1.本发明涉及电子装置，特别涉及用于提升定位的平滑度与精准度的电子装置。
背景技术：
：：2.室内定位无线标签(wirelesstag)主要通过其本身具备的无线信号发射器(wirelesstransmitter)持续地将无线信号发射出来，而由室内定位无线接收器将所接收。室内定位无线接收器将接收的无线信号其内所包含的数据回传至后端定位引擎服务器以运算位置。然往往于量测过程中所定位出来的位置或坐标会有误差产生，一般常见的方式系于定位引擎服务器加入卡尔曼滤波(kalmanfilter：kf)，使得所定位出来的位置或坐标能够更加平滑与精准。3.然而，具备室内定位无线卷标的物体在整体移动过程中，时而静止状态、时而为移动状态(例如走路或跑步)。在上述的情境下，以一组卡尔曼滤波器模型无法完全满足物体时而移动时而停止的状态。技术实现要素：4.依据本发明实施例的电子装置，包括一室内定位器以及一定位引擎服务器。该室内定位器具有一数组天线，用以接收来自一用户装置的一无线信号，依据该无线信号时的相位差及时间差，计算该无线信号的一到达角(aoa)；其中，该无线信号包括该用户装置的一状态数据。该数据状态包括该用户装置的移动状态和速度方向。该定位引擎服务器，将该到达角转换为对应于该用户装置的位置的一坐标。该定位引擎服务器执行一交互多模(interactingmultiplemodel：imm)算法，产生一交互多模模块，并且将该坐标输入于该交互多模模块中。其中，该交互多模模块包括一第一状态模块及一第二状态模块，依据该用户装置的该状态数据，计算调整赋予该第一状态模块及该第二状态模块的权重值，并且依据该坐标及权重值计算输出一预估坐标。5.依据本发明实施例的方法，用于提升定位的平滑度与精准度，包括：接收来自一用户装置的一无线信号；依据该无线信号的相位差及时间差，计算该无线信号的一到达角(aoa)；其中，该无线信号包括该用户装置的一状态数据；其中，该状态数据包括该用户装置的移动状态和速度方向；将该到达角转换为对应于该用户装置的位置的一坐标；执行一交互多模(interactingmultiplemodel：imm)算法，用以产生一交互多模模块；将该坐标输入于该交互多模(interactingmultiplemodel：imm)模块中；其中，该交互多模模块包括一第一状态模块及一第二状态模块；该交互多模模块依据该用户装置的该状态数据，计算调整赋予该第一状态模块及该第二状态模块的权重值，并且依据该坐标及权重值计算输出一预估坐标。附图说明6.图1为本发明实施例的室内定位系统的示意图。7.图2为本发明实施例的卡尔曼滤波器(kf)的预估状态图。8.图3为本发明实施例的用于提升定位的平滑度与精准度的方法的流程图。9.图4为本发明实施例的图2的量测坐标(yk 1)与交互多模模块所输出的一预估坐标的比较图。10.附图标记列表11.100：室内定位系统12.102-1、102-n：室内定位器13.104：定位引擎服务器14.106-1、106-2：室内定位标签15.108：无线信号发射器16.110：传感器17.200、kf：卡尔曼滤波18.yk 1：时间点k 1时的量测值或量测坐标19.时间点k 1时的预估值或预估坐标20.时间点k时的预估值或预估坐标21.x0|0：初始值或初始坐标22.q：过程噪声23.r：高斯白噪声或量测噪声24.s300、s302、s304、s306、s308、s310、s312：步骤25.400：量测坐标图26.402：预估坐标图27.410、420：路径具体实施方式28.本发明系参照所附图式进行描述，其中遍及图式上的相同参考数字标示了相似或相同的组件。上述图式并没有依照实际比例大小描绘，其仅仅提供对本发明的说明。一些发明的型态描述于下方作为图解示范应用的参考。这意味着许多特殊的细节，关系及方法被阐述来对这个发明提供完整的了解。无论如何，拥有相关领域通常知识的人将认识到若没有一个或更多的特殊细节或用其他方法，此发明仍然可以被实现。以其他例子来说，众所皆知的结构或操作并没有详细列出以避免对这发明的混淆。本发明并没有被阐述的行为或事件顺序所局限，如有些行为可能发生在不同的顺序亦或同时发生在其他行为或事件之下。此外，并非所有阐述的行为或事件都需要被执行在与现有发明相同的方法之中。29.图1为本发明实施例的室内定位系统的示意图。如图1所示，室内定位系统100包括复数室内定位器102-1、…、102-n、一定位引擎服务器104，以及室内定位标签106-1、106-2。在一些实施例中，室内定位标签的数目不限定为2个，本发明系以2个室内定位标签做为例示。以室内定位标签106-1为例，室内定位标签106-1，具有一无线信号发射器108及一传感器110。在一些实施例中，无线信号发射器108系用以周期性地发射蓝芽信标(beacon)。