粒子フィルタを用いた測位システム、装置および方法
【課題】マルチパスの影響を低減し、精度の高い測位方法およびシステムを提供する。
【解決手段】本発明の一実施形態によれば、端末４０が所定の信号を放射し、位置情報が既知である複数のノード４１〜４４がその信号を受信し、受信時刻を記録する。測位信号処理部４６は、この受信時刻から各ノード間の受信時刻差を求め、第１の粒子フィルタ８１−１〜６を用いて受信時刻差を補正する。次に、位置推定部８２において、第２の粒子フィルタを用いて補正した受信時刻差および各ノードの位置情報から端末の位置を推定する。粒子フィルタを用いることにより、見通し外環境におけるマルチパスの影響を軽減し、精度の高い測位が可能となる。
【解決手段】本発明の一実施形態によれば、端末４０が所定の信号を放射し、位置情報が既知である複数のノード４１〜４４がその信号を受信し、受信時刻を記録する。測位信号処理部４６は、この受信時刻から各ノード間の受信時刻差を求め、第１の粒子フィルタ８１−１〜６を用いて受信時刻差を補正する。次に、位置推定部８２において、第２の粒子フィルタを用いて補正した受信時刻差および各ノードの位置情報から端末の位置を推定する。粒子フィルタを用いることにより、見通し外環境におけるマルチパスの影響を軽減し、精度の高い測位が可能となる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、ネットワークにおける端末の位置検出に関する。より具体的には、本発明は、センサネットワークにおいて、階層型粒子フィルタを用いて端末の位置を推定する技術に関する。
【背景技術】
【０００２】
従来、地上の位置を決定する手段として最も一般的な方法は、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）である。これは、図１に示すように、受信機（例えば、車両１０）が地球を周回する軌道上の３個以上の衛星１１〜１４から放射されるマイクロ波を受信し、各衛星との擬似距離により受信機の３次元的な位置を決定するものである。このようなＧＰＳ測位装置は、例えば特許文献１に開示されている。ＧＰＳはその性質上、広い場所での位置の確定を目的としたものであり、衛星からの電波が届かない室内（例えば、端末１５）では使用することができない。
【０００３】
ＧＰＳなどの衛星システムを用いずに、電波の到来時間差（ＴＤＯＡ：Ｔｉｍｅ Ｄｉｆｆｅｒｅｎｃｅ ｏｆ Ａｒｒｉｖａｌ）を利用した測位システムが特許文献２に説明されている。これは、図２に示すように、位置が未知である発信機（例えば、移動端末２０）から発信される電波を、位置が既知である受信機（例えば、基地局２１〜２４）が受信し、各受信機での受信時刻の差を計測して発信機の位置を推定する技術である。また、この技術は、図３に示すユビキタスセンサネットワークのように、衛星からの電波が届かず、ＧＰＳ技術を利用することができない室内環境（例えば、医療、オフィス、家庭環境）においても使用することができる。
【０００４】
ＴＤＯＡを利用した測位では、図２に示すように、未知の座標［ｘｐ，ｙｐ，ｚｐ］に位置する端末２０からの信号を複数の基地局２１〜２４で受信する。各基地局の座標［ｘｉ，ｙｉ，ｚｉ］（図２では、ｉは１から４の整数）は既知であるとし、基地局と端末の時刻同期がとれない環境を考える。図２のセルラーシステムや、図３のユビキタスネットワークなどでは、非同期環境が想定されることが多い。このような非同期環境においては、各基地局での受信時刻差（ＴＤＯＡ）ｔｉ−ｔｊを利用して測位を行う。具体的には、２つの基地局［ｘｉ，ｙｉ，ｚｉ］、［ｘｊ，ｙｊ，ｚｊ］および端末［ｘｐ，ｙｐ，ｚｐ］の座標の関係は、ＴＤＯＡ情報を用いて次式で表される。
（１） ｃ・（ｔｉ−ｔｊ）＝ｄｉ−ｄｊ
ここで、ｃは光速であり、ｄｉは端末から基地局までの距離を表し、次式のように定義される。
【０００５】
【数１】
【０００６】
式（１）および（２）で表される関係式は、基地局のペアの数だけ成り立つため、それらの非線形連立方程式を解くことで、端末の座標［ｘｐ，ｙｐ，ｚｐ］を推定することができる。
【０００７】
しかし、実際問題として、観測値にはノイズが含まれるため、測位にあたっては近似的な値を推定することとなる。ノイズ源としては、基地局の受信機での熱雑音やクロックのオフセットに加え、電波が端末から見通し外（ＮＬＯＳ：Ｎｏｎｅ Ｌｉｎｅ ｏｆ Ｓｉｇｈｔ）の伝搬路を通って到来するマルチパスによる影響が挙げられる。近似値の導出方法としては、非特許文献１および２にＮｅｗｔｏｎ法（Ｔａｙｌｏｒ−Ｓｅｒｉｅｓ−Ａｌｇｏｒｉｔｈｍとも称される）が紹介されているが、この方法は、ＮＬＯＳ伝搬路に起因するマルチパス問題に脆弱であるという問題がある。
【０００８】
ＴＤＯＡ型測位における近似的な解の導出方法として、非特許文献３では、マルチパス伝搬路をモデル化し、最適な到来時間を推定する測位方法が紹介されている。この方法は、伝搬路のモデル化が正確に行える場合に有効であることが知られている。
【０００９】
【特許文献１】特許第３６４３８７４号明細書
【特許文献２】米国特許第５３２７１４４号明細書
【非特許文献１】W. H. Foy, “Position-Location Solutions by Taylor-Series Estimation,” IEEE Trans. Aerosp. Electron. Syst., vol. AES-12, no. 2, pp. 187-194, Mar., 1976.
【非特許文献２】H. Kong, Y. Kwon and T. Sung, “Comparisons of TDOA Triangulation Solutions for Indoor Positioning,” in Proc. International Symposium on GNSS, December, 2004.
【非特許文献３】川端 学，朝生 雅人，斎川 貴彦，服部 武，“セルラーシステムにおける最ゆう推定法に基づくＴＤＯＡシステムの位置検出性能評価，” 電子情報通信学会論文誌（Ｂ），ｖｏｌ．Ｊ８７−Ｂ，ｎｏ．2，ｐｐ．２８５−２９１，Ｆｅｂｒｕａｒｙ，２００４．
【発明の開示】
【発明が解決しようとする課題】
【００１０】
しかしながら、従来の技術には次のような問題があった。すなわち、従来技術では、ＧＰＳのような外部システムに依存したものが多く、装置コストが増大するだけでなく、ＧＰＳ信号の届かない屋内環境では使用できないという問題があった。また、従来技術では、発信機と受信機の間の伝搬路が見通し外の場合、複数の伝搬路によって電波が到来するマルチパスの影響を受け、測位精度が劣化するという問題があった。マルチパスによる測位精度の劣化を補償するために、従来技術では、マルチパス伝搬路を正確にモデル化して推定を行っていた。しかし、現実問題として、伝搬路の正確なモデル化は難しく、演算量の増大も招いていた。また、従来技術では、精度を向上させるために、数多くの受信機を使って測位を行っている。
【００１１】
本発明は、このような問題に鑑みてなされたもので、その目的とするところは、マルチパスの影響を低減し、精度の高い測位方法およびシステムを提供することにある。
【課題を解決するための手段】
【００１２】
本発明は、このような目的を達成するために、請求項１に記載の発明は、端末の位置を推定するシステムであって、所定の信号を放射する端末と、位置情報が既知である複数のノードであって、前記所定の信号を受信し、受信時刻を計測する複数のノードと、各ノードから前記受信時刻を受信して、各ノード間の受信時刻差を求め、前記受信時刻差および各ノードの位置情報から前記端末の位置を推定する信号処理部とを備え、前記信号処理部は、第１の粒子フィルタを用いて前記受信時刻差を補正することを特徴とする。
【００１３】
また、請求項２に記載の発明は、請求項１に記載のシステムであって、前記信号処理部は、第２の粒子フィルタを用いて前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することを特徴とする。
【００１４】
また、請求項３に記載の発明は、請求項１または２に記載のシステムであって、前記第１の粒子フィルタは、前記受信時刻差の時間変化が一定であるとしてモデル化されていることを特徴とする。
【００１５】
また、請求項４に記載の発明は、位置情報が既知である複数のノードを含むネットワークにおける端末の位置を推定する装置であって、端末と各ノード間の信号の受信時刻差を得る手段と、第１の粒子フィルタを用いて前記受信時刻差を補正する手段と、前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定する手段とを備えたことを特徴とする。
【００１６】
また、請求項５に記載の発明は、請求項４に記載の装置であって、前記推定する手段は、第２の粒子フィルタを用いて前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することを特徴とする。
【００１７】
また、請求項６に記載の発明は、請求項４または５に記載の装置であって、前記第１の粒子フィルタは、前記受信時刻差の時間変化が一定であるとしてモデル化されていることを特徴とする。
【００１８】
