用于改进移动装置中的行人运动建模的用户特定学习的制作方法
可启用移动装置(例如蜂窝式电话、智能手机、平板计算机、手提式计算机、可穿戴计算机、导航和/或跟踪装置等)来通过使用包含全球导航卫星系统(gnss)、使用固定基站或接入点的三边测量等等的位置确定技术确定其位置。位置确定技术可另外或替代地包含使用移动装置上的用于航位推算的传感器。基于微机电系统(mems)的传感器和基于非mems的传感器可包含加速计、陀螺仪、磁力计和/或其它基于mems的传感器。
然而，问题是，基于mems的航位推算的准确度归因于累积式mems传感器误差而随时间和距离降低。此外，对于另外使用无线通信的位置确定解决方案，这可导致更频繁地使用其它相对高功率技术(例如gnss、wifi等)来维持目标准确度。
技术实现要素：
本文中提供的技术是针对实现装置上学习以创建可用于航位推算的用户特定移动模型。因为这些移动模型是用户特定的，所以其稍后可用以以提供具有相对高准确度的航位推算位置估计的方式识别用户特定运动。在一些实施例中，这些模型可集中于基于当用户进行步幅(行走、慢跑、奔跑等)时发生的重复运动的行人移动。
根据所述描述，一种实例移动装置包括被配置成提供指示用户的运动的mems传感器数据的一或多个基于微机电系统(mems)的传感器，以及以通信方式与基于mems的传感器耦合的处理单元。所述处理单元可被配置成在训练阶段，在所述用户进行多个步幅的第一时间周期内，从所述基于mems的传感器收集第一组mems传感器数据；和基于所述第一组mems传感器数据和参考轨迹创建与所述第一组mems传感器数据相关联的移动模型，以确定放大步幅上的沿着跟踪运动，衰减所述步幅上的交叉跟踪运动或这两者的加权函数。所述处理单元可被进一步配置成在所述训练阶段之后，在所述基于mems的传感器检测到运动的第二时间周期内，从所述基于mems的传感器收集第二组mems传感器数据；确定所述第二组mems传感器数据是否匹配所述移动模型；和响应于确定所述第二组mems传感器数据和所述移动模型之间的匹配，使用所述第二组mems传感器数据通过将对应于所述移动模型的所述加权函数应用于所述第二组mems传感器数据，确定所述移动装置的位置。
所述移动装置可包括以下特征中的一或多个。所述移动装置可包括以通信方式与处理单元耦合的全球导航卫星系统(gnss)接收器，其中所述处理单元被进一步配置成使用从所述gnss接收器接收的信息确定所述参考轨迹。所述处理单元可被进一步配置成在所述训练阶段，收集多组mems传感器数据；和创建多个移动模型，所述多个移动模型中的每一移动模型对应于所述多组mems传感器数据中的一组mems传感器数据。所述处理单元可被配置成基于所述第一组mems传感器数据和所述参考轨迹创建所述移动模型包括基于所述参考轨迹将所述第一组mems传感器数据变换成参考系以产生沿着跟踪训练数据和交叉跟踪训练数据。所述处理单元可被配置成通过执行基于所述沿着跟踪训练数据和所述交叉跟踪训练数据的最小二乘方优化，确定所述加权函数。所述处理单元可被进一步配置成产生至少一个参考波形，其中所述移动模型包括所述加权函数和所述至少一个参考波形。所述至少一个参考波形可包含表示所述移动装置的垂直移动的波形。所述处理单元可被配置成基于从所述第二组mems传感器数据导出的波形和所述移动模型的所述至少一个参考波形，确定所述第二组mems传感器数据是否匹配所述移动模型。所述处理单元可被配置成通过执行相关操作确定从所述第二组mems传感器数据导出的所述波形是否匹配所述移动模型的所述至少一个参考波形。所述处理单元可被配置成通过在从所述第二组mems传感器数据导出的所述波形、所述移动模型的所述至少一个参考波形或这两者中包含时间偏移来执行所述相关操作。所述处理单元可被配置成通过确定所述相关操作的值至少与阈值相关值一样大，确定所述第二组mems传感器数据是否匹配所述移动模型。
根据所述描述，一种在具有一或多个基于微机电系统(mems)的传感器的移动装置中进行行人运动建模的实例方法包括：在训练阶段，从所述基于mems的传感器收集指示用户的运动的第一组mems传感器数据，所述第一组mems传感器数据是在所述用户进行多个步幅的第一时间周期内收集；和基于所述第一组mems传感器数据和参考轨迹创建与所述第一组mems传感器数据相关联的移动模型，以确定放大步幅上的沿着跟踪运动，衰减所述步幅上的交叉跟踪运动或这两者的加权函数。所述方法另外包括在所述训练阶段之后，在所述基于mems的传感器检测到运动的第二时间周期内，从所述基于mems的传感器收集第二组mems传感器数据；确定所述第二组mems传感器数据是否匹配所述移动模型；和响应于确定所述第二组mems传感器数据和所述移动模型之间的匹配，使用所述第二组mems传感器数据通过将对应于所述移动模型的所述加权函数应用于所述第二组mems传感器数据，确定所述移动装置的位置。
所述方法可包含以下特征中的一或多个。所述方法可包含使用从所述移动装置的全球导航卫星系统(gnss)接收器接收的信息确定所述参考轨迹。所述方法可包含在所述训练阶段，收集多组mems传感器数据；和创建多个移动模型，所述多个移动模型中的每一移动模型对应于所述多组mems传感器数据中的一组mems传感器数据。基于所述第一组mems传感器数据和所述参考轨迹创建所述移动模型可包括基于所述参考轨迹将所述第一组mems传感器数据变换成参考系以产生沿着跟踪训练数据和交叉跟踪训练数据。确定所述加权函数可包括执行基于所述沿着跟踪训练数据和所述交叉跟踪训练数据的最小二乘方优化。所述方法可另外包括产生至少一个参考波形，其中所述移动模型包括所述加权函数和所述至少一个参考波形。所述至少一个参考波形可包含表示所述移动装置的垂直移动的波形。确定所述第二组mems传感器数据是否匹配所述移动模型可基于从所述第二组mems传感器数据导出的波形和所述移动模型的所述至少一个参考波形。确定从所述第二组mems传感器数据导出的所述波形是否匹配所述移动模型的所述至少一个参考波形可包括执行相关操作。执行所述相关操作可包括在从所述第二组mems传感器数据导出的所述波形、所述移动模型的所述至少一个参考波形或这两者中包含时间偏移。确定所述第二组mems传感器数据是否匹配所述移动模型包括确定所述相关操作的值至少与阈值相关值一样大。
