WO2019218291A1 - 用于对定位数据滤波的方法和装置 - Google Patents

用于对定位数据滤波的方法和装置 Download PDF

Info

Publication number
WO2019218291A1
WO2019218291A1 PCT/CN2018/087199 CN2018087199W WO2019218291A1 WO 2019218291 A1 WO2019218291 A1 WO 2019218291A1 CN 2018087199 W CN2018087199 W CN 2018087199W WO 2019218291 A1 WO2019218291 A1 WO 2019218291A1
Authority
WO
WIPO (PCT)
Prior art keywords
filters
positioning data
filter
current time
calculating
Prior art date
Application number
PCT/CN2018/087199
Other languages
English (en)
French (fr)
Inventor
于华俊
崔乐
王炜
张明亮
Original Assignee
罗伯特·博世有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 罗伯特·博世有限公司 filed Critical 罗伯特·博世有限公司
Priority to EP18918812.1A priority Critical patent/EP3796028A4/en
Priority to PCT/CN2018/087199 priority patent/WO2019218291A1/zh
Priority to CN201880091126.0A priority patent/CN111837048B/zh
Priority to US17/055,494 priority patent/US20210215488A1/en
Publication of WO2019218291A1 publication Critical patent/WO2019218291A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S2205/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S2205/01—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations specially adapted for specific applications
    • G01S2205/02—Indoor

Definitions

  • the positioning data prediction value for each of the two filters at the current time is based on the predicted value of the positioning data for the filter at the previous time, and is calculated Calculated for the mixed input of the filter, a given and invariant transition matrix, a given and invariant observation matrix, and the coefficient gain of the current time (eg, but not limited to, using equation (3) ) Calculated).

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

一种用于对定位数据滤波的方法和装置，该方法包括：接收定位引擎当前时刻输出的定位数据（302）；利用由两个不同的滤波器组成的交互式多模型对基于所接收的定位数据的待处理定位数据进行滤波，以得到已滤波的定位数据（306）。利用该方法和装置，能够提高定位的准确性和鲁棒性。

