專利名稱：在無線環(huán)境中移動(dòng)的目標(biāo)裝置的位置誤差估計(jì)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明一般涉及定位技術(shù)，其中在對(duì)目標(biāo)裝置的無線通信環(huán)境的一個(gè)或多個(gè)觀測(cè)結(jié)果的基礎(chǔ)上估計(jì)目標(biāo)裝置的位置。
背景技術(shù)：
圖1示意性地說明了上述定位技術(shù)的一個(gè)例子。目標(biāo)裝置T通過無線接口RI與基站BS通信。在這個(gè)例子中，假定通信為無線通信。目標(biāo)裝置T觀測(cè)在無線接口RI的信號(hào)值。將觀測(cè)結(jié)果O應(yīng)用于概率模型PM，該模型模擬目標(biāo)裝置的無線通信環(huán)境，并產(chǎn)生位置估計(jì)LE。在這里，目標(biāo)裝置是位置待確定的裝置。目標(biāo)裝置通過無線環(huán)境中的信號(hào)通信，而無線環(huán)境中的信號(hào)值被用來確定目標(biāo)裝置的位置。例如，目標(biāo)裝置可以是在無線局域網(wǎng)(WLAN)中通信的數(shù)據(jù)處理裝置，在這種情況下，基站一般被稱作接入點(diǎn)(AP)。數(shù)據(jù)處理裝置可以是通用目的膝上或掌上計(jì)算機(jī)或者通信裝置，或者可以是專用測(cè)試或測(cè)量裝置，如連接到無線局域網(wǎng)的醫(yī)療器具。在這里，位置是1到3個(gè)坐標(biāo)的坐標(biāo)組。在一些特殊的情況下，如在隧道中，單獨(dú)一個(gè)坐標(biāo)就足夠了；但是在大多數(shù)的情況下，位置用坐標(biāo)對(duì)(X，Y或角度/半徑)表示。
更特別地，本發(fā)明涉及基于隱馬爾可夫模型的定位技術(shù)。圖2示意性地說明了隱馬爾可夫模型。該模型由位置、位置間的轉(zhuǎn)變和在這些位置的觀測(cè)結(jié)果組成。在圖2所示的例子中，目標(biāo)裝置沿著有5個(gè)位置(從qt-2到qt+2)的路徑移動(dòng)。更一般地，qt定義在t時(shí)刻的位置分布，這樣P(qt＝s)就是目標(biāo)裝置在t時(shí)刻處于位置s的概率。然而，因?yàn)槲恢梅植寄軌蛉菀椎剞D(zhuǎn)換為單獨(dú)的位置估計(jì)，因此縮寫符號(hào)“位置q”用于表示位置分布q。
在這里，信號(hào)值是固定發(fā)射機(jī)的信號(hào)的可測(cè)量的并且取決于位置的量。例如信號(hào)強(qiáng)度和比特誤碼率/比是可測(cè)量的并取決于位置的量的例子。
隱馬爾可夫模型的“隱”字源于這樣的事實(shí)我們主要關(guān)心位置(從qt-2到qt+2)，但是位置不是直接可觀測(cè)的。作為代替，我們可以在信號(hào)值的基礎(chǔ)上獲得一系列的觀測(cè)結(jié)果(從ot-2到ot+2)，但是在觀測(cè)結(jié)果ot-2...ot+2與位置qt-2...qt+2之間沒有簡(jiǎn)單的關(guān)系。(注意從位置qt-2到qt+2的直線箭頭并不意味著目標(biāo)裝置沿著直的路徑或者以固定的速度移動(dòng)，或者觀測(cè)是等間隔進(jìn)行的)。
本發(fā)明要解決的問題來源于隱馬爾可夫模型我們不能觀測(cè)與距離或者位置有單調(diào)關(guān)系的變量。代替的定位方法是基于信號(hào)值的觀測(cè)結(jié)果。對(duì)于兩個(gè)或者更多的遠(yuǎn)距離位置，可能有幾組接近相等的信號(hào)值，位置估計(jì)可能非常不精確。本發(fā)明的好處在基于隱馬爾可夫模型的定位技術(shù)中是非常顯著的，同時(shí)也可以適用于其他的定位技術(shù)。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種方法和實(shí)現(xiàn)該方法的設(shè)備，以克服上述的缺點(diǎn)。換句話說，本發(fā)明的目的是確定基于期望信號(hào)值的概率模型的定位技術(shù)的可靠性測(cè)量。本發(fā)明的目的通過以獨(dú)立權(quán)利要求所敘述的為特征的方法和設(shè)備實(shí)現(xiàn)。
從屬權(quán)利要求公開了本發(fā)明的優(yōu)選實(shí)施例。本發(fā)明的一些優(yōu)選實(shí)施例涉及這種可靠性測(cè)量的新使用。
