专利名称：利用指纹法的位置检测系统和方法
利用指纹法的位置检测系统和方法
背景技术：
本公开内容的技术领域是位置检测(location detection)系统和方法，特别是， 利用指纹法(fingerpringting)的位置检测系统和方法。
对于家庭自动化、楼宇自动化、保健基础设施、低功率无线缆连接、贵重器材控制 (asset control)和其他应用，无线通信和控制网络变得越来越流行。这种网络的一个优点是能够定位网络设备或标签。例如，照明调试人员可以快速地识别特定的无线设备，因此减少安装成本。昂贵的设备可以被加标签，并且在楼宇内和周围被跟踪，从而允许人员在需要使用时(在紧急情况)或者用于校准时容易地定位所述加标签的设备。当加标签的设备移出超出特定的边界时，其还可以产生报警。这种无线通信和控制网络的一个实例是Zigbee 网络，其是使用在IEEE802. 15. 4无线标准上运行的Zigbee协议的低成本、低功率的无线标准。虽然可以通过估计与大量固定点的距离以及根据距离估计来三角测量 (triangulating)所述位置来定位无线设备，但是定位的准确性取决于距离估计的准确性。 估计距离的两个方法包括飞行时间和信号强度。用于飞行时间距离估计的距离根据信号从一点传到另一点的时间和所期望信号速度来计算。用于信号强度距离估计的距离根据信号强度的减少和所期望信号强度的衰减来计算。不幸的是，某些无线通信和控制网络的带宽太窄，以至于不能进行飞行时间距离估计。此外，由于来自对象(例如，墙和人)的衰减和反射，某些无线通信和控制网络的信号强度随着位置大大地改变，从而一般地阻止了飞行时间距离估计或者信号强度距离估计。位置检测的另一个方法已经为指纹法(fingerprinting)。在无线通信和控制网络的区域范围内测量信号强度以确定用于该区域的一组指纹(fingerprint)，即，来自区域内任何位置的附近设备的信号强度的图。待定位的设备测量来自其周围已知位置的设备的信号强度。所测量的信号强度与该组指纹相比较，以确定设备的位置。不幸的是，确定区域的指纹是时间和劳动密集型的，这使得过程昂贵。同时，在所测量的信号强度和该组指纹之间的比较要求在整个指纹组上进行比较，这需要大量的计算工作量和时间。期望的是，具有将克服上述缺点的、利用指纹的位置检测系统和方法。
发明内容
本发明的一个方面集中于位置检测方法，其包括限定区域内的节点，该区域与现场设备(field device)和目标设备相关联；确定节点处来自现场设备的所期望信号强度， 特定节点处每个所期望信号强度与现场设备之一相关联；对于与目标设备通信的每个现场设备，测量目标设备处来自现场设备的实际信号强度，每个实际信号强度与现场设备之一相关联；指定这样的节点为有效节点，所述节点具有的对于特定现场设备的所期望信号强度大于或者等于对于特定现场设备的实际信号强度；以及确定至少一个有效节点，对于所述有效节点，在所述有效节点之一处，对于现场设备的实际信号强度与对于现场设备的所期望信号强度一致。本发明的另一方面集中于位置检测系统，其包括目标设备、现场设备和处理器。 处理器可操作地用于确定区域内节点处来自现场设备的所期望信号强度，在特定节点处每个所期望信号强度与现场设备之一相关联；对于与目标设备通信的每个现场设备，测量目标设备处来自现场设备的实际信号强度，每个实际信号强度与现场设备之一相关联；指定这样的节点为有效节点，所述节点具有的对于特定现场设备的所期望信号强度大于或者等于特定现场设备的实际信号强度；以及确定至少一个有效节点，对于所述有效节点，在所述有效节点之一处，对于现场设备的实际信号强度与对于现场设备的所期望信号强度一致。本发明的又一方面集中于位置检测方法，其包括限定区域内的节点，该区域与目标设备和现场设备相关联；确定现场设备处来自目标设备的所期望信号强度，特定现场设备处每个所期望信号强度与所述节点之一相关联；对于与目标设备通信的每个现场设备， 测量现场设备处来自目标设备的实际信号强度，每个实际信号强度与现场设备之一相关联；指定这样的节点为有效节点，所述节点具有的对于特定现场设备的所期望信号强度大于或者等于特定现场设备的实际信号强度；以及确定至少一个有效节点，对于所述有效节点，在所述有效节点之一处，对于现场设备的实际信号强度与对于现场设备的所期望信号强度一致。根据以下对目前的优选实施例的详细描述，结合伴随的附图来阅读，本发明的前述的和其他的特征以及优点将变得更加清楚。详细的描述和图仅仅是图示本发明，而不限制本发明的范围，其由所附的权利要求及其等同物来限定。
在附图中，对于不同的图，相似的附图标记通常指示相同的部件。同时，附图不必是按比例的，相反，通常重点放在说明本发明的原理。图1是根据本发明的位置检测系统的示意图2是供根据本发明的位置检测系统和方法使用的无线设备的框图； 图3是根据本发明的位置检测方法的流程图；以及图4是根据本发明的另一个位置检测方法的流程图。
