使用离线地图信息辅助增强的便携式导航的方法和系统与流程

本申请要求2015年12月21日提交的题为“METHOD AND SYSTEM FOR USING OFFLINE MAP INFORMATION AIDED ENHANCED PORTABLE NAVIGATION(使用离线地图辅助的增强便携式导航的方法和系统)”的美国专利申请No.14/976,992的优先权及权益。

技术领域

本公开涉及一种用于随后通过对导航解决方案使用地图辅助和/或地图约束来增强从平台(诸如，例如人、车辆或船舶)内的设备的传感器数据导出的至少一个导航解决方案的方法和系统，其中该设备可以被捆绑或非捆绑到该平台，并且其中在非捆绑的情况下，该设备的移动性可以在该平台内受到约束或不受约束，并且其中该设备可以被倾斜成任何取向并且仍然提供无缝导航。

背景技术：

便携式电子设备(诸如，被配置为手持或以其他方式与用户相关联的那些设备)被用于各种各样的应用和环境中。这些设备越来越多地配备有一个或多个传感器或其他系统以用于确定便携式设备的位置或运动。值得注意的是，诸如智能手机、平板、智能手表或其他便携式设备之类的设备可以具有以下特征：全球导航卫星系统(GNSS)接收器、低成本微机电系统(MEMS)惯性传感器、气压计和磁力计。GNSS和多传感器可以经集成以在大多数户外环境中提供有前景的定位结果。然而，一些大众市场应用需要在各种环境(诸如，商场、办公室或地下停车场)中的无缝定位能力。在室内环境中没有GNSS信号的情况下，使用低成本惯性传感器的传统捷联式惯性导航系统(SINS)由于累积的传感器漂移和偏差而遭受显著的性能下降。因此，仅依赖于运动传感器的定位技术可能无法满足无缝室内和室外导航应用的所有需求。

行人航位推算(PDR)是便携式设备室内/室外定位技术的示例，并且近来已成为工业和学术研究的焦点。与SINS类似，PDR累积从已知起点的连续位移以导出位置。可以使用惯性传感器测量值在一定的准确度内利用各种算法估计该位移(步长)。使用来自PDR的步长的位置误差比来自SINS的加速度计导出的位移的位置误差累积慢得多。在没有GNSS更新的情况下，PDR显示出比SINS更好的性能。然而，由于累积的航向误差，PDR仍然缺乏鲁棒性。这个缺点可能导致随时间的偏斜路径并产生可能与建筑布局不一致的位置估计。因此，所得的导航轨迹可能穿过墙壁、地板或其他障碍物。为了避免这些类型的导航轨迹与建筑物布局不一致，可以使用地图信息将PDR解决方案约束到指示为可能路径的区域，或者可以更新确定的位置以匹配从地图信息导出的假定位置。如本文所使用的，本公开的地图辅助技术包括约束用户的导出位置或将导出位置更新到从地图信息确定的位置中的任一者或两者。

如上所述，地图信息可用于改善导航系统的可靠性和定位准确度。为了在导航系统中使用地图信息，在现有技术中已经提出并应用了各种地图辅助算法。地图辅助算法总体上可分为四类：几何学、拓扑学、概率学和其他高级技术。

几何学地图辅助算法通常仅考虑用户位置与地图之间的几何关系。它们广泛用于车辆导航应用中，其中空间道路网络被抽象为节点和曲线。最常用的几何学地图辅助算法是点对点辅助技术，其将用户位置与道路段的最接近节点匹配。虽然易于实施，但它对道路网络被数字化的方式很敏感。另一种几何学地图辅助算法是点到曲线辅助。这种技术将用户位置与道路的最接近曲线相匹配。每条曲线包括逐段线性的线段。可以计算从用户位置到每个线段的距离。给出最小距离的线段经选择作为匹配的道路。虽然它比点对点辅助更有效，但它在密集的道路网络中可能不稳定。另一种几何学算法是曲线到曲线辅助，其将用户轨迹的短历史与道路曲线相匹配，并且可以选择具有到用户轨迹的最短距离的道路曲线。不幸的是，这种方法对异常值十分敏感，因此通常会给出意想不到的结果。

除了利用基本几何信息以外，拓扑学地图辅助算法还利用历史用户轨迹信息(其可包括先前识别的道路段)和拓扑信息，诸如路线连通性、道路分类、道路限制信息(单向、转弯限制)。各种先前的工作都在不同层面上应用了拓扑信息。例如，(i)使用拓扑信息来识别一组候选路线，(ii)并且从一组候选路线中识别正确的路线。因此，拓扑学地图辅助算法一般胜过仅依赖于几何技术的算法。此外，基于权重的拓扑地图可以进一步改善匹配辅助性能。这些技术使用网络几何和拓扑信息中的相关值以及来自GPS/DR集成系统的定位信息作为不同道路路线候选的权重。具有最高权重分数的路线可经选择作为正确的道路段。然而，在先前时期对道路路线的错误识别可能对接着的地图辅助结果产生显著的负面影响。

传统的概率学地图辅助算法使用来自导航器的用户位置周围的误差椭圆或矩形区域。误差区域取决于估计的导航位置的方差。然后将误差区域叠加在道路网络上以识别用户正在其上行进的道路段。如果误差区域包含多个段，则使用航向、连通性和接近性标准来执行候选段的评估。为了提高计算效率和系统可靠性，可以仅在用户穿过交叉点时构造误差区域。这是因为当其他道路路线接近用户正在行进的路线时，在每个时期对误差区域的构造可能导致不正确的路线识别。

高级地图辅助算法通常涉及更高级的技术，诸如卡尔曼滤波器、粒子滤波器、模糊逻辑模型或贝叶斯推理。例如，卡尔曼滤波器可用于传播来自GPS或GPS/DR的用户位置，并通过使用正交投影地图匹配位置来重新估计用户位置以减少沿轨道误差。类似的概念也可以与粒子滤波器一起使用来预测和更新用户的位置。此外，模糊推理系统可以用于导出匹配的道路路线，其中i)用户位置和候选路线之间的距离以及ii)平台方向和路线方向之间的差异。另一个示例是使用多假设技术(MHT)进行地图辅助，其通过采用来自当前用户位置的验证区域内的所有可能路线的伪测量(投影位置和航向)以及道路网络的拓扑分析以得出一组假设和概率。

尽管有各种常规可用的地图辅助算法，无论是几何学的、拓扑学的、概率学的或高级的方法，它们都可以被认为是基于用户被约束到道路网络(其可以被抽象为连接的点、线和曲线)的假定。尽管该假定在许多户外陆地车辆导航应用中可能足够有效，但是在复杂的室内环境中可能遇到问题，在该室内环境中，房间、电梯、走廊和类似的结构不能简化为上述点、线和曲线。一些研究人员使用具有来自建筑物平面图的几何约束(墙壁、难到达的区域)信息的粒子滤波器来提高室内定位准确度，然而，用户可以以随机方式进入或离开房间，并且简单的几何约束在这些场景中是不期望的。此外，这种技术还没有适应多楼层情况。相比之下，传统的多楼层地图辅助技术仅依赖于几何信息来识别楼梯的位置。这些方法可能不够可靠，特别是当在导航解决方案中出现漂移时。此外，大多数现有的地图辅助算法忽略用户运动状态信息。用户的运动状态(诸如，上/下楼梯、在自动扶梯上站立/行走或使用电梯)有益于验证室内导航应用中的候选匹配的层面变化路线或对象。尽管诸如模糊逻辑或粒子滤波器之类的高级算法具有提供改进性能的潜力，但由于繁重的计算负担，它们通常可能不适用于实时或因果应用。

因此，期望提供使用可用地图信息(尤其是室内地图)的导航技术，以增强便携式设备的定位应用的准确性和可靠性。同样期望提供地图信息辅助技术，其以无缝的室外与室内过渡以及处理多层面室内地图的方式良好地操作以在复杂的多层面室内环境中可靠地对用户进行导航。还期望提供可以随后被应用以便从事后信息和处理技术中受益的地图信息辅助技术。此外，期望提供适于在客户端和服务器模式中的有效操作的地图辅助技术，其通过使服务器能够使用用户的上载的导航解决方案来随后生成地图匹配的结果以增强一个或多个解决方案。如将在以下资料中描述的，本公开满足了这些和其他需要。

技术实现要素：

如下面将详细描述的，本公开包括一种用于使用地图信息增强便携式设备和平台的导航解决方案的方法，其中该设备的移动性在该平台内受到约束或不受约束，并且其中该设备可以被倾斜成任何取向。该方法可以包括：获得便携式设备的传感器数据，该传感器数据表示便携式设备在第一时间段内的多个时期的运动；至少部分地基于传感器数据导出针对所述时期的导航解决方案；在第一时间段之后的一时间处至少部分地基于多个导航解决方案估计便携式设备的位置信息；获得包含该便携式设备在第一时间段期间的位置的区域的地图信息；至少部分地基于估计的位置信息和地图信息，针对第一时间段期间的至少一个时期，生成关于便携式设备的可能位置的多个假设；至少部分地基于估计的位置信息和地图信息来管理假设；处理经管理的假设以更新便携式设备的估计的位置信息；以及使用经更新的估计的位置信息提供针对至少一个时期的增强的导航解决方案。

本公开还包括一种便携式设备，该便携式设备具有：集成传感器组件，该集成传感器组件可以输出针对便携式设备的在第一时间段内的多个时期的传感器数据，该传感器数据表示该便携式设备的运动；导航模块，该导航模块被配置为至少部分地基于在多个传感器时期的传感器数据导出导航解决方案；以及处理器，该处理器可以实现：位置估计器，用于在所述第一时间段之后的一时间处至少部分地基于多个导航解决方案来提供所述便携式设备的估计的位置信息；地图处置器，用于获得包含便携式设备在第一时间段期间的位置的区域的地图信息；和假设分析器，用于至少部分地基于估计的位置信息和地图信息，针对第一时间段期间的至少一个时期，生成并管理关于便携式设备的可能位置的多个假设，使得所述处理器可以至少部分地基于经管理的假设来更新便携式设备的估计的位置信息，以使用经更新的估计的位置信息提供针对至少一个时期的增强的导航解决方案。

本公开还包括一种用于使用地图信息增强便携式设备和平台的导航解决方案的服务器，其中该便携式设备的移动性在该平台内受到约束或不受约束，并且其中该便携式设备可以被倾斜成任何取向。服务器可以包括通信模块和处理器，该通信模块用于接收由便携式设备提供的信息，其中该信息对应于第一时间段期间的多个时期的表示便携式设备的运动的传感器数据，该处理器可以实现：位置估计器，用于在所述第一时间段之后的一时间处至少部分地基于针对所述时期导出的多个导航解决方案来提供所述便携式设备的估计的位置信息；地图处置器，用于获得包含便携式设备在第一时间段期间的位置的区域的地图信息；和假设分析器，用于至少部分地基于估计的位置信息和地图信息，针对第一时间段期间的至少一个时期，生成并管理关于便携式设备的可能位置的多个假设，使得所述处理器可以至少部分地基于经管理的假设来更新便携式设备的估计的位置信息，以使用经更新的估计的位置信息提供针对至少一个时期的增强的导航解决方案。

更进一步，本公开包括一种用于使用地图信息提供增强的导航解决方案的系统。该系统可具有便携式设备，该便携式设备具有：集成传感器组件，该集成传感器组件被配置成输出针对所述便携式设备在第一时间段内的多个时期的传感器数据，该传感器数据表示所述便携式设备的运动；通信模块，该通信模块用于发送对应于所述时期的信息。该系统还可以包括远程处理资源和处理器，该远程处理资源用于从便携式设备接收信息，该处理器可以实现：位置估计器，用于在所述第一时间段之后的一时间处至少部分地基于针对每个时期导出的便携式设备的多个导航解决方案来提供所述便携式设备的估计的位置信息；地图处置器，用于获得包含便携式设备在第一时间段期间的位置的区域的地图信息；和假设分析器，用于至少部分地基于估计的位置信息和地图信息，针对第一时间段期间的至少一个时期，生成并管理关于便携式设备的可能位置的多个假设，使得所述处理器可以至少部分地基于经管理的假设来更新便携式设备的估计的位置信息，以使用经更新的估计的位置信息提供针对至少一个时期的增强的导航解决方案。

附图说明

图1是根据实施例的用于导航解决方案的离线增强的系统的示意图。

图2是根据实施例的利用离线地图信息增强导航解决方案的例程的流程图。

图3是根据实施例的用于执行离线地图匹配以增强便携式设备的导航解决方案的功能框的示意性表示。

图4是根据实施例的用于执行离线地图匹配以增强便携式设备的导航解决方案的输入处置器的示意性表示。

图5是根据实施例的几何地图中的地图实体裁剪的示意性表示。

图6是根据实施例的网格地图的示意性表示。

图7是根据实施例的在生成假设时使用的误差椭圆的示意性表示。

图8是根据实施例的投影到地图实体上的误差椭圆的示意性表示。

图9是根据实施例的具有门信息的走廊场景中的误差椭圆的示意性表示。

图10是根据实施例的没有门信息的走廊场景中的误差椭圆的示意性表示。

图11是根据实施例的对层面变化场景中的导航解决方案进行比较的示意性表示。

图12是根据实施例的对航向振荡消除之后的导航解决方案进行比较的示意性表示。

图13-17是根据实施例的对零售场所中的从导航解决方案和增强的导航解决方案建立的轨迹进行比较的示意性表示。

图18-26是根据实施例的在零售场所中使用正向处理和反向处理以提供增强的导航解决方案的示意性表示。

图27是根据实施例的用于导航解决方案的离线增强的另一系统的示意图。

图28是根据实施例的用于导航解决方案的离线增强的设备的示意图。

具体实施方式

首先，应理解，本公开不限于特定示例的材料、架构、方法或结构，因为这些可以变化。因此，尽管可以在对本公开的实践或实施例中使用与本文中所描述的类似或相当的许多这类选项，但是本文中描述了优选材料和方法。

