JP2022028703A - 物体追跡のための方法、装置、サーバ及びシステム - Google Patents

Abstract

【課題】本教示は、散乱が多い環境における時間反転技術に基づく物体追跡に関するものである。【解決手段】１つの例において、物体の移動をリアルタイムで追跡する方法が開示される。方法は、少なくともプロセッサと、プロセッサと通信可能に結合されたメモリとを含む機械上で実行されうる。方法は、物体の移動の前に物体の初期位置を取得することと、物体の移動の影響を受けたマルチパスチャネルから少なくとも１つの無線信号を取得することと、少なくとも１つの無線信号からマルチパスチャネルの時系列のチャネル状態情報（ＣＳＩ）を抽出することと、時系列のＣＳＩに基づいて物体の移動の距離を判定することと、物体の移動の方向を推定することと、距離、方向及び初期位置に基づいて、移動の後の物体の新しい位置を判定することとを含みうる。【選択図】なし

Description

関連出願の相互参照
本願は、「TIME-REVERSAL RESONATING EFFECT AND ITS APPLICATION IN WALKING SPEED ESTIMATION」という表題の、２０１６年４月１４日出願の米国特許出願第６２／３２２，５７５号、「TIME-REVERSAL TRACKING WITHOUT MAPPING」という表題の、２０１６年５月１０日出願の米国特許出願第６２／３３４，１１０号、及び「METHODS, DEVICES, SERVERS, AND SYSTEMS OF TIME REVERSAL BASED TRACKING」という表題の、２０１６年１０月１８日出願の米国特許出願第６２／４０９，７９６号の優先権を主張し、これらの全体が本明細書において援用される。

本教示は、概して、物体追跡に関するものである。より具体的には、本教示は、屋内環境又は大都市圏等の散乱が多い環境における時間反転技術に基づく物体追跡に関するものである。

近年、屋内のロケーションベースのサービスは益々重要になってきている。１つの一般的なアプローチは、移動する物体のロケーションをリアルタイムで推定するために自律航法を使用することである。通常、移動方向及び移動距離は慣性計測装置（ＩＭＵ）により推定される。しかし、自律航法ベースのアプローチにおける移動距離推定の性能は満足できるものではなく、そのことが、そのような屋内ナビゲーションシステムが依然として普及していない主な理由である。

屋内環境における移動する物体の速度の推定は、ロケーションベースのサービスを支援することができるが、これも未解決の問題であり、満足できる結果が未だ得られていない。音波、マイクロ波又はレーザ光を使用する異なる速度推定システムに、ドップラー効果が広く適用されている。しかし、人間の歩行速度等の低速は、特に電磁（ＥＭ）波を使用して、ドップラーシフトを使用して推定することが非常に困難である。その理由は、ｆ₀を送信信号の搬送波周波数とし且つｖを人間の歩行速度とした場合、最大ドップラーシフトがほぼΔ_f＝(ｖ／ｃ)ｆ₀であるためである。通常の人間の歩行速度であるｖ＝５．０ｋｍ／ｈであり且つｆ₀＝５．８ＧＨｚである場合、Δ_fは約２６．８５Ｈｚであり、この非常に小さい量を高精度で推定することは極めて困難である。更に、これらの方法は見通し内条件を必要とし、多くのマルチパス反射を有する複雑な屋内環境では性能が低い。

ダイレクトパス信号は屋内環境ではマルチパス信号により妨害され、ダイレクトパス信号の到達時間（又はドップラーシフト）を正確に推定できないため、屋外環境に対して良好に機能する既存の速度推定方法の大部分は、屋内環境に対して満足できる性能を提供しない。そこで、研究者達は、移動速度を推定するために使用できる最大ドップラー周波数の推定に注目している。レベル交差率法、共分散法、ウェーブレット法等の種々の方法が提案されている。しかし、実際のシナリオでは、これらの推定量で使用される統計値はばらつきが大きく且つロケーションに依存するため、これらの推定量では満足のいく結果が得られない。例えば１つの既存の速度推定方法の精度は、移動局が高速（３０ｋｍ／ｈを上回る）で移動するか又は低速（５ｋｍ／ｈ未満）で移動するかを区別することしかできない。

別の種類の従来の歩行者自律航法アルゴリズムに基づく屋内速度推定方法は、加速度計を使用して歩行を検出し、歩幅を推定することである。しかし、多くの場合、歩行者の歩幅は異なり、同一人物の同一速度では最大４０％変化し、様々な速度では最大５０％変化することがある。従って、異なる個人の平均歩幅を取得するためにはキャリブレーションが必要であるが、これは実際のアプリケーションでは実用的でなく、そのため広く採用されていない。

本教示は、概して、物体追跡に関するものである。より具体的には、本教示は、屋内環境又は大都市圏等の散乱が多い環境における時間反転技術に基づく物体追跡に関するものである。

１つの例において、物体の移動をリアルタイムで追跡する方法が開示される。本方法は、少なくともプロセッサと、前記プロセッサと通信可能に結合されたメモリとを含む機械上で実行されうる。本方法は、前記物体の移動の前に前記物体の初期位置を取得することと、前記物体の前記移動の影響を受けたマルチパスチャネルから少なくとも１つの無線信号を取得することと、前記少なくとも１つの無線信号から前記マルチパスチャネルの時系列のチャネル状態情報（ＣＳＩ）を抽出することと、前記時系列のＣＳＩに基づいて前記物体の前記移動の距離を判定することと、前記物体の前記移動の方向を推定することと、前記距離、前記方向及び前記初期位置に基づいて、前記移動の後の前記物体の新しい位置を判定することとを含みうる。

他の例において、エレベータのリアルタイムの位置を追跡するための方法が開示される。本方法は、少なくともプロセッサと、前記プロセッサと通信可能に結合されたメモリとを含む機械上で実行されうる。本方法は、測定部が前記エレベータに対して固定位置を有するように前記エレベータに結合された前記測定部から、前記エレベータの加速度の未加工の推定値を表す第１の出力を取得することと、前記測定部から、前記エレベータと同一のロケーションにおける重力の測定値を表す第２の出力を取得することと、前記第１の出力及び前記第２の出力に基づいて、現在の時間スロットにおける垂直方向の前記エレベータの加速度を計算することと、先行の時間スロットにおいて計算された垂直方向の前記エレベータの以前の速度を取得することと、前記加速度及び前記以前の速度に基づいて、前記エレベータが移動しているかを判定することとを含みうる。

更に他の例において、物体の移動をリアルタイムで追跡するためのシステムが開示される。本システムは、前記物体の移動の影響を受けたマルチパスチャネルから少なくとも１つの無線信号を受信するように構成された受信機と、プロセッサと、前記プロセッサと通信可能に結合されたメモリとを備えうる。前記プロセッサは、前記物体の移動の前に前記物体の初期位置を取得し、前記少なくとも１つの無線信号から前記マルチパスチャネルの時系列のＣＳＩを抽出し、前記時系列のＣＳＩに基づいて前記物体の前記移動の距離を判定し、前記物体の前記移動の方向を推定し、前記距離、前記方向及び前記初期位置に基づいて、前記移動の後の前記物体の新しい位置を判定するように構成される。

更に他の例において、エレベータのリアルタイムの位置を追跡するためのシステムが開示される。本システムは、測定部が前記エレベータに対して固定位置を有するように前記エレベータに結合された前記測定部であって、前記エレベータの加速度の未加工の推定値を表す第１の出力を生成し、且つ、前記エレベータと同一のロケーションにおける重力の測定値を表す第２の出力を生成するように構成される、前記測定部と、プロセッサと、前記プロセッサと通信可能に結合されたメモリとを備えうる。前記プロセッサは、前記第１の出力及び前記第２の出力に基づいて、現在の時間スロットにおける垂直方向の前記エレベータの加速度を計算し、先行の時間スロットにおいて計算された垂直方向の前記エレベータの以前の速度を取得し、且つ、前記加速度及び前記速度に基づいて、前記エレベータが移動しているかを判定するように構成される。

異なる例において、会場における物体の動きを検出するためのシステムが開示される。本システムは、少なくとも１つの無線信号を送信するように構成された送信機と、前記会場における物体の動きの影響を受けうる前記少なくとも１つの無線信号を受信するように構成された受信機と、プロセッサと、前記プロセッサと通信可能に結合されたメモリとを備えうる。前記プロセッサは、前記少なくとも１つの無線信号から１つ以上の時系列のＣＳＩを抽出し、前記会場における物体の動きの度合いを表す統計値を、前記１つ以上の時系列のＣＳＩに基づいて計算し、前記統計値に基づいて、物体の動きが前記会場内に存在するかを判定するように構成される。

異なる例において、エレベータの扉の状態を追跡するためのシステムが開示される。本システムは、少なくとも１つの無線信号を送信するように構成された送信機と、前記扉の状態の影響を受けうる前記少なくとも１つの無線信号を受信するように構成された受信機と、ここで、前記送信機及び前記受信機の少なくとも１つは前記エレベータ内に位置付けられ、プロセッサと、前記プロセッサと通信可能に結合されたメモリとを備えうる。前記プロセッサは、前記少なくとも１つの無線信号に基づいて時系列の信号測定値を取得し、外れ値及びノイズのある測定値を軽減することにより前記時系列の信号測定値をフィルタリングすることで、それぞれが対応する時間スロットに関連する複数のフィルタリング済み測定値を生成し、前記時間スロットに関連する前記フィルタリング済み測定値及び閾値に基づいて、各時間スロットにおいて前記エレベータの前記扉が閉じているか又は開いているかを判定するように構成される。

他の例において、ＴＲベースのシステムに必要とされる最小帯域幅を判定するための方法が開示される。本方法は、少なくともプロセッサと、前記プロセッサと通信可能に結合されたメモリとを含む機械上で実行されうる。本方法は、リアルタイムの物体の移動の追跡、エレベータのリアルタイムの位置の追跡、会場における物体の動きの検出、エレベータの扉の状態の追跡、及びＴＲベースの通信、のうちの少なくとも１つを含む複数のアプリケーションから選択された、前記ＴＲベースのシステムに関連するアプリケーションを判定することと、前記アプリケーションがＴＲベースの通信であると判定された場合に、前記ＴＲベースのシステムのスペクトル効率を最大化する帯域幅に基づいて、前記ＴＲベースのシステムに必要とされる前記最小帯域幅を判定することと、前記アプリケーションがＴＲベースの通信ではないと判定された場合に、前記ＴＲベースのシステムのアンテナの品質に基づいて、且つ、前記アプリケーションに関連する１つ以上の特徴に基づいて、前記ＴＲベースのシステムに必要とされる前記最小帯域幅を判定することとを含みうる。

本教示の他の例は、散乱が多い環境における時間反転技術に基づく物体追跡を対象とした、システム、方法、媒体、デバイス、サーバ、及び他の実装を含みうる。

他の概念は、散乱が多い環境における時間反転技術に基づく物体追跡の、計算、ストレージ、アプリケーション、又は処理で、本教示を実現するためのソフトウェアに関するものである。ソフトウェア製品は、この概念に従って、非一時的な少なくとも１つの機械可読媒体及び当該媒体によって担持される情報を含む。媒体によって担持される情報は、実行可能なプログラムコードのデータ、当該実行可能なプログラムコードに関連付けられたパラメータ、及び／又は、ソーシャルグループに関連するユーザ、要求、コンテンツ、若しくは情報等に関連した情報でありうる。

更なる新規の特徴が、以下の説明においてある程度説明されるとともに、以下の説明及び添付の図面により当業者にある程度明らかになるか又は例の作成若しくは操作によって学習されうる。本教示の新規の特徴は、以下で議論される詳細な例で説明される方法論、手段、及び組み合わせの種々の態様についての実施又は使用によって実現及び達成されうる。

図１Ａは、本教示の一実施形態に係るＴＲベースの物体追跡の例示的な適用例を示す図である。

図１Ｂは、本教示の一実施形態に係るＴＲベースの物体追跡の別の例示的な適用例を示す図である。

図１Ｃは、本教示の一実施形態に係る物体追跡の一般的な実現例を例示的に示す図である。

図２は、本教示の一実施形態に係る時間反転送信方式を例示的に示す概略図である。

図３は、本教示の一実施形態に係る焦点周辺の時間反転共振強度（ＴＲＲＳ）の空間分布を例示的に示す図である。

図４は、本教示の一実施形態に係る焦点の時間正規化受信信号分布を例示的に示す図である。

図５は、本教示の一実施形態に係るチャネルインパルス応答（ＣＩＲ）が収集された一般的な屋内環境を示す図である。

図６は、本教示の一実施形態に係るＣＩＲタップの実数部及び虚数部の経験的累積分布関数（ＣＤＦ）を例示的に示す図である。

図７は、本教示の一実施形態に係るＣＩＲにおける各タップの正規化利得の指数関数的減衰を例示的に示す図である。

図８は、本教示の一実施形態に係る種々の距離ｄを用いた場合の２つのＣＩＲからの異なるタップ間のサンプル相関係数行列を例示的に示す図である。

図９は、本教示の一実施形態に係る焦点までの距離に関するＴＲＲＳ減衰を例示的に示す図である。

図１０は、本教示の一実施形態に係るＤ＝２ｃｍの場合の５５個の異なるロケーションにわたる空間減衰偏差メトリックの値及び対応する経験的ＣＤＦを例示的に示す図である。

図１１は、本教示の一実施形態に係る種々のＤを用いた場合の空間減衰偏差メトリックの経験的ＣＤＦを例示的に示す図である。

図１２は、本教示の一実施形態に係る実際の距離と比較した推定距離の分布を例示的に示す図である。

図１３は、本教示の一実施形態に係る８０２．１１ｎ Ｗｉ－Ｆｉシステムを使用して種々の実効帯域幅を用いた場合のＴＲ空間共振減衰関数の平均を例示的に示す図である。

図１４は、本教示の一実施形態に係る種々の実効帯域幅を用いた場合のＴＲ空間共振減衰関数の分散を示す図である。

図１５は、本教示の一実施形態に係る各マルチパス成分（ＭＰＣ）を総移動距離、到着方向及び電力利得により表す解析における極座標を示す図である。

図１６は、本教示の一実施形態に係る理論的ＴＲＲＳ減衰曲線と実験測定値との比較を示す図である。

図１７は、本教示の一実施形態に係る送信機又は受信機が移動している場合の時間にわたるＴＲＲＳ減衰を示す図である。

図１８は、本教示の一実施形態に係るＴＲＲＳベースの方向推定を示す図である。

図１９は、本教示の一実施形態に係る複数のアンテナからのＴＲＲＳに基づく回転推定を示す図である。

図２０は、本教示の一実施形態に係る複数のアンテナからのＴＲＲＳに基づく並進変位推定を示す図である。

図２１は、本教示の一実施形態に係る移動方向の推定がＩＭＵに基づく物体追跡の処理を例示的に示すフローチャートである。

図２２は、本教示の一実施形態に係る移動方向の推定が異なる送信機／受信機（ＴＸ／ＲＸ）アンテナにわたるＴＲＲＳ減衰パターンに基づく物体追跡の処理を例示的に示すフローチャートである。

図２３は、本教示の一実施形態に係る移動方向推定のための異なるセンサの出力の統合を例示的に示す図である。

図２４Ａは、本教示の一実施形態に係る重力方向ｇにおけるジャイロスコープ出力ベクトルの投影を示す図である。

図２４Ｂは、本教示の一実施形態に係る水平面における磁気センサ出力ベクトルの投影を示す図である。

図２５Ａは、本教示の一実施形態に係る移動方向推定のためのセンサ出力統合のアルゴリズムを例示的に示す図である。

図２５Ｂは、本教示の一実施形態に係る異なるセンサからの出力の相関パターンを例示的に示す図である。

図２６は、本教示の一実施形態に係る１つのＯｒｉｇｉｎ及び１つのＢｏｔを有する物体追跡システムにおける種々の構成要素間の接続を例示的に示す図である。

図２７Ａは、本教示の一実施形態に係るＢｏｔから送出されたアップリンクサウンディングを使用するマルチＢｏｔ追跡のアーキテクチャを例示的に示す図である。

図２７Ｂは、本教示の一実施形態に係るＯｒｉｇｉｎから送出されたダウンリンクサウンディングを使用するマルチＢｏｔ追跡のアーキテクチャを例示的に示す図である。

図２８は、本教示の一実施形態に係る複数のＯｒｉｇｉｎ及び複数のＢｏｔを有する物体追跡システムにおける種々の構成要素間の接続を例示的に示す図である。

図２９は、本教示の一実施形態に係る物体追跡システムのソフトウェア実現例を例示的に示すフローチャートである。

図３０は、本教示の一実施形態に係るエレベータ追跡アルゴリズムを概略的に示す図である。

図３１は、本教示の一実施形態に係る一般的な建物におけるエレベータ追跡モジュールの実験結果を例示的に示す図である。

図３２は、本教示の一実施形態に係る一般的な建物におけるエレベータ追跡モジュールの別の実験結果を例示的に示す図である。

図３３は、本教示の一実施形態に係る動き検出器を例示的に示す概略図である。

図３４は、本教示の一実施形態に係るエレベータ扉検出アルゴリズムのトレーニング手順を例示的に示す概略図である。

図３５は、本教示の一実施形態に係るエレベータ扉検出アルゴリズムのリアルタイム監視手順を例示的に示す概略図である。

図３６は、本教示の一実施形態に係る多重アンテナ時間反転分割多元アクセス（ＴＲＤＭＡ－ＭＡ）アップリンクシステムを例示的に示す図である。

図３７は、本教示の一実施形態に係る単一アンテナの場合のキャプチャされたエネルギーの百分率対有意な固有値の数を示す図である。

図３８は、本教示の一実施形態に係る種々の帯域を用いた場合の有意な固有値の数を示す図である。

図３９は、本教示の一実施形態に係るユーザ数Ｎ＝５であり、種々のＭを用い、ρ＝２０ｄＢ及びＤ＝２０である場合の基本的なＴＲ波形整形における個々のユーザのスペクトル効率対Ｌを示す図である。

図４０は、本教示の一実施形態に係るユーザ数Ｎ＝５であり、種々のＭを用い、ρ＝２０ｄＢ及びＤ＝４である場合の基本的なＴＲ波形整形における個々のユーザのスペクトル効率対Ｌを示す図である。

