亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

無線遠程通信網中的位置估計的制作方法

文檔序號:7670718閱讀:165來源:國知局
專利名稱:無線遠程通信網中的位置估計的制作方法
技術領域
本發(fā)明涉及在無線遠程通信環(huán)境中估計接收器位置的方法和設備,所述環(huán)境可以是一個或多個射頻,微波或光學網絡。所述一個或多個網絡在多個信道同時通信。這種位置估計能夠用來提供廣泛的各種位置相關服務。
背景技術
頒布給Mati Wax等的美國專利6,112,095公開了一種用于在蜂窩式網絡中,諸如AMPS或CDMA,提供一組可能的發(fā)送器位置的方法。在Wax專利中公開的技術的一個問題是它需要在網絡一側附加硬件,例如測量相對于基站角度方向的天線陣列。換言之,為了確定移動臺的位置,必須可以得到關于網絡的基礎結構的信息,且移動臺必須發(fā)送某些信號,以用于其位置的估計。

發(fā)明內容
本發(fā)明的目的是要解決以上問題。換言之,根據本發(fā)明的機制能夠估計無線遠程通信網中的接收器的位置,即使事先不了解網絡的基礎結構(諸如基站的位置)也無妨。
這一目的是以一種方法和設備實現的,該方法和設備實現的特征如所附的獨立權利要求中的公開。本發(fā)明的優(yōu)選實施例在所附從屬權利要求中公開。
本發(fā)明基于一種驚人的想法,該想法使得無需了解接收器的無線環(huán)境,即由接收器接收的網絡的基礎結構,而能夠可信地估計接收器位置。例如,在上述Wax專利中公開的技術依賴于蜂窩式網絡基站的配置,包括基站的位置。確實令人吃驚的是根據本發(fā)明的技術的可用性。令人吃驚的是,只要一個人帶著有場強指示器的移動電話行走,事實就明顯。在某些地方,20到30cm的移動就明顯改變場強。顯然,必然有大量的有幾乎等同場強的位置??梢灶A料校準位置估計系統(tǒng)需要測量彼此非??拷奈恢玫膱鰪?或其它信號參數),并需要巨大的數據庫存儲這些測量。大氣條件、城市空間和網絡配置在不斷變化。首先可以看出,數據庫會迅速劣化,除非不斷進行更新。然而計算機模擬表明,基于在幾個信道(頻率)測量的技術是非常魯棒性的。而且,校準數據可在各種條件下自動收集。
本發(fā)明的一個方面是一種用于估計無線遠程通信環(huán)境中接收器位置的方法,該遠程通信環(huán)境包括用于同時通信的多個信道,每一信道具有至少一個信號參數隨位置與其它信道不同地變化。該方法能夠通過以下步驟實現1)對于無線遠程通信環(huán)境中多個校準點中的每一個,確定一組校準數據,每一組校準數據包括各校準點的位置,及在該校準點處的幾個信道中的每個的至少一個的被測信號參數;2)基于各組校準數據,維護幾個信道的信號參數對無線遠程通信網絡中接收器位置的一個統(tǒng)計模型;3)在接收器對幾個信道的每一個測量至少一個信號參數;以及4)基于統(tǒng)計模型和在接收器處的幾個信道的測量信號參數,估計接收器的位置。
本發(fā)明的另一方面是用于實施以上方法的設備。該設備可體現為一接收器,它包括用于確定被觀測的信號參數組的裝置,每一組包括至少一個在接收器位置處對幾個信道中的每一個的觀測信號參數。接收器本身可包括一個位置計算模塊,用于基于所述組和一個統(tǒng)計模型確定逼近接收器位置的位置估計,所述統(tǒng)計模型是幾個信道的信號參數對無線遠程通信環(huán)境中接收器位置的統(tǒng)計模型。另外,接收器可向一外部位置計算模型傳送這些參數組。
術語“接收器”是指其位置被估計的裝置,當其位置被估計時,它不必進行發(fā)送。換言之,該裝置只要形成其無線環(huán)境的觀測即可。例如,GSM電話不必接收一個交通信道。但它在所有可用頻率進行觀測。該裝置還可具有,并一般具有發(fā)送能力,但對于本發(fā)明所有實施例來說,這不是必要的,本發(fā)明可用來估計傳呼機或廣播接收器的位置。因為根據本發(fā)明,發(fā)送能力對于位置估計不是必須的,接收器可采用它不隸屬的網絡的信號參數。例如,隸屬于一個GSM網的GSM電話可采用其它GSM網的信號強度值。
術語“環(huán)境”是指接收器能夠接收(進行觀測)至少一個網絡,但它能接收一個以上的網絡。例如,GSM電話可觀測幾個經營者的GSM網。更先進的接收器可觀測許多類型的網絡,諸如蜂窩網和廣播網。
“無線”環(huán)境是指一個或多個網絡可以是射頻、微波或光學網。而且,由接收器接收的網絡組必須同時在多個信道通信,并且這多個信道必須包括一個信道子組,使得該子組中每一信道有至少一個信號參數隨位置與子組中其它信道不同地變化。這意味著,具有帶幾乎等同的對位置相關性的信號參數的幾個信道,諸如來自公共發(fā)射天線的信道,通常不能對可靠的位置估計給出足夠的信息。通常,需要來自至少三個發(fā)送臺的信號。適用的網絡的例子是蜂窩式網絡(諸如GSM,GPRS,UMTS等),廣播網(模擬音頻,DAB或DVB),無線局域網(WLAN)或短程微波網,如蘭牙。
