• 专利附录
  • 专利说明
  • 权利要求
  • 类似技术
  • 同族专利
  • 引用文献
  • 法律状态
  • 优先权
    • 专利摘要:
    一種多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法及其相關裝置，係以結合絕對定位法與相對定位法所得到之位置與速率觀測資料作為訊息傳遞融合之程序。對於位置之估計與追蹤，絕對定位法之移動端之位置估測值可以依照移動之狀態與電波訊號之觀測值計算得到；相對定位法之移動端之速率觀測值可以依照加速計之觀測值與誤差傳播定律(Error Propagation Law)計算得到。藉此，使用本方法中之分散式傳遞資訊之固有性質，在處理位置相關之異質觀測資料時能夠有效、大幅降低現有定位與追蹤方法在處理位置相關之異質資料融合時所需之計算量，並透過計算量之減少可以同時提高運算效率以及降低運算所需之功率消耗。
    公开号:TW201318457A
    申请号:TW100139650
    申请日:2011-10-31
    公开日:2013-05-01
    发明作者:Fu-An Cai；Yi-Shi Qiu
    申请人:Univ Nat Central；
    IPC主号:G06N20-00
    专利说明:
    多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法及其相關裝置
    本發明係有關於一種定位與追蹤方法，尤指涉及一種低複雜度之分散式異質資料融合技術，特別係指多重異質資料融合之低複雜度分散式訊息傳遞定位與追蹤方法及其相關裝置。
    因無線網路相關技術之快速發展以及慣性感測元件(Inertial Measurement Unit,IMU)之模組化、微型化，使得以定位與追蹤為基礎之適地性型服務(Location-Based Services,LBSs)博得青睞。故依定位原理之不同，定位方式可分為絕對定位法與相對定位法二種。此外，對於適地性服務之系統效能而言，定位結果之準確度以及定位技術之運算複雜度亦為二項關鍵性指標，其中：
    關於提高定位之準確度，目前最常使用之方法係使用追蹤之方式以提高定位之準確度。就絕對定位法而言，現有之定位方法可使用追蹤之技術減緩不合理之估測結果以提高定位之準確度，亦即移動端位置之估測值係依照移動之狀態與電波訊號之觀測值所計算得到。
    其次，因運算複雜度過高之方法並不適合直接應用到實際之定位系統之中，所以可以採用運算複雜度較低之演算法。就α-β演算法而言，其雖然能夠大幅降低運算複雜度，然而α-β演算方法係以固定係數濾波法為基礎，所以不夠靈活。此外，因子圖形(Factor Graph,FG)演算法具有傳遞交換資訊之性質，係另一種減少運算複雜度之技術，此演算法可在變數點(Variable Node,VN)與因子點(Factor Node,FN)之間傳遞可靠資料，亦即依據FG演算法之固有性質，透過分散式傳遞訊息之流程係能有效降低運算複雜度。
    另外，卡爾曼濾波(Kalman Filtering,KF)演算法係最常被使用於定位與追蹤之技術，該KF法係依均方誤差推導(Mean-Square Error,MSE)所得之最佳定位追蹤法，係一種不需要之前之訊息(即歷史資料)之遞迴估計演算法。亦即，對KF法而言，只要獲知移動狀態之預測值以及當前狀態之觀測值，就可以計算出移動端之下一個估測位置。
    雖於現有分散式之FG定位方法所使用追蹤之技術可減緩不合理之估測結果以提高定位之準確度，惟其並未同時考慮將絕對定位法與相對定位法之觀測資料相結合；此外，KF演算法在線性、高斯分佈(Gaussian Distribution)條件下係MSE之最佳解；KF演算法準確度雖高，惟其具有運算複雜度亦高之缺點，高運算複雜度對一般習用者係無法符合使用者於實際使用時之所需。
    有鑒於此，本發明之主要目的係在於，克服習知技藝所遭遇之上述問題，並提供一種具有結合絕對定位法與相對定位法之低複雜度、多重異質資料融合特性之定位與追蹤方法。
    本發明之次要目的係在於，提供一種融合絕對定位法與相對定位法之多重觀測資料演算法，進而提高定位結果之準確度之定位與追蹤方法。