図４１は、本教示の一実施形態に係るＮ＝５、Ｍ＝２であり、種々のＤを用いた場合の基本的なＴＲ波形整形における個々のユーザのスペクトル効率を示す図である。

図４２は、本教示の一実施形態に係るＭ＝２、Ｄ＝２であり、種々のＮを用いた場合のゼロ強制（ＺＦ）波形整形における個々のユーザのスペクトル効率を示す図である。

図４３は、本教示の一実施形態に係るＭ＝２、Ｄ＝４であり、種々のＮを用いた場合のＺＦ波形整形における個々のユーザのスペクトル効率を示す図である。

図４４は、本教示の一実施形態に係るＮ＝５、ρ＝２０ｄＢ及びＤ＝２０である場合のＺＦ波形整形における個々のユーザのスペクトル効率対Ｌを示す図である。

図４５は、本教示の一実施形態に係るＮ＝５、ρ＝２０ｄＢ及びＤ＝２である場合のＺＦ波形整形における個々のユーザのスペクトル効率対Ｌを示す図である。

図４６は、本教示の一実施形態に係るＮ＝５、Ｍ＝２であり、種々のＤを用いた場合のＺＦ波形整形における個々のユーザのスペクトル効率を示す図である。

図４７は、本教示の一実施形態に係る種々のＤ及びＮを用いた場合の準最適なＬを示す図である。

図４８は、本教示の一実施形態に係るＭ＝２、Ｄ＝２０であり、種々のＮを用いた場合の個々のユーザのスペクトル効率を示す図である。

図４９は、Ｍ＝２、Ｄ＝２であり、種々のＮを用いた場合の個々のユーザのスペクトル効率を示す図である。

以下の詳細な説明において、関連する教示の完全な理解を提供するために、多くの特定の詳細が例として記載される。しかし、本教示はそのような詳細を用いずに実施されてもよいことが当業者には明らかである。他の例において、本教示の態様を不必要に曖昧にすることを避けるために、周知の方法、手順、構成要素及び／又は回路網は、詳細を用いずに相対的に高いレベルで説明されている。

本教示は、マルチパスが多い環境における時間反転共振／フォーカシング効果により生じする特異的性質に基づいて移動物体のリアルタイムのロケーションを追跡できる物体追跡システムである時間反転屋内追跡システム（ＴＲＩＴＳ）を開示する。本教示は、多くの多重信号経路の合算により、時間反転フォーカシング効果のエネルギー分布が定常であるがロケーションに依存しない特性を示し、これを使用して一般的な実世界の屋内環境における移動する物体の速度を推定できるという新規の発見を開示する。次に、物体の移動速度の正確な推定に基づいて、本教示は、速度推定とＩＭＵから取得できる移動方向の推定とを組み合わせることによる物体追跡システムを開示する。

１つの例において、物体の移動をリアルタイムで追跡する方法が開示される。方法は、少なくともプロセッサと、プロセッサと通信可能に結合されたメモリとを含む機械上で実現されてもよい。方法は、物体の移動の前に物体の初期位置を取得することと、物体の移動の影響を受けたマルチパスチャネルから少なくとも１つの無線信号を取得することと、少なくとも１つの無線信号からマルチパスチャネルの時系列のチャネル状態情報（ＣＳＩ）を抽出することと、時系列のＣＳＩに基づいて物体の移動の距離を判定することと、物体の移動の方向を推定することと、距離、方向及び初期位置に基づいて、移動の後の物体の新しい位置を判定することとを含んでもよい。移動の間、物体は、少なくとも１つの無線信号を送信する送信機、少なくとも１つの無線信号を受信する受信機、並びに方向を推定するように構成されたセンサのうちの少なくとも１つを担持してもよい。

一実施形態において、物体の移動の距離を判定することは、時系列のＣＳＩの各々の位相オフセットを除去することと、各々が対応するＣＳＩ対の間の類似度を示す複数の計算された類似性スコアを取得するために、時系列のＣＳＩのうちの連続するＣＳＩの各対に基づいて類似性スコアを計算することと、複数の計算された類似性スコアに基づいて、物体の移動に関連する空間共振減衰度を示す平均類似性スコアを計算することと、推定距離を取得するために、平均類似性スコアと基準減衰曲線とを比較することとを含む。一実施形態において、物体の移動の距離を判定することは、時系列のＣＳＩにおける最初のＣＳＩと最後のＣＳＩとに基づいて、追加の類似性スコアを計算することと、追加の類似性スコアと所定の閾値とを比較することと、追加の類似性スコアが所定の閾値を上回る場合、物体の移動の距離が０であると判定することと、追加の類似性スコアが所定の閾値を上回らない場合、物体の移動の距離が推定距離であると判定することとを更に含む。類似性スコアは、ＣＳＩ対のＴＲＲＳ、相互相関、自己相関、２つのベクトルの内積、類似性スコア、距離スコア、位相補正、タイミング補正、タイミング補償及び位相オフセット補償のうちの少なくとも１つに基づいて計算されてもよい。

別の実施形態において、物体の移動の距離を判定することは、サンプリング周期に従って抽出された時系列のＣＳＩの各々の位相オフセットを除去することと、各々が最新のＣＳＩと対応する先行のＣＳＩとの間の類似度を示す時系列の類似性スコアを取得するために、時系列のＣＳＩにおける最新のＣＳＩと時系列のＣＳＩにおける先行のＣＳＩの各々との間の類似性スコアを計算することと、時系列の類似性スコアに基づいて曲線を判定することと、曲線上の特徴点を識別することと、曲線上の特徴点に対応する期間を推定することと、期間中の移動の速度を推定することと、速度及びサンプリング周期に基づいて物体の移動の推定距離を取得することとを含む。物体の移動の距離を判定することは、時系列のＣＳＩにおける最初のＣＳＩと最後のＣＳＩとに基づいて、追加の類似性スコアを計算することと、追加の類似性スコアと所定の閾値とを比較することと、追加の類似性スコアが所定の閾値を上回る場合、物体の移動の距離が０であると判定することと、追加の類似性スコアが所定の閾値を上回らない場合、物体の移動の距離が推定距離であると判定することとを更に含んでもよい。類似性スコアは、ＣＳＩ対のＴＲＲＳ、相互相関、自己相関、２つのベクトルの内積、類似性スコア、距離スコア、位相補正、タイミング補正、タイミング補償及び位相オフセット補償のうちの少なくとも１つに基づいて計算されてもよい。曲線上の特徴点は、曲線上の第１の局所ピーク、曲線上の１つ以上の他の局所ピーク、曲線上の第１の局所底部、曲線上の１つ以上の他の局所底部、並びに曲線上の局所ピーク又は局所底部と所定の関係を有する点のうちの少なくとも１つに基づいて識別されてもよい。１つの例において、曲線上の特徴点は曲線上の第１の局所ピークに基づいて識別され、第１の局所ピークに対応する期間は、第１の局所ピークに対応する類似性スコアと時系列の類似性スコアの中の２つの隣接する類似性スコアとに基づいて推定される。

一実施形態において、物体の移動の方向を推定することは、第１のセンサから物体の重力方向を取得することと、第２のセンサから物体の回転情報を取得することと、重力方向及び回転情報に基づいて座標回転速度を判定することと、第２のセンサのセンサ読取り間隔を取得することと、座標回転速度及びセンサ読取り間隔に基づいて方向変化を計算することと、方向変化及び以前に推定された方向に基づいて移動の方向を推定することとを含む。第２のセンサから物体の回転情報を取得することは、ジャイロスコープから物体の角速度を取得することを含んでもよい。

別の実施形態において、物体の移動の方向を推定することは、第１のロケーションから第２のロケーションまでの直線の第１の移動距離を取得することと、第２のロケーションから第３のロケーションまでの直線の第２の移動距離を取得することと、第１のロケーションから第３のロケーションまでの直線の第３の移動距離を取得することと、ここで、第１の移動距離、第２の移動距離及び第３の移動距離のうちの少なくとも１つは時系列のＣＳＩに基づいて判定され、三角法に従って第１の移動距離、第２の移動距離及び第３の移動距離に基づいて物体の移動の方向を推定することとを含む。別の実施形態において、物体の移動の方向を推定することは、複数のアンテナにおける時間ウィンドウ内の空間共振強度の複数の平均減衰曲線を取得することと、複数の平均減衰曲線に基づいて少なくとも１つのパターンを判定することと、少なくとも１つのパターンに基づいて物体の移動の方向を推定することとを含む。

種々の実施形態において、少なくとも１つの無線信号は、インターネット、インターネットプロトコルネットワーク及び別の多重アクセスネットワークのうちの少なくとも１つであるネットワークを介して受信機により受信され、受信機は、無線ＰＡＮ、ＩＥＥＥ８０２．１５．１（Ｂｌｕｅｔｏｏｔｈ（登録商標））、無線ＬＡＮ、ＩＥＥＥ８０２．１１（Ｗｉ－Ｆｉ）、無線ＭＡＮ、ＩＥＥＥ８０２．１６（ＷｉＭａｘ）、ＷｉＢｒｏ、ＨｉｐｅｒＭＡＮ、モバイルＷＡＮ、ＧＳＭ（登録商標）、ＧＰＲＳ、ＥＤＧＥ、ＨＳＣＳＤ、ｉＤＥＮ、Ｄ－ＡＭＰＳ、ＩＳ－９５、ＰＤＣ、ＣＳＤ、ＰＨＳ、ＷｉＤＥＮ、ＣＤＭＡ２０００、ＵＭＴＳ、３ＧＳＭ、ＣＤＭＡ、ＴＤＭＡ、ＦＤＭＡ、Ｗ－ＣＤＭＡ、ＨＳＤＰＡ、ＦＯＭＡ、１ｘＥＶ－ＤＯ、ＩＳ－８５６、ＴＤ－ＳＣＤＭＡ、ＧＡＮ、ＵＭＡ、ＨＳＵＰＡ、ＬＴＥ、２．５Ｇ、３Ｇ、３．５Ｇ、３．９Ｇ、４Ｇ、５Ｇ、６Ｇ、７Ｇ以上、別の無線システム及び別のモバイルシステムのうちの少なくとも１つの物理層に関連付けられる。

別の実施形態において、エレベータのリアルタイムの位置を追跡する方法が開示される。方法は、少なくともプロセッサと、プロセッサと通信可能に結合されたメモリとを含む機械上で実現されてもよい。方法は、測定部がエレベータに対して固定位置を有するようにエレベータに結合された測定部からエレベータの加速度の未加工の推定値を表す第１の出力を取得することと、エレベータと同一のロケーションにおける重力の測定値を表す第２の出力を測定部から取得することと、第１の出力及び第２の出力に基づいて、現在の時間スロットにおける垂直方向のエレベータの加速度を計算することと、先行の時間スロットにおいて計算された垂直方向のエレベータの以前の速度を取得することと、加速度及び以前の速度に基づいて、エレベータが移動しているかを判定することとを含んでもよい。一実施形態において、方法は、読取りバイアスを推定するために、ある期間の測定部の読取り値を収集することと、読取り値の平均に基づいて読取りバイアスを計算することであって、読取りバイアスは、エレベータの加速度又は速度を計算する前に測定部の各出力から減算される、計算することとにより、測定部をキャリブレーションすることを更に含む。。

一実施形態において、エレベータが移動しているかを判定することは、加速度と第１の閾値とを比較することと、以前の速度と第２の閾値とを比較することと、加速度が第１の閾値を上回るか又は以前の速度が第２の閾値を上回る場合に、エレベータは移動していると判定し、且つ、以前の速度と第３の閾値とを比較することと、加速度が第１の閾値を上回らず且つ以前の速度が第２の閾値を上回らない場合に、エレベータは移動していないと判定し、エレベータの速度を０に設定し且つエレベータの現在の位置を推定することとを含む。方法は、以前の速度が第３の閾値を上回る場合に、エレベータに異常な落下が生じていることを示す警報を生成することと、以前の速度が第３の閾値を上回らない場合に、以前の速度及び加速度に基づいてエレベータの更新された速度を生成し、更新された速度に基づいてエレベータの更新された移動距離を生成し、且つ、エレベータの以前に推定された位置に更新された移動距離を加算することによりエレベータの更新された位置を生成することとを更に含んでもよい。

エレベータの現在の位置を推定することは、現在の位置の推定値を最も近い階の高さに丸めることと、当該丸めることに基づく丸め誤差を判定することと、丸め誤差と第４の閾値とを比較することと、丸め誤差が第４の閾値を上回る場合に、エレベータが異常位置で停止したことを示す報告を生成することと、丸め誤差が第４の閾値を上回らない場合に、加速度が第５の閾値より小さいかを判定し、加速度が第５の閾値より小さい場合、測定部の読取りバイアスの推定値を更新することとを含んでもよい。測定部は、慣性計測装置（ＩＭＵ）、加速度計及びジャイロスコープのうちの少なくとも１つを含んでもよい。

異なる例において、会場における物体の動きを検出するシステムが開示される。システムは、少なくとも１つの無線信号を送信するように構成された送信機と、会場における物体の動きの影響を受けうる少なくとも１つの無線信号を受信するように構成された受信機と、プロセッサと、プロセッサと通信可能に結合されたメモリとを備えてもよい。プロセッサは、少なくとも１つの無線信号から１つ以上の時系列のＣＳＩを抽出し、会場における物体の動きの度合いを表す統計値を、１つ以上の時系列のＣＳＩに基づいて計算し、統計値に基づいて物体の動きが会場内に存在するかを判定するように構成される。一実施形態において、統計値は、１つ以上の時系列のＣＳＩのうちのあるＣＳＩの実数部、当該ＣＳＩの虚数部、当該ＣＳＩのＣＳＩ振幅、当該ＣＳＩ振幅の二乗、当該ＣＳＩ振幅の別の関数、及び１つ以上の時系列のＣＳＩの関数から導出されたサンプル自己相関係数、のうちの少なくとも１つに基づいて計算されてもよい。

一実施形態において、少なくとも１つの無線信号は複数のサブキャリアを含み、統計値を計算することは、複数のサブキャリアの各々に対する時系列のＣＳＩを計算することと、複数のサブ統計値を生成するために各時系列のＣＳＩに基づいてサブ統計値を計算することと、複数のサブ統計値に基づいて統計値を計算することとを含む。物体の動きが会場内に存在するかは、複数のサブ統計値からの、物体の動きが存在するかに関する全ての決定を統合するための多数決と、複数のサブ統計値の統計的組み合わせと閾値との比較との少なくとも一方に基づいて判定されてもよい。

異なる例において、エレベータの扉の状態を追跡するシステムが開示される。システムは、少なくとも１つの無線信号を送信するように構成された送信機と、扉の状態の影響を受けうる少なくとも１つの無線信号を受信するように構成された受信機と、プロセッサと、プロセッサと通信可能に結合されたメモリとを備え、送信機及び受信機の少なくとも一方はエレベータ内に位置付けられる。プロセッサは、少なくとも１つの無線信号に基づいて時系列の信号測定値を取得し、各々が対応する時間スロットに関連する複数のフィルタリング済み測定値を生成するために、外れ値及びノイズのある測定値を軽減することにより時系列の信号測定値をフィルタリングし、時間スロットに関連するフィルタリング済み測定値及び閾値に基づいて、各時間スロットにおいてエレベータの扉が閉じているか又は開いているかを判定するように構成される。一実施形態において、プロセッサは、扉が開いていることがわかっている際に受信された第１の複数の無線信号に基づいて、第１の時系列の信号測定値を取得し、扉が閉まっていることがわかっている際に受信された第２の複数の無線信号に基づいて、第２の時系列の信号測定値を取得し、扉の状態が変化する間の第１の時系列の信号測定値及び第２の時系列の信号測定値における変化パターンを判定し、変化パターンに基づいて上記閾値を計算するように更に構成される。プロセッサは、変化パターンを判定する際に実行される勾配推定及びピーク検出の少なくとも一方に基づいて上記閾値を更新するように更に構成されてもよい。例えば、時系列の信号測定値の各々は、少なくとも１つの無線信号の受信信号電力の関数に基づいてもよく、当該関数は、受信信号強度インジケータ（ＲＳＳＩ）、受信チャネル電力インジケータ（ＲＣＰＩ）、参照信号受信電力（ＲＳＲＰ）、参照信号受信品質（ＲＳＲＱ）、信号対雑音比（ＳＮＲ）及び信号対干渉雑音比（ＳＩＮＲ）のうちの少なくとも１つに基づいて判定可能である。

システムの２つの例示的な図を図１Ａ及び図１Ｂに示し、システムのフローチャートを図１Ｃに示す。図１Ａにおいて、会場１０２内で移動する物体／人間は、例えば送受信機Ａ１０４及び送受信機Ｂ１０６である他の送受信機にチャネルサウンディング信号を継続的に送出する送受信機Ｃ１０３を担持する。送受信機Ａ１０４及び送受信機Ｂ１０６は、チャネル状態情報（ＣＳＩ）を推定でき、物体／人間の速度／移動距離を計算できる。送受信機Ｃ１０３は、角速度を推定する他のセンサ（例えば、慣性計測装置（ＩＭＵ））を搭載できる。角速度を積分することにより、物体／人間の移動方向における角変化又は変化を推定できる。図１Ｂにおいて、物体／人間は移動方向を推定するためのセンサ１０５のみを担持する。送受信機Ａ１０４と送受信機Ｂ１０６との間の無線チャネルは物体／人間の移動の影響を受けるため、影響を受けた無線チャネルのＣＳＩ推定値に基づいて、物体／人間の速度／移動距離を推定することもできる。初期開始点が既知であると仮定した場合、距離推定値１１０及び方向推定値１１４を統合する（１１８）ことにより（又は場合によっては、見取り図／経路に関する情報１１６を更に組み合わせることにより）、移動する物体／人間のリアルタイムのロケーションを取得できる。いくつかの実験結果は、物体が移動している会場の見取り図に関する情報を組み込んだ場合、物体追跡システムの精度が１メートル以内を達成できることを示した。尚、本教示は、無線周波数（ＲＦ）信号の多いマルチパス伝搬が存在する場合、屋外環境で移動する物体の追跡に対しても同様に機能できる。

一実施形態において、一般的な屋内環境に設置された送信機／受信機対を考慮する。送信機は、ほぼ均一な送信間隔で無線信号を継続的に送信し、受信機は対応するチャネル状態情報（ＣＳＩ）を推定する。送信機の開始点（又は初期ロケーション、初期位置）を与えられた場合、開示されるＴＲＩＴＳの目的は、送信機のロケーションをリアルタイムで追跡することである。ＴＲＩＴＳは、屋内における移動する物体の追跡に限定されず、屋内又は大都市圏等の散乱が多い環境に存在する十分なマルチパス成分（ＭＰＣ）を分解するのに十分な広さを有する帯域幅でシステムが動作する限り、良好に機能できる。一実施形態において、開示されるシステムは、物体追跡システムを表すためにＴＲＩＴＳを使用できる。しかし、これはシステムが屋内のみで機能できることを意味しない。

以下の説明において、例えば、開示されるシステムは、市販のＷｉ－Ｆｉプラットフォーム上でＴＲＩＴＳを動作でき、例えば送信機のロケーションを追跡できる。ＴＲＩＴＳは、送信機をローカライズするために自律航法の考え方を利用する。すなわち、ＴＲＩＴＳは、以前に判定された位置を使用して送信機の現在の位置を計算する。数学的に、これを以下のように表現できる。
ｘ（ｔ）＝ｘ（ｔ－１）＋Δ（ｔ） （１）
式中、ｘ（ｔ）は時間ｔにおける送信機のロケーションを示し、Δ（ｔ）はｄ（ｔ）１（ｔ）で表すことができる。ｄ（ｔ）＝｜Δ（ｔ）｜であり、１（ｔ）はΔ（ｔ）の方向を指す単位ベクトルである。従って、ＴＲＩＴＳは、各時間スロットに対する

