采取TOA与RSS融合方式的自适应定位方法、设备和系统

摘要

本发明提供了采取TOA与RSS融合方式的自适应定位方法、设备和系统。所述适应定位设备包括：观测结果采集器，用于收集关于所述目标发射的信号的到达时间(TOA)结果和接收信号强度(RSS)结果；TOA结果计数器，用于确定输入的所述TOA结果的数目；以及位置计算器，用于根据所述TOA结果的数目来选择计算所述目标的位置的策略，并根据所选策略计算所述目标的位置。所述设备可以根据TOA结果的数目来自适应地选择定位策略。相对于现有技术，本发明的自适应定位方法、设备和系统具有自适应性、可靠性、精确性、可扩展性、低成本等特点。

说明书

技术领域

本发明一般地涉及目标的定位策略，更具体而言，本发明提供了鲁棒而精确的自适应定位方法、设备和系统，用于集成基于RSS(接收信号强度)的定位策略以及基于TOA(到达时间)的定位策略的优势。

背景技术

数字化的不断加强推动计算机网络朝着“普适性信息社会”的方向发展。通过移动设备、微型无线标识标签(tag)、传感器网络等能够提供响应于实体位置的各种服务。位置信息在人们日常生活中非常重要。NTTSoCoMo的调查显示，世界上85％的信息与位置有关，移动系统上5％的数据服务与位置有关。基于位置的服务(Location based service，LBS)致力于精确地识别个人的位置，以及通过将位置信息应用到各种市场和服务来向用户提供更加个性化和令人满意的移动服务。

LBS在多种工业和个人应用中被视为一种必需服务，例如办公室生产率的提高、医院交互平台、紧急情况应对系统、儿童/宠物监控、数据访问控制、建筑物安全、公共交通、机器人导航、供应链管理、电子商务等等。一种典型应用是提高办公室生产率。在办公室环境中，要求雇员在某一安全区域内访问机密信息数据库。在该区域之外，任何访问都将被禁止。例如，不同组的成员可以在他们的工作区内访问他们组的信息数据库，或者某些安全计算机仅仅在它们处于某一区域内时才能被使用。以上这些原则可以通过使用LBS来实现。这样一来。位置信息可以被视为一种物理密钥，以便增强认证、授权和计费(AAA)应用。这在防止黑客攻击需要高度安全保障的公司(例如银行和国防部门)中的中央服务器计算机时尤其有用，因为它不仅需要数字密钥，还需要物理密钥。而且，LBS可以在日常工作生活中带给用户新的人机交互体验。当用户在计算机前面时，计算机知道该用户是谁并在屏幕上自动显示他/她的桌面。想象一下，当用户正在观看一段视频时，如果用户出于某种原因而突然离开，计算机可以智能地暂停该视频。并且当用户回来时，计算机将继续播放该视频文件。这里还包括其他示例，例如，如果有找用户的电话打进来，该电话呼叫可以被自动路由到靠近用户的电话。而且，LBS在雇员没有固定办公桌而是可以占用任意可用空间的办公室环境中尤其有用，因为定位系统可以提供显示交互式的实时地图的能力，所述实时地图能够示出谁在办公室内以及他们的位置。

在现有技术中，存在很多被称为“定位策略”的位置确定方法和技术可被用来提供位置信息。但是，没有一种现有策略能够在所有预期环境(例如室内、郊区峡谷和开阔地域)中都以足够的精确度有效地工作。这些定位策略采用不同的媒介信号，例如红外、光、超声波或射频(RF)信号。它们中的每一种可能在某些情况下具有优势，但是也具有各自的缺点。例如，RSS和TOA是最常用的定位策略。基于RF的方法使用RSS来根据RF信号的传播模型指示发送者和接收者之间的距离，并且使用RSS方法的定位系统可以测量不超过数百米的距离。但是，基于RSS的定位系统的性能容易受到环境变化(例如多路径和噪声)的影响。超声波方法将超声波速度乘以TOA(到达时间)来测量距离。基于TOA的定位方法可以提供高精确度的解决方案，但是其由于超声波的快速衰减而只能处理几米距离内的位置测量。

综上所述，基于TOA的定位策略和基于RSS的定位策略的普遍缺点被总结如下：

(1)基于RSS的方法可以提供大覆盖范围，但是定位精确度低；

(2)基于TOA的方法可以提供高精确度的解决方案，但是覆盖范围很小。

由此可见，我们相信如果能够提供一种基于RSS和TOA的融合的多模式定位策略，则多种信号的融合可以提供在单独使用超声波或RF信号时无法获得的优势。具体而言，RSS和TOA的优势(即RSS的长距离传播特性和TOA的精确定位特性)应该被集成，从而提供一种精确的、稀疏部署的并且低成本的定位系统。

下面，将首先对现有技术中的一些传统的定位技术进行简单介绍。传统定位方法一般可以分成两类：1)基于RSS的定位方法；和2)基于TOA的定位方法。它们都被称为单模式定位策略。

基于RSS的定位方法的一个示例是Padmanabhan提出的“Radar”系统(在Proc.IEEE INFOCOM中，Bahl，P.Padmanabhan V.N.RADAR：anin-building RF-based user location and tracking system)，其中经验RSS在离线阶段以(t，x，y，d，RSSI)的形式被记录以指示在不同位置和朝向上的RSS，并且在实时阶段，通过计算观察到的RSS和记录的经验RSS集合之间的(信号空间中的)距离执行三角测量，以找到最佳匹配观察到的RSS的位置。题为“Location of wireless node using signal strength weightingmetric”的Dietrich的美国专利No.7116988提出一种差分信号强度度量，用来计算在各个无线接收器对处检测到的RSS之差，而不是使用无线节点发射的RF的绝对接收信号强度或功率。具体而言，该发明将在多对无线电接收器处检测到的信号强度值之差与按RF环境模型表征的相应差值相比较。

