专利名称：使用软信息提高无线通信系统的定位精确度的方法及装置的制作方法
技术领域：
本发明指一种用于无线通信系统中提高定位精确度的方法及电子装置，特别是指 一种用于无线通信系统中根据软信息(Soft Information)提高定位精确度的方法及电子装置。
背景技术：
在无线通信系统中，定位(Position Location)技术广泛应用于急难救助系统、 位置导向式付费系统(Location-based Billing Service)、长者及病患的看护服务、以及 消防或战地勤务中人员的定位等，以取得目标物(Target)的位置。收信时间法(或称信 号传送时间，Time of Arrival，T0A)、收信角度法(Angle of Arrival, AOA)及收信强度法 (Received Signal Strength, RSS)为常见的定位技术，收讯时间法以三个基站所测量的接 收信号的传播时间乘以传播速度，分别求得基站与目标物的距离，接着以各个基站为圆心， 与目标物的距离为半径画圆，三圆的交会点即目标物的位置；收信角度法决定两个基站所 测量的接收信号的来源方向，并以各个基站的位置为起点形成直线，两个直线的交会点即 目标物的位置；收信强度法利用三个基站所测量的接收信号强度及预先建立的信号传输衰 减模型，分别求得基站与目标物的距离，接着以各个基站为圆心，与目标物的距离为半径画 圆，决定目标物的位置。在下文中，可进行定位运算的无线通信系统被简称为定位系统。在室内环境中，由于摆设复杂，其中的无线电信号传播多属于非直视(或称非视 线可及，Non-Line of Sight,NL0S)传播，并且多路径(Multipath)效应也相当明显。上述 收信时间法及收信角度法受多路径效应的影响较大，估测目标物的位置时容易产生误差。 相对来说，当目标物移动时，其接收信号强度的变化容易预测，因此收信强度法较收信时间 法及收信角度法更适用于室内定位系统。在室内定位系统中，使用接收信号强度数据定位的算法主要分为两类样式辨认 (Pattern-recognition)算法及模型式(Model-based)算法。在样式辨认算法中，目标物 的位置是根据目标物的接收信号强度与已知的多个训练序列点(Training Point)所对应 的接收信号强度推算而得，如RADAR算法及LANDMARC算法，详细内容请参考论文“RADAR An in-building RF-baseduser location and tracking system" in Proc. IEEE INF0C0M 2000, vol. 2, Mar. 2000 及论文“LANDMARC Jndoor location sensing using active RFID^inPerCom' 03,Mar. 2003。请参考图1，图1为现有的无线通信网路10的示意图。无 线通信网路10包含有定位系统100、目标装置102及基站(Base station) API AP4。图1 中定义基站API AP4所在的室内环境为测试区域，分为多个方形且面积均等的测试单元， 每个测试单元的四个顶点即训练序列点。在目标装置102尚未进入测试区域的时候，各个 基站会先进行测量以取得每一训练序列点的位置所对应的接收信号强度数据，并将这些接 收信号强度数据传送至定位系统100中的位置数据库。训练序列点所对应的接收信号强度 数据假设为零误差。当目标装置102进入测试区域，目标装置102将会回报对应于各个基 站的接收信号强度数据至定位系统100 ；接着，定位系统100根据接收到的接收信号强度数据，进行RADAR算法或LANDMARC算法，求出目标装置102的位置。RADAR算法从位置数据库中，找出与目标装置102所传送的接收信号强度数据最 接近的k个接收信号强度数据所对应的k个训练序列点，进行训练序列点的位置的平均运 算，以决定目标装置102的位置。然而，每个进行平均的k个训练序列点的数据可靠度不一 定相同，取平均将导致定位结果与实际的目标位置之间的误差很大。LANDMARC算法则是进 一步对k个训练序列点的位置分配以不同的权重值，再对加权过后的位置取加权平均值， 以决定目标装置102的位置；权重值为目标装置102所传送的接收信号强度数据与k个训 练序列点中各个训练序列点所对应的接收信号强度数据之间的欧几里得距离(Euclidean Distance).