特許 7518296 強化されたフィンガープリント測位

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-07-08

(45)【発行日】2024-07-17

(54)【発明の名称】強化されたフィンガープリント測位

(51)【国際特許分類】

   G01S 5/02 20100101AFI20240709BHJP

   H04W 64/00 20090101ALI20240709BHJP

【ＦＩ】

G01S5/02 Z

H04W64/00 110

【請求項の数】 26

(21)【出願番号】P 2023536174

(86)(22)【出願日】2020-12-15

(65)【公表番号】

(43)【公表日】2023-12-21

(86)【国際出願番号】 CN2020136513

(87)【国際公開番号】W WO2022126373

(87)【国際公開日】2022-06-23

【審査請求日】2023-08-10

【早期審査対象出願】

(73)【特許権者】

【識別番号】515076873

【氏名又は名称】ノキア テクノロジーズ オサケユイチア

(74)【代理人】

【識別番号】100099759

【弁理士】

【氏名又は名称】青木 篤

(74)【代理人】

【識別番号】100123582

【弁理士】

【氏名又は名称】三橋 真二

(74)【代理人】

【識別番号】100092624

【弁理士】

【氏名又は名称】鶴田 準一

(74)【代理人】

【識別番号】100141162

【弁理士】

【氏名又は名称】森 啓

(74)【代理人】

【識別番号】100151459

【弁理士】

【氏名又は名称】中村 健一

(72)【発明者】

【氏名】レイ ニウ

【審査官】山下 雅人

(56)【参考文献】

【文献】特開２０１５－０８１８０３（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１９／０３６４３９０（ＵＳ，Ａ１）

【文献】国際公開第２０１９／２４０１６０（ＷＯ，Ａ１）

【文献】中国特許出願公開第１０２３３３３７２（ＣＮ，Ａ）

【文献】中国特許出願公開第１０７８３１４６８（ＣＮ，Ａ）

【文献】中国特許出願公開第１０８６８０８９８（ＣＮ，Ａ）

【文献】中国特許出願公開第１０６１０２１６１（ＣＮ，Ａ）

【文献】中国特許出願公開第１１１８６６８７６（ＣＮ，Ａ）

【文献】特開２０１５－０４６７２４（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１２／０００７７７９（ＵＳ，Ａ１）

【文献】中国特許出願公開第１１１１９１６８８（ＣＮ，Ａ）

【文献】特開２００５－２３４２１４（ＪＰ，Ａ）

【文献】特開２００６－０９８４２５（ＪＰ，Ａ）

【文献】中国特許出願公開第１０４９８１００２（ＣＮ，Ａ）

【文献】赤穂 昭太郎，ＥＭアルゴリズム－クラスタリングへの適用と最近の発展－ EM Algorithm-Application to Clustering and Recent Development-，日本ファジィ学会誌，日本，日本ファジィ学会，2000年10月15日，第１２巻 、第５号，2～10

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０１Ｓ１／００－１／６８

Ｇ０１Ｓ５／００－５／１４

Ｈ０４Ｂ７／２４－７／２６

Ｈ０４Ｗ４／００－９９／００

Ｈ０４Ｍ１／００

(57)【特許請求の範囲】

【請求項1】

第１デバイスにおいて、履歴測定値および履歴領域を含む訓練データセットを取得することであって、前記履歴測定値は第２デバイスに関連付けられ、前記履歴測定値が取得されたとき、前記第２デバイスは履歴領域の１つ内に存在する、取得することと、
測位モデルのガウス分布のパラメータセットを取得するために、前記測位モデルの入力として前記履歴測定値を使用し、前記測位モデルの出力として前記履歴領域を使用することによって、前記測位モデルを訓練することであって、前記ガウス分布は、第３デバイスが前記履歴領域に配置される確率を示し、前記パラメータセットは、前記履歴領域のそれぞれの見通し外環境に対応し、ガウス分布の前記パラメータセットは、バイセクションクラスタリングに基づいて決定される、訓練することと、
を含む、測位モデルの確立方法。

【請求項2】

前記履歴測定値の１つは、前記第２デバイスに関連する基準信号受信電力または基準信号の到着時間のうちの少なくとも１つを含み、前記履歴領域の１つは、前記履歴領域のグランドトゥルースまたは領域インデックスのうちの少なくとも１つによって示される、請求項１に記載の方法。

【請求項3】

前記測位モデルを訓練することは、
ネットワーク装置、および、それぞれの前記ネットワーク装置から基準信号を受信可能な履歴領域のうちの１つについて、前記履歴領域のガウス分布のパラメータセットを決定することを含み、
前記パラメータセットは、
前記ガウス分布に含まれるガウス成分の数と、
前記ガウス分布の重み、平均、および、分散と、
を含む、請求項２に記載の方法。

【請求項4】

前記パラメータセットを決定することは、
前記ネットワーク装置からのＮ個の履歴測定値を使用して、前記履歴領域の初期ガウス分布を生成することであって、前記初期ガウス分布は第１の数のガウス成分を含む、生成することと、
所定の条件が満たされるまで、
前記ガウス分布の最大加重分散を決定することであって、前記最大加重分散は前記ガウス分布のターゲットガウス成分に対応する、決定することと、
前記Ｎ個の履歴測定値に関して、前記ターゲットガウス成分のアクティブ係数を決定することと、
アクティブ係数をソートすることによって、前記Ｎ個の履歴測定値のサブセットを決定することであって、前記Ｎ個の履歴測定値の前記サブセットは、最高アクティブ係数を生成することと、
前記Ｎ個の履歴測定値の前記サブセットに対してバイセクションクラスタリングを実行することであって、前記第１の数の値を１増加させる、実行することと、
の動作を少なくとも１回実行することと、
を含む、請求項３に記載の方法。

【請求項5】

前記Ｎ個の履歴測定値の前記サブセットに対して前記バイセクションクラスタリングを実行することは、
前記Ｎ個の履歴測定値の前記サブセットおよび新たなガウス成分のそれぞれの元の重みに基づいて、２つの新たなガウス成分を生成することと、
前記Ｎ個の履歴測定値の前記サブセットに関して、前記新たなガウス成分のそれぞれのアクティブ係数を決定することと、
平均、分散、および、重みが収束するまで、それぞれのアクティブ係数および前記Ｎ個の履歴測定値の前記サブセットに基づいて、前記新たなガウス成分の平均、分散、および、重みを更新することと、
前記ターゲットガウス成分を、収束した前記平均、分散、および、重みで構成された前記２つの新たなガウス成分で置き換えることと、
を含む、請求項４に記載の方法。

【請求項6】

前記所定の条件は、前記ガウス分布の前記最大加重分散が閾値分散未満である一方、前記ガウス成分の数が成分数の閾値を超えることを含む、請求項４に記載の方法。

【請求項7】

前記履歴測定値の少なくとも１つは、前記第２デバイス、または、前記第２デバイスと通信するネットワーク装置の少なくとも一方から取得される、請求項１に記載の方法。

【請求項8】

前記第１デバイスは位置管理装置を備え、前記第２デバイスは端末装置を備え、前記第３デバイスは更なる端末装置を備える、請求項１に記載の方法。

【請求項9】

第４デバイスにおいて、第３デバイスに関連する信号の少なくとも１つの測定値を取得することと、
請求項１乃至８のいずれか一項に記載の前記測位モデルにおいて、前記少なくとも１つの測定値を適用して、前記第３デバイスを測位するためのターゲット領域を取得することと、
を含む、測位方法。

【請求項10】

前記少なくとも１つの測定値は、前記第３デバイス、または前記第３デバイスと通信するネットワーク装置の少なくとも一方から取得される、請求項９に記載の測位方法。

【請求項11】

前記第３デバイスは端末装置を備え、前記第４デバイスは位置管理装置を備える、請求項９に記載の測位方法。

【請求項12】

少なくとも１つのプロセッサと、
コンピュータプログラムコードを含む少なくとも１つのメモリと、
前記少なくとも１つのメモリおよび前記コンピュータプログラムコードは、前記少なくとも１つのプロセッサを用いて、第１デバイスに、
履歴測定値および履歴領域を含む訓練データセットを取得することであって、履歴測定値は第２デバイスに関連付けられ、前記第２デバイスは、前記履歴測定値が取得されたときに前記履歴領域の１つ内に存在する、取得することと、
測位モデルのガウス分布のパラメータセットを取得するために、前記測位モデルの入力として前記履歴測定値を使用し、前記測位モデルの出力として前記履歴領域を使用することによって、前記測位モデルを訓練することであって、前記ガウス分布は、第３デバイスが前記履歴領域に配置される確率を示し、前記パラメータセットは、前記履歴領域のそれぞれの見通し外環境に対応し、ガウス分布の前記パラメータセットは、バイセクションクラスタリングに基づいて決定される、訓練することと、
を実行させるように構成される、第１デバイス。

【請求項13】

前記履歴測定値の１つは、前記第２デバイスに関連する基準信号受信電力または基準信号の到着時間のうちの少なくとも１つを含み、前記履歴領域の１つは、グランドトゥルースまたは前記履歴領域の領域インデックスのうちの少なくとも１つによって示される、請求項１２に記載の第１デバイス。

【請求項14】

前記第１デバイスは、
ネットワーク装置、および、それぞれの前記ネットワーク装置から基準信号を受信可能な履歴領域のうちの１つについて、前記履歴領域のガウス分布のパラメータセットを決定するようにして前記測位モデルを訓練させ、
前記パラメータセットは、
前記ガウス分布に含まれるガウス成分の数と、
前記ガウス分布の重み、平均、および、分散と、
を含む、請求項１３に記載の第１デバイス。