    為達以上之目的，本發明係一種多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法，係以結合絕對定位法與相對定位法所得到具有高斯機率分佈(Gaussian Distribution)之位置與速率觀測資料作為訊息傳遞融合之程序。對於位置之估計與追蹤，絕對定位法之移動端之位置估測值可以依照移動之狀態與電波訊號之觀測值計算得到；相對定位法之移動端之速率觀測值可以依照加速計之觀測值與誤差傳播定律(Error Propagation Law)計算得到。使用本發明，在多重觀測資料具有高斯機率分佈之特性下，絕對定位法訊息與相對定位法訊息之觀測訊息可以依據本發明所提出之前-後向提煉(Forward-Backward Refining,FBR)之低複雜度之異質資料融合演算法，將多重異質之位置、速率觀測資料依可靠度之差異給予傳遞資料不同之融合權重，並透過分散式之互相融合做有效之訊息傳遞，以估計移動端之位置以及速率。藉此，使用本方法中之分散式傳遞資訊之固有性質，在處理位置相關之異質觀測資料時能夠有效、大幅降低現有定位與追蹤方法在處理位置相關之異質資料融合時所需之計算量，並透過計算量之減少可以同時提高運算效率以及降低運算所需之功率消耗。
    請參閱『第1圖～第7圖』所示，係分別為本發明低複雜度之異質資料融合定位與追蹤示意圖、本發明之訊息傳遞流程方塊示意圖、本發明之FBR分散式定位與追蹤之訊息融合傳遞演算法之X軸流程示意圖、本發明之誤差傳播在一個多輸入與多輸出系統示意圖、本發明之X軸FG演算法之VN點與FN點之關係示意圖、本發明之異質資料融合演算流程示意圖、及本發明之具有三個輸入訊息之一個變數節點傳遞到另一個因子節點之訊息傳遞程序示意圖。如圖所示：本發明係一種多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法及其裝置，係結合絕對定位法與相對定位法所得到具有高斯機率分佈(Gaussian Distribution)之位置與速率觀測資料，藉由結合移動狀態之預測值以及當前狀態之觀測值計算出移動端之估測位置作為訊息傳遞融合程序之低複雜度異質資料融合演算法，可適用於二維(2-D)以上之多維座標系統者。本發明係至少包含下列步驟：
    (A)移動狀態分佈11：依照移動端1(或移動裝置(Mobile Device))目前所在之位置、速率，在已知移動狀態分佈之情形下，預測在下一取樣時間之移動端1a之可能之位置、速率，俾令時間更新(Time Update)；其中，以一組二維座標系統為例，此移動狀態之預測移動狀態分佈如下列方程式(1)：
    其中，(x 1, k ,x 2, k )及=(s 1, k ,s 2, k )分別為移動端目前之位置及速率；(x 1, k +1，x 2, k +1)及(s 1, k +1,s 2, k +1)分別為依據本方程式預測移動端可能之位置及速率；(u 1, k ,u 2, k )及(u 3, k ,u 4, k )為預測移動端之位置誤差及速率誤差；以及Δ k 為推估移動端前後位置之時間差或取樣時間；
    (B)定位位置觀測值12：利用絕對定位法，依據目前所接收到之電波訊號觀測值之機率分佈計算得到移動端目前位置之觀測值之機率分佈，該位置觀測值之分佈如下列方程式(2)：
    (C)定位速率觀測值13：利用相對定位法，依據移動端之加速度觀測值機率分佈以及誤差傳播定律(Error Propagation Law)計算得到移動端之速率觀測值，該速率觀測值之分佈如下列方程式(3)，係利用移動端之加速度以及誤差傳播定律之方程式(4)為之：
    v=f(a)=a‧Δt+v 0　(4)
    其中，a為加速度之觀測值(量測值)；v為經加速度轉換後之速率觀測值；v 0為速率之起始值；Δt為加速度與速率之轉換關係；(z 3, k ,z 4, k )=(v 1, k ,v 2, k )為移動端速率之觀測值；以及(ε 3, k ,ε 4, k )為移動端之速率觀測值誤差；
    (D)融合定位觀測值14：移動端1移至下一位置時，將步驟(B)之位置觀測值之方程式(2)與步驟(C)之速率觀測值之方程式(3)合併成下一位置、速率之觀測方程式(5)，使移動端1b在下一位置量測所得之資料轉換成可能之位置以及速率，俾令量測更新(Measurement Update)；其中方程式(2)與方程式(3)係合併成如下之矩陣方程式(5)：
    其中，(z 1, k ,z 2, k ) T 為移動端在時間k之位置觀測值；(z 3, k ,z 4, k ) T =(v 1, k ,v 2, k ) T 為移動端在時間k之速率觀測值；(x 1, k +1,x 2, k +1)及分別為移動端在時間k+1之觀測位置及速率；以及(ε 1, k +1,ε 2, k +1)及(ε 3, k +1,ε 4, k +1)分別為移動端在時間k+1之位置觀測值誤差及速率觀測值誤差；以及
