基于学习模型的设备定位制造技术

提出了对设备进行定位的方法和系统。在一个示例方法中，由无线基准点在一个时间段内从设备接收通信信号。从无线基准点在所述时间段内接收的通信信号中生成值序列。将所述值序列提供给学习模型，学习模型配置成基于值序列的历史值和值序列的至少一个预测的未来值生成输出。基于学习模型的输出，在所述时间段内估算设备的当前位置。

【技术实现步骤摘要】
【国外来华专利技术】相关申请本申请要求2014年6月20日提交的美国申请14/311,077的优先权利益，该美国申请的全部内容通过引用结合在此。
本申请总体涉及电子通信领域，在一个示例性实施例中，涉及基于学习模型的设备定位。
技术介绍
电子设备位置的定位、确定或估算一般需要使用在设备中运行的全球定位系统(GPS)电路。设备可从多个GPS卫星接收GPS数据，并处理接收数据，以确定设备的位置。但是，在某些环境下，例如，建筑、车库或阻碍卫星信号的其它障碍物内部，设备可能无法接收GPS数据。在这种环境下，可采用各种形式的射频(RF)定位代替GSP定位，对设备进行定位。在这种系统中，通常利用从设备接收的通信信号的特征，例如，接收信号强度指示(RSSI)确定设备相对于“基准点”设备(例如，设计为专用于设备定位的一个或多个信号读取器、无线接入点或基础设施设备)的位置。一般通过增加基准点的数量提高这种系统的精确性。这种定位系统在被布置用于对实际用户设备进行射频定位之前，通常还需要进行“指纹识别”或“现场勘测”操作。在指纹识别或现场勘测期间，可在基准点附近的整个区域内通常沿着预定路线移动传输信号的测试设备，以提供基准信息，来自用户设备的接收信号与基准信息相比较，从而对这些设备进行定位。关注区域中的结构变化，例如，墙体、隔断、屏障和家具的位置和/或方向变化通常会降低之前对该区域进行的指纹识别或勘测的精确性，这意味着可能需要再进行一次指纹识别或勘测操作。另外，兴趣区域中的射频环境的临时变化，例如，人的存在，可能会改变在基准点从用户设备接收的通信信号的范围或强度，从而使确定设备相对于基准点的位置的任务复杂化。附图说明实施例以示例方式说明，并不限于附图中的各图。在附图中，相似参考数字表示相似元件，其中：图1是可用于基于学习模型对设备进行定位的示例通信系统的框图；图2是可用于图1的通信系统的示例无线基准点的框图；图3是可用于图2的无线基准点的示例学习模型模块的框图；图4是基于学习模型对设备进行定位的示例方法的流程图；图5是来自用户设备的用于学习模型的通信信号的示例处理方法的流程图；图6是基于通信信号样本处理值序列的示例方法的流程图；图7是基于多个无线基准点的学习模型的输出、利用三角测量估算设备位置的示例方法的流程图；图8是包括多个无线基准点学习模型的示例系统学习模型的框图；图9是示例多层次学习模型的图示；图10是图9的多层次学习模型的一个层次的示例单独单元的图示；以及图11是以计算机系统为示例形式的机器的图示，机器内可执行一组指令，用于使机器执行本文所述的方法的任何一个或多个。具体实施方式在以下描述中，为了说明的目的，提供了很多具体细节，以便于透彻理解本文公开的实施例。但是，本领域的技术人员将会明白，这些实施例可在无这些具体细节的情况下实施。图1是可用于基于学习模型对设备(例如，用户设备104)进行定位的示例通信系统100的框图。在通信系统100中，局部区域101(可以是家庭、公寓、百货商店、餐厅、酒吧、竞技场、体育场或其它类似限定区域)可包括可与用户设备104进行局域无线通信的至少一个无线基准点102A。在图1的特定示例中，采用三个无线基准点102A、102B和102C(各自可替代地为无线基准点102)至少从用户设备104接收局域无线通信120。但是，在其它实施例中，可采用一个或多个这种无线基准点102。如下文更详细的描述，任何或所有无线基准点102可对从用户设备104接收的局域无线通信进行处理，以在一定的误差范围内定位或确定用户设备104的位置。进一步，这些无线基准点102中的每一个均可保持在局部区域101内的固定位置，以便于对用户设备104进行定位。无线基准点102的示例可包括，但不限于，无线局域网(LAN)的无线接入点，例如，无线接入点或路由器；通信设备；射频识别(RFID)标签阅读器；蜂窝网络(例如，第三代(3G)或第四代(4G)通信设备)；或其它个人局域网(PAN)通信设备；或能作为路由器或对等设备通过任何无线通信协议与用户设备104进行无线通信，或具有任何其它通信能力的其它无线通信设备。在其它示例中，无线基准点102可以是严格用于用户设备104定位的设备。这种无线基准点102可例如仅窃听用户设备104与另一个无线基准点102或另一个用户设备104之间的局域无线通信，并处理这些通信以定位用户设备104。用户设备104的示例可包括，但不限于，台式电脑、笔记本电脑和平板电脑；游戏系统；智能手机；个人数字助理(PDA)；智能电视；智能电器；以及能通过任何无线通信网络协议，例如，RFID、3G、4G、或任何其它LAN、PAN或其它局域无线网络协议与无线基准点102进行通信的其它通信设备。虽然图1中描绘了单一用户设备104，但可在局部区域101内对能与无线基准点102通信的任何数量的用户设备104进行定位。图2是可用于图1的通信系统100的示例无线基准点102的框图。在该示例中，无线基准点102可包括局域通信接口202、路由模块204、用户设备识别模块206和学习模型模块208。这些模块中的每一个以及本文所述的其它模块可包括硬件、软件或硬件与软件的一些组合，用于执行模块对应的各种功能，如下文更充分的描述。无线基准点102可包括其它可能的组件，例如，广域网(WAN)接口、用户接口等，但为了简化以下说明，图2中没有明确显示。另外，图2和其它附图所示的组件可以不全部包括在所有实施例中。另外，图2和本文的其它框图所示的组件可进一步分成单独组件，或可组合起来，构成更少、更大的组件。局域通信接口202可配置成便于在无线基准点102与图1的一个或多个用户设备104之间进行局域无线通信。由此，局域通信接口202可通过如上所述的3G、4G、中的一个或多个或任何其它LAN、PAN或其它局域无线网络协议，能够通过局域无线通信120进行通信。路由模块204(如果包括在无线基准点102中)可配置成充当路由器，用于在局部区域101的用户设备104之间，以及可能在每个用户设备104与其它网络(例如，WAN)之间进行通信。在其它示例中，无线基准点102可与外部LAN路由器通信联接，以便于在无线基准点102与用户设备104之间进行通信。用户设备识别模块206可配置成基于涉及用户设备104的局域无线通信120中包含的信息对局部区域101内的一个或多个用户设备104进行识别。例如，局域无线通信120可包含数据包，数据包中包含发送数据包的用户设备104的标识符。这种标识符可为(例如)用户设备104的MAC(介质访问控制)地址，但用户设备识别模块206可采用唯一识别用户设备104及其发送的局域无线通信120的任何其它标识符。学习模型模块208可配置成采用学习模型处理与用户设备识别模块206识别的位于局部区域101内的每个用户设备104关联的这些局域无线通信120，以确定或至少估算该用户设备104的当前位置。如以下更详细的描述，学习模型模块208中采用的学习模型配置成利用用户设备104正常运行期间从用户设备104接收的信号产生的数据以“在线”方式定位局部区域101内的用户设备104，在对用户设备104进行实际定位之前，无需通过指纹识别、现场勘测或其它类型的“离线”操作本文档来自技高网...

