WO2020010558A1 - 检测方法和检测装置 - Google Patents
检测方法和检测装置 Download PDFInfo
- Publication number
- WO2020010558A1 WO2020010558A1 PCT/CN2018/095339 CN2018095339W WO2020010558A1 WO 2020010558 A1 WO2020010558 A1 WO 2020010558A1 CN 2018095339 W CN2018095339 W CN 2018095339W WO 2020010558 A1 WO2020010558 A1 WO 2020010558A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- positioning base
- impulse response
- line
- base station
- propagation
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0246—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving frequency difference of arrival or Doppler measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0273—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves using multipath or indirect path propagation signals in position determination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/01—Determining conditions which influence positioning, e.g. radio environment, state of motion or energy consumption
- G01S5/011—Identifying the radio environment
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0205—Details
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0205—Details
- G01S5/0218—Multipath in signal reception
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0252—Radio frequency fingerprinting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
一种检测方法(500)和检测装置(600),其中,检测方法(500)包括:当超宽带定位系统中的某一定位基站本次接收到脉冲响应时,利用所接收的脉冲响应,计算多个指定脉冲响应特征的值,作为本次某一定位基站的多个指定脉冲响应特征的值(502);计算本次某一定位基站的多个指定脉冲响应特征的值和前一次某一定位基站的多个指定脉冲响应特征的值之间的差值,作为本次某一定位基站的多个指定脉冲响应特征的变化量(504);至少基于本次某一定位基站的多个指定脉冲响应特征的变化量,利用已训练的分类器来确定某一定位基站本次参与的信号传播是否是非视距传播(506)。利用检测方法(500)和检测装置(600),能够减少利用分类器识别非视距传播的成本。
Description
本发明涉及超宽带(UWB)定位领域,尤其涉及检测方法、检测装置、计算设备和机器可读存储介质。
UWB定位是一种利用极窄的脉冲响应和1GHz以上带宽在室内对物体进行定位的技术。UWB定位系统包括多个定位基站和放置在要定位的对象上的定位标签。定位标签发送脉冲信号,该脉冲信号经过信道调制到达定位基站时变成脉冲响应。UWB定位系统利用定位基站接收的来自定位标签的脉冲响应来确定对象的定位。
当定位基站与定位标签之间的信号传播是没有障碍物阻挡的视距传播时,UWB定位系统可以获得对象的准确定位,然而,如果定位基站与定位标签之间的信号传播是有障碍物阻挡的非视距传播,那么UWB定位系统获得的定位是不准确的。因此,在UWB定位中,对非视距传播的识别是非常重要的。
目前已经出现利用机器学习模型作为分类器来识别UWB定位中的非视距传播的技术,其中,机器学习模型被训练为能够根据利用定位基站所接收的脉冲响应而计算的脉冲响应特征的值来将定位基站与定位标签之间的信号传播分类为视距传播或非视距传播。
然而,在不同的场合(例如,机场、停车场、火车站,学校等)中,利用定位基站接收的来自定位标签接收的脉冲响应而计算的脉冲响应特征的值具有很大的差异,因此,为了能训练得到在各种场合下通用的机器学习模型,需要收集在各种场合中定位基站接收的脉冲响应,以计算得到大量的脉冲响应特征的值作为训练样本数据来训练机器学习模型。从而,现有的利用机器学习模型识别非视距传播的成本较高。
发明内容
考虑到现有技术的以上问题,本发明的实施例提供检测方法、检测装置、计算设备和机器可读存储介质,其能够减少利用分类器识别非视距传播的成本。
本发明的实施例还提供检测方法、检测装置、计算设备和机器可读存储介质,其能够便于获知超带宽定位系统中的定位基站的测距误差大小。
按照本发明的实施例的一种检测方法,包括:当超宽带定位系统中的某一定位基站本次接收到来自某一定位标签的脉冲响应时,利用所接收的脉冲响应,计算多个指定脉冲响应特征的值,作为本次所述某一定位基站的所述多个指定脉冲响应特征的值;计算本次所述某一定位基站的所述多个指定脉冲响应特征的值和前一次所述某一定位基站的所述多个指定脉冲响应特征的值之间的差值,作为本次所述某一定位基站的所述多个指定脉冲响应特征的变化量;以及,至少基于本次所述某一定位基站的所述多个指定脉冲响应特征的变化量,利用已训练的分类器来确定所述某一定位基站本次参与的信号传播是否是非视距传播,其中,所述分类器被训练为能够根据所述超宽带定位系统中的任意定位基站的所述多个指定脉冲响应特征的变化量来将所述任意定位基站参与的信号传播分类为视距传播或非视距传播。
按照本发明的实施例的一种检测方法,包括:当超宽带定位系统中的某一定位基站接收到来自某一定位标签的脉冲响应时,利用所接收的脉冲响应,计算多个指定脉冲响应特征的值;基于所计算的所述多个脉冲响应特征的值,利用已训练的分类器来确定所述某一定位基站的测距误差的级别,其中,所述分类器被训练为能够基于所述超宽带定位系统的任意定位基站的所述多个脉冲响应特征的值将所述任意定位基站的测距误差分类为相应的级别。