“位置”可有一至三維。位置的一維表示在列車等中就足夠了。位置的二維或三維表示更有用。然而,在二維表示中,假設接收器基本是在地表水平。實際上,在實際觀測時只要在相同的高度測量校準數據(諸如地表,第13層樓等),高度就無所謂。此外,校準數據可包括時間的表示。這是指無線環(huán)境(即其信號參數)隨時間而變化。換言之,校準數據除了信號數據之外還包括一個到三個位置座標,以及可選地包括時間表示。
作為這里所使用的術語“‘校準數據”,包括校準測量(即被測量的信號值)及進行該測量的位置(并可選地有時間)。
術語“統(tǒng)計模型”是指,為了計算各接收器的位置,不需要各組校準數據。統(tǒng)計模型與校準數據組之間的差別可按以下例子表示。假設有數個{x,y}對,使得x與y之間有某種相依關系。在x位置y的值可以根據所有{x,y}對計算。給定x的值而預測y的值更快的方式是計算數學函數y=f(x)。在這例子中,函數f是統(tǒng)計模型。換言之,就是給定x值在不參照{x,y}對的情形下計算y的值。與基于各組校準數據的位置估計相比,基于統(tǒng)計模型的位置估計較快速,并需要較少的存儲空間。
統(tǒng)計模型可以有很多不同的實現方式,例如概率模型,神經網絡,模糊邏輯系統(tǒng),核估計子,支持向量機,決策樹,回歸樹,卡爾曼濾波器及其它統(tǒng)計濾波法,子波,樣條,歸納邏輯編程法,有限混合模型,隱藏的馬爾科夫模型等等。作為本文所用,術語“統(tǒng)計模型”還指幾種統(tǒng)計(子)模型的混合。
術語“信道”應當有廣泛的解釋,意思或多或少與頻率或頻帶相同。接收器不必在信道上通信,只要接收器(或一附加的測量設備)能夠測量該信道的至少一個信號參數即可。在TDMA系統(tǒng)中,每一頻率具有幾個時隙,每一時隙攜帶一個信道。就本發(fā)明而言,所有具有系統(tǒng)頻率的時隙給出等同的信息,并它們中的任何一個都能作為一個“信道”。如果被測的信號參數是信號強度,則接收器甚至不需要解釋信道的內容。
隨位置而變化的信號參數的一個說明性而非排他性的列表包括信號強度,定時超前和錯誤率。該列表還可包括某些信道的可用性,但這可看作是特定情形,其中信號強度和/或錯誤率被量化為是/否問題。如果使用定向天線,也可使用無線電波束的方向。這樣,測量信號參數不必對應于一定的信道,但它們可以是導出值。例如,被測的參數組可以是或包括向量V=[V1,V2,V3,...],其中V1,V2等為最佳、次佳等可用信道的索引。然而,為了清楚起見,將使用信號參數與一定信道相關的例子。
每一組校準數據包括各校準點的位置,及對該校準點處幾個信道的每一個的至少一個被測信號參數。校準點是其位置和信號參數已知或被測量的點。校準測量一般通過固定和/或移動校準接收器確定。固定校準接收器可以附屬于建筑物,交通信號,燈柱等等。移動校準接收器可由人或在車輛中轉移。校準接收器如同實際接收器那樣測量信號參數。被測信號參數可通過有線或無線傳輸(=在線),或通過移動可拆卸介質,諸如存儲器磁盤,磁帶或卡(=離線),被傳送到統(tǒng)計模型。
位置估計可發(fā)生在接收器點或在網絡點。如果在接收器點估計位置,接收器(或附加的計算機)必須可訪問統(tǒng)計模型。以當前的技術,可實用的統(tǒng)計模型能夠被壓縮為膝上或掌上計算機可管理的大小。模型能夠被更新,例如在計算機連接到因特網時。另外,模型可在可拆卸存儲器上提供,諸如CD-ROM或DVD-ROM。未來,甚至移動電話將有足夠的存儲器用于保有統(tǒng)計模型。例如模型能夠借助于數據調用通過快速連接被更新。如果接收器點存儲統(tǒng)計模型的一個拷貝,則它無需傳輸能力,并且實際的接收器可以是廣播接收器,傳呼機,或膝上計算機專用的附加卡,外表類似于當前GSM用于膝上計算機的附加卡。
另外,接收器可以是收發(fā)器的一部分,例如移動電話或WLAN,或附加于便攜式或手持計算機的蘭牙接口。在這種情形下,收發(fā)器可把測量結果發(fā)送到網絡,網絡將該結果轉發(fā)到位置服務器。根據收發(fā)器的類型,測量可在短消息中發(fā)送,例如通過數據調用,或WAP或WLAN連接。位置服務器能夠通過一個類似連接向收發(fā)器發(fā)送其位置估計。
根據本發(fā)明的一個優(yōu)選實施例,信號參數測量(校準測量和/或接收器當前觀測)被量化為相對少量的級,諸如二到四級。換言之,增加了測量的間隔度。初看起來,這種間隔度的增加似乎損失了信息。例如,假設在某一位置的某一信道的信號強度按0到100標度為34單位(與實際的單位無關)。我們只存儲測量在25到50之間這樣的事實,即關于標度0到3的一個值1,而不是存儲34個單位的結果。標度0到100的值34,似乎能夠比標度0到3的值1似乎能更好地預測位置附近的信號強度。然而,在很多情形下,增加間隔度的結果是增加了位置的精度。一個原因在于在高分辨率的標度時,有很多值是相對少地出現的,而在低分辨率標度時,所有可能的值相對頻繁地出現。