在這里，術(shù)語“概率模型”是指表明幾個(gè)樣本點(diǎn)的信號(hào)值的概率分布的模型。對(duì)于每一個(gè)信道或者信號(hào)值類型，如信號(hào)強(qiáng)度、比特誤碼率/比或者信噪比，應(yīng)該有一個(gè)單獨(dú)的模型，或者一個(gè)模型有幾層或幾個(gè)組件。樣本點(diǎn)(即位置)的期望信號(hào)值概率分布能通過校準(zhǔn)(物理測(cè)量)或者通過仿真或理論計(jì)算，或者通過這些技術(shù)的任意組合確定。新的樣本點(diǎn)可以通過對(duì)其它現(xiàn)有的樣本點(diǎn)內(nèi)插或外推獲得。
本發(fā)明的一個(gè)方面是一種確定目標(biāo)裝置的位置的誤差估計(jì)的方法，如E(x|o)=Σlp(l|o)dist(l,x)---[1]]]>其中x＝目標(biāo)裝置的估計(jì)位置；l＝位置變量(“l(fā)”代表位置，不是數(shù)字1)；o＝在觀測(cè)點(diǎn)的觀測(cè)結(jié)果(估計(jì)為x)p(l|o)＝位置變量l的可能值的概率分布；dist＝某個(gè)距離函數(shù)，例如歐幾里得距離、平方距離或類似函數(shù)。
上述等式1僅適用于離散位置變量l。如果l連續(xù)，則等式中的求和應(yīng)該用積分代替E(x|o)=∫lp(l|o)dist(l,x)---[2]]]>在等式2中，p(l|o)應(yīng)當(dāng)解釋為概率密度(代替分布)。
p(l|o)的真正解釋是目標(biāo)裝置位于位置l的概率。等式1和2能通過假定將誤差估計(jì)確定為加權(quán)平均值來邏輯組合，也就是說，幾個(gè)樣本點(diǎn)的乘積的組合，其中每一個(gè)乘積都包括所討論的樣本點(diǎn)是目標(biāo)裝置位置的概率，和所討論的樣本點(diǎn)與目標(biāo)裝置的估計(jì)位置之間的距離函數(shù)?！俺朔e的組合”意味著和或者積分，分別取決于模型是離散的還是連續(xù)的。如果是連續(xù)模型，概率分布應(yīng)被解釋為概率密度。
根據(jù)本發(fā)明的一個(gè)優(yōu)選實(shí)施例，誤差估計(jì)用于確定信號(hào)值概率分布需要確定的新的樣本點(diǎn)，或者需要例如通過重新校準(zhǔn)來重新確定的現(xiàn)有的樣本點(diǎn)。
本發(fā)明的另一個(gè)優(yōu)選實(shí)施例包括顯示地圖，其示出了幾個(gè)樣本點(diǎn)，并圖示出每一個(gè)樣本點(diǎn)的誤差估計(jì)。這種地圖提供了在不同位置定位的可靠性的快速視覺估計(jì)。
根據(jù)本發(fā)明的另一個(gè)優(yōu)選實(shí)施例，示出了在地圖上添加的區(qū)域，目標(biāo)裝置具有預(yù)定的概率n位于該區(qū)域內(nèi)，其中n是從80％到100％的值。例如，連續(xù)區(qū)域可以是橢圓。例如，這種區(qū)域使用戶可以看出附近是否有應(yīng)當(dāng)避免的危險(xiǎn)點(diǎn)。
根據(jù)本發(fā)明的一個(gè)優(yōu)選實(shí)施例，誤差估計(jì)用于定位潛在有用的新樣本點(diǎn)的候選。然后通過物理校準(zhǔn)或者基于傳播模型的計(jì)算確定信號(hào)值概率分布。本實(shí)施例基于這樣的思想具有高期望未來誤差(future error)的位置是有希望的新樣本點(diǎn)的候選。期望未來誤差能夠使用緊密格網(wǎng)(tightgrid)從等式1或2中計(jì)算出。例如，網(wǎng)格間隔是大約1米。一個(gè)或多個(gè)具有高期望誤差的網(wǎng)格點(diǎn)(grid point)，或者被幾個(gè)這樣的網(wǎng)格點(diǎn)包圍的點(diǎn)則用作新的樣本點(diǎn)。
由于未來是未知的，因此未來期望誤差可以通過對(duì)所有可能的未來觀測(cè)結(jié)果求和來估計(jì)EE(x)=ΣoE(x|o)p(o)---[3]]]>對(duì)于每一個(gè)網(wǎng)格點(diǎn)x，其中E(x|o)是從等式1(和)或等式2(積分)中得到的期望誤差。如果觀測(cè)結(jié)果向量的維數(shù)很高，使得根據(jù)等式3的求和是不可行的，那么求和能用采樣近似。一個(gè)更簡(jiǎn)單的方法是用校準(zhǔn)數(shù)據(jù)作為進(jìn)行采樣的集合，在這種情況下，只需要對(duì)校準(zhǔn)的觀測(cè)結(jié)果求和。
為了實(shí)現(xiàn)上述基于等式3的方法，需要確定未來觀測(cè)結(jié)果的概率分布或密度。一種更好的近似方法如下。當(dāng)從等式3中計(jì)算EE(x)時(shí)，假設(shè)概率分布或密度p(o)為基于過去的在最靠近位置x的樣本點(diǎn)的觀測(cè)結(jié)果計(jì)算的概率分布或密度。如果E(x|o)用dist(l*，x)近似，其中l(wèi)*是定位系統(tǒng)在看到觀測(cè)結(jié)果o后產(chǎn)生的點(diǎn)估計(jì)，則該算法的效率可以提高。