である２つの主要なモジュールを含む。ＴＲＩＴＳの主要な新しい発想は、送信機の移動距離を推定するために時間反転空間共振現象を利用することである。

本教示は、２つの移動距離推定方法及び２つの移動方向推定方法を開示する。その後、式（１）を使用して、移動する物体のロケーションをリアルタイムで追跡できる。距離推定モジュール及び方向推定モジュールを以下に説明する。

ＴＲ共振の統計的挙動に基づく距離推定
移動距離推定の第１の方法は、時間反転共振強度（ＴＲＲＳ）の統計的挙動に基づく。ＴＲＲＳは、後で定義されるが、２つのＣＳＩ間の類似性スコアであるとみることができる。１つの特定のロケーションにおいて収集された１つのＣＳＩと周囲のロケーションにおいて収集されたＣＳＩとの間のＴＲＲＳ値は特定の統計的パターンを示し、すなわち、距離とＴＲＲＳ値との間のマッピングが存在することがわかる。

一実施形態において、散乱が多い環境において各々が単一の全方向性アンテナを搭載した無線送信機及び無線受信機を考慮する。送信点Ｔから受信点Ｒへのチャネルインパルス応答（ＣＩＲ）は ｈ(τ；Ｔ→Ｒ) と表される。Ｔは送信機の座標を示し、Ｒは受信機の座標を示し、τは測定されたＣＩＲのマルチパス成分の遅延を表す。散乱が多い定常屋内環境について考え、すなわち、全てのＣＩＲは時不変信号であると考えられる。従って、ＣＩＲは、送信機座標が固定された場合の受信機座標により判定される。ＴＲ通信システムにおいて、受信機（図２の送受信機Ｂ２０２）が最初にデルタパイロットインパルス２０６を送信し、Ｔにおける送信機（送受信機Ａ２０４）はＲ₀からＴへのＣＩＲ（２０８）をキャプチャする。デルタパイロットインパルスを使用することは一例にすぎず、内容の全体が本明細書で援用される２０１６年２月１１日出願の米国特許出願第１５／０４１，６７７号「Handshaking Protocol for Time-Reversal System」及び２０１６年１０月３日出願の米国特許出願第１５／２８４，４９６号「Time-Reversal Communication Systems」に開示される方法を使用して、擬似ランダム系列又は一連のパルス等の他の種類のチャネルプロービング信号を使用することもできる。その後、Ｔにおける送信機（送受信機Ａ２０４）は、図２に示すように、キャプチャしたＣＩＲの反転共役バージョン２１０を単純に送り返し、何らかの受信点Ｒ（送受信機Ｂ２０２）における受信信号２１２は以下のように表すことができる。

式中、★は畳み込み演算を示し、上付き文字^*は複素共役を示す。以下の説明において、Ｒ₀を焦点と呼ぶ。チャネル相互性が成立すると仮定した場合、すなわち順方向チャネル及び逆方向チャネルが同一であると仮定した場合、開示されるシステムは ｈ(τ；Ｔ→Ｒ)＝ｈ(τ；Ｒ→Ｔ) を有することができ、これは既に実験的に実証されている。

ｓ(τ；Ｒ)を時空間の観点から調べることにより、ＴＲ共振効果の特徴を調べることができる。実際は、無線送受信機のサンプリング周波数は固定され、ＣＩＲの分解能は制限される。Ｂで示す広い帯域幅は、ＣＩＲプロファイルの分解能を向上し、それにより、ｈ(τ；Ｔ→Ｒ)の成分の数が増加する。無線通信におけるサンプリング処理により、開示されるシステムはｈ(τ；Ｔ→Ｒ)をｈ(τ；Ｔ→Ｒ)に離散化できる。この場合、ｋ∈｛０，１,...,Ｌ－１｝であり、ＬはＢの帯域幅を与えられた場合のタップの最大数である。送信機座標が固定されると仮定した場合、ｓ(τ；Ｒ)を以下のように書き換えることができる。

ＴＲ共振効果は、特定の時間ｋ＝０に特定のロケーションＲ₀で発生し、この場合、全てのマルチパス成分がコヒーレントに加算される。ｋ≠０の場合、タップはインコヒーレントに加算され、従って、受信信号の大きさははるかに小さい。その結果、受信信号のエネルギーは、ｋ＝０（時間的フォーカシング）及びＲ₀（空間的フォーカシング）の周辺に非常に集中し、これをＴＲフォーカシング／共振効果と呼ぶ。図５に示すような一般的な屋内環境において取得されたＣＩＲ測定値を使用して、図３は焦点周辺の空間ＴＲＲＳ分布を示し、図４は焦点の時間正規化受信信号分布を示す。正規化受信エネルギーは時間領域及び空間領域の双方においてフォーカシングしたことがわかる。

ｈ(ｋ；Ｒ₀)の反転共役バージョンが送信された場合、焦点Ｒ₀におけるＣＩＲと別の点ＲにおけるＣＩＲとの間のＴＲ共振強度（ＴＲＲＳ）をＲにおける受信信号のエネルギーの正規化バージョンと定義できる。

焦点を始点として焦点の外側に向かう直線に沿うＴＲＲＳ分布／減衰パターンは方向に依存しないことが図３からわかる。実際、ＴＲ空間共振効果に関連する非常に興味深い現象は、焦点からの距離が短い限り、異なる焦点周辺の空間共振減衰パターンの変動は非常に小さい傾向があることである。この物理現象を「ＴＲ空間硬化効果」と呼ぶことができる。

「ＴＲ空間硬化効果」を実証するために、「プロトタイプＩ」及び「プロトタイプII」である２つのＴＲプロトタイプを使用できる。プロトタイプＩは、１２５ＭＨｚの帯域幅を有する５ＧＨｚ ＩＳＭ帯域で動作する特別に設計されたハードウェア上で実現される。マルチパス成分の最大数をＬ＝３０に設定でき、これは通常の屋内環境において総チャネルエネルギーの大部分をキャプチャするのに十分である。プロトタイプIIの場合、複数のアンテナを搭載したＷｉ－Ｆｉ装置からチャネル周波数応答（ＣＦＲ）を取得できる。各送信アンテナ／受信アンテナ対に対して、ＣＦＲは、８０２．１１ｎを使用する４０ＭＨｚの帯域幅において、１２８個のサブキャリアのうちの１１４個の使用可能なサブキャリア上で報告される。ＣＦＲは、離散フーリエ変換によりＣＩＲに変換可能である。各プロトタイプに対して、受信機は、図５に示すように５ｍｍの測定分解能を有するチャネルプロービングテーブル５０２上に設置される。

図３及び図４に示すように、ＴＲ共振効果は時間的及び空間的に発生する。取得された空間共振減衰関数は、焦点から離れる全方向に沿ってほぼ均一に減少している。当該現象が広範囲にわたり同様に均一であり且つ異なる焦点周辺の空間共振減衰パターンが同様の減衰率を有する場合、空間共振強度における減衰を距離のメトリックとして使用することができ、２つのＣＩＲ間の時間差が固定される場合、これを速度推定に更に使用することができる。次に、特定の領域内のＴＲ共振効果の定常性を調べることができる。

以下の説明において、ロケーションＲにおけるＣＩＲを示すためにｈ（Ｒ）を使用できる。プロトタイプＩを使用して、設計されたチャネルプロービングテーブル上の５５個の異なるロケーションのＣＩＲを測定できる。いずれか２つのロケーション間の距離は２０ｃｍを上回る。ロケーション毎に、当該ロケーションを始点とする１０ｃｍの線に沿う２０個の等間隔のサブロケーションから０．５ｃｍの測定分解能でＣＩＲを測定できる。本実験では、全部で１１００個のＣＩＲを取得できる。ここで、ＣＩＲをＨで示されるランダムベクトルとして処理でき、従って、ｈ（Ｒ）をロケーションＲにおけるＨの現実値として処理できる。(Ｈ, Ｈ_d)が互いに距離ｄ離間したＣＩＲランダムベクトルの対を示すとし、ロケーション(Ｒ, Ｒ＋Δ)における(Ｈ, Ｈ_d)の現実値を｜Δ｜＝ｄとする(ｈ(Ｒ), ｈ(Ｒ＋Δ))で示すことができるとする。｜Δ｜が十分大きい場合、タプルに含まれる２つの成分は、独立同分布（ｉ．ｉ．ｄ）の２つの複素ランダムベクトルとしてモデル化される。最初に、Ｈの各タップの統計的特徴を調べることができる。その場合、Ｈ（ｌ）はランダムベクトルＨのｌ番目のタップを示す。Ｒｅ（・）及びＩｍ（・）がそれぞれ複素数の実数部及び虚数部を示すとする。その場合、互いに少なくとも５ｃｍ離間する点からのＣＩＲを選択でき、各Ｈ（ｌ）の実数部と虚数部との間のサンプル相関係数を計算できる。Ｈのいくつかの成分の経験的累積分布関数（ＣＤＦ）を実数部と虚数部とを別個にして図６に示す。∀ｌ＝０,１,...,Ｌ－１であるＲｅ（Ｈ（ｌ））及びＩｍ（Ｈ（ｌ））にコルモゴロフ－スミルノフテスト（Ｋ－Ｓテスト）を適用することもできる。全てのＫ－Ｓテストは、５％の有意水準の帰無仮説を棄却できない。この場合、帰無仮説は、∀ｌ＝０,１,...,Ｌ－１であるＲｅ（Ｈ（ｌ））及びＩｍ（Ｈ（ｌ））の双方の分布が正常であるということである。従って、Ｈ（ｌ）、∀ｌの実数部及び虚数部はｉ．ｉ．ｄガウスランダム変数であると仮定できる。更に、Ｈ（ｌ）の分散は、ある一定の割合αでタップインデックスｌと共に指数関数的に減衰する。第１のタップの分散に関して分散を正規化できる場合、各タップの線形フィッティングされた正規化分散をα＝０．１９５２とするｄＢスケールで図７に示す。尚、この指数関数的減衰現象は、ＵＷＢチャネルにおいて取得された従来の結果と一致する。

次に、図８に示すように、サンプル相関係数のメトリックを使用してＨにおける異なるタップ間の関係を調べることができる。結果は、∀ｌ≠ｋの場合にＨ（ｌ）及びＨ（ｋ）が統計的にほぼ無相関であることを示す。Ｈ（ｌ）及びＨ（ｋ）（ｌ≠ｋ）の双方がガウスランダム変数であるため、それらを独立ランダム変数として処理できる。時間共振減衰関数を

と定義する。ＴＲ送信方式が適用される場合、Ｈにおける異なるタップ間の独立性を仮定し且つ上記の仮定に基づいて、ＴＲ時間共振減衰ｇ（・）の期待値を取得することにより理論的平均ＴＲ時間共振減衰関数

を計算できる。以下の説明において、ｇ（ｋ）の分子の期待値及び分母の期待値を別個に取得することにより、

を近似できる。Ｈ（ｌ）が∀ｌ＝０, １, ..., Ｌ－１である複素ガウスランダム変数であり且つＨ（ｌ）及びＨ（ｋ）がｋ＝１, ..., Ｌ－１とする∀ｌ≠ｋの場合に依存しないという仮定において、以下の式を得ることができる。

理論的時間共振減衰関数と測定された時間共振減衰関数との比較を図４に示す。全体的に、理論的結果は、特にｋが０に近い場合に経験的データと非常にマッチする。時間共振減衰曲線の平均が｜ｋ｜において厳密な単調減少関数であり、｜ｋ｜が小さい場合に減衰勾配は非常に急であることがわかる。

空間共振減衰関数の場合、これは、距離ｄを有する２つのＣＩＲ間の相関をキャプチャする相関関数

の二乗の大きさの線形関数にすぎない。上記の仮定を用いる場合、ＴＲＲＳ空間減衰関数ｆ（ｄ）の平均を以下のように導出できる。

２つのＣＩＲに対応するロケーションが非常に遠く且つＣＩＲの長さが非常に長い場合、平均空間共振減衰関数

は(１－ｅ^-α)／２に収束し、これは、システムが散乱の多い環境に設置され且つ十分広い帯域幅を有する場合に平均空間共振減衰関数の限界がαにより判定されることを示す。大きいαを用いると、実験設定における３ｃｍ等、２つの点が互いに十分に離間する場合に

は０に近づく。これらの条件において、時間反転送信技術は受信電力に関して２つの受信点を完全に分離できる。

実験において、最初の３個のタップを廃棄できるため相関係数に対する仮定が成立し、相関係数

の大きさは全てのタップにわたり平均することにより取得される。測定値から取得されたＴＲ空間共振減衰関数の結果を図９に示す。２つの曲線は短距離ｄ＜１ｃｍの場合に類似した形状を有し、結合ガウス近似モデルは測定されたものと非常に良好に一致する。このことは、空間共振効果に関する本教示のチャネルモデルの正当性も正当化する。

次に、特定の領域にわたる空間共振減衰関数の定常性を検証できる。平均減衰関数からの減衰関数の現実値の偏差を定量化するために、空間減衰偏差メトリックを以下のように定義できる。

これは、各現実値と平均空間共振減衰関数との間の正規化された偏差を測定する。全部で５５個の異なるロケーションを測定でき且つロケーション毎に空間減衰関数の単一の現実値を取得できるため、空間減衰変動メトリックをそれに応じて計算でき、Ｄ＝２ｃｍの場合の結果を図１０に示す。種々のＤに対して、図１１に示す空間減衰偏差メトリックを計算できる。

図１１からわかるように、空間共振減衰関数の現実値の９０％を超えるものが０．０２より小さい偏差を有する。距離が５ｍｍである場合、現実値の９０％を超えるものが０．６％の変動レベル以内である。このことは、定義された空間共振減衰関数を特定の領域にわたる定常特徴として処理できることを示す。屋内環境はモデル化が非常に複雑であるが、多数の法則の結果であろう決定論的な挙動を空間共振減衰関数が示すことは非常に興味深い。ＴＲ送信方式により環境内に存在する多くのマルチパス成分を取得できるため、空間減衰関数を全てのランダムな要因の平均として処理できる。

上記の結合ガウス近似モデルにおいて、２つのＣＩＲのｌ番目のタップＨ（ｌ）及びＨ_d（ｌ）は距離ｄが小さい場合に非常に相関し、焦点ｈにおけるＣＩＲを以下のように与えられた受信信号の理論的分散を以下のように導出できる。

焦点に非常に近接する点の場合、相関係数の大きさが１に近いため、受信信号の分散は小さい。従って、結合ガウス近似モデルにおいて、ＴＲ送信方式は焦点付近の受信信号の利得を硬化し、これをＴＲ空間硬化効果と呼ぶことができる。

ＴＲ空間硬化効果から、受信信号の利得又はＴＲ空間共振減衰関数は、特に焦点からの距離ｄが小さい場合に非常に安定する。従って、焦点近傍の分散が小さいため、空間共振減衰の減少を距離ｄに少ない誤差で変換できる。送信間隔が均一でΔｔが既知である場合、線形補間を使用して速度を推定できる。

図１１の結果から、チャネルプロービング率が十分に高いためｄ＝５ｍｍ以内の空間減衰を測定できる場合、非常に正確に速度を推定できることがわかる。例えばチャネルプロービング率が１００Ｈｚであり、すなわち１秒以内に１００個のＣＩＲが取得される場合であって、歩行速度が１．２ｍ／秒である場合、２つの隣接するＣＩＲ間の距離ｄは１．２ｍ／１００＝１．２ｃｍであり、それに従って推定誤差の分散を予測できる。一方、一般的なＬＴＥシステムではチャネルプロービング率は約２５０Ｈｚであり、その場合、歩行速度１．２ｍ／ｓに対してｄ＝４．８ｍｍであると変換され、高精度を期待できる。空間共振減衰関数の偏差に対処するために、チャネルプロービング率が十分に高くない場合は特に、当該効果を平均するために更に多くのＣＩＲサンプルが必要だろう。更に、送信機が移動しない場合は空間共振減衰が小さいため、期間内のＴＲＲＳの減衰に基づいて、物体が移動しているか否かを検出する必要があるだろう。アルゴリズム１は、移動距離推定のための第１の方法を要約する。

アルゴリズム１において、隣接するＣＳＩ間のＴＲＲＳ減衰の平均がＣＳＩバッファ内で推定され、距離に対する事前に計算されたＴＲＲＳ減衰曲線を参照することにより移動距離の推定値を取得できる。特に、移動距離を推定するために、式（９）に示した線形補間を使用できる。

最後に、新しく受信したＣＳＩとバッファ内の最先のＣＳＩとの間のＴＲＲＳが計算され、物体が移動しているか否かがチェックされる。非常に大きいＴＲＲＳ値は、２つのＣＳＩが非常に類似し、ＣＳＩバッファの期間内での物体の移動距離が非常に短いため、物体が移動していないものとして処理できることを示す。経験的測定値によると、ＴＲＲＳが０．９より大きい場合、距離は５ｍｍ以内である可能性がある。ＣＳＩバッファの期間が０．２秒である場合、速度は０．０２５ｍ／ｓと遅く、これはＣＳＩ測定値のノイズによる可能性があり、実際のアプリケーションでは無視するべきである。

以下の説明において、距離推定の性能を評価できる。ＴＲ送信機及びＴＲ受信機を一般的なオフィス環境における見通し外シナリオに設置できる。人間は送信機を担持し、２ｍ、４ｍ、６ｍ、８ｍ、１０ｍ及び１２ｍである既知の距離を移動する。特定の既知の距離の各々に対して、実験が異なる経路で２０回繰り返される。歩行速度は一定である必要がない。本教示のプロトタイプのチャネルプロービング率は１００Ｈｚに設定され、平均化ウィンドウのサイズはＮ＝６０である。結果を図１２に示す。図中、小さい円は推定距離値を表す。

推定は全体的に非常に正確である。ある程度の分散及びバイアスが推定に存在する。誤差の分散は、特にチャネルプロービング率が十分に高くない場合又は歩行速度が速い場合に空間共振減衰関数の分散に由来する。ウィンドウのサイズが非常に大きい場合、平均化をより良好に行うことができるが、速度がウィンドウ期間中に一定である必要があり、これは実際の状況に当てはまらない。更に、ウィンドウのサイズが大きいと、現在の速度推定が遅延する可能性もある。従って、最適なウィンドウ長の選択は異なるアプリケーションのシナリオに依存する。

