专利名称：使用惯性传感器数据来改善移动站定位的制作方法
技术领域：
本公开涉及定位系统，尤其涉及对移动接收机的位置解的计算。
_5]
背景技术：
全球定位系统(GPS)是卫星导航系统、或卫星定位系统，其被设计成提供几乎在世 界上任何地方的位置、速度和时间信息。GPS由美国国防部开发，并且目前包括具有二十四颗运行卫星的星座。其他类型的卫星导航系统包括广域扩增系统(WAAS)、俄罗斯联邦部署的全球导航卫星系统(GL0NASS)、以及欧盟规划的Galileo系统。如本文所使用的，“卫星定位系统”(SPS)将被理解为指GPS、Galileo、GLONASS、NAVSTAR、GNSS、使用来自这些系统的组合的卫星的系统、伪卫星系统、或将来开发的任何SPS。(来自伪卫星的)伪卫星系统是指扮演或表现为SPS卫星系统的非卫星系统，诸如通过使用基于地面的发射机来创建GPS信号。已设计了各种各样的接收机来解码从诸卫星发射的信号以确定位置、速度或时间。一般而言，为了译解这些信号并计算最终位置，接收机必须捕获来自视野中的卫星的信号、测量并跟踪接收到的信号、并从这些信号中恢复出导航数据。通过准确测量与三颗不同卫星的距离，接收机就三角测量出自己的位置(即，求解出纬度、经度和海拔)。具体而言，接收机通过测量每个信号从相应卫星行进到该接收机所需的时间来计算到诸卫星的距离。此计算需要精确的时间信息。出于此原因，来自第四颗卫星的测量有助于解决时间和测量误差(例如，由接收机内的定时电路的不准确性创生的误差)。在某些位置(例如，有高建筑物的市区环境)，接收机可能仅能够捕获到来自三颗或更少卫星的信号。在这些情形中，接收机将不能求解出位置解的全部4个变量纬度、经度、海拔和时间。如果接收机仅能够捕获来自三颗卫星的信号，则该接收机可放弃海拔计算以求解纬度、经度和时间。替换地，如果海拔通过替换手段获得，则可从三个卫星信号求解所有四个变量。如果少于三个信号可用，则接收机可能不能计算出自己的位置。为了解决此限制，一些接收机采用混合定位技术。这些混合接收机利用来自基站和来自GPS卫星的可用信号两者的信号来求解位置和时间变量。和卫星信号的情形一样，混合定位接收机测量来自基站的无线信号的时间延迟以计算到该基站的距离。此混合定位技术常允许接收机在仅使用卫星信号的常规定位技术本将会失败的众多各种各样的位置上计算出位置解。在码分多址(CDMA)移动无线系统中，例如，这种测量时间延迟并计算到诸基站和诸卫星两者的距离的混合技术被称为高级前向链路三边测量(AFLT)。接收机内的时钟精确度和准确度影响结果所得的位置解的准确度。在经同步系统(诸如现有的CDMA系统)中，由蜂窝基站传达的定时信息是与来自GPS卫星的定时信息同步的，这允许在整个系统中均有精确的时间可用。在一些系统(诸如全球移动通信系统(GSM)蜂窝系统)中，定时信息在基站与GPS卫星之间不是同步的。在这些系统中，位置测量单元(LMU)被添加至现有基础设施以为无线网络提供精确的定时信息。为了确定移动站的当前位置，可(例如使用过去的位置测量)对移动站的运动进行建模以估计移动站的当前速度(或者潜在速度的范围)。将移动站放置在被取向在已知方向上的街道或公路上的地图信息也可被用来对移动站的当前速度进行建模。滤波方法可进一步加强此轨迹估计技术。卡尔曼滤波器是一种自适应地跟踪移动站的轨迹以预测它在速度和位置意义上的动态状态的滤波方法。卡尔曼滤波器递归地找到最小二乘问题的解并可被用于估计过去、现在、和甚至将来的位置。卡尔曼滤波器、扩展卡尔曼滤波器、或其他最小均方滤波器在用户运动模型是不定的时候也是有帮助的。一些位置确定系统使用定位滤波器(诸如卡尔曼滤波器)，例如，美国公开号2007/0205941 (于 2008 年 9 月 6 日公开、并且题为“Method for position determinationwith measurement stitching (用于使用测量拼接来进行位置确定的方法)”,归于Riley,其通过援引纳入于此)描述了基于经更新的定位滤波器来确定移动通信设备的位置估计。卡尔曼滤波器(KF)是最优递归数据估计算法。它被频繁用于对移动中的实体(诸如，飞机、人、交通工具，等等)的属性进行建模。这些属性可包括加速度、速度和/或位置。定位滤波器算法使用系统的当前状态以及当前测量来估计系统的新状态。实践中，卡尔曼滤波器将所有关于系统、测量设备、和误差统计的可用测量数据和先验知识进行组合来以使得误差被统计上最小化的方式产生对期望变量的估计。在一些定位算法中，移动站通过对该移动站的预计运动进行建模来确定自己的位置。定位滤波器(诸如卡尔曼滤波器)可假定运动参数为常数。例如，运动参数可将用户速度、用户速率或用户转弯半径设为常数值。