下面將通過優(yōu)選實(shí)施例并參考附圖，更詳細(xì)地描述本發(fā)明，其中圖1示意性地說明了定位技術(shù)；圖2說明了隱馬爾可夫模型；圖3示意性地說明了離散概率模型；圖4是說明本發(fā)明原理的流程圖；圖5示出了基于在無線接口RI的信號(hào)值估計(jì)目標(biāo)裝置的位置的位置估計(jì)模塊LEM；圖6A和圖6B是說明典型的位置待確定的目標(biāo)裝置的框圖；圖7示出了用于可視化位置估計(jì)的可靠性的可視化技術(shù)的一個(gè)例子；圖8A和圖8B說明了用于選擇鄰近點(diǎn)或包含目標(biāo)裝置位置的組合概率量(combined probability mass)超過給定閾值的區(qū)域的實(shí)施例；圖9A到圖9C說明了用于確定組合概率量超過給定閾值的橢圓的實(shí)施例；圖10A到圖10D說明了用于確定組合概率量超過給定閾值的不規(guī)則形狀區(qū)域的實(shí)施例。
具體實(shí)施例方式
再一次參考圖2，其示出了一系列信號(hào)值的觀測(cè)結(jié)果ot-2到ot+z。對(duì)于每一個(gè)觀測(cè)結(jié)果，沿著目標(biāo)裝置的路徑都有各自的位置qt-2到qt+z。這一關(guān)系用箭頭21表示。箭頭21的方向意味著位置qt確定觀測(cè)結(jié)果ot中包含的信號(hào)值，但反之不成立。換句話說，我們只能直接觀測(cè)信號(hào)值，而從觀測(cè)結(jié)果ot到對(duì)應(yīng)的位置qt沒有簡(jiǎn)單的關(guān)系。在開放的海上，信號(hào)值可預(yù)見地隨離開發(fā)射機(jī)的距離減小，但實(shí)際上在本發(fā)明應(yīng)用的所有環(huán)境中，離開發(fā)射機(jī)的直接路徑經(jīng)常阻塞，并且當(dāng)它不阻塞時(shí)，它也不是發(fā)送采用的唯一路徑。依靠相位，經(jīng)由多條路徑的傳輸可以積極地(constructively)或破環(huán)性地(destructively)組合。因此，從位置到信號(hào)值的關(guān)系決不是單調(diào)的，并且可能有幾個(gè)共享一些信號(hào)值的位置。對(duì)幾個(gè)信道進(jìn)行觀測(cè)是減小目標(biāo)裝置位置的不確定性的一個(gè)方法。然而，當(dāng)現(xiàn)有的定位技術(shù)估計(jì)目標(biāo)裝置的位置為概率模型中最有可能的樣本點(diǎn)，或者樣本點(diǎn)之間的位置時(shí)，基于隱馬爾可夫模型的現(xiàn)有定位技術(shù)不能提供位置估計(jì)的可靠性的估計(jì)。
圖3示意性地說明了離散概率模型PM。模型PM包括幾個(gè)樣本點(diǎn)，一般用參考標(biāo)記SP表示。對(duì)于每一個(gè)樣本點(diǎn)SP，在目標(biāo)裝置的無線環(huán)境(典型地，無線電環(huán)境，如無線局域網(wǎng)WLAN或蜂窩網(wǎng)絡(luò))中，有預(yù)定的(校準(zhǔn)的、計(jì)算的或仿真的)信號(hào)值v的概率分布p。參考標(biāo)記31一般表示這種信號(hào)值的概率分布，示意性地示出了3個(gè)樣本點(diǎn)SP1到SP3的概率分布。目標(biāo)裝置的估計(jì)位置用參考標(biāo)記32表示，并在樣本點(diǎn)SP的信號(hào)值的概率分布的基礎(chǔ)上確定。這些是任何基于目標(biāo)裝置的無線通信環(huán)境的概率模型的定位技術(shù)都知道的。信號(hào)值的概率分布31獨(dú)立于目標(biāo)裝置的位置。
根據(jù)本發(fā)明，對(duì)于概率模型PM的幾個(gè)位置中的每一個(gè)位置，例如對(duì)于每一個(gè)樣本點(diǎn)SP，確定了目標(biāo)裝置位于那個(gè)位置的概率。同樣，確定了估計(jì)位置和概率模型的幾個(gè)位置中的每一個(gè)位置之間的距離函數(shù)。例如，其中一個(gè)樣本點(diǎn)用參考標(biāo)記33表示。樣本點(diǎn)33和估計(jì)位置32之間的距離用參考標(biāo)記34表示。為距離34確定距離函數(shù)，如歐幾里得距離，平方距離或其他。因此，有兩個(gè)不應(yīng)相互混淆的概率分布。第一個(gè)是在不同樣本點(diǎn)的信號(hào)值的概率分布。這個(gè)概率分布獨(dú)立于目標(biāo)裝置的估計(jì)位置。第二個(gè)概率分布是對(duì)每一個(gè)不同的位置作為目標(biāo)裝置的位置計(jì)算的概率。計(jì)算第二個(gè)概率的位置可以是概率模型PM的樣本點(diǎn)SP，樣本點(diǎn)的子集，或者一些其他位置的集合。對(duì)于每一個(gè)獨(dú)立的位置，第二個(gè)概率是一個(gè)單獨(dú)的值，但是當(dāng)考慮了所有的位置后，這些概率構(gòu)成了概率分布(如果位置是離散的)或密度(如果位置是連續(xù)的)。
