使用到达方法的联合SNR时间的具有去卷积解码器的位置确定系统与流程

本公开一般而言涉及实时定位系统，并且更具体地涉及至少部分地基于与实时定位系统相关联的声学上下文数据来确定移动设备的位置。

背景技术：

现代企业中的一个共同挑战是在任何给定时间在建筑物或校园环境中定位重要资源。这种资源包括关键人员、关键装备、重要记录等。例如，人员、关键装备和重要记录通常是移动的，并且在典型的工作日期间常常在各个位置被需要，因此在工作日期间不断被重新定位。鉴于转移其它资源来定位这些资源是没有用的，因此期望开发可以在建筑物、校园环境等环境中在任何时间定位这些重要资源的方法。

技术实现要素：

本发明的某些实施例涉及一种确定发送设备的身份的计算机实现的方法，该方法包括：由移动接收单元通过多条传输路径从发送设备接收声学信号，其中声学信号包括多个码键中的一个。该方法还包括将声学信号与幅度块窗口进行相关以确定信号峰，该信号峰具有开始和结束。此外，该方法包括将信号峰与所述多个码键中的每一个进行去卷积，以从所述多个码键中产生有效码键的集合，每个有效码键超过预定的信噪比阈值。更进一步地，该方法包括基于与声学信号相关联的至少一个参数为每个有效码键确定正确性的第一可能性，以及基于到达时间为每个有效码键确定正确性的第二可能性。该方法还包括根据基于正确性的第一可能性和正确性的第二可能性的正确性的联合可能性来识别与发送设备的身份相关联的码键。

在一些实施例中，一种移动通信设备被配置为确定发送设备的身份，其中该移动通信设备包括接收器，该接收器被配置为通过多条传输路径从发送设备接收声学信号，其中声学信号包括多个码键中的一个。该移动通信设备还包括处理单元，该处理单元被配置为将声学信号与幅度块窗口进行相关以确定信号峰，该信号峰具有开始和结束。该处理单元还被配置为将信号峰与所述多个码键中的每一个进行去卷积，以从所述多个码键中产生有效码键的集合，每个有效码键超过预定的信噪比阈值。此外，该处理单元被配置为基于与声学信号相关联的至少一个参数为每个有效码键确定正确性的第一可能性，以及基于到达时间为每个有效码键确定正确性的第二可能性。该处理单元进一步被配置为根据基于正确性的第一可能性和正确性的第二可能性的正确性的联合可能性来识别与发送设备的身份相关联的码键。

下面参考附图详细描述本发明的其它特征和优点，以及其各个实施例的结构和操作。应注意的是，本发明不限于本文描述的具体实施例。本文给出这样的实施例仅用于说明性目的。基于本文包含的教导，附加实施例对相关领域的技术人员将是显而易见的。

附图说明

将参考本发明的实施例，其示例可以在附图中示出。这些图旨在是说明性而非限制性的。虽然一般而言在这些实施例的上下文中描述了本发明，但是应当理解的是，并不旨在将本发明的范围限制为这些特定实施例。

图1是根据一些实施例的位置确定系统的透视图。

图2是根据一些实施例的执行信号幅度分析的方法的流程图。

图3是根据一些实施例的确定移动通信设备的位置信息的方法的流程图。

图4是根据一些实施例的用于与传输的信号码去卷积的响应函数的示意图。

图5是根据一些实施例的在接收到的声学信号中执行峰分析的方法的流程图。

图6是根据一些实施例的使用非线性拟合模型为所有信号传输路径确定多普勒速度的方法的流程图。

具体实施方式

虽然参考用于特定应用的说明性实施例做出了本公开，但是应当理解的是，本公开不限于此。熟悉本文的教导的本领域技术人员将认识到在其范围内的附加修改、应用和实施例以及本公开将应用于的附加领域。

室内实时定位系统被用于确定诸如医院、办公室或仓库之类的室内环境中可移动物体(诸如人或装备物品)的位置。室内实时定位系统可以取决于系统基础设施以不同的准确性级别操作，并提供关于人或装备的三维位置信息。室内实时定位系统可以包括附接到室内环境的内表面的发送器站和附接到可移动物体的移动通信设备的网络。移动通信设备可以与发送器站中的一个或多个进行通信，以确定室内环境中移动通信设备的三维位置信息。声学比无线电波传播更慢，并且一般不会被人注意到，因此非常适合此目的。声波还可以更快地衰减并且不太可能穿透墙壁，因此可以将房间之间的信号干扰降到最低。声学信号也更易于处理，以确定发送器站和接收器之间的典型相对短的距离。

但是，这种方法具有局限性。移动通信设备常常附接到相对于发送器站移动的物体或人。确定正在移动的移动通信设备的实时位置并由此在接收到的信号中产生多普勒位移(dopplershift)是具有挑战性的。此外，确定移动通信设备的身份和位置的准确性可能受到多径干扰的不利影响，多径干扰通常由于来自墙壁、天花板和其它表面的所传输信号的反射而存在。