这些模型可允许从预计运动模型有偏离。在卡尔曼滤波器的情形中，可经由过程噪声来使得能够从预计运动模型有预计量的偏离。类似地，位置域滤波器也可具有一些用户速度估计变化。遗憾的是，对于要使用从预计用户运动模型的多少变动、以及甚至要使用哪个用户运动模型的选择往往必须早在事先并且在没有实际用户运动的外部知识(除了 GPS测量本身之外)的情况下就作好。这让这些模型在某种程度上是保守并且未臻最优的。相应地，仍然有需要改善移动通信设备的位置确定能力并以及时且高效的方式来这样做。概述本发明的一些实施例提供一种移动站，包括惯性传感器，其中，该惯性传感器提供惯性测量；惯性测量处理器，其耦合至该惯性传感器以接受惯性测量并基于这些惯性测量来确定不定性；以及导航位置滤波器，其耦合至该惯性测量处理器以接收不定性并基于该不定性来确定位置估计，其中，该导航位置滤波器包括基于不定性来计算第一位置估计的第一位置滤波器模型。本发明的一些实施例提供一种用于产生移动站的位置的方法，该方法包括使用惯性传感器来测量惯性以提供惯性测量；基于这些惯性测量来确定不定性；以及使用第一位置滤波器模型基于不定性来计算第一位置估计。·
本发明的一些实施例提供一种移动站，包括用于使用惯性传感器来测量惯性以提供惯性测量的装置；用于基于这些惯性测量来确定不定性的装置；以及用于使用第一位置滤波器模型基于不定性来计算第一位置估计的装置。本发明的一些实施例提供一种包括处理器和存储器的移动站，其中该存储器包括用于执行以下操作的软件指令使用惯性传感器来测量惯性以提供惯性测量；基于这些惯性测量来确定不定性；以及使用第一位置滤波器模型基于不定性来计算第一位置估计。本发明的一些实施例提供一种包括存储于其上的程序代码的计算机可读介质，包括用于执行以下操作的程序代码使用惯性传感器来测量惯性以提供惯性测量；基于这些惯性测量来确定不定性；以及使用第一位置滤波器模型基于不定性来计算第一位置估计。本发明的一些实施例提供一种移动站，包括惯性传感器，其中该惯性传感器提供惯性测量；惯性测量处理器，其耦合至该惯性传感器以接受这些惯性测量并基于这些惯性测量来确定不定性；导航位置滤波器，其耦合至惯性测量处理器以接收不定性并基于该不定性来确定位置估计，其中该导航位置滤波器包括用于基于不定性来计算第一位置估计的第一位置滤波器模型和用于基于该不定性来计算第二位置估计的第二位置滤波器模型；以 及开关，其包括用于第一位置估计的第一输入端口，用于第二位置估计的第二输入端口，耦合至这些惯性测量的特性的控制输入端口，以及可由该控制输入端口选择的输出端口。参考下文中描述的实施例，本发明的这些及其它方面、特征和优点将变得明了。附图简要说明将参照附图仅作为示例来描述本发明的各实施例。图I示出从两颗定位卫星90接收信号的移动站(MS) 100。图2示出包括GNSS接收机和惯性传感器以确定位置变化的移动站的框图。图3和图4各自示出根据本发明的各实施例包括GNSS接收机和惯性传感器以确定不定性的移动站的框图。图5A-D示出根据本发明的各实施例的惯性传感器的各种形式。图6A-D示出根据本发明的各实施例的惯性测量处理器的各种形式。图7绘示根据本发明的各实施例的惯性-不定性的图表。图8示出根据本发明的各实施例的导航位置滤波器的框图。图9和

图10示出根据本发明的各实施例的包含多个模型的各种导航位置滤波器的框图。图11示出根据本发明的各实施例的用于基于不定性来产生移动站的位置的方法的流程图。发明详细描述在以下描述中，对附图进行了参考，附图解说了本发明的若干实施例。应理解，可以利用其它实施例并且可以做出机械、组成、结构、电、以及操作上的改变，而不会脱离本公开的精神和范围。以下详细描述不应按限定性的意义来理解。此外，接下来的详细描述中的一些部分是以规程、步骤、逻辑块、处理、以及其它能在电子电路中或在计算机存储器上执行的对数据位(比特)的操作的象征性表示的形式来给出的。规程、计算机执行的步骤、逻辑框、过程等在此被构想为是导向期望结果的自洽的步骤或指令序列。这些步骤是那些利用对物理量的物理操纵的步骤。这些量能够采取能在电子电路中或在计算机系统中被存储、转送、组合、比较、以及用其他方式操纵的电、磁、或无线电信号的形式。这些信号有时可被称为位(比特)、值、元素、符号、字符、项、数字、或诸如此类。每个步骤可由硬件、软件、固件、或其组合来执行。—些导航定位方法使用单个模型来确定移动站位置。该模型使用过去运动的历史以及对于预计有哪种类型的运动的假定。遗憾的是，此类假定对正经历现实运动的典型移动站的建模是不准确的。在一段持续时间期间，移动站可能是与步行的用户一起，而在另一段持续时间期间，该移动站可能是与在公路上行进的用户一起。一些模型将GPS位置跟踪与惯性导航系统(INS)跟踪组合起来。