还应当理解的是，本文中所使用的术语仅出于对本公开的特定实施例进行描述的目的而并不旨在进行限制。

以下阐述的与附图相结合的详细描述旨在作为本公开的示例性实施例的描述，而无意表示可在其中实践本公开的仅有示例性实施例。贯穿本描述使用的术语“示例性”意指用作“示例、实例或解说”，而不必解释为优于或胜过其他示例性实施例。为了提供对本说明书的示例性实施例的透彻理解的目的，本具体实施方式包括特定细节。对于本领域的技术人员将显而易见的是，可以在没有这些特定细节的情况下实践本说明书的示例性实施例。在一些实例中，以框图形式示出了众所周知的结构和设备，以便避免模糊本文中所呈现的示例性实施例的新颖性。

仅处于方便和清晰的目的，可以相对于附图或芯片实施例使用方向术语，诸如顶、底、左、右、上、下、后、和前。这些和类似方位术语不应被解释为以任何方式限制本公开的范围。

在说明书和权利要求书中，应理解，当元件被称为“连接至”或“耦合至”另一元件时，它可直接地连接至或耦合至另一元件或者可存在介入元件。相反，当元件被称为“直接连接至”或“直接耦合至”另一元件时，不存在介入元件。

随后的具体实施方式中的一些部分是关于对计算机存储器内的数据位的操作的程序、逻辑块、处理和其他符号表示而呈现的。这些描述和表示是数据处理领域内技术人员使用的方式，它最有效地将其工作本质传达给本领域内其它技术人员。在本应用中，规程、逻辑快、处理等被构思成达到所期望结果的步骤或指令的自洽的序列。这些步骤是需要对物理量进行物理操控的那些步骤。通常，尽管不是必要的，这些量采用能够在计算机系统中存储、转移、组合、比较及以其他方式操纵的电信号或磁信号的形式。

然而，应当铭记，所有这些和类似术语都与适当的物理量相关联，并且仅仅是应用于这些量的方便标记。除非明确指明，否则如从下文的讨论显而易见的，要理解，在本应用中利用诸如“接入”、“接收”、“发送”、“使用”、“选择”、“确定”、“归一化”、“相乘”、“平均”、“监控”、“比较”、“应用”、“更新”、“测量”、“得到”等术语的讨论，指的是计算机系统或类似电子计算设备的动作和进程，操纵在该计算机系统的寄存器和存储器内表示为物理(电子)量的数据并将其转换成在该计算机系统存储器或寄存器或其它这样的信息存储、传送或显示设备内类似地表示为物理量的其它数据。

可以在处理器可执行指令的一般情境中讨论本文中所描述的实施例，所述指令驻留于由一个或多个计算机或其他设备执行的如程序模块等某种形式的非暂态处理器可读存储介质上。一般地，程序模块包括执行特定任务或实施特定抽象数据类型的例程、程序、对象、部件、数据结构等。程序模块的功能可以如所期望的那样结合或分布在各种实施例中。

在图中，单个块可以被描述为执行一个或多个功能；然而，在实际应用中，由该块执行的一个或多个功能可以单个部件或跨多个部件执行，并且/或可以通过使用硬件、使用软件、或使用硬件和软件的组合执行。为清楚地解说硬件与软件的这一可互换性，各种解说性组件、块、模块、电路、以及步骤在上面是以其功能性的形式作一般化描述的。此类功能性是被实现为硬件还是软件取决于具体应用和施加于整体系统的设计约束。技术人员可针对每种特定应用以不同方式来实现所描述的功能性，但此类实现决策不应被解读为致使脱离本公开的范围。而且，示例性无线通信设备可以包括除了所示出的部件之外的部件，包括如处理器、存储器等众所周知的部件。

本文描述的技术可以用硬件、软件、固件或其任何组合来实现，除非具体描述为以特定方式实现。描述为模块或部件的任何特征也可以一起实现在集成逻辑设备中，或单独实现为离散但可互操作的逻辑设备。如果用软件实现，可以至少部分地通过包括指令的非瞬态处理器可读存储介质来实现该技术，当指令被执行时，执行上述方法中的一个或多个。非暂态处理器可读数据存储介质可以形成可包括封装材料的计算机程序产品的一部分。

非瞬态处理器可读存储介质可以包括诸如同步动态随机存储器(SDRAM)的随机存取存储器(RAM)、只读存储器(ROM)、非易失性随机存取存储器(NVRAM)、电可擦除可编程只读存储器(EEPROM)、闪存、其他已知存储介质等。另外地或可替代地，所述技术可以至少部分地通过处理器可读通信介质来实现，所述处理器可读通信介质承载或传达代码，所述代码采用指令或数据结构的形式并且可以被计算机或其他处理器访问、读取和/或执行。例如，可以采用载波来承载计算机可读电子数据，比如，用于发送和接收电子邮件或用于访问如互联网或局域网(LAN)等网络的数据。当然，在不背离所请求保护的主题的范围和精神的情况下，可以对这种配置进行许多修改。

结合本文公开的实施例描述的各种说明性逻辑块、模块、电路和指令可以由一个或多个处理器执行，诸如一个或多个运动处理单元(MPU)、数字信号处理(DSP)、通用微处理器、专用集成电路(ASIC)、专用指令集处理器(ASIP)、现场可编程门阵列(FPGA)或其他等效的集成或离散逻辑电路。如本文中所使用的术语“处理器”可指的是任何上述结构或适合于实现本文中所描述的技术的任何其他结构。此外，在一些方面，可以在按本文中所描述的方式配置的专用软件模块或硬件模块内提供本文中所描述的功能。而且，这些技术可在一个或多个电路或逻辑元件中完全实现。通用处理器可以是微处理器，但在替换方案中，该处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实施为计算设备的组合，例如，MPU和微处理器的组合、多个微处理器、结合MPU核的一个或多个微处理器或者任何其他这种配置。

除非另有限定，本文中所使用的所有技术术语和科学术语与本公开相关的领域的技术人员共同理解的意义相同的意义。

最后，如在本说明书和所附权利要求书中所使用的，单数形式“一”、“一个”、以及“该”包括复数指示物，除非内容以其他方式清楚地陈述。

本公开的技术针对使用地图信息来增强便携式设备的导航解决方案。通常，这种便携式设备可以与运送设备的平台相关联。平台可以是用户，如在用户走路、跑步、游泳或以其他方式经历运动时携带的智能手机的示例中。平台还可以被认为是运输用户和便携式设备的车辆或船舶。尽管便携式设备通常可以在平台的移动方向上运送或运输，但是其取向可以不受约束。回到智能手机的示例，它可以握在用户手中并以各种取向来被使用或者以口袋、皮套、包或其他方式携带。在其他示例中，便携式设备可以捆绑在平台上，诸如利用车载支架，或者可以是非捆绑的。当非捆绑时，设备的移动性可能在平台内受到约束或不受约束，因此，可能存在这样的情况：设备可以相对于用户或平台被倾斜成任何取向。便携式设备可以在给定的时间段内生成一系列导航解决方案。

仅作为说明而非限制，用户可以在穿越场所(诸如，在商店内购物)时携带智能手机。在此期间，智能手机可以导出表示用户通过商店的轨迹的多个导航解决方案。在一个方面，智能手机可以使用任何合适的实时技术来生成那些导航解决方案，包括采用航位推算的惯性导航例程、利用绝对导航信息的源的基于参考的位置服务、位置信标系统或任何其他合适的技术或其组合。尽管具有实质性益处，但是这些实时解决方案仍然可能遭受不准确性或限制。同样在没有限制的情况下，由于当前采用的传感器的特性或者诸如全球导航卫星系统(GNSS)之类的绝对导航信息的源可能在室内环境中遭受不良接收，惯性航位推算系统可能会随着时间而经受漂移。

因此，本公开的技术利用在随后时间在给定时间段内导出的一系列导航解决方案以通过离线地图匹配例程来增强导航解决方案中的至少一者。例如，可以在导出解决方案之后估计便携式设备的位置信息。当导航解决方案被导出时，可以使用估计的位置信息和针对与由用户占据的区域相对应的区域的地图信息来生成和管理多个假设。基于这些假设，估计的位置信息可以被更新并用于增强导航解决方案中的至少一个。

如下文将进一步详细描述的，用于使用地图信息增强便携式设备和平台的导航解决方案的技术涉及获得便携式设备的传感器数据。便携式设备使用传感器数据导出导航解决方案。随后，可以执行离线地图匹配例程以增强导航解决方案中的至少一个。在一些实施例中，便携式设备可具有可用于在本地(诸如，在可获得对处理能力的更大访问时在后台中)执行离线地图匹配例程的足够的处理能力和/或其他资源。然而，在其他实施例中，便携式设备可以将导航解决方案(其可以包括任何或所有相关联的传感器数据)传送到远程服务器，该远程服务器可以具有更大的处理能力和/或对要在离线地图匹配例程中使用的地图信息的更好访问。在增强之后，导航解决方案可以用于任何合适的目的，并且不需要直接涉及用户，诸如用于分析消费者指标和行为。然而，(多个)增强的导航解决方案也可以返回到便携式设备，同样用于任何合适的目的，诸如向用户提供关于轨迹的更准确的导航信息或者帮助改善便携式设备的未来导航性能。

为了帮助展示这些方面，在图1中示意性描绘了用于离线地图匹配的代表性系统，其中，便携式设备100由高层次示意框表示。如将领会的，设备100可以被实现为设备或装置，诸如手持式设备，其可以由用户在空间中移动并且由此感测到其在空间中的运动、位置和/或定向。例如，这样的手持式设备可以是移动电话(例如，智能手机、蜂窝电话、在本地网络运行的电话或任何其他电话手持机)、平板、个人数字助理(PDA)、视频游戏机、视频游戏控制器、导航设备、可穿戴设备(例如，眼镜、手表、皮带夹)、健身追踪器、虚拟或增强现实设备、移动互联网设备(MID)、个人导航设备(PND)、数码相机、数码摄像机、双筒望远镜、长焦镜头、便携式音乐、视频或媒体播放器、远程控制、或其他手持式设备，或这些设备中的一个或多个的组合。

如所示出的，设备100包括主机处理器102，所述主机处理器可以是一个或多个微处理器、中央处理单元(CPU)、或用于运行软件程序的其他处理器，所述软件程序可以存储在存储器104中，与设备100的功能相关联。可以在存储器104中提供多个软件层，所述存储器可以是计算机可读介质(如电子存储器)或与主机处理器102一起使用的其他存储介质(如硬盘、光盘)的任何组合。例如，可以为设备100提供操作系统层以便实时控制和管理系统资源，实现应用软件和其他层的功能，并且将应用程序与设备100的其他软件和功能对接。类似地，可以提供不同软件应用程序，如菜单导航软件、游戏、相机功能控制、导航软件、通信软件(比如，电话或无线局域网(WLAN)软件)、或者各种各样的其他软件接口和功能接口中的任何一种。在一些实施例中，可以在单个设备100上提供多个不同应用，并且在这些实施例中的一些实施例中，多个应用可以同时运行。

设备100包括如此处以集成运动处理单元(MPU^TM)106的形式示出的至少一个传感器组件，所述集成运动处理单元106以传感器处理器108、存储器110和惯性传感器112为特征。存储器110可以存储用于使用传感器处理器108的逻辑或控制器来对惯性传感器112和/或如以下所描述的其他传感器输出的数据进行处理的算法、例程或其他指令，以及存储惯性传感器112或其他传感器输出的原始数据和/或运动数据。惯性传感器112可以是用于测量设备100在空间中的运动的一个或多个传感器。根据配置，MPU 106测量设备的一条或多条旋转轴线和/或一条或多条加速轴线。在一个实施例中，惯性传感器112可以包括旋转运动传感器或线性运动传感器。例如，旋转运动传感器可以是用于沿着一条或多条正交轴线测量角速度的陀螺仪，并且线性运动传感器可以是用于沿着一条或多条正交轴线测量线性加速度的加速度计。一方面，可以采用三个陀螺仪和三个加速度计，从而使得由设备100的传感器处理器108或其他处理资源所执行的传感器融合操作对来自惯性传感器112的数据进行组合以便提供六轴线运动确定。如所期望的，可以使用要与MPU 106一起集成在单个封装体中的微机电系统(MEMS)来实现惯性传感器112。关于主处理器102和MPU 106的合适的配置的示例性细节可以在共同待审的共有的2007年7月6日提交的美国专利申请No.11/774,488和2008年4月11日提交的美国专利申请No.12/106,921中找到，它们在此通过引用整体地合并。可以从加利福尼亚州森尼维尔市InvenSense公司那里获得设备100中的MPU 106的适当实施方式。

