一种基于音频的定位寻物方法

摘要

本发明公开了一种基于音频的定位寻物方法、系统和设备，涉及物品定位领域，旨在解决现有技术中不能检测物品的具体方向角、不适用于普通智能终端以及受环境噪音影响大的问题，采用的技术方案是，设计独特的音频信号；基于音频进行单边双向测距；基于音频测距和PDR定位；通过设计特定的音频信号，再基于音频进行单边双向测距，最终利用测距结果结合PDR进行精准定位，本方法成本低、定位精度高、有效工作范围大；本技术方案利用音频信号测距加上PDR判断方向，完成对待搜索物品的定位，不需要再借助第三方设备，且音频测距融合PDR定位则不受空旷环境和嘈杂噪音的影响，定位测距为分米级，定位精度更高。

权利要求

1.一种基于音频的定位寻物方法，其特征在于，包括以下步骤：步骤1，设计音频信号：

；

其中 是声波的幅度，T是Chirp信号的周期，和 分别是初始频率和截止频率；

接收信号为：

；

其中， 为室内音频通道脉冲响应的连续表达式；、和 和是第i个传播路径的信道衰落系数、传播延迟和随机噪声；

步骤2，基于音频的单边双向测距：智能终端广播Chirp信号，并记录当前的系统时间 ，待搜索物品上的定位寻物设备收到Chirp信号，延迟固定的时间 回发一个Chirp信号，智能终端接收回发的Chirp信号并记录当前系统时间 ；

那么信号在智能终端和定位寻物设备之间的飞行时间 为：；

得到飞行时间 后，很容易地计算出智能终端与定位寻物设备之间的距离 ：；

其中， 是声速；

步骤3，基于音频测距和PDR定位，所述定位还包括以下步骤：步骤a，数据预处理

首先，在动态模式下完成一个双向测距所需的时间之后，智能终端的位置发生改变，智能终端上记录的两个时间戳不在同一位置，此时，使用插值到两个位置的中间；

其次，进行显著性水平 为0.05的假设检验来决定测距结果是否可靠；

步骤b，局部最小二乘法改进粒子滤波器；

使用基于时间序列的窗口来获取一个受约束的非线性最小二乘法的合格的局部数据，来估计定位寻物设备的参考位置 ， 作为滤波器初始化或添加的随机n个粒子 的高斯分布的中心；

滤波器生成粒子后开始工作，由于定位寻物设备被认为是静止的，智能终端的位置是实时变化的，粒子滤波器的状态模型表述为：；

由于测距信息 是唯一的观察值，单次观察模型表述为：；

其中，计算为第个粒子与智能终端位置之间的距离；

最后，当粒子总数超过阈值 时，拒绝权值较低的粒子；状态估计由近似的后验概率分布得到，为：；

其中， 是 的标准化；

步骤c，K均值法识别镜像点

当短时间轨迹近似直线时，最小二乘法得到的估计位置和镜像处均可能是全局最优解，因此，构建另一个关于估计位置的镜像粒子滤波算法，包括镜像点在内的两个局部最优解 ， 用局部最小二乘法进行求解，在初始化阶段，N个粒子 和N个粒子 由高斯分布生成，它们分别以  ， 为中心，每个粒子的权重被设置为 ，这个滤波器具有与步骤b相同的状态和观测更新；每次粒子更新后，K均值算法的簇数被设定为2，将所有粒子分配给各自最近的簇；

如果簇1 中粒子的总权重远小于簇2 的总权重；

；

簇1被认为是镜像点，其粒子被消除；将步骤b中的剩余粒子添加到全局粒子滤波器中。

说明书

一种基于音频的定位寻物方法

技术领域

[0001] 本发明涉及物品定位领域，具体为一种基于音频的定位寻物方法。

背景技术

[0002] 根据日本生活类杂志《DIME》的全球在线调查，人们一生中耗费75322分钟(约52天)用于找寻丢失的东西。同时，丢失东西之后，至少52.2％的人会受到打击，31.9％的人感到恐慌，17.8％的人会向配偶和亲属寻求精神上的帮助。东西丢失导致的精神上的失意会引起身体上的疾病，这是人们都常承认的。这似乎有些耸人听闻，事实上给人们带来的麻烦确实不小，遗忘东西至少会使得工作效率低下以及导致时间上的浪费。