根据所述描述，一种实例设备包括：用于检测运动的装置；用于在训练阶段，从所述用于检测运动的装置收集第一组运动数据的装置，所述第一组运动数据指示用户的运动并且是在所述用户进行多个步幅的第一时间周期内收集；和用于在所述训练阶段，基于所述第一组运动数据和参考轨迹创建与所述第一组运动数据相关联的移动模型，以确定放大步幅上的沿着跟踪运动，衰减所述步幅上的交叉跟踪运动或这两者的加权函数的装置。所述设备另外包括用于在所述训练阶段之后，从所述用于检测运动的装置收集第二组运动数据的装置，所述第二组运动数据是在检测到运动的第二时间周期内收集；用于确定所述第二组运动数据是否匹配所述移动模型的装置；和用于响应于确定所述第二组运动数据和所述移动模型之间的匹配，使用所述第二组运动数据通过将对应于所述移动模型的所述加权函数应用于所述第二组运动数据，确定所述设备的位置的装置。
所述设备可包括以下特征中的一或多个。所述设备可另外包括用于使用从全球导航卫星系统(gnss)接收器接收的信息确定所述参考轨迹的装置。所述设备可另外包括用于在所述训练阶段收集多组运动数据的装置；和用于在所述训练阶段创建多个移动模型的装置，所述多个移动模型中的每一移动模型对应于所述多组运动数据中的一组运动数据。所述用于基于所述第一组运动数据和所述参考轨迹创建所述移动模型的装置可包括用于基于所述参考轨迹将第一组mems传感器数据变换成参考系以产生沿着跟踪训练数据和交叉跟踪训练数据的装置。所述用于确定所述加权函数的装置包括用于执行基于所述沿着跟踪训练数据和所述交叉跟踪训练数据的最小二乘方优化的装置。所述设备可另外包括用于产生至少一个参考波形的装置，其中所述移动模型包括所述加权函数和所述至少一个参考波形。所述至少一个参考波形可包含表示所述移动装置的垂直移动的波形。
根据所述描述，一种非暂时性计算机可读媒体具有嵌入其上以用于在具有一或多个基于微机电系统(mems)的传感器的移动装置中进行行人运动建模的计算机可执行指令。所述指令包含用于以下操作的计算机代码：在训练阶段，从所述基于mems的传感器收集指示用户的运动的第一组mems传感器数据，所述第一组mems传感器数据是在所述用户进行多个步幅的第一时间周期内收集；和基于所述第一组mems传感器数据和参考轨迹创建与所述第一组mems传感器数据相关联的移动模型，以确定放大步幅上的沿着跟踪运动，衰减所述步幅上的交叉跟踪运动或这两者的加权函数。所述指令另外包括用于以下操作的计算机代码：在所述训练阶段之后，在所述基于mems的传感器检测到运动的第二时间周期内，从所述基于mems的传感器收集第二组mems传感器数据；确定所述第二组mems传感器数据是否匹配所述移动模型；和响应于确定所述第二组mems传感器数据和所述移动模型之间的匹配，使用所述第二组mems传感器数据通过将对应于所述移动模型的所述加权函数应用于所述第二组mems传感器数据，确定所述移动装置的位置。
附图说明
参考下图描述非限制性且非详尽性方面，其中除非另外指定，否则相同参考数字贯穿各图指相同部分。
图1是根据实施例的定位系统的简化说明。
图2是说明根据实施例可如何使用mems传感器数据获得输出波形的简化框图。
图3是有助于说明根据实施例“东、北、上”(enu)参考系的水平面可如何变换成“沿着跟踪(along-track)、交叉跟踪(cross-track)、上(up)”(axu)参考系的水平面的图表300。
图4是说明实例输出波形和对应加权函数的分量的图表。
图5是有助于说明可如何确定相关的一组实例图表的说明。
图6a和6b是用于根据实施例使用本文中所描述的技术确定移动装置的位置的方法的流程图。
图7是如上文中所述可使用的移动装置的实施例的框图。
具体实施方式
本文中提供可在移动装置处实施以至少部分地通过启用移动装置来创建可用于航位推算确定的用户特定移动模型从而支持定位能力的各种实例技术。
应理解，虽然实施例描述基于微机电系统(mems)的传感器的使用，但可在使用其它类型的传感器的情况下采用本文中所描述的技术。此外，应理解，在本文所揭示的各种实施例中，来自基于非mems的传感器(例如固体状态磁力计和其它类别的传感器)的数据也可与来自基于mems的传感器的数据一起使用以执行本文所揭示的各个计算和确定。因此，对基于mems的传感器的参考不应理解为排除使用来自代替基于mems的传感器或与基于mems的传感器结合的非mems传感器的数据。
移动装置可使用航位推算基于来自集成到装置自身中的mems传感器的mems传感器数据确定移动装置的位置。然而，问题是，可能由于移动装置可经历的多种多样的移动(如由mems传感器所感测)而难以从航位推算获得准确位置估计。举例来说，在用户行走(或慢跑、奔跑等)时由移动装置的mems传感器感测的运动可在不同用户之间存在很大差异。此运动可进一步根据移动装置相对于用户的位置(例如，在用户的口袋中，在用户的手中，固持在用户的面部前方等)而不同。
本文中提供解决此问题和其它问题的技术，从而基于通过创建可特定于用户和移动装置相对于用户的位置的移动模型的航位推算来增加位置估计的准确度。可在航位推算可为用于定位系统中的数种位置确定技术中的一种的实施例中使用此类技术。
图1是根据实施例的定位系统100的简化说明，其中定位系统100的移动装置105和/或其它组件可使用本文中提供的用于有助于改进航位推算估计的准确度的技术。本文中所描述的技术因而可由定位系统100的一或多个组件实施。定位系统可包含移动装置105、全球导航卫星系统(gnss)人造卫星(sv)110、基站收发器120、移动网络提供商140、接入点(ap)130、位置服务器160、无线区域网络(wan)170和因特网150。应注意，图1仅提供各种组件的一般化说明，可视需要使用所述组件中的任一个或全部，且可视需要复制所述组件中的每一个。具体地说，虽然仅说明一个移动装置105，但应理解，可在定位系统100中使用多个移动装置(例如，数百个、数千个、数百万个等)。类似地，定位系统100可包含多个天线120和/或ap130。连接定位系统100中的各种组件的所说明连接包括数据连接，其可包含额外(中间)组件、直接或间接连接和/或额外网络。此外，组件可取决于所要功能性而重新布置、组合、分离、替换和/或省略。所属领域的一般技术人员将认识到对所说明组件的许多修改。