按照本发明的实施例的一种检测装置,包括:第一计算模块,用于当超宽带定位系统中的某一定位基站本次接收到来自某一定位标签的脉冲响应时,利用所接收的脉冲响应,计算多个指定脉冲响应特 征的值,作为本次所述某一定位基站的所述多个指定脉冲响应特征的值;第二计算模块,用于计算本次所述某一定位基站的所述多个指定脉冲响应特征的值和前一次所述某一定位基站的所述多个指定脉冲响应特征的值之间的差值,作为本次所述某一定位基站的所述多个指定脉冲响应特征的变化量;以及,确定模块,用于至少基于本次所述某一定位基站的所述多个指定脉冲响应特征的变化量,利用已训练的分类器来确定所述某一定位基站本次参与的信号传播是否是非视距传播,其中,所述分类器被训练为能够根据所述超宽带定位系统中的任意定位基站的所述多个指定脉冲响应特征的变化量来将所述任意定位基站参与的信号传播分类为视距传播或非视距传播。
按照本发明的实施例的一种检测装置,包括:计算模块,用于当超宽带定位系统中的某一定位基站接收到来自某一定位标签的脉冲响应时,利用所接收的脉冲响应,计算多个指定脉冲响应特征的值;确定模块,用于基于所计算的所述多个脉冲响应特征的值,利用已训练的分类器来确定所述某一定位基站的测距误差的级别,其中,所述分类器被训练为能够基于所述任意定位基站的所述多个脉冲响应特征的值将所述任意定位基站的测距误差分类为相应的级别。
按照本发明的实施例的一种计算设备,包括:处理器;以及,存储器,其存储有可执行指令,所述可执行指令当被执行时使得所述处理器执行前述方法。
按照本发明的实施例的一种机器可读存储介质,其上具有可执行指令,当所述可执行指令被执行时,使得机器执行前述方法。
本发明的实施例的方案利用被训练为能够根据超宽带定位系统中的定位基站的脉冲响应特征的变化量来将该定位基站参与的信号传播分类为视距传播或非视距传播的分类器来确定超宽带定位系统中的定位基站参与的信号传播是否是非视距传播。由于利用在各种场合下收集的定位基站在不同时间接收的来自定位标签的脉冲响应计算得到的脉冲响应特征的变化相互之间差异很小,因而只需在一些典型场合中收集定位基站在不同时间接收的来自定位标签的脉冲响应,并利用所收集的脉冲响应计算得到脉冲响应特征的变化量作为训练 样本数据来训练用于识别非视距传播的分类器,就能得到在各种场合下通用的分类器。因此,与现有技术相比,本发明的实施例的方案能够减少利用分类器识别非视距传播的成本。
此外,本发明的实施例的方案利用被训练为能够根据超宽带定位系统中的定位基站的脉冲响应特征的值来将定位基站的测距误差分类为相应的级别的分类器来确定超宽带定位系统中的定位基站的测距误差的级别,很方便地就能够获知定位基站的测距误差大小,因此,与现有技术相比,本发明的实施例的方案能够便于获知定位基站的测距误差大小。
本发明的其它特征、特点、益处和优点通过以下结合附图的详细描述将变得更加显而易见。其中:
图1示出了按照本发明的第一实施例的用于模型训练的方法的总体流程图;
图2示出了按照本发明的第一实施例的检测方法的总体流程图;
图3示出了按照本发明的第二实施例的用于模型训练的方法的总体流程图;
图4示出了按照本发明的第二实施例的检测方法的总体流程图;
图5A示出了按照本发明的一个实施例的检测方法的流程图;
图5B示出了按照本发明的另一个实施例的检测方法的流程图;
图6A示出了按照本发明的一个实施例的检测装置的示意图;
图6B示出了按照本发明的另一个实施例的检测装置的示意图;以及
图7示出了按照本发明的一个实施例的计算设备的示意图。
下面将参考附图详细描述本发明的各个实施例。
一、非视距传播的识别
发明人经过大量的试验和研究发现,在UWB定位系统中,定位基站与定位标签之间的信号传播随时间变化存在四种变换方式,即:从视距传播变换为视距传播、从视距传播变换为非视距传播、从非视距传播变换为视距传播和从非视距传播变换为非视距传播,并且,在相同的信号传播变换方式下,利用在各种场合下收集的定位基站在不同时间接收的来自定位标签的脉冲响应计算得到的脉冲响应特征的变化相互之间差异很小。
基于以上发现,本发明的实施例利用脉冲响应特征的变化量作为训练样本数据来训练用于识别非视距传播的机器学习模型,只需在一些典型场合中收集定位基站在不同时间接收的来自定位标签的脉冲响应,并利用所收集的脉冲响应计算得到脉冲响应特征的变化量作为用于识别非视距传播的机器学习模型,就能得到在各种场合下通用的机器学习模型,这将能大大减少利用机器学习模型识别非视距传播的成本。
图1示出了按照本发明的第一实施例的用于模型训练的方法的总体流程图。图1所示的方法100可以由具有计算能力的任何计算设备来实现。该计算设备可以是但不局限于台式计算机、笔记本电脑、平板电脑、服务器或智能手机等。
如图1所示,在方框102,获取多个脉冲响应对。每一个脉冲响应对包括由位于多个场合中的某个场合的UWB定位系统中的某个定位基站接收的第一脉冲响应和第二脉冲响应,其中,该第一脉冲响应是该某个定位基站在某个时间在视距传播或非视距传播的情况下从某个定位标签中接收的,而该第二脉冲响应是该某个定位基站在该某个时间之后的另一个时间在视距传播或非视距传播的情况下从某个定位标签中接收的。例如但不局限于,该多个场合可以包括机场、火车站、停车场、大型购物中心等。
在方框106,将所获取的脉冲响应对分成第一信号组、第二信号组、第三信号组和第四信号组。其中,每一个信号组包括若干脉冲响 应对。
第一信号组对应于信号传播从视距传播变换为视距传播的情形,即,第一信号组所包括的任一脉冲响应对G1i中的第一脉冲响应g1i-1是在接收第一脉冲响应g1i-1的定位基站与发送跟第一脉冲响应g1i-1对应的脉冲信号的定位标签之间的信号传播(即,接收第一脉冲响应g1i-1的定位基站参与的信号传播)是视距传播的情况下被接收的,以及,该任一脉冲响应对G1i中的第二脉冲响应g1i-2是在接收第二脉冲响应g1i-2的定位基站与发送跟第二脉冲响应g1i-2对应的脉冲信号的定位标签之间的信号传播是视距传播的情况下被接收的。实际上,第一信号组所包括的多个脉冲响应对是在多个定位基站F1D参与的信号传播从视距传播变换为视距传播期间该多个定位基站F1D接收的。
第二信号组对应于信号传播从视距传播变换为非视距传播的情形,即,第二信号组所包括的任一脉冲响应对G2i中的第一脉冲响应g2i-1是在接收第一脉冲响应g2i-1的定位基站与发送跟第一脉冲响应g2i-1对应的脉冲信号的定位标签之间的信号传播是视距传播的情况下被接收的,以及,该任一脉冲响应对G2i中的第二脉冲响应g2i-2是在接收第二脉冲响应g2i-2的定位基站与发送跟第二脉冲响应g2i-2对应的脉冲信号的定位标签之间的信号传播是非视距传播的情况下被接收的。实际上,第二信号组所包括的多个脉冲响应对是在多个定位基站F2D参与的信号传播从视距传播变换为非视距传播期间该多个定位基站F2D接收的。
第三信号组对应于信号传播从非视距传播变换为视距传播的情形,即,第三信号组所包括的任一脉冲响应对G3i中的第一脉冲响应g3i-1是在接收第一脉冲响应g3i-1的定位基站与发送跟第一脉冲响应g3i-1对应的脉冲信号的定位标签之间的信号传播是非视距传播的情况下被接收的,以及,该任一脉冲响应对G3i中的第二脉冲响应g3i-2是在接收第二脉冲响应g3i-2的定位基站与发送跟第二脉冲响应g3i-2对应的脉冲信号的定位标签之间的信号传播是视距传播的情况下被接收的。实际上,第三信号组所包括的多个脉冲响应对是在多个定位 基站F3D参与的信号传播从视距传播变换为非视距传播期间该多个定位基站F3D接收的。