本發(fā)明的一個優(yōu)點在于不需要關于網絡基礎結構的預先的信息(雖然它可能是有用的)。這意味著,根據本發(fā)明的位置服務不依賴于網絡經營者。即使本發(fā)明的位置服務由網絡經營者維護,在沒有關于它們的基礎結構的預先信息時,經營者也能采用來自其它經營者網絡的觀測。本發(fā)明可用于種類廣泛的網絡技術,諸如蜂窩式網絡,廣播網或無線局域網。


以下將參照附圖通過優(yōu)選實施例更詳細地說明本發(fā)明,其中圖1是信號參數與接收器位置關系的各種曲線圖;圖2是表示本發(fā)明一般概念的一個框圖;圖3是表示用于確定校準測量的一個典型的校準接收器的框圖;圖4A和4B是表示其位置待估計的移動接收器的框圖;以及圖5示出了統(tǒng)計模型的結構。
發(fā)明的詳細說明圖1示出了信號參數與接收器位置關系的各種曲線圖。水平軸表示接收器的(一維)位置。縱軸表示由接收器測量的信號參數V(諸如信號強度或出錯率)。曲線圖A和B描繪了兩個信道的信號參數。在這一假設的例子中,有分別在位置X1到X10測量的十個點D1到D10。曲線圖A和B都共享具有各自位置X1到X10及信號參數值V0的數據點D1到D10。圖1給出實現本發(fā)明中困難的一點想法。不僅參數值V0對十個不同的位置是公共的(在這例子中),而且10個位置也可通過兩個曲線圖A和B同等解釋。著名的奈奎斯特準則(Nyquist criterion)說,如果信號在多于其最高頻率成分兩倍采樣,則信號能夠被完全重構。如果曲線圖A和B表示,例如具有標稱頻率900MHz的GSM網絡中的場強,則曲線圖A和B的空間頻率具有大約30cm的波長。于是,信號參數應當在小于15cm間隔的點處被采樣,這明顯是不行的。但是如果信號參數在多于波長一半間隔的點采樣,則曲線圖A和B不能被重構,這被這樣的事實證明,即曲線圖A和B點X6和X10之間沒有任何相似性。
本發(fā)明實際可行的原因是來自以下事實,即隨著信道數的增加,信道如上所述作為的位置數迅速降低,因而基于被測參數不能將任何兩個點彼此區(qū)分變的不大可能。
圖2是本發(fā)明一般概念的一個框圖。在圖2中,本發(fā)明是作為緊湊的位置估計模型LEM實現的,雖然更為分布式的實現也是可能的。本發(fā)明本質的特征是接收器無線環(huán)境的統(tǒng)計模型SM,考慮接收器點多個當前觀測值,該模型能夠預測接收器的位置?;谛蕯祿﨏D,以及可選地基于無線環(huán)境的預先信息Pl,統(tǒng)計模型SM是通過模型構成模塊MCM建立和維護??蛇x的預先信息Pl可包括關于網絡基礎結構的信息,諸如基站的位置和無線電參數。收集校準測量的位置稱為校準點。校準數據CD包括多個數據記錄,其每一個包括所述校準點的位置X,以及在該校準點測量的信號參數組??蛇x地,在信號參數隨時間變化的情形下,校準數據記錄還可包括進行測量的時間。位置X可以任何絕對或相對座標系表示。在特定情形下,諸如列車、高速公路、隧道、水道等,單個的坐標即足夠,但是通常要使用兩個或三個座標。參考標號X表示位置的所有座標的集合。
應當注意,術語“訓練數據”常用于這種統(tǒng)計模型的場合。在本發(fā)明的場合,偏好術語“校準”,因為“訓練”可能會傳達在初始訓練之后模型已經就緒的思想,而“校準”則能更好地表達模型必須隨條件的變化而不斷更新的思想。
還有一個位置計算模型LCM,用于基于接收器當前觀測值CO和統(tǒng)計模型SM產生位置估計LE。技術上,“測量”和“觀測”可類似地進行,但為了避免混淆,術語“測量”一般用于校準測量,而在接收器當前位置獲得的信號參數稱為“觀測”。接收器的最近的觀測值組稱為當前觀測值。位置計算模型LCM或分開的估計解釋模型EIM也可使用接收器的觀測歷史OH來解釋位置估計。換言之,在能夠通過兩個或多個有大體同等概率的位置解釋觀測值組的情形下,觀測歷史OH能夠用來解決不明確性。
圖3是一個框圖,表示用于確定圖2中所示的校準數據CD中的校準測量的一個典型的校準接收器CR。圖3示出了一個移動校準接收器,包括一個便攜式計算機(或數據處理器)PC-C,一個移動臺MS-C(諸如GSM,GPRS或UMTS移動電話),以及一個位置接收器,例如GPS(全球定位系統(tǒng))裝置。后綴-C代表校準接收器,以區(qū)分圖4中實際接收器R的對應部分。為了清楚起見,校準接收器的主要模塊PC-C,MS-C,及LR被分開示出,雖然后面兩個模塊也可用作為可插入典型的膝上計算機插卡槽的PC卡。校準接收器CR觀測蜂窩式無線網RN中可用的基站BS的無線電信號參數。無線網RN與移動臺MS-C之間的接口稱為無線接口RI。如果無線接口RI是雙向的,則校準接收器CR可通過同一無線接口RI向位置估計模塊LEM發(fā)送其觀測值。另外,校準接收器的便攜式計算機PC-C可在如可記錄CD-ROM這樣的可拆卸存儲DM介質上存儲觀測值,然后這種盤被離線帶到位置估計模塊LEM。