    (E)融合異質資料15：針對追蹤移動端之位置以及移動端當前狀態之觀測值，分別依據步驟(A)方程式(1)之時間更新，取得預測移動端1a在下一時間k+1之位置以及速率之分佈，以及依據步驟(D)方程式(5)之量測更新，取得觀測到移動端1b在時間k+1之位置以及速率之分佈，最後依據方程式(1)以及方程式(5)之機率分佈，使用異質資料融合演算法，分別對位置與速率資料之可靠度差異給予傳遞資料不同之融合權重，俾以修正移動端1c在時間k+1之估計位置以及估計速率；如第3圖所示，其係以座標系統X軸為例之低複雜度異質資料融合之第k及第k+1時間區間之定位與追蹤之訊息傳遞流程；Y軸或Z軸之訊息傳遞流程亦相同。其中，實線代表估計位置之訊息流程，虛線代表估計速率之訊息流程，以本實施例而言，圖中I(sk|vk)與I(sk+1|vk+1)係根據相對定位法所得之觀測值，而h(xk|zk)與h(xk+1|zk+1)則係根據絕對定定法所得之觀測值。
    上述步驟(B)之電波訊號係包含全球衛星定位系統(Global Positioning System,GPS)、無線廣域網路(Wireless Wide Area Network,WWAN)、無線區域網路(Wireless Local Area Network,WLAN)以及無線個人區域網路(Wireless Personal Area Network,WPAN)等之無線網路訊號。其中，該無線廣域網路係可為全球行動通訊系統(Global System for Mobile,GSM)、整合封包無線服務(General Packet Radio Service,GPRS)、第三代行動通訊網路(3rd Generation,3G)及數位電視(Digital Television,DTV)；該無線區域網路係為無線保真(Wireless Fidelity,Wi-Fi)；以及該無線個人區域網路係可為藍芽(Bluetooth)、群蜂(ZigBee)及超寬頻(Ultra-Wideband,UWB)。
    上述步驟(B)之絕對定位法亦包含靜態定點攝影測量相關之定位。
    上述步驟(C)之誤差傳播定律，其輸入與輸出之關係如第4圖所示，可以一矩陣方程式表示，該矩陣方程式為：
    z=f(x)=Ax+b　(6)
    μ z =Aμ x +b　(7)
    P z =AP x A T 　(8)
    其中，x=[x 1 x 2…x n ] T 、z=[z 1 z 2…z m ] T 、b=[b 1 b 2…b m ] T 與A為一個m×n之矩陣；μ x 與μ z 為平均矩陣；以及P x 與P z 為共變異矩陣。
    上述步驟(C)之相對定位法係以慣性感測元件(Inertial Measurement Unit,IMU)之測量得到移動端之加速度，該慣性感測元件係可為加速計、電子羅盤或陀螺儀。
    上述步驟(C)之相對定位法亦包含動態移動攝影測量定位。
    上述步驟(E)之異質資料融合演算法係依據因子圖形(Factor Graph,FG)演算法之分散式訊息傳遞性質以及誤差傳播定律之固有性質，俾以在變數點(Variable Node,VN)與因子點(Factor Node,FN)之間依位置與速率資料之可靠度差異給予傳遞資料不同之融合權重，並透過分散式之方法以降低定位與追蹤方法之運算複雜度。
    根據貝氏濾波(Bayesian filtering approach)之原理、位置之觀測以及速率之觀測，可依據如下方程式(9)計算移動端預期位置以及移動端預期移動速度。該方程式(9)為：
    p(s 0: K ,x 0: K |v 0: K ,z 0: K ) f(s k |s k -1)g(x k |x k -1,s k -1)l(v k |s k )h(z k |x k )　(9)
    並可根據方程式(9)繪出無方向性之因子圖形，如第5圖所示。以本實施例而言，圖中I(sk|vk)與I(sk+1|vk+1)係根據相對定位法所得之速率觀測值，而h(xk|zk)與h(xk+1|zk+1)則係根據絕對定位法所得之位置觀測值。
    根據高斯分佈之特性可計算具有二個輸入訊息之一個因子節點傳遞到另一個變數節點之訊息。其流程圖如第6圖右側所示，方程式(10)如下所示：
    其中，如第6圖左側所示為具有二個輸入訊息之一個變數節點傳遞到另一個因子節點。此外，如第7圖所示，係將具有三個輸入訊息之一個變數節點傳遞到另一個因子節點。
    上述步驟(E)之異質資料融合演算法之訊息流程如第3圖所示，其訊息與訊息之間傳遞融合之定位結果係依據前-後向提煉(Forward-Backward Refining,FBR)之程序。