传感器110为一多轴惯性测量单元模块(inertialmeasurementunit：imu)。当无线信号发射器108发出一个蓝芽信标时，其将包含当下传感器110的状态数据(包含室内定位标签106-1的移动状态或速度方向)，并由室内定位器102-1的数组天线所接收。30.在一些实施例中，室内定位器102-1、…、102-n可设置于室内的不同位置(例如设置于走廊、走道转角、楼梯、或房间内)，每一室内定位器具有一数组天线，用以接收由室内定位标签106-1、106-2所发射出的无线信号。室内定位器102-1、…、102-n将所接收无线信号转换为iq取样数据，iq取样数据中记录着无线信号之正弦波的强度与相位变化，通过数组天线接收无线信号的相位时间差，即可计算出室内定位标签106-1、106-2相对室内定位器的到达角(亦即该无线信号从室内定位标签106-1、106-2传送过来的入射角)，并可进一步将到达角的信息通过网络传送予定位引擎服务器104。31.定位引擎服务器104系用以执行(1)一封包接收子程序、(2)一到达角(aoa)数据处理子程序、(3)一坐标位置过滤子程序及(4)一平滑子程序。如图1所示，室内定位器102-1、…、102-n将接收到的无线信号(例如蓝芽信标)转换成到达角数据后，再将到达角数据传送至定位引擎服务器104，由(1)封包接收子程序取得，接着由(2)到达角数据处理子程序将到达角数据转换成对应的一坐标，最后由(3)坐标位置过滤子程序以及(4)平滑子程序将该坐标通过递归滤波以提高坐标的平滑度与精准度。32.在定位引擎服务器104的(4)平滑子程序中，定位引擎服务器104首先执行一交互多模(interactingmultiplemodel：imm)算法，而产生一交互多模模块。之后，定位引擎服务器104将(2)到达角数据处理子程序所输出的坐标输入于该交互多模模块中。交互多模模块的基础为卡尔曼滤波器(kalmanfilter：kf)。换句话说，交互多模模块系由多个卡尔曼滤波器所构成。图2为本发明实施例的卡尔曼滤波器(kf)200的预估状态图。如图2所示，卡尔曼滤波器200为一种最佳的线性最小均方误差预估器，以状态空间模式发展的一种递归式滤波方法，其特点为不储存过去迭代取样时间点的数据，根据所得到当下的量测信号(例如图2中的yk 1，例如图1室内定位标签106-1当下的坐标)和前一个迭代取样时间点的状态预估值(例如图2中的)，通过卡尔曼滤波器的迭代表达式，可求得当下的状态预估值(例如图2中的)。图2中的x0|0表示输入于卡尔曼滤波器的一初始值(或称一初始坐标)。33.在一些实施例中，初始值x0|0为来自(2)到达角数据处理子程序的5笔坐标的平均值(但本发明不限于此)，使得卡尔曼滤波器所输出的预估坐标可较快速地逼近所输入的量测坐标。图2中的q为递归滤波过程中的过程噪声，r为递归滤波过程中的高斯白噪声或量测噪声。在一些实施例中，可藉由设定过程噪声q及高斯白噪声r的数值，进而调整卡尔曼滤波器或交互多模模块所输出的预估坐标的准确度或平滑度。34.卡尔曼滤波器所预估的目标物(例如图1的室内定位标签106-1)为单一运动状态之物体，若目标物的动/静状态符合卡尔曼滤波器的模型假设时，其追踪效能会显得相当理想。然而，在现实生活中，物体并非只会做单一的运动，而是会有不同运动模式转换，当目标物运动状态改变时(例如由静止状态变为移动状态、或由移动状态变为静止状态)，卡尔曼滤波器无法实时对运动状态的改变做出反应，因而导致滤波器的追踪效能变差。此时，可藉由具有两种或多种不同状态模型的卡尔曼滤波器的交互多模模块，通过不同状态模型间互相切换的方式来反应目标物运动状态的改变。35.换句话说，交互多模模块(或称交互多模预估器)是利用多个卡尔曼滤波器同时追踪一个目标物，并且其藉由更新多个卡尔曼滤波器各别的权重来考虑多个模型之间的交互作用。在进行目标追踪时，交互多模模块最大的特性是由接收到的量测信号(例如图2中的yk 1)来迭代更新每个模型机率。此外，具备多个模型之间的交互作用，相较于单纯地使用卡尔曼滤波器，其能够较适应目标物运动状态之变化，对于追踪目标物有较佳的效果。36.因此，在执行图1的定位引擎服务器104的(4)平滑子程序时，该交互多模模块包括一静态模块(stablemodel)及一动态模块(motionmodel)，依据该目标物(例如图1的室内定位标签106-1)的该状态数据(即移动状态、速度方向)，计算调整赋予该静态状态模块及该动态模块的权重值，并且依据来自定位引擎服务器104的(2)到达角数据处理子程序的该坐标及权重值计算输出一预估坐标(例如图2的)。在一些实施例中，静态模块为一卡尔曼滤波器，动态模块为另一卡尔曼滤波器。换句话说，交互多模模块包括两个卡尔曼滤波器。