【請求項15】

前記第１デバイスは、
前記ネットワーク装置からのＮ個の履歴測定値を使用することにより、前記履歴領域の初期ガウス分布を生成することであって、前記初期ガウス分布は、第１の数のガウス成分を含む、生成することと、
所定の条件が満たされるまで、
前記ガウス分布の最大加重分散を決定することであって、前記最大加重分散は前記ガウス分布のターゲットガウス成分に対応する、決定することと、
前記Ｎ個の履歴測定値に関して、前記ターゲットガウス成分のアクティブ係数を決定することと、
アクティブ係数をソートすることによって、前記Ｎ個の履歴測定値のサブセットを決定することであって、前記Ｎ個の履歴測定値の前記サブセットは最高アクティブ係数を生成する、決定することと、
前記Ｎ個の履歴測定値の前記サブセットに対して、バイセクションクラスタリングを実行し、前記第１の数の値を１増加させることと、
の動作を少なくとも１回実行することと、
によって、前記パラメータセットを決定させる、請求項１４に記載の第１デバイス。

【請求項16】

前記第１デバイスは、前記Ｎ個の履歴測定値の前記サブセットに対して、
前記Ｎ個の履歴測定値の前記サブセット、および、前記新たなガウス成分のそれぞれの元の重みに基づいて、２つの新たなガウス成分を生成することと、
前記Ｎ個の履歴測定値の前記サブセットに関して、前記新たなガウス成分のそれぞれのアクティブ係数を決定することと、
平均、分散、および、重みが収束するまで、それぞれのアクティブ係数および前記Ｎ個の履歴測定値の前記サブセットに基づいて、前記新たなガウス成分の平均、分散、および、重みを更新することと、
前記ターゲットガウス成分を、収束した前記平均、分散、および、重みで構成された前記２つの新たなガウス成分で置き換えることと、
によって、前記バイセクションクラスタリングを実行するようにされる、請求項１５に記載の第１デバイス。

【請求項17】

前記所定の条件は、前記ガウス分布の前記最大加重分散が閾値分散未満である一方、前記ガウス成分の前記数が成分数の閾値を超えることを含む、請求項１５に記載の第１デバイス。

【請求項18】

前記履歴測定値の少なくとも１つは、前記第２デバイス、または、前記第２デバイスと通信するネットワーク装置のうちの少なくとも一方から取得される、請求項１２に記載の第１デバイス。

【請求項19】

前記第１デバイスは位置管理装置を備え、前記第２デバイスは端末装置を備え、前記第３デバイスは更なる端末装置を備える、請求項１２に記載の第１デバイス。

【請求項20】

少なくとも１つのプロセッサと、
コンピュータプログラムコードを含む少なくとも１つのメモリと、を備え
前記少なくとも１つのメモリおよび前記コンピュータプログラムコードは、前記少なくとも１つのプロセッサにより、第４デバイスに、
第３デバイスに関連する信号の少なくとも１つの測定値を取得することと、
前記少なくとも１つの測定値を請求項１乃至８のいずれか一項に記載の測位モデルに適用して、前記第３デバイスを測位するためのターゲット領域を取得することと、
を実行させるように構成される、第４デバイス。

【請求項21】

前記少なくとも１つの測定値は、前記第３デバイス、または、前記第３デバイスと通信するネットワーク装置のうちの少なくとも一方から取得される、請求項２０に記載の第４デバイス。

【請求項22】

前記第３デバイスは端末装置を備え、前記第４デバイスは位置管理装置を備える、請求項２０に記載の第４デバイス。

【請求項23】

履歴測定値および履歴領域を含む訓練データセットを取得するための手段であって、履歴測定値は第２装置に関連付けられ、前記履歴測定値が取得されたとき、前記第２装置は前記履歴領域の１つ内に存在する、取得するための手段と、
測位モデルのガウス分布のパラメータセットを取得するために、前記測位モデルの入力として前記履歴測定値を使用し、前記測位モデルの出力として前記履歴領域を使用することによって、前記測位モデルを訓練するための手段であって、前記ガウス分布は、第３装置が前記履歴領域に配置される確率を示し、前記パラメータセットは、前記履歴領域のそれぞれの見通し外環境に対応し、ガウス分布の前記パラメータセットは、バイセクションクラスタリングに基づいて決定される、訓練するための手段と、
を備える、第１装置。

【請求項24】

第３装置に関連する信号の少なくとも１つの測定値を取得する手段と、
前記第３装置を測位するためのターゲット領域を取得するために、請求項１乃至８のいずれか一項に記載の前記測位モデルにおいて前記少なくとも１つの測定値を適用する手段と、
を備える、第４装置。

【請求項25】

少なくとも１つのプロセッサと、該少なくとも１つのプロセッサによって実行されると、請求項１乃至８のいずれか一項に記載の方法を装置に実行させるためのプログラム命令を記憶する少なくとも１つのメモリと、を備える、非一過性コンピュータ可読媒体。

【請求項26】

少なくとも１つのプロセッサと、該少なくとも１つのプロセッサによって実行されると、請求項９乃至１１のいずれか一項に記載の方法を装置に実行させるためのプログラム命令を記憶する少なくとも１つのメモリと、を備える、非一過性コンピュータ可読媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本開示の実施形態は、一般に、電気通信の分野に関し、特に、フィンガープリント測位のための方法、デバイス、装置、およびコンピュータ可読記憶媒体に関する。

【背景技術】

【0002】

フィンガープリントに基づくアプローチは、無線ネットワークにおける屋内外の測位に広く使用されている。パターンマッチング（ＰＴＭ）方式はフィンガープリントに基づくアプローチの典型的な例であり、訓練フェーズと測位フェーズの２つのフェーズを含む。訓練フェーズでは、ＰＴＭを使用するデバイスは、複数の基地局によって提供されるビンのグループから測定値を収集し、ビンの各々は、例えば、５０ｍ×５０ｍの正方形である。測定値には、例えば、ＤＬベースおよびＵＬベースの到着時間差（ＴＤＯＡ）、ＤＬベースの出発角度（ＡｏＤ）、ＵＬベースの到着角度（ＡｏＡ）、マルチ往復時間（Ｍｕｌｔｉ－ＲＴＴ）、および、ＵＥに関連するグラウンドトゥルース（ＧＴ）が含まれる。ＰＴＭは、信号測定値を使用して単一のガウス分布を訓練する。その後、予測フェーズの間、ＵＥからの測定値が入力されると、ガウス分布により、ＵＥが各ビン内に位置するそれぞれの確率が提供される。最後に、デバイスは最も高い確率を与えるビンを選択し、その重心位置をＵＥの予測位置として出力することができる。

【0003】

実際の応用では、ＮＬＯＳ（Ｎｏｎｅ Ｌｉｇｈｔ ｏｆ Ｓｉｇｈｔ）マルチパス反射がＴｏＡおよびＲＳＲＰ測定にバイアスを引き起こし、不正確な予測結果につながる。従って、高い測位精度を提供するために、強化されたフィンガープリント測位技術が求められている。

【発明の概要】

【0004】

概して、本開示の例示的な実施形態は、フィンガープリント測位のための方法、装置、機器、およびコンピュータ可読記憶媒体を提供する。

【0005】

第１の態様では、測位モデルを確立するための方法が提供される。この方法は、第１デバイスにおいて、履歴測定値および履歴領域を含む訓練データセットを取得することであって、履歴測定値が第２デバイスに関連付けられ、履歴測定値が取得されたとき、第２デバイスが履歴領域の１つ内に存在する、取得することと、測位モデルのガウス分布のパラメータセットを取得するために、測位モデルの入力として履歴測定値を使用し、測位モデルの出力として履歴領域を使用することによって、測位モデルを訓練することであって、ガウス分布は、第３デバイスが履歴領域に配置される確率を示し、パラメータセットは、履歴領域のそれぞれの見通し外環境（ＮＬＯＳ（ｎｏｎ－ｌｉｇｈｔ ｏｆ ｓｉｇｈｔ ｌｅｖｅｌｓ））に対応する、訓練することと、を含む。

【0006】

第２の態様において、測位方法が提供される。この方法は、第４デバイスにおいて、第３デバイスに関連する信号の少なくとも１つの測定値を取得することと、第１の態様による測位モデルにおいて少なくとも１つの測定値を適用して、第３デバイスを測位するためのターゲット領域を取得することと、を含む。

【0007】

第３の態様では、第１デバイスが提供される。第１デバイスは、少なくとも１つのプロセッサと、コンピュータプログラムコードを含む少なくとも１つのメモリと、を備える。少なくとも１つのメモリおよびコンピュータプログラムコードは、少なくとも１つのプロセッサを用いて、第１デバイスに、履歴測定値および履歴領域を含む訓練データセットを取得させ、履歴測定値は第２デバイスに関連付けられ、履歴測定値が取得されたとき、第２デバイスは履歴領域の１つ内に存在し、測位モデルのガウス分布のパラメータセットを取得するために、測位モデルの入力として履歴測定値を使用し、測位モデルの出力として履歴領域を使用することによって、測位モデルを訓練させ、ガウス分布は、第３デバイスが履歴領域に配置される確率を示し、パラメータセットは、履歴領域のそれぞれの見通し外環境に対応するように構成される。