Description

用于对定位数据滤波的方法和装置 技术领域
本发明涉及定位领域，尤其涉及用于对定位数据滤波的方法、装置和处理设备以及定位设备和计算机可读存储介质。
背景技术
室内定位技术是一种用于对位于室内的目标对象(例如，人员、车辆等)进行定位的技术，其在室内的不同位置布置多个信号发射源，然后由定位引擎根据从这些信号发射源中的若干个信号发射源接收的信号连续地计算目标对象的定位数据并输出所计算的定位数据。室内定位技术在许多不同的领域中得到了广泛地应用。
由于遮挡和各个信号发射源之间的不良同步的缘故，用于室内定位的定位引擎所计算的定位数据经常与目标对象的真实位置有差距并且也不太稳定。为此，现有技术已经提出利用一个滤波器(例如，均值滤波器、卡尔曼滤波器等)来对定位引擎输出的定位数据进行滤波以提供定位的准确性和鲁棒性。然而，目前这种利用一个滤波器来对定位引擎输出的定位数据进行滤波的技术，对定位的准确性和鲁棒性的提高还不太令人满意。
发明内容
考虑到现有技术的以上问题，本发明的实施例提供一种用于对定位数据滤波的方法、装置和处理设备以及定位设备和计算机可读存储介质，其能够提高定位的准确性和鲁棒性。
按照本发明的实施例的一种用于对定位数据滤波的方法，包括：接收定位引擎当前时刻输出的定位数据；以及，利用由两个不同的滤波器组成的交互式多模型对基于所接收的定位数据的待处理定位数 据进行滤波，以得到已滤波的定位数据。
按照本发明的实施例的一种用于对定位数据滤波的装置，包括：接收模块，用于接收定位引擎当前时刻输出的定位数据；以及，滤波模块，用于利用由两个不同的滤波器组成的交互式多模型对基于所接收的定位数据的待处理定位数据进行滤波，以得到已滤波的定位数据。
按照本发明的实施例的一种用于对定位数据滤波的处理设备，包括：处理器；以及，存储器，其存储有可执行指令，所述可执行指令当被执行时使得所述处理器执行前述方法所包括的操作。
按照本发明的实施例的一种机器可读存储介质，其上具有可执行指令，当所述可执行指令被执行时，使得机器执行前述方法所包括的操作。
按照本发明的实施例的一种定位设备，包括：定位引擎，用于连续地计算目标对象的定位数据并输出所计算的定位数据；以及，前述的处理设备。
本发明的实施例的方案利用由两个滤波器组成的交互式多模型来对定位引擎输出的定位数据进行滤波，由于与单个滤波器相比，组合两个滤波器的滤波结果而得到的定位更加准确和稳定，因此，与现有技术相比，本发明的实施例的方案能够提高定位的准确性和鲁棒性。
附图说明
本发明的其它特征、特点、益处和优点通过以下结合附图的详细描述将变得更加显而易见。其中：
图1示出了按照本发明的一个实施例的定位设备的结构示意图；
图2示出了按照本发明的一个实施例的用于对定位数据滤波的方法的总体流程图；
图3示出了按照本发明的一个实施例的用于对定位数据滤波的方法的示意图；
图4示出了按照本发明的一个实施例的用于对定位数据滤波的 装置的示意图；
图5示出了按照本发明的一个实施例的用于对定位数据滤波的处理设备的示意图；以及
图6示出了按照本发明的一个实施例的定位设备的示意图。
具体实施方式
下面将参考附图详细描述本发明的各个实施例。
图1示出了按照本发明的一个实施例的定位设备的结构示意图。如图1所示，定位设备10可以包括定位引擎20和处理设备30。定位引擎20用于例如根据从放置在室内的不同位置的多个信号发射源中的若干信号发射源接收的信号来连续地计算位于室内的目标对象T的定位数据并输出所计算的定位数据。处理设备30用于利用由卡尔曼一阶(first order：FO)滤波器和卡尔曼匀速(constant velocity：CV)滤波器组成的交互式多模型(Interacting Multiple Model，简称IMM)P来对定位引擎20各个时刻输出的定位数据进行滤波，以得到各个时刻的已滤波的定位数据，这将在下面参考图2详细说明。
图2示出了按照本发明的一个实施例的用于对定位数据滤波的方法的总体流程图。图2所示的方法200由处理设备30来实现。
如图2所示，在方框202，处理设备30接收定位引擎20当前时刻输出的定位数据。为了便于描述，假设当前时刻是k时刻，将定位引擎20当前时刻输出的定位数据表示为
Figure PCTCN2018087199-appb-000001
其也被称为由硬件***测量得到的观测值。
在方框206，处理设备30对所接收的定位数据
Figure PCTCN2018087199-appb-000002
进行预处理，得到待处理定位数据
Figure PCTCN2018087199-appb-000003
预处理的目的在于消除其明显偏离最近接收到的定位数据的那些异常的定位数据。例如但不局限于，如果定位数据
Figure PCTCN2018087199-appb-000004
被判定是异常的定位数据，则计算在当前时刻之前的多个时刻接收到的定位数据的平均值，作为待处理定位数据
Figure PCTCN2018087199-appb-000005
以及，如果定位数据
Figure PCTCN2018087199-appb-000006
被判定是正常的定位数据，则待处理定位数据
Figure PCTCN2018087199-appb-000007
是定位数据
Figure PCTCN2018087199-appb-000008
在方框210，处理设备30利用等式(1)计算当前时刻的交互式多模型P中的卡尔曼FO滤波器的滤波结果的占比
Figure PCTCN2018087199-appb-000009