在该交互多模模块的递归滤波运算过程中，该静态模块经计算可得到一第一权重值(μ1)，该动态模块经计算可得到一第二权重值(μ2)。当用户装置为停止状态时，该第一权重值(μ1)会大于该第二权重值(μ2)。当该用户装置为移动状态时，该第二权重值(μ2)会大于该第一权重值(μ1)。其中，该第一权重值(μ1)加上该第二权重值(μ2)等于1。一般来说，在一时间点k 1的情况下，该交互多模模块系以以下式子计算得到该静态模型的该第一权重值(μ1)。[0037][0038]其中，μ1(k 1)为时间点k 1时该静态模块的该第一权重值，为正规化常数，p12为由该静态模型转换到该动态模型的机率，以及p11(k 1)为时间点k 1时停留在该静态模型的机率。[0039]在一时间点k 1的情况下，该交互多模模块系以以下式子计算得到该动态模型的该第二权重值(μ2)。[0040][0041]其中，μ2(k 1)为时间点k 1时该动态模块的该第二权重值，为正规化常数，p21为由该动态模型转换到该静态模型的机率，以及p22(k 1)为时间点k 1时停留在该动态模型的机率。由于在该交互多模模块的递归滤波运算过程中，机率p11(k 1)、p22(k 1)会随着每次的递归滤波运算做更新，因此该第一权重值(μ1)及该第二权重值(μ2)也会随着每次的递归滤波运算做更新。[0042]参考图2，在一时间点k 1，该静态模块依据所输入的量测信号或量测坐标(例如图2中的yk 1)输出一第一预估坐标(未图式)，该动态模块亦依据所输入的量测信号或量测坐标(例如图2中的yk 1)输出一第二预估坐标(未图式)，则该预估坐标等于该第一预估坐标乘以该第一权重值(μ1)加上该第二预估坐标乘以该第二权重值(μ2)，亦即[0043]在一些实施例中，参照图2，该静态模块接收用户装置(例如图1的室内定位标签106-1)于当下时间点的该坐标，并且将该坐标乘以一第一矩阵，而得到该第一预估坐标；该坐标、该第一预估坐标及该第一矩阵之间的关系系以算式一表示如下：[0044][0045][0046]其中，为时间点k 1的该第一预估坐标；yk 1为时间点k 1时对应于该用户装置的位置的该坐标；x、y、z为该第一预估坐标中所包括的位置信息；vx、vy、vz为该第一预估坐标所包括的速度信息；wx、wy、wz、wvx、wvy、wvz为过程噪声或状态噪声。为该静态模块的状态转置矩阵，亦即该第一矩阵。值得注意的是，由于在该静态模块无需考虑所输入的量测信号(例如图2中的yk 1)的速度信息，因此该静态模块的状态转置矩阵中的第4列第4行、第5列第5行及第6列第6行的数值皆为0。在一些实施例中，可藉由设定wx、wy、wz、wvx、wvy、wvz的数值，进而调整该静态模块所输出的该第一预估坐标的准确度或平滑度。[0047]在一些实施例中，参照图2，该动态模块接收用户装置(例如图1的室内定位标签106-1)于当下时间点的该坐标，并且将该坐标乘以一第二矩阵，而得到该第二预估坐标；该坐标、该第二预估坐标及该第二矩阵之间的关系系以算式二表示如下：[0048][0049][0050]其中，为时间点k 1的该第二预估坐标；yk 1为时间点k 1时对应于该用户装置的位置的该坐标；x、y、z为该第二预估坐标中所包括的位置信息；vx、vy、vz为该第二预估坐标所包括的速度信息；wx、wy、wz、wvx、wvy、wvz为过程噪声或量测噪声；dt为递归取样时间间隔。为该动态模块的状态转置矩阵，值得注意的是，由于在该动态模块需考虑所输入的量测信号(例如图2中的yk 1)的速度信息，因此该静态模块的状态转置矩阵中的第4列第4行、第5列第5行及第6列第6行的数值皆为1。在一些实施例中，可藉由设定wx、wy、wz、wvx、wvy、wvz的数值，进而调整该动态模块所输出的该第二预估坐标的准确度或平滑度。[0051]下表1为本发明实施例的交互多模模块的该静态模块及该动态模块于递归滤波运算过程中所需运用到的矩阵及所需设定的参数。[0052][0053]表1[0054]如表1所示，不管是交互多模模块的该静态模块还是该动态模块，皆会是用到相同的单位矩阵p0及量测矩阵h。其中，量测矩阵h系用于取出量测信号(例如图2中的yk 1)之x、y、z的分量。在一些实施例中，高斯白噪声r1、r2系可设定为如上述表1。其中，高斯白噪声r1意思为该静态模块将x、y、z各轴中每10cm(0.1公尺)的范围订为系统容许的x、y、z个别的误差范围，使系统能获得越准确的值(x、y、z)。相同的，高斯白噪声r2意思为该动态模块将x、y、z各轴中每30cm(0.3公尺)的范围订为系统容许的x、y、z个别的误差范围。须说明的是，上述误差范围系为常态分布。[0055]在过程噪声q1、q2中，变异数表示所输入量测信号(例如图2中的yk 1)在x方向位置的变异数。同理，变异数表示所输入量测信号在y方向位置的变异数，变异数表示所输入量测信号在z方向位置的变异数。