天线120通信地耦合到移动网络提供商140，其可以通信方式与因特网150耦合。在一些实施例中，天线120可包括蜂窝式网络的基站，其可采用多种无线技术中的任一个，如下文关于图8所述。位置服务器160也可以通信方式与因特网150耦合。因此，移动装置105可例如通过经由天线120使用第一通信链路133接入因特网150，与服务器160连通信息。另外或替代地，因为ap130和wan170还可以通信方式与因特网150耦合，所以移动装置105可使用第二通信链路135与位置服务器160通信。
取决于期望功能性，可以多种方式通过移动装置和/或与移动装置通信的其它装置确定移动装置105的位置，这可取决于情境。在一些实施例中，位置服务器160和/或在移动装置105远端的其它装置(未示出)例如可用以实施用于支持移动装置105(通常被称为目标移动装置、目标装置或目标)的定位的定位方法。这些定位方法可包含例如通过移动装置对gnsssv110、属于无线蜂窝式网络(例如，移动网络提供商140)的天线120、接入点(ap)130等等发射的信号的测量。这些定位方法也可包含从移动装置105接收mems传感器数据和/或基于航位推算的所估计位置，其可提供给位置服务器160以补充确定移动装置105的位置的其它技术。在一些实施例中，移动装置105可使用本文中所描述的航位推算技术确定其位置而无需发送或从定位系统100的其它组件接收任何信息。
如较早所提及，航位推算可由移动装置105和/或定位系统100的其它组件执行。对于行人导航(即，使用计步器确定行人的步数的导航)，航位推算可为用以确定移动装置105的准确位置估计的数个数据点中的一个。航位推算可使用三个不同数据源：(1)步数(例如，如由计步器提供)的指示，(2)相对转向角度(例如，其可由陀螺仪提供)，和(3)地面上的线路(cog)，其提供速度向量(方向和速度量值)。
可通过使用来自移动装置105的mems传感器的mems传感器数据来确定用于航位推算的cog。在一些实施例中，举例来说，可使用九个信息轴：对于加速计、陀螺仪和磁力计中的每一个都有三个轴。可处理此信息以确定cog速度向量。
如前文所述，基于航位推算的位置估计可归因于主移动装置的用户行走时移动装置的移动变化而为不准确的。特定来说，用以确定cog的基线算法可归因于此移动的变化(归因于例如特定于用户的移动、移动装置相对于用户的位置变化等等)而不能够准确地确定cog。然而，本文中提供的技术使移动装置能够“学习”特定用户的不同移动可如何影响cog确定，接着稍后识别特定移动并且相应地补偿cog确定。
图2是说明可如何使用mems传感器数据获得移动装置或其它装置可借以创建移动模型以允许更准确cog确定的波形的实施例的简化框图。应理解，图2中所说明的组件可包括移动装置(例如图1的移动装置105)或定位系统中的其它电子装置(例如服务器)的软件和/或硬件组件。下文关于图7更详细地描述移动装置的软件和/或硬件组件。
第一变换组件210可用以将(x、y、z)参考系中的数据变换成“东、北、上”(enu)参考系。更具体地，第一变换组件210可接收(x、y、z)坐标参考系(例如，移动装置的内部加速计参考系)中的mems传感器数据(其可为来自移动装置的mems传感器的原始数据；例如，先前论述的九个信息轴)，并且将所述数据变换成enu参考系，其中enu参考系的“东”和“北”创建“东-北平面”或“局部切面”，其建立移动装置的水平移动。enu参考系中的第三轴是表示相对于东-北平面的垂直轴的“上”参考系。在一个实例中，来自移动装置的加速计的数据可用以确定(x、y、z)参考系中的数据。已知方法可用以使用来自磁力计或陀螺仪中的一或多个的额外数据将来自(x、y、z)参考系的数据变换成enu参考系。在一些实施例中，磁力计或陀螺仪中的一个或两个是非mems传感器。在一实施例中，来自此类非mems传感器的数据可用以变换mems传感器数据。因此，即使还另外使用来自非mems传感器的数据，后续运算、计算或确定仍保持基于mems传感器数据。
举例来说，在移动装置的训练阶段期间，可通过第二变换组件220进一步变换enu参考系中的数据，其中在一个实例中，传感器数据无法匹配先前存储的移动模型。此处，第二变换组件接收enu参考系中的经变换mems传感器数据(第一变换组件210的输出)以及参考轨迹，接着将经enu变换的mems传感器数据变换成“沿着、交叉、上”(axu)参考系。在axu参考系中，由“沿着跟踪”轴和“交叉跟踪”轴形成水平面，其中“沿着跟踪”轴是参考轨迹的方向(初级移动方向)。可使用已知地面上线路技术以及本文中稍后所揭示的其它技术确定参考轨迹。
图3是有助于说明根据实施例enu参考系的水平面可如何变换成axu参考系的水平面的图表300。此处，可通过图2的第一变换组件210建立enu参考系的“北”和“东”轴，且其可与地球表面上的北和东方向对应。因此，enu参考系的“北”和“东”轴可形成平行于地球的表面的水平面。
从移动装置105的运动建立axu参考系。即，可建立(例如使用全球定位系统gps和/或另一gnss跟踪解决方案)移动装置105的初级移动方向，且可建立沿着初级移动方向的沿着跟踪轴。交叉跟踪轴可建立为与enu参考系中的沿着跟踪轴垂直。因此，如图3的图表300中所说明，在enu的北/东水平面中以某一偏移角θ建立axu参考系的沿着跟踪轴和交叉跟踪轴。
执行图2和3中所说明的变换的能力使移动装置能够“经训练”以识别来自移动装置的特定用户的不同类型的运动。特定来说，移动装置可通过用户针对不同类型的移动做出的建模周期性移动(例如，走路)降低航位推算中使用的传感器误差。可在训练过程期间建立此建模。
