System and method for improving accuracy in estimation of localization

本発明は、規定の探索エリア内でのオブジェクトの定位（ｌｏｃａｌｉｚａｔｉｏｎ）および追跡に関し、特に、初期定位測定または推定のクラスタベースの統計的後処理（ｃｌｕｓｔｅｒ−ｂａｓｅｄ ｓｔａｔｉｓｔｉｃａｌ ｐｏｓｔ−ｐｒｏｃｅｓｓｉｎｇ）を提供することによって、マイクロフォンアレイ、指向性アンテナアレイ、レーダ受信機アレイなどの受信アレイの使用により生成された定位推定の精度を改善するためのシステムおよびプロセスに関する。

規定の領域内でのオブジェクトの定位および追跡は、多くのシステムの重要な要素である。 例えば、従来のオーディオ会議用途のいくつかは、マイクロフォンアレイを従来の音源定位（ＳＳＬ：ｓｏｕｎｄ ｓｏｕｒｃｅ ｌｏｃａｌｉｚａｔｉｏｎ）処理（すなわち時間遅延推定、ビームステアリングなど）とともに使用して、特定の個人の発話音声または音を有効に分離し、望み通りに処理できるようにする。 同様の技術では、例えばワイヤレスコンピュータネットワーク内の特定のサブスクライバによってどのノードが使用されるべきかを判定するなどの、いくつかの用途での電波源の位置を特定するための指向性アンテナのアレイを使用している。 さらに別の同様の技術が、レーダまたはレーザ受信機アレイを用いてオブジェクトを追跡するのに使用されている。 一般に、このような技術は、当業者によく知られている。

例えば、従来のマイクロフォンアレイは、通常、何らかのあらかじめ決められたレイアウトでのマイクロフォンの配置構成を含む。 一般にこれらのマイクロフォンを使用して、様々な方向からの、空間内の様々な点から発信される音波を捕捉する。 次いでいくつかの従来の技術の１つを使用してＳＳＬを実行する。 一般に、こうしたＳＳＬ技術は、時間遅延推定（ＴＤＥ：ｔｉｍｅ ｄｅｌａｙ ｅｓｔｉｍａｔｅｓ）に基づくもの、およびビームステアリングに基づくものを含む２つのカテゴリに分類される。 音源への方向を見つけることは、空間フィルタリング、すなわちビームを音源に向け、他の方向から来る任意のノイズを抑圧することにおいて重要な役割を果たす。 いくつかのケースでは、音源への方向が、話者の追跡、および記録された音声信号の後処理のために使用される。 ビデオ会議システムの状況では、話者の追跡は、ビデオカメラを話をしている人物に動的に向けるのに使用されることが多い。

一般に、ほとんどの音源定位システムは、まずアレイの各マイクロフォンからの各信号を前処理することによってマイクロフォンアレイからの信号を処理する。 この前処理は通常、信号をフレームにパッケージし、ノイズ抑圧を行い、音源の位置を判定する目的で特定のフレームを処理するか、破棄するかを判定するために個々のフレームを分類する。

前処理が完了すると、実際の音源定位は通常、例えばＴＤＥやビームステアリング技術を含む従来のＳＳＬ技術の使用を伴って、初期の方向推定または音源がどこで特定されるかを示す確率分布関数（ＰＤＦ）を提供する。 この位置特定は、１次元定位（すなわち音源が平面で特定される角度）、２次元定位（すなわち３次元空間における音源の方向を表すベクトルを定義するための方向および高さの２つの角度）、および完全３次元定位（すなわち音源が特定される３次元空間の点の位置を特定する方向、高さおよび距離）の観点から定義することができる。 一般に、どのＳＳＬ技術を使用しても、目的は一般に、反響に対するロバスト性、複数の音源を区別する能力、および潜在的に雑音のある環境での高い位置特定精度を提供することである。

音源の場所のインジケータが算出されると、多くの場合、後処理段階が実施される。 一般に、この後処理は、いくつかの定位測定の結果を組み合わせて、精度を向上させたり、音源の動きを追ったり、または複数の音源を追跡したりする。 ＳＳＬ後処理に使用される様々な従来の技術は、単純な平均化、統計的処理、カルマンフィルタリング、パーティクルフィルタリング（ｐａｒｔｉｃｌｅ ｆｉｌｔｅｒｉｎｇ）などを含む。 こうした技術は、通常用途に依存するが、一般に反響波および強い反射からの定位を取り除き、音源定位精度を改善することに向けられる。 一般に、定位推定または測定の精度が向上するにつれて、オーディオ信号の任意のさらなる処理（例えば、正確な音源追跡など）が強化される。

無線信号、レーダ波などを含む他の信号タイプに対する信号源またはオブジェクトの定位は、マイクロフォンアレイを介して捕捉された音波の場合について上述したものと同様の前処理および後処理技術を用いて達成されることが多い。 一般に、このような定位技術は、異なる信号および受信機アレイタイプ（指向性アンテナアレイ、レーダまたはレーザ受信機アレイなど）に適応されたビームステアリング技術を含むことが多い。 オーディオ信号と同様に、他の信号タイプの定位は、通常（音波、電波、レーダ波の反射などの）信号の伝播の分析に基づく。

このようなすべての定位システムでは、信号またはアレイのタイプに関係なく、１つの主な目的は、たとえノイズおよび他の影響、例えば定位の精度および信頼性を低減する傾向にある回折、干渉、反射などがある場合でも、迅速に正確な定位推定または測定を提供することである。

上述したように、一般に定位推定の後処理は、定位推定の精度を向上させるように設計される。

それゆえ、定位推定の精度を改善するための定位データの迅速かつ信頼できる後処理を提供するシステムおよびプロセスが必要とされている。 さらに、このようなシステムおよび方法は、既存の定位技術とともに動作可能であり、それに適応できるものとすべきである。

本明細書に記載したシステムおよび方法は、従来の定位技術から導出された初期の定位推定の信頼性および精度を改善することによって１つまたは複数のオブジェクトまたは信号源を追跡し、またはその位置を特定するための既存の信号定位技術を強化するように動作する。 以下の説明を通じて、「オブジェクト」という用語は、定位方法を介して追跡される、または位置が特定される実際のオブジェクト、または信号源（喋っている人物からの音など）のいずれかを参照するのに使用されることに留意されたい。 後処理技術の使用を介して改善される従来の定位技術は、例えば、マイクロフォンアレイ入力に基づく従来の音源定位（ＳＳＬ）システム、指向性アンテナアレイ入力に基づく従来の電波源定位システム、レーダまたはレーザ受信機アレイに基づく従来のターゲット定位および追跡システムなどを含む。 このような定位技術は、当業者にはよく知られており、本明細書では詳しく説明しないことに留意されたい。

一般に、ここに記載した後処理システムおよび方法は、統計的リアルタイムクラスタ化プロセスを初期の定位推定に適用し、次いでこのリアルタイムクラスタ化を使用して、初期の定位推定に比べて精度および信頼性が改善された新しい定位推定を生成する。 上述したように、本明細書に記載した後処理技術は、信号源定位推定を提供する従来のシステムとの使用に適応できる。 さらに、ここに記載したシステムおよび方法は、ノイズ、反射、反響、または他の干渉を含むことがある環境において初期のオブジェクト定位推定が集められた場合、改善された精度および信頼性を提供することも観測されている。