因此，仍然需要提供用于在室内环境中移动移动通信设备的准确位置信息的室内实时定位系统。根据本公开的示例方面的移动通信设备(例如，移动通信设备)的位置的估计可以提供相对于常规的实时定位系统而言更准确和高效的定位技术。特别地，对声学环境(例如，声学发送器相对于反射表面的位置)的了解有助于位置估计。这样的技术可以以大约2.5厘米(1英寸)到大约25厘米(10英寸)标准差之间的准确性来提供位置估计。

更特别地，一旦进入具有发送设备的环境，移动通信设备就可以从发送设备接收声学信号。这样的接收到的信号可以与直接从发送设备传播到移动通信设备的信号对应，以及与已经被环境中的反射表面反射的一个或多个信号对应。可以至少部分地基于接收到的声学信号和表示环境的声学模型来估计移动通信设备的位置。

特别地，接收到的声学信号中的峰可以被用于确定移动通信设备的位置。例如，可以从接收到的声学信号中选择第一峰集合(例如，两个峰的集合)。更特别地，可以从接收到的信号的幅度的时域表示中选择这样的峰。可以至少部分地基于每个峰的振幅和峰的出现次序来选择峰。例如，所选择的峰可以包括振幅大于阈值的前两个接收到的峰。以这种方式，可以基于以下假设来选择峰：所选择的峰是由低阶发送器位置(例如，0阶发送器位置和1阶发送器位置)造成的。可以至少部分地基于声学模型将所选择的峰的集合中的每个峰指派给发送器位置。可以至少部分地基于移动通信设备相对于发送器位置的朝向、移动通信设备的一个或多个声学换能器(例如，麦克风)的角度灵敏度和/或声学发送设备的换能器的角度灵敏度来确定指派。可以例如使用移动通信设备的一个或多个板载传感器来确定移动通信设备的朝向。可以至少部分地基于由声学模型定义的发送器位置的已知位置，相对于发送器位置来确定朝向。

可以至少部分地基于以下假设来选择所选择的峰以与和0阶发送器位置和一个或多个1阶发送器位置相关联的信号对应：由于与较高反射阶数相关联的声学信号一般比与较低反射阶数相关联的声学信号行进的距离大，峰的到达次序可以与和发送器位置相关联的反射阶数对应。以这种方式，可以至少部分基于以下假设来选择峰：来自0阶发送器位置的信号(例如，峰)将在来自1阶发送器位置的信号之前到达，来自1阶发送器位置的信号将在来自2阶发送器位置的信号之前到达。类似地，将发送器位置指派给峰可以反映峰的到达次序。例如，可以将第一个峰指派给0阶发送器位置，将第二个峰指派给1阶发送器位置。如所指示的，在一些实施方式中，可以至少部分地基于移动通信设备相对于发送器位置的朝向以及移动通信设备的一个或多个声学换能器(例如，麦克风)的角度灵敏度来确定峰指派。在这样的实施方式中，与发送器位置相关联的反射次序可以帮助发送器位置指派，从而确定移动通信设备的位置，如下面进一步讨论的。虽然下面的描述针对声学信号进行操作，但相关领域的技术人员将认识到，在不脱离本公开的精神和范围的情况下，此处描述的操作可以类似地应用于其它类型的信号，诸如例如电磁信号、相移键控信号、正交或半正交信号、正交幅度调制(qam)信号、任何其它合适的信号。

图1是位置确定系统100的透视图。位置确定系统100可以是用于确定可移动物体的位置的室内实时定位系统。位置确定系统100可以包括室内环境102、发送器站104、移动通信设备106和远程处理单元108。这些部件协作以提供定位系统，该定位系统能够估计室内环境102内的移动通信设备106的三维位置。在一些实施例中，位置确定系统100可以具有在整个建筑物或一系列房间中安装的多于一个的发送器站，以及具有附接或结合到人、动物、车辆、机器人、存货、装备等中的多于一个的移动通信设备。室内环境102可以是建筑物中的房间，诸如例如医院中的病房、办公楼中的办公室或仓库中的存储空间。

发送器站104可以包括声学探测器和用于使声学探测器传输声学信号110的处理逻辑。在某些实施例中，声学信号110是声学信号。由发送器站104传输的声学信号110可以包括具体发送器站本身特有的签名。如上所述，位置确定系统100可以包括多于一个的发送器站，并且每个发送器站可以被配置为传输包含该具体发送器站特有的签名的信号。每个签名被编码在具有声学频率(诸如例如20khz、40khz、超声或任何其它合适的声学频率)的声学载波(carrier)上。签名可以包括六十四个qpsk编码的互补码键控(cck)码中的相应一个。签名可以轻松地以2位(di-bit)为单位扩展，以构造任何期望长度的签名。签名可以被包含在更长的传输中，该更长的传输还具有一个或多个附加元素，诸如前导码和/或数据内容，优选地还被qpsk编码在相同声学载波上。在一些实施例中，可以为每个发送器站指派唯一的时隙，在该时隙期间可以传输其信号，并且接收器可以基于信号的接收时间来识别接收到的信号的起源。因此，多个发送器站可以在某个时间范围内在彼此可听到的距离内进行传输。在一些实施例中，签名和时隙方法两者都用于识别接收到的信号中的发送器站。