根据一些实施例，可如下训练移动装置：
第一，移动装置可通过进入训练模式，开始训练过程。可在移动装置的设置程序期间和/或在初始使用之后的某一点调用训练模式。根据一些实施例，可通过使用用户接口(例如移动装置的显示器上的图形用户界面(gui))调用训练模式，其可提示用户开始训练模式。根据一些实施例，移动装置可仅在确定尚未建立运动模型和/或参考轨迹可用(例如，经由gnss、通过接入点和/或其它天线进行的陆地三边测量等等)之后调用训练模式。举例来说，如下文将进一步论述的，移动装置可尝试将来自移动mems传感器的当前运动数据与一组移动模型中的一个移动模型匹配。如果未发现匹配，那么移动装置可进入训练模式以使用当前运动数据建立新移动模型。
在其中在设置程序期间或由用户调用训练模式实施例中，一旦训练模式已经调用，移动装置接着就可提示用户做出特定类型的移动，例如用户将移动装置放在用户的手中，将移动装置固持在用户的面部前方行走。在一些实施例中，移动装置可要求用户进行特定量的步数或进行至少一最低步数(例如，至少10步)以确立重复运动。
当用户正在进行将用于训练的类型的移动时，移动装置可使用移动装置的mems传感器记录移动装置的移动，在用户做出所述类型的移动时收集mems传感器数据。在此功能期间，移动装置也可使用例如涉及gnss、无线三边测量和/或其它技术例如室内wifi、可视化惯性里程(vio)和/或映射匹配(其中使用例如人行道、街道等地图特征通知轨迹确定)的所确立的位置技术，建立移动的参考轨迹(例如，用户行走的方向；向前方向)。
第四，移动装置可使用mems传感器数据和参考轨迹以图2中所说明的方式产生一或多个输出波形。在一个实例中，输入到图2的变换组件210中的mems传感器数据可包括来自mems三轴加速计的x轴加速度、y轴加速度和z轴加速度。在变换此enu并且接着变换成axu参考系之后，三个波形可输出为a轴(沿着轴)加速度、x轴(交叉轴)加速度和u轴(上轴)加速度。此处，输出波形是在axu参考系中，进而隔离沿着跟踪和交叉跟踪(和向上)方上的移动。这些输出波形可用作如将参考图4描述的训练波形。
最终，如图4参考所描述，移动装置可创建减少交叉跟踪移动和/或增加沿着跟踪移动的加权函数。加权函数接着可用以倍增enu参考系中的实时数据以减少交叉跟踪移动和/或增加用于类似于计算加权函数所针对的运动的运动的实时数据的沿着跟踪移动。当处理实时加速度数据时，在一个实施例中，可执行从(x、y、z)参考系到enu参考系的变换，但无需执行从enu参考系到axu参考系的变换。加权函数可直接适用于enu参考系中的加速度数据。除了使用加权函数相对于交叉跟踪移动放大沿着跟踪移动以便改进行人航位推算之外，移动装置随后可使用输出波形中的一或多个，或从输出波形导出的某一其它波形，作为与移动装置检测到的未来移动进行比较的参考波形。当移动装置收集的实时数据具有匹配给定参考波形(例如，与高于特定阈值的参考波形相关，如下文更详细地描述)的波形时，与参考波形相关联的加权函数可应用于那些移动以有助于确保与不相对于交叉跟踪移动放大沿着跟踪移动的cog运算相比更大程度的cog确定。在一个实例中，在训练阶段，将训练加速度数据从(x、y、z)参考系变换成enu参考系，并且接着进一步变换成axu参考系。使用本文中其它处描述的技术，使用沿着跟踪轴训练加速度数据和交叉跟踪轴训练加速度数据计算加权函数。上轴加速度数据可充当参考波形。在训练阶段之后，从mems传感器接收实时加速度数据。实时加速度数据变换成enu参考系。如本文中其它处所描述，将实时上轴加速度数据(波形)与参考波形进行比较。当给定时间或相移应用于参考波形和实时上轴加速度波形中的一个、另一个或两者时发现匹配。接着基于当匹配参考和实时波形时所使用的时间或相移为加权函数提供时间或相移，且加权函数应用于实时东轴加速度数据和实时北轴加速度数据两者。以此方式，沿着运动方向的运动相对于垂直于运动方向的运动放大，且改进cog运算和其它行人航位推算计算。下文提供关于在训练之后使用移动模型和加权函数的额外细节。
训练过程可针对例如以下的多种不同移动类型(其也可被称为可为使用移动装置的用户、移动装置在用户的身体上的位置以及用户正在进行的活动中的一或多个的函数的行人装置情境)进行重复：将移动装置放在用户a的衬衫口袋中行走，将移动装置放在用户b的手中奔跑，将移动装置放在用户a的裤子前面口袋中行走，附接到用户a的腕部游泳，附接到用户b的手臂游泳，放在用户a的口袋中骑马等等。更一般地说，在用户、身体上的位置和/或活动性或其任何组合方面为唯一的任何重复运动可提供唯一性移动类型/情境。这使得移动装置能够创建用于这些移动类型中的每一个的移动模型，从而允许移动装置随后使类似移动与所述移动模型匹配，将对应加权函数应用于那些移动模型，并且进而确定更准确的cog确定。因此，一般来说，移动装置将可能通过训练过程创建多个移动模型。如下文所描述，每一移动模型可包含可在训练阶段之后在使用阶段(在训练阶段之后)期间用以确定哪些移动模型最佳匹配指示用户运动的当前(实时)mems传感器数据的加权函数(或向量)和参考波形。如果未发现针对已经创建的移动模型的匹配，那么移动装置可使用指示用户运动的当前(实时)mems传感器数据作为创建新移动模型的训练数据。
可注意到，移动模型可包含大于单个参考波形。在一些实施例中，举例来说，移动模型可包含作为参考波形或产生参考波形的垂直加速度、水平加速度(其可经归一化)数据、垂直陀螺仪(围绕垂直轴旋转)数据、水平陀螺仪(围绕垂直轴旋转)数据等等中的一或多个。一或多个参考波形接着可用于与移动装置进行的后续移动匹配，其中对应波形将与一或多个参考波形进行比较以确定移动是否类似。如果移动类似，那么与一或多个参考波形相关联的加权函数接着可应用于例如enu参考系中的mems传感器数据。
