室內定位方法以及使用該方法的裝置的制造方法
【技術領域】
[0001] 本發(fā)明涉及一種定位技術，特別是一種室內定位方法W及使用該方法的裝置。
【背景技術】
[0002] 傳統的室內定位技術仰賴具有角度檢測的無線通信裝置，例如WiFi或藍牙裝置， W及搭配到達角量測（angle of arrival measurement)來達成高度精確性。然而，尤其是 需要大量部署時，送樣的無線通信裝置不僅價格昂貴也相當耗電。因此，需要一種室內定位 方法W及使用該方法的裝置，使得此裝置的需要成本較低且低耗電。

【發(fā)明內容】

[0003] 本發(fā)明的實施例提出一種室內定位方法，由第一參考節(jié)點中的處理單元執(zhí)行，包 含W下步驟。監(jiān)聽多個第二參考節(jié)點的多個廣播信號，獲得廣播信號的多個信號量測值，從 第二參考節(jié)點傳送的廣播信息中獲得多個識別信息，W及獲得關聯于每一個識別信息的距 離長度。根據信號量測值及距離長度更新機器學習模型，其中機器學習模型描述信號量測 值及距離長度間的線性函數關系。
[0004] 本發(fā)明的實施例另提出一種室內定位方法，由第一參考節(jié)點中的處理單元執(zhí)行， 包含W下步驟。產生第一機器學習模型，從多個第二參考節(jié)點搜集多個第二機器學習模型， W及依據第二機器學習模型計算出平均的機器學習模型。接著，計算第一機器學習模型與 平均的機器學習模型之間的差異，判斷上述差異是否大于口檻值，W及，當差異大于口檻值 時，用平均的機器學習模型覆寫儲存于存儲器中的第一機器學習模型，其中平均的機器學 習模型描述信號量測值及距離長度間的線性函數關系。
[0005] 本發(fā)明的實施例提出一種室內定位裝置，包含通信接口及處理單元。處理單元通 過通信接口監(jiān)聽多個第二參考節(jié)點的多個廣播信號；獲得廣播信號的多個信號量測值；從 第二參考節(jié)點傳送的廣播信息中獲得多個識別信息；獲得關聯于每一識別信息的距離長 度；W及根據信號量測值及距離長度更新機器學習模型，其中，機器學習模型描述信號量測 值及距離長度間的線性函數關系。
[0006] 本發(fā)明的實施例提出一種室內定位裝置，包含通信接口、存儲器及處理單元。存儲 器儲存第一機器學習模型。處理單元產生第一機器學習模型；通過通信接口從多個第二參 考節(jié)點搜集多個第二機器學習模型；依據第二機器學習模型計算出平均的機器學習模型； 計算第一機器學習模型與平均的機器學習模型之間的差異；判斷差異是否大于口檻值；W 及當上述差異大于口檻值時，用平均的機器學習模型覆寫儲存于存儲器中的第一機器學習 模型，其中平均的機器學習模型描述信號量測值及距離長度間的線性函數關系。
[0007] 本發(fā)明的室內定位方法W及使用該方法的裝置降低了部署成本并且減少了耗電。
【附圖說明】
[0008] 圖1是依據本發(fā)明實施例的室內定位系統的示意圖。
[0009] 圖2是依據本發(fā)明實施例的運算裝置的系統架構圖。
[0010] 圖3是依據本發(fā)明實施例的運算裝置的系統架構圖。
[0011] 圖4是依據本發(fā)明實施例的由參考節(jié)點的處理單元執(zhí)行的產生機器學習模型的 方法流程圖。
[0012] 圖5是依據本發(fā)明實施例的范例機器學習模型。
[0013] 圖6是依據本發(fā)明實施例的由參考節(jié)點的處理單元執(zhí)行的更新偏差機器學習模 型的方法流程圖。
[0014] 圖7是依據本發(fā)明實施例的由盲節(jié)點的處理單元及參考節(jié)點的處理單元執(zhí)行的 定位方法流程圖。
[0015] 圖8是依據本發(fā)明實施例的室內導航情境示意圖。
[0016] 圖9是依據本發(fā)明實施例的由盲節(jié)點的處理單元、參考節(jié)點的處理單元及定位節(jié) 點的處理單元執(zhí)行的定位方法流程圖。
[0017] 圖10是依據本發(fā)明實施例的室內追蹤情境示意圖。
[0018] 附圖標號說明：
[0019] 10室內定位系統； 110~160參考節(jié)點；
[0020] 170盲節(jié)點； 210處理單元；
[0021] 220顯示單元； 230輸入裝置；
[0022] 240儲存裝置； 250存儲器；
[0023] 260通信接口； 310處理單元；
[0024] 330輸入裝置； 340儲存裝置；
[0025] 350存儲器； 360通信接口；
[0026] S410~S450方法步驟； 510理論機器學習模型；
[0027] 530實際機器學習模型； S610~S650方法步驟；
[0028] S711~S739方法步驟； 900定位節(jié)點；
[0029] 910處理單元； S911~S953方法步驟。
【具體實施方式】
[0030] W下說明為完成發(fā)明的較佳實現方式，其目的在于描述本發(fā)明的基本精神，但并 不用W限定本發(fā)明。實際的
【發(fā)明內容】
必須參考之后的權利要求范圍。
[0031] 必須了解的是，使用于本說明書中的"包含"、"包括"等詞，是用W表示存在特定的 技術特征、數值、方法步驟、作業(yè)處理、元件W及/或組件，但并不排除可加上更多的技術特 征、數值、方法步驟、作業(yè)處理、元件、組件，或W上的任意組合。
[0032] 于權利要求中使用如"第一"、"第二"、"第H"等詞是用來修飾權利要求中的元件， 并非用來表示之間具有優(yōu)先權順序，先行關系，或者是一個元件先于另一個元件，或者是執(zhí) 行方法步驟時的時間先后順序，僅用來區(qū)別具有相同名字的元件。
[0033] 圖1是依據本發(fā)明實施例的室內定位系統10的示意圖。例如，一個H度空間中包 含六個無線裝置110至160,而使用者可攜帶行動裝置170在H度空間中任意移動，并通過 無線裝置110至160的幫助知道目前的位置。行動裝置170可W是手機、平板電腦、筆記本 電腦等。為降低部署成本W及減少耗電，無線裝置110至160中的任一者并不包含昂貴的 角度檢測裝置。室內定位系統10可使用Apache? storm云端運算架構來實施，并且行動裝 置170可包含水龍頭服務器（spout server) W及閃電服務器化olt servers),而無線裝 置110至160可包含閃電服務器。本領域技術人員了解Apache? Storm云端運算架構可做 即時的巨量數據化ig data)運算，讓室內定位更為精確。無線裝置110至160可運行于微 作業(yè)系統（TinyO巧，又可稱為參考節(jié)點（reference nodes)。行動裝置170可運行于蘋果 (Apple) iOS、谷歌安卓（Google An化oid)或微軟視窗（Microsoft Windows)等作業(yè)系統， 又可稱為盲節(jié)點化Iind node)。
[0034] 圖2是依據本發(fā)明實施例的運算裝置的系統架構圖。此系統架構可實施于行動裝 置170,至少包含處理單元210。處理單元210可使用多種方式實施，例如W專用硬件電路 或通用硬件（例如，單一處理器、具平行處理能力的多處理器、圖形處理器或其他具運算能 力的處理器），并且在執(zhí)行程