(其表示在当前时刻的交互式多模型P中的卡尔曼FO滤波器和卡尔曼CV滤波器的滤波结果的总和中，当前时刻的交互式多模型P中的卡尔曼FO滤波器的滤波结果占据的比例)和当前时刻的交互式多模型P中的卡尔曼CV滤波器的滤波结果的占比
Figure PCTCN2018087199-appb-000010
(其表示在当前时刻的交互式多模型P中的卡尔曼FO滤波器和卡尔曼CV滤波器的滤波结果的总和中，当前时刻的交互式多模型P中的卡尔曼CV滤波器的滤波结果占据的比例)。
Figure PCTCN2018087199-appb-000011
其中，M 1表示交互式多模型P中的卡尔曼FO滤波器的马尔科夫链转移概率，M 2表示交互式多模型P中的卡尔曼CV滤波器的马尔科夫链转移概率，M 1和M 2是已给定的常数，
Figure PCTCN2018087199-appb-000012
表示上一时刻(即k-1时刻)的交互式多模型P选择卡尔曼FO滤波器的概率，
Figure PCTCN2018087199-appb-000013
表示上一时刻的交互式多模型P选择卡尔曼CV滤波器的概率，以及，
Figure PCTCN2018087199-appb-000014
在方框214，处理设备30利用等式(2)分别计算针对交互式多模型P中的卡尔曼FO滤波器的混合输入InputMixing A1和针对交互式多模型P中的卡尔曼CV滤波器的混合输入InputMixing A2。
Figure PCTCN2018087199-appb-000015
其中，
Figure PCTCN2018087199-appb-000016
表示上一时刻的交互式多模型P中的卡尔曼FO滤波器输出的初步滤波结果，以及，
Figure PCTCN2018087199-appb-000017
表示上一时刻的交互式多模型P中的卡尔曼CV滤波器输出的初步滤波结果。
在方框218，处理设备30利用等式(3)计算当前时刻的用于交互式多模型P中的卡尔曼FO滤波器的定位数据预测值
Figure PCTCN2018087199-appb-000018
和当前时 刻的用于交互式多模型P中的卡尔曼CV滤波器的定位数据预测值
Figure PCTCN2018087199-appb-000019
Figure PCTCN2018087199-appb-000020
其中，F k表示给定且不变的转移矩阵，H表示给定且不变的观测矩阵，
Figure PCTCN2018087199-appb-000021
表示上一时刻的用于交互式多模型P中的卡尔曼FO滤波器的定位数据预测值，
Figure PCTCN2018087199-appb-000022
表示上一时刻的用于交互式多模型P中的卡尔曼CV滤波器的定位数据预测值，K k表示当前时刻的系数增益，
Figure PCTCN2018087199-appb-000023
R表示给定且不变的测量噪声的协方差，
Figure PCTCN2018087199-appb-000024
表示当前时刻的先验协方差矩阵，
Figure PCTCN2018087199-appb-000025
Q表示给定且不变的处理噪声协方差，
Figure PCTCN2018087199-appb-000026
表示上一时刻的的先验协方差矩阵。
在方框222，处理设备30使用交互式多模型P中的卡尔曼FO滤波器对定位数据预测值
Figure PCTCN2018087199-appb-000027
进行滤波，所得到的滤波结果作为当前时刻的交互式多模型P中的卡尔曼FO滤波器的初步滤波结果
Figure PCTCN2018087199-appb-000028
以及，使用交互式多模型P中的卡尔曼CV滤波器对定位数据预测值
Figure PCTCN2018087199-appb-000029
进行滤波，所得到的滤波结果作为当前时刻的交互式多模型P中的卡尔曼CV滤波器的初步滤波结果
Figure PCTCN2018087199-appb-000030
在方框226，处理设备30利用等式(4)计算针对交互式多模型P中的卡尔曼FO滤波器的滤波参数值eK A1和针对交互式多模型P中的卡尔曼CV滤波器的滤波参数值eK A2。
Figure PCTCN2018087199-appb-000031
其中，P noise表示给定且不变的测量噪声的协方差。
在方框230，处理设备30利用等式(5)计算当前时刻的交互式多模型P选择卡尔曼FO滤波器的概率
Figure PCTCN2018087199-appb-000032
和当前时刻的交互式多模型P选择卡尔曼CV滤波器的概率
Figure PCTCN2018087199-appb-000033
Figure PCTCN2018087199-appb-000034
在方框234，处理设备30利用等式(6)计算交互式多模型P的滤波输出Output，作为交互式多模型P对当前时刻的待处理定位数据
Figure PCTCN2018087199-appb-000035
的滤波结果。
Figure PCTCN2018087199-appb-000036
然后，在方框234之后，流程返回到方框202，以对定位引擎下一时刻(即k+1时刻)输出的定位数据
Figure PCTCN2018087199-appb-000037
进行滤波。
本实施例的方案利用由两个滤波器(即，卡尔曼FO滤波器和卡尔曼CV滤波器)组成的交互式多模型来对定位引擎输出的定位数据进行滤波，由于与单个滤波器相比，组合两个滤波器的滤波结果而得到的定位更加准确和稳定，因此，本实施例的方案能够提高定位的准确性和鲁棒性。