速度推定アルゴリズムに必要なのはＣＩＲのみであり、時間反転共振効果が実際に物理的に発生するわけではないため、ＴＲベースの物体追跡は、送信機と受信機との間の正確なＣＩＲを取得できる限り、他のプラットフォームにも適用できる。例えば３×３ＭＩＭＯ構成を有する８０２．１１ｎ Ｗｉ－Ｆｉを用いるプロトタイプIIを使用する場合、各リンクからチャネル周波数応答（ＣＦＲ）を取得できる。全体が明細書で援用される２０１６年１２月９日出願の国際出願第ＰＣＴ／ＵＳ２０１６／０６６０１５号「Method, Apparatus, and Systems for Wireless Event Detection and Monitoring」及び２０１７年１月３１日出願の国際出願第ＰＣＴ／ＵＳ２０１７／０１５９０９号「Methods, Devices, Servers, Apparatus, and Systems for Wireless Internet of Things Applications」に開示される方法を使用して、シンボルタイミングオフセット、搬送波周波数オフセット及びサンプリング周波数オフセット等を補償するために未加工のＣＦＲをサニタイズできる。その後、ＣＦＲに離散時間フーリエ変換（ＤＴＦＴ）を実行することにより、対応するＣＩＲを導出できる。ｈ_i(Ｒ)がロケーションＲにおけるｉ番目のリンクのＣＩＲを示すとする。全部でＤ個の使用可能なリンクがある場合、焦点Ｒ₀と焦点近傍の点Ｒとの間の空間共振減衰関数は、以下のように同様に定義される。

式中、ｓ_i(０；Ｒ)は、送信信号がｈ_i(Ｒ)の時間反転共役バージョンである場合の時間スロット０及びロケーションＲにおけるリンクｉから受信信号を表す。各リンクは自身のＲＦチェーンを有し且つ異なる初期ＲＦ発振器位相オフセットを有するため、異なるリンクからの受信信号を直接加算することはできない。従って、受信信号を加算する前に受信信号の絶対値を取得し、ｆ(Ｒ₀；Ｒ₀)＝１になるように当該総和を正規化できる。

空間共振減衰関数は、システム帯域幅の影響を受ける。以下の説明において、種々の帯域幅の空間共振減衰関数を調べることができる。使用可能なサブキャリアからの全てのＣＦＲを使用できる場合、以下のように計算される実効帯域幅Ｂを達成できる。

式中、Ｄは使用されるリンクの数であり、Ｎ_uは各リンクに対するＮ個のサブキャリアのうち使用可能なサブキャリアの数であり、Ｗは各リンクの帯域幅である。プロトタイプIIにおいて、各リンクの帯域幅はＷ＝４０ＭＨｚに設定され、各リンクの実効帯域幅は１１４／１２８＊４０＝３５．６２５ＭＨｚである。ＴＲ空間共振減衰関数を計算する際に異なる数のリンクを選択できるため、異なるロケーションに対するｆ（ｄ）を測定でき、図１３に示すように、種々の実効帯域幅に対するｆ（ｄ）の平均を計算できる。結果からわかるように、実効帯域幅が１０７ＭＨｚより広い場合、ＴＲ共振減衰関数の平均は互いに重なり合う。注目すべき点は、式（１１）における組み合わせ方式により

は大きい距離ｄの場合に０．３３に収束するが、プロトタイプＩでは

は０．２２に収束することである。

は広い実効帯域幅の場合に同一値に収束するが、ｆ（ｄ）の分散は実効帯域幅が広い場合に小さく、このことは以下のように検証される。１０ｃｍ×１０ｃｍの寸法を有する正方形領域のＣＦＲを測定でき、各ロケーションに対してＣＦＲの１つの現実値を測定できる。測定の分解能は５ｍｍであり、すなわち、２つの隣接する点の間の最小距離は５ｍｍである。最初に、ｘ軸座標及びｙ軸座標が等しい点として焦点を選択できる。次に、各焦点に対するＴＲ空間共振減衰関数が、当該焦点のＣＳＩと、当該焦点と同一のｙ軸座標を有する点のＣＳＩとの間で計算される。図１４は、対応する結果を示す。実効帯域幅が小さい場合、ｆ（ｄ）の分散は大きい。実効帯域幅が大きい場合、ｆ（ｄ）はより決定論的であり、ロケーションに依存しない。このことは、物体追跡に理想的である。

ＴＲＲＳ減衰のリップル特性に基づく距離推定
第２の距離推定方法は、ＴＲＲＳ減衰のリップル特性に基づく。帯域幅Ｂを有するシステムの場合、図１５に示すように、２つのマルチパス成分（ＭＰＣ）の到着時間の差分がサンプリング周期１／Ｂより大きい場合、それらは測定ＣＩＲの異なるタップに分割され、すなわち、移動距離の差分がｃ／Ｂより大きい２つのＭＰＣを分離できる。システムの帯域幅が十分大きい場合、システムの距離分解能ｃ／Ｂは非常に小さいため、有意なエネルギーを有する全てのＭＰＣを空間領域において分離でき、すなわち有意なＭＰＣの各々を測定ＣＩＲの単一タップで表すことができる。各ＭＰＣのエネルギーの分布が方向θにおいて均一であると仮定する。この場合、ＭＰＣの数が大きいと、異なる方向から得られるＭＰＣのエネルギーは略同一である。従って、受信信号ｓ（０；Ｒ）を以下のように近似できる。

ＴＲＲＳ分布の理論的近似は２点間の距離のみに依存するため、距離ｄを有する２点間のＴＲＲＳの近似を表すために

を使用できる。上記の理論曲線と実験測定値との比較を図１６に示す。これは、式（１３）を実証できる。３つの曲線のピークが同一のｄ値に現れることがわかるだろう。このことは、リップルが同様の形状を有することを意味し、そのため、移動距離を推定するためにそのようなリップル特性を使用できる。

ＴＲＲＳ分布関数

の形状は、特定のロケーションに依存しない波番号ｋによってのみ判定されるため、これは空間における距離を測定するための固有のルーラとして使用できる。一実施形態において、１つの受信機がロケーションＲ₀から開始して一定の速度ｖで直線に沿って移動し、１つの送信機がＲ₀に対応するＴＲ波形（すなわち、受信信号の時間反転共役バージョン）を継続的且つ定期的に送信すると考える。その場合、受信機において測定されるＴＲＲＳはη(ｄ)のサンプリングバージョンにすぎず、これも図１７に示すようなベッセル関数様パターンを示す。

η(ｄ)の第１の局所ピークを例とする。対応する理論的距離ｄ₁は約０．６１λである。移動速度を推定するためには、ＴＲ受信機が点Ｒ₀から開始して第１の局所ピークに到達するまでにかかる時間

を推定するだけでよい。第１の局所ピークの形状を近似するために、二次曲線を使用できる。各ＣＩＲ測定のタイムスタンプ

の知識を組み合わせることは二次曲線の頂点により推定される。従って、速度推定値を

と取得できる。注目すべきことの１つは、ＣＩＲ測定速度が十分速い場合、移動速度がＴＲＲＳ分布関数の測定期間内で一定であるという仮定が実際に合理的であることである。例えば図１７において、期間は約０．１６秒である。

の推定の精度を向上するために、隣接する時間スロットにおいて測定されたＴＲＲＳ分布関数の複数の現実値を組み合わせることができる。ｉ番目の測定の場合、最初に、第１の局所ピーク(ｔ_i,j, ｙ_i,j)近傍のデータ点を見つける。ｉ＝１, ..., Ｎ及びｊ＝１，２，３である。

推定精度を向上するために、第１の局所谷部及び第２の局所ピーク等の異なる基準点を使用することもできる。アルゴリズム２は、移動距離推定のための第２の方法を要約する。

アルゴリズム２において、新しく収集したＣＳＩであるＨ（ｔ）を基準として選択でき、Ｈ（ｔ）とＣＳＩバッファ内の以前に収集したＣＳＩとの間のＴＲＲＳを計算できる。アルゴリズム１において上述したように、隣接するＣＳＩ間のＴＲＲＳ値が何らかの閾値より大きい場合、物体は移動していないと考えられる。物体が移動したと判定される場合、ＴＲＲＳ値η(Ｈ(ｔ), Ｈ(ｔ－ｋ＋１))はｋが増加するにつれて減衰し、式（１３）で説明したようなパターンを示す。リップル特性に基づいて、第１の局所ピークは常に、元の開始点から約０．６１λの距離に対応することがわかる。物体が第１の局所ピークに対応する位置に移動するのに要する期間がわかる場合、推定移動速度を取得できる。ＴＲＲＳ減衰の第１の局所ピークの位置の推定精度を向上するために、二次曲線を使用して、第１の局所ピーク近傍のＴＲＲＳ分布を近似できる。その場合、物体が０．６１λの距離を移動するために必要な期間

のより良好な推定値を取得できる。ＣＳＩはΔｔ毎に収集されるため、物体がサンプル期間ｔ－１～ｔ内に移動する距離

をアルゴリズム２の１０行目のように推定できる。この場合も、アルゴリズム１と同様の理由で、最新のＣＳＩとＣＳＩバッファ内の最古のＣＳＩとの間のＴＲＲＳ値が非常に大きい場合、距離推定値は０に設定される。

上記の物体追跡方法において、送信機及び受信機の少なくとも一方は移動する物体／人間により担持され、方法は、図１Ａに示すように、能動的追跡であると考えられる。別の実施形態において、図１Ｂに示すように、移動する物体／人間は方向推定のためのセンサを担持するだけでよく、送信機及び受信機は固定されたロケーションに存在する。マルチパスチャネルが送信機と受信機との間における散乱に依存するため、移動する物体／人間は十分広い表面積を有し、同一速度で移動する散乱体の塊であると考えられる。このように、送信機と受信機との間のマルチパスチャネルは物体／人間の移動の影響を受け、受信機において受信信号から取得されるＣＳＩは、例えば移動速度である移動に関する何らかの特徴を反映するパターンを示す。

一実施形態において、各散乱体は粗表面を有し、入力無線信号は均一な分布で多くの方向に再放射されると仮定できる。環境内のｉ番目の散乱体がある速度ｖで何らかの方向に向けて移動していると仮定し、

が受信機における受信電界の変化を示すとする。チャネル相互性の特性に基づいて、受信機が無線信号を送信していた場合、電磁（ＥＭ）波はｉ番目の散乱体と受信機との間の全く同一の経路を通る。従って、

は、到着方向において均一に分布する全ての到着ＥＭ波のベクトル総和に等しい。空洞内のＥＭ波の統計理論によると、

のＡＣＦと同様のパターンを示す受信機における受信信号のＡＣＦを調べることにより、移動する物体の速度を受動的に推定できる。ＴＲＲＳは受動的速度推定において直接使用されないが、ＡＣＦを移動経路に沿う異なる点において収集された異なるＣＳＩ間の相関の測定値として考えることもできる。

受信信号から推定された最新のＮ個のＣＳＩがＮを時間ウィンドウ長とする［Ｈ（ｔ－Ｎ＋１）, ... , Ｈ（ｔ）］であると仮定した場合、ＡＣＦをＣＳＩ振幅の二乗に関する関数として定義でき、これは位相オフセットの除去を必要としない。ＡＣＦにおける期待値演算を近似するために、サンプル平均を使用できる。すなわち、隣接するＣＳＩ対の間のＣＳＩを使用してタイムラグ１を有するＡＣＦのサンプル平均を取得し、ｉ＝ｔ－Ｎ＋３, ... , ｔとする｛Ｈ（ｉ）, Ｈ（ｉ－２）｝の間のＣＳＩを使用してタイムラグ２を有するＡＣＦのサンプル平均を取得する。ＡＣＦ関数もリップル特性を示すことが示される。

その後、例えば第１の局所ピーク等である移動パターンに関連するＡＣＦ曲線上の特徴点を見つけることができる。第１のピークＡＣＦ値及び２つの隣接するＡＣＦ値を使用して、第１の局所ピークに対応する時間を推定でき、第１の局所ピークに到達するまでの時間において速度は均一であると仮定して、速度を取得できる。その後、推定速度及びサンプリング周期を使用して、移動距離を取得できる。時間ウィンドウの始端におけるＣＳＩと終端におけるＣＳＩとの間のＡＣＦ値が閾値より大きい場合、移動距離は０であると推定されてもよい。それ以外の場合、推定距離は推定速度とサンプリング周期の積に等しくてもよい。

方向推定
以下の説明において、ＴＲＩＴＳの第２のモジュール、すなわち移動方向推定モジュールとして、２つの方向推定方法を導入できる。送信機の移動方向を推定するために、第１の方法は慣性計測装置（ＩＭＵ）を使用し、第２の方法はＴＲＲＳ減衰関数η（ｄ）を使用する。

一般に、重力の方向ｇに対して垂直なｘ－ｙ平面における移動方向の変化のみが注目されるため、回転をｘ軸、ｙ軸及びｚ軸からｇ上に投影できる。この場合、ｇはオンチップ座標系により測定される。回転は、ジャイロスコープの読取り値から取得できる。従って、時間ｔにおける移動方向を以下のように推定できる。

式中、ωはジャイロスコープの読取り値であり、Δｔはサンプリング周期であり、ｇは重力センサの読取り値である。アルゴリズム３は、ＩＭＵに基づく方向推定方法を以下のように要約する。

移動方向推定の第２の方法に対して、図１８に示すように、受信機はロケーションＡ１８０２からロケーションＢ１８０４に移動した後、ロケーションＣ１８０６に移動すると仮定する。３つのロケーションは、３つの連続するＣＳＩに対する送信機のロケーションを表す。チャネルプロービング率が十分速いため、これら３つのロケーション間の距離ｄ_iが十分小さく、距離とＴＲＲＳ値との間の１対１マッピング関係が依然として成立すると仮定する。移動方向の角度の変化は、以下のように余弦法則により推定できる。

互いに近接する複数のアンテナが送信機に搭載される場合、例えば図１９に示すように、送信機の回転を以下により計算できる。

式中、ΔθはＡからＢに移動するアンテナ１のＴＲＲＳ減衰から取得され、Δｄは十分小さいと仮定する。これは、チャネルプロービング率が十分高い場合に当てはまる。回転の方向は、異なるアンテナ間のＴＲＲＳを計算することにより判定できる。例えば時間ｔにおいてアンテナ３により測定されたＣＳＩと時間ｔ＋１においてアンテナ１により測定されたＣＳＩとの間のＴＲＲＳが増加する場合、回転は反時計回りである。異なるアンテナ選択からの推定値を平均することにより、Δθの推定精度を向上できる。

ＴＲ装置に対する移動方向は、以下のように推定することもできる。図２０を参照すると、３つのアンテナ２００２、２００４及び２００６は正三角形の頂点に位置する。本例において、送信機から受信機のｉ番目の受信アンテナに送出されたチャネルプロービング信号から取得されるＣＳＩを示すためにＨ_iを使用でき、時間ｔ₀に測定されたＨ_iと時間ｔに測定されたＨ_jとの間のＴＲＲＳを示すためにη(Ｈ_i(ｔ₀), Ｈ_j(ｔ))を使用できる。図２０に示すような特定の移動方向に対して、関数η(Ｈ_i(ｔ₀), Ｈ_j(ｔ))はｔ≦ｔ₀の場合に明確なパターンを示し、これを同様に図２０に示す。アンテナ１ ２００４が、最初はアンテナ２及び３に近く、その後アンテナから遠くなる経路２００８を通るため、η(Ｈ₂(ｔ₀), Ｈ₁(ｔ))及びη(Ｈ₃(ｔ₀), Ｈ₁(ｔ))は図示するようなパターン２０１０及び２０１２を示す。尚、アンテナのロケーション及び数は限定されず、他の幾何学的形状に配置することもできる。関数η(Ｈ_i(ｔ₀), Ｈ_j(ｔ))のピーク値により、移動方向に沿うアンテナｉとアンテナｊとの間の最小距離を判定できる。例えばη(Ｈ₂(ｔ₀), Ｈ₁(ｔ))が極大値γ_1,2に到達した場合、アンテナ１の現在のロケーションはアンテナ２の初期ロケーションから距離ｄ_1,2離れた位置であり、ｄ_1,2はロケーション／ＴＲＲＳマッピングにより推定可能である。図２０に示すように、本例において、ＴＲ装置に対する移動方向を

として推定でき、式中、ｄ_1,3及びｄ_1,2は、η(Ｈ₂(ｔ₀), Ｈ₁(ｔ))及びη(Ｈ₃(ｔ₀), Ｈ₁(ｔ))の最大ＴＲＲＳ値であるＴＲＲＳ減衰値γ_1,2及びγ_1,3から取得される。１つの固有の仮説は、システムのチャネルプロービング率が十分高いため、γ_1,2及びγ_1,3が十分正確であるということである。

一実施形態において、開示される物体追跡の処理を示すフローチャートを図２１に示す。移動する物体により担持される送信機は、少なくとも１つの無線信号を受信機へ送信する（ステップ２１０２）。受信信号に基づいて少なくとも１つのＣＳＩを推定でき、ＣＳＩにおける位相オフセットを除去できる（ステップ２１０４）。最新のＣＳＩと時間ウィンドウ内の以前に収集されたＣＳＩとの間のＴＲＲＳ値を計算できる（ステップ２１０６）。それらは、時間におけるＴＲＲＳの何らかの減衰パターンを示す（ステップ２１０８）。複数のそのような時間ウィンドウ内のＴＲＲＳ値を平均化して、平滑化された減衰パターンを取得できる。ＴＲ共振効果の収束特性に基づいて（アルゴリズム１に従って）又はリップル特性に基づいて（アルゴリズム２に従って）、物体の移動距離を推定できる（ステップ２１１０）。移動する物体に装着された方向センサ（例えば、ＩＭＵ）から、角速度及び重力情報を読み取ることができる（ステップ２１１２）。角速度を重力方向に投影でき（ステップ２１１４）、アルゴリズム３に従って移動方向の変化を推定できる（ステップ２１１６）。最後に、推定された移動距離及び方向に基づいて、移動する物体のロケーションが更新される（ステップ２１１８）。別の実施形態において、開示される物体追跡の別の処理を示すフローチャートを図２２に示す。図中、移動方向は、異なるアンテナにわたるＴＲＲＳの減衰パターンに基づいて推定される（ステップ２２１２及び２２１４）。

別の実施形態において、物体に送信機を装着することなく、物体の移動速度を推定できる。物体の動きはＣＳＩ特徴に影響を与え、その場合、ＣＳＩは、固定ロケーションに位置する送信機から別の固定ロケーションに位置する受信機に送出されるチャネルサウンディング信号に基づいて取得される。ＣＳＩの時変パターンを抽出するために、ＣＳＩの自己相関関数、ＣＳＩの振幅関数、ＣＳＩの位相関数等のＣＳＩに関する他の関数を使用できる。

異なる種類のセンサを使用する方向推定
方向推定の精度を向上するために、他の種類のセンサ出力を使用することもできる。そのような例の１つを図２３に示す。この例は、異なるセンサの相補的な特徴を利用し、統合されたセンサ出力を使用して移動方向を判定する。加速度計から、グローバル座標及び重力の方向ｇがわかる（２３０２）。ジャイロスコープセンサ２３０４をｇの方向に投影でき、水平進路２３０８を取得できる。加速度計からのグローバル座標に基づいて、磁気センサ出力２３０６も水平面に投影してフィルタリングすることにより、平滑化された磁気センサデータ２３１０を取得できる。干渉する磁気源の影響を軽減するように干渉除去アルゴリズム２３１２を設計できる。２種類のセンサ（ジャイロスコープ及び磁気センサ）からの処理済みデータは統合され（２３１４）、移動距離が推定される（２３１６）。