基于TOA的定位方法的典型示例是A.Smith在“Tracking MovingDevices with the Cricket Location System”(Proc.ACM MOBISYS Conf.，Boston，MA，2004年7月)中提出的“Cricket”系统。在该系统中，在建筑物中布满cricket信标。每个信标包含RF和超声波发射器，并且周期性地同时发送RF信号和超声波脉冲。包含超声波接收器的超声波监听器被附接到想要定位的目标。接收的RF信号被用于时间同步，随后的超声波的TOA被测量以指示其传播时间。到多个信标的距离是通过将TOA乘以超声波的速度来计算的。然后，监听器利用最小二乘法(LSQ)和扩展Kalman滤波(EKF)方法来计算其自己的位置。

基于TOA的定位方法的另一示例是A.Ward等人提出的“Bat”系统，这是一种用于活动办公室的新定位技术(IEEE PersonalCommunications，4(5)：42-47，1997年10月)。与“Cricket”系统类似，“Bat”系统采用基本的基于TOA的定位方法，其首先通过测量超声波信号的TOA信息来计算目标和参考点之间的距离，然后利用多边算法来三角测量目标的位置。“Bat”系统与“Cricket”系统的差别在于“Bat”是一种跟踪系统而“Cricket”是一种导航系统，在所述跟踪系统中，多个超声波接收器被安装在天花板上，而超声波发射器附接到目标，而在导航系统中，多个超声波发射器被安装在天花板上，超声波接收器被附接到目标。

在基于RSS的解决方案中，Dietrich的差分方法和“Radar”系统都采用RF指纹(RF fingerprint)技术，即将移动目标的信号强度与包含覆盖区域的RF物理模型的数据库相比较。但是，在室内RF环境中遇到的多路径现象在定位移动目标的精确位置时会带来某些困难，因为RF信号的反射和吸收将影响信号强度的相关。具体而言，在“Radar”系统中，需要费力构建针对每种感兴趣的物理环境的经验RSS数据集合。该过程在环境改变时需要被重复。因此，定位误差很大。这对于需要精确定位的应用来说无法令人满意。

在基于TOA的解决方案中，需要密集部署超声波检测器来克服超声波短距离衰减的特性，以提高系统可扩展性。“Cricket”和“Bat”系统都是如此，因此系统部署和维护的成本很高。此外，由于系统中存在更多节点(传感器)，因此定位网络变得更加复杂。另一方面，在“Cricket”系统中，EKF是计算密集性的，不适合于嵌入式的低速处理器，而LSQ需要至少三个TOA测量结果才能给出位置估计。

现有技术中没有提供将RSS和TOA的优点相融合的解决方案。在传统的基于TOA的定位系统中，RF信号一般仅仅被用作时间同步信号，但是其有用信息(例如RSS)没有被很好地利用。除此之外，基础设施(接收器/发射器)的拓扑信息很少被使用，而拓扑信息在无法获得距离测量结果时往往是非常有用的。例如，当接收器无法监听到目标时，我们可以高概率猜测目标远离该接收器。另一方面，传统的定位算法(例如三角测量)需要至少三个同时测量的TOA结果才能确定一个位置。这一条件由于动态环境变化、不可靠的链路以及目标的移动有时难以满足，从而导致定位失败的比率很高。

发明内容

基于以上分析，我们相信，通过对RSS、TOA和拓扑信息的综合应用，可以设计一种有效的多模式定位方法，以使得能够在变化的环境中实现具有所需精确度和可扩展性的位置确定。

本发明提供了一种鲁棒而精确的自适应定位方法、设备和系统，其将RSS和TOA定位的优势(例如RSS的长距离传播特性和TOA的精确定位特性)集成在一起，并且克服了现有技术中的单模式定位策略各自的缺陷。具体而言，本发明的自适应定位系统既使用RF也使用超声波信号，因此该定位系统不仅能够检测超声波的TOA信息，也能够测量RF信号的RSS信息。这里应该注意，本发明提出的自适应定位策略独立于系统基础设施，就是说，其不仅可应用于跟踪模式(多接收器，一个发射器被附接到目标)的系统，也可应用于导航模式(多发射器，一个接收器被附接到目标)的系统。

本发明的定位算法是自适应的，其可以根据超声波检测的TOA结果的数量和RF信号的RSS来自适应地选择适当的位置计算策略。基本上，当TOA检测结果的数量大于等于3时采用三角测量，以获得很好的定位精确度。对于两个TOA检测结果的情形，提出一种远近过滤器(Near-Farfilter)方法来利用拓扑信息辅助三角测量，从而给出唯一并且精确的位置估计。对于只有一个TOA检测结果的情形，RF信号的RSS信息被用作附加范围指示以找到唯一的位置估计。对于没有TOA检测结果的情形，RSS结果和移动目标的历史定位信息被用于定位。另外，在本发明的自适应定位系统中还可以包括一个快速TOA可靠性过滤器，其作为一种预处理步骤，用于过滤掉TOA测量结果中的异常值(outlier)，例如由于超声波的反射所引起的测量值，从而进一步提高定位鲁棒性。

