减轻信号噪声的基于指纹的室内定位的制作方法

本申请要求于2014年6月6日提交的、标题为“Tile Junction：Indoor Localization based on Junction of Signal Tiles(分块交界：基于信号分块的交界的室内定位)”的第62/008,883号美国临时申请的优先权。该临时申请通过引用整体并入本文。

技术领域

本公开概括地涉及使用Wi-Fi接入点并减轻信号噪声以改进定位精度的移动设备的室内定位以及相关的实施方式。

背景技术：

在基于Wi-Fi指纹的室内定位中，目标将其接收的接入点(AP)的信号强度指示器(RSSI)发送到服务器以估计目标的位置。通常，服务器通过将RSSI与存储在数据库中的指纹进行匹配来估计目标位置。由于指纹和目标测量中的信号噪声，这往往导致参考点(RP)在地理上分散，使得位置估计不精确。

上述背景技术仅旨在提供关于网络的上下文信息的概述，而不旨在详尽无遗。附加的上下文可在查看以下详细说明的各种非限制性实施方式中的一个或多个之后变得显而易见。

附图说明

结合附图在以下详细描述中阐述了许多方面和实施方式，在附图中相同的参考标记在整个说明书中指示相同的部分，在附图中：

图1是根据本公开的方面或实施方式的重叠分块的示例性非限制示意图；

图2是根据本公开的方面或实施方式的定位系统的示例性非限制示意图；

图3是根据本公开的方面或实施方式的示出定位误差相比信号噪声的示例性非限制图示；

图4是根据本公开的方面或实施方式的示出平均误差相比场地宽度的示例性非限制图示；

图5是根据本公开的方面或实施方式的示出定位误差相比部署的AP数量的示例性非限制图示；

图6是根据本公开的方面或实施方式的示出定位误差相比采样网格尺寸的示例性非限制图示；

图7是根据本公开的方面或实施方式的示出示例性平面图和RP聚类的示例性非限制示意图；

图8是根据本公开的方面或实施方式的示出示例性平面图和RP聚类的另一示例性非限制示意图；

图9是根据本公开的方面或实施方式的示出定位误差相比采样网格尺寸的示例性非限制图示；

图10描绘了根据本公开的方面或实施方式的示出计算时间减少的示例性非限制图示；

图11描绘了根据本公开的方面或实施方式的示出映射精度和精度改善的示例性非限制图示；

图12是根据本公开的方面或实施方式的示出定位误差的示例性非限制图示；

图13是根据本公开的方面或实施方式的示出定位误差的累积分布的示例性非限制图示；

图14描绘了根据本公开的方面或实施方式的示出RP和目标处的测量AP的直方图的示例性非限制图示；

图15描绘了根据本公开的方面或实施方式的、示出AP熵和位置误差相比选定的AP数量的累积分布函数示例性非限制图示；

图16是根据本公开的方面或实施方式的示出平均定位误差相比使用的AP的示例性非限制图示；

图17是根据本公开的方面或实施方式的示出累积分布函数的示例性非限制图示；

图18是根据本公开的方面或实施方式的示出Wi-Fi RSSI相比与AP的距离的散点图的示例性非限制图示；

图19是根据本公开的方面或实施方式的示出平均定位误差相比采样网格尺寸的示例性非限制图示；

图20是根据本公开的方面或实施方式的示出定位误差的累积分布函数的示例性非限制图示；

图21是根据本公开的方面或实施方式的示出两个重叠的分块的三明治点的示例性非限制图示；

图22是根据本公开的方面或实施方式的示出找到重叠对的最大数量的实施例的示例性非限制图示；

图23描绘了根据本公开的方面或实施方式的用于找到具有最大重叠分块的区域的示例性非限制算法；

图24描绘了根据本公开的方面或实施方式的、示出具有高熵的Wi-Fi AP的典型信号分布以及不同信号强度水平内的AP的RP分布的示例性非限制图示；

图25描绘了根据本公开的方面或实施方式的、使用光谱聚类的RP聚类的示例性非限制算法；

图26是根据本公开的方面或实施方式的、基于重叠凸壳确定位置的方法的示例性非限制流程图；

图27示出了根据本公开的、可合作地缓存项以便于合作物理层缓存和传输的基站的示例性实施方式；

图28示出了依据本公开的各方面的计算环境的示例性示意框图；以及

图29示出了可操作以执行所公开的通信架构的计算机的框图。

具体实施方式

参照附图描述了本公开的各个方面或特征，在附图中相同的参考标号用于在整个说明书书中指示相同元素。在本说明书中，许多具体细节被提及以提供对本公开的透彻理解。然而，应该理解，本公开的某些方面可在无需这些具体细节的情况下或用其他方法、组件、分子等被实践。在其他情况下，公知结构和设备以框图形式显示以便于描述和示出各种实施方式。另外，在附图中的元素不必按比例绘制；一些区域或元素可扩展以帮助进一步理解某些方面或实施方式。

术语“接入点”、“服务器”、“基础服务器(BS)”等可替换地在本申请中使用，并且指代服务且从一组用户站接收数据、控制、语音、视频、声音、游戏或实质上任何数据流或信号流的网络组件或装置。数据和信号流可以分组或基于帧流动。此外，术语“用户”、“订阅户”、“客户”、“消费者”等在整个说明书中可替换地使用，除非上下文显示这些术语之间的特定区别。应该指出，这些术语可指代人类实体或通过人工智能(例如，基于复杂数学形式进行推理的能力)的自动化组件，其可提供模拟视觉、声音识别等。

应注意，术语“用户设备”、“设备”、“用户设备装置”、“客户端”等在本申请中可替换地使用，除非上下文显示这些术语之间的特定区别。这些术语可以指代服务且从网络组件和/或其他装置接收数据、控制、语音、视频、声音、游戏或实质上任何数据流或信号流的网络组件或装置。举个例子，用户设备装置等如在本公开中使用的，可包括移动设备，诸如能够无线发送和接收数据的电子设备。用户设备装置可具有处理器、存储器、收发器、输入和输出。这些设备的例子包括移动电话、个人数字助理、便携式计算机、平板电脑、掌上游戏机等。存储器存储应用、软件或逻辑。处理器的例子是计算机处理器(处理单元)、微处理器、数字信号处理器、控制器和微控制器等。存储逻辑的设备的例子可包括RAM(随机存取内存)、闪存、ROM(只读存储器)、EPROM(可擦写可编程只读存储器)和EEPROMS(电可擦除可编程只读存储器)。

此外，术语“实时”、“近实时”、“动态”、“瞬时”、“连续地”等在整个说明书中可替换地或类似地使用，除非上下文显示这些术语之间的特定区别。应注意，这些术语可以指对于给定上下文不感知延迟的情况下按顺序收集和处理的数据、仅延迟电子通信所需时间的数据或信息的时间线、在处理或事件发生期间的实际或近实际时间、以及通过实时软件、实时系统和/或高性能计算系统测量的暂时存在条件。实时软件和/或性能可通过同步或非同步编程语言、实时操作系统和实时网络来使用，其中的每个提供构建实时软件应用的框架。实时系统可以是其应用可认为(在上下文中)是主要优先事项的系统。在实时处理中，分析(输入的)和生成(输出的)样本可同时(或接近同时)连续地处理(或生成)，独立于任何处理延迟而输入和输出相同的样本集。

本申请的各方面或特征可以在实质上任何无线接入网络中使用，这些无线接入网络采用各自的无线接入技术，例如，Wi-Fi、全球移动通讯系统、通用移动通信系统、全球互通微波接入、增强型通用分组无线业务、第三代合作伙伴项目长期演化、第四代长期进化、第三代合作伙伴项目2、超移动宽带、高速分组接入、Zigbee，第x代、长期演化、或者另一IEEE 802.XX技术。此外，实质上本说明书的所有方面可在传统电信技术中采用。