第四信号组对应于信号传播从非视距传播变换为非视距传播的情形,即,第四信号组所包括的任一脉冲响应对G4i中的第一脉冲响应g4i-1是在接收第一脉冲响应g4i-1的定位基站与发送跟第一脉冲响应g4i-1对应的脉冲信号的定位标签之间的信号传播是非视距传播的情况下被接收的,以及,该任一脉冲响应对G4i中的第二脉冲响应g4i-2是在接收第二脉冲响应g4i-2的定位基站与发送跟第二脉冲响应g4i-2对应的脉冲信号的定位标签之间的信号传播是非视距传播的情况下被接收的。实际上,第四信号组所包括的多个脉冲响应对是在多个定位基站F4D参与的信号传播从视距传播变换为非视距传播期间该多个定位基站F4D接收的。
在方框110,计算第一信号组、第二信号组、第三信号组和第四信号组各自的多个特征值向量对。其中,每一个信号组Cj的任一特征值向量对ck包括第一特征值向量和第二特征值向量,该任一特征值向量对ck中的第一特征值向量由利用信号组Cj所包括的其中一个脉冲响应对中的第一脉冲响应计算的多个指定脉冲响应特征PPT1的值构成,以及,该任一特征值向量对ck中的第二特征值向量由利用信号组Cj所包括的该其中一个脉冲响应对中的第二脉冲响应计算的该多个指定脉冲响应特征PPT1的值构成。
利用脉冲响应来计算脉冲响应特征的值在UWB定位领域是公知技术,在此省略对其的详细描述。例如但不局限于,该多个指定脉冲响应特征PPT1可以根据实际情况从以下脉冲响应特征中选取:定位基站与定位标签之间的距离,接收信号能量,最大幅度,最大幅度的上升时间,标准差,第一路径和最强路径的功率差,第一路径和最强路径的功率比,信噪比(SNR)、波形因数,接收脉冲峰值至开始时间延迟,平均超额延迟,均方时延扩展,峰度,波峰因数,峰值与平均功率比,以及,偏斜度。
在方框114,计算第一信号组、第二信号组、第三信号组和第四信号组各自的多个特征变化向量。每一个信号组Cj的任一特征变化 向量是信号组Cj的其中一个特征值向量对所包括的第一特征值向量和第二特征值向量之间的差值。这里,第一信号组的每一个特征变化向量表示该多个定位基站F1D的其中一个定位基站的该多个指定脉冲响应特征PPT1的变化量,第二信号组的每一个特征变化向量表示该多个定位基站F2D的其中一个定位基站的该多个指定脉冲响应特征PPT1的变化量,第三信号组的每一个特征变化向量表示该多个定位基站F3D的其中一个定位基站的该多个指定脉冲响应特征PPT1的变化量,以及,第四信号组的每一个特征变化向量表示该多个定位基站F4D的其中一个定位基站的该多个指定脉冲响应特征PPT1的变化量。
在方框118,使用第一信号组的特征变化向量作为负训练样本和第二信号组的特征变化向量作为正训练样本,来训练得到作为分类器的用于根据定位基站的该多个脉冲响应特征PPT1的变化量来将定位基站参与的信号传播分类为视距传播或非视距传播的第一机器学习模型M1,以及,使用第三信号组的特征变化向量作为负训练样本和第四信号组的特征变化向量作为正训练样本,来训练得到作为分类器的用于根据定位基站的该多个脉冲响应特征PPT1的变化量来将定位基站参与的信号传播分类为视距传播或非视距传播的第二机器学习模型M2。
其中,第一机器学习模型M1适用于定位基站参与的信号传播在变换前为视距传播的情形,而第二机器学习模型M2适用于定位基站参与的信号传播在变换前为非视距传播的情形。例如但不局限于,第一机器学习模型M1和第二机器学习模型M2可以是决策树、神经网络、支持向量机等。
图2示出了按照本发明的第一实施例的检测方法的总体流程图。图2所示的方法200可以由具有计算能力的任何计算设备来实现。该计算设备可以是但不局限于台式计算机、笔记本电脑、平板电脑、服务器或智能手机等。
如图2所示,在方框202,当UWB定位系统中的某个定位基站 CP本次接收到来自某个定位标签BQ的脉冲响应PUL时,利用所接收的脉冲响应PUL,计算该多个指定响应信号特征PPT1的值,作为本次定位基站CP的该多个指定脉冲响应特征PPT1的值。
在方框206,计算本次定位基站CP的该多个指定脉冲响应特征PPT1的值和前一次定位基站CP的该多个指定脉冲响应特征PPT1的值之间的差值,作为本次定位基站CP的该多个指定脉冲响应特征PPT1的变化量。
在方框210,根据定位基站CP前一次参与的信号传播是视距传播还是非视距传播,从已训练的第一机器学习模型M1和第二机器学习模型M2中选择相应的机器学习模型。这里,当定位基站CP前一次参与的信号传播是视距传播时第一学习模型M1被选择,以及,当定位基站CP前一次参与的信号传播是非视距传播时第二学习模型M2被选择。
在方框214,将本次定位基站CP的该多个指定脉冲响应特征PPT1的变化量输入所选择的机器学习模型,以确定定位基站CP本次参与的信号传播(即,定位基站CP与定位标签BQ之间的信号传播)是否是非视距传播。
二、定位基站的测距误差的级别的确定
到达时间差(TDOA)定位是一种常用的无线定位技术,其利用多个基站从待测对象接收到的信号的时间差来计算该待测对象的位置。当在UWB定位系统中应用TDOA定位技术来计算定位标签的位置时,在多个定位基站都接收到来自同一定位标签的脉冲响应的情况下,有时会出现基于该多个定位基站中的某些定位基站所接收的脉冲响应而计算的定位标签的位置是准确,但基于该多个定位基站中的另外一些定位基站所接收的脉冲响应而计算的定位标签的位置却是不准确。
发明人经过大量分析发现,在UWB定位系统中,如果接收到来自同一定位标签的脉冲响应的几个定位基站的测距误差相互之间相差不大,那么使用TDOA定位技术基于这几个定位基站所接收的脉 冲响应而计算的定位标签的位置基本上是准确,然而,如果接收到来自同一定位标签的脉冲响应的几个定位基站的测距误差相互之间相差很大,那么使用TDOA定位技术基于这几个定位基站所接收的脉冲响应而计算的定位标签的位置是不准确,这是因为在接收到来自同一定位标签的脉冲响应的几个定位基站的测距误差相互之间相差不大的情况下,当使用TDOA定位技术基于这几个定位基站所接收的脉冲响应来计算定位标签的位置时,这几个定位基站的测距误差基本上能相互抵消掉,从而使得所计算的定位标签的位置基本上是准确的。这里,定位基站的测距误差是指利用该定位基站接收的来自定位标签的脉冲响应而计算的该定位基站与该定位标签之间的估算距离与该定位基站与该定位标签之间的真实距离之差。
因此,如果能够事先知道定位基站的测距误差,那么在使用TDOA定位技术计算定位标签的位置时,选用测距误差基本上相同的那些定位基站接收的脉冲响应来计算定位标签的位置,就能计算得到定位标签的真实位置。然而,定位基站的测距误差通常不是固定不变的,现有技术没有提供便于确定定位基站的测距误差大小的方案。
发明人经过大量研究发现,如果定位基站与定位标签之间的信号传播线路被遮挡得越严重,那么定位基站的测距误差越大,并且,如果定位基站与定位标签之间的信号传播线路的被遮挡严重程度发生变化,那么基于该定位基站接收的来自该定位标签的脉冲响应而计算的脉冲响应特征的值也相应地发生变化。
基于以上发现,本发明的实施例将定位基站的测距误差划分成多个不同的测距误差范围并给每一个测距误差范围赋予一个不同的级别,训练得到作为分类器的用于根据定位基站的脉冲响应特征的值来将定位基站的测距误差分类为相应的级别的机器学习模型,然后利用所训练的机器学习模型来确定定位基站的测距误差的级别,从而便于获知定位基站的测距误差大小。