变异数表示所输入量测信号(例如图2中的yk 1)在x方向速度的变异数。同理，变异数表示所输入量测信号在y方向速度的变异数，变异数表示所输入量测信号在z方向速度的变异数。[0056]在一些实施例中，该静态模块的过程噪声q1中的变异数变异数及变异数系设定为0.0004((0.02)2)，并且变异数变异数及变异数设定为0。在一些实施例中，该动态模块的过程噪声q2中的变异数变异数及变异数系设定为0.0064((0.08)2)，并且变异数变异数及变异数设定为0.04((0.2)2)。[0057]在一些实施例中，本发明系将该交互多模模块的模型转移机率矩阵设定为一初始机率换句话说，在该交互多模模块的递归过滤运算中，由该静态模块停留在该静态模块的机率系默认为0.97，由动态模块停留在动态模块的机率系默认为0.97，由静态模块转换到动态模块的机率为0.03，并且由动态模块转移到静态模块的机率为0.03。随着交互多模块的递归滤波运算，交互多模块依据所输入的量测信号或量测坐标(即图2的yk 1)及权重值(即第一权重值(μ1)、第二权重值(μ2))更新该静态模块及该动态模块之间的一模型转移机率矩阵[0058]图3为本发明实施例的用于提升定位的平滑度与精准度的方法的流程图。如图3所示，本发明所揭露一种用于提升定位的平滑度与精准度方法，包括：接收来自一用户装置的一无线信号(步骤s300)；通过所接收该无线信号的相位差及时间差，计算该无线信号的一到达角(aoa)(步骤s302)；其中，该无线信号包括该用户装置的一状态数据，该状态数据包括该用户装置的移动状态和速动方向；通过坐标转换，将该到达角转换为对应于该用户装置的位置的一坐标(步骤s304)；执行一交互多模算法(interactingmultiplemodel：imm)，用以产生一交互多模模块(步骤s306)；将该坐标输入于该交互多模模块中；其中，该交互多模模块包括一第一状态模块及一第二状态模块(步骤s308)；该交互多模模块依据该用户装置的该状态数据，计算调整赋予该第一状态模块及该第二状态模块的权重值(步骤s310)；以及该交互多模模块依据该坐标及权重值计算输出一预估坐标(步骤s312)。[0059]在一些实施例中，图1的室内定位器102-1系执行步骤s300、s302。图1的定位引擎服务器104系执行步骤s304、s306、s308、s310及s312。其中，定位引擎服务器104系通过该交互多模模块执行步骤s308、s310及s312。在一些实施例中，该交互式多模模块系储存在定位引擎服务器104的一储存器中，并且于执行步骤s308、s310及s312时，定位引擎服务器104的一处理器读取储存于该储存器中的该交互式多模模块的算法，用以达成提升定位的平滑度与精准度的目的。[0060]图4为本发明实施例的图2的量测坐标(yk 1)与交互多模模块所输出的一预估坐标的比较图。如图4所示，量测坐标图400包括一路径410，路径410为图2的量测坐标(yk 1)依时序排列而成的路径。预估坐标图402包括一路径420，路径420为图2的预估坐标依时序排列而成的路径。明显地，交互多模模块会将较不合理的坐标点进行平滑化，通过量测值与预估值的交互作用下，其得到的最佳之角度误差(root-mean-squareerror：rmse)也相对较小。[0061]虽然本发明的实施例如上述所描述，我们应该明白上述所呈现的只是范例，而不是限制。依据本实施例上述示范实施例的许多改变是可以在没有违反发明精神及范围下被执行。因此，本发明的广度及范围不该被上述所描述的实施例所限制。更确切地说，本发明的范围应该要以以下的申请专利范围及其相等物来定义。尽管上述发明已被一或多个相关的执行来图例说明及描绘，等效的变更及修改将被依据上述规格及附图且熟悉这领域的其他人所想到。此外，尽管本发明的一特别特征已被相关的多个执行之一所示范，上述特征可能由一或多个其他特征所结合，导致可能有需求及有助于任何已知或特别的应用。[0062]本说明书所使用的专业术语只是为了描述特别实施例的目的，并不打算用来作为本发明的限制。除非上下文有明确指出不同，如本处所使用的单数型，一、该及上述的意思系也包含复数型。再者，用词“包括”，“包含”，“(具、备)有”，“设有”，或其变化型不是被用来作为详细叙述，就是作为申请专利范围。而上述用词意思是包含，且在某种程度上意思是等同于用词“包括”。除非有不同的定义，所有本文所使用的用词(包含技术或科学用词)是可以被属于上述发明的技术中拥有一般技术的人士做一般地了解。我们应该更加了解到上述用词，如被定义在众所使用的字典内的用词，在相关技术的上下文中应该被解释为相同的意思。除非有明确地在本文中定义，上述用词并不会被解释成理想化或过度正式的意思。当前第1页12当前第1页12
背景技术：