【0008】

第４の態様では、第４デバイスが提供される。第４デバイスは、少なくとも１つのプロセッサと、コンピュータプログラムコードを含む少なくとも１つのメモリと、を備える。少なくとも１つのメモリおよびコンピュータプログラムコードは、少なくとも１つのプロセッサにより、第４デバイスに、第３デバイスに関連する信号の少なくとも１つの測定値を取得するステップと、第１の態様による測位モデルにおいて少なくとも１つの測定値を適用して、第３デバイスを測位するためのターゲット領域を取得するステップと、を実行させるように構成される。

【0009】

第５の態様では、第１装置が提供される。第１装置は、履歴測定値および履歴領域を含む訓練データセットを取得する手段であって、履歴測定値は第２装置に関連付けられ、履歴測定値が取得されたとき、第２装置は履歴領域の１つ内に存在する、取得する手段と、測位モデルのガウス分布のパラメータセットを取得するために、測位モデルの入力として履歴測定値を使用し、測位モデルの出力として履歴領域を使用することによって、測位モデルを訓練する手段であって、ガウス分布は、第３装置が履歴領域に配置される確率を示し、パラメータセットは、履歴領域のそれぞれの見通し外環境に対応する、訓練する手段と、を備える。

【0010】

第６の態様では、第４装置が提供される。第４装置は、第３装置に関連する信号の少なくとも１つの測定値を取得するための手段と、第３装置を配置するためのターゲット領域を取得するために、第１の態様による測位モデルにおいて少なくとも１つの測定値を適用するための手段と、を備える。

【0011】

第７の態様では、上記第１の態様による方法を装置に実行させるためのプログラム命令を含む非一過性のコンピュータ可読媒体が提供される。

【0012】

第８の態様では、上記第２の態様による方法を装置に実行させるためのプログラム命令を含む非一過性のコンピュータ可読媒体が提供される。

【0013】

本概要は、本開示の実施形態の重要な特徴または本質的な特徴を特定することを意図しておらず、本開示の範囲を限定するために使用することを意図していないことを理解されたい。本開示の他の特徴は、以下の説明を通じて容易に理解できるようになるであろう。

【図面の簡単な説明】

【0014】

次に、いくつかの例示的な実施形態を添付図面を参照して説明する。

【図1】図１は、本開示の実施形態が実装され得る例示的な通信環境を示す図である。

【図2】図２は、本開示のいくつかの例示的な実施形態によるフィンガープリント測位のための例示的な測位モデルの概略図を示す。

【図3】図３は、本開示のいくつかの例示的な実施形態による測位モデルを確立する方法のフローチャートを示す。

【図4】図４は、本開示のいくつかの例示的な実施形態に従って、候補領域とネットワーク装置のペアのガウス分布を決定するための方法のフローチャートを示す。

【図5】図５は、本開示のいくつかの例示的な実施形態による測位方法のフローチャートを示す。

【図6】図６は、本開示の実施形態を実施するのに適した装置の簡略化されたブロック図を示す。

【図7】図７は、本開示のいくつかの例示的な実施形態による例示的なコンピュータ可読媒体のブロック図を示す。 図面全体を通して、同一または類似の参照数字は、同一または類似の要素を表す。

【発明を実施するための形態】

【0015】

次に、本開示の原理について、いくつかの例示的な実施形態を参照して説明する。これらの実施形態は、例示を目的として記載されており、当業者が本開示を理解し実施するのに役立つものであって、本開示の範囲に関する限定を示唆するものではないことを理解されたい。本明細書に記載される開示は、以下に記載されるもの以外の様々な態様で実施され得る。

【0016】

以下の説明および特許請求の範囲において、別段の定義がない限り、本明細書で使用される全ての技術用語および科学用語は、本開示が属する技術分野における通常の技術者によって一般的に理解されるのと同じ意味を有する。

【0017】

本開示における「一実施形態」、「いくつかの例示的な実施形態」、「例示的な実施形態」等への言及は、記載される実施形態が特定の特徴、構造、または特性を含み得ることを示すが、全ての実施形態が特定の特徴、構造、または特性を含む必要はない。さらに、このような表現は、必ずしも同じ実施形態を指すものではない。さらに、いくつかの例示的な実施形態に関連して、特定の特徴、構造、または特性が記載されている場合、明示的に記載されているか否かに関わらず、他の実施形態に関連して、そのような特徴、構造、または特性に影響を与えることは当業者の知識の範囲内であることを付言する。

【0018】

本明細書において、「第１」、「第２」、「第３」、「第４」等の用語を用いて様々な要素を説明することがあるが、これらの要素はこれらの用語によって限定されるべきではないことを理解されたい。これらの用語は、ある要素を別の要素から区別するために使用されているに過ぎない。例えば、例示的な実施形態の範囲から逸脱することなく、第１要素を第２要素と称することができ、同様に、第２要素を第１要素と称することができる。本明細書で使用される場合、用語「および／または」は、列挙された用語の１つまたは複数の任意のおよび全ての組み合わせを含む。

【0019】

本明細書で使用される用語は、特定の実施形態を説明するためだけのものであり、例示的な実施形態を限定することを意図するものではない。本明細書で使用される場合、単数形「ａ」、「ａｎ」、および「ｔｈｅ」は、文脈上明らかにそうでないことが示されない限り、複数形も含むことが意図される。本明細書で使用される場合、用語「ｃｏｍｐｒｉｓｅｓ」、「ｃｏｍｐｒｉｓｉｎｇ」、「ｈａｓ」、「ｈａｖｉｎｇ」、「ｉｎｃｌｕｄｅｓ」、および／または、「ｉｎｃｌｕｄｉｎｇ」は、記載された特徴、要素、および／または構成要素等の存在を特定するが、１つまたは複数の他の特徴、要素、構成要素、および／または、それらの組み合わせの存在または追加を排除するものではないことがさらに理解されるであろう。

【0020】

本願で使用される場合、「回路」という用語は、以下のうちの１つまたは複数または全てを指す場合がある。
（ａ）ハードウェアのみの回路実装（アナログ回路および／またはデジタル回路のみの実装など）、および、
（ｂ）（該当する場合）ハードウェア回路とソフトウェアとの組み合わせ、例えば、
（ｉ）アナログおよび／またはデジタルハードウェア回路とソフトウェア／ファームウェアとの組み合わせ、および、
（ｉｉ）ソフトウェア（デジタルシグナルプロセッサを含む）、ソフトウェア、およびメモリ（単数または複数）を有するハードウェアプロセッサ（単数または複数）と協働して、携帯電話やサーバなどの装置に様々な機能を実行させる部分、および、
（ｃ）マイクロプロセッサ（複数可）またはマイクロプロセッサ（複数可）の一部などのハードウェア回路（複数可）およびプロセッサ（複数可）であって、動作のためにソフトウェア（例えば、ファームウェア）を必要とするが、動作に必要でないときにはソフトウェアが存在しない場合があるもの。

【0021】

回路のこの定義は、あらゆる特許請求の範囲を含む、本願におけるこの用語の全ての使用に適用される。さらなる例として、本願で使用される場合、回路という用語は、単なるハードウェア回路もしくはプロセッサ（または複数のプロセッサ）またはハードウェア回路もしくはプロセッサの一部と、それ（または、それら）に付随するソフトウェアおよび／またはファームウェアの実装も対象とする。また、回路という用語は、例えば、特定の請求項の要素に適用可能であれば、携帯機器用のベースバンド集積回路もしくはプロセッサ集積回路、または、サーバ、セルラーネットワーク装置、もしくは他のコンピューティングもしくはネットワーク装置における同様の集積回路も対象とする。

【0022】

本明細書で使用される場合、「通信ネットワーク」という用語は、新無線（ＮＲ）、ロングタームエヴォリューション（ＬＴＥ）、ＬＴＥアドバンスト（ＬＴＥ－Ａ）、広帯域符号分割多重接続（ＷＣＤＭＡ（登録商標））、高速パケットアクセス（ＨＳＰＡ）、非地上系ネットワーク（ＮＴＮ）、狭帯域モノのインターネット（ＮＢ－ＩｏＴ）などの任意の適切な通信規格に従うネットワークを指す。さらに、通信ネットワークにおける端末装置とネットワーク装置との間の通信は、第１世代（１Ｇ）、第２世代（２Ｇ）、２．５Ｇ、２．７５Ｇ、第３世代（３Ｇ）、第４世代（４Ｇ）、４．５Ｇ、将来の第５世代（５Ｇ）通信プロトコル、および／または、現在知られている、もしくは、将来開発される他のプロトコルを含むがこれらに限定されない、任意の適切な世代の通信プロトコルに従って実行されてもよい。本開示の実施形態は、地上通信システム、非地上通信システム、または、それらの組み合わせを含むが、これらに限定されない様々な通信システムに適用することができる。通信の急速な発展を考慮すれば、もちろん、本開示が具体化され得る将来の通信技術およびシステムも存在するであろう。本開示の範囲を前述のシステムのみに限定するものと見做すべきではない。

【0023】

本明細書で使用する場合、「ネットワーク装置」という用語は、端末装置がネットワークにアクセスし、そこからサービスを受信する通信ネットワーク内のノードを指す。ネットワーク装置は、基地局（ＢＳ）またはアクセスポイント（ＡＰ）、例えば、ノードＢ（ＮｏｄｅＢ、または、ＮＢ）、進化型ＮｏｄｅＢ（ｅＮｏｄｅＢ、または、ｅＮＢ）、ＮＲ ＮＢ（ｇＮＢとも呼ばれる）、リモート無線ユニット（ＲＲＵ）、無線ヘッダ（ＲＨ）、リモート無線ヘッド（ＲＲＨ）、リレー、フェムト、ピコなどの低電力ノード、適用される用語や技術に応じて、非地上ネットワーク（ＮＴＮ）、または、衛星ネットワーク装置、低軌道（ＬＥＯ）衛星や静止軌道（ＧＥＯ）衛星などの非地上ネットワーク装置、航空機ネットワーク装置等、と称される。

