專利名稱：確定移動設備在人身上的位置的分層狀況檢測方法
技術領域：
本發明涉及位置檢測系統，具體些說，涉及在移動設備內分層檢測和使用運動信息的方法和裝置。
背景技術：
隨著無線電和空間技術的發展，業已建立了一些基于衛星的導航系統(B卩，衛星定位系統或"SPS")，在不久的將來將有更多的要投入使用。SPS接收機，諸如使用全球定位系統("GPS"，亦稱為NAVSTAR)的接收機，業已非常普遍。SPS系統的其他例子包括(但不局限于)美國的海軍導航衛星系統(〃NNSS〃)(亦稱為TRANSIT)、LORAN、Shoran、Decca、TACAN、NAVSTAR ;俄國的與NAVSTAR對應的被稱為全球導航衛星系統(GL0NASS)的同類產品；以及諸如所提出的"Galileo"規劃的任何將來的西歐SPS。作為一個例子，美國NAVSTAR GPS系統可參見在這里列為參考全面引用的〃GPS原理和實踐〃(〃GPS Theory and Practice",Fifth ed. ， revised edition by Hofmann-Wellenhof, Lichtenegger and Collins，Springer-Verlag Wien New York，2001)。美國GPS系統是由美國國防部構建和運行的。該系統使用24個或更多個衛星，在高度大約為11，000英里的軌道上繞地球環行，周期大約為12小時。這些衛星處于6個不同的軌道上，使得在任何時候在地球表面上除近極區域之外的任何位置有最少6個衛星是可見的。每個衛星發送以一個原子鐘為基準的時間和位置信號。典型的GPS接收機自動跟蹤這個信號，提取其中所含的數據。使用從足夠多的衛星得到的信號，GPS接收機就可以計算出它的位置、速度、高度和時間(即導航解)。GPS和其他基于衛星的導航系統有著一些缺點，諸如取決于是否可得到足夠多的衛星信號和/或取決于可得到的信號的強度。在深谷形地理環境中，例如在有大量阻擋直接衛星信號的高層建筑物的區域、稠密的森林區域等區域內，衛星信號有時是不可得到的。除此之外，在建筑物內部或者在地下一些位置，諸如美國大都市區域的地鐵車站、住宅/商業建筑的地下室之類，衛星信號可以被完全阻塞或大大衰減。而且，微弱的衛星信號可以受到其他較強的信號的自然或有意污染。為了減小這些誤差，可以將裝有一些傳感器的慣性測量單元(MU)與導航設備集 成在一起，以提供用來改善設備在信號惡化的環境中的位置可預測性和可靠性的數據。例如，在不可得到衛星信號的室內環境中或者在常有多路徑誤差的稠密城市環境中，傳感器數據可以有助于導航解的計算。典型的MU包括測量方向改變的陀螺儀、估計加速度的加速度計、可以檢測設備取向改變的磁傳感器和許多其他類似的儀器。具體些說，在導航設備的位置被最初確定后，IMU就可以將導航設備的位置確定為導航設備的運動，即使是在衛星信號被阻塞的情況下。可以使用根據運動數據(例如，IMU所提供的數據)傳送先前已知位置來定位的是慣性導航，諸如推算定位(dead-reckoning, DR)方法。DR方法通常不考慮有關導航設備怎樣運動的狀況信息(contextual information)。作為美國公開No. 2011/0029277發布的共同未決、共同擁有的美國申請No. 12/510，965〃個人導航系統運動模式檢測的方法和應用"("Methods and Applications for Motion Mode Detection for Personal NavigationSystems")由于揭示了在個人導航設備中檢測和使用運動模式的方法和裝置提高了該領域的技術水平。然而，在用導航設備的運動數據通過更精確地確定導航設備的位置和根據設備的所檢測到的位置將狀況/形勢信息與用戶關聯來增進用戶閱歷上，尚有改善余地。例如，當前的一些方法并沒有優化到準確預測導航設備在人身上的位置。而且，位置檢測算法也沒有優化到利用在所收集的從傳感器獲得的定位數據中的固有層次結構。