また、請求項７に記載の発明は、端末の位置を推定する方法であって、端末が所定の信号を放射することと、位置情報が既知である複数のノードが前記所定の信号を受信し、受信時刻を計測することと、各ノードの受信時刻から各ノード間の受信時刻差を求めることと、第１の粒子フィルタを用いて前記受信時刻差を補正することと、前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することとを備えることを特徴とする。
【００１９】
また、請求項８に記載の発明は、請求項７に記載の方法であって、前記端末の位置を推定することは、第２の粒子フィルタを用いて前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することを特徴とする。
【００２０】
また、請求項９に記載の発明は、位置情報が既知である複数のノードを含むネットワークにおける端末の位置を推定するための方法であって、端末と各ノード間の信号の受信時刻差を得ることと、第１の粒子フィルタを用いて前記受信時刻差を補正することと、前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することを備えることを特徴とする。
【００２１】
また、請求項１０に記載の発明は、請求項９に記載の方法であって、前記推定することは、第２の粒子フィルタを用いて前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することを特徴とする。
【発明の効果】
【００２２】
本発明によれば、ＧＰＳに依存しない測位システムの実現が可能となる。具体的には、各ノード（基地局）の座標情報が既知であるという条件のもと、ＧＰＳに依存することなく移動端末の位置推定が実現可能となる。
【００２３】
また、本発明によれば、見通し外環境、特にマルチパスの問題に対する耐性が得られる。本発明は、見通し環境および見通し外環境のいずれにおいても何等の変更なく適用することができ、特に、見通し外環境において従来の方式に比べて優れた測位精度を発揮する。
【００２４】
また、本発明によれば、伝搬路モデルを必要とすることなく精度の良い測位システムが可能となる。すなわち、数学モデル・確率モデルによって表される伝搬路特性が未知な状況においても測位が可能である。本発明の一実施形態では、「観測情報の時間変化は一定である」という非常にシンプルな前提条件をおくことで、マルチパスの影響を軽減することができる。
【００２５】
また、本発明によれば、測位システムのコストを削減できるという効果もある。測位精度が向上する分、ノードの数を減らすことができる。また、階層型の構成をとることによって、測位信号処理を分散させることが可能である。すなわち、第１層の処理を各ノードで行い、第２層の処理を測位サーバで実施するといった分散処理が実現できる。このような信号処理の負担の軽減は、ハードウェア的な制約の大きいセンサネットワークなどで特に有効である。
【発明を実施するための最良の形態】
【００２６】
以下、図面を参照しながら本発明の実施の形態について詳細に説明する。この実施形態では、主にセンサネットワークでの測位について説明するが、本発明は、センサネットワークに限らず、セルラー、その他のネットワークにも適用することができる。
【００２７】
（システムモデルおよび測位プロセス）
図４に、センサネットワークにおける測位システムのシステムモデルを示す。このシステムモデルは、位置が未知のタグ４０と、位置が既知のノード４１〜４４とから構成されている。測位信号処理部４６は、例えばセンサネットワークの測位サーバに実装され、ノード４１〜４４からの受信時刻情報ｔ１〜ｔ４に基づいてＴＤＯＡ情報を求め、タグ４０の位置を推定する。
【００２８】
図５に、図４のシステムモデルに基づく従来の測位プロセスの一例を示す。この測位プロセスでは、タグ４０が所定の信号を送信し（ステップ５０２）、各ノード４１〜４４がタグ４０から送信された信号を受信し、受信時刻を記録する（ステップ５０４）。この受信時刻に関する情報は、各ノードから測位信号処理部４６へ転送され、そこで各ノード間の受信時刻差（ＴＤＯＡ）が算出される（ステップ５０６）。測位信号処理部４６は、算出したＴＤＯＡ情報を用いてニュートン法によるタグ４０の位置推定を行う（ステップ５０８）。
【００２９】
これに対して、図６に、図４のシステムモデルに基づく本発明の測位プロセスの一例を示す。この測位プロセスでは、タグ４０が所定の信号を送信し（ステップ６０２）、各ノード４１〜４４がタグ４０から送信された信号を受信し、受信時刻を記録する（ステップ６０４）。この受信時刻に関する情報は、各ノードから測位信号処理部４６へ転送され、そこで各ノード間の受信時刻差が算出される（ステップ６０６）。測位信号処理部４６は、算出したＴＤＯＡ情報を粒子フィルタ（ＰＦ：Ｐａｒｔｉｃｌｅ Ｆｉｌｔｅｒ）で処理し、伝搬路のマルチパスによる誤差を補正する（ステップ６０８）。測位信号処理部４６は、補正したＴＤＯＡ情報を用いて粒子フィルタによるタグ４０の位置推定を行う（ステップ６１０）。
【００３０】
図７に、従来のニュートン法を用いた測位信号処理部の構成例を示す。この測位信号処理部４６は、各ノードからの受信時刻情報（ｔ１〜ｔ４）を格納するバッファ４７−１〜４と、各ノード間の受信時刻差を算出するＴＤＯＡ算出部４８−１〜４と、各ノードの位置情報を格納したメモリ４９と、算出したＴＤＯＡ情報および各ノードの位置情報からニュートン法によるタグ４０の位置推定を実行するニュートン法位置推定部７０とから構成されている。一般に、ＴＤＯＡ算出部４８−１〜４で得られたＴＤＯＡ情報には観測誤差が含まれている。従来のニュートン法を用いた測位では、この誤差に対して何の補正を行うことなく位置推定を行うため、推定精度が劣化するという問題がある。特に、ニュートン法は、測定誤差の勾配を最小にするような線形探索を実行するアルゴリズムであるため、誤差の大きい観測値の影響を受けやすい。
【００３１】
次に、図８に、本発明の一実施形態による測位信号処理部の構成例を示す。この測位信号処理部４６は、各ノードからの受信時刻情報（ｔ１〜ｔ４）を格納するバッファ４７−１〜４と、各ノード間の受信時刻差を算出するＴＤＯＡ算出部４８−１〜４と、各ノードの位置情報を格納したメモリ４９と、算出したＴＤＯＡ情報の補正を行う粒子フィルタ８１−１〜６と、補正したＴＤＯＡ情報および各ノードの位置情報から粒子フィルタによるタグ４０の位置推定を実行するＰＦ位置推定部８２とから構成されている。本発明の一実施形態による測位では、粒子フィルタと呼ばれるデジタルフィルタアルゴリズムを使用して、ＴＤＯＡ算出部４８−１〜４で得られたＴＤＯＡ情報の観測誤差を補正し、位置推定を行う。そのため、従来技術に比して推定精度が向上する。また、図８の構成では、粒子フィルタを２段構成とすることによって、マルチパス環境下での測位精度の改善が図られている。以下、粒子フィルタを用いた測位システムについて詳述する。
【００３２】
（粒子フィルタを用いた測位システム）
本発明の一実施形態によるタグ４０は、自己のＩＤを付加した電波を定期的に放射する。ノード４１〜４４は、タグからの信号を受信し、タグのＩＤを識別する。各ノードは、タグのＩＤと信号の受信時刻を測位信号処理部４６に転送する。また、ノードは、必要に応じて自己の位置情報を測位信号処理部４６に転送してもよい。測位信号処理部４６は、信号の受信時刻から各ノード間のＴＤＯＡを算出する。ここで、ノード＃ｉでの受信時刻をｔｉ、ノード＃ｊでの受信時刻をｔｊとすると、このノード間のＴＤＯＡは、ｔｉ−ｔｊとなる。このＴＤＯＡに高速ｃを乗算すると、次式からノード＃ｉおよび＃ｊとタグとの距離の差Δｄが得られる。
【００３３】
【数２】
【００３４】
ここで、ｄｉは、式（２）で定義されるようにタグからノード＃ｉまでの距離を表し、ｄｊは、同様にタグからノード＃ｊまでの距離を表す。式（３）は、理想環境での関係式であり、実環境では次式のようにマルチパスに起因する誤差ｅが加わる。
【００３５】
【数３】
【００３６】
従って、実際の観測値Δｄ’は、真の距離差Δｄに対してΔｄ’＝Δｄ＋ｅという関係にある。そこで、本発明では、粒子フィルタによって観測値Δｄ’から真の値Δｄを推定して、観測値Δｄ’から誤差を軽減し、真の値Δｄに近い補正値Δｄ”を導出する。
【００３７】
（第１階層の粒子フィルタ）
粒子フィルタは、状態空間モデルでモデル化された状態ベクトルを推定するための信号処理アルゴリズムである。その推定プロセスを図９に示す。本明細書では、この処理を「第１階層の粒子フィルタ」と呼ぶ。
【００３８】
図９のステップ９０２において、初期分布に基づいてＮ個の粒子、すなわちＮ個のランダムベクトルを生成する。粒子フィルタでは、推定対象の状態ベクトルを「粒子」と呼び、その動作を解析することで最終的な推定値を得る。ここで、Ｎは任意に設定することができ、一般に、Ｎが大きいほど特性が改善するが、演算量が増加することになる。
【００３９】
初期分布に従うＮ個の粒子
【００４０】
【数４】
【００４１】
は、以下のようなベクトル形式で表される。
【００４２】
【数５】
【００４３】
ここでｘ（ｉ）（０）は、初期分布に従うランダム変数である。初期分布としては、平均Δｄ’（１）、分散ν２のガウス分布を与える。なお、Δｄ’（１）は初期時刻ｔ＝１において実際に得られた観測値である。
【００４４】