[0003] 而随着物联网技术的迅速发展，市场上已出现一些解决上述寻物问题的解决方案。这得益于物联网的高便利性、低成本和低能耗。然而，现有技术很难同时实现高可用性(广域和单个智能终端支持)和精确位置感知。

[0004] 目前典型的技术有两种，一种是利用低功耗蓝牙，基于是否接收信号或者接收的信号的强度来进行寻物操作，然而，低功耗蓝牙只能做存在性检测，不能测距(RSS测距不准，测距精度依赖模型参数)、测角，如TilePro可以与智能手机进行蓝牙连接，然后通过标签的发声和振动，用户可以通过听觉来定位，这种方法不能提供标签的精确位置，而且测距和定位依赖于人类听觉和判断的方式是不可靠的；另一种是采用超宽带(Ultra‑Wide Bandwidth，UWB)，UWB依赖多个天线阵列来实现测距和方向，这使得智能手机需要特定的芯片或模块设计，这导致了绝大多数的智能手机都不支持这些技术，且有限的范围(<10m)也是一个主要的缺点，这给技术场景带来了很大的限制，如苹果公司发布的Airtag，配备植入UWB天线阵列的U1芯片，只有iPhone11及以上版本能够对附近连接的Airtag进行检测和指向。

[0005] 中国专利CN201911167557.3公开了物品声寻装置及控制方法、语音控制设置方法和系统，采用的技术方案是，包括依次连接的麦克风、音频预处理模块、语音智能识别模块、微处理器和扬声器，麦克风可以感受声音信号并对其进行采集，得到音频信号，音频预处理模块通过连接接口接收音频信号并进行预处理，从中提取音频信号相应的音频特征，语音智能识别模块从音频特征中获取语音声纹，并将其与预设声纹比较，在声纹匹配时，可以识别音频特征中是否包含关键词，将识别结果发送至微处理器，微处理器控制扬声器发出提示音，只要将物品声寻装置设置在目标物品上，用户通过声音进行控制，使物品声寻装置发出提示音，对目标物品进行定位；本技术方案是通过音频信号去控制物品声寻装置发出提示音；如果物品声寻装置发出的提示音较弱，用户难以听到提示音进行寻物时，再通过无线信号对物品进行定位，属于发声为主、无线信号定位为辅的寻物方法，此方法受环境的噪声影响较大，当环境较为开阔、噪音较大时，靠发声定位的实用性就会大幅下降，而无线信号强度测距精度为米级，误差值较大，还需要借助无线定位设备去将定位信息发送至手机、平板等第三方设备，较为复杂。

发明内容

[0006] 本发明要解决的问题是，提供一种具有成本低、定位精度高、有效工作范围大、适用于大众手机的基于音频的定位寻物方法、系统及设备。

[0007] 鉴于现有技术中所存在的问题，本发明公开了一种基于音频的定位寻物方法，采用的技术方案是，包括以下步骤：

[0008] 步骤1，设计音频信号：

[0009]

[0010] 其中A(t)是声波的幅度，T是Chirp信号的周期，f0和fe分别是初始频率和截止频率；

[0011] 考虑到室内衰落信道，接收信号可表示为：

[0012]

[0013] 其中，h(t)为室内音频通道脉冲响应(CIR)的连续表达式；∝i、τi和Ni(t)和是第i个传播路径的信道衰落系数、传播延迟和随机噪声，一般来说，应该是第一视线(LOS)组件的到达时间(ToA)。

[0014] 步骤2，基于音频的单边双向测距：

[0015] 智能终端广播Chirp信号，并记录当前的系统时间t1，待搜索物品上的定位寻物设备收到Chirp信号，延迟固定的时间treply回发一个Chirp信号，智能终端接收回发的Chirp信号并记录当前系统时间t2。

