CN101176012A - 用于使用经滤波和未经滤波的测距信号改进位置确定准确度的方法 - Google Patents

Abstract

一种用于从一组可能的位置确定解决方案中选择位置确定解决方案的方法，所述组可能的位置确定解决方案是从经滤波、未经滤波和经松散滤波的测距信号中产生的。使用第一算法和经滤波的测距信号来计算所述解决方案，以获得经滤波的位置确定解决方案。使用第二算法与未经滤波的测距信号来计算额外位置确定解决方案，以获得一个或一个以上未经滤波的位置确定解决方案。此外，可使用第三算法与经松散滤波的测距信号来计算额外的位置确定解决方案，以获得一个或一个以上经松散滤波的位置确定解决方案。通过优化量度M从所述组经滤波的位置确定解决方案、未经滤波的位置确定解决方案和经松散滤波的位置确定解决方案中选取最终位置确定解决方案。

Description

用于使用经滤波和未经滤波的测距信号改进位置确定准确度的方法

技术领域

本发明的领域一般而言涉及用于位置确定的方法。更特定而言，本发明涉及在位置确定系统中使用各种关于经滤波和未经滤波的测距信号的量度来改进准确度的方法。

背景技术

在基于范围的位置确定系统中，将来自多个源的测距信号的时间延迟测量值转变为与每一测距信号的源相关联的范围信息。组合具有已知位置的不同源的范围以通过诸如三边测量(三角测量)的已知几何技术来解决未知用户位置。如果无法可靠地了解测距信号的延迟(例如，在其中用户时钟不与网络同步的异步系统中)，位置确定算法可将用户时钟的时间偏置处理为另一未知项，所述另一未知项要由三边测量过程使用额外的测距测量来解决。

在位置确定系统中，组合所测量的到达多个具有已知位置的源的用户距离，以通过诸如高级前向链路三边测量(AFLT)的几何技术来解决未知用户位置的问题。AFLT通常需要若干可用测量值，所述测量值至少等于所述系统中的若干未知座标，包含移动空间座标和时间偏置。通常，因各种因素而可从既定地面源得到多个测距信号，例如，所述源或接收机处的天线扇区化、天线分集(空间分集)，所述源处的测距信号的多个传输(时间分集)和多路径的存在。作为这种技术的另一实例，还可将来自轨道导航卫星(例如，GPS、GLONASS和Galileo)的多个测距信号用于移动用户的位置确定。

在现有技术的位置确定方案中，对测距信号组进行滤波以通过预定阈值从每一源选择被认为是最准确的单个测量值。另外，可进一步对经滤波的测距信号进行滤波(即，使测距信号组的维数减小)以从既定源(其中单个测距信号被认为不充分准确或所述单个测距信号的源被认为不可靠)中排除单个测距信号。

另一方面，先验测距信号滤波可因排除了被认为是不可靠的测距信号而改进所计算位置确定解决方案中的统计信用。然而，在某些情况下，这种先验滤波可导致对良好测距信号的偶然排除，从而可最终使位置确定解决方案的准确度降低。在某些情形下，保持来自每一信号源的多个测距测量值(即，在位置确定算法中使用未经滤波的测距信号)可导致改进的位置确定准确度。

因此，期望提供一种用于从一组可能的位置确定解决方案中选择位置确定解决方案以改进准确度的方法，所述组的可能位置确定解决方案由经滤波和未经滤波的测距信号所产生。

发明内容

本文所揭示的是一种用于从一组来自经滤波和未经滤波的测距信号的可能位置确定方案中选择最优或最终位置确定解决方案的方法。所述方法包含：使用第一算法和多个经滤波的测距信号来计算经滤波的位置确定解决方案；使用第二算法和多个未经滤波的测距信号来计算至少一个未经滤波的位置确定解决方案；及使用优化量度从所述经滤波的位置确定解决方案和所述未经滤波的位置确定解决方案中选取最终位置确定解决方案。在一个实施例中，量度M是与多个经滤波的测距信号相关联的残留误差的均方根(RMS)和与多个未经滤波的测距信号相关联的残留误差的均方根(RMS)。在另一实施例中，量度M是与多个经滤波的测距信号相关联的残留误差的归一化均方根(NRMS)和与多个未经滤波的测距信号相关联的残留误差的归一化均方根(NRMS)。