本文公开的系统和方法在一个方面可通过将移动设备映射到凸壳而准确地定位移动设备目标，在凸壳内移动设备可能基于与接入点(AP)关联的接收信号强度指示器(RSSI)而定位。使用来自一组AP的RSSI，移动设备可使用线性规划功能定位于一组凸壳或分块的交界。为了减轻信号噪声并提高定位确定的精度，定位系统可以利用具有得到较小分块的预定信号动态范围的信号的、AP的RSSI。此外，定位系统可通过将空间划分为具有类似信号向量的参考点的集群来降低将指纹匹配至AP的搜索复杂度。

本文公开的定位系统基于参考点的聚类和信号区域来约束目标估计。基于这些约束，定位系统可以针对每个接收的AP RSSI将目标约束到被称为“分块(tile)”的区域。移动设备然后可基于所有这些分块的重叠区域来定位。在整个站点中具有大信号动态范围的AP是优选的，因为它们会得到较小信号分块。在离线阶段或在预处理期间，具有较低或狭窄动态范围的AP可通过利用信号熵被滤波。利用滤波的AP，然后通过将其Wi-Fi峰值作为中心基于离散信号电平来计算分块。

指纹数据库中的搜索空间可能很大，构成大量的参考点(RP)。为了缩小搜索空间以实现计算效率，定位系统可使用k-均值算法将站点划分为构成类似信号向量的多个集群。为了有效地识别目标所处的集群，定位系统在每个集群中选择一些示例性RP以表示每个集群。给定目标向量，定位系统然后使用这些示例将其映射到集群之一。集群可通过减少将指纹与AP匹配中的计算负荷作为定位过程中的约束。基于以上方式，对于目标RSSI，定位系统首先计算分块并确定目标所处的集群。使用将信号与测量不确定度进行比较的信号差分度量，定位系统然后可通过制定基于线性规划的优化问题考虑目标的分块和集群最大化指纹匹配来定位目标。

本文以及在整个公开中所使用的“逻辑”是指具有指令信号形式的任何信息和/或可用于指定处理器操作的数据。逻辑可通过存储在存储器设备中的信号形成。软件是这种逻辑的一个示例。逻辑也可由数字和/或模拟硬件电路组成，例如包括逻辑与、或、异或、与非、或非和其它逻辑操作的硬件电路。逻辑可通过软件和硬件的组合形成。在网络上，可以在服务器或服务器的复杂体上对逻辑进行编程。特定逻辑单位不限于网络上的单个逻辑位置。

应注意，用户设备装置可通过网络(例如无线网络或有线网络)彼此且与其他元件通信。“网络”可以包括宽带广域网诸如蜂窝网络、局域网络、无线局域网络(例如，Wi-Fi)和个人区域网络，例如包括的近场通信网络。横跨网络的通信优选的基于分组的；但是，无线电和频率/振幅调制网络可以使用适当的模拟数字模拟转换器和其他元件在通信设备之间进行通信。通信通过被称为“收发器”的硬件元件来进行。用户设备装置可以具有不只一个能够通过不同的网络进行通信的收发器。例如，移动电话可以包括用于与移动基站通信的移动收发器、用于与Wi-Fi网络通信的Wi-Fi收发器、以及用于与设备通信收发器。Wi-Fi网络可通过“接入点”(例如无线路由器)接入，接入点与Wi-Fi收发器进行通信以发送和接收数据。Wi-Fi网络可进一步连接到互联网或其他基于分组的网络。网络连接或接入点的“带宽”是数据传输速率的测量值，并且可表示为每单位时间传输的数据量。此外，一个或多个组件之间的通信(例如，语音和/或数据通信)可以包括有线通信(通过回程宽带有线网络、光纤骨干、双绞线、T1/E1电话线路、数字用户线、同轴电缆或类似路由)、或者无线电广播(例如，蜂窝通道、Wi-Fi信道、卫星频道和/或类似方式)。

如本文所使用的，网络通常包括多个主持用于在网络上执行任务的逻辑的元件。逻辑可承载在服务器上。在现代基于分组的广域网络中，服务器可放置在网络上的若干逻辑点处。服务器进一步可与数据库进行通信，并且可以启用通信设备以访问数据库的内容。计费服务器、应用服务器等都是这种服务器的示例。服务器可以包含若干网络元件(包括其他服务器)，并在逻辑上可以是服务提供商的网络上的任何位置，例如移动网络的后端。

本文公开的各实施方式包括一种系统，其具有处理器和存储可执行指令的存储器，当通过所述处理器执行所述可执行指令时便于实现操作的性。操作包括：从移动设备接收第一无线信号报告，第一无线信号报告包括用于第一接入点的第一接收信号强度指示。操作还包括确定移动设备所处的第一分块，其中第一分块是凸壳，该凸壳表示一组候选位置，用于所述第一接入点的所述第一接收信号强度指示表示所述移动设备能够处于所述一组候选位置处。操作还包括基于第二无线信号报告确定移动设备所处的第二分块，第二无线信号报告包括用于第二接入点的第二接收信号强度指示；以及确定移动设备所处的区域，其中区域为第一分块与第二分块之间的重叠区域。

在另一实施方式中，方法包括通过包括处理装置的系统从移动设备接收第一无线测量报告，其中所述第一无线测量报告包括第一接收信号强度测量和用于第一接入点设备的第一信号向量。方法还包括基于所述第一无线测量报告通过所述系统确定第一凸壳，所述第一凸壳表示所述移动设备所处的第一组位置；以及基于从所述移动设备接收的第二无线测量报告通过所述系统确定第二凸壳，所述第二凸壳表示所述移动设备所处的第二组位置。方法还包括基于确定所述第一凸壳和所述第二凸壳的重叠部分，通过所述系统确定所述移动设备所处的区域。

在另一实施方式中，计算机可读存储设备存储计算机可执行指令，响应于执行，所述计算机可读指令使得包括处理器的系统执行操作。操作包括：从移动设备接收第一无线测量报告，其中所述第一无线测量报告包括第一接收信号强度测量和用于第一接入点设备的第一信号向量。操作还包括基于所述第一无线测量报告确定第一分块，所述第一分块表示所述移动设备所处的第一组位置。操作还包括基于从所述移动设备接收的第二无线测量报告确定第二分块，所述第二分块表示所述移动设备所处的第二组位置，其中所述第一分块和所述第二分块是凸壳。操作还包括基于确定所述第一分块和所述第二分块的重叠部分，确定所述移动设备所处的区域。

图1是根据本公开的方面或实施方式的重叠分块的示例性非限制示意图100。每个信号分块102、104和106可以是位置，在该位置中移动设备可基于从接入点AP₁、AP₂和AP₃接收的RSSI分别定位。本文公开的定位系统可生成分块，该分块为包封在欧氏平面中目标可能定位于其中的一组点的凸壳。对于每个AP，分块被构建为其中目标很可能基于AP的RSSI而定位。对于每个分块片，其交界108是目标可能处于其中之处。这在不会导致参考点的分散集的情况下通过紧缩搜索空间有效地缓解了信号噪声。

对于AP的某一目标RSSI，本发明公开的定位系统构建了分块，目标有可能基于信号的前两阶矩(均值和方差)而处于分块内。这种分块可以有效地通过计算几何中的算法来计算，并且通过一组线性约束来表征。给定了构造的分块组，目标可能处于最大数量的重叠分块的交界处。定位系统可以使用算法来找到这样一组“最多的重叠分块”，然后其可以作为估计目标位置的约束。