具体而言，根据本发明第一方面，提出了一种自适应定位目标的方法，其包括：收集关于所述目标发射的信号的到达时间(TOA)结果和接收信号强度(RSS)结果；确定收集的所述TOA结果的数目；以及根据所述TOA结果的数目来选择计算所述目标的位置的策略，并根据所选策略计算所述目标的位置。

根据本发明第二方面，提出了一种自适应定位目标的设备，其包括：观测结果采集器，用于收集关于所述目标发射的信号的到达时间(TOA)结果和接收信号强度(RSS)结果；TOA结果计数器，用于确定收集的所述TOA结果的数目；以及位置计算器，用于根据所述TOA结果的数目来选择计算所述目标的位置的策略，并利用所选策略计算所述目标的位置。

根据本发明第三方面，提出了一种用于自适应定位目标的系统，包括：检测设备，其包括用于发射和检测第一信号的第一信号收发器和用于发射和检测第二信号的第二信号收发器；附接到所述目标的目标设备，其包括用于发射和检测第一信号的第一信号收发器和用于发射和检测第二信号的第二信号收发器；以及自适应定位装置，用于根据所述第一信号的到达时间(TOA)结果和所述第二信号的接收信号强度(RSS)结果来自适应地选择定位策略以计算所述目标的位置。

根据本发明第四方面，提出了一种使用上述系统对目标进行跟踪的方法，包括：所述目标设备广播所述第二信号；所述检测设备测量并记录所述第二信号的所述RSS结果；所述目标设备广播所述第一信号；所述检测设备测量并记录所述第一信号的所述TOA结果；以及所述自适应定位装置接收所述TOA结果和RSS结果，以计算所述目标的位置。

根据本发明第五方面，提出了一种使用上述系统对目标进行导航的方法，包括：所述检测设备广播所述第二信号；所述目标设备测量并记录所述第二信号的所述RSS结果；所述检测设备广播所述第一信号；所述目标设备测量并记录所述第一信号的所述TOA结果；以及所述自适应定位装置接收所述测量的TOA结果和RSS结果，以计算所述目标的位置。

根据本发明第六方面，提出了另一种自适应定位目标的方法，包括：收集关于所述目标发射的信号的多个到达时间(TOA)结果；从所述TOA结果中选择三个满足最大分离标准的TOA结果，所述最大分离标准使得所选的三个TOA结果所对应的接收位置之间的分离程度最大；并且对所选的三个TOA结果执行三角测量以计算所述目标的位置。

根据本发明第七方面，提出了另一种用于自适应定位目标的设备，包括：到达时间(TOA)结果收集器，用于收集关于所述目标发射的信号的多个TOA结果；TOA结果选择器，用于从所述TOA结果收集器所收集的TOA结果中选择三个满足最大分离标准的TOA结果，所述最大分离标准使得所选的三个TOA结果所对应的接收位置之间的分离程度最大；以及三角测量器，用于对所述TOA结果选择器所选的三个TOA结果执行三角测量以计算所述目标的位置。

本发明提出的自适应多模式定位策略与现有技术相比具有很多优点，例如自适应性、可靠性、精确性、可扩展性、低成本等等。下面将具体说明。

●自适应性：本发明的自适应定位算法可以根据TOA检测结果的数目和RSS被自适应地选择；

●可靠性：快速异常值删除算法可以过滤掉TOA测量结果中的异常值，从而提高定位鲁棒性；

●精确性：传统的三角测量需要至少三个TOA测量结果才能确定一个位置。但是，在本发明的自适应定位系统中，不再需要这样的限制。当可以获得三个或更多TOA测量结果时，系统精确度与传统的三角测量算法相同。在只有两个TOA结果的情况下(传统的三角测量在此情况下无法提供解决方案)，本发明的系统基于提出的远近过滤器来提供精确的定位结果。在一个TOA或没有TOA结果的情况下，本发明的系统的精确度也将好于传统的纯RSS定位方法的精确性。

●可扩展性：本发明的自适应定位策略不仅可应用于跟踪模式的系统，也可应用于导航模式的系统。基于此，该定位系统可以在利用稀疏传感器部署的情况下实现更大的覆盖区域扩展，同时定位精确度可以很好地保持。此外，本发明的融合策略可被扩展到更多TOA和RSS测量结果。