[0016] 那么信号在智能终端和定位寻物设备之间的飞行时间t为：

[0017] t＝[(t2‑t1)‑treply]/2

[0018] 得到飞行时间t后，可以很容易地计算出智能终端与定位寻物设备之间的距离L：

[0019] L＝vsound·t

[0020] 其中，vsound是声速，约为343m/s。

[0021] 步骤3，基于音频测距和PDR(Pedestrian Dead Reckoning，即行人航位推算)定位，所述定位还包括以下步骤：

[0022] 步骤a，数据预处理

[0023] 预处理是基于时间戳的数据序列上执行的。

[0024] 首先，在动态模式下完成一个双向测距所需的时间之后，智能终端的位置发生改变，智能终端上记录的两个时间戳不在同一位置，此时，使用插值到两个位置的中间，这样能够将误差缩小到可以接受的范围；

[0025] 其次，进行显著性水平α约为0.05的假设检验来决定测距结果是否可靠；

[0026] 步骤b，局部最小二乘法改进粒子滤波器

[0027] 使用基于时间序列的窗口来获取一个受约束的非线性最小二乘法的合格的局部数据，来估计定位寻物设备的参考位置 作为滤波器初始化或添加的随机n个粒子 的高斯分布的中心；

[0028] 滤波器生成粒子后开始工作，由于定位寻物设备被认为是静止的，智能终端的位置是实时变化的，粒子滤波器的状态模型表述为：

[0029]

[0030] 由于测距信息L是唯一的观察值，单次观察模型表述为：

[0031]

[0032] 其中，h可以计算为第i个粒子与智能终端位置之间的距离。

[0033] 最后，当粒子总数超过阈值Nthreshold时，拒绝权值较低的粒子；状态估计可以由近似的后验概率分布得到，为：

[0034]

[0035] 其中， 是 的标准化；

[0036] 步骤c，K均值法识别镜像点

[0037] 当短时间轨迹近似直线时，最小二乘法得到的估计位置和镜像处均可能是全局最优解，因此，构建另一个关于估计位置的镜像粒子滤波算法，包括镜像点在内的两个局部最优解(X1，Y1)，(X2，Y2)用局部最小二乘法进行求解，在初始化阶段，N个粒子 和N个粒子 由高斯分布生成，它们分别以(X1，Y1)，(X2，Y2)为中心，每个粒子的权重被设置为1/2N，这个滤波器具有与步骤b所述的相同状态和观测更新；每次粒子更新后，K均值算法的簇数被设定为2，将所有粒子分配给各自最近的簇；

[0038] 如果簇1wtotal_C1中粒子的总权重远小于簇2wtotal_C2的总权重；

[0039]

[0040] 簇1被认为是镜像点，其粒子被消除；将步骤b中的剩余粒子添加到全局粒子滤波器中。

[0041] 本发明还公开了一种基于音频的定位寻物系统，所述定位寻物系统包括智能终端和设置在待搜索物品上的定位寻物设备。

[0042] 所述智能终端包含惯性传感器、第一扬声器、第一麦克风；所述惯性传感器用于确定智能终端的运动轨迹；所述第一扬声器、第一麦克风用于发射音频信号和接收所述定位寻物设备返回的音频信号。

[0043] 所述定位寻物设备包含低功耗蓝牙单元、第二麦克风、处理器、第二扬声器。所述低功耗蓝牙单元用于与定位寻物设备通讯，以检测定位寻物设备是否在终端信号覆盖范围内；所述第二麦克风用于接收智能终端发射的音频信号；所述处理器用于处理接收到的音频信号、电量检测、电源控制等；所述第二扬声器用于发射处理后的音频信号。

[0044] 本发明还公开了一种基于音频的定位寻物设备，采用的技术方法是，所述定位寻物设备包括电源管理模块、低功耗蓝牙单元、处理器、第二麦克风、功率放大器和第二扬声器。