现在转向图2，图2示出了根据本公开的方面或实施方式的定位系统的示例性非限制示意图200。定位系统204可以包括执行某些处理包括滤波AP和聚类RP离线的离线处理模块210、以及在线处理模块218，在线处理模块218对来自移动设备220的RSSI进行定位处理。

Wi-Fi指纹数据库202可通过存储在每个点处的一组参考点的<位置，RSSI>对的现场勘测来初始化，并且还存储版本信息。AP滤波组件206可以筛选出具有低于预定阈值的窄信号范围(即低动态信号范围)的AP，并保留其余部分进行定位。RSSI在每个RP的前两阶矩，即均值和方差也可以在这一阶段估计。利用筛选的AP，聚类组件208可以将区域划分成较小区域和/或集群，并为每个集群选出多个示例性RP。

预处理执行后，定位系统204可以开始处理来自移动设备220的RSSI。集群映射组件212可基于将移动设备220的测量信号向量与一个或多个示例性RP信号向量进行比较，将移动设备220映射到RP集群，所述一个或多个示例性RP信号向量代表在RP位置接收的虚拟信号。一旦集群映射组件212确定移动设备220处于哪个集群中，平铺组件214基于移动设备220的AP的RSSI测量来构建信号分块。定位组件216可基于定位执行线性规划，以确定分块重叠最大数量的地方，其可以是移动设备220的估计位置。

在一种实施方式，集群映射组件212从移动设备220接收与接入点关联的第一无线信号报告(RSSI)。集群映射组件212可以确定移动设备220处于哪个集群或区域中，然后平铺组件214可以基于RSSI确定移动设备处于哪个第一分块或凸壳中。集群映射组件212也可以从移动设备220接收与另一接入点相关联的第二无线信号报告(RSSI)，214平铺组件可以确定移动设备220所处的第二分块。定位组件216然后可以基于确定分块重叠的区域来定位移动设备220。当与附加接入点相关联的多个信号报告被接收到，该过程可按比例放大，其中每个新的分块进一步约束移动设备220所处的区域，增加了精度。

在本文中公开的以下方程和功能中，在以下表1中示出本文公开的符号。

表1：

接入点的发射器和接收器可以包括全向天线和接收的信号强度，在与AP相距D处的RSSφ(dBm)由对数正态分布隐藏模型给出：

方程1：

其中是测量噪声。在模拟中，传输P^TX＝25dBm，路径损耗指数α为4.0，参考路径损耗L⁽⁰⁾＝37.7dBm，参考距离D⁽⁰⁾＝1m[2]。基于实验观察,如果φ<-95dBm，目标就不能检测AP信号。AP在部署的每一轮中在每一场地都是均匀的。

各种定位算法与本文中公开的定位算法进行比较，并且在附图中公开的若干附图中描绘模拟结果。根据定位误差来评估算法。估计的位置由表示，真实位置由x_u表示。定位误差由给出。对于一组目标用户U，由平均误差(ME)评估整体性能：

方程2：

图3是根据本公开的方面或实施方式的示出定位误差相比信号噪声的示例性非限制图示300。线302表示公开的定位系统的模拟结果。以米为单位的平均定位误差随着Wi-Fi信号噪声的增加而降低，主要是因为在信号空间中的分散最近邻。因为公开的定位系统考虑信号噪声的前两阶用于分块构建：均值和方差，所以与其它算法相比信号噪声的不利影响已减轻。

图4示出了根据本公开的方面或实施方式的示出平均误差相比场地宽度的示例性非限制图示400。线302表示公开的定位系统的模拟结果。在该模拟中，场地宽度(方形)被改变，以改变AP安装密度。一般情况下，误差首先减小，然后增加。这是因为定位误差可能取决于两个因素：场地中的AP指纹差异，以及在位置检测到的AP的数量。当场地较小时，AP指纹在所有RP之间非常相似。因此，误差是高的。随着宽度增加，场地中存在更多的AP信号差异，因此误差减小。随着宽度进一步增加，误差增加，这是因为AP以稀疏的方式部署，所以位置中检测到的AP数量减少。结果表明，没有足够的AP信号差异，高AP密度不会有帮助。它还显示本文中公开的由线402表示的定位系统基本实现了与其他方案相比的最低误差，因为使用信号的前两阶矩的分块减轻了噪音的不利影响。

现在转向图5，其示出了根据本公开的方面或实施方式的示出定位误差相比部署的AP数量的示例性非限制图示500。线502表示公开的定位系统的模拟结果。当AP数量增加时，由于更多AP帮助将目标定位到较小区域，所以定位误差减小。由于随着更多AP被添加到固定区域而导致信号(或指纹)差异减少，所以不需要返回添加额外的AP。它还显示本文公开的由线502表示的定位系统实现了最高精度，因为测量噪声和使用分块交界的联合考虑。

现转至图6，其示出了根据本公开的方面或实施方式的示出定位误差相比采样网格尺寸的示例性非限制图示600。线602表示公开的定位系统的模拟结果。随着网格大小的增加，精度受损，因为信号的不确定性容易导致不正确地匹配到远的RP。其还说明了勘测成本和定位精度之间的权衡。

图7-图8分别示出了用于进行试验的两个未知：位置1和位置2的集群图。表2提供了对于每个场地的汇总设置。

表2：

在这两个场地的每个RP中，从四个不同的方向(北、西、南、东)采样数据。对于每个方向，收集了RSSI向量的特定数量(15)的样本。在数据预处理中，由智能手机限制的移动AP被滤波，并结合虚拟AP(VAP)。通过独立的场地主体对Wi-Fi AP进行预部署，并且它们的实际安装位置可能是未知的。在每个RP处，测量AP(15个样本)的概率在位置1平均是76％(在位置2平均55％)。在两个场地中，5m被用作网格大小。

由面对四个不同方向中的每个，在每个目标位置收集5个样本。目标标本比RP取样晚一个月收集。在正常条件下(工作时间)下进行勘测，因而可能是附近的人群。RP采样与目标采样的样本之间的时间间隔是1秒。图7和图8分别示出在位置1和位置2处聚类的RP和目标位置的勘测平面图。

将定位系统与如上在位置1和2中的每个的模拟中的相同算法进行比较。使用以下基准：在每个集群处4个实例，z₀＝1；20个具有最高熵的AP用于分块交界定位；方程33中，w＝3dB。除非另有说明，否则以上参数保持不变。使用方程2中的均差来比较这些算法。对于集群映射，被正确地映射到其最近的集群的目标数量为n_c。集群映射的精度定义如下：

方程3：

图9是根据本公开的方面或实施方式的示出定位误差相比采样网格尺寸的示例性非限制图示900。由于最小网格大小为五米，所以RP的行或列被移除以形成具有5的倍数的网格大小。所有六种算法可以随着网格大小的增加额降低。由线902示出的公开的定位系统具有比对于不同网格大小的其他算法更高的定位精度。这可能是因为其通过交界优化利用了信号分块，并降低了测量噪声的影响。

图10描绘了根据本公开的方面或实施方式的示出计算时间减少的示例性非限制图示1000。图10示出了用于四个部分的、在位置1的800个目标的平均计算时间：分块构建及交叉贯点1002；查找三明治点1004；寻找最大程度重叠的分块组1006；以及线性规划1008。其对应于以下示出的表3中的理论分析。在图10中示出了通过集群映射和AP滤波能够实现显著的计算降低。

图11描绘了在位置1处根据本公开的方面或实施方式1100的、示出映射精度和精度改善的示例性非限制图示描述了非限制图表1102和1104。1102显示集群映射精度相比使用的样本数量。当示例性数量增加时，精度迅速增加，然后稳定在几个示例处(约四至五个)。这是因为后来添加的示例的贡献小于估计精度。通过几个代表性的，目标可映射到集群之一。1104显示了当应用RP聚类和映射时如何提高精度。精度的改进可使集群映射减少分散近邻的集合，并且目标可以在没有较大误差偏差的情况下定位。