●低成本：本发明的自适应定位系统的成本很低，并且计算密集度也大大降低。

附图说明

结合附图，从下面对本发明优选实施例的详细描述，将更好地理解本发明，附图中类似的参考标记指示类似的部分，其中：

图1是示出根据本发明的自适应定位系统100的整体构造的框图；

图2A是示出图1所示系统100处于跟踪模式时的工作流程的流程图；

图2B是示出图1所示系统100处于导航模式时的工作流程的流程图；

图3是详细示出根据本发明的自适应定位设备300的内部框图；

图4是示出图3中的TOA结果过滤器的工作过程的示例400的流程图；

图5是示出图3所示自适应定位设备的整体工作过程的示例500的流程图；

图6A是示出根据本发明，用于利用多个TOA测量结果进行目标定位的多TOA位置计算器的一个示例的内部结构的框图；

图6B是示出根据“最大分离标准”进行TOA测量结果选择的示意图；

图7是用于说明存在两个TOA测量结果的情况下的定位策略的示意图；

图8是用于说明存在一个TOA测量结果的情况下的定位策略的示意图；以及

图9是用于说明不存在TOA测量结果的情况下的定位策略的示意图。

具体实施方式

图1是示出根据本发明的自适应定位系统100的整体构造的框图。如图所示，作为示例，系统100由移动目标110所携带的目标设备102、作为观察者的检测设备120以及中央信息服务器111构成，其中中央信息服务器111包含自适应定位设备101。作为示例，在图1中的检测设备120具有独立定位器(POD)结构，即包含头设备103和叶设备104。关于POD的详细说明，在本申请的申请人所递交的另一题为“独立定位器以及自治超声波定位系统和方法”的申请(申请日：2008年1月29日，申请号No.200810006317.0)中有所描述，该申请通过引用被整体上结合于此以用于所有目的。当然，检测设备120并不局限于POD的结构，其他能够用于检测目标设备所发射的信号的设备也可被使用。下面，将以包含头设备和叶设备的POD为例说明检测设备120在系统100中的操作。自适应定位设备101是根据本发明的核心部件，其接收检测设备120测量到的关于目标设备102发射的超声波和RF信号的TOA与RSS测量结果，选择适当的定位策略进行计算以跟踪和定位移动目标110的位置。这里虽然将自适应定位设备101示为被包含在独立存在的中央信息服务器111中，但是这仅仅是一个示例，本发明并不局限于此，本领域技术人员容易理解，根据系统工作模式和应用需求，自适应定位设备101可以被集成到检测设备120(例如POD的头设备104)或目标设备102中。另外，虽然图1示出作为观察者的头设备103和叶设备104被集成为单个独立设备，并且在工作状态中，头设备和叶设备之间具有已知的固定结构拓扑关系，但是这仅仅是一个示例，本发明并不局限于此，本领域技术人员容易理解，头设备103和叶设备104也可以被实现为相互分离的独立设备并被分散部署，只要能够已知它们的空间坐标即可(参见申请No.200810006317.0中所述)。与现有技术所公开的定位系统相比，POD由于其独特的结构属性而具有高度精确、容易部署、无需校准、低成本以及容易协调等特点。因此，在下文以及附图中，以POD为例示出并描述头设备和叶设备的结构拓扑关系。但是，如上所述，头设备和叶设备的部署并不局限于所述示例。

如图1所示的根据本发明的自适应定位系统100既可以工作在导航模式中也可以工作在跟踪模式中。在导航模式中，多个发射器作为基础设施进行操作，由移动目标携带的接收器监听多个发射器发送的信号并计算其自身的位置，即移动目标的位置。在跟踪模式中，由移动目标携带发射器，多个接收器充当基础设备，监听发射器发送的信号并跟踪移动发射器以计算移动目标的位置。如图1所示，根据本发明的自适应定位系统100被设计用于分层的定位系统，其一般包含检测设备120(例如包含头设备103和叶设备104的POD)和目标设备102。其中，头设备可以是装配有RF模块和超声波模块的微控制器，叶设备可以是仅装配有超声波模块的微控制器，而目标设备可以是装配有RF模块和超声波模块的微控制器，并且目标设备被附接到移动目标。该自适应定位系统100已知头设备和叶设备的位置，即空间坐标，并可以工作在导航模式和跟踪模式中。

图2A和2B分别示出系统100在跟踪模式和导航模式中的工作流程，其中图2A是示出图1所示系统100处于跟踪模式时的工作流程的流程图；并且图2B是示出图1所示系统100处于导航模式时的工作流程的流程图。

首先参考图2A，在跟踪模式中，系统100的工作流程200a开始于目标设备102发射RF信号以与头设备103同步(步骤201a)。然后，在步骤202a中，头设备103经由目标设备102发送的RF信号与目标设备102同步，测量RF信号的RSS并同步多个叶设备104以监听随后目标设备102将发送的超声波脉冲。接下来，在步骤203a中，目标设备102开始广播超声波。在来自目标设备102的超声波脉冲被头设备103和叶设备104检测到时，各个叶设备104测量超声波的TOA(步骤204a)。随后，在步骤202a中由头设备103测量得到的RF信号的RSS结果和在步骤204a中由叶设备104测量得到的超声波TOA结果被发送到自适应定位设备101，在步骤205a中，自适应定位设备101对获得的TOA和RSS结果进行自适应融合以计算移动目标110的位置。在跟踪模式中，根据应用需求，自适应定位设备101可以位于独立存在的中央信息服务器111中，也可以被包括在头设备103中。当自适应定位设备101位于独立存在的中央信息服务器111中时，测量得到的TOA和RSS结果均被发送到基本查询111以用于定位计算。当自适应定位设备101位于头设备103中时，由叶设备104测量的TOA结果可以被发送到头设备103，并由头设备103中的自适应定位设备101进行定位计算。

接下来参考图2B，其示出系统100在导航模式中的工作流程200b。如上所述，在导航模式中，由移动目标110携带的目标设备102充当发射器，而头设备103和叶设备104充当接收器(检测器)。在导航模式中，系统100的工作流程200b开始于头设备103广播RF信号以与目标设备102同步，并且头设备103还同步叶设备104以广播超声波(步骤201b)。然后，在步骤202b中，目标设备102经由RF信号与头设备103同步，并测量RF信号的RSS。此时，目标设备102可以开始监听头设备103和叶设备104随后将发送的超声波。接下来，在步骤203b中，头设备103和叶设备104广播超声波。在步骤204b中，当目标设备102检测到来自头设备/叶设备的超声波时，其测量超声波的TOA。随后，在步骤202b中由目标设备102测量得到的RF信号的RSS结果和在步骤204b中由目标设备102测量得到的超声波TOA结果被发送到自适应定位设备101，在步骤205b中，自适应定位设备101对获得的TOA和RSS结果进行自适应融合以计算移动目标110的位置。在导航模式中，根据应用需求，自适应定位设备101可以位于独立存在的中央信息服务器111中，也可以被包括在目标设备102中。当自适应定位设备101位于独立存在的中央信息服务器111中时，测量得到的TOA和RSS结果均被发送到基本查询111以用于定位计算。当自适应定位设备101位于目标设备102中时，由于TOA和RSS结果均由目标设备102测量得到，因此目标设备102中的自适应定位设备101可以进行定位计算。