一般に、時刻ｔにおける粒子の状態ベクトルＸｔ（ｉ）に含まれる２つの要素は、現時点（時刻ｔ）での観測値Δｄ’（ｔ）と、一時点前（時刻ｔ−１）での補正値Δｄ”（ｔ−１）を表す。初期状態（ｔ＝１）においては、時刻ｔ−１が存在しないので、２つの要素とも、時刻ｔ＝１での観測値Δｄ’（１）を平均とする乱数を用いている。
【００４５】
ステップ９０４において、現在の分布から一期先の予測を行う。具体的には、現時点での観測値Δｄ’（ｔ）と一時点前の補正値Δｄ”（ｔ−１）を用いて、一時点先の観測値を補正する。ここで、観測値の時間変化を予測するための事前モデルとして、「観測される距離情報Δｄ’（ｔ）の時間変化は一定である」という仮定をおく。移動端末であるタグの移動が緩やかな場合、この仮定は妥当なものであり、マルチパスに起因する急激な異常値を除去する効果がある。この仮定は、次式で定義される。
（６） Δｄ’（ｔ＋１）−Δｄ’（ｔ）＝Δｄ’（ｔ）−Δｄ’（ｔ−１）
この仮定に基づいて、状態ベクトル
【００４６】
【数６】
【００４７】
を一時点だけ遷移させ、新たな粒子群
【００４８】
【数７】
【００４９】
を得る。その状態遷移方程式は下記のようになる。
【００５０】
【数８】
【００５１】
ここで、システムノイズベクトルＶｔは、主に熱雑音やクロックのオフセットなどを表し、平均０、分散ν２のガウス分布を与える。また、式（７）における状態ベクトルＸｔ（ｉ）の要素は、時刻ｔでの観測値Δｄ’（ｔ）および一時点前の推定結果Δｄ”（ｔ−１）であり、次式のように表される。
【００５２】
【数９】
【００５３】
次に、ステップ９０６において、観測値Δｄ’（ｔ）および観測ノイズ分布を用いて、個々の粒子Ｐｔ（ｉ）の尤度αｔ（ｉ）を算出する。
【００５４】
【数１０】
【００５５】
ここで、観測ノイズ分布ｒ（ｘ；０，η２）は、主にマルチパスの影響を表し、次式で定義されるコーシー分布を与える。
【００５６】
【数１１】
【００５７】
式（９）における確率変数Δｄ’（ｔ）−［１ ０］・Ｐｔ（ｉ）は、一期先予測による予測値と、実際の観測値との誤差を示している。誤差が大きな粒子ほど尤度は小さくなり、誤差の小さな粒子ほど尤度は大きくなる。
【００５８】
次に、ステップ９０８において、フィルタ分布の算出を行う。具体的には、次式に基づいて粒子Ｐｔ（ｉ）をリサンプルする。
【００５９】
【数１２】
【００６０】
この結果、一期先の状態を表現する粒子群
【００６１】
【数１３】
【００６２】
を得る。
【００６３】
ステップ９１０において、リサンプリング後の各粒子の状態量を平均することによって、その時点での観測値の補正値が得られる。そして、この補正値は、ステップ９０４において、一期先の予測のために用いられる。
【００６４】
このように、ステップ９０４からステップ９０８を繰り返すことで、観測値に含まれたマルチパス成分の影響が軽減された補正値を得ることができる。
【００６５】
（第２階層の粒子フィルタ）
次に、第１階層の粒子フィルタによる上記プロセスによって補正された観測値を用いて、移動端末であるタグの位置を推定する。この推定プロセスを図１０に示す。本明細書では、この処理を「第２階層の粒子フィルタ」と呼ぶ。
【００６６】
図１０のステップ１００２において、初期推定座標の設定を行う。粒子フィルタによる位置推定では、複数の２次元座標を初期推定候補として設定し、これらを「粒子」と呼ぶ。個々の粒子の持つ座標の信頼性を吟味しながら真の座標へと絞り込んでいく。ここでは粒子数をＮ’個とし、その初期状態をＸｎ（ｉ）＝｛ｘｉ（ｎ），ｙｉ（ｎ）｝，ｉ＝１，．．．，Ｎ’という２次元座標で定義する。この２次元座標は、測位エリア内を一様に分布するＮ’個のランダム２次元変数で与える。また、パラメタｎは後述するステップ１０１６の繰り返し数をカウントする変数であり、初期設定の段階では、ｎ＝０とする。
【００６７】
ステップ１００４において、ステップ１００２で設定した粒子の初期座標に対し、各ノードとの距離の差を計算する。たとえば、粒子｛ｘｉ（ｎ），ｙｉ（ｎ）｝とノード＃ｋ［ｘｋ，ｙｋ］およびノード＃ｊ［ｘｊ，ｙｊ］との間の距離の差ｈｋｊ（ｉ）は、次式によって算出される。
【００６８】
【数１４】
【００６９】
このような距離差を、すべてのノードペアに対して求める。ノード数が４個の場合、ノードペアは４Ｃ２＝６個となるため、距離の差ｈｋｊ（ｉ）も６個得られる。簡単のため、この距離差をｈ１（ｉ），ｈ２（ｉ），．．．，ｈ６（ｉ）と記す。
【００７０】
次に、ステップ１００６において、各粒子の尤度を算出する。具体的には、ステップ１００４で求まった距離差に対し、実際の観測によって得られた距離情報ｙ１，．．．，ｙ６（本実施形態では、第１階層で求めた補正値）と比較し、２乗誤差Ｅ（ｉ）を求める。
【００７１】
【数１５】
【００７２】
この誤差情報をもとに、各粒子の尤度αｎ（ｉ）を算出する。
【００７３】
【数１６】
【００７４】
ここで、ｒ（ｘ；０，μ２）は、平均０、分散μ２のガウス分布を与える。確率変数として誤差Ｅ（ｉ）を与え、Ｅ（ｉ）が小さい粒子ほど大きな尤度を持つことになる。
【００７５】
次に、ステップ１００８において、ステップ１００６で求まった尤度を次式により正規化する。
【００７６】
【数１７】
【００７７】
次に、ステップ１０１０において、タグ座標の推定値［Ｘｎ’ Ｙｎ’］を次式により算出する。
【００７８】
【数１８】
【００７９】
この式は、尤度を重みとして全粒子の状態量（＝２次元座標）の線形和をとったものである。
【００８０】
ステップ１０１２において、次式で表される確率に基づいて、粒子群
【００８１】
【数１９】
【００８２】
をリサンプリングし、次の繰り返しに用いる。
【００８３】
【数２０】
次に、ステップ１０１４において、リサンプリングの後、粒子の状態量が初期分布で与えられた座標にのみ収束してしまうのを避けるため、粒子の状態量を次式に従って限定的に拡散させる。
【００８４】
【数２１】
【００８５】
ここで、ベクトルＷ＝｛ｗｘ，ｗｙ｝は、平均０、分散μ２／ｎに従う２次元ガウス乱数である。
【００８６】
そして、ステップ１０１６において、推定座標が収束するまで、ステップ１００４にループバックし、ステップ１００４からステップ１０１４を繰り返すことで、最終的な測位結果が得られる。
【００８７】
（評価結果）
次に、本発明の一実施形態による測位特性について、計算機シミュレーションの結果を示し、従来方式との比較を行う。このシミュレーションでは、測位エリアとして１００ｍ四方の二次元平面を考え、基地局ノードの数を４個とした。ノードの座標は既知であり、［ｘ，ｙ］＝［２５，２５］，［２５，７５］，［７５，２５］，［７５，７５］という４つの座標に設置した。伝搬環境は、ガウシアン雑音による観測雑音と、指数分布に従うマルチパス遅延の混在する環境を設定した。各ノードで観測される距離情報に対し、平均０、分散σ２のガウシアン雑音と、平均λの指数分布遅延が加算されるとする。
【００８８】
タグの移動軌跡としては、屋内環境で廊下に沿って直進ないし９０度のターンを繰り返しながら、一定速度（Ｖ＝１ｍ／ｓ）で１６０ｍ移動する軌跡を与える。タグの軌跡は図１１（ａ）および（ｂ）に実線として示した。伝搬環境は、いずれの場合もσ２＝５、λ＝２としている。
【００８９】
図１１（ａ）は、従来のニュートン法による測位結果であり、伝搬環境に起因した測定誤差によって大きく測位精度が劣化してしまっていることがわかる。一般にニュートン法は、初期推定値を適切に与えなければ推定値が正しく収束しない。図１１（ａ）では、初期推定値としてノードに囲まれた中心点である［ｘ，ｙ］＝［５０，５０］を与えているため、ノードに囲まれていないエリアでは特に測位精度が悪くなり、タグの追跡ができていない。
【００９０】
図１１（ｂ）は、本発明の階層型粒子フィルタによる測位結果である。粒子数は、第１階層がＮ＝１０００、第２階層がＮ’＝５０であり、粒子フィルタの初期パラメタは、ν２＝３、η２＝０．５、μ２＝１０とした。従来方式に対し、測位精度が大幅に改善されていることが確認できる。
【００９１】
図１２に、第１階層での誤差補正の効果を示す評価として、ノード＃１：［ｘ，ｙ］＝［２５，２５］およびノード＃２：［ｘ，ｙ］＝［２５，７５］からのタグまでの観測距離に含まれる誤差が、トラッキングの過程でどのように変化しているかを示す。伝搬環境はσ２＝５、λ＝２のＮＬＯＳ環境である。点線で示した従来方式は、ＮＬＯＳ補償を行わないために大きな異常値を頻繁に生じている。一方、実線で示した提案方式では、第１階層でのＮＬＯＳ補償の効果で誤差が小さく抑えられていることがわかる。
【００９２】
また、図１３に、伝搬路を特徴づける２つのパラメタσ，λのうち、ＮＬＯＳ伝搬による影響を表すλを変化させた場合の二乗平均平方根誤差（ＲＭＳＥ：Ｒｏｏｔ Ｍｅａｎ Ｓｑｕａｒｅ Ｅｒｒｏｒ）特性を示す。λが大きくなるほど劣悪な伝搬環境となり、いずれの方式も測位精度が劣化している。しかし、本発明による階層型粒子フィルタは、従来方式に比べ、その劣化の度合いが非常に小さく、環境変化に対して非常にロバストなアルゴリズムであることがわかる。
【００９３】
（その他の実施形態）
以上、本発明について、具体的な実施形態について説明したが、本発明の原理を適用できる多くの実施可能な形態に鑑みて、ここに記載した実施形態は、単に例示に過ぎず、本発明の範囲を限定するものではない。例えば、上記の実施形態では、ネットワーク側で移動端末の位置を推定するように構成されているが、ネットワーク側からの信号を受信して、移動端末側で自身の位置を推定するように構成してもよい。この場合、ノードからの信号に、座標情報および時間オフセット情報を含めるようにすることができる。