具体实施例方式图1是根据本发明不同实施例的位置检测系统的示意图。与区域相关联的多个现场设备被用来定位区域中的目标设备。参考图1，在某些实施例中，位置检测系统20包括多个现场设备30和至少一个目标设备40。现场设备30与包括多个节点52的区域50相关联。现场设备30在相对于区域50的已知位置处。目标设备40在相对于区域50的未知位置处，并且是其位置待确定的设备。现场设备30可以互相通信，并且可以与目标设备40通信。现场设备30和/或目标设备40还可以与可选的控制单元60通信，所述控制单元60在区域50内或者外。在另一个实施例中，可选的控制单元60可以被包括在现场设备30中的一个中，或者被包括在目标设备40中。在区域50内或者外的障碍物62可以衰减和/或反射目标设备40和现场设备 30之间的信号，从而改变节点52处的信号强度，这与不存在障碍物62时产生的信号强度不同。示例的障碍物包括墙、人、家具，等等。位置检测系统20还可以包括可选的感测设备64，例如，用于测量实际节点位置的移动位置传感器或者用于测量实际次级位置参数(例如，WiFi信号强度、温度、电噪声、光级、声级，等等)的设备。可选的感测设备64可以用来提供关于位置检测准确性的反馈或者可以用来向区域内的现场设备和他们的周围环境的模拟提供附加的输入。区域50可以是与多个现场设备30相关联的任何区域，所述现场设备30可以在区域50内或者外以及在节点52上或者下。区域50内的节点52可以以希望用于特定应用的任何图案来限定。在该实例中，节点52可以以笛卡尔网格(Cartesian grid)的方式来布置。节点52可以以具有间隔的二维或者三维的方式来限定，其间距如定位目标设备40中的期望准确性所要求以及如可用的计算资源所允许。现场设备30与目标设备40无线通信。现场设备30和目标设备40可以使用任何期望的协议来通信，例如，在IEEE802. 15. 4无线标准上运行的Zigbee协议、在IEEE标准 802. 11下的WiFi协议(例如802. llb/g/n)、蓝牙协议、低能蓝牙协议等等。Zigbee协议系统典型地在固定参考点具有大量的现场设备，特别是，如果照明基础设施使用Zigbee协议来用于无线控制的话。只要当定位目标设备40时现场设备30的位置是已知的，现场设备 30可以是固定的或者可运动的。在一个实施例中，至少一个现场设备的位置可以根据固定的现场设备的已知位置来估计。因此，当开始位置检测时，不需要所有现场设备的位置。图2是供本发明不同实施例的位置检测系统和方法使用的无线设备的框图。无线设备可以是现场设备或者目标设备。在该实例中，无线设备可以是发射器、接收器或者发射器和接收器，并且可以是可运动的或者固定的。参考图2，在某些实施例中，无线设备70包括存储器72、处理器74、发射器部分76 和接收器部分78。存储器72可以是适合于存储数据和/或指令的任何存储器。存储器72 与处理器74交换信息，所述处理器74控制无线设备70的运行。发射器部分76和接收器部分78与其它无线设备和/或中央控制中心无线通信，并且可以包括天线。发射器部分76 可以接收来自处理器74的数据和指令，并且发射来自无线设备70的信号。接收器部分78 可以接收来自无线设备70外部的信号，并且向处理器74提供数据和指令。无线设备70可以起到发射器、接收器、或者发射器和接收器的作用。在一个实施例中，发射器部分76可以被省去，而无线设备70起接收器的作用。在另一个实施例中，接收器部分78可以被省去，而无线设备70起发射器的作用。在一个实施例中，无线设备70 在Zigbee通信协议下运行，Zigbee通信协议在IEEE802. 15. 4无线标准上运行。在其他的实施例中，无线设备70在IEEE标准802. 11 (例如，802. llb/g/n)之下的WiFi协议、蓝牙协议、低能蓝牙协议等等下运行。本领域技术人员将理解无线设备70可以在希望用于特殊应用的任何无线协议下运行。无线设备可以与另一个对象(例如，照明装置、照明控制单元、待跟踪贵重器材、内科病人、或者任何其他对象)相关联。无线设备还可以控制和/或监测相关联的对象。无线设备70可以以单独的载波频率或者以多个载波频率发送和接收信号。波长随着载波频率改变，因此，对障碍物的敏感度和来自不同现场设备(例如，失效点)的信号之间的相互作用随着不同的载波频率而改变。在一个实施例中，处理器74可以在不同载波频率之间切换无线设备70运行。
本领域技术人员将理解处理器74可以是与无线设备70定位在一起的多个处理器或者是在对于计算功率和易于数据通信所需的另一个定位处。在一个实施例中，处理器包括在每个无线设备处的处理器和在与无线单元通信的可选控制单元处的中央处理器。图3是根据本发明一些实施例的位置检测方法的流程图。该方法100包括限定 102区域内的节点，该区域与现场设备和目标设备相关联；确定104节点处来自现场设备的所期望信号强度，特定节点处的每个所期望信号强度与现场设备之一相关联；对于与目标设备通信的每个现场设备，测量106目标设备处来自现场设备的实际信号强度，每个实际的信号强度与现场设备之一相关联；指定108这样的节点为有效节点，其具有的对于特定现场设备的所期望信号强度大于或者等于特定现场设备的实际信号强度；并且确定110至少一个有效节点，对于所述有效节点，在所述至少一个有效节点处，对于现场设备的实际信号强度与对于现场设备的所期望信号强度一致。该方法100可以利用如以上在图1和2中所描述的位置检测系统来执行。计算操作可以在无线设备中的处理器、分布式处理器、可选的控制单元中的处理器、和/或远端处理器中来执行。参考图3，限定102区域内的节点，该区域与现场设备和目标设备相关联，建立了在其中可以定位目标设备的区域。只要现场设备所生成的射频信号在区域内或者现场设备所接收的射频信号起源于该区域，则现场设备可以在该区域外部。现场设备可以是固定的或者可运动的，但是在相对于区域的已知位置处。在一个实施例中，现场设备产生射频信号，一些或者所有的信号由目标设备来接收。在另一个实施例中，目标设备产生射频信号， 其由一些或者所有的现场设备来接收。确定104节点处来自现场设备的所期望信号强度(SSE)，在特定节点处每个所期望信号强度与现场设备之一相关联，确定了用于区域的指纹(fingerprint)组，即来自区域内任何位置的现场设备或者目标设备的信号强度的图。