移动通信设备106可以包括能够从发送器站104接收声学信号110的麦克风以及用于采样和处理接收到的声学信号的处理单元。移动通信设备106位于室内环境102中，不紧邻墙壁或天花板中的任何一个。它可以附接到人或装备物品(未示出)。此外，移动通信设备106可以被配置为在整个室内环境中基本均匀地传输声学信号。可替代地，它可以将具有方向模式的声音发射到房间的一部分。在一些实施例中，移动通信设备106可以包括任何合适的设备，诸如例如蜂窝电话、声学换能器、声学标签和/或任何其它合适的设备。在一些实施例中，移动通信设备106可以不使用其自己的处理单元来执行所有处理，而是可以通过使用声学或无线电将相关数据传输到远程处理服务器108来与诸如远程处理服务器108之类的远程计算机共享该处理。移动通信设备106和/或发送器站104可以包括有线或无线发送器，诸如无线电发送器，用于传输与接收或发送的信号相关的信息。

图2是根据一些实施例的执行信号幅度分析的示例性方法200的流程图。本文描述的方法确定接收到的声学信号中可以包含信令内容的信号部分(即，信号分组)。可以执行方法200中的其它操作，并且可以以不同的次序和/或变化执行操作。

在操作202处，计算并分析样本的幅度。可以将混合和抽取处理产生的iq(复数采样基带)数据以2到8的因子进行过采样，以获得更好的时间和频率分辨率，这对于估计多普勒速度至关重要。当不存在多普勒位移时，一个码片(chip)内的连续样本应当具有相同的经调制的相位，因此它们之间应当具有大致零相位差。但是，如果跨连续样本存在近似恒定的非零相位导数，那么表明由于多普勒位移而引起的相移。在一些实施例中，可以以临界采样率(即，码片采样率等于码片率)执行数据采样。当所有采样位置变得可用时，计算每个iq样本的幅度，并通过符号长度计算平均幅度。平均幅度使用长度通常为符号长度一半的微分滤波器进行微分。在一些实施例中，可以使用lanczos或有限冲激响应(fir)微分滤波器。

在操作204处，识别有效峰。通过搜索微分的幅度数据的负向过零点并要求幅度值超过某个阈值，识别平均幅度的峰。在一些实施例中，可以基于对传入的iq或幅度数据的统计分析来动态地计算阈值。例如，阈值可以是幅度的最低百分之10的运行平均值。在一些实施例中，由于滤波器长度，数据可以被延迟已知数量的样本。例如，对于滤波器长度为2n+1的lanczos滤波器，延迟可以是数量为n的样本。

在操作206处，分析有效峰周围的数据。可以将有效峰周围的iq数据发送到多径符号样本窗口提取器算法，以进行进一步分析。在一些实施例中，周围数据可以是128个样本。多径符号样本窗口提取器在去卷积方法中至关重要，因为包含不完整符号的信号部分严重损害去卷积结果。提取器算法的任务是提取包含单个符号的重叠多径符号副本的信号部分。

在操作208处，由多径符号提取器确定上升和下降阈值索引。确定上升阈值索引的值小于峰幅度值的一半。在一些实施例中，上升阈值索引被确定在峰幅度值的大约0.35倍处。此外，可以通过从上升阈值索引中减去上升阈值乘以符号长度的结果来推断第一路径的起点。

类似地，可以确定下降阈值索引为峰幅度值的0.1倍或更小。由于声学信号的扩展和吸收，时间延迟的信号传输路径通常具有低得多的幅度。可以通过以下方法确定符号的最终路径的结束：首先从1中减去下降阈值并且将结果与符号长度相乘，然后从下降阈值索引中减去第一步的结果。还可以分析开始索引和结束索引之间的幅度部分，以了解幅度谷(即，最小值)的出现。可以通过在微分幅度信号中搜索正斜率过零来识别最小值。延伸大于码片的局部最小值可以指示信号传输路径不完全重叠并且可以将信号分析为两次不重叠的出现。

如果在有效峰的任一侧均未找到最小值，那么仍可以确定符号样本窗口的最后开始和结束索引。例如，可以通过使用微分幅度值作为斜率在阈值位置处进行线性外推来找到开始和结束位置处平均幅度的过零幅度。如果在峰的左侧(在平均幅度信号的上升部分中)找到最小值，那么调整符号样本窗口的开始，以排除先前非重叠符号的出现。由于可以存在另一条干扰平均幅度信号的路径，因此微分幅度信号不再可以用于估计信号的开始，而是代替地可以通过首先将符号长度乘以平均幅度并除以峰值来确定窗口的开始，然后从最小索引中减去第一步的结果。类似地，如果在峰的右侧找到最小值，那么可以修改窗口的停止索引。例如，可以通过将平均幅度除以峰值并且从1中减去结果的第一步来确定停止索引。第一步的结果与符号长度相乘，然后从最小索引值中减去。

图3图示了根据一些实施例的用于确定移动通信设备的位置信息的示例性方法300的操作。可以执行示例性方法300中的其它操作，并且可以以不同的次序和/或变化来执行操作。如上所述，可以在嵌入在移动通信设备106中的处理单元中执行确定处理，或者可以在通信地耦合到移动通信设备106的远程处理单元中执行确定处理。