可替代地或另外地，设备100可以采用外部传感器114的形式来实现传感器组件。这是可选的并且不是所有实施例都需要的。外部传感器可以表示如上文所述的一个或多个传感器，诸如加速度计和/或陀螺仪，其输出在导出导航解决方案时使用的数据。如本文中所使用的，“外部”指的是不与MPU 106集成且对于设备100来说可能是远程的或本地的传感器。同样可替代地或另外地，MPU 106可以从辅助传感器116接收数据，所述辅助传感器被配置成测量与设备100周围的环境有关的一个或多个方面。这是可选的并且不是所有实施例都需要的。例如，可以使用气压计和/或磁强计来改善利用惯性传感器112所进行的位置确定。在一个实施例中，辅助传感器116可以包括沿着三个正交轴线进行测量的磁强计，并且输出要与陀螺仪和加速度计惯性传感器数据融合以便提供对九轴线运动确定的数据。在另一个实施例中，辅助传感器116还可以包括用于提供可以与其他传感器数据融合以便提供十轴线运动确定的海拔确定的气压计。尽管在一个或多个传感器基于MEMS的情境下描述了本公开的技术，但是这些技术可以应用于任何传感器设计或实施方式。

在所示出的实施例中，设备100的主机处理器102、存储器104、MPU 106和其他部件可以通过总线118而耦合，所述总线可以是任何适当总线或接口，诸如，外围部件快速互连(PCIe)总线、通用串行总线(USB)、通用异步接收机/发射机(UART)串行总线、适当的高级微控制器总线架构(AMBA)接口、集成电路间(I2C)总线、串行数字输入输出(SDIO)总线、串行外围接口(SPI)或其他等同物。根据架构，可以根据期望而采用不同的总线配置。例如，可以使用附加总线来耦合设备100的各种部件，诸如，通过使用主机处理器102与存储器104之间的专用总线。

在一个方面，用于导出便携式设备100的导航解决方案的本公开的各种操作可以通过导航模块120实现为存储在存储器104中的一组合适的指令，该指令可以由主处理器102读取和执行。导航模块120可以采用基于参考的策略、自包含策略或策略的任何组合来提供任何期望程度的位置认知能力。例如，导航模块120可以采用惯性导航技术，该惯性导航技术利用如针对当前传感器时期所获得的(例如来自惯性传感器112和/或外部传感器114的)传感器数据以导出该时期的导航解决方案。这些技术可以涉及航位推算等，并且可以确定设备100的取向，包括诸如任何横摇、俯仰和方位(航向)角的值。由导航模块120导出的导航解决方案表示便携式设备100的位置信息的同时确定。虽然可能需要一些传输时间、一些可能的缓冲时间和处理时间，但结果至少接近实时(可存在一些可能的延迟)并且可以使用任何可用的信息，直到解决方案被导出的时间。更进一步，导航模块120还可以被配置成确定指示用户的运动方式的运动模式，所述运动方式可以包括但不限于行走、驾驶、奔跑、上/下楼、乘坐电梯、行走于/站在自动扶梯上以及其他类似的运动方式。在一些实施例中，导航模块120可以采用实时地图匹配例程以辅助对导航解决方案以因果方式的导出。

导航模块120还可以在导出导航解决方案时使用绝对导航信息122的源，诸如全球导航卫星系统(GNSS)接收器，包括但不限于全球定位系统(GPS)、全球导航卫星系统(GLONASS)、伽利略和/或北斗以及WiFi^TM定位、蜂窝塔定位、蓝牙定位信标或其他类似方法。这是可选的并且不是所有实施例都需要的。导航模块120还可以被配置为使用来自无线通信协议的信息以使用信号三边测量来提供位置确定。可以采用任何合适的协议，包括基于蜂窝的和无线局域网(WLAN)技术，诸如，通用地面无线电接入(UTRA)、码分多址(CDMA)网络、全球移动通信系统(GSM)，电气与电子工程师协会(IEEE)802.16(WiMAX)、长期演进(LTE)、IEEE802.11(WiFi^TM)以及其他。此外，便携式设备100还可以具有用于发送和/或接收信息的通信模块124，包括由导航模块120导出的导航解决方案。

可以根据期望而采用多个软件层，并且可以将所述多个软件层存储在存储器104、存储器110或其他适当位置的任何组合中。例如，运动算法层可以提供运动算法，该运动算法提供对从运动传感器和其他传感器提供的原始传感器数据的低级别处理。传感器设备驱动器层可以向设备100的硬件传感器提供软件接口。进一步地，可以提供适当的应用程序接口(API)以便促进主处理器102与MPU 106之间的通信，例如，发送期望的传感器处理任务。

在此示例性系统中，便携式设备100向服务器126传送针对第一时间段内的多个传感器时期导出的原始传感器数据或导航解决方案。在第一时间段之后，服务器126然后可以使用来自便携式设备100的导航解决方案根据本公开的技术执行离线地图匹配例程，以提供针对传感器时期中的至少一个的增强的导航解决方案。在图1中使用高级别示意框描绘了服务器126的一种适当的架构，并且所述架构可以包括通过总线132与存储器130进行通信的服务器处理器128。如下面将进一步详细描述的，服务器处理器128可以执行存储在存储器130中的指令，该指令被表示为功能块，包括位置估计器134、假设分析器136、地图处置器138、输入处置器140和锚点管理器142。位置估计器134可以使用由导航模块120提供的针对多个传感器时期的导航解决方案来估计便携式设备100的位置信息。还可以使用来自假设分析器136的信息来更新估计的位置信息，假设分析器136可以被配置为使用估计的位置和来自地图处置器138的信息生成、评估和组合关于便携式设备100的可能位置的多个假设。假设分析器136还可以被配置为分析导航解决方案并且以与上文关于导航模块120所描述的方式类似的方式确定指示用户的运动方式的运动模式。导航模块120和假设分析器136中的任一个或两者可以确定运动模式，但是假设分析器可以具有与在给定时间用于运动检测的过去和未来信息的可用性相关联的优点和/或可以具有可用于执行的更复杂的算法的更大的处理资源，并且如果存在冲突的检测，则相应地可以被给予更大的权重。进而，地图处置器138可以被配置为在解决方案被导出时访问关于包含便携式设备100的位置的区域的外部信息，并且以假设分析器136可用的形式呈现信息。输入处置器140可以执行由导航模块120导出的导航解决方案的初步处理，包括滤波、分类运动段和/或检测运动特性。锚点管理器142可以识别具有可以与导航解决方案中的一个或多个相关联的已知位置信息的一个或多个锚点。

通过处理所生成的假设(诸如使用适当的加权和求平均进行组合、选择所选择的假设、选择一组假设并仅使用适当的加权和求平均或其他合适的操作来组合这些假设)，来自假设分析器136的输出可以由位置估计器用来更新估计的位置信息。估计的位置信息和/或经更新的估计的位置信息除了包括位置信息之外还可以包括速度和/或航向信息，以及与设备100的运动或位置有关的任何其他信息，并且还可以包括地图实体信息。然后，经更新的估计的位置可以用作针对至少一个传感器时期的增强的导航解决方案，或者可以被反馈到导航模块120以在导出针对至少一个时期的增强的导航解决方案时使用。在一些实施例中，来自经更新的估计的位置信息和导航解决方案的值可以在增强的导航解决方案中使用。

服务器126还可以包括通信模块144以用于接收由导航模块120导出的便携式设备100的原始传感器数据或导航解决方案，并且如果需要，可以将与增强的导航解决方案有关的信息发送到便携式设备100或另一目的地。在便携式设备100与服务器126之间进行的通信可以采用任何适当的协议。例如，可以使用短距离、低功率通信协议(诸如，ANT或有线连接)，或者可以使用较长距离通信协议(诸如，基于传输控制协议、互联网协议(TCP/IP)的分组的通信、使用无线局域网(WLAN)的访问、蜂窝电话协议等)。一般而言，图1中所描绘的系统可以体现联网或分布式计算环境的各方面。便携式设备100和服务器126可以诸如通过多个互连的网络直接地或间接地通信。如将理解的，可以采用各种系统、部件以及网络配置、拓扑和基础设施(比如，客户端/服务器、对等或混合架构)来支持分布式计算环境。例如，通过本地网络或广泛地分布式网络，可以由有线或无线系统将计算系统连接在一起。当前，许多网络被耦合到互联网，其为广泛地分布式计算提供了基础设施并且包含许多不同的网络，尽管任何网络基础设施都可以用于对在各种实施例中所描述的技术发生的示例性通信。

如上所述，便携式设备100可以导出导航解决方案，并且服务器126可以执行离线地图匹配例程以针对导航解决方案中的至少一个提供增强的导航解决方案。然而，描述为被执行的功能中的任何一个或全部都可以由彼此通信的任何数量的分立设备来执行，或者在其他适当的系统架构中可以由便携式设备100本身来执行。相应地，应当理解，在一个设备内或者在多个设备中都可以采用对处理资源的任何适当划分。进一步地，在软件中实现的各方面可以包括但不限于应用软件、固件、驻留软件、微代码等，并且可以采用可以从提供程序代码以供由计算机或任何指令执行系统(诸如，主处理器102、传感器处理器108、服务器处理器128、便携式设备100、服务器126的专用处理器或任何其他处理资源、或者其他远程处理资源)使用或与之结合使用的计算机可使用介质或计算机可读介质中获取的计算机程序产品的形式，或者可以使用软件、硬件和固件的任何期望组合来实现。

例如，在图27中示意性地描绘了另一个实施例。在此，类似的部件具有对应的参考标号(诸如，图1的便携式设备100可以对应于图27的便携式设备2700)。如此，便携式设备2700包括主处理器2702，所述主处理器可以是一个或多个微处理器、中央处理单元(CPU)、或用于运行软件程序的其他处理器，所述软件程序可以存储在存储器2704中，与设备2700的功能相关联。可以在存储器2704中提供多个软件层。设备2700包括如此处以集成运动处理单元(MPU^TM)2706的形式示出的至少一个传感器组件，所述集成运动处理单元106以传感器处理器2708、存储器2710和惯性传感器2712为特征。存储器2710可以存储用于使用传感器处理器2708的逻辑或控制器来对惯性传感器2712和/或如以下所描述的其他传感器输出的数据进行处理的算法、例程或其他指令，以及存储惯性传感器2712或其他传感器输出的原始数据和/或运动数据。惯性传感器2712可以是用于测量设备2700在空间中的运动的一个或多个传感器，诸如上述的陀螺仪和/或加速度计。设备2700还可以实现采用外部传感器2714的形式的传感器组件。这是可选的并且不是所有实施例都需要的。同样可替代地或另外地，MPU 2706可以从辅助传感器2716接收数据，所述辅助传感器被配置成测量与设备2700周围的环境有关的一个或多个方面。这是可选的并且不是所有实施例都需要的。在所示出的实施例中，设备2700的主处理器2702、存储器2704、MPU 2706和其他部件可以通过总线2718耦合，所述总线可以是任何适当的总线或接口。设备2700还可以具有绝对导航信息2722的源(这是可选的)，并且可以具有通信模块2724以用于发送和/或接收信息，包括远程导出的增强的导航解决方案。

在该示例性系统中，便携式设备2700向服务器2726传送针对第一时间段内的多个传感器时期的原始传感器数据，服务器2726可包括导航模块2720以针对每个时期的原始传感器数据导出用于便携式设备2700的导航解决方案。导航模块2720可以被实现为存储在存储器2730中的一组合适的指令，该指令可以由服务器处理器2728读取和执行。在第一时间段之后，服务器2726然后可以使用来自导航模块2720的导航解决方案根据本公开的技术执行离线地图匹配例程，以提供针对传感器时期中的至少一个的增强的导航解决方案。使用类似的技术，服务器处理器2728可以通过总线2732与存储器2730通信并且可以执行存储在存储器2730中的指令，该指令被表示为功能块，包括位置估计器2734、假设分析器2736、地图处置器2738、输入处置器2740和锚点管理器2742。服务器2726还可以包括通信模块2744以用于接收便携式设备2700的原始传感器数据，并且如果需要，可以将与增强的导航解决方案有关的信息发送到便携式设备2700或另一目的地。

作为另一个说明性示例，图28中示意性地描绘的实施例表示在本地执行离线地图匹配例程的设备。同样，类似的部件具有对应的参考标号(诸如，图1的便携式设备100可以对应于图28的便携式设备2800)。相应地，便携式设备2800包括主处理器2802，所述主处理器可以是用于运行软件程序的一个或多个微处理器、中央处理单元(CPU)或其他处理器，所述软件程序可以存储在存储器2804中、与设备2800的功能相关联。可以在存储器2804中提供多个软件层。设备2800包括如此处以集成运动处理单元(MPU^TM)2806的形式示出的至少一个传感器组件，所述集成运动处理单元2806以传感器处理器2808、存储器2810和惯性传感器2812为特征。存储器2810可以存储用于使用传感器处理器2808的逻辑或控制器来对惯性传感器2812和/或如以下所描述的其他传感器输出的数据进行处理的算法、例程或其他指令，以及存储惯性传感器2812或其他传感器输出的原始数据和/或运动数据。惯性传感器2812可以是用于测量设备2800在空间中的运动的一个或多个传感器，诸如上述的陀螺仪和/或加速度计。设备2800还可以实现采用外部传感器2814的形式的传感器组件。这是可选的并且不是所有实施例都需要的。同样可替代地或另外地，MPU 2806可以从辅助传感器2816接收数据，所述辅助传感器被配置成测量与设备2800周围的环境有关的一个或多个方面。这是可选的并且不是所有实施例都需要的。在所示出的实施例中，设备2802的主处理器2804、存储器2806、MPU 2800和其他部件可以通过总线2818耦合，所述总线可以是任何适当的总线或接口。设备2800还可以具有绝对导航信息2822的源，这是可选的并且不管是所有实施例都需要的。.