根据另一方面，一种用于选择位置确定解决方案的方法包含：使用第一算法和多个经滤波的测距信号来计算经滤波的位置确定解决方案；使用第二算法和多个未经滤波的测距信号来计算至少一个未经滤波的位置确定解决方案；使用第三算法和多个经松散滤波的测距信号来计算至少一个经松散滤波的位置确定解决方案；及使用优化量度从所述经滤波的位置确定解决方案、所述未经滤波的位置确定解决方案和所述经松散滤波的位置确定解决方案中选取最终位置确定解决方案。

附图说明

图1a是一种算法的流程图，所述算法用于从一组可能位置确定解决方案中选择位置确定解决方案以改进准确度，所述组可能位置确定解决方案由经滤波和未经滤波的测距信号所产生。

图1b是一种算法的流程图，所述算法用于从一组可能位置确定解决方案中选择位置确定解决方案以改进准确度，所述组可能位置确定解决方案由经滤波、未经滤波及经松散滤波的测距信号所产生。

图2以图表方式图解说明均方根(RMS)量度用于从一组位置确定解决方案中选择位置确定解决方案以改进准确度的应用，所述组可能位置确定解决方案由经滤波、未经滤波及经松散滤波的测距信号所产生。

图3是针对LSL 175数据集中修正的水平定位误差的累积分布函数(CDF)的图表。

图4是针对LSL 176数据集中修正的水平定位误差的累积分布函数(CDF)的图表。

图5是针对LSL 177数据集中修正的水平定位误差的累积分布函数(CDF)的图表。

图6是针对LSL 178数据集中修正的水平定位误差的累积分布函数(CDF)的图表。

图7是针对LSL 175数据集中修正的水平定位误差的累积分布函数(CDF)的图表，其中包含针对经滤波、未经滤波、经松散滤波的测距信号及其组合的结果。

图8是针对LSL 176数据集中修正的水平定位误差的累积分布函数(CDF)的图表，其中包含针对经滤波、未经滤波、经松散滤波的测距信号及其组合的结果。

图9是针对LSL 177数据集中修正的水平定位误差的累积分布函数(CDF)的图表，其中包含针对经滤波、未经滤波、经松散滤波的测距信号及其组合的结果。

图10是针对LSL 178数据集中修正的水平定位误差的累积分布函数(CDF)的图表，其中包含针对经滤波、未经滤波、经松散滤波的测距信号及其组合的结果。

具体实施方式

下文结合附图所阐述的说明意在描述本发明的各种实施例，而非代表本发明仅可实施为这些实施例。本揭示内容中所述的每一实施例仅供作为本发明的实例或图解，且未必应视为优于或好于其它实施例。可揭示特定细节以提供对本发明的透彻理解。然而，所属领域的技术人员将了解无需这些特定细节也可实施本发明。在某些情形下，以方块图形式显示众所周知的结构和装置，以免遮掩本发明的概念。所用缩写词及其它描述性术语可能仅是出于方便及清晰的目的，而非意欲限定本发明的范围。另外，出于本揭示内容的目的，术语“耦合”意指“连接到”，且此种连接既可是直接连接也可根据上下文而为间接连接，例如经由介入装置或中间装置或其它装置进行的间接连接。