所期望信号强度可以通过对区域中的现场设备和他们的周围环境进行建模的不同方法来确定。用于确定所期望信号强度的模拟的一个实例，生成节点处所期望信号强度的记录排列(或多维排列)，例如对于二维情形，对于代表感兴趣区域的统一笛卡尔网格上的每一个χ-y节点有一个记录。用于现场设备节点(其对应于产生信号的现场设备)的每个记录可以包括诸如以下的数据现场设备节点(节点A ；节点B ；…；节点X)的身份识别， 用于现场设备节点的坐标(Ax，Ay ；Bx, By ；…；Xx，Xy)，用于现场设备节点的信号等级 (SignalLevelAtA ；SignalLevelAtB ；…；SignalLevelAtX),以及特定应用所需要的现场设备节点的任何其他数据。数据可以由自动推导通过硬编码程序或者手动地通过某些用户接口来加入。来自每个现场设备的区域内每个节点的所期望信号强度可以根据用于现场设备节点的记录来计算。所期望信号记录可以被构建用于网格中的每个节点x，y(坐标x，y处)， 其中记录 RecordContent (χ,y)等于{signalLeveIFromNodeA ；SignalLevelFromNodeB ；…； signalLevelFromNodeX}，其包括来自每个现场设备节点的节点处的信号等级。信号等级值可以通过计算现场设备节点到节点之间距离和估计该距离的信号强度减少来确定。例如，从现场设备节点A (Ax, Ay)到节点(x，y)的距离等于[(Αχ-χ) "2+(Ay-y) "2]的平方根。节点 X，y 处的信号等级值 SignalLevelFromNodeA 等于 SignalLevelAtA^fn (节点 χ, y与现场设备节点A的距离)，其中函数fn (χ)返回一个在与源χ距离处的剩余信号强度的
8估计。在对于典型的2. 4GHz点发射器的一个实施例中，函数fn (χ)等于(x~_3. 5)。对于每个现场设备节点，对区域内的每个节点执行计算，对于区域内的所有节点X，y，填充记录 RecordContents (x, y)。在一个实施例中，所期望信号强度可以保留在表中。在节约表空间和计算工作量 (特别地，当对大量节点执行计算时)的另一个实施例中，计算所期望信号强度可以与计算节点的FNerror函数相结合。本领域技术人员将理解确定104节点处所期望信号强度(SSE) (S卩，对区域的指纹组的模拟)可以通过多个方法来执行，并且根据特殊应用所要求可以调整。在确定 104节点处来自现场设备的所期望信号强度(SSE)过程中，该确定步骤可以使用模拟因子 (modelling factor)来为节点处所期望信号强度(SSE)提供更多的准确性。示例的模拟因子包括信号传播、具有预测不确定性的信号传播、已知障碍物、潜在的障碍可能性、空气湿度等等。在一个实施例中，信号传播，即来自现场设备的辐射图，可以通过使用例如射线跟踪的方法来模拟。这可以包括对某些天线类型的校正，其在某些方向具有更强的信号或者零信号。信号传播可以可选地说明(account for)辐射图中的预测不确定性。在另一个实施例中，可以使用辐射图随距离衰减的更复杂和准确的模型，而不是f (η)等于(χ~-3.5)。 在另一个实施例中，辐射图随距离的衰减可以模拟为f(n)等于(x~-2.5)，这对于某些室内环境是适合的。在另一个实施例中，在区域内部的已知障碍物可以被模拟以说明信号的反射和/或衰减。用户接口可以用来输入已知障碍物的位置和特性。在另一个实施例中， 交通图(traffic pattern)可以被模拟为潜在的障碍物可能性，以说明人和/或对象在区域内以及改变信号强度的可能。在另一个实施例中，所期望的空气湿度可以被模拟以说明信号的衰减。可以包括用户接口或者其他的自动化传感器输入，以输入整个区域中和/或区域的特别范围的湿度。在确定所期望信号强度过程中，方法100可以通过检测至少一个现场设备何时离线和确定说明至少一个离线的现场设备的所期望信号强度来说明(account for)离线的现场设备。离线现场设备不再生成信号，所以初始计算用于指纹组的所期望信号强度不再代表区域中所期望信号强度。目标设备将看不见来自离线现场设备的任何信号，并且把信号强度理解为指示特定的现场设备在远处，从而导致了较差的目标设备定位检测。在一个实施例中，可以包括用户接口以输入离线的任何现场设备。于是，在确定至少一个有效节点(对于该有效节点，实际信号强度与所期望信号强度接近一致)的过程中所使用的函数 FNerror可以忽视离线现场设备的条件。对于与目标设备通信的每个现场设备，测量106目标设备处来自现场设备的实际信号强度(SSA)，每个实际的信号强度与现场设备之一相关联，获得用于与所期望信号强度 (SSE)比较的信息。目标设备记录可以由实际的信号强度构成，其中记录MeasureRecord 等于{{signalLevelFromNodeA; SignalLevelFromNodeB ； ··· ； signalLevelFromNodeX},其包括在目标设备处所接收的、来自每个现场设备节点的信号等级M。指定108具有的对于特定现场设备的所期望信号强度(SSE)大于或者等于对于特定现场设备的实际信号强度(SSA)的节点为有效节点，说明了信号的物理特性。不同于反射和异常的条件，在特定节点处对于特定现场设备的实际信号强度的有效读数小于或者近似等于所期望信号强度。即，与信号可能被增强相比，与物理模型作比较信号更多可能被衰减或者吸收。当实际信号强度表明目标设备远离特定的现场设备十米时，如果目标设备和特定现场设备之间的路径没有障碍且没有变弱，它们可能分开十米，或者如果路径有障碍或者变弱，它们分开比10米更近；不太可能的是，目标设备和特定现场设备分开地更远。