    於一較佳實施例中，移動端之速率觀測值除了可依據上述步驟(C)之測量得到，以座標系統X軸為例(Y或Z軸亦可使用相同之方式)，亦可將前述方程式(1)重新整理，並依照觀測移動端之現在觀測位置之機率分佈、未來之觀測位置之機率分佈、已知之取樣時間以及誤差傳播定律計算得到如下方程式(11)所示之速率分佈，該方程式(11)為：
    其中，s k 為推估移動端之速率；以及為推估移動端之速率誤差。
    本方法中，無線網路之絕對定位法之移動端之位置估測值可以依照電波訊號之觀測值計算得到；慣性感測元件之相對定位法之移動端之速率觀測值可以依照加速計之觀測值與誤差傳播定律計算得到。承如上述第1圖～第3圖所示，本發明係結合絕對定位法與相對定位法之定位與追蹤方法，具有低複雜度、多重異質資料融合之特性，透過融合絕對定位法與相對定位法之多重觀測資料將可提高定位結果之準確度；使用本發明，在多重觀測資料具有高斯機率分佈之特性下，絕對定位法之訊息與相對定位法之訊息可以依據本發明所提出之FBR低複雜度之異質資料融合演算法，將多重異質之位置、速率觀測資料依可靠度之差異給予傳遞資料不同之融合權重，並透過分散式之互相融合做有效之訊息傳遞，以估計移動端之位置以及速率。
    請參閱『第8圖及第9圖』所示，係分別為本發明之FBR資料融合演算法之移動端之位置估計準確度之結果比較示意圖、及本發明之FBR資料融合演算法之移動端之移動軌跡以及速率估計結果之比較示意圖。如圖所示：將本發明之FBR資料融合演算法所得之結果與傳統均方誤差法之卡爾曼濾波(Kalman Filtering,KF)資料融合演算法所得之結果做比較：二維運算複雜度、位置估計誤差累積、以及移動軌跡、速率估計結果，如表一、第8圖以及第9圖所示，其中第8圖之摸擬參數：絕對定位法在室內環境之位置變異量為16，狀態方程式誤差隨機變數為0.4。該圖中曲線2代表無融合與追蹤之定位結果；比較曲線3之實線代表FBR IMU為0.1，虛線代表KF IMU為0.1；比較曲線4之實線代表FBR IMU為0.5，虛線代表KF IMU為0.5；比較曲線5之實線代表FBR IMU為1，虛線代表KF IMU為1；比較曲線6之實線代表FBR IMU為2，虛線代表KF IMU為2；比較曲線7之實線代表FBR IMU為3，虛線代表KF IMU為3；以及比較曲線7之實線代表FBR IMU為4，虛線代表KF IMU為4。
    本發明之定位與追蹤方法除了直接將不同定位法所得之多重定位觀測資料相融合之外，本發明所提出之低複雜度之分散式異質資料融合方式，其訊息與訊息之間傳遞融合之定位結果係根據前-後向提煉(FBR)之程序所獲得。
    藉此，本發明係提出一種分散式訊息傳遞之定位與追蹤方法以降低異質資料融合之運算複雜度，此方法係以貝氏濾波法為基礎，使分散式FG演算法同時具有預估(時間更新)與修正(量測更新)資訊之能力。因此，依據貝氏濾波之原理，FG演算法可在VN與FN之間依照觀測所得之高斯機率分佈之可靠度差異性給予傳遞資料不同權重。除此之外，同時將FG演算法之分散式訊息傳遞性質以及誤差傳播定律之固有性質，相結合為FBR低複雜度之異質資料融合演算法而應用在定位與追蹤上，則可以達到降低也係以貝氏濾波為基礎之KF運算複雜度。
    由表一、第8圖以及第9圖可知，與傳統之資料融合演算法相比較，本發明係同時具有與KF資料融合演算法相當之位置估算準確度以及遠低於KF資料融合演算法之運算複雜度之特性。
    綜上所述，本發明係一種多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法，可有效改善習用之種種缺點，係以結合絕對定位法與相對定位法所得到具有高斯機率分佈之位置與速率觀測資料作為訊息傳遞融合之程序；使用本方法中之分散式傳遞資訊之固有性質，在處理位置相關之異質觀測資料時能夠有效、大幅降低現有定位與追蹤方法在處理位置相關之異質資料融合時所需之計算量，並透過計算量之減少可以同時提高運算效率以及降低運算所需之功率消耗，以使本發明之產生能更進步、更實用、更符合使用者之所需，確已符合發明專利申請之要件，爰依法提出專利申請。
    惟以上所述者，僅為本發明之較佳實施例而已，當不能以此限定本發明實施之範圍；故，凡依本發明申請專利範圍及發明說明書內容所作之簡單的等效變化與修飾，皆應仍屬本發明專利涵蓋之範圍內。
    1、1a、1b、1c．．．移動端
    11．．．步驟(A)移動狀態分佈
    12．．．步驟(B)定位位置觀測值
    13．．．步驟(C)定位速率觀測值