特に、ここに記載したプロセスは、従来のいくつかの定位技術のいずれかを使用して初期オブジェクト定位推定または測定を集め、生成し、そうでなければ取得することによって開始する。 一般に、従来の定位データは通常、時間の関数として１次元、２次元、または３次元（例えば方向、方向および角度、または方向、角度および距離）で提供される。 本明細書に記載した後処理技術は、任意の次元数の定位データに一般化することができるが、説明上、次の説明では、定位データは３次元、すなわち規定の領域内の方向、高さおよび距離に加えて、方向、高さおよび距離の既知のまたは算出された標準偏差σ _φ 、σ _θ 、σ _ρであると想定することにする。

位置推定を単に提供することに加えて、従来の定位技術は、定位推定ごとに算出または推定された信頼性を説明するための重みまたは確からしさの尺度または推定を提供することが多い。 さらに、通常、各定位推定の時刻も提供される。 この時刻を、以下各定位推定の「タイムスタンプ」と呼ぶ。 このすべての情報は、初期の定位推定の精度および信頼性を向上させるためのここに記載した後処理システムおよび方法に使用される。

言い換えれば、本明細書に記載した後処理システムは、従来の定位推定の入力を取り、各定位推定は、１）位置データ、２）推定された位置の信頼性、および３）データタイムスタンプを備える。 次いでこのデータを使用して、入力定位推定に比べて信頼性が改善された新しい定位推定が導出される。 各初期定位推定のこの組の情報（すなわち位置、信頼性および時刻）を、この説明を通じて「初期定位推定」または単に「初期推定」と呼ぶことにする。

位置または定位推定の信頼性は、特にオブジェクトの動きまたは受信アレイの動きが可能な場合、時間が経過するにつれて低減すると想定する。 それゆえ、一実施形態では、初期定位推定が与えられると、ここに記載した後処理システムおよび方法は、まず、所定の時間より古いすべての定位測定を破棄することによって開始する。 この所定の時間、または測定の「寿命」は、任意の特定の定位推定が有効であるとみなされることになる間の時間、それゆえ定位推定が後処理の演算に使用されることになる間の時間である。 この「寿命」とは、単に、特定の定位推定が生成されてからの時間（すなわち特定の定位推定のタイムスタンプと現在の時刻との間の時間）の尺度である。

一般に、寿命が長くなるにつれて、より多くの定位推定が後処理のために利用可能となる。 通常、より長い寿命が与えられると、より多くの定位推定が利用可能になり、実際のオブジェクトと起こりうる反射との間の区別がより高い信頼性でできるようになり、それによってより高い定位推定精度を提供する。 しかし、より長い初期定位推定寿命を使用することによって、オブジェクトが動き、そうでなければ受信アレイに対して位置が変わると、定位応答時間も長くなる。 それゆえ定位推定寿命の最適な選択は、予想されるオブジェクトの動きに応じてなされる。 例えば、静止した、またはゆっくり動きするオブジェクトを仮定すると、通常より長い寿命が適している。 逆に、より短い寿命は、通常より速いオブジェクトの動きに適している。 その結果、一実施形形態では、適応的な寿命が、算出されたオブジェクトの動きに基づいて算出され、寿命は、応答時間と時間の関数としての位置の有効性との間のトレードオフとして選ばれる。 算出された動きは、時間の関数として位置推定を用いて単に算出される。

本明細書でさらに詳しく説明するように、後処置は次に、１）空間的に広がった重なり合うセクションにおいて（所定の寿命内の）初期定位推定を「クラスタ化する」ことと、２）クラスタ内の「潜在的オブジェクト」を特定することと、３）クラスタ化に基づいて潜在的オブジェクトの位置および標準偏差を推定することと、４）重複している可能性の高いオブジェクトを削除することとを含む、多段階のプロセスを継続する。 一実施形態では、後処理は、さらに（重複するオブジェクトを削除した後）オブジェクトごとの定位推定の信頼度を算出することによって継続する。 その結果、本明細書に記載した後処理システムおよび方法の最終結果は、それぞれが位置、標準偏差、そして一実施形態ではオブジェクトの場所の信頼度が提示されたオブジェクトのリストとなる。

上記の概要に照らして、ここに記載した後処理技術が従来の定位技術から導出された定位推定の精度を改善するための改善されたシステムおよびプロセスを提供することは明らかである。 今述べた利点に加えて、このシステムおよび方法の他の利点は、以下の詳細な説明を添付の図面と併せ読むことによって明らかとなるであろう。

本発明の特定の特徴、態様および利点は、以下の説明、添付の特許請求の範囲および添付の図面との関連でよりよく理解できるようになるであろう。

本発明の好ましい実施形態の以下の説明では、本明細書の一部を成し、本発明を実施することができる特定の実施形態を例として示す添付図面を参照している。 本発明の範囲を逸脱することなく、他の実施形態を使用、または構造的な変更を加えることができることを理解されたい。

（１．０ 例示的な動作環境 ）
図１は、本発明を実施することができる適切なコンピューティングシステム環境１００の例を示している。 コンピューティングシステム環境１００は、適したコンピューティング環境の一例にすぎず、本発明の使用または機能の範囲に関していかなる限定を示唆するものではない。 また、コンピューティング環境１００を、例示的な動作環境１００に示した構成要素のいずれか１つまたはその組合せに関するいかなる依存性または要件を有しているものとも解釈すべきではない。

本発明は、他の多くの汎用または専用のコンピューティングシステム環境または構成で動作可能である。 本発明との使用に適する可能性のある周知のコンピューティングシステム、環境および／または構成の例には、それだけには限定されないが、パーソナルコンピュータ、サーバコンピュータ、ハンドヘルド、ラップトップもしくはモバイルコンピュータまたはセルラー式電話およびＰＤＡなどの通信デバイス、マルチプロセッサシステム、マイクロプロセッサベースのシステム、セットトップボックス、プログラム可能な民生用電子機器、ネットワークＰＣ、ミニコンピュータ、メインフレームコンピュータ、上記の任意のシステムまたはデバイスを含む分散コンピューティング環境などがある。

本発明は、マイクロフォンアレイ１９８、または指向性無線アンテナアレイ、レーダ受信機などのその他の受信アレイ（図示せず）の構成要素を含む、ハードウェアモジュールとの組合せでコンピュータによって実行されるプログラムモジュールなどのコンピュータ実行可能命令の一般的な文脈で説明することができる。 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か、または特定の抽象データ型を実装するルーチン、プログラム、オブジェクト、コンポーネント、データ構造などを含む。 また、本発明は、通信ネットワークを通してリンクされるリモート処理デバイスによってタスクが実行される分散コンピューティング環境で実施することもできる。 分散コンピューティング環境では、プログラムモジュールを、メモリ記憶デバイスを含むローカルおよびリモートのコンピュータ記憶媒体に置くことができる。 図１を参照すると、本発明を実施するための例示的なシステムは、コンピュータ１１０の形態の汎用コンピューティングデバイスを含んでいる。