其它变型
本领域技术人员将理解，虽然在上面的实施例中，当前时刻的用于交互式多模型P中的卡尔曼FO滤波器的定位数据预测值和当前时刻的用于交互式多模型P中的卡尔曼CV滤波器的定位数据预测值是利用等式(3)计算得到的，然而，本发明并不局限于此。在本发明的其它一些实施例中，也可以将利用等式(4)计算的针对交互式多模型P中的卡尔曼FO滤波器的滤波参数值eK A1，作为当前时刻的用于交互式多模型P中的卡尔曼FO滤波器的定位数据预测值，以及，将利用等式(4)计算的针对交互式多模型P中的卡尔曼CV滤波器 的滤波参数值eK A2，作为当前时刻的用于交互式多模型P中的卡尔曼CV滤波器的定位数据预测值，在这种情况下，利用等式(3)计算的
Figure PCTCN2018087199-appb-000038
和
Figure PCTCN2018087199-appb-000039
分别是当前时刻的用于交互式多模型P中的卡尔曼FO滤波器的辅助计算值和当前时刻的用于交互式多模型P中的卡尔曼CV滤波器的辅助计算值。
本领域技术人员将理解，虽然在上面的实施例中，方法200包括方框206以对所接收的定位数据
Figure PCTCN2018087199-appb-000040
进行预处理，然而，本发明并不局限于此。在本发明的其它一些实施例中，方法200也可以不包括方框206，在这种情况下，待处理定位数据
Figure PCTCN2018087199-appb-000041
就是所接收的定位数据
Figure PCTCN2018087199-appb-000042
本领域技术人员将理解，虽然在上面的实施例中，交互式多模型P由卡尔曼FO滤波器和卡尔曼CV滤波器组成，然而，本发明并不局限于此。在本发明的其它一些实施例中，交互式多模型P可以例如由卡尔曼FO滤波器和卡尔曼CV滤波器的其中一个和另一个其它的滤波器(例如，均值滤波器等)组成，或者，例如由除了卡尔曼FO滤波器和卡尔曼CV滤波器之外的其它两个滤波器来组成。
本领域技术人员将理解，本发明的方案不但适用于室内定位的情形，也适用于室外定位的情形。
图3示出了按照本发明的一个实施例的用于对定位数据滤波的方法的流程图。如图3所示的方法300可以由处理设备30或其它合适的设备来实现。
如图3所示，方法300可以包括，在方框302，接收定位引擎当前时刻输出的定位数据。
方法300还可以包括，在方框306，利用由两个不同的滤波器组成的交互式多模型对基于所接收的定位数据的待处理定位数据进行滤波，以得到已滤波的定位数据。这里，所述待处理定位数据可以是所接收的定位数据或对所接收的定位数据进行预处理后得到的定位数据。
在第一方面，方框306可以包括：获取所述当前时刻的所述两个 滤波器各自的初步滤波结果，其与所述待处理定位数据相关(例如但不局限于，通过方框210-222来实现)；计算所述当前时刻的所述两个滤波器各自的被选择概率，其中，所述当前时刻的每一个滤波器的被选择概率表示在所述当前时刻处所述交互式多模型选择该滤波器的概率(例如但不局限于，通过方框210-230来实现)；以及，计算所述当前时刻的所述两个滤波器各自的初步滤波结果与被选择概率的乘积之和，作为所述已滤波的定位数据(例如但不局限于，利用等式(6)计算得到)。
在第二方面，所述获取所述当前时刻的所述两个滤波器各自的初步滤波结果包括：基于所述两个滤波器各自的马尔科夫链转移概率和在所述当前时刻之前的上一时刻的所述两个滤波器各自的被选择概率，计算所述当前时刻的所述两个滤波器各自的滤波结果占比(例如但不局限于，利用等式(1)计算得到)，其中，所述当前时刻的所述两个滤波器中的任一滤波器的滤波结果占比表示在所述当前时刻的所述两个滤波器的滤波结果总和中，所述当前时刻的该任一滤波器的滤波结果所占据的比例；计算针对所述两个滤波器各自的混合输入(例如但不局限于，利用等式(2)计算得到)，其中，针对每一个滤波器的混合输入是基于所述待处理定位数据、所述上一时刻的该滤波器的初步滤波结果、所述两个滤波器各自的马尔科夫链转移概率和所述上一时刻的所述两个滤波器各自的被选择概率而计算的；计算所述当前时刻的用于所述两个滤波器中的每一个滤波器的定位数据预测值(例如但不局限于，利用等式(3)计算得到)；以及，通过利用所述两个滤波器中的每一个滤波器对所述当前时刻的用于该滤波器的定位数据预测值进行滤波，获得所述当前时刻的所述两个滤波器各自的初步滤波结果(例如但不局限于，通过方框222来实现)。
在第三方面，所述当前时刻的用于所述两个滤波器中的每一个滤波器的定位数据预测值是基于所述上一时刻的用于该滤波器的定位数据预测值、所计算的针对该滤波器的混合输入、给定且不变的转移矩阵、给定且不变的观测矩阵、以及所述当前时刻的系数增益而计算的(例如但不局限于，利用等式(3)计算得到)。
在第四方面，所述计算所述当前时刻的用于所述两个滤波器中的每一个滤波器的定位数据预测值包括：计算所述当前时刻的用于所述两个滤波器中的每一个滤波器的辅助计算值，其是基于所述上一时刻的用于该滤波器的辅助计算值、所计算的针对该滤波器的混合输入、给定且不变的转移矩阵、给定且不变的观测矩阵、以及所述当前时刻的系数增益而计算的(例如但不局限于，利用等式(3)计算得到)；以及，确定所述当前时刻的用于所述两个滤波器中的每一个滤波器的定位数据预测值，其是基于所述待处理定位数据、所述当前时刻的用于该滤波器的辅助计算值和给定且不变的测量噪声的协方差而计算的(例如但不局限于，利用等式(4)计算得到)。
