无线系统中目标装置定位的置信度指标给定方法

摘要

本发明提供一种无线系统中目标装置定位的置信度指标给定方法。在追踪定位时，当获知目标装置的无线信号的观察值后，本发明结合目标装置的位置概率密度函数与目标装置的移动模型来算出位置不确定度，以得到此位置估测的置信度指标。本发明先决定出位置概率密度函数，然后算出此位置概率密度函数的不确定度与在目前情况下可能的最大不确定度，最后算出此无线信号的置信度指标。置信度可以视为在此位置预测里，能排除有关目标装置位置出现不确定性的量。能排除的量越多，即此位置估测的置信度就越高。

说明书

技术领域

本发明涉及一种无线系统(wireless system)中目标装置定位(locationdetermination)的置信度指标(confidence index)给定方法。

背景技术

无线定位系统应用于普及运算的各种应用系统中，包括位置敏感性的内容传递(location-sensitive content delivery)、方位测定(direction finding)、资产追踪(asset tracking)、紧急通知(emergency notification)等。为了估测目标装置(targetdevice)的位置，一个定位系统需要来测量一种量(quantity)，此量至少是距离的函数(function ofdistance)。而此量可以是无线基地台(access point)AP所发射的信号强度(signal strength)，在开放的空间(free space)会随距离以对数衰减(logarithmically decay)。

无线定位系统通常以两时段来处理，一为训练阶段(training phase)，另一为追踪定位阶段(location determining phase)。训练阶段是离线(offline)时段，系统在此时段会建立取样点(sample point，SP)和对应图(map)。此对应图就是熟知的射电图像(radio map)，并撷取无线基地台在各所属区域里某些点的特征信号(signature)。在追踪定位阶段，将每一取样点的信号强度向量与此radiomap相比较，然后找出最佳匹配(match)，例如距离最近的候选者(nearestcandidate)，作为目标装置的估测位置。估测位置与决定误差估测的方法有多种。

例如，美国专利申请公开号2005/0131635的文献里，公开了一种目标装置的预估位置(predicted location)的误差估测决定方法。此方法是根据一个概率模型(probabilistic model)101和收集(collecting)信号观察值(observation ofsignal value)103来决定目标装置的位置，如图1所示。此概率模型101指出在多个取样点SP的信号值概率分配(signal value probability distribution)。而误差距离估测以空间中目标装置TD的真实位置与预测位置EL之间的误差距离(error distance)的期望值来决定。此误差距离估测可用来决定是否增加新取样点(new sample point)，或是决定是否再校准(recalibrate)现有取样点(existingsample point)。

上述方法与位置决策规则(decision rule)有关，因此较有可能存在着决定规则不合适(improper)或干扰(interference)的问题。

发明内容

本发明的实施例中提供一种无线系统中目标装置定位的置信度指标给定方法。在追踪定位时，目标装置的移动模型和位置的位置概率分配可用来计算位置估测的不确定度(uncertainty)，进而算出位置估测的置信度。

当收到目标装置的观测信号后，可利用目标装置所出现位置概率分布的不确定度来求得置信度。当在计算此概率分布时，目标装置从某位置移动到另一位置的移转概率分布也被同时考虑。而置信度指标的意含则在于能排除有关目标装置位置出现不确定度的量。能排除不确定度的量越多，此位置估测的置信度就越高。

本发明的置信度指标给定方法可包括几个主要的步骤。首先，决定出位置概率密度函数(location probability density function)。此位置概率密度函数是条件率密度函数p(q_t|o_t，q_t-1)，o_t是目标装置目前收到的无线信号(current receivedradio signal)，q_t-1是它的前一时刻的位置。然后，算出此位置概率密度函数的不确定度，和在目前情况下可能的最大不确定度。再算出此无线信号o_t的置信度。

配合下列图示、实施例的详细说明及权利要求书，将上述及本发明的其它目的与优点详述于后。

附图说明

图1为已知的目标装置的预估位置的误差估测决定方法的一个示意图。

图2为概要图，说明本发明无线系统中目标装置定位的置信度指标给定方法的主要流程。

图3说明隐藏式马可夫模型如何应用在定位系统中。

图4说明在四个不同位置所收到的无线信号，其相对应的四个概率分配函数。

图5a为目标装置移转至各取样点的移转概率的一个实施例。

图5b是以图5a为例，决定出的目标装置的位置概率密度函数。

图5c是以图5a为例，根据本发明得出在各取样点的置信度指标的一个实施例。

【主要组件符号说明】

具体实施方式

如前所述，无线定位系统通常以两时段来处理，一为训练阶段，另一为追踪定位阶段。本发明是在追踪定位时，有了目标装置目前时刻t收到的信号o_t和此目标装置的前一时刻的位置q_t-1，去算出位置估测的置信度指标。图2说明本发明无线系统中定位的置信度指标给定方法的主要流程。