[0045] 电源管理模块用于对电路进行供电；

[0046] 低功耗蓝牙单元用于与智能终端的通讯，以检测定位寻物设备是否在终端信号覆盖范围内；

[0047] 处理器用于处理接收到的音频信号、电量检测、电源控制等；

[0048] 麦克风用于接收智能终端发射的音频信号；

[0049] 功率放大器用于将处理后的信号进行放大；

[0050] 扬声器用于发射放大后的音频信号。

[0051] 本发明的有益效果：本发明通过设计特定的音频信号，再基于音频进行单边双向测距，最终利用测距结果结合PDR进行精准定位，本方法成本低、定位精度高、有效工作范围大、适用于大众手机的寻物定位方法、系统及设备，对于智能终端为Android或iOS操作系统的智能终端，无需更改任何硬件即可使用。

[0052] 进一步的，本技术方案利用音频信号测距加上PDR判断方向，完成对待搜索物品的定位，从而去寻找待搜索物品，适用于可接收频率范围内的音频信号的现有智能终端，直接利用定位寻物设备和智能终端即可，不需要再借助第三方设备，使用更加方便；且音频测距融合PDR定位则不受空旷环境和嘈杂噪音的影响，定位测距为分米级，定位精度更高。

附图说明

[0053] 图1为本发明定位方法的基于音频的单边双向测距示意图；

[0054] 图2为本发明定位方法的原理图；

[0055] 图3为本发明基于音频的定位寻物设备的硬件示意图；

[0056] 图4为本发明镜像点识别结果的分布情况示意图；

[0057] 图5为本发明试验A静态测距误差的累积分布与误差范围关系图；

[0058] 图6为本发明试验A静态测距均方根误差与范围关系图；

[0059] 图7为本发明试验A动态测距误差的累积分布与动态误差范围关系图；

[0060] 图8为本发明试验B典型办公室的定位结果示意图；

[0061] 图9为本发明试验B步行距离与测距均方根误差关系图；

[0062] 图10为本发明试验B测距误差的累积分布与定位误差关系图；

[0063] 图11为本发明和Airtag系统的定位效率对比图；

[0064] 图12为本发明试验C在走廊中6个不同初始方向的轨迹和实时定位结果图；

[0065] 图13为本发明试验C测距均方根误差与步行距离关系图；

[0066] 图14为本发明试验C测距误差的累积分布与定位误差关系图；

[0067] 图15为本发明试验D实验者的真实轨迹和停车场的实时定位寻物设备定位变化图；

[0068] 图16为本发明试验D测距均方根误差与步行距离关系图；

[0069] 图17为本发明试验D测距误差的累积分布与定位误差关系图。

具体实施方式

[0070] 实施例1

[0071] 本实施例公开了一种基于音频的定位寻物方法，采用的技术方案是，包括以下步骤：

[0072] 步骤一，经过特别设计的Chirp信号：

[0073] 特别设计的音频信号表示为：

[0074]

[0075] 其中A(t)是声波的幅度，T是Chirp信号的周期，f0和fe分别是初始频率和截止频率。由于音频信号在室内会出现衰落，因此考虑到室内衰落信道，接收信号可表示为：

[0076]

[0077] 其中，h(t)为室内音频通道脉冲响应(CIR)的连续表达式；∝i、τi和Ni(t)和是第i个传播路径的信道衰落系数、传播延迟和随机噪声。一般来说，应该是第一视线(LOS)组件的到达时间(ToA)。

[0078] 至于信号工作频段，只要是麦克风能响应的频段，在此场景中都可用。

[0079] 步骤二，基于音频的单边双向测距；

[0080] 智能终端广播Chirp信号，并记录当前的系统时间t1，当待搜索物品上安装的的定位寻物设备收到智能终端广播的Chirp信号后，延迟固定的时间treply，回发一个Chirp信号，智能终端接收回发的Chirp信号并记录当前系统时间t2。那么信号在智能终端和定位寻物设备之间的飞行时间t为：