在操作302处，移动通信设备106接收从发送器站104传输的声学信号并对其进行采样。接收到的声学信号110首先被下变频到基带，然后以码片率或高于码片率被采样。在一些实施例中，可以将接收到的声学信号110以2到8的因子进行过采样，以获得更好的时间和频率分辨率。在一些实施例中，可以以临界采样率(即，码片采样率等于码片率)执行数据采样。

移动通信设备106可以使用长度为三十二个样本的能量检测窗口来识别可以包含cck码的样本序列。每个cck码可以包含八个复数码片，其中每个复数码片被编码为四个可能的qpsk符号之一。从扩展频谱无线电通信系统中得知cck码。当在相干无线电系统中使用时，可以在每个cck码的码片的正交相位中编码附加的两位信息，使得能够由每个码(即，256个不同的码片序列)对八位(d7…d0)数据进行编码，其中d0是最低有效位并且在时间上是第一位。

根据一些实施例，在操作303处，对采样的数据执行快速傅立叶变换(fft)。对接收到的信号的256个样本执行fft，得到128个区间(bin)，频率分辨率为7.81hz/区间，覆盖1khz的频率范围。选择fft参数以测量高达1khz的多普勒位移。如果信号在41khz的载波上传输并且如果移动通信设备106由室内环境中的人携带，那么这可能足够了。但是，其它实施例当然可以使用不同的fft参数。

在操作304处，根据一些实施例，创建多普勒匹配模板(dopplermatchingtemplate)。多普勒匹配模板用于使接收到的声学信号的多普勒搜索模板互相关，以确定接收到的声学信号中的多普勒移频和所传输的信号码。在一些实施例中，多普勒匹配模板可以是存储在存储器设备中的签名模板。在一些实施例中，可以使用其它签名模板，诸如例如一个或多个相位键控信号。将接收到的信号与生成的多普勒匹配模板进行互相关可以去除与接收到的信号不关联的系统响应行为。例如，互相关处理可以去除由于麦克风和任何后续音频滤波而引起的驱动器和换能器在发送器或信号传输路径中引入的系统效应。考虑检测的所传输信号码中的这种影响防止解码过处理的降级以及因此防止确定移动通信设备106的位置信息的能力的降级。通过表征每个单独的系统响应函数并补偿所传输的信号码，可以解决这样的系统影响。在一些实施例中，可以在消声室中测量接收到的声学信号，并且所得信号可以用作多普勒匹配模板，其中每个模板id表示所传输的信号码。在使用常规的cck码的一些实施例中，可以生成64个码，并且因此生成64个模板。在一些实施例中，取决于所使用的所传输信号码的类型，可以生成其它数量的模板。

可以通过在消声室中测量移动通信设备106中的多个声学信号来解决发送器站104与移动通信设备106中的电路系统的组合系统响应。使用码序列中的所有可用码顺序地激励发送器104。在使用常规cck码的一些实施例中，可以生成64个码。随后以码片率或高于码片率对接收到的声学信号进行采样。在一些实施例中，以码片率的4倍对接收到的声学信号进行采样。一旦识别出码，就提取32个复数样本，包括任一端处的两个缓冲样本(36个复数样本)并将其存储为模板信号。可以使用直接相关解码方法找到这36个样本内cck码的准确位置，并将其存储在模板中。在一些实施例中，可以通过使用复数值fft例程来进一步处理多普勒搜索模板以简化处理，其中将零添加到复数时间样本。例如，可以将220个零添加到36个复数样本中，以提供总共256个样本。这提高了可用于多普勒移频估计的频率分辨率。可替代地，可以单独表征发送器和接收器信号链路的复数值频率响应，并进行存储以供移动设备检索。这些传递函数可以随后由移动设备在去卷积步骤中使用，以去除由这些分量在接收到的麦克风信号中引入的失真。这种处理有利地在频域中完成。

根据一些实施例，在操作306处，接收到的声学信号的幅度在频域中与多普勒匹配模板的幅度互相关。将多普勒匹配模板中的每个码值评估为接收到的声学信号的已传输码信号的候选。在一些实施例中，使用接收到的信号生成多个多普勒搜索模板，并将其与多普勒匹配模板互相关，以确定每个多普勒搜索模板的多普勒位移。例如，在对接收到的信号的256个样本执行fft之后，生成128个区间，其中频率分辨率为7.81hz/区间，覆盖1khz的频率范围。接收到的信号的每个区间可以是多普勒搜索模板。如上所述，在互相关处理之前已经对接收到的声学信号执行了fft，并且选择了fft参数以便测量高达大约1khz的多普勒移频。在一些实施例中，可以选择fft参数以用于更高或更低的多普勒移频的测量。因此，互相关处理仅在预定义的最大多普勒速度内的索引上执行。