：：2.室内定位无线标签(wirelesstag)主要通过其本身具备的无线信号发射器(wirelesstransmitter)持续地将无线信号发射出来，而由室内定位无线接收器将所接收。室内定位无线接收器将接收的无线信号其内所包含的数据回传至后端定位引擎服务器以运算位置。然往往于量测过程中所定位出来的位置或坐标会有误差产生，一般常见的方式系于定位引擎服务器加入卡尔曼滤波(kalmanfilter：kf)，使得所定位出来的位置或坐标能够更加平滑与精准。3.然而，具备室内定位无线卷标的物体在整体移动过程中，时而静止状态、时而为移动状态(例如走路或跑步)。在上述的情境下，以一组卡尔曼滤波器模型无法完全满足物体时而移动时而停止的状态。技术实现要素：4.依据本发明实施例的电子装置，包括一室内定位器以及一定位引擎服务器。该室内定位器具有一数组天线，用以接收来自一用户装置的一无线信号，依据该无线信号时的相位差及时间差，计算该无线信号的一到达角(aoa)；其中，该无线信号包括该用户装置的一状态数据。该数据状态包括该用户装置的移动状态和速度方向。该定位引擎服务器，将该到达角转换为对应于该用户装置的位置的一坐标。该定位引擎服务器执行一交互多模(interactingmultiplemodel：imm)算法，产生一交互多模模块，并且将该坐标输入于该交互多模模块中。其中，该交互多模模块包括一第一状态模块及一第二状态模块，依据该用户装置的该状态数据，计算调整赋予该第一状态模块及该第二状态模块的权重值，并且依据该坐标及权重值计算输出一预估坐标。5.依据本发明实施例的方法，用于提升定位的平滑度与精准度，包括：接收来自一用户装置的一无线信号；依据该无线信号的相位差及时间差，计算该无线信号的一到达角(aoa)；其中，该无线信号包括该用户装置的一状态数据；其中，该状态数据包括该用户装置的移动状态和速度方向；将该到达角转换为对应于该用户装置的位置的一坐标；执行一交互多模(interactingmultiplemodel：imm)算法，用以产生一交互多模模块；将该坐标输入于该交互多模(interactingmultiplemodel：imm)模块中；其中，该交互多模模块包括一第一状态模块及一第二状态模块；该交互多模模块依据该用户装置的该状态数据，计算调整赋予该第一状态模块及该第二状态模块的权重值，并且依据该坐标及权重值计算输出一预估坐标。附图说明6.图1为本发明实施例的室内定位系统的示意图。7.图2为本发明实施例的卡尔曼滤波器(kf)的预估状态图。8.图3为本发明实施例的用于提升定位的平滑度与精准度的方法的流程图。9.图4为本发明实施例的图2的量测坐标(yk 1)与交互多模模块所输出的一预估坐标的比较图。10.附图标记列表11.100：室内定位系统12.102-1、102-n：室内定位器13.104：定位引擎服务器14.106-1、106-2：室内定位标签15.108：无线信号发射器16.110：传感器17.200、kf：卡尔曼滤波18.yk 1：时间点k 1时的量测值或量测坐标19.时间点k 1时的预估值或预估坐标20.时间点k时的预估值或预估坐标21.x0|0：初始值或初始坐标22.q：过程噪声23.r：高斯白噪声或量测噪声24.s300、s302、s304、s306、s308、s310、s312：步骤25.400：量测坐标图26.402：预估坐标图27.410、420：路径具体实施方式28.本发明系参照所附图式进行描述，其中遍及图式上的相同参考数字标示了相似或相同的组件。上述图式并没有依照实际比例大小描绘，其仅仅提供对本发明的说明。一些发明的型态描述于下方作为图解示范应用的参考。这意味着许多特殊的细节，关系及方法被阐述来对这个发明提供完整的了解。无论如何，拥有相关领域通常知识的人将认识到若没有一个或更多的特殊细节或用其他方法，此发明仍然可以被实现。以其他例子来说，众所皆知的结构或操作并没有详细列出以避免对这发明的混淆。本发明并没有被阐述的行为或事件顺序所局限，如有些行为可能发生在不同的顺序亦或同时发生在其他行为或事件之下。此外，并非所有阐述的行为或事件都需要被执行在与现有发明相同的方法之中。29.图1为本发明实施例的室内定位系统的示意图。如图1所示，室内定位系统100包括复数室内定位器102-1、…、102-n、一定位引擎服务器104，以及室内定位标签106-1、106-2。在一些实施例中，室内定位标签的数目不限定为2个，本发明系以2个室内定位标签做为例示。以室内定位标签106-1为例，室内定位标签106-1，具有一无线信号发射器108及一传感器110。在一些实施例中，无线信号发射器108系用以周期性地发射蓝芽信标(beacon)。传感器110为一多轴惯性测量单元模块(inertialmeasurementunit：imu)。