在GPS/INS系统中，INS位置估计是基于来自惯性传感器(诸如来自加速计和/或陀螺仪)的惯性测量来计算的。由于惯性传感器固有的漂移，惯性传感器仅能在很短的时段上提供准确解。当可用时，GPS位置锁定可被用来重新校准这些惯性传感器。现有的GPS/INS系统(诸如战斗机中的此类系统)使用高度准确且昂贵的惯性传感器。遗憾的是，便宜的惯性传感器部件(例如，移动站上现成可用于相机图像稳定化或游戏目的那些惯性传感器，诸如MEMS加速计或MEMS陀螺仪)的质量提供不能胜任在传统GPS/ INS系统中使用的低劣质量。本发明的各实施例使用质量较低的惯性传感器(诸如MEMS器件)来估计移动站正在经历的运动的量或特性。运动量测量指示要选择哪个用户运动模型，并且还可用来设置要用作对选定模型的输入参数的不定性(例如，变动或过程噪声)。此不定性值可代表用户的运动意图的不定性和/或模型中的不定性。通过使用惯性测量来选择模型和/或使用惯性测量来设置不定性输入参数，该模型就可以更准确地确定用户的位置。该模型可由导航位置滤波器(诸如卡尔曼滤波器)来表示。图I示出从两颗定位卫星90接收信号的移动站(MS)100。移动站100可采取能够从参考站(诸如卫星飞行器90)和/或从基站80接收导航信号(例如，卫星导航信号95或无线通信信号85)以用于计算位置解的各种各样的移动接收机中的任何一者的形式。移动站100还可被称作移动台、移动单元、移动电话、手持导航接收机、搭载在交通工具(诸如，飞机、汽车、卡车、坦克、船、及类似物)内的接收机。基站80可在同步环境中经由数种无线通信协议中的任何一种来与移动站100通信。一种常见的无线通信协议是码分多址(CDMA)，在其中多个通信在射频(RF)频谱上同时进行。在CDMA环境中，这些技术可被视为用于实现增强的高级前向链路三边测量(AFLT)的机制。其他示例包括使用窄带时分多址(TDMA)来进行数据通信的全球移动通信系统(GSM)、以及通用分组无线电业务(GPRS)。在一些实施例中，移动站100可将GPS接收机和无线通信设备整合在一起以进行语音或数据通信。因此，尽管在本文档内可能描述了 GPS系统的具体示例，但是本发明的这些原理和技术适用于任何卫星定位系统或者地面定位系统(诸如无线网络)。移动站100采用诸技术基于分别从卫星90和基站80接收到的卫星信号95和无线通信信号85来计算定位解。移动站100捕获来自视野中的诸卫星90的信号95，并通过测量每个信号从相应卫星行进至移动站100所需的时间来测量离每颗卫星的距离以确定伪距测量。类似地，移动站100还可从无线通信系统70的基站80接收信号85，并且基于每个无线信号从基站行进至移动站100所需的时间来测量离诸基站80的距离。移动站100通常基于这些测量来求解位置和时间变量。图IB描绘了根据本发明的原理的移动通信设备(移动站100)的各部分的框图。如所示，移动站100包括配置成从卫星导航系统或卫星定位系统接收信号的天线121。移动站100还包括配置成从地面通信网络接收信号的天线171。这些信号由相应接收机(GNSS接收机120和移动无线电接收机170)接收并作为输入测量提供给处理器150。处理器150包括软件和硬件组件两者以提供关于这些信号的信号处理功能性。特别感兴趣的是，与处理器150相关联的或者作为处理器150的一部分的位置导航滤波器140(例如，卡尔曼滤波器)辅助移动站100的位置确定功能。位置导航滤波器140接收输入测量并基于这些输入测量和系统的历史状态来实现用于估计期望变量的算法。存储器155常被用来存储卡尔曼滤波器的状态估计和协方差矩阵值。协方差矩阵值提供对由卡尔曼滤波器提供的状态估计的误差或不定性的衡量。
举例而言，移动站100可以是蜂窝电话或类似的移动通信设备。相应地，存在作为移动站100的部分的附加功能块和器件，它们未在图IB中描绘。这些附加块和/或器件通常涉及(I)处理从天线171和212接收到的信号；(2)提供用户接口 ；(3)提供语音通信；以及(4)提供数据通信和其他类似能力。这些功能块和器件中有许多并不直接涉及位置确定，由此不被包括以免湮没本发明的原理。信号95通常是经由天线121从卫星飞行器90接收的。随后使用公知算法和技术将这些信号95解码并处理成位置信息。在以前，在单个测量历元期间需要来自至少三个卫星飞行器的信号95以使用加权最小二乘法(WLS)模型生成可用于初始化卡尔曼滤波器的位置锁定。一旦卡尔曼滤波器被初始化，该卡尔曼滤波器就基于此后发生的GPS测量继续产生位置估计。图2示出包括GNSS接收机和惯性传感器以确定位置变化的移动站的框图。移动站100包括高准确度惯性传感器110’、惯性测量处理器115、GNSS接收机120和导航位置滤波器140。