校準接收器CR的位置接收器LR可以完全是傳統(tǒng)型的,例如商用的GPS(全球定位系統(tǒng))接收器,只要它能夠向所附的計算機或其它數據處理器輸出被測座標即可。便攜式計算機也可以是傳統(tǒng)型的、適當被編程的計算機。只是可能要對移動臺MD-C的硬件或固件(其ROM內容)進行修改。修改可能需要,這取決于該移動臺要測量多少信號參數。例如,傳統(tǒng)的GSP電話,除了監(jiān)視其當前有效的蜂窩單元之外,還監(jiān)視其鄰近單元的某些參數,但鄰近單元的測量不象有效單元那樣廣泛。只有當GSM電話正在進行有效呼叫時,它才與其有效單元一樣廣泛監(jiān)視鄰近的單元。為了本發(fā)明的目的,有利的是修改移動臺單元的監(jiān)視程序,使得它盡可能擴展地監(jiān)視可用單元。
自然,校準監(jiān)視器CR可以包括一個以上的移動臺,用于監(jiān)視不同類型的網絡或不同的經營者的網絡。為了監(jiān)視廣播網,校準接收器CR還應當包括一個掃描廣播接收器(未分開示出)。另外,移動臺MS可以是能夠接收蜂窩式網和廣播網的一種多模式裝置。
如同圖3所示的那樣,校準接收器能夠隨車輛或人員攜帶。固定的校準接收器不需要GPS接收器,能夠附著在建筑物、交通信號標志、燈柱等上。作為對使用分開的位置接收器的替代,可通過以下一種或多種技術確定校準接收器的位置在數字化地圖上表示接收器的位置;輸入街道(或其它)地址并借助于適當的數據庫將其轉換為位置;或使用其它已知的位置,如公共車站。
圖4A是一個框圖,表示其位置待估計的一個典型的移動接收器。接收器R的一個簡單的實施例只包括一個適當的編程移動臺MS。對于某些實施例,接收器R還可包括一便攜式計算機(或數據處理器)PC。術語“接收器”意思是當其位置正被估計時正在接收的裝置,雖然實際上許多實施例也具有發(fā)送能力。圖4A所示實施例不包括統(tǒng)計模型SM。因而,接收器R必須通過它連接的基站BS把其當前的觀測值組CO發(fā)送到位置估計模塊LEM。位置估計模塊LEM通過無線接口RI向接收器返回其位置估計LE。
圖4B示出了另一實施例,其中接收器的附屬計算機PC接收在可拆卸存儲器DM(如CD-ROM)上的統(tǒng)計模型SM的拷貝,且該接收器能夠確定其自身的位置而無需作任何發(fā)送。作為另一替代(未分開示出),接收器的附屬計算機PC可通過因特網(或任何其它數據連接)連接到位置估計模型而接收統(tǒng)計模型LEM。未來的寬帶移動臺能夠通過無線接RI接收統(tǒng)計模型。也可使用混合技術,使得接收器通過有線連接或在可拆卸的存儲器上接收初始統(tǒng)計模型,但后來對模型的更新通過無線接口發(fā)送。
注意在圖3,4A和4B中,無線網RN是作為蜂窩式網絡被示出的,而移動臺MS類似于蜂窩式手機。但本發(fā)明不限于蜂窩式網絡,并能夠同等地適用于WLAN環(huán)境,這種情形下移動臺由WLAN接口裝置代替。統(tǒng)計建模現在將更詳細地研究可能的統(tǒng)計模型。一般來說,在這種場合所使用的統(tǒng)計模型可包括幾種單獨的統(tǒng)計子模型,這種情形下,實際的估計是通過組合子模型的各結果獲得的。
有許多可能的統(tǒng)計建模方法可以用于產生所需的統(tǒng)計子模型。以下我們將集中在概率方法上。概率模型意味著在估計移動終端的位置時,如果對位置X作為離散變量建模,則結果表示為在可能的位置上概率的分布,而如果對位置X作為連續(xù)變量建模,則結果表示為密度函數。下面,我們將集中在離散的情形。類似地,可對位置相關的測量值V以離散或連續(xù)觀測變量建模。向量V的維數(能夠獲得的測量數)隨操作的無線網的性質而變化并與其相關。
有許多概率模型類能夠使用。在以下本發(fā)明的優(yōu)選實施例中,主要集中在參數概率模型上。這種情形下,單個的模型能夠表示為一個對(M,θ),其中M表示模型結構,即確定需要哪些參數的模型定量性質,而θ表示參數的定量值。
在本文中,有兩個用于構成參數概率模型(M,θ)的基本方法,即條件模型和聯合模型。條件模型是直接給出形式為P(X|V,M,θ)概率分布的模型,其中V表示觀測變量值(例如,由信號強度測量值構成的向量),X表示觀測V的位置。聯合模型定義事件(X,V)上的概率分布P(X,V|M,θ)。
然而,使用概率論公理,我們個看到P(X|V,M,θ)=P(X,V|M,θ)/P(V|M,θ),其中P(V|M,θ)與位置X無關。這樣,我們可以將分母P(V|M,θ)作為歸一化常量。這意味著我們總能使用聯合模型進行條件建模。下面,我們將集中在聯合模型建模上,并把條件建模看作是特定的情形。
