal Strength)を取得する第1取得部と、
    前記第1取得部において取得したサンプルのTOAからセンサ間のサンプルのTDOA(Time Difference Of Arrival)を導出するTDOAサンプル測定部と、
    前記TDOAサンプル測定部において導出したセンサ間のサンプルのTDOAを使用して、ピタゴラスのTDOAベースの因子グラフ処理を実行することによって、無線装置の位置座標の第1推定値を導出する第1因子グラフ処理部と、
    前記第1因子グラフ処理部において導出した第1推定値の近くに配置された少なくとも4つのセンサを特定する特定部と、
    既知の送信装置からのトレーニング信号が複数のセンサのそれぞれにおいて受信されており、各センサでのサンプルのRSSを取得する第2取得部と、
    前記第2取得部において取得したRSSのうち、前記特定部において特定した少なくとも4つのセンサに対するRSSを選択する選択部と、
    前記選択部において選択したRSSをもとに、係数を計算する係数計算部と、
    前記第1取得部において取得したサンプルのRSSからセンサ間のサンプルのDRSS(Differential RSS)を導出し、導出したDRSSと前記係数計算部において計算した係数とを使用しながら、DRSSベースの因子グラフ処理を実行することによって、無線装置の位置座標の第2推定値を導出する第2因子グラフ処理部と、
    を備えることを特徴とする推定装置。
    A first acquisition unit that receives a signal from a target wireless device in each of the plurality of sensors, and acquires a sample TOA (Time Of Arrival) and an RSS (Receive Signal Strength) of each sensor;
    A TDOA sample measurement unit for deriving a TDOA (Time Difference Of Arrival) between samples from the TOA of the sample acquired in the first acquisition unit;
    A first factor graph for deriving a first estimated value of a position coordinate of a wireless device by performing a TDOA-based factor graph process of Pythagoras using a TDOA of samples between sensors derived in the TDOA sample measurement unit A processing unit;
    A specifying unit for specifying at least four sensors arranged near the first estimated value derived in the first factor graph processing unit;
    A training signal from a known transmission device is received at each of the plurality of sensors, and a second acquisition unit that acquires the RSS of the sample at each sensor;
    Of the RSS acquired in the second acquisition unit, a selection unit that selects RSS for at least four sensors specified in the specifying unit;
    A coefficient calculation unit for calculating a coefficient based on the RSS selected in the selection unit;
    A DRSS-based factor graph process is performed by deriving a DRSS (Differential RSS) between samples from the RSS of the sample acquired by the first acquisition unit and using the derived DRSS and the coefficient calculated by the coefficient calculation unit. A second factor graph processing unit for deriving a second estimated value of the position coordinates of the wireless device by executing
    An estimation apparatus comprising:
  2. 対象となる無線装置からの信号が複数のセンサのそれぞれにおいて受信されており、各センサでのサンプルのTOA(Time Of Arrival)とRSS(Receive Signal Strength)を取得するステップと、
    取得したサンプルのTOAからセンサ間のサンプルのTDOA(Time Difference Of Arrival)を導出するステップと、
    導出したセンサ間のサンプルのTDOAを使用して、ピタゴラスのTDOAベースの因子グラフ処理を実行することによって、無線装置の位置座標の第1推定値を導出するステップと、
    導出した第1推定値の近くに配置された少なくとも4つのセンサを特定するステップと、
    既知の送信装置からのトレーニング信号が複数のセンサのそれぞれにおいて受信されており、各センサでのトレーニング信号に対するサンプルのRSSを取得するステップと、
    トレーニング信号に対するサンプルのRSSのうち、特定した少なくとも4つのセンサに対するRSSを選択するステップと、
    選択したRSSをもとに、係数を計算するステップと、
    対象となる無線装置からの信号に対するサンプルのRSSからセンサ間のサンプルのDRSS(Differential RSS)を導出し、導出したDRSSと、計算した係数とを使用しながら、DRSSベースの因子グラフ処理を実行することによって、無線装置の位置座標の第2推定値を導出するステップと、
    を備えることを特徴とする推定方法。
    A signal from a target wireless device is received by each of the plurality of sensors, and a sample TOA (Time Of Alignment) and RSS (Receive Signal Strength) of each sensor are obtained;
    Deriving a TDOA (Time Difference of Arrival) of samples between sensors from the acquired TOA of the samples;
    Deriving a first estimate of the position coordinates of the wireless device by performing a Pythagoras TDOA-based factor graph process using the derived TDOA between the derived sensors;
    Identifying at least four sensors located near the derived first estimate;
    A training signal from a known transmitter is received at each of the plurality of sensors, and obtaining a sample RSS for the training signal at each sensor;
    Selecting RSS for at least four identified sensors of the sample RSS for the training signal;
    Calculating a coefficient based on the selected RSS;
    A DRSS (Differential RSS) between the sensors is derived from the RSS of the sample for the signal from the target wireless device, and DRS-based factor graph processing is executed using the derived DRSS and the calculated coefficients. Thereby deriving a second estimate of the position coordinates of the wireless device;
    An estimation method comprising:
JP2017043625A 2017-03-08 2017-03-08 Estimating method and estimation device using it Active JP6836936B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2017043625A JP6836936B2 (en) 2017-03-08 2017-03-08 Estimating method and estimation device using it