因此，具有对于特定现场设备的实际信号强度大于所期望信号强度的节点可以被忽略作为无效节点，以及有效节点单独用于定位目标设备。本领域技术人员将理解此处所定义的等于包括近似等于，以便具有的所期望信号强度大于或者等于实际信号强度的有效节点可以包括具有的实际信号强度略微大于所期望信号强度的节点，这正如对于特定应用所希望的。确定110至少一个有效节点，对于所述有效节点，在所述至少一个有效节点处，对于现场设备的实际信号强度(SSA)与对于现场设备的所期望信号强度(SSE)相一致。选择在其中更可能定位目标设备的节点，即，在其中，来自现场设备的所期望信号强度的指纹与在目标设备处所检测的实际信号强度相匹配。此处“一致”限定为当实际信号强度(SSA)和所期望信号强度(SSE)以某种方式且在一定程度上匹配以适合于确定方法时发生。在一个实施例中，当实际信号强度(SSA)和所期望信号强度(SSE)之间的误差被最小化时，实际信号强度(SSA)与所期望信号强度(SSE)—致。在另一个实施例中，当实际信号强度(SSA)和所期望信号强度(SSE)之间的误差不超过预定误差值时，实际信号强度(SSA)和所期望信号强度(SSE) —致。在另一个实施例中，当关于所有节点可视显示的误差和分布的观察者所辨识的图案向观察者单独指出用于目标设备的最可能节点时，实际信号强度(SSA)与所期望信号强度(SSE)—致。在另一个实施例中，当对节点的节点位置进行平均指出用于目标设备的最可能节点时，实际信号强度(SSA)与所期望信号强度(SSE)—致。本领域技术人员将理解，如对于特定应用所期望的，可以选择方式、程度和确定方法。在一个实施例中，含有在目标设备处实际信号强度的记录MeasuredRecord可以与包括每个节点处所期望信号强度的每个可能的RecordContents (x，y)值相比较，以发现最佳适应性(fit)。在一个实施例中，使用最小二乘方法，其中FNerror限定为最小二乘方法函数，其比较两个记录，以至于
FNerror [recordl, record2]等于以下的平方根 [(recordlvalueA_record2valueA)"2+ (recordlvalueB-record2valueB) "2+··· + (recordlvalueX_record2valueX) "2]。将具有对于特定节点的所期望信号强度的RecordContents (x, y)与具有对于目标设备的实际信号强度的MeasuredRecord进行比较，
FNerror [RecordContents (χ, y), MeasuredRecord]等于以下的平方根 [(RecordContents (χ, y) SignalLevelFromNodeA- MeasuredRecord:signalLeve IFromNodeA)"2 + (RecordContents(χ, y): signalLeveIFromNodeB - MeasuredRecord:s ignalLevelFromNodeB)"2+ . . . + (RecordContents(x, y):signalLevelFromNodeX-Meas uredRecord: signalLevelFromNodeX)"2]。在单独计算所有(x，y)位置的FNerror之后，目标设备的位置的最佳估计是其中F Nerror [RecordContents (χ, y), MeasuredRecord]是最小的(x，y)位置。在一个实施例中， 在其中可以定位目标设备的可能或者可以的节点可以存在于图和/或者表中。目标设备在给定节点的概率可以被包括在图和/或表上。在一个实施例中，FNerror呈现在三维图上，其中X，y轴上的节点位置和FNerror作为Z轴上概率的指示。本领域技术人员将理解多种变化和附加可以用于以上所述的位置检测方法。在一个实施例中，实际信号强度中的波动可以用来确定什么时候运动对象(例如干扰来自现场设备的信号的人或者其它对象)在现场设备的区域内。对于与目标设备通信的每个现场设备，可以测量用于目标设备的第一实际信号强度，而每个实际信号强度与现场设备之一相关联。然后对于与目标设备通信的每个现场设备，可以测量第二实际信号强度。第二信号强度可以与第一信号强度进行比较，并且基于比较确定对象在区域内运动的概率。在另一个实施例中，所期望信号强度可以被加权，以用于在确定至少一个有效节点时的信号强度可预测变化，对于所述有效节点，现场设备的实际信号强度与至少一个有效节点110处现场设备的所期望信号强度一致。统计学的方法可以用来说明来自波动信号的波动信号强度。一组实际信号强度(MeasuredRecords)在不同的时间可以被记录并且用来评价信号是恒定的还是波动的。每个特定的现场设备随时间所测量的最大实际信号强度被视为实际信号强度的最佳估计，并且可以从实际信号强度组中确定。最大的实际信号强度可以用来代替FNerror函数中的单个实际信号强度值。通过将来自特定现场设备的实际信号强度组的最小实际信号强度除以用于特定现场设备的最大实际信号强度可以计算对于每个现场设备的信号障碍的可能性。信号障碍的可能性可以用来确定什么时候对用于一个现场设备的FNerror加权误差因子可以应用到FNerror函数，以在检测到非预期的条件时产生高误差数。非预期条件的实例包括当对于特定现场设备的实际信号强度比典型地所期望信号强度小的多时，由此特定的现场设备在正常非障碍时看起来是受障碍的，或者当对于特定的现场设备的实际信号强度比最大实际信号强度大的多时，由此特定的现场设备在正常受障碍时看起来是未受障碍的。