在操作308处，根据一些实施例，确定接收到的声学信号中的多普勒移频。互相关处理的目的是使用64个cck码之一来确定每个多普勒搜索模板的多普勒移频，其中估计的多普勒位移发生是产生最大互相关峰的频移。每个多普勒匹配模板与接收到的声学信号的多普勒搜索模板互相关，并且对64个模板中的每一个重复互相关处理，直到识别出最大相关峰为止。然后，将识别出的多普勒移频模板用于识别所传输的cck码并估计多普勒位移值。在处理继续之前，最大的相关峰可能必须超过阈值，或满足一些其它合理性准则。可以使用峰形分析以小于频率区间尺寸的分辨率来确定多普勒位移。例如，可以将峰拟合到抛物线曲线，以确定抛物线的最大值。某些准则可以用于确定传入的数据是否包含一个或多个cck码而非高带宽噪声脉冲。在一些实施例中，通过iq信号的幅度的峰值除以符号长度被归一化的互相关值在0.6和1.5之间。在一些实施例中，频率幅度相关的峰宽度可以是码片率的十分之一的数量级。子采样可以提供降低功耗的益处，尤其是对于移动设备而言。

在为接收到的声学信号中的每个多普勒搜索模板确定多普勒移频之后，处理单元可以将接收到的声学信号的所有样本沿着由多普勒移频的符号指示的方向移位确定的多普勒移频。作为结果，接收到的声学信号中的多普勒移频已经被补偿，并且移位处理生成经补偿的声学信号。在一些实施例中，可以将多普勒位移应用于模板而非测得的信号。

在操作310处，根据一些实施例，对经补偿的声学信号的每个多普勒搜索模板执行去卷积解码处理。去卷积解码处理是基于算法的处理，用于逆转卷积对所记录数据的影响。本文的去卷积解码处理的目标是确定形式为f*g＝h的卷积方程的解，其中h是经补偿的声学信号，g是所传输的信号码，并且f是由直接信号传输路径和反射信号传输路径得出的响应函数。响应函数f可以由一系列具有各种延迟、相位和幅度的复数值dirac脉冲表示。如上所示，响应函数f可以通过f＝h/g的复数除法来确定，其中大写表示f，g，h的相应傅立叶变换表示。但是，对于一些传输的信号码值，存在可能导致被零除的啁啾频率处的节点。通过将所传输的信号码值的幅度与预定阈值(诸如例如0.5)进行比较，可以解决这个问题。如果所传输的信号码值的幅度超过阈值，那么操作进行以执行复数除法来确定响应函数。如果幅度低于阈值，那么操作进行以将所传输的信号码值设置为零。

如上所述，可以用零填充所传输的信号码g，直到256个样本的长度。因此，经补偿的声学信号h的长度也具有256个样本的长度。通常，在与响应函数f的原始长度对应的持续时间内解析峰。这个长度是可变的并且被限制为与具有一个扩展的经补偿的声学信号h的长度完全相同。响应函数f在其长度上是环形连续的，即，可以将结束样本添加到起点，以便能够解析出靠近原点发生的路径。在一些实施例中，对最后的四个样本完成这个操作。

在操作312处，根据一些实施例，在响应函数中识别有效dirac峰。去卷积解码器的实施方式中的最大挑战之一是从响应信号f中的噪声以及基于fft的操作中已知的处理缺陷而出现的其它峰中识别出有效dirac峰。可以参考下面的图4和5进一步解释响应函数中有效dirac峰的确定。

图4是根据一些实施例的用于与所传输的信号码去卷积的响应函数的示意图。图4中所示的响应函数包括两个有效路径峰：第一有效峰402和第二有效峰404。子峰是图4中示出的不是上述两个有效路径峰的峰。子峰的幅度可以基本上与第二有效峰404类似。因此，需要从响应函数f提取有效路径的方法。

图5是图示根据一些实施例的用于从响应函数提取有效路径的示例性方法500的操作的流程图。可以在示例性方法500中执行其它操作，并且可以以不同的次序和/或变化来执行操作。

在操作502处，计算复数值响应函数的幅度，并且用幂律函数对幅度数据进行缩放，该幂律函数部分地补偿空间扩展的影响。然后将索引和幅度数据按降序的幂尺度幅度进行排列。

在操作504处，对缩放后的幅度数据执行统计分布分析，以基于协方差来识别离群峰(outlierpeak)。迭代地执行分析，直到经缩放的协方差在阈值以下或分析了所有样本为止。对于剩余的经缩放的幅度数据集，计算协方差并将其存储在移位寄存器中。计算来自前一次迭代的协方差与新协方差之间的差，并且利用原始数据集的协方差对结果进行缩放，然后去除剩余数据集中最大的经缩放的幅度。

然后，可以将识别出的离群峰聚类到其对应的有效峰。基于离群峰的索引来执行聚类处理，如果离群峰与dirac峰仅相隔一个索引位置，那么它们可以属于对应的dirac峰。在一些实施例中，可以在不应用幂定律函数的情况下对原始幅度数据进行进一步的幅度计算。在一些实施例中，使用rms操作代替协方差操作来执行以上分析是有利的。rms操作对dc偏移量移位敏感，该dc偏移量移位是在使用非匹配码模板执行去卷积时产生的。