当无线信号发射器108发出一个蓝芽信标时，其将包含当下传感器110的状态数据(包含室内定位标签106-1的移动状态或速度方向)，并由室内定位器102-1的数组天线所接收。30.在一些实施例中，室内定位器102-1、…、102-n可设置于室内的不同位置(例如设置于走廊、走道转角、楼梯、或房间内)，每一室内定位器具有一数组天线，用以接收由室内定位标签106-1、106-2所发射出的无线信号。室内定位器102-1、…、102-n将所接收无线信号转换为iq取样数据，iq取样数据中记录着无线信号之正弦波的强度与相位变化，通过数组天线接收无线信号的相位时间差，即可计算出室内定位标签106-1、106-2相对室内定位器的到达角(亦即该无线信号从室内定位标签106-1、106-2传送过来的入射角)，并可进一步将到达角的信息通过网络传送予定位引擎服务器104。31.定位引擎服务器104系用以执行(1)一封包接收子程序、(2)一到达角(aoa)数据处理子程序、(3)一坐标位置过滤子程序及(4)一平滑子程序。如图1所示，室内定位器102-1、…、102-n将接收到的无线信号(例如蓝芽信标)转换成到达角数据后，再将到达角数据传送至定位引擎服务器104，由(1)封包接收子程序取得，接着由(2)到达角数据处理子程序将到达角数据转换成对应的一坐标，最后由(3)坐标位置过滤子程序以及(4)平滑子程序将该坐标通过递归滤波以提高坐标的平滑度与精准度。32.在定位引擎服务器104的(4)平滑子程序中，定位引擎服务器104首先执行一交互多模(interactingmultiplemodel：imm)算法，而产生一交互多模模块。之后，定位引擎服务器104将(2)到达角数据处理子程序所输出的坐标输入于该交互多模模块中。交互多模模块的基础为卡尔曼滤波器(kalmanfilter：kf)。换句话说，交互多模模块系由多个卡尔曼滤波器所构成。图2为本发明实施例的卡尔曼滤波器(kf)200的预估状态图。如图2所示，卡尔曼滤波器200为一种最佳的线性最小均方误差预估器，以状态空间模式发展的一种递归式滤波方法，其特点为不储存过去迭代取样时间点的数据，根据所得到当下的量测信号(例如图2中的yk 1，例如图1室内定位标签106-1当下的坐标)和前一个迭代取样时间点的状态预估值(例如图2中的)，通过卡尔曼滤波器的迭代表达式，可求得当下的状态预估值(例如图2中的)。图2中的x0|0表示输入于卡尔曼滤波器的一初始值(或称一初始坐标)。33.在一些实施例中，初始值x0|0为来自(2)到达角数据处理子程序的5笔坐标的平均值(但本发明不限于此)，使得卡尔曼滤波器所输出的预估坐标可较快速地逼近所输入的量测坐标。图2中的q为递归滤波过程中的过程噪声，r为递归滤波过程中的高斯白噪声或量测噪声。在一些实施例中，可藉由设定过程噪声q及高斯白噪声r的数值，进而调整卡尔曼滤波器或交互多模模块所输出的预估坐标的准确度或平滑度。34.卡尔曼滤波器所预估的目标物(例如图1的室内定位标签106-1)为单一运动状态之物体，若目标物的动/静状态符合卡尔曼滤波器的模型假设时，其追踪效能会显得相当理想。然而，在现实生活中，物体并非只会做单一的运动，而是会有不同运动模式转换，当目标物运动状态改变时(例如由静止状态变为移动状态、或由移动状态变为静止状态)，卡尔曼滤波器无法实时对运动状态的改变做出反应，因而导致滤波器的追踪效能变差。此时，可藉由具有两种或多种不同状态模型的卡尔曼滤波器的交互多模模块，通过不同状态模型间互相切换的方式来反应目标物运动状态的改变。35.换句话说，交互多模模块(或称交互多模预估器)是利用多个卡尔曼滤波器同时追踪一个目标物，并且其藉由更新多个卡尔曼滤波器各别的权重来考虑多个模型之间的交互作用。在进行目标追踪时，交互多模模块最大的特性是由接收到的量测信号(例如图2中的yk 1)来迭代更新每个模型机率。此外，具备多个模型之间的交互作用，相较于单纯地使用卡尔曼滤波器，其能够较适应目标物运动状态之变化，对于追踪目标物有较佳的效果。36.因此，在执行图1的定位引擎服务器104的(4)平滑子程序时，该交互多模模块包括一静态模块(stablemodel)及一动态模块(motionmodel)，依据该目标物(例如图1的室内定位标签106-1)的该状态数据(即移动状态、速度方向)，计算调整赋予该静态状态模块及该动态模块的权重值，并且依据来自定位引擎服务器104的(2)到达角数据处理子程序的该坐标及权重值计算输出一预估坐标(例如图2的)。在一些实施例中，静态模块为一卡尔曼滤波器，动态模块为另一卡尔曼滤波器。换句话说，交互多模模块包括两个卡尔曼滤波器。在该交互多模模块的递归滤波运算过程中，该静态模块经计算可得到一第一权重值(μ1)，该动态模块经计算可得到一第二权重值(μ2)。