图12是根据本公开的方面或实施方式的、示出位置1处定位误差的示例性非限制图示1200。图12将预期信号差(ESD)的性能与加权欧几里得(W Euc.)、余弦相似性和传统欧氏距离进行比较。目标RSSI向量可以表示为p，指纹数据可以表示为q_j。欧氏距离(E_d＝||p-q_j||₂)和余弦相似性不考虑噪声测量中的信号方差，因而不能区分具有较大信号变化的分散最近邻。加权的欧氏距离旨在规范信号值，但不能代表两个随机信号之间的预期差异。因此，其不能有效地区分具有类似信号测量的RP。相反，ESD 1202通过惩罚具有较大信号方差的RP来区分指纹。因此，相比欧氏距离、加权的欧氏距离以及余弦方法，更有效地减轻了来自测量中噪声的影响。

现转至图13，其是根据本公开的方面或实施方式的、示出位置1处的定位误差的累积分布的示例性非限制图示1300。由于位置1的大测量噪声，所以RADAR的精度被最近邻分散削弱。Horus假定每个RP处的信号电平的某种分布，因此不能代表有限采样下真正的信号分布。基于内核的KL散度还需要大数据采集和信号分布比较的密集指纹。因此，它们不适应位置1中的嘈杂环境。由线1302表示的本文公开的定位系统考虑了使用分块约束的信号噪声，因此减少了误差估计。

现转向图14，其是根据本公开的方面或实施方式1400的、示出RP和目标处的测量AP的直方图的示例性非限制图示1402和1404。图14示出了在位置1中每个RP处检测的AP的数量(1402)和目标(1404)。平均来说，位置1中每个RP可以测量32个AP，并且位置1中的每个目标可以检测28个AP。AP数量是不同的，因为来自不同楼层或位置的不同群体的AP部署的不协调。由于一些目标可能测量多个AP，所以可进行AP滤波以便于计算目标的位置。

现转向图15，其是根据本公开的方面或实施方式1500的、示出AP熵(1502)和位置误差相比选定的AP数量(1504)的累积分布函数示例性非限制图示1502和1504。

进行相关分析以示出基于图15中的信息熵的AP滤波。在1502，绘制出勘测场地中的Wi-Fi AP熵的累积概率。在形成三组AP的累积分布中可观察到两个转折点(虚线)。因此，在AP滤波中，选择右边的具有最大熵的AP组。基于这些选定的AP，1504描绘了相比所选的AP数量的平均定位误差。AP根据它们的熵来分类。然后选择具有较高熵的AP。选择与1502中的右边的组对应的、误差收敛后的顶部几个AP。

现转至图16，其是根据本公开的方面或实施方式的示出平均定位误差相比使用的AP的示例性非限制图示1600。

在1600中描绘了五个算法的性能相比所使用的AP数量。通过固定目标场地处检测到的AP数量，可以随机选择AP来检测并模拟因人群或场地构造改变而丢失的RSSI。随着所使用的AP数量增加，所有五个算法的性能提高，然后收敛。由线1602表示的本文公开的定位系统比其他四种算法下更不易受到AP检测变化的影响。这可能是由于RP聚类及分块交界可以约束较小区域中的目标，并减少最近邻的分散组。

现转至图17，其是根据本公开的方面或实施方式的示出累积分布函数的示例性非限制图示1700。1700示出了两个场地中的信号噪声(方程11中的σ^l，和方程9中的)。应注意，σ^l代表目标处的平均信号噪声，而表示RP处的平均信号噪声。可观察出位置2中的信号噪声稍大于位置1处的信号噪声。

现转至图18，其是根据本公开的方面或实施方式的、示出Wi-FiRSSI相比与AP的距离的散点图的示例性非限制图示1800。1800示出了RSSI值相比与AP的距离。该图是基于从位置2收集的指纹数据生成的。一般来说，随着距离的增加，RSSI下降。由于多径效应，在不同距离处的信号方差可能改变。

现转至图19，其是根据本公开的方面或实施方式的示出平均定位误差相比采样网格尺寸的示例性非限制图示1900。图19示出了当网格大小减少时的所有算法的性能，并且由线1902表示的本文公开的定位系统在所有训练网格大小下实现了更高的精度。图20显示了在位置2处的不同算法的整体性能。类似于位置1，由线2002表示的本文公开的定位系统在位置2仍能获得相比现有算法较高的准确性和鲁棒性。

在以下段落中，进一步讨论如何构造分块和重叠检测。首先考虑到测量的信号噪声的前两阶矩，描述如何构造目标有可能所处的分块。然后提出了高效的算法以找到最大程度地重叠的分块(即，具有最大数量的重叠分块)，接着是相应的复杂性分析。

对于测量噪声下的分块构造，N和L分别表示RP的总数和整个勘测场地中检测到的不同AP的总数。此外，表示在离线收集中，在RP n并且来自于AP l处收集的RSS的随机变量，其中1≤n≤N和1≤l≤L。对于RP n和AP l，在不同的时间τ收集的多个RSSI样本素引为1，2，…。多个样本可表示为其中是收集样本的总数。

的无偏估计表示为其被简化为的均值，即

方程4：

方差的无偏估计表示为由下式表示：

方程5：

是测量的指纹信号所实现的值，由随机变量表示。表示RP n和AP l处的的平均值，即

方程6：

由于数据缓存和其他因素，从智能手机得到的RSSI序列可能是有相关性的。V(τ)为独立于的独立噪声过程。是表示RP n和AP l处的样本的自相关的参数。因此，信号时间序列(假设连续样本之间的相关性)可以表示为一阶自回归模型，即：

方程7：

其中可以近似为自相关系数且带有单个样本滞后。因此，对于其预期数值为且标准偏差可以分别估计如下：

方程8：以及

方程9：

指示在每个RP n和AP l处的估计均值的变化。综上所述，方程8和9代表在构建信号分块时在RP处的RSSI的两个矩。

在RP n的指纹RSSI向量可以通过下式形成：

方程10：

其中，根据定义，如果在RP n处没有检测到AP l，则在在线阶段，φ^l表示AP l的目标测量。(σ^l)²为其方差，被估计为所有指纹的方差的整体平均值：

方程11：

其中N^l表示检测到场地中的AP l的RP组，|N^l|是其基数。在目标处测量到的RSSI向量表示为︰

方程12：p＝[φ¹,φ²,...,φ^L],

其中，根据定义，如果在目标处没有检测到AP l，则φ^l＝0。鉴于上述情况，目标和指纹在RP n和AP l处的目标与指纹之间的信号差方差从而表示为(假设是独立的)：

方程13：

其代表RP和目标处的整体信号波动。在正常室内场景下(例如具有来自周边人群运动或来自墙壁反射的信号噪声)进行指纹收集。因此，可使用收集的真实信号的前两阶矩来捕获潜在的噪音。

对于AP l的分块是包围目标极可能所处的RP组的凸壳，被指示为R^l。这里R^l包括这样的RP，AP l的信号强度不可能低于φ^l(使得通过RP形成的凸壳包围目标)。因此其通过排除信号可能低于目标的信号的RP。换句话说，如果高于某一值，则排除RP n，即：

方程14：

对于一些z₀>0满足这种概率要求。

通过反向方程14，对于AP l的信号分块被构造为如下：

定义5.1给出目标信号测量φ^l，获得R^l包括RP以使得(通过方程13和14)

