ES2366740T3 - MAGNETIC DATA PROCESSING DEVICE. - Google Patents
MAGNETIC DATA PROCESSING DEVICE. Download PDFInfo
- Publication number
- ES2366740T3 ES2366740T3 ES07004666T ES07004666T ES2366740T3 ES 2366740 T3 ES2366740 T3 ES 2366740T3 ES 07004666 T ES07004666 T ES 07004666T ES 07004666 T ES07004666 T ES 07004666T ES 2366740 T3 ES2366740 T3 ES 2366740T3
- Authority
- ES
- Spain
- Prior art keywords
- compensation
- magnetic data
- magnetic
- statistical population
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims abstract description 35
- 239000013598 vector Substances 0.000 claims abstract description 197
- 238000003860 storage Methods 0.000 claims abstract description 9
- 238000009826 distribution Methods 0.000 claims description 188
- 238000000034 method Methods 0.000 claims description 98
- 238000012937 correction Methods 0.000 claims description 51
- 238000005303 weighing Methods 0.000 claims description 21
- 230000006870 function Effects 0.000 description 33
- 239000011159 matrix material Substances 0.000 description 27
- 238000005457 optimization Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 18
- 239000006185 dispersion Substances 0.000 description 12
- 230000002123 temporal effect Effects 0.000 description 10
- 230000003247 decreasing effect Effects 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000005355 Hall effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005415 magnetization Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000005389 magnetism Effects 0.000 description 2
- 230000002040 relaxant effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Landscapes
- Measuring Magnetic Variables (AREA)
Abstract
Un dispositivo de procesamiento de datos magnéticos que comprende: medios de entrada para introducir como entrada de forma secuencial unos datos magnéticos que se emiten como salida a partir de un sensor magnético tridimensional, de 3D, siendo los datos magnéticos unos datos de vector de 3D que son una combinación lineal de un conjunto de unos primeros vectores fundamentales; medios de almacenamiento para almacenar una pluralidad de los datos magnéticos introducidos como entrada como un conjunto de datos de la población estadística con el fin de actualizar una compensación antigua de los datos magnéticos con una compensación nueva; y medios de deducción de compensación para deducir la compensación nueva basándose en la compensación antigua y en el conjunto de datos de una población estadística que se determina en unas direcciones de eje principal, en el que se estima que unos datos magnéticos distribuidos en una dirección de eje principal con una varianza más grande son unos elementos más significativos de la población estadística en la actualización de la compensación, y se estima que unos datos magnéticos distribuidos en otra dirección de eje principal con una varianza más pequeña son unos elementos menos significativos de la población estadística en la actualización de la compensación.A magnetic data processing device comprising: input means for sequentially entering magnetic data that is output as output from a 3D three-dimensional magnetic sensor, the magnetic data being 3D vector data that they are a linear combination of a set of first fundamental vectors; storage means for storing a plurality of the magnetic data entered as input as a set of statistical population data in order to update an old compensation of the magnetic data with a new compensation; and means of deduction of compensation to deduct the new compensation based on the old compensation and the data set of a statistical population that is determined in a principal axis directions, in which it is estimated that magnetic data distributed in a direction of main axis with a larger variance are more significant elements of the statistical population in the compensation update, and it is estimated that magnetic data distributed in another direction of main axis with a smaller variance are less significant elements of the population statistics on compensation update.
Description
5 5
10 10
15 fifteen
20 twenty
25 25
30 30
35 35
40 40
45 Four. Five
50 fifty
55 55
60 60
Antecedentes de la invención Background of the invention
La presente invención se refiere a un dispositivo de procesamiento de datos magnéticos, a un procedimiento de procesamiento de datos magnéticos, y a un programa de procesamiento de datos magnéticos, y más particularmente a una tecnología para corregir el desplazamiento de los sensores magnéticos bidimensionales y tridimensionales. The present invention relates to a magnetic data processing device, a magnetic data processing procedure, and a magnetic data processing program, and more particularly to a technology for correcting the displacement of two-dimensional and three-dimensional magnetic sensors.
Un sensor magnético convencional montado en un cuerpo en movimiento tal como un teléfono móvil o un vehículo detecta la dirección del geomagnetismo o campo magnético de la Tierra. El sensor magnético incluye un conjunto de módulos de sensor magnético para detectar unas componentes escalares del vector de campo magnético en unas direcciones ortogonales entre sí. Los datos magnéticos que se emiten como salida a partir del sensor magnético consisten en una combinación de salidas de los módulos de sensor magnético, y de este modo los datos magnéticos son unos datos de vector que son una combinación lineal de unos vectores unitarios ortogonales entre sí (los vectores fundamentales). La dirección y la magnitud de los datos magnéticos se corresponden con la dirección y la magnitud de un campo magnético detectado por el sensor magnético. Al especificar la dirección o la magnitud del campo magnético de la Tierra basándose en las salidas del sensor magnético, es necesario realizar un proceso para corregir las salidas del sensor magnético con el fin de anular unos errores de medición provocados por la magnetización del cuerpo en movimiento o las características de temperatura intrínsecas del sensor magnético. Se hace referencia a un valor de control de este proceso de corrección como una compensación y se hace referencia a un proceso para deducir la compensación como calibración (véase, por ejemplo, la publicación de patente internacional n.º 2004 – 003476). La compensación es también unos datos de vector y se define como unos datos magnéticos que se emiten como salida a partir del sensor magnético cuando la intensidad de los campos magnéticos externos es cero. Tales errores de medición se anulan restando la compensación respecto de los datos magnéticos que se emiten como salida a partir del sensor magnético. En un sensor magnético bidimensional (de de 2D), la compensación se corresponde con un vector de posición del centro de un círculo en el que se distribuye un conjunto de datos magnéticos. No obstante, en la práctica, la distribución de un conjunto de datos magnéticos que se emite como salida a partir del sensor magnético de 2D no forma un círculo perfecto. Los motivos son que las salidas de los módulos de sensor magnético tienen de forma intrínseca unos errores de medición que siguen una distribución gaussiana, un campo magnético medido por el sensor magnético de 2D varía durante un periodo en el que un conjunto de datos de la población estadística se almacena para calcular la compensación debido a que en la práctica no hay un campo magnético completamente uniforme, y se producen errores de cálculo durante la conversión AD. El sensor magnético de 2D emite como salida un conjunto de datos de la población estadística que se precisa para deducir la compensación mientras que un cuerpo en movimiento que incluye el sensor magnético de 2D montado en el mismo gira de tal forma que el sensor magnético de 2D gira alrededor de un eje de giro paralelo a la dirección perpendicular a unas direcciones de detección ortogonales de sus módulos de sensor magnético. Para que se mueva de esta forma un cuerpo en movimiento tal como un teléfono móvil o un vehículo que puede moverse de forma tridimensional, es necesario que el usuario opere intencionadamente el cuerpo en movimiento de modo que se mueva de tal forma. Por consiguiente, un algoritmo de deducción de compensación para un dispositivo de procesamiento de datos magnéticos para deducir la compensación de un sensor magnético de 2D se diseña con la suposición de que se ha informado al usuario explícitamente del inicio de la calibración y de que el usuario opera el cuerpo en movimiento adecuadamente. No obstante, es problemático y complicado para el usuario realizar la operación de calibración. En el procedimiento de calibración convencional, se determina, a través de una decisión binaria, si se ha almacenado o no un conjunto de datos fiable de la población estadística, y, cuando el usuario no ha realizado correctamente la operación de calibración, la calibración falla sin almacenar un conjunto de datos fiable de la población estadística. Esto requiere que el usuario repita la operación de almacenar un conjunto de datos fiable de la población estadística. A conventional magnetic sensor mounted on a moving body such as a mobile phone or a vehicle detects the direction of the Earth's geomagnetism or magnetic field. The magnetic sensor includes a set of magnetic sensor modules for detecting scalar components of the magnetic field vector in orthogonal directions to each other. The magnetic data that is emitted as an output from the magnetic sensor consists of a combination of outputs of the magnetic sensor modules, and thus the magnetic data are vector data that are a linear combination of orthogonal unit vectors to each other. (the fundamental vectors). The direction and magnitude of the magnetic data correspond to the direction and magnitude of a magnetic field detected by the magnetic sensor. When specifying the direction or magnitude of the Earth's magnetic field based on the outputs of the magnetic sensor, it is necessary to perform a process to correct the outputs of the magnetic sensor in order to cancel some measurement errors caused by the magnetization of the moving body or the intrinsic temperature characteristics of the magnetic sensor. A control value of this correction process is referred to as compensation and reference is made to a process for deducting compensation as calibration (see, for example, International Patent Publication No. 2004-003476). The compensation is also vector data and is defined as magnetic data that is emitted as output from the magnetic sensor when the intensity of the external magnetic fields is zero. Such measurement errors are canceled by subtracting compensation with respect to the magnetic data that is output as output from the magnetic sensor. In a two-dimensional magnetic sensor (of 2D), the compensation corresponds to a position vector of the center of a circle in which a set of magnetic data is distributed. However, in practice, the distribution of a set of magnetic data that is output as an output from the 2D magnetic sensor does not form a perfect circle. The reasons are that the outputs of the magnetic sensor modules intrinsically have measurement errors that follow a Gaussian distribution, a magnetic field measured by the 2D magnetic sensor varies during a period in which a set of population data Statistics are stored to calculate compensation because in practice there is no completely uniform magnetic field, and calculation errors occur during AD conversion. The 2D magnetic sensor outputs a set of statistical population data that is required to deduct compensation while a moving body that includes the 2D magnetic sensor mounted on it rotates in such a way that the 2D magnetic sensor it rotates around an axis of rotation parallel to the direction perpendicular to orthogonal detection directions of its magnetic sensor modules. In order for a moving body such as a mobile phone or a vehicle that can move three-dimensionally to move in this way, it is necessary for the user to intentionally operate the moving body so that it moves in such a way. Accordingly, a compensation deduction algorithm for a magnetic data processing device to deduce compensation from a 2D magnetic sensor is designed with the assumption that the user has been explicitly informed of the start of calibration and that the user Operate the body in motion properly. However, it is problematic and complicated for the user to perform the calibration operation. In the conventional calibration procedure, it is determined, through a binary decision, whether or not a reliable data set of the statistical population has been stored, and, when the user has not performed the calibration operation correctly, the calibration fails without storing a reliable data set of the statistical population. This requires the user to repeat the operation of storing a reliable data set of the statistical population.
Un sensor magnético de tres dimensiones (de 3D) convencional montado en un cuerpo en movimiento tal como un teléfono móvil o un vehículo detecta la dirección del campo magnético de la Tierra. El sensor magnético de 3D generalmente incluye 3 módulos de sensor magnético para detectar unas componentes escalares del vector de campo magnético en 3 direcciones ortogonales. Los datos magnéticos que se emiten como salida a partir del sensor magnético de 3D consisten en una combinación de salidas de los 3 módulos de sensor magnético, y de este modo los datos magnéticos son unos datos de vector de 3D que son una combinación lineal de unos vectores unitarios ortogonales entre sí (vectores fundamentales). La dirección y la magnitud de los datos magnéticos se corresponden con la dirección y la magnitud de un campo magnético detectado por el sensor magnético de 3D. Al especificar la dirección o la magnitud del campo magnético de la Tierra basándose en las salidas del sensor magnético de 3D, es necesario realizar un proceso para corregir las salidas del sensor magnético de 3D con el fin de anular unos errores de medición provocados por la magnetización del cuerpo en movimiento o las características de temperatura A conventional three-dimensional (3D) magnetic sensor mounted on a moving body such as a mobile phone or a vehicle detects the direction of the Earth's magnetic field. The 3D magnetic sensor generally includes 3 magnetic sensor modules to detect scalar components of the magnetic field vector in 3 orthogonal directions. The magnetic data that is emitted as output from the 3D magnetic sensor consists of a combination of the outputs of the 3 magnetic sensor modules, and thus the magnetic data is 3D vector data that is a linear combination of about unit vectors orthogonal to each other (fundamental vectors). The direction and magnitude of the magnetic data correspond to the direction and magnitude of a magnetic field detected by the 3D magnetic sensor. When specifying the direction or magnitude of the Earth's magnetic field based on the outputs of the 3D magnetic sensor, it is necessary to perform a process to correct the outputs of the 3D magnetic sensor in order to cancel some measurement errors caused by magnetization of the moving body or temperature characteristics
5 5
10 10
15 fifteen
20 twenty
25 25
30 30
35 35
40 40
45 Four. Five
50 fifty
55 55
intrínsecas del sensor magnético. Se hace referencia a un valor de control de este proceso de corrección como una compensación. Siendo la compensación unos datos de vector que indican un campo magnético provocado por las componentes de magnetización del cuerpo en movimiento detectado por el sensor magnético de 3D. Tales errores de medición se anulan restando la compensación respecto de los datos magnéticos que se emiten como salida a partir del sensor magnético de 3D. Es posible calcular la compensación obteniendo el centro de una superficie esférica sobre la que se distribuye un conjunto de datos magnéticos. No obstante, en la práctica, la distribución de datos magnéticos no forma una esfera perfecta. Los motivos son que las salidas del sensor magnético de 3D tienen de forma intrínseca unos errores de medición que siguen una distribución gausiana, un campo magnético medido por el sensor magnético de 3D varía durante un periodo en el que unos datos magnéticos que se requieren para calcular la compensación se almacenan debido a que en la práctica no hay un campo magnético completamente uniforme, y se producen errores de cálculo hasta que se obtienen unos valores digitales a partir de las salidas del sensor magnético de 3D. Un procedimiento convencional para deducir una compensación de sensor magnético almacena un gran número de datos magnéticos y deduce la compensación a través de un proceso estadístico de los datos magnéticos almacenados. De este modo, en el procedimiento convencional, un conjunto de datos magnéticos que se precisa para actualizar de forma precisa la compensación no se ha almacenado a menos que el usuario intencionadamente cambie la actitud o la postura del cuerpo en movimiento, y se precisa un tiempo prolongado para actualizar la compensación después de que se produzca la necesidad de actualizar la compensación. Habitualmente, se almacenan unos datos magnéticos distribuidos sólo en dos dimensiones debido a que es raro que se dé un cambio tridimensional significativo en la actitud del sensor magnético montado en el vehículo. De este modo, es poco deseable esperar hasta que un conjunto de datos magnéticos distribuidos uniformemente en una superficie esférica se almacena con el fin de actualizar de forma precisa la compensación del sensor magnético montado en el vehículo. intrinsic of the magnetic sensor. A control value of this correction process is referred to as compensation. The compensation being vector data indicating a magnetic field caused by the magnetization components of the moving body detected by the 3D magnetic sensor. Such measurement errors are canceled by subtracting compensation with respect to the magnetic data that is output as output from the 3D magnetic sensor. It is possible to calculate the compensation by obtaining the center of a spherical surface on which a set of magnetic data is distributed. However, in practice, the distribution of magnetic data does not form a perfect sphere. The reasons are that the outputs of the 3D magnetic sensor intrinsically have measurement errors that follow a Gaussian distribution, a magnetic field measured by the 3D magnetic sensor varies during a period in which magnetic data required to calculate The compensation is stored because in practice there is no completely uniform magnetic field, and calculation errors occur until digital values are obtained from the outputs of the 3D magnetic sensor. A conventional procedure to deduce a magnetic sensor compensation stores a large number of magnetic data and deducts the compensation through a statistical process of the stored magnetic data. Thus, in the conventional procedure, a set of magnetic data that is required to accurately update the compensation has not been stored unless the user intentionally changes the attitude or posture of the body in motion, and a time is required. prolonged to update the compensation after the need to update the compensation occurs. Usually, magnetic data distributed only in two dimensions is stored because it is rare that there is a significant three-dimensional change in the attitude of the magnetic sensor mounted on the vehicle. Thus, it is undesirable to wait until a set of uniformly distributed magnetic data on a spherical surface is stored in order to accurately update the compensation of the magnetic sensor mounted on the vehicle.
El documento WO 2005/061990 A1 ha dado a conocer un algoritmo que puede corregir la compensación incluso aunque la distribución de un conjunto de datos magnéticos sea bidimensional. No obstante, no es sencillo implementar un programa de acuerdo con el algoritmo que se describe en el documento WO 2005/061990 A1 debido a que éste es complicado. WO 2005/061990 A1 has disclosed an algorithm that can correct compensation even if the distribution of a set of magnetic data is two-dimensional. However, it is not easy to implement a program according to the algorithm described in WO 2005/061990 A1 because it is complicated.
El documento US 2005/126023 A1 da a conocer un procedimiento y aparato para usar un campo magnético. El procedimiento incluye: medir y almacenar unos datos de campo magnético que indican unas magnitudes de un campo magnético en direcciones diferentes cada vez haciendo girar unos sensores por un espacio; y comprobar si existe una perturbación del campo magnético, usando unos parámetros de ajuste de curva tales como la amplitud y la compensación de al menos una de las trayectorias de campo magnético formadas por los datos de campo magnético almacenados. US 2005/126023 A1 discloses a method and apparatus for using a magnetic field. The procedure includes: measuring and storing magnetic field data indicating magnitudes of a magnetic field in different directions each time rotating sensors through a space; and check if there is a magnetic field disturbance, using curve adjustment parameters such as the amplitude and compensation of at least one of the magnetic field paths formed by the stored magnetic field data.
El documento US 2005/256673 A1 da a conocer un dispositivo de medición de azimut que puede calibrar un sensor magnético sin que una parte del trabajo recaiga en el usuario. Cuando un punto que tiene unos valores de salida amplificados Sx, Sy, Sz después de una corrección de sensibilidad como componentes x, y, z se dispone en un sistema de coordenadas xyz, una sección de cálculo de información de compensación calcula las coordenadas del centro de una esfera de este tipo cuya superficie se encuentra en las proximidades de cada punto y calcula una componente x de las coordenadas del centro de esta esfera como la compensación Cx actual de un elemento HEx de efecto Hall del eje x, una componente y de las coordenadas del centro de esta esfera como la compensación Cy actual de un elemento HEy de efecto Hall del eje y, y una componente z de las coordenadas del centro de esta esfera como la compensación Cz actual de un elemento HEz de efecto Hall del eje z. Es posible de este modo calibrar el sensor magnético sin que una parte del trabajo recaiga en el usuario. Document US 2005/256673 A1 discloses an azimuth measuring device that can calibrate a magnetic sensor without a part of the work falling on the user. When a point that has amplified output values Sx, Sy, Sz after a sensitivity correction as components x, y, z is arranged in an xyz coordinate system, a compensation information calculation section calculates the center coordinates of a sphere of this type whose surface is in the vicinity of each point and calculates a component x of the coordinates of the center of this sphere as the current Cx compensation of an HEx Hall effect element of the x axis, a component and of the coordinates of the center of this sphere such as the current Cy compensation of a HE element of the Hall effect of the y axis, and a z component of the coordinates of the center of this sphere such as the current Cz compensation of a HEz element of the Hall effect of the z axis. It is thus possible to calibrate the magnetic sensor without a part of the work falling on the user.
Es un objeto de la presente invención mejorar la facilidad de uso de un sensor magnético tridimensional (de 3D). Es otro objeto de la presente invención proporcionar un dispositivo de procesamiento de datos magnéticos, un procedimiento de procesamiento de datos magnéticos, y un programa de procesamiento de datos magnéticos, y un aparato de medición magnética, que puedan corregir una compensación usando un conjunto de datos magnéticos almacenado a través de un proceso sencillo, con independencia de la distribución del conjunto de datos de la población estadística. It is an object of the present invention to improve the ease of use of a three-dimensional (3D) magnetic sensor. It is another object of the present invention to provide a magnetic data processing device, a magnetic data processing procedure, and a magnetic data processing program, and a magnetic measuring apparatus, which can correct compensation using a data set Magnetic stored through a simple process, regardless of the distribution of the statistical population data set.
En un primer aspecto de la invención, se proporciona un dispositivo de procesamiento de datos magnéticos para llevar a cabo los objetivos anteriores tal como se expone en la reivindicación 1. También se proporcionan un aparato de medición magnética tal como se expone en la reivindicación 8, un procedimiento de procesamiento de datos magnéticos tal como se expone en la reivindicación 9, y un programa de procesamiento de datos magnéticos tal como se expone en la reivindicación 10. Las realizaciones preferentes de la presente invención pueden deducirse a partir de las reivindicaciones dependientes. In a first aspect of the invention, a magnetic data processing device is provided to accomplish the above objectives as set forth in claim 1. A magnetic measuring apparatus as set forth in claim 8 is also provided, a magnetic data processing method as set forth in claim 9, and a magnetic data processing program as set forth in claim 10. Preferred embodiments of the present invention can be deduced from the dependent claims.
La figura 1 es un diagrama esquemático de las realizaciones del primer aspecto de la presente invención. La figura 2 es un diagrama esquemático de las realizaciones del primer aspecto de la presente invención. Figure 1 is a schematic diagram of the embodiments of the first aspect of the present invention. Figure 2 is a schematic diagram of the embodiments of the first aspect of the present invention.
La figura 3 es un diagrama de bloques de las realizaciones del primer aspecto de la presente invención. La figura 4 es un diagrama de bloques de las realizaciones del primer aspecto de la presente invención. La figura 5 es un diagrama de flujo de la primera realización del primer aspecto de la presente invención. La figura 6 es un diagrama esquemático de la primera realización del primer aspecto de la presente invención. La figura 7 es un diagrama esquemático de la primera realización del primer aspecto de la presente invención. La figura 8 es un diagrama de flujo de la segunda realización del primer aspecto de la presente invención. La figura 9 es una gráfica asociada con la segunda realización del primer aspecto de la presente invención. La figura 10 es una gráfica asociada con la segunda realización del primer aspecto de la presente invención. La figura 11 es un diagrama esquemático de las realizaciones del segundo aspecto de la presente invención. La figura 12 es un diagrama esquemático de las realizaciones del segundo aspecto de la presente invención. La figura 13 es un diagrama de bloques de las realizaciones del segundo aspecto de la presente invención. La figura 14 es un diagrama de bloques de las realizaciones del segundo aspecto de la presente invención. La figura 15 es un diagrama de flujo de la primera realización del segundo aspecto de la presente invención. La figura 16 es un diagrama esquemático de la primera realización del segundo aspecto de la presente invención. La figura 17 es un diagrama esquemático de la primera realización del segundo aspecto de la presente invención. La figura 18 es un diagrama de flujo de la segunda realización del segundo aspecto de la presente invención. Figure 3 is a block diagram of the embodiments of the first aspect of the present invention. Figure 4 is a block diagram of the embodiments of the first aspect of the present invention. Figure 5 is a flow chart of the first embodiment of the first aspect of the present invention. Figure 6 is a schematic diagram of the first embodiment of the first aspect of the present invention. Figure 7 is a schematic diagram of the first embodiment of the first aspect of the present invention. Figure 8 is a flow chart of the second embodiment of the first aspect of the present invention. Figure 9 is a graph associated with the second embodiment of the first aspect of the present invention. Figure 10 is a graph associated with the second embodiment of the first aspect of the present. invention. Figure 11 is a schematic diagram of the embodiments of the second aspect of the present. invention. Figure 12 is a schematic diagram of the embodiments of the second aspect of the present. invention. Figure 13 is a block diagram of the embodiments of the second aspect of the present invention. Figure 14 is a block diagram of the embodiments of the second aspect of the present invention. Figure 15 is a flow chart of the first embodiment of the second aspect of the present invention. Figure 16 is a schematic diagram of the first embodiment of the second aspect of the present invention. Figure 17 is a schematic diagram of the first embodiment of the second aspect of the present invention. Figure 18 is a flow chart of the second embodiment of the second aspect of the present invention.