然而，接收信号强度的欧几里得距离无法正确反映地理上的距离。此外，上述 RADAR算法及LANDMARC算法都未考虑接收信号强度的测量误差，对于定位的精确度的提升 效果有限。另一方面，模型式算法根据预先建立的无线信号传输模型(RadioPropagation Model)及测得的接收信号强度，先计算出目标物与三个基站之间的距离，再以三角算法决 定目标位置。模型式算法的缺点在于需要庞大的信道测量数据才能建立室内的无线信号传 输模型，并且由于室内环境的复杂度高，精确的无线信号传输模型不容易建立，将影响定位 的准确度。除了上述样式辨认算法及模型式算法之外，室内定位系统还可根据最大相似度 (Maximum Likelihood)算法求得目标位置，但最大相似度算法的运算复杂度极高，对室内 定位系统来说是一大负荷。由上可知，现有的算法所能提供的定位精确度有限。
发明内容
因此，本发明的主要目的在于提供用于无线通信系统中提高定位精确度的方法及 电子装置。本发明公开了用于无线通信系统中提高定位精确度的方法，包含接收用来计算目 标装置的位置所需的多个输入数据；以及产生对应于该多个输入数据的多个高斯概率密度 函数，用以计算出该目标装置的位置。本发明另外公开了用于无线通信系统的电子装置，用来执行前述方法，以提高该 无线通信系统的定位精确度。
图1为现有的无线通信网路的示意图。图2为本发明实施例的流程的示意图。图3为本发明实施例的概率密度函数及高斯概率密度函数对接收信号强度数据 的曲线图。图4为平均位置测量误差对接收信号强度数据误差的标准差的曲线图。图5为本发明实施例的流程的示意图。图6为定位系统使用卡尔曼滤波器的因子图以及使用最大相似度算法所得的平 均定位误差对时间的曲线图。主要组件符号说明10无线通信网路
4
100定位系统102目标装置APl APN 基站20、50 流程200、202、204、206、208、500、502、504、506 步骤
具体实施例方式本发明的概念关于本案申请人于2009年3月在IEEE TRANSACT IONSON WIRELESS C0MMUNICAIT0N 已公开的论文"A Novel Indoor RSS-basedPosition Location Algorithm Using Factor Graph”中所提出的算法。请参考图2，图2为本发明实施例的流程20的示 意图，流程20用于定位系统，以改进现有的收信强度法(Receive Signal Strength)的定 位精确度不足的问题。流程20假设定位系统设置于一区域中，其中设有基站APl APN，基 站APl APN可检测到进入此区域的目标装置并且传送无线电信号至目标装置；同时，定位 系统可接收来自基站APl APN以及目标装置的接收信号强度数据。流程20包含以下步 骤步骤200:开始。步骤202 接收目标装置所测量的接收信号强度数据Αα, ~ p^nj
ο步骤204 对接收信号强度数据之,,,， Α·』,,中每一接收信号强度数据进行对数运 算，以产生对数的接收信号强度数据為,，~ Av。步骤206 产生对应于对数的接收信号强度数据A,, ~ /V,的高斯概率密度函数 Gz (ζ)工 Gz (ζ) N，用以计算出该目标装置的位置。步骤208:结束。在流程20中，定位系统是根据接收信号强度数据来求出目标装置的位置，以下简 称目标位置，所以接收信号强度数据~对定位系统而言是输入数据。接收信号强 度数据八、u ~瓦…,,中每一接收信号强度数据瓦是目标装置根据从基站APi接收的无线 电信号测量而得到的，其后，目标装置将接收信号强度数据/V,,,传送至定位系统。接收信号 强度以功率表示，对应于基站APi的接收信号强度数据Av,,的表示如下列方程式Pmjj = P^JJ + n< ⑴其中太,,,,等于零误差的接收信号强度与测量误差Iii的总和。根据步骤204， 定位系统在接收到接收信号强度数据Aiv,,之后，对接收信号强度数据RSSi进行对数 (Logarithm)运算，产生对数的接收信号强度数据，进而依此产生所有对数的接收信号 强度数据异/ ~ pnj λ,的表示如下列方程式