【0024】

「端末装置」という用語は、無線通信が可能な任意の端末装置を指す。限定ではなく一例として、端末装置は、通信装置、ユーザ機器（ＵＥ）、加入者局（ＳＳ）、携帯加入者局、移動局（ＭＳ）、または、アクセス端末（ＡＴ）とも呼ばれる場合がある。端末装置には、携帯電話、セルラー電話、スマートフォン、ボイスオーバーＩＰ（ＶｏＩＰ）電話、無線ローカルループ電話、タブレット、ウェアラブル端末装置、携帯情報端末（ＰＤＡ）、ポータブルコンピュータ、デスクトップコンピュータ、デジタルカメラなどの画像キャプチャ端末装置、ゲーム端末装置、音楽保存および再生機器が含まれるが、これらに限定されない、車載無線端末装置、無線エンドポイント、モバイルステーション、ラップトップ組込み機器（ＬＥＥ）、ラップトップ搭載機器（ＬＭＥ）、ＵＳＢドングル、スマートデバイス、無線宅内機器（ＣＰＥ）、モノのインターネット（ｌｏＴ）デバイス、時計などのウェアラブル、ヘッドマウントディスプレイ（ＨＭＤ）、車両、ドローン、医療機器およびアプリケーション（例えば、遠隔手術）、産業用機器およびアプリケーション（例えば、産業用および／または自動処理チェーンのコンテキストで動作するロボットおよび／または他の無線機器）、家庭用電化製品、商業用および／または産業用無線ネットワークで動作するデバイスなど、が含まれる。以下の説明では、「端末装置」、「通信装置」、「端末」、「ユーザ機器」および「ＵＥ」という用語は、互換的に使用される場合がある。

【0025】

従来のＧＭＭアプローチは、各ビンの確率を単一のガウス分布でモデル化する。フィールドデータの観察により、本発明者は、小さなサイズのビンの場合、ビンに対応する訓練されたガウス分布の分散が大きく、「太い」分布を与えることがあるが、理想的には、測定のための正確な確率を提供するために、「細い」ガウス分布が期待されることに気づいた。上述したように、これはＮＬＯＳシナリオのＲＳＲＰとＴｏＡの測定値がＬＯＳシナリオのそれとはかなり異なるためである。各ビンのＮＬＯＳレベルを考慮しなければ、ＧＭＭベースの測位スキームは制限された測位精度が提供される。

【0026】

上記および他の潜在的な問題を解決するために、本開示の実施形態は、適応可能なクラスタ数を用いてＧＭＭを訓練するための解決策を提供する。適応可能なクラスタ数は、各ビンのＮＬＯＳレベルに基づいて決定される。訓練されたＧＭＭによって、フィンガープリント測位技術の測位精度を向上させることができる。

【0027】

以下、本発明の原理および実施形態について、添付図面を参照して詳細に説明する。まず、図１を参照すると、図１は、本開示の実施形態が実施され得る例示的な通信環境１００を示す。

【0028】

図１に示すように、通信環境１００は、通信ネットワークの一部であってもよく、位置管理（ＬＭ）装置１１０、第２デバイス１２０、第３デバイス１３０、およびネットワーク装置１４０－１および１４０－２を含み、これらはネットワーク装置１４０と総称され得る。第２デバイス１２０および第３デバイスはそれぞれＵＥとして示され、ネットワーク装置１４０－１および１４０－２は基地局として示されているが、本開示の実施形態は、他の任意の好適な実施形態にも適用可能であることを理解されたい。

【0029】

ＬＭ装置１１０は、例えば、位置サーバ、または、位置管理機能を実装する他のデバイスであってもよい。本開示の文脈では、ＬＭ装置１１０は、測位モデルを確立するための第１デバイス、または、訓練された測位モデルで構成された第４デバイスを指す場合もある。ＬＭ装置１１０は、第２デバイス１２０、第３デバイス１３０、およびネットワーク装置１４０から測定値を収集してもよい。第２デバイス１２０、第３デバイス１３０および／またはネットワーク装置１４０から受信した測定値に基づいて、ＬＭ装置１１０は、ビンのグループとも呼ばれ得る候補領域１１～４８のグループ内の第２デバイス１２０および第３デバイス１３０の位置を決定してもよい。各候補領域について、第２デバイス１２０および第３デバイス１３０の可能な位置とみなすことができる基準位置、例えば、候補領域の重心位置がある。

【0030】

第２デバイス１２０および第３デバイス１３０は、ＤＬチャネルおよびＵＬチャネルを介してネットワーク装置１４０－１および１４０－２と通信してもよい。例えば、第２デバイス１２０は、ネットワーク装置１４０－１および１４０－２からそれぞれの基準信号を受信し、測定することができる。次に、第２デバイス１２０は、測位のために、測定値をＬＭ装置１１０に送信してもよい。本開示の文脈において、第２デバイス１２０は、測位モデルを訓練するための訓練データを提供する端末装置として機能し、第３デバイス１３０は、訓練された測位モデルを使用して測位される端末装置として機能する。

【0031】

端末装置に関連付けられた履歴測定値は、ＬＭ装置１１０に実装された測位モデルの訓練に使用することができるが、これについては以下で詳細に説明する。測定値には、ＴＯＡ、ＡｏＤ、ＡｏＡ、マルチＲＴＴ、基準信号受信電力（ＲＳＲＰ）、基準信号受信品質（ＲＳＲＱ）、受信信号強度インジケータ（ＲＳＳＩ）、信号対雑音比（ＳＮＲ）などが含まれるが、これらに限定されない。

【0032】

ネットワーク装置１４０－１はセル１０２を提供し、ネットワーク装置１４０－２はセル１０４を提供する。図示されるように、セル１０２のカバー範囲は候補領域１１～４４に対応し、セル１０４のカバー範囲は候補領域１５～４８に対応する。ネットワーク装置１４０は、第２デバイス１２０および第３デバイス１３０から送信される信号を測定してもよい。加えて、または、代替的に、ネットワーク装置１４０は、第２デバイス１２０および第３デバイス１３０からの信号の測定値を収集してもよい。

【0033】

通信ネットワーク１００は、本開示の範囲に関する制限を示唆することなく、任意の適切な数のネットワーク装置および／または端末装置、ならびに本開示の実施に適合する図示しない追加要素を含み得ることを理解されたい。

【0034】

通信ネットワーク１００における通信は、第１世代（１Ｇ）、第２世代（２Ｇ）、第３世代（３Ｇ）、第４世代（４Ｇ）および第５世代（５Ｇ）等のセルラー通信プロトコル、電気電子学会（ＩＥＥＥ）８０２．１１等の無線ローカルネットワーク通信プロトコル、および／または、現在知られている、または、将来開発される他のプロトコルを含むがこれらに限定されない、任意の適切な通信プロトコル（複数可）に従って実施することができる。さらに、通信は、適切な無線通信技術を利用することができ、符号分割多元接続（ＣＤＭＡ）、周波数分割多元接続（ＦＤＭＡ）、時分割多元接続（ＴＤＭＡ）、周波数分割複信（ＦＤＤ）、時分割複信（ＴＤＤ）、多入力多出力（ＭＩＭＯ）、直交周波数分割多元接続（ＯＦＤＭ）、離散フーリエ変換拡散ＯＦＤＭ（ＤＦＴ－ｓ－ＯＦＤＭ）、および／または、現在知られている、または、将来開発される任意の他の技術を含むが、これらには限定されない。

【0035】

次に、本開示のいくつかの例示的な実施形態によるフィンガープリント測位のための例示的な測位モデル２０１の概略図を示す図２を参照する。測位モデル２０１は、第４デバイス（図示せず）上で訓練されたＧＭＭであってもよい。例示的な実施形態において、第４デバイスは、ＬＭ装置１１０またはＬＭ装置１１０とは別のデバイスであってもよい。訓練された測位モデル２０１は、コアネットワークまたは無線アクセスネットワーク（ＲＡＮ）のネットワーク装置、例えば、図１に示されるようなＬＭ装置１１０に配備されてもよい。議論の目的のために、測位モデル２０１は、図１を参照して説明される。

【0036】

ＧＭＭは測位モデルの例示として与えられており、実施形態の実装は、これに限定されないことを理解されたい。他の確率モデルも、実施形態の実装に適している。

【0037】

訓練段階において、ＬＭ装置１１０は、一組の訓練データを用いて測位モデル２０１を訓練する。訓練データは、履歴測定値および履歴領域を含む、端末装置およびネットワーク装置１４０－１および１４０－２から取得された実際の履歴データであってよい。例えば、履歴測定値は第２デバイス１２０に関連付けられてもよく、履歴測定値が取得されたとき、第２デバイス１２０は履歴領域のうちの１つ内に存在する。実施形態において、領域１１～４８は、訓練段階では履歴領域と呼ばれ、測位段階では候補領域と呼ばれる場合がある。履歴測定値は、領域１１～４８の各々から収集されたＴｏＡおよびＲＳＲＰの測定値を含んでもよく、履歴領域は、履歴領域のグランドトゥルースおよび／または領域インデックスによって示されてもよい。