图3示出了按照本发明的第二实施例的用于模型训练的方法的总体流程图。图3所示的方法300可以由具有计算能力的任何计算设 备来实现。该计算设备可以是但不局限于台式计算机、笔记本电脑、平板电脑、服务器或智能手机等。
如图3所示,在方框302,获取多个定位基站PBS接收的多个脉冲响应PPS和针对该多个定位基站PBS各自的真实距离。
其中,该多个定位基站PBS是一个或多个UWB定位系统中的定位基站。该多个脉冲响应PPS中的每一个脉冲响应是该多个定位基站PBS的其中一个定位基站从某个定位标签接收的。针对该多个定位基站PBS中的任一定位基站的真实距离表示当该任一定位基站接收到该多个脉冲响应PPS中的该任一定位基站所接收的那个脉冲响应PPSi时该任一定位基站与发送跟脉冲响应PPSi对应的脉冲信号的那个定位标签之间的真正距离。例如但不局限于,该任一定位基站与发送跟脉冲响应PPSi对应的脉冲信号的定位标签之间的真实距离可以通过对安装在该任一定位基站所处的场合中的照相设备所拍摄的图像进行图像处理后获得。
在方框306,计算针对该多个定位基站PBS各自的估算距离。
其中,针对该多个定位基站PBS中的任一定位基站的估算距离表示利用该多个脉冲响应PPS中的该任一定位基站所接收的那个脉冲响应PPSi计算的在该任一定位基站接收到脉冲响应PPSi时该任一定位基站与发送跟脉冲响应PPSi对应的脉冲信号的那个定位标签之间的距离。例如但不局限于,可以计算该任一定位基站接收到脉冲响应PPSi的时刻和脉冲响应PPSi中携带的其被发送的时刻之间的时间差与光速的乘积,作为针对该任一定位基站的估算距离。
在方框310,计算该多个定位基站PBS各自的测距误差。该多个定位基站PBS中的任一定位基站的测距误差表示针对该任一定位基站的估算距离与真实距离之间的差值的绝对值。
在方框314,设置测距误差的多个级别L与多个不同的测距误差范围R的映射关系YG。在该映射关系YG中,该多个级别L中的每一个级别对应于该多个测距误差范围R的其中一个测距误差范围。例如但不局限于,该多个测距误差范围R可以包括0~20厘米、20~40厘米和40~60厘米三个测距误差范围。
在方框318,根据该多个定位基站PBS各自的测距误差所落入的测距误差范围和映射关系YG,确定该多个定位基站PBS各自的测距误差的级别。
在方框322,利用该多个脉冲响应PPS中的该多个定位基站PBS的任一定位基站所接收的那个脉冲响应,计算多个指定脉冲响应特征PPT2的值,作为该任一定位基站的该多个指定脉冲响应特征PPT2的值,从而得到该多个定位基站PBS各自的该多个指定脉冲响应特征PPT2的值。
该多个指定脉冲响应特征PPT2可以根据实际情况从以下脉冲响应特征中选取:定位基站与定位标签之间的距离,接收信号能量,最大幅度,最大幅度的上升时间,标准差,第一路径和最强路径的功率差,第一路径和最强路径的功率比,信噪比(SNR)、波形因数,接收脉冲峰值至开始时间延迟,平均超额延迟,均方时延扩展,峰度,波峰因数,峰值与平均功率比,以及,偏斜度。
在方框326,使用该多个定位基站PBS各自的该多个指定脉冲响应特征PPT2的值和测距误差的级别作为训练样本数据,训练得到作为分类器的机器学习模型M3。机器学习模型M3被训练为能够根据任意定位基站的该多个脉冲响应特征PPT2的值将该任意定位基站的测距误差分类为相应的级别。
图4示出了按照本发明的第二实施例的检测方法的总体流程图。图4所示的方法400可以由具有计算能力的任何计算设备来实现。该计算设备可以是但不局限于台式计算机、笔记本电脑、平板电脑、服务器或智能手机等。
如图4所示,在方框402,当UWB定位系统中的某个定位基站CP接收到来自某个定位标签BQ的脉冲响应PUL时,利用所接收的脉冲响应PUL,计算该多个指定响应信号特征PPT2的值,作为定位基站CP的该多个指定响应信号特征PPT2的值。
在方框406,将定位基站CP的该多个指定响应信号特征PPT2的值输入已训练的机器学习模型M3,以确定定位基站CP的测距误 差的级别。
所确定的定位基站CP的测距误差的级别可以显示出来供用户使用。
当UWB定位系统中的多个定位基站接收到来自同一定位标签的脉冲响应时,可以利用方法400确定该多个定位基站各自的测距误差的级别,然后可以利用该多个定位基站中的测距误差的级别相同的那些定位基站接收的脉冲响应通过TDOA定位技术来确定定位标签的位置,这与利用测距误差的级别不同的那些定位基站接收的脉冲信号通过TDOA定位技术进行定位相比,能够有效地提高定位准确性。
其它变型
本领域技术人员将理解,虽然在上面的第一实施例中,用于根据定位基站的脉冲响应特征的变化量来将定位基站参与的信号传播分类为视距传播或非视距传播的机器学习模型包括两个模型,即:第一机器学习模型M1和第一机器学习模型M2,然而,本发明并不局限于此。在本发明的其它一些实施例中,用于根据定位基站的脉冲响应特征的变化量来将定位基站参与的信号传播分类为视距传播或非视距传播的机器学习模型也可以是单个机器学习模型。在单个机器学习模型的情况下,可以使用第一信号组和第三信号组的特征变化向量作为负训练样本以及第二信号组和第四信号组的特征变化向量作为正训练样本,来训练得到该单个机器学习模型,并且,方法200不包括方框210。
本领域技术人员将理解,方法100仅是训练用于根据定位基站的脉冲响应特征的变化量来将定位基站参与的信号传播分类为视距传播或非视距传播的机器学习模型的示例方法,还可以采用其它任何合适的方法来训练用于根据定位基站的脉冲响应特征的变化量来将定位基站参与的信号传播分类为视距传播或非视距传播的机器学习模型。
本领域技术人员将理解,方法300仅是训练用于根据定位基站的脉冲响应特征的值将定位基站的测距误差分类为相应的级别的机器 学习模型的示例方法,还可以采用其它任何合适的方法来训练用于根据定位基站的脉冲响应特征的值将定位基站的测距误差分类为相应的级别的机器学习模型。
本领域技术人员将理解,虽然在上面的第一和第二实施例中,所使用的分类器是机器学习模型(即,第一机器学习模型M1、第一机器学习模型M2和机器学习模块M3),然而,本发明并不局限于此。在本发明的其它一些实施例中,所使用的分类器也可以是除了机器学习模型之外的任何合适的其它类型的分类器。
图5A示出了按照本发明的一个实施例的检测方法的流程图。图5A所示的检测方法500可以由具有计算能力的任何计算设备来实现。该计算设备可以是但不局限于台式计算机、笔记本电脑、平板电脑、服务器或智能手机等。
如图5A所示,检测方法500可以包括,在方框502,当超宽带定位系统中的某一定位基站本次接收到来自某一定位标签的脉冲响应时,利用所接收的脉冲响应,计算多个指定脉冲响应特征的值,作为本次所述某一定位基站的所述多个指定脉冲响应特征的值。
检测方法500还可以包括,在方框504,计算本次所述某一定位基站的所述多个指定脉冲响应特征的值和前一次所述某一定位基站的所述多个指定脉冲响应特征的值之间的差值,作为本次所述某一定位基站的所述多个指定脉冲响应特征的变化量。