因而，信号障碍的可能性参与指纹法评价(fingerprinting assessment)。在另一个实施例中，当节点处实际信号强度高于所期望信号强度时，FNerror函数可以被加权以给出更高的误差。在一个实例中，用于在其中实际信号强度高于所期望信号强度的节点的FNerror函数项可以被乘以预定的罚因子(penalty factor)，例如，因子为 5。加权是基于以下观察对于两个节点之间的距离，实际信号强度通常与由物理学所预测的所期望信号强度相似或者更�。馐且蛭习镂招藕�。在一个实例中，具有对于特定现场设备的所期望信号强度小于对于特定现场设备的实际信号强度的节点可以被指定为高误差有效节点，并且参与确定至少一个有效节点，这包括高误差有效节点，对于该有效节点，在至少一个有效节点110处，对于现场设备的实际信号与对于现场设备的所期望信号强度一致。确定至少一个有效节点包括确定至少一个有效节点，其使将现场设备的实际信号强度与所期望信号强度进行比较的误差函数FNerror最小化。用于高误差有效节点的误差项被乘以预定的罚因子，以相对于其他有效节点惩罚高误差有效节点。在另一个实施例中，位置检测方法可以包括在确定目标设备的位置过程中的附加环境参数。该方法100可以包括确定节点处所期望次级位置参数；测量至少一个有效节点处的实际次级位置参数，对于所述有效节点，实际信号强度与所期望信号强度一致；并且将所期望次级位置参数与实际次级位置参数相比较。次级位置参数此处限定为可以在区域内被检测到的任何环境参数。典型的次级位置参数包括WiFi信号强度、温度、电噪声、光等级、声等级等等。在另一个实施例中，位置检测方法可以包括关于所确定的位置的校正的反馈。该方法100可以包括确定至少一个有效节点的所期望节点位置，对于所述有效节点，在有效节点之一处，对于现场设备的实际信号强度与对于现场设备的所期望信号强度一致；测量至少一个有效节点的实际节点位置，对于所述有效节点，实际信号强度与所期望信号强度接近一致；并且将所期望节点位置与实际节点位置进行比较。实际节点位置可以利用移动设备(例如，可选的感测设备)来测量。在确定所期望信号强度104过程中，可以对于从将所期望节点位置与实际节点位置进行比较所发现的任何差异校正所期望信号强度。在另一个实施例中，位置检测方法可以应用改进的算法模型。通过计算区域内有限数量节点(而不是区域内所有节点)的所期望信号强度，在改进的算法模型中减少了计算量。改进的算法(EA)，例如，基于遗传算法(GA)的遗传系统或者基于人工免疫系统算法 (AIS)的人工免疫系统，选择目标设备的最可能位置并且计算在最可能位置周围的节点的所期望信号强度。因此，对于区域内的所有节点初始不必计算所期望信号强度，并且可以在需要时计算所期望信号强度。在一个实施例中，当所期望信号强度被计算时存储所期望信号强度以备后之用，以避免当日后需要使用时重新计算。改进算法取决于确定个体(例如，对于问题的个体潜在解决方法)如何解决该问题。该质量的测量称为个体的适应性。高适应性的个体更可能对个体(其被实验为问题的解决方法)以后的群组发展做贡献。对于位置检测问题，适应性可以通过FNerror函数来确定，其中高适应性(fitness)个体是使实际和所期望信号强度之间的信号强度差异最小的个体。改进的算法是用于解决问题的最优算法并且通常采纳高等级算法，包括1)生成随机的个体群组，其是问题的潜在解决方法；2)评估每个个体的适应性，即，确定每个个体如何好地解决问题；3)根据所评估适应性发展个体的新群组，其是问题的潜在解决方法； 以及4)重复评估和改进，直到当满足停止标准(例如，迭代的数量和预定的适应性值)时停止。改进的算法可以用于位置检测方法100。在确定所期望信号强度104的过程中，节点处来自现场设备的所期望信号强度被确定用于随机选择的节点初始群组(population)。 在至少一个有效节点110处确定包括测试初始群组的适应性；根据适应性由初始群组发展(evolve)节点的至少一个附加群组；测试至少一个附加群组的适应性；以及根据从由预定适应性值和预定迭代次数所构成的组中选择的标准确定至少一个有效节点作为目标设备的位置。发展至少一个附加群组可以包括利用从遗传系统或者人工免疫系统中所选择的系统来发展至少一个附加群组，即，根据遗传算法应用遗传系统或者根据人工免疫系统算法应用人工免疫系统。对于位置检测的问题，预定数量的个体的随机群组是区域内一组随机选择的节点 (X，y)。虽然可能性由于随机选择而是随机的，但是目标设备可以位于在节点之一上或者附近。适应性可以通过计算或者查找用于每个个体(RecordContent (x，y))的所期望信号强度和将所期望信号强度与使用FNerror函数在目标设备(MeasureRecord)处所测量的实际信号强度进行比较来评估。与解决问题和定位目标设备最接近的高适应性个体具有最低的FNerror值。在一个实施例中，FNerror值可以在O到1之间被标准化。发展个体的新群组取决于所使用的改进算法的类型，例如，遗传或者人工免疫系统算法，但是新群组包括来自当前一代(最适应的节点)的高适应性个体以及从高适应性个体(新节点)发展的新个体(new individuals)。对于新群组，适应性被评估，另一个新群组被发展，以及该过程重复，直到满足希望的适应性标准，其表示最高级适应性节点是目标设备位置，或者直到完成预定数量的迭代，在该点最高适应性节点被指定为目标设备的最可能位置。基于遗传算法的遗传系统和基于人工免疫系统算法的人工免疫系统在他们发展个体新组群的方法上不同。对于基于遗传算法的遗传系统，来自当前代的两个或者更多的高适应性个体(最适应节点)被选为父母节点，以及从父母节点发展新个体节点(新节点)。典型地，两个父母被随机地选择(在一个实例中，根据具有朝向高适应性个性的偏向的方法)、交叉、以及变异。这两个“新”个体然后被加到孩子群组。这个过程重复，直到孩子群组与主群组大小相同，于是，孩子群组在下个迭代时间内变成主群组。在一个实例中，新的个体节点是在父母节点之间平均位置处的节点。在GA中，存在两个遗传压力，其被应用于所选择的父母以产生后代。如果个体是X，y坐标；