[0081] t＝[(t2‑t1)‑treply]/2

[0082] 得到飞行时间t后，根据声音的传播速度和飞行时间t，可以很容易地计算出智能终端与定位寻物设备之间的距离L：

[0083] L＝vsound·t

[0084] 其中，vsound是声速，取343m/s。

[0085] 步骤三，基于音频测距和PDR(Pedestrian Dead Reckoning，即行人航位推算)的精准定位，还包括以下步骤；

[0086] 步骤a，数据预处理

[0087] 数据预处理是在基于时间戳的数据序列上执行的。

[0088] 首先，由于音频信号传播速度低，在动态模式下完成一个双向测距所需的时间之后，智能终端的位置发生改变，使得智能终端上记录的两个时间戳不在同一位置。若把当前时刻的测距结果认为是在当前位置上获取到的，则误差较大，但使用插值到两个位置的中间，误差会缩小一倍，这是可以接受的，因此采用后者，使用插值到两个位置的中间。

[0089] 其次，对于短时间内的高精度，PDR的结果可以作为测距的约束条件。两个连续时刻的测距之差的上限取决于由PDR得到的行人位置的变化ΔS。由于行人手持智能终端向定位寻物设备正向前进时，距离变化梯度最大，当行人手持智能终端向其他方向使用时，该方向的阈值具有冗余。因此，可以进行显著性水平α约为0.05的假设检验来决定测距结果是否可靠。

[0090] 步骤b，局部最小二乘法改进粒子滤波器

[0091] 单一的观测值只是一维数据，这导致了粒子的权重由不同半径的同心圆来分配，并且不足以评估粒子在二维平面上的位置。考虑到惯性范围法的短期高精度，使用基于时间序列的窗口来获取一个受约束的非线性最小二乘法的合格的局部数据，来估计定位寻物设备的参考位置

[0092] 作为滤波器初始化或添加的随机n个粒子 的高斯分布的中心。

[0093] 滤波器生成粒子后开始工作，由于定位寻物设备被认为是静止的，智能终端的位置是实时变化的，粒子滤波器的状态模型表述为：

[0094]

[0095] 由于测距信息L是唯一的观察值，单次观察模型表述为：

[0096]

[0097] 其中，h可以计算为第i个粒子与智能终端位置之间的距离。

[0098] 最后，当粒子总数超过阈值Nthreshold时，拒绝权值较低的粒子。采用随机重采样，来缓解多次迭代后的样本贫乏问题。目前的状态估计可以由近似的后验概率分布得到，为：

[0099]

[0100] 其中， 是 的标准化。

[0101] 在观测维数不足的情况下，该算法与通用粒子滤波器相比可以提高收敛效率，并通过为由于遮挡而偏离真实区域的粒子分布提供相对正确的参考，具有自校正能力。此外，本发明认为由PDR给出的接近当前时刻的位置更为准确。所以，该算法适用于在短时间内精度高的PDR。

[0102] 步骤c，K均值法识别镜像点

[0103] 当短时间轨迹近似直线时，最小二乘法得到的估计位置有一定的概率为局部最优解，它由调整值的初值决定。此外，在镜像处相对于轨迹的另一个局部最优解也有可能是全局最优解。为了检测由于镜像的存在而引起的问题解，需要改变轨迹来增加一个维数，使只有一个局部最优解成为全局最优解。

[0104] 因此，本发明构建了另一个关于估计位置的镜像粒子滤波算法。两个局部最优解(X1，Y1)，(X2，Y2)(其中一个是镜像点)用局部最小二乘法进行求解。在初始化阶段，N个粒子和N个粒子 由高斯分布生成，它们分别以(X1，Y1)，(X2，Y2)为中心，每个粒子的权重被设置为1/2N，这个滤波器具有与步骤b所述的相同状态和观测更新。每次粒子更新后，K均值算法的簇数被设定为2，将所有粒子分配给各自最近的簇。

[0105] 如果簇1wtotal_C1中粒子的总权重远小于簇2wtotal_C2的总权重。

[0106]