现在揭示一种用于从一组可能位置确定解决方案中选择位置确定解决方案以改进准确度的方法，所述组可能位置确定解决方案由经滤波、未经滤波和经松散滤波的测距信号所产生。以下为一种信号滤波机制。如果信号源于同一信号源或多个信号源(彼此处在某一邻近度T范围(例如，25米)内)，则在移动台处所接收的信号会被视为冗余。将信号分成多个冗余组，可根据诸如信号相位和以某种形式计算的与所述信号相位相关联的不确定性的因数，从所述冗余组中选择单个信号。例如，相位不确定性可从信号功率或能量(例如，1/信号功率的量值、被提高到信号能量的大于1的某一指数)导出，且如果是已知或可计算的，则某一不确定性可与所述源处的信号传输相关联。可选取经滤波的信号以使所述经滤波信号的相位与相位不确定性的和最小。

图1a是一种用于从一组可能位置确定解决方案中选择位置确定解决方案以改进准确度的算法的流程图，所述组可能位置确定解决方案是从经滤波和未经滤波的测距信号中产生的。经滤波和未经滤波的测距信号可以是从地面源或基于卫星的源传输来的。在步骤110中，使用第一算法与经滤波的测距信号来计算位置确定解决方案以获得经滤波的位置确定解决方案。第一算法使用均为“经滤波”的测距信号以通过预定阈值从每一源选择被认为是最准确的单个测量值。所述预定阈值可为所接收的测距信号功率。第一算法可为任一可在市场购得的软件，例如，可从QUALCOMM公司购得的Snaptrack PDM软件或类似软件。

在步骤120中，使用第二算法与未经滤波的测距信号来计算额外位置确定解决方案以获得一个或一个以上未经滤波的位置确定解决方案。未经滤波的测距信号包含针对每一源的所有测距信号。第二算法可与第一算法相同，即，高级前向链路三边测量(AFLT)算法或类似算法。

在步骤130中，通过优化量度M从所述组的经滤波的位置确定解决方案和未经滤波的位置确定解决方案中选取最终位置确定解决方案。例如，量度M可为跨越在经滤波和未经滤波的位置确定解决方案中使用的所有测距信号的残留误差E的均方根(RMS)。另一选择为，量度M可为跨越在经滤波和未经滤波的位置确定解决方案中使用的所有测距信号的残留误差E的归一化均方根(NRMS)。最终位置确定解决方案是具有最小RMS值或最小NRMS的位置确定解决方案。在一种定义中，NRMS等于RMS除以所用测距信号的数量。在另一定义中，NRMS等于RMS除以所用测距信号的数量与未知项(例如，纬度、经度、高度和时钟偏置)的数量的差。所属领域的技术人员将了解，可使用其它的NRMS定义。

图1b是一种用于从一组可能位置确定解决方案中选择位置确定解决方案以改进准确度的算法的流程图，所述组可能位置确定解决方案由经滤波、未经滤波和经松散滤波的测距信号所产生。经滤波、未经滤波和经松散滤波的测距信号可是从地面源或基于卫星的源传输来的。在步骤150中。使用第一算法与经滤波的测距信号来计算位置确定解决方案以获得经滤波的位置确定解决方案。第一算法使用均为“经滤波”的测距信号来通过预定阈值从每一源中选择被认为是最準确的单个测量值。所述预定阈值可为所接收的测距信号功率。第一算法可是任一可在市场购得的软件，例如，Snaptrack PDM软件或类似软件。

在步骤160中，使用第二算法与未经滤波的测距信号来计算额外位置确定解决方案以获得一个或一个以上未经滤波的位置确定解决方案。未经滤波的测距信号包含针对每一源的所有测距信号。第二算法可与第一算法相同，即，高级前向链路三边测量(AFLT)算法或类似算法。

在步骤170中，使用第三算法与经松散滤波的测距信号来计算额外位置确定解决方案以获得一个或一个以上经松散滤波的位置确定解决方案。经松散滤波的测距信号是通过使用随机贝努里(Bernoulli)分布以成功概率p来随机选择所述组经松散滤波的测距信号而从一组剩余测距信号(排除经滤波的测距信号的测距信号)中选择的。所属领域的技术人员将了解，p值是用于特定应用。例如，第三算法可与第一或第二算法相同。