Pl = (xl，yl)
P2 = (x2, y2)
交叉(crossover )将每个父母的部分组合到两个孩子中，所以，假定Pl和P2，交叉可以交换两个父母之间的y元素，从而生成 Cl = (xl, y2) C2 = (x2, yl)
变异然后(可能)稍稍修改这些孩子中的每一个，例如 Cl_m = (xl+2,y2) C2_m = (x2-l, yl+3)。本领域技术人员将理解，在交叉和变异如何发生上可能存在许多变化。两个操作典型地基于预定概率，例如，交叉可能有80%概率发生，而变异可能仅有5%的概率发生。在两个父母之间的平均位置可以是另一个可能形式的交叉。这些然后可能被变异。在一个实施例中，新群组包括来自以前代的一部分最佳适应性节点和多个新个体节点。在另一个实施例中，新群组仅仅包括新个体节点。根据算法如何设计的，可以丢弃来自群组最差适应性节点，虽然某些适应性节点可以如所希望地保留在群组中，以维持多样性和避免不正确的收敛。如以上所述的，可以生成下一个(孩子)群组，而不需要去除任何差的节点。群组大小保持恒定，因为前代完全失去出于这个原因，来自父母群组的一部分最佳适应性节点通常保持在孩子群组中。在一个实例中，遗传算法可以表达为 -Population (组群),pop, size N -While iteration(迭代)i<Max_it -While next_pop. size <= pop.size
-从pop中随机选择2个父母，典型地其与每个个体的适应性成比例 -根据某些预定的概率执行交叉(将每个父母个体的“遗传”表现部分进行组合，以产生 2个杂种的孩子)-根据某些预定的概率执行变异(使信息的随机“遗传”位变异) -增加2个孩子到next_pop -重复,直到生成next_pop -重复，直到停止标准。对于基于人工免疫系统算法的人工免疫系统，高适应性个体被克隆和变异，以发展个体的新组群。一类人工免疫系统算法基于克隆选择原理，其应用适应性比例克隆和反比例变异，比如，在CL0NALG克隆选择算法中所实现的。与适应性成比例的克隆和与适应性成反比例的变异的结合允许人工免疫系统算法执行围绕当前、好解决方法的定位搜索。适应性也是已知为基于人工免疫系统算法的人工免疫系统的类似(affinity)。预定数量的高适应性个体被选择用于克�。腋菟堑氖视π员豢寺�。个体的适应性越好，该个体产生的克隆越多。例如，最高适应性的个体可以被克隆为五个克�。巫罡呤视π缘母鎏灞豢寺〕扇隹寺。约跋赂龃巫罡呤视π愿鎏灞豢寺〕梢桓隹寺�。本领域技术人员将理解，如所希望地用于特定的应用，可以使用确定克隆数量的其他克隆策略。克隆变异，而变异程度反比例于克隆的适应性。克隆的适应性越好，需要越少的变异来朝向最优的解决方法移动克隆。从克隆到变异节点的距离取决于克隆的适应性。在一个实施例中，变异的节点被选择远离克隆一段距离，该距离与克隆的适应性成反比例。克隆越合适，与理想的解决方法越接近，并且因此对于得到解决方法所需的变异更少。在另一个实施例中，分析例如来自每个现场设备的误差的FNerror计算的构成元素，并且变异节点在距离和方向上改变，以减少FNerror值。变异的方向取决于什么信息对于计算是可用的。在仅仅适应性值可获得的一个实施例中，方向是随机的。当可以辨明另一个信息时，例如，当来自每个现场设备的信号强度被单独考虑时，变异的方向可能被更进一步地影响。在一个实施例中，可以形成变异来减少个体元素信号强度误差。在另一个实施例中，可以围绕可能改进适应性的角度根据统计分布(例如，正态分布)来选择方向。该角度可以基于与目前(在尝试使其更合适过程中)具有最低信号强度误差的现场设备的角度，或者(在尝试使其更合适过程中)具有最大信号强度误差的角度。本领域技术人员将理解，许多的变化是可能的。通常，个体(克隆)运动的全部方向受到适应性计算、克隆产生以及变异的过程来影响。变异的克隆可以在随机方向上产生；比父母更合适的那些克隆将在下一个迭代中(比父母和兄弟姐妹)更能生产更多的克隆本身，并且因此形成下一轮搜索的中心。经过多个迭代，搜索的有效中心可以被认为根据孩子改进的适应性在一个或者多个方向上运动。适应性值可以被计算用于变异节点。具有最高适应性值的变异节点可以存储在存储器或者方案设定个体群组中，其与在克隆中所使用的个体主组群不同。存储作为当前最可能的位置的个体仅仅可以在随后的迭代中被更高适应性个体而不是较低适应性的个体来代替。在另一个实施例中，具有最高适应性值的预定数量的变异节点可以存储为目标设备的当前最可能位置。例如，可以存储五个最可能的变异节点。 在预定数量的变异节点的定位中可以计算分组接近度的测量，以确定目标设备如何可能在变异节点分组附近。在2D空间中越紧密地封装组，目标设备越可能在组附近。在一个实例中，定位中的分组接近度可以从用于每个组的FNerror值的总和来确定。FNerror根据离每个现场设备的距离来计算信号强度中的误差。就信号强度而言，而不是就χ，y坐标而言，每个最可能的节点可以距离很近。在另一个实例中，聚类测量可以根据最可能的节点之间的2D距离来执行。