高准确度惯性传感器110’以每个维度4比特或以上来提供准确的三维(3-D)惯性测量。位置估计可以基于来自GNSS接收机120和惯性传感器110’的信号。当卫星信号95可用时，GNSS接收机120向导航位置滤波器140提供GNSS位置信息。惯性传感器110'向惯性测量处理器115提供惯性测量。惯性测量处理器115将惯性测量积分以确定位置上的变化，该位置上的变化被提供给导航位置滤波器140。当有足够的来自GNSS接收机120的卫星信号95可用时，导航位置滤波器140可以在确定位置估计时只使用GNSS位置信息或者使GNSS位置信息的权重比惯性测量高。当卫星信号95不充足或不可用时，导航位置滤波器140可仅使用由惯性测量处理器115基于来自惯性传感器110’的惯性测量所确定的位置变化信息。为了从惯性测量处理器115得到有用的位置变化估计，惯性传感器110’必须提供高准确度和高质量的惯性测量。遗憾的是，许多移动设备并不具有高准确度惯性传感器。在此类具有低准确度惯性传感器的设备中，惯性测量处理器115不能够进行积分并产生有用的位置变化值。因此，具有低准确度传感器的移动设备可能不被用于实现图2中所示的结构。可监视(例如来自移动站上已有的用于相机图像稳定化和游戏的便宜部件的)惯性传感器数据以确定测量如何变化。如果输出十分稳定，则假定用户要么静止要么正在非常平稳地移动是合理的，并且因此，所添加的过程噪声量可被安全地选择为比普通量小很多。随着来自惯性传感器的输出开始变化得更大，移动站更有可能处于运动中和/或正加速离开简单的直线路径，因此定位计算应当退出静态模式、并使用越来越多的过程噪声，以允许用户加速度中有可能更大的改变。在初始的热身期期间，GNSS位置信息还不可用。通过基于用户运动量来改变导航位置滤波器中的过程噪声，跟踪会比现今在静态或平稳驾驶状况期间的跟踪更为平稳。图3和图4各自示出根据本发明的各实施例包括GNSS接收机和惯性传感器以确定不定性的移动站的框图。在图3中，移动站100包括低准确度惯性传感器110而不是高准确度惯性传感器110’。惯性传感器110充当用于测量惯性并提供惯性测量的装置。移动站100还包括惯性测量处理器130、GNSS接收机120和导航位置滤波器140。惯性测量处理器130和导航位置滤波器140可以是在处理器150上执行的软件例程。这些例程可作为程序代码存储在计算机可读介质上。此外，惯性测量处理器130充当用于基于惯性测量来确定不定性的装置，并且导航位置滤波器140充当用于基于该不定性来计算第一位置估计的装置。如果惯性测量指示加速度有巨大变化，则移动设备100正在移动、加速和/或减速，因此过程噪声被设 置为较高值。另一方面，如果惯性测量指示没有加速度或加速度低(当重力被移除时)，则移动设备100不是直线移动就是没有移动，因此，过程噪声被设置为较低值。位置估计可以基于来自GNSS接收机120和惯性传感器110的信号。惯性传感器110相对便宜并且不能提供准确的三维(3-D)惯性测量。相反，惯性传感器110提供粗略的1-D、2-D或3-D惯性测量。对于每一维，传感器以1、2或3比特的准确度提供粗略测量。I比特惯性测量指示两种运动程度中的一种抑或运动，抑或无运动。2比特惯性测量指示三种运动程度中的一种或不运动。3比特惯性测量指示七种运动程度中的一种或者无运动。每一维中的每种运动程度，(I比特、2比特或3比特传感器的)第一个比特可用于指示运动方向，并且任何剩余的比特可指示运动幅度。惯性传感器110向惯性测量处理器130发送低准确度惯性测量。惯性测量处理器115不是将各惯性测量积分并生成位置变化，而是代之以基于惯性测量来确定位置不定性参数(称为过程噪声)。例如，惯性测量处理器115可将单维的2比特惯性测量(例如，“00”表示无运动，“01”表示低惯性或轻度运动，“10”表示中度惯性或中度运动，以及“11”表示高度惯性或高度运动)转换成四个不定性等级(无不定性、低不定性、中不定性、以及高不定性)。替换地，惯性测量处理器130可接受更多比特的惯性测量(例如，更多维或每维更多比特)并可将这些测量量化成二、三或四个等级的离散不定性值。惯性测量处理器130在仅检测出重力的恒定加速度时可减小不定性值并当加速度变化时可增大不定性值。基于GNSS位置信息(若可用)和此不定性值，导航位置滤波器140计算位置估计。这样，来自惯性传感器的惯性测量不被积分用于计算位置变化，而是用来设置不定性值或过程噪声。当有足够的来自GNSS接收机120的卫星信号95可用时，导航位置滤波器140可以在确定位置估计时只使用GNSS位置信息或者可使GNSS位置信息的权重比惯性测量高。当卫星信号95不充足或不可用时，导航位置滤波器140可使用不定性等级来估计或预测位置变化或下一位置。在图4中，更详细地示出移动站100。移动站100包括惯性传感器110、GNSS接收机120、处理器150和存储器160之间的总线和接口。惯性传感器110可被耦合至共用总线或被耦合至处理器150上的专用端口。类似地，GNSS接收机120可被耦合至共用总线或被耦合至处理器150的专用端口。处理器150包括第一模块(惯性测量处理器130)和第二模块(导航位置滤波器140)，第一模块和第二模块各自可以是在处理器150上执行的软件。存储器160包括存储着的值，存储着的值包括惯性测量160A、位置不定性值160B、和一个或多个位置估计160C。图5A-D示出根据本发明的各实施例的惯性传感器的各种形式。图5A中，惯性传感器Iio包括3-D加速计112，后者提供相对于移动站参考系的(X，Y, Z)坐标系中的三维(3-D)线性加速度测量。在图5B中，惯性传感器110包括3-D陀螺仪114，后者提供相对于移动站参考系的(Φ， , Ψ)坐标系中的3-D角加速度测量，其中，Φ指示侧滚或侧倾，&指示俯仰或仰角，以及Ψ指示相对于北的偏航或航向。在图5C中,惯性传感器110包括提供3-D线性加速度测量的3-D加速计112和提供3-D角加速度测量的3-D陀螺仪114两者。在图中，惯性传感器110包括倾斜传感器160。倾斜传感器116提供每轴I比特或2比特的倾斜信息。例如，倾斜传感器116可提供单比特测量值，其指示移动设备110大体上面朝上还是朝下。一些惯性传感器110提供线性加速度测量、角加速度测量和倾斜传感器测量中的一者或多者。以上每个测量提供沿至少一根轴的最少I比特，但可提供关于一、二或三维的1、2或3比特信息。 图6A-D示出根据本发明的各实施例的惯性测量处理器的各种形式。在图6A中，惯性测量处理器130包括缓冲惯性测量的存储器160A和单通道方差模块132。单通道方差模块132使用所缓冲的惯性测量来计算不定性值。单通道方差模块132确定沿单根轴的惯性测量的方差。这些惯性测量被作为随机变量X来对待，其中X具有期望值(平均值)μ =E[X]。X的方差由Var⑴=Ε[(Χ - μ)2]给出。以最简单的形式,对于N个样本xQ, X1,…,Xim,X的方差由Var(X) = S (Xi)2/N给出，其中，μ被假定为零。基于计算出的一个周期(例如，周期=N)上的方差，不定性值被设置。此不定性可以是计算出的方差自身，或者将从计算出的方差直接确定。在一些实施例中，结果所得的不定性值是从计算出的方差得到的线性变换。在其他实施例中，结果所得的不定性值是从计算出的方差得到的量化值。在图6Β中，惯性测量处理器130包括存储器160Α和多通道方差模块134。多通道方差模块134确定惯性测量的每一维的方差。例如，如果惯性测量提供3-D加速度测量，则多通道方差模块134计算三个单通道方差Var(X)、Var(Y)和Var(Z)。不定性基于计算出的各方差。例如，不定性值可以等于各方差的和不定性=Var(X)+Var(Y)+Var(Z)。替换地，不定性值可以与各方差的和线性相关不定性=k* {Var⑴+Var⑴+Var (Z)}，其中，k是预定常数。替换地，不定性值可以与各方差的最大值相关不定性=k* {Max [Var (X), Var (Y), Var (Z) ]}。在图6C中，可通过将结果所得的不定性值量化为2、3或4个离散的不定性值来对其作进一步解析。惯性测量处理器130包括存储器160A和方差模块136。方差模块136确定惯性测量沿着一维或多维的方差。结果所得的一个或多个方差值被量化以提供经量化不定性值。当量化时，方差模块136将各方差值(或组合方差值)的离散范围转换成代表每个离散范围的单个不定性值。在图6D中，惯性测量处理器130包括存储器160A和范围确定模块138。在单维中，范围确定模块138确定由随机变量X表示的N个传入测量Ixtl, X1, -,Xn^1I的范围(Range)。例如,Range⑴=Max ( X01, X11 ,…，| Xn^1 |)。不定性值是基于Range⑴来设置的。例如，不定性=k*Range (X)。替换地,不定性值可以是基于Range (X)的经量化值。
图7绘示根据本发明的各实施例的惯性-不定性的图表。惯性测量可以从收到惯性值或收到值的特性(例如，方差或方差和)被转换为不定性值。在线性情形中，针对每个惯性程度存在一不定性值，如该图表中的线性不定性线所示。在经量化的情形中，惯性值的范围被转换成共用不定性值。惯性测量处理器130接收到的惯性测量被惯性测量处理器130量化成两个或三个值。例如，表示低惯性的测量设置低不定性值，表示中等惯性的测量设置中度不定性值，并且表示高惯性的测量设置高不定性值，如该图表中由经量化不定性阶梯所示。替换地，如果惯性测量表示仅一个或两个比特的数据，则惯性测量被有效地量化。图8示出根据本发明的各实施例的导航位置滤波器的框图。导航位置滤波器140实现卡尔曼滤波器并包括测量更新模块142和时间更新模块144。卡尔曼滤波器在时间更新期与测量更新期之间循环以用测量Zk = Hxk+vk找到以下线性随机差分方程的解xk = Axh+Buh+Wh，其中wk被假定为代表过程噪声的、零均值的、白色的、正态分布的随机变量，并且P (w) N(0，Q)，其中，Q是过程噪声协方差矩阵；Vk是代表测量噪声的、不相关的零均值的白色的、正态分布的随机变量，并且P (v) N(0，R)，其中，R是测量噪声协方差矩阵汸是1 11矩阵，其将时间k-Ι时的先前位置与时间k时的当前位置关联而不受驱动函数或过程噪声的影响；uk是可任选的控制输入；B是皿1矩阵，其将可任选的控制输入Uk与当前位置关联；并且，H是mxn矩阵，其将位置与测量Zk关联。典型情况下，没有控制信号Uk (B = O)并且矩阵A是基于所选择的模型来设置的。在时间更新模块144中并且在时间更新期期间，卡尔曼滤波器至少部分地基于来自先前周期的过程噪声Wlri (不定性)来预测下一位置^。为了向前投射位置，使用以下
时间更新方程来更新步骤k时的先验位置估计為7 = Axk-,+ Buk_{，其中，是先前估计的位置。为了向前投射误差协方差，使用以下时间更新方程来更新先验估计误差协方差Pk .Pk = APk_tA +β，其中，先验估计误差协方差是A = E[ekek ]，后验估计误差协方差是
Pk = ^ \.ekCk I，先验估计误差是=Xk-交k，并且后验估计误差是4 = Xk ~ 。在测量更新模块142中，并且在测量更新期间，卡尔曼滤波器基于位置测量来校正各参数。首先，使用K丨:=1\ H丨(Hl\ H丨+ Aj i来计算卡尔曼增益Kk。其次，用测量zk(GNSS
位置信息)使用Xi +来校正所估计的位置。第三，使用4 =(J-&丑)6;来
计算后验估计误差协方差。对卡尔曼滤波器的进一步深入了解可在由Greg Welch和Gary Bishop所著的“AnIntroduction to the Kalman Filter(卡尔曼滤波器的介绍)”(技术报告,TR 95-041,北卡罗来纳州大学教堂山分校，计算机科学系，教堂山，NC (北卡罗来纳州)27599-3175 ;于2003年5月23日星期五更新)中找到，其内容通过援引整体纳入于此。图9和10示出根据本发明的各实施例的包含多个模型的各种导航位置滤波器的框图。每个导航位置滤波器140包括多个模型、开关146和量化器148。每个模型接收GNSS位置信息(测量zk)和不定性(过程噪声wk)并提供单独的位置估计作为对开关146的输入。开关146将来自这多个模型中的一个模型的位置估计中的选定的一个位置估计路由为最好地估计移动设备100的位置的输出信号。量化器148可基于不定性或基于测量数据来控制开关146。 在图9中，导航位置滤波器包括两个模型第一位置滤波器模型202A和第二位置滤波器模型202B。第一和第二位置滤波器模型202两者均接收GNSS位置信息(测量zk)和不定性(过程噪声wk)。过程噪声设置该模型中所允许的变动。允许模型的变动(或额外运动)便许可该模型有更多偏离。不定性还用于确定要使用哪个位置估计。例如，当不定性低时第一位置滤波器模型202A可能更为准确，并且当不定性高时第二位置滤波器模型202B可能更为准确。当不定性低时第一位置滤波器模型202A可能更为准确，并且第二位置滤波器模型202B可基于移动设备100在以恒定速度行进的汽车中的假定而包括位置的一阶近似，并且第二位置滤波器模型202B可基于移动设备100在大体上以恒定速度行进但还允许转弯、加速和减速的汽车中的假定而包括位置的二阶近似。在仅具有两个模型的情形中，量化器148可以是阈值检测器。例如，量化器148可基于不定性是大于还是小于预定义阈值来设置开关控制。这两个位置滤波器模型202均可接收经更新测量和不定性数据，尽管在任何一次仅由这两个滤波器模型中的一者来供应位置估计。这样，迭代状态变量就被保持为当前的并且每个位置估计是现成可供使用的。在图10中，导航位置滤波器包括四个模型第一位置滤波器模型(零速度模型204A);第二位置滤波器模型(位置-速度PV滤波器204B);第三位置滤波器模型(具有恒定曲率模型的卡尔曼滤波器204C)；以及第四位置滤波器模型(具有恒定速度模型的卡尔曼滤波器204D)。每个模型204被示为接收GNSS位置信息(测量zk)和不定性(过程噪声wk)两者。当然，如果一模型不要求不定性值，则该模型不需要接收不使用的参数。基于不定性的特性(例如，幅度或时间上的方差)，导航位置滤波器140使用这多个模型204中特定的一个模型。例如，如果量化器148接收到低于第一阈值的不定性，则量化器148提供选择零速度模型204A的开关控制信号，如果量化器148接收到高于第一阈值但小于第二阈值的不定性，则量化器148提供选择PV滤波器204B的控制信号，依此类推。替换地，量化器148从惯性传感器110或从惯性测量处理器130接收惯性测量。如果惯性传感器110可包括提供线性加速度测量的加速计112和/或提供角加速度测量的陀螺仪114两者。量化器148检查各测量以确定要选择哪个模型204。例如，如果所有测量都低于阈值，则零速度模型204A可提供最佳位置估计。因此，量化器148将提供选择来自零速度模型204A的位置估计的开关控制信号。如果测量暗示移动设备100正主要经历沿着一条轴的加速度，则可使用来自PV滤波器204B的位置估计。如果测量指示移动设备100正主要经历角加速度，则使用来自恒定曲率卡尔曼滤波器204C的位置估计。如果测量指示移动设备100正主要经恒定速度，则使用来自恒定速度卡尔曼滤波器204D的位置估计。就此，随着用户运动的特性随时间而改变，最合适的模型被使用并且较优的位置估计被选择。图11示出根据本发明的各实施例的用于基于不定性来产生移动站的位置的方法的流程图。在310，惯性传感器110测量移动设备110所经历的惯性并提供惯性测量。惯性传感器110可包括加速度和/或陀螺仪并由此提供线性加速度和/或角加速度惯性测量。在320，耦合至惯性传感器110的惯性测量处理器130接受惯性测量并基于这些惯性测量确定不定性。此不定性可基于惯性测量的方差并且可以是多通道方差。在330，耦合至惯性测量处理器130的导航位置滤波器140接收该不定性并基于该不定性确定位置估计。导航位置滤波器140可包括单个位置滤波器模型或可包括多个位置滤波器模型。如果导航位置滤波器140包括多个位置滤波器模型，则可基于不定性或惯性测量来选择最佳位置估计。此夕卜，量化器148可用来将不定性转换成开关控制信号。如以上所述，许多移动设备100具有低分辨率的惯性传感器。来自低分辨率惯性传感器的这些低分辨率惯性测量可被用来生成不定性值和/或选择定位滤波器模型。在一些实施例中，此不定性值被用作进入卡尔曼滤波器或类似滤波器的过程噪声输入信号。在一些实施例中，多个导航位置滤波器模型并发地工作，每一者均计算位置估计。在一些实施例中，开关抑或基于不定性值抑或基于惯性测量的其他特性来从这多个导航位置滤波器模型选择一个位置估计。因此，应当理解，本发明能用修改和变更形式来实践而仍在所附权利要求的精神 和范围内。本描述并非旨在穷举或将本发明限定于所公开的精确形式。应当理解，本发明可用修改和变更形式来实践。
权利要求
1.一种移动站，包括 惯性传感器，其中，所述惯性传感器提供惯性测量； 惯性测量处理器，其耦合至所述惯性传感器以接受所述惯性测量并基于所述惯性测量来确定不定性；以及 导航位置滤波器，其耦合至所述惯性测量处理器以接收所述不定性并基于所述不定性来确定位置估计，其中所述导航位置滤波器包括基于所述不定性来计算第一位置估计的第一位置滤波器模型。
2.如权利要求I所述的移动站，其特征在于，所述惯性传感器包括加速计。
3.如权利要求I所述的移动站，其特征在于，所述惯性传感器包括陀螺仪。
4.如权利要求3所述的移动站，其特征在于，所述惯性传感器进一步包括加速计。
5.如权利要求I所述的移动站，其特征在于，所述惯性传感器包括具有每轴最大为2比特的分辨率的加速计。
6.如权利要求I所述的移动站，其特征在于，所述惯性测量处理器基于所述惯性测量的方差来确定所述不定性。
7.如权利要求I所述的移动站，其特征在于，所述方差包括多通道方差。
8.如权利要求I所述的移动站，其特征在于，所述方差包括所述惯性测量的最大值与所述惯性测量的最小值之间的范围。
9.如权利要求I所述的移动站，其特征在于，所述导航位置滤波器进一步包括基于所述不定性来计算第二位置估计的第二位置滤波器。
10.如权利要求9所述的移动站，其特征在于，所述导航位置滤波器进一步包括从以下两者之间选择所述位置估计的开关 来自所述第一位置滤波器模型的所述第一位置估计；以及 来自所述第二位置滤波器模型的所述第二位置估计。
11.如权利要求10所述的移动站，其特征在于，所述导航位置滤波器进一步包括量化器，所述量化器耦合至所述惯性测量处理器以接收所述不定性并耦合至所述开关，其中，所述量化器将所述不定性量化成最多四个值。
12.如权利要求10所述的移动站，其特征在于，所述开关是由基于所述不定性的信号来控制的。
13.如权利要求10所述的移动站，其特征在于，所述开关是由基于所述惯性测量的信号来控制的。