コンピュータ１１０の構成要素は、それだけには限定されないが、処理ユニット１２０、システムメモリ１３０、およびシステムメモリを含む様々なシステム構成要素を処理ユニット１２０に結合するシステムバス１２１を含むことができる。 システムバス１２１は、メモリバスまたはメモリコントローラ、周辺バス、および様々なバスアーキテクチャのいずれかを使用するローカルバスを含むいくつかのタイプのバス構造のいずれかとすることができる。 例として、限定ではなく、このようなアーキテクチャには、ＩＳＡ（Ｉｎｄｕｓｔｒｙ Ｓｔａｎｄａｒｄ Ａｒｃｈｉｔｅｃｔｕｒｅ）バス、ＭＣＡ（Ｍｉｃｒｏ Ｃｈａｎｎｅｌ Ａｒｃｈｉｔｅｃｔｕｒｅ）バス、ＥＩＳＡ（Ｅｎｈａｎｃｅｄ ＩＳＡ）バス、ＶＥＳＡ（Ｖｉｄｅｏ Ｅｌｅｃｔｒｏｎｉｃｓ Ｓｔａｎｄａｒｄｓ Ａｓｓｏｃｉａｔｉｏｎ）ローカルバス、およびメザニンバスとしても知られているＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ）バスなどがある。

コンピュータ１１０は、一般に様々なコンピュータ可読媒体を含む。 コンピュータ可読媒体は、コンピュータ１１０によってアクセスすることができる任意の利用可能な媒体とすることができ、揮発性および不揮発性媒体、リムーバブルおよび非リムーバブル媒体を含む。 コンピュータ可読媒体には、例として、限定ではなく、コンピュータ記憶媒体および通信媒体を含むことができる。 コンピュータ記憶媒体は、コンピュータ可読命令、データ構造、プログラムモジュール、またはその他のデータなど、情報の格納のための任意の方法または技術で実施された揮発性および不揮発性のリムーバブルおよび非リムーバブルの媒体を含む。

コンピュータ記憶媒体には、それだけには限定されないが、ＲＡＭ、ＲＯＭ、ＰＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリもしくは他のメモリ技術、ＣＤ−ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）もしくは他の光ディスク記憶装置、磁気カセット、磁気テープ、磁気ディスク記憶装置もしくは他の磁気記憶装置、または所望の情報の格納に使用することができ、コンピュータ１１０によってアクセスすることができる他の任意の媒体などが含まれる。 通信媒体は通常、コンピュータ可読命令、データ構造、プログラムモジュール、またはその他のデータを搬送波や他のトランスポート機構などの変調されたデータ信号に具体化し、任意の情報配送媒体を含む。 「変調されたデータ信号」という用語は、信号に情報を符号化するように１つまたは複数のその特性が設定または変更された信号を意味する。 例として、限定ではなく、通信媒体には、有線ネットワーク、直接配線された接続などの有線媒体、および音響、ＲＦ、赤外線、その他の無線媒体などの無線媒体が含まれる。 また、上記のいかなる組合せもコンピュータ可読媒体の範囲内に含まれるものとする。

システムメモリ１３０は、読取り専用メモリ（ＲＯＭ）１３１やランダムアクセスメモリ（ＲＡＭ）１３２など、揮発性および／または不揮発性メモリの形態のコンピュータ記憶媒体を含む。 例えば起動中など、コンピュータ１１０内の要素間で情報の転送を助ける基本ルーチンが入っている基本入出力システム（ＢＩＯＳ）１３３は、通常ＲＯＭ１３１に格納されている。 ＲＡＭ１３２は通常、処理ユニット１２０によって直ぐにアクセス可能で、そして／または現在処理されているデータおよび／またはプログラムモジュールを収容する。 図１は、オペレーティングシステム１３４、アプリケーションプログラム１３５、その他のプログラムモジュール１３６、およびプログラムデータ１３７を示している。

コンピュータ１１０は、他のリムーバブル／非リムーバブル、揮発性／不揮発性コンピュータ記憶媒体を含むこともできる。 一例にすぎないが、図１は、非リムーバブル不揮発性磁気媒体との間で読み取りまたは書き込みを行うハードディスクドライブ１４１、リムーバブル不揮発性磁気ディスク１５２との間で読み取りまたは書き込みを行う磁気ディスクドライブ１５１、およびＣＤ−ＲＯＭや他の光媒体など、リムーバブル不揮発性光ディスク１５６との間で読み取りまたは書き込みを行う光ディスクドライブ１５５を示している。 例示的な動作環境で使用することができる他のリムーバブル／非リムーバブル、揮発性／不揮発性コンピュータ記憶媒体には、それだけには限定されないが、磁気テープカセット、フラッシュメモリカード、デジタル多用途ディスク、デジタルビデオテープ、半導体ＲＡＭ、半導体ＲＯＭなどが含まれる。 ハードディスクドライブ１４１は通常、インターフェース１４０などの非リムーバブルメモリインターフェースを介してシステムバス１２１に接続され、磁気ディスクドライブ１５１および光ディスクドライブ１５５は通常、インターフェース１５０などのリムーバブルメモリインターフェースによってシステムバス１２１に接続される。

上述し、図１に示したドライブおよび関連のコンピュータ記憶媒体は、コンピュータ可読命令、データ構造、プログラムモジュール、およびコンピュータ１１０の他のデータのストレージを提供する。 図１では、例えば、ハードディスクドライブ１４１がオペレーティングシステム１４４、アプリケーションプログラム１４５、その他のプログラムモジュール１４６、およびプログラムデータ１４７を格納するものとして示されている。 これらのコンポーネントは、オペレーティングシステム１３４、アプリケーションプログラム１３５、その他のプログラムモジュール１３６、およびプログラムデータ１３７と同じものまたは異なるものとすることができることに留意されたい。 オペレーティングシステム１４４、アプリケーションプログラム１４５、その他のプログラムモジュール１４６、およびプログラムデータ１４７は少なくともそれらが異なるコピーであることを示すために、ここでは異なる番号を付している。 ユーザは、キーボード１６２、および一般にマウス、トラックボールまたはタッチパッドと呼ばれるポインティングデバイス１６１などの入力デバイスを介してコマンドおよび情報をコンピュータ１１０に入力することができる。

他の入力デバイス（図示せず）は、ジョイスティック、ゲームパッド、衛星アンテナ、スキャナ、無線受信機、およびテレビまたはブロードキャストビデオ受信機などを含むことができる。 さらに、入力デバイス（図示せず）は、指向性無線アンテナアレイ、レーダ受信機アレイなどの受信アレイまたは信号入力デバイスを含むことができる。 これらおよびその他の入力デバイスは、多くの場合システムバス１２１に結合されている有線または無線のユーザ入力インターフェース１６０を介して処理ユニット１２０に接続されるが、例えばパラレルポート、ゲームポート、ユニバーサルシリアルバス（ＵＳＢ）、ＩＥＥＥ１３９４インターフェース、Ｂｌｕｅｔｈｏｏｔｈ（商標）ワイヤレスインターフェース、ＩＥＥＥ８０２．１１ワイヤレスインターフェースなど他の従来のインターフェースおよびバス構造によって接続することもできる。 さらに、コンピュータ１１０は、マイクロフォンまたはマイクロフォンアレイ１９８、ならびにラウドスピーカ１９７またはこの場合もパラレル、シリアル、ＵＳＢ、ＩＥＥＥ１３９４、Ｂｌｕｅｔｏｏｔｈ（商標）など従来の有線または無線インターフェースを含むオーディオインターフェース１９９を介して接続される他の音出力デバイスなど、音声またはオーディオ入力デバイスを含むこともできる。