圖4是說明本發(fā)明原理的流程圖。圖4的流程省略了在概率模型的基礎(chǔ)上確定目標(biāo)裝置位置的步驟，只示出了與誤差估計(jì)相關(guān)的步驟。在步驟4-1中，確定位置32的概率分布或密度41，該概率分布或密度41在等式1或2中使用。在步驟4-2，確定距離34的距離函數(shù)42。在步驟4-3，概率分布或密度41與距離函數(shù)42相乘，其結(jié)果加到誤差估計(jì)43中。在步驟4-4，對(duì)整個(gè)位置區(qū)域或樣本點(diǎn)的采樣子集重復(fù)(求和或者積分)該過程，這取決于可用的和所需的計(jì)算資源。位置區(qū)域是指定位系統(tǒng)運(yùn)行的物理區(qū)域。
圖5是基于在無線接口RI的信號(hào)值估計(jì)目標(biāo)裝置的位置的典型位置估計(jì)模塊LEM的框圖。圖5示出了一個(gè)緊湊的位置估計(jì)模塊LEM，但是更多的分布式實(shí)施例也是同樣可能的。位置估計(jì)模塊的本質(zhì)特征是目標(biāo)裝置的無線環(huán)境的概率模型PM，該概率模型能在給定多個(gè)來自無線接口的觀測(cè)結(jié)果的情況下，預(yù)測(cè)目標(biāo)裝置的位置。在這個(gè)例子中，概率模型PM由模型構(gòu)建模塊MCM建立和維護(hù)。模型構(gòu)建模塊MCM在校準(zhǔn)數(shù)據(jù)CD或者采用一個(gè)或多個(gè)傳播模型形式的傳播數(shù)據(jù)PD，或者二者任意組合的基礎(chǔ)上建立和維護(hù)概率模型。校準(zhǔn)數(shù)據(jù)CD是在已知位置物理測(cè)量信號(hào)值的結(jié)果(或者如果通過其他方式不能獲知那些位置時(shí)，確定它們的坐標(biāo))?？蛇x地，如果信號(hào)參數(shù)隨時(shí)間變化，則校準(zhǔn)數(shù)據(jù)記錄也可以包括進(jìn)行測(cè)量的時(shí)間?？梢允褂靡粋€(gè)或多個(gè)傳播模型PD代替校準(zhǔn)數(shù)據(jù)CD或者和校準(zhǔn)數(shù)據(jù)CD一起模擬無線接口RI。傳播模型可以通過類似視景仿真的射線追蹤技術(shù)的技術(shù)構(gòu)建。收集校準(zhǔn)測(cè)量值的位置稱作校準(zhǔn)點(diǎn)。校準(zhǔn)數(shù)據(jù)CD包括數(shù)據(jù)記錄，其中每一個(gè)數(shù)據(jù)記錄都包含所討論的校準(zhǔn)點(diǎn)的位置和在該校準(zhǔn)點(diǎn)測(cè)量的信號(hào)參數(shù)的集合。位置可以在任何絕對(duì)或者相對(duì)坐標(biāo)系中表示。在特殊情況下，如火車、高速路、隧道、水路或類似情況，單獨(dú)一個(gè)坐標(biāo)就足夠了，但是通常還是使用兩個(gè)或三個(gè)坐標(biāo)。
還有用于在目標(biāo)裝置的觀測(cè)結(jié)果集合OS和概率模型PM的基礎(chǔ)上產(chǎn)生位置估計(jì)LE的位置計(jì)算模塊LCM。例如，位置計(jì)算模塊可以實(shí)現(xiàn)為在膝上或掌上計(jì)算機(jī)中執(zhí)行的軟件程序。從技術(shù)上說，“測(cè)量值”和“觀測(cè)結(jié)果”可以相似地使用，但是為了避免混淆，術(shù)語“測(cè)量值”一般用于校準(zhǔn)測(cè)量，而在目標(biāo)裝置的當(dāng)前位置獲得的信號(hào)參數(shù)稱為“觀測(cè)結(jié)果”。目標(biāo)裝置最近的觀測(cè)結(jié)果集合稱為當(dāng)前觀測(cè)結(jié)果。根據(jù)本發(fā)明，位置計(jì)算模塊LCM除了產(chǎn)生位置估計(jì)LE外，還產(chǎn)生誤差估計(jì)EE。
圖6A是說明典型的位置待確定的目標(biāo)裝置T的框圖。在本例中，目標(biāo)裝置T是通過無線網(wǎng)絡(luò)RN通信的便攜式計(jì)算機(jī)。例如，無線網(wǎng)絡(luò)可以是WLAN(無線局域網(wǎng))。在圖6A所示的實(shí)施例中，包括概率模型PM的位置估計(jì)模塊LEM沒有安裝在目標(biāo)裝置T中。因此，目標(biāo)裝置T必須通過一個(gè)或多個(gè)與它相連的基站BS，發(fā)送其觀測(cè)結(jié)果集合OS到位置估計(jì)模塊LEM。位置估計(jì)模塊LEM通過無線接口RI向目標(biāo)裝置返回其位置估計(jì)LE。