図２４Ａに示すように、

として、ジャイロスコープセンサ出力ベクトルを重力の方向ｇに投影できる。図２４Ｂに示すように、磁気強度ベクトルも水平面に投影できる。

磁気強度ベクトルを水平面に投影する目的は、磁気強度ベクトルのグローバル水平成分を取得し、それとグローバル軸とを比較して、グローバル移動方向を取得することである。

本問題において使用可能な座標系がセンサのローカル座標系であるため、最初に、グローバル座標系の３つの軸をローカル座標系で表す必要があるだろう。次に、磁気強度ベクトルをグローバル水平面に投影する必要があるだろう。最後に、ベクトルの水平成分とグローバル軸とを比較して、進路方向を判定できる。１つの仮定は、進路方向がローカルｘ軸の水平成分で固定され、すなわち進路方向と物体の移動方向との間の差分が時間で変化しないということである。

いくつかの表記は以下の通りである。

水平面における磁気強度ベクトルの投影の詳細な説明を以下に示す。

以下の表に示すように、種々のセンサが相補的な特徴を有してもよいことがわかる。従って、方向推定の精度を向上するために異なる種類のセンサ出力を統合できる。

センサ統合の一例を図２５Ａ及び図２５Ｂに示す。例えば図２５Ｂに示すように、１）２つの読取り値の差分が特定の範囲内であり、２）２つの読取り値の傾向が互いに一貫している場合に、ジャイロスコープを磁気センサの読取り値に調整すると考える。アルゴリズムにおいて、ｔ１は読取り値差分閾値（ループ開始判断）であり、ｔ２は傾向判断閾値であり、ｗｉｎｄｏｗは傾向判断期間長である。１１行目は、２つの読取り値の間の差分を判断し、ループを開始するかを決定する。ループが開始する場合、ａｖｒｇは、ループ開始以降の２つの読取り値の間の平均差分である。２つの読取り値の間の差分がａｖｒｇ周辺の特定の範囲（ｔ２）以内である場合、アルゴリズムは傾向が継続すると結論付ける。ｃｏｕｎｔは、現在のサンプル点が依然として傾向内である場合に累積する。ｃｏｕｎｔがｗｉｎｄｏｗに到達した場合、進路データはコンパス読取り値に調整される。

物体追跡システムの実現例
追跡システムの実現例の例示的な機能ブロック図を図２６に示す。追跡システムの例は、Ｏｒｉｇｉｎサブシステム、Ｂｏｔサブシステム、制御器サブシステム及びマッピングマシンサブシステムで構成される。

Ｏｒｉｇｉｎサブシステム：Ｏｒｉｇｉｎサブシステムは、各Ｂｏｔに固有の識別子を使用してＢｏｔサブシステムと直接通信して制御し且つＯｒｉｇｉｎのロケーション及び各Ｂｏｔのロケーションに固有のマルチパス無線シグネチャを収集する１つ以上の固定送受信機（各々が「Ｏｒｉｇｉｎ」である）。Ｏｒｉｇｉｎサブシステムは、収集したシグネチャを制御器サブシステムに送出し、制御器サブシステムはＢｏｔを追跡するためにシグネチャを処理する。

Ｂｏｔサブシステム：Ｂｏｔサブシステムは、Ｏｒｉｇｉｎと直接通信し且つＯｒｉｇｉｎの制御下にある１つ以上のモバイル送受信機タグ（各々が「Ｂｏｔ」である）である。Ｂｏｔは、Ｂｏｔに固有の識別子とＢｏｔのロケーション及びＯｒｉｇｉｎのロケーションに固有のマルチパス無線シグネチャとを使用して追跡される。

マッピングサブシステム：マッピングサブシステムは、３Ｄマッピングテーブル、モータ制御器及びモバイルコンソールで構成される。モータ制御器は３Ｄマッピングテーブルを動かすことができ、３Ｄマッピングテーブルは仮想チェックポイント（各々が「ＶＣ」である）の全領域にわたり設定速度でＢｏｔを担持する。制御器サブシステムは、ＶＣにあるＢｏｔからマルチパス無線シグネチャを収集するために、モータ制御器及びＯｒｉｇｉｎサブシステムを含むマッピング処理全体を制御する。モバイルコンソールは、マッピング処理における制御器サブシステムの遠隔制御を可能にする。

制御器サブシステム：制御器サブシステムは、マッピング処理及び追跡処理の間にＯｒｉｇｉｎサブシステム、Ｂｏｔサブシステム（Ｏｒｉｇｉｎサブシステムを介して）及びマッピングサブシステムを制御するコンピュータシステムである。これは、システム内で対話し且つリアルタイムのＢｏｔロケーション、履歴及びＢｏｔが動作する許可を有する領域（「ロケーションエリア特権」）を報告するためのグラフィカルユーザインタフェース（「ＧＵＩ」）を含む。制御器サブシステムは更に、各Ｂｏｔに対するロケーションエリア特権を設定し且つ更新する。制御器サブシステムは、Ｗｉｎｄｏｗｓ１０＋オペレーティングシステムを実行する少なくとも１つのコンピュータを含んでもよく、他のコンピューティングリソース／又はプロセッサを更に含んでもよい。

一実施形態において、上記の構成要素間の接続は以下の通りである。Ｏｒｉｇｉｎサブシステムは、全ての適用可能なＦＣＣルール及び規則に準拠する５ＧＨｚ Ｗｉ－Ｆｉチャネルを介してＢｏｔサブシステムと無線通信する。Ｏｒｉｇｉｎサブシステム及び制御器サブシステムは、Ｅｔｈｅｒｎｅｔを介して通信する。マッピングサブシステムは、２．４ＧＨｚ無線ＬＡＮネットワークを介して制御器サブシステムに接続される。制御器サブシステムは、１つ又は複数のＶＣ上のＢｏｔからマルチパス無線シグネチャをオフラインで収集し、それらは後でＢｏｔをオンラインで追跡するために使用される。

一実施形態において、上記の構成要素の機能性は以下の通りである。Ｂｏｔサブシステムは、Ｏｒｉｇｉｎサブシステムにより送出されたコマンドに基づいて、チャネルプローブ信号をＯｒｉｇｉｎサブシステムに送信できる。プローブ信号は、ＣＳＩを推定するために必要な信号とＢｏｔサブシステムにより提供される進路／方向情報との双方をデータペイロードに含む。Ｏｒｉｇｉｎサブシステは制御器サブシステムにより制御され、Ｂｏｔサブシステムにコマンド信号を伝達できる。更に、これはＢｏｔサブシステムからチャネルプローブ信号を受信することができる。チャネルプローブ信号を受信した後、Ｏｒｉｇｉｎサブシステムは、現在のロケーションにおけるＢｏｔサブシステムに対するＣＳＩ及び進路情報を導出でき、それらは制御器サブシステムに提供される。制御器サブシステムはシステム全体の制御器であり、ある特定の計算機能及び通信機能を有するＰＣステーションであってもよい。制御器サブシステムはＯｒｉｇｉｎサブシステムを制御でき、従ってＢｏｔサブシステムを制御できる。更に、動きに関して、マッピングマシンサブシステムも制御器サブシステムにより制御される。Ｏｒｉｇｉｎサブシステムにより送出されたＣＳＩ及び進路／方向情報に基づいて、制御器サブシステムは、Ｂｏｔサブシステムのロケーションをリアルタイムで報告できる。ＧＵＩが制御器サブシステムに含まれ、オペレータにマップ情報及び仮想チェックポイント構成を提供する。Ｂｏｔサブシステムの特権エリアもＧＵＩにおいて構成される。Ｂｏｔサブシステムが特権エリアに入ると、ＧＵＩにおいて警報がトリガされる。

別の実施形態において、追跡対象の複数の物体（Ｂｏｔ）を有する例示的な追跡システムを図２７Ａに示す。ＢｏｔはＯｒｉｇｉｎへチャネルサウンディング信号を順番に送信する。換言すると、それらは互いに時分割し、非常の多くのＢｏｔが存在する場合、ＢｏｔからＯｒｉｇｉｎへの高いサウンディング率を維持することは困難である。その代わりに、システムアーキテクチャは、図２７Ｂに示すようにダウンリンクに基づくことができる。この場合、ＢｏｔはＯｒｉｇｉｎからＢｏｔに送出されたサウンディング信号に基づいてＣＳＩを推定する。その後、各Ｂｏｔは自身の座標を計算し、チャネルサウンディング率と比較するとはるかに低い比率でそのような情報をＯｒｉｇｉｎにフィードバックする。そのようにして、図２７Ｂのアーキテクチャは、理論上は無限の数のＢｏｔを同時にサポートできる。

図２７Ｂのアーキテクチャに対応する例示的な機能ブロック図を図２８に示す。Ｏｒｉｇｉｎサブシステムは、全ての適用可能なＦＣＣ規則に準拠するＷｉ－Ｆｉチャネルを介して、サウンディング信号をブロードキャストし、Ｂｏｔサブシステムと無線通信する。Ｏｒｉｇｉｎサブシステム及び制御器サブシステムは、Ｅｔｈｅｒｎｅｔを介して通信してもよい。Ｏｒｉｇｉｎを介して、制御器サブシステムはＢｏｔ座標を収集し、それらはリアルタイムでＢｏｔを追跡するために使用される。

例示的なソフトウェア実現例を図２９のフローチャートに示す。尚、経路情報は物体追跡の前に既知であると仮定される。このことは、物体のロケーションの判定を支援できる。例えば経路上の転換点は、経路を複数の区分に分割する。物体が進路を変えて軌跡が新しい区分の方向からずれると、未加工の物体ロケーションを新しい区分上の正しい方向に「マッピング」することにより、ロケーションエラーを補正できる。図２９において使用される表記を以下に列挙する。
・ｄ：システムから導出される現在の移動距離
・Ａ：現在の移動角度
・Ｄ：開始点からの累積距離
・Ｅｎｄ：経路の終了距離
・Ｓｅｇ：経路上の転換点により判定される物体の経路区分
・Ｏ：経路上の物体のマッピングされた推定ロケーションであり、経路情報を組み込んだ後のロケーション出力を意味する
・＜＞：自由空間における物体の推定ロケーションであり、未加工ロケーション推定値であると考えられる

ＴＲマシンから導出された現在の移動距離（ｄ）及び現在の移動角度（Ａ）を与えられた場合、物体が移動した総距離（Ｄ＋ｄ）が経路全体の総距離と比較される（ステップ２９０４）。（Ｄ＋ｄ）が経路全体の長さより大きい場合、ロケーション出力Ｏは経路の終端に配置され、未加工ロケーション推定値＜＞が更新され続ける（ステップ２９０６）。（Ｄ＋ｄ）が経路全体の長さより小さい場合、推定された新しいロケーションは依然として経路の先行区分上にあり（ステップ２９１０）、ロケーション出力Ｏは現在の区分上の新しいロケーションに進み、未加工ロケーション推定値＜＞が更新され続ける（ステップ２９１２）。推定されたロケーションが経路の現在の区分を越える場合、累積（Ｄ＋ｄ）が更新される（ステップ２９０８）。経路の各区分の累積長及び（Ｄ＋ｄ）に基づいて、システムはＯが新しい区分に到着したか又は依然として先行区分上かを判定する（ステップ２９１４）。Ｏが新しい区分に到着した場合、システムは移動方向が新しい区分の方向とマッチするかを評価する（ステップ２９２０）。方向が新しい区分とマッチする場合、Ｏは新しい区分上に配置され、＜＞が更新され、移動方向は新しい区分に補正される（ステップ２９２４）。その後、出力軌道の描画が更新される（ステップ２９２６）。方向が新しい区分とマッチしない場合、Ｏは最後の区分の終端に留まり、＜＞が更新され続ける（ステップ２９２２）。Ｏが依然として経路の現在の区分上にあることを（Ｄ＋ｄ）が示す（ステップ２９１４の評価がＮｏである）場合、システムは以下の条件を評価する。（Ｄ＋ｄ）が現在の区分の終端から閾値距離（例えば２ｍであるが、他の値を使用することもできる）以内であり且つ方向が先行区分ではなく新しい区分とマッチする（ステップ２９１６の評価がＹｅｓである）場合、Ｏは新しい区分の始端に設定され、＜＞が更新され続け、方向が補正される（ステップ２９１８）。上記の条件が当てはまらない場合、Ｏは現在の区分上を進み、＜＞が更新され続ける（ステップ２９１２）。未加工ロケーション推定値及びロケーション出力が時々チェックされ、物体のロケーションが経路から大きく逸れているかが確認される（ステップ２９２８）。

キャリブレーション：環境が十分な散乱体を有さないか又は追跡装置のアンテナが人間の身体、リュックサック及び衣服等の周囲の障害物により遮られる場合、この不都合な点を補償するためにキャリブレーション手順が必要だろう。システムは最初、ほぼ一定の速度で経路を通るように担持される必要がある。装置の総移動時間は、動きの停止時間スタンプと開始時間スタンプとの間の差分を得ることにより計算可能である。実際の平均移動速度は、固定された経路の全長を合計時間で除算することにより計算される。経路は、長さが等しいＮ個の区分に分割され、Ｎは経路の全長に比例する。各区分に対して、当該区分の実際の平均移動速度と推定平均移動速度との比率としてスケーリング係数が定義される。推定移動速度は、当該区分の推定長を当該区分上で経過した時間で除算することにより計算される。各区分のスケーリング係数は、固定された経路に対応するベクトルとして保存される。キャリブレーション手順の後、推定距離は、先行のロケーション推定値により取得できる装置が位置する区分のスケーリング係数で乗算される。

マッピングサブシステムは、全体が本明細書で援用される２０１５年１月２６日出願の米国特許出願第１４／６０５，６１１号「WIRELESS POSITIONING SYSTEMS」及び２０１５年７月１７日出願の国際出願第ＰＣＴ／ＵＳ２０１５／０４１０３７号「WIRELESS POSITIONING SYSTEMS」に開示される方法に基づいて実現可能である。仮想チェックポイント（ＶＣ）は、関心領域に配置可能である。ＶＣから収集されたＣＳＩはデータベースに格納される。リアルタイムで収集されたＣＳＩがデータベース内の何らかのＣＳＩとマッチする場合、データベース内のマッチしたＣＳＩに関連するロケーション情報に基づいて、Ｂｏｔのロケーションがわかる。ＶＣは、Ｂｏｔのリアルタイムのロケーションの誤った推定を補正するのに役立つことができる。尚、Ｂｏｔが移動する領域／経路の地図／見取り図／経路情報は同様に、誤ったロケーション推定を補正するのに役立つことができる。例えばＢｏｔが事前に定義された経路から９０°方向転換するが、Ｂｏｔの推定された軌道は１２０°の方向転換であることがわかっている場合、Ｂｏｔの移動軌道を実際の経路に補正し、誤った累積を回避できる。

物体追跡の適用例：スマートエレベータ
物体追跡の１つの適用例は、エレベータ監視システムである。運行中のエレベータの状態を監視する満足できる解決策は存在しない。例えば、エレベータが良好に運行しているか、適切に動作しているか又はすぐに保守が必要かを知ることは困難である。多くのエレベータが監視カメラを搭載するが、エレベータで撮影された画像／ビデオの画像／ビデオ処理は非常に複雑であり且つ広い動作帯域幅を必要とするため、上記の問題は依然として未解決である。本教示において開示される物体追跡システムを使用することにより、スマートエレベータシステムを使用してエレベータの動作状態を監視でき、１）エレベータの粒度が細かい位置調整、２）故障によるエレベータ停止の検出等の緊急事態の検出、３）エレベータの開扉／閉扉の検出を含む機能性をサポートできる。

スマートエレベータシステムの主要な構成要素は、以下の３つの部分を含む。スマートエレベータシステムの第１の部分はエレベータ追跡モジュールであり、これは、慣性計測装置（ＩＭＵ）又は更に詳細には加速度計を使用して、エレベータの位置をリアルタイムで監視する。追跡モジュールのアルゴリズムを以下のアルゴリズム４に要約し、図３０に示す。いくつかの表記及びそれらの意味を以下に列挙する。

最初に、加速度計がバイアスを有するため、エレベータ追跡アルゴリズムを実行する前に、１０秒等のある期間の加速度計の読取り値を平均することにより初期バイアス推定値

を得る必要があるだろう（ステップ３００２）。次に、加速度計の新しい未加工の読取り値から推定バイアスを減算して、現時点ｋにおけるエレベータの加速度計の略推定値を取得できる（ステップ３００４）。期間内の加速による速度変化としてエレベータの移動統計値を定義でき（ステップ３００６）、これはエレベータの移動状態の判定における重要なメトリックである。垂直方向に沿うエレベータの速度のみがエレベータの位置の推定に関わるため、時間スロットｋにおけるエレベータの移動統計値は以下のように計算される。

式中、Δｋは移動統計値を計算するための時間ウィンドウの長さを表し、ｔ［ｉ］は読取り値のｉ番目のサンプルと（ｉ－１）番目のサンプルとの間の時間差であり、ａ［ｉ］は推定バイアスを減算後の加速度計読取り値であり、ｇ［ｉ］は加速度計から取得される重力の測定値であり、

は重力の２ノルムを表す。上方向を正方向として設定でき、これは重力の反対方向であるため、ｍ［ｋ］にマイナス記号が更に追加される。

ｍ［ｋ］が垂直方向のエレベータの速度の変化を表すため、垂直方向のエレベータの速度を導出できる。その後、先行の時間スロットｋ－１におけるエレベータの推定速度であるｖ［ｋ－１］とｍ［ｋ］の大きさを調べることにより、エレベータが移動しているか否かを判定できる（ステップ３００８）。それらのいずれかが事前設定閾値を上回る場合、アルゴリズムはエレベータの状態を「移動している」に設定する。また、アルゴリズムはエレベータの推定速度を追跡する。推定速度が過剰に速い場合（ステップ３０１０）、アルゴリズムは警報を設定し（ステップ３０２０）、エレベータに異常な落下が生じている可能性があるとユーザに通知する。上記の値がいずれも事前設定閾値を上回らない場合、エレベータの加速度を積分することにより、推定速度は更新される。推定速度を積分することにより、移動距離が更新され、先行の推定位置に移動距離を加算することにより、新しい推定位置が更新される（ステップ３０１２）。この段階で、バイアス推定値は更新されない。エレベータの移動統計値により移動検出の遅延が生じるため、アルゴリズムは、移動検出の遅延による速度の損失を測定するΔｖ［ｋ－１］を加算することにより速度推定値を補償する。

エレベータが移動していないとシステムが検出した場合、システムは現在の推定速度を０に設定でき、定量化誤差が特定範囲内である場合に限り、位置推定値をフロアの最も近い高さに四捨五入することにより位置推定値を補正でき、Δｖ［ｋ－１］を移動統計値に設定することにより更新できる（ステップ３０１８）。その後、アルゴリズムに従って、システムは丸め誤差をチェックできる（ステップ３０１６）。誤差が事前設定閾値より大きい場合、エレベータは、例えば２つの隣接するフロア間の何処かである異常位置で停止した可能性がある。誤差が許容できる場合、システムは移動統計値を再度チェックし、ｍ［ｋ］の振幅が十分小さい場合にバイアスの推定値を更新する（ステップ３０１４）。提案されるアルゴリズムを検証するための実験を一般的な１６階建ての建物で行うことができる。実験結果を図３１及び図３２に示す。エレベータ追跡アルゴリズムの誤差は、０．２階分の高さ以内である。