【００９４】
また、ノード数の多いネットワークでは、例えば、劣悪な環境にあるノードの観測値を利用しないなど、ノードを選択的に利用してもよい。さらに、粒子数を適応的に変化させ、静的で良好な環境のときは粒子数を減らして演算量を削減し、マルチパスが顕著な場合には粒子数を増やして測位精度を高めることができる。
【００９５】
また、本発明の原理は、ＴＤＯＡ型の測位システムだけでなく、ＴＯＡ（Ｔｉｍｅ Ｏｆ Ａｒｒｉｖａｌ）型やＲＳＳ（Ｒｅｃｅｉｖｅｄ Ｓｉｇｎａｌ Ｓｔｒｅｎｇｔｈ）型の測位システムにも適用できる。この場合には、式（６）で用いたモデルを変更する必要があるが、階層型の粒子フィルタという構成はそのまま適用可能である。
【００９６】
このように、ここに例示した実施形態は、本発明の趣旨から逸脱することなくその構成と詳細を変更することができる。さらに、説明のための構成要素および手順は、本発明の趣旨から逸脱することなく変更、補足、またはその順序を変えてもよい。
【産業上の利用可能性】
【００９７】
本発明を利用することができる分野には、例えば、ホームネットワーク、オフィスオートメーション、ショッピングセンタ、医療環境、港湾施設、ＩＴＳなどが挙げられる。
【００９８】
ホームネットワークでは、上述のとおり、ユビキタス社会の浸透に伴って家庭内のデジタル家電やモバイル機器のネットワーク化が進むと考えられ、本発明は、このようなホームネットワーク内での端末位置検出に応用可能である。
【００９９】
オフィスオートメーションについては、オフィス環境において、有線・無線ＬＡＮによるネットワークが構築されているケースが多く、本発明の測位システムをこのようなＬＡＮ基地局によるネットワークに組み込むことで、端末の位置検出が可能となる。
【０１００】
スーパーマーケットなどのショッピングセンタでは、商品管理のための位置情報認識へのニーズがある。また、店内でのショッピングカートの位置把握に基づいた集客率の把握、商品配置への応用なども潜在的なニーズといえる。店内に何箇所か基地局を設け、商品やカートに設置した端末からの信号を受信して測位を行うようなアプリケーションに本発明を応用することができる。
【０１０１】
病院等の医療施設においては、医薬品の管理や患者の位置把握へのニーズが高く、本発明をこのような分野に適用することが可能である。また、今日の高齢化社会においては、家庭内で介護をおこなうことも多く、高齢者や病人の位置把握が可能なホームネットワークやセキュリティネットワークが求められており、本発明の適用が可能な分野である。
【０１０２】
港湾施設においては、コンテナ等の位置把握へのニーズが高い。無線ＬＡＮや電源線などによるネットワークを構築しやすい施設であり、例えばコンテナを移動端末として本発明を適用することができる。
【０１０３】
ＩＴＳ（高度交通システム）の一環として、車両の位置情報を識別する技術が高い注目を浴びているが、現状では、個々の車がＧＰＳによって自らの位置を認識する技術にとどまっている。しかし、将来的には、路側帯や信号機、そして車両をネットワーク化するＩＴＳインフラの構築も検討されている。本発明は、例えばＩＴＳネットワークと個々の車両とが相互に位置を認識するためのツールとして適用可能である。
【図面の簡単な説明】
【０１０４】
【図１】従来のＧＰＳによる測位システムの一例を示す図ある。
【図２】一般的なＴＤＯＡによる測位システムの一例を示す図である。
【図３】室内環境におけるユビキタスセンサネットワークの一例を示す図である。
【図４】センサネットワークにおける測位システムのシステムモデルを示す図である。
【図５】図４のシステムモデルに基づく従来の測位プロセスの一例を示すフローチャートである。
【図６】図４のシステムモデルに基づく本発明の測位プロセスの一例を示すフローチャートである。
【図７】従来のニュートン法を用いた測位信号処理部の構成例を示す図である。
【図８】本発明の一実施形態による測位信号処理部の構成例を示す図である。
【図９】本発明の一実施形態による第１階層の粒子フィルタの推定プロセスの一例を示すフローチャートである。
【図１０】本発明の一実施形態による第２階層の粒子フィルタの推定プロセスの一例を示すフローチャートである。
【図１１】計算機シミュレーションによる測位結果を示すグラフであり、図１１（ａ）は従来のニュートン法によるものであり、図１１（ｂ）は本発明の階層型粒子フィルタによるものである。
【図１２】移動端末のトラッキング過程で第１階層の粒子フィルタによる誤差補正の効果を示すグラフである。
【図１３】見通し外環境における平均遅延時間λを変化させたときの二乗平均平方根誤差の特性を示すグラフである。
【符号の説明】
【０１０５】
１０ 車両
１１〜１４ 衛星
１５ 端末
２１〜２４ 基地局
２６ 信号処理部
４０ 端末
４１〜４４ ノード
４６ 信号処理部
４７−１〜４ バッファ
４８−１〜６ ＴＤＯＡ算出部
４９ メモリ
７０ ニュートン法位置推定部
８１−１〜６ 第１の粒子フィルタ
８２ 位置推定部
【技術分野】
【０００１】
本発明は、ネットワークにおける端末の位置検出に関する。より具体的には、本発明は、センサネットワークにおいて、階層型粒子フィルタを用いて端末の位置を推定する技術に関する。
【背景技術】
【０００２】
従来、地上の位置を決定する手段として最も一般的な方法は、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）である。これは、図１に示すように、受信機（例えば、車両１０）が地球を周回する軌道上の３個以上の衛星１１〜１４から放射されるマイクロ波を受信し、各衛星との擬似距離により受信機の３次元的な位置を決定するものである。このようなＧＰＳ測位装置は、例えば特許文献１に開示されている。ＧＰＳはその性質上、広い場所での位置の確定を目的としたものであり、衛星からの電波が届かない室内（例えば、端末１５）では使用することができない。
【０００３】
ＧＰＳなどの衛星システムを用いずに、電波の到来時間差（ＴＤＯＡ：Ｔｉｍｅ Ｄｉｆｆｅｒｅｎｃｅ ｏｆ Ａｒｒｉｖａｌ）を利用した測位システムが特許文献２に説明されている。これは、図２に示すように、位置が未知である発信機（例えば、移動端末２０）から発信される電波を、位置が既知である受信機（例えば、基地局２１〜２４）が受信し、各受信機での受信時刻の差を計測して発信機の位置を推定する技術である。また、この技術は、図３に示すユビキタスセンサネットワークのように、衛星からの電波が届かず、ＧＰＳ技術を利用することができない室内環境（例えば、医療、オフィス、家庭環境）においても使用することができる。
【０００４】
ＴＤＯＡを利用した測位では、図２に示すように、未知の座標［ｘｐ，ｙｐ，ｚｐ］に位置する端末２０からの信号を複数の基地局２１〜２４で受信する。各基地局の座標［ｘｉ，ｙｉ，ｚｉ］（図２では、ｉは１から４の整数）は既知であるとし、基地局と端末の時刻同期がとれない環境を考える。図２のセルラーシステムや、図３のユビキタスネットワークなどでは、非同期環境が想定されることが多い。このような非同期環境においては、各基地局での受信時刻差（ＴＤＯＡ）ｔｉ−ｔｊを利用して測位を行う。具体的には、２つの基地局［ｘｉ，ｙｉ，ｚｉ］、［ｘｊ，ｙｊ，ｚｊ］および端末［ｘｐ，ｙｐ，ｚｐ］の座標の関係は、ＴＤＯＡ情報を用いて次式で表される。
（１） ｃ・（ｔｉ−ｔｊ）＝ｄｉ−ｄｊ
ここで、ｃは光速であり、ｄｉは端末から基地局までの距離を表し、次式のように定義される。
【０００５】
【数１】
【０００６】
式（１）および（２）で表される関係式は、基地局のペアの数だけ成り立つため、それらの非線形連立方程式を解くことで、端末の座標［ｘｐ，ｙｐ，ｚｐ］を推定することができる。
【０００７】
しかし、実際問題として、観測値にはノイズが含まれるため、測位にあたっては近似的な値を推定することとなる。ノイズ源としては、基地局の受信機での熱雑音やクロックのオフセットに加え、電波が端末から見通し外（ＮＬＯＳ：Ｎｏｎｅ Ｌｉｎｅ ｏｆ Ｓｉｇｈｔ）の伝搬路を通って到来するマルチパスによる影響が挙げられる。近似値の導出方法としては、非特許文献１および２にＮｅｗｔｏｎ法（Ｔａｙｌｏｒ−Ｓｅｒｉｅｓ−Ａｌｇｏｒｉｔｈｍとも称される）が紹介されているが、この方法は、ＮＬＯＳ伝搬路に起因するマルチパス問題に脆弱であるという問題がある。
【０００８】
ＴＤＯＡ型測位における近似的な解の導出方法として、非特許文献３では、マルチパス伝搬路をモデル化し、最適な到来時間を推定する測位方法が紹介されている。この方法は、伝搬路のモデル化が正確に行える場合に有効であることが知られている。
【０００９】
【特許文献１】特許第３６４３８７４号明細書
【特許文献２】米国特許第５３２７１４４号明細書
【非特許文献１】W. H. Foy, “Position-Location Solutions by Taylor-Series Estimation,” IEEE Trans. Aerosp. Electron. Syst., vol. AES-12, no. 2, pp. 187-194, Mar., 1976.