图4是说明实例输出波形(例如，在图2中描述的在axu参考系中的输出波形)和对应加权函数的图表400。此处，输出波形分解成垂直(“上”)加速度410波形、沿着跟踪加速度420波形和交叉跟踪加速度430波形。在此实例中，针对50个样本收集波形(图表400的x轴)，然而，应理解，每波形的样本的数目可根据各个因素例如用户步幅速度、取样速率和/或类似因素而不同。另外，加速度振幅(图表400的y轴)可以类似方式不同。在一些实施例中，加速度振幅可经归一化。
如先前所指示，mems传感器数据可经变换以提供axu参考系中的输出波形。图表400表示周期性垂直加速度410、沿着跟踪加速度420和交叉跟踪加速度430。图表400的周期性可测量为用户的步幅。即，mems传感器数据的50个样本(图表400的x轴)可表示用户进行的每两步。(例如，用户可用左脚以大约样本0迈步且用右脚以大约样本25迈步。)输出波形因而可表示多个步幅的平均值、均值或其它表示。(例如，移动装置可在10个用户步幅的进程中取500个mems传感器数据样本，且输出波形将表示10个用户步幅的平均化、均值或其它组合。)移动装置可基于输出波形自身和/或计步器(其可由移动装置例如使用处理mems传感器数据的硬件和/或软件实施)确定此类移动的周期性。举例来说，可从如由移动装置的计步器检测到的用户进行的每隔一步确定波形的周期性。
沿着跟踪加速度420和交叉跟踪加速度430的波形分量包含mems传感器数据中取得的每一样本(在图4的实例图表400中样本总计50个)的加速度值。确定加权函数440因而是关于确定最大化沿着跟踪加速度420和/或最小化交叉跟踪加速度430的函数。根据一些实施例，可如下确定加权函数。
其中a(i)和x(i)分别表示样本i(针对i＝0到总样本数)处的沿着跟踪加速度420和交叉跟踪加速度430向量，a和x可表示由向量a(i)和x(i)中的每一个与加权向量w(i)的点积产生的标量值，如下：
a＝∑a(i)·w(i)(1)
且
x＝∑x(i)·w(i)。(2)
在一些实施例中，确定最小化x且最大化a的加权函数或加权向量w(i)的解。在一些实施例中，举例来说，此可通过确保或接近(在阈值内)下式来求解：
在一些实施例中，可使用最小二乘方误差最小化算法计算w(i)的此解。
根据一些实施例，例如图表400中所说明的实施例，所得加权函数440(w(i))可趋于放大波形内的数据点，其中沿着跟踪加速度420具有某一非零值且交叉跟踪加速度410具有为零或接近于零的值。也就是说，替代性实施例可采用其它用于放大沿着跟踪加速度420和/或最小化交叉跟踪加速度410的技术。
一旦确定各种类型的移动的移动模型和对应加权函数，移动装置接着就可用以在训练阶段之后的识别或使用阶段确定cog。在使用阶段期间，可至少部分地依赖于使用与经识别移动模型相关联的加权函数从例如enu参考系中的经加权加速度数据导出的cog估计值，确定移动装置的位置。
举例来说，当移动装置需要cog估计值通过航位推算确定移动装置的位置时，移动装置可进入识别或使用阶段，其中移动装置收集mems传感器数据(例如，在多个步幅的进程内)识别移动模型。使用上文所描述的变换过程，mems传感器数据可转换成enu参考系并且与先前由移动装置产生的移动模型进行比较。如果移动装置能够将mems传感器数据的波形与移动模型的参考波形大致上匹配，那么移动装置接着可将移动模型的加权函数应用于mems传感器数据的波形，以有助于增加基于mems传感器数据的cog估计值的准确度。
在一些实施例中，举例来说，mems传感器数据(其可中enu参考系中)的波形可分解成对应e(i)和n(i)函数，对应移动模型的加权函数w(i)可应用于所述函数，如下：
e′＝∑e(i)·w(i)(4)
且
n′＝∑n(i)·w(i)。(5)
在一个实施例中，基于加权函数的cog估计值包括具有东坐标e′和北坐标n′的东北平面中的向量。
可使用多种相关函数和/或类似函数中的任一个确定对应移动模型。举例来说，mems传感器数据的波形可与由移动装置在训练阶段期间使用相对于一或多个参考波形的相关函数产生的移动模型中的每一个的对应波形进行比较，如图5中所说明。在一个实例中，上轴波形可充当参考波形，不过还可使用其它波形。举例来说，可使用水平范数(使用基于axu参考系中的训练数据的沿着-交叉平面中的移动经平方根的和所计算)产生参考波形，其接着可与通过计算基于东-北平面中的移动经根平方的和从实时数据计算的水平范数进行比较。
图5是有助于说明可如何确定相关的一组实例图表510和520的说明。此处，第一图表510可为mems传感器数据的特定波形(例如，垂直加速度)，且第二图表520可为移动模型的对应参考波形(例如，垂直加速度)。
如所说明，可存在两个图表510和520之间的相移530。因而，在两个图表510和520之间执行的相关函数可为独立的或在各个相移处执行以确定两个图表510和520之间的最大相关值的任一阶段。
可注意到，如果在识别阶段收集的mems传感器数据的波形中的样本的数目不匹配移动模型的对应波形中的样本的数目，那么可按比例调整mems传感器数据的波形和/或移动模型的波形以有助于确保其匹配。
取决于期望功能性，可以多种方式中的任一种确定两个图表510和520之间的相关(即，两个图表大致上匹配的确定)。在一些实施例中，执行使用两个图表510和520的相关操作以确定相关值，其可指示两个图表匹配的程度(例如，相关值越高，图表匹配的程度越高)。在一些实施例中，可确定阈值相关值以使得如果两个图表510和520的相关函数产生符合或超过阈值相关值的相关值，那么两个图表510和520被视为匹配。在移动模型和mems传感器数据各自具有一组多个波形(例如，垂直加速度、水平加速度、垂直回旋、水平回旋等等)的情况下，移动模型的波形与mems传感器数据的对应波形相关，且经组合相关值(例如，总和、平均值、均值等)可经确定并且与阈值经组合相关值进行比较以出于cog估计的目的确定波形是否匹配。
在一些实施例中，在相关值超过阈值相关值并且是所有移动模型当中的最高相关值的情况下，mems传感器数据的波形匹配移动模型的波形。也就是说，一些实施例可仅仅确定是否超过阈值相关值。换句话说，取决于阈值相关值所设置为的值，与高于阈值相关值的mems传感器数据相关的移动模型可提供足够准确的cog估计，即使移动模型对应于不同于在移动装置获取mems传感器数据时所执行的移动的移动仍会如此。