在操作506处，使用sinc包络重构来执行峰近似。峰幅度值取决于样本相对于路径位置的分布。为了校正这个采样问题，使用sinc函数来重构路径峰作为dirac脉冲的近似。然后将经校正的幅度和位置用于进一步的计算。可以使用整个样本集上的均方根(rms)噪声减去峰样本来计算合格的峰幅度。还可以通过计算在峰噪声周围的样本子集上的rms噪声并减去峰样本来确定局部rms噪声。在一些实施例中，样本的子集可以是被包括在其样本长度等于码长度的窗口中的样本。然后可以通过将最大包络校正的峰幅度除以整个样本集的rms噪声来确定最大信噪比。通过将峰幅度除以局部rms噪声来确定峰信噪比，并且对于每个峰还确定峰的相位。每个多普勒搜索模板在多普勒匹配模板的码模板中循环，并且将生成最高信噪比的组合确定为发送器实际传输的获胜码(winningcode)。超过局部噪声峰幅度阈值的子峰也有资格用于获胜码。

在一些实施例中，处理单元可以确定所有信号传输路径的多普勒移频。在以上描述中确定的多普勒移频代表所有信号传输路径的平均多普勒值。通常，一条信号传输路径主导幅度谱，因此也主导平均多普勒移频。这个多普勒值可以很好地估计具有最高峰幅度的信号传输路径的多普勒速度。为了找到其它路径的多普勒速度，处理单元通过降低峰幅度来布置多条信号传输路径。可以生成经多普勒校正的模板，并且将延迟应用于对应的已识别出的dirac峰位置。可以将快速傅立叶逆变换(ifft)应用于每条信号传输路径的多普勒校正模板，并且从接收到的信号中被减去。对剩余信号执行快速傅立叶变换(fft)，并且结果与多普勒位移模板互相关，以确定每条信号传输路径的多普勒移频。可以存储所确定的多普勒速度用于下一次迭代。

在一些实施例中，处理单元可以使用非线性优化例程同时确定多条信号传输路径的多普勒移频。非线性优化例程可以用于复数声学反射情况。可以使用各种参数来准确地对发送器站与移动通信设备之间的每条信号传输路径进行建模，并且可以使用非线性曲线拟合例程将接收到的声学信号与建模数据进行拟合。建模参数可以包括在去卷积信号的峰分析期间确定的时间延迟。建模参数还可以包括从去卷积信号的峰分析得出的或者被解析为非线性优化中的参数的幅度。建模参数还可以包括由发送器单元与移动通信设备之间的路径距离的剩余波长分数引起的可观察的值。建模参数还可以包括由发送器单元和移动通信设备之间的相对运动引起的频率索引移位。然后使用非线性曲线拟合例程将测得的数据与建模数据拟合。在一些实施例中，非线性曲线拟合例程可以实现levenbergmaquadt方法。

曲线拟合过程可以包括自变量系列x、因变量系列y和计算建模的y值的模型目标函数。建模的y值被设置为实数值数组，其长度等于传入的iq数据长度并且所有值均设置为零。模型目标函数被配置为在每个样本索引处计算测得的与模型iq数据之间的幅度差。然后，通过交织iq数据将测得的iq数据转换为实数数组，从而得到x数组，该数组是iq信号长度的两倍。在目标函数中，将x数组解压缩并重新排列为复数值数据。非线性拟合方法的详细操作可以在下面参考图6进行进一步解释。

图6是根据一些实施例的使用非线性拟合模型为所有信号传输路径确定多普勒速度的示例性方法600的流程图。可以在示例性方法600中执行其它操作，并且可以以不同的次序和/或变化来执行操作。

在操作602处，过滤从去卷积信号识别出的峰。可以基于信噪比和幅度的阈值来执行过滤处理。例如，要求信号幅度大于iq信号的rms振幅的一定部分，并且在后续步骤中仅使用满足或超过这些准则的峰。

在操作604处，为所有合格路径确定路径模板和初始参数估计。为识别出的id确定路径模板，该路径模版移位了从去卷积峰位置找到的延迟。在应用了时间延迟之后，可以应用逆fft以获得时域中的时移模板，准备在模型拟合中使用。还确定用于合格路径的初始参数估计。初始参数估计可以包括根据去卷积峰值确定并使用sinc包络函数重构的幅度信息。在一些实施例中，幅度信息也可以是固定参数。初始参数估计还可以包括根据去卷积峰值确定的相位。初始参数估计还可以包括根据频率相关性确定的平均多普勒频率索引移位以及添加的随机值以播种(seed)拟合例程。

在操作606处，通过添加所有建模的路径来确定iq模型值。多普勒引发的路径移位的相速度以与时间延迟类似的方式应用于每条路径。在一些实施例中，路径模板的复数iq值可以乘以由模板中的样本数量和fft的长度确定的因子。可以将非线性拟合例程设置为在超过最大数量的函数调用时或在拟合参数的改变已收敛且小于指定公差时终止。在一些实施例中，公差阈值可以是1e^-5。

在操作608处，通过计算残差值来评估非线性拟合结果，该残差值是在每个样本索引处测得的与建模的iq数据之间的差的幅度。在一些实施例中，使用标准差来评估所有拟合参数的误差。