スマートエレベータシステムの第２の部分は、人間の動き検出器モジュールである。システムは、無線送信機（ＴＸ）及び無線受信機（ＲＸ）を搭載する。送信機は、受信機へ無線信号を継続的に送信する。エレベータ内に人間がいるかをリアルタイムで検出するために、送信機と受信機との間のチャネル状態情報（ＣＳＩ）を利用できる。動き検出モジュールのアルゴリズムを以下のアルゴリズム５に要約し、図３３に示す。

Ｇ（ｆ；ｔ）は、時間スロットｔにおけるサブキャリアｆのＣＳＩ振幅を示す（ステップ３３０２）。Ｍ×Ｎアンテナ構成を有するシステムの場合、サブキャリアの総数はＦ＝ＭＮＬであり、Ｌは各アンテナ対に対するサブキャリアの数である。図３３に示すように、サブキャリアｆ毎に、サンプル自己相関係数の一次として動き統計値を計算できる（ステップ３３０４）。その場合、Ｔは、動き統計値を計算するための時間ウィンドウの長さである。動き統計値の物理的意味は、動き統計値が高いほど動きが強いことである。各サブキャリアにおいて、例えばサンプル自己相関係数が事前に定義された閾値より大きい場合に人間の動きを検出する（ステップ３３０６）ために計算される動き統計値が存在する。システムのＦ個のサブキャリアからの全ての決定を統合するために、多数決が適用される（ステップ３３０８）。使用可能なサブキャリアの総数の過半数がエレベータ内の人間の動きを検出する場合、システムは動きを検出する（ステップ３３１０）。過半数がエレベータ内の人間の動きを検出しない場合、動きは検出されない（ステップ３３１２）。別の実施形態において、（ＣＳＩ振幅）＾２、（ＣＳＩ振幅）＾４、位相オフセット除去後のＣＳＩの実数部／虚数部等、時間スロットｔにおけるサブキャリアｆ上のＣＳＩの別の関数としてＧ（ｆ；ｔ）を定義できる。次数が時間ウィンドウ長Ｔの１／４未満である場合、別の次数を有するサンプル自己相関係数として動き統計値を定義することもできる。個々の決定の加重組み合わせ等の他の決定統合ルールを使用することもできる。

スマートエレベータシステムの第３の部分は、エレベータ扉検出器モジュールである。当該モジュールは、受信機側の受信信号強度インジケータ（ＲＳＳＩ）はエレベータの扉が開いた状態とエレベータの扉が閉じた状態で異なるということを利用する。構造、エレベータの材料、並びにエレベータ内の装置の設置位置に依存して、ＲＳＳＩに対するエレベータの扉の開閉の影響は場合によって異なる。従って、エレベータ扉検出器モジュールは、装置がエレベータに設置された後のトレーニング処理を必要とする。受信チャネル電力インジケータ（ＲＣＰＩ）、参照信号受信電力（ＲＳＲＰ）、参照信号受信品質（ＲＳＲＱ）、信号対雑音比（ＳＮＲ）及び信号対干渉雑音比（ＳＩＮＲ）等、受信信号電力を反映するＲＳＳＩ以外の値を使用することもできる。

トレーニング手順のアルゴリズムを図３４に示す。エレベータ扉検出器モジュールは、例えばいくつかの２０ＭＨｚ Ｗｉ－Ｆｉチャネルにわたる複数の受信アンテナを有する市販のＷｉ－Ｆｉ装置である無線装置からＲＳＳＩ測定値を収集する（ステップ３４０２）。例えば４０ＭＨｚ帯域幅（又は２つの２０ＭＨｚ Ｗｉ－Ｆｉチャネル）で動作する３つの受信アンテナを搭載したＷｉ－Ｆｉ装置を用いる場合、１つのＲＳＳＩ測定値は７個の値を含む。すなわち、各受信アンテナ及び各２０ＭＨｚ Ｗｉ－Ｆｉチャネルに対して１つずつで全部で６個のＲＳＳＩ測定値と、６個のＲＳＳＩ値の和である１つのＲＳＳＩ値とを含む。ＲＳＳＩ計測行列を

で示す。ｒ_i,jは、

により与えられるＴ個の時間インスタンスにわたり受信アンテナｉ及びＷｉ－Ｆｉチャネルｊから取得されるＲＳＳＩ測定値を表す。

Ｗｉ－Ｆｉ装置の不安定性を考慮することにより、異常ＲＳＳＩ値を実際に観察でき、それらは更なる処理の前に取り除かれる必要がある。ＲＳＳＩ外れ値の影響を取り除くために、ＲＳＳＩ計測行列Ｒ内の各ｒ_i,jベクトルに対してメジアンフィルタリングを実行し（ステップ３４０４）、結果として得られるＲＳＳＩ計測行列をＲ_medと示すことができる。

ノイズに起因するＲＳＳＩ測定値における高周波数変動を更に低減するために、行列Ｒ_medのｒ_i,j,medと示される各メジアンフィルタリング済みＲＳＳＩベクトルｒ_i,jに対してローパスフィルタリングが実行され（ステップ３４０６）、それにより、ｒ_i,j,lpにより与えられるＲＳＳＩベクトルを有するＲＳＳＩ計測行列Ｒ_lpが得られる。

エレベータの扉が継続的に開いているか又は閉じている場合、ＲＳＳＩ測定値は一定レベル周辺を維持する。一方、エレベータの扉が開くか又は閉じる場合、ＲＳＳＩの突然の変化が時間インスタンスにおいて観察される。これは、扉が継続的に開いているか又は閉じている場合は時間にわたるＲＳＳＩ値の勾配が０に近く、エレベータの扉が開くか又は閉じる場合にＲＳＳＩ値の勾配が大きく変化することを示す。従って、エレベータ扉検出器モジュールは、Ｒ_lpの期間を複数のオーバーラップする時間ウィンドウに分割し、Ｒ_lpの各ベクトルに対する勾配をそれぞれ評価する（ステップ３４０８）。

例えば受信アンテナｉ及びＷｉ－Ｆｉチャネルｊに対する

で示すＮ個の測定値が与えられる場合、最小二乗推定を使用して、現在の時間ウィンドウにおける勾配ｓを以下のように推定できる。

式中、ｎ＝［０,１,２, ... , Ｎ－１］は時間インデックスベクトルである。全ての時間ウィンドウにわたる各受信アンテナ及び各Ｗｉ－Ｆｉチャネルに対する勾配推定値が集められ、ベクトルＳ_i,jで構成される勾配計測行列Ｓが形成される。

一般に、エレベータ開扉動作はエレベータ閉扉動作よりはるかに予測可能である。例えば人間はエレベータの扉を遮ることにより扉が閉じるのを止めることができるが、エレベータの扉が開くのを中断することは殆どできない。エレベータの扉が開く場合にＲＳＳＩ値が低下するため、エレベータの扉が開く時の勾配推定値において谷部が観察される。従って、従来のピーク検出を使用するために（ステップ３４１０）、モジュールは実際の勾配推定値行列Ｓの負数としてＳ'＝－Ｓを生成する。これにより、谷部がピークとして検出される。

ピーク突出度、ピーク幅及びピーク持続性等の基準を用いて、勾配計測行列Ｓ'内の各ベクトルＳ'_i,jに対してピーク検出アルゴリズムが実行される（ステップ３４１０）。Ｓ'_i,jに対してｐ個のピークが検出される場合、モジュールはｐ個のピークから突出度が最も大きいピークを選択する。ピークのロケーションがｎであると仮定した場合、モジュールはベクトルｒ_i,j,lpにおけるピークロケーションｎの左側の複数秒の区分を選択し、当該区分内の平均ＲＳＳＩをRSSI_i,j,cとして評価する。これは、エレベータの扉が閉じている時の平均ＲＳＳＩである。一方、モジュールはベクトルｒ_i,j,lpにおけるピークロケーションｎの右側の複数秒の別の区分を選択し、当該区分内の平均ＲＳＳＩをRSSI_i,j,oとして評価する。これは、エレベータの扉が開いている時の平均ＲＳＳＩ値である。これらの値の間の差分をRSSI_i,j,dとして更に計算する。全ての受信アンテナｉ及びＷｉ－Ｆｉチャネルｊに対するRSSI_i,j,d値を計算した後、モジュールは、RSSI_i,j,dが最大になる(ｉ,ｊ)組み合わせ、すなわち開扉状態と閉扉状態との間のマージンが最大になる(ｉ,ｊ)組み合わせを選択する。

(ｉ_max,ｊ_max)が最大RSSI_i,j,dを生じると仮定して、０＜α＜１である

である場合、これはエレベータ閉扉状態に関連するＲＳＳＩがエレベータ開扉状態に関連するＲＳＳＩより低いことを意味し、モジュールはトレーニングが失敗したこと及び再トレーニングが必要であることを宣言する。

エレベータ扉検出器モジュールは、トレーニング期間中に少なくとも１回のエレベータの開扉を必要とする。

トレーニング段階の後、エレベータ扉検出器モジュールはリアルタイムの扉監視を実行できる。アルゴリズムを図３５に示す。各受信ＲＳＳＩ測定値に対して（ステップ３５０２）、モジュールは、ｉ_max受信アンテナ及びｊ_maxＷｉ－ＦｉチャネルからのＲＳＳＩ値を選択する。次に、モジュールはメジアンフィルタリング（ステップ３５０４）及びローパスフィルタリング（ステップ３５０６）を実行し、ＲＳＳＩ測定値における外れ値及び高周波数ノイズを緩和する。ｎ番目のＲＳＳＩ測定値に対するフィルタリング後のＲＳＳＩ値をｒ'_i,j,lp［ｎ］とする。モジュールは、ｒ'_i,j,lp［ｎ］とトレーニング段階で取得された閾値RSSI_thとを比較し（ステップ３５０８）、ｒ'_i,j,lp［ｎ］＞RSSI_thである場合に扉が閉じていると判定し（ステップ３５１４）、ｒ'_i,j,lp［ｎ］≦RSSI_thである場合に扉が開いていると判定する（ステップ３５１０）。

実際は、エレベータの開扉状態及び閉扉状態に関連するＲＳＳＩレベルは、エレベータの構造、温度又はハードウェアの問題の僅かな変化により、時間にわたり変化する場合がある。従って、モジュールは、トレーニング手順において説明した勾配推定（ステップ３５１６）及びピーク検出（ステップ３５１８）に基づいて、ＲＳＳＩ閾値を更新し続ける（ステップ３５２０）。ピークが検出される限り、モジュールはＲＳＳＩ閾値を再評価する。ＲＳＳＩ閾値が有効である場合、モジュールはRSSI_thを更新し（ステップ３５２０）、それを次のエレベータ扉検出に使用する。

必要な帯域幅
本教示で前述したように、ＴＲベースのシステムの性能は、環境に自然に存在する多くのマルチパスを分解する能力に依存する。動作帯域幅が広いほど、時間分解能が高いため、より多くのマルチパスを分解できる。

しかし、スペクトルは依然として独自のコストを伴う希少なリソースである。そのため、ＴＲベースのシステムにおいて必要な帯域幅を判定する必要があり、１つのメトリックはシステムのスペクトル効率の最適化である。全体が本明細書で援用される２０１３年８月１６日出願の米国特許第１３／９６９，２７１号公報「Time-Reversal Wireless System Having Asymmetric Architecture」に開示されるような複数のアンテナ及び種々の帯域幅を用いる時間反転分割多元アクセス（ＴＲＤＭＡ）システムの一例を考慮する。システムに対する最適な帯域幅は、ユーザ数Ｎ及びバックオフ係数Ｄを与えた場合に最大スペクトル効率を達成するのに必要な帯域幅として定義される。最初に、一般的な屋内環境における実際のチャネル測定に基づいて、種々の帯域幅を用いるシステムに対する等価なマルチタップチャネルモデルを確立できる。種々の帯域幅及び異なるシグネチャの種類（例えば、基本的なＴＲシグネチャ及びゼロ強制（ＺＦ）シグネチャ）を用いるＴＲＤＭＡシステムのスペクトル効率を評価することにより、ＴＲ通信に対する最適な帯域幅はシグネチャの種類ではなくユーザ数Ｎ及びバックオフ係数Ｄにより判定されることがわかる。更に詳細には、システムに対する最適な帯域幅は、Ｄが小さい場合はＤと共に増加し、Ｄが大きい場合はＮと共に増加する。

スペクトル効率を調べることによりＴＲシステムに対する最適な帯域幅を取得できるが、準最適な帯域幅をチャネル行列のランク条件に基づいて導出することができ、これを取得することはスペクトル効率を評価するよりはるかに容易である。シミュレーション結果は理論的解析を実証し、Ｄが小さい場合、準最適な帯域幅は最適な帯域幅に非常に近いことを示す。

一般的な多重アンテナ時間反転分割多元アクセスシステム（ＴＲＤＭＡ－ＭＡシステム）のアップリンク送信を図３６に示す。図中、Ｎ個の端末装置（ＴＤ）がＭ個のアンテナを備えるアクセスポイント（ＡＰ）へ信号を同時に送信する。放出された信号はマルチパスチャネルｈ_i ^(m)を伝搬してＡＰに到着する。ｈ_i ^(m)は、ｉ番目のＴＤとＡＰにおけるｍ番目のアンテナとの間のマルチパスチャネルを表す。

マルチパスチャネルプロファイルによるシンボル間干渉（ＩＳＩ）を処理するために、バックオフ係数Ｄがシステムにおいて使用される。ユーザ間干渉（ＩＵＩ）の抑制に関して、ｇ_i ^(m)は、図３６に示すようにマルチパスチャネルｈ_i ^(m)に基づいて設計された等化器である。

ＴＲ通信の性能は本質的に、チャネルインパルス応答（ＣＩＲ）内の分解された独立タップの数に依存し、これはＴＤの多元アクセスを可能にするために使用される。大規模ＭＩＭＯシステムのように多数のアンテナを配置する代わりに、ＴＲ技術は環境に自然に存在するマルチパスを広帯域幅で取得しようとする。以下の説明において、最初に、分解された独立したマルチパスの数とシステム帯域幅との間の関係を示すことができる。次に、本教示における後の理論的解析のために、種々の帯域幅を用いるチャネルモデルが確立される。

ｉ番目のＴＤからＡＰにおけるｍ番目のアンテナへの全部でＫ_max個の独立したマルチパスが存在すると仮定した場合、チャネルｈ_i ^(m) (ｔ)を以下のように表すことができる。

式中、ｈ_i,k ^(m)はｋ番目の経路の複素チャネル利得であり、τ_kはｋ番目の経路の経路遅延である。一般性を失うことなく、τ₁＝０であると仮定でき、その結果、チャネルの遅延スプレッドは

により与えられる。

実際の通信システムの限定された帯域幅Ｗにより制限されるため、送信の実効帯域幅を限定するために通常はパルス整形フィルタが使用される。一般に、パルスの持続時間Ｔ_pは、関係Ｔ_p＝１／Ｗによって、使用可能な帯域幅Ｗにより限定される。従って、限定された帯域幅Ｗを有するシステムに対する等価なチャネル応答を以下のように表すことができる。

式（２０）から、限定された帯域幅Ｗにより、時間差がＴ_p未満である経路は混合されることがわかる。換言すると、システムにおける等価なＣＩＲにおいて、それらの経路は１つの経路であるかのように処理される。

解析に従って、チャネルモデルを以下のように考慮できる。

式中、Ｌは帯域幅Ｗを与えられた場合の分解された独立タップの数であり、αは環境により判定される定数である。尚、ＬはＬ＝ｆ(Ｗ)によって帯域幅により判定され、ｆは特定の範囲のＷを与えられた場合の一対一マッピングである。これは、実験により曲線フィッティングが可能である。関数ｆは、後で実際の実験で調べられる。式（２１）から、期待チャネル利得全体

は種々のＷ及びＬに対して一定のままであることがわかる。更に、Ｌが大きいほど、時間分解能が高いため、式（２１）における２つのタップに対する減衰は小さい。

表記を簡潔にするために、最適なＬ^*を以下の解析で見つけることができ、対応する最適なＷ^*をｆの逆マッピングにより取得できる。

データ送信の前に、Ｎ個のＴＤは最初にインパルス信号を順番に送信する。これは実際は、システム帯域幅に依存する修正済み二乗余弦信号であってもよい。ＡＰは、ｉ番目のＴＤに対する各アンテナのチャネル応答ｈ_i ^(m)を推定し、完全なチャネル推定を仮定できる。

各リンクの全てのｈ_i ^(m)を取得する際、異なる設計された等化器g_i ^(m)（例えば、基本的なＴＲシグネチャ及びＺＦシグネチャ）をＡＰ側に配置できる。非対称なシステムアーキテクチャによると、これらのシグネチャ波形は図３６に示すようなアップリンク送信段階における等化器として機能する。

ＡＰへ送信されるｉ番目のＴＤにおける情報シンボルの系列を{Ｘ_i}とする。ＩＳＩを抑制し且つシンボル率をチップ率とマッチさせるために、２つのシンボル間に（Ｄ－１）個の０を挿入することによりバックオフ係数Ｄが導入される。

式中、(・)^[D]はＤ回のアップサンプリングを示す。Ｎ個のＴＤのアップサンプリングされた情報シンボルは、マルチパスチャネルを介して送信され、ＡＰにおいて合計される。例えばＡＰのｍ番目のアンテナにおいて受信された信号は以下のように表される。

式中、ｎ_mはｍ番目のアンテナにおける付加ガウスノイズである。

ｉ番目のＴＤに対する均等化されたシンボルは、Ｍ個のアンテナにわたり以下のように組み合わされる。

畳み込みを内積に置き換えることにより、式（２６）を以下のように書き換えることができる。

その結果、ｉ番目のＴＤの有効ＳＩＮＲを式（２８）に示すように導出できる。

式（２８）に基づいて、ｉ番目のＴＤの有効ＳＩＮＲはＮ及びＤのみでなく、システム帯域幅に密接に関連するＬにも依存する。

式（２１）に示すチャネルモデルに基づいて、帯域幅Ｗとチャネルタップの数Ｌとの間の一対一マッピングが存在する。従って、式（２８）に示すようなＴＲＤＭＡ－ＭＡシステムの個別のスペクトル効率の判定において、帯域幅は重要な役割を果たす。

ＴＲＤＭＡ－ＭＡシステムにおけるｉ番目のＴＤのスペクトル効率は、以下のように定義される。

これは、Ｄが固定された場合のSINR_iの増加関数である。Ｎ及びＤを与えられた場合、スペクトル効率を最大化する最適なＬ^*は以下のように表される。

式中、Ｎ個のＴＤは均一に分布し、同一のスペクトル効率を共有すると仮定される。その後、最適な帯域幅Ｗ^*を以下のように取得できる。

式中、ｆは、システム帯域幅Ｗを分解された独立タップの数Ｌにマッピングする関数である。関数ｆは、例えば図３における実験データに対する曲線フィッティングを用いて導出可能であり、これは異なる屋内環境で変化してもよい。