圖6B示出了一個(gè)可選的實(shí)施例，其中目標(biāo)裝置的附加計(jì)算機(jī)PC接收可分離存儲(chǔ)器DM(如CD-ROM盤)上的概率模型PM的副本，這樣目標(biāo)裝置T能夠確定自己的位置而不用發(fā)送任何東西。作為另一個(gè)可選的例子(沒有分開表示)，附加計(jì)算機(jī)PC可以通過連接到位置估計(jì)模塊LEM的互聯(lián)網(wǎng)(或其他數(shù)據(jù))連接接收概率模型。寬帶移動(dòng)臺(tái)能通過無線接口RI接收概率模型。也可以使用上述技術(shù)的混合，使得接收機(jī)通過有線連接或者在可分離存儲(chǔ)器上接收初始的概率模型，但以后模型的更新通過無線接口發(fā)送。
接下來將描述本發(fā)明的確定誤差估計(jì)的技術(shù)的兩個(gè)實(shí)際應(yīng)用。在一個(gè)應(yīng)用中，誤差估計(jì)用作校準(zhǔn)幫助。在另一個(gè)應(yīng)用中，誤差估計(jì)作為位置估計(jì)的可靠性的視覺指示器顯示給用戶。
誤差估計(jì)的可視化下面，位置區(qū)域意味著定位系統(tǒng)運(yùn)行的物理區(qū)域。在下面的描述中，假定位置區(qū)域是2維的，但是本發(fā)明可以同樣適用于3維或4維空間。如前面提到的，術(shù)語“概率分布”意思是概率分布或概率密度，取決于場(chǎng)合，也就是，區(qū)域是離散的還是連續(xù)的。
提及的可視化技術(shù)包括兩個(gè)主要階段，這里稱為階段1和階段2。階段1包括在整個(gè)位置區(qū)域上形成2維概率分布。如果作為基礎(chǔ)的定位系統(tǒng)是概率的，則階段1可以是不必要的。然而，一些定位系統(tǒng)基于有限的、小的位置集合(例如，收集樣本數(shù)據(jù)的校準(zhǔn)點(diǎn)的集合)上的概率分布。在這種情況下，離散概率分布需要擴(kuò)展到整個(gè)位置區(qū)域。這種擴(kuò)展可以用不同的方式實(shí)現(xiàn)。例如，位置區(qū)域可以被分成所謂“Voronoi”分區(qū)，使得每個(gè)分區(qū)都包括一個(gè)校準(zhǔn)點(diǎn)和所有比其他校準(zhǔn)點(diǎn)更接近該校準(zhǔn)點(diǎn)的非校準(zhǔn)點(diǎn)?？蛇x地，位置x的擴(kuò)展概率分布可以是校準(zhǔn)點(diǎn)的概率的加權(quán)和，其中權(quán)重從距離中計(jì)算。另一種可能的方式是在逐點(diǎn)位置估計(jì)周圍采用正態(tài)分布，將結(jié)合圖9A到圖9C描述。這可以看作是更通用的稱作“entropification”的技術(shù)的特殊情況，詳細(xì)的描述在Peter Grunwald’s博士的論文“The Minimum Description Length and Reasoning underUncertainty”中。還有一種可能的方式將結(jié)合圖10A到圖10D描述。
階段2包括對(duì)定位不確定性可視化。在這個(gè)階段，幾個(gè)實(shí)施例都是可能的。例如，在一個(gè)可視化實(shí)施例中，在整個(gè)位置區(qū)域?qū)Ω怕史植伎梢暬?。與位置區(qū)域中每個(gè)點(diǎn)相關(guān)的概率值被可視地傳輸給用戶，例如以數(shù)字、顏色值、亮度、條形高度、圓的大小等等。位置區(qū)域中的點(diǎn)意味著可選的離散集合的任一成員(如校準(zhǔn)點(diǎn)的集合，或者視覺顯示器的像素的集合)。其思想是用戶能容易地看出概率量是如何在位置區(qū)域上分布的。圖7示出了這種可視化技術(shù)的例子。在地圖或者平面布局圖70上添加視覺指示器的格網(wǎng)，如條，一般用參考標(biāo)記71表示。視覺指示器71的一個(gè)或多個(gè)視覺屬性表明對(duì)應(yīng)網(wǎng)格點(diǎn)是目標(biāo)裝置的真正位置的概率。在這個(gè)例子中，視覺屬性是條形長(zhǎng)度。立刻很明顯的，目標(biāo)裝置最有可能位于條72附近，因?yàn)闂l72是最長(zhǎng)的條，并且是長(zhǎng)條集合的中心點(diǎn)?？梢允褂酶嗟囊曈X屬性代替條形長(zhǎng)度，或者加在條形長(zhǎng)度上。
在另一個(gè)可視化實(shí)施例中，向用戶顯示鄰近的區(qū)域，假設(shè)用戶具有預(yù)定的概率(如85、90或95％)位于該區(qū)域中。優(yōu)選地，預(yù)定的概率是用戶可選擇的。其思想是確定最小的區(qū)域，其包括超過預(yù)定的概率(如90％)的概率量。