以上参考附图描述了根据本发明的自适应定位系统100及其操作流程。下面，将参考图3-8来进一步描述根据本发明的自适应定位策略以及使用该策略的自适应定位设备101。

首先参考图3，其详细示出根据本发明的自适应定位设备300的内部框图。所述自适应定位设备300例如是图1所示系统100中的自适应定位设备101。如上所述，根据不同的工作模式和应用需求，在系统中，该自适应定位设备300可以被包括在独立的服务器中，或者被集成为目标设备102或头设备103的一部分。

自适应定位设备300被设计成一种实时的通用信息处理设备。其输入是同时测量的TOA和RSS检测结果，输出是移动目标的唯一位置估计结果。由于RSS的覆盖范围比TOA大得多，因此以非常高的概率，RSS测量结果是可获得的。但是，对于TOA，由于目标移动以及超声波的快速衰减，可获得的TOA测量结果的数目经常根据实时条件的不同而发生很大变化。有时，只有两个或一个TOA结果可获得，有时甚至无法获得TOA结果。对于这些情况，根据本发明的自适应定位设备被设计为对于TOA的数目是自适应的，其还将RSS结果、定位系统的拓扑信息，甚至历史定位信息引入到定位策略中以确定唯一的位置估计。

如图3所示，自适应定位设备300包括观测结果采集器301、TOA结果过滤器304、TOA结果计数器302、位置计算器303以及历史数据存储器305。观测结果采集器301收集来自外部的TOA结果和RSS结果，以提供到位置计算器303计算移动目标的位置。位置计算器303采用自适应的TOA与RSS融合策略来计算移动目标的位置。具体而言，位置计算器303根据收集的TOA结果的数目来自适应地选择不同的定位策略，以实现鲁棒而精确的自适应定位。随后将对位置计算器303的自适应定位策略作详细描述。历史数据存储器305存储有关于移动目标的历史定位数据，这些历史定位数据可以在收集的TOA结果的数目不足三个的情况下，被位置计算器303用作参考，以提高定位的精确度。

由观测结果采集器301收集的TOA结果可以首先被提供到TOA结果过滤器304，该TOA结果过滤器304是一个可选的预处理部件，用于从收集的所有TOA结果中过滤出不可靠的TOA测量结果。在超声波被障碍物反射的情况下，测量得到的距离将比直接路径距离大得多。这种反射的信号将导致不希望看到的定位误差，这种定位误差被称为“异常值”，应该被从同时的距离估计中消除掉。

图4是示出图3中的TOA结果过滤器的工作过程的示例400的流程图。该过滤过程的基本想法是两个发射器-接收器距离之差不能大于这两个接收器之间的距离。但是，成对比较测量结果是非常耗时的，因此，本发明提出一种快速过滤算法。下面将参考图4来详细描述。

如图4所示，在步骤401中，首先输入所有TOA检测结果{T_OAⁱ}，其中i表示第i接收器(即观察者)。另外，还输入任意两个接收器之间的距离E_ij，表示第i和第j接收器之间的距离。如上所述，作为接收器的头设备和叶设备的空间坐标是已知的，因此可以容易获得距离E_ij。

首先，在步骤402中，对所有TOA结果进行粗过滤，即删除掉明显太大或太小的TOA结果，其中将TOA结果与预定的高阈值和低阈值进行比较，以在步骤403中丢弃在高阈值和低阈值所限定的范围之外的那些TOA结果。然后，剩余的TOA结果被汇集为TOA结果池(T_OA¹，T_OA²，...T_OAⁿ)，n表示经粗过滤后剩余TOA结果的数目(步骤404)。

然后在步骤405中，剩余的TOA结果被转化为距离d_i＝T_OAⁱ*Speed_ultrasound，以用于随后的处理。在步骤406中，这样计算出的所有测量距离被汇集为距离值池(d₁，d₂，...，d_n)。然后，过程进行到范围异常值丢弃过程，即对剩余的TOA结果进行进一步细过滤。

在该算法中，我们假设最小的TOA测量值是最可靠的。基于此，所有距离值按递增的顺序被排序，并将其中的最小和最大距离值记作d_i和d_j(步骤407)。在判定步骤408中，如果i＝j，则说明此时距离值池中剩余的所有距离值所对应的TOA测量值都是可靠的，可以被用于随后的定位计算(步骤409)。如果在判定步骤408中判定i≠j，则根据如下三角不等式来确定距离d_i和d_j对应的TOA测量值的可靠性：

$>\left(\begin{array}{c}{d}_i-d_j<E_{i,j}\\ d_i+d_j>E_{i,j}\end{array}\right)---\left(1\right)$>

就是说，在步骤410中，判断距离d_i和d_j是否满足d_j-d_i＞E_i，j。如果是，则说明此时的最大距离d_j很可能是由于信号反射而引起的异常值，因此在步骤412中，距离d_j被丢弃，并且考虑距离值池中的下一个最大距离。如果不满足d_j-d_i＞E_i，j，则说明此时的最大距离d_j可以被看作超身波信号的直接路径，其对应的TOA结果是可靠结果，因此在步骤411中，j＝j-1，进一步考虑距离值池中的下一个最大距离。以上过程重复进行，直到距离值池中的所有剩余距离都是可靠距离为止，随后这些可靠距离所对应的可靠TOA测量结果可以被用于随后的定位过程。