發明內容
本發明涉及通過分析傳感器數據，例如一個或多個與導航設備連接的運動傳感器的數據，檢測導航設備的位置。分層算法(hierarchical algorithm)使用傳感器數據作出 一系列有關導航設備的位置的判斷，每個判斷相應于多個與設備的可能運動模式和/或精確位置(包括設備相對人身體的位置)有關的類中的一個類。通過精確地識別設備位置，這種分層算法有利于提供適當的狀況信息，從而增進用戶對形勢的了解。在本公開中，所謂〃個人導航設備〃(PND)用作便攜式導航設備的一個非限制的例示性例子。導航設備可以是獨立的導航設備，也可以是與其他便攜式設備，諸如移動電話機、膝上型/筆記本/平板計算機、個人數字助理(PDA)、便攜式娛樂操作臺(諸如移動TV、iphone、ipad等)、便攜式電子讀出器、手表、便攜式數字游戲機、便攜式圖像拍攝/編輯設備(例如，攝像機)、美容飾品(例如，項飾)之類，連接的導航模塊。概括地說，PND通過自主或半自主地確定精確的定位信息和與所檢測的位置和運動關聯的其他狀況信息增進用戶閱歷。即使在GPS信號不存在或者變弱或損害的環境內(諸如在深邃的室內環境、市區的峽谷、地鐵車站等處)，也可以根據智能算法提供具有預定可接受精度的定位信息。此外，這種算法基本上不須依賴在GPS信號不存在或非最佳的情況下通常由現有的基礎設施諸如GPS輔助基礎設施提供的傳統的定位輔助服務。
按照本發明的一個方面，揭示了一種確定與設備有關的位置信息的方法，這種方法包括執行第一層次的分類，通過提取從一個或多個與設備連接的傳感器收集的數據，檢測設備的運動模式；以及，執行第二層次的分類，通過進一步提取從所述一個或多個傳感器收集的數據，檢測設備在用戶身上的位置。按照本發明的另一個方面，揭示了一種設備的定位裝置，這種裝置包括輸入電路，所述輸入電路被連接成接收來自設備的慣性運動單元(MU)的數據；處理器，所述處理器根據用所接收的數據進行的第一層次的分類確定移動設備的當前運動模式是多個運動模式中的一個特定運動模式，以及進一步根據用所接收的數據進行的第二層次的分類確定設備當前相對用戶身體的位置。所屬領域的技術人員從以下附圖和詳細說明可以清楚地看到本發明的這些和其他一些方面的情況，包括與以上方法相應的系統和計算機程序產品。
本領域內的普通技術人員從以下結合附圖對本發明的一些具體實施例所作的說明中可以清楚地看到本發明的一些方面和特征，在這些附圖中圖I為實現本發明的原理的實例的示意圖；圖2為例示按照本發明的一個實施例的對于步行模式的加速度模的過零情況的測量數據；圖3為按照本發明的一個實施例的加速度計模、濾波后縱傾角和縱傾角數據幅度的圖形表不;圖4為按照本發明的一個實施例的分層狀況檢測原理的方框圖； 圖5為示出按照本發明的一個實施例的確定導航模塊位置的示范性方法的流程圖；以及圖6A-C示出了按照本發明的一個實施例的模塊位置確定算法的結果。
具體實施例方式下面將參照作為本發明的例示性實例所給出的附圖對本發明進行詳細說明，以使該領域內的技術人員能實際應用本發明。值得注意的是，以下這些附圖和例子并不意味著就將本發明的范圍限制為單個實施例，而通過互換所說明或例示的一些或所有的組成部分實現的其他實施方式也是可行的。此外，在本發明的某些組成部分可以部分或全部用已知的組件實現的情況下，將只對這樣的已知組件中的為理解本發明所必需的那些部分進行說明，而略去了對這樣的已知組件的其他部分的詳細說明，以免使本發明反而模糊不清。描述為以軟件實現的實施例不應被限制為就以軟件來實現，而是可以包括以硬件或軟件和硬件的組合來實現的實施例，反之亦然，如該領域內的技術人員所知，除非在這里另有說明。