在圖8A和圖8B中示出了用于確定組合概率量超過預(yù)定的概率閾值的連續(xù)區(qū)域的簡(jiǎn)單算法。圖8A還示出了圖7所示的地圖或平面布局圖70。在地圖70上添加網(wǎng)格點(diǎn)的格網(wǎng)，其中8個(gè)網(wǎng)格點(diǎn)用參考標(biāo)記81-88表示。表80表明任何一個(gè)網(wǎng)格點(diǎn)81-88是目標(biāo)裝置位置的概率p。網(wǎng)格點(diǎn)81，具有18％的概率，看來是最有可能的位置，接下來是網(wǎng)格點(diǎn)82，等等。還示出了在地圖70上添加的連續(xù)區(qū)域89，其組合概率量超過預(yù)定的概率，如90％。
在圖8B中示出了用于確定目標(biāo)區(qū)域，如區(qū)域89，的算法。步驟8-1包括初始化操作，如確定閾值級(jí)別。例如，閾值級(jí)別可以是固定的或用戶可設(shè)置的。接下來，目標(biāo)區(qū)域被初始化為空集合。在步驟8-2，選擇起始點(diǎn)，并將其添加到目標(biāo)區(qū)域。起始點(diǎn)可以是任意點(diǎn)，但優(yōu)選地，起始點(diǎn)是作為目標(biāo)裝置位置的可能性高的點(diǎn)。例如，起始點(diǎn)可以是目標(biāo)裝置的估計(jì)位置或具有最高可能性的網(wǎng)格點(diǎn)。這個(gè)例子說明了后面的選擇。因此，圖8A和圖8B所示的例子從將具有18％的概率的網(wǎng)格點(diǎn)81加入目標(biāo)區(qū)域開始。接下來，在步驟8-3，檢查目標(biāo)區(qū)域的組合概率量是否超過(或等于)預(yù)定的閾值級(jí)別，如90％。如果沒有，則進(jìn)入步驟8-4，在該步驟中，選擇一點(diǎn)，使得所選擇的點(diǎn)鄰近目標(biāo)區(qū)域，并且在仍未加入目標(biāo)區(qū)域的點(diǎn)中有最高的概率。在本例中，選擇具有15％概率的點(diǎn)82，然后，返回步驟8-3進(jìn)行資格檢驗(yàn)。在本例中，重復(fù)循環(huán)8-3、8-4，直到目標(biāo)區(qū)域89包括具有91％的組合概率量的點(diǎn)81-88。如果搜索非連續(xù)區(qū)域，則步驟8-4中的鄰近要求可以放寬。
為了更加精確，圖8B所示的算法不產(chǎn)生圖8A所示的準(zhǔn)確的分界線89，但是選擇分界線89內(nèi)的網(wǎng)格點(diǎn)。然后，選擇的網(wǎng)格點(diǎn)的集合可以通過畫出合適的分界線或者通過采用其他的方式(如不同的顏色或亮度)指示選擇的網(wǎng)格點(diǎn)來指示給用戶。
圖8B所示的算法的改進(jìn)版本如下進(jìn)行。圖8B所示的算法通過采用任何最有可能的網(wǎng)格點(diǎn)作為起始點(diǎn)來執(zhí)行。每一次執(zhí)行該算法都產(chǎn)生(或可能產(chǎn)生)不同的目標(biāo)區(qū)域。最終，選擇最小的目標(biāo)區(qū)域，并顯示給用戶。如果這個(gè)改進(jìn)的算法是窮盡的，也就是說，選擇每一個(gè)網(wǎng)格點(diǎn)作為起始點(diǎn)，最后選擇最小的結(jié)果區(qū)域，那么起始點(diǎn)的初始選擇自然是不重要的。
圖9A到圖9C示出了一個(gè)可視化的實(shí)施例，其用于顯示橢圓91，或者近似橢圓，使得該橢圓所覆蓋的區(qū)域的組合概率量等于或超過預(yù)定的閾值級(jí)別。術(shù)語“近似橢圓”意思是指多邊形92，其頂點(diǎn)位于橢圓91的周邊。圖9A示出了添加在地圖70上的這樣的橢圓91或者多邊形92。
圖9B示出了用于計(jì)算橢圓的算法。假定對(duì)于每一個(gè)網(wǎng)格點(diǎn)是目標(biāo)裝置的位置，有一個(gè)預(yù)先計(jì)算的概率值p。這樣一組概率值如圖8A中的表80所示。如果網(wǎng)格點(diǎn)的位置是(x，y)，則該網(wǎng)格點(diǎn)的概率是p(x，y)。目標(biāo)裝置的點(diǎn)估計(jì)用期望值(E[x]，E[y])表示。橢圓91基于如下的p的協(xié)方差矩陣。
在步驟9-1，確定下面關(guān)于p的值x和y坐標(biāo)的期望值E[x]和E[y]；x和y坐標(biāo)的方差var[x]和var[y]；協(xié)方差為cov[x，y]；p的協(xié)方差矩陣，數(shù)學(xué)上稱為S，用參考標(biāo)記93表示。
在步驟9-2，計(jì)算S的第一特征向量(x1，y1)和兩個(gè)特征值v1和v2，如下y1=var[x]+var[y]+(var[x]-var[y])2+4cov[x,y]22---[4]]]>
v2=var[x]+var[y]-(var[x]-var[y])2+4cov[x,y]22---[5]]]>y1=cov[x,y]v1-var[y]---[6]]]>l1=1+y12---[7]]]>x1=v1l1---[8]]]>y1=y1·v1l1---[9]]]>其中l(wèi)1是臨時(shí)變量。