在操作610处，基于阈值或合适的准则来确定合格的路径。仅将合格路径作为有效的解码器结果返回。合适的准则可以包括要求路径幅度除以平均残差超过阈值分数。在一些实施例中，阈值分数可以是大约0.75。合适的准则还可以包括要求路径相位的标准差小于阈值。在一些实施例中，阈值可以是大约2弧度。合适的准则还可以包括路径的多普勒索引移位小于阈值，诸如例如20个索引。合适的准则还可以包括多普勒索引标准差小于阈值，诸如例如3。

在一些实施例中，可以实现用于声学建模的替代非线性拟合方法。该替代非线性拟合方法将完整而准确的声学模型实现为目标函数来拟合iq测量数据。拟合参数可以包括(i)移动通信设备的位置；(ii)移动通信设备的速度向量；(iii)声学模型中使用的每条路径的随机相位；(iv)为解决移动通信设备的阻塞而指定的合适参数；以及(v)任何其它合适的参数。特别地，用于解决移动通信设备的阻塞的参数可以包括(i)对造成所有相关联路径的全部或部分损失的反射结构的可见性损失进行建模的参数；以及(ii)对由移动通信设备封在诸如袋子或口袋之类的物体中造成的衰减进行建模的参数。

如上所述，移动接收器单元可以识别可以包含cck码的样本序列。但是，对于诸如超声信号之类的声学信号，飞行时间可与信号的时隙长度相比，而射频信号的飞行时间几乎可以忽略不计。因此，超声信号的性质使得确立接收到的信号的到达时间和识别所传输的码更具挑战性，尤其是在诸如医院或办公室之类空间有限的室内环境内以及存在多个发送器的地方。由本公开描述的码键方案和识别码键的方法提供了改善码识别准确性并减少时延的益处。超声码键控(uck)和在接收到的信号中识别uck的方法结合同步和时隙性质利用接收到的信号的定时信息，以提供改进的容错。识别处理还提供与超声识别(usid)和接收器设备的位置相关的信息。uck解码器可以在极端多径条件下工作，并且当用相似的接收信号强度指示观察到相同码的多次观察时，可以确定接收器设备的位置。

信号的到达时间和时隙信息可以用于提高uck解码处理中的usid码分辨率。时隙信息可以包括uck时隙指派，其可以在信号中提供usid信息而不是将usid作为单独的信号发送。在一些实施例中，usid可以被编码在超声信号信道中，并且被用于建立与发送器时间表的同步。时隙信息还可以提供接收器设备的位置的信息。例如，时隙信息可以是接收器设备位置的可靠指示，只要接收器设备被同步到发送器调度即可。此外，在时隙内的信号的定时可以用于确定最有可能被传输的码序列。在一些实施例中，在部署的区域级位置中传输的每个uck码值具有相关联的时隙。例如，1秒周期可以包括16个时隙，其中每个时隙的持续时间可以为60ms。

根据本公开的一些实施例，可以使用幅度块窗口来使诸如超声信号之类的传入的声学信号相关。窗口长度可以与码长度对应。例如，块窗口长度可以是等于8乘4个iq样本的长度。可以在一定的窗口宽度上计算接收到的信号幅度的总和，并且块窗口可以一次移位一个块信号。在所有传入信号上执行矩形窗口的卷积。在一些实施例中，可以计算所有接收到的32个样本的幅度之和。此外，可以独立于码的内容来确定所传输的信号是否包含正确长度的信号。

相关可以被用于识别和分析信号峰。在一些实施例中，来自单条传输路径的信号可以表现为三角形峰。可以将有限冲激响应(fir)微分器应用于长度为整个码长度的一部分的接收到的信号。该长度可以在整个码长度的窗口或足以避免噪声敏感性的最小码长度之间选择。在一些实施例中，码长度可以是整个码长度的75％(例如，24个iq样本)。

在已经识别出信号峰之后，可以确定信号窗口的开始和结束。相关形状在峰的任一侧下降，因此可以使用阈值来识别信号窗口的开始和结束。例如，可以将大于相对于峰幅度的幅度阈值的信号强度识别为信号的一部分。在一些实施例中，幅度阈值可以在峰幅度的2％至20％之间。在一些实施例中，可以容忍噪声以便获得信号路径信息的完整副本。信号窗口可以包含发送器信号到达接收器设备所遵循的路径的大部分。信号的定时可以被存储并用于评估对时隙的拟合。在一些实施例中，信号的定时可以是第一路径的估计到达时间。在一些实施例中，峰幅度被存储为接收信号强度指示。

可以利用区域中的所有相关码对被包含在信号窗口中的信号进行去卷积。在一些实施例中，超过信噪比阈值和频率相关性阈值的路径迹线(pathtrace)的信号可以被认为是可能的有效候选码。可以为每个码确定多普勒偏移，以提供最优频率相关性。

所有候选码的信噪比可以被用于确定该码是正确传输的码的概率。可以通过将错误概率函数应用于所有候选信号码的信噪比来确定“码正确概率”psnr。在一些实施例中，测量所有候选码的信噪比，并且将获得的最佳信噪比设置为0db。然后将每个候选码的信噪比与最佳信噪比进行比较，以计算具体码正确的概率。