当用户装置为停止状态时，该第一权重值(μ1)会大于该第二权重值(μ2)。当该用户装置为移动状态时，该第二权重值(μ2)会大于该第一权重值(μ1)。其中，该第一权重值(μ1)加上该第二权重值(μ2)等于1。一般来说，在一时间点k 1的情况下，该交互多模模块系以以下式子计算得到该静态模型的该第一权重值(μ1)。[0037][0038]其中，μ1(k 1)为时间点k 1时该静态模块的该第一权重值，为正规化常数，p12为由该静态模型转换到该动态模型的机率，以及p11(k 1)为时间点k 1时停留在该静态模型的机率。[0039]在一时间点k 1的情况下，该交互多模模块系以以下式子计算得到该动态模型的该第二权重值(μ2)。[0040][0041]其中，μ2(k 1)为时间点k 1时该动态模块的该第二权重值，为正规化常数，p21为由该动态模型转换到该静态模型的机率，以及p22(k 1)为时间点k 1时停留在该动态模型的机率。由于在该交互多模模块的递归滤波运算过程中，机率p11(k 1)、p22(k 1)会随着每次的递归滤波运算做更新，因此该第一权重值(μ1)及该第二权重值(μ2)也会随着每次的递归滤波运算做更新。[0042]参考图2，在一时间点k 1，该静态模块依据所输入的量测信号或量测坐标(例如图2中的yk 1)输出一第一预估坐标(未图式)，该动态模块亦依据所输入的量测信号或量测坐标(例如图2中的yk 1)输出一第二预估坐标(未图式)，则该预估坐标等于该第一预估坐标乘以该第一权重值(μ1)加上该第二预估坐标乘以该第二权重值(μ2)，亦即[0043]在一些实施例中，参照图2，该静态模块接收用户装置(例如图1的室内定位标签106-1)于当下时间点的该坐标，并且将该坐标乘以一第一矩阵，而得到该第一预估坐标；该坐标、该第一预估坐标及该第一矩阵之间的关系系以算式一表示如下：[0044][0045][0046]其中，为时间点k 1的该第一预估坐标；yk 1为时间点k 1时对应于该用户装置的位置的该坐标；x、y、z为该第一预估坐标中所包括的位置信息；vx、vy、vz为该第一预估坐标所包括的速度信息；wx、wy、wz、wvx、wvy、wvz为过程噪声或状态噪声。为该静态模块的状态转置矩阵，亦即该第一矩阵。值得注意的是，由于在该静态模块无需考虑所输入的量测信号(例如图2中的yk 1)的速度信息，因此该静态模块的状态转置矩阵中的第4列第4行、第5列第5行及第6列第6行的数值皆为0。在一些实施例中，可藉由设定wx、wy、wz、wvx、wvy、wvz的数值，进而调整该静态模块所输出的该第一预估坐标的准确度或平滑度。[0047]在一些实施例中，参照图2，该动态模块接收用户装置(例如图1的室内定位标签106-1)于当下时间点的该坐标，并且将该坐标乘以一第二矩阵，而得到该第二预估坐标；该坐标、该第二预估坐标及该第二矩阵之间的关系系以算式二表示如下：[0048][0049][0050]其中，为时间点k 1的该第二预估坐标；yk 1为时间点k 1时对应于该用户装置的位置的该坐标；x、y、z为该第二预估坐标中所包括的位置信息；vx、vy、vz为该第二预估坐标所包括的速度信息；wx、wy、wz、wvx、wvy、wvz为过程噪声或量测噪声；dt为递归取样时间间隔。为该动态模块的状态转置矩阵，值得注意的是，由于在该动态模块需考虑所输入的量测信号(例如图2中的yk 1)的速度信息，因此该静态模块的状态转置矩阵中的第4列第4行、第5列第5行及第6列第6行的数值皆为1。在一些实施例中，可藉由设定wx、wy、wz、wvx、wvy、wvz的数值，进而调整该动态模块所输出的该第二预估坐标的准确度或平滑度。[0051]下表1为本发明实施例的交互多模模块的该静态模块及该动态模块于递归滤波运算过程中所需运用到的矩阵及所需设定的参数。[0052][0053]表1[0054]如表1所示，不管是交互多模模块的该静态模块还是该动态模块，皆会是用到相同的单位矩阵p0及量测矩阵h。其中，量测矩阵h系用于取出量测信号(例如图2中的yk 1)之x、y、z的分量。在一些实施例中，高斯白噪声r1、r2系可设定为如上述表1。其中，高斯白噪声r1意思为该静态模块将x、y、z各轴中每10cm(0.1公尺)的范围订为系统容许的x、y、z个别的误差范围，使系统能获得越准确的值(x、y、z)。相同的，高斯白噪声r2意思为该动态模块将x、y、z各轴中每30cm(0.3公尺)的范围订为系统容许的x、y、z个别的误差范围。须说明的是，上述误差范围系为常态分布。[0055]在过程噪声q1、q2中，变异数表示所输入量测信号(例如图2中的yk 1)在x方向位置的变异数。同理，变异数表示所输入量测信号在y方向位置的变异数，变异数表示所输入量测信号在z方向位置的变异数。变异数表示所输入量测信号(例如图2中的yk 1)在x方向速度的变异数。