检测方法500还可以包括,在方框506,至少基于本次所述某一定位基站的所述多个指定脉冲响应特征的变化量,利用已训练的分类器来确定所述某一定位基站本次参与的信号传播是否是非视距传播,其中,所述分类器被训练为能够根据所述超宽带定位系统中的任意定位基站的所述多个指定脉冲响应特征的变化量来将所述任意定位基站参与的信号传播分类为视距传播或非视距传播。
在一个方面,所述分类器包括第一分类器和第二分类器,其中,训练所述第一分类器使用的正训练样本和负训练样本分别是在第一多个定位基站参与的信号传播从视距传播转换为非视距传播期间所 述第一多个定位基站的所述多个指定脉冲响应特征的变化量和在第二多个定位基站参与的信号传播从视距传播转换为视距传播期间所述第二多个定位基站的所述多个指定脉冲响应特征的变化量,以及,训练所述第二分类器使用的正训练样本和负训练样本分别是在第三多个定位基站参与的信号传播从非视距传播转换为非视距传播期间所述第三多个定位基站的所述多个指定脉冲响应特征的变化量和在第四多个定位基站参与的信号传播从非视距传播转换为视距传播期间所述第四多个定位基站的所述多个指定脉冲响应特征的变化量,以及,其中,确定所述某一定位基站本次参与的信号传播是否是非视距传播包括:根据所述某一定位基站前一次参与的信号传播是视距传播还是非视距传播,从所述第一分类器和所述第二分类器中选择相应的分类器,其中,当所述某一定位基站前一次参与的信号传播是视距传播时所述第一分类器被选择,否则所述第二分类器被选择;以及,基于本次所述某一定位基站的所述多个指定脉冲响应特征的变化量,利用所选择的分类器来确定所述某一定位基站本次参与的信号传播是否是非视距传播。
在另一个方面,所述分类器是单个分类器,其中,训练所述分类器使用的正训练样本包括在第五多个定位基站参与的信号传播从视距传播转换为非视距传播期间所述第五多个定位基站的所述多个指定脉冲响应特征的变化量和在第六多个定位基站参与的信号传播从非视距传播转换为非视距传播期间所述第六多个定位基站的所述多个指定脉冲响应特征的变化量,以及,训练所述分类器使用的负训练样本包括在第七多个定位基站参与的信号传播从视距传播转换为视距传播期间所述第七多个定位基站的所述多个指定脉冲响应特征的变化量和在第八多个定位基站参与的信号传播从非视距传播转换为视距传播期间所述第八多个定位基站的所述多个指定脉冲响应特征的变化量。
图5B示出了按照本发明的另一个实施例的检测方法的流程图。图5B所示的检测方法560可以由具有计算能力的任何计算设备来实 现。该计算设备可以是但不局限于台式计算机、笔记本电脑、平板电脑、服务器或智能手机等。
如图5B所示,检测方法560可以包括,在方框562,当超宽带定位系统中的某一定位基站接收到来自某一定位标签的脉冲响应时,利用所接收的脉冲响应,计算多个指定脉冲响应特征的值。
检测方法560还可以包括,在方框564,基于所计算的所述多个脉冲响应特征的值,利用已训练的分类器来确定所述某一定位基站的测距误差的级别,其中,所述分类器被训练为能够基于所述超宽带定位系统中的任意定位基站的所述多个脉冲响应特征的值将所述任意定位基站的测距误差分类为相应的级别。
图6A示出了按照本发明的一个实施例的检测装置的示意图。图6A所示的检测装置600可以利用软件、硬件或软硬件结合的方式来执行。图6A所示的检测装置600例如可以安装在具有计算能力的任何计算设备中。
如图6A所示,检测装置600可以包括第一计算模块602、第二计算模块604和确定模块606。第一计算模块602用于当超宽带定位系统中的某一定位基站本次接收到来自某一定位标签的脉冲响应时,利用所接收的脉冲响应,计算多个指定脉冲响应特征的值,作为本次所述某一定位基站的所述多个指定脉冲响应特征的值。第二计算模块604用于计算本次所述某一定位基站的所述多个指定脉冲响应特征的值和前一次所述某一定位基站的所述多个指定脉冲响应特征的值之间的差值,作为本次所述某一定位基站的所述多个指定脉冲响应特征的变化量。确定模块606用于至少基于本次所述某一定位基站的所述多个指定脉冲响应特征的变化量,利用已训练的分类器来确定所述某一定位基站本次参与的信号传播是否是非视距传播,其中,所述分类器被训练为能够根据所述超宽带定位系统中的任意定位基站的所述多个指定脉冲响应特征的变化量来将所述任意定位基站参与的信号传播分类为视距传播或非视距传播。
在一个方面,所述分类器包括第一分类器和第二分类器,其中, 训练所述第一分类器使用的正训练样本和负训练样本分别是在第一多个定位基站参与的信号传播从视距传播转换为非视距传播期间所述第一多个定位基站的所述多个指定脉冲响应特征的变化量和在第二多个定位基站参与的信号传播从视距传播转换为视距传播期间所述第二多个定位基站的所述多个指定脉冲响应特征的变化量,以及,训练所述第二分类器使用的正训练样本和负训练样本分别是在第三多个定位基站参与的信号传播从非视距传播转换为非视距传播期间所述第三多个定位基站的所述多个指定脉冲响应特征的变化量和在第四多个定位基站参与的信号传播从非视距传播转换为视距传播期间所述第四多个定位基站的所述多个指定脉冲响应特征的变化量,以及,所述确定模块包括:选择模块,用于根据所述某一定位基站前一次参与的信号传播是视距传播还是非视距传播,从所述第一分类器和所述第二分类器中选择相应的分类器,其中,当所述某一定位基站前一次参与的信号传播是视距传播时所述第一分类器被选择,否则所述第二分类器被选择;以及,分类模块,用于基于本次所述某一定位基站的所述多个指定脉冲响应特征的变化量,利用所选择的分类器来确定所述某一定位基站本次参与的信号传播是否是非视距传播。
在另一个方面,所述分类器是单个分类器,其中,训练所述单个分类器使用的正训练样本包括在第五多个定位基站参与的信号传播从视距传播转换为非视距传播期间所述第五多个定位基站的所述多个指定脉冲响应特征的变化量和在第六多个定位基站参与的信号传播从非视距传播转换为非视距传播期间所述第六多个定位基站的所述多个指定脉冲响应特征的变化量,以及,训练所述分类器使用的负训练样本包括在第七多个定位基站参与的信号传播从视距传播转换为视距传播期间所述第七多个定位基站的所述多个指定脉冲响应特征的变化量和在第八多个定位基站参与的信号传播从非视距传播转换为视距传播期间所述第八多个定位基站的所述多个指定脉冲响应特征的变化量。
图6B示出了按照本发明的另一个实施例的检测装置的示意图。 图6B所示的检测装置660可以利用软件、硬件或软硬件结合的方式来执行。图6B所示的检测装置660例如可以安装在具有计算能力的任何计算设备中。
如图6B所示,检测装置660可以包括计算模块662和确定模块664。计算模块662用于当超宽带定位系统中的某一定位基站接收到来自某一定位标签的脉冲响应时,利用所接收的脉冲响应,计算多个指定脉冲响应特征的值。确定模块664用于基于所计算的所述多个脉冲响应特征的值,利用已训练的分类器来确定所述某一定位基站的测距误差的级别,其中,所述分类器被训练为能够基于所述任意定位基站的所述多个脉冲响应特征的值将所述任意定位基站的测距误差分类为相应的级别。
图7示出了按照本发明的一个实施例的计算设备的示意图。如图7所示,计算设备700可以包括处理器702和与处理器702耦合的存储器704。其中,存储器704存储有可执行指令,所述可执行指令当被执行时使得处理器702执行前述的任意方法。
本发明实施例还提供一种机器可读存储介质,其上存储可执行指令,所述可执行指令当被执行时使得机器执行前述的任意方法。