在该实施例中，便携式设备2800包括导航模块2820，其表示存储在存储器2804中的指令，该指令用于由主处理器2802执行以使用每个时期的传感器数据导出便携式设备2800的导航解决方案。在第一时间段之后，服务器2800然后可以使用来自导航模块2820的导航解决方案根据本公开的技术执行离线地图匹配例程，以提供针对传感器时期中的至少一个的增强的导航解决方案。使用类似的技术，主处理器2802可以执行被表示为功能块的指令，包括位置估计器2834、假设分析器2836、地图处置器2838、输入处置器2840和锚点管理器2842。

图2中描绘了涉及本公开的技术的代表性例程。开始于200，可针对给定的时间段内的多个时期获得便携式设备的传感器数据，诸如来自惯性传感器112和/或外部传感器114的传感器数据。在202，使用传感器数据，导航模块120可导出每个时期的导航解决方案。在离线地图匹配被远程执行的实施例中，可将原始传感器数据、导出的导航解决方案中的任一者或两者发送到远程处理资源，诸如服务器126。例如，针对每个传感器时期对导航解决方案的导出可由便携式设备100处的导航模块120执行，或者可以使用如由便携式设备100发送的针对每个传感器时期的原始传感器数据在服务器126处执行。在其他实施例中，便携式设备100可以在本地执行离线地图匹配。无论离线地图匹配在本地还是远程地发生，可以在204在给定时间段之后的一时间处估计便携式设备100的位置信息，并且可以在206中获得周围区域的地图信息。可以在208针对传感器时期中的至少一个从估计的位置信息和地图信息生成多个假设。接下来，在210中，如本文所述那样管理所生成的假设，然后在212中处理所生成的假设以更新估计的位置信息。然后可以在214中提供针对至少一个传感器时期的增强的导航解决方案。

在一个方面，可以针对便携式设备获得绝对导航信息，其中针对至少一个时期导出的导航解决方案可以至少部分地基于绝对导航信息。绝对导航信息可以从以下各项中的任何一个或任意组合获得：(i)全球导航卫星系统(GNSS)；(ii)基于蜂窝的定位；(iii)基于WiFi的定位；或(iv)其他基于无线的定位。

在一个方面，提供增强的导航解决方案可包括在第一时间段内执行正向处理操作。

在一个方面，提供增强的导航解决方案可包括在第一时间段内执行反向处理操作。

在一个方面，提供增强的导航解决方案可包括在第一时间段内执行正向处理操作和反向处理操作。

在一个方面，提供增强的导航解决方案可包括在第一时间段内的正向处理操作、反向处理操作以及正向处理和反向处理的结合。

在一个方面，提供增强的导航解决方案可包括在第一时间段内执行平滑操作。

在一个方面，提供增强的导航解决方案可包括在第一时间段内执行反向平滑操作。

在一个方面，提供增强的导航解决方案可包括在第一时间段内执行多轮次处理操作。

在一个方面，可以对用于至少一个时期的导航解决方案的航向信息进行滤波。对航向信息进行滤波可以包括应用零相位低通滤波器。

在一个方面，多个导航解决方案可经分类到直线段和转弯段中，并且可以进一步包括检测错误转弯。

在一个方面，在第一时间段(诸如，坐立不安时段)内可表征无意义运动的时段。可以对应于坐立不安时段来追踪失准。此外，在坐立不安时段期间检测到的步伐可以被补偿。

在一个方面，可对地图信息进行预处理。对地图信息进行预处理可包括提取地图实体。对地图信息进行预处理还可以包括从背景实体中裁剪至少一个前景地图实体。裁剪背景实体可以限定可穿越的区域。更进一步，对地图信息进行预处理可以包括将地图实体表示为相对复杂的多边形并且将多边形分解为多个相对更简单的多边形。对地图信息进行预处理还可以包括生成连通的路线和节点的网格。

在一个方面，估计的位置信息可以是表示便携式设备在至少一个传感器时期的潜在位置的误差区域。假设中的至少一个可以通过将误差区域投影到地图信息上来生成。当与多个地图实体发生重叠时，可以通过将误差区域投影到地图信息上来生成多个假设。

在一个方面，地图信息可以是基于多边形的几何地图。替代地或另外地，地图信息可以是网格地图。

在一个方面，地图信息可以是网格地图，并且估计的位置信息可以至少部分地基于在第一时间段期间针对至少一个时刻的确定的用户轨迹与网格地图的拓扑特征之间的相关性。可以应用加权的拓扑算法。

对假设进行管理可以包括对假设进行添加、消除和组合中的至少一个。可以识别与至少一个时期的导航解决方案相关联的锚点，并且对假设进行管理可以至少部分地基于所识别的锚点。可以识别多个有序的锚点。可以至少部分地基于有序的锚点来生成假设。替代地或另外，可以识别多个无序的锚点，其在一些实施例中可以用于修剪至少一个假设。更进一步，可以识别一个或多个不正确排序的锚点。

在一个方面，对假设进行管理可以包括应用决策逻辑。决策逻辑可以被配置用于穿墙事件。决策逻辑可以被配置用于层面变化事件。

在一个方面，可以存储针对多个传感器时期的生成的多个假设。存储生成的多个假设可以包括将假设彼此相关。可以至少部分地基于该关系来对所存储的生成的多个假设进行加权。

在一个方面，导航解决方案可以包括用户的运动模式。估计的位置信息可以至少部分地基于运动模式。可以至少部分地基于运动模式来管理假设。此外，层面变化事件可以至少部分地基于运动模式。

在一个方面，增强的导航解决方案可以包括至少部分地基于与估计的位置信息相关联的地图实体检测的用户的运动模式。

在一个方面，可以使用仅预测卡尔曼滤波器、近恒定速度卡尔曼滤波器、仅预测粒子滤波器和近恒定速度粒子滤波器中的至少一个来估计便携式设备的位置信息。

在一个方面，可以远程地执行导出导航解决方案、获得地图信息、生成多个假设、管理假设、处理管理的假设以更新便携式设备的估计的位置信息以及使用经更新的估计的位置信息提供增强的导航解决方案中的至少一个。

如上所述，本公开的技术可使用一种便携式设备来实现，该便携式设备包括：集成传感器组件，该集成传感器组件可以输出针对便携式设备的在第一时间段内的多个时期的传感器数据，该传感器数据表示该便携式设备的运动；导航模块，该导航模块被配置为至少部分地基于在多个传感器时期的传感器数据导出导航解决方案；以及处理器，该处理器可以实现：位置估计器，用于在所述第一时间段之后的一时间处至少部分地基于多个导航解决方案来提供所述便携式设备的估计的位置信息；地图处置器，用于获得包含便携式设备在第一时间段期间的位置的区域的地图信息；和假设分析器，用于至少部分地基于估计的位置信息和地图信息，针对第一时间段期间的至少一个时期，生成并管理关于便携式设备的可能位置的多个假设，使得所述处理器可以至少部分地基于经管理的假设来更新便携式设备的估计的位置信息，以使用经更新的估计的位置信息提供针对至少一个时期的增强的导航解决方案。

在一个方面，便携式设备可以具有针对便携式设备的绝对导航信息的源，其中针对至少一个时期的导航解决方案可以至少部分地基于绝对导航信息。绝对导航信息可以从以下各项中的任何一个或任意组合获得：(i)全球导航卫星系统(GNSS)；(ii)基于蜂窝的定位；(iii)基于WiFi的定位；或(iv)基于其他无线的定位。便携式设备可以具有输出表示便携式设备在多个时期的运动的传感器数据。传感器组件可以包括加速度计和陀螺仪。传感器组件可以包括被实现为微机电系统(MEMS)的惯性传感器。

在一个方面，便携式设备可以具有用于存储由假设分析器生成的多个假设的存储器。

本公开还包括一种用于使用地图信息增强便携式设备和平台的导航解决方案的服务器，其中该便携式设备的移动性在该平台内受到约束或不受约束，并且其中该便携式设备可以被倾斜成任何取向。服务器可以包括通信模块和处理器，该通信模块用于接收由便携式设备提供的信息，其中该信息对应于第一时间段内的多个时期的表示便携式设备的运动的传感器数据，该处理器可以实现：位置估计器，用于在所述第一时间段之后的一时间处至少部分地基于针对所述时期导出的多个导航解决方案来提供所述便携式设备的估计的位置信息；地图处置器，用于获得包含便携式设备在第一时间段期间的位置的区域的地图信息；和假设分析器，用于至少部分地基于估计的位置信息和地图信息，针对第一时间段期间的至少一个时期，生成并管理关于便携式设备的可能位置的多个假设，使得所述处理器可以至少部分地基于经管理的假设来更新便携式设备的估计的位置信息，以使用经更新的估计的位置信息提供针对至少一个时期的增强的导航解决方案。

在一个方面，由通信模块接收的信息可以是便携式设备的传感器数据，该传感器数据表示便携式设备在该时期的运动，并且该处理器可以至少部分地基于该传感器数据导出针对该时期的导航解决方案。

在一个方面，由通信模块接收的信息可以是由便携式设备针对该时期导出的导航解决方案。

在一个方面，通信模块可以向便携式设备发送增强的导航解决方案。

在一个方面，服务器可以具有用于存储由假设分析器生成的多个假设的存储器。

更进一步，本公开包括一种用于使用地图信息提供增强的导航解决方案的系统。该系统可具有便携式设备，该便携式设备具有：集成传感器组件，该集成传感器组件被配置成输出针对所述便携式设备在第一时间段内的多个时期的传感器数据，该传感器数据表示所述便携式设备的运动；通信模块，该通信模块用于发送对应于所述时期的信息。该系统还可以包括远程处理资源和处理器，该远程处理资源用于从便携式设备接收信息，该处理器可以实现：位置估计器，用于在所述第一时间段之后的一时间处至少部分地基于针对每个时期导出的便携式设备的多个导航解决方案来提供所述便携式设备的估计的位置信息；地图处置器，用于获得包含便携式设备在第一时间段期间的位置的区域的地图信息；和假设分析器，用于至少部分地基于估计的位置信息和地图信息，针对第一时间段期间的至少一个时期，生成并管理关于便携式设备的可能位置的多个假设，使得所述处理器可以至少部分地基于经管理的假设来更新便携式设备的估计的位置信息，以使用经更新的估计的位置信息提供针对至少一个时期的增强的导航解决方案。

在一个方面，由远程处理资源接收的信息可以是便携式设备的传感器数据，并且远程处理资源可以至少部分地基于该传感器数据导出针对多个时期的导航解决方案。

在一个方面，便携式设备可以具有导航模块，该导航模块被配置成至少部分地基于多个时期的传感器数据导出导航解决方案，并且通信模块可以发送导航解决方案。

在一个方面，远程处理资源可以向便携式设备发送增强的导航解决方案。

在一个方面，远程处理资源可以具有用于存储由假设分析器生成的多个假设的存储器。

示例

如上文所述，本公开的技术涉及使用地图信息来提供离线增强导航解决方案。在一些实施例中，与地图匹配有关的操作和/或算法可与2015年9月4日提交的、名称为“用于使用地图信息辅助的增强便携式导航的方法和装置(METHOD AND APPARATUS FOR USING MAP INFORMATION AIDED ENHANCED PORTABLE NAVIGATION)”的共同待决、共同转让的美国专利申请序列号14/845,903中描述的那些操作和/或方法类似。

为了图示示例性实施例，在图3中示出由服务器126实现的功能块之间的一个合适的关系。由导航模块120导出的、与第一时间段内的多个传感器时期(epoch)对应的导航解决方案在后续时刻被馈送到输入处置器140。输入处置器140可提供对导航解决方案的操作以促进由位置估计器134和/或假设分析器136对这些导航解决方案的使用。地图处置器138可将与对应于导航解决方案的区域相对应的地图信息馈送到位置估计器134和/或假设分析器136。如将在下文中所述，地图信息可按可由位置估计器134和/或假设分析器136使用的形式预格式化，或者地图处置器140可执行附加的操作以组织和/或处理地图信息，以便以合适的形式来呈现该地图信息。锚点管理器142可执行操作以将一个或多个已知的位置与导航解决方案中的一个或多个相关联。

相应地，可初步处理由便携式设备100的导航模块提供的导航解决方案以改善这些导航解决方案在离线地图匹配例程期间的可用性(诸如，由输入处置器140使用的可用性)。如在图4中示意性地所示，输入处置器140可包括滤波器400、运动段分类器402和/或运动表征器404。输入处置器接收由导航模块120导出的导航解决方案作为输入。