如图5的实例中所说明，图表510和520是类似的，但在时间上与彼此偏移。在确定实时mems传感器数据是否匹配移动模型的一个实施例中，执行在图表510中的实时mems传感器数据和图表520中的参考波形之间的相关。在此实例中，数个不同相移(相对于步幅/波形，或相对于时间的时间偏移，或相对于向量位置指示符i的位置偏移)可应用于图表520。在每一相移处，图表510的每一值可乘以经偏移图表520的对应值以形成标量点积结果。接着可识别具有最高点积的相移。如果最高点积高于阈值，那么可确定两个波形匹配，且对应相移还指示两个图表之间的相移530。如果最高点积低于阈值，那么未发现匹配。接着可将图表510中的实时mems传感器数据与来自具有类似于图表520中所说明的图表的另一移动模型的另一参考波形进行比较。
应理解，在上文的描述中，加权函数、参考波形、用以与参考波形匹配或相关的对应实时数据波形、经训练或实时加速度数据被不同地称为向量、函数或波形，且因此加权函数、加权向量和加权波形可理解为全部指代同一事物。这是因为在上文所描述的一些实例中，加权函数表示每一指数i处50个权重序列，且因为权重可被和思维取决于指数i，所以其可被视为为函数。同时，加权函数是一组50个权重可理解为具有50个分量的向量。类似地，对照指数i的加权函数的曲线图可将加权函数表示为波形。类似地，在另一实例中，东轴加速度波形、向量或函数可指同一事物。
图6a和6b是用于根据实施例使用本文中所描述的技术确定移动装置的位置的方法600-a和600-b的流程图。可注意到，取决于期望功能性，图6a和6b中所说明的框中示出的功能可在替代性实施例中重新布置或更改。用于执行所说明功能中的一或多个的装置可包含本文中所描述的硬件和/或软件装置，包含图1的定位系统100的组件中的一或多个。在一些实施例中，移动装置可执行图6a和6b中所说明的功能中的一些或全部。在这些实施例中，用于执行这些功能的装置可包含如图7中所说明且在下文描述的硬件和/或软件装置。
方法600-a包含在移动装置处在训练阶段期间执行的功能，如在上文的实施例中所描述。在框610处，在用户进行多个步幅的第一时间周期内从基于mems的传感器收集第一组mems传感器数据。如先前指示，可通过可由移动装置实施的计步器确定用户进行的步幅。在一些实施例中，移动装置可通过移动装置的显示器上示出的图形用户界面起始训练阶段。在这些实施方案中，移动装置可为用户提供在第一时间周期期间进行的特定数目或最小量的步幅。在一些实施例中，用户可与图形用户界面交互以指示用户已完成进行多个步幅(进而结束第一时间周期)。用于执行610框处的功能性的装置可包含如图7中所示且如本文中在下文所描述的移动装置的处理单元710、输出装置715、无线通信接口730、总线705、传感器740、存储器760、输入装置770和/或gnss接收器780。
在框620处，创建与第一组mems传感器数据相关联的移动模型。如上文所论述，移动模型可包括从多个mems传感器数据样本创建的一或多个波形。根据一些实施例，可提供将第一组mems传感器数据首先变换成不同参考系产生移动模型。举例来说，如图2中所说明且如本文中在上文所描述，第一组mems传感器数据可首先经变换成enu参考系。基于第一组mems传感器数据和参考轨迹创建移动模型，以确定放大步幅上的沿着跟踪运动，衰减步幅上的交叉跟踪运动，或这两者的加权函数。如先前所描述，可从除mems传感器数据以外的来源例如gnss接收器、无线通信接口和/或能够提供移动装置的位置和/或轨迹的其它组件获得参考轨迹。借助此参考轨迹，第一组mems传感器数据可变换成axu参考系，且可通过放大沿着跟踪运动，衰减交叉跟踪运动，或两者，确定加权函数。在一些实施例中，举例来说，处理单元710、总线705和/或存储器760(如下文关于图7所描述)可充当用于基于参考轨迹将第一组mems传感器数据变换成参考系以产生沿着跟踪训练数据和交叉跟踪训练数据的装置。如先前所描述，可使用最小二乘优化计算加权函数，以确定当应用于沿着跟踪运动和交叉跟踪运动中的每一个时相对于交叉跟踪运动放大沿着跟踪运动的加权函数。此外，如上文所描述，可产生一或多个参考波形，其中移动模型包括加权函数和至少一个参考波形。在一些实施例中，处理单元710、总线705和/或存储器760(如下文关于图7所描述)可充当用于产生至少一个参考波形的装置。参考波形可与垂直和/或水平移动(加速度、旋转等等)对应。如上文参考方程式4和5所描述，加权函数因而可包括用以修改实时传感器数据的值的多个权重。参考波形可用以确定在实时传感器数据和所存储移动模型之间是否存在匹配。
如先前所描述，实施例可使用多个移动模型用于后续移动识别。因此，这些实施例可进一步收集多组mems传感器数据并且创建多个移动模型，所述多个移动模型中的每一移动模型对应于所述多组mems传感器数据中的一组mems传感器数据。
用于执行框620的功能性的装置可包含如图7中所示且如本文中在下文所描述的移动装置的处理单元710、输出装置715、无线通信接口730、总线705、传感器740、存储器760、输入装置770和/或gnss接收器780。
方法600-b包含在移动装置处在训练阶段之后(例如，在识别阶段)执行的功能，如在上文的实施例中所描述。在框640处，在基于mems的传感器检测到运动的第二时间周期内从基于mems的传感器收集第二组mems传感器数据。根据一些实施例，第二组mems传感器数据的收集可为自动的(其可不同于在训练阶段期间在一些实施例中可需要明确用户输入的第一组mems传感器数据的收集)。此处，第二组mems传感器数据可包含来自与第一组mems传感器数据的mems相同的mems的数据。用于执行此功能性的装置可包含如图7中所示且如本文中在下文所描述的移动装置的处理单元710、总线705、传感器740和/或存储器760。