    14．．．步驟(D)融合定位觀測值
    15．．．步驟(E)融合異質資料
    2．．．曲線
    3～7．．．比較曲線
    第1圖，係本發明低複雜度之異質資料融合定位與追蹤示意圖。
    第2圖，係本發明之訊息傳遞流程方塊示意圖。
    第3圖，係本發明之FBR分散式定位與追蹤之訊息融合傳遞演算法之X軸流程示意圖。
    第4圖，係本發明之誤差傳播在一個多輸入與多輸出系統示意圖。
    第5圖，係本發明之X軸FG演算法之VN點與FN點之關係示意圖。
    第6圖，係本發明之異質資料融合演算流程示意圖。
    第7圖，係本發明之具有三個輸入訊息之一個變數節點傳遞到另一個因子節點之訊息傳遞程序示意圖。
    第8圖，係本發明之FBR資料融合演算法之移動端之位置估計準確度之結果比較示意圖。
    第9圖，係本發明之FBR資料融合演算法之移動端之移動軌跡以及速率估計結果之比較示意圖。
    11．．．移動狀態分佈
    12．．．定位位置觀測值
    13．．．定位速率觀測值
    14．．．融合定位觀測值
    15．．．融合異質資料
    权利要求:
    Claims (15)
    [1] 一種多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法，其至少包含下列步驟：(A)移動狀態分佈：依照移動端目前所在之位置、速率，在已知移動狀態分佈之情形下，預測在下一取樣時間之移動端之可能之位置、速率，俾令時間更新(Time Update)；(B)定位位置觀測值：利用絕對定位法，依據目前所接收到之電波訊號觀測值之機率分佈計算得到移動端目前位置之觀測值之機率分佈；(C)定位速率觀測值：利用相對定位法，依據移動端之加速度觀測值機率分佈以及誤差傳播定律(Error Propagation Law)計算得到移動端之速率觀測值；(D)融合定位觀測值：移動端移至下一位置時，將步驟(B)之位置觀測值與步驟(C)之速率觀測值合併成下一位置、速率之觀測值，使移動端在下一位置量測所得之資料轉換成可能之位置以及速率，俾令量測更新(Measurement Update)；以及(E)融合異質資料：針對追蹤移動端之位置以及移動端當前狀態之觀測值，分別依據步驟(A)之時間更新，取得預測移動端在下一時間k+1之位置以及速率之分佈，以及依據步驟(D)之量測更新，取得觀測到移動端在時間k+1之位置以及速率之分佈，最後依據二者之機率分佈，使用異質資料融合演算法，分別對位置與速率資料之可靠度差異給予傳遞資料不同之融合權重，俾以修正移動端在時間k+1之估計位置以及估計速率。
    [2] 依申請專利範圍第1項所述之多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法，其中，該步驟(A)移動狀態分佈之方程式為： 於其中，(x 1, k ,x 2, k )及=(s 1, k ,s 2, k )分別為移動端目前時間k之位置及速率；(x 1, k +1,x 2, k +1)及(s 1, k +1,s 2, k +1)分別為依據本方程式預測時間k+1移動端可能之位置及速率；(u 1, k ,u 2, k )及(u 3, k ,u 4, k )為預測移動端在時間k之位置誤差及速率誤差；以及Δ k 為推估移動端前後位置之時間差或取樣時間。
    [3] 依申請專利範圍第1項所述之多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法，其中，該步驟(B)之電波訊號係包含全球衛星定位系統(Global Positioning System,GPS)、無線廣域網路(Wireless Wide Area Network,WWAN)、無線區域網路(Wireless Local Area Network,WLAN)以及無線個人區域網路(Wireless Personal Area Network,WPAN)之無線網路訊號。
    [4] 依申請專利範圍第3項所述之多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法，其中，該無線廣域網路係可為全球行動通訊系統(Global System for Mobile,GSM)、整合封包無線服務(General Packet Radio Service,GPRS)、第三代行動通訊網路(3rd Generation,3G)及數位電視(Digital Television,DTV)。