图5是示出图3所示自适应定位设备的整体工作过程的示例500的流程图。

如图所示，该过程开始于步骤501，其中观测结果采集器301收集TOA和RSS测量结果。然后，在步骤502中，TOA结果过滤器304根据图4所示操作对收集的TOA结果进行过滤。随后在步骤503中，根据经过滤后剩余的TOA结果的数目分类选择不同的定位策略。如图3所示，位置计算器303中的定位策略选择器3031根据TOA结果计数器302对TOA结果的计数值分别选择不同的位置计算模块以计算移动目标的位置。例如，当TOA结果的数目大于2时，多TOA位置计算器3032被调用，当TOA结果的数目等于2时，两TOA位置计算器3033被调用，当TOA结果的数目等于1时，单TOA位置计算器3034被调用，当不存在TOA结果时，零TOA位置计算器3035被调用。其中，对于一个TOA结果或没有TOA结果的情况，需要参考来自历史数据存储器305的历史定位信息。

返回图5，当在步骤503中确定存在大于2个TOA结果时，过程前进到步骤504a，其中多TOA位置计算器3032利用TOA三角测量方法来计算移动目标的位置。当在步骤503中确定TOA结果的数目等于2时，过程前进到步骤504b，其中由于TOA结果的数目不足三个，因此需要参考定位系统的拓扑信息，这里提出一种远近过滤器被用于结合TOA结果计算移动目标的位置。关于远近过滤器以及TOA结果数目等于2的情况下的定位策略随后将详细介绍。另外，当在步骤503中确定TOA结果的数目等于1时，过程前进到步骤504c，其中除了TOA结果之外，还需要参考预先获得的RSS结果，并结合来自历史数据存储器305的历史定位信息来计算移动目标的位置。关于TOA结果数目为1情况下的定位策略随后将详细描述。当在步骤503中确定不存在TOA结果时，过程前进到步骤504d，其中RSS结果被利用，并同时参考来自历史数据存储器305的历史定位信息来计算移动目标的位置。关于不存在TOA结果情况下的定位策略随后将详细描述。然后，计算出的移动目标的位置在步骤505处被输出。随后，过程500结束。

下面，将参考图6A、6B以及图7-9来详细描述在TOA结果数目大于2、等于2、等于1、等于0的情况下用于计算移动目标的位置的自适应TOA和RSS融合定位过程。

(1)TOA结果数目大于2的情形

传统上，当有三个或更多TOA测量结果可获得时，三角测量通常被用来计算目标的位置。假设总共存在k个可靠的TOA测量结果，则由这些TOA结果确定的距离所给出的约束函数如下：

$>2\left(\begin{array}{ccc}{x}_k-x_1& y_k-y_1& z_k-z_1\\ ·& ·& ·\\ ·& ·& ·\\ ·& ·& ·\\ x_k-x_{k-1}& y_k-y_{k-1}& z_k-z_{k-1}\end{array}\right)\left(\begin{array}{c}x\\ y\\ z\end{array}\right)=\left(\begin{array}{c}(d_1^2-d_k^2)-(x_1^2-x_k^2)-(y_1^2-y_k^2)-(z_1^2-z_k^2)\\ ·\\ ·\\ ·\\ (d_{k-1}^2-d_k^2)-(x_{k-1}^2-x_k^2)-(y_{k-1}^2-y_k^2)-(z_{k-1}^2-z_k^2)\end{array}\right)---\left(2\right)$>

器中，(x₁，y₁，z₁)...(x_k，y_k，z_k)是提供这k个可靠的TOA测量结果的叶设备的坐标，并且(d₁，...，d_k)是相应的测量距离。

令$>A=\left(\begin{array}{ccc}{x}_k-x_1& y_k-y_1& z_k-z_1\\ ·& ·& ·\\ ·& ·& ·\\ ·& ·& ·\\ x_k-x_{k-1}& y_k-y_{k-1}& z_k-z_{k-1}\end{array}\right)$>$>b=\left(\begin{array}{c}(d_1^2-d_k^2)-(x_1^2-x_k^2)-(y_1^2-y_k^2)-(z_1^2-z_k^2)\\ ·\\ ·\\ ·\\ (d_{k-1}^2-d_k^2)-(x_{k-1}^2-x_k^2)-(y_{k-1}^2-y_k^2)-(z_{k-1}^2-z_k^2)\end{array}\right),$>

则等式(2)可被重写为AX＝b。该等式可以通过最小二乘法(LSQ)来求解，就是说，找到X＝[x，y，z]^T以使得‖AX-b‖₂最小化。如果A是一个非奇异矩阵，则结果为：

X＝(A^TA)^-1A^Tb    (3)

综上所述，在TOA结果的数目大于2的情况下，等式(3)可以被用于计算移动目标的唯一位置。

然而，上述传统的使用所有可靠TOA测量结果来计算目标位置的多点测量方法对于诸如POD之类设备效率不高，因为这样的多点测量方法需要消耗大量计算成本，从而使POD设备负担过重。为此，根据一个实施例，本发明提出一种结构化三点测量方法，用以优化目标定位结果。图6A和6B示出根据本发明的该结构化三点测量方法的具体细节。