最后，在步驟9-3，畫出橢圓，使得(E[x]，E[y])是橢圓的中心，(x1，y1)是長(zhǎng)半軸，v1和v2是橢圓的長(zhǎng)半軸和短半軸的長(zhǎng)度。圖9C示出了用于畫類似橢圓的多邊形的典型偽代碼列表94。在列表94中，k是所畫多邊形的頂點(diǎn)個(gè)數(shù)，r是從chi2表中選取的橢圓半徑；表xs和ys包含頂點(diǎn)的坐標(biāo)。例如，當(dāng)k＝20時(shí)，多邊形看起來相當(dāng)光滑；當(dāng)值r＝2.448時(shí)，橢圓包含具有協(xié)方差矩陣S的高斯分布的95％的概率量。
圖10A到圖10D說明了用于顯示包含等于或超過預(yù)定閾值的組合概率量的不規(guī)則目標(biāo)區(qū)域的算法。該算法使用如下輸入量D樣本點(diǎn)的概率分布；C樣本點(diǎn)的數(shù)據(jù)(笛卡兒坐標(biāo))；e點(diǎn)估計(jì)的笛卡兒坐標(biāo)；參數(shù)m待包括的概率量；a角精度；
d離開原點(diǎn)的距離的精度。
該算法的輸出U是描述點(diǎn)估計(jì)的不確定性的區(qū)域的坐標(biāo)集合。
在步驟10-1，樣本點(diǎn)數(shù)據(jù)C映射到以點(diǎn)估計(jì)為原點(diǎn)的極坐標(biāo)系。例如，如果C是2維的，則使用如圖10C所示的用參考標(biāo)記102表示的偽代碼列表。
在步驟10-2，D被轉(zhuǎn)換成極坐標(biāo)系下的分布。例如，使用如圖10D所示的用參考標(biāo)記103表示的偽代碼列表。列表103示出了使用角度和離開點(diǎn)估計(jì)的距離已用參數(shù)a和d離散的算法的例子。E表示對(duì)于每個(gè)扇形，離開原點(diǎn)的期望距離，Dp表示極坐標(biāo)系下的2維分布。
步驟10-3包括查找覆蓋m的區(qū)域的笛卡兒坐標(biāo)。一個(gè)辦法是通過離開點(diǎn)估計(jì)的期望距離，其定義了區(qū)域的形狀。然后，該形狀按比例伸縮，使得它可以覆蓋m。例如，除了能夠使用任何合適的搜索算法，還能夠使用圖10D中的偽代碼列表104。
在步驟10-4中，可伸縮的離開原點(diǎn)的距離被轉(zhuǎn)換成笛卡兒坐標(biāo)。例如可以使用圖10D中的偽代碼列表105。在列表105中，不太正式的術(shù)語“blob”是指圖10A中用參考標(biāo)記101表示的不規(guī)則目標(biāo)區(qū)域。
誤差估計(jì)的其他應(yīng)用上述實(shí)施例涉及向終端用戶可視化誤差估計(jì)。但誤差估計(jì)也可以用于其他目的，如幫助校準(zhǔn)。例如，如果某個(gè)位置的誤差估計(jì)高，則高期望誤差能用作附近的樣本點(diǎn)需要重新校準(zhǔn)的指示，或者新的樣本點(diǎn)需要加入概率模型中的指示，或者整個(gè)模型需要重新校準(zhǔn)的指示。
對(duì)于本領(lǐng)域技術(shù)人員，隨著技術(shù)的進(jìn)步，本發(fā)明的思想可以通過不同的方式實(shí)現(xiàn)是非常明顯的。本發(fā)明及其實(shí)施例并不限于上述例子，而是可以在權(quán)利要求的范圍內(nèi)變化。
權(quán)利要求
1.一種確定目標(biāo)裝置(T)位置的誤差估計(jì)(EE，43)的方法，其中所述目標(biāo)裝置可在無線環(huán)境(RN)中移動(dòng)，并且使用信號(hào)與無線環(huán)境通信，其中每一個(gè)所述信號(hào)有至少一個(gè)可測(cè)量的信號(hào)值(v)；所述方法包括維護(hù)無線環(huán)境(RN)的概率模型(PM)，所述概率模型表明在無線環(huán)境中幾個(gè)樣本點(diǎn)(SP)的信號(hào)值的概率分布(31)；獲得在目標(biāo)裝置(T)的位置處的無線環(huán)境中的信號(hào)值(v)的觀測(cè)結(jié)果集合(OS)；基于所述概率模型(PM)和所述觀測(cè)結(jié)果集合(OS)估計(jì)目標(biāo)裝置的位置；其特征在于確定誤差估計(jì)(43)為幾個(gè)樣本點(diǎn)(SP)的乘積的組合，每個(gè)乘積包括所討論的樣本點(diǎn)是目標(biāo)裝置位置的概率(41)；以及所討論的樣本點(diǎn)和目標(biāo)裝置的估計(jì)位置之間的距離函數(shù)(43)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于使用誤差估計(jì)(43)產(chǎn)生給用戶的視覺指示器(71，89，91，92，101)。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于所述視覺指示器添加到地圖(70)上。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于所述視覺指示器是一組離散指示器(71)，每一個(gè)離散指示器具有至少一個(gè)取決于位置的視覺屬性。