οP1J =10 loSioC^,,,'(2)本发明对接收信号强度数据Av,,取对数的原因在于可将接收信号强度数据之间的 乘除运算简化为加减运算。请注意，测量误差Hi即接收信号强度数据的噪声，是平均值为 零且变异数为σ2 ,的高斯概率密度函数(GaussianProbability Density Function)。因此，对数的接收信号强度数据A,,可被表示为概率密度函数fz (ζ)，如下列方程式
“、(InlO).10丨。 f: O) = --JT= · exP
10.σ ·Λ 2π
J(3)概率密度函数fz(ζ)不是高斯概率密度函数，但是近似于高斯概率密度函数。请 参考图3，图3为本发明实施例的概率密度函数fz (ζ)及高斯概率密度函数Gz(ζ)对接收信 号强度数据的曲线图，位于右方的高斯概率密度函数Gz (ζ)工及概率密度函数fz (ζ)工的平均 值及变异数相同，其平均值为-42. 6dB ；位于左方的高斯概率密度函数Gz (ζ) 2及概率密度函 数fz(z)2的平均值及变异数相同，其平均值为-44. 6dB。由图3可知，平均值越大的概率密 度函数fz(ζ)，其变异数就越小；反之，平均值越小的概率密度函数fz(ζ)，其变异数就越大。 上述函数特征说明了在进行定位时，对应于较近的基站的接收信号强度数据，比对应于较 远的基站的接收信号强度数据更可靠。在现有技术中，RADAR算法的缺点在于每个训练序列点的位置的可靠度不一定相 同，而LANDMARC算法所得到的定位结果虽然比RADAR算法所得到的更准确，但是其中使用 的权重值无法正确反映地理上的距离。相比较之下，基于图3所示的概率密度函数的特征， 如果根据概率密度函数形式的接收信号强度数据，又称软信息(Soft information)的接收 信号强度数据，决定目标位置，则等于是考虑了接收信号强度数据的可靠度，因此定位精确 度比LANDMARC算法更高。除此之外，由图3可知，高斯概率密度函数Gz(Z)近似于概率密 度函数fz(ζ)，并且高斯概率密度函数的优点在于多个高斯概率密度函数彼此之间进行加 减运算后，仍是高斯概率密度函数。根据以上理由，在步骤206中，定位系统以高斯分布趋 近概率密度函数I(Z)1Nfz (Z)n，产生对应于对数的接收信号强度数据λ, ~ ^v,的高斯概 率密度函数Gz (z) i Gz (ζ) Ν，用以决定目标位置。换句话说，流程20产生对应于输入数据的高斯概率密度函数，定位系统于是可根 据流程20，改进现有的直接根据接收信号强度的输入数据来定位的方法，定位精确度因此 提升，例如本案申请人于论文"A Novel IndoorRSS-based Position Location Algorithm Using Factor Graph”中提出的算法是利用因子图(Factor Graph)进行定位的，流程20产 生的高斯概率密度函数即用于因子图中。请参考图4，图4表示定位系统根据本案申请人 于论文中提出的算法(以TO表示)、现有4-NN(4Nearest Neighbor)算法(类似RADAR算 法)、LANDMARC算法及最大相似度算法(以ML表示)，所得到的平均定位误差对接收信号强 度数据误差Hi的标准差~,的曲线图，其中标准差的范围由2\10_6瓦特至7父10_6瓦特。 根据本案申请人在论文中提出的算法所得的测量误差，明显小于4-NN算法及LANDMARC算 法所得的测量误差，并且接近测量误差最低的最大相似度算法。由此可知，使用高斯概率密 度函数来计算目标位置，能够有效地提高定位精确度。请参考图5，图5为本发明实施例的流程50的示意图，流程50同样可用于定位系 统中，以改进现有的收信时间法(Time of Arrival)的定位精确度不足的问题。流程50包 含以下步骤步骤500:开始。步骤502 接收目标装置所传送的距离数据~ dNM
步骤504 产生对应于距离数据~ ^^的高斯概率密度函数Gx(X)1-Gx(X)n^
以计算出该目标装置的位置。步骤506:结束。在流程50中，定位系统根据距离数据来求出目标位置。对定位系统而言，距离数 据^ ~ Ij是输入数据，每一距离数据‘是目标装置所测得的与基站APl APN中的基站 APi之间的距离，表示为下列方程式 dJ + ei,k + eNLos^k (4)其中k表示第k取样时间，、k为直视传播(Line of Sight, LOS)的测量距离误 差，是平均值为零且变异数为的高斯概率密度函数；e-u.k为非直视传播(Non-Line of Sight, NL0S)的测量距离误差，是平均值非零且变异数为02^ 的高斯概率密度函数。