在框650处，确定第二组mems传感器数据是否匹配移动模型。如在本文中所描述的实施例中指示，此匹配可包含将第二组mems传感器数据变换成enu参考系并且将第二组mems传感器数据的一或多个波形与各个运动模型的对应的一或多个参考波形进行比较。移动装置接着可当所述比较确定所述波形大体上类似时确定“匹配”。如前所述，可通过执行例如第二组mems传感器数据的一个波形和参考波形之间的相关操作来做出此确定。如果所述相关操作产生至少与阈值相关被值一样大的相关值，那么此相关操作可不知道波形之间的时间偏移，或可被配置成包含任一或两个波形中的一时间(相位)偏移，或多个时间(相位)偏移。如果发现匹配，那么相关操作也可以提供相位或时间偏移以便将加权函数恰当地应用于经变换第二组mems传感器数据。用于在框650处执行功能性的装置可包含如图7中所示且如本文中在下文所描述的移动装置的处理单元710、总线705和/或存储器760。
在框660处的功能性包含，响应于确定第二组mems传感器数据和移动模型之间的匹配，使用第二组mems传感器数据通过将对应于移动模型的加权函数应用于第二组mems传感器数据来确定移动装置的位置。一旦第二组mems传感器数据匹配移动模型(例如，在框650处确定第二组mems传感器数据的一或多个波形大体上类似于移动模型的对应的一或多个波形)，就将移动模型的对应加权函数应用于mems传感器数据。这有助于放大第二组mems传感器数据中的沿着跟踪移动和/或衰减交叉跟踪移动，从而可提供用以确定移动装置的位置的更准确cog估计值。如在本文中所描述的实施例中所说明，应用加权函数可关于在加权函数为非零的情况下，使加权函数的非零值乘以例如第二组mems传感器数据的(经变换)东轴加速度数据和北轴加速度数据的对应样本。如上所述，如果确定第二组mems传感器数据和任何所存储移动模型之间的不匹配，那么移动装置可进入使用第二组mems传感器数据的训练阶段。用于执行此功能性的装置可包含如图7中所示且如本文中在下文所描述的移动装置的处理单元710、总线705和/或存储器760。
图7是可如上文中所述使用的移动装置105的实施例的框图。举例来说，移动装置105可用于图1的定位系统100中，执行图6a和6b的方法600-a和/或600-b的中的一些或全部，和/或如在本文中详细描述的实施例中所描述地使用。应注意，图7意指仅提供各种组件的一般化说明，可视需要使用所述组件中的任一个或全部。可注意到，在一些情况下，图7说明的组件可局部化到单个物理装置和/或分布在可安置于不同物理位置处的各个联网装置当中。
移动装置105经示出为包括可经由总线705电耦合(或可视需要以其它方式通信)的硬件元件。硬件元件可包含处理单元710，其可包括但不限于一或多个通用处理器、一或多个专用处理器(例如数字信号处理(dsp)芯片图形加速处理器、专用集成电路(asic)、现场可编程门阵列(fpga)等等)，和/或可被配置成执行本文中所描述的方法中的一或多个的其它处理结构或装置。如图7中所示出，一些实施例可取决于期望功能性具有独立dsp720。在一些实施例中，处理单元710和/或存储器760可充当用于如先前在本文中所描述，收集运动数据(例如，在训练阶段期间和/或之后)，创建移动模型，确定运动数据是否匹配移动模型和/或使用运动数据通过将对应于移动模型的加权函数应用于运动数据确定移动装置(或其它设备)的位置的装置。移动装置105还可包括一或多个输入装置770，其可包括但不限于一或多个触摸屏、触摸板、麦克风、按钮、拨号盘、交换器等等；和一或多个输出装置715，其可包括但不限于一或多个显示器、发光二极管(led)、扬声器等等。
移动装置105可能还包含无线通信接口730，其可包括但不限于调制解调器、网卡、红外通信装置、无线通信装置和/或芯片组(例如
取决于期望功能性，无线通信接口730可包括与基地收发站(例如，图1的天线120)以及其它无线装置和接入点通信的独立收发器。不同数据网络可包括各种网络类型。无线通信接口730可与可包括码分多址(cdma)网络、时分多址(tdma)网络、频分多址(fdma)网络、正交频分多址(ofdma)网络、单载波频分多址(sc-fdma)网络、wimax(ieee702.16)等的无线广域网(wwan)通信。cdma网络可实施一或多个无线电接入技术(rat)，例如cdma2000、宽带cdma(w-cdma)等。cdma2000包含is-95、is-2000和is-856标准。tdma网络可实施全球移动通信系统(gsm)、高级数字移动电话系统(d-amps)或某一其它rat。ofdma网络可采用lte、高级lte(lteadvanced)等。来自3gpp的文献中描述了lte、高级lte、gsm和w-cdma。cdma2000描述于来自名为“第3代合作伙伴计划2”(3gpp2)的联盟的文献中。3gpp和3gpp2文档可公开获得。如本文中所描述的无线数据网络可包括可为ieee802.11x网络的无线局域网(wlan)，且无线个域网(wpan)可包括
移动装置105还可包括传感器740。此类传感器可包括如本文所描述的一或多个mems传感器或非mems传感器，其包含但不限于一或多个加速计、陀螺仪、相机、磁力计、高度计、气压计、麦克风、接近度传感器、光传感器等等，并且在一些实施例中，此类传感器740可充当用于检测运动的装置。如本文中所描述可使用传感器740中的一些或全部确定移动，包含用户的步长(或步幅)。因而，传感器740单独或结合移动装置105的处理单元710和/或其它组件可用以实施如本文中所描述的计步器。可以额外或替代方式使用传感器740促进定位系统(例如图1的定位系统100)通过提供用于如本文中所描述的cog的测量值的定位确定。