モニタ１９１または他のタイプの表示デバイスもビデオインターフェース１９０などのインターフェースを介してシステムバス１２１に接続される。 モニタに加えて、コンピュータは、出力周辺インターフェース１９５を介して接続することができるプリンタ１９６などの他の周辺出力デバイスを含むこともできる。

コンピュータ１１０は、リモートコンピュータ１８０など１つまたは複数のリモートコンピュータへの論理接続を用いてネットワーク化された環境で動作することができる。 リモートコンピュータ１８０は、パーソナルコンピュータ、サーバ、ルータ、ネットワークＰＣ、ピアデバイス、または他の共通のネットワークノードとすることができ、通常、コンピュータ１１０に関連して上述した多くまたはすべての要素を含むが、図１にはメモリ記憶デバイス１８１のみを示している。 図１に示した論理接続は、ローカルエリアネットワーク（ＬＡＮ）１７１およびワイドエリアネットワーク（ＷＡＮ）１７３を含むが、他のネットワークを含むこともできる。 このようなネットワーキング環境は、オフィス、企業規模のコンピュータネットワーク、イントラネット、およびインターネットで一般的である。

ＬＡＮネットワーキング環境で使用する場合、コンピュータ１１０は、ネットワークインターフェースまたはアダプタ１７０を介してＬＡＮ１７１に接続される。 ＷＡＮネットワーキング環境で使用する場合、コンピュータ１１０は通常、モデム１７２、またはインターネットなどＷＡＮ１７３を介して通信を確立するためのその他の手段を含む。 モデム１７２は、内蔵でも外付でもよく、ユーザ入力インターフェース１６０またはその他の適切なメカニズムを介してシステムバス１２１に接続することができる。 ネットワーク化された環境では、コンピュータ１１０に関連して示したプログラムモジュール、またはその一部をリモートメモリ記憶デバイスに格納することができる。 例として、限定ではなく、図１は、リモートアプリケーションプログラム１８５をメモリデバイス１８１上に存在するものとして示している。 図示したネットワーク接続は例示的であり、コンピュータ間の通信リンクを確立するためのその他の手段を使用することができることが理解されよう。

例示的な動作環境について説明してきたが、この説明の残りの部分は、１つまたは複数の受信アレイから導出されるオブジェクト定位推定の信頼性および精度を自動的に改善するためのシステムおよび方法の説明に充てることになる。

（２．０ イントロダクション ）
ここに記載したシステムおよび方法は、従来の定位技術から導出された初期の定位推定の信頼性および精度を改善することによって１つまたは複数のオブジェクトまたは信号源を追跡したり、またはその位置を特定したりするための既存の信号定位技術を強化するように動作する。 以下の説明を通じて、「オブジェクト」という用語は、定位方法を介して追跡されるか、または位置が特定される実際のオブジェクト、または信号源（喋っている人物からの音、電波源、レーダ反射など）のいずれかを参照するのに使用することに留意されたい。 後処理技術の使用を通して改善される定位技術は、例えば、マイクロフォンアレイ入力に基づく従来の音源定位（ＳＳＬ）システム、指向性アンテナアレイ入力に基づく従来の電波源定位システム、レーダまたはレーザ受信機アレイに基づく従来の目標物定位および追跡システムなどを含む。 このような定位技術は、当業者にはよく知られており、ここでは詳しく説明しないことに留意されたい。

一般に、ここに記載した後処理システムおよび方法は、統計的リアルタイムクラスタ化プロセスを初期の定位推定に適用し、次いでこのリアルタイムクラスタ化を使用して、初期定位推定に比べて精度および信頼性が改善された新しい定位推定を生成する。 上述したように、ここに記載した後処理技術は、信号源定位推定を提供する従来のシステムとの使用に適応できる。 さらに、ここに記載したシステムおよび方法は、ノイズ、反射、反響、またはその他の干渉を含むことがある環境において初期のオブジェクト定位推定が集められた場合、改善した精度および信頼性を提供することも観測されている。

（２．１ システムの概要 ）
ここに記載した定位推定の後処理のためのシステムおよび方法は、従来のいくつかの定位技術のいずれかを使用して初期のオブジェクト定位推定または測定を集め、生成し、そうでなければ取得することによって開始する。 一般に、従来の定位データは通常、時間の関数として１次元、２次元、または３次元（例えば方向、方向および角度、または方向、角度および距離）で提供される。 ここに記載した後処理技術は、任意の次元数の定位データに一般化することはできるが、説明上、次の説明では、定位データは３次元、すなわち規定の領域内の方向、高さおよび距離に加えて、方向、高さおよび距離の既知のまたは算出されたそれぞれの標準偏差σ _φ 、σ _θ 、σ _ρであると想定する。

位置推定を単に提供することに加えて、従来の定位技術は、定位推定ごとに算出または推定された信頼性を記述するための重みまたは信頼性の尺度または推定を提供することが多い。 さらに、通常、各定位推定の時刻も提供される。 この時刻を、以下、各定位推定の「タイムスタンプ」と呼ぶことにする。 このすべての情報は、初期定位推定の精度および信頼性を向上させるためにここに記載した後処理システムおよび方法において使用される。

言い換えれば、ここに記載した後処理システムは、従来の定位推定の入力を取得し、各定位推定は、１）位置データ、２）推定された位置の信頼性、および３）データタイムスタンプを備える。 次いでこのデータを使用して、入力定位推定に比べて信頼性が改善された新しい定位推定が導出される。 各初期定位推定のこの組の情報（すなわち位置、信頼性および時刻）を、この説明を通じて「初期定位推定」または単に「初期推定」と呼ぶ。

位置または定位推定の信頼性は、特にオブジェクトの動きまたは受信アレイの動きが可能な場合、時間の経過につれて減少すると想定する。 それゆえ、一実施形態では、初期定位推定が与えられると、ここに記載した後処理システムおよび方法は、まず所定の時間より古いすべての定位測定を破棄することによって開始する。 この所定の時間または測定の「寿命」は、任意の特定の定位推定が有効であるとみなされることになる間の時間、それゆえ定位推定が後処理の演算に使用されることになる間の時間である。 この「寿命」とは、単に、特定の定位推定が生成されてからの時間（すなわち特定の定位推定のタイムスタンプと現在の時刻との間の時間）の尺度である。

一般に、寿命が長くなるにつれて、より多くの定位推定が後処理のために利用可能となる。 通常、より長い寿命が与えられると、より多くの定位推定が利用可能となることにより、実際のオブジェクトと起こりうる反射との間の区別がより高い信頼性でできるようになり、それによってより高い精度の定位推定が提供される。 しかし、より長い初期定位推定の寿命を使用することによって、オブジェクトが動き、そうでなければ受信アレイに対して位置が変わると、定位応答時間もより長くなる。 それゆえ定位推定寿命の最適な選択は、予想されるオブジェクトの動きに応じてなされる。 例えば、静止した、またはゆっくり動くオブジェクトを仮定すると、通常より長い寿命が適している。 逆に、より短い寿命は、通常より速いオブジェクトの動きに適している。 その結果、一実施形形態では、適応型の寿命は、算出されたオブジェクトの動きに基づいて算出され、寿命は、応答時間と時間の関数として位置の有効性との間のトレードオフとして選ばれる。 算出された動きは、時間の関数として位置推定を使用して簡単に算出される。