还在另一个实例中，最可能的节点的中心(每个坐标尺寸的平均)可以被计算并且每个节点和该中心之间距离求总和(或者可替代地，平均距离)。聚类越压缩， (即，总和越低，或者平均距离越小)，在其中设备可能被定位的区域越小和越有目标。这假设更小和更紧密的区域暗示目标设备在该区域中的可能性更高。相反地，大的目标区域没有试图去使直至任何特定地点的目标设备的定位变窄。角度也可以被考虑。最可能的节点形成超过一个聚类。门限值可以用来向合适的聚类指派最可能的节点。超过一个聚类将为目标设备建议超过一个可能的位置。这些聚类可以通过该聚类中的节点数目来关于某物 (something)进行分类。聚类中的节点越多，目标设备越可能在该区域。本领域技术人员将理解该方法与K-均值聚类相似。然后可以创建新的群组。在包括变异节点的群组中预定数量的个体可以利用随机生成的个体来代替。克隆/变异节点可以保持与主群组分离，或者可以与主群组集成。用随机生成的个体代替一部分群组执行全局搜索，其在问题的整个潜在解决空间寻找新的好解决区域以及帮助人工免疫系统算法漏失(escape)局部最小值。在一个实施例中，具有最低适应性值的预定数量节点利用随机生成的个体来代替。在另一个实施例中，适应性值用作选择机制，同时适应性值用作加权因子，并且代替由包括其加权因子的概率方法所确定的给定个体。例如，选择可以是反向旋转轮选择。旋转轮选择(roulette wheel selection) 合计所有个体的适应性值以给出总数。将每个个体适应性除以该总数给出总数中的比例 (其可以被标准化)。每个个体然后可以根据该标准化比例来被分类。随机概率然后可以被生成且被用来根据随机数所满足比例来选择合适个体。该方法偏离高适应性节点。为了偏向低适应性节点，每个标准化比例是一减去以上所计算的比例。本领域技术人员将理解如对于特定应用所希望的，不同的策略可以用于将克隆单元引入主群组。使用遗传系统算法或者人工免疫系统算法发展的新群组可以被重复地评估和发展直到(当满足停止标准时)结束。典型的停止标准包括预定数量的迭代、或者预定适应性值，其表示通过所期望信号强度接近于实际信号强度已经找到一个位置。图4是根据本发明某些具体实施例的另一个位置检测方法的流程图。在该实施例中，目标节点发射信号并且现场设备检测信号。现场设备可以向用于计算的可选控制单元报告实际信号强度。该方法200包括限定区域202内的节点，该区域与目标设备和现场设备相关联； 确定现场设备204处来自目标设备的所期望信号强度，特定现场设备处每个所期望信号强度与节点之一相关联；对于与目标设备通信的每个现场设备，在现场设备206处测量来自目标设备206的实际信号强度，每个实际信号强度与现场设备之一相关联；指定这样的节点为有效节点，所述节点具有的对于特定现场设备的所期望信号强度大于或者等于对于特定现场设备208的实际信号强度；并且确定至少一个有效节点，对于所述有效节点，在至少一个有效节点210处，对于现场设备的实际信号强度与对于现场设备的所期望信号强度一致。虽然此处已经描述和图示了几个发明实施例，但是本领域技术人员将易于想象各种其他方式和/或结构，以用于执行此处所描述的功能和/或获得结果和/或一个或者多个优点，并且这种变化和/或修改中的每一个被认为在此处所描述的发明实施例的范围内。更通常地，本领域技术人员将易于理解此处所描述的所有参数、尺寸、材料和构造意味着是示例的，并且实际参数、尺寸、材料和/或构造将取决于使用本发明教导的特定应用。 本领域技术人员将认识到，或者能够使用不超过常规实验确定此处所描述的特定发明实施例的许多等同替代物。因此，要理解，仅通过实例介绍了前述实施例，并且在所附权利要求和其等同替代的范围内，除了特别描述和要求权利要求的方式之外，本发明实施例可以以其他方式来实践。本公开内容的发明实施例是针对此处所描述的每个个体特征、系统、物件、材料、配套用品、和/或方法。此外，如果这种特征、系统、物件、材料、配套用品、和/或方法不是相互不一致，两个或者更多的这种特征、系统、物件、材料、配套用品、和/或方法的任何组合包括在本公开内容的发明范围内。
权利要求
1.一种位置检测方法，其包括限定(102)区域内的节点，该区域与现场设备和目标设备相关联； 确定(104)节点处来自现场设备的所期望信号强度，特定节点处每个所期望信号强度与现场设备之一相关联；对于与目标设备通信的每个现场设备，测量(106)目标设备处来自现场设备的实际信号强度，每个实际信号强度与现场设备之一相关联；指定(108)这样的节点为有效节点，所述节点具有的对于特定现场设备的所期望信号强度大于或者等于对于特定现场设备的实际信号强度；以及确定(110)至少一个有效节点，对于所述有效节点，在所述至少一个有效节点处，对于现场设备的实际信号强度与对于现场设备的所期望信号强度一致。
2.如权利要求1的方法，其中，确定所期望信号强度进一步地包括使用从由信号传播、具有预测不确定性的信号传播、已知障碍物、潜在的障碍物可能性、以及空气湿度所构成的组中所选择的模拟因子来确定所期望信号强度。
3.如权利要求1的方法，进一步包括检测至少一个现场设备何时离线，且其中，确定所期望信号强度进一步地包括确定说明所述至少一个离线现场设备的所期望信号强度。
4.如权利要求1的方法，其中，实际信号强度是第一实际信号强度，该方法进一步包括对于与目标设备通信的每个现场设备，测量对于目标设备的第二实际信号强度，每个实际信号强度与现场设备之一相关联；将第二实际信号强度与第一实际信号强度进行比较；以及根据比较确定对象在区域内运动的概率。