本领域技术人员应当理解,上面所公开的各个实施例可以在不偏离发明实质的情况下做出各种变形、修改和改变,这些变形、修改和改变都应当落入在本发明的保护范围之内。因此,本发明的保护范围由所附的权利要求书来限定。
Claims (10)
- 一种检测方法,包括:当超宽带定位系统中的某一定位基站本次接收到来自某一定位标签的脉冲响应时,利用所接收的脉冲响应,计算多个指定脉冲响应特征的值,作为本次所述某一定位基站的所述多个指定脉冲响应特征的值;计算本次所述某一定位基站的所述多个指定脉冲响应特征的值和前一次所述某一定位基站的所述多个指定脉冲响应特征的值之间的差值,作为本次所述某一定位基站的所述多个指定脉冲响应特征的变化量;以及至少基于本次所述某一定位基站的所述多个指定脉冲响应特征的变化量,利用已训练的分类器来确定所述某一定位基站本次参与的信号传播是否是非视距传播,其中,所述分类器被训练为能够根据所述超宽带定位系统中的任意定位基站的所述多个指定脉冲响应特征的变化量来将所述任意定位基站参与的信号传播分类为视距传播或非视距传播。
- 如权利要求1所述的检测方法,其中,所述分类器包括第一分类器和第二分类器,其中,训练所述第一分类器使用的正训练样本和负训练样本分别是在第一多个定位基站参与的信号传播从视距传播转换为非视距传播期间所述第一多个定位基站的所述多个指定脉冲响应特征的变化量和在第二多个定位基站参与的信号传播从视距传播转换为视距传播期间所述第二多个定位基站的所述多个指定脉冲响应特征的变化量,以及,训练所述第二分类器使用的正训练样本和负训练样本分别是在第三多个定位基站参与的信号传播从非视距传播转换为非视距传播期间所述第三多个定位基站的所述多个指定脉冲响应特征的变化量和在第四多个定位基站参与的信号传播从非视距传播转换为视距传播期间所述第四多个定位基站的所述多个指定脉冲响应特征的变化量,以及其中,确定所述某一定位基站本次参与的信号传播是否是非视距传播包括:根据所述某一定位基站前一次参与的信号传播是视距传播还是非视距传播,从所述第一分类器和所述第二分类器中选择相应的分类器,其中,当所述某一定位基站前一次参与的信号传播是视距传播时所述第一分类器被选择,否则所述第二分类器被选择;以及基于本次所述某一定位基站的所述多个指定脉冲响应特征的变化量,利用所选择的分类器来确定所述某一定位基站本次参与的信号传播是否是非视距传播。
- 如权利要求1所述的检测方法,其中,所述分类器是单个分类器,其中,训练所述单个分类器使用的正训练样本包括在第五多个定位基站参与的信号传播从视距传播转换为非视距传播期间所述第五多个定位基站的所述多个指定脉冲响应特征的变化量和在第六多个定位基站参与的信号传播从非视距传播转换为非视距传播期间所述第六多个定位基站的所述多个指定脉冲响应特征的变化量,以及,训练所述分类器使用的负训练样本包括在第七多个定位基站参与的信号传播从视距传播转换为视距传播期间所述第七多个定位基站的所述多个指定脉冲响应特征的变化量和在第八多个定位基站参与的信号传播从非视距传播转换为视距传播期间所述第八多个定位基站的所述多个指定脉冲响应特征的变化量。
- 一种检测方法,包括:当超宽带定位系统中的某一定位基站接收到来自某一定位标签的脉冲响应时,利用所接收的脉冲响应,计算多个指定脉冲响应特征的值;基于所计算的所述多个脉冲响应特征的值,利用已训练的分类器来确定所述某一定位基站的测距误差的级别,其中,所述分类器被训练为能够基于所述超宽带定位系统的任意定位基站的所述多个脉冲响应特征的值将所述任意定位基站的测距 误差分类为相应的级别。
- 一种检测装置,包括:第一计算模块,用于当超宽带定位系统中的某一定位基站本次接收到来自某一定位标签的脉冲响应时,利用所接收的脉冲响应,计算多个指定脉冲响应特征的值,作为本次所述某一定位基站的所述多个指定脉冲响应特征的值;第二计算模块,用于计算本次所述某一定位基站的所述多个指定脉冲响应特征的值和前一次所述某一定位基站的所述多个指定脉冲响应特征的值之间的差值,作为本次所述某一定位基站的所述多个指定脉冲响应特征的变化量;以及确定模块,用于至少基于本次所述某一定位基站的所述多个指定脉冲响应特征的变化量,利用已训练的分类器来确定所述某一定位基站本次参与的信号传播是否是非视距传播,其中,所述分类器被训练为能够根据所述超宽带定位系统中的任意定位基站的所述多个指定脉冲响应特征的变化量来将所述任意定位基站参与的信号传播分类为视距传播或非视距传播。
- 如权利要求5所述的检测装置,其中,所述分类器包括第一分类器和第二分类器,其中,训练所述第一分类器使用的正训练样本和负训练样本分别是在第一多个定位基站参与的信号传播从视距传播转换为非视距传播期间所述第一多个定位基站的所述多个指定脉冲响应特征的变化量和在第二多个定位基站参与的信号传播从视距传播转换为视距传播期间所述第二多个定位基站的所述多个指定脉冲响应特征的变化量,以及,训练所述第二分类器使用的正训练样本和负训练样本分别是在第三多个定位基站参与的信号传播从非视距传播转换为非视距传播期间所述第三多个定位基站的所述多个指定脉冲响应特征的变化量和在第四多个定位基站参与的信号传播从非视距传播转换为视距传播期间所述第四多个定位基站的所述多个指定脉冲响应特征的变化量,以及其中,所述确定模块包括:选择模块,用于根据所述某一定位基站前一次参与的信号传播是视距传播还是非视距传播,从所述第一分类器和所述第二分类器中选择相应的分类器,其中,当所述某一定位基站前一次参与的信号传播是视距传播时所述第一分类器被选择,否则所述第二分类器被选择;以及分类模块,用于基于本次所述某一定位基站的所述多个指定脉冲响应特征的变化量,利用所选择的分类器来确定所述某一定位基站本次参与的信号传播是否是非视距传播。
- 如权利要求5所述的检测装置,其中,所述分类器是单个分类器,其中,训练所述单个分类器使用的正训练样本包括在第五多个定位基站参与的信号传播从视距传播转换为非视距传播期间所述第五多个定位基站的所述多个指定脉冲响应特征的变化量和在第六多个定位基站参与的信号传播从非视距传播转换为非视距传播期间所述第六多个定位基站的所述多个指定脉冲响应特征的变化量,以及,训练所述分类器使用的负训练样本包括在第七多个定位基站参与的信号传播从视距传播转换为视距传播期间所述第七多个定位基站的所述多个指定脉冲响应特征的变化量和在第八多个定位基站参与的信号传播从非视距传播转换为视距传播期间所述第八多个定位基站的所述多个指定脉冲响应特征的变化量。
- 一种检测装置,包括:计算模块,用于当超宽带定位系统中的某一定位基站接收到来自某一定位标签的脉冲响应时,利用所接收的脉冲响应,计算多个指定脉冲响应特征的值;确定模块,用于基于所计算的所述多个脉冲响应特征的值,利用已训练的分类器来确定所述某一定位基站的测距误差的级别,其中,所述分类器被训练为能够基于所述任意定位基站的所述多 个脉冲响应特征的值将所述任意定位基站的测距误差分类为相应的级别。
- 一种计算设备,包括:处理器;以及存储器,其存储有可执行指令,所述可执行指令当被执行时使得所述处理器执行权利要求1-4中的任意一个所述的方法。
- 一种机器可读存储介质,其上具有可执行指令,当所述可执行指令被执行时,使得机器执行权利要求1-4中的任意一个所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201880095467.5A CN112425220B (zh) | 2018-07-12 | 2018-07-12 | 检测方法和检测装置 |