具体地讲，根据本发明的结构化三点测量方法的核心在于TOA测量结果的精炼(或选择)。如图6A所示，根据本发明，在观测结果采集器301收集到多于两个TOA测量结果时，多TOA位置计算器3032被调用，以利用三角测量计算移动目标的位置。在该实施例中，多TOA位置计算器3032可以包括TOA结果选择器601和三角测量器602，其中当收集到的TOA测量结果的数目大于3时，TOA结果选择器601从收集到的TOA结果中选择3个TOA结果，三角测量器602对所选TOA结果执行三角测量，以计算移动目标的位置。

这里，TOA测量结果的选择可以基于以下规则：收集到TOA结果的接收器之间的分离程度越大，定位结果则越精确。相反，如果接收器之间的分离程度很小，例如三个接收器处于一条直线上，定位结果的精确度则可能很低。因此，我们可以基于“最大分离标准”来选择三个TOA结果，即，使得接收器之间的距离尽可能地大，以得到更加精确的定位结果。所述“最大分离标准”例如可以使得所选TOA结果之间的相互距离最大，或者使得所选TOA结果所构成的三角形的面积最大。

例如，在图6B所示示例中，以POD设备为例示出基于“最大分离标准”选择TOA结果的情况。显而易见，这里仅仅为了便于说明而以POD设备为例进行描述，本发明的原理并不局限于应用到POD之类具有固定结构的设备的情况，在接收器分散分布在空间中的情况下，本发明同样适用。

在针对POD设备的情况下，由于POD具有固定的结构拓扑，因此可以容易地根据POD上的可能的三点分布来定义接收器之间的分离程度。如图6B所示，在该示例中，POD设备具有六边形形状，因此可以存在四种可能的不同三点分布，如图6B中的(a)、(b)、(c)和(d)所示。依图6B中的顺序，中心的头设备被标记为0，周围的叶设备被依次标记为1-6。

对于情况(a)，候选的三点分布例如可以是由接收器(1，3，5)或(2，4，6)所构成的大等边三角形，在此情况下，总共存在两种可能分布。对于情况(b)，三点分布可以是由节点(1，3，4)或(1，2，4)所构成的三角形，在此情况下，总共存在12种可能分布。对于情况(c)，三点分布例如可以是由节点(1，2，6)或(0，2，6)所构成的三角形，在此情况下，总共存在12种可能分布。对于情况(d)，三点分布例如可以是由节点(0，1，2)或(0，2，3)所构成的三角形，在此情况下，总共存在6种可能分布。

显而易见，在图6B所示POD设备的示例中，TOA结果之间的分离程度可以被排序为：(a)＞(b)＞(c)＞(d)。就是说，在情况(a)下的三点分布具有最大分离程度，从而使得与该情况相对应的三个TOA测量结果应该具有最高优先级被选择用于三角测量，以进行目标定位。相反，与情况(d)相对应的TOA结果代表最小分离程度，因此在选择时具有最低优先级，但是其仍旧可以被用于目标定位。至于除了图6B所示情形之外的其他三点分布，例如处于一条直线上的(1，0，4)，其TOA结果将被放弃，因为这种情况下无法进行精确的目标定位。

本领域技术人员显而易见，“最大分离标准”并不局限于在POD之类固定结构设备上的应用，而是可以拓展应用到任意分散布置的情况。

(2)TOA结果数目等于2的情形

在仅仅存在2个TOA结果的情况下，传统的三角测量方法无法应用。为了给出唯一而精确的位置估计，本发明提出一种远近过滤器，用来利用空间中的拓扑信息对三角测量算法提供约束条件，从而计算移动目标的位置。在此情况下，首先假设目标在z轴方向上移动缓慢，因此可以将z的最近历史估计值z_h用作移动目标在被测量时的z轴坐标。根据该假设，问题被简化成二维，并且由距离测量给出的函数如下：

$>\left(\begin{array}{c}{(x_1-x)}^2+{(y_1-y)}^2=d_1^2-{(z_1-z_h)}^2\\ {(x_2-x)}^2+{(y_2-y)}^2=d_2^2-{(z_2-z_h)}^2\end{array}\right)---\left(4\right)$>

通过求解以上等式，可以获得两个解。如图7所示，这两个解实际上是两个观察圆C1和C2的交点X1和X2。这里，观察圆C1和C2分别被定义为在z＝z_h的平面上，以检测到相应TOA测量结果的接收器设备(头设备或叶设备)为圆心并且以和为半径，其中l_1，TOA和l_2，TOA分别为第一和第二TOA结果所对应的距离。如图7所示，两个交点被记作X₁＝{x₁′，y₁′}和X₂＝{x₂′，y₂′}。根据本发明，用于从这两个解之中确定一个唯一解的方法基于以下事实：从移动目标到其他无法提供TOA测量结果的叶设备的距离必需超过超声波的可检测距离。超声波的可检测距离被定义为接收器能够在其中收听到发射器发送的超声波的距离。该距离应该与发射功率、信噪比等等有关。该距离是一个标量值，被记作U。

因此，根据本发明，可以从无法提供TOA检测结果的叶设备中随机地选择一个叶设备(记作A)，并计算从该叶设备A到两个估计位置(X₁，X₂)的距离。如果AX₁≤U并且AX₂＞U，在此情况下，说明X₂超出A的可检测距离，应该确定为唯一的位置估计。否则，如果AX₁＞U，AX₂＞U或者AX₁≤U，AX₂≤U，则需要选择无法提供TOA检测结果的另一个叶设备重复以上检测，直到找到移动目标的唯一位置估计为止。由此可见，在TOA结果数目等于2的情况下，定位系统的拓扑信息被用于辅助三角测量，以确定移动目标的位置。