来自由导航模块120提供的导航解决方案的输入朝向可以预期是平台朝向，并且可从设备朝向与所估计的失准角之间的差导出。在一些情况下，取决于便携式设备的用例，来自导航解决方案的该导出的平台朝向可呈现周期性朝向振荡或正弦波状朝向波动。用例是便携式设备与用户之间的交互类型的表征，并且可包括：该用户是正携带该设备，还是正用摆动的手臂或“摇摆地”固持该设备，还是在谈话、输入数据或在导航方向上观看或进行发短信操作时将该设备定位“在耳朵上”，还是在口袋或其他容器或固持物中携带该设备，以及影响该设备相对于该用户的取向的其他使用。例如，口袋或摇摆用例可具有周期性运动分量。可能期望去除或减小导航解决方案中的可归因于该振荡的分量。通过采用在第一时段内导出的所有导航解决方案，可利用零相低通滤波器来去除或减小振荡效应而不将不期望的延迟引入到信号中。

一方面，可能期望将一个或多个导航解分组为类似的运动模式。例如，当将导航解决方案被视为表示用户的轨迹时，该轨迹的多个段可由运动段分类器402分类为转弯或直线。可指示每个直线和转弯段的进入和离开时刻，供由位置估计器134和/或假设分析器136使用。此外，位置段分类器402也可确定转弯的形状，例如，确定为是U形或L形。因此，可由假设分析器136在假设管理期间采用转弯形状信息。此外，可考虑来自导航解决方案的、被标识为在转弯时段附近的信息以去除由坐立不安或短时失准变化诱发的假转弯。此外，如果由于坐立不安、不准确的失准估计、陀螺漂移等的发生而无法正确地确定转弯形状，则将标记任意转弯指示符，使得假设分析器可生成所有可能的候选者来补偿转弯形状的不确定度。

一方面，可期望检测可与可对离线地图匹配期间的信息使用产生影响的运动类型相关联的一个或多个导航解决方案。例如，运动表征器402可检测指示设备正经历无意义的运动(诸如，用户带着设备坐立不安)的运动模式。相应地，运动表征器402可用于检测在其间由设备经历的一些或全部运动是无意义的或是坐立不安的结果的一个或多个时段并且标识与对应于此类时段的导航解决方案。例如，可由位置估计器134和/或假设分析器136提供坐立不安时段的进入和离开时刻。此外，在每个此类时段之前和之后的信息可用于改善对无意义运动的标识。在一些实施例中，检测到的无意义运动时段可用于跟踪失准以隔离在该无意义运动时段期间的无意的偏差变化。在一些实施例中，检测到的无意义运动时段可用于补偿行人航位推算技术中对的脚步检测，在该行人航迹推算技术中，无意义的运动会导致不正确的脚步检测。

如所提及的，位置估计器134可利用来自导航模块120的导航解决方案以及来自假设分析器136的结果来生成改进的地图匹配定位估计。假设分析器136使用这些位置估计以创建、消除或组合用于下一时期的假设。位置估计器134维持所有可能的地图匹配的候选者，并生成它们对应的定位估计。位置估计器134可使用任一滤波器或滤波器的任何组合以获得位置估计，滤波器包括但不限于卡尔曼(Kalman)滤波器、无迹卡尔曼滤波器、粒子滤波器，等等。也可根据应用来使用不同的系统和测量模型，例如：仅预测、近恒定速度、和其他。这些模型可采用不同的技术来传播便携式设备100的位置，并使用导航解决方案输出作为测量更新。在以下素材中描述了代表性系统和测量模型，但是可采用其他变体。位置估计器134可输出经更新的位置，该经更新的位置还可包括作为假设的组合的速度和/或朝向信息。例如，组合可以是加权平均。可根据经验模型或拓扑模型适应性地调节组合假设时使用的权重。例如，可基于假设的数量和/或位置估计的不确定度来调整加权。来自假设的组合的经更新的位置表示地图辅助信息，并且可用于提供增强导航解决方案。此外，可与给定的导航解决方案相关联的地图实体信息也有益于改进与那个导航解决方案相关联的运动检测。例如，如果可以确定用户曾在/正在楼梯上，则对应传感器数据的模式可与那个运动模式相关联。

最初可从任何合适的源(诸如，从在线地图服务提供商)获得地图信息。根据需要，可将地图信息预处理为适合由位置估计器134和/或假设分析器136使用的形式。例如，地图信息可被转换为内部地图数据结构，其中，该内部地图数据结构可被保存到本地存储中，供将来根据需要在无需再次下载和处理该内部地图数据结构的开销的情况下使用。相应地，预处理地图信息可包括以下功能：i)将来自各种地图数据提供商的地图信息转换为统一数据结构；ii)准备适于地图辅助算法的必要的地图数据结构；和/或iii)将地图信息存储在本地存储中，该本地存储诸如：存储器130(对于其中远程地执行离线地图匹配的实施例)或存储器104(对于其中在本地执行离线地图匹配的实施例)。

在线室内/室外地图服务提供商可提供web应用编程接口(API)来访问它们的地图数据库。相应地，来自地图提供商的对应的API可用于获得涵盖用户的当前位置的区域的地图信息。具有对应的地图信息的场所的特别显著的示例包括室内环境，诸如，办公室楼宇、医院、商场、展会中心、零售店，等等。可预处理该地图信息以促进在离线地图匹配期间对其的使用。例如，该信息可被解码以使用API来提取用于本公开的技术的必要的地图数据，并且可被转换为统一格式，诸如，地理Javascript对象标记(GeoJson)格式，但是可使用xml文件、二进制文件和其他文件。随后可将经转换的地图数据保持在本地存储中，供将来使用。解码和转换可由外部资源执行，并且能以任何合适的方式传递，供在离线地图匹配期间使用。一般而言，期望使为每个场所执行的预处理操作的次数最小化。例如，可针对给定场所对地图信息适当地格式化一次，并且该地图信息被分配到任何数量的便携式设备供在生成假设时使用，从而增强那个场所内的导航解决方案。然而，当新信息变得可用或当场所的变化发生时，可执行另一预处理操作。

此外，预处理地图信息可包括：将该地图信息分离为可穿越区域和不可穿越区域。例如，在典型的室内环境中，走廊表示一类重要的可穿越区域。由此，如果走廊信息不可用，则可执行走廊裁剪功能以从背景实体提取走廊形状信息，从而将地图信息呈现为基于多边形的几何地图。许多常规的地图服务提供商不提供走廊形状信息，而走廊形状信息在室内地图辅助算法中是重要的。因此，用于获得可存在于场所中的走廊的形状的合适技术可包括从背景实体提取所有其他实体。背景实体可以是建立给定建筑或者建筑或其他场所的层面的边界轮廓。前景实体包括该边界轮廓内的所有物体，诸如，商店、电梯、自动扶梯和其他障碍物。如本文中所使用的裁剪过程是指从2维几何形状的集合中切除在特定的“裁剪”窗口外部的那些部分的过程。这可通过使主体多边形(背景实体)与裁剪多边形(在背景实体的顶部上的其他前景实体)相交来实现。多边形可由顶点序列来限定，并且任何曲线可被表示为线段的适当集合。

在迭代地从背景裁剪掉所有其他实体之后，可获得走廊多边形。合适的裁剪算法可配置成适配相对复杂的带孔的多边形，裁剪算法例如Vatti裁剪算法。在图5中示出对于基于代表性多边形的几何室内地图的裁剪算法的结果的图示。地图一部分的背景实体500由虚线表示。以细线被表示为多边形(诸如，多边形502(为保持清晰而未标出其他多边形))的前景实体在背景实体500的顶部上被裁剪。由粗线表示的所得到的多边形504，给出走廊的形状。所得到的走廊形状可由复杂多边形表示。本文中使用的复杂多边形是具有一个或多个内部的孔的多边形(没有自相交)。

如将在下文中所述，一些地图实体可提供固有的位置信息(诸如，可与层面变化场景相关联的电梯、自动扶梯、楼梯、或可允许假定朝向的传送带)或其他位置信息。也可使用至背景地图实体的入口和出口的位置以及至前#景实体的门或其他入口/出口的位置。更进一步而言，入口/出口的方向也可在生成假设时使用。在多层场所中，每个层面的高度可与指示海拔变化的传感器信息一起使用以帮助确定层面变化场景何时可能存在。

此外，预处理可包括将地图实体的一个或多个形状分解为小的更简单的多边形，以改善当由位置估计器134和/或假设分析器136使用时的计算效率。梯形分解可用于将相对复杂的多边形分解为更简单的梯形，而凸面分解可用于将相对复杂的多边形分解为更简单的凸多边形。可应用最优分解算法以在分解过程后生成数量减少的多边形。可采用分解方法中的任一种或分解方法的任何组合。

预处理地图信息还可包括用被连接的路线和节点来抽象化室内地图的可穿越区域。被连接的路线和节点可包含地图的几何信息和拓扑信息两者。因此，位置估计器134和/或假设分析器136可受益于拓扑信息以改进经更新的估计位置信息的生成。如此处所使用，由被连接的路线和节点构造的地图可被称为网格地图。可使用任何合适的技术来生成网格地图，诸如例如，通过使用可能伴有某个其他处理的沃罗诺伊图(voronoi diagram)。用于生成网格地图的另一示例是通过直接使用来自地图可穿越区域和不可穿越区域的几何形状，并可能伴有地图实体类型中的一些类型。在图6中图示示例网格地图。如图所示，点可用于表示地图节点，诸如，点600。虚线表示点600之间的被连接的路线(诸如，路线602)，并且地图实体由实线多边形(诸如，604)表示。节点是地图上距其最近的三个或更多个实体具有相等距离的点。对于基于多边形的几何地图，网格地图可由外部处理资源离线地预处理，并且可被保存在地图文件中，用于后续由位置估计器134和/或假设分析器136使用，而无需每次确定经更新的估计位置信息时进行预处理。

一方面，网格地图可增强地图匹配的几何方面并提供拓扑方面。来自室内地图的拓扑信息也可应用于改善地图匹配算法的可靠性和准确性。例如，零售店地图可容易地被划分为结构化区域和非结构化区域。非结构化区域(诸如，开放空间，隔离的摊位)可受益于如上文所述的基于几何的地图匹配算法。然而，结构化区域(诸如，对齐的货架、摊位和类似特征)可被抽象为供在基于网格的地图中使用的被连接的路线和节点。此外，当网格地图可用时，位置估计器134可被简化为累积沿地图路线的行进距离而不是估计绝对位置。类似地，假设分析器136也可被简化为基于地图路线进行操作。

可应用基于多边形的几何地图和网格地图两者来改善经更新的估计位置信息的可靠性和准确性。例如，零售店地图可容易地被划分为结构化区域和非结构化区域。在那些非结构化区域(诸如，开放空间、隔离的摊位等)处，可应用上文描述的基于几何的技术。替代地或附加地，在结构化区域(诸如，对齐的货架或摊位)处，几何和拓扑信息可表示为网格地图。当网格地图可用时，可应用基于用户的轨迹与拓扑特征之间的相关的加权拓扑算法以改善地图匹配性能。可应用多个条件测试以消除不满足一些预定阈值的段，这些预定的阈值可通过对现场测试数据的统计分析来获得。当存在歧义时，可创建新假设以将用户运动不确定度考虑在内。用户运动不确定度可包括累积的步长不确定度和/或用户朝向不确定度。因此，对于某个时间段，多个假设可正在并行地运行，并且不太可能的假设在被赋予低权重后被去除。如上文所述，锚点信息也可用于去除不太可能的假设。

相应地，地图处置器138可用于加载先前存储的、经预处理的地图信息，该先前存储的、经预处理的地图信息可包括如上文所描述的经裁剪和分解的地图信息以及原始的地图信息。地图处置器138可访问已经以促进便携式设备100的位置假设的生成的方式格式化的地图信息，并且可根据需要检取信息。通过经预处理的地图信息，地图处置器138初始化内部地图数据结构，该内部地图数据结构可包括地图中的所有实体的地图投影参数、几何形状、标识(ID)和类型信息。投影参数(例如，六参数仿射变换)可用于在地图中的坐标以及按维度和精度的坐标之间进行变换。实体类型描述特定实体的功能，这些实体诸如，背景、单元、自动扶梯、电梯、楼梯等。形状信息和类型信息两者都可由假设分析器136使用。地图处置器138也可将地图几何信息组织在空间数据库中，使得可应用高效的搜索算法来查询地图中的兴趣点或兴趣范围。例如，R树结构可用于对地图实体的高效且快速的搜索。如将会领会的那样，R树搜索算法可定位地图中的给定点，并且返回指向对应的地图实体的指针。

虽然在由外部处理资源执行的上下文中进行了描述，但是可根据需要由地图处置器138执行与预处理地图信息相关联的功能中的任一功能或全部功能。

来自位置估计器134和地图处置器138两者的输出可被馈送到假设分析器136中。值得注意的是，位置估计器134能以用于限定误差区域的位置和方差估计的形式来提供所估计的位置信息。假设分析器136将该误差区域叠加或投影在经处理的地图上，以便标识用户正在其中行进的可能的实体。假设分析器136基于任何合适的决策逻辑(包括下文中描述的那些决策逻辑)来维持、创建、消除和组合假设。假设分析器136也可基于拓扑信息和经验信息为所有当前可用的假设赋予权重。那些权重可用于组合或消除假设并用于组合假设，诸如，通过生成加权平均以更新所估计的位置。