Un principio y algoritmo que se usa en el primer aspecto de la invención se describe a continuación en detalle con referencia a la figura 1. Los puntos clave de este algoritmo son que se estima que un conjunto de datos magnéticos distribuidos en una dirección de eje principal con una dispersión más grande son unos elementos más significativos de la población estadística para su uso en la actualización de la compensación, y que se estima que un conjunto de datos magnéticos distribuidos en una dirección de eje principal con una dispersión más pequeña son unos elementos menos significativos de la población estadística para su uso en la actualización de la compensación. Cada una de la compensación c0 antigua, la compensación c nueva, y la compensación temporal, que se corresponde con un vector de posición del punto de extremo de “g” en relación con el punto de origen “0”, son unos datos de vector de posición de 2D que son una combinación lineal de un conjunto de vectores fundamentales de los datos magnéticos. Es decir, cada una de las compensaciones son unos datos de vector representados en el sistema de coordenadas xy. La compensación c nueva se deduce basándose en la compensación c0 antigua y en un conjunto de datos magnéticos que se almacena para actualizar la compensación c0 antigua con la compensación c nueva. A principle and algorithm that is used in the first aspect of the invention is described in detail below with reference to Figure 1. The key points of this algorithm are that it is estimated that a set of magnetic data distributed in a main axis direction with a larger dispersion they are more significant elements of the statistical population for use in updating the compensation, and it is estimated that a set of magnetic data distributed in a principal axis direction with a smaller dispersion are less elements significant statistical population for use in the compensation update. Each of the old compensation c0, the new compensation c, and the temporary compensation, which corresponds to a position vector of the end point of "g" in relation to the origin point "0", are vector data 2D position that are a linear combination of a set of fundamental vectors of magnetic data. That is, each of the offsets are vector data represented in the xy coordinate system. The new c compensation is deducted based on the old c0 compensation and a magnetic data set that is stored to update the old c0 compensation with the new c compensation.
El conjunto de datos de la población estadística, que es un conjunto de datos magnéticos almacenados para actualizar la compensación antigua con la compensación c nueva, puede incluir un conjunto de datos magnéticos que se han almacenado en un periodo de tiempo predeterminado y puede incluir un conjunto de datos magnéticos que incluye un número predeterminado de datos magnéticos y puede también incluir un conjunto de datos magnéticos que incluye cualquier número de datos magnéticos que se han almacenado en un instante determinado (por ejemplo, en el instante en el que se hace una solicitud de actualización de compensación). La compensación c0 antigua puede deducirse usando el mismo procedimiento que la compensación c nueva y puede también determinarse previamente. The statistical population data set, which is a set of magnetic data stored to update the old compensation with the new compensation c, may include a set of magnetic data that has been stored in a predetermined period of time and may include a set of magnetic data that includes a predetermined number of magnetic data and may also include a set of magnetic data that includes any number of magnetic data that has been stored at a given time (for example, at the time a request is made for compensation update). The old compensation c0 can be deduced using the same procedure as the new compensation c and can also be determined previously.
Aunque se define que la compensación temporal va a deducirse a partir del conjunto de datos de la población estadística sin el uso de la compensación c0 antigua, esta definición se introduce para definir la condición de restricción con la que se deduce la compensación c nueva y la compensación temporal no es realmente unos datos que deban deducirse. Si la compensación temporal se deduce realmente a partir del conjunto de datos de la población estadística sin el uso de la compensación c0 antigua, la compensación temporal es un vector de posición del centro de una circunferencia cerca de la que se distribuye el conjunto de datos de la población estadística. No obstante, si el conjunto de datos de la población estadística está distribuido de manera no uniforme cerca de un arco de ángulo central estrecho que es una parte de la circunferencia que se deduce a partir del conjunto de datos de la población estadística, un error incluido en cada elemento del conjunto de datos de la población estadística afecta en gran medida al resultado de deducción de la circunferencia y de este modo hay una posibilidad de que se deduzca una compensación temporal distante de la compensación verdadera. Por ejemplo, considérese que un conjunto de datos de la población estadística está distribuido de manera no uniforme cerca de un arco de ángulo central estrecho y que los vectores propios ortogonales entre sí del conjunto de datos de la población estadística son u1 y u2 tal como se muestra en la figura 1. En este caso, debido a que la varianza del conjunto de datos de la población estadística es pequeña en la dirección del vector u2 propio de la distribución que se corresponde con el valor principal más pequeño, hay una alta probabilidad de que una compensación temporal que se deduce a partir del conjunto de datos de la población estadística se encuentre distante de la compensación verdadera en la dirección del vector u2 propio. Por otra parte, en este caso, debido a que la varianza del conjunto de datos de la población estadística es grande en la dirección del vector u1 propio de la distribución, hay una alta probabilidad de que la compensación temporal que se deduce a partir del conjunto de datos de la población estadística se encuentre cerca de la compensación verdadera en la dirección del vector u1 propio. Although it is defined that the temporary compensation is to be deduced from the statistical population data set without the use of the old c0 compensation, this definition is introduced to define the restriction condition with which the new c compensation is deducted and the Temporary compensation is not really data to be deduced. If the temporary compensation is actually deduced from the data set of the statistical population without the use of the old c0 compensation, the temporary compensation is a position vector of the center of a circle near which the data set is distributed. Statistical population However, if the statistical population data set is unevenly distributed near a narrow central angle arc that is a part of the circumference that is derived from the statistical population data set, an error included in each element of the data set of the statistical population it greatly affects the result of circumference deduction and in this way there is a possibility that a temporary compensation distant from the true compensation can be deduced. For example, consider that a set of statistical population data is unevenly distributed near a narrow central angle arc and that the orthogonal vectors of each other in the statistical population data set are u1 and u2 as shown in figure 1. In this case, because the variance of the data set of the statistical population is small in the direction of the vector u2 proper to the distribution corresponding to the smallest main value, there is a high probability of that a temporary compensation that is deduced from the statistical population data set is distant from the true compensation in the direction of the proper vector u2. On the other hand, in this case, because the variance of the data set of the statistical population is large in the direction of the vector u1 proper of the distribution, there is a high probability that the temporary compensation that is deducted from the set of statistical population data is close to the true compensation in the direction of the vector u1 itself.
Debido a que las varianzas en las direcciones de eje principal de la distribución pueden expresarse usando los valores λ1y λ2 principales de la distribución como unos indicadores de la distribución, este dispositivo estima unos elementos de población estadística distribuidos en las direcciones que se corresponden respectivamente con los valores principales de acuerdo con las proporciones de los valores λ1y λ2 principales. Concretamente, en primer lugar, un vector f de corrección, que es un vector de posición de la compensación c nueva en relación con la compensación c0 antigua, y un vector g de posición temporal, que es un vector de posición de la compensación temporal en relación con la compensación c0 antigua, pueden definirse en un sistema de coordenadas que tiene unos ejes coordenados α y β que coinciden con las direcciones de eje principal de la distribución. Es decir, puede definirse que cada uno del vector f de corrección y el vector g de posición temporal es una combinación lineal de los vectores fundamentales de las direcciones de eje principal de la distribución. Esto se corresponde con una conversión en unos valores de los ejes principales. Si las componentes fα yfβ del vector f de corrección se deducen ponderando las componentes gα ygβ del vector g de posición de la compensación temporal en relación con la compensación c0 antigua de acuerdo con las medidas de los valores principales u1 y u2 de la distribución, es posible deducir el vector f de corrección aumentando la fiabilidad de los elementos de población estadística en una dirección con una dispersión grande y disminuyendo la fiabilidad de los elementos de población estadística en una dirección con una dispersión pequeña. No obstante, tales definiciones del vector f de corrección y el vector g de posición temporal se introducen también para definir la condición de restricción con la que se deduce la compensación c nueva y cada uno del vector f de corrección y el vector g de posición temporal no son realmente unos datos que se necesite deducir. Because the variances in the main axis directions of the distribution can be expressed using the main λ1 and λ2 values of the distribution as distribution indicators, this device estimates statistical population elements distributed in the directions that correspond respectively to the main values according to the proportions of the main λ1 and λ2 values. Specifically, first, a correction vector f, which is a new compensation position vector c in relation to the old compensation c0, and a temporary position vector g, which is a temporary compensation position vector in in relation to the old compensation c0, they can be defined in a coordinate system that has coordinate axes α and β that coincide with the main axis directions of the distribution. That is, it can be defined that each of the correction vector f and the time position vector g is a linear combination of the fundamental vectors of the main axis directions of the distribution. This corresponds to a conversion into values of the main axes. If the components fα and fβ of the correction vector f are deducted by weighing the components gα and gβ of the position vector g of the temporary compensation in relation to the old compensation c0 according to the measures of the main values u1 and u2 of the distribution, it is It is possible to deduce the correction vector f by increasing the reliability of the statistical population elements in a direction with a large dispersion and decreasing the reliability of the statistical population elements in a direction with a small dispersion. However, such definitions of the correction vector f and the temporary position vector g are also introduced to define the restriction condition with which the new compensation c is deducted and each of the correction vector f and the temporary position vector g They are not really data that needs to be deduced.
Deduciendo la compensación c nueva con una condición de restricción de que la compensación c nueva se obtenga como la suma de la compensación c0 antigua y el vector f de corrección que se determinan tal como se describió anteriormente, es posible, con independencia de la distribución del conjunto de datos de la población estadística, deducir la compensación nueva mientras se estima que un conjunto de datos magnéticos distribuidos en una dirección de eje principal con una dispersión más grande son elementos más significativos de la población estadística y un conjunto de datos magnéticos distribuidos en una dirección de eje principal con una dispersión más pequeña son elementos menos significativos de la población estadística. Una técnica a modo de ejemplo para deducir la compensación nueva de esta forma es formular la distribución como un problema de optimización. Con independencia de la operación de calibración que realice el usuario, este dispositivo puede deducir la compensación nueva más probable que puede deducirse a partir de una operación realmente realizada y de este modo no se requiere que el usuario realice una operación predeterminada. Deducing the new compensation c with a restriction condition that the new compensation c be obtained as the sum of the old compensation c0 and the correction vector f determined as described above, it is possible, regardless of the distribution of the data set of the statistical population, deducing the new compensation while it is estimated that a set of magnetic data distributed in a main axis direction with a larger dispersion are more significant elements of the statistical population and a set of magnetic data distributed in a Main axis direction with a smaller dispersion are less significant elements of the statistical population. An example technique for deducing new compensation in this way is to formulate distribution as an optimization problem. Regardless of the calibration operation performed by the user, this device can deduct the most likely new compensation that can be deducted from a actually performed operation and thus the user is not required to perform a predetermined operation.
En el dispositivo de procesamiento de datos magnéticos de la invención, la condición de restricción puede ser que un factor de ponderación del vector de posición temporal para el coeficiente del segundo vector fundamental en la dirección de eje principal que se corresponde con uno más pequeño de los valores principales sea cero si una proporción del valor principal más pequeño con uno más grande de los valores principales es igual a o menor que un umbral predeterminado. Este dispositivo estima de forma discreta la distribución del conjunto de datos de la población estadística y pondera de forma discreta los coeficientes del vector de posición de la compensación temporal en relación con la compensación c0 antigua de acuerdo con el resultado de la estimación discreta. Concretamente, el peso del coeficiente del vector g de posición temporal en la dirección en la que el valor de la distribución es relativamente pequeño es “0”. Es decir, no se estima ningún conjunto de datos de la población estadística en la dirección en la que el valor de la distribución es más pequeño que un umbral. In the magnetic data processing device of the invention, the restriction condition may be that a weighting factor of the temporal position vector for the coefficient of the second fundamental vector in the principal axis direction corresponding to a smaller one of the principal values is zero if a proportion of the smallest principal value with a larger one of the principal values is equal to or less than a predetermined threshold. This device discreetly estimates the distribution of the data set of the statistical population and discreetly weights the coefficients of the position vector of the temporary compensation in relation to the old compensation c0 according to the result of the discrete estimate. Specifically, the weight of the coefficient of the temporal position vector g in the direction in which the value of the distribution is relatively small is "0". That is, no set of statistical population data is estimated in the direction in which the value of the distribution is smaller than a threshold.
En el dispositivo de procesamiento de datos magnéticos de la invención, la condición de restricción puede ser que los coeficientes del vector de corrección sean unos valores que se obtienen ponderando los coeficientes del vector de posición temporal ponderando unos factores que se corresponden continuamente con las proporciones de los valores principales de la distribución del conjunto de datos de la población estadística. Este dispositivo puede aumentar la eficiencia sustancial en cuanto al uso del conjunto de datos de la población estadística debido a que los factores de ponderación tienen una asociación continua con la distribución. Además, el dispositivo puede simplificar el proceso de actualización de compensación debido a que es posible deducir la compensación nueva sin cambiar el proceso de acuerdo con la distribución del conjunto de datos de la población estadística. In the magnetic data processing device of the invention, the restriction condition may be that the coefficients of the correction vector are values that are obtained by weighing the coefficients of the temporal position vector by weighing factors that continuously correspond to the proportions of the main values of the distribution of the statistical population data set. This device can increase the substantial efficiency in the use of the statistical population data set because the weighting factors have a continuous association with the distribution. In addition, the device can simplify the compensation update process because it is possible to deduct the new compensation without changing the process according to the distribution of the statistical population data set.
En el dispositivo de procesamiento de datos magnéticos de la invención, los factores de ponderación respectivos para los coeficientes del vector de posición temporal pueden normalizarse ajustando, a uno, el factor de ponderación para el coeficiente del segundo vector fundamental en la dirección de eje principal que se corresponde con el valor principal más grande. En el caso en el que se introducen unos indicadores de estimación de la distribución del conjunto de datos de la población estadística que no son los valores principales de la distribución, no es necesario normalizar los factores de ponderación ajustando el factor de ponderación más grande a uno. Por ejemplo, el factor de ponderación máximo puede ajustarse a menor que uno de acuerdo con la proporción de la distancia máxima entre los datos magnéticos en una dirección de eje principal (es decir, la dirección principal) que se corresponde con In the magnetic data processing device of the invention, the respective weighting factors for the temporal position vector coefficients can be normalized by adjusting, to one, the weighting factor for the coefficient of the second fundamental vector in the principal axis direction that It corresponds to the largest main value. In the case where some indicators for estimating the distribution of the data set of the statistical population that are not the main values of the distribution are introduced, it is not necessary to normalize the weighting factors by adjusting the largest weighting factor to one . For example, the maximum weighting factor can be set to less than one according to the proportion of the maximum distance between the magnetic data in a main axis direction (i.e. the main direction) that corresponds to
5 5
10 10
15 fifteen
20 twenty
25 25
30 30
35 35
40 40
45 Four. Five
el valor principal más grande con el radio de un círculo que se ha deducido como una circunferencia, que tiene una parte cerca de la que se distribuye un conjunto de datos de la población estadística, basándose en el conjunto de datos de la población estadística. the largest principal value with the radius of a circle that has been deduced as a circumference, which has a part near which a set of statistical population data is distributed, based on the statistical population data set.
En el dispositivo de procesamiento de datos magnéticos de la invención para llevar a cabo el objetivo anterior, los medios de deducción de compensación pueden deducir una “c” que minimiza la siguiente función f(c) objetivo con la condición de restricción: In the magnetic data processing device of the invention to accomplish the above objective, the compensation deduction means can deduce a "c" that minimizes the following objective function f (c) with the restriction condition:
f(c) = (Xc –j)T (Xc –j), f (c) = (Xc –j) T (Xc –j),
en la que “X” y “j” son tal como se indica a continuación cuando los datos magnéticos se representan mediante qi = (qix, qiy) (i = 0, 1, 2,... ): in which "X" and "j" are as indicated below when the magnetic data is represented by qi = (qix, qiy) (i = 0, 1, 2, ...):
En esta memoria descriptiva, todos los vectores son vectores columna y los vectores fila se expresan como matrices traspuestas de vectores columna. Un símbolo “T” se adjunta a cada matriz traspuesta en el lado superior, o esquina, derecho del mismo [es decir, en forma de ( )T]. Debido a que este dispositivo deduce una compensación nueva como un problema de optimización de la distribución con una condición de restricción, es posible deducir la compensación nueva, por ejemplo, resolviendo un sistema de ecuaciones lineales sencillas tal como se describe más adelante en las realizaciones. Es decir, con independencia de cómo sea la distribución del conjunto de datos de la población estadística, es posible para este dispositivo deducir, a través de un proceso sencillo, la compensación nueva más probable que puede deducirse a partir del conjunto de datos de la población estadística. In this specification, all vectors are column vectors and row vectors are expressed as transposed matrices of column vectors. A symbol "T" is attached to each matrix transposed on the upper side, or right corner of it [ie, in the form of () T]. Because this device deduces a new compensation as a distribution optimization problem with a restriction condition, it is possible to deduce the new compensation, for example, by solving a system of simple linear equations as described later in the embodiments. That is, regardless of the distribution of the statistical population data set, it is possible for this device to deduce, through a simple process, the most likely new compensation that can be deduced from the population data set. statistics.
La función de cada uno de la pluralidad de medios que se incluye en el dispositivo de la presente invención se lleva a cabo mediante un recurso de hardware, especificándose la función de este mediante su construcción, un recurso de hardware, especificándose la función de este mediante un programa, o una combinación de estos recursos. La función de cada uno de la pluralidad de medios no se lleva a cabo necesariamente mediante un recurso de hardware físicamente independiente. La presente invención puede especificarse no sólo mediante un dispositivo sino también mediante un programa, un medio de grabación en el que se graba el programa, y un procedimiento. Las operaciones del procedimiento que se describen en las reivindicaciones no se llevan a cabo necesariamente en el orden tal como se describe en las reivindicaciones y pueden realizarse en cualquier otro orden o al mismo tiempo, con la condición de que haya impedimentos técnicos. The function of each of the plurality of media that is included in the device of the present invention is carried out by means of a hardware resource, the function of this being specified by its construction, a hardware resource, the function of this being specified by a program, or a combination of these resources. The function of each of the plurality of media is not necessarily carried out by a physically independent hardware resource. The present invention can be specified not only by a device but also by a program, a recording medium in which the program is recorded, and a method. The operations of the process described in the claims are not necessarily carried out in the order as described in the claims and can be carried out in any other order or at the same time, with the condition that there are technical impediments.
Las realizaciones del primer aspecto de la presente invención se describirán en el siguiente orden. The embodiments of the first aspect of the present invention will be described in the following order.
A. Primera realización A. First realization
[1. Descripción general] [one. General description]
1–1. Estructura del hardware 1–2. Estructura del software 1–1. Hardware structure 1–2. Software structure
[2. Método] [2. Method]
2–1. Flujo global 2–2. Actualización de la memoria intermedia 2–3. Estimación de la distribución 2–4. Deducción de la compensación nueva a través del problema de optimización 2–5. Deducción de la compensación nueva cuando la distribución es bidimensional 2–6. Deducción de la compensación nueva cuando la distribución es sustancialmente unidimensional 2–7. Resumen 2–1. Global flow 2–2. Buffer update 2–3. Estimation of distribution 2–4. Deduction of new compensation through optimization problem 2–5. Deduction of the new compensation when the distribution is two-dimensional 2–6. Deduction of the new compensation when the distribution is substantially one-dimensional 2–7. Summary
B. Segunda realización B. Second embodiment
- • •
- Visión de conjunto Overview
- • •
- Estimación de la distribución Distribution Estimate
- • •
- Deducción de la compensación nueva Deduction of new compensation
- C. C.
- Otras realizaciones Other realizations
[Descripción general] [General description]
1–1. Estructura del hardware 1–1. Hardware structure
La figura 2 es un diagrama esquemático de la apariencia externa de un automóvil 2 que es un ejemplo de un cuerpo en movimiento al que se aplica la presente invención. El automóvil 2 incluye un sensor 4 magnético de dos dimensiones (de de 2D). El sensor 4 magnético de 2D detecta la dirección y la intensidad de un campo magnético detectando unas intensidades respectivas del campo magnético en dos direcciones ortogonales (x, y). El sensor 4 magnético de 2D, que constituye una parte de un sistema de navegación montado en el automóvil 2, se usa para especificar la dirección del recorrido del automóvil 2. Figure 2 is a schematic diagram of the external appearance of a car 2 which is an example of a moving body to which the present invention is applied. Car 2 includes a two-dimensional magnetic sensor 4 (of 2D). The 2D magnetic sensor 4 detects the direction and intensity of a magnetic field by detecting respective intensities of the magnetic field in two orthogonal directions (x, y). The 2D magnetic sensor 4, which constitutes a part of a navigation system mounted on the car 2, is used to specify the direction of travel of the car 2.
La figura 3 es un diagrama de bloques de un dispositivo de medición magnética que incluye un sensor 4 magnético de 2D y un dispositivo 1 de procesamiento de datos magnéticos. El sensor 4 magnético de 2D incluye unos sensores 30 y 32 de eje x e y que detectan componentes de dirección x e y de un vector de campo magnético debido al magnetismo terrestre. Cada uno de los sensores 30 y 32 de eje x e y incluye un elemento de resistencia magnética, un sensor de efecto Hall, o similar, que puede ser cualquier tipo de sensor magnético de una dimensión con la condición de que presente directividad. Los sensores 30 y 32 de eje x e y se fijan de modo que sus direcciones de detección son perpendiculares entre sí. Las salidas de los sensores 30 y 32 de eje x e y se dividen en tiempo y se introducen como entrada en una interfaz (I/F) 22 de sensor magnético. La interfaz 22 de sensor magnético convierte de analógico a digital unas entradas a partir de los sensores 30 y 32 de eje x e y después de amplificar las entradas. Los datos magnéticos digitales que se emiten como salida a partir de la interfaz 22 de sensor magnético se introducen como entrada en el dispositivo 1 de procesamiento de datos magnéticos a través de un bus 5. Figure 3 is a block diagram of a magnetic measuring device that includes a 2D magnetic sensor 4 and a magnetic data processing device 1. The 2D magnetic sensor 4 includes sensors 30 and 32 of the x-y axis that detect components of the x-y direction and of a magnetic field vector due to terrestrial magnetism. Each of the x and y axis sensors 30 and 32 includes a magnetic resistance element, a Hall effect sensor, or the like, which can be any type of magnetic sensor of one dimension with the condition that it has directivity. The sensors e and x axis 30 and 32 are set so that their detection directions are perpendicular to each other. The outputs of the x and y axis sensors 30 and 32 are divided into time and input as input in a magnetic sensor interface (I / F) 22. The magnetic sensor interface 22 converts analogs to digital inputs from the 30 and 32 x-axis sensors and after amplifying the inputs. The digital magnetic data that is output as output from the magnetic sensor interface 22 is input as input into the magnetic data processing device 1 via a bus 5.