在位置估計中有許多使用參數模型的途徑。我們首先假設,已經決定使用單個的模型結構M,并希望從校準數據CD確定這些參數,以至我們得到對于事件(X,V)的聯合概率模型,如上所述,考慮觀測值V,該模型還給出所需的位置X的條件分布。如同在Kontkanen et al.2000中所述,有幾種用于產生聯合分布的替代方法1.我們可以用P(X,V|M,θ(D)),其中θ(D)是參數的最大似然例示,即θ(D)=arg max P(D|M,θ)。
2.我們可以用P(X,V|M,θ(D)),其中θ(D)是參數的貝葉斯最大后驗例示,即θ(D)=arg max P(θ|M,D)。
3.我們可以用P(X,V|M,θ(D)),其中θ(D)是后驗分布P(θ|M,D)的平均值。
4.我們可對參數θ積分P(X,V|D,M)=∫P(X,V|D,M,θ)P(θ|D,M)dθ。
5.我們可以用P(X,V|M,θ(D)),其中θ(D)是在Wallace和Dowe 1999中所述的最優(yōu)化最小消息長度準則的參數例示。
在某些特定情況下,可供選擇的3和4是等同的。
一般來說,可能希望使用幾種模型結構M。以下,我們將假設已經固定總的模型族(組合)F,這是所考慮的所有可能模型結構的組合。例如,組合F可相應于所有可能的貝葉斯網絡模型(參見[Cowell et al.1999],[Pearl 1988])。這種情況下,我們通過對F中所有模型計算加權和而產生預測分布P(X|V,F)P(X|V,F)∝∑P(X,V|M)W(M)??赡艿募訖嗪瘮礧包括1.模型結構M的后驗,給定數據P(M|D)∝P(D|M)P(M)=P(M)∫P(D|θ,M)P(θ|M)dθ2.如Rissanen 1999及其中的參考文獻所討論的,給定模型結構M,數據的隨機復雜性,及隨機復雜性準則的逼近。
3.如Wallace and Dowe 1999及其中的參考文獻所討論的,給定模型結構M,數據的最小消息長度,及MML準則的逼近。
也可以使用加權函數的條件(監(jiān)管)版本,在這種情況下,加權是對于條件建模計算的,并取實際的數據只包括位置變量X的值,且測量數據V作為“背景數據”。這些可選的方式在Kontkanen 1999中論及。
如果F中的模型結構數太高,以至不能在可行的時間內計算出加權和,則通過在F中的搜索并刪減F,限制模型族F,以便只包含那些對于某種成本函數最佳的模型結構。用于進行搜索的可能的成本函數包括以上列出的權重函數。在這一任務中可采用任何搜索算法。這類限制搜索的一個極端的情形是,在F中只選擇一個單個的模型結構M。換言之,模型結構的和降低到單個項,該單個項對應于使用有最大權重的單個模型。
如果對觀測V作為離散變量建模,離散變量的顆粒度可被看作是模型結構M的一部分。顆粒度可由用戶固定(表示先驗的信息),或者作為模型結構M的一部分,這從校準數據可知。
可選的先驗信息,諸如關于基站的位置和無線電參數,表示校準測量抽取以外的知識。在概率設定中,可以識別出以下用于對先驗信息編碼的方法1.通過選擇概率模型的初始模型族F(確定所考慮的模型結構,并且對于每個模型結構,確定所使用的分布形式及所作的假設)。
2.如果觀測變量V取為離散型,通過選擇離散化的顆粒度。
3.如果位置變量X取為離散型,通過選擇離散化的顆粒度。
4.通過對模型M的參數確定先驗分布P(θ|M)。
5.通過對族F中的模型結構M確定先驗分布P(M)。遺失的數據有幾種可選的過程用于處理遺失數據1.把“遺失”作為所考慮變量的額外值。
2.忽略遺失項(只從現有的數據計算足夠的統(tǒng)計數字)。
3.根據現有的數據和/或先驗的信息估計遺失值。這些估計在有根據的推測遺失值中用于填充,或者它們能夠作為局部觀測值對待(根據,例如它們根據的概率,可同時局部更新幾種可能值的足夠統(tǒng)計數字)。
4.使用隨機推測填充遺失值。位置解釋和報告概率位置估計的結果能夠以幾種不同的方式報告。首先,我們能夠以不同的方式把工作區(qū)劃分為幾個子區(qū)子區(qū)能夠形成工作區(qū)的完全分割,或者它們只能覆蓋整個工作區(qū)的一部分。后者情形的一個例字是只考慮在校準數據D中列出的位置(以所需的精確度)。現在能夠以下面方式之一報告概率位置估計的結果。
1.給出區(qū)域上全概率分布,即,對每一區(qū)域X,給出對應的的概率P(X|V,F)。
2.相對于分布P(X|V,F),給出最可能的子區(qū)域X。
3.相對于分布P(X|V,F),給出最小化某種出錯函數預期值的點估計。
上述方式3的一個例子是均方根誤差,在這種情況下,點估計是子區(qū)域中心點的加權平均(假設子區(qū)域有相等的大小),權重是分布P(X|V,F)。如果子區(qū)域X大小不相等,則能夠例如通過乘法,相應于子區(qū)域的相關尺寸重新標度權重。