    [5] 依申請專利範圍第3項所述之多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法，其中，該無線區域網路係為無線保真(Wireless Fidelity,Wi-Fi)。
    [6] 依申請專利範圍第3項所述之多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法，其中，該無線個人區域網路係可為藍芽(Bluetooth)、群蜂(ZigBee)及超寬頻(Ultra-Wideband,UWB)。
    [7] 依申請專利範圍第1項所述之多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法，其中，該步驟(B)之絕對定位法係包含靜態定點攝影測量定位。
    [8] 依申請專利範圍第1項所述之多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法，其中，該步驟(C)定位速率觀測值之方程式(1)係利用移動端之加速度以及誤差傳播定律之方程式(2)為之，其運算方程式為： v=f(a)=a‧Δt+v 0　(4)於其中，a為加速度之觀測值(量測值)；v為經加速度轉換後之速率觀測值；v 0為速率之起始值；Δt為加速度與速率之轉換關係；(z 3, k ,z 4, k )=(v 1, k ,v 2, k )為移動端速率之觀測值；以及(ε 3, k ,ε 4, k )為移動端之速率觀測值誤差。
    [9] 依申請專利範圍第1項所述之多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法，其中，該步驟(C)之相對定位法係以慣性感測元件(Inertial Measurement Unit,IMU)之測量得到移動端之加速度，該慣性感測元件係可為加速計、電子羅盤或陀螺儀。
    [10] 依申請專利範圍第1項所述之多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法，其中，該步驟(C)之相對定位法係包含動態移動攝影測量定位。
    [11] 依申請專利範圍第1項所述之多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法，其中，該步驟(D)融合定位觀測值之方程式為： 於其中，(z 1, k ,z 2, k ) T 為移動端在時間k之位置觀測值；(z 3, k ,z 4, k ) T =(v 1, k ,v 2, k ) T 為移動端速率在時間k之觀測值；(x 1, k +1,x 2, k +1)及分別為移動端在時間k+1之觀測位置及速率；以及(ε 1, k +1,ε 2, k +1)及(ε 3, k +1,ε 4, k +1)分別為移動端在時間k+1之位置觀測值誤差及速率觀測值誤差。
    [12] 依申請專利範圍第1項所述之多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法，其中，該步驟(C)移動端之速率觀測值亦可進一步以觀測移動端之現在觀測位置之機率分佈、未來之觀測位置之機率分佈、已知之取樣時間以及誤差傳播定律計算得到，其方程式為： 於其中，s k 為推估移動端之速率；以及為推估移動端之速率誤差。
    [13] 依申請專利範圍第1項所述之多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法，其中，該步驟(E)之融合異質資料係依據因子圖形(Factor Graph,FG)演算法之分散式訊息傳遞性質以及誤差傳播定律之固有性質，俾以在變數點(Variable Node,VN)與因子點(Factor Node,FN)之間依位置與速率資料之可靠度差異給予傳遞資料不同之融合權重。
    [14] 依申請專利範圍第1項所述之多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法，其中，該步驟(E)之融合異質資料，其訊息與訊息之間傳遞融合之定位結果係依據前-後向提煉(Forward-Backward Refining,FBR)之程序。
    [15] 依申請專利範圍第1項所述之多重異質資料融合之低複雜度分散式訊息傳遞之定位與追蹤方法，係適用於二維(2-D)以上之多維座標系統。
    类似技术:
    公开号 | 公开日 | 专利标题
    CN105393139B|2019-07-09|Gps和wlan混合位置确定