【技术保护点】
一种设备定位方法，所述方法包括：无线基准点在一个时间段内从设备接收通信信号；从无线基准点在所述时间段内接收的通信信号中生成值序列；将所述值序列提供给学习模型，所述学习模型配置成基于相对于所述值序列的当前值的所述值序列的历史值和所述值序列的至少一个预测的未来值生成输出；并且在所述时间段内利用至少一个硬件处理器，基于所述学习模型的输出估算所述设备的当前位置。

【技术特征摘要】
【国外来华专利技术】2014.06.20 US 14/311,0771.一种设备定位方法，所述方法包括：无线基准点在一个时间段内从设备接收通信信号；从无线基准点在所述时间段内接收的通信信号中生成值序列；将所述值序列提供给学习模型，所述学习模型配置成基于相对于所述值序列的当前值的所述值序列的历史值和所述值序列的至少一个预测的未来值生成输出；并且在所述时间段内利用至少一个硬件处理器，基于所述学习模型的输出估算所述设备的当前位置。2.如权利要求1所述的方法，其中所述值序列基于所述无线基准点接收的所述通信信号的接收信号强度指示值。3.如权利要求1所述的方法，其中所述值序列基于所述无线基准点接收的所述通信信号的链路质量和信道质量的至少其中之一。4.如权利要求1所述的方法，进一步包括：由所述无线基准点接收所述设备的标识符；确定是否存在所述设备的设备专用模型；并且如果所述设备的设备专用模型不存在，为所述设备生成设备专用模型，其中，所述学习模型包括所述设备专用模型。5.如权利要求4所述的方法，其中所述设备的标识符包括所述设备的介质访问控制地址。6.如权利要求1所述的方法，其中生成值序列包括：在所述时间段内周期性地对来自所述设备的通信信号的特征进行采样，以生成样本序列；并且对所述样本序列进行编码以生成所述值序列。7.如权利要求6所述的方法，其中生成值序列进一步包括：根据每个样本的大小将所述样本序列分拣到多个区间中；其中，对所述样本序列进行编码以生成所述值序列的步骤基于分拣的样本序列。8.如权利要求6所述的方法，其中，所述值序列包括所述样本序列的稀疏分布表示。9.如权利要求1所述的方法，其中所述学习模型包括机器学习模型。10.如权利要求1所述的方法，其中所述值序列的所述至少一个预测的未来值包括比所述值序列的当前值领先预定数目的值的所述值序列的未来值。11.如权利要求1所述的方法，其中所述学习模型配置成在之前未进行现场勘测操作的情况下基于所述值序列的历史值生成输出。12.如权利要求1所述的方法，其中：所述无线基准点包括第一无线基准点，所述值序列包括第一值序列，所述学习模型包括与所述第一无线基准点对应的第一学习模型；所述方法进一步包括：至少一个第二无线基准点在所述时间段内从设备接收通信信号；从所述至少第二无线基准点在所述时间段内接收的所述通信信号中生成至少第二值序列；并且将所述至少第二值序列提供给至少第二学习模型，所述至少第二学习模型与所述至少第二无线基准点对应并且配置成基于所述至少第...

【专利技术属性】
技术研发人员：A·R·卡姆拉尼，
申请(专利权)人：开放电视公司，
类型：发明
国别省市：美国;US