[发明专利]便于定位外部对象的系统和方法

说明书

根据本公开的第一方面，提供一种便于定位外部对象的系统，所述系统包括：多个超宽带UWB通信节点；控制器，所述控制器可操作地耦合到所述多个UWB通信节点，其中所述控制器被配置成：使所述UWB通信节点中的至少一个向所述多个UWB通信节点中的其它UWB通信节点传输一个或多个UWB消息；接收所述UWB通信节点响应于接收到所述UWB消息而输出的信道脉冲响应(CIR)估计值和/或与所述CIR相关的一个或多个参数；分析所述CIR估计值和/或与所述CIR相关的所述参数；根据分析所述CIR估计值和/或与所述CIR相关的所述参数的结果而选择定位过程。根据本公开的另外的方面，构想一种对应方法并提供一种执行所述方法的计算机程序。

技术领域

本公开涉及一种便于定位外部对象的系统。此外，本公开涉及一种便于定位外部对象的对应方法和一种对应计算机程序。

背景技术

超宽带(UWB)是一种使用高信号带宽的技术，这种技术具体而言用于以极低的功率在宽频带频谱上传输数字数据。例如，UWB技术可使用3.1到10.6GHz的频谱，并且可具有高频带宽大于500MHz且脉冲信号非常短的特征，可能能够支持高数据速率。UWB技术能实现通信装置的高数据吞吐量和装置定位的高精度。具体来说，UWB技术可用于所谓的测距操作，即用于确定通信装置之间的距离。

发明内容

根据本公开的第一方面，提供一种便于定位外部对象的系统，所述系统包括：多个超宽带UWB通信节点；控制器，所述控制器可操作地耦合到所述多个UWB通信节点，其中所述控制器被配置成：使所述UWB通信节点中的至少一个向所述多个UWB通信节点中的其它UWB通信节点传输一个或多个UWB消息；接收所述UWB通信节点响应于接收到所述UWB消息而输出的信道脉冲响应(CIR)估计值和/或与所述CIR相关的一个或多个参数；分析所述CIR估计值和/或与所述CIR相关的所述参数；根据分析所述CIR估计值和/或与所述CIR相关的所述参数的结果而选择定位过程。

在一个或多个实施例中，所述控制器被配置成使用机器学习算法分析所述CIR估计值和/或与所述CIR相关的所述参数。

在一个或多个实施例中，所述机器学习算法主要是决策树算法、神经网络、最近邻算法或支持向量机。

在一个或多个实施例中，所述控制器另外被配置成在所述系统的训练阶段向所述机器学习算法馈送指示所述系统周围环境的数据。

在一个或多个实施例中，与所述CIR相关的所述参数包括以下参数中的至少一个：功率电平；最强路径振幅比；最强路径时间差；频谱功率；第一路径宽度；第一路径突出度。

在一个或多个实施例中，所述定位过程是用于定位所述外部对象的算法。

在一个或多个实施例中，用于定位所述外部对象的所述算法是机器学习算法。

在一个或多个实施例中，所述外部对象是用于访问车辆的装置，并且所述UWB通信节点是包括于所述车辆中或附接到所述车辆的UWB锚。

在一个或多个实施例中，用于访问所述车辆的所述装置是遥控钥匙或移动装置。

根据本公开的第二方面，构想一种便于定位外部对象的方法，所述方法包括：由控制器使多个UWB通信节点中的至少一个向所述多个UWB通信节点中的其它UWB通信节点传输一个或多个UWB消息；由所述控制器接收所述UWB通信节点响应于接收到所述UWB消息而输出的信道脉冲响应CIR估计值和/或与所述CIR相关的一个或多个参数；由所述控制器分析所述CIR估计值和/或与所述CIR相关的所述参数；由所述控制器根据分析所述CIR估计值和/或与所述CIR相关的所述参数的结果而选择定位过程。

在一个或多个实施例中，所述控制器使用机器学习算法分析所述CIR估计值和/或与所述CIR相关的所述参数。

在一个或多个实施例中，所述机器学习算法主要是决策树算法、神经网络、最近邻算法或支持向量机。