方程15：

对于AP l的信号的分块是凸壳CH(R^l)，被限定为连续的2D空间，其中任何室内点n可以表示为：

方程16：

其中|R^l|是R^l的基数(大小)，是R^l中的RP i的坐标，其中0≤κ_i≤1，其权重满足：

方程17：

凸壳可以构造为分块可由其边界上的线性线段所表示。

被最大数量的重叠分块的区域是目标可能所在之处。要找出最大程度地重叠的分块组，被称为最大程度重叠组，获得任何两个重叠分块的入口点和出口点。

考虑任何两个分块。可通过线段求交算法[6]有效地获取它们的线段的所有交点，如果有的话。在图21中，两个重叠的分块2102和2104具有被指示为圆圈的所有交点。如果从左到右水平横扫线(如所示的)，则从所有的交点离开为重叠的入口点，被称为交叉开始(BoI)2106，并且重叠的离开点被称为交叉结束(EoI)2108。给定两个凸壳，BoI2016和EoI 2108是分别具有最小和最大的X坐标的两个凸壳(其可通过交叉点的X坐标的线性检查容易地找到)。这两个极端点可以称为分块的三明治点。

对于多个分块，可以生成所有成对组合的分块。对于每一对，运行以上算法以得到该配对的三明治点，其中标记(布尔)位指示其是否是EoI 2108。当存在最大总数L个分块时，可以有个三明治点。

对于所有分块对的三明治点，如何找到重叠分块的最大数量，并展示相应的最大程度重叠组。每个三明治点被存储为数据结构，其包括X和Y坐标、其指示哪个交叉的分块对、以及指示是否是EoI的布尔位。这些三明治点根据其X坐标来排序并以其排序的顺序访问这些点。如果它是BoI 2106(即，EoI位为0)，重叠计数器就增加1，并且交叉对被添加到重叠列表(这可被实现为平衡树状结构以用于有效地查找、插入和删除)。如果它是EoI 2108(即，EoI位为1)，则重叠计数器减1，并且交叉对从重叠列表移除。在前往所有三明治点的已排序序列的结尾处，找到最大重叠数量及其相应重叠列表。这样，重叠列表中的所有分块的合集就是最大程度重叠组。

图22说明了寻找重叠和最大程度地重叠设置的最大数量的过程。在2202中有四个分块，被标记为1、2、3和4(对应于4个AP)，其中总共8个三明治点以它们的X坐标的排序顺序被标记为a、b、...、h。随着访问排序的三明治点(从左到右)，分块1和2的交叉对首次被放入重叠列表2204中，紧跟其后面是对2-3(由于BoI)。在访问对2-3的EoI时，重叠计数器减少1，并且从列表删除对2-3。在访问三明治点h之后，重叠分块的最大数量是3，其中分块列表的合集为{1，2，3}，最大程度重叠组为2206。将使用这些分块来定位(将排除分块4，因为它不满足最大程度重叠组)。

在图23中示出了找到最大数量的重叠分块和最大程度重叠组的算法。重叠计数器N_s被初始化以记录重叠对的数量。H_s和分别存储目前为止发现的重叠分块和最大程度重叠组(行1到4)。每当遇到BoI(即，EoI位＝0)时，N_s增加1。如果遇到EoI(即，EoI位＝1)，则N_s是递减的(行5至12)。保留了Max中最大数量的重叠对以及中的相应分块(行13至16)。

在获得最大程度重叠组L后，目标处于该组的分块的交界内。对于分块l∈L，B¹是其所有边界线段的集合。对于每个线段的两个端点，目标位置被指示为然后处于分块重叠区域作为线性约束：

方程18：

构造分块和寻找最大程度重叠分块的复杂性如下所示。对于分块构造，给定N个RP，分块可以在内构造。因此，对于L个Wi-Fi AP，凸壳构造的总体复杂性由下式提供：

方程19：

找到最大程度重叠分块包括以下三个步骤：A)找到分块的所有交叉点：每个分块具有O(N)边缘。对于分块，总共有边缘。找到这些边缘的所有交叉点花费：

方程20：

B)给出交叉点，为成对分块寻找所有三明治点：由于分块是凸壳，所以它的每个边缘与该对的另一分块至多交叉两个点。因此从它们的交叉点找到三明治点是(所有点的线性扫描)。对于L个分块，存在对。因此，为获得交叉点的所有三明治点的总共时间花费：

方程21：

C)给定对于成对分块的三明治点，寻找最大程度重叠组：排序三明治点需要时间。给出个排序的三明治点，并通过操控重叠列表来检查每一项花费时间，对最大程度重叠分块的搜索需要时间(使用重叠列表中的平衡树状结构)。因此，将三明治点排序和发现最大程度重叠组的总运行时间是：

方程22：

将方程20-22相加，重叠检测的总复杂性因此是：

方程23：

目标移动设备可处于最大程度重叠组的分块的交界区域内。其位置被估计为测量信号与AP信号环境最佳匹配的区域内的点。为了找到AP信号与目标最佳匹配的位置，在比较AP信号时考虑信号噪声。对于AP l在RP n处的信号强度分别具有预期数值和标准偏差(方程(8)和(9))。对于AP l共同的p(目标向量)和q_n(RP n处的指纹向量)，即，φ^l≠0和它们之间的期望信号差异被指示为Γ^l(p,q_n)，这样：

方程24：Γ^l(p,q_n)

使用对于信号差异的均方值跟随均方根误差的精神，并且为信号空间中的具有大信号差异的RP分配更大成本，有助于区分RP。通过定义，如果φ^l＝0或(或两者)，则Γ^l(p,q_n)＝0(即，只有两个向量的公共AP被比较)。

用于比较随机信号的差分度量是RP n和目标处的指纹之间的整体预期信号差异(ESD)，表示为：

方程25：

其中J_n是目标和RP n公共的AP数量(0<J_n≤L)。如果J_n＝0(目标和RP n之间没有共享的AP)，由定义Γ(p,q_n)＝∞即，RP n基本上被排除在方程31的优化公式之外。

可使用方程25中的差分度量计算定位问题。r_n＝[x_n,y_n]是RP n的坐标。C是RP的坐标集合，即：

方程26：C＝{r_n|n∈{1,...,N}}.

ω_n是分配给定位目标中的r_n的权重。由于目标受限于RP，其估计位置可以表示为：

方程27：

其中r_n∈C，并且权重满足︰

方程28：以及

方程29：

此外，在分块交界处(约束(18))，目标位置也可能受制于地图中的允许区域(用户可访问的区域，例如办事处或建筑中庭之间的走廊)。表示以上目标位置的可允许区域作为一组线性约束，表示为B^υ。目标位置可以满足

方程30：

因此定位问题可以计算为线性规划：

方程31：

服从方程()，()，()，()和()

换句话说，使用随机信号的差异度量、通过将目标位置约束在分块交界和可允许区域内，寻求目标向量与RP指纹之间的最佳匹配的位置。解决方案是分配给使得信号差异最小化的每个RP的权重的集合，即具有类似于目标向量的指纹的RP被分配更高权重，反之亦然。

由于存在最大程度重叠分块，则总共边缘(线段)。在地图约束中存在边缘(线段)。因此，总共有线性约束。通过方程(29)，LP中有决策变量，{ω_n}。鉴于上述情况，求解方程(31)中的LP表达式的复杂性为：

方程32：

可通过一些商业解算器来求解LP。总结方程(19)、(23)和(32)，整体在线复杂性是

公开的定位系统的复杂性取决于AP L的数量以及RP N的数量。为了减少复杂性，可通过仅使用那些在场地中示出基本信号差异的那些来减少AP。为此目的，可采用信息理论度量通过在线预处理来筛选AP。为了减少N，可以利用谱聚类将场地分割成较小区域来预处理RP，其中的每个具有示例。在在线阶段，目标向量可以映射到具有最相似示例的集群。这有效地将搜索空间减少到小区域。