    Bakkali et al.2017|Kalman filter-based localization for Internet of Things LoRaWAN™ end points
    CN108370551B|2020-07-24|基于到达时间差定位方法、用户设备及网络设备
    JP2016510401A|2016-04-07|クラウドソーシングデータに基づく処理遅延推定
    TWI444073B|2014-07-01|Location and Tracking of Low Complexity Decentralized Message Transmission with Multiple Heterogeneous Data Fusion
    EP3433631A1|2019-01-30|Selective crowdsourcing for multi-level positioning
    Huang et al.2018|Node localization with AoA assistance in multi-hop underwater sensor networks
    CN102231912A|2011-11-02|一种基于rssi测距的室内无线传感器网络定位方法
    KR101837709B1|2018-03-13|위치 제공자 프로세스들을 실행
    CN107040885A|2017-08-11|用于鲁棒且准确的基于rssi的位置估计的系统和方法
    CN105044667B|2018-10-19|一种运动目标的双星跟踪方法、装置和系统
    US20130324150A1|2013-12-05|Location estimation apparatus and method
    EP3039924A1|2016-07-06|Improving location positioning using m2m ecosystem
    Tian et al.2016|HiQuadLoc: A RSS fingerprinting based indoor localization system for quadrotors
    Zhu et al.2020|Adapted error map based mobile robot UWB indoor positioning
    CN111263305B|2021-11-19|基于5g信号的多终端室内定位方法及装置
    Liu et al.2021|Kalman filter-based data fusion of wi-fi rtt and pdr for indoor localization
    CN109270489A|2019-01-25|基于uwb的nlos隧道环境下的实时连续定位方法
    Chen et al.2019|Hybrid ToA and IMU indoor localization system by various algorithms
    WO2016049551A1|2016-03-31|Method for transmission of the quantized value in wireless communication
    KR101367674B1|2014-02-28|ＵＷＢ 비동기 레퍼런스 노드를 이용한 ＴＤｏＡ 무선 측위 시스템
    Zhou et al.2017|RSSI indoor localization through a Bayesian strategy
    Liu et al.2012|Ubiquitous localization method on mobile robot in the internet of things
    Wei et al.2014|An online compression algorithm for positioning data acquisition
    Amer et al.2014|A survey of recent indoor positioning systems using wireless networks
    同族专利:
    公开号 | 公开日
    TWI444073B|2014-07-01|
    US20130110762A1|2013-05-02|
    US9147165B2|2015-09-29|
    引用文献:
    公开号 | 申请日 | 公开日 | 申请人 | 专利标题