様々な種類のシグネチャをＴＲＤＭＡ－ＭＡシステムに配置でき、それにより異なるスペクトル効率値を得られるが、自由度の数を同一にするため、シグネチャ設計方法はＴＲＤＭＡ－ＭＡシステムに対するＬ^*及び最適な帯域幅Ｗ^*に影響を与えてはならない。更に、帯域幅ＷとＬとの間には一対一マッピングが存在するため、最適なＬ^*を以下のように求めることができる。

例えば、基本的なＴＲシグネチャ及びＺＦシグネチャを有するＴＲＤＭＡ－ＭＡシステムに対するＬ^*を調べることができる。

ｉ番目のＴＤとｍ番目のアンテナとの間のＣＩＲを取得する際、基本的なＴＲシグネチャは、時間反転ＣＩＲの正規化された（Ｍ個のアンテナの平均チャネル利得により）複素共役として取得できる。

式（３２）に基づいて、式（２８）における期待信号電力、ＩＳＩ及びＩＵＩの項を以下のように表すことができる。

ｈ_i ^(m)のタップ及び異なるリンクのＣＩＲが互いに独立していると仮定する。その場合、式（２１）のチャネルモデルに従って、以下を得ることができる。

ユーザ数Ｎ及びバックオフ係数Ｄが固定された場合、Ｐ_sigは送信アンテナの数Ｍと共に増加することがわかる。しかし、項数は多いのに各タップの電力がはるかに小さくなるため、Ｐ_sigはＬと共に減少する。他の項に関して、Ｐ_isiはＬと共に増加するが、Ｐ_iuiはＬと共に減少する。従って、広い帯域幅を使用する主な利点は、多くのマルチパスを分解することによりＩＵＩを抑制することである。一方、Ｌが大きいと、信号電力は小さくなり、ＩＳＩは大きくなる。これらの観察に基づいて、大きいＬがＰ_sig及びＰ_isiの双方に与える副作用よりＩＵＩの減少が優勢である場合、スペクトル効率はＬと共に増加する。従って、最大スペクトル効率を達成できる最適なＬ^*及びＷ^*が存在することになる。

個別のＴＤのＣＩＲに基づいて設計される基本的なＴＲシグネチャと異なり、ＺＦシグネチャは全てのＴＤのＣＩＲに従って設計される。

Ｑ_mがフル列ランクである場合を最初に考慮してもよい。このシナリオでは、式（３６）及び式（３９）に基づいて、式（２８）における所期の信号の期待電力、ＩＳＩ及びＩＵＩを以下のように導出できる。

式（４０）から、Ｑ_mがフル列ランクである場合、干渉Ｐ_isi及びＰ_iuiを完全に相殺できないことがわかる。以下に示す数値シミュレーション結果に基づいて、Ｑ_mはフル行ランクである傾向があるため、干渉は減少する。

Ｑ_mがフル行ランクになると、式（３６）に従って、全ての干渉を除去できる。更に詳細には、以下を得られる。

数値シミュレーションから、式（４３）は最初はＬと共に増加し、その後、飽和する。従って、フル行ランクのシナリオでは、スペクトル効率は最初はＬと共に増加し、その後、飽和する。

上記の解析から、最適なＬ^*はＱ_mのランク条件に密接に関係する。ＩＳＩ及びＩＵＩを抑制するために、Ｌ^*は、Ｑ_mをフル行ランクにするか又はフル行ランクにする可能性が最も高いＬに近い必要がある。この観察は、Ｑ_mのランク条件のみに基づいて、Ｌ^*の近似としての準最適な

を探す動機付けとなる。以下の説明において、Ｑ_mをフル行ランクにするためのＬの十分条件を解析できる。

式（４６）によると、準最適な

は、ユーザ数Ｎ及びバックオフ係数Ｄ等のシステムパラメータのみに依存し、そのため、最適なＬ^*を導出するためにスペクトル効率を評価するよりはるかに容易に取得できる。最適なＬ^*又は準最適な

が導出されると、式（３１）に従って、システムの対応する帯域幅を取得できる。式（３１）における導出の一例を以下のシミュレーションに示す。

シミュレーションにおいて、最初に、分解可能な独立したマルチパスの数Ｌとシステム帯域幅Ｗとの間の関係を実証するために、屋内環境における実験を行うことができる。その後、最適なＬ^*を評価し、従って基本的なＴＲシグネチャ及びＺＦシグネチャの双方を用いるＴＲＤＭＡ－ＭＡシステムの最適な帯域幅を評価するために、シミュレーションを行う。

オフィスにおけるチャネルをプロービングするために、２つのユニバーサルソフトウェア無線周辺機器（ＵＳＲＰ）をチャネルサウンダとして使用してもよい。この場合、図５に示すように、ＴＸは５ｃｍの分解能を有するチャネルプロービングテーブルに配置され、ＲＸは廊下に設置される。周波数ホッピングを用いて４．９～５．９ＧＨｚでスペクトルをスキャンして、１００ｍＷの送信電力を使用する１０ＭＨｚ～１ＧＨｚの帯域幅のＣＩＲを取得できる。

測定データに基づいて、固有値解析を使用して、何らかの所定の帯域幅Ｗに対する分解された独立したマルチパスの数を判定する。最初に、統計的平均を使用して測定チャネルＫ_h,Wの共分散行列を推定できる。

式中、ｈ_i,Wは帯域幅Ｗ及びＮ＝１００でロケーションｉにおいて取得されたチャネル情報である。Ｋ_h,Wがエルミート正定値であるため、以下のようにユニタリ行列Ｕが存在する。

実験結果を図３７に要約する。図３７から、帯域幅が小さい場合、チャネルエネルギーは少数の固有値に集中するが、帯域幅が増加するにつれて多数の固有値に拡散することがわかる。また、屋内環境における有意なマルチパスの数対システム帯域幅を図３８に示すことができる。単一アンテナを用いる場合、帯域幅が１ＧＨｚに増加するにつれてマルチパスの数は１００個に近づくことがわかる。そのような自由度は、更に多くのアンテナを配置することにより更に拡大することができる。

図３８に基づいて、ＷをＬにマッピングする関数ｆを曲線フィッティングにより取得できる。

以下の説明において、基本的なＴＲシグネチャを用いるシステムを考慮する。先行の解析から、最適なＬ^*はＤ及びＮの双方に密接に関係することがわかる。従って、以下の説明において、Ｌ^*に対するＤ及びＮの効果を別個に評価できる。

最初に、Ｎ＝５に固定した場合のＬ^*に対するＤの効果を調べることができる。システムのＳＮＲは２０ｄＢであると仮定できる。Ｄ＝２０の場合の１人のユーザのスペクトル効率を図３９に示し、Ｄ＝４の場合を図４０に示す。これらの図から、スペクトル効率がＭと共に増加しても、ＭがＬ^*に対する効果を有さないこと（すなわち、スペクトル効率のピークが同一のＬ^*の周辺に表れること）がわかるだろう。スペクトル効率の曲線は、Ｄが大きい場合と小さい場合とで非常に区別できるように見える。更に詳細には、スペクトル効率は、Ｄが大きい場合に上限を有するように見え、すなわち、スペクトル効率はＬが十分大きくなった後に飽和する。一方、Ｄが小さい場合は一意のＬ^*が存在する。スペクトル効率は、Ｌ＞Ｌ^*の場合に減少する。

次に、一連のＤを選択することにより更に一般的な例を調べることができる。ＭがＬ^*に対する効果を有さないため、アンテナ数はＭ＝２に固定される。基本的なＴＲシグネチャを用いる場合の個々のユーザのスペクトル効率を図４１に示す。図４１から、最初に、スペクトル効率がＤと共に減少することを観察できる。これは、項１／Ｄが式（２８）におけるＳＩＮＲの向上を支配するためである。次に、Ｌ^*に対するＤの効果がＤの値に非常に依存することがわかる。Ｄ＝１→５等、Ｄが小さい場合にＬ^*はＤと共に増加する。一方、Ｄ≧２０Ｄ等、Ｄが十分大きい場合にＬ^*はＤに依存しないように見える。

以下の説明において、Ｌ^*に対するＮの効果を調べることができる。既知であるように、Ｄが小さい場合、Ｌ^*はＭから独立し、Ｄにより判定される。従って、以下のシミュレーションにおいて、Ｄ＝２０（図４２）及びＤ＝４（図４３）の双方の場合でＭ＝２であり且つ種々のＮを用いるシステムを考慮することができる。図４２及び図４３から、ＩＵＩがＮと共に増加するため、スペクトル効率はＮと共に減少することがわかる。図４２に示すように、Ｄが大きい場合、Ｎが大きいほど、最大スペクトル効率を達成するためのＬ^*は大きい。図４３に示すように、Ｄが小さい場合、Ｌ^*はＮに依存しないことが更に実証される。

基本的なＴＲシグネチャを用いるスペクトル効率の上述のシミュレーション結果を要約することにより、Ｌ^*がＭではなくＮ及びＤにより判定されることがわかる。更に、Ｄが小さい場合、Ｌ^*はＮに依存せず、Ｄと共に増加する。一方、Ｄが大きい場合、Ｌ^*はＮと共に増加し、Ｄに依存しない。異なるシグネチャ設計方法は異なるスペクトル効率を達成できるが、Ｌ^*は特定のシグネチャ設計方法に依存しない必要がある。従って、Ｌ^*に関する結論はＺＦシグネチャのシナリオに対しても適用可能であり、このことは以下の説明で実証される。

前述したように、基本的なＴＲシナリオにおけるＬ^*に対するＤ及びＮの効果に関する何らかの一般的な結論を見つけることができる。以下の説明において、同一の結論がＺＦシグネチャのシナリオにも適用可能であることが示される。

最初に、Ｎ＝５に固定した場合のＬ^*に対するＤの効果を調べることができる。前述と同様に、ＺＦシグネチャを用いた場合のＤが大きい場合と小さい場合の双方に対するスペクトル効率を評価できる。システムのＳＮＲは２０ｄＢであると仮定できる。ＺＦシグネチャを用いる場合のスペクトル効率を図４４及び図４５に示す。図４４においてＤ＝２０であり、図４５においてＤ＝２である。最初に、スペクトル効率はＭと共に増加するが、Ｌ^*はＭに依存しない。図４４に示すようにＤが大きい場合、Ｌは最大スペクトル効率を達成する下限を有する。Ｄが小さい場合、図４５に示すように一意のＬ^*が存在する。

次に、種々のＤを用いた場合のＺＦシグネチャにおけるスペクトル効率を調べることができる。シミュレーションにおいて、Ｍ＝２及びＭ＝５に固定できる。図４６によると、Ｄが小さい場合、最大スペクトル効率を達成するためのＬ^*はＤと共に増加する。Ｄが十分大きい場合、Ｌ^*はＤに依存しない傾向がある。

以下の説明において、Ｌ^*に対するＮの効果を調べることができる。シミュレーションにおいて、Ｍ＝２及びＳＮＲを２０ｄＢに固定できる。図４８及び図４９にそれぞれ示すように、Ｄ＝２０及びＤ＝２の双方の場合に種々のＮを用いてスペクトル効率をシミュレーションする。図４８から、Ｄが十分大きい場合、Ｌ^*はＮと共に増加することが示される。しかし、図４９に示すように、Ｄが小さい場合、Ｌ^*はＮに依存しないようになる。

ＺＦシグネチャに対するシミュレーション結果から、Ｌ^*に対するＤ及びＮの効果は基本的なＴＲシグネチャの場合と全く同一であることがわかる。換言すると、Ｌ^*はシグネチャの種類に依存しないことが実証された。これらの結果を以下の式に要約できる。

式中、ｆ及びｇの双方は増加関数である。

式（４９）においてＬ^*に対する何らかの有用な結論がわかるが、Ｌ^*の正確な値を取得するためにスペクトル効率を評価する必要があり、それは計算コストが高い。上記の説明に基づいて、スペクトル効率を計算する代わりにランク評価を使用することができ、それによりＬ^*の準最適な近似が得られる。ランク評価はＺＦシグネチャの方が直感的であるが、上記の説明によると、それは他の種類のシグネチャにも適用可能である。

式（４６）に基づいて、準最適な

はＤ及びＮのみに依存する。これを図４７に示す。図４７から、準最適な

は式（４９）に関してＬ^*で構成されることがわかる。図４７と図４１及び図４６とを比較すると、Ｄが小さい場合、

はＬ^*の推定値として非常に正確である。図４２及び図４８に示すように、Ｄが大きい場合、

はＬ^*に対する下限になる。ＺＦシグネチャを用いるシステムの場合、式（４３）におけるｃ_zfは飽和するまでＬと共に増加し続けるため、スペクトル効率は

の後、しばらくの間はＬと共に増加し続ける。

Ｌ^*と比較して、準最適な

はより実用的な意味を有する。第１に、

の導出はスペクトル効率を評価することなくＤ及びＮのみに依存する。第２に、一般的な設定であるようにＤが小さい場合、

に基づくＬ^*の推定値は非常に正確である。

が導出されると、式（４９）に従って、システムの準最適な帯域幅を計算できる。

本開示で説明された種々のモジュール、ユニット及びそれらの機能性を実現するために、本明細書中で説明された要素（例えば、図１～図４９のいずれかに関して説明したシステムの構成要素）の１つ以上に対するハードウェアプラットフォームとしてコンピュータハードウェアプラットフォームを使用してもよい。そのようなコンピュータのハードウェア要素、オペレーティングシステム及びプログラミング言語は本質的に従来のものであり、当業者は、本明細書中で説明した散乱が多い環境における時間反転技術に基づく物体追跡を調べるために当該技術を適合するために、それらに十分に精通していると推測される。ユーザインタフェース要素を有するコンピュータは、パーソナルコンピュータ（ＰＣ）又は他の種類のワークステーション又は端末装置を実現するために使用されてもよいが、コンピュータは適切にプログラミングされた場合にサーバとして機能してもよい。当業者はそのようなコンピュータ機器の構造、プログラミング及び一般的な動作に精通していると考えられ、そのため、図面は自明である。

開示されるシステムは、ユーザインタフェース要素を含むハードウェアプラットフォームの機能ブロック図を有する専用システムにより実現可能である。コンピュータは、汎用コンピュータ又は専用コンピュータであってもよい。双方は、本教示に対する専用システムを実現するために使用可能である。このコンピュータは、本明細書中で説明するように、散乱が多い環境における時間反転技術に基づく物体追跡技術の何らかの構成要素を実現するために使用されてもよい。例えば図８のシステムは、コンピュータのハードウェア、ソフトウェアプログラム、ファームウェア又はそれらの組み合わせを介して、コンピュータ上で実現されてもよい。

従って、上記で概要を述べた散乱が多い環境における時間反転技術に基づく物体追跡方法の態様は、プログラミングにおいて実現されてもよい。技術のプログラム態様は、通常は、一種の機械可読媒体で搬送されるか又はそれに埋め込まれる実行可能なコード及び／又は関連するデータの形態である「製品」又は「製造品」であると考えられてもよい。有形不揮発性「記憶」型媒体は、コンピュータ又はプロセッサ等のためのメモリ又は他の記憶装置、あるいはソフトウェアプログラミングに対していつでもストレージを提供してもよい種々の半導体メモリ、テープドライブ及びディスクドライブ等、その関連付けられたモジュールのうちのいずれか又は全てを含む。

ソフトウェアの全体又は一部は、インターネット又は種々の他の電気通信ネットワーク等のネットワークを介して時々通信してもよい。そのような通信は、例えば１つのコンピュータ又はプロセッサから別のコンピュータ又はプロセッサへのソフトウェアのロードを可能にしてもよい。従って、ソフトウェア要素を担持してもよい別の種類の媒体は、有線ネットワーク、光固定ネットワーク及び種々のエアリンクを介して、ローカルデバイス間の物理インタフェースにわたり使用されるような光波、電波及び電磁波を含む。有線リンク、無線リンク又は光リンク等のそのような波を搬送する物理的要素もまた、ソフトウェアを担持する媒体であると考えられてもよい。本明細書中で使用されるように、有形「記憶」媒体に限定されない限り、コンピュータ又は機械「可読媒体」等の用語は、実行するためにプロセッサに命令を提供することに関係する何らかの媒体を示す。

従って、機械可読媒体は、有形記憶媒体、搬送波媒体又は物理的伝送媒体を含むがそれらに限定されない多くの形態をとってもよい。不揮発性記憶媒体は、例えば、図面に示すようなシステム又はその構成要素のいずれかを実現するために使用されてもよい何らかのコンピュータ等におけるいずれかの記憶装置等の光ディスク又は磁気ディスクを含む。揮発性記憶媒体は、そのようなコンピュータプラットフォームのメインメモリ等のダイナミックメモリを含む。有形伝送媒体は、同軸ケーブル、コンピュータシステム内でバスを形成するワイヤを含む銅線及び光ファイバを含む。搬送波伝送媒体は、無線周波数（ＲＦ）データ通信及び赤外線（ＩＲ）データ通信の間に生成されるような電気信号、電磁信号、音波又は光波の形態をとってもよい。従って、コンピュータ可読媒体の一般的な形態は、例えば、フロッピーディスク、フレキシブルディスク、ハードディスク、磁気テープ、他の何らかの磁気媒体、ＣＤ－ＲＯＭ、ＤＶＤ又はＤＶＤ－ＲＯＭ、他の何らかの光媒体、パンチカードの紙テープ、穴のパターンを有する他の何らかの物理記憶媒体、ＲＡＭ、ＰＲＯＭ及びＥＰＲＯＭ、ＦＬＡＳＨ－ＥＰＲＯＭ、他の何らかのメモリチップ又はカートリッジ、データ又は命令を伝送する搬送波、そのような搬送波を伝送するケーブル又はリンク、あるいはコンピュータがプログラミングコード及び／又はデータを読み出してもよい他の何らかの媒体を含んでもよい。コンピュータ可読媒体のそれらの形態の多くは、実行するために１つ以上の命令の１つ以上の系列を物理プロセッサに搬送することに関係してもよい。

本教示は種々の変更及び／又は拡張が可能であることが当業者には認識されるだろう。例えば上述した種々の構成要素の実現はハードウェア装置において具現化されてもよいが、既存のサーバへのインストール等、ソフトウェアのみによる解決策として実現されてもよい。更に、本明細書中で開示される散乱が多い環境における時間反転技術に基づく物体追跡は、ファームウェア、ファームウェア／ソフトウェアの組み合わせ、ファームウェア／ハードウェアの組み合わせ又はハードウェア／ファームウェア／ソフトウェアの組み合わせとして実現されてもよい。

本教示及び／又は他の例を構成すると考えられるものを上記に説明したが、種々の変更が行われてもよいこと、本明細書中で開示される主題は種々の形態及び例において実現されてもよいこと、本教示は一部のみを本明細書中で説明した多くのアプリケーションに適用されてもよいことが理解される。以下の特許請求の範囲は、本教示の真の範囲に含まれる適用、変更及び変形の全てを特許請求することを意図する。