PCT/CN2018/095339 WO2020010558A1 (zh) | 2018-07-12 | 2018-07-12 | 检测方法和检测装置 |
US17/257,965 US11500055B2 (en) | 2018-07-12 | 2018-07-12 | Detection method and detection apparatus |
EP18925748.8A EP3823372A4 (en) | 2018-07-12 | 2018-07-12 | DETECTION METHOD AND DETECTION APPARATUS |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/095339 WO2020010558A1 (zh) | 2018-07-12 | 2018-07-12 | 检测方法和检测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2020010558A1 true WO2020010558A1 (zh) | 2020-01-16 |
Family
ID=69143016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2018/095339 WO2020010558A1 (zh) | 2018-07-12 | 2018-07-12 | 检测方法和检测装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11500055B2 (zh) |
EP (1) | EP3823372A4 (zh) |
CN (1) | CN112425220B (zh) |
WO (1) | WO2020010558A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114374985A (zh) * | 2020-10-14 | 2022-04-19 | Oppo广东移动通信有限公司 | 超带宽信号的接收信号强度修正方法与装置、电子设备 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11551006B2 (en) * | 2019-09-09 | 2023-01-10 | International Business Machines Corporation | Removal of personality signatures |
CN113660639B (zh) * | 2021-08-18 | 2023-07-14 | 电子科技大学 | 高速磁浮列车地面基站通信探测一体化系统及方法 |
CN115278876B (zh) * | 2022-09-19 | 2022-12-09 | 四川创智联恒科技有限公司 | 一种在5g网络和uwb共同定位的方法 |
CN117056818B (zh) * | 2023-10-08 | 2024-02-02 | 广东工业大学 | 一种基于cir第一路径的超宽带nlos信号识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399297A (zh) * | 2013-08-16 | 2013-11-20 | 哈尔滨工业大学深圳研究生院 | 一种基于机器学习的超宽带非视距鉴别方法 |
CN103684524A (zh) * | 2013-12-13 | 2014-03-26 | 北京邮电大学 | 一种基于uwb通信信号的目标识别方法 |
US20160048710A1 (en) * | 2013-07-12 | 2016-02-18 | Lawrence Livermore National Security, Llc | Long-range uwb remote powering capability at fcc regulated limit using multiple antennas |
CN105911539A (zh) * | 2016-04-19 | 2016-08-31 | 北京邮电大学 | 一种到达时间差的误差补偿值确定方法及装置 |
CN107037402A (zh) * | 2017-05-24 | 2017-08-11 | 南京图贝斯韦智能技术有限公司 | 一种基于uwb测距的室内非视距环境下的定位方法 |
CN107205226A (zh) * | 2017-04-18 | 2017-09-26 | 上海交通大学 | 基于信道分类的室内定位跟踪方法及系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008249396A (ja) * | 2007-03-29 | 2008-10-16 | Brother Ind Ltd | 移動局の静止判定を利用した位置検出システム |
US9002286B2 (en) * | 2009-03-30 | 2015-04-07 | Massachusetts Institute Of Technology | Method and system for identification and mitigation of errors in non-line-of-sight distance estimation |
US9229102B1 (en) * | 2009-12-18 | 2016-01-05 | L-3 Communications Security And Detection Systems, Inc. | Detection of movable objects |
US9720069B2 (en) * | 2012-10-10 | 2017-08-01 | Lg Electronics Inc. | Apparatus and method for measuring location of user equipment located indoors in wireless network |
KR20160107007A (ko) * | 2015-03-03 | 2016-09-13 | 삼성전자주식회사 | 혈압 측정 장치 및 방법 |
CN105445699B (zh) * | 2015-11-13 | 2018-04-13 | 哈尔滨工业大学深圳研究生院 | 一种非视距误差消除的测距方法及系统 |
CN107734479A (zh) * | 2017-09-11 | 2018-02-23 | 广东广业开元科技有限公司 | 一种基于无线传感技术的消防人员定位方法、系统和装置 |
WO2020034085A1 (zh) * | 2018-08-14 | 2020-02-20 | 罗伯特·博世有限公司 | 用于检测信号传播类型的方法和装置 |
-
2018