在第五方面，所述计算当前时刻的所述两个滤波器各自的被选择概率包括：计算针对所述两个滤波器各自的滤波参数值，其中，针对所述两个滤波器中的每一个滤波器的滤波参数值是基于所述待处理定位数据、所述当前时刻的用于该滤波器的定位数据预测值和给定且不变的测量噪声的协方差而计算的(例如但不局限于，利用等式(4)计算得到)；以及，基于针对所述两个滤波器各自的滤波参数值和所述当前时刻的所述两个滤波器各自的滤波结果占比，确定所述当前时刻的所述两个滤波器各自的被选择概率(例如但不局限于，利用等式(5)计算得到)。
在第六方面，方法200还可以包括：对所述接收的定位数据进行预处理，以得到所述待处理定位数据(例如但不局限于，通过方框206来实现)。
图4示出了按照本发明的一个实施例的用于对定位数据滤波的装置的示意图。图4所示的装置400可以利用软件、硬件或软硬件结合的方式来执行。图4所示的装置400例如可以安装在处理设备30或其它合适的设备中。
如图4所示，装置400可以包括接收模块402和滤波模块406。接收模块402用于接收定位引擎当前时刻输出的定位数据。滤波模块406用于利用由两个不同的滤波器组成的交互式多模型对基于所接收 的定位数据的待处理定位数据进行滤波，以得到已滤波的定位数据。
在第一方面，滤波模块406包括：获取模块，用于获取所述当前时刻的所述两个滤波器各自的初步滤波结果，其与所述待处理定位数据相关；第一计算模块，用于计算所述当前时刻的所述两个滤波器各自的被选择概率，其中，所述当前时刻的每一个滤波器的被选择概率表示在所述当前时刻处所述交互式多模型选择该滤波器的概率；以及，第二计算模块，用于计算所述当前时刻的所述两个滤波器各自的初步滤波结果和被选择概率的乘积之和，作为所述已滤波的定位数据。
在第二方面，所述获取模块包括：第三计算模块，用于基于所述两个滤波器各自的马尔科夫链转移概率和在所述当前时刻之前的上一时刻的所述两个滤波器各自的被选择概率，计算所述当前时刻的所述两个滤波器各自的滤波结果占比，其中，所述当前时刻的所述两个滤波器中的任一滤波器的滤波结果占比表示在所述当前时刻的所述两个滤波器的滤波结果总和中，所述当前时刻的该任一滤波器的滤波结果所占据的比例；第四计算模块，用于计算针对所述两个滤波器各自的混合输入，其中，针对每一个滤波器的混合输入是基于所述待处理定位数据、所述上一时刻的该滤波器的初步滤波结果、所述两个滤波器各自的马尔科夫链转移概率和所述上一时刻的所述两个滤波器各自的被选择概率而计算的；第五计算模块，用于计算所述当前时刻的用于所述两个滤波器中的每一个滤波器的定位数据预测值；以及，获得模块，用于通过利用所述两个滤波器中的每一个滤波器对所述当前时刻的用于该滤波器的定位数据预测值进行滤波，获得所述当前时刻的所述两个滤波器各自的初步滤波结果。
在第三方面，所述当前时刻的用于所述两个滤波器中的每一个滤波器的定位数据预测值是基于所述上一时刻的用于该滤波器的定位数据预测值、所计算的针对该滤波器的混合输入、给定且不变的转移矩阵、给定且不变的观测矩阵、以及所述当前时刻的系数增益而计算的。
在第四方面，所述第五计算模块包括：第六计算模块，用于计算 所述当前时刻的用于所述两个滤波器中的每一个滤波器的辅助计算值，其是基于所述上一时刻的用于该滤波器的辅助计算值、所计算的针对该滤波器的混合输入、给定且不变的转移矩阵、给定且不变的观测矩阵、以及所述当前时刻的系数增益而计算的；以及，第一确定模块，用于确定所述当前时刻的用于所述两个滤波器中的每一个滤波器的定位数据预测值，其是基于所述待处理定位数据、所述当前时刻的用于该滤波器的辅助计算值和给定且不变的测量噪声的协方差而计算的。
在第五方面，所述第一计算模块包括：第七计算模块，用于计算针对所述两个滤波器各自的滤波参数值，其中，针对所述两个滤波器中的每一个滤波器的滤波参数值是基于所述待处理定位数据、所述当前时刻的用于该滤波器的定位数据预测值和给定且不变的测量噪声的协方差而计算的；以及，第二确定模块，用于基于针对所述两个滤波器各自的滤波参数值和所述当前时刻的所述两个滤波器各自的滤波结果占比，确定所述当前时刻的所述两个滤波器各自的被选择概率。
在第六方面，装置400还可以包括：预处理模块，用于对所述接收的定位数据进行预处理，以得到所述待处理定位数据。
图5示出了按照本发明的一个实施例的用于对定位数据滤波的处理设备的示意图。如图5所示，处理设备500可以包括处理器502和与处理器502耦合的存储器504。其中，存储器504存储有可执行指令，所述可执行指令当被执行时使得处理器502执行图2所示的方法200或图3所示的方法300。处理设备500可以由处理设备30或其它合适的设备来实现。
本发明实施例还提供一种机器可读存储介质，其上具有可执行指令，当所述可执行指令被执行时，使得机器执行图2所示的方法200或图3所示的方法300。
图6示出了按照本发明的一个实施例的定位设备的示意图。如图6所示，定位设备600可以包括定位引擎602和处理设备606。定位引擎602连续地计算目标对象的定位数据并向处理设备606输出所计算的定位数据，定位引擎602可以例如但不局限于由定位引擎20来实现。处理设备606可以例如但不局限于由处理设备500来实现。
本领域技术人员应当理解，上面所公开的各个实施例可以在不偏离发明实质的情况下做出各种变形、修改和改变，这些变形、修改和改变都应当落入在本发明的保护范围之内。因此，本发明的保护范围由所附的权利要求书来限定。