在步骤180中，通过优化量度M从所述组的经滤波的位置确定解决方案、未经滤波的位置确定解决方案和经松散滤波的位置确定解决方案中选取最终位置确定解决方案。量度M可是跨越在经滤波和未经滤波的位置确定解决方案中使用的所有测距信号的残留误差E的均方根(RMS)。另一选择为，量度M可是跨越在经滤波和未经滤波的位置确定解决方案中使用的所有测距信号的残留误差E的归一化均方根(NRMS)。最终位置确定解决方案是具有最小RMS值或最小NRMS的位置确定解决方案。在一个定义中，NRMS等于除以所用测距信号的数量的RMS。在另一定义中，NRMS等于除以所用测距信号的数量与未知项(例如，纬度、经度、高度和时钟偏置)的数量的差的RMS。所属领域的技术人员将了解，还可使用其它的NRMS定义。

图2以图表方式图解说明均方根(RMS)量度用于从一组可能位置确定解决方案中选择位置确定解决方案以改进准确度的应用，所述组可能位置确定解决方案由经滤波和未经滤波的测距信号所产生。测距信号的残留误差E是由a)测距信号源的位置L与所计算的用户位置S之间的欧几里得距离d，与b)根据所计算的时钟偏置和其它常见误差加以调节的测距信号的导频相位P(转变到距离单位)之间的差来求出。

在图2中所图解说明的实例中，在位置L_a、L_b、L_c和L_d处有N个测距信号源(其中N＝4)。假定存在两个可能的所计算用户位置S₁和S₂。将位置L_a、L_b、L_c和L_d处的4个测距信号源的每一者与第一所计算用户位置S₁之间的欧几里得距离定义如下：

d_1a＝|S₁-L_a|

d_1b＝|S₁-L_b|

d_1c＝|S₁-L_c|

d_1d＝|S₁-L_d|

将位置L_a、L_b、L_c和L_d处的4个测距信号源的每一者与第二所计算用户位置S₂之间的欧几里得距离定义为：

d_2a＝|S₂-L_a|

d_2b＝|S₂-L_b|

d2c＝|S₂-L_c|

d2d＝|S₂-L_d|

存在4个与第一所计算位置S₁和位置L_a、L_b、L_c和L_d处的4测距信号相关联的导频相位P_1a、P_1b、P_1c和P_1d(转变到距离单位)。将4个与位置L_a、L_b、L_c和L_d处的4个测距信号源和第一所计算用户位置S₁相关联的原始残留误差(E′_1a、E′_1b、E′_1c、E′_1d)定义为：

E’_1a＝d_1a-P_1a

E’_1b＝d_1b-P_1b

E’_1c＝d_1c-P_1c

E’_1d＝d_1d-P_1d

将4个残留误差(E_1a、E_1b、E_1c、E_1d)定义为：

E_1a＝E’_1a-平均值(E’_1a，E’_1b，E’_1c，E’_1d)

E_1b＝E’_1b-平均值(E’_1a，E’_1b，E’_1c，E’_1d)

E_1c＝E’_1c-平均值(E’_1a，E’_1b，E’_1c，E’_1d)

E_1d＝E’_1d-平均值(E’_1a，E’_1b，E’_1c，E’_1d)

类似地，存在4个与第二所计算位置S₂和位置L_a、L_b、L_c和L_d处的4测距信号相关联的导频相位P_2a、P_2b、P_2c和P_2d(转变到距离单位)。将4个与位置L_a、L_b、L_c和L_d处的4个测距信号源和第二所计算用户位置S₂相关联的原始残留误差定义为：

E’_2a＝d_2a-P_2a

E’_2b＝d_2b-P_2b

E’_2c＝d_2c-P_2c

E’_2d＝d_2d-P_2d

将4个残留误差(E_2a、E_2b、E_2c、E_2d)定义为：

E_2a＝E’_2a-平均值(E’_2a，E’_2b，E’_2c，E’_2d)