【非特許文献２】H. Kong, Y. Kwon and T. Sung, “Comparisons of TDOA Triangulation Solutions for Indoor Positioning,” in Proc. International Symposium on GNSS, December, 2004.
【非特許文献３】川端 学，朝生 雅人，斎川 貴彦，服部 武，“セルラーシステムにおける最ゆう推定法に基づくＴＤＯＡシステムの位置検出性能評価，” 電子情報通信学会論文誌（Ｂ），ｖｏｌ．Ｊ８７−Ｂ，ｎｏ．2，ｐｐ．２８５−２９１，Ｆｅｂｒｕａｒｙ，２００４．
【発明の開示】
【発明が解決しようとする課題】
【００１０】
しかしながら、従来の技術には次のような問題があった。すなわち、従来技術では、ＧＰＳのような外部システムに依存したものが多く、装置コストが増大するだけでなく、ＧＰＳ信号の届かない屋内環境では使用できないという問題があった。また、従来技術では、発信機と受信機の間の伝搬路が見通し外の場合、複数の伝搬路によって電波が到来するマルチパスの影響を受け、測位精度が劣化するという問題があった。マルチパスによる測位精度の劣化を補償するために、従来技術では、マルチパス伝搬路を正確にモデル化して推定を行っていた。しかし、現実問題として、伝搬路の正確なモデル化は難しく、演算量の増大も招いていた。また、従来技術では、精度を向上させるために、数多くの受信機を使って測位を行っている。
【００１１】
本発明は、このような問題に鑑みてなされたもので、その目的とするところは、マルチパスの影響を低減し、精度の高い測位方法およびシステムを提供することにある。
【課題を解決するための手段】
【００１２】
本発明は、このような目的を達成するために、請求項１に記載の発明は、端末の位置を推定するシステムであって、所定の信号を放射する端末と、位置情報が既知である複数のノードであって、前記所定の信号を受信し、受信時刻を計測する複数のノードと、各ノードから前記受信時刻を受信して、各ノード間の受信時刻差を求め、前記受信時刻差および各ノードの位置情報から前記端末の位置を推定する信号処理部とを備え、前記信号処理部は、第１の粒子フィルタを用いて前記受信時刻差を補正することを特徴とする。
【００１３】
また、請求項２に記載の発明は、請求項１に記載のシステムであって、前記信号処理部は、第２の粒子フィルタを用いて前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することを特徴とする。
【００１４】
また、請求項３に記載の発明は、請求項１または２に記載のシステムであって、前記第１の粒子フィルタは、前記受信時刻差の時間変化が一定であるとしてモデル化されていることを特徴とする。
【００１５】
また、請求項４に記載の発明は、位置情報が既知である複数のノードを含むネットワークにおける端末の位置を推定する装置であって、端末と各ノード間の信号の受信時刻差を得る手段と、第１の粒子フィルタを用いて前記受信時刻差を補正する手段と、前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定する手段とを備えたことを特徴とする。
【００１６】
また、請求項５に記載の発明は、請求項４に記載の装置であって、前記推定する手段は、第２の粒子フィルタを用いて前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することを特徴とする。
【００１７】
また、請求項６に記載の発明は、請求項４または５に記載の装置であって、前記第１の粒子フィルタは、前記受信時刻差の時間変化が一定であるとしてモデル化されていることを特徴とする。
【００１８】
また、請求項７に記載の発明は、端末の位置を推定する方法であって、端末が所定の信号を放射することと、位置情報が既知である複数のノードが前記所定の信号を受信し、受信時刻を計測することと、各ノードの受信時刻から各ノード間の受信時刻差を求めることと、第１の粒子フィルタを用いて前記受信時刻差を補正することと、前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することとを備えることを特徴とする。
【００１９】
また、請求項８に記載の発明は、請求項７に記載の方法であって、前記端末の位置を推定することは、第２の粒子フィルタを用いて前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することを特徴とする。
【００２０】
また、請求項９に記載の発明は、位置情報が既知である複数のノードを含むネットワークにおける端末の位置を推定するための方法であって、端末と各ノード間の信号の受信時刻差を得ることと、第１の粒子フィルタを用いて前記受信時刻差を補正することと、前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することを備えることを特徴とする。
【００２１】
また、請求項１０に記載の発明は、請求項９に記載の方法であって、前記推定することは、第２の粒子フィルタを用いて前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することを特徴とする。
【発明の効果】
【００２２】
本発明によれば、ＧＰＳに依存しない測位システムの実現が可能となる。具体的には、各ノード（基地局）の座標情報が既知であるという条件のもと、ＧＰＳに依存することなく移動端末の位置推定が実現可能となる。
【００２３】
また、本発明によれば、見通し外環境、特にマルチパスの問題に対する耐性が得られる。本発明は、見通し環境および見通し外環境のいずれにおいても何等の変更なく適用することができ、特に、見通し外環境において従来の方式に比べて優れた測位精度を発揮する。
【００２４】
また、本発明によれば、伝搬路モデルを必要とすることなく精度の良い測位システムが可能となる。すなわち、数学モデル・確率モデルによって表される伝搬路特性が未知な状況においても測位が可能である。本発明の一実施形態では、「観測情報の時間変化は一定である」という非常にシンプルな前提条件をおくことで、マルチパスの影響を軽減することができる。
【００２５】
また、本発明によれば、測位システムのコストを削減できるという効果もある。測位精度が向上する分、ノードの数を減らすことができる。また、階層型の構成をとることによって、測位信号処理を分散させることが可能である。すなわち、第１層の処理を各ノードで行い、第２層の処理を測位サーバで実施するといった分散処理が実現できる。このような信号処理の負担の軽減は、ハードウェア的な制約の大きいセンサネットワークなどで特に有効である。
【発明を実施するための最良の形態】
【００２６】
以下、図面を参照しながら本発明の実施の形態について詳細に説明する。この実施形態では、主にセンサネットワークでの測位について説明するが、本発明は、センサネットワークに限らず、セルラー、その他のネットワークにも適用することができる。
【００２７】
（システムモデルおよび測位プロセス）
図４に、センサネットワークにおける測位システムのシステムモデルを示す。このシステムモデルは、位置が未知のタグ４０と、位置が既知のノード４１〜４４とから構成されている。測位信号処理部４６は、例えばセンサネットワークの測位サーバに実装され、ノード４１〜４４からの受信時刻情報ｔ１〜ｔ４に基づいてＴＤＯＡ情報を求め、タグ４０の位置を推定する。
【００２８】
図５に、図４のシステムモデルに基づく従来の測位プロセスの一例を示す。この測位プロセスでは、タグ４０が所定の信号を送信し（ステップ５０２）、各ノード４１〜４４がタグ４０から送信された信号を受信し、受信時刻を記録する（ステップ５０４）。この受信時刻に関する情報は、各ノードから測位信号処理部４６へ転送され、そこで各ノード間の受信時刻差（ＴＤＯＡ）が算出される（ステップ５０６）。測位信号処理部４６は、算出したＴＤＯＡ情報を用いてニュートン法によるタグ４０の位置推定を行う（ステップ５０８）。
【００２９】
これに対して、図６に、図４のシステムモデルに基づく本発明の測位プロセスの一例を示す。この測位プロセスでは、タグ４０が所定の信号を送信し（ステップ６０２）、各ノード４１〜４４がタグ４０から送信された信号を受信し、受信時刻を記録する（ステップ６０４）。この受信時刻に関する情報は、各ノードから測位信号処理部４６へ転送され、そこで各ノード間の受信時刻差が算出される（ステップ６０６）。測位信号処理部４６は、算出したＴＤＯＡ情報を粒子フィルタ（ＰＦ：Ｐａｒｔｉｃｌｅ Ｆｉｌｔｅｒ）で処理し、伝搬路のマルチパスによる誤差を補正する（ステップ６０８）。測位信号処理部４６は、補正したＴＤＯＡ情報を用いて粒子フィルタによるタグ４０の位置推定を行う（ステップ６１０）。
【００３０】