对候选码当中获胜码的选择可以有利地基于在解码处理期间导出的多个参数，而不仅仅是信噪比参数。其原因是，在与大的可能的多普勒范围组合的严苛多径条件下，候选码之间的信噪比受到限制。在这些场景中，其它参数可能有助于确定正确性的可能性。这样的参数可以包括信噪比、多普勒频移、频率幅度相关中的峰的幅度、频率幅度相关中的峰的半峰全宽、峰的数量、在去卷积路径迹线中找到的峰的幅度、在去卷积路径迹线中找到的峰的半峰全宽、选择的iq样本的数量、以及相关窗口的宽度和幅度。在对iq数据执行非线性拟合的实施例中，参数还可以包括针对在路径迹线中识别出的每个峰的单独的多普勒和相位参数。在一些实施例中，这些参数中的一个或多个之间的关系可以被先验地确定为在某些场景中是相关的，以改善对正确性的可能性的确定。在这样的实施例中，这些一个或多个参数被用于确定正确性的可能性，非常类似于上面针对信噪比参数描述的方法。在其它实施例中，可能不容易先验地显而易见哪些参数对于改善对正确性的可能性的确定可以是有用的。在某些实施例中，可以使用机器学习方法来提高该方法的准确性，从而改善对正确性的可能性的确定。如本文所使用的，机器学习试图解决分类问题，即，采取参数集，其中一个或多个参数集中的一个或多个参数被用于将候选码分类为正确或者不正确。相关的机器学习方法包括传统的分类方法(诸如例如最大似然)，以及支持向量机、人工神经网络和随机森林方法。因此，在实施例中，可以以机器学习算法的形式来实现估计这些参数之间的关系以及候选码的正确性的可能性的方法。在实施例中，可以使用具有先验已知码获胜者的大量参数集来训练机器学习算法，其中该算法对候选码当中的码获胜者(codewinner)执行分类。这样的参数数据集可以通过在各种声学环境以及发送和接收设备的位置和/或朝向中的记录生活数据来获得。也可以使用综合声学模拟来生成这样的参数集，该综合声学模拟将各种声学环境以及发送和接收设备的位置和/或朝向用作输入。

从相关峰开始获得的到达时间信息可以被用于确定信号的传输时间并计算信号的定时正确的可能性。选择具有高信噪比的候选码，并使用这些候选码的usid来搜索时隙。在一些实施例中，可以从第一传输路径的到达时间中减去该时隙的时间偏移量，以有效地估计时隙0的到达时间。时隙0可以是时隙中的初始时隙，并且可以从服务器获得诸如其时隙宽度和计数之类的定时信息。当涉及多于一个发送器单元来传输信号时，可以将接收到的信号的信噪比用作统计定时估计中的加权因子，以提高同步准确性。例如，在分析中，距离接收器设备更近的发送器单元可以被赋予更大的权重，而距离更远的发送器单元可以被赋予更小的权重。权重分析去除了从远程单元接收的不想要的信号，这些信号实际上落在时隙之外。时隙0的到达时间可以被用于通过去除增量定时周期来确定传输时间的时间分数。例如，可以使用周期计数的估计值乘以系统的重复周期(使用发送计数器)来划分时隙0的到达时间。传输时间可以通过本地时钟的分数以及去除系统的递增周期来确定。例如，对于系统重复周期为1s以及在接收器设备处在1.25s、2.25s、3.25s等处接收到的信号，这个处理可以消除周期的递增并确定时间的分数为0.25秒。根据本地时钟的传输时间被添加到传输时间历史。在一些实施例中，存储最近的15-90s的传输时间观察并通过信噪比对其加权。可以对传输时间历史进行统计分析，以去除离群峰。传输时间历史还可以用于通过使用信噪比对传输时间观察加权来确定传输时间的平均值和标准差。

根据本地时钟的传输时间也可以被用于计算所有候选码的时间正确的概率(ptim)。例如，概率ptim可以使用它们相应的偏移量、传输时间平均值和标准差以及定时误差概率函数来进行计算。

可以为所有候选码计算所传输的码正确的概率。总概率可以通过将psnr乘以ptim来计算。可以以最高总概率来选择要报告为信号窗口的检测到的码的获胜码。在一些实施例中，总概率大于0.5的码可以被认为是有效的。应当注意的是，使用信噪比概率代替到达时间来对传输时间观察进行加权。

应该认识到的是，本公开的具体实施方式部分而非摘要旨在用于解释权利要求。本公开的摘要部分可以阐述一个或多个示例性实施例而非预期的全部示例性实施例，因此并不旨在限制所附权利要求。

对具体实施例的前述描述将如此充分地揭示本公开的一般性质，以至于在不脱离本公开的一般概念的情况下，其他人可以通过应用本领域技术内的知识容易地修改和/或适应这样的具体实施例的各种应用，而无需过度的实验。因此，基于本文给出的教导和指导，这样的适应和修改旨在在所公开的实施例的等同形式的含义和范围内。应当理解的是，本文中的措词或术语是出于描述而非限制的目的，使得本说明书的术语或措辞将由技术人员根据教导和指导来解释。

本发明的广度和范围不应当由上述示例性实施例中的任何示例性实施例限制，而应当仅根据所附权利要求及其等同物来限定。