在本說明書中，示出單個組件的實施例不應被認為是限制，確切些說，本發明應涵蓋其他包括多個同樣組件的其他實施方式，反之亦然，除非在這里另有明確說明。此外，申請人并不打算使本說明書或權利要求書中任何術語具有罕有或特殊的意義，除非明確提出具有這樣的意義。此外，本發明涵蓋現在和將來所知的與在這里所例示的已知組件等效的等效組件。圖I例示了實現基于衛星的通信系統的一個例子。如圖I所示，GPS衛星(即SV)114、116、118和120分別廣播信號106、108、110和112，這些信號由位于比較接近地球表面104的用戶位置處的GPS設備102接收。GPS設備102可以是手持/便攜式個人導航設備(PND，例如可以從Garmin、TomTom等得到的PND)或帶有內置GPS功能的蜂窩電話機、iPhone、PDA、手持或膝上型計算機或其他類型的設備，或者嵌入跟蹤應用(例如，Trimble的自動跟蹤、FedEx的機組或機群管理跟蹤、兒童定位器跟蹤應用等)的任何GPS設備。這樣的GPS功能可以用諸如SiRFStarV之類的芯片組和CSR/SiRF Technology公司的其他芯片組實現，這些芯片組包括核心處理器和所嵌入的存儲器以及處理所接收的GPS/SPS信號和/或根據所接收和處理的信號確定導航解的軟件。如從以下說明可以更為清楚地看到的那樣，按照本發明的一些方面，GPS設備102包括一些傳感器，諸如加速度計、壓力傳感器、陀螺儀之類(總稱為慣性測量單元或MU)。GPS設備102還可以包括DR功能，如修改成帶有本發明的功能的那樣。可以適合在本發明中使用的典型傳感器和功能在由本受讓人共同擁有的共同未決申請No. 11/823,964 (現在作為美國公開No. 2009/0254279發布)和12/471，147中有更為詳細的說明，這些申請的內容全部通過引用包括在這里。該領域內的技術人員將能理解怎樣修改在那些申請中所示出的裝置和功能以供本發明的技術使用，為使本發明清晰起見，在這里將略去對它們更為詳細的說明。信號106、108、110和112是眾所周知的GPS信號，其中三個二進制碼對衛星所發送的LI和/或L2頻率載波相位進行相移。如已知的那樣，設備102為了可以提供3維的導航解通常需要來自至少4個SV的信號(對于2維的導航解例如通過使用已知的高度而只需要3個衛星)。如前面所說明的，本發明用分層算法概括地檢測導航設備的運動模式(例如，攜帶設備的個人正在步行、乘坐交通工具、正在慢走，還是靜止不動等)和附加的有關導航設備的物理位置的較精細層次的信息(例如導航設備是在人身上、在一件衣服內/拴在衣服上，還是在諸如行李袋之類的載體內/拴在載體上，等等)。與PND關聯的定位數據的性質本來就是分層的，因此所收集的傳感器數據，例如從一個或多個與PND連接在一起的IMU收集的 數據也是分層的。利用在所收集的傳感器數據內存在的層次，就可以有效地搜集定位信息。也就是說，在這里所說明的有些實施例中的分層算法建立起可以饋入(自動或半自動地)和分析所收集的傳感器數據的預定狀況分類構架，使得算法的輸出以一定可信度指示導航設備的位置。優選的是，這種算法是靈活得足以選擇包括時域和/或頻域分類符這些分類符。同時，由于分層性質，這種算法比可供選擇的不利用所收集的傳感器數據自然被分成一些簇(即自然分層)的優點的非分層的一般鑒定/檢測算法快。本發明的特征之一是能夠識別所收集的傳感器數據的自然分段情況，并為每個數據段關聯一個適當的分類符，如將用一些例示性的例子進一步詳細說明的那樣。如前面所述，本發明的一個方面是要精確地確定設備位置。也可以將設備定位與運動模式的檢測和/或有關設備相對個人身體的更精細層次的位置信息關聯。運動模式指示PND是否運動和/或怎樣運動。由于PND通常由人類用戶攜帶，因此運動模式的例子包括靜止不動，步行，快走，慢走，上/下樓梯，在自動扶梯上上/下，在電梯廂內上/下，騎車，駕車，乘坐諸如小轎車、公共汽車、船、飛機之類的交通工具，等等。