移动装置的实施例也可包含能够使用gnss天线782从一或多个gnsssv(例如图1的gnsssv110)接收信号784的gnss接收器780。可使用此类定位补充和/或并入有本文中所描述的技术。gnss接收器780可使用常规技术从gnss系统的gnsssv例如伽利略、格洛纳斯、指南针、日本上方的准天顶卫星系统(qzss)、印度上方的印度区域导航卫星系统(irnss)、中国上方的北斗等等提取移动装置的位置。此外，gnss接收器780可使用可与一或多个全球和/或区域性导航卫星系统相关联或以其它方式经启用用于一或多个全球和/或区域性导航卫星系统的各个增强系统(例如，基于卫星的增强系统(sbas))。借助实例但非限制，sbas可以包含提供完整性信息、差分校正等的增强系统，例如广域增强系统(waas)、欧洲地球同步导航叠加服务(egnos)、多功能卫星增强系统(msas)、gps辅助地理增强导航或gps和地理增强导航系统(gagan)等等。因此，如本文中所使用，gnss可包含一或多个全球和/或区域性导航卫星系统和/或增强系统的任何组合，且gnss信号可包含gnss、类gnss和/或与此类一或多个gnss相关联的其它信号。换句话说，gnss系统可包括任何类型的卫星定位系统(sps)。
移动装置105可另外包含存储器760和/或与所述存储器通信。存储器760可包括但不限于本地和/或网络可接入的存储装置、磁盘驱动器、驱动器阵列、光学存储装置、固态存储装置，例如随机存取存储器(“ram”)，和/或只读存储器(“rom”)，其可为可编程的、可快闪更新的等等。此类存储装置可被配置成实施任何适当的数据存储器，包含但不限于各种文件系统、数据库结构等等。
移动装置105的存储器760还可包括软件元件(未示出)，包含操作系统、装置驱动器、可执行库和/或其它代码，例如一或多个应用程序，所述应用程序可包括各种实施例提供的计算机程序,且/或可经设计以实施如本文所描述的其它实施例提供的方法和/或配置如本文所描述的其它实施例提供的系统。仅举例来说，相对于上文所论述的功能性描述的一或多个程序可能实施为可由移动装置105(例如，由处理单元)和/或定位系统的另一装置执行的计算机可执行代码和/或指令。接着在一方面中，此类代码和/或指令可用以配置和/或调适通用计算机(或其它装置)以执行根据所描述的方法的一或多个操作。
这些指令和/或代码的集合可能存储在非暂时性计算机可读存储媒体(例如上文所描述的存储器760)上。这些指令可呈可由移动装置105执行的可执行代码形式，且/或可呈源代码和/或可安装代码的形式，所述源代码和/或可安装代码在由移动装置105编译和/或安装于所述移动装置上后(例如，使用多种一般可用的编译器、安装程序、压缩/解压缩公用程序等中的任一个)，随后采用可执行代码的形式。
本文中所描述的技术可根据特定特征和/或实例取决于应用而通过各种装置来实施。举例来说，此类方法可以硬件、固件和/或其组合连同软件一起实施。在硬件实施方案中，举例来说，处理单元(例如，处理单元710)可实施于一或多个专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理装置(dspd)、可编程逻辑装置(pld)、现场可编程门阵列(fpga)、处理器、控制器、微控制器、微处理器、电子装置、被设计成执行本文中所描述的功能的其它装置和/或其组合内。
在先前的详细描述中，已阐述众多特定细节以提供对所主张标的物的透彻理解。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所主张的标的物。在其它情况下，未详细描述所属领域的一般技术人员将已知的方法和设备以免混淆所主张的标的物。
先前的详细描述的一些部分已在对存储在特定设备或专用计算装置或平台的存储器例如图7中示出的移动装置105的存储器760内的二进制数字电子信号的操作的算法或符号表示方面予以呈现。在此特定说明的上下文中，术语特定设备等包含通用计算机(一旦其经编程以依据来自程序软件的指令执行特定功能)。算法描述或符号表示是信号处理或有关技术的技术人员用来向所属领域的其它技术人员传达其工作的实质内容的技术的实例。算法在此一般被视为产生期望结果的操作或类似信号处理的自一致序列。在此上下文中，操作或处理涉及对物理量的物理操控。通常但不一定，此类量可采用能够作为表示信息的电子信号而存储、传送、组合、比较或以其它方式控制的电或磁性信号的形式。已证实主要出于常见使用的原因而时常方便的是将这些信号称为位、数据、值、元素、符号、字符、项、编号、数字、信息等等。然而，应理解，所有这此等或类似术语应与适当物理量相关联且仅为方便的标记。除非另外具体运动规定，否则如从以下论述显而易见，应了解，贯穿本说明书利用例如“处理”、“运算”、“计算”、“确定”、“产生”、“获得”、“修改”、“选择”、“识别”等等术语的论述是指例如专用计算机或类似专用电子计算装置的具体设备的动作或过程。因此，在本说明书的上下文中，专用计算机或类似专用电子计算装置能够操控或变换信号，所述信号通常表示为在专用计算机或类似专用电子计算装置的存储器、寄存器或其它信息存储装置、发射装置或显示装置内的物理电子或磁性量。在此具体专利申请案的上下文中，术语“特定设备”可包含通用计算机(一旦其经编程以依据来自程序软件的指令执行特定功能)。
如本文中所使用，术语“和”、“或”以及“和/或”可包含各种含义，所述含义还预期至少部分取决于这些术语所使用的上下文。通常，“或”如果用于关联一列表(例如a、b或c)，那么既定表示a、b和c(此处是在包含性意义上使用)，以及a、b或c(此处是在排它性意义上使用)。另外，如本文中所使用，术语“一或多个”可用以以单数形式描述任何特征、结构或特性，或可用以描述多个特征、结构或特性或者特征、结构或特性的某种其它组合。但应注意，这仅为说明性实例，且所主张的标的物并不限于此实例。
虽然已说明且描述目前视为实例特征的内容，但所属领域的技术人员应理解，在不脱离所主张的标的物的情况下可进行各种其它修改且可用等效物取代。另外，在不脱离本文所描述的中心概念的情况下，可进行许多修改以使特定情形适合于所主张的标的物的教示。
因此，希望所主张的标的物不限于所揭示的特定实例，而是此类所主张的标的物还可包含属于所附权利要求书和其等效物的范围内的所有方面。
- 还没有人留言评论。精彩留言会获得点赞！