ここでさらに詳しく説明するように、後処置は次いで、１）空間的に広がった重なり合うセクションに（所定の寿命内の）初期定位推定を「クラスタ化する」ことと、２）クラスタ内の「潜在的なオブジェクト」を特定することと、３）クラスタ化に基づいて潜在的なオブジェクトの位置および標準偏差を推定することと、４）重複している可能性の高いオブジェクトを削除することとを含む、多段階のプロセスを継続する。 一実施形態では、後処理は、さらに（重複するオブジェクトを削除した後）オブジェクトごとの定位推定の信頼度を算出することによって継続する。 その結果、本明細書に記載した後処理システムおよび方法の最終結果は、それぞれが位置、標準偏差、および一実施形態ではオブジェクトの位置の信頼度が提示されるオブジェクトのリストとなる。

（２．２ システムアーキテクチャ ）
上記で概説したプロセスが、図２の概略システム図によって示されている。 特に、図２のシステム図は、初期定位推定を後処理してこれらの定位推定の精度および信頼性を改善するためのシステムおよび方法を実施するためのプログラムモジュール間の相互関係を示している。 このシステムおよび方法を一般に、以下「ポストプロセッサ」と呼ぶ。 図２に破線で表したいずれのボックスおよびボックス間の相互接続は、ここに記載したポストプロセッサの代替の実施形態を表しており、これらの代替の実施形態の任意のものまたはすべては、後述するように、この文書を通じて説明する他の代替の実施形態との組合せで使用することができることに留意されたい。

一般に、ポストプロセッサは、従来の受信機アレイ２００および従来の初期定位推定モジュール２１０から導出された初期定位推定２２０を改善するように動作する。 上述したように、受信機アレイ２００は、マイクロフォンアレイ、指向性アンテナアレイ、レーダアレイ、レーザ受信機アレイなど、従来の任意の受信アレイである。 さらに、受信機アレイ２００は、受信機のアレイと同じように働く単一の受信機とすることもできる。 例えば、回転レーダ受信機など単一の回転受信機は、回転軸の周りの様々な方向から信号を取得する。 このようにレーダ受信機は、回転するときに様々な方向から信号を受信することによってレーダアレイと同じように働く。 しかし、このような受信機からの定位推定は、ここに記載した後処理と互換性はあるが、単一の受信機システムは（実際のアレイとは対照的に）、定位推定を提供するのに応答時間がより長くなる傾向があることに留意されたい。

初期定位推定モジュール２１０は、受信機アレイ２００から受信した信号または入力から定位推定を提供するための従来の定位または追跡システムである。 例えばマイクロフォンアレイの場合、初期定位推定モジュール２１０は、従来の音源定位（ＳＳＬ）システムである。 説明上、以下の説明では、引き続き従来のマイクロフォンアレイを受信機アレイ２００とし、ＳＳＬシステムを初期定位推定モジュール２１０として使用することにする。 しかし、ここで提供したポストプロセッサの詳細な説明に照らして、ポストプロセッサは、従来のいくつかの定位システムの任意のものと動作可能であり、単に従来のマイクロフォンアレイ／ＳＳＬシステムによって提供される定位推定の精度および信頼性を改善するだけに限定されないことを理解されたい。

初期定位推定２２０が初期定位推定モジュール２１０によって提供されると、ポストプロセッサは、初期定位推定２２０を空間的に広がった重なり合うセクションにリアルタイムでクラスタ化するためのクラスタ化モジュール２５０を使用する。 空間的に広がった重なり合うセクションによるこのリアルタイムのクラスタ化プロセスについては、下記のセクション３．２．１で詳述する。 上述したように、一実施形態では、その寿命がまだ切れていない推定のみがリアルタイムクラスタ化プロセスを介して処理される。 その寿命が切れた定位推定は、ここに記載した後処理に関して単に破棄される。

一実施形態では、寿命算出モジュール２３０は、算出されたオブジェクトの動きに基づいて最適化された定位推定寿命を自動的に算出する。 例えば、初期定位推定２２０は、各定位推定が生成された時刻を示すタイムスタンプを含んでいるので、時間の関数として近似のオブジェクトの動きを算出することは簡単なことである。 これらのオブジェクトの動きが与えられると、次いで寿命算出モジュール２３０は、オブジェクトごとに定位推定の適切な寿命を判定する。 上述したように、こうした寿命は、特定のオブジェクトの動きに依存する。 しかし寿命は、使用される受信機アレイ２００および定位システムのタイプにも依存する。

例えば、テストした実施形態では、マイクロフォンアレイのＳＳＬとの組合せで、マイクロフォンアレイによってカバーされる仕事量（ｗｏｒｋ ｖｏｌｕｍｅ）で話をしている人物の追跡に良好な結果を提供するのに約４秒程度の定位推定寿命が観測された。 同様に、テストした別の実施形態では、ワイヤレスコンピュータネットワークにおける特定のノードを受信するのにアンテナアレイのどの指向性アレイを使用するかの特定について良好な結果を提供するのに、約２秒程度の寿命が観測された。 それぞれの場合で、寿命算出モジュール２３０が次に、定位推定寿命を少しだけ上または下に自動調整して、算出されたオブジェクトの動きを考慮に入れる。 目的は、定位推定が比較的信頼できないほど古くないことを確実にする寿命を提供することである。 さらに、複数のオブジェクトの場合、各オブジェクトは、各特定のオブジェクトの動きに依存して異なる定位推定寿命を有することができる。

別の実施形態では、特定のシステムの定位推定寿命の算出ではなく、寿命入力モジュール２４０を使用して、すべての初期定位推定２２０に使用する一定の寿命を提供する。 この場合もまた、寿命の長さは、受信機アレイ２００のタイプ、使用している定位システムのタイプ、および予想されるオブジェクトの動きに依存するべきである。

クラスタ化モジュール２５０が定位推定のクラスタ化を完了すると、潜在的オブジェクト特定モジュール２６０は次いで、定位推定クラスタの統計的分析を通して空間的に広がった重なり合う各セクション内の潜在的オブジェクトを表す位置推定のクラスタを特定する。 一般に、潜在的オブジェクトは、１つまたは複数のオブジェクトを含むセクションを特定するための閾値を使用することによって、これらの重なり合うセクションにおいて特定される。 下記のセクション３．２．２で詳述するように、非ゼロ数の測定を含む任意のセクションの算出された平均重みが所定の閾値を超えると、そのセクション中に潜在的オブジェクトがあると仮定され、さらに処理するために選択される。

潜在的オブジェクト定位モジュール２６５は次いで、各クラスタを備える定位推定から各潜在的オブジェクトの位置を算出する。 この時点で、潜在的オブジェクトの位置は、初期定位推定２２０の改善（ｒｅｆｉｎｅｍｅｎｔ）を表す。 しかし、重なり合うセクションの使用の結果、特定の定位推定または測定が２つ以上の隣接するセクションに存在することがある。 潜在的オブジェクトの位置の算出については、下記のセクション３．２．３でさらに詳しく説明する。