(3)TOA结果数目等于1的情形

在只有一个TOA结果可获得的情况下，由头设备(或目标设备)记录的RSS结果被用于辅助移动目标的定位。这里通过以下等式给出RSS距离模型：

$>P\left(d\right)\left[\mathrm{dbm}\right]=P\left(d_0\right)\left[\mathrm{dbm}\right]-10m\log \left(\frac{d}{d_0}\right)-\left(\begin{array}{cc}\mathrm{mW}*\mathrm{WAF}& \mathrm{mW}<C\\ C*\mathrm{WAF}& \mathrm{mW}\ge C\end{array}\right)---\left(5\right)$>

其中，m指示路径损耗随距离增大的速率，P(d₀)是在某个参考距离d₀上的信号功率，并且d是发射器-接收器(T-R)间隔距离。C是使得衰减因子产生差别的最大障碍物(墙)数目，nW是发射器和接收器之间的障碍物(墙)的数目，WAF是衰减因子。一般而言，m和WAF的值取决于建筑物布局和建筑材料，它们是通过经验获得的。P(d₀)的值可以通过经验获得，或者通过硬件规范获得。

在只有一个TOA测量结果的情况下，如图8所示，基于TOA的距离和通过等式(5)计算出的距离可以确定两个在z＝z_h平面上的观察圆，分别记作C_TOA和C_RSS。这里与具有两个TOA结果的情形一样，假设移动目标在Z轴方向上移动缓慢。其中，C_TOA是基于TOA结果确定的圆，其以提供该TOA结果的叶设备为圆心，并以为半径(TOA圆)，其中l_TOA是TOA结果对应的距离。C_RSS是基于RSS结果确定的圆，其以头设备为圆心，以为半径(RSS圆)，其中l_RSS为所述RSS结果对应的距离。如图8所示，由于基于RSS的距离测量结果可能发生很大变化，因此RSS圆实际上是一个环，而不是一个圆。假设该环的宽度为2σ。因此RSS圆和TOA圆的相交部分是两段交叉弧，而非两个交叉点。为了确定移动目标的唯一位置，可以利用来自历史数据存储器305的历史定位信息。具体而言，在获得两个交叉弧之后，移动目标的唯一位置可以通过找到两段弧上最接近可靠历史位置的点来获得。其中，例如，可靠历史位置可以是通过两个或更多TOA结果计算出的位置。因此，该过程可以被表示为以下等式(6)：

X_est＝arg min‖X_i-X_Previous‖₂，其中i是交叉弧上的点，(6)

(4)不存在TOA结果的情形

在不存在TOA结果的情况下，只有RSS结果可被使用。这时历史定位信息可被用于辅助位置估计。如图9所示，类似于图8所示存在一个TOA结果的情形，根据RSS结果可以在z＝z_h平面上确定一个RSS圆，该圆以头设备为圆心，以为半径，其中l_RSS为RSS结果对应的距离。此时，移动目标的唯一位置是通过找到RSS圆上的所有候选点中最接近可靠历史位置的点来获得的。

由于基于RSS的距离测量会受到RF的多路径影响而变得不稳定，因此仅仅基于RSS信息推断出的位置不十分可靠，在环境复杂(例如移动的人)的情况下尤其如此。因此，在根据本发明的自适应定位策略中，这种基于RSS的定位情形是效果最差的。实际上，仅仅接收到RF并且没有TOA结果的情形总是发生在远离定位系统中心的位置上。为了尽可能地避免仅仅接收到RSS结果的情形发生，我们建议在监控区域中部署更多的POD(或其他形式的检测器)，并且多个POD的融合可以提供更可靠的TOA信息以用于定位。

以上分别参考附图详细描述了根据本发明的TOA和RSS融合自适应定位方法、设备和系统，根据上述描述可以看出，本发明具有以下效果：

本发明的自适应定位算法可以根据TOA检测结果的数目和RSS被自适应地选择。其中的快速异常值删除算法可以过滤掉TOA测量结果中的异常值，从而提高定位鲁棒性。

传统的三角测量需要至少三个TOA测量结果才能确定一个位置。但是，在本发明的自适应定位系统中，不再需要这样的限制。当可以获得三个或更多TOA测量结果时，系统精确度与传统的三角测量算法相同。在只有两个TOA结果的情况下(传统的三角测量在此情况下无法提供解决方案)，本发明的系统基于提出的远近过滤器来提供精确的定位结果。在一个TOA或没有TOA结果的情况下，本发明的系统的精确度也将好于传统的纯RSS定位方法的精确性。

本发明的自适应定位策略不仅可应用于跟踪模式的系统，也可应用于导航模式的系统。基于此，该定位系统可以在利用稀疏传感器部署的情况下实现更大的覆盖区域扩展，同时定位精确度可以很好地保持。此外，本发明的融合策略可被扩展到更多TOA和RSS测量结果。

另外，本发明的自适应定位系统的成本很低，并且计算密集度也大大降低。

在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神之后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

本发明可以以其他的具体形式实现，而不脱离其精神和本质特征。例如，特定实施例中所描述的算法可以被修改，而系统体系结构并不脱离本发明的基本精神。因此，当前的实施例在所有方面都被看作是示例性的而非限定性的，本发明的范围由所附权利要求而非上述描述定义，并且，落入权利要求的含义和等同物的范围内的全部改变从而都被包括在本发明的范围之中。