[0107] 簇1被认为是镜像点，其粒子被消除。将步骤b中的剩余粒子添加到全局粒子滤波器中。

[0108] 本实施例设计了寻找定位寻物设备实验来评价镜像点识别方法。在距离定位寻物设备20m范围内，实验者以随机任意方向开始100次，这两个不确定点的位置被映射到真实世界坐标下，定位寻物设备在真实世界坐标中的位置为(0,20)。如图4所示，红点表示每一组数据中经过识别的结果，蓝点表示被过滤掉的数据。这说明该方法达到了95％的高精度。

[0109] 本实施例提供的基于音频的定位寻物系统包括智能终端和定位寻物设备。

[0110] 其中智能终端内含有惯性传感器、第一扬声器、第一麦克风，用于发射音频信号和接收所述定位寻物设备返回的音频信号并确定智能终端的运动轨迹。智能终端指的是具有通信功能的大众用户设备，不限定于手机、平板电脑等智能终端设备，本实施例优选使用智能终端。

[0111] 可以理解得是，智能终端与定位寻物设备应有相同类型的无线通信功能，定位寻物设备的通信模块为低功耗蓝牙，那么智能终端也应具有蓝牙功能。目前市场上的大众用户设备如智能终端、平板电脑等均具有蓝牙功能，并且内含惯性传感器、第一扬声器和第一麦克风，故无需对大众用户设备做出任何硬件更改即可实现该技术。

[0112] 定位寻物设备用于待搜索物品上，包含低功耗蓝牙单元、第二麦克风、处理器、第二扬声器，用于接收和处理智能终端发射的音频信号并返回信号。

[0113] 如图3所示，本发明实施例提供的基于音频的定位寻物设备包括电源管理模块、低功耗蓝牙单元、处理器、麦克风、功率放大器和扬声器。

[0114] 电源管理模块用于对电路进行供电。

[0115] 低功耗蓝牙单元用于与智能终端的通讯，以检测定位寻物设备是否在终端信号覆盖范围内。

[0116] 处理器用于处理接收到的音频信号、电量检测、电源控制等。

[0117] 麦克风用于接收智能终端发射的音频信号。

[0118] 功率放大器用于将处理后的信号进行放大。

[0119] 扬声器用于发射放大后的音频信号。

[0120] 为了评估定位寻物系统的整体性能，进行了多种试验，分为系统测距实验、典型室内环境寻物试验及对比试验、不同方向上的寻物试验、广域室内寻物试验。

[0121] 试验A,系统测距实验

[0122] 分别在室内进行静态测距和动态测距实验。

[0123] 静态测距实验

[0124] 将音频定位寻物设备固定在1.5m高度的长走廊末端，智能手机保持与定位寻物设备相同的高度，参考距离从1m到40m，步长为1m。每个点的测距频率和测试时间分别设置为2Hz和10s。将收集到的测距结果与SNDWAY激光测距仪SW‑80G测量的每个地面真实值进行比较，以计算测距误差。

[0125] 静态测距误差的累积分布函数(CDF)如图5所示，音频定位寻物系统在2σ处达到了0.100m和0.276m的平均测距精度。静态测距均方根误差(RMSE)如图6所示，估计的RMSE在
30‑40m之间小于40cm，在15‑30m之间小于25cm，在0‑15m之间小于12cm。

[0126] 动态测距实验

[0127] 在初始阶段，定位寻物设备被放置在1.0m的高度，这是接近由实验者手持的智能手机的高度。实验者手持智能手机和由徕卡Nova TS60跟踪的360°棱镜，然后以匀速(约0.6‑1m/s)从40m到1m处向定位寻物设备直线移动，重复5次。通过已知的定位寻物设备位置与跟踪结果之间的距离，得到实时的每个真值。