Claims (17)

  1. 一种用于对定位数据滤波的方法，包括：
    接收定位引擎当前时刻输出的定位数据；以及
    利用由两个不同的滤波器组成的交互式多模型对基于所接收的定位数据的待处理定位数据进行滤波，以得到已滤波的定位数据。
  2. 如权利要求1所述的方法，其中，所述利用由两个不同的滤波器组成的交互式多模型对基于所接收的定位数据的待处理定位数据进行滤波包括：
    获取所述当前时刻的所述两个滤波器各自的初步滤波结果，其与所述待处理定位数据相关；
    计算所述当前时刻的所述两个滤波器各自的被选择概率，其中，所述当前时刻的每一个滤波器的被选择概率表示在所述当前时刻处所述交互式多模型选择该滤波器的概率；以及
    计算所述当前时刻的所述两个滤波器各自的初步滤波结果与被选择概率的乘积之和，作为所述已滤波的定位数据。
  3. 如权利要求2所述的方法，其中，所述获取所述当前时刻的所述两个滤波器各自的初步滤波结果包括：
    基于所述两个滤波器各自的马尔科夫链转移概率和在所述当前时刻之前的上一时刻的所述两个滤波器各自的被选择概率，计算所述当前时刻的所述两个滤波器各自的滤波结果占比，其中，所述当前时刻的所述两个滤波器中的任一滤波器的滤波结果占比表示在所述当前时刻的所述两个滤波器的滤波结果总和中，所述当前时刻的该任一滤波器的滤波结果所占据的比例；
    计算针对所述两个滤波器各自的混合输入，其中，针对每一个滤波器的混合输入是基于所述待处理定位数据、所述上一时刻的该滤波器的初步滤波结果、所述两个滤波器各自的马尔科夫链转移概率和所述上一时刻的所述两个滤波器各自的被选择概率而计算的；
    计算所述当前时刻的用于所述两个滤波器中的每一个滤波器的定位数据预测值；以及
    通过利用所述两个滤波器中的每一个滤波器对所述当前时刻的用于该滤波器的定位数据预测值进行滤波，获得所述当前时刻的所述两个滤波器各自的初步滤波结果。
  4. 如权利要求3所述的方法，其中，
    所述当前时刻的用于所述两个滤波器中的每一个滤波器的定位数据预测值是基于所述上一时刻的用于该滤波器的定位数据预测值、所计算的针对该滤波器的混合输入、给定且不变的转移矩阵、给定且不变的观测矩阵、以及所述当前时刻的系数增益而计算的。
  5. 如权利要求3所述的方法，其中，所述计算所述当前时刻的用于所述两个滤波器中的每一个滤波器的定位数据预测值包括：
    计算所述当前时刻的用于所述两个滤波器中的每一个滤波器的辅助计算值，其是基于所述上一时刻的用于该滤波器的辅助计算值、所计算的针对该滤波器的混合输入、给定且不变的转移矩阵、给定且不变的观测矩阵、以及所述当前时刻的系数增益而计算的；以及
    确定所述当前时刻的用于所述两个滤波器中的每一个滤波器的定位数据预测值，其是基于所述待处理定位数据、所述当前时刻的用于该滤波器的辅助计算值和给定且不变的测量噪声的协方差而计算的。
  6. 如权利要求4所述的方法，其中，所述计算当前时刻的所述两个滤波器各自的被选择概率包括：
    计算针对所述两个滤波器各自的滤波参数值，其中，针对所述两个滤波器中的每一个滤波器的滤波参数值是基于所述待处理定位数据、所述当前时刻的用于该滤波器的定位数据预测值和给定且不变的测量噪声的协方差而计算的；以及
    基于针对所述两个滤波器各自的滤波参数值和所述当前时刻的 所述两个滤波器各自的滤波结果占比，确定所述当前时刻的所述两个滤波器各自的被选择概率。
  7. 如权利要求1所述的方法，还包括：
    对所述接收的定位数据进行预处理，以得到所述待处理定位数据。
  8. 一种用于对定位数据滤波的装置，包括：
    接收模块，用于接收定位引擎当前时刻输出的定位数据；以及
    滤波模块，用于利用由两个不同的滤波器组成的交互式多模型对基于所接收的定位数据的待处理定位数据进行滤波，以得到已滤波的定位数据。
  9. 如权利要求8所述的装置，其中，所述滤波模块包括：
    获取模块，用于获取所述当前时刻的所述两个滤波器各自的初步滤波结果，其与所述待处理定位数据相关；
    第一计算模块，用于计算所述当前时刻的所述两个滤波器各自的被选择概率，其中，所述当前时刻的每一个滤波器的被选择概率表示在所述当前时刻处所述交互式多模型选择该滤波器的概率；以及
    第二计算模块，用于计算所述当前时刻的所述两个滤波器各自的初步滤波结果和被选择概率的乘积之和，作为所述已滤波的定位数据。
  10. 如权利要求9所述的装置，其中，所述获取模块包括：