Claims (32)

1. 少なくともプロセッサと、前記プロセッサと通信可能に結合されたメモリとを含む機械上で実行される、物体の移動をリアルタイムで追跡するための方法であって、
   前記物体の移動の前に前記物体の初期位置を取得することと、
   前記物体の前記移動の影響を受けたマルチパスチャネルから少なくとも１つの無線信号を取得することと、
   前記少なくとも１つの無線信号から前記マルチパスチャネルの時系列のチャネル状態情報（ＣＳＩ）を抽出することと、
   前記時系列のＣＳＩに基づいて前記物体の前記移動の距離を判定することと、
   前記物体の前記移動の方向を推定することと、
   前記距離、前記方向及び前記初期位置に基づいて、前記移動の後の前記物体の新しい位置を判定することとを含む、方法。
2. 請求項１に記載の方法であって、前記物体は、
   前記少なくとも１つの無線信号を送信する送信機と、
   前記少なくとも１つの無線信号を受信する受信機と、
   方向を推定するように構成されたセンサと、
   のうちの少なくとも１つを担持する、方法。
3. 請求項１に記載の方法であって、前記物体の移動の前記距離を判定することは、
   前記時系列のＣＳＩのそれぞれの位相オフセットを除去することと、
   前記時系列のＣＳＩのうちの連続するＣＳＩの各対に基づいて類似性スコアを計算することによって、それぞれが対応するＣＳＩ対の間の類似度を示す複数の計算された類似性スコアを取得することと、
   前記複数の計算された類似性スコアに基づいて、前記物体の前記移動に関連する空間共振減衰度を示す平均類似性スコアを計算することと、
   前記平均類似性スコアと基準減衰曲線とを比較することによって、推定距離を取得することとを含む、方法。
4. 請求項３に記載の方法であって、前記物体の前記移動の前記距離を判定することは、更に、
   前記時系列のＣＳＩにおける最初のＣＳＩと最後のＣＳＩとに基づいて、追加の類似性スコアを計算することと、
   前記追加の類似性スコアと所定の閾値とを比較することと、
   
   前記追加の類似性スコアが前記所定の閾値を上回る場合、前記物体の前記移動の前記距離が０であると判定することと、
   前記追加の類似性スコアが前記所定の閾値を上回らない場合、前記物体の前記移動の前記距離が推定距離であると判定することとを含む、方法。
5. 請求項３に記載の方法であって、前記類似性スコアは、ＣＳＩ対の、ＴＲＲＳ、相互相関、自己相関、２つのベクトルの内積、類似性スコア、距離スコア、位相補正、タイミング補正、タイミング補償及び位相オフセット補償のうちの少なくとも１つに基づいて計算される、方法。
6. 請求項１に記載の方法であって、前記物体の前記移動の前記距離を判定することは、
   サンプリング周期に従って抽出された時系列のＣＳＩのそれぞれの位相オフセットを除去することと、
   前記時系列のＣＳＩにおける最新のＣＳＩと前記時系列のＣＳＩにおける先行のＣＳＩのそれぞれとの間の類似性スコアを計算することによって、時系列の類似性スコアを取得することと、ここで、前記時系列の類似性スコアのそれぞれは、前記最新のＣＳＩと対応する先行のＣＳＩとの間の類似度を示し、
   前記時系列の類似性スコアに基づいて曲線を判定することと、
   前記曲線上の特徴点を識別することと、
   前記曲線上の前記特徴点に対応する期間を推定することと、
   前記期間中の前記移動の速度を推定することと、
   前記速度及び前記サンプリング周期に基づいて、前記物体の前記移動の推定距離を取得することとを含む、方法。
7. 請求項６に記載の方法であって、前記物体の前記移動の前記距離を判定することは、更に、
   前記時系列のＣＳＩにおける最初のＣＳＩと最後のＣＳＩとに基づいて、追加の類似性スコアを計算することと、
   前記追加の類似性スコアと所定の閾値とを比較することと、
   前記追加の類似性スコアが前記所定の閾値を上回る場合、前記物体の前記移動の前記距離が０であると判定することと、
   前記追加の類似性スコアが前記所定の閾値を上回らない場合、前記物体の前記移動の前記距離が前記推定距離であると判定することとを含む、方法。
8. 請求項６に記載の方法であって、前記類似性スコアは、ＣＳＩ対の、ＴＲＲＳ、相互相関、自己相関、２つのベクトルの内積、類似性スコア、距離スコア、位相補正、タイミング補正、タイミング補償及び位相オフセット補償のうちの少なくとも１つに基づいて計算される、方法。
9. 請求項６に記載の方法であって、前記曲線上の前記特徴点は、前記曲線上の第１の局所ピーク、前記曲線上の１つ以上の他の局所ピーク、前記曲線上の第１の局所底部、前記曲線上の１つ以上の他の局所底部、及び前記曲線上の局所ピーク又は局所底部と所定の関係を有する点のうちの少なくとも１つに基づいて識別される、方法。
10. 請求項６に記載の方法であって、前記曲線上の前記特徴点は、前記曲線上の第１の局所ピークに基づいて識別され、前記第１の局所ピークに対応する前記期間は、前記第１の局所ピークに対応する類似性スコアと前記時系列の類似性スコアのうちの２つの隣接する類似性スコアとに基づいて推定される、方法。
11. 請求項１に記載の方法であって、前記物体の前記移動の前記方向を推定することは、
    第１のセンサから前記物体の重力方向を取得することと、
    第２のセンサから前記物体の回転情報を取得することと、
    前記重力方向及び前記回転情報に基づいて、座標回転速度を判定することと、
    前記第２のセンサのセンサ読取り間隔を取得することと、
    前記座標回転速度及び前記センサ読取り間隔に基づいて、方向変化を計算することと、
    前記方向変化及び以前に推定された方向に基づいて、前記移動の前記方向を推定することとを含む、方法。
12. 請求項１１に記載の方法であって、第２のセンサから前記物体の回転情報を取得することは、ジャイロスコープから前記物体の角速度を取得することを含む、方法。
13. 請求項１に記載の方法であって、前記物体の前記移動の前記方向を推定することは、
    第１のロケーションから第２のロケーションまでの直線の第１の移動距離を取得することと、
    前記第２のロケーションから第３のロケーションまでの直線の第２の移動距離を取得することと、
    前記第１のロケーションから前記第３のロケーションまでの直線の第３の移動距離を取得することと、ここで、前記第１の移動距離、第２の移動距離及び第３の移動距離のうちの少なくとも１つは、前記時系列のＣＳＩに基づいて判定され、
    三角法に従って前記第１の移動距離、前記第２の移動距離及び前記第３の移動距離に基づいて前記物体の前記移動の前記方向を推定することとを含む、方法。
14. 請求項１に記載の方法であって、前記物体の前記移動の前記方向を推定することは、
    複数のアンテナにおける時間ウィンドウ内の空間共振強度の複数の平均減衰曲線を取得することと、
    前記複数の平均減衰曲線に基づいて、少なくとも１つのパターンを判定することと、
    前記少なくとも１つのパターンに基づいて、前記物体の前記移動の前記方向を推定することとを含む、方法。
15. 請求項１に記載の方法であって、
    前記少なくとも１つの無線信号は、インターネット、インターネットプロトコルネットワーク及び他の多重アクセスネットワークのうちの少なくとも１つであるネットワークを介して受信機によって受信され、
    前記受信機は、無線ＰＡＮ、ＩＥＥＥ８０２．１５．１（Ｂｌｕｅｔｏｏｔｈ（登録商標））、無線ＬＡＮ、ＩＥＥＥ８０２．１１（Ｗｉ－Ｆｉ）、無線ＭＡＮ、ＩＥＥＥ８０２．１６（ＷｉＭａｘ）、ＷｉＢｒｏ、ＨｉｐｅｒＭＡＮ、モバイルＷＡＮ、ＧＳＭ（登録商標）、ＧＰＲＳ、ＥＤＧＥ、ＨＳＣＳＤ、ｉＤＥＮ、Ｄ－ＡＭＰＳ、ＩＳ－９５、ＰＤＣ、ＣＳＤ、ＰＨＳ、ＷｉＤＥＮ、ＣＤＭＡ２０００、ＵＭＴＳ、３ＧＳＭ、ＣＤＭＡ、ＴＤＭＡ、ＦＤＭＡ、Ｗ－ＣＤＭＡ、ＨＳＤＰＡ、ＦＯＭＡ、１ｘＥＶ－ＤＯ、ＩＳ－８５６、ＴＤ－ＳＣＤＭＡ、ＧＡＮ、ＵＭＡ、ＨＳＵＰＡ、ＬＴＥ、２．５Ｇ、３Ｇ、３．５Ｇ、３．９Ｇ、４Ｇ、５Ｇ、６Ｇ、７Ｇ以上、他の無線システム及び他のモバイルシステムのうちの少なくとも１つの物理層に関連付けられる、方法。
16. 少なくともプロセッサと、前記プロセッサと通信可能に結合されたメモリとを含む機械上で実行される、エレベータのリアルタイムの位置を追跡するための方法であって、
    測定部が前記エレベータに対して固定位置を有するように前記エレベータに結合された前記測定部から、前記エレベータの加速度の未加工の推定値を表す第１の出力を取得することと、
    前記測定部から、前記エレベータと同一のロケーションにおける重力の測定値を表す第２の出力を取得することと、
    前記第１の出力及び前記第２の出力に基づいて、現在の時間スロットにおける垂直方向の前記エレベータの加速度を計算することと、
    先行の時間スロットにおいて計算された垂直方向の前記エレベータの以前の速度を取得することと、
    前記加速度及び前記以前の速度に基づいて、前記エレベータが移動しているかを判定することとを含む、方法。
17. 請求項１６に記載の方法であって、
    ある期間の前記測定部の読取り値を収集することによって、読取りバイアスを推定することと、
    前記読取り値の平均に基づいて前記読取りバイアスを計算することであって、前記読取りバイアスは、前記エレベータの前記加速度又は速度を計算する前に前記測定部の各出力から減算される、計算することと、
    によって、前記測定部をキャリブレーションすることを更に含む、方法。
18. 請求項１６に記載の方法であって、前記エレベータが移動しているかを判定することは、
    前記加速度と第１の閾値とを比較することと、
    前記以前の速度と第２の閾値とを比較することと、
    前記加速度が前記第１の閾値を上回るか、又は、前記以前の速度が前記第２の閾値を上回る場合に、
    前記エレベータは移動していると判定し、且つ、
    前記以前の速度と第３の閾値とを比較することと、
    前記加速度が前記第１の閾値を上回らず、且つ、前記以前の速度が前記第２の閾値を上回らない場合に、
    前記エレベータは移動していないと判定し、
    前記エレベータの速度を０に設定し、且つ、
    前記エレベータの現在の位置を推定することとを含む、方法。
19. 請求項１８に記載の方法であって、更に、
    前記以前の速度が前記第３の閾値を上回る場合に、エレベータに異常な落下が生じていることを示す警報を生成することと、
    前記以前の速度が前記第３の閾値を上回らない場合に、
    前記以前の速度及び前記加速度に基づいて、前記エレベータの更新された速度を生成し、
    前記更新された速度に基づいて、前記エレベータの更新された移動距離を生成し、且つ、
    前記エレベータの以前に推定された位置に前記更新された移動距離を加算することにより、前記エレベータの更新された位置を生成することとを含む、方法。
20. 請求項１８に記載の方法であって、前記エレベータの現在の位置を推定することは、
    前記現在の位置の推定値を最も近い階の高さに丸めることと、
    前記丸めることに基づく丸め誤差を判定することと、
    前記丸め誤差と第４の閾値とを比較することと、
    前記丸め誤差が前記第４の閾値を上回る場合に、前記エレベータが異常位置で停止したことを示す報告を生成することと、
    前記丸め誤差が前記第４の閾値を上回らない場合に、
    前記加速度が第５の閾値より小さいかを判定し、
    前記加速度が第５の閾値より小さい場合に、前記測定部の読取りバイアスの推定値を更新することとを含む、方法。
21. 請求項１６に記載の方法であって、前記測定部は、慣性計測装置（ＩＭＵ）、加速度計及びジャイロスコープのうちの少なくとも１つを含む方法。
22. 物体の移動をリアルタイムで追跡するためのシステムであって、
    前記物体の移動の影響を受けたマルチパスチャネルから少なくとも１つの無線信号を受信するように構成された受信機と、
    プロセッサと、
    前記プロセッサと通信可能に結合されたメモリとを備え、前記プロセッサは、
    前記物体の移動の前に前記物体の初期位置を取得し、
    前記少なくとも１つの無線信号から前記マルチパスチャネルの時系列のＣＳＩを抽出し、
    前記時系列のＣＳＩに基づいて前記物体の前記移動の距離を判定し、
    前記物体の前記移動の方向を推定し、
    前記距離、前記方向及び前記初期位置に基づいて、前記移動の後の前記物体の新しい位置を判定するように構成される、システム。
23. エレベータのリアルタイムの位置を追跡するためのシステムであって、
    測定部が前記エレベータに対して固定位置を有するように前記エレベータに結合された前記測定部であって、
    前記エレベータの加速度の未加工の推定値を表す第１の出力を生成し、且つ、
    前記エレベータと同一のロケーションにおける重力の測定値を表す第２の出力を生成するように構成される、前記測定部と、
    プロセッサと、
    前記プロセッサと通信可能に結合されたメモリとを備え、前記プロセッサは、
    前記第１の出力及び前記第２の出力に基づいて、現在の時間スロットにおける垂直方向の前記エレベータの加速度を計算し、
    先行の時間スロットにおいて計算された垂直方向の前記エレベータの以前の速度を取得し、且つ、
    前記加速度及び前記速度に基づいて、前記エレベータが移動しているかを判定するように構成される、システム。
24. 会場における物体の動きを検出するためのシステムであって、
    少なくとも１つの無線信号を送信するように構成された送信機と、
    前記会場における物体の動きの影響を受けうる前記少なくとも１つの無線信号を受信するように構成された受信機と、
    プロセッサと、
    前記プロセッサと通信可能に結合されたメモリとを備え、前記プロセッサは、
    前記少なくとも１つの無線信号から１つ以上の時系列のＣＳＩを抽出し、
    前記会場における物体の動きの度合いを表す統計値を、前記１つ以上の時系列のＣＳＩに基づいて計算し、
    前記統計値に基づいて、物体の動きが前記会場内に存在するかを判定するように構成される、システム。
25. 請求項２４に記載のシステムであって、前記統計値は、前記１つ以上の時系列のＣＳＩのうちのあるＣＳＩの実数部、当該ＣＳＩの虚数部、当該ＣＳＩのＣＳＩ振幅、当該ＣＳＩ振幅の二乗、当該ＣＳＩ振幅の他の関数、及び前記１つ以上の時系列のＣＳＩの関数から導出されたサンプル自己相関係数、のうちの少なくとも１つに基づいて計算される、システム。
26. 請求項２４に記載のシステムであって、
    前記少なくとも１つの無線信号は、複数のサブキャリアを含み、
    前記統計値を計算することは、
    前記複数のサブキャリアのそれぞれに対する時系列のＣＳＩを計算することと、
    各時系列のＣＳＩに基づいてサブ統計値を計算することによって、複数のサブ統計値を生成することと、
    前記複数のサブ統計値に基づいて前記統計値を計算することとを含む、システム。
27. 請求項２６に記載のシステムであって、物体の動きが前記会場内に存在するかは、
    前記複数のサブ統計値からの、物体の動きが存在するかに関する全ての決定を統合するための多数決と、
    前記複数のサブ統計値の統計的組み合わせと閾値との比較と、
    の少なくとも１つに基づいて判定される、システム。
28. エレベータの扉の状態を追跡するためのシステムであって、
    少なくとも１つの無線信号を送信するように構成された送信機と、
    前記扉の状態の影響を受けうる前記少なくとも１つの無線信号を受信するように構成された受信機と、
    プロセッサと、
    前記プロセッサと通信可能に結合されたメモリとを備え、前記送信機及び前記受信機の少なくとも１つは前記エレベータ内に位置付けられ、前記プロセッサは、
    前記少なくとも１つの無線信号に基づいて時系列の信号測定値を取得し、
    外れ値及びノイズのある測定値を軽減することにより前記時系列の信号測定値をフィルタリングすることで、それぞれが対応する時間スロットに関連する複数のフィルタリング済み測定値を生成し、
    前記時間スロットに関連する前記フィルタリング済み測定値及び閾値に基づいて、各時間スロットにおいて前記エレベータの前記扉が閉じているか又は開いているかを判定するように構成される、システム。
29. 請求項２８に記載のシステムであって、前記プロセッサは更に、
    前記扉が開いていることがわかっている際に受信された第１の複数の無線信号に基づいて、第１の時系列の信号測定値を取得し、
    前記扉が閉まっていることがわかっている際に受信された第２の複数の無線信号に基づいて、第２の時系列の信号測定値を取得し、
    前記扉の前記状態が変化する間の前記第１の時系列の信号測定値及び前記第２の時系列の信号測定値における変化パターンを判定し、
    前記変化パターンに基づいて前記閾値を計算するように構成される、システム。
30. 請求項２９に記載のシステムであって、前記プロセッサは更に、
    前記変化パターンを判定する際に実行される勾配推定及びピーク検出の少なくとも１つに基づいて、前記閾値を更新するように構成される、システム。
31. 請求項２８に記載のシステムであって、前記時系列の信号測定値のそれぞれは、前記少なくとも１つの無線信号の受信信号電力の関数に基づいており、前記関数は、受信信号強度インジケータ（ＲＳＳＩ）、受信チャネル電力インジケータ（ＲＣＰＩ）、参照信号受信電力（ＲＳＲＰ）、参照信号受信品質（ＲＳＲＱ）、信号対雑音比（ＳＮＲ）及び信号対干渉雑音比（ＳＩＮＲ）、のうちの少なくとも１つに基づいて判定される、システム。
32. 少なくともプロセッサと、前記プロセッサと通信可能に結合されたメモリとを含む機械上で実行される、ＴＲベースのシステムに必要とされる最小帯域幅を判定するための方法であって、
    リアルタイムの物体の移動の追跡、エレベータのリアルタイムの位置の追跡、会場における物体の動きの検出、エレベータの扉の状態の追跡、及びＴＲベースの通信、のうちの少なくとも１つを含む複数のアプリケーションから選択された、前記ＴＲベースのシステムに関連するアプリケーションを判定することと、
    前記アプリケーションがＴＲベースの通信であると判定された場合に、
    前記ＴＲベースのシステムのスペクトル効率を最大化する帯域幅に基づいて、前記ＴＲベースのシステムに必要とされる前記最小帯域幅を判定することと、
    前記アプリケーションがＴＲベースの通信ではないと判定された場合に、
    前記ＴＲベースのシステムのアンテナの品質に基づいて、且つ、前記アプリケーションに関連する１つ以上の特徴に基づいて、前記ＴＲベースのシステムに必要とされる前記最小帯域幅を判定することとを含む、方法。

Images