5.如权利要求1的方法，进一步地包括 确定节点处所期望次级位置参数；测量至少一个有效节点处的实际次级位置参数，对于所述有效节点，实际信号强度与所期望信号强度一致；以及将所期望次级位置参数与实际次级位置参数进行比较。
6.如权利要求5的方法，其中，实际次级位置参数选自由WiFi信号强度、温度、电噪声、 光等级和声等级所构成的组。
7.如权利要求1的方法，进一步地包括根据固定的现场设备的已知位置估计至少一个现场设备的位置。
8.如权利要求1的方法，进一步地包括确定至少一个有效节点的所期望节点位置，对于所述有效节点，在所述有效节点之一处，对于现场设备的实际信号强度与对于现场设备的所期望信号强度一致；测量至少一个有效节点的实际节点位置，对于所述有效节点，实际信号强度与所期望信号强度接近一致；以及将所期望节点位置与实际节点位置进行比较。
9.如权利要求8的方法，其中，确定所期望信号强度进一步包括对于根据所期望节点位置和实际节点位置比较的差异，校正所期望信号强度。
10.如权利要求1的方法，其中，确定至少一个有效节点进一步包括对所期望信号强度进行加权，以用于信号强度中的可预测变化。
11.如权利要求1的方法，其中，确定所期望信号强度包括对于随机选择的节点初始群组，确定节点处来自现场设备的所期望信号强度；以及其中，确定至少一个有效节点包括 测试初始群组的适应性；根据适应性从初始群组发展至少一个节点的附加群组； 测试至少一个附加群组的适应性；以及基于从由预定的适应性值和预定量的迭代所构成的组中选择的标准来确定至少一个有效节点作为目标设备的位置。
12.如权利要求11的方法，其中，发展至少一个附加群组包括利用从由遗传系统和人工免疫系统构成的组中选择的系统来发展至少一个附加群组。
13.一种位置检测系统，包括 目标设备(40)；现场设备(30);以及处理器(74)，其可操作用于确定区域中节点处来自现场设备的所期望信号强度，特定节点处每个所期望信号强度与现场设备之一相关联；对于与目标设备通信的每个现场设备，测量目标设备处来自现场设备的实际信号强度，每个实际信号强度与现场设备之一相关联；指定这样的节点为有效节点，所述节点具有的对于特定现场设备的所期望信号强度大于或者等于对于特定现场设备的实际信号强度；以及确定至少一个有效节点，对于所述有效节点，在所述有效节点之一处，对于现场设备的实际信号强度与对于现场设备的所期望信号强度一致。
14.如权利要求13的系统，其中，处理器(74)进一步可操作用于在确定所期望信号强度过程中检测何时至少一个现场设备离线并且说明所述至少一个离线现场设备。
15.如权利要求13的系统，其中，实际信号强度是第一实际信号强度，并且处理器(74) 进一步可操作用于对于与目标设备通信的每个现场设备，测量目标设备的第二实际信号强度，每个实际信号强度与现场设备之一相关联；将第二实际信号强度与第一实际信号强度进行比较；以及根据比较确定对象在区域内运动的概率。
16.如权利要求13的系统，进一步包括用于次级位置参数的传感器，其可操作地测量有效节点之一处的实际次级位置参数，对于所述有效节点，实际信号强度与所期望信号强度一致，并且其中，处理器(74)进一步可操作地用于确定节点处的所期望次级位置参数，并且将所期望次级位置参数与实际次级位置参数进行比较。
17.如权利要求13的系统，其中，处理器(74)进一步可操作地用于根据固定现场设备的已知位置估计至少一个现场设备的位置。
18.如权利要求13的系统，进一步地包括位置感器，其可操作地用于测量至少一个有效节点的实际节点位置，对于所述有效节点，实际信号强度与所期望信号强度接近一致，并且其中，处理器(74)进一步可操作地用于确定至少一个有效节点的所期望节点位置，对于所述有效节点，实际信号强度与所期望信号强度一致，并且将所期望节点位置与实际节点位置进行比较。
19.如权利要求13的系统，其中，处理器(74)进一步可操作地用于对所期望信号强度加权，以用于信号强度的可预测变化。
20.一种定位监测的方法，包括限定(202)区域内的节点，该区域与现场设备和目标设备相关联； 确定(204)现场设备处来自目标设备的所期望信号强度，特定现场设备处每个所期望信号强度与节点之一相关联；对于与目标设备通信的每个现场设备，测量(206)现场设备处来自目标设备的实际信号强度，每个实际信号强度与现场设备之一相关联；指定(208)这样的节点为有效节点，所述节点具有的对于特定现场设备的所期望信号强度大于或者等于对于特定现场设备的实际信号强度；以及确定(210)至少一个有效节点，对于所述有效节点，在所述至少一个有效节点处，对于现场设备的实际信号强度与对于现场设备的所期望信号强度一致。
全文摘要
一种利用指纹法的位置检测系统和方法，其包括限定(102)区域内的节点，该区域与现场设备和目标设备相关联；确定(104)节点处来自现场设备的所期望信号强度；对于与目标设备通信的每个现场设备，测量(106)目标设备处来自现场设备的实际信号强度；指定(108)这样的节点为有效节点，所述节点具有的对于特定现场设备的所期望信号强度大于或者等于对于特定现场设备的实际信号强度；以及确定(110)至少一个有效节点，对于所述有效节点，在至少一个有效节点处，对于现场设备的实际信号强度与对于现场设备的所期望信号强度一致。
文档编号G01S5/02GK102362193SQ201080013379
公开日2012年2月22日 申请日期2010年3月9日 优先权日2009年3月23日
发明者A. 鲁德兰 P., S. 梅 P. 申请人:皇家飞利浦电子股份有限公司
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