可通過先驗信息PI(如果可用)和/或觀測歷史OH降低有關接收器位置的不確定性。假設最初選擇以上方式1。換言之,向請求接收器位置的用戶或應用報告全概率分布。這種概率分布可指示若干可能的位置數??紤]接收單元標識符等,先驗信息PI(如果可用)可能指示只有一個位置是可能的。另外,觀測歷史OH可以用來排除某些位置。例如,雖然若干位置數能夠解釋接收器的當前位置,但考慮接收器的有限速度,只有位置的子組能夠說明整個觀測歷史OH,。性能實例例1使用Naive Bayes模型的位置估計。
所考慮的子區(qū)域X是收集校準數據的位置。位置的半徑假設為一米,雖然可使用任何單位。觀測變量V可取為離散m值。m的值可以是常數(例如3),或可以使用上述加權函數之一將其優(yōu)化。區(qū)間之間的邊界點可這樣被確定,使得在每一區(qū)間內訓練樣本數相同(等頻率離散化),或也能使區(qū)間由等寬度構成(等寬離散化)。這些區(qū)間還能夠使用群組算法,諸如K-均值算法來確定。
使用一種模型結構M給定位置變量V值,假設觀測變量V1,...,Vn是獨立的。假設數據獨立并等同地分布(=“i.i.d.”),并遵循利用Geigerand Heckerman,1998中所述的假設的多項式分布。先驗信息不存在。使用對于模型參數的非信息一致性先驗分布。另一種方式在Kontkanen et al,2000中論及。通過對參數的積分計算分布P(X,V|D,M)。有了以上的假設,就能夠如Kontkanen et al,2000所述那樣進行。
在這一實驗中,通過把八個(其它數目同樣可能)最后的信號測量作為單個測量向量V,考慮觀測歷史OH,以便假設這八個單個測量值彼此獨立。結果作為子區(qū)域中心點的加權平均所計算的點給出,其中對于區(qū)域X的權重是P(X|V,D,M)。
這一方法通過采用Sonera GSM網絡的信號強度在赫爾辛基市區(qū)實驗性地實施并進行了測試。工作區(qū)大約400×500米大小,并在工作區(qū)外多個街道中大約50個均勻分布的點收集校準數據。兩個測量位置之間的平均距離大約50米。使用在工作區(qū)內300個隨機配置的位置中的位置估計器測試該系統(tǒng)。這一測試中的平均位置誤差為42米。例2使用直方圖模型的混合的位置估計。
取位置變量X包括細顆粒離散標度上的兩個座標(也可以是一個或三個座標)。例如標度的分辨率是一米。觀測變量V1,...,Vn取為離散值,其最大分辨率由測量裝置確定,例如1dBm。以V表示V1,...,Vn的組合。遺失值由小于任何可能的觀測值的一個值代替??紤]了幾種模型。每一模型Mkl與參數k,l和θkl相關,其語義在下面說明。
圖5示出了模型Mkl的結構。變量Xk的值通過離散化為k個值從變量X的值中獲得。給定Xk的值變量V1(1),...,Vn(1)的條件分布通過模型參數θkl描述。每一Vi在由變量Vi(1)值定義的區(qū)間內均勻分布,其中i屬于集合{1,...,n}。通過使用k個倉即k個可能值對變量X按等寬離散化(也可用其它離散方法)進行離散化,從細顆粒位置變量X推導出低分辨率位置變量Xk。只要在細粒度離散化的兩個邊界點之間出現低分辨率離散化的一個邊界點,則根據重疊區(qū)間的相對尺寸對聚組(mass)(即子區(qū)間內的觀測數)進行劃分。例如,設細粒度離散化在范圍
內有5個倉(4個邊界點)。設低分辨率離散化有2個倉,因而在值5有一個邊界點。如果在范圍[4,6]內,即細粒度離散化的三個倉內有n個觀測值,則兩個低分辨率倉得到n/2觀測值,因為邊界點5把范圍[4,6]分離為相等大小的兩部分。類似地,使用l個可能值把每個觀測變量Vi離散化,這樣獲得低分辨率變量Vi(l)。
模型Mkl描述了條件概率函數P(V(1)|Xk,Mkl,θkl),其中θkl表示模型Mkl的模型參數。給定位置變量Xk的值,低分辨率觀測變量V1(1),...,Vn(1)取為獨立變量。對屬于集合{1,...,n}的每一個i,分布P(V(1)|Xk,Mkl,θkl)取為i.i.d,并以[Geiger and Heckerman,1998]中的假設遵循多項式-Dirichlet分布。先驗信息不存在。使用在模型Mkl上的一致先驗分布。對于模型參數,使用如[Heckerman,1995]中的非信息等價采樣大小(ESS)先驗分布。對于ESS參數,使用二階先驗,例如在集合{1,10}上的一致分布。對屬于集合{1,...,n}的每一個i,通過對模型參數積分計算分布P(Vi(1)|Xk,Mkl)。有了以上假設,這能夠按[Kontkanen et al,2000]中所述進行。