所確定的運動模式/設備位置可以用于各種應用，包括改善用戶對處境的了解，即使是在GPS導航信號不存在或極小的環境內。可以用運動模式/設備位置來選擇供DR用的適當定位算法，從而提高DR算法所計算的位置的精度。例如，在攜有PND的用戶駕車進入室內停車場和開始步行進入室內環境時，衛星信號將會成為得不到的，因此就必須依靠DR算法繼續產生位置估計。由于可得到運動模式，就可以選擇適當的DR算法(例如，被稱為行人推算定位或PDR的考慮步行行人的算法)來產生較好的位置估計。運動模式類別在用下面所討論的方法檢測到用戶將車停下開始步行時可以從"駕車"改變為"步行"。此外，可以不斷地將步行期間的一些旅途點存儲起來，以便在用戶希望回到停車的位置時可以用這些旅途點來引導用戶退回。在另一個實施例中，可以用運動模式檢測來改善PDR算法。步行算法可以具有4個典型的組件(I)步伐檢測，(2)步長估計，(3)朝向確定，以及(4)傳感器標定。傳感器在檢測到PND靜止時進行標定。例如，加速度計、陀螺儀、磁傳感器和壓力傳感器在偏置和靈敏度上都會隨時間、溫度或其他環境因素而呈現漂移。可以在檢測到靜止狀況時將這些傳感器的偏置置零。也就是說，本發明的應用之一包括掌握和盡可能補償所建立的漂移誤差。在另一個實施例中，用靜止狀態的檢測來限制定位不確定性的增大。室內位置計算例行程序有賴于步行DR、WiFi三角測量和接收機信號強度指示符(RSSI)的方法，這些方法都具有隨從最近的良好定位以來所經過的時間期間而改變的不確定性。檢測到靜止狀態，從最近的良好定位以來所經過的時間期間就不需要增加，導致使可得到具有所希望的精度級別的定位解的時間延長到一段較長的時間期間。結果，限制了在位置計算中的不確定性增大。在另一個實施例中，用靜止狀態的檢測來確定什么時候斷開PND的電源，從而顯著地節約了功率。又一個例子可以是與接通/斷開〃航空模式〃關聯的。一旦〃航空模式〃接通，PND就不再試圖確定實時位置。作為替代，如果飛機目的地的有關信息由用戶提供或者在出 發點由設備自動檢測，一旦航空模式斷開，在目的地PND就可以立即顯示定位信息。從廠家和用戶/購買方來看，以上這些典型應用都具有顯著的商業優點。例如，在用戶處在地鐵車站內時，他仍可以得到有關列車服務和/或其他商業服務(例如飯店的位置、自動柜員機的位置等)的形勢信息。在另一個例子中，如果用戶在GPS信號小/被阻塞的百貨公司內漫步，分層算法可以仍能將用戶引領至他正在尋找的特定貨物。從商店業主來看，檢測用戶的位置可以有助于1)根據用戶接近某個產品情況向用戶的PND發送一般產品信息(和/或優待券);2)根據如從用戶個人簡檔和/或在相同/不同商店的歷史采購記錄所確定的用戶購買某個產品的可能性向用戶的PND發送個性化的產品信息(或者優待券)；以及3)將用戶引導到他正在尋找的產品，等等。在以上所例舉的這些情況中有許多通常是使用有助于定位服務的現有基礎設施， 諸如輔助GPS基礎設施。然而，在這里所公開的分層算法就具有智能性地選擇可以不依賴于現有定位輔助基礎設施得出定位信息的分類系統的潛力。也就是說，這種分層方法基本不用知曉和操作不依賴它鄰近的基礎設施。在這里所討論的所有位置檢測方法中，第一運動數據從PND設備的IMU收集。這個運動數據可以是例如來自加速度計的加速度數據。此外或者也可以是，運動數據可以是來自陀螺儀的角速度、來自壓力傳感器的高度變化數據或者來自磁傳感器與加速度計組合的朝向、縱傾和橫滾角。該技術領域內的專業人員將認識到，IMU可以裝有各種傳感器，包括具有小型化活動部件的基于微機電系統(MEM)的傳感器。典型的MEM傳感器的類型可以包括磁場傳感器、壓力傳感器、加速度計、陀螺儀等。傳感器不局限于只是基于活動部件的MEM技術。