【0038】

いくつかの例示的な実施形態において、測位モデル２０１は、測位モデルのガウス分布のパラメータセットを取得するために、測位モデル２０１の入力として履歴測定値を使用し、測位モデル２０１の出力として履歴領域を使用することによって、訓練される。ガウス分布は、第３デバイス１３０が履歴領域に配置される確率を示すことができ、パラメータセットは、履歴領域のそれぞれのＮＬＯＳレベルに対応する。訓練された測位モデル２０１は、候補領域１１～４８のグループ内の候補領域とネットワーク装置１４０とのペアにそれぞれ対応する複数のガウス分布を含む。

【0039】

ｂで示される候補領域ｍとネットワーク装置１４０のペアに対して、対応するガウス分布ｐ_ｍ（θ_ｂ）は、重みｗ_ｋ，ｂ、平均μ_ｋ，ｂ、分散σ_ｋ，ｂ ^２を有するｋ個のガウス成分を含む。ガウス成分の数ｋ、重みｗ_ｋ，ｂ、平均μ_ｋ，ｂ、および、分散σ_ｋ，ｂ ^２は、以下で詳細に説明するバイセクションクラスタリングアルゴリズムに基づいて決定することができる。

【0040】

測位フェーズの間、第２デバイス１２０に関連する測定値の入力により、ＬＭ装置１１０は、測位モデル２０１を用いて、第２デバイス１２０が候補領域１１～４８の各々に設置される確率を生成することができる。次いで、ＬＭ装置１１０は、最も高い確率を有する候補領域をターゲット領域であると決定し、基準位置を第２デバイス１２０の予測位置として出力してもよい。

【0041】

ＤＭＭの訓練段階と測位段階は、異なるデバイスで実施されてもよいことを理解されたい。換言すれば、ＤＭＭの訓練は、ＬＭ装置１１０以外のデバイスで実施されてもよい。本開示の範囲は、この態様において限定されない。

【0042】

本開示の原理および実施形態について、図３～図５を参照して以下に詳細に説明する。図３は、本開示のいくつかの例示的な実施形態に従って測位モデルを確立する方法３００のフローチャートを示す。方法３００は、図１に示すようなＬＭ装置１１０またはＤＭＭ、例えば測位モデル２０１を訓練するのに適した任意の他のデバイスにおいて実施することができる。議論のために、方法３００を図１および図２に関連して説明する。

【0043】

３１０において、ＬＭ装置１１０は、訓練データセットを取得する。訓練データセットは、履歴測定値および履歴領域を含む。履歴測定値は第２デバイス１２０に関連付けられる。第２デバイス１２０は、履歴測定値が取得されたとき、履歴領域１１～４８のうちの１つ内に存在する。複数のネットワーク装置、例えば、ネットワーク装置１４０－１および１４０－２からのＮ個の履歴測定値。訓練データセットは、ネットワーク装置１４０および／またはネットワーク装置１４０と通信する端末装置によって収集された実際の履歴測定値であってもよい。いくつかの例示的な実施形態において、訓練データは、ＲＳＲＰと、ネットワーク装置１４０－１および１４０－２からの少なくとも１つの信号のＴｏＡのうちの少なくとも１つを含み得る。

【0044】

３２０において、ＬＭ装置１１０は、測位モデルのガウス分布のパラメータセットを取得するために、測位モデル２０１の入力として履歴測定値を使用し、測位モデル２０１の出力として履歴領域を使用することによって、測位モデル２０１を訓練する。ガウス分布は、第３デバイス１３０が履歴領域に配置される確率を示す。パラメータセットは、履歴領域のそれぞれのＮＬＯＳレベルに対応する。

【0045】

いくつかの例示的な実施形態において、ＬＭ装置１１０は、訓練データおよび履歴領域のＮＬＯＳレベルに基づいて、履歴領域のグループ１１～４８のそれぞれの１つのガウス分布を決定することができる。履歴領域１１～４８のグループは、ネットワーク装置１４０によってサービスされる。いくつかの例示的な実施形態において、ガウス分布は、第２デバイス１２０がそれぞれの履歴領域に設置される確率を示す。

【0046】

３２０において、それぞれの履歴領域のガウス分布を決定するために、履歴領域１１～４８のグループの履歴領域とネットワーク装置１４０との各ペアについて、ＬＭ装置１１０は、ｋ個のガウス成分を含むそれぞれのガウス分布を決定してもよい。履歴領域のガウス分布のパラメータセットは、ガウス分布に含まれるガウス成分の数、ならびに、ガウス分布の重み、平均、および、分散を含んでもよい。

【0047】

いくつかの例示的な実施形態では、セット内のガウス成分の数ｋ、ならびに、それぞれのガウス分布の重み、平均、および、分散は、バイセクションクラスタリングアルゴリズム、例えば、ＥＭバイセクションクラスタリングアルゴリズムに基づいて決定されてもよい。ＥＭバイセクションクラスタリングアルゴリズムは、クラスタリングアルゴリズムの例示として与えられており、実施形態の実装はこれに限定されないことを理解されたい。他の任意のクラスタリングアプローチも、実施形態の実装に適しており、例えば、Ｋ－ｍｅａｎｓアルゴリズムが挙げられる。

【0048】

図４は、本開示のいくつかの例示的な実施形態に従って、履歴領域ｍとネットワーク装置ｂのペアのガウス分布ｐ_ｍ（θ_ｂ）を決定するための方法４００のフローチャートを示す。方法４００は、方法３００のステップ３２０の様々な実装の一つであることを理解されたい。

【0049】

複数のネットワーク装置１４０がＢ個のネットワーク装置を含むとすると、履歴領域１１～４８のグループの履歴領域ｍについて、第３デバイス１３０が履歴領域ｍに配置される全体の確率ｐ_ｍ（θ）は、以下のように決定することができる。

【数1】

ここで、θは、Ｂ個のネットワーク装置からの少なくとも１つの測定値を表し、θ＝［θ_１,θ_２，…θ_Ｂ］であり、θ_ｂは、Ｂ個のネットワーク装置のうちのネットワーク装置ｂからの測定値を表し、ｐ_ｍ（θ_ｂ）は、履歴領域ｍとネットワーク装置ｂのペアのガウス分布を表す。

【0050】

履歴領域ｍとネットワーク装置ｂのペアについて、それぞれのガウス分布ｐ_ｍ（θ_ｂ）は、以下のように決定され得る。

【数2】

ここで、Ｋ_ｂ，ｍはガウス分布ｐ_ｍ（θ_ｂ）のガウス成分の数を表し、ｋ＝１，…，Ｋ_ｂ，ｍであり、ｗ_{ｋ，ｂ，ｍ}、μ_{ｋ，ｂ，ｍ}、および、σ_{ｋ，ｂ，ｍ} ^２は、それぞれガウス成分ｋの重み、平均、分散を表す。

【0051】

いくつかの例示的な実施形態では、数Ｋ_ｂ，ｍ、ｗ_{ｋ，ｂ，ｍ}、μ_{ｋ，ｂ，ｍ}、および、σ_{ｋ，ｂ，ｍ} ^２、は、所定の条件が満たされるまで、期待値最大化（ＥＭ）バイセクションクラスタリングアルゴリズムを少なくとも１回実行することによって決定される。数Ｋ_ｂ，ｍは、ガウス分布ｐ_ｍ（θ_ｂ）に関連するクラスタの数を示す。例示的な実施形態によれば、数Ｋ_ｂ，ｍは、履歴領域ｍとネットワーク装置ｂのペアが受けたＮＬＯＳマルチパス反射に適応して決定される。

【0052】

例えば、ペアが、ＮＬＯＳマルチパス反射の影響を大きく受ける場合、即ち、このペアのＮＬＯＳレベルが高い場合、測定値は、より広範囲に分散される可能性があるため、正確な測定確率を提供するために、クラスタ数ｋは、より大きくなる可能性がある。一方、クラスタｋの数が大きすぎると、オーバーフィッティングの問題が生じる可能性がある。なぜなら、複雑なモデルは、訓練データからのノイズを多く含み、一般化することが難しいためである。さらに、複雑なモデルは、訓練や測位の段階で、より多くのリソースが必要になる可能性がある。測位精度とモデルの複雑さのトレードオフを達成するために、クラスタ数ｋの上限を導入する。これについては以下で説明する。

【0053】

図４に示すように、４１０において、ＬＭ装置１１０は、ネットワーク装置ｂからのＮ個の履歴測定値を使用して、履歴領域ｍに対する初期ガウス分布を生成することができる。初期ガウス分布は、第１の数のガウス成分を含むことができ、例えば、Ｋ＝１である。いくつかの例示的な実施形態において、ＬＭ装置１１０は、ネットワーク装置ｂからのＮ個の履歴測定値を含む訓練データセットを用いて、ガウス分布ｐ_ｍ（θ_ｂ）を生成することができ、ここで、θ＝［θ_１,θ_２，θ_３…θ_Ｎ］、Ｋ_ｂ，ｍ＝１である。

【0054】

４１５において、ＬＭ装置１１０は、所定の条件が満たされるか否かを判定することができる。いくつかの例示的な実施形態において、所定の条件は、ガウス分布ｐ_ｍ（θ_ｂ）の最大加重分散が分散閾値ＴＨ_ＶＡＲ未満である一方、Ｋが成分閾値ＴＨ_Ｋを超えること、例えば、ｍａｘ｛ｗ_１σ_１ ^２，ｗ_２σ_２ ^２，…，ｗ_Ｋσ_Ｋ ^２｝＜ＴＨ_ｖａｒかつＫ＞ＴＨ_Ｋを含み得る。