- 2018-07-12 EP EP18925748.8A patent/EP3823372A4/en active Pending
- 2018-07-12 US US17/257,965 patent/US11500055B2/en active Active
- 2018-07-12 WO PCT/CN2018/095339 patent/WO2020010558A1/zh unknown
- 2018-07-12 CN CN201880095467.5A patent/CN112425220B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160048710A1 (en) * | 2013-07-12 | 2016-02-18 | Lawrence Livermore National Security, Llc | Long-range uwb remote powering capability at fcc regulated limit using multiple antennas |
CN103399297A (zh) * | 2013-08-16 | 2013-11-20 | 哈尔滨工业大学深圳研究生院 | 一种基于机器学习的超宽带非视距鉴别方法 |
CN103684524A (zh) * | 2013-12-13 | 2014-03-26 | 北京邮电大学 | 一种基于uwb通信信号的目标识别方法 |
CN105911539A (zh) * | 2016-04-19 | 2016-08-31 | 北京邮电大学 | 一种到达时间差的误差补偿值确定方法及装置 |
CN107205226A (zh) * | 2017-04-18 | 2017-09-26 | 上海交通大学 | 基于信道分类的室内定位跟踪方法及系统 |
CN107037402A (zh) * | 2017-05-24 | 2017-08-11 | 南京图贝斯韦智能技术有限公司 | 一种基于uwb测距的室内非视距环境下的定位方法 |
Non-Patent Citations (1)
Title |
---|
See also references of EP3823372A4 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114374985A (zh) * | 2020-10-14 | 2022-04-19 | Oppo广东移动通信有限公司 | 超带宽信号的接收信号强度修正方法与装置、电子设备 |
CN114374985B (zh) * | 2020-10-14 | 2023-09-19 | Oppo广东移动通信有限公司 | 超带宽信号的接收信号强度修正方法与装置、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
US11500055B2 (en) | 2022-11-15 |
CN112425220B (zh) | 2023-05-30 |
US20210223351A1 (en) | 2021-07-22 |
EP3823372A4 (en) | 2023-02-01 |
EP3823372A1 (en) | 2021-05-19 |
CN112425220A (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020010558A1 (zh) | 检测方法和检测装置 | |
US20180121713A1 (en) | Systems and methods for verifying a face | |
US20150106053A1 (en) | Method and a system for determining the location of an object | |
JP2011214920A (ja) | 位置推定装置、位置推定方法及びプログラム | |
CN112929826B (zh) | 一种基于uwb三角定位与指纹信息的室内混合定位方法 | |
CN106908764B (zh) | 一种多目标光学跟踪方法 | |
US20160182164A1 (en) | Signal Strength Distribution Establishing Method and Wireless Positioning System | |
JP5606151B2 (ja) | レーダ装置 | |
WO2017054673A1 (zh) | 基于无线网络的定位方法和定位装置 | |
CN107205226B (zh) | 基于信道分类的室内定位跟踪方法及系统 | |
CN108989988B (zh) | 基于机器学习的室内定位方法 | |
WO2020034085A1 (zh) | 用于检测信号传播类型的方法和装置 | |
KR20150109884A (ko) | Uwb 레이더를 이용하여 목표물의 수를 카운팅 방법 및 장치 | |
Gempita et al. | Implementation of K-NN fingerprint method on receiving server for indoor mobile object tracking | |
US10012729B2 (en) | Tracking subjects using ranging sensors | |
Masek et al. | Improving the precision of wireless localization algorithms: ML techniques for indoor positioning | |
KR101480834B1 (ko) | 다중 경로 음파 전달 모델 및 표적 식별을 이용한 표적 기동분석 방법 | |
KR20200052751A (ko) | 차량용 측위 장치 및 그의 측위 방법과 그를 포함하는 차량 | |
JP2019174910A (ja) | 情報取得装置及び情報集計システム並びに情報集計装置 | |
CN107124700A (zh) | 一种基于tdoa通信距离估计的不确定性分析方法 | |
CN108055504B (zh) | 一种智能室内巡逻装置 | |
Li et al. | Enhancing Wi-Fi based indoor pedestrian dead reckoning with security cameras | |
US10048372B1 (en) | Methods and systems for resolution of sonar images | |
WO2020042143A1 (zh) | 用于检测信号传播类型的方法和装置 | |
CN114051209B (zh) | 一种基于智能反射面和场景几何模型的指纹定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 18925748 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |