一种智能手机和可穿戴设备的音频定位系统、方法及终端技术方案

本发明专利技术属于音频定位技术领域，公开了一种智能手机和可穿戴设备的音频定位系统、方法及终端，利用基站网络传输测距信号，并设计频率为12kHz～21kHz的特定空间信号；利用用户终端接收和解码测距信号，以最先到达信号估计基站和用户终端之间的距离，并根据在用户位置测量的多个距离估计用户位置。本发明专利技术提供了一种用于智能手机和可穿戴设备的音频定位系统(APS)，是一种基于音频的精准测距技术。本发明专利技术测距精度高，信号覆盖范围广，能够在不改变智能手机硬件的情况下支持所有智能手机平台。实验结果证明，本发明专利技术的APS可以在50米的信号有效范围内提供16cm的测距精度和38cm的静态定位精度。位精度。位精度。

An audio positioning system, method and terminal for smart phones and wearable devices

【技术实现步骤摘要】
一种智能手机和可穿戴设备的音频定位系统、方法及终端


[0001]本专利技术属于音频定位
，尤其涉及一种智能手机和可穿戴设备的音频定位系统、方法及终端。

技术介绍

[0002]目前，全球导航卫星系统(GNSS)一直是一种重要的室外定位技术。然而，微弱的GNSS信号无法穿透到室内空间。在室内环境中精准定位人员、物体和车辆仍然是一项具有挑战性的任务。近年来，由于室内导航、位置服务和人工智能等应用对室内人员、物体、机器人和车辆定位的大量需求，开发精准室内定位技术的兴趣日益浓厚。超宽带、Wi
‑
Fi RTT、蓝牙AoA、音频测距、5G技术等多种定位技术已经展示了室内精准定位的潜力。
[0003]全球导航卫星系统(GNSS)技术已经实现了汽车导航、自动驾驶、包裹跟踪、土地测量、滑坡监测、无人机(UAV)导航定位等大量应用。然而，这些应用中的大多数目前都用于能接收GNSS信号的室外环境。全国人类活动模式调查(NHAPS)报告称，人们有86.9％的时间花在封闭的建筑物中。大约80％的数据通信、70％的电话、80％的移动支付和80％的位置相关信息发生在室内。在机场、火车站、展览馆和大型工厂等封闭的室内环境中，对人员、机器人、设备、拖车、购物车和许多其他物体进行定位以提供智能管理功能的兴趣和需求越来越大。此外，未来的应用，如智慧城市、数字孪生和即将到来的元宇宙应用，需要获取与室内人员、物体和车辆的位置相关的实时地理空间数据，并将这些实时信息投射到虚拟空间以实现系统智能。室内精准定位技术现在在提供地理空间大数据以支持人工智能(AI)应用方面发挥着至关重要的作用。
[0004]然而，由于GNSS信号不可用、室内拓扑复杂、信号传播环境具有挑战性，以及人们手持智能手机的任意多变姿势，如发短信、摇摆、打电话并把它放在口袋里，在室内环境中精准定位人员、物体和车辆仍然是一项具有挑战性的任务。Wi
‑
Fi和蓝牙是最常见的室内定位射频信号，是因为这些信号在智能手机中可用。近年来，各种技术包括：
[0005](1)Wi
‑
Fi Fine Timing Measurement(FTM)，通过使用往返时间(RTT)测距解决方案实现高定位精度。该技术嵌入在Google智能手机中，它可以达到1米左右的测距精度，并提供1～2米的定位精度。但是，由于RTT解决方案的交互特性，它只能同时支持有限数量的用户。
[0006](2)超宽带(UWB)测距技术最初由Apple应用于智能手机行业。目前，其他公司，如小米和三星也已在其智能手机中实现了UWB芯片。虽然目前支持UWB的智能手机可以提供方向性和近距离检测功能，但是智能手机全面定位能力的发展还有待未来几年。
[0007](3)蓝牙5.1提供了通过天线阵列测量信号到达角(AoA)的能力。AoA是根据在每个天线处收集的信号相位和幅度测量值估算的。它是一种低成本、低功耗的解决方案。根据信号发射器的安装高度，可以达到1～3m的定位精度。但是，它受到天线阵列的限制，需要预先进行复杂的误差补偿。
[0008](4)5G是另一种具有很大潜力的室内定位技术。5G有利于定位的三个特点：基站密
集安装(室内空间30～50米)、带宽宽、天线阵列适配。5G可以提供优于1米的测距精度和2～3米的定位精度。
[0009](5)同步定位和建图(SLAM)已在机器人、自动驾驶和无人机上得到了很好的应用。它是一种昂贵的解决方案，需要大量计算，因此尚未在智能手机平台中采用。
[0010]通过上述分析，现有技术存在的问题及缺陷为：
[0011](1)由于RTT解决方案的交互特性，只能同时支持有限数量的用户。蓝牙5.1受到天线阵列的限制，需要预先进行复杂的误差补偿。现有的同步定位和建图方法成本高，且需要大量计算，因此尚未在智能手机平台中采用。
[0012](2)室内定位技术分析如下：
[0013](2.1)Wi
‑
Fi技术通过无线接入点(包括无线路由器)组成的无线局域网络(WLAN)，可以实现复杂环境中的定位、监测和追踪任务。它以网络节点(无线接入点)的位置信息为基础和前提，采用经验测试和信号传播模型相结合的方式，对已接入的移动设备进行位置定位，更高度大约在1米至20米之间。如果定位测算仅基于当前连接的Wi
‑
Fi接入点，而不是参照周边Wi
‑
Fi的信号强度合成图，则Wi
‑
Fi定位就很容易存在误差(例如：定位楼层错误)。另外，Wi
‑
Fi接入点通常都只能覆盖半径90米左右的区域，而且很容易受到其他信号的干扰，从而影响其精度，定位器的能耗也较高。
[0014](2.2)蓝牙技术蓝牙通讯是一种短距离低功耗的无线传输技术，在室内安装适当的蓝牙局域网接入点后，将网络配置成基于多用户的基础网络连接模式，并保证蓝牙局域网接入点始终是这个微网络的主设备。这样通过检测信号强度就可以获得用户的位置信息。蓝牙室内定位技术更大的优点是设备体积小、短距离、低功耗。
[0015](2.3)红外线技术室内定位是通过安装在室内的光学传感器，接收各移动设备(红外线IR标识)发射调制的红外射线进行定位，具有相对较高的室内定位精度。但是，由于光线不能穿过障碍物，使得红外射线仅能视距传播，容易受其他灯光干扰，并且红外线的传输距离较短，使其室内定位的效果很差。当移动设备放置在口袋里或者被墙壁遮挡时，就不能正常工作，需要在每个房间、走廊安装接收天线，导致总体造价较高。
[0016](2.4)超宽带技术超宽带技术与传统通信技术的定位方法有较大差异，它不需要使用传统通信体制中的载波，而是通过发送和接收具有纳秒或纳秒级以下的极窄脉冲来传输数据，可用于室内定位，例如：战场士兵的位置发现、机器人运动跟踪等。超宽带系统与传统的窄带系统相比，具有穿透力强、功耗低、抗多径效果好、安全性高、系统复杂度低、能够提高定位精度等优点，通常用于室内移动物体的定位跟踪或导航。
[0017](2.5)RFID技术RFID定位技术利用射频方式进行非接触式双向通信交换数据，实现移动设备识别和定位的目的。它可以在几毫秒内得到厘米级定位精度的信息，且传输范围大、成本较低；不过，由于以下问题未能解决，以RFID定位技术的适用范围受到局限。1)RFID不便于整合到移动设备之中2)作用距离短(一般最长为几十米)3)用户的安全隐私保护4)国际标准化。
[0018](2.6)超声波技术超声波定位主要采用反射式测距(发射超声波并接收由被测物产生的回波后，根据回波与发射波的时间差计算出两者之间的距离)，并通过三角定位等算法确定物体的位置。超声波定位整体定位精度较高、系统结构简单，但容易受多径效应和非视距传播的影响，降低定位精度；同时，它还需要大量的底层硬件设施投资，总体成本较高。
[0019](2.7)ZigBee技术ZigBee是一种短距离、低速率的无线网络技术。它介于RFID和蓝牙之间，可以通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能手机和可穿戴设备的音频定位方法，其特征在于，所述智能手机和可穿戴设备的音频定位方法包括：利用基站网络传输测距信号，用户终端接收和解码测距信号，以最先到达信号估计基站和用户终端之间的距离，并根据在用户位置测量的多个距离估计用户位置。2.如权利要求1所述智能手机和可穿戴设备的音频定位方法，其特征在于，所述智能手机和可穿戴设备的音频定位方法包括以下步骤：步骤一，设计频率为12kHz～21kHz的Chirp信号；步骤二，基于音频的精准测距；步骤三，基于音频测距和惯性传感器的定位。3.如权利要求2所述智能手机和可穿戴设备的音频定位方法，其特征在于，所述步骤一中设计的Chirp信号表示为：其中，A(t)是声波的幅度，T是Chirp信号的周期，f0分别f
e
是初始频率和截止频率；分析室内衰落信道，接收信号表示为：其中，α
i
、τ
i
和N
i
(t)分别是第i个传播路径的信道衰落系数、传播延迟和随机噪声，h(t)是室内环境中的信道脉冲响应，τ
i
是第i个分量的时延，τ0是第一视线分量的时延。4.如权利要求2所述智能手机和可穿戴设备的音频定位方法，其特征在于，所述步骤二中的基于音频的精准测距包括：Chirp信号采用50ms的Chirp周期；给定测距信号s(t)在智能手机中生成，以及麦克风接收到的相应信号x(t)，通过傅里叶变换得到信号S(f)和X(f)的频域描述；广义交叉谱G(f)推导为：G(f)＝E[S(f)X(f)
H
其中，E[*]是数学期望算子，f是信号频率，H是厄米转置；采用相位变换加权方案获得所有频率分量的单位增益，保留实际延迟信息；通过进行傅里叶逆变换，获得以下相关函数R(τ)：其中，τ是相关函数的时延，测距信号s(t)的时延Δt由下式获得：其中，β是阈值因子，β
·
max[|R(τ)|]表示估计阈值；得到时间延迟Δt后，计算用户终端与发送信号的相应基站之间的距离d：d＝Δt
·
c其中，c是声速，为343m/s；在获得至少三个基站的距离后，通过应用最小二乘三边测量算法或综合滤波算法估计用户终端的位置。5.如权利要求2所述智能手机和可穿戴设备的音频定位方法，其特征在于，所述步骤三中的基于音频测距和惯性传感器的定位包括：
通过整合声学范围和惯性传感器的测量值估计用户终端的位置，估计用户位置的数据处理包括数据驱动部分和模型驱动部分；其中，所述数据驱动部分基于深度学习方法估计用户速度矢量；所述模型驱动部分利用扩展卡尔曼滤波器来整合速度矢量和测距测量来估计用户位置、航向和速度；(1)数据驱动部分：利用智能手机或标签上的加速度计和陀螺仪传感器的测量值估计速度矢量v＝[v
x
,v
y
,v
z
]
T
，是基于深度学习方法的数据驱动方法；(2)模型驱动部分：集成速度矢量与基于音频的精准测距，使用扩展卡尔曼滤波器估计用户的位置、航向和速度。6.如权利要求2所述智能手机和可穿戴设备的音频定位方法，其特征在于，所述步骤三中的基于音频测距和惯性传感器的定位还包括：通过对步长为10Hz的IMU测量应用滑动窗口程序，学习速度矢量的输出速率为20Hz；位移向量通过将速度向量乘以两个连续周期t1和t2的时间间隔估计，如下所示：从绝对坐标系中收集距离和方位角测量值，采用2D方法进行用户位置估计；采用扩展卡尔曼滤波器融合从PDR网络获得的位移矢量；位移向量位于由初始航向x和垂直方向u定义的局部坐标系L(x,y,u)中，y轴由右手笛卡尔坐标系的作用定义；由于E...

【专利技术属性】
技术研发人员：陈锐志，
申请(专利权)人：浙江德清知路导航科技有限公司，
类型：发明
国别省市：