【0055】

所定の条件が満たされない場合、４２０において、ＬＭ装置１１０は、例えば、ガウス分布ｐ_ｍ（θ_ｂ）の最大加重分散ｗ_ｑσ_ｑ ^２を決定してもよく、例えば、ｗ_ｑσ_ｑ ^２＝ｍａｘ｛ｗ_１σ_１ ^２，ｗ_２σ_２ ^２，…，ｗ_Ｋσ_Ｋ ^２｝であり、ここで、ｗ_ｑσ_ｑ ^２は、ガウス分布ｐ_ｍ（θ_ｂ）のガウス成分ｑに対応する。ガウス成分ｑは、測位モデルの予測精度に影響を与える可能性があるため、さらなるクラスタリング分析を実行する必要があるターゲットガウス成分として決定される。

【0056】

４３０において、ＬＭ装置１１０は、Ｎ個の履歴測定値に関するガウス成分ｑのアクティブ係数α_ｑを以下のように決定することができる。

【数3】

ここで、ｎ∈［１，２，…，Ｎ］である。

【0057】

４４０において、ＬＭ装置１１０は、最も高いα_ｑ，ｎを与えるＮ個の履歴測定値のサブセットθ´＝［θ_１´,θ_２´，…θ_Ｎ´´］を決定してよく、ここで、Ｎ´は、Ｎ個の履歴測定値のサブセットにおける測定値θ’の数を表す。例えば、ＬＭ装置１１０は、それぞれのアクティブ係数α_ｑを［α_ｑ，１，α_ｑ，２…α_ｑ，Ｎ］のように並べ替えて、最も高いアクティブ係数α_ｑ，ｎを与えるＮ´個の測定値θ´＝［θ_１´,θ_２´，…θ_Ｎ´´］を選択することができる。

【0058】

ＬＭ装置１１０は、測定値θ’に対してバイセクションクラスタリングを実行してよく、これにより、Ｋは１増加する。議論の目的で、例示的なＥＭバイセクションクラスタリングアルゴリズムが以下に与えられる。示されるように、ＥＭバイセクションクラスタリングアルゴリズムに変形および修正を加えることができることを理解されたい。さらに、または代替的に、ＥＭバイセクションクラスタリングアルゴリズムとは異なる他のクラスタリングアルゴリズムも、本開示の実施形態を実行するために可能である。本開示の範囲は、この態様に限定されない。

【0059】

４５０において、ガウス分布ｐ_ｍ（θ_ｂ）に関して、ＬＭ装置１１０は、Ｎ個の履歴測定値のサブセット、即ち、測定値θ’および新たなガウス成分のそれぞれの元の重み（ｏｒｉｇｉｎａｌ ｗｅｉｇｈｔ）に基づいて、２つの新たなガウス成分ｇ（θ´｜μ_１´，σ_１´^２）およびｇ（θ´｜μ_２´，σ_２´^２）を生成することができ、ここで、ｗ_１´，μ_１´，σ_１´^２, ｗ_２´，μ_２´，σ_２´^２は、２つの新たなガウス成分ｇ（θ´｜μ_１´，σ_１´^２）およびｇ（θ´｜μ_２´，σ_２´^２）のそれぞれの重み、平均、および、分散をそれぞれ表す。

【0060】

４６０において、新たなガウス成分ｇ（θ´｜μ_１´，σ_１´^２）およびｇ（θ´｜μ_２´，σ_２´^２）のそれぞれに関して、ＬＭ装置１１０は、Ｎ個の履歴測定値のサブセット、即ち、測定値θ’に関して、それぞれのアクティブ係数α_１，ｎ´およびα_２，ｎ´を以下のように決定することができる。

【数4】

ここで、ｋ＝１，２である。

【0061】

次に、４７０において、ＬＭ装置１１０は、それぞれのアクティブ係数およびＮ個の履歴測定値のサブセットに基づいて、ｗ_１´，μ_１´，σ_１´^２,ｗ_２´，μ_２´，σ_２´^２を更新することができる。例えば、以下のように決定され得る。

【数5】

【数6】

【数7】

ここで、ｋ＝１，２である。

【0062】

４７５において、ＬＭ装置１１０は、ｗ_１´，μ_１´，σ_１´^２,ｗ_２´，μ_２´，σ_２´^２が収束するまで、反復的に、ｗ_１´，μ_１´，σ_１´^２,ｗ_２´，μ_２´，σ_２´^２を更新してもよい。次に、４８０において、ＬＭ装置１１０は、ガウス成分ｑを、収束した

【数8】

で構成されたｇ（θ´｜μ_１´，σ_１´^２）およびｇ（θ´｜μ_２´，σ_２´^２）と置き換えてもよい。

【0063】

ＬＭ装置１１０は、方法４００を対話的に実行することができ、それにより、４９０で示すように、測位モデルの測位精度に影響を与える可能性のある分散を、所定の条件が満たされるまで徐々に減少させることができる。この場合、適応的なクラスタリング数Ｋ_ｂ，ｍ、ならびに、ｗ_{ｋ，ｂ，ｍ}、μ_{ｋ，ｂ，ｍ}、および、σ_{ｋ，ｂ，ｍ} ^２、が決定され、ガウス分布ｐ_ｍ（θ_ｂ）の訓練が完了する。このようにして、ガウス分布ｐ_ｍ（θ_ｂ）は、履歴領域ｍとネットワーク装置ｂとの間のＮＬＯＳ特性を考慮して訓練される。

【0064】

いくつかの例示的な実施形態では、測位モデル２０１の訓練は、履歴領域１１～４８とネットワーク装置１４０－１および１４０－２との間で独立して実行され得る。換言すれば、履歴領域とネットワーク装置の各ペアの訓練は並行して進行することができる。

【0065】

本開示の例示的な実施形態によれば、履歴領域とネットワーク装置の各ペアが、どの程度、ＮＬＯＳマルチパス反射を受けるかに応じて、適応的な数のクラスタで測位モデルを訓練することができる。バイセクションアプローチは、古典的な決定木のノード成長プロセスに類似しているため、エントロピーの代わりに、分散乗算重みがコスト指標として使用されるため、クラスタの数、即ち、ガウス成分の数は、決定木に関するプルーニングアイデアを使用することによって制御され得る。

【0066】

図５は、本開示のいくつかの例示的な実施形態による測位方法５００のフローチャートを示す。方法５００は、図１に示されるようなＬＭ装置１１０、または適応的なクラスタ数で訓練された測位モデル、例えば、測位モデル２０１を備えるように構成された任意の他のデバイスにおいて実施され得る。議論のために、方法５００を図１および図２に関連して説明する。

【0067】

図５に示すように、ＬＭ装置１１０は、第３デバイス１３０に関連する信号の少なくとも１つの測定値を取得する（５１０）。いくつかの例示的な実施形態において、例えば、通信ネットワーク１００がＬＴＥ測位プロトコル（ＬＰＰ）に基づく場合、５１０において、ＬＭ装置１１０は、第３デバイス１３０から直接測定値を取得してもよい。他のいくつかの例示的な実施形態において、例えば、通信ネットワーク１００がＬＴＥ測位プロトコルＡ（ＬＰＰＡ）に基づいている場合、５１０において、ＬＭ装置１１０は、第３デバイス１３０から測定値を収集するネットワーク装置１４０－１および１４０－２から、第３デバイス１３０に関連する測定値を取得してもよい。

【0068】

いくつかの例示的な実施形態では、第３デバイス１３０に関連する測定は、ＤＬおよび／またはＵＬにおける基準信号の測定、例えば、基準信号のＴＤＯＡ、ＡｏＤ、ＡｏＡ、マルチＲＴＴなどを含み得る。第３デバイス１３０は、基準信号の送信機または受信機のいずれかとして機能することができる。

【0069】

５２０において、ＬＭ装置１１０は、第３デバイス１３０を測位するためのターゲット領域を取得するために、図３に示す方法３００を用いて訓練された測位モデル２０１の少なくとも１つの測定値を適用する。

【0070】

候補領域１１～４８のグループのそれぞれについて、ＬＭ装置１１０は、少なくとも１つの測定値および測位モデル２０１に基づいて、第３デバイス１３０がそれぞれの候補領域に設置される確率を決定する。

【0071】

いくつかの例示的な実施形態では、測位モデル２０１は、履歴領域１１～４８に関連するＮＬＯＳマルチパス反射を考慮して訓練される。訓練された測位モデル２０１は、履歴領域１１～４８のそれぞれの１つにそれぞれ対応する一連のガウス分布を含む。いくつかの例示的な実施形態では、ガウス分布の各々は、対応する履歴領域のＮＬＯＳレベルに基づいて決定される。

【0072】

上述のように、一群の履歴領域１１～４８は、複数のネットワーク装置、即ち、ネットワーク装置１４０－１および１４０－２によってサービスを受ける。候補領域とネットワーク装置の各ペアについて、それぞれのガウス分布はｋ個のガウス成分によって表され得る。数ｋは、ガウス分布のクラスタの数を示す。例示的な実施形態では、数ｋと、それぞれのガウス分布の重み、平均、および、分散は、期待値最大化バイセクションクラスタリングに基づいて決定されてもよい。

【0073】

複数のネットワーク装置がＢ個のネットワーク装置を備えるとすると、図１に示す例では、ネットワーク装置はネットワーク装置１４０－１および１４０－２であり、したがって、Ｂ＝２である。いくつかの例示的な実施形態において、履歴領域１１～４８のグループのうちの履歴領域ｍについて、確率は、上記式（１）に基づいて決定されてもよい。