それゆえ次のステップは、重複オブジェクト削除モジュール２７０を使用して、重なり合うセクションの使用により特定されたオブジェクトの重複を削除する。 一般に、オブジェクト特定モジュールが定位推定のクラスタを分析した後、それぞれが位置、標準偏差、および重みで表される仮説的または潜在的なオブジェクトのリストがある。 しかし、重なり合うセクションを使用するために、多くの場合、このリストには重複複製が存在し、そのため「潜在的オブジェクト」という用語を使用する。 一般に、下記のセクション３．２．４で詳述するように、任意の２つの仮説的なオブジェクトの間の距離が閾値距離より小さい場合に重複が存在すると考えられる。 重複が存在すると考えられる場合、重複オブジェクト削除モジュールは、単に重みが低い方の潜在的オブジェクトをリストから削除する。 万一重みが等しい場合、単に潜在的オブジェクトの一方が無作為に削除される。 任意の残りの潜在的オブジェクトが次いで新しい定位推定２８０として提供される。

別の実施形態では、信頼度算出モジュール２９０が次いで新しい定位推定２８０のそれぞれの信頼度または尺度を算出する。 この信頼度の算出については、下記のセクション３．２．５でさらに詳しく説明する。

最後に、さらに別の実施形態では、新しい定位推定が新しい初期定位推定２２０の生成に使用するために初期定位推定モジュール２１０に戻される。 定位推定の算出の初期化に既存の定位推定を使用することは、当業者にはよく知られており、ここでは詳述しない。

（３．０ 動作の概要 ）
上述したプログラムモジュールは、ここに記載したポストプロセッサの実施に用いられる。 上記で概説したように、このポストプロセッサシステムおよび方法は、入力定位推定データの多段階の後処理を通して定位推定の精度および信頼性を自動的に改善する。 以下のセクションでは、上記のプログラムモジュールを実施するための例示的な方法の動作について詳しく説明する。

（３．１ 初期定位結果の収集 ）
上述したように、ここに記載したポストプロセッサは、多くの異なる定位技術に適用可能である。 例えば、ここに記載した後処理システムおよび方法は、マイクロフォンアレイを使用したオーディオシステムでの音源定位（ＳＳＬ）の結果を改善するよう動作する。 同様に、本明細書に記載した後処理システムおよび方法は、例えばワイヤレスコンピュータネットワーク中のコンピュータのエンドポイントとともに使用するためのアンテナアレイの特定の指向性アンテナを選択するなど、無線信号の定位を改善するように動作する。 他の例には、レーダおよびレーザ追跡システムが含まれる。 このようなすべてのシステムを、以下まとめて「ソースローカライザ」と呼ぶ。

どのタイプの定位システムが使用されているかにかかわりなく、３次元定位データの場合、各定位測定は、１）方向、高さ、および距離によって表されるオブジェクトの位置、２）ソースローカライザがどれだけこの測定を信用するかを示す重み、および３）各定位測定の時間を示すタイムスタンプを含むと想定する。

上述したように、初期定位推定を生成するためにローカライザによって使用される実際のアルゴリズムは、上記の情報（すなわちオブジェクトの位置、重み、および時間）を提供する限り、あまり重要ではない。 各測定が成功した後、初期定位推定は、ポストプロセッサ入力キューによって集められる。 ポストプロセッサは次いで、所与の寿命Ｔより古いすべての測定を入力キューから削除する。 上述したように、この寿命は、オブジェクトの動きに基づいて自動的に算出されるか、特定の定位システムにあらかじめ定義される。 一般に、より長い寿命を使用することは、より多くの結果が処理のために利用可能となり、それによって実際のオブジェクトと反射との間のより信頼性の高い区別が容易になり、よりよい精度が提供されることを意味する。 しかし、上述したように、寿命がより長いことによって、オブジェクトまたは信号源が動き、または位置を変えたとき、応答時間がより長くなるという結果になる。

（３．２ 初期定位推定の後処理 ）
初期定位推定の後処置は、クラスタ化、潜在的オブジェクト（すなわち音源、電波源など）の検出、潜在的オブジェクトの位置の推定、重複オブジェクトの低減または削除、および信頼度の計算を含むいくつかの段階を伴う。 これらの後処理段階について、次のセクションで説明する。

（３．２．１ 初期定位推定のクラスタ化 ）
仕事量（すなわち受信アレイによってモニタまたは提供される空間または量）は、あらかじめ定義されるか、従来の技術を使用して簡単に判定することができると想定する。 特に、以下のパラメータは、仕事量に関して既知であると想定する。
・最小および最大の方向角φ _ｍｉｎおよびφ _ｍａｘ
・最小および最大の仰角θ _ｍｉｎおよびθ _ｍａｘ
・最小および最大の距離ρ _ｍｉｎおよびρ _ｍａｘ
これらのパラメータが与えられると、仕事量は、ある数のＭ個の重なり合う領域またはセクションに自動的に分割される。 等しいサイズの領域を使用することは必須ではないが、計算の複雑さを低減する役割を果たすことに留意されたい。 セクションのサイズは、初期推定量（ｅｓｔｉｍａｔｏｒ）の精度に依存し、通常、６σなど標準偏差の約４倍から６倍を上回らないようにすべきであることに留意されたい。

あるいは、一実施形態では、重なり合う領域またはセクションの数、および重なり合う量は、ユーザ定義可能である。 任意の数またはサイズの領域を使用することができる。 しかし、小さいサイズの領域をより多く使用することは、計算のオーバーヘッドの増加を犠牲にして定位推定の精度を向上させる傾向がある。 特に、領域のサイズは、クラスタ当たり１つのオブジェクトを想定して、個別のオブジェクトを検出するポストプロセッサの分解能である。 しかし、最小のサイズは初期推定量の精度に依存し、この場合１つのオブジェクトからのほとんどすべての測定を同じクラスタに行かせることが望ましい。 それゆえ、標準分布では、これは、標準偏差の約６倍（例えば６σ）の領域サイズによりオブジェクトの測定の約９９％を捕捉することを意味する。 しかし、特定の目的のために、クラスタまたは領域サイズを６σより大きくすることはできる。

マイクロフォンアレイおよび音源定位推定を伴うテストした実施形態では、仕事量は、各次元（すなわち方向、高さ、および距離）においてそれぞれが標準偏差の６倍のサイズを有するＭ個の重なり合う領域に分割される。 このサイズのエリアを選び、領域間の５０％の重なり合いを可能にすることによって、式（１）に従って重なり合う領域の数が得られる。

このテストした実施形態では、式（１）の分母の６は、初期推定量の標準偏差の６倍の領域サイズの使用を表すことに留意されたい。 上述したように、他の領域サイズを使用して所望の精度を提供することができる。 しかし、６シグマの間隔（例えば平均の周りの±３シグマ）は測定の約９９％を保持することに留意されたい。 さらに、式（１）の数字「８」は、領域間の重なり合いの量の結果である。 特に、この例では５０％の重なり合いを使用したので、「８」の係数は、単に「２×２×２＝８」（例えば３次元のそれぞれにおける５０％の重なり合い）に起因する。 上記の説明に照らして、重なり合いがより多いことは、クラスタがより多く、よって重複したオブジェクトがより多く、結果的に、計算のオーバーヘッドが増加することを意味することが明らかである。 しかし、重なり合いがより少ないことは、クラスタ間の中央のオブジェクトを見逃す可能性があることを意味する。 ６シグマのセクション幅では、最適な重なり合いは約６６％であることが観測された。 これは、重なり合う領域は４シグマであり、最悪の場合、測定の約８０％を保持することを意味する。 テストした実施形態では、単純に計算オーバーヘッドを低減するために５０％の重なり合いが使用された。