図７に、従来のニュートン法を用いた測位信号処理部の構成例を示す。この測位信号処理部４６は、各ノードからの受信時刻情報（ｔ１〜ｔ４）を格納するバッファ４７−１〜４と、各ノード間の受信時刻差を算出するＴＤＯＡ算出部４８−１〜４と、各ノードの位置情報を格納したメモリ４９と、算出したＴＤＯＡ情報および各ノードの位置情報からニュートン法によるタグ４０の位置推定を実行するニュートン法位置推定部７０とから構成されている。一般に、ＴＤＯＡ算出部４８−１〜４で得られたＴＤＯＡ情報には観測誤差が含まれている。従来のニュートン法を用いた測位では、この誤差に対して何の補正を行うことなく位置推定を行うため、推定精度が劣化するという問題がある。特に、ニュートン法は、測定誤差の勾配を最小にするような線形探索を実行するアルゴリズムであるため、誤差の大きい観測値の影響を受けやすい。
【００３１】
次に、図８に、本発明の一実施形態による測位信号処理部の構成例を示す。この測位信号処理部４６は、各ノードからの受信時刻情報（ｔ１〜ｔ４）を格納するバッファ４７−１〜４と、各ノード間の受信時刻差を算出するＴＤＯＡ算出部４８−１〜４と、各ノードの位置情報を格納したメモリ４９と、算出したＴＤＯＡ情報の補正を行う粒子フィルタ８１−１〜６と、補正したＴＤＯＡ情報および各ノードの位置情報から粒子フィルタによるタグ４０の位置推定を実行するＰＦ位置推定部８２とから構成されている。本発明の一実施形態による測位では、粒子フィルタと呼ばれるデジタルフィルタアルゴリズムを使用して、ＴＤＯＡ算出部４８−１〜４で得られたＴＤＯＡ情報の観測誤差を補正し、位置推定を行う。そのため、従来技術に比して推定精度が向上する。また、図８の構成では、粒子フィルタを２段構成とすることによって、マルチパス環境下での測位精度の改善が図られている。以下、粒子フィルタを用いた測位システムについて詳述する。
【００３２】
（粒子フィルタを用いた測位システム）
本発明の一実施形態によるタグ４０は、自己のＩＤを付加した電波を定期的に放射する。ノード４１〜４４は、タグからの信号を受信し、タグのＩＤを識別する。各ノードは、タグのＩＤと信号の受信時刻を測位信号処理部４６に転送する。また、ノードは、必要に応じて自己の位置情報を測位信号処理部４６に転送してもよい。測位信号処理部４６は、信号の受信時刻から各ノード間のＴＤＯＡを算出する。ここで、ノード＃ｉでの受信時刻をｔｉ、ノード＃ｊでの受信時刻をｔｊとすると、このノード間のＴＤＯＡは、ｔｉ−ｔｊとなる。このＴＤＯＡに高速ｃを乗算すると、次式からノード＃ｉおよび＃ｊとタグとの距離の差Δｄが得られる。
【００３３】
【数２】
【００３４】
ここで、ｄｉは、式（２）で定義されるようにタグからノード＃ｉまでの距離を表し、ｄｊは、同様にタグからノード＃ｊまでの距離を表す。式（３）は、理想環境での関係式であり、実環境では次式のようにマルチパスに起因する誤差ｅが加わる。
【００３５】
【数３】
【００３６】
従って、実際の観測値Δｄ’は、真の距離差Δｄに対してΔｄ’＝Δｄ＋ｅという関係にある。そこで、本発明では、粒子フィルタによって観測値Δｄ’から真の値Δｄを推定して、観測値Δｄ’から誤差を軽減し、真の値Δｄに近い補正値Δｄ”を導出する。
【００３７】
（第１階層の粒子フィルタ）
粒子フィルタは、状態空間モデルでモデル化された状態ベクトルを推定するための信号処理アルゴリズムである。その推定プロセスを図９に示す。本明細書では、この処理を「第１階層の粒子フィルタ」と呼ぶ。
【００３８】
図９のステップ９０２において、初期分布に基づいてＮ個の粒子、すなわちＮ個のランダムベクトルを生成する。粒子フィルタでは、推定対象の状態ベクトルを「粒子」と呼び、その動作を解析することで最終的な推定値を得る。ここで、Ｎは任意に設定することができ、一般に、Ｎが大きいほど特性が改善するが、演算量が増加することになる。
【００３９】
初期分布に従うＮ個の粒子
【００４０】
【数４】
【００４１】
は、以下のようなベクトル形式で表される。
【００４２】
【数５】
【００４３】
ここでｘ（ｉ）（０）は、初期分布に従うランダム変数である。初期分布としては、平均Δｄ’（１）、分散ν２のガウス分布を与える。なお、Δｄ’（１）は初期時刻ｔ＝１において実際に得られた観測値である。
【００４４】
一般に、時刻ｔにおける粒子の状態ベクトルＸｔ（ｉ）に含まれる２つの要素は、現時点（時刻ｔ）での観測値Δｄ’（ｔ）と、一時点前（時刻ｔ−１）での補正値Δｄ”（ｔ−１）を表す。初期状態（ｔ＝１）においては、時刻ｔ−１が存在しないので、２つの要素とも、時刻ｔ＝１での観測値Δｄ’（１）を平均とする乱数を用いている。
【００４５】
ステップ９０４において、現在の分布から一期先の予測を行う。具体的には、現時点での観測値Δｄ’（ｔ）と一時点前の補正値Δｄ”（ｔ−１）を用いて、一時点先の観測値を補正する。ここで、観測値の時間変化を予測するための事前モデルとして、「観測される距離情報Δｄ’（ｔ）の時間変化は一定である」という仮定をおく。移動端末であるタグの移動が緩やかな場合、この仮定は妥当なものであり、マルチパスに起因する急激な異常値を除去する効果がある。この仮定は、次式で定義される。
（６） Δｄ’（ｔ＋１）−Δｄ’（ｔ）＝Δｄ’（ｔ）−Δｄ’（ｔ−１）
この仮定に基づいて、状態ベクトル
【００４６】
【数６】
【００４７】
を一時点だけ遷移させ、新たな粒子群
【００４８】
【数７】
【００４９】
を得る。その状態遷移方程式は下記のようになる。
【００５０】
【数８】
【００５１】
ここで、システムノイズベクトルＶｔは、主に熱雑音やクロックのオフセットなどを表し、平均０、分散ν２のガウス分布を与える。また、式（７）における状態ベクトルＸｔ（ｉ）の要素は、時刻ｔでの観測値Δｄ’（ｔ）および一時点前の推定結果Δｄ”（ｔ−１）であり、次式のように表される。
【００５２】
【数９】
【００５３】
次に、ステップ９０６において、観測値Δｄ’（ｔ）および観測ノイズ分布を用いて、個々の粒子Ｐｔ（ｉ）の尤度αｔ（ｉ）を算出する。
【００５４】
【数１０】
【００５５】
ここで、観測ノイズ分布ｒ（ｘ；０，η２）は、主にマルチパスの影響を表し、次式で定義されるコーシー分布を与える。
【００５６】
【数１１】
【００５７】
式（９）における確率変数Δｄ’（ｔ）−［１ ０］・Ｐｔ（ｉ）は、一期先予測による予測値と、実際の観測値との誤差を示している。誤差が大きな粒子ほど尤度は小さくなり、誤差の小さな粒子ほど尤度は大きくなる。
【００５８】
次に、ステップ９０８において、フィルタ分布の算出を行う。具体的には、次式に基づいて粒子Ｐｔ（ｉ）をリサンプルする。
【００５９】
【数１２】
【００６０】
この結果、一期先の状態を表現する粒子群
【００６１】
【数１３】
【００６２】
を得る。
【００６３】
ステップ９１０において、リサンプリング後の各粒子の状態量を平均することによって、その時点での観測値の補正値が得られる。そして、この補正値は、ステップ９０４において、一期先の予測のために用いられる。
【００６４】
このように、ステップ９０４からステップ９０８を繰り返すことで、観測値に含まれたマルチパス成分の影響が軽減された補正値を得ることができる。
【００６５】
（第２階層の粒子フィルタ）
次に、第１階層の粒子フィルタによる上記プロセスによって補正された観測値を用いて、移動端末であるタグの位置を推定する。この推定プロセスを図１０に示す。本明細書では、この処理を「第２階層の粒子フィルタ」と呼ぶ。
【００６６】
図１０のステップ１００２において、初期推定座標の設定を行う。粒子フィルタによる位置推定では、複数の２次元座標を初期推定候補として設定し、これらを「粒子」と呼ぶ。個々の粒子の持つ座標の信頼性を吟味しながら真の座標へと絞り込んでいく。ここでは粒子数をＮ’個とし、その初期状態をＸｎ（ｉ）＝｛ｘｉ（ｎ），ｙｉ（ｎ）｝，ｉ＝１，．．．，Ｎ’という２次元座標で定義する。この２次元座標は、測位エリア内を一様に分布するＮ’個のランダム２次元変数で与える。また、パラメタｎは後述するステップ１０１６の繰り返し数をカウントする変数であり、初期設定の段階では、ｎ＝０とする。
【００６７】
ステップ１００４において、ステップ１００２で設定した粒子の初期座標に対し、各ノードとの距離の差を計算する。たとえば、粒子｛ｘｉ（ｎ），ｙｉ（ｎ）｝とノード＃ｋ［ｘｋ，ｙｋ］およびノード＃ｊ［ｘｊ，ｙｊ］との間の距離の差ｈｋｊ（ｉ）は、次式によって算出される。
【００６８】
【数１４】
【００６９】
このような距離差を、すべてのノードペアに対して求める。ノード数が４個の場合、ノードペアは４Ｃ２＝６個となるため、距離の差ｈｋｊ（ｉ）も６個得られる。簡単のため、この距離差をｈ１（ｉ），ｈ２（ｉ），．．．，ｈ６（ｉ）と記す。
【００７０】
次に、ステップ１００６において、各粒子の尤度を算出する。具体的には、ステップ１００４で求まった距離差に対し、実際の観測によって得られた距離情報ｙ１，．．．，ｙ６（本実施形態では、第１階層で求めた補正値）と比較し、２乗誤差Ｅ（ｉ）を求める。
【００７１】
【数１５】
【００７２】
この誤差情報をもとに、各粒子の尤度αｎ（ｉ）を算出する。
【００７３】
【数１６】
【００７４】
ここで、ｒ（ｘ；０，μ２）は、平均０、分散μ２のガウス分布を与える。確率変数として誤差Ｅ（ｉ）を与え、Ｅ（ｉ）が小さい粒子ほど大きな尤度を持つことになる。