【0074】

いくつかの例示的な実施形態において、履歴領域ｍとネットワーク装置ｂのペアについて、このペアのガウス分布ｐ_ｍ（θ_ｂ）は、上式（２）に基づいて決定されてもよく、ｗ_{ｋ，ｂ，ｍ}、μ_{ｋ，ｂ，ｍ}、および、σ_{ｋ，ｂ，ｍ} ^２は、それぞれガウス成分ｋの重み、平均、および、分散を表す。

【0075】

いくつかの例示的な実施形態において、ガウス成分ｋの、Ｋ_ｂ，ｍ、ｗ_{ｋ，ｂ，ｍ}、μ_{ｋ，ｂ，ｍ}、および、σ_{ｋ，ｂ，ｍ} ^２は、所定の条件が満たされるまで、以下の演算を少なくとも１回実行することによって決定されてもよい。ＬＭ装置１１０は、ネットワーク装置ｂからのＮ個の履歴測定値を含む訓練データセットを用いて、ｐ_ｍ（θ_ｂ）を生成してよく、ここで、θ＝［θ_１,θ_２，θ_３…θ_Ｎ］、Ｋ_ｂ，ｍ＝１である。ＬＭ装置１１０は、ｐ_ｍ（θ_ｂ）の最大加重分散ｗ_ｑσ_ｑ ^２を決定してよく、ここで、ｗ_ｑσ_ｑ ^２は、ガウス分布ｐ_ｍ（θ_ｂ）のガウス成分ｑに対応する。上述したように、ガウス成分ｑは、測位モデルの予測精度に影響を与える可能性があるため、さらなるクラスタリング分析を実行する必要があるターゲットガウス成分として決定される。

【0076】

ＬＭ装置１１０は、上式（３）に基づいて、Ｎ個の履歴測定値のそれぞれに関するガウス成分ｑのそれぞれのアクティブ係数α_ｑを決定することができる。ＬＭ装置１１０は、Ｎ個の履歴測定値から、最も高いα_ｑ，ｎを与える測定値θ’のサブセットを決定してもよく、即ち、θ´＝［θ_１´,θ_２´，…θ_Ｎ´´］であり、ここで、Ｎ´は、測定値θ’のサブセットにおける測定値の数を表す。

【0077】

ＬＭ装置１１０は、測定値θ’のサブセットに対してバイセクションクラスタリングを実行し、Ｋを１増加させることができる。いくつかの例示的な実施形態では、測定値θ’のサブセットに対してバイセクションクラスタリングを実行するために、ＬＭ装置１１０は、測定値θ’のサブセットに基づいて、２つの新たなガウス成分ｇ（θ´｜μ_１´，σ_１´^２）、および、ｇ（θ´｜μ_２´，σ_２´^２）を生成することができ、ここで、ｗ_１´，μ_１´，σ_１´^２,ｗ_２´，μ_２´，σ_２´^２は、２つの新たなガウス成分ｇ（θ´｜μ_１´，σ_１´^２）、および、ｇ（θ´｜μ_２´，σ_２´^２）の重み、平均、分散をそれぞれ表す。

【0078】

次に、ＬＭ装置１１０は、上記式（４）に基づいて、測定値θ’のサブセットの各々について、それぞれのアクティブ係数α_１，ｎ´およびα_２，ｎ´を決定してもよい。ＬＭ装置１１０は、上記式（５）～（７）に基づいて、ｗ_１´，μ_１´，σ_１´^２,ｗ_２´，μ_２´，σ_２´^２が収束するまで、パラメータｗ_１´，μ_１´，σ_１´^２,ｗ_２´，μ_２´，σ_２´^２を更新してもよい。この場合、ＬＭ装置１１０は、ガウス成分ｑを、収束した

【数9】

で構成された、ｇ（θ´｜μ_１´，σ_１´^２）、および、ｇ（θ´｜μ_２´，σ_２´^２）と置き換えてもよい。

【0079】

所定の条件が満たされる場合、ガウス分布ｐ_ｍ（θ_ｂ）の訓練を完了することができる。いくつかの例示的な実施形態では、所定の条件は、ガウス分布ｐ_ｍ（θ_ｂ）の最大加重分散が分散閾値ＴＨ_ＶＡＲを下回る一方で、Ｋが成分閾値ＴＨ_Ｋを超えること、例えば、ｍａｘ｛ｗ_１σ_１ ^２，ｗ_２σ_２ ^２，…，ｗ_Ｋσ_Ｋ ^２｝＜ＴＨ_ｖａｒ、かつ、Ｋ＞ＴＨ_Ｋである。

【0080】

ＬＭ装置１１０は、候補領域１１～４８のグループの中から、最も確率の高いターゲット領域を決定する。一例として、ＬＭ装置１１０は、候補領域１１～４８のグループの中で最も高い確率を有する候補領域２３を決定してもよく、したがって、候補領域２３がターゲット領域であると決定される。この場合、ＬＭ装置１１０は、第３デバイス１３０をターゲット領域２３内に配置してもよい。

【0081】

ＬＭ装置１１０は、ターゲット領域の基準位置を第３デバイス１３０の位置に決定する。例えば、ターゲット領域の重心位置が基準位置として選択されてもよい。あるいは、ターゲット領域内の他の基準位置も基準位置として選択されてもよい。本開示の範囲は、この態様に限定されない。

【0082】

本願の例示的な実施形態で提供されるフィンガープリント測位のソリューションにより、コアネットワークまたはＲＡＮの位置管理装置は、ＧＭＭベースのバイセクションクラスタリングアプローチに基づいて端末装置の位置を決定することができる。従来のフィンガープリント測位技術と比較すると、本明細書で提案するソリューションは、各ビンと基地局との間のＮＬＯＳ特性を考慮し、各ビン内のそれぞれのＮＬＯＳレベルに基づいて測位モデルを訓練する。したがって、提案された測位ソリューションのコストおよび複雑さは許容範囲内でありながら、フィンガープリント測位技術の測位精度を大幅に向上させることができる。

【0083】

いくつかの例示的な実施形態では、方法３００を実行可能な第１装置は、方法３００のそれぞれのステップを実行するための手段を含んでいてもよい。本手段は、任意の適切な形態で実装されてよい。例えば、本手段は、回路またはソフトウェアモジュールに実装されてもよい。

【0084】

いくつかの例示的な実施形態において、第１装置は、履歴測定値および履歴領域を含む訓練データセットを取得する手段であって、履歴測定値は第２装置に関連付けられ、履歴測定値が取得されたとき、第２装置は履歴領域の１つ内に存在する、取得する手段と、測位モデルのガウス分布のパラメータセットを取得するために、測位モデルの入力として履歴測定値を使用し、測位モデルの出力として履歴領域を使用することによって、測位モデルを訓練する手段であって、ガウス分布は、第３装置が履歴領域に配置される確率を示し、パラメータセットは、履歴領域のそれぞれの見通し外環境に対応する、訓練する手段と、を備える。

【0085】

いくつかの例示的な実施形態において、履歴測定値の１つは、基準信号受信電力または第２装置に関連する基準信号の到着時間の少なくとも１つを含み、履歴領域の１つは、グランドトゥルースまたは履歴領域の領域インデックスの少なくとも１つによって示される。

【0086】

いくつかの例示的な実施形態において、測位モデルを訓練するための手段は、ネットワーク装置のうちの1つと、それぞれのネットワーク装置から基準信号を受信可能な履歴領域と、履歴領域のガウス分布のパラメータセットを決定するための手段であって、パラメータセットは、ガウス分布に含まれるガウス成分の数と、ガウス分布の重み、平均、および、分散とを含む、手段と、を備える。

【0087】

いくつかの例示的な実施形態において、パラメータセットを決定するための手段は、ネットワーク装置からのＮ個の履歴測定値を使用することによって、履歴領域の初期ガウス分布を生成するための手段であって、初期ガウス分布は、第１の数のガウス成分を含む、手段と、所定の条件が満たされるまで、少なくとも１回、ガウス分布の最大加重分散を決定し、最大加重分散はガウス分布のターゲットガウス成分に対応し、Ｎ個の履歴測定値に関してターゲットガウス成分のアクティブ係数を決定し、アクティブ係数をソートすることによってＮ個の履歴測定値のサブセットを決定し、Ｎ個の履歴測定値のサブセットは最高アクティブ係数を生成し、Ｎ個の履歴測定値のサブセットに対してバイセクションクラスタリングを実行し、第１の数の値を１増加させる、動作を実行するための手段と、を備える。

【0088】

いくつかの例示的な実施形態において、Ｎ個の履歴測定値のサブセットに対してバイセクションクラスタリングを実行するための手段は、Ｎ個の履歴測定値のサブセットおよび新たなガウス成分のそれぞれの元の重みに基づいて、２つの新たなガウス成分を生成する手段と、Ｎ個の履歴測定値のサブセットに関して、新たなガウス成分のそれぞれのアクティブ係数を決定する手段と、平均値、分散、および、重みが収束するまで、それぞれのアクティブ係数およびＮ個の履歴測定値のサブセットに基づいて、新たなガウス成分の平均、分散、および、重みを更新する手段と、収束した平均、分散、および、重みで構成された２つの新たなガウス成分でターゲットガウス成分を置き換える手段と、を備える。