El dispositivo 1 de procesamiento de datos magnéticos es un ordenador que incluye una CPU 40, una ROM 42, y una RAM 44. La CPU 40 controla unas operaciones globales de, por ejemplo, el sistema de navegación. La ROM 42 es un medio de almacenamiento no volátil que almacena un programa de procesamiento de datos magnéticos o una variedad de programas que se usan para implementar unas funciones del sistema de navegación, que se ejecutan mediante la CPU 40. La RAM 44 es un medio de almacenamiento volátil que almacena temporalmente unos datos que van a procesarse mediante la CPU 40. El dispositivo 1 de procesamiento de datos magnéticos y el sensor 4 magnético de 2D pueden construirse como un dispositivo de medición magnética de un sólo circuito integrado. The magnetic data processing device 1 is a computer that includes a CPU 40, a ROM 42, and a RAM 44. The CPU 40 controls global operations of, for example, the navigation system. ROM 42 is a non-volatile storage medium that stores a magnetic data processing program or a variety of programs that are used to implement functions of the navigation system, which are executed by the CPU 40. RAM 44 is a medium volatile storage that temporarily stores data to be processed by the CPU 40. The magnetic data processing device 1 and the 2D magnetic sensor 4 can be constructed as a single-circuit magnetic measuring device.
1–2. Estructura del software 1–2. Software structure
La figura 4 es un diagrama de bloques de un programa 90 de procesamiento de datos magnéticos. El programa 90 de procesamiento de datos magnéticos se almacena en la ROM 42 para proporcionar datos de orientación a un localizador 98. Los datos de orientación son unos datos de vector de 2D que representan la orientación del campo magnético de la Tierra. El programa 90 de procesamiento de datos magnéticos se construye como un grupo de módulos tales como un módulo 92 de gestión de memoria intermedia, un módulo 94 de deducción de compensación, y un módulo 96 de deducción de orientación. Fig. 4 is a block diagram of a magnetic data processing program 90. The magnetic data processing program 90 is stored in ROM 42 to provide orientation data to a locator 98. The orientation data is 2D vector data representing the orientation of the Earth's magnetic field. The magnetic data processing program 90 is constructed as a group of modules such as an intermediate memory management module 92, a compensation deduction module 94, and an orientation deduction module 96.
El módulo 92 de gestión de memoria intermedia es una parte de programa que recibe una pluralidad de datos magnéticos de forma secuencial que se emiten como salida a partir del sensor 4 magnético y almacena los datos magnéticos recibidos en una memoria intermedia con el fin de usar los datos magnéticos en una actualización de compensación. El módulo 92 de gestión de memoria intermedia permite que la CPU 40, la RAM 44, y la ROM 42 funcionen tal como unos medios de entrada y unos medios de almacenamiento. Esta memoria intermedia puede realizarse no sólo en hardware sino también en software. Se hará referencia ahora a un conjunto de datos magnéticos almacenados en esta memoria intermedia como un conjunto de datos de la población estadística. The buffer module 92 is a program part that receives a plurality of magnetic data sequentially that is output as output from the magnetic sensor 4 and stores the received magnetic data in a buffer in order to use the magnetic data in a compensation update. The buffer memory module 92 allows the CPU 40, RAM 44, and ROM 42 to function such as input media and storage media. This buffer can be done not only in hardware but also in software. Reference will now be made to a set of magnetic data stored in this buffer as a set of statistical population data.
El módulo 94 de deducción de compensación es una parte de programa que deduce una compensación nueva basándose en un conjunto de datos de la población estadística que mantiene el módulo 92 de gestión de memoria intermedia y una compensación antigua que mantiene el módulo 94 de deducción de compensación y actualiza la compensación antigua con la compensación nueva. El módulo 94 de deducción de compensación permite que la CPU 40, la RAM 44, y la ROM 42 funcionen tal como unos medios de deducción de compensación. Debido a que la actualización de la compensación antigua con la compensación nueva hace que la compensación nueva se haga una compensación antigua, se hará referencia a la “compensación antigua” simplemente como una “compensación” en un contexto en el que no produce malentendidos. Realmente, una compensación que se usa para la corrección de datos de orientación se ajusta en una variable y la compensación nueva se deduce como una variable diferente de esa variable. Cuando se deduce la compensación nueva, se ajusta en la variable que se usa para la corrección de datos de orientación. Por lo tanto, la variable que se usa para la corrección de datos de orientación es aquella en la que se almacena la compensación antigua. The compensation deduction module 94 is a program part that deduces a new compensation based on a data set of the statistical population that maintains the buffer memory module 92 and an old compensation that maintains the compensation deduction module 94 and update the old compensation with the new compensation. The compensation deduction module 94 allows the CPU 40, RAM 44, and ROM 42 to function such as compensation deduction means. Because updating the old compensation with the new compensation causes the new compensation to become an old compensation, the “old compensation” will be referred to simply as a “compensation” in a context in which it does not produce misunderstandings. Actually, a compensation that is used for the correction of orientation data is adjusted in one variable and the new compensation is deduced as a different variable from that variable. When the new compensation is deducted, it is set in the variable that is used for the correction of orientation data. Therefore, the variable that is used for the correction of orientation data is that in which the old compensation is stored.
El módulo 96 de deducción de orientación es una parte de programa que corrige los datos magnéticos de forma secuencial que se emiten como salida a partir del sensor magnético usando la compensación que mantiene el módulo 94 de deducción de compensación para crear datos de orientación. Concretamente, el módulo 96 de deducción de orientación emite como salida, como los datos de orientación, unos datos que incluyen 2 componentes que se obtienen restando las componentes de la compensación respecto de las componentes de los datos The orientation deduction module 96 is a program part that corrects the magnetic data sequentially that is output as output from the magnetic sensor using the compensation maintained by the compensation deduction module 94 to create orientation data. Specifically, the orientation deduction module 96 issues as output, such as the orientation data, data that includes 2 components that are obtained by subtracting the compensation components from the data components
5 5
10 10
15 fifteen
20 twenty
25 25
30 30
35 35
40 40
45 Four. Five
magnéticos que son unos datos de vector de 2D. magnetic that are 2D vector data.
El localizador 98 es un programa conocido que especifica la posición actual del automóvil 2 a través de navegación autónoma. Concretamente, el localizador 98 especifica la dirección del recorrido del automóvil 2 basándose en los datos de orientación y especifica la posición del automóvil 2 en relación con un punto base basándose tanto en la dirección del recorrido como en la distancia de recorrido. Los datos de orientación pueden usarse sólo para visualizar norte, sur, este y oeste mediante unos caracteres o flechas en la pantalla y pueden usarse también para un procesamiento de mapa de rumbo del mapa visualizado en la pantalla. The locator 98 is a known program that specifies the current position of the car 2 through autonomous navigation. Specifically, the locator 98 specifies the direction of travel of the car 2 based on the orientation data and specifies the position of the car 2 in relation to a base point based on both the direction of travel and the distance of travel. The orientation data can only be used to display north, south, east and west by means of characters or arrows on the screen and can also be used for heading map processing displayed on the screen.
[2. Método] [2. Method]
2–1. Flujo global 2–1. Global flow
La figura 5 es un diagrama de flujo que ilustra un método de deducción de compensación nueva. La CPU 40 realiza el método de la figura 5 ejecutando el módulo de gestión de memoria intermedia y el módulo 94 de deducción de compensación cuando se ha hecho una solicitud de actualización de compensación. La solicitud de actualización de compensación puede hacerse en intervalos de tiempo predeterminados y puede también hacerse mediante una instrucción explícita del conductor. Figure 5 is a flow chart illustrating a new compensation deduction method. The CPU 40 performs the method of Figure 5 by executing the buffer memory management module and the compensation deduction module 94 when a compensation update request has been made. The compensation update request can be made at predetermined time intervals and can also be made by explicit instruction from the driver.
2–2. Actualización de la memoria intermedia 2–2. Buffer update
En la etapa S100, se borran todos los datos magnéticos almacenados en la memoria intermedia, en la que se almacena un conjunto de datos magnéticos (conjunto de datos de la población estadística) que se usa para deducir una compensación nueva. Como resultado, en este proceso, se borra un conjunto de datos de la población estadística que se usa para deducir la compensación antigua. En la etapa S102, unos datos magnéticos que se usan para deducir una compensación nueva se introducen como entrada y se almacenan en la memoria intermedia. Cuando una pluralidad de datos magnéticos se introduce como entrada de forma secuencial a partir del sensor 4 magnético sin apenas cambios en la dirección del recorrido del automóvil 2, la distancia entre dos datos (o valores) magnéticos introducidos como entrada de forma secuencial es pequeña. El almacenamiento de una pluralidad de datos magnéticos cercanos en una memoria intermedia con una capacidad limitada malgasta recursos de memoria y produce una actualización innecesaria de los procesos de memoria intermedia. Además, si se deduce una compensación nueva basándose en un conjunto de datos magnéticos cercanos, hay una posibilidad de que se deduzca una compensación nueva poco precisa basándose en un conjunto de datos distribuido de manera no uniforme de la población estadística. Si es necesario o no actualizar la memoria intermedia puede definirse de la siguiente manera. Por ejemplo, si la distancia entre los últimos datos magnéticos de entrada y unos datos magnéticos almacenados en la memoria intermedia inmediatamente antes de los últimos datos magnéticos de entrada es menor que un umbral dado, se determina que no es necesario actualizar la memoria intermedia y los últimos datos magnéticos de entrada se descartan sin almacenarse en la memoria intermedia. In step S100, all magnetic data stored in the buffer memory is erased, in which a magnetic data set (statistical population data set) that is used to deduce a new compensation is stored. As a result, in this process, a set of statistical population data that is used to deduct the old compensation is deleted. In step S102, magnetic data that is used to deduce a new compensation is entered as input and stored in the buffer. When a plurality of magnetic data is entered as input sequentially from the magnetic sensor 4 with hardly any changes in the direction of travel of the car 2, the distance between two magnetic data (or values) entered as input sequentially is small. Storing a plurality of nearby magnetic data in a buffer with limited capacity wastes memory resources and produces an unnecessary update of the buffer processes. In addition, if a new compensation is deducted based on a set of nearby magnetic data, there is a possibility that a new, less precise compensation may be deduced based on a non-uniformly distributed data set from the statistical population. If it is necessary or not to update the buffer, it can be defined as follows. For example, if the distance between the last magnetic input data and magnetic data stored in the buffer immediately before the last magnetic input data is less than a given threshold, it is determined that it is not necessary to update the buffer and the Last magnetic input data is discarded without being stored in the buffer.
En la etapa S104, se determina si se ha almacenado o no en la memoria intermedia un número especificado de los datos magnéticos que se precisa para deducir una compensación nueva precisa. Es decir, el número de elementos del conjunto de datos de la población estadística se determina con anterioridad. El ajuste de un pequeño número de elementos del conjunto de datos de la población estadística mejora la respuesta a la solicitud de actualización de compensación. Los procesos de las etapas S102 y S104 se repiten hasta que el número especificado de los datos magnéticos se ha almacenado en la memoria intermedia. In step S104, it is determined whether or not a specified number of the magnetic data that is required to deduce an accurate new compensation has been stored in the buffer. That is, the number of elements of the statistical population data set is determined in advance. The adjustment of a small number of elements of the statistical population data set improves the response to the request for compensation update. The processes of steps S102 and S104 are repeated until the specified number of the magnetic data has been stored in the buffer.
2–3. Estimación de la distribución 2–3. Distribution Estimate
Una vez que el número especificado de los datos magnéticos se ha almacenado en la memoria intermedia, se estima la distribución del conjunto de datos de la población estadística (S106). La distribución se estima basándose en los valores principales de la distribución. Cuando el conjunto de datos magnéticos se expresa mediante la siguiente ecuación (1), los valores principales de la distribución son los valores propios de una matriz A simétrica que se define mediante las ecuaciones (2), (3), y (4) usando la suma de vectores que se inicia desde un centro (promedio) del conjunto de datos de la población estadística y que finaliza con los datos magnéticos respectivos. Once the specified number of magnetic data has been stored in the buffer, the distribution of the statistical population data set (S106) is estimated. The distribution is estimated based on the main values of the distribution. When the magnetic data set is expressed by the following equation (1), the main values of the distribution are the eigenvalues of a symmetric matrix A defined by equations (2), (3), and (4) using the sum of vectors that starts from a center (average) of the statistical population data set and ends with the respective magnetic data.
qi = (qix, qiy) (i = 0, 1, 2,…) … (1) qi = (qix, qiy) (i = 0, 1, 2,…)… (1)
A = XT X …(2) A = XT X… (2)
en las que Puesto que la matriz A puede también volver a escribirse como la ecuación (5), la matriz A se corresponde con N veces una matriz de varianzas–covarianzas. in which Since matrix A can also be rewritten as equation (5), matrix A corresponds to N times a matrix of variances-covariances.
5 Sean λ1y λ2 los valores propios de la matriz A en un orden creciente. Sean u1 y u2 unos vectores propios ortogonales entre sí que se corresponden con λ1y λ2 y que se han normalizado a una longitud de 1. En esta realización, se supone que la matriz A es regular y que los intervalos de λ1y λ2 son λ1>0y λ2 > 0. Cuando el valor λ2 propio más pequeño de la matriz A es cero, es decir, cuando el rango de la matriz A es uno o menos, no hay necesidad de considerarlo debido a que el número de elementos del conjunto de datos de la población estadística es 5 Let λ1 and λ2 be the eigenvalues of matrix A in increasing order. Let u1 and u2 be own orthogonal vectors that correspond to λ1 and λ2 and have normalized to a length of 1. In this embodiment, it is assumed that matrix A is regular and that the intervals of λ1 and λ2 are λ1> 0y λ2> 0. When the smallest proper λ2 value of matrix A is zero, that is, when the range of matrix A is one or less, there is no need to consider it because the number of elements in the data set of the statistical population is
10 uno o la distribución es una línea perfectamente recta. Cada uno de los valores propios debe ser cero o un número real positivo debido a que la matriz A es, a partir de su definición, una matriz semidefinida positiva. Se estima la distribución del conjunto de datos de la población estadística basándose en la proporción λ2/ λ1 del valor propio más pequeño con el valor propio más grande. 10 one or the distribution is a perfectly straight line. Each of the eigenvalues must be zero or a positive real number because matrix A is, from its definition, a positive semi-defined matrix. The distribution of the statistical population data set is estimated based on the ratio λ2 / λ1 of the smallest eigenvalue with the largest eigenvalue.
En la etapa S106, se determina si la distribución del conjunto de datos de la población estadística es lo bastante In step S106, it is determined whether the distribution of the statistical population data set is sufficiently
15 bidimensional o no. Concretamente, la determinación es afirmativa cuando la siguiente condición (6) se satisface y negativa cuando no se satisface. 15 two-dimensional or not. Specifically, the determination is affirmative when the following condition (6) is satisfied and negative when it is not satisfied.
λ2/ λ1>t… (6) λ2 / λ1> t… (6)
La condición (6) se satisface cuando se distribuye el conjunto de datos de la población estadística por un amplio intervalo a lo largo de una circunferencia específica. Condition (6) is satisfied when the statistical population data set is distributed over a wide range over a specific circumference.
20 Si la determinación de la etapa S106 es negativa, la distribución del conjunto de datos de la población estadística es sustancialmente unidimensional. Cuando el conjunto de datos de la población estadística está distribuido de manera no uniforme a lo largo de un arco de ángulo central estrecho de la circunferencia específica, la distribución del conjunto de datos de la población estadística es sustancialmente unidimensional. 20 If the determination of step S106 is negative, the distribution of the statistical population data set is substantially one-dimensional. When the statistical population data set is unevenly distributed along a narrow central angle arc of the specific circumference, the distribution of the statistical population data set is substantially one-dimensional.
2–4. Deducción de la compensación nueva a través del problema de optimización 2–4. Deduction of the new compensation through the optimization problem
25 A continuación se describirá un problema de optimización para deducir una compensación nueva. Cuando el conjunto de datos de la población estadística incluye 3 datos magnéticos no presentes en la misma recta, una circunferencia en la que se distribuye el conjunto de datos de la población estadística se especifica de forma única sin el uso de una técnica estadística. Un vector de posición c = (cx, cy) del centro de esta circunferencia se obtiene resolviendo el sistema de ecuaciones (7). Aunque para dos variables existen tres restricciones de igualdad, las 25 An optimization problem to deduct a new compensation will be described below. When the statistical population data set includes 3 magnetic data not present on the same line, a circle in which the statistical population data set is distributed is uniquely specified without the use of a statistical technique. A position vector c = (cx, c) of the center of this circle is obtained by solving the system of equations (7). Although for two variables there are three equality restrictions, the
30 ecuaciones (7) deben tener una solución debido a que una de las tres restricciones de igualdad es redundante. 30 equations (7) must have a solution because one of the three equality restrictions is redundant.
en las que 5 in which 5
10 10
15 fifteen
20 twenty
25 25
30 30
35 35
40 40
Cuando el número de elementos del conjunto de datos de la población estadística es 4 o más, “j” se define mediante la siguiente ecuación (9). When the number of elements of the statistical population data set is 4 or more, "j" is defined by the following equation (9).
En este caso, si el sistema de ecuaciones lineales (10) para “c” tiene una solución, la solución es el centro de una circunferencia en la que se distribuye el conjunto de datos de la población estadística. In this case, if the system of linear equations (10) for "c" has a solution, the solution is the center of a circle in which the statistical population data set is distributed.
Xc=j … (10) Xc = j ... (10)
No obstante, si se considera un error de medición intrínseco del sensor 4 magnético de 2D, es prácticamente imposible que las ecuaciones (10) tengan una solución. Se introduce un vector “e” que se define mediante la siguiente ecuación (11) para obtener una solución verosímil a través de una técnica estadística. However, if an intrinsic measurement error of the 2D magnetic sensor 4 is considered, it is virtually impossible that equations (10) have a solution. A vector "e" is introduced which is defined by the following equation (11) to obtain a plausible solution through a statistical technique.
e=Xc–j … (11) e = Xc – j… (11)
puede considerarse que una “c” que minimiza ||e||22 (es decir, eT e) es verosímil como el centro de la circunferencia más próxima a la distribución del conjunto de datos de la población estadística. Un problema para encontrar el valor “c” que minimiza ||e||22 es un problema de optimización para minimizar una función objetivo de la siguiente ecuación It can be considered that a “c” that minimizes || e || 22 (that is, eT e) is likely as the center of the circumference closest to the distribution of the statistical population data set. A problem in finding the value "c" that minimizes || e || 22 is an optimization problem to minimize an objective function of the following equation
(12) cuando la matriz A es regular. (12) when matrix A is regular.
f(c) = (Xc– j)T (Xc –j) … (12) f (c) = (Xc– j) T (Xc –j)… (12)
2–5. Deducción de la compensación nueva cuando la distribución es bidimensional 2–5. Deduction of the new compensation when the distribution is two-dimensional
Cuando la distribución del conjunto de datos de la población estadística es bidimensional tal como se muestra en la figura 6, el conjunto de datos de la población estadística es lo bastante fiable en su totalidad y por lo tanto se deduce una compensación nueva obteniendo una “c” que minimiza la función f(c) objetivo de la ecuación (12) sin ninguna condición de restricción (S108). El valor “c” que minimiza la función f(c) objetivo sin ninguna condición de restricción puede escribirse como la ecuación (13) cuando la XT X que se supone en esta realización es regular. When the distribution of the data set of the statistical population is two-dimensional as shown in Figure 6, the data set of the statistical population is sufficiently reliable in its entirety and therefore a new compensation is obtained by obtaining a “c ”That minimizes the objective function f (c) of equation (12) without any restriction condition (S108). The value "c" that minimizes the objective function f (c) without any restriction condition can be written as equation (13) when the XT X assumed in this embodiment is regular.
T –1 TT –1 T
c=(XX)Xj … (13) c = (XX) Xj… (13)
Cuando se ha deducido una “c” que satisface la ecuación (13), se deduce una compensación nueva, que puede obtenerse corrigiendo la compensación antigua en dos direcciones, basándose en el conjunto de datos de la población estadística sin el uso de la compensación antigua. Cuando el conjunto de datos de la población estadística es lo bastante bidimensional, no es necesario usar la compensación antigua al deducir la compensación nueva. Un algoritmo para deducir una compensación nueva basándose en el conjunto de datos de la población estadística sin el uso de la compensación antigua puede ser un algoritmo que, tal como en esta realización, usa una de una variedad de técnicas estadísticas que se han propuesto y puede ser también un algoritmo que no use una técnica estadística. When a “c” that satisfies equation (13) has been deducted, a new compensation is deducted, which can be obtained by correcting the old compensation in two directions, based on the data set of the statistical population without the use of the old compensation . When the data set of the statistical population is two-dimensional enough, it is not necessary to use the old compensation when deducting the new compensation. An algorithm to deduce a new compensation based on the data set of the statistical population without the use of the old compensation can be an algorithm that, as in this embodiment, uses one of a variety of statistical techniques that have been proposed and can also be an algorithm that does not use a statistical technique.
2–6. Deducción de la compensación nueva cuando la distribución es sustancialmente unidimensional 2–6. Deduction of new compensation when the distribution is substantially one-dimensional
Tal como se muestra en la figura 7, cuando se distribuye el conjunto de datos de la población estadística a lo largo de un arco de ángulo central estrecho de la circunferencia específica y de este modo la distribución del conjunto de datos de la población estadística es sustancialmente unidimensional (es decir, lineal), se deduce una compensación nueva restringiendo las direcciones en las que se corrige la compensación antigua a una dirección principal de la distribución (S110). Cuando se distribuye el conjunto de datos de la población estadística cerca de una recta específica, la distribución del conjunto de datos de la población estadística en la dirección de la recta es lo bastante fiable mientras que la distribución del conjunto de datos de la población estadística en otras direcciones es poco fiable. En este caso, la compensación antigua no se corrige en unas direcciones que no sean la dirección de la recta, evitando de este modo que la compensación se actualice – basándose en una información poco fiable. As shown in Figure 7, when the statistical population data set is distributed along a narrow central angle arc of the specific circumference and thus the distribution of the statistical population data set is substantially unidimensional (ie linear), a new compensation is deducted by restricting the addresses in which the old compensation is corrected to a main distribution address (S110). When the statistical population data set is distributed near a specific line, the distribution of the statistical population data set in the direction of the line is reliable enough while the distribution of the statistical population data set in Other addresses is unreliable. In this case, the old compensation is not corrected in directions other than the direction of the line, thus preventing the compensation from being updated - based on unreliable information.