例如，可以設計出基于霍爾效應的特征并沒有任何微型活動部件的磁場傳感器。通常可以將多個傳感器連接到PND上。在這種情況下，適合分層算法構架的多傳感器數據融合/數據分離變得相關。也就是說，傳感器特性和/或定量標定是與在這里所討論的分層決策和狀況檢測概念密切有關的。如在前面所提及的，本發明利用基于分層算法的分類，這分類可以在頻域和/或時域內進行，或者利用頻域和時域分析的組合進行。共同未決共同擁有的美國申請No. 12/510，965(現在發布為美國公開No. 2011/0029277)〃個人導航系統的運動模式檢測的方法和應用 〃("Methods and Applications for Motion Mode Detection for PersonalNavigation Systems")揭示了一些頻域運動模式檢測方法。本發明的一些實施例包括這些方法，并且還將這些方法擴展到時域分析。在運動模式檢測的頻域方法中，首先從PND設備的MU收集運動數據。然后，為所收集的運動數據產生線性預測系數(LPC)。頻域分類可以基于諸如步長或步速之類的運動改變。在此背后的一個動機是可以將加速度計/陀螺儀(或者其他傳感器)數據的一些短序列假設為平穩的，因此能將這數據模型化為由零均值白噪聲策動的有限沖激響應(FIR)濾波器的輸出。這樣一個濾波器的傳遞函數實質上是一個自回歸(AR)模型。一個周期信號，諸如由IMU單元收集的表示諸如步行、快走、慢走之類的接近周期信號的運動數據，可以用信號過去的P個采樣值的線性組合來近似。
i=P
x(n) = a]x{n - I) + a2x(n -2) + …+ apx(n - p) + e(n) = V UjXin - i)
I其中系數ai，a2，...，\為線性預測系數(LPC)。具有預測系數bk的線性預測器為其輸出X(n)為數據x(n)的估計的預測系統。X(n)根據x的一些先前值(例如，x(n-l),x(n-2)，等等)估計。線性預測器可以是一個自回歸(AR)模型。
k=pX (η) = / , K (η — I) + A2 義(/ — 2) + …+ hp K (η - ρ) = ^ A； X (η - k)
I預測誤差e (η)為在時間η處的近似誤差，是χ (η)與X (η)之差e (η) =x (n) -X (η)通過將預測誤差的平方和最小化，就可以得到唯一的一組線性線性預測系數(LPC)。例如，使用這種技術，可以得到產生/重建諸如人類步行、跑步之類的運動所需要的運動參數的校正值。此外，一旦確定了 AR模型的階，AR系數a1; a2，. . .，ap就可以用被稱為Yule-Walker方程的自相關方法來估計
Γ (0) γ. (1) ... r%(p) I σ2
n(l) rx(0) ... rx(p-l) m 0Γλ·(2) Γ. (1) ... rx(p - 2) a2 = 0
_rx(p)1) ·■■ Γλ·(0) _ _aP 0其中
n-l-krx(k) = X(n)X{n -t k)
n=0在頻域內，AR模型的傳遞函數為
H(Z)=——-——t ^ γ -ι
l~Lhkz
k=l根據這個傳遞函數，可以如下將LPC變換為譜線頻率(LSF)。首先，可以將H(Z)表示為偶對稱和奇對稱的濾波器P (z)和Q(Z)之和，因此
權利要求
1.一種確定設備的位置信息的方法，所述方法包括 執行第一層次的分類，以通過提取從一個或多個與設備連接的傳感器收集的數據，來檢測設備的運動模式；以及 執行第二層次的分類，以通過進一步提取從所述一個或多個傳感器收集的數據，來檢測設備在用戶身上的位置。
2.權利要求I的方法，其中，所述第一層次和第二層次的分類基于對從所述一個或多個傳感器收集的數據的時域分析或/和頻域分析。
3.權利要求I的方法，其中，用于所述第一層次或/和所述第二層次的分類的時域分類使用從所述一個或多個傳感器收集的數據的分類符。