領域の数がわかると、次いで仕事量がその領域の数に単純に分割される。 次いで各初期定位推定は、各初期定位推定をカバーする仕事量の任意の領域に単純に割り当てられる。 各初期推定は関連の寿命を有しているので、通常オブジェクトごとに複数の定位推定が利用可能となる。 結果的に、定位推定を特定の領域に割り当てることによって、各領域内での定位推定クラスタの形成がもたらされる。 重なり合う領域の使用のため、特定の測定を、重なり合いの量に応じて２つ以上の隣接するセクションに割り当てることができることに留意されたい。 上述したように、より大きい重なり合いの領域を使用することによって、個別のオブジェクトの分解能はよりよくなるが、必要な計算が増加する。

（３．２．２ 潜在的オブジェクトを含むセクションの特定 ）
上記のセクション３．２．１で説明したように仕事量が領域に分割され、定位推定のクラスタが形成されると、どの領域が潜在的オブジェクトを有しているかに関する判定が行われる。 例えば、ある特定の領域には位置推定がない場合、その特定の領域内にはオブジェクトがないと想定され、その領域は、計算のオーバーヘッドを低減するためにさらなる処理から除外される。

しかし、別の実施形態では、特定の領域が１つまたは複数の潜在的オブジェクトを含むかどうかの判定は、重みベースの閾値を用いて達成される。 特に、テストした実施形態では、潜在的オブジェクトを含むこれらのセクションの特定は、まず、非ゼロ数の測定を含む（すなわち少なくとも１つの定位推定がその特定の領域に割り当てられた）すべてのセクションについて、重みベースの閾値を表す、平均重みＷ _ｔｈを計算することによって達成された。 この場合、Ｗ _ｔｈは、仕事量の各領域の測定（ｇａｕｇｅ）に使用される閾値重みを表す。 閾値重みは初期定位推定の一部として提供された元の重みを用いて算出されることに留意されたい。 例えば、このような重みを算出するための１つの方法は、次の通り式（２）によって提供される。

ここでＷ _ｉｊは、ｉ番目のセクション中のｊ番目の測定の元の重み、Ｎ _ｉはｉ番目のセクション中の測定の数、Ｍはセクションの数、Ｌは非ゼロ数の推定を含むセクションの数、Ｋは定数である。

Ｋの値は、セクションの数および誤った測定の数（すなわち実際のオブジェクトではなく反射およびノイズに起因するセクション中の測定）によって決まることに留意されたい。 テストした実施形態では、できるだけ多くのセクション中の誤った測定を無視するようにＫ＝２の値が使用された。 特に、誤った測定を含むセクションは、通常、反射およびノイズの結果として約１つから２つの測定を含むことが観測された。 Ｋ＝２の値を使用することによって、ポストプロセッサは、非常に少ない数の測定を伴うセクションを無視することができ、それゆえこのような測定は潜在的オブジェクトとして考慮されない。 Ｋの値はアプリケーション依存であり、ポストプロセッサの特定の実装形態では、時間の関数として初期推定量によってどれだけ多くの測定が提供されるかに応じて、３つ（または他の何らかの最低数）を下回る測定を含むセクションの処理を避けることが望ましいことがあることに留意されたい。

次いで、各特定のセクションにおけるすべての測定の重みの和を表すセクションごとの合計セクション重みが、式（３）に示すようにセクションごとに算出される。

任意のセクション重みＷ _ｉが閾値重みＷ _ｔｈより大きい場合、そのセクションに潜在的オブジェクトがあると想定され、後述するように、さらなる処理のためにフラグが立てられる。

（３．２．３ 位置推定の算出 ）
仕事量の領域のすべてにおける潜在的オブジェクトについて定位推定を算出することができるが、前のステップで閾値Ｗ _ｔｈを超える重みを有するものとしてフラグが立てられなかった領域には、実際には何のオブジェクト、または高い信頼性を有する何の定位推定もありそうにない。 結果として、一実施形態では、位置推定は、閾値Ｗ _ｔｈを超える重みを有する領域内の潜在的オブジェクトについてのみ算出される。 一般に、後処理のこの段階中に提供された位置推定は、２段階の統計的な処理手法を伴う。

特に、各セクションについて、第１の段階は、そのセクションにおけるすべての測定の加重平均を算出する。 一実施形態では、この統計的処理の速度は、式（４）に示すように、まず各位置ｐ _ｉｊを直交座標系に変換することによって速くなる。

次いで、次の通り式（５）および（６）によって示すように、加重平均および加重標準偏差が算出される。

ここで、ｐ _ｉはこのセクションにおけるオブジェクトの位置、およびσ _ｉはオブジェクトの定位推定の標準偏差である。

重なり合うセクションの使用のため、および各セクションのサイズに依存して、同じオブジェクトに属する定位推定の一部が２つ以上の隣接するセクションに存在する可能性がある。 さらに、このような各セクションに存在するノイズ測定も存在し得る。 それゆえ、一実施形態では、これらの測定を削除し、全体的な位置の精度を改善するために、算出されたオブジェクトの位置ｐ _ｉの特定の距離内の測定について、加重平均の第２のパスが実行される。

（３．２．４ 潜在的オブジェクトの低減 ）

（３．２．５ 位置推定の信頼度の計算 ）

特に、測定の数がある所与の数Ｎ _ｃｒｉｔより小さいとき、信頼度は低下し、それによってより信用に値しない位置測定を示す。 Ｎ _ｃｒｉｔの値は、所望の反応時間、および初期推定量によってどれだけ多くの初期測定が提供されるかに依存することに留意されたい。 例えば、ＳＳＬシステムのテストした実施形態では、所望の反応時間は０．５秒であり、初期推定量は毎秒約１０個の測定を提供した。 その結果、少なくとも５つの測定、すなわちＮ _ｃｒｉｔ ＝５が、１の信頼を得るのに必要であった。 Ｎ _ｃｒｉｔを増加することによって、誰かが特定の位置から話し始めた時から信頼度がゆっくり上昇する。 しかし、約５から１０個の測定を下回る平均および統計的処理は、通常、このテストした実施形態で使用されたＳＳＬシステムのタイプではあまり信頼できない。

同様に、標準偏差がより大きい位置測定も通常あまり信用するに値しない。 最後に、特定の位置測定がより古いデータに基づくとき、こうした位置推定も通常あまり信用するに値しない。 例えば、テストした実施形態では、最も最近の測定の経過時間（ａｇｅ）が測定の寿命に近づくにつれて、オブジェクトの信頼度は低下した（測定の寿命の説明についてはセクション２．１および２．２を参照）。

それゆえ、一実施形態では、上記の要因のそれぞれを考慮することによって各測定について信頼度を算出した。 ３つの要因を考慮して位置測定の信頼度を生成するための１つのこのような方法は、次の通り式（９）および（１０）によって提供される。