在勘测场地中，一些AP可能显示大信号范围。这些AP可以生成具有较小面积的更严格分块。为了实现计算效率，通过信息理论熵测量，公开的定位系统可以将那些具有小信号范围的AP过滤。基本思想如下。首先，可使场地中的每个AP的信号范围离散化。对于AP l，令和分别是所有RP之中的最小指纹值和最大指纹值。对于某一信号离散化步骤w，针对该AP的级别数M^l针对因此为：

方程33：

指纹信号具有电平i，其中i∈{1,...,M^l}，当且仅当：

方程34：

为了计算AP的熵，可以为AP的每个信号电平对RP的数量进行计数。为RP的对应于AP l的信号电平i的数量。|N^l|是可以检测AP l的RP的数量，信号电平i的RP百分比P_i是︰

方程35：

对于AP l的熵，给出：

方程36：

高熵意味着AP有大信号范围，在每个信号电平中具有统一或类似数量的RP。在图24中，图2402示出用于具有高熵的Wi-Fi AP的典型信号模式。如图24中的图表2404所示，每个信号电平的RP分布比较均匀。因此，使用此AP，可根据目标信号生成不同的分块。为了减少AP数(并因此加快LP解决方案)，这些具有低熵的AP可被过滤掉，仅保持具有高熵的AP。这种方式，场地中的AP数将大大减少为只有高熵的AP。所有AP在熵计算上花费对相应的熵排序花费因此，其总的复杂性是

为了有效地解决LP问题，整个勘测场地划分为指纹类似的较小区域。这通过谱聚类进行，其比k-均值聚类更快地收敛到正确解。通过将搜索限制在集群内，可在LP中检查较少RP(即，方程27中的N降低到集群的大小)，其大大加快了计算过程。

聚类过程如下所示。在所有N个RP中，使用余弦相似性[20]计算它们的指纹的成对相似性。两个指纹q_i和q_j之间的相似性由以下公式给出：

方程37：

如果RP i和j之间没有共同的AP(即，则相似性被定义为0。使得C_m为集群m中的RP。RP分组为K个集群，使得集群内的RSSI向量的相似性最大化，即：

方程38：

其中r_m为集群m内的RSSI向量的均值：

方程39：

使用谱聚类的RP聚类算法2500在图25中示出。首先计算不同的RP之间的相似性(第1至6行)。基于成对相似性矩阵S(由元素形成对称矩阵Diag被构造为其中每个对角元素表示S中每一列之和(第7行)。然后，对S和Diag之间的差进行特征值分解(第8至9行)。然后，在10行，对通过给定的k集群数获得的特征向量进行K均值算法。

为了有效地识别目标属于哪个集群，每个集群内的一些示例被选为用于集群比较的代表。这些示例是展示集群中与所有其他成员的最高相似性的顶部几个指纹。在数学上，对于集群m和对于每个j∈C_m，在所有|C_m|的计算值，最高相似性的被选择作为集群m的示例。

给出了滤波后的L个AP，构造N个RP的相似度矩阵的复杂性(即所有sim(q_i,q_j))是特征值分解需要并且找到顶部K个特征向量需要K均值聚类的复杂性是×k-均值迭代数。总结并注意到K＜＜N，因此总的复杂度是

对于每个RP集群的示例，在线目标RSSI向量被映射到相应的RP集群。表示集群的示例组m为Q_m。使用余弦相似性将目标向量与每个示例信号向量进行比较，并将目标映射到具有最高整体相似性的集群，即：

方程40：

在集群映射后，另一个集群的RP被滤波掉，并且仅使用该集群区域中的RP用于定位。这大大减少了LP计算中的N。

对于应用AP滤波和RP聚类后的复杂性减少，A≥1为用于AP的减少因数，其通过AP原始数量与滤波后得到的AP数量之比给出。同样，R＝N/|C_m|≥1表示用于RP的减少因数。在以下表3中示出了在每个在线定位组件中由于AP减少(通过AP滤波)和RP减少(通过聚类)而导致的加速因素。很明显，计算加速的结果可能非常显著。

表3：

图26是根据本公开的方面或实施方式的、基于重叠凸壳确定位置的方法2600的示例性非限制流程图。为了简化解释，该方法(或程序)被描绘且描述为一系列动作。应注意，各种实施方式不受所示的动作和/或动作顺序的限制。例如，动作可以以各种顺序和/或同事发生，并且与本文没有展示或描述的其它动作结合。在另一方面中，各种动作可由本文描述的实施方式的系统和/或部件来执行。

方法2600可开始于2602，其中方法包括通过包括处理设备的系统从移动设备接收第一无线测量报告，其中第一无线测量报告包括第一接收信号强度测量和用于第一接入点设备的第一信号向量。在步骤2604，该方法可包括通过系统基于第一无线测量报告确定第一凸壳，第一凸壳表示移动设备所处的第一组位置。

在2606，该方法可包括通过系统基于从移动设备接收的第二无线测量报告确定第二凸壳，第二凸壳表示移动设备所处的第二组位置。

在2608，该方法可包括基于确定第一凸壳和第二凸壳的重叠部分，通过系统确定移动设备所处的区域。

参照图27，在示例性实施方式2700中，基站2710可从无线设备、无线端口和路由器等通过一组天线2769₁-2769_N接收信号(例如，交通和控制信号)，并将信号传输至无线设备、无线端口和路由器等。应理解虽然天线2769₁-2769_N是通信平台2725的一部分，但是其包括用于处理和操作接收信号(例如分组流)和待传输信号(例如广播控制信道)而提供的电子组件和相关电路。在一个方面中，通信平台2725可包括发射器/接收器(例如，收发器)2766，其可在接收后将信号从模拟格式转换为数字格式(例如，模拟-数字转换)，并且在传输后将信号从数字格式转换到模拟格式(例如，数字-模拟转换)。另外，接收器/发射器2766可以将单个数据划分为多个、并行的数据流，或执行相反的操作。耦合到收发器2766的是多路复用器/解复用器2767，其便于在时间和频率空间上操作信号。电子组件2767可根据时分复用(TDM)、频分复用(FDM)、正交频分复用(OFDM)，代码复用(CDM)、空分复用(SDM)等多种复用方案，对信息(数据/交通和控制/信令)进行多路复用。此外，多路复用器/解复用器组件2767可根据本领域已知的基本任何代码，例如，阿达玛-沃尔什码、贝克代码，Kasami代码、多相码等混杂和传播信息(例如，代码)。调制器/解调器2768也是操作组2725的一部分，并能根据多个调制技术，例如调频、调幅(例如与M进制正交幅度调制(QAM)，其中M为正整数)、相移键控(PSK)等来调制信息。

根据本公开的方面，基站2710还包括处理器2745，处理器2745配置为将功能性至少部分地提供给基站2710中的基本任何电子组件。具体地，处理器2745可促进基站2710以实现通过通信平台2725接收的配置指令，其可包括在存储器2755中存储数据。此外，处理器2745使得基站2710处理数据(例如，符号、位或芯片等)以用于复用/解复用，例如影响直接和逆快速傅里叶变换、调制速率的选择、数据包格式的选择、分组时间等。此外，处理器2745可操控天线2769₁-2769_N以便于波束形成或选择性辐射图案形成，其可有利于由基站覆盖的特定位置(例如，地下室，家庭办公室…)；并利用与智能天线技术相关的基本任何其他优点。存储器2755可存储数据结构、代码指令、系统或设备信息，如设备标识代码(例如，IMEI、MSISDN、序列号...)和说明例如多模能力；用于混杂的代码序列；传播和试点传输、平面图配置、接入点部署和频率计划等。此外，存储器2755可存储配置信息，如时间安排和策略；基站地址或地理标识；访问列表(例如，白名单)；利用基站2710的添加功能的许可等。在一个实施例中，缓存组件816可以实现在存储器2755中。