【0089】

いくつかの例示的な実施形態では、所定の条件は、ガウス分布の最大加重分散が閾値分散未満である一方、ガウス成分の数が成分数の閾値を超えることを含む。

【0090】

いくつかの例示的な実施形態では、履歴測定値の少なくとも１つは、第２装置または第２装置と通信するネットワーク装置のうちの少なくとも一方から取得される。

【0091】

いくつかの例示的な実施形態では、第１装置は位置管理装置を備え、第２装置は端末装置を備え、第３装置はさらなる端末装置を備える。

【0092】

いくつかの例示的な実施形態では、方法５００を実行可能な第４装置は、方法５００のそれぞれのステップを実行するための手段を備えてよい。手段は、任意の適切な形態で実装されてよい。例えば、手段は、回路またはソフトウェアモジュールに実装されてもよい。

【0093】

いくつかの例示的な実施形態において、第４装置は、第３装置に関連する信号の少なくとも１つの測定値を取得する手段と、方法３００に従って、少なくとも１つの測定値を測位モデルに適用して、第３装置を測位するためのターゲット領域を取得する手段と、を備える。

【0094】

いくつかの例示的な実施形態において、少なくとも１つの測定値は、第３装置、または、第３装置と通信するネットワーク装置のうちの少なくとも一方から取得される。

【0095】

いくつかの例示的な実施形態では、第３装置は端末装置を備え、第４装置は位置管理装置を備える。

【0096】

図６は、本開示の実施形態を実施するのに好適なデバイス６００の簡略化されたブロック図である。デバイス６００は、図１に示すように、通信装置、例えば、ＬＭ装置１１０、第２デバイス１２０、ネットワーク装置１４０などを実装するために提供され得る。図示されるように、デバイス６００は、１つまたは複数のプロセッサ６１０と、プロセッサ６１０に結合された１つまたは複数のメモリ６２０と、プロセッサ６１０に結合された１つまたは複数の通信モジュール６４０と、を含む。

【0097】

通信モジュール６４０は双方向通信用である。通信モジュール６４０は、通信を容易にするために少なくとも１つのアンテナを有する。通信インターフェースは、他のネットワーク要素との通信に必要な任意のインターフェースを意味することができる。

【0098】

プロセッサ６１０は、ローカル技術ネットワークに適した任意のタイプのものであってよく、非限定的な例として、汎用コンピュータ、特殊用途コンピュータ、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ）、およびマルチコアプロセッサアーキテクチャに基づくプロセッサのうちの１つ以上を含んでよい。デバイス８００は、メインプロセッサを同期させるクロックに合わせてスレーブされる特定用途向け集積回路チップなどの複数のプロセッサを有していてもよい。

【0099】

メモリ８２０は、１つまたは複数の不揮発性メモリおよび１つまたは複数の揮発性メモリを含むことができる。不揮発性メモリの例としては、読出し専用メモリ（ＲＯＭ）６２４、電気的にプログラム可能な読出し専用メモリ（ＥＰＲＯＭ）、フラッシュメモリ、ハードディスク、コンパクトディスク（ＣＤ）、デジタルビデオディスク（ＤＶＤ）、および、他の磁気記憶装置および／または光学記憶装置が挙げられるが、これらに限定されない。揮発性メモリの例としては、ランダムアクセスメモリ（ＲＡＭ）６２２や、パワーダウン期間中に持続しない他の揮発性メモリが挙げられるが、これらに限定されない。

【0100】

コンピュータプログラム６３０は、関連するプロセッサ６１０によって実行されるコンピュータ実行可能命令を含む。プログラム６３０は、ＲＯＭ６２０に格納されてもよい。プロセッサ６１０は、プログラム６３０をＲＡＭ６２０にロードすることによって、任意の適切な動作および処理を実行してもよい。

【0101】

本開示の実施形態は、図３～図５を参照して説明したように、デバイス６００が本開示の任意のプロセスを実行するように、プログラム６３０によって実施されてもよい。本開示の実施形態は、また、ハードウェアによって、または、ソフトウェアとハードウェアとの組み合わせによって実施されてもよい。

【0102】

いくつかの実施形態では、プログラム６３０は、デバイス６００に含まれ得る（メモリ６２０内など）コンピュータ可読媒体、または、デバイス６００によってアクセス可能な他の記憶装置に有形的に含まれ得る。デバイス６００は、プログラム６３０をコンピュータ可読媒体からＲＡＭ６２２にロードして実行してもよい。コンピュータ可読媒体は、ＲＯＭ、ＥＰＲＯＭ、フラッシュメモリ、ハードディスク、ＣＤ、ＤＶＤなどの任意のタイプの有形不揮発性記憶装置を含むことができる。図７は、ＣＤまたはＤＶＤの形態のコンピュータ可読媒体７００の例を示す。このコンピュータ可読媒体には、プログラム６３０が格納されている。

【0103】

一般に、本開示の様々な実施形態は、ハードウェアまたは特殊用途回路、ソフトウェア、ロジック、または、それらの任意の組み合わせで実施され得る。いくつかの態様はハードウェアに実装されてもよく、他の態様は、コントローラ、マイクロプロセッサ、または、他のコンピューティングデバイスによって実行され得るファームウェアまたはソフトウェアに実装されてもよい。本開示の実施形態の様々な態様は、ブロック図、フローチャート、または、他の何らかの図形的表現を用いて図示および説明されているが、本明細書で説明されるブロック、装置、システム、技術、または、方法は、非限定的な例として、ハードウェア、ソフトウェア、ファームウェア、特殊用途回路またはロジック、汎用ハードウェアまたはコントローラ、または、他のコンピューティングデバイス、または、それらの何らかの組み合わせで実装され得ることを理解されたい。

【0104】

本開示はまた、非一過性のコンピュータ可読記憶媒体に有形的に記憶された少なくとも１つのコンピュータプログラム製品を提供する。コンピュータプログラム製品は、図３および図５を参照して上述したような方法３００または５００を実行するために、ターゲットリアルプロセッサまたは仮想プロセッサ上のデバイスにおいて実行される、プログラムモジュールに含まれるようなコンピュータ実行可能命令を含む。一般に、プログラムモジュールは、特定のタスクを実行する、または、特定の抽象データタイプを実装するルーチン、プログラム、ライブラリ、オブジェクト、クラス、コンポーネント、データ構造などを含む。プログラムモジュールの機能は、様々な実施形態において所望に応じてプログラムモジュール間で組み合わせたり、分割したりすることができる。プログラムモジュールの機械実行可能命令は、ローカルまたは分散装置内で実行されてもよい。分散装置では、プログラムモジュールは、ローカルおよびリモートの記憶媒体の両方に配置されてもよい。

【0105】

本開示の方法を実施するためのプログラムコードは、１つまたは複数のプログラミング言語の任意の組み合わせで記述され得る。これらのプログラムコードは、汎用コンピュータ、特殊用途コンピュータ、または他のプログラム可能なデータ処理装置のプロセッサまたはコントローラに提供されてもよく、プログラムコードがプロセッサまたはコントローラによって実行されると、フローチャートおよび／またはブロック図で指定された機能／動作が実施されるようになる。プログラムコードは、完全にマシン上で実行してもよいし、部分的にマシン上で実行してもよいし、スタンドアロンソフトウェアパッケージとして実行してもよいし、部分的にマシン上で実行し、部分的にリモートマシン上で実行してもよいし、完全にリモートマシンまたはサーバ上で実行してもよい。

【0106】

本開示の文脈において、コンピュータプログラムコードまたは関連データは、デバイス、装置、またはプロセッサが上述のような様々なプロセスおよび動作を実行することを可能にするために、任意の適切なキャリアによって搬送され得る。キャリアの例には、信号、コンピュータ可読媒体などが含まれる。

【0107】

コンピュータ可読媒体は、コンピュータ可読信号媒体であってもよいし、コンピュータ可読記憶媒体であってもよい。コンピュータ可読媒体は、電子、磁気、光学、電磁、赤外線、または、半導体のシステム、装置、または、デバイス、または、前述の任意の適切な組み合わせを含むが、これらに限定されない。コンピュータ可読記憶媒体のより具体的な例としては、１本以上の配線を有する電気接続、ポータブルコンピュータディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリーメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリーメモリ（ＥＰＲＯＭ、または、フラッシュメモリ）、光ファイバ、ポータブルコンパクトディスクリードオンリーメモリ（ＣＤ－ＲＯＭ）、光学記憶装置、磁気記憶装置、または、前述の任意の適切な組み合わせが挙げられる。

【0108】

さらに、動作は特定の順序で示されているが、これは、望ましい結果を達成するために、そのような動作を、示された特定の順序で、または、順次実行すること、あるいは、図示された全ての動作を実行することを要求するものとして理解されるべきではない。特定の状況においては、マルチタスクおよび並列処理が有利である場合がある。同様に、いくつかの具体的な実装の詳細が上記の議論に含まれているが、これらは、本開示の範囲を制限するものとして解釈されるべきではなく、むしろ、特定の実施形態に特有であり得る特徴の説明として解釈されるべきである。別個の実施形態の文脈で説明される特定の特徴は、単一の実施形態において組み合わせて実施することもできる。逆に、単一の実施形態の文脈で説明される様々な特徴もまた、複数の実施形態において別々に、または任意の適切なサブコンビネーションで実施され得る。

【0109】

本開示は、構造的特徴および／または方法論的行為に特有の言語で説明されてきたが、添付の特許請求の範囲に定義される本開示は、必ずしも上述の特定の特徴または行為に限定されないことを理解されたい。むしろ、上述した特定の特徴および行為は、特許請求の範囲を実施する例示的な形態として開示されている。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】