ここで、ｃ _ｉＮは測定の数に基づく信頼度であり、ｃ _ｉφ 、ｃ _ｉθ 、およびｃ _ｉρは標準偏差に基づく信頼度であり、そしてｃ _ｉＴは最新の測定のタイムスタンプＴ _{ｉＬａｓｔ}に基づく信頼度であり、ｔは現在の時刻、そしてＴ _Ｌは測定の寿命である。 式（９）に示す信頼度のサブレベルの値を０および１の間の範囲に限定またはクリップした後、最終的な信頼度が次いで次の通り式（１０）によって示すように算出される。

ｃ _ｉ ＝ｃ _ｉＮ ｃ _ｉφ ｃ _ｉθ ｃ _ｉρ ｃ _ｉＴ式（１０）
ここで、最終的な信頼度ｃ _ｉは、サブ信頼度のそれぞれをこの範囲に限定することによって０から１の間となる。

次いで各測定についての算出された信頼度は、ポストプロセッサからの最終結果（セクション３．２．１から３．２．４に記載）とともに含められて、それぞれが位置、信頼度、および標準偏差で提示されるオブジェクトのリストを生成する。 上述したように、このリストは、初期定位推定の改善を表し、初期定位推定に比べてより正確で信頼できる定位測定または推定を提供する。

（４．０ ポストプロセッサの動作の概要 ）
図２に関して上述し、セクション２および３に提供した詳細な説明に照らしたプロセスを、図３の概略動作フロー図によって示している。 特に、図３は、ポストプロセッサの動作を示す例示的な動作フロー図を示している。 図３に破線で表した任意のボックスおよびボックス間の相互接続は、ここに記載したポストプロセッサの代替の実施形態を表しており、これらの代替の実施形態の任意のものまたはすべては、後述するように、この文書を通じて説明する他の代替の実施形態との組合せで使用することができることに留意されたい。

一般に、図３によって示すように、ポストプロセッサの動作は、受信アレイ２００から位置測定を生成するための従来の定位技術を使用して生成された定位推定２２０の入力を受け付けることによって開始する（３００）。 上述したように、これらの従来の定位技術は、当業者にはよく知られており、例えばマイクロフォンアレイを使用して仕事量内の音源の位置を特定する従来のＳＳＬ技術などの技術を含む。

仕事量は次いで、いくつかの重なり合う領域またはセグメントに分割される（３１０）。 セクション３．２．１で上述したように、代替の実施形態では、重なり合う領域の数、および使用される重なり合いの量があらかじめ定義されているか、ユーザ定義可能であるか、または自動的に算出される。

次に、各初期定位推定２２０は、こうした初期定位推定のそれぞれの位置に基づいて仕事量の対応する領域に単純に割り当てられる（３２０）。 しかし、上述したように、オブジェクトごとに複数の定位推定が、通常、利用可能となる。 結果として、領域の重なり合いの使用のため、特定の定位推定を２つ以上の領域に実際に割り当てることができる。 これらの初期定位推定を様々な領域に割り当てることは（３２０）、１つまたは複数の領域内の定位推定のクラスタを形成するように働く。

次いで各領域中のクラスタの統計的分析を使用して、領域のどれが潜在的オブジェクトを含んでいるかを判定する（３３０）。 このステップのポイントは、潜在的オブジェクトを含んでいない領域の不必要な演算の実行を単に回避することである。 それゆえ、このステップは必須ではないが、ポストプロセッサの計算のオーバーヘッドを低減する。

潜在的オブジェクトを含んでいる領域が特定されると（３３０）、次いで各領域内の各潜在的オブジェクトを表すクラスタの統計的分析を再度使用して、各潜在的オブジェクトの位置が推定される（３４０）。 次いでこうした推定位置を使用して、潜在的オブジェクトのいずれかが重複であるかどうかを判定する。 例えば、領域が重なり合っており、特定の測定がそれゆえ２つ以上の領域に同時に存在するので、特定のオブジェクトを、複数の領域での潜在的オブジェクトとして特定することができる。 この問題は、単に実際の位置と潜在的オブジェクトごとに算出された重みとを比較して、重みのより小さいオブジェクトを削除することによって対処される（３５０）。 この場合、潜在的オブジェクトの間の算出距離は、２つのオブジェクトが実際には同じオブジェクトであることを示す。

最後に、一実施形態で、新しい定位推定２８０が、初期定位推定の生成（３００）に使用される初期定位システムへの入力として提供される。 例えば、当業者にはよく知られているように、現在のまたは前の位置情報は、マイクロフォンアレイや他のデバイスなどの受信機アレイ２００から提供された新しい観測に基づいて定位推定を算出するときに、初期設定ファクタとして使用されることが多い。

初期定位推定の精度および信頼性を自動的に改善するためのポストプロセッサの上記の説明を、例示および説明の目的で提示した。 これは、網羅的なものではなく、または本発明を開示された正確な形態に限定するものではない。 上記の教示に照らして多くの変更形態および変形形態が可能である。 さらに、上記の代替の実施形態のいずれかまたはすべてを所望の任意の組合せで使用してポストプロセッサの追加的なハイブリッドの実施形態を形成することができることに留意されたい。 本発明の範囲は、この詳細な説明によって限定されるのではなく、むしろ本明細書に添付した特許請求の範囲によって限定されることが意図されている。

初期定位データを後処理して精度および信頼性が改善された新しい定位推定を生成するための例示的なシステムを構成する汎用コンピューティングデバイスを描いた概略システム図である。

初期定位データを後処理して精度および信頼性が改善された新しい定位推定を生成するためのポストプロセッサを実装するためのプログラムモジュール例を示す例示的なシステム図である。

図２のポストプロセッサの動作を示す例示的な動作フロー図である。

符号の説明

１２０ 処理ユニット １２１ システムバス １３０ システムメモリ １３１ ＲＯＭ
１３２ ＲＡＭ
１３３ ＢＩＯＳ
１３４ オペレーティングシステム １３５ アプリケーションプログラム １３６ 他のプログラムモジュール １３７ プログラムデータ １４０ 非リムーバブル不揮発性メモリインターフェース １４１ ハードディスクドライブ １４４ オペレーティングシステム １４５ アプリケーションプログラム １４６ 他のプログラムモジュール １４７ プログラムデータ １５０ リムーバブル不揮発性メモリインターフェース １５１ 磁気ディスクドライブ １５２ リムーバブル不揮発性磁気ディスク １５５ 光ディスクドライブ １５６ リムーバブル不揮発性光ディスク １６０ ユーザ入力インターフェース １６１ マウス １６２ キーボード １７０ ネットワークインターフェース １７１ ローカルエリアネットワーク １７２ モデム １７３ ワイドエリアネットワーク １８０ リモートコンピュータ １８１ メモリ記憶デバイス １８５ リモートアプリケーションプログラム １９０ ビデオインターフェース １９１ モニタ １９５ 出力周辺インターフェース １９６ プリンタ １９７ スピーカ １９８ マイクロフォンアレイ １９９ オーディオインターフェース ２００ 受信機アレイ ２１０ 初期定位推定モジュール ２２０ 初期定位推定 ２３０ 寿命算出モジュール ２４０ 寿命入力モジュール ２５０ クラスタ化モジュール ２６０ 潜在的オブジェクト特定モジュール ２６５ 潜在的オブジェクト定位モジュール ２７０ 重複オブジェクト削除モジュール ２８０ 新しい定位推定 ２９０ 信頼度算出モジュール