5.根據(jù)權(quán)利要求3所述的方法，其特征在于所述視覺指示器是位置集合(89)，所述集合包括至少具有預(yù)定概率的目標(biāo)裝置位置。
6.根據(jù)權(quán)利要求3所述的方法，其特征在于所述視覺指示器是區(qū)域(91，92，101)，所述區(qū)域包括至少具有預(yù)定概率的目標(biāo)裝置位置。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于估計(jì)包括至少具有預(yù)定概率的目標(biāo)裝置位置的最小區(qū)域。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于所述最小區(qū)域是橢圓。
9.根據(jù)權(quán)利要求7所述的方法，其特征在于所述最小區(qū)域是不規(guī)則形狀的。
10.根據(jù)權(quán)利要求1所述的方法，其特征在于使用誤差估計(jì)更新所述概率模型(PM)。
11.根據(jù)權(quán)利要求10所述的方法，其特征在于所述更新概率模型包括在或靠近誤差估計(jì)高于平均值的位置添加新的樣本點(diǎn)。
12.根據(jù)權(quán)利要求10或11所述的方法，其特征在于所述更新概率模型包括重新校準(zhǔn)現(xiàn)有的樣本點(diǎn)。
13.根據(jù)權(quán)利要求1所述的方法，其特征在于只對(duì)所述概率模型的樣本點(diǎn)的采樣子集執(zhí)行幾個(gè)樣本點(diǎn)的乘積的組合。
14.一種估計(jì)目標(biāo)裝置(T)的位置的位置估計(jì)設(shè)備(LEM)，其中目標(biāo)裝置可在無線環(huán)境(RN)中移動(dòng)，并且使用信號(hào)與無線環(huán)境通信，其中每個(gè)所述信號(hào)有至少一個(gè)可測(cè)量的信號(hào)值(v)；所述位置估計(jì)設(shè)備(LEM)包括無線環(huán)境(RN)的概率模型(PM)，所述概率模型表明在無線環(huán)境中幾個(gè)樣本點(diǎn)(SP)的信號(hào)值的概率分布(31)；用于獲得或接收在目標(biāo)裝置(T)的位置處的無線環(huán)境中的信號(hào)值(v)的觀測(cè)結(jié)果集合(OS)的裝置；用于基于所述概率模型(PM)和所述觀測(cè)結(jié)果集合(OS)估計(jì)目標(biāo)裝置的位置的裝置；其特征在于用于確定目標(biāo)裝置(T)的估計(jì)位置的誤差估計(jì)(43，EE)為幾個(gè)樣本點(diǎn)(SP)的乘積的組合的裝置，每一個(gè)乘積包括所討論的樣本點(diǎn)是目標(biāo)裝置的位置的概率(41)；以及所討論的樣本點(diǎn)和目標(biāo)裝置的估計(jì)位置之間的距離函數(shù)(43)。
15.根據(jù)權(quán)利要求14所述的位置估計(jì)設(shè)備，其特征在于包括用于產(chǎn)生誤差估計(jì)(43，EE)的視覺指示器(71，89，91，92，101)的裝置。
全文摘要
本發(fā)明公開了一種確定目標(biāo)裝置的位置的誤差估計(jì)的方法。目標(biāo)裝置在無線環(huán)境中移動(dòng)，并使用具有至少一個(gè)可測(cè)量的信號(hào)值的信號(hào)通信。無線環(huán)境的概率模型表明在無線環(huán)境中幾個(gè)樣本點(diǎn)的信號(hào)值的概率分布。獲得信號(hào)值的觀測(cè)結(jié)果集合，并基于所述概率模型和所述觀測(cè)結(jié)果集合估計(jì)目標(biāo)裝置的位置。確定誤差估計(jì)(43)為幾個(gè)樣本點(diǎn)(SP)的乘積的組合，每一個(gè)乘積都包括所討論的樣本點(diǎn)是目標(biāo)裝置的位置的概率分布(41)和所討論的樣本點(diǎn)與目標(biāo)裝置的估計(jì)位置之間的距離函數(shù)(43)。
文檔編號(hào)H04L12/28GK1666113SQ03815440
公開日2005年9月7日 申請(qǐng)日期2003年5月27日 優(yōu)先權(quán)日2002年5月31日
發(fā)明者P·米呂邁基, P·孔特卡寧, T·羅斯, K·瓦爾托寧, J·拉赫蒂寧, H·韋特蒂格, A·圖奧米寧, H·蒂里 申請(qǐng)人:?？ê拦煞萦邢薰?