参考图2，首先，决定出目标装置的位置概率密度函数p(q_t|o_t，q_t-1)，如步骤201所示。此位置概率密度函数可有多种范例。不失一般性，以下此位置概率密度函数采用后(posterior)概率密度函数p(q_t|o_t，q_t-1)为例来说明。

接下来，算出此位置概率密度函数p(q_t|o_t，q_t-1)的不确定度U(Q_t|o_t，q_t-1)和在目前情况下可能的最大不确定度，如步骤202所示。根据这些不确定度，再算出此无线信号o_t的置信度指标R(o_t)，如步骤203所示。以下进一步说明此三个步骤201-203的具体操作。

在步骤201中，此位置概率密度函数p(q_t|o_t，q_t-1)是条件率密度函数p(q_t|o_t，q_t-1)，o_t是目标装置目前收到的无线信号(current received radio signal)，q_t-1是它的前一时刻的位置。严谨说来，此目标装置的位置概率密度函数p(q_t|o_t，q_t-1)可将隐藏式马可夫模型(Hidden Markov Model，HMM)应用在定位系统中而估算出来的。图3进一步说明隐藏式马可夫模型如何应用在定位系统中。图3中，此隐藏式马可夫模型是由两位置的移转概率(transition probabilitybetween two locations)以及在特定位置的信号观察值(observation at location)概率所组成的。目标装置的位置概率(probability of location)可以通过此两位置的移转概率与在特定位置的信号观察值概率而求得。

当时间从t-1至t+1，目标装置沿着三个位置q_t-1、q_t和q_t+1移动，例如P(q_t|q_t-1)表示从时间t-1至t，目标装置沿着q_t-1和q_t移动。并且，于量测过程(measurement process)时，报告收到的无线信号的观察值，此观察值是仅与对应时刻的位置有关的量。不失一般性，目标装置在位置所报告的观察值形成了一种概率分配(probability distribution)，并且是一种条件概率的型式。换句话说，条件概率P(o_t＝m_t|q_t＝s_t)意指目标装置在位置s_t的观察值为m_t的概率。

图4说明在四个不同位置(例如，四个样本点SP1-SP4)所收到的无线信号，其相对应的四个概率分配函数PDF1-PDF4。通常，这些位置-观察值的条件概率(location-conditioned probabilities of observations)可视为是彼此无关的(independent with each other)。也就是P(o_t＝m_t，o_t-1＝m_t-1|q_t＝s_t，q_t-1＝s_t-1)＝P(o_t＝m_t|q_t＝s_t)P(o_t-1＝m_t-1|q_t-1＝s_t-1)。甚且，目标装置的目前时刻的位置可视为仅与其最后所在位置有关。也就是说两位置的移转模式(transition model)是遵循此马可夫型式P(q_t＝s_t|q_t-1＝s_t-1，q_t-1＝s_t-2，...q₀＝s₀)＝P(q_t＝s_t|q_t-1＝s_t-1)。

因为无法直接取得目标装置的位置q_t-1、q_t和q_t+1，所以本发明通过一系列的观察值(a series of observations)o_t-1、o_t和o_t+1来估测出目标装置的位置。

根据上述，所以此位置概率密度函数p(q_t|o_t，q_t-1)可从下列公式得到：

$p\left(q_t\right|o_t,q_{t-1})=\frac{p(q_t,o_t|q_{t-1})}{p\left(o_t\right|q_{t-1})}.$

因为观察值仅与目标装置的目前时刻有关，因此，位置概率密度函数p(q_t|o_t，q_t-1)的分子p(q_t，o_t|q_t-l)也可以用下列式子来表示：

p(q_t，o_t|q_t-1)＝p(o_t|q_t，q_t-1)p(q_t|q_t-1)＝p(o_t|q_t)p(q_t|q_t-1)。

根据贝氏定理，位置概率密度函数p(q_t|o_t，q_t-1)的分母p(o_t|q_t-1)可从下列公式得到：

$\mathrm{\Sigma p}\left(o_t\right|{\tilde{q}}_t)p\left({\tilde{q}}_t\right|q_{t-1}).$

其中是目标装置在t时刻从前一时刻t-1的位置q_t-l至一个可能位置(possible location的移转概率(transition probability)。此移转概率可假设是遵循HMM。

目标装置的移动模型和位置的位置概率分配可用来计算位置估测的不确定度。

在步骤202中，此位置概率密度函数p(q_t|o_t，q_t-1)的不确定度U(Q_t|o_t，q_t-1)可以是位置概率密度函数的自我隐含讯息的函数，例如平均量。不确定度U(Q_t|o_t，q_t-1)可由下列公式计算得出：