如图3所指示，来自锚点管理器142的输出也可被馈送到假设分析器136，以便在生成、删除以及以其他方式管理假设时使用。锚点管理器142可标识一个或多个物体、结构特征或其他地图实体，诸如，销售点，这一个或多个物体、结构特征或其他地图实体具有已知的固定位置并且可与由导航模块120提供的一个或多个导航解决方案相关联。当相对于时序信息可用于多个锚点时，这些锚点可被视为是有序的，并且假设分析器136可将假设约束至满足该顺序的那些锚点。当相对时序信息不可用时，可假定用户曾处于锚点位置，因此可基于假设是否产生包含该锚点的轨迹来确认这些假设。无时序信息的锚点的集合可视为是无序的。对于其中有一些具有时序信息而其他不具有时序信息的锚点，或者当存在时序错误时，这些锚点可视为不完全有序。假设分析器136可在不同程度上使用如由锚点管理器142提供的所有这些类型的锚点。例如，可使用有序的锚点以创建一个或多个假设。此外，可使用任何类型的锚点来修剪或评价已经生成的假设。假设分析器136可使用锚点的位置，并将预定的不确定度圆用作决策标准以删除该不确定度圆外部的所有假设。此外，假设可以用可能在不确定度圆内部、但被诸如房间或走廊之类的结构分开的那些假设的经更新的位置来校正。此外，由于锚点信息可用于高效地去除不太可能的假设，因此可创建更多假设来适配各种用户运动不确定度，从而改善地图匹配的成功率。在某些情况下，对锚点的排序可包含误差。因此，假设分析器136可配置成标识任何离群值，并将它们隔离为被不正确排序的锚点。例如，如果存在大偏差，则可使用基于试错法的搜索机制来以更合理的方式对锚点重排序。如果不能够解决排序的歧义，则它们可被排除出假设分析，使得它们对最终解决方案没有不利影响。

本公开的技术包括使用在一时间段内导出的导航解决方案以便后续增强这些导航解决方案中的至少一个。相应地，对于给定的传感器时期，假设分析器136可具有能从未来时期以及先前时期得到的信息。如将会领会的那样，多个益处源自该特征。假设分析器136可维持任一假设或所有假设的历史，包括生成、修剪或删除假设，从而允许前向以及后向地传播对假设的管理以改善准确性。类似地，假设分析器136可具有对未来导航解决方案的访问权，使得对给定时期的假设的管理可受益于未来信息和过去信息。例如，相比转弯段，不同的管理策略可用于直线，但是当将轨迹作为整体来考虑时，可显著地改进对那些段的准确的检测。此外，由于没有对提供“当前”导航解决方案的需求，因此不需要缓冲器和延迟机制。作为另一示例，在整个时段内的信息可用于基于可针对轨迹检测的各种场景来调节步长比例因子。此外，假设分析器136可基于导航解决方案与通过离线地图匹配提供的增强的导航解决方案之间的轨迹形状的类似度来将权重赋给假设。

一方面，假设分析器136可使用经前向处理的数据和经后向处理的数据两者以便如所述那样改善系统的性能。这在朝向轨迹端部的定位信息可得到(诸如，可从像结账点或商店出口那样的锚点得到)时对长轨迹是尤其有用的。经后向处理的增强的导航解决方案可显著地降低否则会发生的累积误差。此外，可获得更可靠的失准估计。

在一些实施例中，诸如由导航模块120对导航解决方案的导出可包括首先对传感器数据进行前向处理以生成前向导航解决方案。可应用传感器数据的任选的预运行以获得传感器偏置估计。此外，预运行也可用于获得分段失准估计，该分段失准估计可进一步被平滑化，并且稍后在前向和/或后向过程中应用。由此，预运行尤其可在(多个)坐立不安时段期间改善前向和后向传感器导航解决方案的总体性能。后向处理可将经逆转的传感器数据用作输入，并将前向出口点用作初始起点，从而使同一定位引擎能够像在前向处理中那样被应用。在开始或末尾处去除任何所标识的(多个)初始的坐立不安时段可改善对齐过程的可靠性。

前向和后向传感器导航解决方案可用于以任何适当的方式改善性能地图匹配解决方案。例如，离线地图匹配例程可首先分别处理前向和后向传感器导航解决方案。可使用前向地图匹配解决方案和后向地图匹配解决方案两者来生成最终的地图匹配导航解决方案。在解决方案合并过程期间，可首先标识来自前向和后向地图匹配过程的假设树的重叠的地图线路历史。前向解决方案和后向解决方案两者中的共同地图线路随后可被添加到候选者列表。相应地，候选者列表中的每个候选者可用作用于对假设树进行迭代的起点。前向和后向各自的最佳候选分支可被合并在一起以提供最终导航解决方案。注意，共同的地图路线可以是锚点驻留在其上的路线或轨迹历史中的正常路线。

前向和后向传感器解决方案也可首先被组合并平滑化，诸如例如，使用两个滤波平滑器或多轮次平滑器来平滑化。此外，可采用Rauch–Tung–Striebel(RTS)平滑器或任何其他合适的平滑滤波器或任何后向平滑化技术。在一些实施例中，本公开的离线地图匹配例程可将经平滑化的传感器导航解决方案用作执行地图匹配的输入。或者，可使用简化的平滑化技术，该简化的平滑化技术运用来自前向和后向传感器导航解决方案的步长估计的加权平均。由于地图匹配主要使用相对定位信息，因此加权步长估计不仅减小计算负荷，而且还在平滑化过程期间提供显著的益处。或者，可使用用于前向和后向的简化的组合技术，该简化的组合技术运用来自前向和后向传感器导航解决方案的相对位置变化的加权平均。

一方面，初始的增强导航解决方案可表示相对于来自相邻时期的导航解决方案的位置间隙。可使用合适的技术(诸如，通过重新计算所确定的轨迹)来使任何间隙平滑化。例如，该重新计算可采用所估计的用户步长比例因子。步长比例因子可逐段更新，使得在平滑化之后，在(多个)地图匹配增强导航解决方案中没有不合理的位置跳转存在。虽然平滑化可能不一定改善总体准确性或成功率，但是它可提供位置信息的更有用的呈现。

如所述的假设分析器136维持、创建、删除和组合假设。假设是指具有任何所需的对应属性的用户的可能位置，所需的对应属性诸如，位置、速度、朝向、运动模式、位置方差、被占据的地图实体，等等。可基于如以下示例中所指示的用户操作场景来选择应用于各种假设的决策逻辑。

用于假设管理的决策逻辑的许多实现方式采用误差区域的概念。如将所领会的那样，误差区域表示由位置估计器134确定的便携式设备100的(多个)可能的位置的不确定度。根据需要，误差区域可限定矩形、圆形、椭圆形、任意多边形或任何其他形状。如果卡尔曼滤波器与位置估计器134一起使用，则可使用“误差椭圆”。误差椭圆的参数包括半长轴长度(a)和半短轴长度(b)，并且取向(α)可从卡尔曼滤波器的协方差矩阵和预定的置信度导出。例如，95％置信度可用于合理地覆盖位置不确定度，但是可取决于所需的性能特性来采用其他值。相应地，误差椭圆参数可由公式(1)给出：

其中，λ1和λ2表示协方差矩阵的本征值，并且v1表示协方差矩阵的、具有最大本征值的本征向量。为了降低计算负荷，可由具有若干顶点(诸如，围绕椭圆的边缘均匀分布的32个顶点)的多边形来逼近误差椭圆。

如果使用粒子滤波器，则位置估计的样本对误差区域进行逼近。然而，在假设分析器136中仍需要误差椭圆或其他区域以组合或消除假设。因此，协方差矩阵可从位置样本数据导出。随后，可如在卡尔曼滤波器模式中那样计算误差椭圆的参数。为了进行图示，图7示出使用95％置信度从粒子滤波器导出的误差椭圆的示例。“+”符号指示逼近的误差椭圆700的顶点。

参考误差区域的上下文，可将各种决策逻辑方式应用于管理假设。第一示例对应于具有穿墙事件的场景。每个假设可具有其自身的用于指示与便携式设备100相关联的当前地图实体的占据字段。如图8中所示，位置估计器134使用覆盖在地图布局上的误差区域来获得候选假设。如果在误差区域与地图实体之间除了当前被占据的实体之外没有检测到重叠面积，则假设分析器136无需执行任何进一步的操作。然而，当误差区域与多个地图实体相交时，被相交实体的属性被插入到相交表中。重叠检测可通过迭代地检查用于误差椭圆的近似多边形的顶点的位置来实现。可应用空间搜索算法(例如，R-树搜索所和点包容(point-in-polygon)算法)来为误差椭圆的每个顶点找到地图实体。如果所有顶点都在与当前假设的占据相同的地图实体上，则没有重叠被宣布。否则，新假设候选者将被添加到相交列表。注意，每个假设维持其自身的相交列表。当前假设可被称为父假设，而所有的候选假设可被称为子假设。

如果相交面积高于合适的阈值(诸如，误差椭圆的总面积的约10％)，则新假设候选者可经受进一步的分析，否则它将从相交列表中被去除。假设分析器136随后可分析相交列表中与当前假设的占据不同的所有候选者。新候选假设的初始位置由来自位置估计器134的当前位置估计给出。然而，如果该点不在重叠多边形的范围内，则重叠多边形的质心矩可替代地用作新假设的初始位置。

随后，可执行穿墙检测。穿墙事件的逻辑基于房门信息是否可用。如果门信息可用，则算法可对候选假设的初始位置与门的位置之间的距离进行求值，如在图9中示意性地所指示。如果该距离在预定的阈值(诸如，2米)内，则可宣布穿墙事件。随后，房门的中心位置可用作新候选假设的初始位置。接下来，可执行确认检查以确定新假设的初始点是否在其他当前可用的假设的范围内。后续操作可取决于特定的实现方式来调整。当使用粒子滤波器时，例如，可以创建新假设，其中，所有粒子都驻留在新地图实体中，并且新假设被添加到假设列表。新创建的假设的除位置之外的所有其他属性可从父假设继承。当使用卡尔曼滤波器时，例如，没有新假设创建和/或消除被执行，并且父假设的位置和占据字段可被更新。

如果房门信息不可用，则误差椭圆和感兴趣的地图实体的相交边缘与用户的朝向之间的角度可指示该用户进入新实体的可能性，如在图10中示意性地所指示。如果当前假设的朝向几乎平行于房间的边缘，则该相交可源自偏斜的导航解决方案。在这种情况下，如果重叠面积高于合适的值(诸如，约45％)，则具有距相交点预定量(诸如，约0.5米)的偏移的新假设被创建，并且父假设被删除。另一方面，如果重叠面积低于预定量(并且任选地，如果用户的偏航动力学为小)，则相交边缘的取向可用于更新父假设的朝向。如果当前假设的朝向近似垂直于墙的边缘，则宣布可能的穿墙事件。相应地，可执行与当房门信息可用时类似的过程。

假设分析器136还检查假设的占据的转变。假定用户能够自由地进入和离开走廊。然而，单元间穿越被禁止，或者被赋予最小权重，以反映在商店之间具有门是不常见的这一事实。此外，假设分析器136还基于该转变模型或经验模型来赋假设的权重。

当层面变化事件可与一个或多个传感器时期相关联时，可应用用于管理假设的另一示例性决策逻辑。如果用户曾在/正在乘坐电梯或自动扶梯上楼或下楼，则导航模块120和/或假设分析器136可执行例程以检测用于标识当前的用户运动模式/情境(诸如，电梯、楼梯、正在行走，正行走在自动扶梯上，正站在自动扶梯上)的对应的运动模式和/或情境指示符。当层面变化事件曾被检测到/被检测到时，假设分析器136可使用与传感器时期对应的导航解决方案来搜索地图信息中的地图实体，这些地图实体根据检测到的模式是足够近的，诸如，楼梯、电梯或自动扶梯入口。例如，如果曾从/从导航解决方案检测到电梯模式，则假设分析器136可搜索地图上附近的电梯入口。如果该入口在距当前用户位置的某个距离内，则假设分析器136可从普通状态转变到层面变化状态以应用对应的决策逻辑。作为非限制性示例，距离阈值可以是10米。此外，可根据导航解决方案的准确性来调节所选择的值。

结合层面变化事件的检测，假设分析器136可从普通状态转变到层面变化状态以调整其操作。如果需要，则执行确认过程以避免层面变化假警报。在该过程期间，假设分析器136可最初使用与普通状态类似的技术来传播用户位置。该确认过程可将给定时期与当进入层面变化状态时的时期之间的高度差用作确认状态变化的度量。如果在给定时间内检测到高于阈值(诸如，作为非限制性示例为2.0m)的高度差，则可确认转变到层面变化状态。否则，该检测可被视为假警报，从而导致返回到普通状态。

给定对层面变化的成功确认，假设分析器136可消除所有假设，并使用所标识的层面变化入口信息来创建新假设。该假设的初始位置和/或朝向可由对应的地图实体的入口位置来确立。随后可使用与新层面对应的地图信息，使得该新层面根据高度差的符号而被标识为高于或低于先前层面。随后，假设分析器136的状态可转变到完结状态。如果该确认过程失败，则状态返回到普通状态。