    第三计算模块，用于基于所述两个滤波器各自的马尔科夫链转移概率和在所述当前时刻之前的上一时刻的所述两个滤波器各自的被选择概率，计算所述当前时刻的所述两个滤波器各自的滤波结果占比，其中，所述当前时刻的所述两个滤波器中的任一滤波器的滤波结果占比表示在所述当前时刻的所述两个滤波器的滤波结果总和中，所述当前时刻的该任一滤波器的滤波结果所占据的比例；
    第四计算模块，用于计算针对所述两个滤波器各自的混合输入，其中，针对每一个滤波器的混合输入是基于所述待处理定位数据、所述上一时刻的该滤波器的初步滤波结果、所述两个滤波器各自的马尔科夫链转移概率和所述上一时刻的所述两个滤波器各自的被选择概率而计算的；
    第五计算模块，用于计算所述当前时刻的用于所述两个滤波器中的每一个滤波器的定位数据预测值；以及
    获得模块，用于通过利用所述两个滤波器中的每一个滤波器对所述当前时刻的用于该滤波器的定位数据预测值进行滤波，获得所述当前时刻的所述两个滤波器各自的初步滤波结果。
  11. 如权利要求10所述的装置，其中，
    所述当前时刻的用于所述两个滤波器中的每一个滤波器的定位数据预测值是基于所述上一时刻的用于该滤波器的定位数据预测值、所计算的针对该滤波器的混合输入、给定且不变的转移矩阵、给定且不变的观测矩阵、以及所述当前时刻的系数增益而计算的。
  12. 如权利要求10所述的装置，其中，所述第五计算模块包括：
    第六计算模块，用于计算所述当前时刻的用于所述两个滤波器中的每一个滤波器的辅助计算值，其是基于所述上一时刻的用于该滤波器的辅助计算值、所计算的针对该滤波器的混合输入、给定且不变的转移矩阵、给定且不变的观测矩阵、以及所述当前时刻的系数增益而计算的；以及
    第一确定模块，用于确定所述当前时刻的用于所述两个滤波器中的每一个滤波器的定位数据预测值，其是基于所述待处理定位数据、所述当前时刻的用于该滤波器的辅助计算值和给定且不变的测量噪声的协方差而计算的。
  13. 如权利要求11所述的装置，其中，所述第一计算模块包括：
    第七计算模块，用于计算针对所述两个滤波器各自的滤波参数 值，其中，针对所述两个滤波器中的每一个滤波器的滤波参数值是基于所述待处理定位数据、所述当前时刻的用于该滤波器的定位数据预测值和给定且不变的测量噪声的协方差而计算的；以及
    第二确定模块，用于基于针对所述两个滤波器各自的滤波参数值和所述当前时刻的所述两个滤波器各自的滤波结果占比，确定所述当前时刻的所述两个滤波器各自的被选择概率。
  14. 如权利要求8所述的装置，还包括：
    预处理模块，用于对所述接收的定位数据进行预处理，以得到所述待处理定位数据。
  15. 一种用于对定位数据滤波的处理设备，包括：
    处理器；以及
    存储器，其存储有可执行指令，所述可执行指令当被执行时使得所述处理器执行权利要求1-7中的任意一个所述的方法。
  16. 一种机器可读存储介质，其上具有可执行指令，当所述可执行指令被执行时，使得机器执行权利要求1-7中的任意一个所述的方法。
  17. 一种定位设备，包括：
    定位引擎，用于连续地计算目标对象的定位数据并输出所计算的定位数据；以及
    如权利要求15所述的处理设备。
PCT/CN2018/087199 2018-05-17 2018-05-17 用于对定位数据滤波的方法和装置 WO2019218291A1 (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP18918812.1A EP3796028A4 (en) 2018-05-17 Method and device used for filtering positioning data
PCT/CN2018/087199 WO2019218291A1 (zh) 2018-05-17 2018-05-17 用于对定位数据滤波的方法和装置
CN201880091126.0A CN111837048B (zh) 2018-05-17 2018-05-17 用于对定位数据滤波的方法和装置
US17/055,494 US20210215488A1 (en) 2018-05-17 2018-05-17 Method and Device Used for Filtering Positioning Data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2018/087199 WO2019218291A1 (zh) 2018-05-17 2018-05-17 用于对定位数据滤波的方法和装置