4.權利要求3的方法，其中，所述分類符包括加速度的標準離差、加速度模的均值、力口速度模的過零數、加速度模的峰值數、縱傾角變化幅度、朝向角變化幅度和橫滾變化幅度中的一個或多個。
5.權利要求I的方法，其中，所述檢測設備的運動模式的步驟包括 將從所述一個或多個傳感器收集的數據與兩組或更多組訓練數據相比較，兩組或更多組訓練數據中的每組訓練數據與多個運動模式中的一個運動模式相應；以及 根據比較結果確定移動設備的當前運動模式為所述多個運動模式中的一個特定運動模式。
6.權利要求5的方法，其中，將所收集的數據與兩組或更多組訓練數據相比較的步驟包括計算所收集的運動數據的一組線性預測系數LPC。
7.權利要求6的方法，其中，將所收集的傳感器數據與兩組或更多組訓練數據相比較的步驟還包括 將LPC變換為所收集的傳感器數據的線性頻譜頻率LSF ；以及 計算在所收集的傳感器數據的LSF與所述兩組或更多組訓練數據中的每組訓練數據的LSF之間的頻譜偏差。
8.權利要求7的方法，其中，根據比較結果確定設備的當前運動模式為多個運動模式中的一個特定運動模式的步驟包括 將所述特定運動模式確定為其相應訓練數據組具有與所收集的傳感器數據的LSF的最小量頻譜偏差的LSF的運動模式。
9.權利要求5的方法，其中，所述多個運動模式包括靜止、步行、快走、慢走、上/下樓梯、在自動扶梯上上/下、在吊梯上上/下、騎車、駕車和乘坐交通工具中的兩個或更多個運動模式。
10.權利要求I的方法，其中，所檢測到的位置用來選擇推算定位DR的定位算法。
11.權利要求5的方法，其中，所述多個運動模式包括非靜止運動模式，而所述方法還包括 響應于確定運動模式為非靜止運動模式，決定執行第二層次的分類。
12.權利要求I的方法，其中，所述第二層次的分類包括 根據所檢測的運動模式，決定確定設備的取向。
13.權利要求12的方法，其中，所檢測到的運動模式是步行或快走。
14.權利要求12的方法，其中，如果確定是第一取向，就決定確定設備是處在用戶的頭部附近、用戶的手中還是在用戶所攜帶的提包內。
15.權利要求14的方法，其中，如果確定是第二取向，就決定確定設備是處在用戶褲子內、用戶腰部附近、用戶手中、用戶襯衣內還是在用戶所攜帶的提包內。
16.權利要求I的方法，其中，所述第二層次的分類包括 根據所檢測的運動模式，決定確定設備處在頭部或褲子位置。
17.權利要求14的方法，其中，所檢測的運動模式是慢走或跑步。
18.權利要求I的方法，其中，所述傳感器包括慣性測量單元IMU。
19.一種裝置，所述裝置包括執行權利要求I的方法的電路。
20.一種設備，所述裝置包括執行權利要求5的方法的電路。
21.一種設備定位裝置，包括 輸入電路，所述輸入電路連接成接收來自設備的慣性運動單元IMU的數據； 處理器，所述處理器根據用所接收的數據進行的第一層次的分類，確定移動設備的當前運動模式是多個運動模式中的一個特定運動模式，以及 進一步根據用所接收的數據進行的第二層次的分類確定設備相對用戶身體的當前位置。
全文摘要
本發明涉及確定移動設備在人身上的位置的分層狀況檢測方法。本發明涉及利用對與導航設備連接的傳感器的數據的分析檢測導航設備的位置。使用一種分層算法作出一系列有關導航設備的位置的判斷，每個判斷相應于多個與設備的可能運動模式和/或確切位置(包括設備相對人身體的位置)有關的類中的一個類。通過準確地識別設備位置，這種分層算法便于提供適當的狀況信息，從而增進對形勢的了解。
文檔編號G01S19/48GK102798877SQ20121016734
公開日2012年11月28日 申請日期2012年5月25日 優先權日2011年5月25日
發明者M·喬德哈利, M·沙爾馬, A·庫馬爾, A·古普塔, P·阿格拉瓦爾 申請人:Csr科技控股公司