在该完结状态，假设分析器136可考虑导航模块120是否检测到用于相关联的导航解决方案的运动模式，或假设分析器是否检测到运动模式。如果行走状态曾被检测到/被检测到，则假设分析器136可将对应假设的位置重置为层面变化实体的出口位置，并且回复到普通状态，如在图11中示意性地所描绘。假设1100可与由导航解决方案提供的位置估计对应，而假设1102可基于出口电梯1104的假定来反映经更新的位置估计。否则，假设分析器136可继续传播用户位置。注意，在离开层面变化实体布局之后，算法不根据该层面变化实体布局来重置假设的朝向。这是因为如果依赖于来自导航模块120的确定，则用户朝向可能已经由于运动模式的检测延迟而变化。如图11中所示，电梯的门在右侧(0°)，然而，在离开电梯后，用户朝向为约-90°。

除了早些时候讨论的运动模式和/或情境感知场景(诸如，当用户上楼或下楼时，乘坐电梯或自动扶梯时)之外，可使用一些其他运动模式和/或情境来调整假设分析器136的操作，这些其他运动模式和/或情境诸如，行走或站在传送带(移动走道)上，靠近无线信标或其他无线射频(RF)标签行走，等等。当系统自主地检测到此类运动模式或情境感知场景时，本文中呈现的地图信息技术可将那些运动模式或情境感知场景关联到地图实体。这种实现方式的益处包括：(i)假设分析器136可检测与地图实体有关的运动模式/情境并且可增强对地图实体的位置的导航解决方案(尤其是位置以及任选的朝向)；(ii)假设分析器136可接收暗示运动模式和/或情境的实体，这可用于辅助识别与所暗示的运动模式相关联的传感器数据模式。

例如，当确定了用户曾经在/正在行走/站在传送带上时，假设分析器136可搜索地图信息中的附近的传送带。当找到附近的传送带时，可创建新假设，并且消除所有其他假设，在新假设中，将该传送带的入口作为初始位置并将该传送带的取向作为初始朝向。对于用户走出传送带时的层面变化事件应用与那个过程类似的过程。该基于情境的2D位置调整可减小来自PDR的累积误差，并因此改善离线地图匹配的增强的导航解决方案。另一方面，当假设的误差区域在特定的地图实体(诸如，传送带、电梯或自动扶梯)的顶部上方时，假设分析器136可使对相应运动模式的检测基于该信息，以增加特定检测的灵敏度并改善成功率。

类似的过程可应用于当在停车场上标识出用户时的行走/驾驶运动模式检测场景。例如，如果假设的位置在停车场的顶部上方，则该信息可被馈送到导航系统以改善驾驶/行走检测模块的灵敏度。

另一示例性场景涉及从无线信标或RF标签更新。如果商店的入口或问询台配备有无线信标或RF标签，则便携式设备可在该便携式设备足够靠近时从这些无线标签接收信息。在这种情况下，可使用商店入口或问询台的位置来更新假设的位置。

来自由导航模块120提供的导航解决方案的输入朝向可以期望为平台朝向，并且可从设备朝向与所估计的失准角之间的差导出。如上文所述，取决于便携式设备的用例，来自导航解决方案的该导出的平台朝向可呈现出周期性朝向振荡。当后续根据本公开的技术来处理导航解决方案时，可利用零相低通滤波器来去除或减少振荡效应，而不将不期望的延迟引入到信号中。在图12中示意性地图示去除朝向振荡的示例性结果，其中单独的导航解决方案的结果由迹线1200指示，并且遵循低通滤波的增强导航解决方案由迹线1202指示。

根据需要，可存储为一个或多个传感器时期生成的假设，例如，通过存储所生成的多个假设包括使假设彼此相关。所存储的生成的多个假设至少部分地基于这些关系。例如，为了以灵活的方式管理假设，可应用基于树的创建、修剪、合并和删除方法。每个假设可保持传感器时期的第一时段期间的所有历史。历史可包括定位信息、假设统计信息和假设管理信息。任一信息或所有信息可用于对假设加权。所提议的架构也可减少假设数据结构的存储器使用。由于所有历史信息可被保持在假设数据结构中，因此大量的假设可表示显著的存储要求。基于树的架构可共享历史信息的共性，并呈现存储器使用效率。如所提及的那样，假设加权方案可与基于树的架构一起使用。凭借跟踪父假设和子假设的能力，加权可被计算出当前时期的信息以及先前和未来的信息。这可改善加权方案的准确性和可靠性。基于树的假设管理系统可实现以更灵活方式操纵假设，并且对于具有可与同当前时期分开的导航解决方案相关联的感兴趣的锚点的地图匹配可以是特别有用的。在所有历史被保持的情况下，可使用锚点的信息容易地创建新假设。在基于树的假设数据结构的一个合适的实现方案中，每个假设可采用唯一的ID、指向其父假设的指针以及指向其子假设的指针数组。根假设可以没有父指针，而端假设可以没有子假设指针。

在地图匹配过程的结尾处，可基于任何合适的标准来应用假设修剪机制以消除任何不合理的假设。例如，最终假设的位置可被预期为在出口点的某个范围内。超出距该出口点的某个阈值的假设连同任何父分支可被修剪掉。此外，当锚点可用时，可从假设树中去除不通过那些锚点的假设分支。更进一步而言，基于传感器的导航解决方案与由离线地图匹配提供的增强导航解决方案之间的类似性也可用作用于去除不太可能的假设分支的标准。

由于传感器导航解决方案的不确定度，增强导航解决方案可具有通过任何所标识锚点的许多路径。离线地图匹配例程可从任何候选者标识一个或多个适当的解决方案。最终解决方案可使用标准的任何组合来选择，这些标准包括：1)增强导航解决方案轨迹的形状可类似于诸如由导航模块120提供的导航解决方案的轨迹；和/或2)增强导航解决方案可按正确顺序通过所有锚点。如将会领会的那样，较长的轨迹可导致更多数量的可能路径。为了补偿可能不如人意地消耗处理资源和存储器资源的路径的指数式增长的几率，可应用快速假设搜索算法以通过适当地对有用的搜索信息进行高速缓存来优化搜索策略，因此，快速假设搜索算法可能能够以减少的资源消耗来搜索最优解决方案。

如所提及的那样，位置估计器134可利用导航解决方案和来自假设分析器136的结果来生成由地图信息辅助的改善的定位估计。假设分析器136使用这些位置估计以创建、消除或组合用于另一时期的假设。

虽然主要在地理地图信息的情境中进行描述，但是附加地或替代地，上述技术可与被表示为网格地图的地图信息一起使用。例如，可通过使用位置-曲线匹配或曲线-曲线匹配将用户位置投影到被连接的线路和节点中。可组合这两种技术以使实现和维护容易。网格地图也可用于辅助假设分析器136通过基于用户的轨迹与网格地图的拓扑特征之间的相关来使用加权拓扑算法，以导出更可靠的假设。可应用任何合适的一个或多个条件测试以消除不满足预定阈值的段，这些预定的阈值可通过对现场测试数据的统计分析来获得。对于几何技术，当歧义存在时，可生成多个假设以考虑用户运动不确定度。例如，用户运动不确定度可由累积的步长误差、用户朝向误差和其他误差导致。由此，对于某个时间段，多个假设可正在并行地运行。可去除具有低权重的不太可能的假设。此外，利用网格地图，可通过分析假设的拓扑历史来采用改进的假设加权方案。可使用所有假设的信息的加权平均来计算改善的不确定度估计。因此，可获得更准确的用户位置不确定度估计。

各种滤波器、运动和/或测量模型可用于根据本公开的技术来更新假设的位置。下文描述的四个示例方法采用仅预测卡尔曼滤波器、近恒定速度卡尔曼滤波器、仅预测粒子滤波器和近恒定速度粒子滤波器，但是也可根据需要采用其他滤波器和/或模型。

作为采用仅预测卡尔曼滤波器的第一示例，由导航模块120提供的整合的导航解决方案的输出可用于预测所有当前可用的假设的系统状态。三个状态可用作每个假设的系统状态，包括地图坐标中的位置误差(δx,δy)和朝向误差δψ。此外，dXn表示第n个假设的系统状态，位置误差和朝向误差两者都可被建模为如由公式(2)所指示的随机遍历：

(2)dXn＝[δx δy δψ]^T

由此，一种形式的系统模型可如公式(3)所示被导出：

其中，

ψ是用户朝向；

L是步长，其可通过计算来自导航解决方案的相邻时期中的两个位置之间的位移来获得；

wL是步长的驱动噪声；并且

wψ是朝向误差的驱动噪声。

注意，位置和步长可在地图坐标系中计算。按纬度和经度的位置可使用仿射变换被变换为地图坐标系。变换矩阵具有六个参数，这些参数可从导入的地图数据获得。在仅预测方法中，不需要使用测量更新。

因此，系统状态的传递可由公式(4)给出：

其中，k和k+1表示两个连续的时期，“～”表示预测值，“^”表示最佳估计值，Δψk+1表示相比当前时期中的整合的解决方案的朝向增量。

作为采用近恒定速度假设模型的第二示例，来自导航模型120的输出被用作用于更新所有可用的假设的系统状态的伪测量。系统可被建模为速度随机遍历。第n个假设的系统状态与仅预测模型中的那些系统状态相同。速度误差可被建模为随机遍历、随机常数或一阶高斯-马尔科夫(Gaussian-Markov)过程。使用速度随机遍历的示例性系统模型由如下的公式(5)给出：

其中，

是地图坐标中x方向上的速度误差；

是地图坐标中y坐标上的速度误差；

wvx是x轴速度误差的驱动噪声；

wvy是y轴速度误差的驱动噪声。

因此，系统状态的传递可由公式(6)给出：

如将所领会的那样，预测位置可由来自最后时期的最佳估计速度得到，而预测速度可以是来自前一时期的常数，即，“恒定速度”模型。

由于来自导航模块120的位置可被用作测量更新，因此测量模型可被表达为公式(7)：

其中，

δZ是测量闭合差；

和是传递的位置；

xTPN和yTPN是来自导航解决方案的投影位置更新；并且

vx和vy是测量噪声。

注意，测量噪声可基于位置准确性和来自导航解决方案的用户的动力学来适应性地调节。例如，当用户正沿直线行走(小偏航动力学)时，测量噪声可被调节为更高，使得系统更依赖于预测，并且当用户正在转弯时，测量噪声可被调节为更低以将更多权重施加于测量。

采用仅预测粒子滤波器的第三示例可使用样本状态或粒子的集合来对感兴趣的状态的后验密度函数(pdf)进行逼近。在此，每个是索引i的具体的状态样本，该索引i范围为从1至M，M是粒子滤波器的尺寸。因此，示例可用于非高斯型多模型pdf。该示例的多假设性质使其也适用于利用地图辅助的室内导航。与卡尔曼滤波器类似，粒子滤波器也具有预测和更新状态。仅预测粒子滤波器仅需要采用预测状态。

仅预测粒子滤波器的状态可以是用户的位置和朝向。在初始化过程期间，根据导航解决方案的位置和方差来得出M个随机样本。该预测由如公式(8)所指示的系统模型来执行：

其中，vL是步长的驱动噪声，其可被建模为方差为的高斯噪声；并且vψ是用户朝向的驱动噪声，其也可被建模为方差为的高斯噪声。

注意，当由假设分析器136创建新假设时，将根据所创建的新假设的不确定度将新样本添加到当前的样本集。类似地，当消除特定的假设时，可从样本集中去除该特定假设的对应样本。

采用近恒定速度粒子滤波器的第四示例可使用与近恒定速度多假设卡尔曼滤波器类似的概念，并且系统状态对应于用户位置和速度。示例性系统模型由公式(9)给出：

其中，速度的驱动噪声可被建模为方差为的高斯噪声。该测量公式可与用于近恒定速度多假设卡尔曼滤波器的测量公式相同。

一方面，由本公开的离线地图匹配技术提供的增强导航解决方案的定位准确性可被表达为用户位置不确定度，诸如，由误差椭圆表达。各种因素可用于确定该不确定度，这些因素包括：来自导航解决方案的用户运动不确定度、在增强导航解决方案的时期创建的假设的数量、在那个时期的假设的状态、任何锚点的相对接近度、对应于增强导航解决方案的地图实体或其他因素。例如，用户运动不确定度可从导航模块120的导航解决方案直接获得。此外，不确定度可被视为与活跃的相关联假设具有直接相关。当确定不确定度时，假设状态可包括年龄、加权，等等。如上文所述，使用网格地图的技术可促进为假设确定适当的权重，从而允许使用所有假设的信息的加权平均来计算不确定度估计。

一方面，不确定度可与假设年龄逆相关，使得较新的假设可被视为相比假定已经历过管理操作而存留的较旧的假设更不确定。

为了帮助说明本公开的技术的益处，执行现场测试以评估利用离线地图信息来增强导航解决方案的性能。在该现场测试期间，智能电话用于各种用例中，这些用例包括手持模式和口袋模式，并且智能电话用于在变化的时间段内导出导航解决方案。随后，应用本公开的离线地图匹配技术来提供增强导航解决方案。通过导航模块120的模拟实时地导出的导航解决方案被表示为有轮廓的轨迹，由离线地图匹配提供的增强导航解决方案被表示为黑色轨迹，而用户走过的实际路径由交叉阴影线轨迹表示。针形符号指示锚点，其具有在括号中给出的顺序。对于图13-图26，测试在零售场所进行。