E_2b＝E’_2b-平均值(E’_2a，E’_2b，E’_2c，E’_2d)

E_2c＝E’_2c-平均值(E’_2a，E’_2b，E’_2c，E’_2d)

E_2d＝E’_2d-平均值(E’_2a，E’_2b，E’_2c，E’_2d)

在这个实例中，与两个位置确定解决方案的每一者的残留误差相关联的RMS值(RMS₁和RMS₂)为：

$\mathrm{RM}{S}_1=\sqrt{(E_{1a2}+E_{1b2}+E_{1c2}+E_{1d2})/N}$

$\mathrm{RMS}2=\sqrt{(E_{2a2}+E_{2b2}+E_{2c2}+E_{2d2})/N}$

其中在这个实例中，N＝4。

最终位置确定解决方案是具有RMS₁和RMS₂中最小RMS值的位置确定解决方案。所属领域的技术人员将了解，所计算的用户位置可利用不同数量的测距信号(即，RMS₁和RMS₂的N值可是不同的)。

仅出于图解的目的，呈现使用来自由日本的无线运营商所实施测试的真实用户数据的模拟。四个由约1000个修正组成的数据集分别显示于图3、4、5和6中。使用位置确定解决方案与“真实”用户位置之间的距离来计算所述解决方案的水平位置误差。由于无法得到“真实”的用户位置，因此所述“真实”用户位置是使用GPS信息估计的。数据集被限制为仅包含那些其中基于GPS的位置估计值为可用且回复小于50米的水平位置误差精确估计值的修正(称为GPS50修正)。接下来，将GPS50修正与使用仅地面技术所计算的修正相关，即，三边测量和小区ID。在所述模拟中，仅使用了总计约1200个修正，在将数据集限制为具有小于50米的水平位置误差精确估计值修正后每数据集约300个修正。

所述结果显示于图3、4、5和6中。称为“经强滤波”(本文中为“经滤波”)的曲线对应于由商业位置估计解决方案(Snaptrack PDM软件)给出的结果。称为“未经滤波”的曲线对应于不需要测距信号滤波(本文中为“未经滤波”)的商业解决方案的Matlab实施方案。称为“最终”的曲线对应于所选取的解决方案，所述解决方案经选择以通过根据所用测距信号的数量实施的归一化而使跨越在位置确定解决方案中使用的测距信号的残留误差的RMS最小。如图3、4、5和6中所示，在第95个百分位中，最终位置确定解决方案胜过经滤波的位置确定解决方案平均约为50％。

经强滤波、未经滤波和经松散滤波的测距信号及其组合针对所调查的四个数据集(LSL 175-178)中每一者的结果显示于图7-10中。图中显示在任何情况下，利用经松散滤波的测距信号组可将水平误差的第95个百分位数平均提高约47％。当所有测距信号组均得到利用后，可在第95个百分位数中观察到51％的平均改进。

提供上文对所揭示实施例的说明旨在使所属领域的技术人员能够制作或使用本发明。所属领域的技术人员将易于了解这些实施例的各种修改，且本文所界定的一般原理还可适用于其它实施例，而这并未背离本发明的精神或范围。

Claims (20)

1.一种用于选择位置确定解决方案的方法，其包括：

使用第一算法和多个经滤波的测距信号来计算经滤波的位置确定解决方案；

使用第二算法和多个未经滤波的测距信号来计算至少一个未经滤波的位置确定解决方案；及

使用优化量度从所述经滤波的位置确定解决方案和所述至少一个未经滤波的位置确定解决方案中选取最终位置确定解决方案。

2.如权利要求1所述的方法，其中所述优化量度是与所述多个经滤波的测距信号相关联的残留误差的均方根(RMS)和与所述多个未经滤波的测距信号相关联的残留误差的均方根(RMS)。

3.如权利要求1所述的方法，其中所述优化量度是与所述多个经滤波的测距信号相关联的残留误差的归一化均方根(NRMS)和与所述多个未经滤波的测距信号相关联的残留误差的归一化均方根(NRMS)。