[0128] 动态测距误差的累积分布函数(CDF)如图7所示，音频定位寻物系统在2σ处达到了0.174m和0.435m的平均测距精度。

[0129] 试验B，典型室内环境寻物试验及对比试验

[0130] 室内环境通常包括房间和通道。在一个8.8m×15.7m混乱的办公室中评估了系统性能，其中工作站的分区和杂物的高度约为1.2m，隔间办公桌的高度为0.75m。定位寻物设备依次放置在房间一侧的不同位置(间隔约0.8m)，实验者手持智能手机来寻找定位寻物设备，高度在1.0‑1.1m。

[0131] 通过将PDR算法估计的实验者当前位置和航向与相应的真实位置和TS60跟踪的真实位置和航向对齐，将定位寻物设备的坐标系统映射到真实坐标系统中。图8显示了在办公室中不同位置的定位寻物设备的实时定位结果。图9和图10展示了算法的定位精度、稳健性和收敛性。改进粒子滤波器能够在实验者平均行走3m时实现2.5m的RMSE内的初始定位，在随后的定位中，RMSE低于1.6m，平均定位精度在2σ处为0.100m和0.276m，这比通用粒子滤波器要好。

[0132] 此外，还将系统与Airtag系统进行了比较，以评估其定位效率。实验者沿着一个参考轨迹在不同的位置搜索本发明所述的定位寻物设备或Airtag，并记录最小的步行累积距离，精度为1.5m。这两个系统的定位效率如图11所示。详细统计数据见表1。

[0133] 表1最小步行累积距离比较的统计数据

[0134]

[0135] 由统计结果可知，本系统定位效率高于Airtag系统的定位效率，步行累积距离约为Airtag系统的二分之一至四分之一。

[0136] 试验C，不同方向上的寻物试验

[0137] 本实验在一个相对空旷的室内环境中进行，实验者可以更自由地四处走动以寻找定位寻物设备。通过从不同的初始方向向前移动来评估寻找定位寻物设备的性能。实验场景是一个4m×28m的走廊，定位寻物设备位于走廊的末端。实验者从走廊另一端的一个固定点开始，沿着相对于定位寻物设备的不同方向(0°、30°、45°、60°、90°、120°)移动，每个方向进行10次。采用与试验B相同的方法来估计真实世界中的定位寻物设备位置，以评估定位误差。图12显示了走廊中6个不同初始方向的轨迹和实时定位的结果。图13和图14显示了误差的累积分布函数和均方根值。

[0138] 表2方向比较的统计数据

[0139]

[0140] 图12、图13、图14和表2显示，当初始方向分别为0°和90°时，精度最高(平均为1m)，后者所需的累计步行距离较短。然而在初始方向为45°(在0°～90°)之间时，精度是最低的，这是由于用户相对于定位寻物设备的几何位置缺乏明显的变化特征而造成的。由于身体遮挡导致了较高的测距误差，其精度在初始方向为120°时下降，该方向与返回定位寻物设备相邻。当初始方向超过135°时，身体的遮挡会导致更高的测距误差，甚至检测不到的音频信号。因此，在这种情况下，系统并不会开始定位，而是建议用户首先改变移动方向。

[0141] 试验D，广域室内寻物试验

[0142] 为了评估本系统在广域范围内的资产管理能力，设计了一个实验来模拟在地下停车场的汽车搜索。实验地点位于武汉某大学实验楼地下停车场，包含多个柱子和大量停车位。定位寻物设备被放置在停车场的一个角落，高度约为1.6米(接近车身高度)。实验者手持智能手机沿着对角线的五种不同的轨迹开始试验，期间经过柱子和停放的汽车。图15显示了实验者的真实轨迹和停车场的实时定位寻物设备定位变化。实现初始定位所需的平均累计步行距离为10m，σ处的平均误差为2.5m，2σ处为6m，如图16和图17所示。

[0143] 本发明涉及的电路连接为本领域技术人员采用的惯用手段，可通过有限次试验得到技术启示，属于公知常识。

[0144] 本文中未详细说明的部件为现有技术。

[0145] 上述虽然对本发明的具体实施例作了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化，而不具备创造性劳动的修改或变形仍在本发明的保护范围以内。