同理，变异数表示所输入量测信号在y方向速度的变异数，变异数表示所输入量测信号在z方向速度的变异数。[0056]在一些实施例中，该静态模块的过程噪声q1中的变异数变异数及变异数系设定为0.0004((0.02)2)，并且变异数变异数及变异数设定为0。在一些实施例中，该动态模块的过程噪声q2中的变异数变异数及变异数系设定为0.0064((0.08)2)，并且变异数变异数及变异数设定为0.04((0.2)2)。[0057]在一些实施例中，本发明系将该交互多模模块的模型转移机率矩阵设定为一初始机率换句话说，在该交互多模模块的递归过滤运算中，由该静态模块停留在该静态模块的机率系默认为0.97，由动态模块停留在动态模块的机率系默认为0.97，由静态模块转换到动态模块的机率为0.03，并且由动态模块转移到静态模块的机率为0.03。随着交互多模块的递归滤波运算，交互多模块依据所输入的量测信号或量测坐标(即图2的yk 1)及权重值(即第一权重值(μ1)、第二权重值(μ2))更新该静态模块及该动态模块之间的一模型转移机率矩阵[0058]图3为本发明实施例的用于提升定位的平滑度与精准度的方法的流程图。如图3所示，本发明所揭露一种用于提升定位的平滑度与精准度方法，包括：接收来自一用户装置的一无线信号(步骤s300)；通过所接收该无线信号的相位差及时间差，计算该无线信号的一到达角(aoa)(步骤s302)；其中，该无线信号包括该用户装置的一状态数据，该状态数据包括该用户装置的移动状态和速动方向；通过坐标转换，将该到达角转换为对应于该用户装置的位置的一坐标(步骤s304)；执行一交互多模算法(interactingmultiplemodel：imm)，用以产生一交互多模模块(步骤s306)；将该坐标输入于该交互多模模块中；其中，该交互多模模块包括一第一状态模块及一第二状态模块(步骤s308)；该交互多模模块依据该用户装置的该状态数据，计算调整赋予该第一状态模块及该第二状态模块的权重值(步骤s310)；以及该交互多模模块依据该坐标及权重值计算输出一预估坐标(步骤s312)。[0059]在一些实施例中，图1的室内定位器102-1系执行步骤s300、s302。图1的定位引擎服务器104系执行步骤s304、s306、s308、s310及s312。其中，定位引擎服务器104系通过该交互多模模块执行步骤s308、s310及s312。在一些实施例中，该交互式多模模块系储存在定位引擎服务器104的一储存器中，并且于执行步骤s308、s310及s312时，定位引擎服务器104的一处理器读取储存于该储存器中的该交互式多模模块的算法，用以达成提升定位的平滑度与精准度的目的。[0060]图4为本发明实施例的图2的量测坐标(yk 1)与交互多模模块所输出的一预估坐标的比较图。如图4所示，量测坐标图400包括一路径410，路径410为图2的量测坐标(yk 1)依时序排列而成的路径。预估坐标图402包括一路径420，路径420为图2的预估坐标依时序排列而成的路径。明显地，交互多模模块会将较不合理的坐标点进行平滑化，通过量测值与预估值的交互作用下，其得到的最佳之角度误差(root-mean-squareerror：rmse)也相对较小。[0061]虽然本发明的实施例如上述所描述，我们应该明白上述所呈现的只是范例，而不是限制。依据本实施例上述示范实施例的许多改变是可以在没有违反发明精神及范围下被执行。因此，本发明的广度及范围不该被上述所描述的实施例所限制。更确切地说，本发明的范围应该要以以下的申请专利范围及其相等物来定义。尽管上述发明已被一或多个相关的执行来图例说明及描绘，等效的变更及修改将被依据上述规格及附图且熟悉这领域的其他人所想到。此外，尽管本发明的一特别特征已被相关的多个执行之一所示范，上述特征可能由一或多个其他特征所结合，导致可能有需求及有助于任何已知或特别的应用。[0062]本说明书所使用的专业术语只是为了描述特别实施例的目的，并不打算用来作为本发明的限制。除非上下文有明确指出不同，如本处所使用的单数型，一、该及上述的意思系也包含复数型。再者，用词“包括”，“包含”，“(具、备)有”，“设有”，或其变化型不是被用来作为详细叙述，就是作为申请专利范围。而上述用词意思是包含，且在某种程度上意思是等同于用词“包括”。除非有不同的定义，所有本文所使用的用词(包含技术或科学用词)是可以被属于上述发明的技术中拥有一般技术的人士做一般地了解。我们应该更加了解到上述用词，如被定义在众所使用的字典内的用词，在相关技术的上下文中应该被解释为相同的意思。除非有明确地在本文中定义，上述用词并不会被解释成理想化或过度正式的意思。当前第1页12当前第1页12
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