距离数据可被表示为概率密度函数= 。类似前述对数的接收信号强度数据&,
的概率密度函数fz(ζ)的特征，距离数据的概率密度函数fx(x)也趋近于高斯概率密度函数 Gx (χ)，因此，在步骤504中，定位系统以高斯分布趋近概率密度函数fx (χ) ！ fx (χ) Ν，产生对 应于距离数据~ 的高斯概率密度函数Gx(X)1-Gx(X)P进一步，定位系统可在基于 收信时间法的因子图，如卡尔曼滤波器(Kalman Filter)的因子图中，使用高斯概率密度函 数&^、 Gx(x)n以决定目标位置。请参考图6，图6为定位系统使用卡尔曼滤波器的因子 图以及使用最大相似度算法所得到的平均定位误差对时间的曲线图，其中虚线表示使用卡 尔曼滤波器的因子图所得到的曲线；实线表示使用最大相似度算法所得到的曲线。在图6 中，误差较大的曲线不考虑输入数据为软信息的情况；误差较小的曲线则是应用流程50所 得到的，由此可知本发明可显著改善定位误差，使定位更精确。请注意，因子图仅为图形模型(Graphical Model)的一种，是以图形表示多个随 机变量之间的关系。因此，本发明实施例的流程20及流程50所产生的高斯概率密度函 数，不局限用于因子图，也可用于其它合适的图形模型如常态图(Normal Graph)或坦纳 图(Tarmar Graph)。在无线通信网络中，基站与被定位的目标装置是根据不同的需求而定 义的，此外就硬件实现而言，定位系统可能是独立设置，也可能被设置于基站侧或目标装置 侧。例如，对全球卫星定位系统(Global Position System)而言，基站是定位卫星，目标装 置则是导航装置或接收天线，定位系统通常设置于目标装置侧；对无线局域网络系统而言， 基站是无线网络接取器(Access Point)，目标装置是无线网卡或相关网络设备，定位系统 通常设置于基站侧；对射频辨识(RFID)系统而言，射频辨识读取器(Reader)是基站，射频 辨识标签(Tag)则是目标装置，定位系统可能设置于基站侧或独立设置。请注意，由于本发 明可显著改善多路径效应造成的定位不准确，因此较适合用于室内定位系统，但不局限用 于室内定位系统。综上所述，本发明考虑了定位系统中用来计算目标位置的输入数据的数据可靠 度，产生对应于输入数据的高斯概率密度函数来进行定位运算。因此，本发明能够提高不论 是收信强度法、收信时间法或其它相似的定位技术中的定位精确度。以上所述仅为本发明的优选实施例，凡根据本发明权利要求所做的等效变化与改 进，都应属本发明涵盖的范围内。
权利要求
一种用于无线通信系统中提高定位精确度的方法，包括接收多个输入数据；以及产生对应于该多个输入数据的多个高斯概率密度函数，用以计算出目标装置的位置。
2.如权利要求1所述的方法，其中，该多个输入数据的类型是接收信号强度。
3.如权利要求1所述的方法，其中，接收该多个输入数据的步骤是接收该目标装置所 测量的多个接收信号强度数据，其中每一接收信号强度数据对应于基站。
4.如权利要求3所述的方法，其中，产生对应于该多个输入数据的该多个高斯概率密 度函数的步骤，包括对该多个接收信号强度数据中每一接收信号强度数据进行对数运算，以产生该多个对 数数据；以及产生对应于该多个对数数据的该多个高斯概率密度函数。
5.如权利要求1所述的方法，其中，该多个输入数据的类型是距离。
6.如权利要求1所述的方法，其中，接收该多个输入数据的步骤是接收该目标装置所 传送的多个距离数据，每一距离数据是该目标装置测得的与该多个基站中的一个基站之间 的距离。
7.一种用于无线通信系统的电子装置，用来执行如权利要求1所述的方法，以提高该 无线通信系统的定位精确度。
全文摘要
用于无线通信系统中提高定位精确度的方法，包括接收用来计算目标装置的位置所需的多个输入数据；以及产生对应于该多个输入数据的多个高斯概率密度函数，用以计算出该目标装置的位置。
文档编号H04W4/02GK101902686SQ20091020282
公开日2010年12月1日 申请日期2009年5月26日 优先权日2009年5月26日
发明者吴承轩, 杜勇赐, 陈俊才, 黄金增 申请人:雷凌科技股份有限公司