U(Q_t|o_t，q_t-1)＝H(Q_t|o_t，q_t-1)＝-∑p(q_t|o_t，q_t-1)log₂ p(q_t|o_t，q_t-1)，其中，

Q_t＝目标装置在t时刻所有可能的位置；

o_t＝目标装置在t时刻收到的特定观察值；

p(q_t|o_t，q_t-1)＝已知收到o_t且目标装置在前一时刻t-1估测出的位置为q_t-1，目标装置在t时刻的位置是q_t的概率；

H(Q_t|o_t，q_t-1)＝位置概率分配p(q_t|o_t，q_t-1)的熵(entropy)。

值得注意的是，H(Q_t|o_t，q_t-1)可再以下列公式来表示：

$H\left(Q_t\right|o_t,q_{t-1})=\underset{q_t\in Q_t}{\Sigma }\frac{p(q_t,o_t|q_{t-1})}{p\left(o_t\right|q_{t-1})}{\log }_2\frac{p\left(o_t\right|q_{t-1})}{p(q_t,o_t|q_{t-1})},$其中

$p\left(o_t\right|q_{t-1})=\underset{{\tilde{q}}_t\in Q_t}{\Sigma }p\left(o_t\right|{\tilde{q}}_t)p\left({\tilde{q}}_t\right|q_{t-1}),$而p(q_t，o_t|q_t-1)＝p(o_t|q_t)p(q_t|q_t-1)。

而所有可能的概率分配中最大熵(maximum entropy)的值是发生在当所有可能的位置在相同条件下是相同概率时，并且此最大熵的值为log₂(|Q_t|)，其中|Q_t|是在t时刻所有可能位置的数目(total number of all possible locations)。

根据信息熵的含义(meaning of the information entropy)，熵的值越大，估测出的位置就有越多的不确定度。也就是说，此预测(prediction)越不可靠(lessreliable)。所以，置信度可以视为在此预测里，能排除有关目标装置位置出现不确定性的量。能排除不确定性的量越多，即此位置估测的置信度就越高。

本发明将目标装置的位置估测的置信度指标定义为下列两者的函数，一为目标装置的目前位置，另一为在相同条件下所有可能的概率分配中，最大的熵。所以在步骤203中，本发明的置信度指标将根据目标装置的位置预测里，能排除多少有关此目标装置的位置不确定性的量而定。定义此置信度指标R(o_t)的一个范例如下：

$R\left(o_t\right)=\sqrt{1-\frac{H\left(Q_t\right|o_t,q_{t-1})}{{\log }_2\left(\right|Q_t\left|\right)}}\times 100\%,$

其中，|Q_t|是目标装置在t时刻的所有可能位置的数目；而如前所述，log₂(|Q_t|)是相同条件下，所有可能的概率分配中的最大的熵。

值得注意的是，当所有可能的概率分配中，如果有可达到最大熵的概率分配者，则表示预估出的位置可能是任意被选出的(randomly selected)，而此置信度指标R(o_t)的值就会是0％。如果已经知道收到的信号的观察值，当目标装置在某一格子/取样点(grid/sample point)有概率值是1，则此置信度指标R(o_t)的值就会是100％。

以下以四个位置，取样点SP1-SP4，为例，详细说明如何将不确定度的量测(uncertainty measurement)应用至位置估测的置信度的报告上，其中，假设已知的无线定位系统环境和初始条件如下：(a)已收到某一无线信号，(b)目标装置在前一时刻的位置假设在取样点SP1，亦即q_t-1＝SP1，并且假设从SP1移转至各取样点的移转概率如图5a所示。图5a中，符号O_t代表目标装置在t时刻所收到的信号，并且在四个位置所收到的信号分别以1、2、3和4来表示。

据此，根据本发明图2的步骤201及上述说明，决定出的目标装置的位置概率密度函数p(q_t|o_t，q_t-1)，如图5b所示。最后，根据置信度指标R(o_t)的范例

$R\left(o_t\right)=\sqrt{1-\frac{H\left(Q_t\right|o_t,q_{t-1})}{{\log }_2\left(\right|Q_t\left|\right)}}\times 100\%,$

得出在各取样点的置信度指标，如图5c所示。

从图5c的结果，可以看出最低的置信度指标值是46.36％，也就是当收到的特定观察值o_t等于3时。换句话说，最不可靠的观察值(most unreliableobservation)是信号3，其原因可归咎于在取样点SP3的观察值，其原本的概率分配(inherited probability distribution)就具有较大的变异。

综上所述，本发明在追踪定位时，当获知目标装置的无线信号后，使用此目标装置的移动模型和位置的位置概率分配来决定位置估测的不确定性，进而得出位置估测的置信度指标。置信度根据位置预测中能排除的位置不确定度(location uncertainty)而定。位置的后概率分配的不确定度越低，此位置估测的置信度就越高。