在实施方式2700中，处理器2745可以耦合到存储器2755以便存储和获取操作和/或提供功能至通信平台2725、宽带网络接口2735(例如，宽带调制解调器)、和支持基站1010的其他功能组件(例如，多模芯片、电源...；未示出)所必需的信息。基站2710可以进一步包括定位系统204，其可包括在本文中充分描述的，例如关于系统200的功能。此外，应注意在本说明书中公开的各方面也可通过(i)存储在计算机可读存储介质或存储器(例如，存储器2755)中并由处理器(例如，处理器2745)执行的程序模块或(ii)硬件和软件或硬件和固件的其它组合来实现。

现参照图28，其示出了依据本说明书的计算环境2800的示例性示意框图。系统2800包括一个或多个客户端2802(例如，计算机、智能手机、平板电脑、摄像机、PDA)。客户端2802可以是硬件和/或软件(例如，线程、进程、计算设备)。客户端2802可通过例如采用规范来容纳cookie和/或相关联的上下文信息。

系统2800还包括一个或多个服务器2804。服务器2804也可以是硬件或与软件(例如，线程、进程、计算设备)结合的硬件。服务器2804可以容纳线程以通过采用例如本公开的各方面执行转换。客户端2802和服务器2804之间的一种可能通信可表现为适于两个或更多个计算机处理之间传输的数据分组的形式，其中数据分组可包括被编码的项。数据分组例如可以包括小量信息(cookie)和/或相关联的上下文信息。系统2800包括通信框架2806(例如，全球通信网络，如互联网)，其可以用于方便客户端2802与服务器2804之间的通信。

可以通过有线(包括光纤)和/或无线技术来提供通信。在一个方面中，客户端2802和网络设备(例如，服务器2804)之间的通信是通过无线信道进行的。在另一个方面中，网络设备(例如，服务器2804)之间的通信链接可以通过无线或有线信道来进行。应注意，本文中描述了客户端2802和网络设备(例如，服务器2804)之间的无线连接，但是客户端2802可能具有其他能力(例如，有线通信能力)。客户端2802操作地连接到一个或多个客户端数据存储2808，客户端数据存储2808可用于存储客户端2802(例如，cookie和/或相关联的上下文信息)本地的信息。类似地，服务器2804操作地连接到一个或多个服务器数据存储2810，服务器数据存储2810可用于存储服务器2804本地的信息。

在一个实现方式中，服务器2804可将编码的文件(例如，网络选择策略、网络状态信息等)传输到客户端2802。客户端2802可以存储文件、对文件进行解码或将文件传输到另一客户端2802。应注意，服务器2804还可将未压缩的文件传输到客户端2802，并且客户端2802可根据公开的主题压缩文件。同样，服务器2804可编码信息并通过通信框架2806将信息传输至一个或多个客户端2802。

现参照图29，其示出了可操作以执行所公开的通信架构的计算机框图。为了提供用于本说明书的各个方面的附加文本，图29和以下讨论旨在提供合适计算环境2900的简短、一般的描述，其中本说明书的各个方面可实现。虽然以上在可运行于一个或多个计算机的计算机可执行指令的一般文本中描述了本说明书，但是应注意本说明书也可以在与其他程序模块的组合和/或硬件和软件的组合中实现。

通常，程序模块包括例程、程序、组件、数据结构等，其执行特定任务或实现特定的抽象数据类型。此外，本领域技术人员将领会本发明的方法一通过其他计算机系统配置来实践，其他计算机系统配置包括单处理器或多处理器计算机系统、微型计算机、大型计算机以及个人电脑、手持计算设备、基于微处理器或可编程消费电子产品等，其中的每种可操作地耦合到一个或多个关联设备。

本发明示出的方面也可实践在包括云计算环境的分布式计算环境中，其中通过远程处理设备来执行，远程处理设备通过通信网络来链接。在分布式计算环境中，程序模块可以位于两个本地的和远程存储设备中。

计算设备可以包括各种介质，其可以包括计算机可读存储介质和/或通信介质，这两个术语在本文中如下所示彼此不同的使用。计算机可读存储介质可以是任何可用的存储介质，其可以由计算机访问并包括易失性和非易失性介质、可移动和非可移动介质。作为示例并且不限制的，计算机可读存储介质可以结合用于存储信息的任何方法或技术来实现，例如计算机可读指令、程序模块、结构化数据或非结构化数据。计算机可读存储介质可以包括但不限于，可用于存储所需信息的RAM、ROM、EEPROM、闪存或其他内存技术、CD-ROM、数字多功能光盘(DVD)或其他光学磁盘存储、磁盒式磁带、磁带、磁盘存储或其他磁性存储设备、或其他有形和/或非临时性介质。可以通过一个或多个本地或远程计算设备，例如通过访问请求、查询或其他数据检索协议来访问计算机可读存储介质，以用于关于由介质存储的信息的各种操作。

通信介质通常包括(和/或便于传输)计算机可读指令、数据结构、程序模块或数据信号(例如调制的数据信号，例如载波或其他传输机制)中的其他结构化或非结构化的数据，并包括任何信息传递或传输介质。术语“调制的数据信号”或信号指的是具有其特征组中的一个或多个或者以在一个或多个信号中编码信号的方式改变的信号。通过示例的方式，并不限制，通信介质包括有线介质，例如有线网络或直接有线连接和无线介质例如声，射频、红外和其他无线介质。

再次参照图29，用于实现本说明书的各方面的示例性环境2900包括计算机2902，计算机2902包括处理单元2904、系统存储器2906和系统总线2908。系统总线2908将包括但不限于系统存储器2906的系统组件耦合到处理单元2904。处理单元2904可以是任何各种商业上可用的处理器。双微处理器和其他多处理器架构也可以用作处理单元2904。

系统总线2908可以是可进一步互联至存储器总线(有或没有内存控制器)、外设总线和使用各种商业上可用的总线架构中的任一种的本地总线的总线结构中的任意几种类型。系统存储器2906包括只读存储器(ROM)2910和随机存取内存(RAM)2912。基本输入/输出系统存储在非易失性存储器2910中，例如ROM、可擦写可编程只读存储器、电可擦除可编程只读存储器，这些基本输入/输出系统包含有助于例如在启动过程中在计算机2902中的元件之间传输信息的基本程序。RAM 2912还可以包括例如静态RAM的高速RAM以用于缓存数据。

计算机2902进一步包括内部硬盘驱动2914(例如，EIDE、SATA)，该内部硬盘驱动2914也可以配置为在合适的机箱(未示出)、磁性软盘驱动2916(例如，从可移动软盘2918读取或写入可移动软盘2918)和光盘驱动2920(例如，读取CD-ROM磁盘2922或从读取于或写入例如DVD的其他高容量光学介质)的外部使用。硬盘驱动2914、磁盘驱动2916和光学磁盘驱动2920可以通过硬盘驱动接口2924、磁盘驱动器接口2926和光驱接口2928分别连接到系统总线2908。用于外部驱动实现的接口2924包括通用串行总线(USB)和IEEE1394接口技术中的至少一个或两个。其他外部驱动连接技术也处于本说明书的预期内。

驱动和它们的相关计算机可读存储介质提供数据、数据结构、计算机可执行指令等的非易失性存储。对于计算机2902，驱动和存储介质容纳合适数字格式中的任何数据存储。虽然上述计算机可读存储介质的描述是指HDD、可移动磁性软盘和可移动光学介质如CD或DVD，但是本领域技术人员应注意，同计算机(例如zip驱动器、磁带、闪存、墨盒等)可读取的其他类型的存储介质也可用于示例性操作环节中，并且进一步任何这种存储介质可包含用于执行本说明书方法的计算机可执行指令。