4.如权利要求1所述的方法，其中所述第一算法为Snaptrack PDM软件。

5.如权利要求1所述的方法，其中所述第二算法为Snaptrack PDM软件。

6.如权利要求1所述的方法，其中所述第二算法为高级前向链路三边测量(AFLT)算法。

7.如权利要求1所述的方法，其中所述第一算法与所述第二算法相同。

8.如权利要求1所述的方法，其中从至少一个地面源传输所述多个经滤波的测距信号。

9.如权利要求1所述的方法，其中从至少一个基于卫星的源传输所述多个经滤波的测距信号。

10.如权利要求1所述的方法，其中从至少一个地面源传输所述多个未经滤波的测距信号。

11.如权利要求1所述的方法，其中从至少一个基于卫星的源传输所述多个未经滤波的测距信号。

12.一种用于选择位置确定解决方案的方法，其包括：

使用第一算法和多个经滤波的测距信号来计算经滤波的位置确定解决方案；

使用第二算法和多个未经滤波的测距信号来计算至少一个未经滤波的位置确定解决方案；

使用第三算法和多个经松散滤波的测距信号来计算至少一个经松散滤波的位置确定解决方案；及

使用优化量度从所述经滤波的位置确定解决方案、所述至少一个未经滤波的位置确定解决方案和所述至少一个经松散滤波的位置确定解决方案中选取最终位置确定解决方案。

13.如权利要求12所述的方法，其中所述优化量度是与所述多个经滤波的测距信号相关联的残留误差的均方根(RMS)、与所述多个未经滤波的测距信号相关联的残留误差的均方根(RMS)及与所述多个经松散滤波的测距信号相关联的残留误差的均方根(RMS)。

14.如权利要求12所述的方法，其中所述优化量度是与所述多个经滤波的测距信号相关联的残留误差的归一化均方根(NRMS)、与所述多个未经滤波的测距信号相关联的残留误差的归一化均方根(NRMS)及与所述多个经松散滤波的测距信号相关联的残留误差的归一化均方根(RMS)。

15.如权利要求12所述的方法，其中所述第三算法与所述第一算法相同。

16.如权利要求12所述的方法，其中所述第三算法与所述第二算法相同。

17.一种计算机可读媒体，其包含可由计算机程序执行以实施用于选择位置确定解决方案的方法的指令程序，所述方法包括：

使用第一算法和多个经滤波的测距信号来计算经滤波的位置确定解决方案；

使用第二算法和多个未经滤波的测距信号来计算至少一个未经滤波的位置确定解决方案；及

使用优化量度从所述经滤波的位置确定解决方案和所述至少一个未经滤波的位置确定解决方案中选取最终位置确定解决方案。

18.如权利要求17所述的计算机可读媒体，其中所述优化量度是与所述多个经滤波的测距信号相关联的残留误差的均方根(RMS)和与所述多个未经滤波的测距信号相关联的残留误差的均方根(RMS)。

19.如权利要求17所述的计算机可读媒体，其中所述量度优化是与所述多个经滤波的测距信号相关联的残留误差的归一化均方根(NRMS)和与所述多个未经滤波的测距信号相关联的残留误差的归一化均方根(NRMS)。

20.一种计算机可读媒体，其包含可由计算机程序执行以实施用于选择位置确定解决方案的方法的指令程序，所述方法包括：

使用第一算法和多个经滤波的测距信号来计算经滤波的位置确定解决方案；

使用第二算法和多个未经滤波的测距信号来计算至少一个未经滤波的位置确定解决方案；

使用第三算法和多个经松散滤波的测距信号来计算至少一个经松散滤波的位置确定解决方案；及

使用优化量度从所述经滤波的位置确定解决方案、所述至少一个未经滤波的位置确定解决方案和所述至少一个经松散滤波的位置确定解决方案中选取最终位置确定解决方案。

Images