分布P(Vi|Vi(1))取為在由Vi(1)的值定義的區(qū)間上一致以及由參數l定義的Vi的離散化。例如,設Vi的范圍是[1,10],設l的值為5,并設Vi(1)的值為2。假設使用等寬離散化,Vi的值被離散化為五個區(qū)間[1,2],[2,4],[4,6],[6,8],及[8,10]?,F在給定Vi(1)的值為2,分布P(Vi|Vi(1))在區(qū)間[2,4]上是一致的。給定變量值V1(1),...,Vn(1),變量V1,...,Vn取為彼此獨立。
組合兩個分布P(V|Xk,Mkl)與P(V|V(1)),獲得條件分布P(V|Xk,Mkl)。作為對模型Mkl上的加權平均計算分布P(V|X,D),其中k和l在集合{1,...,20}上變化(其它的選擇同等可能)。模型通過邊際似然P(V(D)|Xk(D),Mkl)被加權,其中校準數據(有n個觀測值)組成向量V(D)=(V1(1),...,Vn(1))及Xk(D)=(Xk1(D),....Xkn(D))。
使用這些假設,可在兩部分有效計算邊際似然第一,可按[Heckerman,1995]和[Geiger and Heckerman,1998]中所述,計算項與形式P(V(l)|Xk,Mkl)的乘積,第二,帶有形式P(V|V(l))的項有相同的值,這是與l相關的常數,因為分布P(V|V(l))是一致的。結果作為位置變量X上的后驗概率分布P(X|V,D)=P(V|X,D)P(X|D)/P(V|D)給出。分布P(X|D)取為一致。項P(V|D)是其值被忽略的規(guī)一化因子。因而,結果的分布P(X|V,D)是規(guī)一化的,于是其和最大為一。
通過使用WLAN PC卡測量WLAN信號強度的膝上計算機,上述方法在赫爾辛基的地址為Teollisuuskatu 23的建筑物的二層上實驗性地實現了并進行了測試。工作區(qū)為大約20×45米(900平方米)大小。校準數據在12個任意地點收集,其中數據向量總數為204。使用位置估計器在工作區(qū)內25個任意選擇的位置中測試該系統(tǒng)。在每一位置,位置估計被重復五次。當以上系統(tǒng)被用來確定有95%概率聚組的位置區(qū)域時,正確的地點在這一區(qū)域為77%的時間。95%概率聚組區(qū)平均大小為大約151平方米,即大約總面積17%。
參考文獻Cowell,R.,Dawid P.A.,Lauritzen S.,Spiegelhalter DProbabilisticNetworks and Expert Systems,Springer,New York,1999.
Geiger,D.and Heckerman,DParameter Priors for Directed AsyclicGraphical Models and Characterization of Several ProbabilityDistributions,Technical Report MSR-TR-98-67,Microsoft Research,December 1998.
Heckerman D.,A tutorial on Learning with Bayesian Networks,Technical Report MSR-TR-95-06,Microsoft Research,December 1995.
Kontkanen,P.,Myllymaki,P.,Silander,T.,Tirri,H.,and Grunwald,POn Predictive Distributions and Bayesian Networks,Statistics andComputing 10(2000),P.39-54.
Kontkanen,P.,Myllymaki,P.,Silander,T.,Tirri,HOn SupervisedSelection of Bayesian Networks,Proceedings of the 15thInternationalConference on Uncertainty in Artificial Intelligence(UA|’99),Laskey,K.and Prade,H.,1999,Morgan Kauffmann,P.334-342.
Pearl,JProbabilistic Reasoning in Intelligent SystemsNetworks ofPlausible Inference,Morgan Kauffmann,Pbulishers,San Mateo,CA,1998.
Rissanen,JHypothesis Selection and Yesting by the MDL Principle,Computer Journal 42(1999)4,P.260-269.
Wallace,C.S.and Dowe,D.L.Minimum Message Length andKolmogorov Complexity,Computer Journal 42(1999)4,P.270-283.