在图13中，手持智能电话，并且在五分钟时段内获得轨迹。在该描绘中，增强导航解决方案轨迹覆盖参考轨迹，使得偏差由交叉阴影部分指示。在图14中，手持智能电话，并且在十分钟时段内获得轨迹。在该描绘中，参考轨迹覆盖增强导航解决方案轨迹，使得偏差由黑色部分指示。在图15中，手持智能电话，并且在十五分钟时段内获得轨迹。在该描绘中，参考轨迹覆盖增强导航解决方案轨迹，使得偏差由黑色部分指示。在图16中，智能电话处于口袋模式，并且在二十分钟时段内获得轨迹。在该描绘中，参考轨迹覆盖增强导航解决方案轨迹，使得偏差由黑色部分指示。在图17中，手持智能电话，并且在二十分钟时段内获得轨迹。在该描绘中，参考轨迹覆盖增强导航解决方案轨迹，使得偏差由黑色部分指示。如将会领会的那样，对应于增强导航解决方案的轨迹更准确地反映了用户的真实轨迹。此外，对于由图14-图17指示的更长的时间段，对应于导航解决方案的轨迹受制于增加的偏差，反映出惯性传感器的固有的漂移，并明显证明了本公开的技术的效用。

接下来，还在同一零售场所进行由图18-图26表示的测试，并且这些测试展现使用对传感器数据的前向和后向处理以导出导航解决方案且随后应用本公开的离线地图匹配技术而获得的结果。在图18和图19中，手持智能电话，并且在五分钟时段内获得轨迹。在这两个描绘中，参考轨迹是标记交叉阴影的，并且在图18中示出经前向处理的导航解决方案，而在图19中示出经后向处理的导航解决方案。本公开的离线地图匹配技术应用于这些导航解决方案以提供图20中示出的增强导航解决方案，该增强导航解决方案具有由销售点位置建立的两个锚点。在此，标记交叉阴影的参考轨迹覆盖增强导航解决方案轨迹，使得偏差由黑色部分指示。在图21和图22中，智能电话是摇摆的(即，在用户行走时由摆动的手臂持有)，并且在十分钟时段内获得轨迹。在这两个描绘中，参考轨迹是标记交叉阴影的，并且在图21中示出经前向处理的导航解决方案，而在图22中示出经后向处理的导航解决方案。本公开的离线地图匹配技术应用于这些导航解决方案以提供图23中示出的增强导航解决方案，该增强导航解决方案具有由销售点位置确立的三个锚点。同样，标记交叉阴影的参考轨迹覆盖增强导航解决方案轨迹，使得偏差由黑色部分指示。最后，在图24和图25中，在用户的口袋中携带智能电话，并且在十五分钟的时段内获得轨迹。在这两个描绘中，参考轨迹是标记交叉阴影的，并且在图24中示出经前向处理的导航解决方案，而在图25中示出经后向处理的导航解决方案。本公开的离线地图匹配技术应用于这些导航解决方案以提供图26中示出的增强导航解决方案，该增强导航解决方案具有由销售点位置确立的五个锚点。同样，标记交叉阴影的参考轨迹覆盖增强导航解决方案轨迹，使得偏差由黑色部分指示。这些测试显示出可从增强导航解决方案获得非常准确的轨迹。

取决于设备100的架构，传感器处理器108和惯性传感器112可形成在不同的芯片上，或者如图所示，可驻留在同一芯片上。用于计算设备100的取向的传感器融合算法可在传感器处理器108和MPU 106外部诸如由主处理器104执行，或者可由MPU 106执行。芯片可被定义为包括典型地由半导体材料形成的至少一个基板。单个芯片可由多个基板形成，其中基板被机械地键合以保持功能。多个芯片包括至少两个基板，其中两个基板电连接，但不需要机械键合。封装提供芯片上的键合焊盘至可以焊接到PCB的金属引线之间的电连接。封装典型地包括基板和覆盖物。集成电路(IC)基板可以指具有电路(典型地，CMOS电路)的硅基板。

如果需要，可使用任何合适的技术将一个或多个传感器并入到封装中。在一个实施例中，传感器可以是基于MEMS的，使得MEMS盖为MEMS结构提供机械支撑。MEMS结构层被附接到MEMS盖。MEMS盖也被称为处理基板或处理晶片。在一些实施例中，第一基板可以在单个半导体芯片中竖直地堆叠，附接并电连接到第二基板，而在其他实施例中，第一基板可在单个半导体封装中横向地设置，并且电连接到第二基板。在一个示例中，如共同拥有的美国专利第7,104,129号中所述，第一基板通过晶片键合而附接到第二基板，以同时提供电连接并气密地密封MEMS器件，该专利全文以引用的方式并入本文中。该制造技术有利地实现了允许以非常小且经济的封装来设计和制造高性能、多轴、惯性传感器的技术。晶片级的集成将寄生电容最小化，从而允许相对于分立解决方案改善的信噪比。晶片级的此类集成还实现了丰富的特征集的并入，从而使对外部放大的需求最小化。

本公开的技术可独立于任一导航解决方案中使用的状态估计或滤波技术的类型来与该导航解决方案结合。状态估计技术可以是线性的、非线性的或其组合。导航解决方案中使用的技术的不同示例可以依赖于卡尔曼滤波器、扩展的卡尔曼滤波器、诸如粒子滤波器等的非线性滤波器，或诸如神经网络或模糊系统的人工智能技术。导航解决方案中使用的状态估计技术可以使用任何类型的系统和/或测量模型。导航解决方案可以遵循用于整合不同传感器和系统的任何方案，诸如例如松散地耦合的整合方案或紧密地耦合的整合方案，等等。导航解决方案可以利用建模(无论是线性还是非线性、具有短存储器长度还是长存储器长度)和/或针对所使用的惯性传感器和/或其他传感器的误差的自动校准。

构想的实施例

本公开描述了身体坐标系为：x向前、y朝身体的右侧为正，且z轴向下为正。构想了任何身体坐标系定义可被用于本文中所描述的方法和装置的应用。

构想了本公开的技术可以与导航解决方案一起使用，该导航解决方案可以任选地利用：自动零速度时段或静止时段检测，用其可能的更新和惯性传感器偏置重新计算；不可积分更新模块；惯性传感器误差的高级建模和/或校准；在适当时从GNSS中导出它们的可能的测量更新；GNSS解决方案质量的自动评估以及检测降级的性能；在松散地耦合的整合方案与紧密地耦合的整合方案之间自动切换；在处于紧密地耦合的模式时对每个可见GNSS卫星的评估；以及最终可能可与后向平滑化模块一起使用，该后向平滑化技术具有任一类型的后向平滑化技术，并且任一技术在后任务中运行或在同一任务内的经缓冲的数据的后台中运行。

进一步构想了本公开的技术还可与某种模式的运输技术或运动模式检测技术一起使用以确立运输模式。这使得能够检测行人模式以及其它模式，诸如例如，驾驶模式。当检测到行人模式时，可使本公开中所呈现的方法可操作以确定设备与行人之间的失准。

进一步构想了本公开的技术也可与以下导航解决方案一起使用：该导航解决方案被进一步编程以在后台运行例程来模拟绝对导航信息的人工中断，并估计用于本导航模块中的解决方案的状态估计技术的另一实例的参数以优化该解决方案的准确性和一致性。准确性和一致性通过将模拟的中断期间的临时后台解决方案与参考解决方案进行比较来评估。参考解决方案可以是以下示例之一：绝对导航信息(例如，GNSS)；在设备中的前向整合的导航解决方案，该解决方案将可用的传感器与绝对导航信息(例如，GNNS)整合，并且可能与任选的速率或速度读数整合；或后向经平滑化的整合的导航解决方案，该解决方案将可用的传感器与绝对导航信息(例如，GNNS)整合，并且可能与任选的速率或速度读数集成。后台处理可以在与前向解决方案处理相同的处理器上运行，或在可与第一处理器通信并可从共享位置读取被保存数据的另一处理器上运行。后台处理解决方案的结果可以例如通过具有用于本模块中导航的前向状态估计技术的参数的改进的值来使实时导航解决方案在其未来的运行中获益(即，在后台例程已完成运行之后的实时运行)。

进一步构想了本公开的技术也可与进一步与地图(诸如，街道地图、室内地图或模型，或在使此类地图或模型可用的应用的情况下的任何其他环境地图或模型)以及地图辅助或模型辅助例程整合的导航解决方案一起使用。地图辅助或模型辅助可在绝对导航信息(诸如，GNNS)降级或中断期间进一步增强导航解决方案。在模型辅助的情况下，可以使用获取与环境有关的信息的传感器或传感器群，这些传感器或传感器群诸如例如，激光测距仪、相机以及视觉系统或声纳系统。这些新系统可被用作额外帮助以在绝对导航信息问题(降级或缺失)期间增强导航解决方案的准确性，或者在一些应用中，它们可以完全替代绝对导航信息。

进一步构想了本公开的技术也可与导航解决方案一起使用，该导航解决方案，在按紧密耦合方案或混合式松散/紧密耦合选项工作时，不必被限于利用伪距测量(这些伪距测量是根据代码而非载波相位来计算的，因而它们被称为基于代码的伪距)和(用于获得伪距速率的)多普勒(Doppler)测量。GNSS接收器的载波相位测量也可被使用，例如：(i)用作计算距离而不是基于代码的伪距的替代方式；或(ii)通过合并来自基于代码的伪距和载波相位测量的信息来增强距离计算；此类增强是载波平滑化的伪距。

进一步构想了本公开的技术也可与依赖于GNSS接收器与其他传感器的读数之间的超紧密整合方案的导航解决方案一起使用。

进一步构想了本公开的技术还可与使用各种无线通信系统的导航解决方案一起使用，这些无线通信系统也可作为附加辅助(其在GNSS不可用时将是更有益的)或作为GNSS信息的替代(例如，对于其中GNSS不适用的应用)用于定位和导航。用于定位的这些无线通信系统的示例是诸如由蜂窝电话塔和信号、无线电信号、数字电视信号、WiFi或WiMax提供的那些系统。例如，对于基于蜂窝电话的应用，来自蜂窝电话塔的绝对坐标和室内用户与塔之间的距离可被用于定位，由此可通过不同的方法来估计距离，在这些方法中，计算到达时间或最接近蜂窝电话定位坐标的到达时间差。被称为增强观察时间差(E-OTD)的方法可用于获得已知的坐标和距离。距离测量的标准差可依赖于蜂窝电话中使用的振荡器的类型以及蜂窝塔定时装备和传输损失。WiFi定位可以按各种方式来完成，这些方式包括但不限于到达时间、到达时间差、到达角、接收到的信号强度、以及指纹技术，以及其他技术；所有这些方法提供不同的准确度水平。用于定位的无线通信系统可以使用不同技术来对来自无线信号的测距、角度、或信号强度中的误差进行建模，并且可以使用不同的多径抑制技术。所有上述概念以及其他概念也可按类似的方式适用于基于无线通信系统的其他无线定位技术。

进一步构想了本公开的技术还可与利用来自其他移动设备的辅助信息的导航解决方案一起使用。该辅助信息可被用作附加辅助(其在GNSS不可用时将更有益处)或被用作GNSS信息的替代(例如，对于其中基于GNSS的定位不适用的应用)。来自其他设备的辅助信息的一个示例可以依赖于不同设备之间的无线通信系统。基本概念在于，具有更好定位或导航解决方案(例如，具有带良好可用性和准确性的GNSS)的设备可帮助具有降级的或不可用的GNSS的设备获得改进的定位或导航解决方案。这一帮助依赖于(多个)辅助设备和无线通信系统的公知位置以用于对具有降级的或不可用GNSS的(多个)设备进行定位。这一所构想的变体涉及以下情况之一或以下两种情况：(i)具有降级的或不可用GNSS的(多个)设备利用本文中描述的方法，并从其他设备和通信系统获得辅助；(ii)具有可用GNSS并且因而具有良好的导航解决方案的辅助设备利用本文中描述的方法。用于定位的无线通信系统可依赖于不同的通信协议，并且它可依赖于不同方法，诸如例如，到达时间、到达时间差、到达角和接收到的信号强度，等等。用于定位的无线通信系统可以使用不同技术来对来自无线信号的测距和/或角度中的误差进行建模，并且可以使用不同的多径抑制技术。

上述实施例和技术可以在软件中被实现为各种经互连的功能块或不同的软件模块。然而，这不是必须的，并且可以存在以下情况：这些功能块或模块等效地聚集为边界不清晰的单个逻辑器件、程序或操作。在任何情况下，实现上述各实施例或接口的各特征的功能块和软件模块可由它们自身来实现，或结合硬件或软件中的其他操作来实现，完全在设备内实现，或结合该设备以及与该设备通信的其他启用处理器的设备(诸如，服务器)来实现。

虽然已经示出并描述了一些实施例，但是本领域技术人员将领会，可对这些实施例作出各种改变和修改而不改变或背离它们的范围、意图或功能。在前述说明中使用的术语和表达已经在本文中用作描述性而非限制性术语，并且在使用这种术语和表达时，不旨在排除所示出或所描述的特征或其多个部分的任何等效物，认识到的是，本公开仅受所附权利要求书限定和限制。