可以在驱动和RAM 2912中存储多个程序模块，包括操作系统2930、一个或多个应用程序2932、其他程序模块2934和程序数据2936。全部或部分的操作系统、应用、模块和/或数据也可以在RAM 2912中缓存。应注意，该说明书可通过商业上可用的操作系统或操作系统的组合来实现。

用户可以通过一个或多个有线/无线输入设备，例如键盘2938和指针设备例如鼠标2940将命令和信息输入计算机2902中。其他输入设备(未示出)可以包括麦克风、红外遥控、操纵杆、游戏垫、手写笔、触摸屏等。这些和其他输入设备通常通过耦合到系统总线2908的输入设备接口2942连接到处理单元2904，但也可以通过其他接口，例如并行端口、IEEE 1394串行端口、游戏端口、USB端口、红外接口等连接到处理单元2904。

监视器2944或其他类型的显示设备也通过接口诸如视频适配器2946连接到系统总线2908。除了显示器2944之外，计算机通常包括其他外围的输出设备(未示出)，例如扬声器、打印机等。

计算机2902可使用逻辑连接通过有线和/或无线通信到一个或多个远程计算机，例如远程计算机2948在网络环境中操作。远程计算机2948可以是工作站、服务器计算机、路由器、个人计算机、便携式计算机、基于微处理器的娱乐装置、对等设备或其它常见网络节点，并且通常包括关于计算机2902所描述的多个或全部元件，虽然为了简便起见，仅示出了存储器/存储设备2950。所描绘的逻辑连接包括有线/无线连接到局域网2952和/或更大网络，例如广域网络2954。这种局域网络和广域网络环境在办公室和公司中是司空见惯的，并且便于可连接至全球通讯网络，例如互联网的全部企业级计算机网络，例如内联网。

当在局域网网络环境中使用时，计算机2902通过有线和/或无线通信网络接口或适配器2956连接到本地网络2952。适配器2956可以方便有线或无线通信至局域网2952，其还可以包括设置在其上的无线接入点以用于与无线适配器2956通信。

当在广域网络环境中使用时，计算机2902可以包括调制解调器2958，或者连接到广域网络2954上的通信服务器，或者具有用于通过因特网在广域网1354上建立通信的其它器件。调制解调器2958可以是内部或外部的且有线或无线设备，其通过串行端口接口2942连接到系统总线2908。在网络环境中，关于计算机2902描绘的程序模块或其中的某些部分可以存储在远程存储器/存储设备2950中。应注意，示出的网络连接是示例性的，并且可以使用用于建立计算机之间的通信链路的其它方式。

计算机2902可操作为以无线通信操作地设置的任何无线设备或实体进行通信，例如打印机、扫描仪、台式机和/或便携式计算机、便携式数据助理、通讯卫星、任何设备件或与无线探测标记(例如，亭、报刊亭、洗手间)关联的位置，以及电话。在示例性实施方式中，例如使用Wi-Fi、Bluetooth^TM、Zigbee和其他802.XX无线技术来方便无线通信。因此，通信可以是关于传统网络的预定义结构或只是两个设备之间的特设通信。

Wi-Fi或无线保真允许从家中沙发、酒店房间的床、或工作中的会议室在无线的情况下链接到互联网。Wi-Fi是与使得例如计算机的这些设备发送和接收室内和室外数据的、在电话中使用的技术类似的无线技术；在基站的范围内的任意地方。Wi-Fi网络使用被称为IEEE802.11(a、b、g、n等)的无线电技术以提供安全、可靠、快速的无线连接。Wi-Fi网络可以用于将计算机连接到彼此、连接到互联网、并连接到有线网络(其使用IEEE802.3或以太网)。Wi-Fi网络可在未经许可的2.4和5GHz无线电频段操作，例如在12M bps(802.11a)、54Mbps(802.11b)或150Mbps(802.11n)数据速率，或者具有包含两个频段的产品，使得网络可以提供类似于在许多家庭和/或办公室中使用的有线以太网网络的现实世界的性能。

如其在本说明书中采用的，术语“处理器”可以指基本任何计算处理单元或装置，包括但不限于单核心处理器、具有软件多线程执行能力的单处理器、多核心处理器、具有软件多线程执行能力的多核心处理器、具有硬件多线程技术的多核心处理器、并行平台、和具有分布式共享内存的并行平台。此外，处理器可以指集成电路、应用专用集成电路(ASIC)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑控制器(PLC)、复杂可编程逻辑器件(CPLD)、离散门或晶体管逻辑、离散硬件组件或设计为执行本文描述的功能的任何组合。处理器可以利用纳米级架构，例如但不限于基于分子和量子点晶体管、开关和栅，以优化空间利用率或提高用户设备的性能。处理器也可实现为运算处理单元的组合。

在本说明书中，诸如“数据存储”、“数据储存”、“数据库”的术语以及与组件的操作和功能相关的实质上任何其他信息存储组件指的是“存储器组件”或体现在“存储器”或包括存储器的组件的实体。应注意，本文中描述的存储器组件或计算机可读存储介质可以是易失性存储器或非易失性存储器，或者可以包括易失性和非易失性存储器。

通过图示以及不限制的方式，非易失性存储器可以包括仅可读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除ROM(EEPROM)或闪存。易失性存储器可以包括随机存取存储器(RAM)，其用作外部缓存存储器。通过图示以及不限制的方式，RAM可以多种形式使用，例如同步RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强SDRAM(ESDRAM)、同步链接DRAM(SLDRAM)和直接Rambus存储器(DRRAM)。此外，本文中公开的系统或方法的存储器组件旨在包括但不限于这些和任何其他适当类型的存储器。

如在本申请中使用的，术语“组件”、“模块”、“系统”、“界面”“平台”、“服务”、“框架”、“连接器”、“控制器”等通常旨在指代计算机相关实体，或者硬件、硬件和软件的组合、软件或在执行中的软件或与具有一个或多个特定功能的操作机器有关的实体。例如，组件可以是，但不限于，在处理器、处理器、对象、可执行文件、线程的执行、程序和/或计算机上正运行的处理。举例而言，在控制器上运行的应用和该控制器可以是组件。一个或多个组件可驻留在执行进程和/或执行线程中，并且组件可集中在一个计算机上或分布在两个或更多个计算机之间。作为另一示例，接口可包括I/O组件以及相关处理器、应用和/或API组件。

此外，各种实施方式可以实现为方法、装置或使用标准规划和/或工程技术制造的产品，以产生软件、固件、硬件或它们的任何组合，从而控制计算机实现所公开的主题的一个或多个方面。制造的产品可包含可从任何计算机可读设备或计算机可读存储器/通信介质访问的计算机程序。例如，计算机可读存储介质可包括但不是限于磁存储设备(如硬盘、软盘、磁条...)、光学磁盘(例如，光盘(CD)，数字多功能光盘(DVD)...)、智能卡和闪存设备(例如，卡，记忆棒，键驱动...)。当然，本领域技术人员将认识到在不偏离各种实施方式的范围或精神的情况下，可对该配置进行许多修改。

以上已经描述的内容包括本说明书的示例。当然，为了描述本说明书，不可能描述组件或技术的任何可认识的组合，但是本领域技术人员可认识到，对本说明书的许多进一步组合和排列是可能的。因此，本说明书旨在包含所有这些改动、修改及落入所附权利要求的精神和范围内的变化。此外，就此而言，在具体实施方式和权利要求书中使用了术语“包括(includes)”，该术语旨在以类似于术语“包括(comprising)”的方式而具有包容性，如“包括(comprising)”在作为权利要求中的过渡词使用时解释的那样。