【００７５】
次に、ステップ１００８において、ステップ１００６で求まった尤度を次式により正規化する。
【００７６】
【数１７】
【００７７】
次に、ステップ１０１０において、タグ座標の推定値［Ｘｎ’ Ｙｎ’］を次式により算出する。
【００７８】
【数１８】
【００７９】
この式は、尤度を重みとして全粒子の状態量（＝２次元座標）の線形和をとったものである。
【００８０】
ステップ１０１２において、次式で表される確率に基づいて、粒子群
【００８１】
【数１９】
【００８２】
をリサンプリングし、次の繰り返しに用いる。
【００８３】
【数２０】
次に、ステップ１０１４において、リサンプリングの後、粒子の状態量が初期分布で与えられた座標にのみ収束してしまうのを避けるため、粒子の状態量を次式に従って限定的に拡散させる。
【００８４】
【数２１】
【００８５】
ここで、ベクトルＷ＝｛ｗｘ，ｗｙ｝は、平均０、分散μ２／ｎに従う２次元ガウス乱数である。
【００８６】
そして、ステップ１０１６において、推定座標が収束するまで、ステップ１００４にループバックし、ステップ１００４からステップ１０１４を繰り返すことで、最終的な測位結果が得られる。
【００８７】
（評価結果）
次に、本発明の一実施形態による測位特性について、計算機シミュレーションの結果を示し、従来方式との比較を行う。このシミュレーションでは、測位エリアとして１００ｍ四方の二次元平面を考え、基地局ノードの数を４個とした。ノードの座標は既知であり、［ｘ，ｙ］＝［２５，２５］，［２５，７５］，［７５，２５］，［７５，７５］という４つの座標に設置した。伝搬環境は、ガウシアン雑音による観測雑音と、指数分布に従うマルチパス遅延の混在する環境を設定した。各ノードで観測される距離情報に対し、平均０、分散σ２のガウシアン雑音と、平均λの指数分布遅延が加算されるとする。
【００８８】
タグの移動軌跡としては、屋内環境で廊下に沿って直進ないし９０度のターンを繰り返しながら、一定速度（Ｖ＝１ｍ／ｓ）で１６０ｍ移動する軌跡を与える。タグの軌跡は図１１（ａ）および（ｂ）に実線として示した。伝搬環境は、いずれの場合もσ２＝５、λ＝２としている。
【００８９】
図１１（ａ）は、従来のニュートン法による測位結果であり、伝搬環境に起因した測定誤差によって大きく測位精度が劣化してしまっていることがわかる。一般にニュートン法は、初期推定値を適切に与えなければ推定値が正しく収束しない。図１１（ａ）では、初期推定値としてノードに囲まれた中心点である［ｘ，ｙ］＝［５０，５０］を与えているため、ノードに囲まれていないエリアでは特に測位精度が悪くなり、タグの追跡ができていない。
【００９０】
図１１（ｂ）は、本発明の階層型粒子フィルタによる測位結果である。粒子数は、第１階層がＮ＝１０００、第２階層がＮ’＝５０であり、粒子フィルタの初期パラメタは、ν２＝３、η２＝０．５、μ２＝１０とした。従来方式に対し、測位精度が大幅に改善されていることが確認できる。
【００９１】
図１２に、第１階層での誤差補正の効果を示す評価として、ノード＃１：［ｘ，ｙ］＝［２５，２５］およびノード＃２：［ｘ，ｙ］＝［２５，７５］からのタグまでの観測距離に含まれる誤差が、トラッキングの過程でどのように変化しているかを示す。伝搬環境はσ２＝５、λ＝２のＮＬＯＳ環境である。点線で示した従来方式は、ＮＬＯＳ補償を行わないために大きな異常値を頻繁に生じている。一方、実線で示した提案方式では、第１階層でのＮＬＯＳ補償の効果で誤差が小さく抑えられていることがわかる。
【００９２】
また、図１３に、伝搬路を特徴づける２つのパラメタσ，λのうち、ＮＬＯＳ伝搬による影響を表すλを変化させた場合の二乗平均平方根誤差（ＲＭＳＥ：Ｒｏｏｔ Ｍｅａｎ Ｓｑｕａｒｅ Ｅｒｒｏｒ）特性を示す。λが大きくなるほど劣悪な伝搬環境となり、いずれの方式も測位精度が劣化している。しかし、本発明による階層型粒子フィルタは、従来方式に比べ、その劣化の度合いが非常に小さく、環境変化に対して非常にロバストなアルゴリズムであることがわかる。
【００９３】
（その他の実施形態）
以上、本発明について、具体的な実施形態について説明したが、本発明の原理を適用できる多くの実施可能な形態に鑑みて、ここに記載した実施形態は、単に例示に過ぎず、本発明の範囲を限定するものではない。例えば、上記の実施形態では、ネットワーク側で移動端末の位置を推定するように構成されているが、ネットワーク側からの信号を受信して、移動端末側で自身の位置を推定するように構成してもよい。この場合、ノードからの信号に、座標情報および時間オフセット情報を含めるようにすることができる。
【００９４】
また、ノード数の多いネットワークでは、例えば、劣悪な環境にあるノードの観測値を利用しないなど、ノードを選択的に利用してもよい。さらに、粒子数を適応的に変化させ、静的で良好な環境のときは粒子数を減らして演算量を削減し、マルチパスが顕著な場合には粒子数を増やして測位精度を高めることができる。
【００９５】
また、本発明の原理は、ＴＤＯＡ型の測位システムだけでなく、ＴＯＡ（Ｔｉｍｅ Ｏｆ Ａｒｒｉｖａｌ）型やＲＳＳ（Ｒｅｃｅｉｖｅｄ Ｓｉｇｎａｌ Ｓｔｒｅｎｇｔｈ）型の測位システムにも適用できる。この場合には、式（６）で用いたモデルを変更する必要があるが、階層型の粒子フィルタという構成はそのまま適用可能である。
【００９６】
このように、ここに例示した実施形態は、本発明の趣旨から逸脱することなくその構成と詳細を変更することができる。さらに、説明のための構成要素および手順は、本発明の趣旨から逸脱することなく変更、補足、またはその順序を変えてもよい。
【産業上の利用可能性】
【００９７】
本発明を利用することができる分野には、例えば、ホームネットワーク、オフィスオートメーション、ショッピングセンタ、医療環境、港湾施設、ＩＴＳなどが挙げられる。
【００９８】
ホームネットワークでは、上述のとおり、ユビキタス社会の浸透に伴って家庭内のデジタル家電やモバイル機器のネットワーク化が進むと考えられ、本発明は、このようなホームネットワーク内での端末位置検出に応用可能である。
【００９９】
オフィスオートメーションについては、オフィス環境において、有線・無線ＬＡＮによるネットワークが構築されているケースが多く、本発明の測位システムをこのようなＬＡＮ基地局によるネットワークに組み込むことで、端末の位置検出が可能となる。
【０１００】
スーパーマーケットなどのショッピングセンタでは、商品管理のための位置情報認識へのニーズがある。また、店内でのショッピングカートの位置把握に基づいた集客率の把握、商品配置への応用なども潜在的なニーズといえる。店内に何箇所か基地局を設け、商品やカートに設置した端末からの信号を受信して測位を行うようなアプリケーションに本発明を応用することができる。
【０１０１】
病院等の医療施設においては、医薬品の管理や患者の位置把握へのニーズが高く、本発明をこのような分野に適用することが可能である。また、今日の高齢化社会においては、家庭内で介護をおこなうことも多く、高齢者や病人の位置把握が可能なホームネットワークやセキュリティネットワークが求められており、本発明の適用が可能な分野である。
【０１０２】
港湾施設においては、コンテナ等の位置把握へのニーズが高い。無線ＬＡＮや電源線などによるネットワークを構築しやすい施設であり、例えばコンテナを移動端末として本発明を適用することができる。
【０１０３】
ＩＴＳ（高度交通システム）の一環として、車両の位置情報を識別する技術が高い注目を浴びているが、現状では、個々の車がＧＰＳによって自らの位置を認識する技術にとどまっている。しかし、将来的には、路側帯や信号機、そして車両をネットワーク化するＩＴＳインフラの構築も検討されている。本発明は、例えばＩＴＳネットワークと個々の車両とが相互に位置を認識するためのツールとして適用可能である。
【図面の簡単な説明】
【０１０４】
【図１】従来のＧＰＳによる測位システムの一例を示す図ある。
【図２】一般的なＴＤＯＡによる測位システムの一例を示す図である。
【図３】室内環境におけるユビキタスセンサネットワークの一例を示す図である。
【図４】センサネットワークにおける測位システムのシステムモデルを示す図である。
【図５】図４のシステムモデルに基づく従来の測位プロセスの一例を示すフローチャートである。
【図６】図４のシステムモデルに基づく本発明の測位プロセスの一例を示すフローチャートである。
【図７】従来のニュートン法を用いた測位信号処理部の構成例を示す図である。
【図８】本発明の一実施形態による測位信号処理部の構成例を示す図である。
【図９】本発明の一実施形態による第１階層の粒子フィルタの推定プロセスの一例を示すフローチャートである。
【図１０】本発明の一実施形態による第２階層の粒子フィルタの推定プロセスの一例を示すフローチャートである。
【図１１】計算機シミュレーションによる測位結果を示すグラフであり、図１１（ａ）は従来のニュートン法によるものであり、図１１（ｂ）は本発明の階層型粒子フィルタによるものである。