Cuando se distribuye el conjunto de datos de la población estadística cerca de una recta específica, la dirección de la recta es coincidente con la dirección (es decir, la dirección principal) de un vector u1 propio que se corresponde When the data set of the statistical population is distributed near a specific line, the direction of the line is coincident with the direction (that is, the main direction) of a corresponding vector u1
5 5
10 10
15 fifteen
20 twenty
25 25
30 30
35 35
40 40
con el valor propio λ1 más grande y la dirección de un vector u2 propio que se corresponde con el valor λ2 propio más pequeño es perpendicular a la recta. Por consiguiente, con el fin de deducir una compensación nueva sólo en la dirección de la recta, una compensación c nueva que minimiza la función objetivo de la ecuación (12) se obtiene con una condición de restricción que se expresa mediante la siguiente ecuación (14). with the largest own value λ1 and the direction of a proper vector u2 corresponding to the smallest own value λ2 is perpendicular to the line. Therefore, in order to deduce a new compensation only in the direction of the line, a new compensation c that minimizes the objective function of equation (12) is obtained with a constraint condition that is expressed by the following equation (14 ).
u2T (c –c0) =0 … (14) u2T (c –c0) = 0… (14)
La ecuación para resolver el problema de optimización de la ecuación (12) con la condición de restricción de la ecuación (14) puede transformarse en su sistema de ecuaciones equivalente usando el procedimiento de los multiplicadores de Lagrange. Cuando se introduce un multiplicador p constante no conocido y se determina “x” mediante la siguiente ecuación (15), el sistema de ecuaciones lineales (16) de “x” es el sistema de ecuaciones que se menciona anteriormente. The equation to solve the optimization problem of equation (12) with the constraint condition of equation (14) can be transformed into its equivalent system of equations using the Lagrange multiplier procedure. When a constant unknown multiplier p is introduced and "x" is determined by the following equation (15), the system of linear equations (16) of "x" is the system of equations mentioned above.
en el que in which
Tal como puede entenderse a partir de la descripción anterior, si la distribución del conjunto de datos de la población estadística es sustancialmente unidimensional, el proceso para deducir la compensación nueva en la etapa S110 es resolver el sistema de ecuaciones lineales (16). La solución “x” debe especificarse de forma única debido a que el rango de la matriz B3 debe de ser 3. As can be understood from the previous description, if the distribution of the statistical population data set is substantially one-dimensional, the process to deduce the new compensation in step S110 is to solve the system of linear equations (16). The solution "x" must be uniquely specified because the range of matrix B3 must be 3.
2–7. Resumen 2–7. Summary
Los procesos de las etapas S108 y S110 se describirán a continuación usando conceptos espaciales con referencia a las figuras 6 y 7. Si se supone que el conjunto de datos de la población estadística es completamente fiable, la compensación c nueva se define mediante la siguiente ecuación (19) considerando la compensación c nueva como la suma de la compensación c0 antigua y un vector g de posición (es decir, un vector de posición temporal) del centro de una circunferencia, que se deduce sólo a partir del conjunto de datos de la población estadística, en relación con la compensación c0 antigua. The processes of steps S108 and S110 will be described below using spatial concepts with reference to Figures 6 and 7. If the statistical population data set is assumed to be completely reliable, the new c compensation is defined by the following equation (19) considering the new compensation c as the sum of the old compensation c0 and a position vector g (that is, a temporary position vector) of the center of a circle, which is deduced only from the data set of the statistical population, in relation to the old c0 compensation.
c =c0 +g … (19) c = c0 + g ... (19)
Puede considerarse que el vector de posición “c” de la compensación nueva es la suma de la compensación antigua “c0”’ y un vector de corrección “f” que es una combinación lineal de los vectores fundamentales en las mismas direcciones que los vectores u1 y u2 propios de la distribución. Por lo tanto, el vector de corrección “f”, que se corresponde con un vector corregido a partir del vector de posición “g” de acuerdo con los grados de fiabilidad respectivos de las componentes del vector de posición “g” que se corresponde con el centro del conjunto de datos de la población estadística, puede obtenerse ponderando unos coeficientes gα ygβ del vector de posición “g” de acuerdo con los grados de fiabilidad respectivos del conjunto de datos de la población estadística en las direcciones de eje principal correspondientes. The position vector "c" of the new compensation can be considered to be the sum of the old compensation "c0" 'and a correction vector "f" which is a linear combination of the fundamental vectors in the same directions as the vectors u1 and u2 proper to the distribution. Therefore, the correction vector "f", which corresponds to a vector corrected from the position vector "g" according to the respective degrees of reliability of the components of the position vector "g" corresponding to The center of the statistical population data set can be obtained by weighing coefficients gα and gβ of the position vector "g" according to the respective degrees of reliability of the data set of the statistical population in the corresponding main axis directions.
En el proceso de la etapa S108 que se realiza cuando la distribución del conjunto de datos de la población estadística es lo bastante bidimensional tal como se muestra en la figura 6, se obtiene una “c” que minimiza la función objetivo de la ecuación (12) sin ninguna condición de restricción tal como se describió anteriormente. No obstante, puede considerarse que este proceso se realiza con una condición de restricción de que la compensación nueva “c” se obtenga como la suma de la compensación c0 antigua y el vector de corrección “f” que se obtiene ponderando ambas de las componentes gα ygβ del vector de posición temporal “g” en dos direcciones de eje principal de la distribución por un factor de ponderación de “1”. En la figura 6, el vector de corrección “f” no se In the process of step S108 that is performed when the distribution of the statistical population data set is two-dimensional enough as shown in Figure 6, a "c" is obtained that minimizes the objective function of the equation (12 ) without any restriction condition as described above. However, it can be considered that this process is carried out with a restriction condition that the new compensation “c” be obtained as the sum of the old compensation c0 and the correction vector “f” obtained by weighing both of the components gα and gβ of the temporal position vector "g" in two main axis directions of the distribution by a weighting factor of "1". In Figure 6, the correction vector "f" is not
5 5
10 10
15 fifteen
20 twenty
25 25
30 30
35 35
40 40
45 Four. Five
50 fifty
muestra debido a que es coincidente con el vector de posición “g”. sample because it is coincident with the position vector "g".
En el proceso de la etapa S110 que se realiza cuando la distribución del conjunto de datos de la población estadística es sustancialmente unidimensional tal como se muestra en la figura 7, se impone la siguiente condición de restricción al deducir una compensación nueva basándose en la compensación c0 antigua y el conjunto de datos de la población estadística. La condición de restricción es que la compensación c nueva se obtenga como la suma de la compensación c0 antigua y un vector de corrección “f” que se obtiene ponderando un coeficiente gα del vector de posición temporal “g” en una dirección de eje principal (o una dirección principal) de la distribución que se corresponde con el valor principal más grande de la distribución (es decir, que se corresponde con el valor λ1 propio más grande) por un factor de ponderación de “1” del vector de posición temporal “g” y ponderando un coeficiente gβ en una dirección de eje principal de la distribución que se corresponde con el valor principal más pequeño de la distribución (es decir, que se corresponde con el valor λ2 propio más pequeño) por un factor de ponderación de “0” del vector de posición “g”. In the process of step S110 that is performed when the distribution of the statistical population data set is substantially one-dimensional as shown in Figure 7, the following restriction condition is imposed when deducting a new compensation based on the compensation c0 old and the statistical population data set. The restriction condition is that the new compensation c is obtained as the sum of the old compensation c0 and a correction vector "f" that is obtained by weighing a coefficient gα of the temporary position vector "g" in a principal axis direction ( or a main address) of the distribution that corresponds to the largest main value of the distribution (that is, that corresponds to the largest own λ1 value) by a weighting factor of "1" of the temporal position vector " g "and weighting a gβ coefficient in a principal axis direction of the distribution that corresponds to the smallest main value of the distribution (ie, that corresponds to the smallest own λ2 value) by a weighting factor of" 0 "of the position vector" g ".
El punto clave del algoritmo en esta realización es que se obtiene una “c” que minimiza la función objetivo de la ecuación (12) con una condición de restricción de que los factores de ponderación para ambas de las componentes del vector de posición temporal “g” se ajustan a “1” si la proporción entre los valores principales de la distribución del conjunto de datos de la población estadística es mayor que un umbral predeterminado “t” y un factor de ponderación para la componente del vector de posición temporal “g” en la dirección principal de la distribución se ajusta a “1” y un factor de ponderación para la componente del vector de posición temporal “g” en una dirección de eje principal de la distribución con un nivel más pequeño de la distribución se ajusta a “0” si la proporción entre los valores principales de la distribución del conjunto de datos de la población estadística es menor que o igual al umbral predeterminado “t”. The key point of the algorithm in this embodiment is that a "c" is obtained that minimizes the objective function of equation (12) with a constraint condition that the weighting factors for both of the components of the temporal position vector "g ”Is set to“ 1 ”if the ratio between the main values of the distribution of the data set of the statistical population is greater than a predetermined threshold“ t ”and a weighting factor for the component of the temporal position vector“ g ” in the main direction of the distribution it is set to "1" and a weighting factor for the component of the temporary position vector "g" in a direction of the main axis of the distribution with a smaller level of the distribution is set to " 0 ”if the ratio between the main values of the distribution of the statistical population data set is less than or equal to the predetermined threshold“ t .
B. Segunda realización B. Second embodiment
* Visión de conjunto * Overview
En la primera realización, se estima la distribución del conjunto de datos de la población estadística de forma discreta y la compensación nueva “c” se deduce usando técnicas diferentes cuando la distribución es lo bastante bidimensional y cuando la distribución es sustancialmente unidimensional. En la segunda realización, se dará una descripción de un algoritmo sencillo y muy preciso que puede eliminar la necesidad de realizar procesos diferentes de acuerdo con unas estimaciones de la distribución tal como en la primera realización y que puede también deducir una compensación nueva más probable usando eficientemente el conjunto de datos de la población estadística. In the first embodiment, the distribution of the statistical population data set is estimated discreetly and the new compensation "c" is deduced using different techniques when the distribution is two-dimensional enough and when the distribution is substantially one-dimensional. In the second embodiment, a description of a simple and very precise algorithm will be given which can eliminate the need to perform different processes according to estimates of the distribution such as in the first embodiment and which can also deduce a more probable new compensation using efficiently the statistical population data set.
La figura 8 es un diagrama de flujo que ilustra un proceso de deducción de compensación nueva. De la misma forma que en la primera realización, la CPU 40 realiza el método de la figura 8 ejecutando el módulo 94 de deducción de compensación cuando se ha hecho una solicitud de actualización de compensación. El proceso de la etapa S200 es el mismo que el proceso de la etapa S100 que se describió anteriormente en la primera realización. El proceso de la etapa S202 es el mismo que el proceso de la etapa S102 que se describió anteriormente en la primera realización. El proceso de la etapa S204 es el mismo que el proceso de la etapa S104 que se describió anteriormente en la primera realización. Figure 8 is a flow chart illustrating a new compensation deduction process. In the same way as in the first embodiment, the CPU 40 performs the method of Figure 8 by executing the compensation deduction module 94 when a compensation update request has been made. The process of step S200 is the same as the process of step S100 described above in the first embodiment. The process of step S202 is the same as the process of step S102 described above in the first embodiment. The process of step S204 is the same as the process of step S104 described above in the first embodiment.
• Estimación de la distribución • Estimation of distribution
En la etapa S206, se deduce un indicador de distribución del conjunto de datos de la población estadística. Concretamente, se estima la distribución del conjunto de datos de la población estadística como valores continuos deduciendo, como un indicador de distribución, un m2 que se define mediante la siguiente ecuación (20). In step S206, a distribution indicator is derived from the statistical population data set. Specifically, the distribution of the statistical population data set is estimated as continuous values by deducing, as an indicator of distribution, an m2 that is defined by the following equation (20).
En este caso, “k2” es un número constante positivo predeterminado. El valor de k2 determina la asociación entre los valores principales y los grados de fiabilidad de las direcciones de eje principal correspondientes del conjunto de datos de la población estadística. En este caso, “m2” debe satisfacer la siguiente condición (21). In this case, "k2" is a predetermined positive constant number. The value of k2 determines the association between the main values and the degrees of reliability of the corresponding main axis directions of the statistical population data set. In this case, “m2” must satisfy the following condition (21).
0 ≤ m2<1 … (21) 0 ≤ m2 <1… (21)
El concepto espacial de m2 se describirá a continuación con referencia a la figura 1. Cuando los coeficientes de las componentes del vector g de posición temporal en las direcciones de eje principal de la distribución se indican mediante gα ygβ en un orden decreciente de los valores principales correspondientes y los coeficientes de las componentes del vector f de posición en las direcciones de eje principal de la distribución se indican mediante fα yfβ en un orden decreciente de los valores principales correspondientes, las relaciones entre el vector g de posición temporal, el vector f de corrección, y m2 en esta realización se expresan mediante las siguientes ecuaciones (22) y (23). The spatial concept of m2 will be described below with reference to Figure 1. When the coefficients of the components of the temporal position vector g in the main axis directions of the distribution are indicated by gα and gβ in a decreasing order of the main values corresponding and the coefficients of the components of the position vector f in the main axis directions of the distribution are indicated by fα and fβ in a decreasing order of the corresponding main values, the relationships between the time position vector g, the vector f of correction, and m2 in this embodiment are expressed by the following equations (22) and (23).
5 5
10 10
20 twenty
25 25
30 30
35 35
El factor de ponderación fα/gα asociado con la componente de la dirección de eje principal que se corresponde con el valor principal máximo puede ajustarse para ser menor que “1”. Además, si se satisfacen las siguientes condiciones, puede realizarse cualquier definición para “m2” determinada de tal forma que los factores de ponderación se corresponden continuamente con las proporciones de unos valores principales, sin limitarse a la definición de la ecuación (20). The weighting factor fα / gα associated with the principal axis direction component that corresponds to the maximum principal value can be adjusted to be less than "1". In addition, if the following conditions are satisfied, any definition for “m2” determined in such a way that the weighting factors continuously correspond to the proportions of some main values can be made, without being limited to the definition of equation (20).
- • •
- El intervalo de valores de m2 es [0, 1] o su subconjunto. The range of m2 values is [0, 1] or its subset.
- • •
- m2 ≠ 1 cuando λ2/ λ1=1 m2 ≠ 1 when λ2 / λ1 = 1
- • •
- se permite m2 = 1 cuando λ2/ λ1 = 0si λ2=0 m2 = 1 is allowed when λ2 / λ1 = 0 if λ2 = 0
- • •
- m2 disminuye de forma no estrictamente monótona a medida que λ2/ λ1 aumenta. m2 decreases not strictly monotonous as λ2 / λ1 increases.
Concretamente, m2 puede definirse, por ejemplo, mediante la siguiente ecuación (24). Specifically, m2 can be defined, for example, by the following equation (24).
en la que “s” y “k” son unos números reales no negativos y “sgn” es una función de signo que se expresa mediante la siguiente ecuación. in which "s" and "k" are non-negative real numbers and "sgn" is a sign function that is expressed by the following equation.
Debido a que se precisa una cantidad muy grande de cálculo para deducir un m2 que se define mediante la ecuación (24), los resultados de cálculo de la ecuación (24) con las entradas λ1y λ2 pueden almacenarse en una tabla de consulta de 2D y un valor aproximado de m2 puede deducirse entonces con referencia a la tabla de consulta de 2D. Los índices “s” y “k” se ajustan dependiendo de las realizaciones debido a que los efectos de ponderación varían dependiendo de sus valores. Las figuras 9 y 10 son gráficas que representan unos efectos de ponderación que varían dependiendo de los índices “s” y “k”. La figura 9 muestra la relación entre la proporción de los valores propios (λ2/ λ1) y el factor m2 de ponderación cuando “s” se fija a 1 y “k” se ajusta a 1/4, 1, y 4 en la ecuación (24). La figura 10 muestra la relación entre la proporción de los valores propios (λ2/ λ1) y el factor m2 de ponderación cuando “k” se fija a 1/4 y “s” se ajusta a 1/2, 1, y 2 en la ecuación (24). Because a very large amount of calculation is required to deduce a m2 that is defined by equation (24), the calculation results of equation (24) with the inputs λ1 and λ2 can be stored in a 2D query table and an approximate value of m2 can then be deduced with reference to the 2D query table. The indexes "s" and "k" are adjusted depending on the embodiments because the weighting effects vary depending on their values. Figures 9 and 10 are graphs that represent weighting effects that vary depending on the indices "s" and "k". Figure 9 shows the relationship between the proportion of the eigenvalues (λ2 / λ1) and the weighting factor m2 when “s” is set to 1 and “k” is set to 1/4, 1, and 4 in the equation (24). Figure 10 shows the relationship between the proportion of the eigenvalues (λ2 / λ1) and the weighting factor m2 when “k” is set to 1/4 and “s” is set to 1/2, 1, and 2 in the equation (24).
Cuando un sensor magnético se monta en un cuerpo u objeto en movimiento tal como un teléfono móvil o un asistente digital personal (PDA, Personal Digital Assistant), la actitud o la postura del cual cambia con una alta frecuencia o velocidad angular, puede esperarse que la distribución de un conjunto de datos magnéticos almacenados en un periodo de tiempo determinado sea como promedio relativamente abierta. En caso de que la distribución de los datos magnéticos no fuera tan abierta, la precisión de la compensación se degradaría bastante si la corrección de compensación se lleva a cabo evaluando de manera significativa el grupo de datos magnéticos de la dirección de eje principal que tiene el valor principal pequeño debido a que un grupo de datos magnéticos de este tipo tiene una baja fiabilidad. Por lo tanto, en caso de que la invención se aplique a un objeto en movimiento en el que la distribución del grupo de datos magnéticos tiende a hacerse relativamente abierta, los valores de los parámetros s y k deberían ajustarse de modo que el grupo de datos magnéticos de la dirección de eje principal que tiene el valor principal pequeño se evalúa de manera significativa sólo si la distribución de los datos magnéticos es considerablemente abierta. En este caso, puesto que el valor de m2 en la ecuación (24) se hace más pequeño, esto significa que el peso en la dirección de eje principal de la distribución que tiene el valor principal pequeño se hace When a magnetic sensor is mounted on a moving body or object such as a mobile phone or a personal digital assistant (PDA), the attitude or posture of which changes with a high frequency or angular speed, it can be expected that The distribution of a set of magnetic data stored in a given period of time is as a relatively open average. In the event that the distribution of the magnetic data is not so open, the accuracy of the compensation would be greatly degraded if the compensation correction is carried out by significantly evaluating the group of magnetic data of the main axis direction having the Small main value because a group of magnetic data of this type has low reliability. Therefore, if the invention is applied to a moving object in which the distribution of the magnetic data group tends to become relatively open, the values of the syk parameters should be adjusted so that the magnetic data group of The main axis direction having the small main value is evaluated significantly only if the distribution of the magnetic data is considerably open. In this case, since the value of m2 in equation (24) becomes smaller, this means that the weight in the main axis direction of the distribution that has the small main value is made
5 5
10 10
15 fifteen
20 twenty
25 25
30 30
35 35
40 40
mayor. Como consecuencia, en caso de que la ecuación (24) se aplique a un objeto en movimiento que cambia su postura con una velocidad angular rápida, es deseable ajustar el parámetro s con un valor relativamente grande y ajustar el parámetro k con un valor relativamente pequeño. higher. As a consequence, if equation (24) is applied to a moving object that changes its position with a fast angular velocity, it is desirable to adjust parameter s with a relatively large value and adjust parameter k with a relatively small value .
Por otra parte, cuando un sensor magnético se monta en un cuerpo u objeto en movimiento tal como un automóvil, la actitud o la postura del cual cambia con una frecuencia angular baja, se supone que la distribución de un conjunto de datos magnéticos almacenados en un periodo de tiempo determinado será relativamente compacta como promedio. En un caso de este tipo, la precisión de la compensación no se mejorará si la corrección de compensación se lleva a cabo mientras el grupo de datos magnéticos de la dirección de eje principal que tiene el valor principal pequeño no se evalúa con un peso considerable aunque un grupo de datos magnéticos de este tipo no es tan fiable, cuando la distribución de los datos magnéticos no es tan abierta. Como consecuencia, en caso de que la ecuación (24) se aplique a un objeto en movimiento que cambia su postura con una velocidad angular baja, es deseable ajustar el parámetro s con un valor relativamente pequeño y ajustar el parámetro k con un valor relativamente grande. On the other hand, when a magnetic sensor is mounted on a moving body or object such as a car, the attitude or posture of which changes with a low angular frequency, it is assumed that the distribution of a set of magnetic data stored in a Determined period of time will be relatively compact on average. In such a case, the accuracy of the compensation will not be improved if the compensation correction is carried out while the magnetic data group of the main axis direction having the small main value is not evaluated with a considerable weight although Such a group of magnetic data is not as reliable, when the distribution of the magnetic data is not so open. As a consequence, if equation (24) is applied to a moving object that changes its position with a low angular velocity, it is desirable to adjust parameter s with a relatively small value and adjust parameter k with a relatively large value .
• Deducción de la compensación nueva • Deduction of new compensation
Cuando es difícil deducir una solución para el problema de optimización con una condición de restricción específica, puede introducirse un problema de relajación para resolver el problema de optimización relajando la condición de restricción. Aplicando este problema de relajación, esta realización lleva a cabo un proceso para deducir una compensación c nueva como la suma de la compensación c0 antigua y un vector f de corrección que se obtiene ponderando los coeficientes gα ygβ del vector g de posición temporal (véase la figura 1) que se describió anteriormente ponderando unos factores que se corresponden continuamente con las proporciones de los valores principales de la distribución del conjunto de datos de la población estadística. Lo siguiente son detalles de este proceso. When it is difficult to deduce a solution for the optimization problem with a specific restriction condition, a relaxation problem can be introduced to solve the optimization problem by relaxing the restriction condition. Applying this relaxation problem, this embodiment carries out a process to deduce a new compensation c such as the sum of the old compensation c0 and a correction vector f obtained by weighing the coefficients gα and gβ of the vector g of temporal position (see Figure 1) described above, weighing factors that continually correspond to the proportions of the main values of the distribution of the data set of the statistical population. The following are details of this process.
Un multiplicador p constante no conocido se define como una variable que se requiere para los cálculos durante el proceso, agrupándose c y p conjuntamente en un vector “x” que se define mediante la siguiente ecuación (26). An unknown constant multiplier p is defined as a variable that is required for calculations during the process, c and p grouped together in a vector "x" that is defined by the following equation (26).
Además, una matriz “B” se define mediante la ecuación (27) y un vector “b” se define mediante la ecuación (28). In addition, a matrix "B" is defined by equation (27) and a vector "b" is defined by equation (28).
El proceso para deducir una compensación nueva en la etapa S208 es encontrar una solución para el siguiente sistema de ecuaciones (29). El vector x se especifica de forma única debido a que la matriz B debe de ser regular. The process to deduce a new compensation in step S208 is to find a solution for the following system of equations (29). The vector x is uniquely specified because the matrix B must be regular.