14.如权利要求I所述的移动站，其特征在于，所述第一位置滤波器模型包括零速度模型。
15.如权利要求I所述的移动站，其特征在于，所述第一位置滤波器模型包括位置-速度(PV)滤波器。
16.如权利要求I所述的移动站，其特征在于，所述第一位置滤波器模型包括具有恒定曲率的卡尔曼滤波器。
17.如权利要求I所述的移动站，其特征在于，所述第一位置滤波器模型包括具有恒定速度的卡尔曼滤波器。
18.—种产生移动站的位置的方法，所述方法包括使用惯性传感器来测量惯性以提供惯性测量； 基于所述惯性测量来确定不定性；以及 使用第一位置滤波器模型基于所述不定性来计算第一位置估计。
19.如权利要求18所述的方法，其特征在于，所述惯性测量包括来自加速计的测量。
20.如权利要求18所述的方法，其特征在于，所述惯性测量包括来自陀螺仪的测量。
21.如权利要求18所述的方法，其特征在于，所述惯性测量包括来自具有每轴最大为2比特的分辨率的加速计的测量。
22.如权利要求18所述的方法，其特征在于，所述基于惯性测量来确定不定性的动作包括计算所述惯性测量的方差。
23.如权利要求18所述的方法，其特征在于，所述方差包括多通道方差。
24.如权利要求18所述的方法，其特征在于，所述方差包括所述惯性测量的最大值与所述惯性测量的最小值之间的范围。
25.如权利要求18所述的方法，其特征在于，进一步包括，使用第二位置滤波器模型基于所述不定性来计算第二位置估计。
26.如权利要求25所述的方法，其特征在于，进一步包括，进行开关切换以从以下两者之间选择所述位置估计 来自所述第一位置滤波器模型的所述第一位置估计；以及 来自所述第二位置滤波器模型的所述第二位置估计。
27.如权利要求26所述的方法，其特征在于，进一步包括，将所述不定性量化成最多四个值。
28.如权利要求26所述的方法，其特征在于，所述进行开关切换的动作包括基于所述不定性来控制开关的输出。
29.如权利要求28所述的方法，其特征在于，所述第一位置滤波器模型包括零速度模型。
30.如权利要求28所述的方法，其特征在于，所述第一位置滤波器模型包括位置-速度(PV)滤波器。
31.如权利要求18所述的方法，其特征在于，所述第一位置滤波器模型包括具有恒定曲率的卡尔曼滤波器。
32.如权利要求18所述的方法，其特征在于，所述第一位置滤波器模型包括具有恒定速度的卡尔曼滤波器。
33.一种移动站,包括 用于使用惯性传感器来测量惯性以提供惯性测量的装置； 用于基于所述惯性测量来确定不定性的装置；以及 用于使用第一位置滤波器模型基于所述不定性来计算第一位置估计的装置。
34.一种包括处理器和存储器的移动站，其中，所述存储器包括执行以下操作的软件指令 使用惯性传感器来测量惯性以提供惯性测量； 基于所述惯性测量来确定不定性；以及 使用第一位置滤波器模型基于所述不定性来计算第一位置估计。
35.一种包括存储于其上的程序代码的计算机可读介质，包括执行以下操作的程序代码 使用惯性传感器来测量惯性以提供惯性测量； 基于所述惯性测量来确定不定性；以及 使用第一位置滤波器模型基于所述不定性来计算第一位置估计。
36.一种移动站,包括 惯性传感器，其中，所述惯性传感器提供惯性测量； 惯性测量处理器，其耦合至所述惯性传感器以接受所述惯性测量并基于所述惯性测量来确定不定性； 导航位置滤波器，其耦合至所述惯性测量处理器以接收所述不定性并基于所述不定性来确定位置估计，其中所述导航位置滤波器包括基于所述不定性来计算第一位置估计的第一位置滤波器模型和基于所述不定性来计算第二位置估计的第二位置滤波器模型；以及开关，其包括用于所述第一位置估计的第一输入端口，用于所述第二位置估计的第二输入端口，耦合至所述惯性测量的特性的控制输入端口，以及能由所述控制输入端口选择的输出端口。
37.如权利要求36所述的移动站，其特征在于，所述惯性测量的特性包括所述不定性。
全文摘要
提供了用于使用惯性传感器数据来改善移动站定位的系统和方法的实现。许多移动设备包括惯性传感器。这些惯性测量通常产生低分辨率惯性测量，后者可用来生成不定性值和/或选择定位滤波器模型。在一些实施例中，此不定性值被用作进入卡尔曼滤波器或类似滤波器的过程噪声输入信号。在一些实施例中，从多个并发工作的导航位置滤波器模型选择一个位置估计，其中每个导航位置滤波器模型计算单独的位置估计。在这些实施例中，抑或基于不定性值抑或基于惯性测量的另一特性来选择位置估计。
文档编号G01C21/16GK102933937SQ201180028310
公开日2013年2月13日 申请日期2011年6月10日 优先权日2010年6月10日
发明者W·T·莱利 申请人:高通股份有限公司