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017043625A JP6836936B2 (en) 2017-03-08 2017-03-08 Estimating method and estimation device using it

Publications (2)

Publication Number Publication Date
JP2018146473A true JP2018146473A (en) 2018-09-20
JP6836936B2 JP6836936B2 (en) 2021-03-03

Family

ID=63591158

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017043625A Active JP6836936B2 (en) 2017-03-08 2017-03-08 Estimating method and estimation device using it

Country Status (1)

Country Link
JP (1) JP6836936B2 (en)

Also Published As

Publication number Publication date
JP6836936B2 (en) 2021-03-03

Similar Documents

Publication Publication Date Title
US8509819B2 (en) Information processing apparatus and correction method
Yu et al. An efficient constrained weighted least squares algorithm for moving source location using TDOA and FDOA measurements
KR101260647B1 (en) Wireless localization method based on an efficient multilateration algorithm over a wireless sensor network and a recording medium in which a program for the method is recorded
Mukhopadhyay et al. Performance evaluation of localization techniques in wireless sensor networks using RSSI and LQI
Yousefi et al. Mobile localization in non-line-of-sight using constrained square-root unscented Kalman filter
JP2008128726A (en) Positioning system, device and method using particle filter
KR102082634B1 (en) System and method for robust and accurate rssi based location estimation
Ma et al. TOA localization in the presence of random sensor position errors
KR101234177B1 (en) Method for estimating position of user device
Van de Velde et al. Cooperative multipath-aided indoor localization
KR101627419B1 (en) Method for estmating location of mobile node and apparatus thereof
Angjelichinoski et al. SPEAR: Source position estimation for anchor position uncertainty reduction
Lui et al. Range-based source localisation with pure reflector in presence of multipath propagation
Qu et al. Recursive source localisation by time difference of arrival sensor networks with sensor position uncertainty
Gholami et al. Hybrid TW-TOA/TDOA positioning algorithms for cooperative wireless networks
US20160057583A1 (en) Position estimation device
JP2018146473A (en) Estimation method and estimation device using the same
Zaeemzadeh et al. Robust target localization based on squared range iterative reweighted least squares
KR101689628B1 (en) Apparatus and method for estimating passive emitter location
Wang et al. Iterative constrained weighted least squares estimator for TDOA and FDOA positioning of multiple disjoint sources in the presence of sensor position and velocity uncertainties
KR101296013B1 (en) Server and terminal for localization system using qr code and radio signal and method thereof
JP2009210408A (en) Wireless system and its location identification method
JP6284151B2 (en) Position estimation apparatus, method, and program
Li et al. Distributed target tracking by time of arrival and received signal strength with unknown path loss exponent
Liu et al. Passive source localization using importance sampling based on TOA and FOA measurements

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200302

TRDD Decision of grant or rejection written
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20201228

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210112

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210208

R150 Certificate of patent or registration of utility model

Ref document number: 6836936

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150