Bx=b… (29) Bx = b… (29)
Encontrar una solución para el sistema de ecuaciones (29) es equivalente a resolver el problema de optimización para minimizar la función objetivo de la ecuación (12) con una condición de restricción de que una compensación nueva se obtenga como la suma de la compensación c0 antigua y un vector f de corrección cuyas componentes son valores que se obtienen ponderando los coeficientes del vector g de posición en las direcciones de eje principal de la distribución que se corresponde con los valores principales mediante unos factores fα/gα yfβ/gβ que se corresponden continuamente con las proporciones de los valores principales de la distribución del conjunto de datos de la población estadística. Finding a solution to the system of equations (29) is equivalent to solving the optimization problem to minimize the objective function of equation (12) with a condition of restriction that a new compensation is obtained as the sum of the old compensation c0 and a correction vector f whose components are values that are obtained by weighing the coefficients of the position vector g in the main axis directions of the distribution corresponding to the main values by means of factors fα / gα and fβ / gβ that correspond continuously with the proportions of the main values of the distribution of the data set of the statistical population.
En la segunda realización, es sencillo desarrollar o mejorar el módulo 94 de deducción de compensación y el tamaño de los datos del módulo 94 de deducción de compensación se disminuye también debido a que no hay necesidad de ramificar el proceso de deducción de compensación nueva de acuerdo con la distribución del conjunto de datos de la población estadística tal como se describió anteriormente. Además, la segunda realización aumenta la eficiencia en cuanto al uso con la que el módulo 94 de deducción de compensación usa el conjunto de datos de la población estadística y también permite que el módulo de deducción de orientación corrija los datos magnéticos usando la compensación más probable debido a que la compensación antigua puede corregirse en las direcciones de eje principal de la distribución mediante unas distancias que se corresponden continuamente con las proporciones de los valores principales del conjunto de datos de la población estadística a menos que alguno de los valores principales sea cero. In the second embodiment, it is simple to develop or improve the compensation deduction module 94 and the data size of the compensation deduction module 94 is also decreased because there is no need to branch out the new compensation deduction process accordingly with the distribution of the statistical population data set as described above. In addition, the second embodiment increases the efficiency in terms of the use with which the compensation deduction module 94 uses the statistical population data set and also allows the orientation deduction module to correct the magnetic data using the most likely compensation because the old compensation can be corrected in the main axis directions of the distribution by means of distances that continually correspond with the proportions of the main values of the statistical population data set unless one of the main values is zero.
C. Otras realizaciones C. Other embodiments
El primer aspecto de la presente invención no está limitado a las realizaciones anteriores y son posibles diversas realizaciones sin alejarse del alcance de las presentes reivindicaciones. Por ejemplo, el primer aspecto de la presente invención puede aplicarse también a un sensor magnético que se monta en una PDA, un teléfono móvil, un vehículo de motor de dos ruedas, una embarcación, o similar. The first aspect of the present invention is not limited to the above embodiments and various embodiments are possible without departing from the scope of the present claims. For example, the first aspect of the present invention can also be applied to a magnetic sensor that is mounted on a PDA, a mobile phone, a two-wheeled motor vehicle, a vessel, or the like.
A continuación, se describe un principio y algoritmo que se usa en el segundo aspecto de la invención posteriormente en detalle con referencia a la figura 11. Los puntos clave de este algoritmo son que se estima que un conjunto de datos magnéticos distribuidos en una dirección de eje principal con una dispersión más grande son unos elementos más significativos de la población estadística para su uso en la actualización de la compensación y que se estima que un conjunto de datos magnéticos distribuidos en una dirección de eje principal con una dispersión más pequeña son unos elementos menos significativos de la población estadística para su uso en la actualización de la compensación. Los detalles son tal como se indica a continuación. Cada una de la compensación c0 antigua, la compensación c nueva, y la compensación temporal, que se corresponde con la posición del punto de extremo de “g” en relación con el punto de origen “0”, son unos datos de vector de posición de 3D que son una combinación lineal de un conjunto de vectores fundamentales de los datos magnéticos. Es decir, cada una de las compensaciones son unos datos de vector representados en el sistema de coordenadas xyz. La compensación c nueva se deduce basándose en la compensación c0 antigua y en un conjunto de datos magnéticos que se almacena para actualizar la compensación c0 antigua con la compensación c nueva. Next, a principle and algorithm that is used in the second aspect of the invention will be described later in detail with reference to Figure 11. The key points of this algorithm are that it is estimated that a set of magnetic data distributed in a direction of main axis with a larger dispersion are more significant elements of the statistical population for use in updating the compensation and that it is estimated that a set of magnetic data distributed in a main axis direction with a smaller dispersion are elements less significant of the statistical population for use in the compensation update. The details are as indicated below. Each of the old compensation c0, the new compensation c, and the temporary compensation, which corresponds to the position of the end point of "g" in relation to the origin point "0", are position vector data of 3D that are a linear combination of a set of fundamental vectors of magnetic data. That is, each of the offsets are vector data represented in the xyz coordinate system. The new c compensation is deducted based on the old c0 compensation and a magnetic data set that is stored to update the old c0 compensation with the new c compensation.
El conjunto de datos de la población estadística, que es un conjunto de datos magnéticos almacenados para actualizar la compensación antigua con la compensación c nueva, puede incluir un conjunto de datos magnéticos que se han almacenado en un periodo de tiempo predeterminado y puede incluir un conjunto de datos magnéticos que incluye un número predeterminado de datos magnéticos y puede también incluir un conjunto de datos magnéticos que incluye cualquier número de datos magnéticos que se han almacenado en un instante determinado (por ejemplo, en el instante en el que se hace una solicitud de actualización de compensación). La compensación c0 antigua puede deducirse usando el mismo procedimiento que la compensación c nueva y puede también determinarse previamente. The statistical population data set, which is a set of magnetic data stored to update the old compensation with the new compensation c, may include a set of magnetic data that has been stored in a predetermined period of time and may include a set of magnetic data that includes a predetermined number of magnetic data and may also include a set of magnetic data that includes any number of magnetic data that has been stored at a given time (for example, at the time a request is made for compensation update). The old compensation c0 can be deduced using the same procedure as the new compensation c and can also be determined previously.
Aunque se define que la compensación temporal va a deducirse a partir del conjunto de datos de la población estadística sin el uso de la compensación c0 antigua, esta definición se introduce para definir la condición de restricción con la que se deduce la compensación c nueva y la compensación temporal no es realmente unos datos que sea necesario deducir. Si la compensación temporal se deduce realmente a partir del conjunto de datos de la población estadística sin el uso de la compensación c0 antigua, la compensación temporal es un vector de posición del centro de una superficie esférica cerca de la que se distribuye el conjunto de datos de la población estadística. No obstante, si el conjunto de datos de la población estadística está distribuido de manera no uniforme en una parte de la superficie esférica que se deduce a partir del conjunto de datos de la población estadística, un error incluido en cada elemento del conjunto de datos de la población estadística afecta en gran medida al resultado de deducción de la superficie esférica y de este modo hay una posibilidad de que se deduzca una compensación temporal distante de la compensación verdadera. Considérese, por ejemplo, que un conjunto de datos de la población estadística se distribuye en una distribución con forma de toroide con vectores u1, u2, y u3 propios ortogonales entre sí y la varianza del conjunto de datos de la población estadística se minimiza en la dirección del vector u3 propio que se corresponde con el valor principal mínimo tal como se muestra en la figura 11. En este caso, debido a que la varianza del conjunto de datos de la población estadística es pequeña en la dirección del vector u3 propio de la distribución, hay una alta probabilidad de que la posición de una compensación temporal que se deduce a partir del conjunto de datos de la población estadística se encuentre distante de la posición de la compensación verdadera en la dirección del vector u3 propio. Por otra parte, en este caso, debido a que la varianza del conjunto de datos de la población estadística es grande en la dirección del vector u1 propio de la distribución, hay una alta probabilidad de que la posición de la compensación temporal que se deduce a partir del conjunto de datos de la población estadística se encuentre cerca de la posición de la compensación verdadera en la dirección del vector u1 propio. Although it is defined that the temporary compensation is to be deduced from the statistical population data set without the use of the old c0 compensation, this definition is introduced to define the restriction condition with which the new c compensation is deducted and the Temporary compensation is not really data that needs to be deducted. If the temporary compensation is actually deduced from the data set of the statistical population without the use of the old c0 compensation, the temporary compensation is a position vector of the center of a spherical surface near which the data set is distributed of the statistical population. However, if the statistical population data set is unevenly distributed on a part of the spherical surface that is deduced from the statistical population data set, an error included in each element of the data set of the statistical population greatly affects the result of deduction of the spherical surface and in this way there is a possibility that a temporary compensation distant from the true compensation can be deduced. Consider, for example, that a set of statistical population data is distributed in a toroid-shaped distribution with vectors u1, u2, and own orthogonal vectors to each other and the variance of the statistical population data set is minimized in the direction of the own vector u3 corresponding to the minimum principal value as shown in figure 11. In this case, because the variance of the data set of the statistical population is small in the direction of the vector u3 own of the distribution, there is a high probability that the position of a temporary compensation that is deduced from the data set of the statistical population is distant from the position of the true compensation in the direction of the own vector u3. On the other hand, in this case, because the variance of the data set of the statistical population is large in the direction of the vector u1 proper of the distribution, there is a high probability that the temporary compensation position that is deducted from from the data set of the statistical population, it is close to the position of the true compensation in the direction of the vector u1 itself.
Debido a que las varianzas en las direcciones de eje principal de la distribución pueden expresarse usando los valores λ1, λ2, y λ3 principales de la distribución como unos indicadores de la distribución, este dispositivo estima unos elementos de población estadística distribuidos en las direcciones que se corresponden respectivamente con los valores principales de acuerdo con las proporciones de los valores λ1, λ2, y λ3 principales. Concretamente, en primer lugar, puede definirse un vector f de corrección, que es un vector de posición de la compensación c nueva en relación con la compensación c0 antigua, y un vector g de posición de la compensación temporal en relación con la compensación c0 antigua en un sistema de coordenadas que tiene unos ejes α, β,y γ coordenados que coinciden con las direcciones de eje principal de la distribución. Es decir, puede definirse que cada uno del vector f de corrección y el vector g de posición es una combinación lineal de los vectores fundamentales de las direcciones de eje principal de la distribución. Esto se corresponde con una conversión en unos valores de los ejes principales. Si las componentes fα,fβ,yfγ del vector f de corrección se deducen ponderando las componentes gα,gβ,ygγ del vector g de posición de la compensación temporal en relación con la compensación c0 antigua de acuerdo con las medidas de los valores u1, u2, y u3 principales correspondientes de la distribución, es posible deducir el vector f de corrección aumentando la fiabilidad de los elementos de población estadística en unas direcciones con una dispersión grande y disminuyendo la fiabilidad de los elementos de población estadística en unas direcciones con una dispersión pequeña. No obstante, tales definiciones del vector f de corrección y el vector g de posición se introducen también para definir la condición de restricción con la que se deduce la compensación c nueva y cada uno del vector f de corrección y el vector g de posición no son realmente unos datos que sea necesario deducir. Because the variances in the main axis directions of the distribution can be expressed using the main λ1, λ2, and λ3 values of the distribution as distribution indicators, this device estimates statistical population elements distributed in the directions that are correspond respectively to the main values according to the proportions of the main λ1, λ2, and λ3 values. Specifically, first, a correction vector f can be defined, which is a position vector of the new compensation c in relation to the old compensation c0, and a position vector g of the temporary compensation in relation to the old compensation c0 in a coordinate system that has coordinate α, β, and γ axes that coincide with the main axis directions of the distribution. That is, it can be defined that each of the correction vector f and the position vector g is a linear combination of the fundamental vectors of the main axis directions of the distribution. This corresponds to a conversion into values of the main axes. If the components fα, fβ, and fγ of the correction vector f are deduced by weighing the components gα, gβ, ygγ of the position vector g of the temporary compensation in relation to the old compensation c0 according to the measures of the values u1, u2 , and a corresponding principal of the distribution, it is possible to deduce the correction vector f by increasing the reliability of the statistical population elements in some directions with a large dispersion and decreasing the reliability of the statistical population elements in some directions with a small dispersion. . However, such definitions of the correction vector f and the position vector g are also introduced to define the restriction condition with which the new compensation c is deducted and each of the correction vector f and the position vector g are not really some data that is necessary to deduce.
Deduciendo la compensación c nueva con una condición de restricción de que la compensación c nueva se obtenga como la suma de la compensación c0 antigua y el vector f de corrección que se determina tal como se describió anteriormente, es posible deducir la compensación nueva mientras se estima que un conjunto de datos magnéticos distribuidos en una dirección de eje principal con una dispersión más grande son elementos más significativos de la población estadística para su uso en la actualización de la compensación y un conjunto de datos magnéticos distribuidos en una dirección de eje principal con una dispersión más pequeña son elementos menos significativos de la población estadística para su uso en la actualización de la compensación. Una técnica a modo de ejemplo para deducir la compensación nueva de esta forma es formular la distribución como un problema de optimización. Si se deduce una compensación nueva como un problema de optimización de la distribución con una condición de restricción, la compensación nueva puede deducirse resolviendo un sistema de ecuaciones lineales sencillas tal como se describe más adelante en las realizaciones. Es decir, con independencia de cómo sea la distribución del conjunto de datos de la población estadística, es posible para este dispositivo deducir, a través de un proceso sencillo, la compensación nueva más probable que puede deducirse a partir del conjunto de datos de la población estadística. By deducting the new compensation c with a restriction condition that the new compensation c be obtained as the sum of the old compensation c0 and the correction vector f determined as described above, it is possible to deduct the new compensation while it is estimated that a set of magnetic data distributed in a main axis direction with a larger dispersion are more significant elements of the statistical population for use in updating the compensation and a set of magnetic data distributed in a main axis direction with a Smaller dispersion are less significant elements of the statistical population for use in the compensation update. An example technique for deducing new compensation in this way is to formulate distribution as an optimization problem. If a new compensation is deducted as a distribution optimization problem with a restriction condition, the new compensation can be deduced by solving a system of simple linear equations as described later in the embodiments. That is, regardless of the distribution of the statistical population data set, it is possible for this device to deduce, through a simple process, the most likely new compensation that can be deduced from the population data set. statistics.
En el dispositivo de procesamiento de datos magnéticos de la invención, la condición de restricción puede ser que un factor de ponderación del vector de posición para el coeficiente de uno de los segundos vectores fundamentales en una de las direcciones de eje principal que se corresponde con uno mínimo de los valores principales sea cero si una proporción de uno intermedio de los valores principales con uno máximo de los valores principales es más alta que un primer umbral y una proporción del valor principal mínimo con el valor principal máximo es igual a o menor que un segundo umbral y que unos factores de ponderación respectivos del vector de posición tanto para el coeficiente del segundo vector fundamental en la dirección de eje principal que se corresponde con el valor principal mínimo como para el coeficiente de otro de los segundos vectores fundamentales en una de las direcciones de eje principal que se corresponde con el valor principal intermedio sean cero si la proporción del valor principal intermedio con el valor principal máximo es igual a o menor que el primer umbral y la proporción del valor principal mínimo con el valor principal máximo es igual a o menor que el segundo umbral. In the magnetic data processing device of the invention, the restriction condition may be that a weighting factor of the position vector for the coefficient of one of the second fundamental vectors in one of the main axis directions corresponding to one minimum of the main values is zero if a proportion of one intermediate of the main values with a maximum of the main values is higher than a first threshold and a proportion of the minimum main value with the maximum main value is equal to or less than a second threshold and that respective weighting factors of the position vector both for the coefficient of the second fundamental vector in the principal axis direction corresponding to the minimum principal value and for the coefficient of another of the second fundamental vectors in one of the directions of the main axis that corresponds to the intermediate principal value are zero if the proportion of the intermediate principal value with the maximum principal value is equal to or less than the first threshold and the proportion of the minimum principal value with the maximum principal value is equal to or less than the second threshold.
Este dispositivo estima de forma discreta la distribución del conjunto de datos de la población estadística y pondera de forma discreta los coeficientes del vector de posición de la compensación temporal en relación con la compensación c0 antigua de acuerdo con el resultado de la estimación discreta. Concretamente, el peso del coeficiente del vector g de posición en la dirección en la que el valor de la distribución es el valor mínimo es “0”. También el peso del coeficiente del vector g de posición en la dirección en la que el valor de la distribución es el valor intermedio es “0” si el valor de la distribución es pequeño en la dirección. Es decir, no se estiman datos magnéticos en unas direcciones en las que el valor de la distribución es más pequeño que un umbral. This device discreetly estimates the distribution of the data set of the statistical population and discreetly weights the coefficients of the position vector of the temporary compensation in relation to the old compensation c0 according to the result of the discrete estimate. Specifically, the weight of the coefficient of the position vector g in the direction in which the value of the distribution is the minimum value is "0". Also the weight of the coefficient of the position vector g in the direction in which the value of the distribution is the intermediate value is "0" if the value of the distribution is small in the direction. That is, magnetic data is not estimated in directions in which the value of the distribution is smaller than a threshold.
En el dispositivo de procesamiento de datos magnéticos de la invención, la condición de restricción puede ser que los coeficientes del vector de corrección sean unos valores que se obtienen ponderando los coeficientes del vector de posición ponderando unos factores que se corresponden continuamente con las proporciones de los valores principales de la distribución del conjunto de datos de la población estadística. Este dispositivo puede aumentar la eficiencia sustancial en cuanto al uso del conjunto de datos de la población estadística debido a que los factores de ponderación tienen una asociación continua con la distribución. Además, el dispositivo puede simplificar el proceso de actualización de compensación debido a que es posible deducir la compensación nueva sin cambiar el proceso de acuerdo con la distribución del conjunto de datos de la población estadística. In the magnetic data processing device of the invention, the restriction condition may be that the coefficients of the correction vector are values that are obtained by weighing the coefficients of the position vector by weighing factors that continuously correspond to the proportions of the main values of the distribution of the statistical population data set. This device can increase the substantial efficiency in the use of the statistical population data set because the weighting factors have a continuous association with the distribution. In addition, the device can simplify the compensation update process because it is possible to deduct the new compensation without changing the process according to the distribution of the statistical population data set.
En el dispositivo de deducción de compensación de sensor magnético de la invención, los factores de ponderación respectivos para los coeficientes del vector de posición pueden normalizarse ajustando, a uno, el factor de ponderación para el coeficiente del segundo vector fundamental en la dirección de eje principal que se corresponde con el valor principal máximo. En el caso en el que se introducen unos indicadores de estimación de la distribución del conjunto de datos magnéticos de la población estadística que no son los valores principales de la distribución, no es necesario normalizar los factores de ponderación ajustando el factor de ponderación máximo a uno. Por ejemplo, el factor de ponderación máximo puede ajustarse a menor que uno de acuerdo con la proporción de la distancia máxima entre los datos magnéticos en una dirección de eje principal (es decir, la dirección principal) que se corresponde con el valor principal máximo con el radio de una esfera que se ha deducido como una superficie esférica, que tiene una parte cerca de la que se distribuye un conjunto de datos magnéticos de la población estadística, basándose en el conjunto de datos magnéticos de la población estadística. In the magnetic sensor compensation deduction device of the invention, the respective weighting factors for the position vector coefficients can be normalized by adjusting, to one, the weighting factor for the coefficient of the second fundamental vector in the main axis direction. which corresponds to the maximum principal value. In the case where indicators for estimating the distribution of the magnetic data set of the statistical population that are not the main values of the distribution are introduced, it is not necessary to normalize the weighting factors by adjusting the maximum weighting factor to one . For example, the maximum weighting factor can be set to less than one according to the proportion of the maximum distance between the magnetic data in a main axis direction (i.e., the main direction) that corresponds to the maximum main value with the radius of a sphere that has been deduced as a spherical surface, which has a part near which a set of magnetic data of the statistical population is distributed, based on the set of magnetic data of the statistical population.
En el dispositivo de procesamiento de datos magnéticos de la invención, los medios de deducción de compensación In the magnetic data processing device of the invention, the compensation deduction means
5 5
10 10
15 fifteen
20 twenty
25 25
30 30
35 35
40 40
45 Four. Five
pueden deducir una “c” que minimiza la siguiente función f(c) objetivo con la condición de restricción: f(c) = (Xc –j)T (Xc –j), en la que “X” y “j” son tal como se indica a continuación cuando los datos magnéticos se representan mediante qi = (qix, qiy, qiz) (i = 0, 1, 2,...): they can deduce a “c” that minimizes the following objective function f (c) with the restriction condition: f (c) = (Xc –j) T (Xc –j), in which “X” and “j” are as indicated below when the magnetic data is represented by qi = (qix, qiy, qiz) (i = 0, 1, 2, ...):
Debido a que este dispositivo deduce una compensación nueva como un problema de optimización de la distribución con una condición de restricción, es posible deducir la compensación nueva resolviendo un sistema de ecuaciones lineales sencillas tal como se describe más adelante en las realizaciones. Es decir, con independencia de cómo sea la distribución del conjunto de datos de la población estadística, es posible para este dispositivo deducir, a través de un proceso sencillo, la compensación nueva más probable que puede deducirse a partir del conjunto de datos de la población estadística. Because this device deduces a new compensation as a distribution optimization problem with a restriction condition, it is possible to deduce the new compensation by solving a system of simple linear equations as described later in the embodiments. That is, regardless of the distribution of the statistical population data set, it is possible for this device to deduce, through a simple process, the most likely new compensation that can be deduced from the population data set. statistics.
Un aparato de medición magnética según la invención comprende el dispositivo de procesamiento de datos magnéticos que se describió anteriormente; y el sensor magnético de 3D. Con independencia de cómo sea la distribución del conjunto de datos de la población estadística, es posible para este dispositivo deducir, a través de un proceso sencillo, la compensación nueva más probable que puede deducirse a partir del conjunto de datos de la población estadística. A magnetic measuring apparatus according to the invention comprises the magnetic data processing device described above; and the 3D magnetic sensor. Regardless of the distribution of the statistical population data set, it is possible for this device to deduce, through a simple process, the most likely new compensation that can be deduced from the statistical population data set.
La función de cada uno de la pluralidad de medios que se incluye en el dispositivo de la presente invención se lleva a cabo mediante un recurso de hardware, especificándose la función de este mediante su construcción, un recurso de hardware, especificándose la función de este mediante un programa, o una combinación de estos recursos. La función de cada uno de la pluralidad de medios no se lleva a cabo necesariamente mediante un recurso de hardware físicamente independiente. La presente invención puede especificarse no sólo mediante un dispositivo sino también mediante un programa, un medio de grabación en el que se graba el programa, y un procedimiento. Las operaciones del procedimiento que se describen en las reivindicaciones no se llevan a cabo necesariamente en el orden tal como se describe en las reivindicaciones y pueden realizarse en cualquier otro orden o al mismo tiempo, con la condición de que no haya impedimentos técnicos. The function of each of the plurality of media that is included in the device of the present invention is carried out by means of a hardware resource, the function of this being specified by its construction, a hardware resource, the function of this being specified by a program, or a combination of these resources. The function of each of the plurality of media is not necessarily carried out by a physically independent hardware resource. The present invention can be specified not only by a device but also by a program, a recording medium in which the program is recorded, and a method. The operations of the procedure described in the claims are not necessarily carried out in the order as described in the claims and can be carried out in any other order or at the same time, with the proviso that there are no technical impediments.
Las realizaciones del segundo aspecto de la presente invención se describirán en el siguiente orden. The embodiments of the second aspect of the present invention will be described in the following order.