Publications (1)

Publication Number Publication Date
WO2019218291A1 true WO2019218291A1 (zh) 2019-11-21

Family

ID=68539358

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/087199 WO2019218291A1 (zh) 2018-05-17 2018-05-17 用于对定位数据滤波的方法和装置

Country Status (3)

Country Link
US (1) US20210215488A1 (zh)
CN (1) CN111837048B (zh)
WO (1) WO2019218291A1 (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103197279A (zh) * 2013-03-12 2013-07-10 中国矿业大学 一种移动目标协同定位***及定位方法
CN104316058A (zh) * 2014-11-04 2015-01-28 东南大学 一种采用交互多模型的移动机器人wsn/ins组合导航方法
CN104833354A (zh) * 2015-05-25 2015-08-12 梁步阁 一种多基多模组网融合室内人员导航定位***及其实施方法
CN105357753A (zh) * 2015-10-16 2016-02-24 杭州电子科技大学 一种基于多模融合递归迭代的室内定位方法
CN105527605A (zh) * 2015-12-31 2016-04-27 天津恒达文博科技有限公司 多模混合室内定位方法
CN106500690A (zh) * 2016-09-22 2017-03-15 中国电子科技集团公司第二十二研究所 一种基于多模态融合的室内自主定位方法和装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5325098A (en) * 1993-06-01 1994-06-28 The United States Of America As Represented By The Secretary Of The Navy Interacting multiple bias model filter system for tracking maneuvering targets
US7030809B2 (en) * 2003-11-14 2006-04-18 The United States Of America As Representd By The Secretary Of The Navy Multiple model radar tracking filter and systems and methods employing same
KR100926564B1 (ko) * 2007-08-21 2009-11-12 한국전자통신연구원 무선 측위 장치 및 방법
US7705780B1 (en) * 2007-12-20 2010-04-27 The United States Of America As Represented By The Secretary Of The Navy Electronic support measures (ESM) tracking system and method
JP5266846B2 (ja) * 2008-04-01 2013-08-21 セイコーエプソン株式会社 測位方法、プログラム及び測位装置
US20170060810A1 (en) * 2012-12-13 2017-03-02 Eagle Harbor Holdings, LLC. System and method for the operation of an automotive vehicle system with modeled sensors
CN104020480B (zh) * 2014-06-17 2016-07-06 北京理工大学 一种带自适应因子的交互式多模型ukf的卫星导航方法
CN104833357A (zh) * 2015-04-16 2015-08-12 中国科学院光电研究院 一种多***多模型混合交互式信息融合定位方法
CN106441300B (zh) * 2016-09-08 2019-10-18 哈尔滨工程大学 一种具有自适应的协同导航滤波方法
CN106646358A (zh) * 2016-12-27 2017-05-10 深圳信息职业技术学院 一种用于室内无线定位的多误差模型的imm算法
CN107704432A (zh) * 2017-07-28 2018-02-16 西安理工大学 一种转移概率自适应的交互多模型目标跟踪方法
WO2019033025A1 (en) * 2017-08-10 2019-02-14 Patroness, LLC SYSTEMS AND METHODS FOR IMPROVED AUTONOMOUS OPERATIONS OF A MOTORIZED MOBILE SYSTEM

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103197279A (zh) * 2013-03-12 2013-07-10 中国矿业大学 一种移动目标协同定位***及定位方法
CN104316058A (zh) * 2014-11-04 2015-01-28 东南大学 一种采用交互多模型的移动机器人wsn/ins组合导航方法
CN104833354A (zh) * 2015-05-25 2015-08-12 梁步阁 一种多基多模组网融合室内人员导航定位***及其实施方法
CN105357753A (zh) * 2015-10-16 2016-02-24 杭州电子科技大学 一种基于多模融合递归迭代的室内定位方法
CN105527605A (zh) * 2015-12-31 2016-04-27 天津恒达文博科技有限公司 多模混合室内定位方法
CN106500690A (zh) * 2016-09-22 2017-03-15 中国电子科技集团公司第二十二研究所 一种基于多模态融合的室内自主定位方法和装置

Also Published As

Publication number Publication date
CN111837048A (zh) 2020-10-27
EP3796028A1 (en) 2021-03-24
US20210215488A1 (en) 2021-07-15
CN111837048B (zh) 2024-05-31

Similar Documents

Publication Publication Date Title
WO2018090773A1 (zh) 将定位***采集到的轨迹点匹配到地图的方法及其装置
US20240089896A1 (en) Fingerprint data pre-process method for improving localization model
US20200234132A1 (en) Compound model scaling for neural networks
CN109031261B (zh) 一种时差估计方法及装置
CN106569180B (zh) 一种基于Prony方法的方位估计算法
TW201605225A (zh) 產生深度影像之方法及其系統及電腦程式產品
WO2019218291A1 (zh) 用于对定位数据滤波的方法和装置
US9519618B2 (en) System and method for determining distance between signals
RU2461019C1 (ru) Способ координатно-связного опознавания с применением статистической оценки разности пространственных координат
CN112671679A (zh) 应用于simo***的信道估计方法、装置及存储介质
CN113325414A (zh) 目标检测设备及存储器
WO2019239524A1 (ja) 航跡推定装置及び携帯情報端末
US11250319B1 (en) Circuit architecture with biased randomization
US9245343B1 (en) Real-time image geo-registration processing
CN116295466A (zh) 地图生成方法、装置、电子设备、存储介质、及车辆
CN115113139A (zh) 基于传声器阵列的声源识别方法、装置及电子设备
JPS62203199A (ja) ピツチ周期抽出方式
CN111435168A (zh) 一种定位方法及装置
Rudenko An optimal discrete nonlinear logical-dynamical filter-predictor
CN116380056B (zh) 惯性定位方法、装置、电子设备及存储介质
Tan Simple noise-reduction method based on nonlinear forecasting
JP5012168B2 (ja) 目標状態量推定方法
Stepanov et al. Solution of map-aided navigation problem using polynomial filtering algorithm
Shen et al. Enhanced visual odometry algorithm based on elite selection method and voting system
Li et al. An estimating algorithm for highly maneuvering target tracking

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18918812

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2018918812

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2018918812

Country of ref document: EP

Effective date: 20201217