所有文獻作為參考被結合在此。
權利要求
1.一種用于估計無線遠程通信環(huán)境(RN)中接收器(R,R’)位置(X)的方法,所述遠程通信環(huán)境包括多個用于同時通信的信道,每一信道具有至少一個信號參數(V)隨位置(X)與其它信道不同地變化;其特征在于該方法包括以下步驟對于無線遠程通信環(huán)境中多個校準點的每一個,確定一組校準數據(CD),每組校準數據包括各校準點的位置(X),及用于該校準點處的幾個信道每一個的至少一個被測信號參數(V);基于各組校準數據(CD),維護無線遠程通信環(huán)境(RN)中幾個信道的信號參數(V)對接收器位置的一個統(tǒng)計模型(SM);確定一組觀測的信號參數(CO),對于接收器(R,R’)的位置(X)處的幾個信道的每一個,這組參數包括至少一個觀測信號參數(V);以及基于統(tǒng)計模型(SM)和觀測的信號參數(CO)組,確定逼近接收器(R,R’)的位置(X)的位置估計(LE)。
2.根據權利要求1的方法,其特征在于所述接收器(R)向一外部的位置估計模塊(LEM)發(fā)送所述組觀測信號參數(CO),該模塊向接收器發(fā)送位置估計(LE)。
3.根據權利要求1的方法,其特征在于所述接收器(R)存儲統(tǒng)計模型(SM)的拷貝,并基于統(tǒng)計模型(SM)的拷貝確定位置估計(LE)。
4.根據前述任何一個權利要求的方法,其特征在于,還基于關于無線環(huán)境(RN)基礎結構的先驗信息(PI),維護統(tǒng)計模型(SM)。
5.根據權利要求1到4任何一個的方法,其特征在于,統(tǒng)計模型(SM)是或者包括一概率模型,最好是貝葉斯模型。
6.根據權利要求5的方法,其特征在于,統(tǒng)計模型(SM)是或者包括一貝葉斯網絡模型。
7.根據前述權利要求之一的方法,其特征在于,給定位置(X),統(tǒng)計模型(SM)中的信號參數(V)彼此獨立。
8.根據前述權利要求之一的方法,其特征在于,基于觀測信號參數的歷史(OH)降低關于接收器位置的不確定性。
9.根據前述權利要求之一的方法,其特征在于,通過離散變量對至少某些信號參數(V)建模,所述離散變量的值對應于可能的信號參數值范圍上的區(qū)間或區(qū)間的聯合。
10.根據前述權利要求之一的方法,其特征在于,對作為離散變量的位置(X)建模。
11.一種位置估計設備(LEM),用于估計無線遠程通信環(huán)境(RN)中接收器(R,R’)的位置(X),該遠程通信環(huán)境包括多個用于同時通信的信道,每一信道具有至少一個信號參數(V)隨位置(X)與其它信道不同地變化;其特征在于模型構成模塊(MCM)用于-對于無線遠程通信環(huán)境中多個校準點的每一個,接收一組校準數據(CD),每一組校準數據包括各校準點的位置(X),及對于該校準點處的幾個信道中每一個的至少一個被測信號參數(V);以及-基于各組校準數據(CD),維護無線遠程通信環(huán)境(RN)中幾個信道的信號參數(V)對接收器位置的一統(tǒng)計模型(SM);以及位置計算模塊(LCM)用于-接收一組觀測的信號參數(CO),對于接收器(R,R’)的位置(X)處的幾個信道的每一個,這組參數包括至少一個觀測信號參數(V);以及-基于統(tǒng)計模型(SM)和觀測的信號參數(CO)組,確定逼近接收器(R,R’)的位置(X)的位置估計(LE)。
12.一種接收器(R,R’),包括用于確定被觀測的信號參數(CO)組的裝置,對于接收器(R)位置(X)處的幾個信道中的每一個,每一組包括至少一個被觀測的信號參數(V),其特征在于,用于向位置計算模塊(LCM)傳送該組觀測信號參數(CO)的裝置,該位置計算模塊基于所述組和幾個信道的信號參數(V)與無線遠程通信環(huán)境(RN)中接收器位置關系的統(tǒng)計模型(SM),用于確定逼近接收器(R)位置(X)的位置估計(LE)。
13.根據權利要求12的接收器(R’),其特征在于包括位置計算模塊(LCM)。
14.根據權利要求12的接收器(R),其特征在于,用于傳送觀測信號參數組的裝置包括用于向一外部位置計算模塊(LCM)傳送該參數組的裝置(Rl)。
15.根據權利要求12到14中任何一個的接收器,其特征在于,至少某些觀測的信號參數組(CO)與接收器不附屬的網絡相關。
全文摘要
一種用于估計具有幾個信道的無線通信環(huán)境(RN)中接收器位置(X)的方法。每一信道具有隨位置(X)與其它信道不同而變化的至少一個信號參數(V)。對每一校準點確定一組校準數據(CD),每一組對幾個信道的每一個包括位置(X)和至少一個被測的信號參數(V)。校準數據(CD)作為信號參數(V)與接收器位置關系的的統(tǒng)計模型(SM)的基礎。確定一組觀測信號參數(CO),這組參數對于接收器位置(X)處幾個信道的每一個包括至少一個信號參數(V)?;诮y(tǒng)計模型(SM)和該組觀測信號參數(CO)確定逼近接收器(R)位置(X)的位置估計(LE)。
文檔編號H04B17/00GK1483297SQ01821487
公開日2004年3月17日 申請日期2001年12月27日 優(yōu)先權日2000年12月29日
發(fā)明者P·米呂邁基, H·蒂里, P·孔塔卡寧, J·拉赫蒂寧, T·西蘭德, T·羅斯, A·圖奧米寧, K·瓦爾托寧, H·韋特蒂格, P 米呂邁基, 嫉, 心, 旅啄, 氐俑, 盞倌 申請人:??ê拦煞萦邢薰?br>
網友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1