    EP0715150B1|1994-11-29|1999-09-01|Xanavi Informatics Corporation|Navigation system with changeover if a radio signal cannot be received|
    AT486291T|2000-06-23|2010-11-15|Sportvision Inc|Auf gps basierendes verfolgungssystem|
    US6408245B1|2000-08-03|2002-06-18|American Gnc Corporation|Filtering mechanization method of integrating global positioning system receiver with inertial measurement unit|
    US6826477B2|2001-04-23|2004-11-30|Ecole Polytechnique Federale De Lausanne |Pedestrian navigation method and apparatus operative in a dead reckoning mode|
    FR2866423B1|2004-02-13|2006-05-05|Thales Sa|Dispositif de surveillance de l'integrite des informations delivrees par un systeme hybride ins/gnss|
    US20090030667A1|2007-07-27|2009-01-29|Motorola, Inc.|Real-time discrete event simulation with location tracking|
    TW201042277A|2009-05-18|2010-12-01|Ralink Technology Corp|Method and apparatus for determining a position location of a mobile station in a wireless communication system|CN105391122A|2015-11-18|2016-03-09|上海黄龙物联网科技有限公司|基于物联网终端设备电池的使用方法|
    CN105737695B|2016-01-25|2017-10-10|北京宏动科技有限公司|用涡轮发电机作为传感器的超宽带引信测试系统与方法|
    CN107659989B|2017-10-24|2020-08-04|东南大学|无线传感器网络节点分布式测量休眠和目标跟踪方法|
    CN112802002B|2021-02-05|2021-11-16|杭州思锐迪科技有限公司|物体表面数据侦测方法、系统、电子装置和存储介质|
    法律状态:
    2018-04-01| MM4A| Annulment or lapse of patent due to non-payment of fees|
    优先权:
    申请号 | 申请日 | 专利标题
    TW100139650A|TWI444073B|2011-10-31|2011-10-31|Location and Tracking of Low Complexity Decentralized Message Transmission with Multiple Heterogeneous Data Fusion|TW100139650A| TWI444073B|2011-10-31|2011-10-31|Location and Tracking of Low Complexity Decentralized Message Transmission with Multiple Heterogeneous Data Fusion|
    US13/339,602| US9147165B2|2011-10-31|2011-12-29|Method of location estimation and tracking using distributed message passing of heterogeneous observation data accompanied with low-complexity data-fusion scheme|
    [返回顶部]