A. Primera realización A. First realization
[1. Descripción general] [one. General description]
1–1. Estructura del hardware 1–2. Estructura del software 1–1. Hardware structure 1–2. Software structure
[2. Método] [2. Method]
2–1. Flujo global 2–2. Actualización de la memoria intermedia 2–3. Estimación de la distribución 2–4. Deducción de la compensación nueva a través del problema de optimización 2–5. Condición de restricción cuando la distribución es bidimensional 2–6. Condición de restricción cuando la distribución es sustancialmente unidimensional 2–7. Deducción de la compensación nueva cuando la distribución es tridimensional 2–8. Resumen 2–1. Global flow 2–2. Buffer update 2–3. Estimation of distribution 2–4. Deduction of new compensation through optimization problem 2–5. Restriction condition when the distribution is two-dimensional 2–6. Restriction condition when the distribution is substantially one-dimensional 2–7. Deduction of the new compensation when the distribution is three-dimensional 2–8. Summary
B. Segunda realización B. Second embodiment
- • •
- Visión de conjunto Overview
- • •
- Estimación de la distribución Distribution Estimate
- • •
- Deducción de la compensación nueva Deduction of new compensation
- C. C.
- Otras realizaciones Other realizations
[Descripción general] 1–1. Estructura del hardware [General description] 1–1. Hardware structure
La figura 12 es un diagrama esquemático de la apariencia externa de un teléfono 3 móvil que es un ejemplo de un cuerpo en movimiento al que se aplica la presente invención. El teléfono 3 móvil incluye un sensor 4 magnético de tres dimensiones (de 3D). El sensor 4 magnético de 3D detecta la dirección y la intensidad de un campo magnético detectando unas intensidades respectivas del campo magnético en tres direcciones ortogonales (x, y, z). Un visualizador 2 del teléfono 3 móvil visualiza una variedad de información de imágenes o de caracteres. Por ejemplo, el visualizador 2 visualiza un mapa y una flecha o caracteres que representan la orientación (o el azimut). Figure 12 is a schematic diagram of the external appearance of a mobile telephone 3 that is an example of a moving body to which the present invention is applied. The mobile phone 3 includes a three-dimensional magnetic sensor (3D). The 3D magnetic sensor 4 detects the direction and intensity of a magnetic field by detecting respective intensities of the magnetic field in three orthogonal directions (x, y, z). A display 2 of the mobile phone 3 displays a variety of image or character information. For example, display 2 displays a map and an arrow or characters that represent the orientation (or azimuth).
La figura 13 es un diagrama de bloques de un dispositivo de medición magnética que incluye un sensor 4 magnético de 3D y un dispositivo 1 de procesamiento de datos magnéticos. El sensor 4 magnético de 3D incluye unos sensores 30, 32, y 34 de eje x, y, y z que detectan unas componentes x, y, y z de dirección de un vector de campo magnético debido al magnetismo terrestre. Cada uno de los sensores 30, 32, y 34 de eje x, y, y z incluye un elemento de resistencia magnética, un sensor de efecto Hall, o similar, que puede ser cualquier tipo de sensor magnético de una dimensión con la condición de que presente directividad. Los sensores 30, 32, y 34 de eje x, y, y z se fijan de modo que sus direcciones de detección son perpendiculares entre sí. Las salidas de los sensores 30, 32, y 34 de eje x, y, y z se dividen en tiempo y se introducen como entrada en una interfaz (I/F) 22 de sensor magnético. La interfaz 22 de sensor magnético convierte de analógico a digital unas entradas a partir de los sensores 30, 32, y 34 de eje x, y, y z después de amplificar las entradas. Los datos magnéticos digitales que se emiten como salida a partir de la interfaz 22 de sensor magnético se introducen como entrada en el dispositivo 1 de procesamiento de datos magnéticos a través de un bus 5. Figure 13 is a block diagram of a magnetic measuring device that includes a 3D magnetic sensor 4 and a magnetic data processing device 1. The 3D magnetic sensor 4 includes sensors 30, 32, and 34 of the x, y, and z axis that detect x, y, and z directional components of a magnetic field vector due to terrestrial magnetism. Each of the 30, 32, and 34 x-axis sensors, y, yz includes a magnetic resistance element, a Hall effect sensor, or the like, which can be any type of magnetic sensor of one dimension with the condition that Present directivity. The sensors 30, 32, and 34 of the x-axis, y, and z are set so that their detection directions are perpendicular to each other. The outputs of the 30, 32, and 34 x-axis sensors, y, and z are divided into time and input as input into a magnetic sensor interface (I / F) 22. The magnetic sensor interface 22 converts analogs to digital inputs from the sensors 30, 32, and 34 of the x-axis, y, and z after amplifying the inputs. The digital magnetic data that is output as output from the magnetic sensor interface 22 is input as input into the magnetic data processing device 1 via a bus 5.
El dispositivo 1 de procesamiento de datos magnéticos es un ordenador que incluye una CPU 40, una ROM 42, y una RAM 44. La CPU 40 controla unas operaciones globales de, por ejemplo, el teléfono 3 móvil. La ROM 42 es un medio de almacenamiento no volátil que almacena un programa de procesamiento de datos magnéticos o una variedad de programas (por ejemplo, un programa de navegación) que se usan para implementar unas funciones del cuerpo en movimiento, que se ejecutan mediante la CPU 40. La RAM 44 es un medio de almacenamiento volátil que almacena temporalmente unos datos que van a procesarse mediante la CPU 40. El dispositivo 1 de procesamiento de datos magnéticos y el sensor 4 magnético de 3D pueden construirse como un dispositivo de medición magnética de un sólo circuito integrado. The magnetic data processing device 1 is a computer that includes a CPU 40, a ROM 42, and a RAM 44. The CPU 40 controls global operations of, for example, the mobile phone 3. ROM 42 is a non-volatile storage medium that stores a magnetic data processing program or a variety of programs (for example, a navigation program) that are used to implement some functions of the moving body, which are executed by means of the CPU 40. The RAM 44 is a volatile storage medium that temporarily stores data to be processed by the CPU 40. The magnetic data processing device 1 and the 3D magnetic sensor 4 can be constructed as a magnetic measuring device of One integrated circuit
1–2. Estructura del software 1–2. Software structure
La figura 14 es un diagrama de bloques de un programa 90 de procesamiento de datos magnéticos. El programa 90 de procesamiento de datos magnéticos se almacena en la ROM 42 para proporcionar datos de orientación a un programa 98 de navegación. Los datos de orientación son unos datos de vector de 2D que representan la orientación del campo magnético de la Tierra. Como datos de vector de 3D para la detección de actitud de, por ejemplo, un cuerpo en movimiento, los datos de orientación pueden proporcionarse a otras aplicaciones. El programa 90 de procesamiento de datos magnéticos se construye como un grupo de módulos tales como un módulo 92 de gestión de memoria intermedia, un módulo 94 de deducción de compensación, y un módulo 96 de deducción de orientación. Fig. 14 is a block diagram of a magnetic data processing program 90. The magnetic data processing program 90 is stored in the ROM 42 to provide orientation data to a navigation program 98. The orientation data is 2D vector data that represents the orientation of the Earth's magnetic field. As 3D vector data for the attitude detection of, for example, a moving body, the orientation data can be provided to other applications. The magnetic data processing program 90 is constructed as a group of modules such as an intermediate memory management module 92, a compensation deduction module 94, and an orientation deduction module 96.
El módulo 92 de gestión de memoria intermedia es una parte de programa que recibe una pluralidad de datos magnéticos de forma secuencial que se emiten como salida a partir del sensor 4 magnético y almacena los datos magnéticos recibidos en una memoria intermedia con el fin de usar los datos magnéticos en una actualización de compensación. El módulo 92 de gestión de memoria intermedia permite que la CPU 40, la RAM 44, y la ROM 42 funcionen tal como unos medios de entrada y unos medios de almacenamiento. Esta memoria intermedia puede realizarse no sólo en hardware sino también en software. Se hará referencia ahora a un conjunto de datos magnéticos almacenados en esta memoria intermedia como un conjunto de datos de la población estadística. The buffer module 92 is a program part that receives a plurality of magnetic data sequentially that is output as output from the magnetic sensor 4 and stores the received magnetic data in a buffer in order to use the magnetic data in a compensation update. The buffer memory module 92 allows the CPU 40, RAM 44, and ROM 42 to function such as input media and storage media. This buffer can be done not only in hardware but also in software. Reference will now be made to a set of magnetic data stored in this buffer as a set of statistical population data.
El módulo 94 de deducción de compensación es una parte de programa que deduce una compensación nueva basándose en un conjunto de datos de la población estadística que mantiene el módulo 92 de gestión de memoria intermedia y una compensación antigua que mantiene el módulo 94 de deducción de compensación y actualiza la compensación antigua con la compensación nueva. El módulo 94 de deducción de compensación permite que la CPU 40, la RAM 44, y la ROM 42 funcionen tal como unos medios de deducción de compensación. Debido a que la actualización de la compensación antigua con la compensación nueva hace que la compensación nueva se haga una compensación antigua, se hará referencia a la “compensación antigua” simplemente como una “compensación” en un contexto en el que no produce malentendidos. Realmente, una compensación que se usa para la corrección de datos de orientación se ajusta en una variable y la compensación nueva se deduce como una variable diferente de esa variable. Cuando se deduce la compensación nueva, se ajusta en la variable que se usa para la corrección de datos de orientación. Por lo tanto, la variable que se usa para la corrección de datos de orientación es aquella en la que se almacena la compensación antigua. The compensation deduction module 94 is a program part that deduces a new compensation based on a data set of the statistical population that maintains the buffer memory module 92 and an old compensation that maintains the compensation deduction module 94 and update the old compensation with the new compensation. The compensation deduction module 94 allows the CPU 40, RAM 44, and ROM 42 to function such as compensation deduction means. Because updating the old compensation with the new compensation causes the new compensation to become an old compensation, the “old compensation” will be referred to simply as a “compensation” in a context in which it does not produce misunderstandings. Actually, a compensation that is used for the correction of orientation data is adjusted in one variable and the new compensation is deduced as a different variable from that variable. When the new compensation is deducted, it is set in the variable that is used for the correction of orientation data. Therefore, the variable that is used for the correction of orientation data is that in which the old compensation is stored.
El módulo 96 de deducción de orientación es una parte de programa que corrige los datos magnéticos de forma secuencial que se emiten como salida a partir del sensor magnético usando la compensación que mantiene el módulo 94 de deducción de compensación para crear datos de orientación. El módulo 96 de deducción de orientación permite que la CPU 40, la RAM 44, y la ROM 42 funcionen tal como unos medios de deducción de orientación. Concretamente, el módulo 96 de deducción de orientación emite como salida, como los datos de orientación, todos o dos de los 3 componentes que se obtienen restando las componentes de la compensación respecto de las componentes de los datos magnéticos que son unos datos de vector de 3D. The orientation deduction module 96 is a program part that corrects the magnetic data sequentially that is output as output from the magnetic sensor using the compensation maintained by the compensation deduction module 94 to create orientation data. The orientation deduction module 96 allows the CPU 40, RAM 44, and ROM 42 to function such as orientation deduction means. Specifically, the orientation deduction module 96 issues as output, such as the orientation data, all or two of the 3 components that are obtained by subtracting the components of the compensation from the components of the magnetic data that are vector data of 3D
El programa 98 de navegación es un programa conocido que busca una ruta al destino y visualiza la ruta en un mapa. Debido a que es sencillo reconocer el mapa, el mapa se visualiza de tal forma que la orientación del mapa concuerda con la orientación del mundo real. Por consiguiente, por ejemplo, cuando el teléfono 3 móvil se gira, el mapa visualizado en el visualizador 2 se gira en relación con el visualizador 2 de tal forma que el mapa no se gira en relación con la Tierra. Los datos de orientación se usan en este procesamiento de visualización de mapa. Obviamente, los datos de orientación pueden usarse sólo para visualizar norte, sur, este y oeste mediante unos caracteres o flechas. The navigation program 98 is a known program that searches for a route to the destination and displays the route on a map. Because it is easy to recognize the map, the map is displayed in such a way that the orientation of the map matches the orientation of the real world. Therefore, for example, when the mobile telephone 3 is rotated, the map displayed in the display 2 is rotated in relation to the display 2 in such a way that the map is not rotated in relation to the Earth. Orientation data is used in this map display processing. Obviously, orientation data can only be used to visualize north, south, east and west using characters or arrows.
[2. Método] [2. Method]
2–1. Flujo global 2–1. Global flow
La figura 15 es un diagrama de flujo que ilustra un método de deducción de compensación nueva. La CPU 40 realiza el método de la figura 15 ejecutando el módulo 94 de deducción de compensación cuando se ha hecho una solicitud de actualización de compensación. Figure 15 is a flow chart illustrating a new compensation deduction method. The CPU 40 performs the method of Figure 15 by executing the compensation deduction module 94 when a compensation update request has been made.
2–2. Actualización de la memoria intermedia 2–2. Buffer update
En la etapa S100, se borran todos los datos magnéticos almacenados en la memoria intermedia, en la que se almacena un conjunto de datos magnéticos (conjunto de datos de la población estadística) que se usa para deducir una compensación nueva. Es decir, en este proceso, se borra un conjunto de datos de la población estadística que se usa para deducir la compensación antigua. En la etapa S102, unos datos magnéticos que se usan para deducir una compensación nueva se introducen como entrada y se almacenan en la memoria intermedia. Cuando una pluralidad de datos magnéticos se introduce como entrada de forma secuencial a partir del sensor 4 magnético sin apenas cambios en la actitud del teléfono 3 móvil, la distancia entre dos datos (o valores) magnéticos introducidos como entrada de forma secuencial es pequeña. El almacenamiento de una pluralidad de datos magnéticos cercanos en una memoria intermedia con una capacidad limitada malgasta recursos de memoria y produce una actualización innecesaria de los procesos de memoria intermedia. Además, si se deduce una compensación nueva basándose en un conjunto de datos magnéticos cercanos, hay una posibilidad de que se deduzca una compensación nueva poco precisa basándose en un conjunto de datos distribuido de manera no uniforme de la población estadística. Si es necesario o no actualizar la memoria intermedia puede definirse de la siguiente manera. Por ejemplo, si la distancia entre los últimos datos magnéticos de entrada y unos datos magnéticos almacenados en la memoria intermedia inmediatamente antes de los últimos datos magnéticos de entrada es menor que un umbral dado, se determina que no es necesario actualizar la memoria intermedia y los últimos datos magnéticos de entrada se descartan sin almacenarse en la memoria intermedia. In step S100, all magnetic data stored in the buffer memory is erased, in which a magnetic data set (statistical population data set) that is used to deduce a new compensation is stored. That is, in this process, a set of data from the statistical population that is used to deduct the old compensation is deleted. In step S102, magnetic data that is used to deduce a new compensation is entered as input and stored in the buffer. When a plurality of magnetic data is entered as input sequentially from the magnetic sensor 4 with hardly any changes in the attitude of the mobile phone 3, the distance between two magnetic data (or values) entered as input sequentially is small. Storing a plurality of nearby magnetic data in a buffer with limited capacity wastes memory resources and produces an unnecessary update of the buffer processes. In addition, if a new compensation is deducted based on a set of nearby magnetic data, there is a possibility that a new, less precise compensation may be deduced based on a non-uniformly distributed data set from the statistical population. If it is necessary or not to update the buffer, it can be defined as follows. For example, if the distance between the last magnetic input data and magnetic data stored in the buffer immediately before the last magnetic input data is less than a given threshold, it is determined that it is not necessary to update the buffer and the Last magnetic input data is discarded without being stored in the buffer.
En la etapa S104, se determina si se ha almacenado o no en la memoria intermedia un número especificado de los datos magnéticos que se precisa para deducir una compensación nueva precisa. Es decir, el número de elementos del conjunto de datos de la población estadística se determina con anterioridad. El ajuste de un pequeño número de elementos del conjunto de datos de la población estadística mejora la respuesta a la solicitud de actualización de compensación. Los procesos de las etapas S102 y S104 se repiten hasta que el número especificado de los datos magnéticos se ha almacenado en la memoria intermedia. In step S104, it is determined whether or not a specified number of the magnetic data that is required to deduce an accurate new compensation has been stored in the buffer. That is, the number of elements of the statistical population data set is determined in advance. The adjustment of a small number of elements of the statistical population data set improves the response to the request for compensation update. The processes of steps S102 and S104 are repeated until the specified number of the magnetic data has been stored in the buffer.
2–3. Estimación de la distribución 2–3. Distribution Estimate
Una vez que el número especificado de los datos magnéticos se ha almacenado en la memoria intermedia, se estima la distribución del conjunto de datos de la población estadística (S106 y S108). La distribución se estima basándose en los valores principales de la distribución. Cuando el conjunto de datos magnéticos se expresa mediante la siguiente ecuación (31), los valores principales de la distribución son los valores propios de una matriz A simétrica que se define mediante las ecuaciones (32), (33), y (34) usando la suma de vectores que se inicia desde un centro (promedio) del conjunto de datos de la población estadística y que finaliza con los datos magnéticos Once the specified number of magnetic data has been stored in the buffer, the distribution of the statistical population data set (S106 and S108) is estimated. The distribution is estimated based on the main values of the distribution. When the magnetic data set is expressed by the following equation (31), the main values of the distribution are the eigenvalues of a symmetric matrix A defined by equations (32), (33), and (34) using the sum of vectors that starts from a center (average) of the statistical population data set and ends with the magnetic data
- respectivos. respective.
- qi = (qix, qiy, qiz) qi = (qix, qiy, qiz)
- (i = 0, 1, 2, …) … (31) (i = 0, 1, 2,…) ... (31)
- A = XT X A = XT X
- (32) (32)
- en las que in which
La matriz A puede también volver a escribirse como la ecuación (35). Matrix A can also be rewritten as equation (35).
Sean λ1, λ2, y λ3 los valores propios de la matriz A en un orden creciente. Sean u1, u2, y u3 unos vectores propios ortogonales entre sí que se corresponden con λ1, λ2, y λ3 y que se han normalizado a una longitud de 1. Los intervalos de λ1, λ2, y λ3 manejados en esta memoria descriptiva son λ1 > 0, λ2>0, y λ3 ≥ 0. Cuando dos o más valores propios de la matriz A son cero, es decir, cuando el rango de la matriz A es uno o menos, no hay necesidad de considerarlo debido a que el número de elementos del conjunto de datos de la población estadística es uno o la distribución es una línea perfectamente recta. Cada uno de los valores propios debe ser cero o un número real positivo debido a que la matriz A es, a partir de su definición, una matriz semidefinida positiva. Se estima la distribución del conjunto de datos de la población estadística basándose en la proporción λ3/ λ1 del valor propio mínimo con el valor propio máximo y la proporción λ2/ λ1 de un valor propio intermedio con el valor propio máximo. Let λ1, λ2, and λ3 be the eigenvalues of matrix A in increasing order. Let u1, u2, and u3 be their own orthogonal vectors that correspond to λ1, λ2, and λ3 and have normalized to a length of 1. The intervals of λ1, λ2, and λ3 handled in this specification are λ1 > 0, λ2> 0, and λ3 ≥ 0. When two or more eigenvalues of matrix A are zero, that is, when the range of matrix A is one or less, there is no need to consider it because the number of elements of the statistical population data set is one or the distribution is a perfectly straight line. Each of the eigenvalues must be zero or a positive real number because matrix A is, from its definition, a positive semi-defined matrix. The distribution of the statistical population data set is estimated based on the ratio λ3 / λ1 of the minimum eigenvalue with the maximum eigenvalue and the ratio λ2 / λ1 of an intermediate eigenvalue with the maximum eigenvalue.
En la etapa S106, se determina si la distribución del conjunto de datos de la población estadística es lo bastante tridimensional o no. Concretamente, la determinación es afirmativa cuando la siguiente condición (36) se satisface y negativa cuando no se satisface. In step S106, it is determined whether the distribution of the statistical population data set is three-dimensional enough or not. Specifically, the determination is affirmative when the following condition (36) is satisfied and negative when it is not satisfied.
λ3/ λ1>t1 y λ2/ λ1>t2 … (36) λ3 / λ1> t1 and λ2 / λ1> t2… (36)
En este caso, “t1” y “t2” son unos valores constantes predeterminados. El cómo ajustar los valores de los valores t1 y t2 es una opción de diseño y pueden ajustarse opcionalmente basándose en cómo determinar las características de deducción de la compensación. Cuando se satisface la condición (36), se distribuye el conjunto de datos de la población estadística de forma isótropa a partir del centro del conjunto de datos de la población estadística. La distribución isótropa del conjunto de datos de la población estadística alrededor del centro indica que se distribuye el conjunto de datos de la población estadística uniformemente cerca de una superficie esférica específica. In this case, "t1" and "t2" are constant default values. How to adjust the values of the t1 and t2 values is a design option and can optionally be adjusted based on how to determine the deduction characteristics of the compensation. When condition (36) is satisfied, the statistical population data set is distributed isotropically from the center of the statistical population data set. The isotropic distribution of the statistical population data set around the center indicates that the statistical population data set is distributed evenly near a specific spherical surface.
En la etapa S108, se determina si la distribución del conjunto de datos de la población estadística es lo bastante bidimensional o no. Concretamente, la determinación es afirmativa cuando la siguiente condición (37) se satisface y negativa cuando no se satisface. In step S108, it is determined whether the distribution of the statistical population data set is two-dimensional enough or not. Specifically, the determination is affirmative when the following condition (37) is satisfied and negative when it is not satisfied.
λ3/ λ1 ≤ t1 y λ2/ λ1>t2 … (37) λ3 / λ1 ≤ t1 and λ2 / λ1> t2… (37)
Cuando la condición (37) se satisface, se distribuye el conjunto de datos de la población estadística de forma isótropa a partir del centro del conjunto de datos de la población estadística en un intervalo restringido cerca de un plano específico. La distribución isótropa del conjunto de datos de la población estadística alrededor del centro en un intervalo restringido cerca de un plano específico indica que el conjunto de datos de la población estadística está distribuido de manera no uniforme cerca de la circunferencia de un círculo de sección de una superficie esférica específica. When the condition (37) is satisfied, the statistical population data set is distributed isotropically from the center of the statistical population data set in a restricted range near a specific plane. The isotropic distribution of the statistical population data set around the center in a restricted range near a specific plane indicates that the statistical population data set is distributed unevenly near the circumference of a sectional circle of a specific spherical surface.
Cuando la determinación de la etapa S108 es negativa, la distribución del conjunto de datos de la población estadística es sustancialmente unidimensional (es decir, lineal). La distribución sustancialmente lineal del conjunto de datos de la población estadística indica que el conjunto de datos de la población estadística está distribuido de manera no uniforme en un corto arco de un círculo de sección de una superficie esférica específica o en ambos extremos de un diámetro del círculo de sección. When the determination of step S108 is negative, the distribution of the statistical population data set is substantially one-dimensional (ie, linear). The substantially linear distribution of the statistical population data set indicates that the statistical population data set is unevenly distributed over a short arc of a section circle of a specific spherical surface or at both ends of a diameter of the section circle.