【図１２】移動端末のトラッキング過程で第１階層の粒子フィルタによる誤差補正の効果を示すグラフである。
【図１３】見通し外環境における平均遅延時間λを変化させたときの二乗平均平方根誤差の特性を示すグラフである。
【符号の説明】
【０１０５】
１０ 車両
１１〜１４ 衛星
１５ 端末
２１〜２４ 基地局
２６ 信号処理部
４０ 端末
４１〜４４ ノード
４６ 信号処理部
４７−１〜４ バッファ
４８−１〜６ ＴＤＯＡ算出部
４９ メモリ
７０ ニュートン法位置推定部
８１−１〜６ 第１の粒子フィルタ
８２ 位置推定部
【特許請求の範囲】
【請求項１】
端末の位置を推定するシステムであって、
所定の信号を放射する端末と、
位置情報が既知である複数のノードであって、前記所定の信号を受信し、受信時刻を計測する複数のノードと、
各ノードから前記受信時刻を受信して、各ノード間の受信時刻差を求め、前記受信時刻差および各ノードの位置情報から前記端末の位置を推定する信号処理部と
を備え、
前記信号処理部は、第１の粒子フィルタを用いて前記受信時刻差を補正することを特徴とするシステム。
【請求項２】
請求項１に記載のシステムであって、
前記信号処理部は、第２の粒子フィルタを用いて前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することを特徴とするシステム。
【請求項３】
請求項１または２に記載のシステムであって、
前記第１の粒子フィルタは、前記受信時刻差の時間変化が一定であるとしてモデル化されていることを特徴とするシステム。
【請求項４】
位置情報が既知である複数のノードを含むネットワークにおける端末の位置を推定する装置であって、
端末と各ノード間の信号の受信時刻差を得る手段と、
第１の粒子フィルタを用いて前記受信時刻差を補正する手段と、
前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定する手段と
を備えたことを特徴とする装置。
【請求項５】
請求項４に記載の装置であって、
前記推定する手段は、第２の粒子フィルタを用いて前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することを特徴とする装置。
【請求項６】
請求項４または５に記載の装置であって、
前記第１の粒子フィルタは、前記受信時刻差の時間変化が一定であるとしてモデル化されていることを特徴とする装置。
【請求項７】
端末の位置を推定する方法であって、
端末が所定の信号を放射することと、
位置情報が既知である複数のノードが前記所定の信号を受信し、受信時刻を計測することと、
各ノードの受信時刻から各ノード間の受信時刻差を求めることと、
第１の粒子フィルタを用いて前記受信時刻差を補正することと、
前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することと
を備えることを特徴とする方法。
【請求項８】
請求項７に記載の方法であって、
前記端末の位置を推定することは、第２の粒子フィルタを用いて前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することを特徴とする方法。
【請求項９】
位置情報が既知である複数のノードを含むネットワークにおける端末の位置を推定するための方法であって、
端末と各ノード間の信号の受信時刻差を得ることと、
第１の粒子フィルタを用いて前記受信時刻差を補正することと、
前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定すること
を備えることを特徴とする方法。
【請求項１０】
請求項９に記載の方法であって、
前記推定することは、第２の粒子フィルタを用いて前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することを特徴とする方法。
【請求項１】
端末の位置を推定するシステムであって、
所定の信号を放射する端末と、
位置情報が既知である複数のノードであって、前記所定の信号を受信し、受信時刻を計測する複数のノードと、
各ノードから前記受信時刻を受信して、各ノード間の受信時刻差を求め、前記受信時刻差および各ノードの位置情報から前記端末の位置を推定する信号処理部と
を備え、
前記信号処理部は、第１の粒子フィルタを用いて前記受信時刻差を補正することを特徴とするシステム。
【請求項２】
請求項１に記載のシステムであって、
前記信号処理部は、第２の粒子フィルタを用いて前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することを特徴とするシステム。
【請求項３】
請求項１または２に記載のシステムであって、
前記第１の粒子フィルタは、前記受信時刻差の時間変化が一定であるとしてモデル化されていることを特徴とするシステム。
【請求項４】
位置情報が既知である複数のノードを含むネットワークにおける端末の位置を推定する装置であって、
端末と各ノード間の信号の受信時刻差を得る手段と、
第１の粒子フィルタを用いて前記受信時刻差を補正する手段と、
前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定する手段と
を備えたことを特徴とする装置。
【請求項５】
請求項４に記載の装置であって、
前記推定する手段は、第２の粒子フィルタを用いて前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することを特徴とする装置。
【請求項６】
請求項４または５に記載の装置であって、
前記第１の粒子フィルタは、前記受信時刻差の時間変化が一定であるとしてモデル化されていることを特徴とする装置。
【請求項７】
端末の位置を推定する方法であって、
端末が所定の信号を放射することと、
位置情報が既知である複数のノードが前記所定の信号を受信し、受信時刻を計測することと、
各ノードの受信時刻から各ノード間の受信時刻差を求めることと、
第１の粒子フィルタを用いて前記受信時刻差を補正することと、
前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することと
を備えることを特徴とする方法。
【請求項８】
請求項７に記載の方法であって、
前記端末の位置を推定することは、第２の粒子フィルタを用いて前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することを特徴とする方法。
【請求項９】
位置情報が既知である複数のノードを含むネットワークにおける端末の位置を推定するための方法であって、
端末と各ノード間の信号の受信時刻差を得ることと、
第１の粒子フィルタを用いて前記受信時刻差を補正することと、
前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定すること
を備えることを特徴とする方法。
【請求項１０】
請求項９に記載の方法であって、
前記推定することは、第２の粒子フィルタを用いて前記補正した受信時刻差および各ノードの位置情報から前記端末の位置を推定することを特徴とする方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【公開番号】特開２００８−１２８７２６（Ｐ２００８−１２８７２６Ａ）
【公開日】平成２０年６月５日（２００８．６．５）
【国際特許分類】
【出願番号】特願２００６−３１１７２６（Ｐ２００６−３１１７２６）
【出願日】平成１８年１１月１７日（２００６．１１．１７）
【新規性喪失の例外の表示】特許法第３０条第１項適用申請有り センサネットワーク（ＳＮ研究会）ＳＮ２００６−１８〜３７ 社団法人電子情報通信学会センサネットワーク時限研究専門委員会 ２００６年５月１８〜１９日開催 Ｔｈｅ Ｌａｂｏｒａｔｏｒｙ ｏｆ ＧｅｏＳｅｎｓｏｒ Ｎｅｔｗｏｒｋｓ． ２ｎｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ ＧｅｏＳｅｎｓｏｒ Ｎｅｔｗｏｒｋｓ． ２００６年１０月１日配布
【出願人】（５０４１８２２５５）国立大学法人横浜国立大学 (429)
【Ｆターム（参考）】
【公開日】平成２０年６月５日（２００８．６．５）
【国際特許分類】
【出願日】平成１８年１１月１７日（２００６．１１．１７）
【新規性喪失の例外の表示】特許法第３０条第１項適用申請有り センサネットワーク（ＳＮ研究会）ＳＮ２００６−１８〜３７ 社団法人電子情報通信学会センサネットワーク時限研究専門委員会 ２００６年５月１８〜１９日開催 Ｔｈｅ Ｌａｂｏｒａｔｏｒｙ ｏｆ ＧｅｏＳｅｎｓｏｒ Ｎｅｔｗｏｒｋｓ． ２ｎｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ ＧｅｏＳｅｎｓｏｒ Ｎｅｔｗｏｒｋｓ． ２００６年１０月１日配布
【出願人】（５０４１８２２５５）国立大学法人横浜国立大学 (429)
【Ｆターム（参考）】
[ Back to top ]