2–4. Deducción de la compensación nueva a través del problema de optimización 2–4. Deduction of the new compensation through the optimization problem
A continuación se describirá un problema de optimización para deducir una compensación nueva. Cuando el conjunto de datos de la población estadística incluye 4 datos magnéticos no presentes en el mismo plano, una An optimization problem to deduct a new compensation will be described below. When the statistical population data set includes 4 magnetic data not present in the same plane, a
5 5
10 10
15 fifteen
20 twenty
25 25
30 30
35 35
superficie esférica sobre la que se distribuye el conjunto de datos de la población estadística se especifica de forma única sin el uso de una técnica estadística. Un vector de posición c = (cx, cy, cz) del centro de esta superficie esférica se obtiene resolviendo el sistema de ecuaciones (38). Aunque existen cuatro restricciones de igualdad para tres variables, las ecuaciones (38) deben tener una solución debido a que una de las cuatro restricciones de igualdad es redundante. spherical surface on which the statistical population data set is distributed is uniquely specified without the use of a statistical technique. A position vector c = (cx, cy, cz) of the center of this spherical surface is obtained by solving the system of equations (38). Although there are four equality restrictions for three variables, equations (38) must have a solution because one of the four equality restrictions is redundant.
en las que in which
Cuando el número de elementos del conjunto de datos de la población estadística es 5 o más, “j” se define mediante la siguiente ecuación (40). When the number of elements of the statistical population data set is 5 or more, "j" is defined by the following equation (40).
En este caso, si el sistema de ecuaciones lineales (41) para “c” tiene una solución, la solución es el centro de una superficie esférica sobre la que se distribuye el conjunto de datos de la población estadística. In this case, if the system of linear equations (41) for "c" has a solution, the solution is the center of a spherical surface on which the statistical population data set is distributed.
Xc=j … (41) Xc = j ... (41)
No obstante, si se considera un error de medición intrínseco del sensor 4 magnético de 3D, es prácticamente imposible que las ecuaciones (41) tengan una solución. Se introduce un vector “e” que se define mediante la siguiente ecuación (42) para obtener una solución verosímil a través de una técnica estadística. However, if an intrinsic measurement error of the 3D magnetic sensor 4 is considered, it is practically impossible for equations (41) to have a solution. A vector "e" is introduced which is defined by the following equation (42) to obtain a plausible solution through a statistical technique.
e=Xc–j … (42) e = Xc – j… (42)
una “c” que minimiza ||e||22 (es decir, eT e) puede considerarse que es verosímil como el centro de una superficie esférica más próxima a la distribución del conjunto de datos de la población estadística. Un problema para encontrar el valor “c” que minimiza ||e||22 es un problema de optimización para minimizar una función objetivo de la siguiente ecuación (43) cuando la matriz A es regular. a "c" that minimizes || e || 22 (ie, eT e) can be considered to be plausible as the center of a spherical surface closest to the distribution of the statistical population data set. A problem in finding the value "c" that minimizes || e || 22 is an optimization problem to minimize an objective function of the following equation (43) when matrix A is regular.
Función objetivo: f(c) = (Xc – j)T (Xc – j) � mín … (43) Objective function: f (c) = (Xc - j) T (Xc - j) � min… (43)
2–5. Condición de restricción cuando la distribución es bidimensional 2–5. Restriction condition when the distribution is two-dimensional
Tal como se muestra en la figura 16, cuando la distribución del conjunto de datos de la población estadística es bidimensional (es decir, plana), se deduce una compensación nueva restringiendo las direcciones en las que se corrige la compensación antigua a dos direcciones ortogonales (S112). Cuando se distribuye el conjunto de datos de la población estadística cerca de un plano específico y la distribución es discreta en una dirección normal al plano, la distribución del conjunto de datos de la población estadística en una dirección paralela al plano es lo bastante fiable mientras que la distribución del conjunto de datos de la población estadística en la dirección normal al plano es poco fiable. En este caso, la compensación antigua no se corrige en la dirección normal al plano, evitando de este modo que la compensación se actualice basándose en una información poco fiable. As shown in Figure 16, when the distribution of the statistical population data set is two-dimensional (i.e. flat), a new compensation is deducted by restricting the directions in which the old compensation is corrected to two orthogonal directions ( S112). When the statistical population data set is distributed near a specific plane and the distribution is discrete in a normal direction to the plane, the distribution of the statistical population data set in a direction parallel to the plane is reliable enough while The distribution of the statistical population data set in the normal direction to the plane is unreliable. In this case, the old compensation is not corrected in the normal direction to the plane, thus preventing the compensation from being updated based on unreliable information.
Cuando se distribuye el conjunto de datos de la población estadística cerca de un plano específico y la distribución es discreta en una dirección normal al plano, la dirección normal al plano es coincidente con la dirección de un vector propio u3 que se corresponde con el valor λ3 propio mínimo y las direcciones ortogonales paralelas al plano son coincidentes con las direcciones de los vectores u1 y u2 propios que se corresponden respectivamente con el valor λ1 propio máximo y el valor λ2 propio intermedio. Por consiguiente, con el fin de deducir una compensación When the data set of the statistical population is distributed near a specific plane and the distribution is discrete in a normal direction to the plane, the normal direction to the plane is coincident with the direction of a proper vector u3 that corresponds to the value λ3 own minimum and the orthogonal directions parallel to the plane are coincident with the directions of the own vectors u1 and u2 that correspond respectively to the maximum own value λ1 and the intermediate own value λ2. Therefore, in order to deduct compensation
5 5
10 10
15 fifteen
20 twenty
25 25
30 30
35 35
nueva sin corregir la compensación antigua en la dirección normal al plano, una compensación c nueva que minimiza la función objetivo de la ecuación (43) se obtiene con una condición de restricción que se expresa mediante la siguiente ecuación (44). new without correcting the old compensation in the normal direction to the plane, a new compensation c that minimizes the objective function of equation (43) is obtained with a constraint condition that is expressed by the following equation (44).
c =c0 + β1·u1 + β2·u2 (β1, β2: números reales) … (44) c = c0 + β1 · u1 + β2 · u2 (β1, β2: real numbers)… (44)
La ecuación (44) es equivalente a la siguiente ecuación (45). Equation (44) is equivalent to the following equation (45).
u3T (c –c0) = 0 … (45) u3T (c –c0) = 0… (45)
La ecuación para resolver el problema de optimización de la ecuación (43) con la condición de restricción de la ecuación (45) puede transformarse en su sistema de ecuaciones equivalente usando el procedimiento de los multiplicadores de Lagrange. Cuando se introduce un multiplicador p constante no conocido y se determina “x” mediante la siguiente ecuación (46), el sistema de ecuaciones lineales (47) de “x” es el sistema de ecuaciones que se menciona anteriormente. The equation to solve the optimization problem of equation (43) with the constraint condition of equation (45) can be transformed into its equivalent system of equations using the Lagrange multiplier procedure. When a constant unknown multiplier p is introduced and "x" is determined by the following equation (46), the system of linear equations (47) of "x" is the system of equations mentioned above.
en el que in which
Tal como puede entenderse a partir de la descripción anterior, si la distribución del conjunto de datos de la población estadística es bidimensional, el proceso para deducir la compensación nueva en la etapa S112 es resolver el sistema de ecuaciones lineales (47). La solución “x” debe especificarse de forma única debido a que el rango de la matriz B4 debe de ser 4. As can be understood from the above description, if the distribution of the statistical population data set is two-dimensional, the process to deduce the new compensation in step S112 is to solve the system of linear equations (47). The solution "x" must be uniquely specified because the range of matrix B4 must be 4.
2–6. Condición de restricción cuando la distribución es sustancialmente unidimensional 2–6. Restriction condition when the distribution is substantially one-dimensional
Tal como se muestra en la figura 17, cuando la distribución del conjunto de datos de la población estadística es sustancialmente unidimensional (es decir, lineal), se deduce una compensación nueva restringiendo las direcciones en las que se corrige la compensación antigua a una dirección principal de la distribución (S110). Cuando se distribuye el conjunto de datos de la población estadística cerca de una recta específica y la distribución es discreta en la dirección de la recta, la distribución del conjunto de datos de la población estadística en la dirección de la línea recta es lo bastante fiable mientras que la distribución del conjunto de datos de la población estadística en otras direcciones es poco fiable. En este caso, la compensación antigua no se corrige en unas direcciones que no sean la dirección de la recta, evitando de este modo que la compensación se actualice basándose en una información poco fiable. As shown in Figure 17, when the distribution of the statistical population data set is substantially one-dimensional (i.e., linear), a new compensation is deducted by restricting the directions in which the old compensation is corrected to a main address. of the distribution (S110). When the statistical population data set is distributed near a specific line and the distribution is discrete in the direction of the line, the distribution of the statistical population data set in the direction of the straight line is reliable enough while that the distribution of the statistical population data set in other directions is unreliable. In this case, the old compensation is not corrected in directions other than the direction of the line, thus preventing the compensation from being updated based on unreliable information.
Cuando se distribuye el conjunto de datos de la población estadística cerca de una recta específica y la distribución es discreta en la dirección de la recta, la dirección de la recta es coincidente con la dirección de un vector u1 propio que se corresponde con el valor propio máximo λ1 y las otras direcciones son coincidentes con las direcciones de los vectores u2 y u3 propios que se corresponden respectivamente con el valor λ2 propio intermedio y el valor λ3 propio mínimo. Por consiguiente, con el fin de deducir una compensación nueva sólo en la dirección de la recta, una compensación c nueva que minimiza la función objetivo de la ecuación (43) se obtiene con una condición de restricción que se expresa mediante la siguiente ecuación (50). When the data set of the statistical population is distributed near a specific line and the distribution is discrete in the direction of the line, the direction of the line is coincident with the direction of a vector u1 corresponding to the eigenvalue. maximum λ1 and the other addresses are coincident with the addresses of the own vectors u2 and u3 that correspond respectively to the intermediate own λ2 value and the minimum own λ3 value. Therefore, in order to deduce a new compensation only in the direction of the line, a new compensation c that minimizes the objective function of equation (43) is obtained with a constraint condition that is expressed by the following equation (50 ).
c =c0 + β1·u1 … (50) c = c0 + β1 · u1… (50)
La ecuación (50) es equivalente a las siguientes ecuaciones (51). Equation (50) is equivalent to the following equations (51).
5 5
10 10
15 fifteen
20 twenty
25 25
30 30
35 35
40 40
La ecuación para resolver el problema de optimización de la ecuación (43) con la condición de restricción de la ecuación (51) puede transformarse en su sistema de ecuaciones equivalente usando el procedimiento de los multiplicadores de Lagrange. Cuando se introducen los multiplicadores constantes no conocidos ρ1y ρ2 y se determina “x” mediante la siguiente ecuación (52), el sistema de ecuaciones lineales (53) de “x” es el sistema de ecuaciones que se menciona anteriormente. The equation to solve the optimization problem of equation (43) with the constraint condition of equation (51) can be transformed into its equivalent system of equations using the Lagrange multiplier procedure. When the non-known constant multipliers ρ1 and ρ2 are introduced and “x” is determined by the following equation (52), the system of linear equations (53) of “x” is the system of equations mentioned above.
en el que in which
Tal como puede entenderse a partir de la descripción anterior, si la distribución del conjunto de datos de la población estadística es sustancialmente unidimensional, el proceso para deducir la compensación nueva en la etapa S110 es resolver el sistema de ecuaciones lineales (53). La solución “x” debe especificarse de forma única debido a que el rango de la matriz B5 debe de ser 5. As can be understood from the above description, if the distribution of the statistical population data set is substantially one-dimensional, the process to deduce the new compensation in step S110 is to solve the system of linear equations (53). The solution "x" must be uniquely specified because the range of matrix B5 must be 5.
2–7. Deducción de la compensación nueva cuando la distribución es tridimensional 2–7. Deduction of the new compensation when the distribution is three-dimensional
Cuando la distribución es tridimensional, se deduce una compensación nueva sin restringir las direcciones en las que se corrige la compensación antigua (S114). Cuando la distribución es tridimensional, es decir, si se distribuye el conjunto de datos de la población estadística en todas las direcciones en un grado determinado cuando se ve a partir del centro del conjunto de datos de la población estadística, el conjunto de datos de la población estadística es lo bastante fiable en todas las direcciones. Por consiguiente, en este caso, para deducir la compensación nueva, no es necesario usar la compensación antigua y de este modo la compensación nueva puede deducirse basándose en el conjunto de datos de la población estadística sin el uso de la compensación antigua. Un algoritmo para deducir una compensación nueva basándose en el conjunto de datos de la población estadística sin el uso de la compensación antigua puede ser un algoritmo que use una de una variedad de técnicas estadísticas que se han propuesto y puede ser también un algoritmo que no use una técnica estadística tal como se describe en las solicitudes de patente de Japón n.os. 2005 – 337412 y 2006 – 44289 que ya ha presentado el presente solicitante. En esta realización, se deduce una compensación nueva usando una técnica estadística. Es decir, en la etapa S114, la compensación nueva “c” se deduce como una solución para el problema de optimización para minimizar la función objetivo de la ecuación (43) sin ninguna condición de restricción. When the distribution is three-dimensional, a new compensation is deducted without restricting the directions in which the old compensation is corrected (S114). When the distribution is three-dimensional, that is, if the statistical population data set is distributed in all directions to a certain degree when viewed from the center of the statistical population data set, the data set of the Statistical population is reliable enough in all directions. Therefore, in this case, in order to deduct the new compensation, it is not necessary to use the old compensation and thus the new compensation can be deduced based on the data set of the statistical population without the use of the old compensation. An algorithm to deduce a new compensation based on the data set of the statistical population without the use of the old compensation can be an algorithm that uses one of a variety of statistical techniques that have been proposed and can also be an algorithm that does not use a statistical technique as described in Japan patent applications no. 2005 - 337412 and 2006 - 44289 that the present applicant has already submitted. In this embodiment, a new compensation is deduced using a statistical technique. That is, in step S114, the new compensation "c" is deduced as a solution to the optimization problem to minimize the objective function of equation (43) without any restriction condition.
2–8. Resumen 2–8. Summary
Los procesos de las etapas S110, S112, y S114 se describirán a continuación usando conceptos espaciales con referencia a las figuras 1, 6, y 7. Si se supone que el conjunto de datos de la población estadística es completamente fiable, la compensación c nueva se define mediante la siguiente ecuación (56) considerando la compensación c nueva como la suma de la compensación c0 antigua y un vector g de posición del centro de una superficie esférica, que se deduce sólo a partir del conjunto de datos de la población estadística, en relación con la compensación c0 antigua. The processes of steps S110, S112, and S114 will be described below using spatial concepts with reference to Figures 1, 6, and 7. If the statistical population data set is assumed to be completely reliable, the compensation c new It is defined by the following equation (56) considering the new compensation c as the sum of the old compensation c0 and a position vector g of the center of a spherical surface, which is deduced only from the data set of the statistical population, in relation to the old c0 compensation.
c=c0+g … (56) c = c0 + g ... (56)
El vector g de posición que se deduce como una solución para el problema de optimización para minimizar la función objetivo de la ecuación (43) sin ninguna condición de restricción es una combinación lineal de los vectores fundamentales en las mismas direcciones que los vectores u1, u2, y u3 propios de la distribución. Por lo tanto, un vector de corrección “f”, que se corresponde con un vector corregido a partir del vector de posición “g” de acuerdo con los grados de fiabilidad respectivos de las componentes del vector de posición “g”, puede obtenerse ponderando unos coeficientes gα,gβ,ygγ del vector de posición “g” de acuerdo con los grados de fiabilidad respectivos del conjunto de datos de la población estadística en las direcciones de eje principal correspondientes (véase la figura 11). The position vector g that is deduced as a solution to the optimization problem to minimize the objective function of equation (43) without any restriction condition is a linear combination of the fundamental vectors in the same directions as the vectors u1, u2 , and u3 own distribution. Therefore, a correction vector "f", which corresponds to a vector corrected from the position vector "g" according to the respective degrees of reliability of the components of the position vector "g", can be obtained by weighing coefficients gα, gβ, and gγ of the position vector "g" according to the respective degrees of reliability of the data set of the statistical population in the corresponding main axis directions (see Figure 11).
En el proceso de la etapa S112 que se realiza cuando la distribución del conjunto de datos de la población estadística es bidimensional tal como se muestra en la figura 16, se impone la siguiente condición de restricción al deducir una compensación nueva basándose en la compensación c0 antigua y el conjunto de datos de la población estadística. La condición de restricción es que la compensación c nueva se obtenga como la suma de la compensación c0 antigua y un vector de corrección “f” que se obtiene ponderando tanto un coeficiente gα del vector de posición “g” en una dirección de eje principal de la distribución que se corresponde con el valor principal máximo de la distribución (es decir, que se corresponde con el valor λ1 propio máximo) como un coeficiente gβ en una dirección de eje principal de la distribución que se corresponde con el valor principal intermedio de la distribución (es decir, que se corresponde con el valor λ2 propio intermedio) por un factor de ponderación de “1” del vector de posición “g” y ponderando un coeficiente gγ en una dirección de eje principal de la distribución que se corresponde con el valor principal mínimo de la distribución (es decir, que se corresponde con el valor λ3 propio mínimo) por un factor de ponderación de “0” del vector de posición “g”. In the process of step S112 that is performed when the distribution of the statistical population data set is two-dimensional as shown in Figure 16, the following restriction condition is imposed when deducting a new compensation based on the old c0 compensation and the statistical population data set. The restriction condition is that the new compensation c is obtained as the sum of the old compensation c0 and a correction vector "f" that is obtained by weighing both a coefficient gα of the position vector "g" in a principal axis direction of the distribution that corresponds to the maximum principal value of the distribution (that is, that corresponds to the maximum own λ1 value) as a gβ coefficient in a principal axis direction of the distribution that corresponds to the intermediate principal value of the distribution (that is, corresponding to the intermediate own λ2 value) by a weighting factor of "1" of the position vector "g" and weighting a gγ coefficient in a principal axis direction of the distribution corresponding to the minimum main value of the distribution (that is, corresponding to the minimum own λ3 value) by a weighting factor of “0” of the position vector g ".
En el proceso de la etapa S110 que se realiza cuando la distribución del conjunto de datos de la población estadística es sustancialmente unidimensional tal como se muestra en la figura 17, se impone la siguiente condición de restricción al deducir una compensación nueva basándose en la compensación c0 antigua y el conjunto de datos de la población estadística. La condición de restricción es que la compensación c nueva se obtenga como la suma de la compensación c0 antigua y un vector de corrección “f” que se obtiene ponderando un coeficiente gα del vector de posición “g” en una dirección de eje principal (o a dirección principal) de la distribución que se corresponde con el valor principal máximo de la distribución (es decir, que se corresponde con el valor λ1 propio máximo) por un factor de ponderación de “1” del vector de posición “g” y ponderando tanto un coeficiente gβ en una dirección de eje principal de la distribución que se corresponde con el valor principal intermedio de la distribución (es decir, que se corresponde con el valor λ2 propio intermedio) y un coeficiente gγ en una dirección de eje principal de la distribución que se corresponde con el valor principal mínimo de la distribución (es decir, que se corresponde con el valor λ3 propio mínimo) por un factor de ponderación de “0” del vector de posición “g”. In the process of step S110 that is performed when the distribution of the statistical population data set is substantially one-dimensional as shown in Figure 17, the following restriction condition is imposed when deducting a new compensation based on the compensation c0 old and the statistical population data set. The restriction condition is that the new compensation c is obtained as the sum of the old compensation c0 and a correction vector "f" that is obtained by weighing a coefficient gα of the position vector "g" in a principal axis direction (or main address) of the distribution that corresponds to the maximum main value of the distribution (that is, that corresponds to the maximum own value λ1) by a weighting factor of “1” of the position vector “g” and weighing both a coefficient gβ in a principal axis direction of the distribution that corresponds to the intermediate principal value of the distribution (i.e., which corresponds to the intermediate own λ2 value) and a gγ coefficient in a principal axis direction of the distribution which corresponds to the minimum principal value of the distribution (that is, which corresponds to the minimum own λ3 value) by a weighting factor of "0" d the position vector "g".
En el proceso de la etapa S110 que se realiza cuando la distribución del conjunto de datos de la población estadística es tridimensional, no se impone ninguna condición de restricción específica. Es decir, en la etapa S110, la compensación c nueva se obtiene como la suma de la compensación c0 antigua y el vector de posición “g” que se obtiene como una solución para el problema de optimización para minimizar la función objetivo de la ecuación (43) sin ninguna condición de restricción. In the process of step S110 which is carried out when the distribution of the statistical population data set is three-dimensional, no specific restriction condition is imposed. That is, in step S110, the new compensation c is obtained as the sum of the old compensation c0 and the position vector "g" that is obtained as a solution for the optimization problem to minimize the objective function of the equation ( 43) without any restriction condition.
B. Segunda realización B. Second embodiment
* Visión de conjunto * Overview
En la primera realización, se estima la distribución del conjunto de datos de la población estadística de forma discreta y, cuando la distribución es bidimensional, la compensación nueva “c” se deduce ajustando la componente del vector de corrección “f” a cero en la dirección de eje principal en la que el valor principal es el valor mínimo y, cuando la distribución es unidimensional, la compensación nueva “c” se deduce ajustando las componentes del vector de corrección “f” a cero en las dos direcciones de eje principal en las que los valores principales son los valores intermedio y mínimo. En la segunda realización, se dará una descripción de un algoritmo sencillo y muy preciso que puede eliminar la necesidad de realizar procesos diferentes de acuerdo con unas estimaciones de la distribución tal como en la primera realización y que puede también deducir una compensación nueva más probable usando eficientemente el conjunto de datos de la población estadística. In the first embodiment, the distribution of the statistical population data set is estimated discreetly and, when the distribution is two-dimensional, the new compensation "c" is deducted by adjusting the correction vector component "f" to zero in the main axis direction in which the main value is the minimum value and, when the distribution is one-dimensional, the new compensation "c" is deducted by adjusting the components of the correction vector "f" to zero in the two main axis directions in The main values are the intermediate and minimum values. In the second embodiment, a description of a simple and very precise algorithm will be given which can eliminate the need to perform different processes according to estimates of the distribution such as in the first embodiment and which can also deduce a more probable new compensation using efficiently the statistical population data set.
La figura 18 es un diagrama de flujo que ilustra un proceso de deducción de compensación nueva. De la misma forma que en la primera realización, la CPU 40 realiza el método de la figura 18 ejecutando el módulo 94 de deducción de compensación cuando se ha hecho una solicitud de actualización de compensación. El proceso de la etapa S200 es el mismo que el proceso de la etapa S100 que se describió anteriormente en la primera realización. El proceso de la etapa S202 es el mismo que el proceso de la etapa S102 que se describió anteriormente en la primera realización. El proceso de la etapa S204 es el mismo que el proceso de la etapa S104 que se describió anteriormente en la primera realización. Figure 18 is a flow chart illustrating a new compensation deduction process. In the same way as in the first embodiment, the CPU 40 performs the method of Figure 18 by executing the compensation deduction module 94 when a compensation update request has been made. The process of step S200 is the same as the process of step S100 described above in the first embodiment. The process of step S202 is the same as the process of step S102 described above in the first embodiment. The process of step S204 is the same as the process of step S104 described above in the first embodiment.
• Estimación de la distribución • Estimation of distribution
En la etapa S206, se deducen unos indicadores de distribución del conjunto de datos de la población estadística. Es decir, se estima la distribución del conjunto de datos de la población estadística como valores continuos deduciendo, tal como unos indicadores de distribución, unos m2 y m3 que se definen mediante las siguientes ecuaciones (57) y (58). In step S206, some distribution indicators are deduced from the statistical population data set. That is, the distribution of the statistical population data set is estimated as continuous values, deducing, such as distribution indicators, some m2 and m3 that are defined by the following equations (57) and (58).
En este caso, “k2” y “k3” son unos números constantes positivos predeterminados. Los valores de k2 y k3 determinan la asociación entre los valores principales y los grados de fiabilidad de direcciones de eje principal correspondientes del conjunto de datos de la población estadística. En este caso, “m2” y “m3” deben satisfacer las siguientes condiciones (59). In this case, "k2" and "k3" are predetermined positive constant numbers. The values of k2 and k3 determine the association between the main values and the degrees of reliability of corresponding main axis directions of the statistical population data set. In this case, “m2” and “m3” must satisfy the following conditions (59).
0 ≤ m2 ≤ 1y0 ≤ m3 ≤ 1 … (59) 0 ≤ m2 ≤ 1y0 ≤ m3 ≤ 1… (59)
Los valores de los coeficientes k2 y k3 se determinan de forma adecuada de acuerdo con las realizaciones de la invención, debido a que el efecto de la ponderación depende de los valores de los coeficientes k2 y k3. En caso de que el sensor magnético se monte en un objeto portátil tal como una PDA y un teléfono portátil que cambia su postura con una velocidad angular relativamente rápida, se espera que una distribución de un grupo de datos magnéticos acumulado en un intervalo de tiempo predeterminado se haga relativamente abierta como promedio. En caso de que la distribución de los datos magnéticos no sea tan abierta, la precisión de la compensación se degradaría bastante si la corrección de compensación se llevara a cabo ponderando de manera significativa el grupo de datos magnéticos de la dirección de eje principal que tiene el valor principal pequeño debido a que un grupo de datos de este tipo tiene una baja fiabilidad. Por lo tanto, en caso de que la invención se aplique a un objeto portátil en el que la distribución del grupo de datos magnéticos tienda a hacerse abierta, los valores de los coeficientes k2 y k3 deberían ajustarse de modo que el grupo de datos magnéticos de la dirección de eje principal que tiene el valor principal pequeño se evalúe con un peso considerable sólo cuando la distribución de los datos magnéticos sea considerablemente abierta. Por otra parte, en caso de que el sensor magnético se monte en un objeto en movimiento tal como un vehículo que cambia su postura con una velocidad angular relativamente baja, se espera que una distribución de un grupo de datos magnéticos acumulado en un intervalo de tiempo predeterminado se haga relativamente compacta como promedio. La precisión de la compensación no se mejorará si la corrección de compensación se lleva a cabo mientras el grupo de datos magnéticos de la dirección de eje principal que tiene el valor principal pequeño no se evalúa con un peso considerable aunque un grupo de datos magnéticos de este tipo no es tan fiable, cuando la distribución de los datos magnéticos no es tan abierta. Por lo tanto, en caso de que la invención se aplique a un objeto en movimiento en el que la distribución del grupo de datos magnéticos tiende a hacerse compacta, los valores de los coeficientes k2 y k3 deberían ajustarse de modo que el grupo de datos magnéticos de la dirección de eje principal que tiene el valor principal pequeño se evalúa con un peso considerable incluso cuando la distribución de los datos magnéticos es compacta. The values of the coefficients k2 and k3 are suitably determined in accordance with the embodiments of the invention, because the effect of the weighting depends on the values of the coefficients k2 and k3. In the event that the magnetic sensor is mounted on a portable object such as a PDA and a portable telephone that changes its position with a relatively fast angular velocity, a distribution of a group of magnetic data accumulated over a predetermined time interval is expected become relatively open on average. In the event that the distribution of the magnetic data is not so open, the accuracy of the compensation would be greatly degraded if the compensation correction was carried out by significantly weighing the group of magnetic data of the main axis direction having the Small main value because such a group of data has low reliability. Therefore, in case the invention is applied to a portable object in which the distribution of the magnetic data group tends to be made open, the values of the coefficients k2 and k3 should be adjusted so that the magnetic data group of The main axis direction having the small main value is evaluated with considerable weight only when the distribution of the magnetic data is considerably open. On the other hand, in case the magnetic sensor is mounted on a moving object such as a vehicle that changes its position with a relatively low angular velocity, a distribution of a group of magnetic data accumulated over a time interval is expected default becomes relatively compact on average. The accuracy of the compensation will not be improved if the compensation correction is carried out while the magnetic data group of the main axis direction having the small main value is not evaluated with a considerable weight although a group of magnetic data of this type is not so reliable, when the distribution of magnetic data is not so open. Therefore, in case the invention is applied to a moving object in which the distribution of the magnetic data group tends to become compact, the values of the coefficients k2 and k3 should be adjusted so that the magnetic data group of the main axis direction having the small main value is evaluated with considerable weight even when the distribution of the magnetic data is compact.
El concepto espacial de m2 y m3 se describirá a continuación con referencia a la figura 11. Cuando los coeficientes de las componentes del vector g de posición en las direcciones de eje principal de la distribución se indican mediante gα,gβ,ygγ en un orden decreciente de los valores principales correspondientes y los coeficientes de las componentes del vector f de posición en las direcciones de eje principal de la distribución se indican mediante fα,fβ,y fγ en un orden decreciente de los valores principales correspondientes, las relaciones entre el vector g de posición, el vector f de corrección, y m2 y m3 se expresan mediante las siguientes ecuaciones (60), (61), y (62). The spatial concept of m2 and m3 will be described below with reference to Figure 11. When the coefficients of the components of the position vector g in the main axis directions of the distribution are indicated by gα, gβ, and gγ in decreasing order of the corresponding main values and the coefficients of the components of the position vector f in the main axis directions of the distribution are indicated by fα, fβ, and fγ in a decreasing order of the corresponding main values, the relationships between the vector g of position, the correction vector f, and m2 and m3 are expressed by the following equations (60), (61), and (62).
Las ecuaciones de relación determinados de tal forma que los factores de ponderación se corresponden continuamente con las proporciones de los valores principales no se limitan a las ecuaciones (60), (61), y (62). Además, el factor fα/gα de ponderación asociado con la componente de la dirección de eje principal que se The relationship equations determined in such a way that the weighting factors continuously correspond to the proportions of the main values are not limited to equations (60), (61), and (62). In addition, the weighting factor fα / gα associated with the principal axis direction component that is
5 corresponde con el valor principal máximo puede ajustarse para ser inferior a “1”. 5 corresponds to the maximum main value can be set to be less than "1".
• Deducción de la compensación nueva • Deduction of new compensation
Cuando es difícil deducir una solución para el problema de optimización con una condición de restricción específica, puede introducirse un problema de relajación para resolver el problema de optimización relajando la condición de restricción. Aplicando este problema de relajación, esta realización lleva a cabo un proceso para deducir una When it is difficult to deduce a solution for the optimization problem with a specific restriction condition, a relaxation problem can be introduced to solve the optimization problem by relaxing the restriction condition. Applying this relaxation problem, this embodiment carries out a process to deduce a
10 compensación c nueva como la suma de la compensación c0 antigua y un vector f de corrección que se obtiene ponderando los coeficientes gα,gβ,ygγ del vector g de posición (véase la figura 11) que se describió anteriormente ponderando unos factores que se corresponden continuamente con las proporciones de los valores principales de la distribución del conjunto de datos de la población estadística. Lo siguiente son detalles de este proceso. 10 new compensation c as the sum of the old compensation c0 and a correction vector f obtained by weighing the coefficients gα, gβ, and gγ of the position vector g (see Figure 11) described above weighing corresponding factors continuously with the proportions of the main values of the distribution of the statistical population data set. The following are details of this process.
Se definen unos multiplicadores ρ1y ρ2 constantes no conocidos como las variables que se requieren para los Constant multipliers ρ1 and ρ2 are known not known as the variables required for the
15 cálculos durante el proceso y c, ρ1, y ρ2 se agrupan conjuntamente en un vector “x” que se define mediante la siguiente ecuación (63). 15 calculations during the process and c, ρ1, and ρ2 are grouped together in a vector “x” that is defined by the following equation (63).
Además, una matriz “B” se define mediante la ecuación (64) y un vector “b” se define mediante la ecuación (65). In addition, a matrix "B" is defined by equation (64) and a vector "b" is defined by equation (65).
20 El proceso para deducir una compensación nueva en la etapa S208 es encontrar una solución para el siguiente sistema de ecuaciones (36). El vector x se especifica de forma única debido a que la matriz B debe de ser regular. 20 The process to deduce a new compensation in step S208 is to find a solution for the following system of equations (36). The vector x is uniquely specified because the matrix B must be regular.
Encontrar una solución para el sistema de ecuaciones (66) es equivalente a resolver el problema de optimización para minimizar la función objetivo de la ecuación (43) con una condición de restricción de que una compensación Finding a solution to the system of equations (66) is equivalent to solving the optimization problem to minimize the objective function of equation (43) with a restriction condition that compensation
25 nueva se obtenga como la suma de la compensación c0 antigua y un vector f de corrección cuyas componentes son unos valores que se obtienen ponderando los coeficientes del vector g de posición en las direcciones de eje principal de la distribución que se corresponde con los valores principales mediante unos factores fα/gα,fβ/gβ,yfγ/gγ que se corresponden continuamente con las proporciones de los valores principales de la distribución del conjunto de datos de la población estadística. 25 new is obtained as the sum of the old compensation c0 and a correction vector f whose components are values that are obtained by weighing the coefficients of the position vector g in the main axis directions of the distribution corresponding to the main values by means of factors fα / gα, fβ / gβ, and fγ / gγ that correspond continuously with the proportions of the main values of the distribution of the data set of the statistical population.
30 En la segunda realización, es sencillo desarrollar o mejorar el módulo 94 de deducción de compensación y el tamaño de los datos del módulo 94 de deducción de compensación se disminuye también debido a que no hay necesidad de ramificar el proceso de deducción de compensación nueva de acuerdo con la distribución del conjunto de datos de la población estadística tal como se describió anteriormente. Además, la segunda realización aumenta la eficiencia en cuanto al uso con la que el módulo 94 de deducción de compensación usa el conjunto de datos de la población estadística y también permite que el módulo de deducción de orientación corrija los datos magnéticos usando la compensación más probable debido a que la compensación antigua puede corregirse en las direcciones 30 In the second embodiment, it is simple to develop or improve the compensation deduction module 94 and the data size of the compensation deduction module 94 is also decreased because there is no need to branch out the new compensation deduction process of according to the distribution of the statistical population data set as described above. In addition, the second embodiment increases the efficiency in terms of the use with which the compensation deduction module 94 uses the statistical population data set and also allows the orientation deduction module to correct the magnetic data using the most likely compensation because the old compensation can be corrected in the directions
5 de eje principal de la distribución mediante unas distancias que se corresponden continuamente con las proporciones de los valores principales del conjunto de datos de la población estadística a menos que alguno de los valores principales sea cero. 5 of the main axis of the distribution by means of distances that correspond continuously with the proportions of the main values of the statistical population data set unless one of the main values is zero.
C. Otras realizaciones C. Other embodiments
El segundo aspecto de la presente invención no está limitado a las realizaciones anteriores y son posibles diversas The second aspect of the present invention is not limited to the above embodiments and various possibilities are possible.
10 realizaciones sin alejarse del alcance de las presentes reivindicaciones. Por ejemplo, la presente invención puede aplicarse también a un sensor magnético que se monta en una PDA o un sensor magnético que se monta en un vehículo. 10 embodiments without departing from the scope of the present claims. For example, the present invention can also be applied to a magnetic sensor that is mounted on a PDA or a magnetic sensor that is mounted on a vehicle.
Claims (10)
- 1. one.
- Un dispositivo de procesamiento de datos magnéticos que comprende: A magnetic data processing device comprising:
- 2. 2.
- El dispositivo de procesamiento de datos magnéticos de acuerdo con la reivindicación 1, en el que los medios de deducción de compensación deducen la compensación nueva basándose en la compensación antigua y un vector de corrección que se deduce a partir del conjunto de datos de la población estadística, teniendo el vector de corrección una componente en una dirección de eje principal en la que el conjunto de datos de la población estadística tiene una varianza grande, y otra componente en otra dirección de eje principal en la que el conjunto de datos de la población estadística tiene una varianza pequeña más pequeña que la varianza grande, ponderándose dicha componente como mayor que dicha otra componente. The magnetic data processing device according to claim 1, wherein the compensation deduction means deduces the new compensation based on the old compensation and a correction vector that is deduced from the statistical population data set , the correction vector having a component in a principal axis direction in which the statistical population data set has a large variance, and another component in another principal axis direction in which the statistical population data set it has a smaller variance smaller than the large variance, said component being weighted as greater than said other component.
- 3. 3.
- El dispositivo de procesamiento de datos magnéticos de acuerdo con la reivindicación 2, en el que los medios de deducción de compensación deducen la compensación nueva basándose en la compensación antigua y en el conjunto de datos de la población estadística con una condición de restricción de que la compensación nueva se obtenga como la suma de la compensación antigua y un vector de corrección, The magnetic data processing device according to claim 2, wherein the compensation deduction means deduces the new compensation based on the old compensation and the data set of the statistical population with a restriction condition that the new compensation is obtained as the sum of the old compensation and a correction vector,
- 4. Four.
- El dispositivo de procesamiento de datos magnéticos de acuerdo con la reivindicación 3, en el que la condición de restricción es que un factor de ponderación del vector de posición para el coeficiente de uno de los segundos vectores fundamentales en una de las direcciones de eje principal que se corresponde con uno mínimo de los valores principales sea cero si una proporción de uno intermedio de los valores principales con uno máximo de los valores principales es más alta que un primer umbral y una proporción del valor principal mínimo con el valor principal máximo es igual a o menor que un segundo umbral, y que unos factores de ponderación respectivos del vector de posición para el coeficiente del segundo vector fundamental en la dirección de eje principal que se corresponde con el valor principal mínimo y el coeficiente de otro de los segundos vectores fundamentales en una de las direcciones de eje principal que se corresponde con el valor principal intermedio sea cero si la proporción del valor principal intermedio con el valor principal máximo es igual a o menor que el primer umbral y la proporción del valor principal mínimo con el valor principal máximo es igual a o menor que el segundo umbral. The magnetic data processing device according to claim 3, wherein the restriction condition is that a weighting factor of the position vector for the coefficient of one of the second fundamental vectors in one of the main axis directions that corresponds to a minimum of the main values be zero if a proportion of an intermediate one of the main values with a maximum of the main values is higher than a first threshold and a proportion of the minimum main value with the maximum main value is equal to or less than a second threshold, and that respective weighting factors of the position vector for the coefficient of the second fundamental vector in the principal axis direction corresponding to the minimum principal value and the coefficient of another of the second fundamental vectors in a of the principal axis directions corresponding to the intermediate principal value be ce ro if the proportion of the intermediate principal value with the maximum principal value is equal to or less than the first threshold and the proportion of the minimum principal value with the maximum principal value is equal to or less than the second threshold.
- 5. 5.
- El dispositivo de procesamiento de datos magnéticos de acuerdo con la reivindicación 3, en el que la condición de restricción es que los coeficientes del vector de corrección sean unos valores que se obtienen ponderando los coeficientes del vector de posición con unos factores de ponderación que se corresponden continuamente con unas proporciones de los valores principales de la distribución del conjunto de datos de la población estadística. The magnetic data processing device according to claim 3, wherein the restriction condition is that the coefficients of the correction vector are values that are obtained by weighting the coefficients of the position vector with corresponding weighting factors continuously with proportions of the main values of the distribution of the data set of the statistical population.
- 6. 6.
- El dispositivo de procesamiento de datos magnéticos de acuerdo con una cualquiera de las reivindicaciones 3 a 5, en el que los factores de ponderación respectivos para los coeficientes del vector de posición se normalizan con referencia al factor de ponderación que está destinado al coeficiente del segundo vector fundamental en la dirección de eje principal que se corresponde con el valor principal máximo y que se ajusta a uno. The magnetic data processing device according to any one of claims 3 to 5, wherein the respective weighting factors for the position vector coefficients are normalized with reference to the weighting factor that is intended for the second vector coefficient fundamental in the direction of main axis that corresponds to the maximum main value and that adjusts to one.
- 7. 7.
- El dispositivo de procesamiento de datos magnéticos de acuerdo con una cualquiera de las reivindicaciones 3 a 6, en el que los medios de deducción de compensación deducen un valor “c” que minimiza la siguiente función f(c) objetivo con la condición de restricción: The magnetic data processing device according to any one of claims 3 to 6, wherein the compensation deduction means deduces a value "c" that minimizes the following objective function f (c) with the restriction condition:
- 8. 8.
- Un aparato de medición magnética que comprende: A magnetic measuring device comprising:
- 9. 9.
- Un procedimiento de procesamiento de datos magnéticos que comprende: A method of processing magnetic data comprising:
- 10. 10.
- En una portadora de datos, un programa de procesamiento de datos magnéticos configurado para permitir que un ordenador funcione tal como: In a data carrier, a magnetic data processing program configured to allow a computer to function such as:
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006061605A JP4844179B2 (en) | 2006-03-07 | 2006-03-07 | Magnetic data processing apparatus, method and program |
| JP2006-61605 | 2006-03-07 | ||
| JP2006-132026 | 2006-05-10 | ||
| JP2007-16320 | 2007-01-26 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2366740T3 true ES2366740T3 (en) | 2011-10-25 |
Family
ID=38585956
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES07004666T Active ES2366740T3 (en) | 2006-03-07 | 2007-03-07 | MAGNETIC DATA PROCESSING DEVICE. |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP4844179B2 (en) |
| ES (1) | ES2366740T3 (en) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5067155B2 (en) * | 2007-12-28 | 2012-11-07 | ヤマハ株式会社 | Magnetic data processing device, navigation device, magnetic data processing method, and magnetic data processing program |
| JP5621181B2 (en) * | 2008-03-28 | 2014-11-05 | ヤマハ株式会社 | Magnetic data processing apparatus, magnetic data processing method, and magnetic data processing program |
| JP5453969B2 (en) * | 2009-07-10 | 2014-03-26 | ヤマハ株式会社 | Magnetic data processing apparatus, magnetic data processing method, and magnetic data processing program |
| JP5375394B2 (en) * | 2009-07-16 | 2013-12-25 | ヤマハ株式会社 | Magnetic data processing apparatus, magnetic data processing method, and magnetic data processing program |
| JP2011169656A (en) * | 2010-02-17 | 2011-09-01 | Alps Electric Co Ltd | Device for detection of magnetic field |
| JP2011203243A (en) | 2010-03-02 | 2011-10-13 | Yamaha Corp | Magnetic data processing apparatus, method and program |
| JP5531801B2 (en) | 2010-06-16 | 2014-06-25 | ヤマハ株式会社 | 3-axis magnetic sensor, electronic compass |
| US9031805B2 (en) | 2011-03-22 | 2015-05-12 | Yamaha Corporation | Geomagnetic field measurement device, offset determination method, and computer readable recording medium therefor |
| EP2568254A3 (en) | 2011-09-07 | 2015-02-18 | Yamaha Corporation | Soft iron effect offset correction in geomagnetism measurement apparatus |
| JP2016514272A (en) * | 2014-03-10 | 2016-05-19 | インテル コーポレイション | Dynamic calibration of magnetic sensors |
| JP6996135B2 (en) | 2017-07-03 | 2022-01-17 | 株式会社リコー | Information processing equipment, information processing methods, and programs |
| CN113851215B (en) * | 2021-09-08 | 2024-06-28 | 深圳市资福医疗技术有限公司 | Magnetic sensor data processing method, device, terminal and storage medium |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FI112399B (en) * | 1998-08-28 | 2003-11-28 | Neuromag Oy | Method and apparatus for eliminating background noise from multichannel detector devices |
| WO2005061990A1 (en) * | 2003-12-22 | 2005-07-07 | Asahi Kasei Emd Corporation | Azimuth measurement device |
| JP4551158B2 (en) * | 2004-08-12 | 2010-09-22 | 旭化成エレクトロニクス株式会社 | Azimuth measuring device and azimuth measuring method |
-
2006
- 2006-03-07 JP JP2006061605A patent/JP4844179B2/en not_active Expired - Fee Related
-
2007
- 2007-03-07 ES ES07004666T patent/ES2366740T3/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP4844179B2 (en) | 2011-12-28 |
| JP2007240270A (en) | 2007-09-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2366740T3 (en) | MAGNETIC DATA PROCESSING DEVICE. | |
| USRE44582E1 (en) | Magnetic data processing device | |
| US8437970B2 (en) | Restoring and storing magnetometer calibration data | |
| KR101152095B1 (en) | Magnetic data processing device, method, and computer readable storage medium | |
| JP2006113019A (en) | Triaxial type electronic compass, and azimuth detecting method using same | |
| ES2884781T3 (en) | Calibration procedure of a magnetometer | |
| CN103941309A (en) | Geomagnetic sensor calibration apparatus and method thereof | |
| US8862418B2 (en) | Magnetic data processing device, magnetic data processing method, and magnetic data processing program | |
| KR20130059405A (en) | Pnd repositioning detector for better navigation accuracy in a car | |
| JP4941199B2 (en) | Navigation device | |
| EP1775550B1 (en) | Magnetic sensor control device | |
| TW200921047A (en) | Magnetic data processing apparatus, method and machine readable medium | |
| CN104459728A (en) | Magnetic declination calibration method based on GNSS positioning | |
| JP2017032353A (en) | Positioning device and positioning method | |
| JP2004309228A (en) | Azimuth measuring instrument, azimuth measuring program, and azimuth measuring method | |
| JP5375394B2 (en) | Magnetic data processing apparatus, magnetic data processing method, and magnetic data processing program | |
| Markovic et al. | Calibration of a solid-state magnetic compass using angular-rate information from low-cost sensors | |
| JPWO2011129288A1 (en) | Geomagnetic detector | |
| KR101352245B1 (en) | Apparatus and method for calibrating azimuth mems magnetic sensor | |
| WO2016114027A1 (en) | Offset detection device and azimuth angle sensor | |
| US10209069B2 (en) | Offset calculation circuit and azimuth sensor using the same | |
| KR20130075064A (en) | Apparatus and method for calibrating azimuth magnetic sensor having object | |
| RU2408508C1 (en) | Method of determining spacecraft three-axis orientation | |
| JP4899524B2 (en) | Magnetic sensor control device, magnetic measurement device, offset setting method and program | |
| TWI320854B (en) | Magnetic data processing device, magnetic data processing method, magnetic data processing program product, and magnetic measurement apparatus |